CN108511075B - 一种非侵入式获取血流储备分数的方法和系统 - Google Patents

一种非侵入式获取血流储备分数的方法和系统 Download PDF

Info

Publication number
CN108511075B
CN108511075B CN201810272164.8A CN201810272164A CN108511075B CN 108511075 B CN108511075 B CN 108511075B CN 201810272164 A CN201810272164 A CN 201810272164A CN 108511075 B CN108511075 B CN 108511075B
Authority
CN
China
Prior art keywords
coronary artery
boundary
coronary
dimensional model
flow reserve
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
Application number
CN201810272164.8A
Other languages
English (en)
Other versions
CN108511075A (zh
Inventor
向建平
赵亚
李炳辉
冯立
夏永清
荆洪娟
冷晓畅
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.)
Arteryflow Technology Co ltd
Original Assignee
Arteryflow Technology Co ltd
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 Arteryflow Technology Co ltd filed Critical Arteryflow Technology Co ltd
Priority to CN201810272164.8A priority Critical patent/CN108511075B/zh
Publication of CN108511075A publication Critical patent/CN108511075A/zh
Application granted granted Critical
Publication of CN108511075B publication Critical patent/CN108511075B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
    • G16H50/50—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for simulation or modelling of medical disorders

Abstract

本发明公开了一种非侵入式获取血流储备分数的方法和系统，所述方法包括如下步骤：根据人体冠状动脉医学影像数据，建立冠状动脉三维模型；获取人体冠状动脉医学生理数据，并结合人体冠状动脉医学影像数据和冠状动脉三维模型，提取用于计算血流储备分数的必要参数；根据所述必要参数确定所述冠状动脉三维模型的边界，并对所述边界进行优化得到冠状动脉仿真模型；结合所述必要参数及冠状动脉仿真模型，采用计算流体力学方法计算血流储备分数。本发明采用非侵入式方法，综合了CFD和基于病人生理特异性的精确边界条件的优点，可以通过CFD精确计算冠状动脉正常和狭窄区域的血流储备分数。

