CN104736046B - 用于数字评估脉管系统的系统和方法 - Google Patents

用于数字评估脉管系统的系统和方法 Download PDF

Info

Publication number
CN104736046B
CN104736046B CN201380054648.0A CN201380054648A CN104736046B CN 104736046 B CN104736046 B CN 104736046B CN 201380054648 A CN201380054648 A CN 201380054648A CN 104736046 B CN104736046 B CN 104736046B
Authority
CN
China
Prior art keywords
patient
coronary artery
disease
blood flow
score
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN201380054648.0A
Other languages
English (en)
Other versions
CN104736046A (zh
Inventor
蒂莫西·方特
乔纳森·唐
崔吉浩
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
HeartFlow Inc
Original Assignee
HeartFlow Inc
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by HeartFlow Inc filed Critical HeartFlow Inc
Publication of CN104736046A publication Critical patent/CN104736046A/zh
Application granted granted Critical
Publication of CN104736046B publication Critical patent/CN104736046B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B6/00—Apparatus for radiation diagnosis, e.g. combined with radiation therapy equipment
    • A61B6/02—Devices for diagnosis sequentially in different planes; Stereoscopic radiation diagnosis
    • A61B6/03—Computerised tomographs
    • A61B6/032—Transmission computed tomography [CT]
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B6/00—Apparatus for radiation diagnosis, e.g. combined with radiation therapy equipment
    • A61B6/50—Clinical applications
    • A61B6/507—Clinical applications involving determination of haemodynamic parameters, e.g. perfusion CT
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/02—Detecting, measuring or recording pulse, heart rate, blood pressure or blood flow; Combined pulse/heart-rate/blood pressure determination; Evaluating a cardiovascular condition not otherwise provided for, e.g. using combinations of techniques provided for in this group with electrocardiography or electroauscultation; Heart catheters for measuring blood pressure
    • A61B5/02007—Evaluating blood vessel condition, e.g. elasticity, compliance
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/02—Detecting, measuring or recording pulse, heart rate, blood pressure or blood flow; Combined pulse/heart-rate/blood pressure determination; Evaluating a cardiovascular condition not otherwise provided for, e.g. using combinations of techniques provided for in this group with electrocardiography or electroauscultation; Heart catheters for measuring blood pressure
    • A61B5/026—Measuring blood flow
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B6/00—Apparatus for radiation diagnosis, e.g. combined with radiation therapy equipment
    • A61B6/48—Diagnostic techniques
    • A61B6/481—Diagnostic techniques involving the use of contrast agents
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B6/00—Apparatus for radiation diagnosis, e.g. combined with radiation therapy equipment
    • A61B6/52—Devices using data or image processing specially adapted for radiation diagnosis
    • A61B6/5205—Devices using data or image processing specially adapted for radiation diagnosis involving processing of raw data to produce diagnostic data
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T19/00—Manipulating 3D models or images for computer graphics
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
    • G16H50/50—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for simulation or modelling of medical disorders
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B2576/00—Medical imaging apparatus involving image processing or analysis
    • A61B2576/02—Medical imaging apparatus involving image processing or analysis specially adapted for a particular organ or body part
    • A61B2576/023—Medical imaging apparatus involving image processing or analysis specially adapted for a particular organ or body part for the heart
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/05—Detecting, measuring or recording for diagnosis by means of electric currents or magnetic fields; Measuring using microwaves or radio waves 
    • A61B5/055—Detecting, measuring or recording for diagnosis by means of electric currents or magnetic fields; Measuring using microwaves or radio waves  involving electronic [EMR] or nuclear [NMR] magnetic resonance, e.g. magnetic resonance imaging
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B6/00—Apparatus for radiation diagnosis, e.g. combined with radiation therapy equipment
    • A61B6/50—Clinical applications
    • A61B6/504—Clinical applications involving diagnosis of blood vessels, e.g. by angiography
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B8/00—Diagnosis using ultrasonic, sonic or infrasonic waves
    • A61B8/08—Detecting organic movements or changes, e.g. tumours, cysts, swellings
    • A61B8/0891—Detecting organic movements or changes, e.g. tumours, cysts, swellings for diagnosis of blood vessels
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2210/00—Indexing scheme for image generation or computer graphics
    • G06T2210/41—Medical
    • 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
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
    • Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
    • Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation

Abstract

本发明公开为患者提供心血管计分的系统和方法。一种方法包括：使用至少一个计算机系统来接收关于患者的多个冠状动脉的几何形状的患者特定数据；和使用至少一个计算机系统来基于所述患者特定数据来创建表示所述多个冠状动脉中的至少部分的三维模型。所述方法还包括使用至少一个计算机系统来评估由所述模型表示的所述冠状动脉中的至少一些的多个特征；和使用至少一个计算机系统来基于所述多个特征的评估产生所述心血管计分。另一种方法包括基于为所述冠状动脉中具有至少一个预定阈值的血流储备分数值的部分评估的多个特征来产生所述心血管计分。

