CN102525443A - 非侵入性冠状动脉病评估的方法和系统 - Google Patents

非侵入性冠状动脉病评估的方法和系统 Download PDF

Info

Publication number
CN102525443A
CN102525443A CN2011103406795A CN201110340679A CN102525443A CN 102525443 A CN102525443 A CN 102525443A CN 2011103406795 A CN2011103406795 A CN 2011103406795A CN 201110340679 A CN201110340679 A CN 201110340679A CN 102525443 A CN102525443 A CN 102525443A
Authority
CN
China
Prior art keywords
medical image
time
speed
coronary artery
blood
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.)
Granted
Application number
CN2011103406795A
Other languages
English (en)
Other versions
CN102525443B (zh
Inventor
P·沙马
B·乔治斯库
V·米哈列夫
T·陈
D·科马尼丘
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.)
Siemens Healthineers AG
Original Assignee
Siemens AG
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 Siemens AG filed Critical Siemens AG
Publication of CN102525443A publication Critical patent/CN102525443A/zh
Application granted granted Critical
Publication of CN102525443B publication Critical patent/CN102525443B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/0002—Inspection of images, e.g. flaw detection
    • G06T7/0012—Biomedical image inspection
    • G06T7/0014—Biomedical image inspection using an image reference approach
    • G06T7/0016—Biomedical image inspection using an image reference approach involving temporal comparison
    • 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
    • A61B2576/00—Medical imaging apparatus involving image processing or analysis
    • A61B2576/02—Medical imaging apparatus involving image processing or analysis specially adapted for a particular organ or body part
    • A61B2576/023—Medical imaging apparatus involving image processing or analysis specially adapted for a particular organ or body part for the heart
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10072—Tomographic images
    • G06T2207/10081—Computed x-ray tomography [CT]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10072—Tomographic images
    • G06T2207/10088—Magnetic resonance imaging [MRI]
    • G06T2207/10096—Dynamic contrast-enhanced magnetic resonance imaging [DCE-MRI]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10116—X-ray image
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30004—Biomedical image processing
    • G06T2207/30048—Heart; Cardiac
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30004—Biomedical image processing
    • G06T2207/30101—Blood vessel; Artery; Vein; Vascular
    • G06T2207/30104—Vascular flow; Blood flow; Perfusion
    • 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
    • G16H20/00—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance
    • G16H20/10—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance relating to drugs or medications, e.g. for ensuring correct administration to patients
    • G16H20/17—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance relating to drugs or medications, e.g. for ensuring correct administration to patients delivered via infusion or injection
    • 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
    • G16H30/20—ICT specially adapted for the handling or processing of medical images for handling medical images, e.g. DICOM, HL7 or PACS
    • 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
    • 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

Abstract

本发明公开了一种非侵入性患者特定的冠状动脉病评估的方法和系统。从医学图像数据产生冠状动脉的解剖学模型。基于医学图像数据中造影剂传播的时间空间表示来估计冠状动脉中血液的速度。在冠状动脉的解剖学模型中采用计算流体动力学(CFD)模拟来模拟血液流动，所述计算流体动力学采用冠状动脉中血液的所估计的速度作为边界条件。

