CN110584639A - 一种对cta冠状动脉图像进行数据处理预测ffr的方法 - Google Patents
一种对cta冠状动脉图像进行数据处理预测ffr的方法 Download PDFInfo
- Publication number
- CN110584639A CN110584639A CN201910830962.2A CN201910830962A CN110584639A CN 110584639 A CN110584639 A CN 110584639A CN 201910830962 A CN201910830962 A CN 201910830962A CN 110584639 A CN110584639 A CN 110584639A
- Authority
- CN
- China
- Prior art keywords
- coronary artery
- ffr
- cta
- coronary
- image
- 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.)
- Pending
Links
Classifications
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/02—Detecting, measuring or recording pulse, heart rate, blood pressure or blood flow; Combined pulse/heart-rate/blood pressure determination; Evaluating a cardiovascular condition not otherwise provided for, e.g. using combinations of techniques provided for in this group with electrocardiography or electroauscultation; Heart catheters for measuring blood pressure
- A61B5/026—Measuring blood flow
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
- G06T7/0012—Biomedical image inspection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/60—Analysis of geometric attributes
- G06T7/62—Analysis of geometric attributes of area, perimeter, diameter or volume
-
- 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
-
- 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
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10072—Tomographic images
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30004—Biomedical image processing
- G06T2207/30048—Heart; Cardiac
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30004—Biomedical image processing
- G06T2207/30101—Blood vessel; Artery; Vein; Vascular
- G06T2207/30104—Vascular flow; Blood flow; Perfusion
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30172—Centreline of tubular or elongated structure
Abstract
一种对CTA冠状动脉图像进行数据处理预测FFR的方法,属于图像处理和建立模型领域,是一种基于CTA图像无创预测FFR的一种新方法。获得冠心病患者的CTA图像之后,进行冠脉三维模型重建;测得冠状动脉各分支血管的体积(V);通过冠状动脉的血管长度确定各血管的灌注面积(M);根据CTA图像获取的数据来计算出单支血管上的V/M值;冠状动脉单支血管的体积质量比可以无创的预测与FFR之间的关系,单支血管的V/M阈值16.92等同于FFR为0.8,当单支血管V/M大于该阈值时,FFR大于0.8,小于该阈值时FFR小于0.8。该方法可以建立一种准确的预测模型来反映与FFR之间的关系。
Description
技术领域:
本发明属于图像处理和建立模型领域,是一种对CTA冠状动脉图像进行数据处理预测FFR的方法。
背景技术:
临床上FFR(血流储备分数)的应用有很大的局限性,该方法对于判断心肌缺血是有创的,并且费用比较昂贵。研究表明整体冠状动脉体积(V)和左心室心肌质量(M)与FFR值有相关性,通过计算整体V/M来预测与FFR值的关系,反映的是一种整体冠脉容积与左心室心肌的供需关系。但由于FFR值是对应到每一支血管上的且测量是有创的,所以应该建立一种更准确的对CTA冠状动脉图像进行数据处理的方法,使其能够无创的反映与FFR值之间的关系。
发明内容:
本发明提出了一种对CTA冠状动脉图像进行数据处理预测FFR的方法,相较于以往的方法,该方法的优点在于深入的考虑了冠状动脉单支血管的上的供需关系,仅仅通过对CTA冠状动脉图像进行数据处理得到通过血管体积和所对应的心肌质量来反映或预测与FFR值的关系。
本发明一种对CTA冠状动脉图像进行数据处理预测FFR的方法,其特征在于,包括以下步骤:
1.1获取冠心病患者CTA冠状动脉图像,进行三维重建,获取病人冠状动脉三维模型,尤其获得STL格式的三维模型;
1.2冠状动脉血管分支体积(V)的测量;
1.3冠状动脉单支血管灌注面积(M)的确定;
