一种冠状动脉病变SYNTAX评分的计算方法及装置

摘要

本申请提供了一种冠状动脉病变SYNTAX评分的计算方法及装置，获取目标患者的目标冠状动脉的血管特征数据；将血管特征数据中的目标冠状动脉中心线、目标冠状动脉中心线上的所有目标点以及每个目标点的节点类型输入至血管节段划分模型中进行目标冠状动脉血管的自动划分，确定目标冠状动脉中的多个目标血管节段；根据目标冠状动脉中的病变区域以及病变区域的血流储备分数，从多个目标血管节段中筛选出至少一个狭窄血管节段；按照SYNTAX评分的节段计分规则，确定每个狭窄血管节段的病变评分并进行累积，确定目标患者的SYNTAX评分。通过本申请提供的方法，实现了冠状动脉的全自动分段和全自动评分，从而提高了病变评分的计算效率。

说明书

技术领域

本申请涉及医学技术领域，尤其是涉及一种冠状动脉病变SYNTAX评分的计算方法及装置。

背景技术

SYNTAX(The Synergy between Percutaneous Coronary InterventionwithTAXUS and Cardiac Surgery，经皮冠状动脉介入治疗与心脏手术的协同作用)评分系统是一种根据冠脉解剖特点来评估冠脉病变复杂程度的评分系统，是根据冠脉造影结果，采用冠脉树16段法，结合冠状动脉分布优势类型、病变部位、狭窄程度、病变数目及病变的具体特征对冠状动脉病变进行综合分析而最终得到一个评分，为临床治疗提供了一种有据可依、精确量化的客观评价指标，有较强的临床实用性。

现有SYNTAX评分，通常要求医师将二维冠脉造影图像中每支冠脉血管与标准冠脉解剖模式图上的冠脉节段进行对应，并且需要对每处冠脉病变的位置、结构、程度、是否有不良病征做出准确判断。但是冠脉造影为有创检查，是需要对身体的冠状动脉进行穿刺过后，向冠状动脉口注入特殊的造影剂，然后再进行检测，由于造影剂的注入，人为判断冠脉狭窄时常受图像中造影剂短暂堵塞影响，会出现狭窄病变判断错误的情况。并且，通过人工标记的方式冠脉节段以及节段中的病变特征进行识别，通常会存在识别错误、效率低下等问题。

发明内容

有鉴于此，本申请的目的在于提供一种冠状动脉病变SYNTAX评分的计算方法及装置，实现了冠状动脉的全自动分段和全自动评分，从而提高了SYNTAX评分的计算效率以及减轻医生压力。

本申请实施例提供了一种冠状动脉病变SYNTAX评分的计算方法，所述计算方法包括：

获取根据目标患者的冠状动脉三维医学影像所确定的目标冠状动脉的血管特征数据；所述血管特征数据中至少包括目标冠状动脉中心线、所述目标冠状动脉中心线上的所有目标点、所述目标冠状动脉中的病变区域以及所述病变区域的血流储备分数；

根据预设的节点类型划分规则，确定所述目标冠状动脉中心线上的每个目标点的节点类型；其中，目标点为在提取所述目标冠状动脉中心线时所确定的点；所述节点类型划分规则为根据目标点的邻点数量确定节点类型的规则；

将所述目标冠状动脉中心线、所述目标冠状动脉中心线上的所有目标点以及每个目标点的节点类型输入至血管节段划分模型中进行目标冠状动脉血管的自动划分，确定所述目标冠状动脉中的多个目标血管节段；

根据所述目标冠状动脉中的病变区域以及所述病变区域的血流储备分数，从所述多个目标血管节段中筛选出至少一个狭窄血管节段；

针对于每个狭窄血管节段，基于所述目标冠状动脉的冠脉分布优势类型、该狭窄血管节段的病变数据，按照SYNTAX评分的节段计分规则，确定每个狭窄血管节段的病变评分；其中，所述病变数据中至少包括病变区域、病变数量、病变的具体特征；

将每个狭窄血管节段的病变评分进行累积，确定目标患者的SYNTAX评分。

可选的，所述根据预设的节点类型划分规则，确定所述目标冠状动脉中心线上的每个目标点的节点类型，包括：

针对于目标冠状动脉中心线上的每个目标点，确定该目标点的邻点数量；

当该目标点仅有一个邻点时，将该目标点的节点类型确定为端点；

当该目标点仅有两个邻点时，将该目标点的节点类型确定为连接点；

当该目标点仅有三个邻点时，将该目标点的节点类型确定为二分叉点；

当该目标点仅有四个邻点时，将该目标点的节点类型确定为三分叉点。

可选的，通过以下步骤训练得到所述血管节段划分模型：

获取多个待训练冠状动脉的原始三维医学影像；所述原始三维医学影像为冠状动脉CT造影；

针对于每个待训练冠状动脉，对该待训练冠状动脉的原始三维医学影像进行处理，确定该待训练冠状动脉的中心线、中心线上所有目标点以及每个目标点的节点类型；

针对于每个待训练冠状动脉的中心线，按照冠脉16分段法对该待训练冠状动脉的中心线进行节段划分，确定该训练冠状动脉的多个待训练血管节段和每个待训练血管节段的节段编号；