Description

非侵入性冠状动脉病评估的方法和系统
本申请要求2010年9月16日提交的美国临时申请No.61/383,478和2010年9月20日提交的美国临时申请No.61/384,382的权益，其公开通过引用结合于此。
技术领域
本发明涉及采用医学图像来对心血管循环建模，并且更具体而言，涉及基于四维医学图像数据和数字模拟的非侵入性患者特定的冠状动脉病评估。
背景技术
心脏病是引起美国男人和女人死亡的主要原因，并且占不少于全球死亡的30％。尽管近年来医学进展已经在诊断和治疗复杂心脏病方面提供了重大的改进，但是早产儿发病率和死亡率(morality)的发生仍然巨大。对此的一个原因是缺乏对患者特定的参数的在体内和体外精确的估计，所述参数准确地表征了解剖学、生理学、以及血液动力学，所有这些在心血管疾病的发展中起重要作用。
基于技术(例如，计算机断层成像(CT)、血管造影术等)的医学成像通常在临床实践中用于表征冠状动脉中狭窄的严重程度。然而，这些技术只提供了解剖学评估，其对于临床决定做出经常是不充分的。特别是，冠状动脉狭窄的严重程度的解剖学评估经常导致高估或低估，高估或低估两者是不希望的。狭窄严重程度的高估可能导致不必要的介入和再狭窄的继发风险，而低估将有可能导致不治疗。精确功能性评估可能需要压力和/或流量的测量，所述测量以侵入性的方式来确定。
发明内容
本发明提供一种基于四维医学图像数据的非侵入性患者特定的冠状动脉病评估的方法和系统。具体而言，本发明的实施例采用非侵入性计算流体动力学(CFD(Computational Fluid Dynamics))提供流量和压力测量，其基于采用从四维医学图像数据得到的患者特定的边界条件的方法。本发明的实施例还提供基于四维医学图像数据测量患者的冠状动脉血流储备(CFR(coronaryflow reserve))的非侵入性方法。
在本发明的一个实施例中，冠状动脉的解剖学模型从医学图像数据产生。基于医学图像数据中造影剂传播的时间空间表示来估计冠状动脉中血液的速度。之后在冠状动脉的解剖学模型中采用计算流体动力学(CFD)模拟来模拟血液流动，该CFD模拟采用冠状动脉中血液的所估计的速度作为边界条件。
在本发明的另一个实施例中，接收在静止(rest)期间获取的第一医学图像数据序列和在充血期间获取的第二医学图像数据序列。从第一医学图像数据序列产生冠状动脉的第一解剖学模型，以及从第二医学图像数据序列产生冠状动脉的第二解剖学模型。基于第一医学图像数据序列中造影剂传播的时间空间表示来估计静止状态期间冠状动脉中血液的最大速度，和基于第一医学图像数据序列中造影剂传播的时间空间表示来估计冠状动脉中血液的最大充血速度。为确定血液流动速率，静止状态期间的最大速度映射为静止状态期间的平均速度，而充血时的最大速度映射为充血时的平均速度。基于静止流动速率和充血期间流动速率来计算冠状动脉的冠状动脉血流储备。
参照下面详细描述和附图，本发明的这些和其他优点对于本领域普通技术人员来说将变得显而易见。
附图说明
图1图示了根据本发明的实施例用于患者特定的冠状动脉病评估的方法；
图2图示了图1的方法的步骤的示例性结果；
图3图示了根据本发明的实施例基于造影剂传播的时间空间表示的速度估计；
图4图示了根据本发明的实施例基于医学图像数据非侵入性评估冠状动脉血流储备的方法；
图5图示了从血管中血液速度分布图确定血管中的流动速率；
图6是能够实施本发明的计算机的高级框图。
具体实施方式
本发明涉及非侵入性冠状动脉病评估，其采用从诸如计算机断层成像(CT)、磁共振成像(MRI)、以及超声波心动描记术数据的容积数据序列对心脏的患者特定的建模。这样的容积数据序列，这里也称为四维图像数据或四维图像，是在一段时期内获得以覆盖一个或多个心动周期的序列，其中每一帧均为三维图像(容积)。在此对本发明的实施例进行描述以便给出冠状动脉病评估方法的可视理解。数字图像经常由一个或多个对象(或形状)的数字表示来组成。对象的数字表示在这里经常在识别和操纵对象方面来描述。这样的操纵是在计算机系统的存储器或其他电路/硬件中完成的虚拟操纵。因此，要理解的是，本发明的实施例可在计算机系统内采用存储于计算机系统内的数据来执行。
基于用于冠心病功能性评估的分析的CFD技术通常基于冠状动脉的简化几何结构，具有得自人口范围数据的一般边界条件。这使得这样的技术不适于全面的患者特定的冠状动脉病评估，诸如在冠状动脉狭窄情况下的狭窄严重程度的评估。然而，在本发明的实施例中，基于CFD的非侵入性方法使用用于流量和几何结构(geometry)两者的患者特定的边界条件，其得自医学图像数据，例如高分辨CT数据。
本发明的实施例提供了用于非侵入性功能性冠状动脉病评估的方法和系统，其基于四维医学图像数据，诸如高分辨CT数据，结合采用计算流体动力学(CFD)建模和模拟的根本的患者特定的血液动力学分析。为了根本的血液动力学分析以产生要用于功能性评估的患者特定的参数，用于感兴趣的冠状动脉的四维(三维+时间)患者特定的几何模型从医学图像数据确定。基于通过造影剂传播的时间空间表示的造影剂传播分析的图像被执行来鲁棒地重新获得在感兴趣的冠状动脉上随时间的速度分布图(profile)。在通过从造影剂传播得出的速度分布图确定的入口边界条件下，在感兴趣的冠状动脉中执行患者特定的CFD模拟，以及从CFD模拟中得出血液动力学参数，以表征狭窄的程度。
图1图示了根据本发明的实施例用于患者特定的冠状动脉病评估的方法。图1的方法将表示患者冠状区域的图像数据转换为冠状动脉的患者特定的解剖学模型，并使用患者特定的冠状动脉模型来模拟冠状动脉心脏中血液流动。
参照图1，在步骤102，接收医学图像数据。具体而言，接收至少一个图像数据序列。图像数据序列可为在一定时期内获取的三维图像(容积)序列。例如，这样的四维图像数据(三维+时间)可在一个完整心搏周期上获取。一个或多个图像数据序列可采用各种医学成像模态来接收。例如，根据本发明的各种实施例，可以接收三维CT数据、二维动态血管造影术数据、和/或旋转血管造影术数据的序列，然而本发明并不限制于此。图像数据可直接从一个或多个图像获取装置接收，例如CT扫描仪或X射线装置。也可以例如从计算机系统的存储器或存储装置、或一些其他的计算机可读存储介质加载以前存储的图像数据。医学图像序列可以表示造影剂经过冠状动脉的传播。图2示例性地图示了图1的方法的步骤的结果。如图2中所示，图像202表示了高分辨CT容积的帧。
返回图1，在步骤104，从所接收的医学图像数据产生冠状动脉的患者特定的解剖学模型。患者特定的解剖学模型为使用四维医学图像数据产生的冠状动脉的四维(三维+时间)几何模型。为了产生冠状动脉的患者特定的解剖学模型，感兴趣的冠状动脉在四维图像数据的每一帧中被分割。感兴趣的冠状动脉采用任何冠状动脉分割方法在每一帧内被分割。例如，感兴趣的冠状动脉可以采用美国公布专利申请No.2010/0067760中描述的方法在CT容积内被分割，其中所述美国公布专利申请通过引用结合于此。之后产生几何表面模型用于每一帧中感兴趣的分割的冠状动脉。例如，用于冠状动脉的解剖学建模的方法在美国专利No.7,860,290和美国专利No.7/953,266中得以描述，两者均通过引用结合于此。这导致感兴趣的冠状动脉的解剖学模型，其表示冠状动脉随时间变化的解剖学。如图2中所示，图像204表示冠状动脉分割，图像206表示冠状动脉的解剖学建模，导致三维解剖学模型。
返回图1，在步骤106，基于所接收的医学图像数据中造影剂传播估计冠状动脉中血液流动的速度。具体而言，一旦产生了冠状树分割，从所接收的医学图像数据的时间强度曲线得出造影剂传播的时间空间表示。造影剂传播的时间空间表示被用于重新获得感兴趣的冠状动脉上随时间的速度分布图。
造影传播的时间空间表示通过结合强度分布图的可用测量能够鲁棒地估计速度分布图。图3图示了根据本发明的实施例基于造影剂传播的时间空间表示的速度估计。如图3中所示，图像300表示输入二维透视图像的时间强度曲线。图像300的时间强度曲线表示在血管长度上随时间二维透视图像内的点的反向强度大小(inverted intensity magnitude)。该信息提供了造影剂传播的时间空间表示，如图310中所示。斜率312对于造影剂传播的时间空间表示被估计，以及该斜率312为血管中血液速度的一阶近似。之后该速度的近似可以被用于设定用于随后CFD建模的边界条件。血管中速度的这样的近似可对于所有的感兴趣的冠状动脉执行，导致感兴趣的冠状动脉的估计速度分布图。如图2中所示，图像208和210表示造影传播的时间空间分析，其用于产生时间下标的(time-indexed)速度分布图，导致用于CFD建模的速度边界条件。
