CN109360273A - 一种心脏瓣膜置换优化方法及系统 - Google Patents

Abstract

本发明涉及一种心脏瓣膜置换优化方法及系统，该方法包括如下步骤：(1)计算在经导管主动脉瓣置换术后不同患者的负荷力；(2)模拟主动脉根部和瓣膜组织行为，采用有限元方法提取生物力学特征；(3)建立主动脉瓣关闭不全风险预测模型；(4)利用风险预测模型对心脏瓣膜进行风险预测并对人工瓣膜进行优化，重复执步骤(1)～(3)直至风险预测结果为安全范围。与现有技术相比，本发明具有方法及系统能指导医生针对不同的病人使用不同的优化的瓣膜，最大限度的降低临床风险。

Description

一种心脏瓣膜置换优化方法及系统

技术领域

本发明涉及一种心脏瓣膜优化方法及系统，尤其是涉及一种心脏瓣膜置换优化方法及系统。

背景技术

主动脉瓣狭窄(AS)是老年人退行性瓣膜病，随着时间的推移会恶化。主动脉瓣狭窄的病理生理学是退行性和钙化性的，并且可能通过参与脂质积聚和炎症的相同细胞动脉粥样硬化过程加剧。伴有钙化主动脉瓣狭窄的症状患者可以通过称为经导管主动脉瓣置换术(TAVR)的微创手术治疗。TAVR由安装在金属支架内的生物心脏瓣膜的经皮植入组成。TAVR已经彻底改变了患有外科主动脉瓣置换(SAVR)高危或间歇性风险的患者症状严重主动脉瓣狭窄的治疗，如休克，年龄>80岁，肾功能不全，糖尿病等。TAVR于2011年被FDA批准目前临床使用的两个主要装置是自扩张式的Medtronic EvolutCoreValve(MCV)(Medtronic，Minneapolis，MN)和球囊扩张型Edwards SAPIEN S3阀(ESV)(Edwards Lifesciences，Irvine，CA)。在这两种情况下，假体支架扩张将主动脉瓣挤压到主动脉根部。正确的支架扩张对于确保装置在植入后维持其位置以及假体小叶功能正常至关重要。Sapien瓣膜尺寸为23毫米，26毫米和29毫米，而CoreValve的尺寸为26毫米，29毫米和31毫米。

患者选择对TAVR的成功至关重要。文献中已经描述了TAVR最常引用的选择标准，该标准是针对主动脉瓣狭窄伴三叉瓣主动脉瓣的严重病情，有症状，钙化性狭窄的患者设计的，其主动脉和血管解剖结构适用于TAVR。标准包括，例如(1)患者具有超声心动图导出标准的钙化主动脉瓣狭窄；(2)SAVR患者无法手术或高风险；(3)无混合主动脉瓣疾病(主动脉瓣狭窄和主动脉瓣反流伴主动脉瓣反流)；(4)无先天性单尖或先天性二尖瓣，或非钙化主动脉瓣等。因为严重主动脉瓣狭窄的死亡率高，通过医疗措施可使预期寿命延长。

TAVR的候选人在主动脉瓣中具有不同程度的钙化，并且钙沉积物的异质程度和模式。TAVR失败的主要预测因素可能包括紧急手术的需要，以前的心脏手术史，虚弱或其他问题。虽然TAVR能有效治疗严重的主动脉瓣狭窄，其并发症可能包括中风，错位，瓣膜迁移/栓塞，起搏器植入，反向/瓣膜瓣主动脉瓣反流或冠状动脉闭塞的需要。这些并发症可能会增加发病率和死亡率的风险，并增加成本。FDA最近向医生发出了关于TAVR期间主动脉瓣环断裂引起的死亡的警告。有利的结果(无主动脉瓣反流)需要适当的患者选择和细致的手术技术，以避免TAVR后的主动脉瓣关闭不全。不适当的植入(瓣膜尺寸选择)将导致TAVR假体的早期变性和功能障碍。此外，瓣膜小叶钙化的严重程度和分布会削弱TAVR的疗效。因此，在研究中需要重点关注TAVR的生物力学原因的失败，这意味着研究者将主要根据主动脉组织的生物力学因素预测TAVR后主动脉瓣关闭不全的风险。

