CN105194799B - 用于可视化各种起搏条件下心脏变化的系统和方法 - Google Patents

用于可视化各种起搏条件下心脏变化的系统和方法 Download PDF

Info

Publication number
CN105194799B
CN105194799B CN201510469145.0A CN201510469145A CN105194799B CN 105194799 B CN105194799 B CN 105194799B CN 201510469145 A CN201510469145 A CN 201510469145A CN 105194799 B CN105194799 B CN 105194799B
Authority
CN
China
Prior art keywords
patient
cardiac
virtual
pacing
locations
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
CN201510469145.0A
Other languages
English (en)
Other versions
CN105194799A (zh
Inventor
T·曼西
T·帕泽里尼
A·卡门
B·乔治斯库
D·科马尼丘
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.)
Siemens Medical Ag
Original Assignee
Siemens Corp
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 Siemens Corp filed Critical Siemens Corp
Publication of CN105194799A publication Critical patent/CN105194799A/zh
Application granted granted Critical
Publication of CN105194799B publication Critical patent/CN105194799B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T11/00—2D [Two Dimensional] image generation
    • G06T11/60—Editing figures and text; Combining figures or text
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61N—ELECTROTHERAPY; MAGNETOTHERAPY; RADIATION THERAPY; ULTRASOUND THERAPY
    • A61N1/00—Electrotherapy; Circuits therefor
    • A61N1/18—Applying electric currents by contact electrodes
    • A61N1/32—Applying electric currents by contact electrodes alternating or intermittent currents
    • A61N1/36—Applying electric currents by contact electrodes alternating or intermittent currents for stimulation
    • A61N1/362—Heart stimulators
    • A61N1/3627—Heart stimulators for treating a mechanical deficiency of the heart, e.g. congestive heart failure or cardiomyopathy
    • 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
    • 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
    • G06T2207/10—Image acquisition modality
    • G06T2207/10072—Tomographic images
    • G06T2207/10088—Magnetic resonance imaging [MRI]
    • 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
    • G06T2207/10132—Ultrasound 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
    • G06T2210/00—Indexing scheme for image generation or computer graphics
    • G06T2210/41—Medical

Landscapes

  • Health & Medical Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Cardiology (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Biomedical Technology (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Animal Behavior & Ethology (AREA)
  • General Health & Medical Sciences (AREA)
  • Public Health (AREA)
  • Veterinary Medicine (AREA)
  • Radiology & Medical Imaging (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Hospice & Palliative Care (AREA)
  • Computer Graphics (AREA)
  • Software Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Computer Hardware Design (AREA)
  • Electrotherapy Devices (AREA)
  • Geometry (AREA)

Abstract

公开了一种用于可视化各种起搏条件下心脏变化以用于介入规划和指导的系统和方法。基于患者的医学图像数据来生成患者特定解剖心脏模型。基于患者特定解剖心脏模型来生成心脏功能的患者特定计算模型。使用心脏功能的患者特定计算模型来在患者特定解剖心脏模型上的多个位置中的每个位置处执行虚拟介入以计算由于多个位置中的每个位置处所执行的虚拟介入而产生的一个或多个心脏参数。生成在患者特定解剖心脏模型上的多个位置中的每个位置处对针对由于患者特定解剖心脏模型上的该位置处所执行的虚拟介入而产生的一个或多个心脏参数的最优值进行可视化的一个或多个结果图。

