CN109065170B - 获取血管压力差的方法及装置 - Google Patents

获取血管压力差的方法及装置 Download PDF

Info

Publication number
CN109065170B
CN109065170B CN201810637750.8A CN201810637750A CN109065170B CN 109065170 B CN109065170 B CN 109065170B CN 201810637750 A CN201810637750 A CN 201810637750A CN 109065170 B CN109065170 B CN 109065170B
Authority
CN
China
Prior art keywords
blood vessel
model
blood flow
section
cross
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN201810637750.8A
Other languages
English (en)
Other versions
CN109065170A (zh
Inventor
涂圣贤
余炜
陈树湛
李莹光
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shanghai Bodong Medical Technology Co ltd
Original Assignee
Pulse Medical Imaging Technology Shanghai Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Pulse Medical Imaging Technology Shanghai Co Ltd filed Critical Pulse Medical Imaging Technology Shanghai Co Ltd
Priority to CN201810637750.8A priority Critical patent/CN109065170B/zh
Priority to JP2020570780A priority patent/JP7118464B2/ja
Priority to PCT/CN2018/109077 priority patent/WO2019242159A1/zh
Priority to US17/254,255 priority patent/US20210259559A1/en
Publication of CN109065170A publication Critical patent/CN109065170A/zh
Application granted granted Critical
Publication of CN109065170B publication Critical patent/CN109065170B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
    • G16H50/50—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for simulation or modelling of medical disorders
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/02—Detecting, measuring or recording pulse, heart rate, blood pressure or blood flow; Combined pulse/heart-rate/blood pressure determination; Evaluating a cardiovascular condition not otherwise provided for, e.g. using combinations of techniques provided for in this group with electrocardiography or electroauscultation; Heart catheters for measuring blood pressure
    • A61B5/02007—Evaluating blood vessel condition, e.g. elasticity, compliance
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/02—Detecting, measuring or recording pulse, heart rate, blood pressure or blood flow; Combined pulse/heart-rate/blood pressure determination; Evaluating a cardiovascular condition not otherwise provided for, e.g. using combinations of techniques provided for in this group with electrocardiography or electroauscultation; Heart catheters for measuring blood pressure
    • A61B5/026—Measuring blood flow
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/02—Detecting, measuring or recording pulse, heart rate, blood pressure or blood flow; Combined pulse/heart-rate/blood pressure determination; Evaluating a cardiovascular condition not otherwise provided for, e.g. using combinations of techniques provided for in this group with electrocardiography or electroauscultation; Heart catheters for measuring blood pressure
    • A61B5/026—Measuring blood flow
    • A61B5/0285—Measuring or recording phase velocity of blood waves
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/48—Other medical applications
    • A61B5/4887—Locating particular structures in or on the body
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H30/00—ICT specially adapted for the handling or processing of medical images
    • G16H30/40—ICT specially adapted for the handling or processing of medical images for processing medical images, e.g. editing
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H40/00—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices
    • G16H40/60—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices for the operation of medical equipment or devices
    • G16H40/63—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices for the operation of medical equipment or devices for local operation
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
    • G16H50/30—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for calculating health indices; for individual health risk assessment
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/0059—Measuring for diagnostic purposes; Identification of persons using light, e.g. diagnosis by transillumination, diascopy, fluorescence
    • A61B5/0062—Arrangements for scanning
    • A61B5/0066—Optical coherence imaging
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/02—Detecting, measuring or recording pulse, heart rate, blood pressure or blood flow; Combined pulse/heart-rate/blood pressure determination; Evaluating a cardiovascular condition not otherwise provided for, e.g. using combinations of techniques provided for in this group with electrocardiography or electroauscultation; Heart catheters for measuring blood pressure
    • A61B5/021—Measuring pressure in heart or blood vessels
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/103—Detecting, measuring or recording devices for testing the shape, pattern, colour, size or movement of the body or parts thereof, for diagnostic purposes
    • A61B5/107—Measuring physical dimensions, e.g. size of the entire body or parts thereof
    • A61B5/1076—Measuring physical dimensions, e.g. size of the entire body or parts thereof for measuring dimensions inside body cavities, e.g. using catheters
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/48—Other medical applications
    • A61B5/4887—Locating particular structures in or on the body
    • A61B5/489—Blood vessels
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B6/00—Apparatus for radiation diagnosis, e.g. combined with radiation therapy equipment
    • A61B6/02—Devices for diagnosis sequentially in different planes; Stereoscopic radiation diagnosis
    • A61B6/03—Computerised tomographs
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B6/00—Apparatus for radiation diagnosis, e.g. combined with radiation therapy equipment
    • A61B6/50—Clinical applications
    • A61B6/504—Clinical applications involving diagnosis of blood vessels, e.g. by angiography

Landscapes

  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Public Health (AREA)
  • Medical Informatics (AREA)
  • General Health & Medical Sciences (AREA)
  • Biomedical Technology (AREA)
  • Pathology (AREA)
  • Physics & Mathematics (AREA)
  • Cardiology (AREA)
  • Molecular Biology (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Surgery (AREA)
  • Animal Behavior & Ethology (AREA)
  • Biophysics (AREA)
  • Veterinary Medicine (AREA)
  • Physiology (AREA)
  • Epidemiology (AREA)
  • Primary Health Care (AREA)
  • Hematology (AREA)
  • Vascular Medicine (AREA)
  • Data Mining & Analysis (AREA)
  • Databases & Information Systems (AREA)
  • General Business, Economics & Management (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Radiology & Medical Imaging (AREA)
  • Business, Economics & Management (AREA)
  • Computer Graphics (AREA)
  • Geometry (AREA)
  • Software Systems (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Measuring Pulse, Heart Rate, Blood Pressure Or Blood Flow (AREA)
  • Apparatus For Radiation Diagnosis (AREA)

Abstract

本发明提供了一种获取血管压力差的方法和装置。所述获取血管压力差的方法包括：接收一部分血管段的解剖数据，根据所述解剖数据获取目标血管的几何模型；根据所述解剖数据并结合个体数据，获取目标血管的血流模型和目标血管的血流速度V；对所述几何模型进行预处理，建立横截面形态模型，计算目标血管管腔的形态差异函数f(x)，基于所述目标血管管腔的形态差异函数f(x)和血流速度V，计算获得所述目标血管任意两位置处的压力差数值ΔP。本发明提供的获取血管压力差的方法，通过引入形态学的概念，明确血管形态等对血管压力差计算的影响，提高血管压力差计算的准确性。

