CN109009061B - 基于血压修正获取血流特征值的计算方法及装置 - Google Patents
基于血压修正获取血流特征值的计算方法及装置 Download PDFInfo
- Publication number
- CN109009061B CN109009061B CN201810636458.4A CN201810636458A CN109009061B CN 109009061 B CN109009061 B CN 109009061B CN 201810636458 A CN201810636458 A CN 201810636458A CN 109009061 B CN109009061 B CN 109009061B
- Authority
- CN
- China
- Prior art keywords
- blood flow
- blood
- model
- region
- interest
- 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
-
- 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
Abstract
本发明提供了一种基于血压修正获取血流特征值的计算方法及装置。所述基于血压修正获取血流特征值的计算方法包括:获取个体冠脉系统在感兴趣区域特定的几何参数并建立几何模型;基于所述几何模型建立感兴趣区域的形态差异函数f(x);获取个体冠脉系统在感兴趣区域特定的血流参数,并结合个体在感兴趣区域的几何模型,获取感兴趣区域近端终点处的第二血流压力Pa、形态差异函数f(x)和压力差数值ΔP等反应血流特征的数值。本发明提供的基于血压修正获取血流特征值的计算方法和装置,通过引入形态学的概念,并结合血压信息对血流特征值的影响,可对血流特征值的计算结果进行修正,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血压修正获取血流特征值的计算方法及装置,属于医疗技术领域。
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。
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血流储备分数(FFR)的方法,但其实质均是通过感兴趣区域近端终点处的血流压力Pa和感兴趣区域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;同时,当个体存在血压异常时,异常的血压变化将导致血管中近端终点处的血流压力Pa发生变化;因此,现有技术中,通过血流压力Pa和血流压力的差值ΔP计算获得的FFR多会偏离实际值,致使通过FFR评价冠脉狭窄功能的结果存在误差。
有鉴于此,确有必要提供一种新的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血压修正获取血流特征值方法和装置,以至少解决现有技术中存在的技术问题之一。本发明提供的血流特征值的计算方法,通过引入形态学的概念,并结合血压信息对血流特征值的影响,可对血流特征值的计算结果进行修正,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血压修正获取血流特征值的计算方法,包括以下步骤:
获取个体冠脉系统在感兴趣区域特定的几何参数,根据所述几何参数建立感兴趣区域的几何模型;
对所述几何模型进行预处理,建立感兴趣区域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;并依据所述横截面形态模型建立感兴趣区域的形态差异函数f(x);
获取个体冠脉系统在感兴趣区域特定的血流参数,并结合个体在感兴趣区域的几何模型,获取感兴趣区域的血流模型;
根据所述血流模型及血流动力学,获取感兴趣区域近端终点处的第一血流压力P1;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;
获取个体的血压信息,对所述第一血流压力P1进行修正,以获取感兴趣区域的第二血流压力Pa,所述第二血流压力Pa满足关系式:Pa=ω×P1;其中,ω为纠偏参数;
所述血流特征值包括所述第二血流压力Pa、压力差数值ΔP以及基于所述第二血流压力Pa、压力差数值ΔP和形态差异函数f(x)计算的反应血流特征的数值。
作为本发明的进一步改进,所述纠偏参数ω为与个体的血压信息有关的参数,当个体血压信息显示为低血压时,所述纠偏参数ω<1;
当个体血压信息显示为高血压时,所述纠偏参数ω>1;,当个体血压信息显示为正常时,所述纠偏参数ω=1。
作为本发明的进一步改进,所述形态差异函数f(x)用于表示感兴趣区域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;所述形态差异函数f(x)的获取包括:
基于所述横截面形态模型,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;
以感兴趣区域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,对感兴趣区域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,获取形态差异函数f(x);
其中,所述形态函数包括面积函数、直径函数和边缘位置函数。
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的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,以获取感兴趣区域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;
优选的,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,所述压力差数值ΔP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)和血流模型计算获得,所述尺度为计算形态差异函数f(x)时相邻两横截面之间的距离,所述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,V为血流速度,为通过所述血流模型直接/间接获得,且所述血流速度V可以为常数;
c1、c2、…、cm分别代表血流速度V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;
m为大于等于1的自然数;
n为尺度为大于等于1的自然数。
