一种确定肺动脉栓塞指数的系统及方法与流程

1.本说明书涉及医疗技术领域，特别涉及一种确定肺动脉栓塞指数的方法。


背景技术：

2.肺动脉栓塞(也可以称为肺栓塞)，是指来自身体其它部位的血块、脂肪等物质经过血液循环阻塞肺部动脉血管，引起的肺循环功能障碍的疾病。肺栓塞与急性冠状动脉综合征、主动脉夹层，构成急性胸痛三联征，是致死性胸痛的主要原因。报告的短期死亡率高达58％，表明肺栓塞是一种潜在的威胁生命的重要疾病，因此肺栓塞的早期诊断以及精确的风险分级对于及时治疗肺栓塞非常重要。
3.ct肺动脉造影是常用的诊断影像学方法，它能够显示肺动脉主干至亚段的血栓，具有较高的敏感性。肺动脉栓塞指数(pulmonary artery obstruction index，paoi)可以通过反映肺部血管的累积血栓负荷，对肺栓塞进行危险分级。同时研究表明paoi能够反映右心脏功能情况，对于临床治疗方案的制定也具有一定的指导作用。


技术实现要素：

4.本说明书实施例之一提供一种确定肺动脉栓塞指数的方法。所述方法包括：获取对象的医学图像，所述医学图像包括所述对象的肺部血管，所述对象的肺部血管包括血栓；基于所述医学图像，确定与所述血栓有关的信息；基于所述医学图像，将所述肺部血管划分为至少两个层级血管；基于与所述血栓有关的信息和所述至少两个层级血管，确定所述对象的肺动脉栓塞指数。
5.本说明书实施例之一提供一种确定肺动脉栓塞指数的系统，包括：至少一个存储设备，用于存储计算机指令；至少一个处理器，用于执行所述计算机指令，以实现所述确定肺动脉栓塞指数的方法。
6.本说明书实施例之一提供一种确定肺动脉栓塞指数的系统。所述系统包括获取模块、血栓信息确定模块、划分模块和栓塞指数确定模块。获取模块可以用于获取对象的医学图像。所述医学图像包括所述对象的肺部血管，所述对象的肺部血管包括血栓。血栓信息确定模块可以用于基于所述医学图像，确定与所述血栓有关的信息。划分模块可以用于基于所述医学图像，将所述肺部血管划分为至少两个层级血管。栓塞指数确定模块可以用于基于与所述血栓有关的信息和所述至少两个层级血管，确定所述对象的肺动脉栓塞指数。
7.本技术的一部分附加特性可以在下面的描述中进行说明。通过对以下描述和相应附图的研究或者对实施例的生产或操作的了解，本技术的一部分附加特性对于本领域技术人员是明显的。本技术的特征可以通过实践或使用下述详细示例中阐述的方法、手段和组合的各个方面来实现和获得。
附图说明
8.本说明书将以示例性实施例的方式进一步说明，这些示例性实施例将通过附图进
行详细描述。这些实施例并非限制性的，在这些实施例中，相同的编号表示相同的结构，其中：
9.图1是根据本说明书一些实施例所示的示例性肺动脉栓塞指数确定系统的应用场景示意图；
10.图2是根据本说明书一些实施例所示的示例性肺动脉栓塞指数确定系统的示意图；
11.图3a是根据本说明书一些实施例所示的示例性确定肺动脉栓塞指数的流程示意图；
12.图3b是根据本说明书一些实施例所示的示例性血栓的示意图；
13.图4是根据本说明书一些实施例所示的示例性确定血栓的阻塞程度信息的流程示意图；
14.图5是根据本说明书一些实施例所示的示例性肺部血管划分的流程示意图；
15.图6是根据本说明书一些实施例所示的示例性确定融合后的图像块特征的示意图；
16.图7是根据本说明书一些实施例所示的示例性确定肺动脉栓塞指数的示意图；
17.图8是根据本说明书一些实施例所示的示例性确定血栓的阻塞程度信息的示意图。
具体实施方式
18.为了更清楚地说明本说明书实施例的技术方案，下面将对实施例描述中所需要使用的附图作简单的介绍。显而易见地，下面描述中的附图仅仅是本说明书的一些示例或实施例，对于本领域的普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图将本说明书应用于其它类似情景。除非从语言环境中显而易见或另做说明，图中相同标号代表相同结构或操作。
19.应当理解，本文使用的“系统”、“装置”、“单元”和/或“模块”是用于区分不同级别的不同组件、元件、部件、部分或装配的一种方法。然而，如果其他词语可实现相同的目的，则可通过其他表达来替换所述词语。
20.如本说明书和权利要求书中所示，除非上下文明确提示例外情形，“一”、“一个”、“一种”和/或“该”等词并非特指单数，也可包括复数。一般说来，术语“包括”与“包含”仅提示包括已明确标识的步骤和元素，而这些步骤和元素不构成一个排它性的罗列，方法或者设备也可能包含其它的步骤或元素。
21.本说明书中使用了流程图用来说明根据本说明书的实施例的系统所执行的操作。应当理解的是，前面或后面操作不一定按照顺序来精确地执行。相反，可以按照倒序或同时处理各个步骤。同时，也可以将其他操作添加到这些过程中，或从这些过程移除某一步或数步操作。
22.传统的肺动脉栓塞指数计算方法一般是结合临床信息以及医生人工标记来完成。由于临床的局限性，一些比较精细的评分方法由于操作步骤繁琐复杂，并不能广泛应用于实际临床工作中。而一些简化方案的精确度较低。
23.目前qanadli评分(paoiq)是最常用于评估肺栓塞的肺动脉栓塞指数。paoiq是肺
栓塞严重程度的半定量参数，可区分肺动脉主干、肺叶和节段水平的部分和完全阻塞，高paoiq反映了严重的肺栓塞。该方法是根据动脉内有无血栓、包含血栓的分支数以及肺动脉阻塞程度来对肺动脉血栓进行评分。具体地，一支肺段动脉或者肺亚段动脉出现血栓记1分；在肺段动脉层级以上动脉内出现血栓时，分值等于其所属肺段动脉数；单一血栓延伸到多个动脉内，则把每个动脉的积分加起来，但总分不能超过所属区域的最大值，血栓位置的最大评分为20分。如果管腔部分阻塞，阻塞程度评分为1分；如果管腔完全阻塞时，阻塞程度评分为2分。肺栓塞患者血管阻塞百分比等于血栓所在血管位置的评分乘以动脉阻塞程度的评分。该方法整体计算比较简单清晰。但是该方法所需的血栓数量、位置和阻塞程度都是通过人工标注来完成，耗时耗力。同时对于亚段层级血栓的处理策略比较粗糙，不能准确反映肺动脉阻塞的程度。
24.因此，本技术希望提供一种高效、精确的确定肺动脉栓塞指数的系统及方法。
25.图1是根据本说明书一些实施例所示的示例性肺动脉栓塞指数确定系统的应用场景示意图。如图1所示，肺动脉栓塞指数确定系统的应用场景100可以包括医疗设备110、处理设备120、终端设备130、存储设备140和网络150。在一些实施例中，处理设备120可以是医疗设备110中的一部分。应用场景100中的组件之间的连接可以是可变的。如图1所示，医疗设备110可以通过网络150连接到处理设备120。又例如，医疗设备110可以直接连接到处理设备120。再例如，存储设备140可以直接或通过网络150连接到处理设备120。作为又一示例，终端130可以直接连接到处理设备120(如连接终端130和处理设备120的虚线箭头所示)，也可以通过网络150连接到处理设备120。
