CN108742587B - 基于病史信息获取血流特征值的方法及装置 - Google Patents
基于病史信息获取血流特征值的方法及装置 Download PDFInfo
- Publication number
- CN108742587B CN108742587B CN201810639085.6A CN201810639085A CN108742587B CN 108742587 B CN108742587 B CN 108742587B CN 201810639085 A CN201810639085 A CN 201810639085A CN 108742587 B CN108742587 B CN 108742587B
- Authority
- CN
- China
- Prior art keywords
- blood flow
- model
- blood
- section
- vessel
- 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
Images
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
- A61B6/00—Apparatus for radiation diagnosis, e.g. combined with radiation therapy equipment
- A61B6/50—Clinical applications
- A61B6/507—Clinical applications involving determination of haemodynamic parameters, e.g. perfusion CT
-
- 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
- A61B5/145—Measuring characteristics of blood in vivo, e.g. gas concentration, pH value; Measuring characteristics of body fluids or tissues, e.g. interstitial fluid, cerebral tissue
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
- A61B5/7271—Specific aspects of physiological measurement analysis
- A61B5/7282—Event detection, e.g. detecting unique waveforms indicative of a medical condition
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B6/00—Apparatus for radiation diagnosis, e.g. combined with radiation therapy equipment
- A61B6/02—Devices for diagnosis sequentially in different planes; Stereoscopic radiation diagnosis
- A61B6/03—Computerised tomographs
- A61B6/032—Transmission computed tomography [CT]
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B6/00—Apparatus for radiation diagnosis, e.g. 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 for radiation diagnosis, e.g. combined with radiation therapy equipment
- A61B6/50—Clinical applications
- A61B6/504—Clinical applications involving diagnosis of blood vessels, e.g. by angiography
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B6/00—Apparatus for radiation diagnosis, e.g. 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
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B6/00—Apparatus for radiation diagnosis, e.g. 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
- A61B6/5229—Devices using data or image processing specially adapted for radiation diagnosis involving processing of medical diagnostic data combining image data of a patient, e.g. combining a functional image with an anatomical image
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
-
- 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
- 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
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/0059—Measuring for diagnostic purposes; Identification of persons using light, e.g. diagnosis by transillumination, diascopy, fluorescence
- A61B5/0062—Arrangements for scanning
- A61B5/0066—Optical coherence imaging
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B6/00—Apparatus for radiation diagnosis, e.g. 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
- A61B6/5229—Devices using data or image processing specially adapted for radiation diagnosis involving processing of medical diagnostic data combining image data of a patient, e.g. combining a functional image with an anatomical image
