CN108742586A - 基于糖尿病病史信息获取血流特征值的方法及装置 - Google Patents

基于糖尿病病史信息获取血流特征值的方法及装置 Download PDF

Info

Publication number
CN108742586A
CN108742586A CN201810636469.2A CN201810636469A CN108742586A CN 108742586 A CN108742586 A CN 108742586A CN 201810636469 A CN201810636469 A CN 201810636469A CN 108742586 A CN108742586 A CN 108742586A
Authority
CN
China
Prior art keywords
blood
flow velocity
blood flow
model
history information
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
CN201810636469.2A
Other languages
English (en)
Other versions
CN108742586B (zh
Inventor
涂圣贤
徐波
曲新凯
余炜
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.)
Shanghai Bodong Medical Technology Co.,Ltd.
Original Assignee
Medical Imaging Technology (shanghai) 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 Medical Imaging Technology (shanghai) Co Ltd filed Critical Medical Imaging Technology (shanghai) Co Ltd
Priority to CN201810636469.2A priority Critical patent/CN108742586B/zh
Publication of CN108742586A publication Critical patent/CN108742586A/zh
Application granted granted Critical
Publication of CN108742586B publication Critical patent/CN108742586B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • 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
    • A61B5/0275—Measuring blood flow using tracers, e.g. dye dilution
    • A61B5/02755—Radioactive tracers
    • 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
    • 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
    • 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
    • G06T2207/20—Special algorithmic details
    • G06T2207/20092—Interactive image processing based on input by user
    • G06T2207/20104—Interactive definition of region of interest [ROI]
    • 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

Abstract

本发明提供了一种基于糖尿病病史信息获取血流特征值的方法，包括步骤：接收一部分血管段的解剖数据，根据解剖数据获取感兴趣区域的几何模型；根据解剖数据并结合个体的特异性数据，获取感兴趣区域的血流模型的第一血流速度；基于患者的糖尿病病史信息，对第一血流速度修正以获得第二血流速度；以目标血管的近端终点为参考点，计算目标血管管腔的形态差异函数f(x)。结合形态差异函数f(x)、第二血流速度及血流动力学，计算获得血流特征值。本发明基于形态差异函数f(x)，明确了狭窄病变中斑块信息对血管压力差的影响，同时基于患者的糖尿病病史信息引入纠偏参数，对血流速度进行修正，提高了FFR值的准确度。

