CN110085321A - 对冠脉循环进行多尺度的解剖学和功能建模的方法和系统 - Google Patents

对冠脉循环进行多尺度的解剖学和功能建模的方法和系统 Download PDF

Info

Publication number
CN110085321A
CN110085321A CN201910202025.2A CN201910202025A CN110085321A CN 110085321 A CN110085321 A CN 110085321A CN 201910202025 A CN201910202025 A CN 201910202025A CN 110085321 A CN110085321 A CN 110085321A
Authority
CN
China
Prior art keywords
model
narrow zone
heart
coronary
patient
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.)
Granted
Application number
CN201910202025.2A
Other languages
English (en)
Other versions
CN110085321B (zh
Inventor
P.沙玛
L.M.伊图
B.乔治斯库
V.米哈勒夫
A.卡门
D.科马尼西亚
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.)
Siemens AG
Original Assignee
Siemens AG
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 Siemens AG filed Critical Siemens AG
Priority to CN201910202025.2A priority Critical patent/CN110085321B/zh
Publication of CN110085321A publication Critical patent/CN110085321A/zh
Application granted granted Critical
Publication of CN110085321B publication Critical patent/CN110085321B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • 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
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16B—BIOINFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR GENETIC OR PROTEIN-RELATED DATA PROCESSING IN COMPUTATIONAL MOLECULAR BIOLOGY
    • G16B15/00—ICT specially adapted for analysing two-dimensional or three-dimensional molecular structures, e.g. structural or functional relations or structure alignment
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16B—BIOINFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR GENETIC OR PROTEIN-RELATED DATA PROCESSING IN COMPUTATIONAL MOLECULAR BIOLOGY
    • G16B25/00—ICT specially adapted for hybridisation; ICT specially adapted for gene or protein expression
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16B—BIOINFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR GENETIC OR PROTEIN-RELATED DATA PROCESSING IN COMPUTATIONAL MOLECULAR BIOLOGY
    • G16B5/00—ICT specially adapted for modelling or simulations in systems biology, e.g. gene-regulatory networks, protein interaction networks or metabolic networks
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16C—COMPUTATIONAL CHEMISTRY; CHEMOINFORMATICS; COMPUTATIONAL MATERIALS SCIENCE
    • G16C10/00—Computational theoretical chemistry, i.e. ICT specially adapted for theoretical aspects of quantum chemistry, molecular mechanics, molecular dynamics or the like
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16C—COMPUTATIONAL CHEMISTRY; CHEMOINFORMATICS; COMPUTATIONAL MATERIALS SCIENCE
    • G16C20/00—Chemoinformatics, i.e. ICT specially adapted for the handling of physicochemical or structural data of chemical particles, elements, compounds or mixtures
    • G16C20/30—Prediction of properties of chemical compounds, compositions or mixtures
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16C—COMPUTATIONAL CHEMISTRY; CHEMOINFORMATICS; COMPUTATIONAL MATERIALS SCIENCE
    • G16C20/00—Chemoinformatics, i.e. ICT specially adapted for the handling of physicochemical or structural data of chemical particles, elements, compounds or mixtures
    • G16C20/40—Searching chemical structures or physicochemical data
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16C—COMPUTATIONAL CHEMISTRY; CHEMOINFORMATICS; COMPUTATIONAL MATERIALS SCIENCE
    • G16C99/00—Subject matter not provided for in other groups of this subclass
    • 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
    • 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
    • G16H50/30—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for calculating health indices; for individual health risk assessment
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16Z—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS, NOT OTHERWISE PROVIDED FOR
    • G16Z99/00—Subject matter not provided for in other main groups of this subclass
    • 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
    • G16H30/20—ICT specially adapted for the handling or processing of medical images for handling medical images, e.g. DICOM, HL7 or PACS

Landscapes

  • Engineering & Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • General Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Public Health (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Epidemiology (AREA)
  • Primary Health Care (AREA)
  • Spectroscopy & Molecular Physics (AREA)
  • Biomedical Technology (AREA)
  • Databases & Information Systems (AREA)
  • Pathology (AREA)
  • Data Mining & Analysis (AREA)
  • Computing Systems (AREA)
  • Biophysics (AREA)
  • Biotechnology (AREA)
  • Evolutionary Biology (AREA)
  • Molecular Biology (AREA)
  • Crystallography & Structural Chemistry (AREA)
  • Chemical & Material Sciences (AREA)
  • Physiology (AREA)
  • Radiology & Medical Imaging (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Genetics & Genomics (AREA)
  • Apparatus For Radiation Diagnosis (AREA)
  • Magnetic Resonance Imaging Apparatus (AREA)
  • Ultra Sonic Daignosis Equipment (AREA)

Abstract

公开了一种用于冠脉循环的多尺度解剖学和功能建模的方法和系统。根据患者的医学图像数据生成冠状动脉和心脏的患者特定的解剖学建模。冠脉循环的多尺度功能模型是基于患者特定的解剖学模型生成的。在至少一个冠状动脉的至少一个狭窄区域中利用冠脉循环的多尺度功能模型来模拟血流。计算血液动力学参量、例如血流储备分数(FFR)以确定狭窄的功能评估，并且利用冠脉循环的多尺度功能模型进行实际的介入模拟，以用于决策支持和介入规划。

