血管的定量评价方法、装置、设备及存储介质与流程
1.本发明涉及数据处理技术领域，尤其涉及一种血管的定量评价方法、装置、设备及存储介质。
背景技术：
2.肿瘤是一种严重影响人类健康的重大疾病。肿瘤细胞跟正常细胞一样需要代谢，需要氧气、水和碳水化合物等营养物质。从口腔摄入的水和碳水化合物，经过胃肠道的吸收，经过血液循环送达到全身各位，包括肿瘤细胞。肿瘤内外均有血管的分布，为肿瘤细胞的代谢提供营养及代谢产物的排泄等。当肿瘤生长的速度较快时，需要供应营养的血管数量也就增加。好比一个城市的交通越发达，这个城市的人口及经济就越发达。交通堵塞或者交通干线较少时，城市内的人口生存就会受限。因此客观上，血管的密度及分布也可以直接反应肿瘤细胞的生长速度和生存状态。
3.目前化疗、靶向及免疫，多数都是口服或静脉注射药物，通过血液循环进入到肿瘤部位。因此，血管的分布及密度也可间接反应药物对肿瘤的潜在能力。
4.然而，目前只能定性对血管的好坏进行评价，且评价往往依赖于医生的专业水准，不够客观准确。
技术实现要素：
5.基于此，有必要针对目前血管的评价不够客观准确的问题，提出了一种血管的定量评价方法、装置、设备及存储介质。
6.一种血管的定量评价方法，所述方法包括：
7.获取待识别的数字病理切片，所述数字病理切片是通过对病理切片进行数字化扫描得到的图像；
8.将所述数字病理切片按照预设的分割方式分割为多个小图像块，将每个小图像块作为血管识别模型的输入，获取所述血管识别模型输出的血管识别结果，所述血管识别结果包括：血管部分和非血管部分；
9.基于所述血管识别结果对血管部分进行增强显示以及对非血管部分进行弱化显示，得到处理后的目标数字病理切片；
10.基于所述目标数字病理切片按照预设的算法对血管特征进行识别评价，得到定量评价结果，所述血管特征包括：血管密度特征、血管分布特征、血管类型特征；
11.将所述定量评价结果以结构化文字的方式展示在显示端。
12.一种血管的定量评价装置，其特征在于，所述装置包括：
13.获取模块，用于获取待识别的数字病理切片，所述数字病理切片是通过对病理切片进行数字化扫描得到的图像；
14.输入模块，用于将所述数字病理切片按照预设的分割方式分割为多个小图像块，将每个小图像块作为血管识别模型的输入，获取所述血管识别模型输出的血管识别结果，
所述血管识别结果包括：血管部分和非血管部分；
15.处理模块，用于基于所述血管识别结果对血管部分进行增强显示以及对非血管部分进行弱化显示，得到处理后的目标数字病理切片；
16.评价模块，用于基于所述目标数字病理切片按照预设的算法对血管特征进行识别评价，得到定量评价结果，所述血管特征包括：血管密度特征、血管分布特征、血管类型特征；
17.显示模块，用于将所述定量评价结果以结构化文字的方式展示在显示端。
18.一种计算机设备，包括存储器和处理器，其特征在于，所述存储器存储有计算机程序，所述计算机程序被所述处理器执行时，使得所述处理器执行以下步骤：
19.获取待识别的数字病理切片，所述数字病理切片是通过对病理切片进行数字化扫描得到的图像；
20.将所述数字病理切片按照预设的分割方式分割为多个小图像块，将每个小图像块作为血管识别模型的输入，获取所述血管识别模型输出的血管识别结果，所述血管识别结果包括：血管部分和非血管部分；
21.基于所述血管识别结果对血管部分进行增强显示以及对非血管部分进行弱化显示，得到处理后的目标数字病理切片；
22.基于所述目标数字病理切片按照预设的算法对血管特征进行识别评价，得到定量评价结果，所述血管特征包括：血管密度特征、血管分布特征、血管类型特征；
23.将所述定量评价结果以结构化文字的方式展示在显示端。
24.一种计算机可读存储介质，包括：存储有计算机程序，所述计算机程序被处理器执行时，使得所述处理器执行以下步骤：
25.获取待识别的数字病理切片，所述数字病理切片是通过对病理切片进行数字化扫描得到的图像；
26.将所述数字病理切片按照预设的分割方式分割为多个小图像块，将每个小图像块作为血管识别模型的输入，获取所述血管识别模型输出的血管识别结果，所述血管识别结果包括：血管部分和非血管部分；
27.基于所述血管识别结果对血管部分进行增强显示以及对非血管部分进行弱化显示，得到处理后的目标数字病理切片；
