CN108140430B - 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 - Google Patents
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 Download PDFInfo
- Publication number
- CN108140430B CN108140430B CN201680056879.9A CN201680056879A CN108140430B CN 108140430 B CN108140430 B CN 108140430B CN 201680056879 A CN201680056879 A CN 201680056879A CN 108140430 B CN108140430 B CN 108140430B
- Authority
- CN
- China
- Prior art keywords
- model
- vessel tree
- flow
- pressure
- image data
- 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
- 238000005259 measurement Methods 0.000 title claims abstract description 45
- 238000002583 angiography Methods 0.000 title description 8
- 238000000034 method Methods 0.000 claims abstract description 54
- 238000009530 blood pressure measurement Methods 0.000 claims abstract description 51
- 239000012530 fluid Substances 0.000 claims abstract description 23
- 238000011065 in-situ storage Methods 0.000 claims abstract description 12
- 208000031481 Pathologic Constriction Diseases 0.000 claims description 39
- 208000037804 stenosis Diseases 0.000 claims description 39
- 230000036262 stenosis Effects 0.000 claims description 39
- 238000004590 computer program Methods 0.000 claims description 15
- 238000003384 imaging method Methods 0.000 claims description 11
- 238000002591 computed tomography Methods 0.000 claims description 3
- 238000012545 processing Methods 0.000 claims description 3
- 238000009826 distribution Methods 0.000 description 8
- 238000004422 calculation algorithm Methods 0.000 description 7
- 238000004364 calculation method Methods 0.000 description 6
- 210000004351 coronary vessel Anatomy 0.000 description 6
- 230000008901 benefit Effects 0.000 description 5
- 230000017531 blood circulation Effects 0.000 description 5
- 230000006870 function Effects 0.000 description 5
- 238000002604 ultrasonography Methods 0.000 description 5
- 238000013459 approach Methods 0.000 description 4
- 239000007788 liquid Substances 0.000 description 4
- 230000008439 repair process Effects 0.000 description 4
- 230000002792 vascular Effects 0.000 description 4
- 238000012800 visualization Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 3
- 239000003814 drug Substances 0.000 description 3
- 238000012014 optical coherence tomography Methods 0.000 description 3
- 238000002600 positron emission tomography Methods 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 2
- 210000001367 artery Anatomy 0.000 description 2
- 210000004204 blood vessel Anatomy 0.000 description 2
- 230000000747 cardiac effect Effects 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000001739 density measurement Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000002608 intravascular ultrasound Methods 0.000 description 2
- 238000000691 measurement method Methods 0.000 description 2
- 230000000116 mitigating effect Effects 0.000 description 2
- 230000010412 perfusion Effects 0.000 description 2
- 230000000717 retained effect Effects 0.000 description 2
- 230000011218 segmentation Effects 0.000 description 2
- 230000002966 stenotic effect Effects 0.000 description 2
- 230000001225 therapeutic effect Effects 0.000 description 2
- 238000011144 upstream manufacturing Methods 0.000 description 2