26.医疗设备110可以是用于疾病诊断或研究目的的非侵入性扫描成像设备。在一些实施例中，医疗设备110可以对检测区域或扫描区域内的对象进行扫描，得到该对象的扫描数据。在一些实施例中，医疗设备110可以包括单模态扫描仪和/或多模态扫描仪。单模态扫描仪可以包括例如超声波扫描仪、x射线扫描仪、计算机断层扫描(ct)扫描仪、核磁共振成像(mri)扫描仪、光学相干断层扫描(oct)扫描仪、超声(us)扫描仪、血管内超声(ivus)扫描仪等，或其任意组合。多模态扫描仪可以包括例如x射线成像-核磁共振成像(x射线-mri)扫描仪、正电子发射断层扫描-x射线成像(pet-x射线)扫描仪、单光子发射计算机断层扫描-核磁共振成像(spect-mri)扫描仪、正电子发射断层扫描-计算机断层摄影(pet-ct)扫描仪、数字减影血管造影-核磁共振成像(dsa-mri)扫描仪等。在一些实施例中，处理设备120可以集成在医疗设备110上，或者医疗设备110与处理设备120通过同一实体实现其功能。上面提供的医疗设备仅用于说明目的，而无意限制本说明书的范围。
27.处理设备120可以处理从医疗设备110、终端设备130、存储设备140或应用场景100的其他组件获得的数据和/或信息。例如，处理设备120可以获取对象的医学图像。该医学图像可以包括对象的肺部血管。对象的肺部血管可以包括血栓。处理设备120可以基于医学图像，确定与血栓有关的信息。处理设备120也可以基于医学图像，将肺部血管划分为至少两个层级血管。进一步地，处理设备120可以基于与血栓有关的信息和至少两个层级血管，确定对象的肺动脉栓塞指数。在一些实施例中，处理设备120可以是本地或远程的。例如，处理设备120可以通过网络150从医疗设备110、终端设备130和/或存储设备140访问信息和/或数据。
28.终端设备130可以包括移动设备131、平板电脑132、笔记本电脑133等或其任意组
合。在一些实施例中，终端130可以是处理设备120的一部分。
29.存储设备140可以存储数据、指令和/或任何其他信息。在一些实施例中，存储设备140可以存储从医疗设备110、处理设备120和/或终端设备130获得的数据，例如，医疗设备110生成的医学图像等。
30.网络150可以包括能够促进信息和/或数据交换的任何合适的网络。在一些实施例中，应用场景100的至少一个组件(例如，医疗设备110、处理设备120、终端设备130、存储设备140)可以通过网络150与应用场景100中至少一个其他组件交换信息和/或数据。例如，处理设备120可以通过网络150从医疗设备110中获取对象的医学图像。又如，终端设备130可以通过网络150从处理设备120获取对象的肺动脉栓塞指数。
31.应当注意，应用场景100仅仅是为了说明的目的而提供的，并不意图限制本说明书的范围。对于本领域的普通技术人员来说，可以根据本说明书的描述，做出多种修改或变化。例如，应用场景100还可以包括输入装置和/或输出装置。又例如，应用场景100可以在其它设备上实现类似或不同的功能。然而，这些变化和修改不会背离本说明书的范围。
32.图2是根据本说明书一些实施例所示的示例性肺动脉栓塞指数确定系统的示意图。
33.如图2所示，在一些实施例中，肺动脉栓塞指数确定系统200可以包括获取模块210、血栓信息确定模块220、划分模块230和栓塞指数确定模块240。在一些实施例中，肺动脉栓塞指数确定系统200对应的功能可以由处理设备120执行，例如获取模块210、血栓信息确定模块220、划分模块230和栓塞指数确定模块240可以为处理设备120中的模块。
34.获取模块210可以用于获取信息。例如，获取模块210可以用于获取对象的医学图像。医学图像可以包括对象的肺部血管，对象的肺部血管包括血栓。关于获取医学图像的更多描述可以参见步骤310，在此不再赘述。
35.血栓信息确定模块220可以用于基于医学图像，确定与血栓有关的信息。在一些实施例中，与血栓有关的信息可以包括血栓的位置信息、阻塞程度信息等。血栓的位置信息可以指示血栓在肺部血管中的位置。阻塞程度信息可以指示血栓是否完全阻塞肺部血管。关于基于医学图像，确定与血栓有关的信息的更多描述可以参见步骤320，在此不再赘述。
36.划分模块230可以用于基于医学图像，将肺部血管划分为至少两个层级血管。在一些实施例中，按照血管层级由高到低，至少两个层级血管可以包括主肺动脉干层级血管、左右肺动脉层级血管、肺叶层级血管、肺段层级血管、肺亚段层级血管等。关于将肺部血管划分为至少两个层级血管的更多描述可以参见步骤330，在此不再赘述。
37.栓塞指数确定模块240可以用于基于与血栓有关的信息和至少两个层级血管，确定对象的肺动脉栓塞指数。关于确定对象的肺动脉栓塞指数的更多描述可以参见步骤340，在此不再赘述。
38.应当理解，图2所示的系统及其模块可以利用各种方式来实现。例如，在一些实施例中系统及其模块可以通过硬件、软件或者软件和硬件的结合来实现。
39.需要注意的是，以上对于系统及其模块的描述，仅为描述方便，作为示意，并不能把本说明书限制在所举实施例范围之内。可以理解，对于本领域的技术人员来说，在了解该系统的原理后，可能在不背离这一原理的情况下，对各个模块进行任意组合，或者构成子系统与其他模块连接。例如，在一些实施例中，图2中披露的以上模块可以是一个系统中的不
同模块，也可以是一个模块实现上述的两个或两个以上模块的功能。例如，各个模块可以共用一个存储模块，各个模块也可以分别具有各自的存储模块。诸如此类的变形，均在本说明书的保护范围之内。
40.图3a是根据本说明书一些实施例所示的示例性确定肺动脉栓塞指数的流程示意图。在一些实施例中，流程300的一个或多个步骤可以在图1所示的应用场景100中实现或由图2所示的肺动脉栓塞指数确定系统200执行。例如，流程300可以由处理设备120的模块执行。如图3a所示，流程300可以包括以下步骤。
41.步骤310，获取对象的医学图像，医学图像包括对象的肺部血管，对象的肺部血管包括血栓。在一些实施例中，步骤310可以由处理设备120或获取模块210执行。
42.对象可以包括扫描过程中涉及的生物对象和/或非生物对象的整体或部位。例如，对象可以是有生命或无生命的有机和/或无机物质。在一些实施例中，对象的肺部血管可以指对象的肺动脉血管。
