CN109064442B - 血管压力差修正方法、装置及设备 - Google Patents

血管压力差修正方法、装置及设备 Download PDF

Info

Publication number
CN109064442B
CN109064442B CN201810640021.8A CN201810640021A CN109064442B CN 109064442 B CN109064442 B CN 109064442B CN 201810640021 A CN201810640021 A CN 201810640021A CN 109064442 B CN109064442 B CN 109064442B
Authority
CN
China
Prior art keywords
plaque
blood vessel
pressure difference
difference value
vessel pressure
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
CN201810640021.8A
Other languages
English (en)
Other versions
CN109064442A (zh
Inventor
李莹光
王祉超
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 Yaosi Enterprise Management Center
Original Assignee
Shanghai Yaosi Enterprise Management Center
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 Shanghai Yaosi Enterprise Management Center filed Critical Shanghai Yaosi Enterprise Management Center
Priority to CN201810640021.8A priority Critical patent/CN109064442B/zh
Publication of CN109064442A publication Critical patent/CN109064442A/zh
Application granted granted Critical
Publication of CN109064442B publication Critical patent/CN109064442B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00Image analysis
    • G06T7/0002Inspection of images, e.g. flaw detection
    • G06T7/0012Biomedical image inspection
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00Indexing scheme for image analysis or image enhancement
    • G06T2207/30Subject of image; Context of image processing
    • G06T2207/30004Biomedical image processing
    • G06T2207/30101Blood vessel; Artery; Vein; Vascular

Landscapes

  • Engineering & Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Radiology & Medical Imaging (AREA)
  • Quality & Reliability (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Apparatus For Radiation Diagnosis (AREA)

Abstract

一种基于斑块数据的血管压力差修正方法,根据血管内的斑块数据对已经获得的血管压力差数值ΔP0进行修正,斑块数据包括:斑块个数;斑块体积;以及斑块成分。采用公式
Figure DDA0001702206970000011
对已经获取的血管压力差数值ΔP0进行修正,ΔP表示的是经过修正的血管压力差数值,n表示该血管段存在的斑块个数,Vi(i=1~n)表示第i处斑块的体积,ai(i=1~n)表示脂质斑块在第i处斑块中占比,bi(i=1~n)表示纤维斑块在第i处斑块中占比,ci(i=1~n)表示钙化斑块在第i处斑块中占比。ω1、ω2、ω3分别表示脂质、纤维和钙化斑块的修正系数。