Description

获取血管压力差的方法及装置
技术领域
本发明涉及一种获取血管压力差的方法及装置，属于医疗技术领域。
背景技术
人体血液中的脂类及糖类物质在血管壁上的沉积将在血管壁上形成斑块，继而导致血管狭窄；特别是发生在心脏冠脉附近的血管狭窄将导致心肌供血不足，诱发冠心病、心绞痛等病症，对人类的健康造成严重威胁。据统计，我国现有冠心病患者约1100万人，心血管介入手术治疗患者数量每年增长大于10％。
冠脉造影、CT等常规医用检测手段虽然可以显示心脏冠脉血管狭窄的严重程度，但是并不能准确评价冠脉的缺血情况。为提高冠脉血管功能评价的准确性，1993年Pijls提出了通过压力测定推算冠脉血管功能的新指标——血流储备分数(Fractional FlowReserve，FFR)，经过长期的基础与临床研究，FFR已成为冠脉狭窄功能性评价的金标准。
血流储备分数(FFR)通常是指心肌血流储备分数，定义为病变冠脉能为心肌提供的最大血流与该冠脉完全正常时最大供血流量之比，研究表明，在冠脉最大充血状态下，血流量的比值可以用压力值来代替。即FFR值的测量可在冠脉最大充血状态下，通过压力传感器对冠脉远端狭窄处的压力和冠脉狭窄近端压力进行测定继而计算得出。近年来，基于压力导丝测量FFR值的方法逐渐进入临床应用，成为冠心病患者获得精准诊断的有效方法；然而，由于压力导丝在介入过程中易对病人的血管造成损伤；同时，通过压力导丝对FFR值进行测定需要注射腺苷/ATP等药物保证冠脉达到最大充血状态，部分病人会因药物的注射感到不适，使得基于压力导丝测量FFR值的方法存在较大的局限性。此外，虽然基于压力导丝引导的FFR的测定是冠脉狭窄血液动力学的重要指标，但是由于压力导丝的造价高，介入血管过程操作困难，因此严重限制了基于压力导丝测量FFR值的方法的推广及使用。
随着CT与三维造影重建技术的发展及3D冠状动脉几何重建技术在血液力学研究领域的推广应用，同时，为减少FFR值测量过程中对人体带来的伤害及测量成本，基于医疗影像学的FFR计算技术已成为研究重点。
现有技术中，Taylor等人将计算机流体力学应用于计算机断层扫描冠状动脉造影(CTA)中，利用CTA得到冠脉解剖数据，包括血管供应心肌的体积和质量等，估算出最大冠脉血流量，模拟出血管下游微循环阻力，作为计算流体力学仿真的边界条件进行流体方程求解，得到计算FFR的非侵入式方法FFRCT。
事实上，现有技术虽然从不同角度、不同方法中给出了确定血流储备分数(FFR)的方法，但其实质均是通过目标血管近端终点处的血流压力Pa和目标血管近端终点处和远端终点处的血流压力的差值ΔP来计算FFR。而在血液流动的实际过程中，即血流压力的差值ΔP的实际计算过程中，病变的位置、大小和类型等因素均会对血流压力的差值ΔP的计算产生影响；同时，不同的病史信息和生理特征也会对血流压力的差值ΔP产生影响；因此，现有技术中，通过血流压力的差值ΔP计算获得的FFR多会偏离实际值，致使通过FFR评价冠脉狭窄功能的结果存在误差。
有鉴于此，确有必要提供一种新的获取血管压力差的方法，以解决上述问题。
发明内容
本发明的目的在于提供一种获取血管压力差的方法，以至少解决现有技术中存在的技术问题之一。本发明提供的获取血管压力差的方法，通过引入形态学的概念，明确斑块信息等对血管压力差计算的影响，提高血管压力差计算的准确性。
为实现上述发明目的，本发明提供了一种获取血管压力差的方法，所述获取血管压力差的方法包括：
接收血管的解剖数据，根据所述解剖数据获取目标血管的几何模型；
根据所述解剖数据并结合个体数据，获取目标血管的血流模型，并根据所述血流模型获取目标血管的血流速度V；
对所述几何模型进行预处理，建立目标血管在近端终点和远端终点之间各个位置处的横截面形态模型；
以目标血管的近端终点为参考点，对不同尺度下的所述横截面形态模型进行拟合，计算目标血管管腔的形态差异函数f(x)，所述尺度为计算形态差异函数f(x)时相邻两横截面之间的距离；
基于所述目标血管管腔的形态差异函数f(x)和血流速度V，计算获得所述目标血管任意两位置处的压力差数值ΔP。
作为本发明的进一步改进，所述压力差数值ΔP通过目标血管管腔在不同尺度下的形态差异函数f(x)和目标血管的血流速度V计算获得，所述ΔP在不同尺度下的计算公式为：
ΔP＝(c1V+c2V2+…+cmVm)
*[α1*∫f1(x)dx+α2*∫f2(x)dx+…+αn*∫fn(x)dx]
其中，V为血流速度，为通过所述血流模型直接/间接获取；
c1、c2、…、cm分别代表血流速度V的参数系数；
α1、α2、…、αn分别为不同尺度下血管管腔的形态差异函数f1(x)、f2(x)、…、fn(x)的加权系数；
m为大于等于1的自然数；
n为尺度为大于等于1的自然数；
优选的，所述不同尺度包括第一尺度、第二尺度、……、第n尺度；
所述第一尺度形态差异函数f1(x)用于检测第一种病变特征所引起的相邻两横截面形态模型所对应的几何形态差异；
所述第二尺度形态差异函数f2(x)用于检测第二种病变特征所引起的相邻两横截面形态模型所对应的几何形态差异；
……
所述第n尺度形态差异函数fn(x)用于检测第n种病变特征所引起的相邻两横截面形态模型所对应的几何形态差异；其中，所述n为大于等于1的自然数。
作为本发明的进一步改进，所述横截面形态模型的建立包括：
S1、定义目标血管近端终点处的横截面为参考面，通过中心线提取与建立方法获得所述几何模型的中心径线；
S2、以所述参考面的中心点为原点建立坐标系，沿垂直所述中心径线的方向对所述目标血管进行分割，将各横截面内外边缘投影在所述坐标系中，以获取目标血管在各个位置处管腔横截面的平面几何图像，横截面形态模型建立结束。
作为本发明的进一步改进，所述横截面形态模型包括各横截面上斑块的有无、斑块的位置、斑块的大小、斑块形成的角度、斑块的组成及斑块组成的变化、斑块的形状及斑块形状的变化。
作为本发明的进一步改进，所述形态差异函数f(x)用于表示目标血管不同位置处的横截面形态变化随着该位置到参考点的距离x变化的函数；
优选的，所述形态差异函数f(x)的获取包括：
基于横截面形态模型，建立各横截面的形态函数；
对相邻两横截面的形态函数进行拟合，并获取相邻两横截面在不同尺度下的差异变化函数；
以目标血管的近端终点为参考点，根据差异变化函数获取管腔形态随着到参考点的距离x的变化率，对目标血管从近端终点到远端终点范围内的位置参数进行归一化处理，获取形态差异函数f(x)。
作为本发明的进一步改进，所述形态函数包括面积函数、直径函数和边缘位置函数。
作为本发明的进一步改进，所述血流速度V的获取还包括通过病史信息和/或生理参数信息对所述血流模型进行修正，并通过修正后的血流模型获得；
优选的，所述血流模型包括固定血流模型及个性化血流模型。
作为本发明的进一步改进，所述个性化血流模型包括静息态血流模型和负荷态血流模型；当所述血流模型为静息态血流模型时，所述血流速度可通过血管内流体充盈的速度计算获得；或者通过血管树的形态计算获得。
作为本发明的进一步改进，所述血管树的形态至少包括所述血管树的面积、体积和血管树中血管段的管腔直径中的一种或几种；所述血流速度V通过所述血管树的形态计算获得时，所述几何参数还包括所述血管树中血管段的长度、灌注面积及分支角度中的一种或几种。
作为本发明的进一步改进，所述血流速度包括目标血管处于最大充血状态下的血流速度和静息状态下的血流速度；或者，所述几何模型的预处理包括通过病史信息和/或生理参数信息对几何模型进行修正。
为实现上述发明目的，本发明还提供了一种获取血管压力差的装置，所述获取血管压力差的装置包括：
数据采集器，所述数据采集器用于获取及存储血管系统的解剖模型中目标血管的几何参数；
压力差处理器，所述压力差处理器用于建立目标血管的血流模型，和基于所述几何参数建立的对应目标血管的几何模型；
所述压力差处理器还用于对所述几何模型和/或血流模型进行修正，并基于修正后的所述几何模型和所述血流模型获取横截面形态模型和血管压力差计算模型；同时，根据所述血管压力差计算模型和血流动力学，获取目标血管的压力差数值ΔP。
作为本发明的进一步改进，所述几何模型为通过对所述解剖模型的图像数据进行测算，并拟合校准获得；所述横截面形态模型为通过所述几何模型直接/间接获得；或者，所述横截面形态模型包括各横截面上斑块的有无、斑块的位置、斑块的大小、斑块形成的角度、斑块的组成及斑块组成的变化、斑块的形状及斑块形状的变化。
