CN104244813A - 用于静息和充血期间冠状动脉血流计算的个性化的框架 - Google Patents

Abstract

本发明实施方式涉及无创性确定患者静息状态期间和充血状态期间的冠状动脉循环参数。充血状态期间冠状动脉中的血流提供患者冠状动脉血管树的功能评价。成像技术用来获得患者冠状动脉树的解剖模型。基于静息状态下取得的无创性测量结果计算静息边界条件，并且计算估计的充血边界条件。利用基于解剖模型的模型以及多个控制器，反馈控制系统执行与静息状态匹配的仿真，各控制器与冠状动脉树的各自输出变量相关。调整模型参数，以使输出变量与静息状态测量结果相符，并且相应地调整充血边界条件。使用该充血边界条件来计算冠状动脉血流和冠状动脉压力变量。

Description

用于静息和充血期间冠状动脉血流计算的个性化的框架

相关申请的交叉引用

本申请要求以2012年3月15日提交的、美国临时申请序号为61/611,210的申请为优先权，该申请的全部内容在此以引用方式并入本文。

技术领域

本发明一般涉及确定患者的冠状动脉循环参数，特别涉及一种利用反馈控制系统的无创性手段，用于确定患者静息状态和充血状态期间的冠状动脉循环参数。

背景技术

涉及患者冠状动脉树诸如不同冠状动脉血管中的阻塞，医师通常使用成像结果来诊断状态并确定治疗方案。例如，如果阻塞显得严重，医师会采用创伤性措施，诸如支架置入或手术来减轻阻塞。然而，单单成像结果经常不能向医生提供完全评价。特别地，成像结果不提供患者冠状动脉树的功能评价，而在诊断和后继治疗中这种功能评价对医师是有价值的。因此，期望具有一种无创性手段，用于获取患者冠状动脉树的功能评价。

发明内容

本发明的实施方式提供用于经由无创性测量和基于反馈控制系统的迭代参数估计构架来确定患者静息状态和充血状态期间的冠状动脉循环参数。这种无创性手段允许获得患者冠状动脉血管的功能评价。

根据一种实施例，确定冠状动脉循环参数包括：经由成像获得患者的冠状动脉树的解剖模型；基于在静息状态下取得的无创性测量结果，确定患者的静息边界条件；计算患者的充血边界条件；实现一种反馈控制系统，以执行与静息状态匹配的仿真，其中，反馈控制系统利用了基于冠状动脉树解剖模型的模型和多个控制器，多个控制器的每一个与冠状动脉树的各自输出变量相关，以及，其中，调整模型的参数，以使输出变量与静息测量结果相符；基于对模型的调整，调整充血边界条件；以及，使用调整后的模型，执行与充血状态相对应的血流计算。

在一种实施例中，与充血状态相对应的仿真产生冠状动脉树的充血输出变量，这些充血输出变量包括冠状动脉血流和冠状动脉压力中的一个或多个。

在一种实施例中，经由CT扫描、MRI扫描、血管造影扫描、超声扫描、以及心肌灌注扫描中的至少之一，得到患者的冠状动脉树的解剖模型。

根据一种实施例，在静息状态下取得的无创性测量结果包括心率、收缩压以及舒张压中的一个或多个。

在一种实施例中，患者的静息边界条件包括静息状态期间脉管出口处的终端阻抗和电容值。根据一种实施例，使用来自心肌灌注检查的信息，对静息边界条件进行调整。

在一种实施例中，患者的充血边界条件是患者的静息边界条件的函数，以及，包括充血状态期间脉管出口处的终端阻抗。根据一种实施例，使用来自心肌灌注检查的信息，对充血边界条件进行调整。

在一种实施例中，多个控制器的第一个与冠状动脉树的冠状动脉阻抗有关，以及，多个控制器的第二个与心输出量有关。

根据一种实施例，在一系列迭代期间，对模型的参数进行调整，直至输出变量与测得的患者数据相符。

根据下文参照附图进行的对说明性实施方式的详细描述，本发明的其它特点和优点将更为明了。

附图说明

结合附图阅读时，根据下文具体描述，将最好地理解本发明的上述以及其它方面。出于举例说明本发明的目的，附图中示出了优选实施方式，然而，应当理解，本发明并不局限于所披露的具体手段。附图中所包括的是下列图：