返回图1，在步骤108，在冠状动脉中采用具有患者特定的边界条件的CFD来模拟血液流动。具体而言，CFD建模使用从造影剂传播所估计的冠状动脉流动速度分布图，来设立用于CFD建模的边界条件。血液被建模为牛顿流体，以及在刚性壁假定下通过用数字解离散化的纳维叶-斯托克斯(Navier-Stokes)方程(连续性和动量方程)来获得速度场。离散化的纳维叶-斯托克斯方程用来增量地模拟随时间在冠状动脉内的血液流动的速度和压力。冠状动脉的患者特定的解剖学也被输入给CFD建模，以便约束基于患者特定的解剖学的血液流动模拟。
几个血液动力学参数已经被建议用于冠状动脉病的功能性评估，诸如流动速率和压力降用于评估严重程度和狭窄，以及壁剪切应力用于斑块形成。然而，这样的参数是以前在得自人口范围数据的边界条件下基于冠状动脉的简化几何结构被计算的。根据本发明的有益实施例，医学图像数据，例如高分辨CT数据，不仅用于提供解剖学模型，而且用来估计患者特定的边界条件，用于经由CFD模拟提取这些血液动力学参数，以及采用这些参数用于冠状动脉病的功能性评估。如图2中所示，图像210表示基于CFD的血液动力学分析。
返回图1，在步骤110，输出患者特定的血液动力学参数。基于CFD模拟计算患者特定的血液动力学参数。具体而言，CFD模拟产生随时间经过冠状动脉的血液流动的速度和压力的模拟值。这些模拟值可用来计算各种血液动力学参数，它们可用来评估冠状动脉病。例如，流动速率和压力降可用于评估严重程度和狭窄，以及壁剪切应力可用于评估斑块形成。
用于冠状动脉狭窄功能性评估的另一类型的参数为血流储备参数，诸如冠状动脉血流储备(CFR)以及血流储备分数(FFR(fractional flow reserve))。CFR定义为冠状动脉中最大充血流量与静止时同一冠状动脉中流量的比。FFR定义为狭窄血管中最大血流量与正常血管中最大血流量的比，并且用来表征狭窄的严重程度。在临床实践中，基于压力/流量的测量用来确定这些血流储备。因此，根据本发明的实施例，权利要求1的方法可用于估计这些血流储备。
根据本发明的实施例，医学图像数据，例如高分辨CT数据，可用于冠状动脉的解剖学建模，并用于基于造影剂传播确定最大速度。这随后被用于执行患者特定的CFD分析，其结果用于拟合程序中，该拟合程序将最大速度映射为平均速度，以便确定计算CFD值所必要的流动速率。
图4图示了根据本发明实施例的基于医学图像数据非侵入性评估冠状动脉血流储备的方法。如图4中所示，在步骤402，对于静止和充血接收医学图像数据。具体而言，接收在静止期间获取的第一图像数据序列和接收在最大充血流量条件期间获取的第二图像数据序列。这些图像数据序列可以为在一定时期内获取的三维图像(容积)序列。图像数据序列可采用各种医学成像模态来获取。例如，根据本发明的各种实施例，可以接收三维CT数据、二维动态血管造影术数据、和/或旋转血管造影术数据的序列，然而本发明并不限制于此。可以从一个或多个图像获取装置直接接收图像数据，例如CT扫描仪或X射线装置。也能够例如从计算机系统的存储器或存储装置、或一些其他的计算机可读存储介质加载以前存储的图像数据。医学图像的序列可以表示造影剂经过冠状动脉的传播。
在步骤404，对于所接收的图像序列的每一个接收感兴趣的冠状动脉的解剖学模型。应理解的是，步骤404可类似如上文所述的图1的步骤104被执行。在步骤406，基于造影剂传播对于静止图像数据和充血图像数据两者估计最大速度。具体而言，每个图像数据序列的最大速度可采用造影剂传播的时间空间表示来估计，如上文结合图1的步骤106所述。
在步骤406，采用患者特定的CFD模拟，将静止时的最大速度映射为平均静止速度，并且将充血时的最大速度映射为平均充血速度。图5图示了从血管中血液的速度分布图确定血管中的流动速率。如图5中所示，对于给定血管500中的血液流动速率的精确评估，在血管500的整个横截面S上需要速度信息u。通过在表面区域S上对流量分布图ρu(其中ρ为血液的密度)积分可以确定血液流动速率Q。因此，如图5中所示，质量流动速率Q也可被确定为Q＝ρAU，其中U为平均血液速度以及A为横截面S的面积。非侵入性血液速度测量记录给定横截面上的最大速度Vmax，因此需要假定速度分布图来确定血液流动速率。在一些情况中，流动速率通过假定抛物线速度分布图从最大速度值来确定。根据该准则，平均速度被确定为0.5Vmax。然而，该假定并未考虑患者特定的几何结构和血液动力学。
代替于做关于血管速度分布图的假定，CFD模拟可用来获得将最大速度Vmax映射到平均速度Vavg的更实际的关系。对于小血管，包括冠状动脉，如下关系被用来将Vmax映射到Vavg：
V avg = f ( V max , W ) = V max ( 1 + pW q ) 2 , - - - ( 1 )
其中W为沃姆斯莱(Womersley)数，定义为
Figure BSA00000604056800072
其中f是脉动流的频率，R为特征长度尺度(冠状动脉的横截面面积)，ρ为密度，以及μ为血液的动态粘性。
参数p和q采用拟合程序来确定，所述拟合程序使用来自在有缺陷的边界条件下执行的一系列CFD模拟的数据，其中代替于规定速度分布图边界条件，只指定流值。具体而言，一系列CFD模拟被执行，其中不同流动速率被指定，以及诸如W、f、R、ρ和/或μ的参数的值是变化的。每个模拟都产生用于Vmax的值以及用于Vavg的值。基于用于每个模拟的值以及产生的用于Vmax和Vavg的值，映射参数p和q通过将这些参数拟合为由模拟产生的数据来确定。例如，这些参数可拟合为使用非线性最小二乘法拟合算法的数据。
一旦基于CFD模拟确定了映射参数p和q，步骤404中确定的最大速度Vmax便可以使用沃姆斯莱数和映射参数映射为平均速度Vavg，如方程(1)中所示。这对于静止图像数据和充血图像数据单独地被执行，导致平均静止血液速度和平局充血血液速度。
在步骤408，基于平均静止血液速度和平均充血血液速度计算CFR。具体而言，CFR可以被计算为：
CFR = Q hyp Q rest = ρA hyp V hyp ρA rest V rest - - - ( 2 )
其中Vhyp和Vrest为得自
Figure BSA00000604056800074
的平均速度值，以及Vhyp和Vrest为冠状动脉分别在充血时和静止时的横截面面积。
在缺乏第二医学图像序列(即充血期间获取的图像)的情况下，类似上文图4中所呈现的方法，仍可以被应用。在这种情况下，充血血液流动分析可使用一组不同的出口边界条件(即对冠状动脉床(coronary bed)的流动特征建模的边界条件)来执行。由于冠状动脉中流动的多数阻力存在于微脉管循环中，充血条件通过适当地改变出口边界条件中的阻力/阻抗值来模拟。适于模拟充血条件的阻力/阻抗值的其他细节在S.Mantero等人的“The Coronary Bed andits Role in the Cardiovascular System：A Review and an Introductory Single-BracnhModel”(Journal of Biomedical Engineering，Volume 14，Issue 2，March 1992，Pages109-116)中描述。
上文所述的用于非侵入性冠状动脉病评估的方法可在计算机上使用众所周知的计算机处理器、存储单元、存储装置、计算机软件以及其他的组件来实施。这种计算机的高级框图示于图6中。计算机602包含处理器604，其通过执行限定全部操作的计算机程序指令控制计算机602的这样的操作。计算机程序指令可以存储于存储装置612(例如，磁盘)中，并且在需要执行计算机程序指令时加载到存储器610中。因此，图1和4的方法的步骤可由存储于存储器6l0和/或存储装置612中的计算机程序指令定义，并由执行计算机程序指令的处理器604来控制。图像获取装置620，例如CT扫描装置、X射线获取装置等，可连接至计算机602来输入图像数据至计算机602。将图像获取装置620和计算机602作为一个装置来实施是可能的。图像获取装置620和计算机602通过网络无线通信也是可能的。计算机602还包括一个或多个网络接口606，用于与其他装置经由网络通信。计算机602还包括其他的输入/输出装置608，其能够使得用户与计算机602交互(例如，显示器、键盘、鼠标、扬声器、按钮等)。这种输入/输出装置608可与一组计算机程序结合作为注解工具(annotationtool)来使用用以注解从图像获取装置620接收的容积。本领域技术人员将意识到，实际的计算机的实施还能够包含其他组件，以及图6是用于说明性目的的这种计算机的一些组件的高级表示。
应将前述的详细描述理解为在每个方面说明性的和示例性的，但不是限制性的，并且这里所公开的本发明的范围不由详细描述所确定，而由根据专利法许可的完整宽度所解释的权利要求书所确定。应理解的是，这里示出和描述的实施例仅说明本发明的原理，并且本领域技术人员可在不偏离本发明的范围和精神的情况下实施各种修改。本领域技术人员能够在不偏离本发明的范围和精神的情况下执行各种其他特征组合。

