CN109473161B - 血栓属性信息获取方法、装置、设备和存储介质 - Google Patents

血栓属性信息获取方法、装置、设备和存储介质 Download PDF

Info

Publication number
CN109473161B
CN109473161B CN201811647055.6A CN201811647055A CN109473161B CN 109473161 B CN109473161 B CN 109473161B CN 201811647055 A CN201811647055 A CN 201811647055A CN 109473161 B CN109473161 B CN 109473161B
Authority
CN
China
Prior art keywords
thrombus
target
model
stent
aneurysm
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
CN201811647055.6A
Other languages
English (en)
Other versions
CN109473161A (zh
Inventor
赵夕
马杰延
汪舟杰
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 United Imaging Healthcare Co Ltd
Original Assignee
Shanghai United Imaging Healthcare Co Ltd
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 United Imaging Healthcare Co Ltd filed Critical Shanghai United Imaging Healthcare Co Ltd
Priority to CN201811647055.6A priority Critical patent/CN109473161B/zh
Publication of CN109473161A publication Critical patent/CN109473161A/zh
Application granted granted Critical
Publication of CN109473161B publication Critical patent/CN109473161B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • 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
    • 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
    • G16H30/00—ICT specially adapted for the handling or processing of medical images
    • G16H30/40—ICT specially adapted for the handling or processing of medical images for processing medical images, e.g. editing
    • 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
    • G16H50/20—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for computer-aided diagnosis, e.g. based on medical expert systems
    • 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

Landscapes

  • Engineering & Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • Public Health (AREA)
  • Primary Health Care (AREA)
  • Epidemiology (AREA)
  • Biomedical Technology (AREA)
  • General Health & Medical Sciences (AREA)
  • Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • Pathology (AREA)
  • Databases & Information Systems (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Radiology & Medical Imaging (AREA)
  • Computer Graphics (AREA)
  • Geometry (AREA)
  • Software Systems (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Apparatus For Radiation Diagnosis (AREA)
  • Magnetic Resonance Imaging Apparatus (AREA)

Abstract

本发明实施例公开了一种血栓属性信息获取方法、装置、设备和存储介质。该方法包括：依据密网支架的支架参数和目标三维影像，构建原始支架模型和原始动脉瘤模型；依据所述原始支架模型和所述原始动脉瘤模型，确定放置所述密网支架之后的目标动脉瘤模型；依据预先设置的血栓形成方程，基于所述目标动脉瘤模型，进行计算流体力学仿真，获得目标仿真结果；依据所述目标仿真结果，确定与所述密网支架和所述目标三维影像对应的血栓属性信息。通过上述技术方案，实现在术前获得不同密网支架放置病患动脉瘤处之后的血栓属性信息，从而为临床治疗颅内动脉瘤提供更加精确的数据支持。