43.医学图像可以是对人体肺部血管进行扫描得到的图像，例如，ct血管造影图像、ct平扫图像，ct造影图像等。在一些实施例中，可以通过医疗设备110对对象的肺部血管执行扫描，以获取医学图像。在一些实施例中，医学图像可以提前生成，并存储在存储设备(例如，存储设备140或外部存储设备)中，处理设备120可以从该存储设备中获取医学图像。
44.步骤320，基于医学图像，确定与血栓有关的信息。在一些实施例中，步骤320可以由处理设备120或血栓信息确定模块220执行。
45.在一些实施例中，与血栓有关的信息可以包括血栓的位置信息、阻塞程度信息等。血栓的位置信息可以指示血栓在肺部血管中的位置。阻塞程度信息可以指示血栓是否完全阻塞肺部血管。
46.在一些实施例中，处理设备120可以获取对象的血管血栓分割结果。血管血栓分割结果可以指示肺部血管中的血栓以及肺部血管(例如，肺部血管中除血栓以外的部分)。在一些实施例中，血管血栓分割结果可以由用户(例如，影像医师)手动从医学图像中分割肺部血管和血栓得到。在一些实施例中，血管血栓分割结果可以由处理设备120自动从医学图像中分割肺部血管和血栓得到。例如，处理设备120可以采用图像分割算法从医学图像中分割肺部血管和血栓得到血管血栓分割结果。
47.在一些实施例中，处理设备120可以通过使用第一分割模型处理医学图像，获取对象的血管血栓分割结果。进一步地，处理设备120可以基于血管血栓分割结果，确定与血栓有关的信息。
48.第一分割模型可以是训练好的用于分割医学图像中的血管和血栓的模型。仅仅作为示例，医学图像可以被输入到第一分割模型中，第一分割模型可以输出血管血栓分割结果。在一些实施例中，第一分割模型可以包括深度学习模型，例如，深度神经网络(deep neural network,dnn)模型、卷积神经网络(convolutional neural network,cnn)模型、循环神经网络(recurrent neural network,rnn)模型、特征金字塔网络(feature pyramid network,fpn)模型等、或其组合。
49.在一些实施例中，第一分割模型可以包括级联的第一部分和第二部分。第一部分可以配置用于基于医学图像获取肺部血管的第一分割图像。例如，可以将医学图像输入血管血栓分割模，获得由第一部分输出的肺部血管的第一分割图像。第一分割图像可以显示
肺部血管。在一些实施例中，第一分割图像可以表示为二值的第一掩码图像。在第一掩码图像中，对应于肺部血管的区域和对应于除肺部血管以外的区域(即，背景区域)可以使用不同的方式进行显示。例如，在第一掩码图像中，对应于肺部血管的区域可以使用第一标签(例如，标签“1”)来表示，对应于背景区域可以使用第二标签(例如，标签“2”)来表示。又例如，对应于肺部血管的区域可以使用白色来表示，对应于背景区域可以使用第黑色来表示。
50.第二部分可以配置用于基于第一分割图像获取血管血栓分割结果。例如，可以将第一分割图像和医学图像输入第二部分，获得由第二部分输出的血管血栓分割结果。在一些实施例中，血管血栓分割结果可以包括第二分割图像和第三分割图像。第二分割图像可以显示肺部血管中的血栓。第三分割图像可以显示肺部血管中除血栓外的部分(也称为未阻塞部分)。在一些实施例中，第二分割图像可以表示为二值的第二掩码图像，第三分割图像可以被表示为二值的第三掩码图像。在第二掩码图像中，对应于血栓的区域和对应于除血栓以外的区域可以使用不同的方式进行显示。在第三掩码图像中，对应于未阻塞部分的区域和对应于除未阻塞部分以外的区域可以使用不同的方式进行显示。
51.在一些实施例中，血管血栓分割结果可以包括第四分割图像。第四分割图像可以显示肺部血管中的血栓和未阻塞部分。在一些实施例中，第四分割图像可以表示为三值的第四掩码图像。在第四掩码图像中，对应于血栓的区域、对应于未阻塞部分的区域和对应于除肺部血管以外的区域可以使用不同的方式进行显示。在一些实施例中，处理设备120可以合并第二和第三分割图像得到第四分割图像。通过使用级联的策略，不仅能够提高血管血栓分割结果的精确度，同时也能够保证在血管血栓分割结果中的肺部血管区域和血栓区域的整体连续性。
52.在一些实施例中，处理设备120可以通过网络(例如，网络150)从肺动脉栓塞指数确定系统的应用场景100的一个或多个组件(例如，存储设备140、终端130)或者外部源获取第一分割模型。例如，第一分割模型以提前通过计算设备(例如，处理设备120)训练，并存储在存储设备(例如，存储设备140)中。处理设备120可以访问存储设备以获取第一分割模型。仅仅作为示例，可以基于多个第一训练样本，通过训练初始第一分割模型，生成第一分割模型。每个第一训练样本可以包括样本对象的样本医学图像和样本对象的参考血管血栓分割结果。参考血管血栓分割结果可以指示样本对象的肺部血管中的血栓以及肺部血管。参考血管血栓分割结果可以作为模型训练的标签或金标准。
53.在一些实施例中，处理设备120可以基于血管血栓分割结果，确定血栓的位置信息。例如，处理设备120可以基于第四分割图像，确定血栓在肺部血管中的位置。具体地，处理设备120可以将第四分割图像中的对应于血栓的区域和对应于未阻塞部分的区域确定为对应于肺部血管的区域，并根据对应于肺部血管的区域和对应与血栓的区域，确定血栓的位置信息。
54.在一些实施例中，处理设备120可以基于血管血栓分割结果，确定血栓的阻塞程度信息。例如，处理设备120可以基于血管血栓分割结果，确定血栓的连通域和肺部血管中包含血栓的血栓血管。进一步地，处理设备120可以基于血栓的连通域和血栓血管，使用血栓分类模型确定血栓的阻塞程度信息。
55.在一些实施例中，血栓可以包括一个或多个连通域，每个连通域可以称为一个子血栓。血栓的阻塞程度信息可以指示每个子血栓的类型。子血栓的类型可以包括完全阻塞
子血栓或非完全阻塞子血栓。如果一个子血栓是完全阻塞子血栓，当血流流经该子血栓的位置时，不能通过血管。如果一个子血栓是非完全阻塞子血栓，当血流流经该子血栓的位置时，能够通过血管。例如，图3b是根据本说明书一些实施例所示的示例性血栓的示意图。如图3b所示，位于血管x1中的子血栓q1是完全阻塞子血栓。位于血管x2中的子血栓q2是非完全阻塞子血栓。
56.在一些实施例中，完全阻塞血栓可以包括非完全阻塞部分和完全阻塞部分。例如，可以沿血流方向将完全阻塞血栓划分为非完全阻塞部分和完全阻塞部分。当血流流经完全阻塞部分时，不能通过血管。当血流流经非完全阻塞部分时，能够通过血管。例如，图3b中的完全阻塞子血栓q1可以包含非完全阻塞部分a和完全阻塞部分b。在一些实施例中，血栓的阻塞程度信息可以包括与完全阻塞血栓的非完全阻塞部分和完全阻塞部分有关的信息。相应地，响应于血栓包括完全阻塞子血栓，处理设备120可以进一步确定完全阻塞子血栓的非完全阻塞部分和完全阻塞部分。例如，处理设备120可以基于完全阻塞子血栓的连通域和包含该完全阻塞子血栓的血栓血管，使用第二分割模型确定完全阻塞子血栓的非完全阻塞部分和完全阻塞部分。
