CN110268478A

CN110268478A - 提供用于心血管疾病的决策支持和诊断的受试者特异性计算模型的方法和过程

Info

Publication number: CN110268478A
Application number: CN201680092076.9A
Authority: CN
Inventors: 西格丽德·卡斯塔德·达尔; 斯蒂格·乌尔海姆; 帕尔·斯捷列; 约翰·克里斯蒂安·莫鲁; 乔希普·佐里卡
Original assignee: Sintef Tto AS
Current assignee: Sintef Tto AS
Priority date: 2016-12-15
Filing date: 2016-12-15
Publication date: 2019-09-20
Anticipated expiration: 2036-12-15
Also published as: JP2020502681A; CN110268478B; EP3555778A1; WO2018108276A1; EP3555778B1; JP7021224B2; ES2836104T3

Abstract

本发明涉及用于模拟血流和/或结构特征的心血管系统中至少一个组件的受试者特异性模拟模型。该模拟模型能够用作心血管诊断和/或治疗计划的工具。本发明还涉及心血管系统的无创医学成像，可以检测和分级与解剖学和生理学异常相关的病理学。通过将计算流体动力学(CFD)和/或流体结构相互作用(FSI)算法与医学成像如例如超声、MRI或CT相结合，重建心血管系统中的组件如泵血心脏的受试者特异性模拟模型。这样的模型能够描述所述复杂的流动现象，并提供仅通过医学成像无法实现的水平的流动细节。本发明提供的所述受试者特异性模型是用于临床决策的工具，是健康护理专业人员在手术前作出决断的客观支持。因此，所述模拟模型提供了对心脏血流的外科手术干预结果的新见解。

Description

提供用于心血管疾病的决策支持和诊断的受试者特异性计算模型的方法和过程

技术领域

本发明涉及用于提供用于模拟血流和/或结构特征的心血管系统中的至少一个组件的受试者特异性计算模型的方法。所提供的模型能够用于提供决策支持以使诊断能够更精确以及用于心血管疾病的治疗，包括生产和替换心血管系统的定制器件。

背景技术

因为预计未来几十年内老年人口将会急剧增加，包括心脏瓣膜病(valvularheart disease)(VHD)在内的心血管疾病(Cardiovascular disease)(CVD)被称为下一代心脏流行病。假设65岁以上年龄组中VHD患病率为约10％，则到2030年欧洲将出现超过1000万的中-重度VHD新病例。二尖瓣返流(Mitral valve regurgitation)(MVR)占所有心脏瓣膜病的约三分之一，而最佳治疗方法是瓣膜修复。然而，约10％～15％的患者在手术后5～10年就遭受失效。失效对以下两者都具有巨大影响：对可能需要再次手术的各体患者而言具有更高发病率和死亡率以及对社会而言会增加健康成本。基于专家判断的治疗替代方案的最终决定，以及是否进行瓣膜修复或更换可能是高度主观的。与替换相比，修复的数量和比例在一个心脏中心与另一个心脏中心之间可能存在显著差异。这也是进入重建类型时出现的问题，因为很少有研究可用，而且缺乏基于证据的建议。

心脏负责泵送血液通过循环系统。在过去的几年里，人们对心脏的解剖学和生理学已经进行了彻底的研究。

所述系统分为两个单独的循环回路(circuit)，称为体循环回路和肺循环回路。心脏能够视为双联泵(double pump)，其中所述心脏的右侧将脱氧血液泵入肺循环，而左侧心脏泵送含氧血液通过体循环。

在肺循环中，脱氧血液从腔静脉进入右心房(RA)，由此流入右心室(RV)，所述右心室收缩并迫使血液通过肺动脉并进入肺部。肺中的血液被氧化之后通过肺静脉(PV)返回左心房(LA)。血液现在已进入体循环。左心房引导血液进入左心室(LV)，左心室是最强大的腔室。所述心室将血液喷射到主动脉中，然后主动脉通过血管网络将血液分布到全身，然后腔静脉将血液带回右心房，在那里重新开始该过程。

心动周期

在一次心跳期间心脏中发生的事件序列称为心动周期(cardiac cycle)。对于右心和左心而言，这些事件几乎同时发生。成人的典型静息心率为60～90次/分钟(bpm)。与不活动的人相比，身体健康的人具有较低的心率。

每次心跳通常分为两个主要阶段：心脏收缩和心脏舒张。心脏收缩和心脏舒张分别与心肌的收缩和松弛同义。心房和心室在每次心跳时都会经历这两个阶段，但当我们单独提到术语心脏舒张期和心脏收缩期时，我们通常是指心室的那些阶段。

为了更详细地分析这些事件，心动周期可以分为多个阶段。从心室观察，可以考虑七个阶段：

第1阶段：心房收缩(Atrial contraction)；阶段2：等容收缩(Isovolumetriccontraction)；阶段3-4：快速而减少的喷射(Rapid and reduced ejection)；阶段5：等容舒张(Isovolumetric relaxation)；阶段6-7：快速而减少的充盈(Rapid and reducedfilling)。

这些事件的时间能够参见图1，图1显示了在一个心动周期期间左心中发生的各种事件的时间(改编自Rooke和Sparks Jr.[T.W.Rooke and H.V.Sparks Jr.The CardiacPump,chapter 14,pages 237–251.Lippincott；Williams&Wilkins,2003].)

二尖瓣器件

二尖瓣(mitral valve)，也称为二尖瓣膜(bicuspid valve)，需要其所有组件才能正常工作。所述组件为所述二尖瓣环(mitral annulus)、所述两个二尖瓣小叶(the twomitral valve leaflets)、所述乳头肌(papillary muscles)(PMs)和腱索(chordaetendineae)(缩写为腱索(chordae))，它们一起被称为二尖瓣器件。所述PMs和腱索被称为下瓣膜器件(subvalvular apparatus)。

二尖瓣环是纤维组织的环，其围绕并支撑二尖瓣孔并锚固两个小叶。体内正常的二尖瓣孔面积范围为5.0～11.4cm²(平均7.6±1.9cm²)。所述环的形状近似于双曲抛物面，通常被描述为三维鞍座。研究表明，所述瓣环的鞍形可能在优化腱索力分布和减少小叶应力方面发挥重要作用。

所述二尖瓣由两个小叶组成；前叶(the anterior leaflet)和后叶(theposterior leaflet)。它们的尺寸和周长完全不同。前叶与主动脉相邻并占据环形圆周的三分之一，而后叶占据其余部分。

前叶是最大的，并且所述叶实际上足够大从而覆盖了单独的所述二尖瓣孔。所述后叶具有更多的支撑作用，而其运动更受腱索(tendinous cord)约束。在心室充盈期间，所述柔软小叶顺从并折叠到所述心室中，允许血液自由通过。在心室收缩期间，所述瓣膜关闭；然后所述小叶将朝着彼此折叠，形成密封。这种密封称为接合区(coaptation zone)。当从尖端到接合结束的位置测量的所述接合长度超过7～8毫米时，所述瓣膜通常是胜任的(competent)，并且将不会有反流(regurgitation)。

由所述乳头肌和腱索组成的下瓣膜器件完全位于所述左心室(LV)中。

所述LV中有两个乳头肌；所述前侧乳头肌(anterolateral)和后中乳头肌(posteromedial)。所述PMs是从心室游离壁(ventricular free wall)向上延伸并进入所述LV腔的锥形肌肉。腱索是线状纤维状结构，其从所述PMs的尖端终止并插入二尖瓣小叶的心室表面。两个所述PMs都有与两个小叶的腱索附着物。所述腱索分成分支。存在由所述PMs产生的约15～32个主要腱索干管(major chordal trunk)，在另一端，约100个单独腱索附连至所述两个小叶。

所述下瓣膜器件的主要功能是在所述心室收缩时防止瓣膜小叶外突(evert)到所述心房中。在心脏收缩期间，所述PMs收缩以收紧腱索。由小叶施加于所述腱索上的力随后传递到所述PMs，因此它们在LV收缩期间在二尖瓣的负荷承载中具有重要作用。在心脏收缩期间，PMs尖端和二尖瓣环之间的距离近似恒定。在心脏舒张期间，所述PMs松弛并伸长。

血流

人们已经进行了许多尝试以开发血液的一般性构成方程(general constitutiveequation)。然而，仍然不存在涵盖所有相关的生理血流方案的理论可靠性模型。关于血液的运动和有关力的研究通常被称为血液动力学。

血液是多组分介质，由悬浮于液体中的细胞和细胞碎片组成。这种液体被称为血浆，占血液总量的55％左右。血浆由91.5％的水、7％的蛋白和1.5％的其他溶质组成。剩余的45％的血量由不同的血液细胞(也称为血细胞)组成。所述三种主要的血细胞是红细胞(RBCs)、白细胞(WBCs)和称为血小板的细胞碎片。在生理条件下，WBCs和血小板分别仅占总细胞体积的1/600和1/800，即所述RBCs占细胞血量的大部分。全血中RBCs的体积分数称为血细胞比容水平(hematocrit level)。

单独的血浆表现得像牛顿流体(Newtonian fluid)，在37℃下的动态粘度为1.2×10^-3kg/(m·s)。所述术语“动态粘度”是指表征流体流动的摩擦阻力的性质。然而，由于细胞含量高，全血表现得像非牛顿流体。心血管系统是血管网络，其几何形状从毛细血管网络中的最小血管至较大的心脏腔室变化。因此，在血液流动的环境方面，表征血液动力学特性是有用的。在最小的血管中，内径与RBCs大小大致相同，范围为4～8μm。当血液流过这些血管时，所述RBCs必须被挤压和变形并呈一纵列(in single file)移动。然后，所述血液能够表征为高度非牛顿流体。然而，在最大的动脉和心脏腔室中，由于尺寸较大，所述非牛顿效应较弱。然后所述血液能够视为具有牛顿特性的均匀流体，即粘度系数恒定。在正常生理条件下大血管中血液的动态粘度为3.5×10^-3kg/(m·s)。另一个常见的假设是血液是不可压缩的液体。不可压缩性的假设来自以下事实：密度不受生理学中涉及的压力范围内的压力的影响。所述密度假设处于1050～1060kg/m³的范围内，这主要取决于血细胞比容。

为了改进心脏组件，例如，在心脏瓣膜的修复或更换的通畅性，需要一种可靠且准确的方法提供模拟特定人的血流和/或结构特征的至少一个心脏组件的计算模型。在本公开中，这种模型被称为受试者特异性的计算模型。

生物力学问题多数通常是多学科的，并可能涉及来自如流体力学、结构力学、电子力学、科学计算、数学建模等多个领域的要素。

计算心脏建模和模拟也不例外。心脏是一个高度复杂的器官，其中流动、结构和电学现象是紧密耦连的。电信号触发机械激活，心壁收缩而血液被喷射到肺循环回路和体循环回路中。然而，这不是单向系统，所述血流会影响血管壁力学并且所述组织的变形再次影响电特性。完全整合的模型是解决整体心脏功能的最有前景的工具。然而，在临床上可行的心脏完全耦合生理模型仍然并未存在。为了在更短的时间内进入临床研究，目前更常见的是单独的方法。因此，本发明人尤其关注于心脏左侧的血液动力学。

用于解决涉及流体流动的问题的数字技术通常被称为计算流体动力学或CFD。已经提出不同的方法以创建心脏血流的CFD模型。所有研究都有各种缺点，只有少数模型可以在临床基础上应用。心脏CFD模拟的某些方面进行了介绍并简要地进行了讨论。

CFD方法

心脏血流的数字模拟大致可分为两大类，如图2所示。第一大类，流体结构相互作用或FSI模型，其考虑了流体流与周围组织之间的相互作用。第二大类，几何规定的CFD模型(geometry-prescribed CFD models)，其使用规定的壁运动作为CFD模拟的边界条件。

