CN104871211B - 确定通过冠状动脉的血液流量的方法 - Google Patents

确定通过冠状动脉的血液流量的方法 Download PDF

Info

Publication number
CN104871211B
CN104871211B CN201380064745.8A CN201380064745A CN104871211B CN 104871211 B CN104871211 B CN 104871211B CN 201380064745 A CN201380064745 A CN 201380064745A CN 104871211 B CN104871211 B CN 104871211B
Authority
CN
China
Prior art keywords
blood
marker
coronary artery
myocardium muscle
myocardium
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
CN201380064745.8A
Other languages
English (en)
Other versions
CN104871211A (zh
Inventor
M·格拉斯
H·施米特
H·尼克基施
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.)
Koninklijke Philips NV
Original Assignee
Koninklijke Philips Electronics NV
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 Koninklijke Philips Electronics NV filed Critical Koninklijke Philips Electronics NV
Publication of CN104871211A publication Critical patent/CN104871211A/zh
Application granted granted Critical
Publication of CN104871211B publication Critical patent/CN104871211B/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 or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
    • A61B6/50—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment specially adapted for specific body parts; specially adapted for specific clinical applications
    • A61B6/504—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment specially adapted for specific body parts; specially adapted for specific clinical applications for diagnosis of blood vessels, e.g. by angiography
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
    • A61B6/02—Arrangements for diagnosis sequentially in different planes; Stereoscopic radiation diagnosis
    • A61B6/03—Computed tomography [CT]
    • A61B6/032—Transmission computed tomography [CT]
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis 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 or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
    • A61B6/48—Diagnostic techniques
    • A61B6/482—Diagnostic techniques involving multiple energy imaging
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
    • A61B6/50—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment specially adapted for specific body parts; specially adapted for specific clinical applications
    • A61B6/503—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment specially adapted for specific body parts; specially adapted for specific clinical applications for diagnosis of the heart
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis 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
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
    • A61B6/52—Devices using data or image processing specially adapted for radiation diagnosis
    • A61B6/5211—Devices using data or image processing specially adapted for radiation diagnosis involving processing of medical diagnostic data
    • A61B6/5217—Devices using data or image processing specially adapted for radiation diagnosis involving processing of medical diagnostic data extracting a diagnostic or physiological parameter from medical diagnostic data
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B90/00—Instruments, implements or accessories specially adapted for surgery or diagnosis and not covered by any of the groups A61B1/00 - A61B50/00, e.g. for luxation treatment or for protecting wound edges
    • A61B90/39—Markers, e.g. radio-opaque or breast lesions markers
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/0002—Inspection of images, e.g. flaw detection
    • G06T7/0012—Biomedical image inspection
    • 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
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B90/00—Instruments, implements or accessories specially adapted for surgery or diagnosis and not covered by any of the groups A61B1/00 - A61B50/00, e.g. for luxation treatment or for protecting wound edges
    • A61B90/39—Markers, e.g. radio-opaque or breast lesions markers
    • A61B2090/3966—Radiopaque markers visible in an X-ray image
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
    • A61B6/52—Devices using data or image processing specially adapted for radiation diagnosis
    • A61B6/5288—Devices using data or image processing specially adapted for radiation diagnosis involving retrospective matching to a physiological signal
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10072—Tomographic images
    • G06T2207/10081—Computed x-ray tomography [CT]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30004—Biomedical image processing
    • G06T2207/30048—Heart; Cardiac
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30004—Biomedical image processing
    • G06T2207/30101—Blood vessel; Artery; Vein; Vascular
    • G06T2207/30104—Vascular flow; Blood flow; Perfusion

Landscapes

  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Medical Informatics (AREA)
  • General Health & Medical Sciences (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Surgery (AREA)
  • Public Health (AREA)
  • Biomedical Technology (AREA)
  • Pathology (AREA)
  • Animal Behavior & Ethology (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Radiology & Medical Imaging (AREA)
  • Molecular Biology (AREA)
  • Physics & Mathematics (AREA)
  • Veterinary Medicine (AREA)
  • Biophysics (AREA)
  • Optics & Photonics (AREA)
  • High Energy & Nuclear Physics (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Dentistry (AREA)
  • Theoretical Computer Science (AREA)
  • Vascular Medicine (AREA)
  • Cardiology (AREA)
  • Physiology (AREA)
  • Quality & Reliability (AREA)
  • General Physics & Mathematics (AREA)
  • Pulmonology (AREA)
  • Databases & Information Systems (AREA)
  • Data Mining & Analysis (AREA)
  • Epidemiology (AREA)
  • Primary Health Care (AREA)
  • Apparatus For Radiation Diagnosis (AREA)
  • Measuring Pulse, Heart Rate, Blood Pressure Or Blood Flow (AREA)

Abstract

一种确定通过冠状动脉的血液流量的方法，包括：生成(S1)至少所述冠状动脉和心肌肌肉的3D图像数据集；根据在标记物的施予之后获得的双能量或光谱3D数据集来生成(S2)至少所述心肌肌肉的3D标记物数据集，所述3D标记物数据集指示所述心肌肌肉的体素内包含的所述标记物的量；将所述心肌肌肉细分(S3)成心肌肌肉节段；确定(S4)哪个冠状动脉供应各自的心肌肌肉节段；根据所述3D标记物数据集来确定(S5)流到所述各自的心肌肌肉节段中的血液的体积；以及通过加和流到由所述冠状动脉供应的全部心肌肌肉节段中的所述血液的体积，来确定(S6)流到感兴趣冠状动脉中的血液的总体积。

