CN109363661B - 血流储备分数确定系统、方法、终端及存储介质 - Google Patents
血流储备分数确定系统、方法、终端及存储介质 Download PDFInfo
- Publication number
- CN109363661B CN109363661B CN201811119677.1A CN201811119677A CN109363661B CN 109363661 B CN109363661 B CN 109363661B CN 201811119677 A CN201811119677 A CN 201811119677A CN 109363661 B CN109363661 B CN 109363661B
- Authority
- CN
- China
- Prior art keywords
- blood
- blood flow
- artery
- coronary artery
- image data
- 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
- A61B5/02—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
Abstract
本发明实施例公开一种FFR确定系统、方法、终端及存储介质,系统包括:获取模块,用于获取血液检测信息与血流模型参数的关系;图像处理模块,用于获取个体心脏的图像数据,分离出心肌以及冠状动脉各动脉的三维图像数据;阻抗计算模块,用于计算冠状动脉出口阻抗;粘度系数计算模块,用于获取个体血液检测信息,根据个体血液检测信息中红细胞压积以及血液检测信息与血流模型参数的关系,计算粘度系数;血流参数计算模块,用于根据边界条件、血液检测信息中血液密度和粘度系数,以及冠状动脉的三维图像数据所划分的网格数据,获得冠状动脉的血流参数信息;FFR确定模块,用于依据第二设置压力与所述血流参数信息的关系,确定冠状动脉FFR。
Description
技术领域
本发明涉及生物医学工程,尤其涉及一种血流储备分数确定系统、方法、 终端及计算机存储介质。
背景技术
一直以来,冠状动脉造影(Coronary angiography,CAG)和冠状动脉非创伤性 血管成像(CT angiography,CTA)成像是评价冠状动脉狭窄程度的技术,然而研 究表明动脉狭窄到底对远端血流产生了多大影响却不得而知,血流储备分数 (Fractional flowreserve,FFR)现已经成为冠脉狭窄功能性评价的公认指标,其 最重要的功能是对一个未知影响的冠脉狭窄的功能后果进行准确评价。
FFR是指冠脉微循环最大充血状态下,存在狭窄病变时血管所能获得的最 大血流量,与正常状态下时血管所能获得的最大血流量的比值。冠脉微循环充 血状态下的阻力可忽略不计,根据流体力学理论可知,心肌组织的血流量与灌 注压呈正比。故FFR可以通过狭窄病变下游远端的压力与狭窄上游压力的比值 计算得出。血液是非牛顿流体,粘度系数依赖于剪切速率、红血球压积等参数。 目前主流的FFR技术将血液视为粘度为常值的牛顿流体,从而导致对血流流场 预测结果有较大误差估计,进而导致FFR结果不精确。
发明内容
为解决现有存在的技术问题,本发明实施例提供一种血流储备分数FFR确 定系统、方法、终端及计算机存储介质,能够提FFR计算精度。
为达到上述目的,本发明实施例的技术方案是这样实现的:
第一方面,本发明实施例提供一种血流储备分数FFR确定系统,所述系统 包括获取模块、图像处理模块、阻抗计算模块、粘度系数计算模块、血流参数 计算模块、FFR确定模块,其中,
所述获取模块,用于获取血液检测信息与血流模型参数的关系,所述血液 检测信息与血流模型参数的关系用于根据多组不同样本的血流模型参数建立, 所述血流模型参数包括无穷大剪切粘度系数,所述血液检测信息包括红细胞压 积和血液密度;
所述图像处理模块,获取个体心脏图像数据,根据所述图像数据重构所述 心脏的三维图像数据,并从所述三维图像数据中分离出心肌以及冠状动脉的三 维图像数据;
所述阻抗计算模块,用于根据所述心肌的三维图像数据、和所述冠状动脉 的三维图像数据以及第一设置压力,计算冠状动脉出口阻抗;
所述粘度系数计算模块,用于获取个体血液检测信息,根据血液检测信息 中红细胞压积、以及所述血液检测信息与血流模型参数的关系,计算粘度系数;
所述血流参数计算模块,用于根据边界条件、所述血液检测信息中血液密 度和所述粘度系数,以及根据所述冠状动脉的三维图像数据所划分的网格数据, 获得冠状动脉的血流参数信息,所述边界条件包括冠状动脉出口阻抗和第二设 置压力,所述血流参数信息包括血压;
所述FFR确定模块,用于依据第二设置压力与所述血流参数信息的关系, 确定冠状动脉FFR。
其中,所述图像处理模块包括图像重构单元、数据分离单元、第一分割单 元和第二分割单元,其中,
所述图像重构单元,用于获取个体心脏图像数据,根据所述图像数据重构 所述个体心脏的三维图像数据;
所述数据分离单元,用于从所述三维图像数据中分离出心肌以及冠状动脉 各动脉的三维图像数据;
所述第一分割单元,用于以垂直于血液流动方向的平面切割所述冠状动脉 中各动脉的连接口,分离各动脉;
所述第二分割单元,用于以垂直所述冠状动脉的几何中心线的平面切割各 动脉出口,将切割的出口面作为各动脉的出口边界,提取各动脉分别对应的三 维图像数据。
其中,所述阻抗计算模块包括:
血液总流量计算单元,用于根据心肌的三维图像数据,计算冠脉动脉血液 总流量;
入出口信息计算单元,用于以冠状动脉各动脉的三维图像为依据,计算冠 状动脉各分支入口信息,以及各分支出口信息;
分支血流计算单元,用于依据冠状动脉各分支入口直径的比例,计算分别 进入冠状动脉各分支的血液流量;
出口血流量及阻抗计算单元,用于依据冠状动脉各分支出口信息以及第一 设置压力,计算冠状动脉各动脉出口的血液流量以及冠状动脉各动脉出口阻抗。
其中,所述粘度系数计算模块,具体用于:根据血液检测信息中红细胞压 积、以及所述血液检测信息与血流模型参数的关系,计算无穷大剪切粘度系数, 基于牛顿流体粘度模型,将所述无穷大剪切粘度系数可视为粘度系数;
所述无穷大剪切粘度系数表达式为:
其中,μ∞为无穷大剪切粘度系数,Hct为红细胞压积,A0、B0和C0为常数。
其中,所述血流模型参数还包括零剪切粘度系数、时间常数。
其中,所述粘度系数计算模块,具体用于:根据血液检测信息中红细胞压 积、以及所述血液检测信息与血流模型参数的关系,基于所述Carreau非牛顿 流体粘度模型,计算粘度系数,
所述粘度系数表达式为:
μ=μ∞+(μ0-μ∞)[1+(λγ)2](n-1)/2
其中,μ∞为无穷大剪切粘度系数,μ0为零剪切粘度系数,μ为粘度系数, λ为时间常数,γ为剪切率,n为流动常数,Hct为红细胞压积,A1、B1、C1、 A2、B2、C2、A3、B3和C3为常数。
其中,所述血流参数计算模块,具体用于:以冠状动脉各动脉出口阻抗、 第二设置压力、粘度系数以及血液密度,在所述网格上采用数值法求解纳维- 斯托克斯方程,获取冠状动脉的血流参数信息,所述血流参数信息包括血压。
