CN105249954A - 预测支架术后血液动力学指标的方法和系统 - Google Patents
预测支架术后血液动力学指标的方法和系统 Download PDFInfo
- Publication number
- CN105249954A CN105249954A CN201510386120.4A CN201510386120A CN105249954A CN 105249954 A CN105249954 A CN 105249954A CN 201510386120 A CN201510386120 A CN 201510386120A CN 105249954 A CN105249954 A CN 105249954A
- Authority
- CN
- China
- Prior art keywords
- stenting
- pressure drop
- model
- patients
- coronary artery
- 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.)
- Granted
Links
Classifications
-
- 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
- A61B5/02—Detecting, measuring or recording pulse, heart rate, blood pressure or blood flow; Combined pulse/heart-rate/blood pressure determination; Evaluating a cardiovascular condition not otherwise provided for, e.g. using combinations of techniques provided for in this group with electrocardiography or electroauscultation; Heart catheters for measuring blood pressure
- A61B5/026—Measuring blood flow
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- 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
- A61B5/7275—Determining trends in physiological measurement data; Predicting development of a medical condition based on physiological measurements, e.g. determining a risk factor
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
-
- 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
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16Z—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS, NOT OTHERWISE PROVIDED FOR
- G16Z99/00—Subject matter not provided for in other main groups of this subclass
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/05—Detecting, measuring or recording for diagnosis by means of electric currents or magnetic fields; Measuring using microwaves or radio waves
- A61B5/055—Detecting, measuring or recording for diagnosis by means of electric currents or magnetic fields; Measuring using microwaves or radio waves involving electronic [EMR] or nuclear [NMR] magnetic resonance, e.g. magnetic resonance imaging
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B6/00—Apparatus for radiation diagnosis, e.g. combined with radiation therapy equipment
- A61B6/02—Devices for diagnosis sequentially in different planes; Stereoscopic radiation diagnosis
- A61B6/03—Computerised tomographs
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B6/00—Apparatus for radiation diagnosis, e.g. combined with radiation therapy equipment
- A61B6/48—Diagnostic techniques
- A61B6/481—Diagnostic techniques involving the use of contrast agents
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B6/00—Apparatus for radiation diagnosis, e.g. combined with radiation therapy equipment
- A61B6/50—Clinical applications
- A61B6/504—Clinical applications involving diagnosis of blood vessels, e.g. by angiography
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61F—FILTERS IMPLANTABLE INTO BLOOD VESSELS; PROSTHESES; DEVICES PROVIDING PATENCY TO, OR PREVENTING COLLAPSING OF, TUBULAR STRUCTURES OF THE BODY, e.g. STENTS; ORTHOPAEDIC, NURSING OR CONTRACEPTIVE DEVICES; FOMENTATION; TREATMENT OR PROTECTION OF EYES OR EARS; BANDAGES, DRESSINGS OR ABSORBENT PADS; FIRST-AID KITS
- A61F2/00—Filters implantable into blood vessels; Prostheses, i.e. artificial substitutes or replacements for parts of the body; Appliances for connecting them with the body; Devices providing patency to, or preventing collapsing of, tubular structures of the body, e.g. stents
- A61F2/82—Devices providing patency to, or preventing collapsing of, tubular structures of the body, e.g. stents
Abstract
本发明公开了预测支架术后血液动力学指标以对动脉狭窄进行治疗规划的方法和系统。从患者的医学图像数据中提取冠状动脉支架术前患者特定解剖模型。在冠状动脉支架术前患者特定解剖模型中以修改的压降模型模拟血流,该修改的压降模型模拟支架术对目标狭窄区域的影响并且用来计算在该目标狭窄区域上的压降。在不修改冠状动脉支架术前患者特定解剖模型的情况下设置用于修改的压降模型的参数值。利用修改的压降模型,基于在目标狭窄区域上的压降来计算对于目标狭窄区域预测的支架术后血液动力学指标,诸如血流储备分数(FFR)。
Description
本申请要求2014年6月30日提交的美国临时申请62/018,800的优先权,其公开内容通过引用包含于此。
技术领域
本发明涉及动脉狭窄的治疗规划,并且更确切而言涉及预测动脉狭窄的支架术后血液动力学指标。
背景技术
心血管疾病(CVD)在全世界来说是主要致死原因。在多种CVD中,冠状动脉疾病(CAD)占据了这些死亡中的近50%。血管的局部变窄,或者说狭窄,代表了心血管疾病的一大成因。这种狭窄典型地随时间逐渐形成,并且会在动脉循环的不同部分,诸如冠状动脉、肾动脉、末梢动脉、颈动脉、脑动脉等中发展。这种局部变窄也可以是先天缺陷的后果。世界范围内一个用于治疗动脉狭窄的疗法是支架术,即,将金属或聚合物支架放置在动脉中以打开该内腔,并且因此有利于血液流动。当处理冠状动脉狭窄时,支架术疗法被称作经皮冠状动脉介入(PCI)。
近年来,对于用于计算人体心血管系统中的血液流动的计算方法获得颇多关注。在结合从医学图像中提取的患者特定解剖模型被使用时,这种计算技术能提供对于心血管系统的结构和功能的重要理解。为了预测PCI的效果和最优规划其,提出了依赖于计算建模的技术来在提取自医学图像的解剖几何模型中进行支架的虚拟放置,以及计算在修改的支架术后几何中的血流和压力。
发明内容
本发明提供了用于预测支架术后血液动力学指标以进行动脉狭窄治疗规划的方法和系统。本发明的实施例利用结合通过支架术前医学成像采集的数据的计算建模来计算支架术后血液动力学指标,诸如流动、压力或其它导出的血液动力学指标如血流储备分数(FFR)。本发明的实施例不要求修改脉管解剖的支架术前几何模型来获得支架术后几何模型。而是,本发明的实施例修改压降模型以直接计算支架对血流和压力的影响。从而,本发明的实施例在无需对支架术后解剖模型进行中间计算的条件下根据支架术前解剖模型直接计算支架术后功能模型。
在本发明的一个实施例中,从患者的医学图像数据中提取冠状动脉支架术前患者特定解剖模型。借助用于计算在所述支架术前的患者特定解剖模型中在目标狭窄区域上的压降的修改的压降模型,模拟在冠状动脉的所述支架术前的患者特定解剖模型中的血流,其中修改的压降模型模拟支架术对所述目标狭窄区域的影响。基于利用修改的压降模型计算的在目标狭窄区域上的压降,对于目标狭窄区域计算所预测的支架术后血液动力学指标。
在本发明的另一实施例中,从患者的医学图像数据中提取冠状动脉支架术前患者特定解剖模型。基于在冠状动脉支架术前患者特定解剖模型中模拟的血流和压力,对于在冠状动脉支架术前患者特定解剖模型中的多个狭窄区域计算支架术前血流储备分数(FFR)值。基于对于所述多个狭窄区域计算的支架术前FFR值,确定多个虚拟支架术策略。对于所述多个狭窄区域预测得自所述多个虚拟支架术策略中的每个的支架术后FFR值,其中,每个虚拟支架术策略指定所述狭窄区域中的一个或多个来进行支架术,并且,对于每个虚拟支架术策略,对于所述多个狭窄区域预测的支架术后FFR值是通过如下方式计算的,即,借助相应的用于对于在该支架术策略中指定为待进行支架术的狭窄区域中的一个或多个中的每个,计算支架术后压降的修改的压降模型,来模拟在冠状动脉支架术前患者特定解剖模型中的血流。