Claims (39)

1.一种用于基于医学图像数据非侵入性评估冠状动脉病的方法，包括：
从医学图像数据中产生冠状动脉的解剖学模型；
基于医学图像数据中造影剂传播的时间空间表示估计冠状动脉中血液的速度；和
采用计算流体动力学(CFD)模拟来模拟冠状动脉的解剖学模型中的血液流动，该计算流体动力学模拟采用冠状动脉中血液的所估计的速度作为边界条件。
2.根据权利要求1所述的方法，其中医学图像数据包括四维医学图像数据，并且从医学图像数据产生冠状动脉的解剖学模型的步骤包括：
从四维医学图像数据产生冠状动脉的四维解剖学模型。
3.根据权利要求2所述的方法，其中从四维医学图像数据产生冠状动脉的四维解剖学模型的步骤包括：
在四维医学图像数据的多个帧中的每一个中分割感兴趣的冠状动脉；和
在四维医学图像数据的多个帧中的每一个中产生所分割的感兴趣的冠状动脉的三维模型。
4.根据权利要求1所述的方法，其中基于医学图像数据中造影剂传播的时间空间表示估计冠状动脉中血液的速度的步骤包括：
基于从医学图像数据提取的时间强度曲线来产生造影剂传播的时间空间表示；和
估计造影剂传播的时间空间表示的斜率。
5.根据权利要求4所述的方法，其中基于从医学图像数据提取的时间强度曲线来产生造影剂传播的时间空间表示的步骤包括：
在冠状动脉长度上随时间映射医学图像数据中的点的反向强度大小。
6.根据权利要求1所述的方法，其中采用计算流体动力学(CFD)模拟来模拟冠状动脉的解剖学模型中的血液流动的步骤，该计算流体动力学模拟采用冠状动脉中血液的所估计的速度作为边界条件，包括：
解纳维叶-斯托克斯方程，其由具有所估计的血液速度作为入口速度边界条件的冠状动脉的解剖学模型所约束。
7.根据权利要求1所述的方法，其中采用计算流体动力学(CFD)模拟来模拟冠状动脉的解剖学模型中的血液流动的步骤，该计算流体动力学模拟采用冠状动脉中血液的所估计的速度作为边界条件，包括：
在冠状动脉上随时间模拟压力和速度值。
8.根据权利要求1所述的方法，还包括：
基于CFD模拟计算一个或多个血液动力学参数。
9.根据权利要求8所述的方法，其中一个或多个血液动力学参数包括流动速率、压力降以及壁剪切应力中的至少一个。
10.根据权利要求8所述的方法，其中一个或多个血液动力学参数包括冠状动脉血流储备(CFR)以及血流储备分数(FFR)中的至少一个。
11.一种用于基于医学图像数据非侵入性评估冠状动脉病的设备，包括：
用于从医学图像数据中产生冠状动脉的解剖学模型的装置；
用于基于医学图像数据中造影剂传播的时间空间表示估计冠状动脉中血液的速度的装置；和
用于采用计算流体动力学(CFD)模拟来模拟冠状动脉的解剖学模型中的血液流动的装置，该计算流体动力学模拟采用冠状动脉中血液的所估计的速度作为边界条件。
12.根据权利要求11所述的设备，其中基于医学图像数据中造影剂传播的时间空间表示估计冠状动脉中血液的速度的装置包括：
用于基于从医学图像数据提取的时间强度曲线来产生造影剂传播的时间空间表示的装置；和
用于估计造影剂传播的时间空间表示的斜率的装置。
13.根据权利要求12所述的设备，其中基于从医学图像数据提取的时间强度曲线来产生造影剂传播的时间空间表示的装置包括：
用于在冠状动脉长度上随时间映射医学图像数据中的点的反向强度大小的装置。
14.根据权利要求1所述的方法，其中采用使用冠状动脉中血液的所估计的速度作为边界条件的计算流体动力学(CFD)模拟来模拟冠状动脉的解剖学模型中的血液流动的装置包括：
用于解纳维叶-斯托克斯方程的装置，该方程由具有血液的所估计的速度作为入口速度边界条件的冠状动脉的解剖学模型所约束。
15.根据权利要求1所述的方法，还包括：
用于基于CFD模拟计算一个或多个血液动力学参数的装置。
16.一种利用用于基于医学图像数据非侵入性评估冠状动脉病的计算机可执行指令编码的非暂时性计算机可读介质，所述计算机可执行指令限定步骤，所述步骤包括：
从医学图像数据中产生冠状动脉的解剖学模型；
基于医学图像数据中造影剂传播的时间空间表示估计冠状动脉中血液的速度；和
采用计算流体动力学(CFD)模拟来模拟冠状动脉的解剖学模型中的血液流动，该计算流体动力学模拟采用冠状动脉中血液的所估计的速度作为边界条件。
17.根据权利要求16所述的非暂时性计算机可读介质，其中限定基于医学图像数据中造影剂传播的时间空间表示估计冠状动脉中血液的速度的步骤的计算机可执行指令，包括限定以下步骤的计算机可执行指令：
基于从医学图像数据提取的时间强度曲线来产生造影剂传播的时间空间表示；和
估计造影剂传播的时间空间表示的斜率。
18.根据权利要求17所述的非暂时性计算机可读介质，其中限定基于从医学图像数据提取的时间强度曲线来产生造影剂传播的时间空间表示的步骤的计算机可执行指令，包括限定以下步骤的计算机可执行指令：
在冠状动脉长度上随时间映射医学图像数据中的点的反向强度大小。
19.根据权利要求16所述的非暂时性计算机可读介质，其中限定采用计算流体动力学(CFD)模拟来模拟冠状动脉的解剖学模型中的血液流动的步骤的计算机可执行指令，该计算流体动力学模拟采用冠状动脉中血液的所估计的速度作为边界条件，包括限定以下步骤的计算机可执行指令：
解纳维叶-斯托克斯方程，该方程由具有血液的所估计的速度作为入口速度边界条件的冠状动脉的解剖学模型所约束。
20.根据权利要求16所述的非暂时性计算机可读介质，还包括限定以下步骤的计算机可执行指令：
基于CFD模拟计算一个或多个血液动力学参数。
21.一种采用医学图像数据非侵入性评估冠状动脉血流储备(CFR)的方法，包括：
接收静止状态期间获取的第一医学图像数据序列，以及充血期间获取的第二医学图像数据序列；
从第一医学图像数据序列产生冠状动脉的第一解剖学模型，以及从第二医学图像数据序列产生冠状动脉的第二解剖学模型；
基于第一医学图像数据序列中造影剂传播的时间空间表示来估计静止状态期间冠状动脉中血液的最大速度，以及基于第一医学图像数据序列中造影剂传播的时间空间表示来估计充血期间冠状动脉中血液的最大速度；和
将静止时的最大速度映射为静止时的平均速度，以及将充血时的最大速度映射为充血时的平均速度；
基于平均静止速度和平均充血速度来计算冠状动脉的冠状动脉血流储备。
22.根据权利要求21所述的方法，其中基于第一医学图像数据序列中造影剂传播的时间空间表示来估计静止状态期间冠状动脉中血液的最大速度，以及基于第一医学图像数据序列中造影剂传播的时间空间表示来估计充血期间冠状动脉中血液的最大速度的步骤包括，对于每个第一和第二医学图像数据序列：
基于从相应的医学图像数据序列提取的时间强度曲线来产生造影剂传播的时间空间表示；和
估计造影剂传播的时间空间表示的斜率。
23.根据权利要求22所述的方法，其中基于从相应的医学图像数据序列提取的时间强度曲线来产生造影剂传播的时间空间表示的步骤包括：
在冠状动脉长度上随时间映射相应的医学图像数据序列中的点的反向强度大小。
24.根据权利要求21所述的方法，其中将静止时的最大速度映射为静止时的平均速度，以及将充血时的最大速度映射为充血时的平均速度的步骤包括：
以基于沃姆斯莱数的程序为基础将静止状态时的最大速度映射为静止状态时的平均速度，以及将充血时的最大速度映射为充血时的平均速度。
25.根据权利要求21所述的方法，其中将静止状态时的速度映射为静止状态时的平均速度，以及将充血时的最大速度映射为充血时的平均速度的步骤包括，对于每个静止时的最大速度和充血时的最大速度：
映射最大速度为平均速度作为
Figure FSA00000604056700051
其中Vmax为最大速度，Vavg为平均速度，W为沃姆斯莱数，定义为
Figure FSA00000604056700052
其中f为脉动流的频率，R为冠状动脉的横截面面积，ρ为血液密度，以及μ为血液的动态粘性，以及p和q为采用一系列CFD模拟确定的映射参数。
26.根据权利要求25所述的方法，其中映射最大速度为平均速度的步骤还包括：
在相应的冠状动脉模型上执行一系列CFD模拟，所述模型规定了W、f、R、ρ和/或μ中的至少一个的不同的流值和可变值，导致用于最大速度和平均速度的不同的模拟值；以及
通过拟合映射参数为用于最大速度和平均速度的模拟值来确定映射参数p和q的值。
27.根据权利要求21所述的方法，其中基于平均静止速度和平均充血速度来计算冠状动脉的冠状动脉血流储备的步骤包括：
计算冠状动脉血流储备(CFR)为
Figure FSA00000604056700053
其中Vhyp为平均充血速度，Vrest为平均静止速度，p为血液密度，Ahyp为第二解剖学模型的横截面面积，以及Arest为第一解剖学模型的横截面面积。
28.一种用于采用医学图像数据非侵入性评估冠状动脉血流储备(CFR)的设备，包括：
用于接收静止状态期间获取的第一医学图像数据序列以及充血期间获取的第二医学图像数据序列的装置；
用于从第一医学图像数据序列产生冠状动脉的第一解剖学模型以及从第二医学图像数据序列产生冠状动脉的第二解剖学模型的装置；
用于基于第一医学图像数据序列中造影剂传播的时间空间表示来估计静止状态期间冠状动脉中血液的最大速度以及基于第一医学图像数据序列中造影剂传播的时间空间表示来估计充血期间冠状动脉中血液的最大速度的装置；
用于将静止时的最大速度映射为静止时的平均速度以及将充血时的最大速度映射为充血时的平均速度的装置；和
用于基于平均静止速度和平均充血速度来计算冠状动脉的冠状动脉血流储备的装置。
29.根据权利要求28所述的设备，其中用于基于第一医学图像数据序列中造影剂传播的时间空间表示来估计静止状态期间冠状动脉中血液的最大速度以及基于第一医学图像数据序列中造影剂传播的时间空间表示来估计充血期间冠状动脉中血液的最大速度的装置包括：
用于基于从医学图像数据序列提取的时间强度曲线来产生造影剂传播的时间空间表示的装置；和
用于估计造影剂传播的时间空间表示的斜率的装置。
30.根据权利要求29所述的设备，其中用于基于从医学图像数据序列提取的时间强度曲线来产生造影剂传播的时间空间表示的装置包括：
用于在冠状动脉长度上随时间映射相应的医学图像数据序列中的点的反向强度大小的装置。
31.根据权利要求28所述的设备，其中用于将静止状态时的速度映射为静止状态时的平均速度以及将充血时的最大速度映射为充血时的平均速度的装置包括：
用于映射最大速度为平均速度作为
Figure FSA00000604056700061
的装置，其中Vmax为最大速度，Vavg为平均速度，W为沃姆斯莱数，定义为
Figure FSA00000604056700062
其中f为脉动流的频率，R为冠状动脉的横截面面积，ρ为血液密度，以及μ为血液的动态粘性，以及p和q为采用一系列CFD模拟确定的映射参数。
32.根据权利要求31所述的设备，其中映射最大速度为平均速度的装置还包括：
用于在相应的冠状动脉模型上执行一系列CFD模拟的装置，该模型规定了W、f、R、ρ和/或μ中的至少一个的不同的流值和可变值，导致用于最大速度和平均速度的不同的模拟值；以及
用于通过拟合映射参数为用于最大速度和平均速度的模拟值来确定映射参数p和q的值的装置。
33.根据权利要求28所述的设备，其中用于基于平均静止速度和平均充血速度来计算冠状动脉的冠状动脉血流储备的装置包括：
用于计算冠状动脉血流储备(CFR)为
Figure FSA00000604056700071
的装置，其中Vhyp为平均充血速度，Vrest为平均静止速度，p为血液密度，Ahyp为第二解剖学模型的横截面面积，以及Arest为第一解剖学模型的横截面面积。
34.一种包含计算机可执行指令的非暂时性计算机可读介质，所述计算机可执行指令用于执行采用医学图像数据非侵入性评估冠状动脉血流储备(CFR)，所述计算机可执行指令执行步骤，所述步骤包括：
接收静止状态期间获取的第一医学图像数据序列，以及充血期间获取的第二医学图像数据序列；
从第一医学图像数据序列产生冠状动脉的第一解剖学模型，以及从第二医学图像数据序列产生冠状动脉的第二解剖学模型；
基于第一医学图像数据序列中造影剂传播的时间空间表示来估计静止状态期间冠状动脉中血液的最大速度，以及基于第一医学图像数据序列中造影剂传播的时间空间表示来估计充血期间冠状动脉中血液的最大速度；
将静止时的最大速度映射为静止时的平均速度，以及将充血时的最大速度映射为充血时的平均速度；和
基于平均静止速度和平均充血速度来计算冠状动脉的冠状动脉血流储备。
35.根据权利要求34所述的非暂时性计算机可读介质，其中限定基于第一医学图像数据序列中造影剂传播的时间空间表示来估计静止状态期间冠状动脉中血液的最大速度以及基于第一医学图像数据序列中造影剂传播的时间空间表示来估计充血期间冠状动脉中血液的最大速度的步骤的计算机可执行指令，包括限定以下步骤的计算机可执行指令，对于每个第一和第二医学图像数据序列：
基于从相应的医学图像数据序列提取的时间强度曲线来产生造影剂传播的时间空间表示；和
估计造影剂传播的时间空间表示的斜率。
36.根据权利要求35所述的非暂时性计算机可读介质，其中限定基于从相应的医学图像数据序列提取的时间强度曲线来产生造影剂传播的时间空间表示的步骤的计算机可执行指令，包括限定以下步骤的计算机可执行指令：
在冠状动脉长度上随时间映射相应的医学图像数据序列中的点的反向强度大小。
37.根据权利要求34所述的非暂时性计算机可读介质，其中限定将静止状态时的速度映射为静止状态时的平均速度以及将充血时的最大速度映射为充血时的平均速度的步骤的计算机可执行指令，包括限定以下步骤的计算机可执行指令，对于每个静止时的最大速度和充血时的最大速度：
映射最大速度为平均速度作为
Figure FSA00000604056700081
其中Vmax为最大速度，Vavg为平均速度，W为沃姆斯莱数，定义为
Figure FSA00000604056700082
其中f为脉动流的频率，R为冠状动脉的横截面面积，ρ为血液密度，以及μ为血液的动态粘性，以及p和q为采用一系列CFD模拟确定的映射参数。
38.根据权利要求39所述的非暂时性计算机可读介质，其中限定映射最大速度为平均速度的步骤的计算机可执行指令，还包括限定以下步骤的计算机可执行指令：
在相应的冠状动脉模型上执行一系列CFD模拟，该模型规定了W、f、R、ρ和/或μ中的至少一个的不同的流值和可变值，导致用于最大速度和平均速度的不同的模拟值；以及
通过拟合映射参数为用于最大速度和平均速度的模拟值来确定映射参数p和q的值。
39.据权利要求34所述的非暂时性计算机可读介质，其中限定基于平均静止速度和平均充血速度来计算冠状动脉的冠状动脉血流储备的步骤的计算机可执行指令，包括限定以下步骤的计算机可执行指令：
计算冠状动脉血流储备(CFR)为
Figure FSA00000604056700083
其中Vhyp为平均充血速度，Vrest为平均静止速度，p为血液密度，Ahyp为第二解剖学模型的横截面面积，以及Arest为第一解剖学模型的横截面面积。
CN201110340679.5A 2010-09-16 2011-09-16 用于基于医学图像数据对心血管循环建模的方法和设备 Active CN102525443B (zh)

