发明内容
本发明的目的旨在至少解决所述技术缺陷之一。
为此,本发明的目的在于提出一种建立血液流动计算模型用以评价冠状动脉血流情况的方法。
为了实现上述目的,本发明的实施例提供一种建立血液流动计算模型用以评价冠状动脉血流情况的方法,包括如下步骤:
步骤S1,建立心脏的三维模型,包括:利用CT设备扫描得到心脏的CT成像二维灰度图片,将所述心脏的CT成像二维灰度图片进行二值化处理,并根据预设关系进行堆叠,获取堆叠后的冠状动脉三维结构;
步骤S2,根据步骤S1中建立的冠状动脉三维结构,建立血液的流体力学模型,包括:采用自适应局部加密技术对所述三维心脏模型结构进行离散网格化,生成自适应加密网格;基于所述自适应加密网格建立格子玻尔兹曼方法(LBM)血液流动计算模型;
步骤S3,根据步骤S2建立的LBM血液流动计算模型,计算血流储备分数FFR。
进一步,在所述步骤S1中,对心脏的CT成像二维灰度图片进行二值化处理,从CT数据中提取冠状动脉三维结构信息,通过二值化,将固相和液相进行区分,并进行堆叠形成冠状动脉三维结构。
进一步,所述冠状动脉三维结构信息包括:血管、斑块。
进一步,在所述步骤S2中,所述采用自适应局部加密技术对所述冠状动脉三维结构进行离散网格化,生成自适应加密网格,包括:
采用多个不同大小的正方形网格对所述冠状动脉三维结构进行分割,其中,在冠状动脉三维结构的边界处采用的网格尺寸小于非边界处采用的网格尺寸。
进一步,通过分析冠状动脉三维结构,获得血管最狭窄位置直径D,在网格生成过程中,采用逐层加粗策略,最密网格层单元网格尺寸大小的确定依据为:血管最窄位置直径方向不得少于五层网格,即最小网格尺寸为D/5,血管边界区域采用最密网格,其余基体区域采用逐层加粗的网格,每层加粗网格的单元尺寸分别为相邻较细层网格单元的两倍。
进一步,在所述步骤S2中,所述基于自适应加密网格建立格子玻尔兹曼方法LBM血液流动计算模型,包括如下步骤:首先通过将玻尔兹曼方程在速度以及空间、时间维度进行离散化处理,求解密度分布函数在三维空间各个离散点上随时间的演化过程,然后求解实时的三维空间上血液的质量密度、动量以及速度的分布。
进一步,在所述步骤S3中,设置流体计算所需的初始、边界条件、如平均动脉压,血液的密度和黏度参数,采用格子玻尔兹曼方法对血液在冠状动脉内的流动进行模拟计算,获得每一时刻、冠状动脉中任意空间点对应的血液的流动速度U和压力P,基于平均动脉压PO计算获得每一时刻、冠状动脉中任意空间点对应血液储备分数FFR=P/P0。
根据本发明实施例的建立血液流动计算模型用以评价冠状动脉血流情况的方法,采用LBM方法建立的流体力学模型,同时通过耦合自适应网格技术及大规模并行计算技术,解决了这个LBM模型计算效率低、计算域受限的问题,同时可处理复杂边界,计算得到的紊流模型更接近实际血液的流动。本发明建立的流体计算模型,具有计算精度高和效率高的特点,这样计算取得血流储备分数的精度高,计算时间少,评价冠状动脉血流情况的精度更高,效率更优。
本发明附加的方面和优点将在下面的描述中部分给出,部分将从下面的描述中变得明显,或通过本发明的实践了解到。
附图说明
本发明的上述和/或附加的方面和优点从结合下面附图对实施例的描述中将变得明显和容易理解,其中:
图1为根据本发明实施例的建立血液流动计算模型用以评价冠状动脉血流情况的方法的流程图;
图2a为根据本发明实施例的CT扫描物体后的灰度示意图;
图2b为根据本发明实施例的经过二值化处理将固体相和液相区分的示意图;
图2c为根据本发明实施例的二值化堆叠处理后的物体结构的示意图;
图3a为根据本发明实施例的自适应局部加密网格技术的效果图;
图3b为根据本发明实施例的从图3a中抽取的一个二维层面的放大图;
图3c为根据本发明实施例的图3b的局部放大图;
图4a至图4d为根据本发明实施例的二维溃坝算例计算模拟结果图;
图5为根据本发明实施例的三维溃败算例计算模拟结果图。
具体实施方式
下面详细描述本发明的实施例,所述实施例的示例在附图中示出,其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的,旨在用于解释本发明,而不能理解为对本发明的限制。
