本技術(shù)屬于醫(yī)學處理，具體涉及一種用于血管支架虛擬臨床試驗的數(shù)字孿生方法。

背景技術(shù)：

1、心血管疾病在人類疾病死亡原因中已接近首位。近年來，我國cvd發(fā)病率和死亡率持續(xù)升高，已成為導致我國城鄉(xiāng)居民死亡的首要原因。據(jù)統(tǒng)計，2020年cvd分別占城鄉(xiāng)居民死因的48.00％和45.86％；每5例死亡中就有2例死于cvd。它廣泛侵犯各型動脈，而且頸動脈、腦動脈等是主要罹患部位，因而會導致如心肌梗死和腦梗塞等多種嚴重的血管疾病。

2、針對cvd發(fā)病率和死亡率逐年增高的趨勢，血管支架介入治療具有重要意義。目前的血管支架分為切割型支架、編織型支架、可降解支架，可改進地方很多。血管支架設(shè)計和放置可以利用計算機模擬和數(shù)學建模技術(shù)來進行虛擬臨床試驗從而基于少部分招募者的臨床數(shù)據(jù)生成大量的虛擬患者，從而可以更快地進行試驗設(shè)計、數(shù)據(jù)收集和分析，縮短研究周期，加速新治療方法或藥物的研發(fā)和上市進程。尤其是血管數(shù)字孿生三維重建和cfd血流動力學分析的應(yīng)用，在臨床醫(yī)生和研究人員的工作中擔任重要角色。與傳統(tǒng)臨床試驗相比，其具有節(jié)省時間、降低成本、減少臨床試驗等優(yōu)勢。虛擬器械放置和設(shè)計還可以模擬多種不同的臨床情況和疾病進展，幫助研究者更全面地評估治療方法的有效性和安全性。

3、數(shù)字孿生(digital?twin，dt)是充分利用物理模型、傳感器、運行歷史等數(shù)據(jù)，集成多學科、多物理量、多尺度、多概率的仿真過程，在虛擬空間中完成映射，從而反映相對應(yīng)的實體裝備的全生命周期過程。作為數(shù)字化、智能化、服務(wù)化的重要應(yīng)用之一，dt突破了時間、空間、成本、安全等對物理實體的限制，擴展和優(yōu)化了物理實體的相關(guān)功能，提升了物理實體的應(yīng)用價值。與此相關(guān)的技術(shù)包括增強現(xiàn)實和虛擬現(xiàn)實。通過建立實體設(shè)備的數(shù)字模型，工程師可以在虛擬環(huán)境中對其進行多次測試并進行優(yōu)化和改良，從而滿足產(chǎn)品安全和性能要求，減少在實體原型上花費的時間和金錢成本。在醫(yī)療器械臨床試驗階段，數(shù)字孿生技術(shù)可以通過模擬設(shè)備在臨床環(huán)境中的表現(xiàn)，評估設(shè)備的安全性和性能，從而減少臨床試驗時間，降低成本，加快醫(yī)療器械研發(fā)進程。在醫(yī)療器械上市后，數(shù)字孿生技術(shù)還可以進行實時監(jiān)控，收集和分析設(shè)備的運行數(shù)據(jù)，預測可能出現(xiàn)的故障或性能下降情況，為設(shè)備的維護和升級提供數(shù)據(jù)支持。同時，dt也被廣泛應(yīng)用于精準醫(yī)療、癌癥護理、個體化培訓等領(lǐng)域。一方面，dt的模擬、預測和分析可用于幫助患者獲得更好的治療結(jié)果和更少的不良反應(yīng)。

4、另一方面，來自患者的真實臨床數(shù)據(jù)可用于對dt建模進行基準測試、驗證和改進。ssm(statistical?shape?models，統(tǒng)計形狀建模)通過一組訓練集中的形狀來構(gòu)建，這些形狀通常是通過在所有形狀上采集相同數(shù)量的點來獲得的。通過計算這些點的協(xié)方差矩陣，可以推導出統(tǒng)計模型，包括平均形狀和各個模態(tài)(即形狀變化的主要模式)。在醫(yī)療領(lǐng)域，ssm可以幫助進行解剖結(jié)構(gòu)的三維重建，分析解剖變異，以及作為未來數(shù)字解剖圖譜的一部分，展示靜態(tài)解剖結(jié)構(gòu)及其正?；虿±碜兓＠澊髮W的研究使用“虛擬人群”評估了分流器在腦動脈瘤中的效果，通過臨床數(shù)據(jù)庫中提取的真實患者數(shù)據(jù)構(gòu)建了一個虛擬人群，確保匿名虛擬患者在年齡、性別和動脈瘤特征方面與真實血流導向裝置臨床試驗中使用的患者非常相似。將傳統(tǒng)試驗的納入和排除標準應(yīng)用于計算機模擬參考隊列后，保留了82例虛擬患者。通過計算機模型，臨床醫(yī)生和患者可以更安全、更及時地獲得新的治療技術(shù)。僅用了數(shù)月時間，就復現(xiàn)了3項真實臨床試驗的結(jié)果，證實了計算機虛擬人體臨床試驗的巨大潛力。

