CN108348206A - 用于无创血流储备分数(ffr)的侧支流建模 - Google Patents
用于无创血流储备分数(ffr)的侧支流建模 Download PDFInfo
- Publication number
- CN108348206A CN108348206A CN201680064744.7A CN201680064744A CN108348206A CN 108348206 A CN108348206 A CN 108348206A CN 201680064744 A CN201680064744 A CN 201680064744A CN 108348206 A CN108348206 A CN 108348206A
- Authority
- CN
- China
- Prior art keywords
- flow
- boundary condition
- coronary
- collateral flow
- collateral
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 230000017531 blood circulation Effects 0.000 title abstract description 6
- 210000004351 coronary vessel Anatomy 0.000 claims abstract description 65
- 238000000034 method Methods 0.000 claims abstract description 45
- 230000006870 function Effects 0.000 claims description 24
- 238000002586 coronary angiography Methods 0.000 claims description 12
- 238000002591 computed tomography Methods 0.000 claims description 7
- 230000004044 response Effects 0.000 claims description 6
- 210000005166 vasculature Anatomy 0.000 claims description 2
- 208000031481 Pathologic Constriction Diseases 0.000 description 9
- 208000037804 stenosis Diseases 0.000 description 9
- 230000036262 stenosis Effects 0.000 description 9
- 210000002565 arteriole Anatomy 0.000 description 7
- 238000003384 imaging method Methods 0.000 description 7
- 201000000057 Coronary Stenosis Diseases 0.000 description 5
- 210000004204 blood vessel Anatomy 0.000 description 5
- 208000029078 coronary artery disease Diseases 0.000 description 5
- 238000005259 measurement Methods 0.000 description 5
- 230000005855 radiation Effects 0.000 description 5
- 230000015572 biosynthetic process Effects 0.000 description 4
- 238000004422 calculation algorithm Methods 0.000 description 4
- 239000012530 fluid Substances 0.000 description 4
- 238000003786 synthesis reaction Methods 0.000 description 4
- 238000004458 analytical method Methods 0.000 description 3
- 210000001367 artery Anatomy 0.000 description 3
- 230000036772 blood pressure Effects 0.000 description 3
- 238000003745 diagnosis Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 230000000004 hemodynamic effect Effects 0.000 description 3
- 238000012549 training Methods 0.000 description 3
- 230000003044 adaptive effect Effects 0.000 description 2
- 230000004075 alteration Effects 0.000 description 2
- 230000010455 autoregulation Effects 0.000 description 2
- 239000008280 blood Substances 0.000 description 2
- 210000004369 blood Anatomy 0.000 description 2
- 238000010968 computed tomography angiography Methods 0.000 description 2
- 238000003487 electrochemical reaction Methods 0.000 description 2
- 239000000284 extract Substances 0.000 description 2
- 208000028867 ischemia Diseases 0.000 description 2
- 230000000302 ischemic effect Effects 0.000 description 2
- 230000003902 lesion Effects 0.000 description 2
- 238000010801 machine learning Methods 0.000 description 2
- 238000002595 magnetic resonance imaging Methods 0.000 description 2
- 230000007246 mechanism Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000011218 segmentation Effects 0.000 description 2
- 238000004088 simulation Methods 0.000 description 2
- 206010011089 Coronary artery stenosis Diseases 0.000 description 1
- 210000000709 aorta Anatomy 0.000 description 1
- 210000001765 aortic valve Anatomy 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 238000009530 blood pressure measurement Methods 0.000 description 1
- 238000009534 blood test Methods 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000006835 compression Effects 0.000 description 1
- 238000007906 compression Methods 0.000 description 1
- 239000002872 contrast media Substances 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 201000010099 disease Diseases 0.000 description 1