图1是根据一种实施例用于患者充血状态期间无创性确定冠状动脉循环参数的工作流程的总体图示；

图2是根据一种实施例的静息状态下边界条件估计的图示；

图3是根据一种实施例的充血状态下边界条件估计的图示；

图4是根据一种实施例的适用于静息状态仿真的反馈控制系统的方块图示；

图5A和图5B是流程图，图示根据一种实施例的确定患者充血状态期间冠状动脉循环参数的过程；

图6是不同实施例中所使用的冠状动脉循环系统的图示；

图7A和图7B图示关于本发明方面的测试情况的分析结果；以及

图8A、图8B、图8C和图8D是一系列曲线，图示根据一种实施例的示例仿真期间的冠状动脉循环参数。

具体实施方式

本发明的实施方式涉及无创性确定患者静息状态和充血状态期间的冠状动脉循环参数。充血状态期间冠状动脉中的血流提供患者冠状动脉树的功能评价，这对医师进行诊断和治疗是有用工具。充血状态指非静息状态，其中，心脏正泵送比静息状态下更多的血液。由本发明实施方式所提供的无创性方法是理想的，因为患者不经受冗长的和/或不舒服的创伤性测量，创伤性测量天生具有诸如感染之类的风险。

根据本发明的实施方式，使用成像结果来提供患者冠状动脉血管或冠状动脉树的解剖图或模型。由成像提供的解剖信息包括诸如冠状动脉树中阻塞的大小和位置的特征。为了确定解剖信息如何功能上影响患者，本发明的实施方式提供了一种方法，用于确定充血状态期间冠状动脉中的血流。这种方法基于一种新颖的估计过程，用于根据静息状态下无创性采集的患者数据确定边界条件。基于由成像提供的解剖信息，使用一种多变量反馈控制框架，来保证所仿真的参数值匹配个体患者静息状态期间的估计值。经由基于已知身体特征和现象的传递函数，根据各自静息状态值，导出充血时的边界条件。作为静息状态期间冠状动脉血流的主要决定因素的参数是例如心率、平均主动脉压力、以及心肌质量。由于这些参数(以及由此静息循环)在个体之间具有高度变化性，所以主要冠状动脉诊断指标是基于充血状态血流状况，这对于一个特定患者是特有的。

根据本文所提供的实施方式，本发明方法可以小结如下：首先确定静息边界条件，接着计算充血边界条件。其次，使用反馈控制系统，以执行与静息状态匹配的仿真。最后，在建立充血边界条件之后，从控制回路取出动脉模型，以及，执行与充血状态相对应的仿真。

图1提供了用于无创性确定患者充血状态期间冠状动脉循环参数的工作流程100的高级概要图示。下文更具体地提供涉及工作流程100的各阶段的附加方面。工作流程100的步骤110表示患者静息状态下的图像采集和无创性测量。图像采集可以用CT扫描、MRI扫描、血管造影扫描、超声扫描、心肌灌注扫描、或能获得患者解剖框架的准确、清晰图像的其它技术进行采集。无创性测量结果可以包括但并不局限于心率和血压。

在步骤120，进行解剖建模，以基于患者冠状动脉树的解剖模型导出框架。解剖建模可以包括建立关于患者的采集图像的参数，诸如，例如通过冠状动脉树不同部分的血流和血压。解剖建模还可以包括分割冠状动脉树，以集中在特定患者的关注区域。解剖建模可以包括构建患者冠状动脉血管、近端大动脉、以及心肌的三维模型。

工作流程100的步骤130表示临床医生输入，包括给解剖建模提供反馈，以基于例如他或她的知识或与患者相关的其它信息对模型进行调整。

在步骤140处，加上必要时输入的来自临床医生的反馈(工作流程的130)，对血流计算进行计算，以得出患者冠状动脉树的功能评价。作为施加了执行与静息状态匹配的仿真的反馈控制系统的结果，对充血边界条件进行调整，血流计算使用充血边界条件。反馈控制系统利用了基于冠状动脉树解剖模型的模型，并且还包括多个控制器，多个控制器的每一个与冠状动脉树的各自输出变量相关。对模型进行调整，以让输出变量与静息状态测量结果相符。与静息状态测量结果相符的输出变量指示了模型准确反映了患者。然后，基于对模型所进行的调整，对充血边界条件进行调整。参照图4、图5A和图5B，具体描述反馈控制系统。