Description

对冠脉循环进行多尺度的解剖学和功能建模的方法和系统
本申请是申请日为2012年11月12日、申请号为201280066658.1、发明 名称为“用于对冠脉循环进行多尺度的解剖学和功能建模的方法和系统”的 发明专利申请的分案申请。
本申请要求在2012年11月10日提交的美国临时申请61/557935的权益， 其公开内容通过引用包含于此。
技术领域
本发明涉及对冠脉循环进行解剖学和功能建模，并且更确切而言，涉及 针对冠心病诊断和介入规划对冠脉循环进行多尺度的解剖学和功能建模。
背景技术
心血管疾病(CVD)在世界范围内是首要致死原因。在各种CVD中， 冠心病(CAD)导致这些死亡中的近50％。尽管在医学成像和其它诊断模态 中有显著进步，但是对于CAD患者来说在过早发病和死亡率方面的增长还 是非常高的。一个原因是缺乏对于疾病的诊断和发展的精确的体内和体外患 者特定的估计。例如，在冠脉狭窄情况下，如在诊断图像中看到那样对解剖 学结构的精确估计(即，冠脉中狭窄的数量)会在很大程度上低估或高估堵 塞的严重性。对于这种堵塞的功能评估，重要的是包含从多个尺度上来自血 液动力学和细胞机构的多面信息。在复杂模型中包含这样的多尺度信息在过 去由于高计算需求而是困难的。
发明内容
本发明提供了用于对冠脉循环进行多尺度的解剖学和功能建模的方法 和系统。本方面的实施例有效地包含冠脉循环解剖学结构的全阶和降阶子模 型。本发明的实施例提供了带有对健康和有病血管中的冠脉循环的高度预测 力的、患者特定的多尺度计算模型。本发明的实施例进一步通过影响(leveraging)计算模型以创建特定治疗介入来提供基于虚拟介入的规划，从 而改进冠心病的临床管理。
在本发明的一个实施例中，根据患者的医学图像数据生成冠状动脉和心 脏的患者特定的解剖学模型。基于该患者特定的解剖学模型生成冠脉循环的 多尺度功能模型。利用冠脉循环的多尺度功能模型在至少一个冠状动脉的至 少一个狭窄区域中模拟血流。
附图说明
本发明的这些和其它优点将通过参考下面的详细描述和附图而对于 本领域技术人员是显然的。
图1是冠心病的图示；
图2示出了根据本发明的一个实施例对冠脉循环进行建模、对冠心病 进行评估和进行介入规划的方法；
图3示出了根据本发明的一个实施例的多尺度建模方法的纵览；
图4是示出了冠脉自身调节(coronary autoregulation)的图；
图5示出了根据高帧率容积超声图像对心肌机械结构进行估计；
图6示出了对左心室心肌机械结构进行估计；
图7示出了对容积流量进行自动量化；
图8示出了用于冠状血管提取和冠脉狭窄的解剖学评估的示例性医学 图像处理软件；
图9示出了虚拟介入规划的示例；以及
图10是能够实施本发明的计算机的高等级模块图。
具体实施方式
本发明涉及利用医学图像数据对冠脉循环进行多尺度的解剖学和功能 建模。在此描述本发明的实施例以给出对冠脉循环进行建模的方法的视觉理 解。数字图像通常由一个或多个对象(或形状)的数字表示构成。对象的数 字表示通常在此在识别和操纵对象方面被描述。这种操作是在计算机系统的 存储器或其它电路/硬件中实现的虚拟操作。从而，应理解的是可以利用存储 在计算机系统内的数据在计算机系统内执行本发明的实施例。
本发明的实施例提供了具有对健康和有病血管中的冠脉循环的高预测 力的、患者特定的多尺度计算模型。这种计算模型以下面的部件来实现：全 面地建模冠脉循环中的解剖学、血液动力学和细胞的现象；与用于先进患者 特定计算的现有技术心脏模型进行有效的多尺度耦合；以及确定功能参数和 血液动力学参量，诸如血流储备分数(FFR)、冠脉血流储备(CFR)、创伤 严重指数等，以用于冠脉狭窄的诊断和评估。通过影响计算模型以便创建特 定治疗介入，本发明的实施例还提供基于虚拟介入的规划，以便改进冠心病 的临床管理。这种虚拟介入规划在使用计算模型的情况下利用基于模拟的用 于介入规划的方法(虚拟支架、血管成形术和冠状动脉搭桥术(CABG))来 实现。这种实施例引起预测性的、全面的多尺度模型，其不仅能用于分析冠 心病的解剖学和功能方面，而且能用于对于诊断和介入规划两者改进的临床 管理。
图1是冠心病的图示。如在图1中所示，冠心病的特征在于由于在冠脉 内形成斑块而使得血管变窄，其导致对于心肌降低的氧气供给。随着时间， 后果会是严重的，造成绞痛、心肌梗塞、中风或死亡。
冠心病的功能重要性不能仅通过观察血管的变窄而被观察到，并且相关 于诸如流速和压力的不同的血流特性。当前的临床实践包括用于合适评估这 些参量的侵入性测量。在本发明的有利实施例中，可以首先通过经由不同的 成像技术获得与冠状动脉的几何结构有关的详细信息和然后通过关于表示患 者特定的几何结构的模型执行血流计算来避免与这些介入相关的风险。此外， 这些模型不仅允许避免侵入式测量，而且允许通过模拟不同场景(血管造形 术、搭支架、搭桥术)改进治疗规划并且因此而改进患者结局评价。
最近，已经报告了基于计算流体动力学(CFD)的血流模拟，并且相对 于(通过超声、MRI、CT等获得的)患者特定的数据进行了验证。这种模型 良好地适于器官水平分析，但是不能说明复杂的多尺度现象，其对于为了介 入规划而获得全面的预测模型(在每个尺度上)是关键的。在开发用于临床 设定的应用时另一挑战是降低计算复杂度，从而可以在合理的时间量中获得 结果并且该结果可以被有效地应用于临床实践。
因为冠状血管供给心肌，所以所述冠状血管被强烈地耦合至心脏并且耦 合至心脏的尤其在微血管上执行的机械动作。因此，为了执行生理上精确的 计算，关键的是精确地嵌入由心脏施加在冠状血管上的效果。此外，冠心病 的发展有关于细胞水平上(在血管的内皮层上)发生的现象。细胞水平模型 的包含允许追踪斑块淀积的发展和其在由对应的心外膜血管供给的微血管床 上逐渐增大的效果。这示出，可靠评估有病血管的功能重要性需要复杂的设 置，其不能仅通过血流计算来获得，而是在此描述的模型有效地考虑所有方面。
另一方面是，为了增加这些模型的产出率和为了能够诊断增大数目的患 者，需要优化多尺度模型的运行时间。为了解决该问题，需要有效地耦合这 样的策略，这些策略显著降低运行时间，而并不在模型物理上折衷。该问题 在本发明的实施例中通过借助均衡模型复杂度和运行时间来有效利用和耦合 全阶和降阶模型而被处理。
在确定心外膜狭窄的功能意义之后，解剖学和功能模型将被用于模拟不 同介入的效果，所述介入可以改进患者的健康状态。可以通过虚拟地降低来 自狭窄的阻塞来对球囊扩张(balloon inflation)进行建模。(以来自不同生产 商的支架)进行虚拟支架植入，随后执行耦合的流动分析，这将实现分析对 于血管树内的波传播造成的效果和其对血液动力学变量的影响。在一些情况 下，典型地进行冠状动脉搭桥术(CABG)。利用不同的起点和终点引入这种 邻接血管也可以在这些模型内被模拟；因此，可以在介入之前确定最合适的 选项。
图2示出了根据本发明的一个实施例对冠脉循环进行建模、评估冠心病 和规划介入的方法。
在步骤202，接收患者的医学图像数据。可以接收来自一个或多个成像 模态的医学图像数据。例如，医学图像数据可以包括计算机断层成像(CT)、 Dyna CT、磁共振(MR)、血管造影术、超声、单光子发射计算机断层成像 (SPECT)和任意其它类型的医学成像模态。医学图像数据可以是2D、3D 或4D(3D+时间)医学图像数据。可以直接从诸如CT扫描仪、MR扫描仪、 血管造影扫描仪、超声设备等的一个或多个图像采集设备接收医学图像数据， 或者可以通过载入之前存储的、患者的医学图像数据来接收医学图像数据。
在步骤204，根据医学图像数据生成冠状动脉和心脏的患者特定的解剖 学模型。在一个有利的实现方案中，患者特定的解剖学模型包括利用4D医 学图像数据生成的冠状动脉的4D(3D+时间)几何模型。为了生成冠状动脉 的患者特定的解剖学模型，在4D图像数据的每个帧中分割冠状动脉。可以 利用任意冠状动脉分割方法在医学图像数据的每个帧中分割冠状动脉。例如， 可以利用在美国公开专利申请20100067760中描述的方法在CT体积中进行 分割，该申请通过引用合并于此。然后对于每个帧中感兴趣的、所分割的冠 状动脉生成几何表面模型。例如，在美国专利7860290和美国专利申请 7953266中描述用于对冠状动脉建模的方法，两个申请均通过引用结合于此。 这形成冠状动脉的示出了冠状动脉随时间变化的解剖学结构的解剖学模型。
在一个有利实施例中，患者特定的解剖学模型还包括心脏的根据4D图 像数据生成的、患者特定的4D解剖学模型。4D解剖学心脏模型是具有多个 心脏部件的多部件模型，包括腔(左心室、左心房、右心室和右心房)、心脏 瓣膜(主动脉瓣、二尖瓣、三尖瓣、肺动脉瓣)和主动脉。心脏的这种全面 模型用于捕获大量形态学的、功能和和病理的变化。模块化和架构的方法可 以用于降低解剖学复杂度并且有助于各个解剖学结构的有效和灵活的估计。 可以通过例如利用边缘空间学习(MSL)生成各个心脏部件的各个模型，和 然后通过建立网点对应来集成心脏部件模型，从而生成4D解剖学心脏模型。 关于这种4D患者特定的心脏模型的附加细节在美国公开申请20120022843 中描述，该申请通过引用结合于此。
在步骤206，生成冠脉循环的多尺度功能模型。关于对人体心血管系统 进行精确建模的一个主要困难是这样的事实，其表示具有各个部件之间的高 度相互依赖性的封闭环路。在系统的特定区段中的血流特性(局部的血液动 力学)紧密相关于系统的全局动力学。研究局部血流是重要的，因为诸如血 管的局部变厚或狭窄形成之类的特定病理强烈地受到局部血液动力学的影 响。另一方面，诸如血管内腔的变动之类的特定的局部变化可以导致血流的 全局重新分布，这触发了保证在受影响血管的远端部分中足够高的流速的一些补偿性机制。3D或全尺度血流计算是计算上昂贵的，并且可以仅对于降低 数目的血管执行。在系统或全局血液动力学与局部血液动力学之间的相互影 响和3D计算的高计算要求两者引起了血流的几何多尺度建模的概念，其在 此用于分析冠脉循环。
从而，在本发明的一个有利实施例中，利用完全3D模型仅分割冠状动 脉树中的感兴趣的局部区域、例如包含狭窄斑块淀积的区段，而循环的其余 部分通过降阶模型(用于大动脉的1D模型和用于小动脉和微血管的集总模 型(lumped model))来表示。降阶模型产生在压力和流速波形(1D模型) 方面的可靠结果，正确地考虑远端血管和微血管(集总模型)的效果，并且 引起比对应的3D计算小了多于两个量级的运行时间。替选地，整个计算可以在3D模型上实现。