Description

确定通过冠状动脉的血液流量的方法
技术领域
本发明涉及一种确定通过冠状动脉的血液流量的方法。另外，本发明涉及对应的处理器、成像设备和计算机程序。
背景技术
基于单一相位CT冠状动脉血管造影数据集用于估计狭窄相关的血流储备分数(FFR)的流体动力学计算目前正在临床研究中被评价。这些计算旨在传递仅次于对狭窄的程度的测量的额外功能参数。该方法基于根据患者的心脏CT数据集对冠状动脉树的分割，以及对包含狭窄的血管子系统中的血流速度和压力分布的随后模拟。
被假设为临床相关的所计算的量是血流储备分数，即狭窄两端的压力降。流体动力学计算依赖于不同的输入数据。在第一个实例中，其为冠状动脉的几何学，其决定流量模拟的结果。然而，其他个性化边界条件(如在血管入口的血流速度和/或血压)可以是重要的。由于心脏运动引起的冠状动脉的空间动力学目前被忽略了。
US 2012/0072190A1公开了一种用于对冠状动脉疾病的无创的患者特异性估计的方法和系统。根据医学图像数据生成冠状动脉的解剖模型。基于医学图像数据中造影剂传播的时空表示，来估计冠状动脉中的血液的速度。使用计算机流体动力学(CFD)(其使用冠状动脉中血液的速度作为边界条件)模拟在冠状动脉的解剖模型中模拟血流。
另外，Kim等人在Patient-Specific Modeling of Blood Flow and Pressure inHuman Coronary Arteries,Annals of Biomedical Engineering，第38卷，第10号，2010年10月，第3195-3209页公开了一种通过考虑心脏和动脉系统的模型以及两个模型之间的相互作用，来预测三维心外膜冠状动脉的冠状动脉流量和压力的方法。针对每个冠状动脉出口，分配一集总参数冠状动脉血管床模型，以表示计算区域中缺少的下游冠状动脉血管网络的阻抗。取决于冠状动脉的位置，利用左心室或右心室来表示心肌内压。根据被耦合到(包括主动脉的三维模型、系统循环和肺循环的剩余部分的三元Windkessel模型，以及针对心脏的左侧和右侧的集总参数模型)闭环系统的集总参数心脏模型求解左心室和右心室压力。
发明内容
本发明的目的是提供一种确定通过冠状动脉的血液流量的有效、准确和可靠的方法。本发明另外的目的是提供一种对应的处理器、成像设备和计算机程序。
在本发明的第一方面中，提出了一种确定通过冠状动脉的血液流量的方法，所述方法包括以下步骤：
-生成至少所述冠状动脉和心肌肌肉的3D图像数据集，
-根据在标记物的施予之后获得的双能量或光谱3D数据集来生成至少所述心肌肌肉的3D标记物数据集，所述3D标记物数据集指示所述心肌肌肉的体素内包含的所述标记物的量，
-将所述心肌肌肉细分成心肌肌肉节段，
-确定哪个冠状动脉供应各自的心肌肌肉节段，
-根据所述3D标记物数据集来确定流到所述各自的心肌肌肉节段中的血液的体积，以及
-通过对流到由所述冠状动脉供应的全部心肌肌肉节段中的所述血液的体积进行加和，来确定流到感兴趣冠状动脉中的血液的总体积。
在本发明的另外的方面中，提出了一种用于确定通过冠状动脉的血液流量的处理器，所述处理器被配置为执行所提议的方法的步骤。
在本发明的再另一方面中，提出了一种成像设备，所述成像设备包括：
-采集单元，其用于采集双能量或光谱3D数据集，
-如本文中所提议的用于确定通过冠状动脉的血液流量的处理器，以及
-输出单元，其用于输出所确定的流到感兴趣冠状动脉中的血液的总体积。
在本发明的再另外的方面中，提出了：一种包括程序代码单元的计算机程序，当所述计算机程序在计算机上执行时，所述程序代码单元用于令所述计算机执行所述处理方法的步骤；以及一种非暂态计算机可读记录介质，其存储计算机程序产品，所述计算机程序产品在由处理器运行时，令本文中公开的所述方法被执行。
在从属权利要求中限定了本发明的优选的实施例。应理解，要求保护的处理器、成像设备、计算机程序和介质具有与要求保护的方法以及与独立权利要求中限定的相似和/或相同的优选实施例。
本发明基于以下想法，即以新的方式组合各种信息，以获得关于通过至少冠状动脉的血液流量的精确且可靠的信息。全部所述信息一般都能够从至少所述冠状动脉和心肌肌肉的至少一个3D图像数据集导出。此处提议的方法的关键要素是导出关于流到各自的心肌肌肉节段中的血液的体积，以及将该信息用于确定流到冠状动脉中的血液的总体积。另外，在该途径中，使用能够以不同方式(例如通过使用已知的AHA(美国心脏协会)模型(也被称作17-节段模型))获得的关于哪个动脉(或多个动脉)与各自的心肌肌肉节段连接的信息。通过使用这样的模型进行的分割例如在Termeer M.等人的Patient-SpecificMappings between Myocardial andCoronary Anatomy,1998ACM SubjectClassification I.3.8Applications,J.3Life and Medical Sciences中得到描述。其中也描述了该模型能够被个体地调节，这也能够根据本发明被使用。
根据在标记物的施予之后获得的双能量或光谱3D数据集来生成至少心肌肌肉的所述3D标记物数据集。所述双能量或光谱3D数据集优选地是通过使用双能量或光谱CT扫描器来采集的。CT扫描可以提供额外的边界条件，其能够被用于对冠状动脉中的血液流量的流体动力学模拟中。该信息，例如在流体动力学模拟中被积分以增加其准确度，并使模拟更具患者特异性。双能量和光谱CT扫描不仅提供了不同的亮度水平，而且还提供了有关图像中的物质和物质的浓度信息。例如，骨和碘能够通过它们两者在标准CT图像中表现为明亮像素而被分开。然而，一般地，能够使用能够在某些图像区中量化标记物的量的其他成像模态，例如MR、超声或PET。
所施予的标记物(其例如是通过注射施予的)，优选为造影剂，能够根据所述双能量或光谱3D数据集按像素确定它们在组织内的浓度。优选地，使用基于碘或基于钆的造影剂。