Description

血管压力差修正方法、装置及设备
技术领域
本发明涉及应用于医疗领域,尤其涉及应用在基于斑块数据的血管压力差修正方法、装置及设备。
背景技术
现有技术中公开了“一种计算某段血管的血流储备分数FFR的方法,包括:接收该段血管的几何参数,该血管包括近端终点和远端终点,所述几何参数包括第一几何参数,代表该血管段近端横截面的面积(或直径);第二几何参数,代表该血管段远端横截面的面积(或直径);第三几何参数,代表该血管段位于近端终点和远端终点之间的第一位置的横截面面积(或直径);以近端终点为参考点,基于所述几何参数和血管段上的点到参考点的距离,计算出参考管腔直径函数和几何参数差异函数;在多个尺度下对几何参数差异函数求导,得到多个尺度对应的差值导数函数;所述尺度指的是分辨率,即数值计算导数时相邻两点之间的距离;接收该血管段在常规冠脉造影的平均血流速度,利用查表方式获得该血管段所能通过的最大平均血流速度;基于多尺度差值导数函数和最大平均血流速度,获得所述血管第一位置处的第二血流压力与近端终点处的第一血流压力之间的比值,即血流储备分数”。该方案通过冠脉造影获得的血管几何参数和血流速度,通过多尺度计算方法,实现在同一个血管存在不同程度病变情况下的血管压力差和血流储备分数计算。
现有技术中公开了“一种快速计算血管压力差的方法,具体方案包括:接收感兴趣血管管腔的影像数据,该血管包括近端终点和远端终点,由此建立该段血管的几何模型,所述几何模型包括真实血管管腔几何模型、理想血管管腔几何模型、真实血管管腔中心线几何模型以及理想血管管腔中心线几何模型;接收感兴趣血管所能通过的最大平均血流速度;基于所述的真实血管管腔几何模型、理想血管管腔几何模型获得几何差异函数;基于所述的真实血管管腔中心线几何模型以及理想血管管腔中心线几何模型获得偏心程度函数;基于上述获得的几何差异函数、偏心程度函数和血管所能通过的最大平均血流速度计算获得所述血管的压力差函数”。该方案在多尺度修正方案的同时,还加入了血管偏心程度的修正,使得血管压力差和血流储备分数的计算准确度有所提升。
然而,现有的方案都没有考虑到斑块成分对血管压力差和血流储备分数数值的影响,因此准确性仍有待提升。根据冠状动脉粥样硬化斑块内组织学成分不同,可以将其分为一下几种类型:脂质斑块、纤维性斑块、钙化斑块和混合性斑块。脂质斑块一般是由于血管壁脂质堆积而形成,质地较软。钙化斑块一般是由于钙沉积导致的,因此质地较硬。纤维斑块表层由大量胶原纤维、少数弹性纤维及蛋白聚糖形成纤维帽,质地居于脂质斑块与钙化斑块之间。混合性斑块则是由上述一种或者多种成分组成的斑块。由于血管管腔在一个心动周期中会有节律性变化,不同类型的斑块由于其不同的力学属性,能够对血管管腔在心动周期中的形变程度产生作用,从而进一步影响血管压力差的数值。
发明内容
本发明实施例提供了一种血管压力差修正方法、装置和设备,目的在于解决现有的基于影像的血管压力差计算中,由于没有考虑血管内斑块的影响,造成血管压力差计算不准确的问题。
本发明的实施例之一,一种基于斑块数据的血管压力差修正方法,采用根据血管内的斑块数据计算获得的修正系数对已经获得的血管压力差数值ΔP0进行系数修正,所述斑块数据包括:斑块个数、斑块体积和/或斑块成分,其中斑块成分包括脂质、纤维和/或钙化。
本发明的实施例之一,一种基于斑块数据的血管压力差修正装置,该装置包括存储器;以及耦合到存储器的一个或多个处理器,处理器被配置为执行存储在所述存储器中的指令,处理器执行以下操作:
处理器采用以下公式(1)修正血管压力差数值ΔP0
Figure BDA0001702206950000021
其中,ΔP0表示已经获取的血管压力差数值,ΔP表示的是经过修正的血管压力差数值,n表示该血管段存在的斑块个数,Vi(i=1~n)表示第i处斑块的体积,ai(i=1~n)表示脂质斑块在第i处斑块中占比,bi(i=1~n)表示纤维斑块在第i处斑块中占比,ci(i=1~n)表示钙化斑块在第i处斑块中占比;ω1、ω2、ω3分别表示脂质、纤维和钙化斑块的修正系数。