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 1
- 239000003814 drug Substances 0.000 description 1
- 230000002526 effect on cardiovascular system Effects 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 230000000544 hyperemic effect Effects 0.000 description 1
- 230000008774 maternal effect Effects 0.000 description 1
- 230000002107 myocardial effect Effects 0.000 description 1
- 208000031225 myocardial ischemia Diseases 0.000 description 1
- 230000000414 obstructive effect Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 230000000737 periodic effect Effects 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 210000003462 vein Anatomy 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
- G06T7/0012—Biomedical image inspection
-
- 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
- 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
- A61B5/02028—Determining haemodynamic parameters not otherwise provided for, e.g. cardiac contractility or left ventricular ejection fraction
-
- 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
- A61B5/026—Measuring blood flow
-
- 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
- A61B5/026—Measuring blood flow
- A61B5/0285—Measuring or recording phase velocity of blood waves
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
- A61B6/02—Arrangements for diagnosis sequentially in different planes; Stereoscopic radiation diagnosis
- A61B6/03—Computed tomography [CT]
- A61B6/032—Transmission computed tomography [CT]
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
- A61B6/48—Diagnostic techniques
- A61B6/481—Diagnostic techniques involving the use of contrast agents
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
- A61B6/48—Diagnostic techniques
- A61B6/486—Diagnostic techniques involving generating temporal series of image data
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
- A61B6/50—Apparatus 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
- A61B6/503—Apparatus 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 the heart
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
- A61B6/50—Apparatus 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
- A61B6/504—Apparatus 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
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
- A61B6/50—Apparatus 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
- A61B6/507—Apparatus 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
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis 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
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T15/00—3D [Three Dimensional] image rendering
- G06T15/08—Volume rendering
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/11—Region-based segmentation
-
- 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
- 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
- G16H50/30—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for calculating health indices; for individual health risk assessment
-
- 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
- G06T19/00—Manipulating 3D models or images for computer graphics
- G06T19/20—Editing of 3D images, e.g. changing shapes or colours, aligning objects or positioning parts
-
- 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
- G06T2207/10—Image acquisition modality
- G06T2207/10072—Tomographic images
- G06T2207/10081—Computed x-ray tomography [CT]
-
- 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
- G06T2207/30048—Heart; Cardiac
-
- 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
- G06T2207/30104—Vascular flow; Blood flow; Perfusion
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Medical Informatics (AREA)
