CN104081401A - 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 - Google Patents
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 Download PDFInfo
- Publication number
- CN104081401A CN104081401A CN201280066658.1A CN201280066658A CN104081401A CN 104081401 A CN104081401 A CN 104081401A CN 201280066658 A CN201280066658 A CN 201280066658A CN 104081401 A CN104081401 A CN 104081401A
- Authority
- CN
- China
- Prior art keywords
- model
- narrow zone
- heart
- coronary
- patient
- 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.)
- Pending
Links
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
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16B—BIOINFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR GENETIC OR PROTEIN-RELATED DATA PROCESSING IN COMPUTATIONAL MOLECULAR BIOLOGY
- G16B15/00—ICT specially adapted for analysing two-dimensional or three-dimensional molecular structures, e.g. structural or functional relations or structure alignment
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16B—BIOINFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR GENETIC OR PROTEIN-RELATED DATA PROCESSING IN COMPUTATIONAL MOLECULAR BIOLOGY
- G16B25/00—ICT specially adapted for hybridisation; ICT specially adapted for gene or protein expression
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16B—BIOINFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR GENETIC OR PROTEIN-RELATED DATA PROCESSING IN COMPUTATIONAL MOLECULAR BIOLOGY
- G16B5/00—ICT specially adapted for modelling or simulations in systems biology, e.g. gene-regulatory networks, protein interaction networks or metabolic networks
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16C—COMPUTATIONAL CHEMISTRY; CHEMOINFORMATICS; COMPUTATIONAL MATERIALS SCIENCE
- G16C10/00—Computational theoretical chemistry, i.e. ICT specially adapted for theoretical aspects of quantum chemistry, molecular mechanics, molecular dynamics or the like
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16C—COMPUTATIONAL CHEMISTRY; CHEMOINFORMATICS; COMPUTATIONAL MATERIALS SCIENCE
- G16C20/00—Chemoinformatics, i.e. ICT specially adapted for the handling of physicochemical or structural data of chemical particles, elements, compounds or mixtures
- G16C20/30—Prediction of properties of chemical compounds, compositions or mixtures
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16C—COMPUTATIONAL CHEMISTRY; CHEMOINFORMATICS; COMPUTATIONAL MATERIALS SCIENCE
- G16C20/00—Chemoinformatics, i.e. ICT specially adapted for the handling of physicochemical or structural data of chemical particles, elements, compounds or mixtures
- G16C20/40—Searching chemical structures or physicochemical data
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16C—COMPUTATIONAL CHEMISTRY; CHEMOINFORMATICS; COMPUTATIONAL MATERIALS SCIENCE
- G16C99/00—Subject matter not provided for in other groups of this subclass
-
- 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
-
- 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
- G16H50/20—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for computer-aided diagnosis, e.g. based on medical expert systems
-
- 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
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16Z—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS, NOT OTHERWISE PROVIDED FOR
- G16Z99/00—Subject matter not provided for in other main groups of this subclass
-
- 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
Landscapes
- Health & Medical Sciences (AREA)
- Engineering & Computer Science (AREA)
- Medical Informatics (AREA)
- General Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Public Health (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Bioinformatics & Computational Biology (AREA)
- Primary Health Care (AREA)
- Epidemiology (AREA)
- Spectroscopy & Molecular Physics (AREA)
- Biomedical Technology (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- Pathology (AREA)
- Computing Systems (AREA)
- Evolutionary Biology (AREA)
- Biophysics (AREA)
- Biotechnology (AREA)
- Chemical & Material Sciences (AREA)
- Molecular Biology (AREA)
- Crystallography & Structural Chemistry (AREA)
- Radiology & Medical Imaging (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Physiology (AREA)
- Genetics & Genomics (AREA)
- Apparatus For Radiation Diagnosis (AREA)
- Magnetic Resonance Imaging Apparatus (AREA)
- Ultra Sonic Daignosis Equipment (AREA)
Abstract
公开了一种用于冠脉循环的多尺度解剖学和功能建模的方法和系统。根据患者的医学图像数据生成冠状动脉和心脏的患者特定的解剖学建模。冠脉循环的多尺度功能模型是基于患者特定的解剖学模型生成的。在至少一个冠状动脉的至少一个狭窄区域中利用冠脉循环的多尺度功能模型来模拟血流。计算血液动力学参量、例如血流储备分数(FFR)以确定狭窄的功能评估,并且利用冠脉循环的多尺度功能模型进行实际的介入模拟,以用于决策支持和介入规划。
Description
本申请要求在2012年11月10日提交的美国临时申请61/557935的权益,其公开内容通过引用包含于此。
技术领域
本发明涉及对冠脉循环进行解剖学和功能建模,并且更确切而言,涉及针对冠心病诊断和介入规划对冠脉循环进行多尺度的解剖学和功能建模。
背景技术
心血管疾病(CVD)在世界范围内是首要致死原因。在各种CVD中,冠心病(CAD)导致这些死亡中的近50%。尽管在医学成像和其它诊断模态中有显著进步,但是对于CAD患者来说在过早发病和死亡率方面的增长还是非常高的。一个原因是缺乏对于疾病的诊断和发展的精确的体内和体外患者特定的估计。例如,在冠脉狭窄情况下,如在诊断图像中看到那样对解剖学结构的精确估计(即,冠脉中狭窄的数量)会在很大程度上低估或高估堵塞的严重性。对于这种堵塞的功能评估,重要的是包含从多个尺度上来自血液动力学和细胞机构的多面信息。在复杂模型中包含这样的多尺度信息在过去由于高计算需求而是困难的。
发明内容
本发明提供了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。本方面的实施例有效地包含冠脉循环解剖学结构的全阶和降阶子模型。本发明的实施例提供了带有对健康和有病血管中的冠脉循环的高度预测力的、患者特定的多尺度计算模型。本发明的实施例进一步通过影响(leveraging)计算模型以创建特定治疗介入来提供基于虚拟介入的规划,从而改进冠心病的临床管理。
在本发明的一个实施例中,根据患者的医学图像数据生成冠状动脉和心脏的患者特定的解剖学模型。基于该患者特定的解剖学模型生成冠脉循环的多尺度功能模型。利用冠脉循环的多尺度功能模型在至少一个冠状动脉的至少一个狭窄区域中模拟血流。
附图说明
本发明的这些和其它优点将通过参考下面的详细描述和附图而对于本领域技术人员是显然的。
图1是冠心病的图示;
图2示出了根据本发明的一个实施例对冠脉循环进行建模、对冠心病进行评估和进行介入规划的方法;
图3示出了根据本发明的一个实施例的多尺度建模方法的纵览;
图4是示出了冠脉自身调节(coronary autoregulation)的图;
图5示出了根据高帧率容积超声图像对心肌机械结构进行估计;
图6示出了对左心室心肌机械结构进行估计;
图7示出了对容积流量进行自动量化;
图8示出了用于冠状血管提取和冠脉狭窄的解剖学评估的示例性医学图像处理软件;
图9示出了虚拟介入规划的示例;以及
图10是能够实施本发明的计算机的高等级模块图。
具体实施方式
本发明涉及利用医学图像数据对冠脉循环进行多尺度的解剖学和功能建模。在此描述本发明的实施例以给出对冠脉循环进行建模的方法的视觉理解。数字图像通常由一个或多个对象(或形状)的数字表示构成。对象的数字表示通常在此在识别和操纵对象方面被描述。这种操作是在计算机系统的存储器或其它电路/硬件中实现的虚拟操作。从而,应理解的是可以利用存储在计算机系统内的数据在计算机系统内执行本发明的实施例。