图3示出了根据本发明的一个实施例的多尺度建模方法的纵览。如在图 3中所示，将心脏模型302在主动脉的根部处耦合。心脏模型302可以实现 为完全3D心脏模型，或者可以实现为通过患者特定的数据参数化的集总模 型。主动脉和大动脉(例如左冠状动脉(LCA)、右冠状动脉(RCA)等) 被表示为1D血流模型304、306、308、310、312、314、316、318和320， 因为这些1D血流模型304-318产生在压力和流速值方面的可靠结果并且考 虑波传播现象。将通过集总参数模型322、324、326、328和330来模拟所有 的微血管床，所述集总参数模型说明应用于血流的阻力并且说明远端血管的 顺应性(compliance)。对于冠状动脉树，在大的(心外膜的)血管中的流动 通过系统树模型321中的1D模型来计算。因为在横截面区域中存在大的变 化，并且狭窄的形状影响血流行为并且尤其影响跨狭窄压降(trans-stenotic pressure drop)，所述跨狭窄压降在评估这种狭窄的功能重要性中起主要作用，所以狭窄区段332和334(即血管中的区域曾是狭窄，或者探测到变窄)不 能利用1D血流模型来模拟。通过集总参数模型324、326、328和330来对 冠状血管床建模，所述集总参数模型在如下意义下适配于冠脉循环，即，其 考虑在心脏收缩期间心肌收缩的效果。
因为运行时间是关键的，根据一个有利的实现方案，替代于运行时间高 两倍还多的3D流体结构交互(FSI)，刚性壁3D模型340和350可以用于表 示狭窄区域332和334。该方面并不影响全面结果，因为狭窄区域332和334 中的弹性并不重要，然而为了正确表示管状树内的波传播现象，在顺应性1D 模型和刚性3D模型之间的接口处包括0D接口模型342、344、352和354。 这些接口模型在其接口处集中3D的顺应性。在冠脉循环中非常重要并且对在狭窄的形态学和功能重要性之间大的不一致做贡献的另一方面是侧枝血流 的出现，其使得形态学上重要的狭窄成为功能上不重要的。根据患者特定的 血管形态学，可以通过吻合的(anastomotic)大血管(以1D模型)或者通过 为受影响区域供给血液的微血管(如在图3中那样通过集总元素来建模)来 建模侧枝血流336。
用于小动脉和微血管的集总模型
微血管的集总或0D模型322-330是基于在电学和动力学之间的类似性 的，并且通过将小血管的生理特性集中到集总元素(阻力、顺应性和惰性) 来消除独立变量的空间相关性。冠脉床需要特别的处理，因为微血管是受心 肌收缩影响最大的，心肌收缩的效果在心外膜和心内膜之间变化。三个不同 的机制可以用于解释在冠状树内观察到的流速波形：变化的弹性、引起缩短 的细胞内压力和引起凹穴的细胞外压力。在一个有利的实现方案中，第二和 第三机制的组合用于对冠脉流动的心肌收缩的效果进行建模，而变化的弹性却保护血管对抗其他两个机制的动作。因此，在心脏收缩期间，外部压力作 用于冠状血管，其在心内膜下层较高而在心外膜下层较低，并且其可以根据 左和右心室压力来被确定。在心肌表面上延伸的心外膜血管并不受这些收缩 的影响。在多尺度方面，规则的3元素Windkessel模型可以在血管的并不属 于冠状树的终止位置处使用。阻力和顺应性值的确定是通过采用平均压力和 流速值和通过适配阻力值以避免非生理学反射。
用于心外膜狭窄区段的详细的3D解剖学模型
在各个狭窄区域332和334中的详细的3D血流计算340和350基于刚 性域中的不可压缩的Navier-Stokes方程的数值解。在血管壁处加强无滑移 (non-slip)边界条件并且通过与近端和远端1D区段的明确/隐含耦合来确定 流入和流出边界条件。在有利的实施中，3D模型340和350不仅确定诸如剪 切应力的感兴趣的局部参数的值，而且对于狭窄区域，其还针对狭窄的详细 形状计算压降。
用于主动脉和狭窄区域的近端和远端的区段的1D模型；和用于血管树 的结构化的树模型
1D模型304-320使用一系列简化假设，以将3D域转换为沿着纵轴的长 度的1D域。这种1D模型可以通过准线性的一阶偏微分方程的系统来描述。 这些模型的一个有利方面是如下事实，即其考虑血管的顺应性，这允许描述 出现在心血管系统中的波现象。这些模型的因变量是内腔面积、流速和沿着 纵轴的平均压力(典型地考虑顺应性血管的网络)。1D模型例如可以用于研 究动脉的几何上的逐渐尖细或者局部硬化对于流速和压力波的传播的影响。 1D模型在确定心血管系统内的流速和压力波的特性时特别有用。这些波是通 过在血流与具有特定顺应性的血管壁之间的交互并且根据血管的弹性特性来 生成的。存在关于这些模型的不同的方法可能性。在最简单的情况下，血管 的机械特性通过在平均压力和血管半径之间的代数关系来描述。在更复杂的 情况下，可以考虑其它特性诸如粘弹性(visco-elasticity)或壁惰性(wall inertia)。在本发明的一个有利实施例中，在压力与血管半径之间的关系通过 微分方程来给出。利用1D模型进行的血流计算被示出以产生在压力和流速 (速度)值方面的良好结果，并且具有减少计算工作的优点。因此，当血管 解剖学结构规则(例如圆柱形的)并且不需要计算局部值诸如壁剪切应力或 振荡剪切指数时，这种1D模型可以用于减少计算时间但是也可以用于研究 波传播现象。这些1D模型在狭窄区段之前和之后都使用，因此允许确定在 整个冠状动脉树中的详细的空间压力和流速分布。此外，(包含非线性项的) 1D模型可以被线性化，并且精确的解析解可以在频域中获得。以该方式，结 构化的树模型321可以对于动脉树的远端部分被获得，其可以然后被集总为阻抗并且被应用为在非线性1D模型的出口处的边界条件。
在1D-3D耦合接口处的集总模型
3D血流计算可以在刚性和顺应性壁(流体结构交互)两者中执行。刚 性壁计算快得多并且弹性在狭窄区域中减小(由于斑块淀积，但是也因为冠 状血管具有相对小的、由增大的硬度表征的直径)。因此，狭窄区域332和 334是借助刚性壁模拟的，并且即使血管顺应性通常并不相关于3D结果本身 的意义，其在多尺度模型中仍是关键的，因为其是压力波传播的驱动机制， 这在整个冠状树中是很令人感兴趣的。因此，需要考虑狭窄区段的顺应性， 并且这可以通过在1D和3D区段之间的接口处引入0D模型342、344、352 和354来最佳完成，其集中3D区段的顺应性。冠状树中的压力和流速波传 播由于心肌收缩的影响而是复杂的，并且至今还未被深入研究。
即使在1D和3D模型的接口处引入0D模型342、344、352和354，在 多尺度模型中的耦合点处仍然可能出现一些困难。难以实现在1D和3D模型 之间的合适耦合，一个方面由模型的不同数学特性所强调。Navier-Stokes方 程代表从速度方面看为抛物形的偏微分方程的系统，而1D模型依赖于双曲 线的偏微分方程。在这些条件下，需要保证数学问题良好地形成以及数字结 果是具有所需的精度的。存在可以用于保证模型的合适耦合的不同可能性： 所谓的“无为”方法(典型地用于压力边界条件)和“拉格朗日乘法器”方 法(典型地用于速度-流速边界条件)。通过耦合模型，可以确定血液的全局 和局部行为，以及在局部和全局模型之间的相互影响。
冠脉自身调节和充血建模
冠脉自身调节在冠状树对心外膜血管中的动脉粥样硬化区段的适配 中起主要作用。自身调节指的是微血管阻力方面的变化，作为对灌注压力 方面的变化的反应，并且其作用是维持流经毛细管的恒定流速。该方面指 的是身体的正常或静息状态。当微血管阻力降至最小值以允许流速的三至 五倍的增大时，另一类型的调节在运动或药物引起的充血中发生。这些方 面均需要在冠状树的多尺度模型中考虑。
图4是示出了冠脉自身调节的图。自身调节在静息状态发生，即随着 降低的心率和血压，并且对于狭窄血管导致降低的微血管阻力，其补偿流 动相关的狭窄阻力的引入。通常影响冠脉血流并且尤其影响自身调节现象 的一个重要方面是侧枝血流的出现。这些血管、也称作吻合通道，在心脏 中发展作为对缺血的适配。它们用作渠道区段，其桥接严重的狭窄部并且 将由一个心外膜冠状动脉供给的区域与另一个心外膜冠状动脉供给的区域连接。因此，侧枝血管代表至受冠心病影响的心肌的特定部分的替选供 血源，并且它们可以帮助保护心肌功能。存在两种不同类型的侧枝血管： 毛细管尺寸的侧枝，其中平滑肌细胞缺失(其通常出现在心内膜下层中)， 和更大的肌肉侧枝，其从已经存在的小动脉(其通常出现在心外膜中)起 发展。第二类型的调节是重要的，以模拟引起充血的药物的效果，该药物 应用在临床实践中以确定狭窄的功能意义。在出现狭窄时，狭窄区段的充 血血流不能再达到在正常的、健康的血管情况下可以获得的最大值。这是 由限制最大流量的狭窄引入的阻力所导致的，因为微血管阻力不能降至其 正常的下限以下。
用于机械生物学和机械换能的细胞模型。
冠脉循环的多尺度耦合模型的预测性质固有地关联于其与细胞模型 的耦合。这使得可能追踪冠脉斑块的发起和随后的生长以及其对全面循环 的影响。已经示出的是，冠状动脉中的血流引起的壁剪切应力不仅影响斑 块发展，但还关联于斑块破裂。该方面背后的机制通常通过已知响应于血 液动力学力的内皮细胞的作用来解释。施加在血管壁上的剪切应力经由机 械换能过程转换为生物化学信号。这最终引起在血管壁中的特定变化。剪切力施加在内皮上并且通过局部机械换能机制调节内皮结构和功能。在一 个有利的实现方案中，机械换能的不同的解析和数学模型可以被使用并且 耦合于器官水平的循环模型。该耦合通过从血液动力学计算中获取的壁剪 切应力值来执行，并且然后作为输入传递给机械换能模型。内皮细胞不仅 调整血管张力(vascular tone)，而且响应于由于狭窄造成的血液动力学变 化而对血管壁进行重新建模，该血液动力学变化将被机械换能模型考虑。该重新建模将影响器官水平的循环模型。
心脏的降阶模型
存在数个参数化心脏模型，其在模拟身体的不同状态时非常有用。最 常用的一些是变化弹性模型和单纤维模型。这些心脏模型可以在不考虑心 脏的空间模型的情况下确定不同心脏腔室中的压力和流动。诸如收缩性、 心博量、至最大值的时间、死体积、心率的数个参数可以被适配，以解释 身体的不同状态并且将模型个性化。
在本发明的一个有利实施例中，降阶心脏模型被从心脏的全阶解剖学 和血液动力学模型提取，并且将其有效地与冠脉循环模型耦合。尤其，可 以集成根据所接收的医学图像数据生成的心脏形态学、动力学和血液动力 学的患者特定的先进模型。生理地标被明确地表示在所提取的解剖学心脏 模型中并且提供与所基于的解剖学结构之间的语义关联。这些模型是高度 模块化的，并且可以根据应用来定制，并且包括左和右心室、左和右心房、 主动脉、主动脉瓣、二尖瓣、三尖瓣、肺动脉瓣和躯干、肺静脉和上/下腔 静脉的解剖学结构和动力学。先进的形态学和动力学参数已经可用并且可 以用于研究心脏的耦合功能。模型可以利用不同类型的成像模态(例如 CT、MRI、超声等)来个性化。
在实时全容积心回波描绘术中的最近发展创造了恢复完全3D心肌动 作以及容积彩色多普勒信息的可能性。密集的心脏动作提供了用于个性化 心脏模型的，以及在研究移动的冠状血管中的关键信息。可以将诸如斑点 图案、图像梯度、边界探测和动作预测的多个信息源融合以实现在3D+t 超声数据上快速和鲁棒性地探测和密集地追踪心脏解剖学结构。这种基于 回波的估计动作和心肌的机械参数充分接近基本事实值。在一个有利的实现方案中，容积彩色多普勒速度的可用性实现快速且非侵入式地恢复患者 特定的血流信息，其可以用作用于随后的CFD计算的边界条件。