- A61B6/5247—Devices using data or image processing specially adapted for radiation diagnosis involving processing of medical diagnostic data combining image data of a patient, e.g. combining a functional image with an anatomical image combining images from an ionising-radiation diagnostic technique and a non-ionising radiation diagnostic technique, e.g. X-ray and ultrasound
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B8/00—Diagnosis using ultrasonic, sonic or infrasonic waves
- A61B8/08—Detecting organic movements or changes, e.g. tumours, cysts, swellings
- A61B8/0891—Detecting organic movements or changes, e.g. tumours, cysts, swellings for diagnosis of blood vessels
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B8/00—Diagnosis using ultrasonic, sonic or infrasonic waves
- A61B8/12—Diagnosis using ultrasonic, sonic or infrasonic waves in body cavities or body tracts, e.g. by using catheters
Abstract
本发明提供了一种基于病史信息获取血流特征值的方法及装置。所述基于病史信息获取血流特征值的方法包括:采集冠脉系统的解剖数据,建立感兴趣区域的第一几何模型和第一血流模型;基于一个或多个病史信息,对所述第一几何模型和/或所述第一血流模型进行修正,以获取感兴趣区域的第二几何模型及第二血流模型;获取感兴趣区域近端终点处与远端终点处的压力差数值ΔP。本发明提供的基于病史信息获取血流特征值的方法,通过引入病史信息,对血流特征值计算过程中的各类数据进行修正,明确不同的病史信息等对血流特征值计算的影响,提高血流特征值计算的准确性。
Description
技术领域
本发明涉及一种基于病史信息获取血流特征值的方法及装置,属于医疗器械技术领域。
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,我国现有冠心病个体约1100万人,心血管介入手术治疗个体数量每年增长大于10%。
冠脉造影、CT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 FlowReserve,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,成为冠心病个体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。
随着CT与三维造影重建技术的发展及3D冠状动脉几何重建技术在血液力学研究领域的推广应用,同时,为减少FFR值测量过程中对人体带来的伤害及测量成本,基于医疗影像学的FFR计算技术已成为研究重点。
现有技术中,Taylor等人将计算机流体力学应用于计算机断层扫描冠状动脉造影(CTA)中,利用CTA得到冠脉解剖数据,包括血管供应心肌的体积和质量等,估算出最大冠脉血流量,模拟出血管下游微循环阻力,作为计算流体力学仿真的边界条件进行流体方程求解,得到计算FFR的非侵入式方法FFRCT。
事实上,现有技术虽然从不同角度、不同方法中给出了确定血流储备分数(FFR)的方法,但其实质均是通过目标血管近端终点处的血流压力Pa和目标血管近端终点处和远端终点处的血流压力的差值ΔP来计算FFR。而在血液流动的实际过程中,即血流压力的差值ΔP的实际计算过程中,病变的位置、大小和类型等因素均会对血流压力的差值ΔP的计算产生影响;特别地,不同的病史也会对血管的形态、血液流速等造成影响,从而影响血流压力的差值ΔP的计算,进一步导致现有技术中,通过血流压力的差值ΔP计算获得的FFR偏离实际值,致使通过FFR评价冠脉狭窄功能的结果存在误差。
有鉴于此,确有必要提供一种基于病史信息获取血流特征值的方法,以解决上述问题。
发明内容
本发明的目的在于提供一种基于病史信息获取血流特征值的方法及装置,以至少解决现有技术中存在的技术问题之一。本发明提供的基于病史信息获取血流特征值的方法,通过引入病史信息,对血流特征值计算过程中的各类数据进行修正,明确不同的病史信息等对血流特征值计算的影响,提高血流特征值计算的准确性。
为实现上述发明目的,本发明提供了一种基于病史信息获取血流特征值的方法,所述基于病史信息获取血流特征值的方法包括:
采集至少一部分的冠脉系统的解剖数据,并根据所述解剖数据获取感兴趣区域的几何参数,建立感兴趣区域的第一几何模型;
根据感兴趣区域的第一几何模型和/或个体特异性数据建立感兴趣区域的第一血流模型;
基于一个或多个病史信息,对所述第一几何模型和/或所述第一血流模型进行修正,以获取感兴趣区域的第二几何模型及第二血流模型;
根据所述第二血流模型,获取感兴趣区域的血流速度V;结合所述血流速度V及血流动力学,获取血流速度V下感兴趣区域近端终点处的血流压力Pa;及相应状态下感兴趣区域近端终点处与远端终点处的压力差数值ΔP;
所述血流特性值包括所述血流压力Pa、压力差数值ΔP以及基于所述血流压力Pa、压力差数值ΔP计算的反映血流特征的数值。
作为本发明的进一步改进,所述第二几何模型包括感兴趣区域近端终点和远端终点之间各个位置处的横截面形态模型及感兴趣区域血管系统至少一个血管树或者感兴趣区域血管系统至少一段单支血管段;所述血管树包括至少一段主动脉,或者包括至少一段主动脉和由所述主动脉发出的多个冠状动脉。
作为本发明的进一步改进,所述横截面形态模型的建立包括:
S1、定义感兴趣区域血管段近端终点处的横截面为参考面,通过对几何模型的中心线进行提取,以获取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感兴趣区域血管段进行分割,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。
作为本发明的进一步改进,所述横截面形态模型包括各横截面上斑块的有无、斑块的位置、斑块的大小、斑块形成的角度、斑块的组成及斑块组成的变化、斑块的形状及斑块形状的变化。
作为本发明的进一步改进,所述第二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,所述血流速度V可通过血管中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,所述血管树的形态至少包括所述血管树的面积、体积和血管树中血管段的管腔直径中的一种或几种;所述血流速度V通过所述血管树的形态计算获得时,所述第二几何模型的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。
作为本发明的进一步改进,所述病史信息包括影响血流速度或血液黏度的循环系统疾病、呼吸系统疾病、神经系统疾病、骨骼疾病、消化系统疾病、代谢性疾病、肿瘤疾病及家族病史。
为实现上述发明目的,本发明还提供了一种基于病史信息获取血流储备分数的装置,所述基于病史信息获取血流储备分数的装置包括:
数据采集器,所述数据采集器用于获取及存储冠脉系统的解剖模型中感兴趣区域的几何参数和个体特异性数据;