Applications Claiming Priority (6)

Application Number Priority Date Filing Date Title
US38347810P 2010-09-16 2010-09-16
US61/383478 2010-09-16
US38438210P 2010-09-20 2010-09-20
US61/384382 2010-09-20
US13/226,779 US9119540B2 (en) 2010-09-16 2011-09-07 Method and system for non-invasive assessment of coronary artery disease
US13/226779 2011-09-07

Publications (2)

Publication Number Publication Date
CN102525443A true CN102525443A (zh) 2012-07-04
CN102525443B CN102525443B (zh) 2016-05-11

Family

ID=45818524

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201110340679.5A Active CN102525443B (zh) 2010-09-16 2011-09-16 用于基于医学图像数据对心血管循环建模的方法和设备

Country Status (2)

Country Link
US (2) US9119540B2 (zh)
CN (1) CN102525443B (zh)

Cited By (26)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103932694A (zh) * 2014-05-07 2014-07-23 霍云龙 精确诊断心肌血流储备分数（ffr）的方法和设备
CN104768465A (zh) * 2012-11-06 2015-07-08 皇家飞利浦有限公司 血流储备分数(ffr)指标
CN104812306A (zh) * 2012-11-29 2015-07-29 株式会社东芝 医用信息处理装置、医用图像诊断装置以及医用信息处理方法
CN104871161A (zh) * 2012-12-18 2015-08-26 皇家飞利浦有限公司 用于在从估计的心脏射血输出导出的患者特异性边界条件下模拟血流量的方法和装置
CN105138813A (zh) * 2014-05-29 2015-12-09 西门子公司 将病人数据从一种生理状态映射为另一种的系统和方法
CN105474264A (zh) * 2013-08-21 2016-04-06 皇家飞利浦有限公司 用于交互地分割在血管造影图像数据中的血管的分割装置
CN105580019A (zh) * 2013-07-30 2016-05-11 哈特弗罗公司 为优化诊断性能利用边界条件模型化血流的方法和系统
CN105792738A (zh) * 2013-12-04 2016-07-20 皇家飞利浦有限公司 用于改善功能狭窄分析的局部ffr估计和可视化
CN106073811A (zh) * 2015-04-29 2016-11-09 西门子股份公司 使用成像方法来确定流体速度
CN106503302A (zh) * 2016-09-28 2017-03-15 深圳先进技术研究院 一种建立血液电磁仿真模型的方法及装置
CN106659400A (zh) * 2014-06-30 2017-05-10 皇家飞利浦有限公司 用于确定血流储备分数值的装置
CN106650029A (zh) * 2016-11-28 2017-05-10 博动医学影像科技（上海）有限公司 基于cfd仿真的分叉血管压力差及ffr的快速计算方法及系统
CN108348206A (zh) * 2015-11-05 2018-07-31 皇家飞利浦有限公司 用于无创血流储备分数(ffr)的侧支流建模
CN108511075A (zh) * 2018-03-29 2018-09-07 向建平 一种非侵入式获取血流储备分数的方法和系统
CN109256205A (zh) * 2017-07-12 2019-01-22 西门子保健有限责任公司 用于利用本地和远程分析学进行的临床决策支持的方法和系统
CN109688908A (zh) * 2016-09-16 2019-04-26 皇家飞利浦有限公司 用于确定血流储备分数的装置和方法
CN109770867A (zh) * 2018-12-21 2019-05-21 深圳市阅影科技有限公司 冠状动脉血流动力仿真数据处理方法和装置
CN110448319A (zh) * 2018-05-08 2019-11-15 博动医学影像科技（上海）有限公司 基于造影影像及冠状动脉的血流速度计算方法
JP2020044375A (ja) * 2014-03-31 2020-03-26 ハートフロー， インコーポレイテッド 流量比を用いて血流の特徴を決定するシステム及び方法
CN110998744A (zh) * 2017-08-01 2020-04-10 西门子医疗有限公司 针对弥漫性和串联性病变中冠状动脉疾病的非侵入性评估和治疗指导
WO2020083390A1 (zh) * 2018-10-25 2020-04-30 苏州润心医疗器械有限公司 获取心表大动脉的血流量的方法、装置、系统及存储介质
WO2020098704A1 (zh) * 2018-11-13 2020-05-22 苏州润迈德医疗科技有限公司 基于造影图像获取血管评定参数的方法、装置及系统
CN111803101A (zh) * 2019-04-01 2020-10-23 佳能医疗系统株式会社 医用图像处理装置及存储介质
WO2021042479A1 (zh) * 2018-09-19 2021-03-11 苏州润迈德医疗科技有限公司 便捷测量冠状动脉血管评定参数的方法、装置及系统
CN112805790A (zh) * 2018-08-03 2021-05-14 皇家飞利浦有限公司 基于血管图斜率的血流测量
CN113365552A (zh) * 2019-01-11 2021-09-07 生命之流有限责任公司 冠状动脉中的血液动力学参数的患者特定的建模