本发明的实施例提供了具有对健康和有病血管中的冠脉循环的高预测力的、患者特定的多尺度计算模型。这种计算模型以下面的部件来实现:全面地建模冠脉循环中的解剖学、血液动力学和细胞的现象;与用于先进患者特定计算的现有技术心脏模型进行有效的多尺度耦合;以及确定功能参数和血液动力学参量,诸如血流储备分数(FFR)、冠脉血流储备(CFR)、创伤严重指数等,以用于冠脉狭窄的诊断和评估。通过影响计算模型以便创建特定治疗介入,本发明的实施例还提供基于虚拟介入的规划,以便改进冠心病的临床管理。这种虚拟介入规划在使用计算模型的情况下利用基于模拟的用于介入规划的方法(虚拟支架、血管成形术和冠状动脉搭桥术(CABG))来实现。这种实施例引起预测性的、全面的多尺度模型,其不仅能用于分析冠心病的解剖学和功能方面,而且能用于对于诊断和介入规划两者改进的临床管理。
图1是冠心病的图示。如在图1中所示,冠心病的特征在于由于在冠脉内形成斑块而使得血管变窄,其导致对于心肌降低的氧气供给。随着时间,后果会是严重的,造成绞痛、心肌梗塞、中风或死亡。
冠心病的功能重要性不能仅通过观察血管的变窄而被观察到,并且相关于诸如流速和压力的不同的血流特性。当前的临床实践包括用于合适评估这些参量的侵入性测量。在本发明的有利实施例中,可以首先通过经由不同的成像技术获得与冠状动脉的几何结构有关的详细信息和然后通过关于表示患者特定的几何结构的模型执行血流计算来避免与这些介入相关的风险。此外,这些模型不仅允许避免侵入式测量,而且允许通过模拟不同场景(血管造形术、搭支架、搭桥术)改进治疗规划并且因此而改进患者结局评价。
最近,已经报告了基于计算流体动力学(CFD)的血流模拟,并且相对于(通过超声、MRI、CT等获得的)患者特定的数据进行了验证。这种模型良好地适于器官水平分析,但是不能说明复杂的多尺度现象,其对于为了介入规划而获得全面的预测模型(在每个尺度上)是关键的。在开发用于临床设定的应用时另一挑战是降低计算复杂度,从而可以在合理的时间量中获得结果并且该结果可以被有效地应用于临床实践。
因为冠状血管供给心肌,所以所述冠状血管被强烈地耦合至心脏并且耦合至心脏的尤其在微血管上执行的机械动作。因此,为了执行生理上精确的计算,关键的是精确地嵌入由心脏施加在冠状血管上的效果。此外,冠心病的发展有关于细胞水平上(在血管的内皮层上)发生的现象。细胞水平模型的包含允许追踪斑块淀积的发展和其在由对应的心外膜血管供给的微血管床上逐渐增大的效果。这示出,可靠评估有病血管的功能重要性需要复杂的设置,其不能仅通过血流计算来获得,而是在此描述的模型有效地考虑所有方面。
另一方面是,为了增加这些模型的产出率和为了能够诊断增大数目的患者,需要优化多尺度模型的运行时间。为了解决该问题,需要有效地耦合这样的策略,这些策略显著降低运行时间,而并不在模型物理上折衷。该问题在本发明的实施例中通过借助均衡模型复杂度和运行时间来有效利用和耦合全阶和降阶模型而被处理。
在确定心外膜狭窄的功能意义之后,解剖学和功能模型将被用于模拟不同介入的效果,所述介入可以改进患者的健康状态。可以通过虚拟地降低来自狭窄的阻塞来对球囊扩张(balloon inflation)进行建模。(以来自不同生产商的支架)进行虚拟支架植入,随后执行耦合的流动分析,这将实现分析对于血管树内的波传播造成的效果和其对血液动力学变量的影响。在一些情况下,典型地进行冠状动脉搭桥术(CABG)。利用不同的起点和终点引入这种邻接血管也可以在这些模型内被模拟;因此,可以在介入之前确定最合适的选项。
图2示出了根据本发明的一个实施例对冠脉循环进行建模、评估冠心病和规划介入的方法。
在步骤202,接收患者的医学图像数据。可以接收来自一个或多个成像模态的医学图像数据。例如,医学图像数据可以包括计算机断层成像(CT)、Dyna CT、磁共振(MR)、血管造影术、超声、单光子发射计算机断层成像(SPECT)和任意其它类型的医学成像模态。医学图像数据可以是2D、3D或4D(3D+时间)医学图像数据。可以直接从诸如CT扫描仪、MR扫描仪、血管造影扫描仪、超声设备等的一个或多个图像采集设备接收医学图像数据,或者可以通过载入之前存储的、患者的医学图像数据来接收医学图像数据。
在步骤204,根据医学图像数据生成冠状动脉和心脏的患者特定的解剖学模型。在一个有利的实现方案中,患者特定的解剖学模型包括利用4D医学图像数据生成的冠状动脉的4D(3D+时间)几何模型。为了生成冠状动脉的患者特定的解剖学模型,在4D图像数据的每个帧中分割冠状动脉。可以利用任意冠状动脉分割方法在医学图像数据的每个帧中分割冠状动脉。例如,可以利用在美国公开专利申请20100067760中描述的方法在CT体积中进行分割,该申请通过引用合并于此。然后对于每个帧中感兴趣的、所分割的冠状动脉生成几何表面模型。例如,在美国专利7860290和美国专利申请7953266中描述用于对冠状动脉建模的方法,两个申请均通过引用结合于此。这形成冠状动脉的示出了冠状动脉随时间变化的解剖学结构的解剖学模型。
在一个有利实施例中,患者特定的解剖学模型还包括心脏的根据4D图像数据生成的、患者特定的4D解剖学模型。4D解剖学心脏模型是具有多个心脏部件的多部件模型,包括腔(左心室、左心房、右心室和右心房)、心脏瓣膜(主动脉瓣、二尖瓣、三尖瓣、肺动脉瓣)和主动脉。心脏的这种全面模型用于捕获大量形态学的、功能和和病理的变化。模块化和架构的方法可以用于降低解剖学复杂度并且有助于各个解剖学结构的有效和灵活的估计。可以通过例如利用边缘空间学习(MSL)生成各个心脏部件的各个模型,和然后通过建立网点对应来集成心脏部件模型,从而生成4D解剖学心脏模型。关于这种4D患者特定的心脏模型的附加细节在美国公开申请20120022843中描述,该申请通过引用结合于此。
在步骤206,生成冠脉循环的多尺度功能模型。关于对人体心血管系统进行精确建模的一个主要困难是这样的事实,其表示具有各个部件之间的高度相互依赖性的封闭环路。在系统的特定区段中的血流特性(局部的血液动力学)紧密相关于系统的全局动力学。研究局部血流是重要的,因为诸如血管的局部变厚或狭窄形成之类的特定病理强烈地受到局部血液动力学的影响。另一方面,诸如血管内腔的变动之类的特定的局部变化可以导致血流的全局重新分布,这触发了保证在受影响血管的远端部分中足够高的流速的一些补偿性机制。3D或全尺度血流计算是计算上昂贵的,并且可以仅对于降低数目的血管执行。在系统或全局血液动力学与局部血液动力学之间的相互影响和3D计算的高计算要求两者引起了血流的几何多尺度建模的概念,其在此用于分析冠脉循环。
从而,在本发明的一个有利实施例中,利用完全3D模型仅分割冠状动脉树中的感兴趣的局部区域、例如包含狭窄斑块淀积的区段,而循环的其余部分通过降阶模型(用于大动脉的1D模型和用于小动脉和微血管的集总模型(lumped model))来表示。降阶模型产生在压力和流速波形(1D模型)方面的可靠结果,正确地考虑远端血管和微血管(集总模型)的效果,并且引起比对应的3D计算小了多于两个量级的运行时间。替选地,整个计算可以在3D模型上实现。
图3示出了根据本发明的一个实施例的多尺度建模方法的纵览。如在图3中所示,将心脏模型302在主动脉的根部处耦合。心脏模型302可以实现为完全3D心脏模型,或者可以实现为通过患者特定的数据参数化的集总模型。主动脉和大动脉(例如左冠状动脉(LCA)、右冠状动脉(RCA)等)被表示为1D血流模型304、306、308、310、312、314、316、318和320,因为这些1D血流模型304-318产生在压力和流速值方面的可靠结果并且考虑波传播现象。将通过集总参数模型322、324、326、328和330来模拟所有的微血管床,所述集总参数模型说明应用于血流的阻力并且说明远端血管的顺应性(compliance)。对于冠状动脉树,在大的(心外膜的)血管中的流动通过系统树模型321中的1D模型来计算。因为在横截面区域中存在大的变化,并且狭窄的形状影响血流行为并且尤其影响跨狭窄压降(trans-stenoticpressure drop),所述跨狭窄压降在评估这种狭窄的功能重要性中起主要作用,所以狭窄区段332和334(即血管中的区域曾是狭窄,或者探测到变窄)不能利用1D血流模型来模拟。通过集总参数模型324、326、328和330来对冠状血管床建模,所述集总参数模型在如下意义下适配于冠脉循环,即,其考虑在心脏收缩期间心肌收缩的效果。
因为运行时间是关键的,根据一个有利的实现方案,替代于运行时间高两倍还多的3D流体结构交互(FSI),刚性壁3D模型340和350可以用于表示狭窄区域332和334。该方面并不影响全面结果,因为狭窄区域332和334中的弹性并不重要,然而为了正确表示管状树内的波传播现象,在顺应性1D模型和刚性3D模型之间的接口处包括0D接口模型342、344、352和354。这些接口模型在其接口处集中3D的顺应性。在冠脉循环中非常重要并且对在狭窄的形态学和功能重要性之间大的不一致做贡献的另一方面是侧枝血流的出现,其使得形态学上重要的狭窄成为功能上不重要的。根据患者特定的血管形态学,可以通过吻合的(anastomotic)大血管(以1D模型)或者通过为受影响区域供给血液的微血管(如在图3中那样通过集总元素来建模)来建模侧枝血流336。
用于小动脉和微血管的集总模型
微血管的集总或0D模型322-330是基于在电学和动力学之间的类似性的,并且通过将小血管的生理特性集中到集总元素(阻力、顺应性和惰性)来消除独立变量的空间相关性。冠脉床需要特别的处理,因为微血管是受心肌收缩影响最大的,心肌收缩的效果在心外膜和心内膜之间变化。三个不同的机制可以用于解释在冠状树内观察到的流速波形:变化的弹性、引起缩短的细胞内压力和引起凹穴的细胞外压力。在一个有利的实现方案中,第二和第三机制的组合用于对冠脉流动的心肌收缩的效果进行建模,而变化的弹性却保护血管对抗其他两个机制的动作。因此,在心脏收缩期间,外部压力作用于冠状血管,其在心内膜下层较高而在心外膜下层较低,并且其可以根据左和右心室压力来被确定。在心肌表面上延伸的心外膜血管并不受这些收缩的影响。在多尺度方面,规则的3元素Windkessel模型可以在血管的并不属于冠状树的终止位置处使用。阻力和顺应性值的确定是通过采用平均压力和流速值和通过适配阻力值以避免非生理学反射。
用于心外膜狭窄区段的详细的3D解剖学模型
在各个狭窄区域332和334中的详细的3D血流计算340和350基于刚性域中的不可压缩的Navier-Stokes方程的数值解。在血管壁处加强无滑移(non-slip)边界条件并且通过与近端和远端1D区段的明确/隐含耦合来确定流入和流出边界条件。在有利的实施中,3D模型340和350不仅确定诸如剪切应力的感兴趣的局部参数的值,而且对于狭窄区域,其还针对狭窄的详细形状计算压降。
用于主动脉和狭窄区域的近端和远端的区段的1D模型;和用于血管树的结构化的树模型
1D模型304-320使用一系列简化假设,以将3D域转换为沿着纵轴的长度的1D域。这种1D模型可以通过准线性的一阶偏微分方程的系统来描述。这些模型的一个有利方面是如下事实,即其考虑血管的顺应性,这允许描述出现在心血管系统中的波现象。这些模型的因变量是内腔面积、流速和沿着纵轴的平均压力(典型地考虑顺应性血管的网络)。1D模型例如可以用于研究动脉的几何上的逐渐尖细或者局部硬化对于流速和压力波的传播的影响。1D模型在确定心血管系统内的流速和压力波的特性时特别有用。这些波是通过在血流与具有特定顺应性的血管壁之间的交互并且根据血管的弹性特性来生成的。存在关于这些模型的不同的方法可能性。在最简单的情况下,血管的机械特性通过在平均压力和血管半径之间的代数关系来描述。在更复杂的情况下,可以考虑其它特性诸如粘弹性(visco-elasticity)或壁惰性(wallinertia)。在本发明的一个有利实施例中,在压力与血管半径之间的关系通过微分方程来给出。利用1D模型进行的血流计算被示出以产生在压力和流速(速度)值方面的良好结果,并且具有减少计算工作的优点。因此,当血管解剖学结构规则(例如圆柱形的)并且不需要计算局部值诸如壁剪切应力或振荡剪切指数时,这种1D模型可以用于减少计算时间但是也可以用于研究波传播现象。这些1D模型在狭窄区段之前和之后都使用,因此允许确定在整个冠状动脉树中的详细的空间压力和流速分布。此外,(包含非线性项的)1D模型可以被线性化,并且精确的解析解可以在频域中获得。以该方式,结构化的树模型321可以对于动脉树的远端部分被获得,其可以然后被集总为阻抗并且被应用为在非线性1D模型的出口处的边界条件。
在1D-3D耦合接口处的集总模型
3D血流计算可以在刚性和顺应性壁(流体结构交互)两者中执行。刚性壁计算快得多并且弹性在狭窄区域中减小(由于斑块淀积,但是也因为冠状血管具有相对小的、由增大的硬度表征的直径)。因此,狭窄区域332和334是借助刚性壁模拟的,并且即使血管顺应性通常并不相关于3D结果本身的意义,其在多尺度模型中仍是关键的,因为其是压力波传播的驱动机制,这在整个冠状树中是很令人感兴趣的。因此,需要考虑狭窄区段的顺应性,并且这可以通过在1D和3D区段之间的接口处引入0D模型342、344、352和354来最佳完成,其集中3D区段的顺应性。冠状树中的压力和流速波传播由于心肌收缩的影响而是复杂的,并且至今还未被深入研究。
即使在1D和3D模型的接口处引入0D模型342、344、352和354,在多尺度模型中的耦合点处仍然可能出现一些困难。难以实现在1D和3D模型之间的合适耦合,一个方面由模型的不同数学特性所强调。Navier-Stokes方程代表从速度方面看为抛物形的偏微分方程的系统,而1D模型依赖于双曲线的偏微分方程。在这些条件下,需要保证数学问题良好地形成以及数字结果是具有所需的精度的。存在可以用于保证模型的合适耦合的不同可能性:所谓的“无为”方法(典型地用于压力边界条件)和“拉格朗日乘法器”方法(典型地用于速度-流速边界条件)。通过耦合模型,可以确定血液的全局和局部行为,以及在局部和全局模型之间的相互影响。
冠脉自身调节和充血建模
冠脉自身调节在冠状树对心外膜血管中的动脉粥样硬化区段的适配中起主要作用。自身调节指的是微血管阻力方面的变化,作为对灌注压力方面的变化的反应,并且其作用是维持流经毛细管的恒定流速。该方面指的是身体的正常或静息状态。当微血管阻力降至最小值以允许流速的三至五倍的增大时,另一类型的调节在运动或药物引起的充血中发生。这些方面均需要在冠状树的多尺度模型中考虑。