本发明的这些和其它优点将通过参考下面的详细描述和附图而对于本领域普通技术人员变得显然。
附图说明
图1示出了根据本发明的一个实施例的对于患者的一个或多个冠状动脉狭窄预测血液动力学指标的方法;
图2示出了对于生成冠状脉管树的支架术前患者特定解剖模型的示例性结果;
图3示出了根据本发明的一个实施例的冠脉循环的示例性多尺度计算模型;
图4示出了用于示例性狭窄区段的压降模型的参数;
图5示出了根据本发明的一个实施例的用于修改压降模型和计算在冠状动脉狭窄上的压降的方法;
图6示出了根据本发明的一个实施例的支架治疗规划方法;
图7示出了对于冠状动脉树中的三个狭窄区域的示例性支架术前FFR计算结果;
图8-14示出了对于用于在图7的冠状动脉狭窄上执行虚拟PCI的不同支架术策略所预测的支架术后FFR值;以及
图15是能够执行本发明的计算机的高级框图。
具体实施方式
本发明涉及用于预测支架术后血液动力学指标以进行动脉狭窄治疗规划的方法和系统。在此描述本发明的实施例以给出对于预测动脉狭窄的支架术后血液动力学指标的方法的视觉理解。数字图像通常由一个或多个对象(或形状)的数字表示构成。对象的数字表示在此通常在识别和操纵对象方面进行描述。这种操纵是在计算机系统的存储器或其它电路/硬件中完成的虚拟操纵。从而,要理解的是,可以在对存储在计算机系统中的数据进行利用的计算机系统内执行本发明的实施例。
为了预测用于对冠状动脉中的狭窄进行支架术的经皮冠状动脉介入(PCI)的效果,提出了依赖于计算模型的技术来执行在提取自医学图像的解剖几何模型中虚拟地放置支架和在修改的支架术后几何中计算血流和压力。早先的方法中的一个共同方面是生成支架术后解剖模型和支架术后功能模型的方式。如在此使用的,“支架术后解剖模型”指的是将支架放置在脉管中之后的内腔几何模型,而“支架术后功能模型”值得是将支架放置在脉管中之后内腔中的流动/压力计算。在早先的方法中,使用三步法,其中在第一步中从在支架术前采集的医学图像中提取脉管解剖的3D几何模型,在第二步中修改支架术前解剖模型以模拟支架在脉管中的放置从而得到支架术后解剖模型,并且在第三步中在修改的支架术后解剖模型中进行计算的流体动力学(CFD)计算以评估支架对血流的影响从而得到支架术后功能模型。该方法中的第二步(即生成支架术后解剖模型)典型地通过将支架和/或脉管内腔建模为可形变对象以及利用诸如有限元方法(FEM)的计算机制的技术来实现,以求解由于支架引起的内腔的形变。虽然也提出了用于建模支架或内腔的其他技术,但是所有早先的方法中共同的主题是修改解剖模型以创建虚拟支架术后几何,其然后被用于CFD模拟以计算支架术后流动和压力相关的指标。应注意的是,生成支架术后解剖模型是一个复杂的步骤,其要求许多假设,诸如脉管壁的材料特性、支架的精确几何和材料特性、气球力(或者在自扩张式支架情况下的预应力)等。此外,必须修改支架术前解剖模型以创建不同的支架术后解剖模型来对于每个狭窄或狭窄的组合建模PCI支架术。
本发明的实施例的有利之处在于,在不生成支架术后解剖模型的条件下利用支架术前解剖模型直接获得支架术后功能模型。本发明的实施例可利用混合或者多尺度计算模型来计算冠状动脉中的血流和压力,其将降阶的压降模型用于建模狭窄或脉管中的任何其他变窄上的压力损失。压降模型计算由于脉管的变窄(例如狭窄,钙化、血栓、分支等)而出现的有效压降,而不进行在脉管的该区域中的明确流动计算。本发明的实施例利用与患者的支架术前医学图像数据结合的计算建模来计算支架术后血流储备分数(FFR)或者冠状动脉狭窄的其他血液动力学指标。本发明的实施例不要求获得脉管解剖支架术前几何模型的修改来在计算支架术后血液动力学指标之前首先获得支架术后几何模型。而是,本发明的实施例通过直接修改用于特定狭窄的压降模型来计算支架对血流和压力的影响。结果是,本发明的实施例在无需中间计算支架术后解剖模型的条件下计算支架术后功能模型。在此描述本发明的实施例以预测冠状动脉狭窄支架术后血液动力学指标从而进行PCI治疗规划。然而,应理解的是,这里描述的方法还可以类似地用于预测对于其它类型动脉的支架术后血液动力学指标,诸如肾动脉、末梢动脉、颈动脉、脑动脉等。在此描述的方法还可以应用于循环系统的其它部分,诸如静脉循环或者肺循环。本发明的实施例还可以被应用于气道的治疗规划。
图1示出了根据本发明的一个实施例的用于预测患者的一个或多个冠状动脉狭窄的血液动力学指标的方法。参考图1,在步骤102,接收患者的支架术前医学图像数据。在进行支架术,诸如用于冠状动脉狭窄的PCI之前采集支架术前医学图像数据。可以接收来自一个或多个成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成像(CT)、动态CT、磁共振(MR)、脉管造影术、超声、单光子发射计算断层成像(SPECT)和任意其它类型的医学成像模态。医学图像数据可以是2D、3D或4D(3D+时间)医学图像数据。医学图像数据可以直接从一个或多个图像采集设备,诸如CT扫描仪、MR扫描仪、脉管造影术扫描仪、超声设备等接收,或者可以通过加载之前存储的患者的医学图像数据来接收医学图像数据。
在一个有利的实施例中,在CT扫描仪上需要3D冠脉CT脉管造影术(CTA)图像。CTA图像保证了利用注射到患者中的造影剂充分地成像冠脉系统,包括含有狭窄的脉管。在该阶段,可以向医师提供选项,即,通过交互地在图像上观看损伤(狭窄)来识别感兴趣的损伤。该步骤还可以在从图像数据中提取(步骤104)的患者特定解剖模型上进行。替选地,可以利用用于自动检测冠状动脉狭窄的算法,诸如在美国公开专利申请2011/0224542(其通过引用包含于此)描述的用于自动检测冠状动脉狭窄的方法,来在图像数据中自动检测狭窄。除了医学图像数据之外,还可以采集非侵入性临床测量,诸如患者心率和收缩及舒张压。这些非侵入性临床测量可以用于建立CFD计算的边界条件。
在步骤104,从支架术前医学图像数据中提取冠状动脉的支架术前患者特定解剖模型。患者特定解剖模型可以是患者的全部的冠状动脉树的任何部分的患者特定解剖模型。为了生成冠状动脉树的患者特定解剖模型,可以利用自动冠脉中心线提取算法在3D医学图像数据中分割冠状动脉。例如,利用在美国公开专利申请2010/0067760(其通过引用包含于此)描述的方法在CT体积中分割冠状动脉。如果提取了冠状动脉中心线树,则可以在中心线树的每个点上生成横截面轮廓。在中心线树的每个点上的横截面轮廓给出了在冠状动脉的该点上的对应的横截面面积测量。然后对于所分割的冠状动脉生成几何表面模型。例如,在美国专利7,860,290和美国专利7,953,266(两者都通过引用包含于此)中描述了用于对冠状动脉进行解剖建模的方法。除了冠状动脉之外,患者特定解剖模型可包括主动脉根部和主动脉的近端部分。每个狭窄的详细3D模型还可以利用相似的算法来提取,其包括对近端脉管直径和面积、远端脉管直径和面积、最小内腔直径和面积以及狭窄的长度进行量化。
图2示出了对于生成冠脉树的支架术前患者特定解剖模型的示例性结果。图2的图200示出了冠状CTA数据。图210示出了从CTA数据中提取的中心线树212。图220示出了在中心线树212的每个点上提取的横截面轮廓222。图230示出了冠状动脉、主动脉根和主动脉的近端部分的2D表面网格232。应理解的是,可以例如在计算机系统的显示屏上输出和显示患者的冠脉树解剖模型。
上面详细描述的解剖建模任务可以自动执行或者可以用户驱动地执行,在此允许用户(医师)交互地改变解剖模型以分析这些变化对随后的FFR计算的影响。除了冠脉树之外,还可以在医学图像数据中(自动地或手动地)分割心肌以确定对于左心室质量的估计,其在可能的实施方式中可以用于估计患者的绝对静止流,其被用于计算对于计算的血流和压力模拟的边界条件。替选地,还可以基于所分割的冠脉树的总容积或者根据不同的冠脉的出口半径来计算静止流。在一个示例性实施例中,可以将根据图像数据自动生成的心脏患者特定解剖模型用于该目的。解剖心脏模型是多部件模型,其包括多个心脏部件,其中包括四个腔室(左心室、左心房、右心室、右心房)。解剖心脏模型还可以包括如下部件,诸如心脏瓣膜(主动脉膜、二尖瓣、三尖瓣和肺动脉瓣)以及主动脉。心脏的这样的复杂模型被用于捕获大量形态、功能和病理变型。模块化和分层级的方法可以用于降低解剖复杂度和便于有效且灵活地估计各个解剖结构。4D解剖心脏模型可以通过如下来生成,即,通过例如利用边缘空间学习(MSL)生成各个心脏部件的个别模型,并且然后通过建立网格点对应将心脏部件模型集成。在通过引用完全包含于此的美国公开专利申请2012/0022843中描述了与生成这种4D患者特定心脏模型有关的附加细节。
在步骤106,利用冠状动脉狭窄的修改的压降模型模拟在冠状动脉支架术前解剖模型中的血流和压力。尤其,在冠状动脉支架术前解剖模型中模拟血流并且基于利用修改的压降模型模拟的血流来计算狭窄的支架术后压降。可以利用CFD计算或者任何其他标准数值技术诸如有限元方法、有限差方法、有限体积方法、边界元方法、嵌入式边界方法、侵入边界法、格子玻尔兹曼方法等来模拟在支架术前解剖模型中的血流和压力。根据本发明的一个有利实施例,冠脉循环的多尺度计算模型可以用于在一系列时间步骤上计算在冠状动脉支架术前解剖模型中的血流和压力。例如,可以对于与一个完整心脏周期或者多个心脏周期对应的多个时间步骤执行模拟。冠脉循环的计算模型利用压降模型来建模在狭窄或者冠状动脉中的其它变窄(例如钙化、血栓、分支等)上的压力损失。应理解的是,贯穿本公开地,术语狭窄用于一般化地指脉管中任何类型的变窄。用于特定狭窄的压降模型计算狭窄上的由于脉管变窄而造成的压降,而不执行在脉管的该区域中的明显的流动计算。
图3示出了根据本发明的一个实施例的示例性冠脉循环多尺度计算模型。如在图3中所示,心脏模型302在主动脉根处被耦合。心脏模型302可以被实施为通过图3中所示那样的患者特定数据来参数化的集总式模型,或者可以实施为完全3D的心脏模型。大的动脉,诸如主动脉304和由主动脉供血的大动脉(例如锁骨下动脉、头臂动脉、颈总动脉等)、左冠状动脉(LCA)306和右冠状动脉(RCA)308可以被表示为1D血流模型或者完全3D模型。此外,可以对于特定动脉区段单独地或者嵌入1D或3D模型内地使用半解析式循环模型。脉管壁可以以纯弹性或粘弹性材料来建模。可以通过适于所测量的数据的经验关系或者基于对壁屈服度的患者特定的估计来确定壁性质。在图3的冠脉循环模型中,通过说明了施加至血流的阻抗和远端脉管屈服度的集总式参数模型310模拟所有微脉管床。冠状脉管床是通过这种集总式参数模型310建模的,其通过如下方式适配于冠脉循环,即,它们考虑心肌收缩对流波形的影响。在冠脉循环模型中示出狭窄区段312和314(即脉管中的检测到狭窄或变窄的区域)。狭窄区段312和314不能利用1D血流模型模拟,因为横截面面积和狭窄的形状变化很大,其影响血流行为和尤其是跨狭窄压降,其在评估这种狭窄的功能重要程度方面起主要作用。根据本发明的一个有利实施例,可以对于每个狭窄区段312和314使用(与完全3D模型相比)降阶的压降模型。在题为“MethodandSystemforMulti-ScaleAnatomicalandFunctionalModelingofCoronaryCirculation”的美国专利公告2013/0132054,题为“MethodandSystemforNon-InvasiveFunctionalAssessmentofCoronaryArteryStenosis”的美国专利公告2013/0246034,题为“MethodandSystemforNon-InvasiveFunctionalAssessmentofCoronaryArteryStenosis”的美国专利公告2014/00058715以及题为“MethodandSystemforNon-InvasiveComputationofHemodynamicIndicesforCoronaryArteryStenosis”的美国专利申请14/689,083(其全都通过引用完全包含于此)描述了有关于冠脉循环多尺度计算模型的附加细节,以及对于血流和压力计算的静息状态和充血状态边界条件的计算。