Description

用于数字评估脉管系统的系统和方法
描述
技术领域
本公开的实施方案包括用于数字评估脉管系统的系统和方法，如通过模型化冠状动脉解剖构造对冠状动脉脉管系统计分。更具体地说，实施方案涉及用于基于冠状动脉解剖构造且任选地还基于血流储备分数或从血流计算机模型化计算的其它功能度量值对冠状动脉脉管系统进行患者特定计分的系统和方法。
背景技术
冠状动脉疾病可在向心脏提供血液的血管中产生冠状动脉病变，如狭窄症(血管异常变窄)。结果，限制血液流向心脏。遭受冠状动脉疾病的患者可能在强体力活动时经历胸痛(称作慢性稳定型心绞痛)或者在患者休息时经历胸痛(称作不稳定型心绞痛)。更严重的疾病表现可能导致心肌梗死或心脏病发作。
需要提供关于冠状动脉病变的更精确的数据，例如，大小、形状、位置、功能意义(例如，病变是否影响血液流动)等。可使遭受胸痛和/或显示冠状动脉疾病症状的患者经受可能提供关于冠状动脉病变的一些间接证明的一个或多个测试。例如，非侵入性测试可包括心电图、来自血液测试的生物标志物评估、平板运动测试、超声心动描记术、单光子发射计算机断层成像术(SPECT)和正电子发射断层成像术(PET)。然而，这些非侵入性测试通常不提供冠状动脉病变的直接评定或评定血流速率。非侵入性测试可以通过寻找心脏电活动的变化(例如，使用心电描记法(ECG))、心肌运动的变化(例如，使用负荷超声心动描记术)、心肌灌注的变化(例如，使用PET或SPECT)或新陈代谢变化(例如，使用生物标志物)来提供冠状动脉病变的间接证明。
例如，使用冠状动脉计算机断层扫描血管造影术(CCTA)可以非侵入性地获得解剖数据。CCTA可以用于为胸疼患者成像并且涉及使用计算机断层扫描(CT)技术来在静脉灌注造影剂之后为心脏和冠状动脉成像。然而，CCTA也不能提供关于冠状动脉病变的功能意义的直接信息，例如，病变是否影响血液流动。另外，因为CCTA纯粹是诊断性测试，所以它不能用于预测在其它生理状态(例如，运动)下冠状动脉血流、压力或心肌灌注的变化，也不能用于预测介入结果。
因此，患者也可需要侵入性测试，如诊断性心导管插入术，使冠状动脉病变显影。诊断性心导管插入术可以包括执行常规冠状动脉血管造影术(CCA)，以通过向医生提供具有动脉大小和形状的影像来收集冠状动脉病变的解剖数据。然而，CCA不提供用于评定冠状动脉病变的功能意义的数据。例如，医生可能在不确定病变是否在功能上有意义的情况下不能诊断冠状动脉病变是否有害。因此，CCA已导致一些介入心脏病专家的“目视狭窄反射”，不管病变是否在功能上有意义，为利用CCA发现的每个病变插入支架。结果，CCA可能导致对患者实施不必要的手术，这可能给患者带来额外的风险且可能导致患者付不必要的卫生保健费用。
在诊断性心导管插入期间，可以通过测量被观察病变的血流储备分数(FFR)来侵入性地评定冠状动脉病变的功能意义。FFR被定义为病变的下游平均血压与在由静脉内施用腺苷引起的最大限度增加的冠状动脉血流的情况下的病变的上游平均血压(例如，主动脉压)的比。可以通过向患者插入压力导丝来测量血液。在诊断性心导管插入的初始花费和风险已产生后可以决定基于确定的FFR来治疗病变。
另一种用于评估患者冠状动脉脉管系统的技术是SYNTAX计分系统和方法，这是一种用于对冠状动脉疾病的复杂性和严重性进行计分的技术。SYNTAX计分是用于帮助确定患者是否应该用经皮冠状动脉介入治疗(PCI)或冠状动脉旁路移植术(CABG)来治疗的评分方法。标准的SYNTAX计分通过以下步骤来执行：通过血管造影片评估患者的冠状动脉解剖构造，回答一系列问题，以及基于这些问题的答案分配分值。例如，心脏病专家可以审核患者的血管造影片并基于(例如)病变的类型、形状和在患者的冠状动脉树中的位置来为病变分配罚分。接着将评定的分加在一起来为患者输出单个SYNTAX计分。在一个示例性实施方案中，如果计分小于34，那么PCI是合适的，而如果计分大于34，那么CABG更可能产生更好的结果。已发现SYNTAX计分在评估患者的冠状动脉脉管系统中的疾病的复杂性和程度以及识别最合适介入(例如，PCI还是CABG)方面非常有效。SYNTAX计分系统的实施方案在http://www.syntaxscore.com/中进行，包括计分指南、血管段定义和计分计算器，其全部公开内容以引用的方式并入本文。
SYNTAX计分尽管具有显著益处，但传统上它是侵入性技术，因为它基于血管造影片执行。此外，SYNTAX计分可以是非常耗时的过程，因为它需要心脏病专家手动/视觉上评估血管造影片，回答很长的一系列问题，并基于每个答案分配计分。另外，SYNTAX计分的结果是依赖心脏病专家的并且基于不同心脏病专家感知血管造影片影像和/或对血管造影片影像计分的方式的不同而稍微变化。为此，SYNTAX计分有时由几个心脏病专家(例如，三人小组)来执行，以产生平均SYNTAX计分。然而，这样的治疗方案进一步增加产生可用的SYNTAX计分的工时。最后，传统的SYNTAX计分通常基于患者的整个冠状动脉脉管系统来执行，而不考虑被识别的病变的任何计算的功能结果。例如，心脏病专家可能在SYNTAX计分中包括针对并不负面地影响下游FFR的病变的罚分。
因此，需要用于非侵入性地评定冠状动脉解剖构造、冠状动脉疾病、心肌灌注和冠状动脉血流的系统和方法。另外，需要非侵入性地评估患者的冠状动脉脉管系统中的疾病的复杂性和程度以及识别最合适介入(例如，PCI还是CABG)。另外，需要通过基于非侵入性地获得患者特定数据来自动执行数字评估来评估患者的冠状动脉脉管系统中的疾病的复杂性和程度。还需要在执行患者的冠状动脉脉管系统的数字评估时(例如)基于非侵入性FFR计算体现病变的功能影响的系统和方法。
上文的一般描述和下文的详细描述只是示例性的和解释性的并且不限制本发明。
发明内容
根据一个实施方案，公开一种用于为患者提供心血管计分的方法。所述方法包括：使用至少一个计算机系统来接收关于所述患者的多个冠状动脉的几何形状的患者特定数据；和使用至少一个计算机系统来基于所述患者特定数据来产生表示所述多个冠状动脉的至少部分的三维模型。所述方法还包括使用至少一个计算机系统来评估由所述模型表示的冠状动脉中的至少一些的多个特征；和使用至少一个计算机系统来基于所述多个特征的评估来产生所述心血管计分。
根据另一个实施方案，公开一种用于为患者产生心血管计分的计算机实施方法。所述方法包括：接收关于所述患者的多个冠状动脉的几何形状的患者特定数据；和基于所述患者特定数据来产生表示所述多个冠状动脉的至少部分的模型。所述方法进一步包括：评估由所述三维模型表示的所述冠状动脉中的至少部分的多个特征；基于所述多个特征中的每一个的评估来为所述多个特征分配数值；以及根据所述评定的数值来产生所述心血管计分。
根据另一个实施方案，公开一种用于为患者提供心血管计分的方法。所述方法包括：使用至少一个计算机系统来接收关于所述患者的多个冠状动脉的几何形状的患者特定数据；和使用至少一个计算机系统来基于所述患者特定数据来产生表示所述多个冠状动脉的至少部分的三维模型。所述方法还包括：使用至少一个计算机系统来计算所述冠状动脉的至少部分的多个位置处的血流储备分数值；使用至少一个计算机系统来评估由所述模型表示的所述冠状动脉中的至少部分的多个特征；以及使用至少一个计算机系统来基于为所述冠状动脉中具有至少一个预定阈值的血流储备分数值的部分评估的所述多个特征来产生所述心血管计分。
另外的实施方案和优点的一部分将在随后的说明中陈述，并且一部分将通过该说明而显而易见，或者可以通过实践本公开而学到。将借助下文具体指出的元件和组合实现并且获得实施方案和优点。
附图说明
并入本说明书并且构成本说明书的一部分的附图说明若干实施方案，并且与说明一起用于解释本公开的原理。
图1示出使用非侵入性获得的成像数据产生的患者冠状动脉脉管系统的示例性三维模型；
图2是根据本公开的实施方案的用于对患者的冠状动脉脉管系统计分的示例性系统和网络的方框图；
图3是根据本公开的实施方案的用于对患者的冠状动脉脉管系统计分的示例性方法的流程图；
图4是根据本公开的实施方案的用于提供与特定患者的冠状动脉血流有关的各种信息的系统的示意图；以及
图5是根据本公开的实施方案的用于提供与特定患者的冠状动脉血流有关的各种信息的示例性方法的方框图。
具体实施方式
现详细参考示例性实施方案，其实施例在附图中加以说明。只要有可能，所有附图中相同的参考数字指代相同或类似的部分。
一般来说，本公开涉及基于分析患者的解剖冠状动脉模型和任选地与特定患者的血流相关的各种计算数据来执行患者的冠状动脉脉管系统的数字评估(例如，通过对患者的冠状动脉脉管系统计分)。在一个实施方案中，本公开涉及用于非侵入性地评定冠状动脉解剖构造、冠状动脉疾病、心肌灌注和冠状动脉血流的系统和方法。目前公开的系统和方法帮助心脏病专家评估患者的冠状动脉脉管系统中的疾病的复杂性和程度并识别最合适介入(例如，PCI还是CABG)。因此，公开用于通过自动执行对非侵入性地获得患者特定数据的数字评估来评估患者的冠状动脉脉管系统中的疾病的复杂性和程度的系统和方法。此外，公开用于在执行患者的冠状动脉脉管系统的数字评估时(例如)基于非侵入性FFR计算体现病变的功能影响的系统和方法。所述系统和方法可以有益于对怀疑有冠状动脉疾病的患者进行诊断并计划治疗方案的心脏病专家。
在示例性实施方案中，使用非侵入性地从患者取得的信息来计算关于特定患者的血流的各种信息(例如，FFR值)。用于执行此类计算的系统和方法的各种实施方案在2011年1月25日提交的题为“Method and System for Patient-specific Modeling of BloodFlow”的美国专利申请号13/013,561中更详细地描述，该案让与本申请的受让人并且其全文以引用的方式并入本文。
在一些实施方案中，由公开的系统和方法确定的信息可以是关于患者的冠状动脉脉管系统的血流。或者，确定的信息可以关于患者的脉管系统的其它区域(如颈动脉、神经末梢、腹部、肾脏和大脑脉管系统)的血流。冠状动脉脉管系统包括从大动脉到小动脉、毛细管、小静脉、静脉等血管的复杂网络。图1示出冠状动脉脉管系统的一部分的模型220，所述冠状动脉脉管系统使血液循环到心脏并且在心脏内循环并且包括主动脉2，所述主动脉2将血液供应到多个冠状动脉主干4(例如，左前降支(LAD)动脉、左回旋支(LCX)动脉、右冠状动脉(RCA)等)，所述冠状动脉主干4可以进一步细分成动脉分支或主动脉2和冠状动脉主干4下游的其它类型的血管。因此，示例性系统和方法可以确定与主动脉、冠状动脉主干和/或冠状动脉主干下游的其它冠状动脉或血管内的血流有关的各种信息。尽管下文论述主动脉和冠状动脉(和自其延伸的分支)，但是所公开的系统和方法也可适用于其它类型的血管。
在示例性实施方案中，由公开的系统和方法确定的信息可以包括(但不限于)各种血流特征或参数，如在冠状动脉主干和/或冠状动脉主干下游的其它冠状动脉或血管中的各个位置的血流速度、压力(或其比率)、流率和FFR。这个信息可以用于确定病变是否具有功能意义和/或是否要治疗病变。可以使用非侵入性地从患者获得的信息来确定这个信息。因此，可以在没有与侵入性程序相关联的花费和风险的情况下决定是否并且如何治疗病变。