将进行节段划分后的每个待训练冠状动脉的中心线、中心线上所有目标点以及每个目标点的节点类型作为输入特征，将每个待训练冠状动脉的每个待训练血管节段的节段编号作为输出特征，对血管节段划分神经网络进行迭代训练，得到血管节段划分模型。

可选的，所述根据所述目标冠状动脉中的病变区域以及所述病变区域的血流储备分数，从所述多个目标血管节段中筛选出至少一个狭窄血管节段，包括：

将满足预设条件的目标血管节段确定为狭窄节段；其中所述预设条件包括：存在病变区域、该病变区域血流储备分数不大于预设血流储备分数以及该目标血管节段的标准血管直径大于预设直径。

可选的，通过以下步骤确定所述目标冠状动脉的冠脉分布优势类型：

在确定所述目标冠状动脉中的多个目标血管节段的同时确定每个目标血管节段的节段编号；

基于所述目标冠状动脉中的每个目标血管节段的节段编号和节段编号与优势类型的映射关系，确定所述目标冠状动脉的冠脉分布优势类型；其中，所述目标冠状动脉的冠脉分布优势类型用于确定每个目标血管节段的评分权重系数。

可选的，在确定每个狭窄血管节段的病变评分之前，所述计算方法还包括：

针对于每个狭窄血管节段，确定该狭窄血管节段中包括的病变区域的数量；

当该狭窄血管节段包括的病变区域的数量不少于预设个数时，确定该狭窄血管节段中相邻病变区域的间距；

当相邻病变区域的间距小于该狭窄血管节段的预设间距时，将相邻病变区域合并成一个新病变区域，同时更新该狭窄血管节段的病变数据。

可选的，所述血管节段划分神经网络为Point-Transformer深度神经网络。

申请实施例还提供了一种冠状动脉病变SYNTAX评分的计算装置，所述计算装置包括：

获取模块，用于获取根据目标患者的冠状动脉三维医学影像所确定的目标冠状动脉的血管特征数据；所述血管特征数据中至少包括目标冠状动脉中心线、所述目标冠状动脉中心线上的所有目标点、所述目标冠状动脉中的病变区域以及所述病变区域的血流储备分数；

第一确定模块，用于根据预设的节点类型划分规则，确定所述目标冠状动脉中心线上的每个目标点的节点类型；其中，目标点为在提取所述目标冠状动脉中心线时所确定的点；所述节点类型划分规则为根据目标点的邻点数量确定节点类型的规则；

划分模块，用于将所述目标冠状动脉中心线、所述目标冠状动脉中心线上的所有目标点以及每个目标点的节点类型输入至血管节段划分模型中进行目标冠状动脉血管的自动划分，确定所述目标冠状动脉中的多个目标血管节段；

筛选模块，用于根据所述目标冠状动脉中的病变区域以及所述病变区域的血流储备分数，从所述多个目标血管节段中筛选出至少一个狭窄血管节段；

第二确定模块，用于针对于每个狭窄血管节段，基于所述目标冠状动脉的冠脉分布优势类型、该狭窄血管节段的病变数据，按照SYNTAX评分的节段计分规则，确定每个狭窄血管节段的病变评分；其中，所述病变数据中至少包括病变区域、病变数量、病变的具体特征；

累积模块，用于将每个狭窄血管节段的病变评分进行累积，确定目标患者的SYNTAX评分。

可选的，所述划分模块在用于根据预设的节点类型划分规则，确定所述目标冠状动脉中心线上的每个目标点的节点类型时，所述划分模块用于：

针对于目标冠状动脉中心线上的每个目标点，确定该目标点的邻点数量；

当该目标点仅有一个邻点时，将该目标点的节点类型确定为端点；

当该目标点仅有两个邻点时，将该目标点的节点类型确定为连接点；

当该目标点仅有三个邻点时，将该目标点的节点类型确定为二分叉点；

当该目标点仅有四个邻点时，将该目标点的节点类型确定为三分叉点。

可选的，所述计算装置还包括模型训练模块，所述模型训练模块用于：

获取多个待训练冠状动脉的原始三维医学影像；所述原始三维医学影像为冠状动脉CT造影；

针对于每个待训练冠状动脉，对该待训练冠状动脉的原始三维医学影像进行处理，确定该待训练冠状动脉的中心线、中心线上所有目标点以及每个目标点的节点类型；

针对于每个待训练冠状动脉的中心线，按照冠脉16分段法对该待训练冠状动脉的中心线进行节段划分，确定该训练冠状动脉的多个待训练血管节段和每个待训练血管节段的节段编号；

将进行节段划分后的每个待训练冠状动脉的中心线、中心线上所有目标点以及每个目标点的节点类型作为输入特征，将每个待训练冠状动脉的每个待训练血管节段的节段编号作为输出特征，对血管节段划分神经网络进行迭代训练，得到血管节段划分模型。