第二方面,本发明实施例提供一种FFR确定方法,所述方法包括:
获取血液检测信息与血流模型参数的关系,所述血液检测信息与血流模型 参数的关系用于根据多组不同样本的血流模型参数建立,所述血流模型参数包 括无穷大剪切粘度系数,所述血液检测信息包括红细胞压积和血液密度;
获取个体心脏图像数据,根据所述图像数据重构所述个体心脏的三维图像 数据,并从所述三维图像数据中分离出心肌以及冠状动脉各动脉的三维图像数 据;
根据所述心肌的三维图像数据、和所述冠状动脉各动脉的三维图像数据以 及第一设置压力,计算冠状动脉出口阻抗;
获取个体血液检测信息,根据血液检测信息中红细胞压积、以及所述血液 检测信息与血流模型参数的关系,计算粘度系数;
根据边界条件、所述血液检测信息中血液密度和所述粘度系数,以及根据 所述冠状动脉的三维图像数据所划分的网格数据,获得冠状动脉的血流参数信 息,所述边界条件包括冠状动脉出口阻抗和第二设置压力,所述血流参数信息 包括血压;
依据第二设置压力与所述血流参数信息的关系,确定冠状动脉FFR。
其中,获取个体心脏图像数据,根据所述图像数据重构所述个体心脏三维 图像数据,并从所述三维图像数据中分离出心肌以及冠状动脉各动脉的三维图 像数据,包括:
获取个体心脏的图像数据,根据所述图像数据重构所述心脏的三维图像数 据;
从所述三维图像数据中分离出心肌以及冠状动脉各动脉的三维图像数据;
以垂直于血液流动方向的平面切割所述冠状动脉中各动脉的连接口,分离 各动脉;
以垂直所述冠状动脉的几何中心线的平面切割各动脉出口,将切割的出口 面作为各动脉的出口边界,提取各动脉分别对应的三维图像数据。
其中,所述根据所述心肌的三维图像数据、和所述冠状动脉各动脉的三维 图像数据以及第一设置压力,计算冠状动脉出口阻抗,包括:
根据心肌的三维图像数据,计算冠脉动脉血液总流量;
以冠状动脉各动脉的三维图像为依据,计算冠状动脉各分支入口信息,以 及各分支出口信息;
依据冠状动脉各分支入口直径的比例,计算分别进入冠状动脉各分支的血 液流量;
依据冠状动脉各分支出口信息以及第一设置压力,计算冠状动脉各动脉出 口的血液流量以及冠状动脉各动脉出口阻抗。
其中,所述获取个体血液检测信息,根据血液检测信息中红细胞压积、以 及所述血液检测信息与血流模型参数的关系,计算粘度系数,包括:
根据血液检测信息中红细胞压积、以及所述血液检测信息与血流模型参数 的关系,计算无穷大剪切粘度系数,基于牛顿流体粘度模型,将所述无穷大剪 切粘度系数可视为粘度系数;
所述无穷大剪切粘度系数表达式为:
其中,μ∞为无穷大剪切粘度系数,Hct为红细胞压积,A0、B0和C0为常数。
其中,所述血流模型参数还包括零剪切粘度系数、时间常数。
其中,所述获取个体血液检测信息,根据血液检测信息中红细胞压积、以 及所述血液检测信息与血流模型参数的关系,计算粘度系数,包括:
根据血液检测信息中红细胞压积、以及所述血液检测信息与血流模型参数 的关系,基于所述Carreau非牛顿流体粘度模型,计算粘度系数,
所述粘度系数表达式为:
μ=μ∞+(μ0-μ∞)[1+(λγ)2](n-1)/2
其中,μ∞为无穷大剪切粘度系数,μ0为零剪切粘度系数,μ为粘度系数, λ为时间常数,γ为剪切率,n为流动常数,Hct为红细胞压积,A1、B1、C1、 A2、B2、C2、A3、B3和C3为常数。
其中,所述根据边界条件、所述血液检测信息中血液密度和所述粘度系数, 以及根据所述冠状动脉的三维图像数据所划分的网格数据,获得冠状动脉的血 流参数信息,所述边界条件包括冠状动脉出口阻抗和第二设置压力,所述血流 参数信息包括血压,具体包括:
以冠状动脉各动脉出口阻抗、第二设置压力、粘度系数以及血液密度,在 所述网格上采用数值法求解纳维-斯托克斯方程,获取冠状动脉的血流参数信息, 所述血流参数信息包括血压。
第三方面,本发明实施例提供一种终端,所述终端包括处理器和用于存储 能够在处理器上运行的计算机程序的存储器,其中,
所述处理器用于运行所述计算机程序时,执行本发明任一实施例所提供所 述FFR确定方法。
第四方面,本发明实施例提供一种计算机存储介质,所述计算机可读存储 介质上存储有计算机程序,所述计算机程序被处理器执行时实现本发明任一实 施例所述FFR确定方法的步骤。
上述实施例所提供的血流储备分数确定系统、方法、终端及计算机存储介 质,该系统包括获取模块、图像处理模块、阻抗计算模块、粘度系数计算模块、 血流参数计算模块、FFR确定模块,所述获取模块用于获取到血液检测信息与 血流模型参数的关系,所述粘度系数计算模块用于获取个人的血液检测信息, 根据血液检测信息中的红细胞压积代入血液检测信息与血流模型参数的关系中, 计算粘度系数,从而获得与个人对应的个性化粘度系数,所述图像处理模块用 于将图像数据重构成心脏三维图像数据,并分离出心肌以及冠状动脉各动脉的 三维图像数据,如此,无需侵入式检查,便能重现心脏立体图像;所述阻抗计 算模块用于通过三维图像数据以及第一设置压力,计算冠状动脉出口阻抗,所 述血流参数计算模块用于根据所述边界条件、血液密度和所述粘度系数,以及 根据所述心肌冠状动脉的三维图像数据所划分的网格数据,获得冠状动脉的血 流参数信息,所述FFR确定模块用于依据第二设置压力与所述血流参数信息的 关系,确定冠状动脉FFR,如此,可依据个人的血液检测信息特性,建立个性 化的粘度系数,避免采用常数作为粘度系数,从而可以提高血流参数信息的计 算精度,减少由于个体差异对估计FFR造成误差,进而提高FFR的计算精度。
附图说明
图1为本发明一实施例中FFR确定系统的结构示意图;
图2为本发明一实施例中基于CTA的心肌图像;
图3为本发明一实施例中心肌图像的三维数据图像;
图4为本发明一实施例中主动脉和冠状动脉的三维图像;
图5为本发明一实施例中左心室三维图像;
图6a为本发明一实施例中左冠状动脉的网格图像;
图6b为本发明一实施例中左冠状动脉的网格图像;
图7a为本发明一实施例基于个性化粘度系数的右冠状动脉内的压力分布;
图7b为本发明一实施例基于个性化粘度系数的右冠状动脉内的FFR分布;
图8a为本发明一实施例基于默认粘度系数右冠状动脉内的压力分布;
图8b为本发明一实施例基于默认粘度系数右冠状动脉内的FFR分布;
图9为本发明一实施例中FFR确定方法的流程示意图;
图10为本发明一实施例中终端的结构示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,下面将结合本发明 实施例中的附图,对发明的具体技术方案做进一步详细描述。以下实施例用于 说明本发明,但不用来限制本发明的范围。
在此需要说明的是,本发明实施例所提供的血流储备分数FFR确定系统可 以应用于对冠状动态的FFR的确定,其中以冠状动脉的左右冠状动脉为例进行 说明,冠状动脉从主动脉根部发出,包绕整个心脏,主要分右冠状动脉和左冠 状动脉两支。右冠状动脉由主干和末端分成后侧支和后降支的两个分支组成, 左冠状动脉由主干、前降支和回旋支组成。