28.基于所述目标数字病理切片按照预设的算法对血管特征进行识别评价，得到定量评价结果，所述血管特征包括：血管密度特征、血管分布特征、血管类型特征；
29.将所述定量评价结果以结构化文字的方式展示在显示端。
30.上述血管的定量评价方法、装置、计算机设备及存储介质，首先将待识别的数字病理切片分割为多个小图像块，然后将每个小图像块作为血管识别模型的输入，获取血管识别模型输出的血管识别结果，该血管识别结果包括血管部分和非血管部分，然后对识别到的血管部分进行增强显示以及对非血管部分进行弱化显示，得到目标数字病理切片，基于该目标数字病理切片对血管特征进行识别评价，得到定量评价结果，并将该定量评价结果以结构化文字的方式进行显示。该方法中，首先利用血管识别模型对血管进行了识别，并针对识别到的血管进行了增强显示，使得识别到的血管更加清晰，基于更加清晰的血管对血管特征进行定量评价，得到定量评价结果，该定量评价结果能够客观准确地反映血管的情
况，并将定量评价结果以结构化文字的方式进行展示，从而便于医生根据该客观准确的定量评价结果进行更加准确的决策。且该方法不再依赖于医生的主观评价，解决了现有的人为评价稳定性不高，一致性差的问题，且大大节约了医生的时间。
附图说明
31.为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，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的附图。
32.其中：
33.图1为一个实施例中血管的定量评价方法的流程图；
34.图2为一个实施例中分割为多个小图像块的示意图；
35.图3为一个实施例中对血管进行识别且增强处理后的示意图；
36.图4为一个实施例中血管密度分类的示意图；
37.图5为一个实施例中血管长度分类的示意图；
38.图6为一个实施例中血管类型分类的示意图；
39.图7为一个实施例中空间分布特征1分类的示意图；
40.图8为一个实施例中空间分布特征2分类的示意图；
41.图9为一个实施例中以结构化文字形式展示定量评价结果的示意图；
42.图10为一个实施例中对血管进行定量评价的全流程示意图；
43.图11为一个实施例中血管的定量评价装置的结构框图；
44.图12为一个实施例中计算机设备的内部结构示意图。
具体实施方式
45.下面将结合本发明实施例中的附图，对本发明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发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
46.如图1所示，在一个实施例中，一种血管的定量评价方法，可以用于对肿瘤血管进行定量评价，该方法包括：
47.步骤102，获取待识别的数字病理切片，数字病理切片是通过对病理切片进行数字化扫描得到的图像。
48.其中，该血管的定量评价方法可以适用于多种疾病，不限于肿瘤。
49.步骤104，将数字病理切片按照预设的分割方式分割为多个小图像块，将每个小图像块作为血管识别模型的输入，获取血管识别模型输出的血管识别结果，血管识别结果包括：血管部分和非血管部分。在一个实施例中，病理切片为染过的病理切片，对染过的病理切片进行数字化扫描得到待识别的数字病理切片。
50.其中，预设的分割方式可以是按照固定像素大小分割为多个小图像块，比如，按照256
×
256像素的大小分割，如图2所示，为将图像分割为多个小图像块的示意图。可以根据
实际需要自定义设置像素大小。血管识别模型可以通过cnn深度学习模型训练得到。在进行模型训练时，首先，对训练集图像进行血管标注，然后按照固定像素大小进行分割，例如256
×
256像素，然后将标记有血管的小图像块，归类为阳性训练集，而未被标记的小图像块，归类为阴性训练集，通过阳性训练集和阴性训练集对血管识别模型进行训练。
51.对数字病理切片中的血管进行图像标注，分两种模式：第一种，人工标注，由病理医生在图像分析软件中进行人工血管区域的标注。第二种，由免疫组化或免疫荧光等染方法，作为标注。例如采用cd31、cd34、erg、viii等血管标记物进行染性标记。
52.步骤106，基于血管识别结果对血管部分进行增强显示以及对非血管部分进行弱化显示，得到处理后的目标数字病理切片；