图2示出用于根据血管几何形状、生理信息和/或血流信息来对患者的冠状动脉脉管系统计分的示例性系统和网络的方框图。具体来说，图2示出多个医生202和第三方提供者204，他们中的任何一个可以通过一个或多个计算机、服务器和/或掌上型移动装置连接到电子网络200，如因特网。医生202和/或第三方提供者204可以创建或另外获得一个或多个患者的心脏和/或血管系统的影像，如下文关于图3所描述。医生202和/或第三方提供者204也可以获得患者特定信息(如年龄、病史、血压、血液粘度等)的任何组合。医生202和/或第三方提供者204可以通过电子网络200将心脏/血管影像和/或患者特定信息传输到计算系统206。计算系统206可以包括用于存储从医生202和/或第三方提供者204接收的影像和数据的存储装置。计算系统206还可以包括用于根据本文所描述的方法处理存储装置中所存储的影像和数据的处理装置。
图3是根据本公开的示例性实施方案的用于根据血管几何形状模型、生理信息和/或血流信息来对患者的冠状动脉脉管系统进行数字评估(即，计分)的示例性方法300的方框图。更具体来说，方法300涉及非侵入性地评估患者的冠状动脉脉管系统中的疾病的复杂性和程度以及识别最合适介入(例如，PCI还是CABG)。在一个实施方案中，方法300在执行患者的冠状动脉脉管系统的数字评估时(例如)基于非侵入性FFR计算体现病变的功能影响。在一个实施方案中，图3的方法可以由计算系统206基于医生202和/或第三方提供者204通过电子网络200接收的信息来执行。
如图3所示，方法300可以包括接收患者特定解剖数据(步骤302)。例如，可以接收并预处理关于患者的解剖构造(例如，主动脉的至少一部分和连接到主动脉的冠状动脉主干(和自其延伸的分支)的近端部分)的信息。可以非侵入性地(例如，通过CCTA)获得患者特定解剖数据，如下文所描述。
在一个实施方案中，步骤302可以包括初始选择患者。例如，当医生确定关于患者的冠状动脉血流的信息是所需的，例如，如果患者正经历与冠状动脉疾病相关联的症状，如胸痛、心脏病发作等时，医生可以选择所述患者。
患者特定解剖数据可以包括关于患者心脏(例如，患者主动脉的至少一部分，连接到主动脉的冠状动脉主干(和自其延伸的分支)的近端部分，和心肌)的几何形状的数据。可以例如使用非侵入性成像方法非侵入性地获得患者特定解剖数据。例如，CCTA是一种成像方法，其中用户可以操作计算机断层扫描(CT)扫描仪来查看并创建例如心肌、主动脉、冠状动脉主干和连接到它们的其它血管的结构的影像。CCTA数据可以是随时间变化的，例如，来展示心脏循环中血管形状的变化。CCTA可以用于产生患者心脏的影像。例如，可以获得64切片CCTA数据，例如，与患者心脏的切片有关的数据，并且将所述数据组合成三维影像。
或者，其它非侵入性成像方法(如磁共振成像(MRI)或超声诊断检查(US))或侵入性成像方法(如数字减影血管造影术(DSA))可以用于产生患者的解剖构造的结构的影像。成像方法可以涉及向患者静脉注射造影剂来识别解剖构造的结构。所得成像数据(例如，由CCTA、MRI等提供)可以由第三方供应商(如放射学实验室或心脏病专家)、患者的医生等提供。
也可以非侵入性地从患者确定其它患者特定解剖数据。例如，可以测量生理数据，如患者的血压、基线心率、身高、体重、血细胞比容、心博量等。血压可以是患者的臂动脉的血压(例如，使用压力袖套)，如最大压(收缩压)和最小压(舒张压)。
可以通过安全的通信线(例如，经由网络200)传送如上文所述获得的患者特定解剖数据。例如，数据可以传送到服务器或其它计算机系统206用于执行计算分析。在示例性实施方案中，数据可以传送到由提供基于网络的服务的服务提供者操作的服务器或其它计算机系统。或者，数据可以传送到由患者的医生或其它用户操作的计算机系统。可以审核所传送的数据来确定所述数据是否可接受。可以由用户和/或计算机系统执行所述确定。例如，可以由用户和/或计算机系统来验证所传送的数据(例如，CCTA数据和其它数据)，例如，来确定CCTA数据是否完整(例如，包括主动脉和冠状动脉主干的足够的部分)并且对应于正确的患者。
也可以对所传输的数据(例如，CCTA数据和其它数据)进行预处理和评定。预处理和评定可以由用户和/或计算机系统执行并且可以包括(例如)检查CCTA数据的位置不正、不一致或模糊，检查CCTA数据中展示的支架，检查可阻碍血管内腔的清晰度的其它人工制品，检查所述结构(例如，主动脉、冠状动脉主干和其它血管)与患者的其它部分之间的充足对比，等。
可以评估所传送的数据以基于上述验证、预处理和/或评定来确定所述数据是否可接受。在上述验证、预处理和/或评定期间，用户和/或计算机系统可能能够校正数据的某些错误或问题。然而，如果存在太多错误或问题，那么可以确定数据不可接受，并且用户和/或计算机系统可以产生拒绝报告，阐明迫使拒绝所传送数据的错误和问题。任选地，可以执行新的CCTA扫描，并且/或可以再次从患者测量上述生理数据。如果确定所述数据是可接受的，那么方法可以继续进行到步骤304，产生三维模型，如上所述。
如图3所示，方法300可以包括基于获得的患者特定解剖数据来产生患者的解剖构造的三维模型(步骤304)。应了解，作为替代实施方案，可以使用较低维的模型，如血管的一维模型组合将血管沿其长度的大小编码的算法。
根据一个实施方案，可以使用接收的CCTA数据产生冠状动脉血管的三维模型。图1示出使用CCTA数据产生的三维模型220的表面的实施例。例如，模型220可以包括(例如)主动脉的至少一部分、连接到主动脉的所述部分的一个或多个冠状动脉主干的至少一个近端部分、连接到冠状动脉主干的一个或多个分支的至少一个近端部分等。主动脉、冠状动脉主干和/或分支的模型化部分可以互相连接并且成树状，使得每个部分都不与模型220的其余部分分离。产生模型220的过程可以称作分段。
在一个实施方案中，计算机系统206可以自动分段主动脉的至少一部分和心肌(或其它心脏组织，或连接到待模型化的动脉的其它组织)。也可以基于步骤302中接收的CCTA数据分段心肌或其它组织。例如，计算机系统可以向用户显示由CCTA数据产生的三维影像或切片。计算机系统还可以分段连接到主动脉的冠状动脉主干的至少一部分。在示例性实施方案中，计算机系统可以允许用户选择一个或多个冠状动脉根或起始点以分段冠状动脉主干。
可以使用各种方法执行分段。在一个实施方案中，基于基于阈值的分段、基于边缘的分段、图论、机器学习方法或这些方法的组合来执行分段。可以基于用户输入或在没有用户输入的情况下由计算机系统自动执行分段。例如，在示例性实施方案中，用户可以为计算机系统提供输入以产生第一初始模型。三维影像可以包括明亮强度变化的部分。例如，较亮的区域可以指示主动脉、冠状动脉主干和/或分支的内腔。较暗的区域可以指示心肌和患者心脏的其它组织。可以基于CCTA数据中心肌与心脏的其它结构的对比(例如，相对暗和亮)和形状来确定表面的位置。因此，可以确定心肌的几何形状。例如，可以分析CCTA数据来确定心肌的内表面和外表面的位置，例如，左心室和/或右心室。
如有必要，可以审核和/或校正主动脉、心肌和/或冠状动脉主干的分段。可以由计算机系统和/或用户执行所述审核和/或校正。例如，在示例性实施方案中，计算机系统可以自动审核所述分段，并且如果存在任何错误，例如如果模型220中的主动脉、心肌和/或冠状动脉主干的任何部分缺失或不准确，用户可以手动校正所述分段。三维模型的产生可以进一步涉及基于三维模型识别或产生患者的解剖构造的以下特性的一个或多个。
在一个实施方案中，可以(例如)由计算机系统分析模型220计算心肌质量。例如，可以基于如上所述确定的心肌表面位置计算心肌体积，并且所计算的心肌体积可以乘以心肌密度来计算心肌质量。心肌密度可以预设或计算。
在一个实施方案中，也可以(例如)由计算机系统确定模型220的各种血管(例如，主动脉、冠状动脉主干等)的中心线。在示例性实施方案中，可以由计算机系统分析模型220中的表面、形状和对比来自动执行所述确定。如有必要，可以由计算机系统和/或用户审核和/或校正中心线。例如，在示例性实施方案中，计算机系统可以自动审核中心线，并且如果存在任何错误，例如任何中心线缺失或不准确，用户可以手动校正中心线。
在一个实施方案中，可以由计算机系统检测钙或血小板(引起血管变窄)。在示例性实施方案中，计算机系统可以通过分析模型220中的表面和对比自动检测血小板。例如，血小板可以在三维影像中检测到并且从模型220排除。可以在三维影像中识别血小板，是因为血小板表现为比主动脉、冠状动脉主干和/或分支的内腔更亮或更暗的区域。因此，血小板可以由计算机系统检测为具有高于或低于设定值的强度值或者可以由用户在视觉上检测。形状信息、学习算法和影像分析也可以用于检测和分段血小板。在检测血小板之后，计算机系统可以将血小板从模型220中排除，使得血小板不被看作血管中的内腔或开放空间的一部分。或者，计算机系统可以使用不同于主动脉、冠状动脉主干和/或分支的颜色、阴影或其它视觉指示器来指示模型220上的血小板。
在一个实施方案中，可以(例如)由计算机系统自动分段所检测血小板。例如，可以基于CCTA数据分段血小板。可以分析CCTA数据以基于CCTA数据中血小板与心脏其它结构的对比(例如，相对暗和亮)来定位血小板(或其表面)。因此，也可以确定血小板的几何形状。如有必要，可以由计算机系统和/或用户来审核和/或校正血小板的分段。例如，在示例性实施方案中，计算机系统可以自动审核所述分段，并且如果存在任何错误，例如如果任何血小板缺失或不准确地显示，用户可以手动校正所述分段。
在一个实施方案中，可以(例如)由计算机系统自动分段连接到冠状动脉主干的分支。例如，可以使用用于分段冠状动脉主干的类似方法来分段分支。计算机系统也可以在已分段的分支中自动分段血小板。或者，可以同时分段冠状动脉主干和分支(和其含有的任何血小板)。如有必要，可以由计算机系统和/或用户审核和/或校正分支的分段。例如，在示例性实施方案中，计算机系统可以自动审核所述分段，并且如果存在任何错误，例如模型220中的分支的任何部分缺失或不准确，用户可以手动校正所述分段。
在一个实施方案中，计算机系统可以将模型220的分支分段成以下定义的分段的一个或多个，如上文参考的http://www.syntaxscore.com所定义：
如果探出任何位置不正、支架或其它人工制品(在审核CCTA数据期间)，那么可以由用户和/或计算机系统校正模型220。例如，如果探出位置不正或其它人工制品(例如，不一致、模糊、影响内腔清晰度的人工制品等)，那么可以审核和/或校正模型220以避免血管的横截面面积的人为改变或假改变(例如，人为变窄)。如果探出支架，那么可以审核和/或校正模型220以指示支架的位置和/或(例如)基于支架的大小校正放置了支架的血管的横截面面积。
如果模型220的分段被独立地验证为可接受的，那么任选地，模型220可以输出并且平滑化。可以由用户和/或计算机系统执行所述平滑化。例如，可以平滑化脊、点或其它不连续部分。模型220可以输出到独立的软件模块以备计算分析等。
