CN105078440B - 无创计算冠状动脉狭窄的血液动力学指标的方法和系统 - Google Patents
无创计算冠状动脉狭窄的血液动力学指标的方法和系统 Download PDFInfo
- Publication number
- CN105078440B CN105078440B CN201510374133.XA CN201510374133A CN105078440B CN 105078440 B CN105078440 B CN 105078440B CN 201510374133 A CN201510374133 A CN 201510374133A CN 105078440 B CN105078440 B CN 105078440B
- Authority
- CN
- China
- Prior art keywords
- coronary
- blood pressure
- impedance
- branch
- simulated
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 50
- 201000000057 Coronary Stenosis Diseases 0.000 title claims abstract description 41
- 230000000004 hemodynamic effect Effects 0.000 title claims description 39
- 206010011089 Coronary artery stenosis Diseases 0.000 title abstract description 11
- 230000017531 blood circulation Effects 0.000 claims abstract description 134
- 230000036772 blood pressure Effects 0.000 claims abstract description 134
- 208000031481 Pathologic Constriction Diseases 0.000 claims abstract description 84
- 230000000747 cardiac effect Effects 0.000 claims abstract description 83
- 230000036262 stenosis Effects 0.000 claims abstract description 82
- 208000037804 stenosis Diseases 0.000 claims abstract description 82
- 210000004351 coronary vessel Anatomy 0.000 claims abstract description 76
- 238000004088 simulation Methods 0.000 claims abstract description 46
- 238000005259 measurement Methods 0.000 claims abstract description 45
- 230000004087 circulation Effects 0.000 claims abstract description 42
- 230000010455 autoregulation Effects 0.000 claims abstract description 31
- 238000005094 computer simulation Methods 0.000 claims abstract description 29
- 238000011156 evaluation Methods 0.000 claims abstract description 3
- 238000004364 calculation method Methods 0.000 claims description 19
- 210000000709 aorta Anatomy 0.000 claims description 15
- 230000000284 resting effect Effects 0.000 claims description 14
- 238000000926 separation method Methods 0.000 claims description 12
- 230000003205 diastolic effect Effects 0.000 claims description 11
- 230000002966 stenotic effect Effects 0.000 claims description 11
- 238000004590 computer program Methods 0.000 claims description 7
- 230000009467 reduction Effects 0.000 claims description 7
- 230000007423 decrease Effects 0.000 claims description 3
- 230000002045 lasting effect Effects 0.000 claims 1
- 210000002216 heart Anatomy 0.000 description 23
- 238000004422 calculation algorithm Methods 0.000 description 22
- 230000002107 myocardial effect Effects 0.000 description 13
- 210000005240 left ventricle Anatomy 0.000 description 10
- 230000002861 ventricular Effects 0.000 description 9
- 238000002591 computed tomography Methods 0.000 description 8
- 230000010412 perfusion Effects 0.000 description 8
- 238000009530 blood pressure measurement Methods 0.000 description 6
- 210000004204 blood vessel Anatomy 0.000 description 6
- 230000008602 contraction Effects 0.000 description 6
- 230000000694 effects Effects 0.000 description 6
- 210000004165 myocardium Anatomy 0.000 description 6
- 210000001367 artery Anatomy 0.000 description 5
- 230000003902 lesion Effects 0.000 description 5
- 238000010968 computed tomography angiography Methods 0.000 description 4
- 230000004089 microcirculation Effects 0.000 description 4
- 238000010992 reflux Methods 0.000 description 4
- 230000035488 systolic blood pressure Effects 0.000 description 4
- QVGXLLKOCUKJST-UHFFFAOYSA-N atomic oxygen Chemical compound [O] QVGXLLKOCUKJST-UHFFFAOYSA-N 0.000 description 3
- 230000006399 behavior Effects 0.000 description 3
- 208000029078 coronary artery disease Diseases 0.000 description 3
- 230000035487 diastolic blood pressure Effects 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 229910052760 oxygen Inorganic materials 0.000 description 3
- 239000001301 oxygen Substances 0.000 description 3
- 238000002604 ultrasonography Methods 0.000 description 3
- 230000024883 vasodilation Effects 0.000 description 3
- 208000024172 Cardiovascular disease Diseases 0.000 description 2
- 206010020565 Hyperaemia Diseases 0.000 description 2
- 238000002583 angiography Methods 0.000 description 2
- 239000008280 blood Substances 0.000 description 2
- 210000004369 blood Anatomy 0.000 description 2
- 210000005242 cardiac chamber Anatomy 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 230000006835 compression Effects 0.000 description 2
- 238000007906 compression Methods 0.000 description 2
- 238000002586 coronary angiography Methods 0.000 description 2
- 230000008878 coupling Effects 0.000 description 2
- 238000010168 coupling process Methods 0.000 description 2
- 238000005859 coupling reaction Methods 0.000 description 2
- 230000034994 death Effects 0.000 description 2
- 231100000517 death Toxicity 0.000 description 2
- 238000002059 diagnostic imaging Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 208000028867 ischemia Diseases 0.000 description 2
- 230000005055 memory storage Effects 0.000 description 2
- 210000005245 right atrium Anatomy 0.000 description 2
- 210000005241 right ventricle Anatomy 0.000 description 2
- 230000011218 segmentation Effects 0.000 description 2
- OQCFWECOQNPQCG-UHFFFAOYSA-N 1,3,4,8-tetrahydropyrimido[4,5-c]oxazin-7-one Chemical compound C1CONC2=C1C=NC(=O)N2 OQCFWECOQNPQCG-UHFFFAOYSA-N 0.000 description 1
- 238000012935 Averaging Methods 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000003872 anastomosis Effects 0.000 description 1
- 210000003484 anatomy Anatomy 0.000 description 1
- 210000001765 aortic valve Anatomy 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 230000004872 arterial blood pressure Effects 0.000 description 1
- 210000002565 arteriole Anatomy 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 210000001627 cerebral artery Anatomy 0.000 description 1
- 230000037020 contractile activity Effects 0.000 description 1
- 239000002872 contrast media Substances 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000002405 diagnostic procedure Methods 0.000 description 1