- Public Health (AREA)
- General Health & Medical Sciences (AREA)
- Physics & Mathematics (AREA)
- Biomedical Technology (AREA)
- Pathology (AREA)
- Veterinary Medicine (AREA)
- Animal Behavior & Ethology (AREA)
- Surgery (AREA)
- Biophysics (AREA)
- Molecular Biology (AREA)
- Heart & Thoracic Surgery (AREA)
- Radiology & Medical Imaging (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Cardiology (AREA)
- Optics & Photonics (AREA)
- High Energy & Nuclear Physics (AREA)
- Physiology (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Dentistry (AREA)
- Epidemiology (AREA)
- Hematology (AREA)
- Primary Health Care (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Physics & Mathematics (AREA)
- Vascular Medicine (AREA)
- Databases & Information Systems (AREA)
- Data Mining & Analysis (AREA)
- Quality & Reliability (AREA)
- Computer Graphics (AREA)
- Pulmonology (AREA)
- Apparatus For Radiation Diagnosis (AREA)
- Magnetic Resonance Imaging Apparatus (AREA)
Abstract
一种方法包括获得包括对象的冠状动脉血管的体积图像数据。所述方法还包括识别所述体积图像数据中的所述冠状动脉血管。所述方法还包括识别针对所识别的冠状动脉血管的侧支流的存在。所述方法还包括确定所述侧支流的边界条件。所述方法还包括构建边界条件参数模型,所述边界条件参数模型包括表示所述侧支流的所述边界条件的项。所述方法还包括利用所述边界条件参数模型来确定针对所述冠状动脉血管的血流储备分数指数。
Description
技术领域
以下大体涉及无创血流储备分数(FFR)并且更具体地涉及用于无创FFR的侧支流建模,并且具体应用于计算机断层摄影(CT)进行描述。然而,以下还适用于其他成像模态,包括X射线、磁共振成像(MRI)和/或其他成像模态。
背景技术
FFR是根据在冠状动脉血管造影期间完成的压力测量结果计算的冠状动脉狭窄的功能严重性的指数并且被定义为在充血状况下相对于近端压力(接近于孔口(Ostium))的远端血压(在狭窄后面)(即,在病变之后的压力与正常压力之间的比率)。换言之,FFR表达与在假设缺少狭窄的情况下的最大流量相比较的在存在狭窄的情况下的血管的最大流下。FFR值是0与1之间的绝对数,其中,值0.50指示给定狭窄引起血压中的50%下降,并且促进狭窄的程度的诊断。
计算机断层摄影冠状动脉血管造影(CCTA)是用于冠状动脉疾病(CAD)的评价的无创技术。CAD探测中的高负预测值将CCTA定位为以对疾病的低到中等预测试概率排除有症状患者中的CAD的无创技术。然而,文献指示CCTA在评估冠状动脉病变的血液动力学意义中被限制。根据CCTA评估血液动力学意义需要冠状动脉的准确的分割以生成用于流模拟的三维模型和对与非被成像的脉管系统的接口建模的边界条件模型。在许多自动和半自动工具可用于根据CCTA数据生成冠状动脉树的3D模型时,对边界条件的准确建模留下重大挑战。
FFR-CT具有通过从CCTA数据添加血液动力学意义评估改进CCTA特异性的潜在性。已知如何将分析性模型(诸如阻力、阻抗和弹性腔模型)耦合到截断的计算域的边界。然而,这些方法使用基于经验测量结果的恒定参数。实际上,在不同个体的测量结果之间存在大变异性。此外,若干研究示出毛细血管的阻力被自动调节以考虑母体冠状动脉中的狭窄的存在。在2015年6月24日递交的题为“Apparatus for determining a fractional flowreserve value”的PCT申请PCT/EP2015/064168中描述了考虑由于冠状动脉狭窄的存在的毛细血管的阻力的自动调节的改变的自适应阻力FFR-CT模型,通过引用将其整体并入本文。
侧支流是自动调节机构,其由身体使用以通过创建支持到潜在地缺血性区域的侧支血流的新小动脉由被用于在冠状动脉狭窄的情况下防止局部缺血。文献指示即使在缺少堵塞性冠状动脉疾病的情况下或在整个正常心脏中,在研究的群体的20-25%中已经存在足以防止心肌缺血的ECG标志的针对短暂地堵塞的冠状动脉的侧支流。然而,由于侧支小动脉的小直径,CCTA不能直接地描绘支持侧支血流的侧支小动脉的存在。结果,当前使用的边界条件模型未考虑侧支流的存在。遗憾的是,这可能引起FFR值的不准确的估计。
发明内容
本文所描述的方法解决上文提到的问题和其他问题。
在一个方面中,方法包括获得包括对象的冠状动脉血管的体积图像数据。所述方法还包括识别所述体积图像数据中的冠状动脉血管。所述方法还包括识别针对所识别的冠状动脉血管的侧支流的存在。所述方法还包括确定所述侧支流的边界条件。所述方法还包括构建边界条件参数模型,所述边界条件参数模型包括表示所述侧支流的所述边界条件的项。所述方法还包括利用所述边界条件参数模型确定针对所述冠状动脉血管的血流储备分数指数。
在另一方面中,系统包括成像器和控制台。图像被配置为扫描对象并且生成体积冠状动脉血管造影图像数据。所述控制台被配置为控制所述成像器。所述控制台包括:存储器,其具有用于计算血流储备分数的指令;以及处理器,其被配置为运行所述指令。所述指令当由所述处理器运行时使所述处理器:对所述体积冠状动脉血管造影图像数据中的冠状动脉血管进行分割;确定针对所述冠状动脉血管的侧支流是否存在;响应于确定所述侧支流的存在而确定所述侧支流的边界条件,其中,所述侧支流的所述边界条件对所述侧支流的阻力进行建模;获得针对所述冠状动脉血管的边界条件参数模型;利用所述侧支流的所述边界条件对所述边界条件参数模型进行调整;并且利用所述边界条件参数模型来计算针对所述冠状动脉血管的血流储备分数指数。
在另一方面中,非暂态计算机可读介质被编码有计算机可执行指令,所述计算机可执行指令当由处理器运行时使所述处理器:对体积图像数据中的冠状动脉血管进行定位;确定针对所述冠状动脉血管的侧支流的存在;确定所述侧支流的阻力边界条件;构建边界条件参数模型,所述边界条件参数模型包括所述侧支流的所述阻力边界条件和所述冠状动脉血管的出口的阻力;并且利用所述边界条件参数模型来确定针对所述冠状动脉血管的血流储备分数指数。
附图说明
本发明可以采取各种部件和部件布置以及各种步骤和各步骤安排的形式。附图仅出于图示优选的实施例的目的而不应被解释为对本发明的限制。
图1示意性地图示了具有血流储备分数确定器的系统;
图2图示了血流储备分数确定器的范例;
图3示出了具有顺行侧支流的范例血管;
图4示出了拟合到体素强度值并且作为针对顺行侧支流的距孔口的沿着冠状动脉血管的距离的函数的多项式函数的曲线图;
图5示出了具有逆行侧支流的范例血管;
图6示出了拟合到体素强度值并且作为针对逆行侧支流的距孔口的沿着冠状动脉血管的距离的函数的多项式函数的曲线图;并且
图7图示了考虑侧支流的用于确定血流储备分数的范例方法。
具体实施方式
图1示意性地图示了成像系统100,诸如计算机断层摄影(CT)扫描器。在该范例中,成像系统100至少被配置用于冠状动脉CT血管造影(CCTA)扫描或流程。在另一实施例中,成像系统100额外地或者备选地包括X射线扫描器、磁共振成像(MRI)扫描器和/或被配置用于冠状动脉CT血管造影(CCTA)和/或其他扫描的其他扫描器。
固定机架102可旋转地支持旋转机架104,旋转机架104被配置为围绕检查区域106旋转。对象支撑体108将物体或对象支撑在检查区域106中。辐射源110(诸如X射线管)由旋转机架104支撑,与旋转机架104一起旋转,并且被配置为发射穿过检查区域106的辐射。