Description

基于糖尿病病史信息获取血流特征值的方法及装置
技术领域
本发明涉及医疗器械技术领域，尤其涉及基于糖尿病病史信息获取血流特征值的方法及装置。
背景技术
人体血液中的脂类及糖类物质在血管壁上的沉积将在血管壁上形成斑块，继而导致血管狭窄；特别是发生在心脏冠脉附近的血管狭窄将导致心肌供血不足，诱发冠心病、心绞痛等病症，对人类的健康造成严重威胁。据统计，我国现有冠心病患者约1100万人，心血管介入手术治疗患者数量每年增长大于10％。
冠脉造影CAG、计算机断层扫描(CT)、OCR、血管内超声(IVUS)等常规医用检测手段虽然可以显示心脏冠脉血管狭窄的严重程度，但是并不能准确评价冠脉的缺血情况。为提高冠脉血管功能评价的准确性，1993年Pijls提出了通过压力测定推算冠脉血管功能的新指标——血流储备分数(Fractional Flow Reserve，FFR)，经过长期的基础与临床研究，FFR已成为冠脉狭窄功能性评价的金标准。
血流储备分数(FFR)通常是指心肌血流储备分数，定义为病变冠脉能为心肌提供的最大血流与该冠脉完全正常时最大供血流量之比，研究表明，在冠脉最大充血状态下，血流量的比值可以用压力值来代替。即FFR值的测量可在冠脉最大充血状态下，通过压力传感器对冠脉远端狭窄处的压力和冠脉狭窄近端压力进行测定继而计算得出。近年来，基于压力导丝测量FFR值的方法逐渐进入临床应用，成为冠心病患者获得精准诊断的有效方法；然而，由于压力导丝在介入过程中易对病人的血管造成损伤；同时，通过压力导丝对FFR值进行测定需要注射腺苷/ATP等药物保证冠脉达到最大充血状态，部分病人会因药物的注射感到不适，使得基于压力导丝测量FFR值的方法存在较大的局限性。此外，虽然基于压力导丝引导的FFR的测定是冠脉狭窄血液动力学的重要指标，但是由于压力导丝的造价高，介入血管过程操作困难，因此严重限制了基于压力导丝测量FFR值的方法的推广及使用。
目前，基于目标血管的几何参数获得近端终点与远端终点的血管管腔的横截面形态的几何参数的差异，只考虑了近端终点与远端终点真实管腔的形态差异，然后再用几何参数来表达这个差异，该几何参数简化为面积/直径的变化，当两个管腔的面积一样时，得到的差值导数是0，则认为压力差是0，忽略了斑块信息对压力差的影响。例如，可能相邻层之间的横截面的面积变化为0，但是斑块的位置不同，即，其形态差异并不是0，因此FFR值可能并非为0，即斑块信息影响了FFR值的准确度。
另外，糖尿病是一种全身性代谢紊乱性疾病，一般人空腹全血血糖为3.9～6.1毫摩尔/升，而糖尿病患者的空腹血糖参考值如下：轻度糖尿病患者的空腹血糖范围为：7.0～8.4mmol/L，中度糖尿病患者的空腹血糖范围为：8.4～10.1mmol/L，重度糖尿病患者的空腹血糖范围为：大于10.11mmol/L。糖尿病会导致广泛心肌内小动脉病变，内皮细胞增生变性黏多糖物质在内皮下沉积，管腔变窄；血液黏稠度增加，红细胞变形性降低，从而影响组织灌流及氧合作用，也加重血液流变学的异常导致心脏病变；同时，糖尿病会影响患者的血管内皮功能，若采用经验血流模型或者造影剂血流模型，采集的充血血流速度会比实际值偏大，引起压力差高估与FFR低估，降低了FFR的准确度。
有鉴于此，有必要设计一种基于糖尿病病史信息获取血流特征值的方法及装置，以解决上述问题。
发明内容
本发明的目的在于提供一种提高测试结果准确度的基于糖尿病病史信息获取血流特征值的方法及基于糖尿病病史信息获取血流储备分数的装置。
为实现上述发明目的，本发明提供了一种基于糖尿病病史信息获取血流特征值的方法，包括如下步骤：
接收一部分血管段的解剖数据，根据所述解剖数据获取感兴趣区域的几何模型；
根据所述解剖数据并结合个体的特异性数据，获取感兴趣区域的血流模型，并根据所述血流模型获取目标血管的第一血流速度v1；
基于患者的糖尿病病史信息，对所述第一血流速度v1修正以获得感兴趣区域的第二血流速度v2；所述第二血流速度v2与所述第一血流速度v1满足如下关系式：
v2＝wv1
式中，所述w为纠偏参数；
对所述几何模型进行预处理，建立目标血管在近端终点和远端终点之间各个位置处的横截面形态模型；
以目标血管的近端终点为参考点，对不同尺度下的所述横截面形态模型进行拟合，计算目标血管管腔的形态差异函数f(x)，所述尺度为计算所述形态差异函数f(x)时相邻两横截面之间的距离；
结合所述第二血流速度v2及血流动力学，获取感兴趣区域近端终点处的第一血流压力P1；
基于所述目标血管管腔的形态差异函数f(x)与所述第二血流速度v2，计算获得所述目标血管任意两位置间的压力差数值ΔP；
所述血流特性值包括所述第一血流压力P1、压力差数值ΔP以及基于所述第一血流压力P1和压力差数值ΔP获得的数值。
作为本发明的进一步改进，若患者的空腹血糖范围为：7.0～8.4mmol/L，则所述纠偏参数w的取值范围为0.85-1.00；若患者的空腹血糖范围为：8.4～10.1mmol/L，则所述纠偏参数w的取值范围为0.70-0.85；若患者的空腹血糖大于10.11mmol/L，则所述纠偏参数w的取值范围为0.55-0.70。
