一种基于CFD与PIV数据融合的胆道流动多参数智能预测方法

本发明提供一种基于CFD与PIV数据融合的胆道流动多参数智能预测方法，包括以下步骤：根据各个胆道结构模型和与其对应的PIV+CFD联合监督数据构建多模态数据集；对各个胆道结构模型进行编码；使用编码后的各个胆道结构模型和多个关键流体动力学参数对深度学习模型进行训练，从而得到训练好的深度学习模型；获取待预测的胆道结构模型，并通过训练好的深度学习模型得到待预测的胆道结构模型内部流动行为的多个关键流体动力学参数；本发明的有益效果为：本发明构建了结构‑流动映射模型，即基于图神经网络或卷积神经网络架构，学习从胆道形态到流体参数的非线性映射，从而实现了快速在线预测机制，便于临床个性化病理分析或临床医学科学研究评估需要。