辐射敏感探测器阵列112跨检查区域106与辐射源110相对围成一角弧,并且被配置为探测穿过检查区域106的辐射并且生成指示其的信号(投影数据)。重建器114被配置为重建投影,生成指示被定位在检查区域106中的对象或物体的被扫描的部分的体积图像数据。
针对CCTA流程,对象被施予(例如,静脉内地等)辐射不透明造影剂并且得到的体积图像数据是CCTA图像数据,其将冠状动脉血管和/或其他血管的血管(诸如动脉、静脉等)的内部(管腔)可视化。
计算系统充当用于成像系统100的控制台116。控制台116包括至少一个处理器118(例如,微处理器、中央处理单元等),所述至少一个处理器运行被存储在计算机可读存储介质(“存储器”)120中的至少一个计算机可读指令,所述计算机可读存储介质不包括暂态介质并且包括物理存储器和/或其他非暂态介质。
在该范例中,至少一个计算机可读指令包括采集模块122和FFR确定器124。在变型中,FFR确定器124被存储在与控制台116不同的计算系统(诸如工作站、计算机等)的存储器中并且利用所述处理器运行。(一个或多个)输出设备包括人类可读输出设备,诸如显示监测器126,并且(一个或多个)输入设备128包括鼠标、键盘、触摸屏等。
数据采集模块122包括用于执行扫描并且重建CCTA图像数据的指令。FFR确定器124包括用于根据CCTA图像数据确定FFR的指令。如下面更详细描述的,在一个实例中这包括基于沿着冠状动脉树的体素强度(例如,亨氏单位(HU)值)的间接分析,根据CCTA图像数据确定针对冠状动脉血管的侧支流是否存在。
机器学习方法被用于根据CCTA图像数据表征侧支流的存在并且找到侧支流的存在与边界条件参数模型参数之间的关系。FFR确定器124采用包括考虑侧支流的存在和/或这样调整边界条件模型的自适应边界条件模型的算法。
该方法允许考虑每个患者的侧支流和独特解剖和生理特征的患者特异性FFR-CT分析,其可以实现相对于未考虑侧支流的配置的经改进的FFR估计。
图2图示了FFR确定器124的范例。
感兴趣组织识别器202识别体积图像数据中的感兴趣组织。感兴趣组织可以由用户、默认感兴趣组织等识别。感兴趣组织识别器202可以采用自动和/或手动方法来识别感兴趣组织。在所图示的范例中,感兴趣组织是血管,诸如冠状动脉血管和/或其他血管。
侧支流识别器204被配置为识别是否存在针对感兴趣组织的侧支流。对于冠状动脉血管,侧支流是自动调节机构,其由身体使用以通过创建支持到潜在地缺血性区域的侧支血流的新小动脉在冠状动脉狭窄的情况下防止局部缺血。侧支流可以由来自冠状动脉孔口的幅度(例如,不佳形成的侧支小动脉vs良好形成的侧支小动脉)和方向(例如,逆行vs顺行)表征,所述冠状动脉孔口是优于主动脉瓣的在主动脉的根部处的冠状动脉的开口。
在该范例中,侧支流识别器204通过分析作为距孔口的距离的函数的沿着冠状动脉血管的体素强度(例如,以HU为单位)的改变,根据CCTA图像数据间接地评估侧支流幅度和/或方向。为此,在一个实例中,侧支流识别器204自动地提取血管中心线和管腔。这可以通过已知和/或其他方法实现。接下来,机器学习方法基于中心线和管腔来表征侧支流的幅度和方向。
在范例方法中,侧支流识别器204估计沿着中心线I(c)的等距点中的平均HU。为此,侧支流识别器204首先将二阶多项式函数拟合到测量结果。在等式1中示出了基于最小二乘法的二阶多项式函数Ip(c)的适合的拟合的非限制性范例:
等式1:
在本文中还预期了其他方法。接下来,侧支流识别器204通过相应地分析多项式函数系数和其导数以确定幅度和方向,来估计侧支流的幅度和方向。
结合图3、4、5和6示出了顺行和逆行侧支流和对应的多项式函数的范例。
图3示出了范例血管302、完全堵塞303、孔口304和顺行侧支流306,其中,流在接近孔口304的较暗的灰度区域308中更大并且流在远离孔口304的较亮的灰度区域310中更低。图4示出了指示顺行侧支流的存在的图3的多项式函数的曲线图402的范例。第一轴404表示强度(例如,以HU为单位)并且第二轴406表示距孔口的距离(例如,以mm为单位)。曲线图402的凹形形状指示顺行流。
图5示出了范例血管502、完全堵塞503、孔口504和逆行侧支流504,其中,流在邻近孔口304的较暗的灰度区域508中更低并且流在远离孔口的较亮的灰度区域510中更大。图6示出了指示逆行侧支流的存在的图5的多项式函数的曲线图602的范例。第一轴604表示强度(例如,以HU为单位)并且第二轴606表示距孔口的距离(例如,以mm为单位)。曲线图602的凸形形状指示逆行流。
通常地,如果侧支流缺少,则曲线图402和602将是水平线,并且不是凹的也不是凸的,如在图4和图6中分别示出的,并且流分别从区域308和508到区域310和510将是相同的(相同灰度阴影),而不像图3和图5中的那样。
返回图2,几何结构提取器206从所识别的感兴趣组织提取几何信息。几何结构提取器206可以采用自动和/或手动方法提取几何信息。通过范例,提取可以包括采用分割算法。根据该和/或其他提取,孔口处的有效直径do和/或其他感兴趣组织几何结构可以被确定。
参数确定器208基于输入对象数据来确定参数。例如,参数确定器208可以确定入口流率Qo(即,孔口处的流率)。这可以基于对象数据来实现,诸如重量、身体质量指数(BMI)、性别、年龄、血液测试结果、解剖成像数据(例如,心肌质量和估计心搏量)和/或对象数据。
边界条件估计器210估计边界条件,诸如流量、压力、阻力等,如果侧支流由侧支流识别器204识别,则考虑侧支流。在一个实例中,边界条件估计是阻力并且与冠状动脉血管的阻力边界条件组合。例如,流率Q可以在冠状动脉血管的出口处确定为冠状动脉出口截面面积的函数,如在等式2中所示:
等式2:
其中,Qo和do在上文中被描述并且d是出口处的有效直径。出口处的有效直径d可以如在等式3中所示被计算:
等式3:
其中,csa是出口处的血管的截面面积。
可以基于其相应的直径导出类似关系以描述冠状动脉树的两个分支的分流,如在等式4中所示:
等式4:
其中,下标“1”表示两个分支中的一个并且下标“2”表示两个分支中的另一个。将该关系除以分叉之前的压力产生两个分支对流的阻力之间的关系,如在等式5中所示:
等式5:
其中,R1是两个分支中的一个的阻力并且R2是两个分支中的另一个的阻力。通常,这些阻力由具有小于0.2mm的直径的外围微脉管动脉主导。
狭窄对阻力的影响可以被公式化为正常出口阻力和额外的阻力分量的和,其可以被建模为与正常阻力线性相关,如在等式6中所示。
等式6:
Rs=R0+εR0,
其中,Rs是从正常出口阻力调节来考虑狭窄的存在的分配的出口阻力,R0是出口处的正常阻力并且∈表示感兴趣冠状动脉血管中的狭窄的量。可以通过将具有无创FFR测量结果的训练集的误差函数优化为真实数据找到正常出口阻力和参数ε。
侧支流的影响可以被集成到该模型中。在一个方法中,这包括侧支流的量和方向上的小动脉到冠状动脉树的三维几何模型的虚拟添加。在另一方法中,这包括调节动脉出口的阻力值以反映侧支流的存在。
例如,后者可以包括使用等式7中所示的线性模型:
等式7:
Rc=Rs+aFc,
其中,Rc表示考虑侧支流的经调节的阻力,Rs是使用适合的边界条件模型计算的冠状动脉出口阻力(例如,如在专利申请PCT/EP2015/064168中所描述的),Fc表示如由侧支流识别器204和/或以其他方式所确定的侧支流,并且α表示加权参数。
参数α是自由参数,其可以例如通过将具有无创FFR测量结果的训练集上的误差函数优化为真实数据实验地优化。例如,这可以通过优化等式8中所示的误差函数实现:
等式8:
其中,是通过优化找到的参数α的最佳值,C是来自数据库(训练病例)的一个患者的冠状动脉模型,Fc表示如由侧支流识别器所确定的侧支流,FFR_CT(C,Fc)是利用针对参数α的给定值基于输入C、Fc计算的FFR值,并且FFR_GT(C)是针对该患者的无创地测量的FFR值。
通常,在微脉管阻力与解剖和生理特征之间存在若干关系。专利申请PCT/EP2015/064168描述与微脉管阻力有关的特征中的一些特征,包括冠状动脉出口截面面积、冠状动脉狭窄的存在、心脏尺寸、射血分数。可以考虑不同的参数关系,包括不同效应的加权线性和或者加权非线性和。
FFR确定器214基于边界条件确定FFR。在一个实例中,这包括基于冠状动脉系统和边界条件的表示模拟冠状动脉系统内的血液的流,并且然后基于血液的模拟流来确定FFR值。FFR确定器214能够采用解决流体动力学问题的零维、一维等算法。例如,在一个实例中,FFR确定器214利用使用偏微分方程的计算流体动力学(CFD)模拟。通常,CFD是使用数值方法和/或算法解决并且分析包含流体流的问题的流体力学方法。利用由边界条件定义的表面执行计算。