可选的，所述筛选模块在用于根据所述目标冠状动脉中的病变区域以及所述病变区域的血流储备分数，从所述多个目标血管节段中筛选出至少一个狭窄血管节段时，所述筛选模块用于：

将满足预设条件的目标血管节段确定为狭窄节段；其中所述预设条件包括：存在病变区域、该病变区域血流储备分数不大于预设血流储备分数以及该目标血管节段的标准血管直径大于预设直径。

可选的，所述计算装置还包括第三确定模块，所述第三确定模块用于通过以下步骤确定所述目标冠状动脉的冠脉分布优势类型：

在确定所述目标冠状动脉中的多个目标血管节段的同时确定每个目标血管节段的节段编号；

基于所述目标冠状动脉中的每个目标血管节段的节段编号和节段编号与优势类型的映射关系，确定所述目标冠状动脉的冠脉分布优势类型；其中，所述目标冠状动脉的冠脉分布优势类型用于确定每个目标血管节段的评分权重系数。

可选的，所述计算装置还包括合并模块，所述合并模块用于：

针对于每个狭窄血管节段，确定该狭窄血管节段中包括的病变区域的数量；

当该狭窄血管节段包括的病变区域的数量不少于预设个数时，确定该狭窄血管节段中相邻病变区域的间距；

当相邻病变区域的间距小于该狭窄血管节段的预设间距时，将相邻病变区域合并成一个新病变区域，同时更新该狭窄血管节段的病变数据。

可选的，所述血管节段划分神经网络为Point-Transformer深度神经网络。

本申请实施例还提供一种电子设备，包括：处理器、存储器和总线，所述存储器存储有所述处理器可执行的机器可读指令，当电子设备运行时，所述处理器与所述存储器之间通过总线通信，所述机器可读指令被所述处理器执行时执行如上述的计算方法的步骤。

本申请实施例还提供一种计算机可读存储介质，该计算机可读存储介质上存储有计算机程序，该计算机程序被处理器运行时执行如上述的计算方法的步骤。

本申请实施例提供的一种冠状动脉病变SYNTAX评分的计算方法及装置，所述计算方法包括：获取根据目标患者的冠状动脉三维医学影像所确定的目标冠状动脉的血管特征数据；所述血管特征数据中至少包括目标冠状动脉中心线、所述目标冠状动脉中心线上的所有目标点、所述目标冠状动脉中的病变区域以及所述病变区域的血流储备分数；根据预设的节点类型划分规则，确定所述目标冠状动脉中心线上的每个目标点的节点类型；其中，目标点为在提取所述目标冠状动脉中心线时所确定的点；所述节点类型划分规则为根据目标点的邻点数量确定节点类型的规则；将所述目标冠状动脉中心线、所述目标冠状动脉中心线上的所有目标点以及每个目标点的节点类型输入至血管节段划分模型中进行目标冠状动脉血管的自动划分，确定所述目标冠状动脉中的多个目标血管节段；根据所述目标冠状动脉中的病变区域以及所述病变区域的血流储备分数，从所述多个目标血管节段中筛选出至少一个狭窄血管节段；针对于每个狭窄血管节段，基于所述目标冠状动脉的冠脉分布优势类型、该狭窄血管节段的病变数据，按照SYNTAX评分的节段计分规则，确定每个狭窄血管节段的病变评分；其中，所述病变数据中至少包括病变区域、病变数量、病变的具体特征；将每个狭窄血管节段的病变评分进行累积，确定目标患者的SYNTAX评分。

这样，本申请通过无创的冠状动脉的三维医学影像获取目标患者冠状动脉的血管特征数据，可以减少对患者的伤害；通过血管节段划分模型实现对冠状动脉的自动分段，可以提高分段效率以及减轻医生压力；通过病变区域以及血流储备分数筛选狭窄血管节段，并根据每个狭窄血管节段的病变评分，确定目标患者的SYNTAX评分，可以提高评分的准确度和效率。

为使本申请的上述目的、特征和优点能更明显易懂，下文特举较佳实施例，并配合所附附图，作详细说明如下。

附图说明

为了更清楚地说明本申请实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本申请的某些实施例，因此不应被看作是对范围的限定，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他相关的附图。

图1为本申请实施例所提供的一种冠状动脉病变SYNTAX评分的计算方法的流程图；

图2为本申请提供的获取的目标冠状动脉的特征图像的示意图；

图3为本申请提供的血管直径曲线的示意图；

图4为右优势型冠状动脉的结构示意图；

图5为左优势型冠状动脉的结构示意图；

图6为本申请提供的病变区域合并的示意图；

图7为本申请实施例所提供的一种冠状动脉病变SYNTAX评分的计算装置的结构示意图之一；

图8为本申请实施例所提供的一种冠状动脉病变SYNTAX评分的计算装置的结构示意图之二；

图9为本申请实施例所提供的一种电子设备的结构示意图。

具体实施方式

为使本申请实施例的目的、技术方案和优点更加清楚，下面将结合本申请实施例中附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本申请一部分实施例，而不是全部的实施例。通常在此处附图中描述和示出的本申请实施例的组件可以以各种不同的配置来布置和设计。因此，以下对在附图中提供的本申请的实施例的详细描述并非旨在限制要求保护的本申请的范围，而是仅仅表示本申请的选定实施例。基于本申请的实施例，本领域技术人员在没有做出创造性劳动的前提下所获得的每个其他实施例，都属于本申请保护的范围。

