CN103930037A - 血管治疗效果的血流模拟的系统、其方法及计算机软件程序 - Google Patents

Abstract

该系统是一种用于基于受验者的对象血管部位的三维形状数据，而对特定外科治疗方法的效果进行模拟的使用计算机的系统，具有：治疗方法接受部，其由计算机将由对象血管部位的三维形状数据以3维显示在显示器上，接受该显示器上的病变部的指定及针对该病变部的外科治疗方法的选择；修正方法存储部，其由计算机预先存储可选择的治疗方法和与治疗方法对应的三维形状数据的修正方法；以及修正完成三维形状输出部，其由计算机基于所述治疗方法的选择而读取存储在所述修正方法存储部中的修正方法，以该修正方法对所述指定涉及的病变部的三维形状数据进行修正，输出修正后的三维形状数据。

Description

血管治疗效果的血流模拟的系统、其方法及计算机软件程序

技术领域

本发明涉及血管治疗效果的血流模拟的系统、方法及计算机软件程序。

背景技术

循环器官系统疾病包括血管的瘤化、硬化、狭窄。这些疾病是由于血流的影响而使得正常部位发生病变，也有不少由于之后的发展而导致死亡，但其治疗因伴随生命危险而非常困难。为了弄清楚这种难治性循环器官系统疾病，在基于病理切片的基础医学方法的基础上运用流体解析或构造解析的工程技术是有益的。

例如，脑动脉瘤是脑动脉管壁的一部分以囊状向外凸出的血管问题，在对脑部进行影像诊断时，在未破裂状态下偶然被发现的案例不断增加。所谓脑动脉瘤，是指由于动脉壁的脆弱性等而引起脑动脉的血管壁变为瘤状，因缺少中膜而容易破裂，大多数脑动脉瘤由于位于蛛网膜下腔，因此是蛛网膜下出血的主要原因。因此，对于破裂可能性高的脑动脉瘤，需要进行支架治疗等适当的预防治疗。

但是，对于脑动脉瘤破裂的可能性，在尺寸小于或等于10mm时，一年之内破裂的可能性小于1%，如果考虑预防治疗引起并发症的风险，盲目治疗是不当的，要求恰当判别导致破裂可能性高的脑动脉瘤，仅将这种脑动脉瘤作为治疗对象。因此，一直以来，都在研究使用肿瘤尺寸、形状、家族病史、血压、吸烟历史等作为破裂风险指标的脑动脉瘤判别方法。但是，上述指标均不是决定性的，要求开发高效的判别方法。

在这里，在日本特开2010-207531号公报中，公开了一种基于作用在动脉瘤内壁上的流体粘性力，即流体剪切应力的大小而判定动脉瘤破裂风险的MRI装置。但是，关于肿瘤壁面剪切应力的大小和肿瘤生长的关联性，同时存在判别结果相反的各种意见。第1种意见是High WSS说：如果壁面剪切应力超过阈值，则内皮细胞出现问题，由于游走细胞浸润，因此，肿瘤壁面的力学强度降低，肿瘤会生长（WSS：壁面剪切应力）。另一方面，第2种意见是Low WSS说：如果壁面剪切应力低于阈值，则由于血小板和白血球附着在内皮细胞上，因此使内皮功能降低，肿瘤壁面的力学强度降低。上述两种意见是对立的，因此意味着壁面剪切应力的大小并不是确定肿瘤生长及破坏的直接指标。

另外，还进行了根据壁面剪切应力的大小而判定破裂风险的其它尝试，例如，通过基于由MRI或CT得到的医学影像而对血流进行实验解析和计算解析，从而提取壁面剪切应力。但是，如前所述，壁面剪切应力的大小与破裂风险的关联性并不明确，而且，上述使用医学影像的方法，是仅基于血管内腔形状的方法论，并没有对流动本身作出解释。其理由在于，无法根据医学影像而掌握肿瘤壁上具有局部性的、细胞状态等病理信息和肿瘤厚度信息等，壁面剪切应力本身在肿瘤壁上的大小分布也具有局部性。

本发明就是鉴于上述状况而提出的，其目的在于提供一种能够根据对象血管部位的血流状态，针对该对象血管部位未来有无可能发生病变而进行恰当的诊断及治疗效果预测的方法、系统及程序。

发明内容

为了解决上述课题，根据本发明的第一主要观点，提供一种系统，其使用计算机，用于基于受验者的对象血管部位的三维形状数据，而对特定外科治疗方法的效果进行模拟，该系统的特征在于，具有：治疗方法接受部，其由计算机将由对象血管部位的三维形状数据以3维显示在显示器上，接受该显示器上的病变部的指定及针对该病变部的外科治疗方法的选择；修正方法存储部，其由计算机预先存储可选择的治疗方法和与治疗方法对应的三维形状数据的修正方法；以及修正完成三维形状输出部，其由计算机基于所述治疗方法的选择而读取存储在所述修正方法存储部中的修正方法，以该修正方法对所述指定涉及的病变部的三维形状数据进行修正，输出修正后的三维形状数据。

根据本发明的一个实施方式，所述可选择的治疗方法包括螺圈栓塞术，与该螺圈栓塞术对应的三维形状数据的修正方法为，具有在上述三维形状数据化后的所述对象血管部位的内腔的一部分处配置多孔质构造体的程序，模拟以螺圈闭塞上述血管的内腔的一部分的状态。

在这种情况下，进一步优选具有以所述多孔质构造体的开口率而使螺圈填充率变动的单元。

根据另一实施方式，所述可选择的治疗方法包括夹闭法，与该治疗方法对应的三维形状数据的修正方法为，具有将构成血管内腔的一部分（构成肿瘤等的部分）表面的1个或多个多边形切除的程序、和由另外的1个或多个多边形对切除的表面进行再生的程序，模拟使所述血管内腔的一部分闭锁的情况。

此外，根据另一实施方式，所述可选择的治疗方法包括支架置入术，与该治疗方法对应的三维形状数据的修正方法为，具有通过使多边形移动或变形而对血管内腔的一部分表面的凹凸进行修正的程序，模拟通过所述支架而对血管内的血液流动进行控制的情况。

此外，根据另一实施方式，所述可选择的治疗方法包括血流导向支架（Flow-diverting stent）置入术，与该治疗方法对应的三维形状数据的修正方法为，具有针对上述三维形状数据化后的所述对象血管部位的内腔的一部分而定义格子状物体的程序，模拟通过血流导向支架而限制血流的情况。

在这种情况下，进一步优选具有以所述多孔质构造体的开口率而使血流导向支架的格子密度变动的单元。

另外，优选治疗对象的血管病变形态是肿瘤。

此外，根据另一实施方式，该系统还具有流体解析部，其由计算机将包含有与血流相关的边界条件的运算条件赋予给所述三维形状数据，通过运算而求出所述对象血管部位的内腔的各位置处血流的状态量。

在这种情况下，所述流体解析部具有：运算条件存储部，其由计算机存储运算条件值的多个组，其中，该运算条件值的组中包含有用于运算在所述三维形状数据内流通的血流的状态量的边界条件，所述运算条件值的多个组，分别对应于用户要求的计算速度而包含有1个或者大于或等于1个的不同的运算条件值；以及运算部，其由计算机向所述用户提示进行计算速度选择，对应于所选择的计算速度，读取与该计算速度相关联的运算条件值的组，基于在该组中包含的运算条件值，执行上述血流的状态量的运算，并输出运算结果。

另外，优选所述运算条件值的多个组中的至少1个组，包含有与用户重视计算速度的情况相对应而将血流假定为定常流的情况下的运算条件值，至少1个另外的组包含有与相对于计算速度，用户更重视计算精度的情况相对应而将血流假定为脉动流的情况下的运算条件值。

此外，优选所述至少1个另外的组还包含有，考虑在脉动流的脉动周期内流动从层流变为湍流的情况的运算条件值。

或者，优选所述运算部具有在用户重视计算速度的情况下进行运算的第1处理器、和与计算速度相比用户更重视计算精度的情况下进行运算的第2处理器，还具有判断部，该判断部按照用户的选择而判断使用哪个处理器。

在这种情况下，优选所述第2处理器进行使用多个高速运算器的并行解析。

另外，优选所述第2处理器设置在可经由通信网络连接的另外的场所，所述判断部在判断为使用所述第2处理器的情况下，将计算所需的条件的一部分或全部经由所述通信网络发送至所述第2处理器，并接收运算结果。

此外，根据另一实施方式，还具有：血流性状判别部，其由计算机根据由所述流体解析部求出的血流状态量，求出所述对象血管部位的血管壁面的各位置处的壁面剪切应力矢量，求出特定壁面位置处的该壁面剪切应力矢量的方向和该特定壁面位置的周围壁面位置处的壁面剪切应力矢量的方向之间的相对关系，根据壁面剪切应力矢量的形态，判别该壁面位置处的所述血流的性状，并输出其判别结果；以及显示部，其由计算机使所述血流性状判别部的判别结果与所述三维形状模型重叠，进行图形显示输出。

在这种情况下，优选所述血流性状判别部为，由计算机判别所述特定壁面位置处的壁面剪切应力矢量的方向和其周围壁面位置处的壁面剪切应力矢量的方向之间的相对关系是“平行”、“合流”、“旋转”、“发散”中的哪一个，在“平行”的情况下判别为血流性状是良性流动（非恶性流动），在其它情况下判别为恶性流动（非良性流动）。

此外，优选所述血流性状判别部在所述特定壁面位置处的壁面剪切应力矢量的方向和其周围壁面位置处的壁面剪切应力矢量的方向之间的相对关系为“发散”的情况下，判别为在该壁面位置处会发生血管壁的薄弱化，输出该位置，所述显示部使存在发生所述薄弱化的可能性的位置与所述三维形状模型重叠，进行图形显示输出。

或者，优选所述血流性状判别部根据所述特定壁面位置处的壁面剪切应力矢量τ和该特定壁面位置的周围壁面位置处的多个壁面剪切应力矢量的相对角度关系，求出作为矢量场τ的标量的旋度rotτ及散度divτ，将这些值作为杂乱度而与阈值相比较，从而判别是所述“平行”、“合流”、“旋转”、“发散”中的哪一个，在所述杂乱度的旋度rotτ的值是规定阈值范围外的负值或正值时判别为“旋转”，在所述杂乱度的所述散度divτ的值是规定阈值范围外的负值时判别为“合流”，在所述杂乱度的所述散度divτ的值是规定阈值范围外的正值时判别为“发散”，在所述杂乱度的旋度rotτ的值及所述散度divτ的值这二者在规定阈值内时判别为“平行”。