在以下中公开了合适的方法的范例:Koo等人,“Diagnosis of ischemia-causingcoronary stenoses by noninvasive fractional flow reserve computed fromcoronary computed tomographic angiograms.Results from the prospectivemulticenter DISCOVER-FLOW(Diagnosis of Ischemia-Causing Stenoses Obtained ViaNoninvasive Fractional Flow Reserve)study,”(Journal of the American Collegeof Cardiology,58(19),第1989至1997页(2011));Kim等人,“Patient-specific modelingof blood flow and pressure in human coronary arteries,”(Annals of BiomedicalEngineering 38(10),第3195至3209页(2010));以及Vignon-Clementel等人,“Outflowboundary conditions for three-dimensional simulations of non-periodic bloodflow and pressure fields in deformable arteries,”(13(5)、第625至640页(2010年))。
再次,本文所描述的方法允许考虑每个患者的侧支流和独特解剖和生理特征的患者特异性FFR-CT分析,这可以实现相对于未考虑侧支流的配置的改进的FFR估计。
图7图示了用于确定FFR的范例方法。
应意识到,以上动作的排序不是限制性的。这样一来,在本文中预期其他排序。此外,可以省略一个或多个动作和/或可以包括一个或多个额外的动作。
在702处,执行对象的冠状动脉血管造影扫描。
在704处,根据扫描期间采集的数据生成体积冠状动脉血管造影图像数据。
在706处,体积冠状动脉血管造影图像数据被处理以定位在体积冠状动脉血管造影图像数据中表示的冠状动脉血管。
在708处,利用体积冠状动脉血管造影图像数据来识别针对所识别的冠状动脉血管的侧支流的存在,如在本文中和/或以其他方式所描述的。
在710处,针对侧支流估计边界条件,如在本文中和/或以其他方式所描述的。
在712处,构建包括考虑侧支流的边界条件的边界条件参数模型,如在本文中和/或以其他方式所描述的。
在714处,利用边界条件参数模型针对冠状动脉血管确定血流储备分数指数。
以上可以通过编码或嵌入在非暂态计算机可读存储介质上的计算机可读指令实施,所述计算机可读指令当由(一个或多个)处理器运行时,使得(一个或多个)处理器执行所描述的动作。额外地或者备选地,计算机可读指令中的至少一个由信号、载波或其他暂态介质承载。
已经参考优选实施例描述了本发明。其他人在阅读并且理解了前述详细描述之后可以实现修改和变化。本发明旨在被构建为包括所有这样的修改和变化,只要其落入权利要求书或其等价方案的范围之内。
Claims (20)
1.一种方法,包括:
获得包括对象的冠状动脉血管的体积图像数据;
识别所述体积图像数据中的所述冠状动脉血管;
识别针对所识别的冠状动脉血管的侧支流的存在;
确定所述侧支流的边界条件;
构建边界条件参数模型,所述边界条件参数模型包括表示所述侧支流的所述边界条件的项;并且
利用所述边界条件参数模型确定针对所述冠状动脉血管的血流储备分数指数。
2.根据权利要求1所述的方法,其中,所述侧支流的所述边界条件对所述侧支流的阻力进行建模。
3.根据权利要求2所述的方法,其中,所述边界条件参数模型还包括表示所述冠状动脉血管的边界条件的项。
4.根据权利要求3所述的方法,其中,所述冠状动脉血管的所述边界条件对所述冠状动脉血管的阻力进行建模。
5.根据权利要求4所述的方法,其中,构建所述边界条件参数模型包括基于所述侧支流来调节所述冠状动脉血管的所述阻力以反映所述侧支流的所述存在。
6.根据权利要求4至5中的任一项所述的方法,其中,构建所述边界条件参数模型包括将虚拟脉管系统添加到所述冠状动脉血管以表示所述侧支流,其中,所述冠状动脉血管的所述边界条件对所述冠状动脉血管的阻力和所添加的脉管系统进行建模。
7.根据权利要求1至6中的任一项所述的方法,其中,识别所述侧支流的所述存在包括:
识别所述体积图像数据中的所述冠状动脉血管的孔口;
识别所述冠状动脉血管的中心线;
根据所述体积图像数据估计来自所述孔口并且沿着所述中心线的所识别的冠状动脉血管中的流的幅度和方向;并且
利用所估计的幅度和所估计的方向来识别所述侧支流的所述存在。
8.根据权利要求7所述的方法,还包括:
根据所述体积图像数据估计沿着所述中心线的平均体素强度;并且
将多项式函数拟合到所述平均强度,其中,估计所述幅度和所述方向包括确定拟合的多项式函数的系数和所述拟合的多项式函数的导数。
9.根据权利要求8所述的方法,其中,拟合基于最小二乘法。
10.根据权利要求8至9中的任一项所述的方法,还包括:
响应于所述拟合的多项式函数是凸的而将所述侧支流识别为逆行流。
11.根据权利要求8至10中的任一项所述的方法,还包括:
响应于所述拟合的多项式函数是凹的而将所述侧支流识别为顺行流。
12.根据权利要求1至11中的任一项所述的方法,其中,所述体积图像数据包括计算机断层摄影冠状动脉血管造影图像数据。
13.一种系统(100),包括:
成像器(102、104、110、112和114),其被配置为扫描对象并且生成体积冠状动脉血管造影图像数据;
控制台(116),其被配置为控制所述成像器,其中,所述控制台包括存储器(120)和处理器(118),所述存储器存储用于计算血流储备分数的指令(124),所述处理器被配置为运行所述指令,其中,运行所述指令使所述处理器:
对所述体积冠状动脉血管造影图像数据中的冠状动脉血管进行分割;
确定针对所述冠状动脉血管的侧支流是否存在;
响应于确定所述侧支流的存在而确定所述侧支流的边界条件,其中,所述侧支流的所述边界条件对所述侧支流的阻力进行建模;
获得针对所述冠状动脉血管的边界条件参数模型;
利用所述侧支流的所述边界条件来对所述边界条件参数模型进行调整;并且
利用所述边界条件参数模型来计算针对所述冠状动脉血管的血流储备分数指数。
14.根据权利要求13所述的系统,其中,所述侧支流的所述边界条件对所述侧支流的阻力进行建模。
15.根据权利要求14所述的系统,其中,所述处理器通过调节所述冠状动脉血管的出口阻力以反映所述侧支流的所述存在来对所述边界条件参数模型进行调整。
16.根据权利要求14至15中的任一项所述的系统,其中,所述处理器通过将虚拟脉管系统添加到所述冠状动脉血管以表示所述侧支流来对所述边界条件参数模型进行调整。
17.根据权利要求13至16中的任一项所述的系统,其中,所述处理器通过以下操作来确定侧支流的所述存在:
对所述体积图像数据中的所述冠状动脉血管的孔口进行定位;
估计所述冠状动脉血管的中心线;
根据所述体积图像数据估计来自所述孔口并且沿着所述中心线的所述冠状动脉血管中的流的幅度和方向;并且
利用所估计的幅度和所估计的方向来确定所述侧支流的所述存在。
18.根据权利要求17所述的系统,其中,所述处理器通过以下操作来确定侧支流的所述存在:
根据所述体积图像数据估计沿着所述中心线的平均体素强度;
将多项式函数拟合到所述平均强度;并且
确定拟合的多项式函数的系数和所述拟合的多项式函数的导数。
19.根据权利要求18所述的系统,其中,所述处理器响应于所述拟合的多项式函数是凸的而将所述侧支流识别为逆行流,并且响应于所述拟合的多项式函数是凹的而将所述侧支流识别为顺行流。
20.一种编码有计算机可执行指令的非暂态计算机可读介质,所述计算机可执行指令当由处理器运行时使所述处理器:
对体积图像数据中的冠状动脉血管进行定位;
确定针对所述冠状动脉血管的侧支流的存在;
确定所述侧支流的阻力边界条件;
构建边界条件参数模型,所述边界条件参数模型包括所述侧支流的所述阻力边界条件和所述冠状动脉血管的出口的阻力;并且
利用所述边界条件参数模型来确定针对所述冠状动脉血管的血流储备分数指数。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US201562251417P | 2015-11-05 | 2015-11-05 | |
US62/251,417 | 2015-11-05 | ||
PCT/EP2016/074852 WO2017076620A1 (en) | 2015-11-05 | 2016-10-17 | Collateral flow modelling for non-invasive fractional flow reserve (ffr) |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108348206A true CN108348206A (zh) | 2018-07-31 |