Description

一种非侵入式获取血流储备分数的方法和系统
技术领域
本发明涉及冠状动脉影像处理领域，具体的说，是涉及一种非侵入式获取血流储备分数的方法和系统。
背景技术
冠状动脉血管造影曾被认为是诊断冠心病的“金标准”，但它只能定性地评价病变狭窄程度，却无法定量地评价病变狭窄对冠状动脉生理功能的影响，因此不能准确的对病变程度进行预估，这就容易导致需要治疗的病变没有处理或过度处理不需治疗的病变的情况。1993年Nico Pijls等提出了通过压力测定推算冠脉血流的新指标—血流储备分数(Fractional Flow Reserve,FFR)。
血流储备分数(FFR)是一种用于医疗诊断冠状动脉生理功能的参数,指在冠状动脉存在狭窄病变的情况下，该血管所供心肌区域能获得的最大血流量与同一区域理论上正常情况下所能获得的最大血流量之比，其等效压强比定义如下:冠状动脉在最大充血状态下,狭窄近端和心脏主动脉的压强的比值即为血流储备分数。经过长期的基础与临床研究，FFR已经成为冠脉狭窄功能性评价的公认指标。
目前，FFR的获取方式多为侵入式，例如诊断性心导管插入术，其可包括进行常规冠状动脉血管造影(CCTA)以可使冠状动脉病变可视化，同时在静脉内施用腺苷诱导的条件下(冠状动脉处于最大充血状态)，计算由压强传感器获取的冠状动脉狭窄近端压强和心脏主动脉压强的比值从而得到FFR。侵入式获取FFR的方式虽然提高了对病变预估的准确性，但由于其需要进行手术植入，这就导致其具有较高的手术风险，同时也需要患者承担较高的费用，因而侵入式FFR获取方法的实用性欠佳。
综上所述，有必要提供一种非侵入式获取血流储备分数的方法及系统，来降低冠状动脉病变可视化的风险及成本。
发明内容
本发明的第一目的是提供一种非侵入式获取血流储备分数的方法，该方法根据患者冠状动脉特异性医学影像和生理信息，非侵入式的获取血流储备分数，有效降低了冠状动脉病变的可视化风险及费用，同时，也能保证所获取的血流储备分数的准确性。
本发明的第二目的是提供一种非侵入式获取血流储备分数的系统，该系统应用于对血流储备分数的非侵入式获取过程中，具有医疗成本低、风险低，获取血流储备分数准确度高的优点。
为实现上述目的，一方面，本发明提供一种非侵入式获取血流储备分数的方法，该方法包括如下步骤：
根据人体冠状动脉医学影像数据，建立冠状动脉三维模型；
获取人体冠状动脉医学生理数据，并结合人体冠状动脉医学影像数据和冠状动脉三维模型，提取用于计算血流储备分数的必要参数；
根据所述必要参数，确定所述冠状动脉三维模型的边界，并对所述边界进行优化得到冠状动脉仿真模型；
结合所述必要参数及冠状动脉仿真模型，采用计算流体力学方法计算血流储备分数。
进一步的，所述建立冠状动脉三维模型时，根据人体冠状动脉医学影像数据对冠状动脉进行造影和重构，获得冠状动脉三维模型。
进一步的，在冠状动脉三维模型上标注所有血管壁、进口及出口，并根据血管的几何尺寸和弯曲度对所述冠状动脉三维模型进行网格划分。
进一步的，所述必要参数包括：动脉血管的血流量、血压、心率以及心肌质量等。
进一步的，所述冠状动脉三维模型的边界包括进口处的流量边界或压力边界以及出口处的流量边界，该边界的设置依据患者特异性生理数据以及医学统计大数据，依靠深度学习算法或者机器学习算法优化边界，此边界设置简单直接，更加精确。
优选的，所述计算流体力学方法包括：有限元法(FEM)、有限体积法(FVM)、有限差分法(FDM)、边界元法(BEM)、浸入边界法(IBM)、格子玻尔兹曼法(LBM)、光滑粒子法(SPH)、半隐式运动粒子法(MPS)或有限体积粒子法(FVP)等。
作为一种优选的技术方案，采用计算流体力学方法计算血流储备分数的具体方法为：
计算冠状动脉总流量、主动脉静息流量和主动脉运动流量；
计算主动脉运动平均压强；
求解主动脉进出口血流量和冠状动脉进出口血流量以及边界控制方程。
另一方面，本发明提供一种非侵入式获取血流储备分数的系统，该系统包括建模模块、参数提取模块、模型转换模块及计算生成模块；
所述建模模块，根据人体冠状动脉医学影像数据，建立冠状动脉三维模型；
所述参数提取模块，获取人体冠状动脉医学生理数据，并结合人体冠状动脉医学影像数据和冠状动脉三维模型，提取用于计算血流储备分数的必要参数；
所述模型转换模块，根据所述必要参数，确定所述冠状动脉三维模型的边界，并对所述边界进行优化得到冠状动脉仿真模型；