图4是示出了冠脉自身调节的图。自身调节在静息状态发生,即随着降低的心率和血压,并且对于狭窄血管导致降低的微血管阻力,其补偿流动相关的狭窄阻力的引入。通常影响冠脉血流并且尤其影响自身调节现象的一个重要方面是侧枝血流的出现。这些血管、也称作吻合通道,在心脏中发展作为对缺血的适配。它们用作渠道区段,其桥接严重的狭窄部并且将由一个心外膜冠状动脉供给的区域与另一个心外膜冠状动脉供给的区域连接。因此,侧枝血管代表至受冠心病影响的心肌的特定部分的替选供血源,并且它们可以帮助保护心肌功能。存在两种不同类型的侧枝血管:毛细管尺寸的侧枝,其中平滑肌细胞缺失(其通常出现在心内膜下层中),和更大的肌肉侧枝,其从已经存在的小动脉(其通常出现在心外膜中)起发展。第二类型的调节是重要的,以模拟引起充血的药物的效果,该药物应用在临床实践中以确定狭窄的功能意义。在出现狭窄时,狭窄区段的充血血流不能再达到在正常的、健康的血管情况下可以获得的最大值。这是由限制最大流量的狭窄引入的阻力所导致的,因为微血管阻力不能降至其正常的下限以下。
用于机械生物学和机械换能的细胞模型。
冠脉循环的多尺度耦合模型的预测性质固有地关联于其与细胞模型的耦合。这使得可能追踪冠脉斑块的发起和随后的生长以及其对全面循环的影响。已经示出的是,冠状动脉中的血流引起的壁剪切应力不仅影响斑块发展,但还关联于斑块破裂。该方面背后的机制通常通过已知响应于血液动力学力的内皮细胞的作用来解释。施加在血管壁上的剪切应力经由机械换能过程转换为生物化学信号。这最终引起在血管壁中的特定变化。剪切力施加在内皮上并且通过局部机械换能机制调节内皮结构和功能。在一个有利的实现方案中,机械换能的不同的解析和数学模型可以被使用并且耦合于器官水平的循环模型。该耦合通过从血液动力学计算中获取的壁剪切应力值来执行,并且然后作为输入传递给机械换能模型。内皮细胞不仅调整血管张力(vascular tone),而且响应于由于狭窄造成的血液动力学变化而对血管壁进行重新建模,该血液动力学变化将被机械换能模型考虑。该重新建模将影响器官水平的循环模型。
心脏的降阶模型
存在数个参数化心脏模型,其在模拟身体的不同状态时非常有用。最常用的一些是变化弹性模型和单纤维模型。这些心脏模型可以在不考虑心脏的空间模型的情况下确定不同心脏腔室中的压力和流动。诸如收缩性、心博量、至最大值的时间、死体积、心率的数个参数可以被适配,以解释身体的不同状态并且将模型个性化。
在本发明的一个有利实施例中,降阶心脏模型被从心脏的全阶解剖学和血液动力学模型提取,并且将其有效地与冠脉循环模型耦合。尤其,可以集成根据所接收的医学图像数据生成的心脏形态学、动力学和血液动力学的患者特定的先进模型。生理地标被明确地表示在所提取的解剖学心脏模型中并且提供与所基于的解剖学结构之间的语义关联。这些模型是高度模块化的,并且可以根据应用来定制,并且包括左和右心室、左和右心房、主动脉、主动脉瓣、二尖瓣、三尖瓣、肺动脉瓣和躯干、肺静脉和上/下腔静脉的解剖学结构和动力学。先进的形态学和动力学参数已经可用并且可以用于研究心脏的耦合功能。模型可以利用不同类型的成像模态(例如CT、MRI、超声等)来个性化。
在实时全容积心回波描绘术中的最近发展创造了恢复完全3D心肌动作以及容积彩色多普勒信息的可能性。密集的心脏动作提供了用于个性化心脏模型的,以及在研究移动的冠状血管中的关键信息。可以将诸如斑点图案、图像梯度、边界探测和动作预测的多个信息源融合以实现在3D+t超声数据上快速和鲁棒性地探测和密集地追踪心脏解剖学结构。这种基于回波的估计动作和心肌的机械参数充分接近基本事实值。在一个有利的实现方案中,容积彩色多普勒速度的可用性实现快速且非侵入式地恢复患者特定的血流信息,其可以用作用于随后的CFD计算的边界条件。
图5示出了根据高帧率体积超声图像来估计心肌力学。如在图5中所示,图像(a)示出了在心脏收缩时的心肌,图像(b)示出了在心脏舒张时的心肌,图像(c)和(d)示出了展示心肌的螺旋动作的3D密集动作矢量,并且图像(e)示出了将心内膜和心外膜轮廓和动作矢量投射到4腔平面上。
图6示出了左心室心肌力学的估计。如在图6的图像(a)中所示,602示出了映射到心内膜边界的纵向应变的估计值,604示出了密集速度场的方向和幅值,并且606对于上部、中间和下部区域示出了所估计的纵向应变相对于时间的曲线。如在图6的图像(b)中所示,612示出了映射到心内膜边界的径向速度的估计值,614示出了密集速度场的方向和幅值,并且616对于上部、中间和下部区域示出了所估计的径向速度相对于时间的曲线。如在图6的图像(c)中所示,622示出了映射至心内膜边界的周向位移的估计值,624示出了密集速度场的方向和幅值,并且626对于上部、中间和下部区域示出了所估计的径向速度相对于时间的曲线。
图7示出了对容积流量的自动量化。图像(a)示出了对于患者采集的容积b模式和彩色超声。图像(b)示出了在超声中对左心室、二尖瓣(MV)和左心室流出道(LVOT)的自动探测和追踪。图像(c)示出了在MV和LVOT追踪位置处的流量采样。图像(d)示出了流入/流出量化和去混淆。
为了从医学图像提取冠脉解剖学结构,本发明的实施例可以利用现有的冠脉分割和中心线提取算法。这种算法已经提供了冠状血管中心线树,以及包括狭窄部缩窄的表面表示,其然后被用于提取对于3D和1D计算所需的解剖学数据。例如,狭窄的比例堵塞可以被探测和用于构建狭窄区域的3D模型。图8示出了示例性的医学图像处理软件,以用于冠状血管提取和冠脉狭窄的解剖学评估。
借助在患者特定的4D解剖学建模、高性能计算(HPC)和通过成像进行的3D流动测量技术中的最新进展,可以采用计算流体动力学(CFD)技术进行血液动力学评估和随后在心血管应用中的验证。虽然大多之前的方法聚焦于与血液刚性地或利用流体结构交互(FSI)方法进行交互的单个心脏部件,本发明的实施例在利用从4D CT数据导出的高质量患者特定心脏模型的情况下利用整个心脏血流的CFD计算。从4D CT捕获的4D生理模型被用于提供对于心脏内的血流的计算的合适约束。关于利用4D心脏模型进行患者特定的CFD计算方面的附加细节在题为“Methodand System for Comprehensive Patient-Specific Modeling of the Heart”的美国公开专利申请20120022843中描述,其通过引用包含于此。
返回图2,在步骤208,利用冠脉循环的多尺度功能模型执行血流计算。血流在冠状动脉的狭窄区域的3D模型中利用带有患者特定的边界条件的CFD来建模。尤其,血液被建模为Newtonian流体,并且速度场通过在刚性壁假设下对离散的Navier-Stokes方程(连续性和动量方程)进行数值求解而获得。离散的Navier-Stokes方程被用于随时间递增地模拟冠状动脉内的血流和压力。这根据时间计算3D模型中所有方向上的流动。利用离散的Navier-Stokes方程进行CFD计算的附加细节在题为“Method and System for Comprehensive Patient-Specific Modeling of theHeart”的美国公开专利申请20120022843中描述,其通过引用包含于此。狭窄区域的患者特定的解剖学结构也被输入给CFD建模,以基于患者特定的解剖学结构限制血流计算。此外,狭窄区域的3D计算与冠状动脉的周围部分的1D计算耦合。用于1D模型的(例如用于冠状动脉和主动脉的)计算计算流经特定的冠状分支(或主动脉)的总体流速。1D计算也可以利用Navier-Stokes方程来执行。0D模型(集总模型)是解剖学模型的数学抽象并且基于输入条件给出输出值。
为了利用患者特定的多尺度模型模拟血流,必须将多尺度心脏、冠脉循环和细胞模型有效耦合。隐含的耦合可以在左心室和主动脉之间实现。系统树(图3的321)的流入边界条件是通过将主动脉耦合至心脏的左心室而得到的。因此,在主动脉的入口处确定的心脏输出不仅通过心脏模型而且通过其所耦合至的系统树的特性而确定的。
心肌收缩对冠脉循环的影响利用心脏的全尺度模型而被估计。尤其,在一个有利的实现方案中,心脏的全尺度模型被用于确定心脏收缩对各个心外膜冠状血管的影响。在心脏的右侧和左侧之间存在主要差别,但是可以考虑局部更详细的变化。从图像数据提取的3D应变图可以用于施加这些边界条件。
在左心室和右心室内侧的压力向血管施加细胞外压力。压力的量取决于血管的位置,即在心外膜(低压)还是心内膜(高压)中。该信息可以直接用在冠脉床的集总参数模型中以解释冠脉循环上的细胞外压力。
冠脉血流模型被经由调节内皮细胞功能的剪切应力项耦合至细胞模型,引起变化的血液动力学(由于斑块生长)和壁重新建模(即在壁弹性方面的改变)。
返回图2,在步骤210,基于流动计算确定血液动力学参量。提出了对冠心病的数个指征。对于动脉粥样硬化已经示出的是,狭窄的功能方面而不是形态方面能够预测患者结局。功能方面相关于在静息和充血状态中经过狭窄的血流速度。形态学方面相关于狭窄的几何形状并且可以通过量化的冠状血管造影(QCA)来确定。存在为何狭窄的几何形状不能单独地预测患者结局的不同原因。例如QCA是2D表示,因此不能精确确定直径减小,并且在弥漫性疾病的情况下,难以确定参考直径。同样,如果待供给的面积已经受梗塞影响,则之前的心肌梗塞可以减小狭窄的意义。此外,侧枝血流可以增加流动并且减轻狭窄的效果。功能意义是通过不同的指征确定的,诸如跨狭窄压降(trans-stenotic pressuredrop)、冠脉血流储备(CFR)、相对血流储备(RFR)或血流储备分数(FFR)。FFR提供了相对于其它指征的一系列优点。例如FFR并不包括静息状态(其高度相关于血液动力学参数),其并不相关于邻近健康血管的存在(与RFR相反,因此其可以在多血管疾病情况下使用),并且其包括侧枝血流和之前的心肌梗塞的效果。同样,已示出的是FFR高度独立于患者的血液动力学条件(血压、心率、收缩)。FFR是通过将狭窄部远端的压力除以狭窄部近端的压力而计算的。因为静脉压在不引入显著错误的情况下通常可以当作0,并且充血状态期间的微血管阻力对于正常和狭窄血管两者都是最小和恒定的,压力的分数也表示在狭窄出现时仍能被供给的正常最大充血血流的分数。数个研究已经示出了,约为0.75的截止值预测在由狭窄的血管供给的心肌区域中是否可引入可逆的缺血。
在本发明的一个实施例中,冠脉循环的患者特定的多尺度模型被用于对于每个狭窄确定诸如FFR的功能参数,并且因此被用于对于每个狭窄确定功能意义。
返回图2,在步骤212,对于介入规划和决策支持进行模拟。对于冠心病的诊断和管理,当前的临床时间包括通过量化冠状血管造影(QCA)评估有病血管。这样的评估为医师提供对狭窄区段的丰富的解剖学纵览(包括面积减小),但是不提供功能评估。通过将压力线侵入式地引入到狭窄血管中而测量到的FFR是用于狭窄的功能评估的惯用手段。QCA仅评估狭窄的形态学意义并且具有一系列其他限制,并且基于压力线的FFR测量包括与介入有关的风险,并且对于非常窄的狭窄病变而言压力线可以引入附加的压降。
所有这些短处通过在此描述的多尺度冠脉循环建模方法来消除。冠状树的之前的基于CFD的计算仅使用了3D建模,因此导致高的计算复杂性,与简单心脏模型相耦合,其不能包括所有患者特定的方面例如心脏的局部运动。其他方法包括仅1D建模(也与简单心脏模型耦合),这引起在评估沿着狭窄的压降中的困难,因为未考虑狭窄的精确形状。
在确定心外膜狭窄的功能意义(在步骤210)之后,所提出的模型然后可以用于模拟不同介入的效果(图13),其可以用于改进患者的健康状态。球囊扩张可以通过虚拟地减小来自狭窄的堵塞和重新模拟狭窄部中的血流来建模。在实践中,当球囊扩张并不导致满意结果(即跨狭窄压降还是高)时,植入支架。具有来自不同厂商的虚拟支架植入可以通过将特定支架的虚拟模型添加至狭窄模型来实现,随后是执行耦合的流动分析将实现支架对动脉树内的波传播的影响,以及支架对待分析的血液动力学变量的影响。
在弥漫性的动脉粥样硬化疾病的情况下,血管造形术和支架植入都不能改进患者状态,并且典型地执行冠状动脉搭桥术(CABG)。在使用不同的起点和终点的情况下引入这样的邻接血管,可以在多尺度冠脉循环模型中被模拟以便对CABG进行模拟。从而,可以在执行介入之前确定最合适的介入或治疗选项和规划介入或治疗(例如选择支架的类型或者CABG的起点和终点)。
图9示出了虚拟介入规划的示例。如在图9中所示,图像(a)示出了利用虚拟支架模型904模拟在狭窄区域902中的支架植入。图像(b)示出了通过模拟减小的堵塞914来模拟在狭窄区域912内侧的球囊扩张。图像(c)示出了通过添加虚拟桥血管924来模拟在具有弥漫性冠心病的冠状动脉的区域922中的CABG。
上面描述的用于利用医学图像数据对冠脉循环进行多尺度解剖学和功能建模的方法可以利用已知的计算机处理器、存储器单元、存储设备、计算机软件和其它部件的计算机上实现。这种计算机的高水平框图在图10中示出。计算机1002包含处理器1004,其通过运行限定这种操作的计算机程序指令来控制计算机1002的全面操作。计算机程序指令可以存储在存储设备1012(例如磁盘)中,并且当期望运行计算机程序指令时被加载到存储器1010中。因此,图2的方法步骤可以通过存储在存储器1010和/或储存部1012中的计算机程序指令来限定,并且由运行计算机程序指令的处理器1004来控制。诸如CT扫描设备、MR扫描设备、超声设备等的图像采集设备1020可以连接至计算机1002以将图像数据输入至计算机1002。可以将图像采集设备1020和计算机1002实现为一个设备。同样可能的是,图像采集设备1020和计算机1002通过网络无线通信。计算机1002也包括用于与其它设备经由网络通信的一个或多个网络接口1006。计算机1002也包括其它输入/输出设备1008,其实现与计算机1002的用户交互(例如显示器、键盘、鼠标、话筒、按键等)。这样的输入/输出设备1008可以结合一组计算机程序使用,作为标注从图像采集设备1020接收的体积的标注工具。本领域技术人员将认识到实际的计算机的实现方案还可以包含其它部件,并且图10是出于说明目的的、这种计算机的一些部件的高水平表示。