- 201000010099 disease Diseases 0.000 description 1
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 1
- 239000013013 elastic material Substances 0.000 description 1
- 230000002169 extracardiac Effects 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 239000012530 fluid Substances 0.000 description 1
- 230000004907 flux Effects 0.000 description 1
- 230000010247 heart contraction Effects 0.000 description 1
- 210000003709 heart valve Anatomy 0.000 description 1
- 230000000544 hyperemic effect Effects 0.000 description 1
- 210000003090 iliac artery Anatomy 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000000977 initiatory effect Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 210000005246 left atrium Anatomy 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 239000002184 metal Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000000877 morphologic effect Effects 0.000 description 1
- 208000010125 myocardial infarction Diseases 0.000 description 1
- 208000031225 myocardial ischemia Diseases 0.000 description 1
- 230000036284 oxygen consumption Effects 0.000 description 1
- 231100000915 pathological change Toxicity 0.000 description 1
- 230000036285 pathological change Effects 0.000 description 1
- 230000002685 pulmonary effect Effects 0.000 description 1
- 238000011002 quantification Methods 0.000 description 1
- 210000002254 renal artery Anatomy 0.000 description 1
- 230000035939 shock Effects 0.000 description 1
- 238000002603 single-photon emission computed tomography Methods 0.000 description 1
- 238000003786 synthesis reaction Methods 0.000 description 1
- 230000001052 transient effect Effects 0.000 description 1
- 238000011144 upstream manufacturing Methods 0.000 description 1
- 230000002792 vascular Effects 0.000 description 1
- 210000005166 vasculature Anatomy 0.000 description 1
- 239000003190 viscoelastic substance Substances 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
-
- 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
- A61B5/02028—Determining haemodynamic parameters not otherwise provided for, e.g. cardiac contractility or left ventricular ejection fraction
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
- A61B5/7271—Specific aspects of physiological measurement analysis
- A61B5/7278—Artificial waveform generation or derivation, e.g. synthesising signals from measured signals
-
- 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
- G16H50/30—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
- 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
-
- 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
-
- 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
- G06T2207/10116—X-ray image
-
- 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)
- Engineering & Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Medical Informatics (AREA)
- Public Health (AREA)
- General Health & Medical Sciences (AREA)
- Pathology (AREA)
- Biomedical Technology (AREA)
- Physics & Mathematics (AREA)
- Cardiology (AREA)
- Primary Health Care (AREA)
- Epidemiology (AREA)
- Molecular Biology (AREA)
- Surgery (AREA)
- Animal Behavior & Ethology (AREA)
- Biophysics (AREA)
- Physiology (AREA)
- Veterinary Medicine (AREA)
- Heart & Thoracic Surgery (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Vascular Medicine (AREA)
- Radiology & Medical Imaging (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Artificial Intelligence (AREA)
- Psychiatry (AREA)
- Signal Processing (AREA)
- Measuring Pulse, Heart Rate, Blood Pressure Or Blood Flow (AREA)
Abstract
本发明公开了一种基于医学图像数据对冠状动脉狭窄进行无创评价的方法和系统。从患者的医学图像数据中提取患者特定的冠状动脉解剖测量。基于患者特定的冠状动脉解剖测量计算表示冠状动脉的冠状循环的计算模型的患者特定的边界条件。使用冠状动脉的计算模型和患者特定的边界条件来模拟冠状循环的血流和血压，并且在冠状动脉的血流和血压的模拟过程中对冠脉自我调节进行建模。在模拟的心动周期中识别无波期，并基于无波期中的模拟血压值计算狭窄区域处的瞬时无波型比率(iFR)。
Description
相关申请的交叉引用
本发明申请要求于2014年5月9日所提交的美国专利临时申请号61/990,775的优先权权益，其内容通过引用结合于此。
技术领域
本发明涉及冠状动脉狭窄的无创的功能评价，尤其是涉及根据医学图像数据和血流模拟进行冠状动脉狭窄的无创的功能评价。
背景技术
心血管疾病(CVD)是世界范围内的主要致死原因。在各种CVD中，冠状动脉疾病(CAD)占据这些死亡人数的近一半。尽管在医学成像和其他诊断方法上有了显著改进，CAD患者的早期发病率和死亡率的增长仍然较高。目前进行诊断和控制冠状狭窄的临床实践包括或者视觉上或者通过定量冠状血管造影术(QCA)对病变血管进行评价。这种评价向医生提供关于狭窄片段和载瘤动脉(parent vessel)的解剖上的概览，包括面积减小、损害长度和最窄管腔直径，但不提供该损伤对流过血管的血流的影响的功能评价。
已经提出瞬时无波型比率(iFR)作为把冠状动脉狭窄归为在血液动力上严重和不严重的一个指标。测量iFR通常需要在患者静息状态下将冠状压力导丝插入到狭窄血管中，在狭窄的近侧和远侧进行有创压力测量。然后将舒张无波期的狭窄远侧的平均压除以无波期的平均主动脉压来计算iFR。然而，使用压力进行有创压力测量涉及插入压力导丝到狭窄血管必然带来的与介入相关的风险，并且对于非常窄的狭窄，压力导丝可导致额外的压力降低。
发明内容
本发明提供一种对冠状动脉狭窄的血液动力学指标进行无创计算的方法和系统。本发明的实施方式提供一种在患者静息状态下获得的血管医疗图像得到的贯穿冠状动脉狭窄的压差以及根据压差得到的血液动力学指标的无创计算方法。本发明的实施方式从医疗图像计算狭窄的瞬时无波型比率(iFR)，而不需要将压力导丝插入到狭窄处。iFR和其他血液动力度量可以用来进行冠状动脉狭窄的功能评价。
在本发明的一个实施方式中，从患者的医学图像数据中提取患者特定的冠状动脉解剖测量。表示冠状动脉的冠状循环的计算模型的患者特定的边界条件基于患者特定的冠状动脉解剖测量计算。使用冠状动脉的计算模型和患者特定的边界条件来模拟冠状动脉的血流和血压，并且在冠状动脉的血流和血压的模拟过程中对冠脉自我调节进行建模。根据模拟的血流和血压计算冠状动脉的至少一个狭窄区域的血液动力学指标。在模拟冠状动脉的血流和血压中的至少一个模拟心动周期中识别无波期，该至少一个狭窄区域的血液动力学指标可以是基于在至少一个模拟心动周期中识别的无波期中的模拟血压值计算的瞬时无波型比率(iFR)。
本发明的这些和其他优点通过参考下面的详细描述及附图对本领域技术人员来说是显而易见的。
附图说明
图1示出了根据本发明的一个实施方式的对冠状动脉狭窄的血液动力学指标进行无创计算的方法；
图2示出了根据本发明的一个实施方式的冠状动脉循环的一个计算模型；
图3示出了冠状循环自我调节；
图4示出了根据本发明的一个实施方式的在计算血流模拟中对冠状循环自我调节进行建模的算法；
图5示出了在冠状循环自我调节算法中使用的带有分支标志的示意性冠状动脉树；
图6示出了在静息状态下的一个心动周期过程中瞬时血压、血流速度和微脉管阻抗图中的无波期。
图7示出了左冠状动脉树中对波的识别；
图8示出了解剖上严重狭窄的血流和血压模拟中示意性的感兴趣量；
图9示出了解剖上中度狭窄的血流和血压模拟中示意性的感兴趣量；
图10示出了解剖上轻微狭窄的血流和血压模拟中示意性的感兴趣量；
图11示出了在医疗图像上可视化计算的iFR数值的例子；
图12示出了沿血管的选定位置处的计算的iFR数值的示例图；以及
图13示出了能够实施本发明的计算机高层次块状图。
具体实施方式
本发明涉及一种使用医学图像数据和血流模拟对冠状动脉狭窄的血液动力学指标进行无创计算的方法和系统。此处描述的本发明的实施方式可使视觉上理解该模拟血流和评价冠状动脉狭窄的方法。数字图像通常包括一个或多个对象(或形状)的数字表示。对象的数字表示此处通常在识别或操作该对象方面被描述。这种操作是在计算机系统的存储器或其他电路/硬件中实现的虚拟操作。相应地，能够理解本发明的实施方式可以在计算机系统中使用存储在该计算机系统中的数据进行。
图1示出了根据本发明的一个实施方式的对冠状动脉狭窄的血液动力学指标进行无创计算的方法。图1中的方法转换患者的医学图像数据以提取患者冠状动脉的患者特定的几何结构，生成冠状动脉循环的模型，模拟患者特定的冠状动脉中血流和血压，以及计算冠状动脉狭窄的一个或多个血液动力学指标，而不需要使用通过穿过狭窄的压力导丝得到的有创压力测量。如此处描述的，图1中的方法在不使用有创压力测量的条件下计算冠状动脉狭窄的瞬时无波型比率(iFR)。然而，本发明不限制于iFR，图1中的方法也同样用来计算其他血液动力学指标。