此外，优选所述血流性状判别部在运算时，将所述多个壁面剪切应力矢量处理为单位矢量，与所述旋度rotτ及散度divτ进行比较的阈值为0。

或者，优选所述血流性状判别部，将该壁面位置处沿法线方向作用的压力的指标值作为加权系数而赋予给所述旋度rotτ及散度divτ的值，从而求出所述杂乱度的所述旋度rotτ及散度divτ的值。

此外，优选所述血流性状判别部使得求出所述杂乱度的所述旋度rotτ及散度divτ的值时所赋予的压力的指标值，为将该壁面位置处作用的压力除以在对象血管部位的壁面上作用的平均压力值而得到的值。

或者，优选所述显示部使所述杂乱度的所述旋度rotτ和/或所述散度divτ的值，在显示器上与所述三维形状模型重叠，进行显示输出。

或者，优选所述血流性状判别部根据所述特定壁面位置处的壁面剪切应力矢量τ和该特定壁面位置的周围壁面位置处的多个壁面剪切应力矢量的相对关系，求出矢量场τ的旋度rotτ及散度divτ，将这些值作为杂乱度而与阈值相比较，在阈值范围内的情况下判别为良性流动（非恶性流动），在范围外的情况下判别为恶性流动（非良性流动）

此外，优选所述血流性状判别部在运算时，将所述多个壁面剪切应力矢量处理为单位矢量，与所述旋度rotτ及散度divτ进行比较的阈值为0。

或者，优选所述血流性状判别部，将该壁面位置处沿法线方向作用的压力的指标值作为加权系数而赋予给所述旋度rotτ及散度divτ的值，从而求出所述杂乱度的所述旋度rotτ及散度divτ的值。

此外，优选所述血流性状判别部使得求出所述杂乱度的所述旋度rotτ及散度divτ的值时所赋予的压力的指标值，为将该壁面位置处作用的压力除以在对象血管部位的壁面上作用的平均压力值而得到的值。

或者，优选所述显示部使所述杂乱度的所述旋度rotτ和/或所述散度divτ的值，在显示器上与所述三维形状模型重叠，进行显示输出。

此外，根据另一实施方式，具有对所述对象血管部位的三维形状进行修正的形状修正部，该形状修正部具有：修正部位指定部，其由计算机将由所述血管形状提取部所生成的所述三维形状数据图形显示在显示器上，在该显示器上接受对三维形状数据显示的凹凸进行修正的部位处的至少1个多边形的指定；多边形移动部，其由计算机将上述多边形的重心位置设为起点，使上述多边形在沿着面法线方向的血管外侧或内侧方向上移动或变形；以及平滑处理部，其由计算机对所述多边形移动部使大于或等于1个的多边形移动或变形后生成的锐角形状进行检测，并进行平滑化处理。

此外，根据另一实施方式，具有标记部，该标记部基于所述对象血管部位的三维形状，对该对象血管部位进行标记，该标记部具有：存储部，其由计算机使特定对象血管部位所包含的主要血管要素的名称及其它血管要素的名称，与该特定对象血管部位相关联而进行存储；以及标记结果输出部，其由计算机在多个截面处对特定对象血管部位所包含的各血管要素的形状进行测定，将其面积的中央值最大的血管确定为主要血管，并且，基于该主要血管的判别而确定所述其它血管要素，标记上述主要血管要素及其它血管要素的名称，并与所述各血管要素的形状测定值一起输出。

在该情况下，优选所述流体解析部对应于所述标记结果，使所述运算条件对应于每个血管要素而变动。

此外，优选所述运算条件是血流的状态量解析中的网格详细度，针对每个血管要素而使网格详细度变动。

此外，优选所述网格详细度由所述截面形状的面积中央值的大小决定，从详细度的粗到细，以多个级别决定。

根据本发明的第6个主要观点，提供一种关于用于执行上述第1至第5观点所涉及的系统的计算机软件程序的发明。

根据本发明第7个主要观点，提供一种关于用于执行上述第1至第5观点所涉及的系统的方法的发明。

此外，上述没有列举的本发明的特征，本领域技术人员从以下说明的发明的实施方式及附图中可知能够实施。

附图说明

图1是表示本发明一个实施方式的概略结构图。

图2是血管形状提取部的图形用户界面。

图3是血管形状提取部的概略结构图。

图4是说明从影像上提取血管形状的图。

图5是说明将血管形状细线化的图。

图6是说明包含主要血管在内的血管名称的标记的图。

图7是用于说明提取血管形状的端面处理的图。

图8是表示脑内血管形状整体的示意图。

图9是手术模拟部的图形用户界面。

图10是手术模拟部的概略结构图。

图11是表示基于第1手术模拟模式的模拟的图。

图12是表示基于第2手术模拟模式的模拟的图。

图13是表示基于第3手术模拟模式的模拟的图。

图14是表示基于第1手术模拟模式的形状修正结果的例子的图。

图15是流体解析部的概略结构图。

图16是表示流体解析部的处理的流程图。

图17是流体解析部的图形用户界面。

图18是说明网格详详细度的图。

图19是说明流体剪切应力的示意图。

图20是说明流体剪切应力的示意图。

图21是表示与壁面剪切应力计算相关的全局坐标系的图。

图22是表示与壁面剪切应力计算相关的局部坐标系的图。

图23是图形表示使剪切应力矢量与血管三维形状叠加的图。

图24是图形表示使剪切应力矢量和压力与血管三维形状叠加的图。

图25是说明杂乱度计算的图。

图26是关于杂乱度解释的说明图。

图27是表示基于杂乱度对应图的恶性/良性判别法的图。

图28是关于基于杂乱度（分布）的薄弱化判别的说明图。

图29是血流性状判别部的图形用户界面。

图30A至D是表示表现杂乱度在肿瘤壁薄弱化判别中的有效性的结果显示例的图。

图31是表示本发明其它实施方式的手术操作评价系统的概略结构图。

具体实施方式

下面，基于附图，对本发明的一个实施方式进行具体说明。另外，在以下的说明中，作为诊断·治疗效果判定对象的循环器官系统疾病，以脑动脉瘤的情况为例进行说明。

（基于恶性/良性血流图案的血流性状诊断装置）

如前所述，本发明的第1技术方案是用于诊断肿瘤的性状的诊断装置。在本发明中，通过使由于血流而作用在脑动脉瘤内的血管壁面上的剪切应力矢量群的形态，与肿瘤的内腔形状、病理信息、血管厚度信息相关联，从而分类为可能成为未来导致血管组织病变的发生或发展的一个主要原因的“恶性（非良性）血流图案”、和不易成为该主要原因的“良性血流图案”。并且，作为模拟的结果，判定所生成的剪切应力矢量群的形态是属于所述恶性血流图案还是属于良性血流图案。如果判定为恶性血流图案，则由于可能成为未来导致血管组织发生病变或发展的一个主要原因，因此需要讨论是否进行手术，如果判定为良性血流图案，则判断为不易成为上述主要原因，能够避免由不必要的手术而带来的风险。

（血管治疗后的治疗效果预测装置）

另外，本发明的第2技术方案为，提供用于对判断为例如具有恶性血流图案的脑动脉瘤进行外科治疗后的治疗效果进行判定的装置。

即，基于所述恶性/良性血流图案的血流性状的判定方法，不仅是治疗前的脑动脉瘤，还能够用于预测对该脑动脉瘤进行治疗后的治疗效果。

脑动脉瘤的外科治疗方法包括，例如：1）夹闭术、2）螺圈栓塞术、3）支架置入术（Flow-diverting stent）。

所述夹闭术，是通过使用夹子将肿瘤颈部面闭塞，从而阻止肿瘤内的流动，换言之，构建没有脑动脉瘤的新的血管形状。所述螺圈栓塞术，是通过在肿瘤内置入多个螺圈而使肿瘤内部血栓化，将肿瘤闭塞。所述支架置入术，是通过在肿瘤颈部面置入由金属等构成的金属网，使肿瘤内的流速降低，从而使肿瘤内部血栓化，将肿瘤闭塞。

上述治疗方法具有阻止肿瘤内的流动这一共通性，是通过人为地修正血管的内腔形状而重新构建新的肿瘤颈部面，即，重新构建新的血管形状。与所述治疗方法相关的并发症，是由重新构建的血管形状随时间变化而被修正所引起的。例如，在进行螺圈栓塞术的病例中，肿瘤颈部面被流体力朝向肿瘤内腔方向压缩，使得肿瘤内腔与主血管重新连通而进行再次治疗的情况不少。

在这种情况下，首先，通过使用计算机对3维模型化的血管形状进行修正，以计算机为基础人为地生成新的肿瘤颈部面，从而在手术前以计算机为基础构建与实际进行手术时相同的血管形状。然后，通过模拟而使作用在该新的血管形状的血管壁面上的壁面剪切应力矢量群的形态可视化，同样地对其应用所述恶性/良性血流图案的判别法，从而能够对手术治疗效果进行评价。即，通过应用所述恶性/良性血流图案的判别法，从而能够预测通过在该部位植活内皮细胞等用于构成血管的细胞，血管组织在术后能否适当再生而具有充分的力学强度的发展方向，从术后并发症或死亡可能性的角度来说，有助于进行治疗效果的预测。

（本实施方式所涉及的血流性状诊断·治疗效果预测系统的结构）

图1是表示本实施方式所涉及的血流性状判定、治疗效果预测系统的概略模块结构图。该血流性状判定、治疗效果预测系统对应于上述第1、第2技术方案而具有以下2种功能。

（1）从该脑动脉瘤是否可能未来导致血管组织病变的发生或发展的角度，自动判别受验者对象血管部位的血流性状是属于未来发展至脑动脉瘤破裂的可能性小的良性血流，还是属于可能发展至该破裂的恶性血流（非良性血流）。

（2）在对该脑动脉瘤进行外科治疗时，通过在术前进行治疗模拟而掌握治疗后的血流，从而自动判别是属于未来出现并发症或死亡风险的可能性小的良性血流，还是可能发展至上述情况的恶性血流。

为了实现上述功能，该血流性状诊断·治疗效果预测系统如图1所示，具有：摄像装置1，其设置在医生等用户一侧（医院内），拍摄受验者的脑动脉瘤及该脑动脉瘤周围的对象血管部位的影像；用户终端2，其用于由医生等用户自身对该系统进行操作；以及血流性状诊断·治疗效果服务器3，其经由通信网络（院内LAN、院外WAN或专用线路）而与上述摄像装置1及用户终端2连接。

在这里，作为所述摄像装置1，除了CT装置（计算机断层扫描装置）、MRI装置（磁共振影像诊断装置）、DSA装置（数字减影血管造影法）等能够获取对象血管部位断层影像的装置以外，只要是能够获取下述对象血管部位影像数据即可，例如，通过超声多普勒或近红外成像而拍摄的影像等的装置。