- 230000003936 working memory Effects 0.000 description 2
- 206010020565 Hyperaemia Diseases 0.000 description 1
- 241001465754 Metazoa Species 0.000 description 1
- 244000208734 Pisonia aculeata Species 0.000 description 1
- 230000006978 adaptation Effects 0.000 description 1
- 238000004166 bioassay Methods 0.000 description 1
- 210000002302 brachial artery Anatomy 0.000 description 1
- 210000001715 carotid artery Anatomy 0.000 description 1
- 238000006555 catalytic reaction Methods 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000005094 computer simulation Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000000326 densiometry Methods 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 229940079593 drug Drugs 0.000 description 1
- 230000009977 dual effect Effects 0.000 description 1
- 230000002526 effect on cardiovascular system Effects 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 210000001105 femoral artery Anatomy 0.000 description 1
- 210000002767 hepatic artery Anatomy 0.000 description 1
- 210000003090 iliac artery Anatomy 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000013152 interventional procedure Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000002107 myocardial effect Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 210000000056 organ Anatomy 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 230000035479 physiological effects, processes and functions Effects 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 238000011002 quantification Methods 0.000 description 1
- 238000009877 rendering Methods 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000003860 storage Methods 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
- 230000002195 synergetic effect Effects 0.000 description 1
- 210000002700 urine Anatomy 0.000 description 1
- 210000005166 vasculature Anatomy 0.000 description 1
- 230000035899 viability Effects 0.000 description 1
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
- G16H30/00—ICT specially adapted for the handling or processing of medical images
- G16H30/20—ICT specially adapted for the handling or processing of medical images for handling medical images, e.g. DICOM, HL7 or PACS
-
- 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
-
- 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
- G16H40/00—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices
- G16H40/60—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices for the operation of medical equipment or devices
- G16H40/63—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices for the operation of medical equipment or devices for local operation
-
- 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
Abstract
用于流体动力学系统的，基于对象的模型以及在所述对象处原位收集的压力测量结果来估计流量或阻力的系统及相关方法。备选地，收集压力流量测量结果并估计压力或阻力。
Description
技术领域
本发明涉及用于流体动力学的估计系统、估计方法、计算机可读介质和计算机程序元件。
背景技术
基于侵入性导管的速度测量技术最近在(例如冠状动脉中的)功能性狭窄评估中受到越来越多的关注，特别是通过所谓的“组合线”与压力测量结果相结合。这些是导丝系统，其包括测量组件，诸如用于速度测量的血管内超声换能器。还有基于温度换能器读数的流量测量技术。
然而，这些方法可能被认为是不可靠的，因为流量只能够局部测量，但流量在横截面面积上变化很大。
