CN106714673B - 按患者区分的血管信息决定方法 - Google Patents

按患者区分的血管信息决定方法 Download PDF

Info

Publication number
CN106714673B
CN106714673B CN201580052177.9A CN201580052177A CN106714673B CN 106714673 B CN106714673 B CN 106714673B CN 201580052177 A CN201580052177 A CN 201580052177A CN 106714673 B CN106714673 B CN 106714673B
Authority
CN
China
Prior art keywords
blood
model
coronary artery
coronary
blood vessel
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.)
Expired - Fee Related
Application number
CN201580052177.9A
Other languages
English (en)
Other versions
CN106714673A (zh
Inventor
沈垠辅
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Industry Academic Cooperation Foundation of KNU
Original Assignee
Industry Academic Cooperation Foundation of KNU
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Industry Academic Cooperation Foundation of KNU filed Critical Industry Academic Cooperation Foundation of KNU
Publication of CN106714673A publication Critical patent/CN106714673A/zh
Application granted granted Critical
Publication of CN106714673B publication Critical patent/CN106714673B/zh
Expired - Fee Related legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • 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
    • 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
    • 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
    • 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
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B6/00—Apparatus for radiation diagnosis, e.g. combined with radiation therapy equipment
    • A61B6/50—Clinical applications
    • A61B6/507—Clinical applications involving determination of haemodynamic parameters, e.g. perfusion CT
    • 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
    • A61B6/52—Devices using data or image processing specially adapted for radiation diagnosis
    • A61B6/5211—Devices using data or image processing specially adapted for radiation diagnosis involving processing of medical diagnostic data
    • A61B6/5217—Devices using data or image processing specially adapted for radiation diagnosis involving processing of medical diagnostic data extracting a diagnostic or physiological parameter from medical diagnostic data
    • 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
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H30/00—ICT specially adapted for the handling or processing of medical images
    • G16H30/40—ICT specially adapted for the handling or processing of medical images for processing medical images, e.g. editing

Abstract

本发明涉及一种按患者区分的血管信息决定方法。尤其涉及一种应用简化冠状循环模型的按患者区分的心血管信息决定方法。此外，涉及一种按患者区分决定对起于动脉的血管的分支的血流量的方法。根据本发明的利用计算机系统心血管信息决定方法包括：接受包括起于主动脉的多个冠状动脉的影像数据的步骤；处理所述影像数据，以生成所述多个冠状动脉的三维形状模型的步骤；模拟对所述生成的多个冠状动脉的三维形状模型的血流的步骤；以及利用所述血流模拟结果决定所述各个冠状动脉的血流储备分数(FFR)的步骤。在模拟对所述多个冠状动脉的三维形状模型的血流的步骤，在冠状动脉的三维形状模型中应用计算流体力学模型，与计算流体力学模型结合的集中参数模型使用包括冠状动脉、冠状动脉的毛细血管以及冠状静脉的简化冠状动脉循环模型。