参考图1，在步骤102中，接收患者的医学图像数据和无创临床测量值。可以接收从一幅或多个图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扫描(CT)、Dyna CT、磁共振(MR)、血管造影术、超声、单光子发射计算机断层扫描(SPECT)和任何其他医疗成像模态。医学图像数据可以是2D、3D或4D(3D+时间)的医学图像数据。医学图像数据可以直接从一个或多个图像获得装置获得，例如CT扫描机、MR扫描机、血管造影术扫描机、超声装置等，或者可以通过加载之前储存的患者的医学图像数据获得该医学图像数据。
在一个有利的实施方式中，在CT扫描机上获得3D冠状CT血管造影(CTA)图像。CTA图像确保包括狭窄的血管的冠状脉管系统使用注入到患者体内的造影剂能够充分成像。在这个阶段，医生可以通过交互观察图像来识别感兴趣的损害(狭窄)。也可以在从图像数据获取的患者特定的解剖模型上进行该步骤(步骤104)。可替代地，狭窄可以使用自动探测冠状动脉狭窄的算法在图像数据中自动探测，例如美国专利公开号No.2011/0224542公开的自动探测冠状动脉狭窄的方法，其内容通过引用包含于此。除了医学图像数据，也获得其他无创临床测量，例如患者的心率和收缩舒张压。
在步骤104中，从医学图像数据中提取患者特定的冠状动脉解剖测量。在一个有利的实施方式中，医学图像数据在静息状态下获得，并且从静息状态下获得的医学图像数据提取冠状动脉的测量。可通过从医学图像数据中生成患者特定的冠状动脉树解剖模型来提取冠状动脉的测量。患者特定的解剖模型可以是整个患者冠状动脉树的任意部分的患者特定的解剖模型。为了生成患者特定的冠状动脉树解剖模型，可以使用冠状动脉中线自动提取算法在3D医疗图像中分割冠状动脉。例如，可以在CT体积中分割冠状动脉，使用美国专利公开号2010/0067760公开的方法，其内容通过引用结合于此。一旦提取到冠状动脉中心线树，可以在中心线树的每个点生成横截面轮廓。在每个中心线点的横截面轮廓给出了冠状动脉在该点处相应的横截面的面积测量。针对所分割的冠状动脉生成表面几何模型。例如，美国专利号7,860,290和美国专利号7,953,266描述了冠状动脉解剖建模方法，二者的内容通过引用结合于此。除了冠状脉，患者特定的解剖模型可包括连带主动脉近侧部分的主动脉根。使用相似的算法可以提取每个狭窄处的详细3D模型，其包括近端血管直径和面积、远端血管直径和面积、最细管腔直径和面积以及狭窄长度的定量。
上述解剖建模任务可以自动执行或者用户驱动的，因此允许用户(医生)交互地改变解剖模型以分析这种改变对随后FFR计算的影响。除了冠状动脉树，也可以在医学图像数据中(自动或者手动)分割心肌来估计左心室质量，在一个可能的实施中，其可以用来估计患者的绝对静息血流，该静息血流可用来计算血流和血压模拟计算中的边界条件。可替代地，可以基于所分割的冠状树的总容量或者不同冠状血管的流出半径计算静息血流。在一个示例性实施方式中，从图像数据自动生成的患者特定的心脏解剖模型可用来实现此目的。解剖心脏模型是一个具有多个心脏部分的多部分模型，包括四个腔室(左心室、左心房、右心室、右心房)。解剖心脏模型也可以包括例如心脏瓣膜(主动脉瓣、二尖瓣、三尖瓣、肺动脉瓣)和主动脉的部分。这种心脏的复杂模型用来获取大量形态、功能和病理上的改变。建模或分级方法可以用来降低解剖复杂性，并且有助于对个别解剖结构进行有效灵活的估计。4D心脏解剖模型可以通过生成每个心脏部分的单个模型来生成，例如使用边缘空间学习(MSL)，然后通过建立网格点对应来整合各心脏部分模型。在美国专利公开号No.2012/0022843中描述了关于生成这种4D患者特定的心脏模型的其他内容，其内容通过引用结合于此。
在步骤106中，基于患者特定的冠状动脉解剖测量来生成冠状动脉循环的计算模型，并且计算入口和出口边界条件。在图1的方法中，狭窄的iFR值是基于通过模拟静息状态下患者的冠状动脉树的血流和血压计算的血压值。为了有效地在临床工作流程中通过血流和血压模拟来评价iFR，需要平衡模型复杂性和计算时间，而不牺牲结果精确性。在本发明的一个有利的实施方式中，可以对患者特定的血流模拟使用降阶的模型，其可对冠状动脉狭窄的功能严重程度进行评价。该降阶的模型正确估计分布在血管树上的血流和血压，并且是计算方面有效的，因此可以和临床工作流程无缝整合。虽然此处描述冠状动脉循环的降阶的模型，本发明不限制于此，也可使用全尺寸模型或多尺寸模型。
图2示出了根据本发明的一个实施方式的冠状动脉循环的一个计算模型。如图2所示，在主动脉的根部耦合心脏模型202。心脏模型202可以如图2所示通过患者特定的数据参数化为集总模型或构建为完整的3D心脏模型。大动脉，例如主动脉204和由主动脉供应的大动脉(例如锁骨下动脉、头臂动脉、颈动脉等)，左冠状动脉(LCA)206以及右冠状动脉208可以由1D血流模型或完整的3D模型来表示。而且，半解析循环模型可以对某些动脉片段单独使用，或者嵌入在1D或3D模型中。血管壁可以建模成完全弹性的或粘弹性的材料。可以通过和测量数据匹配的经验关系或者基于壁顺应性的患者特定的估计来确定壁的特性。在图2中冠状动脉循环的模型中，所有的微脉管床通过集总参数模型210模拟得到，其解释施加至血流的阻抗和远端血管的顺应性。冠状血管床通过这种集总参数模型210来建模，其在考虑到心肌收缩对流动波形的影响的意义下适配于冠状循环。在冠状动脉循环模型中示出了狭窄片段212和214(即检测到狭窄或变窄的血管区域)。狭窄片段212和214不能使用1D血流模型来模拟，由于横截面积有很大的变化，并且狭窄的形状影响血流行为，尤其是跨狭窄的(trans-stenotic)压力降低，其在这种狭窄的功能重要性评价中发挥重要的作用。相应地，当1D血流模型用于冠状动脉时，完整的3D模型或降阶的狭窄压力降低模型用于每个狭窄片段212和214。
冠状动脉血流的入口边界条件可以通过和心脏模型202的隐含耦合，或通过测量的血压或血流数据(例如通过各种成像技术来获得)来规定。冠状动脉206和208可以建模为轴对称1D血管片段，其中血流满足以下特性：质量守恒、动量守恒，以及关于壁变形的状态公式：
其中q是血流速率，A是横截面积，p是血压，α是动量通量校正系数，KR是摩擦参数，ρ是密度，E是杨氏模量，h是壁厚，r0是初始半径。壁的特性可以通过与在提取到的患者特定的解剖模型中的测量数据匹配的经验关系或者基于壁顺应性的患者特定的估计来决定。也可以使用准1D流动等式的其他替选公式，来对粘弹性、非牛顿学说行为等的影响进行建模。
在循环模型的每个结点(分支、吻合)，应该维持总血压和血流的连续性。除此之外可以引入损失系数来解释在结点处的能量损失。这些损失系数可以取决于血管片段之间的角度或根据实验数据获得。上述准1D公式(公式1-3)根据一系列都适合正常的健康血管的简化假设来获得。其中一个假设是轴向速度占主导而径向分量可忽略。这种假设不再适合管腔直径突然变化的情况，例如狭窄，径向分量不能再被忽略。因此，准1D公式不能正确获得狭窄处的压力降低。在一个可行的实践中，全尺寸的3D模型可以用来模拟在狭窄区域211和214处的血流和血压。在这种情况下，从医学图像数据(例如CTA数据)提取的狭窄处的患者特定的3D几何模型和定量的类似于冠状血管造影(QCA)的测量一起用来使狭窄模型对每个患者个性化。在一个可替代的实践中，半经验狭窄模型可以包括在1D血流模型中，其结果和全尺寸模型一样准确。例如，在下面的模型中，压力降低表达为三项(粘性项、湍流或Bernoulli项、以及惯性项)的总和：
其中μ是血液粘性，Ls是狭窄长度，Kv，Kt，Ku分别是粘性、湍流以及惯性系数(所有下标为0的量指的是正常尺寸而以s为下标的量代表狭窄的数值)。在一个有利的实施方式中，每个狭窄片段(212和214)的这种半经验模型和血管树(以及所基于的心脏和冠状床模型)耦合来计算狭窄处的生理压力降低。能够理解本发明不限制于公式(4)的半经验狭窄模型，也可替代使用具有多个压力降低因素的其他狭窄模型。关于将降阶的或全阶的狭窄模型耦合到冠状血管树的其余部分，在第一个可能的实践中，适配动量公式，由湍流项决定的额外压力降低加入到公式的右手侧作为额外的损失项。在第二个可能的实践中，普通动量公式被完全放弃而取代为公式(2)。考虑整个血压和流速的连续性，将作为狭窄片段来对待的片段耦合到冠状血管树的正常片段。
血流模拟的一个重要方面是冠状血管树的终端由出口边界条件来表示(流出边界条件)。一般地，血压、血流或血流和血压之间的关系可以施加到动脉血管树的终端点上。如果测量的数据，例如随时间变化的速度、流速、甚至血压可用，就随时可使用它们。如果不存在这种信息(通常情况是这样)，本发明的实施方式计算模拟远端动脉片段的行为的特定边界条件。例如，集总参数模型(如图2所示)或微脉管波形传播模型可以用来决定出口边界条件。在一个有利的实践中，如图2所示，微脉管床通过集总或0D模型210来建模。在这种情况下，系统床可以通过包括不同数量元素(例如是二到四个元素之间)的常规风箱元素来表示，而冠状床由特殊模型来表示，该特殊模型说明心肌收缩对血流波形的影响(收缩时低，早期舒张时高)。图2示出了用于冠状循环的这种特殊模型的例子，并展现这种边界条件的具体元素。在图2的集总参数模型210中，Ra表示近端动脉阻抗，Ca表示动脉顺应性，Ram表示微脉管动脉阻抗，Cim表示心肌内顺应性，Rvm表示微脉管静脉阻抗，Rv表示静脉阻抗。
这种集总模型的一个主要特点是根据冠状树在心脏中的位置引入左心室或右心室压力从而考虑到心肌收缩。图4示出示出了的模型将微脉管床作为单个单元来对待，但单独地考虑到心外膜下和心内膜下微脉管床的贡献而采用更特异的模型也是可能的。通常，心外膜下血管较少受到心脏收缩的影响(它们代表心肌的外层)，而心内膜下血管较多受到心脏收缩活动的影响(它们代表内层，更接近心脏腔室)。这是心内膜下血管更容易局部贫血和心肌梗塞的主要原因。
由于大血管的阻抗值相对于细动脉和毛细血管的阻抗非常小，整体血压水平几乎由微脉管床单独决定。静息状态下系统或冠状集总模型内的阻抗值可以通过患者特定的测量、从文献数据、或阻抗和管腔大小的非线性关系来获得。顺应性起次要作用，由于它们只影响瞬时值，而不影响评价iFR时感兴趣的平均压。冠脉自我调节保护心肌在静息状态下不发生局部贫血，并导致病变血管的阻抗的降低，流动参考值必须与不发病情况下一致。静息状态下的出口边界条件因此可使用这种信息来建模。
在示例性实施方式中，被估计以确定静息状态下的出口边界条件的参数是平均动脉压(MAP)和冠状微脉管阻抗(近端心外动脉的相对于微脉管阻抗可忽略的阻抗)。由于iFR只使用舒张的无波期中的血压(狭窄处的近端和远端)的平均测量值，所以不需要精确估计顺应性，因为它们只影响血压和血流的波形，而不影响仅由阻抗决定的平均值。MAP可以基于患者的心率、收缩压和舒张压简单、无创地测量到。特别是，MAP可以如下计算：
其中HR、SBP和DBP分别表示患者的心率、收缩压、舒张压，其被无创地测量到。
可以如下计算静息状态下的心脏微脉管阻抗。可以使用心率收缩压乘积(RPP)关系来估计总心肌灌注量qrest。RPP是心率和收缩压的产物。从RPP开始，静息灌注量qrest可以如下估计：
qrest＝8·{[0.7·(HR·SBP)·10-3]-0.4} [ml/min/100g] (6)
其中HR是心率，SBP是收缩压。需要注意这种关系只有在血流满足主体的供氧需求时才有效。然后可以基于静息灌注量qrest和患者左心室(LV)的质量来估计总静息冠状血流。患者左心室的质量可以基于医学图像数据的分割导出的量来估计。在一个可能的实践中，使用自动心脏腔室分割来分割心肌，例如使用基于MSL机器学习的方法。容积能从分割的心肌自动计算，例如使用美国专利号8,098,918，标题为“Method and System forMeasuring Left Ventricle Volume”公开的方法，其内容通过引用结合于此。LV容积然后和密度相乘得到LV的质量(MLV)。也可以使用计算LV质量的其他可能方法。
下一步，为了得到静息时血流的绝对值，静息灌注量可以和心肌质量相乘。在正常心脏中，通常假设左心室占据总质量的三分之二，而右心室和心房占据其他三分之一。相应的，一旦得到左心室质量MLV，绝对静息血流可以如下决定：
Qrest＝qrest·1.5·MLV[ml/min] (7)
已经知道血流速度和半径的立方成比例，绝对静息血流是冠状血管所有输出血流的总和，可以表达为：
随后计算每个血管分支的终端阻抗。特别是，终端阻抗可使用下面的关系来计算：
Qi通过如下来确定：
因此，
其中ri是血管分支的终端半径(等于终端直径di的一半)，n是幂系数。因此每个血管的终端阻抗可以计算为
回到图1，在步骤108中，使用冠状动脉循环的计算模型模拟血流和血压，并且在血流和血压模拟中建模冠状循环自我调节。该模拟使用冠状动脉循环的计算模型在多时间步骤中的每个的一定时间内逐步计算冠状动脉内的血流速度和血压值。模拟可以在多个对应于一次心跳的心动周期中运行。血流和血压计算可以通过计算流体动力学(CFD)来执行，或其他任何标准数字技术，例如但不限制于，有限元方法、有限差方法、有限体积方法、边界元方法、嵌入边界方法、浸没边界方法、Boltzmann网格方法等。
根据本发明的一个有利实施方式，血流和血压模拟中对冠状循环自我调节进行建模。冠脉自我调节在冠状血液动力学中发挥重要的作用。冠脉自我调节的目的是将心肌需氧量所给定的、向由包含和不包含狭窄的动脉灌注的微脉管床的心肌灌注保持在一定水平。图3示出了冠状循环自我调节。如图3所示，自我调节机制适配微脉管阻抗以此保持由心肌需氧量指示的灌注水平。由于微脉管阻抗具有一定的最小阈值，当狭窄非常严重并且狭窄的远端的压力急剧下降时，自我调节达到其极限，并且心肌灌注量降低到低于需要的水平，导致心肌局部贫血。
为了准确确定基于血流和血压无创地精确确定狭窄的iFR，而不详细测量狭窄处的血压差，必须考虑冠状自我调节。根据一个有利的实施方式，为了对冠状自我调节建模，按如上所述计算冠状动脉循环模型(例如图2)的每个出口的微脉管阻抗。下一步，基于在冠状动脉出口计算的微脉管阻抗针对每个冠状动脉来计算等价的冠状微脉管阻抗。在冠状树中每个血管(分支)i的等价冠状微脉管阻抗(Rt-microv)i可如下计算：
