一种基于数据驱动的深度学习的冠状动脉流场压力快速预测方法

    公开(公告)号:CN118747483A

    公开(公告)日:2024-10-08

    申请号:CN202410723076.0

    申请日:2024-06-05

    Abstract: 一种基于数据驱动的深度学习的冠状动脉流场压力快速预测方法属于人工智能领域。包括以下步骤:收集各冠状动脉个性化的临床数据、0D/3D耦合几何多尺度模型计算流体力学模拟的流场数据以及对应的冠状动脉STL文件制作训练集、验证集和测试集;进行平均动脉压以及后负荷阻力的计算,对冠状动脉STL文件进行裁剪、提取中心线、获取中心线节点信息、提取垂直切割面等预处理;将中心线每个离散点对应的垂直切割面上的流场信息平均化,获得中心线上各离散点对应的流场压力作为标签;使用Pytorch深度学习框架构建冠脉流场压力预测网络并进行训练;在测试集上进行验证。本发明准确快速预测不同结构与边界条件的冠脉3D模型的流场压力。

    一种深度学习和无迹卡尔曼滤波结合的冠状动脉精准分割方法

    公开(公告)号:CN118072011A

    公开(公告)日:2024-05-24

    申请号:CN202410094509.0

    申请日:2024-01-24

    Abstract: 一种深度学习和无迹卡尔曼滤波结合的冠状动脉精准分割方法,属于人工智能领域。本发明包括以下步骤:收集临床冠脉CTA数据制作训练集、验证集和测试集;对冠脉CTA图像进行重采样、窗宽窗位调整、Z‑score归一化、数据增强等预处理操作;基于Pytorch深度学习框架建立冠脉分割网络并进行训练;基于无迹卡尔曼滤波算法实现中断冠脉骨架的追踪,将估计的骨架点作为区域生长的种子点,实现中断冠脉修补;在冠脉测试集上对提出算法进行验证。本发明方法可以提高冠脉分割的准确性和连续性。

Patent Agency Ranking