一旦已产生三维模型，方法300可以进一步包括基于产生的模型的分析来评估患者的冠状动脉脉管系统的特征(步骤306)。如图3所示，所评估的患者冠状动脉脉管系统特征可以包括特征350中的一个或多个，所述特征包括：(i)左/右冠状动脉优势的识别；(ii)具有阈值百分比的狭窄症的分段的识别；(iii)闭塞的识别；(iv)分叉部/三叉部的识别；(v)心门疾病的识别；(vi)血管扭曲度的计算；(vii)患病分段的长度的计算；(viii)钙化血小板的尺寸的计算；(ix)血栓的识别；和/或(x)具有弥散型疾病的分段的识别。尽管示例性识别特征350，但是评估步骤306可以包括评估患者冠状动脉脉管系统的与对心血管复杂性和/或疾病计分有关的任何其它特征。
一般来说，评估步骤306可以包括：评估特征350中的一个或多个；和基于每个特征的评估来评定一个或多个数值或“分”。例如，在一个实施方案中，评估步骤306可以涉及确定患者的冠状动脉脉管系统的左侧或右侧是否是优势的。例如，计算机系统206可以分析模型220以确定血管大小和拓扑结构并处理所得数据以识别左侧优势或右侧优势的存在(若有的话)。在一个实施方案中，计算机系统206可以标注患者的后降支动脉(PDA)，追踪PDA到患者的心门，其中其分支具有左回旋支动脉(LCX)(意味着冠状动脉是左侧优势)或右冠状动脉(RCA)(意味着冠状动脉是右侧优势)。计算机系统206可以基于模型220中的心室界标和“血管反应”(即，模型化形状与典型血管的相似度)检测PDA。机器学习算法也可以用于比较患者的解剖构造与其它患者的数据库，以基于血管大小和位置建立左/右侧优势。在一个实施方案中，计算机系统基于远端血管大小识别优势，借此如果远端RCA比LCX小1.5mm或某一其它阈值，那么患者是左侧优势的。相反，具有预定大小的近端RCA大小可以指示右手侧优势。接着，计算机系统206可以基于任何左侧优势或右侧优势和/或任何识别的左侧优势或右侧优势的程度来分配一个或多个分。可以基于构造的冠状动脉拓扑的连接性分析自动确定左侧优势和右侧优势。例如，如果PDA与RCA连接，那么可以将系统分类为右侧优势，而如果PDA与回旋支动脉连接，那么可以将系统分类为左侧优势。
评估步骤306还可以涉及识别具有疾病的分段。例如，计算机系统206可以分析模型220以(例如)基于识别具有某一预定阈值百分比狭窄症的分段来确定哪些分段含有一个或多个病变。计算机系统206可以基于影像对比或任何其它合适技术来识别病变。在一个实施方案中，如果分段的轮廓与血管中心线相比具有50％或更大的差异，那么计算机系统206可以识别所述分段为显示狭窄症。可以通过利用数值微分计算沿中心线的横截面面积曲线的最小位置来自动识别狭窄病变。在执行微分运算之前可以平滑化横截面面积曲线(例如，通过傅立叶平滑)，以消除面积曲线中的干扰成分。计算机系统可以通过将识别的血小板分段投射到血管中心线上来识别患病分段。也可以使用机器学习来比较标记为血小板的区段与具有专家注释数据的数据库，以确定评价狭窄症大于或小于50％的确实性。计算机系统206可以接着基于患病的分段来分配一个或多个分。在一个实施方案中，可以基于给定分段含有的病变数、所识别的病变类型和/或含有病变的分段的位置或标识来评定分。例如，相比于不太关键的血管分段，可以向关键血管分段中的病变分配更多分。
评估步骤306也可以涉及识别闭塞。例如，计算机系统206可以分析模型220以识别在闭塞点以外不具有腔内前向血流(TIMI 0)的分段或区域。计算机系统206接着可以基于任何识别的闭塞分配一个或多个分。算法可以搜寻沿血管的对比降落并且检测在至少最小距离中内腔对比减少的位置。在一个实施方案中，可以基于含有闭塞的分段的位置和标识来评定分。例如，相比于不太关键的血管分段，可以向关键血管分段中的闭塞分配更多分。计算机系统206也可以基于闭塞(例如，残端圆钝、桥侧支等)的类型识别并调整所评定的分。可以通过分析沿中心线的强度(享斯菲尔德氏单位)改变来自动识别闭塞。例如，如果强度值急剧地降到特定阈值以下，那么可以将沿冠状动脉的位置分类为闭塞。可以在这个计算中利用强度变化范围和强度量值。
评估步骤306也可以包括识别患者的脉管系统中的任何分叉部或三叉部。可以认为分叉部是主干、父支、分支分成至少1.5mm的女儿分支。根据梅迪纳(Medina)分类，分叉部病变可以涉及近端主干血管、远端主干血管和侧支。两个女儿分支的较小分支应被指定为“侧支”。在主干的情况下，LCX或LAD可以依据其各别内径被指定侧支。在一个实施方案中，可以仅针对以下分段交叉点对分叉部计分(基于上文为每个冠状动脉分配的编号)：5/6/11、6/7/9、7/8/10、11/13/12a、13/14/14a、3/4/16和13/14/15。可以认为三叉部是主分支分成至少1.5mm的三个分支。在一个实施方案中，可以仅针对以下分段交叉点对三叉部计分：3/4/16/16a、5/6/11/12、11/12a/12b/13、6/7/9/9a和7/8/10/10a。计算机系统206接着可以基于分叉部或三叉部的识别和含有这些特征的任何血管分段的标识和位置来评定分。在一个实施方案中，计算机系统206可以仅针对具有与分叉部/三叉部直接联系的大于或等于50％的直径狭窄症的分叉部/三叉部的分段编号评定分。可以通过对构造的冠状动脉中心线的交叉点具有球形(半径约等于父血管半径)的交点进行计数来自动识别分叉部/三叉部。例如，如果存在三个交点，那么交叉点是分叉部，而如果存在四个交点，那么交叉点是三叉部。
评估步骤306还可以涉及识别心门疾病的存在。具体来说，计算机系统206可以处理来自模型220的影像数据，以(例如)使用轮廓识别融合到患者主动脉中的狭窄症或者从心门开始的某一预定距离内的狭窄症。可以通过评估血管横截面面积或分析心门位置附近的血小板的存在来自动识别心门疾病。计算机系统206接着可以基于任何心门疾病的识别来评定分并记录含有所述疾病的任何血管分段的标识或位置。计算机系统206也可以基于任何所识别的心门疾病的所识别严重性或位置来调整所评定的分。
评估步骤306还可以涉及识别具有严重扭曲的血管分段。例如，计算机系统206可以基于上述所识别的血管中心线来计算患者冠状动脉血管的曲率。计算机系统206可以为具有预定曲率水平(例如，靠近患病分段的90度或更大度数的弯曲部或45到90度的三个或更多个弯曲部)的血管分段评定一个或多个分。可以通过计算足够大的间隔大小(例如，血管直径的三倍或五倍)的中心线的切线向量之间的角度来自动评定弯曲部的数量。计算机系统206接着可以基于任何严重扭曲的识别来评定分，并记录含有所述严重扭曲的任何血管分段的标识或位置。计算机系统206也可以基于任何所识别的严重扭曲的所识别严重性或位置来调整所评定的分。
评估步骤306也可以涉及计算任何所识别的患病分段的长度。在一个实施方案中，计算机系统206可以分析模型220以识别病变似乎是最长的投影中内腔直径减小50％或50％以上的狭窄症的任何部分的长度。计算机系统206接着可以基于任何患病的分段的所识别的长度来评定分并记录含有具有某一预定阈值长度的狭窄症的任何血管分段的标识或位置。计算机系统206也可以基于任何所识别的患病分段的长度和/或位置来调整所评定的分。
评估步骤306还可以涉及计算任何所识别的钙化血小板的尺寸。在一个实施方案中，计算机系统206可以分析模型220以识别狭窄症区域内的任何钙化血小板的体积和长度。计算机系统206可以替代地或另外地分析模型220以识别以所识别的钙化血小板和相邻内腔为界的表面区域和/或识别所述表面区域在所识别的狭窄症区域内的比例。计算机系统206接着可以基于任何所识别的钙化血小板来评定分并记录任何所识别的钙化血小板的位置或尺寸。计算机系统206也可以基于任何所识别的钙化血小板的位置或尺寸来调整所评定的分。可以通过将血小板分段投影到中心线上来自动确定所识别的钙化血小板的长度。可以通过血小板体积除以所计算的长度来计算血小板的有效横截面面积。
评估步骤306还可以涉及识别血栓的存在。具体来说，计算机系统206可以处理来自模型220的影像数据以通过使用轮廓、对比等来识别血栓。计算机系统206接着可以基于任何血栓的识别来评定分并记录含有所述血栓的任何血管分段的标识或位置。计算机系统206还可以基于任何所识别的血栓的所识别严重性或位置来调整所评定的分。然而，在一个实施方案中，对血栓加权可以比对其它公开的特征350加权少，或者从整个心血管计分中省略血栓。
评估步骤306还可以涉及识别任何弥散型疾病的存在。在一个实施方案中，计算机系统206可以分析模型220以根据在所识别的狭窄症分段内或邻近所识别的狭窄症分段的轮廓计算平均血管大小。例如，如果大于75％的区域的平均直径小于2mm，那么计算机系统206可以将狭窄症分段识别为展示弥散型疾病。计算机系统206接着可以基于任何所识别的弥散型疾病的程度来评定分并记录具有弥散型疾病的任何所识别分段的位置或尺寸。计算机系统206也可以基于具有弥散型疾病的任何所识别的分段的位置或尺寸来调整所评定的分。
因此，评估步骤306可以包括识别和/或计算一个或多个特征350，以及基于这些特征350的每个识别、计算、程度和/或位置为患者评定一个或多个分。评估步骤306之后的步骤可以是：基于所评估的特征和所评定的分中的一个或多个来产生患者心血管计分(步骤308)。例如，计算机系统206可以通过对在步骤306中评估的特征和/或评定的分执行算法来产生患者心血管计分。在一个实施方案中，可以通过将在步骤306中评估特征时评定的所有分求和来产生患者心血管计分。例如，计算机系统206可以将针对以下各项中的一个或多个评定的所有分求和：(i)左/右冠状动脉优势的识别；(ii)具有阈值百分比的狭窄症的分段的识别；(iii)闭塞的识别；(iv)分叉部/三叉部的识别；(v)心门疾病的识别；(vi)扭曲度的计算；(vii)患病分段的长度的计算；(viii)钙化血小板的尺寸的计算；(ix)血栓的识别；和/或(x)具有弥散型疾病的分段的识别，以产生单一心血管计分。
在一个实施方案中，可以对所产生的单一心血管计分加权或标准化，使得如果所产生的计分小于某一预定计分，那么PCI可能是合适的所识别介入，并且如果计分大于某一预定计分，那么CABG可能是合适的所识别介入。在一个实施方案中，可以通过连接到计算机系统206的显示装置向心脏病专家或其它用户显示所产生的心血管计分。或者或另外，可以将所产生的心血管计分通过电子网络200传输到心脏病专家或其它第三方。
在一个实施方案中，可以对在步骤308中产生的心血管计分进行加权或标准化，以与上述SYNTAX计分技术兼容。举例来说，可以对所产生的单一心血管计分加权或标准化，使得如果所产生的计分小于34，那么PCI可能是合适的所识别介入，并且如果计分大于34，那么CABG可能是合适的所识别介入。
在一个实施方案中，可以在不考虑每个病变或分段对血流或血压的功能意义的情况下基于患者的整个冠状动脉脉管系统来计算在步骤308中产生的患者心血管计分。所述心血管计分可以称作“解剖心血管计分”。然而，如上文所述，在某些情况下，在所产生的心血管计分中仅体现与有功能意义的病变或特征350有关的分可以是有利的。例如，如果小狭窄症的区域不会减少血流或降低下游血压，那么可能需要避免将与所述区域相关联的分计入所产生的心血管计分中。所述心血管计分可以称作“功能心血管计分”。