所述计算生成模块，结合所述必要参数及冠状动脉仿真模型，采用计算流体力学方法计算血流储备分数。
作为一种优选的技术方案，所述建模模块被设置为：
在建立冠状动脉三维模型时，在冠状动脉三维模型上标注所有血管壁、进口、出口，并且按照血管几何尺寸和弯曲度将冠状动脉三维模型进行网格划分。
进一步的，所述模型转换模块被设置为：在确定所述冠状动脉三维模型的边界时，先设置冠状动脉的进口边界，再设置出口边界，并根据必要参数对所述边界进行优化。
与现有技术相比，本发明的有益效果为：
本发明采用非侵入式方法，降低诊断的风险和费用，快速便捷地获取血流储备分数，可预测冠状动脉血流和心肌灌注的医疗治疗、介入治疗和手术治疗的结果。本发明提供的非侵入式获取血流储备分数的方法和系统综合了流体力学计算方法和基于病人特异性边界条件仿真的优点，可以通过CFD精确计算冠状动脉正常和狭窄区域的血流储备分数。
附图说明
构成本申请的一部分的说明书附图用来提供对本申请的进一步理解，本申请的示意性实施例及其说明用于解释本申请，并不构成对本申请的限定。
图1是本发明所述方法的流程图；
图2是实施例中人体冠状动脉医学影像数据示意图；
图3是实施例中冠状动脉三维模型重构结果；
图4是实施例中冠状动脉三维模型结构标注图；
图5是实施例中冠状动脉三维模型网格结构图；
图6是实施例中冠状动脉三维模型狭窄区域网格结构的局部视图；
图7是实施例中计算得到的血流储备分数的云分布图；
图8是实施例中血流储备分数云图分布在狭窄区域的局部视图；
图9是本发明计算血流储备分数详细流程图；
图10是实施例中计算血流储备分数所采用的系统结构图。
其中，1-血管壁，2-主动脉进口，3-主动脉出口，4-冠状动脉出口。
具体实施方式
下面结合附图与实施例对本发明作进一步说明。
应该指出，以下详细说明都是例示性的，旨在对本申请提供进一步的说明。除非另有指明，本文使用的所有技术和科学术语具有与本申请所属技术领域的普通技术人员通常理解的相同含义。
需要注意的是，这里所使用的术语仅是为了描述具体实施方式，而非意图限制根据本申请的示例性实施方式。如在这里所使用的，除非上下文另外明确指出，否则单数形式也意图包括复数形式，此外，还应当理解的是，当在本说明书中使用术语“包含”和/或“包括”时，其指明存在特征、步骤、操作、器件、组件和/或它们的组合。
实施例一：
一种非侵入式获取血流储备分数的方法，如图1所示，该方法包括如下步骤：
S01：根据人体冠状动脉医学影像数据，建立其对应的冠状动脉三维模型；
其中，人体冠状动脉医学影像数据包括：计算机断层成像(CT)、动态(CT)、核磁共振、脉管造影术、超声和单光子发射计算断层成像(SPECT)，当然，在其他实施例中，还可以包括任意其他类型的医学成像模态。需要说明的是：这里提到的医学图像数据可以是2D、3D、4D，可以由一个或多个图像采集设备，这些图像采集设备可以为CT扫描仪、MR扫描仪、脉管造影术扫描仪、超声设备等，或者患者有记录的医学图像数据。
根据人体冠状动脉医学影像数据(如图2)进行显影和重构，其重构结果如图3所示。具体的：冠状动脉造影显影和重构，计算所有结构和形态参数，如升主动脉，降主动脉，左冠状动脉(LCA):左主干，左前降支(左室前支，右室前支，前间隔支)，左回旋支(窦房结支，左房支，左室前支，钝缘支，左室后支)；右冠状动脉(RCA):右主干，右圆锥支，窦房结支，右室前支，锐缘支，后降支，左室后支，右心房支等。其中，心脏造影显影和重构，包括但不限于左心室影像，右心室影像，左心房影像，右心房影像等。重构算法包括但不限于LevelSets，Graph Cuts，CNN神经网络模型，深度学习模型，边缘学习模型等。
在冠状动脉三维模型上标注所有血管壁1、主动脉进口2、主动脉出口3及冠状动脉出口4(如图4)，并根据血管的几何尺寸和弯曲度对所述冠状动脉三维模型进行网格划分(如图5)。因为冠脉血管系统具有非常复杂的三维拓扑结构，本实施例依据血管几何尺寸和弯曲度，网格在血管各个细分区域做自适应划分，最大尺寸为3mm，最小尺寸为0.1mm。
S02：获取人体冠状动脉医学生理数据，并结合人体冠状动脉医学影像数据和冠状动脉三维模型，提取用于计算血流储备分数的必要参数；