Description

用于可视化各种起搏条件下心脏变化的系统和方法
本申请要求2014年6月24日提交的美国临时申请No.62/016,220的权益，其公开内容通过整体引用合并于此。
技术领域
本发明涉及可视化电起搏对患者心脏功能的影响，并且更特别地涉及针对各种起搏位置和协议自动计算心脏参数以及可视化由各种起搏位置和协议导致的心脏变化，以指导用于介入治疗的导联布置(lead placement)。
背景技术
心力衰竭是西方世界中死亡的主要原因。由于心脏功能不足，心力衰竭导致呼吸困难和疲劳，并且还可能导致心脏停搏。对于具有延长的QRS-复波(例如，QRS＞120ms)和低左心室射血分数(ejection fraction)的患者而言，心脏再同步治疗(CRT)是得到确认(well-established)的疗法。CRT包括心脏内的植入电极以人工地起搏肌肉并“再同步”心脏收缩。理念是以给定的起搏间隔在右心室(RV)心内膜和左心室(LV)心外膜处起搏心肌，以便再同步心脏运动并因此重建心脏的泵送效率。然而，尽管有严格的指导方针，30％的患者却对CRT没有响应。因此，期望用于CRT的更好的患者选择和朝起搏导联的最优位置的改进的指导。
发明内容
本发明提供了一种用于可视化各种起搏条件下心脏变化以便指导介入治疗中的导联布置的方法和系统。本发明的实施例利用心脏电力学(electro-mechanics)的患者特定计算模型来针对各种起搏位置和各种起搏协议来计算心脏参数，并且在能够覆盖在用于导联布置指导的介入图像上的患者特定心脏网格上对结果进行可视化。本发明的实施例生成结果图，其针对各种起搏位置和协议来将心脏参数可视化为彩色网格。
在本发明的一个实施例中，基于患者的医学图像数据生成患者特定解剖心脏模型。基于患者特定解剖心脏模型来生成心脏功能的患者特定计算模型。通过使用心脏功能的患者特定计算模型来在患者特定解剖心脏模型上的多个位置中的每个位置处执行虚拟介入，以计算由于在多个位置中的每个位置处执行的虚拟介入而产生的一个或多个心脏参数。生成一个或多个结果图，该结果图在患者特定解剖心脏模型上的多个位置中的每个位置处，将针对由于在患者特定解剖心脏模型上的该位置处所执行的虚拟介入而产生的一个或多个心脏参数的最优值进行可视化。
在本发明的另一实施例中，基于患者的医学图像数据来生成目标器官的患者特定解剖模型。基于目标器官的患者特定解剖模型来生成器官功能的患者特定计算模型。通过使用器官功能的患者特定计算模型来在目标器官的患者特定解剖模型上的多个位置中的每个位置处执行虚拟介入，以计算由于在多个位置中的每个位置处执行的虚拟介入而产生的一个或多个结果参数。生成一个或多个结果图，该结果图在目标器官的患者特定解剖模型上的多个位置中的每个位置处，将针对由于在目标器官的患者特定解剖模型上的该位置处所执行的虚拟介入而产生的一个或多个结果参数的最优值进行可视化。
通过参考下面的详细描述和附图，本发明的这些以及其他优点将对于本领域普通技术人员而言是显而易见的。
附图说明
图1图示了用于心脏再同步治疗(CRT)的示例性导联配置；
图2图示了根据本发明的实施例的用于指导心脏介入治疗的方法；
图3图示了根据本发明的实施例的计算心脏模型的详细框架；
图4图示了生成患者特定解剖心脏模型的示例性结果；
图5图示了交互式虚拟CRT的示例；
图6图示了针对QRS持续时间和电轴心脏参数的示例性仅左心室(LV)结果图；
图7图示了针对LV的示例性2D展开结果图；
图8图示了覆盖在介入图像上的示例性结果图；以及
图9是能够实现本发明的计算机的高级别框图。
具体实施方式
本发明涉及可视化各种起搏条件下的心脏变化以便指导介入治疗中的导联布置。本文描述本发明的实施例以给出对用于可视化心脏变化以及指导介入治疗的方法的直观理解。数字图像通常由一个或多个对象(或形状)的数字表示构成。对象的数字表示在本文通常在识别和操纵该对象方面来描述。这种操纵是在计算机系统的存储器或其他电路/硬件中完成的虚拟操纵。因此，要理解的是，可以使用存储在计算机系统内或通过网络系统可得的数据来在计算机系统内执行本发明的实施例。
心脏再同步治疗(CRT)涉及布置高级起搏器以在右心室(RV)心内膜和左心室(LV)心外膜处以给定的起搏间隔来起搏心肌，从而再同步心脏运动并因此重建心脏的泵送效率。CRT是针对心力衰竭的得到确认的治疗。图1图示了用于CRT的示例性导联配置，包括LV导联、RV导联和左心房(LA)导联。
图2图示了根据本发明实施例的用于指导心脏介入治疗的方法。图2的方法在本文被描述用于指导CRT，但是本发明并不限于此，并且图2的方法可以被类似地应用于针对心脏心律失常的消融疗法或者心脏的一个或多个特定位置处所应用的任意其他心脏介入过程。此外，图2的方法可以也被类似地应用于通过使用针对其他器官的计算模型(例如，肝脏热容)而在其他器官中的特定位置处所执行的介入治疗(例如，肝脏肿瘤消融治疗)。如图2中所图示的，在步骤202处，接收患者的临床数据和医学图像数据。临床数据可以包括诸如ECG的电生理学数据和/或诸如侵入式导管测量结果或压力袖带测量结果的压力数据。医学图像数据可以是在至少一个完整的心搏周期(heart cycle)上获取的3D医学图像序列。在本发明的有益实施例中，医学图像可以是MRI图像、CT图像和/或超声图像，但是本发明不必限于这些成像模态。医学图像可以直接从医学成像设备来接收，医学成像设备诸如是MR、CT或超声扫描器，或者医学图像可通过加载所存储的患者医学图像来接收。
在步骤204处，基于患者的医学图像和临床数据来生成患者特定计算心脏模型。通过求解逆问题以调整计算心脏模型的参数来生成患者特定计算心脏模型，使得由患者特定计算心脏模型所输出的诸如心脏运动、射血分数等的模拟参数匹配针对患者所观察到的临床数据和医学图像。
图3图示了根据本发明实施例的计算心脏模型的详细框架。如图3中所图示的，患者特定心脏模型包括表示心脏解剖结构、心脏电生理学、心脏生物力学、和心脏血液动力学的四个主要模型。这些模型如下被连接。从心脏的医学图像302(MRI、CT、超声)开始，在步骤310处，生成患者心脏的详细患者特定解剖模型312。在一个示例性实施例中，仅生成两个心室的详细解剖模型，但是本发明并不限于此。动脉和心房被建模为系统的边界条件。解剖模型312包括两心室几何结构、肌细胞纤维的取向、以及在空间上变化的任何信息，诸如动作电位持续时间、创伤等。然后给出解剖模型312作为对心脏模型子系统的输入(步骤320)，该心脏模型子系统将根据三个主要的子部分：心脏电生理学模型322、心脏生物力学模型324和心脏血液动力学模型326，来计算随时间的心肌运动。这些心脏功能模型中的每一个模型都能够通过使用逆问题方法和全部可用的术前数据而被拟合至患者数据，该术前数据诸如是动态图像306、ECG 304、侵入式压力测量结果308等。因此，模拟参数330匹配临床观测结果。一旦模型被个性化，诸如CRT的心脏治疗能够例如通过在各种位置处对模型起搏而被模拟。根据模拟来计算临床参数以量化对于治疗的预测患者响应。取决于应用，模型可以包括上面提到的子部分中的一个、若干个或全部。
在示例性实施例中，为了生成患者特定解剖模型312，从医学图像提取左心室(LV)和右心室(RV)的解剖模型。虽然有可能针对所有的心腔来提取模型，在有益实施例中，仅明确建模LV和RV的几何结构。如果应用的目标在于心房的解剖结构，能够分割至少一个心房并将其用作计算域。对于LV和RV中的每一个，心腔分割能够阐述为两步学习问题：解剖结构定位和边界描绘。边缘空间学习(MSL)可以被用于将机器学习应用于3D对象检测。MSL的理念并不是在相似性变换的全部参数空间内直接学习单片分类器，而是在边缘空间上递增地学习分类器。特别地，对每个心腔的检测能够被分成三个问题：位置估计、位置-取向估计、和位置-取向-标度估计。针对这些估计问题中的每一个，基于带注释的训练数据来训练单独的分类器。较低维度边缘空间中的分类器被用于有效地剪除搜索空间。这一对象定位阶段导致对象(例如，心腔)的经估计的变换(位置、取向和标度)。在自动对象定位之后，对象的平均形状模型与经估计的变换对准以获得对象形状的粗略估计。然后使用主动形状模型(ASM)和基于机器学习的边界检测器来对形状进行局部变形以拟合对象边界。有关基于MSL的心腔分割的附加细节在2011年3月29日发布的、且标题为“System and Method forSegmenting Chambers of a Heart in a Three Dimensional Image”的美国专利No.7,916,919、美国公开专利申请No.2010/0040272、以及美国公开专利申请No.2012/0022843中被描述，这些专利通过引用合并于此。
然后，将患者特定LV和RV模型融合到两心室心肌的单个解剖模型中。特别地，LV和RV解剖结构被融合到单个容积网格表示中，在该单个容积网格表示上根据底层解剖结构来将顶点标记到表面区域中。根据有益的实现方式，四面体元素能够被用于精确地表示两心室解剖结构的细节。然后将空间信息映射到两心室心肌的解剖模型上。诸如创伤、边界区域、和纤维化的空间信息可以在诸如后期增强MRI的图像中被识别。例如，空间信息可以通过使用经训练的分类器来自动识别或者可以由临床医生手动识别。空间信息被映射到表示两心室心肌的四面体网格上。这一信息对于模拟围绕创伤的电波是重要的，特别是对于波-再入(wave-reentry)评估和准确捕获由于不健康机能(ill-functioning)或死细胞而受损的心脏力学结构。