在FSI模拟中，流体流动对周围结构施加力，然后所述结构将变形并且进而影响所述流体流动。因此，FSI问题包括结构问题和耦合在一起的流动问题。使用整体(monolithic)或分区(partitioned)的方法能够解决所述FSI问题。

图2是图示说明心脏血流的数字模拟能够粗略地分为两个主要类别的流程图。该流程图还概述了用于解决FSI问题的主要技术。

在整体方法中，使用了单一代码同时解出所述结构方程和流动方程。在分区方法中，在单独的代码中解出所述结构方程和流动方程。所述单独的代码可以是内部代码(in-house code)或现有的商业解算器(existing commercial solver)。所述分区方法需要一种耦合算法，它能够以稳定的方式耦连流体和结构系统，并确保在合理量的时间内收敛(convergence)。

正如图2所示，所述分区方法能够进一步分类为隐式(implicit coupling)或显式耦合(explicit coupling)。在隐式(也称为强耦合)分区技术中，在每个时间步长内都执行迭代，直到达到流体和结构之间的平衡。在显式(也称为弱耦合或松散耦合)分区技术中，所述流动方程和结构方程在每个时间步骤内仅求解一次或固定次数。在每个时间步骤内缺少耦合迭代会降低计算成本，但不一定会实现均衡并且所述耦合方案可能变得不稳定。因此，当固体和流体之间的相互作用很弱时，单一的所述显式技术是足够的。如果所述相互作用很强，则需要隐式耦合技术。如果，例如，流体和结构的密度比高，所述流体是不可压缩的或结构非常柔软，则所述相互作用就很强。

在几何学规定的CFD模拟中，所述边界运动是先验(a priori)已知的。因此，所述几何学规定的CFD方法是单向方法，其不考虑与结构的相互作用。这简化了建模，因为不需要能够模拟所述耦合系统的材料模型或数字方案。然而，变形几何结构和能够处理流体域大变形的CFD解算器(solver)是必要的。

变形流体域

传统上，CFD模拟已经在不变形的域中进行。在生物力学问题中，通常情况并非如此。现有多种用于计算变形流体域中的流动方程的技术，例如，固定网格方法(fixed gridmethod)，移动网格方法(moving grid method)和无网格方法(mesh free method)。

所述固定网格方法是一种非边界拟合方法。在流动的动量方程中，通过动量源引入结构的影响。Peskin首先提出了非边界拟合方法，现在称为浸入边界法[C.S.Peskin andD.M.McQueen.A three-dimensional computational method for blood flow in theheart.1.immersed elastic fibers in a viscous incompressible fluid.Journal ofComputational Physics,81:372–405,April 1989.]。另一种类似的方法是Glowinski等人[R.Glowinski,T.-W.Pan,and J.Periaux.A fictitious domain method for dirichletproblem and applications.Computer Methods in Applied Mechanics andEngineering,111:283–303,1994.]描述的虚拟域方法。所述虚拟域方法能够看作是在有限差分(FD)框架(frame)内开发的浸入边界方法的有限元(FE)版本。

固定网格方法的优点在于所述流动解算器能够简单且快速，因为所述流体网格不必变形。然而，主要缺点是流体-结构界面附近的精度损失

所述移动网格方法是边界拟合方法，其中所述流体网格在整个计算过程中随着移动界面移动。一种常见的技术是使用任意拉格朗日-欧拉(Arbitrary Lagrangian-Eulerian)(ALE)公式表示所述移动网格上的Navier-Stokes方程。在所述欧拉公式中，所述网格是固定的，所述材料移动穿过它。在拉格朗日公式中，每个网格点以与其相关材料点相同的速度移动。在ALE公式中，所述网格和材料能够以不同的速度移动。换句话而言，所述网格能够以任意速度变形，不一定以所述流体的速度变形，因此得名。在流体-结构界面处，所述流体网格遵循所述结构的速度。所述界面处产生的网格位移将进而通过某些网格更新方法扩展到所述流体域的其余部分。

在一类主要的无网格方法中，所述流体被离散化为具有给定初始质量和密度的拉格朗日元(element)/包(parcel)。然后，所述元可以相对于彼此自由移动，而无需考虑特定的拓扑(topology)或连接(connectivity)。一个流行的实例是所谓的平滑粒子流体动力学(Smoothed Particle Hydrodynamics)(SPH)[Gingold R.A.,Monaghan J.J.；Smoothedparticle hydrodynamics–Theory and application to non-spherical stars.MonthlyNotices of the Royal Astronomical Society,vol.181,Nov.1977,p.375–389]。然而，当求解所述元的运动时，需要额外的努力跟踪拉格朗日元与之相互作用的相邻颗粒，从而求解所述系统的动量平衡。无网格方法中的拉格朗日元与边界几何形状之间的相互作用也需要额外的关注。这些方法在求解具有动态边界的问题方面显示出巨大的前景[Kulp S.A,Ventricular blood flow simulation and analysis for cardiovasculardiagnostics,PhD dissertation New Brunswick Rutgers,The State University ofNew Jersey,January 2015].

本发明的动机

本发明的目的是使用有助于更好地理解、描述和预测心脏血流的模型和方法。因此，为心脏腔室(heart chamber)提供了计算流体动力学(CFD)方法。为了获得生理学上代表性的模型，能够从医学成像数据得到时变几何形状(time-varying geometries)。

本发明的巨大优点通过选择所述ALE-公式获得，因为能够精确计算所述流体-结构界面处的壁剪切应力。这在心脏CFD模拟中是很重要的，并相比于现有技术构成了优势。

本发明能够概括为心血管系统和血流的受试者特异性模拟模型。例如，所述模拟模型能够用作心血管诊断和评价替代干预的工具。本发明还涉及心血管系统的无创医学成像，使其有可能检测和分级与解剖学和生理学异常相关的病理学。

本发明提供的泵血心脏的受试者特异性模拟模型通过将CFD或流体结构相互作用(FSI)算法与医学成像，例如，超声，MRI或CT进行耦合而重构。这种模型使其有可能理解复杂的流动现象并提供仅通过医学成像无法达到的水平的流动细节。

本发明提供的受试者特异性模型是用于临床决策的工具，是医疗保健专业人员进行诊断和手术前做出决策的客观支持。因此，所述模拟模型提供了对心血管血流的外科手术干预结果的新见解。

发明内容

发明简述

本发明通过用于提供模拟血流和/或结构特征的心血管系统中至少一个组件的受试者特异性计算模型的方法进行定义。该模型包括瞬态几何学，并且通过以下进行创建：

-采集所述至少一个组件的受试者特异性测量数据，和

-基于所述受试者特异性数据生成所述计算模型，并在运行模拟时让所述模型的瞬态几何形状定义所述模型的至少一个边界条件或源项(source item)。

在本发明的一个实施方式中，所述方法包括使用流量和/或压力测量数据获取与心血管系统中至少一个组件相关的流量和/或压力特异性数据。

在本发明的一个实施方式中，所述方法包括通过使用心血管系统中的至少一个组件的时间依赖性运动产生至少一个边界条件或源项，从而确定所述心血管系统中所述至少一个组件的运动间隔。

在本发明的一个实施方式中，所述心血管系统中的至少一个组件是心脏组件。

在本发明的一个实施方式中，所述方法进一步包括使用作为所述心血管系统中的所述至少一个或多个组件的心脏壁、心脏容量、心脏或人工(prosthetic)瓣膜中的至少一部分的时间依赖性运动产生所述至少一个边界条件或源项。

在本发明的一个实施方式中，使用了所述血管壁、血管容量或血管瓣膜中的至少一部分的时间依赖性运动产生至少一个边界条件或源项。

在本发明的一个实施方式中，至少一个心脏泵送器件的时间依赖性运动被用作所述心血管系统中的至少一个或多个部件，用于产生至少一个边界条件或源项。

在本发明的一个实施方式中，所述边界条件在模拟周期期间动态地变化。

在本发明的一个实施方式中，所述源项在模拟周期期间动态地变化。

在本发明的一个实施方式中，所述瞬态几何结构基于医学实时成像数据。

在本发明的一个实施方式中，所述测量数据通过超声心动图(echocardiography)进行采集。

在本发明的一个实施方式中，超声心动图以实时3D形式实施，用于创建时间-依赖性超声测量结果。

在本发明的一个实施方式中，所述血流通过使用计算流体动力学(CFD)方法和/或流体结构相互作用(FSI)方法进行模拟。

在本发明的一个实施方式中，所述模型的结构特征通过计算结构动力学(CSD)和/或FSI方法进行模拟。

在本发明的一个实施方式中，所述模型通过添加受试者特异性数据如血液学和/或组织采样、物理化学数据或受试者-特异性元数据进行创建。

在本发明的一个实施方式中，所述模型通过进一步输入与以下一个或多个相关的数据进行创建：人工心脏瓣膜，心脏泵送器件，血管器件或移植物。

在本发明的实施方式中，所述模型通过与矫正外科手术方案相关的数据进行创建。

本发明的一个实施方式包括收集包括从不同成像模态如磁共振(MR)、X-射线、计算机断层扫描(CT)、正电子发射断层扫描(PET)和超声检查(ultrasonography)获得的医学数据的测量数据。

本发明的一个实施方式包括通过受试者特异性数据与所述心血管系统及其组件的非受试者特异性数据组合而创建所述模型。

本发明的一个实施方式包括将所述模型安排成机器学习模型，用于通过输入以下至少之一而连续地优化治疗规划和/或决策和/或用于诊断目的：先前模拟结果，患者病史和术前、术中或术后效果。

本发明的一个实施方式包括安排所述模型从而选择基于以下一个或多个要进行模拟的程序：来自机器学习系统的建议；不同心血管器件的信息和由职员和/或患者做出的选择。

本发明进一步由使用通过上述方法获得的受试者特异性计算模型进行临床治疗计划和/或诊断目的，术前、术中或术后决策支持的过程进行定义。

在本发明的一个实施方式中，所述过程用于预测医疗方案的结果。

在本发明的另一个实施方式中，所述过程用于设计优化的个体假体设计。

在本发明还有的另一个实施方式中，所述过程用于设计受试者特异性心脏瓣膜和/或心血管器件。

附图说明

现在将参考附图在详细描述中诠释本文描述的主题的优选实施方式。

图1显示了在一个心动周期期间在左心中发生的各种事件的时序，其改编自Rooke和Sparks Jr。

图2是图示说明心脏血流的数字模拟能够粗略分为两个主要组的流程图；

图3显示了所述心动周期的某一瞬间的心内膜LV的闭合3D表面网格。

图4显示了收缩期峰值时所述生理二尖瓣膜的受试者特异性3D模型；

图5显示了所述LV的完整受试者特异性3D模型C_s，包括MV和在完整的心脏收缩期间在不同瞬间的下升主动脉(Aao)的近端部分；

图6显示了为了验证几何结构用原始超声心动图数据对3D模型进行重新比对。

图7显示了具有规定角度θ的AML曲率；

图8显示了在不同角度θ下修正的MV模型；

图9显示了在不同时间步长下所述LV的长轴视图中的速度流线(streamline)；

图10图示说明了所述横截面P1至P5的位置，其中P1处于所述主动脉环的水平，P2位于P1的下游XX cm处。所述Aao的后侧和前侧也描绘于所述图中；

图11显示了分别对于C₅、C₁₅、C₃₀和C₆₀在平面A1和A3处的收缩期峰值(100ms)的速度等高线(contour)。所述速度范围为0～1.5m/s；

图12显示了分别对于C₅、C₁₅、C₃₀和C₆₀在平面A1和A3处280ms时的速度等高线。速度范围为0～0.45m/s；

图13显示了λ₂的等值面(isosurface)的实例。a)：C₆₀，λ₂＝-500，t＝285ms+截面中的速度流线(约y＝0)，b)：C_s，λ₂＝-500，t＝285ms，c)：C₆₀，λ₂＝-500，t＝285ms。