前面的详细说明书将理解为在每个方面都是说明性和示例性的,但不是限制性的,并且本发明在此公开的范围并不能根据该详细说明书来确定,而是根据如按照专利法允许的完整范围来解释的权利要求来确定。应理解的是,在此示出和描述的实施例仅是本发明的原理的说明,并且可以由本领域技术人员在不偏离本发明的范围和精神的情况下实现不同的修改。本领域技术人员可以在不偏离本发明的范围和精神的情况下实现不同的其它特征组合。
Claims (40)
1.一种方法,包括:
根据患者的医学图像数据生成冠状动脉和心脏的患者特定的解剖学模型;
基于所述患者特定的解剖学模型生成冠脉循环的多尺度功能模型;以及
利用所述冠脉循环的多尺度功能模型模拟至少一个冠状动脉的至少一个狭窄区域中的血流。
2.根据权利要求1所述的方法,其中,根据患者的医学图像数据生成冠状动脉和心脏的患者特定的解剖学模型包括:
根据4D医学图像数据生成所述冠状动脉的4D几何模型;以及
根据所述4D医学图像数据生成所述心脏的4D解剖学模型。
3.根据权利要求2所述的方法,其中,根据4D医学图像数据生成冠状动脉的4D几何模型包括:
在所述4D医学图像数据的多个帧的每个中分割所述冠状动脉;以及
在所述4D医学图像数据的多个帧的每个中生成所分割的冠状动脉的几何表面模型。
4.根据权利要求2所述的方法,其中,根据所述4D医学图像数据生成心脏的4D解剖学模型包括:
在所述4D医学图像数据的多个帧中的每个中提取多个心脏部件的每个的单个模型;以及
通过建立所述单个模型之间的网点对应来集成所述多个心脏部件的在所述4D医学图像数据的所述多个帧的每个中的各个模型。
5.根据权利要求1所述的方法,其中,基于患者特定的解剖学模型生成冠脉循环的多尺度功能模型包括:
生成冠状动脉中的一个或多个狭窄区域的每个的3D计算模型;
生成所述管状动脉和心脏的非狭窄区域的1D计算模型;以及
利用0D集总模型代表微血管。
6.根据权利要求5所述的方法,其中,各个狭窄区域的3D计算模型是刚性壁3D模型,并且在各个狭窄区域的3D计算模型和冠状动脉的邻接于各个狭窄区域的非狭窄区域的1D计算模型之间的0D接口模型集中所述狭窄区域的顺应性。
7.根据权利要求5所述的方法,其中,基于患者特定的解剖学模型生成冠脉循环的多尺度功能模型还包括:
生成用于患者的血管树的结构化树模型。
8.根据权利要求5所述的方法,其中,基于患者特定的解剖学模型生成冠脉循环的多尺度功能模型还包括:
根据心脏的全阶解剖学和血液动力学模型生成心脏的降阶模型。
9.根据权利要求8所述的方法,其中,根据心脏的全阶解剖学和血液动力学模型生成心脏的降阶模型包括:
基于心脏的解剖学和血液动力学模型估计一个或多个心脏部件的动作和机械参数;以及
基于所述一个或多个心脏部件的动作和机械参数确定用于计算流体动力学模拟的边界条件。
10.根据权利要求1所述的方法,其中,利用冠脉循环的多尺度功能模型模拟在至少一个冠状动脉的至少一个狭窄区域中的血流包括:
基于根据冠状动脉和心脏的解剖学模型确定的边界条件,利用冠脉循环的多尺度模型模拟所述至少一个狭窄区域中的血流。
11.根据权利要求5所述的方法,其中,利用冠脉循环的多尺度功能模型模拟在至少一个冠状动脉的至少一个狭窄区域中的血流包括:
在各个狭窄区域的3D计算模型和所述1D计算模型中进行计算流体动力学(CFD)模拟;以及
将各个狭窄区域的3D计算模型、所述1D计算模型和所述0D集总模型耦合。
12.根据权利要求11所述的方法,其中,将各个狭窄区域的3D计算模型、所述1D计算模型和所述0D集总模型耦合包括:
通过耦合代表至心脏模型的左心室的主动脉的1D计算模型来取得系统树模型的流入边界条件。
13.根据权利要求11所述的方法,其中,将各个狭窄区域的3D计算模型、所述1D计算模型和所述0D集总模型耦合包括:
利用从所述医学图像数据提取的3D应变图来将代表心脏收缩的影响的边界条件施加在心外膜冠状血管的1D计算模型上。
14.根据权利要求11所述的方法,其中,将各个狭窄区域的3D计算模型、所述1D计算模型和所述0D集总模型耦合包括:
利用所述0D集总模型确定基于冠状血管的位置应用于冠状血管的1D计算模型的细胞外压力。
15.根据权利要求11所述的方法,其中,将各个狭窄区域的3D计算模型、所述1D计算模型和所述0D集总模型耦合包括:
经由壁剪切应力项将所述1D计算模型耦合至所述0D集总模型。
16.根据权利要求11所述的方法,其中,将各个狭窄区域的3D计算模型、所述1D计算模型和所述0D集总模型耦合包括:
利用0D接口模型将所述3D计算模型耦合至邻接的1D计算模型。
17.根据权利要求1所述的方法,还包括:
基于所模拟的流经所述至少一个狭窄区域的血流计算血液动力学参量以确定所述至少一个狭窄区域的功能意义。
18.根据权利要求17所述的方法,其中,基于所模拟的流经所述至少一个狭窄区域的血流计算血液动力学参量以确定所述至少一个狭窄区域的功能意义包括:
基于流经所述至少一个狭窄区域的计算血流来计算所述至少一个狭窄区域的血流储备分数(FFR)。
19.根据权利要求1所述的方法,还包括:
利用冠脉循环的多尺度功能模型模拟在至少一个狭窄区域中的虚拟介入。
20.根据权利要求19所述的方法,其中,利用冠脉循环的多尺度功能模型模拟在至少一个狭窄区域中的虚拟介入包括:
通过虚拟地减小来自所述冠脉循环的多尺度功能模型中的所述至少一个狭窄区域的堵塞和重新模拟流经所述至少一个狭窄区域的血流,来模拟球囊扩张。
21.根据权利要求19所述的方法,利用冠脉循环的多尺度功能模型模拟在至少一个狭窄区域中的虚拟介入包括:
通过将虚拟的支架模型引入至所述冠脉循环的多尺度功能模型中的至少一个狭窄区域和重新模拟流经所述至少一个狭窄区域的血流来模拟支架植入。
22.根据权利要求19所述的方法,利用冠脉循环的多尺度功能模型模拟在至少一个狭窄区域中的虚拟介入包括:
通过增加与所述冠脉循环的多尺度功能模型中的至少一个狭窄区域相邻接的桥血管和重新模拟流经所述至少一个狭窄区域的血流来模拟冠脉搭桥术(CABG)。
23.一种设备,包括:
用于根据患者的医学图像数据生成冠状动脉和心脏的患者特定的解剖学模型的装置;
用于基于所述患者特定的解剖学模型生成冠脉循环的多尺度功能模型的装置;以及
用于利用所述冠脉循环的多尺度功能模型模拟至少一个冠状动脉的至少一个狭窄区域中的血流的装置。
24.根据权利要求23所述的设备,其中,用于根据患者的医学图像数据生成冠状动脉和心脏的患者特定的解剖学模型的装置包括:
用于根据4D医学图像数据生成冠状动脉的4D几何模型的装置;以及
用于根据4D医学图像数据生成心脏的4D解剖学模型的装置。
25.根据权利要求23所述的设备,其中,用于基于所述患者特定的解剖学模型生成冠脉循环的多尺度功能模型的装置包括:
用于生成冠状动脉中的一个或多个狭窄区域的每个的3D计算模型的装置;
用于生成冠状动脉和主动脉的非狭窄区域的1D计算模型的装置;以及
用于利用0D集总模型代表微血管的装置。
26.根据权利要求25所述的设备,其中,每个狭窄区域的3D计算模型是刚性壁3D模型,并且在每个狭窄区域的3D计算模型和冠状动脉的邻接于每个狭窄区域的非狭窄区域的1D计算模型之间的0D接口模型集中所述狭窄区域的顺应性。
27.根据权利要求25所述的设备,其中,用于基于所述患者特定的解剖学模型生成冠脉循环的多尺度功能模型的装置还包括:
用于根据心脏的全阶解剖学和血液动力学模型生成心脏的降阶模型的装置。
28.根据权利要求23所述的设备,其中,用于利用冠脉循环的多尺度功能模型模拟至少一个冠状动脉的至少一个狭窄区域中的血流的装置包括:
用于基于根据冠状动脉和心脏的解剖学模型确定的边界条件利用冠脉循环的多尺度功能模型来模拟所述至少一个狭窄区域中的血流的装置。
29.根据权利要求25所述的设备,其中,用于利用冠脉循环的多尺度功能模型模拟至少一个冠状动脉的至少一个狭窄区域中的血流的装置包括:
用于在每个狭窄区域的3D计算模型和1D计算模型中进行计算流体动力学(CFD)模拟的装置;以及
用于将每个狭窄区域的3D计算模型、所述1D计算模型和所述0D集总模型耦合的装置。
30.根据权利要求23所述的设备,还包括:
用于基于所模拟的流经所述至少一个狭窄区域的血流计算血液动力学参量以确定所述至少一个狭窄区域的功能意义的装置。
31.根据权利要求23所述的设备,还包括:
利用冠脉循环的多尺度功能模型模拟在至少一个狭窄区域中的虚拟介入。
32.一种非暂时性计算机可读介质,其存储有当在处理器上运行时使得该处理器执行如下操作的计算机程序指令:
根据患者的医学图像数据生成冠状动脉和心脏的患者特定的解剖学模型;
基于患者特定的解剖学模型生成冠脉循环的多尺度功能模型;以及
利用冠脉循环的多尺度功能模型模拟至少一个冠状动脉的至少一个狭窄区域中的血流。
33.根据权利要求32所述的非暂时性计算机可读介质,其中,根据患者的医学图像数据生成冠状动脉和心脏的患者特定的解剖学模型包括:
根据4D医学图像数据生成冠状动脉的4D几何模型;以及
根据所述4D医学图像数据生成心脏的4D解剖学模型。
34.根据权利要求32所述的非暂时性计算机可读介质,其中,基于患者特定的解剖学模型生成冠脉循环的多尺度功能模型包括:
生成冠状动脉中的一个或多个狭窄区域的每个的3D计算模型;
生成冠状动脉和主动脉的非狭窄区域的1D计算模型;以及
利用0D集总模型代表微血管。
35.根据权利要求34所述的非暂时性计算机可读介质,其中,每个狭窄区域的3D计算模型是刚性壁3D模型,并且在每个狭窄区域的3D计算模型和邻接于每个狭窄区域的冠状动脉的非狭窄区域的1D计算模型之间的0D接口模型集中所述狭窄区域的顺应性。
36.根据权利要求34所述的非暂时性计算机可读介质,其中,基于患者特定的解剖学模型生成冠脉循环的多尺度功能模型还包括:
根据心脏的全阶解剖学和血液动力学模型生成心脏的降阶模型。
37.根据权利要求32所述的非暂时性计算机可读介质,其中,利用冠脉循环的多尺度功能模型模拟至少一个冠状动脉的至少一个狭窄区域中的血流包括:
基于根据冠状动脉和心脏的解剖学模型确定的边界条件,利用冠脉循环的多尺度功能模型模拟在所述至少一个狭窄区域中的血流。
38.根据权利要求34所述的非暂时性计算机可读介质,其中,利用冠脉循环的多尺度功能模型模拟至少一个冠状动脉的至少一个狭窄区域中的血流包括:
在每个狭窄区域的3D计算模型和所述1D计算模型中执行计算流体动力学(CFD)模拟;以及
将每个狭窄区域的3D计算模型、所述1D计算模型和所述0D集总模型耦合。
39.根据权利要求32所述的非暂时性计算机可读介质,其中,所述操作还包括:
基于所模拟的流经所述至少一个狭窄区域的血流计算血液动力学参量以确定所述至少一个狭窄区域的功能意义。
40.根据权利要求32所述的非暂时性计算机可读介质,其中,所述操作还包括:
利用冠脉循环的多尺度功能模型模拟在至少一个狭窄区域中的虚拟介入。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910202025.2A CN110085321B (zh) | 2011-11-10 | 2012-11-12 | 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 |
Applications Claiming Priority (5)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US201161557935P | 2011-11-10 | 2011-11-10 | |
US61/557,935 | 2011-11-10 | ||
US13/672,781 | 2012-11-09 | ||
US13/672,781 US10162932B2 (en) | 2011-11-10 | 2012-11-09 | Method and system for multi-scale anatomical and functional modeling of coronary circulation |
PCT/US2012/064604 WO2013071219A1 (en) | 2011-11-10 | 2012-11-12 | Method and system for multi-scale anatomical and functional modeling of coronary circulation |
Related Child Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910202025.2A Division CN110085321B (zh) | 2011-11-10 | 2012-11-12 | 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 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN104081401A true CN104081401A (zh) | 2014-10-01 |
Family
ID=47279046
Family Applications (2)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910202025.2A Active CN110085321B (zh) | 2011-11-10 | 2012-11-12 | 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 |
CN201280066658.1A Pending CN104081401A (zh) | 2011-11-10 | 2012-11-12 | 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 |
Family Applications Before (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910202025.2A Active CN110085321B (zh) | 2011-11-10 | 2012-11-12 | 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 |