53.其中，为了使得识别到的血管更加清晰，识别得到血管部分和非血管部分后，进行区分性显示，对血管部分进行强化，对非血管部分进行弱化显示。如图3所示，左侧为血管形象示意图，中间为实际数字病理图像，右侧为解释说明图。如图3所示，左侧的上方血管形象示意图中，血管显示不清，不易辨别，通过血管识别模型识别且进行增强显示后，生成左侧下方图像，血管更加清晰及易于识别。中间的上方为实际数字病理图像，经过血管识别模型识别且对血管进行增强显示及背景弱化显示后得到中间下方更加清晰的血管图像。右侧是以树叶和树枝图像为例进行解释说明的图像，右侧上方的的树枝不易识别，可能部分或者全部被树叶覆盖或颜相似，经过血管识别模型后就可以将树枝(血管)清晰显示出来，然后再经过将背景树叶颜淡化，树枝颜强化得到最下方的图像，这样，树枝(血管)就可以更加清晰的展示出来了。
54.步骤108，基于目标数字病理切片按照预设的算法对血管特征进行识别评价，得到定量评价结果，血管特征包括：血管密度特征、血管分布特征、血管类型特征。
55.其中，对血管特征进行定量评价，定量评价的血管特征包括：血管密度特征、血管分布特征以及血管类型特征。参考图4-图8，图4为血管密度分类，左图所示低密度，右图所示高密度。图5中为血管长度分类，左图所示长血管，右图所示短血管。图6中为血管类型，左图所示中等血管，右图所示小血管。图7为血管分布特征1，左图中央型，中图外周型，右图混合型。图8为血管分布特征2，左图米字放射状，中图环线状，右图随机状。
56.步骤110，将定量评价结果以结构化文字的方式展示在显示端。
57.其中，为了更加直观地展示定量评价结果，将定量评价结果以文字方式进行展示，如图9所示，以结构化文字形式将定量评价结果进行展示的示意图，血管密度：45个/mm2；血管密度分类：高密度；毛细血管密度：15个/mm2；毛细血管/所有血管比例：33.3％；微静脉密度：30个/mm2；微静脉占所有血管的比例：66.7％；血管长度分类：短血管为主；血管分布特征：混合型+随机状。
58.在一个实施例中，为了更加清晰地展示定量评价结果，将经过血管识别模型识别后且进行增强处理后的目标数字病理切片也一并展示在屏幕端，通过图文结合的形式将定量评价结果进行展示。这样也可以给医生提供更多的信息，便于更好地进行决策。
59.上述血管的定量评价方法，首先将待识别的数字病理切片分割为多个小图像块，然后将每个小图像块作为血管识别模型的输入，获取血管识别模型输出的血管识别结果，该血管识别结果包括血管部分和非血管部分，然后对识别到的血管部分进行增强显示以及对非血管部分进行弱化显示，得到目标数字病理切片，基于该目标数字病理切片对血管特
征进行识别评价，得到定量评价结果，并将该定量评价结果以结构化文字的方式进行显示。该方法中，首先利用血管识别模型对血管进行了识别，并针对识别到的血管进行了增强显示，使得识别到的血管更加清晰，基于更加清晰的血管对血管特征进行定量评价，得到定量评价结果，该定量评价结果能够客观准确地反映血管的情况，并将定量评价结果以结构化文字的方式进行展示，从而便于医生根据该客观准确的定量评价结果进行更加准确的决策。且该方法不再依赖于医生的主观评价，解决了现有的人为评价稳定性不高，一致性差的问题，且大大节约了医生的时间。该方法将血管从传统的定型化向精准定量分析模式转化，更利于肿瘤及相关疾病的研究及指导临床。
60.在一个实施例中，所述血管识别模型的训练数据采用如下方式获取：对训练病理切片进行血管染标注，对染标注后的训练病理切片进行数字化扫描得到训练数字病理切片；基于所述血管染标注对所述训练数字病理切片的血管进行自动化标注；将自动化标注后的训练数字病理切片按照预设的分割方式进行分割得到多个训练小图像块，将包含血管的训练小图像块作为阳训练集，将不包含血管的训练小图像块作为阴训练集。
61.其中，为了使得训练得到的血管识别模型可以识别到更加清晰的血管，在基于血管染标注对血管进行自动化标注后对训练数字病理切片进行分割，然后将包含血管的训练小图像块作为阳训练集，将不包含血管的训练小图像快作为阴训练集。对于阳训练集中的训练小图像块具有双重标注，一个是标注该训练小图像块中有血管，且具有血管的染标注(血管染的轮廓标注)，基于该双重标注不仅可以准确地识别出哪些区域具有血管，且能够识别出血管的具体轮廓，大大提高了血管识别模型识别的准确度和精度。