现有SYNTAX评分，通常要求医师将二维冠脉造影图像中每支冠脉血管与标准冠脉解剖模式图上的冠脉节段进行对应，并且需要对每处冠脉病变的位置、结构、程度、是否有不良病征做出准确判断。但是冠脉造影为有创检查，是需要对身体的冠状动脉进行穿刺过后，向冠状动脉口注入特殊的造影剂，然后再进行检测，由于造影剂的注入，人为判断冠脉狭窄时常受图像中造影剂短暂堵塞影响，会出现狭窄病变判断错误的情况。并且，通过人工标记的方式冠脉节段以及节段中的病变特征进行识别，通常会存在识别错误、效率低下等问题。

基于此，本申请实施例提供了一种冠状动脉病变SYNTAX评分的计算方法，实现了冠状动脉的全自动分段和全自动评分，从而提高了SYNTAX评分的计算效率以及减轻医生压力。

这里，本申请所提供的冠状动脉病变SYNTAX评分的计算方法是一种SYNTAX III代计算方法。需要说明的是，SYNTAX评分对于冠心病患者后续的治疗方案有着重大的指导意义。随着技术与临床的共同发展，SYNTAX也经历了从I代到III代的历程。SYNTAX I代完全基于有创冠脉造影得到的冠脉二维形态学信息，一般由医生进行人工计算每个冠脉段的分段评分。SYNTAX II代则在SYNTAX I代的基础上加入了一些临床变量、性别、年龄、左室射血分数、肌酐清除率、左主干病变、慢性阻塞性肺病、外周血管疾病等额外的因素，以建立多变量比例风险模型，进行综合的II代SYNTAX评分，但目前一般也由医生人工统计。SYNTAX III代则是将I代中基于血管段病变程度进行计分的方法换成基于功能学指标CT-FFR(血流储备分数)进行计分的方法，但目前基本没有公开的自动化计算方案。而本申请公开的一种冠状动脉病变SYNTAX评分的计算方法是一种SYNTAX III代自动计算方法。

请参阅图1，图1为本申请实施例所提供的一种冠状动脉病变SYNTAX评分的计算方法的流程图。如图1中所示，本申请实施例提供的一种冠状动脉病变SYNTAX评分的计算方法，包括：

S101、获取根据目标患者的冠状动脉三维医学影像所确定的目标冠状动脉的血管特征数据。

这里，所述冠状动脉三维医学影像可以为采用无创方式获取的冠状动脉三维医学影像；所述血管特征数据中至少包括目标冠状动脉中心线、所述目标冠状动脉中心线上的所有目标点、所述目标冠状动脉中的病变区域以及所述病变区域的血流储备分数，获取的所述目标冠状动脉的血管特征数据是获取所述目标冠状动脉的形态学数据和功能学数据；

其中，所述目标冠状动脉的形态学数据是指目标冠状动脉的可视化数据；所述目标冠状动脉的功能学数据是指目标冠状动脉的医学评价参数。

所述目标冠状动脉的血管特征数据中还可以包括血管三维影像，目标冠状动脉中的病变区域的病变类型，每个目标点处血管的轮廓信息。所述病变区域的血流储备分数(CT-FFR)可以通过流体力学仿真方法计算得到。

示例的，请参阅图2，图2为本申请提供的获取的目标冠状动脉的特征图像的示意图。如图2所示，包括冠状动脉中存在病变的区域、病变区域的血管直径、病变区域的病变类型以及病变区域的血流储备分数等信息。

S102、根据预设的节点类型划分规则，确定所述目标冠状动脉中心线上的每个目标点的节点类型。

这里，所述目标点为在提取所述目标冠状动脉中心线时所确定的点；所述节点类型划分规则为根据目标点的邻点数量确定节点类型的规则。

其中，在进行目标冠状动脉中心线提取时，需要将对目标冠状动脉中血管管道状物体的中心位置进行打点标记，将所打的所有点按顺序依次连接即可得到所述目标冠状动脉中心线，所打的点即为所述目标点。在血管交叉位置处会存在一个目标点。

在本申请所提供的一种实施方式中，所述根据预设的节点类型划分规则，确定所述目标冠状动脉中心线上的每个目标点的节点类型，包括：针对于目标冠状动脉中心线上的每个目标点，确定该目标点的邻点数量；当该目标点仅有一个邻点时，将该目标点的节点类型确定为端点；当该目标点仅有两个邻点时，将该目标点的节点类型确定为连接点；当该目标点仅有三个邻点时，将该目标点的节点类型确定为二分叉点；当该目标点仅有四个邻点时，将该目标点的节点类型确定为三分叉点。

