CN107174264A - 确定流体动力学特征值的装置和方法 - Google Patents

确定流体动力学特征值的装置和方法 Download PDF

Info

Publication number
CN107174264A
CN107174264A CN201710137808.8A CN201710137808A CN107174264A CN 107174264 A CN107174264 A CN 107174264A CN 201710137808 A CN201710137808 A CN 201710137808A CN 107174264 A CN107174264 A CN 107174264A
Authority
CN
China
Prior art keywords
model
segment
subsegment
narrow
value
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
Application number
CN201710137808.8A
Other languages
English (en)
Other versions
CN107174264B (zh
Inventor
K.克林根贝克
T.雷德尔
M.朔伊林
M.维茨
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Siemens AG
Siemens Healthcare GmbH
Original Assignee
Siemens AG
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Siemens AG filed Critical Siemens AG
Publication of CN107174264A publication Critical patent/CN107174264A/zh
Application granted granted Critical
Publication of CN107174264B publication Critical patent/CN107174264B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • AHUMAN NECESSITIES
    • A61MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61BDIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B6/00Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
    • A61B6/50Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment specially adapted for specific body parts; specially adapted for specific clinical applications
    • A61B6/507Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment specially adapted for specific body parts; specially adapted for specific clinical applications for determination of haemodynamic parameters, e.g. perfusion CT
    • AHUMAN NECESSITIES
    • A61MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61BDIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B6/00Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
    • A61B6/02Arrangements for diagnosis sequentially in different planes; Stereoscopic radiation diagnosis
    • A61B6/03Computed tomography [CT]
    • AHUMAN NECESSITIES
    • A61MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61BDIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B6/00Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
    • A61B6/48Diagnostic techniques
    • A61B6/481Diagnostic techniques involving the use of contrast agents
    • AHUMAN NECESSITIES
    • A61MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61BDIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B6/00Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
    • A61B6/50Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment specially adapted for specific body parts; specially adapted for specific clinical applications
    • A61B6/504Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment specially adapted for specific body parts; specially adapted for specific clinical applications for diagnosis of blood vessels, e.g. by angiography
    • AHUMAN NECESSITIES
    • A61MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61BDIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B6/00Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
    • A61B6/52Devices using data or image processing specially adapted for radiation diagnosis
    • A61B6/5211Devices using data or image processing specially adapted for radiation diagnosis involving processing of medical diagnostic data
    • AHUMAN NECESSITIES
    • A61MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61BDIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B6/00Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
    • A61B6/52Devices using data or image processing specially adapted for radiation diagnosis
    • A61B6/5211Devices using data or image processing specially adapted for radiation diagnosis involving processing of medical diagnostic data
    • A61B6/5217Devices 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
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00Image analysis
    • G06T7/0002Inspection of images, e.g. flaw detection
    • G06T7/0012Biomedical image inspection
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00Image analysis
    • G06T7/10Segmentation; Edge detection
    • G06T7/11Region-based segmentation
    • GPHYSICS
    • G16INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16HHEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H50/00ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
    • G16H50/50ICT 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
    • AHUMAN NECESSITIES
    • A61MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61BDIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B34/00Computer-aided surgery; Manipulators or robots specially adapted for use in surgery
    • A61B34/10Computer-aided planning, simulation or modelling of surgical operations
    • A61B2034/101Computer-aided simulation of surgical operations
    • A61B2034/105Modelling of the patient, e.g. for ligaments or bones
    • AHUMAN NECESSITIES
    • A61MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61BDIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00Measuring for diagnostic purposes; Identification of persons
    • A61B5/02Detecting, 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
    • A61B5/02007Evaluating blood vessel condition, e.g. elasticity, compliance
    • AHUMAN NECESSITIES
    • A61MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61BDIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00Measuring for diagnostic purposes; Identification of persons
    • A61B5/02Detecting, 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
    • A61B5/02028Determining haemodynamic parameters not otherwise provided for, e.g. cardiac contractility or left ventricular ejection fraction
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00Indexing scheme for image analysis or image enhancement
    • G06T2207/10Image acquisition modality
    • G06T2207/10028Range image; Depth image; 3D point clouds
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00Indexing scheme for image analysis or image enhancement
    • G06T2207/10Image acquisition modality
    • G06T2207/10072Tomographic images
    • G06T2207/10081Computed x-ray tomography [CT]
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00Indexing scheme for image analysis or image enhancement
    • G06T2207/30Subject of image; Context of image processing
    • G06T2207/30004Biomedical image processing
    • G06T2207/30101Blood vessel; Artery; Vein; Vascular
    • G06T2207/30104Vascular flow; Blood flow; Perfusion
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2211/00Image generation
    • G06T2211/40Computed tomography
    • G06T2211/404Angiography