其中(Rt-microv)j是每个终端分支j的总微脉管阻抗。一旦对于冠状动脉树每个分支都计算出等价冠状微脉管阻抗，就能进行血流和血压模拟，用于对冠脉自我调节建模的算法(图4中的算法1)可以用于模拟中的每个冠状树，以调节微脉管阻抗来对冠脉自我调节的影响建模。
图4示出了根据本发明的一个实施方式的在冠状动脉的血流和血压模拟中对冠脉自我调节建模的算法。在一个有利的实践中，图4中算法400(算法1)可以在每个冠状动脉树的血流和血压模拟中每次心动周期的最后进行。算法400具有一个输入参数nrVessel，其是标记在冠状动脉树中当前血管或分支的号码。在算法400中，微脉管阻抗只有在当前分支狭窄时才作改动。如果当前分支狭窄，对当前分支执行步骤402-412。如果在当前分支中没有狭窄发生，对当前分支结束算法400，并递归地对于冠状动脉树中的下一个分支调用算法400。对于具有狭窄的当前分支，在步骤402中，由狭窄引入当前分支的阻抗(Rt-current)i，其通过从当前分支的等价冠状微脉管阻抗(Rt-microv)i中减去狭窄阻抗来计算，该狭窄阻抗计算为沿狭窄的压降值与通过狭窄的流速的比值((Pin)i-(Pout)i)/Qi。(Pin)i和(Pout)i分别是狭窄的入口和出口的模拟血压值，Qi是通过狭窄的模拟血液流速。
算法400根据由狭窄引入当前分支的阻抗来适配当前分支的子分支的阻抗。图5示出了带有图4的冠脉自我调节算法中使用的分支标志的示例性冠状动脉树。如图5所示，冠状动脉树500示出了根分支502和具有狭窄506的当前分支504。分支508和510是当前分支504的子分支，分支508、512和514是终端分支。在图4的步骤404中，等价阻抗(Rt-down)i根据当前分支i下游的子分支j的总阻抗计算。适配子分支的阻抗从而不改变子分支的流速分离比。对当前分支i的每个子分支i，在步骤406中，流速分离比Φj根据子分支下游阻抗(Rt-microv)j的之前值和当前分支等价下游阻抗(Rt-down)i计算。在步骤408中，对于每个子分支j，基于对于当前分支计算的新阻抗值(Rt-current)i和对于该子分支计算的流速分离比φj来计算总下游阻抗(Rt-microv)j。
在步骤410中，下游阻抗的新值分配到每个子分支的终端分支，在步骤412中，对每个子分支的所有下游分支计算新的等价微脉管阻抗。例如步骤410和412可以对每个子分支的下游分支重复与步骤404、406和408相似的计算直到到达所有终端分支。自我调节算法400可以先对于根分支调用，然后递归地对于每个子分支调用，以能覆盖整个冠状树，并考虑冠状树中所有的狭窄分支来修改终端阻抗。
如图3所示，冠状自我调节具有极限，也就是说微脉管阻抗不能降低到低于特定的最小值，其对应于患者的充血状态。因此，如果狭窄非常严重，冠脉自我调节到达其极限，流速降低到低于心肌需要的水平(心肌耗氧量)。因此，如果图4采用算法400的结果是微脉管阻抗降低到其最小值、即充血值以下，它的值被设为恒等于充血值。
在一个有利的实施方式中，可以借助在每次心动周期的结束进行的用于冠脉自我调节建模的算法在多个心动周期中进行血流和血压的计算。可以使用不同的方法来将血流和血压的模拟匹配于对患者无创临床测量以获得患者特定的血流和血压模拟。例如，在一个可能的实践中，冠状动脉循环的计算模型参数可以在模拟血流和血压之前直接估计一次。在另一个可能的实践中，在血流和血压计算过程中通过迭代估计来适配参数。可以使用这些方法的组合。在一个有利的实施方式中，在每次心动周期后，可以将基于血流和血压计算的模拟测量值与患者的无创测量值(例如收缩舒张压，心率等)相比较，可以细化冠状动脉循环的计算模型一个或多个参数或一个或多个边界条件来最小化模拟测量值和获得的患者无创测量值之间的差距。血流和血压计算可以执行至少直至模拟的测量值收敛为患者的无创测量值，并且在模拟的测量值收敛为患者的无创测量值之后可以使用模拟的血流和血压值对一个或多个心动周期计算iFR和/或其他血液动力学指标。
回到图1，在步骤110中，在血流和血压模拟的每个心动周期中识别无波期。作为定义，iFR是根据在无波期期间获得的有创测量血压值计算。计算为瞬时血压与瞬时流速的比值的瞬时冠状阻抗由于微脉管与心肌的交互作用在整个心动周期过程中变化，在收缩过程中有高的波动。然而在无波期，冠状阻抗基本是恒定且最小化的。图6示出了在静息状态下的一个心动周期过程中瞬时血压值602、瞬时血流速度值604和瞬时冠脉阻抗值606。如图6所示，在无波期608冠状阻抗606是恒定且最小的。
为了基于血流和血压模拟计算iFR，必须确定无波期。在动脉循环中，波既可以从上游位置(例如左心室)产生，叫做前流波，也可以从下游位置(分叉或微循环)产生，叫做回流波。为了建立波的起源，血压和流速的轮廓都需要。在冠状循环中，前流和回流波可以同时发生。为了分离这些波，可以进行波强度分析。图7示出了在人左冠状动脉树中波的识别。如图7所示，在冠状循环中可以识别出6种不同的波：(1)早期回流冲击波702-心室收缩的开始，心肌挤压冠状微循环管；(2)前流冲击波704-心室腔的收缩导致心室射血；(3)后期回流冲击波706-由于微循环管的持续挤压和前流冲击波的波反射而出现；(4)前流抽吸波708-心室收缩的减慢在动脉的近端形成抽吸效果；(5)主回流抽吸波710-冠状微循环中心肌挤压的释放而导致出现；以及(6)后期前流冲击波712-与主动脉瓣的关闭有关。舒张无波期从WI-[diastole]＝0到舒张末端之前5ms。舒张末端定义为检测到早期回流冲击波702的时刻。WI-[diastole]是远端起始波(回流波)的波强。
在目前的临床实践中，只测量随时间变化的血压，因此不能波分离。结果iFR的有创测量中的无波期通常从进入舒张期的路径的25％(根据重搏脉(dicrotic notch)识别舒张期的开始)到舒张末端之前5ms。根据第一可能的实践，模拟心动周期中的无波期也可类似识别为从进入舒张期的路径的25％到舒张末端之前5ms这一段时间。也可以使用其他采用模拟血压和/或速度(流速)轮廓的方法来识别无波期。在第二个可能的实践中，模拟心动周期中的无波期可识别为从获得dUmax后250ms开始并持续150ms的时间段。dU是血流速度相对于时间的导数，dUmax是dU在一个心动周期中的最大值。在第三个可能的实践中，模拟心动周期中的无波期可识别为从获得最大血压Pmax后150ms直到心动周期末端减去50ms的时间段。在第四个可能的实践中，模拟心动周期中的无波期可识别为最大血压Pmax后的一个时间段，在这个时间段中前流波的标准差在最低值5％内(或在最低值10％内，如果不存在最低值5％的时期的话)。在第五个可能的实践中，模拟心动周期中的无波期可识别为最高血压时间点和心动周期末端之间的中间窗(或这两个时间点之间的3/5窗)的时间段。在第六个可能的实践中，模拟心动周期中的无波期可识别为dU低于dUmax的10％(或5％)的窗。能够理解本发明不限制于这些识别无波期的技术，任何识别无波期的技术可以与图1中的方法一起使用。
回到图1，在步骤112中，基于无波期中计算的血压，对于至少一个冠状动脉狭窄计算iFR。特定冠状动脉狭窄的iFR根据在血流和血压模拟中计算的血压值来无创地计算为模拟心动周期中的无波期中的远端平均计算血压与模拟心动周期中的无波期中的主动脉平均计算血压的比值。在一个有利的实践中，借助在每个心动周期末端运行的冠脉自我调节算法重复血流和血压计算，以模拟多个心动周期。在每个模拟心动周期后，可以比较基于血流和血压计算的模拟测量值和患者的无创测量值(例如收缩舒张压，心率等)，并且可以细化冠状动脉循环的计算模型一个或多个参数或一个或多个边界条件来最小化模拟测量值和获得的患者无创测量值之间的差距。可以执行该计算直到基于血流和血压计算的模拟测量值收敛为患者的无创测量值，并且可以基于模拟心动周期的无波期中的、其模拟测量值收敛为患者的无创测量值的计算血压值来计算特定冠脉狭窄的iFR。
iFR也可针对每个模拟心动周期或通过对来自多个模拟心动周期的数据求平均来计算。可在冠状动脉树中多处狭窄的每处无创计算相应的iFR值。其他血液动力学指标，尤其是通常在患者静息状态下测量的血液动力学指标，例如静息(基础)Pd/Pa也可以根据模拟的血压和/或血流值对每处冠状动脉狭窄计算。也能理解iFR(或其他血液动力学指标)也可以在冠状动脉树的任何位置计算，不只在狭窄处。
可进一步适配微脉管模型的特定的参数以确保特定的模拟血液动力学指标与这些血液动力学指标的测量值相匹配。例如，由于在无波窗中计算iFR，它取决于舒张期期间(无波期是舒张期的一部分)跨狭窄的压力降低。该压力降低又取决于流速，因此控制收缩期和舒张期的冠状血流量是重要的。已经检测收缩期和舒张期的冠状血流量的之前的研究表明LCA中的收缩期血流成比例地低于RCA。例如，可以假设，基于文献数据，收缩期血流对于LCA分支占总冠状血流的20％，而对于RCA分支占总冠状血流的31％。通常的冠状微脉管模型使用模拟的左/右心室压以对心脏收缩对流速的影响建模，因此导致收缩期流速低，舒张期流速高(例如参见图2中集总参数模型210)。进一步，在冠状微脉管模型中采用左/右心室压时可使用比例常数c。比例常数可以对每个出口分支被分别适配以匹配收缩期对舒张期血流的特定比例。
基于从CT扫描获得的冠状图像数据而根据血流和血压模拟无创计算iFR的示例性结果分为三种情况。情况1是解剖上严重狭窄。情况2是解剖上中度狭窄。情况3是解剖上轻微狭窄。一直运行计算直到在此对于仅最后一个心脏周期提供收敛和结果。表1示出了整个心动周期过程中和无波期中三种情况的平均远端和主动脉压以及压力比值(基础Pd/Pa和iFR)。在所有三种情况下，基础Pd/Pa和iFR都是用图1中的方法基于血压和血流计算从医学图像数据无创计算的。
表1
图8示出了解剖上严重狭窄(情况1)的模拟血流和血压和计算iFR中的结果举例。如图8所示，图800分别示出了在一个心动周期中狭窄处随时间变化的近侧(主动脉)和远侧主动脉压802和804。图810示出了在该心动周期狭窄处随时间变化的流速812。图820示出了在该心动周期中的瞬时冠状阻抗822。图830示出了在该心动周期中的瞬时远端压与近端压的比值832。iFR值是通过计算无波期中平均远端压与平均近端压的比值来计算的。图840分别示出了在该心动周期中前流和回流波842和843的波强。舒张期从6.828秒(重搏脉(dicrotic notch))到7.5秒。无波期，考虑到用于计算iFR，从进入舒张期的路径的25％到舒张末端之前5ms(6.99秒到7.45秒)。阻抗822在无波期是恒定的，瞬时远端压与近端压的比值832在无波期也是相对恒定的。如图840所示，当前流和回流波842和844的波强曲线出现无波窗时，能够看到从6.99秒到7.45秒的时间段内没有波，其被识别为无波期。如表1所示，对于情况1中解剖上严重狭窄的iFR计算的值是0.377，其指示这处狭窄血液动力学上严重狭窄。
图9示出了解剖上中度狭窄(情况2)的模拟血流和血压和计算iFR中的结果举例。如图9所示，图900分别示出了在一个心动周期中狭窄处随时间变化的近侧(主动脉)和远侧主动脉压902和904。图910示出了在该心动周期狭窄处随时间变化的流速912。图920示出了在该心动周期中的瞬时冠状阻抗922。图930示出了在该心动周期中的瞬时远端压与近端压的比值932。iFR值是通过计算无波期中平均远端压与平均近端压的比值来计算的。图940分别示出了在该心动周期中前流和回流波942和943的波强。舒张期从6.65秒到7.19秒。无波期从6.797秒到7.19秒。阻抗922在无波期是恒定的，瞬时远端压与近端压的比值932在无波期也是相对恒定的。如图940所示，可以看到在无波期没有波。如表1所示，情况2解剖上中度狭窄的iFR计算的值是0.927，其落在之前研究识别的灰色区域内，不清楚该损伤是否是血液动力学上严重的。
图10示出了解剖上轻微狭窄(情况3)的模拟血流和血压和计算iFR中的结果举例。如图10所示，图1000分别示出了在一个心动周期中狭窄处随时间变化的近侧(主动脉)和远侧主动脉压1002和1004。图1010示出了在该心动周期狭窄处随时间变化的流速1012。图1020示出了在该心动周期中的瞬时冠状阻抗1022。图1030示出了在该心动周期中的瞬时远端压与近端压的比值1032。iFR值是通过计算无波期中平均远端压与平均近端压的比值来计算的。图1040分别示出了在该心动周期中前流和回流波1042和1043的波强。舒张期从4.235秒到4.565秒。无波期从4.317秒到4.515秒。阻抗1022在无波期是恒定的，瞬时远端压与近端压的比值1032在无波期也是相对恒定的。如图1040所示，可以看到在无波期没有波。如表1所示，对于情况3中解剖上轻微狭窄计算的iFR值是0.962，其指示这是一个血液动力学上不严重的损伤。
一旦使用图1中的方法计算一处或多处狭窄的iFR(或其他血液动力学指标)，每处狭窄的计算的iFR和模拟结果可以输出，例如在计算机系统的显示装置上示出。例如，模拟结果可以如图8，9，10示出。在一个可能的实践中，计算的iFR值可以以列表或表格形式简单示出狭窄处的iFR值。在另一个可能的实践中，一个或多个计算的iFR值可以在显示装置上显示的患者的医疗图像上看到。图11示出了在医疗图像上可视化iFR值的一个例子。如图11所示，示出了医疗图像1100，在医疗图像1100上可视化医疗图像特定位置(例如狭窄位置)的相应iFR值1102和1104。在另一个可能的实践中，可以示出沿着血管的选定位置处iFR值的曲线图。图12示出了沿着血管选定位置处iFR曲线图的一个例子。如图12所示，图像1200示出了沿着血管的不同位置1202、1204、1206、1208、1210、1212、1214和1216，在这些位置处使用图1中的方法计算iFR。图像1220示出了基于沿着血管的选定位置1202、1204、1206、1208、1210、1212、1214和1216计算的iFR值而生成的该段长度的血管的计算的iFR曲线图。
