技術(shù)特征：

1.一種本構(gòu)模型與有限元結(jié)合的脈絡(luò)膜新生血管生長預(yù)測方法，其特征是，包括以下步驟：

步驟1.圖像預(yù)處理：對三維視網(wǎng)膜頻域光學(xué)相干斷層成像SD-OCT圖像進(jìn)行下采樣處理；

步驟2.區(qū)域提取和劃分：將圖像分割為脈絡(luò)膜新生血管CNV區(qū)域、外視網(wǎng)膜層、內(nèi)視網(wǎng)膜層和脈絡(luò)膜層4個(gè)區(qū)域；

步驟3.網(wǎng)格化：對CNV區(qū)域、內(nèi)視網(wǎng)膜層、外視網(wǎng)膜層和脈絡(luò)膜層進(jìn)行多尺度、自適應(yīng)的四面體網(wǎng)格生成；

步驟4.運(yùn)用超彈性生物力學(xué)模型與反應(yīng)擴(kuò)散方程建模：在超彈性生物力學(xué)模型結(jié)構(gòu)中，整合各區(qū)域不同的體積模量、剪切模量及其對應(yīng)的體積彈性響應(yīng)、等容彈性響應(yīng)，將脈絡(luò)膜新生血管生長后的質(zhì)量改變作為源項(xiàng)加入到方程中，使變形梯度張量根據(jù)新生血管的生長持續(xù)變化；

步驟5.優(yōu)化模型，算出最佳準(zhǔn)確率，進(jìn)行參數(shù)檢驗(yàn)；

步驟6.根據(jù)每個(gè)時(shí)間點(diǎn)預(yù)測的參數(shù)擬合一條參數(shù)曲線，預(yù)測最后一個(gè)時(shí)間點(diǎn)的生長增值率參數(shù)，得到預(yù)測結(jié)果。

2.根據(jù)權(quán)利要求1所述的本構(gòu)模型與有限元結(jié)合的脈絡(luò)膜新生血管生長預(yù)測方法，其特征是，步驟1中的圖像預(yù)處理包括以下步驟：

(1a)下采樣處理：

(1b)使用CAVASS軟件，進(jìn)行OCT圖像配準(zhǔn)。

3.根據(jù)權(quán)利要求1所述的本構(gòu)模型與有限元結(jié)合的脈絡(luò)膜新生血管生長預(yù)測方法，其特征是，步驟3中采用一個(gè)三維曲面和體積的網(wǎng)格生成器對CNV區(qū)域、內(nèi)視網(wǎng)膜層、外視網(wǎng)膜層和脈絡(luò)膜層進(jìn)行多尺度、自適應(yīng)的四面體網(wǎng)格生成。

4.根據(jù)權(quán)利要求1所述的本構(gòu)模型與有限元結(jié)合的脈絡(luò)膜新生血管生長預(yù)測方法，其特征是，步驟4包括以下步驟：

(4a)反應(yīng)擴(kuò)散方程的入侵和擴(kuò)散

邏輯回歸型增長的反應(yīng)擴(kuò)散方程表示為：

$\frac{\∂N}{\∂t}=div(D\▿N)+\mathrm{\ρ}N(1-\frac{N}{K_{max}})---\left(1\right)$

其中，t為時(shí)間，D是各向異性的擴(kuò)散張量，包含三個(gè)組成部分D_x，D_y，D_z，這三個(gè)分量分別為x軸，y軸，z軸的分量；ρ代表生長增殖率，N是每單位體積的細(xì)胞數(shù)，K_max代表最大細(xì)胞容量，

當(dāng)血管內(nèi)皮生長因子的各向異性濃度時(shí)，有如下公式：

$\frac{\∂c}{\∂t}=\▿\·\left(D\▿c\right)+\mathrm{\ρ}c\left(1-c\right)---\left(2\right)$

(4b)質(zhì)量效應(yīng)與超彈性生物力學(xué)模型

材料的非線性應(yīng)力-應(yīng)變行為的應(yīng)變能密度函數(shù)為：

$\mathrm{\Ψ}\left(\mathrm{\ϵ}\right)=\frac{1}{2}\mathrm{\κ}{\left(J-1\right)}^2+\frac{1}{2}\mathrm{\μ}Tr(I_1-3)---\left(3\right)$