图5示出了根据高帧率体积超声图像来估计心肌力学。如在图5中所 示，图像(a)示出了在心脏收缩时的心肌，图像(b)示出了在心脏舒张 时的心肌，图像(c)和(d)示出了展示心肌的螺旋动作的3D密集动作 矢量，并且图像(e)示出了将心内膜和心外膜轮廓和动作矢量投射到4 腔平面上。
图6示出了左心室心肌力学的估计。如在图6的图像(a)中所示， 602示出了映射到心内膜边界的纵向应变的估计值，604示出了密集速度 场的方向和幅值，并且606对于上部、中间和下部区域示出了所估计的纵 向应变相对于时间的曲线。如在图6的图像(b)中所示，612示出了映射 到心内膜边界的径向速度的估计值，614示出了密集速度场的方向和幅值， 并且616对于上部、中间和下部区域示出了所估计的径向速度相对于时间 的曲线。如在图6的图像(c)中所示，622示出了映射至心内膜边界的周 向位移的估计值，624示出了密集速度场的方向和幅值，并且626对于上 部、中间和下部区域示出了所估计的径向速度相对于时间的曲线。
图7示出了对容积流量的自动量化。图像(a)示出了对于患者采集 的容积b模式和彩色超声。图像(b)示出了在超声中对左心室、二尖瓣 (MV)和左心室流出道(LVOT)的自动探测和追踪。图像(c)示出了 在MV和LVOT追踪位置处的流量采样。图像(d)示出了流入/流出量化 和去混淆。
为了从医学图像提取冠脉解剖学结构，本发明的实施例可以利用现有 的冠脉分割和中心线提取算法。这种算法已经提供了冠状血管中心线树， 以及包括狭窄部缩窄的表面表示，其然后被用于提取对于3D和1D计算 所需的解剖学数据。例如，狭窄的比例堵塞可以被探测和用于构建狭窄区 域的3D模型。图8示出了示例性的医学图像处理软件，以用于冠状血管 提取和冠脉狭窄的解剖学评估。
借助在患者特定的4D解剖学建模、高性能计算(HPC)和通过成像 进行的3D流动测量技术中的最新进展，可以采用计算流体动力学(CFD) 技术进行血液动力学评估和随后在心血管应用中的验证。虽然大多之前的 方法聚焦于与血液刚性地或利用流体结构交互(FSI)方法进行交互的单 个心脏部件，本发明的实施例在利用从4D CT数据导出的高质量患者特定 心脏模型的情况下利用整个心脏血流的CFD计算。从4D CT捕获的4D生 理模型被用于提供对于心脏内的血流的计算的合适约束。关于利用4D心 脏模型进行患者特定的CFD计算方面的附加细节在题为“Method and System for Comprehensive Patient-SpecificModeling of the Heart”的美国公 开专利申请20120022843中描述，其通过引用包含于此。
返回图2，在步骤208，利用冠脉循环的多尺度功能模型执行血流计 算。血流在冠状动脉的狭窄区域的3D模型中利用带有患者特定的边界条 件的CFD来建模。尤其，血液被建模为Newtonian流体，并且速度场通过 在刚性壁假设下对离散的Navier-Stokes方程(连续性和动量方程)进行数 值求解而获得。离散的Navier-Stokes方程被用于随时间递增地模拟冠状动 脉内的血流和压力。这根据时间计算3D模型中所有方向上的流动。利用 离散的Navier-Stokes方程进行CFD计算的附加细节在题为“Method and System forComprehensive Patient-Specific Modeling of the Heart”的美国公 开专利申请20120022843中描述，其通过引用包含于此。狭窄区域的患者 特定的解剖学结构也被输入给CFD建模，以基于患者特定的解剖学结构 限制血流计算。此外，狭窄区域的3D计算与冠状动脉的周围部分的1D 计算耦合。用于1D模型的(例如用于冠状动脉和主动脉的)计算计算流 经特定的冠状分支(或主动脉)的总体流速。1D计算也可以利用 Navier-Stokes方程来执行。0D模型(集总模型)是解剖学模型的数学抽象 并且基于输入条件给出输出值。
为了利用患者特定的多尺度模型模拟血流，必须将多尺度心脏、冠脉 循环和细胞模型有效耦合。隐含的耦合可以在左心室和主动脉之间实现。 系统树(图3的321)的流入边界条件是通过将主动脉耦合至心脏的左心 室而得到的。因此，在主动脉的入口处确定的心脏输出不仅通过心脏模型 而且通过其所耦合至的系统树的特性而确定的。
心肌收缩对冠脉循环的影响利用心脏的全尺度模型而被估计。尤其， 在一个有利的实现方案中，心脏的全尺度模型被用于确定心脏收缩对各个 心外膜冠状血管的影响。在心脏的右侧和左侧之间存在主要差别，但是可 以考虑局部更详细的变化。从图像数据提取的3D应变图可以用于施加这 些边界条件。
在左心室和右心室内侧的压力向血管施加细胞外压力。压力的量取决 于血管的位置，即在心外膜(低压)还是心内膜(高压)中。该信息可以 直接用在冠脉床的集总参数模型中以解释冠脉循环上的细胞外压力。
冠脉血流模型被经由调节内皮细胞功能的剪切应力项耦合至细胞模 型，引起变化的血液动力学(由于斑块生长)和壁重新建模(即在壁弹性 方面的改变)。
返回图2，在步骤210，基于流动计算确定血液动力学参量。提出了 对冠心病的数个指征。对于动脉粥样硬化已经示出的是，狭窄的功能方面 而不是形态方面能够预测患者结局。功能方面相关于在静息和充血状态中 经过狭窄的血流速度。形态学方面相关于狭窄的几何形状并且可以通过量 化的冠状血管造影(QCA)来确定。存在为何狭窄的几何形状不能单独地 预测患者结局的不同原因。例如QCA是2D表示，因此不能精确确定直径 减小，并且在弥漫性疾病的情况下，难以确定参考直径。同样，如果待供 给的面积已经受梗塞影响，则之前的心肌梗塞可以减小狭窄的意义。此外， 侧枝血流可以增加流动并且减轻狭窄的效果。功能意义是通过不同的指征 确定的，诸如跨狭窄压降(trans-stenotic pressuredrop)、冠脉血流储备 (CFR)、相对血流储备(RFR)或血流储备分数(FFR)。FFR提供了相 对于其它指征的一系列优点。例如FFR并不包括静息状态(其高度相关于 血液动力学参数)，其并不相关于邻近健康血管的存在(与RFR相反，因 此其可以在多血管疾病情况下使用)，并且其包括侧枝血流和之前的心肌 梗塞的效果。同样，已示出的是FFR高度独立于患者的血液动力学条件(血 压、心率、收缩)。FFR是通过将狭窄部远端的压力除以狭窄部近端的压力而计算的。因为静脉压在不引入显著错误的情况下通常可以当作0，并 且充血状态期间的微血管阻力对于正常和狭窄血管两者都是最小和恒定 的，压力的分数也表示在狭窄出现时仍能被供给的正常最大充血血流的分 数。数个研究已经示出了，约为0.75的截止值预测在由狭窄的血管供给的 心肌区域中是否可引入可逆的缺血。
在本发明的一个实施例中，冠脉循环的患者特定的多尺度模型被用于 对于每个狭窄确定诸如FFR的功能参数，并且因此被用于对于每个狭窄确 定功能意义。
返回图2，在步骤212，对于介入规划和决策支持进行模拟。对于冠 心病的诊断和管理，当前的临床时间包括通过量化冠状血管造影(QCA) 评估有病血管。这样的评估为医师提供对狭窄区段的丰富的解剖学纵览 (包括面积减小)，但是不提供功能评估。通过将压力线侵入式地引入到 狭窄血管中而测量到的FFR是用于狭窄的功能评估的惯用手段。QCA仅 评估狭窄的形态学意义并且具有一系列其他限制，并且基于压力线的FFR 测量包括与介入有关的风险，并且对于非常窄的狭窄病变而言压力线可以 引入附加的压降。
所有这些短处通过在此描述的多尺度冠脉循环建模方法来消除。冠状 树的之前的基于CFD的计算仅使用了3D建模，因此导致高的计算复杂性， 与简单心脏模型相耦合，其不能包括所有患者特定的方面例如心脏的局部 运动。其他方法包括仅1D建模(也与简单心脏模型耦合)，这引起在评估 沿着狭窄的压降中的困难，因为未考虑狭窄的精确形状。
在确定心外膜狭窄的功能意义(在步骤210)之后，所提出的模型然 后可以用于模拟不同介入的效果(图9)，其可以用于改进患者的健康状态。 球囊扩张可以通过虚拟地减小来自狭窄的堵塞和重新模拟狭窄部中的血 流来建模。在实践中，当球囊扩张并不导致满意结果(即跨狭窄压降还是 高)时，植入支架。具有来自不同厂商的虚拟支架植入可以通过将特定支 架的虚拟模型添加至狭窄模型来实现，随后是执行耦合的流动分析将实现 支架对动脉树内的波传播的影响，以及支架对待分析的血液动力学变量的 影响。
在弥漫性的动脉粥样硬化疾病的情况下，血管造形术和支架植入都不 能改进患者状态，并且典型地执行冠状动脉搭桥术(CABG)。在使用不同 的起点和终点的情况下引入这样的邻接血管，可以在多尺度冠脉循环模型 中被模拟以便对CABG进行模拟。从而，可以在执行介入之前确定最合适 的介入或治疗选项和规划介入或治疗(例如选择支架的类型或者CABG的 起点和终点)。
图9示出了虚拟介入规划的示例。如在图9中所示，图像(a)示出 了利用虚拟支架模型904模拟在狭窄区域902中的支架植入。图像(b) 示出了通过模拟减小的堵塞914来模拟在狭窄区域912内侧的球囊扩张。 图像(c)示出了通过添加虚拟桥血管924来模拟在具有弥漫性冠心病的 冠状动脉的区域922中的CABG。
上面描述的用于利用医学图像数据对冠脉循环进行多尺度解剖学和 功能建模的方法可以利用已知的计算机处理器、存储器单元、存储设备、 计算机软件和其它部件的计算机上实现。这种计算机的高水平框图在图10 中示出。计算机1002包含处理器1004，其通过运行限定这种操作的计算 机程序指令来控制计算机1002的全面操作。计算机程序指令可以存储在 存储设备1012(例如磁盘)中，并且当期望运行计算机程序指令时被加载 到存储器1010中。因此，图2的方法步骤可以通过存储在存储器1010和 /或储存部1012中的计算机程序指令来限定，并且由运行计算机程序指令 的处理器1004来控制。诸如CT扫描设备、MR扫描设备、超声设备等的 图像采集设备1020可以连接至计算机1002以将图像数据输入至计算机 1002。可以将图像采集设备1020和计算机1002实现为一个设备。同样可 能的是，图像采集设备1020和计算机1002通过网络无线通信。计算机1002 也包括用于与其它设备经由网络通信的一个或多个网络接口1006。计算机 1002也包括其它输入/输出设备1008，其实现与计算机1002的用户交互(例 如显示器、键盘、鼠标、话筒、按键等)。这样的输入/输出设备1008可以 结合一组计算机程序使用，作为标注从图像采集设备1020接收的体积的标注工具。本领域技术人员将认识到实际的计算机的实现方案还可以包含 其它部件，并且图10是出于说明目的的、这种计算机的一些部件的高水 平表示。
前面的详细说明书将理解为在每个方面都是说明性和示例性的，但不 是限制性的，并且本发明在此公开的范围并不能根据该详细说明书来确 定，而是根据如按照专利法允许的完整范围来解释的权利要求来确定。应 理解的是，在此示出和描述的实施例仅是本发明的原理的说明，并且可以 由本领域技术人员在不偏离本发明的范围和精神的情况下实现不同的修 改。本领域技术人员可以在不偏离本发明的范围和精神的情况下实现不同的其它特征组合。