在步骤150处提供报告，其中报告识别使用调整后模型的与充血状态相对应的仿真的结果。报告包括患者冠状动脉树的功能评价，并且可以包括但并不局限于诸如基于充血状态的血流储备分数(FFR)和冠状动脉血流储备(CFR)参数的信息，作为医师的重要诊断工具。

对于患者冠状动脉血流的精确仿真，有关基于计算流体力学(CFD)方法的两个关键要求是(1)冠状动脉血管树的解剖模型和(b)入口和出口处的边界条件。通过采用关于多模态图像分割和表面网格生成的人工、半自动或全自动算法，医学图像处理中的新发展已经解决了前者要求。

图2提供了静息状态下估计边界条件的图示200，而图3提供了充血状态下边界条件估计的图示300，二者都在下文中更具体地进行描述。

静息状态下边界条件的估计

由于感兴趣区、也就是冠状动脉血管树是更大循环系统的一部分，选择入口和出口边界条件，使得它们对患者循环的近端和末端现象适当地建模。模型考虑了心肌收缩对血流的影响。这些集总模型通常由一组阻力(resistance)和顺应性(compliance)组成，它们代表微血管床。顺应性影响瞬态波形，而平均值只受阻力影响。由于关键诊断指标(诸如FFR和CFR)基于心动周期的平均数量，限制了边界条件估计以正确地确定各出口处的阻抗值，阻抗值定义为通过该出口的压力与血流之比。健康心外膜动脉中平均动脉压(MAP)是常数，并且可以如下通过收缩压、舒张压(SBP和DBP)以及心率进行估计：

$\mathrm{MAP}=\mathrm{DBP}+[\frac{1}{3}+(\mathrm{HR}\×0.0012)](\mathrm{SBP}-\mathrm{DBP}).$

冠状动脉血流取决于心脏的氧需求，而且，由于冠状动脉毛细管中的氧摄取即使在静息状态下也接近于最高水平，增加的新陈代谢需要只能通过增加血流来满足，因此，冠状动脉血流与氧需求成正比。通过无创性测量难以定量冠状动脉中的氧需求和消耗。过去已经提出了根据机械变量估计氧消耗的几种方法，采用心率作为氧消耗的主要决定因素。第二主要决定因素是血压(产生血压比肌肉收缩花费更多氧、即血流)。用于估计心肌氧消耗的最广泛使用的指标是心率-血压乘积，据此：

$q_{\mathrm{rest}}=8\×\left\{\right[7\×{10}^{-4}(\mathrm{HR}\·\mathrm{SBP})]-0.4\}\frac{\mathrm{ml}}{\min }/100g---\left(1\right)$

为了确定静息血流(Q_rest)的绝对值，将静息灌注乘以总心肌质量。在正常心脏中，左心室通常代表三分之二的总质量，即：Q_rest＝q_rest×1.5×M_LV。因此，总冠状动脉阻抗可以计算为R_cor＝MAP/Q_rest。通过心肌分割，根据CT图像估计值M_LV。下一步骤是将总阻抗分配至出口处的不同集总模型。这样做，Murray定律说明有关血液流动所要求的能量以及维持脉管系统所需的能量假定为最小并且因此Q_i～kr_i ³，这里，k是常数，而r是血管半径。通过所观察的、当血流相当大变化时血管壁剪切应力(比例)的不变性，对于幂系数已经建议了值3。接着，将绝对静息血流(其为所有出口血流之和)写为：

$Q+\mathrm{rest}={\mathrm{\Σ}}_{i=1}^{n}k\·r_i^3={\mathrm{\Σ}}_{i=1}^n{Q}_i.$

通过特定出口的血流由下式确定：

$\frac{Q_i}{Q_{\mathrm{rest}}}=\frac{k\·r_i^3}{{\mathrm{\Σ}}_{j=1}^{n}k\·r_j^3}\→Q_i=Q_{\mathrm{rest}}\·\frac{r_i^3}{{\mathrm{\Σ}}_{j=1}^n{r}_j^3}---\left(2\right)$