本发明的实施例之一,一种基于斑块数据的血管压力差修正设备,该设备包括血管图像数据生成装置、血管压力差计算装置和血管压力差修正装置,
血管图像数据生成装置的输出端分别接入血管压力差计算装置的输入端和血管压力差修正装置的输入端,血管压力差修正装置的另一个输入端与血管压力差计算装置的输出端连接,
血管压力差计算装置从血管图像数据生成装置获得血管图像数据后计算得到血管压力差数值,
血管压力差修正装置从血管图像数据生成装置接收血管图像中的斑块数据,从血管压力差计算装置接收血管压力差数值,根据斑块数据计算获得修正系数,并对已经获得的血管压力差数值进行系数修正,获得修正后的血管压力差数值,
所述血管图像数据生成装置包括血管图像采集装置、血管图像传输装置和血管图像处理装置,血管图像采集装置的输出端依次连接至血管图像传输装置、血管图像处理装置,血管图像处理装置的输出端分别连接血管压力差计算装置的输入端和血管压力差修正装置的输入端。
本发明实施例通过引入斑块个数、斑块体积和/或斑块成分对于血管压力差的影响因素,进一步的,引入斑块成分修正系数、斑块的重构类型修正系数、纤维帽厚度修正系数,以及上述修正系统的综合,使得血管压力差计算结果更加精确。
附图说明
通过参考附图阅读下文的详细描述,本发明示例性实施方式的上述以及其他目的、特征和优点将变得易于理解。在附图中,以示例性而非限制性的方式示出了本发明的若干实施方式,其中:
图1本发明实施例中涉及的脂质斑块血流而储备分数变化图。
图2本发明实施例中涉及的纤维斑块血流储备分数变化图。
图3本发明实施例中涉及的不同的斑块重构类型之间血管力学分布图。
图4本发明实施例中涉及的不同斑块纤维帽厚度血流动力学仿真图。
图5本发明实施例中的血管压力差修正设备组成原理框图。
具体实施方式
实施例1
根据一个或多个实施例,一种基于斑块数据的血管压力差修正方法,该方法根据血管内的斑块数据对已经获得的血管压力差数值ΔP0进行修正,其中,斑块数据包括:斑块个数、斑块体积和斑块成分。斑块数据可以通过血管腔内成像系统或者CT成像系统获得。采用经过修正的血管压力差数值ΔP计算可以获得血管的血流储备分数FFR。
其中,斑块成分包括脂质、纤维和/或钙化。不同斑块成分对冠脉血管的血流动力学情况会产生影响,这种影响可以以血流储备分数的形式体现。图1和图2是流固耦合模型的分析结果,以相同形态的两种不同斑块(脂质斑块和纤维斑块)为例,设置相同的入口条件和边界条件,获得结果如图1和图2所示。从图中可以发现,对于不同的斑块类型,血管的血流动力学情况之间会存在非常大的差异。
根据一个或多个实施例,一种基于斑块数据的血管压力差修正方法,采用以下公式修正血管压力差数值ΔP0
Figure BDA0001702206950000041
其中,ΔP0表示已经获取的血管压力差数值,ΔP表示的是经过修正的血管压力差数值,n表示该血管段存在的斑块个数,Vi(i=1~n)表示第i处斑块的体积,ai(i=1~n)表示脂质斑块在第i处斑块中占比,bi(i=1~n)表示纤维斑块在第i处斑块中占比,ci(i=1~n)表示钙化斑块在第i处斑块中占比;ω1、ω2、ω3分别表示脂质、纤维和钙化斑块的修正系数。优选的修正系数的取值可以是,ω1=-0.127~-0.125,ω2=0.019~0.021,ω3=0.013~0.015。是经多次实验后获得的修正系数经验数值。
斑块的重构类型及斑块负荷也会对血管的血流动力学参数产生较为明显的影响,目前已有文献对这一情况进行了证实(Wu X,Von B C,Li Z,et al.Assessment ofsuperficial coronary vessel wall deformation and stress:validation of insilico models and human coronary arteries in vivo[J].International Journal ofCardiovascular Imaging,2018(2):1-13.),如图3所示,对于只有斑块重构类型不同的血管,其力学分布之间仍然存在着较为显著的差异。可见,斑块重构类型对血管压力差也有着较大的影响。然而当前主流的血管压力差计算模型,都没有考虑这一方面的影响因素。根据一个或者多个实施例,