因此，在一个实施方案中，方法300还可以包括计算患者的冠状动脉脉管系统的多个位置处的FFR值(步骤312)。方法300接着还可以包括基于针对具有预定阈值水平的FFR值的位置的子集评估的特征来产生患者心血管计分(步骤310)，即，“功能心血管计分”。例如，在一个实施方案中，可以为患者的冠状动脉脉管系统的每个分段计算至少一个FFR值。可以仅基于为具有小于某一预定阈值的FFR值的血管分段评定的分来计算患者心血管计分。在替代实施方案中，不同于FFR值的功能值可以用于仅对有功能意义的血管分段执行计分。例如，心肌灌注、流率等可以考虑用于筛选其特征可以体现到心血管计分中的血管分段。在一个实施方案中，替代仅基于具有阈值功能意义的分段产生心血管计分，可以通过从现有计算中移除不满足阈值功能意义的那些分段来修改解剖(即，完整脉管系统)计分。
在一个实施方案中，可以仅基于为具有小于0.9的FFR值的血管分段评定的分来计算患者心血管计分。在一个实施方案中，可以仅基于为具有小于0.8的FFR值的血管分段评定的分来计算患者心血管计分。在一个实施方案中，可以仅基于为具有小于0.7的FFR值的血管分段评定的分来计算患者心血管计分。因此，可以仅基于实际上促成患者冠状动脉脉管系统的机能障碍的血管分段来计算患者心血管计分。如上文所述，任何此类心血管计分都可以称作“功能心血管计分”。
应了解，可以根据任何已知方法，但优选使用非侵入性技术来执行步骤312中的FFR计算。例如，在一个实施方案中，可以根据2011年1月25日提交的题为“Method andSystem for Patient-Specific Modeling of Blood Flow”的美国专利申请号13/013,561中描述的用于此类计算的系统和方法来执行FFR计算步骤312，该专利申请让与本申请的受让人并且其全文以引用的方式并入本文。举例来说，可以根据下文关于图4和图5所述的系统和方法来执行FFR计算步骤312。
图4示出根据示例性实施方案的用于提供与特定患者的冠状动脉血流有关的各种信息(例如，FFR)的系统的方面。可以使用非侵入性地从患者获得的数据来创建患者的解剖构造的三维模型10，如下文更详细地描述。也可以非侵入性地获得其它患者特定信息。在示例性实施方案中，由三维模型10表示的患者解剖构造的部分可以包括主动脉的至少一部分和连接到主动脉的冠状动脉主干(和自其延伸或发出的分支)的近端部分。
可以(例如)从实验数据推断与冠状动脉血流有关的各种生理规律或关系20，如下文更详细地描述。使用三维解剖模型10和所推断的生理规律20，可以确定与冠状动脉血流有关的多个方程式30，如下文更详细地描述。例如，可以使用任何数值方法(例如，有限差分、有限体积、光谱、格子玻耳兹曼、基于粒子、水平集、有限元素方法等)来确定并求解方程式30。方程式30可以是可解的，以确定关于由模型10表示的解剖构造中的各点处患者解剖构造的冠状动脉血流的信息(例如、压力、速度、FFR等)。
可以使用计算机40来解方程式30。基于被解的方程式，计算机40可以输出指示与由模型10表示的患者解剖构造的血流有关的信息的一个或多个影像或拟态。例如，影像可以包括模拟的血压模型50、模拟的血流或速度模型52、计算的FFR(cFFR)模型54等，如下文进一步详细地描述。模拟的血压模型50、模拟的血流模型52和cFFR模型54提供关于在沿由模型10表示的患者解剖构造的三维的各个位置中的各别压力、速度和cFFR的信息。可以在(例如)照惯例由静脉施用腺苷引起的最大限度地增加冠状动脉血流的条件下，计算模型10中的特定位置处的血压与(例如)在模型10的流入边界处的主动脉中的血压的比作为cFFR。
在示例性实施方案中，计算机40可以包括存储指令的一个或多个永久计算机可读存储装置，当处理器、计算机系统等执行所述指令时，所述指令执行本文所描述的用于提供关于患者的血流的各种信息的任何动作。计算机40可以包括桌上型或便携式计算机、工作站、服务器、个人数字助理或任何其它计算机系统。计算机40可以包括处理器、只读存储器(ROM)、随机存取存储器(RAM)、用于连接外围装置(例如，输入装置、输出装置、存储装置等)的输入/输出(I/O)适配器、用于连接输入装置(如键盘、鼠标、触摸屏、声音输入端和/或其它装置)的用户接口适配器、用于连接计算机40到网络的通信适配器、用于连接计算机40到显示器的显示适配器等。例如，显示器可以用于显示三维模型10和/或通过解方程式30产生的任何影像，如模拟的血压模型50、模拟的血流模型52和/或cFFR模型54。
图5示出根据另一个示例性实施方案的用于提供与特定患者的血流有关的各种信息的方法的方面。所述方法可以包括：获得患者特定解剖数据，如关于患者的解剖构造(例如，主动脉的至少一部分和连接到主动脉的冠状动脉主干(和自其延伸的分支)的近端部分)的信息，以及预处理所述数据(步骤502)。可以(例如)通过CCTA非侵入性地获得患者特定解剖数据。
可以基于获得的解剖数据来创建患者的解剖构造的三维模型(步骤504)。例如，三维模型可以是如上文关于图3所讨论产生的患者解剖构造的三维模型10(图4)或三维模型220(图1)。
三维模型可以为分析做准备并且可以确定边界条件(步骤506)。例如，上文联系图4描述的患者解剖构造的三维模型10可以被消减并离散化成体积网格，例如有限元素或有限体积网格。体积网格可以用于产生上文联系图4描述的方程式30。
边界条件也可以被分配并体现到上文联系图4所描述的方程式30中。边界条件提供关于三维模型10的边界，例如流入边界、流出边界、血管壁边界等的信息。流入边界可以包括血流通过其直接进入三维模型的解剖构造的边界，如靠近主动脉根的主动脉的末端。通过将心脏模型和/或集总参数模型耦合到边界等可以为每个流入边界分配(例如)关于速度、流率、压力或其它特征的规定值或域。流出边界可以包括血流通过其直接从三维模型的解剖构造流出的边界，如靠近主动脉弓的主动脉末端和冠状动脉主干和自其延伸的分支的下游末端。可以(例如)通过耦合集总参数或分散式(例如，一维波传播)模型来分配每个流出边界。可以通过非侵入性测量患者的生理特征(例如但不限于，心脏输出(来自心脏的血流的体积)、血压、心肌质量等)来确定流入和/或流出边界条件的规定值。血管壁边界可以包括三维模型10的主动脉、冠状动脉主干和/或其它冠状动脉或血管的物理边界。
可以使用准备好的三维模型和确定的边界条件来执行计算分析(步骤508)，以确定患者的血流信息。例如，可以利用方程式30并使用上文联系图4所描述的计算机40来执行计算分析，以产生上文联系图4所描述的影像，如模拟的血压模型50、模拟的血流模型52和/或cFFR模型54。
所述方法还可以包括使用所述结果来提供患者特定治疗选项(步骤510)。例如，可以调整步骤504中创建的三维模型和/或步骤506中分配的边界条件来模拟一个或多个治疗方案，例如，将冠状动脉支架放置在三维模型10中表示的冠状动脉中的一个中或其它治疗选项。接着，可以如上文在步骤508中所述执行计算分析，以产生新的影像，如血压模型50、血流模型52和/或cFFR模型54的更新的版本。如果治疗选项被采纳，这些新影像可以用于确定血流速度和压力的变化。
本文所公开的系统和方法可以并入到可以由医生访问的软件工具中，以提供非侵入性方法来量化冠状动脉中的血流并评定冠状动脉疾病的功能意义。特别地，如cFFR模型54中所反应的所计算的FFR值可以体现到产生功能心血管计分的步骤中。具体来说，如上文关于方法300的步骤310所论述，可以基于针对具有在预定功能范围的FFR值的冠状动脉分段的子集所评估的特征和所评定的分来产生心血管计分。因此，所得的心血管计分可能与患者冠状动脉脉管系统的各种分段的实际功能或机能障碍更相关，并且更可能指示所需的介入技术(例如，PCI还是CABG)。
除了计算功能心血管计分外，医生可以使用所述系统来预测对冠状动脉血流的医疗、介入和/或手术治疗的效果。所述系统可以防止、诊断、管理和/或治疗心血管系统中的其它部分(包括颈部的动脉(例如，颈动脉)、头部的动脉(例如，脑动脉)、胸部的动脉、腹部的动脉(例如，腹主动脉及其分支)、臂部的动脉，或腿部的动脉(例如，股动脉和腘动脉))的疾病。软件工具可以是交互式的，使得医生能够为患者开发最佳的个性化治疗方法。
例如，所述系统可以至少部分地并入到由医生或其它用户使用的计算机系统(例如，图4中展示的计算机40)中。计算机系统可以接收非侵入性地从患者获得的数据(例如，用于创建三维模型10的数据、用于应用边界条件或执行计算分析的数据等)。例如，数据可以由医生输入或者可以从能够访问并提供所述数据的另一个来源(如放射学或其它医疗实验室)接收。数据可以经由网络或其它用于传递数据的系统来传输或直接传输到计算机系统。软件工具可以使用数据来产生并显示三维模型10或其它模型/网格和/或任何拟态或通过如上文联系图4所述解方程式30而确定的其它结果，如模拟的血压模型50、模拟的血流模型52和/或cFFR模型54。因此，所述系统可以执行步骤302-312和/或步骤502-510。在步骤502中，医生可以提供另外的输入到计算机系统，来选择可能的治疗选项，并且计算机系统可以基于选定的可能治疗选项向医生显示新的拟态。另外，图3中示出的步骤302-312和图5中示出的502-510中的每个步骤都可以使用独立的计算机系统、软件包或模块来执行。
或者，可以提供所述系统作为基于网络的服务或其它服务(例如由独立于医生的实体提供的服务)的一部分。服务提供者可以(例如)操作基于网络的服务，并且可以提供门户网站或可以由医生或其它用户经由网络或其它在计算机系统之间传递数据的方法访问的其它基于网络的应用(例如，在由服务提供者操作的服务器或其它计算机系统上运行)。例如，非侵入性地从患者获得的数据可以提供给服务提供者，并且服务提供者可以使用数据来产生三维模型10或其它模型/网格和/或任何拟态或通过如上文联系图4所述解方程式30而确定的其它结果，如模拟的血压模型50、模拟的血流模型52和/或cFFR模型54。因此，基于网络的服务可以传输关于三维模型10或其它模型/网格和/或拟态的信息，使得三维模型10和/或拟态可以在医生的计算机系统上显示给医生。因此，基于网络的服务可以执行步骤302-312和/或步骤502-510以及上文所描述的用于提供患者特定信息的任何其它步骤。在步骤502中，医生可以提供另外的输入(例如)来选择可能的治疗选项或对计算分析进行其它调整，并且所述输入可以传输到由服务提供者操作的计算机系统(例如，经由门户网站)。基于网络的服务可以基于选定的可能的治疗选项来产生新的拟态或其它结果，并且可以向医生传递回关于新拟态的信息，使得新拟态可以显示给医生。
本文所述的步骤中的一个或多个可以由一个或多个人工操作者(例如，心脏病专家或其它医生、患者、提供基于网站的服务或由第三方提供的其它服务的服务提供者的雇员、其它用户等)，或由所述人工操作者使用的一个或多个计算机系统(如桌上型或便携式计算机、工作站、服务器、个人数字助理等)来执行。可以经由网络或其它传递数据的方法连接计算机系统。
任何实施方案中所陈述的任何方面都可以与本文所陈述的任何其它实施方案一起使用。本文所陈述的每个装置和设备都可以用于任何合适的医疗程序中，可以通过任何合适的体内腔和体腔推进，并且可以用于任何合适的身体部分的成像。
可以在不脱离本公开的范围的情况下对所公开的系统和分发进行各种修改和变型。本领域的技术人员在考虑了本文所公开的公开的说明书和实践的情况下将显而易见其它实施方案。预期说明书和实施例仅仅是示例性的，由以下权利要求书指示本公开的真实范围和精神。