所以，终端阻抗现在可由下式确定：

$R_i=\frac{\mathrm{MAP}}{Q_i}=\mathrm{MAP}\·\frac{{\mathrm{\Σ}}_{j=1}^n{r}_j^3}{Q_{\mathrm{rest}}\·r_i^3}---\left(3\right)$

参见图2，图示200提供了静息状态下边界条件估计的简明总结，如以上关于公式(1)、(2)和(3)所述。估计所用的输入参数210包括心率、舒张压、收缩压、以及图像数据(诸如CT图像数据)。用输入参数210和公式(1)、(2)和(3)进行静息时的边界条件估计(220)，得到静息状态下的冠状动脉床和体循环边界条件(230)。静息状态下的边界条件包括但并不局限于心率-血压乘积，q_rest；通过特定出口的血流，Q_i；以及，终端阻抗，R_i。

充血状态下边界条件的估计

冠状动脉内和静脉内药物引起的充血导致微血管阻抗中的类似降低。腺甘酸的静脉给药导致心率的少量增加以及血压的降低。对于仿真，可以无限扩大冠状动脉内血管扩张剂的作用，并且最低限度地影响心率和血压。对于正常健康的受验者(没有任何冠状动脉病)，腺甘酸导致大约4.5倍的冠状动脉流速增加。由于在充血期间血压稍稍降低，血流中的4.5倍增大并不意味着冠状动脉阻抗中的4.5倍降低。总冠状动脉阻抗指标(TCRI)可以计算出来，其等于：

$\mathrm{TRCI}=(\frac{{\mathrm{MAP}}_{\mathrm{hyper}}}{Q_{\mathrm{hyper}}}/\frac{{\mathrm{MAP}}_{\mathrm{rest}}}{Q_{\mathrm{rest}}})=\frac{{\left(R_{\mathrm{cor}}\right)}_{\mathrm{hyper}}}{{\left(R_{\mathrm{cor}}\right)}_{\mathrm{rest}}}---\left(4\right)$

在各种研究期间，已经得到TCRI的平均值＝0.22。其从0.22(对于小于75每分钟心跳次数(bpm)的心率(HR))增大至0.26(对于100bpm的心率)，以及增大至0.28(对于120bpm的心率)。所以，可以导出下列关系，以得到HR校正的TCRI：

${\mathrm{TCRI}}_{\mathrm{corr}}=\left\{\begin{array}{cc}0.0016\·\mathrm{HR}+0.1& \mathrm{HR}\≤100\mathrm{bpm};\\ 0.001\·\mathrm{HR}+0.16& \mathrm{HR}>100\mathrm{bpm}.\end{array}\right.$

最后，由下式计算微血管阻抗：

(R_i)_hyper＝(R_i)_rest·TCRI    (5)

(R_i)_rest是根据公式(3)的值。

参见图3，图示300提供充血状态下边界条件估计的简明总结，如以上关于公式(4)和(5)所述。将输入参数210和静息状态下边界条件估计220应用于充血效应的模型310，如公式(4)和(5)所示。这得到了充血状态下的冠状动脉床和体循环边界条件(320)。充血状态下的边界条件包括但并不局限于总冠状动脉阻抗指标，TCRI；以及充血微血管阻抗，(R_i)_hyper。

反馈控制系统

为了准确评估冠状动脉诊断指标，CFD仿真的目标是得到与如果患者处于静息/药物引起的冠状动脉内充血中所得到的相同的冠状动脉内的平均压力和血流。由于所提出的方法基于静息状态期间所采集的参数，重要的是首先建立关于静息状态的仿真，然后做出至充血状态的转换。如上面关于静息状态下边界条件估计的描述那样确定冠状动脉阻抗。结果，如果仿真的MAP匹配通过公式(1)确定的值，则冠状动脉血流自动匹配估计值。在冠状动脉内药物引起的充血期间，MAP由于冠状动脉阻抗的减小而稍稍降低。为了捕获这方面，将冠状动脉树与大动脉连结。这种连结也使得能使用简化的心脏模型，以便提供入口边界条件。如果仅仅建模冠状动脉，那么流入时的时变血流或压力都是需要的，但这些无一是无创方式所能得到的。静息时的冠状动脉血流表示总心输出量的约4-5％。虽然焦点在于冠状动脉循环，但修改体阻抗(连结在大动脉的和其它近端脉管的出口处)，使得总冠状动脉血流为心输出量的约4-5％。第二基准变量是作为心输出量百分比的冠状动脉血流。在充血状态下执行仿真时，关于其在静息期的准确估计，对于得到大动脉血压中的准确降低是重要的。