作为本发明的进一步改进，所述压力差处理器获取的几何模型包括至少一个血管树，所述血管树包括至少一段主动脉或者包括至少一段主动脉和由所述主动脉发出的多个冠状动脉；或者所述几何模型包括至少一段单支血管段。
作为本发明的进一步改进，所述获取血管压力差的装置还包括速度采集器，所述速度采集器用于获取目标血管的血流速度，所述血流速度用以推算所述目标血管近端终点与远端终点之间的压力差数值ΔP；
优选的，所述速度采集器包括速度计算模块及速度提取模块；所述速度提取模块可通过所述数据采集器直接采集获得血流速度，也可通过所述血流模型直接提取血流速度。
作为本发明的进一步改进，所述速度计算模块包括速度转换模块及速度测算模块，所述血流速度可通过血管中流体充盈的速度经所述速度转换模块转换获得，还可通过几何模型中血管树的形态经所述速度测算模块计算获得。
为实现上述发明目的，本发明还提供了一种获取血流储备分数的装置，所述获取血流储备分数的装置包括：
数据采集器，所述数据采集器用于获取及存储血管装置解剖模型中目标血管的几何参数；
血流信息处理器，所述血流信息处理器用于建立目标血管的血流模型，和基于所述几何参数建立对应目标血管的几何模型；
所述血流信息处理器还用于，对所述几何模型及血流模型进行修正以获取横截面形态模型，并基于所述横截面形态模型和所述血流模型，获取血管压力差计算模型和目标血管的最大血流速度；根据所述血管压力差计算模型和所述最大血流速度并结合血流动力学，计算获取血流储备分数FFR。
作为本发明的进一步改进，所述几何模型通过对所述解剖模型的图像数据进行测算，并拟合校准获得；所述横截面形态模型为通过所述几何模型直接/转换获得；
优选的，所述数据采集器接收到的所述图像数据为目标血管的造影图像数据时，所述数据采集器采集的所述图像数据不少于两组，任意两组所述图像数据之间存在采集角度差，且所述采集角度差不小于20度。
作为本发明的进一步改进，所述横截面形态模型包括各横截面上斑块的有无、斑块的位置、斑块的大小、斑块形成的角度、斑块的组成及斑块组成的变化、斑块的形状及斑块形状的变化。
作为本发明的进一步改进，所述血流信息处理器获取的几何模型包括至少一个血管树，所述血管树包括至少一段主动脉或者包括至少一段主动脉和由所述主动脉发出的多个冠状动脉；或者所述几何模型包括至少一段单支血管段。
作为本发明的进一步改进，所述血流信息处理器建立的血流模型包括固定血流模型及个性化血流模型；所述个性化血流模型包括静息态血流模型和负荷态血流模型；
优选的，所述血流模型为静息态血流模型时，所述最大血流速度可通过血管中流体充盈的速度计算获得；或者通过血管树的形态计算获得。
作为本发明的进一步改进，所述血管树的形态至少包括所述血管树的面积、体积和血管树中血管段的管腔直径中的一种或几种；所述最大血流速度通过所述血管树的形态计算获得时，所述几何参数还包括所述血管树中血管段的长度、灌注面积及分支角度中的一种或几种。
作为本发明的进一步改进，所述获取血流储备分数的装置还包括速度采集器，其用于获取目标血管的最大血流速度，所述最大血流速度用以推算所述目标血管近端终点处的第一血流压力Pa及目标血管近端终点与远端终点之间的压力差数值ΔP。
为实现上述发明目的，本发明还提供了一种用于获取患者血管压力差的设备，所述设备具有处理器，其中，所述处理器被设置为使得所述设备执行以下步骤：
收集患者待检血管的解剖数据；
根据所述解剖数据建立患者待检血管的血管模型并获取血流速度；
基于所述血管模型进一步建立不同尺度下管腔形态模型；
根据预设的形态差异函数，基于所述管腔形态模型以及所述血流速度确定待检血管任意两位置间的血管压力差。
作为本发明的进一步改进，所述尺度为相邻两横截面之间的距离。
作为本发明的进一步改进，所述形态差异函数通过所述管腔形态模型拟合建立获取，用于表示目标血管不同位置处的横截面形态变化随着该位置到参考点的距离x变化的函数；且所述形态差异函数为与所述待检血管的横截面积、直径或边缘距离有关的差异函数。
为实现上述发明目的，本发明还提供了一种获取血管压力差的方法，所述方法包括：
接收血管的解剖数据，根据所述解剖数据获取目标血管的几何模型；
对所述几何模型进行预处理，建立目标血管在近端终点和远端终点之间各个位置处的横截面形态模型；
以目标血管的近端终点为参考点，对不同尺度下的所述横截面形态模型进行拟合，计算目标血管管腔的形态差异函数f(x)，所述尺度为计算形态差异函数f(x)时相邻两横截面之间的距离；
此时，所述目标血管任意两位置处的压力差数值ΔP，所述ΔP在不同尺度下的计算公式为：
ΔP＝k*[α1*∫f1(x)dx+α2*∫f2(x)dx+…+αn*∫fn(x)dx]
其中，k为修正参数，且k为大于等于1的常数；
α1、α2、…、αn分别为不同尺度下血管管腔的形态差异函数f1(x)、f2(x)、…、fn(x)的加权系数；
优选的，所述不同尺度包括第一尺度、第二尺度、……、第n尺度；
所述第一尺度形态差异函数f1(x)用于检测第一种病变特征所引起的相邻两横截面形态模型所对应的几何形态差异；
所述第二尺度形态差异函数f2(x)用于检测第二种病变特征所引起的相邻两横截面形态模型所对应的几何形态差异；
……
所述第n尺度形态差异函数fn(x)用于检测第n种病变特征所引起的相邻两横截面形态模型所对应的几何形态差异；其中，所述n为大于等于1的自然数。
作为本发明的进一步改进，所述修正参数k为基于个体信息直接/间接获取的数值。
作为本发明的进一步改进，所述形态差异函数f(x)用于表示目标血管不同位置处的横截面形态变化随着该位置到参考点的距离x变化的函数。
本发明的有益效果是：本发明的获取血管压力差的方法通过建立横截面形态模型，获取目标血管各个横截面位置处的平面几何图像，并通过对不同位置处的横截面形态模型进行拟合建立形态差异函数，在血管压力差计算的过程中引入了横截面形态的概念，综合考虑了管腔中斑块的位置、形状等因素对血管压力差计算的影响；使得通过本发明的获取血管压力差的方法计算得到的血管压力差数值更加准确，可准确反映目标血管两端的压力变化；保证使用本发明的方法算得的血管压力差在应用至其它血流特征值的计算时，结果准确可靠。
附图说明
图1是本发明目标血管的一种形态下的几何模型的示意图。
图2是图1中D1位置处横截面形态模型的结构示意图。
图3是图1中D2位置处横截面形态模型的结构示意图。
图4是图2和图3中D1和D2位置处横截面形态模型拟合后的结构示意图。
图5是本发明目标血管的另一种形态下的几何模型的示意图。
图6是图5中D1位置处横截面形态模型的结构示意图。
图7是图5中D2位置处横截面形态模型的结构示意图。
图8是图6和图7中D1和D2位置处横截面形态模型拟合后的结构示意图。
图9是本发明获取血管压力差的装置的结构框图。
图10是本发明获取血流储备分数的装置的结构框图。
具体实施方式
为了使本发明的目的、技术方案和优点更加清楚，下面结合附图和具体实施例对本发明进行详细描述。
本发明提供了一种获取血管压力差的方法，所述获取血管压力差的方法包括以下步骤：
接收血管的解剖数据，根据所述解剖数据获取目标血管的几何模型；
根据所述解剖数据并结合个体数据，获取目标血管的血流模型；
对所述几何模型进行预处理，建立目标血管在近端终点和远端终点之间各个位置处的横截面形态模型；
以目标血管的近端终点为参考点，对不同尺度下的所述横截面形态模型进行拟合，计算目标血管管腔的形态差异函数f(x)，所述尺度为计算形态差异函数f(x)时相邻两横截面之间的距离；
基于所述目标血管管腔的形态差异函数f(x)和血流速度V，计算获得所述目标血管任意两位置处的压力差数值ΔP。
其中，所述血管包括冠脉血管、由冠脉血管发出的分支血管、血管树和单支血管段；所述个体数据包括个体普遍参数和个体特异性参数。
进一步的，所述压力差数值ΔP为通过不同尺度下的形态差异函数f(x)和目标血管的血流模型计算获得，且所述压力差数值ΔP在不同尺度下的计算公式为：
ΔP＝(c1V+c2V2+…+cmVm)*[α1*∫f1(x)dx+α2*∫f2(x)dx+…+αn*∫fn(x)dx]
其中，V为血流速度，为通过所述血流模型直接/间接获取；
