1.一种血液流场信息确定方法，包括：
获得针对目标血管段的图像；
基于所述图像获得经降维的图像数据；
基于所述经降维的图像数据，通过预训练的神经网络，获得至少一个特征向量；以及基于所述至少一个特征向量获得针对所述目标血管段的至少一个血液流场信息。
2.根据权利要求1所述的方法，其中，所述至少一个特征向量是经正交分解的向量表征。
3.根据权利要求2所述的方法，其中，所述至少一个特征向量是经过本征正交分解POD的向量表征。
4.根据权利要求1‑3中任一项所述的方法，其中，获得至少一个特征向量包括将所述经降维的图像数据投射到与所述预训练的神经网络相关联的预定维度。
5.根据权利要求1‑4中任一项所述的方法，还包括基于所述血液流场信息确定针对所述目标血管段的血流储备分数FFR信息。
6.一种获得血液流场信息确定模型的方法，包括：
获得针对目标血管段的图像；
基于所述图像获得经降维的图像；
基于所述经降维的图像，通过神经网络获得至少一个特征向量；
基于所述至少一个特征向量获得预测的血液流场信息；
基于所述预测的血液流场信息和参考血液流场信息对所述神经网络的参数进行调整；
以及
在满足调整结束条件后，获得经调整的所述神经网络作为所述血液流场信息确定模型。
7.根据权利要求6所述的方法，其中，所述至少一个特征向量是经正交分解的向量表征。
8.根据权利要求7所述的方法，其中，所述至少一个特征向量是经过本征正交分解POD的向量表征。
9.根据权利要求6‑8中任一项所述的方法，还包括在满足调整结束条件后，获得与对应于所述经调整的所述神经网络的所述至少一个特征向量相关联的维度，作为与血液流场信息确定模型相关联的向量模态。
10.根据权利要求6‑9中任一项所述的方法，还包括基于所述血液流场信息确定针对所述目标血管段的血流储备分数FFR信息。
11.根据权利要求6‑10中任一项所述的方法，其中，所述参考血液流场信息是通过对所述针对目标血管段的图像进行流体力学仿真而获得的。
12.一种血液流场信息确定装置，包括：
图像获得单元，用于获得针对目标血管段的图像；
降维单元，用于基于所述图像获得经降维的图像数据；
特征向量获得单元，用于基于所述经降维的图像数据，通过预训练的神经网络，获得至少一个特征向量；以及
血液流场信息获得单元，用于基于所述至少一个特征向量获得针对所述目标血管段的至少一个血液流场信息。
13.一种获得血液流场信息确定模型的装置，包括：
图像获得单元，用于获得针对目标血管段的图像；
降维单元，用于基于所述图像获得经降维的图像数据；
特征向量获得单元，用于基于所述经降维的图像数据，通过神经网络获得至少一个特征向量；
预测单元，用于基于所述至少一个特征向量获得预测的血液流场信息；
调整单元，用于基于所述预测的血液流场信息和参考血液流场信息对所述神经网络的参数进行调整；以及
模型获得单元，用于在满足调整结束条件后，获得经调整的所述神经网络作为所述血液流场信息确定模型。
14.一种计算设备，包括：
存储器、处理器以及存储在所述存储器上的计算机程序，
其中，所述处理器被配置为执行所述计算机程序以实现权利要求1‑5或6‑11中任一项所述方法的步骤。
15.一种非暂态计算机可读存储介质，其上存储有计算机程序，其中，所述计算机程序被处理器执行时实现权利要求1‑5或6‑11中任一项所述方法的步骤。
16.一种计算机程序产品，包括计算机程序，其中，所述计算机程序被处理器执行时实现权利要求1‑5或6‑11中任一项所述方法的步骤。