图4显示反馈控制系统400，将其用于静息状态估计以及充血状态的血流计算。反馈控制系统利用基于冠状动脉树解剖模型的模型430，并且包括多个控制器(诸如控制器410、420)，各控制器与冠状动脉树的各自输出变量对应。如图中所示，控制器410是与冠状动脉树的冠状动脉阻抗有关的体阻抗控制器；而控制器420是与心输出量有关的心输出量控制器。使用患者模型430(即：患者冠状动脉树解剖模型)来产生血流和压力的仿真值。将仿真值带入血流计算公式(计算440和450)，将其结果与根据无创性测量结果所导出的那些值进行比较。如果根据比较确定误差(E)存在，控制器410、420调节模型430的参数，以让输出变量与静息状态测量结果相符。此过程可以进行数次迭代，直至模型430准确反映患者。此外，可以将附加控制器(未示出)加入反馈控制系统400。如果包括了附加控制器，各附加控制器与冠状动脉血管树的不同方面有关，并且可以提高患者模型430的准确性。

一旦输出变量与基于无创性测量结果的变量相符，基于对患者模型430所做的调整，相应地调整充血边界条件，并且在血流计算公式中使用，以得到患者充血状态期间的冠状动脉循环参数(血流和压力)。

本过程进一步示于图5A的流程图500和图5B的计算图示570中。参见图5A，在510处，初始化模型参数。这涉及例如流和压力的仿真值。在520处，执行血流计算。在530处，在(基于无创性测量结果的)测量数据与(基于模型的)仿真数据之间进行比较。在540处，做出判断，以证实是否满足目标。目标可以指的是在测量数据和仿真数据之间的百分误差。如果百分误差小于或等于预定值(对于各变量可以不同)，那么，满足目标。在550处，如果百分误差不小于预定值，那么，模型参数需要更新，如控制器410和420所确定的那样。重复520处的计算、530处的评估、以及540处满足目标的判断。一旦满足目标，在560处报告结果。

图5B图示计算过程570，其产生患者充血状态期间的冠状动脉循环参数(血流和血压)。使用充血状态下的边界条件(320)的血流计算(590)，连同心脏模型(575)和患者模型(580、585)一起，用来导出充血状态下的冠状动脉血流和冠状动脉压力。这些参数可以用来确定患者的其它充血变量。

根据灵敏度分析，有不同途径来改变心脏模型的心输出量，也就是，最大弹回性(maximum elastance)、最大收缩性、死容积(dead volume)、初始左心室(LV)容积、体阻抗或左心房压力(给定心率，且不能改变)。最高灵敏度是由于初始左心室容积与死容积之差所致。应当注意到，本发明方法的目标是达到与特定于患者的稳态正确匹配的稳态，并且无需对控制机构的暂态方面建模。一旦仿真收敛，并且确定了关于体阻抗的、以及关于初始左心室容积与死容积之差的值，则切断控制回路，并且，用充血阻抗代替静息出口阻抗。因此，允许MAP稍稍下降，以及，由于冠状动脉血流增大几倍，由总血流中的冠状动脉血流表示的百分比变得非常高。再次运行仿真，直至收敛。

图6提供冠状动脉循环的模型的图示600，指明标注为“BC”的边界条件的点。Ra表示近端动脉阻抗，Ca是动脉顺应性；Ram是微血管动脉阻抗；Cim是内心肌顺应性(其说明心脏收缩时的容积减小)；Rvm是微血管静脉阻抗；而Rv是静脉阻抗。