Landscapes

  • Health & Medical Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Medical Informatics (AREA)
  • Public Health (AREA)
  • General Health & Medical Sciences (AREA)
  • Physics & Mathematics (AREA)
  • Pathology (AREA)
  • Biomedical Technology (AREA)
  • Radiology & Medical Imaging (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Molecular Biology (AREA)
  • Optics & Photonics (AREA)
  • High Energy & Nuclear Physics (AREA)
  • Biophysics (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Surgery (AREA)
  • Animal Behavior & Ethology (AREA)
  • Veterinary Medicine (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • Dentistry (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Vascular Medicine (AREA)
  • Primary Health Care (AREA)
  • Epidemiology (AREA)
  • Databases & Information Systems (AREA)
  • Data Mining & Analysis (AREA)
  • Quality & Reliability (AREA)
  • Physiology (AREA)
  • Apparatus For Radiation Diagnosis (AREA)
  • Magnetic Resonance Imaging Apparatus (AREA)

Abstract

本发明涉及流体动力学特征值的装置和方法,尤其涉及一种用于确定在具有多个系列狭窄的血管段中的狭窄的至少一个单独的流体动力学特征值的装置和方法,其中从血管造影记录装置接收所述血管段的血管造影图像数据,通过分析装置基于血管造影图像数据确定所述血管段的几何数据并且综合成段模型。按照本发明,在段模型中通过划分装置分别确定位于两个狭窄之间的至少一个划分点,在所述至少一个划分点处将所述段模型细分为子段模型,基于所述子段模型的相应几何数据,对于所述子段模型中的至少一个通过模拟装置确定相应的流体动力特征值。

