CN111093504A - 对测量的和模拟的冠状动脉内拉回曲线的配准和比较 - Google Patents
对测量的和模拟的冠状动脉内拉回曲线的配准和比较 Download PDFInfo
- Publication number
- CN111093504A CN111093504A CN201880057268.5A CN201880057268A CN111093504A CN 111093504 A CN111093504 A CN 111093504A CN 201880057268 A CN201880057268 A CN 201880057268A CN 111093504 A CN111093504 A CN 111093504A
- Authority
- CN
- China
- Prior art keywords
- simulated
- intravascular
- vessel
- pullback
- data
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 244000208734 Pisonia aculeata Species 0.000 title claims abstract description 373
- 238000000034 method Methods 0.000 claims abstract description 32
- 210000004351 coronary vessel Anatomy 0.000 claims abstract description 24
- 230000000004 hemodynamic effect Effects 0.000 claims description 60
- 239000012530 fluid Substances 0.000 claims description 32
- 210000004204 blood vessel Anatomy 0.000 claims description 21
- 238000004364 calculation method Methods 0.000 claims description 14
- 238000004590 computer program Methods 0.000 claims description 9
- 238000012545 processing Methods 0.000 claims description 9
- 238000002583 angiography Methods 0.000 claims description 7
- 230000011218 segmentation Effects 0.000 claims description 7
- 238000011065 in-situ storage Methods 0.000 claims description 5
- 230000017531 blood circulation Effects 0.000 abstract description 26
- 230000000875 corresponding effect Effects 0.000 description 20
- 230000006870 function Effects 0.000 description 12
- 239000008280 blood Substances 0.000 description 11
- 210000004369 blood Anatomy 0.000 description 11
- 238000005259 measurement Methods 0.000 description 11
- 230000003902 lesion Effects 0.000 description 8
- 238000002591 computed tomography Methods 0.000 description 6
- 102000002508 Peptide Elongation Factors Human genes 0.000 description 5
- 108010068204 Peptide Elongation Factors Proteins 0.000 description 5
- 230000036772 blood pressure Effects 0.000 description 5
- 238000002059 diagnostic imaging Methods 0.000 description 5
- 230000000694 effects Effects 0.000 description 5
- 208000031481 Pathologic Constriction Diseases 0.000 description 4
- 239000002872 contrast media Substances 0.000 description 4
- 230000001419 dependent effect Effects 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 208000037804 stenosis Diseases 0.000 description 4
- 230000036262 stenosis Effects 0.000 description 4
- 238000004458 analytical method Methods 0.000 description 3
- 238000004422 calculation algorithm Methods 0.000 description 3
- 230000000747 cardiac effect Effects 0.000 description 3
- 230000008859 change Effects 0.000 description 3
- 238000012937 correction Methods 0.000 description 3
- 238000004088 simulation Methods 0.000 description 3
- 208000029078 coronary artery disease Diseases 0.000 description 2