根据一实施例，根据通过双能量或光谱CT扫描器的使用采集的双能量或光谱3D数据集生成不仅至少所述冠状动脉和所述心肌肌肉的所述3D图像数据集，而且还有至少所述心肌肌肉的所述3D标记物数据集。因此，一般地，仅单一双能量或光谱3D数据集的采集足以导出3D图像数据集和3D标记物数据集。采集双能量或光谱3D数据集并从其导出两个不同的数据集是在本领域广为人知的，特别是根据涉及双能量或光谱CT的一般出版物(例如US7627080B2或US7778383B2)，并且因此将不在这里详细解释。
根据进一步使得能够确定和/或模拟到主动脉中的血液的体积的优选实施例，所提议的方法包括以下步骤：
-根据心脏的至少两个3D图像数据集来确定在一个心动周期期间由所述心脏喷射的血液的总体积，其中，第一个3D图像数据集是在所述心脏的基本上最大填充的状态时获得的，并且第二个3D图像数据集是在所述心脏的基本上最小填充的状态时获得的，
-通过对流到全部心肌肌肉节段中的血液的体积进行加和，来确定流到全部冠状动脉中的血液的总体积，以及
-通过从在一个心动周期期间由所述心脏喷射的血液的总体积减去流到全部冠状动脉中的血液的总体积，来确定流到所述主动脉中的血液的总体积。
该实施例实现了不仅对冠状动脉而且还对主动脉的流量模拟，这在某些群集中是感兴趣的。
根据另一实施例，所提议的方法还包括使用所述流到冠状动脉中的血液的总体积以确定在所述冠状动脉中或沿所述冠状动脉的血流储备分数的步骤。因此，能够通过本发明的使用最终确定跨狭窄两端的压力降。能够因此计算在冠状动脉内的不同位置处FFR值。再另外，针对具有两个或多个狭窄的冠状动脉，能够因此计算两个或多个FFR值。
优选地，通过使用计算机流体动力学计算来确定所述血流储备分数。这样的计算机流体动力学(CFD)计算是本领域公知的，并且例如在Qi,Sun的“Quantitativevalidation of CFD simulations of blood flow in cerebral aneurysms:in-vitroand in-vivo investigations”Sierke Verlag，(2012年)中得到详细描述。备选地，能够使用分析压力计算模型(例如，如在Huo Y.等人的A validated predictive model ofcoronary fractional flow reserve，J R Soc.Interface.2012年6月7日；9(71):1325-38.Epub 2011年11月23日中描述的)或降阶参数模型(例如，如在Itu,L.M.等人的Apatient-specific reduced-order model for coronary circulation，IEEE，2012，832-835中描述的)。
有利地，通过使用17-节段模型来将心肌肌肉细分成心肌肌肉节段，例如，如在Cerqueira MD、Weissman NJ、Dilsizian V、Jacobs AK、Kaul S、Laskey WK、Pennell DJ、Rumberger JA、Ryan T、Verani MS的“Standardized myocardial segmentation andnomenclature for tomographic imaging of the heart:a statement for healthcareprofessionals from the Cardiac Imaging Committee of the Council on ClinicalCardiology of the American Heart Association，Circulation，2002，105:539-542中所描述的。这样的模型的使用提供了良好的分割结果。然而，能够备选地使用其他用于分割心肌肌肉的分割算法或模型，例如手动分割或手动描绘。
在备选的实施例中，通过使用患者个体模型和/或根据所述至少两个3D图像数据集中的至少一个，将所述心肌肌肉细分成心肌肌肉节段。患者个体模型的使用增加了分割结果，并且因此增加了确定通过冠状动脉和主动脉弓的血液流量的准确性。
根据另一实施例，响应于造影剂的施予，根据被各自的肌肉节段摄取的造影剂确定流到所述各自的肌肉节段中的血液的体积。例如，能够观察一团造影剂，以确定流到肌肉节段中的血液的体积。
优选地，冠状动脉的横截面和/或阻力被额外地用在确定流到感兴趣冠状动脉中的血液的总体积的所述步骤中。这有助于将随时间进入所述主动脉的体积转变成每单位时间进入(例如针对虚拟FFR计算选择的)每个冠状动脉的体积。
更为先进的实施例还包括以下步骤：
-分割所述3D图像数据集内的左心室，
-根据所分割的左心室确定由所述心脏喷射的血液的总体积，
-通过对流到全部心肌肌肉阶段中的血液的所述体积进行加和，来确定流到全部冠状动脉中的血液的总体积，以及
-通过从在一个心动周期期间由所述心脏喷射的血液的总体积减去流到全部冠状动脉中的血液的总体积，来确定流到所述主动脉中的血液的总体积。
再另外，在一实施例中所述方法还包括以下步骤：
-根据在所述标记物的施予之后连续的时间获得的多个双能量或光谱3D数据集，生成至少所述心肌肌肉的多个3D标记物数据集，
-根据所述多个3D标记物数据集来确定流到所述各自的心肌肌肉节段中的血液的体积，
-通过对在各自连续的时间流到由所述冠状动脉供应的全部心肌肌肉节段中的血液的体积进行加和，来确定随时间流到感兴趣冠状动脉中的血液的体积。
因此，能够随时间观察流到感兴趣冠状动脉中的血液的体积，提供一些可能有用的信息。
最终，在一实施例中，所述方法还包括以下步骤：
-根据在所述标记物的施予之后连续的时间获得的多个双能量或光谱3D数据集，生成至少所述心肌肌肉、所述冠状动脉和所述心脏的多个3D标记物数据集，以及
-在多个连续的时间点执行血流储备分数模拟。
因此，能够获得包括随时间的FFR值的4D标记物数据集。
附图说明
根据后文描述的(一个或多个)实施例，本发明的这些以及其他特征将是显而易见的并将参考所述(一个或多个)实施例而被阐述。在附图中：