Description

按患者区分的血管信息决定方法
技术领域
本发明涉及一种按患者区分的血管信息决定方法。尤其，涉及一种应用简化冠状循环模型的按患者区分的心血管信息决定方法。此外，涉及一种按患者区分决定对起于动脉的血管的分支的血流量的方法。
背景技术
通常，心肌血流储备分数(FFR，FRACTIONAL FLOW RESERVE)作为评价冠状动脉狭窄的功能性严重性(FUNCTIONAL SEVERITY)的临床指标而广为使用。基于患者的CT(COMPUTED TOMOGRAPHY)数据的计算机模拟方法是一种用于计算FFR的无创方法。该方法通过将计算流体力学模型与心血管系统的集中参数模型结合，可以对狭窄的冠状动脉的血流力学提供详细的解析结果。
作为冠状动脉疾病的临床指标，皮耶斯(Pijls)等介绍了表示完全膨胀状态下的微细血管的狭窄前后的比例的血流储备分数(FFR)。皮耶斯集团揭示了利用导丝技术的FFR测量法，随即成为评价冠状动脉狭窄程度的技术。
金(Kim)等提出了一种FFR值评价中利用CT影像和患者信息的无创模拟方法。这是一种整合了用于主动脉和冠状血管的血流力学计算的计算流体力学技术和整体心血管系统的集中参数模型的方法。经若干研究，该模拟模型的可行性和有用性得到了验证(Min etal.,2012；Koo et al.,2011)。然而，由金(Kim)等开发的模型的计算流体力学模型中包括主动脉，且集中参数模型中包括整体心血管系统，因而计算复杂，要求识别多个参数，增加了模拟的不确定性。
一方面，韩国专利第10-1524955号(发明的名称：按患者区分的血流建模方法及系统)中公开了患者的心血管信息决定方法及系统。上述专利所公开的心血管信息决定方法，包括：接收包括起于主动脉的多个冠状动脉的至少一部分的患者的解剖学结构的几何形状相关的各患者的数据的步骤；基于各患者的数据，生成表示包括多个冠状动脉的至少一部分的解剖学结构的第一部分的三维模型的步骤；至少部分地基于心肌组织的质量或容积，生成解剖学结构的第一部分内血流特性相关的基于物理学的模型，基于所述三维模型和基于物理的模型，决定解剖学结构的第一部分内的血流储备分数(fractional flowreserve)的步骤。
上述专利所公开的方法中，基于物理学的模型利用表示通过三维模型的边界的血流的集中参数模型(LUMPED PARAMETER MODEL)。此外，应用集中参数模型时，基于心室肌的容积决定血流量条件。这种做法基于了冠状动脉提供血液的区域的心室肌的容积区域越大，血流量越多的假设。此外，上述专利所公开的方法需要求出心肌组织的容积，使用标度律(scaling law)。为使用标度律，三维心室模型的分割(segmentation)必不可少。换言之，为应用上述专利的方法，需要对心脏整体进行分割操作，因而增加了模型的不确定。尤其，就心室肌的体积而言，由于厚度方向的形状复杂，使分割的准确度下降。
此外，根据由金(Kim)等开发的方法或上述专利所公开的方法，计算流体力学模型(COMPUTATIONAL FLUID DYNAMICS MODEL，以下称CFD模型)中包括主动脉，且集中参数模型由包括体动脉、体静脉、肺血管、左心脏、右心脏等的闭合回路构成。此外，为进行血流力学解析，CFD模型和集中参数模型使用若干具有标准代表值的参数，而这些参数(例如，对体动脉、体静脉、肺血管等的电阻或静电容量值)不适合应用于每一个个别患者。
专利文献
韩国专利第10-1524955号，发明的名称：按患者区分的血流建模方法及系统。
非专利文献
Pijls,N.H.,Van Gelder,B.，Van der Voort，P.，Peels,K.，Bracke,F.A.，Bonnier,H.J.，Gamal,M.I.，1995.血流储备分数：一种评价心外膜冠状动脉狭窄对心肌血流的影响的有效指数(Fractional flow reserve:a useful index to evaluate theinfluence of an epicardial coronary stenosis on myocardial blood flow).Circulation 92,3183e3193.
Kim，H.J.，Vignon-Clementel，I.E.，Coogan，J.S.,Figueroa，C.A.，Jansen，K.E.，Taylor，C.A.，2010.人体冠状动脉中血流及血压的患者个性化建模方法(Patient-specific modeling of blood flow and pressure in human coronary arteries).Ann.Biomed.Eng.38(10)，3195e3209.
Min，J.K.，Leipsic，J.，Pencina，M.J.，Berman，D.S.，Koo，B.K.，van Mieghem，C.，Erglis，A.，Lin，F.Y.，Dunning，A.M.，Apruzzese，P.，Budoff，M.J.，Cole，J.H.，Jaffer，F.A.，Leon，M.B,，Malpeso，J.，Mancini，G.B.，Park，S.J.，Schwartz，R.S.，Shaw，L.J.，Mauri，L.，2012.解剖CT血管造影的血流储备分数的诊断正确率(Diagnostic accuracy offractional flow reserve from anatomic CT angiography).JAMA 308，1237e1245.
Koo，B.K.，Erglis，A.，Doh，J.H.，Daniels，D.V.，Jegere，S.，Kim，H.S.，Dunning，A.，DeFrance，T.，Lansky，A.，Leipsic，J.，Min，J.K.，2011.通过从层析血管造影中计算的无创血流储备分数诊断局部缺血造成的冠状动脉狭窄。结果源自前瞻性多中心DISCOVER-FLOW(通过无创血流储备分数诊断局部缺血造成的狭窄)研究(Diagnosis of ischemia-causing coronary stenoses by noninvasive fractional flow reserve computedfrom coronary computed tomographic angiograms.Results from the prospectivemulticenter DISCOVER-FLOW(diagnosis of ischemia-causing Stenoses obtained vianoninvasive fractional flow Reserve))study.J.Am.Coll.Cardiol.58,1989e1997.
Shim，E.B.，Chang，K.S.，1997.主动脉中的三维二尖瓣反流的数值分析(Numerical analysis of three-dimensional Bj ork-Shiley valvular flow in anaorta.J.Biomech).Eng.119(1),45e51.
Shim，E.B.，Chang，K.S.，1994.利用隔离有限元方案分析通过侧倾碟瓣的三维涡流(Three-dimensional vortex flow past a tilting disc valve using a segregatedfinite element scheme).Comput.Fluid Dyn.J.3(1),205e222.
Shim，E.B.，Kamm，R.D.，Heldt，T.，Mark，R.G.，2000.利用耦合多尺度模拟法的对流经狭窄动脉的血流的数值分析(Numerical analysis of blood flow through astenosed artery using a coupled multiscale simulation method).ComputCardiol.27,219e222.
Einstein，A.，1906.一种新的分子尺寸测定方法(Eine neue bestimmung dermolek dimensionen).Ann.Phys.19(2)，289.
Schreiner，W.，Neumann，F.，Mohl，W.,1990.冠状静脉窦介入中心肌内压的作用：电脑模型研究(The role of intramyocardial pressure during coronary sinusinterventions:a computer model study).IEEE Trans.Biomed.Eng.37，956e967.
Lim，K.M.,Kim，I.S.,Choi，S.W.,Min，B.G.,Won，Y.S.,Kim，H.Y.,Shim，E.B.,2009.左心室辅助装置对冠状动脉灌注和心室后负荷的效果的计算分析(Computationalanalysis of the effect of the type of LVAD flow on coronary perfusion andventricular afterload).J.Physiol.Sci.59(4)，307e316.
Brown，A.G.,Shi，Y.,Marzo，A.,Staicu，C.,Valverde，I.,Beerbaum，P.,Lawford，P.V.,Hose，D.R.,2012.Accuracy vs.准确度与计算时间的比较：从主动脉模拟到临床的过渡(computational time:translating aortic simulations to the clinic).J.Biomech.45(3),516e623.
Taylor,C.A.,Fonte，T.A.,Min，J.K.,2013.为血流储备分数的无创量子化的应用计算流体动力学的心脏电脑断层摄影术(Computational fluid dynamics applied tocardiac computed tomography for noninvasive quantification of fractional flowreserve:scientific basis).J.Am.Coll.Cardiol.61(22)，2233e2241.