- 230000002596 correlated effect Effects 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 230000000544 hyperemic effect Effects 0.000 description 2
- 238000003384 imaging method Methods 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 238000002595 magnetic resonance imaging Methods 0.000 description 2
- 239000000203 mixture Substances 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000013186 photoplethysmography Methods 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 238000011524 similarity measure Methods 0.000 description 2
- 210000000709 aorta Anatomy 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000009530 blood pressure measurement Methods 0.000 description 1
- 230000001276 controlling effect Effects 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 230000003205 diastolic effect Effects 0.000 description 1
- 229940079593 drug Drugs 0.000 description 1
- 239000003814 drug Substances 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 230000001678 irradiating effect Effects 0.000 description 1
- 230000008338 local blood flow Effects 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000000691 measurement method Methods 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 230000004962 physiological condition Effects 0.000 description 1
- 230000035479 physiological effects, processes and functions Effects 0.000 description 1
- 230000005855 radiation Effects 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 230000000284 resting effect Effects 0.000 description 1
- 230000002966 stenotic effect Effects 0.000 description 1
- 238000003860 storage Methods 0.000 description 1
- 230000001052 transient effect Effects 0.000 description 1
- 230000000304 vasodilatating effect Effects 0.000 description 1
- 229940124549 vasodilator Drugs 0.000 description 1
- 239000003071 vasodilator agent Substances 0.000 description 1
Images
Classifications
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
- A61B6/52—Devices using data or image processing specially adapted for radiation diagnosis
- A61B6/5211—Devices using data or image processing specially adapted for radiation diagnosis involving processing of medical diagnostic data
- A61B6/5229—Devices using data or image processing specially adapted for radiation diagnosis involving processing of medical diagnostic data combining image data of a patient, e.g. combining a functional image with an anatomical image
- A61B6/5247—Devices using data or image processing specially adapted for radiation diagnosis involving processing of medical diagnostic data combining image data of a patient, e.g. combining a functional image with an anatomical image combining images from an ionising-radiation diagnostic technique and a non-ionising radiation diagnostic technique, e.g. X-ray and ultrasound
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
- A61B6/48—Diagnostic techniques
- A61B6/481—Diagnostic techniques involving the use of contrast agents