具体实施方式

本发明开辟了产生大量数据的医学成像技术的最新进展，描述了用于提供用于模拟血流和/或结构特征的心血管系统中至少一个组件，例如，心脏组件的受试者特异性计算模型的新方法和过程。这通过处理和后处理成像数据作为用于生成可以用于改进包括心脏瓣膜病(VHD)的心血管疾病(CVD)的诊断和/或计划治疗的计算模型的输入而成为可能。所述计算模型能够用于避免发生更高发病率和增加社会健康成本的失败风险。

此外，所述新技术促进了本发明作为决策支持并帮助设计患者特异性设计器件，例如，瓣膜(为个体优化的治疗，包括手术方案，获得更高的长期存活率和显著降低再次手术的需要而制作)。

如上所述，本发明的目的是使用有助于更好理解心脏血流并能够实现更精确的诊断和治疗计划的模型和方法。因此，为心脏腔室提供了几何学规定的CFD方法。为了获得生理学上代表性的模型，从医学成像数据中得到一些时变几何结构。

定义

以下是贯穿本公开内容而使用的定义列表。

本文中使用的所述术语“计算模型”是指计算科学中能够通过计算机模拟研究复杂系统行为的数学模型。

本文中使用的所述术语“模拟(simulation)”是指模仿现实世界的过程或系统随时间的运行。

本文所用的所述术语“受试者特异性”是指适合于特定个体(患者或健康个体)的某些事物。所述术语“受试者特异性”和“患者特异性”在本文中能够互换使用。

本文中使用的所述术语“非受试者特异性的”是指适用于许多个体的某些事物，比如教科书实例和/或基于特征的统计分析生成的输入数据。

本文所用的所述术语“心脏组件(heart component)”是指心脏的任何部件或组件，如瓣膜，心房，心室，动脉，静脉等。

本文中使用的所述术语“血流”是指血液的运动，例如，通过在时间和空间上血液的速度和压力进行描述。

本文所用的所述术语“结构特征”是指生物结构的天然物理特征。

本文中使用的所述术语“瞬态几何结构(transient geometry)”是指时变(time-varying)的几何形状，例如，由作为时间函数的壁坐标位置进行描述。

本文中使用的所述术语“流量测量”是指使用仪器记录来自流体流动的数据，如记录速度，压力，湍流水平，温度或其他量。

本文中使用的所述术语“边界条件”是指在几何域的边界处或在所述域如流入、流出、壁等之内的内部界面处的所述条件，如速度、压力、温度等。还包括所述几何域的内部和边界处的固体-流体界面处的条件。

本文中使用的所述术语“时间依赖性”是指随时间演变的情况，但包括随着时间保持相同的特殊情况。

本文中使用的所述术语“运动间隔”是指在作为完整心动周期的一部分或完整心动周期的时间间隔期间的运动。

本文中使用的所述术语“驱动压力”是指两个位置之间能够导致运动的压力差。

本文中使用的所述术语“实时”是指数字信号处理(DSP)，其中输入数据进行连续分析，以便在输入和输出与处理延迟无关的同一组样品所花费的时间内产生输出数据。

本文中使用的所述术语“计算流体动力学”(CFD)是指使用计算机预测流体的运动。

本文中使用的所述术语“计算结构动力学”(CSD)是指使用计算机预测结构的力、变形和/或运动。

本文中使用的所述术语“流体结构相互作用”(FSI)是指使用计算机来预测涉及流体和结构的力、变形和/或运动，包括CFD与CSD的组合。

本文中使用的所述术语“算法”是指用于执行计算或运算的方法。

本文中所用的所述术语“血液/组织采样”是指收集血液(通常在玻璃管中)和从心血管系统的任何部分移除组织，以便在实验室中进行进一步分析。

本文中使用的所述术语“元数据(metadata)”是指提供关于其他数据的信息的数据。存在两种类型的元数据，即定义数据文件的结构的结构元数据，和描述数据表示什么的描述性元数据。元数据的目的是帮助用户找到相关信息并发现资源。元数据还有助于组织电子资源，提供数字识别，并支持资源的归档和保存。

本文中所用的所述术语“假体(prosthetic，人工)”是指用作天然身体部件或组件的替代物的任何类型的人造部件或组件，如心脏瓣膜。如本文所用，所述假体可以由生物材料如猪瓣膜制成，或它可以是人工构造而成，如机械心脏瓣膜。

本文所用的所述术语“心脏器件”是指用于治疗心脏病的任何器件，如人造的环，支架等。该术语还包括与心脏手术相关使用的器件，即在手术期间使用的手术器件。

本文所用的所述术语“矫正外科手术(corrective surgical procedure)”是指旨在矫正心血管系统的天然组件或部件的手术方案，例如，心脏瓣膜膨胀、瓣膜旁漏(para-valvular leakage)等。

本文中使用的所述术语“成像模态(imaging modality)”是指能够提供成像数据和/或测量数据和/或度量(metrics)的任何模式或形式，例如，但不限于超声波检查，磁共振(MR)，X-射线，计算机断层扫描(CT)和正电子发射断层扫描(PET)。

本文中使用的所述术语“成像数据”是指从来自医学成像仪器，模态和度量如超声、MR、CT、PET和超声心动图等的测量记录获得的数据。

本文中使用的所述术语“医学成像”是指能够用于提供所述心血管系统的成像数据和/或测量数据和/或度量的任何测量原理。

本文中使用的所述术语“机器学习”是指计算机在没有明确编程的情况下学习的能力，即自学习系统。这是计算机科学的子领域，由人工智能中的模式识别和计算学习理论的研究演变而来，并依赖于能够从数据中学习并作出预测的算法。

本文中使用的所述术语“模拟结果”是指模拟的结果或结论，即基于所述输入数据的预测结果。

本文中使用的所述术语“术前”、“术中”和“术后”分别是指手术之前，期间和之后的时间段。

本文中使用的所述术语“决策支持”是指能够用于辅助或提供信息和/或建议从而支持决策和/或决策过程的方法(recipe)或计算机程序。

本文中使用的所述术语“守恒方程”是指描述守恒量如质量、动量或能量的演变的方程。

本文中使用的所述术语“源项(source term)”是指守恒方程中表示守恒量的产生或破坏的一个项，如动量守恒方程中的力，或质量守恒方程中的化学物质的生成。

本发明的方面

根据本发明的一个方面，来自一种或多种成像技术的数据与心脏以及血管系统的生理学先前知识进行组合。本发明涉及用于流动、压力映射和表面渲染(surfacerendering，表面描绘)的新的改进算法。本发明可以与数据库内容和匹配先前病例的病史一起使用，形成新的术前计划系统、手术期间可能重新评价，和设计个性化优化的手术方案和个性化瓣膜如二尖瓣。此外，本发明涉及用于评价所述瓣膜的优化定位和定向，以降低导致需要更换的劣化的风险，和对其他组织(即，心脏或瓣膜或血管)上的任何剪切应力进行补偿的方法。

因此，本发明主要是辅助专家/专业人员诊断或检测CVD和/或确定患有CVD如，例如，二尖瓣疾病的每个个体患者的最佳治疗的工具。通过用患者特异性计算模拟模型和/或病史匹配支持患者，有可能更精确地诊断和/或预测和评价替代手术技术的结果。所述新手术方案在外科手术方案之前会创建一个客观的计划和决策支持平台。

模拟环境提供对边界条件和/或源项(模仿健康和患病的心肌组织或血管壁)和流动参数(对应于改变的血液动力学载荷)的灵活控制。这对于轻松更改模型并进一步检查流动如何响应所述施加的变化提供了机会。因此，本发明的发明人已经创建了具有通过对特定受试者/患者进行虚拟手术而支持专业人员作出临床决策的潜力的受试者特异性模型。通过这样做，对于每个各体患者能够获得替代性外科手术干预对血流的影响的新见解。

此外，对流量、压力、组织应力和手术选项的新理解一般会改进对于瓣膜或移植物或其他心血管器件的任何选择的手术结果，并当瓣膜、移植物或其他器件对于每个患者的最佳结果进行重新设计时甚至更好。

根据本发明的模拟模型能够用于选择瓣膜或移植物(graft)的类型，或重新设计或修复或校正本发明瓣膜而获得最佳结果。因此，本发明提供了一种用于制作、重新设计或修复瓣膜或移植物的方法，其能够降低整个心脏组织和其他瓣膜上的应力，从而改进长期存活并将再次手术的需要降低至最小。

本发明使用了所述Navier-Stokes方程的数字解。

在心脏CFD模拟中，关于心脏区室的几何学和时变运动(time-varying motion)的详细信息可能有优势。在几何学规定的CFD方法中，需要在模型中实现初始几何结构和规定的边界运动。在FSI方法中，初始几何结构和用于计算，例如，血管壁的机械行为的合适材料模型，是必要的。所述FSI方法很有前景，但目前还没有FSI方法以高精度解决这个问题。在本发明的一个实施方式中，因此应用几何学规定的CFD方法而获得临床原位分析和心脏流动的评价。重要的是要记住，无论相同的壁运动是由耦合解(coupled solution)规定或计算，所述血流模式都是相同的，因此两种方法都是适用的。

在本发明的不同实施方式中，所述几何结构可以简化并理想化或从医学成像获得。通过将复杂的几何结构简化为理想化的模型，可能会丢失有价值的信息。另一方面，简化模型可能是通向更精细模型的重要先锋步骤。通过从医学成像数据渲染(render)所述几何结构，获得受试者特异性CFD模型。受试者特异性CFD模拟能够提供仅通过医学成像不可能获得的水平的流动细节。这种定量信息可以理解在正常和病理条件下发生的复杂流动现象。

CFD模拟能够通过流速和压力的简化分析表达式，如伯努利方程(Bernoulliequation)进行补充和替代。这能够用于CFD模拟的验证，或替换本发明中的所述CFD分析的部分。由于所述分析方法的计算成本低这能够适用于，例如，实时应用。

本发明的一个目的是利用来自患者和健康人群的数据对所有相关的心血管疾病应用机器学习和人工智能。通过使用多模态图像融合和生理数据，有可能为每个个体病例创建精细的计算模型。

所述计算模型能够代表所述心血管系统中的至少一个组件，用于模拟血流和/或结构特征。为了解释本发明和模型，心脏被用作心血管系统中的至少一个组件的典型实例。然而，本发明不限于模拟心脏。该模型能够用于模拟所述心血管系统中包含的其他组件。

本发明提供了用于集成诊断和个性化治疗计划的计算机辅助工作流程(ComputerAided Workflow for Integrated Diagnostics and Personalized TreatmentPlanning)。因此，本发明包括用于评价心血管系统和血流中的异常的新方法，并使包括若干步骤的标准化且有效的决策支持系统成为可能。

本发明更具体而言由用于提供用于模拟血流和/或结构特征的心血管系统中的至少一个组件的受试者特异性计算模型的方法进行定义，其中所述模型包括瞬态几何结构并通过执行若干步骤进行创建。

第一步骤是采集所述至少一个组件的不同类型的受试者特异性数据。这些数据将为所述模型提供基础，并在本发明的一个实施方式中可以包括通过，例如，超声、MRI、CT、荧光检查(fluoroscopy)采集的所述心血管系统的成像数据。