如上面描述的将压降模型用于在不执行狭窄区域中的明显的流计算的情况下计算在冠状动脉支架术前解剖模型中的每个狭窄区域(例如图3的312和314)上的压降。可以使用不同的压降模型。例如,用于狭窄的压降模型可以是完全解析的模型或者可以是包括解析和经验项的组合的模型。包括解析和经验项的组合的压降模型在此称作“半经验的压降模型”。还可以使用其它压降模型,诸如基于压降模型的机器学习,其被利用机器学习算法来训练以将从狭窄导出的解剖和流特征映射至与狭窄关联的压降。根据一个有利的实施例,为了预测对冠脉狭窄进行支架术的效果,直接修改用于该狭窄的压降模型并且借助该修改的压降模型进行在冠状动脉支架术前解剖模型中的血流和压力模拟。如在此使用的,“直接修改”用于冠状动脉狭窄的压降模型指的是在不修改所基于的冠状动脉支架术前患者特定的解剖模型的情况下修改压降模型中的参数。用于该狭窄的压降模型可以被修改以表示完全成功的治疗或者部分成功的治疗。修改压降模型的目的是虚拟地模拟脉管由于支架术而扩大的效果,而不明显地修改实际的患者特定几何。
下面对于全解析压降模型和半经验压降模型描述修改压降模型以表示部分成功和完全成功的治疗的示例。应理解的是,本发明并不限于这些特定示例并且可以类似地应用于其它压降模型。
全解析压降模型
在一个示例性实施方式中,可以通过下式给出用于狭窄的全解析压降模型:
在等式(1)中,ΔP表示在脉管的狭窄区域上的压降,Q表示流速,ρ表示血液密度,μ表示粘度,并且x表示沿着狭窄区域中的脉管的中心线的位置。图4示出了用于示例性狭窄区段的压降模型的参数。如在图4中所示,箭头402表示流过冠状动脉的狭窄区段400的血流的方向。狭窄区段400的近端或输入侧被称作“顶部”,而狭窄区段400的远端或输出侧被称作“底部”。CSAin是在狭窄区段的顶部的横截面积。CSAout是在狭窄区段的底部的横截面积。CSAsten是沿着狭窄的最小横截面积。在等式(1)中,CSA指的是在狭窄区段中的给定点x处的横截面积。α表示其中流速均匀的非粘性核的无量纲半径。α=在狭窄的入口处的半径,0<α<从入口至具有发展完全的流的区域的半径,并且在具有发展完全的流的区域中α=0。Lsten指的是其中半径最小且恒定的狭窄区域的长度,而Lvessel指的是对其计算压降的狭窄区段的整个长度。等式(1)的全解析压降模型包括三个压降计算。等式(1)的第一项计算对流压降,第二和第三项计算粘滞压降,而第四项计算扩展压降。
根据本发明的一个有利实施例,可以通过修改等式(1)的全解析压降模型来计算两个修改的治疗后(支架术后)压降模型,其对应于狭窄区域的部分成功的治疗和狭窄区域的完全成功的治疗。
为了模拟部分成功的治疗的效果,可以通过生成如下两个参数的假设值来计算虚拟的支架术后压降模型:在狭窄区段的远端(底部)部分中的横截面积(CSAout_post)和沿着狭窄的最小横截面积值(CSAsten_post)。CSAsten_post可以被设置得等于或大于治疗前的值(CSAout)。例如,如果在狭窄区段的近端中的横截面积大于用于CSAout的治疗前的值,则CSAout_post可设置成大于或等于CSAout并且小于或等于CSAin的值。CSAsten_post被设置成大于治疗前的值CSAsten并且小于CSAin和CSAout_post的值,因此表示其中狭窄区域的扩张仅部分成功的情况。例如,CSAsten_post可以设置成CSAin或者CSAout_post的预定百分比,并且该百分比可以被调整以预测在部分成功的不同等级上的治疗的效果。在一个可能的实施例中,CSAsten_post可以被设置为CSAin或CSAout_post的基于医学图像数据中的钙化自动确定的百分比。下面更详细描述该实施例。然后可以使用下面的用于部分成功的治疗的支架术后压降模型:
在等式(2)的支架术后压降模型中,基于在狭窄区段的远端部分的横截面积CSAout_post的假设值来计算对流压降项(第一项)。将等式(1)中的两个粘滞压降项中的第一个移除并且将第二粘滞压降项(等式(2)中的第二项)用于计算沿着整个狭窄区段的粘滞压降。分别基于最小和远端横截面积CSAsten_post和CSAout_post的最新假设值来计算扩展压降项(等式(2)的第三项)。
对于完全成功的支架术后压降模型,可以通过生成用于狭窄区段的远端部分中的横截面积CSAout_post的单个假设值来模拟治疗的效果。再次,可以将CSAout_post的值选择为等于或大于CSAout。例如,如果CSAin大于CSAout,则可以将CSAout_post设置为大于或等于CSAout并且小于或等于CSAin的值。在可能的实施方式中,CSAout_post可以被设置为等于CSAin。该实施方式假设横截面积是均匀的,并且沿着整个狭窄区段完全扩展,从而CSAin=CSAsten_post=CSAout_post。如果对于CSAout_post设置了假设值,则可以使用下面的用于完全成功治疗的治疗后压降模型:
在等式(3)的支架术后压降模型中,基于在狭窄区段的远端部分中的横截面积CSAout_post的假设值来计算对流压力项(第一项),而基于CSAin和CSAout_post的平均值计算粘滞压降。在一个替选的实施形式中,可以使用在CSAin和CSAout_post的值之间的插值(例如线性的,平方的等)替代CSAin和CSAout_post的平均值来计算粘滞压降。将扩展压降项完全移除,因为在该情况下不存在湍流机制。
半经验的压降模型
在该示例性实施形式中,可以通过以基于经验数据预测压降的模型开始和以解析的对流压降项论证该经验模型来获得用于冠状动脉狭窄的半经验压降模型。例如,可以将基于粘度、湍流和惯性系数计算用于狭窄的压降的经验模型表达为:
其中,ΔP表示在脉管的狭窄区段上的压降,q表示流速,ρ表示血液密度,μ表示血液粘度,Ls表示狭窄长度,r0表示在脉管的正常(非狭窄)部分中的脉管半径,并且Kv、Kt和Ku分别是粘度、湍流和惯性系数,其为通过经验确定的。以0为下标的量指的是正常脉管,而以s为下标的量指的是狭窄。在引入对于治疗后模型的修改之前,可以以对流压降项论证等式(4)的经验压降模型,其得到下面的半经验压降模型:
再次,可以通过修改等式(5)的半经验压降模型来计算两个支架术后压降模型,其对应于部分成功的治疗和完全成功的治疗。用于狭窄区域的部分成功的治疗的、修改的支架术后压降模型可以表达为:
在等式(6)中,通过设置CSAout_post和CSAsten_post的假设值(如上面描述那样)和通过对应地适配Kv来适配头三项。尤其,Kv可以被确定为沿着狭窄的中心线的横截面积的函数。在示例性的实施方式中,在CSAin、CSAsten_post和CSAout_post之间插值横截面积。可以将用于狭窄区域的完全成功的治疗的修改的支架术后压降模型表达为:
在等式(7)中,通过设置CSAout_post的假设值(如上面描述那样)和通过相应地适配Kv来适配头两项,而将来自等式(5)的第三项完全去除,因为不存在湍流机制。惯性项(等式(5)的第四项)在两个等式(6)和(7)中保持相同,因为该项仅引入在压力和流之间的相移,而不贡献于总压降。
图5示出了根据本发明的一个实施例的、用于修改压降模型和计算在冠状动脉狭窄上的压降的方法。图5的方法可以在图1的步骤106的实施中被使用。图5的方法可以基于由用户利用诸如鼠标或触屏的用户输入设备输入的用户输入交互地、没有用户输入情况下自动地或者按其组合地来进行。参考图5,在步骤502,选择狭窄用于虚拟支架术治疗预测(例如虚拟的PCI)。如上面描述的,可以由用户人工识别或者自动检测冠状动脉树中的狭窄区域。在步骤502中,选择冠状动脉树中的一个狭窄区域或者多个狭窄区域用于支架术治疗预测。在一个可能的实施形式中,可以由用户交互地选择该狭窄区域(或者多个狭窄区域)。例如,可以在计算机的显示设备上显示冠状动脉树的患者特定解剖模型和/或患者的医学图像数据,并且用户可以选择一个狭窄区域或多个狭窄区域来对于其预测支架术治疗的效果。可以作为对显示设备上显示的、要求用户选择狭窄区域的提示的响应来接收选择狭窄区域的用户输入。在另一可能的实施形式中,可以在没有用户输入情况下通过计算机/处理器自动选择狭窄区域。例如,计算机可以自动执行对于多个可能治疗情景的治疗预测,其中,每个治疗情景对应于对患者的冠状动脉树中的一个狭窄区域或多个狭窄区域进行支架术。
在步骤504,对于所选狭窄规定支架放置的效果。尤其,确定虚拟支架术是与狭窄的部分扩张对应的、部分成功的,还是与狭窄的完全扩张对应的、完全成功的。选择部分成功的治疗还是完全成功的治疗决定了使用哪个修改的压降模型。在一个可能的实施方式中,对于部分成功的治疗或者完全成功的治疗的选择可以由用户交互地执行。例如,响应于用户选择了用于虚拟治疗预测的狭窄,可以在显示设备上显示提示,其为用户提供在部分成功的治疗与完全成功的治疗之间的选择。如果用户选择了部分成功的治疗,则可以进一步提示用户选择一个百分比,该百分比对应于该治疗的成功程度(即在狭窄中的脉管几何的扩张的百分比)。还可以给予用户选项,用于选择压降模型的类型、诸如完全解析模型或者半经验模型,或者可以预设压降模型的类型从而不能由用户选择。重要的是应注意,对于部分成功的治疗或者完全成功的治疗的决定并非基于为了估计该几何由于支架放置产生的实际扩张而对冠状动脉的解剖模型的修改。
在另一可能的实施形式中,可以基于患者的医学图像数据自动执行对于部分成功的治疗或者完全成功的治疗的决定。在该实施方式中,可以提取来自医学图像的特征以自动确定PCI过程将引起狭窄区域的部分还是完全扩张的概率。例如,可以通过分析感兴趣区域(在该情况下是围绕狭窄的区域)中的图像体素的强度值来对于每个狭窄量化钙化量。具有大量钙化的狭窄与不具有钙化的狭窄相比更容易引起支架的部分张开。其它特征、诸如脉管的扭曲或者脉管的半径,也可以被类似地量化以确定取决于来自医学图像数据的多于一个特征的复合索引。除了自动选择用于狭窄的部分成功的治疗或者完全成功的治疗之外,这些特征可以用来自动选择将对于部分成功的治疗使用的扩张的百分比。
在步骤506,设置用于修改的压降模型的修改的参数的假设值。参数的数目和类型取决于在步骤506中规定的支架的效果(即部分成功的治疗还是完全成功的治疗)。用于部分成功的治疗压降模型或者用于完全成功的治疗压降模型的修改的参数的假设值可以被如上面描述那样地设置。在步骤508,基于在冠状动脉的支架术前解剖模型中的模拟的血流来确定用于所选狭窄的压降,所述血流是利用具有在步骤506中确定的用于修改的参数的假设值的修改的支架术后压降模型模拟的。
返回图1,在步骤108,对于冠状动脉狭窄计算血液动力学指标。在步骤106的血流和压力模拟中,对于一系列时间步骤中的每个,对于该狭窄计算支架术后压降。根据本发明的一个有利的实施例,基于对于该狭窄计算的支架术后压降,对于该狭窄计算支架术后血流储备分数(FFR)。FFR被定义为狭窄脉管中的最大血流与正常血管中的最大血流之比,并且用于表征狭窄的严重程度。可以通过计算狭窄的远端处的时间平均压力(Pd)与充血状态中主动脉中的平均压力(Pa)之比来对于该狭窄近似FFR。从而,在一个有利的实施例中,在步骤106中的血流模拟模拟了充血血流,而用于该狭窄的所计算的支架术后压降可以在一个心脏周期上平均并且随后用于确定该狭窄的支架术后FFR值。尤其,可以将FFR计算为(Pa-ΔP)/Pa,其中Pa是主动脉压力。主动脉压力可以被假设为人口平均值,或者可以确定为非侵入性地采集的收缩压和舒张压以及心率的函数。也可以对于狭窄计算其它血液动力学指标。例如,可以基于得自静息状态血流模拟的、用于狭窄的支架术后压降来计算血液动力学指标,诸如瞬时无波型比率(iFR)和静息Pd/Pa。可以通过在显示设备上显示值来输出支架术后FFR值和/或其它支架术后血液动力学指标。在一个可能的实施方式中,可以将一个或多个所计算的支架术后FFR值(或其它支架术后血液动力学指标)在显示在显示设备上的患者医学图像上可视化。