1.4求出冠状动脉单支血管的V/M值,V/M值可以用于预测FFR。
进一步所述的步骤1.1包括:
2.1从医院获取冠心病患者的CTA图像。
2.2把从医院获取的CTA图像DICOM格式导入到重建软件中;
2.3将图像导入软件Mimics中后,为了选取感兴趣区域,选择合适的图像阈值;
2.4在选取完阈值之后,需要选择动态区域增长,将具有相似性质的像素集中起来构成区域,分离出冠状动脉和其他软组织结构;
2.5经过阈值选取、动态区域增长之后,开始重建出感兴趣区域冠状动脉结构,获取病人的三维模型STL格式。
进一步所述步骤1.2包括:
3.1将所述步骤2.5中得到的冠状动脉结构的STL格式导入到模型处理软件Geomagic studio 12版本中,将冠状动脉三维模型进行体积的测量;
3.2用模型分割软件中的分割功能将冠状动脉结构分为三部分:右冠状动脉(RCA)、左前降支(LAD)、左回旋支(LCX);
3.3测出冠状动脉脉三个分支的体积。
进一步所述的步骤1.3包括:
4.1将步骤2.5中的STL重新导入重建软件Mimics中;
4.2利用Mimics拟合中心线的功能,拟合出冠状动脉RCA、LAD、LCX三支的血管中心线;
4.3通过拟合出的冠状动脉中心线,测出每个分支的长度Lrca、Llad、Llcx和冠状动脉总长度;
4.4根据心肌质量分配公式M=Mtot*L0/L,其中M为所求单支血管对应的心肌质量,Mtot为左心室总的心肌质量,L0为对应单支血管的长度,L为冠状动脉总长,这样就可以求出单支血管所对应的心肌质量;
进一步优选所述步骤1.4包括:
5.1把所求的单支冠状动脉血管的体积(V)、心肌质量(M)进行比值计算,求的单支血管的V/M值。
本发明通过中位数16.92作为分界,即V/M=16.92等同于FFR=0.8,以16.92为界限,V/M大于16.92时,V/M越大相当于FFR越大;V/M小于16.92时V/M越小相当于FFR越小。
本发明的方法可以通过提前预测FFR的大概方向,从而进一步确定是否进行有创的检测FFR。
附图说明:
图1:本发明方法的结构和流程图;
具体实施方式
下面结合实施例对本发明做进一步说明和验证,但本发明并不限于以下实施例。
实施例1
本发明方法选用了19位冠心病患者的数据进行测试,通过压力导丝测量了患者的FFR,从医院获取冠心病患者的CTA图像按照发明内容进行冠状动脉三维重建和数据处理。
对冠状动脉右冠(RCA)、左前降支(LAD)、左回旋支(LCX)进行体积的测量,然后拟合出中心线,测量出每一支的冠状动脉长度,和总的冠状动脉长度,把左心室心肌质量分配到每一支冠状动脉血管上,求出单支血管上对应的灌注面积。
分别计算出这19例V/M值与每个单支血管上的V/M值。利用SPSS数据分析软件进行求中位数运算,得到冠状动脉V/M为18.61与单支血管V/M值16.92。
我们把计算出的中位数和单支血管的V/M中位数进行与FFR关系进行判断。
结果见下表:
从结果可知,根据本发明的方法预测FFR准确率更高。
本发明的方法可以通过提前预测FFR的大概方向,从而进一步确定是否进行有创的检测FFR。
Claims (6)
1.一种对CTA冠状动脉图像进行数据处理预测FFR的方法,其特征在于,包括以下步骤:
1.1获取冠心病患者CTA冠状动脉图像,进行三维重建,获取病人冠状动脉三维模型,尤其获得STL格式的三维模型;
1.2冠状动脉血管分支体积(V)的测量;
1.3冠状动脉单支血管灌注面积(M)的确定;
1.4求出冠状动脉单支血管的V/M值,V/M值可以用于预测FFR。
2.按照权利要求1所述的一种对CTA冠状动脉图像进行数据处理预测FFR的方法,其特征在于,所述的步骤1.1包括:
2.1从医院获取冠心病患者的CTA图像。
2.2把从医院获取的CTA图像DICOM格式导入到重建软件中;
2.3将图像导入软件Mimics中后,为了选取感兴趣区域,选择合适的图像阈值;
2.4在选取完阈值之后,需要选择动态区域增长,将具有相似性质的像素集中起来构成区域,分离出冠状动脉和其他软组织结构;
2.5经过阈值选取、动态区域增长之后,开始重建出感兴趣区域冠状动脉结构,获取病人的三维模型STL格式。
3.按照权利要求1所述的一种对CTA冠状动脉图像进行数据处理预测FFR的方法,其特征在于,所述步骤1.2包括:
3.1将所述步骤2.5中得到的冠状动脉结构的STL格式导入到模型处理软件Geomagicstudio 12版本中,将冠状动脉三维模型进行体积的测量;
3.2用模型分割软件中的分割功能将冠状动脉结构分为三部分:右冠状动脉(RCA)、左前降支(LAD)、左回旋支(LCX);
3.3测出冠状动脉脉三个分支的体积。
4.按照权利要求1所述的一种对CTA冠状动脉图像进行数据处理预测FFR的方法,其特征在于,所述的步骤1.3包括:
4.1将步骤2.5中的STL重新导入重建软件Mimics中;
4.2利用Mimics拟合中心线的功能,拟合出冠状动脉RCA、LAD、LCX三支的血管中心线;
4.3通过拟合出的冠状动脉中心线,测出每个分支的长度Lrca、Llad、Llcx和冠状动脉总长度;
4.4根据心肌质量分配公式M=Mtot*L0/L,其中M为所求单支血管对应的心肌质量,Mtot为左心室总的心肌质量,L0为对应单支血管的长度,L为冠状动脉总长,这样就可以求出单支血管所对应的心肌质量。
5.按照权利要求1所述的一种对CTA冠状动脉图像进行数据处理预测FFR的方法,其特征在于,所述步骤1.4包括:
5.1把所求的单支冠状动脉血管的体积(V)、心肌质量(M)进行比值计算,求的单支血管的V/M值。
6.按照权利要求1所述的一种对CTA冠状动脉图像进行数据处理预测FFR的方法,其特征在于,通过中位数16.92作为分界,即V/M=16.92等同于FFR=0.8,以16.92为界限,V/M大于16.92时,V/M越大相当于FFR越大;V/M小于16.92时V/M越小相当于FFR越小。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910830962.2A CN110584639A (zh) | 2019-09-04 | 2019-09-04 | 一种对cta冠状动脉图像进行数据处理预测ffr的方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910830962.2A CN110584639A (zh) | 2019-09-04 | 2019-09-04 | 一种对cta冠状动脉图像进行数据处理预测ffr的方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110584639A true CN110584639A (zh) | 2019-12-20 |