West，G.B.,Brown，J.H.,Enquist，B.J.,1997.生物学中异速比例法的起源的一般模型(A general model for the origin of allometric scaling laws in biology).Science 276(5309),122e126.
发明内容
技术问题
本发明的目的在于提供一种用于解析血管的血流的新的方法及系统。
本发明的第一个目的在于提供一种无需使用对全身的封闭式集中参数模型，通过仅对欲解析血流的血管的部分应用CFD模型和集中参数模型解析血流的新的方法及系统。
本发明的第二个目的在于提供一种无需求从动脉分支的血管提供血液的身体区域的体积或质量，决定流经从动脉分支的各血管的血流量的比例的新的方法。
技术方案
根据本发明的一方面，提供一种心血管信息中冠状动脉的血流储备分数(FFR)的决定方法。
利用根据本发明的计算机系统的心血管信息决定方法包括：接受包括起于主动脉的多个冠状动脉的影像数据的步骤；处理所述影像数据，以生成所述多个冠状动脉的三维形状模型的步骤；模拟对所述生成的多个冠状动脉的三维形状模型的血流的步骤；以及利用所述血流模拟结果决定所述各个冠状动脉的血流储备分数(FFR)的额步骤。在模拟对所述多个冠状动脉的三维形状模型的血流的步骤中，在冠状动脉的三维形状模型中应用计算流体力学模型，与计算流体力学模型结合的集中参数模型使用包括冠状动脉、冠状动脉的毛细血管以及冠状静脉的简化冠状动脉循环模型。
在一些实施例中，在所述血流模拟步骤中，在所述冠状动脉的三维形状模型中应用计算流体力学模型时，作为入口边界条件，使用主动脉血压模式。
在一些实施例中，所述血流模拟步骤还包括：求出所述冠状动脉的三维形状模型的中心线的长度的步骤。此外，在所述计算流体力学模型中结合所述简化冠状动脉循环模型时，以流经各个冠状动脉的血流量的比例决定冠状动脉毛细血管的电阻值，流经各个冠状动脉的血流量的比例以冠状动脉的三维形状模型的中心线的长度的比例决定。
根据本发明另一方面，提供一种血管信息中流经多个血管的血流量的比例决定方法。
根据本发明的利用计算机系统的患者的血管信息决定方法，包括：接受所输入的包括起于动脉的多个血管的至少一部分的影像数据的步骤；处理所述输入的影像数据，以生成各个血管的三维模型的步骤；求出在所述生成的各个血管的三维模型中各个血管的分支点至末端的血管长度的步骤；以及根据所述求出的各个血管的长度的比例决定流经所述各个血管的血流量的比例的步骤。
求出所述各个血管的长度的步骤包括：求出所述各个血管的三维模型的血管中心线的步骤；求出所述各个血管的三维模型的截面积为规定值以下的末端位置的步骤；以及求出所述各个血管的分支点至末端位置的中心线的长度的步骤。
在一些实施例中，可选地，所述多个血管为右冠状动脉(RCA)、左前降支冠状动脉(LAD)以及左旋支冠状动脉(LCX)。
当多个血管为冠状动脉时，可由下面的比例式决定流经所述各个冠状动脉的血流量的比例。
数学公式1
Figure BDA0001255356590000061
其中，
QLAD：左前降支冠状动脉的血流量，lLAD：左前降支冠状动脉的长度，
QLCX：左旋支冠状动脉的血流量，lLCX：左旋支冠状动脉的长度，
QRCA：右冠状动脉的血流量，lRCA：右冠状动脉的长度，
(lRCA)RV：右冠状动脉中向右心室提供血液的部分的长度，
(lRCA)LV：右冠状动脉中向左心室提供血液的部分的长度，
α：向右心室提供血液的血管的校准系数。
用各个冠状动脉的长度的比例求出流经各个冠状动脉的血流量的比例，则可以将其运用于决定心血管信息中血流储备分数(FFR)。迄今，利用各个冠状动脉提供血液的心肌容积或质量求出应用集中参数模型的冠状动脉毛细血管的电阻值，而根据本发明，可以用各个冠状动脉的长度轻松求出应用于集中参数模型的冠状动脉毛细血管的电阻值。
一些实施例中，可选地，所述多个血管为向大脑或小脑提供血液的动脉。例如，多个血管可以为颈部动脉、椎骨动脉、颈外动脉、眼动脉、中脑动脉等。
发明的效果
根据本发明的心血管信息中冠状动脉的血流储备分数(FFR)的决定方法，可以减少计算流体血流力学模型和集中参数模型的模拟计算量，从而缩短用于决定FFR的计算时间。这是因为，根据本发明的方法的心血管信息决定方法使用简化冠状动脉循环模型，对冠状动脉内的血流进行局部模拟。尤其，可以减少使用对全身构成闭合回路的以往的集中参数模型时所发生的对每个患者的模型的不确定性。此外，根据本发明的冠状动脉的血流储备分数(FFR)决定方法对冠状动脉形状提出了简单的边界条件，与以往的方法相比，在计算量和计算时间方面更为高效。此外，根据本发明的方法，计算流体力学模型中不包括主动脉，因而与根据以往方法的模型相比，更为简单。
根据本发明，提供一种血管信息中流经多个血管的血流量的比例决定方法。根据本发明的方法，无需求出从动脉分支的血管提供血液的对应身体部分的容积或质量即可决定流经各个分支血管的血流量的比例。从而，无需为了求出各个血管提供血液的身体部分的容积或体积进行求出对应身体部分的三维模型的复杂计算。此外，可以通过仅求出血管的三维模型的运算求出流经血管的血流量的比例，因而可以减少求出身体部分的三维模型的过程中所发生的不确定性。
附图说明
图1是根据本发明的简化冠状循环模型的模拟图。
图2是示出根据本发明的计算流体力学模型与简化集中参数模型的结合关系的模拟图。
图3是示出本发明中心搏频率65beats/min以及心脏收缩压和舒张压分别为120mmHg和80mmHg的状态下的虚拟Pao和PLV的示例的图表。
图4是示出本发明中狭窄部位的直径比例(Astenosis/A0)为0.5，且直径D为5mm的虚拟血管的图。
图5是示出图4所示虚拟血管的狭窄部位后方的轴向速度的图表。
图6是本发明中对无狭窄的虚拟血管与狭窄的虚拟血管的三维几何学模型。
图7是对多种模型的冠状动脉的出口流量进行比较而示出的图表。
图8以等值线图示出了对本发明中有50％狭窄的虚拟血管和无狭窄的虚拟血管的FFR值。
图9示出了本发明中患者的冠状动脉三维形状模型和简化集中参数模型。
图10示出了本发明中包括主动脉的冠状动脉模型的示意图和集中参数模型和主动脉流动模式。
图11是本发明中将对不包括主动脉的模型与包括主动脉的模型所计算的FFR值与测量的临床数据进行比较而示出的图。
图12是示出本发明中左前降支动脉的最大流量中的WSS分布的图。
图13是示出心脏的血管分布的图。
图14是在冠状动脉主血管分支的微细血管的示意图。
图15是示出从直径大的血管分支的微细血管的电阻的示意图。
图16是说明根据本发明的求出血管的长度的方法的流程图。
图17是根据本发明求出的血流量与根据以往方法求出的血流量的差异图(Bland-Altman plot)。
图18是示出对图17所示图表的相关分析结果的图。
具体实施方式
本发明的其他目的、特定的优势和新增特征将在下面结合附图所描述的详细说明和优选实施例中变得更为清楚。
下面公开根据本发明的用于计算冠状动脉的心肌血流储备分数的一种新的患者定制模型和心肌血流储备分数决定方法。
根据本发明的方法对计算流体力学模型仅使用冠状动脉，且包括冠状动脉血管系统的集中参数模型。根据本发明的方法对冠状动脉形状提供简单的边界条件，与以往的方法相比，可以减少计算量，缩短计算时间。此外，该方法在模型中不包括主动脉，因而该模型与以往的方法相比更为简单。为验证根据本发明方法的可行性，利用结合集中参数模型的计算流体力学模型对三维直线式血管进行了模拟。将通过根据本发明的方法的计算结果与仅利用集中参数方法模拟的结果进行了比较。此外，对取自临床的实质性患者的形状应用了根据本发明的方法。利用冠状动脉有狭窄的患者的CT影像数据构成了患者定制模型，并将应用本发明的方法所计算的FFR值与临床上测出的结果进行了比较。此外，对患者的CT影像数据中包括主动脉的模型计算了FFR值，并将其与对不包括主动脉的模型所计算的FFR值进行了比较。
对狭窄的冠状动脉的CFD模型
使用了在冠状动脉的局部计算流体力学模型结合冠状系统模拟的综合性入路。为模拟冠状循环的集中参数模型使用了呈现微细冠状动脉至右心房的冠状血管的模型，为模拟冠状动脉内的局部血流，使用了通过有限元分析体现的计算流体力学模型。
此外，为计算贯通狭窄的冠状动脉的血流的三维纳维叶－斯托克斯(Navier-Stokes)方程式，狭窄的冠状动脉的局部计算流体力学模型使用了利用压力隐式分裂算子(pressure implicit splitting of operators，PISO)方式的有限元分析方法。研究论文(Shim and Chang,1994,1997)中公开了其详细的解析算法。
血流被假设为非圧缩性、层流、粘性流体，并以牛顿流体处理。其中，假设血液的密度为1,060kg/m3。血液的黏性系数μ利用患者的血细胞比容和爱因斯坦方法(Einstein，1906)获得。
数学公式2
μ＝μ0(1+2.5HCT)
其中，“HCT”是患者的红细胞比容，μ0表示几乎等同于水的等离子体的黏度(μ0＝0.0015kg/ms)。
冠状动脉循环的集中参数模型
此外，使冠状循环的集中参数模型局限于冠状血管。如图1所示，冠状循环包括三种构成要素，即，冠状动脉(coa)、冠状动脉的毛细血管(coc)、冠状静脉(cov)。冠状循环的集中参数模型由各个电阻和静电容量等要素构成，并从电模拟观点对其进行数学化。使用血液循环相关的血流力学参数，对三个部分的构成要素分别计算压力、体积、血流。与其他毛细血管系统形成对照的是，在心脏的收缩期期间，血管周围的左心室压力会变得很大，因而冠状动脉血流量会下降。而舒张期期间心脏肌肉松弛，流向左心室的毛细血管的血液不受干扰，因而流向冠状动脉的血流移动变得更为自由。为了对该电动势进行建模，我们使用了冠状动脉的心肌内部压力(图1的Pimp)。该心肌内部的压力与心室的压力具有相关关系。
数学公式3
Pimp＝γPLV