如上所述，图1中的方法根据患者的医学图像数据和无创临床测量模拟患者冠状动脉的血流和血压，并计算iFR和/或其他血液动力学指标。在一个可替代的实施方式中，患者主动脉压的测量可以使用压力测量装置，例如压力导丝来有创测量。在这种实施方式中，主动脉压力测量可以在多种不同方法中使用。例如，在一个可能的实践中，在无波期测量的主动脉压可以在iFR计算中使用作为iFR公式的分母。在另一个可能的实践中，测量的主动脉压可以用作血流和血压计算的边界条件。在另一个可能的实践中，测量的主动脉压可以用来识别无波期。这些实施方式不需要像有创iFR测量那样将压力导丝伸到狭窄远端，因此降低了获取的时间并降低了驱逐血小板或穿刺管腔的风险。
虽然如上所述，该方法是用来计算冠状动脉狭窄的血液动力学指标，本发明不限于冠状动脉，也可以类似应用到其他动脉，例如主动脉、肾动脉、脑动脉、髂骨动脉、大动脉等。虽然权利要求1中的方法，在静息状态下模拟和识别无波期，该方法也能类似应用到最大血管舒张或介于静息和最大血管舒张之间的任何其他中间状态获得的无波窗中。当在最大血管舒张应用时，该方法可以用来计算不同的血液动力学指标，例如血流储备分数(FFR)。图1中的方法可以应用到整个心脏周期，或心脏周期的任何子部分(例如整个收缩期或收缩期的一部分，舒张期或舒张期的一部分，或者其组合)。图1中的方法不仅可以用来无创计算基于血压的指标，也可以计算作为冠状压、冠状灌注和/或冠状阻抗合成的其他指标。
如上所述，可以在每个心动周期的结束进行对冠状循环自我调节的算法。然而，本发明不限于此，在不同的实施方式中，对冠状循环自我调节的算法可以在单个心动周期的多个时间点运行(例如收缩期结束时和舒张期结束时)或者只有一定数量的心动周期后。
上述描述的对冠状动脉狭窄的血液动力学指标进行无创计算的方法可以在计算机上执行，使用已知的计算机处理器、存储单元、存储装置、计算机软件和其他组件。图13示出了这种计算机的高层次块状图。计算机1302包括处理器1304，其通过执行定义这种操作的计算机程序指令来控制计算机1302的整体操作。计算机程序指令可以存储在存储装置1312(例如磁盘)中，当需要执行计算机程序指令时下载到记忆存储1310中。因此图1和4的方法的步骤可以由存储在记忆存储1310和/或存储装置1312中的计算机程序限定，并通过处理器1304执行该计算机程序指令来控制。图像获取装置1320，例如CT扫描装置、MR扫描装置、超声装置等可以连接到计算机1302来输入图像数据到计算机1302。可以把图像获取装置1320和计算机1302设为一个装置。图像获取装置1320和计算机1302可以通过网络无线通信。在一个可能的实施方式中，计算机1302可以远离图像获取装置1320，方法步骤可以作为服务器或云端服务的一部分来运行。计算机1302也可以包括一个或多个网络接口1306用来通过网络与其他装置通信。计算机1302也包括其他输入/输出装置1308使得用户能与计算机1302交互(例如显示器、键盘、鼠标、话筒、按钮等)。这些输入/输出装置1308可以与一系列计算机程序一起使用作为注解工具来注解从图像获取装置1320获取到的信息。本领域技术人员能够理解执行实际的计算机也包括其他部件，图13是为说明目的的该计算机部分组件的高层次呈现。
应当理解上面具体实施方式仅仅是在各方面示意性和举例性的，而非限制性的，并且本发明公开的保护范围不由具体实施方式限定，而是由专利法允许的权利要求的最宽范围来限定。应当理解此处展现和描述的实施方式仅是为解释本发明的原理，本领域技术人员可以不偏离本发明范围和精神进行各种改动。本领域技术人员不偏离本发明范围和精神可以进行各种其他特征的合并。
Claims (33)
1.一种基于患者医学图像数据的冠状动脉的血液动力学评价装置，包括：
从患者的医学图像数据中提取患者特定的冠状动脉解剖测量的装置；
基于患者特定的冠状动脉解剖测量计算表示冠状动脉的冠状循环计算模型的患者特定边界条件的装置；
使用冠状循环的计算模型和患者特定的边界条件来模拟冠状动脉的血流和血压的装置；
在冠状动脉的血流和血压的模拟过程中对冠脉自我调节建模的装置，其中，在冠状动脉的血流和血压的模拟过程中对冠脉自我调节建模的装置包括：
基于在冠状动脉狭窄上的模拟血压降低、流过冠状动脉狭窄的模拟血液流速和针对冠状动脉狭窄下游的冠状动脉树中的分支计算的流速分离比，在冠状循环计算模型的在冠状动脉狭窄下游的出口处适配微脉管阻抗的装置；以及
根据模拟的血流和血压计算冠状动脉中的至少一个区域的血液动力学指标的装置。
2.如权利要求1所述的装置，其中，基于在冠状动脉狭窄上的模拟血压降低、流过冠状动脉狭窄的模拟血液流速和针对冠状动脉狭窄下游的冠状动脉树中的分支计算的流速分离比，在冠状循环计算模型的在冠状动脉狭窄下游的出口处适配微脉管阻抗的装置包括如下装置，该装置用于对冠状循环的计算模型中患者的冠状动脉树的多个分支中的每一个，
如果当前分支包括狭窄区域：
从当前分支的等价冠状微脉管阻抗中减去基于模拟的血压和血流值估计的狭窄区域的阻抗计算当前分支的调整阻抗；以及
通过将当前分支的调整阻抗通过当前分支下游的分支分配至下游的终端分支来修改冠状动脉树中的在当前分支下游的所有分支的阻抗。
3.如权利要求2所述的装置，其中，通过将当前分支的调整阻抗通过当前分支下游的分支分配至下游的终端分支来修改冠状动脉树中的在当前分支下游的所有分支的阻抗包括：
基于当前分支的子分支的等价微脉管阻抗计算当前分支的等价阻抗；以及
对当前分支的每个子分支：
基于对于当前分支计算的等价阻抗和对于子分支计算的等价微脉管阻抗计算子分支的流速分离比；以及
基于当前分支的调整阻抗和对于该子分支计算的流速分离比来计算该子分支的调整的等价微脉管阻抗。
4.如权利要求3所述的装置，其中，通过将当前分支的调整阻抗通过当前分支下游的分支分配至下游的终端分支来修改冠状动脉树中的在当前分支下游的所有分支的阻抗进一步包括：
对于当前分支的每个子分支：
将该子分支的调整的等价微脉管阻抗通过该子分支下游的任何分支分配至该子分支下游的终端分支；以及
基于该子分支的调整的等价微脉管阻抗来调整该子分支下游的每个分支的等价微脉管阻抗。
5.如权利要求3所述的装置，其中，通过从当前分支的等价冠状微脉管阻抗中减去基于模拟的血压和血流值估计的狭窄区域的阻抗来计算当前分支的调整阻抗包括：
计算当前分支i的调整阻抗(Rt-current)i为(Rt-current)i＝(Rt-microv)i-((Pin)i-(Pout)i)/Qi，其中，(Rt-microv)i是当前分支的等价微脉管阻抗，((Pin)i-(Pout)i)/Qi是当前分支中的狭窄区域的阻抗，(Pin)i-(Pout)i是当前分支中的狭窄区域上的模拟血压降低，并且Qi是流过当前分支中的狭窄区域的模拟血液流速。
6.如权利要求5所述的装置，其中，基于当前分支的子分支的等价微脉管阻抗计算当前分支的等价阻抗包括：
计算当前分支i的等价阻抗(Rt-downs)i为(Rt-downs)i＝1/∑j1/(Rt-microv)j，其中(Rt-microv)j是当前分支的子分支j的等价微脉管阻抗。
7.如权利要求6所述的装置，其中，基于对于当前分支计算的等价阻抗和对于子分支计算的等价微脉管阻抗计算子分支的流速分离比包括：
计算子分支j的流速分离比φj为φj＝(Rt-downs)i/(Rt-microv)j。
8.如权利要求7所述的装置，其中，基于当前分支的调整阻抗和对于子分支计算的流速分离比计算子分支的调整的等价微脉管阻抗包括：
计算子分支j的调整的等价微脉管阻抗为(Rt-microv)j＝(Rt-current)i/φj。
9.如权利要求1所述的装置，其中，在冠状动脉的血流和血压的模拟过程中对冠脉自我调节建模的装置进一步包括：
在冠状动脉的血流和血压的模拟过程中在多个模拟心动周期中的每个结束时对冠脉自我调节建模的装置。
10.如权利要求1所述的装置，进一步包括：
在冠状动脉的血流和血压的模拟过程中在至少一个模拟的心动周期中识别无波期的装置。
11.如权利要求10所述的装置，其中，在冠状动脉的血流和血压的模拟过程中在至少一个模拟的心动周期中识别无波期的装置包括：
将无波期识别为在该至少一个模拟的心动周期中从进入舒张期的路径中的25％到舒张末端之前5ms的这一段时间的装置。
12.如权利要求10所述的装置，其中，在冠状动脉的血流和血压的模拟过程中在至少一个模拟的心动周期中识别无波期的装置包括：
将无波期识别为在该至少一个模拟的心动周期中从获得模拟血流速度的导数的最大值后250ms开始并持续150ms的时间段的装置。
13.如权利要求10所述的装置，其中，在冠状动脉的血流和血压的模拟过程中在至少一个模拟的心动周期中识别无波期的装置包括：
将无波期识别为在该至少一个模拟的心动周期中从获得最大模拟血压后150ms直到该至少一个模拟的心动周期末端减去50ms的时间段的装置。
14.如权利要求10所述的装置，其中，在冠状动脉的血流和血压的模拟过程中在至少一个模拟的心动周期中识别无波期的装置包括：
将无波期识别为在该至少一个模拟的心动周期中最大模拟血压后的一个时间段的装置，在这个时间段中前流波的标准差在预定的最低百分比内。
15.如权利要求10所述的装置，其中，在冠状动脉的血流和血压的模拟过程中在至少一个模拟的心动周期中识别无波期的装置包括：
将无波期识别为在该至少一个模拟的心动周期中最高血压时间点和该至少一个模拟的心动周期末端之间的中间窗的时间段的装置。
16.如权利要求10所述的装置，其中，在冠状动脉的血流和血压的模拟过程中在至少一个模拟的心动周期中识别无波期的装置包括：
将无波期识别为在该至少一个模拟的心动周期中模拟血流速度的导数低于在该至少一个模拟的心动周期中模拟血流速度的导数的最大值的预定百分比的时间段的装置。
17.如权利要求10所述的装置，其中，根据模拟的血流和血压计算冠状动脉中的至少一个区域的血液动力学指标的装置包括：
基于在该至少一个模拟的心动周期中识别的无波期的模拟血压值计算至少一处狭窄区域的瞬时无波型比率(iFR)的装置。
18.如权利要求17所述的装置，其中，基于在至少一个模拟的心动周期中识别的无波期的模拟血压值计算该至少一处狭窄区域的瞬时无波型比率(iFR)的装置包括：
计算在该至少一个模拟的心动周期中识别的无波期中至少一处狭窄区域处的远端平均模拟血压与该至少一个模拟的心动周期中识别的无波期中主动脉平均模拟血压的比值的装置。
19.如权利要求17所述的装置，其中，患者的医疗图像是在患者的静息状态下获得的，并且使用冠状循环的计算模型和患者特定的边界条件模拟冠状动脉中的血流和血压的装置以及在模拟冠状动脉中的血流和血压的过程中对冠脉自我调节建模的装置包括：
模拟静息状态下冠状动脉中的血流和血压，并且在模拟静息状态下冠状动脉中的血流和血压的过程中对冠脉自我调节建模的装置。
20.如权利要求1所述的装置，进一步包括：
显示患者的医疗图像，并将对于冠状动脉中的至少一个区域计算的血液动力学指标以显示在该医疗图像上的方式可视化的装置。
21.如权利要求1所述的装置，进一步包括：
计算沿冠状动脉的多个位置处的血液动力学指标的装置；以及
基于在该多个位置处计算的血液动力学指标在冠状动脉的长度上显示血液动力学指标图的装置。
22.如权利要求1所述的装置，其中，使用冠状循环的计算模型和患者特定的边界条件来模拟冠状动脉的血流和血压的装置以及在冠状动脉的血流和血压的模拟过程中对冠脉自我调节建模的装置包括：
调整冠状循环的计算模型的至少一个参数使得从模拟的血流和血压得出的模拟测量与患者的无创临床测量值差异最小的装置。
23.如权利要求1所述的装置，其中，使用冠状循环的计算模型和患者特定的边界条件来模拟冠状动脉的血流和血压的装置以及在冠状动脉的血流和血压的模拟过程中对冠脉自我调节建模的装置包括：
调整冠状循环的计算模型的至少一个参数使得基于模拟的血流和血压计算的血液动力学指标与该血液动力学指标的测量值相匹配的装置。
24.如权利要求23所述的装置，其中，调整冠状循环的计算模型的至少一个参数使得基于模拟的血流和血压计算的血液动力学指标与该血液动力学指标的测量值相匹配的装置包括：
调整冠状循环的计算模型的多个出口分支的每个的比例常数来匹配收缩期对舒张期血流的目标比的装置。
25.一种非瞬时计算机可读介质，其存储基于患者医学图像数据进行冠状动脉的血液动力学评价的计算机程序指令，当被处理器执行时，该计算机程序指令使得处理器执行的操作包括：
从患者的医学图像数据中提取患者特定的冠状动脉解剖测量；
基于患者特定的冠状动脉解剖测量计算表示冠状动脉的冠状循环计算模型的患者特定边界条件；
使用冠状循环的计算模型和患者特定的边界条件来模拟冠状动脉的血流和血压，并且在冠状动脉的血流和血压的模拟过程中对冠脉自我调节建模，其中，在冠状动脉的血流和血压的模拟过程中对冠脉自我调节建模包括：
在冠状循环计算模型中，基于在冠状动脉狭窄上的模拟血压降低、流过冠状动脉狭窄的模拟血液流速和针对冠状动脉狭窄下游的冠状动脉树中的分支计算的流速分离比，在冠状循环计算模型的在每处冠状动脉狭窄下游的出口处适配微脉管阻抗；以及
根据模拟的血流和血压计算冠状动脉中的至少一个区域的血液动力学指标。
26.如权利要求25所述的非瞬时计算机可读介质，其中，在冠状循环计算模型中，基于在冠状动脉狭窄上的模拟血压降低、流过冠状动脉狭窄的模拟血液流速和针对冠状动脉狭窄下游的冠状动脉树中的分支计算的流速分离比，在冠状循环计算模型的在每处冠状动脉狭窄下游的出口处适配微脉管阻抗包括，对冠状循环的计算模型中患者的冠状动脉树的多个分支中的每一个，
如果当前分支包括狭窄区域：
通过从当前分支的等价冠状微脉管阻抗中减去基于模拟的血压和血流值估计的狭窄区域的阻抗来计算当前分支的调整阻抗；以及
通过将当前分支的调整阻抗通过当前分支下游的分支分配至当前分支下游的终端分支来修改冠状动脉树的在当前分支下游的所有分支的阻抗。
27.如权利要求26所述的非瞬时计算机可读介质，其中，通过将当前分支的调整阻抗通过当前分支下游的分支分配至下游的终端分支来修改冠状动脉树的在当前分支下游的所有分支的阻抗包括：