可以基于患者特定几何结构来自动计算纤维取向模型。在有益的实现方式中，可以使用基于规则的方法来自动计算纤维取向模型。计算包括纤维和纤维片层的心肌纤维架构的通用模型。遵循基于规则的策略来生成纤维架构，以覆盖从顶点到瓣膜的整个两心室心肌。在使用解剖模型的初始三角测量的点对应性所自动识别的基面下方，纤维仰角α(即相对于短轴平面的角度)跨过心肌而线性变化，例如从心外膜上-70到心内膜上+70(可以由用户定义的值)。类似地，由相对于外透壁轴的角度β所定义的片层方向透壁地变化，例如，从心外膜上+45到心内膜上-45(可以由用户定义的值)。基于由小面标记所识别的到心内膜和心外膜的测地距离，针对容积两心室心肌网格的在顶点和基面之间的每一点计算α和β：α＝(depiαendo+dendoαepi)/(dendo+depi)，其中depi、dendo、αepi、和αendo分别是心内膜和心外膜处的距离和角度。然后，围绕每个瓣膜确定纤维和片层取向。特别地，纤维纵向围绕主动脉瓣，并且切向围绕二尖瓣、三尖瓣、和肺动脉瓣，以及片层法线被定向为朝向瓣膜的重心。然后，将局部标准正交基从基面插值到瓣膜，首先通过沿着心肌表面，然后遍及心肌厚度。有关生成患者特定解剖心脏模型的附加细节在美国公开专利申请No.2013/0197881和美国公开专利申请No.2015/0042464中被描述，这些专利通过引用全文合并于此。在另一实施例中，使用MRI扩散张量(diffusion tensor)成像在患者体内直接测量纤维。在另一实施例中，可以采用心脏纤维的图集。图4图示了生成患者特定解剖心脏模型的示例性结果。如图4中所图示的，图像400示出了分割结果，以用于在医学图像中分割左心室和右心室，图像410示出了融合到单个容积网格中的LV和RV，以及图像420示出了添加到容积网格的纤维取向模型。
一旦从患者的医学图像数据生成患者特定解剖模型312，就使用患者特定解剖模型312作为输入通过确定用于心脏电生理学模型322、心脏生物力学模型324、和心脏血液动力学模型326的患者特定参数，来生成患者特定计算心脏模型320。
需要模拟的第一生物物理现象是心脏电生理学(322)，引起其命令心脏收缩。根据示例性实施例，心脏电生理学模型322能够通过使用用于电生理学的Lattice-Boltzmann方法(LBM-EP)来计算在患者特定解剖模型的每个节点处的一定时间段内的动作电位。在示例性实施例中，Mitchell-Schaeffer细胞模型可以被用作模型保真度和复杂度之间的折衷，但是也可以采用其他细胞模型。能够基于拟合所测量的患者电生理数据，通过求解逆问题来估计心脏电生理学模型的患者特定参数，诸如患者特定解剖模型的每个节点处的电扩散率和动作电位持续时间。例如，能够使用患者的ECG测量结果、侵入式心内膜映射、或者体表映射来使心脏电生理学模型的参数个性化。有关心脏电生理学模型和估计心脏电生理学模型的患者特定参数的附加细节在美国公开专利申请No.2013/0226542和美国公开专利申请No.2015/0042646中被描述，这些专利通过引用全文合并于此。
心脏血液动力学模型326可以通过使用心室内压的集总模型来计算一定时间段内的心脏血液流量和压力，该心室内压根据动脉顺应性和心房收缩而变化。3-元素Windkessel(WK)模型可以被用作动脉顺应性模型。可以够通过根据从医学图像(例如，多普勒超声或2D/4D PC-MRI)测量的患者流量和压力数据、袖带压力测量结果、或侵入式压力导管测量结果估计患者特定动脉顺应性参数(例如，动脉顺应性的WK模型的患者特定参数)，来使心脏血液动力学模型个性化。有关心脏血液动力学模型和估计心脏血液动力学模型的患者特定参数的附加细节在美国公开专利申请No.2013/0197881中被描述，该专利通过引用全文合并于此。
心脏生物力学模型324基于由心脏电生理学模型322模拟的电生理学以及由心脏血液动力学模型326模拟的血液流量和压力来模拟一定时间段内心腔的运动。心脏生物力学模型324能够通过使用有限元方法求解动力学等式来计算心脏的运动。ü、u分别表示节点加速度、速率和位移。M、K和C分别是质量、硬度和Rayleigh阻尼矩阵。根据心脏血液动力学模型计算压力fp。有效应力fa由肌细胞生成并且通过使用肌细胞收缩的现象模型来计算，该肌细胞收缩的现象模型主要由最大有效应力参数o′0来支配。边界条件fb通过回弹(springs)和心包约束来捕获瓣膜平面处的心脏附着。尤其，可以使用由应力-应变能量定义的正交各向异性Holzapfel-Ogden(HO)本构定律：
下标f和s表示纤维和片层方向，I1、I4{f，s}和I8fs是形变张量的不变量，以及a、b、a{f，s，fs}和b{f，s，fs}是患者特定组织参数。可以根据用于有效计算的乘法雅可比能量分解(MJED)方程或者拉格朗日总显式动力学(TLED)方法来求解等式1。可以通过使用逆问题技术，基于患者的医学图像中所观测的心脏运动，通过估计患者特定生物力学组织参数(例如，硬度和最大有效应力)，来使心脏生物力学模型324个性化。
如本文所描述且如图3所图示的，心脏功能的患者特定计算模型(320)包括个性化心脏电生理学模型322、个性化心脏血液动力学模型326、和个性化心脏生物力学模型324。要理解的是，这些模型是模块化的，并且在本发明的各种实施例中，可以使用这些模型的不同组合。例如，图2的方法可以仅使用电生理学模型或与生物力学模型相耦合的电生理学模型来实现，而不是图3中所示的完全的计算心脏模型320。用于确定最优导联布置和起搏协议的模拟心脏参数(例如，射血分数、QRS持续时间、QT持续时间等)可基于使用计算心脏模型的哪些组成部分而变化。
如上所述，基于患者的医学图像数据和临床数据，使用逆建模来使计算心脏模型320的组成部分(心脏电生理学模型322、心脏血液动力学模型326、和心脏生物力学模型324)个性化。根据可替代实施例，机器学习技术可以被用于直接根据医学图像数据和临床数据估计个性化模型参数。另外，可以使用介入过程期间所获得的介入信息(例如，EP数据、压力测量结果、消融区域等)来更新计算心脏模型的组成部分。在这种情况下，可以使用用于更精细指导的已更新的计算心脏模型来对步骤206和208中使用计算心脏模型所生成的结果图进行再生成。
返回到图2，在步骤206处，使用多个导联位置和起搏协议来执行虚拟CRT。基于心脏功能的患者特定计算模型，通过将LV和RV导联置于网格模型(即，患者特定解剖模型)上并遵循给定的起搏协议将电刺激施加在这些位置处，来执行虚拟CRT。起搏协议是控制各种导联处的起搏的一组参数。在示例性实现方式中，起搏协议包括每次起搏的频率、LV和RV起搏之间的间隔、以及第一起搏导联和自发去极化之间的间隔。起搏协议可以遵循CRT设备(DDD、DDT等)的标准术语来输入，或者可以由用户自由设置。也可以使设备库与它们的可用协议一起可用，该可用协议在制造商说明书中列出以便于使用。将电刺激为心脏电生理学模型中的附加局部化电流而施加。然后，重新计算整个患者特定心脏计算模型(例如，心脏电生理学、心脏血液动力学、和心脏生物力学)，以便模拟在多个时间范围(time frame)内的心脏功能，并且从计算模型得出心脏功能的参数，诸如QRS持续时间、电轴、QT持续时间、射血分数、搏出量(stroke volume)、和心肌应变。
虚拟CRT可以被交互式执行。在这种情形中，用户在3D解剖心脏模型上选择LV导联和RV导联的位置以及起搏协议(例如，使用用户输入设备，诸如鼠标、触摸屏等)，并且对计算心脏模型进行重新计算以模拟输入起搏条件下的心脏功能。计算心脏电生理学、心电图(ECG)、心脏运动、和心脏血液动力学中的变化并将其显示给用户。图5图示了交互式虚拟CRT的示例。如图5中所图示的，图像500示出了患者特定解剖心脏模型506中由用户交互式输入的LV导联位置502和RV导联位置504，以及图像510示出了使用输入LV和RV导联位置502和504所执行的虚拟CRT中由患者特定计算心脏模型所计算出的ECG。
虽然虚拟CRT可以被交互式执行，在本发明的有益实施例中，使用每个起搏位置处的一个或多个起搏协议来在多个起搏位置处针对起搏导联自动执行虚拟CRT，以便自动生成结果图，所述结果图可视化针对CRT的最优结果，以便指导CRT过程中的导联布置。在有益的实现方式中，该方法在一系列LV和RV位置配置上自动迭代虚拟CRT模拟，并且在一系列起搏协议上针对每个导联位置配置自动迭代虚拟CRT模拟，以便在每个导联位置配置处计算由于每个起搏协议而产生的急性心脏参数(例如，QRS持续时间、QT持续时间、射血分数、搏出量等)。例如，虚拟CRT可以在患者特定解剖模型中的LV和RV上的所有点上被迭代。在可能的实现方式中，LV导联位置和RV导联位置中的一个可以变化，而另一个被固定，以便独立地找到最优LV和RV起搏位置。在另一可能的实现方式中，LV导联位置和RV导联位置均可以变化，使得通过使用每个起搏协议针对LV和RV导联位置的所有可能组合来执行虚拟CRT。虽然该方法在本文中被描述为使用多个起搏协议，还可能的是使用单个起搏协议并且导联位置针对该单个起搏协议变化。