发明内容

本发明的目的就是为了克服上述现有技术存在的缺陷而提供一种心脏瓣膜置换优化方法及系统。

本发明的目的可以通过以下技术方案来实现：

一种心脏瓣膜置换优化方法，该方法包括如下步骤：

(1)计算在经导管主动脉瓣置换术后不同患者的负荷力；

(2)模拟主动脉根部和瓣膜组织行为，采用有限元方法提取生物力学特征；

(3)建立主动脉瓣关闭不全风险预测模型；

(4)利用风险预测模型对心脏瓣膜进行风险预测并对人工瓣膜进行优化，重复执步骤(1)～(3)直至风险预测结果为安全范围。

步骤(1)中不同患者的负荷力通过下式获得：

其中，F为患者的负荷力，r_size为人工瓣膜的半径，C_annu为主动脉环的术前周长，d为主动脉瓣中钙化沉积物的最大直径，K为主动脉壁的刚度。

步骤(2)具体为：

(21)建立三维主动脉组织网络模型，生成三维主动脉组织网格数据；

(22)测定主动脉组织的材料属性，将主动脉组织的解剖学数据纳入三维主动脉组织网格数据中；

(23)采用有限元仿真提取生物力学特征：其中，σ_i表示第i个患者的生物力学特征，F_i为第i个患者的负荷力，E为人工瓣膜材料的杨氏模量，υ为人工瓣膜材料的泊松比，为第i个患者对应的网格节点n的横截面积，n＝1,2……N，N表示网格节点总数，P_i为第i个患者使用的人工瓣膜的类型，σ(·)表示根据胡克定律对参数F_i、E、υ、和p_i进行建模。

步骤(3)中主动脉瓣关闭不全风险预测模型为：

其中，AR为患者的主动脉瓣反流大小，g为支持向量回归模型，F为患者的负荷力，E为人工瓣膜材料的杨氏模量，υ为人工瓣膜材料的泊松比，A⁽ⁿ⁾为患者对应的网格节点n的横截面积，n＝1,2……N，N表示网格节点总数，P为第个患者使用的人工瓣膜的类型，V为钙化体积，为模拟系数参数。

步骤(4)利用风险预测模型对心脏瓣膜进行风险预测具体为：当选用一种类型的人工瓣膜时，利用主动脉瓣关闭不全风险预测模型计算其对应的患者的主动脉瓣反流大小AR，若AR在正常范围内，则选取的人工瓣膜无需优化，否则对人工瓣膜进行优化。

一种心脏瓣膜置换优化系统，该系统包括：

数据采集和预处理模块：采集样本患者心脏瓣膜置换手术前后CT数据和超声图并进行处理得到样本数据；

负荷力计算模块：对样本数据进行处理得到经导管主动脉瓣置换术后不同患者的负荷力；

生物力学特征提取模块：该模块基于负荷力采用有限元分析提取生物力学特征；

风险预测优化模块：该模块建立风险预测模型并利用风险预测模型进行风险预测，利用风险预测结果对人工瓣膜进行优化。

与现有技术相比，本发明具有如下优点：

本发明采用全新的信息技术去估计病人的心脏特点，心肌的生物动力学特性，利用病人的电子病历、影像、心肌的生物动力学特征，并使用机器学习的方法，建立了一个主动脉瓣关闭不全风险预测模型，它能指导医生针对不同的病人使用不同的优化的瓣膜，最大限度的降低临床风险。

附图说明

图1为本发明心脏瓣膜置换优化方法的流程框图。

具体实施方式

下面结合附图和具体实施例对本发明进行详细说明。

实施例

当TAVR假体瓣部署在主动脉根部的壁上，即主动脉环的区域时，来自假体周围支架扩张的应力将导致环的局部位移/运动反应。因此，环带的变化与应力成正比。第二，主动人工脉瓣被放置之前，环形应力将动态地改变主动脉根部的形态。为了获得最有效的结果，主动脉瓣装置应部署在均匀的钙化分布附近，其中瓣膜小叶仍然是可延展的，并且钙化区域不阻挡假体周围瓣膜小叶的功能。如果主动脉瓣小叶带有钙化严重和不均匀分布，则支架上的过度应力会阻塞假肢周围瓣膜的功能，并导致TAVR的早期失败。因此，主动脉组织的术后生物力学特征(应力)非常重要，因为它们可能会影响TAVR结果(有或没有假体周围渗漏/主动脉瓣反流)。