Description

血栓属性信息获取方法、装置、设备和存储介质
技术领域
本发明实施例涉及医学仿真技术，尤其涉及一种血栓属性信息获取方法、装置、设备和存储介质。
背景技术
颅内动脉瘤是指脑动脉内腔的局限性异常扩大造成动脉壁的一种瘤状突出，其发病率呈逐年上升的趋势，且死亡率较高、预后较差。
目前，临床上对颅内动脉瘤的治疗方式为采用介入的方式，在动脉瘤处放置密网支架(也称血流导向装置Flow Diverter，FD)，以改变动脉瘤处的血流动力学状态，使得瘤腔内形成血栓凝结，阻止血液继续流入瘤腔内，从而达到防止动脉瘤破裂的治疗目的。
但是，不同的临床状况下，放置不同品牌或种类的密网支架可能导致不同的结果，最严重的情况是密网支架不能有效阻止血液进入瘤腔，最终导致动脉瘤破裂。即临床对于在动脉瘤处放置密网支架后，是否会顺利形成血栓以及多长时间会形成有效血栓等问题仍然没有清晰的认识，从而无法为病患制定更加合适的治疗方案。
发明内容
本发明实施例提供一种血栓属性信息获取方法、装置、设备和存储介质，以实现在术前获得不同密网支架放置病患动脉瘤处之后的血栓属性信息，从而为临床治疗颅内动脉瘤提供更加精确的数据支持。
第一方面，本发明实施例提供了一种血栓属性信息获取方法，包括：
依据密网支架的支架参数和目标三维影像，构建原始支架模型和原始动脉瘤模型；
依据所述原始支架模型和所述原始动脉瘤模型，确定放置所述密网支架之后的目标动脉瘤模型；
依据预先设置的血栓形成方程，基于所述目标动脉瘤模型，进行计算流体力学仿真，获得目标仿真结果；
依据所述目标仿真结果，确定与所述密网支架和所述目标三维影像对应的血栓属性信息。
第二方面，本发明实施例还提供了一种血栓属性信息获取装置，该装置包括：
第一模型构建模块，用于依据密网支架的支架参数和目标三维影像，构建原始支架模型和原始动脉瘤模型；
第二模型构建模块，用于依据所述原始支架模型和所述原始动脉瘤模型，确定放置所述密网支架之后的目标动脉瘤模型；
目标仿真结果获取模块，用于依据预先设置的血栓形成方程，基于所述目标动脉瘤模型，进行计算流体力学仿真，获得目标仿真结果；
血栓属性信息确定模块，用于依据所述目标仿真结果，确定与所述密网支架和所述目标三维影像对应的血栓属性信息。
第三方面，本发明实施例还提供了一种设备，该设备包括：
一个或多个处理器；
存储装置，用于存储一个或多个程序，
当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现本发明任意实施例所提供的血栓属性信息获取方法。
第四方面，本发明实施例还提供了一种计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现本发明任意实施例所提供的血栓属性信息获取方法。
本发明实施例通过依据密网支架的支架参数和目标三维影像，构建原始支架模型和原始动脉瘤模型；依据所述原始支架模型和所述原始动脉瘤模型，确定放置所述密网支架之后的目标动脉瘤模型。获得了具有病患个性化特性和密网支架独特性的动脉瘤模型，为后续获得个性化的血栓属性信息提供了模型基础。通过依据预先设置的血栓形成方程，基于所述目标动脉瘤模型，进行计算流体力学仿真，获得目标仿真结果；依据所述目标仿真结果，确定与所述密网支架和所述目标三维影像对应的血栓属性信息。实现了在动脉瘤治疗之前，根据病患的动脉瘤模型和不同的密网支架模型，以数值仿真的方式，确定不同的密网支架放置于同一病患动脉瘤之后，分别在动脉瘤中生成符合治疗预期的血栓的属性信息，为临床治疗颅内动脉瘤提供更加精确的数据支持。
附图说明
图1是本发明实施例一中的一种血栓属性信息获取方法的流程图；
图2是本发明实施例二中的一种血栓属性信息获取方法的流程图；
图3是本发明实施例三中的一种血栓属性信息获取装置的结构示意图；
图4是本发明实施例四中的一种设备的结构示意图。
具体实施方式
下面结合附图和实施例对本发明作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅仅用于解释本发明，而非对本发明的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与本发明相关的部分而非全部结构。
实施例一
本实施例提供的血栓属性信息获取方法可适用于利用密网支架对颅内动脉瘤进行治疗的情况。该方法可以由血栓属性信息获取装置来执行，该装置可以由软件和/或硬件的方式实现，该装置可以集成在具备计算机仿真功能的设备中，例如台式电脑或服务器等。参见图1，本实施例的方法具体包括如下步骤：
S110、依据密网支架的支架参数和目标三维影像，构建原始支架模型和原始动脉瘤模型。
其中，支架参数是指密网支架的几何参数，例如可以是支架直径、支架长度、用于编织密网支架的金属丝的直径(即金属丝直径)、金属丝数量和金属丝编织密度。目标三维影像是指颅内动脉瘤病患的颅部三维影像，其可以是由计算机断层扫描影像和/或数字减影血管造影影像经三维重建而获得。原始支架模型是指密网支架放置在支架导管中时的密网支架三维几何模型。原始动脉瘤模型是指病患颅内的动脉瘤对应的三维几何模型。
具体地，在模拟利用密网支架对颅内动脉瘤进行治疗之前，需要先获取模拟所需的基础模型，即病患的原始动脉瘤模型和所使用的密网支架的原始支架模型。原始动脉瘤模型可以基于目标三维影像，利用跨平台计算机视觉库OpenCV或医学影像控制系统Mimics等建模工程软件进行逆向建模而获得。原始支架模型则是基于密网支架的支架参数，利用相同的建模工程软件来构建。这里的支架参数可以从密网支架的说明书中获取，也可以对密网支架进行测量而获得。应当注意的是，如果从产品说明书中直接获取支架参数进行原始支架模型的建模，则应当获取密网支架放置于支架导管中的几何参数，而不应该是密网支架在真空中、无任何压力作用(即无负载状态)时的几何参数。如果所获取的支架参数为密网支架在无负载状态时的几何参数，则需要先构建密网支架在无负载状态下的模型(即无负载支架模型)，再由无负载模型来获取原始支架模型。