上述用户终端2只要是由能够执行浏览器等显示软件的通常的个人计算机组成的工作站即可，其中，该浏览器能够显示用于与上述血流性状诊断·治疗效果服务器3进行通信的图形界面。

另一方面，作为所述血流性状诊断·治疗效果服务器3，使程序存储部8连接在与输入输出接口4、存储器5及CPU6连接的总线7上，其中，该输入输出接口4用于与所述通信网络进行通信。程序存储部8具有：血管形状提取部（i-Vessel）10，其根据由所述摄像装置1获取的影像数据而生成对象血管部位内腔的三维形状数据；手术模拟部（i-Surgery）11，其进行基于三维形状数据加工的手术模拟；流体解析部（i-CFD）12，其通过运算而求出对象血管部位的血流状态量；血流性状判别部（I-Flow）13，其使用该流体解析部12的运算结果，判别对象血管部位的血流是良性流动还是恶性流动；以及显示部14，其生成由该系统生成的用户图形界面及在该用户图形界面上显示的影像、解析结果、判别结果的显示画面。另外，在上述总线7上，连接有用于存储模拟所需的各种设定信息的模拟设定DB15、和用于存储该系统的模拟及解析结果的模拟结果DB16。

该服务器3的所述结构要素（血管形状提取部10、所述手术模拟部11、所述流体解析部12、及所述血流性状判别部13），实际上由存储在硬盘的存储区域中的计算机软件构成，通过由所述CPU6调出而在存储器5中展开执行，从而构成本发明的各结构要素，发挥作用。此外，该服务器3可以由1台计算机构成，也可以使各结构要素分散而由多台计算机构成。

另外，在本例中，上述血流性状诊断·治疗效果服务器3经由通信网络而与设置在医院内的用户终端1连接，但也可以设置在医院内，或者设置在医院外的高速运算处理中心9等处。在后者的情况下，优选按照下述方式构成，即，从设置在多个医院的多个用户终端2及摄像装置1接收数据或指示，使用高速运算处理器以很短时间执行高精度的流体解析，将解析结果反馈至各医院内的用户终端，由医生等用户向患者等当场显示解析结果。

下面，参照实际的动作，对该血流性状诊断·治疗效果预测系统的功能进行说明。

（用户图形界面）

图2表示由所述服务器3的显示部14生成并显示在所述用户终端装置2上的图形用户界面（GUI）17。其构成为，能够通过一个界面17，集中地对所述血管形状提取部（i-Vessel）10、所述手术模拟部（i-Surgery）11、所述流体解析部（i-CFD）12、所述血流性状判别部（i-Flow）13进行操作。

例如，该图2是从位于该画面上部的菜单中选择血管形状提取部“i-Vessel”10的情况下的例子，其中，该血管形状提取部“i-Vessel”10在下述功能说明中进行说明。同样地，通过选择i-Surgery11、i-CFD12、i-Flow13，从而能够切换至与各功能对应的界面（后述）。

此外，现有技术并不是这种综合的系统，而只是以由各个界面组成的独立系统构成各要素。在这种情况下，1）在不得不跨过多个系统而对一个病例进行解析时，用户在至少几个小时内都无法离开作业现场；2）各个独立系统以工程普遍的流程为对象，具有较高的自由度及通用性，但反之，对于医疗用途来说，由于作为解析条件所需的参数的数量和种类涉及多个方面，因此，其选择依赖于使用者的知识、技能，从而预计会发生结果无法导入实际临床或无法实现解析条件标准化的问题。

本实施方式的所述血流性状诊断·治疗效果预测系统，是在极度繁忙的临床环境中，作为医疗行为的一部分而使用。因此，本课题在于，解决对于医护人员在时间上的约束和使用者之间、设施之间的解析条件不一致。另外，必须充分考虑使用者即临床医生和放射科医师是并不熟悉流体力学的非工程人员。根据本实施方式的系统，由于能够将所述装置合并，在单一的界面17上集中地进行自动控制处理，因此能够消除上述顾虑。

另外，根据该系统，针对每种使用用途将运算条件组的最优值默认地作为“模块”而保存，即使用户没有一一设定所述运算条件组，也能够对与用户需求相对应的血流解析集中地进行自动控制处理。

（血管形状提取装置）

图3是表示所述血管形状提取装置的处理工序的框图，图4至图9是其说明图。

在步骤S1-1中，输入由摄像装置拍摄到的以DICOM形式等构成的对象血管部位的拍摄影像数据。然后，在步骤S1-2中，自动识别或手动指定影像的方向（影像的上、下、左、右各个方向）。图2如前所述，表示该血管形状提取部（i-Vessel）的用户界面。用于确认影像方向的界面，与在图2中被分割为4份显示的显示部41至44中的左上显示部41相当。如显示部42至43所示，在通过公知的容积再现法而使血管的三维形状可视化时，与血管显示方向相关的指定，例如能够如下进行，即，通过按下“前（A）”“后（P）”、“左（L）”、“右（R）”按钮18使画面旋转，从而使影像的方向与“前（A）”“后（P）”、“左（L）”、“右（R）”各个方向对齐。

然后，在该画面（图2）中，例如以从单选按钮24中选择的方式进行解剖部位指定（步骤S1-3）。此处指定的解剖部位，在后面的工序中自动进行血管标记时使用。例如，在脑动脉瘤位于右中大脑动脉（MCA）的情况下，选择“右前方循环（Anterior Circulation）”。同样地，能够选择“左前方循环”、“前方循环”、“后方循环”。该解剖部位如图3中标号19所示，存储在所述模拟设定DB15中。

在步骤S1-4及以后，通过将阈值法、梯度法及区域扩张法等（图2画面中所示的“Selection（对于通过阈值法（或梯度法）而提取的三维构造物，通过由用户在画面上指定关注区域而确定包含对象血管在内的区域）”、“Connectivity（由用户在关注区域内指定对象血管，通过从中仅选取连续的立体像素而进行对象血管提取）”、“Extension（包含了阈值法（或梯度法）和立体像素连续性这二者的区域扩张法，无论是否有必要，在血管提取的过程中都会追加已删除的血管）”、“Removal（用户手动删除不需要的血管）”）的各种运算进行组合，从而构建三维血管形状（3维形状数据）。因此，首先在步骤S1-4中进行对象血管区域的提取。该提取例如使用阈值法或梯度法进行。

图4表示在使用阈值法的情况下的提取例。

在阈值法中，例如，使用亮度值的绝对值或被归一化的相对值。在本实施方式中，通过由图2画面中的阈值设定部45选定滑动条式的直方图阈值，从而一边观察右上的显示部42的影像，一边使阈值变化，提取血管壁特有的特征。另一方面，在梯度法中，例如，根据亮度值分布，通过运算处理而提取亮度值的梯度，从中提取血管壁特有的特征而使用。然后，通过按下图2画面中“Fix”按钮46，从而使用与影像类型对应的最佳阈值，对由该血管形状提取部10得到的血管表面进行噪声去除（步骤S1-5），然后，通过多边形分割而进行3维形状数据化，从而完成对象血管区域提取（步骤S1-6）。图4是表示该工序所涉及的血管形状提取的示意图。上述阈值作为设定条件，被存储在所述模拟设定DB15中（用标号29表示）。

然后，通过由用户在图2的画面中按下“Lesion”按钮47，从而用户使用鼠标等在显示器上手动指定病变部（步骤S1-7）。然后，在步骤S1-8中执行血管的细线化，导出血管的中心线。该细线化工序通过由用户在图2的画面中按下“Label”按钮48而自动执行。用于该细线化的算法，能够使用多种公知方法。图5是表示该细线化的图。在获取到中心线之后，在步骤S1-9中，针对每条血管对中心线进行要素分割。该要素分割如图5所示，通过以血管的分支点A、B、C、D…对各血管的中心线进行分割而进行。图6将该分割部放大表示。将上述分支点A、B、C……之间的部分（V1、V2……）称为血管要素。然后，在步骤S1-10中，求出多个与各要素内的中心线正交的截面（如图6所示），计算该截面的等效直径，测量各要素的形状25。

然后，在步骤S1-11中，针对各要素自动标记血管名称。首先，将多个血管要素V1、V2、V3……中，在多个截面25处计算出的多个等效直径的中央值（使用平均值，是为了在该血管有动脉瘤而直径突然变大的情况下确保准确性）最大的血管，确定为主要血管而进行标记。在本实施方式中，该标记对应于上述解剖部位的指定而自动进行。即，在选择左前方循环时，所述主要血管（等效直径的中央值为最大的血管要素）被标记为“左内颈动脉”，在选择后方循环时被标记为“脑底动脉”。上述主要血管根据其在该解剖部位中具有最大等效直径而确定。此外，也可以使用除了等效直径以外的形状参数及多个参数的组合。如图3所示，在上述模拟设定DB9中，使解剖部位的信息19、主要血管的名称20、及从该主要血管分支的血管的名称21彼此关联而进行存储，该血管形状提取部10的标记部35将这些信息设为“血管标记模板”，通过参照而能够自动地进行标记。

即，在步骤S1-11中，在对主要血管进行标记之后，直至深部为止，对这些主要血管V2、V3……进行追踪，基于在上述DB9中存储的信息，自动判别在每个分支处出现的血管名称，并依次进行标记。在本实施方式中，该标记以例如从上述主要血管开始数出5至10个下级血管要素为限度而进行。如果如上所述基于各解剖部位信息19而确定主要血管的名称20，则对于从该主要血管分支的其它血管来说，上述分支血管的标记基于存储在数据库9中的作为模板的主要血管的名称20和分支血管的名称21的关系（每个解剖部位19）而自动进行。

然后，在步骤S1-12、13中，基于预先在步骤S1-2中指定的影像的方向（上下左右方向）、和作为对象而指定的上述解剖部位，通过在标记结束后使血管的入口、出口面与各自的中心线正交化，从而构建血管端面。图7是表示该端面构建的图。最后，在步骤S1-14中，按照上述方式构建的三维形状作为多边形数据而自动输出。同时，自动计算出所标记（标记信息23）的各血管的形状数据22，并写入至所述模拟结果DB16中（图3）。这时，用户能够在显示器上所显示的界面17上确认是否进行了适当的处理。此外，在上述自动处理的工序中，有时无法适当地进行标记。例如，对于具有先天性血管畸形的患者，有时在该位置没有相应的血管。在这种情况下，能够通过点击选择误标记的血管而对其名称进行变更。另外，设定DB21的名称20、21的修正也能够随时进行。此外，在进行这种手动处理的情况下，通过按下<End>按钮而自动输出结果，在各DB15、16中进行覆盖更新。此外，文件输出时的文件名构成为，能够基于可从DICOM起始信息中提取的患者ID而判别出文件形式，不需要用户手动输入。这一规则对于后述的手术模拟部11、流体解析部12、血流性状判别部13也相同。