用于流量量化的其他方法包括PET(正电子发射断层摄影)的使用，例如K L Gould等人在“Anatomic versus physiologic assessment of coronary artery disease:roleof coronary flow reserve,fractional flow reserve,and positron emissiontomography imaging in revascularization decision-making”(Journal of theAmerican College of Cardiology，62，18(2013)，第1639-1653页)中所报告的。另一种方法是基于血管造影密度测定法，如例如由S Molloi等人在“Estimation of coronaryartery hyperemic blood flow based on arterial lumen volume using angiographicimages”(International Journal of Cardiovascular Imaging，28(2012)，第1-11页)中所描述的。但是这些技术倾向于比较复杂(因为S Molloi的方法中需要系统校准和近似缩放法则)或者昂贵、或者不容易获得。
发明内容
因此可能需要一种替代系统或方法来估计流体动力系统中的流量或压力或阻力。
应当注意，本发明的以下描述的方面同样适用于估计方法、计算机程序元件和计算机可读介质。
根据本发明的第一方面，提供一种用于流体动力学的估计系统，包括：
输入端口，其用于接收
i)从血管树原位收集的至少一个流体压力测量结果，每个压力测量结果与血管树内的位置相关联，以及
ii)血管树的医学图像数据；
模型构建器，其用于生成根据所述医学图像数据导出的3D几何模型；
配准元件，其用于基于所述至少一个流体压力测量结果的相关联的位置将所述至少一个流体压力测量结果空间配准到所生成的3D几何模型，以及
液体动力学分析器，其被配置为基于所述血管树的所述3D几何模型，使用经空间配准的压力测量结果作为边界条件来计算关于所述血管树的至少一个流量和/或阻力值。
计算流量或阻力的步骤具体地包括使用测量出的且经空间配准的压力读数作为用于在CFD算法中求解的边界条件。
我们提出了一种基于具有根据医学图像数据导出的几何模型的血管内压力测量结果来估计血液流量和/或阻力的新的方法。
所提出的系统和方法能够在血流储备分数(FFR)背景下并且与血流储备分数一起有利地使用。FFR提供评估功能性狭窄严重程度的方式。FFR对于分级由狭窄引起的功能性限制是一种可靠的措施。基于主动脉压Pa和狭窄远端的压力Pd，FFR被定义为FFR＝Pd/Pa的比率。FRR是对于评估冠状动脉中的狭窄的功能性效应广泛使用的指标。通常，FFR以侵入性方式，通过将压力线推进超过狭窄并测量穿过狭窄的压降来进行测量。
在一个实施例中，所提出的系统和方法允许以任何方式利用在常规FFR测量期间收集的压力读数。压力测量结果与基于图像(例如血管造影X射线或计算机断层摄影)的冠状血管几何形状的评估相结合。基于这种影像的计算模型被用于递送冠状动脉和/或心肌状况的几何图形的更完整的图片，这是FFR无法单独给出的。换言之，本发明不是与FFR竞争，而是改进和增进FFR，并额外提供流量或阻力信息。专用的和额外的流量测量结果的使用不是必须的。为了本目的，那么仅测量能够相对便宜地完成的压力(而不是流量)就足够了，因为压敏仪器通常是便宜的或者比流敏仪器便宜。相比之下，基于容易获得的原位压力测量结果来计算流量信息。如本文中所使用的“相对便宜”涉及流量或组合丝，其制造通常比纯粹的压力测量设备(也称为“压力丝”)更昂贵。
根据一个实施例，模型包括表示所述对象中的狭窄部分的至少一个位置，并且其中，模型构建器被重新配置为修改模型，以去除或至少缓解所述结构，并且其中，流体动力学分析器被配置为基于经修改的模型重新计算至少一个流量和/或阻力值。换言之，在本实施例中，所提出的系统能够对于未来治疗效果的虚拟检查来有利地使用，以更好地理解其医疗益处。通过从模型中几何地去除狭窄部分的结构(例如狭窄)能够“虚拟修复”对象(例如血管)，并且随后基于目前表示具有缓解的狭窄或没有狭窄的血管的经修改的模型重新运行计算。随后能够更好地“虚拟”(即“事先”)评估狭窄治疗的益处。在这种虚拟修复过程的一个实施例中，在血管模型的任何给定分支中，(前)狭窄位置下游的读数或者作为计算中的边界条件被保留，或者作为计算中的边界条件被忽略，或者作为这两个极端之间的中间地带，相应的下游读数针对希望修复的任何一个狭窄至少被缓解(正在加权)或修改。
根据一个实施例，流量或阻力的计算能够被外推到未收集压力测量结果的血管的分支中，以将所提出的方法的范围(remit)扩展到模型的其他部分，特别是随后的整个模型。
通常，针对多个测量位置计算多于一个的值(标量或矢量)。这些值一起定义相应的流体动力学的量(流量、压力或阻力)的相应的空间分布。
根据一个实施例，根据两个方面中的任一个的系统包括可视化器，其被配置为在显示设备上绘制计算出的流量、压力或阻力分布的可视化。
根据一个实施例，所述可视化包括空间分辨的流量图，其表示与所述对象内的位置相关联的流量分布。
根据一个实施例，图像数据包括血管造影数据或计算机断层摄影数据。备选地或者额外地，可以使用血管内光学相干断层摄影数据、MR数据或超声数据，特别是血管内超声数据。优选地，在血流储备分数程序期间收集至少一个流体压力测量结果。
根据一个实施例，所述系统包括用于提供所述图像数据的成像装置。
根据一个实施例，所述系统包括用于引入到对象内以收集对象内的至少一个压力测量结果的测量设备。更具体地，所述压力测量设备是具有至少一个压力传感器的导管。
在优选实施例中，导管在其头部或尖端提供有包括位置换能器的跟踪器。因此，对于每次压力测量，可以高准确度地建立与测量相关联的空间位置。根据本发明，这种位置数据用于将压力测量结果配准到几何血管模型。
根据第二方面，提供一种估计方法，包括：
接收从对象原位收集的至少一个流体压力测量结果，每个测量结果与血管树内的位置相关联；
接收医学图像数据；
生成根据图像数据导出的3D几何模型；
基于所述至少一个流体压力测量结果的相关联位置将至少一个流体压力测量结果配准到所生成的3D几何模型，以及
基于所述血管树的3D几何模型，使用经空间配准的压力测量结果作为边界条件来计算关于所述血管树的至少一个流量和/或阻力值。
所提出的方法和系统的应用主要设想在医学领域，特别是心脏病学。但是，这并不是说本文排除其他应用。首先，所述系统和方法可以用于估计心脏冠状动脉以外的其他器官中的流量、压力或阻力，并且可以在FFR背景以外收集相应的输入测量结果。例如，可以分析腿部动脉。在其他扩展中，可以例如在(VCMG)视频膀胱内压描记法中的泌尿科检查中计算尿液的流量或压力，而不是血流量。其次，也在医学领域之外，所提出的系统和方法也可以有利地实施，例如在地质学中，诸如在水下洞穴系统或其他的洞穴学的探测中。
附图说明
现在将参考以下附图描述本发明的范例性实施例，其中：
图1示出了流量或压力估计系统；
图2示出了由图1中的系统生成的图形显示；
图3示出了流量和压力估计方法的流程图；
图4示出了流量和阻力方法的图示；以及
图5是血管模型的一部分的图示。
具体实施方式
参考图1中的示意框图，示出了液体动力学分析器系统的组件。
所述系统能够用于FFR背景下的体积流量或阻力估计，但是，本文中不排除FFR以外的应用，甚至医学以外的应用。
简而言之，并且根据一个实施例，本文中提出的方法能够用于血液流量测量结果，其将血管内压力测量结果与根据医学图像数据导出的正在检查的血管的几何模型结合。有利的，但并非在所有实施例所必须的是，压力测量结果是在用合适的测量设备MD在常规FFR介入期间收集的。