图1示出了根据本发明的成像设备的实施例，
图2示出了根据本发明的方法的第一实施例，
图3示出了心脏的示意图，
图4示出了根据本发明的方法的第二实施例，以及
图5示出了根据本发明的方法的第三实施例。
具体实施方式
图1示出根据本发明的成像设备的实施例，在这里是计算机断层摄影(CT)系统10。CT系统10包括能够关于旋转轴14旋转的机架12，旋转轴14平行于图1中所示的坐标系的z方向延伸。为此，由被控制单元32控制的电机16以优选为恒定但可调节的速度驱动机架。机架上安装有辐射源18，例如为X-射线源。该X-射线源被连接到准直器布置20，其尤其使用光阑布置，从由辐射源18产生的辐射形成锥形辐射束28，亦即，辐射束28具有在z轴的方向上以及在垂直于其的方向上(亦即，在垂直于旋转轴14的平面上)非零的有限尺寸。
辐射束辐照检查区22，被布置在患者台(未示出)的台面26上的目标(例如患者)可以安放于其中。检查区22被形成为圆柱形，其直径由辐射束28的孔径角α决定(要将孔径角理解为意指在垂直于旋转轴14的平面中，由辐射束28中相对于由辐射源18和旋转轴限定的平面处于边缘的射线包围的角度)。
在已经穿过检查区22之后，X-射线束28入射在二维探测器30上，二维探测器30被附接到机架12并且包括多个探测器行，每行都包括多个探测器元件。探测器行被布置在垂直于旋转轴14的平面中，优选地在绕辐射源18的圆弧上。然而，它们也可以以不同方式来形成，例如它们可以描述旋转轴14周围的圆弧或者为直线的。被辐射束28击中的每个探测器元件都供应针对辐射束28在辐射源18的每个位置中的射线的测量值。这样的测量值的集在后文中也将被称作投影数据集。投影数据集包括由一个或多个探测器元件在一个或多个投影角度采集到的测量值。从多个不同投影角度获得的投影数据集一起形成3D图像数据集，其能够，例如被用于重建目标的一个或多个图像(例如来自不同透视的切片图像)。
X-射线源18和探测器30一起形成采集单元。探测器18一般也包括用于存储所采集的投影数据的装置。这样的存储装置可以被包括在探测器30中，或者(优选地)被提供为外部独立存储单元34，如图1中所示。
检查区22，或者台面26，能够借助于电机(未示出)平行于旋转轴14，或者平行于z轴位移。台面26的高度能够借助于另一电机(未示出)来调节。
为处理由采集单元采集的所获得的3D图像数据集(一个或多个)，提供处理单元36。下面将详细解释由该处理单元36进行的处理。所重建的图像或图像部分可以被显示在显示单38上，例如计算机显示器。
图2示出根据本发明的方法的第一实施例的流程图，尤其图示由处理单元36用于确定通过冠状动脉的血液流量而执行的步骤。在图3中示出心脏100的示意图，其中，图3A尤其示出冠状动脉和主动脉弓，并且图3B尤其示出心脏肌肉、心室和心房。
由处理单元36执行的方法接收在标记物的施予之后获得的双能量或光谱3D数据集作为输入。所述双能量或光谱3D数据集能够，例如，如通过使用采集单元来在初始步骤S0中获得。备选地，所述双能量或光谱3D数据集能够被存储在数据库中，即能够在较早的时间点采集，并且现在能够被提供为对由处理单元36执行的方法的输入。
在所提议的方法的第一个步骤S1中，生成至少冠状动脉和心肌肌肉的3D图像数据集。优选地，根据所输入的双能量或光谱3D数据集生成3D图像数据集。然而，3D图像数据集一般可以根据(单独地和/或在与所述双能量或光谱3D数据集不同的时刻采集的)单独的3D数据集来生成。在图3A中示出冠状动脉，其包括右冠状动脉110、左主冠状动脉111、冠状动脉回旋支112和左前降支冠状动脉113。在图3A和图3B中示出包括主动脉弓121的主动脉120。在图3B中示出心肌肌肉130。图3B还示出右心房140、左心房141、右心室142、左心室143、右肺动脉144、左肺动脉146、右肺静脉146和左肺静脉147。在图3B中通过箭头指示血流的方向。
在第二个步骤S2中，根据在标记物的施予之后获得的双能量或光谱3D数据集生成至少心肌肌肉的3D标记物数据集，所述3D标记物数据集指示所述心肌肌肉内包含的所述标记物的量。
在步骤S3中，将心肌肌肉130分割成心肌肌肉节段。这能够，例如通过如在医学图像处理中常用的公知分割算法来完成，例如基于模型的或基于图集的分割。在优选的实施例中，通过如由美国心脏协会提议的17-节段模型的使用，将心肌肌肉细分成心肌肌肉节段，该17-节段模型将心脏细分成17个模型节段，如例如在上面记到的Termeer等人的文章中所示的。
在步骤S4中，确定哪个冠状动脉供应各自的心肌肌肉节段。这能够例如也通过17-节段模型的使用，并且通过假设位于17-节段模型的相同节段中的冠状动脉和肌肉节段被耦合(即模型节段中的冠状动脉供应布置在相同模型节段中的肌肉节段)，来获得。
在步骤S5中，根据所述3D图像数据集确定流到各自的心肌肌肉节段中的血液的体积。该信息能够，例如从响应于造影剂的施予被各自的肌肉节段摄取的造影剂来获得，能够在随时间采集到的3D图像数据集中观察该造影剂摄取。
在步骤S6中，通过对流到由所述冠状动脉供应的全部心肌肌肉节段中的血液的体积进行加和，来确定流到感兴趣冠状动脉中的血液的总体积。出于此目的，冠状动脉的横截面和/或阻力优选地被额外使用(例如通过比例定律的使用，例如如在Huo Y.等人的Avalidated predictive model of coronary fractional flow reserve,J.R.Soc.Interface，doi:10.1098/rsif.2011.0605，在线公开中描述的)以增加该确定的准确度。
在上文解释的实施例中，通用模型被用于将心肌肌肉分割成心肌肌肉节段。在改进的实施例中，在步骤S3中使用患者个体模型，其考虑到实际患者的心肌肌肉的实际形式。这改进了分割的准确性，并且因此改进了整个方法的准确性。额外地，在步骤S4中也可以考虑到心肌肌肉和/或冠状动脉的实际设计。所需要的信息能够，例如通过使用(例如对血管树的)图像分割来从所述3D图像数据集获得。