此外，图8表示脑血管名称的概略。在该图8中，包含了前方、后方循环。例如，已知前交通动脉为脑动脉瘤的多发部位，但由于跨过左右的前方循环，因此在解析中必须将前方循环整体设为对象范围。

（手术模拟装置）

图9是表示手术模拟部11的用户图形界面17的示意图，图10是表示所述手术模拟部11的动作的流程图，图11、12、图13是其说明图。另外，图14是为了进行该手术模拟而对血管的三维形状数据进行修正的形状修正部35的概略结构图。

在本例中，用户从图9中示出的界面17上选择3种手术模拟模式，即，作为第1种手术模式的“Clipping/Coiling”50、作为第2种手术模式的“Stenting”51、以及作为第3种手术模式的“（血流导向支架）Flow-Diverting Stent”52中的任一种。由此，由该手术模拟部11生成最适合于再现手术后的血流状态的血管形状。

所述3种模式中的第1种手术模拟模式，是去除病变部和重新构建表面（Clipping/Coiling），第2种手术模拟模式是基于病变部凹凸修正的表面重新构建(Stenting)、第3种手术模拟模式是在任意截面处配置格子状物体(Flow-diverting Stent)。

与第1种手术模拟模式对应的血管形状修正方法（在图15中以37表示），是用于模拟夹闭术或螺圈栓塞术这种使肿瘤内腔完全闭锁情况的程序组50（<Positioning>、<Removal>、<Recon.>、<Shaping>，<Label>），以在术前对作用在治疗后所形成的肿瘤颈部面上的流体力进行模拟。与第2种模拟模式对应的血管形状修正方法，是用于模拟利用支架等治疗仪器，使由于动脉硬化而变窄的血管扩张的支架置入术的程序组51（<Positioning>、<Fitting>、<Shaping>、<Label>），以在术前对作用在治疗后所形成的病变部处的流体力进行模拟。与第3种手术模拟模式对应的血管形状修正方法，是用于模拟基于血流导向支架的脑动脉瘤治疗的程序组52（<Positioning>、<Porosity>、<Shaping>、<Label>），以模拟肿瘤内流动的降低效果。

上述模拟，实际上是通过对血管的三维形状数据进行修正而进行的，手术模拟部如图15所示，具有治疗方法接受部73和形状修正部35。下面，与处理动作一起，对上述结构进行说明。此外，可选择的手术模式（在本例中是第1至第3种手术模拟模式）和与之相关而定义的具体的血管形状修正方法，如图15中标号36及37所示，被存储在所述模拟设定部DB15中。

首先，用户在所述图形界面17上选择<Surgery>按钮11，通过所述用户终端2的浏览器画面，显示由所述血管形状提取装置生成的血管形状（步骤S2-0：图9中示出的画面左上的显示部54）。如果用户在所述界面17上激活第1种手术模拟模式（图9的50），则所述治疗方法接受部73从所述设定DB15中加载血管形状修正方法37（程序组50（<Positioning>、<Removal>、<Recon.>、<Shaping>、<Label>）），首先，使用者通过<Positioning>而选择病变部（步骤S2-1）。如果选择<Positioning>，则图15中所示的修正部位指定部38将在通过前述而指定的区域显示在用户界面17上（图9的右上显示部）。由于所述三维形状数据是由微小三角形要素积聚而构成血管表面、端部的多边形数据，因此能够对应于手术模拟的目的而使指示区域放大/缩小。然后，如果用户选择<Removal>，则由图15中示出的多边形移动部39将所选择的三角形要素切除（步骤S2-2）。然后，如果选择<Recon>，则所述多边形移动部39针对切除部以多边形重新构建表面。另外，能够通过按下<Shaping>按钮而使所述修正部位指定部38及多边形移动部39动作，用户能够通过操作鼠标而对重新构建面进行凹凸修正（步骤S2-3），然后，通过<Label>而标记定义为新的表面（标记部35）（步骤S2-4）。此外，表面的重新构建是通过对切除区域的重心进行计算，并以该重心为起点使切除部端面的三角形顶点连结而进行的。凹凸修正是通过以该重心位置为起点，由用户通过鼠标滑轮在切除面法线外周（或内周）方向上自由移动，即，使与移动前的三角形要素共通的顶点即该重心移动，人为地使得三角形形状变形而执行的。此外，移动后可能出现的锐角形状，通过同时进行平滑化处理而应对（上述结构要件38至39）。

在图9中示出的用户界面上，用户在左下及右下的显示部55、56<<Post-surgery>>上进行作业，显示术后影像，用户通过所述程序组而进行手术模拟。在进行至标记之后，通过<End>确定形状，与所述血管形状提取装置同样地，自动保存修正后的多边形数据，对模拟结果DB16进行更新（步骤S2-13：更新标记信息23及三维形状数据22）。此外，所述<<Post-surgery>>的显示部具有分别设置在右下55和左下56的<<Post-surgery#1、#2>>（本发明的比较显示部），以能够通过重复进行所述工序而对多种手术模拟的结果进行比较。

图11是表示上述第1种手术模拟模式中的血管形状修正的例子的示意图，图14A、B是表示模拟前和模拟后（夹闭治疗前、后）的三维形状的图。如上所述，能够通过切除构成脑动脉瘤形状的多边形，从而生成能够再现实施夹闭治疗后的血流性状的三维形状数据。因此，通过上述方式，能够由使用者任意调整通过夹闭术或螺圈栓塞术而构建的肿瘤颈部面的形状，在此基础上对术后血流进行模拟、解析。

在第2种手术模拟模式51中，与前述同样地，通过<Positioning>而选择病变部并进行放大、缩小（步骤S2-5、显示部55）。然后，通过<Fitting>计算病变部的重心，以该重心位置为起点，使多边形沿着血管壁面的法线方向移动，然后，通过曲线拟合的多项式近似而对病变形状进行插补（步骤S2-6）。然后，通过<Shaping>，用户操作鼠标而对病变部进行凹凸修正（步骤S2-7），最后，通过与所述第1种手术模拟模式同样的方法，进行重新构建面的标记（步骤S2-8）。图12是示出基于上述第2种手术模拟模式的形状修正例的示意图。

在第3种手术模拟模式52中，通过<Positioning>，用户在三维血管形状内部形成新的表面（步骤S2-9）。然后，针对所指定的表面，通过<Porosity>定义格子状物体（步骤S2-10），通过与前述同样的方法，对其凹凸进行修正（步骤S2-11）、标记（步骤S2-12）。作为这种情况下的血管形状修正方法37（图15），所使用的格子状物体是用于模拟血流导向支架。格子状物体为各向同性多孔质介质，通过用户从下拉菜单中设定其开口率而定义。此外，也可以由用户调整多孔质介质的形状、开口率，赋予其为各向异性介质。图13是表示基于上述第3种手术模拟模式的形状修正例的示意图。此外，图中以标号25表示，但其为格子状物体。另外，如果应用使用这种多孔质介质的血流模拟，则能够模拟在螺圈栓塞术时手术刚刚完成后的血流。在所述螺圈栓塞术模拟中，假定使肿瘤内部完全闭塞的情况。实际上，其与肿瘤内腔在术后经过足够的时间而充分血栓化后的状态相当。另一方面，直至完全闭塞为止，在螺圈内存在血液流动。是否能够模拟这种血液流动，对于确定螺圈填充率（螺圈体积相对于肿瘤体积的比值）是很重要的。在所述血流导向支架中，将多孔质介质设为二维构造物而使用，在该技术中，通过设为三维构造物，从而能够模拟刚刚进行螺圈栓塞后的状态。即，通过所述<Porosity>而在肿瘤内腔中置入多孔质介质，也能够起到以多孔质介质的开口率模拟螺圈填充率的功能。

（流体解析部）

然后，由流体解析部12基于数据，通过有限元法的公知运算，针对上述血管形状提取部10（及手术模拟部11）所生成的对象血管部位的三维形状，求出对象血管部位的各单位区域中的血流的流速及压力（状态量33）。

图16是表示该流体解析部12的处理的流程图，图17是用户从图形界面17的菜单中选择「CFD」12的情况下的显示例。

该流体解析部12首先通过步骤S3-1，针对由上述血管形状提取部10（及手术模拟部11）生成的对象血管部位的三维形状，选择并读入数据中的作为本次计算对象的血管形状数据。所显示的数据显示在图17的界面17的左上的显示部58、59、60上。在本例中，在显示部58上显示Pre-Sergery的形状数据，在显示部59上显示Post-Sergery#1的形状数据，在显示部60上显示Post-Sergery#2的形状数据。

然后，通过步骤S3-2，用户选择“模块”。在该“模块”的选择中，如图17所示，在所述图形界面17上用户可选择地显示“On-site（实时）”26、“Quick（迅速）”27、“Precision（高精度）”28这3个按钮。

在该系统中，其构成为，通过由用户从3种模块中选择一个，从而使用事先默认设定的运算条件值的组40（图1、图16），以适当的计算条件、精度执行计算。这是由于，考虑临床现场的时间约束及用户对于流体解析的非专业性，而满足现场需求，并且，通过统一地对解析方法的条件进行处理而实现再现性和标准化。在与On-site（实时）对应的运算条件下，作为计算条件采用定常解析。血液流动是由心脏射血而形成的被称为脉动流的非定常流动。进行非定常流动计算，需要一边对于时刻变化的流动在设定的每一个时间步使解收敛，一边逐次执行计算，运算器的负载非常高。另一方面，定常流的流动状况与脉动流并不是完全不同的。特别地，在脑血管这种雷诺数较低的区域中，在任意一个脉动周期内都是层流，在高雷诺数的湍流流动中能够观察到的过渡涡这样的流动变化很少。换言之，在脉动周期内，相对于流量的变化，流动的相似性很强。因此，只要能够再现与时间平均流相当的流动，就能够掌握脉动流的流动状况。On-site（实时）就是已通过相应的实验、解析数据证明过的解析方法。

另一方面，Quick（迅速）和Precision（高精度）是设定所述运算条件值的组40，以对脉动流进行处理。相对于Quick（迅速），Precision（高精度）的条件设定为，即使流动在脉动周期内从层流变为湍流的情况下也能够应对。并且，预先确定这时所使用的网格详详细度、血液物性值、壁面边界条件、入口边界条件、出口边界条件、离散条件，设为运算条件值的组40而存储在设定DB15中。另外，以独立的高速运算器进行Precision（高精度）解析而直至得到计算结果为止需要几天时间的情况也不少。因此，在本实施方式中，由设置用于上述流体解析部12的第1处理器41进行负载较小的上述on-site处理，同时，对于负载较大的Precision（高精度），由设置在远距离设置的高速运算处理中心9处的第2处理器42进行处理。即，由下述系统构成，仅在Precision（高精度）的情况下，将数据经由通信网络自动传送至医院外的处理中心，通过使用多台高速运算器的并行解析而执行计算，然后经由网络将解析结果反馈至医院内。