作为本发明的进一步改进,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。
作为本发明的进一步改进,所述血流模型包括固定血流模型及个性化血流模型,所述第一血流压力P1通过所述血流模型直接/间接测算获得;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;
优选的,所述血流模型包括感兴趣区域的血流速度V;当所述血流模型为静息态血流模型时,所述血流速度V可通过感兴趣区域血管内流体充盈的速度计算获得,或者通过感兴趣区域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;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。
为实现上述发明目的,本发明还提供了一种基于血压修正获取血流特征值的计算装置,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参数中感兴趣区域的几何参数;
纠偏参数处理器,所述纠偏参数处理器用于接收个体的血压信息,并生成纠偏参数ω;
血流特征处理器,所述血流特征处理器用于获取感兴趣区域的血流模型,和基于所述几何参数建立对应感兴趣区域的几何模型;
所述血流特征处理器还用于通过所述血流模型获取感兴趣区域近端终点处的第一血流压力P1,并基于所述几何模型和所述血流模型,建立横截面形态模型以获取形态差异函数f(x);同时,所述血流特征处理器还可接收纠偏参数处理器提供的纠偏参数ω,根据所述形态差异函数f(x)、纠偏参数ω、第一血流压力P1和血流动力学,获取所述感兴趣区域的血流特征值。
作为本发明的进一步改进,所述血流特征值包括感兴趣区域近端终点位置处的第二血流压力Pa,所述第二血流压力Pa与所述第一血流压力P1之间满足关系式:Pa=ω×P1;其中,ω为通过所述纠偏参数处理器获取的纠偏参数;所述纠偏参数ω为与个体的血压信息有关的参数,当所述纠偏参数处理器获取的个体血压信息显示为低血压时,所述纠偏参数ω<1;当个体血压信息显示为高血压时,所述纠偏参数ω>1;当个体血压信息显示为正常时,所述纠偏参数ω=1。
作为本发明的进一步改进,所述几何模型为通过对所述解剖参数的图像数据进行测算,并拟合校准获得;所述横截面形态模型为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由所述血流特征处理器基于所述数据数据采集器获取斑块信息,所述斑块信息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,所述形态差异函数f(x)的获取包括:
通过所述血流特征处理器基于所述横截面形态模型,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;
以感兴趣区域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,对感兴趣区域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,获取形态差异函数f(x)。
作为本发明的进一步改进,所述血流特征值包括所述感兴趣区域近端终点位置处和远端终点位置处之间的压力差数值ΔP,所述压力差数值ΔP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)和血流模型计算获得;或者,所述血流特征值还包括所述感兴趣区域的血流储备分数,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)、血流模型和感兴趣区域近端终点位置处的第二血流压力Pa计算获得。
本发明的有益效果是:本发明的基于血压修正获取血流特征值的计算方法和装置通过在血流特征值计算的过程中建立横截面形态模型,并通过对不同位置处的横截面形态模型进行拟合建立形态差异函数;进一步在血流压力获取的过程中引入纠偏参数ω,综合考虑了血管管腔中斑块的位置、形状及血压因素对血管压力差计算的影响;使得通过本发明的血流特征值的计算方法计算得到的血流特征值更加准确,可准确反映感兴趣区域的血流特征变化,且结果准确可靠。
附图说明
图1是本发明感兴趣区域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是本发明感兴趣区域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是本发明基于血压修正获取血流特征值的计算装置的结构框图。
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血压修正获取血流特征值的计算方法,所述基于血压修正获取血流特征值的计算方法包括以下步骤:
获取个体冠脉系统在感兴趣区域特定的几何参数,根据所述几何参数建立感兴趣区域的几何模型;
对所述几何模型进行预处理,建立感兴趣区域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;并依据所述横截面形态模型建立感兴趣区域的形态差异函数f(x),所述尺度为计算形态差异函数f(x)时相邻两横截面之间的距离;
获取个体冠脉系统在感兴趣区域特定的血流参数,并结合个体在感兴趣区域的几何模型,获取感兴趣区域的血流模型;
根据所述血流模型及血流动力学,获取感兴趣区域近端终点处的第一血流压力P1;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;
获取个体的血压信息,对所述第一血流压力P1进行修正,以获取感兴趣区域的第二血流压力Pa,所述第二血流压力Pa满足关系式:Pa=ω×P1;其中,ω为纠偏参数;
所述血流特征值包括所述第二血流压力Pa、压力差数值ΔP以及基于所述第二血流压力Pa、压力差数值ΔP和形态差异函数f(x)计算的反应血流特征的数值。
以下说明书部分将对所述基于血压修正获取血流特征值的计算方法进行详细阐述。
所述横截面形态模型为通过所述几何模型直接/间接获得,且在本发明中所述几何模型至少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。具体来讲,所述横截面形态模型的建立包括以下步骤:
S1、定义感兴趣区域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感兴趣区域进行分割,将各横截面内外边缘投影在所述坐标系中,以获取感兴趣区域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,将导致感兴趣区域压力差数值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感兴趣区域的狭窄率高,则会进一步导致感兴趣区域压力差数值ΔP的升高;同时当所述斑块处于不同的位置处时,目标血管所供应的心肌体积区域不同,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,当所述解剖模型参数为采用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;当所述解剖模型参数为采用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。
所述获取血管压力差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,计算感兴趣区域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)用于表示感兴趣区域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;
以感兴趣区域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,对感兴趣区域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。
所述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。
具体来讲,在本发明中,所述血流模型中还包括感兴趣区域的血流速度V,且所述血流速度V和所述第一血流压力P1均通过所述血流模型直接/间接获取。进一步的,当所述血流模型为固定血流模型或静息态血流模型时,所述第一血流压力P1可通过获取的个体的收缩压混合舒张压计算获得,且此时所述第一血流压力P1=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,此时所述第一血流压力P1可通过所述负荷态血流模型直接测量获得。
在所述血流速度V的获取过程中,当所述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;当所述血流模型为静息态血流模型时,所述血流速度V可通过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,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,当所述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可直接通过血流模型获取,或通过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。
所述第二血流压力Pa的获取为通过所述第一血流压力P1并经过所述纠偏参数ω进行纠偏之后获得,且所述第二血流压力Pa与所述第一血流压力P1之间满足关系式:Pa=ω×P1;
其中,ω为纠偏参数为与个体的血压信息有关的参数,进一步的,当个体血压信息显示为低血压时,所述纠偏参数ω<1;当个体血压信息显示为高血压时,所述纠偏参数ω>1;当个体血压信息显示为正常时,所述纠偏参数ω=1。
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)和感兴趣区域的第二血流速度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,V为血流速度,为通过所述血流模型直接/间接获得,且所述血流速度V可以为常数;
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。
具体来讲,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。
请参参阅图9所示,本发明还提供了一种基于血压修正获取血流特征值的计算装置,所述基于血压修正获取血流特征值的计算装置包括:
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参数中感兴趣区域的几何参数;
纠偏参数处理器,所述纠偏参数处理器用于接收个体的血压信息,并生成纠偏参数ω;
血流特征处理器,所述血流特征处理器用于获取感兴趣区域的血流模型,和基于所述几何参数建立对应感兴趣区域的几何模型;
所述血流特征处理器还用于通过所述血流模型获取感兴趣区域近端终点处的第一血流压力P1,并基于所述几何模型和所述血流模型,建立横截面形态模型以获取形态差异函数f(x);同时,所述血流特征处理器还可接收纠偏参数处理器提供的纠偏参数ω,根据所述形态差异函数f(x)、纠偏参数ω、第一血流压力P1和血流动力学,获取所述感兴趣区域的血流特征值。
进一步的,所述几何模型为所述血流特征处理器接收数据采集器获取的解剖参数的图像数据进行测算,并拟合校准获得;具体来讲,所述压力差处理器获取的几何模型至少包括所述感兴趣区域的形状、直径和面积等几何参数,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;即在本发明中,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。
具体来讲,当所述解剖参数的图像数据为通过CT、OCT和IVUS等设备获取时,所述数据采集器可直接对所述图像数据进行收集,并传递至所述血流特征处理器进行拟合建立几何模型;而当所述解剖参数的图像数据为通过造影的方法获取时,所述数据采集器在对所述图像数据进行采集时,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。
所述横截面形态模型为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。
进一步的,所述形态差异函数f(x)为所述血流特征处理器通过对任意两位置处的所述横截面形态模型进行拟合获得,且所述形态差异函数f(x)的获取包括:
通过所述血流特征处理器基于所述横截面形态模型,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;
以感兴趣区域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,对感兴趣区域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,获取形态差异函数f(x)。