CN108348206B CN108348206B (zh) | 2022-07-29 |
Family
ID=57184425
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201680064744.7A Active CN108348206B (zh) | 2015-11-05 | 2016-10-17 | 用于无创血流储备分数(ffr)的侧支流建模 |
Country Status (5)
Country | Link |
---|---|
US (1) | US10769780B2 (zh) |
EP (1) | EP3370615B1 (zh) |
JP (1) | JP6484760B2 (zh) |
CN (1) | CN108348206B (zh) |
WO (1) | WO2017076620A1 (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110598288A (zh) * | 2019-08-30 | 2019-12-20 | 上海杏脉信息科技有限公司 | 一种用于冠脉三维模型的边界条件处理方法和装置 |
CN110664392A (zh) * | 2019-12-04 | 2020-01-10 | 深圳先进技术研究院 | 一种血流速度计算方法、装置、终端设备及存储介质 |
WO2020107667A1 (zh) * | 2018-11-28 | 2020-06-04 | 苏州润心医疗器械有限公司 | 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 |
WO2020107668A1 (zh) * | 2018-11-28 | 2020-06-04 | 苏州润心医疗器械有限公司 | 基于心肌血流量和ct图像的微循环阻力指数计算方法 |
CN112754449A (zh) * | 2019-11-05 | 2021-05-07 | 西门子医疗有限公司 | 侧支冠状动脉的评估 |
Families Citing this family (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2018050806A1 (en) | 2016-09-16 | 2018-03-22 | Koninklijke Philips N.V. | Apparatus and method for determining a fractional flow reserve |
EP3378398A1 (en) | 2017-03-24 | 2018-09-26 | Koninklijke Philips N.V. | Myocardial ct perfusion image synthesis |
WO2018177692A1 (en) | 2017-03-31 | 2018-10-04 | Koninklijke Philips N.V. | Interaction monitoring of non-invasive imaging based ffr |
WO2018178239A1 (en) | 2017-03-31 | 2018-10-04 | Koninklijke Philips N.V. | Spectral imaging ffr |
EP3644857A1 (en) | 2017-06-30 | 2020-05-06 | Koninklijke Philips N.V. | Machine learning spectral ffr-ct |
EP3453326A1 (en) * | 2017-09-08 | 2019-03-13 | Koninklijke Philips N.V. | Registration and comparison of measured and simulated intracoronary pullback curves |
US11145057B2 (en) * | 2019-11-05 | 2021-10-12 | Siemens Healthcare Gmbh | Assessment of collateral coronary arteries |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH0889501A (ja) * | 1994-09-21 | 1996-04-09 | Hitachi Medical Corp | 医用画像診断装置 |
WO2008046197A1 (en) * | 2006-10-13 | 2008-04-24 | Calgary Scientific Inc. | Visualization of volumetric medical imaging data |
CN101669143A (zh) * | 2007-01-11 | 2010-03-10 | Mvm知识产权有限公司 | 利用自动图像分析测试机能微循环几何结构和速度分布 |
CN102525443A (zh) * | 2010-09-16 | 2012-07-04 | 西门子公司 | 非侵入性冠状动脉病评估的方法和系统 |
CN102651997A (zh) * | 2009-12-10 | 2012-08-29 | 皇家飞利浦电子股份有限公司 | 侧支血流评估 |
CN103118601A (zh) * | 2010-09-30 | 2013-05-22 | 皇家飞利浦电子股份有限公司 | 利用可跟踪的成像设备和成像工具进行分叉的检测 |
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 |
CN103839249A (zh) * | 2012-11-23 | 2014-06-04 | 上海联影医疗科技有限公司 | Ct肝灌注的图像后处理方法和ct肝灌注方法 |
CN104837407A (zh) * | 2012-12-07 | 2015-08-12 | 株式会社东芝 | 血管解析装置、医用图像诊断装置以及血管解析方法 |
Family Cites Families (32)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
AU5085800A (en) | 1999-05-21 | 2000-12-12 | Nycomed Imaging As | Method of magnetic resonance imaging |
GB0221434D0 (en) | 2002-09-16 | 2002-10-23 | Houston John G | A method of analysing fluid flow in a conduit |
IL165636A0 (en) | 2004-12-08 | 2006-01-15 | Paieon Inc | Method and apparatus for finding the coronary velocity and flow and related parameters |
WO2006061815A1 (en) | 2004-12-08 | 2006-06-15 | Paieon Inc. | Method and apparatus for blood vessel parameter determinations |
US7775988B2 (en) | 2005-09-30 | 2010-08-17 | Radi Medical Systems Ab | Method for determining the blood flow in a coronary artery |
US8052611B2 (en) | 2007-03-14 | 2011-11-08 | Cardiac Pacemakers, Inc. | Method and apparatus for management of heart failure hospitalization |
DE102008014792B3 (de) | 2008-03-18 | 2009-06-18 | Siemens Aktiengesellschaft | Verfahren und Vorrichtung zur Simulation eines Blutflusses in einem Gefäßabschnitt |