上述的人体冠状动脉医学生理数据包括年龄、性别、身高、体重、血液密度、血液粘度、血细胞比容、血小板、肱动脉收缩压和舒张压曲线、心率、主动脉血压波形图、通过多普勒超声测得的主动脉和主要冠脉流量以及波形图、病史(糖尿病、高血压、高血脂等)、吸烟史、冠心病家族史、本次入院是否发生心肌梗死、既往PCI史、一个月内急性心梗、稳定/不稳定心绞痛、左心室射流分数等。上述的必要参数包括：动脉血管的血流量、血压以及心率、心肌质量等计算血流储备分数的过程中所应用到的参数。
其中，血流量计算公式为：
mmyo＝ρmyo×VLV
Figure GDA0003780267740000051
QCOrest＝Qcoronary/β
QCOhyperemia＝QCOrest×χ (1)
计算主动脉运动平均压强：
Figure GDA0003780267740000052
Murray’s Law：
Q∝Da (3)
病人特异性的血液粘度阻力计算公式：
Figure GDA0003780267740000053
其中hem为血红细胞比容。
S03：根据所述必要参数，确定所述冠状动脉三维模型的边界，并对所述边界进行优化得到冠状动脉仿真模型；
其中，冠状动脉三维模型的边界包括进口流量边界或压力边界及出口流量边界，依据患者特异性生理数据以及医学统计大数据，该边界设置依靠深度学习算法或者机器学习算法优化边界，此边界设置简单直接，更加精确。
根据上述必要参数，设置冠状动脉三维模型的边界参数和模型参数。模型参数包括患者身高，体重，心率，收缩期和舒张期血压，血细胞比容，血液黏度，血流量等。边界分为血管壁边界，血管进口边界，血管出口边界。血管壁具有弹塑性，随着心脏周期性收缩和膨胀。本实施例中，不考虑血管弹性，采用非滑移刚性壁面边界条件。本实施例中所计算的冠脉血管区域包含一个主动脉进口，一个主动脉出口，和多个分支血管出口：进口可采用患者所测血液流量或血压作为边界条件；出口根据三维模型测得的出口半径尺寸设定流量边界条件。
S04：结合所述必要参数及冠状动脉仿真模型，采用计算流体力学方法计算血流储备分数。
上述的计算流体力学方法包括：有限元法(FEM)、有限体积法(FVM)、有限差分法(FDM)、边界元法(BEM)、浸入边界法(IBM)、格子玻尔兹曼法(LBM)、光滑粒子法(SPH)、半隐式运动粒子法(MPS)或有限体积粒子法(FVP)等。
在本实施例中，采用计算流体力学方法计算血流储备分数的具体方法为：
计算冠状动脉总流量、主动脉静息流量和主动脉运动流量；
求解主动脉进出口血流量和冠状动脉进出口血流量以及边界控制方程。
FFR计算公式：
Figure GDA0003780267740000061
流体控制方程：
Figure GDA0003780267740000062
Figure GDA0003780267740000063
边界控制方程：
Q＝Qo(D/Do)a (7)
通过对流体控制方程(6)，边界控制方程(7)，求解，包括稳态和瞬态，得出目标FFR方程的精确解(5)
图6是实施例中冠状动脉三维模型狭窄区域网格结构的局部视图，采用高精度网格，完美重现患者冠状动脉几何拓补特征；
图7是上述计算得到的血流储备分数的云分布图，冠状动脉正常和狭窄区域的血流储备分数均可计算获取；
图8是血流储备分数云图分布在狭窄区域的局部视图；
图9是本发明计算血流储备分数详细流程图；
图10是实施例中计算血流储备分数所采用的系统结构图。
本实施例根据上述计算结果对血流储备分数的分布情况进行分析，得出分析报告，并上传至系统客户端或相关APP，用于患者和医生的上传、下载、更新病例数据以及分析报告、影像、视频，可为患者和医生实时监测并预警病情。
本实施例提供的是一种非侵入式获取血流储备分数的方法，该方法应用于非侵入式获取血流储备分数的系统中，该系统包括建模模块、参数提取模块、模型转换模块以及计算生成模块。其中：
建模模块在本实施例中被配置为包括冠状动脉3D模型建模器和冠状动脉网格生成器，用于获取人体冠状动脉医学影像数据以及人体冠状动脉医学生理数据或其他相关数据，建立冠状动脉三维模型；
参数提取模块，被配置为包括冠状动脉3D边界设置器和冠状动脉3D参数设置器，用于获取人体冠状动脉医学生理数据，并结合人体冠状动脉医学影像数据和冠状动脉三维模型，提取用于计算血流储备分数的必要参数；
模型转换模块，采用冠状动脉3D模型建模器的一部分功能，根据参数提取模块提取的必要参数，结合冠状动脉三维模型的边界，将冠状动脉三维模型进行处理得到冠状动脉仿真模型；