在一个实施方式中，所述超声心动图以实时3D实施，创建时间依赖性的超声测量结果。

当所述心血管系统中的至少一个组件是心脏组件时，通过使用用于以0D、1D、2D、3D或4D呈现方式(presentation)展示的流量和压力计算的新图像后处理算法，该信息优选与关于心脏生理学的知识进行共处理。这些数据构成了与对于所述生病心脏手术后的最佳功能具有重要意义(还包括不进行外科手术的病例的更好的客观确定)的所有心脏结构、瓣膜和血管的3D流量和压力数据相结合的精确计算和图像表示的基础。

所述成像数据与从所述患者的医学记录(年龄，体重指数，血压，血液成分，其他疾病，医药等)中收集的相关信息相关联。

所述至少一个心血管组件的不同类型的受试者特异性数据可能必须转换成所述模型中适用的共同基础。这将确保所述数据在用于生成所述计算模型时将具有相同的大小(magnitude)和含义(meaning)。

该方法的下一步骤是基于所述受试者特异性数据生成所述计算模型，并使所述模型的瞬态几何结构在运行模拟时定义所述模型的至少一个边界条件或源项。

所述瞬态几何结构(transient geometry)是指随时间变化的(time-varying，时变)几何形状。例如，这可以是作为时间的函数的所述模型中的壁的坐标位置。这样的坐标能够用于指定所述壁上的速度边界条件。

按照这种方式，本发明提供了一种用于基于通过成像模态(imaging modality)能够获得的受试者特异性数据创建用于模拟心脏血流的受试者特异性3D边界条件或源项的方法。该算法提供了用于肺动脉、LA、LV、LVOT、MV和下瓣膜器件、主动脉瓣和升主动脉的第一部分的不同数据集的耦合的框架。

在本发明的一个实施方式中，所述方法进一步包括使用流量和/或压力测量数据获取与所述心血管系统中的至少一个组件相关的流量和/或压力特异性数据。在某些情况下，这种流量和/或压力特异性数据能够提高所述模拟模型的准确度和/或是运行特定受试者特异性模拟所必需的。在其他情况下，这种受试者特异性数据能够是验证所述模拟结果所必需的。

在本发明的一个实施方式中，通过使用所述心血管系统中的至少一个组件的时间依赖性运动创建所述至少一个边界条件或源项，从而确定所述心血管系统中的至少一个组件的运动间隔。运动间隔能够，例如，是所述组件在心动周期的一部分，例如，心脏收缩或一部分心脏收缩中的运动。所述特异性运动和所述运动间隔的极限都能够输入到所述模拟软件中。

本发明的一个实施方式是使用作为所述心血管系统中的至少一个或多个组件的至少一部分的，心脏壁、心脏容量、心脏或人工瓣膜的至少一部分的时间依赖性运动，产生所述至少一个边界条件或源项。

本发明的另一个实施方式是使用血管壁、血管容量或血管瓣膜的至少一部分的时间依赖性运动产生所述至少一个边界条件或源项。

本发明还有的另一个实施方式是使用作为所述心血管系统中的至少一个或多个组件的至少一个心脏泵送器件的时间依赖性运动，产生所述至少一个边界条件或源项。

所述心血管系统中的至少一个组件能够是任何部件。在本发明的一个实施方式中，所述组件是心脏。

在本发明的一个实施方式中，所述边界条件和/或源项在模拟周期期间动态地变化。这是指每个边界条件和/或源项在整个模拟中或仅在所述模拟的特定时间间隔中可以是时间依赖性的和/或是适用的和/或是有效的。

在本发明的一个实施方式中，所述瞬态几何结构是基于医学成像数据，例如，实时超声波记录。

在本发明的一个实施方式中，所述方法包括通过输入另外的受试者特异性数据，如血液和/或组织采样、物理化学数据或受试者特异性元数据创建所述模型。这将增强所述模型并使其更准确。

所述模型的其他输入可以是与以下一个或多个相关的数据：假体(prosthetic，人工)心脏瓣膜，血管器件或移植物。

为了使用根据本发明提供的受试者特异性计算模型进行模拟的目的，所述流体能够建模为不可压缩的，可压缩的或弱可压缩的，所述流体能够建模为牛顿流体或非牛顿流体。本发明并不受限于流体流变学和可压缩性的选择。

使用所述生成的模型进行模拟，可以在，但不限于，全息3D屏幕上或通过使用增强或虚拟现实进行展示，从而可视化可能的替代处理。通过合并数据，如以参数方式将结构信息与功能数据进行组合，从而潜在地增强所述呈现。

例如，在手术期间可以使用3D屏幕，并且其显示的数据可以从所述回声机器实时流式传输(streamed real-time)。在瓣膜修复后，立即采用术前模拟测试所述结果。当所述结果不令人满意时，可以进行修复或瓣膜更换的校正。

在出院之前，进行最后一次超声心动图记录并将形成后续对照的基础。对照(control)将是短期和长期结果评价的工作流程的重要部分。

因此，本发明能够对心血管疾病的结果进行优化评价，并通过以下方式提供连续评价的系统：

·汇总(assembling)所有术前和术后的数据和经验，并将其收集于所述数据库中；

·基于术前和术后的知识、病史匹配和其他知识改进所有过程步骤；

·关于医疗结果以及基于患者特异性数据的技术设计移植物和瓣膜，连续更好地实施。

受试者特异性计算模型的方法

用于提供心血管系统中的至少一个组件的受试者特异性计算模型的方法能够使用通过本发明方法获得的受试者特异性计算模型，在用于临床治疗计划和/或诊断目的，术前、术中或术后决策支持的过程中使用的不同产品中进行实现和实施。这些产品和所产生的服务将包括：

1.泵血心脏的受试者特异性模拟模型，能够模拟所述复杂流动现象并提供流动细节。所述模型根据医学成像数据，如超声、磁共振成像(MRI)和计算机断层扫描(CT)和流量测量获得，并可以用于2D、3D和4D流动模拟。所述模型优选是受试者特异性的，即基于由每个个体获得的数据。

2.用于将医学数据、图像和血管疾病知识处理成用于生成受试者特异性计算模型的输入的工作站，并将这用于优化的患者理解，旨在最佳诊断和治疗，包括预测每个患者的最佳结果。

3.为患者、包括其子公司的保险公司、临床医生、心脏病专家、外科医生、医学物理学家、工程师和其他基于图像产品和解释的用户提供的服务。该服务提供了优化的诊断和治疗，包括通过使用受试者特异性计算模型预测每个患者的医疗方案的结果。

4.用于外科手术方案的移植物、瓣膜和其他心血管器件的个性化假体设计，其基于由使用用于设计优化的个体假体设计的受试者特异性计算模型的模拟而获得的数据。

受试者特异性模型：

本发明涉及能够有助于更好地理解心脏中血液动力学的模型和方法。为了获得生理学真实性，所述模型优选是受试者特异性模型。

本发明包括用于心脏区室的几何学规定的CFD方法。为了实现受试者特异性的边界条件，本发明使用了从医学成像数据获得的几何结构。本发明使用的医学成像数据可以是超声(或超声心动图)，磁共振成像(MRI)和计算机断层扫描(CT)。心血管医学成像，特别是超声、MRI和CT，已达到提供高质量几何数据的水平。今天，超声(或超声心动图)是心脏病学领域的主要成像工具。超声(或超声心动图)的一个主要好处是它允许实时交互显示图像数据，因此能够帮助指导治疗。

本发明提供的所述模型可以基于从不同成像模态，如磁共振(MR)、X-射线、计算机断层扫描(CT)、正电子发射断层扫描(PET)和超声(例如，超声检查，超声心动图)采集的医疗数据，进行2D和3D流动模拟。然而，也可以使用其他成像模态。

所述二尖瓣具有复杂的三维几何结构和运动模式。所述两个二尖瓣小叶是薄的、快速运动的结构，其在心脏周期期间会经历大的变形。因此，所述二尖瓣的建模是一项具有挑战性的任务，并且目前还没有单一方法可以完全解决这一任务。由于复杂性，所述二尖瓣小叶通常被排除于心室流动的模拟之外。通过使用能够处理两个异步运动的刚性小叶的FSI算法，本发明能够研究所述二尖瓣小叶在心脏舒张期间如何影响所述心室内流场(flowfield)。本发明的一个优点是，这能够避免在模拟中使用对称性。当所述前瓣膜和后瓣膜长度基于超声(或超声心动图)记录时，本发明能够在心室充盈的2D模拟中分析所述小叶对流场的影响。

由于心脏的复杂性，所述左心房(LA)在LV充盈的模拟中经常被忽略。所述LA然后通过一些简化的入口条件代替，如均匀的压力条件或一些对称的速度曲线。相对较少的研究集中于LA内部的正常流动分布，因此对心房内全局流动模式的理解是稀疏的。本发明提供的模型允许研究心房内的流动以及在二尖瓣孔口处产生的速度分布。2D和3D模拟都用于此目的。因此，本发明的充盈模拟获得了对所述LV的入口条件的了解。

本发明是受试者特异性CFD模型，其由医学成像数据和流量测量产生，并且它们可以用于研究健康和病理性心脏血流并模拟虚拟手术的效果，从而优化治疗。

本发明是基于实时3D超声心动图(RT3DE)的首个受试者特异性3D CFD模型。该模型可以基于来自3D超声心动图数据的心脏区室的表面跟踪方法。本发明的所述3D CFD模型可以包括二尖瓣的生理学呈现。

本发明的所述模拟模型包括能够基于来自超声扫描仪系统中的RT3DE的数据构建3D CFD模型的系统。这种实时CFD模拟具有改进和改变临床实践的潜力。

在本发明的一个实施方式中，所述模拟模型可以用于基于每个个体的流动动力学选择瓣膜(人造的，机械的或生物假体瓣膜)的最佳旋转位置。在这种情况下，与假体心脏瓣膜和/或器件相关的数据是所述模型的输入数据。这可以降低钙化的风险或影响需要再次手术的其他因素。

在本发明的另一个实施方式中，所述模型利用与矫正外科手术方案相关的输入数据进行创建，目的是矫正心脏的所述自然组件或部件，即心脏瓣膜膨胀(bulging heartvalves)，瓣膜周围渗漏(para-valvular leakage)等。

在本发明的一个实施方式中，所述模型通过输入来自心血管系统及其组件的受试者特异性和非受试者特异性数据的数据而创建，其中所述非受试者特异性数据表示适用于许多个体的数据。这些数据能够在生成所述模型之前或在生成模型期间输入到所述模型而进行进一步优化。

在一个实施方式中，根据本发明提供的所述模型能够排布成机器学习模型，用于通过输入以下中的至少之一连续优化治疗计划和/或决策和/或用于诊断目的：先前模拟结果，患者病史和术前、术中或术后的影响。然后，所述机器学习将根据早期结果的经验和结论进行学习和改进，而无需明确指令。

通过应用机器学习模型，所述模型本身能够基于以下一个或多个来选择要模拟的方案：来自机器学习系统的建议；不同心血管器件的信息和由职员和/或患者做出的选择。

工作站：

除了如上所述的各种数据的收集之外，所述工作站可以进一步包括具有统计数据和病史匹配选项的装置(means)。这为最佳诊断和治疗选择提供了基础，比其他可能方式更客观，更可再现。