Description

确定流体动力学特征值的装置和方法
技术领域
本发明涉及一种用于确定在具有多个系列狭窄的血管段中的狭窄的至少一个单独的流体动力学特征值的方法和装置。作为流体动力学特征值例如可以确定血流储备分数(FFR)。
背景技术
狭窄表示身体血管的变窄。在血管的情况下,血流、换句话说,血流动力学,受到狭窄的损害。系列狭窄是在身体血管中在上游或下游彼此前后存在的几个狭窄。如果医生想要治疗这种狭窄,那么他们将优选从最有影响或最显著的狭窄开始。例如,狭窄区域中的血管可以通过支架被支撑或加宽。今天,例如通过压力丝的侵入性FFR测量是在评估狭窄的血液动力学显著性方面的标准。如果在血管部分或血管段中存在两个或更多个系列狭窄,虽然可以侵入地测量整体FFR值,换句话说,总值,但是每个单个狭窄的单独的FFR值的测量是不可能的或需要非常大的附加测量努力。
然而,在几个相继狭窄的情况下对于临床决策重要的问题是各个狭窄的单独的FFR值的问题。
代替侵入性FFR测量,也可以执行所谓的虚拟FFR测量,其基于几何信息非侵入地确定FFR值,所述几何信息例如可以从多个血管造影图像获取。为此目的,从现有技术已知CFD(计算流体动力学)的方法。
发明内容
本发明的任务是,确定身体脉管中的具有多个连续狭窄的至少一个狭窄的单独的流体动力学特征值。
本发明提供了一种用于确定具有多个连续狭窄的身体脉管的血管段中的各狭窄的至少一个单独的流体特征值的方法。身体脉管可以例如是血管。按照该方法,从血管造影记录装置接收血管段的血管造影图像数据。记录装置可以例如是血管造影系统或CT系统(CT-计算机断层摄影)。基于血管造影图像数据,通过分析装置确定血管段的几何数据,并且综合以形成血管段的段模型。因此,该段模型描述了血管段沿其纵向延伸的下游或上游的几何形状或尺寸。通过这种方式,也对狭窄,换句话说,血管段中的变窄成像。
为了现在能够确定各个狭窄的单独流体动力学特征值,根据本发明的方法如下。使用划分装置,在段模型中,借助于预定的划分标准来确定至少一个划分点。每个划分点位于两个狭窄之间。由划分标准确定,几何数据必须具有哪些属性,以便识别或接受划分点。因此,划分标准指定了为了沿着段模型的点被识别为划分点而必须存在的几何条件。段模型在所述至少一个划分点处被分别细分为子段模型。与上游划分点相邻的部分构成一个子段模型,并且与下游划分点相邻的部分构成另一个子段模型。这里应当注意,段模型不必改变,因为由划分点仅确定,两个子段模型之间的过渡布置在何处。每个子段模型包含至少一个狭窄。通过划分标准,可以确保在所得到的段模型的划分中每个子段模型包含单个狭窄。
然后,通过模拟装置对于至少一个子段模型,基于该子段模型的相应几何数据,确定相应的流体动力特征值。由划分点确定,来自段模型的哪些几何数据作为该子段模型的几何数据用于确定流体动力特征值。忽略任何其他子段模型的相应几何数据。
因此,每个子段模型允许或使得能够个别地计算流体动力学特征值、例如FFR值,其中仅使用来自相应建模的子段的几何性质。在分离点或划分点处提供边界条件,该边界条件会在无狭窄血管路径的情况下在这些划分点处存在。
本发明具有以下优点:可以以很小的努力计算单独的流体动力学特征值,因为基于整个血管段的完成的段模型,只需要确定划分点处的如通过健康的、换句话说,无狭窄的血管产生的边界条件。段模型本身不必修改。相反,只需要使用段模型的一部分、换句话说,对应于包含狭窄的子段的纵向段,并且由划分点划分或识别。
本发明还包括具有产生附加优点的特征的可选改进方案。
根据一个改进方案,在划分点处的段模型不是简单地截断,而是可以在每个划分点处例如通过虚拟的、无狭窄的插值血管路径的几何数据补充子段模型。因此,健康血管的插值可以在相应子段模型的入口和至少一个出口处进行。
按照一种改进方案,段模型将血管段模拟为3D模型。例如,在血管造影图像数据的情况下,这例如可以借助于反投影以X射线投影或一般投影的形式形成。3D模型可以例如基于所谓的体素(体积元素)。这种3D模型具有可以执行流体流(例如血流)的完全物理模拟的优点。
作为这样的3D模型的替换,根据一个改进方案,段模型将血管段描述为血管段的至少一个几何属性的属性值的相应的位置相关的路径。因此,不是三维地模拟血管片段,而是仅仅从血管造影图像数据中作为位置函数确定或提取所提取的特征、即与特征值相关的几何属性。这具有免除对三维结构的复杂分析的需要的优点。特别地,也可以由此将属性值按功能性分配给流体动力特征值。
所述至少一个几何属性特别是直径、换句话说,沿着血管段的路径的直径,和/或血管段的可通流的横截面面积。这些几何属性可以可靠地从血管造影图像数据中提取并且形成用于确定流体动力学特征值的可靠基础。
优选地,段模型包括包含身体脉管的身体的生理身体状况的至少一个状态值。例如,在人体的情况下,通过该改进方案可以有利地考虑脉搏率和/或血压和/或应力状态和/或血管壁弹性。
本发明的多个改进方案涉及如何将段模型细分为子段的问题。按照改进方案,由划分装置确定少至一个划分点,方式是,包括基本的划分标准,即血管段的可通流的局部横截面,换言之,直径和/或可通流的横截面面积大于插值的无狭窄血管路径的预定百分比。该百分比可以例如在50%至100%的范围内,优选在70%至100%的范围内。因此,当可通流的横截面仅以100%减去上述百分比而与不含狭窄的插值的血管路径局部偏离时,定义无狭窄或不受狭窄影响的部分。为了识别出,处于两个狭窄之间,优选地还提供划分标准,即,具有小于所述百分比的局部横截面的狭窄分别存在于上述局部横截面的上游和/或下游。这种改进方案使得能够以自动化方式划分段模型。
按照一种改进方案,通过显示装置向用户显示血管造影图像数据和/或段模型,以及由用户接收手动划分规范作为划分标准的至少一部分。该改进方案有利地实现了用户的校正或指示性干预。例如,可以在触摸屏上向用户显示血管段的上述3D模型,使得可以接收用户在触摸屏上的触摸,并且这可以被解释为用于划分点的划分规范。