Figure BDA0001702206950000051
其中,ΔP0表示已经获取的血管压力差数值,ΔP表示的是经过修正的血管压力差数值,n表示该血管段存在的斑块个数,Vi(i=1~n)表示第i处斑块的体积,ai(i=1~n)表示脂质斑块在第i处斑块中占比,bi(i=1~n)表示纤维斑块在第i处斑块中占比,ci(i=1~n)表示钙化斑块在第i处斑块中占比;r1,r2,r3为针对脂质、纤维和钙化斑块重构类型的修正系数。当斑块重构类型为正性重构时,r1=-0.072~-0.027,r2=0.007~0.015,r3=0.045~0.053;当斑块重构类型为正常时,r1=-0.02~-0.05,r2=0.001~0.003,r3=0.012~0.013;当斑块重构类型为负性重构时,r1=-0.001~-0.010,r2=0.020~0.025,r3=0.053~0.060。
同时,斑块的纤维帽厚度对血管压力差的影响也不容忽视,如图4所示,仿真结果表明,纤维帽的厚薄对血流动力学也有着不可忽视的影响。为了更为全面地对血管压力差进行计算,根据一个或者多个实施例,
Figure BDA0001702206950000052
其中,ΔP0表示已经获取的血管压力差数值,ΔP表示的是经过修正的血管压力差数值,n表示该血管段存在的斑块个数,Vi(i=1~n)表示第i处斑块的体积,ai(i=1~n)表示脂质斑块在第i处斑块中占比,bi(i=1~n)表示纤维斑块在第i处斑块中占比,ci(i=1~n)表示钙化斑块在第i处斑块中占比;ti为第i处斑块的纤维帽厚度,T为纤维帽厚度对血管压力差影响的修正系数。经过多次仿真及体外实验可得,T=0.013~0.020。
综合考虑多种血管压力差影响因素的作用,根据一个或者多个实施例,
Figure BDA0001702206950000053
其中,ΔP0表示已经获取的血管压力差数值,ΔP表示的是经过修正的血管压力差数值,n表示该血管段存在的斑块个数,Vi(i=1~n)表示第i处斑块的体积,ai(i=1~n)表示脂质斑块在第i处斑块中占比,bi(i=1~n)表示纤维斑块在第i处斑块中占比,ci(i=1~n)表示钙化斑块在第i处斑块中占比。ω1、ω2、ω3分别表示脂质、纤维和钙化斑块的修正系数。r1,r2,r3分别为针对脂质、纤维和钙化斑块重构类型的修正系数。其中ti为第i处斑块的纤维帽厚度,T为纤维帽厚度对血管压力差影响的修正系数。
优选的,ω1=-0.127~-0.125,ω2=0.019~0.021,ω3=0.013~0.015。当斑块重构类型为正性重构时,r1=-0.072~-0.027,r2=0.007~0.015,r3=0.045~0.053;当斑块重构类型为正常时,r1=-0.02~-0.05,r2=0.001~0.003,r3=0.012~0.013;当斑块重构类型为负性重构时,r1=-0.001~-0.010,r2=0.020~0.025,r3=0.053~0.060。T=0.013~0.020。
实施例2
根据一个或多个实施例,一种基于斑块数据的血管压力差修正装置,该装置包括存储器;以及耦合到存储器的一个或多个处理器,处理器被配置为执行存储在所述存储器中的指令,处理器执行以下操作:
根据血管内的斑块数据对已经获得的血管压力差数值ΔP0进行修正,其中,斑块数据包括:斑块个数、斑块体积和斑块性质。处理器采用以下公式(1)修正血管压力差数值ΔP0
Figure BDA0001702206950000061
其中,ΔP0表示已经获取的血管压力差数值,ΔP表示的是经过修正的血管压力差数值,n表示该血管段存在的斑块个数,Vi(i=1~n)表示第i处斑块的体积,ai(i=1~n)表示脂质斑块在第i处斑块中占比,bi(i=1~n)表示纤维斑块在第i处斑块中占比,ci(i=1~n)表示钙化斑块在第i处斑块中占比;ω1、ω2、ω3分别表示脂质、纤维和钙化斑块的修正系数。
根据一个或多个实施例,一种基于斑块数据的血管压力差修正装置,该装置的处理器采用以下公式(2)修正血管压力差数值ΔP0