其中，表示格林-拉格朗日應(yīng)變張量，F(xiàn)^T代表變形梯度張量F的轉(zhuǎn)置張量，I為單位矩陣；J代表變形梯度張量F的行列式，即J＝det(F)；κ和μ分別代表體積模量和剪切模量；Tr表示矩陣的跡；I₁是柯西-格林變形張量的第一主不變量；

通過公式4中的梯度力f，將柯西應(yīng)力張量σ＝J^-1FSF^T和血管內(nèi)皮生長因子的各向異性濃度c聯(lián)系起來：

$div\left(\mathrm{\σ}\right)+f=0;f=-\mathrm{\ξ}\▿c---\left(4\right)$

其中，f代表由c產(chǎn)生的梯度力即密度梯度力，ξ代表一個(gè)需要被估計(jì)的常數(shù)，該常數(shù)取決于材料的生物學(xué)特性；S代表PK2-第二Piola-Kirchhoff應(yīng)力張量。

5.根據(jù)權(quán)利要求1所述的本構(gòu)模型與有限元結(jié)合的脈絡(luò)膜新生血管生長預(yù)測方法，其特征是，步驟5中，以一階馬爾科夫序列優(yōu)化生長增值率ρ參數(shù)：前n個(gè)時(shí)間點(diǎn)的數(shù)據(jù)，每個(gè)時(shí)間點(diǎn)均與之前的一個(gè)時(shí)間點(diǎn)相關(guān)，計(jì)算ρ的值。

6.根據(jù)權(quán)利要求5所述的本構(gòu)模型與有限元結(jié)合的脈絡(luò)膜新生血管生長預(yù)測方法，其特征是，從之前所有的時(shí)間點(diǎn)進(jìn)行生長增值率參數(shù)的估計(jì)，然后使用下面的公式來計(jì)算預(yù)測的準(zhǔn)確性：

$R\left({\mathrm{\ν}}_i\right)=\underset{i}{\mathrm{\Σ}}{w}_1(1-\frac{{\stackrel{\‾}{I}}_{i,c}\∩I_{i+1}}{I_{i+1,c}})+w_2\left(\frac{{\stackrel{\‾}{I}}_{i,c}-{\stackrel{\‾}{I}}_{i,c}\∩I_{i+1}}{I_{i+1,c}}\right)---\left(5\right)$

是基于之前所有時(shí)間點(diǎn)I_i,c(i＝1,2,...，10)預(yù)測得到的結(jié)果，I_i+1,c是當(dāng)前時(shí)間點(diǎn)的金標(biāo)準(zhǔn)；

最后，估計(jì)參數(shù)：ν_i＝{D_x,D_y,D_z,ρ；c}。

7.根據(jù)權(quán)利要求6所述的本構(gòu)模型與有限元結(jié)合的脈絡(luò)膜新生血管生長預(yù)測方法，其特征是，定義預(yù)測結(jié)果與金標(biāo)準(zhǔn)的重合像素點(diǎn)

計(jì)算反映預(yù)測結(jié)果準(zhǔn)確性的各項(xiàng)指標(biāo)：

(1)召回率

(2)錯(cuò)誤率

(3)相似度DICE系數(shù)

8.根據(jù)權(quán)利要求5、6或7所述的本構(gòu)模型與有限元結(jié)合的脈絡(luò)膜新生血管生長預(yù)測方法，其特征是，步驟6中，利用得出的前n個(gè)時(shí)間點(diǎn)的生長增值率ρ值，畫出擬合曲線，從而預(yù)測出第n+1個(gè)時(shí)間點(diǎn)的生長增值率ρ；將預(yù)測出的第n+1個(gè)時(shí)間點(diǎn)的生長增值率ρ代入第n個(gè)時(shí)間點(diǎn)，得出的預(yù)測圖像與真實(shí)的第n+1個(gè)圖像重疊，計(jì)算預(yù)測準(zhǔn)確率。