所述血流特征值包括感兴趣区域近端终点位置处的第二血流压力Pa,所述第二血流压力Pa与所述第一血流压力P1之间满足关系式:Pa=ω×P1;其中,ω为通过所述纠偏参数处理器获取的纠偏参数。所述纠偏参数ω为与个体的血压信息有关的参数,当所述纠偏参数处理器获取的个体血压信息显示为低血压时,所述纠偏参数ω<1;当个体血压信息显示为高血压时,所述纠偏参数ω>1;当个体血压信息显示为正常时,所述纠偏参数ω=1。
所述血流特征值还包括所述感兴趣区域近端终点位置处和远端终点位置处之间的压力差数值ΔP,所述压力差数值ΔP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)和血流模型计算获得;进一步的,所述压力差数值ΔP通过如下公式计算获得:
ΔP=(c1V+c2V2+c3V3+…+cmVm)*(α1*∫f1(x)dx+α2*∫f2(x)dx+…+αn*∫fn(x)dx)
其中,V为通过血流模型获取的血流速度,且所述血流速度V可以为常数,进一步的,在其他实施例中V还可为其他经所述血流模型获取的数据;
多项式c1V+c2V2+c3V3+…+cmVm同样可为常数;
c1、c2、c3、…、cm为第二血流速度V的参数系数,此处的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。m为大于等于1的自然数,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,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为不同尺度下形态差异函数f1(x),f2(x)…fn(x)的加权系数;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。n为尺度为大于等于1的自然数。
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第二血流压力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:
需要指出的是,上述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,本发明的血流特征值的计算方法和装置通过建立横截面形态模型,并通过对不同位置处的横截面形态模型进行拟合建立形态差异函数;进一步在血流压力获取的过程中引入纠偏参数ω,综合考虑了血管管腔中斑块的位置、形状及血压因素对血管压力差计算的影响;使得通过本发明的血流特征值的计算方法计算得到的血流特征值更加准确,可准确反映感兴趣区域的血流特征变化,且结果准确可靠。
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 (12)
1.一种基于血压修正获取血流特征值的计算方法,其特征在于,包括以下步骤:
获取个体冠脉系统在感兴趣区域特定的几何参数,根据所述几何参数建立感兴趣区域的几何模型;
对所述几何模型进行预处理,建立感兴趣区域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;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;并依据所述横截面形态模型建立感兴趣区域的形态差异函数f(x);
获取个体冠脉系统在感兴趣区域特定的血流参数,并结合个体在感兴趣区域的几何模型,获取感兴趣区域的血流模型;
根据所述血流模型及血流动力学,获取感兴趣区域近端终点处的第一血流压力P1;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;
获取个体的血压信息,对所述第一血流压力P1进行修正,以获取感兴趣区域的第二血流压力Pa,所述第二血流压力Pa满足关系式:Pa=ω×P1;其中,ω为纠偏参数;
所述血流特征值包括所述第二血流压力Pa、压力差数值ΔP以及基于所述第二血流压力Pa、压力差数值ΔP和形态差异函数f(x)计算的反应血流特征的数值。
2.根据权利要求1所述的基于血压修正获取血流特征值的计算方法,其特征在于:所述纠偏参数ω为与个体的血压信息有关的参数,当个体血压信息显示为低血压时,所述纠偏参数ω<1;
当个体血压信息显示为高血压时,所述纠偏参数ω>1;当个体血压信息显示为正常时,所述纠偏参数ω=1。
3.根据权利要求1所述的基于血压修正获取血流特征值的计算方法,其特征在于:所述形态差异函数f(x)用于表示感兴趣区域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;所述形态差异函数f(x)的获取包括:
基于所述横截面形态模型,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;
以感兴趣区域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,对感兴趣区域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,获取形态差异函数f(x);
其中,所述形态函数包括面积函数、直径函数和边缘位置函数。
4.根据权利要求1所述的基于血压修正获取血流特征值的计算方法,其特征在于:所述横截面形态模型的建立包括:
S1、定义感兴趣区域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的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,以获取感兴趣区域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。
5.根据权利要求1所述的基于血压修正获取血流特征值的计算方法,其特征在于:所述压力差数值ΔP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)和血流模型计算获得,所述尺度为计算形态差异函数f(x)时相邻两横截面之间的距离,所述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,V为血流速度,为通过所述血流模型直接/间接获得,且所述血流速度V可以为常数;
c1、c2、…、cm分别代表血流速度V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;
m为大于等于1的自然数;
n为尺度为大于等于1的自然数。
6.根据权利要求5所述的基于血压修正获取血流特征值的计算方法,其特征在于: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。