按照一种改进方案,如果两个子段模型中的至少一个描述了血管部段的比预定的最小长度更小或更短的纵向段,则删除两个相邻的子段模型之间的划分点。换句话说,划分标准包括最小长度的规范。如果血管段的子段太短,则将子段合并。例如,可以规定,支架长度的纵向值由用户指定,并且该接收的纵向值用作最小长度的基础。其优点是可以立即考虑支架可能对血管段的影响。最小长度的值可以例如在5毫米至2厘米的范围内。
按照一种改进方案,至少一个子段模型的相应的特征值通过模拟装置借助于子段模型中的血流的模拟来确定。也就是通过血流的显式建模提供血管造影的特征值确定。由此其优点在于,在确定特征值时需要使用很少的模型假设作为基础。特别是如果使用前述3D模型,则是这种情况。
而按照一种改进方案,借助于用于将包含在子段模型中的几何数据分配给特征值的分配规则,模拟装置确定至少一个子模型的相应的特征值。因此,根据子段模型的几何数据,隐含地确定特征值,方式是,使用适当的分配规则。除了几何数据之外,这种分配规则还可以考虑或包括例如流体流例如血流、流体参数例如血液参数和/或血管段的血管弹性的说明。
为了找到合适的分配规则,按照一种改进方案,分配规则基于机器学习的方法从测试几何数据到相应的特征值的至少一个已知的分配形成。换句话说,根据具有上述测试几何数据的血管段中已知的流体动力学条件以及为此已知的流体动力学特征值,基于机器学习的方法自动确定分配规则。段模型优选地不描述3D模型本身,而是描述血管段的至少一个几何属性的属性值的所述取决于位置的路径。该改进方案具有的优点是,不需要复杂的三维建模,而是仅将血管段的特征或描述(例如长度和/或横截面)作为基础,并且这些可以被分配给流体动力学特征值。
优选地,在该方法中设置为,流体动力特征值是血流储备分数(FFR)的值,如在评估狭窄时作为特别合适的量所认识到的。因此,在该改进方案中,该方法为子段提供单独的FFR诊断,其中基于整个血管段的段模型以及对于单独的位置(入口和出口/多个出口)以小的开销确定子段的相应FFR值。因为FFR值的确定仅在后面、换句话说,在相应的狭窄的下游有意义,所以通过所描述的虚拟的无狭窄血管路径进行的插值确保得到有意义的FFR值。
通过仅部分考虑几何数据,即仅相应子段模型的几何数据,当计算流体动力学特征值时可能发生偏移或偏置。为了补偿这一点,本发明具有有利的改进方案。按照该改进方案,描述所有狭窄的影响的流体动力学总特征值通过模拟装置借助于整个血管段的总段模型来确定。除了对于整个血管段的模拟之外,按照该改进方案,接收测量装置、特别是压力丝的传感器数据,并且借助于传感器数据和总特征值,校准确定的至少一个子段模型的相应的特征值。各个流体动力特征值和总特征值可以是相似的特征值或不同的特征值。总特征值可以例如说明通过血管段的血流量。压力丝构成导管,其具有压敏传感器并且可以移动通过血管段以产生涉及位置相关的压力值的传感器数据。借助这样的传感器数据,如果例如由血管段传导的血流被错误地评估或估计,则例如可以进行特征值的校正或校准。
为了执行按照本发明的方法,通过本发明提供相应的设备,其包括接收装置和处理器装置。接收装置构造为,从所述血管造影记录装置接收血管段的血管造影图像数据。处理器装置包括:上述分析装置,用于从血管造影图像数据中确定具有血管段的几何数据的段模型;上述划分装置,用于分别通过前述的划分标准确定段模型中的至少一个分别在两个狭窄之间的划分点,并且用于借助于至少一个划分点将段模型划分为子段模型;以及上述模拟装置,用于基于子段模型的相应的几何数据确定至少一个子段模型的相应流体动力特征值。该设备被配置为执行根据本发明的方法的实施方式。借助该设备,例如可以对单独的狭窄执行诊断分析,由此使得例如使用者可以决定在例如通过支架的治疗中哪些狭窄应该优先,因为它具有对流体动力学、例如血流动力学的最大影响。
附图说明
以下描述本发明的实施例。在此,
图1是根据本发明的设备的实施方式的示意图;
图2是血管段的段模型的示意图,其中要确定多个系列狭窄中的至少一个的流体动力学特征值;
图3是基于几何属性的属性值的位置相关的路径的另一个段模型的示意图;
图4是图3的段模型的另一部分,其中描述几何属性的属性值的另外的位置相关的路径;和
图5是在划分点处被划分为两个子段模型的段模型的示意图。
具体实施方式
下文描述的实施例是本发明的优选实施方式。在实施例中,所描述的实施方式的部件各自表示彼此独立地考虑的本发明的各个特征,其中每个也彼此独立地改进本发明,因此也可以单独地或按照不同于示出的组合而成为本发明的一部分。此外,所描述的实施方式可以通过已经描述的本发明的其他特征来补充。
附图中功能相同的元件被具有相同的附图标记。
图1示出了设备1,借助于该设备1可以检查例如患者身体4的身体脉管3的血管段2。为此,设备1可以从血管造影记录装置5接收血管造影图像数据6。设备1可以具有接收装置7,借助于该接收装置7,设备1可以连接到血管造影记录设备5。血管造影图像数据6也可以例如借助于存储介质传送到接收装置7。血管造影记录装置5可以例如是血管造影系统或计算机断层摄影装置。为了确定血管造影图像数据,例如,可以将造影剂注入身体脉管3,然后通过X射线源8照射身体脉管3,使得其中包含造影剂的身体脉管3在X射线检测器9上成像。基于像素的检测器数据然后是血管造影图像数据6的组成部分。可以设置为,从不同部分角度对身体血管3成像。
从接收装置7接收的血管造影图像数据6可以由分析装置10接收。分析装置10可以将血管造影图像数据综合成段模型11,其构成血管段2的描述或图2'。段模型11可以通过设备1在装置12(例如,屏幕)上向设备1的(未示出的)用户示出。
血管段2可以具有系列地依次布置的多个狭窄14,15,对于每个狭窄14,15,可以通过设备1确定流体动力特征值,特别是FFR值。