使用降阶的患者特定模型对这里所描述的方法进行了测试。使用ID分割对近端脉管建模，同时通过3元弹性腔模型(3-element Windkessel model)或通过关于冠状动脉循环的专门的集总模型(specialized lumped models)表示微血管床。总外流阻抗已经确定，而集总冠状动脉模型由四个不同阻抗构成。第一阻抗等于特性阻抗，以使反射最小。而第三阻抗和第四阻抗表示视为恒定的微血管静脉阻抗和静脉阻抗。因此，微血管动脉阻抗确定为总阻抗与三个其它阻抗之差。应当注意到，平均压力和血流取决于总阻抗，但并不取决于总阻抗对个别阻抗的分布。通过图像分割、中线和管腔提取，从冠状动脉CTA扫描中提取患者特定数据。用平均长度和半径表示体循环，但是，由于体循环的作用是正确地获取充血状态，这不会影响结果，而且，如果静息状态压力和冠状动脉血流的百分比匹配患者状态，则达到此目标。在左动脉前降支之一上已经引入了具有1.0厘米长度的人为65％直径狭窄。对于所提出方法的四个不同参数：心率、收缩压和舒张压(由于MAP是实际输入而一起取得)、左心室质量(LVM)和动力系数n，已经进行了灵敏度分析。分析所使用的基准值是：HR＝60心跳次数/分钟，SBP＝140毫米汞柱，DBP＝100毫米汞柱，LVM＝250克，n＝3。按±10％、±20％和±30％个别地改变各输入参数(除动力系数之外，其只做了±10％、±20％的变化)。同时按相同百分比改变套囊压力(cuff pressures)。

图7A和图7B示出关于跨狭窄压降(P)以及Pd/Pa的灵敏度分析的各自结果710和720。P的最高灵敏度是相对于套囊压力，后面是LVM(参见图7A中的710)。对于FFR(Pd/Pa)，最高灵敏度是相对于LVM，后面是HR(参见图7B中的720)。在二者情况下，动力系数都具有最小影响。为了进一步说明对于准确出口边界条件估计的需要，直接按±10％、±20％和±30％调整充血阻抗，以及，下表1显示有关△P和FFR的结果。这些结果清楚示出，使用如图4中所示的一种控制回路、或者匹配患者的心率和血压的任何其它手段都是不够的，但其对于准确地确定各流出脉管的静息和充血微血管阻抗则是决定性的，以便正确地估计血液动力指标的值。对于所给定的情况，FFR值在0.628与0.784之间变化，与临床实践中所使用的截止值相交的区间。

表1

Rhype	Pa	Pd	Q	△P	Pd/Pa
						7579(-30％)	100.01	62.79	2.11	37.22	0.628
8661(-20％)	101.64	67.55	1.99	34.09	0.664
						9744(-10％)	102.97	71.67	1.88	31.30	0.696
10827(0％)	104.01	75.21	1.77	28.80	0.723
						11919(+10％)	105.03	78.40	1.68	29.80	0.746
12993(+20％)	105.83	81.17	1.60	24.66	0.766
						14076(+30％)	106.54	83.62	1.52	22.92	0.784

图8A-图8D显示在以参数的基准值所进行的仿真期间两个受控变量(主动脉压(图8A中的810)和百分比冠状动脉血流(图8B中的820))和系统输入(系统阻抗(图8D中的840)和初始LV容积(图8C中的830))的演变。各图分成三段：(1)表示初始时期，(2)表示在使用图4中所示的反馈控制系统并且仿真静息状态期间的时期，以及(3)表示充血状态的仿真。图8A和图8B清楚示出，在(2)的仿真阶段期间，这些值如何收敛至关于患者静息状态所估计的基准值。在阶段(3)(充血状态)期间，两个系统输入保持恒定状态(不再使用反馈回路)，以及，由于冠状动脉阻抗减小，主动脉压降低，而百分比冠状动脉血流增加。

提出了一种方法，用于与反馈控制系统一起估计患者特定的冠状动脉边界条件(静息时和充血时)，可以用来保证基于CFD的仿真与患者特定的冠状动脉压力和血流匹配。这种方法的主要优点是，它只基于静息状态期间无创采集的参数，并且可以用于全阶或降阶仿真。此外，它可以用来评价仅仅基于充血状态(例如，FFR)或基于静息状态和充血状态(例如，CFR)二者的冠状动脉诊断指标。