该公式中，PLV为左心室的压力，γ使用了0.75。这个γ的值由施赖纳(Schreiner)等提出。如下所述，对冠状毛细血管区划周边电阻(Rcoc、Rcov)使用了依赖于体积的值。
数学公式4
Figure BDA0001255356590000101
Ractual为Rcoc或Rcov的实际值，Roriginal为Rcoc或Rcov的默认值。数式中，β为经验常数，Vcoc表示冠状毛细血管的体积。β被设定为由Schreiner等提出的0.3。如数学公式4所示，根据压力梯度的信号，冠状毛细血管内血流的流向可以是顺行(即，Pcoa＞Pcoc)或逆行。然而，当毛细血管的体积接近0时，再没有可以挤出的空间，因而逆流被中断。而且，当毛细血管被压缩时，电阻上升，血流的流动被调整。根据数学公式4的逆压力梯度，当毛细血管的体积接近0时，逆流也减少至近乎0。现有技术研究(Schreiner et al.,1990；Shim et al.2000)中说明了关于冠状循环的集中参数方法的详细内容。
计算流体力学模型与集中参数模型的结合
此外，为结合冠状循环的集中参数方法和计算流体力学模型，集中参数方法与计算流体力学模型的结合中假设了两个系统相互施加影响的假设。图2是示出计算流体力学模型与集中参数模型的结合的示意图。在计算流体力学模型的出口处计算的流量被传至集中参数模型。通过常微分方程式计算集中参数模型的三个部分的压力和流量(Lim et al.,2009)。在LPM中计算的冠状动脉血压的值被传至计算流体力学模型，以用于下一步计算中计算作为计算流体力学模型的出口边界条件的Poutlet。如此结合的方法对与微细血管结合的大血管的局部流体力学的解析有效，布朗(Brown)等的论文(Brown et al.,2012)对此进行了详细说明。
不同于以往由Kim等提出的方法，作为计算流体力学模型的入口边界条件，根据本发明的方法使用了主动脉血压(图2中的Pao)的瞬间性模式。这种压力模式为调整心跳周期和患者的心脏收缩压和舒张压而提出。通过结合根据时间变化的左心室的静电容量模型与主动脉血压的规定的临时性模式，求出了PLV，在公式2中用于计算Pimp。图3示出了心搏频率65beats/min和心脏收缩压和舒张压分别为120mmHg和80mmHg的状态下的虚拟Pao和PLV的示例。
简化冠状动脉三维模型
为验证根据本发明的方法，如图4所示，对模拟有轻微狭窄的管(虚拟血管)而得出的结果与已通过数值研究得出的结果进行了比较。狭窄部位的比例Astenosis/A0为0.5，直径D为5mm。液体的密度和粘性分别为755kg/m3和0.00143Pa·sec，作为入口(inlet)边界条件，应用了现有技术数值研究中出现的正弦周期速度。
数学公式5
Figure BDA0001255356590000111
数学公式5所示的入口速度公式Vz为轴向，D为管的直径。r和t分别为半径和时间。图5示出了在狭窄部位后方的轴向速度。正弦周期入口速度用Tp的公式表示。计算的速度波形与以往的研究结果极其一致。这说明了根据本发明的计算流体力学方法的时间、空间准确度。
冠状动脉的患者定制模型
此外，为利用临床实际形状实施模拟模型试验，通过从CT影像数据中生成冠状动脉的三维形状模型，开发了患者定制模型。临床数据的出处为韩国蔚山大学医院，蔚山大学医院数据的使用已获得IRB的批准。从2014年前往医院就医的患者中选了一名查出直径2.5mm以上的主要冠状动脉中有50％以上狭窄的患者。
为分割CT影像，开发了基于活动轮廓算法的分割程序。此外，冠状动脉形状的中心线提取利用了由Antica等提出的算法。此外，利用HypermeshTM(http://www.altairhyperworks.com)软件对CT影像数据进行加工，生成了用于3D解析的网格系统。对开发的网格系统利用Delaunay的算法生成了三维容积网。
为确认对冠状动脉的简化三维模型的心血管信息决定方法，对模仿左前降支冠状动脉的直线血管模型中有50％狭窄的模型和无狭窄模型的血流力学模拟结果与集中参数模型的结果进行了比较。图6以三维几何学模型对无狭窄的血管和狭窄的血管分别图示了59,353个网格和121,292个网格。图7计算和比较了如此构成的两种模型的出口流量和集中参数模型中的出口流量。假设正常状态下的左前降支动脉(LAD)平均流量为1.3cc/s。在最大充血状态的情况下，将平均流量增至正常状态流量的四倍，即5.2cc/s。如图7所示，冠状动脉的流量在心室收缩期期间减少，在舒张期上升。该结果与文献中报告的冠状动脉血流速度的波形一致。无狭窄的模型与集中参数模型的血流模式相似，而舒张期期间的50％狭窄模型的流量相对于正常模型有所下降。
图8以等值线图示出了有50％狭窄的模型和无狭窄的模型的FFR值。无狭窄的模型的FFR值在几乎每个部分均约为1.0，而狭窄模型中，经测量显示，在狭窄部位后方测量的FFR值(约0.8)下降。有趣的是，有狭窄的模型的FFR最小值是在狭窄病变的纤细部位被观察到。
为了从患者定制模型的角度验证根据本发明的方法，对在左旋支冠状动脉(LCX)发生狭窄的患者的三维血流力学进行了模拟。该模型的三维形状的结构与边界条件已在前面描述。图9示出了以患者的CT影像数据生成的计算流体力学模型的网格系统和集中参数模型。下表1示出了模拟所需的患者的生理学数据。为进行计算，首先求出了通过搏出量与心率测量的休眠心搏出量。假设冠状动脉的总流量为心搏出量的4％。为达到最大充血状态，将冠状动脉流量增加至休眠状态的四倍。各个冠状动脉血管电阻值以冠状动脉的总流速和各支的截面积计算。同样，静电容量值也根据以往的方法决定。下表2示出了对集中参数模型的左前降支冠状动脉(LAD)、左旋支冠状动脉(LCX)、右冠状动脉(RCA)的总电阻值和静电容量值。在冠状动脉入口，根据收缩压和舒张压中测量的患者的心率定义的主动脉压的规定模式如图3所示。
表1
Figure BDA0001255356590000121
表2
单位：R＝mmHg*s/ml，C＝ml/mmHg
R<sub>ao</sub> R<sub>coa</sub> R<sub>coc</sub> R<sub>cov</sub> C<sub>coa</sub> C<sub>coc</sub> C<sub>cov</sub>
RCA 8.0276 13.044 2.6759 1.3379 5.89E-04 3.73E-03 7.47E-03
LCX 2.2038 3.5812 0.7346 0.3673 1.88E-03 1.19E-02 2.38E-02
LAD 2.3013 3.7397 0.7671 0.3835 1.53E-03 9.70E-03 1.94E-02
此外，为评价模拟的FFR值的主动脉部分的影响，对包括主动脉的模型进行了模拟。在包括主动脉的模型中，相对于在无主动脉的模型中指定冠状动脉的入口边界条件而言，需指定主动脉的入口及出口边界条件。假设，自左心室，主动脉流动模式为如图10所示具有Qmax的最大流量的正弦曲线。可基于测量的搏出量和心脏周期计算Qmax。使用入口流量规定入口面中的速度模式，并将其示于图10。假设，入口面中的空间速度均匀分布。在Kim等的研究中，主动脉出口与整体心脏血管系统的集中参数模型构成要素连接。作为出口边界条件，根据本发明的方法使用了主动脉压的特定模式。
下表3示出了根据网格数量和心脏周期的计算时间。无主动脉的模型的计算效率高于有主动脉的模型的计算效率。图11示出了两个模型的计算出的FFR值和测量的临床数据值。临床FFR由压力导丝(pressure guide-wire，PressureWire Certus,St.JudeMedical Systems,Uppsala,Sweden)测量。左前降支冠状动脉(LAD)、左旋支冠状动脉(LCX)、右冠状动脉(RCA)中测量的FFR值对三个情形(case)而言几乎相似。此外，不包括主动脉的模型的FFR等值线模式与包括主动脉的模型的模式几乎等同。图12示出了在左前降支冠状动脉(LAD)最大流量时计算的壁面剪应力和速度向量。最高剪应力部分位于左旋支冠状动脉(LCX)狭窄附近。
表3
Figure BDA0001255356590000131
■使用的计算机：PC Intel i7-3770K CPU3.5GHz
■无对CFD代码的并行处理
FFR模拟是一种无创、安全的方法，因而在冠状动脉狭窄的功能程度评价中非常有用。现有的FFR模拟方法包括计算流体力学模型中的主动脉和整体心血管系统的集中参数方法，这需要大量的计算量和计算时间。然而，使临床应用更为高效的FFR模拟方法需简单、快捷，以在个人计算机中也能执行。根据本发明的方法提供一种全新的用于计算狭窄的冠状动脉的FFR值的有效的方法。
根据本发明的方法具有若干明显区别于以往方法的不同点。第一，根据本发明的方法所应用的模型在算流体力学模型中不包括主动脉。因此，无需与各个左心室和体循环系统连接的主动脉入口及出口的边界条件。第二，应用于根据本发明的方法的模型的集中参数模型不是闭合回路。在集中参数系统中，作为各个集中参数，闭合回路模型应包括体动脉、体静脉、肺血管、静脉、左心脏、右心脏。此外，还有用于冠状动脉循环系统的集中参数构成要素。然而，应用于根据本发明的方法的模型的集中参数的构成中仅包括冠状动脉微细血管系统(冠状动脉、冠状毛细血管、冠状静脉)。计算流体力学模型中使用主动脉和集中参数方法的闭合回路的以往模型需要若干参数(电阻值及静电容量值：体动脉、体静脉、肺血管、静脉、左心脏、右心脏)。这些各个参数在基准情形中具有代表值，而应用于患者定制的情形中，很难称之为患者定制。根据本发明的方法中不包括主动脉，而是将规定的压力模式应用于冠状动脉的计算流体力学的入口条件中。该规定的压力模式通过如图3所示临床上测量的血压来提取。因此，应用根据本发明的方法的模型中不需要用于闭合回路模型的集中参数模型的各个参数，从而减少了模型的不确定性。