图6示出了一种根据本发明的一个实施例的支架术治疗规划方法。在此利用为患者的冠状动脉狭窄规划PCI治疗的示例来描述图6的方法,但是本发明不限于此并且可以类似地应用于其它类型动脉中的其它支架术治疗。图6的方法可以用于评估用于治疗冠状动脉狭窄的不同支架术策略以确定何种支架术策略是有效的和/或选择最优的支架术策略。图6的方法可以实施为用于支架术治疗规划的全自动的方法。参考图6,在步骤602,接收患者医学图像数据。在步骤604,从该医学图像数据提取冠状动脉支架术前患者特定解剖模型。步骤602和604与图1的步骤102和104相同。如上面描述的,可以在医学图像数据或者冠状动脉支架术前患者特定解剖模型中自动检测或手工识别狭窄区域。
在步骤606,对于冠状动脉支架术前患者特定解剖模型中的每个狭窄区域计算支架术前FFR值。支架术前FFR值可以通过模拟冠状动脉支架术前患者特定解剖模型中充血状态时的血流和压力来计算。例如,可以将冠脉循环的计算模型用于执行血流和压力计算。
在步骤608,基于对于冠状动脉支架术前患者特定解剖模型中的狭窄区域计算的支架术前FFR值来确定多个支架术策略。尤其,将具有小于预定阈值(例如<0.8)的支架术前FFR值的狭窄区域识别为用于进行支架术的目标狭窄区域。此外,对于每个具有小于阈值的支架术前FFR值的狭窄区域,还将所有在冠状动脉树中的血流路径中在前的(即在近端方向上的)狭窄区域识别为用于进行支架术的目标狭窄区域。可以对于在冠状动脉树中特定血流路径中的每组目标狭窄区域生成多个支架术策略,其中每个支架术策略对应于对一个子组的目标狭窄区域进行支架术。支架术策略包括与对每个个别目标狭窄区域对应的支架术策略和与对多个狭窄区域的每个可能组合进行支架术对应的支架术策略,直至与对所有目标狭窄区域进行支架术对应的支架术策略。
图7示出了对于冠状动脉树中的三个狭窄区域的示例性支架术前FFR计算结果。如在图7中所示,左前降支(LAD)动脉具有三个串行的狭窄(狭窄1、狭窄2和狭窄3),其中每个可能是或可能不是在血液动力学上重要的。狭窄1具有为0.885的支架术前FFR值,狭窄2具有为0.667的支架术前FFR值,并且狭窄3具有为0.621的支架术前FFR值。因为大多远端狭窄(狭窄3)具有小于0.8的FFR值,所以清楚的是需要进行PCI,并且所有三个狭窄都被识别为要进行支架术的目标狭窄。图6的虚拟规划方法的目标是确定应进行PCI的狭窄。在图7中支架术前FFR值指示狭窄2是最重要的,因为它导致FFR值的最大下降。然而,不清楚的是狭窄2是否足以使远端(狭窄3的)FFR值升至0.8以上。
回到图6,在步骤610,对于多个支架术策略中的每个,通过利用对于当前支架术策略中被进行支架术的目标狭窄区域的修改的压降模型模拟在冠状动脉支架术前患者特定解剖模型中的血流,来对于目标狭窄区域中的每个计算所预测的支架术后FFR值。尤其,可以实施图1的方法以通过计算对于待进行支架术的每个目标狭窄区域的所预测的支架术后压降来预测当前支架术策略中待进行支架术的每个目标狭窄区域的支架术效果,该所预测的支架术后压降是基于利用相应的修改的支架术后压降模型模拟在冠状动脉支架术前患者特定解剖模型中的血流来计算的。根据一个有利实施形式,可以在假设每个支架术将完全成功的情况下通过利用完全成功的修改的支架术后压降模型预测每个进行支架术的狭窄区域的支架术后压降来计算每个支架术策略的支架术后FFR值。这允许治疗规划方法虚拟地消除个别狭窄区域或多个狭窄区域的功能作用,而无需在支架出现的情况下修改脉管的几何。这可以用于减少可能的支架术策略,并且在一个可能的实施例中,可以利用部分成功的修改的支架术后压降模型对于还没被消除的、剩余的支架术策略重复步骤610。
在步骤612,输出多个支架术策略的所预测的支架术后FFR计算结果。例如,可以在显示设备上显示所预测的支架术后FFR计算结果,方式是通过列出所预测的支架术后FFR值或者将所预测的支架术后FFR叠置在患者的医学图像数据上。
图8-14示出了用于在图7的冠状动脉狭窄上执行虚拟PCI的不同的支架术策略的所预测的支架术后FFR值。图8示出了得自对狭窄1的虚拟PCI(支架术)的所预测的支架术后FFR值。图9示出了得自对狭窄2的虚拟PCI的所预测的支架术后FFR值。图10示出了得自对狭窄3的虚拟PCI的所预测的支架术后FFR值。图11示出了得自对狭窄1和2的虚拟PCI的所预测的支架术后FFR值。图12示出了得自对狭窄1和3的虚拟PCI的所预测的支架术后FFR值。图13示出了得自对狭窄2和3的虚拟PCI的所预测的支架术后FFR值。图14示出了得自对狭窄1、2和3的虚拟PCI的所预测的支架术后FFR值。虚拟的PCI后FFR计算的结果指示需要对所有三个狭窄进行支架术,以便获得高于0.8的远端FFR值。对此的一个重要原因是如下事实,即,当移除了一个狭窄时,沿着剩余狭窄的压降由于增大的流速而增大,由此导致所预测的支架术后FFR中的、比原始计算的支架术前FFR值中更大的下降。
上面描述的用于预测动脉狭窄的支架术后血液动力学指标以进行治疗规划的方法可以在计算机上利用已知的计算机处理器、存储器单元、存储设备、计算机软件和其它部件来实施。在图15中示出了这种计算机的高级框图。计算机1502包含处理器1504,其通过运行定义这种运算的计算机程序指令来控制计算机1502的全面运算。计算机程序指令可以存储在存储设备1512(例如磁盘)中,并且在期望运行该计算机程序指令时加载到存储器1510中。因此,可以通过存储在存储器1510和/或存储设备1512中的计算机程序指令定义并且通过运行该计算机程序指令的处理器1504控制图1、5和6的方法的步骤。可以将诸如CT扫描设备、MR扫描设备、超声设备等的图像采集设备1520连接至计算机1502以将图像数据输出至该计算机1502。可能的是,作为一个设备实施图像采集设备1520和计算机1502。还可能的是,图像采集设备1520和计算机1502通过网络无线通信。在一个可能的实施例中,计算机1502可以相对于图像采集设备1520位于远处,并且可以作为基于服务器或云的设备的部分来执行方法步骤。计算机1502还包括一个或多个网络接口1506以经由网络与其它设备通信。计算机1502还包括其它输入/输出设备1508,其使得用户能够与计算机1502(例如显示器、键盘、鼠标、扬声器、按键等)交互。这种输入/输出设备1508可以结合一组计算机程序用作标注工具,以标注从图像采集设备1520接收的容积。本领域技术人员将识别到,实际的计算机的实施方式可以包含其它部件,并且图15是这种计算机的一些部件的用于图解目的的高级表示。
上面描述的用于医学图像合成的方法可以利用在客户端-服务器关系中运行的计算机来实现。典型地,在这种系统中,客户端计算机与服务器计算机相距遥远并且经由网络与其交互。客户端-服务器关系可以由在相应的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。
上面描述的用于医学图像合成的方法可以在基于网络的云计算系统内实现。在这种基于网络的云计算系统中,连接至网络的服务器或其它处理器经由网络与一个或多个客户端计算机通信。客户端计算机可以例如经由存在于和运行于客户端计算机上的网络浏览器应用来与服务器通信。客户端计算机可以在服务器上存储数据并且经由网络访问该数据。客户端计算机可以经由网络向服务器传送对数据的请求或者对在线服务的请求。服务器可以执行所请求的服务并且向客户端计算机提供数据。服务器还可以传送这样的数据,该数据适于使得客户端计算机执行特定函数、例如执行计算,以在屏幕等上显示特定的数据。例如,服务器可以传送这样的请求,该请求适于使得客户端计算机执行在此描述的一个或多个方法步骤,包括图1、5和6的一个或多个方法步骤。在此描述的方法的特定步骤、包括图1、5和6的一个或多个方法步骤可以由服务器或者由基于网络的云计算系统中的其它处理器来执行。在此描述的方法的特定步骤、包括图1、5和6的一个或多个方法步骤可以由基于网络的云计算系统中的客户端计算机来执行。在此描述的方法的特定步骤、包括图1、5和6的一个或多个方法步骤可以由基于网络的云计算系统中的客户端计算机和/或服务器的任意组合来执行。
之前的详细描述应理解为在每个方面都是解释性和示例性而非限制性的,并且在此公开的本发明的范围不应根据该详细描述来确定,而是根据如按照专利法所允许的完全宽度来理解的权利要求来确定的。应理解的是,在此描述和示出的实施例仅解释本发明的原理,并且本领域技术人员可以实施多种修改而不偏离本发明的范围和精神。本领域技术人员可以实施多种其它特征组合而不偏离本发明的范围和精神。
Claims (50)
1.一种用于根据支架术前医学图像数据预测对于冠状动脉狭窄的支架术后血液动力学指标的方法,包括:
从患者的医学图像数据中提取冠状动脉支架术前患者特定解剖模型;
借助用于对在冠状动脉支架术前患者特定解剖模型中在目标狭窄区域上的压降进行计算的修改的压降模型来模拟在冠状动脉支架术前患者特定解剖模型中的血流,其中修改的压降模型模拟支架术对所述目标狭窄区域的影响;以及
基于利用修改的压降模型计算的在所述目标狭窄区域上的压降来计算所述目标狭窄区域的所预测的支架术后血液动力学指标。
2.根据权利要求1所述的方法,其中,借助用于对在冠状动脉支架术前患者特定解剖模型中在狭窄区域上的压降进行计算的修改的压降模型来模拟在冠状动脉支架术前患者特定解剖模型中的血流包括:
利用以压降模型表示在冠状动脉支架术前患者特定解剖模型中的狭窄区域的冠脉循环计算模型来模拟在冠状动脉支架术前患者特定解剖模型中的血流,其中,修改表示目标狭窄区域的压降模型以模拟支架术对所述目标狭窄区域的影响。
3.根据权利要求1所述的方法,其中,修改的压降模型是对完全成功的支架术治疗对所述目标狭窄区域的影响进行模拟的完全成功的支架术后压降模型,或者对部分成功的支架术治疗对所述目标狭窄区域的影响进行模拟的部分成功的支架术后压降模型中的一个。
4.根据权利要求3所述的方法,其中,修改的压降模型是完全成功的支架术后压降模型,并且以用于对在冠状动脉支架术前患者特定解剖模型中的目标狭窄区域上的压降进行计算的修改的压降模型来模拟在冠状动脉支架术前患者特定解剖模型中的血流包括:
在不修改冠状动脉支架术前患者特定解剖模型的情况下,确定用于修改的压降模型的参数的假设值来模拟所述目标狭窄区域的完全扩张;以及
基于利用具有用于该参数的假设值的修改的压降模型模拟的在冠状动脉支架术前患者特定解剖模型中的血流,计算在所述目标狭窄区域上预测的支架术后压降。
5.根据权利要求4所述的方法,其中,在不修改冠状动脉支架术前患者特定解剖模型的情况下确定用于修改的压降模型的参数的假设值来模拟所述目标狭窄区域的完全扩张包括:
在不修改冠状动脉支架术前患者特定解剖模型的情况下确定用于所述目标狭窄区域的远端部分的支架术后横截面积的假设值。
6.根据权利要求5所述的方法,其中,所述修改的压降模型是完全解析压降模型,并且基于利用具有用于所述参数的假设值的修改的压降模型模拟的在冠状动脉支架术前患者特定解剖模型中的血流来计算在所述目标狭窄区域上的所预测的支架术后压降包括:
基于用于所述目标狭窄区域的远端部分的支架术后横截面积的假设值计算对流压降项,并且基于用于冠状动脉支架术前患者特定解剖模型中的目标狭窄区域的远端部分的支架术后横截面积和目标狭窄区域的近端部分的横截面积的假设值之平均计算粘滞压降项。
7.根据权利要求5所述的方法,其中,修改的压降模型是完全解析压降模型,并且基于利用具有用于所述参数的假设值的修改的压降模型模拟的在冠状动脉支架术前的患者特定解剖模型中的血流计算在所述目标狭窄区域上的所预测的支架术后压降包括:
基于用于所述目标狭窄区域的远端部分的支架术后横截面积的假设值计算对流压降项,并且基于在冠状动脉支架术前患者特定解剖模型中的目标狭窄区域的近端部分的横截面积与用于所述目标狭窄区域的远端部分的支架术后横截面积的假设值之间的插值计算粘滞压降项。
8.根据权利要求5所述的方法,其中,所述修改的压降模型是半经验的压降模型,并且基于利用具有用于所述参数的假设值的修改的压降模型模拟的在冠状动脉支架术前患者特定解剖模型中的血流计算在所述目标狭窄区域上的预测的支架术后压降包括:
基于用于所述目标狭窄区域的远端部分的支架术后横截面积的假设值计算对流压降项,并且基于粘滞系数计算粘滞压降项,该粘滞系数是被适配为与用于所述目标狭窄区域的远端部分的支架术后横截面积的假设值相对应的。
9.根据权利要求3所述的方法,其中,所述修改的压降模型是部分成功的支架术后压降模型,并且借助用于对在冠状动脉支架术前患者特定解剖模型中的目标狭窄区域上的压降进行计算的修改的压降模型来模拟在冠状动脉支架术前患者特定解剖模型中的血流包括:
在不修改冠状动脉支架术前患者特定解剖模型的情况下确定用于修改的压降模型的一个或多个参数的假设值来模拟所述目标狭窄区域的部分扩张;以及
基于利用具有用于所述一个或多个参数的假设值的修改的压降模型模拟的在冠状动脉支架术前患者特定解剖模型中的血流来计算在所述目标狭窄区域上的所预测的支架术后压降。
10.根据权利要求9所述的方法,其中,在不修改冠状动脉支架术前患者特定解剖模型的情况下确定用于修改的压降模型的一个多个参数的假设值以模拟所述目标狭窄区域的部分扩张包括:
在不修改冠状动脉支架术前患者特定解剖模型的情况下,确定用于目标狭窄区域的远端部分的支架术后横截面积和目标狭窄区域的支架术后最小横截面积中的每个的假设值。
11.根据权利要求10所述的方法,其中,所述修改的压降模型是完全解析压降模型,并且,基于利用具有用于所述一个或多个参数的假设值的修改的压降模型模拟的在冠状动脉支架术前患者特定解剖模型中的血流来计算在目标狭窄区域上的所预测的支架术后压降包括:
基于用于目标狭窄区域的远端部分的支架术后横截面积的假设值来计算对流压降项,基于用于目标狭窄区域的远端部分的支架术后横截面积和目标狭窄区域的支架术后最小横截面积的假设值计算沿着目标狭窄区域的整个长度的粘滞压降项,并且基于用于目标狭窄区域的远端部分的支架术后横截面和目标狭窄区域的支架术后最小横截面积的假设值计算扩展压降项。
12.根据权利要求10所述的方法,其中,修改的压降模型是半经验的压降模型,并且基于利用具有用于所述一个或多个参数的假设值的修改的压降模型模拟的在冠状动脉支架术前患者特定解剖模型中的血流来计算在目标狭窄区域上的所预测的支架术后压降模型包括:
基于用于目标狭窄区域的远端部分的支架术后横截面积的假设值计算对流压降项,基于用于目标狭窄区域的远端部分的支架术后横截面积和目标狭窄区域的支架术后最小横截面积的假设值计算扩展压降项。
13.根据权利要求3所述的方法,其中,借助用于对在冠状动脉支架术前患者特定解剖模型中的目标狭窄区域上的压降进行计算的修改的压降模型模拟在冠状动脉支架术前患者特定解剖模型中的血流包括:
选择用于目标狭窄区域的完全成功的支架术后压降模型或者部分成功的支架术后压降模型之一;
基于对用于目标狭窄区域的完全成功的支架术后压降模型或者部分成功的支架术后压降模型之一的选择,在不修改冠状动脉支架术前患者特定解剖模型的情况下确定用于修改的压降模型的至少一个参数的假设值来模拟目标狭窄区域的完全或部分扩张;以及
基于利用具有用于至少一个参数的假设值的修改的压降模型模拟的在冠状动脉支架术前患者特定解剖模型中的血流,计算在目标狭窄区域上的所预测的支架术后压降。
14.根据权利要求13所述的方法,其中,选择目标狭窄区域的完全成功的支架术后压降模型或者部分成功的支架术后压降模型之一包括:
显示提示,该提示要求用户选择完全成功的支架术后压降模型或者部分成功的支架术后压降模型;以及
基于所接收到的用户选择来选择目标狭窄区域的完全成功的支架术后压降模型或者部分成功的支架术后压降模型之一。
15.根据权利要求13所述的方法,其中,选择目标狭窄区域的完全成功的支架术后压降模型或者部分成功的支架术后压降模型之一包括:
基于从医学图像数据中与目标狭窄区域对应的感兴趣区域中提取的图像特征,自动选择完全成功的支架术后压降模型或者部分成功的支架术后压降模型之一。
16.根据权利要求15所述的方法,其中,基于从医学图像数据中与目标狭窄区域对应的感兴趣区域中提取的图像特征自动选择完全成功的支架术后压降模型或者部分成功的支架术后压降模型之一包括:
基于从医学图像数据中与目标狭窄区域对应的感兴趣区域中提取的特征,对于目标狭窄区域量化钙化量;以及
基于对于目标狭窄区域所量化的钙化量,自动选择完全成功的支架术后压降模型或者部分成功的支架术后压降模型之一。
17.根据权利要求1所述的方法,其中,基于利用修改的压降模型计算的在目标狭窄区域上的压降,计算对于目标狭窄区域所预测的支架术后血液动力学指标包括:
基于利用修改的压降模型计算的在目标狭窄区域上的压降,计算对于目标狭窄区域所预测的支架术后血流储备分数(FFR)值。
18.根据权利要求1所述的方法,还包括:
对于多个目标狭窄区域中的每个个别地和对于该多个目标狭窄区域的所有可能的组合重复如下步骤,即,借助用于对在冠状动脉支架术前患者特定解剖模型中的目标狭窄区域上的压降进行计算的修改的压降模型来模拟在冠状动脉支架术前患者特定解剖模型中的血流和基于利用修改的压降模型计算的在目标狭窄区域上的压降来计算对于目标狭窄区域的所预测的支架术后血液动力学指标,以预测与多个可能的支架术情景对应的支架术后血液动力学指标。
19.一种用于对治疗患者的冠状动脉狭窄的支架术治疗进行自动虚拟规划的方法,包括:
从患者的医学图像数据中提取冠状动脉支架术前患者特定解剖模型;
基于在冠状动脉支架术前患者特定解剖模型中模拟的血流和压力,对于在冠状动脉支架术前患者特定解剖模型中的多个狭窄区域计算支架术前血流储备分数(FFR)值;
基于对于所述多个狭窄区域计算的支架术前FFR值,确定多个虚拟支架术策略;
对于所述多个狭窄区域预测得自所述多个虚拟支架术策略中的每个的支架术后FFR值,其中,每个虚拟支架术策略指定所述狭窄区域中的一个或多个来进行支架术,并且,对于每个虚拟支架术策略,对于所述多个狭窄区域预测的支架术后FFR值是通过如下方式计算的,即,借助相应的用于对于在该支架术策略中指定为待进行支架术的狭窄区域中的一个或多个中的每个计算支架术后压降的修改的压降模型来模拟在冠状动脉支架术前患者特定解剖模型中的血流。
20.根据权利要求19所述的方法,其中,基于对于多个狭窄区域计算的支架术前FFR值确定多个虚拟支架术策略包括:
识别具有小于预定阈值的FFR值的狭窄区域以及冠状动脉支架术前患者特定解剖模型中的待包括到一组目标狭窄区域中的一个或多个早期狭窄区域;以及
确定多个虚拟支架术策略,以包括分别对待进行支架术的目标狭窄区域的每个个别地和对待进行支架术的目标狭窄区域中的多个的每个可能组合进行指定的虚拟支架术策略。
21.根据权利要求20所述的方法,其中对于所述多个狭窄区域预测得自所述多个虚拟支架术策略中的每个的支架术后FFR值包括:
通过将对完全成功的支架术治疗进行模拟的完全成功的支架术后压降模型用作修改的压降模型来对于所述多个狭窄区域预测得自所述多个虚拟支架术策略中的每个的支架术后FFR值,所述修改的压降模型是用于对于所述多个支架术策略中的每个中指定为待进行支架术的一个或多个目标狭窄区域中的每个计算支架术后压降的。
22.根据权利要求20所述的方法,还包括:
识别所述多个虚拟支架术策略中的至少一个,其引起比对于所述多个狭窄区域中的每个预定的阈值小的所预测的支架术后FFR值。
23.一种用于根据支架术前医学图像数据对于冠状动脉狭窄预测支架术后血液动力学指标的设备,包括:
用于从患者的医学图像数据中提取冠状动脉支架术前患者特定解剖模型的装置;
用于借助用来对在冠状动脉支架术前患者特定解剖模型中的目标狭窄区域上的压降进行计算的修改的压降模型模拟在冠状动脉支架术前患者特定解剖模型中的血流的装置,其中修改的压降模型模拟支架术对目标狭窄区域的影响;以及
用于基于利用修改的压降模型计算的在目标狭窄区域上的压降来计算对于目标狭窄区域所预测的支架术后血液动力学指标的装置。
24.根据权利要求23所述的设备,其中,借助用于对在冠状动脉支架术前患者特定解剖模型中的狭窄区域上的压降进行计算的修改的压降模型来模拟在冠状动脉支架术前患者特定解剖模型中的血流的装置包括:
利用以压降模型表示在冠状动脉支架术前患者特定解剖模型中的狭窄区域的冠脉循环计算模型来模拟在冠状动脉支架术前患者特定解剖模型中的血流的装置,其中,表示目标狭窄区域的该压降模型被修改以模拟支架术对目标狭窄区域的影响。
25.根据权利要求23所述的设备,其中,修改的压降模型是对完全成功的支架术治疗对目标狭窄区域的影响进行模拟的完全成功的支架术后压降模型,或者是对部分成功的支架术治疗对目标狭窄区域的影响进行模拟的部分成功的支架术后压降模型之一。
26.根据权利要求25所述的设备,其中,修改的压降模型是完全成功的支架术后压降模型,并且借助用于对在冠状动脉支架术前患者特定解剖模型中的目标狭窄区域上的压降进行计算的修改的压降模型来模拟冠状动脉支架术前患者特定解剖模型中的血流的装置包括:
在不修改冠状动脉支架术前患者特定解剖模型的情况下确定修改的压降模型的参数的假设值以模拟目标狭窄区域的完全扩张的装置;以及
基于利用具有用于所述参数的假设值的修改的压降模型模拟的在冠状动脉支架术前患者特定解剖模型中的血流来计算在目标狭窄区域上的所预测的支架术后压降的装置。
27.根据权利要求26的设备,其中,在不修改冠状动脉支架术前患者特定解剖模型的情况下确定修改的压降模型的参数的假设值以模拟目标狭窄区域的完全扩张的装置包括:
在不修改冠状动脉支架术前患者特定解剖模型的情况下确定目标狭窄区域的远端的支架术后横截面积的假设值的装置。
28.根据权利要求25所述的设备,其中,修改的压降模型是部分成功的支架术后压降模型,并且借助用于对在冠状动脉支架术前患者特定解剖模型中的目标狭窄区域上的压降进行计算的修改的压降模型来模拟在冠状动脉支架术前患者特定解剖模型中的血流的装置包括:
在不修改冠状动脉支架术前患者特定解剖模型的情况下确定修改的压降模型的一个或多个参数的假设值以模拟目标狭窄区域的部分扩张的装置;以及
基于利用具有用于所述一个或多个参数的假设值的修改的压降模型模拟的在冠状动脉支架术前患者特定解剖模型中的血流来计算在目标狭窄区域上的所预测的支架术后压降的装置。
29.根据权利要求28所述的设备,其中,在不修改冠状动脉支架术前患者特定解剖模型的情况下确定修改的压降模型的一个或多个参数的假设值以模拟目标狭窄区域的部分扩张的装置包括:
在不修改冠状动脉支架术前患者特定解剖模型的情况下确定目标狭窄区域的远端部分的支架术后横截面积和目标狭窄区域支架术后最小横截面积中的每个的假设值的装置。
30.根据权利要求25所述的设备,其中,借助用于对在冠状动脉支架术前患者特定解剖模型中的目标狭窄区域上的压降进行计算的修改的压降模型来模拟在冠状动脉支架术前患者特定解剖模型中的血流的装置包括:
用于选择目标狭窄区域的完全成功的支架术后压降模型或者部分成功的支架术后压降模型之一的装置;
基于对目标狭窄区域的完全成功的支架术后压降模型或者部分成功的支架术后压降模型之一的选择,在不修改冠状动脉支架术前患者特定解剖模型的情况下确定该修改的压降模型的至少一个参数的假设值以模拟目标狭窄区域的完全或部分扩张的装置;以及
基于利用具有至少一个参数的假设值的修改的压降模型模拟的在冠状动脉支架术前患者特定解剖模型中的血流来计算在目标狭窄区域上的所预测的支架术后压降的装置。
31.根据权利要求30所述的设备,其中,用于选择目标狭窄区域的完全成功的支架术后压降模型或者部分成功的支架术后压降模型之一的装置包括:
基于医学图像数据中的与目标狭窄区域对应的感兴趣区域中提取的图像特征自动选择完全成功的支架术后压降模型或者部分成功的支架术后压降模型之一的装置。
32.根据权利要求23所述的设备,其中,基于利用修改的压降模型计算的在目标狭窄区域上的压降计算目标狭窄区域的所预测的支架术后血液动力学指标的装置包括:
基于利用修改的压降模型计算的在目标狭窄区域上的压降计算目标狭窄区域的所预测的支架术后血流储备分数(FFR)值的装置。
33.一种自动虚拟规划用于治疗患者的冠状动脉狭窄的支架术治疗的设备,包括:
从患者的医学图像数据中提取冠状动脉支架术前患者特定解剖模型的装置;
基于所模拟的在冠状动脉支架术前患者特定解剖模型中的血流和压力计算在冠状动脉支架术前患者特定解剖模型中的多个狭窄区域的支架术前血流储备分数(FFR)值的装置;
基于对于所述多个狭窄区域计算的支架术前FFR值确定多个虚拟支架术策略的装置;
预测得自所述多个虚拟支架术策略中的每个的用于所述多个狭窄区域的支架术后FFR值的装置,其中,每个虚拟支架术策略指定所述狭窄区域中的一个或多个来进行支架术,并且预测得自所述多个虚拟支架术策略中的每个的用于所述多个狭窄区域的支架术后FFR值的装置包括:
借助用于计算用于所述多个支架术策略中在所述多个虚拟支架术策略中的每个中指定为要进行支架术的一个或多个中的每个的支架术后压降的相应的修改的压降模型模拟在冠状动脉支架术前患者特定解剖模型中的血流的装置。
34.一种存储了用于根据支架术前医学图像数据预测冠状动脉狭窄的支架术后血液动力学指标的计算机程序指令的非暂时性计算机可读介质,所述计算机程序指令在被处理器执行时使得处理器执行包括如下的运算:
从患者的医学图像数据中提取冠状动脉支架术前患者特定解剖模型;
借助用于对冠状动脉支架术前患者特定解剖模型中的目标狭窄区域上的压降进行计算的修改的压降模型模拟在冠状动脉支架术前患者特定解剖模型中的血流,其中,修改的压降模型模拟支架术对目标狭窄区域的影响;以及
基于利用修改的压降模型计算的在目标狭窄区域上的压降计算目标狭窄区域的所预测的支架术后血液动力学指标。
35.根据权利要求34所述的非暂时性计算机可读介质,其中,借助用于对冠状动脉支架术前患者特定解剖模型中的目标狭窄区域上的压降进行计算的修改的压降模型模拟在冠状动脉支架术前患者特定解剖模型中的血流包括:
利用以压降模型表示在冠状动脉支架术前患者特定解剖模型中的狭窄区域的冠脉循环计算模型模拟在冠状动脉支架术前患者特定解剖模型中的血流,其中,修改表示目标狭窄区域的压降模型以模拟支架术对目标狭窄区域的影响。
36.根据权利要求34所述的非暂时性计算机可读介质,其中,修改的压降模型是对完全成功的支架术治疗对目标狭窄区域的影响进行模拟的完全成功的支架术后压降模型或者对部分成功的支架术治疗对目标狭窄区域的影响进行模拟的部分成功的支架术后压降模型。
37.根据权利要求36所述的非暂时性计算机可读介质,其中,修改的压降模型是完全成功的支架术后压降模型,并且借助用于对在冠状动脉支架术前患者特定解剖模型中的目标狭窄区域上的压降进行计算的修改的压降模型模拟在冠状动脉支架术前患者特定解剖模型中的血流包括:
在不修改冠状动脉支架术前患者特定解剖模型的情况下确定用于修改的压降模型的参数的假设值以模拟目标狭窄区域的完全扩张;以及
基于利用具有该参数的假设值的修改的压降模型模拟的在冠状动脉支架术前患者特定解剖模型中的血流来计算在目标狭窄区域上的所预测的支架术后压降。
38.根据权利要求37所述的非暂时性计算机可读介质,其中,在不修改冠状动脉支架术前患者特定解剖模型的情况下确定用于修改的压降模型的参数的假设值以模拟目标狭窄区域的完全扩张包括:
在不修改冠状动脉支架术前患者特定解剖模型的情况下确定用于目标狭窄区域的远端的支架术后横截面积的假设值。
39.根据权利要求36所述的非暂时性计算机可读介质,其中,修改的压降模型是部分成功的支架术后压降模型,并且借助用于对在冠状动脉支架术前患者特定解剖模型中的目标狭窄区域上的压降进行计算的修改的压降模型模拟在冠状动脉支架术前患者特定解剖模型中的血流包括:
在不修改冠状动脉支架术前患者特定解剖模型的情况下确定用于修改的压降模型的一个或多个参数的假设值以模拟目标狭窄区域的部分扩张;以及
基于利用具有用于所述一个或多个参数的假设值的修改的压降模型模拟在冠状动脉支架术前患者特定解剖模型中的血流来计算在目标狭窄区域上的所预测的支架术后压降。
40.根据权利要求39所述的非暂时性计算机可读介质,其中,在不修改冠状动脉支架术前患者特定解剖模型的情况下确定用于修改的压降模型的一个或多个参数的假设值以模拟目标狭窄区域的部分扩张包括:
在不修改冠状动脉支架术前患者特定解剖模型的情况下确定用于目标狭窄区域的远端的支架术后横截面积和目标狭窄区域的支架术后最小横截面积中的每个的假设值。
41.根据权利要求36所述的非暂时性计算机可读介质,其中,借助用于对在冠状动脉支架术前患者特定解剖模型中的目标狭窄区域上的压降进行计算的修改的压降模型模拟在冠状动脉支架术前患者特定解剖模型中的血流包括:
选择目标狭窄区域的完全成功的支架术后压降模型或者部分成功的支架术后压降模型之一;
基于对目标狭窄区域的完全成功的支架术后压降模型或者部分成功的支架术后压降模型之一的选择,在不修改冠状动脉支架术前患者特定解剖模型的情况下确定用于修改的压降模型的至少一个参数的假设值来模拟目标狭窄区域的完全或部分扩张;以及
基于利用具有用于至少一个参数的假设值的修改的压降模型模拟的在冠状动脉支架术前患者特定解剖模型中的血流,计算在目标狭窄区域上的所预测的支架术后压降。
42.根据权利要求41所述的非暂时性计算机可读介质,其中,选择目标狭窄区域的完全成功的支架术后压降模型或者部分成功的支架术后压降模型之一包括:
显示提示,该提示要求用户选择完全成功的支架术后压降模型或者部分成功的支架术后压降模型;以及
基于所接收到的用户选择来选择目标狭窄区域的完全成功的支架术后压降模型或者部分成功的支架术后压降模型之一。
43.根据权利要求41所述的非暂时性计算机可读介质,其中,选择目标狭窄区域的完全成功的支架术后压降模型或者部分成功的支架术后压降模型之一包括:
基于从医学图像数据中与目标狭窄区域对应的感兴趣区域中提取的图像特征自动选择完全成功的支架术后压降模型或者部分成功的支架术后压降模型之一。
44.根据权利要求43所述的非暂时性计算机可读介质,其中,基于从医学图像数据中与目标狭窄区域对应的感兴趣区域中提取的图像特征自动选择完全成功的支架术后压降模型或者部分成功的支架术后压降模型之一包括:
基于从医学图像数据中与目标狭窄区域对应的感兴趣区域中提取的特征,对于目标狭窄区域量化钙化量;以及
基于对于目标狭窄区域所量化的钙化量,自动选择完全成功的支架术后压降模型或者部分成功的支架术后压降模型之一。
45.根据权利要求34所述的非暂时性计算机可读介质,其中,基于利用修改的压降模型计算的在目标狭窄区域上的压降计算用于目标狭窄区域的所预测的支架术后血液动力学指标包括:
基于利用修改的压降模型计算的在目标狭窄区域上的压降计算用于目标狭窄区域的所预测的支架术后血流储备分数(FFR)。
46.根据权利要求34所述的非暂时性计算机可读介质,其中,所述运算还包括:
对于多个目标狭窄区域中的每个个别地和对于该多个目标狭窄区域的所有可能的组合重复如下步骤,即,借助用于对在冠状动脉支架术前患者特定解剖模型中的目标狭窄区域上的压降进行计算的修改的压降模型来模拟在冠状动脉支架术前患者特定解剖模型中的血流和基于利用修改的压降模型计算的在目标狭窄区域上的压降来计算对于目标狭窄区域的所预测的支架术后血液动力学指标,以预测与多个可能的支架术情景对应的支架术后血液动力学指标。
47.一种存储了用于自动规划用于治疗患者的冠状动脉狭窄的支架术治疗的计算机指令的非暂时性计算机可读介质,所述计算机程序指令在被处理器运行时使得处理器执行包括如下的运算:
从患者的医学图像数据中提取冠状动脉支架术前患者特定解剖模型;
基于在冠状动脉支架术前患者特定解剖模型中模拟的血流和压力,对于在冠状动脉支架术前患者特定解剖模型中的多个狭窄区域计算支架术前血流储备分数(FFR)值;
基于对于所述多个狭窄区域计算的支架术前FFR值,确定多个虚拟支架术策略;
对于所述多个狭窄区域预测得自所述多个虚拟支架术策略中的每个的支架术后FFR值,其中,每个虚拟支架术策略指定所述狭窄区域中的一个或多个来进行支架术,并且,对于每个虚拟支架术策略,对于所述多个狭窄区域预测的支架术后FFR值是通过如下方式计算的,即,借助相应的用于对于在该支架术策略中指定为待进行支架术的狭窄区域中的一个或多个中的每个计算支架术后压降的修改的压降模型来模拟在冠状动脉支架术前患者特定解剖模型中的血流。
48.根据权利要求47所述的非暂时性计算机可读介质,其中,基于对于所述多个狭窄区域计算的支架术前FFR值确定多个虚拟支架术策略包括:
识别具有小于预定阈值的FFR值的狭窄区域以及冠状动脉支架术前患者特定解剖模型中的待包括到一组目标狭窄区域中的一个或多个早期狭窄区域;以及
确定多个虚拟支架术策略,以包括分别个别地指定所述目标狭窄区域中的每个来进行支架术和所述目标狭窄区域中的待进行支架术的多个的每个可能组合的虚拟支架术策略。
49.根据权利要求48所述的非暂时性计算机可读介质,其中,对于所述多个狭窄区域预测得自所述多个虚拟支架术策略中的每个的支架术后FFR值包括:
通过将对完全成功的支架术治疗进行模拟的完全成功的支架术后压降模型用作修改的压降模型来对于所述多个狭窄区域预测得自所述多个虚拟支架术策略中的每个的支架术后FFR值,所述修改的压降模型是用于对于所述多个支架术策略中的每个中指定为待进行支架术的一个或多个目标狭窄区域中的每个计算支架术后压降的。
50.根据权利要求20所述的非暂时性计算机可读介质,其中,所述运算还包括:
识别所述多个虚拟支架术策略中的至少一个,其引起比对于所述多个狭窄区域中的每个预定的阈值小的所预测的支架术后FFR值。
Applications Claiming Priority (4)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US201462018800P | 2014-06-30 | 2014-06-30 | |
US62/018,800 | 2014-06-30 | ||
US14/704,233 US10130266B2 (en) | 2014-06-30 | 2015-05-05 | Method and system for prediction of post-stenting hemodynamic metrics for treatment planning of arterial stenosis |
US14/704,233 | 2015-05-05 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN105249954A true CN105249954A (zh) | 2016-01-20 |
CN105249954B CN105249954B (zh) | 2018-10-02 |
Family
ID=53489826
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510386120.4A Active CN105249954B (zh) | 2014-06-30 | 2015-06-30 | 预测支架术后血液动力学指标的方法和系统 |
Country Status (3)
Country | Link |
---|---|
US (1) | US10130266B2 (zh) |
EP (1) | EP2963574B1 (zh) |
CN (1) | CN105249954B (zh) |
Cited By (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106073894A (zh) * | 2016-05-31 | 2016-11-09 | 博动医学影像科技(上海)有限公司 | 基于植入虚拟支架的血管压力降数值及血流储备分数的评估方法和系统 |
CN106780477A (zh) * | 2016-12-30 | 2017-05-31 | 上海联影医疗科技有限公司 | 一种血流分析方法和系统 |
CN107174264A (zh) * | 2016-03-09 | 2017-09-19 | 西门子保健有限责任公司 | 确定流体动力学特征值的装置和方法 |
CN107411767A (zh) * | 2017-06-28 | 2017-12-01 | 西北工业大学 | 一种基于冠状动脉ct血管造影评估狭窄病灶血流阻力的非侵入式方法 |
CN107773261A (zh) * | 2016-08-25 | 2018-03-09 | 西门子保健有限责任公司 | 带有重叠的计划信息的x光拍摄 |
CN109074870A (zh) * | 2016-02-26 | 2018-12-21 | 哈特弗罗公司 | 用于对基于图像的患者特异性血液动力学模型中的未分辨血管进行识别和建模的系统和方法 |
CN109259751A (zh) * | 2018-08-27 | 2019-01-25 | 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 |
CN109758228A (zh) * | 2019-02-28 | 2019-05-17 | 四川大学华西医院 | 基于三维重建的经颈静脉门体分流手术支架安置优化方法 |
CN110742689A (zh) * | 2019-10-31 | 2020-02-04 | 北京理工大学 | 动脉夹层手术评估方法、装置、电子设备及存储介质 |
CN110916640A (zh) * | 2019-11-06 | 2020-03-27 | 广州新脉科技有限公司 | 基于ffr的冠状动脉狭窄功能性缺血的检测方法及装置 |
CN110998744A (zh) * | 2017-08-01 | 2020-04-10 | 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 |
CN112543618A (zh) * | 2018-06-15 | 2021-03-23 | 帕伊医疗成像有限公司 | 用于进行定量血液动力学流量分析的方法和装置 |
CN112950537A (zh) * | 2021-01-26 | 2021-06-11 | 上海友脉科技有限责任公司 | 一种冠脉血流储备分数获取系统、方法及介质 |
CN113827199A (zh) * | 2021-10-29 | 2021-12-24 | 苏州润迈德医疗科技有限公司 | 基于造影图像调节血管评定参数的方法、系统及存储介质 |
Families Citing this family (20)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9042613B2 (en) * | 2013-03-01 | 2015-05-26 | Heartflow, Inc. | Method and system for determining treatments by modifying patient-specific geometrical models |
WO2015164086A1 (en) * | 2014-04-22 | 2015-10-29 | Siemens Aktiengesellschaft | Method and system for hemodynamic computation in coronary arteries |
US9595089B2 (en) * | 2014-05-09 | 2017-03-14 | Siemens Healthcare Gmbh | Method and system for non-invasive computation of hemodynamic indices for coronary artery stenosis |
WO2016113646A1 (en) * | 2015-01-15 | 2016-07-21 | Koninklijke Philips N.V. | Ifr-ct |
WO2016132164A1 (en) * | 2015-02-17 | 2016-08-25 | Siemens Healthcare Gmbh | Method and system for personalizing a vessel stent |
WO2016182508A1 (en) * | 2015-05-12 | 2016-11-17 | Singapore Health Services Pte Ltd | Medical image processing methods and systems |
JP5839638B1 (ja) * | 2015-06-01 | 2016-01-06 | 川澄化学工業株式会社 | 管状治療具設計装置、管状治療具の製造方法、および管状治療具設計プログラム |
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 |
CN105078425B (zh) * | 2015-09-09 | 2016-06-08 | 苏州润心医疗科技有限公司 | 冠状动脉负荷检测系统及检测方法 |
US10304569B2 (en) * | 2015-12-03 | 2019-05-28 | Heartflow, Inc. | Systems and methods for associating medical images with a patient |
US10971271B2 (en) | 2016-04-12 | 2021-04-06 | Siemens Healthcare Gmbh | Method and system for personalized blood flow modeling based on wearable sensor networks |
CA3037912A1 (en) * | 2016-09-28 | 2018-04-05 | Lightlab Imaging, Inc. | Stent planning systems and methods using vessel representation |
WO2018156961A1 (en) * | 2017-02-24 | 2018-08-30 | Heartflow, Inc. | Systems and methods for identifying anatomically relevant blood flow characteristics in a patient |
US11551353B2 (en) * | 2017-11-22 | 2023-01-10 | Arterys Inc. | Content based image retrieval for lesion analysis |
EP3488774A1 (en) * | 2017-11-23 | 2019-05-29 | Koninklijke Philips N.V. | Measurement guidance for coronary flow estimation from bernoulli´s principle |
US11389130B2 (en) | 2018-05-02 | 2022-07-19 | Siemens Healthcare Gmbh | System and methods for fast computation of computed tomography based fractional flow reserve |
US10861157B2 (en) | 2019-04-04 | 2020-12-08 | Medtronic Vascular, Inc. | System and methods for determining modified fractional flow reserve values |
CN110598288B (zh) * | 2019-08-30 | 2020-08-07 | 上海杏脉信息科技有限公司 | 一种用于冠脉三维模型的边界条件处理方法和装置 |
US20220110530A2 (en) * | 2019-12-09 | 2022-04-14 | Nordsletten David | Method and System for Estimating Pressure Difference in Turbulent Flow |
CN115414163B (zh) * | 2022-11-04 | 2023-02-28 | 清华大学 | 血管支架、人体血管局部变形与血管局部动力学监测系统 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20120041320A1 (en) * | 2010-08-12 | 2012-02-16 | Heartflow, Inc. | Method and system for patient-specific modeling of blood flow |
US20130090555A1 (en) * | 2011-10-05 | 2013-04-11 | Ghassan S. Kassab | Devices, systems and methods for determining fractional flow reserve in the presence of a catheter |
US20130132054A1 (en) * | 2011-11-10 | 2013-05-23 | Puneet Sharma | Method and System for Multi-Scale Anatomical and Functional Modeling of Coronary Circulation |
US20140180087A1 (en) * | 2012-12-21 | 2014-06-26 | Volcano Corporation | Display Control for a Multi-Sensor Medical Device |
Family Cites Families (16)
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 |
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 |
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 |
US10186056B2 (en) | 2011-03-21 | 2019-01-22 | General Electric Company | System and method for estimating vascular flow using CT imaging |
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 |
US9700219B2 (en) | 2013-10-17 | 2017-07-11 | Siemens Healthcare Gmbh | Method and system for machine learning based assessment of fractional flow reserve |
-
2015
- 2015-05-05 US US14/704,233 patent/US10130266B2/en active Active
- 2015-06-18 EP EP15172630.4A patent/EP2963574B1/en active Active
- 2015-06-30 CN CN201510386120.4A patent/CN105249954B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20120041320A1 (en) * | 2010-08-12 | 2012-02-16 | Heartflow, Inc. | Method and system for patient-specific modeling of blood flow |
CN103270513A (zh) * | 2010-08-12 | 2013-08-28 | 哈特弗罗公司 | 用于患者特异性血流建模的方法和系统 |
US20130090555A1 (en) * | 2011-10-05 | 2013-04-11 | Ghassan S. Kassab | Devices, systems and methods for determining fractional flow reserve in the presence of a catheter |
US20130132054A1 (en) * | 2011-11-10 | 2013-05-23 | Puneet Sharma | Method and System for Multi-Scale Anatomical and Functional Modeling of Coronary Circulation |
CN104081401A (zh) * | 2011-11-10 | 2014-10-01 | 西门子公司 | 用于对冠脉循环进行多尺度的解剖学和功能建模的方法和系统 |
US20140180087A1 (en) * | 2012-12-21 | 2014-06-26 | Volcano Corporation | Display Control for a Multi-Sensor Medical Device |
Cited By (24)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109074870A (zh) * | 2016-02-26 | 2018-12-21 | 哈特弗罗公司 | 用于对基于图像的患者特异性血液动力学模型中的未分辨血管进行识别和建模的系统和方法 |
US11948695B2 (en) | 2016-02-26 | 2024-04-02 | Heartflow, Inc. | Systems and methods for identifying and modeling unresolved vessels in image-based patient-specific hemodynamic models |
CN109074870B (zh) * | 2016-02-26 | 2021-12-21 | 哈特弗罗公司 | 用于对未分辨血管进行识别和建模的系统和方法 |
CN107174264A (zh) * | 2016-03-09 | 2017-09-19 | 西门子保健有限责任公司 | 确定流体动力学特征值的装置和方法 |
CN106073894A (zh) * | 2016-05-31 | 2016-11-09 | 博动医学影像科技(上海)有限公司 | 基于植入虚拟支架的血管压力降数值及血流储备分数的评估方法和系统 |
CN106073894B (zh) * | 2016-05-31 | 2017-08-08 | 博动医学影像科技(上海)有限公司 | 基于植入虚拟支架的血管压力降数值及血流储备分数的评估方法和系统 |
WO2017206438A1 (zh) * | 2016-05-31 | 2017-12-07 | 博动医学影像科技(上海)有限公司 | 基于植入虚拟支架的ffr评估方法及系统 |
US10617473B2 (en) | 2016-05-31 | 2020-04-14 | Pulse Medical Imaging Technology (Shanghai) Co., Ltd | Method and system for evaluating FFR on the basis of virtual stent implantation |
CN107773261A (zh) * | 2016-08-25 | 2018-03-09 | 西门子保健有限责任公司 | 带有重叠的计划信息的x光拍摄 |
CN106780477A (zh) * | 2016-12-30 | 2017-05-31 | 上海联影医疗科技有限公司 | 一种血流分析方法和系统 |
CN107411767A (zh) * | 2017-06-28 | 2017-12-01 | 西北工业大学 | 一种基于冠状动脉ct血管造影评估狭窄病灶血流阻力的非侵入式方法 |
CN110998744A (zh) * | 2017-08-01 | 2020-04-10 | 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 |
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 |
CN112543618A (zh) * | 2018-06-15 | 2021-03-23 | 帕伊医疗成像有限公司 | 用于进行定量血液动力学流量分析的方法和装置 |
CN112543618B (zh) * | 2018-06-15 | 2024-05-07 | 帕伊医疗成像有限公司 | 用于进行定量血液动力学流量分析的方法和装置 |
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 |
CN109259751A (zh) * | 2018-08-27 | 2019-01-25 | 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 |
CN109758228A (zh) * | 2019-02-28 | 2019-05-17 | 四川大学华西医院 | 基于三维重建的经颈静脉门体分流手术支架安置优化方法 |
CN110742689A (zh) * | 2019-10-31 | 2020-02-04 | 北京理工大学 | 动脉夹层手术评估方法、装置、电子设备及存储介质 |
CN110916640A (zh) * | 2019-11-06 | 2020-03-27 | 广州新脉科技有限公司 | 基于ffr的冠状动脉狭窄功能性缺血的检测方法及装置 |
CN110916640B (zh) * | 2019-11-06 | 2023-04-14 | 唯智医疗科技(佛山)有限公司 | 基于ffr的冠状动脉狭窄功能性缺血的检测方法及装置 |
CN112950537A (zh) * | 2021-01-26 | 2021-06-11 | 上海友脉科技有限责任公司 | 一种冠脉血流储备分数获取系统、方法及介质 |
CN113827199A (zh) * | 2021-10-29 | 2021-12-24 | 苏州润迈德医疗科技有限公司 | 基于造影图像调节血管评定参数的方法、系统及存储介质 |
CN113827199B (zh) * | 2021-10-29 | 2024-01-23 | 苏州润迈德医疗科技有限公司 | 基于造影图像调节血管评定参数的方法、系统及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN105249954B (zh) | 2018-10-02 |
EP2963574B1 (en) | 2021-07-28 |
US10130266B2 (en) | 2018-11-20 |
US20150374243A1 (en) | 2015-12-31 |
EP2963574A3 (en) | 2016-01-20 |
EP2963574A2 (en) | 2016-01-06 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105249954A (zh) | 预测支架术后血液动力学指标的方法和系统 | |
CN105380598B (zh) | 用于针对动脉狭窄的自动治疗规划的方法和系统 | |
US20210358634A1 (en) | Systems and methods for image processing to determine blood flow | |
US10463336B2 (en) | Method and system for purely geometric machine learning based fractional flow reserve | |
US10134129B2 (en) | Method and system for hemodynamic computation in coronary arteries | |
US10595790B2 (en) | Method and system for personalized non-invasive hemodynamic assessment of renal artery stenosis from medical images | |
JP6539736B2 (ja) | 純粋幾何学的機械学習に基づいて血流予備量比を求める方法及びシステム | |
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 | |
KR102336929B1 (ko) | 환자-특정 기하학적 모델들을 변경함으로써 치료들을 결정하기 위한 방법 및 시스템 | |
CN104736046B (zh) | 用于数字评估脉管系统的系统和方法 | |
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 | |
CN107123159A (zh) | 血流状态分析系统及方法 | |
WO2016075331A2 (en) | Method and system for purely geometric machine learning based fractional flow reserve | |
CN103300820A (zh) | 用于冠状动脉狭窄的非侵入性功能评估的方法和系统 | |
CN104081401A (zh) | 用于对冠脉循环进行多尺度的解剖学和功能建模的方法和系统 | |
CN108665449B (zh) | 预测血流矢量路径上的血流特征的深度学习模型及装置 | |
CN110444275A (zh) | 用于快速计算血流储备分数的系统和方法 |
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: 20220126 Address after: Erlangen Patentee after: Siemens Healthineers AG Address before: Munich, Germany Patentee before: SIEMENS AG |
|
TR01 | Transfer of patent right |