作为本发明的进一步改进，所述压力差数值ΔP满足如下关系式：
其中，c1、c2、c3、…、cm分别代表所述第二血流速度v2的参数系数；所述f1(x)，f2(x)…fn(x)为不同尺度的形态差异函数；n为不同的尺度，为大于等于1的自然数值；α1、α2、…、αn分别为f1(x)，f2(x)…fn(x)的加权系数，m为大于等于1的正整数。
作为本发明的进一步改进，所述形态差异函数fn(x)用于检测第n种病变特征所引起的相邻管腔横截面形态差异所对应的几何参数；优选的，所述几何参数包括感兴趣区域中各个血管段近端终点处横截面的形态、感兴趣区域中各个血管段远端终点处横截面的形态以及感兴趣区域中各个血管段在近端终点与远端终点之间各横截面处的横截面的形态；或所述血流模型包括固定血流模型及个性化血流模型。
作为本发明的进一步改进，所述横截面的形态至少包括所述横截面的几何形状、面积、直径或斑块信息。
作为本发明的进一步改进，所述个性化血流模型包括静息态血流模型和负荷态血流模型；当所述血流模型为静息态血流模型时，所述第一血流速度v1可通过血管段中的流体充盈的速度计算获得；或者通过血管树的形态计算获得。
作为本发明的进一步改进，所述第一血流速度v1通过所述血管树的形态计算获得时，所述几何参数还包括所述血管树中血管段的长度、灌注面积及分支角度中的一种或几种。
为实现上述发明目的，本发明还提供了一种基于糖尿病病史信息获取血流特征值的装置，包括：
数据采集器，所述数据采集器用于获取及存储一部分血管段的解剖模型中感兴趣区域的几何参数和患者特异性数据；
血流特征处理器，基于所述几何参数和患者特异性数据，所述血流特征处理器用于建立感兴趣区域的几何模型及血流模型，以获取第一血流速度v1；
所述血流特征处理器还用于，基于所述糖尿病病史信息，对所述第一血流速度v1进行修正，以获得第二血流速度v2；所述第二血流速度v2与所述第一血流速度v1满足如下关系式：
v2＝wv1
式中，所述w为纠偏参数；
所述血流特征处理器还用于，对所述几何模型进行预处理，建立目标血管在近端终点和远端终点之间各个位置处的横截面形态模型；以目标血管的近端终点为参考点，对不同尺度下的所述横截面形态模型进行拟合，计算目标血管管腔的形态差异函数f(x)，所述尺度为计算所述形态差异函数f(x)时相邻两横截面之间的距离；根据所述第二血流速度v2及血流动力学，获取感兴趣区域近端终点处的第一血流压力P1以及基于所述目标血管管腔的形态差异函数f(x)与所述第二血流速度v2，计算获得所述目标血管任意两点间的压力差数值ΔP；
所述血流特性值包括所述第一血流压力P1、压力差数值ΔP以及基于所述第一血流压力P1和压力差数值ΔP获得的数值。
作为本发明的进一步改进，若患者的空腹血糖范围为：7.0～8.4mmol/L，则所述纠偏参数w的取值范围为0.85-1.00；若患者的空腹血糖范围为：8.4～10.1mmol/L，则所述纠偏参数w的取值范围为0.70-0.85；若患者的空腹血糖大于10.11mmol/L，则所述纠偏参数w的取值范围为0.55-0.70。
作为本发明的进一步改进，所述基于糖尿病病史信息获取血流特征值的装置还包括速度采集器，所述速度采集器用于获取感兴趣区域的所述第一血流速度v1；所述速度采集器包括速度计算模块及速度提取模块；所述速度提取模块可通过所述数据采集器直接获取血流速度信息，也可通过所述血流模型直接提取血流速度。
作为本发明的进一步改进，所述速度计算模块还包括速度转换模块及速度测算模块；所述血流速度可通过血管段中流体充盈的速度经所述速度转换模块转换获得，还可通过血管树的形态经所述速度测算模块测算获得，所述血管树的形态至少包括血管树的体积、面积、长度及血管树中管腔的直径中的一种或几种。
本发明的有益效果是：糖尿病会影响患者的血管内皮功能，血管内充血血流速度一般会比正常人小，若直接采用经验血流模型，则获得的充血血流速度大于患者实际的充血血流速度，引起压力差值高估与FFR值低估。本发明基于糖尿病病史信息获取血流特征值的方法，基于目标血管的形态差异函数f(x)，明确了狭窄病变中斑块信息对血管压力差的影响，同时基于患者的糖尿病病史信息引入纠偏参数w，对患者的血流速度进行修正，提高了FFR值的准确度，增加了获得的FFR值在临床医疗中的参考价值。
附图说明
图1为本发明基于糖尿病病史信息获取血流特征值的装置的结构示意图。
图2a为目标血管中一处横截面面积示意图。
图2b为目标血管中另一处横截面面积示意图。
图2c为图2a与图2b拟合得到的横截面面积示意图。
具体实施方式
为了使本发明的目的、技术方案和优点更加清楚，下面结合附图和具体实施例对本发明进行详细描述。
在此，还需要说明的是，为了避免因不必要的细节而模糊了本发明，在附图中仅仅示出了与本发明的方案密切相关的结构和/或处理步骤，而省略了与本发明关系不大的其他细节。
另外，还需要说明的是，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。