所提出的方法不考虑性别之差(对于类似量的心肌质量，妇女要求更高的静息血流)，但没有评估静息冠状动脉血流时还考虑性别的研究。具有静息心绞痛的患者必须排除，由于心绞痛意味着静息血流不匹配氧需求，因此，公式(1)可能不再有效。高血压患者和有微血管疾病的患者必须分开建模，由于通过公式(4)计算的TCRI值不再有效。

反馈控制系统400可以是一个或多个处理装置、计算装置、处理器等，用于执行本文所述的计算和操作。例如，可以使用一个或多个处理器来执行确定静息状态和充血状态边界条件的计算和操作，实现患者模型430和控制器410、420，以及确定血流计算。

反馈控制系统400可以与一个或多个存储装置(未示出)诸如只读存储器(ROM)、随机存取存储器(RAM)、以及一个或多个可选非暂时性存储装置诸如外置或内置DVD驱动器、CD-ROM驱动器、硬盘驱动器、闪存、USB驱动器等接口。存储装置可以构造成包括单个文件和/或一个或多个数据库，用于存储任何软件模块、指令、或数据。

用于执行与上述处理相关的任何功能步骤的程序指令、软件或交互模块可以存储在ROM和/或RAM中。可选地，程序指令可以存储在有形计算机可读介质诸如压缩光盘、数字光盘、闪存、存储卡、USB驱动器、光盘存储介质诸如Blu-ray^TM光盘、和/或其它记录介质上。

可选显示接口可以允许来自反馈控制系统400的信息以音频、视频、图形和/或字母数字格式显示在一个或多个显示器上。与外部装置的通信可以使用不同通信端口进行，这些端口可以与一个或多个通信网络诸如因特网或局域网连接，或者直接连接至便携式计算装置诸如笔记本计算机。接口允许接收来自输入装置诸如键盘、鼠标、操纵杆、触摸屏、遥控装置、指点装置、视频输入装置、音频输入装置等的数据。

虽然参照示例性实施方式对本发明进行了描述，但本发明并不局限于这些示例性实施方式。本领域的熟练技术人员应当理解，可以对本发明的优选实施方式做出许多修改和改进，并且在不脱离本发明的真正精神的情况下做出这些修改和改进。因此，所附权利要求覆盖落入本发明精神和范围内的这些等效置换。

Claims (24)

1.一种无创性确定患者充血状态期间冠状动脉循环参数的方法，所述方法包括：

经由成像获得所述患者的冠状动脉树的解剖模型；

基于在静息状态下取得的无创性测量结果，确定所述患者的静息边界条件；

计算所述患者的充血边界条件；

实现一种反馈控制系统，以执行与所述静息状态匹配的仿真，其中，所述反馈控制系统利用了基于所述患者冠状动脉树解剖模型的模型以及多个控制器，所述多个控制器的每一个与所述冠状动脉树的各自输出变量相关，以及，其中，调整所述模型的参数，以使所述输出变量与所述静息测量结果相符；

