CN106456269A - 对包括心脏的电传导系统的影响在内的患者特定心脏电生理的实时仿真的系统和方法 - Google Patents
对包括心脏的电传导系统的影响在内的患者特定心脏电生理的实时仿真的系统和方法 Download PDFInfo
- Publication number
- CN106456269A CN106456269A CN201580009323.XA CN201580009323A CN106456269A CN 106456269 A CN106456269 A CN 106456269A CN 201580009323 A CN201580009323 A CN 201580009323A CN 106456269 A CN106456269 A CN 106456269A
- Authority
- CN
- China
- Prior art keywords
- heart
- patient
- model
- purkinje
- tissue
- 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
-
- 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
- G06F17/11—Complex mathematical operations for solving equations, e.g. nonlinear equations, general mathematical optimization problems
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B34/00—Computer-aided surgery; Manipulators or robots specially adapted for use in surgery
- A61B34/10—Computer-aided planning, simulation or modelling of surgical operations
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
-
- 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
- A61B34/00—Computer-aided surgery; Manipulators or robots specially adapted for use in surgery
- A61B34/10—Computer-aided planning, simulation or modelling of surgical operations
- A61B2034/101—Computer-aided simulation of surgical operations
- A61B2034/105—Modelling of the patient, e.g. for ligaments or bones
Abstract
公开了一种用于仿真包括心脏的电传导系统的影响在内的患者特定心脏电生理的方法和系统。患者特定解剖心脏模型是根据患者的心脏图像数据来生成的。所述患者的心脏的电传导系统是通过基于心脏组织离心内膜的距离而确定心脏组织的电扩散率值来建模的。离心内膜面的距离场是以亚网格精度使用嵌套水平集方法来计算的。患者的心脏电生理是使用具有被确定以对患者的浦肯野网络建模的电扩散率值的心脏电生理模型来仿真的。
Description
本申请要求于2014年2月18号提交的美国临时申请No. 61/940,935的权益,其公开内容通过引用的在其整体上并入本文。
背景技术
本发明涉及仿真患者的心脏电生理,并且更具体而言,涉及对包括心脏的电传导系统的影响在内的患者的心脏电生理进行患者特定仿真,用于规划或指导电生理介入。
心脏节律疾病在西方国家的流行与日俱增。虽然主要治疗方案是基于药物的,但是微创电生理(EP)疗法的影响力正使其变得足以被视为可行的替代方案。例如,对于诸如房颤或者室速之类的心律不齐,消融疗法的使用正在增加,而心脏再同步化治疗(CRT)正成为心衰患者的治疗选择。然而,这些疗法需要全面患者选择以及复杂规划,并且其长期功效仍是次优的。因此,用以改进患者选择、疗法规划以及介入指导的工具和技术是合乎期望的。
用于对心脏EP的实时仿真的计算模型可以用于术中指导以及对EP介入的优化,以及用于减少这种过程的持续时间并因此减少患者压力(特别是在侵入性过程的情况下)。不幸的是,模型精度与计算成本之间的折中仍是个挑战,并且尚没有提出解决方案用以实现对包括心脏的电传导系统在内的患者特定电生理的实时建模。
发明内容
本发明提供用于根据患者的医学图像数据来对包括心脏的电传导系统的影响在内的心脏电生理(EP)的交互患者特定仿真的方法和系统。本发明的各实施例提供了精确的患者特定EP模型,其对心脏中的高速传导组织(即,浦肯野系统)的影响建模。本发明的各实施例通过基于笛卡尔网格校正由EP求解器产生的数值解,来复制高速传导组织对电信号在心脏中的传播的影响,使得能够以不依赖网格空间分辨率的精度对高速传导组织的影响建模。这允许实时数值解,其中实时的数值解使用粗网格用于对包括心脏的高速传导组织的影响在内的心脏EP的患者特定建模。本发明的各实施例提供了使用了实时患者特定心脏EP仿真的术前介入规划以及术中介入指导两者。
在一个实施例中,患者特定解剖心脏模型是根据患者的心脏图像数据来生成的。患者特定解剖心脏模型中的心脏组织的物理特性是基于患者特定解剖心脏模型中的心脏组织离一个或多个解剖结构的距离来建模的。患者的心脏功能是使用具有基于患者特定解剖心脏模型中的心脏组织离一个或多个解剖结构的距离进行建模的物理特性的心脏模型来仿真的。
在一个实施例中,患者的心脏的电传导系统是通过基于患者特定解剖心脏模型中的心脏组织离心外膜的距离而确定心脏组织的电特性来建模的,以及患者的心脏电生理是使用具有被确定以对患者的心脏的电传导系统建模的心脏组织的电特性的心脏电生理模型来仿真的。
对于本领域的那些普通技术人员而言,参照如下具体实施方式以及附图,本发明的这些以及其它优势将是清楚的。
附图说明
图1示出了心脏的电生理传导系统;
图2示出了根据本发明的实施例的用于仿真包括浦肯野系统的影响在内的患者特定心脏EP的方法;
图3示出了根据本发明的实施例的对患者的浦肯野网络的影响进行建模的方法;
图4示出了根据本发明的实施例的用于高速传导组织的建模方法的图形表示;以及
图5是能够实现本发明的计算机的高级框图。
具体实施方式
本发明涉及使用患者的医学成像数据来对包括心脏的电传导系统的影响在内的心脏电生理(EP)进行患者特定仿真。在本文中描述了本发明的各实施例以给出对用于使用医学成像数据进行患者特定建模以及电生理仿真的方法的可视理解。数字图像通常由对一个或多个对象(或形状)的数字表示组成。对对象的数字表示在本文通常是就标识并操控对象而言来描述的。这种操控是在计算机系统的存储器或其它电路/硬件中实现的虚拟操控。因此,应当理解的是,本发明的各实施例可以是使用在计算机系统内存储的数据来在计算机系统内执行的。
图1示出了心脏的电传导系统。如图1中所示,心脏的电传导系统是由包括如下的若干元件组成的:窦房结102、房室结104、希氏束106以及浦肯野纤维108。在正常的生理状况中,电脉冲是在位于上腔静脉与右心房的结处的窦房结102(自然起搏器)中自发生成的。当电波向房室结104传播时,电波将心房肌细胞去极化,心房肌细胞将血液收缩并泵取到心室。在将心房去极化后,动作电位达到位于纤维状房室环上的右心房下部中的房室(AV)结104。电脉冲随后停止若干毫秒以与心脏同步。此“暂停”是重要的,这是因为其使得心房能够将血液完全收缩并全部泵取到心室中。纤维状组织将心房和心室的肌肉组织隔开,仅有的连接是从AV结104脱离的希氏肌肉束106。在穿过房室结后,希氏肌肉束106在室间隔的顶峰处分开(通常分为两条分支)。左束支110是散布在左心室的隔膜上并与普通心肌纤维连接的一系列肌束。右束支112往往保持成束直到其到达前乳头肌为止,在前乳头肌中,右束支112分开成散布在右室心肌上的肌束。左束110和右束112的树状终端分支被称为浦肯野纤维108并在心内膜下延伸多达1/3或1/2的心室厚度。
希氏浦肯野系统牵涉在可能导致心律不齐的异常激励模式中。这种现象的例子包括造成延迟的心室收缩的左或右束支阻滞、与心动过速相关联的束支折返以及被视为具有可能导致心动过速或纤颤的浦肯野来源的心内膜下病灶活动(subendocardial focalactivity)。由于希氏浦肯野系统在普通的心室激励和危及生命的室性心律失常发挥如此重要的作用,所以对希氏浦肯野系统进行建模对于心脏的现实心室模型是重要的。
早期的研究表明:浦肯野纤维的网络密集地扩散在心内膜下层中,并且其在称为浦肯野纤维心室肌(PV)结的分立的区中连接到心室肌。已开发的计算模型尝试复制浦肯野网络的树状结构并捕获高速传导系统的特有特征,诸如逆行性传播。此特征可以在诸如心脏再同步疗法之类的复杂场景中发挥作用,其中,起搏电极可以被放置心肌层中由浦肯野纤维的末端达到的区域中。当前的成像技术不允许在体内检测心脏传导系统,因此浦肯野网络的精细解剖模型不能被直接验证。这种模型通常基于来自组织学研究的解剖信息,并被个性化以根据电映射研究正确地复制最早激活以及普通激活序列的地点。然而,这种模型不适合演示实时计算性能性能。
已提出了各种技术用于发展针对电生理仿真的快速求解器。这种技术包括使用程函模型以在不计算动作电位本身的情况下计算去极化波的到达时间。基于图形算法,程函模型从计算的角度而言是非常高效的。然而,程函模型的极度简化使得程函模型不适合建模诸如浦肯野系统的复杂结构。通过调谐模型参数以允许粗略的时间和空间离散化,针对电生理仿真的基于有限元的模型已被推动至几乎实时性能。然而,有关对高速传导组织的影响进行精确建模的问题尚未解决。
本发明的各实施例通过提供对包括心脏的电传导系统对粗计算网格的影响在内的心脏EP的精确仿真,解决了实时患者特定心脏EP计算模型的临床需要。本发明的各实施例利用针对电生理的格子-玻尔兹曼方法(LBM-EP)以提供对心脏电生理的实时或近实时仿真连同一种用于对具有亚网格精度的心脏电扩散的量化的方法。为了模仿电波沿心脏的电传导系统的快速传播而同时保持计算问题易于解决,本发明的各实施例实现了“宏观”模型,其中假设电传导纤维均匀分布在子内膜区中。在基于笛卡尔计算网格(诸如LBM-EP)的EP求解器的框架中,与电传导纤维对应的网格单元被分配高扩散系数,该高扩散系数为心肌组织离心内膜的距离的函数。电传导系统的独立于网格的表示是通过定义用以基于对心肌组织离心内膜的距离的亚网格精度的评估将心肌组织分类成高速束的部分的规则来获得的。这允许使用粗网格用于对患者电生理的计算,同时还实现了亚网格分辨率精度用于建模心脏的电传导系统的影响。
本发明的各实施例提供了一种用于对心脏功能的患者特定仿真的方法,在该方法中,患者特定解剖心脏模型是根据患者的心脏图像数据来生成的,患者特定解剖心脏模型中的心脏组织的物理特性是基于患者特定解剖心脏模型中的心脏组织离一个或多个解剖结构的距离来建模的,以及针对患者的心脏功能是使用具有基于患者特定解剖心脏模型中的心脏组织离一个或多个解剖结构的距离进行建模的物理特性的心脏模型来仿真的。
图2示出了根据本发明的实施例的用于仿真包括电传导系统的影响在内的患者特定心脏EP的方法。图2的方法将患者的医学图像数据转换以仿真患者在一段时间内的心脏EP。应当理解地是,虽然图2的方法对心脏的电传导系统建模并仿真针对患者的患者特定心脏电生理,但是该方法可以同样被应用以基于心脏组织离一个或多个解剖结构的距离对心脏组织的任何物理特性建模以及使用心脏组织的经建模的物理特性来仿真心脏功能。
参照图2,在步骤202处,患者的医学图像数据被接收。假设心脏在医学图像数据中是完全可见的,医学图像数据可以是使用诸如计算机断层扫描(CT)、三维旋转血管造影、磁共振成像(MRI)、超声(US)等的任何类型的医学成像手段来获取的。在有利的实现方案中,医学图像数据包括三维(3D)医学图像数据。医学图像数据可以从诸如CT扫描仪、C臂图像获取设备、MRI扫描仪或者US扫描仪直接接收,或者医学图像数据可以通过加载先前存储的患者的心脏图象数据来接收。医学图像数据可以是在心脏EP介入前获取的术前医学图像数据或者在心脏EP介入期间获取的术中医学图像数据。
在步骤204处,根据患者的医学图像数据来生成患者特定解剖心脏模型。为了生成患者特定解剖心脏模型,从医学图像数据提取患者特定心脏形态模型。患者特定心脏形态模型可以是综合的几何模型,其表示患者特定心脏形态。在有利的实施例中,患者特定心脏形态模型包括个体解剖模型,其表示各个心脏组分的形态。这些模型是高度模块化的,并且可以取决于应用而被定制。完整的心脏模型可以包括左心室(LV)、左心房(LA)、左室流出道、主动脉、肺静脉、右心室(RV)、右心房(RA)、右室流出道、RV颈以及静脉。乳头和小梁也可以从例如CT图像中获得。根据数据可用性和临床应用可以单独地或联合地使用这些组分中的每个。在示例性实施例中,根据术前心脏图像数据估计的LV和RV解剖模型被使用。在可能的实现方案中,仅LV和RV被显示建模。在另一可能的实现方案中,对于所有心腔的模型被提取。还可能地是,包括全部心脏组分的复合模型被提取。此架构的模块化使得能够使用在其中仅部分的解剖结构可见的图像。例如,虽然术前US图像可以被用以提取LV模型,但是本发明并不限于此。
针对每个心脏组分的解剖模型可以被个体地提取。具体而言,对于每个心腔,心腔分割可以被设计为两步骤的学习问题:解剖结构定位与边界划分。在有利的实施例中,边缘空间学习(MSL)可以用以将机器学习应用给3D对象检测。MSL的思想不是要直接在完全的相似变换参数空间中学习单片分类器,而是在边缘空间上递增地学习分类器。具体而言,对每个心腔的检测可以分成三个问题:位置估计、位置定向估计以及位置定向比例估计。单独的分类器是基于针对这些估计问题中的每个的带标注的训练数据来训练的。每个分类器可以是基于带标注的训练数据来训练的概率提升树(PBT)分类器。低维边缘空间中的分类器被用来有效地削减搜索空间。此对象定位阶段导致对对象(例如,心腔)的经估计的变换(例如,位置、定向和比例)。
在自动对象定位后,对象的平均形状模型与经估计的变换对齐,以得到对对象形状的粗略估计。该形状然后经局部变形以适合对象边界。主动形状模型(ASM)可以用以在图像证据和先前形状的指导下使非刚性形状的初始估计变形。然而,如在传统的ASM应用中所使用地,基于非学习的通用边界检测器由于复杂的背景和弱边缘而不会在进行心腔变形时高效地工作。相反,基于学习的边界检测器可以用以利用较多的图像证据以实现鲁棒的边界检测。与基于MSL的心腔分割有关的额外细节在于2011年3月29日发布的且标题为“System and Method for Segmenting Chambers of a Heart in a Thress DimentionalImage”的美国专利No.7916919、美国公布的专利申请No. 2010/0040272以及美国公布的专利申请No. 2012/0022843中有描述,这些申请通过引用并入本文。
一旦针对各个心脏组分的个体解剖模型从医学图像数据提取,患者特定心脏形态模型被融合成单个体积网目表示,并且该网目的表面元素被标记到表面区域。例如,在室性心动过速(VT/VF)消融疗法的情况下,患者特定LV 和 RV解剖模型可以被融合成双心室心肌的单个解剖模型。具体而言,从医学图像数据中提取的LV 和 RV解剖结构可以被融合成单个体积网目表示。LV和RV模型可以被融合成单个体积网目表示,在单个体积网目表示上,根据经估计的表面模型的基本解剖结构,顶点被标记到表面区域(LV心内膜、LV隔膜、RV心内膜、RV隔膜)。对网目的顶点进行标记可以在患者特定心脏模型上提供对几何地标的自动标识。具体而言,在患者特定解剖心脏模型上可以自动标识并标记左和右心内膜的隔膜部分。根据有利的实施例,四面体元素可以用以精确地表示双心室解剖的细节。
诸如DE-MRI或CT灌注的特定类型的医学成像形态可以精确定位患者的心脏中的疤痕组织。然而,这些类型的医学图像数据可能不可用于所有患者。例如,因为VT患者通常已穿戴植入型心律转复除颤器(ICD)设备,所以术前MRI往往不能被执行以量化疤痕组织的程度。即使就MRI兼容的ICD设备的情况而言,由MRI图像中的ICD电极生成的伪影可能损害对疤痕组织的标识。如果疤痕成像数据可用于患者,那么疤痕组织和灰色区域组织可以被分割在医学成像数据中并被包括在患者特定解剖心脏模型中。灰色区域组织是围绕疤痕组织的边界区域,其代表愈合组织。在有利的实现方案中,疤痕组织和围绕疤痕组织的边界区域可以是通过以下来分割的:在于多个心脏相位上取得的图像数据(例如,电影DE-MRI数据)的序列中检测心脏的心肌边界,并然后利用训练后的支持向量机(SVM)或其它有监督的学习技术将经检测的心肌边界分类成活体组织或非活体组织(即,疤痕组织)。用于分割DE-MRI图像数据中的疤痕组织的这种方法在美国专利No.7668,354中有更详细的描述,该专利通过引用并入本文。经分割的疤痕组织和周围的边界区域然后被映射到对心腔的体积网目表示。例如,对经融合的LV和LA的体积网目表示的四面体形状可以在本地被修改以匹配经分割的疤痕组织和边界区域的边界。
诸如DynaCT、CT血管造影以及MR的特定类型的成像形态能提供冠状动脉和静脉的成像。如果这样的冠状窦成像数据是可用的,那么冠状窦的中心线可以被从医学图像数据自动提取并被包括在患者特定解剖心脏模型中。在美国公布的专利申请No. 2013/0216110中描述的用于冠状动脉中心线提取的方法可以用于提取冠状窦的中心线,该专利申请通过引用并入本文。然后,冠状窦被映射到心腔的体积网目表示。在有利的实现方案中,解剖模型中属于冠状窦的四面体是基于其经提取的离冠状窦的中心线的距离来标记的。
在步骤206处,根据患者特定解剖心脏模型来生成计算网格。在一个有利的实施例中,用于电生理计算的笛卡尔网格域是根据患者特定解剖心脏模型来生成的。可能具有不平等的且空间变化的间距的笛卡尔网格是首先在围绕解剖模型的边界框中生成的。网格间距可以由用户定义或在系统中是不变的。粗网格间距可以被用以增加仿真速度,以便提供实时或近实时心脏EP仿真。然后,根据患者特定解剖网格按如下来计算水平集表示。对于网格的每一个节点x,到解剖模型网目的最短距离被计算并被分配给该节点。在有利的实施例中,心肌内的节点由正数距离来定义,而不在心肌内的节点由负数距离来定义。在不进行任何修改的情况下,相反的约定也可以被利用。心肌、心内膜以及心外膜处的节点本身以及隔膜节点被标记。通过额外的水平集信息,可用的疤痕和边界区域也在所述域中报告。
在步骤208处,通过确定针对计算网格的每个节点的心脏组织的电特性来在计算网格上建模患者的心脏的电传导系统。根据有利的实施例,假定左和右束支以及浦肯野纤维密集地扩散在心内膜中,高速束的影响可以作为心内膜中的心肌组织的电扩散率的局部增加来建模。为了实现实时的心脏EP仿真,本发明的各实施例利用LBM-EP框架,LBM-EP框架是基于笛卡尔计算网格的。为了对快速传播组织建模,在计算网格上对心内膜面进行光栅化,如上述步骤206所描述的,并且与快速传播组织(例如,浦肯野纤维)对应的网格可以被分配高扩散系数DPurkin。对这种方法的限制在于高速传导组织的层的厚度不能被控制,即,其总是约为一个网格单元。因此,如果网格的空间分辨率改变,那么经建模的高速传导组织的厚度改变。根据有利的实施例,为了克服这一限制并获得对心脏的电传导系统的独立于网格的表示,规则被定义以利用亚网格精度基于心肌组织离心内膜的距离将心肌组织分类成高速束的部分。作为初步的步骤,患者特定心脏模型的几何地标被自动标识。具体而言,左和右心内膜被自动定位在患者特定解剖心脏模型中。水平集方法被用以精确地计算离心内膜的距离场。如果心肌组织离心内膜的距离小于阈值,那么组织被分类为高速传导组织。分配给每个网格单元的扩散系数是该网格单元的高速传导组织的体积分数的函数。
图3示出了根据本发明的实施例的对患者的心脏的电传导系统的影响建模的方法。图3的方法可以被用以实现图2的步骤208。图3的方法确定针对计算网格中的患者特定解剖模型的每个节点的电扩散值。电扩散率D被定义成笛卡尔网格上的分段恒定场,将每个网格点作为体素或组织体积的中心来建模。分配给每个网格点的扩散率值基于体素内的组织的体积分数ψ的范围从正常到高,其中组织离心内膜的距离小于阈值τ高范围。对于每一个格子节点x,电扩散率K可以被确定为:
D(x)=DPurkin ψ+Dnormal(l-ψ) (1)
其中,KPurkin是针对高速传导组织的电扩散率值,Knormal是针对正常组织的电扩散率值,以及ψ是居于节点x中心处的体素内的高速传导组织的体积分数。
参照图3,在步骤302处,基于离心内膜的距离来检测计算网格的候选浦肯野节点。候选浦肯野节点是计算网格中可以具有高速传导组织的部分体积的网格点。候选浦肯野节点是通过选择其离心内膜的距离小于扩展阈值τext的所有节点来检测的,扩展阈值τext对应于高速传导组织的层的厚度加上体素的重心与其边界之间的最大距离:
(2)
其中,τ是表示高速传导组织的层的厚度的阈值,并且h标示格子(计算网格)的间距。离心内膜的距离场是采用水平集方法来计算的,并且浦肯野候选节点是基于距离场来选择的。也就是说,如果φ代表心内膜面的水平集表示,那么计算在笛卡尔网格上的其离散化φh,并且通过选择所有格子节点使得 来检测浦肯野候选节点。
在步骤304处,高速传导组织的体积分数是针对浦肯野候选节点的每个来确定的。对于在浦肯野候选节点中心处的每个候选体素,节点的亚网格是以均匀的间距来定义的。例如,可被选择为h的十分之一,但本发明不限于此。在示例性实现方案中,h可以是mm而可以是0.1mm。离心内膜的距离场是以亚网格分辨率通过计算亚网格上的心内膜的水平集函数的离散化来创建的。亚网格的节点然后基于其离心内膜的距离通过使用亚网格上的心内膜的水平集函数的离散化而被分类为正常组织或高速传导组织:
其中τ是表示高速传导层的厚度的阈值。阈值τ可以由用户设置或可以使用组织学标准参考值来确定。在示例性实现方案中,τ= 1mm的阈值可以被使用,但本发明不限于此。也可能地是,阈值τ随空间变化以表示在心内膜中的不同位置处的电传导系统的不同厚度。一旦亚网格的节点被分类为针对浦肯野候选节点的高速传导组织或正常组织,便针对该浦肯野候选节点将体积分数ψ计算为属于高速传导组织的亚网格节点的数量与亚网格节点总数的比率。
在步骤306中,针对每个浦肯野候选节点的电扩散率值是基于针对每个浦肯野候选节点计算的体积分数ψ计算的。在示例性实现方案中,针对计算网格中的心肌上的每个节点的电扩散率值被计算为。对于每个浦肯野候选节点,在步骤304中计算出的高速传导组织的体积分数ψ被用以计算电扩散率值。对于心肌上的未被选择为浦肯野候选节点的其它节点,假定高速传导组织的体积分数ψ等于零并且针对正常组织的电扩散率值Dnormal被分配给那些节点。针对正常组织的电扩散率值Dnormal可以使用文献价值来设置或可以是EP模型的个性化的结果。针对高速传导组织的电扩散率值DPurkin高于Dnormal。在一个示例性实现方案中,针对高速传导组织的电扩散率值DPurkin可以被设置为普通值Dnormal的16倍,其表示具有大约比正常组织高四倍的最大传导速度的纤维的层。例如,DPurkin约为2000mm2/s,Dnormal可以约为100mm2/s。在另一示例性实现方案中,Dnormal和DPurkin是作为EP模型的个性化的结果而存在的。
图4示出了根据本发明的实施例的用于高速传导组织的建模方法的图形表示。图4示出了图3的方法如何提供对离心内膜面给定距离内的组织的体积分数的精确评估。如图4所示,笛卡尔网格的格子节点在背景中显示为正方形。三角面402表示心内膜。对于一个格子节点,在位于该格子节点中心处的体素中定义的亚网格404被可视化,亚网格404中的每个点由水平集的值(此处以黑色和白色示出)着色,表示亚网格404中的每个点离心内膜面402的距离。在这个例子中,利用τ= 0.1mm阈值,。为了可视化的目的,颜色栏(这里以黑色和白色示出)已缩放到区间[ - 0.2;0.2 ]mm。
图3的方法基于对离心内膜的距离函数的评估将组织分类为正常的或高速传导的。在这里描述的模型中,虽然我们假设电扩散率是离心内膜的距离的线性函数,但是本发明不限于此。如果这个距离函数被表示为在笛卡尔网格上的离散化场(具体而言,通过分段常数插值来近似笛卡尔网格上的这个函数),那么网格尺寸限制了在标识高速传导组织时的精度。为了避免不精确,图3的方法通过定义心内膜面的“嵌套”水平集表示,以较高的空间分辨率执行对距离函数的局部评估。也就是说,图3的方法使用对在计算网格的粗分辨率上离散化的心内膜的第一水平集表示来确定哪些网格节点可以包括高速传导组织,并然后使用仅在对应于检测到的候选节点的体素内定义的亚网格上以较高的空间分辨率离散化的第二水平集表示来确定针对候选网格节点的高速传导组织的体积分数。这允许对具有不受格子大小限制的精度的距离函数的离散化。出于此原因,图3的方法尤其当原格子的间距相比阈值τ的幅值为同一量级或更大时是有效的。如果在图4示出的体素中的电扩散率已基于其离表面的距离(如在原格子上评估的)而被分配,那么整个体积的组织已被分类为高速传导的,这导致欠精确地确定针对该体素的电扩散率值。
返回图2,在步骤210处,患者特定心脏EP仿真是使用在步骤208中确定的患者特定电扩散率值来执行的。具体而言,心脏电生理是在多个时间步长的每一个处在心肌内在笛卡尔网格域的每个节点处计算的。在一个可能的实现方案中,患者特定心脏EP仿真可以在介入过程期间实时执行以指导介入过程。也有可能地是,患者特定心脏EP仿真可以在介入之前针对介入规划来执行。根据有利的实施例,心脏电生理是在心肌内在每个节点处使用用于电生理的格子-波尔兹曼(LBM-EP)方法以求解每个节点处的心脏电生理模型来计算的。心脏电生理模型根据单域方程计算跨膜电位v(x,t) 随时间的变化,
其中, R(x,t)是描述细胞机制的反应条件,产生动作电位,且D(x) 是在方程(1)中定义的局部扩散率。DPurkin和Dnormal的值可以根据患者特定数据来估计,并且D(x)可以针对每个节点来计算,如在步骤208中那样。最后,K(x) 是指由来定义的各向异性矩阵,为交叉纤维扩散率和纤维扩散率之间的比率(典型地,)。也可能使用正交各向异性张量或完全各向异性张量K(x)用于改进纤维架构的表征。
对反应条件R(x,t) 的选择取决于使用的心脏电生理的细胞模型。本文公开的方法是模块化的,这是因为其可以处理任何标准的单域模型,例如但不限于: Mitchell等人提出的“Mitchell Schaffer模型”、“A Two-Current Model for the Dynamics ofCardiac Membrane”( Bulletin of Mathematical Biology,65(5):767-793,2003)、或TenTusscher等人中提出的模型“Cell Model for Efficient Simulation of WavePropagation in Human Ventriculart Tissue Under Normal and Pathologicalconditions”(Physics in Medicine and Biology,51,pp6141,2006)。对于MitchellSchaeffer模型,例如,我们有:
在这个方程中,Jstim(x)是外部刺激电流。在术中介入规划中,当电生理学家在给定的位置处起搏心脏时,起搏导管的位置是使用嵌入式跟踪方法(例如,电磁跟踪、基于双平面图像的跟踪等)来跟踪的,并且通过嵌入式跟踪方法返回的起搏导管的位置被用以在获取位置处通过Jstim(x)添加刺激电流到该模型。虚拟起搏是通过在由用户选择或由系统自动选择的空间位置处添加Jstim(x)来实现的。被添加到模型中的电流的量是从导管制造商规格获得的。
在方程(5)中,h(x,t) 是选通变量,其根据下列的常规差分方程来控制离子通道的状态:
v gate 是电位阈值,且和是用于控制的动作电位的形状的参数。最大动作电位持续时间 APD(x) 是根据公式而直接相关于。在一个示例性实施例中,针对D(x)和的患者特定值可以被估计,其它参数保持其默认值(即标称值)不变。然而,也可能确定针对额外参数的患者特定值。针对D(x)和的患者特定值可以基于仿真的EP和观测到的患者数据(诸如对患者的ECG测量、患者的侵入性电生理映射、或患者的体表电位映射)的比较通过这些参数的迭代优化来估计。例如,患者特定EP模型参数可以使用在美国公布的题为“System andMethod for Patient Specific Planning and Guidance of ElectrophysiologyInterventions”的专利申请No. 2015/0042646中描述的方法来估计,该专利申请通过引用在其整体上并入本文。
方程(4)是使用LBM-EP来求解的,LBM-EP是用以求解单域电生理方程的高度并行算法。LBM-EP算法在美国公布的题为“Method and System for Fast Patient-SpecificCardiac Electrophysiology Simulations for Therapy Planning and Guidance”的专利申请No. 2013/0226542中有更详细的描述,该专利申请通过引用在其整体上并入本文。与标准的有限元方法相反,LBM-EP没有显式求解反应扩散方程而是计算笛卡尔网格上的粒子的“运动”,从该“运动”显现出反应扩散行为。粒子可以根据固定的方向(或连接性)以一定的概率移动。该算法包括两个逐节点的步骤:流动,其使得粒子从一个节点跳到另一个;以及碰撞,其照顾大量保存和边界状况。数学上可以证明这种简单算法复制了反应扩散方程的动力学。由于该方法是逐节点的,所以该算法是可高度并行化的。在有利的实施例中,该方法可以实现在图形处理单元(GPU)上,该GPU使得能够在介入期间进行近实时和精确的心脏电生理计算。
除了心脏EP,躯干电位和ECG信号可以基于患者特定心脏EP模型来仿真。患者特定心脏EP模型计算在心肌内的每个节点处的跨膜电位v(x,t)。一旦跨膜电位v(x,t)被计算,每个节点处的细胞外电位Φe可以使用闭合形式表达式来计算(Ω定义计算域;|Ω|是其中元素的数量):
其中,λ是常数扩散各向异性比,λ = D i (x)/D e (x),并且D i 和D e 是细胞内和细胞外扩散张量。细胞外电位Φe然后使用三线性插值被映射回心外膜面网目。此外,细胞外电位使用边界元法(BEM)被投射到躯干面上。胸域的任何点x处的电位φ(χ)可以被计算为:
其中r是由x和积分点定义的向量,而SB和SH分别是躯干面和心外膜面。躯干上的体表电位Φb可以被表达为细胞外电位Φe的函数,这允许在躯干上的任何点处计算电位。根据有利的实现方案,躯干网目可以使用机器学习算法来从医学图像数据分割,并且体表电位Φb可以针对躯干网格上的每个顶点来计算。ECG信号可以基于躯干电位来计算。基于针对躯干网目处的每个顶点而计算的体表电位,所有标准ECG导联位置处的电位被估计,这产生了经仿真的ECG信号。
在步骤212处,患者特定心脏EP仿真的结果被输出。例如,心肌内的笛卡尔网格域中的每个节点处的经仿真的心脏电生理学的可视化可以被输出,包括:时变的3D动作电位图;去极化时间 的3D图;以及再极化时间 的3D图。此外,诸如组织扩散率D(x)的3D图(产生自步骤208),动作电位持续时间APD(x)的3D图的其他指导图也可以被输出。此外,体表电位的时变图和经仿真的ECG信号也可以被输出。仿真结果可以通过例如在计算机系统的显示屏上显示结果来输出。在一个可能的实现方案中,这些结果可以在介入过程期间实时显示,以指导医生执行介入过程。为了提供对介入过程的患者特定规划和/或指导,通过用户输入或通过自动的系统的虚拟起搏,各种虚拟起搏导管位置可以被接收,并且与虚拟起搏导管位置对应的各种EP仿真可以被执行。
如上所述,图3的方法确定了针对计算网格的每一个网格点的电扩散率,然而,本发明不限于此,并且可以被类似地应用于除了电扩散率外的具有需要亚网格精度的空间依赖性的其它EP模型参数。虽然上述方法假定电扩散率是离心内膜的距离的线性函数,但本发明不局限于线性的关系,并且可以类似地被应用到在其中模型参数非线性地依赖于空间位置的情况。上面所描述的方法被应用到对浦肯野网络的影响建模。这种方法也可以类似地应用到对诸如疤痕组织和边界区域的其它物理现象的影响建模。此外,同样的方法可以被应用到心脏组织中除了EP参数外的其它物理参数,包括但不限于组织密度、组织刚度、组织病理学。
上述描述的用于仿真包括浦肯野系统的影响在内的患者特定心脏EP的方法可以实现在计算机上,该计算机使用公知的计算机处理器、存储器单元、存储设备、计算机软件和其它组件。这样的计算机的高级框图在图5中示出。计算机502包含处理器504,处理器504通过执行定义计算机502的全局操作的计算机程序指令来控制这样的操作。当期望执行计算机程序指令时,计算机程序指令可以存储在存储设备512(例如磁盘)中并加载到存储器510中。因此,图2和3的方法的步骤可以由存储在存储器510和/或存储部512中的计算机程序指令来定义并由执行计算机程序指令的处理器504控制。图像获取设备520(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)可连接计算机502以输入图像数据到计算机502。有可能实现图像获取设备520和计算机502作为一个设备。图像获取设备520和计算机502还有可能通过网络进行无线通信。计算机502还包括一个或多个网络接口506,用于经由网络与其它设备进行通信。计算机502还包括其它输入/输出设备508(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502交互。这样的输入/输出设备508可以结合一组计算机程序使用,作为注释工具来注释从图像获取设备520接收的卷。本领域技术人员将认识到,实际的计算机的实现还可以包含其它组件,并且图5是这样的计算机的一些组件的高级表示,以用于说明目的。
前述具体实施方式应被理解为在所有方面是说明性和示例性而不是限制性的,并且本文公开的本发明的范围不应从具体实施方式确定,而是从根据专利法所允许的所有范围解释的权利要求书确定。应当理解,本文所示出的和描述的实施例只说明了本发明的原理,并且各种修改可以在不脱离本发明的范围和精神的情况下由本领域技术人员实现。本领域技术人员可以在不脱离本发明的范围和精神的情况下实现各种其它特征组合。
Claims (47)
1.一种用于对心脏功能的患者特定仿真的方法,包括:
根据患者的心脏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中的心脏组织离一个或多个解剖结构的距离,来对患者特定解剖心脏模型中的心脏组织的物理特性建模;以及
使用具有基于患者特定解剖心脏模型中的心脏组织离一个或多个解剖结构的距离进行建模的物理特性的心脏模型,来仿真患者的心脏功能。
2.根据权利要求1所述的方法,其中,基于患者特定解剖心脏模型中的心脏组织离一个或多个解剖结构的距离,来对患者特定解剖心脏模型中的心脏组织的物理特性建模包括:
通过基于患者特定解剖心脏模型中的心脏组织离解剖结构的距离而确定患者特定解剖心脏模型中的心脏组织的电特性,来对患者的心脏的电传导系统建模。
3.根据权利要求2所述的方法,其中,使用具有基于患者特定解剖心脏模型中的心脏组织离一个或多个解剖结构的距离进行建模的物理特性的心脏模型,来仿真患者的心脏功能包括:
使用具有被确定以对患者的心脏的电传导系统建模的电特性的心脏电生理模型,来仿真患者的心脏电生理。
4.根据权利要求 3 所述的方法,其中,通过基于患者特定解剖心脏模型中的心脏组织离解剖结构的距离而确定患者特定解剖心脏模型中的心脏组织的电特性,来对患者的心脏的电传导系统建模包括:
通过基于患者特定解剖心脏模型中的心脏组织离心外膜的距离而确定患者特定解剖心脏模型中的心脏组织的电扩散率值,来对患者的心脏的电传导系统建模。
5.根据权利要求 4 所述的方法,其中,使用具有被确定以对患者的心脏的电传导系统建模的电特性的心脏电生理模型,来仿真患者的心脏电生理包括:
使用具有被确定以对患者的心脏的电传导系统建模的电扩散率值的心脏电生理模型,来仿真患者的心脏电生理。
6.根据权利要求3所述的方法,其中,通过基于患者特定解剖心脏模型中的心脏组织离解剖结构的距离而确定患者特定解剖心脏模型中的心脏组织的电特性,来对患者的心脏的电传导系统建模包括:
使用心内膜面的嵌套水平集离散化,来计算与患者特定解剖心脏模型对应的具有亚网格精度的计算网格上的离心内膜的距离场;以及
根据与计算网格上的多个点中的每个点对应的体素内的心脏组织离心内膜面的距离,来计算所述多个点中的每个点处的电扩散率值。
7.根据权利要求5所述的方法,还包括:
根据患者特定解剖心脏模型来生成计算网格。
8.根据权利要求7所述的方法,其中,通过基于患者特定解剖心脏模型中的心脏组织离心外膜的距离而确定患者特定解剖心脏模型中的心脏组织的电扩散率值,来对患者的心脏的电传导系统建模包括:
从计算网格的多个节点中,基于每个节点离间隔心内膜的距离,来检测一组浦肯野候选节点;
针对浦肯野候选节点中的每个浦肯野候选节点,计算与该个浦肯野候选节点对应的体素内的高速传导组织的体积分数;以及
根据针对浦肯野候选节点中的每个浦肯野候选节点计算的高速传导组织的体积分数,来计算针对该个浦肯野候选节点的电扩散率值。
9.根据权利要求8所述的方法,其中,从计算网格的多个节点中,基于每个节点离间隔心内膜的距离,来检测一组浦肯野候选节点包括:
通过计算计算网格上的心内膜面的水平集表示的离散化,来计算离间隔心内膜的第一距离场;以及
对于计算网格上的多个节点中的每一个节点,如果该个节点处的第一距离场的值小于第一阈值则选择该个节点作为浦肯野候选节点。
10.根据权利要求9所述的方法,其中,针对浦肯野候选节点中的每个浦肯野候选节点,计算与该个浦肯野候选节点对应的体素内的高速传导组织的体积分数包括:对于浦肯野候选节点中的每个浦肯野候选节点:
定义与该个浦肯野候选节点对应的体素内的节点的亚网格;
通过计算针对该个浦肯野候选节点定义的亚网格上的心内膜面的水平集表示的离散化,来计算离间隔心内膜的第二距离场;
对于与该个浦肯野候选节点对应的体素内的节点的亚网格中的节点的每个节点,如果该个节点处的第二距离场的值小于第二阈值则将该个节点分类成高速传导组织,而如果该个节点处的第二距离场的值大于第二阈值则将该个节点分类成正常组织;以及
作为节点的亚网格中被分类成高速传导组织的节点的数量与节点的亚网格中的节点的总数量之比,来计算与该个浦肯野候选节点对应的体素内的高速传导组织的体积分数。
11.根据权利要求8所述的方法,其中,根据针对浦肯野候选节点中的每个浦肯野候选节点计算的高速传导组织的体积分数,来计算针对该个浦肯野候选节点的电扩散率值包括:
作为D(x)=DPurkin ψ+Dnormal(l-ψ) 来计算针对浦肯野候选节点中的每个浦肯野候选节点的电扩散率值,其中,DPurkin是针对高速传导组织的电扩散率值,Dnormal是针对正常组织的电扩散率值,以及ψ是居于节点x中心处的体素内的高速传导组织的体积分数。
12.根据权利要求11所述的方法,其中,通过基于患者特定解剖心脏模型中的心脏组织离间隔心内膜的距离而确定患者特定解剖心脏模型中的心脏组织的电扩散率值,来对患者的浦肯野网络建模还包括:
确定针对计算网格的多个节点中的未被检测成浦肯野候选节点的每一个节点的电扩散率值为Dnormal。
13.根据权利要求1所述的方法,其中,根据患者的心脏图像数据来生成患者特定解剖心脏模型包括:
从心脏图像数据提取多组分患者特定心脏形态模型;以及
将多组分患者特定心脏形态模型融合成单个心脏模型,并根据多个组分来标记单个心脏模型的元素。
14.根据权利要求13所述的方法,其中,根据多个组分来标记单个心脏模型的元素包括:
自动标识和标记单个心脏模型中的心内膜。
15.根据权利要求5所述的方法,其中,使用具有被确定以对患者的心脏的电传导系统建模的电扩散率值的心脏电生理模型,来仿真患者的心脏电生理包括:
通过使用电扩散率值以计算心脏电生理学模型的解,来计算与患者特定解剖心脏模型对应的计算网格中的心肌内的多个节点中的每一个节点处随时间的跨膜电位变化,其中电扩散率值被确定以使用针对电生理学的格子-玻尔兹曼方法来针对多个节点中的每一个节点对患者的浦肯野网络建模。
16.根据权利要求1所述的方法,其中,基于患者特定解剖心脏模型中的心脏组织离一个或多个解剖结构的距离来对患者特定解剖心脏模型中的心脏组织的物理特性建模、以及使用具有基于患者特定解剖心脏模型中的心脏组织离一个或多个解剖结构的距离进行建模的物理特性的心脏模型来仿真患者的心脏功能,是在心脏介入过程期间实时执行的。
17.根据权利要求3所述的方法,其中,通过基于患者特定解剖心脏模型中的心脏组织离解剖结构的距离而确定患者特定解剖心脏模型中的心脏组织的电特性来对患者的心脏的电传导系统建模、以及使用具有被确定以对患者的心脏的电传导系统建模的电特性的心脏电生理模型来仿真患者的心脏电生理,是在心脏电生理介入过程期间实时执行的。
18.一种用于对心脏功能的患者特定仿真的装置,包括:
用于根据患者的心脏图像数据来生成患者特定解剖心脏模型的单元;
用于基于患者特定解剖心脏模型中的心脏组织离一个或多个解剖结构的距离,来对患者特定解剖心脏模型中的心脏组织的物理特性建模的单元;以及
用于使用具有基于患者特定解剖心脏模型中的心脏组织离一个或多个解剖结构的距离进行建模的物理特性的心脏模型,来仿真患者的心脏功能的单元。
19.根据权利要求18所述的装置,其中,用于基于患者特定解剖心脏模型中的心脏组织离一个或多个解剖结构的距离,来对患者特定解剖心脏模型中的心脏组织的物理特性建模的单元包括:
用于通过基于患者特定解剖心脏模型中的心脏组织离解剖结构的距离而确定患者特定解剖心脏模型中的心脏组织的电特性,来对患者的心脏的电传导系统建模的单元。
20.根据权利要求19所述的装置,用于使用具有基于患者特定解剖心脏模型中的心脏组织离一个或多个解剖结构的距离进行建模的物理特性的心脏模型,来仿真患者的心脏功能的单元包括:
用于使用具有被确定以对患者的心脏的电传导系统建模的电特性的心脏电生理模型,来仿真患者的心脏电生理的单元。
21.根据权利要20所述的装置,其中,用于通过基于患者特定解剖心脏模型中的心脏组织离解剖结构的距离而确定患者特定解剖心脏模型中的心脏组织的电特性,来对患者的心脏的电传导系统建模的单元包括:
用于通过基于患者特定解剖心脏模型中的心脏组织离心外膜的距离而确定患者特定解剖心脏模型中的心脏组织的电扩散率值,来对患者的心脏的电传导系统建模的单元。
22.根据权利要求 21 所述的装置,其中,用于使用具有被确定以对患者的心脏的电传导系统建模的电特性的心脏电生理模型,来仿真患者的心脏电生理的单元包括:
用于使用具有被确定以对患者的心脏的电传导系统建模的电扩散率值的心脏电生理模型,来仿真患者的心脏电生理的单元。
23.根据权利要求20所述的装置,其中,用于通过基于患者特定解剖心脏模型中的心脏组织离解剖结构的距离而确定患者特定解剖心脏模型中的心脏组织的电特性,来对患者的心脏的电传导系统建模的单元包括:
用于使用心内膜面的嵌套水平集离散化,来计算与患者特定解剖心脏模型对应的具有亚网格精度的计算网格上的离心内膜的距离场的单元;以及
用于根据与计算网格上的多个点中的每个点对应的体素内的心脏组织离心内膜面的距离,来计算多个点中的每个点处的电扩散率值的单元。
24.根据权利要求22所述的装置,还包括:
用于根据患者特定解剖心脏模型来生成计算网格的单元。
25.根据权利要求24所述的装置,其中,用于通过基于患者特定解剖心脏模型中的心脏组织离心外膜的距离而确定患者特定解剖心脏模型中的心脏组织的电扩散率值,来对患者的心脏的电传导系统建模的单元包括:
用于从计算网格的多个节点中,基于每个节点离间隔心内膜的距离,来检测一组浦肯野候选节点的单元;
用于针对浦肯野候选节点中的每个浦肯野候选节点,计算与该个浦肯野候选节点对应的体素内的高速传导组织的体积分数的单元;以及
用于根据针对浦肯野候选节点中的每个浦肯野候选节点计算的高速传导组织的体积分数,来计算针对该个浦肯野候选节点的电扩散率值的单元。
26.根据权利要求25所述的装置,其中,用于从计算网格的多个节点中,基于每个节点离间隔心内膜的距离,来检测一组浦肯野候选节点的单元包括:
用于通过计算计算网格上的心内膜面的水平集表示的离散化,来计算离间隔心内膜的第一距离场的单元;以及
用于如果计算网格上的节点处的第一距离场的值小于第一阈值则选择该个节点作为浦肯野候选节点的单元。
27.根据权利要26所述的装置,其中,用于针对浦肯野候选节点中的每个浦肯野候选节点,计算与该个浦肯野候选节点对应的体素内的高速传导组织的体积分数的单元包括:
用于定义与每个浦肯野候选节点对应的体素内的节点的亚网格的单元;
用于通过计算针对每个浦肯野候选节点定义的亚网格上的心内膜面的水平集表示的离散化,来计算离间隔心内膜的第二距离场的单元;
用于如果与每个浦肯野候选节点对应的体素内的节点的亚网格中的节点处的第二距离场的值小于第二阈值则将该个节点分类成高速传导组织,而如果该个节点处的第二距离场的值大于第二阈值则将该个节点分类成正常组织的单元;以及
用于作为节点的亚网格中被分类成高速传导组织的节点的数量与节点的亚网格中的节点的总数量之比,来计算与每个浦肯野候选节点对应的体素内的高速传导组织的体积分数的单元。
28.根据权利要求25所述的装置,其中,用于根据针对浦肯野候选节点中的每个浦肯野候选节点计算的高速传导组织的体积分数,来计算针对该个浦肯野候选节点的电扩散率值的单元包括:
用于作为D(x)=DPurkin ψ+Dnormal(l-ψ) 来计算针对浦肯野候选节点中的每个浦肯野候选节点的电扩散率值的单元,其中,DPurkin是针对高速传导组织的电扩散率值,Dnormal是针对正常组织的电扩散率值,以及ψ是居于节点x中心处的体素内的高速传导组织的体积分数。
29.根据权利要求28所述的装置,其中,用于通过基于患者特定解剖心脏模型中的心脏组织离心外膜的距离而确定患者特定解剖心脏模型中的心脏组织的电扩散率值,来对患者的浦肯野网络建模的单元还包括:
用于确定针对计算网格的多个节点中的未被检测成浦肯野候选节点的每一个节点的电扩散率值为Dnormal的单元。
30.根据权利要求18所述的装置,其中,用于根据患者的心脏图像数据来生成患者特定解剖心脏模型的单元包括:
用于从心脏图像数据提取多组分患者特定心脏形态模型的单元;以及
用于将多组分患者特定心脏形态模型融合成单个心脏模型,并根据多个组分来标记单个心脏模型的元素的单元。
31.根据权利要求30所述的装置,其中,用于将多组分患者特定心脏形态模型融合成单个心脏模型,并根据多个组分来标记单个心脏模型的元素的单元包括:
用于自动标识和标记单个心脏模型中的心内膜的单元。
32.根据权利要求22所述的装置,其中,用于使用具有被确定以对患者的心脏的电传导系统建模的电扩散率值的心脏电生理模型,来仿真患者的心脏电生理的单元包括:
用于通过使用电扩散率值而计算心脏电生理学模型的解,来计算与患者特定解剖心脏模型对应的计算网格中的心肌内的多个节点中的每一个节点处随时间的跨膜电位变化的单元,其中电扩散率值被确定以使用针对电生理学的格子-玻尔兹曼方法来针对多个节点中的每一个节点对患者的浦肯野网络建模。
33.一种存储用于对心脏功能的患者特定仿真的计算机程序指令的非暂时计算机可读介质,计算机程序指令当被处理器执行时使得处理器执行包括如下各项的操作:
根据患者的心脏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中的心脏组织离一个或多个解剖结构的距离,来对患者特定解剖心脏模型中的心脏组织的物理特性建模;以及
使用具有基于患者特定解剖心脏模型中的心脏组织离一个或多个解剖结构的距离进行建模的物理特性的心脏模型,来仿真患者的心脏功能。
34.根据权利要求33所述的非暂时计算机可读介质,其中,基于患者特定解剖心脏模型中的心脏组织离一个或多个解剖结构的距离,来对患者特定解剖心脏模型中的心脏组织的物理特性建模包括:
通过基于患者特定解剖心脏模型中的心脏组织离解剖结构的距离而确定患者特定解剖心脏模型中的心脏组织的电特性,来对患者的心脏的电传导系统建模。
35.根据权利要求34所述的非暂时计算机可读介质,其中,使用具有基于患者特定解剖心脏模型中的心脏组织离一个或多个解剖结构的距离进行建模的物理特性的心脏模型,来仿真患者的心脏功能包括:
使用具有被确定以对患者的心脏的电传导系统建模的电特性的心脏电生理模型,来仿真患者的心脏电生理。
36.根据权利要35所述的非暂时计算机可读介质,其中,通过基于患者特定解剖心脏模型中的心脏组织离解剖结构的距离而确定患者特定解剖心脏模型中的心脏组织的电特性,来对患者的心脏的电传导系统建模包括:
通过基于患者特定解剖心脏模型中的心脏组织离心外膜的距离而确定患者特定解剖心脏模型中的心脏组织的电扩散率值,来对患者的心脏的电传导系统建模。
37.根据权利要求 36所述的非暂时计算机可读介质,其中,使用具有被确定以对患者的心脏的电传导系统建模的电特性的心脏电生理模型,来仿真患者的心脏电生理包括:
使用具有被确定以对患者的心脏的电传导系统建模的电扩散率值的心脏电生理模型,来仿真患者的心脏电生理。
38.根据权利要求35所述的非暂时计算机可读介质,其中,通过基于患者特定解剖心脏模型中的心脏组织离解剖结构的距离而确定患者特定解剖心脏模型中的心脏组织的电特性,来对患者的心脏的电传导系统建模包括:
使用心内膜面的嵌套水平集离散化,来计算与患者特定解剖心脏模型对应的具有亚网格精度的计算网格上的离心内膜的距离场;以及
根据与计算网格上的多个点中的每个点对应的体素内的心脏组织离心内膜面的距离,来计算所述多个点中的每个点处的电扩散率值。
39.根据权利要求37所述的非暂时计算机可读介质,其中,操作还包括:
根据患者特定解剖心脏模型来生成计算网格。
40.根据权利要求39所述的非暂时计算机可读介质,其中,通过基于患者特定解剖心脏模型中的心脏组织离心外膜的距离而确定患者特定解剖心脏模型中的心脏组织的电扩散率值,来对患者的心脏的电传导系统建模包括:
从计算网格的多个节点中,基于每个节点离间隔心内膜的距离,来检测一组浦肯野候选节点;
针对浦肯野候选节点中的每个浦肯野候选节点,计算与该个浦肯野候选节点对应的体素内的高速传导组织的体积分数;以及
根据针对浦肯野候选节点中的每个浦肯野候选节点计算的高速传导组织的体积分数,来计算针对该个浦肯野候选节点的电扩散率值。
41.根据权利要40所述的非暂时计算机可读介质,其中,从计算网格的多个节点中,基于每个节点离间隔心内膜的距离,来检测一组浦肯野候选节点包括:
通过计算计算网格上的心内膜面的水平集表示的离散化,来计算离间隔心内膜的第一距离场;以及
对于计算网格上的多个节点中的每一个节点,如果该个节点处的第一距离场的值小于第一阈值则选择该个节点作为浦肯野候选节点。
42.根据权利要求41所述的非暂时计算机可读介质,其中,针对浦肯野候选节点中的每个浦肯野候选节点,计算与该个浦肯野候选节点对应的体素内的高速传导组织的体积分数包括:对于浦肯野候选节点中的每个浦肯野候选节点:
定义与该个浦肯野候选节点对应的体素内的节点的亚网格;
通过计算针对该个浦肯野候选节点定义的亚网格上的心内膜面的水平集表示的离散化,来计算离间隔心内膜的第二距离场;
对于与该个浦肯野候选节点对应的体素内的节点的亚网格中的节点的每个节点,如果该个节点处的第二距离场的值小于第二阈值则将该个节点分类成高速传导组织,而如果该个节点处的第二距离场的值大于第二阈值则将该个节点分类成正常组织;以及
作为节点的亚网格中被分类成高速传导组织的节点的数量与节点的亚网格中的节点的总数量之比,来计算与该个浦肯野候选节点对应的体素内的高速传导组织的体积分数。
43.根据权利要求40所述的非暂时计算机可读介质,其中,根据针对浦肯野候选节点中的每个浦肯野候选节点计算的高速传导组织的体积分数,来计算针对该个浦肯野候选节点的电扩散率值包括:
作为D(x)=DPurkin ψ+Dnormal(l-ψ) 来计算针对浦肯野候选节点中的每个浦肯野候选节点的电扩散率值,其中,DPurkin是针对高速传导组织的电扩散率值,Dnormal是针对正常组织的电扩散率值,以及ψ是居于节点x中心处的体素内的高速传导组织的体积分数。
44.根据权利要求43所述的非暂时计算机可读介质,其中,通过基于患者特定解剖心脏模型中的心脏组织离心外膜的距离而确定患者特定解剖心脏模型中的心脏组织的电扩散率值,来对患者的浦肯野网络建模还包括:
确定针对计算网格的多个节点中的未被检测成浦肯野候选节点的每一个节点的电扩散率值为Dnormal。
45.根据权利要求33所述的非暂时计算机可读介质,其中,根据患者的心脏图像数据来生成患者特定解剖心脏模型包括:
从心脏图像数据提取多组分患者特定心脏形态模型;以及
将多组分患者特定心脏形态模型融合成单个心脏模型,并根据多个组分来标记单个心脏模型的元素。
46.根据权利要求45所述的非暂时计算机可读介质,其中,根据多个组分来标记单个心脏模型的元素包括:
自动标识和标记单个心脏模型中的心内膜。
47.根据权利要求37所述的非暂时计算机可读介质,其中,使用具有被确定以对患者的心脏的电传导系统建模的电扩散率值的心脏电生理模型,来仿真患者的心脏电生理包括:
通过使用电扩散率值以计算心脏电生理学模型的解,来计算与患者特定解剖心脏模型对应的计算网格中的心肌内的多个节点中的每一个节点处随时间的跨膜电位变化,其中电扩散率值被确定以使用针对电生理学的格子-玻尔兹曼方法来针对多个节点中的每一个节点对患者的浦肯野网络建模。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US201461940935P | 2014-02-18 | 2014-02-18 | |
US61/940935 | 2014-02-18 | ||
PCT/US2015/016126 WO2015126815A1 (en) | 2014-02-18 | 2015-02-17 | System and method for real-time simulation of patient-specific cardiac electrophysiology including the effect of the electrical conduction system of the heart |
Publications (2)
Publication Number | Publication Date |
---|---|
CN106456269A true CN106456269A (zh) | 2017-02-22 |
CN106456269B CN106456269B (zh) | 2019-09-24 |
Family
ID=52597285
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201580009323.XA Active CN106456269B (zh) | 2014-02-18 | 2015-02-17 | 对包括心脏的电传导系统的影响在内的患者特定心脏电生理的实时仿真的系统和方法 |
Country Status (3)
Country | Link |
---|---|
US (1) | US10241968B2 (zh) |
CN (1) | CN106456269B (zh) |
WO (1) | WO2015126815A1 (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107485786A (zh) * | 2017-09-18 | 2017-12-19 | 电子科技大学 | 一种全皮下植入型心律转复除颤器s_icd的植入评估系统 |
Families Citing this family (37)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9452276B2 (en) | 2011-10-14 | 2016-09-27 | Intuitive Surgical Operations, Inc. | Catheter with removable vision probe |
US20130303944A1 (en) | 2012-05-14 | 2013-11-14 | Intuitive Surgical Operations, Inc. | Off-axis electromagnetic sensor |
US20140148673A1 (en) | 2012-11-28 | 2014-05-29 | Hansen Medical, Inc. | Method of anchoring pullwire directly articulatable region in catheter |
EP3243476B1 (en) | 2014-03-24 | 2019-11-06 | Auris Health, Inc. | Systems and devices for catheter driving instinctiveness |
WO2016054256A1 (en) | 2014-09-30 | 2016-04-07 | Auris Surgical Robotics, Inc | Configurable robotic surgical system with virtual rail and flexible endoscope |
US10314463B2 (en) | 2014-10-24 | 2019-06-11 | Auris Health, Inc. | Automated endoscope calibration |
EP3345156B1 (en) * | 2015-09-02 | 2019-08-28 | Siemens Healthcare GmbH | Cfd simulation assisted 4d dsa reconstruction |
US10143526B2 (en) * | 2015-11-30 | 2018-12-04 | Auris Health, Inc. | Robot-assisted driving systems and methods |
US11664125B2 (en) | 2016-05-12 | 2023-05-30 | Siemens Healthcare Gmbh | System and method for deep learning based cardiac electrophysiology model personalization |
US9931025B1 (en) | 2016-09-30 | 2018-04-03 | Auris Surgical Robotics, Inc. | Automated calibration of endoscopes with pull wires |
US10244926B2 (en) | 2016-12-28 | 2019-04-02 | Auris Health, Inc. | Detecting endolumenal buckling of flexible instruments |
EP3602529B1 (en) * | 2017-03-22 | 2021-12-01 | Boston Scientific Scimed Inc. | Electrified anatomical model |
EP3621520A4 (en) | 2017-05-12 | 2021-02-17 | Auris Health, Inc. | BIOPSY APPARATUS AND SYSTEM |
WO2019005872A1 (en) | 2017-06-28 | 2019-01-03 | Auris Health, Inc. | INSTRUMENT INSERTION COMPENSATION |
US10426559B2 (en) | 2017-06-30 | 2019-10-01 | Auris Health, Inc. | Systems and methods for medical instrument compression compensation |
ES2806351T3 (es) | 2017-08-08 | 2021-02-17 | Adas3D Medical Sl | Procedimiento implementado por ordenador para calcular valores indicativos para la estructura espacial local de propiedades conductoras de tejido muscular cardíaco y programas informáticos asociados |
US10145747B1 (en) | 2017-10-10 | 2018-12-04 | Auris Health, Inc. | Detection of undesirable forces on a surgical robotic arm |
EP3684282B1 (en) | 2017-12-06 | 2024-02-21 | Auris Health, Inc. | Systems to correct for uncommanded instrument roll |
JP7322026B2 (ja) | 2017-12-14 | 2023-08-07 | オーリス ヘルス インコーポレイテッド | 器具の位置推定のシステムおよび方法 |
EP3752085A4 (en) | 2018-02-13 | 2021-11-24 | Auris Health, Inc. | SYSTEM AND METHOD FOR TRAINING A MEDICAL INSTRUMENT |
US11259871B2 (en) | 2018-04-26 | 2022-03-01 | Vektor Medical, Inc. | Identify ablation pattern for use in an ablation |
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 |
US10860754B2 (en) | 2018-04-26 | 2020-12-08 | Vektor Medical, Inc. | Calibration of simulated cardiograms |
EP3856064A4 (en) | 2018-09-28 | 2022-06-29 | Auris Health, Inc. | Systems and methods for docking medical instruments |
JP7097554B2 (ja) * | 2018-10-26 | 2022-07-08 | 日本電信電話株式会社 | 心電位模擬方法および装置 |
US10595736B1 (en) | 2019-06-10 | 2020-03-24 | Vektor Medical, Inc. | Heart graphic display system |
US10709347B1 (en) | 2019-06-10 | 2020-07-14 | Vektor Medical, Inc. | Heart graphic display system |
EP4084720A4 (en) | 2019-12-31 | 2024-01-17 | Auris Health Inc | ALIGNMENT TECHNIQUES FOR PERCUTANE ACCESS |
CN114901194A (zh) | 2019-12-31 | 2022-08-12 | 奥瑞斯健康公司 | 解剖特征识别和瞄准 |
EP4084722A4 (en) | 2019-12-31 | 2024-01-10 | Auris Health Inc | ALIGNMENT INTERFACES FOR PERCUTANE ACCESS |
WO2022098414A2 (en) * | 2020-08-28 | 2022-05-12 | Northwestern University | Simulation paceable heart |
US11461895B2 (en) * | 2020-09-01 | 2022-10-04 | Biosense Webster (Israel) Ltd. | Automatic identification and processing of anatomical structures in an anatomical map |
US11974853B2 (en) | 2020-10-30 | 2024-05-07 | Vektor Medical, Inc. | Heart graphic display system |
US11338131B1 (en) | 2021-05-05 | 2022-05-24 | Vektor Medical, Inc. | Guiding implantation of an energy delivery component in a body |
CA3228337A1 (en) | 2021-08-09 | 2023-02-16 | Vektor Medical, Inc. | Tissue state graphic display system |
US11534224B1 (en) | 2021-12-02 | 2022-12-27 | Vektor Medical, Inc. | Interactive ablation workflow system |
US20240001145A1 (en) | 2022-06-30 | 2024-01-04 | Varian Medical Systems, Inc. | Systems and methods for radiation dose planning for cardiac radiation therapy |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101043855A (zh) * | 2004-10-22 | 2007-09-26 | 皇家飞利浦电子股份有限公司 | 实时立体成像装置及方法 |
CN101695442A (zh) * | 2009-10-15 | 2010-04-21 | 浙江理工大学 | 基于支持向量回归的心脏电功能成像检测方法 |
CN101782943A (zh) * | 2010-03-09 | 2010-07-21 | 哈尔滨工业大学 | 基于真实人体解剖数据的ecg仿真方法 |
CN102346811A (zh) * | 2010-07-21 | 2012-02-08 | 西门子公司 | 用于对心脏进行特定于患者的综合性建模的方法和系统 |
CN102354339A (zh) * | 2011-10-18 | 2012-02-15 | 浙江大学 | 一种实时心脏生理数据与3d心脏模型关联方法和系统 |
WO2012109618A2 (en) * | 2011-02-11 | 2012-08-16 | The Johns Hopkins University | System and method for planning a patient-specific cardiac procedure |
US20120232386A1 (en) * | 2011-03-09 | 2012-09-13 | Siemens Corporation | Valve treatment simulation from medical diagnostic imaging data |
US20140022250A1 (en) * | 2012-07-19 | 2014-01-23 | Siemens Aktiengesellschaft | System and Method for Patient Specific Planning and Guidance of Ablative Procedures for Cardiac Arrhythmias |
Family Cites Families (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
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 |
US8406496B2 (en) | 2008-07-29 | 2013-03-26 | Siemens Aktiengesellschaft | Method and system for left ventricle detection in 2D magnetic resonance images |
US8682626B2 (en) * | 2010-07-21 | 2014-03-25 | Siemens Aktiengesellschaft | Method and system for comprehensive patient-specific modeling of the heart |
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 |
US9463072B2 (en) | 2013-08-09 | 2016-10-11 | Siemens Aktiengesellschaft | System and method for patient specific planning and guidance of electrophysiology interventions |
-
2015
- 2015-02-17 US US15/119,386 patent/US10241968B2/en active Active
- 2015-02-17 WO PCT/US2015/016126 patent/WO2015126815A1/en active Application Filing
- 2015-02-17 CN CN201580009323.XA patent/CN106456269B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101043855A (zh) * | 2004-10-22 | 2007-09-26 | 皇家飞利浦电子股份有限公司 | 实时立体成像装置及方法 |
CN101695442A (zh) * | 2009-10-15 | 2010-04-21 | 浙江理工大学 | 基于支持向量回归的心脏电功能成像检测方法 |
CN101782943A (zh) * | 2010-03-09 | 2010-07-21 | 哈尔滨工业大学 | 基于真实人体解剖数据的ecg仿真方法 |
CN102346811A (zh) * | 2010-07-21 | 2012-02-08 | 西门子公司 | 用于对心脏进行特定于患者的综合性建模的方法和系统 |
WO2012109618A2 (en) * | 2011-02-11 | 2012-08-16 | The Johns Hopkins University | System and method for planning a patient-specific cardiac procedure |
US20120232386A1 (en) * | 2011-03-09 | 2012-09-13 | Siemens Corporation | Valve treatment simulation from medical diagnostic imaging data |
CN102354339A (zh) * | 2011-10-18 | 2012-02-15 | 浙江大学 | 一种实时心脏生理数据与3d心脏模型关联方法和系统 |
US20140022250A1 (en) * | 2012-07-19 | 2014-01-23 | Siemens Aktiengesellschaft | System and Method for Patient Specific Planning and Guidance of Ablative Procedures for Cardiac Arrhythmias |
Non-Patent Citations (1)
Title |
---|
M.SERMESANT ET AL.: "An Electromechanical Model of the Heart for Image Analysis and Simulation", 《IEEE TRANSACTIONS ON MEDICAL IMAGING》 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107485786A (zh) * | 2017-09-18 | 2017-12-19 | 电子科技大学 | 一种全皮下植入型心律转复除颤器s_icd的植入评估系统 |
CN107485786B (zh) * | 2017-09-18 | 2020-10-30 | 电子科技大学 | 一种全皮下植入型心律转复除颤器s_icd的植入评估系统 |
Also Published As
Publication number | Publication date |
---|---|
WO2015126815A1 (en) | 2015-08-27 |
US10241968B2 (en) | 2019-03-26 |
CN106456269B (zh) | 2019-09-24 |
US20170068796A1 (en) | 2017-03-09 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106456269B (zh) | 对包括心脏的电传导系统的影响在内的患者特定心脏电生理的实时仿真的系统和方法 | |
Doste et al. | A rule‐based method to model myocardial fiber orientation in cardiac biventricular geometries with outflow tracts | |
US10483005B2 (en) | System and method for characterization of electrical properties of the heart from medical images and body surface potentials | |
US9277970B2 (en) | System and method for patient specific planning and guidance of ablative procedures for cardiac arrhythmias | |
US9463072B2 (en) | System and method for patient specific planning and guidance of electrophysiology interventions | |
US11664125B2 (en) | System and method for deep learning based cardiac electrophysiology model personalization | |
Sermesant et al. | An electromechanical model of the heart for image analysis and simulation | |
US10354758B2 (en) | System and method for patient-specific image-based simulation of atrial electrophysiology | |
US9589379B2 (en) | System and method for visualization of cardiac changes under various pacing conditions | |
Krueger et al. | Modeling atrial fiber orientation in patient-specific geometries: a semi-automatic rule-based approach | |
Henriquez | A brief history of tissue models for cardiac electrophysiology | |
US10335238B2 (en) | System and method for non-invasively estimating electrophysiological maps and measurements from cardio-thoracic 3D images and electrocardiography data | |
KR20160060657A (ko) | 의료 이미지들 및 임상학적 데이터로부터 생리학적 심장 측정치들을 추정하기 위한 시스템들 및 방법들 | |
OKADA et al. | Patient specific simulation of body surface ECG using the finite element method | |
Krueger et al. | Towards personalized clinical in-silico modeling of atrial anatomy and electrophysiology | |
Pashaei et al. | Fast multiscale modeling of cardiac electrophysiology including Purkinje system | |
Kahlmann et al. | Modelling of patient-specific Purkinje activation based on measured ECGs | |
Burdumy et al. | Comparing measured and simulated wave directions in the left atrium–a workflow for model personalization and validation | |
Talbot et al. | Interactive training system for interventional electrocardiology procedures | |
Doste et al. | A rule-based method to model myocardial fiber orientation for simulating ventricular outflow tract arrhythmias | |
Loewe et al. | Cardiac digital twin modeling | |
Bakir et al. | Multiphysics computational modelling of the cardiac ventricles | |
Desrues et al. | Personal-by-design: a 3D Electromechanical Model of the Heart Tailored for Personalisation | |
Miralles et al. | Inverse estimation of the cardiac Purkinje system from electroanatomical maps | |
Sebastian et al. | Cardiac modelling for pathophysiology research and clinical applications. The need for an automated pipeline |
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 |