本发明实施例一方面,提供一种血流储备分数FFR确定系统,请参阅图1, 所述系统包括获取模块101、图像处理模块102、阻抗计算模块103、粘度系数 计算模块104、血流参数计算模块105、FFR确定模块106,其中,
所述获取模块101,用于获取血液检测信息与血流模型参数的关系,所述 血液检测信息与血流模型参数的关系用于根据多组不同样本的血流模型参数建 立,所述血流模型参数包括无穷大剪切粘度系数,所述血液检测信息包括红细 胞压积和血液密度;
其中,所述血液检测信息是指根据用户的血液,经各种医学实验方法,得 到的关于用户血液的各项指标信息,例如,血液检测信息可以包括红细胞压积、 血液密度、红细胞计数、平均红细胞体积、红细胞分布宽度等。
由于流动的液体一般可视为许多相互平行的液层,在流动中,分子间产生 摩擦力的性质称为液体的粘性,粘性的大小通常用粘度来表示,通常采用粘度 系数来衡量,所述粘度系数单位为Pa·s。以血液检测信息与血流模型参数的关 系为血液检测信息中红细胞压积与血流模型参数的关系为例,一般说来,红细 胞约占血细胞体积95%,在研究血细胞对血液粘度的影响时,将红细胞压积视 为影响血液粘度的重要因子,所述红细胞压积是红细胞占全血的容积比。其中, 根据多组的红细胞压积与无穷大剪切粘度系数的数据,可以建立红细胞压积与 无穷大剪切粘度系数的关系表征血液检测信息与血流模型参数的关系,例如, 红细胞压积与无穷大剪切粘度系数关系公式为:
其中,μ∞代表无穷大剪切粘度系数,代表红细胞压积,A0、B0和C0为系数。
若根据红细胞压积的数据为x1,x2,x3,无穷大剪切粘度系数的数据为y1, y2,y3,采用非线性拟合方法,对数据进行拟合,可得出A0、B0和C0的值。
在本实施例中,按照上述方法计算得到的红细胞压积与无穷大剪切粘度系 数公式为:
μ∞=0.4375Hct4.811+0.02513;
其中,μ∞代表无穷大剪切粘度系数,Hct代表红细胞压积。
所述图像处理模块102,获取个体心脏的图像数据,根据所述图像数据重 构所述心肌的三维图像数据,并从所述三维图像数据中分离出心肌以及冠状动 脉各动脉的三维图像数据;
其中,所述个体心脏的图像数据可以为CTA图像数据,请参阅图2,其中 较亮的区域为主动脉、冠状动脉及分支内腔,较暗的区域代表心肌和其他器官。 所述根据所述图像数据重构所述心脏的三维图像数据,即对CTA图像采用三维 重建技术得到心脏的三维立体结构,所述三维重建技术是将CTA二阶灰阶数 据经计算机处理,得到三维灰阶数据,并显示具有真实感的三维结构,如图3 所示。所述三维图像数据中分离出心肌以及冠状动脉各动脉的三维图像数据是 指,在重构的心脏三维图像上,采用图像识别的方法分离出心肌各部分、主动 脉、冠状动脉主干及分支对应的三维图像数据。
在一个实施例中,所述图像处理模块102包括图像重构单元、数据分离单 元、第一分割单元和第二分割单元,其中,
所述图像重构单元,用于获取个体心脏的图像数据,根据所述图像数据重 构所述心脏的三维图像数据;
这里,三维重建技术分为面绘制和体绘制法,以面绘制法中MC算法为例 进行说明,CTA图像数据包含X、Y及Z三轴数据以及分辨率,首先提取相邻 两层切片图像数据中相邻的8个点的像素,构成一个体素,然后根据每个点的 像素与预设的阈值进行比较,若该点像素值不大于阈值,则该点标记为1,若 该点像素值小于阈值,则该点标记为0;再由体素的8个顶点状态得到一个0 到255的索引值,在查找表中查询到与等值面相交的体素棱边,所述查找表是 从建立的记录所有情况下的等值面连接方式,并采用线性插值法得到各交点的 位置坐标;再利用中心差分法,求出体素各角点处的法向量;再通过线性插值的 方法,求出三角面片各顶点的法向;最后根据各三角面片上个顶点的坐标及法 向量绘制等值面图像,形成心脏的三维图像。
其中,所述根据所述图像数据重构所述个体心脏的三维图像数据,还可以 包括:采用图像处理的方法对于重建的个体心脏的三维图形进行平滑和补洞处 理;以及采用图像处理的方法对于重建的个体心脏三维图形进行冠脉钙化斑块 的处理。
所述数据分离单元,用于从所述三维图像数据中分离出心肌以及冠状动脉 各动脉的三维图像数据;
这里,从个体心脏三维图像中分离出心肌以及冠状动脉各动脉的三维图像 数据可以是指,在个体心脏的三维图像中,根据亮度、周长、面积以及连通关 系来识别心肌的各部分,首先由于主动脉特征明显,最先识别出来,然后根据 主动脉和冠状动脉的连通性,识别出冠状动脉区域,再根据左心室与主动脉相 连,识别出左心室,最后识别出心脏其他部分,除掉无关冠状动脉部分,根据 识别结果从而可以分离出心肌以及冠状动脉各动脉的三维图像数据。
所述第一分割单元,用于以垂直于血液流动方向的平面切割所述冠状动脉 中各动脉的连接口,分离各动脉;
所述第二分割单元,用于以垂直所述冠状动脉的几何中心线的平面切割各 动脉出口,将切割的出口面作为各动脉的出口边界,提取各动脉分别对应的三 维图像数据。
提取冠状动脉的方法可以是,以冠状动脉口为种子点,通过冠状动脉的平 均灰度和平均方差,沿冠状动脉方向提取冠状动脉,请参阅图4。需要说明的 是,可以在冠状动脉末梢直径为1mm的地方截断,作为出口。
在本发明上述实施例中,由于提取的冠状动脉的边界模糊,因此采用垂直 切割动脉入口处和出口处,便于能精确计算进出口的信息数据,减少计算误差。
所述阻抗计算模块103,用于根据所述心肌的三维图像数据、和所述冠状 动脉各动脉的三维图像数据以及第一设置压力,计算冠状动脉出口阻抗;
在这里需要说明的是,由于血液流动是从左心室流向主动脉,再流向冠状 动脉,以及全身各处。因此,进入冠状动脉的血液总流量全来自于左心室,计 算冠状动脉出口阻抗的过程中,可以根据心肌的三维图像数据计算左心室心肌 质量,进而计算确定冠状动脉的血液总流量;根据冠状动脉的血液总流量,计 算各分支流量,从而确定冠状动脉出口阻抗。所述第一设置压力是指冠状动脉 主干出口压力。
在一个实施例中,所述阻抗计算模块103包括:
血液总流量计算单元,用于根据心肌的三维图像数据,计算冠脉动脉血液 总流量;
这里,首先根据图像处理模块102分离出的心肌三维图像数据,请参阅图 5,得到左心室心肌体积V,然后根据经验值的左心室心肌的平均密度ρ,计算 出左心室心肌质量m=ρV。其中,进入冠状动脉的血液总流量与心肌质量有关, 计算冠状动脉的血液总流量的公式为:
Q1=Q0m3/4
其中,Q1为冠状动脉的血液总流量,Q0为系数。
入出口信息计算单元,用于以冠状动脉的三维图像为依据,计算冠状动脉 各分支入口信息,以及各分支出口信息;
这里,根据所述图像处理模块102分离得到的冠状动脉各动脉的图像数据, 可以得知各动脉的入口图像数据和出口图像数据。对于左右冠状动脉而言,它 们的入口为圆形截面,水力入口直径可直接由图像数据得出,由于出口为非圆 形截面,因此需要根据出口图像数据测出流断面积Si和湿周周长Ci,计算出口 对应的水力直径Douti=4Si/Ci。
分支血流计算单元,用于依据冠状动脉各分支入口直径的比例,计算分别 进入冠状动脉各分支的血液流量;