纠偏处理器,所述纠偏处理器用于接收个体的一个或多个病史信息,并对所述病史信息进行处理生成纠偏参数;
血流特征处理器,基于所述几何参数和个体特异性数据,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;
所述血流特征处理器还用于,基于所述纠偏处理器传递的病史信息,对所述几何模型及血流模型进行修正,并获取感兴趣区域血流速度V;同时,根据所述血流速度V并结合血流动力学,计算获取血流储备分数FFR。
作为本发明的进一步改进,所述几何模型为所述血流特征处理器通过对所述数据采集器传递的所述解剖模型的几何参数进行测算,并结合所述纠偏处理器传递的纠偏参数经拟合校准获得;所述几何模型包括感兴趣区域近端终点和远端终点之间各个位置处的横截面形态模型及感兴趣区域血管系统至少一个血管树或者感兴趣区域血管系统至少一段单支血管段;所述血管树包括至少一段主动脉,或者包括至少一段主动脉和由所述主动脉发出的多个冠状动脉。
作为本发明的进一步改进,所述横截面形态模型为所述血流特征处理器通过所述几何模型直接/间接获得;所述横截面形态模型包括各横截面上斑块的有无、斑块的位置、斑块的大小、斑块形成的角度、斑块的组成及斑块组成的变化、斑块的形状及斑块形状的变化。
作为本发明的进一步改进,所述血流特征处理器还用于基于所述横截面形态模型,建立感兴趣区域血管管腔的形态差异函数f(x),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近端终点之间的距离x变化的函数。
作为本发明的进一步改进,所述基于病史信息获取血流储备分数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血流速度V。
作为本发明的进一步改进,所述速度采集器包括速度计算模块及速度提取模块;所述速度提取模块通过所述数据采集器直接获取血流速度信息,或通过血流模型直接提取血流速度V。
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V可通过血管中流体充盈的速度经速度转换模块转换获得,还可通过几何模型中血管树的形态经速度测算模块测算获得。
为实现上述发明目的,本发明还提供了一种用于获取个体血流储备分数的设备,所述设备具有处理器,其中,所述处理器被设置为使得所述设备执行以下步骤:
收集个体特定病史信息和待检血管的几何参数;
根据所述待检血管的几何参数建立个体的血管模型;
根据个体特定病史信息修正所述血管模型;
提供至少一种血流储备分数的计算模型;
基于修正后的所述血管模型与所述血流储备分数的计算模型确定待检血管的血流储备分数。
作为本发明的进一步改进,所述病史信息包括影响血流速度或血液黏度的循环系统疾病、呼吸系统疾病、神经系统疾病、骨骼疾病、消化系统疾病、代谢性疾病、肿瘤疾病及家族病史中的一个或多个。
作为本发明的进一步改进,所述血管压力差数值的计算模型是基于多尺度计算方法而建立的。
本发明的有益效果是:本发明的基于病史信息获取血流特征值的方法,通过在血流特征值计算的过程中引入病史信息,及时对血流特征值计算过程中的几何模型和/或血流模型,保证几何模型和血流模型建立的准确性,进一步保证通过所述几何模型和所述血流模型获取的相关参数准确,使得通过本发明的基于病史信息获取血流特征值的方法计算得到的血流特征值可准确反映感兴趣区域的特征。
附图说明
图1是本发明目标血管的一种形态下的几何模型的示意图。
图2是图1中D1位置处横截面形态模型的结构示意图。
图3是图1中D2位置处横截面形态模型的结构示意图。
图4是图2和图3中D1和D2位置处横截面形态模型拟合后的结构示意图。
图5是本发明目标血管的另一种形态下的几何模型的示意图。
图6是图5中D1位置处横截面形态模型的结构示意图。
图7是图5中D2位置处横截面形态模型的结构示意图。
图8是图6和图7中D1和D2位置处横截面形态模型拟合后的结构示意图。
图9是本发明基于病史信息获取血流特征值的装置的结构框图。
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。
本发明提供了一种基于病史信息获取血流特征值的方法,所述基于病史信息获取血流特征值的方法包括:
采集至少一部分的冠脉系统的解剖数据,并根据所述解剖数据获取感兴趣区域的几何参数,建立感兴趣区域的第一几何模型;
根据感兴趣区域的第一几何模型和/或个体特异性数据建立感兴趣区域的第一血流模型;
基于一个或多个病史信息,对所述第一几何模型和/或所述第一血流模型进行修正,以获取感兴趣区域的第二几何模型及第二血流模型;
根据所述第二血流模型,获取感兴趣区域的血流速度V;结合所述血流速度V及血流动力学,获取血流速度V下感兴趣区域近端终点处的血流压力Pa;及相应状态下感兴趣区域近端终点处与远端终点处的压力差数值ΔP;
所述血流特性值包括所述血流压力Pa、压力差数值ΔP以及基于所述血流压力Pa、压力差数值ΔP计算的反映血流特征的数值。
所述第一几何模型为反映个体冠脉系统几何形状的三维模型,在本发明中所述第一几何模型通过感兴趣区域的几何参数经建模获得,所述几何参数为通过所述个体冠脉系统的解剖数据获得到,进一步的,所述个体冠脉系统的解剖数据,可通过CT设备、OCT设备、IVUS设备和造影设备等常用图像生成设备生成获取。所述第一血流模型为通过经验值或者大数据手段获取的用于表征个体在正常状态下的血流特征的模型。
所述第二几何模型和所述第二血流模型,为所述第一几何模型和所述第一血流模型在一种或多种病史信息的修正下获得,其中,所述病史信息对所述第一几何模型和所述第一血流模型的修正可单独或同时进行,具体来讲,个体的病史信息可对感兴趣区域血管管腔的形态和/或血管管腔中血液的粘度、流速等在成影响,因此通过病史信息对第一几何模型和/或第一血流模型进行修正,可保证第二几何模型和第二血流模型的准确性;进一步的,在本发明中所述病史信息包括影响血流速度或血液黏度的循环系统疾病、呼吸系统疾病、神经系统疾病、骨骼疾病、消化系统疾病、代谢性疾病、肿瘤疾病、及家族病史。
在本发明中,所述第二几何模型包括感兴趣区域近端终点和远端终点之间各个位置处的横截面形态模型及感兴趣区域血管系统至少一个血管树或者感兴趣区域血管系统至少一段单支血管段;所述血管树包括至少一段主动脉,或者包括至少一段主动脉和由所述主动脉发出的多个冠状动脉,且每个所述血管段和/或血管树均包括所述感兴趣区域的形状、直径和面积等几何参数,进一步的,所述几何参数还包括血管段的弯曲角度等可以反映感兴趣区域实际形态的参数。
进一步的,所述第二几何模型还包括感兴趣区域近端终点和远端终点之间各个位置处的横截面形态模型。
所述横截面形态模型为通过所述第二几何模型直接/间接获得,且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,通过对几何模型的中心线进行提取,以获取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。
其中,所述横截面形态模型包括各横截面位置处的斑块信息,所述斑块信息即为感兴趣区域的病变信息,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,继而影响血流特征值的计算;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,从而导致感兴趣区域血流特征值的计算发生偏差。
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、斑块形成的角度、斑块的组成及斑块组成的变化、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。