Family
ID=68857381
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910830962.2A Pending CN110584639A (zh) | 2019-09-04 | 2019-09-04 | 一种对cta冠状动脉图像进行数据处理预测ffr的方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110584639A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111833434A (zh) * | 2020-05-29 | 2020-10-27 | 北京工业大学 | 一种简单可靠确定左右冠脉分流分数的方法及计算ffr的方法 |
CN112419280A (zh) * | 2020-11-25 | 2021-02-26 | 苏州润迈德医疗科技有限公司 | 精确获取狭窄病变区间的方法及存储介质 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2010109458A1 (en) * | 2009-03-23 | 2010-09-30 | Spirocor Ltd | System and method for inducing hyperemia |
CN103932694A (zh) * | 2014-05-07 | 2014-07-23 | 霍云龙 | 精确诊断心肌血流储备分数(ffr)的方法和设备 |
CN104768465A (zh) * | 2012-11-06 | 2015-07-08 | 皇家飞利浦有限公司 | 血流储备分数(ffr)指标 |
WO2016182508A1 (en) * | 2015-05-12 | 2016-11-17 | Singapore Health Services Pte Ltd | Medical image processing methods and systems |
CN106473731A (zh) * | 2016-10-25 | 2017-03-08 | 北京工业大学 | 基于个性化冠状动脉分支血流量的ffrct计算方法 |
CN108294735A (zh) * | 2012-03-13 | 2018-07-20 | 西门子公司 | 用于冠状动脉狭窄的非侵入性功能评估的方法和系统 |
CN108992057A (zh) * | 2018-06-05 | 2018-12-14 | 杭州晟视科技有限公司 | 一种确定冠状动脉血流储备分数ffr的方法和装置 |
-
2019
- 2019-09-04 CN CN201910830962.2A patent/CN110584639A/zh active Pending
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2010109458A1 (en) * | 2009-03-23 | 2010-09-30 | Spirocor Ltd | System and method for inducing hyperemia |
CN108294735A (zh) * | 2012-03-13 | 2018-07-20 | 西门子公司 | 用于冠状动脉狭窄的非侵入性功能评估的方法和系统 |
CN104768465A (zh) * | 2012-11-06 | 2015-07-08 | 皇家飞利浦有限公司 | 血流储备分数(ffr)指标 |
CN103932694A (zh) * | 2014-05-07 | 2014-07-23 | 霍云龙 | 精确诊断心肌血流储备分数(ffr)的方法和设备 |
WO2016182508A1 (en) * | 2015-05-12 | 2016-11-17 | Singapore Health Services Pte Ltd | Medical image processing methods and systems |
CN106473731A (zh) * | 2016-10-25 | 2017-03-08 | 北京工业大学 | 基于个性化冠状动脉分支血流量的ffrct计算方法 |
CN108992057A (zh) * | 2018-06-05 | 2018-12-14 | 杭州晟视科技有限公司 | 一种确定冠状动脉血流储备分数ffr的方法和装置 |
Non-Patent Citations (1)
Title |
---|
尹小龙等: "《心血管疾病基础与临床新进展》", 31 October 2014, 云南科技出版社 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111833434A (zh) * | 2020-05-29 | 2020-10-27 | 北京工业大学 | 一种简单可靠确定左右冠脉分流分数的方法及计算ffr的方法 |
CN112419280A (zh) * | 2020-11-25 | 2021-02-26 | 苏州润迈德医疗科技有限公司 | 精确获取狭窄病变区间的方法及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Hubert et al. | Estimation of myocardial work from pressure–strain loops analysis: an experimental evaluation | |