本发明提供了一种基于糖尿病病史信息获取血流特征值的方法，包括如下步骤：
接收一部分血管段的解剖数据，根据所述解剖数据获取感兴趣区域的几何模型；
根据所述解剖数据并结合个体的特异性数据，获取感兴趣区域的血流模型，并根据所述血流模型获取目标血管的第一血流速度v1；
基于患者的糖尿病病史信息，对所述第一血流速度v1修正以获得感兴趣区域的第二血流速度v2；所述第二血流速度v2与所述第一血流速度v1满足如下关系式：
v2＝wv1
式中，所述w为纠偏参数，所述纠偏参数w为经验值，具体来讲，若患者的空腹血糖范围为：7.0～8.4mmol/L，则所述纠偏参数w的取值范围为0.85-1.00；若患者的空腹血糖范围为：8.4～10.1mmol/L，则所述纠偏参数w的取值范围为0.70-0.85；若患者的空腹血糖大于10.11mmol/L，则所述纠偏参数w的取值范围为0.55-0.70；
对所述几何模型进行预处理，建立目标血管在近端终点和远端终点之间各个位置处的横截面形态模型；以目标血管的近端终点为参考点，对不同尺度下的所述横截面形态模型进行拟合，计算目标血管管腔的形态差异函数f(x)，所述尺度为计算所述形态差异函数f(x)时相邻两横截面之间的距离；
结合所述第二血流速度v2及血流动力学，获取感兴趣区域近端终点处的第一血流压力P1；基于所述目标血管管腔的形态差异函数f(x)与所述第二血流速度v2，计算获得所述目标血管任意两位置间的压力差数值ΔP；
所述血流特性值包括所述第一血流压力P1、压力差数值ΔP以及基于所述第一血流压力P1和压力差数值ΔP获得的数值。
其中，所述压力差数值ΔP的计算公式满足如下关系式：
其中，c1、c2、c3、…、cm分别代表所述第二血流速度v2的参数系数；α1、α2、…、αn分别为f1(x)，f2(x)…fn(x)的加权系数，m为大于等于1的正整数。所述f1(x)，f2(x)…fn(x)为不同尺度的形态差异函数；n为不同的尺度，为大于等于1的自然数值，即，不同的分辨率。
所述第一尺度形态差异函数f1(x)用于检测第一种病变特征所引起的相邻管腔横截面形态差异所对应的几何参数；所述第二尺度形态差异函数f2(x)用于检测第二种病变特征所引起的相邻管腔横截面形态差异所对应的几何参数；相应地，所述形态差异函数fn(x)用于检测第n种病变特征所引起的相邻管腔横截面形态差异所对应的几何参数。需要说明的是，所述第n种病变特征所引起的形态差异函数fn(x)是指不同的病变范围对应不同的尺度，例如：局限性病变影响的是局部，弥漫性病变影响到全局等。
所述形态差异函数f(x)用于表示目标血管不同位置处的横截面形态变化随着该位置到参考点的距离x变化的函数；且所述形态差异函数f(x)的获取包括：
基于横截面形态模型，建立各横截面的形态函数；
对相邻两横截面的形态函数进行拟合，并获取相邻两横截面在不同尺度下的差异变化函数；
以目标血管的近端终点为参考点，根据差异变化函数获取管腔形态随着到参考点的距离x的变化率，对目标血管从近端终点到远端终点范围内的位置参数进行归一化处理，以最终获取形态差异函数f(x)。
请参阅图2a～2c所示，下面对所述形态差异函数f(x)的处理过程以目标血管管腔的横截面面积的变化进行举例说明：当相邻层的一个管腔的横截面面积增加的区域A1，对应面积S1，另一个管腔的横截面面积减少的区域A2，对应面积S2，这两部分S1、S2都是相邻管腔的不重叠部分，剩下的相邻管腔重叠的区域A3，面积为S3，则f(x)可以表示为：f(x)＝(S1+S2)/(S1+S2+S3)。可以看到，如果相邻层的管腔形态一样，S1＝S2＝0，f(x)＝0，否则f(x)>0。如此，基于形态差异，明确了斑块位置对血管压力差的影响，避免了传统方法中忽略了斑块位置对血管压力差的影响，提高了血流特征值的准确度。当然，横截面面积的变化表示只是一种几何参数的表达形式，还有很多其它表达形式。例如：血管边界每个点与相邻层对应的点之间的距离也可以表示。形态完全一样的两个横截面，距离为0，而形态不一样，即使面积一样，对应点之间的距离大于0。
所述横截面形态模型的建立包括以下步骤：
S1、定义目标血管近端终点处的横截面为参考面，通过中心线提取与建立方法，获得所述几何模型的中心径线；
S2、以所述参考面的中心点为原点建立坐标系，沿垂直所述中心径线的方向对所述目标血管进行分割，将各横截面内外边缘投影在所述坐标系中，以获取目标血管在各个位置处管腔横截面的平面几何图像，横截面形态模型建立结束。
具体来讲，所述横截面形态模型包括各横截面位置处的斑块信息，所述斑块信息即为目标血管的病变信息，且大量数据表明：当斑块(即为病变)的长度＞20mm时，将导致目标血管压力差数值ΔP的升高，进一步导致血流特征值如血流储备分数FFR的计算出现误差；而当同一横截面处斑块的组成复杂或尺寸过大致使目标血管的狭窄率高，则会进一步导致目标血管压力差数值ΔP的升高；同时当所述斑块处于不同的位置处时，不同的心肌面积区域将导致病变位置与非病变位置处的比例发生变化，进一步影响血流速度V，从而导致目标血管压力差数值ΔP的升高。