Figure BDA0001702206950000062
其中,ΔP0表示已经获取的血管压力差数值,ΔP表示的是经过修正的血管压力差数值,n表示该血管段存在的斑块个数,Vi(i=1~n)表示第i处斑块的体积,ai(i=1~n)表示脂质斑块在第i处斑块中占比,bi(i=1~n)表示纤维斑块在第i处斑块中占比,ci(i=1~n)表示钙化斑块在第i处斑块中占比;r1,r2,r3为针对脂质、纤维和钙化斑块重构类型的修正系数。
根据一个或多个实施例,一种血管压力差修正装置,该装置的处理器采用以下公式(3)修正血管压力差数值ΔP0
Figure BDA0001702206950000071
其中,ΔP0表示已经获取的血管压力差数值,ΔP表示的是经过修正的血管压力差数值,n表示该血管段存在的斑块个数,Vi(i=1~n)表示第i处斑块的体积,ai(i=1~n)表示脂质斑块在第i处斑块中占比,bi(i=1~n)表示纤维斑块在第i处斑块中占比,ci(i=1~n)表示钙化斑块在第i处斑块中占比;ti为第i处斑块的纤维帽厚度,T为纤维帽厚度对血管压力差影响的修正系数。
根据一个或多个实施例,一种血管压力差修正装置,该装置的处理器采用以下公式(4)修正血管压力差数值ΔP0
Figure BDA0001702206950000072
其中,ΔP0表示已经获取的血管压力差数值,ΔP表示的是经过修正的血管压力差数值,n表示该血管段存在的斑块个数,Vi(i=1~n)表示第i处斑块的体积,ai(i=1~n)表示脂质斑块在第i处斑块中占比,bi(i=1~n)表示纤维斑块在第i处斑块中占比,ci(i=1~n)表示钙化斑块在第i处斑块中占比,ω1、ω2、ω3分别表示脂质、纤维和钙化斑块的修正系数,r1,r2,r3分别为针对脂质、纤维和钙化斑块重构类型的修正系数,其中ti为第i处斑块的纤维帽厚度,T为纤维帽厚度对血管压力差影响的修正系数。
实施例3
根据一个或多个实施例,如图5所示,一种基于斑块数据的血管压力差修正设备,该设备包括血管图像数据生成装置、血管压力差计算装置和血管压力差修正装置。
血管图像数据生成装置的输出端分别接入血管压力差计算装置的输入端和血管压力差修正装置的输入端,血管压力差修正装置的另一个输入端与血管压力差计算装置的输出端连接。
血管压力差计算装置从血管图像数据生成装置获得血管图像数据后计算得到血管压力差数值。
血管压力差修正装置从血管图像数据生成装置接收血管图像中的斑块数据,从血管压力差计算装置接收血管压力差数值,根据斑块数据计算获得修正系数,并对已经获得的血管压力差数值进行系数修正,获得修正后的血管压力差数值。
所述血管图像数据生成装置包括血管图像采集装置、血管图像传输装置和血管图像处理装置,血管图像采集装置的输出端依次连接至血管图像传输装置、血管图像处理装置,血管图像处理装置的输出端分别连接血管压力差计算装置的输入端和血管压力差修正装置的输入端。
其中,血管压力差修正装置包括存储器;以及
耦合到所述存储器的一个或多个处理器,处理器被配置为执行存储在所述存储器中的指令,所述处理器执行以下操作:
采用根据血管内的斑块数据计算获得的修正系数对已经获得的血管压力差数值ΔP0进行系数修正,所述斑块数据包括:斑块个数、斑块体积和/或斑块成分,其中斑块成分包括脂质、纤维和/或钙化。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,所述的程序可存储于一计算机可读取存储介质中,该程序在执行时,可包括如上述各方法的实施例的流程。其中,所述的存储介质可为磁碟、光盘、只读存储记忆体(Read-Only Memory,ROM)或随机存储记忆体(Random AccessMemory,RAM)等。
值得说明的是,虽然前述内容已经参考若干具体实施方式描述了本发明创造的精神和原理,但是应该理解,本发明并不限于所公开的具体实施方式,对各方面的划分也不意味着这些方面中的特征不能组合,这种划分仅是为了表述的方便。本发明旨在涵盖所附权利要求的精神和范围内所包括的各种修改和等同布置。