7.根据权利要求1所述的基于血压修正获取血流特征值的计算方法,其特征在于:所述血流模型包括固定血流模型及个性化血流模型,所述第一血流压力P1通过所述血流模型直接/间接测算获得;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;所述血流模型包括感兴趣区域的血流速度V;当所述个性化血流模型为静息态血流模型时,所述血流速度V可通过感兴趣区域血管内流体充盈的速度计算获得,或者通过感兴趣区域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;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。
8.一种基于血压修正获取血流特征值的计算装置,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冠脉系统的解剖参数中感兴趣区域的几何参数;
纠偏参数处理器,所述纠偏参数处理器用于接收个体的血压信息,并生成纠偏参数ω;
血流特征处理器,所述血流特征处理器用于获取感兴趣区域的血流模型,和基于所述几何参数建立对应感兴趣区域的几何模型;
所述血流特征处理器还用于通过所述血流模型获取感兴趣区域近端终点处的第一血流压力P1,并基于所述几何模型和所述血流模型,建立横截面形态模型以获取形态差异函数f(x);所述横截面形态模型包括由所述血流特征处理器基于所述数据数据采集器获取斑块信息,所述斑块信息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,所述血流特征处理器还可接收纠偏参数处理器提供的纠偏参数ω,根据所述形态差异函数f(x)、纠偏参数ω、第一血流压力P1和血流动力学,获取所述感兴趣区域的血流特征值。
9.根据权利要求8所述的基于血压修正获取血流特征值的计算装置,其特征在于:所述血流特征值包括感兴趣区域近端终点位置处的第二血流压力Pa,所述第二血流压力Pa与所述第一血流压力P1之间满足关系式:Pa=ω×P1;其中,ω为通过所述纠偏参数处理器获取的纠偏参数;所述纠偏参数ω为与个体的血压信息有关的参数,当所述纠偏参数处理器获取的个体血压信息显示为低血压时,所述纠偏参数ω<1;当个体血压信息显示为高血压时,所述纠偏参数ω>1;当个体血压信息显示为正常时,所述纠偏参数ω=1。
10.根据权利要求8所述的基于血压修正获取血流特征值的计算装置,其特征在于:所述几何模型为通过对所述解剖参数的图像数据进行测算,并拟合校准获得;所述横截面形态模型为通过所述几何模型直接/间接获得。
11.根据权利要求8所述的基于血压修正获取血流特征值的计算装置,其特征在于:所述形态差异函数f(x)的获取包括:
通过所述血流特征处理器基于所述横截面形态模型,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;
以感兴趣区域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,对感兴趣区域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,获取形态差异函数f(x)。
12.根据权利要求8所述的基于血压修正获取血流特征值的计算装置,其特征在于:所述血流特征值包括所述感兴趣区域近端终点位置处和远端终点位置处之间的压力差数值ΔP,所述压力差数值ΔP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)和血流模型计算获得;或者,所述血流特征值还包括所述感兴趣区域的血流储备分数,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)、血流模型和感兴趣区域近端终点位置处的第二血流压力Pa计算获得。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810636458.4A CN109009061B (zh) | 2018-06-20 | 2018-06-20 | 基于血压修正获取血流特征值的计算方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810636458.4A CN109009061B (zh) | 2018-06-20 | 2018-06-20 | 基于血压修正获取血流特征值的计算方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109009061A CN109009061A (zh) | 2018-12-18 |
CN109009061B true CN109009061B (zh) | 2021-11-19 |
Family
ID=64610108
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810636458.4A Active CN109009061B (zh) | 2018-06-20 | 2018-06-20 | 基于血压修正获取血流特征值的计算方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109009061B (zh) |
Families Citing this family (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108717874B (zh) * | 2018-06-20 | 2021-11-05 | 博动医学影像科技(上海)有限公司 | 基于特定的生理参数获取血管压力值的方法及装置 |
CN108742667B (zh) * | 2018-06-20 | 2022-07-26 | 上海博动医疗科技股份有限公司 | 基于身体质量指数获取血流特征值的方法和装置 |
WO2020083390A1 (zh) * | 2018-10-25 | 2020-04-30 | 苏州润心医疗器械有限公司 | 获取心表大动脉的血流量的方法、装置、系统及存储介质 |
CN111523538B (zh) * | 2020-04-14 | 2021-09-17 | 博动医学影像科技(上海)有限公司 | 一种血管图像的处理方法、系统、计算设备及存储介质 |
CN112686991B (zh) * | 2021-01-08 | 2022-04-05 | 上海博动医疗科技股份有限公司 | 一种采用混合方式重建血管正常管腔形态的方法及系统 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
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 |