需要说明的是,在所述横截面形态模型的建立过程中,当所述解剖数据为采用CT、OCT、IVUS等检测手段获取时,所述横截面形态模型可通过所述几何模型直接获取,只需保证每个所述横截面形态模型的原点及坐标方向一致即可;当所述解剖数据为采用X射线等检测手段获取时,由于所述几何模型为沿血流方向延伸的立体模型,则在通过所述几何模型建立所述横截面形态模型时,需对所述几何模型进行坐标转换,以准确反应各个横截面的截面形态。
为进一步保证所述基于病史信息获取血流特征值的方法获取的血流特征值准确,所述基于病史信息获取血流特征值的方法还包括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)。其中,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)。
所述形态函数包括面积函数、直径函数或边缘距离函数,即在本发明中可通过各横截面面积、直径或边缘距离函数之间的拟合,获取相邻两横截面在不同尺度下的差异变化函数;进一步的,通过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,获得形态差异函数f(x)。
具体来讲,当所述形态函数为面积函数时,如图1至图4,对D1和D2位置处的两横截面形态模型进行拟合,D1、D2位置处的横截面形态模型拟合后,有血管管腔斑块增加的区域为A1,对应的面积S1;血管管腔减少的区域为A2,对应的面积S2。由于所述D1和D2位置处的血管管腔(斑块)不重叠,因此当血流经D1处流向D2处时,血流压力将随之发生变化;此时,差异变化函数即为血管管腔中非重叠区域(S1、S2)与重叠区域之间面积(S3)的比值,或者为非重叠区域的面积(S1、S2)与总面积(S1、S2、S3)的比值;且此时,所述形态差异函数f(x)>0,即横截面D1和D2之间存在压力差。进一步的,当所述D1和D2位置处的血管管腔(斑块)完全重叠时,如图5至图8,所述区域A1与A2完全重叠,即非重叠区域A1与A2的面积S1=S2=0,此时,差异变化函数为0,即所述形态差异函数f(x)=0,此时,横截面D1和D2之间不存在压力差。
当所述形态函数为距离函数时,此时,确立选取的第一管腔边界上每个点与第二管腔边界上每个点的对应关系,然后求出第一管腔边界上的每个点与第二管腔边界上的每个点所对应的距离,减去沿着血管中心径线的距离,并获取所有点的距离之和或者是平均距离。具体来讲,若第一管腔边界与第二管腔边界的对应点到中心经线的距离均为y,则第一管腔与第二管腔的形态完全一致,即所述形态差异函数f(x)=0;若第一管腔边界与第二管腔边界的对应点到中心经线的距离不同,则第一管腔与第二管腔的形态不完全一致,即所述形态差异函数f(x)>0。
在本发明中,所述血流速度V和所述血流压力Pa均通过血流模型获取,具体来讲,所述血流模型包括第一血流模型和第二血流模型,所述第一血流模型和第二血流模型既可为数据计算模型也可为三维流体流动模型;进一步的,在本发明中所述血流速度V和所述血流压力Pa通过所述第二血流模型直接/间接获取。具体来讲,所述第二血流模型包括固定血流模型及个性化血流模型;其中所述固定血流模型即为经验值血流模型,为根据临床实际经验,通过大数据采集及模拟的方法直接建立;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。
当所述第二血流模型为固定血流模型或静息态血流模型时,所述血流压力Pa可通过获取的个体的收缩压混合舒张压计算获得,且此时所述血流压力Pa=1/3收缩压+2/3舒张压;当所述血流模型为负荷态血流模型,此时所述血流压力Pa可通过所述负荷态血流模型直接测量获得。
进一步的,在所述血流速度V的获取过程中,当所述第二血流模型为固定血流模型时,所述血流速度V可从固定血流模型中直接获取;当所述第二血流模型为静息态血流模型时,所述血流速度V可通过血管中流体充盈的速度计算获得;在本发明的一个实施例中,所述静息态血流模型为造影剂血流模型,此时所述血流速度V为利用灰度时间拟合函数获得的感兴趣区域在造影过程中造影剂的平均流动速度;或者利用TIMI数帧法计算获得的所述感兴趣区域在造影过程中造影剂的平均流动速度。
当所述静息态血流模型为CT血流模型时,所述血流速度V可通过几何模型中血管树的形态计算获得,且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长度。
进一步的,当所述第二血流模型为负荷态血流模型,此时所述血流速度V为注射腺苷血管充分扩张后的血流速度V,且此时,所述血流速度V为最大血流速度Vmax。
特别地,在本发明中所述血流速度V包括感兴趣区域处于最大充血状态下的血流速度Vmax和静息状态下的血流速度Vqc,当感兴趣区域位于冠脉区域时,所述血流速度V为最大充血状态下的血流速度Vmax,进一步的血流速度Vmax可直接通过第二血流模型获取,或通过所述第二血流模型计算的血流速度V转换获得;当感兴趣区域位于外周血管系统时,所述血流速度V为静息态下的血流速度Vqc。
在本明中所述血流特征值中压力差数值ΔP为通过不同尺度下的形态差异函数f(x)和感兴趣区域的所述血流速度V计算获得,且所述压力差数值ΔP在不同尺度下的计算公式为:
ΔP=(c1V+c2V2+…+cmVm)*[α1*∫f1(x)dx+α2*∫f2(x)dx+…+αn*∫fn(x)dx]
其中,c1、c2、…、cm分别代表血流速度V的参数系数,所述参数系数包括血液粘度影响因素、血液湍流影响因素及粘滞系数等多个参数系数;进一步的,m为大于等于1的自然数,以分别代表不同参数系数对血流速度V的影响,以对压力差数值ΔP进行修正,保证压力差数值ΔP计算的准确性。优选的,在本发明中m的取值为2,且当m为2时,c1为因血液流动摩擦产生的参数系数,c2为血液湍流产生的参数系数。
α1、α2、…、αn分别为不同尺度下血管管腔的形态差异函数f1(x)、f2(x)、…、fn(x)的加权系数,其中,n为尺度为大于等于1的自然数;进一步的,所述加权系数的增加可进一步对形态差异函数f(x)进行修正,保证两横截面之间形态差异拟合计算的准确性。
其中,所述不同尺度包括第一尺度、第二尺度、……、第n尺度;
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两横截面形态模型所对应的几何形态差异;
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两横截面形态模型所对应的几何形态差异;
……
所述第n尺度形态差异函数fn(x)用于检测第n种病变特征所引起的相邻两横截面形态模型所对应的几何形态差异。
进一步的,在本发明的另一实施例中,所述血流特征值的计算还可与所述感兴趣区域的血流速度V无关,以所述血流特征值为压力差数值ΔP为例,当所述血流特征值的计算与所述血流速度V无关时,所述ΔP在不同尺度下的计算公式为:
ΔP=k*[α1*∫f1(x)dx+α2*∫f2(x)dx+…+αn*∫fn(x)dx]
其中,k为修正参数,且k为常数;进一步的,所述修正参数k为基于个体信息直接/间接获取的数值;
α1、α2、…、αn分别为不同尺度下血管管腔的形态差异函数f1(x)、f2(x)、…、fn(x)的加权系数;
优选的,所述不同尺度包括第一尺度、第二尺度、……、第n尺度;
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两横截面形态模型所对应的几何形态差异;
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两横截面形态模型所对应的几何形态差异;
……
所述第n尺度形态差异函数fn(x)用于检测第n种病变特征所引起的相邻两横截面形态模型所对应的几何形态差异;其中,所述n为大于等于1的自然数。
在本发明中所述血流特征值还包括所述感兴趣区域的血流储备分数FFR,所述血流储备分数通过感兴趣区域血管管腔在不同尺度下的形态差异函数f(x)、压力差数值ΔP和感兴趣区域近端终点位置处的血流压力Pa计算获得,且所述血流储备分数FFR通过如下公式计算获得:
以下说明书部分将以具体的基于病史信息为例,对本发明的基于病史信息获取血流特征值的方法进行详细阐述。
实施例1:
在本实施例中,所述病史信息为心梗史,曾患有心梗的个体心脏存活心肌减少,单一心动周期内,流经感兴趣区域血管段的血流量减少,即通过狭窄所损失的能量减少,此时感兴趣区域的血流速度V减小,此时基于所述血流速度V计算的血流特征值均将产生误差。
因此,当个体曾患有心梗时,应对感兴趣区域的血流速度V进行修正,具体来讲,在本实施例中,所述血流速度V包括基于所述第二血流模型直接获取的第一血流速度V0及经修正后获得第二血流速度V1,且所述第一血流速度V0和所述第二血流速度V1之间满足关系式:
其中,S为个体的心肌总面积;
S0为个体的心梗面积。
且此时所述压力差数值ΔP在不同尺度下的计算公式为:
ΔP=(c1V1+c2V1 2+…+cmV1 m)*[α1*∫f1(x)dx+α2*∫f2(x)dx+…+αn*∫fn(x)dx]
实施例2:
在本实施例中,所述病史信息为高血脂或有吸烟史,具体来讲,当个体有高血脂症状时,个体的血液粘稠度升高,血液粘稠度的上升将导致流经感兴趣区域血管段近端终点和远端终点之间的压力差数值ΔP发生偏差。
而吸烟的个体,受到烟草燃烧产生的烟雾中毒素的影响,将导致血液中血小板的增加,而血小板聚集增强,将导致纤维蛋白原增加进一步使得血液粘度增加,从而导致感兴趣区域血管段近端终点和远端终点之间的压力差数值ΔP发生偏差,继而导致基于所述压力差数值ΔP计算的血流特征值产生误差。
因此,当个体患有高血脂或者有吸烟的习惯时,应对感兴趣区域的压力差数值ΔP进行修正,具体来讲,在本实施例中,所述压力差数值ΔP包括基于所述第二血流模型获取的第一压力差数值ΔP0及经修正后获得第二压力差数值ΔP1,且所述第一压力差数值ΔP0和所述第二压力差数值ΔP1之间满足关系式:
其中,k为与血液流动性相关的常数;
μ为高血脂或吸烟个体的血液黏度;
μ0为正常状态下个体的血液黏度。
此时,所述个体血流储备分数FFR的计算公式为:
实施例3:
在本实施例中,所述病史信息为糖尿病,患有糖尿病的个体血管内皮功能发生变化,血管内充血血流速度V一般会比正常人小,即感兴趣区域的血流速度V减小,此时基于所述血流速度V计算的血流特征值均将产生误差。
因此,当个体患有糖尿病时,应对感兴趣区域的血流速度V进行修正,具体来讲,在本实施例中,所述血流速度V包括基于所述第二血流模型直接获取的第一血流速度V0及经修正后获得第二血流速度V1,且所述第一血流速度V0和所述第二血流速度V1之间满足关系式:
V1=ω×V0;
其中,ω为与个体的血糖相关的纠偏参数。
此时,所述压力差数值ΔP在不同尺度下的计算公式为:
ΔP=(c1V1+c2V1 2+…+cmV1 m)*[α1*∫f1(x)dx+α2*∫f2(x)dx+…+αn*∫fn(x)dx]
需要说明的是,在本发明的实施例中,所述纠偏参数ω是根据临床实际经验,通过大数据采集及模拟的方法获取的经验值。
请参参阅图9所示,本发明还提供了一种基于病史信息获取血流储备分数的装置,所述基于病史信息获取血流储备分数的装置包括:
数据采集器,所述数据采集器用于获取及存储冠脉系统的解剖模型中感兴趣区域的几何参数和个体特异性数据;
纠偏处理器,所述纠偏处理器用于接收个体的一个或多个病史信息,并对所述病史信息进行处理生成纠偏参数;
血流特征处理器,基于所述几何参数和个体特异性数据,所述血流特征处理器用于建立感兴趣区域的第二几何模型及血流模型;
所述血流特征处理器还用于,基于所述纠偏处理器传递的病史信息及相对应的纠偏参数,对所述几何模型及血流模型进行修正,并获取感兴趣区域的血流速度V;同时,根据所述血流速度V并结合血流动力学,计算获取血流储备分数FFR。
所述几何模型为所述血流特征处理器通过对所述数据采集器传递的所述解剖模型的几何参数进行测算,并结合所述纠偏处理器传递的纠偏参数经拟合校准获得;具体来讲,当所述感兴趣区域的几何参数为通过CT、OCT和IVUS等设备获取时,所述数据采集器可直接对所述几何参数进行收集,并传递至所述血流特征处理器进行拟合建立几何模型;而当所述感兴趣区域的几何参数为通过造影的方法获取时,所述数据采集器在对所述几何参数进行采集时,所述图像数据不少于两组,任意两组所述图像数据之间存在采集角度差,且所述采集角度差不小于20度,如此设置,所述血流特征处理器获取的几何模型时,可保证几何模型的建立准确。
且在本发明中,所述几何模型包括至少一个血管树,所述血管树包括至少一段主动脉或者包括至少一段主动脉和由所述主动脉发出的多个冠状动脉;所述几何模型还可以为至少一段单支血管段;以及感兴趣区域近端终点和远端终点之间各个位置处的横截面形态模型。
进一步的,所述横截面形态模型为所述血流特征处理器通过所述几何模型直接/间接获得;所述横截面形态模型包括各横截面上斑块的有无、斑块的位置、斑块的大小、斑块形成的角度、斑块的组成及斑块组成的变化、斑块的形状及斑块形状的变化。
在本发明中,所述血流特征处理器还用于基于所述横截面形态模型,建立感兴趣区域血管管腔的形态差异函数f(x),所述形态差异函数f(x)用于表示感兴趣区域血管段不同位置处的横截面形态变化随着该位置到近端终点之间的距离x变化的函数。
所述血流特征处理器建立的血流模型包括固定血流模型及个性化血流模型;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,所述血流速度V可通过血管中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;所述血管树的形态至少包括所述血管树的面积、体积和血管树中血管段的管腔直径中的一种或几种;且当所述血流速度V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。
进一步的,所述获取血管压力差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血流速度V,所述血流速度V用以推算所述感兴趣区域近端终点处的血流压力Pa及感兴趣区域近端终点与远端终点之间的压力差数值ΔP。
优选的,所述压力差数值ΔP的计算公式为:
ΔP=(c1V+c2V2+…+cmVm)*[α1*∫f1(x)dx+α2*∫f2(x)dx+…+αn*∫fn(x)dx]
其中,c1、c2、…、cm分别代表血流速度的参数系数,所述参数系数包括血液粘度影响因数、血液湍流影响因数及粘滞系数等多个参数系数;进一步的,m为大于等于1的自然数,以分别代表不同参数系数对血流速度的影响,以对压力差数值ΔP进行修正,保证压力差数值ΔP计算的准确性。优选的,在本发明中所述m的取值为2,且当所述m为2时,c1为因血液流动摩擦产生的参数系数,c2为血液湍流产生的参数系数。
所述α1、α2、…、αn分别为不同尺度下血管管腔的形态差异函数f1(x)、f2(x)、…、fn(x)的加权系数,其中,n为尺度为大于等于1的自然数;进一步的,所述加权系数的增加可进一步对形态差异函数f(x)进行修正,保证两横截面之间形态差异拟合计算的准确性。
进一步的,所述血流特征值还包括所述感兴趣区域的血流储备分数FFR,所述血流储备分数通过感兴趣区域血管管腔在不同尺度下的形态差异函数f(x)、血流速度V和感兴趣区域近端终点位置处的血流压力Pa计算获得,且所述血流储备分数FFR通过如下公式计算获得:
进一步的,本发明还提供一种用于获取个体血流储备分数的设备,所述设备具有处理器,其中,所述处理器被设置为使得所述设备执行以下步骤:
收集个体特定病史信息和待检血管的几何参数;
根据所述待检血管的几何参数建立个体的血管模型;
根据个体特定病史信息修正所述血管模型;
提供至少一种血流储备分数的计算模型;
基于修正后的所述血管模型与所述血流储备分数的计算模型确定待检血管的血流储备分数。