从步骤S3-3开始，通过由用户在图17的界面17上按下Run按钮62，从而对应于上述模块的选择而由系统提取所述运算条件值的组40，自动执行运算。首先，在步骤S3-3中，基于三维形状数据，将对象血管部位分割为有限元法中的多个要素（以下称为“网格”）。这时，在本实施方式中，基于由所述血管形状提取部10进行的血管标记，以与各血管尺寸对应的网格分割详详细度生成网格。即，在本例中，使该网格分割所使用的网格详详细度与血管名称相关联并保存，或者，由所述运算条件值40进行设定以能够按照血管截面的尺寸而动态地决定网格详详细度。因此，本装置按照上述标记而从所述设定DB15中提取网格详详细度使用。即，各血管的网格详详细度是对应于模块的选择及血管的种类而确定的。

图18A、图18B是表示使网格详详细度对应于每条血管而变动的例子的图。在本例中，直径1mm的眼动脉详详细度设定为，比直径5mm的内颈动脉的详详细度更细。

本实施方式中的网格分割详详细度D_mesh如下定义。

D_mesh=D_base×K_scale×K_module

其中：D_mesh：网格分割详详细度（在本例中将希望计算的网格的代表直径D_mesh设为详详细度使用）、D_base：基准网格尺寸（不依赖于尺度因子的常数）、K_scale：对应于血管尺寸而变动的尺度因子、K_module：对应于模块选择而变动的尺度因子。

在通常的有限元法解析的网格生成中，不考虑如上所述而定义的尺度因子，仅以基准网格单体决定网格尺寸。因此，现有的方法存在无法应对各血管直径变动的问题。但是，在本实施方式的方法中，通过导入上述的尺度因子，从而能够解决现有方法存在的课题。

以下示出一个例子。此外，在本例中，所述流体解析部12构成为，通过作为对象的血管的体积、该血管的中心线长度、及形状的圆柱近似而计算血管的等效直径D，对血管尺寸进行定量化而使用。

1）在使用On-site、Quick模块的情况下

D_base=0.1mm

K_scale=0.2(在D<1.5mm的情况下)

K_scale=1.0(在D>=1.5mm的情况下)

K_module=1

（即，在该模块中，仅对等效直径D小于1.5mm的较细动脉，将网格尺寸细化为基准网格尺寸的1/5）。

2）在使用Precision模块的情况下

D_base=0.1mm

K_scale=0.2(D<1.5mm)

K_scale=1.0(D>=1.5mm)

K_module=0.5

（即，在本例中K_module=0.5，在全域内进行网格细化）

此外，在上述方法中，在血管的分支部处，网格尺寸有时是不连续变化的。网格的不连续变化，成为此处的网格形状畸变增加而导致计算收敛性变差的主要原因。作为这一问题的应对方法，在本实施方式中，其构成为，首先通过上述方法生成网格，然后，针对网格形状畸变赋予上限值，重复进行平滑化处理以使得最大形状畸变落在阈值内。

在现有的解析方法中，无法使得网格尺寸如上所述对应于血管的尺寸而动态地变动，无论是大血管还是小血管，均只能以相同的详详细度进行分割。其结果，对于大血管解析而言是充分的网格形状，对于小血管而言网格不充分，从而导致解析精度差，如果为了确保小血管的解析精度而生成大血管不需要的网格，则存在耗费大量解析时间的课题，本发明能够解决这一课题。

然后，在步骤S3-4至S3-8中，从所述设定DB15中依次提取预先存储有血液物性值、边界条件、解析条件等各个运算条件40，在步骤S3-8中，基于上述条件而进一步执行计算。具体地说，所述流体解析部12是通过有限元法求解NS方程（表示（Navier-Stokesequations）流体运动的2阶非线性偏微分方程），求出各网格中的血流流速及压力。这时，有限元法的解（流速U及压力P）是在全局坐标系的X-global、Y-global、Z-global这3个方向上分别求出的。

此外，在这里，作为所述运算条件40中的所述血液物性值，是指血液的粘度或密度。另外，作为所述边界条件，是指解析对象部位入口侧的流动条件即入口边界条件、和其出口侧的流动条件即出口边界条件，上述流动条件能够使用通过统计学而平均的对象血管部位的流速及压力。

如上所述，上述设定条件是基于所选择的模块而自动选择使用默认值，在本实施方式中，优选能够按照受验者的个人数据等，在运算之前手动输入至流体解析部12。

在计算自动开始之后，在步骤S3-10中显示计算残差（residual），重复进行计算，直至达到收敛标准为止。在达到最大重复次数而计算残差没有满足收敛标准的情况下，判断为无法收敛（步骤S3-11）。在判断为无法收敛的情况下，进行网格变形的优化（步骤S3-12），再次执行计算。在残差达到收敛标准内的阶段，显示计算结束（步骤S3-13）。此外，与前述同样地，计算结果（状态量33（Ｕ，P））被自动保存在结果DB16中。

此外，此处的运算并不限定于有限元法，能够适当地采用有限体积法、差分法等，只要是基于微分方程数值解析的流动解析法即可。

（血流性状判别装置）

在所述血流性状判别部13中安装有使计算机作为下述各单元起作用的程序。即，所述血流性状判别部13如图1所示，具有：壁面剪切应力矢量运算部30，其根据由流体解析装置求出的各网格的流速及压力，针对各网格分别求出由于血流而作用在血管壁面上的流体剪切应力及其矢量（以下简记为“壁面剪切应力矢量”）；杂乱度运算部31，其根据壁面剪切应力矢量，求出用于判别血流性状的数值指标（杂乱度）；以及判别部32，其对应于所述杂乱度的大小，判别各网格中的血流的性状。

图19、图20是表示壁面剪切应力矢量运算部30基于上述针对各网格求出的流速Ｕ及压力P而求解剪切应力矢量τ（x，y，z）的方法的示意图。

如图19所示，所谓壁面剪切应力，是指在与形成血管内腔的微小要素平行的方向上作用的流体粘性力，所谓壁面剪切应力矢量，是指将该数值矢量化，考虑作用在壁面上的力的方向的量。壁面剪切应力矢量和压力存在正交关系，压力是指向微小要素的重心而沿面法线方向作用的流体力。

在对上图进行说明时，需要掌握全局坐标系和局部坐标系之间的变换。即，用于求出剪切应力矢量的压力P及速度U，如前所述是在全局坐标系中求出的量，与之相对，作用在血管壁面某个位置处的剪切应力，是朝向壁面切线方向的量，为了求出该剪切应力的大小，需要将上述压力及速度变换至以血管壁面为基准的局部坐标系中。

在这里，所谓全局坐标系，如图21所示，是指在该系统内，用于普遍表示构成血管表面及内部的网格的节点位置的独立坐标系。在有限元法或有限体积法中，由微小要素（三角形、四面体、六面体等）的集合构成计算对象。各要素具有被称为节点的顶点，各要素的位置信息使用全局坐标系，按照（X1_g，Y1_g，Z1_g）、（X2_g，Y2_g，Z2_g）、（X3_g，Y3_g，Z3_g）的方式保存。

并且，所谓局部坐标系，如图22所示，是针对构成血管表面的各个微小三角形要素（多边形）而定义的局部的坐标系，通常是指将上述微小三角形要素的重心设为原点，将面法线矢量构成一个轴（Z轴）的坐标系。在以局部坐标系表示的情况下，上述微小要素各节点的位置为（X1_L，Y1_L，Z1_L）、（X2_L，Y2_L，Z2_L）、（X3_L，Y3_L，Z3_L）。只要知道上述微小三角形要素的重心位置和面法线矢量的方向，就能够对全局坐标系的位置和局部坐标系的位置进行变换。

下面，对于求出壁面剪切应力的方法进行详细说明。

首先，根据上述流体解析部12（i-CFD）的输出，在全局坐标系中获取各节点处的速度、压力。然后，指定希望求出壁面剪切应力矢量的三角形要素。针对所述三角形要素而设定局部坐标系。在所述局部坐标系中，确定希望计算壁面剪切应力矢量的位置G（对于各三角形要素，通常将与壁面的距离设为恒定。例如，距离壁面0.1mm的内部的点等）。该位置G处的流速如图20所示，由于是壁面，因此为0。

并且，如果将与该壁面位置G在法线方向（局部坐标系的Z方向）上距离t位置处的流速设为Ut，其中，距离t远小于流动的边界层厚度，则该部分的流速U与G的距离n大致成正比，记为

Ｕn＝n·dＵt／dZ

并且，根据作用反作用法则，阻止使距离n的点以上述速度移动的力与使下表面固定所需的力相等，二者均与速度Ut成正比，与距离Z成反比。因此，流体的接触的点G处的单位面积的力τ如下。

τ＝μ·dＵt／dZ

即，所谓壁面剪切应力矢量，是指计算与微小要素平行的速度矢量在法线方向上的变化率，并将其与流体的粘性系数相乘而得到的量。对于计算与微小要素平行方向速度矢量的法线方向变化率的方法，考虑多种方法。例如，能够在Zl轴上设置多个候选点，以根据周围速度矢量群而对速度矢量进行插补的方式得到各候选点的速度。此外，在这种情况下，对于每一个周围速度矢量，由于与候选点之间的距离不同，因此，针对距离设定加权函数而进行插补。由于周围速度矢量是以全局坐标系表示的，因此，通过将插补后的速度矢量坐标变换到局部坐标系中，从而计算各候选点处的面平行方向的速度分量。然后，在计算法线方向上的变化率的情况下，可以使用壁面附近的一个候选点，以一次近似进行计算，也可以使用壁面附近的多个候选点进行多项式近似，然后进行数值微分这样的高阶微分处理。

在根据上述全局坐标系的速度U（Xg，Yg，Zg）而求解壁面剪切应力矢量的情况下，可以将距离t的速度Ut在局部坐标系（Xl，Yl，Zl）中进行分解，针对各局部坐标轴中与壁面平行的轴即（Xl，Yl）（Ｚ轴单元变为0），求解τ＝μ·dＵt／dＺ即可。