示例性地，依据密网支架的支架参数获取原始支架模型包括：依据密网支架的支架参数，构建密网支架的无负载支架模型，支架参数包括支架直径、支架长度、金属丝直径、金属丝数量和金属丝编织密度，金属丝用于编织密网支架；依据无负载支架模型和金属丝长度不变原则，构建原始支架模型。
其中，金属丝长度不变原则是指金属丝在不同状态下长度值不变。
具体地，由于密网支架具有较强的揉伸性，手工测量密网支架所得的支架参数不够准确，所以为了提高原始支架模型的准确度，进而提高血栓属性信息的获取精度，本实施例中优选采用产品说明书中记载的支架参数。而产品说明书中大多记载的是密网支架在无负载状态下的支架参数，故本实施例中先根据密网支架在无负载状态下的支架参数，构建无负载支架模型。再根据金属丝长度不变原则，以无负载状态下密网支架所具有的金属丝长度及导管尺寸参数为模型约束条件，利用建模工程软件，由无负载支架模型获得原始支架模型。
S120、依据原始支架模型和原始动脉瘤模型，确定放置密网支架之后的目标动脉瘤模型。
其中，目标动脉瘤模型是指直接用于动脉瘤治疗模拟的动脉瘤模型，其是在原始动脉瘤模型中放置密网支架之后的动脉瘤模型。由于动脉瘤模型是用于提供血液流动仿真的场所，故动脉瘤模型也可称为血液流场几何模型，目标动脉瘤模型也可称为目标血液流场动脉瘤模型。
具体地，临床治疗过程中，会将处于导管之中的密网支架放置在动脉瘤位置处，之后会撤出导管，以便密网支架能够在血管中自膨胀，并最终触碰血管壁。动脉瘤位置处的血液便会在自膨后的密网支架空腔内流动，以便后续进行血管壁重建，促使血管瘤瘤腔内形成血栓。故本发明实施例在进行数值仿真时，也应该获取密网支架放置于动脉瘤后的血液流场几何模型，以便后续可以进行动脉瘤处血液流动仿真。具体实施时，可在医学仿真软件/平台中，将原始支架模型沿着原始动脉瘤模型中母血管的中心线，放置于动脉瘤模型的动脉瘤处，并以此为基础，进行密网支架在血管中的变化模拟，并最终获得目标动脉瘤模型。
示例性地，依据原始支架模型和原始动脉瘤模型，确定放置密网支架之后的目标动脉瘤模型包括：以原始动脉瘤模型作为约束条件，以原始支架模型对应的无负载支架模型作为目标条件，基于结构力学方法或预先构建的简单弹簧模型，对原始支架模型进行支架自膨仿真，生成自膨支架模型；确定原始动脉瘤模型与自膨支架模型的布尔差值，并将布尔差值作为目标动脉瘤模型。
其中，简单弹簧模型是指弹簧结构简单的弹簧模型。自膨支架模型是指密网支架从导管中脱离后，自膨胀之后的三维几何模型。
具体地，如前，将原始支架模型沿着动脉瘤母血管中心线放置于原始动脉瘤明显中的过程，便是为后续生成自膨支架模型提供模型约束条件。而原始支架模型自膨后的目标便是无负载支架模型，故以无负载支架模型为模型目标条件，在医学仿真软件/平台中，对原始支架模型进行支架自膨仿真。而自膨仿真时所采用的仿真手段优选为适用范围更广泛的简单弹簧模型，这样可以在确保一定的仿真准确度的基础上，提高仿真速度。而如果原始动脉瘤模型中的母血管有血管狭窄的形变时，为了更好地模拟密网支架对血管的撑开过程，则适宜选择基于结构力学方法的仿真方法。当自膨仿真过程中密网支架的自膨形态趋于稳定时，则将此时自膨的密网支架模型确定为自膨支架模型。之后，需要从原始动脉瘤模型中去除自膨后密网支架所占据的瘤腔空间，即对原始动脉瘤模型和自膨支架模型做布尔差，获得的布尔差值，便是目标动脉瘤模型。
S130、依据预先设置的血栓形成方程，基于目标动脉瘤模型，进行计算流体力学仿真，获得目标仿真结果。
其中，血栓形成方程是指血栓形成过程对应的数学方程。计算流体力学仿真是指利用计算流体动力学方法的数值仿真。目标仿真结果是指达到仿真结束条件时所获得的仿真结果。
上述仿真结束条件是预先人为设置的，例如可以是仿真时长，优选是瘤腔中形成的血栓体积趋于稳定，即血栓稳定条件。血栓稳定条件可以是人工观测血栓形态不再变化，优选是至少一个血栓体积变化率(即血栓体积差值百分比)达到预先设定的血栓体积变化率阈值(即预设体积差值百分比)，或者是血栓体积曲线的局部曲率接近于0。这里，血栓体积差值百分比定义为((血栓体积B-血栓体积A)/血栓体积A)*100％。预设体积差值百分比为经验设定值，例如1‰。
示例性地，血栓稳定条件通过如下步骤预先确定：依据连续N个血栓体积，确定每两个相邻的血栓体积之间的差值百分比，获得(N-1)个血栓体积差值百分比，N为正整数；将(N-1)个血栓体积差值百分比中，存在连续设定数量的血栓体积差值百分比小于或等于预设体积差值百分比的条件，确定为血栓稳定条件。其中，设定数量为人为经验设定的数值，其数值小于(N-1)，例如可以是3、4或5等。设定数量的数值大小与仿真精度和仿真时间相对应，要求较高的仿真精度，则可设置较大的数值，反之要求较短的仿真时间，则可设置较小的数值。具体实施时，如果在仿真血栓形成过程中，N-1个血栓体积差值百分比中存在连续设定数量的血栓体积差值百分比小于或等于预设体积差值百分比，则说明目前仿真形成的血栓已经达到体积稳定状态，则可将上述条件确定为血栓稳定条件。
具体地，根据设置的血栓形成方程，在目标动脉瘤模型内部，进行计算流体力学仿真，以对血液流场几何模型中的血液流动及瘤腔中血栓的形成进行仿真，并按照仿真结束条件，获得目标仿真结果。
S140、依据目标仿真结果，确定与密网支架和目标三维影像对应的血栓属性信息。
其中，血栓属性信息是指血栓相关的属性信息，例如可以是血栓几何形态、血栓体积和形成血栓的时间(即血栓形成时间)等，该血栓属性信息可以作为后续动脉瘤治疗时密网支架选择的数据依据。