这里,由于进入血管的血液流量与血管直径的三次方成正比的关系,因此 进入左右冠状动脉的血液流量可以是按照左右冠状动脉入口直径比例分配,其 中左冠状动脉入口直径为DL,右冠状动脉入口直径为DR,
进入左冠状动脉的血液流量QL的计算公式为:
进入右冠状动脉的血液流量QR的计算公式为:
QR=Q1-QL
例如,首先根据用户的心脏三维图像数据,得到左心室心肌体积 V=108.472ml,然后根据经验值左心室心肌的平均密度ρ=1.05g/ml,最后计算 出左心室心肌质量m=ρV=113.8956g。此时,冠状动脉的血液总流量Q1为:
Q1=Q0m3/4=5.4×113.89560.75=188.27mL/min=3.138×10-6m3/s;
其中,Q0为5.4mL/g·min,表征左心室心肌质量与左心室流出血液总流量 的关系系数。
若根据左冠状动脉的三维图像数据,测得水力入口直径为5.4810mm,以及 根据右冠状动脉的三维图像数据,测得水力入口直径为5.2072mm,
则进入左冠状动脉的血液流量QL的计算公式为:
进入右冠状动脉的血液流量QR的计算公式为:
QR=Q1-QL=1.6928×10-6m3/s。
出口血流量及阻抗计算单元,用于依据冠状动脉各分支出口信息以及第一 设置压力,计算冠状动脉各动脉出口的血液流量以及冠状动脉各动脉出口阻抗。
这里,同理,冠状动脉各动脉出口的血液流量可以按照各出口对应的水力 直径Douti的分配得到,每个出口血液流量可以用QOUTi表示。
其中,第一设置压力可以用P1表示,每个出口血液流量QOUTi与每个出口阻 值Ri关系为:
P1=QOUTi×Ri;
需要说明的是,这里的第一设置压力P1是指计算冠状动脉出口阻抗时,假 定重构时保留下来的冠状动脉主干部分没有病变,预设的冠状动脉出口压力。
所述粘度系数计算模块104,用于获取个体血液检测信息,根据血液检测 信息中红细胞压积、以及所述血液检测信息与血流模型参数的关系,计算粘度 系数;
其中,所述粘度系数计算模块104,具体用于:根据血液检测信息中红细 胞压积、以及所述血液检测信息与血流模型参数的关系,计算无穷大剪切粘度 系数,基于牛顿流体粘度模型,将所述无穷大剪切粘度系数可视为粘度系数;
所述无穷大剪切粘度系数表达式为:
其中,μ∞为无穷大剪切粘度系数,Hct为红细胞压积,A0、B0和C0为常数。
例如某用户的红细胞压积为0.3,根据公式可计算出粘度系数为
μ=0.4375Hct4.811+0.02513=0.00265Pa·s。
所述血流参数计算模块105,用于根据边界条件、所述血液检测信息中血 液密度和所述粘度系数,以及根据所述冠状动脉的三维图像数据所划分的网格 数据,获得冠状动脉的血流参数信息,所述边界条件包括冠状动脉出口阻抗和 第二设置压力,所述血流参数信息包括血压;
这里,首先对冠状动脉的三维图像进行网格划分,所述网格划分可以理解 为将计算域离散化,然后在网格上进行流体控制方程的解算,最后得到冠状动 脉内的血流流场情况。一般来说,网格越密,计算结果更精确。其中,所述网 格可采用结构体网格或者是非结构体网格,网格单元主要为四面体、三棱柱、 六面体或者其他结构。
此外,实现对三维图像数据的网格划分可以使用Ansys ICEM CFD软件,由 于冠状动脉的三维结构复杂,可以选用非结构四面体网格,生成的网格总数为 100万,请参阅图6a和图6b,所述左右冠状动脉划分为多个网格,并且在壁面 处加密,使得第一个网格点距离管壁0.01mm,可以满足解析壁面流动的需求。
需要说明的是,第二设置压力可以设置为冠状动脉入口平均动脉压,然而考 虑到心脏是跳动的,第二设置压力可以为周期性函数。
在一个实施例中,所述血流参数计算模块105,具体用于:以冠状动脉各 动脉出口阻抗、第二设置压力、粘度系数以及血液密度,在所述网格上采用数 值法求解纳维-斯托克斯方程,获取冠状动脉的血流参数信息,所述血流参数信 息包括血压。
这里,采用第二设置压力P2作为入口边界条件,所述第二设置压力P2为冠 状动脉入口压力值,以及冠状动脉各动脉出口阻抗Ri为出口边界条件,所述流 体控制方程为纳维-斯托克斯方程,即:
为了使求解的方程组适定,还需要给定出口压力边界条件,即静脉远端压 力,在所述划分网格上采用数值求解纳维-斯托克斯方程,得到冠状动脉内各点 压力Pgi,所述数值法包括有限元法、有限差分、有限体积法等算法。
所述FFR确定模块106,用于依据第二设置压力与所述血流参数信息的关 系,确定冠状动脉FFR。
这里,由于FFR值可近似认为等于冠状动脉狭窄远端压力Pd与冠状动脉近 端压力Pa之比,因此各网格点的FFR值为:
此外,实现对流动控制方程的计算,可采用Ansys Fluent进行稳态计算, 以血液密度为1060kg/m3,红细胞压积为0.3为例,根据上述公式可以计算得出 粘度系数0.00265Pa·s。第二设置压力为90mmHg,设置成入口边界条件,出口边 界条件为冠状动脉出口阻抗,出口压力边界条件设置10mmHg。求解格式选择SIMPLE方法,动量方程的空间离散为二阶迎风格式。血液流动可认为是层流, 因此粘性模型选择Laminar。通过有限体积法求解纳维-斯托克斯方程,迭代计 算得到冠状动脉内的压力分布,如图7a所示,为一个实施例所提供的冠状动脉 内的压力分布的示意图,进而根据第二设置压力与冠脉内的压力的关系,求出 冠状动脉内FFR的分布,如图7b所述,为一个实施例所提供的冠状动脉内FFR 的分布的示意图。
相对于现有技术中粘度系数采用默认数值0.0035Pa·s而言,如图8a所示, 得到的冠状动脉内的压力分布,如图8b所示,为粘度系数采用默认数值 0.0035Pa·s得到的冠状动脉内FFR的分布。本申请实施例所提供的FFR确定系 统,可依据个人的血液检测信息特性,建立个性化的粘度系数,从而可以提高 血流参数信息的计算精度,减少由于个体差异对估计FFR造成误差,进而提高 FFR的计算精度。
在上述发明实施例中,根据血液检测信息与血流模型参数的关系以及用户 个体的血液检测信息,得到与用户个体对应的粘度系数,从而比现有技术中采 用常数的粘度系数来确定FFR而言,本申请实施例计算出的冠状动脉内各点压 力更精确,进而提高FFR值的精度。
在一个实施例中,所述血流模型参数还包括零剪切粘度系数、时间常数, 所述粘度系数计算模块105,具体用于:根据血液检测信息中红细胞压积、以 及所述血液检测信息与血流模型参数的关系,基于所述Carreau非牛顿流体粘 度模型,计算粘度系数,
这里,可以根据多组的红细胞压积与无穷大剪切粘度系数的数据,建立红 细胞压积与无穷大剪切粘度系数的关系、红细胞压积与零剪切粘度系数的关系、 红细胞压积与时间常数的关系,
例如,红细胞压积与无穷大剪切粘度系数关系公式为:
其中,μ∞代表无穷大剪切粘度系数,Hct代表红细胞压积,A1、B1和C1为 系数。
红细胞压积与零剪切粘度系数关系公式为:
其中,μ0代表零剪切粘度系数,Hct代表红细胞压积,A2、B2和C2为系数。
红细胞压积与时间常数关系公式为:
其中,λ代表时间常数,Hct代表红细胞压积,A3、B3和C3为系数。