57.关于使用血栓分类模型和第二分割模型确定血栓的阻塞程度信息的相关描述可以参见本技术其他地方(例如，图4)，相关描述在此不再赘述。
58.步骤330，基于医学图像，将肺部血管划分为至少两个层级血管。在一些实施例中，步骤330可以由处理设备120或划分模块230执行。
59.在一些实施例中，按照血管层级由高到低，至少两个层级血管可以包括主肺动脉干层级血管、左右肺动脉层级血管、肺叶层级血管、肺段层级血管、肺亚段层级血管。在一些实施例中，类似于树状图，对于相邻两个层级的血管，低层级血管为高层级血管的分支血管，且高层级血管不包含低层级血管，也就是说至少两个血管不存在重叠部分。例如，左右肺动脉层级血管是主肺动脉干
60.在一些实施例中，处理设备120可以基于医学图像，获取肺部血管的分割图像。处理设备120可以确定肺部血管的分割图像中的多个分割图像块。然后，对多个分割图像块中的每一个分割图像块，处理设备120可以确定该分割图像块的位置特征和该分割图像块在医学图像中对应的原始图像块，并且基于该分割图像块、该分割图像块的位置特征和对应的原始图像块，使用血管分级模型确定该分割图像块的层级。进一步地，处理设备120可以基于多个分割图像块的层级，将肺部血管划分为至少两个层级血管。关于将肺部血管划分为至少两个层级血管的相关描述可以参见本技术其他地方(例如，图5)，相关描述在此不再赘述。
61.步骤340，基于与血栓有关的信息和至少两个层级血管，确定对象的肺动脉栓塞指数。在一些实施例中，步骤340可以由处理设备120或栓塞指数确定模块240。
62.在一些实施例中，处理设备120可以基于与血栓有关的信息，确定肺部血管中包含血栓的血栓血管。具体地，处理设备120可以根据血栓的位置信息，确定肺部血管中包含血栓的血栓血管。处理设备120可以将血栓血管划分为至少两个区域。至少两个区域中的每个区域包含同一个层级的血管，且至少两个区域不存在重叠区域。对至少两个区域中的每一个区域，处理设备120可以基于位于该区域的血栓的信息、以及该区域包括的血管的层级，确定该区域的血栓负荷评分。在一些实施例中，处理设备120可以基于位于该区域的血栓的
位置信息和阻塞程度信息、以及该区域包括的血管的层级，确定该区域的血栓负荷评分。仅仅作为示例，处理设备120可以根据公式(1)确定该区域的血栓负荷评分：cbsi＝n*w*d，
ꢀꢀꢀ
(1)
63.其中，i为正整数，表示区域的编号，cbsi表示第i个区域的血栓负荷评分，n表示第i个区域的血栓位置评分，d表示第i个区域中包含的血栓的阻塞程度，w表示第i个区域包含血栓时对整体肺栓塞的影响程度。具体地，可以根据血栓的位置信息确定n，如果第i个区域不存在血栓，n为0；如果第i个区域存在血栓且第i个区域包括的血管为肺段层级或其以上层级(即，除肺亚段层级以外的其他层级)血管时，n为第i个区域的血管的分支血管数量；如果第i个区域存在血栓且第i个区域包括的血管为肺亚段级血管时，n为第i个区域中的肺亚段血管所属的肺段血管的数量。例如，如果第i个区域的血管为整个主肺动脉干血管区域，整个主肺动脉干血管的分支血管的数量为20，则n为20。又例如，如果第i个区域包括三个亚段血管，这三个亚段血管均属于同一个肺段血管，则n为1。
64.在一些实施例中，w的值可以根据临床需求和验证结果进行设定。不同层级血管包含血栓时对对整体肺栓塞的影响程度不同。如果较高层级血管包含血栓，其对对整体肺栓塞的影响程度较大，w的值可以较大；如果较低层级血管包含血栓，其对对整体肺栓塞的影响程度较小，w的值可以较小。例如，当高于肺段层级以上的层级血管包含血栓时，w可以设置为1；当肺段层级血管包含血栓时，w可以设置为1/2；当肺亚段层级血管包含血栓时，w可以设置为1/4。如果血栓包含完全阻塞子血栓或者完全阻塞子血栓的完全阻塞部分时，d可以设置为2；如果血栓是非完全阻塞子血栓或者是完全阻塞子血栓的非完全阻塞部分时，d可以设置为1。
65.进一步地，处理设备120可以基于至少两个区域的血栓负荷评分，确定对象的肺动脉栓塞指数。在一些实施例中，处理设备120可以合并至少两个区域的血栓负荷评分得到对象的总的血栓负荷评分。具体地，处理设备120可以从至少两个区域的血栓负荷评分中确定一个或多个目标血栓负荷评分，然后将一个或多个目标血栓负荷评分进行累加得到总的血栓负荷评分。处理设备120可以按照血管层级从高到低，如果一个包含高层级血管(也称为目标层级)的区域a存在血栓，则处理设备120可以确定区域a的血栓负荷评分为目标血栓负荷评分，并排除目标层级血管包含的低层级血管所对应的其他区域的血栓负荷评分(即，目标层级血管包含的低层级血管所对应的其他区域的血栓负荷评分不作为目标血栓负荷评分)。例如，如果对象的血栓存在于主肺动脉干血管和1个肺叶动脉血管，处理设备120可以确定目标血栓负荷评分包括主肺动脉干血管区域的血栓负荷评分，则总的血栓负荷评分为主肺动脉干血管区域的血栓负荷评分。又例如，如果对象的血栓存在于左脉动脉血管和左肺动脉血管中所有的肺段血管，处理设备120可以确定目标血栓负荷评分包括左肺动脉血管区域的血栓负荷评分，则总的血栓负荷评分为左肺动脉血管区域的血栓负荷评分。再例如，如果对象的血栓存在于左肺动脉干血管区域和2个右肺段级血管，处理设备120可以确定目标血栓负荷评分包括这三个区域的血栓负荷评分，则总的血栓负荷评分为这个三个区域的血栓负荷评分的累加。
66.然后，处理设备120可以根据总的血栓负荷评分确定对象的肺动脉栓塞指数。例如，处理设备120可以根据公式(2)，确定对象的肺动脉栓塞指数：
其中，paoi表示肺动脉栓塞指数，cbs表示总的血栓负荷评分，40为血栓负荷评分的最大值。
67.根据流程300，本技术可以实现全自动的肺动脉栓塞指数的计算，可以大大减少或则消除人工干预，从而显著提高计算肺动脉栓塞指数的准确性和效率。本技术中肺动脉栓塞指数的计算方法相对简单，具有较高的临床实用性。而且，在一些实施例中，通过优化每个区域分血栓负荷评分的计算策略，可以提高肺动脉栓塞指数的精确度。此外，在一些实施例中，可以将完全阻塞子血栓进一步划分为完全阻塞部分和非完全阻塞部分，在计算血栓负荷评分时，如果血栓血管中最高层级血管包含的血栓是完全阻塞子血栓时，可以进一步根据该子血栓完全阻塞部分还是非完全阻塞部分来确定d的值，通过这种方式，可以获得高精确度的d，从而进一步提高血栓负荷评分以及肺动脉栓塞指数的精确度。