Claims (40)

1.一种方法，包括：
根据患者的医学图像数据生成冠状动脉和心脏的患者特定的解剖学模型；
基于所述患者特定的解剖学模型生成冠脉循环的多尺度功能模型；以及
利用所述冠脉循环的多尺度功能模型模拟至少一个冠状动脉的至少一个狭窄区域中的血流。
2.根据权利要求1所述的方法，其中，根据患者的医学图像数据生成冠状动脉和心脏的患者特定的解剖学模型包括：
根据4D医学图像数据生成所述冠状动脉的4D几何模型；以及
根据所述4D医学图像数据生成所述心脏的4D解剖学模型。
3.根据权利要求2所述的方法，其中，根据4D医学图像数据生成冠状动脉的4D几何模型包括：
在所述4D医学图像数据的多个帧的每个中分割所述冠状动脉；以及
在所述4D医学图像数据的多个帧的每个中生成所分割的冠状动脉的几何表面模型。
4.根据权利要求2所述的方法，其中，根据所述4D医学图像数据生成心脏的4D解剖学模型包括：
在所述4D医学图像数据的多个帧中的每个中提取多个心脏部件的每个的单个模型；以及
通过建立所述单个模型之间的网点对应来集成所述多个心脏部件的在所述4D医学图像数据的所述多个帧的每个中的各个模型。
5.根据权利要求1所述的方法，其中，基于患者特定的解剖学模型生成冠脉循环的多尺度功能模型包括：
生成冠状动脉中的一个或多个狭窄区域的每个的3D计算模型；
生成所述管状动脉和心脏的非狭窄区域的1D计算模型；以及
利用0D集总模型代表微血管。
6.根据权利要求5所述的方法，其中，各个狭窄区域的3D计算模型是刚性壁3D模型，并且在各个狭窄区域的3D计算模型和冠状动脉的邻接于各个狭窄区域的非狭窄区域的1D计算模型之间的0D接口模型集中所述狭窄区域的顺应性。
7.根据权利要求5所述的方法，其中，基于患者特定的解剖学模型生成冠脉循环的多尺度功能模型还包括：
生成用于患者的血管树的结构化树模型。
8.根据权利要求5所述的方法，其中，基于患者特定的解剖学模型生成冠脉循环的多尺度功能模型还包括：
根据心脏的全阶解剖学和血液动力学模型生成心脏的降阶模型。
9.根据权利要求8所述的方法，其中，根据心脏的全阶解剖学和血液动力学模型生成心脏的降阶模型包括：
基于心脏的解剖学和血液动力学模型估计一个或多个心脏部件的动作和机械参数；以及
基于所述一个或多个心脏部件的动作和机械参数确定用于计算流体动力学模拟的边界条件。
10.根据权利要求1所述的方法，其中，利用冠脉循环的多尺度功能模型模拟在至少一个冠状动脉的至少一个狭窄区域中的血流包括：
基于根据冠状动脉和心脏的解剖学模型确定的边界条件，利用冠脉循环的多尺度模型模拟所述至少一个狭窄区域中的血流。
11.根据权利要求5所述的方法，其中，利用冠脉循环的多尺度功能模型模拟在至少一个冠状动脉的至少一个狭窄区域中的血流包括：
在各个狭窄区域的3D计算模型和所述1D计算模型中进行计算流体动力学(CFD)模拟；以及
将各个狭窄区域的3D计算模型、所述1D计算模型和所述0D集总模型耦合。
12.根据权利要求11所述的方法，其中，将各个狭窄区域的3D计算模型、所述1D计算模型和所述0D集总模型耦合包括：
通过耦合代表至心脏模型的左心室的主动脉的1D计算模型来取得系统树模型的流入边界条件。
13.根据权利要求11所述的方法，其中，将各个狭窄区域的3D计算模型、所述1D计算模型和所述0D集总模型耦合包括：
利用从所述医学图像数据提取的3D应变图来将代表心脏收缩的影响的边界条件施加在心外膜冠状血管的1D计算模型上。
14.根据权利要求11所述的方法，其中，将各个狭窄区域的3D计算模型、所述1D计算模型和所述0D集总模型耦合包括：
利用所述0D集总模型确定基于冠状血管的位置应用于冠状血管的1D计算模型的细胞外压力。
15.根据权利要求11所述的方法，其中，将各个狭窄区域的3D计算模型、所述1D计算模型和所述0D集总模型耦合包括：
经由壁剪切应力项将所述1D计算模型耦合至所述0D集总模型。
16.根据权利要求11所述的方法，其中，将各个狭窄区域的3D计算模型、所述1D计算模型和所述0D集总模型耦合包括：
利用0D接口模型将所述3D计算模型耦合至邻接的1D计算模型。
17.根据权利要求1所述的方法，还包括：
基于所模拟的流经所述至少一个狭窄区域的血流计算血液动力学参量以确定所述至少一个狭窄区域的功能意义。
18.根据权利要求17所述的方法，其中，基于所模拟的流经所述至少一个狭窄区域的血流计算血液动力学参量以确定所述至少一个狭窄区域的功能意义包括：
基于流经所述至少一个狭窄区域的计算血流来计算所述至少一个狭窄区域的血流储备分数(FFR)。
19.根据权利要求1所述的方法，还包括：
利用冠脉循环的多尺度功能模型模拟在至少一个狭窄区域中的虚拟介入。
20.根据权利要求19所述的方法，其中，利用冠脉循环的多尺度功能模型模拟在至少一个狭窄区域中的虚拟介入包括：
通过虚拟地减小来自所述冠脉循环的多尺度功能模型中的所述至少一个狭窄区域的堵塞和重新模拟流经所述至少一个狭窄区域的血流，来模拟球囊扩张。
21.根据权利要求19所述的方法，利用冠脉循环的多尺度功能模型模拟在至少一个狭窄区域中的虚拟介入包括：
通过将虚拟的支架模型引入至所述冠脉循环的多尺度功能模型中的至少一个狭窄区域和重新模拟流经所述至少一个狭窄区域的血流来模拟支架植入。
22.根据权利要求19所述的方法，利用冠脉循环的多尺度功能模型模拟在至少一个狭窄区域中的虚拟介入包括：
通过增加与所述冠脉循环的多尺度功能模型中的至少一个狭窄区域相邻接的桥血管和重新模拟流经所述至少一个狭窄区域的血流来模拟冠脉搭桥术(CABG)。
23.一种设备，包括：
用于根据患者的医学图像数据生成冠状动脉和心脏的患者特定的解剖学模型的装置；
用于基于所述患者特定的解剖学模型生成冠脉循环的多尺度功能模型的装置；以及
用于利用所述冠脉循环的多尺度功能模型模拟至少一个冠状动脉的至少一个狭窄区域中的血流的装置。
24.根据权利要求23所述的设备，其中，用于根据患者的医学图像数据生成冠状动脉和心脏的患者特定的解剖学模型的装置包括：
用于根据4D医学图像数据生成冠状动脉的4D几何模型的装置；以及
用于根据4D医学图像数据生成心脏的4D解剖学模型的装置。
25.根据权利要求23所述的设备，其中，用于基于所述患者特定的解剖学模型生成冠脉循环的多尺度功能模型的装置包括：
用于生成冠状动脉中的一个或多个狭窄区域的每个的3D计算模型的装置；
用于生成冠状动脉和主动脉的非狭窄区域的1D计算模型的装置；以及
用于利用0D集总模型代表微血管的装置。
26.根据权利要求25所述的设备，其中，每个狭窄区域的3D计算模型是刚性壁3D模型，并且在每个狭窄区域的3D计算模型和冠状动脉的邻接于每个狭窄区域的非狭窄区域的1D计算模型之间的0D接口模型集中所述狭窄区域的顺应性。
27.根据权利要求25所述的设备，其中，用于基于所述患者特定的解剖学模型生成冠脉循环的多尺度功能模型的装置还包括：
用于根据心脏的全阶解剖学和血液动力学模型生成心脏的降阶模型的装置。
28.根据权利要求23所述的设备，其中，用于利用冠脉循环的多尺度功能模型模拟至少一个冠状动脉的至少一个狭窄区域中的血流的装置包括：
用于基于根据冠状动脉和心脏的解剖学模型确定的边界条件利用冠脉循环的多尺度功能模型来模拟所述至少一个狭窄区域中的血流的装置。
29.根据权利要求25所述的设备，其中，用于利用冠脉循环的多尺度功能模型模拟至少一个冠状动脉的至少一个狭窄区域中的血流的装置包括：
用于在每个狭窄区域的3D计算模型和1D计算模型中进行计算流体动力学(CFD)模拟的装置；以及
用于将每个狭窄区域的3D计算模型、所述1D计算模型和所述0D集总模型耦合的装置。
30.根据权利要求23所述的设备，还包括：
用于基于所模拟的流经所述至少一个狭窄区域的血流计算血液动力学参量以确定所述至少一个狭窄区域的功能意义的装置。
31.根据权利要求23所述的设备，还包括：
利用冠脉循环的多尺度功能模型模拟在至少一个狭窄区域中的虚拟介入。
32.一种非暂时性计算机可读介质，其存储有当在处理器上运行时使得该处理器执行如下操作的计算机程序指令：
根据患者的医学图像数据生成冠状动脉和心脏的患者特定的解剖学模型；
基于患者特定的解剖学模型生成冠脉循环的多尺度功能模型；以及
利用冠脉循环的多尺度功能模型模拟至少一个冠状动脉的至少一个狭窄区域中的血流。
33.根据权利要求32所述的非暂时性计算机可读介质，其中，根据患者的医学图像数据生成冠状动脉和心脏的患者特定的解剖学模型包括：
根据4D医学图像数据生成冠状动脉的4D几何模型；以及
根据所述4D医学图像数据生成心脏的4D解剖学模型。
34.根据权利要求32所述的非暂时性计算机可读介质，其中，基于患者特定的解剖学模型生成冠脉循环的多尺度功能模型包括：
生成冠状动脉中的一个或多个狭窄区域的每个的3D计算模型；
生成冠状动脉和主动脉的非狭窄区域的1D计算模型；以及
利用0D集总模型代表微血管。
35.根据权利要求34所述的非暂时性计算机可读介质，其中，每个狭窄区域的3D计算模型是刚性壁3D模型，并且在每个狭窄区域的3D计算模型和邻接于每个狭窄区域的冠状动脉的非狭窄区域的1D计算模型之间的0D接口模型集中所述狭窄区域的顺应性。
36.根据权利要求34所述的非暂时性计算机可读介质，其中，基于患者特定的解剖学模型生成冠脉循环的多尺度功能模型还包括：
根据心脏的全阶解剖学和血液动力学模型生成心脏的降阶模型。
37.根据权利要求32所述的非暂时性计算机可读介质，其中，利用冠脉循环的多尺度功能模型模拟至少一个冠状动脉的至少一个狭窄区域中的血流包括：
基于根据冠状动脉和心脏的解剖学模型确定的边界条件，利用冠脉循环的多尺度功能模型模拟在所述至少一个狭窄区域中的血流。
38.根据权利要求34所述的非暂时性计算机可读介质，其中，利用冠脉循环的多尺度功能模型模拟至少一个冠状动脉的至少一个狭窄区域中的血流包括：
在每个狭窄区域的3D计算模型和所述1D计算模型中执行计算流体动力学(CFD)模拟；以及
将每个狭窄区域的3D计算模型、所述1D计算模型和所述0D集总模型耦合。
39.根据权利要求32所述的非暂时性计算机可读介质，其中，所述操作还包括：
基于所模拟的流经所述至少一个狭窄区域的血流计算血液动力学参量以确定所述至少一个狭窄区域的功能意义。
40.根据权利要求32所述的非暂时性计算机可读介质，其中，所述操作还包括：
利用冠脉循环的多尺度功能模型模拟在至少一个狭窄区域中的虚拟介入。
CN201910202025.2A 2011-11-10 2012-11-12 对冠脉循环进行多尺度的解剖学和功能建模的方法和系统 Active CN110085321B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910202025.2A CN110085321B (zh) 2011-11-10 2012-11-12 对冠脉循环进行多尺度的解剖学和功能建模的方法和系统