以红细胞压积的数据为x1,x2,x3,无穷大剪切粘度系数的数据为y1,y2, y3,零剪切粘度系数的数据为z1,z2,z3,时间常数的数据为m1,m2,m3为 例,采用非线性拟合方法,对数据进行拟合,得到红细胞压积与无穷大剪切粘 度系数的函数关系式,红细胞压积与零剪切粘度系数的函数关系式,红细胞压 积与时间常数的函数关系式。
同时,考虑到血液的流变特性,将血液流动视为非牛顿流体模型,基于所 述Carreau非牛顿流体粘度模型,求解粘度系数,
μ=μ∞+(μ0-μ∞)[1+(λγ)2](n-1)/2;
其中,μ为粘度系数,μ∞为无穷大剪切粘度系数,μ0为零剪切粘度系数, λ为时间常数,γ为剪切率,n为流动指数,
剪切率γ的定义为:
在本实施例中,根据多组实验数据,可得红细胞压积与零剪切粘度系数的 函数关系式为:
μ0=63.54Hct4.666+0.07945;
按照多组实验数据,可得所述红细胞压积与无穷大剪切粘度系数的函数关 系式为:
μ∞=0.4375Hct4.811+0.02513;
按照多组实验数据,可得红细胞压积与时间常数的函数关系式为:
λ=341.3Hct2.932+6.59;
计算粘度系数公式:
μ=μ∞+(μ0-μ∞)[1+(λγ)2](n-1)/2;
其中,μ∞为无穷大剪切粘度系数,μ0为零剪切粘度系数,μ为粘度系数, λ为时间常数,γ为剪切率,n为流动常数,Hct为红细胞压积。
本发明实施例另一方面,提供一种FFR确定方法,请参阅图9,所述方法 包括:
步骤901,获取血液检测信息与血流模型参数的关系,所述血液检测信息 与血流模型参数的关系用于根据多组不同样本的血流模型参数建立,所述血流 模型参数包括无穷大剪切粘度系数,所述血液检测信息包括红细胞压积和血液 密度;
步骤902,获取个体心脏的图像数据,根据所述图像数据重构所述心肌的 三维图像数据,并从所述三维图像数据中分离出心肌以及冠状动脉各动脉的三 维图像数据;
步骤903,根据所述心肌的三维图像数据、和所述冠状动脉各动脉的三维 图像数据以及第一设置压力,计算冠状动脉出口阻抗;
包括:根据心脏的三维图像数据,计算冠脉动脉血液总流量;以冠状动脉 各动脉的三维图像为依据,计算冠状动脉各分支入口信息,以及各分支出口信 息;
依据冠状动脉各分支入口直径的比例,计算分别进入冠状动脉各分支的血液 流量;依据冠状动脉各分支出口信息以及第一设置压力,计算冠状动脉各动脉 出口的血液流量以及冠状动脉各动脉出口阻抗。
步骤904,获取个体血液检测信息,根据血液检测信息中红细胞压积、以 及所述血液检测信息与血流模型参数的关系,计算粘度系数;
包括:根据血液检测信息中红细胞压积、以及所述血液检测信息与血流模 型参数的关系,计算无穷大剪切粘度系数,基于牛顿流体粘度模型,将所述无 穷大剪切粘度系数可视为粘度系数;
所述无穷大剪切粘度系数表达式为:
其中,μ∞为无穷大剪切粘度系数,Hct为红细胞压积,A0、B0和C0为常数。
步骤905,根据边界条件、所述血液检测信息中血液密度和所述粘度系数, 以及根据所述冠状动脉的三维图像数据所划分的网格数据,获得冠状动脉的血 流参数信息,所述边界条件包括冠状动脉出口阻抗和第二设置压力,所述血流 参数信息包括血压;
这里以冠状动脉各动脉出口阻抗、第二设置压力、粘度系数以及血液密度, 在所述网格上采用数值法求解纳维-斯托克斯方程,获取冠状动脉的血流参数信 息,所述血流参数信息包括血压。
步骤906,依据第二设置压力与所述血流参数信息的关系,确定冠状动脉 FFR。
在上述实施例中,采用多组样本数据,建立红细胞压积与无穷大剪切粘度 系数关系,再获取个体的红细胞压积数据,代入上述关系式中,得到个性化粘 度系数,从而减少由于个体差异带来血液流场计算误差,进而提高FFR的精度, 此外,基于个体心脏的CTA图像数据重构三维图像数据,无需侵入式检查,减 轻了用户的痛苦。
在一个实施例中,所述步骤902,所述根据所述心肌的三维图像数据、和 所述冠状动脉各动脉的三维图像数据以及第一设置压力,计算冠状动脉出口阻 抗,包括:
获取个体心脏的图像数据,根据所述图像数据重构所述心肌的三维图像数 据;
从所述三维图像数据中分离出心肌以及冠状动脉各动脉的三维图像数据;
以垂直于血液流动方向的平面切割所述冠状动脉中各动脉的连接口,分离 各动脉;
以垂直所述冠状动脉的几何中心线的平面切割各动脉出口,将切割的出口 面作为各动脉的出口边界,提取各动脉分别对应的三维图像数据。
在上述实施例中,由于重构的冠状动脉边界模糊,所以采用垂直切割各动 脉的进出口,能得到更精确的进出口的位置数据,进而提高后续计算精度。
在一个实施例中,所述血流模型参数还包括零剪切粘度系数、时间常数, 所述步骤904,所述获取个体血液检测信息,根据血液检测信息中红细胞压积、 以及所述血液检测信息与血流模型参数的关系,计算粘度系数,包括:根据血 液检测信息中红细胞压积、以及所述血液检测信息与血流模型参数的关系,基 于所述Carreau非牛顿流体粘度模型,计算粘度系数,
所述粘度系数表达式为:
μ=μ∞+(μ0-μ∞)[1+(λγ)2](n-1)/2;
其中,μ∞为无穷大剪切粘度系数,μ0为零剪切粘度系数,μ为粘度系数, λ为时间常数,γ为剪切率,n为流动常数,Hct为红细胞压积,A1、B1、C1、 A2、B2、C2、A3、B3和C3为常数。
在上述发明实施例中,考虑到血液的流变特性,将血液流动视为非牛顿流 体,求解粘度系数,利用多组样本数据,分别建立红细胞压积与无穷大剪切粘 度系数、零剪切粘度系数以及时间常数关系,并且获取个体的红细胞压积数据, 获得个体所属的血液粘度系数,减少由于个体差异以及血液流变特性带来计算 血液流场误差,从而提高FFR精度。
本发明实施例再一方面,提供一种终端,请参阅图10,所述终端至少包括 至少一个处理器1001和至少一个存储器1002。其中,所述存储器1002包括用 于存储能够在处理器1001上运行的计算机程序,其中,所述处理器1001用于 运行所述计算机程序时,执行:一种FFR确定的方法,所述方法包括:获取血 液检测信息与血流模型参数的关系,所述血液检测信息与血流模型参数的关系 用于根据多组不同样本的血流模型参数建立,所述血流模型参数包括无穷大剪 切粘度系数,所述血液检测信息包括红细胞压积和血液密度;获取个体心脏的 图像数据,根据所述图像数据重构所述心脏的三维图像数据,并从所述三维图 像数据中分离出心肌以及冠状动脉各动脉的三维图像数据;根据所述心肌的三 维图像数据、和所述冠状动脉各动脉的三维图像数据以及第一设置压力,计算 冠状动脉出口阻抗;获取个体血液检测信息,根据血液检测信息中红细胞压积、 以及所述血液检测信息与血流模型参数的关系,计算粘度系数;根据边界条件、 所述血液检测信息中血液密度和所述粘度系数,以及根据所述冠状动脉的三维 图像数据所划分的网格数据,获得冠状动脉的血流参数信息,所述边界条件包 括冠状动脉出口阻抗和第二设置压力,所述血流参数信息包括血压;依据第二 设置压力与所述血流参数信息的关系,确定冠状动脉FFR。