68.应当注意的是，上述有关流程300的描述仅仅是为了示例和说明，而不限定本说明书的适用范围。对于本领域技术人员来说，在本说明书的指导下可以对流程300进行各种修正和改变。然而，这些修正和改变仍在本说明书的范围之内。
69.图4是根据本说明书一些实施例所示的示例性确定血栓的阻塞程度信息的流程示意图。在一些实施例中，流程400的一个或多个步骤可以在图1所示的应用场景100中实现或由图2所示的肺动脉栓塞指数确定系统200执行。例如，流程400可以由处理设备120或血栓信息确定模块220执行。如图4所示，流400可以包括以下步骤。
70.步骤410，基于血管血栓分割结果，确定血栓的连通域和肺部血管中包含血栓的血栓血管。
71.血栓的连通域可以指图像中包含血栓的连通区域。如步骤320所述，血栓可以包括一个或多个连通域，每个连通域可以称为一个子血栓。如图8所示，第二分割图像820表示的血栓可以包括两个连通域8201和8202。在一些实施例中，处理设备20可以采用现有的连通域提取技术提取血栓的连通域。例如，处理设备120可以在第二分割图像中，采用逐像素比较的算法提取血栓的连通域。
72.在一些实施例中，血栓血管可以指肺部血管中包含血栓的部分肺部血管。在一些实施例中，处理设备120可以基于血管血栓分割结果，确定血栓血管。例如，处理设备120可以直接在第四分割图像中，分割出包含血栓的部分肺部血管作为血栓血管。
73.步骤420，基于血栓的连通域和血栓血管，使用血栓分类模型确定血栓的阻塞程度信息。
74.在一些实施例中，血栓的阻塞程度信息可以包括血栓中每个子血栓的类型。子血栓的类型可以包括完全阻塞子血栓或非完全阻塞子血栓。血栓分类模型可以是用于确定每个血栓连通域(即，子血栓)的类型的模型。仅仅作为示例，血栓的连通域和血栓血管可以被输入血栓分类模型，血栓分类模型输出每个子血栓的类型。在一些实施例中，血栓分类模型可以包括深度学习模型、传统机器学习模型等。示例性的传统机器学习模型可以包括逻辑回归模型、决策树模型、朴素贝叶斯模型、支持向量机模型等、或其组合。
75.在一些实施例中，血栓分类模型处理的图像块的最佳尺寸是预先设计好的，当输入到血栓分类模型中的图像块尺寸与最佳尺寸不匹配时，血栓分类模型会自动调整输入图
像块的尺寸，因此可能会导致自动调整后图像块失真，从而降低分类模型输出结果的准确度。在一些实施例中，处理设备120可以对血栓的每个连通域和血栓血管进行重采样，并将重采样后的连通域和血栓血管输入到血栓分类模型，得到每个连通域的类型。
76.在一些实施例中，对每个连通域，处理设备120可以基于该连通域的最小外接框的最长边的长度和物理分辨率，确定该连通域在至少两个方向上的第一重采样比例，并基于第一重采样比例，对该连通域进行重采样，以获得重采样后的连通域。在一些实施例中，连通域在至少两个方向上的第一重采样比例可以相同。例如，该连通域的最小外接框为长方体，其物理尺寸为(l,w,h)，其中l、w和h分表表示最小外接框的长、宽、高。医学图像的物理分辨率为(s
l
,sw,sh)，预先设计的血栓分类模型处理的图像块的最佳体素大小为(x,x,x)，pad为默认的外接框填补率。处理设备120可以确定最小外接框的最长边，其对应的物理尺寸为n，物理分辨率为sn。进一步地，处理设备120可以基于最长边的长度n和物理分辨率sn，确定该连通域在长、宽和高中至少两个方向上的第一重采样比例。例如，处理设备120可以根据公式(3)，确定该连通域在长、宽和高方向上的第一重采样比例：其中，r
l
、rw和rh分别为连通域在长、宽和高方向上的第一重采样比例。
77.通常的重采样方法是根据公式(4)-(6)，在长、宽和高每个方向分别计算重采样比例：例：例：
78.然而由于血栓沿肺动脉血流方向，阻塞肺动脉，血栓的在不同方向上的尺寸通常差别较大，一般呈长条状分布，现有的重采样方式会导致采样后图像块各个方向的形变比例不同，产生畸变，因此会降低血栓分类模型输出的精确度。本说明书实施例的重采样方法能够保证采样后图像块在各个方向的形变比例相同，不会产生畸变，从而可以提高血栓分类模型输出的精确度。
79.对血栓血管，处理设备120可以采用类似于对血栓连通域进行重采样的方式，对血栓血管进行重采样。例如，处理设备120可以基于血栓血管的最小外接框的最长边的长度和物理分辨率，确定血栓血管在至少两个方向上的第二重采样比例，并基于第二重采样比例，对血栓血管进行重采样，以获得重采样后的血栓血管。
80.进一步地，处理设备120可以基于重采样后的连通域和重采样后的血栓血管，使用血栓分类模型确定每个子血栓的类型。
81.在一些实施例中，处理设备120可以以类似于获取第一分割模型的方式，获取血栓分类模型。在一些实施例中，可以基于多个第二训练样本，通过训练初始血栓分类模型，生成训练好的血栓分类模型。每个第二训练样本可以包括位于样本对象的肺部的样本血栓的样本连通域、包含样本血栓的样本血栓血管和每个样本连通域的参考类型。其中，每个样本连通域的参考类型可以用作为初始血栓分类模型训练的标签或金标准。在一些实施例中，
初始血栓分类模型训练的标签可以通过用户手动确认。在一些实施例中，可以对每个训练样本中的样本连通域和样本血栓血管，进行上述重采样操作，以获得重采样后的样本连通域和样本血栓血管，并使用重采样后的样本连通域和样本血栓血管进行模型训练。
82.在一些实施例中，如步骤320所述，完全阻塞血栓可以包括非完全阻塞部分和完全阻塞部分。在一些实施例中，血栓的阻塞程度信息可以指示完全阻塞血栓的非完全阻塞部分和完全阻塞部分。相应地，响应于血栓包括完全阻塞子血栓，处理设备120可以进一步确定完全阻塞子血栓的非完全阻塞部分和完全阻塞部分。
83.例如，处理设备120可以基于完全阻塞子血栓的连通域和包含该完全阻塞子血栓的血栓血管，使用第二分割模型确定完全阻塞子血栓的非完全阻塞部分和完全阻塞部分。第二分割模型可以指用于分割血栓的训练好的模型。仅仅作为示例，处理设备120可以将完全阻塞子血栓的连通域和包含该完全阻塞子血栓的血栓血管输入到第二分割模型中，第二分割模型可以输出完全阻塞子血栓的非完全阻塞部分和完全阻塞部分。例如，处理设备120可以将图3b中的完全阻塞子血栓q1的连通域和包含该完全阻塞子血栓的血栓血管x1输入到第二分割模型中，第二分割模型可以输出完全阻塞子血栓q1的非完全阻塞部分a和完全阻塞部分b。