这样，根据所述节点类型划分规则，就可以确定中心线上每个目标点对应的节点类型。

S103、所述目标冠状动脉中心线、所述目标冠状动脉中心线上的所有目标点以及每个目标点的节点类型输入至血管节段划分模型中进行目标冠状动脉血管的自动划分，确定所述目标冠状动脉中的多个目标血管节段。

这里，血管节段划分模型通过对输入的目标冠状动脉中心线、目标冠状动脉中心线上的所有目标点以及每个目标点的节点类型进行识别，确定目标冠状动脉中包括的目标血管节段，从而实现对目标冠状动脉血管节段的自动划分。其中，血管节段也是冠脉节段，在确定目标血管节段的同时，也确定每个目标血管节段的节段编号。

其中，在确定目标血管节段时，还会识别出一些不属于目标血管节段(即没有节段编号的血管)的多余节段。对于这些节段，可以进行自动删除，只保留影响SYNTAX评分的目标血管节段。

在本申请提供的一种实施方式中，通过以下步骤训练得到所述血管节段划分模型：获取多个待训练冠状动脉的原始三维医学影像；所述原始三维医学影像为冠状动脉CT造影；针对于每个待训练冠状动脉，对该待训练冠状动脉的原始三维医学影像进行处理，确定该待训练冠状动脉的中心线、中心线上所有目标点以及每个目标点的节点类型；针对于每个待训练冠状动脉的中心线，按照冠脉16分段法对该待训练冠状动脉的中心线进行节段划分，确定该训练冠状动脉的多个待训练血管节段和每个待训练血管节段的节段编号；将进行节段划分后的每个待训练冠状动脉的中心线、中心线上所有目标点以及每个目标点的节点类型作为输入特征，将每个待训练冠状动脉的每个待训练血管节段的节段编号作为输出特征，对血管节段划分神经网络进行迭代训练，得到血管节段划分模型。

该步骤为血管节段划分模型的训练过程。这里，所述冠状动脉CT造影为无创检查所获得的图像。

这里，在将进行节段划分后的每个待训练冠状动脉的中心线、中心线上所有目标点以及每个目标点的节点类型作为输入特征，将每个待训练冠状动脉的每个待训练血管节段的节段编号作为输出特征，对血管节段划分神经网络进行迭代训练时，可以根据节点类型对不同节点类型的目标点赋予不同的权重系数，例如赋予端点权重系数为2，连接点权重系数为1等，然后将这些信息输入到所述血管节段划分神经网络中进行训练，将预测的中心线编号预测结果与真实标签比较，计算损失函数的值，并通过反向传播算法对网络参数不断迭代，直至收敛，即损失函数的值不再减小，得到血管节段划分模型。

这里，所述血管节段划分神经网络可以为Point-Transformer深度神经网络。Point-Transformer主要由三个类型的模块组成，分别是编码模块，解码模块和特征组合模块。其中编码模块负责将特征降采样并高维化；而解码部分则是将编码后的抽象特征再与编码模块进行特征组合，使得高维抽象结果的细节更加丰富。其中，每个编码模块和每个解码模块均拥有自注意力机制。

示例的，对于按照冠脉16分段法对冠脉进行划分，所能划分出的所有目标血管节段如表1所示，表1中除了记录有划分后的血管节段名称和节段编号外，还记录有不同冠脉优势类型下每个血管节段的权重系数。

表1：

S104、根据所述目标冠状动脉中的病变区域以及所述病变区域的血流储备分数，从所述多个目标血管节段中筛选出至少一个狭窄血管节段。

在本申请提供的一种实施方式中，所述根据所述目标冠状动脉中的病变区域以及所述病变区域的血流储备分数，从所述多个目标血管节段中筛选出至少一个狭窄血管节段，包括：将满足预设条件的目标血管节段确定为狭窄节段；其中所述预设条件包括：存在病变区域、该病变区域血流储备分数不大于预设血流储备分数以及该目标血管节段的标准血管直径大于预设直径。

这里，预设血流储备分数和预设直径可根据实际环境进行选择，其中预设直径可根据SYNTAX评分规则进行选择，例如将标准血管直径1.5mm以下的血管节段不作为确定狭窄血管节段的血管。

所述目标血管节段的标准血管直径是对目标血管节段所对应的血管的真实直径进行拟合所得到的。

示例的，请参阅图3，图3为本申请提供的血管直径曲线的示意图，如图3所示，确定出目标血管节段后也就是确定出有节段编号的中心线，将中心线上每个目标点的轮廓直径绘制成距离-直径曲线，如图3所示。利用Spline曲线拟合方法，将真实直径曲线(真实血管直径曲线)拟合成一条标准直径曲线(标准血管直径曲线)，且按照SYNTAX定义将参考直径1.5mm以下的血管段截断，不进入计分。在真实直径曲线中，若有连续区域的最小值低于标准曲线的50％，则认为其存在病变，将这些区域找出，并且读取该区域的CT-FFR功能学指标(血流储备分数)，若其<＝0.8，则认为该病变为对供血功能有显著影响的病变，将该节段确定为狭窄血管节段，若CT-FFR>0.8,则不计入评估。