c1、c2、…、cm分别代表血流速度V的参数系数，所述参数系数包括血液粘度影响因素、血液湍流影响因素及粘滞系数等多个参数系数；进一步的，m为大于等于1的自然数，以分别代表不同参数系数对血流速度V的影响，以对压力差数值ΔP进行修正，保证压力差数值ΔP计算的准确性。优选的，在本发明中m的取值为2，且当m为2时，c1为因血液流动摩擦产生的参数系数，c2为血液湍流产生的参数系数。
α1、α2、…、αn分别为不同尺度下血管管腔的形态差异函数f1(x)、f2(x)、…、fn(x)的加权系数，其中，n为尺度为大于等于1的自然数；进一步的，所述加权系数的增加可进一步对形态差异函数f(x)进行修正，保证两横截面之间形态差异拟合计算的准确性。
具体来讲，所述不同尺度包括第一尺度、第二尺度、……、第n尺度；
所述第一尺度形态差异函数f1(x)用于检测第一种病变特征所引起的相邻两横截面形态模型所对应的几何形态差异；
所述第二尺度形态差异函数f2(x)用于检测第二种病变特征所引起的相邻两横截面形态模型所对应的几何形态差异；
……
所述第n尺度形态差异函数fn(x)用于检测第n种病变特征所引起的相邻两横截面形态模型所对应的几何形态差异。
所述横截面形态模型为通过所述几何模型直接/间接获得，且在本发明中所述几何模型至少包括所述目标血管的形状、直径和面积等几何参数，进一步的，所述几何参数还包括血管段的弯曲角度等可以反映目标血管实际形态的参数。具体来讲，所述横截面形态模型的建立包括以下步骤：
S1、定义目标血管近端终点处的横截面为参考面，通过中心线提取与建立方法，获得所述几何模型的中心径线；
S2、以所述参考面的中心点为原点建立坐标系，沿垂直所述中心径线的方向对所述目标血管进行分割，将各横截面内外边缘投影在所述坐标系中，以获取目标血管在各个位置处管腔横截面的平面几何图像，横截面形态模型建立结束。
其中，所述横截面形态模型包括各横截面位置处的斑块信息，所述斑块信息即为目标血管的病变信息，且大量数据表明：当斑块(即为病变)的长度＞20mm时，将导致目标血管压力差数值ΔP的升高，进一步导致血流特征值如血流储备分数FFR的计算出现误差；而当同一横截面处斑块的组成复杂或尺寸过大致使目标血管的狭窄率高，则会进一步导致目标血管压力差数值ΔP的升高；同时当所述斑块处于不同的位置处时，目标血管所供应的心肌体积区域不同，将导致病变位置与非病变位置处的比例发生变化，进一步影响血流速度V，从而导致目标血管压力差数值ΔP发生偏差。
因此，在建立所述横截面形态模型时，所述斑块信息还需包括斑块的有无、斑块的位置、斑块的大小、斑块形成的角度、斑块的组成及斑块组成的变化、斑块的形状及斑块形状的变化，且在本发明中，各个位置处的管腔横截面的平面几何图像均需以步骤S2中建立的坐标系为参考，明确各横截面上斑块的位置，以方便横截面形态模型的后续拟合。
需要说明的是，在所述横截面形态模型的建立过程中，当所述解剖数据为采用CT、OCT、IVUS等检测手段获取时，所述横截面形态模型可通过所述几何模型直接获取，只需保证每个所述横截面形态模型的原点及坐标方向一致即可；当所述解剖数据为采用X射线等检测手段获取时，由于所述几何模型为沿血流方向延伸的立体模型，则在通过所述几何模型建立所述横截面形态模型时，需对所述几何模型进行坐标转换，以准确反应各个横截面的截面形态。
所述获取血管压力差的方法还包括对不同尺度下的所述横截面形态模型进行拟合，计算目标血管管腔的形态差异函数f(x)。其中，所述形态差异函数f(x)用于表示目标血管不同位置处的横截面形态变化随着该位置到参考点的距离x变化的函数；且所述形态差异函数f(x)的获取包括：
基于横截面形态模型，建立各横截面的形态函数；
对相邻两横截面的形态函数进行拟合，并获取相邻两横截面在不同尺度下的差异变化函数；
以目标血管的近端终点为参考点，根据差异变化函数获取管腔形态随着到参考点的距离x的变化率，对目标血管从近端终点到远端终点范围内的位置参数进行归一化处理，以最终获取形态差异函数f(x)。
所述形态函数包括面积函数、直径函数或边缘距离函数，即在本发明中可通过各横截面面积、直径或边缘距离函数之间的拟合，获取相邻两横截面在不同尺度下的差异变化函数；进一步的，通过差异变化函数获取管腔形态随着到参考点的距离x的变化率，获得形态差异函数f(x)。
具体来讲，当所述形态函数为面积函数时，如图1至图4，对D1和D2位置处的两横截面形态模型进行拟合，D1、D2位置处的横截面形态模型拟合后，有血管管腔斑块增加的区域为A1，对应的面积S1；血管管腔减少的区域为A2，对应的面积S2。由于所述D1和D2位置处的血管管腔(斑块)不重叠，因此当血流经D1处流向D2处时，血流压力将随之发生变化；此时，差异变化函数即为血管管腔中非重叠区域(S1、S2)与重叠区域之间面积(S3)的比值，或者为非重叠区域的面积(S1、S2)与总面积(S1、S2、S3)的比值；且此时，所述形态差异函数f(x)＞0，即横截面D1和D2之间存在压力差。进一步的，当所述D1和D2位置处的血管管腔(斑块)完全重叠时，如图5至图8，所述区域A1与A2完全重叠，即非重叠区域A1与A2的面积S1＝S2＝0，此时，差异变化函数为0，即所述形态差异函数f(x)＝0，此时，横截面D1和D2之间不存在压力差。
当所述形态函数为距离函数时，此时，确立选取的第一管腔边界上每个点与第二管腔边界上每个点的对应关系，然后求出第一管腔边界上的每个点与第二管腔边界上的每个点所对应的距离，减去沿着血管中心径线的距离，并获取所有点的距离之和或者是平均距离。具体来讲，若第一管腔边界与第二管腔边界的对应点到中心经线的距离均为y，则第一管腔与第二管腔的形态完全一致，即所述形态差异函数f(x)＝0；若第一管腔边界与第二管腔边界的对应点到中心经线的距离不同，则第一管腔与第二管腔的形态不完全一致，即所述形态差异函数f(x)＞0。
进一步的，在本发明中，所述压力差数值ΔP的计算还与目标血管的血流速度V有关，且在本发明中，所述血流速度V的获取可通过所述血流模型直接/间接获取。
具体来讲，在本发明中所述血流模型包括固定血流模型及个性化血流模型，且所述血流模型既可为数据计算模型也可为三维流体流动模型。其中所述固定血流模型即为经验值血流模型，当所述血流模型为固定血流模型时，所述血流速度V可从固定血流模型中直接获取，且在本发明中所述血流速度V还可为固定的参数；需要说明的是，所述固定血流模型的获取为根据临床实际经验，通过大数据采集及模拟的方法直接建立。
所述个性化血流模型包括静息态血流模型和负荷态血流模型；当所述血流模型为静息态血流模型时，所述血流速度V可通过流体充盈的速度计算获得；在本发明的一个实施例中，所述静息态血流模型为造影剂血流模型，此时所述血流速度V为利用灰度时间拟合函数获得的目标血管在造影过程中造影剂的平均流动速度；或者利用TIMI数帧法计算获得的所述目标血管在造影过程中造影剂的平均流动速度。
当所述静息态血流模型为CT血流模型时，所述血流速度V可通过血管树的形态计算获得，所述血管树的形态至少包括所述血管树的面积、体积和血管树中血管段的管腔直径中的一种或几种；所述血流速度V通过所述血管树的形态计算获得时，所述几何参数还包括所述血管树中血管段的长度、灌注面积及分支角度中的一种或几种。
在本发明的另一实施例中，所述血流模型为负荷态血流模型，此时所述血流速度V为注射腺苷血管充分扩张后的血流速度V，且此时，所述血流速度V为最大血流速度Vmax。
特别地，在本发明中所述血流速度V包括目标血管处于最大充血状态下的血流速度Vmax和静息状态下的血流速度Vqc，当目标血管位于冠脉区域时，所述血流速度V为最大充血状态下的血流速度Vmax，进一步的血流速度Vmax可直接通过血流模型获取，或通过血流模型计算的血流速度V转换获得；当目标血管位于外周血管系统时，所述血流速度V为静息态下的血流速度Vqc。
需要说明的是，为保证本发明的获取血管压力差的方法获得的压力差数值ΔP结果准确，在通过所述几何模型和所述血流模型获取所述横截面形态模型和所述血流速度V时，需通过病史信息和/或生理参数信息对所述血流模型和/或所述几何模型进行修正，且在本发明中所述病史信息包括影响血流速度或血液黏度的循环系统疾病、呼吸系统疾病、神经系统疾病、骨骼疾病、消化系统疾病、代谢性疾病及家族史等；所述生理参数包括年龄、性别、血压、身体质量指数及冠状动脉优势类型等可直接获取的生理信息。