所述“处理器”包括接收和/或生成信号的任意装置,所述处理器处理的数据可以是文本消息、物体/流体运动的指令、应用程序的输入或一些其它信息;所述待检血管的备选术语可以为目标血管或感兴趣血管;且所述待检血管包括冠脉血管、由冠脉血管发出的分支血管、血管树和单支血管段等个体任意位置处的血管组织;所述血管模型至少包括所述第二几何模型和所述第二血流模型中的一种,且所述血管模型的备选术语还可为管腔模型、流体流动模型等可反映个体待检血管形态和血管内流体流动情况的模型,进一步的,所述血管模型包括待检血管的长度、直径、弯曲角度及待检血管中分支血管的存在、分支血管的角度、分支血管的数量等与所述待检血管的几何形貌有关的数据。
在本实施例中,所述管腔形态模型的备选术语还可为横截面形态模型,且所述管腔形态模型包括斑块的有无、斑块的位置、斑块的大小、斑块形成的角度、斑块的组成及斑块组成的变化、斑块的形状及斑块形状的变化;进一步的所述管腔形态模型的建立包括以下步骤:
S1、定义待检近端终点处的横截面为参考面,通过中心线提取方法,建立获取所述血管模型的中心径线;
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待检血管进行分割,将各横截面内外边缘投影在所述坐标系中,以获取待检血管在各个位置处管腔形态的平面几何图像,管腔形态模型建立结束。
在本发明中,各个位置处的管腔形态的平面几何图像均需以步骤S2中建立的坐标系为参考,明确各管腔截面上斑块的位置,以方便管腔形态模型的后续拟合。
需要说明的是,在所述管腔形态模型的建立过程中,当所述解剖数据为采用CT、OCT、IVUS等检测手段获取时,所述管腔形态模型可通过所述血管模型直接获取,只需保证每个所述管腔形态模型的原点及坐标方向一致即可;当所述解剖数据为采用X射线等检测手段获取时,由于所述血管模型为沿血流方向延伸的立体模型,则在通过所述血管模型建立所述管腔形态模型时,需对所述血管模型进行坐标转换,以准确反映各个截面的截面形态。
所述处理器还用于基于预设的形态差异函数,通过所述管腔形态模型以及所述血管模型确定待检血管任意两位置间的血管压力差。其中,所述形态差异函数通过所述管腔形态模型拟合建立获取,用于表示待检血管不同位置处的管腔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包括与待检血管的面积、体积、边缘位置和边缘形态有关的可以体现待检血管任意两位置间形态差异的差异函数,且所述差异函数可通过管腔形态模型直接/间接获取。
所述解剖数据在其他实施例中还可定义为解剖数据等可从图像获取装置直接和/或间接获取的可反映管腔形态的参数。
即在另一上下文中,所述处理器、待检血管、解剖数据、管腔形态模型和血管模型可以为具有相同含义的不同名称。
所述尺度为所述尺度为相邻两横截面之间的距离;所述不同尺度包括第一尺度、第二尺度、……、第n尺度;
所述第一尺度下的形态差异函数f1(x)用于检测第一种病变特征所引起的相邻两横截面形态模型所对应的几何形态差异;
所述第二尺度下的形态差异函数f2(x)用于检测第二种病变特征所引起的相邻两横截面形态模型所对应的几何形态差异;
……
所述第n尺度下的形态差异函数fn(x)用于检测第n种病变特征所引起的相邻两横截面形态模型所对应的几何形态差异。
进一步的,在本发明中所述血管模型的建立方式与所述第二血流模型和所述第二几何模型的建立方式基本相同,其差别点仅在于所述血管模型可同时包括待检血管段的形态和血流信息,故在本实施方式中,所述血管模型的具体建立方式与此不在赘述。
当然,在本设备中所述影响所述血管压力差的因素包括病史信息和/或生理参数;所述病史信息包括影响血流速度或血液黏度的循环系统疾病、呼吸系统疾病、神经系统疾病、骨骼疾病、消化系统疾病、代谢性疾病、肿瘤疾病及家族病史中的一个或多个。
进一步的,在本发明中所述处理器还可用于运行如下公式以计算获得所述血管压力差ΔP:
ΔP=(c1V+c2V2+…+cmVm)*[α1*∫f1(x)dx+α2*∫f2(x)dx+…+αn*∫fn(x)dx]
其中,c1V+c2V2+…+cmVm可为常数;
V为血流速度,为通过所述第二血流模型直接/间接获取;
c1、c2、…、cm分别代表血流速度V的参数系数,所述参数系数包括血液粘度影响因素、血液湍流影响因素及粘滞系数等多个参数系数;进一步的,m为大于等于1的自然数,以分别代表不同参数系数对血流速度V的影响,以对压力差数值ΔP进行修正,保证血管压力差ΔP计算的准确性。优选的,在本发明中m的取值为2,且当m为2时,c1为因血液流动摩擦产生的参数系数,c2为血液湍流产生的参数系数。
所述α1、α2、…、αn分别为不同尺度下血管管腔的形态差异函数f1(x)、f2(x)、…、fn(x)的加权系数,其中,n为尺度为大于等于1的自然数;进一步的,所述加权系数的增加可进一步对形态差异函数f(x)进行修正,保证两横截面之间形态差异拟合计算的准确性。
需要指出的是,本说明书正文中所述的装置及功能模块仅仅为示例性的给出实现该技术方案的基本结构,而非唯一结构。
综上所述,本发明的基于病史信息获取血流特征值的方法,通过在血流特征值计算的过程中引入病史信息,及时对血流特征值计算过程中的几何模型和/或血流模型,保证几何模型和血流模型建立的准确性,进一步保证通过所述几何模型和所述血流模型获取的相关参数准确,使得通过本发明的基于病史信息获取血流特征值的方法计算得到的血流特征值可准确反映感兴趣区域的特征;同时,本发明的基于病史信息获取血流特征值的方法通过在血流特征值计算的过程中引入形态因素,使得通过本发明的基于病史信息获取血流特征值的方法和装置的计算的血流特征值更加准确并适于使用。
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 (15)
1.一种基于病史信息获取血流特征值的方法,其特征在于,包括:
采集至少一部分的冠脉系统的解剖数据,并根据所述解剖数据获取感兴趣区域的几何参数,建立感兴趣区域的第一几何模型;
根据感兴趣区域的解剖数据和/或个体特异性数据建立感兴趣区域的第一血流模型,且所述第一几何模型为反映个体冠脉系统几何形状的三维模型;
基于一个或多个病史信息,对所述第一几何模型和/或所述第一血流模型进行修正,以获取感兴趣区域的第二几何模型及第二血流模型,所述第二几何模型包括感兴趣区域近端终点和远端终点之间各个位置处的横截面形态模型,且所述横截面形态模型包括各横截面上斑块的有无、斑块的位置、斑块的大小、斑块形成的角度、斑块的组成及斑块组成的变化、斑块的形状及斑块形状的变化;
所述横截面形态模型的建立包括:
S1、定义感兴趣区域血管段近端终点处的横截面为参考面,通过对几何模型的中心线进行提取,以获取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感兴趣区域血管段进行分割,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;
根据所述第二血流模型,获取感兴趣区域的血流速度V;结合所述血流速度V及血流动力学,获取血流速度V下感兴趣区域近端终点处的血流压力Pa;及相应状态下感兴趣区域近端终点处与远端终点处的压力差数值ΔP;
所述血流特性值包括所述血流压力Pa、压力差数值ΔP以及基于所述血流压力Pa、压力差数值ΔP计算的反映血流特征的数值。
2.根据权利要求1所述的基于病史信息获取血流特征值的方法,其特征在于:所述第二几何模型还包括感兴趣区域血管系统至少一个血管树或者感兴趣区域血管系统至少一段单支血管段;所述血管树包括至少一段主动脉,或者包括至少一段主动脉和由所述主动脉发出的多个冠状动脉。
3.根据权利要求1所述的基于病史信息获取血流特征值的方法,其特征在于:所述第二血流模型包括固定血流模型及个性化血流模型。