具体地，在获得目标仿真结果后，可以根据目标仿真结果直接或间接的确定血栓属性信息。例如，可以根据目标仿真结果中形成的血栓的几何模型，获得血栓几何形态，并进一步进行体积计算，获得血栓体积；而血栓形成时间则可以由从模拟自膨支架模型至获得目标仿真结果的仿真时间来确定。由于血栓属性信息是根据目标三维影像和密网支架而获得，故其是针对目标三维影像和选用的密网支架的个性化结果。
本实施例的技术方案，通过依据密网支架的支架参数和目标三维影像，构建原始支架模型和原始动脉瘤模型；依据原始支架模型和原始动脉瘤模型，确定放置密网支架之后的目标动脉瘤模型。获得了具有病患个性化特性和密网支架独特性的动脉瘤模型，为后续获得个性化的血栓属性信息提供了模型基础。通过依据预先设置的血栓形成方程，基于目标动脉瘤模型，进行计算流体力学仿真，获得目标仿真结果；依据目标仿真结果，确定与密网支架和目标三维影像对应的血栓属性信息。实现了在动脉瘤治疗之前，根据病患的动脉瘤模型和不同的密网支架模型，以数值仿真的方式，确定不同的密网支架放置于同一病患动脉瘤之后，分别在动脉瘤中生成符合治疗预期的血栓的属性信息，为临床治疗颅内动脉瘤提供更加精确的数据支持。
实施例二
本实施例在上述实施例一的基础上，对“依据目标仿真结果，确定与密网支架和目标三维影像对应的血栓属性信息”进行了进一步优化。在此基础上，可以进一步对“依据预先设置的血栓形成方程，基于目标动脉瘤模型，进行计算流体力学仿真，获得目标仿真结果”进行优化。其中与上述各实施例相同或相应的术语的解释在此不再赘述。参见图2，本实施例提供的血栓属性信息获取方法包括：
S210、依据密网支架的支架参数和目标三维影像，构建密网支架的无负载支架模型和原始动脉瘤模型，并依据无负载支架模型和金属丝长度不变原则，构建原始支架模型。
S220、以原始动脉瘤模型作为约束条件，以原始支架模型对应的无负载支架模型作为目标条件，基于结构力学方法或预先构建的简单弹簧模型，对原始支架模型进行支架自膨仿真，生成自膨支架模型。
S230、确定原始动脉瘤模型与自膨支架模型的布尔差值，并将布尔差值作为目标动脉瘤模型。
S240、依据预先设置的血栓形成方程，基于目标动脉瘤模型，进行计算流体力学仿真，并按照设定时间间隔，获得连续M个仿真血栓体积，血栓形成方程的设置依据包括血流动力学环境参数和血液化学反应参数。
其中，设定时间间隔是指预先设定的时间间隔，其作为仿真血栓体积的采样频率。仿真血栓体积是指仿真过程中所形成的血栓的体积。血流动力学环境参数是指表示血流情况的参数，如血流速度、壁面切应力和壁面切应力面积等参数。血液化学反应参数是指血液流动过程中，血液中的物质进行化学反应而生成的参数，例如可以是血液中的纤维蛋白等。
具体地，在进行计算流体力学仿真之前，先根据血流动力学环境参数和血液化学反应参数，设置血栓形成方程。之后，在目标动脉瘤模型内部，依据血栓形成方程，进行血栓形成的计算流体力学仿真。在仿真的过程中，按照设定时间间隔，连续获得M个仿真血栓体积，用于后续进行是否达到血栓稳定条件的判定。这里M可以大于、等于或小于N。
S250、若连续M个仿真血栓体积满足血栓稳定条件，则将连续M个仿真血栓体积中与血栓稳定条件对应的任一个仿真血栓体积作为仿真结束标志，并将仿真结束标志对应的仿真结果确定为目标仿真结果。
具体地，获得连续M个仿真血栓体积之后，按照血栓稳定条件判定仿真结束标识。具体实施时，则是由连续M个仿真血栓体积确定每两个相邻的仿真血栓体积之间的差值百分比，获得(M-1)个仿真血栓体积差值百分比。之后，判断(M-1)个仿真血栓体积差值百分比中，是否存在连续设定数量的仿真血栓体积差值百分比小于或等于预设体积差值百分比。若是，则说明此时的仿真结果满足血栓稳定条件，将上述连续M个仿真血栓体积中满足血栓稳定条件的多个仿真血栓体积中的任一个仿真血栓体积，作为此次仿真结束的标志(即仿真结束标志)，并将仿真结束标志对应的仿真结果，即将血栓体积达到仿真结束标志对应的仿真血栓体积之前和/或达到仿真结束标志对应的仿真血栓体积时的仿真结果，作为目标仿真结果。
S260、依据目标仿真结果，获得血栓体积随时间变化的血栓变化曲线。
其中，血栓变化曲线是指纵坐标为血栓体积、横坐标为仿真时间的曲线，其表征仿真过程中形成的血栓体积随仿真时间的变化过程。
具体地，按照一定的时间间隔，在仿真结束标志对应的仿真时间点之前，确定多个采样时间点。然后，从目标仿真结果中，获得每个采样时间点对应的血栓体积，即获得多个采样时间点一一对应的多个血栓体积。之后，基于采样时间点和血栓体积进行曲线拟合，获得血栓变化曲线。
S270、依据血栓变化曲线和预设血栓体积占比，确定与密网支架和目标三维影像对应的目标血栓形成时间。
其中，血栓体积占比是血栓体积与瘤腔体积的比值，可以采用百分比。预设血栓体积占比是指预先设定的血栓体积占比，其用于表示形成的血栓体积达到了有效封堵血流继续流入动脉瘤瘤腔的效果，具体数值可以根据临床数据确定。
具体地，根据血栓变化曲线计算出血栓体积占比，并将其与预设血栓体积占比进行比较；或者，根据预设血栓体积占比计算出对应的血栓体积(可称为预设血栓体积)，并将血栓变化曲线中的血栓体积与预设血栓体积比较，从而确定出针对所选密网支架和目标三维影像的个性化的目标血栓形成时间。
示例性地，依据血栓变化曲线和预设血栓体积占比，确定与密网支架和目标三维影像对应的目标血栓形成时间包括：依据血栓变化曲线与目标动脉瘤模型，确定曲线饱和点对应的目标血栓体积占比，曲线饱和点为血栓变化曲线中满足预设的血栓稳定条件的曲线段中的点；若目标血栓体积占比小于预设血栓体积占比，则将目标血栓形成时间确定为预设风险时间；若目标血栓体积占比大于或等于预设血栓体积占比，则将血栓变化曲线中与预设血栓体积占比对应的时间确定为目标血栓形成时间。