返回到图2，在步骤208处，基于虚拟CRT来生成结果图。结果图基于由于虚拟CRT模拟而产生的一个或多个心脏参数来可视化针对导联布置的最优结果。结果图可以被用于规划CRT过程或者指导临床医生朝向CRT过程中的最优导联位置。
在示例性实施例中，可以生成仅LV结果图和仅RV结果图，并将其分别用于指导针对LV和RV导联的导联布置。仅LV结果图可以如下来生成：令XRV为固定RV导联位置。对于LV导联的每个可能位置，XLV，在LV心外膜和LV心内膜处，使用每个起搏协议Pj来计算心脏功能(例如，电生理学、血液动力学、和生物力学)和心脏参数θ＝[θ1，θ2，…，θn](例如，θ1＝QRS持续时间，θ2＝QT持续时间，θ3＝射血分数)。虽然在上述示例中使用了QRS持续时间、QT持续时间和射血分数的心脏参数，但本发明并不限于此，并且也可以使用其他心脏参数，诸如电轴、搏出量、心肌应变等。在3D网格(即，患者特定解剖模型)上的每个位置XLV处，针对每个心脏参数报告最优θi和产生最优θi的相关联的起搏协议Pj。可以基于临床知识来定义针对每个心脏参数的最优值。例如，针对QRS持续时间的最优值可以是最小QRS值，以及针对射血分数的最优值可以是最大射血分数。针对每个心脏参数的最优值也可以由用户来设置。在示例性实施例中，给定起搏协议，通过对3D网格上的每个LV点分配颜色来表示在该点中针对心脏参数θi的最优结果值，针对每个心脏参数θi生成相应的结果图。这导致了相应的图，其可视化最优LV导联布置以实现针对每个心脏参数的最佳可能值。对于每个心脏参数θi，也可以生成相应的结果图以可视化在3D网格上的每个LV位置处与最优心脏参数值相关联的起搏协议Pj。例如，可以分配各种颜色来表示各种可能的起搏协议，使得分配至3D网格上每个LV点的颜色表示产生针对心脏参数的最优值的起搏协议。因此，可以生成2×n个结果图来可视化针对n个心脏参数中的每个心脏参数的最优心脏参数值和最优起搏协议。每个图可以按需单独地显示或者在若干视窗上同时地显示(例如，在计算机系统的显示设备上)。可以类似于仅LV结果图，通过固定LV导联位置XLV，改变RV导联位置XRV，以及使用每个起搏协议计算每个RV导联位置XRV处的心脏参数和心脏功能，来生成仅RV结果图。
在另一实施例中，可以通过改变LV导联位置和RV导联位置两者来生成双导联结果图。双导联结果图可以如下来生成。对于LV心外膜和心内膜上的每一个XLV导联位置，可以改变RV导联位置，以及对于每个XRV，针对所有可用的起搏协议P计算参数θ。在每个LV点XLV处，报告最优参数值(对于每个心脏参数)和相关联的RV导联位置XRV以及产生最优参数值的起搏协议Pj。所有图可以被同时显示。可替代地，用户可以特别地显示与一个参数θi相关的图并按照针对该参数的最优结果来获得最优LV导联位置XLV、相关联的RV导联位置、以及相关联的起搏协议。双导联协议可以被延伸到多导联过程，以便指导利用具有附加导联的设备的导联布置。
图6图示了针对QRS持续时间和电轴心脏参数的示意性仅LV结果图。使用固定起搏协议生成图6中的结果图。如图6中所图示的，图像600示出了结果图，其表示最优QRS如何针对给定的起搏协议基于LV导联位置而变化。图像610示出了结果图，其表示最优电轴如何针对给定的起搏协议基于LV导联位置而变化。可以针对由心脏功能的患者特定计算模型计算出的其他心脏参数获得类似的图。
如上所述，可以使用3D彩色图来生成结果图。在另一可能的实施例中，结果图可以被显示为平面2D靶心图(bull′s-eye plot)。在这种情形中，针对特定结果图从3D网格计算极坐标图并将其用于绘制对应的靶心图。在另一可能实施例中，可以在LV上所采样的多个点上测试不同的协议，并且可以将结果映射在正方形上，就如同LV被“展开”一样。图7图示了针对LV的示例性2D展开结果图700。结果图700将LV的采样点在水平轴上从下部(前)到后部(后)的方向和在垂直轴上从LV顶点到LV底部的方向进行布置。结果图700的每一点的颜色表示该导联位置处针对以70ms的LV起搏的电轴值。类似的图可以针对每个起搏协议和/或每个心脏参数来显示。
如上所述，虚拟CRT在患者特定解剖心脏模型上的每个可能的LV导联位置和/或每个可能的RV导联位置处被执行。在可替代实施例中，可以测试节点的仅一个子集并且可以使用插值方法来基于在该子集节点中的每一节点处计算出的最优心脏参数来生成结果图。线性、非线性或者稀疏插值方法可以被用于执行插值。
返回到图2，在步骤210处，结果图被覆盖在介入过程中的介入图像上。可以在介入过程之前使用术前医学图像数据来自动离线计算步骤208中生成的3D结果图，或者如果心脏的介入式3D成像(例如，MRI，超声，DynaCT)可用的话可以在线计算步骤208中生成的3D结果图。然后，可以使用标准配准技术将3D结果图与使用介入式成像系统(例如，血管造影系统、介入式MRI、EP映射系统、或超声)获取的介入图像配准。这种配准能够在介入过程期间实时或者接近实时地执行。通过将一个或多个3D结果图覆盖在介入图像上，导联和导管连同结果图一起被可视化，这使得用户能够将具有最优结果的区域定目标为通过使用患者特定计算模型所执行的虚拟介入而识别的。图8图示了覆盖在介入图像上的示例性结果图。如图8中所示，QRS结果图800被覆盖在示出了CRT导联802和804的血管造影片上。还可以覆盖冠状动脉的患者特定模型。冠状动脉模型可以从术前CT扫描或术中图像(诸如DynaCT)获得。
图2的方法可以类似地被应用于心脏消融治疗。在3D心脏网格的每个位置处，执行虚拟消融并使用心脏功能的患者特定计算模型来重新计算心脏参数。可以在每个位置处执行使用各种消融协议的虚拟消融。然后，如上所述地生成结果图并且可以将其用于指导心脏消融治疗。
本发明的实施例可以被类似地应用于其他器官(例如，肝脏)，例如在腹部肿瘤消融治疗的情形中。生成器官的患者特定解剖模型(网格)并且针对网格的每个点，施加虚拟消融并计算结果参数。可以生成针对器官的热扩散的患者特定计算模型并将其用于执行虚拟消融。例如，肝脏热扩散的计算模型在美国公开No.2014/0136174和国际公开No.WO/2014/133924A1中被描述，其公开内容通过引用全文合并于此。结果参数可以包括诸如复发风险、病变覆盖、温度等的参数。得到的结果图然后可以被覆盖在介入图像上以指导消融过程。
虽然上面描述了两心室解剖心脏模型，本发明的实施例也可以通过对包括全部四个心腔的整个心脏建模来实现。例如，这可以允许对CRT的更精确建模。
在可能的实施例中，图2的方法可以通过使用基于云的系统来实现，以生成结果图。在该实施例中，执行虚拟介入并计算结果图所需的计算可以被分布在云系统上。在特定的实现方式中，仅网格、计算模型和结果图参数需要进行分布，因而确保了私有性和数据安全性。
用于可视化各种起搏条件下的心脏变化以及指导介入过程的上述方法可以通过使用公知的计算机处理器、存储器单元、存储设备、计算机软件、以及其他组件来在计算机上实现。这种计算机的高级别框图在图9中被图示。计算机902包含处理器904，其通过执行定义计算机902的总体操作的计算机程序指令来控制计算机902的总体操作。计算机程序指令可以被存储在存储设备912(例如，磁盘)中并且当期望执行计算机程序指令时被加载到存储器910中。因而，图2和3的方法的步骤可以由存储在存储器910和/或存储设备912中的计算机程序指令来定义，并且由执行该计算机程序指令的处理器904来控制。诸如CT扫描设备、C臂图像获取设备、MR扫描设备、超声设备等的图像获取设备920可以被连接至计算机902，以向计算机902输入图像数据。有可能将图像获取设备920和计算机902作为一个设备来实现。还有可能使图像获取设备920和计算机902通过网络进行无线通信。在可能的实施例中，计算机902相对于图像获取设备920被远程定位并且可以作为服务器或基于云的服务的一部分来执行该方法步骤。计算机902还包括一个或多个网络接口906，以用于经由网络与其他设备相通信。计算机902还包括其他输入/输出设备908(例如，显示器、键盘、鼠标、扬声器、按钮等)，其使得用户能够与计算机902相交互。这些输入/输出设备908可以与一组计算机程序相结合地使用，作为注释工具以对从图像获取设备920接收的容量(volume)进行注释。本领域技术人员将认识到，实际计算机的实现方式也可以包括其他组件，并且图9是这种计算机的一些组件的高级别表示，以用于说明目的。
可以使用以客户端-服务器关系操作的计算机来实现用于医学图像合成的上述方法。典型地，在这种系统中，客户端计算机远离服务器计算机定位并经由网络进行交互。客户端-服务器关系可以由在相应客户端和服务器计算机上运行的计算机程序来定义和控制。
上面的详细描述将被理解为在每个方面都是说明性和示例性的，而并非限制性的，并且本文公开的发明的范围并不从该详细描述来确定，而是从根据专利法所准许的完整宽度所解释的权利要求来确定。要理解的是，本文所示和描述的实施例仅说明了本发明的原理，并且在不背离本发明的范围和精神的情况下，本领域技术人员可以实现各种修改。在不背离本发明的范围和精神的情况下，本领域技术人员可以实现各种其他特征组合。