计算生成模块，被配置为冠状动脉3D CFD求解器、冠状动脉3D CFD结果处理器和FFR处理器，结合上述提取的必要参数及冠状动脉仿真模型，采用计算流体力学方法计算血流储备分数。
基于上述，需要进一步说明的是：本系统在实际应用过程中包括至少一套计算机系统，该计算机系统内配置有上述非侵入式获取血流储备分数的系统，具体的，上述计算机系统包括桌面计算机、手提电脑或云端服务器以及内置于手提电脑或云端服务器内的软件系统；其中，软件系统包括：建模模块、参数提取模块，模型转换模块以及计算生成模块，其工作流程为：
S01：建模模块获取人体冠状动脉医学影像数据以及人体冠状动脉医学生理数据或其他相关数据，并建立冠状动脉三维模型；
S02：参数提取模块获取人体冠状动脉医学生理数据，并结合人体冠状动脉医学影像数据和冠状动脉三维模型，提取用于计算血流储备分数的必要参数；
S03:模型转换模块采用冠状动脉3D模型建模器的一部分功能，根据参数提取模块提取的必要参数，结合冠状动脉三维模型的边界，将冠状动脉三维模型进行处理得到冠状动脉仿真模型；
S04：计算生成模块，被配置为冠状动脉3D CFD求解器、冠状动脉3D CFD结果处理器和FFR处理器，结合上述提取的必要参数及冠状动脉仿真模型，采用计算流体力学方法计算血流储备分数，并生成分析报告。计算过程中，采用并行计算(OpenMP/MPI)，加快计算速度。
S05：云端服务器将该血流储备分数及其分析报告进行存储，供医疗体系人员随时查询。
S06：上述系统还包括配套有终端软件或APP，具体的包括：Mac OS版，Windows版，Unix/Linux版，Androids版，iOS Apple版，该终端软件可供客户端用户上传患者心脏和冠状动脉特异性医学影像和患者生理信息，并可以下载相应的冠状动脉FFR计算云图和报告，以及在线查阅和咨询，具体的，包括报告、图像、视频等。
本实施例采用非侵入式获取血流储备分数的方法，降低诊断的风险和费用，快速便捷地获取血流储备分数，可预测冠状动脉血流和心机灌注的医疗治疗、介入治疗和手术治疗的结果。经实践证明，上述提供的非侵入式获取血流储备分数的方法和系统综合了流体力学计算方法和基于病人特异性边界条件仿真的优点，可以通过CFD精确计算冠状动脉正常和狭窄区域的血流储备分数。
本领域内的技术人员应明白，本发明的实施例可提供为方法、装置、或计算机程序产品。因此，本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本发明是参照根据本发明的方法、终端设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理终端设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理终端设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
当然，这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理终端设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令还可装载到计算机或其他可编程数据处理终端设备上，使得在计算机或其他可编程终端设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程终端设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
此外，需要说明的是：
说明书中提到的“一个实施例”或“实施例”意指结合实施例描述的特定特征、结构或特性包括在本发明的至少一个实施例中。因此，说明书通篇各个地方出现的短语“一个实施例”或“实施例”并不一定均指同一个实施例。
尽管已描述了本发明的优选实施例，但本领域内的技术人员一旦得知了基本创造性概念，则可对这些实施例做出另外的变更和修改。所以，所附权利要求意欲解释为包括优选实施例以及落入本发明范围的所有变更和修改。
上述虽然结合附图对本发明的具体实施方式进行了描述，但并非对本发明保护范围的限制，所属领域技术人员应该明白，在本发明的技术方案的基础上，本领域技术人员不需要付出创造性劳动即可做出的各种修改或变形仍在本发明的保护范围以内。