TAVR结果通过在主动脉瓣介入术后测量术后超声心动图反转/瓣膜外漏(反流)来确定，这些结果与生物力学性质如假体周围支架扩张引起的应激密切相关。在本专利中，我们将术后超声心动图观察到的轻度至重度主动脉瓣回流(需要TAVR修订)定义为AR＝0，用于追踪主动脉瓣回流(仅需TAVR)和AR＝1。这里的AR是指的血液回流的状况。我们的模型包括两个步骤。(1)对于人工瓣膜部署，我们使用有限元法(FEM)来模拟主动脉组织增加的应力。(2)然后，使用支持向量回归(SVR)模拟TAVR结果AR与应力之间的关系，来预测主动脉瓣关闭不全的风险。SVR可以有效地对任何非线性变化建模。因此，该模型可以自然地覆盖主动脉组织生物力学性质与TAVR结果之间的关系。这样的技术在文献中还从来没有报道过。

对于主动脉瓣狭窄病例经TAVR治疗，我们可以使用的数据有CT图像，超声心动图，人工瓣膜置入细节和患者的临床信息。

基于这些数据，如图1所示，一种心脏瓣膜置换优化方法，该方法包括如下步骤：

(1)计算在经导管主动脉瓣置换术后不同患者的负荷力；

(2)模拟主动脉根部和瓣膜组织行为，采用有限元方法提取生物力学特征；

(3)建立主动脉瓣关闭不全风险预测模型；

(4)利用风险预测模型对心脏瓣膜进行风险预测并对人工瓣膜进行优化，重复执步骤(1)～(3)直至风险预测结果为安全范围。

步骤(1)中不同患者的负荷力通过下式获得：

其中，F为患者的负荷力，r_size为人工瓣膜的半径，C_annu为主动脉环的术前周长，d为主动脉瓣中钙化沉积物的最大直径，K为主动脉壁的刚度。

该步骤(1)主要的目的是计算原生瓣膜术后径向变化的载荷力计算，具体地：

本发明先提出一个方法(简称为CCDCS)用于精确仿真出术后瓣膜小叶钙化的严重程度和其分布情况。此CCDCS系统能够准确的识别出在术前和术后钙化区域。通过测量原有主动脉瓣中所有的钙化沉积量，可以评估瓣膜小叶钙化的严重程度。在TAVR手术中，主动脉瓣环作为人工瓣膜的部署装置可以向外扩张。人工瓣膜产生一个扩张力将主动脉瓣环扩张开。假设钙沉积的分布将调整环的主动脉壁，那么每个钙沉积的位移和旋转变化都可通过下列虚拟支架的扩张程度准确地计算出来。在TAVR手术时由于主动脉瓣球囊扩张/自我膨胀而引起的钙化沉积的位置变化会对患者的主动脉根部产生不同的压力。本实施例使用VRVRP系统测量小叶上每个钙化沉积处的厚度e以及相应的坐标变化。

在术前三维模型上标记主动脉根部(主动脉瓣)的脉壁，然后确定主动脉根部(主动脉瓣)的中心。钙化沉积物沿着沉积物和主动脉根部中心产生的虚线移动直到接触主动脉壁。某些不规则的钙化沉积物会发生旋转。之后计算出术前和术后两中心线之间的夹角，以确定在TAVR术后计算钙沉积的旋转角度。