4.根据权利要求3所述的基于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,所述血流速度V可通过血管中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。
5.根据权利要求4所述的基于病史信息获取血流特征值的方法,其特征在于:所述血管树的形态至少包括所述血管树的面积、体积和血管树中血管段的管腔直径中的一种或几种;所述血流速度V通过所述血管树的形态计算获得时,所述第二几何模型的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。
6.根据权利要求1~5中任一项所述的基于病史信息获取血流特征值的方法,其特征在于:所述病史信息包括影响血流速度或血液黏度的循环系统疾病、呼吸系统疾病、神经系统疾病、骨骼疾病、消化系统疾病、代谢性疾病、肿瘤疾病、及家族病史。
7.一种基于病史信息获取血流储备分数的装置,其特征在于,所述基于病史信息获取血流储备分数的装置包括:
数据采集器,所述数据采集器用于获取及存储冠脉系统的解剖模型中感兴趣区域的几何参数和个体特异性数据;
纠偏处理器,所述纠偏处理器用于接收个体的一个或多个病史信息,并对所述病史信息进行处理生成纠偏参数;
血流特征处理器,基于所述几何参数和个体特异性数据,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,所述几何模型包括感兴趣区域近端终点和远端终点之间各个位置处的横截面形态模型,且所述横截面形态模型包括各横截面上斑块的有无、斑块的位置、斑块的大小、斑块形成的角度、斑块的组成及斑块组成的变化、斑块的形状及斑块形状的变化;所述横截面形态模型的建立包括:
定义感兴趣区域血管段近端终点处的横截面为参考面,通过对几何模型的中心线进行提取,以获取所述几何模型的中心径线;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感兴趣区域血管段进行分割,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;
所述血流特征处理器还用于,基于所述纠偏处理器传递的纠偏参数,对所述几何模型及血流模型进行修正,并获取感兴趣区域血流速度V;同时,根据所述血流速度V并结合血流动力学,计算获取血流储备分数FFR。
8.根据权利要求7所述的基于病史信息获取血流储备分数的装置,其特征在于:所述几何模型为所述血流特征处理器通过对所述数据采集器传递的所述解剖模型的几何参数进行测算,并结合所述纠偏处理器传递的纠偏参数经拟合校准获得;所述几何模型包括感兴趣区域近端终点和远端终点之间各个位置处的横截面形态模型及感兴趣区域血管系统至少一个血管树或者感兴趣区域血管系统至少一段单支血管段;所述血管树包括至少一段主动脉,或者包括至少一段主动脉和由所述主动脉发出的多个冠状动脉。
9.根据权利要求8所述的基于病史信息获取血流储备分数的装置,其特征在于:所述横截面形态模型为所述血流特征处理器通过所述几何模型直接/间接获得。
10.根据权利要求8所述的基于病史信息获取血流储备分数的装置,其特征在于:所述血流特征处理器还用于基于所述横截面形态模型,建立感兴趣区域血管管腔的形态差异函数f(x),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近端终点之间的距离x变化的函数。
11.根据权利要求7所述的基于病史信息获取血流储备分数的装置,其特征在于:所述基于病史信息获取血流储备分数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血流速度V。
12.根据权利要求11所述的基于病史信息获取血流储备分数的装置,其特征在于:所述速度采集器包括速度计算模块及速度提取模块;所述速度提取模块通过所述数据采集器直接获取血流速度信息,或通过血流模型直接提取血流速度V。
13.根据权利要求12所述的基于病史信息获取血流储备分数的装置,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V可通过血管中流体充盈的速度经速度转换模块转换获得,还可通过几何模型中血管树的形态经速度测算模块测算获得。
14.一种用于获取个体血流储备分数的设备,所述设备具有处理器,其特征在于:所述处理器被设置为使得所述设备执行以下步骤:
收集个体特定病史信息和待检血管的几何参数;
根据所述待检血管的几何参数建立个体的血管模型,所述血管模型包括斑块的有无、斑块的位置、斑块的大小、斑块形成的角度、斑块的组成及斑块组成的变化、斑块的形状及斑块形状的变化;所述血管模型的建立包括:
定义感兴趣区域血管段近端终点处的横截面为参考面,通过对几何模型的中心线进行提取,以获取所述几何模型的中心径线;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感兴趣区域血管段进行分割,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,血管模型建立结束;根据个体特定病史信息修正所述血管模型;
提供至少一种血管压力差数值的计算模型;
基于修正后的所述血管模型与所述血管压力差数值的计算模型确定待检血管的血流储备分数,所述血管压力差数值的计算模型是基于多尺度计算方法而建立的。
15.根据权利要求14所述的用于获取个体血流储备分数的设备,其特征在于:所述病史信息包括影响血流速度或血液黏度的循环系统疾病、呼吸系统疾病、神经系统疾病、骨骼疾病、消化系统疾病、代谢性疾病、肿瘤疾病及家族病史中的一个或多个。
Priority Applications (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810639085.6A CN108742587B (zh) | 2018-06-20 | 2018-06-20 | 基于病史信息获取血流特征值的方法及装置 |
DE112018007631.8T DE112018007631T5 (de) | 2018-06-20 | 2018-09-30 | Verfahren und Vorrichtung zum Erhalten von Blutflusseigenwerten basierend auf Anamneseinformationen |
PCT/CN2018/109080 WO2019242161A1 (zh) | 2018-06-20 | 2018-09-30 | 基于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 |
---|---|---|---|
CN201810639085.6A CN108742587B (zh) | 2018-06-20 | 2018-06-20 | 基于病史信息获取血流特征值的方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108742587A CN108742587A (zh) | 2018-11-06 |
CN108742587B true CN108742587B (zh) | 2021-04-27 |
Family
ID=63979649
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810639085.6A Active CN108742587B (zh) | 2018-06-20 | 2018-06-20 | 基于病史信息获取血流特征值的方法及装置 |
Country Status (3)
Country | Link |
---|---|
CN (1) | CN108742587B (zh) |
DE (1) | DE112018007631T5 (zh) |