Claims (7)

1.一种基于斑块数据的血管压力差修正方法,其特征在于,采用根据血管内的斑块数据计算获得的修正系数对已经获得的血管压力差数值ΔP0进行系数修正,所述斑块数据包括:斑块个数、斑块体积和/或斑块成分,其中斑块成分包括脂质、纤维和/或钙化;
采用以下公式(1)修正血管压力差数值ΔP0
Figure FDA0003464153330000011
其中,ΔP0表示已经获取的血管压力差数值,ΔP表示的是经过修正的血管压力差数值,n表示该血管段存在的斑块个数,Vi表示第i处斑块的体积,i=1~n;ai表示脂质斑块在第i处斑块中占比,i=1~n;bi表示纤维斑块在第i处斑块中占比,i=1~n;ci表示钙化斑块在第i处斑块中占比,i=1~n;ω1、ω2、ω3分别表示脂质、纤维和钙化斑块的修正系数;
或者,采用以下公式(2)修正血管压力差数值ΔP0
Figure FDA0003464153330000012
其中,ΔP0表示已经获取的血管压力差数值,ΔP表示的是经过修正的血管压力差数值,n表示该血管段存在的斑块个数,Vi表示第i处斑块的体积,i=1~n;ai表示脂质斑块在第i处斑块中占比,i=1~n;bi表示纤维斑块在第i处斑块中占比,i=1~n;ci表示钙化斑块在第i处斑块中占比,i=1~n;r1,r2,r3为针对脂质、纤维和钙化斑块重构类型的修正系数;
或者,采用以下公式(3)修正血管压力差数值ΔP0
Figure FDA0003464153330000013
其中,ΔP0表示已经获取的血管压力差数值,ΔP表示的是经过修正的血管压力差数值,n表示该血管段存在的斑块个数,Vi表示第i处斑块的体积,i=1~n;ai表示脂质斑块在第i处斑块中占比,i=1~n;bi表示纤维斑块在第i处斑块中占比,i=1~n;ci表示钙化斑块在第i处斑块中占比,i=1~n;ti为第i处斑块的纤维帽厚度,T为纤维帽厚度对血管压力差影响的修正系数;
或者,采用以下公式(4)修正血管压力差数值ΔP0
Figure FDA0003464153330000021
其中,ΔP0表示已经获取的血管压力差数值,ΔP表示的是经过修正的血管压力差数值,n表示该血管段存在的斑块个数,Vi表示第i处斑块的体积,i=1~n;ai表示脂质斑块在第i处斑块中占比,i=1~n;bi表示纤维斑块在第i处斑块中占比,i=1~n;ci表示钙化斑块在第i处斑块中占比,i=1~n;ω1、ω2、ω3分别表示脂质、纤维和钙化斑块的修正系数,r1,r2,r3分别为针对脂质、纤维和钙化斑块重构类型的修正系数,其中ti为第i处斑块的纤维帽厚度,T为纤维帽厚度对血管压力差影响的修正系数。
2.根据权利要求1所述的基于斑块数据的血管压力差修正方法,其特征在于,采用公式(1)修正血管压力差数值ΔP0时,所述ω1、ω2、ω3的取值范围为:ω1=-0.127~-0.125,ω2=0.019~0.021,ω3=0.013~0.015。
3.根据权利要求1所述的基于斑块数据的血管压力差修正方法,其特征在于,采用公式(2)修正血管压力差数值ΔP0时:
当斑块重构类型为正性重构时,r1=-0.072~-0.027,r2=0.007~0.015,r3=0.045~0.053;
当斑块重构类型为正常时,r1=-0.02~-0.05,r2=0.001~0.003,r3=0.012~0.013;
当斑块重构类型为负性重构时,r1=-0.001~-0.010,r2=0.020~0.025,r3=0.053~0.060。
4.根据权利要求1所述的基于斑块数据的血管压力差修正方法,其特征在于,采用公式(3)修正血管压力差数值ΔP0时,T=0.013~0.020。
5.根据权利要求1所述的基于斑块数据的血管压力差修正方法,其特征在于,采用公式(4)修正血管压力差数值ΔP0时,ω1=-0.127~-0.125,ω2=0.019~0.021,ω3=0.013~0.015,
其中,当斑块重构类型为正性重构时,r1=-0.072~-0.027,r2=0.007~0.015,r3=0.045~0.053;
当斑块重构类型为正常时,r1=-0.02~-0.05,r2=0.001~0.003,r3=0.012~0.013;
当斑块重构类型为负性重构时,r1=-0.001~-0.010,r2=0.020~0.025,r3=0.053~0.060,
T=0.013~0.020。
6.一种基于斑块数据的基于斑块数据的血管压力差修正装置,其特征在于,该装置包括存储器;以及