-
- 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
- A61B5/021—Measuring pressure in heart or blood vessels
- A61B5/0215—Measuring pressure in heart or blood vessels by means inserted into the body
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
- A61B6/46—Arrangements for interfacing with the operator or the patient
- A61B6/461—Displaying means of special interest
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
- A61B6/50—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment specially adapted for specific body parts; specially adapted for specific clinical applications
- A61B6/504—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment specially adapted for specific body parts; specially adapted for specific clinical applications for diagnosis of blood vessels, e.g. by angiography
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
- A61B6/50—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment specially adapted for specific body parts; specially adapted for specific clinical applications
- A61B6/507—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment specially adapted for specific body parts; specially adapted for specific clinical applications for determination of haemodynamic parameters, e.g. perfusion CT
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
- A61B6/52—Devices using data or image processing specially adapted for radiation diagnosis
- A61B6/5211—Devices using data or image processing specially adapted for radiation diagnosis involving processing of medical diagnostic data
- A61B6/5217—Devices using data or image processing specially adapted for radiation diagnosis involving processing of medical diagnostic data extracting a diagnostic or physiological parameter from medical diagnostic data
-
- 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
- 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
- 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
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/05—Detecting, measuring or recording for diagnosis by means of electric currents or magnetic fields; Measuring using microwaves or radio waves
- A61B5/055—Detecting, measuring or recording for diagnosis by means of electric currents or magnetic fields; Measuring using microwaves or radio waves involving electronic [EMR] or nuclear [NMR] magnetic resonance, e.g. magnetic resonance imaging
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
- A61B5/7271—Specific aspects of physiological measurement analysis
- A61B5/7285—Specific aspects of physiological measurement analysis for synchronising or triggering a physiological measurement or image acquisition with a physiological event or waveform, e.g. an ECG signal
- A61B5/7289—Retrospective gating, i.e. associating measured signals or images with a physiological event after the actual measurement or image acquisition, e.g. by simultaneously recording an additional physiological signal during the measurement or image acquisition