更详细地并且继续参考图1，使用成像模态IM优选地但并非必要地采集例如人类或动物患者的冠状动脉或外周血管COR的感兴趣对象的3D图像数据。在一个实施例中，图像数据在旋转血管造影成像运行中生成。在成像之前、期间或之后，诸如压力丝的测量设备MD被用于在介入程序期间，在血管系统COR内或上的多个位置处采集相应的压力读数。压力丝是具有测量头的可操纵导丝。测量头由安装在导丝MD的尖端部分附近的一个或多个压力换能器/传感器形成。压力丝还可以包括扭矩设备以便于导航通过脉管系统。丝MD还可以包括诸如光学(形状感测)电磁跟踪的跟踪(子)系统TR，或者可以使用所提供的影像的图像处理以及由成像器IM使用的成像几何的知识在3D中跟踪丝MD。
优选地，读数包括跨血管树中的狭窄收集的那些读数。例如，这可以在FFR侵入期间以回拉序列协议来完成。应当理解，每个压力读数通常与在该处采集相应读数的冠状动脉COR内的某一个空间位置Xi相关联或至少可关联。这种压力与位置的关联也例如使用与压力丝的头部耦合的跟踪器TR的位置转换器自动生成。备选地，能够根据给定的测量头的初始位置和给定的空间采样频率(即，每单位长度进行多少次测量)及已知的测量轨迹(其实际上例如在回拉测量序列中是已知的)来计算位置。
压力读数和图像数据随后作为输入被转发至处理器段PC，其能够被实现为诸如工作站WS的通用计算机上的软件模块。基于该输入，所提出的液体动力学分析器系统的处理器组件在一个实施例中产生用于正在检查的血管系统COR的期望的体积血流量和/或阻力数据。
处理段PC接收输入端口IN处的图像数据和压力读数。根据图像数据，由模型构建器MB生成3D几何模型(诸如，网格模型等)。这在一个实施例中能够通过血管分割，即基于图像元素(像素、体素)强度的分割来实现。备选地，能够分割2D血管造影，并且基于血管的2D曲率、由用于血管造影的采集的成像模态IM使用的投影几何学和球形血管几何形状的假设构造3D血管模型。换言之，这允许根据单个投影图像构建3D模型。如此生成的模型和压力读数随后通过配准单元(未示出)在空间上彼此配准。换言之，在配准中，使与压力读数相关联的相应位置与模型中的相应几何点相对应。配准也能够是基于图像的配准、手动配准、或者可以是基于由跟踪器TR(如果有的话)提供的跟踪数据。
经空间配准的读数随后被转发到液体动力学分析器LDA组件。在一个实施例中，这被布置为流量或阻力估计器，其使用例如计算流量动力学(CFD)方法来计算体积流量值/估计值Qi。计算出的值是标量或矢量场。
更具体地，所采集的压力读数被用作边界条件来计算空间分辨的流量分布。在模型形成针对流量的几何约束的同时，压力读数局部描述流量。
体积流量和压力之间的关系是已知的，由诸如Navier-Stokes方程或与其近似的偏微分方程(例如，集总参数模型)的系统支配。方程的类型被编码到流量估计器FE中。偏微分方程通过有限元方法被空间离散化为潜在的大的常微分方程组，其能够随后通过针对流量值的各种数值技术来求解。CFD问题的解决方案通常能够描述为矢量场
(p是位置，
是针对该点处的流量的速度矢量)。矢量场是函数的集合，并且边界条件规定任何可能的解决方案必须经过的相位空间中的哪些点。即，对于任何解
p处的压力必须等于在所述点p处收集的压力值P。下面的CFD算法考虑了由边界条件施加的这些约束。
如果只对按照计算出的矢量场解的速度矢量的幅度(速度)感兴趣，则能够通过获取矢量分量的绝对值
将其转换为标量场。备选地，使用集总参数模型或其他方法能够将这些值直接计算为标量。
在另一实施例中，集总元件方法例如在US 2011/0071404中进行了描述。集总元件方法已被表明提供快速转换。本文中也设想任何其他的CFD技术。在一个实施例中，这样计算出的体积流量值(具体地，在每个点处的速度)的集合一起形成针对模型的空间分辨的体积流量分布。即，在模型的每个位置(其又对应于对象COR内的位置)处，流量估计器单元将流量值(如每秒的体积，例如ml/s)相关联。
这样估计出的流量或阻力值在输出端口OUT处产生为数值。优选地，估计由可视化器VIZ可视化并且被渲染，以用于在监视器MT上显示。更具体地，流量估计在空间分辨上移位，即，每次估计被显示为与模型中或图像数据中的相应位置相关联。
图2基于在面板A)中示意性示出的血管COR内的不同位置处收集的压力测量结果p1、p2、p3在面板B)中示出了空间分辨的流量估计图的可视化GD的范例。可视化GD根据由估计器FE计算的空间排列的流量估计值Q1、Q2和Q3形成。能够对流量估计值Qi进行颜色编码(以不同的线型显示：点线、实线和虚线)并且如图2B所示重叠在图像数据或模型的再现上。2B)中的图形显示仅作为范例图示了仅有3个测量集合的相当程度的离散化。因此，该模型被分解为三个部分。也可以设想更精确的离散化，但原则上只需要进行3次甚至2次压力测量就足够了。
应当注意，模型构建器MB可能不一定用于根据图像数据本身构建模型。在备选的方法中，能够使用通用网格模型，其随后根据从对象采集的图像数据来适配。例如，能够使用迭代正向投影技术来使在连续迭代中的通用模型变形，直到跨经变型的通用模型的投影对应于所采集的图像数据(实际投影)。以这种方式，通用模型能够被个性化或“定制”为手边的对象COR的图像数据。
为了在FFR中获得更有说服力的结果，建议在受试者的两种状态下采集压力读数，一种设置在紧张状态下，一种设置在放松状态下。换言之，在某些或每个位置处采集一对压力读数：一个处于紧张状态，另一个处于受试者的放松状态。
在一个实施例中，其中，模型构建器MB被重新配置为修改模型以去除或至少缓解模型的结构特征以及随后的所述结构(例如狭窄中的狭窄部分)，并且其中，液体动力学分析器LDA被配置为基于经修改的模型重新计算流量值和/或阻力值。下面将在步骤S40a、b更详细地说明这种操作。
参考图3A)，示出了液体动力学分析方法，具体地是流量或阻力估计方法的流程图。
在步骤S10a，在多个位置处从对象或在对象中原位收集多个压力测量结果。使用配备有压力传感器的导管或导丝获取多个血管内压力测量结果。已经证明，至少某些测量点或位置(在步骤S10a中，在该处收集压力读数)包括血管树的几何血管模型的至少一个入口和至少一个出口的位置是有利的。这允许使后续(步骤S20a)计算更加现实，甚至对于树中的其他血管分段。除此之外，在一个实施例中，相应的一对测量结果被放置上游和下游，至少一个或仍然更好地在任何狭窄位置上。
在可选步骤S20a处，基于所述对象的模型并且基于在CFD求解算法中使用所收集的测量结果作为边界条件来计算驻留在对象中或通过对象的液体的流量分布。
还设想在一些实施例中将流量或阻力值外推到对应于未收集测量结果的对象中的位置(例如在血管模型的分支中)的模型的部分中。这通过使用也针对未收集测量结果的模型的部分的一个或多个边界条件来完成。这能够通过使用在结构上或功能上对应于测量分支中的位置的所述其他部分中的位置处的一些边界条件来完成。例如，可以在不同分支中的出口点处使用基于出口点处的测量结果的边界条件。
在(任选的)步骤S30a，在显示设备上可视化估计值或流量分布。
尽管在上述实施例中已经收集了原位压力测量结果来计算体积流量值，但是还设想对此的双重方法，在流程图B)中以相应的步骤S10b-S30b示出。因此，在步骤S10b不是原位收集压力测量结果，而是原位收集流量测量结果，随后在步骤S20b中完全类似于步骤S20a来计算压力分布。随后在步骤S30b中能够将压力值显示为空间分辨的压力分布值。