划分装置13可以细分段模型11,使得产生子段模型16,17,每个子段模型分别仅包括狭窄14,15中的一个。为了确定子段模型16,17,通过划分装置13在狭缝14,15之间确定一个划分点18。为此目的,以预定的划分标准19为基础。例如,作为划分标准19的一个组成部分,用户可以接收用户输入或划分规范20。为此,例如在显示装置12上,如果这是触摸屏,则在显示装置12的相应触摸输入可以由用户接收。结合以下附图描述至少一个划分点18的自动确定。
现在为了确定子段模型16中的一个的流体动力特征值,可以通过段模型11的模拟装置21使用包含属于子段模型16的几何数据的部分或内容。代替剩余的子段模型17,换句话说,段模型11的剩余部分,采用虚拟的、无狭窄的插值血管路径22作为基础,其在划分点18处的流体动力学特性通过相应边界条件描述,也就是例如通过建模的血管段的相应直径和/或在划分点18处的所得流动阻力。
基于流体动力学模拟23或基于分配规则24,可以通过模拟装置21确定可以用作子段模型16的流体动力特征值的特征值25。也就是例如,可以在假设插值血管路径22连接划分点18的而不是子段模型17的情况下确定子段模型16的FFR值。为了计算特征值25,首先也可以通过模拟装置21确定总段模型11的总特征值26。总特征值26例如可以说明流过血管段2的流体(例如血液)的总量。总特征值26可以例如用作用于基于子段模型16的几何数据确定特征值25的边界条件。
分析装置10、划分装置13和模拟装置21例如可以分别作为设备1的CPU处理器装置的程序模块提供。
图2示出了段模型11的可能图,如其可以在显示装置12上呈现给用户。可以向用户示出可能的分离点18,18',用户借助光标27可以关于局部横截面读出段模型11的几何数据。
这再次在图3中示出。图3示出了段模型11的另一个图,其中重新调整或建模了血管段2的几何属性A的位置相关的路径28。在所示的示例中,几何属性A是可通流的横截面面积,该横截面面积在狭窄部14,15的区域中比无狭窄的虚拟插值血管路径22,换句话说,健康虚拟血管更小。为了自动定位划分点18,18',可以设置为,路径18必须小于血管路径22,并且在此是所形成的狭窄14的最小长度29。这可以通过划分标准19来确定。
图4示出几何属性D的另一个位置相关的路径28',其例如表示血管段2沿其延伸方向的直径。这里,为了自动定位划分点18,18',划分标准19可以规定,狭窄14,15必须具有小于插值的血管路径22的几何属性D,并且狭窄14,15必须具有最小长度29。
几何属性A,D的值表示血管段2的几何数据。
图5例如示出了,例如对于子段模型16,几何数据、例如来自段模型11的3D模型的3D数据和/或几何特性A,D的路径28,28',可以如何用作基础,以便例如借助于模拟23或分配规则24确定例如包含在子段模型16中的狭窄14的上游和下游的测量位置30,31的血管压力或流体压力,以便从中确定特征值25。流动方向32在图5中由箭头示出。当确定在划分点18下游的测量位置30,31处的值时,基于插值的血管路径22,而不是剩余的子段模型17。测量值30,31可以通过从现有技术中已知的方法例如通过血流的模拟23,例如借助于CFD,或者基于分配规则24来确定。例如可以基于机器学习的方法提供分配规则24。
因此,设备1的总体想法是在计算包括具有若干狭窄14,15的整个血管段2的整体FFR值之后,对各个狭窄14,15进行进一步的诊断分析。段模型11在该过程中保持不变,因为只有相应子段模型16,17的各个入口表面33和出口表面34被确定为相应的划分点18,18'。这可以由用户自动执行。在这样做时,不必改变段模型11,因为划分点18仅确定应当使用来自段模型11的由段模型11表示的几何数据的哪一部分。
在下文中,描述由设备1执行的根据本发明的方法的示例过程。
首先,基于血管造影图像的血管造影图像数据6获得关于具有多个狭窄14,15的血管段2的几何信息。段模型11可以是3D模型,但是描述相关几何属性A,D的多个提取特征也可以用作段模型11。
借助于该几何信息,执行包括整个血管段2的第一特征值计算,例如FFR值的计算。在这一点上,还可以包括关于生理身体状况的其它信息。
自动地或由用户定义子段,所述子段于是分别确定子段模型16,17。在每个子段中,然后计算特征值25的单独诊断,例如FFR诊断。为此目的定义了单个点(Orte)、入口面积33和出口面积34或多个出口面积,其可以显式或隐式地定义新边界条件的点(Stellen)。
以子段模型16,17的形式对每个子段进行特征值25、也就是例如FFR值的单独计算,方式是,该计算仅使用来自所描述的子段的几何属性A,D。子段模型11本身,例如普通总段2的几何信息保持不变。因此,不需要复杂的模型计算。
该方法过程既可以用于通过用于模拟23流的算法的显式FFR计算也可以用于隐式方法。包括通过机器学习操作的方法。在这些中,在训练阶段中进行FFR值的流动模拟计算,而通过机器学习实现基于根据图像数据6的血管造影图像的实际FFR计算,从而产生分配规则24。
如上所述,细分为子段也可以自动或手动进行。
通过在入口面积33和出口面积34上插值健康血管路径22,消除了其他狭窄15的影响。如果例如局部面积A达到插值的健康血管路径22上的百分比,则可以自动区分狭窄14,15。如果这种狭窄部分太短,换句话说,例如小于10毫米,则这样的子段也可以组合。
还可以针对单独的狭窄将结果可视化,例如,在所描述的触摸屏上。
所描述的总特征值26还有利地提供关于血管段2的疾病总体上多严重的信息。进一步单独地确定特定于狭窄的FFR值,提供了进一步的诊断信息,所述诊断信息允许用户单独评估每个狭窄。利用设备1,可以基于根据本发明的方法快速地执行该计算。对于单独计算所需的边界条件必须与每个子段模型16,17的入口面积33和出口面积34匹配,这比修改完整的3D模型明显更容易和更快。
总的来说,该实施例示出了如何通过本发明提供用于规划多发性狭窄的治疗的方法。