进一步的，影响所述压力差数值ΔP的因素还包括心肌微循环阻力(IMR)及是否存在侧支循环。具体来讲，当目标血管存在心肌微循环阻力时，将影响微循环灌注，进一步影响目标血管的血流速度V，使得血流速度V减小，致使目标血管压力差数值ΔP的降低，从而导致血流特征值如血流储备分数FFR的计算出现误差。当目标血管存在侧支循环时，将导致流过目标血管的最大血流量减少，从而目标血管压力差数值ΔP的降低，血流储备分数FFR的计算值升高。
请参参阅图9所示，本发明还提供了一种获取血管压力差的装置，所述获取血管压力差的装置包括：
数据采集器，所述数据采集器用于获取及存储血管系统的解剖模型中目标血管的几何参数；
压力差处理器，所述压力差处理器用于建立目标血管的血流模型，和基于所述几何参数建立的对应目标血管的几何模型；
所述压力差处理器还用于对所述几何模型和/或血流模型进行修正，并基于修正后的所述几何模型和所述血流模型获取横截面形态模型和血管压力差计算模型；同时，根据所述血管压力差计算模型和血流动力学，获取目标血管近端终点处的第一血流压力Pa与目标血管近端终点和远端终点之间的压力差数值ΔP。
进一步的，所述几何模型为通过对所述解剖模型的图像数据进行测算，并拟合校准获得；具体来讲，所述压力差处理器获取的几何模型至少包括所述目标血管的形状、直径和面积等几何参数，所述几何参数还包括血管段的弯曲角度等可以反映目标血管实际形态的参数；即在本发明中，所述几何模型既可为单一血管段也可为血管树，且所述血管树包括主动脉和由所述主动脉发出的多个冠状动脉。
所述横截面形态模型为通过所述几何模型直接/间接获得，所述横截面形态模型包括各横截面上斑块的有无、斑块的位置、斑块的大小、斑块形成的角度、斑块的组成及斑块组成的变化、斑块的形状及斑块形状的变化。
进一步的，所述获取血管压力差的装置还包括速度采集器，所述速度采集器用于获取目标血管的血流速度，所述血流速度用以推算所述目标血管近端终点处的第一血流压力Pa及目标血管近端终点与远端终点之间的压力差数值ΔP。
所述速度采集器包括速度计算模块及速度提取模块；所述速度提取模块可通过所述数据采集器直接采集获得血流速度，也可通过所述血流模型直接提取血流速度。
所述速度计算模块包括速度转换模块及速度测算模块，所述血流速度可通过血管中流体充盈的速度经所述速度转换模块转换获得，还可通过几何模型中血管树的形态经速度测算模块计算获得。
优选的，所述压力差数值ΔP通过如下公式计算获得：
ΔP＝(c1V+c2V2+…+cmVm)
*[α1*∫f1(x)dx+α2*∫f2(x)dx+…+αn*∫fn(x)dx]
其中，V为血流速度，为通过所述血流模型直接/间接获取；c1、c2、…、cm分别代表血流速度V的参数系数，所述参数系数包括血液粘度影响因素、血液湍流影响因素及粘滞系数等多个参数系数；进一步的，m为大于等于1的自然数，以分别代表不同参数系数对血流速度V的影响，以对压力差数值ΔP进行修正，保证压力差数值ΔP计算的准确性。优选的，在本发明中m的取值为2，且当m为2时，c1为因血液流动摩擦产生的参数系数，c2为血液湍流产生的参数系数。
所述α1、α2、…、αn分别为不同尺度下血管管腔的形态差异函数f1(x)、f2(x)、…、fn(x)的加权系数，其中，n为尺度为大于等于1的自然数；进一步的，所述加权系数的增加可进一步对形态差异函数f(x)进行修正，保证两横截面之间形态差异拟合计算的准确性。
请参参阅图10所示，本发明还提供了一种获取血流储备分数的装置，所述获取血流储备分数的装置包括：
数据采集器，所述数据采集器用于获取及存储血管装置解剖模型中目标血管的几何参数；
血流信息处理器，所述血流信息处理器用于建立目标血管的血流模型，和基于所述几何参数建立对应目标血管的几何模型；
所述血流信息处理器还用于，对所述几何模型及血流模型进行修正以获取横截面形态模型，并基于所述横截面形态模型和所述血流模型，获取血管压力差计算模型和目标血管最大血流速度；根据所述血管压力差计算模型和所述最大血流速度并结合血流动力学，计算获取血流储备分数FFR。
所述几何模型为所述血流信息处理器通过对所述数据采集器获取的解剖模型的图像数据进行测算，并拟合校准获得；具体来讲，当所述解剖模型的图像数据为通过CT、OCT和IVUS等设备获取时，所述数据采集器可直接对所述图像数据进行收集，并传递至所述血流信息处理器进行拟合建立几何模型；而当所述解剖模型的图像数据为通过造影的方法获取时，所述数据采集器在对所述图像数据进行采集时，所述图像数据不少于两组，任意两组所述图像数据之间存在采集角度差，且所述采集角度差不小于20度，如此设置，所述血流信息处理器获取的几何模型时，可保证几何模型的建立准确。
进一步的，所述横截面形态模型为通过所述几何模型直接/转换获得，且所述横截面形态模型包括各横截面上斑块的有无、斑块的位置、斑块的大小、斑块形成的角度、斑块的组成及斑块组成的变化、斑块的形状及斑块形状的变化。
所述血流信息处理器建立的血流模型包括固定血流模型及个性化血流模型；所述个性化血流模型包括静息态血流模型和负荷态血流模型。
当所述血流模型为静息态血流模型时，所述最大血流速度可通过血管中流体充盈的速度计算获得；或者通过血管树的形态计算获得。当所述最大血流速度通过所述血管树的形态计算获得时，所述几何模型包括至少一个血管树，所述血管树包括至少一个主动脉血管段或者至少一个主动脉和由所述主动脉发出的多个冠状动脉，或者所述几何模型包括至少一个单支血管段；此时所述几何参数还包括所述血管树中血管段的长度、灌注面积及分支角度中的一种或几种，所述血管树的形态至少包括所述血管树的面积、体积和血管树中血管段的管腔直径中的一种或几种。
进一步的，所述获取血管压力差的装置还包括速度采集器，所述速度采集器用于获取目标血管的最大血流速度，所述最大血流速度用以推算所述目标血管近端终点处的第一血流压力Pa及目标血管近端终点与远端终点之间的压力差数值ΔP。
优选的，所述压力差数值ΔP的计算公式为：
ΔP＝(c1V+c2V2+…+cmVm)
*[α1*∫f1(x)dx+α2*∫f2(x)dx+…+αn*∫fn(x)dx]
其中，c1、c2、…、cm分别代表血流速度的参数系数，所述参数系数包括血液粘度影响因数、血液湍流影响因数及粘滞系数等多个参数系数；进一步的，m为大于等于1的自然数，以分别代表不同参数系数对血流速度的影响，以对压力差数值ΔP进行修正，保证压力差数值ΔP计算的准确性。优选的，在本发明中所述m的取值为2，且当所述m为2时，c1为因血液流动摩擦产生的参数系数，c2为血液湍流产生的参数系数。
所述α1、α2、…、αn分别为不同尺度下血管管腔的形态差异函数f1(x)、f2(x)、…、fn(x)的加权系数，其中，n为尺度为大于等于1的自然数；进一步的，所述加权系数的增加可进一步对形态差异函数f(x)进行修正，保证两横截面之间形态差异拟合计算的准确性。
本发明还提供了一种用于获取患者血管压力差的设备，所述设备具有处理器，其中，所述处理器被设置为使得所述设备执行以下步骤：
收集患者待检血管的解剖数据；
根据所述解剖数据建立患者待检血管的血管模型；
基于所述血管模型进一步建立不同尺度下管腔形态模型；
根据预设的形态差异函数，基于所述管腔形态模型以及所述血管模型确定待检血管任意两位置间的血管压力差。
所述“处理器”包括接收和/或生成信号的任意装置，所述处理器处理的数据可以是文本消息、物体/流体运动的指令、应用程序的输入或一些其它信息；所述待检血管的备选术语可以为目标血管或感兴趣血管；且所述待检血管包括冠脉血管、由冠脉血管发出的分支血管、血管树和单支血管段等个体任意位置处的血管组织；所述血管模型至少包括所述几何模型和所述血流模型中的一种，且所述血管模型的备选术语还可为管腔模型、流体流动模型等可反映个体待检血管形态和血管内流体流动情况的模型，进一步的，所述血管模型包括待检血管的长度、直径、弯曲角度及待检血管中分支血管的存在、分支血管的角度、分支血管的数量等与所述待检血管的几何形貌有关的数据。
在本实施例中，所述管腔形态模型的备选术语还可为横截面形态模型，且所述管腔形态模型包括斑块的有无、斑块的位置、斑块的大小、斑块形成的角度、斑块的组成及斑块组成的变化、斑块的形状及斑块形状的变化；进一步的所述管腔形态模型的建立包括以下步骤：