即，

τ（Xl）＝μ·dＵt（Xl）／dＺ

τ（Yl）＝μ·dＵt（Yl）／dＺ

将上述局部坐标轴合成的矢量值τ（Xl，Yl）成为壁面剪切应力矢量。因此，在与血管壁接触的面内，壁面剪切应力矢量为相对于该面具有x方向分量及y方向分量的矢量。

图23是将按照上述方式求出的沿着血管壁的剪切应力矢量，标记在三维形状模型上而表示的图。

此外，作用在血管壁上的力不仅是沿着血管壁的方向，也作为压力P而作用在与血管壁冲撞的方向上。该压力能够作为将在上述全局坐标系中求出的点G处的压力变换为局部坐标系时的Zl轴方向的压力值而求出。图24是将作用在壁面上的上述压力值与上述图23重叠而示出的图。颜色越淡，表示作用有越高的压力。

按照上述方式对于各多边形求出的壁面剪切应力71及其矢量72，被存储在所述模拟结果DB16中。

（杂乱度运算部）

然后，由所述杂乱度运算部31求出作为将各网格中的壁面剪切应力矢量群的形态数值化的指标的杂乱度。该杂乱度是表示某个网格的壁面剪切应力矢量与其周围的壁面剪切应力矢量群相比较，在同一方向上是否整齐排列的程度的数值指标。即，通过运算而求出作为求解杂乱度对象的网格（以下称为“对象网格”）的壁面剪切应力矢量、和在对象网格周围相邻的各个网格的壁面剪切应力矢量之间所成的各个角度θ，从而得到杂乱度。

图25表示在本实施方式的系统中使用的微小要素G（为了说明方便，将其近似为点）的剪切应力矢量、和以格子状包围所述要素G的周围8个微小要素的剪切应力矢量的关系。在本例中，其构成为，由于不需要剪切应力的大小，而仅提取方向即可，因此，将壁面剪切应力矢量处理为单位矢量。另外，各微小要素严格来说为三维立体配置，但对于相邻的单元组，由于足够接近，因而作为二维进行处理。即，以将各壁面剪切应力矢量投影在二维平面上的方式进行处理。图25表示将微小要素G及其周围的微小要素投影在二维正交坐标系上的状态。

在本实施方式中，通过针对对象网格计算基于矢量解析的“散度（divergence，以下记为div）”和“旋度（rotation，以下记为rot），从而对壁面剪切应力矢量群的形态进行数值化。

即，以下式表示将空间某个网格周围的矢量场τ（剪切应力矢量）投影到所述二维正交坐标系（x，y）上的点G（x，y）处的分量。

τ（G）＝（τx（x，y），τy（x，y））

这时，被称为“矢量场τ的散度”的“标量场divτ”由下式定义。

$\mathrm{div}\mathrm{\&tau;}=\&PartialD;\mathrm{\&tau;x}/\&PartialD;x+\&PartialD;\mathrm{\&tau;y}/\&PartialD;y$

同样地，被称为“矢量场τ旋度”的“标量场rotτ”由下式定义。

$\mathrm{rot\&tau;}=\&PartialD;\mathrm{\&tau;y}/\&PartialD;x-\&PartialD;\mathrm{\&tau;x}/\&PartialD;y$

图24表示壁面剪切应力矢量群的形态与上述“散度（div）”及“旋度（rot）”的值的关系。所谓壁面剪切应力矢量群的形态，大致被分类为：1）平行型、2）合流型、3）旋转型、4）发散型。

对于平行型来说，（div，rot）=（0，0），对于合流型来说，（div，rot）=（负值，0），对于旋转型来说，（div，rot）=（0，正值或负值），对于发散型来说，（div，rot）=（正值，0）。对于合流型和发散型来说，能够对应于div值的增减而将其程度数值化。即，在为合流型的情况下，如果其负值在负方向上增大，则合流的程度增大，在为发散型的情况下，如果其正值在正方向上增大，则发散的程度增大。在旋转型中，随着旋转方向而出现正值和负值，但能够根据其绝对值的大小而将旋转程度数值化。如果将杂乱度定义为矢量D=（div，rot），则其大小能够作为杂乱度使用，杂乱度越小，意味着所述对象网格的壁面剪切应力矢量相对于其周围各网格的壁面剪切应力矢量的方向越一致（平行型）。

并且，在存在杂乱度的情况下，能够根据其（与阈值相比较）而进行恶性/良性判别，另外，通过对div和rot的数值进行比较，从而能够进一步分类为合流型、旋转型、发散型，能够判别出肿瘤壁硬化与薄弱化的类别。

将div和rot的数值以对应图示出的是图27。即，该图对于剪切应力矢量的典型案例而求出了杂乱度（div，rot）。在这里，所谓典型案例，是指能够通过数学表述的理想图案，并不是实验数据。如前所述，由于将剪切应力矢量处理为大小为1的单位矢量而计算散度、旋度，因此杂乱度已经归一化，由此，能够在患者之间进行比较。即，根据本实施例，所述杂乱度能够作为可采用绝对值进行评价的指标。

另外，在本实施方式中，作为杂乱度，通过将对象网格的压力作为加权系数而进行组合，从而能够高精度判定血流冲撞到血管壁时对血管造成的损伤。在本实施方式中，在使用压力的情况下也使用归一化后的压力，即压力指标。在本实施方式中，作为该压力指标，运算将各个压力除以肿瘤内的平均压力所得到的值（在本例中进行乘法计算）而使用。

由此，例如，在由于血液流动冲撞而形成发散型的剪切应力矢量群的情况下，在主流的流动冲撞的情况下，能够确认到局部壁压力的上升，但在从主流分离出的二次流动冲撞的情况下，无法发现壁压力的上升。在这种情况下，通过对剪切应力矢量群的形态和压力进行组合，从而有助于高精度地进行预测，特别有助于对脑动脉瘤的薄弱部位进行预测。即，压力指标化有多种方法，对于将该压力与根据剪切应力矢量计算出的杂乱度叠加的方法，也可以进行乘法或乘方计算，存在多种。

（判别部）

在所述判别部32中，根据由所述杂乱度运算部31求出的各网格的杂乱度的值，针对各网格而分别判别是良性流动还是恶性流动。作为此处的壁面剪切应力矢量的状态，包括与周围壁面剪切应力矢量平行的平行状态、向与周围壁面剪切应力矢量接近的方向延伸的合流状态、与周围壁面剪切应力矢量一起旋转的旋转状态、和相对于周围壁面剪切应力矢量其方向为放射状的发散状态。并且，如果壁面剪切应力矢量为平行状态，则将该网格中的血流性状判定为良性流动，另一方面，如果壁面剪切应力矢量为合流状态、旋转状态、发散状态中的某一种，则将该网格中的血流性状判定为恶性流动（非良性流动）。

此外，其构成为，根据恶性流动时的杂乱度的值而进行风险判别。在本实施方式中，如上所述，随着杂乱度值在正方向或负方向增大，判别为风险变大。在这里，作为阈值使用的指标，是本发明人在长期内追踪脑动脉瘤患者脑动脉瘤内的壁面剪切应力矢量，根据该壁面剪切应力矢量与从该位患者身上采集的实际脑动脉瘤的血管组织的关系，而凭经验设定的值，但也可以根据情况而使其变动。在这里，进一步分级设定所述阈值，将所述壁面剪切应力矢量的状态设为更多级别，分级地判别良性流动和／或恶性流动的程度。

如上所述，在本实施方式中，能够根据所述壁面剪切应力矢量的状态，对血管壁厚度即壁厚的程度（病变倾向）进行分类。即，如果壁面剪切应力矢量为平行状态，则将壁厚分类为通常等级。另外，如果壁面剪切应力矢量为合流状态、旋转状态，则形成血球细胞或血浆中的蛋白质容易沉淀的环境，成为血管肥厚、壁厚增加的类型。此外，如果壁面剪切应力矢量为发散状态，则由于会发生内皮细胞破坏及再生障碍，从而形成血球在血管内浸润、增殖、游走的温床，使得血管壁的力学强度降低，其结果，成为以该部位为中心，血管壁薄弱化而壁厚减小的类型。图28是表示硬化部和薄弱部的概念的示意图。

在图29中示出用于表示血流性状判别部13（矢量运算部30、指标运算部31、判别部32）的判别结果的用户界面17。在该界面17中，与前述同样地，通过按下<Load>按钮而进行解析数据输入的读入。然后，通过选择用户希望显示的项目<streamline>61至<Flowdisturbance index>70，从而能够在该界面显示部进行相应的显示。另外，其构成为，作为表示血管阻力的参数，能够选择<Pressure ratio>、<Pressure loss coefficient>、<Energy loss>。在该显示时，通过仅由用户对于血管中心线确定起点和终点，从而设定检查体积，自动进行各个值的计算。其结果，在该用户界面17上显示所述判别结果。

图30A至D是将判别结果的一个例子放大表示的图。下面，使用该图，对基于杂乱度<Flow disturbance index>进行判别的有效性及优势进行说明。

该系统是以肿瘤壁上的最大值将壁面剪切应力、压力、杂乱度归一化而显示。显示方法设为，颜色越淡，意味着值越大，颜色越浓，意味着值越小。为了说明方便，在壁面剪切应力显示（图30A）中，示出通过肿瘤壁的术中观察、壁厚分析而确定的3处薄弱部（P1、2、3）。在P1处示出壁面剪切应力为较低的值，而P2的分布与P1不同，示出较高的值，因此，可以说无法在3个薄弱部示出异常分布。另一方面，从示出壁面剪切应力矢量的显示（图30B）可知，在该3处，通过目视可知壁面剪切应力矢量群的形态处于“发散”倾向。而且，在上述部位，还能够从图30C的显示观察到压力较高。这种情况表示血液流动与肿瘤壁发生了冲撞。因此，如果对所述杂乱度（发散）进行计算，则如图30D的显示，能够分别在所述3处薄弱部观察到杂乱度（发散）的值较高的异常情况。在本例中，判别黑色部位的杂乱度为0（平行：良性流动），灰色部位的杂乱度为1（发散：恶性流动）、白色部位的杂乱度为2（发散：恶性流动）。

换言之，使薄弱部与杂乱度（发散）相关，能够使用基于杂乱度（发散）的判别而在术前预测该患者肿瘤壁的薄弱部位。

通过上述方法，在本系统中，能够基于所述杂乱度，由所述判别部对各网格的血流性状是良性流动还是恶性流动进行判别，能够将其结果视觉地显示在所述用户界面上。另外，除了上述判别结果以外，还能够视觉地显示由流体解析装置求出的各网格的血流状态（流线、流速值、压力值）。所显示的数据种类及显示样式并不特别限定，例如，可以根据血管形状提取装置所生成的脑动脉瘤的三维影像数据，显示脑动脉瘤的三维影像。通过以颜色在该三维影像的表面上显示针对每个网格求出的良性流动及恶性流动的状态，从而能够视觉地识别出受验者的脑动脉瘤中恶性流动密度较高的肿瘤区域和非肿瘤区域。