62.在一个实施例中，所述基于所述目标数字病理切片按照预设的算法对血管特征进行评价，得到定量评价结果，所述血管特征包括：血管密度特征、血管分布特征、血管类型特征，包括：采用第一预设算法统计单位面积内包含的血管数量得到血管密度，根据所述血管密度确定血管密度特征；采用第二预设算法对血管的长度和粗细进行识别，根据所述血管的长度和粗细对血管进行分类，确定血管的血管类型特征；采用第三预设算法对血管的空间分布特征进行识别，得到血管分布特征。
63.其中，第一预设算法用于统计单位面积内包含的血管数量得到血管密度，根据血管密度确定血管密度特征，比如是低密度还是高密度。具体地，预先设置有密度阈值，当血管密度大于预设的密度阈值时，判定为高密度，否则为低密度。第二预测算法用于对血管的长度和粗细(也可以理解为宽度)进行识别，然后根据识别出的血管长度和粗细对血管分类，确定血管的血管类型特征，比如，根据血管长度将血管分为长血管和短血管，根据血管的粗细将血管分为毛细血管、小血管和中等血管。第三预设算法用于对血管的空间分布特征进行识别得到血管分布特征，比如，可以根据血管的聚集区域，将血管分布特征分为中央型、外周型和混合型。通过采用不同的算法从多个纬度对血管进行评价，从而可以得到更加全面的血管信息。
64.在一个实施例中，所述血管类型特征包括：所述血管类型特征包括：毛细血管密度、毛细血管占所有血管的比例、微静脉或微动脉的密度、微静脉或微动脉占所有血管的比例、血管长度特征；
65.所述采用第二预设算法对血管的长度和粗细进行识别，根据所述血管的长度和粗细对血管进行分类，确定血管的血管类型特征，包括：根据所述血管的粗细识别出毛细血
管、小血管和中等血管，计算得到毛细血管密度以及毛细血管占所有血管的比例；对识别到的所述小血管进行进一步识别，将所述小血管分为微静脉和微动脉；计算所述微静脉或微动脉的密度以及微静脉或微动脉占所有血管的比例；根据所述血管的长度将血管分为长血管和短血管，确定血管长度特征。
66.其中，预先设置血管粗细的分类标准，根据分类标准将识别到的血管分为毛细血管、小血管和中等血管，毛细血管是最细的，小血管其次，然后是中等血管。根据识别出的毛细血管和小血管可以统计得到毛细血管密度、毛细血管占所有血管的比例。其中，小血管又包括微静脉和微动脉，根据小血管中的弹力纤维和平滑肌厚度进一步识别出微静脉和微动脉，微动脉在形态上更圆一些，微静脉更不规则一些。然后根据识别出的微静脉和微动脉，进一步计算所述微静脉或微动脉的密度以及微静脉或微动脉占所有血管的比例。
67.在一个实施例中，所述血管分布特征包括：第一血管分布特征和第二血管分布特征；
68.所述采用第三预设算法对血管的空间分布特征进行识别，得到血管分布特征，包括：基于识别到的血管进行空间聚集度分析，根据所述空间聚集度确定第一血管分布特征，所述第一血管分布特征包括：中央型、外周型和混合型中的至少一种；基于识别到的血管确定血管分布的中心点，将所述中心点与每条血管的两个端点进行连接，构建得到与每条血管对应的三角形；基于得到的每条血管对应的三角形的形状确定所述第二血管分布特征，所述第二血管分布特征包括：米字放射型、环状型和随机型中的至少一种。
69.其中，空间聚集度用于分析血管集中分布在哪些区域，如果血管集中分布在中心区，则确定第一血管分布特征为中央型，如果血管集中分布在边缘，则确定第一血管分布特征为外周型，如果血管既有分布在中心区的也有分布在外围区的，则第一血管分布特征为混合型。第二血管分布特征是不同与第一血管分布特征的空间分布特征，第二血管分布特征分为米字放射型、环状型和随机型。第二血管分布特征是基于中心点构建三角形，然后根据三角形的形状来确定的。参考图8，对于米字放射型，基于中心点构建的三角形中钝角三角形居多，对于环状型，基于中心点构建的三角形中的锐角三角形居多。
70.在一个实施例中，所述基于得到的每条血管对应的三角形的形状确定所述第二血管分布特征，所述第二血管分布特征包括：米字放射型、环状型和随机型中的至少一种，包括：统计得到三角形中钝角三角形和锐角三角形的数量比例；当所述钝角三角形和锐角三角形的数量比例大于第一预设比例时，确定所述第二血管分布特征为米字放射型；当所述钝角三角形和锐角三角形的数量比例小于第二预设比例，确定所述第二血管分布特征为环状型。