基于当前分支的子分支的等价微脉管阻抗计算当前分支的等价阻抗；以及
对当前分支的每个子分支：
基于对于当前分支计算的等价阻抗和对于该子分支计算的等价微脉管阻抗计算该子分支的流速分离比；以及
基于当前分支的调整阻抗和该子分支计算的流速分离比计算该子分支的调整的等价微脉管阻抗。
28.如权利要求27所述的非瞬时计算机可读介质，其中，通过将当前分支的调整阻抗通过当前分支下游的分支分配至当前分支下游的终端分支来修改冠状动脉树的在当前分支下游的所有分支的阻抗进一步包括：
对当前分支的每个子分支：
将该子分支的调整的等价微脉管阻抗通过该子分支下游的任何分支分配至下游的终端分支；以及
基于该子分支的调整的等价微脉管阻抗调整该子分支下游的每个分支的等价微脉管阻抗。
29.如权利要求25所述的非瞬时计算机可读介质，其中，在冠状动脉的血流和血压的模拟过程中对冠脉自我调节建模进一步包括：
在冠状动脉的血流和血压的模拟过程中在多个模拟心动周期中的每个结束时对冠脉自我调节建模。
30.如权利要求25所述的非瞬时计算机可读介质，进一步包括：
在冠状动脉的血流和血压的模拟过程中在至少一个模拟的心动周期中识别无波期。
31.如权利要求30所述的非瞬时计算机可读介质，其中，根据模拟的血流和血压计算冠状动脉中的至少一个区域的血液动力学指标包括：
基于在该至少一个模拟的心动周期中识别的无波期的模拟血压值计算至少一处狭窄区域的瞬时无波型比率(iFR)。
32.如权利要求31所述的非瞬时计算机可读介质，其中，基于在至少一个模拟的心动周期中识别的无波期的模拟血压值计算至少一处狭窄区域的瞬时无波型比率(iFR)包括：
计算在该至少一个模拟的心动周期中识别的无波期中至少一处狭窄区域远端的平均模拟血压与该至少一个模拟的心动周期中识别的无波期中主动脉平均模拟血压的比值。
33.如权利要求31所述的非瞬时计算机可读介质，其中，患者的医疗图像是在患者静息状态下获得，使用冠状循环的计算模型和患者特定的边界条件模拟冠状动脉中的血流和血压，在模拟冠状动脉中的血流和血压的过程中对冠脉自我调节建模包括：
模拟静息状态下冠状动脉中的血流和血压，并且在模拟静息状态下冠状动脉中的血流和血压的过程中对冠脉自我调节建模。
Applications Claiming Priority (4)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| US201461990775P | 2014-05-09 | 2014-05-09 | |
| US61/990,775 | 2014-05-09 | ||
| US14/689,083 | 2015-04-17 | ||
| US14/689,083 US9595089B2 (en) | 2014-05-09 | 2015-04-17 | Method and system for non-invasive computation of hemodynamic indices for coronary artery stenosis |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN105078440A CN105078440A (zh) | 2015-11-25 |
| CN105078440B true CN105078440B (zh) | 2020-06-12 |
Family
ID=53189640
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201510374133.XA Active CN105078440B (zh) | 2014-05-09 | 2015-05-08 | 无创计算冠状动脉狭窄的血液动力学指标的方法和系统 |
Country Status (4)
| Country | Link |
|---|---|
| US (1) | US9595089B2 (zh) |
| EP (1) | EP2942006B1 (zh) |
| CN (1) | CN105078440B (zh) |
| ES (1) | ES2641688T3 (zh) |
Families Citing this family (83)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US9462954B2 (en) * | 2013-09-04 | 2016-10-11 | Siemens Aktiengesellschaft | Method and system for blood flow velocity reconstruction from medical images |
| US9754082B2 (en) | 2014-05-30 | 2017-09-05 | Heartflow, Inc. | Systems and methods for reporting blood flow characteristics |
| US9747525B2 (en) | 2014-06-16 | 2017-08-29 | Siemens Healthcare Gmbh | Method and system for improved hemodynamic computation in coronary arteries |
| US10849511B2 (en) * | 2014-07-14 | 2020-12-01 | Philips Image Guided Therapy Corporation | Devices, systems, and methods for assessment of vessels |
| CN107580470B (zh) * | 2015-01-15 | 2021-06-22 | 皇家飞利浦有限公司 | 瞬时流量储备-计算机断层摄影 |
| WO2016174010A1 (en) * | 2015-04-30 | 2016-11-03 | Koninklijke Philips N.V. | Fractional flow reserve determination |
| WO2016182508A1 (en) | 2015-05-12 | 2016-11-17 | Singapore Health Services Pte Ltd | Medical image processing methods and systems |
| 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 |
| US11071501B2 (en) | 2015-08-14 | 2021-07-27 | Elucid Bioiwaging Inc. | Quantitative imaging for determining time to adverse event (TTE) |
| US11113812B2 (en) | 2015-08-14 | 2021-09-07 | Elucid Bioimaging Inc. | Quantitative imaging for detecting vulnerable plaque |
| 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 |
| US11087459B2 (en) | 2015-08-14 | 2021-08-10 | Elucid Bioimaging Inc. | Quantitative imaging for fractional flow reserve (FFR) |
| US12026868B2 (en) | 2015-08-14 | 2024-07-02 | Elucid Bioimaging Inc. | Quantitative imaging for detecting histopathologically defined plaque erosion non-invasively |
| US11094058B2 (en) | 2015-08-14 | 2021-08-17 | Elucid Bioimaging Inc. | Systems and method for computer-aided phenotyping (CAP) using radiologic images |
| US12008751B2 (en) | 2015-08-14 | 2024-06-11 | Elucid Bioimaging Inc. | Quantitative imaging for detecting histopathologically defined plaque fissure non-invasively |
| CN105512489B (zh) * | 2015-12-10 | 2018-03-30 | 哈尔滨工业大学 | 一种基于多尺度心脏Thimthy综合症发病机制的建模方法 |
| 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 |
| EP3228245B1 (en) * | 2016-04-05 | 2021-05-26 | Siemens Healthcare GmbH | Determining arterial wall property with blood flow model |
| US10971271B2 (en) | 2016-04-12 | 2021-04-06 | Siemens Healthcare Gmbh | Method and system for personalized blood flow modeling based on wearable sensor networks |
| US10674986B2 (en) | 2016-05-13 | 2020-06-09 | General Electric Company | Methods for personalizing blood flow models |
| US11020011B2 (en) * | 2016-07-20 | 2021-06-01 | Cardiac Pacemakers, Inc. | Estimate diastolic pressure |
| WO2018050806A1 (en) * | 2016-09-16 | 2018-03-22 | Koninklijke Philips N.V. | Apparatus and method for determining a fractional flow reserve |
| EP3516558B1 (en) * | 2016-09-23 | 2020-02-26 | Koninklijke Philips N.V. | System and method for assessing outflow tract obstruction of a heart of a subject |
| CN106473731A (zh) * | 2016-10-25 | 2017-03-08 | 北京工业大学 | 基于个性化冠状动脉分支血流量的ffrct计算方法 |
| CN108451540B (zh) * | 2017-02-17 | 2021-08-31 | 深圳先进技术研究院 | 一种血流储备分数测量方法和装置 |
| EP4445835A2 (en) * | 2017-02-24 | 2024-10-16 | HeartFlow, Inc. | Systems and methods for identifying anatomically relevant blood flow characteristics in a patient |
| EP3606421A1 (en) * | 2017-04-06 | 2020-02-12 | Koninklijke Philips N.V. | Coronary artery disease metric based on estimation of myocardial microvascular resistance from ecg signal |
| US10980427B2 (en) * | 2017-06-22 | 2021-04-20 | Dextera Medical | Method and apparatus for full-system, cardiovascular simulation and prediction |
| US10909676B2 (en) | 2017-07-12 | 2021-02-02 | Siemens Healthcare Gmbh | Method and system for clinical decision support with local and remote analytics |
| EP3428925B1 (en) | 2017-07-12 | 2022-06-29 | Siemens Healthcare GmbH | Method and system for clinical decision support with local and remote analytics |
| CN110998744B (zh) | 2017-08-01 | 2024-04-05 | 西门子医疗有限公司 | 针对弥漫性和串联性病变中冠状动脉疾病的非侵入性评估和治疗指导 |
| EP3453326A1 (en) | 2017-09-08 | 2019-03-13 | Koninklijke Philips N.V. | Registration and comparison of measured and simulated intracoronary pullback curves |