Claims (9)

1.一种非侵入式获取血流储备分数的方法，其特征在于，包括如下步骤：
根据人体冠状动脉医学影像数据，建立冠状动脉三维模型；
获取人体冠状动脉医学生理数据，并结合人体冠状动脉医学影像数据和冠状动脉三维模型，提取用于计算血流储备分数的必要参数，所述必要参数包括动脉血管血流量、血压、心率以及心肌质量；
其中，血流量计算公式为：
mmyo＝ρmyo×VLV
Figure FDA0003834840610000011
QCOrest＝Qcoronary/β
QCOhyperemia＝QCOrest×χ
其中，主动脉运动平均压强计算公式为：
Pdias-hyperemia＝Pdias-rest×(1+γdias)
Psys-hyperemia＝Psys-rest×(1+γsys)
Figure FDA0003834840610000012
根据所述必要参数，确定所述冠状动脉三维模型的边界，并对所述边界进行优化得到冠状动脉仿真模型，所述冠状动脉三维模型的边界包括：进口处的流量边界或压力边界，出口处的流量边界；
结合所述必要参数及冠状动脉仿真模型，采用计算流体力学方法计算血流储备分数；
其中，血流储备分数为根据边界求解流体控制方程获得，流体控制方程为：
Figure FDA0003834840610000013
Figure FDA0003834840610000014
Figure FDA0003834840610000015
其中hem为血红细胞比容，μ为血液粘度阻力。
2.根据权利要求1所述的一种非侵入式获取血流储备分数的方法，其特征在于，所述建立冠状动脉三维模型时，根据人体冠状动脉医学影像数据对冠状动脉进行造影和重构，获得冠状动脉三维模型。
3.根据权利要求2所述的一种非侵入式获取血流储备分数的方法，其特征在于，在冠状动脉三维模型上标注所有血管壁、进口及出口，并根据血管的几何尺寸和弯曲度对所述冠状动脉三维模型进行网格划分。
4.根据权利要求1所述的一种非侵入式获取血流储备分数的方法，其特征在于，边界的设置依据患者特异性生理数据以及医学统计大数据，并依靠深度学习算法或者机器学习算法进行边界的优化。
5.根据权利要求1所述的一种非侵入式获取血流储备分数的方法，其特征在于，所述计算流体力学方法包括：有限元法、有限体积法、有限差分法、边界元法、浸入边界法、格子玻尔兹曼法、光滑粒子法、半隐式运动粒子法或有限体积粒子法。
6.根据权利要求1所述的一种非侵入式获取血流储备分数的方法，其特征在于，采用计算流体力学方法计算血流储备分数的具体方法为：
计算冠状动脉总流量、主动脉静息流量和主动脉运动流量；
计算主动脉运动平均压强；
求解主动脉进出口血流量和冠状动脉进出口血流量以及边界控制方程。
7.一种非侵入式获取血流储备分数的系统，其特征在于，包括建模模块、参数提取模块、模型转换模块及计算生成模块；
所述建模模块，根据人体冠状动脉医学影像数据，建立冠状动脉三维模型；
所述参数提取模块，获取人体冠状动脉医学生理数据，并结合人体冠状动脉医学影像数据和冠状动脉三维模型，提取用于计算血流储备分数的必要参数，所述必要参数包括动脉血管血流量、血压、心率以及心肌质量；
其中，血流量计算公式为：
mmyo＝ρmyo×VLV
Figure FDA0003834840610000021
QCOrest＝Qcoronary/β
QCOhyperemia＝QCOrest×χ
其中，主动脉运动平均压强计算公式为：
Pdias-hyperemia＝Pdias-rest×(1+γdias)
Psys-hyperemia＝Psys-rest×(1+γsys)
Figure FDA0003834840610000031
所述模型转换模块，根据所述必要参数，确定所述冠状动脉三维模型的边界，并对所述边界进行优化得到冠状动脉仿真模型，所述冠状动脉三维模型的边界包括：进口处的流量边界或压力边界，出口处的流量边界；
所述计算生成模块，结合所述必要参数及冠状动脉仿真模型，采用计算流体力学方法计算血流储备分数；
其中，血流储备分数为根据边界求解流体控制方程获得，流体控制方程为：
Figure FDA0003834840610000032
Figure FDA0003834840610000033
Figure FDA0003834840610000034
其中hem为血红细胞比容，μ为血液粘度阻力。
8.根据权利要求7所述的一种非侵入式获取血流储备分数的系统，其特征在于，所述建模模块被设置为：
在建立冠状动脉三维模型时，在冠状动脉三维模型上标注所有血管壁、进口、出口，并且按照血管几何尺寸和弯曲度将冠状动脉三维模型进行网格划分。
9.根据权利要求8所述的一种非侵入式获取血流储备分数的系统，其特征在于，所述模型转换模块被设置为：在确定所述冠状动脉三维模型的边界时，先设置冠状动脉的进口边界，再设置出口边界，并根据必要参数对所述边界进行优化。
CN201810272164.8A 2018-03-29 2018-03-29 一种非侵入式获取血流储备分数的方法和系统 Active CN108511075B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201810272164.8A CN108511075B (zh) 2018-03-29 2018-03-29 一种非侵入式获取血流储备分数的方法和系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810272164.8A CN108511075B (zh) 2018-03-29 2018-03-29 一种非侵入式获取血流储备分数的方法和系统