US8200466B2 (en) | 2008-07-21 | 2012-06-12 | The Board Of Trustees Of The Leland Stanford Junior University | Method for tuning patient-specific cardiovascular simulations |
WO2010022762A2 (en) | 2008-08-25 | 2010-03-04 | ETH Zürich | Method, system and device for enhancing flow field data |
US8908939B2 (en) | 2008-09-30 | 2014-12-09 | Koninklijke Philips N.V. | Perfusion imaging |
US20100125197A1 (en) | 2008-11-18 | 2010-05-20 | Fishel Robert S | Method and apparatus for addressing vascular stenotic lesions |
US20100130878A1 (en) | 2008-11-24 | 2010-05-27 | General Electric Company | Systems, apparatus and processes for automated blood flow assessment of vasculature |
US9405886B2 (en) | 2009-03-17 | 2016-08-02 | The Board Of Trustees Of The Leland Stanford Junior University | Method for determining cardiovascular information |
US20110307231A1 (en) | 2010-06-09 | 2011-12-15 | Jens Kirchner | Method and arrangement for creating an individualized, computer-aided model of a system, and a corresponding computer program and a corresponding machine-readable storage medium |
US8682626B2 (en) | 2010-07-21 | 2014-03-25 | Siemens Aktiengesellschaft | Method and system for comprehensive patient-specific modeling of the heart |
US8315812B2 (en) | 2010-08-12 | 2012-11-20 | Heartflow, Inc. | Method and system for patient-specific modeling of blood flow |
US8157742B2 (en) | 2010-08-12 | 2012-04-17 | Heartflow, Inc. | Method and system for patient-specific modeling of blood flow |
DE102010043849B3 (de) | 2010-11-12 | 2012-02-16 | Siemens Aktiengesellschaft | Vorrichtung und Computertomograph zur Bestimmung und Darstellung der Durchblutung des Herzmuskels |
US20120296199A1 (en) | 2011-03-21 | 2012-11-22 | New York University | Apparatus and Method of Non-Contrast Magnetic Resonance Angiography of Abdominal and Pelvic Arteries |
US10186056B2 (en) | 2011-03-21 | 2019-01-22 | General Electric Company | System and method for estimating vascular flow using CT imaging |
US10162932B2 (en) | 2011-11-10 | 2018-12-25 | Siemens Healthcare Gmbh | Method and system for multi-scale anatomical and functional modeling of coronary circulation |
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 |
US9675301B2 (en) | 2012-10-19 | 2017-06-13 | Heartflow, Inc. | Systems and methods for numerically evaluating vasculature |
US9858387B2 (en) | 2013-01-15 | 2018-01-02 | CathWorks, LTD. | Vascular flow assessment |
EP3723041A1 (en) | 2012-10-24 | 2020-10-14 | CathWorks Ltd. | Automated measurement system and method for coronary artery disease scoring |
US9814433B2 (en) * | 2012-10-24 | 2017-11-14 | Cathworks Ltd. | Creating a vascular tree model |
WO2014072861A2 (en) | 2012-11-06 | 2014-05-15 | Koninklijke Philips N.V. | Fractional flow reserve (ffr) index |
US10595806B2 (en) | 2013-10-22 | 2020-03-24 | Koninklijke Philips N.V. | Fractional flow reserve (FFR) index with adaptive boundary condition parameters |
US9785746B2 (en) * | 2014-03-31 | 2017-10-10 | Heartflow, Inc. | Systems and methods for determining blood flow characteristics using flow ratio |
JP6553099B2 (ja) * | 2014-06-30 | 2019-07-31 | コーニンクレッカ フィリップス エヌ ヴェKoninklijke Philips N.V. | 血流予備量比値を算出するための機器 |
EP3062248A1 (en) | 2015-02-27 | 2016-08-31 | Pie Medical Imaging BV | Method and apparatus for quantitative flow analysis |
WO2018050806A1 (en) * | 2016-09-16 | 2018-03-22 | Koninklijke Philips N.V. | Apparatus and method for determining a fractional flow reserve |
-
2016
- 2016-10-17 EP EP16784840.7A patent/EP3370615B1/en active Active
- 2016-10-17 JP JP2018521572A patent/JP6484760B2/ja active Active
- 2016-10-17 WO PCT/EP2016/074852 patent/WO2017076620A1/en active Application Filing
- 2016-10-17 US US15/768,162 patent/US10769780B2/en active Active