| EP3457404A1 (en) * | 2017-09-18 | 2019-03-20 | Koninklijke Philips N.V. | Estimating flow to vessel bifurcations for simulated hemodynamics |
| CN111356406B (zh) | 2017-10-06 | 2024-05-28 | 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 |
| EP3488774A1 (en) | 2017-11-23 | 2019-05-29 | Koninklijke Philips N.V. | Measurement guidance for coronary flow estimation from bernoulli´s principle |
| EP3740131A1 (en) * | 2018-01-18 | 2020-11-25 | Neural Analytics, Inc. | Waveform visualization tool for facilitating medical diagnosis |
| CN112004468B (zh) * | 2018-02-23 | 2023-11-14 | 波士顿科学国际有限公司 | 用连续生理测量值评估脉管的方法 |
| CN108573488B (zh) * | 2018-03-27 | 2021-06-01 | 杭州脉流科技有限公司 | 一种计算瞬时无波形比率的装置 |
| CN108309229B (zh) * | 2018-04-18 | 2019-09-03 | 电子科技大学 | 一种针对眼底图像视网膜血管的层次结构划分方法 |
| US11259871B2 (en) * | 2018-04-26 | 2022-03-01 | Vektor Medical, Inc. | Identify ablation pattern for use in an ablation |
| US12076119B2 (en) | 2018-04-26 | 2024-09-03 | Vektor Medical, Inc. | Bootstrapping a simulation-based electromagnetic output of a different anatomy |
| US11389130B2 (en) | 2018-05-02 | 2022-07-19 | Siemens Healthcare Gmbh | System and methods for fast computation of computed tomography based fractional flow reserve |
| EP3564961A1 (en) | 2018-05-03 | 2019-11-06 | Koninklijke Philips N.V. | Interactive coronary labeling using interventional x-ray images and deep learning |
| US11478162B2 (en) | 2018-05-23 | 2022-10-25 | Acist Medical Systems, Inc. | Flow measurement using image data |
| WO2020000102A1 (en) * | 2018-06-27 | 2020-01-02 | Opsens Inc. | Hybrid image-invasive-pressure hemodynamic function assessment |
| CN109036551B (zh) * | 2018-07-10 | 2021-05-11 | 北京心世纪医疗科技有限公司 | 一种冠状动脉生理学指标关系建立及应用方法、装置 |
| WO2020018858A1 (en) * | 2018-07-20 | 2020-01-23 | University Of Louisville Research Foundation, Inc. | Method and system for assessing a coronary stenosis |
| WO2020022232A1 (ja) * | 2018-07-26 | 2020-01-30 | 学校法人早稲田大学 | 虚血性心疾患の診断支援システム |
| EP3605554A1 (en) * | 2018-08-03 | 2020-02-05 | Koninklijke Philips N.V. | Blood flow measurement based on vessel-map slope |
| KR102094825B1 (ko) | 2018-08-14 | 2020-03-30 | 제주대학교병원 | 중등도 관상동맥 협착의 시술을 위한 iFR 산출을 위한 웨이브-프리 구간의 시작 시점을 산출하는 방법 및 시스템 |
| CN109259751B (zh) * | 2018-08-27 | 2022-03-11 | 杭州晟视科技有限公司 | 一种评估血流储备分数的方法及装置、设备、存储介质 |
| EP3624056B1 (en) | 2018-09-13 | 2021-12-01 | Siemens Healthcare GmbH | Processing image frames of a sequence of cardiac images |
| CN110384493A (zh) * | 2018-09-19 | 2019-10-29 | 苏州润迈德医疗科技有限公司 | 测量微循环阻力指数的系统以及冠脉分析系统 |
| KR20210076165A (ko) | 2018-11-13 | 2021-06-23 | 벡터 메디칼, 인크. | 근원 위치를 가진 이미지의 확대 |
| CN111166316B (zh) * | 2018-11-13 | 2023-03-21 | 苏州润迈德医疗科技有限公司 | 基于造影图像计算造影瞬时无波型比率和造影舒张期压力比率的方法 |
| CN111166315B (zh) * | 2018-11-13 | 2023-03-28 | 苏州润迈德医疗科技有限公司 | 基于造影图像计算瞬时无波型比率和静息态舒张期压力比率的方法 |
| KR20230020329A (ko) * | 2019-01-06 | 2023-02-10 | 코바노스, 인크. | 안정기 이완기 혈역학적 정보의 비침습적 결정 |
| KR20230020886A (ko) * | 2019-01-06 | 2023-02-13 | 코바노스, 인크. | 전자 환자 데이터를 기반으로 한 가상 스트레스 테스트 |
| LT3820357T (lt) * | 2019-01-11 | 2022-10-25 | Hemolens Diagnostics Spólka Z Ograniczona Odpowiedzialnoscia | Pacientui specifinis hemodinaminių parametrų modeliavimas vainikinėse arterijose |
| CN109846500A (zh) * | 2019-03-15 | 2019-06-07 | 浙江大学 | 一种确定冠状动脉血流储备分数的方法和装置 |
| US20220237864A1 (en) * | 2019-06-26 | 2022-07-28 | The Regents Of The University Of California | Reduced order model for computing blood flow dynamics |
| EP3770921A1 (en) * | 2019-07-22 | 2021-01-27 | Tata Consultancy Services Limited | Method and system for pressure autoregulation based synthesizing of photoplethysmogram signal |
| WO2021026125A1 (en) | 2019-08-05 | 2021-02-11 | Elucid Bioimaging Inc. | Combined assessment of morphological and perivascular disease markers |
| CN110353645A (zh) * | 2019-08-19 | 2019-10-22 | 苏州润迈德医疗科技有限公司 | 测量无波形期压力、比率方法、装置、系统及存储介质 |
| KR102130254B1 (ko) * | 2019-10-15 | 2020-07-03 | 주식회사 실리콘사피엔스 | 대상자 고유의 혈관에 대한 혈류 시뮬레이션 방법 및 장치 |
| CN111067494B (zh) * | 2019-12-27 | 2022-04-26 | 西北工业大学 | 基于血流储备分数和血流阻力模型的微循环阻力快速计算方法 |
| US11728040B2 (en) * | 2020-01-29 | 2023-08-15 | Tata Consultancy Services Limited | Neuromodulation based adaptive controller for mitral stenosis |
| US11963743B2 (en) * | 2020-06-22 | 2024-04-23 | Coroventis Research Ab | System and method for determining the microvascular resistance reserve |
| US11633534B2 (en) | 2020-08-18 | 2023-04-25 | Acist Medical Systems, Inc. | Angiogram injections using electrocardiographic synchronization |
| CN112494022A (zh) * | 2020-11-26 | 2021-03-16 | 苏州润迈德医疗科技有限公司 | 获取冠状动脉血管评价参数的方法及存储介质 |
| WO2022136688A1 (en) * | 2020-12-23 | 2022-06-30 | Flowreserve Labs S.L. | Non-invasive method for determining a vessel damage indicator |
| CN113040796B (zh) * | 2021-03-12 | 2022-12-02 | 北京阅影科技有限公司 | 获取冠状动脉功能学指标的方法与装置 |
| WO2022188881A1 (zh) * | 2021-03-12 | 2022-09-15 | 北京阅影科技有限公司 | 无导丝ffr、无导丝imr和无导丝cfr的检测方法 |
| CN113379679B (zh) * | 2021-05-14 | 2023-07-18 | 中国科学院深圳先进技术研究院 | 脑动脉波强度和波功率的测量方法、终端设备及存储介质 |
| EP4099219A1 (en) * | 2021-06-02 | 2022-12-07 | Siemens Healthcare GmbH | Method and device for determining presence of tumor |
| CN114052764B (zh) * | 2021-11-02 | 2024-07-12 | 杭州脉流科技有限公司 | 获取血流储备分数的方法、装置、系统和计算机存储介质 |
| CN116115208B (zh) * | 2022-11-18 | 2024-06-04 | 北京工业大学 | 一种基于物理驱动预测静息冠状动脉微循环阻力的方法 |
| CN116453697B (zh) * | 2022-12-30 | 2023-12-19 | 徐州医科大学 | 基于ffr拟合的冠脉狭窄血流动力学模拟方法及系统 |
| EP4394694A1 (en) * | 2022-12-30 | 2024-07-03 | Siemens Healthineers AG | Determination of hemodynamic indices |
| CN115869003A (zh) * | 2022-12-30 | 2023-03-31 | 杭州脉流科技有限公司 | 基于ct图像的冠状动脉微循环阻力指数计算方法和装置 |
| CN117476238B (zh) * | 2023-11-08 | 2024-05-28 | 中国医学科学院北京协和医院 | 用于评估心肌缺血的计算流体力学仿真分析方法及系统 |
| CN117679059B (zh) * | 2024-02-01 | 2024-04-26 | 北京大学第三医院（北京大学第三临床医学院） | 一种量化功能性血流动力学参数的系统和方法 |
Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103300820A (zh) * | 2012-03-13 | 2013-09-18 | 西门子公司 | 用于冠状动脉狭窄的非侵入性功能评估的方法和系统 |