Families Citing this family (120)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10716528B2 (en) 2007-03-08 2020-07-21 Sync-Rx, Ltd. Automatic display of previously-acquired endoluminal images
US9375164B2 (en) 2007-03-08 2016-06-28 Sync-Rx, Ltd. Co-use of endoluminal data and extraluminal imaging
EP2358269B1 (en) * 2007-03-08 2019-04-10 Sync-RX, Ltd. Image processing and tool actuation for medical procedures
JP5639764B2 (ja) * 2007-03-08 2014-12-10 シンク−アールエックス，リミティド 運動する器官と共に使用するイメージング及びツール
WO2009153794A1 (en) * 2008-06-19 2009-12-23 Sync-Rx, Ltd. Stepwise advancement of a medical tool
US11064964B2 (en) 2007-03-08 2021-07-20 Sync-Rx, Ltd Determining a characteristic of a lumen by measuring velocity of a contrast agent
US9629571B2 (en) 2007-03-08 2017-04-25 Sync-Rx, Ltd. Co-use of endoluminal data and extraluminal imaging
US9968256B2 (en) 2007-03-08 2018-05-15 Sync-Rx Ltd. Automatic identification of a tool
US11197651B2 (en) 2007-03-08 2021-12-14 Sync-Rx, Ltd. Identification and presentation of device-to-vessel relative motion
US8200466B2 (en) 2008-07-21 2012-06-12 The Board Of Trustees Of The Leland Stanford Junior University Method for tuning patient-specific cardiovascular simulations
US9095313B2 (en) 2008-11-18 2015-08-04 Sync-Rx, Ltd. Accounting for non-uniform longitudinal motion during movement of an endoluminal imaging probe
US10362962B2 (en) 2008-11-18 2019-07-30 Synx-Rx, Ltd. Accounting for skipped imaging locations during movement of an endoluminal imaging probe
US9144394B2 (en) 2008-11-18 2015-09-29 Sync-Rx, Ltd. Apparatus and methods for determining a plurality of local calibration factors for an image
US8855744B2 (en) 2008-11-18 2014-10-07 Sync-Rx, Ltd. Displaying a device within an endoluminal image stack
US9974509B2 (en) 2008-11-18 2018-05-22 Sync-Rx Ltd. Image super enhancement
US9101286B2 (en) 2008-11-18 2015-08-11 Sync-Rx, Ltd. Apparatus and methods for determining a dimension of a portion of a stack of endoluminal data points
US11064903B2 (en) 2008-11-18 2021-07-20 Sync-Rx, Ltd Apparatus and methods for mapping a sequence of images to a roadmap image
US9405886B2 (en) 2009-03-17 2016-08-02 The Board Of Trustees Of The Leland Stanford Junior University Method for determining cardiovascular information
US8315812B2 (en) 2010-08-12 2012-11-20 Heartflow, Inc. Method and system for patient-specific modeling of blood flow
US9589204B2 (en) 2010-09-20 2017-03-07 Koninklijke Philips N.V. Quantification of a characteristic of a lumen of a tubular structure
GB201100137D0 (en) 2011-01-06 2011-02-23 Davies Helen C S Apparatus and method of assessing a narrowing in a fluid tube
JP6099640B2 (ja) 2011-06-23 2017-03-22 シンク−アールエックス，リミティド 管腔の背景の鮮明化
RU2014110702A (ru) 2011-08-20 2015-09-27 Волкано Корпорэйшн Устройства, системы и способы визуального отображения сосуда и оценки вариантов лечения
US9339348B2 (en) 2011-08-20 2016-05-17 Imperial Colege of Science, Technology and Medicine Devices, systems, and methods for assessing a vessel
US10162932B2 (en) 2011-11-10 2018-12-25 Siemens Healthcare Gmbh Method and system for multi-scale anatomical and functional modeling of coronary circulation
US20130172734A1 (en) * 2011-12-30 2013-07-04 General Electric Company Flow measurement with time-resolved data
US10311978B2 (en) 2012-01-30 2019-06-04 Siemens Healthcare Gmbh Method and system for patient specific planning of cardiac therapies on preoperative clinical data and medical images
US9129053B2 (en) 2012-02-01 2015-09-08 Siemens Aktiengesellschaft Method and system for advanced measurements computation and therapy planning from medical data and images using a multi-physics fluid-solid heart model
US10373700B2 (en) 2012-03-13 2019-08-06 Siemens Healthcare Gmbh Non-invasive functional assessment of coronary artery stenosis including simulation of hyperemia by changing resting microvascular resistance
US9135699B2 (en) 2012-03-15 2015-09-15 Siemens Aktiengesellschaft Method and system for hemodynamic assessment of aortic coarctation from medical image data
BR112014022734B1 (pt) 2012-03-15 2022-05-10 Siemens Aktiengesellschaft Método para determinação de forma não invasiva de parâmetros de circulação coronariana, sistema de controle e meio não transitório legível por computador
BR112014028143A2 (pt) 2012-05-14 2017-06-27 Koninklijke Philips Nv sistema e meio de armazenamento legível por computador
US8548778B1 (en) 2012-05-14 2013-10-01 Heartflow, Inc. Method and system for providing information from a patient-specific model of blood flow
CA2875346A1 (en) * 2012-06-26 2014-01-03 Sync-Rx, Ltd. Flow-related image processing in luminal organs
US9247918B2 (en) * 2012-07-09 2016-02-02 Siemens Aktiengesellschaft Computation of hemodynamic quantities from angiographic data
US9277970B2 (en) 2012-07-19 2016-03-08 Siemens Aktiengesellschaft System and method for patient specific planning and guidance of ablative procedures for cardiac arrhythmias
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
US10398386B2 (en) 2012-09-12 2019-09-03 Heartflow, Inc. Systems and methods for estimating blood flow characteristics from vessel geometry and physiology
US20140086461A1 (en) 2012-09-25 2014-03-27 The Johns Hopkins University Method and system for determining time-based index for blood circulation from angiographic imaging data
JP6301102B2 (ja) * 2012-10-22 2018-03-28 学校法人藤田学園 医用画像診断装置、医用画像処理装置及び医用画像処理プログラム
US10210956B2 (en) 2012-10-24 2019-02-19 Cathworks Ltd. Diagnostically useful results in real time
US9814433B2 (en) 2012-10-24 2017-11-14 Cathworks Ltd. Creating a vascular tree model
EP3723041A1 (en) 2012-10-24 2020-10-14 CathWorks Ltd. Automated measurement system and method for coronary artery disease scoring
US9858387B2 (en) 2013-01-15 2018-01-02 CathWorks, LTD. Vascular flow assessment
US10595807B2 (en) 2012-10-24 2020-03-24 Cathworks Ltd Calculating a fractional flow reserve
JP5953438B2 (ja) 2012-12-11 2016-07-20 コーニンクレッカ フィリップス エヌ ヴェＫｏｎｉｎｋｌｉｊｋｅ Ｐｈｉｌｉｐｓ Ｎ．Ｖ． 冠状動脈を通る血流量を決定する方法
US9042613B2 (en) 2013-03-01 2015-05-26 Heartflow, Inc. Method and system for determining treatments by modifying patient-specific geometrical models
CN105120738B (zh) 2013-04-18 2018-05-15 皇家飞利浦有限公司 狭窄治疗规划
KR101513232B1 (ko) * 2013-07-25 2015-04-17 재단법인 아산사회복지재단 혈관의 유동 해석 방법
US9629563B2 (en) 2013-09-04 2017-04-25 Siemens Healthcare Gmbh Method and system for functional assessment of renal artery stenosis from medical images
CN105517492B (zh) 2013-09-06 2019-10-18 皇家飞利浦有限公司 用于处理心脏数据的处理设备
US9700219B2 (en) 2013-10-17 2017-07-11 Siemens Healthcare Gmbh Method and system for machine learning based assessment of fractional flow reserve
US10595806B2 (en) * 2013-10-22 2020-03-24 Koninklijke Philips N.V. Fractional flow reserve (FFR) index with adaptive boundary condition parameters
US9092743B2 (en) 2013-10-23 2015-07-28 Stenomics, Inc. Machine learning system for assessing heart valves and surrounding cardiovascular tracts
US10424063B2 (en) 2013-10-24 2019-09-24 CathWorks, LTD. Vascular characteristic determination with correspondence modeling of a vascular tree
US10130269B2 (en) 2013-11-14 2018-11-20 Medtronic Vascular, Inc Dual lumen catheter for providing a vascular pressure measurement
US9877660B2 (en) 2013-11-14 2018-01-30 Medtronic Vascular Galway Systems and methods for determining fractional flow reserve without adenosine or other pharmalogical agent
US20150164450A1 (en) * 2013-12-18 2015-06-18 Siemens Medical Solutions Usa, Inc. System and Method for Real Time 4D Quantification
US9913585B2 (en) 2014-01-15 2018-03-13 Medtronic Vascular, Inc. Catheter for providing vascular pressure measurements
US10496729B2 (en) 2014-02-25 2019-12-03 Siemens Healthcare Gmbh Method and system for image-based estimation of multi-physics parameters and their uncertainty for patient-specific simulation of organ function
US10354349B2 (en) 2014-04-01 2019-07-16 Heartflow, Inc. Systems and methods for using geometry sensitivity information for guiding workflow
US9773219B2 (en) 2014-04-01 2017-09-26 Heartflow, Inc. Systems and methods for using geometry sensitivity information for guiding workflow
US9943277B2 (en) * 2014-04-02 2018-04-17 International Business Machines Corporation Detecting coronary stenosis through spatio-temporal tracking
WO2015164086A1 (en) 2014-04-22 2015-10-29 Siemens Aktiengesellschaft Method and system for hemodynamic computation in coronary arteries
US8958623B1 (en) 2014-04-29 2015-02-17 Heartflow, Inc. Systems and methods for correction of artificial deformation in anatomic modeling
CN106659399B (zh) 2014-05-05 2020-06-16 西门子保健有限责任公司 使用患病和假想正常解剖学模型中的流计算的冠状动脉狭窄的非侵入功能评价的方法和系统
US9595089B2 (en) 2014-05-09 2017-03-14 Siemens Healthcare Gmbh Method and system for non-invasive computation of hemodynamic indices for coronary artery stenosis
US10973418B2 (en) 2014-06-16 2021-04-13 Medtronic Vascular, Inc. Microcatheter sensor design for minimizing profile and impact of wire strain on sensor
US11330989B2 (en) 2014-06-16 2022-05-17 Medtronic Vascular, Inc. Microcatheter sensor design for mounting sensor to minimize induced strain
US10201284B2 (en) 2014-06-16 2019-02-12 Medtronic Vascular Inc. Pressure measuring catheter having reduced error from bending stresses
US9589379B2 (en) 2014-06-24 2017-03-07 Siemens Healthcare Gmbh System and method for visualization of cardiac changes under various pacing conditions
US10130266B2 (en) 2014-06-30 2018-11-20 Siemens Healthcare Gmbh Method and system for prediction of post-stenting hemodynamic metrics for treatment planning of arterial stenosis
EP3169237B1 (en) 2014-07-18 2023-04-12 Koninklijke Philips N.V. Stenosis assessment
US9888968B2 (en) 2014-07-22 2018-02-13 Siemens Healthcare Gmbh Method and system for automated therapy planning for arterial stenosis
US9386933B2 (en) * 2014-08-29 2016-07-12 Heartflow, Inc. Systems and methods for determination of blood flow characteristics and pathologies through modeling of myocardial blood supply
US10658085B2 (en) 2014-08-29 2020-05-19 Knu-Industry Coorporation Foundation Method for determining patient-specific blood vessel information
WO2016065161A1 (en) * 2014-10-22 2016-04-28 Indiana University Research And Technology Corporation Unified computational method and system for patient-specific hemodynamics
US10080872B2 (en) 2014-11-04 2018-09-25 Abbott Cardiovascular Systems Inc. System and method for FFR guidewire recovery
US10194812B2 (en) 2014-12-12 2019-02-05 Medtronic Vascular, Inc. System and method of integrating a fractional flow reserve device with a conventional hemodynamic monitoring system
WO2016113646A1 (en) 2015-01-15 2016-07-21 Koninklijke Philips N.V. Ifr-ct
US10420610B2 (en) * 2015-04-10 2019-09-24 Heartflow, Inc. System and method for vascular tree generation using patient-specific structural and functional data, and joint prior information
US10872698B2 (en) * 2015-07-27 2020-12-22 Siemens Healthcare Gmbh Method and system for enhancing medical image-based blood flow computations using physiological measurements
WO2017021201A1 (en) 2015-08-05 2017-02-09 Koninklijke Philips N.V. Assistance device and method for an interventional hemodynamic measurement
US11094058B2 (en) 2015-08-14 2021-08-17 Elucid Bioimaging Inc. Systems and method for computer-aided phenotyping (CAP) using radiologic images
US11087459B2 (en) 2015-08-14 2021-08-10 Elucid Bioimaging Inc. Quantitative imaging for fractional flow reserve (FFR)
US11676359B2 (en) 2015-08-14 2023-06-13 Elucid Bioimaging Inc. Non-invasive quantitative imaging biomarkers of atherosclerotic plaque biology
US11113812B2 (en) 2015-08-14 2021-09-07 Elucid Bioimaging Inc. Quantitative imaging for detecting vulnerable plaque
US10176408B2 (en) 2015-08-14 2019-01-08 Elucid Bioimaging Inc. Systems and methods for analyzing pathologies utilizing quantitative imaging
US11071501B2 (en) 2015-08-14 2021-07-27 Elucid Bioiwaging Inc. Quantitative imaging for determining time to adverse event (TTE)
US10517678B2 (en) 2015-10-02 2019-12-31 Heartflow, Inc. System and method for diagnosis and assessment of cardiovascular disease by comparing arterial supply capacity to end-organ demand
WO2017060106A1 (en) 2015-10-07 2017-04-13 Koninklijke Philips N.V. Mobile ffr simulation
US10492754B2 (en) 2015-11-20 2019-12-03 International Business Machines Corporation Real-time cloud-based virtual fractional flow reserve estimation
WO2017093337A1 (en) * 2015-12-02 2017-06-08 Siemens Healthcare Gmbh Personalized assessment of patients with acute coronary syndrome
JP6981981B2 (ja) 2015-12-22 2021-12-17 コーニンクレッカ フィリップス エヌ ヴェKoninklijke Philips N.V. 心臓モデルガイド付き冠動脈瘤セグメンテーション
US10971271B2 (en) 2016-04-12 2021-04-06 Siemens Healthcare Gmbh Method and system for personalized blood flow modeling based on wearable sensor networks
EP4300419A3 (en) 2016-05-16 2024-04-03 Cathworks Ltd. System for vascular assessment
WO2017199246A1 (en) 2016-05-16 2017-11-23 Cathworks Ltd. Vascular selection from images
US11272850B2 (en) 2016-08-09 2022-03-15 Medtronic Vascular, Inc. Catheter and method for calculating fractional flow reserve
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
US11330994B2 (en) 2017-03-08 2022-05-17 Medtronic Vascular, Inc. Reduced profile FFR catheter
JP6878074B2 (ja) * 2017-03-23 2021-05-26 キヤノンメディカルシステムズ株式会社 医用画像診断装置及び医用画像処理装置
EP3602485B1 (en) * 2017-03-31 2023-10-11 Koninklijke Philips N.V. Interaction monitoring of non-invasive imaging based ffr
US10646122B2 (en) 2017-04-28 2020-05-12 Medtronic Vascular, Inc. FFR catheter with covered distal pressure sensor and method of manufacture
EP3619716B1 (en) 2017-05-04 2023-09-13 Koninklijke Philips N.V. System and method for concurrent visualization and quantification of wall shear stress in blood vessels
US10909676B2 (en) * 2017-07-12 2021-02-02 Siemens Healthcare Gmbh Method and system for clinical decision support with local and remote analytics
US11235124B2 (en) 2017-08-09 2022-02-01 Medtronic Vascular, Inc. Collapsible catheter and method for calculating fractional flow reserve
US11219741B2 (en) 2017-08-09 2022-01-11 Medtronic Vascular, Inc. Collapsible catheter and method for calculating fractional flow reserve
US11871995B2 (en) 2017-12-18 2024-01-16 Hemolens Diagnostics Sp. Z O.O. Patient-specific modeling of hemodynamic parameters in coronary arteries
JP6974195B2 (ja) * 2018-01-26 2021-12-01 史靖 清家 冠血流予備量比の算出方法、冠血流予備量比の算出装置及びプログラム
US10699407B2 (en) * 2018-04-11 2020-06-30 Pie Medical Imaging B.V. Method and system for assessing vessel obstruction based on machine learning
US11389130B2 (en) 2018-05-02 2022-07-19 Siemens Healthcare Gmbh System and methods for fast computation of computed tomography based fractional flow reserve
CN108763690B (zh) * 2018-05-17 2021-04-20 华中科技大学 一种水轮机固定导叶叶型智能优化方法
EP3803900A1 (en) * 2018-05-31 2021-04-14 André Bernard Microfluidic coronary circulatory model
US11185244B2 (en) 2018-08-13 2021-11-30 Medtronic Vascular, Inc. FFR catheter with suspended pressure sensor
CN109009220A (zh) * 2018-08-15 2018-12-18 广州华科盈医疗科技有限公司 用于评估心脏介入疗效的评价指标及控制系统，以及用于评估心脏介入疗效的系统
CN111227821B (zh) * 2018-11-28 2022-02-11 苏州润迈德医疗科技有限公司 基于心肌血流量和ct图像的微循环阻力指数计算方法
US10861157B2 (en) 2019-04-04 2020-12-08 Medtronic Vascular, Inc. System and methods for determining modified fractional flow reserve values
US11710566B2 (en) 2019-06-07 2023-07-25 Siemens Healthcare Gmbh Artificial intelligence dispatch in healthcare
JP2022543330A (ja) 2019-08-05 2022-10-12 エルシド バイオイメージング インコーポレイテッド 形態学的および血管周囲疾患の複合評価
CN112785580B (zh) * 2021-01-28 2024-02-02 深圳睿心智能医疗科技有限公司 确定血管流速的方法及装置