从计算的角度考虑，根据本发明的方法具有若干优势。如表3所示，不包括主动脉的模型的三维网格的数量少于包括主动脉的模型，这有助于提高本模型的计算效率。此外，现有方法以主动脉的计算流体力学模型与整体循环集中参数模型的结合为基础，且各时间步骤需要两个模型之间的反复交互。根据本发明的方法中，用冠状动脉计算流体力学模型的规定入口条件替代了主动脉的计算流体力学模型和整体心血管的集中参数模型，而这不需要主动脉计算流体力学模型与集中参数模型之间的反复计算。从计算准确度的角度而言，根据本发明的方法带来了相对于以往方法更为合理的结果。直线型血管中，计算流体力学模型的出口的流量与集中参数模型中计算的值几乎等同。相反，在有50％狭窄的情况下，流量和FFR与正常情况相比有所下降。如图7所示，通过50％狭窄计算的平均流量与经实验观测的值类似，这说明了根据本发明的方法的计算准确度。
3D患者定制模型中，冠状动脉的形状提取自患者CT数据。此外，决定了冠状动脉的整体电阻和静电容量，并按照整体冠状动脉流量与冠状动脉分支的截面积比例，为各个冠状动脉分支重新分配了这些电阻静电容量。如图11所示，右冠状动脉、左旋支冠状动脉、左前降支冠状动脉中FFR值的计算结果与临床测量的结果一致。有趣的是，具有主动脉的模型的计算结果与无主动脉的模型的结果几乎等同，这说明主动脉部分对冠状动脉FFR的计算值并不造成影响。冠状动脉中高壁面剪应力意味着血小板增长或血小板破裂的可能性较高。因此，壁面剪应力分布在狭窄冠状动脉中是一个重要的变量。图12示出了左前降支动脉的最大流量中的WSS分配，这说明狭窄病变具有相对高的值。
流经从动脉分支的多个血管的血流量的比例决定方法
为解析冠状动脉或脑血管的血流，有必要求出对从动脉分支的血管的血流量的分配比例。流经冠状动脉分支的血流量的比例成为计算CT-FFR时设定与各冠状动脉分支连接的LPM模型的电阻值的基准。然而，对多个分支的血管的血流量的分配因患者而各异，为此，需要一种对患者定制的方法。
下面，根据本发明的另一方面提供一种根据患者的冠状动脉分支的血流量比例设定方法，以提高用于CT-FFR分析等的模拟技术的准确性和便利性。
流向冠状动脉的整体流量(flow rate)大体可分为LAD、LCX、RCA的三种。每个患者的流经整体冠状动脉的流量(Qtotal)均以不同比例分配至各个分支。如果可以求出流向患者的冠状动脉的血流量的比例，则可以设定根据患者的心脏末梢血管的电阻。流经患者的冠状动脉的血流量可以如下面数学公式6表示。
数学公式6
Qtotal＝QLAD+QLCX+QRCA
流经冠状动脉的血流量与血压和电阻的关系，可利用数学公式5如下面数学公式7表示。
数学公式7
Figure BDA0001255356590000161
Figure BDA0001255356590000163
数学公式7中，ΔP表示冠状动脉从主动脉分离之处的压力与流向心脏肌肉的血液最终回流之处心房压力的差。如图13所示，冠状动脉的心脏分布结构以沿直径大的动脉朝末端的方向上分支有直径小的动脉的形态构成。图13的心脏血管图片源自http：//www.plastinate.com/leistungen/ausgusspl.htm。下面分析如图13所示分布的血管的血流电阻。根据泊肃叶流动(Poiseuille flow)的假设，血管的电阻与直径的4次方成反比，相对而言，直径小的血管中的电阻远远大于直径大的血管中的电阻。因而，直径大的冠状动脉中的电阻可以忽略。因此，即使仅考虑直径小的血管的电阻进行建模，与实际的电阻不会有太大的差距。
图14示意性地示出了图13所示冠状动脉的血管分布。参照图14，假设并联有n个从直径大的冠状动脉分支的直径小的血管。此时，若仅考虑直径小的血管的电阻，则冠状动脉与分支的血管的总电阻可如下面数学公式8表示。
数学公式8
数学公式8中，假设每个直径小的血管的电阻等同，则可以求下面数学公式9和电阻R。
数学公式9
Figure BDA0001255356590000165
参照图13，在冠状动脉上，从分支沿末端几乎以恒定间隔分支有直径小的血管，直径小的血管的分支数量n与直径大的冠状动脉的长度成比例。因此，冠状动脉的电阻可如下面数学公式10表示。
数学公式10
Figure BDA0001255356590000171
其中，k为任意比例常数，l为冠状动脉的血管的长度。向左心室心脏肌肉提供血液的LAD和LCX的情况下，可以假设比例常数k和直径小的血管的电阻R1几乎等同。实际上，冠状动脉的左心室部位微细血管的解剖学模式无论何处几乎等同早已众人皆知。
将数学公式10应用于数学公式7的向左心室提供血液的冠状动脉，则可以求出下面的数学公式11。
数学公式11
Figure BDA0001255356590000172
Figure BDA0001255356590000173
然而，RCA的情况有些复杂。在RCA分支的情况下，向右心室提供血液的血管与向左心室提供血液的血管共存。因而，在RCA的情况下，假设向右心室提供血液的血管与向左心室提供血液的血管连接，则可以用下面数学公式12表示。
数学公式12
数学公式12中，若是向左心室(数学公式中，用LV表示)提供血液的血管，n值或比例常数k值可以使用LAD、LCX等的值。相反，对于向右心室提供血液的血管，则不能使用等同的n值或比例常数k值。若是左心室，为了向人体全身泵送血液，会产生大的压力，而若是右心室，则只需用肺提供血液即可，因而会产生相对小的压力。实际上，左心室内部的血流压力约达到100mmHg，而若是右心室，压力值在左心室压力的1/3～1/4之间。因而，右心室肌肉层比左心室相对要薄，分支的血管的密度也较低。因此，RCA血管中向右心室提供血液的部分的单位动脉长度所分支的直径小的血管的数量较少。从而，对于向右心室提供血液的血管部分，可以通过将应用于左心室的n值除以大于1的适当的常数α，如下面数学公式13，求出对RCA的电阻。
数学公式13
Figure BDA0001255356590000181
将数学公式13代入数学公式7的对RCA的公式中，如数学公式14，可以求出流经RCA的血流量。
数学公式14
Figure BDA0001255356590000182
在上面的数学公式10和数学公式14中，ΔP表示主动脉压力与流向心脏肌肉的血液最终回流之处心房压力的差，因而对冠状动脉LAD、LCX、RCA均等同。因此，分别流经各冠状动脉的流量之比可以如下面数学公式15表示。
数学公式15
Figure BDA0001255356590000183
求出LAD、LCX、RCA的血管长度，即可从数学公式15中获悉流向各分支的血流量之比。此外，若果按流向各个分支的血流量的比例分配流向冠状动脉的血流量(整体心搏出量的约4％)，则可以推定流经各个冠状动脉的血流量。此外，可基于对各个冠状动脉推定的血流量设定对各个冠状动脉的整体血管电阻(LPM中的电阻)的值。
从冠状动脉的三维形状模型中求出血管长度的方法
根据本发明的一实施方式，说明从冠状动脉的三维形状模型中求出血管的长度，并决定流经各个血管的血流量的比例的方法。根据本发明的方法，无需求出冠状动脉LAD、LCX、RCA分别提供血液的心肌的体积，仅通过求出各动脉的动脉分支的长度即可推定流经各个冠状动脉分支的血流量的比例。从而，决定如FFR的患者定制心血管信息时，省去求出左心室心脏肌肉的体积的CT影像数据的影像分析步骤。
当应用根据本发明的方法时，为体现CFD(computational fluid dynamics)模型，仅利用提取自CT影像数据的冠状动脉三维模型，仅通过计算各个冠状动脉的长度来计算血流量。从而，减少分析冠状动脉的三维模型时的计算量，缩短计算时间。
参照图16，按如下顺序，从冠状动脉的三维模型中求出冠状动脉的长度。
1)对CT影像数据进行处理，生成冠状动脉三维形状模型。
2)从生成的冠状动脉的三维形状模型中生成冠状动脉的中心线。
3)计算生成的中心线的末端的面积，将规定面积以下的位置选定为末端位置。
4)计算冠状动脉的分支点至末端位置的中心线的长度。
接下来，若冠状动脉为RCA，则按如下顺序求出冠状动脉的长度。
5)测量RCA的血管的长度，且计算至分成PLA(postero-lateral artery)、PDA(posterior descending artery)的分支点的长度和分支点之后的长度。
6)至被分支为PLA和PDA之前的长度除以规定值(1/3～1/4之间的值)，以校准长度。
7)由于是向左心室提供血液，PLA和PDA长度使用相同于对LAD、LCX计算长度的长度。
对利用冠状动脉血管的长度的冠状动脉血管的血流量计算
为验证根据本发明的方法的可行性，对利用心肌的体积推定冠状动脉的血流量的结果与根据本发明的方法计算流经冠状动脉的血流量的结果进行了比较。
此次验证使用了由韩国蔚山大学医院提供的CT影像数据。为计算各个冠状动脉分支提供血液的心脏肌肉的容积，使用了Terarecon公司的常用图像处理软件(imageprocessing software)Aquarius。对由蔚山大学医院提供的CT影像数据(25名患者-50个血管)计算各个冠状动脉的血管长度，基于计算的血管长度推定流经各个冠状动脉的血流量。表4中记载了基于血管长度推定的流经冠状动脉的血流量。表4中，基于心脏肌肉的容积推定的流经冠状动脉的血流量用Flowvolume表示，根据本发明基于血管的长度推定的流经冠状动脉的血流量用Flowlength表示。
表4
Figure BDA0001255356590000201
此外，图17以差异图(Bland-Altman plot)示出了对LCA和LCX求出的血流量。图18是对图17所示差异图(Bland-Altman plot)的相关分析结果。参照图18，通过根据本发明的方法求出的血流量与通过以往方法求出的血流量的相关系数(correlation coefficient)为0.826，可见相关关系极高。差异图(Bla nd-Altman plot)是用于分析通过两种测量方法求出的值有无差异的图表。图17中，中间的线表示平均值(mean)，该值越接近0，意味着两个值的差异的误差越小。同样，SD值越接近0，表示两个值越近似。
前面所描述的以及附图所示出的本发明的实施例不能被解释为限制本发明的原理。本发明的保护范围仅通过权利要求书所记载的事项限定，本领域的一般的技术人员可以对本发明的技术原理实施多种形式的改进和变更。对一般的技术人员而言，这些改进和变更是显而易见的，亦属于本发明的保护范围。