其中，曲线饱和点是指曲线达到饱和状态的曲线段中的点，该曲线段满足上述S130中说明的血栓稳定条件，此时曲线段中的纵坐标值维持在几乎不变的状态。目标血栓体积占比是指S110中所选定的密网支架在目标动脉瘤模型中可以促使瘤腔中形成的稳定的血栓体积，即瘤腔中形成的血栓体积几乎不再变化时的血栓体积占比。预设风险时间是预先设定的时间值，其用于表示所形成的血栓无法满足临床治疗需求，即无法形成能够有效封堵血流继续流入动脉瘤瘤腔血栓，例如可以设置为0或无穷大等。
具体地，目标形成时间的确定过程为：从血栓变化曲线中获取曲线饱和点对应的血栓体积(即目标血栓体积)，并计算目标血栓体积与目标动脉瘤模型对应的瘤腔体积的百分比值，作为目标血栓体积占比。之后，将目标血栓体积占比与预设血栓体积占比进行比较。如果目标血栓体积占比小于预设血栓体积占比，那么说明本次所选用的密网支架，在其所能形成的血栓体积达到稳定状态时，其也无法达到预期的治疗效果，则可认为该密网支架应用于目标三维影像对应的目标患者时存在较大的风险，所以可将目标血栓形成时间确定为预设风险时间。如果目标血栓体积占比大于或等于预设血栓体积占比，则说明该密网支架能够满足临床治疗需求，则将血栓变化曲线中与预设血栓体积占比对应的时间点确定为目标血栓形成时间。按照上述过程，可以获得针对同一个目标患者，多个密网支架对应的多个目标血栓形成时间。那么，为了达到更快的治疗目的，可确定多个目标血栓形成时间中时间最短的目标血栓形成时间对应的密网支架，作为适合于该目标患者的密网支架(即目标密网支架)，这样可以进一步提供更加详细的密网支架对目标患者的治疗信息。
本实施例的技术方案，通过从仿真过程中获取M个仿真血栓体积，并将其中满足血栓稳定条件的任一个仿真血栓体积对应的仿真结果确定为目标仿真结果，能够更加简便、更加准确地获得目标仿真结果，进一步提高后续血栓形成时间的精确性。通过目标仿真结果确定血栓变化曲线，并结合预设血栓体积占比，确定个性化的目标血栓形成时间，能够获得更具临床意义的血栓形成时间，为临床利用密网支架治疗动脉瘤提供更加有力的数据支持。
示例性地，在上述技术方案的基础上，本发明实施例的血栓属性信息获取方法还包括：血栓属性信息包括目标血栓体积。相应地，在S270之后，还包括若至少一个密网支架对应的目标血栓形成时间均为预设风险时间，则依据至少一个目标血栓体积和目标动脉瘤模型，确定至少一个目标血栓体积占比。依据至少一个目标血栓体积占比，确定与目标三维影像对应的目标密网支架。
具体地，如果针对同一个目标患者，利用至少一个密网支架进行上述仿真操作之后，所获得的至少一个目标血栓形成时间均为预设风险时间，则说明针对该目标患者，仿真过程中所选用的所有密网支架均无法促使瘤腔中形成具有有效封堵血流的血栓。此时，便不能依据目标血栓形成时间来进行适合于该目标患者的目标密网支架，那么为了仍然能够提供密网支架选择的数据依据，本发明实施例中，采取了记录每一个密网支架仿真过程所得到的目标血栓体积占比，并从多个目标血栓体积占比中确定出能够形成血栓体积占比最大的一个密网支架，作为该目标患者的目标密网支架。这样能够为目标患者选择目标密网支架提供更加全面和丰富的数据支持。
以下是本发明实施例提供的血栓属性信息获取装置的实施例，该装置与上述各实施例的血栓属性信息获取方法属于同一个发明构思，在血栓属性信息获取装置的实施例中未详尽描述的细节内容，可以参考上述血栓属性信息获取方法的实施例。
实施例三
本实施例提供一种血栓属性信息获取装置，参见图3，该装置具体包括：
第一模型构建模块310，用于依据密网支架的支架参数和目标三维影像，构建原始支架模型和原始动脉瘤模型；
第二模型构建模块320，用于依据原始支架模型和原始动脉瘤模型，确定放置密网支架之后的目标动脉瘤模型；
目标仿真结果获取模块330，用于依据预先设置的血栓形成方程，基于目标动脉瘤模型，进行计算流体力学仿真，获得目标仿真结果；
血栓属性信息确定模块340，用于依据目标仿真结果，确定与密网支架和目标三维影像对应的血栓属性信息。
可选地，血栓属性信息确定模块340包括：
血栓变化曲线获取子模块，用于依据目标仿真结果，获得血栓体积随时间变化的血栓变化曲线；
目标血栓形成时间确定子模块，用于依据血栓变化曲线和预设血栓体积占比，确定与密网支架和目标三维影像对应的目标血栓形成时间，其中，血栓体积占比是血栓体积与瘤腔体积的比值。
其中，目标血栓形成时间确定子模块具体用于：
依据血栓变化曲线与目标动脉瘤模型，确定曲线饱和点对应的目标血栓体积占比，曲线饱和点为血栓变化曲线中满足预设的血栓稳定条件的曲线段中的点；
若目标血栓体积占比小于预设血栓体积占比，则将目标血栓形成时间确定为预设风险时间；
若目标血栓体积占比大于或等于预设血栓体积占比，则将血栓变化曲线中与预设血栓体积占比对应的时间确定为目标血栓形成时间。
可选地，在上述装置的基础上，该装置还包括血栓稳定条件确定模块，用于通过如下步骤预先确定血栓稳定条件：
依据连续N个血栓体积，确定每两个相邻的血栓体积之间的差值百分比，获得(N-1)个血栓体积差值百分比，N为正整数；
将(N-1)个血栓体积差值百分比中，存在连续设定数量的血栓体积差值百分比小于或等于预设体积差值百分比的条件，确定为血栓稳定条件。
进一步地，目标仿真结果获取模块330具体用于：
依据预先设置的血栓形成方程，基于目标动脉瘤模型，进行计算流体力学仿真，并按照设定时间间隔，获得连续M个仿真血栓体积，其中，血栓形成方程的设置依据包括血流动力学环境参数和血液化学反应参数；
若连续M个仿真血栓体积满足血栓稳定条件，则将连续M个仿真血栓体积中与血栓稳定条件对应的任一个仿真血栓体积作为仿真结束标志，并将仿真结束标志对应的仿真结果确定为目标仿真结果。
可选地，血栓属性信息包括目标血栓体积；
相应地，在上述装置的基础上，该装置还包括目标密网支架确定模块，用于：
在依据血栓变化曲线和预设血栓体积占比，获取目标密网支架和目标三维影像对应的血栓形成时间之后，若至少一个密网支架对应的目标血栓形成时间均为预设风险时间，则依据至少一个目标血栓体积和目标动脉瘤模型，确定至少一个目标血栓体积占比；