S105、针对于每个狭窄血管节段，基于所述目标冠状动脉的冠脉分布优势类型、该狭窄血管节段的病变数据，按照SYNTAX评分的节段计分规则，确定每个狭窄血管节段的病变评分；其中，所述病变数据中至少包括病变区域、病变数量、病变的具体特征。

这里，所述冠脉分布优势类型是用于确定在进行SYNTAX评分时狭窄血管节段所对应的权重系数。

其中，请参阅表2，表2为SYNTAX评分的节段计分规则表。

表2：

在本申请所提供的一种实施方式中，通过以下步骤确定所述目标冠状动脉的冠脉分布优势类型：在确定所述目标冠状动脉中的多个目标血管节段的同时确定每个目标血管节段的节段编号；基于所述目标冠状动脉中的每个目标血管节段的节段编号和节段编号与优势类型的映射关系，确定所述目标冠状动脉的冠脉分布优势类型；其中，所述目标冠状动脉的冠脉分布优势类型用于确定每个目标血管节段的评分权重系数。

这里，冠状动脉的冠脉分布优势类型包括左优势型和右优势型，可通过所述目标冠状动脉中包括的每个目标血管节段的节段编号进行确定。

示例的，如果目标冠状动脉中包括4节段编号的目标血管节段以及16节段编号的目标血管节段，但不包括15节段编号的目标血管节段，则该目标冠状动脉的冠脉分布优势类型为右优势型，请参阅图4，图4为右优势型冠状动脉的结构示意图。如果目标冠状动脉中不包括4节段编号的目标血管节段以及16节段编号的目标血管节段，但包括15节段编号的目标血管节段，则该目标冠状动脉的冠脉分布优势类型为左优势型，请参阅图5，图5为左优势型冠状动脉的结构示意图。

在本申请提供的另一种实施方式中，在确定每个狭窄血管节段的病变评分之前，所述计算方法还包括：针对于每个狭窄血管节段，确定该狭窄血管节段中包括的病变区域的数量；当该狭窄血管节段包括的病变区域的数量不少于预设个数时，确定该狭窄血管节段中相邻病变区域的间距；当相邻病变区域的间距小于该狭窄血管节段的预设间距时，将相邻病变区域合并成一个新病变区域，同时更新该狭窄血管节段的病变数据。

该步骤为血管节段中病变区域的合并过程，所述预设间距基于该狭窄血管节段的标准直径进行选择。其中按照SYNTAX的计分规则，若两个病变区域相邻的距离<该狭窄血管节段的标准直径的3倍，则将这两个病变合并为一个病变处理，此方法同样适用于三个或以上的连续病变。

示例的，请参阅图6，图6为本申请提供的病变区域合并的示意图。如图6所示，根据上述合并规则，右图中的狭窄血管节段6中的两个病变区域可以合并成一个病变区域，左图中狭窄血管节段6中的两个病变区域则不可以合并。

这样，在进行病变区域合并后，针对每个狭窄血管节段，基于该狭窄血管节段的病变数据、对应的优势分布类型，然后根据表1和表2确定每个狭窄血管节段的病变评分。具体包括以下步骤：

(1)判断狭窄血管节段是否完全闭塞。若该狭窄血管节段的真实直径为0，则认为其为完全闭塞。首先确定该狭窄血管节段对应的权重系数，由表1确定权重系数，假设权重系数为a，由表2确定完全闭塞的评分为5a；继续进行完全闭塞的附加条件计分，进入(2-5)判别，若真实直径>0则直接跳到(6)条件；

(2)若病例报告中记录闭塞大于3个月或时间不详，则计分在原基础上+1；

(3)针对闭塞，分为三种类型，若为钝型残端或桥侧枝则都计分+1，这两种类型外的则是正常闭塞，直接跳入(4)。钝型残端的自动判断条件为，闭塞病变后无中心线，桥侧枝的自动判断条件为病变前后存在两个二分叉点，且有两段中心线共享这两个二分叉点，可判定为桥侧枝；

(4)若是正常闭塞，根据闭塞位置，确定闭塞后有几个可见节段，若节段不可见则+1，每一个不可见节段都+1；

(5)由中心线的二分叉点数目判断闭塞后有无边枝，有几个二分叉点则表明有多少个边枝，读取边枝的真实直径，若直径<1.5mm则计分+1，每个边枝都进行如上计分判断；

(6)若只是CT-FFR<＝0.8而非直径为0的病变，则计分为2a；

(7)判断病变所在区域是否存在四分叉点，若该病变所在分叉不存在其他病变则计分+3，若还存在别的病变，则进行计分，计分规则为四分叉的另外三个岔口，某个岔口有病变则+1，最多+3；值得注意的是，只有下述分支才定义为三分叉病变：3/4/16/16a、5/6/11/12、11/12a/12b/13、6/7/9/9a和7/8/10/10a；

(8)判断病变所在区域是否存在三分叉点，若存在，则进入(9-10)判断，否则跳到(11)；值得注意的是，只有下述分支才定义为双分叉病变：5/6/11、6/7/9、7/8/10、11/13/12a、13/14/14a、3/4/16和13/14/15；