在另一优选实施例中，通过使用双能量或光谱CT扫描器来采集心脏的所述3D数据集。这使得能够从相同的测量数据导出显示不同物质的3D数据集。根据本发明这能够被用于获得3D图像数据集和3D标记物数据集。
在图4的流程图中示意性地示出所提议的方法的另一实施例。该方法包括额外的步骤。尤其地，在步骤S7中，根据心脏的至少两个3D图像数据集来确定在一个心动周期期间由心脏喷射的血液的总体积，其中第一个3D图像数据集是在心脏的基本上最大填充的状态时获得的，并且第二个3D图像数据集是在心脏的基本上最小填充的状态时获得的。然后，在步骤S8中，通过对流到全部心肌肌肉节段中的血液的体积(如在步骤S5中针对心肌肌肉节段解释的获得的)进行加和，来确定流到全部冠状动脉中的血液的总体积。最终，在步骤S9中，通过从在一个心动周期器件由心脏喷射的血液的总体积减去流到全部冠状动脉中的血液的总体积，来确定流到主动脉中的血液的总体积。
在再另一实施例中，在图4中指示为额外步骤的备选路径，流到冠状动脉中的血液的总体积(如在步骤S6中确定的)被用于步骤S10中，以确定所述冠状动脉中或沿所述冠状动脉的血液的总体积。血流储备分数(FFR)是被用于冠状动脉插管中的技术，以测量在冠状动脉狭窄(窄化，通常是由于动脉粥样硬化造成的)两端的压力差，以确定狭窄阻碍到心脏肌肉的氧递送(心机缺氧)的可能性。血流储备分数被定义为在狭窄后面(远端)的压力相对于在狭窄前面的压力。结果是绝对数值；例如为0.50的FFR意指给定狭窄引起血压中50％的下降。换言之，FFR表达与假定不存在狭窄时的最大流量相比，在狭窄存在时血管中的最大流量下降。
优选地，所述血流储备分数是在通过使用对计算机流体动力学(CFD)计算的实施例中计算的。CFD一般被认为是用于在给定的边界条件(例如流体粘度)下，计算几乎任意形状的给定几何目标中的3D压力和流速分布的方法。
在图5中的流程图中示意性地示出所提议的方法的再另一实施例。该方法包括额外的步骤。尤其地，在步骤S11中，在所述3D图像数据集内分割左心室143。然后在步骤S12中，例如通过使用两个3D图像数据集，确定从所分割的左心室由心脏喷射的血液的总体积，该两个3D图像数据集示出在最大填充和最小填充的状态中的心脏。在随后的步骤S13中，通过对流到全部心肌肌肉节段中的血液的体积进行加和，来确定流到全部冠状动脉中的血液的总体积。最后，在步骤S14中，通过从在一个心动周期期间由心脏喷射的血液的总体积减去流到全部冠状动脉中的血液的总体积，来确定流到主动脉120中的血液的总体积。因此，能够容易地获得有关血液的流量的额外信息。
大体上，两种不同场景可行地估计额外的流量相关参数。在第一种场景中，使用从4D重建图像体积导出的信息。当使用4D心脏CT扫描(例如ECG门控心脏CT扫描)，或者至少双相采集协议时，能够重建对应于收缩末和舒张晚期的两个心脏图像。在这些数据集中，能够通过交互式分割或者使用基于模型的分割过程，来确定左心室体积。收缩末与舒张晚期之间的体积差能够被用于计算射血分数或dV/dt，其为每单位时间进入左心室流出道的血液体积。当使用完整4D心脏CT扫描(例如ECG门控的心脏CT扫描)时，甚至能够以时间分辨的方式计算每单位时间从左心室到左心室流出道中的血液流量，传递在心动周期上的dV/dt曲线作为流体动力学模拟的开始值。
在第二种场景中，使用从2D团剂跟踪图像导出的信息。额外于双相或多相心脏信息，造影团剂到达能够被用于测量随时间进入主动脉的血液体积。通常在升主动脉的单个切片中针对每个心脏CT扫描测量团剂到达。假设进入血液混合物的均匀造影剂以及主动脉中左心室的相对紧凑的心脏输出，则随时间被注射到主动脉中的血液体积正比于主动脉切片中随时间的造影剂增加。需要滑动窗口重建用于对主动脉的造影剂增加的密集时间采样。
针对两种途径，随时间进入主动脉的体积优选地被转换成每单位时间进入针对虚拟FFR计算选择的每个冠状动脉的体积。这能够通过使用从心室获取血液的不同血管横截面，使用从心室获取血液的血管的不同血管横截面和阻力，和/或针对主动脉干和冠状动脉血管的单独的计算机流体动力学计算，来实现。
在再另外的实施例中，根据在所述标记物的施予之后在连续时间获得的多个双能量或光谱3D数据集，获得至少心肌肌肉的多个3D标记物数据集。然后，从所述多个3D标记物数据集确定随时间流到各自的心肌肌肉节段中的血液的体积。这使得能够通过对在各自连续时间流到由所述冠状动脉供应的全部心肌肌肉中的血液的体积进行加和，来确定随时间流到感兴趣冠状动脉中的血液的体积。
最终，在一实施例中，从在所述标记物的施予之后的连续时间获得的多个双能量或光谱3D数据集，获得至少心肌肌肉、冠状动脉和心脏的多个3D标记物数据集。这使得能够在多个连续的时间点执行血流储备分数。
心脏灌注成像在冠状动脉心脏病的情况中，对于诊断和决策制定是重要的。在组织灌注受损的情况中需要处置。然而由于跳动的心脏的非静态性质，如今并不能直接估计该量。所提议的基于模型的重建技术的实施例克服了该问题，并且能够被用于重建针对特定新机区域的造影剂摄取。导出的量，例如团剂到达时间或到峰值增强的时间，能够被用颜色编码图像可视化。另外，能够可靠地且容易地测量通过冠状动脉和心脏的主动脉弓的血液流量。
尽管已在附图和以上描述中对本发明进行了图示和描述，但是这样的图示和描述要被认为是说明性或示例性的而非限制性的；本发明并不局限于所公开的实施例。本领域技术人员在实践所请求保护的发明时，通过研究附图、公开内容和权利要求书，能够理解并实施对所公开实施例的其它变化。
在权利要求中，词语“包括”不排除其它元件或步骤，词语“一”或“一个”不排除多个。单个元件或其它单元可以完成权利要求中所记载的若干条目的功能。尽管在互相不同的从属权利要求中记载了特定措施，但是这并不指示不能有利地使用这些措施的组合。
计算机程序可以存储/分布在适当的非暂态介质中，例如如与硬件一起提供或者作为硬件的一部分的光学存储介质或固态介质，但是也可以以其它形式进行分布，例如经由互联网或者其它有线或无线电信系统。
权利要求中的任何附图标记不应被解释为对范围的限制。