Claims (40)

1.一种用于指导心脏介入的方法，包括：
基于患者的医学图像数据来生成患者特定解剖心脏模型；
基于患者特定解剖心脏模型来生成心脏功能的患者特定计算模型；
使用心脏功能的患者特定计算模型来在患者特定解剖心脏模型上的多个位置中的每个位置处执行虚拟介入，以计算由于多个位置中的每个位置处所执行的虚拟介入而产生的一个或多个心脏参数；
生成在患者特定解剖心脏模型上的多个位置中的每个位置处对针对由于患者特定解剖心脏模型上的该位置处所执行的虚拟介入而产生的一个或多个心脏参数的最优值进行可视化的一个或多个结果图；以及
将所述一个或多个结果图中的至少一个结果图覆盖在介入过程期间所获取的介入图像上，其中使用标准配准技术将所述结果图与所述介入图像配准。
2.根据权利要求1 所述的方法，还包括：
在显示设备上显示所述一个或多个结果图。
3.根据权利要求1所述的方法，还包括：
将所述一个或多个结果图中的至少一个结果图与冠状动脉的患者特定模型相融合。
4.根据权利要求1的方法，其中使用心脏功能的患者特定计算模型来在患者特定解剖心脏模型上的多个位置中的每个位置处执行虚拟介入以计算由于多个位置中的每个位置处所执行的虚拟介入而产生的一个或多个心脏参数包括：
使用心脏功能的患者特定计算模型来对于一个或多个电起搏导联针对患者特定解剖心脏模型上的多个导联位置中的每个导联位置执行虚拟起搏，以计算由于多个导联位置中的每个导联位置处所执行的虚拟起搏而产生的一个或多个心脏参数。
5.根据权利要求4所述的方法，其中使用心脏功能的患者特定计算模型来对于一个或多个电起搏导联针对患者特定解剖心脏模型上的多个导联位置中的每个导联位置执行虚拟起搏以计算由于多个导联位置中的每个导联位置处所执行的虚拟起搏而产生的一个或多个心脏参数包括：
针对多个导联位置中的每个导联位置，使用多个起搏协议来执行虚拟起搏。
6.根据权利要求5所述的方法，其中生成在患者特定解剖心脏模型上的多个位置中的每个位置处对针对由于患者特定解剖心脏模型上的该位置处所执行的虚拟介入而产生的一个或多个心脏参数的最优值进行可视化的一个或多个结果图包括：
针对每个心脏参数，生成对针对由于使用多个起搏协议的在多个导联位置中的每个导联位置处的虚拟起搏而产生的多个导联位置中的每个导联位置处的心脏参数的最优值进行可视化的相应结果图。
7.根据权利要求6所述的方法，其中生成在患者特定解剖心脏模型上的多个位置中的每个位置处对针对由于患者特定解剖心脏模型上的该位置处所执行的虚拟介入而产生的一个或多个心脏参数的最优值进行可视化的一个或多个结果图进一步包括：
针对每个心脏参数，生成针对多个导联位置中的每个位置对产生针对该导联位置处的心脏参数的最优值的起搏协议进行可视化的第二相应结果图。
8.根据权利要求4所述的方法，其中虚拟起搏是虚拟心脏再同步治疗，并且使用心脏功能的患者特定计算模型来对于一个或多个电起搏导联针对患者特定解剖心脏模型上的多个导联位置中的每个导联位置执行虚拟起搏以计算由于多个导联位置中的每个导联位置处所执行的虚拟起搏而产生的一个或多个心脏参数包括：
在多个左心室位置中的每个左心室位置处使用一个或多个起搏协议来针对具有固定右心室导联位置的多个左心室导联位置执行虚拟起搏。
9.根据权利要求8所述的方法，其中生成在患者特定解剖心脏模型上的多个位置中的每个位置处对针对由于患者特定解剖心脏模型上的该位置处所执行的虚拟介入而产生的一个或多个心脏参数的最优值进行可视化的一个或多个结果图包括：
针对每个心脏参数，生成对针对由于使用一个或多个起搏协议的在多个左心室导联位置中的每个左心室导联位置处的虚拟起搏而产生的多个左心室导联位置中的每个左心室导联位置处的心脏参数的最优值进行可视化的相应的仅左心室结果图。
10.根据权利要求4所述的方法，其中虚拟起搏是虚拟心脏再同步治疗，并且使用心脏功能的患者特定计算模型来对于一个或多个电起搏导联针对患者特定解剖心脏模型上的多个导联位置中的每个导联位置执行虚拟起搏以计算由于多个导联位置中的每个导联位置处所执行的虚拟起搏而产生的一个或多个心脏参数包括：
在多个右心室位置中的每个右心室位置处使用一个或多个起搏协议来针对具有固定左心室导联位置的多个右心室导联位置执行虚拟起搏。
11.根据权利要求10所述的方法，其中生成在患者特定解剖心脏模型上的多个位置中的每个位置处对针对由于患者特定解剖心脏模型上的该位置处所执行的虚拟介入而产生的一个或多个心脏参数的最优值进行可视化的一个或多个结果图包括：
针对每个心脏参数，生成对针对由于使用一个或多个起搏协议的在多个右心室导联位置中的每个右心室导联位置处的虚拟起搏而产生的多个右心室导联位置中的每个右心室导联位置处的心脏参数的最优值进行示出的相应的仅右心室结果图。
12.根据权利要求4所述的方法，其中虚拟起搏是虚拟心脏再同步治疗，并且使用心脏功能的患者特定计算模型来对于一个或多个电起搏导联针对患者特定解剖心脏模型上的多个导联位置中的每个导联位置执行虚拟起搏以计算由于多个导联位置中的每个导联位置处所执行的虚拟起搏而产生的一个或多个心脏参数包括：
对于多个左心室导联位置中的每个左心室导联位置，使用心脏功能的患者特定计算模型来在多个右心室导联位置中的每个右心室导联位置处执行使用一个或多个起搏协议的虚拟起搏，以计算由于在多个右心室导联位置中的每个右心室导联位置处使用一个或多个起搏协议所执行的虚拟起搏而产生的一个或多个心脏参数。
13.根据权利要求12所述的方法，其中生成在患者特定解剖心脏模型上的多个位置中的每个位置处对针对由于患者特定解剖心脏模型上的该位置处所执行的虚拟介入而产生的一个或多个心脏参数的最优值进行可视化的一个或多个结果图包括：
对于每个心脏参数，生成针对多个左心室导联位置中的每个左心室导联位置对针对该左心室导联位置处的心脏参数的最优值、产生针对该左心室导联位置处的心脏参数的最优值的多个右心室导联位置中对应的一个右心室导联位置、以及产生针对该左心室导联位置处的心脏参数的最优值的起搏协议进行可视化的双导联结果图。
14.根据权利要求1所述的方法，其中所述一个或多个心脏参数包括QRS持续时间、电轴、QT持续时间、射血分数、搏出量、或心肌应变中的一个或多个。
15.根据权利要求1所述的方法，其中使用心脏功能的患者特定计算模型来在患者特定解剖心脏模型上的多个位置中的每个位置处执行虚拟介入以计算由于多个位置中的每个位置处所执行的虚拟介入而产生的一个或多个心脏参数包括：
使用心脏功能的患者特定计算模型来在患者特定解剖心脏模型上的多个消融位置中的每个消融位置处执行虚拟消融以计算由于多个位置中的每个位置处所执行的虚拟消融而产生的一个或多个心脏参数。
16.根据权利要求1所述的方法，其中生成在患者特定解剖心脏模型上的多个位置中的每个位置处对针对由于患者特定解剖心脏模型上的该位置处所执行的虚拟介入而产生的一个或多个心脏参数的最优值进行可视化的一个或多个结果图包括：
针对一个或多个心脏参数中的每一个心脏参数，生成对针对该心脏参数的患者特定解剖心脏模型上的多个位置处的最优值进行表示的相应的3D彩色图。
17.根据权利要求1所述的方法，其中心脏功能的患者特定计算模型包括心脏电生理学模型、心脏血液动力学模型、和心脏生物力学模型。
18.一种用于在患者的目标器官中指导介入过程的方法，包括：
基于患者的医学图像数据来生成目标器官的患者特定解剖模型；
基于目标器官的患者特定解剖模型来生成器官功能的患者特定计算模型；
使用器官功能的患者特定计算模型来在目标器官的患者特定解剖模型上的多个位置中的每个位置处执行虚拟介入，以计算由于多个位置中的每个位置处所执行的虚拟介入而产生的一个或多个结果参数；
生成在目标器官的患者特定解剖模型上的多个位置中的每个位置处对针对由于目标器官的患者特定解剖模型上的该位置处所执行的虚拟介入而产生的一个或多个结果参数的最优值进行可视化的一个或多个结果图；以及
将所述一个或多个结果图中的至少一个结果图覆盖在介入过程期间所获取的介入图像上，其中使用标准配准技术将所述结果图与所述介入图像配准。
19.一种用于指导心脏介入的装置，包括：
用于基于患者的医学图像数据来生成患者特定解剖心脏模型的装置；
用于基于患者特定解剖心脏模型来生成心脏功能的患者特定计算模型的装置；
用于使用心脏功能的患者特定计算模型来在患者特定解剖心脏模型上的多个位置中的每个位置处执行虚拟介入以计算由于多个位置中的每个位置处所执行的虚拟介入而产生的一个或多个心脏参数的装置；
用于生成在患者特定解剖心脏模型上的多个位置中的每个位置处对针对由于患者特定解剖心脏模型上的该位置处所执行的虚拟介入而产生的一个或多个心脏参数的最优值进行可视化的一个或多个结果图的装置；以及
用于将所述一个或多个结果图中的至少一个结果图覆盖在介入过程期间所获取的介入图像上的装置，其中使用标准配准技术将所述结果图与所述介入图像配准。
20.根据权利要求19所述的装置，其中用于使用心脏功能的患者特定计算模型来在患者特定解剖心脏模型上的多个位置中的每个位置处执行虚拟介入以计算由于多个位置中的每个位置处所执行的虚拟介入而产生的一个或多个心脏参数的装置包括：
用于使用心脏功能的患者特定计算模型来对于一个或多个电起搏导联针对患者特定解剖心脏模型上的多个导联位置中的每个导联位置执行虚拟起搏以计算由于多个导联位置中的每个导联位置处所执行的虚拟起搏而产生的一个或多个心脏参数的装置。
21.根据权利要求20所述的装置，其中用于使用心脏功能的患者特定计算模型来对于一个或多个电起搏导联针对患者特定解剖心脏模型上的多个导联位置中的每个导联位置执行虚拟起搏以计算由于多个导联位置中的每个导联位置处所执行的虚拟起搏而产生的一个或多个心脏参数的装置包括：