因此，在建立所述横截面形态模型时，所述斑块信息还需包括斑块的有无、斑块的位置、斑块的大小、斑块的组成、斑块组成的变化、斑块的形状及斑块形状的变化，且在本发明中，各个位置处的管腔横截面的平面几何图像均需以步骤S2中建立的坐标系为参考，明确各横截面上斑块的位置，以方便横截面形态模型的后续拟合。
其中，所述几何模型包括至少一个血管树，所述血管树包括主动脉或者包括主动脉和由所述主动脉发出的多个冠状动脉；或者所述几何模型还可以为至少一段单支血管段。
所述几何参数包括感兴趣区域中各个血管段近端终点处横截面的形态、感兴趣区域中各个血管段远端终点处横截面的形态以及感兴趣区域中各个血管段在近端终点与远端终点之间各横截面处的横截面的形态。
所述横截面的形态至少包括所述横截面的几何形状、面积、直径或斑块信息。
所述血流模型包括固定血流模型及个性化血流模型。所述固定血流模型根据经验获得。
所述个性化血流模型包括静息态血流模型和负荷态血流模型；当所述血流模型为静息态血流模型时，即，患者处于非充血状态时，操作者可以在冠脉造影影像上看到血管段中流体充盈的过程，因此，所述血流速度可通过血管段中的流体充盈的速度计算获得。具体来说，利用灰度时间拟合函数得到目标血管在冠脉造影过程中造影剂的平均流动速度，或者利用TIMI帧计法计算目标血管在冠脉造影过程中造影剂的平均流动速度；再根据获得的平均血流速度V，通过查表的方法，获得最大血流速度Vmax。应当理解，所述血流速度也可以通过血管树的形态计算获得。当所述血流速度通过所述血管树的形态计算获得时，所述几何参数还包括所述血管树中血管段的灌注面积及分支角度中的一种或几种。
当所述血流模型为负荷态血流模型时，即，患者处于最大充血状态下(如采用微循环扩展药使病人达到最大充血)时，所述血流速度可根据获得的患者的血流模型的血流速度获得。
将感兴趣区域中狭窄病变的压力差ΔP代入如下公式：
FFR＝(P1-ΔP)/P1
式中，P1为第一血流压力，ΔP是目标血管任意两点间的压力差数值，进而得到所述FFR值，供评估患者的冠状动脉狭窄情况。
本发明还提供了一种基于糖尿病病史信息获取血流特征值的装置，包括：
数据采集器，所述数据采集器用于获取及存储一部分血管段的解剖模型中感兴趣区域的几何参数和患者特异性数据；
血流特征处理器，基于所述几何参数和患者特异性数据，所述血流特征处理器用于建立感兴趣区域的几何模型及血流模型，以获取第一血流速度v1；
所述血流特征处理器还用于，基于所述糖尿病病史信息，对所述第一血流速度v1进行修正，以获得第二血流速度v2；所述第二血流速度v2与所述第一血流速度v1满足如下关系式：
v2＝wv1
式中，所述w为纠偏参数，若患者的空腹血糖范围为：7.0～8.4mmol/L，则所述纠偏参数w的取值范围为0.85-1.00；若患者的空腹血糖范围为：8.4～10.1mmol/L，则所述纠偏参数w的取值范围为0.70-0.85；若患者的空腹血糖大于10.11mmol/L，则所述纠偏参数w的取值范围为0.55-0.70；
所述血流特征处理器还用于，对所述几何模型进行预处理，建立目标血管在近端终点和远端终点之间各个位置处的横截面形态模型；以目标血管的近端终点为参考点，对不同尺度下的所述横截面形态模型进行拟合，计算目标血管管腔的形态差异函数f(x)，所述尺度为计算所述形态差异函数f(x)时相邻两横截面之间的距离；根据所述第二血流速度v2及血流动力学，获取感兴趣区域近端终点处的第一血流压力P1以及基于所述目标血管管腔的形态差异函数f(x)与所述第二血流速度v2，计算获得所述目标血管任意两点间的压力差数值ΔP；
所述血流特性值包括所述第一血流压力P1、压力差数值ΔP以及基于所述第一血流压力P1和压力差数值ΔP获得的数值。
所述基于糖尿病病史信息获取血流特征值的装置还包括速度采集器，所述速度采集器用于获取感兴趣区域的所述第一血流速度。
所述速度采集器包括速度计算模块及速度提取模块；所述速度提取模块可通过所述数据采集器直接获取血流速度信息，也可通过所述血流模型直接提取血流速度。
所述速度计算模块还包括速度转换模块及速度测算模块；所述血流速度可通过血管段中流体充盈的速度经所述速度转换模块转换获得，还可通过血管树的形态经所述速度测算模块测算获得，所述血管树的形态至少包括血管树的体积、面积、长度及血管树中管腔的直径中的一种或几种。
综上所述，本发明基于糖尿病病史信息获取血流特征值的方法，基于目标血管的形态差异函数f(x)，明确了狭窄病变中斑块信息对血管压力差的影响，同时基于患者的糖尿病病史信息引入纠偏参数w，对患者的血流速度进行修正，提高了FFR值的准确度，增加了获得的FFR值在临床医疗中的参考价值。
以上实施例仅用以说明本发明的技术方案而非限制，尽管参照较佳实施例对本发明进行了详细说明，本领域的普通技术人员应当理解，可以对本发明的技术方案进行修改或者等同替换，而不脱离本发明技术方案的精神和范围。