Claims (15)

1.一种确定流过冠状动脉的血液的体积的方法，包括：
生成(S1)至少所述冠状动脉和心肌肌肉的3D图像数据集，
根据在标记物的施予之后获得的双能量或光谱3D数据集来生成(S2)至少所述心肌肌肉的3D标记物数据集，所述3D标记物数据集指示所述心肌肌肉的体素内包含的所述标记物的量，
使用分割模型在所述3D标记物数据集中将所述心肌肌肉细分(S3)成心肌肌肉节段，
通过假设经细分的心肌肌肉节段中的冠状动脉供应布置在相同的经细分的心肌肌肉节段中的所述心肌肌肉节段，来确定(S4)哪个冠状动脉供应各自的心肌肌肉节段，
根据所述3D标记物数据集来确定(S5)流到所述各自的心肌肌肉节段中的血液的体积，以及
通过对流到由所述冠状动脉供应的全部心肌肌肉节段中的所述血液的体积进行加和，来确定(S6)流到感兴趣冠状动脉中的血液的总体积。
2.如权利要求1所述的方法，其中，至少所述冠状动脉和所述心肌肌肉的所述3D图像数据集以及至少所述心肌肌肉的所述3D标记物数据集是根据通过使用双能量或光谱CT扫描器采集的双能量或光谱3D数据集来生成的。
3.如权利要求1所述的方法，还包括以下步骤：
根据心脏的至少两个3D图像数据集来确定(S7)在一个心动周期期间由所述心脏喷射的血液的总体积，其中，第一个3D图像数据集是在所述心脏的基本上最大填充的状态时获得的，并且第二个3D图像数据集是在所述心脏的基本上最小填充的状态时获得的，
通过对流到全部心肌肌肉节段中的血液的体积进行加和，来确定(S8)流到全部冠状动脉中的血液的总体积，以及
通过从在一个心动周期期间由所述心脏喷射的血液的总体积减去流到全部冠状动脉中的血液的总体积，来确定(S9)流到主动脉中的血液的总体积。
4.如权利要求1所述的方法，还包括使用所述流到冠状动脉中的血液的总体积来确定在所述冠状动脉中或沿所述冠状动脉的血流储备分数的步骤(S10)。
5.如权利要求4所述的方法，其中，所述血流储备分数是通过使用计算机流体动力学计算、分析压力计算模型或降阶参数模型来确定的。
6.如权利要求1所述的方法，其中，所述心肌肌肉是通过使用17-节段模型而被细分成心肌肌肉节段的。
7.如权利要求1所述的方法，其中，所述心肌肌肉是通过使用患者个体模型和/或根据所述至少两个3D图像数据集中的至少一个而被细分成心肌肌肉节段的。
8.如权利要求1所述的方法，其中，冠状动脉的横截面和/或阻力被额外地用在确定流到感兴趣冠状动脉中的血液的总体积的所述步骤中。
9.如权利要求1所述的方法，还包括以下步骤：
分割(S11)所述3D图像数据集内的左心室，
根据所分割的左心室来确定(S12)由心脏喷射的血液的总体积，
通过对流到全部心肌肌肉节段中的血液的体积进行加和，来确定(S13)流到全部冠状动脉中的血液的总体积，以及
通过从在一个心动周期期间由所述心脏喷射的血液的总体积减去流到全部冠状动脉中的血液的总体积，来确定(S14)流到主动脉中的血液的总体积。
10.如权利要求2所述的方法，还包括通过使用双能量或光谱CT扫描器来采集(S0)所述双能量或光谱3D数据集的步骤。
11.如权利要求1所述的方法，还包括以下步骤：
根据在所述标记物的所述施予之后在连续的时间获得的多个双能量或光谱3D数据集来生成至少所述心肌肌肉的多个3D标记物数据集，
根据所述多个3D标记物数据集来确定随时间流到所述各自的心肌肌肉节段中的血液的体积，
通过对在各自连续的时间流到由所述冠状动脉供应的全部心肌肌肉节段中的血液的体积进行加和，来确定随时间流到感兴趣冠状动脉中的血液的体积。
12.如权利要求1所述的方法，还包括以下步骤：
根据在所述标记物的所述施予之后在连续的时间获得的多个双能量或光谱3D数据集，来生成至少所述心肌肌肉、所述冠状动脉和心脏的多个3D标记物数据集，以及
在多个连续的时间点执行血流储备分数模拟。
13.一种用于确定流过冠状动脉的血液的体积的处理器(36)，所述处理器被配置为：
生成至少冠状动脉和心肌肌肉的3D图像数据集，
根据在标记物的施予之后获得的双能量或光谱3D数据集来生成至少所述心肌肌肉的3D标记物数据集，所述3D标记物数据集指示所述心肌肌肉的体素内包含的所述标记物的量，
使用分割模型在所述3D标记物数据集中将所述心肌肌肉细分成心肌肌肉节段，
通过假设经细分的心肌肌肉节段中的冠状动脉供应布置在相同的经细分的心肌肌肉节段中的所述心肌肌肉节段，来确定哪个冠状动脉供应各自的心肌肌肉节段，
根据所述3D标记物数据集来确定流到所述各自的心肌肌肉节段中的血液的体积，并且
通过对流到由所述冠状动脉供应的全部心肌肌肉节段中的血液的体积进行加和，来确定流到感兴趣冠状动脉中的血液的总体积。
14.一种成像设备(10)，包括：
采集单元(18、30)，其用于采集双能量或光谱3D数据集，
如权利要求13所述的处理器(36)，其用于确定流过冠状动脉的血液的体积，以及
输出单元(38)，其用于输出所确定的流到感兴趣冠状动脉中的血液的总体积。
15.一种其中存储有计算机程序的计算机可读记录介质，所述计算机程序包括程序代码单元，当在计算机上执行所述计算机程序时，所述程序代码单元用于令所述计算机执行如权利要求1所述的方法的步骤。
CN201380064745.8A 2012-12-11 2013-11-21 确定通过冠状动脉的血液流量的方法 Active CN104871211B (zh)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
US201261735624P 2012-12-11 2012-12-11
US61/735,624 2012-12-11
PCT/IB2013/060294 WO2014091339A1 (en) 2012-12-11 2013-11-21 Method of determining the blood flow through coronary arteries