耦合到所述存储器的一个或多个处理器,处理器被配置为执行存储在所述存储器中的指令,所述处理器执行以下操作:
采用根据血管内的斑块数据计算获得的修正系数对已经获得的血管压力差数值ΔP0进行系数修正,所述斑块数据包括:斑块个数、斑块体积和/或斑块成分,其中斑块成分包括脂质、纤维和/或钙化;
所述处理器采用以下公式(1)修正血管压力差数值ΔP0
Figure FDA0003464153330000041
其中,ΔP0表示已经获取的血管压力差数值,ΔP表示的是经过修正的血管压力差数值,n表示该血管段存在的斑块个数,Vi表示第i处斑块的体积,i=1~n;ai表示脂质斑块在第i处斑块中占比,i=1~n;bi表示纤维斑块在第i处斑块中占比,i=1~n;ci表示钙化斑块在第i处斑块中占比,i=1~n;ω1、ω2、ω3分别表示脂质、纤维和钙化斑块的修正系数;
或者,所述处理器采用以下公式(2)修正血管压力差数值ΔP0
Figure FDA0003464153330000042
其中,ΔP0表示已经获取的血管压力差数值,ΔP表示的是经过修正的血管压力差数值,n表示该血管段存在的斑块个数,Vi表示第i处斑块的体积,i=1~n;ai表示脂质斑块在第i处斑块中占比,i=1~n;bi表示纤维斑块在第i处斑块中占比,i=1~n;ci表示钙化斑块在第i处斑块中占比,i=1~n;r1,r2,r3为针对脂质、纤维和钙化斑块重构类型的修正系数;
或者,所述处理器采用以下公式(3)修正血管压力差数值ΔP0
Figure FDA0003464153330000043
其中,ΔP0表示已经获取的血管压力差数值,ΔP表示的是经过修正的血管压力差数值,n表示该血管段存在的斑块个数,Vi表示第i处斑块的体积,i=1~n;ai表示脂质斑块在第i处斑块中占比,i=1~n;bi表示纤维斑块在第i处斑块中占比,i=1~n;ci表示钙化斑块在第i处斑块中占比,i=1~n;ti为第i处斑块的纤维帽厚度,T为纤维帽厚度对血管压力差影响的修正系数;
或者,所述处理器采用以下公式(4)修正血管压力差数值ΔP0
Figure FDA0003464153330000044
其中,ΔP0表示已经获取的血管压力差数值,ΔP表示的是经过修正的血管压力差数值,n表示该血管段存在的斑块个数,Vi表示第i处斑块的体积,i=1~n;ai表示脂质斑块在第i处斑块中占比,i=1~n;bi表示纤维斑块在第i处斑块中占比,i=1~n;ci表示钙化斑块在第i处斑块中占比,i=1~n;ω1、ω2、ω3分别表示脂质、纤维和钙化斑块的修正系数,r1,r2,r3分别为针对脂质、纤维和钙化斑块重构类型的修正系数,其中ti为第i处斑块的纤维帽厚度,T为纤维帽厚度对血管压力差影响的修正系数。
7.一种基于斑块数据的血管压力差修正设备,用于执行如权利要求1-5任一所述的基于斑块数据的血管压力差修正方法,其特征在于:
该设备包括血管图像数据生成装置、血管压力差计算装置和血管压力差修正装置,
血管图像数据生成装置的输出端分别接入血管压力差计算装置的输入端和血管压力差修正装置的输入端,血管压力差修正装置的另一个输入端与血管压力差计算装置的输出端连接,
血管压力差计算装置从血管图像数据生成装置获得血管图像数据后计算得到血管压力差数值,
血管压力差修正装置从血管图像数据生成装置接收血管图像中的斑块数据,从血管压力差计算装置接收血管压力差数值,根据斑块数据计算获得修正系数,并对已经获得的血管压力差数值进行系数修正,获得修正后的血管压力差数值,
所述血管图像数据生成装置包括血管图像采集装置、血管图像传输装置和血管图像处理装置,血管图像采集装置的输出端依次连接至血管图像传输装置、血管图像处理装置,血管图像处理装置的输出端分别连接血管压力差计算装置的输入端和血管压力差修正装置的输入端。
CN201810640021.8A 2018-06-21 2018-06-21 血管压力差修正方法、装置及设备 Active CN109064442B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201810640021.8A CN109064442B (zh) 2018-06-21 2018-06-21 血管压力差修正方法、装置及设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810640021.8A CN109064442B (zh) 2018-06-21 2018-06-21 血管压力差修正方法、装置及设备