Publications (2)

Publication Number Publication Date
CN108511075A CN108511075A (zh) 2018-09-07
CN108511075B true CN108511075B (zh) 2022-10-25

Family

ID=63377874

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810272164.8A Active CN108511075B (zh) 2018-03-29 2018-03-29 一种非侵入式获取血流储备分数的方法和系统

Country Status (1)

Country Link
CN (1) CN108511075B (zh)

Families Citing this family (15)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108922580A (zh) * 2018-05-25 2018-11-30 杭州脉流科技有限公司 一种获取血流储备分数的方法、装置、系统和计算机存储介质
CN109363661B (zh) * 2018-09-25 2022-02-01 杭州晟视科技有限公司 血流储备分数确定系统、方法、终端及存储介质
CN111227821B (zh) * 2018-11-28 2022-02-11 苏州润迈德医疗科技有限公司 基于心肌血流量和ct图像的微循环阻力指数计算方法
CN111227822B (zh) * 2018-11-28 2022-02-11 苏州润迈德医疗科技有限公司 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
CN109800469B (zh) * 2018-12-25 2022-12-23 上海交通大学 基于ib-lb方法对多颗粒链颗粒平衡间距进行预测的模拟仿真方法
CN110120031B (zh) * 2019-04-02 2022-05-31 四川锦江电子科技有限公司 一种得到血管血流储备分数的方法和装置
CN110136810B (zh) * 2019-06-12 2023-04-07 上海移视网络科技有限公司 心肌缺血冠脉血流储备的分析方法
CN110786840B (zh) * 2019-11-04 2021-06-08 苏州润迈德医疗科技有限公司 基于生理参数获取血管评定参数的方法、装置及存储介质
CN111134651B (zh) * 2019-12-09 2022-03-08 杭州脉流科技有限公司 基于腔内影像计算血流储备分数的方法、装置、系统以及计算机存储介质
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
CN112690814B (zh) * 2020-11-06 2022-10-14 杭州阿特瑞科技有限公司 一种低误差的冠状动脉血流储备分数测量方法
CN113076705A (zh) * 2021-03-26 2021-07-06 北京阅影科技有限公司 血流动力的仿真方法及装置
CN113408152B (zh) * 2021-07-23 2023-07-25 上海友脉科技有限责任公司 冠脉旁路移植仿真系统、方法、介质及电子设备
CN113616160B (zh) * 2021-09-14 2024-02-06 苏州博动戎影医疗科技有限公司 基于多模态医学影像的ffr确定方法、装置、设备及介质
CN116128864B (zh) * 2023-02-22 2024-04-23 浙江医准智能科技有限公司 血流储备分数的评估方法、装置、电子设备及存储介质