在以上方法A)和B)之一中，至少应该知道关于3D几何模型的测量结果的位置。能够根据从对象1采集的图像数据来构造模型。图像数据优选是3D或立体的。在X线血管造影的情况下，可能使用来自不同角度的旋转序列或两个投影。可能地是，当使用对血管的横截面形状的假设时，可能单个投影也是足够的。例如，可以假定是先验的圆形血管横截面。在一些实施例中，仅仅2D模型而不是3D模型的构造也可以是足够的。能够基于单向图像数据的另一个实施例是密度测量方法，其中预测投影方向上的直径。例如参见关于密度测量的US 2007/0053558A1。原则上，能够使用不同于X射线血管造影的成像方法来生成几何血管模型。这尤其适用于血管内光学相干断层摄影(OCT)或超声波(US)，但也可能包括MRT和CT。
在流量估计实施例中，与“点”速度值(以距离/长度所测量的)相反，计算体积流量值(以体积/秒来测量的)，“点”速度值通常由诸如测量流量和压力二者的组合线的常规流量测量设备产生。点速度值能够根据收集流量测量结果的位置处的模型的几何结构通过乘以相应的血管横截面转换为体积数据。
尽管流量速度要求当悬浮在正在检查的液体中时虚构点以该速度(方向和速率)穿行，但体积流量要求通过定位在液体中任何给定位置处的虚构平面区域的液体的量。已经发现，对于评价组织活力，体积流量数据比依据速度的流量更为相关，并且比压力更为相关。
所提出的方法在狭窄存在时特别敏感(当从入口到出口发生压降时)。但是，已经发现，如果压降接近于零，则它不太敏感。压力测量能够在正常条件下执行，或者在药物引起充血以增加沿血管的压力损失期间进行。
所提出的方法和系统可以提供用于体积流量测量的更可靠的方法，并且能够潜在地代替利用“组合线”设备或PET测量的昂贵的流量测量。“组合线”包括允许测量压力和流量二者的那些测量设备。
上述提出的实施例的其他改进是将图像数据分割成针对血管树的每个分支的灌注子体积，并且将计算出的血液流量分配给每个子体积。这能够提供“虚拟灌注图”。
当在正常条件下和充血时(即处于放松状态)进行冠状动脉压力测量时，能够根据计算出的流量值预测冠状动脉流量储备(CFR)指数。参见例如Kern，Morton J等人的“Current concepts of integrated coronary physiology in the catheterizationlaboratory”(Journal of the American College of Cardiology 55，3(2010)，第173-185页。)
在其他改进中，压力或流量测量结果能够与ECG信号同步，以分别计算与心脏相位相关的流量或压力。这可以包括利用4D(即，3D+时间)冠状动脉模型。图4是根据图3A)的方法的图示。在不同位置收集压力读数P1-P7。基于3D模型并使用测量出的压力数据作为CFD算法中的边界条件，计算相应的流量值Q1-Q5，另外，使用模型的几何形状，还能够将流量Q6-Q8外推到未收集压力测量结果的分支中。备选地并且以类似的方式，能够针对经测量的分支和用于其他分支(其中没有收集到测量结果)的内插值R6、R7来计算对应的阻力值R1-R5。例如，如能够在图4中所看到的，通过使用经测量的分支的出口处的读数P6，外推到血管模型的其他分支中，作为用于其他(未测量的)分支的相应出口读数边界条件，从而分别计算值Q6-Q8和R7-R8。
能够类似于图3中的方法B)执行与图4相关的上述相同过程，其中，收集流量测量结果，并且计算压力和/或阻力值(为了说明该实施例，每个“P”在图4中交换为“Q”)。
在图5中示出了可与上述任何一种结合的又一改进。边界条件(即原位收集的压力或流量测量结果)能够向下定位到图中所示的横截面水平，假定由跟踪器子系统TR提供的跟踪信息足够详细。因此，不是仅仅将边界收集分配给血管中的某个截面(在某些实施例中可以细化)，而是边界条件沿该截面的特定半径分配，以精确地“限定”在距离相应的血管截面中的血管壁合适的距离处的边界条件。随后能够根据所使用的CFD算法将边界条件映射到空间节点。这种改进在收集流量测量结果的图3B)的实施例中是特别有利的，因为对于沿横截面半径的变化，即距血管壁的距离，这些是已知的。这些位置在图5中被示出为在所示的范例性横截面中的“X”。例如，一些3D CFD算法使用由多个元素(诸如四面体或覆盖血管内空间的其他元素)构成的3D节点系统。能够通过使用跟踪信息来实现在模型的横截面内将作为边界条件的测量结果空间分配为这些节点元素的顶点或中心点等。能够预计相关联的压力的计算将会更准确。而且，能够预计边界条件的这些定位以返回用于图3A)实施例的更准确的结果。
也可能能够利用QCA(定量冠状动脉分析)，即估计“健康的”血管轮廓来“修复”狭窄的血管并重新计算，以便能够模拟相对体积流量或压力。在一个实施例中，在上述图3的方法A)、B)中的任一个中，所述方法包括用于其中模型包括表示诸如血管对象中的狭窄的狭窄部分的至少一个位置的情况的其他步骤。这种其他步骤包括修改S40a、b模型，以基于经修改的模型去除或至少缓解所述结构并且分别重新计算i)至少一个流量和/或阻力值或者ii)至少一个压力/和/或阻力值。更详细地，并且为了明确起见参考图3中的方法A)，方法能够有利地用于未来治疗措施的虚拟检查，以更好地理解其医疗益处。通过几何地从模型中去除或缓解狭窄，能够“虚拟地修复”对象(例如血管)，随后基于表示具有缓解的狭窄或没有狭窄的血管的经修改的模型重新运行CFD算法的计算。然后能够更好地(虚拟)，即事先评价狭窄治疗的益处。换言之，并且根据一个实施例，可以(重新)使用模型构建器MB来通过几何地去除表示相应狭窄的相应狭窄部分来适配模型。在一个实施例中，这是通过使用在狭窄部分的上游和下游的血管横截面/宽度来完成，以在两者之间线性地(或更高维地)内插，从而几何上消除狭窄部分。通过这种方式，创建一个新的经修改的模型来表示新的几何边界条件。
之前计算的测量结果作为针对经修改的模型的边界条件被保留，或者下游读数/现在修改的狭窄被忽略，或者同样适用于减缓这些下游边界条件的效应。例如，边界条件可以乘以适当的加权因子，以在针对经修改的模型的流量或阻力的计算中实施这种减缓。这种虚拟修复过程也能够与图3中的正在计算压力和/或阻力的实施例B)一起类似地使用。优选地，相应边界条件的这些适应在针对狭窄部分位于血管模型的任何给定分支的(之前的或修改的)狭窄部分的下游完成。
以上提出的方法或系统本身用于人体动脉中的所有类型的狭窄的功能性评估，包括冠状动脉、髂动脉、股动脉、臂动脉和肝动脉以及颈动脉。
根据图1的流量或压力估计系统的组件可以被布置为分布式架构中的单独模块并且连接在合适的通信网络中。
组件可以安排为专用的FPGA或硬连线独立芯片。
组件，具体地液体动力学分析器LDA可以以合适的编程语言，例如C++或C例程进行编程。备选地，也可以使用更高水平的科学计算平台，例如
或
在本发明的另一范例性实施例中，提供一种计算机程序或计算机程序元件，其特征在于适于在适当的系统上执行根据前述实施例之一的方法的方法步骤。
计算机程序元件因此可以存储在计算机单元上，所述计算机单元也可能是本发明实施例的一部分。这种计算单元可以适用于执行或引起执行上述方法的步骤。此外，它可以适用于操作上述装置的组件。计算单元能够适用于自动操作和/或执行用户的命令。计算机程序可以被加载到数据处理器的工作存储器中。数据处理器因此可以被配备为执行本发明的方法。
本发明的这种范例性实施例包括从一开始就使用本发明的计算机程序和通过更新将现有程序变为使用本发明的程序的计算机程序二者。
此外，计算机程序元件可能能够提供实现上述方法的范例性实施例的过程的所有必要步骤。
根据本发明的另一范例性实施例，提供诸如CD-ROM之类的计算机可读介质，其中，计算机可读介质具有存储在其上的计算机程序元件，该计算机程序元件由前一部分描述。
计算机程序可以被存储和/或分布在合适的介质上(具体地但不一定是非瞬态介质)，诸如与其他硬件一起或作为其他硬件的一部分提供的光血存储介质或固态介质，但也可以以其他形式分布，例如经由互联网或其他有线或无线电信系统。