84.在一些实施例中，第二分割模型的类型可以类似于第一分割模型。在一些实施例中，处理设备120可以以类似于获取第一分割模型的方式，获取第二分割模型。在一些实施例中，可以基于多个第三训练样本，通过训练初始第二分割模型，生成训练好的第二分割模型。每个第三训练样本可以包括位于样本对象的肺部的样本完全阻塞血栓的样本连通域、包含样本完全阻塞血栓的样本血栓血管，以及样本完全阻塞血栓的参考完全阻塞部分和参考未完全阻塞部分。其中，参考完全阻塞部分和参考未完全阻塞部分可以用作为初始第二分割模型训练的标签或金标准。在一些实施例中，初始第二分割模型训练的标签可以通过用户手动勾画获得。
85.图5是根据本说明书一些实施例所示的示例性血管划分的流程示意图。在一些实施例中，流程500的一个或多个步骤可以在图1所示的应用场景100中实现或由图2所示的肺动脉栓塞指数确定系统200执行。例如，流程500可以由处理设备120或划分模块230执行。如图5所示，流程500可以包括以下步骤。
86.步骤510，基于医学图像，获取肺部血管的分割图像。
87.在一些实施例中，肺部血管的分割图像可以指示医学图像中对象的肺部血管。在一些实施例中，肺部血管的分割图像可以由用户(例如，影像医师)手动从医学图像中分割肺部血管得到。或者，肺部血管的分割图像可以由处理设备120从医学图像中自动分割肺部血管得到。例如，处理设备120可以采用图像分割算法从医学图像中分割肺部血管得到肺部血管的分割图像。在一些实施例中，处理设备120可以基于步骤320中的第四分割图像，得到肺部血管的分割图像。例如，处理设备120可以将第四分割图像中除背景区域以外的区域的设置为相同的标签，得到肺部血管的分割图像。
88.步骤520，确定肺部血管的分割图像中的多个分割图像块。
89.在一些实施例中，处理设备120可以对肺部血管的分割图像提取血管中心线骨架。进一步地，处理设备120可以在血管中心线上任意选择起点(例如，血管中心线的端点或中间点)，并从起点开始以预设尺寸沿血管中心线确定肺部血管的分割图像中的分割图像块。
在一些实施例中，至少部分分割图像块的中心点可以在血管中心线上，以保证在分割图像块中血管的面积占比较高。在一些实施例中，至少部分相邻分割图像块可以部分重叠，以确保分割图像块涵盖所有肺部血管。
90.步骤530，对多个分割图像块中的每一个分割图像块，确定该分割图像块的位置特征和分割图像块在医学图像中对应的原始图像块。
91.在一些实施例中，处理设备120可以根据医学图像和肺部血管的分割图像中包含的元素之间的对应关系，确定每个分割图像块在医学图像中对应的原始图像块。
92.分割图像块的位置特征可以表示分割图像块在整个肺部血管中的位置。例如，分割图像块的位置特征可以表示分割图像块的中心点与肺部血管的边缘的相对位置。在一些实施例中，处理设备120可以基于分割图像块的中心点的世界坐标，确定分割图像块的位置特征。本说明书中的一个点的世界坐标指该点在医学图像坐标系中的坐标。例如，处理设备120可以根据公式(7)，确定分割图像块的在世界坐标系的三个轴向上的位置特征t：其中，i表示世界坐标系的坐标轴，i∈{x,y,z}，表示分割图像块的中心点的世界坐标，和分别对应包含肺部血管的最小外接框的两个对角体素的坐标点，其可以用于确定包含肺部血管的最小外接框，例如，表示包含肺部血管的最小外接框的最小体素坐标点(0,0,0)对应的世界坐标，表示包含肺部血管的最小外接框的最大体素坐标点(h,w,d)对应的世界坐标。
93.步骤540，对多个分割图像块中的每一个分割图像块，基于该分割图像块、该分割图像块的位置特征和该分割图像块在医学图像中对应的原始图像块，使用血管分级模型确定该分割图像块的层级。
94.在一些实施例中，血管分级模型可以指用于确定分割图像块对应的血管所在的层级(简称为分割图像块的层级)的模型。仅仅作为示例，处理设备120可以输入每个分割图像块、每个分割图像块的位置特征和每个分割图像块在医学图像中对应的原始图像块到血管分级模型中，血管分级模型可以输出每个分割图像块的层级。
95.在一些实施例中，血管分级模型可以包括卷积神经网络(convolutional neural networks,cnn)、transformer模型和解码器。cnn可以配置用于提取图像块的表观特征。处理设备120可以将每个分割图像块和其对应的原始图像块输入到cnn，cnn可以提取该分割图像块和其对应的原始图像块的表观特征(例如，图6中的表观特征ei和ej)。表观特征的数量与cnn的设计有关。在一些实施例中，表观特征可以是一维的向量。使用cnn提取图像块表观特征，可以减少表观特征信息的维度，在提到满足要求的表观特征的同时，可以减少网络参数量，提高模型的计算效率。
96.transformer模型可以配置用于融合图像块的表观特征和位置特征，得到融合后的图像块特征。具体地，每个分割图像块和对应的原始图像块的表观特征、以及分割图像块的位置特征可以被输入transformer模型，transformer模型可以输出融合后的图像块特征。
97.例如，transformer模型可以由多个相同的层堆叠而成，每层包括编码器模块和解码器模块。编码器模块用于提取图像块的特征以生成关键向量和值向量。解码器模块用于
生成查询向量。编码器模块和解码器模块都包括自注意力层和前馈神经网络。前馈神经网络可以是在自注意力层之外完成特征映射的线性变换层和非线性激活函数层。解码器模块在自注意力层和前馈神经网络之间可以包括额外的编码器-解码器注意层，用于引入解码器模块对应层的关键向量和值向量，其注意力机制关注不同图像块间的相互关系。在自注意力层中，表观特征向量可以被转化为具有相同的维度的查询向量、关键向量和值向量。自注意力层使用注意力函数，将表观特征向量映射成表征查询向量、关键向量和值向量的矩阵。注意力函数可以通过公式(8)进行计算：其中，attention表示注意力函数，q表示表征查询向量的矩阵，k表示表征关键向量的矩阵，t表示矩阵转置，v表示表征值向量的矩阵，d表示查询向量、关键向量或值向量的维度。
98.由于自注意力层缺乏捕捉输入图像块位置信息的能力。为了解决这个问题，本技术，使用多层感知器将位置特征嵌入到表观特征向量中，再进一步将嵌入位置特征后的表观特征向量输入到transformer模型中，transformer模型可以输出融合后的图像块特征。
99.仅仅作为示例，图6是根据本说明书一些实施例所示的示例性确定融合后的图像块特征的示意图。如图6所示，每个分割图像块在三个轴向x、y、z上的位置特征可以通过多层感知器融合得到该分割图像块的位置特征。例如，分割图像块i在三个轴向x、y、z上的位置特征可以通过多层感知器融合得到该分割图像块的位置特征ti，图像块j在三个轴向x、y、z上的位置特征可以通过多层感知器融合得到该分割图像块的位置特征tj。然后每个分割图像块的位置特征可以和对应的表观特征向量进行加和并通过特征标准化得到嵌入位置特征后的表观特征向量。例如，分割图像块i的位置特征ti可以和对应的表观特征向量ei进行加和并通过特征标准化得到嵌入位置特征后的表观特征向量具体表达式可以为其中表示矩阵加法，mlp表示多层感知器,norm是特征标准化。