Claims (20)

1.一种用于为患者提供心血管计分的系统，所述系统包括至少一个计算机系统，其配置为：
接收关于所述患者的冠状脉管系统的多个冠状动脉的几何形状的患者特定数据；
基于所述患者特定数据来创建表示所述多个冠状动脉中的至少部分的三维模型；
评估由所述模型表示的所述冠状动脉中的至少一些的多个特征以获得多个点，每个点都基于多个特征中的至少一个；以及
基于通过所述多个特征的所述评估而获得的多个点来产生所述心血管计分以识别最适合的介入，所述心血管计分是对患者的冠状脉管系统中的疾病的复杂性和程度的评估。
2.根据权利要求1所述的系统，其中接收所述患者特定数据包括接收从非侵入性成像形态产生的数据。
3.根据权利要求1所述的系统，其中所述特征选自由以下各项组成的组：左/右侧优势、具有疾病的冠状动脉分段的识别、完全闭塞的存在、分叉部和三叉部的存在、心门疾病的存在、扭曲度的计算、患病分段的长度的计算、钙化的斑块的尺寸的计算、血栓的识别和弥散型疾病的存在。
4.根据权利要求3所述的系统，其中所述特征是基于所述计算机系统分析以下各项中的一个或多个来评估的：所述三维模型的影像对比、影像轮廓、影像梯度、后处理影像、影像强度、形状和体积网格。
5.根据权利要求1所述的系统，其中产生所述心血管计分包括通过评估所述冠状动脉中具有至少一个预定阈值的血流特性的部分的多个特征来产生功能性的心血管计分。
6.根据权利要求5所述的系统，其中产生所述功能性的心血管计分包括为所述冠状动脉中的至少一个产生至少一个血流储备分数值。
7.根据权利要求6所述的系统，其中所述血流特性是血流储备分数值，并且所述预定阈值在0.7与0.9之间。
8.根据权利要求1所述的系统，其中所述系统在除关于所述几何形状的所述患者特定数据以外不接收任何额外输入的情况下执行。
9.一种用于为患者产生心血管计分的计算机实现的系统，所述系统包括至少一个计算机系统，其配置为：
接收关于所述患者的冠状脉管系统的多个冠状动脉的几何形状的患者特定数据；
基于所述患者特定数据来创建表示所述多个冠状动脉中的至少部分的三维模型；
评估由所述三维模型表示的所述冠状动脉中的至少部分的多个特征以获得多个点，每个点都基于多个特征中的至少一个；
基于通过所述多个特征中的每一个的评估而获得的多个点来为所述多个特征分配数值；以及
根据所述数值来产生所述心血管计分以识别最适合的介入，所述心血管计分是对患者的冠状脉管系统中的疾病的复杂性和程度的评估。
10.根据权利要求9所述的系统，其中接收所述患者特定数据包括接收从非侵入性成像形态产生的数据。
11.根据权利要求9所述的系统，其中所述特征选自由以下各项组成的组：左/右侧优势、具有疾病的冠状动脉分段的识别、完全闭塞的存在、分叉部和三叉部的存在、心门疾病的存在、扭曲度的计算、患病分段的长度的计算、钙化的斑块的尺寸的计算、血栓的识别和弥散型疾病的存在。
12.根据权利要求11所述的系统，其中所述特征是基于计算机系统分析以下各项中的一个或多个来评估的：所述三维模型的影像对比、影像轮廓、影像梯度、后处理影像、影像强度、形状和体积网格。
13.根据权利要求9所述的系统，其中产生所述心血管计分包括通过评估所述冠状动脉中具有至少一个预定阈值的血流特性的部分的多个特征来产生功能性的心血管计分。
14.根据权利要求13所述的系统，其中产生所述功能性的心血管计分包括为所述冠状动脉中的至少一个产生血流储备分数值。
15.根据权利要求14所述的系统，其中所述血流特性是血流储备分数值，并且所述预定阈值在0.7与0.9之间。
16.根据权利要求9所述的系统，其中所述系统在除关于所述几何形状的所述患者特定数据以外不接收任何额外输入的情况下执行。
17.一种用于为患者提供心血管计分的系统，所述系统包括至少一个计算机系统，其配置为：
接收关于所述患者的多个冠状动脉的几何形状的患者特定数据；
基于所述患者特定数据来创建表示所述多个冠状动脉中的至少部分的三维模型；
计算所述冠状动脉的所述至少部分的多个位置处的血流储备分数值；
评估由所述模型表示的所述冠状动脉中的至少部分的多个特征；以及
基于为所述冠状动脉中具有至少一个预定阈值的血流储备分数值的部分评估的所述多个特征来产生所述心血管计分以识别最适合的介入。
18.根据权利要求17所述的系统，其中所述特征选自由以下各项组成的组：左/右侧优势、具有疾病的冠状动脉分段的识别、完全闭塞的存在、分叉部和三叉部的存在、心门疾病的存在、扭曲度的计算、患病分段的长度的计算、钙化的斑块的尺寸的计算、血栓的识别和弥散型疾病的存在。
19.根据权利要求17所述的系统，其中所述预定阈值是0.7、0.8和0.9中的一个。
20.根据权利要求17所述的系统，其中所述血流储备分数值是基于降阶模型、基于物理的模型和血流的集总参数模型中的一个和所述三维模型而计算的。
CN201380054648.0A 2012-10-19 2013-10-17 用于数字评估脉管系统的系统和方法 Active CN104736046B (zh)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
US13/656,183 2012-10-19
US13/656,183 US9675301B2 (en) 2012-10-19 2012-10-19 Systems and methods for numerically evaluating vasculature
PCT/US2013/065495 WO2014062946A1 (en) 2012-10-19 2013-10-17 Systems and methods for numerically evaluating vasculature