用于针对多个导联位置中的每个导联位置使用多个起搏协议来执行虚拟起搏的装置。
22.根据权利要求21所述的装置，其中用于生成在患者特定解剖心脏模型上的多个位置中的每个位置处对针对由于患者特定解剖心脏模型上的该位置处所执行的虚拟介入而产生的一个或多个心脏参数的最优值进行可视化的一个或多个结果图的装置包括：
用于针对每个心脏参数生成对针对由于使用多个起搏协议的在多个导联位置中的每个导联位置处的虚拟起搏而产生的多个导联位置中的每个导联位置处的心脏参数的最优值进行可视化的相应结果图的装置。
23.根据权利要求22所述的装置，其中用于生成在患者特定解剖心脏模型上的多个位置中的每个位置处对针对由于患者特定解剖心脏模型上的该位置处所执行的虚拟介入而产生的一个或多个心脏参数的最优值进行可视化的一个或多个结果图的装置包括：
用于针对每个心脏参数生成针对多个导联位置中的每个位置对产生针对该导联位置处的心脏参数的最优值的起搏协议进行可视化的第二相应结果图的装置。
24.根据权利要求19所述的装置，其中所述一个或多个心脏参数包括QRS持续时间、电轴、QT持续时间、射血分数、搏出量、或心肌应变中的一个或多个。
25.根据权利要求19所述的装置，其中用于使用心脏功能的患者特定计算模型来在患者特定解剖心脏模型上的多个位置中的每个位置处执行虚拟介入以计算由于多个位置中的每个位置处所执行的虚拟介入而产生的一个或多个心脏参数的装置包括：
用于使用心脏功能的患者特定计算模型来在患者特定解剖心脏模型上的多个消融位置中的每个消融位置处执行虚拟消融以计算由于多个位置中的每个位置处所执行的虚拟消融而产生的一个或多个心脏参数的装置。
26.根据权利要求19所述的装置，其中用于生成在患者特定解剖心脏模型上的多个位置中的每个位置处对针对由于患者特定解剖心脏模型上的该位置处所执行的虚拟介入而产生的一个或多个心脏参数的最优值进行可视化的一个或多个结果图的装置包括：
用于针对一个或多个心脏参数中的每一个心脏参数生成对针对该心脏参数的患者特定解剖心脏模型上的多个位置处的最优值进行表示的相应的3D彩色图的装置。
27.一种存储用于指导心脏介入的计算机程序指令的非暂态计算机可读介质，所述计算机程序指令在由处理器执行时使所述处理器执行包括以下的操作：
基于患者的医学图像数据来生成患者特定解剖心脏模型；
基于患者特定解剖心脏模型来生成心脏功能的患者特定计算模型；
使用心脏功能的患者特定计算模型来在患者特定解剖心脏模型上的多个位置中的每个位置处执行虚拟介入，以计算由于多个位置中的每个位置处所执行的虚拟介入而产生的一个或多个心脏参数；
生成在患者特定解剖心脏模型上的多个位置中的每个位置处对针对由于患者特定解剖心脏模型上的该位置处所执行的虚拟介入而产生的一个或多个心脏参数的最优值进行可视化的一个或多个结果图；以及
将所述一个或多个结果图中的至少一个结果图覆盖在介入过程期间所获取的介入图像上，其中使用标准配准技术将所述结果图与所述介入图像配准。
28.根据权利要求27所述的非暂态计算机可读介质，其中使用心脏功能的患者特定计算模型来在患者特定解剖心脏模型上的多个位置中的每个位置处执行虚拟介入以计算由于多个位置中的每个位置处所执行的虚拟介入而产生的一个或多个心脏参数包括：
使用心脏功能的患者特定计算模型来对于一个或多个电起搏导联针对患者特定解剖心脏模型上的多个导联位置中的每个导联位置执行虚拟起搏，以计算由于多个导联位置中的每个导联位置处所执行的虚拟起搏而产生的一个或多个心脏参数。
29.根据权利要求28所述的非暂态计算机可读介质，其中使用心脏功能的患者特定计算模型来对于一个或多个电起搏导联针对患者特定解剖心脏模型上的多个导联位置中的每个导联位置执行虚拟起搏以计算由于多个导联位置中的每个导联位置处所执行的虚拟起搏而产生的一个或多个心脏参数包括：
针对多个导联位置中的每个导联位置，使用多个起搏协议来执行虚拟起搏。
30.根据权利要求29所述的非暂态计算机可读介质，其中生成在患者特定解剖心脏模型上的多个位置中的每个位置处对针对由于患者特定解剖心脏模型上的该位置处所执行的虚拟介入而产生的一个或多个心脏参数的最优值进行可视化的一个或多个结果图包括：
针对每个心脏参数，生成对针对由于使用多个起搏协议的在多个导联位置中的每个导联位置处的虚拟起搏而产生的多个导联位置中的每个导联位置处的心脏参数的最优值进行可视化的相应结果图。
31.根据权利要求30所述的非暂态计算机可读介质，其中生成在患者特定解剖心脏模型上的多个位置中的每个位置处对针对由于患者特定解剖心脏模型上的该位置处所执行的虚拟介入而产生的一个或多个心脏参数的最优值进行可视化的一个或多个结果图进一步包括：
针对每个心脏参数，生成针对多个导联位置中的每个位置对产生针对该导联位置处的心脏参数的最优值的起搏协议进行可视化的第二相应结果图。
32.根据权利要求28所述的非暂态计算机可读介质，其中虚拟起搏是虚拟心脏再同步治疗，并且使用心脏功能的患者特定计算模型来对于一个或多个电起搏导联针对患者特定解剖心脏模型上的多个导联位置中的每个导联位置执行虚拟起搏以计算由于多个导联位置中的每个导联位置处所执行的虚拟起搏而产生的一个或多个心脏参数包括：
在多个左心室位置中的每个左心室位置处使用一个或多个起搏协议来针对具有固定右心室导联位置的多个左心室导联位置执行虚拟起搏。
33.根据权利要求32所述的非暂态计算机可读介质，其中生成在患者特定解剖心脏模型上的多个位置中的每个位置处对针对由于患者特定解剖心脏模型上的该位置处所执行的虚拟介入而产生的一个或多个心脏参数的最优值进行可视化的一个或多个结果图包括：
针对每个心脏参数，生成对针对由于使用一个或多个起搏协议的在多个左心室导联位置中的每个左心室导联位置处的虚拟起搏而产生的多个左心室导联位置中的每个左心室导联位置处的心脏参数的最优值进行可视化的相应的仅左心室结果图。
34.根据权利要求28所述的非暂态计算机可读介质，其中虚拟起搏是虚拟心脏再同步治疗，并且使用心脏功能的患者特定计算模型来对于一个或多个电起搏导联针对患者特定解剖心脏模型上的多个导联位置中的每个导联位置执行虚拟起搏以计算由于多个导联位置中的每个导联位置处所执行的虚拟起搏而产生的一个或多个心脏参数包括：
在多个右心室位置中的每个右心室位置处使用一个或多个起搏协议来针对具有固定左心室导联位置的多个右心室导联位置执行虚拟起搏。
35.根据权利要求34所述的非暂态计算机可读介质，其中生成在患者特定解剖心脏模型上的多个位置中的每个位置处对针对由于患者特定解剖心脏模型上的该位置处所执行的虚拟介入而产生的一个或多个心脏参数的最优值进行可视化的一个或多个结果图包括：
针对每个心脏参数，生成对针对由于使用一个或多个起搏协议的在多个右心室导联位置中的每个右心室导联位置处的虚拟起搏而产生的多个右心室导联位置中的每个右心室导联位置处的心脏参数的最优值进行示出的相应的仅右心室结果图。
36.根据权利要求28所述的非暂态计算机可读介质，其中虚拟起搏是虚拟心脏再同步治疗，并且使用心脏功能的患者特定计算模型来对于一个或多个电起搏导联针对患者特定解剖心脏模型上的多个导联位置中的每个导联位置执行虚拟起搏以计算由于多个导联位置中的每个导联位置处所执行的虚拟起搏而产生的一个或多个心脏参数包括：
对于多个左心室导联位置中的每个左心室导联位置，使用心脏功能的患者特定计算模型来在多个右心室导联位置中的每个右心室导联位置处执行使用一个或多个起搏协议的虚拟起搏，以计算由于在多个右心室导联位置中的每个右心室导联位置处使用一个或多个起搏协议所执行的虚拟起搏而产生的一个或多个心脏参数。
37.根据权利要求36所述的非暂态计算机可读介质，其中生成在患者特定解剖心脏模型上的多个位置中的每个位置处对针对由于患者特定解剖心脏模型上的该位置处所执行的虚拟介入而产生的一个或多个心脏参数的最优值进行可视化的一个或多个结果图包括：
对于每个心脏参数，生成针对多个左心室导联位置中的每个左心室导联位置对针对该左心室导联位置处的心脏参数的最优值、产生针对该左心室导联位置处的心脏参数的最优值的多个右心室导联位置中对应的一个右心室导联位置、以及产生针对该左心室导联位置处的心脏参数的最优值的起搏协议进行可视化的双导联结果图。
38.根据权利要求27所述的非暂态计算机可读介质，其中所述一个或多个心脏参数包括QRS持续时间、电轴、QT持续时间、射血分数、搏出量、或心肌应变中的一个或多个。
39.根据权利要求27所述的非暂态计算机可读介质，其中使用心脏功能的患者特定计算模型来在患者特定解剖心脏模型上的多个位置中的每个位置处执行虚拟介入以计算由于多个位置中的每个位置处所执行的虚拟介入而产生的一个或多个心脏参数包括：
使用心脏功能的患者特定计算模型来在患者特定解剖心脏模型上的多个消融位置中的每个消融位置处执行虚拟消融以计算由于多个位置中的每个位置处所执行的虚拟消融而产生的一个或多个心脏参数。
40.根据权利要求27所述的非暂态计算机可读介质，其中生成在患者特定解剖心脏模型上的多个位置中的每个位置处对针对由于患者特定解剖心脏模型上的该位置处所执行的虚拟介入而产生的一个或多个心脏参数的最优值进行可视化的一个或多个结果图包括：
针对一个或多个心脏参数中的每一个心脏参数，生成对针对该心脏参数的患者特定解剖心脏模型上的多个位置处的最优值进行表示的相应的3D彩色图。
CN201510469145.0A 2014-06-24 2015-06-24 用于可视化各种起搏条件下心脏变化的系统和方法 Active CN105194799B (zh)