100.进一步地，嵌入位置特征后的表观特征向量可以被输入到transformer模型中，transformer模型可以将每个表观特征向量转化为查询向量q、关键向量k和值向量v，然后结合不同图像块的关键向量k得到每个表观特征向量的注意力，并对注意力进行特征标准化后通过多层感知器，以输出融合后的图像块特征例如，如图6所示，transformer模型可以基于表观特征向量的查询向量qi、关键向量ki、值向量vi以及其他表观特征向量的关键向量(例如表观特征向的kj)，确定的注意力类似地，transformer模型可以得到其他表观特征向量的注意力(例如)。进一步地，可以对注意力进行特征标准化后通过多层感知器，多层感知器可以输出融合后的图像块特征
101.解码器可以被配置用于将transformer模型输出的融合后的图像块特征转化为分
割图像块的分层结果。具体地，transformer模型输出的融合后的图像块特征可以被输入到解码器，解码器可以输出每个分割图像块的分层结果。分割图像块的分层结果可以指示该分割图像块对应的层级。
102.根据本说明书一些实施例，transformer模型可以通过自注意力机制综合考虑不同分割图像块之间的关系，保证肺动脉的连续性，并且通过嵌入位置特征到图像块的表观特征中，可以提高确定的分割图像块的层级的准确度。
103.步骤550，基于多个分割图像块的层级，将肺部血管划分为至少两个层级血管。
104.如步骤330所述，按照血管层级由高到低，至少两个层级血管可以包括主肺动脉干层级血管、左右肺动脉层级血管、肺叶层级血管、肺段层级血管、肺亚段层级血管等。处理设备120可以根据每个分割图像块的层级，将肺部血管划分为至少两个层级。
105.图7是根据本说明书一些实施例所示的示例性确定肺动脉栓塞指数的示意图。如图7所示，处理设备120可以从医学图像710中分割得到血管血栓分割结果720。其中，血管血栓分割结果720中的灰色部分表示血栓，黑色部分表示除血栓以外的肺部血管(即，未阻塞部分)。处理设备120可以基于血管血栓分割结果720，确定与血栓有关的信息。例如，处理设备120可以基于血管血栓分割结果720，确定血栓的阻塞程度信息730。具体地，图8是根据本说明书一些实施例所示的示例性确定血栓的阻塞程度信息的示意图。如图8所示，医学图像710可以被输入到第一分割模型的第一部分中，第一分割模型的第一部分可以输出肺部血管的第一分割图像810。第一分割图像810可以被输入到第一分割模型的第二部分中，得到显示肺部血管中的血栓的第二分割图像820和显示未阻塞部分的第三分割图像830。第二分割图像820包括两个连通域8201和8202(即，两个子血栓8201和8202)。处理设备120可以基于第二分割图像820和包含血栓的血栓血管，使用血栓分类模型840，确定两个子血栓8201和8202中的完全阻塞血栓860和非完全阻塞血栓850。进一步地，处理设备120可以使用第二分割模型870确定完全阻塞血栓860的完全阻塞部分和非完全阻塞部分。如图8所示，880中黑色区域表示完全阻塞血栓860的完全阻塞部分，灰色区域表示完全阻塞血栓860的非完全阻塞部分。
106.继续参考图7，处理设备120可以基于医学图像710，将肺部血管划分为至少两个层级血管740。进一步地，处理设备120可以基于与血栓有关的信息730和至少两个层级血管740，确定对象的肺动脉栓塞指paoi。
107.本说明书一些实施例中，可以基于与血栓有关的信息和至少两个层级血管，确定对象的肺动脉栓塞指数。本说明书实施例可能带来的有益效果包括但不限于：(1)本技术可以实现全自动的肺动脉栓塞指数的计算，可以大大减少或则消除人工干预，从而显著提高计算肺动脉栓塞指数的准确性和效率；(2)本技术中肺动脉栓塞指数的计算方法相对简单，具有较高的临床实用性；(3)在一些实施例中，通过优化每个区域分血栓负荷评分的计算策略，从而提高了肺动脉栓塞指数的精确度；(4)在一些实施例中，可以将完全阻塞子血栓进一步划分为完全阻塞部分和非完全阻塞部分，在计算血栓负荷评分时，如果血栓血管中最高层级血管包含的血栓是完全阻塞子血栓时，可以进一步根据该子血栓完全阻塞部分还是非完全阻塞部分来确定d的值，通过这种方式，可以获得高精确度的d，从而进一步提高血栓负荷评分以及肺动脉栓塞指数的精确度；(5)在使用模型确定血管血栓分割结果时，通过使用级联的策略，不仅能够提高血管血栓分割结果的精确度，同时也能够保证在血管血栓分
割结果中的肺部血管区域和血栓区域的整体连续性；(6)本说明书实施例的重采样方法能够保证采样后图像块在各个方向的形变比例相同，不会产生畸变，从而可以提高血栓分类模型输出的精确度。(7)transformer模型可以通过自注意力机制综合考虑不同分割图像块之间的关系，保证肺动脉的连续性，并且通过嵌入位置特征到图像块的表观特征中，可以提高确定的分割图像块的层级的准确度。
108.上文已对基本概念做了描述，显然，对于本领域技术人员来说，上述详细披露仅仅作为示例，而并不构成对本说明书的限定。虽然此处并没有明确说明，本领域技术人员可能会对本说明书进行各种修改、改进和修正。该类修改、改进和修正在本说明书中被建议，所以该类修改、改进、修正仍属于本说明书示范实施例的精神和范围。
109.同时，本说明书使用了特定词语来描述本说明书的实施例。如“一个实施例”、“一实施例”、和/或“一些实施例”意指与本说明书至少一个实施例相关的某一特征、结构或特点。因此，应强调并注意的是，本说明书中在不同位置两次或多次提及的“一实施例”或“一个实施例”或“一个替代性实施例”并不一定是指同一实施例。此外，本说明书的一个或多个实施例中的某些特征、结构或特点可以进行适当的组合。
110.此外，除非权利要求中明确说明，本说明书所述处理元素和序列的顺序、数字字母的使用、或其他名称的使用，并非用于限定本说明书流程和方法的顺序。尽管上述披露中通过各种示例讨论了一些目前认为有用的发明实施例，但应当理解的是，该类细节仅起到说明的目的，附加的权利要求并不仅限于披露的实施例，相反，权利要求旨在覆盖所有符合本说明书实施例实质和范围的修正和等价组合。例如，虽然以上所描述的系统组件可以通过硬件设备实现，但是也可以只通过软件的解决方案得以实现，如在现有的服务器或移动设备上安装所描述的系统。