Publications (2)

Publication Number Publication Date
CN104736046A CN104736046A (zh) 2015-06-24
CN104736046B true CN104736046B (zh) 2019-11-26

Family

ID=49488685

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201380054648.0A Active CN104736046B (zh) 2012-10-19 2013-10-17 用于数字评估脉管系统的系统和方法

Country Status (8)

Country Link
US (6) US9675301B2 (zh)
EP (1) EP2908719B1 (zh)
JP (3) JP6426612B2 (zh)
KR (3) KR102371477B1 (zh)
CN (1) CN104736046B (zh)
AU (2) AU2013331213B2 (zh)
CA (1) CA2888098C (zh)
WO (1) WO2014062946A1 (zh)

Families Citing this family (74)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8315812B2 (en) 2010-08-12 2012-11-20 Heartflow, Inc. Method and system for patient-specific modeling of blood flow
JP6301102B2 (ja) * 2012-10-22 2018-03-28 学校法人藤田学園 医用画像診断装置、医用画像処理装置及び医用画像処理プログラム
US10210956B2 (en) 2012-10-24 2019-02-19 Cathworks Ltd. Diagnostically useful results in real time
US9814433B2 (en) 2012-10-24 2017-11-14 Cathworks Ltd. Creating a vascular tree model
US9943233B2 (en) 2012-10-24 2018-04-17 Cathworks Ltd. Automated measurement system and method for coronary artery disease scoring
US9858387B2 (en) 2013-01-15 2018-01-02 CathWorks, LTD. Vascular flow assessment
US10595807B2 (en) 2012-10-24 2020-03-24 Cathworks Ltd Calculating a fractional flow reserve
EP2938399B1 (en) 2012-12-28 2020-04-15 Cyberheart, Inc. Blood-tissue surface based radiosurgical renal treatment planning
US9042613B2 (en) 2013-03-01 2015-05-26 Heartflow, Inc. Method and system for determining treatments by modifying patient-specific geometrical models
US9135381B2 (en) 2013-05-10 2015-09-15 Stenomics, Inc. Modeling and simulation system for optimizing prosthetic heart valve treatment
US9805463B2 (en) 2013-08-27 2017-10-31 Heartflow, Inc. Systems and methods for predicting location, onset, and/or change of coronary lesions
US9092743B2 (en) 2013-10-23 2015-07-28 Stenomics, Inc. Machine learning system for assessing heart valves and surrounding cardiovascular tracts
US10424063B2 (en) 2013-10-24 2019-09-24 CathWorks, LTD. Vascular characteristic determination with correspondence modeling of a vascular tree
US9974506B2 (en) * 2013-11-05 2018-05-22 International Business Machines Corporation Associating coronary angiography image annotations with syntax scores for assessment of coronary artery disease
US9747525B2 (en) 2014-06-16 2017-08-29 Siemens Healthcare Gmbh Method and system for improved hemodynamic computation in coronary arteries
JP6778174B2 (ja) * 2014-07-18 2020-10-28 コーニンクレッカ フィリップス エヌ ヴェＫｏｎｉｎｋｌｉｊｋｅ Ｐｈｉｌｉｐｓ Ｎ．Ｖ． 狭窄評価
US9386933B2 (en) * 2014-08-29 2016-07-12 Heartflow, Inc. Systems and methods for determination of blood flow characteristics and pathologies through modeling of myocardial blood supply
CN104287764B (zh) * 2014-09-11 2017-05-31 沈阳东软医疗系统有限公司 一种ct灌注成像方法和设备
US10080872B2 (en) 2014-11-04 2018-09-25 Abbott Cardiovascular Systems Inc. System and method for FFR guidewire recovery
WO2016092420A1 (en) * 2014-12-08 2016-06-16 Koninklijke Philips N.V. Devices, systems, and methods for vessel assessment and intervention recommendation
WO2016092398A1 (en) 2014-12-08 2016-06-16 Koninklijke Philips N.V. Device and method to recommend diagnostic procedure based on co-registered angiographic image and physiological information measured by intravascular device
DE102014226685A1 (de) 2014-12-19 2016-06-23 Siemens Healthcare Gmbh Verfahren zum Identifizieren von Versorgungsgebieten,Verfahren zur graphischen Darstellung von Versorgungsgebieten, Computerprogramm und maschinenlesbares Medium sowie bildgebendes Gerät
EP3244790B1 (en) 2015-01-15 2020-09-02 Koninklijke Philips N.V. Instantaneous wave-free ratio (ifr) computer tomography (ct)
RU2719951C2 (ru) * 2015-01-28 2020-04-23 Конинклейке Филипс Н.В. Моделирование анатомической структуры методом конечных элементов
RU2580164C1 (ru) * 2015-03-10 2016-04-10 Федеральное государственное бюджетное научное учреждение "Научно-исследовательский институт комплексных проблем сердечно-сосудистых заболеваний" (НИИ КПССЗ) Способ прогнозирования летального исхода у пациентов с кардиогенным шоком при чрескожных коронарных вмешательствах
WO2016168474A1 (en) * 2015-04-17 2016-10-20 Heartflow, Inc. Systems and methods for assessment of tissue function based on vascular disease
US10636146B2 (en) * 2015-05-12 2020-04-28 Singapore Health Services Pte Ltd Medical image processing methods and systems
JP6917976B2 (ja) * 2015-07-17 2021-08-11 コーニンクレッカ フィリップス エヌ ヴェＫｏｎｉｎｋｌｉｊｋｅ Ｐｈｉｌｉｐｓ Ｎ．Ｖ． 脈管を評価付けするためのデバイス、システム、及び方法
JP6738406B2 (ja) 2015-08-05 2020-08-12 コーニンクレッカ フィリップス エヌ ヴェＫｏｎｉｎｋｌｉｊｋｅ Ｐｈｉｌｉｐｓ Ｎ．Ｖ． 介入血行動態測定のための支援装置及び方法
US11094058B2 (en) 2015-08-14 2021-08-17 Elucid Bioimaging Inc. Systems and method for computer-aided phenotyping (CAP) using radiologic images
US11113812B2 (en) 2015-08-14 2021-09-07 Elucid Bioimaging Inc. Quantitative imaging for detecting vulnerable plaque
US11087459B2 (en) 2015-08-14 2021-08-10 Elucid Bioimaging Inc. Quantitative imaging for fractional flow reserve (FFR)
US11071501B2 (en) 2015-08-14 2021-07-27 Elucid Bioiwaging Inc. Quantitative imaging for determining time to adverse event (TTE)
US10176408B2 (en) 2015-08-14 2019-01-08 Elucid Bioimaging Inc. Systems and methods for analyzing pathologies utilizing quantitative imaging
US11676359B2 (en) 2015-08-14 2023-06-13 Elucid Bioimaging Inc. Non-invasive quantitative imaging biomarkers of atherosclerotic plaque biology
US10517678B2 (en) 2015-10-02 2019-12-31 Heartflow, Inc. System and method for diagnosis and assessment of cardiovascular disease by comparing arterial supply capacity to end-organ demand
EP3359041B1 (en) * 2015-10-07 2021-03-03 Koninklijke Philips N.V. Mobile ffr simulation
US10769780B2 (en) 2015-11-05 2020-09-08 Koninklijke Philips N.V. Collateral flow modelling for non-invasive fractional flow reserve (FFR)
JP6981981B2 (ja) 2015-12-22 2021-12-17 コーニンクレッカ フィリップス エヌ ヴェKoninklijke Philips N.V. 心臓モデルガイド付き冠動脈瘤セグメンテーション
CN109069014B (zh) 2016-03-16 2021-07-06 哈特弗罗公司 用于估计在冠状动脉中的健康管腔直径和狭窄定量的系统和方法
US20170322684A1 (en) * 2016-05-03 2017-11-09 Siemens Healthcare Gmbh Automation Of Clinical Scoring For Decision Support
WO2017199245A1 (en) 2016-05-16 2017-11-23 Cathworks Ltd. System for vascular assessment
EP3461253B1 (en) 2016-05-16 2023-08-09 Cathworks Ltd. Selection of vascular paths from images
JP6371334B2 (ja) * 2016-05-27 2018-08-08 株式会社ユネクス 超音波断面画像測定装置
WO2018050806A1 (en) * 2016-09-16 2018-03-22 Koninklijke Philips N.V. Apparatus and method for determining a fractional flow reserve
CN106886993B (zh) * 2017-02-07 2019-12-24 贺永明 17节段心肌评分系统
EP3378398A1 (en) * 2017-03-24 2018-09-26 Koninklijke Philips N.V. Myocardial ct perfusion image synthesis
US11523744B2 (en) * 2017-03-31 2022-12-13 Koninklijke Philips N.V. Interaction monitoring of non-invasive imaging based FFR
CA3078623A1 (en) 2017-10-06 2019-04-11 Emory University Methods and systems for determining hemodynamic information for one or more arterial segments
US11871995B2 (en) 2017-12-18 2024-01-16 Hemolens Diagnostics Sp. Z O.O. Patient-specific modeling of hemodynamic parameters in coronary arteries
WO2019170561A1 (en) 2018-03-08 2019-09-12 Koninklijke Philips N.V. Resolving and steering decision foci in machine learning-based vascular imaging
US11200666B2 (en) * 2018-07-03 2021-12-14 Caroline Choi Method for diagnosing, predicting, determining prognosis, monitoring, or staging disease based on vascularization patterns
GB2578485A (en) * 2018-09-18 2020-05-13 Univ Oxford Innovation Ltd Radiomic signature of a perivascular region
CN109288537B (zh) * 2018-11-01 2022-08-09 杭州晟视科技有限公司 评估血流储备分数的系统、方法、设备及存储介质
KR102187842B1 (ko) * 2018-11-14 2020-12-08 울산대학교 산학협력단 심근 이미지 분석 방법 및 장치
US10964017B2 (en) * 2018-11-15 2021-03-30 General Electric Company Deep learning for arterial analysis and assessment
KR102056989B1 (ko) * 2018-12-24 2020-02-11 (주)제이엘케이인스펙션 머신러닝 기반의 gre 영상을 활용한 혈전 분류 방법 및 시스템
US10813612B2 (en) 2019-01-25 2020-10-27 Cleerly, Inc. Systems and method of characterizing high risk plaques
KR102259856B1 (ko) 2019-07-01 2021-06-04 가천대학교 산학협력단 정량적 pet 영상 정밀도 향상을 위한 경동맥 내 방사선 검출 시스템 및 이를 이용한 혈관 내 방사선량 보정 방법
EP4010874A1 (en) 2019-08-05 2022-06-15 Lightlab Imaging, Inc. Longitudinal display of coronary artery calcium burden
JP2022543330A (ja) 2019-08-05 2022-10-12 エルシド バイオイメージング インコーポレイテッド 形態学的および血管周囲疾患の複合評価
CN112754449A (zh) * 2019-11-05 2021-05-07 西门子医疗有限公司 侧支冠状动脉的评估
KR102310740B1 (ko) * 2019-11-12 2021-10-12 울산대학교 산학협력단 구조화된 혈관 분지 정보에 기초한 의료 시술 히스토리 검색 방법
US20230045488A1 (en) * 2020-01-06 2023-02-09 Philips Image Guided Therapy Corporation Intraluminal imaging based detection and visualization of intraluminal treatment anomalies
US11232564B2 (en) 2020-01-07 2022-01-25 Cleerly, Inc. Systems, methods, and devices for medical image analysis, diagnosis, risk stratification, decision making and/or disease tracking
US20220392065A1 (en) 2020-01-07 2022-12-08 Cleerly, Inc. Systems, methods, and devices for medical image analysis, diagnosis, risk stratification, decision making and/or disease tracking
AU2021205821A1 (en) 2020-01-07 2022-07-21 Cleerly, Inc. Systems, methods, and devices for medical image analysis, diagnosis, risk stratification, decision making and/or disease tracking
US11915834B2 (en) 2020-04-09 2024-02-27 Salesforce, Inc. Efficient volume matching of patients and providers
CN112336361B (zh) * 2020-09-29 2023-10-31 查云飞 一种冠脉检测方法、装置及存储介质
CN112801999B (zh) * 2021-02-05 2023-06-23 深圳睿心智能医疗科技有限公司 确定心脏冠脉优势型的方法及装置
CN113408152B (zh) * 2021-07-23 2023-07-25 上海友脉科技有限责任公司 冠脉旁路移植仿真系统、方法、介质及电子设备
US20230289963A1 (en) 2022-03-10 2023-09-14 Cleerly, Inc. Systems, devices, and methods for non-invasive image-based plaque analysis and risk determination
KR102508226B1 (ko) * 2022-08-12 2023-03-09 주식회사 메디픽셀 심혈관 조영 영상을 이용한 신택스 스코어 산출 방법 및 시스템
CN116919374B (zh) * 2023-07-19 2024-04-12 西安交通大学 颅内动脉瘤及载瘤动脉内血流动力学参数评估方法及系统