Claims (14)

1.一种用于确定身体脉管(3)的具有多个系列狭窄(14,15)的血管段(2)中的狭窄(14,15)的至少一个单独的流体动力学特征值(25)的方法,其中
-从血管造影记录装置(5)接收血管段(2)的血管造影图像数据(6),
-通过分析装置(10)基于所述血管造影图像数据(6)确定所述血管段(2)的几何数据(A,D)并且综合以形成所述血管段(2)的段模型(11),
其特征在于:
-通过划分装置(13)借助于预定的划分标准(19)在段模型(11)中确定至少一个分别位于两个狭窄(14,15)之间的划分点(18),并且所述分段模型(11)在所述至少一个划分点(18,18')处分别被细分为子段模型(16,17),以及
-基于所述子段模型(16,17)的相应几何数据(A,D),通过模拟装置(21)对于所述子段模型(16,17)中的至少一个确定流体动力特征值(25),其中忽略每个剩余的子段模型(17,16)的几何数据(A,D)。
2.根据权利要求1所述的方法,其中,由用于确定流体动力特征值(25)的所述模拟装置(21)在每个划分点(18)处通过虚拟的、无狭窄的插值血管路径(22)的几何数据补充所述子段模型。
3.根据前述权利要求中任一项所述的方法,其中,所述段模型(11)将所述血管段(2)描述为3D模型或者描述为血管段(2)的至少一个几何属性(A,D)属性值的位置相关的路径(28,28')。
4.根据权利要求3所述的方法,其中,所述至少一个几何属性(A,D)描述血管段(2)的直径(D)和/或可通流的横截面(A)。
5.根据前述权利要求中任一项所述的方法,其中,所述段模型(11)包括包含所述身体脉管(3)的身体(4)的生理身体状况的至少一个状态值。
6.根据前述权利要求中任一项所述的方法,其中,所述划分装置(13)确定所述至少一个划分点(18,18'),方式是,所述划分标准(19)包括,血管段(2)的局部的、可通流的横截面(D,A)大于插值的无狭窄血管路径(2)的预定百分比,并且在上游和/或下游分别存在局部横截面(A,D)小于所述百分比的狭窄(14,15)。
7.根据前述权利要求中任一项所述的方法,其中,通过显示装置(12)向用户显示所述血管造影图像数据(6)和/或所述分段模型(11),并且从用户接收手动划分规范(20)作为所述划分标准(19)的至少一部分。
8.根据前述权利要求中任一项所述的方法,其中,如果两个子段模型(16,17)中的至少一个描述了血管段(2)的小于预定的最小长度(29)的纵向段,则删除两个相邻的子段模型(16,17)的划分点(18,18')。
9.根据前述权利要求中任一项所述的方法,其中,所述至少一个子段模型(16,17)的特征值(25)由所述模拟装置(21)借助于在子段模型(16,17)中对血流的模拟(23)来确定。
10.根据前述权利要求中任一项所述的方法,其中,所述至少一个子段模型(16,17)的相应特征值(25)由所述模拟装置(21)借助于分配规则(24)来确定,所述分配规则将包含在所述子段模型(16,17)中的所述几何数据(A,D)分配给所述特征值(25)。
11.根据权利要求10所述的方法,其中,所述分配规则(24)基于机器学习的方法,由测试几何数据到相应特征值的至少一个已知的分配形成。
12.根据前述权利要求中任一项所述的方法,其中,作为流体动力特征值(25),确定血流储备分数FFR的值。
13.根据前述权利要求中任一项所述的方法,其中,通过所述模拟装置(21)对借助整个血管段(2)的总段模型(11),确定描述所有狭窄(14,15)的影响的流体动力学总参数(26),并且接收测量装置的传感器数据,特别是压力丝的传感器数据,并且借助传感器数据和总特征值(26)校准所述至少一个子段模型(16,17)的相应确定的特征值(25)。
14.一种用于确定身体脉管(3)的具有多个系列狭窄(14,15)的血管段(2)中的狭窄(14,15)的至少一个单独流体动力学特征值(25)的装置(1),具有:
-接收装置(7),其被配置为从血管造影记录装置(5)接收所述血管段(2)的血管造影图像数据(6),以及
-处理器装置(CPU),其具有:分析装置(10),用于从血管造影图像数据(6)中确定具有血管段(2)的几何数据(A,D)的段模型(11);划分装置(13),用于借助于预定的划分标准(19)确定所述段模型(11)中至少一个分别在两个狭窄(14,15)之间的划分点(18,18'),和用于根据所述至少一个划分点(18,18')将所述模型(11)划分成子段模型(16,17);以及模拟装置(21),用于基于所述子段模型(16,17)的相应几何数据(A,D)确定所述子段模型(16,17)中的至少一个的流体动力学特征值(25),
其特征在于:
所述设备(1)被配置为执行如前述权利要求中任一项所述的方法。
CN201710137808.8A 2016-03-09 2017-03-09 确定流体动力学特征值的装置和方法 Active CN107174264B (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
DE102016203860.5 2016-03-09
DE102016203860.5A DE102016203860A1 (de) 2016-03-09 2016-03-09 Vorrichtung und Verfahren zum Ermitteln zumindest eines individuellen fluiddynamischen Kennwerts einer Stenose in einem mehrere serielle Stenosen aufweisenden Gefäßsegment