Claims (11)

1.一种基于糖尿病病史信息获取血流特征值的方法，包括如下步骤：
接收一部分血管段的解剖数据，根据所述解剖数据获取感兴趣区域的几何模型；
根据所述解剖数据并结合个体的特异性数据，获取感兴趣区域的血流模型，并根据所述血流模型获取目标血管的第一血流速度v1；
基于患者的糖尿病病史信息，对所述第一血流速度v1修正以获得感兴趣区域的第二血流速度v2；所述第二血流速度v2与所述第一血流速度v1满足如下关系式：
v2＝wv1
式中，所述w为纠偏参数；
对所述几何模型进行预处理，建立目标血管在近端终点和远端终点之间各个位置处的横截面形态模型；
以目标血管的近端终点为参考点，对不同尺度下的所述横截面形态模型进行拟合，计算目标血管管腔的形态差异函数f(x)，所述尺度为计算所述形态差异函数f(x)时相邻两横截面之间的距离；
结合所述第二血流速度v2及血流动力学，获取感兴趣区域近端终点处的第一血流压力P1；
基于所述目标血管管腔的形态差异函数f(x)与所述第二血流速度v2，计算获得所述目标血管任意两位置间的压力差数值ΔP；
所述血流特性值包括所述第一血流压力P1、压力差数值ΔP以及基于所述第一血流压力P1和压力差数值ΔP获得的数值。
2.根据权利要求1所述的基于糖尿病病史信息获取血流特征值的方法，其特征在于：若患者的空腹血糖范围为：7.0～8.4mmol/L，则所述纠偏参数w的取值范围为0.85-1.00；若患者的空腹血糖范围为：8.4～10.1mmol/L，则所述纠偏参数w的取值范围为0.70-0.85；若患者的空腹血糖大于10.11mmol/L，则所述纠偏参数w的取值范围为0.55-0.70。
3.根据权利要求1所述的基于糖尿病病史信息获取血流特征值的方法，其特征在于：所述压力差数值ΔP满足如下关系式：
其中，c1、c2、c3、…、cm分别代表所述第二血流速度v2的参数系数；所述f1(x)，f2(x)…fn(x)为不同尺度的形态差异函数；n为不同的尺度，为大于等于1的自然数值；α1、α2、…、αn分别为f1(x)，f2(x)…fn(x)的加权系数，m为大于等于1的正整数。
4.根据权利要求3所述的基于糖尿病病史信息获取血流特征值的方法，其特征在于：所述形态差异函数fn(x)用于检测第n种病变特征所引起的相邻管腔横截面形态差异所对应的几何参数；优选的，所述几何参数包括感兴趣区域中各个血管段近端终点处横截面的形态、感兴趣区域中各个血管段远端终点处横截面的形态以及感兴趣区域中各个血管段在近端终点与远端终点之间各横截面处的横截面的形态；或所述血流模型包括固定血流模型及个性化血流模型。
5.根据权利要求4所述的基于糖尿病病史信息获取血流特征值的方法，其特征在于：所述横截面的形态至少包括所述横截面的几何形状、面积、直径或斑块信息。
6.根据权利要求5所述的基于糖尿病病史信息获取血流特征值的方法，其特征在于：所述个性化血流模型包括静息态血流模型和负荷态血流模型；当所述血流模型为静息态血流模型时，所述第一血流速度v1可通过血管段中的流体充盈的速度计算获得；或者通过血管树的形态计算获得。
7.根据权利要求6所述的基于糖尿病病史信息获取血流特征值的方法，其特征在于：所述第一血流速度v1通过所述血管树的形态计算获得时，所述几何参数还包括所述血管树中血管段的长度、灌注面积及分支角度中的一种或几种。
8.一种基于糖尿病病史信息获取血流特征值的装置，其特征在于，包括：
数据采集器，所述数据采集器用于获取及存储一部分血管段的解剖模型中感兴趣区域的几何参数和患者特异性数据；
血流特征处理器，基于所述几何参数和患者特异性数据，所述血流特征处理器用于建立感兴趣区域的几何模型及血流模型，以获取第一血流速度v1；
所述血流特征处理器还用于，基于所述糖尿病病史信息，对所述第一血流速度v1进行修正，以获得第二血流速度v2；所述第二血流速度v2与所述第一血流速度v1满足如下关系式：
v2＝wv1
式中，所述w为纠偏参数；
所述血流特征处理器还用于，对所述几何模型进行预处理，建立目标血管在近端终点和远端终点之间各个位置处的横截面形态模型；以目标血管的近端终点为参考点，对不同尺度下的所述横截面形态模型进行拟合，计算目标血管管腔的形态差异函数f(x)，所述尺度为计算所述形态差异函数f(x)时相邻两横截面之间的距离；根据所述第二血流速度v2及血流动力学，获取感兴趣区域近端终点处的第一血流压力P1以及基于所述目标血管管腔的形态差异函数f(x)与所述第二血流速度v2，计算获得所述目标血管任意两点间的压力差数值ΔP；
所述血流特性值包括所述第一血流压力P1、压力差数值ΔP以及基于所述第一血流压力P1和压力差数值ΔP获得的数值。
9.根据权利要求8所述的基于糖尿病病史信息获取血流特征值的装置，其特征在于：若患者的空腹血糖范围为：7.0～8.4mmol/L，则所述纠偏参数w的取值范围为0.85-1.00；若患者的空腹血糖范围为：8.4～10.1mmol/L，则所述纠偏参数w的取值范围为0.70-0.85；若患者的空腹血糖大于10.11mmol/L，则所述纠偏参数w的取值范围为0.55-0.70。
10.根据权利要求9所述的基于糖尿病病史信息获取血流特征值的装置，其特征在于：所述基于糖尿病病史信息获取血流特征值的装置还包括速度采集器，所述速度采集器用于获取感兴趣区域的所述第一血流速度v1；所述速度采集器包括速度计算模块及速度提取模块；所述速度提取模块可通过所述数据采集器直接获取血流速度信息，也可通过所述血流模型直接提取血流速度。
11.根据权利要求10所述的基于糖尿病病史信息获取血流特征值的装置，其特征在于：所述速度计算模块还包括速度转换模块及速度测算模块；所述血流速度可通过血管段中流体充盈的速度经所述速度转换模块转换获得，还可通过血管树的形态经所述速度测算模块测算获得，所述血管树的形态至少包括血管树的体积、面积、长度及血管树中管腔的直径中的一种或几种。
CN201810636469.2A 2018-06-20 2018-06-20 基于糖尿病病史信息获取血流特征值的方法及装置 Active CN108742586B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201810636469.2A CN108742586B (zh) 2018-06-20 2018-06-20 基于糖尿病病史信息获取血流特征值的方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810636469.2A CN108742586B (zh) 2018-06-20 2018-06-20 基于糖尿病病史信息获取血流特征值的方法及装置