71.其中，参考图8，为不同的第二血管分布特征的分类特征。为了确定第二血管分布特征，采用统计钝角三角形与锐角三角形的数量比例来进行确定。通过对血管的分布特征的统计分析，设计出的该计算方法便捷且准确，大大提高了空间分布特征的计算效率。
72.在一个实施例中，所述基于识别到的血管进行空间聚集度分析，根据所述空间聚集度确定第一血管分布特征，所述第一血管分布特征包括：中央型、外周型和混合型中的至少一种，包括：将所述目标数字病理切片划分为中心区和外围区；分别统计中心区的血管数量和外围区的血管数量；根据所述中心区的血管数量和所述外围区的血管数量确定所述中心区的空间聚集度和所述外围区的空间聚集度；当所述中心区的空间聚集度与所述外围区
的空间聚集度的比值大于第一预设聚集度比值时，确定所述第一血管分布特征为中央型；当所述中心区的空间聚集度与所述外围区的空间聚集度的比值小于第二预设聚集度比值时，确定所述第一血管分布特征为外周型。
73.其中，为了定量确定血管分布特征，提出了根据空间聚集度将血管分布特征进行体现，从空间聚集度上来反映了第一血管分布特征，使得血管的定量评价更加多元化。
74.如图10所示，为一个实施例中对血管进行定量评价的全流程示意图，首先，获取训练数字病理切片，然后对训练数字病理切片进行标注(人工标注或染标注)，然后对训练数字病理切片进行分割为固定像素大小的小图像块，包含有血管的小图像块归为阳训练集，不包含血管的小图像块归为阴训练集，基于阳训练集和阴训练集训练得到血管识别模型。获取待识别的数字病理切片，将数字病理切片作为血管识别模型的输入，得到血管识别结果，然后对血管识别结果中血管部分进行增强显示以及对非血管部分进行弱化显示得到目标数字病理切片，然后基于目标数字病理切片对血管特征进行识别评价，得到定量评价结果，最后以图像和文字的形式将定量评价结果展示在屏幕上。
75.如图11所示，提出了一种血管的定量评价装置，所述装置包括：
76.获取模块1102，用于获取待识别的数字病理切片，所述数字病理切片是通过对病理切片进行数字化扫描得到的图像；
77.输入模块1104，用于将所述数字病理切片按照预设的分割方式分割为多个小图像块，将每个小图像块作为血管识别模型的输入，获取所述血管识别模型输出的血管识别结果，所述血管识别结果包括：血管部分和非血管部分；
78.处理模块1106，用于基于所述血管识别结果对血管部分进行增强显示以及对非血管部分进行弱化显示，得到处理后的目标数字病理切片；
79.定量评价模块1108，用于基于所述目标数字病理切片按照预设的算法对血管特征进行识别评价，得到定量评价结果，所述血管特征包括：血管密度特征、血管分布特征、血管类型特征；
80.显示模块1110，用于将所述定量评价结果以结构化文字的方式展示在显示端。
81.在一个实施例中，上述装置还包括：
82.训练数据构建模块，用于对训练病理切片进行血管染标注，对染标注后的训练病理切片进行数字化扫描得到训练数字病理切片；基于所述血管染标注对所述训练数字病理切片的血管进行自动化标注；将自动化标注后的训练数字病理切片按照预设的分割方式进行分割得到多个训练小图像块，将包含血管的训练小图像块作为阳训练集，将不包含血管的训练小图像块作为阴训练集。
83.在一个实施例中，定量评价模块还用于采用第一预设算法统计单位面积内包含的血管数量得到血管密度，根据所述血管密度确定血管密度特征；采用第二预设算法对血管的长度和粗细进行识别，根据所述血管的长度和粗细对血管进行分类，确定血管的血管类型特征；采用第三预设算法对血管的空间分布特征进行识别，得到血管分布特征。
84.在一个实施例中，定量评价模块还用于根据所述血管的粗细识别出毛细血管、小血管和中等血管，计算得到毛细血管密度以及毛细血管占所有血管的比例；对识别到的所述小血管进行进一步识别，将所述小血管分为微静脉和微动脉；计算所述微静脉或微动脉的密度以及微静脉或微动脉占所有血管的比例；根据所述血管的长度将血管分为长血管和
短血管，确定血管长度特征。