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
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
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
CN105096388A (zh) * 2014-04-23 2015-11-25 北京冠生云医疗技术有限公司 基于计算流体力学的冠状动脉血流仿真系统和方法
CN105580019A (zh) * 2013-07-30 2016-05-11 哈特弗罗公司 为优化诊断性能利用边界条件模型化血流的方法和系统
CN106659400A (zh) * 2014-06-30 2017-05-10 皇家飞利浦有限公司 用于确定血流储备分数值的装置
CN107174219A (zh) * 2010-08-12 2017-09-19 哈特弗罗公司 用于患者特异性血流建模的方法和系统

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10433740B2 (en) * 2012-09-12 2019-10-08 Heartflow, Inc. Systems and methods for estimating ischemia and blood flow characteristics from vessel geometry and physiology

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107174219A (zh) * 2010-08-12 2017-09-19 哈特弗罗公司 用于患者特异性血流建模的方法和系统
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
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
CN105580019A (zh) * 2013-07-30 2016-05-11 哈特弗罗公司 为优化诊断性能利用边界条件模型化血流的方法和系统
CN105096388A (zh) * 2014-04-23 2015-11-25 北京冠生云医疗技术有限公司 基于计算流体力学的冠状动脉血流仿真系统和方法
CN106659400A (zh) * 2014-06-30 2017-05-10 皇家飞利浦有限公司 用于确定血流储备分数值的装置

Also Published As

Publication number Publication date
CN108511075A (zh) 2018-09-07

Similar Documents

Publication Publication Date Title
CN108511075B (zh) 一种非侵入式获取血流储备分数的方法和系统
US11854704B2 (en) Systems and methods for anatomical modeling using information obtained from a medical procedure
JP6796117B2 (ja) 患者固有の幾何学的形状モデルを変更することによって治療を決定する方法及びシステム
EP3127026B1 (en) Systems and methods for determining blood flow characteristics using flow ratio
JP6832920B2 (ja) 動脈の供給能力と終末器官の必要量とを比較することにより心血管疾患の診断及び評価をするためのシステム及び方法
CN106659400B (zh) 用于确定血流储备分数值的装置
KR102103126B1 (ko) 환자별 혈류 모델링 방법 및 시스템
KR101910233B1 (ko) 맥관구조를 수치 평가하는 시스템들 및 방법들
JP2021045558A (ja) 血管モデルの作成方法
JP5953438B2 (ja) 冠状動脈を通る血流量を決定する方法
CN111134651B (zh) 基于腔内影像计算血流储备分数的方法、装置、系统以及计算机存储介质
EP3277169B1 (en) Systems and methods for estimating virtual perfusion images
JP6685319B2 (ja) 定量的フロー分析のための方法および装置
CN108109698B (zh) 计算血流储备分数的系统和设置边界条件的方法
JP2019512131A (ja) 画像ベースの患者固有の血流力学的モデルにおいて解像されていない血管を特定してモデル化するためのシステム及び方法
CN114052764A (zh) 获取血流储备分数的方法、装置、系统和计算机存储介质
Kamangar et al. Patient specific 3-d modeling of blood flow in a multi-stenosed left coronary artery
CN112384138B (zh) 获取心表大动脉的血流量的方法、装置、系统及存储介质
CN114664455A (zh) 一种冠状动脉血流储备分数计算方法及装置
CN110929604A (zh) 基于造影图像的流速的筛选方法、装置、系统和存储介质

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
TA01 Transfer of patent application right
TA01 Transfer of patent application right

Effective date of registration: 20181225

Address after: 310051 Room C1-501, 459 Yanmai Road, Xixing Street, Binjiang District, Hangzhou City, Zhejiang Province

Applicant after: ARTERYFLOW TECHNOLOGY Co.,Ltd.

Address before: 519000 Room 2202, Building 177 Jingshan Road, Xiangzhou District, Zhuhai City, Guangdong Province

Applicant before: Xiang Jianping

GR01 Patent grant
GR01 Patent grant