然而，计算机程序也可以通过例如万维网的网络来呈现，并且能够从这样的网络下载到数据处理器的工作存储器中。根据本发明的另一范例性实施例，提供一种用于使计算机程序元件可用于下载的介质，所述计算机程序元件被布置为执行根据本发明的前述实施例之一的方法。
必须注意，参考不同的主题描述了本发明的实施例。然而，本领域技术人员将从以上和以下描述中收集到，除非另有明示，否则除了属于一个类型的主题的特征的任何组合之外，还考虑与不同主题相关的特征之间的任何组合与本申请一起公开。然而，所有功能都能够组合使用，这样提供的协同效果不仅仅是功能的简单总和。
尽管已经在附图和前面的描述中详细说明和描述了本发明，但是的说明和描述被认为是说明性的或范例性的而不是限制性的。本发明不限于所公开的实施例。通过研究附图、公开内容和从属权利要求，本领域技术人员在实践要求保护的本发明时可以理解和实现已公开实施例的其他变型。
在权利要求中，词语“包括”不排除其他元件或步骤，并且不定冠词“一”或“一个”不排除多个。单个处理器或其他单元可以实现权利要求中记载的若干项目的功能。仅有某些措施记载在相互不同的从属权利要求中的事实并不表示这些措施的组合不能被有利地使用。权利要求中的任何附图标记不应被解释为对范围的限制。
Claims (16)
1.一种用于流体动力学的估计系统，包括：
输入端口(IN)，其用于接收
i)从血管树(COR)原位收集的至少一个流体压力测量结果，每个压力测量结果与所述血管树内的位置相关联，以及
ii)所述血管树(COR)的医学图像数据；
模型构建器(MB)，其用于生成根据所述医学图像数据导出的3D几何模型；
配准单元，其用于基于所述至少一个流体压力测量结果的相关联的位置将所述至少一个流体压力测量结果空间配准到所生成的3D几何模型；
液体动力学分析器(LDA)，其被配置为基于所述血管树的所述3D几何模型，使用经空间配准的压力测量结果作为边界条件来计算关于所述血管树(COR)的至少一个流量和/或阻力值。
2.根据权利要求1所述的估计系统，其中，所述几何模型包括表示在所述血管树中的狭窄部分的至少一个位置，并且其中，所述模型构建器(MB)被重新配置为修改所述模型以移除或至少缓解所述狭窄部分，并且其中，所述液体动力学分析器(LDA)被配置为基于经修改的模型重新计算所述至少一个流量和/或阻力值。
3.根据权利要求1所述的估计系统，其中，所述图像数据包括血管造影X射线数据或计算机断层摄影数据。
4.根据权利要求1所述的估计系统，还包括成像装置(IM)，其用于提供所述图像数据。
5.根据前述权利要求中的任一项所述的估计系统，还包括测量设备(MD)，其用于引入所述血管树(COR)中，以收集所述至少一个流体压力测量结果。
6.根据权利要求5所述的估计系统，其中，所述测量设备是具有至少一个压力传感器的导管。
7.根据权利要求6所述的估计系统，其中，所述导管的头部提供有包括位置转发器的跟踪器(TR)，用于建立与压力测量相关联的位置。
8.一种估计方法，包括：
从血管树接收原位收集的至少一个流体压力测量结果，每个测量结果与血管树内的位置相关联；
接收医学图像数据；
生成根据所述图像数据导出的3D几何模型；
基于所述至少一个流体压力测量结果的相关联的位置将所述至少一个流体压力测量结果配准到所生成的3D几何模型，以及
基于所述血管树的所述3D几何模型，使用经空间配准的压力测量结果作为边界条件来计算关于所述血管树的至少一个流量和/或阻力值。
9.根据权利要求8所述的方法，其中，所述模型包括表示在所述血管树中的狭窄部分的至少一个位置，并且其中，所述方法包括修改(S40a、S40b)所述模型以移除或至少缓解所述狭窄部分，并且基于经修改的模型重新计算所述至少一个流量和/或阻力值。
10.根据权利要求8所述的方法，其中，在所述血管树(COR)中的狭窄两端收集压力测量结果。
11.根据权利要求8、9或10中的任一项所述的方法，其中，至少在所述血管树的所述几何模型的至少一个入口和至少一个出口的位置处收集压力测量结果。
12.一种估计装置，包括：
用于从血管树接收原位收集的至少一个流体压力测量结果的单元，每个测量结果与血管树内的位置相关联；
用于接收医学图像数据的单元；
用于生成根据所述图像数据导出的3D几何模型的单元；
用于基于所述至少一个流体压力测量结果的相关联的位置将所述至少一个流体压力测量结果配准到所生成的3D几何模型的单元，以及
用于基于所述血管树的所述3D几何模型，使用经空间配准的压力测量结果作为边界条件来计算关于所述血管树的至少一个流量和/或阻力值的单元。
13.根据权利要求12所述的装置，其中，所述模型包括表示在所述血管树中的狭窄部分的至少一个位置，并且其中，所述估计装置还包括用于修改(S40a、S40b)所述模型以移除或至少缓解所述狭窄部分并且基于经修改的模型重新计算所述至少一个流量和/或阻力值的单元。
14.根据权利要求12所述的装置，其中，在所述血管树(COR)中的狭窄两端收集压力测量结果。
15.根据权利要求12、13或14中的任一项所述的装置，其中，至少在所述血管树的所述几何模型的至少一个入口和至少一个出口的位置处收集压力测量结果。
16.一种计算机可读介质，其具有存储于其上的用于控制根据权利要求1至7中的任一项所述的系统的计算机程序元件，所述计算机程序元件在由处理单元(WS)运行时适于执行根据权利要求8至11中的任一项所述的方法的步骤。
Applications Claiming Priority (3)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| EP15187350.2 | 2015-09-29 | ||
| EP15187350 | 2015-09-29 | ||
| PCT/EP2016/072885 WO2017055228A1 (en) | 2015-09-29 | 2016-09-27 | Estimating flow, resistance or pressure from pressure or flow measurements and angiography |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN108140430A CN108140430A (zh) | 2018-06-08 |
| CN108140430B true CN108140430B (zh) | 2022-04-05 |
Family
ID=54266365
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201680056879.9A Active CN108140430B (zh) | 2015-09-29 | 2016-09-27 | 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 |
Country Status (6)
| Country | Link |
|---|---|
| US (2) | US11177030B2 (zh) |
| EP (1) | EP3356969B1 (zh) |
| JP (1) | JP6745875B2 (zh) |
| CN (1) | CN108140430B (zh) |
| RU (1) | RU2717885C1 (zh) |
| WO (1) | WO2017055228A1 (zh) |