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20050020903A1 (en) * 2003-06-25 2005-01-27 Sriram Krishnan Systems and methods for automated diagnosis and decision support for heart related diseases and conditions
US20060083415A1 (en) * 2004-10-15 2006-04-20 Georges El Fakhri Factor analysis in medical imaging
US20070248250A1 (en) * 2006-04-21 2007-10-25 Siemens Corporate Research, Inc. Three-Dimensional (3D) Modeling of Coronary Arteries
US7693315B2 (en) * 2003-06-25 2010-04-06 Siemens Medical Solutions Usa, Inc. Systems and methods for providing automated regional myocardial assessment for cardiac imaging

Family Cites Families (20)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7134994B2 (en) * 2002-05-20 2006-11-14 Volcano Corporation Multipurpose host system for invasive cardiovascular diagnostic measurement acquisition and display
JP2006023945A (ja) 2004-07-07 2006-01-26 Canon Inc 画像処理システム及び画像処理方法
US7916919B2 (en) 2006-09-28 2011-03-29 Siemens Medical Solutions Usa, Inc. System and method for segmenting chambers of a heart in a three dimensional image
US7953266B2 (en) 2007-02-06 2011-05-31 Siemens Medical Solutions Usa, Inc. Robust vessel tree modeling
US11064964B2 (en) * 2007-03-08 2021-07-20 Sync-Rx, Ltd Determining a characteristic of a lumen by measuring velocity of a contrast agent
US9275190B2 (en) 2007-04-23 2016-03-01 Siemens Aktiengesellschaft Method and system for generating a four-chamber heart model
US8009887B2 (en) 2007-11-02 2011-08-30 Siemens Corporation Method and system for automatic quantification of aortic valve function from 4D computed tomography data using a physiological model
US8218845B2 (en) 2007-12-12 2012-07-10 Siemens Aktiengesellschaft Dynamic pulmonary trunk modeling in computed tomography and magnetic resonance imaging based on the detection of bounding boxes, anatomical landmarks, and ribs of a pulmonary artery
US8582854B2 (en) 2008-09-15 2013-11-12 Siemens Aktiengesellschaft Method and system for automatic coronary artery detection
US9405996B2 (en) 2008-09-18 2016-08-02 Siemens Aktiengesellschaft Method and system for generating a personalized anatomical heart model
US9715637B2 (en) 2009-03-18 2017-07-25 Siemens Healthcare Gmbh Method and system for automatic aorta segmentation
US8538109B2 (en) 2009-03-18 2013-09-17 Siemens Aktiengesellschaft Method and system for dynamic pulmonary trunk modeling and intervention planning
US8527251B2 (en) 2009-05-01 2013-09-03 Siemens Aktiengesellschaft Method and system for multi-component heart and aorta modeling for decision support in cardiac disease
US8609066B2 (en) * 2009-08-10 2013-12-17 Jaya Brigitte Rosenmeier Use of UTP for the diagnosis of stenoses and other conditions of restricted blood flow
US8224640B2 (en) 2009-09-08 2012-07-17 Siemens Aktiengesellschaft Method and system for computational modeling of the aorta and heart
US8157742B2 (en) * 2010-08-12 2012-04-17 Heartflow, Inc. Method and system for patient-specific modeling of blood flow
US8315812B2 (en) * 2010-08-12 2012-11-20 Heartflow, Inc. Method and system for patient-specific modeling of blood flow
US10162932B2 (en) * 2011-11-10 2018-12-25 Siemens Healthcare Gmbh Method and system for multi-scale anatomical and functional modeling of coronary circulation
US10373700B2 (en) * 2012-03-13 2019-08-06 Siemens Healthcare Gmbh Non-invasive functional assessment of coronary artery stenosis including simulation of hyperemia by changing resting microvascular resistance
US9247918B2 (en) * 2012-07-09 2016-02-02 Siemens Aktiengesellschaft Computation of hemodynamic quantities from angiographic data

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20050020903A1 (en) * 2003-06-25 2005-01-27 Sriram Krishnan Systems and methods for automated diagnosis and decision support for heart related diseases and conditions
US7693315B2 (en) * 2003-06-25 2010-04-06 Siemens Medical Solutions Usa, Inc. Systems and methods for providing automated regional myocardial assessment for cardiac imaging
US20060083415A1 (en) * 2004-10-15 2006-04-20 Georges El Fakhri Factor analysis in medical imaging
US20070248250A1 (en) * 2006-04-21 2007-10-25 Siemens Corporate Research, Inc. Three-Dimensional (3D) Modeling of Coronary Arteries

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
TAYLOR.CA: "Patient-Specific Modeling of Cardiovascular Mechanics", 《ANNU REV BIOMED ENG》 *