Muraru et al. | New speckle-tracking algorithm for right ventricular volume analysis from three-dimensional echocardiographic data sets: validation with cardiac magnetic resonance and comparison with the previous analysis tool | |
US9974453B2 (en) | Systems and methods for estimating ischemia and blood flow characteristics from vessel geometry and physiology | |
US10872698B2 (en) | Method and system for enhancing medical image-based blood flow computations using physiological measurements | |
Yang et al. | Improvement in strain concordance between two major vendors after the strain standardization initiative | |
Vembar et al. | A dynamic approach to identifying desired physiological phases for cardiac imaging using multislice spiral CT | |
WO2019109607A1 (zh) | 基于医学影像序列斑块稳定性指标的快速计算方法及系统 | |
Fine et al. | Left and right ventricular strain and strain rate measurement in normal adults using velocity vector imaging: an assessment of reference values and intersystem agreement | |
CN108511075B (zh) | 一种非侵入式获取血流储备分数的方法和系统 | |
KR101818645B1 (ko) | 혈류 특성 모델링 감도 분석 방법 및 시스템 | |
Innelli et al. | The impact of ageing on right ventricular longitudinal function in healthy subjects: a pulsed tissue Doppler study | |
Levy et al. | Performance of new automated transthoracic three-dimensional echocardiographic software for left ventricular volumes and function assessment in routine clinical practice: Comparison with 3 Tesla cardiac magnetic resonance | |
CN108122616B (zh) | 个体特异性的心血管模型的生成方法及其应用 | |
Nishikage et al. | Quantitative assessment of left ventricular volume and ejection fraction using two-dimensional speckle tracking echocardiography | |
CN109009061B (zh) | 基于血压修正获取血流特征值的计算方法及装置 | |
CN109843161A (zh) | 用于确定针对狭窄评估的功能指数的装置 | |
CN113040795A (zh) | 无导丝ffr、无导丝imr和无导丝cfr的检测方法 | |
CN110584639A (zh) | 一种对cta冠状动脉图像进行数据处理预测ffr的方法 | |
Sabatino et al. | Echocardiographic normal reference ranges for non-invasive myocardial work parameters in pediatric age: results from an international multi-center study | |
CN113180614A (zh) | 无导丝ffr、无导丝imr和无导丝cfr的检测方法 | |
Wang et al. | Left and right coronary artery blood flow distribution method based on dominant type | |
Burgstahler et al. | Quantitative parameters to compare image quality of non-invasive coronary angiography with 16-slice, 64-slice and dual-source computed tomography | |
Zhang et al. | Quantification of effects of mean blood pressure and left ventricular mass on noninvasive fast fractional flow reserve | |
US10332255B2 (en) | Method for assessing stenosis severity in a lesion tree through stenosis mapping | |
Schwarz et al. | Reproducibility of left and right ventricular mass measurements with cardiac CT |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20191220 |
|
RJ01 | Rejection of invention patent application after publication |