Claims (2)

1.一种血管信息决定方法，用于利用计算机系统决定患者的血管信息，包括：
接受所输入的包括起于动脉的多个血管的至少一部分的影像数据的步骤；
处理所述输入的影像数据，以生成各个血管的三维模型的步骤；
求出在所述生成的各个血管的三维模型中各个血管的分支点至末端的血管长度的步骤；以及
根据所述求出的各个血管的长度的比例决定流经所述各个血管的血流量的比例的步骤，
所述多个血管包括：右冠状动脉(RCA)、左前降支冠状动脉(LAD)以及左旋支冠状动脉(LCX)，
在决定所述血流量的步骤中，由下面的比例式决定流经所述各个血管的血流量的比例：
其中，
QLAD：左前降支冠状动脉的血流量，lLAD：左前降支冠状动脉的长度，
QLCX：左旋支冠状动脉的血流量，lLCX：左旋支冠状动脉的长度，
QRCA：右冠状动脉的血流量，lRCA：右冠状动脉的长度，
(lRCA)RV：右冠状动脉中向右心室提供血液的部分的长度，
(lRCA)LV：右冠状动脉中向左心室提供血液的部分的长度，
α：向右心室提供血液的血管的校准系数。
2.根据权利要求1所述的血管信息决定方法，其特征在于，
求出所述各个血管的长度的步骤，包括：
求出所述各个血管的三维模型的血管中心线的步骤；
求出所述各个血管的三维模型的截面积为规定值以下的末端位置的步骤；
求出所述各个血管的分支点至末端位置的中心线的长度的步骤。
CN201580052177.9A 2014-08-29 2015-08-31 按患者区分的血管信息决定方法 Expired - Fee Related CN106714673B (zh)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
KR20140114553 2014-08-29
KR10-2014-0114553 2014-08-29
PCT/IB2015/001476 WO2016030744A1 (ko) 2014-08-29 2015-08-31 환자별 혈관 정보 결정 방법