依据至少一个目标血栓体积占比，确定与目标三维影像对应的目标密网支架。
可选地，第一模型构建模块310具体用于：
依据密网支架的支架参数，构建密网支架的无负载支架模型，支架参数包括支架直径、支架长度、金属丝直径、金属丝数量和金属丝编织密度，金属丝用于编织密网支架；
依据无负载支架模型和金属丝长度不变原则，构建原始支架模型。
可选地，第二模型构建模块320具体用于：
以原始动脉瘤模型作为约束条件，以原始支架模型对应的无负载支架模型作为目标条件，基于结构力学方法或预先构建的简单弹簧模型，对原始支架模型进行支架自膨仿真，生成自膨支架模型；
确定原始动脉瘤模型与自膨支架模型的布尔差值，并将布尔差值作为目标动脉瘤模型。
通过本发明实施例三的一种血栓属性信息获取装置，实现了在动脉瘤治疗之前，根据病患的动脉瘤模型和不同的密网支架模型，以数值仿真的方式，确定不同的密网支架放置于同一病患动脉瘤之后，分别在动脉瘤中生成符合治疗预期的血栓的属性信息，为临床治疗颅内动脉瘤提供更加精确的数据支持。
本发明实施例所提供的血栓属性信息获取装置可执行本发明任意实施例所提供的血栓属性信息获取方法，具备执行方法相应的功能模块和有益效果。
值得注意的是，上述血栓属性信息获取装置的实施例中，所包括的各个单元和模块只是按照功能逻辑进行划分的，但并不局限于上述的划分，只要能够实现相应的功能即可；另外，各功能单元的具体名称也只是为了便于相互区分，并不用于限制本发明的保护范围。
实施例四
参见图4，本实施例提供了一种设备400，其包括：一个或多个处理器420；存储装置410，用于存储一个或多个程序，当一个或多个程序被一个或多个处理器420执行，使得一个或多个处理器420实现本发明实施例所提供的血栓属性信息获取方法，包括：
依据密网支架的支架参数和目标三维影像，构建原始支架模型和原始动脉瘤模型；
依据原始支架模型和原始动脉瘤模型，确定放置密网支架之后的目标动脉瘤模型；
依据预先设置的血栓形成方程，基于目标动脉瘤模型，进行计算流体力学仿真，获得目标仿真结果；
依据目标仿真结果，确定与密网支架和目标三维影像对应的血栓属性信息。
当然，本领域技术人员可以理解，处理器420还可以实现本发明任意实施例所提供的血栓属性信息获取方法的技术方案。
图4显示的设备400仅仅是一个示例，不应对本发明实施例的功能和使用范围带来任何限制。
如图4所示，该设备400包括处理器420、存储装置410、输入装置430和输出装置440；设备中处理器420的数量可以是一个或多个，图4中以一个处理器420为例；设备中的处理器420、存储装置410、输入装置430和输出装置440可以通过总线或其他方式连接，图4中以通过总线450连接为例。
存储装置410作为一种计算机可读存储介质，可用于存储软件程序、计算机可执行程序以及模块，如本发明实施例中的血栓属性信息获取方法对应的程序指令/模块(例如，血栓属性信息获取装置中的第一模型构建模块、第二模型构建模块、目标仿真结果获取模块和血栓属性信息确定模块)。
存储装置410可主要包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需的应用程序；存储数据区可存储根据终端的使用所创建的数据等。此外，存储装置410可以包括高速随机存取存储器，还可以包括非易失性存储器，例如至少一个磁盘存储器件、闪存器件、或其他非易失性固态存储器件。在一些实例中，存储装置410可进一步包括相对于处理器420远程设置的存储器，这些远程存储器可以通过网络连接至设备。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
输入装置430可用于接收输入的数字或字符信息，以及产生与设备的用户设置以及功能控制有关的键信号输入。输出装置440可包括显示屏等显示设备。
实施例五
本实施例提供一种包含计算机可执行指令的存储介质，计算机可执行指令在由计算机处理器执行时用于执行一种血栓属性信息获取方法，该方法包括：
依据密网支架的支架参数和目标三维影像，构建原始支架模型和原始动脉瘤模型；
依据原始支架模型和原始动脉瘤模型，确定放置密网支架之后的目标动脉瘤模型；
依据预先设置的血栓形成方程，基于目标动脉瘤模型，进行计算流体力学仿真，获得目标仿真结果；
依据目标仿真结果，确定与密网支架和目标三维影像对应的血栓属性信息。
当然，本发明实施例所提供的一种包含计算机可执行指令的存储介质，其计算机可执行指令不限于如上所述的方法操作，还可以执行本发明任意实施例所提供的血栓属性信息获取方法中的相关操作。
通过以上关于实施方式的描述，所属领域的技术人员可以清楚地了解到，本发明可借助软件及必需的通用硬件来实现，当然也可以通过硬件实现，但很多情况下前者是更佳的实施方式。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在计算机可读存储介质中，如计算机的软盘、只读存储器(Read-Only Memory,ROM)、随机存取存储器(RandomAccess Memory,RAM)、闪存(FLASH)、硬盘或光盘等，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例所提供的血栓属性信息获取方法。
注意，上述仅为本发明的较佳实施例及所运用技术原理。本领域技术人员会理解，本发明不限于这里所述的特定实施例，对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本发明的保护范围。因此，虽然通过以上实施例对本发明进行了较为详细的说明，但是本发明不仅仅限于以上实施例，在不脱离本发明构思的情况下，还可以包括更多其他等效实施例，而本发明的范围由所附的权利要求范围决定。