Families Citing this family (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| EP3453326A1 (en) * | 2017-09-08 | 2019-03-13 | Koninklijke Philips N.V. | Registration and comparison of measured and simulated intracoronary pullback curves |
| EP3488774A1 (en) * | 2017-11-23 | 2019-05-29 | Koninklijke Philips N.V. | Measurement guidance for coronary flow estimation from bernoulli´s principle |
| EP3813654A4 (en) | 2018-06-27 | 2022-04-06 | Opsens Inc. | ASSESSMENT OF HEMODYNAMIC FUNCTION USING A HYBRID PROCESS OF INVASIVE PRESSURE MEASUREMENT AND IMAGING |
| EP3624132A1 (en) * | 2018-09-13 | 2020-03-18 | Koninklijke Philips N.V. | Calculating boundary conditions for virtual ffr and ifr calculation based on myocardial blush characteristics |
| CN109770888A (zh) * | 2019-03-19 | 2019-05-21 | 苏州润迈德医疗科技有限公司 | 基于压力传感器和造影图像计算瞬时无波形比率的方法 |
| US11642172B2 (en) * | 2019-03-05 | 2023-05-09 | Biosense Webster (Israel) Ltd. | Showing catheter in brain |
| JP2021052825A (ja) * | 2019-09-26 | 2021-04-08 | テルモ株式会社 | 医療システム |
| CN110765707B (zh) * | 2019-11-18 | 2024-03-12 | 郑州航空工业管理学院 | 一种基于cfd数值模拟的流体设备阻力优化方法 |
| CN111067495A (zh) * | 2019-12-27 | 2020-04-28 | 西北工业大学 | 基于血流储备分数和造影图像的微循环阻力计算方法 |
| CN111067494B (zh) * | 2019-12-27 | 2022-04-26 | 西北工业大学 | 基于血流储备分数和血流阻力模型的微循环阻力快速计算方法 |
| CN111091913A (zh) * | 2019-12-27 | 2020-05-01 | 西北工业大学 | 基于血流储备分数和冠状动脉ct造影图像的微循环阻力计算方法 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102469943A (zh) * | 2009-07-14 | 2012-05-23 | 通用医疗公司 | 用于测量脉管内流动和压力的设备、系统和方法 |
| EP2480124A2 (en) * | 2009-09-23 | 2012-08-01 | Lightlab Imaging, Inc. | Lumen morphology and vascular resistance measurement data collection systems, apparatus and methods |
| 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 |
| WO2014106186A1 (en) * | 2012-12-31 | 2014-07-03 | Volcano Corporation | Devices, systems, and methods for assessment of vessels |
| CN104582572A (zh) * | 2012-08-16 | 2015-04-29 | 株式会社东芝 | 图像处理装置、医用图像诊断装置以及血压监视器 |
Family Cites Families (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US7729742B2 (en) * | 2001-12-21 | 2010-06-01 | Biosense, Inc. | Wireless position sensor |
| US7970187B2 (en) | 2005-09-06 | 2011-06-28 | Pie Medical Imaging B.V. | Method, apparatus and computer program for contour detection of vessels using x-ray densitometry |
| US7953266B2 (en) * | 2007-02-06 | 2011-05-31 | Siemens Medical Solutions Usa, Inc. | Robust vessel tree modeling |
| US9129053B2 (en) | 2012-02-01 | 2015-09-08 | Siemens Aktiengesellschaft | Method and system for advanced measurements computation and therapy planning from medical data and images using a multi-physics fluid-solid heart model |
| 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 |
| BR112014028143A2 (pt) | 2012-05-14 | 2017-06-27 | Koninklijke Philips Nv | sistema e meio de armazenamento legível por computador |
| JP6419425B2 (ja) | 2012-11-29 | 2018-11-07 | キヤノンメディカルシステムズ株式会社 | 血流機能検査装置、及び、ｘ線診断装置 |
| JP6411459B2 (ja) | 2013-04-12 | 2018-10-24 | コーニンクレッカ フィリップス エヌ ヴェＫｏｎｉｎｋｌｉｊｋｅ Ｐｈｉｌｉｐｓ Ｎ．Ｖ． | 冠血流予備量比シミュレーションに対する形状感知超音波プローブ |
| US9462952B2 (en) * | 2013-08-09 | 2016-10-11 | Siemens Aktiengesellschaft | System and method for estimating artery compliance and resistance from 4D cardiac images and pressure measurements |
-
2016