- 2016-10-17 CN CN201680064744.7A patent/CN108348206B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH0889501A (ja) * | 1994-09-21 | 1996-04-09 | Hitachi Medical Corp | 医用画像診断装置 |
WO2008046197A1 (en) * | 2006-10-13 | 2008-04-24 | Calgary Scientific Inc. | Visualization of volumetric medical imaging data |
CN101669143A (zh) * | 2007-01-11 | 2010-03-10 | Mvm知识产权有限公司 | 利用自动图像分析测试机能微循环几何结构和速度分布 |
CN102651997A (zh) * | 2009-12-10 | 2012-08-29 | 皇家飞利浦电子股份有限公司 | 侧支血流评估 |
CN102525443A (zh) * | 2010-09-16 | 2012-07-04 | 西门子公司 | 非侵入性冠状动脉病评估的方法和系统 |
CN103118601A (zh) * | 2010-09-30 | 2013-05-22 | 皇家飞利浦电子股份有限公司 | 利用可跟踪的成像设备和成像工具进行分叉的检测 |
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 |
CN103839249A (zh) * | 2012-11-23 | 2014-06-04 | 上海联影医疗科技有限公司 | Ct肝灌注的图像后处理方法和ct肝灌注方法 |
CN104837407A (zh) * | 2012-12-07 | 2015-08-12 | 株式会社东芝 | 血管解析装置、医用图像诊断装置以及血管解析方法 |
Non-Patent Citations (3)
Title |
---|
MARIA SIEBES等: "Influence of hemodynamic conditions on fractional flow reserve:parametric analysis of underlying model", 《HEART AND CIRCULATORY PHYSIOLOGY》, vol. 283, no. 4, 1 October 2002 (2002-10-01), pages 1462 - 1470, XP055330328, DOI: 10.1152/ajpheart.00165.2002 * |
STEPHEN G. ELLIS等: "《冠状动脉介入治疗策略》", 30 September 2009, 天津科学技术出版社, pages: 63 - 64 * |
蔡甫雨: "基于DSA和CTA影像的冠状动脉血流动力学仿真分析", 《中国优秀硕士学位论文全文数据库医药卫生科技辑》, no. 5, 15 May 2015 (2015-05-15), pages 076 - 6 * |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2020107667A1 (zh) * | 2018-11-28 | 2020-06-04 | 苏州润心医疗器械有限公司 | 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 |
WO2020107668A1 (zh) * | 2018-11-28 | 2020-06-04 | 苏州润心医疗器械有限公司 | 基于心肌血流量和ct图像的微循环阻力指数计算方法 |
US11896416B2 (en) | 2018-11-28 | 2024-02-13 | Suzhou Rainmed Medical Technology Co., Ltd. | Method for calculating coronary artery fractional flow reserve on basis of myocardial blood flow and CT images |
US11901081B2 (en) | 2018-11-28 | 2024-02-13 | Suzhou Rainmed Medical Technology Co., Ltd. | Method for calculating index of microcirculatory resistance based on myocardial blood flow and CT image |
CN110598288A (zh) * | 2019-08-30 | 2019-12-20 | 上海杏脉信息科技有限公司 | 一种用于冠脉三维模型的边界条件处理方法和装置 |
CN110598288B (zh) * | 2019-08-30 | 2020-08-07 | 上海杏脉信息科技有限公司 | 一种用于冠脉三维模型的边界条件处理方法和装置 |
CN112754449A (zh) * | 2019-11-05 | 2021-05-07 | 西门子医疗有限公司 | 侧支冠状动脉的评估 |
CN110664392A (zh) * | 2019-12-04 | 2020-01-10 | 深圳先进技术研究院 | 一种血流速度计算方法、装置、终端设备及存储介质 |
CN110664392B (zh) * | 2019-12-04 | 2020-03-27 | 深圳先进技术研究院 | 一种血流速度计算方法、装置、终端设备及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
WO2017076620A1 (en) | 2017-05-11 |
US10769780B2 (en) | 2020-09-08 |
CN108348206B (zh) | 2022-07-29 |
EP3370615B1 (en) | 2020-04-15 |
JP2018537157A (ja) | 2018-12-20 |
JP6484760B2 (ja) | 2019-03-13 |
EP3370615A1 (en) | 2018-09-12 |
US20180315184A1 (en) | 2018-11-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108348206B (zh) | 用于无创血流储备分数(ffr)的侧支流建模 | |
JP6553099B2 (ja) | 血流予備量比値を算出するための機器 | |
EP3806742B1 (en) | Method and apparatus for quantitative hemodynamic flow analysis | |
KR101910233B1 (ko) | 맥관구조를 수치 평가하는 시스템들 및 방법들 | |
EP2916735B1 (en) | Fractional flow reserve (ffr) index | |
US8977339B1 (en) | Method for assessing stenosis severity through stenosis mapping | |
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 | |
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 | |
JP4728627B2 (ja) | Ct血管造影法における構造を領域分割する方法及び装置 | |
CN109688908B (zh) | 用于确定血流储备分数的装置和方法 | |
EP3244790B1 (en) | Instantaneous wave-free ratio (ifr) computer tomography (ct) | |
US20220319004A1 (en) | Automatic vessel analysis from 2d images | |
JP7426824B2 (ja) | 非侵襲的イメージングベースのffrのインタラクションモニタリング | |
US10332255B2 (en) | Method for assessing stenosis severity in a lesion tree through stenosis mapping |
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 |