EP3128900A1 (en) * | 2014-04-08 | 2017-02-15 | The University Of Nottingham | Capillary refill measurement |
CN106650206A (zh) * | 2016-09-28 | 2017-05-10 | 湖南老码信息科技有限责任公司 | 一种基于增量式神经网络模型的高血压预测方法和预测系统 |
CN107072560A (zh) * | 2014-10-20 | 2017-08-18 | 浜松光子学株式会社 | 血压测定方法、血压测定装置、血压测定程序和存储该程序的存储介质 |
CN107862032A (zh) * | 2017-11-03 | 2018-03-30 | 董云鹏 | 智能学习型媒体互动分析方法及装置 |
CN107865647A (zh) * | 2016-09-28 | 2018-04-03 | 京东方科技集团股份有限公司 | 血压检测装置以及血压检测装置的校正方法 |
Family Cites Families (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8315812B2 (en) * | 2010-08-12 | 2012-11-20 | Heartflow, Inc. | Method and system for patient-specific modeling of blood flow |
CA2988610A1 (en) * | 2015-06-10 | 2016-12-15 | Cellphire, Inc. | Composition and methods for treatment of loss of fluids leading to hypotension and/or hypovolemia |
CN105796088A (zh) * | 2016-02-25 | 2016-07-27 | 张学魁 | 一种颅脑压力无创监测分析系统 |
CN106073894B (zh) * | 2016-05-31 | 2017-08-08 | 博动医学影像科技(上海)有限公司 | 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 |
CN106580268B (zh) * | 2017-01-24 | 2023-10-24 | 青岛大学附属医院 | 利用正交偏振光谱成像探测人体微血管超微结构的装置 |
CN107812283A (zh) * | 2017-10-18 | 2018-03-20 | 北京工商大学 | 一种自动确定穿刺点位置的方法 |
-
2018
- 2018-06-20 CN CN201810636458.4A patent/CN109009061B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
EP3128900A1 (en) * | 2014-04-08 | 2017-02-15 | The University Of Nottingham | Capillary refill measurement |
CN107072560A (zh) * | 2014-10-20 | 2017-08-18 | 浜松光子学株式会社 | 血压测定方法、血压测定装置、血压测定程序和存储该程序的存储介质 |
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 |
CN106650206A (zh) * | 2016-09-28 | 2017-05-10 | 湖南老码信息科技有限责任公司 | 一种基于增量式神经网络模型的高血压预测方法和预测系统 |
CN107865647A (zh) * | 2016-09-28 | 2018-04-03 | 京东方科技集团股份有限公司 | 血压检测装置以及血压检测装置的校正方法 |
CN107862032A (zh) * | 2017-11-03 | 2018-03-30 | 董云鹏 | 智能学习型媒体互动分析方法及装置 |
Also Published As
Publication number | Publication date |
---|---|
CN109009061A (zh) | 2018-12-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109009061B (zh) | 基于血压修正获取血流特征值的计算方法及装置 | |
CN109065170B (zh) | 获取血管压力差的方法及装置 | |
JP6792768B2 (ja) | 血流予備量比の計算方法およびシステム | |
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 | |
CN108186038B (zh) | 基于动脉造影影像计算冠脉血流储备分数的系统 | |
CN108742587B (zh) | 基于病史信息获取血流特征值的方法及装置 | |
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 | |
CN108742570B (zh) | 基于冠脉优势类型获取血管压力差的装置 | |
CN108717874B (zh) | 基于特定的生理参数获取血管压力值的方法及装置 | |
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 | |
CN109044324B (zh) | 基于斑块位置修正血流特征值的方法及装置 | |
CN113180614B (zh) | 无导丝ffr、无导丝imr和无导丝cfr的检测方法 | |
CN108784676B (zh) | 基于年龄信息获取压力差的方法及装置 | |
CN108777174B (zh) | 基于心梗史信息获取血管压力差的方法及装置 | |
CN108742586B (zh) | 基于糖尿病病史信息获取血流特征值的方法及装置 | |
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 | |
CN116807514B (zh) | 血管成像系统、方法、设备、电子设备及存储介质 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
CP03 | Change of name, title or address |
Address after: No. 11982, Qinhui North Road, 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 |