WO (1) | WO2019242161A1 (zh) |
Families Citing this family (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110384494A (zh) * | 2018-09-19 | 2019-10-29 | 苏州润迈德医疗科技有限公司 | 测量微循环阻力指数的方法 |
CN109620199B (zh) * | 2018-11-30 | 2021-03-16 | 博动医学影像科技(上海)有限公司 | 建立血管截面函数、血管压力差和血管应力的方法及装置 |
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 |
CN110786841B (zh) * | 2019-11-04 | 2021-05-25 | 苏州润迈德医疗科技有限公司 | 基于微循环阻力指数调节最大充血状态流速的方法及装置 |
CN113836832A (zh) * | 2021-08-13 | 2021-12-24 | 中国人民解放军东部战区总医院 | 一种确定血管状态参数的方法和装置 |
CN115758945B (zh) * | 2023-02-13 | 2023-06-09 | 首都医科大学附属北京友谊医院 | 数值模型构建方法、装置、电子设备及存储介质 |
CN116153505B (zh) * | 2023-04-21 | 2023-08-18 | 苏州森斯缔夫传感科技有限公司 | 基于医用压力传感器的危重病人体征智能识别方法及系统 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105518684A (zh) * | 2013-08-27 | 2016-04-20 | 哈特弗罗公司 | 用于预测冠状动脉病变的位置、开始、和/或变化的系统和方法 |
CN106470594A (zh) * | 2014-06-19 | 2017-03-01 | 皇家飞利浦有限公司 | 确定心血管结构的有效横截面面积 |
Family Cites Families (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10398386B2 (en) * | 2012-09-12 | 2019-09-03 | Heartflow, Inc. | Systems and methods for estimating blood flow characteristics from vessel geometry and physiology |
NL2012459B1 (en) * | 2014-03-18 | 2016-01-08 | Medis Ass B V | Method and device for determining deviation in pressure in a blood vessel. |
CN105326486B (zh) * | 2015-12-08 | 2017-08-25 | 博动医学影像科技(上海)有限公司 | 血管压力差与血流储备分数的计算方法及系统 |
CN107115108B (zh) * | 2017-04-27 | 2020-09-15 | 博动医学影像科技(上海)有限公司 | 快速计算血管压力差的方法及系统 |
CN107491636B (zh) * | 2017-07-26 | 2021-03-16 | 武汉大学 | 一种基于计算流体力学的脑血管储备力仿真系统和方法 |
CN107730540B (zh) * | 2017-10-09 | 2020-11-17 | 全景恒升(北京)科学技术有限公司 | 基于高精度匹配模型的冠脉参数的计算方法 |
CN108022650B (zh) * | 2017-12-07 | 2020-11-17 | 博动医学影像科技(上海)有限公司 | 管腔建模方法及计算血管压力差的方法与系统 |
-
2018
- 2018-06-20 CN CN201810639085.6A patent/CN108742587B/zh active Active
- 2018-09-30 WO PCT/CN2018/109080 patent/WO2019242161A1/zh active Application Filing
- 2018-09-30 DE DE112018007631.8T patent/DE112018007631T5/de active Pending
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105518684A (zh) * | 2013-08-27 | 2016-04-20 | 哈特弗罗公司 | 用于预测冠状动脉病变的位置、开始、和/或变化的系统和方法 |
CN106470594A (zh) * | 2014-06-19 | 2017-03-01 | 皇家飞利浦有限公司 | 确定心血管结构的有效横截面面积 |
Also Published As
Publication number | Publication date |
---|---|
WO2019242161A1 (zh) | 2019-12-26 |
DE112018007631T5 (de) | 2021-02-25 |
CN108742587A (zh) | 2018-11-06 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108742587B (zh) | 基于病史信息获取血流特征值的方法及装置 | |
CN109065170B (zh) | 获取血管压力差的方法及装置 | |
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 | |
US10258303B2 (en) | Apparatus for determining a fractional flow reserve value | |
CN105326486B (zh) | 血管压力差与血流储备分数的计算方法及系统 | |
WO2021046990A1 (zh) | 基于影像和压力传感器计算微循环指标的方法装置及系统 | |
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 | |
CN109009061B (zh) | 基于血压修正获取血流特征值的计算方法及装置 | |
CN108717874B (zh) | 基于特定的生理参数获取血管压力值的方法及装置 | |
CN106163388A (zh) | 用于处理生命体的心脏数据的处理装置和方法 | |
CN108742570B (zh) | 基于冠脉优势类型获取血管压力差的装置 | |
CN109620199B (zh) | 建立血管截面函数、血管压力差和血管应力的方法及装置 | |
CN108742667B (zh) | 基于身体质量指数获取血流特征值的方法和装置 | |
CN109009037B (zh) | 基于个体性别获取血管压力差的计算方法及装置 | |
CN108784676B (zh) | 基于年龄信息获取压力差的方法及装置 | |
CN109044324B (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 | |
CN108742547B (zh) | 基于吸烟史信息获取压力差的方法及装置 | |
CN108742586A (zh) | 基于糖尿病病史信息获取血流特征值的方法及装置 |
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 |