技術(shù)實現(xiàn)思路

1、本技術(shù)提供一種用于血管支架虛擬臨床試驗的數(shù)字孿生方法，以解決上述的技術(shù)問題。

2、為解決上述技術(shù)問題，本技術(shù)采用的一個技術(shù)方案是：一種用于血管支架虛擬臨床試驗的數(shù)字孿生方法，包括以下步驟：

3、基于真實患者血管cta圖像序列模型，獲取經(jīng)過分割以及預處理的預處理圖像；

4、基于血管影像信息和dvt-unet模型，對預處理圖像進行建模和全自動血管分割，獲取血管分割圖像；

5、基于血管分割圖像進行表面處理，獲取預處理的真實患者血管模型；

6、基于預處理的真實患者血管模型以及統(tǒng)計形狀模型，進行虛擬血管樣本擴增，生成虛擬血管模型；

7、基于包括虛擬血管模型以及實患者血管模型的所有血管模型，構(gòu)建全階cfd模型，進行虛擬斑塊和支架設(shè)計和放置，并獲取血流動力學參數(shù)；

8、將血流動力學參數(shù)作為訓練集輸入pinn物理神經(jīng)網(wǎng)絡(luò)進行訓練，獲得pinn預測數(shù)據(jù)；

9、基于pinn預測數(shù)據(jù)以及參數(shù)指標，同時基于獲得的模型預測出的不同部位血流動力學信息，修改并改進介入器械設(shè)計與定位以獲得預設(shè)的力學條件。

10、進一步，對預處理圖像進行建模和全自動血管分割，獲取血管分割圖像的方法，包括：

11、將預處理圖像中進行人工標注，獲取圖像數(shù)據(jù)集；

12、基于dvt-unet模型進行特征學習，血管分割，生成模擬血管圖像；

13、基于模擬血管圖像，對圖像數(shù)據(jù)集進行預測分割，對dvt-unet模型的權(quán)重參數(shù)進行調(diào)節(jié)，以使得模擬血管圖像達到預設(shè)性能；

14、基于達到預設(shè)性能的模擬血管圖像，獲得第一圖像集。

15、進一步，進行虛擬血管樣本擴增，生成虛擬血管模型的方法，包括：

16、對預處理的真實患者血管模型進行均勻重劃網(wǎng)格，獲取包括有立體網(wǎng)格的原始部件；

17、基于包覆模塊，將包覆模塊中的模板部件包覆到原始部件上并變形，獲取包覆部件；

18、創(chuàng)建與模板部件有相同的三角剖分且保留了包覆部件中變形部分的形狀；

19、基于縮放注冊步驟，將包覆部件縮小，以使得包覆部件與原始部件對齊；

20、基于統(tǒng)計形狀模型，消除位置差異，以確保包覆部件中變形部分的形狀被捕獲；更新統(tǒng)計形狀模型中的實例系數(shù)，獲取擴增后的虛擬血管模型。

21、進一步，構(gòu)建全階cfd模型，進行虛擬斑塊和支架設(shè)計和放置，并獲取血流動力學參數(shù)的方法，包括：

22、基于虛擬血管模型，對感興趣的部位進行支架或斑塊的融合，并設(shè)置邊界條件，構(gòu)建流固耦合模型；

23、基于流固耦合模型，求解瞬態(tài)navier-stokes方程并對血管模型進行cfd仿真，獲取有限元離散化的形式的血管數(shù)據(jù)以及雙向流固耦合cfd模型；

24、基于血管數(shù)據(jù)，通過斑塊區(qū)域應(yīng)力的計算，獲得包括血流動力學參數(shù)。

25、進一步，構(gòu)建全階cfd模型，進行虛擬斑塊和支架設(shè)計和放置，并獲取血流動力學參數(shù)的方法，包括：

26、基于虛擬血管模型，對感興趣的部位進行支架或斑塊的融合，并設(shè)置邊界條件，構(gòu)建流固耦合模型；

27、基于流固耦合模型，求解瞬態(tài)navier-stokes方程并對血管模型進行cfd仿真，獲取有限元離散化的形式的血管數(shù)據(jù)以及雙向流固耦合cfd模型；

28、基于血管數(shù)據(jù)，通過斑塊區(qū)域應(yīng)力的計算，獲得包括血流動力學參數(shù)。

29、進一步，將血流動力學參數(shù)作為訓練集輸入pinn物理神經(jīng)網(wǎng)絡(luò)進行訓練，獲得pinn預測數(shù)據(jù)的方法，包括：

30、基于雙向流固耦合cfd模型，選取多個離散時刻節(jié)點的力學分布列向量組成樣本矩陣；

31、構(gòu)建pinn物理神經(jīng)網(wǎng)絡(luò)，其中pinn物理神經(jīng)網(wǎng)絡(luò)包括輸入層、隱藏層和輸出層；

32、基于樣本矩陣，對pinn物理神經(jīng)網(wǎng)絡(luò)進行訓練，獲取pinn模型以及pinn預測數(shù)據(jù)。

33、本技術(shù)的有益效果是：本技術(shù)通過圖像處理技術(shù)對醫(yī)學圖像進行分析和處理，實現(xiàn)對人體血管及其病變部位的位置檢測、分割提取、三維重建和三維顯示，并通過不同的支架設(shè)計和放置對特定部位的血流動力學改變進行仿真，基于pinn和ssm構(gòu)造血管數(shù)字孿生，定性或定量分析科學地評估虛擬試驗結(jié)果，并應(yīng)用到虛擬血管臨床試驗，能無創(chuàng)地獲得類似真實臨床試驗所需的患者血管參數(shù)，從而減少傳統(tǒng)臨床試驗所需樣本和血流動力學檢測成本，為血管支架介入手術(shù)規(guī)劃中提供優(yōu)化方案，并為血管介入醫(yī)療器械的研發(fā)提供了重要幫助。