85.在一个实施例中，定量评价模块还用于基于识别到的血管进行空间聚集度分析，根据所述空间聚集度确定第一血管分布特征，所述第一血管分布特征包括：中央型、外周型和混合型中的至少一种；基于识别到的血管确定血管分布的中心点，将所述中心点与每条血管的两个端点进行连接，构建得到与每条血管对应的三角形；基于得到的每条血管对应的三角形的形状确定所述第二血管分布特征，所述第二血管分布特征包括：米字放射型、环状型和随机型中的至少一种。
86.在一个实施例中，定量评价模块还用于统计得到的三角形中钝角三角形和锐角三角形的比例；当所述钝角三角形和锐角三角形的比例大于第一预设比例时，确定所述第二血管分布特征为米字放射型；当所述钝角三角形和锐角三角形的比例小于第二预设比例，确定所述第二血管分布特征为环状型。
87.在一个实施例中，定量评价模块还用于将所述目标数字病理切片划分为中心区和外围区；分别统计中心区的血管数量和外围区的血管数量；根据所述中心区的血管数量和所述外围区的血管数量确定所述中心区的空间聚集度和所述外围区的空间聚集度；当所述中心区的空间聚集度与所述外围区的空间聚集度的比值大于第一预设聚集度比值时，确定所述第一血管分布特征为中央型；当所述中心区的空间聚集度与所述外围区的空间聚集度的比值小于第二预设聚集度比值时，确定所述第一血管分布特征为外周型。
88.图12示出了一个实施例中计算机设备的内部结构图。该计算机设备具体可以是终端，也可以是服务器。如图12所示，该计算机设备包括通过系统总线连接的处理器、存储器和网络接口。其中，存储器包括非易失性存储介质和内存储器。该计算机设备的非易失性存储介质有存储操作系统，还可有存储计算机程序，该计算机程序被处理器执行时，可使得处理器实现上述的血管的定量评价方法。该内存储器中也可储存有计算机程序，该计算机程序被处理器执行时，可使得处理器执行上述的血管的定量评价方法。本领域技术人员可以理解，图11中示出的结构，仅仅是与本技术方案相关的部分结构的框图，并不构成对本技术方案所应用于其上的设备的限定，具体的设备可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。
89.在一个实施例中，提供了一种计算机设备，包括存储器和处理器，所述存储器有存储计算机程序，所述计算机程序被所述处理器执行时，使得所述处理器执行上述血管的定量评价方法的步骤。
90.在一个实施例中，提出了一种计算机可读存储介质，有存储计算机程序，计算机程序被处理器执行时，使得处理器执行上述血管的定量评价方法的步骤。
91.可以理解的是，上述血管的定量评价方法、装置、计算机设备以及计算机可读存储介质属于一个总的发明构思，实施例可相互适用。
92.本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的程序可存储于一非易失性计算机可读取存储介质中，该程序在执行时，可包括如上述各方法的实施例的流程。其中，本技术所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用，均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(rom)、可编程rom(prom)、电可编程rom(eprom)、电可擦除可编程rom(eeprom)或闪存。易失性存储器可包括随机存取存储器
(ram)或者外部高速缓冲存储器。作为说明而非局限，ram以多种形式可得，诸如静态ram(sram)、动态ram(dram)、同步dram(sdram)、双数据率sdram(ddrsdram)、增强型sdram(esdram)、同步链路(synchlink)dram(sldram)、存储器总线(rambus)直接ram(rdram)、直接存储器总线动态ram(drdram)、以及存储器总线动态ram(rdram)等。
93.以上实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。
94.以上所述实施例仅表达了本技术的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对本技术专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本技术构思的前提下，还可以做出若干变形和改进，这些都属于本技术的保护范围。因此，本技术专利的保护范围应以所附权利要求为准。