Publications (2)

Publication Number Publication Date
CN104871211A CN104871211A (zh) 2015-08-26
CN104871211B true CN104871211B (zh) 2018-09-11

Family

ID=50029163

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201380064745.8A Active CN104871211B (zh) 2012-12-11 2013-11-21 确定通过冠状动脉的血液流量的方法

Country Status (7)

Country Link
US (1) US9867584B2 (zh)
EP (1) EP2932469B1 (zh)
JP (1) JP5953438B2 (zh)
CN (1) CN104871211B (zh)
BR (1) BR112015013248A2 (zh)
RU (1) RU2015128005A (zh)
WO (1) WO2014091339A1 (zh)

Families Citing this family (37)

* Cited by examiner, † Cited by third party
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
EP3076854B1 (en) * 2013-12-04 2022-04-20 Koninklijke Philips N.V. Local ffr estimation and visualisation for improved functional stenosis analysis
WO2015092588A2 (en) * 2013-12-17 2015-06-25 Koninklijke Philips N.V. Spectral image data processing
US20150164450A1 (en) * 2013-12-18 2015-06-18 Siemens Medical Solutions Usa, Inc. System and Method for Real Time 4D Quantification
US9747525B2 (en) * 2014-06-16 2017-08-29 Siemens Healthcare Gmbh Method and system for improved hemodynamic computation in coronary arteries
WO2016001017A1 (en) * 2014-06-30 2016-01-07 Koninklijke Philips N.V. Apparatus for determining a fractional flow reserve value
JP6635695B2 (ja) * 2014-07-16 2020-01-29 キヤノンメディカルシステムズ株式会社 画像処理装置、医用画像診断装置、及び画像処理方法
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
WO2016030744A1 (ko) * 2014-08-29 2016-03-03 강원대학교산학협력단 환자별 혈관 정보 결정 방법
WO2016172206A1 (en) * 2015-04-20 2016-10-27 The Johns Hopkins University Patient-specific virtual intervention laboratory to prevent stroke
EP3313275B1 (en) 2015-06-25 2021-08-04 Analytics For Life Inc. Method and system using mathematical analysis and machine learning related to a disease
US11087459B2 (en) 2015-08-14 2021-08-10 Elucid Bioimaging Inc. Quantitative imaging for fractional flow reserve (FFR)
US11094058B2 (en) 2015-08-14 2021-08-17 Elucid Bioimaging Inc. Systems and method for computer-aided phenotyping (CAP) using radiologic images
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
US11113812B2 (en) 2015-08-14 2021-09-07 Elucid Bioimaging Inc. Quantitative imaging for detecting vulnerable plaque
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
EP3512416B1 (en) * 2016-09-16 2023-11-08 Koninklijke Philips N.V. Apparatus and method for determining a fractional flow reserve
WO2018133118A1 (zh) * 2017-01-23 2018-07-26 上海联影医疗科技有限公司 血流状态分析系统及方法
WO2018138635A1 (en) 2017-01-24 2018-08-02 Spectrum Dynamics Medical Limited Systems and methods for computation of functional index parameter values for blood vessels
EP3378398A1 (en) * 2017-03-24 2018-09-26 Koninklijke Philips N.V. Myocardial ct perfusion image synthesis
EP3644857A1 (en) * 2017-06-30 2020-05-06 Koninklijke Philips N.V. Machine learning spectral ffr-ct
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
EP3489893B1 (en) * 2017-11-22 2020-06-24 Siemens Healthcare GmbH Method and system for assessing a haemodynamic parameter
US11133109B2 (en) * 2017-12-29 2021-09-28 Analytics For Life Inc. Method and system to assess disease using phase space volumetric objects
US11918333B2 (en) 2017-12-29 2024-03-05 Analytics For Life Inc. Method and system to assess disease using phase space tomography and machine learning
CN108717695B (zh) * 2018-04-25 2021-07-13 数坤(北京)网络科技股份有限公司 心脏冠脉血管自动分段命名方法
US11471090B2 (en) 2018-06-04 2022-10-18 Analytics For Life Inc. Method and system to assess pulmonary hypertension using phase space tomography and machine learning
CN109190618B (zh) * 2018-08-17 2021-06-25 重庆大学 基于图像识别技术的高温熔渣流量测量装置及方法
JP7246907B2 (ja) * 2018-12-12 2023-03-28 日本メジフィジックス株式会社 心筋核医学画像データのスコアリング
CN109717953B (zh) * 2019-02-01 2021-01-08 杭州晟视科技有限公司 一种血流量的确定方法、装置、电子设备和计算机存储介质
US10861157B2 (en) 2019-04-04 2020-12-08 Medtronic Vascular, Inc. System and methods for determining modified fractional flow reserve values
CN112950544A (zh) * 2021-02-02 2021-06-11 深圳睿心智能医疗科技有限公司 一种确定冠脉参数的方法
CN113100737B (zh) * 2021-04-06 2023-10-27 复旦大学附属中山医院 基于冠状动脉cta的缺血心肌负荷定量评价系统
EP4349262A1 (en) * 2022-10-06 2024-04-10 Koninklijke Philips N.V. Flow state normalization for functional cta