所述处理器1001还用于运行所述计算机程序时,执行:用于获取个体心脏 图像数据,根据所述图像数据重构所述个体心脏三维图像数据,并从所述三维 图像数据中分离出心肌以及冠状动脉各动脉的三维图像数据,包括:获取个体 心脏的图像数据,根据所述图像数据重构所述心脏的三维图像数据;从所述三 维图像数据中分离出心肌以及冠状动脉各动脉的三维图像数据;以垂直于血液 流动方向的平面切割所述冠状动脉中各动脉的连接口,分离各动脉;以垂直所 述冠状动脉的几何中心线的平面切割各动脉出口,将切割的出口面作为各动脉 的出口边界,提取各动脉分别对应的三维图像数据。
所述处理器1001还用于运行所述计算机程序时,执行:所述根据所述心肌 的三维图像数据、和所述冠状动脉各动脉的三维图像数据以及第一设置压力, 计算冠状动脉出口阻抗,包括:根据心肌的三维图像数据,计算冠脉动脉血液 总流量;以冠状动脉各动脉的三维图像为依据,计算冠状动脉各分支入口信息, 以及各分支出口信息;依据冠状动脉各分支入口直径的比例,计算分别进入冠 状动脉各分支的血液流量;依据冠状动脉各分支出口信息以及第一设置压力, 计算冠状动脉各动脉出口的血液流量以及冠状动脉各动脉出口阻抗。
在一个实施例中,所述处理器1001还用于运行所述计算机程序时,执行: 所述获取个体血液检测信息,根据血液检测信息中红细胞压积、以及所述血液 检测信息与血流模型参数的关系,计算粘度系数,包括:根据血液检测信息中 红细胞压积、以及所述血液检测信息与血流模型参数的关系,计算无穷大剪切 粘度系数,基于牛顿流体粘度模型,将所述无穷大剪切粘度系数可视为粘度系 数;
所述无穷大剪切粘度系数表达式为:
其中,μ∞为无穷大剪切粘度系数,Hct为红细胞压积,A0、B0和C0为常数。
在一个实施例中,所述处理器1001还用于运行所述计算机程序时,执行: 所述血流模型参数还包括零剪切粘度系数、时间常数。
在一个实施中,所述处理器1001还用于运行所述计算机程序时,执行:所 述获取个体血液检测信息,根据血液检测信息中红细胞压积、以及所述血液检 测信息与血流模型参数的关系,计算粘度系数,包括:根据血液检测信息中红 细胞压积、以及所述血液检测信息与血流模型参数的关系,基于所述Carreau 非牛顿流体粘度模型,计算粘度系数,
所述粘度系数表达式为:
μ=μ∞+(μ0-μ∞)[1+(λγ)2](n-1)/2;
其中,μ∞为无穷大剪切粘度系数,μ0为零剪切粘度系数,μ为粘度系数, λ为时间常数,γ为剪切率,n为流动常数,Hct为红细胞压积,A1、B1、C1、 A2、B2、C2、A3、B3和C3为常数。
在一个实施例中,所述处理器1001还用于运行所述计算机程序时,执行: 所述根据边界条件、所述血液检测信息中血液密度和所述粘度系数,以及根据 所述冠状动脉的三维图像数据所划分的网格数据,获得冠状动脉的血流参数信 息,所述边界条件包括冠状动脉出口阻抗和第二设置压力,所述血流参数信息 包括血压,具体包括:
以冠状动脉各动脉出口阻抗、第二设置压力、粘度系数以及血液密度,在 所述网格上采用数值法求解纳维-斯托克斯方程,获取冠状动脉的血流参数信息, 所述血流参数信息包括血压。
在一个实施例中,所述终端还包括系统总线1002、输入装置1003、通信接 口1004。其中,通信总线1002配置为实现这些组件之间的连接通信,用户接 口1003可以包括显示屏,用于显示FFR,外部通信接口1004可以包括标准的 有线接口和无线接口。
本发明实施例再一方面,还提供一种计算机存储介质,所述计算机存储介 质上存储有计算机程序,所述计算机程序被处理器执行时实现本发明任一实施 例提供的FFR确定方法的步骤。
除非另有定义,本文所使用的所有的技术和科学术语与属于本发明的技术 领域的技术人员通常理解的含义相同。本文中在本发明的说明书中所使用的术 语只是为了描述具体的实施例的目的,不是旨在于限制本发明。本文所使用的 术语“和/或”包括一个或多个相关的所列项目的任意的和所有的组合。
本领域普通技术人员可以理解,上文中所公开方法中的全部或某些步骤、 系统、装置中的功能模块/单元可以被实施为软件、固件、硬件及其适当的组合。 在硬件实施方式中,在以上描述中提及的功能模块/单元之间的划分不一定对应 于物理组件的划分;例如,一个物理组件可以具有多个功能,或者一个功能或 步骤可以由若干物理组件合作执行。某些物理组件或所有物理组件可以被实施 为由处理器,如中央处理器、数字信号处理器或微处理器执行的软件,或者被 实施为硬件,或者被实施为集成电路,如专用集成电路。这样的软件可以分布 在计算机可读介质上,计算机可读介质可以包括计算机存储介质(或非暂时性 介质)和通信介质(或暂时性介质)。如本领域普通技术人员公知的,术语计算 机存储介质包括在用于存储信息(诸如计算机可读指令、数据结构、程序模块 或其他数据)的任何方法或技术中实施的易失性和非易失性、可移除和不可移 除介质。计算机存储介质包括但不限于RAM、ROM、EEPROM、闪存或其他 存储器技术、CD-ROM、数字多功能盘(DVD)或其他光盘存储、磁盒、磁带、 磁盘存储或其他磁存储装置、或者可以用于存储期望的信息并且可以被计算机 访问的任何其他的介质。此外,本领域普通技术人员公知的是,通信介质通常 包含计算机可读指令、数据结构、程序模块或者诸如载波或其他传输机制之类 的调制数据信号中的其他数据,并且可包括任何信息递送介质。
以上所述,仅为本发明的具体实施方式,但本发明的保护范围并不局限于 此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,可轻易想到 变化或替换,都应涵盖在本发明的保护范围之内。本发明的保护范围应以所述 权利要求的保护范围以准。
Claims (9)
1.一种血流储备分数FFR确定系统,其特征在于,所述系统包括获取模块、图像处理模块、阻抗计算模块、粘度系数计算模块、血流参数计算模块、FFR确定模块,其中,
所述获取模块,用于获取血液检测信息与血流模型参数的关系,所述血液检测信息与血流模型参数的关系用于根据多组不同样本的血流模型参数建立,所述血流模型参数包括无穷大剪切粘度系数,所述血液检测信息包括红细胞压积和血液密度;
所述图像处理模块,用于获取个体心脏图像数据,根据所述图像数据重构所述个体心脏三维图像数据,并从所述三维图像数据中分离出心肌以及冠状动脉各动脉的三维图像数据;
所述阻抗计算模块,用于根据所述心肌的三维图像数据、和所述冠状动脉各动脉的三维图像数据以及第一设置压力,计算所述冠状动脉各动脉出口的血液流量以及所述冠状动脉各动脉出口的阻抗;所述第一设置压力为所述冠状动脉主干出口压力,每一所述动脉出口的阻抗通过所述第一设置压力和所述动脉出口的血液流量确定;
所述粘度系数计算模块,用于获取个体血液检测信息,根据血液检测信息中红细胞压积、以及所述血液检测信息与血流模型参数的关系,计算粘度系数;
所述血流参数计算模块,用于根据边界条件、所述血液检测信息中血液密度和所述粘度系数、以及所述冠状动脉的三维图像数据所划分的网格数据,获得冠状动脉的血流参数信息,所述边界条件包括所述冠状动脉各动脉出口的阻抗和第二设置压力,所述血流参数信息包括血压;
所述FFR确定模块,用于依据第二设置压力与所述血流参数信息的关系,确定冠状动脉FFR;