111.同理，应当注意的是，为了简化本说明书披露的表述，从而帮助对一个或多个发明实施例的理解，前文对本说明书实施例的描述中，有时会将多种特征归并至一个实施例、附图或对其的描述中。但是，这种披露方法并不意味着本说明书对象所需要的特征比权利要求中提及的特征多。实际上，实施例的特征要少于上述披露的单个实施例的全部特征。
112.一些实施例中使用了描述成分、属性数量的数字，应当理解的是，此类用于实施例描述的数字，在一些示例中使用了修饰词“大约”、“近似”或“大体上”来修饰。除非另外说明，“大约”、“近似”或“大体上”表明所述数字允许有
±
20％的变化。相应地，在一些实施例中，说明书和权利要求中使用的数值参数均为近似值，该近似值根据个别实施例所需特点可以发生改变。在一些实施例中，数值参数应考虑规定的有效数位并采用一般位数保留的方法。尽管本说明书一些实施例中用于确认其范围广度的数值域和参数为近似值，在具体实施例中，此类数值的设定在可行范围内尽可能精确。
113.针对本说明书引用的每个专利、专利申请、专利申请公开物和其他材料，如文章、书籍、说明书、出版物、文档等，特此将其全部内容并入本说明书作为参考。与本说明书内容不一致或产生冲突的申请历史文件除外，对本说明书权利要求最广范围有限制的文件(当前或之后附加于本说明书中的)也除外。需要说明的是，如果本说明书附属材料中的描述、定义、和/或术语的使用与本说明书所述内容有不一致或冲突的地方，以本说明书的描述、定义和/或术语的使用为准。
114.最后，应当理解的是，本说明书中所述实施例仅用以说明本说明书实施例的原则。
其他的变形也可能属于本说明书的范围。因此，作为示例而非限制，本说明书实施例的替代配置可视为与本说明书的教导一致。相应地，本说明书的实施例不仅限于本说明书明确介绍和描述的实施例。

技术特征：
1.一种确定肺动脉栓塞指数的方法，由至少一个处理器执行，其特征在于，所述方法包括：获取对象的医学图像，所述医学图像包括所述对象的肺部血管，所述对象的肺部血管包括血栓；基于所述医学图像，确定与所述血栓有关的信息；基于所述医学图像，将所述肺部血管划分为至少两个层级血管；基于与所述血栓有关的信息和所述至少两个层级血管，确定所述对象的肺动脉栓塞指数。2.如权利要求1所述的方法，其特征在于，所述基于所述医学图像，确定与所述血栓有关的信息包括：通过使用第一分割模型分割所述医学图像，获取所述对象的血管血栓分割结果；以及基于所述血管血栓分割结果，确定与所述血栓有关的信息。3.如权利要求2所述的方法，其特征在于，所述第一分割模型包括级联的第一部分和第二部分，所述第一部分配置用于基于所述医学图像获取所述肺部血管的分割图像，所述第二部分配置用于基于所述肺部血管的分割图像获取所述血管血栓分割结果。4.如权利要求2所述的方法，其特征在于，所述与血栓有关的信息包括所述血栓的阻塞程度信息，以及所述基于所述对象的血管血栓分割结果，确定与所述血栓有关的信息包括：基于所述血管血栓分割结果，确定所述血栓的连通域和所述肺部血管中包含所述血栓的血栓血管；以及基于所述血栓的连通域和所述血栓血管，使用血栓分类模型确定所述血栓的所述阻塞程度信息。5.如权利要求4所述的方法，其特征在于，所述基于所述血栓的连通域和所述血栓血管，使用血栓分类模型确定所述血栓的所述阻塞程度信息包括：对每个所述连通域，基于所述连通域的最小外接框的最长边的长度和物理分辨率，确定所述连通域在至少两个方向上的第一重采样比例；基于所述第一重采样比例，对所述连通域进行重采样，以获得重采样后的连通域；对所述血栓血管，基于所述血栓血管的最小外接框的最长边的长度和物理分辨率，确定所述血栓血管在至少两个方向上的第二重采样比例；基于所述第二重采样比例，对所述血栓血管进行重采样，以获得重采样后的血栓血管；以及基于所述重采样后的连通域和所述重采样后的血栓血管，使用所述血栓分类模型确定所述血栓的所述阻塞程度信息。6.如权利要求4所述的方法，其特征在于，所述血栓的所述阻塞程度信息指示所述血栓中的每个子血栓的类型为非完全阻塞子血栓或完全阻塞子血栓，所述方法进一步包括：响应于所述血栓包括完全阻塞子血栓，基于所述完全阻塞子血栓的连通域和所述血栓血管，使用第二分割模型确定所述完全阻塞子血栓的非完全阻塞部分和完全阻塞部分。7.如权利要求1所述的方法，其特征在于，所述基于所述医学图像，将所述肺部血管划
分为至少两个层级血管包括：基于所述医学图像，获取所述肺部血管的分割图像；确定所述肺部血管的分割图像中的多个分割图像块；对所述多个分割图像块中的每一个分割图像块，确定所述分割图像块的位置特征和所述分割图像块在所述医学图像中对应的原始图像块；基于所述分割图像块、所述分割图像块的位置特征和所述原始图像块，使用血管分级模型确定所述分割图像块的层级；以及基于所述多个分割图像块的层级，将所述肺部血管划分为所述至少两个层级血管。8.如权利要求1所述的方法，其特征在于，所述基于与所述血栓有关的信息和所述至少两个层级血管，确定所述对象的肺动脉栓塞指数包括：基于所述与血栓有关的信息，确定所述肺部血管中包含所述血栓的血栓血管；将所述血栓血管划分为至少两个区域；对所述至少两个区域中的每一个区域，基于位于所述区域的血栓的信息、以及所述区域包括的血管的层级，确定所述区域的血栓负荷评分；以及基于所述至少两个区域的所述血栓负荷评分，确定所述对象的肺动脉栓塞指数。9.一种确定肺动脉栓塞指数的系统，包括：获取模块，用于获取对象的医学图像，所述医学图像包括所述对象的肺部血管，所述对象的肺部血管包括血栓；血栓信息确定模块，用于基于所述医学图像，确定与所述血栓有关的信息；划分模块，用于基于所述医学图像，将所述肺部血管划分为至少两个层级血管；以及栓塞指数确定模块，用于基于与所述血栓有关的信息和所述至少两个层级血管，确定所述对象的肺动脉栓塞指数。10.一种确定肺动脉栓塞指数的系统，包括：至少一个存储设备，用于存储计算机指令；至少一个处理器，用于执行所述计算机指令，以实现权利要求1-8中的任一项所述的方法。

技术总结
本说明书实施例提供一种确定肺动脉栓塞指数的方法。该方法包括：获取对象的医学图像，所述医学图像包括所述对象的肺部血管，所述对象的肺部血管包括血栓；基于所述医学图像，确定与所述血栓有关的信息；基于所述医学图像，将所述肺部血管划分为至少两个层级血管；基于与所述血栓有关的信息和所述至少两个层级血管，确定所述对象的肺动脉栓塞指数。确定所述对象的肺动脉栓塞指数。确定所述对象的肺动脉栓塞指数。


技术研发人员：陈彦博 顾冬冬 高耀宗 周翔 詹翊强
受保护的技术使用者：上海联影智能医疗科技有限公司
技术研发日：2023.05.23
技术公布日：2023/8/21