按照上述方式求出的杂乱度及血流性状判定结果，在图1中如74、75所示，被存储在所述模拟结果DB16中。此外，对于判定结果，优选使得判定为恶性流动的位置（及值）与杂乱度的值相关联而存储。

此外，在所述杂乱度运算部13中，也可以针对所述各网格，求出表示杂乱度随时间变化的程度的时间变化度，作为所述杂乱度指标。即，在这里，在求出杂乱度之后，通过该杂乱度的时间平均及其变动，或者时间序列数据、微分或傅立叶变换等频率评价，从而计算出时间变化度。在这种情况下，在所述判别单元中，针对时间变化度，通过与预先存储的阈值进行对比，从而判别是良性流动还是恶性流动。即，在时间变化度比预先存储的阈值小的情况下，判定该网格内的血流为良性流动，另一方面，在时间变化度比预先存储的阈值大的情况下，判定该网格内的血流为恶性流动。此处的阈值设定为基于与心脏脉动相对应的频率的经验性数值。如果由于某种原因，导致长时间作用在脑动脉瘤壁面上的剪切应力以超过心脏脉动数的振动数作用，则会破坏血管内皮细胞，上述阈值是基于这一研究结果而确定的。

另外，在所述实施方式中，对用于进行脑动脉瘤有无破裂可能性判别的系统进行了说明，但本发明并不限定于此，也可以应用于进行其它对象血管部位有无发生病变或发展的可能性判别的系统。

此外，对于所述矢量运算部，也能够以具有其功能的独立的运算装置构成。在该运算装置中，能够基于对象血管部位的影像数据，求出对象血管部位每个单位区域的血流及压力，然后针对每个该单位区域运算血管壁面的壁面剪切应力矢量，将该壁面剪切应力矢量的数据输出至外部装置，能够在所述界面17上显示该数据等。

（应用于手术操作评价系统的应用例）

在所述一个实施方式中说明的手术模拟，例如还能够应用于下述手术操作评价系统。

例如，使用血管近似模型进行血管吻合的操作的用户等，能够通过将吻合完成血管近似模型的DICOM形式数据上载到该系统的服务器3中从而进行处理。此外，该上载也可以通过以邮件发送等手段进行。

在这种情况下，执行吻合模型的血流解析，同时，优选能够通过由用户自身对吻合部的形状进行编辑，从而进行怎样的吻合使得能量损耗降低什么程度的手术技术检验、模拟。因此，在这种情况下，需要形成为在上述一个实施方式的结构的基础上，具有能量损耗运算部的系统。

在这种情况下，如图31所示，对于该系统的程序存储部，除了所述流体解析部12以外，还具有能量损耗运算部77、血管形状修正部36、及手术操作评价部78。

所述能量损耗运算部基于由所述流体解析部运算得到的状态量，计算评价模型入口和出口处的血流能量，并计算其损耗。该损耗通过对血管的截面积及长度进行归一化换算，从而变换为吻合部的狭窄率（狭窄度）。所述血管形状修正部36为了确认使哪个区域的吻合部内部形状变化对于血流评分是高效的，使用在上述一个实施例中说明的形状修正部36的结构。所述操作评价部78基于上述能量损耗（吻合部的狭窄率（狭窄度））而进行下述评价。

即，在使用血管模型的吻合操作训练中，针对其操作结果评价很重要的一点在于血液重新开始顺利流动。所谓顺利，就形态而言，是指在吻合部内腔中不存在狭窄部位。对于血流来说，狭窄部位的存在会造成流动的能量损耗。由此，在吻合操作训练中不使得吻合部内腔狭窄的吻合，为理想的操作。在吻合学习中，认为狭窄部与上述声称的病变相当。即，由于不熟练的操作而在血管吻合中产生狭窄部，其结果，导致血液重新开始流动的能量损耗升高的情况。

在手术模拟中，通过将该狭窄部解释为所述一个实施方式中的病变部，从而能够进行可以如何改良的评价。例如，用户通过能够对病变部即狭窄部的形状任意地进行编辑（基于放大、缩小、去除等血管形状编辑功能），从而能够对血流与操作的关系作出解释。因此，在本例中，其构成为，上述评价部使用与上述一个实施方式类似的界面，迅速且直观地将操作与内腔形状、内腔形状与血流的关系显示在计算机显示器上。

此外，如果是使用自动吻合器和现有缝合线的吻合，则吻合内部形状当然是不同的。例如，使用自动吻合器的吻合部合流部形状为T字型，吻合部截面形状近似为圆形状。例如，通过使吻合截面处的圆直径放大、缩小，从而能够模拟使用不同直径血管情况下的吻合结果。

通过对吻合部内腔形状进行编辑，从而还能够进行例如强制删除对重新开始的血流没有造成很大影响的部位的模拟，以期待临床上实用的新的理想吻合操作方案以及发现。

另外，本发明中的装置各部分的结构并不限定于图示结构例，能够在实质上起到相同作用的范围内进行多种变更。

Claims (49)

1.一种基于计算机的系统，其用于基于受验者的对象血管部位的三维形状数据，而对特定外科治疗方法的效果进行模拟，该系统的特征在于，具有：

治疗方法接受部，其由计算机将对象血管部位的三维形状数据3维显示在显示器上，接受该显示器上的病变部的指定及针对该病变部的外科治疗方法的选择；

修正方法存储部，其由计算机预先存储可选择的治疗方法和与治疗方法对应的三维形状数据的修正方法；以及

修正完成三维形状输出部，其由计算机基于所述治疗方法的选择而读取存储在所述修正方法存储部中的修正方法，以该修正方法对所述指定涉及的病变部的三维形状数据进行修正，输出修正后的三维形状数据。

2.根据权利要求1所述的系统，其特征在于，

所述可选择的治疗方法包括螺圈栓塞术，

与该螺圈栓塞术对应的三维形状数据的修正方法为，具有在上述三维形状数据化后的所述对象血管部位的内腔的一部分处配置多孔质构造体的程序，模拟以螺圈闭塞所述对象血管部位的内腔的一部分的状态。

3.根据权利要求2所述的系统，其特征在于，

还具有以所述多孔质构造体的开口率而使螺圈填充率变动的单元。

4.根据权利要求1所述的系统，其特征在于，

所述可选择的治疗方法包括夹闭法，

与该治疗方法对应的三维形状数据的修正方法为，具有将构成血管内腔的一部分(构成肿瘤等的部分)表面的1个或多个多边形切除的程序、和由另外的1个或多个多边形对切除的表面进行再生的程序，模拟使所述血管内腔的一部分闭锁的情况。

5.根据权利要求1所述的系统，其特征在于，

所述可选择的治疗方法包括支架置入术，

与该治疗方法对应的三维形状数据的修正方法为，具有通过使多边形移动或变形而对血管内腔的一部分表面的凹凸进行修正的程序，模拟通过所述支架而对血管内的血液流动进行控制的情况。

6.根据权利要求1所述的系统，其特征在于，

所述可选择的治疗方法包括血流导向支架置入术，

与该治疗方法对应的三维形状数据的修正方法为，具有针对上述三维形状数据化后的所述对象血管部位的内腔的一部分而定义格子状物体的程序，

模拟通过血流导向支架而限制血流的情况。

7.根据权利要求6所述的系统，其特征在于，

还具有以所述多孔质构造体的开口率而使血流导向支架的格子密度变动的单元。

8.根据权利要求1所述的系统，其特征在于，

治疗对象的血管病变形态是肿瘤。

9.根据权利要求1所述的系统，其特征在于，

还具有流体解析部，其由计算机将包含有与血流相关的边界条件的运算条件赋予给所述三维形状数据，通过运算而求出所述对象血管部位的内腔的各位置处血流的状态量。

10.根据权利要求9所述的系统，其特征在于，

所述流体解析部具有：

运算条件存储部，其由计算机存储运算条件值的多个组，其中，该运算条件值的组中包含有用于运算在所述三维形状数据内流通的血流的状态量的边界条件，所述运算条件值的多个组，分别对应于用户要求的计算速度而包含有1个或者大于或等于1个的不同的运算条件值；以及

运算部，其由计算机向所述用户提示进行计算速度选择，对应于所选择的计算速度，读取与该计算速度相关联的运算条件值的组，基于在该组中包含的运算条件值，执行上述血流的状态量的运算，并输出运算结果。

11.根据权利要求10所述的系统，其特征在于，

所述运算条件值的多个组中的至少1个组，包含有与用户重视计算速度的情况相对应而将血流假定为定常流的情况下的运算条件值，至少1个另外的组包含有与相对于计算速度，用户更重视计算精度的情况相对应而将血流假定为脉动流的情况下的运算条件值。

12.根据权利要求11所述的系统，其特征在于，

所述至少1个另外的组还包含有，考虑在脉动流的脉动周期内流动从层流变为湍流的情况的运算条件值。

13.根据权利要求11所述的系统，其特征在于，

所述运算部具有在用户重视计算速度的情况下进行运算的第1处理器、和与计算速度相比用户更重视计算精度的情况下进行运算的第2处理器，还具有判断部，该判断部按照用户的选择而判断使用哪个处理器。

14.根据权利要求13所述的系统，其特征在于，

所述第2处理器进行使用多个高速运算器的并行解析。

15.根据权利要求13所述的系统，其特征在于，

所述第2处理器设置在可经由通信网络连接的另外的场所，所述判断部在判断为使用所述第2处理器的情况下，将计算所需的条件的一部分或全部经由所述通信网络发送至所述第2处理器，并接收运算结果。

16.根据权利要求9所述的系统，其特征在于，还具有：

血流性状判别部，其由计算机根据由所述流体解析部求出的血流状态量，求出所述对象血管部位的血管壁面的各位置处的壁面剪切应力矢量，求出特定壁面位置处的该壁面剪切应力矢量的方向和该特定壁面位置的周围壁面位置处的壁面剪切应力矢量的方向之间的相对关系，根据壁面剪切应力矢量的形态，判别该壁面位置处的所述血流的性状，并输出其判别结果；以及

显示部，其由计算机使所述血流性状判别部的判别结果与所述三维形状模型重叠，进行图形显示输出。

17.根据权利要求16所述的系统，其特征在于，

所述血流性状判别部为，

由计算机判别所述特定壁面位置处的壁面剪切应力矢量的方向和其周围壁面位置处的壁面剪切应力矢量的方向之间的相对关系是“平行”、“合流”、“旋转”、“发散”中的哪一个，在“平行”的情况下判别为血流性状是良性流动(非恶性流动)，在其它情况下判别为恶性流动(非良性流动)。