其中,所述第二设置压力包括:冠状动脉入口平均动脉压或者周期性函数。
2.如权利要求1所述系统,其特征在于,所述图像处理模块包括图像重构单元、数据分离单元、第一分割单元和第二分割单元,其中,
所述图像重构单元,用于获取个体心脏图像数据,根据所述图像数据重构所述个体心脏三维图像数据;
所述数据分离单元,用于从所述三维图像数据中分离出心肌以及冠状动脉各动脉的三维图像数据;
所述第一分割单元,用于以垂直于血液流动方向的平面切割所述冠状动脉中各动脉的连接口,分离各动脉;
所述第二分割单元,用于以垂直所述冠状动脉的几何中心线的平面切割各动脉出口,将切割的出口面作为各动脉的出口边界,提取各动脉分别对应的三维图像数据。
3.如权利要求1所述系统,其特征在于,所述阻抗计算模块包括:
血液总流量计算单元,用于根据心肌的三维图像数据,计算冠脉动脉血液总流量;
入出口信息计算单元,用于以冠状动脉各动脉的三维图像为依据,计算冠状动脉各分支入口信息,以及各分支出口信息;
分支血流计算单元,用于依据冠状动脉各分支入口直径的比例,计算分别进入冠状动脉各分支的血液流量;
出口血流量及阻抗计算单元,用于依据冠状动脉各分支出口信息以及第一设置压力,计算冠状动脉各动脉出口的血液流量以及冠状动脉各动脉出口阻抗。
5.如权利要求1所述系统,其特征在于,所述血流模型参数还包括零剪切粘度系数、时间常数。
7.如权利要求1至6中任一所述系统,其特征在于,所述血流参数计算模块,具体用于:以冠状动脉各动脉出口阻抗、第二设置压力、粘度系数以及血液密度,在所述网格上采用数值法求解纳维-斯托克斯方程,获取冠状动脉的血流参数信息,所述血流参数信息包括血压。
8.一种血流储备分数FFR确定终端,其特征在于,所述终端包括处理器和用于存储能够在处理器上运行的计算机程序的存储器,其中,
所述处理器用于运行所述计算机程序时,执行以下步骤:
获取血液检测信息与血流模型参数的关系,所述血液检测信息与血流模型参数的关系用于根据多组不同样本的血流模型参数建立,所述血流模型参数包括无穷大剪切粘度系数,所述血液检测信息包括红细胞压积和血液密度;
获取个体心脏图像数据,根据所述图像数据重构所述个体心脏三维图像数据,并从所述三维图像数据中分离出心肌以及冠状动脉各动脉的三维图像数据;
根据所述心肌的三维图像数据、和所述冠状动脉各动脉的三维图像数据以及第一设置压力,计算所述冠状动脉各动脉出口的血液流量以及所述冠状动脉各动脉出口的阻抗;所述第一设置压力为所述冠状动脉主干出口压力,每一所述动脉出口的阻抗通过所述第一设置压力和所述动脉出口的血液流量确定;
获取个体血液检测信息,根据血液检测信息中红细胞压积、以及所述血液检测信息与血流模型参数的关系,计算粘度系数;
根据边界条件、所述血液检测信息中血液密度和所述粘度系数,以及根据所述冠状动脉的三维图像数据所划分的网格数据,获得冠状动脉的血流参数信息,所述边界条件包括所述冠状动脉各动脉出口的阻抗和第二设置压力,所述血流参数信息包括血压;
依据第二设置压力与所述血流参数信息的关系,确定冠状动脉FFR;
其中,所述第二设置压力包括:冠状动脉入口平均动脉压或者周期性函数。
9.一种计算机存储介质,其特征在于,所述计算机可读存储介质上存储有计算机程序,所述计算机程序被处理器执行时实现以下步骤:
获取血液检测信息与血流模型参数的关系,所述血液检测信息与血流模型参数的关系用于根据多组不同样本的血流模型参数建立,所述血流模型参数包括无穷大剪切粘度系数,所述血液检测信息包括红细胞压积和血液密度;
获取个体心脏图像数据,根据所述图像数据重构所述个体心脏三维图像数据,并从所述三维图像数据中分离出心肌以及冠状动脉各动脉的三维图像数据;
根据所述心肌的三维图像数据、和所述冠状动脉各动脉的三维图像数据以及第一设置压力,计算所述冠状动脉各动脉出口的血液流量以及所述冠状动脉各动脉出口的阻抗;所述第一设置压力为所述冠状动脉主干出口压力,每一所述动脉出口的阻抗通过所述第一设置压力和所述动脉出口的血液流量确定;
获取个体血液检测信息,根据血液检测信息中红细胞压积、以及所述血液检测信息与血流模型参数的关系,计算粘度系数;
根据边界条件、所述血液检测信息中血液密度和所述粘度系数,以及根据所述冠状动脉的三维图像数据所划分的网格数据,获得冠状动脉的血流参数信息,所述边界条件包括所述冠状动脉各动脉出口的阻抗和第二设置压力,所述血流参数信息包括血压;
依据第二设置压力与所述血流参数信息的关系,确定冠状动脉FFR;
其中,所述第二设置压力包括:冠状动脉入口平均动脉压或者周期性函数。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811119677.1A CN109363661B (zh) | 2018-09-25 | 2018-09-25 | 血流储备分数确定系统、方法、终端及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811119677.1A CN109363661B (zh) | 2018-09-25 | 2018-09-25 | 血流储备分数确定系统、方法、终端及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109363661A CN109363661A (zh) | 2019-02-22 |
CN109363661B true CN109363661B (zh) | 2022-02-01 |
Family
ID=65401849
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811119677.1A Active CN109363661B (zh) | 2018-09-25 | 2018-09-25 | 血流储备分数确定系统、方法、终端及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109363661B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110432886A (zh) * | 2019-08-22 | 2019-11-12 | 苏州润心医疗器械有限公司 | 获取冠脉出口处的平均血流量、流速的方法、装置和系统 |
CN114972165B (zh) * | 2022-03-24 | 2024-03-15 | 中山大学孙逸仙纪念医院 | 一种时间平均剪切力的测量方法和装置 |
Family Cites Families (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8824752B1 (en) * | 2013-03-15 | 2014-09-02 | Heartflow, Inc. | Methods and systems for assessing image quality in modeling of patient anatomic or blood flow characteristics |