Claims (10)

1.一种血栓属性信息获取方法，其特征在于，包括：
依据密网支架的支架参数和目标三维影像，构建原始支架模型和原始动脉瘤模型；
依据所述原始支架模型和所述原始动脉瘤模型，确定放置所述密网支架之后的目标动脉瘤模型；
依据预先设置的血栓形成方程，基于所述目标动脉瘤模型，进行计算流体力学仿真，获得目标仿真结果；
依据所述目标仿真结果，确定与所述密网支架和所述目标三维影像对应的血栓属性信息。
2.根据权利要求1所述的方法，其特征在于，所述依据所述目标仿真结果，确定与所述密网支架和所述目标三维影像对应的血栓属性信息包括：
依据所述目标仿真结果，获得血栓体积随时间变化的血栓变化曲线；
依据所述血栓变化曲线和预设血栓体积占比，确定与所述密网支架和所述目标三维影像对应的目标血栓形成时间，其中，血栓体积占比是血栓体积与瘤腔体积的比值。
3.根据权利要求2所述的方法，其特征在于，所述依据所述血栓变化曲线和预设血栓体积占比，确定与所述密网支架和所述目标三维影像对应的目标血栓形成时间包括：
依据所述血栓变化曲线与所述目标动脉瘤模型，确定曲线饱和点对应的目标血栓体积占比，所述曲线饱和点为所述血栓变化曲线中满足预设的血栓稳定条件的曲线段中的点；
若所述目标血栓体积占比小于所述预设血栓体积占比，则将所述目标血栓形成时间确定为预设风险时间；
若所述目标血栓体积占比大于或等于所述预设血栓体积占比，则将所述血栓变化曲线中与所述预设血栓体积占比对应的时间确定为所述目标血栓形成时间。
4.根据权利要求3所述的方法，其特征在于，所述血栓稳定条件通过如下步骤预先确定：
依据连续N个血栓体积，确定每两个相邻的所述血栓体积之间的差值百分比，获得(N-1)个血栓体积差值百分比，N为正整数；
将(N-1)个所述血栓体积差值百分比中，存在连续设定数量的所述血栓体积差值百分比小于或等于预设体积差值百分比的条件，确定为所述血栓稳定条件。
5.根据权利要求4所述的方法，其特征在于，所述依据预先设置的血栓形成方程，基于所述目标动脉瘤模型，进行计算流体力学仿真，获得目标仿真结果包括：
依据预先设置的血栓形成方程，基于所述目标动脉瘤模型，进行计算流体力学仿真，并按照设定时间间隔，获得连续M个仿真血栓体积，其中，所述血栓形成方程的设置依据包括血流动力学环境参数和血液化学反应参数；
若连续M个所述仿真血栓体积满足所述血栓稳定条件，则将连续M个所述仿真血栓体积中与所述血栓稳定条件对应的任一个所述仿真血栓体积作为仿真结束标志，并将所述仿真结束标志对应的仿真结果确定为所述目标仿真结果。
6.根据权利要求3所述的方法，其特征在于，所述血栓属性信息包括目标血栓体积；
在所述依据所述血栓变化曲线和预设血栓体积占比，获取所述目标密网支架和所述目标三维影像对应的血栓形成时间之后，还包括：
若至少一个所述密网支架对应的所述目标血栓形成时间均为所述预设风险时间，则依据至少一个所述目标血栓体积和所述目标动脉瘤模型，确定至少一个所述目标血栓体积占比；
依据至少一个所述目标血栓体积占比，确定与所述目标三维影像对应的目标密网支架。
7.根据权利要求1所述的方法，其特征在于，所述依据所述原始支架模型和所述原始动脉瘤模型，确定放置所述密网支架之后的目标动脉瘤模型包括：
以所述原始动脉瘤模型作为约束条件，以所述原始支架模型对应的无负载支架模型作为目标条件，基于结构力学方法或预先构建的简单弹簧模型，对所述原始支架模型进行支架自膨仿真，生成自膨支架模型；
确定所述原始动脉瘤模型与所述自膨支架模型的布尔差值，并将所述布尔差值作为所述目标动脉瘤模型。
8.一种血栓属性信息获取装置，其特征在于，包括：
第一模型构建模块，用于依据密网支架的支架参数和目标三维影像，构建原始支架模型和原始动脉瘤模型；
第二模型构建模块，用于依据所述原始支架模型和所述原始动脉瘤模型，确定放置所述密网支架之后的目标动脉瘤模型；
目标仿真结果获取模块，用于依据预先设置的血栓形成方程，基于所述目标动脉瘤模型，进行计算流体力学仿真，获得目标仿真结果；
血栓属性信息确定模块，用于依据所述目标仿真结果，确定与所述密网支架和所述目标三维影像对应的血栓属性信息。
9.一种设备，其特征在于，所述设备包括：
一个或多个处理器；
存储装置，用于存储一个或多个程序，
当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如权利要求1-7中任一所述的血栓属性信息获取方法。
10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1-7中任一所述的血栓属性信息获取方法。
CN201811647055.6A 2018-12-29 2018-12-29 血栓属性信息获取方法、装置、设备和存储介质 Active CN109473161B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201811647055.6A CN109473161B (zh) 2018-12-29 2018-12-29 血栓属性信息获取方法、装置、设备和存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201811647055.6A CN109473161B (zh) 2018-12-29 2018-12-29 血栓属性信息获取方法、装置、设备和存储介质