Applications Claiming Priority (7)

Application Number Priority Date Filing Date Title
US201161557935P 2011-11-10 2011-11-10
US61/557,935 2011-11-10
US13/672,781 2012-11-09
US13/672,781 US10162932B2 (en) 2011-11-10 2012-11-09 Method and system for multi-scale anatomical and functional modeling of coronary circulation
CN201910202025.2A CN110085321B (zh) 2011-11-10 2012-11-12 对冠脉循环进行多尺度的解剖学和功能建模的方法和系统
PCT/US2012/064604 WO2013071219A1 (en) 2011-11-10 2012-11-12 Method and system for multi-scale anatomical and functional modeling of coronary circulation
CN201280066658.1A CN104081401A (zh) 2011-11-10 2012-11-12 用于对冠脉循环进行多尺度的解剖学和功能建模的方法和系统

Related Parent Applications (1)

Application Number Title Priority Date Filing Date
CN201280066658.1A Division CN104081401A (zh) 2011-11-10 2012-11-12 用于对冠脉循环进行多尺度的解剖学和功能建模的方法和系统

Publications (2)

Publication Number Publication Date
CN110085321A true CN110085321A (zh) 2019-08-02
CN110085321B CN110085321B (zh) 2023-10-27

Family

ID=47279046

Family Applications (2)

Application Number Title Priority Date Filing Date
CN201910202025.2A Active CN110085321B (zh) 2011-11-10 2012-11-12 对冠脉循环进行多尺度的解剖学和功能建模的方法和系统
CN201280066658.1A Pending CN104081401A (zh) 2011-11-10 2012-11-12 用于对冠脉循环进行多尺度的解剖学和功能建模的方法和系统

Family Applications After (1)

Application Number Title Priority Date Filing Date
CN201280066658.1A Pending CN104081401A (zh) 2011-11-10 2012-11-12 用于对冠脉循环进行多尺度的解剖学和功能建模的方法和系统

Country Status (8)

Country Link
US (1) US10162932B2 (zh)
EP (1) EP2776960B1 (zh)
JP (1) JP5980942B2 (zh)
KR (1) KR20140091741A (zh)
CN (2) CN110085321B (zh)
BR (1) BR112014011342A2 (zh)
IN (1) IN2014CN03423A (zh)
WO (1) WO2013071219A1 (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111241759A (zh) * 2020-01-13 2020-06-05 北京工业大学 一种基于零维血流动力学模型的ffr快速计算系统模型
CN111317455A (zh) * 2020-03-03 2020-06-23 上海联影医疗科技有限公司 血流动力学参数确定方法、装置、设备及存储介质