18.根据权利要求17所述的系统，其特征在于，

所述血流性状判别部在所述特定壁面位置处的壁面剪切应力矢量的方向和其周围壁面位置处的壁面剪切应力矢量的方向之间的相对关系为“发散”的情况下，判别为在该壁面位置处会发生血管壁的薄弱化，输出该位置，

所述显示部使存在发生所述薄弱化的可能性的位置与所述三维形状模型重叠，进行图形显示输出。

19.根据权利要求17所述的系统，其特征在于，

所述血流性状判别部根据所述特定壁面位置处的壁面剪切应力矢量τ和该特定壁面位置的周围壁面位置处的多个壁面剪切应力矢量的相对角度关系，求出作为矢量场τ的标量的旋度rotτ及散度divτ，将这些值作为杂乱度而与阈值相比较，从而判别是所述“平行”、“合流”、“旋转”、“发散”中的哪一个，

在所述杂乱度的旋度rotτ的值是规定阈值范围外的负值或正值时判别为“旋转”，

在所述杂乱度的所述散度divτ的值是规定阈值范围外的负值时判别为“合流”，

在所述杂乱度的所述散度divτ的值是规定阈值范围外的正值时判别为“发散”，

在所述杂乱度的旋度rotτ的值及所述散度divτ的值这二者在规定阈值范围内时判别为“平行”。

20.根据权利要求19所述的系统，其特征在于，

所述血流性状判别部在运算时，将所述多个壁面剪切应力矢量处理为单位矢量，

与所述旋度rotτ及散度divτ进行比较的阈值为0。

21.根据权利要求19所述的系统，其特征在于，

所述血流性状判别部，将该壁面位置处沿法线方向作用的压力的指标值作为加权系数而赋予给所述旋度rotτ及散度divτ的值，从而求出所述杂乱度的所述旋度rotτ及散度divτ的值。

22.根据权利要求21所述的系统，其特征在于，

所述血流性状判别部使得求出所述杂乱度的所述旋度rotτ及散度divτ的值时所赋予的压力的指标值，为将该壁面位置处作用的压力除以在对象血管部位的壁面上作用的平均压力值而得到的值。

23.根据权利要求19所述的系统，其特征在于，

所述显示部使所述杂乱度的所述旋度rotτ和/或所述散度divτ的值，在显示器上与所述三维形状模型重叠，进行显示输出。

24.根据权利要求16所述的系统，其特征在于，

所述血流性状判别部根据所述特定壁面位置处的壁面剪切应力矢量τ和该特定壁面位置的周围壁面位置处的多个壁面剪切应力矢量的相对关系，求出矢量场τ的旋度rotτ及散度divτ，将这些值作为杂乱度而与阈值相比较，在阈值范围内的情况下判别为良性流动(非恶性流动)，在范围外的情况下判别为恶性流动(非良性流动)。

25.根据权利要求24所述的系统，其特征在于，

所述血流性状判别部在运算时，将所述多个壁面剪切应力矢量处理为单位矢量，

与所述旋度rotτ及散度divτ进行比较的阈值为0。

26.根据权利要求24所述的系统，其特征在于，

所述血流性状判别部，将该壁面位置处沿法线方向作用的压力的指标值作为加权系数而赋予给所述旋度rotτ及散度divτ的值，从而求出所述杂乱度的所述旋度rotτ及散度divτ的值。

27.根据权利要求26所述的系统，其特征在于，

所述血流性状判别部使得求出所述杂乱度的所述旋度rotτ及散度divτ的值时所赋予的压力的指标值，为将该壁面位置处作用的压力除以在对象血管部位的壁面上作用的平均压力值而得到的值。

28.根据权利要求25所述的系统，其特征在于，

所述显示部使所述杂乱度的所述旋度rotτ和/或所述散度divτ的值，在显示器上与所述三维形状模型重叠，进行显示输出。

29.根据权利要求1所述的系统，其特征在于，

具有对所述对象血管部位的三维形状进行修正的形状修正部，

该形状修正部具有：

修正部位指定部，其由计算机将由所述血管形状提取部所生成的所述三维形状数据图形显示在显示器上，在该显示器上接受对三维形状数据显示的凹凸进行修正的部位处的至少1个多边形的指定；

多边形移动部，其由计算机将上述多边形的重心位置设为起点，使上述多边形在沿着面法线方向的血管外侧或内侧方向上移动或变形；以及

平滑处理部，其由计算机对所述多边形移动部使大于或等于1个的多边形移动或变形后生成的锐角形状进行检测，并进行平滑化处理。

30.根据权利要求1所述的系统，其特征在于，

具有标记部，该标记部基于所述对象血管部位的三维形状，对该对象血管部位进行标记，

该标记部具有：

存储部，其由计算机使特定对象血管部位所包含的主要血管要素的名称及其它血管要素的名称，与该特定对象血管部位相关联而进行存储；以及

标记结果输出部，其由计算机在多个截面处对特定对象血管部位所包含的各血管要素的形状进行测定，将其面积的中央值最大的血管确定为主要血管，并且，基于该主要血管的判别而确定所述其它血管要素，标记上述主要血管要素及其它血管要素的名称，并与所述各血管要素的形状测定值一起输出。

31.根据权利要求30所述的系统，其特征在于，

所述流体解析部对应于所述标记结果，使所述运算条件对应于每个血管要素而变动。

32.根据权利要求31所述的系统，其特征在于，

所述运算条件是血流的状态量解析中的网格详细度，针对每个血管要素而使网格详细度变动。

33.根据权利要求32所述的系统，其特征在于，

所述网格详细度由所述截面形状的面积中央值的大小决定，从详细度的粗到细，以多个级别决定。

34.一种计算机软件程序，其用于基于受验者的对象血管部位的三维形状数据，而对特定外科治疗方法的效果进行模拟，该计算机软件程序的特征在于，具有存储在存储介质中的下述命令：

治疗方法接受部，其由计算机将对象血管部位的三维形状数据3维显示在显示器上，接受该显示器上的病变部的指定及针对该病变部的外科治疗方法的选择；

修正方法存储部，其由计算机预先存储可选择的治疗方法和与治疗方法对应的三维形状数据的修正方法；以及

修正完成三维形状输出部，其由计算机基于所述治疗方法的选择而读取存储在所述修正方法存储部中的修正方法，以该修正方法对所述指定涉及的病变部的三维形状数据进行修正，输出修正后的三维形状数据。

35.根据权利要求34所述的计算机软件程序，其特征在于，

所述可选择的治疗方法包括螺圈栓塞术，

与该螺圈栓塞术对应的三维形状数据的修正方法为，具有在上述三维形状数据化后的所述对象血管部位的内腔的一部分处配置多孔质构造体的程序，模拟以螺圈闭塞所述对象血管部位的内腔的一部分的状态。

36.根据权利要求35所述的计算机软件程序，其特征在于，

还具有以所述多孔质构造体的开口率而使螺圈填充率变动的程序。

37.根据权利要求34所述的计算机软件程序，其特征在于，

所述可选择的治疗方法包括夹闭法，

与该治疗方法对应的三维形状数据的修正方法为，具有将构成血管内腔的一部分(构成肿瘤等的部分)表面的1个或多个多边形切除的程序、和由另外的1个或多个多边形对切除的表面进行再生的程序，模拟使所述血管内腔的一部分闭锁的情况。

38.根据权利要求34所述的计算机软件程序，其特征在于，

所述可选择的治疗方法包括支架置入术，

与该治疗方法对应的三维形状数据的修正方法为，具有通过使多边形移动或变形而对血管内腔的一部分表面的凹凸进行修正的程序，模拟通过所述支架而对血管内的血液流动进行控制的情况。

39.根据权利要求34所述的计算机软件程序，其特征在于，

所述可选择的治疗方法包括血流导向支架置入术，

与该治疗方法对应的三维形状数据的修正方法为，具有针对上述三维形状数据化后的所述对象血管部位的内腔的一部分而定义格子状物体的程序，

模拟通过血流导向支架而限制血流的情况。

40.根据权利要求39所述的计算机软件程序，其特征在于，

还具有以所述多孔质构造体的开口率而使血流导向支架的格子密度变动的程序。

41.根据权利要求34所述的计算机软件程序，其特征在于，

治疗对象的血管病变形态是肿瘤。

42.一种由计算机执行的方法，其用于基于受验者的对象血管部位的三维形状数据，而对特定外科治疗方法的效果进行模拟，该方法的特征在于，具有：

治疗方法接受工序，在该工序中，由计算机将由对象血管部位的三维形状数据以3维显示在显示器上，接受该显示器上的病变部的指定及针对该病变部的外科治疗方法的选择；

修正方法存储工序，在该工序中，由计算机预先存储可选择的治疗方法和与治疗方法对应的三维形状数据的修正方法；以及

修正完成三维形状输出工序，在该工序中，由计算机基于所述治疗方法的选择而读取在所述修正方法存储工序中存储的修正方法，以该修正方法对所述指定涉及的病变部的三维形状数据进行修正，输出修正后的三维形状数据。

43.根据权利要求42所述的方法，其特征在于，

所述可选择的治疗方法包括螺圈栓塞术，

与该螺圈栓塞术对应的三维形状数据的修正方法为，具有在上述三维形状数据化后的所述对象血管部位的内腔的一部分处配置多孔质构造体的程序，模拟以螺圈闭塞所述对象血管部位的内腔的一部分的状态。

44.根据权利要求43所述的方法，其特征在于，

还具有以所述多孔质构造体的开口率而使螺圈填充率变动的单元。

45.根据权利要求42所述的方法，其特征在于，

所述可选择的治疗方法包括夹闭法，

与该治疗方法对应的三维形状数据的修正方法为，具有将构成血管内腔的一部分(构成肿瘤等的部分)表面的1个或多个多边形切除的程序、和由另外的1个或多个多边形对切除的表面进行再生的程序，模拟使所述血管内腔的一部分闭锁的情况。

46.根据权利要求42所述的方法，其特征在于，

所述可选择的治疗方法包括支架置入术，

与该治疗方法对应的三维形状数据的修正方法为，具有通过使多边形移动或变形而对血管内腔的一部分表面的凹凸进行修正的程序，模拟通过所述支架而对血管内的血液流动进行控制的情况。

47.根据权利要求42所述的方法，其特征在于，

所述可选择的治疗方法包括血流导向支架置入术，

与该治疗方法对应的三维形状数据的修正方法为，具有针对上述三维形状数据化后的所述对象血管部位的内腔的一部分而定义格子状物体的程序，模拟通过血流导向支架而限制血流的情况。

48.根据权利要求47所述的方法，其特征在于，

还具有以所述多孔质构造体的开口率而使血流导向支架的格子密度变动的单元。

49.根据权利要求42所述的方法，其特征在于，

治疗对象的血管病变形态是肿瘤。