Landscapes
- Health & Medical Sciences (AREA)
- Engineering & Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Medical Informatics (AREA)
- Public Health (AREA)
- General Health & Medical Sciences (AREA)
- Biomedical Technology (AREA)
- Pathology (AREA)
- Radiology & Medical Imaging (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Surgery (AREA)
- Veterinary Medicine (AREA)
- Biophysics (AREA)
- Heart & Thoracic Surgery (AREA)
- Molecular Biology (AREA)
- Physics & Mathematics (AREA)
- Animal Behavior & Ethology (AREA)
- High Energy & Nuclear Physics (AREA)
- Optics & Photonics (AREA)
- Primary Health Care (AREA)
- Epidemiology (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- Physiology (AREA)
- Cardiology (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Dentistry (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Vascular Medicine (AREA)
- Human Computer Interaction (AREA)
- Apparatus For Radiation Diagnosis (AREA)
- Measuring Pulse, Heart Rate, Blood Pressure Or Blood Flow (AREA)
- Endoscopes (AREA)
Abstract
提供了一种用于分析冠状动脉血管的装置以及对应的方法,其中,将从(非侵入式)获取的诊断图像获得的模拟拉回数据与侵入式获取的血管内拉回数据进行共配准,并且所述共配准被用于识别使用两种模态获得的拉回数据的差异。这些差异允许导出关于血管几何结构和/或通过血管的血流的更多信息。其因此可以被用于改善所述生理学模型。
Description
技术领域
本发明涉及一种用于分析患者的冠状动脉血管的装置、一种对应的方法以及一种相应的计算机程序。具体地,本发明涉及采用对感兴趣血管的模拟拉回(pullback)数据与已经从感兴趣血管现场获得的血管内拉回数据的比较而对冠状动脉生理学的感兴趣血管的经改进的分析。
背景技术
通常通过考虑狭窄远端压力(Pd)与主动脉压力(Pa)之比来评估冠状动脉中的功能性狭窄的严重程度。可以使用血流储备分数(FFR)或瞬时无波比(iFR),这两者均是根据所述压力比来确定的。FFR测量使用整个心脏周期的压力迹线,并且必须在充血状态下执行,所述充血状态通常是由血管舒张性药物的施予引起的。相反,iFR测量是在心脏周期的特定时段(亦即,舒张期)期间在静息状态下执行的,所述时段也被称为无波时段。这些指数的计算能够在冠状动脉中的单个位置上或者沿着血管的纵轴来执行。
过去,沿着冠状动脉的纵轴的冠状动脉疾病的确定是使用侵入性流程来执行的,在侵入性流程中,执行对装备有压力传感器的导丝通过感兴趣血管的拉回,由此确定沿着所述感兴趣血管的多个位置处的压力的血管内压力追踪。基于该血管内压力追踪,可以沿着血管的纵轴来确定FFR或iFR的进展。
近年来,已经开发了所谓的“虚拟”方法,其中,使用从无创地获得的感兴趣血管的诊断图像数据中导出的生理学模型来模拟患者的冠状动脉血管中的流体动力学,所述诊断图像数据是使用医学成像模态(诸如计算机断层摄影(CT)、磁共振成像(MRI)、X射线扫描等)获取的图像数据。
作为示例,为了确定虚拟FFR/iFR,通过使用相应的流体动力学模型作为生理学模型的一部分来模拟通过所述血管的血流的流体动力学以估计表示沿着感兴趣血管的压力的拉回曲线。
然而,该流体动力学模型仅仅可以被认为是基于诊断图像数据对通过感兴趣血管的实际血流的估计。这样,所述确定的可靠性高度取决于可以从诊断图像数据中导出的信息。
发明内容
原则上,可以基于单幅2D诊断图像来获得包括流体动力学模型的生理学模型。然而,当使用单幅诊断图像时,可能发生诸如透视缩短的效果,这些效果在选定的角度中是不可见的,这可能导致关于从2D诊断图像获得的生理学模型得出错误的结论。
此外,使用各自的边界条件,诸如血液粘度或血管壁成分,所述流体动力学模型仅可以估计感兴趣血管中的某种程度理想的血流。相反,在流体动力学模型中没有恰当地呈现血流的偏差,诸如非典型血流速率或局部血流湍流。
到目前为止,评估冠状动脉中的功能性狭窄的严重程度的方法已经聚焦于使用侵入性方法或者应用生理学模型的基于图像的“虚拟”方法。由于在诊断图像数据中的透视缩短以及在侵入性测量期间的压力丝线的拉回速度的变化导致在这两种模态之间的拉回曲线长度的变化,因此未考虑将两种方法的组合用于获得关于血管几何结构和/或通过血管的血流的额外信息。因此,通过这两种测量方法获得的信息是不兼容的。因此,本发明的目的是提供一种用于分析冠状动脉血管的经改进的装置以及对应的方法。
本发明的另外的目的是提供一种用于分析患者的冠状动脉血管的装置,所述装置允许取回关于感兴趣血管内的流体动力学的额外信息。更具体地,本发明的目的是提供一种用于分析冠状动脉血管的装置,所述装置允许根据患者的个体血液动力学特性来调整患者的生理学模型。
因此,提供了一种用于分析冠状动脉血管的装置,所述装置包括输入单元,所述输入单元适于接收基于从感兴趣血管的至少一幅诊断图像生成的生理学模型而确定的模拟拉回数据以及从感兴趣血管现场获取的血管内压力拉回数据。所述装置还包括共配准单元,所述共配准单元适于比较所述模拟拉回数据和所述血管内拉回数据以识别所述模拟拉回数据与所述血管内拉回数据之间的至少一个不同(disparity)并且输出所述至少一个不同。