Families Citing this family (117)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8200466B2 (en) 2008-07-21 2012-06-12 The Board Of Trustees Of The Leland Stanford Junior University Method for tuning patient-specific cardiovascular simulations
US9405886B2 (en) 2009-03-17 2016-08-02 The Board Of Trustees Of The Leland Stanford Junior University Method for determining cardiovascular information
US8315812B2 (en) 2010-08-12 2012-11-20 Heartflow, Inc. Method and system for patient-specific modeling of blood flow
US9119540B2 (en) * 2010-09-16 2015-09-01 Siemens Aktiengesellschaft Method and system for non-invasive assessment of coronary artery disease
US8965084B2 (en) * 2012-01-19 2015-02-24 Siemens Aktiengesellschaft Blood flow computation in vessels with implanted devices
US10229615B2 (en) 2012-01-31 2019-03-12 Vascular Simulations Inc. Cardiac simulation device
US9183763B2 (en) * 2012-01-31 2015-11-10 Vascular Simulations, Llc Cardiac simulation device
US10034614B2 (en) * 2012-02-29 2018-07-31 General Electric Company Fractional flow reserve estimation
JP5946127B2 (ja) 2012-05-11 2016-07-05 富士通株式会社 シミュレーション方法、シミュレーション装置、およびシミュレーションプログラム
US8548778B1 (en) 2012-05-14 2013-10-01 Heartflow, Inc. Method and system for providing information from a patient-specific model of blood flow
US9247918B2 (en) 2012-07-09 2016-02-02 Siemens Aktiengesellschaft Computation of hemodynamic quantities from angiographic data
GB2519909A (en) * 2012-08-10 2015-05-06 Vita Sentry Ltd Estimations of equivalent inner diameter of arterioles
US10433740B2 (en) 2012-09-12 2019-10-08 Heartflow, Inc. Systems and methods for estimating ischemia and blood flow characteristics from vessel geometry and physiology
US10398386B2 (en) 2012-09-12 2019-09-03 Heartflow, Inc. Systems and methods for estimating blood flow characteristics from vessel geometry and physiology
US9943233B2 (en) 2012-10-24 2018-04-17 Cathworks Ltd. Automated measurement system and method for coronary artery disease scoring
US10595807B2 (en) 2012-10-24 2020-03-24 Cathworks Ltd Calculating a fractional flow reserve
US9858387B2 (en) * 2013-01-15 2018-01-02 CathWorks, LTD. Vascular flow assessment
US10210956B2 (en) 2012-10-24 2019-02-19 Cathworks Ltd. Diagnostically useful results in real time
JP6358590B2 (ja) * 2013-08-09 2018-07-18 富士通株式会社 血管データ生成装置、血管データ生成方法、および血管データ生成プログラム
US9805463B2 (en) * 2013-08-27 2017-10-31 Heartflow, Inc. Systems and methods for predicting location, onset, and/or change of coronary lesions
US9462954B2 (en) * 2013-09-04 2016-10-11 Siemens Aktiengesellschaft Method and system for blood flow velocity reconstruction from medical images
US9788807B2 (en) 2013-09-06 2017-10-17 Koninklijke Philips N.V. Processing apparatus for processing cardiac data
US10595806B2 (en) 2013-10-22 2020-03-24 Koninklijke Philips N.V. Fractional flow reserve (FFR) index with adaptive boundary condition parameters
US9092743B2 (en) 2013-10-23 2015-07-28 Stenomics, Inc. Machine learning system for assessing heart valves and surrounding cardiovascular tracts
EP3061015A2 (en) 2013-10-24 2016-08-31 Cathworks Ltd. Vascular characteristic determination with correspondence modeling of a vascular tree
EP3066597A1 (en) 2013-11-08 2016-09-14 Piskin, Senol Operation scenario flow and mechanical modeling and analysis system of cardiovascular repair operations for newborn and foetus
CN105792738B (zh) 2013-12-04 2020-03-13 皇家飞利浦有限公司 用于改善功能狭窄分析的局部ffr估计和可视化
US20150164451A1 (en) * 2013-12-18 2015-06-18 Heartflow, Inc. Systems and methods for predicting coronary plaque vulnerability from patient-specific anatomic image data
JP6835587B2 (ja) * 2014-02-19 2021-02-24 コーニンクレッカ フィリップス エヌ ヴェＫｏｎｉｎｋｌｉｊｋｅ Ｐｈｉｌｉｐｓ Ｎ．Ｖ． 医用４ｄイメージングにおける動き適応型可視化
JP6262027B2 (ja) 2014-03-10 2018-01-17 東芝メディカルシステムズ株式会社 医用画像処理装置
JP2015171486A (ja) * 2014-03-12 2015-10-01 国立大学法人大阪大学 血流解析システムおよび血流解析プログラム
US9390232B2 (en) * 2014-03-24 2016-07-12 Heartflow, Inc. Systems and methods for modeling changes in patient-specific blood vessel geometry and boundary conditions
US9785746B2 (en) * 2014-03-31 2017-10-10 Heartflow, Inc. Systems and methods for determining blood flow characteristics using flow ratio
US10354349B2 (en) 2014-04-01 2019-07-16 Heartflow, Inc. Systems and methods for using geometry sensitivity information for guiding workflow
US9773219B2 (en) 2014-04-01 2017-09-26 Heartflow, Inc. Systems and methods for using geometry sensitivity information for guiding workflow
US9595089B2 (en) * 2014-05-09 2017-03-14 Siemens Healthcare Gmbh Method and system for non-invasive computation of hemodynamic indices for coronary artery stenosis
JP2015217113A (ja) * 2014-05-16 2015-12-07 株式会社東芝 血管解析装置、医用画像診断装置、血管解析方法及び血管解析プログラム
US10258303B2 (en) 2014-06-30 2019-04-16 Koninklijke Philips N.V. Apparatus for determining a fractional flow reserve value
US10130266B2 (en) 2014-06-30 2018-11-20 Siemens Healthcare Gmbh Method and system for prediction of post-stenting hemodynamic metrics for treatment planning of arterial stenosis
US9888968B2 (en) 2014-07-22 2018-02-13 Siemens Healthcare Gmbh Method and system for automated therapy planning for arterial stenosis
US9195801B1 (en) 2014-08-05 2015-11-24 Heartflow, Inc. Systems and methods for treatment planning based on plaque progression and regression curves
US9594876B2 (en) 2014-11-04 2017-03-14 Heartflow, Inc. Systems and methods for simulation of occluded arteries and optimization of occlusion-based treatments
US9349178B1 (en) 2014-11-24 2016-05-24 Siemens Aktiengesellschaft Synthetic data-driven hemodynamic determination in medical imaging
US20160203289A1 (en) 2015-01-14 2016-07-14 Heartflow, Inc. Systems and methods for embolism prediction using embolus source and destination probabilities
DE102015202286A1 (de) 2015-02-10 2016-08-11 Siemens Healthcare Gmbh Verfahren zur Erzeugung eines Fertigungsmodells für ein medizinisches Implantat
US10478130B2 (en) 2015-02-13 2019-11-19 Siemens Healthcare Gmbh Plaque vulnerability assessment in medical imaging
EP3062248A1 (en) * 2015-02-27 2016-08-31 Pie Medical Imaging BV Method and apparatus for quantitative flow analysis
EP3937186A1 (en) * 2015-04-10 2022-01-12 HeartFlow, Inc. System and method for vascular tree generation using joint prior information
WO2016182508A1 (en) * 2015-05-12 2016-11-17 Singapore Health Services Pte Ltd Medical image processing methods and systems
KR101977294B1 (ko) * 2015-06-05 2019-05-10 서울대학교산학협력단 전산유체역학을 이용한 기관지 분석 방법 및 그 장치
US10872698B2 (en) * 2015-07-27 2020-12-22 Siemens Healthcare Gmbh Method and system for enhancing medical image-based blood flow computations using physiological measurements
WO2017021201A1 (en) 2015-08-05 2017-02-09 Koninklijke Philips N.V. Assistance device and method for an interventional hemodynamic measurement
JP6818492B2 (ja) 2015-10-05 2021-01-20 キヤノンメディカルシステムズ株式会社 画像処理装置、画像処理方法、及びプログラム
WO2017060106A1 (en) * 2015-10-07 2017-04-13 Koninklijke Philips N.V. Mobile ffr simulation
WO2017076620A1 (en) 2015-11-05 2017-05-11 Koninklijke Philips N.V. Collateral flow modelling for non-invasive fractional flow reserve (ffr)
CN108475540B (zh) 2015-11-10 2022-02-22 哈特弗罗公司 用于使用来自过程的信息进行解剖建模的系统和方法描述
EP3380968B1 (en) 2015-11-23 2021-04-28 HeartFlow, Inc. Systems and methods for assessing organ and/or tissue transplantation by simulating one or more transplant characteristics
WO2017093337A1 (en) 2015-12-02 2017-06-08 Siemens Healthcare Gmbh Personalized assessment of patients with acute coronary syndrome
KR101954272B1 (ko) * 2016-01-28 2019-03-05 연세대학교 산학협력단 유체-구조 상호작용을 고려한 협착 병변 영역의 혈류역학 시뮬레이션 방법
CN109074870B (zh) 2016-02-26 2021-12-21 哈特弗罗公司 用于对未分辨血管进行识别和建模的系统和方法
DE102016203860A1 (de) * 2016-03-09 2017-09-14 Siemens Healthcare Gmbh Vorrichtung und Verfahren zum Ermitteln zumindest eines individuellen fluiddynamischen Kennwerts einer Stenose in einem mehrere serielle Stenosen aufweisenden Gefäßsegment
US10971271B2 (en) * 2016-04-12 2021-04-06 Siemens Healthcare Gmbh Method and system for personalized blood flow modeling based on wearable sensor networks
EP4241694A3 (en) 2016-05-16 2023-12-20 Cathworks Ltd. Selection of vascular paths from images
EP3457930B1 (en) 2016-05-16 2023-11-15 Cathworks Ltd. System for vascular assessment
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
WO2018018033A1 (en) * 2016-07-22 2018-01-25 Cornell University Rapid prototyping and in vitro modeling of patient-specific coronary artery bypass grafts
CN106308838B (zh) * 2016-08-29 2019-06-07 于洋 一种ct图像处理装置
EP3512416B1 (en) * 2016-09-16 2023-11-08 Koninklijke Philips N.V. Apparatus and method for determining a fractional flow reserve
WO2018057529A1 (en) 2016-09-20 2018-03-29 Heartflow, Inc. System and methods for estimation of blood flow characteristics using reduced order model and machine learning
WO2018089413A1 (en) * 2016-11-08 2018-05-17 President And Fellows Of Harvard College Methodology and apparatus for simulation of medical devices
CN106361429B (zh) * 2016-11-10 2018-09-11 西安电子科技大学 借助3d打印实现先心病手术方案术前评估装置和方法
EP3555778B1 (en) * 2016-12-15 2020-10-21 Sintef TTO AS Method and process for providing a subject-specific computational model used for decision support and making diagnosis of cardiovascular diseases
CN108122616B (zh) * 2016-12-28 2020-12-25 北京昆仑医云科技有限公司 个体特异性的心血管模型的生成方法及其应用
WO2018133118A1 (zh) 2017-01-23 2018-07-26 上海联影医疗科技有限公司 血流状态分析系统及方法
JP7181216B2 (ja) * 2017-03-31 2022-11-30 コーニンクレッカ フィリップス エヌ ヴェ 経カテーテル大動脈弁移植術（ｔａｖｉ）が冠血流量及び冠動脈圧に及ぼす影響のシミュレーション
WO2018184779A1 (en) 2017-04-06 2018-10-11 Koninklijke Philips N.V. Coronary artery disease metric based on estimation of myocardial microvascular resistance from ecg signal
CN107411819B (zh) * 2017-04-12 2021-08-10 上海大学 球囊血管成形手术过程实时模拟方法
WO2018202899A1 (en) * 2017-05-04 2018-11-08 Koninklijke Philips N.V. System and method for concurrent visualization and quantification of wall shear stress in blood vessels
US10909676B2 (en) * 2017-07-12 2021-02-02 Siemens Healthcare Gmbh Method and system for clinical decision support with local and remote analytics
CN110998744B (zh) 2017-08-01 2024-04-05 西门子医疗有限公司 针对弥漫性和串联性病变中冠状动脉疾病的非侵入性评估和治疗指导
JP2020536620A (ja) * 2017-10-06 2020-12-17 エモリー ユニバーシティー １つ以上の動脈セグメントの血行動態情報を決定するための方法およびシステム
EP3494893A1 (en) * 2017-12-05 2019-06-12 Koninklijke Philips N.V. Ultrasound imaging system and method
US11605447B2 (en) 2017-10-27 2023-03-14 Siemens Healthcare Gmbh Intelligent agents for patient management
EP3489893B1 (en) * 2017-11-22 2020-06-24 Siemens Healthcare GmbH Method and system for assessing a haemodynamic parameter
JP6530043B2 (ja) * 2017-12-12 2019-06-12 キヤノンメディカルシステムズ株式会社 医用画像処理装置、医用画像処理方法および記録媒体
US11341645B2 (en) 2018-03-09 2022-05-24 Emory University Methods and systems for determining coronary hemodynamic characteristic(s) that is predictive of myocardial infarction
US11389130B2 (en) 2018-05-02 2022-07-19 Siemens Healthcare Gmbh System and methods for fast computation of computed tomography based fractional flow reserve
EP3803900A1 (en) * 2018-05-31 2021-04-14 André Bernard Microfluidic coronary circulatory model
US11083377B2 (en) * 2018-06-15 2021-08-10 Pie Medical Imaging B.V. Method and apparatus for quantitative hemodynamic flow analysis
KR102078622B1 (ko) * 2018-06-28 2020-04-07 연세대학교 산학협력단 협착 병변의 수학적 모델링을 이용한 심혈관 정보 결정 방법
KR102189311B1 (ko) * 2018-08-21 2020-12-09 두산중공업 주식회사 학습된 모델을 이용한 해석 장치 및 이를 위한 방법
KR102138227B1 (ko) * 2018-08-21 2020-07-27 두산중공업 주식회사 유동 해석을 최적화하기 위한 장치 및 이를 위한 방법
EP3613351A1 (en) * 2018-08-22 2020-02-26 Koninklijke Philips N.V. Coronary circulation using intra-cardiac echo
GB201820044D0 (en) * 2018-10-29 2019-01-23 Univ Oxford Innovation Ltd Radiomic signature of an epicardial region
US11682320B2 (en) 2018-09-21 2023-06-20 Mentice, Ab Cardiac simulation device
JP7162934B2 (ja) * 2018-11-13 2022-10-31 スーチョウ レインメド メディカル テクノロジー カンパニー リミテッド 造影画像に基づき血管評定パラメータを取得する方法、装置及びシステム
US10964017B2 (en) * 2018-11-15 2021-03-30 General Electric Company Deep learning for arterial analysis and assessment
JP7233209B2 (ja) * 2018-12-03 2023-03-06 朝日インテック株式会社 心臓シミュレータ
CN109700574B (zh) * 2018-12-21 2021-01-05 北京工业大学 一种基于ct影像数据制备钙化主动脉瓣的方法
CN109700475B (zh) * 2018-12-27 2021-01-08 浙江大学 一种冠脉搭桥参数的确定方法、装置、设备和存储介质
CN109872336B (zh) * 2019-03-13 2021-07-09 数坤(北京)网络科技股份有限公司 一种血管分割方法、设备及计算机存储介质
US10861157B2 (en) 2019-04-04 2020-12-08 Medtronic Vascular, Inc. System and methods for determining modified fractional flow reserve values
US11357573B2 (en) 2019-04-25 2022-06-14 International Business Machines Corporation Optimum treatment planning during coronary intervention by simultaneous simulation of a continuum of outcomes
JP6751178B2 (ja) * 2019-05-14 2020-09-02 キヤノンメディカルシステムズ株式会社 医用画像処理装置、医用画像処理方法および記録媒体
CN110368087B (zh) * 2019-06-06 2021-01-08 中国人民解放军北部战区总医院 一种信息处理方法和装置、及可读存储介质
CN110310744B (zh) * 2019-06-10 2021-12-24 暨南大学 窦房结虚拟生理组织的构建方法、存储介质和计算设备
KR102130254B1 (ko) * 2019-10-15 2020-07-03 주식회사 실리콘사피엔스 대상자 고유의 혈관에 대한 혈류 시뮬레이션 방법 및 장치
US11026749B1 (en) 2019-12-05 2021-06-08 Board Of Regents Of The University Of Nebraska Computational simulation platform for planning of interventional procedures
DE102020200750A1 (de) * 2020-01-22 2021-07-22 Siemens Healthcare Gmbh Bereitstellen eines Blutflussparametersatzes einer Gefäßmalformation
CN111616678B (zh) * 2020-04-17 2023-04-14 清华大学 一种基于智能冠状动脉支架的再狭窄监测装置及方法
US11538153B2 (en) * 2020-08-31 2022-12-27 Huidan Yu Non-invasive functional assessment technique for determining hemodynamic severity of an arterial stenosis
CN112617791B (zh) * 2020-12-22 2022-09-20 杭州晟视科技有限公司 一种模拟血管搏动的方法、装置及存储介质
WO2022136688A1 (en) * 2020-12-23 2022-06-30 Flowreserve Labs S.L. Non-invasive method for determining a vessel damage indicator
CN112950537A (zh) * 2021-01-26 2021-06-11 上海友脉科技有限责任公司 一种冠脉血流储备分数获取系统、方法及介质
US20220378506A1 (en) * 2021-05-27 2022-12-01 Board Of Regents Of The University Of Nebraska Patient-specific computational simulation of coronary artery bypass grafting
CN113648059B (zh) * 2021-08-26 2023-09-29 上海联影医疗科技股份有限公司 手术规划评估方法、计算机设备和存储介质
CN113658701A (zh) * 2021-08-26 2021-11-16 上海联影医疗科技股份有限公司 术后评估方法、计算机设备和存储介质