所述工作站能够，例如，在所述手术室、心脏病专家办公室中实施，或适用于与整个团队或团队一部分的术前会议期间。所述开发还能够旨在实现现有或新的成像模式。

提供的服务：

1.收集患者数据。

2.分析上一步骤的数据。

3.按能够生成新数据的方式将来自步骤1的数据与统计数据和病史匹配相结合，其包括压力、流速、壁剪切应力、壁应力、壁应变和其他流动-、组织-和电-参数。

4.所述结果将是基于步骤3中的数据的新知识和理解的描述。

5.所述描述将包含对给定患者的更优化和客观的诊断和治疗。

6.描述将发回至所关注的部分。

所述服务可以由医院内部或由独立公司提供。

个性化假体设计：

由本发明获得的信息，如由所提供的模拟模型、由工作站获得的信息和/或服务，为设计患者特异性/个体化移植物和/或瓣膜提供了基础。所述新的个性化移植物/瓣膜将返回到所述模拟模型/工作站/服务，以执行所述术后效果的术前模拟/分析。这样做是为了减少再次手术和用药的次数，并提高长期生存率和生活质量。所述移植物/瓣膜能够按照这种方式(即，使剪切应力、流动模式、组织应力和整体功能将对于长期存活和最佳生活质量进行优化)由不同的材料，如金属、聚合物、复合材料、陶瓷、生物材料(包括基于干细胞的开发物)等制成。所述移植物/瓣膜可以使用增材制造(3D打印)或铸造/模塑成型进行生产。

基于医学成像的受试者特异性模型

近年来，模拟工具已经支持不同的成像模态，如CT、MRI和超声(或超声心动图)。在大多数数字研究中，MRI已被用于获得瞬态几何结构。MRI在图像质量方面具有明显的优势，并具有产生解剖学上详细且功能上准确的数据集的优点。MRI从一开始也是一种3D方法。然而，缺点是由于来自血液的高信号，所述心脏瓣膜不太能够区分开。

为了获得本发明的所述模型，在多个心脏周期的一些方面中实现了4D(3D+时间)容量的重构，这需要长的采集时间和需要呼吸门控(respiratory gating)。然而，长的采集时间会增加检查的成本，并且由于后续呼吸保持中不同的隔膜位置可能发生切片间对准误差(alignment error)。此外，对于具有金属植入物(比如一些人造心脏瓣膜)的人，则不能进行MRI记录。在这种情况下，MRI可能不适用于所有模型构建目的。由于高成本和复杂性，MRI的使用也可能限于心脏病患者。作为获得本发明的替代方法，本发明人因此提出使用心脏超声建立模拟模型。

心脏超声(通常被称为超声心动图)，是医生中最常用的心脏诊断方法。超声的特殊强度是它能够实时记录移动结构，而因此它能够用于帮助指导有创手术(invasiveprocedure)。它也是一种相对简单且经济有效的成像技术。超声心动图的另一个对于本发明而言非常有价值的重要优点是心脏瓣膜的清晰可视化。超声心动图可以产生比MRI更大的受试者间图像质量变化，但在模型构建目的方面仍然是最可行的。

2D超声已经上市了数十年。另一方面，3D超声是飞利浦于2002年首次推出的。从那时起，其他超声系统供应商已经发布了具有实时3D功能的系统。3D超声在过去数年中经历了很大的改进，图像质量和时间分辨率现在都处于有可能提取高质量3D几何结构和变形的水平。现有大量2D超声心动图的患者数据。因此，3D超声心动图作为常规临床工具越来越受欢迎。

所有类型的医学成像以及流动测量可以应用于根据本发明的建模。在本发明的一个实施方式中，所述模型基于心脏超声(或超声心动图)。可获得的大量此类超声患者数据使该实施方式特别有用。此外，超声(或超声心动图)是心脏病学的主要成像工具。此外，从超声数据而不是MRI数据开发模型可以导致具有更广泛应用领域的更具成本效益的临床可行工具。例如，如果需要来自具有机械心脏瓣膜的患者的体内记录，则超声比MRI更适合。超声还允许实时交互显示图像数据和流动测量，因此具有辅助指导治疗的潜力。

左心室

大多数心脏的计算模型都集中于LV上。最早的工作主要是通用的，且不依赖于受试者特异性数据。在过去十年中，计算和成像资源都有所增加，并能够有机会创建更精细化的受试者特异性模型。

左心房

集中于LA建模的研究相对较少。虽然心室模型已经变得更加精细，但左心房的模型仍然大多过于简化。即使LA在心脏舒张期间提供心室的入口条件，但LA也最常被排除于心室内和跨瓣流(transmitral flow)的模拟中。所述心房腔则用直接施加于二尖瓣开口或某些管末端的近似入口条件代替。然而，所述LA远不是LV之前的被动运输室。事实上，正常的LA在优化左心室充盈方面具有重要作用。

有可能使用4D AutoLVQ渲染所述心房几何结构，但是目前，使用该软件无法轻易检测到所述复杂的3D LA几何结构如左心房附件(left atrial appendix)和肺静脉的入口位置)的细节。MRI在提供LA及其PV的详细且完整成像方面更有效。因此，在对心房内流动的3D研究中，本发明人使用MRI提供所述LA的3D几何结构。

为了克服在应用本发明的数字模拟时可能对模拟结果产生影响的错误的潜在不确定性，本发明人将所述模拟结果与通过MR相位映射(phase mapping)获得的体内流动测量结果进行比较，因为MR射被认为是用于血流和速度的无创量化的金标准。

二尖瓣建模

所述二尖瓣具有复杂的几何结构和运动模式。所述两个二尖瓣小叶是薄的快速运动的结构，其在心脏周期期间会经历大的变形。到目前为止，还没有单一方法适用于每个问题。为了找到最适合的方法，人们不得不专注于给定问题的特征。如果仅关注瓣膜的机械行为，则不必考虑与流体流动的相互作用。如果关注完全集中于流体动力学，则小叶的运动能够由，例如，实验数据或医学成像数据进行指定。如果流动驱动小叶很重要，则需要采用FSI方法。

另一方面是所述问题是否需要刚性或柔性心脏瓣膜或是否需要受试者特异性模型。大多数已发表的心脏瓣膜模型专注于稳定血流中单小叶或双小叶机械瓣膜附近的流体运动[66]。另一方面，所述二尖瓣的受试者特异性模型是非常具有挑战性的任务。受试者特异性FSI模型需要受试者特异性材料参数，这对于心脏瓣膜而言是难以获得的或甚至是不可能获得的。受试者特异性几何学规定的模型需要来自医学成像数据的瓣膜动力学的详细信息，目前这种信息很难获得。技术进步使超声心动图能够识别瓣膜结构，超声心动图记录中的时间分辨率也足以捕获所述小叶的运动。然而，由于它们的快速运动，所述瓣膜小叶的时间依赖性形状并不容易提取。不存在任何瓣膜分割(valve segmentation)自动工具，因此，手动跟踪是目前唯一可用的选择。

先前本发明人已经关注流动驱动的刚性小叶，并且在心室充盈期间模拟了两个刚性的异步运动的二尖瓣小叶。为此目的，使用了所述分区FSI技术(partitioned FSItechnique)。由于所述小叶与周围流体强烈相互作用，因此需要隐式耦合方案以实现流体和结构之间的平衡。如本发明所示，所述隐式耦合方案是文献Vierendeels et al.中开发并在文献Dumont et al.中验证的一个小叶的耦合方案的扩展。由本发明提供的所述FSI算法在2D模拟中进行测试，其中所述二尖瓣被渲染为两个刚性不对称小叶，其长度由超声(或超声心动图)记录获得。该算法也适用于3D结构。

本发明人还关注于LV的受试者特异性3D模型中的流体动力学。所述规定的心室边界条件由RT3DE获得。在该3D模型中还希望MV的生理呈现。因为来自医学成像数据的心脏瓣膜的3D跟踪是复杂且耗时的任务，因此本发明人使用了先进的3D有限元材料模型来表示MV几何结构。Abaqus中的FE MV模型的瞬态模拟为我们提供了所述瓣膜的时间依赖性收缩运动。随后该指定的瓣膜运动实施为3D CFD模型中的边界条件。所述FE MV模型不是受试者特异性的；然而，所述瓣膜模型能够进行修改从而遵循不同的受试者特异性瓣膜曲线，例如，由2D超声心动图图像渲染。

此外，还执行了关于所述二尖瓣小叶的曲率如何影响收缩流场的研究。在该研究中，本发明人专注于完全控制瓣膜运动，因此使用了规定的小叶动力学。该研究首先在2D中进行，然后在3D中进行。在2D研究中，模拟了两种不同类型的小叶曲率，并比较了所获得的心室流场。对于第一个模型，需要正常的、健康的小叶动力学。因此，编写了用于跟踪2D超声图像中的结构的代码并用于获得健康受试者中的瓣膜的收缩运动。对于第二个模型，研究了具有更高的起伏度(degree of billowing)的更不规则的瓣膜曲率。为此，3D FE MV模型的瞬态横截面瓣膜曲线，参考文献[V.Prot and B.Skallerud.Nonlinear solid finiteelement analysis of mitral valves with heterogeneous leafletlayers.Computational Mechanics,42(3):353–368,February 2009.]，被实现为所述2D模拟中的边界条件。还进行了初始3D CFD模拟。对于该模拟，本发明人使用了具有改进的MV几何结构的特异性3D模型。

所述前二尖瓣小叶曲率影响左心室流出，正如下所述。所述二尖瓣(MV)连接左心房(LA)和左心室(LV)。所述瓣膜锚定于所述二尖瓣环上，并通过一系列称为腱索(chordaetendineae)的弦线(string)连接至所述LV的内壁。所述瓣膜确保两个心脏区室之间的单向血液流动。在心脏舒张期间，所述柔软的小叶折叠到所述LV中从而允许血液自由通过。在心脏收缩期间，所述心室收缩且所述瓣膜关闭以防止血液流回所述LA。所述瓣膜由两个小叶组成：所述前二尖瓣小叶(AML)和后二尖瓣小叶(PML)。所述AML连接到主动脉的后壁，而所述PML连接到心室壁本身。与PML相比，所述AML的长度最长，并具有最大的运动。在心动周期中，所述PML的运动更多地受到腱索的限制，并且所述小叶具有更多的支撑作用。

在心室收缩期间，正常的健康二尖瓣略微起伏(billow)进入所述LA中，[J.B.Barlow.Perspectives on the mitral valve.F.A.Davis Company,1987]。有两个主要组件贡献于小叶的收缩曲率。所述第一个也是最明显的是小叶起伏，而第二个也是更微妙的是环形马鞍形状，[I.S.Salgo,J.H.Gorman,R.C.Gorman,B.M.Jackson,F.W.Bowen,T.Plappert,M.G.St John Sutton,and L.H.Edmunds.Effect of annular shape onleaflet curvature in reducing mitral leaflet stress.Circulation,106(6):711–717,2002.]。正常的健康MV中的环形非平面性和略微起伏的小叶一起作用从而优化小叶的曲率，并由此降低所述二尖瓣小叶中的机械应力，[T.Arts,S.Meerbaum,R.Reneman,andE.Corday.Stresses in the closed mitral valve:A model study.Journal ofBiomechanics,16(7):539–547,1983.ISSN 0021-9290；Salgo et al.,2002]。

虽然人们越来越关注对小叶几何结构，特别是收缩期小叶的曲率，如何影响小叶的应力分布的理解；(Salgo et al.,2002)，对小叶几何结构如何影响血流的关注却不多；[John-Peder Escobar Kvitting,Wolfgang Bothe,Serdar Manuel K.Rausch,Julia C Swanson,Ellen Kuhl,Neil B.Jr Ingels,and D.Craig Miller.Anteriormitral leaflet curvature during the cardiac cycle in the normal ovineheart.Circulation,122(17):1683–1689,2010.]。本发明人已经发现所述小叶的自然曲率也优化了所述流动动力学。Kvitting等人(Kvitting et al.，2010)使用不透射线(radiopaque)标记和视频荧光检查研究了心脏周期中绵羊心脏的AML曲率。他们推断天然二尖瓣小叶曲率为收缩期流出和舒张期流入提供了最佳形状。鉴于此，本发明人已经研究了改变的小叶几何结构的血液动力学结果。