WO2014163334A1 (ko) * | 2013-04-02 | 2014-10-09 | 재단법인 아산사회복지재단 | 물질특성에 기반한 전산유체역학 모델링 및 분석 방법 |
CN105580019B (zh) * | 2013-07-30 | 2018-09-14 | 哈特弗罗公司 | 为优化诊断性能利用边界条件模型化血流的方法和系统 |
US9501622B2 (en) * | 2014-03-05 | 2016-11-22 | Heartflow, Inc. | Methods and systems for predicting sensitivity of blood flow calculations to changes in anatomical geometry |
CN106714673B (zh) * | 2014-08-29 | 2020-02-28 | 江原大学校产学协力团 | 按患者区分的血管信息决定方法 |
CN108511075B (zh) * | 2018-03-29 | 2022-10-25 | 杭州脉流科技有限公司 | 一种非侵入式获取血流储备分数的方法和系统 |
-
2018
- 2018-09-25 CN CN201811119677.1A patent/CN109363661B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN109363661A (zh) | 2019-02-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11896416B2 (en) | Method for calculating coronary artery fractional flow reserve on basis of myocardial blood flow and CT images | |
CN110168613B (zh) | 用于使用降阶模型和机器学习估计血流特性的系统和方法 | |
EP3127026B1 (en) | Systems and methods for determining blood flow characteristics using flow ratio | |
US10522254B2 (en) | Methods and systems for predicting sensitivity of blood flow calculations to changes in anatomical geometry | |
CA3114366C (en) | Systems and methods for estimating blood flow characteristics from vessel geometry and physiology | |
US11901081B2 (en) | Method for calculating index of microcirculatory resistance based on myocardial blood flow and CT image | |
CN108122616B (zh) | 个体特异性的心血管模型的生成方法及其应用 | |
RU2717885C1 (ru) | Оценка потока, сопротивления или давления на основании измерений давления или потока и ангиографии | |
US11871995B2 (en) | Patient-specific modeling of hemodynamic parameters in coronary arteries | |
CN106714673A (zh) | 按患者区分的血管信息决定方法 | |
JP2019512131A (ja) | 画像ベースの患者固有の血流力学的モデルにおいて解像されていない血管を特定してモデル化するためのシステム及び方法 | |
CN109843161A (zh) | 用于确定针对狭窄评估的功能指数的装置 | |
JP7241183B2 (ja) | 冠動脈における血行動態パラメータの患者固有モデリング | |
CN109363661B (zh) | 血流储备分数确定系统、方法、终端及存储介质 | |
US20220151500A1 (en) | Noninvasive quantitative flow mapping using a virtual catheter volume | |
KR101530352B1 (ko) | 물질특성에 기반한 전산유체역학 모델링 및 분석 방법 | |
CN112384138B (zh) | 获取心表大动脉的血流量的方法、装置、系统及存储介质 | |
CN115769251A (zh) | 基于深度学习获取主动脉图像的系统 | |
CN113907720B (zh) | 测量血管功能学指标的方法、装置与处理器 | |
Pryamonosov et al. | Robustness analysis of coronary arteries segmentation | |
Danilov et al. | Myocardial perfusion segmentation and partitioning methods in personalized models of coronary blood flow | |
CN117064413A (zh) | 一种基于肺循环模型无创计算血流储备分数的方法 |
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 | ||
CB02 | Change of applicant information | ||
CB02 | Change of applicant information |
Address after: Room 707, building 2, Xizi international jinzuo, Nanyuan street, Yuhang District, Hangzhou City, Zhejiang Province Applicant after: Hangzhou Sheng Shi Technology Co., Ltd. Address before: 311100 Hangzhou, Yuhang, Zhejiang Linping new town Nanyuan street, new far CBC1 block 1502 room. Applicant before: Hangzhou Sheng Shi Technology Co., Ltd. |
|
GR01 | Patent grant | ||
GR01 | Patent grant |