在此基础上，本发明开发一个方法叫术前模拟瓣膜置换法VRVRP。VRVRP系统由计算机辅助的钙化沉积变化模拟系统(CCDCS)和一个用于计算虚拟瓣膜置换术后三维主动脉根部和瓣膜组织上的加载的力的分布。推导出了用于人体股骨在前、中、后方向动态弯曲的损伤风险计算公式，此工具也能用于计算加载力。本实施例用d代表主动脉瓣中钙化沉积物的最大直径，通过对力位移数据进行线性回归，确定了主动脉壁的刚度(K)。这个参量是一个临界值，它定义了主动脉组织的整体力学特性。F代表沿主动脉壁内表面的虚拟线方向的加载力(即接触力),大致相当于钙化厚度d加上主动脉根部膨胀位移e。因此，F＝K·(e+d)适用于主动脉壁组织表面。

本专利着重于可能需要接受TAVR手术的三叶主动脉瓣狭窄患者。为了减少计算复杂度，我们将模拟限制在每个小叶中最大的钙化沉积处。基于一个主动脉根部壁的三维模型，可以精确测量主动脉环的术前周长C_annu。当在TAVR手术的人工瓣膜安装在原生主动脉环内时，不同尺寸r_size的人工瓣膜支架产生的扩张力将会引起原生主动脉瓣环的扩张或形变响应。一般来说，所有的人工瓣膜尺寸设计地稍大于TAVR患者主动脉环。这种扩张使瓣膜产生膨胀力防止脱落。主动脉瓣环是位于主动脉瓣口的纤维环，和前面的右房室瓣相通，是左心室和主动脉根部的过渡点。环是心脏纤维骨架的一部分。它位于主动脉窦的水平处，是人造主动脉瓣的位置。安装人工瓣膜后，主动脉壁由不规则形态变为圆形，其半径由原来的半径(不受加载力)时的r_annu变为人工瓣膜的大小r_size。原始半径可估算为r_annu＝C_annu/2π。因此，在每个小叶中，主动脉根部的膨胀位移可以计算为e＝r_size-r_annu。钙化沉积的厚度e在CCDOS系统中测量，由此，得到上述不同患者的负荷力计算公式：

其中，F为患者的负荷力，r_size为人工瓣膜的半径，C_annu为主动脉环的术前周长，d为主动脉瓣中钙化沉积物的最大直径，K为主动脉壁的刚度。

有限元算法(FEM)利用加载力提取主动脉壁组织的生物力学特性。TAVR术后，人工瓣膜将产生一个反作用力将其固定。这导致主动脉瓣置换，能改善临床症状。

步骤(2)具体为：

(21)建立三维主动脉组织网络模型，生成三维主动脉组织网格数据，本实施例开发了一种方法从CT数据来生成患者的三维主动脉组织网状模型。分割出的主动脉瓣和钙化区的主动脉根部首先将三维物体离散成小单元(被称为网格)。网格数据的生成使用到TrueGrid(XYZ Scientific Applications,Inc.,Livermore,CA)。一个三维主动脉组织网格数据由6832个六面体单元组成，每个单元包含8个网格节点。为了限制元素的数量并降低计算复杂度，FEM计算仅限于主动脉瓣环组织，该组织是植入假体的区域，代表着主动脉狭窄的最相关解剖结构。网格节点分为边界节点和自由节点。边界节点位于壁面部分，在支架扩张后将被重新定位。自由节点受到边界节点位移的影响。位移边界状态由所有边界节点的位移组成,将会通过对主动脉壁组织内表面施加加载力对此状态进行有限元模拟。

(22)测定主动脉组织的材料属性，将主动脉组织的解剖学数据纳入三维主动脉组织网格数据中；

对于术前和术后的主动脉壁和原生主动脉瓣，在以前的研究中收集了这两层的不同材料参数。根据杨氏模量和泊松比对主动脉组织的材料参数进行了有限元计算如表1所示。为了将主动脉组织属性分配到有限元网格数据中，我们将组织分成主动脉根部和主动脉瓣层。在我们的初步研究中，我们简单地定义主动脉组织是一个各向同性的均质组织。使用前面的CCDOS系统,我们可以从整个三维组织模型中测量主动脉壁和主动脉瓣层。在TAVR术后，原生瓣膜小叶将被挤压并被主动脉根部紧贴。因此，通过在网格数据中按体积比例来衡量主动脉根部壁和主动脉瓣的组织特性来确定主动脉组织的特性(表1)。