Publications (2)

Publication Number Publication Date
CN107174264A true CN107174264A (zh) 2017-09-19
CN107174264B CN107174264B (zh) 2021-03-12

Family

ID=57868041

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201710137808.8A Active CN107174264B (zh) 2016-03-09 2017-03-09 确定流体动力学特征值的装置和方法

Country Status (4)

Country Link
US (1) US10390782B2 (zh)
EP (1) EP3216391B1 (zh)
CN (1) CN107174264B (zh)
DE (1) DE102016203860A1 (zh)

Families Citing this family (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE102016222102A1 (de) * 2016-11-10 2018-05-17 Siemens Healthcare Gmbh Behandlungsplanung für eine Stenose in einem Gefäßsegment anhand einer virtuellen hämodynamischen Analyse
EP3691531A4 (en) * 2017-10-06 2021-05-26 Emory University METHODS AND SYSTEMS FOR DETERMINING HEMODYNAMIC INFORMATION FOR ONE OR MORE ARTERIAL SEGMENTS
US10861157B2 (en) * 2019-04-04 2020-12-08 Medtronic Vascular, Inc. System and methods for determining modified fractional flow reserve values
CN116681716B (zh) * 2023-08-04 2023-10-10 杭州脉流科技有限公司 颅内血管感兴趣区域分割方法、装置、设备和存储介质

Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP3927488B2 (ja) * 2002-12-25 2007-06-06 ジーイー・メディカル・システムズ・グローバル・テクノロジー・カンパニー・エルエルシー 画像処理方法及び画像処理装置並びにプログラム
WO2007092054A2 (en) * 2006-02-06 2007-08-16 Specht Donald F Method and apparatus to visualize the coronary arteries using ultrasound
US20080188912A1 (en) * 2004-09-10 2008-08-07 Minnow Medical, Inc. System for inducing desirable temperature effects on body tissue
CN102940486A (zh) * 2012-10-29 2013-02-27 大连理工大学 一种颈动脉系统血流动力学与信号分析系统及方法
US20140200867A1 (en) * 2013-01-15 2014-07-17 Cathworks Ltd Vascular flow assessment
CN104224217A (zh) * 2013-06-24 2014-12-24 株式会社东芝 医用图像处理装置以及医用图像处理方法
US20150038860A1 (en) * 2013-07-30 2015-02-05 Heartflow, Inc. Method and system for modeling blood flow with boundary conditions for optimized diagnostic performance
US20150272448A1 (en) * 2014-03-31 2015-10-01 Heartflow, Inc. Systems and methods for determining blood flow characteristics using flow ratio
CN105078440A (zh) * 2014-05-09 2015-11-25 西门子公司 无创计算冠状动脉狭窄的血液动力学指标的方法和系统
CN105249954A (zh) * 2014-06-30 2016-01-20 西门子公司 预测支架术后血液动力学指标的方法和系统
US20160022371A1 (en) * 2014-07-22 2016-01-28 Siemens Aktiengesellschaft Method and System for Automated Therapy Planning for Arterial Stenosis