本发明实施例的建立血液流动计算模型用以评价冠状动脉血流情况的方法,采用格子玻尔兹曼方法、自适应网格技术建立的流场力学模型,计算得到冠心病诊断中需要的血流储备分数FFR。
如图1所示,本发明实施例的建立血液流动计算模型用以评价冠状动脉血流情况的方法,包括如下步骤:
步骤S1,建立心脏的三维模型,包括:利用CT设备扫描得到心脏的CT成像二维灰度图片(如图2a所示),将心脏的CT成像二维灰度图片进行二值化处理,并根据预设关系进行堆叠,获取堆叠后的冠状动脉三维结构。
在步骤S1中,对心脏的CT成像二维灰度图片进行二值化处理,从CT数据中提取冠状动脉三维结构信息,将固相和液相进行区分(如图2b所示),分别以二值进行表示,实现二值化处理,并进行堆叠形成冠状动脉三维结构(如图2c所示)。在本发明的一个实施例中,冠状动脉三维结构信息包括:血管、斑块等。
具体的,将扫描得到的多张二维绘图图片依据对应关系堆叠起来,然后将物体的灰度图片进行二值化处理。例如,将图片中的液相用一个符号表示例如数字0,将图片中的固相用1表示。这是计算机进行重构的基础,从而可以让计算机获知哪些特征对应固相,哪些特征对应液相。参考图2c,可认为白色的地方是固相,黑色部分是液相。
需要说明的是,实际物体中可不限于液/固两相,根据物体的具体情况进行设定,在此不再赘述。
步骤S2,根据步骤S1中建立的冠状动脉三维结构,建立血液的流体力学模型,包括:采用自适应局部加密技术对三维心脏模型结构进行离散网格化,生成自适应加密网格;基于自适应加密网格建立格子玻尔兹曼方法血液流动计算模型。
在本步骤中,采用自适应局部加密技术对冠状动脉三维结构进行离散网格化,生成自适应加密网格,包括:
采用多个不同大小的正方形网格对冠状动脉三维结构进行分割,其中,在冠状动脉三维结构的边界处采用的网格尺寸小于非边界处采用的网格尺寸。
具体的,采用网格将一个三维模型离散化,即采用多个正方形网格将三维模型分割。同时本步骤采用的是非均匀网格,每个正方形网格的尺寸,根据需要自动调整大小。在本发明的一个实施例中,在三维模型边界的地方采用尺寸小的网格,在非边界的地方采用大的网格。图3a示出了“自适应局部加密网格技术”的计算效果,在需要加密的地方采用尺寸小的网格,在其他地方采用尺寸大的网格。图3b为根据本发明实施例的从图3a中抽取的一个二维截面的放大图,可以看到在液相和固相的界面处采用了尺寸很小的网格,在固相内部或液相内部采用了尺寸大的网格。图3c为根据本发明实施例的图3b的局部放大图,可以更清晰的看到在界面局部采用尺寸更小的网格。
以冠动脉血管离散过程为例,通过分析CT三维模型,可获得血管最狭窄位置直径D。在网格生成过程中,采用逐层加粗策略,最密网格层单元网格尺寸大小的确定依据为:血管最窄位置直径方向不得少于五层网格,即最小网格尺寸为D/5。血管边界区域采用最密网格,其余基体区域采用逐层加粗的网格,每层加粗网格的单元尺寸分别为相邻较细层网格单元的两倍。通过此种策略,可将血管及其边界处采用大量细小网格描述,而对于基体可采用较粗网格进行描述。因此在减少计算网格规模的同时,可以保持CT数据的精细的几何形貌特征。
基于自适应加密网格建立格子玻尔兹曼方法(LBM)血液流动计算模型,包括如下步骤:首先通过将玻尔兹曼方程在速度以及空间、时间维度进行离散化处理,求解密度分布函数在三维空间各个离散点上随时间的演化过程,然后求解实时的三维空间上血液的质量密度、动量以及速度的分布。
基于网格建立LBM流动算法:整体的思路就是先求解密度分布函数,再由密度分布函数依次求解出质量密度、动量和流体速度。
玻尔兹曼方程
Ω(f)碰撞项
ci离散的粒子速度
eq平衡密度分布函数
fi离散密度分布函数
具体来说:通过将玻尔兹曼方程在速度以及空间、时间维度进行离散化处理,求解密度分布函数在三维空间各个离散点上随时间的演化过程,从而进一步求解、获得实时的三维空间上流体的质量密度、动量以及速度的分布,具体内容如下:
第一步:速度采用D3Q19模型进行离散。