Applications Claiming Priority (4)

Application Number Priority Date Filing Date Title
US201462016220P 2014-06-24 2014-06-24
US62/016220 2014-06-24
US14/741,540 US9589379B2 (en) 2014-06-24 2015-06-17 System and method for visualization of cardiac changes under various pacing conditions
US14/741540 2015-06-17

Publications (2)

Publication Number Publication Date
CN105194799A CN105194799A (zh) 2015-12-30
CN105194799B true CN105194799B (zh) 2018-06-19

Family

ID=54870131

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201510469145.0A Active CN105194799B (zh) 2014-06-24 2015-06-24 用于可视化各种起搏条件下心脏变化的系统和方法

Country Status (2)

Country Link
US (1) US9589379B2 (zh)
CN (1) CN105194799B (zh)

Families Citing this family (18)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2015160602A1 (en) * 2014-04-15 2015-10-22 Siemens Aktiengesellschaft Efficient treatment of atrial fibrilation using three-dimensional electrical potential model
US10729406B2 (en) 2015-03-10 2020-08-04 Koninklijke Philips N.V. Ultrasonic diagnosis of cardiac performance using heart model chamber segmentation with user control
EP4309585A1 (en) * 2015-03-10 2024-01-24 Koninklijke Philips N.V. Ultrasonic diagnosis of cardiac performance by single degree of freedom chamber segmentation
EP3282936B1 (en) * 2015-04-17 2020-08-19 HeartFlow, Inc. Systems and methods for assessment of tissue function based on vascular disease
JP7080590B2 (ja) * 2016-07-19 2022-06-06 キヤノンメディカルシステムズ株式会社 医用処理装置、超音波診断装置、および医用処理プログラム
US10471263B2 (en) * 2016-09-06 2019-11-12 Catheter Precision, Inc. System and method for cardiac resynchronization
US10529088B2 (en) * 2016-12-02 2020-01-07 Gabriel Fine Automatically determining orientation and position of medically invasive devices via image processing
US10341456B2 (en) * 2017-11-20 2019-07-02 Marc Berger Caching sticker profiles within a sticker communication system
US11482338B2 (en) 2018-03-06 2022-10-25 Biosense Webster (Israel) Ltd. Simulation of heart pacing for modeling arrhythmia
US11622732B2 (en) 2018-04-26 2023-04-11 Vektor Medical, Inc. Identifying an attribute of an electromagnetic source configuration by matching simulated and patient data
US11259871B2 (en) * 2018-04-26 2022-03-01 Vektor Medical, Inc. Identify ablation pattern for use in an ablation
CN112654302B (zh) * 2018-10-23 2023-11-03 深圳迈瑞生物医疗电子股份有限公司 一种心脏运动定量分析方法和超声系统
CA3159332A1 (en) 2018-11-13 2020-05-22 Vektor Medical, Inc. Augmentation of images with source locations
CN110310744B (zh) * 2019-06-10 2021-12-24 暨南大学 窦房结虚拟生理组织的构建方法、存储介质和计算设备
US11430125B2 (en) * 2019-12-27 2022-08-30 Biosense Webster (Israel) Ltd. Automatic demarcation of anatomical structures
CN114997029B (zh) * 2022-07-19 2022-12-16 江苏域圆智能科技有限公司 一种心脏参数化快速模拟方法、装置及存储介质
CN115197903B (zh) * 2022-07-19 2023-11-14 北京智源人工智能研究院 心脏生物起搏器、计算模型构建方法、仿真方法及装置
WO2024163167A1 (en) * 2023-02-01 2024-08-08 Valo Health, Inc. Invertible models of cardiac function