Country Status (8)
Country | Link |
---|---|
US (1) | US10162932B2 (zh) |
EP (1) | EP2776960B1 (zh) |
JP (1) | JP5980942B2 (zh) |
KR (1) | KR20140091741A (zh) |
CN (2) | CN110085321B (zh) |
BR (1) | BR112014011342A2 (zh) |
IN (1) | IN2014CN03423A (zh) |
WO (1) | WO2013071219A1 (zh) |
Cited By (20)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105249954A (zh) * | 2014-06-30 | 2016-01-20 | 西门子公司 | 预测支架术后血液动力学指标的方法和系统 |
CN105853029A (zh) * | 2015-02-10 | 2016-08-17 | 西门子股份公司 | 一种生成用于医用植入体的制造模型的方法 |
CN106308838A (zh) * | 2016-08-29 | 2017-01-11 | 于洋 | 一种ct图像处理方法及装置 |
CN106650272A (zh) * | 2016-12-28 | 2017-05-10 | 北京昆仑医云科技有限公司 | 个体特异性的心血管模型的生成方法及其应用 |
CN107411819A (zh) * | 2017-04-12 | 2017-12-01 | 上海大学 | 球囊血管成形手术过程实时模拟方法 |
CN108471994A (zh) * | 2015-10-07 | 2018-08-31 | 皇家飞利浦有限公司 | 移动ffr模拟 |
CN108475540A (zh) * | 2015-11-10 | 2018-08-31 | 哈特弗罗公司 | 用于使用来自过程的信息进行解剖建模的系统和方法描述 |
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 |
CN109700574A (zh) * | 2018-12-21 | 2019-05-03 | 北京工业大学 | 一种基于ct影像数据制备钙化主动脉瓣的方法 |
CN109700475A (zh) * | 2018-12-27 | 2019-05-03 | 浙江大学 | 一种冠脉搭桥参数的确定方法、装置、电子设备和计算机存储介质 |
CN109829878A (zh) * | 2017-11-22 | 2019-05-31 | 西门子保健有限责任公司 | 用于评估血液动力学参数的方法和系统 |
CN109872336A (zh) * | 2019-03-13 | 2019-06-11 | 数坤(北京)网络科技有限公司 | 一种血管分割方法、设备及计算机存储介质 |
CN110310744A (zh) * | 2019-06-10 | 2019-10-08 | 暨南大学 | 窦房结虚拟生理组织的构建方法、存储介质和计算设备 |
CN110368087A (zh) * | 2019-06-06 | 2019-10-25 | 中国人民解放军北部战区总医院 | 一种信息处理方法和装置、及可读存储介质 |
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 |
CN112584772A (zh) * | 2018-08-22 | 2021-03-30 | 皇家飞利浦有限公司 | 使用心脏内回波的冠状动脉循环 |
CN112950537A (zh) * | 2021-01-26 | 2021-06-11 | 上海友脉科技有限责任公司 | 一种冠脉血流储备分数获取系统、方法及介质 |
CN113168780A (zh) * | 2018-12-03 | 2021-07-23 | 朝日英达科株式会社 | 心脏模拟器 |
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 |
CN113658701A (zh) * | 2021-08-26 | 2021-11-16 | 上海联影医疗科技股份有限公司 | 术后评估方法、计算机设备和存储介质 |
Families Citing this family (99)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
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 |
US9119540B2 (en) | 2010-09-16 | 2015-09-01 | Siemens Aktiengesellschaft | Method and system for non-invasive assessment of coronary artery disease |
US8965084B2 (en) * | 2012-01-19 | 2015-02-24 | Siemens Aktiengesellschaft | Blood flow computation in vessels with implanted devices |
US10229615B2 (en) | 2012-01-31 | 2019-03-12 | Vascular Simulations Inc. | Cardiac simulation device |
US9183763B2 (en) * | 2012-01-31 | 2015-11-10 | Vascular Simulations, Llc | Cardiac simulation device |
US10034614B2 (en) * | 2012-02-29 | 2018-07-31 | General Electric Company | Fractional flow reserve estimation |
JP5946127B2 (ja) | 2012-05-11 | 2016-07-05 | 富士通株式会社 | シミュレーション方法、シミュレーション装置、およびシミュレーションプログラム |
US8548778B1 (en) | 2012-05-14 | 2013-10-01 | Heartflow, Inc. | Method and system for providing information from a patient-specific model of blood flow |
US9247918B2 (en) | 2012-07-09 | 2016-02-02 | Siemens Aktiengesellschaft | Computation of hemodynamic quantities from angiographic data |
GB2519909A (en) * | 2012-08-10 | 2015-05-06 | Vita Sentry Ltd | Estimations of equivalent inner diameter of arterioles |
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 |
US10210956B2 (en) | 2012-10-24 | 2019-02-19 | Cathworks Ltd. | Diagnostically useful results in real time |
US9858387B2 (en) * | 2013-01-15 | 2018-01-02 | CathWorks, LTD. | Vascular flow assessment |
WO2014064702A2 (en) | 2012-10-24 | 2014-05-01 | Cathworks Ltd. | Automated measurement system and method for coronary artery disease scoring |
US10595807B2 (en) | 2012-10-24 | 2020-03-24 | Cathworks Ltd | Calculating a fractional flow reserve |
JP6358590B2 (ja) * | 2013-08-09 | 2018-07-18 | 富士通株式会社 | 血管データ生成装置、血管データ生成方法、および血管データ生成プログラム |
US9805463B2 (en) * | 2013-08-27 | 2017-10-31 | Heartflow, Inc. | Systems and methods for predicting location, onset, and/or change of coronary lesions |
US9462954B2 (en) * | 2013-09-04 | 2016-10-11 | Siemens Aktiengesellschaft | Method and system for blood flow velocity reconstruction from medical images |
RU2016112494A (ru) | 2013-09-06 | 2017-10-11 | Конинклейке Филипс Н.В. | Устройство обработки для обработки данных сердечной деятельности |
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 |
EP3954298A3 (en) | 2013-10-24 | 2022-03-16 | Cathworks Ltd. | Vascular characteristic determination with correspondence modeling of a vascular tree |
US10639103B2 (en) | 2013-11-08 | 2020-05-05 | Senol PISKIN | Operation scenario flow and mechanical modeling and analysis system of cardiovascular repair operations for newborn and foetus |
US10111633B2 (en) | 2013-12-04 | 2018-10-30 | Koninklijke Philips N.V. | Local FFR estimation and visualisation for improved functional stenosis analysis |
US9155512B2 (en) * | 2013-12-18 | 2015-10-13 | Heartflow, Inc. | Systems and methods for predicting coronary plaque vulnerability from patient-specific anatomic image data |
CN106030657B (zh) * | 2014-02-19 | 2019-06-28 | 皇家飞利浦有限公司 | 医学4d成像中的运动自适应可视化 |
JP6262027B2 (ja) | 2014-03-10 | 2018-01-17 | 東芝メディカルシステムズ株式会社 | 医用画像処理装置 |
JP2015171486A (ja) * | 2014-03-12 | 2015-10-01 | 国立大学法人大阪大学 | 血流解析システムおよび血流解析プログラム |
US9390232B2 (en) | 2014-03-24 | 2016-07-12 | Heartflow, Inc. | Systems and methods for modeling changes in patient-specific blood vessel geometry and boundary conditions |
US9087147B1 (en) * | 2014-03-31 | 2015-07-21 | Heartflow, Inc. | Systems and methods for determining blood flow characteristics using flow ratio |
US9773219B2 (en) | 2014-04-01 | 2017-09-26 | Heartflow, Inc. | Systems and methods for using geometry sensitivity information for guiding workflow |
US10354349B2 (en) | 2014-04-01 | 2019-07-16 | Heartflow, Inc. | Systems and methods for using geometry sensitivity information for guiding workflow |
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 |
JP2015217113A (ja) * | 2014-05-16 | 2015-12-07 | 株式会社東芝 | 血管解析装置、医用画像診断装置、血管解析方法及び血管解析プログラム |
EP3160335B1 (en) | 2014-06-30 | 2023-09-20 | Koninklijke Philips N.V. | Apparatus for determining a fractional flow reserve value |