第二步:空间离散采用规则有限差分网格,对界面变化剧烈区域采用自适应网格进行多层次加密。
第三步:时间离散采用显式欧拉方法。
第四步:单个时间步,密度分布函数的计算采用基于消息传递的并行计算技术进行加速。
采用自适应局部加密和LBM结合的优势是:通过以上方法建立的LBM流体模型,经过了两种方法的计算效率的提升,第一次就是通过“自适应局部加密技术”在提升计算精度的同时降低了网格数量,也就是降低了计算量,从而提高了计算效率。第二次是计算框架适合并行计算,将计算分配到多个处理器上,让其同时计算,这样就节省了计算时间。
本发明流动算法的准确性验证采用“溃坝实验”,这是流体力学领域公认的一种用来评价流体力学模型精准度的模型。
下面参考图4a至图4d、图5中所示的溃坝算例计算模拟结果和相关数据,显示采用本发明的流体模型在精度和效率上的优势。
具体实验过程中,先用一个挡板A把水拦住,在这块挡板的右侧再放置一个较矮的挡板B。然后抽掉挡板A。用高速摄影仪记录下来整个水流撞击到挡板B,直到再撞击到右侧的玻璃壁上的全部过程。
图4a至图4d是本发明的流体计算模型模拟的这一过程,可以直观的看出两者的高度相似度。同时还可以看见飞溅的水滴,这都是本模型先进性的体现。整个过程其实是两个动态的过程比对,这里只是各自抽取了四张图片。
图5是模拟的三维显示,可以更直观的看到模拟效果。通过溃坝模型的计算效率测试,1.25亿规模的计算网格,在40核512G物理内存的工作站进行模拟计算,计算完成仅需要三小时,因此效率更高。
步骤S3,根据步骤S2建立的LBM血液流动计算模型,计算血流储备分数FFR。
FFR,即血流储备分数是描述冠脉狭窄的一个公认的功能性评价指标,是指狭窄血管中能获得的最大血流量与假设该血管无狭窄情况下的最大血流量之比。通常将其换算为压力,即血管狭窄区域远端的压力P与狭窄区域近端正常血管压力P0之比。
具体的,设置流体计算所需的初始、边界条件、如平均动脉压,血液的密度和黏度等参数。基于自适应加密网格,和上述初始、边界条件,采用格子玻尔兹曼方法对血液在冠状动脉内的流动进行模拟计算,获得每一时刻、冠状动脉中任意空间点对应的血液的流动速度U和压力P,基于平均动脉压P0计算获得每一时刻、冠状动脉中任意空间点对应血液储备分数FFR=P/P0。
综上,本发明实施例的建立血液流动计算模型用以评价冠状动脉血流情况的方法,流程如下:
1)通过二值化图像处理,从CT数据中提取冠状动脉三维结构信息,包括血管、斑块等。
2)将提取的冠状动脉三维结构进行离散化,即进行自适应加密网格的生成。
3)设置流体计算所需的初始、边界条件、如平均动脉压,血液的密度和黏度等参数。
4)采用格子玻尔兹曼方法对血液在冠状动脉内的流动进行模拟计算,获得每一时刻、冠状动脉中任意空间点对应的血液的流动速度U和压力P。
5)基于平均动脉压PO(可视为正常血管压力),计算获得每一时刻、冠状动脉中任意空间点对应血液储备分数FFR=P/P0。
根据本发明实施例的建立血液流动计算模型用以评价冠状动脉血流情况的方法,采用LBM方法建立的流体力学模型,同时通过耦合自适应网格技术及大规模并行计算技术,解决了LBM模型计算效率低、计算域受限的问题,同时可处理复杂边界,同时采用紊流模型使得模拟结果更接近实际血液的流动。本发明建立的流体模型,具有计算精度高和效率高的特点,这样计算取得血流储备分数的精度高,计算时间少,评价冠状动脉血流情况的精度更高,效率更优。
在本说明书的描述中,参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中,对上述术语的示意性表述不一定指的是相同的实施例或示例。而且,描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。
尽管上面已经示出和描述了本发明的实施例,可以理解的是,上述实施例是示例性的,不能理解为对本发明的限制,本领域的普通技术人员在不脱离本发明的原理和宗旨的情况下在本发明的范围内可以对上述实施例进行变化、修改、替换和变型。本发明的范围由所附权利要求及其等同限定。