表1.主动脉组织的材料属性

	杨氏模量[MPa]	泊松比	密度[Kg/m<sup>2</sup>]
				主动脉根部	2	0.45	2000
主动脉瓣	8	0.45	1100

为了实现此目的，本实施例首先用图像处理软件来测量主动脉壁和主动脉瓣组织的体积。然后按照每层组织的比例加权来确定主动脉组织的属性。在网格数据的每个单元中，主动脉壁的体积比例P_root被定义为等效材料属性。杨氏模量为E＝E_valve(1-P_root)+E_rootP_root并类似计算出泊松比υ。这些材料参数包含在主动脉组织属性中。

按承载力和组织特性配制应力。在TAVR术中,由于人工瓣膜的作用，主动脉环将会向外扩张。人工瓣膜产生的张力将主动脉环扩张开。因此，为了在TAVR术前精确的模拟出一个虚拟的人工瓣膜，我们将根据加载力和组织特性来计算主动脉环上承受的应力。

(23)采用有限元仿真提取生物力学特征：其中，σ_i表示第i个患者的生物力学特征，F_i为第i个患者的负荷力，E为人工瓣膜材料的杨氏模量，υ为人工瓣膜材料的泊松比，为第i个患者对应的网格节点n的横截面积，n＝1,2……N，N表示网格节点总数，P_i为第i个患者使用的人工瓣膜的类型，σ(·)表示根据胡克定律对参数F_i、E、υ、和p_i进行建模。

步骤(3)中主动脉瓣关闭不全风险预测模型为：

其中，AR为患者的主动脉瓣反流大小，g为支持向量回归模型，F为患者的负荷力，E为人工瓣膜材料的杨氏模量，υ为人工瓣膜材料的泊松比，A⁽ⁿ⁾为患者对应的网格节点n的横截面积，n＝1,2……N，N表示网格节点总数，P为第个患者使用的人工瓣膜的类型，V为钙化体积，为模拟系数参数。

步骤(4)利用风险预测模型对心脏瓣膜进行风险预测具体为：当选用一种类型的人工瓣膜时，利用主动脉瓣关闭不全风险预测模型计算其对应的患者的主动脉瓣反流大小AR，若AR在正常范围内，则选取的人工瓣膜无需优化，否则对人工瓣膜进行优化。

通过有限元方法提取应力作为生物力学的属性之一，用于模拟人工瓣膜置换装置的优化。在有限元模型中，不同网格节点的应力随主动脉环成分的不同而不同。在每个网格节点上通过有限元计算出杨氏模量E和泊松比υ作为不同组织的材料参数。由于我们专注于假体和主动脉组织的接触区域，所以只选择靠近环的节点进行计算。为了获得应力特征的分布，我们首先模拟了压力作用下的阀瓣行为(即由有限元计算的阀瓣应力)。然后，应力矢量σ_i被整合在一起作为第i个患者的特征来使用。我们定义

对临床结果(瓣周漏或主动脉瓣关闭不全)和生物力学特性之间的关系进行建模初步研究：正如前面部分所讨论，TAVR的术后结果，例如瓣膜泄漏反映主动脉瓣反流(AR)，这与生物力学特性密切相关例如由人工瓣膜引起的应力。在我们之前的研究中,采用SVR模型来对这种关系进行建模，因为该模型能有效地模拟任何非线性函数。定义生物力学特征为其中，σ_i表示第i个患者的生物力学特征，F_i为第i个患者的负荷力，E为人工瓣膜材料的杨氏模量，υ为人工瓣膜材料的泊松比，为第i个患者对应的网格节点n的横截面积，n＝1,2……N，N表示网格节点总数，P_i为第i个患者使用的人工瓣膜的类型，σ(·)表示根据胡克定律对参数F_i、E、υ、和p_i进行建模。

由此，建立了上述主动脉瓣关闭不全风险预测模型为：

其中，AR为患者的主动脉瓣反流大小，g为支持向量回归模型，F为患者的负荷力，E为人工瓣膜材料的杨氏模量，υ为人工瓣膜材料的泊松比，A⁽ⁿ⁾为患者对应的网格节点n的横截面积，n＝1,2……N，N表示网格节点总数，P为第个患者使用的人工瓣膜的类型，V为钙化体积，为模拟系数参数。