Family Cites Families (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20110206247A1 (en) 2001-11-21 2011-08-25 Dachille Frank C Imaging system and methods for cardiac analysis
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
CN100481096C (zh) * 2003-06-25 2009-04-22 美国西门子医疗解决公司 心脏成像的自动区域心肌评定的方法
AU2004251359B2 (en) * 2003-06-25 2009-01-22 Siemens Medical Solutions Usa, Inc. Systems and methods for automated diagnosis and decision support for breast imaging
US20050059894A1 (en) 2003-09-16 2005-03-17 Haishan Zeng Automated endoscopy device, diagnostic method, and uses
EP1877980A2 (en) 2004-12-22 2008-01-16 Bio-Tree Systems, Inc. Medical imaging methods and apparatus for diagnosis and monitoring of diseases and uses therefor
JP5536450B2 (ja) 2006-06-28 2014-07-02 バイオ−ツリー システムズ， インコーポレイテッド ビン方式微小血管密度法、およびその装置
CN201015590Y (zh) * 2007-03-28 2008-02-06 李楚雅 血流储备分数实时连续测量系统
US8666128B2 (en) * 2007-10-18 2014-03-04 The University Of North Carolina At Chapel Hill Methods, systems, and computer readable media for mapping regions in a model of an object comprising an anatomical structure from one image data set to images used in a diagnostic or therapeutic intervention
US9761004B2 (en) * 2008-09-22 2017-09-12 Siemens Healthcare Gmbh Method and system for automatic detection of coronary stenosis in cardiac computed tomography data
US8554490B2 (en) 2009-02-25 2013-10-08 Worcester Polytechnic Institute Automatic vascular model generation based on fluid-structure interactions (FSI)
JP5009391B2 (ja) * 2009-07-03 2012-08-22 富士フイルム株式会社 診断支援装置、診断支援プログラムおよび診断支援方法
US8315812B2 (en) * 2010-08-12 2012-11-20 Heartflow, Inc. Method and system for patient-specific modeling of blood flow
US10186056B2 (en) 2011-03-21 2019-01-22 General Electric Company System and method for estimating vascular flow using CT imaging

Also Published As

Publication number Publication date
US10456094B2 (en) 2019-10-29
US20140303495A1 (en) 2014-10-09
JP6820382B2 (ja) 2021-01-27
US9675301B2 (en) 2017-06-13
AU2016213696B2 (en) 2017-12-07
CN104736046A (zh) 2015-06-24
JP6426612B2 (ja) 2018-11-21
US20180049705A1 (en) 2018-02-22
US20200069262A1 (en) 2020-03-05
EP2908719B1 (en) 2023-02-15
KR20150056866A (ko) 2015-05-27
AU2016213696A1 (en) 2016-08-25
JP2016500014A (ja) 2016-01-07
US20230148977A1 (en) 2023-05-18
JP6553675B2 (ja) 2019-07-31
CA2888098A1 (en) 2014-04-24
WO2014062946A1 (en) 2014-04-24
JP2019171151A (ja) 2019-10-10
US9839399B2 (en) 2017-12-12
KR102282789B1 (ko) 2021-07-29
KR20210094155A (ko) 2021-07-28
CA2888098C (en) 2018-08-07
JP2017140495A (ja) 2017-08-17
AU2013331213A1 (en) 2015-05-07
KR102371477B1 (ko) 2022-03-07
US20140303510A1 (en) 2014-10-09
AU2013331213B2 (en) 2016-05-12
KR101910233B1 (ko) 2018-10-19
US9585623B2 (en) 2017-03-07
EP2908719A1 (en) 2015-08-26
US11576626B2 (en) 2023-02-14
KR20160045916A (ko) 2016-04-27
US20140114618A1 (en) 2014-04-24

Similar Documents

Publication Publication Date Title
CN104736046B (zh) 用于数字评估脉管系统的系统和方法
JP6656331B2 (ja) シミュレーションの正確度および性能に対する画質評価
JP6409114B2 (ja) 患者固有の幾何学的形状モデルを変更することによって治療を決定する方法及びシステム
EP3127026B1 (en) Systems and methods for determining blood flow characteristics using flow ratio
CN105007819B (zh) 用于在血流特性建模中进行灵敏度分析的方法和系统
CA2999437A1 (en) System and method for diagnosis and assessment of cardiovascular disease by comparing arterial supply capacity to end-organ demand

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant