CN106650272B - 个体特异性的心血管模型的生成方法及其应用 - Google Patents
个体特异性的心血管模型的生成方法及其应用 Download PDFInfo
- Publication number
- CN106650272B CN106650272B CN201611236767.XA CN201611236767A CN106650272B CN 106650272 B CN106650272 B CN 106650272B CN 201611236767 A CN201611236767 A CN 201611236767A CN 106650272 B CN106650272 B CN 106650272B
- Authority
- CN
- China
- Prior art keywords
- model
- tree
- target blood
- boundary condition
- cfd
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 63
- 230000002526 effect on cardiovascular system Effects 0.000 title claims abstract description 21
- 230000002792 vascular Effects 0.000 claims abstract description 92
- 244000017106 Bixa orellana Species 0.000 claims abstract description 83
- 210000000056 organ Anatomy 0.000 claims abstract description 29
- 230000011218 segmentation Effects 0.000 claims abstract description 12
- 238000004458 analytical method Methods 0.000 claims abstract description 8
- 210000004204 blood vessel Anatomy 0.000 claims description 50
- 239000012530 fluid Substances 0.000 claims description 28
- 239000008280 blood Substances 0.000 claims description 21
- 210000004369 blood Anatomy 0.000 claims description 21
- 238000004364 calculation method Methods 0.000 claims description 13
- 230000017531 blood circulation Effects 0.000 claims description 10
- 230000008878 coupling Effects 0.000 claims description 8
- 238000010168 coupling process Methods 0.000 claims description 8
- 238000005859 coupling reaction Methods 0.000 claims description 8
- 210000003462 vein Anatomy 0.000 claims description 7
- 238000006243 chemical reaction Methods 0.000 claims description 4
- 230000010354 integration Effects 0.000 claims description 4
- 230000001951 hemoperfusion Effects 0.000 claims description 3
- 238000004088 simulation Methods 0.000 description 22
- 210000000709 aorta Anatomy 0.000 description 12
- 210000002216 heart Anatomy 0.000 description 12
- 210000004351 coronary vessel Anatomy 0.000 description 10
- 210000001367 artery Anatomy 0.000 description 5
- 230000008901 benefit Effects 0.000 description 4
- 210000002837 heart atrium Anatomy 0.000 description 4
- 230000008859 change Effects 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 210000005240 left ventricle Anatomy 0.000 description 3
- 238000005259 measurement Methods 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 238000002059 diagnostic imaging Methods 0.000 description 2
- 238000011156 evaluation Methods 0.000 description 2
- 238000003384 imaging method Methods 0.000 description 2
- 230000003902 lesion Effects 0.000 description 2
- 210000004185 liver Anatomy 0.000 description 2
- 238000013507 mapping Methods 0.000 description 2
- 230000002107 myocardial effect Effects 0.000 description 2
- 230000010412 perfusion Effects 0.000 description 2
- 210000005166 vasculature Anatomy 0.000 description 2
- 206010018325 Congenital glaucomas Diseases 0.000 description 1
- 206010012565 Developmental glaucoma Diseases 0.000 description 1
- 208000007157 Hydrophthalmos Diseases 0.000 description 1
- 238000005481 NMR spectroscopy Methods 0.000 description 1
- 238000009098 adjuvant therapy Methods 0.000 description 1
- 210000003484 anatomy Anatomy 0.000 description 1
- 230000033115 angiogenesis Effects 0.000 description 1
- 238000002583 angiography Methods 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 210000004556 brain Anatomy 0.000 description 1
- 201000001024 buphthalmos Diseases 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 230000000747 cardiac effect Effects 0.000 description 1
- 239000003795 chemical substances by application Substances 0.000 description 1
- 230000004087 circulation Effects 0.000 description 1
- 238000003759 clinical diagnosis Methods 0.000 description 1
- 238000002591 computed tomography Methods 0.000 description 1
- 239000002872 contrast media Substances 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 238000003745 diagnosis Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000002224 dissection Methods 0.000 description 1
- 239000003814 drug Substances 0.000 description 1
- 235000013399 edible fruits Nutrition 0.000 description 1
- 239000004744 fabric Substances 0.000 description 1
- 210000003734 kidney Anatomy 0.000 description 1
- 238000013178 mathematical model Methods 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 238000012821 model calculation Methods 0.000 description 1
- 208000031225 myocardial ischemia Diseases 0.000 description 1
- 230000000149 penetrating effect Effects 0.000 description 1
- 230000035479 physiological effects, processes and functions Effects 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 230000035485 pulse pressure Effects 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 210000005241 right ventricle Anatomy 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 239000013598 vector Substances 0.000 description 1
- 230000002861 ventricular Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
-
- 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
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30004—Biomedical image processing
- G06T2207/30101—Blood vessel; Artery; Vein; Vascular
Landscapes
- Engineering & Computer Science (AREA)
- Medical Informatics (AREA)
- Health & Medical Sciences (AREA)
- Public Health (AREA)
- Epidemiology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Pathology (AREA)
- Data Mining & Analysis (AREA)
- Biomedical Technology (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Databases & Information Systems (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Apparatus For Radiation Diagnosis (AREA)
- Measuring Pulse, Heart Rate, Blood Pressure Or Blood Flow (AREA)
- Magnetic Resonance Imaging Apparatus (AREA)
Abstract
本发明提供了一种个体特异性的心血管模型的生成方法及其应用，所述心血管模型为一维(1D)模型，其特征在于：所述心血管模型是经由图像重构无法得到的微细血管的模型，所述生成方法包括：对感兴趣的器官执行医学图像数据的采集；对采集得到的医学图像数据进行分析和分割，以分割出感兴趣器官和目标血管树；基于所述医学图像数据的分析和分割的结果，计算并重建生成目标血管树的血管中心线及血管壁，从而构成所述目标血管树的三维(3D)模型，以及计算并重建其中包含所述目标血管树的感兴趣器官区域；以所述目标血管树的3D模型的出口作为起始，以所述感兴趣器官区域作为界定区域，生成所述微细血管的1D模型。
Description
技术领域
本发明涉及人体循环系统血管建模领域，更具体地，涉及个体特异性的心血管模型的生成方法，以及基于该个体特异性的心血管模型的边界条件的生成方法。
背景技术
随着图像采集和高端计算技术的发展，生物医学工程已经成为了进一步了解血液循环的重要手段之一。例如，对于心血管冠状动脉的血管动力学模拟可以准确地计算血管里的压力分布，并进而计算出血流储备分数(Fractional Flow Reserve,FFR)。这种新兴的数值模拟计算FFR(虚拟FFR)技术利用高清图像采集数据(比如CT，MRI等)对病人的血管模型进行重构，并结合计算流体力学(CFD)来模拟血管中血液的流动情况。相比于传统的有创FFR测量技术(即侵入式测量)，虚拟FFR是无创的，能够有效地降低手术对病人带来的风险，并且能够降低患者的痛苦以及节约治疗的成本。根据临床试验对比，虚拟FFR对心肌缺血的诊断非常有效，此外和现有的影像学评价方法的相比也更具有优势。除了心血管方面，血液动力学模拟也用于其他各种人体器官(如脑血管，肝脏，等)以及人体整个循环系统。
作为一个前沿技术，血管动力学模拟同样面对技术挑战及难题。由于当前图像采集技术的限制以及血管的多尺度特点，还不能够完整重构从厘米级别的主血管直到微米级别的毛细血管的整个血管模型。从图像重构得到的个体模型一般最小只能包括毫米尺度的血管分支(以下简称大体3D模型)，从而忽略了小于该尺度的微细血管。这样就导致了我们必须要在数值模拟中建立合适的模型，来模拟忽略掉的那部分血管对流动的影响(比如采用合适的边界条件)。目前，主流的前沿血管模拟计算技术一般会根据统计得来的通用数据来假定边界条件，比如假定人体血管树的各个分支的流量分布、类比电路的数学模型(简称0D模型)。此外，更进一步的采用理想血管分支的(1D)树形模型，比如任何一个母分支的两个子分支的长度总是满足固定的比例，来描述忽略掉的血管部分并在此基础上提取合适的边界条件设置。但是，这些模型和尝试忽略了病人个体特性，必然会影响到针对个体的模拟所设置的边界条件的合适性，进而影响到模拟结果的准确性，成为了在数值模拟生理特征上进一步提高准确性的一个瓶颈。
需要建立个体特异性的血管树形模型来描述由于图像精度不足而忽略掉的那部分微细血管，从而建立个体特异性的微细血管的1D模型(下文中称为微细1D模型)进而建立整合了所述微细1D模型的个体特异性的完整的心血管模型(下文中称为完整1D模型)。通过该微细1D模型和/或完整1D模型的CFD计算，可以为3D CFD模型更准确地获得具有个体专一性的入口和出口边界条件。所建立的微细1D模型可以看作是连接图像重构得到的3D模型出口到局部器官组织的一个桥梁，从而可以帮助我们确定合适的3D模型出口边界条件。此外，完整1D模型的CFD计算迅速有效，能够帮助医生确认整个血管树中的流体参数的大体分布，进而决定需要聚焦于其中哪段分支，这样医生可以采用完整1D的CFD计算结果来针对选择分支设置针对性的入口和出口边界条件，从而利用选择分支的3D CFD计算来精确得到其中的流体参数的准确分布。
发明内容
根据第一方案，本发明提供一种个体特异性的心血管模型的生成方法，所述心血管模型为一维(1D)模型，其特征在于：所述心血管模型是经由图像重构无法得到的微细血管的模型，所述生成方法包括：
对感兴趣的器官执行医学图像数据的采集；
对采集得到的医学图像数据进行分析和分割，以分割出感兴趣器官和目标血管树；
基于所述医学图像数据的分析和分割的结果，计算并重建生成目标血管树的血管中心线及血管壁，从而构成所述目标血管树的三维(3D)模型，以及计算并重建所述目标血管树所在的感兴趣器官区域；
以所述目标血管树的3D模型的出口为起始，以所述感兴趣器官区域为界定区域，生成所述微细血管的1D模型。
根据第二方案，本发明提供一种利用所生成的微细血管的1D模型为所述目标血管树的3D CFD模型设置出口边界条件的方法，其特征在于所述出口边界条件为基于树形的阻力相关边界条件或基于质量守恒的流量分布边界条件。
优选地，为目标血管树的3D CFD模型设置出口边界条件的方法包括如下步骤：为所述微细血管的1D模型生成计算网格，将所述微细血管的1D模型的入口边界条件设置为流量并将其出口边界条件设置为相应压力或静脉压力，计算所述微细血管的1D模型的各个入口的压力，据计算得到的各个入口的压力和流量计算各个入口处的微血管阻力，基于此利用各个入口的树形连接关系计算目标血管树的出口处的等效微血管阻力，作为所述目标血管树的3D CFD模型的出口边界条件。
优选地，所述目标血管树的3D CFD模型设置出口边界条件的方法包括如下步骤：为所述微细血管的1D模型生成计算网格，将所述微细血管的1D模型的入口边界条件设置为压力并将其出口边界条件设置为相应的流量，计算所述微细血管的1D模型的各个入口的流量，据计算得到的各个入口的流量利用各个入口的树形连接关系计算目标血管树的出口处的等效流量，作为所述目标血管树的3D CFD模型的出口边界条件。其中，微细血管的1D模型出口的流量可以基于指定的流量分布、出口血管的影响区域、或者血液灌注相关的医学图像来获得。指定的出口流量分布可以采用最简单的均匀的流场分布，或者与出口位置相关的流场分布(例如，流量随出口位置从心脏顶端到末端而逐渐变化，末端变成基本流量分布)，等。出口血管的影响区域的面积大小可限定流量分布，且出口血管的影响区域可以通过沃罗诺伊区域或者模糊距离变化等得到。此外，出口血管的流量可以通过相关医学图像(比如说灌注扫描图像方法)的测量或者推导得到(建模得到出口血管的流量与心肌厚度、局部图像像素之间的相关性等)。
根据第三方案，本发明提供一种个体特异性的心血管模型的生成方法，所述心血管模型为一维(1D)模型，其特征在于：所述心血管模型是包含经由图像重构无法得到的微细血管的目标血管树的完整模型，所述生成方法包括：
对感兴趣的器官执行医学图像数据的采集；
对采集得到的医学图像数据进行分析和分割，以分割出感兴趣器官和目标血管树；
基于所述医学图像数据的分析和分割的结果，计算并重建生成目标血管树的血管中心线及血管壁，从而构成所述目标血管树的三维(3D)模型，以及计算并重建所述目标血管树所在的感兴趣器官区域；
以所述目标血管树的3D模型的出口作为起始，以所述感兴趣器官区域作为界定范围，生成所述微细血管的1D模型；
通过将所述3D模型转换回1D模型并与所述微细血管的1D模型整合来得到所述目标血管树的完整的1D模型。
根据第四方案，本发明提供一种利用该生成方法所生成的目标血管树的完整的1D模型来为所述目标血管树的3D CFD模型设置入口边界条件的方法，所述方法包括：对所述完整的1D模型进行CFD计算，计算出完整的目标血管树中各处的流量，再将该计算所得的完整的1D模型中与所述目标血管树的3D CFD模型的入口对应各处的流量设置作为所述目标血管树的3D CFD模型的入口边界条件。
根据第五方案，本发明提供一种利用根据该生成方法所生成的目标血管树的完整的1D模型来为所述目标血管树的3D CFD模型设置出口边界条件的方法，所述方法包括：对所述完整的1D模型进行CFD计算，计算出完整的目标血管树中各处的流量及压力，基于完整的1D模型中与所述目标血管树的3D CFD模型的出口对应各处的流量及压力计算得到所述目标血管树的3D CFD模型的出口处的微血管阻力，作为其出口边界条件。
根据第六方案，本发明提供一种利用该生成方法所生成的目标血管树的完整的1D模型来为所述目标血管树的3D CFD模型设置出口边界条件的方法，所述方法包括：对所述完整的1D模型进行CFD计算，计算出完整的目标血管树中各处的流体参数，将完整的1D模型中与所述目标血管树的3D CFD模型的出口对应各处的流体参数设置作为其出口边界条件。
根据第七方案，本发明提供一种对目标血管树进行3D-1D耦合计算的方法，所述方法包括如下步骤：
根据权利要求6所述的生成方法生成目标血管树的完整的1D模型以及所述目标血管树的3D模型；
为所述目标血管树的完整的1D模型生成计算网格并设置相应的边界条件，来计算出完整的目标血管树中各处的流体参数；
选择为目标血管树的3D模型的局部还是整体进行CFD计算，为目标血管树的所选择的局部或整体生成计算网格并设置相应的边界条件，来计算出所述目标血管树中相应各处的流体参数，其中
如果选择为目标血管树的3D模型的整体进行CFD计算，将其入口边界条件设置为施加充血状态下该目标血管树的血流量，并将其出口边界条件设置为完整的1D模型中与所述目标血管树的3D模型的局部的出口对应各处的流体参数设置作为其出口边界条件；
如果选择为目标血管树的3D模型的局部进行CFD计算，将其入口边界条件和出口边界条件设置为完整的1D模型中与所述目标血管树的3D模型的局部的入口和出口对应各处的流体参数设置作为其入口边界条件。
附图说明
下面参考附图对本发明的各个实施例进行详细说明，其中
图1示出根据本发明一个实施例的心脏区域(包括左心房、左心室、右心房、右心室)以及主动脉、左右动脉的3D几何模型；
图2示出了3D左心室以及对应的2D牛眼图；
图3示出了为根据本发明一个实施例生成的个体特异性的心血管的1D模型的示意图；
图4(a)-图4(c)示出根据本发明一个实施例的3D CFD模型及边界条件的示例，其中，图4(a)示出医学图像的截面图与分割重建的几何模型之间的关系，图4(b)示出分割重建所得到的包括主动脉、左右动脉及血管分支的血管树的三维几何模型，图4(c)示出左动脉的血管树的CFD模型及相应边界条件，包括血管壁以及入口和出口边界条件。
图5示出根据本发明另一个实施例的进行3D-1D耦合计算的方法所得到的左动脉及其分支的3D-1D耦合网络的示意图。
具体实施方式
现在将参考附图详细描述本发明的个体特异性心血管模型的生成方法及其应用的实施例，其中相同的附图标记指代多幅视图中的每一幅图中的相同或相应元件。
图4(a)-图4(c)示出根据本发明一个实施例的为病人的冠状动脉建立3D CFD模型的各个步骤的示例，其中，图4(a)示出医学图像的截面图、分割重建的几何模型以及两者之间的关系，图4(b)示出分割重建所得到的包括主动脉、左右主动脉及主要血管分支的血管树的三维几何模型，图4(c)示出左主动脉的血管树的CFD模型及相应边界条件，包括血管壁以及入口和出口边界条件。
首先对感兴趣的器官执行医学图像数据的采集，在本实施例中以包含冠状动脉的心脏为例。可以采用各种医学成像手段来执行采集，包括但不限于高清计算机断层摄影(CT)、核磁共振(MRI)、超声成像等。为了提高图像中目标的清晰度和分辨率，在图像采集之前可以注射适当的血管提亮剂或造影剂。虽然本实施例中以包含冠状动脉的心脏为例，感兴趣的器官可以是但不限于心脏、大脑、肝脏、肾脏等。
对采集得到的医学图像数据进行分析和分割，以分割出感兴趣的器官区域(在本实施例中为心脏区域)、目标血管(在本实施例中为冠状动脉)。所谓分析可以包含图像预处理，例如降噪、校准等。分割可以采用传统的分割方法，比如基于快速步进算法(fastmarching)等，也可以采用深度学习的方法。在这一步中可选地用到合适的图像处理方法对血管进行提亮(例如计算血管性量度(vesselness measure)等)。基于图像的分析和分割的结果，可以例如能够利用包括vmtk(The Vascular Modeling Toolkit)的各种开源软件，计算并重建生成血管树的血管中心线及血管壁，从而构成所述血管树的3D几何模型，如图1和图4(b)所示。如此重建生成的血管树的3D模型，最多涵盖毫米尺度的血管分支(以下简称大体3D模型)，从而忽略了小于该尺度的微细血管。
通过对该一系列医学图像的分析和分割，也可以提取出其中包含冠状动脉在内的心脏区域，图1中示出了心脏(包括左心房、左心室、右心房、右心室)的3D模型。此外，图1也示出了主动脉以及左右冠状动脉的3D模型。具体说来，图4(b)中示出了冠状动脉的血管树的3D模型自身的边界，这些边界包括入口和出口(如图4(c)所示，出口包括出口1-8)。以冠状动脉的3D模型的出口作为起始，以冠状动脉所在(其中分布有冠状动脉的微细分支)的心脏表面的一定范围为界定区域，将微细血管设置作为从3D模型的出口到所述界定区域的一个桥梁，从而生成表示微细血管的1D模型(简称为微细1D模型)。请注意，作为界定区域的器官区域可以由医生根据微细血管的解剖知识来选择，具体说来，其应是微细血管从3D模型的出口生长到最远处所处于的器官的整体或局部区域的边界。所谓“目标血管树所在的感兴趣器官区域”，意指分布有目标血管树的微细分支的感兴趣器官的一定范围的区域，目标血管树的微细分支可以生长到该感兴趣器官区域。可以采用多种不同的方法来生成微细血管的1D模型，在下文中以基于分形的计算方法来举例说明。具体来说，首先在界定区域放置一系列均匀分布或者随机分布的点阵，并且找出对应各血管出口(N个血管出口)距离最近的点并形成一个点集(共N个点集)，点集的质量中心以及末端血管中心线构成平面，采用该平面将点集分成两个分子点集(共2N个子点集)，血管出口到子点集的质量中心的直线就定义为新的1D血管分支(共2N个新血管出口)，并作为后续1D血管生成的起始。此过程重复，直至新的血管分支小于预设的最短血管长度，或者新血管分支对应的点集只含有一个点。通过此方法我们可以得到微细血管的网络结构，对分支结构进行分析(包括血管级数，Strahler级数)。血管级数以主分支为起始，经过每一分支级数增加，通常因为血管每一路径分支次数不同，血管末端的分支级数不相同；而Strahler级数从血管末端开始，末端所有血管级数定义为1，往主支方向计数，每经过一个分支，父支(parent branch)的级数等于子支级数+1，因此主分支总是对应最大的Strahler级数。Strahler级数能够更好描述非对称的血管数形结构，并且可以用来估算血管的直径，参见如下的表达式：
logDn＝(n-N)logRd+logDN
其中n是当前血管的Strahler级数，对应的直径为Dn，N为血管树最大的strahler级数，对应的直径为DN,Rd为常数。
这个过程可以直接在3D空间实施，也可以先将3D空间转换到2D空间，待生成了1D模型之后再转换回3D空间。比如说，针对冠状动脉，可以将3D的左心室壁转换成2D的牛眼图，牛眼图及相应的映射关系见图2所示，在2D空间内生成微细血管的1D模型后，再将生成的模型转换到3D空间内。具体说来，可以将3D空间内的起始和界定区域根据如图2所示的映射关系分别映射到2D的牛眼图中，并据此在2D空间内相应计算微细血管的1D模型，再利用如图2所示的映射关系，将计算所得的微细血管的1D模型逆向映射回3D空间中，得到3D空间中的微细血管的1D模型。
要注意，以3D模型的出口作为起始且以目标血管树所在的感兴趣器官区域为界定区域，可以采用分形以外的其他计算方法来生成微细血管的1D模型，诸如，根据解剖经验建立专用于各种器官的微细血管的拓扑模型，并基于该微细血管的拓扑模型来生成1D模型等等，在此不一一赘述。
如此生成的微细1D模型基于病人本身的医学成像信息和解剖结构，因此是个体特异性的，能够准确地再现病人的微细血管的结构。相较现有技术的根据统计数据来假定边界条件或是采用理想血管分支的(1D)树形模型来描述忽略掉的血管部分的做法，更能够体现病人的微细血管的个体差异性，从而使得相应的1D CFD计算准确度更高，基于其计算结果设置的3D CFD计算的边界条件更准确更合适，进而相应的3D CFD计算的准确度更高。
血管树的1D CFD模型虽然计算量小且计算速度快，但忽略了细微流场变化，却能够快速地模拟流场的主要特征，比如沿着血管的压力降、流量分布、血流速度等。所模拟获得的血流参数准确度不足以直接用于血管症状的临床诊断，但作为血管树的3D CFD模型的相应入口和出口处的边界条件是足够的，且充分体现了个体的特异性，能够大大提高3DCFD模型的模拟计算的准确度。
微细1D模型在为3D CFD模型建立出口边界条件中的应用
上述微细1D模型可以用于为3D CFD模型设置具有个体特异性的出口边界条件，诸如基于树形的阻力相关边界条件、基于质量守恒的流量分布边界条件等。具体说来，可以为上述微细1D模型生成计算网格，将微细1D模型的入口边界条件设置为病人心输出量中理论上分配到微细1D模型的各个入口i处(也就是相应的3D CFD模型的出口处)的流量Qin,i，将其出口边界条件设置为相应的压力pout或者更简单地设置为静脉压力(通常为0)，通过对1DCFD模型在如上入口和出口边界条件下进行求解，来计算预测各个入口边界处的压力Pi,in(i为各个入口的编号)，利用关系式Pi,in＝Qi,inRi计算各个入口i处的微血管阻力Ri。其中，该相应压力pout可以利用现有的血管模拟计算技术来得到，比如根据统计得来的通用数据来推导，比如利用上述的OD模型来模拟计算，等等。假定3D CFD模型的出口j对接着微细1D模型的第i1…ij个入口，则利用这第i1…ij个入口的树形连接关系(串并联关系)来基于各个入口的微血管阻力计算得到该树形的等效总微血管阻力，作为出口j的微血管阻力，也就是该3D CFD模型的出口边界条件。
也可以通过将微细1D模型的入口边界条件设置为相应的压力，将其出口边界条件设置为流量，通过对1D CFD模型在如上入口和出口边界条件下进行求解，来计算预测各个入口边界处的实际流量Qi,in(i为各个入口的编号)。其中，微细血管的1D模型出口的流量可以基于指定的流量分布、出口血管的影响区域、或者血液灌注相关的医学图像来获得。指定的出口流量分布可以采用最简单的均匀的流场分布，或者与出口位置相关的流场分布(例如，流量随出口位置从心脏顶端到末端而逐渐变化，末端变成基本流量分布)，等。出口血管的影响区域的面积大小可限定流量分布，且出口血管的影响区域可以通过沃罗诺伊区域或者模糊距离变化等得到。此外，出口血管的流量可以通过相关医学图像(比如说灌注扫描图像方法)的测量或者推导得到(建模得到出口血管的流量与心肌厚度、局部图像像素之间的相关性等)。假定3D CFD模型的出口j对接着微细1D模型的第i1…ij个入口，则利用这第i1…ij个入口的树形连接关系(串并联关系)来基于各个入口的实际流量Qi,in计算得到树形的等效总流量，鉴于质量守恒也就是出口j的实际流量，作为该3D CFD模型的出口边界条件。
完整1D模型在为3D CFD模型建立入口和出口边界条件中的应用
心血管的3D CFD模型的模拟结果的准确性依赖于入口边界条件和出口边界条件的适合设置，而通过为个体建立特异性且完整(包括由医学图像重构会漏掉的那些微细血管)的1D CFD模型，通过对其求解，可用于设置合适的个体特异性的入口边界条件和出口边界条件。
完整的1D CFD模型可以通过如下步骤得到：通过将上述建立的3D模型转换回1D模型并将其与微细1D模型整合来得到完整的1D模型，也可以与上述3D模型并行地生成1D模型并将其与微细1D模型整合来得到完整的1D模型；为完整的1D模型生成计算网格，从而建立血管树的完整1D CFD模型。可以为血管树的完整1D CFD模型设置相应的入口和出口边界条件，设置血液的物理属性以及流动方程；然后，基于入口和出口边界条件、所设置的物理属性和流动方程，对血管树的完整1D CFD模型进行求解，以得到血管树各处的流体参数。
入口边界条件
可以通过建立血管树的完整的1D CFD模型(例如采用如上所述的完整的个体特异性的1D模型的生成方法)，并对其求解来计算出完整的血管树中各处的流量，再将该计算所得的完整的血管树中相应各处的流量施加到所述血管树的3D CFD模型的入口边界处，设置作为3D CFD模型的入口边界条件。虽然以流量为例，但也可以采用血液的流量、压力和速度中的任何一种或两种分别作为入口和出口边界条件。入口和出口边界条件采用同种流体参数也是可以的，只要确保3D CFD模型的收敛满足临床要求。即便没有为该完整1D CFD模型设置个体特异性的入口和出口边界条件，鉴于该完整1D CFD模型本身反映了个体的完整的血管特征，通过CFD迭代求解，收敛时所获得的完整的血管树中对应于3D CFD模型的入口边界处的各处的流量也完整且良好地反映了个体特异性，从而也就为3D CFD模型设置了个体特异性的入口边界条件。1D CFD计算仅需非常少的网格数量，其计算速度非常迅速(可认为是实时计算)，由此，通过1D CFD计算来得到3D CFD模型的入口边界条件在促进计算结果准确度的同时，也没有影响3D CFD模型的完整计算流程的计算速度。
出口边界条件
3D CFD模型的出口边界条件有两种设置方法可以与个体特异性的完整1D CFD模型的计算相结合，第一种方式是，将出口边界条件设置为针对病人个体的冠状动脉的血管树各处的微血管阻力；第二种方式是，类似于入口边界条件的上述设置方式，施加1D CFD计算结果于3D CFD模型的出口处，将3D CFD模型的出口边界条件设置为血管树的1D CFD模型的求解所得的血管中相应各处的压力。
1D CFD计算仅需非常少的网格数量，其计算速度非常迅速(可认为实时计算)，利用该优势，建立完整的冠状动脉树的1D CFD模型，设置初始的入口边界条件，这里入口边界条件可以采用现有技术中各种方法来得到，例如通过获知总入口血流量和假定分支流量比的方式来得到，也可以利用人群的大量样本的统计来设置，也可以利用上述的结合1D CFD的求解的方法来设置；出口边界条件则可全部设置为相应压力(如何得到相应压力在上文中进行了描述)或静脉压力(通常为0)。利用1D CFD模型在该设置的入口边界条件和出口边界条件下的计算，得到在1D CFD模型中对应3D CFD模型的各个出口的相应各处的流量及压力，利用关系式Pi,out＝Qi,outRi计算3D CFD模型各个出口边界的微血管阻力Ri。本应用可极大简化3D CFD计算中对出口边界条件微血管阻力的求解，该1D CFD模型已经涵盖到了个体的末梢的微细血管且是个体特异性的，通过设置如上的入口和出口边界条件所得到的相应各处的流量及压力虽则不能直接用来进行医学诊断，但计算的各个出口的微血管阻力的准确度作为3D CFD模型的出口边界条件来说是足够了。
第二种方式则利用完整的1D CFD模型的计算得到完整的冠状动脉的血管树中各处的压力，并将相应的压力施加至3D CFD模型对应的出口边界处。当然，除了压力，也可以采用其他种类的流体参数，包括流量、速度等，作为3D CFD模型的出口边界条件。
如上所述，将基于完整1D CFD模型的模拟结果来计算所得的冠状动脉的微血管阻力或者完整1D CFD模型的模拟直接所得的各处的流体参数作为出口边界条件，且最终通过对大体整个的血管树的3D CFD建模和计算来得到血管树中各处的流体参数。
3D-1D耦合模拟
3D CFD模拟能够捕捉到细微的流场变化，但是计算量大且耗时长；相对应的1DCFD模拟忽略了细微流场变化，但是能够快速地模拟流场主要特征(比如沿血管的压力降)。由于目前的计算技术的限制，对完整的血管树形结构进行3D CFD模拟的计算量非常之大，是不可能用于临床辅助治疗的；反过来，如果只采用1D CFD模拟就会忽略大尺度的细微流场特征对整个流场的影响，会造成比较大的计算误差。在实践中，需要在确保计算准确度的同时，进一步简化和加速边界条件的设置，并进一步加快流体参数的总的计算速度。
此外，医生要求CFD建模不仅能够准确模拟计算完整的冠状动脉，还可以单独模拟计算特定的血管分支(如疑似病变段)，且对冠状动脉各处的模拟计算的准确度是有区别的。例如，医生会希望通过实时的1D CFD建模计算来迅速获得完整的冠状动脉的血流特征，例如血流储备分数(FFR)，的大体分布，使得能够从中人工或自动选择出需要更多临床关注的特定的血管分支，并对该特定的血管分支进行相对耗时但准确度更高的3D CFD建模计算。
相应地，本发明还提供一种进行3D-1D耦合计算(发明人将其称为虚拟数字减影心血管造影术)的方法，以满足以上的升级需求，该方法结合利用3D-1D CFD的特点及各自的优势，极大地简化对边界条件的要求。本方法不仅同样能相对准确地模拟计算包括微细血管在内的完整的冠状动脉，更可更准确且针对性地单独模拟计算具体的血管分支(如疑似病变段)，因此更近一步地大大缩短计算所需时间并且优先确保更多临床关注的具体的血管分支的模拟计算的准确性。
该方法设置血管中的血液为牛顿流体且为层流,设置符合人体生理学特性的血液密度及血流粘性，并将流动方程设置为非定常流动，以确保计算结果是收敛的。视求解流体参数的具体需求，用于此具体需求的3D CFD网格及模型可以为整个左、右主动脉的血管树生成，也可以为某段具体的血管分支生成；1D CFD网格及模型则为完整的冠状动脉的血管树(包括微细血管在内)生成。
为血管树的1D CFD模型和3D CFD模型设置相应的边界条件。其中，将1D CFD模型的入口边界条件设置为充血状态下左、右主动脉血流量，将1D CFD模型的出口边界条件设置为相应压力或静脉压力(通常为0)。
针对3D CFD模型所模拟的是整个左、右主动脉的血管树还是仅仅为某个具体血管分支，设置不同的入口边界条件。具体说来，如模拟整个左、右主动脉的血管树，将其入口边界条件设置为施加充血状态下左、右主动脉血流量；如模拟某具体血管分支，则将其入口边界条件设置为利用1D CFD模型在如上设置的入口边界条件和出口边界条件(相应压力或静脉压力)下在对应位置计算得到的流量，这里也可以采用除了流量以外的其他流体参数。
将3D CFD模型的出口边界条件设置为利用1D CFD模型在如上设置的入口边界条件和出口边界条件(相应压力或静脉压力)下在对应位置计算得到的压力值，这里也可以采用除了压力以外的其他流体参数。
如此实现3D-1D CFD的耦合计算。
3D、1D CFD计算中，均设置不可压流的Navier-Stokes(N-S)方程组(质量、动量守恒方程)：
u为流体速度矢量，p为压力，ρ为流体密度，υ为流体的运动粘性，从而1D CFD求解和3D CFD求解都是基于不可压流的N-S方程组来求解的。
以意图单独模拟冠状动脉中的左主动脉为例，图5示出了为包括远端微血管在内的完整的冠状动脉生成的1D CFD网格以及仅为临床关注的左主动脉生成的3D CFD网格，通过上述的3D-1D耦合计算得到左主动脉中各处的血流特征分布，经实践证实该3D-1D耦合计算结果提供了充分的准确度和临床可接受的耗时。
因此，上述描述不应视为限制，而仅仅是特殊实施例的示范。本领域的技术人员将预想到在附随的权利要求的范围和精神内的其他改进。
Claims (10)
1.一种个体特异性的心血管模型的生成方法，所述心血管模型为一维(1D)模型，其特征在于：所述心血管模型是经由图像重构无法得到的微细血管的模型，所述生成方法包括：
对感兴趣的器官执行医学图像数据的采集；
对采集得到的医学图像数据进行分析和分割，以分割出感兴趣器官和目标血管树；
基于所述医学图像数据的分析和分割的结果，计算并重建生成目标血管树的血管中心线及血管壁，从而构成所述目标血管树的三维(3D)模型，以及计算并重建所述目标血管树所在的感兴趣器官区域；
以所述目标血管树的3D模型的出口作为起始，以所述感兴趣器官区域作为界定区域，生成所述微细血管的1D模型。
2.一种利用权利要求1所述的生成方法所生成的微细血管的1D模型来为所述目标血管树的3D CFD模型设置出口边界条件的方法，其特征在于所述出口边界条件为基于树形的阻力相关边界条件或基于质量守恒的流量分布边界条件。
3.根据权利要求2所述的方法，其特征在于，所述为所述目标血管树的3D CFD模型设置出口边界条件的方法包括如下步骤：为所述微细血管的1D模型生成计算网格，将所述微细血管的1D模型的入口边界条件设置为流量并将其出口边界条件设置为相应的压力或静脉压力，计算所述微细血管的1D模型的各个入口的压力，据计算得到的各个入口的压力和所设置的流量计算各个入口处的微血管阻力，基于此利用各个入口的树形连接关系计算目标血管树的出口处的等效微血管阻力，作为所述目标血管树的3D CFD模型的出口边界条件。
4.根据权利要求2所述的方法，其特征在于，所述为所述目标血管树的3D CFD模型设置出口边界条件的方法包括如下步骤：为所述微细血管的1D模型生成计算网格，将所述微细血管的1D模型的入口边界条件设置为压力并将其出口边界条件设置为相应的流量，计算所述微细血管的1D模型的各个入口的流量，据计算得到的各个入口的流量利用各个入口的树形连接关系计算目标血管树的出口处的等效流量，作为所述目标血管树的3D CFD模型的出口边界条件。
5.根据权利要求4所述的方法，其特征在于，所述微细血管的1D模型出口的相应的流量可以基于指定的流量分布、出口血管的影响区域、或者血液灌注相关的医学图像来获得。
6.一种个体特异性的心血管模型的生成方法，所述心血管模型为一维(1D)模型，其特征在于：所述心血管模型是包含经由图像重构无法得到的微细血管的目标血管树的完整模型，所述生成方法包括：
对感兴趣的器官执行医学图像数据的采集；
对采集得到的医学图像数据进行分析和分割，以分割出感兴趣器官和目标血管树；
基于所述医学图像数据的分析和分割的结果，计算并重建生成目标血管树的血管中心线及血管壁，从而构成所述目标血管树的三维(3D)模型，以及计算并重建所述目标血管树所在的感兴趣器官区域；
以所述目标血管树的3D模型的出口作为起始，以所述感兴趣器官区域作为界定区域，生成所述微细血管的1D模型；
通过将所述3D模型转换回1D模型并与所述微细血管的1D模型整合来得到所述目标血管树的完整的1D模型。
7.一种利用权利要求6所述的生成方法所生成的目标血管树的完整的1D模型来为所述目标血管树的3D CFD模型设置入口边界条件的方法，所述方法包括：对所述完整的1D模型进行CFD计算，计算出完整的1D模型中各处的流量，再将该计算所得的完整的1D模型中与所述目标血管树的3D CFD模型的入口对应各处的流量设置作为所述目标血管树的3D CFD模型的入口边界条件。
8.一种利用权利要求6所述的生成方法所生成的目标血管树的完整的1D模型来为所述目标血管树的3D CFD模型设置出口边界条件的方法，所述方法包括：对所述完整的1D模型进行CFD计算，计算出完整的1D模型中各处的流量及压力，基于完整的1D模型中与所述目标血管树的3D CFD模型的出口对应各处的流量及压力计算得到所述目标血管树的3D CFD模型的出口处的微血管阻力，作为其出口边界条件。
9.一种利用权利要求6所述的生成方法所生成的目标血管树的完整的1D模型来为所述目标血管树的3D CFD模型设置出口边界条件的方法，所述方法包括：对所述完整的1D模型进行CFD计算，计算出完整的1D模型中各处的流体参数，将完整的1D模型中与所述目标血管树的3D CFD模型的出口对应各处的流体参数设置作为其出口边界条件。
10.一种对目标血管树进行3D-1D耦合计算的方法，所述方法包括如下步骤：
利用权利要求6所述的生成方法生成目标血管树的完整的1D模型以及所述目标血管树的3D模型；
为所述目标血管树的完整的1D模型生成计算网格并设置相应的边界条件，来计算出目标血管树的完整的1D模型中各处的流体参数；
选择为目标血管树的3D模型的局部还是整体进行CFD计算，为目标血管树的所选择的局部或整体生成计算网格并设置相应的边界条件，来计算出所述目标血管树中相应各处的流体参数，其中
如果选择为目标血管树的3D模型的整体进行CFD计算，将其入口边界条件设置为施加充血状态下该目标血管树的血流量，并将其出口边界条件设置为完整的1D模型中与所述目标血管树的3D模型的整体的出口对应各处的流体参数；
如果选择为目标血管树的3D模型的局部进行CFD计算，将其入口边界条件和出口边界条件分别设置为完整的1D模型中与所述目标血管树的3D模型的局部的入口和出口对应各处的流体参数。
Priority Applications (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201611236767.XA CN106650272B (zh) | 2016-12-28 | 2016-12-28 | 个体特异性的心血管模型的生成方法及其应用 |
| CN201711395899.1A CN108122616B (zh) | 2016-12-28 | 2016-12-28 | 个体特异性的心血管模型的生成方法及其应用 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201611236767.XA CN106650272B (zh) | 2016-12-28 | 2016-12-28 | 个体特异性的心血管模型的生成方法及其应用 |
Related Child Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201711395899.1A Division CN108122616B (zh) | 2016-12-28 | 2016-12-28 | 个体特异性的心血管模型的生成方法及其应用 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN106650272A CN106650272A (zh) | 2017-05-10 |
| CN106650272B true CN106650272B (zh) | 2019-02-12 |
Family
ID=58832225
Family Applications (2)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201611236767.XA Active CN106650272B (zh) | 2016-12-28 | 2016-12-28 | 个体特异性的心血管模型的生成方法及其应用 |
| CN201711395899.1A Active CN108122616B (zh) | 2016-12-28 | 2016-12-28 | 个体特异性的心血管模型的生成方法及其应用 |
Family Applications After (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201711395899.1A Active CN108122616B (zh) | 2016-12-28 | 2016-12-28 | 个体特异性的心血管模型的生成方法及其应用 |
Country Status (1)
| Country | Link |
|---|---|
| CN (2) | CN106650272B (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108122616A (zh) * | 2016-12-28 | 2018-06-05 | 北京昆仑医云科技有限公司 | 个体特异性的心血管模型的生成方法及其应用 |
Families Citing this family (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110853029B (zh) * | 2017-11-15 | 2021-04-30 | 深圳科亚医疗科技有限公司 | 用于基于医学图像自动预测血流特征的方法、系统和介质 |
| US10916027B2 (en) | 2018-11-02 | 2021-02-09 | International Business Machines Corporation | Determining centerlines in elongated structures in images to detect abnormalities |
| CN109712695B (zh) * | 2018-12-25 | 2022-04-26 | 上海联影医疗科技股份有限公司 | 血管图像的处理方法及交互显示方法、计算机装置 |
| CN109872336B (zh) * | 2019-03-13 | 2021-07-09 | 数坤(北京)网络科技股份有限公司 | 一种血管分割方法、设备及计算机存储介质 |
| CN110349149B (zh) * | 2019-07-12 | 2022-06-24 | 广东省人民医院(广东省医学科学院) | 基于深度神经网络和形态相似度的先心病分类系统及方法 |
| CN113421634A (zh) * | 2020-03-03 | 2021-09-21 | 上海微创卜算子医疗科技有限公司 | 主动脉标注方法、系统及计算机可读存储介质 |
| CN111932652B (zh) * | 2020-10-12 | 2021-01-08 | 杭州阿特瑞科技有限公司 | 一种基于血流量参数的冠状动脉建模动态调整方法 |
| CN112704505B (zh) * | 2020-11-20 | 2022-05-24 | 杭州阿特瑞科技有限公司 | 一种利用cta和dsa测量冠状动脉血流储备分数的方法 |
| CN113100737B (zh) * | 2021-04-06 | 2023-10-27 | 复旦大学附属中山医院 | 基于冠状动脉cta的缺血心肌负荷定量评价系统 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN1870054A (zh) * | 2005-05-24 | 2006-11-29 | 西门子共同研究公司 | 将多分支脉管及其环境同时投影到单个图像上 |
| 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 |
| CN105095534A (zh) * | 2014-04-23 | 2015-11-25 | 北京冠生云医疗技术有限公司 | 对血管中血流进行模拟的方法和系统 |
| CN108122616A (zh) * | 2016-12-28 | 2018-06-05 | 北京昆仑医云科技有限公司 | 个体特异性的心血管模型的生成方法及其应用 |
Family Cites Families (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101901498B (zh) * | 2009-12-31 | 2011-11-30 | 华中科技大学 | 一种人体冠状动脉血管的递推建模方法 |
| US10297341B2 (en) * | 2012-09-24 | 2019-05-21 | Siemens Healthcare Gmbh | Viscoelastic modeling of blood vessels |
| CN104933756B (zh) * | 2014-03-21 | 2018-03-30 | 北京冠生云医疗技术有限公司 | 三维冠状动脉分析模型的构建方法和系统 |
| US9754082B2 (en) * | 2014-05-30 | 2017-09-05 | Heartflow, Inc. | Systems and methods for reporting blood flow characteristics |
-
2016
- 2016-12-28 CN CN201611236767.XA patent/CN106650272B/zh active Active
- 2016-12-28 CN CN201711395899.1A patent/CN108122616B/zh active Active
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN1870054A (zh) * | 2005-05-24 | 2006-11-29 | 西门子共同研究公司 | 将多分支脉管及其环境同时投影到单个图像上 |
| 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 |
| CN105095534A (zh) * | 2014-04-23 | 2015-11-25 | 北京冠生云医疗技术有限公司 | 对血管中血流进行模拟的方法和系统 |
| CN108122616A (zh) * | 2016-12-28 | 2018-06-05 | 北京昆仑医云科技有限公司 | 个体特异性的心血管模型的生成方法及其应用 |
Non-Patent Citations (3)
| Title |
|---|
| A 3D/1D geometrical multiscale model of cerebral vasculature;Tiziano Passerini 等;《Modeling and Scientific Computing》;20081231;1-19 |
| Coupling strategies for the numerical simulation of blood flow in deformable arteries by 3D and 1D models;F. Nobile;《Mathematical and Computer Modelling》;20091231;2152-2160 |
| 肾血管性高血压发病机理的血流动力学分析;姬长金;《中国博士学位论文全文数据库医药卫生科技辑》;20141015;全文 |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108122616A (zh) * | 2016-12-28 | 2018-06-05 | 北京昆仑医云科技有限公司 | 个体特异性的心血管模型的生成方法及其应用 |
| CN108122616B (zh) * | 2016-12-28 | 2020-12-25 | 北京昆仑医云科技有限公司 | 个体特异性的心血管模型的生成方法及其应用 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN106650272A (zh) | 2017-05-10 |
| CN108122616A (zh) | 2018-06-05 |
| CN108122616B (zh) | 2020-12-25 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN106650272B (zh) | 个体特异性的心血管模型的生成方法及其应用 | |
| CN108550388B (zh) | 基于血管造影的计算血管血流参数的装置和系统 | |
| CN108294735B (zh) | 用于冠状动脉狭窄的非侵入性功能评估的方法和系统 | |
| CN105007819B (zh) | 用于在血流特性建模中进行灵敏度分析的方法和系统 | |
| CN104871211B (zh) | 确定通过冠状动脉的血液流量的方法 | |
| WO2020107667A1 (zh) | 基于心肌血流量和ct图像的冠状动脉血流储备分数计算方法 | |
| 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 | |
| CN108511075B (zh) | 一种非侵入式获取血流储备分数的方法和系统 | |
| US10354744B2 (en) | Non-invasive functional assessment of coronary artery stenosis including simulation of hyperemia by changing resting microvascular resistance | |
| US10748451B2 (en) | Methods and systems for generating fluid simulation models | |
| CN102525443B (zh) | 用于基于医学图像数据对心血管循环建模的方法和设备 | |
| CN106537392B (zh) | 用于冠状动脉中的血液动力学计算的方法和系统 | |
| CN108109698B (zh) | 计算血流储备分数的系统和设置边界条件的方法 | |
| JP6829262B2 (ja) | 画像ベースの患者固有の血流力学的モデルにおいて解像されていない血管を特定してモデル化するためのシステム及び方法 | |
| CN107115111A (zh) | 血流状态分析系统及方法 | |
| CN106659400A (zh) | 用于确定血流储备分数值的装置 | |
| CN110085321A (zh) | 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 | |
| JP2018509971A (ja) | 定量的フロー分析のための方法および装置 | |
| ES2963697T3 (es) | Modelización específica de paciente de parámetros hemodinámicos en arterias coronarias | |
| CN106659399A (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 | |
| JP2020513978A5 (zh) | ||
| CN104825133B (zh) | 基于彩色多普勒3d成像的准静态心室‑心脏磁场模型 | |
| Liu et al. | Closed-loop geometric multi-scale heart-coronary artery model for the numerical calculation of fractional flow reserve | |
| WO2020102154A1 (en) | Noninvasive quantitative flow mapping using a virtual catheter volume | |
| CN105708548A (zh) | 用于识别供应区的方法、用于对供应区进行图形表示的方法、及其成像设备 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| CB03 | Change of inventor or designer information | ||
| CB03 | Change of inventor or designer information |
Inventor after: Yin Youbing Inventor after: Cao Kunlin Inventor after: Zhou Yujie Inventor after: Li Yuwei Inventor after: Wang Xin Inventor before: Yin Youbing Inventor before: Cao Kunlin Inventor before: Li Yuwei Inventor before: Wang Xin |
|
| GR01 | Patent grant | ||
| GR01 | Patent grant | ||
| CP01 | Change in the name or title of a patent holder | ||
| CP01 | Change in the name or title of a patent holder |
Address after: Block B, Mingyang International Center, 46 xizongbu Hutong, Dongcheng District, Beijing, 100005 Patentee after: Beijing Keya ark Medical Technology Co.,Ltd. Address before: Block B, Mingyang International Center, 46 xizongbu Hutong, Dongcheng District, Beijing, 100005 Patentee before: BEIJING CURACLOUD TECHNOLOGY Co.,Ltd. |
|
| CP03 | Change of name, title or address | ||
| CP03 | Change of name, title or address |
Address after: 3f301, East Tower, hadmen square, 8 Chongwenmenwai Street, Dongcheng District, Beijing 100062 Patentee after: Beijing Keya ark Medical Technology Co.,Ltd. Address before: Block B, Mingyang International Center, 46 xizongbu Hutong, Dongcheng District, Beijing, 100005 Patentee before: Beijing Keya ark Medical Technology Co.,Ltd. |
|
| CP01 | Change in the name or title of a patent holder | ||
| CP01 | Change in the name or title of a patent holder |
Address after: 3f301, East Tower, hadmen square, 8 Chongwenmenwai Street, Dongcheng District, Beijing 100062 Patentee after: Keya Medical Technology Co.,Ltd. Address before: 3f301, East Tower, hadmen square, 8 Chongwenmenwai Street, Dongcheng District, Beijing 100062 Patentee before: Beijing Keya ark Medical Technology Co.,Ltd. |