US9888968B2 (en) * | 2014-07-22 | 2018-02-13 | Siemens Healthcare Gmbh | Method and system for automated therapy planning for arterial stenosis |
US9195801B1 (en) * | 2014-08-05 | 2015-11-24 | Heartflow, Inc. | Systems and methods for treatment planning based on plaque progression and regression curves |
US9594876B2 (en) * | 2014-11-04 | 2017-03-14 | Heartflow, Inc. | Systems and methods for simulation of occluded arteries and optimization of occlusion-based treatments |
US9349178B1 (en) | 2014-11-24 | 2016-05-24 | Siemens Aktiengesellschaft | Synthetic data-driven hemodynamic determination in medical imaging |
WO2016115206A1 (en) | 2015-01-14 | 2016-07-21 | Heartflow, Inc. | Systems and methods for embolism prediction using embolus source and destination probabilities |
US10478130B2 (en) | 2015-02-13 | 2019-11-19 | Siemens Healthcare Gmbh | Plaque vulnerability assessment in medical imaging |
EP3062248A1 (en) * | 2015-02-27 | 2016-08-31 | Pie Medical Imaging BV | Method and apparatus for quantitative flow analysis |
EP3281135B1 (en) | 2015-04-10 | 2021-08-18 | HeartFlow, Inc. | System and method for vascular tree generation using patient-specific structural and functional data, and joint prior information |
WO2016182508A1 (en) * | 2015-05-12 | 2016-11-17 | Singapore Health Services Pte Ltd | Medical image processing methods and systems |
KR101977294B1 (ko) * | 2015-06-05 | 2019-05-10 | 서울대학교산학협력단 | 전산유체역학을 이용한 기관지 분석 방법 및 그 장치 |
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 |
CN107851463B (zh) | 2015-08-05 | 2022-11-22 | 皇家飞利浦有限公司 | 用于介入性血液动力学测量的辅助设备和方法 |
JP6818492B2 (ja) | 2015-10-05 | 2021-01-20 | キヤノンメディカルシステムズ株式会社 | 画像処理装置、画像処理方法、及びプログラム |
WO2017076620A1 (en) | 2015-11-05 | 2017-05-11 | Koninklijke Philips N.V. | Collateral flow modelling for non-invasive fractional flow reserve (ffr) |
EP3380968B1 (en) * | 2015-11-23 | 2021-04-28 | HeartFlow, Inc. | Systems and methods for assessing organ and/or tissue transplantation by simulating one or more transplant characteristics |
WO2017093337A1 (en) | 2015-12-02 | 2017-06-08 | Siemens Healthcare Gmbh | Personalized assessment of patients with acute coronary syndrome |
KR101954272B1 (ko) * | 2016-01-28 | 2019-03-05 | 연세대학교 산학협력단 | 유체-구조 상호작용을 고려한 협착 병변 영역의 혈류역학 시뮬레이션 방법 |
US10162939B2 (en) | 2016-02-26 | 2018-12-25 | Heartflow, Inc. | Systems and methods for identifying and modeling unresolved vessels in image-based patient-specific hemodynamic models |
DE102016203860A1 (de) * | 2016-03-09 | 2017-09-14 | Siemens Healthcare Gmbh | Vorrichtung und Verfahren zum Ermitteln zumindest eines individuellen fluiddynamischen Kennwerts einer Stenose in einem mehrere serielle Stenosen aufweisenden Gefäßsegment |
US10971271B2 (en) * | 2016-04-12 | 2021-04-06 | Siemens Healthcare Gmbh | Method and system for personalized blood flow modeling based on wearable sensor networks |
IL263065B1 (en) | 2016-05-16 | 2024-04-01 | Cathworks Ltd | Vascular evaluation system |
EP4241694A3 (en) | 2016-05-16 | 2023-12-20 | Cathworks Ltd. | Selection of vascular paths from images |
CN106073894B (zh) * | 2016-05-31 | 2017-08-08 | 博动医学影像科技(上海)有限公司 | 基于植入虚拟支架的血管压力降数值及血流储备分数的评估方法和系统 |
US10912865B2 (en) * | 2016-07-22 | 2021-02-09 | Cornell University | Rapid prototyping and in vitro modeling of patient-specific coronary artery bypass grafts |
JP7100627B2 (ja) | 2016-09-20 | 2022-07-13 | ハートフロー, インコーポレイテッド | 次数低減モデル及び/または機械学習を使用して血流特性を推定するためのシステム及び方法 |
WO2018089413A1 (en) * | 2016-11-08 | 2018-05-17 | President And Fellows Of Harvard College | Methodology and apparatus for simulation of medical devices |
CN106361429B (zh) * | 2016-11-10 | 2018-09-11 | 西安电子科技大学 | 借助3d打印实现先心病手术方案术前评估装置和方法 |
ES2836104T3 (es) * | 2016-12-15 | 2021-06-24 | Sintef Tto As | Método y proceso para proporcionar un modelo computacional específico de un sujeto utilizado para apoyar la decisión y hacer el diagnóstico de enfermedades cardiovasculares |
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 |
CN110494923B (zh) * | 2017-03-31 | 2023-12-08 | 皇家飞利浦有限公司 | 对经导管主动脉瓣植入术(tavi)引起的对冠状动脉流量和压力的影响的模拟 |
JP7229170B2 (ja) * | 2017-04-06 | 2023-02-27 | コーニンクレッカ フィリップス エヌ ヴェ | Ecg信号からの心筋微小血管抵抗の推定に基づく冠状動脈疾患メトリック |
CN110809801A (zh) * | 2017-05-04 | 2020-02-18 | 皇家飞利浦有限公司 | 用于血管中壁面剪切应力的同时可视化和量化的系统和方法 |
US10909676B2 (en) * | 2017-07-12 | 2021-02-02 | Siemens Healthcare Gmbh | Method and system for clinical decision support with local and remote analytics |
US11589924B2 (en) | 2017-08-01 | 2023-02-28 | Siemens Healthcare Gmbh | Non-invasive assessment and therapy guidance for coronary artery disease in diffuse and tandem lesions |
CN111356406A (zh) * | 2017-10-06 | 2020-06-30 | 埃默里大学 | 用于确定一个或多个动脉节段的血液动力学信息的方法和系统 |
EP3494893A1 (en) | 2017-12-05 | 2019-06-12 | Koninklijke Philips N.V. | Ultrasound imaging system and method |
US11605447B2 (en) | 2017-10-27 | 2023-03-14 | Siemens Healthcare Gmbh | Intelligent agents for patient management |
JP6530043B2 (ja) * | 2017-12-12 | 2019-06-12 | キヤノンメディカルシステムズ株式会社 | 医用画像処理装置、医用画像処理方法および記録媒体 |
WO2019173830A1 (en) | 2018-03-09 | 2019-09-12 | Emory University | Methods and systems for determining coronary hemodynamic characteristic(s) that is predictive of myocardial infarction |
US11389130B2 (en) | 2018-05-02 | 2022-07-19 | Siemens Healthcare Gmbh | System and methods for fast computation of computed tomography based fractional flow reserve |
WO2019232452A1 (en) * | 2018-05-31 | 2019-12-05 | Bernard Andre | Microfluidic coronary circulatory model |
EP3806742B1 (en) * | 2018-06-15 | 2024-04-17 | Pie Medical Imaging BV | Method and apparatus for quantitative hemodynamic flow analysis |
KR102078622B1 (ko) * | 2018-06-28 | 2020-04-07 | 연세대학교 산학협력단 | 협착 병변의 수학적 모델링을 이용한 심혈관 정보 결정 방법 |
KR102138227B1 (ko) * | 2018-08-21 | 2020-07-27 | 두산중공업 주식회사 | 유동 해석을 최적화하기 위한 장치 및 이를 위한 방법 |
KR102189311B1 (ko) * | 2018-08-21 | 2020-12-09 | 두산중공업 주식회사 | 학습된 모델을 이용한 해석 장치 및 이를 위한 방법 |
JP7464997B2 (ja) | 2018-09-21 | 2024-04-10 | メンティス アー・ベー | 心臓シミュレーション装置 |
US10964017B2 (en) * | 2018-11-15 | 2021-03-30 | General Electric Company | Deep learning for arterial analysis and assessment |