Publications (2)

Publication Number Publication Date
CN106714673A CN106714673A (zh) 2017-05-24
CN106714673B true CN106714673B (zh) 2020-02-28

Family

ID=55398807

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201580052177.9A Expired - Fee Related CN106714673B (zh) 2014-08-29 2015-08-31 按患者区分的血管信息决定方法

Country Status (6)

Country Link
US (1) US10658085B2 (zh)
EP (1) EP3188059B1 (zh)
JP (2) JP6377856B2 (zh)
KR (1) KR20160026808A (zh)
CN (1) CN106714673B (zh)
WO (1) WO2016030744A1 (zh)

Families Citing this family (21)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10210956B2 (en) * 2012-10-24 2019-02-19 Cathworks Ltd. Diagnostically useful results in real time
US10517678B2 (en) 2015-10-02 2019-12-31 Heartflow, Inc. System and method for diagnosis and assessment of cardiovascular disease by comparing arterial supply capacity to end-organ demand
EP3457930B1 (en) 2016-05-16 2023-11-15 Cathworks Ltd. System for vascular assessment
WO2017199246A1 (en) 2016-05-16 2017-11-23 Cathworks Ltd. Vascular selection from images
WO2018133118A1 (zh) 2017-01-23 2018-07-26 上海联影医疗科技有限公司 血流状态分析系统及方法
JP6653673B2 (ja) * 2017-02-28 2020-02-26 富士フイルム株式会社 血流解析装置および方法並びにプログラム
CN107689032A (zh) * 2017-07-05 2018-02-13 北京工业大学 一种个性化无创计算患者最大充血状态下冠脉分支血流量的方法
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
EP3488774A1 (en) * 2017-11-23 2019-05-29 Koninklijke Philips N.V. Measurement guidance for coronary flow estimation from bernoulli´s principle
US11871995B2 (en) 2017-12-18 2024-01-16 Hemolens Diagnostics Sp. Z O.O. Patient-specific modeling of hemodynamic parameters in coronary arteries
WO2019132048A1 (ko) * 2017-12-26 2019-07-04 부산대학교 산학협력단 안구 맥락막 혈류 시뮬레이션 방법
CN109363661B (zh) * 2018-09-25 2022-02-01 杭州晟视科技有限公司 血流储备分数确定系统、方法、终端及存储介质
CN112384136A (zh) * 2018-11-13 2021-02-19 苏州润迈德医疗科技有限公司 基于造影图像获取血管评定参数的方法、装置及系统
EA202191778A1 (ru) * 2019-01-11 2021-11-19 Лайффлоу Сп. З.О.О. Специфическое для пациента моделирование гемодинамических параметров в коронарных артериях
US20220125324A1 (en) 2019-02-11 2022-04-28 University Of Louisville Research Foundation, Inc. System and method for determining a blood flow characteristic
US10861157B2 (en) * 2019-04-04 2020-12-08 Medtronic Vascular, Inc. System and methods for determining modified fractional flow reserve values
US11308621B2 (en) 2019-04-15 2022-04-19 Pulse Medical Imaging Technology (Shanghai) Co. Ltd. Method and apparatus for acquiring blood flow volume and blood flow velocity of coronary artery
KR102130254B1 (ko) * 2019-10-15 2020-07-03 주식회사 실리콘사피엔스 대상자 고유의 혈관에 대한 혈류 시뮬레이션 방법 및 장치
CN110811828A (zh) * 2019-10-31 2020-02-21 北京工业大学 一种研究冠状动脉瘤“窃血”现象的集中参数模型构建方法
KR102466572B1 (ko) * 2020-06-24 2022-11-14 한양대학교 에리카산학협력단 동맥류 학습 데이터 증강 시스템 및 방법
CN113837985B (zh) * 2020-06-24 2023-11-07 上海博动医疗科技股份有限公司 用于血管造影图像处理的训练方法和装置、自动处理方法和装置