最优的适用于新患者的TAVR模拟。系数的数值可以反映出哪些变量对预测模型的贡献最大。

当一个新的患者考虑TAVR手术时，瓣膜类型P可以根据当前选择标准确定选择Edwards Sapien或CoreValve瓣膜中的一种，加载力F和钙化体积V由前面开发的CCDCS系统和VRVRP平台基于患者的CT数据计算出来；是已知的(从训练步骤中)；E,υ,A⁽¹⁾,...,A^(N)通过有限元计算出来。主动脉瓣关闭不全的风险程度可由主动脉瓣反流AR的严重程度预测，在这里我们将其设置成零表示没有主动脉瓣反流。这样在这个模型里，对于一个新来的患者只有负载力F是未知的。我们可以采用动态规划方法估计病人的最佳负载力F如下：

此处，设置AR＝0(无主动脉瓣返流).因此，在TAVR术前，基于前面开发的VRVRP平台上，我们可以通过公式：

可确定瓣膜最佳尺寸r_size和瓣膜类型以避免产生过多的应力。

一种心脏瓣膜置换优化系统，该系统包括：

模块一、数据采集和预处理模块：采集样本患者心脏瓣膜置换手术前后CT数据和超声图并进行处理得到样本数据；

首先，术前病人的CT数据将被收集并导入到Mimics软件中。使用Mimics软件对主动脉瓣，环形，中肠管结和主动脉窦进行分割，并生成3D模型。从临床数据库获得术前CT影像，术后超声心动图和包含超声心动图报告的临床随访结果(0-24个月)。所有接受TAVR的患者的资料将根据主动脉瓣狭窄的严重程度(I，II和III)进行收集和归类。后者是特别重要的，因为在不同主动脉瓣狭窄阶段，TAVR后将考虑瓣膜退化的严重程度。一旦确定了新患者对TAVR的需求，患者的数据可以添加到eValve系统来预测主动脉瓣闭锁不全的风险。纳入病人的标准的包括[1]：主动脉瓣不是先天性单尖瓣或先天性二尖瓣，或钙化。无混合主动脉瓣疾病。通过超声心动图测量，原发性主动脉环尺寸应大于18mm并且小于25mm。

模块二、负荷力计算模块：对样本数据进行处理得到经导管主动脉瓣置换术后不同患者的负荷力；

在计算负载力之前，将对主动脉组织进行分割和量化，对患者分类以便进行个性化瓣膜设计。为了确定患者的天然主动脉根部位置，从所有CT扫描产生的3D主动脉根部模型与从心脏和冠状动脉的3D模型获得的模板进行匹配。方法如下：首先，使用迭代最近投影算法来实现患者3D主动脉根部模型与模板的对准。第二，模板的解剖细节将通过仿射变换方法粗略地记录来自未处理区域的主动脉组织的数据。第三，使用非刚性变换-3D薄板样条方法和非刚性迭代变形方法对变换后的模型进行优化。最后，使用普鲁克(Procrustes)迭代对齐来补偿在平移和旋转期间产生的差异。

主动脉瓣动力学将从患者的舒张期和收缩期估计，包括1)心房收缩(心房收缩期开始)；2)心室等容收缩(心室收缩)；3)心室射血(心室收缩)；4)心室等容舒张(心室舒张早期)；5)心室灌注(心室舒张晚期)。在心脏周期中施加在主动脉组织上的力将从计算机断层摄影上模拟出来。对于心脏周期的每个阶段，主动脉组织和假体之间的接触面积将发生变化。使用上述方法来模拟所有患者的负载力。

模块三、生物力学特征提取模块：该模块基于负荷力采用有限元分析提取生物力学特征；

该模块利用术前图像数据和术后临床结果建立生物生理模型和绘图方案，优化主动脉组织的生物力学性能。模拟从环到升主动脉的主动脉组织的机械性能。方法包括(1)生成一个具有详细解剖信息和主动脉组织的初始组织特性的患者特定模板；(2)使用术后临床结果将模板适应/绘制到临床术前图像数据和优化组织性能；(3)使用优化的组织特性提取生物力学特征(应变和应力)。提取的特征将在模块四中用于风险预测优化。