最常见的心脏瓣膜异常之一是在瓣膜收缩期间一个或两个瓣膜小叶都比正常时凸出更多进入心房。在术语起伏二尖瓣小叶或BML中，这种异常常常被混为一谈。对于BML，边缘接合(edge coaptation)在功能上是正常的，并且所述条件在很大程度上被认为是无害的。然而，通过获得对瓣膜几何结构如何影响小叶应力分布和LV流动动力学的更好的基础理解，可以评价BML的后果。由于MV病理学或外科手术干预，小叶曲率也会发生变化，则这种知识可以用于优化手术的结果。在过去的20年中，改变所述MV的几何结构和运动的修复技术的应用逐渐增多；[Hiroaki Sakamoto,Landi M.Parish,Hirotsugu Hamamoto,Yoshiharu Enomoto,Ahmad Zeeshan,Theodore Plappert,Benjamin M.Jackson,MartinG.St.John-Sutton,Robert C.Gorman,and Joseph H.Gorman 3rd.Effects ofhemodynamic alterations on anterior mitral leaflet curvature duringsystole.The Journal of Thoracic and Cardiovascular Surgery,132(6):1414–1419,2006.]。随着这种修复技术的使用增加，希望更好地理解小叶曲率的结构和血液动力学含义。这通过根据本发明的模拟模型获得。

本发明人使用了计算流体动力学(CFD)量化和确证小叶曲率和LV流动动力学之间的关系。CFD-模拟通过提供仅通过医学成像无法实现水平的流动细节而提供了新的基本见解。初步CFD研究(Xiong et al.(2008)，Dimasi et al.(2012)，Dahl(2012))表明，AML收缩曲率会影响LV流出曲线，因此影响所述主动脉环附近的流动模式，参考文献[FangliXiong,Joon Hock Yeo,Chuh Khiun Chong,Yeow Leng Chua,Khee Hiang Lim,Ean TatOoi,and Wolfgang A.Goetz.Transection of anterior mitral basal stay chordsalters left ventricular outflow dynamics and wall shear stress.The Journal ofHeart Valve Disease,17(1):54–61,2008.]；[Annalisa Dimasi,EmanueleCattarinuzzi,Marco Stevanella,Carlo A.Conti,Emiliano Votta,FrancescoMaffessanti,Neil B.Jr Ingels,and Alberto Redaelli.Influence of mitral valveanterior leaflet in vivo shape on left ventricular ejection.CardiovascularEngineering and Technology,3(4):388–401,2012.]；[Sigrid KaarstadDahl.Numerical simulations of blood flow in the left side of the heart.PhDthesis,Norwegian University of Science and Technology,2012.]。

以前的CFD研究经常使用简化的几何形状，以避免时变心脏几何形状的复杂性。Dimasi等(Dimasi et al.，2012)使用静态心壁与所述壁上的位移速度一起以模拟所述运动壁的效果。Xiong等(Xiong et al.，2008)使用了静态心脏壁和所述顶点附近的虚拟血液入口。通过使用动态运动网格，本发明可以使整个心脏收缩期间的预测更准确。

通过使用根据本发明的所述CFD模型，可以进一步详细研究和量化收缩期AML曲率如何影响LV流动动力学。为此目的，将研究四种不同的AML曲率。根据本发明，所述CFD模型是基于实时3D超声心动图(RT3DE)记录并且使用了适应于心脏时变几何形状的动态运动网格。该模型是基于RT3DE的LV的第一个受试者特异性3D CFD模型。

在关于所述LV血流动力学的大多数论文中，MRI已被用于提取瞬态几何形状。然而，即使MRI提供高质量图像，由于来自血液的高信号，所述心脏瓣膜通常也是不太可区分的。另一方面，超声心动图提供了所述心脏瓣膜的清晰可视化。由于其识别瓣膜结构的能力，超声心动图被选择作为本发明的该实施方式中的成像模态。所述3D模型包括基于相同RT3DE记录的二尖瓣的收缩期模型。因此，根据本发明的所述模型和Xiong等(Xiong etal.，2008)和Dimasi等(Dimasi et al.，2012)开发的模型在涉及成像模态，LV、MV和AML曲率的建模，边界条件和流动状态(regime)时是不同的。因此，与现有技术相比，本发明优势突显。

对所述AML收缩期曲率和心室流出之间的关系的更好理解在临床上是有用的。通过提供可以促进病理性或异常二尖瓣小叶如BML的诊断和治疗的实用见解，本发明代表了一种用于评价的新工具。

具有正常二尖瓣的受试者特异性3D模型中所述流动的模拟和验证与具有不同起伏程度的AML曲率的三个模型进行了比较。因此，本发明提供了一种用于分析小叶几何形状改变的血液动力学后果的方法。

本发明提供了一种具有通过对特定受试者/患者进行虚拟手术而支持专业人员的临床决策的潜力的受试者特异性模型。通过这样做，能够为每个个体患者获得对替代性外科手术干预对血流的影响的新见解。

本发明提供了一种用于通过使用改进的模型预测医疗方案的结果的实体和改进的工具。这通常可以改进特定患者的手术结果，并是用于设计优化的个体假体设计如例如心脏瓣膜的工具。

模型能够通过执行病史匹配而进行测试和评价，这意味着来自所述模型的模拟结果与历史数据进行比较。这能够是连续的且迭代的过程，有助于所述模型的优化和基于所述模型的特异性假体设计。

在本发明的一个实施方式中，所述方法包括排布所述模型以基于至少来自机器学习系统的建议，和可选的包括瓣膜的不同心血管器件的信息和由人，例如，医学专家，专业人士或患者作出的选择而选择要模拟的方案。然后就可以模拟所选择的方案，以测试所述方案是否是特定受试者的最佳程序或是否应该选择另一方案。

根据本发明的所述模型进一步是适用于决定是否应该执行校正方案，例如，移除、缝合或添加组织(例如，弦线(chord))的工具。

所述模型还适用于在3D打印对象之前为单个假体对象生成最佳的受试者特异性3D设计。

实施方式的实施例

该算法在舒张期充盈期间的二尖瓣2D模拟中进行测试，其中所述瓣膜被建模为两个刚性的不对称小叶。所述结果表明，所述舒张期流场的重要特征可能无法使用对称小叶或在没有足够的LA模型的情况下，特别是在心休期(diastasis)和心房收缩期间进行预测。

所述算法也适用于3D结构。

由于心脏的复杂性，LA和MV在心室充盈的模拟中经常被忽略。然而，重要的是要知道这些限制可能对产生的流动模式具有何影响。对左心房入口条件和流动驱动的二尖瓣小叶对舒张期心室流模式的影响进行了定性研究。创建了三个2D模型。在所述对照模型中，包括了LA和流动驱动的小叶，而在另外两个模型中，排除了LA或小叶。由2D超声心动图记录渲染LV的瞬态几何形状，并且在所有三个模型中都实施相同的壁运动。重要的是要注意，尽管所研究的2D模型不能模拟所述真实的3D充盈过程，但能够获得一些定性信息。

本发明人已经发现，在包括所述LA和一些静脉流入的模型中，在心脏舒张期间在LA内部形成了涡旋。所述心房涡旋在所述二尖瓣开口引起不均匀的速度曲线，这进而影响小叶的动力学和心室内流动模式。在流入区域渲染为远端具有入口的管道的模型中，所述入口几何形状中没有产生涡旋，并且所述得到的二尖瓣速度曲线近似均匀。基于这些观察结果，本发明人发现，心房的真实呈现应该包括于LV充盈和MV动力学的模拟中，从而实现所述二尖瓣孔口处的速度曲线的生理学呈现。对于心房内流场的定量信息和二尖瓣平面处的速度分布而言，3D模拟是必要的。

所述小叶的影响在2D研究中是意义重大的。所述小叶形成流入道(inflowtract)，其引导所述血流进入心室腔并由于前叶的存在而减少主动脉流出通道中的再循环。

根据MRI数据开发了LA及其PV的基于解剖学的3D CFD模型，并用于研究心脏舒张期间的流场。构建另外两个模型以检查静脉进入位置对心房内血流以及对二尖瓣平面上产生的速度分布的影响。所述心房内血流由流入不对称腔室的四个交叉射流组成，因此是复杂的。本发明举例说明了PV的位置对心房内血流和所述二尖瓣速度曲线具有显著影响。所述发现表明，不对称定位的PV可能会阻止流场中的不稳定性。本发明人观察到，在解剖学上代表性的模型中(其中所述PV是不对称定位的)，所述静脉射流朝向二尖瓣平面流动而没有明显的碰撞。因此，本发明提供了一种模型，其可以举例说明不同版本的PV位置如何具有不同的结果。已经发现的是，与PV处于相同高度的两个其他模型相比，其具有拥有更低的最大速度的更均匀分布的二尖瓣流动曲线。在解剖学上代表性的模型中的所述二尖瓣平面速度曲线显示出与MRI流动测量在定性上的良好一致。

由于其复杂性，通过对形成射流的条件进行一般性推断，很难预测所述二尖瓣射流的性质。PV数量和分支模式的患者间可变性很大，因此，所述二尖瓣速度曲线应该被视为受试者特异性特性。因此，本发明提供了一种评价PV数和分支模式的可变性如何影响血流的方法。这种知识使本发明成为手术前规划中的有用工具，并能够作为可用作手术内工具的模拟工具。所述LA和PV的代表性几何形状对于LV充盈和MV动力学的生理模拟是重要的。因此，本发明可以影响关于跨二尖瓣和心室内流动的未来CFD研究。

已经开发出了一种用于创建用于心室内流动模拟的受试者特异性3D边界条件的技术。因此，本发明提供了一种用于基于通过成像模态可获得的受试者特异性数据创建用于心室内流动模拟的受试者特异性3D边界条件的方法。该算法提供了用于耦合LV、LVOT和MV的不同数据集的框架。

在本发明的一个实施方式中，实时3D超声心动图用于提供时间依赖性的超声图像，并因此提供LV壁的几何形状。据我们所知，这是首个由RT3DE渲染的受试者特异性的3DCFD模型。实时实施的模拟能够基于通过数据云流式传输的数据。

根据医学成像数据很难获得二尖瓣小叶的3D动态(dynamics)。因此，3D FE MV模型被包括于LV网格拓扑中以表示所述瓣膜小叶的几何形状和运动。所述FE MV模型在Abaqus中进行了预模拟，然而，只计算了所述心动周期的收缩期。所述规定的瓣膜运动和最终的收缩曲率能够进行修改，以遵循不同的受试者特异性瓣膜曲率，例如，由2D超声心动图图像渲染的。

为了检查该第一模型和超声心动图记录之间的相关性，所述模型与原始超声心动图数据重新比对。获得了合理的一致性。

心室收缩期间血流的初步CFD模拟(Dahl中的附录A，2012)进行了实施。作为验证的第一步，来自所述LVOT的最大速度与来自MR相位映射扫描的体内速度测量值进行了比较。所述MR采集在所述RT3DE采集的同一天和同一受试者中进行。即使不能直接比较速度，但与体内血流测量的比较表明所述结果处于生理范围内。

本发明包括通过获得要与模拟模型中流体动力学一起应用的受试者特异性数据而使用成像模态以诊断心脏瓣膜异常，如例如起伏二尖瓣小叶(billowing mitralleaflet)。所述成像模态(modality)可以是超声，MR和/或CT。优选它可以是超声心动图。本发明进一步是一种受试者特异性计算流体动力学模型，其包括心脏解剖结构，特别是左心房节段和/或左心室节段和/或二尖瓣。此外，本发明涉及受试者特异性CFD模型在人造瓣膜和/或移植物的构造中的用途。基于从所述CFD模型获得的信息产生受试者特异性心脏瓣膜或移植物的方法也体现于本发明中。