Family Cites Families (25)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US6236878B1 (en) | 1998-05-22 | 2001-05-22 | Charles A. Taylor | Method for predictive modeling for planning medical interventions and simulating physiological conditions |
| US20070016046A1 (en) * | 2000-09-29 | 2007-01-18 | New Health Sciences, Inc. | Systems and methods for using dynamic vascular assessment to distinguish among vascular states and for investigating intracranial pressure |
| US8180601B2 (en) * | 2006-03-09 | 2012-05-15 | The Cleveland Clinic Foundation | Systems and methods for determining volume of activation for deep brain stimulation |
| 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 |
| 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 |
| US8582854B2 (en) | 2008-09-15 | 2013-11-12 | Siemens Aktiengesellschaft | Method and system for automatic coronary artery detection |
| 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 |
| 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 |
| WO2012126503A1 (en) * | 2011-03-18 | 2012-09-27 | St. Jude Medical Ab | Hemodynamic status assessment |
| US10186056B2 (en) | 2011-03-21 | 2019-01-22 | General Electric Company | System and method for estimating vascular flow using CT imaging |
| US10162932B2 (en) | 2011-11-10 | 2018-12-25 | Siemens Healthcare Gmbh | Method and system for multi-scale anatomical and functional modeling of coronary circulation |
| US10373700B2 (en) | 2012-03-13 | 2019-08-06 | Siemens Healthcare Gmbh | Non-invasive functional assessment of coronary artery stenosis including simulation of hyperemia by changing resting microvascular resistance |
| US9501620B2 (en) * | 2012-03-20 | 2016-11-22 | Oxford University Innovation Limited | Quantification of blood volume flow rates from dynamic angiography data |
| US9247918B2 (en) * | 2012-07-09 | 2016-02-02 | Siemens Aktiengesellschaft | Computation of hemodynamic quantities from angiographic data |
| CA2895777A1 (en) * | 2012-12-21 | 2014-06-26 | Volcano Corporation | Wireless interface devices, systems, and methods for use with intravascular pressure monitoring devices |
| US9700219B2 (en) | 2013-10-17 | 2017-07-11 | Siemens Healthcare Gmbh | Method and system for machine learning based assessment of fractional flow reserve |
| US10130266B2 (en) * | 2014-06-30 | 2018-11-20 | Siemens Healthcare Gmbh | Method and system for prediction of post-stenting hemodynamic metrics for treatment planning of arterial stenosis |
-
2015
- 2015-04-17 US US14/689,083 patent/US9595089B2/en active Active
- 2015-05-07 EP EP15166816.7A patent/EP2942006B1/en active Active
- 2015-05-07 ES ES15166816.7T patent/ES2641688T3/es active Active
- 2015-05-08 CN CN201510374133.XA patent/CN105078440B/zh active Active
Patent Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103300820A (zh) * | 2012-03-13 | 2013-09-18 | 西门子公司 | 用于冠状动脉狭窄的非侵入性功能评估的方法和系统 |
Non-Patent Citations (3)
| Title |
|---|
| Balance between myogenic, flow-dependent, and metabolic flow control in coronary arterial tree: a model study;ANNEMIEK J. M. CORNELISSEN et al;《American Physiological Society》;20020131;第282卷;第H2224-H2237页 * |
| Development and Validation of a New Adenosine-Independent Index of Stenosis Severity From Coronary Wave–Intensity Analysis;Sayan Sen et al;《Journal of the American College of Cardiology》;20120410;第59卷(第15期);第1392-1402页 * |
| Patient-Specific Modeling of Blood Flow and Pressure in Human Coronary Arteries;H. J. KIM et al;《Annals of Biomedical Engineering》;20101031;第38卷(第10期);第3195-3209页 * |
Also Published As
| Publication number | Publication date |
|---|---|
| EP2942006A1 (en) | 2015-11-11 |
| US20150324962A1 (en) | 2015-11-12 |
| EP2942006B1 (en) | 2017-06-28 |
| CN105078440A (zh) | 2015-11-25 |
| ES2641688T3 (es) | 2017-11-13 |
| US9595089B2 (en) | 2017-03-14 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN105078440B (zh) | 无创计算冠状动脉狭窄的血液动力学指标的方法和系统 | |
| US10872698B2 (en) | Method and system for enhancing medical image-based blood flow computations using physiological measurements | |
| US10354744B2 (en) | Non-invasive functional assessment of coronary artery stenosis including simulation of hyperemia by changing resting microvascular resistance | |
| US11887305B1 (en) | Systems and methods for identifying personalized vascular implants from patient-specific anatomic data | |
| CN108294735B (zh) | 用于冠状动脉狭窄的非侵入性功能评估的方法和系统 | |
| CN106659399B (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 | |
| US9629563B2 (en) | Method and system for functional assessment of renal artery stenosis from medical images | |
| US10134129B2 (en) | Method and system for hemodynamic computation in coronary arteries | |
| US10162932B2 (en) | Method and system for multi-scale anatomical and functional modeling of coronary circulation | |
| US10299862B2 (en) | Three-dimensional quantitative heart hemodynamics in medical imaging | |
| US9888968B2 (en) | Method and system for automated therapy planning for arterial stenosis | |
| EP3062248A1 (en) | Method and apparatus for quantitative flow analysis | |
| KR20140138961A (ko) | 휴식 및 충혈 동안 관상동맥 혈류량 계산의 개인화를 위한 프레임워크 | |
| KR20140120235A (ko) | 물질특성에 기반한 전산유체역학 모델링 및 분석 방법 | |
| Lo | Integration of patient-specific myocardial perfusion in CT-based FFR computations |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| C06 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant | ||
| TR01 | Transfer of patent right |
Effective date of registration: 20220124 Address after: Erlangen Patentee after: Siemens Healthineers AG Address before: Munich, Germany Patentee before: SIEMENS AG |
|
| TR01 | Transfer of patent right | ||
| TR01 | Transfer of patent right |
Effective date of registration: 20240903 Address after: German Phu F Haim Patentee after: Siemens Medical AG Country or region after: Germany Address before: Erlangen Patentee before: Siemens Healthineers AG Country or region before: Germany |
|
| TR01 | Transfer of patent right |