基于对所述模型的调整，调整所述充血边界条件；以及

使用调整后的模型，执行与所述充血状态相对应的血流计算。

2.根据权利要求1所述的方法，其中，与所述充血状态相对应的仿真产生所述冠状动脉树的充血输出变量，所述充血输出变量包括冠状动脉血流和冠状动脉压力中的一个或多个。

3.根据权利要求1所述的方法，其中，经由CT扫描、MRI扫描、血管造影扫描、超声扫描、以及心肌灌注扫描中的至少之一，得到患者的冠状动脉树的解剖模型。

4.根据权利要求1所述的方法，其中，在静息状态下取得的所述无创性测量结果包括心率、收缩压以及舒张压中的一个或多个。

5.根据权利要求1所述的方法，其中，患者的静息边界条件包括所述静息状态期间脉管出口处的终端阻抗和电容值。

6.根据权利要求5所述的方法，其中，使用来自心肌灌注检查的信息，对基于所述静息状态期间脉管出口处的终端阻抗和电容值的患者的静息边界条件进行调整。

7.根据权利要求1所述的方法，其中，患者的充血边界条件是患者的静息边界条件的函数，以及，包括充血状态期间脉管出口处的终端阻抗和电容值。

8.根据权利要求7所述的方法，其中，使用来自心肌灌注检查的信息，对基于充血状态期间脉管出口处的终端阻抗和电容值的患者的充血边界条件进行调整。

9.根据权利要求1所述的方法，其中，所述多个控制器的第一个与所述冠状动脉树的冠状动脉阻抗有关，以及其中，所述多个控制器的第二个与心输出量有关。

10.根据权利要求1所述的方法，其中，在一系列迭代期间，对所述模型的参数进行调整。

11.一种用于无创性确定患者充血状态期间冠状动脉循环参数的反馈控制系统，所述系统包括：

一个或多个处理器，构造成计算(i)基于在静息状态下取得的无创性测量结果的患者的静息边界条件；以及(ii)患者的充血边界条件；

其中，所述一个或多个处理器实现一种反馈回路，以使用基于患者的冠状动脉树解剖模型的模型以及多个控制器，执行与所述静息状态匹配的仿真，所述多个控制器的每一个与所述冠状动脉树的各自输出变量有关，其中，调整所述模型的参数，以使所述输出变量与所述静息状态测量结果相符；

其中，所述一个或多个处理器进一步构造成：基于在所述反馈回路期间对所述模型的参数做出的调整，调整所述充血边界条件。

12.根据权利要求11所述的系统，其中，与所述充血状态对应的仿真产生所述冠状动脉树的充血输出变量，所述充血输出变量包括冠状动脉血流和冠状动脉压力中的一个或多个。

13.根据权利要求11所述的系统，其中，经由CT扫描、MRI扫描、血管造影扫描、超声扫描、以及心肌灌注扫描中的至少之一，得到患者的冠状动脉树的解剖模型。

14.根据权利要求11所述的系统，其中，在静息状态下进行的所述无创性测量包括心率、收缩压以及舒张压中的一个或多个。

15.根据权利要求11所述的系统，其中，所述患者的静息边界条件包括所述静息状态期间脉管出口处的终端阻抗和电容值。

16.根据权利要求11所述的系统，其中，所述患者的充血边界条件是所述患者的静息边界条件的函数，并且包括所述充血状态期间脉管出口处的终端阻抗和电容值。

17.根据权利要求11所述的系统，其中，所述多个控制器的第一个与所述冠状动脉树的冠状动脉阻抗有关，以及，其中，所述多个控制器的第二个与心输出量有关。

18.根据权利要求11所述的系统，其中，在一系列迭代期间，对所述模型的参数进行调整。

19.一种非暂时性计算机可读介质，包括用于通过以下来无创性确定患者充血状态期间冠状动脉循环参数的软件指令：

基于在静息状态下取得的无创性测量结果，确定所述患者的静息边界条件；

计算所述患者的充血边界条件；

执行一种与所述静息状态匹配的仿真，所述仿真基于所述患者的冠状动脉树解剖模型的模型以及所述冠状动脉树的多个输出变量，以及，其中，所述仿真调整所述模型的参数，以让所述输出变量与所述静息状态测量结果相符；

基于所述模型的调整，调整所述充血边界条件；以及

使用所述调整后的模型，执行与所述充血状态相对应的血流计算；

20.根据权利要求19所述的非暂时性计算机可读介质，其中，与所述充血状态相对应的仿真产生所述冠状动脉树的充血输出变量，所述充血输出变量包括冠状动脉血流和冠状动脉压力中的一个或多个。

21.根据权利要求19所述的非暂时性计算机可读介质，其中，在静息状态下取得的所述无创性测量结果包括心率、收缩压以及舒张压中的一个或多个。

22.根据权利要求19所述的非暂时性计算机可读介质，其中，所述患者的静息边界条件包括所述静息状态期间脉管出口处的终端阻抗和电容值。

23.根据权利要求19所述的非暂时性计算机可读介质，其中，所述患者的充血边界条件是所述患者的静息边界条件的函数，以及，包括所述充血状态期间脉管出口处的终端阻抗和电容值。

24.根据权利要求19所述的非暂时性计算机可读介质，其中，在一系列迭代期间，对所述模型的参数进行调整。