Publications (2)

Publication Number Publication Date
CN109473161A CN109473161A (zh) 2019-03-15
CN109473161B true CN109473161B (zh) 2022-04-15

Family

ID=65678116

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201811647055.6A Active CN109473161B (zh) 2018-12-29 2018-12-29 血栓属性信息获取方法、装置、设备和存储介质

Country Status (1)

Country Link
CN (1) CN109473161B (zh)

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110400638B (zh) * 2019-05-30 2022-09-30 合肥工业大学 用于研究颅内动脉瘤生长过程以及探究生长机制的方法
CN111863265B (zh) * 2020-07-27 2024-03-29 强联智创（北京）科技有限公司 一种模拟方法、装置以及设备
CN114452459B (zh) * 2022-03-01 2022-10-18 上海璞慧医疗器械有限公司 一种血栓抽吸导管监测预警系统

Family Cites Families (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9724164B2 (en) * 2011-08-26 2017-08-08 EBM Corporation Blood-vessel bloodstream simulation system, method therefor, and computer software program
CN103198202B (zh) * 2012-12-19 2017-05-17 首都医科大学 颅内动脉瘤介入治疗支架植入图像仿真方法
CN103778336A (zh) * 2014-01-23 2014-05-07 北京市神经外科研究所 一种颅内动脉瘤栓塞后复发风险的预测方法及系统
CN106780477A (zh) * 2016-12-30 2017-05-31 上海联影医疗科技有限公司 一种血流分析方法和系统
CN107134208B (zh) * 2017-07-14 2023-06-06 安疗生命科学（武汉）有限公司 一种体外介入栓塞治疗模拟系统
CN109064559A (zh) * 2018-05-28 2018-12-21 杭州阿特瑞科技有限公司 基于力学方程的血管血流模拟方法及相关装置
CN109102893A (zh) * 2018-07-04 2018-12-28 中山大学 一种基于Cross模型的多粒子混合修正的血栓模拟方法

Also Published As

Publication number Publication date
CN109473161A (zh) 2019-03-15

Similar Documents

Publication Publication Date Title
CN109473161B (zh) 血栓属性信息获取方法、装置、设备和存储介质
Dholakia et al. Hemodynamics of flow diverters
Cebral et al. Efficient simulation of blood flow past complex endovascular devices using an adaptive embedding technique
CN109493348B (zh) 一种颅内动脉瘤图像的形态学参数的测量方法及系统
Augsburger et al. Intracranial stents being modeled as a porous medium: flow simulation in stented cerebral aneurysms
Stuhne and et al. Finite-element modeling of the hemodynamics of stented aneurysms
Morales et al. A virtual coiling technique for image-based aneurysm models by dynamic path planning
Peach et al. Personalizing flow‐diverter intervention for cerebral aneurysms: from computational hemodynamics to biochemical modeling
De Santis et al. Haemodynamic impact of stent–vessel (mal) apposition following carotid artery stenting: mind the gaps!
KR20140082663A (ko) 혈류성상 진단을 위한 시스템, 그 방법 및 컴퓨터 소프트웨어 프로그램
Mut et al. Effects of changing physiologic conditions on the in vivo quantification of hemodynamic variables in cerebral aneurysms treated with flow diverting devices
CN111863263B (zh) 一种模拟方法、装置以及设备
CN111743625A (zh) 用于颅内动脉瘤的支架型号匹配方法、装置以及支架模拟显示方法
Abdehkakha et al. Cerebral aneurysm flow diverter modeled as a thin inhomogeneous porous medium in hemodynamic simulations
EP3097556A1 (en) Medical device specific finite element models for simulating endovascular treatment
CN111754621B (zh) 植入血管后的支架展开模拟显示方法、装置、计算机设备和存储介质
Berg et al. Virtual stenting for intracranial aneurysms: A risk-free, patient-specific treatment planning support for neuroradiologists and neurosurgeons
CN113129301A (zh) 一种颅内动脉瘤手术规划的预测方法、装置以及设备
Sarrami‐Foroushani et al. Virtual endovascular treatment of intracranial aneurysms: models and uncertainty
Wang et al. Computational haemodynamics in two idealised cerebral wide-necked aneurysms after stent placement
US20130066219A1 (en) Method for Assessing The Efficacy of a Flow-Diverting Medical Device in a Blood Vessel
Xu et al. Hemodynamic changes caused by flow diverters in rabbit aneurysm models: comparison of virtual and realistic FD deployments based on micro-CT reconstruction
US10394974B2 (en) Geometry based method for simulating fluid flow through heterogeneous porous media
Xu et al. Modeling flow diverters using a porous medium approach: A fast alternative to virtual flow diverter deployment
Roszelle et al. Comparison among different high porosity stent configurations: Hemodynamic effects of treatment in a large cerebral aneurysm

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: 201807 Shanghai City, north of the city of Jiading District Road No. 2258

Applicant after: Shanghai Lianying Medical Technology Co., Ltd

Address before: 201807 Shanghai City, north of the city of Jiading District Road No. 2258

Applicant before: SHANGHAI UNITED IMAGING HEALTHCARE Co.,Ltd.

GR01 Patent grant
GR01 Patent grant