S1、定义待检近端终点处的横截面为参考面，通过中心线提取方法，建立获取所述血管模型的中心径线；
S2、以所述参考面的中心点为原点建立坐标系，沿垂直所述中心径线的方向对所述待检血管进行分割，将各横截面内外边缘投影在所述坐标系中，以获取待检血管在各个位置处管腔形态的平面几何图像，管腔形态模型建立结束。
在本发明中，各个位置处的管腔形态的平面几何图像均需以步骤S2中建立的坐标系为参考，明确各管腔截面上斑块的位置，以方便管腔形态模型的后续拟合。
需要说明的是，在所述管腔形态模型的建立过程中，当所述解剖数据为采用CT、OCT、IVUS等检测手段获取时，所述管腔形态模型可通过所述血管模型直接获取，只需保证每个所述管腔形态模型的原点及坐标方向一致即可；当所述解剖数据为采用X射线等检测手段获取时，由于所述血管模型为沿血流方向延伸的立体模型，则在通过所述血管模型建立所述管腔形态模型时，需对所述血管模型进行坐标转换，以准确反映各个截面的截面形态。
所述处理器还用于基于预设的形态差异函数，通过所述管腔形态模型以及所述血管模型确定待检血管任意两位置间的血管压力差。其中，所述形态差异函数通过所述管腔形态模型拟合建立获取，用于表示待检血管不同位置处的管腔形态变化随着该位置到参考点的距离x变化的函数；且所述形态差异函数包括与待检血管的面积、体积、边缘位置和边缘形态有关的可以体现待检血管任意两位置间形态差异的差异函数，且所述差异函数可通过管腔形态模型直接/间接获取。
所述解剖数据在其他实施例中还可定义为解剖数据等可从图像获取装置直接和/或间接获取的可反映管腔形态的参数。
即在另一上下文中，所述处理器、待检血管、解剖数据、管腔形态模型和血管模型可以为具有相同含义的不同名称。
所述尺度为所述尺度为相邻两横截面之间的距离；所述不同尺度包括第一尺度、第二尺度、……、第n尺度；
所述第一尺度形态差异函数f1(x)用于检测第一种病变特征所引起的相邻两横截面形态模型所对应的几何形态差异；
所述第二尺度形态差异函数f2(x)用于检测第二种病变特征所引起的相邻两横截面形态模型所对应的几何形态差异；
……
所述第n尺度形态差异函数fn(x)用于检测第n种病变特征所引起的相邻两横截面形态模型所对应的几何形态差异。
进一步的，在本发明中所述血管模型的建立方式与所述血流模型和所述几何模型的建立方式基本相同，其差别点仅在于所述血管模型可同时包括待检血管段的形态和血流信息，故在本实施方式中，所述血管模型的具体建立方式与此不在赘述。
当然，在本装置中所述影响所述血管压力差的因素包括病史信息和/或生理参数；所述病史信息包括影响血流速度或血液黏度的循环系统疾病、呼吸系统疾病、神经系统疾病、骨骼疾病、消化系统疾病、代谢性疾病、肿瘤疾病及家族病史中的一个或多个；所述生理参数包括年龄、性别、血压及身体质量指数等可直接获取的生理信息中的一个或多个。
进一步的，在本发明中所述处理器还可用于运行如下公式以计算获得所述血管压力差ΔP：
ΔP＝(c1V+c2V2+…+cmVm)
*[α1*∫f1(x)dx+α2*∫f2(x)dx+…+αn*∫fn(x)dx]
其中，V为血流速度，为通过所述血流模型直接/间接获取；c1、c2、…、cm分别代表血流速度V的参数系数，所述参数系数包括血液粘度影响因素、血液湍流影响因素及粘滞系数等多个参数系数；进一步的，m为大于等于1的自然数，以分别代表不同参数系数对血流速度V的影响，以对压力差数值ΔP进行修正，保证血管压力差ΔP计算的准确性。优选的，在本发明中m的取值为2，且当m为2时，c1为因血液流动摩擦产生的参数系数，c2为血液湍流产生的参数系数。
所述α1、α2、…、αn分别为不同尺度下血管管腔的形态差异函数f1(x)、f2(x)、…、fn(x)的加权系数，其中，n为尺度为大于等于1的自然数；进一步的，所述加权系数的增加可进一步对形态差异函数f(x)进行修正，保证两横截面之间形态差异拟合计算的准确性。
本发明还提供了另一种获取血管压力差的方法，所述方法包括：
接收血管的解剖数据，根据所述解剖数据获取目标血管的几何模型；
对所述几何模型进行预处理，建立目标血管在近端终点和远端终点之间各个位置处的横截面形态模型；
以目标血管的近端终点为参考点，对不同尺度下的所述横截面形态模型进行拟合，计算目标血管管腔的形态差异函数f(x)，所述尺度为计算形态差异函数f(x)时相邻两横截面之间的距离；
此时，所述目标血管任意两位置处的压力差数值ΔP，所述ΔP在不同尺度下的计算公式为：
ΔP＝k*[α1*∫f1(x)dx+α2*∫f2(x)dx+…+αn*∫fn(x)dx]
其中，k为修正参数，且k为大于等于1的常数；
α1、α2、…、αn分别为不同尺度下血管管腔的形态差异函数f1(x)、f2(x)、…、fn(x)的加权系数；
优选的，所述不同尺度包括第一尺度、第二尺度、……、第n尺度；
所述第一尺度形态差异函数f1(x)用于检测第一种病变特征所引起的相邻两横截面形态模型所对应的几何形态差异；
所述第二尺度形态差异函数f2(x)用于检测第二种病变特征所引起的相邻两横截面形态模型所对应的几何形态差异；
……
所述第n尺度形态差异函数fn(x)用于检测第n种病变特征所引起的相邻两横截面形态模型所对应的几何形态差异；其中，所述n为大于等于1的自然数。
进一步的，所述修正参数k为基于个体信息直接/间接获取的数值，即在本发明中所述修正参数k为通过估算或测试设备直接/间接获取的数据，所述修正参数k可与个体的特异性信息或常规信息相关。
所述形态差异函数f(x)用于表示目标血管不同位置处的横截面形态变化随着该位置到参考点的距离x变化的函数，所述形态差异函数f(x)的获取包括：
基于横截面形态模型，建立各横截面的形态函数；
对相邻两横截面的形态函数进行拟合，并获取相邻两横截面在不同尺度下的差异变化函数；
以目标血管的近端终点为参考点，根据差异变化函数获取管腔形态随着到参考点的距离x的变化率，对目标血管从近端终点到远端终点范围内的位置参数进行归一化处理，以最终获取形态差异函数f(x)。
所述形态函数包括面积函数、直径函数或边缘距离函数，即在本发明中可通过各横截面面积、直径或边缘距离函数之间的拟合，获取相邻两横截面在不同尺度下的差异变化函数；进一步的，通过差异变化函数获取管腔形态随着到参考点的距离x的变化率，获得形态差异函数f(x)。即，所述形态差异函数f(x)为与目标血管的两横截面的横截面面积变化、各个位置处的直径变化或各个位置处的边缘距离变化有关的函数。
进一步的，所述横截面形态模型中包括各横截面位置处的斑块信息，其中所述斑块信息即为目标血管的病变信息，所述横截面形态模型在建立过程中，所述斑块信息还需包括斑块的有无、斑块的位置、斑块的大小、斑块形成的角度、斑块的组成及斑块组成的变化、斑块的形状及斑块形状的变化，且在本实施例中，所述横截面形态模型的建立包括以下步骤：
S1、定义目标血管近端终点处的横截面为参考面，通过中心线提取方法提取目标血管的中心线，并建立获取所述几何模型的中心径线；
S2、以所述参考面的中心点为原点建立坐标系，沿垂直所述中心径线的方向对所述目标血管进行分割，将各横截面内外边缘投影在所述坐标系中，以获取目标血管在各个位置处管腔横截面的平面几何图像，横截面形态模型建立结束。
其中，各个位置处的管腔横截面的平面几何图像均需以步骤S2中建立的坐标系为参考，如此设置，可明确各横截面上斑块的位置，以方便横截面形态模型的后续拟合，进一步明确不同的斑块形态的差异对血管压力差的影响。
需要指出的是，本说明书中的装置及功能模块仅仅为示例性的给出实现该技术方案的基本结构，而非唯一结构。
综上所述，本发明的获取血管压力差的方法通过建立横截面形态模型，获取目标血管各个横截面位置处的平面几何图像，并通过对不同位置处的横截面形态模型进行拟合建立形态差异函数，在血管压力差计算的过程中引入了横截面形态的概念，综合考虑了管腔中斑块的位置、形状等因素对血管压力差计算的影响；使得通过本发明的获取血管压力差的方法计算得到的血管压力差数值更加准确，可准确反映目标血管两端的压力变化；保证使用本发明的方法算得的血管压力差在应用至其它血流特征值的计算时，结果准确可靠。
以上实施例仅用以说明本发明的技术方案而非限制，尽管参照较佳实施例对本发明进行了详细说明，本领域的普通技术人员应当理解，可以对本发明的技术方案进行修改或者等同替换，而不脱离本发明技术方案的精神和范围。