Publications (2)

Publication Number Publication Date
CN108742586A true CN108742586A (zh) 2018-11-06
CN108742586B CN108742586B (zh) 2021-04-02

Family

ID=63979160

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810636469.2A Active CN108742586B (zh) 2018-06-20 2018-06-20 基于糖尿病病史信息获取血流特征值的方法及装置

Country Status (1)

Country Link
CN (1) CN108742586B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112155580A (zh) * 2019-11-20 2021-01-01 苏州润迈德医疗科技有限公司 基于造影图像修正血流速度和微循环参数的方法及装置

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2005111161A (ja) * 2003-10-10 2005-04-28 Seiko Epson Corp 生体情報計測装置及びその制御方法、制御プログラム及び記録媒体
CN101346097A (zh) * 2005-12-22 2009-01-14 皇家飞利浦电子股份有限公司 血糖浓度的无创测量系统
US20140073976A1 (en) * 2012-09-12 2014-03-13 Heartflow, Inc. Systems and methods for estimating ischemia and blood flow characteristics from vessel geometry and physiology
CN104854592A (zh) * 2012-09-12 2015-08-19 哈特弗罗公司 用于根据血管几何形状和生理学估计血流特性的系统和方法
CN105007819A (zh) * 2013-03-04 2015-10-28 哈特弗罗公司 用于在血流特性建模中进行灵敏度分析的方法和系统
CN105326486A (zh) * 2015-12-08 2016-02-17 上海交通大学 血管压力差与血流储备分数的计算方法及系统