Family Cites Families (34)

* Cited by examiner, † Cited by third party
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
US20050054918A1 (en) * 2003-09-04 2005-03-10 Sra Jasbir S. Method and system for treatment of atrial fibrillation and other cardiac arrhythmias
US7668354B2 (en) 2005-03-23 2010-02-23 Siemens Medical Solutions Usa, Inc. System and method for tracking and classifying the left ventricle of the heart using cine-delayed enhancement magnetic resonance
US20080300588A1 (en) 2005-12-02 2008-12-04 Koninklijke Philips Electronics, N.V. Automating the Ablation Procedure to Minimize the Need for Manual Intervention
US7916919B2 (en) 2006-09-28 2011-03-29 Siemens Medical Solutions Usa, Inc. System and method for segmenting chambers of a heart in a three dimensional image
US8267927B2 (en) 2007-01-24 2012-09-18 Koninklijke Philips Electronics N.V. Advanced ablation planning
US8098918B2 (en) 2007-09-21 2012-01-17 Siemens Corporation Method and system for measuring left ventricle volume
DE102007053394B4 (de) 2007-11-09 2014-04-03 Siemens Aktiengesellschaft Verfahren und Vorrichtung zur Planung und/oder Überprüfung einer interventionellen Radiofrequenz-Thermoablation
US10431001B2 (en) 2007-11-21 2019-10-01 Edda Technology, Inc. Method and system for interactive percutaneous pre-operation surgical planning
US20090221999A1 (en) 2008-02-29 2009-09-03 Ramin Shahidi Thermal Ablation Design and Planning Methods
US8406496B2 (en) 2008-07-29 2013-03-26 Siemens Aktiengesellschaft Method and system for left ventricle detection in 2D magnetic resonance images
EP2373241B1 (en) 2008-12-03 2015-01-07 Koninklijke Philips N.V. Feedback system for integrating interventional planning and navigation
US8682626B2 (en) 2010-07-21 2014-03-25 Siemens Aktiengesellschaft Method and system for comprehensive patient-specific modeling of the heart
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
CA2827042A1 (en) 2011-02-11 2012-08-16 Natalia Trayanova System and method for planning a patient-specific cardiac procedure
US8406890B2 (en) * 2011-04-14 2013-03-26 Medtronic, Inc. Implantable medical devices storing graphics processing data
US8972228B2 (en) * 2011-05-03 2015-03-03 Medtronic, Inc. Assessing intra-cardiac activation patterns
US8998889B2 (en) 2011-09-26 2015-04-07 Profound Medical, Inc. System and method for control and monitoring of conformal thermal therapy
US10311978B2 (en) 2012-01-30 2019-06-04 Siemens Healthcare Gmbh Method and system for patient specific planning of cardiac therapies on preoperative clinical data and medical images
US9129053B2 (en) 2012-02-01 2015-09-08 Siemens Aktiengesellschaft Method and system for advanced measurements computation and therapy planning from medical data and images using a multi-physics fluid-solid heart model
US9129417B2 (en) 2012-02-21 2015-09-08 Siemens Aktiengesellschaft Method and system for coronary artery centerline extraction
US10296809B2 (en) 2012-02-28 2019-05-21 Siemens Healthcare Gmbh Method and system for fast patient-specific cardiac electrophysiology simulations for therapy planning and guidance
US9277970B2 (en) 2012-07-19 2016-03-08 Siemens Aktiengesellschaft System and method for patient specific planning and guidance of ablative procedures for cardiac arrhythmias
US8812125B2 (en) * 2012-08-31 2014-08-19 Greatbatch Ltd. Systems and methods for the identification and association of medical devices
US10827983B2 (en) 2012-10-30 2020-11-10 The Johns Hopkins University System and method for personalized cardiac arrhythmia risk assessment by simulating arrhythmia inducibility
US9846765B2 (en) 2012-11-09 2017-12-19 Siemens Healthcare Gmbh System and method for patient specific modeling of liver tumor ablation
US10068669B2 (en) 2013-01-18 2018-09-04 Siemens Healthcare Gmbh Method and system for interactive computation of cardiac electromechanics
US10748438B2 (en) 2013-02-26 2020-08-18 Siemens Healthcare Gmbh System and method for interactive patient specific simulation of radiofrequency ablation therapy
US9463072B2 (en) 2013-08-09 2016-10-11 Siemens Aktiengesellschaft System and method for patient specific planning and guidance of electrophysiology interventions
US10733910B2 (en) 2013-08-28 2020-08-04 Siemens Healthcare Gmbh Systems and methods for estimating physiological heart measurements from medical images and clinical data

Also Published As

Publication number Publication date
US20150371437A1 (en) 2015-12-24
CN105194799A (zh) 2015-12-30
US9589379B2 (en) 2017-03-07

Similar Documents

Publication Publication Date Title
CN105194799B (zh) 用于可视化各种起搏条件下心脏变化的系统和方法
US10483005B2 (en) System and method for characterization of electrical properties of the heart from medical images and body surface potentials
US9463072B2 (en) System and method for patient specific planning and guidance of electrophysiology interventions
US10354758B2 (en) System and method for patient-specific image-based simulation of atrial electrophysiology
US10296707B2 (en) System and method for patient-specific image-based guidance of cardiac arrhythmia therapies
US10241968B2 (en) System and method for real-time simulation of patient-specific cardiac electrophysiology including the effect of the electrical conduction system of the heart
US9277970B2 (en) System and method for patient specific planning and guidance of ablative procedures for cardiac arrhythmias
US11664125B2 (en) System and method for deep learning based cardiac electrophysiology model personalization
US10335238B2 (en) System and method for non-invasively estimating electrophysiological maps and measurements from cardio-thoracic 3D images and electrocardiography data
CN105474219B (zh) 用于根据医学图像和临床数据来估计生理学心脏测量的系统和方法
US10485510B2 (en) Planning and guidance of electrophysiology therapies
US11024404B2 (en) System and method for medical image based cardio-embolic stroke risk prediction
CN107145702B (zh) 基于医疗图像的心源性栓塞型中风风险预测系统和方法
Tavard et al. Multimodal registration and data fusion for cardiac resynchronization therapy optimization
WO2015200552A1 (en) Simulated cardiac model
Loewe et al. Cardiac digital twin modeling
Sermesant et al. Personalised electromechanical model of the heart for the prediction of the acute effects of cardiac resynchronisation therapy
Relan et al. Coupled personalisation of electrophysiology models for simulation of induced ischemic ventricular tachycardia
NL2028170B1 (en) Method and system for cardiac pacing therapy guidance
Camara A Rule-Based Method to Model Myocardial Fiber Orientation for Simulating Ventricular Outflow Tract Arrhythmias
WO2025090478A1 (en) Systems, devices, and methods for cardiac source modeling
Seger et al. Noninvasive Imaging of Cardiac Electrophysiology (NICE)

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
TR01 Transfer of patent right

Effective date of registration: 20220130

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: 20240830

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