Family Cites Families (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20180344174A9 (en) * 2009-09-23 2018-12-06 Lightlab Imaging, Inc. Lumen Morphology and Vascular Resistance Measurements Data Collection Systems, Apparatus and Methods
US8526699B2 (en) * 2010-03-12 2013-09-03 Siemens Aktiengesellschaft Method and system for automatic detection and classification of coronary stenoses in cardiac CT volumes
US8315812B2 (en) 2010-08-12 2012-11-20 Heartflow, Inc. Method and system for patient-specific modeling of blood flow
US10162932B2 (en) * 2011-11-10 2018-12-25 Siemens Healthcare Gmbh Method and system for multi-scale anatomical and functional modeling of coronary circulation

Patent Citations (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP3927488B2 (ja) * 2002-12-25 2007-06-06 ジーイー・メディカル・システムズ・グローバル・テクノロジー・カンパニー・エルエルシー 画像処理方法及び画像処理装置並びにプログラム
US20080188912A1 (en) * 2004-09-10 2008-08-07 Minnow Medical, Inc. System for inducing desirable temperature effects on body tissue
WO2007092054A2 (en) * 2006-02-06 2007-08-16 Specht Donald F Method and apparatus to visualize the coronary arteries using ultrasound
CN102940486A (zh) * 2012-10-29 2013-02-27 大连理工大学 一种颈动脉系统血流动力学与信号分析系统及方法
US20140200867A1 (en) * 2013-01-15 2014-07-17 Cathworks Ltd Vascular flow assessment
CN105190630A (zh) * 2013-01-15 2015-12-23 凯瑟沃克斯有限公司 计算血流储备分数
CN104224217A (zh) * 2013-06-24 2014-12-24 株式会社东芝 医用图像处理装置以及医用图像处理方法
US20150038860A1 (en) * 2013-07-30 2015-02-05 Heartflow, Inc. Method and system for modeling blood flow with boundary conditions for optimized diagnostic performance
US20150272448A1 (en) * 2014-03-31 2015-10-01 Heartflow, Inc. Systems and methods for determining blood flow characteristics using flow ratio
CN105078440A (zh) * 2014-05-09 2015-11-25 西门子公司 无创计算冠状动脉狭窄的血液动力学指标的方法和系统
CN105249954A (zh) * 2014-06-30 2016-01-20 西门子公司 预测支架术后血液动力学指标的方法和系统
US20160022371A1 (en) * 2014-07-22 2016-01-28 Siemens Aktiengesellschaft Method and System for Automated Therapy Planning for Arterial Stenosis

Also Published As

Publication number Publication date
US10390782B2 (en) 2019-08-27
US20170258431A1 (en) 2017-09-14
CN107174264B (zh) 2021-03-12
EP3216391A1 (de) 2017-09-13
EP3216391B1 (de) 2020-09-16
DE102016203860A1 (de) 2017-09-14

Similar Documents

Publication Publication Date Title
CN110168613B (zh) 用于使用降阶模型和机器学习估计血流特性的系统和方法
CN102834847B (zh) 图像分析
US9087147B1 (en) Systems and methods for determining blood flow characteristics using flow ratio
CN105474264B (zh) 用于交互地分割在血管造影图像数据中的血管的分割装置
JP6396468B2 (ja) 機能性狭窄解析を向上させる局所ffr推定及び視覚化
EP3140757B1 (en) Method and system for non-invasive functional assessment of coronary artery stenosis using flow computations in models based on diseased patients and hypothetical normal anatomical models
CN107174264A (zh) 确定流体动力学特征值的装置和方法
JP2005095340A (ja) 血流解析装置及び血流解析方法
EP3544512B1 (en) Vascular tree standardization for biophysical simulation and/or an extension simulation for pruned portions
CN108140430A (zh) 根据压力或流量测量结果及血管造影估计流量、阻力或压力
US9844356B2 (en) Medical image processing apparatus and medical image processing method
Helthuis et al. A patient-specific cerebral blood flow model
WO2015137260A1 (ja) 血流解析システムおよび血流解析プログラム
Gosling et al. Effect of side branch flow upon physiological indices in coronary artery disease
JP2021503994A (ja) ベルヌーイの定理からの冠血流推定のための測定ガイダンス
US11576637B2 (en) Standardized coronary artery disease metric
US11664128B2 (en) Estimating flow to vessel bifurcations for simulated hemodynamics
CN107918943B (zh) 用于产生与解剖图像数据相关的结果图的方法
Sun et al. Quantitative evaluation of virtual angiography for interventional X-ray acquisitions
Bartololo et al. Computational framework for the generation of one-dimensional vascular models accounting for uncertainty in networks extracted from medical images
Kolli et al. Improved Functional Assessment of Ischemic Severity Using 3D Printed Models
EP4381460A1 (en) Coronary artery narrowing detection based on patient imaging and 3d deep learning
JPWO2018185040A5 (zh)
Selim et al. Feasibility Study of Substituting the FFR Invasiv e Procedure with CFD Analysis for Assessment of Human Coronary Arter y Stenosis

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
GR01 Patent grant
GR01 Patent grant