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2005111161A (ja) * 2003-10-10 2005-04-28 Seiko Epson Corp 生体情報計測装置及びその制御方法、制御プログラム及び記録媒体
CN101346097A (zh) * 2005-12-22 2009-01-14 皇家飞利浦电子股份有限公司 血糖浓度的无创测量系统
US20140073976A1 (en) * 2012-09-12 2014-03-13 Heartflow, Inc. Systems and methods for estimating ischemia and blood flow characteristics from vessel geometry and physiology
CN104854592A (zh) * 2012-09-12 2015-08-19 哈特弗罗公司 用于根据血管几何形状和生理学估计血流特性的系统和方法
CN108992059A (zh) * 2012-09-12 2018-12-14 哈特弗罗公司 用于根据血管几何形状和生理学估计血流特性的系统和方法
CN105007819A (zh) * 2013-03-04 2015-10-28 哈特弗罗公司 用于在血流特性建模中进行灵敏度分析的方法和系统
CN105326486A (zh) * 2015-12-08 2016-02-17 上海交通大学 血管压力差与血流储备分数的计算方法及系统

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
JAE J.IM ET AL: "Spectral Analysis of Blood Flow Waveform of Blood Glucose Level Detection-Preliminary Study", 《PROCEEDINGS OF 16TH ANNUAL INTERNATIONAL CONFERENCE OF THE IEEE ENGINEERING IN MEDICINE AND BIOLOGY SOCIETY》 *

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112155580A (zh) * 2019-11-20 2021-01-01 苏州润迈德医疗科技有限公司 基于造影图像修正血流速度和微循环参数的方法及装置

Also Published As

Publication number Publication date
CN108742586B (zh) 2021-04-02

Similar Documents

Publication Publication Date Title
CN106073894B (zh) 基于植入虚拟支架的血管压力降数值及血流储备分数的评估方法和系统
JP6611959B2 (ja) 血管圧力差の計算方法およびシステム
US20210259559A1 (en) Method and device for obtaining vascular pressure difference
CN108742587B (zh) 基于病史信息获取血流特征值的方法及装置
WO2020057324A1 (zh) 测量微循环阻力指数的系统以及冠脉分析系统
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
CN106650029B (zh) 基于cfd仿真的分叉血管压力差及ffr的快速计算方法及系统
CN108717874B (zh) 基于特定的生理参数获取血管压力值的方法及装置
US20140276137A1 (en) Systems and methods for determining coronary flow reserve
CN109009061A (zh) 基于血压修正获取血流特征值的计算方法及装置
CN108742570B (zh) 基于冠脉优势类型获取血管压力差的装置
CN109009037A (zh) 基于个体性别获取血管压力差的计算方法及装置
CN108742667B (zh) 基于身体质量指数获取血流特征值的方法和装置
CN108784676A (zh) 基于年龄信息获取压力差的方法及装置
CN108573488B (zh) 一种计算瞬时无波形比率的装置
CN108742586A (zh) 基于糖尿病病史信息获取血流特征值的方法及装置
CN109044324A (zh) 基于斑块位置修正血流特征值的方法及装置
CN108777174B (zh) 基于心梗史信息获取血管压力差的方法及装置
CN108742562B (zh) 基于高血脂信息获取血管压力差的方法及装置
CN108742547A (zh) 基于吸烟史信息获取压力差的方法及装置
Voll et al. PS-C07-9: BLOOD PRESSURE MONITORING IN THE COMMUNITY: A SURVEY WHETHER RURAL GPS ARE USING VALIDATED BLOOD PRESSURE MONITORS IN THEIR PRACTICES
CN101869470B (zh) 基于血压要素组合检测心脑血管疾病的装置
JP7227400B2 (ja) 冠血流量及び血流速度の取得方法並びに装置
Tomitani et al. PS-C07-7: EFFECTS OF PSYCHOLOGICAL STRESS AND PHYSICAL ACTIVITY ON AMBULATORY BLOOD PRESSURE AND PULSE RATE VARIABILITY
CN117442230A (zh) 一种结合斑块风险概率的冠状动脉血流动力学测量方法

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
CP03 Change of name, title or address

Address after: 200233 16th floor, building 82, No. 1198, Qinzhou North Road, Xuhui District, Shanghai

Patentee after: Shanghai Bodong Medical Technology Co.,Ltd.

Address before: Room 402, building 2, 481 Guiping Road, Xuhui District, Shanghai 200233

Patentee before: PULSE MEDICAL IMAGING TECHNOLOGY (SHANGHAI) Co.,Ltd.

CP03 Change of name, title or address