US10861157B2 (en) | 2019-04-04 | 2020-12-08 | Medtronic Vascular, Inc. | System and methods for determining modified fractional flow reserve values |
US11357573B2 (en) | 2019-04-25 | 2022-06-14 | International Business Machines Corporation | Optimum treatment planning during coronary intervention by simultaneous simulation of a continuum of outcomes |
JP6751178B2 (ja) * | 2019-05-14 | 2020-09-02 | キヤノンメディカルシステムズ株式会社 | 医用画像処理装置、医用画像処理方法および記録媒体 |
KR102130254B1 (ko) * | 2019-10-15 | 2020-07-03 | 주식회사 실리콘사피엔스 | 대상자 고유의 혈관에 대한 혈류 시뮬레이션 방법 및 장치 |
US11026749B1 (en) | 2019-12-05 | 2021-06-08 | Board Of Regents Of The University Of Nebraska | Computational simulation platform for planning of interventional procedures |
CN111241759B (zh) * | 2020-01-13 | 2024-03-26 | 北京工业大学 | 一种基于零维血流动力学模型的ffr快速计算方法 |
DE102020200750A1 (de) * | 2020-01-22 | 2021-07-22 | Siemens Healthcare Gmbh | Bereitstellen eines Blutflussparametersatzes einer Gefäßmalformation |
CN111317455B (zh) * | 2020-03-03 | 2022-02-22 | 上海联影医疗科技股份有限公司 | 血流动力学参数确定方法、装置、设备及存储介质 |
CN111616678B (zh) * | 2020-04-17 | 2023-04-14 | 清华大学 | 一种基于智能冠状动脉支架的再狭窄监测装置及方法 |
US11538153B2 (en) * | 2020-08-31 | 2022-12-27 | Huidan Yu | Non-invasive functional assessment technique for determining hemodynamic severity of an arterial stenosis |
CN112617791B (zh) * | 2020-12-22 | 2022-09-20 | 杭州晟视科技有限公司 | 一种模拟血管搏动的方法、装置及存储介质 |
WO2022136688A1 (en) * | 2020-12-23 | 2022-06-30 | Flowreserve Labs S.L. | Non-invasive method for determining a vessel damage indicator |
WO2022250975A1 (en) * | 2021-05-27 | 2022-12-01 | Board Of Regents Of The University Of Nebraska | Patient-specific computational simulation of coronary artery bypass grafting |
CN113648059B (zh) * | 2021-08-26 | 2023-09-29 | 上海联影医疗科技股份有限公司 | 手术规划评估方法、计算机设备和存储介质 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2009064715A1 (en) * | 2007-11-14 | 2009-05-22 | Auckland Uniservices Limited | Method for multi-scale meshing of branching biological structures |
US20100007760A1 (en) * | 2008-07-11 | 2010-01-14 | Canon Kabushiki Kaisha | Photoelectric conversion apparatus and imaging system |
US20100067760A1 (en) * | 2008-09-15 | 2010-03-18 | Siemens Corporate Research, Inc. | Method and System for Automatic Coronary Artery Detection |
US20100241404A1 (en) * | 2009-03-17 | 2010-09-23 | Taylor Charles A | Patient-specific hemodynamics of the cardio vascular system |
US20110060576A1 (en) * | 2009-09-08 | 2011-03-10 | Siemens Corporation | Method and System for Computational Modeling of the Aorta and Heart |
US20110071404A1 (en) * | 2009-09-23 | 2011-03-24 | Lightlab Imaging, Inc. | Lumen Morphology and Vascular Resistance Measurements Data Collection Systems, Apparatus and Methods |
Family Cites Families (20)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE10026666A1 (de) | 2000-05-29 | 2001-12-20 | Gunther Burgard | Verwendung von Hyaluronidase zur Prophylaxe und Behandlung von Herz-Kreislauf-Erkrankungen |
US7912528B2 (en) * | 2003-06-25 | 2011-03-22 | Siemens Medical Solutions Usa, Inc. | Systems and methods for automated diagnosis and decision support for heart related diseases and conditions |
EP1965703B1 (en) | 2005-12-20 | 2017-06-07 | Philips Intellectual Property & Standards GmbH | Reconstruction unit for reconstructing a fine reproduction of at least a part of an object |
US7860290B2 (en) | 2006-04-21 | 2010-12-28 | Siemens Medical Solutions Usa, Inc. | Three-dimensional (3D) modeling of coronary arteries |
US7953266B2 (en) | 2007-02-06 | 2011-05-31 | Siemens Medical Solutions Usa, Inc. | Robust vessel tree modeling |
US8098918B2 (en) | 2007-09-21 | 2012-01-17 | Siemens Corporation | Method and system for measuring left ventricle volume |
CA2713861A1 (en) * | 2008-02-04 | 2009-08-13 | Iain Alexander Anderson | Integrated-model musculoskeletal therapies |
US9427173B2 (en) * | 2008-05-09 | 2016-08-30 | General Electric Company | Determining mechanical force on aneurysms from a fluid dynamic model driven by vessel blood flow information |
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 |
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 |
US8526699B2 (en) | 2010-03-12 | 2013-09-03 | Siemens Aktiengesellschaft | Method and system for automatic detection and classification of coronary stenoses in cardiac CT volumes |
US20110270051A1 (en) * | 2010-05-03 | 2011-11-03 | Morteza Naghavi | Cardiovascular Disease Screening Method and Apparatus |
US8682626B2 (en) | 2010-07-21 | 2014-03-25 | Siemens Aktiengesellschaft | Method and system for comprehensive patient-specific modeling of the 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 |
DE102010039312B4 (de) | 2010-08-13 | 2020-02-13 | Siemens Healthcare Gmbh | Verfahren zur Simulation eines Blutflusses |
US9119540B2 (en) | 2010-09-16 | 2015-09-01 | Siemens Aktiengesellschaft | Method and system for non-invasive assessment of coronary artery disease |
DE102010043849B3 (de) | 2010-11-12 | 2012-02-16 | Siemens Aktiengesellschaft | Vorrichtung und Computertomograph zur Bestimmung und Darstellung der Durchblutung des Herzmuskels |
US9141763B2 (en) | 2011-02-07 | 2015-09-22 | Siemens Aktiengesellschaft | Method and system for patient-specific computational modeling and simulation for coupled hemodynamic analysis of cerebral vessels |
-
2012
- 2012-11-09 US US13/672,781 patent/US10162932B2/en active Active
- 2012-11-12 KR KR1020147015738A patent/KR20140091741A/ko active Search and Examination
- 2012-11-12 WO PCT/US2012/064604 patent/WO2013071219A1/en active Application Filing
- 2012-11-12 BR BR112014011342A patent/BR112014011342A2/pt not_active Application Discontinuation
- 2012-11-12 CN CN201910202025.2A patent/CN110085321B/zh active Active
- 2012-11-12 IN IN3423CHN2014 patent/IN2014CN03423A/en unknown
- 2012-11-12 JP JP2014541362A patent/JP5980942B2/ja active Active
- 2012-11-12 CN CN201280066658.1A patent/CN104081401A/zh active Pending