此外，本发明是一种受试者特异性模型，其包括心脏血流以及心脏区室和/或左心室和/或左心房和/或二尖瓣的动态运动网格和/或时变几何形状的数字模拟。

以下表示使用3D超声心动图和LV的区段(segmentation)以提供根据本发明的受试者特异性计算模型的实施例。

实时三维(3D)超声心动图(RT3DE)(也称为四维(4D)超声心动图)(具有心内LV壁的连续区段)，是构建我们的受试者特异性CFD模型的初步步骤。

使用采用具有中心频率2.4MHz的3V矩阵探针的Vivid E9扫描仪(GE HealthcareVingmed，Horten，挪威)采集30岁女性志愿者的3D超声心动图LV体积。在呼吸暂停(apnea)期间，在四个心脏周期内，从心尖窗口，在谐波模式(harmonic mode)下，一个QRS触发每个心脏周期采集的子体积，获得所述体积。每个周期的帧速度为27。

对于我们的研究，使用所述AutoL VQ工具( et al.,2009)、EchoPAC工作站(BT 11版)、GE Vingmed Ultrasound，Horten，挪威，生成所述心内边界。Auto LVQ将LV边界表示为可变形模型，并依赖于3D能量最小化对其进行演化。内部、外部和时间力的组合确保了形状连续性，同时使所述模型适应具体的3D回波(echo，超声)记录。通过在舒张期结束(ED)和收缩期结束(ES)时在长轴视图(例如，四个腔室)中手动定位所述顶点和二尖瓣附接点对所述心内膜轮廓过程(endocardial contour process)进行初始化。手动选择后，所述心内边界在整个心动周期中自动生成。然后在3D体积的短轴和长轴切割平面中评价所提出的轮廓。如有必要，所述边界能够进一步通过添加将所述模型拉向心内膜(endocardium)的额外吸引子(attractor)点进行进一步精修。在这种情况下，所述边界通过放置有限数量的吸引子进行调节。所述LV腔内包括了所述乳头肌和主要骨小梁(major trabeculae)。

所述心内LV壁的区段化(segmentation)产生27个闭合的三维表面网格，每个时间帧一个。所述27个网格每一个由1946个节点(node)和3888个三角形单元(triangularcell)组成。

图3显示了在心动周期的一个瞬时的心内LV的闭合3D表面网格。所得到的网格被导出并用于重建所述LV几何形状和收缩期运动。

本研究的重点集中于心脏周期的收缩期部分，从主动脉瓣(AoV)打开开始到收缩末期的AoV闭合，即不包括收缩期开始的等容收缩。在962ms的心脏周期中测得所述特异性心脏中这个时间段的长度为285ms。由所述RT3DE记录获得的所述帧速度在整个周期中为27，其中9帧属于所关注的时期，即从AoV打开到AoV闭合。在AoV打开时由所述区段化的LV壁重建所述起始几何形状。

以下描述了所述受试者特异性二尖瓣和上升主动脉的几何重建。

由AutoLVQ获得的区段化LV壁不包括MV或主动脉。因此，本发明人必须根据与LV壁相同的RT3DE记录重新建构所述生理学MV和上升主动脉(Aao)并将其包括于所述原始的区段化LV表面网格中。为此目的，编写了一个内部软件。

所述MV几何形状在其峰值收缩期时由其生理形状重构，并在整个模拟过程中设为静态。

图4显示了在峰值收缩期时所述生理二尖瓣的受试者特异性3D模型。正如图中所见，所述正常健康的二尖瓣小叶的曲率在峰值收缩期时大致是平坦的。

所述上升主动脉(ascending aorta)是主动脉的第一部分，从所述LV基部的上部开始。所述Aao的形状和倾斜角度在记录中被追踪并附连至所示LV上。在所述模拟期间，所述Aao将根据所述LV基部变形。具有Valsalva的凹处(sinuses)的主动脉根部(其是所述Aao的第一部分)被简化为管状。所述Aao的长度经过设置而使所述流出条件对所关注的流场的影响最小化。

图5显示了所述LV的完整受试者特异性3D模型Cs，包括MV和完全心脏收缩期间不同瞬间的所述Aao的近端部分。(a)来自心脏收缩期开始之时，(b)来自峰值收缩期，即从AoV打开100ms进入所述模拟，而(c)来自收缩期结束(285ms)。(d)显示了心房视图中的所述模型，其中二尖瓣“笑脸(smiley)”清晰可见。

由AutoLVQ获得的所述时变3D心内表面网格用于创建整个心脏收缩期期间的所述规定的受试者特异性LV运动。来自AutoLVQ的表面网格各自由1946个节点和3888个三角形单元组成。然而，需要精修的表面网格以获得CFD模拟中的合理准确度。精修网格将在起始几何形状中产生新的中间节点，这些节点并不是原始网格的一部分。这意味着，它们的节点位置对于随后的时间帧而言是未知的。所述新精修网格的节点平移必须由原始区段化的网格插入。这是通过使用Dahl等人(Dahl ct al.，2011)描述的重心坐标(barycentriccoordinate)而实现的。

本发明的CFD模拟中的时间步长明显小于所述记录的帧之间的时间步长。这需要在每个CFD时间步长的分段时间帧之间计算新的中间网格。根据本发明，这通过样样条内插(spline interpolation)完成。

在根据本发明的所述CFD模拟中，所述规定的LV壁运动被实现为FLUENT用户定义函数(FLUENT User-Defined-Function)(UDF)并用作边界条件。所述Aao设置成根据LV而变形，而所述MV设定为在整个模模拟过程中为静态。

为了验证所述瞬间受试者特异性3D模型的几何形状，所述模型在整个心脏收缩期的每个时间帧与原始RT3DE数据重新比对，如图6中的(a)中的一个时间帧所示。(b)和(c)中的黄线分别显示了在心脏收缩期开始和峰值时所属的超声图像中的3D模型的轮廓。正如图6中可以看出，获得了建模的几何形状和RT3DE数据之间的合理一致性。

前二尖瓣小叶曲率的修改

为了研究AML曲率如何影响流场，创建了三个新模型。当涉及到所述AML的起伏度时，这些模型是截然不同的。

图7图示说明了具有限定角度θ的AML曲率。所述受试者特异性3D模型Cs通过调节所述前叶起伏度进行修改。我们选择用角度θ定义所述起伏度(degree of billowing)。首先，如图7中的虚线所示，从顶侧长轴视图中的前侧的环到后侧的环绘制了线。然后，所述AML曲率的角度θ从如图7所示的这条线进行测量。

模型C_s中的所述受试者特异性AML曲率的角度据测量为-2度。所述三个修改模型采用角度θ分别为15度、30度和60度进行创建，并分别称为C₁₅、C₃₀和C₆₀。所述三个MV模型如图8中所示。

在所述模拟中使用了动态四面体网格。所述网格尺寸在768～920k个单元之间的不同情况之间变化。所述LV的几何形状除了前叶和后叶之间的接合区(coaption)以及从前叶到主动脉的过渡之外都是平滑的。此处也可以找到最大的速度梯度，因此在用于将所述网格集中于具有较大速度梯度的区域中时标定功能大小(sizing function)。所述标定功能大小指定了所述模型中所述网格尺寸的下限和上限，以及连续单元尺寸之间的增长率。在这项研究中，我们分别使用0.3mm和3.0mm的下部和上部网格尺寸。允许单元尺寸20％改变。所述标定功能大小，在附连至所述二尖瓣和上升主动脉时。因此，在具有最高梯度的区域中，所述网格分辨率将是最高的。对所述受试者特异性模型实施了网格依赖性研究，研究了单元尺寸对所述计算解的影响。据发现，将初始网格尺寸减小到0.3mm以下对所获得的解几乎没有影响，例如，使用0.15mm的初始网格尺寸并未明显改变流场(如根据壁剪切、压力和速度曲线的计算分布所判断的)。所述时间步长(time step)经过调节从而使所述CFL数值小于0.1。

使用本发明方法提供的所述受试者特异性模型的流动模拟，是使用所述商业有限体积包Ansys Fluent 15.0(Ansys Inc.)实施的。所述CFD求解器采用专用UDF进行扩展，以在所述模拟中包括所述3D模型的收缩期运动。所述规定的受试者特异性壁运动对所述流动进行驱动。所述ALE公式用于表示运动网格上的Navier-Stokes方程。因为我们使用了规定的壁运动，我们只需要计算压力梯度而不是绝对压力，这是合适的，因为压力梯度是相对的而不是绝对变量。所述基础压力可以设置为任何值，因为它不会影响血液动力学，在我们的模拟中，所述基础压力选择为零。然而，如果想要估计血液动力学工作或计算流体结构相互作用，则绝对压力是重要的。

所述模拟开始于主动脉瓣(AoV)打开开始并于所述AoV闭合时结束。这段时间的长度为285ms，并由RT3DE记录提供。流动假设为层流。所述血液被建模为不可压缩的牛顿均质液体，密度为ρ＝1050kg/m³，而粘度为3.5×10^-3kg/ms，这是较大的腔内血流的相当好的近似值(Ku，1997年)。壁处施加了防滑条件(no-slip condition)。在AoV开启之时所述流体假设处于静止状态。

在讨论所述流场的一般性特征时，应该记住所述流动是高度瞬态的，并且所涉及的时间尺度相当小(本研究中考虑的受试者的收缩期持续285ms)。在心脏收缩期期间没有稳定或准稳定流动的时间段。随着峰值收缩器将两种方案分开所述流动要么加速，要么减速。通过心肌的收缩致动本体流动，导致心室壁运动从而改变所述心室的体积。在早期收缩期间，所述体积变化不大，并且在心室中压力累积，直到其超过主动脉中的末期舒张压，其通常处于80mmHg的范围内。一旦所述心室内的压力超过主动脉中的末期舒张压时，主动脉瓣打开，心室和主动脉内的流动由于心脏收缩产生的压力梯度而开始加速。在本研究工作中，当所述主动脉瓣打开时，所述流体假设处于静止状态。已经投入大量精力来表征所述舒张期期间的心室内流动，并且由本工作的主体可以清楚地看出，在心脏收缩期开始时，心室中将存在复杂的流动结构。然而，为了理解所述心室在心脏收缩期期间产生的整体流动特征，我们认为我们的假设对于评价流动行为起到良好起点和参考点的作用。

所述整体流动是从所述顶点到主动脉的流动。图9显示了在5个不同时间步长，即10、100、150、200、285ms的LV的长轴视图中的速度流线(velocity streamline)。所述四列分别是C_s，C₁₅，C₃₀和C₆₀。整体速度范围处于0～1.55m/s内。

所述流线开始时垂直于所述壁，随后流出所述主动脉时平行于所述主动脉壁。图9中的流线基于所述流速的大小进行了着色。正如能够看出的是，当所述流动通过由所述主动脉呈现的收缩而移动时，所述流动明显加速。MV的结合区域和AML的起伏周围的所述流动能够看出扰乱了所述流线。我们将在下面依次讨论这些流动特征。