Cited By (50)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104768465A (zh) * 2012-11-06 2015-07-08 皇家飞利浦有限公司 血流储备分数(ffr)指标
CN104812306A (zh) * 2012-11-29 2015-07-29 株式会社东芝 医用信息处理装置、医用图像诊断装置以及医用信息处理方法
CN104871161A (zh) * 2012-12-18 2015-08-26 皇家飞利浦有限公司 用于在从估计的心脏射血输出导出的患者特异性边界条件下模拟血流量的方法和装置
CN105580019A (zh) * 2013-07-30 2016-05-11 哈特弗罗公司 为优化诊断性能利用边界条件模型化血流的方法和系统
CN108992058A (zh) * 2013-07-30 2018-12-14 哈特弗罗公司 为优化诊断性能利用边界条件模型化血流的方法和系统
CN105580019B (zh) * 2013-07-30 2018-09-14 哈特弗罗公司 为优化诊断性能利用边界条件模型化血流的方法和系统
CN105474264A (zh) * 2013-08-21 2016-04-06 皇家飞利浦有限公司 用于交互地分割在血管造影图像数据中的血管的分割装置
CN105792738A (zh) * 2013-12-04 2016-07-20 皇家飞利浦有限公司 用于改善功能狭窄分析的局部ffr估计和可视化
US11424036B2 (en) 2014-03-31 2022-08-23 Heartflow, Inc. Systems and methods for determining blood flow characteristics using flow ratio
JP2020044375A (ja) * 2014-03-31 2020-03-26 ハートフロー， インコーポレイテッド 流量比を用いて血流の特徴を決定するシステム及び方法
CN103932694A (zh) * 2014-05-07 2014-07-23 霍云龙 精确诊断心肌血流储备分数（ffr）的方法和设备
CN105138813B (zh) * 2014-05-29 2019-05-28 西门子公司 将病人数据从一种生理状态映射为另一种的系统和方法
CN105138813A (zh) * 2014-05-29 2015-12-09 西门子公司 将病人数据从一种生理状态映射为另一种的系统和方法
CN106659400A (zh) * 2014-06-30 2017-05-10 皇家飞利浦有限公司 用于确定血流储备分数值的装置
CN106073811A (zh) * 2015-04-29 2016-11-09 西门子股份公司 使用成像方法来确定流体速度
CN108348206A (zh) * 2015-11-05 2018-07-31 皇家飞利浦有限公司 用于无创血流储备分数(ffr)的侧支流建模
CN108348206B (zh) * 2015-11-05 2022-07-29 皇家飞利浦有限公司 用于无创血流储备分数(ffr)的侧支流建模
CN109688908B (zh) * 2016-09-16 2023-01-03 皇家飞利浦有限公司 用于确定血流储备分数的装置和方法
CN109688908A (zh) * 2016-09-16 2019-04-26 皇家飞利浦有限公司 用于确定血流储备分数的装置和方法
WO2018058720A1 (zh) * 2016-09-28 2018-04-05 深圳先进技术研究院 一种建立血液电磁仿真模型的方法及装置
CN106503302A (zh) * 2016-09-28 2017-03-15 深圳先进技术研究院 一种建立血液电磁仿真模型的方法及装置
CN106503302B (zh) * 2016-09-28 2019-08-23 深圳先进技术研究院 一种建立血液电磁仿真模型的方法及装置
CN106650029B (zh) * 2016-11-28 2019-11-22 博动医学影像科技（上海）有限公司 基于cfd仿真的分叉血管压力差及ffr的快速计算方法及系统
CN106650029A (zh) * 2016-11-28 2017-05-10 博动医学影像科技（上海）有限公司 基于cfd仿真的分叉血管压力差及ffr的快速计算方法及系统
CN109256205A (zh) * 2017-07-12 2019-01-22 西门子保健有限责任公司 用于利用本地和远程分析学进行的临床决策支持的方法和系统
CN109256205B (zh) * 2017-07-12 2022-07-05 西门子保健有限责任公司 用于利用本地和远程分析学进行的临床决策支持的方法和系统
CN110998744B (zh) * 2017-08-01 2024-04-05 西门子医疗有限公司 针对弥漫性和串联性病变中冠状动脉疾病的非侵入性评估和治疗指导
CN110998744A (zh) * 2017-08-01 2020-04-10 西门子医疗有限公司 针对弥漫性和串联性病变中冠状动脉疾病的非侵入性评估和治疗指导
CN108511075B (zh) * 2018-03-29 2022-10-25 杭州脉流科技有限公司 一种非侵入式获取血流储备分数的方法和系统
CN108511075A (zh) * 2018-03-29 2018-09-07 向建平 一种非侵入式获取血流储备分数的方法和系统
CN110448319A (zh) * 2018-05-08 2019-11-15 博动医学影像科技（上海）有限公司 基于造影影像及冠状动脉的血流速度计算方法
CN110448319B (zh) * 2018-05-08 2023-04-28 上海博动医疗科技股份有限公司 基于造影影像及冠状动脉的血流速度计算方法
CN112805790A (zh) * 2018-08-03 2021-05-14 皇家飞利浦有限公司 基于血管图斜率的血流测量
WO2021042477A1 (zh) * 2018-09-19 2021-03-11 苏州润迈德医疗科技有限公司 测量冠状动脉血管评定参数的简化方法、装置及系统
WO2021042479A1 (zh) * 2018-09-19 2021-03-11 苏州润迈德医疗科技有限公司 便捷测量冠状动脉血管评定参数的方法、装置及系统
US11779294B2 (en) 2018-09-19 2023-10-10 Suzhou Rainmed Medical Technology Co., Ltd. Method, device and system for calculating microcirculation indicator based on image and pressure sensor
WO2021046990A1 (zh) * 2018-09-19 2021-03-18 苏州润迈德医疗科技有限公司 基于影像和压力传感器计算微循环指标的方法装置及系统
CN112384138B (zh) * 2018-10-25 2023-07-25 苏州润迈德医疗科技有限公司 获取心表大动脉的血流量的方法、装置、系统及存储介质
WO2020083390A1 (zh) * 2018-10-25 2020-04-30 苏州润心医疗器械有限公司 获取心表大动脉的血流量的方法、装置、系统及存储介质
CN112384138A (zh) * 2018-10-25 2021-02-19 苏州润心医疗器械有限公司 获取心表大动脉的血流量的方法、装置、系统及存储介质
WO2020098705A1 (zh) * 2018-11-13 2020-05-22 苏州润迈德医疗科技有限公司 基于造影图像获取静息态下血管评定参数的方法及装置
WO2020098704A1 (zh) * 2018-11-13 2020-05-22 苏州润迈德医疗科技有限公司 基于造影图像获取血管评定参数的方法、装置及系统
CN112384137A (zh) * 2018-11-13 2021-02-19 苏州润迈德医疗科技有限公司 基于造影图像获取静息态下血管评定参数的方法及装置
CN112384136A (zh) * 2018-11-13 2021-02-19 苏州润迈德医疗科技有限公司 基于造影图像获取血管评定参数的方法、装置及系统
CN112384137B (zh) * 2018-11-13 2023-11-14 苏州润迈德医疗科技有限公司 基于造影图像获取静息态下血管评定参数的方法及装置
CN109770867B (zh) * 2018-12-21 2020-07-17 深圳市阅影科技有限公司 冠状动脉血流动力仿真数据处理方法和装置
CN109770867A (zh) * 2018-12-21 2019-05-21 深圳市阅影科技有限公司 冠状动脉血流动力仿真数据处理方法和装置
CN113365552A (zh) * 2019-01-11 2021-09-07 生命之流有限责任公司 冠状动脉中的血液动力学参数的患者特定的建模
CN111803101A (zh) * 2019-04-01 2020-10-23 佳能医疗系统株式会社 医用图像处理装置及存储介质
CN111803101B (zh) * 2019-04-01 2024-03-29 佳能医疗系统株式会社 医用图像处理装置及存储介质

Also Published As

Publication number Publication date
CN102525443B (zh) 2016-05-11
US9119540B2 (en) 2015-09-01
US20160066800A1 (en) 2016-03-10
US9999361B2 (en) 2018-06-19
US20120072190A1 (en) 2012-03-22

Similar Documents

Publication Publication Date Title
CN102525443A (zh) 非侵入性冠状动脉病评估的方法和系统
AU2020244586B2 (en) Method and system for sensitivity analysis in modeling blood flow characteristics
US10134129B2 (en) Method and system for hemodynamic computation in coronary arteries
CN107123112B (zh) 血流状态分析系统及方法
EP3127026B1 (en) Systems and methods for determining blood flow characteristics using flow ratio
US10130266B2 (en) Method and system for prediction of post-stenting hemodynamic metrics for treatment planning of arterial stenosis
CN105792738B (zh) 用于改善功能狭窄分析的局部ffr估计和可视化
CN108109698B (zh) 计算血流储备分数的系统和设置边界条件的方法
CN104081401A (zh) 用于对冠脉循环进行多尺度的解剖学和功能建模的方法和系统
CN105144173A (zh) 用于通过修改病人特定几何模型来确定治疗的方法和系统
EP3624132A1 (en) Calculating boundary conditions for virtual ffr and ifr calculation based on myocardial blush characteristics
US10482215B2 (en) Unified computational method and system for patient-specific hemodynamics
Pang et al. Determining the haemodynamic significance of arterial stenosis: the relationship between CT angiography, computational fluid dynamics, and non-invasive fractional flow reserve

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
C41 Transfer of patent application or patent right or utility model
TA01 Transfer of patent application right

Effective date of registration: 20140702

Address after: Munich, Germany

Applicant after: Siemens AG

Address before: new jersey

Applicant before: Siemens AG

C14 Grant of patent or utility model
GR01 Patent grant
TR01 Transfer of patent right
TR01 Transfer of patent right

Effective date of registration: 20220117

Address after: Erlangen

Patentee after: Siemens Healthineers AG

Address before: Munich, Germany

Patentee before: SIEMENS AG