模块四、风险预测优化模块：该模块建立风险预测模型并利用风险预测模型进行风险预测，利用风险预测结果对人工瓣膜进行优化；

该模块基于组织的特性和负载力对主动脉组织的生物力学特性进行统计建模，以便利用所有的现有患者资料得到关于主动脉组织的组织行为仿真模拟。一旦建立了这种模拟模型，它将被应用于患者的手术前模型，以预测主动脉瓣闭锁不全风险并估计最佳瓣膜尺寸(图1中的右下方箭头)。如果预测结果为正确的，则可能选择不同的瓣膜尺寸；否则，当前的TAVR规划是合适的。同时，可以将新患者的主动脉组织的生物力学特征添加到训练数据库中，以提高模型的性能。

Claims (6)

1.一种心脏瓣膜置换优化方法，其特征在于，该方法包括如下步骤：

(1)计算在经导管主动脉瓣置换术后不同患者的负荷力；

(2)模拟主动脉根部和瓣膜组织行为，采用有限元方法提取生物力学特征；

(3)建立主动脉瓣关闭不全风险预测模型；

(4)利用风险预测模型对心脏瓣膜进行风险预测并对人工瓣膜进行优化，重复执步骤(1)～(3)直至风险预测结果为安全范围。

2.根据权利要求1所述的一种心脏瓣膜置换优化方法，其特征在于，步骤(1)中不同患者的负荷力通过下式获得：

其中，F为患者的负荷力，r_size为人工瓣膜的半径，C_annu为主动脉环的术前周长，d为主动脉瓣中钙化沉积物的最大直径，K为主动脉壁的刚度。

3.根据权利要求1所述的一种心脏瓣膜置换优化方法，其特征在于，步骤(2)具体为：

(21)建立三维主动脉组织网络模型，生成三维主动脉组织网格数据；

(22)测定主动脉组织的材料属性，将主动脉组织的解剖学数据纳入三维主动脉组织网格数据中；

(23)采用有限元仿真提取生物力学特征：其中，σ_i表示第i个患者的生物力学特征，F_i为第i个患者的负荷力，E为人工瓣膜材料的杨氏模量，υ为人工瓣膜材料的泊松比，为第i个患者对应的网格节点n的横截面积，n＝1,2……N，N表示网格节点总数，P_i为第i个患者使用的人工瓣膜的类型，σ(·)表示根据胡克定律对参数F_i、E、υ、和p_i进行建模。

4.根据权利要求1所述的一种心脏瓣膜置换优化方法，其特征在于，步骤(3)中主动脉瓣关闭不全风险预测模型为：

其中，AR为患者的主动脉瓣反流大小，g为支持向量回归模型，F为患者的负荷力，E为人工瓣膜材料的杨氏模量，υ为人工瓣膜材料的泊松比，A⁽ⁿ⁾为患者对应的网格节点n的横截面积，n＝1,2……N，N表示网格节点总数，P为第个患者使用的人工瓣膜的类型，V为钙化体积，为模拟系数参数。

5.根据权利要求4所述的一种心脏瓣膜置换优化方法，其特征在于，步骤(4)利用风险预测模型对心脏瓣膜进行风险预测具体为：当选用一种类型的人工瓣膜时，利用主动脉瓣关闭不全风险预测模型计算其对应的患者的主动脉瓣反流大小AR，若AR在正常范围内，则选取的人工瓣膜无需优化，否则对人工瓣膜进行优化。

6.一种心脏瓣膜置换优化系统，其特征在于，该系统包括：

数据采集和预处理模块：采集样本患者心脏瓣膜置换手术前后CT数据和超声图并进行处理得到样本数据；

负荷力计算模块：对样本数据进行处理得到经导管主动脉瓣置换术后不同患者的负荷力；

生物力学特征提取模块：该模块基于负荷力采用有限元分析提取生物力学特征；

风险预测优化模块：该模块建立风险预测模型并利用风险预测模型进行风险预测，利用风险预测结果对人工瓣膜进行优化。