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1914617A (zh) * 2004-02-03 2007-02-14 美国西门子医疗解决公司 与心脏有关的疾病和病症的自动诊断和决策支持系统和方法
US20090281423A1 (en) * 2008-05-09 2009-11-12 General Electric Company Determining mechanical force on aneurysms from a fluid dynamic model driven by vessel blood flow information
US20110060576A1 (en) * 2009-09-08 2011-03-10 Siemens Corporation Method and System for Computational Modeling of the Aorta and Heart
US20110071404A1 (en) * 2009-09-23 2011-03-24 Lightlab Imaging, Inc. Lumen Morphology and Vascular Resistance Measurements Data Collection Systems, Apparatus and Methods
US20110112808A1 (en) * 2008-02-04 2011-05-12 Iain Alexander Anderson Integrated-model musculoskeletal therapies

Family Cites Families (21)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE10026666A1 (de) 2000-05-29 2001-12-20 Gunther Burgard Verwendung von Hyaluronidase zur Prophylaxe und Behandlung von Herz-Kreislauf-Erkrankungen
EP1965703B1 (en) 2005-12-20 2017-06-07 Philips Intellectual Property & Standards GmbH Reconstruction unit for reconstructing a fine reproduction of at least a part of an object
US7860290B2 (en) 2006-04-21 2010-12-28 Siemens Medical Solutions Usa, Inc. Three-dimensional (3D) modeling of coronary arteries
US7953266B2 (en) 2007-02-06 2011-05-31 Siemens Medical Solutions Usa, Inc. Robust vessel tree modeling
US8098918B2 (en) 2007-09-21 2012-01-17 Siemens Corporation Method and system for measuring left ventricle volume
WO2009064715A1 (en) 2007-11-14 2009-05-22 Auckland Uniservices Limited Method for multi-scale meshing of branching biological structures
JP5089514B2 (ja) 2008-07-11 2012-12-05 キヤノン株式会社 撮像装置、及び撮像システム
US8200466B2 (en) 2008-07-21 2012-06-12 The Board Of Trustees Of The Leland Stanford Junior University Method for tuning patient-specific cardiovascular simulations
US8582854B2 (en) * 2008-09-15 2013-11-12 Siemens Aktiengesellschaft Method and system for automatic coronary artery detection
US9405996B2 (en) * 2008-09-18 2016-08-02 Siemens Aktiengesellschaft Method and system for generating a personalized anatomical heart model
US9405886B2 (en) 2009-03-17 2016-08-02 The Board Of Trustees Of The Leland Stanford Junior University Method for determining cardiovascular information
US9715637B2 (en) 2009-03-18 2017-07-25 Siemens Healthcare Gmbh Method and system for automatic aorta segmentation
US8526699B2 (en) 2010-03-12 2013-09-03 Siemens Aktiengesellschaft Method and system for automatic detection and classification of coronary stenoses in cardiac CT volumes
US20110270051A1 (en) * 2010-05-03 2011-11-03 Morteza Naghavi Cardiovascular Disease Screening Method and Apparatus
US8682626B2 (en) 2010-07-21 2014-03-25 Siemens Aktiengesellschaft Method and system for comprehensive patient-specific modeling of the heart
US8315812B2 (en) 2010-08-12 2012-11-20 Heartflow, Inc. Method and system for patient-specific modeling of blood flow
US8157742B2 (en) 2010-08-12 2012-04-17 Heartflow, Inc. Method and system for patient-specific modeling of blood flow
DE102010039312B4 (de) 2010-08-13 2020-02-13 Siemens Healthcare Gmbh Verfahren zur Simulation eines Blutflusses
US9119540B2 (en) 2010-09-16 2015-09-01 Siemens Aktiengesellschaft Method and system for non-invasive assessment of coronary artery disease
DE102010043849B3 (de) 2010-11-12 2012-02-16 Siemens Aktiengesellschaft Vorrichtung und Computertomograph zur Bestimmung und Darstellung der Durchblutung des Herzmuskels
US9141763B2 (en) 2011-02-07 2015-09-22 Siemens Aktiengesellschaft Method and system for patient-specific computational modeling and simulation for coupled hemodynamic analysis of cerebral vessels

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1914617A (zh) * 2004-02-03 2007-02-14 美国西门子医疗解决公司 与心脏有关的疾病和病症的自动诊断和决策支持系统和方法
US20110112808A1 (en) * 2008-02-04 2011-05-12 Iain Alexander Anderson Integrated-model musculoskeletal therapies
US20090281423A1 (en) * 2008-05-09 2009-11-12 General Electric Company Determining mechanical force on aneurysms from a fluid dynamic model driven by vessel blood flow information
US20110060576A1 (en) * 2009-09-08 2011-03-10 Siemens Corporation Method and System for Computational Modeling of the Aorta and Heart
US20110071404A1 (en) * 2009-09-23 2011-03-24 Lightlab Imaging, Inc. Lumen Morphology and Vascular Resistance Measurements Data Collection Systems, Apparatus and Methods

Non-Patent Citations (7)

* Cited by examiner, † Cited by third party
Title
H.J.KIM等: "Patient-specific modeling of blood flow and pressure in human coronary arteries", 《ANNALS OF BIOMEDICAL ENGINEERING》 *
H.J.KIM等: "Patient-specific modeling of blood flow and pressure in human coronary arteries", 《ANNALS OF BIOMEDICAL ENGINEERING》, 31 October 2010 (2010-10-31), pages 3195 - 3209 *
JOHN F LADISA等: "Alterations in regional vascular geometry produced by theoretical stent implantation influence distributions of wall shear stress:analysis of a curved coronary artery using 3D computational fluid dynamics modeling", 《BIOMEDICAL ENGINEERING ONLINE20065:40》 *
JOHN F LADISA等: "Alterations in regional vascular geometry produced by theoretical stent implantation influence distributions of wall shear stress:analysis of a curved coronary artery using 3D computational fluid dynamics modeling", 《BIOMEDICAL ENGINEERING ONLINE20065:40》, 16 June 2006 (2006-06-16), pages 1 - 11 *
LUCA FORMAGGIA等: "Multiscale modelling of the circulatory system：A preliminary analysis", 《COMPUTERING AND VISUALIZATION IN SCIENCE》 *
LUCA FORMAGGIA等: "Multiscale modelling of the circulatory system：A preliminary analysis", 《COMPUTERING AND VISUALIZATION IN SCIENCE》, 31 December 1999 (1999-12-31), pages 75 - 83, XP055415329 *
郑泰胜: "冠状与系统循环血动力学关系的模型研究", 中国生物医学工程学报, no. 02 *

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111241759A (zh) * 2020-01-13 2020-06-05 北京工业大学 一种基于零维血流动力学模型的ffr快速计算系统模型
CN111241759B (zh) * 2020-01-13 2024-03-26 北京工业大学 一种基于零维血流动力学模型的ffr快速计算方法
CN111317455A (zh) * 2020-03-03 2020-06-23 上海联影医疗科技有限公司 血流动力学参数确定方法、装置、设备及存储介质
WO2021174992A1 (en) * 2020-03-03 2021-09-10 Shanghai United Imaging Healthcare Co., Ltd. Systems and methods for determining hemodynamic parameters
CN111317455B (zh) * 2020-03-03 2022-02-22 上海联影医疗科技股份有限公司 血流动力学参数确定方法、装置、设备及存储介质

Also Published As

Publication number Publication date
BR112014011342A2 (pt) 2017-05-02
US10162932B2 (en) 2018-12-25
JP2014534889A (ja) 2014-12-25
KR20140091741A (ko) 2014-07-22
JP5980942B2 (ja) 2016-08-31
IN2014CN03423A (zh) 2015-07-03
US20130132054A1 (en) 2013-05-23
CN104081401A (zh) 2014-10-01
EP2776960B1 (en) 2021-09-01
CN110085321B (zh) 2023-10-27
WO2013071219A1 (en) 2013-05-16
EP2776960A1 (en) 2014-09-17

Similar Documents

Publication Publication Date Title
CN110085321A (zh) 对冠脉循环进行多尺度的解剖学和功能建模的方法和系统
EP3043276B1 (en) Personalized whole-body circulation in medical imaging
CN105380598B (zh) 用于针对动脉狭窄的自动治疗规划的方法和系统
US8527251B2 (en) Method and system for multi-component heart and aorta modeling for decision support in cardiac disease
US10299862B2 (en) Three-dimensional quantitative heart hemodynamics in medical imaging
US7828735B2 (en) Methods for providing diagnostic information using endocardial surface data for a patient's heart
ES2704080T3 (es) Dispositivo de simulación biométrica, método para controlar el dispositivo de simulación biométrica, y programa para controlar el dispositivo de simulación biométrica
US10373700B2 (en) Non-invasive functional assessment of coronary artery stenosis including simulation of hyperemia by changing resting microvascular resistance
US8224640B2 (en) Method and system for computational modeling of the aorta and heart
CN102525443B (zh) 用于基于医学图像数据对心血管循环建模的方法和设备
CN108665449B (zh) 预测血流矢量路径上的血流特征的深度学习模型及装置
ES2963697T3 (es) Modelización específica de paciente de parámetros hemodinámicos en arterias coronarias
US11844645B2 (en) Diagnostic, monitoring, and predictive tool for subjects with complex valvular, vascular and ventricular diseases
CN114664455A (zh) 一种冠状动脉血流储备分数计算方法及装置
WO2022064445A1 (en) Automated method for identifying and indicating to an operator pathological risk regions in at least one part of a patient's cardiovascular system by means of the reconstruction of an augmented reality of morphology and hemodynamics
Meiburg et al. Model-based aortic power transfer: a potential measure for quantifying aortic stenosis severity based on measured data
Ghista Cardiology Science and Technology
Saitta 4D flow MRI-based non-invasive hemodynamic assessment and diagnosis in aortic coarctations
JP2023081750A (ja) 血圧予測装置
CN117828917A (zh) 通过无创方式实现个体化评估患者冠状动脉ffr的方法
Baličević et al. Atlas construction for cardiac velocity profiles segmentation using a lumped computational model of circulatory system
Palau-Caballero et al. Atlas Construction for Cardiac Velocity Profiles Segmentation Using a Lumped Computational Model of Circulatory System
GHIDELLI Patient specific cardiac computational models based on echocardiographic images for patients affected by left ventricle dysfunction
Pathania Heart Wall Displacement Modeling Project
Liffey From physiology to clinics: clinical applications of multiscale modelling of the heart

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