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
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
CN103300820A (zh) * 2012-03-13 2013-09-18 西门子公司 用于冠状动脉狭窄的非侵入性功能评估的方法和系统
WO2014111929A1 (en) * 2013-01-15 2014-07-24 Cathworks Ltd. Calculating a fractional flow reserve

Family Cites Families (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6047080A (en) 1996-06-19 2000-04-04 Arch Development Corporation Method and apparatus for three-dimensional reconstruction of coronary vessels from angiographic images
US6632169B2 (en) * 2001-03-13 2003-10-14 Ltk Enterprises, L.L.C. Optimized pulsatile-flow ventricular-assist device and total artificial heart
US7532748B2 (en) * 2004-11-24 2009-05-12 General Electric Company Methods and apparatus for selecting and/or labeling vessel branches
DE102005018327A1 (de) * 2005-04-20 2006-10-26 Siemens Ag Betriebsverfahren für einen Rechner, Betriebsverfahren für eine bildgebende medizintechnische Anlage und hiermit korrespondierende Gegenstände
EP3058868A1 (en) * 2008-10-01 2016-08-24 Irumedi Co.,ltd. Cardiovascular analyzer
US9119540B2 (en) 2010-09-16 2015-09-01 Siemens Aktiengesellschaft Method and system for non-invasive assessment of coronary artery disease
JP5921132B2 (ja) * 2011-10-17 2016-05-24 株式会社東芝 医用画像処理システム
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
CN104244813B (zh) * 2012-03-15 2017-03-15 西门子公司 用于静息和充血期间冠状动脉血流计算的个性化的框架
EP2932469B1 (en) * 2012-12-11 2018-10-31 Koninklijke Philips N.V. Method of determining the blood flow through coronary arteries
US9785746B2 (en) * 2014-03-31 2017-10-10 Heartflow, Inc. Systems and methods for determining blood flow characteristics using flow ratio

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
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
CN103300820A (zh) * 2012-03-13 2013-09-18 西门子公司 用于冠状动脉狭窄的非侵入性功能评估的方法和系统
WO2014111929A1 (en) * 2013-01-15 2014-07-24 Cathworks Ltd. Calculating a fractional flow reserve

Also Published As

Publication number Publication date
JP6646711B2 (ja) 2020-02-14
US20170286628A1 (en) 2017-10-05
JP2017529207A (ja) 2017-10-05
KR20160026808A (ko) 2016-03-09
EP3188059A1 (en) 2017-07-05
JP6377856B2 (ja) 2018-08-22
EP3188059B1 (en) 2020-05-13
EP3188059A4 (en) 2018-04-25
WO2016030744A1 (ko) 2016-03-03
US10658085B2 (en) 2020-05-19
JP2018187406A (ja) 2018-11-29
CN106714673A (zh) 2017-05-24

Similar Documents

Publication Publication Date Title
CN106714673B (zh) 按患者区分的血管信息决定方法
JP7017856B2 (ja) 患者に特異的な解剖学的データからパーソナライズされた血管移植を特定するためのシステム及び方法
JP6685319B2 (ja) 定量的フロー分析のための方法および装置
Pandey et al. A review study on blood in human coronary artery: Numerical approach
EP2942006B1 (en) Method and system for non-invasive computation of hemodynamic indices for coronary artery stenosis
JP2020037037A (ja) 画像処理装置、画像処理方法、及びプログラム
Kwon et al. A novel patient-specific model to compute coronary fractional flow reserve
Mazzitelli et al. Numerical prediction of the effect of aortic Left Ventricular Assist Device outflow-graft anastomosis location
JP7241183B2 (ja) 冠動脈における血行動態パラメータの患者固有モデリング
Kato et al. Fast CT-FFR analysis method for the coronary artery based on 4D-CT image analysis and structural and fluid analysis
WO2020102154A1 (en) Noninvasive quantitative flow mapping using a virtual catheter volume
Caruso et al. A computational evaluation of sedentary lifestyle effects on carotid hemodynamics and atherosclerotic events incidence
KR101986424B1 (ko) 환자별 혈관 정보 결정 방법
Govindaraju et al. A parametric study of the effect of arterial wall curvature on non-invasive assessment of stenosis severity: Computational foluid dynamics study
Saha et al. Numerical and experimental investigations of Fractional Flow Reserve (FFR) in a stenosed coronary artery
He et al. Non-Newtonian effects of blood flow on hemodynamics in pulmonary stenosis: Numerical simulation
A Martins et al. FFR quantification in a left coronary artery using a three-element Windkessel model and the nonlinear viscoelastic property of blood
Kim et al. Patient-specific coronary artery blood flow simulation using myocardial volume partitioning
Bulant et al. Impact of Boundary Conditions on the Computational Assessment of Fractional Flow Reserve
WO2022074054A1 (en) A non-invasive method for determining a pressure gradient for a cardiovascular narrowing of a subject, and computer program product
EA042942B1 (ru) Специфическое для пациента моделирование гемодинамических параметров в коронарных артериях
Lanning et al. Kendall S. Hunter

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant
CF01 Termination of patent right due to non-payment of annual fee
CF01 Termination of patent right due to non-payment of annual fee

Granted publication date: 20200228