图10图示说明了所述横截面P1至P5的位置，其中P1处于主动脉瓣环的水平，P2位于P1的下游XX cm处。所述上升主动脉(Aao)的后侧和前侧也描述于图中。

如图9和图11中能够看出，在峰值收缩期之前的四种情况之间几乎没有差异。在所有情况下，我们都看到主动脉入口处的速度曲线略微偏斜。然而，随着所述流动通过主动脉上升时，所述流动曲线迅速均匀化(even out)。在峰值收缩期后，形成逆行压力梯度(retrograde pressure gradient)(流体减速)，这与AML和Aao之间的过渡处的流线的强曲率相结合，将导致流动分离并沿着“后主动脉壁”形成旋涡结构。随着起伏增加，流线曲率增加，因此垂直于所述流线的压力梯度也增加。所述压力梯度的等级(order)为ρv²/r_曲率，因此对于1m/s的速度和1cm的流线的曲率半径，我们得到所述等级为100m/s²或10倍重力的加速度。

正如图11中能够看出，例如，对于所有考虑的情况，在心脏收缩期任何给定时间，在例如横截面P1和P3上最大速度几乎没有变化。对于给定情况C_s，...C₆₀，横截面P1至P5之间的最大速度随时间的变化远大于任何给定横截面处的情况之间的变化。因此，关于整个主动脉的任何横截面中的最大速度，起伏仅具有较小的影响。

然而，根据图12，显而易见的是，起伏确实会影响所述Aao中的流动分布和流动分离。这是—如上所述—由于从AML过渡到Aao的区域中的所述流线的曲率所致。在相对侧上的流线，即在心室壁和Aao之间的过渡中表现出非常小的曲率，因此几乎不会引发流动分离。下面讨论其临床意义。

现在描述MV的结合区域和所述起伏AML中的流动特征：

由PML的附连区域下方的心室壁产生的流动受到所述MV的接合区域的阻碍。所述流动被迫流动于所述结合区域周围，在AML侧产生旋涡结构。这种旋涡结构随着时间的推移而增长，而其末端朝着主动脉对流，在收缩末期形成U形旋涡结构，如图13所示。图13中的(b)和(c)分别描绘了情况C_s和C₆₀的旋涡结构，处于刚刚在所述主动脉瓣关闭前的收缩末期。图13中的(a)描绘了与图13中的(c)中相同的情况，但从不同的视角并采用顶平面(90°)中的流线举例说明了所述流动如何围绕涡核(vortex core)旋转。所述垂直结构已经使用所谓的λ₂标准进行可视化(Jeong and Hussain，1995)。所述λ₂标准是基于所述张量(tensor)S²+Ω²的第二特征值(eigenvalue)，其中S和Ω是速度梯度张量的对称和反对称部分。该张量S²+Ω²的第二特征值λ₂已经被证明能够正确捕获湍流和低雷诺数瞬态流中的涡旋结构的压力最小值。AML起伏倾向于扩大涡流尺寸。在主动脉根部流线曲率和收缩以及负责主动脉中流动分离的逆行压力梯度(retrograde pressure gradient)也导致在心脏收缩末期在主动脉中形成旋涡结构。C_s和C₆₀的旋涡结构的发展如图13所示。正如能够看出，在形成逆行压力梯度并且该区域中的流动减少时，所述接合区的尖端处产生了涡旋直到所述收缩期后期。

为了控制所述CFD模型是否在生理范围内提供结果，所述3D模型的初始验证通过将所述CFD结果与从与RT3DE采集同一天记录的相同心脏的MR相位映射扫描(MR phasemapping scan)获得的流量测量结果进行比较而进行实施。所述模拟的速度与测量的流动数据一致，并且表明根据本发明的模型提供了所述生理范围内的结果。

所述CFD结果也通过使用近似分析方法验证，使用连续性(continuty)和伯努利(Bernoulli)方程估算速度和压力。

临床前景

基于本研究，我们认为AML曲率不会显著改变心脏作为泵的整体性能。仅仅微小的效率损失能够被识别和计算。此外，仅发现了整体流动模式的微小变化。我们认为这些变化中只有一个具有生理学重要性，即主动脉-二尖瓣连接处的流线曲率(stream-linecurvature)。随着AML曲率增加，流线曲率将在该区域中增加。我们的计算表明，这些弯曲流线形成的压力梯度增强了该区域的流动分离。所述主动脉瓣膜由三个小叶组成。这些小叶中的每一个上的净升高(net lift)是包括小叶上的静压差、摩擦力和由于流线曲率引起的力的力平衡的结果。如果假设前两个与AML曲率无关，则由于流线曲率引起的变化可能会影响所述小叶的动力学。基于我们先前的观察，即随着流动进入主动脉，由于几何收缩导致所述问题中存在固有的不对称性，AML曲率(即起伏)将加剧这种不对称性。流线曲率会在所述小叶的心室侧产生较低压力的区域，这可能导致靠近所述主动脉-二尖瓣连接处的小叶更早闭合。所述高速流动也会倾向于附连至该小叶的表面上，这也能够改变所述小叶的动力学行为及其功能。我们假设了通过这些机制的AML曲率有可能对所述主动脉瓣膜的功能产生不利影响。这是通过响应于改变的应力和应变而重塑所述单元结构，还是由于流体流动中运输过程改变，得出结论还为时尚早。

由二尖瓣的接合区的尖端周围的流动形成的旋涡结构能够影响前叶和后叶的接合。流线曲率能够影响所述结合区域上的力平衡。在前二尖瓣小叶凸出之后的收缩期LVOT流动模式的变化能够假设导致了能量损失和射血效率降低，由于局部剪切力作用于凸出的二尖瓣而导致的二尖瓣小叶重塑，并最后扰乱主动脉血流曲线和位于升主动脉的近端部分的再循环射流。基于我们的模拟，所述能量损失是微不足道的。我们只能推测在二尖瓣凸出的临床情况下，剪切力增加是否重要的或相关的。例如，在二尖瓣修复后这是必要的，并且可以解释手术后数年会修复失效。此外，已经报道了二尖瓣前叶和二叶式主动脉瓣(bicuspid aortic valve)的伸长之间的关联。我们的模拟证实了位于升主动脉的近端部分的再循环射流增加。在二叶式主动脉瓣的患者中，这在理论上可以加速主动脉硬化。应用CFD模型的后续研究可能会揭示这些是否是重要的机制。此外，这种新方法也可以帮助我们预测后来的事件。

心脏瓣膜是通过重塑而响应负荷模式改变的主动结构(Grande-Allen，2004)。虽然重塑可以作为负荷改变的适应性而开始，但所得到的瓣膜组织可能无法提供正常的长期功能。由于瓣膜组织具有这种重塑能力，因此瓣膜几何形状、组织微观结构、材料特性和负荷环境之间的关系是相互依赖的。

总结

与大多数所述生物力学问题一样，本发明涵盖了多学科主题，并涉及科学计算、数学建模、流体动力学、结构力学和生理学。本发明提供了用于提供用于模拟血流和/或结构特征的心血管系统中至少一个组件的受试者特异性计算模型的不同框架。该模型可以，例如，用于模拟左侧心脏中的血液动力学。因此，本发明有助于心脏建模的计算方法。本发明所体现的主要发现和开发是为两个刚性小叶的分区FSI模拟提供隐式耦合算法。该算法允许两个小叶异步运动，因此适用于模拟双小叶机械心脏瓣膜。通过包括所述全2×2雅可比(Jacobian)矩阵，就能够在耦合迭代中考虑小叶之间的相互作用。比较了所述全雅可比矩阵相对于对角雅可比矩阵的收敛速度的差异。所述结果表明，在耦合迭代中包括所述全雅可比矩阵显著提高了收敛速度，并由此提高了模拟速度。总之，所述总计算时间减少了22.5％。

Claims

1.一种用于提供用于模拟血流和/或结构特征的心血管系统中至少一种组件的受试者特异性计算模型的方法，其中所述模型包括瞬态几何形状并通过以下步骤创建：

-获得所述至少一种组件的受试者特异性测量数据，和

-基于受试者特异性数据生成所述计算模型，和在运行模拟时让所述模型的瞬态几何形状定义所述模型的至少一个边界条件或源项。

2.根据权利要求1所述的方法，进一步包括使用流动和/或压力测量数据以获得与所述心血管系统中的所述至少一种组件相关的流动和/或压力特异性数据。

3.根据权利要求1或2所述的方法，其中所述至少一个边界条件或源项通过使用所述心血管系统中的所述至少一种组件的时间依赖性运动而生成，从而确定所述心血管系统中的所述至少一种组件的运动间隔。

4.根据权利要求3所述的方法，其特征在于使用心壁、心脏容量、心脏瓣膜或假体瓣膜中的至少一部分的时间依赖性运动作为所述心血管系统中的至少一个或多个组件生成所述至少一个边界条件或源项。

5.根据权利要求3所述的方法，其特征在于使用血管壁、血管容量或血管瓣膜中的至少一部分的时间依赖性运动生成所述至少一个边界条件或源项。

6.根据权利要求3所述的方法，其特征在于使用至少心脏泵血器件的时间依赖性运动作为所述心血管系统中的至少一个或多个组件生成所述至少一个边界条件或源项。

7.根据前述权利要求中任一项所述的方法，其中所述心血管系统中的所述至少一种组件是心脏组件。

8.根据前述权利要求中任一项所述的方法，其特征在于使所述边界条件在模拟循环期间动态地变化。

9.根据前述权利要求中任一项所述的方法，其特征在于使所述源项在模拟循环期间动态地变化。

10.根据任何前述权利要求所述的方法，其特征在于使所述瞬态几何形状基于医学实时成像数据。

11.根据任何前述权利要求所述的方法，其特征在于通过超声心动图获得所述测量数据。

12.根据权利要求11所述的方法，其特征在于实施实时3D的超声心动图创建时间依赖性超声测量。

13.根据任何前述权利要求所述的方法，其特征在于通过使用计算流体动力学(CFD)方法和/或流体结构相互作用(FSI)方法模拟所述血流。

14.根据任何前述权利要求所述的方法，其特征在于通过计算结构动力学(CSD)方法和/或FSI方法模拟所述模型的结构特征。

15.根据任何前述权利要求所述的方法，其特征在于通过添加受试者特异性数据，如以下一种或多种创建所述模型：血液学采样、组织采样、物理化学数据、和受试者特异性元数据。

16.根据任何前述权利要求所述的方法，其特征在于通过输入与以下一种或多种相关的数据创建所述模型：假体心脏瓣膜、心脏泵血器件、血管器件或移植物。

17.根据任何前述权利要求所述的方法，其特征在于通过与矫正外科手术方案相关的数据创建所述模型。

18.根据任何前述权利要求所述的方法，其特征在于收集测量数据，所述测量数据包括从不同成像模态如磁共振(MR)、X-射线、计算机断层扫描(CT)、正电子发射断层扫描(PET)、和超声检查获得的医学数据。

19.根据任何前述权利要求所述的方法，其特征在于通过与所述心血管系统及其组件的非受试者特异性数据组合的受试者特异性数据创建所述模型。

20.根据任何前述权利要求所述的方法，其特征在于将所述模型布置成机器学习模型，用于通过输入以下至少一种连续优化治疗计划和/或决策和/或用于诊断目的：先前模拟结果、患者病史、和术前、术中或术后影响。

21.根据权利要求20所述的方法，其特征在于进一步布置所述模型以基于以下一种或多种选择要模拟的方案：来自机器学习系统的建议；不同心血管器件的信息和由职员和/或患者作出的选择。

22.一种使用通过权利要求1～21中任一项所述的方法获得的受试者特异性计算模型，进行临床治疗计划和/或诊断目的，术前、术中或术后决策支持的方法。

23.根据权利要求22所述的方法，其用于预测医疗方案的结果。

24.根据权利要求22所述的方法，其用于设计优化的个体假体设计。

25.根据权利要求22所述的方法，其用于设计受试者特异性心脏瓣膜和/或心血管器件。