- 2012-11-12 EP EP12795185.3A patent/EP2776960B1/en active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2009064715A1 (en) * | 2007-11-14 | 2009-05-22 | Auckland Uniservices Limited | Method for multi-scale meshing of branching biological structures |
US20100007760A1 (en) * | 2008-07-11 | 2010-01-14 | Canon Kabushiki Kaisha | Photoelectric conversion apparatus and imaging system |
US20100067760A1 (en) * | 2008-09-15 | 2010-03-18 | Siemens Corporate Research, Inc. | Method and System for Automatic Coronary Artery Detection |
US20100241404A1 (en) * | 2009-03-17 | 2010-09-23 | Taylor Charles A | Patient-specific hemodynamics of the cardio vascular system |
US20110060576A1 (en) * | 2009-09-08 | 2011-03-10 | Siemens Corporation | Method and System for Computational Modeling of the Aorta and Heart |
US20110071404A1 (en) * | 2009-09-23 | 2011-03-24 | Lightlab Imaging, Inc. | Lumen Morphology and Vascular Resistance Measurements Data Collection Systems, Apparatus and Methods |
WO2011038044A2 (en) * | 2009-09-23 | 2011-03-31 | Lightlab Imaging, Inc. | Lumen morphology and vascular resistance measurements data collection systems, apparatus and methods |
Non-Patent Citations (3)
Title |
---|
H. J. KIM等: "Patient-specific modeling of blood flow and pressure in human coronary arteries", 《ANNALS OF BIOMEDICAL ENGINEERING》 * |
JOHN F LADISA等: "Alterations in regional vascular geometry produced by theoretical stent implantation influence distributions of wall shear stress: analysis of a curved coronary artery using 3D computational fluid dynamics modeling", 《BIOMEDICAL ENGINEERING ONLINE20065:40》 * |
LUCA FORMAGGIA等: "Multiscale modelling of the circulatory system: A preliminary analysis", 《COMPUTING AND VISUALIZATION IN SCIENCE》 * |
Cited By (31)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105249954A (zh) * | 2014-06-30 | 2016-01-20 | 西门子公司 | 预测支架术后血液动力学指标的方法和系统 |
CN105249954B (zh) * | 2014-06-30 | 2018-10-02 | 西门子公司 | 预测支架术后血液动力学指标的方法和系统 |
CN105853029A (zh) * | 2015-02-10 | 2016-08-17 | 西门子股份公司 | 一种生成用于医用植入体的制造模型的方法 |
CN105853029B (zh) * | 2015-02-10 | 2019-10-01 | 西门子股份公司 | 一种生成用于医用植入体的制造模型的方法 |
US10073946B2 (en) | 2015-02-10 | 2018-09-11 | Siemens Aktiengesellschaft | Method for generating a manufacturing model for a medical implant |
CN108471994A (zh) * | 2015-10-07 | 2018-08-31 | 皇家飞利浦有限公司 | 移动ffr模拟 |
US11854704B2 (en) | 2015-11-10 | 2023-12-26 | Heartflow, Inc. | Systems and methods for anatomical modeling using information obtained from a medical procedure |
CN108475540B (zh) * | 2015-11-10 | 2022-02-22 | 哈特弗罗公司 | 用于使用来自过程的信息进行解剖建模的系统和方法描述 |
CN108475540A (zh) * | 2015-11-10 | 2018-08-31 | 哈特弗罗公司 | 用于使用来自过程的信息进行解剖建模的系统和方法描述 |
CN106308838B (zh) * | 2016-08-29 | 2019-06-07 | 于洋 | 一种ct图像处理装置 |
CN106308838A (zh) * | 2016-08-29 | 2017-01-11 | 于洋 | 一种ct图像处理方法及装置 |
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 |
CN106650272A (zh) * | 2016-12-28 | 2017-05-10 | 北京昆仑医云科技有限公司 | 个体特异性的心血管模型的生成方法及其应用 |
CN106650272B (zh) * | 2016-12-28 | 2019-02-12 | 北京昆仑医云科技有限公司 | 个体特异性的心血管模型的生成方法及其应用 |
CN107411819B (zh) * | 2017-04-12 | 2021-08-10 | 上海大学 | 球囊血管成形手术过程实时模拟方法 |
CN107411819A (zh) * | 2017-04-12 | 2017-12-01 | 上海大学 | 球囊血管成形手术过程实时模拟方法 |
CN109829878A (zh) * | 2017-11-22 | 2019-05-31 | 西门子保健有限责任公司 | 用于评估血液动力学参数的方法和系统 |
CN112584772A (zh) * | 2018-08-22 | 2021-03-30 | 皇家飞利浦有限公司 | 使用心脏内回波的冠状动脉循环 |
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 |
CN113168780A (zh) * | 2018-12-03 | 2021-07-23 | 朝日英达科株式会社 | 心脏模拟器 |
CN109700574A (zh) * | 2018-12-21 | 2019-05-03 | 北京工业大学 | 一种基于ct影像数据制备钙化主动脉瓣的方法 |
CN109700475A (zh) * | 2018-12-27 | 2019-05-03 | 浙江大学 | 一种冠脉搭桥参数的确定方法、装置、电子设备和计算机存储介质 |
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 |
CN109872336B (zh) * | 2019-03-13 | 2021-07-09 | 数坤(北京)网络科技股份有限公司 | 一种血管分割方法、设备及计算机存储介质 |
CN109872336A (zh) * | 2019-03-13 | 2019-06-11 | 数坤(北京)网络科技有限公司 | 一种血管分割方法、设备及计算机存储介质 |
CN110368087A (zh) * | 2019-06-06 | 2019-10-25 | 中国人民解放军北部战区总医院 | 一种信息处理方法和装置、及可读存储介质 |
CN110310744B (zh) * | 2019-06-10 | 2021-12-24 | 暨南大学 | 窦房结虚拟生理组织的构建方法、存储介质和计算设备 |
CN110310744A (zh) * | 2019-06-10 | 2019-10-08 | 暨南大学 | 窦房结虚拟生理组织的构建方法、存储介质和计算设备 |
CN112950537A (zh) * | 2021-01-26 | 2021-06-11 | 上海友脉科技有限责任公司 | 一种冠脉血流储备分数获取系统、方法及介质 |
CN113658701A (zh) * | 2021-08-26 | 2021-11-16 | 上海联影医疗科技股份有限公司 | 术后评估方法、计算机设备和存储介质 |
Also Published As
Publication number | Publication date |
---|---|
KR20140091741A (ko) | 2014-07-22 |
WO2013071219A1 (en) | 2013-05-16 |
IN2014CN03423A (zh) | 2015-07-03 |
JP5980942B2 (ja) | 2016-08-31 |
CN110085321A (zh) | 2019-08-02 |
EP2776960B1 (en) | 2021-09-01 |
US20130132054A1 (en) | 2013-05-23 |
EP2776960A1 (en) | 2014-09-17 |
CN110085321B (zh) | 2023-10-27 |
US10162932B2 (en) | 2018-12-25 |
JP2014534889A (ja) | 2014-12-25 |
BR112014011342A2 (pt) | 2017-05-02 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
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 | |
CN102525443B (zh) | 用于基于医学图像数据对心血管循环建模的方法和设备 | |
US20210241914A1 (en) | Machine learning system for assessing heart valves and surrounding cardiovascular tracts | |
EP3043276B1 (en) | Personalized whole-body circulation in medical imaging | |
US10354744B2 (en) | Non-invasive functional assessment of coronary artery stenosis including simulation of hyperemia by changing resting microvascular resistance | |
US7828735B2 (en) | Methods for providing diagnostic information using endocardial surface data for a patient's heart | |
EP3420483B1 (en) | Systems and methods for identifying and modeling unresolved vessels in image-based patient-specific hemodynamic models | |
CN105249954A (zh) | 预测支架术后血液动力学指标的方法和系统 | |
CN105380598A (zh) | 关于针对动脉狭窄的自动治疗规划的方法和系统 | |
CN103300820A (zh) | 用于冠状动脉狭窄的非侵入性功能评估的方法和系统 | |
CN105007819A (zh) | 用于在血流特性建模中进行灵敏度分析的方法和系统 | |
CN106659399A (zh) | 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 | |
KR20220009995A (ko) | 반응 표면 및 차수 감소 모델링을 사용한 혈류 추정 시스템 및 방법 | |
JP2023081750A (ja) | 血圧予測装置 | |
Saitta | 4D flow MRI-based non-invasive hemodynamic assessment and diagnosis in aortic coarctations | |
TONTI et al. | Numeric Models for Supporting Noninvasive |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20141001 |