- 2016-09-27 US US15/764,878 patent/US11177030B2/en active Active
- 2016-09-27 RU RU2018116001A patent/RU2717885C1/ru active
- 2016-09-27 EP EP16781688.3A patent/EP3356969B1/en active Active
- 2016-09-27 WO PCT/EP2016/072885 patent/WO2017055228A1/en active Application Filing
- 2016-09-27 JP JP2018515976A patent/JP6745875B2/ja active Active
- 2016-09-27 CN CN201680056879.9A patent/CN108140430B/zh active Active
-
2021
- 2021-11-15 US US17/526,001 patent/US11881299B2/en active Active
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102469943A (zh) * | 2009-07-14 | 2012-05-23 | 通用医疗公司 | 用于测量脉管内流动和压力的设备、系统和方法 |
| EP2480124A2 (en) * | 2009-09-23 | 2012-08-01 | Lightlab Imaging, Inc. | Lumen morphology and vascular resistance measurement data collection systems, apparatus and methods |
| 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 |
| CN104582572A (zh) * | 2012-08-16 | 2015-04-29 | 株式会社东芝 | 图像处理装置、医用图像诊断装置以及血压监视器 |
| WO2014106186A1 (en) * | 2012-12-31 | 2014-07-03 | Volcano Corporation | Devices, systems, and methods for assessment of vessels |
Also Published As
| Publication number | Publication date |
|---|---|
| WO2017055228A1 (en) | 2017-04-06 |
| US20180286517A1 (en) | 2018-10-04 |
| US11881299B2 (en) | 2024-01-23 |
| JP2018534019A (ja) | 2018-11-22 |
| US11177030B2 (en) | 2021-11-16 |
| JP6745875B2 (ja) | 2020-08-26 |
| EP3356969A1 (en) | 2018-08-08 |
| US20220076805A1 (en) | 2022-03-10 |
| CN108140430A (zh) | 2018-06-08 |
| RU2717885C1 (ru) | 2020-03-26 |
| EP3356969B1 (en) | 2020-04-15 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN108140430B (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 | |
| US10580526B2 (en) | System and method for calculating vessel flow parameters based on angiography | |
| US11490867B2 (en) | Fractional flow reserve determination | |
| CN105792738B (zh) | 用于改善功能狭窄分析的局部ffr估计和可视化 | |
| US9907527B2 (en) | Vascular data processing and image registration systems, methods, and apparatuses | |
| 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 | |
| Papamanolis et al. | Myocardial perfusion simulation for coronary artery disease: a coupled patient-specific multiscale model | |
| EP4091536A1 (en) | Vascular data processing and image registration methods | |
| CN104768465A (zh) | 血流储备分数(ffr)指标 | |
| CN106572824A (zh) | 狭窄评估 | |
| US11039804B2 (en) | Apparatus and method for determining a fractional flow reserve | |
| US10898267B2 (en) | Mobile FFR simulation | |
| EP3456243A1 (en) | Improved vessel geometry and additional boundary conditions for hemodynamic ffr/ifr simulations from intravascular imaging | |
| Waechter et al. | Model-based blood flow quantification from rotational angiography | |
| JP2020510451A (ja) | 生物物理的シミュレーション用の血管樹標準化及び／又はプルーニングされた部分用の拡張シミュレーション | |
| CN110929604B (zh) | 基于造影图像的流速的筛选方法、装置、系统和存储介质 | |
| EP3457404A1 (en) | Estimating flow to vessel bifurcations for simulated hemodynamics | |
| US10463334B2 (en) | System and method for non-invasive, quantitative measurements of blood flow parameters in vascular networks | |
| Waechter-Stehle et al. | Model-based blood flow quantification from DSA: quantitative evaluation on patient data and comparison with TCCD |
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 |