Claims (31)

1.一种获取血管压力差的方法，其特征在于，所述方法包括：
接收血管的解剖数据，根据所述解剖数据获取目标血管的几何模型；
根据所述解剖数据并结合个体数据，获取目标血管的血流模型；
对所述几何模型进行预处理，建立目标血管在近端终点和远端终点之间各个位置处的横截面形态模型；
所述横截面形态模型的建立包括：
S1、定义感兴趣区域血管段近端终点处的横截面为参考面，通过对几何模型的中心线进行提取，以获取所述几何模型的中心径线；
S2、以所述参考面的中心点为原点建立坐标系，沿垂直所述中心径线的方向对所述感兴趣区域血管段进行分割，将各横截面内外边缘投影在所述坐标系中，以获取目标血管在各个位置处管腔横截面的平面几何图像，横截面形态模型建立结束；
所述横截面形态模型包括各横截面上斑块的有无、斑块的位置、斑块的大小、斑块形成的角度、斑块的组成及斑块组成的变化、斑块的形状及斑块形状的变化；
以目标血管的近端终点为参考点，对不同尺度下的所述横截面形态模型进行拟合，计算目标血管管腔的形态差异函数f(x)，所述尺度为计算形态差异函数f(x)时相邻两横截面之间的距离；
基于所述目标血管管腔的形态差异函数f(x)和血流模型，计算获得所述目标血管任意两位置处的压力差数值ΔP。
2.根据权利要求1所述的获取血管压力差的方法，其特征在于：所述血管包括冠脉血管、由冠脉血管发出的分支血管、血管树和单支血管段；所述个体数据包括个体普遍参数和个体特异性参数；所述血流模型至少包括所述目标血管的血流速度V。
3.根据权利要求1所述的获取血管压力差的方法，其特征在于：所述压力差数值ΔP通过目标血管管腔在不同尺度下的形态差异函数f(x)和目标血管的血流模型计算获得，所述ΔP在不同尺度下的计算公式为：
ΔP＝(c1V+c2V2+…+cmVm)*[α1*∫f1(x)dx+α2*∫f2(x)dx+…+αn*∫fn(x)dx]
其中，V为血流速度，为通过所述血流模型直接/间接获取；
c1、c2、...、cm分别代表血流速度V的参数系数；
α1、α2、...、αn分别为不同尺度下血管管腔的形态差异函数f1(x)、f2(x)、...、fn(x)的加权系数；
m为大于等于1的自然数；
n为尺度为大于等于1的自然数。
4.根据权利要求3所述的获取血管压力差的方法，其特征在于：所述不同尺度包括第一尺度、第二尺度、......、第n尺度；
所述第一尺度形态差异函数f1(x)用于检测第一种病变特征所引起的相邻两横截面形态模型所对应的几何形态差异；
所述第二尺度形态差异函数f2(x)用于检测第二种病变特征所引起的相邻两横截面形态模型所对应的几何形态差异；
......
所述第n尺度形态差异函数fn(x)用于检测第n种病变特征所引起的相邻两横截面形态模型所对应的几何形态差异；其中，所述n为大于等于1的自然数。
5.根据权利要求1所述的获取血管压力差的方法，其特征在于：所述形态差异函数f(x)用于表示目标血管不同位置处的横截面形态变化随着该位置到参考点的距离x变化的函数。
6.根据权利要求5所述的获取血管压力差的方法，其特征在于：所述形态差异函数f(x)的获取包括：
基于横截面形态模型，建立各横截面的形态函数；
对相邻两横截面的形态函数进行拟合，并获取相邻两横截面在不同尺度下的差异变化函数；
以目标血管的近端终点为参考点，根据差异变化函数获取管腔形态随着到参考点的距离x的变化率，对目标血管从近端终点到远端终点范围内的位置参数进行归一化处理，获取形态差异函数f(x)。
7.根据权利要求6所述的获取血管压力差的方法，其特征在于：所述形态函数包括面积函数、直径函数和边缘位置函数。
8.根据权利要求2所述的获取血管压力差的方法，其特征在于：所述血流模型的获取还包括通过病史信息和/或生理参数信息对所述血流模型进行修正，并通过修正后的血流模型获得。
9.根据权利要求8所述的获取血管压力差的方法，其特征在于：所述血流模型包括固定血流模型及个性化血流模型。
10.根据权利要求9所述的获取血管压力差的方法，其特征在于：所述个性化血流模型包括静息态血流模型和负荷态血流模型；当所述血流模型为静息态血流模型时，所述血流速度V可通过血管内流体充盈的速度计算获得；或者通过血管树的形态计算获得。
11.根据权利要求10所述的获取血管压力差的方法，其特征在于：所述血管树的形态至少包括所述血管树的面积、体积和血管树中血管段的管腔直径中的一种或几种；所述血流速度V通过所述血管树的形态计算获得时，几何参数包括所述血管树中血管段的长度、灌注面积及分支角度中的一种或几种。
12.根据权利要求2所述的获取血管压力差的方法，其特征在于：所述血流速度V包括目标血管处于最大充血状态下的血流速度和静息状态下的血流速度；或者，所述几何模型的预处理包括通过病史信息和/或生理参数信息对几何模型进行修正。
13.一种获取血管压力差的装置，其特征在于，包括：
数据采集器，所述数据采集器用于获取及存储血管系统的解剖模型中目标血管的几何参数；
压力差处理器，所述压力差处理器用于建立目标血管的血流模型，和基于所述几何参数建立的对应目标血管的几何模型；
所述压力差处理器还用于对所述几何模型和/或血流模型进行修正，并基于修正后的所述几何模型和所述血流模型获取横截面形态模型和血管压力差计算模型；所述横截面形态模型包括各横截面上斑块的有无、斑块的位置、斑块的大小、斑块形成的角度、斑块的组成及斑块组成的变化、斑块的形状及斑块形状的变化；
所述横截面形态模型的建立包括：
S1、定义感兴趣区域血管段近端终点处的横截面为参考面，通过对几何模型的中心线进行提取，以获取所述几何模型的中心径线；
S2、以所述参考面的中心点为原点建立坐标系，沿垂直所述中心径线的方向对所述感兴趣区域血管段进行分割，将各横截面内外边缘投影在所述坐标系中，以获取目标血管在各个位置处管腔横截面的平面几何图像，横截面形态模型建立结束；
同时，根据所述血管压力差计算模型和血流动力学，获取目标血管的压力差数值ΔP。
14.根据权利要求13所述的获取血管压力差的装置，其特征在于：所述几何模型为通过对所述解剖模型的图像数据进行测算，并拟合校准获得；所述横截面形态模型为通过所述几何模型直接/间接获得。
15.根据权利要求13所述的获取血管压力差的装置，其特征在于：所述压力差处理器获取的几何模型包括至少一个血管树，所述血管树包括至少一段主动脉或者包括至少一段主动脉和由所述主动脉发出的多个冠状动脉；或者所述几何模型包括至少一段单支血管段。
16.根据权利要求13所述的获取血管压力差的装置，其特征在于：所述获取血管压力差的装置还包括速度采集器，所述速度采集器用于获取目标血管的血流速度，所述血流速度用以推算所述目标血管近端终点与远端终点之间的压力差数值ΔP。
17.根据权利要求16所述的获取血管压力差的装置，其特征在于：所述速度采集器包括速度计算模块及速度提取模块；所述速度提取模块可通过所述数据采集器直接采集获得血流速度，也可通过所述血流模型直接提取血流速度。
18.根据权利要求17所述的获取血管压力差的装置，其特征在于：所述速度计算模块包括速度转换模块及速度测算模块，所述血流速度可通过血管中流体充盈的速度经所述速度转换模块转换获得，还可通过几何模型中血管树的形态经所述速度测算模块计算获得。
19.一种获取血流储备分数的装置，其特征在于，包括：
数据采集器，所述数据采集器用于获取及存储血管装置解剖模型中目标血管的几何参数；
血流信息处理器，所述血流信息处理器用于建立目标血管的血流模型，和基于所述几何参数建立对应目标血管的几何模型；
所述血流信息处理器还用于，对所述几何模型及血流模型进行修正以获取横截面形态模型，所述横截面形态模型包括各横截面上斑块的有无、斑块的位置、斑块的大小、斑块形成的角度、斑块的组成及斑块组成的变化、斑块的形状及斑块形状的变化；并基于所述横截面形态模型和所述血流模型，获取血管压力差计算模型和目标血管的最大血流速度；根据所述血管压力差计算模型和所述最大血流速度并结合血流动力学，计算获取血流储备分数FFR；
其中，所述横截面形态模型的建立包括：
S1、定义感兴趣区域血管段近端终点处的横截面为参考面，通过对几何模型的中心线进行提取，以获取所述几何模型的中心径线；
S2、以所述参考面的中心点为原点建立坐标系，沿垂直所述中心径线的方向对所述感兴趣区域血管段进行分割，将各横截面内外边缘投影在所述坐标系中，以获取目标血管在各个位置处管腔横截面的平面几何图像，横截面形态模型建立结束。
20.根据权利要求19所述的获取血流储备分数的装置，其特征在于：所述几何模型通过对所述解剖模型的图像数据进行测算，并拟合校准获得；所述横截面形态模型为通过所述几何模型直接/转换获得。
21.根据权利要求20所述的获取血流储备分数的装置，其特征在于：所述数据采集器接收到的所述图像数据为目标血管的造影图像数据时，所述数据采集器采集的所述图像数据不少于两组，任意两组所述图像数据之间存在采集角度差，且所述采集角度差不小于20度。
22.根据权利要求19所述的获取血流储备分数的装置，其特征在于：所述血流信息处理器获取的几何模型包括至少一个血管树，所述血管树包括至少一段主动脉或者包括至少一段主动脉和由所述主动脉发出的多个冠状动脉；或者所述几何模型包括至少一段单支血管段。
23.根据权利要求19所述的获取血流储备分数的装置，其特征在于：所述血流信息处理器建立的血流模型包括固定血流模型及个性化血流模型；所述个性化血流模型包括静息态血流模型和负荷态血流模型。
24.根据权利要求23所述的获取血流储备分数的装置，其特征在于：所述血流模型为静息态血流模型时，所述最大血流速度可通过血管中流体充盈的速度计算获得；或者通过血管树的形态计算获得。
25.根据权利要求24 所述的获取血流储备分数的装置，其特征在于：所述血管树的形态至少包括所述血管树的面积、体积和血管树中血管段的管腔直径中的一种或几种；所述最大血流速度通过所述血管树的形态计算获得时，所述几何参数还包括所述血管树中血管段的长度、灌注面积及分支角度中的一种或几种。
26.根据权利要求19所述的获取血流储备分数的装置，其特征在于：所述获取血流储备分数的装置还包括速度采集器，其用于获取目标血管的最大血流速度，所述最大血流速度用以推算所述目标血管近端终点处的第一血流压力Pa及目标血管近端终点与远端终点之间的压力差数值ΔP。
27.一种用于获取患者血管压力差的设备，所述设备具有处理器，其特征在于：所述处理器被设置为使得所述设备执行以下步骤：
收集患者待检血管的解剖数据；
根据所述解剖数据建立患者待检血管的血管模型；
基于所述血管模型进一步建立不同尺度下管腔形态模型；
根据预设的形态差异函数，基于所述管腔形态模型以及所述血管模型确定待检血管任意两位置间的血管压力差；
所述形态差异函数通过所述管腔形态模型拟合建立获取，用于表示目标血管不同位置处的横截面形态变化随着该位置到参考点的距离x变化的函数；且所述形态差异函数包括与所述目标血管的横截面积或直径或边缘距离有关的差异函数。
28.根据权利要求27所述的用于获取患者血管压力差的设备，其特征在于：所述尺度为相邻两横截面之间的距离。
29.一种获取血管压力差的方法，其特征在于，所述方法包括：
接收血管的解剖数据，根据所述解剖数据获取目标血管的几何模型；
对所述几何模型进行预处理，建立目标血管在近端终点和远端终点之间各个位置处的横截面形态模型；
以目标血管的近端终点为参考点，对不同尺度下的所述横截面形态模型进行拟合，计算目标血管管腔的形态差异函数f(x)，所述尺度为计算形态差异函数f(x)时相邻两横截面之间的距离，所述形态差异函数f(x)用于表示目标血管不同位置处的横截面形态变化随着该位置到参考点的距离x变化的函数；
此时，所述目标血管任意两位置处的压力差数值ΔP，所述ΔP在不同尺度下的计算公式为：
ΔP＝k*[α1*∫f1(x)dx+α2*∫f2(x)dx+…+αn*∫fn(x)dx]
其中，k为修正参数，且k为大于等于1的常数；
α1、α2、...、αn分别为不同尺度下血管管腔的形态差异函数f1(x)、f2(x)、...、fn(x)的加权系数；。
30.根据权利要求29所述的获取血管压力差的方法，其特征在于：所述不同尺度包括第一尺度、第二尺度、......、第n尺度；
所述第一尺度形态差异函数f1(x)用于检测第一种病变特征所引起的相邻两横截面形态模型所对应的几何形态差异；
所述第二尺度形态差异函数f2(x)用于检测第二种病变特征所引起的相邻两横截面形态模型所对应的几何形态差异；
......
所述第n尺度形态差异函数fn(x)用于检测第n种病变特征所引起的相邻两横截面形态模型所对应的几何形态差异；其中，所述n为大于等于1的自然数。
31.根据权利要求29所述的获取血管压力差的方法，其特征在于，所述修正参数k为基于个体信息直接/间接获取的数值。
CN201810637750.8A 2018-06-20 2018-06-20 获取血管压力差的方法及装置 Active CN109065170B (zh)