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101889861A (zh) * 2010-07-28 2010-11-24 沈阳恒德医疗器械研发有限公司 心脑血管特性与血流特性分析仪及检测方法
CN102232856A (zh) * 2010-05-06 2011-11-09 高春平 双频超声多维聚焦脑血管溶栓系统
CN102232857A (zh) * 2010-05-06 2011-11-09 高春平 非创伤性聚焦超声冠状动脉体外溶栓系统

Family Cites Families (20)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5431161A (en) 1993-04-15 1995-07-11 Adac Laboratories Method and apparatus for information acquistion, processing, and display within a medical camera system
GB0221434D0 (en) 2002-09-16 2002-10-23 Houston John G A method of analysing fluid flow in a conduit
IL165636A0 (en) 2004-12-08 2006-01-15 Paieon Inc Method and apparatus for finding the coronary velocity and flow and related parameters
EP1830701A1 (en) 2004-12-08 2007-09-12 Paieon Inc. Method and apparatus for blood vessel parameter determinations
JP5043017B2 (ja) 2005-09-22 2012-10-10 コーニンクレッカ フィリップス エレクトロニクス エヌ ヴィ スペクトルｃｔに対する定量的な材料の分解
JP2009531108A (ja) 2006-03-29 2009-09-03 コーニンクレッカ フィリップス エレクトロニクス エヌ ヴィ 効率的な二重エネルギーｘ線減衰測定
DE102007029886B4 (de) * 2007-06-28 2016-10-06 Siemens Healthcare Gmbh Verfahren zum Segmentieren einer Herzmuskelwand und Vorrichtung zur Detektion einer pathologisch veränderten Koronararterie
WO2009077978A1 (en) 2007-12-19 2009-06-25 Philips Intellectual Property & Standards Gmbh Method for acquiring 3-dimensional images of a myocardium, particularly of a myocardial blush
DE102008014792B3 (de) 2008-03-18 2009-06-18 Siemens Aktiengesellschaft Verfahren und Vorrichtung zur Simulation eines Blutflusses in einem Gefäßabschnitt
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
EP2350889A2 (en) 2008-08-25 2011-08-03 ETH Zurich Method and system for obtaining high-resolution flow-field data from sparse measurement data
US20100130878A1 (en) 2008-11-24 2010-05-27 General Electric Company Systems, apparatus and processes for automated blood flow assessment of vasculature
US9405886B2 (en) 2009-03-17 2016-08-02 The Board Of Trustees Of The Leland Stanford Junior University Method for determining cardiovascular information
US20110307231A1 (en) 2010-06-09 2011-12-15 Jens Kirchner Method and arrangement for creating an individualized, computer-aided model of a system, and a corresponding computer program and a corresponding machine-readable storage medium
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
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
US10186056B2 (en) 2011-03-21 2019-01-22 General Electric Company System and method for estimating vascular flow using CT imaging

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102232856A (zh) * 2010-05-06 2011-11-09 高春平 双频超声多维聚焦脑血管溶栓系统
CN102232857A (zh) * 2010-05-06 2011-11-09 高春平 非创伤性聚焦超声冠状动脉体外溶栓系统
CN101889861A (zh) * 2010-07-28 2010-11-24 沈阳恒德医疗器械研发有限公司 心脑血管特性与血流特性分析仪及检测方法

Also Published As

Publication number Publication date
RU2015128005A (ru) 2017-01-19
BR112015013248A2 (pt) 2017-07-11
CN104871211A (zh) 2015-08-26
EP2932469B1 (en) 2018-10-31
US20150297161A1 (en) 2015-10-22
JP2016504084A (ja) 2016-02-12
JP5953438B2 (ja) 2016-07-20
US9867584B2 (en) 2018-01-16
WO2014091339A1 (en) 2014-06-19
EP2932469A1 (en) 2015-10-21

Similar Documents

Publication Publication Date Title
CN104871211B (zh) 确定通过冠状动脉的血液流量的方法
EP3160335B1 (en) Apparatus for determining a fractional flow reserve value
JP7236768B2 (ja) 心筋血流量及びｃｔ画像に基づく冠状動脈冠血流予備量比の計算方法
CN105517492B (zh) 用于处理心脏数据的处理设备
US9949650B2 (en) Fractional flow reserve estimation
EP3140757B1 (en) Method and system for non-invasive functional assessment of coronary artery stenosis using flow computations in models based on diseased patients and hypothetical normal anatomical models
CN105120738B (zh) 狭窄治疗规划
EP4300419A2 (en) System for vascular assessment
JP2018509971A (ja) 定量的フロー分析のための方法および装置
US11039804B2 (en) Apparatus and method for determining a fractional flow reserve
KR20140015984A (ko) 필요 혈류량 결정 방법 및 장치, 혈류 영상 생성 방법 및 장치, 심근 관류 영상 처리 방법 및 장치
JP2021529577A (ja) 血管圧差を取得する方法及び装置
Basu et al. Magnetic resonance imaging based bone marrow segmentation for quantitative calculation of pure red marrow metabolism using 2-Deoxy-2-[F-18] fluoro-D-glucose-positron emission tomography: a novel application with significant implications for combined structure–function approach
CN112089433A (zh) 一种基于cta和dsa的冠状动脉血流储备分数测量方法
JP6981807B2 (ja) 医用情報処理装置、ｘ線ｃｔ装置、医用情報処理プログラム、医用情報処理方法及び医用情報処理システム
CN107773261A (zh) 带有重叠的计划信息的x光拍摄
CN114664455A (zh) 一种冠状动脉血流储备分数计算方法及装置
Witbooi Accurate estimation of large vessel length in growing children and adolescents for the purpose of pulse wave velocity calculation.
Schaap et al. On the Evaluation of Coronary Artery Centerline Extraction Algorithms: A Standardized Methodology and Reference Database
Suinesiaputra Section: Magnetic Resonance Imaging

Legal Events

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