Publications (2)

Publication Number Publication Date
CN109064442A CN109064442A (zh) 2018-12-21
CN109064442B true CN109064442B (zh) 2022-07-05

Family

ID=64821155

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810640021.8A Active CN109064442B (zh) 2018-06-21 2018-06-21 血管压力差修正方法、装置及设备

Country Status (1)

Country Link
CN (1) CN109064442B (zh)

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103247071A (zh) * 2013-03-29 2013-08-14 哈尔滨工业大学深圳研究生院 一种构建三维血管模型方法及设备
CN106372654A (zh) * 2016-08-29 2017-02-01 滕忠照 一种由头颈动脉粥样硬化斑块引起的脑梗死风险的评估方法
CN106974622A (zh) * 2017-04-06 2017-07-25 上海交通大学 基于光学相干断层成像的斑块稳定性测量方法及系统
CN108038848A (zh) * 2017-12-07 2018-05-15 上海交通大学 基于医学影像序列斑块稳定性指标的快速计算方法及系统

Family Cites Families (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20160143178A (ko) * 2015-06-04 2016-12-14 삼성전자주식회사 의료 영상 처리 장치 및 의료 영상 처리 방법
US10453191B2 (en) * 2016-04-20 2019-10-22 Case Western Reserve University Automated intravascular plaque classification
CN106650029B (zh) * 2016-11-28 2019-11-22 博动医学影像科技(上海)有限公司 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
CN106539622B (zh) * 2017-01-28 2019-04-05 北京欣方悦医疗科技有限公司 基于血流动力学分析的冠脉虚拟支架植入系统
CN107730497B (zh) * 2017-10-27 2021-09-10 哈尔滨工业大学 一种基于深度迁移学习的血管内斑块属性分析方法

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103247071A (zh) * 2013-03-29 2013-08-14 哈尔滨工业大学深圳研究生院 一种构建三维血管模型方法及设备
CN106372654A (zh) * 2016-08-29 2017-02-01 滕忠照 一种由头颈动脉粥样硬化斑块引起的脑梗死风险的评估方法
CN106974622A (zh) * 2017-04-06 2017-07-25 上海交通大学 基于光学相干断层成像的斑块稳定性测量方法及系统
CN108038848A (zh) * 2017-12-07 2018-05-15 上海交通大学 基于医学影像序列斑块稳定性指标的快速计算方法及系统

Also Published As

Publication number Publication date
CN109064442A (zh) 2018-12-21

Similar Documents

Publication Publication Date Title
US20230360804A1 (en) Systems and methods for estimating hemodynamic forces acting on plaque and monitoring risk
Medrano-Gracia et al. A computational atlas of normal coronary artery anatomy
US20200320688A1 (en) Rapid calculation method and system for plaque stability index based on medical image sequence
CN109065170B (zh) 获取血管压力差的方法及装置
CN110223271B (zh) 血管图像的自动水平集分割方法及装置
CN109009061B (zh) 基于血压修正获取血流特征值的计算方法及装置
JP7109429B2 (ja) 狭窄評価用の機能的指標を決定する装置
CN108742587B (zh) 基于病史信息获取血流特征值的方法及装置
O’Flynn et al. Methods for three-dimensional geometric characterization of the arterial vasculature
JP7286763B2 (ja) 血管圧力差の取得装置の作動方法及び血管圧力差の取得装置
JP2019202154A (ja) 医用画像処理装置、医用画像処理システムおよび医用画像処理方法
CN110353639B (zh) 一种基于血管增强造影的供血区定量方法及系统
KR20170090284A (ko) 협착 병변의 수학적 모델링을 이용한 심혈관 정보 결정 방법
CN109009037B (zh) 基于个体性别获取血管压力差的计算方法及装置
CN113711317A (zh) 用于评估冠状动脉疾病的手段和设备
CN109064442B (zh) 血管压力差修正方法、装置及设备
CN113192004B (zh) 一种基于冠脉多模影像裂纹形成和扩展的简化计算方法与斑块破裂风险量化的评估系统
CN109044324B (zh) 基于斑块位置修正血流特征值的方法及装置
Jonnagiri et al. Influence of aortic valve morphology on vortical structures and wall shear stress
CN110584696B (zh) 一种血流储备分数评估方法及装置、存储介质
CN111476880B (zh) 基于深度神经网络的冠脉造影设备及系统
CN114664455A (zh) 一种冠状动脉血流储备分数计算方法及装置
Mynard Diagnostic Performance of Virtual Fractional Flow Reserve derived from routine Coronary Angiography using Segmentation Free Reduced order (1-Dimensional) Flow Modelling
Ball et al. Imaging of the Aorta
Schilling et al. Assessment of Deep Learning Segmentation for Real-Time Free-Breathing Cardiac Magnetic Resonance Imaging

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