Priority Applications (4)

Application Number Priority Date Filing Date Title
CN201810637750.8A CN109065170B (zh) 2018-06-20 2018-06-20 获取血管压力差的方法及装置
JP2020570780A JP7118464B2 (ja) 2018-06-20 2018-09-30 血管圧差を取得する方法及び装置
PCT/CN2018/109077 WO2019242159A1 (zh) 2018-06-20 2018-09-30 获取血管压力差的方法及装置
US17/254,255 US20210259559A1 (en) 2018-06-20 2018-09-30 Method and device for obtaining vascular pressure difference

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810637750.8A CN109065170B (zh) 2018-06-20 2018-06-20 获取血管压力差的方法及装置

Publications (2)

Publication Number Publication Date
CN109065170A CN109065170A (zh) 2018-12-21
CN109065170B true CN109065170B (zh) 2021-11-19

Family

ID=64821109

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810637750.8A Active CN109065170B (zh) 2018-06-20 2018-06-20 获取血管压力差的方法及装置

Country Status (4)

Country Link
US (1) US20210259559A1 (zh)
JP (1) JP7118464B2 (zh)
CN (1) CN109065170B (zh)
WO (1) WO2019242159A1 (zh)

Families Citing this family (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109770930B (zh) * 2019-01-29 2021-03-09 浙江大学 一种冠状动脉微循环阻力的确定方法和装置
EP3949860A4 (en) * 2019-04-15 2023-01-04 Shanghai Pulse Medical Technology Inc. METHOD AND APPARATUS FOR ACQUIRING BLOOD FLOW VOLUME AND BLOOD FLOW VELOCITY OF A CORONARY ARTERY
CN110786840B (zh) * 2019-11-04 2021-06-08 苏州润迈德医疗科技有限公司 基于生理参数获取血管评定参数的方法、装置及存储介质
CN113487588B (zh) 2020-03-02 2024-03-22 上海博动医疗科技股份有限公司 冠状动脉的血流速度的计算方法、装置及电子设备
CN113180631A (zh) * 2021-04-29 2021-07-30 博动医学影像科技（上海）有限公司 基于血管内成像的血流速度、血流储备分数的分析方法
CN113876304A (zh) * 2021-09-08 2022-01-04 深圳市中科微光医疗器械技术有限公司 一种基于oct图像和造影图像确定ffr的方法及装置
CN115758945B (zh) * 2023-02-13 2023-06-09 首都医科大学附属北京友谊医院 数值模型构建方法、装置、电子设备及存储介质
CN116746893A (zh) * 2023-06-16 2023-09-15 上海博动医疗科技股份有限公司 基于单体位造影数据的血管压力差计算方法及装置

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105326486A (zh) * 2015-12-08 2016-02-17 上海交通大学 血管压力差与血流储备分数的计算方法及系统
CN107115108A (zh) * 2017-04-27 2017-09-01 博动医学影像科技（上海）有限公司 快速计算血管压力差的方法及系统

Family Cites Families (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8315812B2 (en) * 2010-08-12 2012-11-20 Heartflow, Inc. Method and system for patient-specific modeling of blood flow
US10398386B2 (en) * 2012-09-12 2019-09-03 Heartflow, Inc. Systems and methods for estimating blood flow characteristics from vessel geometry and physiology
US10433740B2 (en) * 2012-09-12 2019-10-08 Heartflow, Inc. Systems and methods for estimating ischemia and blood flow characteristics from vessel geometry and physiology
NL2012459B1 (en) * 2014-03-18 2016-01-08 Medis Ass B V Method and device for determining deviation in pressure in a blood vessel.
US9087147B1 (en) 2014-03-31 2015-07-21 Heartflow, Inc. Systems and methods for determining blood flow characteristics using flow ratio
US9195801B1 (en) 2014-08-05 2015-11-24 Heartflow, Inc. Systems and methods for treatment planning based on plaque progression and regression curves
EP3326092B1 (en) 2015-07-17 2024-04-17 HeartFlow, Inc. Systems and methods for assessing the severity of plaque and/or stenotic lesions using contrast distribution predictions and measurements
WO2018133118A1 (zh) * 2017-01-23 2018-07-26 上海联影医疗科技有限公司 血流状态分析系统及方法
CN107491636B (zh) * 2017-07-26 2021-03-16 武汉大学 一种基于计算流体力学的脑血管储备力仿真系统和方法
EP3456249A1 (en) * 2017-09-15 2019-03-20 Koninklijke Philips N.V. Using archived patient data to correct intravascular measurements for patient co-morbidities
CN107730540B (zh) * 2017-10-09 2020-11-17 全景恒升（北京）科学技术有限公司 基于高精度匹配模型的冠脉参数的计算方法
CN108022650B (zh) * 2017-12-07 2020-11-17 博动医学影像科技（上海）有限公司 管腔建模方法及计算血管压力差的方法与系统
EP3809960A1 (en) * 2018-06-19 2021-04-28 Abiomed, Inc. Systems and methods for system identification

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105326486A (zh) * 2015-12-08 2016-02-17 上海交通大学 血管压力差与血流储备分数的计算方法及系统
CN107115108A (zh) * 2017-04-27 2017-09-01 博动医学影像科技（上海）有限公司 快速计算血管压力差的方法及系统

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
冠心病患者微循环阻力指数测定的临床意义;廖念西 等;《中国介入心脏病学杂志》;20170831;第25卷(第8期);第461-463页 *

Also Published As

Publication number Publication date
WO2019242159A1 (zh) 2019-12-26
JP2021529577A (ja) 2021-11-04
CN109065170A (zh) 2018-12-21
JP7118464B2 (ja) 2022-08-16
US20210259559A1 (en) 2021-08-26

Similar Documents

Publication Publication Date Title
CN109065170B (zh) 获取血管压力差的方法及装置
CN108742587B (zh) 基于病史信息获取血流特征值的方法及装置
CN111134651B (zh) 基于腔内影像计算血流储备分数的方法、装置、系统以及计算机存储介质
CN105326486B (zh) 血管压力差与血流储备分数的计算方法及系统
US10258303B2 (en) Apparatus for determining a fractional flow reserve value
CN108717874B (zh) 基于特定的生理参数获取血管压力值的方法及装置
CN109009061B (zh) 基于血压修正获取血流特征值的计算方法及装置
CN108742570B (zh) 基于冠脉优势类型获取血管压力差的装置
CN106163388A (zh) 用于处理生命体的心脏数据的处理装置和方法
CN109620199B (zh) 建立血管截面函数、血管压力差和血管应力的方法及装置
CN108742667B (zh) 基于身体质量指数获取血流特征值的方法和装置
CN109009037B (zh) 基于个体性别获取血管压力差的计算方法及装置
WO2018050806A1 (en) Apparatus and method for determining a fractional flow reserve
CN109044324B (zh) 基于斑块位置修正血流特征值的方法及装置
CN108784676B (zh) 基于年龄信息获取压力差的方法及装置
CN108777174B (zh) 基于心梗史信息获取血管压力差的方法及装置
CN108742562B (zh) 基于高血脂信息获取血管压力差的方法及装置
CN108742586B (zh) 基于糖尿病病史信息获取血流特征值的方法及装置
CN108742547B (zh) 基于吸烟史信息获取压力差的方法及装置
CN117476238A (zh) 用于评估心肌缺血的计算流体力学仿真分析方法及系统
CN117462156A (zh) 一种基于生理特异性的冠脉血流模型无创计算imr的方法

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant
CP03 Change of name, title or address
CP03 Change of name, title or address

Address after: No. 11982, Qinhui North Road, Shanghai

Patentee after: Shanghai Bodong Medical Technology Co.,Ltd.

Address before: Room 402, building 2, 481 Guiping Road, Xuhui District, Shanghai 200233

Patentee before: PULSE MEDICAL IMAGING TECHNOLOGY (SHANGHAI) Co.,Ltd.