(9)分叉病变分型，根据Duke和Institute cardiovasculaire parissud(ICPS)分叉病变分型系统分为A,B,C,D,E,F,G其中类型，其中ABC型计分+1，DEFG计分+2；

(10)分叉病变角度是否<70°。由分叉病变处的中心线确定中心线的方向向量，求两者的夹角θ：若θ<70°则计分+1；

(11)若该病变位于1或5节段，或6或11节段，认为是开口病变，计分+1；

(12)扭曲判断。对病变所在段进行中心线上点的曲率计算，若其角度>一定值(比如90°)，则认为存在扭曲，计分+2；

(13)由病变区域中心线计算病变起始点到终止点的距离，若>20mm则计分+1；

(14)读取该病变的斑块信息，若是严重钙化，则计分+2；若是血栓，则计分+1；

(15)若该病变长度>75％血管总长度，且血管直径<2mm，则认为是弥漫性病变或小血管病变，该血管的每个节段都计分+1；

这样，就完成了每个狭窄血管节段的病变评分。

S106、将每个狭窄血管节段的病变评分进行累积，确定目标患者的SYNTAX评分。

这里，将计算得到的每个狭窄血管节段的病变评分相加，将相加后的总分确定为目标患者的SYNTAX评分。

确定出目标患者的SYNTAX评分后，即可确定更适合目标患者的手术方式。

本申请实施例提供的一种冠状动脉病变SYNTAX评分的计算方法，所述计算方法包括：获取根据目标患者的冠状动脉三维医学影像所确定的目标冠状动脉的血管特征数据；所述血管特征数据中至少包括目标冠状动脉中心线、所述目标冠状动脉中心线上的所有目标点、所述目标冠状动脉中的病变区域以及所述病变区域的血流储备分数；根据预设的节点类型划分规则，确定所述目标冠状动脉中心线上的每个目标点的节点类型；其中，目标点为在提取所述目标冠状动脉中心线时所确定的点；所述节点类型划分规则为根据目标点的邻点数量确定节点类型的规则；将所述目标冠状动脉中心线、所述目标冠状动脉中心线上的所有目标点以及每个目标点的节点类型输入至血管节段划分模型中进行目标冠状动脉血管的自动划分，确定所述目标冠状动脉中的多个目标血管节段；根据所述目标冠状动脉中的病变区域以及所述病变区域的血流储备分数，从所述多个目标血管节段中筛选出至少一个狭窄血管节段；针对于每个狭窄血管节段，基于所述目标冠状动脉的冠脉分布优势类型、该狭窄血管节段的病变数据，按照SYNTAX评分的节段计分规则，确定每个狭窄血管节段的病变评分；其中，所述病变数据中至少包括病变区域、病变数量、病变的具体特征；将每个狭窄血管节段的病变评分进行累积，确定目标患者的SYNTAX评分。

这样，本申请通过无创的冠状动脉的三维医学影像获取目标患者冠状动脉的血管特征数据，可以减少对患者的伤害；通过血管节段划分模型实现对冠状动脉的自动分段，可以提高分段效率以及减轻医生压力；通过病变区域以及血流储备分数筛选狭窄血管节段，并根据每个狭窄血管节段的病变评分，确定目标患者的SYNTAX评分，可以提高评分的准确度和效率。

请参阅图7、图8，图7为本申请实施例所提供的一种冠状动脉病变SYNTAX评分的计算装置的结构示意图之一，图8为本申请实施例所提供的一种冠状动脉病变SYNTAX评分的计算装置的结构示意图之二。如图7中所示，所述计算装置700包括：

获取模块701，用于获取根据目标患者的冠状动脉三维医学影像所确定的目标冠状动脉的血管特征数据；所述血管特征数据中至少包括目标冠状动脉中心线、所述目标冠状动脉中心线上的所有目标点、所述目标冠状动脉中的病变区域以及所述病变区域的血流储备分数；

第一确定模块702，用于根据预设的节点类型划分规则，确定所述目标冠状动脉中心线上的每个目标点的节点类型；其中，目标点为在提取所述目标冠状动脉中心线时所确定的点；所述节点类型划分规则为根据目标点的邻点数量确定节点类型的规则；

划分模块703，用于将所述目标冠状动脉中心线、所述目标冠状动脉中心线上的所有目标点以及每个目标点的节点类型输入至血管节段划分模型中进行目标冠状动脉血管的自动划分，确定所述目标冠状动脉中的多个目标血管节段；

筛选模块704，用于根据所述目标冠状动脉中的病变区域以及所述病变区域的血流储备分数，从所述多个目标血管节段中筛选出至少一个狭窄血管节段；

第二确定模块705，用于针对于每个狭窄血管节段，基于所述目标冠状动脉的冠脉分布优势类型、该狭窄血管节段的病变数据，按照SYNTAX评分的节段计分规则，确定每个狭窄血管节段的病变评分；其中，所述病变数据中至少包括病变区域、病变数量、病变的具体特征；

累积模块706，用于将每个狭窄血管节段的病变评分进行累积，确定目标患者的SYNTAX评分。

可选的，所述划分模块703在用于根据预设的节点类型划分规则，确定所述目标冠状动脉中心线上的每个目标点的节点类型时，所述划分模块703用于：

针对于目标冠状动脉中心线上的每个目标点，确定该目标点的邻点数量；

当该目标点仅有一个邻点时，将该目标点的节点类型确定为端点；

当该目标点仅有两个邻点时，将该目标点的节点类型确定为连接点；

当该目标点仅有三个邻点时，将该目标点的节点类型确定为二分叉点；

当该目标点仅有四个邻点时，将该目标点的节点类型确定为三分叉点。

可选的，如图8所示，所述计算装置700还包括模型训练模块707，所述模型训练模块707用于：

获取多个待训练冠状动脉的原始三维医学影像；所述原始三维医学影像为冠状动脉CT造影；

针对于每个待训练冠状动脉，对该待训练冠状动脉的原始三维医学影像进行处理，确定该待训练冠状动脉的中心线、中心线上所有目标点以及每个目标点的节点类型；

针对于每个待训练冠状动脉的中心线，按照冠脉16分段法对该待训练冠状动脉的中心线进行节段划分，确定该训练冠状动脉的多个待训练血管节段和每个待训练血管节段的节段编号；

将进行节段划分后的每个待训练冠状动脉的中心线、中心线上所有目标点以及每个目标点的节点类型作为输入特征，将每个待训练冠状动脉的每个待训练血管节段的节段编号作为输出特征，对血管节段划分神经网络进行迭代训练，得到血管节段划分模型。

可选的，所述筛选模块704在用于根据所述目标冠状动脉中的病变区域以及所述病变区域的血流储备分数，从所述多个目标血管节段中筛选出至少一个狭窄血管节段时，所述筛选模块704用于：

将满足预设条件的目标血管节段确定为狭窄节段；其中所述预设条件包括：存在病变区域、该病变区域血流储备分数不大于预设血流储备分数以及该目标血管节段的标准血管直径大于预设直径。

可选的，所述计算装置700还包括第三确定模块708，所述第三确定模块708用于通过以下步骤确定所述目标冠状动脉的冠脉分布优势类型：

在确定所述目标冠状动脉中的多个目标血管节段的同时确定每个目标血管节段的节段编号；

基于所述目标冠状动脉中的每个目标血管节段的节段编号和节段编号与优势类型的映射关系，确定所述目标冠状动脉的冠脉分布优势类型；其中，所述目标冠状动脉的冠脉分布优势类型用于确定每个目标血管节段的评分权重系数。

可选的，所述计算装置700还包括合并模块709，所述合并模块709用于：

针对于每个狭窄血管节段，确定该狭窄血管节段中包括的病变区域的数量；

当该狭窄血管节段包括的病变区域的数量不少于预设个数时，确定该狭窄血管节段中相邻病变区域的间距；

当相邻病变区域的间距小于该狭窄血管节段的预设间距时，将相邻病变区域合并成一个新病变区域，同时更新该狭窄血管节段的病变数据。

可选的，所述血管节段划分神经网络为Point-Transformer深度神经网络。

请参阅图9，图9为本申请实施例所提供的一种电子设备的结构示意图。如图9中所示，所述电子设备900包括处理器910、存储器920和总线930。

所述存储器920存储有所述处理器910可执行的机器可读指令，当电子设备900运行时，所述处理器910与所述存储器920之间通过总线930通信，所述机器可读指令被所述处理器910执行时，可以执行如上述图1至图6所示方法实施例中的步骤，具体实现方式可参见方法实施例，在此不再赘述。

本申请实施例还提供一种计算机可读存储介质，该计算机可读存储介质上存储有计算机程序，该计算机程序被处理器运行时可以执行如上述图1至图6所示方法实施例中的步骤，具体实现方式可参见方法实施例，在此不再赘述。

所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的系统、装置和单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。

在本申请所提供的几个实施例中，应该理解到，所揭露的系统、装置和方法，可以通过其它的方式实现。以上所描述的装置实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，又例如，多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些通信接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。

所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。

另外，在本申请各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。

所述功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个处理器可执行的非易失的计算机可读取存储介质中。基于这样的理解，本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(Read-OnlyMemory，ROM)、随机存取存储器(Random Access Memory，RAM)、磁碟或者光盘等各种可以存储程序代码的介质。

最后应说明的是：以上所述实施例，仅为本申请的具体实施方式，用以说明本申请的技术方案，而非对其限制，本申请的保护范围并不局限于此，尽管参照前述实施例对本申请进行了详细的说明，本领域的普通技术人员应当理解：任何熟悉本技术领域的技术人员在本申请揭露的技术范围内，其依然可以对前述实施例所记载的技术方案进行修改或可轻易想到变化，或者对其中部分技术特征进行等同替换；而这些修改、变化或者替换，并不使相应技术方案的本质脱离本申请实施例技术方案的精神和范围，都应涵盖在本申请的保护范围之内。因此，本申请的保护范围应以权利要求的保护范围为准。