因此,提供了一种装置,所述装置采用对两种不同模态的共配准来评估感兴趣血管。更具体地,所述装置采用(非侵入性的)基于图像的生理学模型与对感兴趣血管内的至少一个血液动力学参数的侵入性的基于丝线的测量的组合,以获得关于血管的信息,否则该信息是不可用的。
在该上下文中,所获得的血液动力学参数可以特别指代血压。因此,基于丝线的测量尤其可以是基于丝线的压力测量以获得血管内压力拉回数据。同样地,可以使用生理学模型来获得模拟压力拉回数据。备选地,也可以使用其他血液动力学参数,诸如血管对血流的阻力。
用于生成生理学模型的至少一幅诊断图像可以具体地指代表示冠状动脉血管的至少一幅图像。更具体地,所述至少一幅诊断图像可以表示包括心脏的感兴趣血管的血管树。由此,所述至少一幅诊断图像可以借助于非侵入性诊断成像模态来获取,所述非侵入性诊断成像模态诸如是计算机断层摄影(CT)或磁共振成像(MRI)。
非侵入性诊断成像模态由此可以是门控的。这样的门控式非侵入性诊断成像模态通常可以采用门控的重建,其中,对至少一幅诊断图像的获取与在心动周期上提供信息的数据(诸如心电图(ECG)或光体积描记(PPG)数据)的获取是并行地执行的。该数据由此借助于心动周期的相应选定的相位点用于门控图像获取和重建。
在实施例中,所述生理学模型包括表示通过感兴趣血管的血流的流体动力学模型。这允许基于所述流体动力学模型来估计感兴趣血管中的血液动力学参数。因此,所述流体动力学模型允许模拟针对感兴趣血管的拉回数据。
在该上下文中,术语拉回数据通常涉及在沿着感兴趣血管的纵轴的各个位置处确定的多个血液动力学参数值。拉回数据是针对特定的拉回长度来获得的,所述特定的拉回长度被定义为在多个血液动力学参数值的确定的开始位置与该确定的结束位置之间的距离。所述拉回数据可以例如被用于确定沿着感兴趣血管的压力梯度,所述压力梯度可以被认为是针对狭窄严重程度的度量。
在实施例中,可以通过使用所述流体动力学模型模拟所述拉回来确定模拟拉回数据。在这种情况下,可以将在模拟的开始点与模拟的结束点之间的距离视为模拟拉回长度。
另外,可以使用侵入性流程来获得血管内拉回数据,在该流程期间,用于测量血液动力学参数的如丝线或导管的介入工具被引入到感兴趣血管中。
然后,将丝线沿着血管的纵轴从血管的远端拉至血管的近端。在拉回期间,针对沿着感兴趣血管的纵轴的多个血管内位置获得多个血管内血液动力学参数值。由此,在感兴趣血管的远端处的拉回记录的开始位置与在感兴趣血管的近端处的拉回记录的结束位置之间的距离被称为血管内拉回长度。
所述模拟拉回数据与所述血管内拉回数据被共配准。因此,针对模拟拉回数据中的至少一个血液动力学参数的模拟值中的每一个模拟值,确定血管内压力拉回数据中的至少一个血液动力学参数的血管内值中的对应的一个血管内值。
在实施例中,通过比较通过两种模态获得的拉回数据并且通过识别其之间的差异,将共配准用于确定关于感兴趣血管的另外的信息,其被认为是针对特定于感兴趣血管或通过感兴趣血管的血流的特定血管特性的指示。
所述共配准可以具体地使用相似性度量来执行,例如互相关、关于这两个拉回数据集的互信息或病变检测方法。
对这两个拉回数据集进行共配准的一种特定方式是从模拟拉回数据导出的模拟拉回曲线的长度与从血管内拉回数据导出的血管内拉回曲线的长度的相关。
在该上下文中,术语“拉回曲线”指代模拟拉回数据和血管内拉回数据作为各自的模拟拉回长度和血管内拉回长度的函数的图示。这样,在针对在拉回记录期间获得的所有值都图示了血管内拉回曲线的情况下,血管内拉回曲线的长度对应于血管内拉回长度。否则,血管内拉回曲线的长度可以对应于临时血管内拉回长度,在此期间,执行由拉回曲线表示的第一值到最终值的拉回记录。
为此,可以通过假设血管内拉回曲线的长度可以从拉回长度正确地导出来执行共配准。在确定血管内拉回曲线的长度后,在模拟拉回曲线的长度上使用基于样条的长度变化来调节模拟拉回曲线的长度以匹配血管内拉回曲线的长度。借助于将拉回曲线的长度调节到彼此,可以改善对这两种模态之间的差异的确定。
在本发明的上下文中,这些差异可以具体地涉及在由模拟拉回数据定义的模拟拉回曲线与由血管内拉回数据定义的血管内拉回曲线之间的局部失匹配或全局失匹配。由此,可以通过将这两条拉回曲线彼此进行比较并且识别例如血管内拉回曲线中的、不存在于模拟拉回曲线中的局部最小值来确定所述差异。
由此识别的不同可以随后被输出用于进一步的评估。在该上下文中,所识别的不同的输出应当被理解为关于所识别的不同的至少一条信息的输出。在这种情况下,所述信息可以由此被输出给用户,所述用户在接收到所述输出时可以根据所述输出信息来确定关于所述不同的各自的另外的信息。由此,所述另外的信息可以特别地与生理学模型的不准确性有关,诸如在由流体动力学模型表示的血流的不规则性或者由被包括在生理学模型中的几何模型表示的感兴趣血管的血管段的几何结构的不准确性。亦即,用户可以得出结论:不同是由所述不准确性引起的。
在实施例中,所述至少一个不同还可以被输出到另外的处理单元,所述另外的处理单元根据所识别的不同来自动地导出另外的血管信息,所述另外的血管信息可以与几何模型或流体流动模型的不准确性有关。更具体地,共配准单元可以被配置有另外的处理模块,以基于所识别的不同来自动地确定所述血管信息。
为此,所述共配准单元还可以被设置有处理单元,所述处理单元用于在输出之前直接根据所识别的不同来确定所述血管信息。在这种情况下,所述共配准单元可以输出根据所识别的不同而确定的至少一个血管信息。备选地或额外地,所述共配准单元可以被配置为输出关于所识别的不同的信息以及血管信息。
在实施例中,所述血管信息可以被用于提供对感兴趣血管的更全面的评估,并且因此,提供对潜在冠状动脉疾病的更全面的评估。这还允许经改善的处置规划。
根据实施例,使用X射线血管造影获得至少一幅诊断图像。备选地或额外地,使用血流储备分数(FFR)或瞬时无波比(iFR)的拉回记录来获得血管内拉回曲线数据。
X射线血管造影是一种医学成像技术,其特别适合于对(人类)身体中的血管进行可视化。X射线血管造影通常是通过将造影剂注入到血管中并且随后利用X射线辐射照射具有填充了造影剂的血管的身体部位来获得在其中填充了造影剂的血管清晰可见的一幅或多幅二维图像。
在实施例中,所述诊断图像可以是患者的包括至少一条感兴趣血管的冠状动脉血管的二维(2D)血管造影图像。所述诊断图像也可以是从使用X射线血管造影获取的两个不同投影导出的三维(3D)血管造影图像。
为了获得足够好地分辨的生理学模型,所述血管造影图像由此应当具有足够的造影剂填充。此外,所述血管造影图像中的透视缩短和重叠的程度应当足够低。这提高了血管造影图像的质量,并且随后简化了生理学模型的生成。
瞬时无波比(iFR)指代一种用于功能性狭窄评估的侵入性方法。具体地,使用被引入到待评估的血管中的高保真度压力丝线来执行iFR获取。然后,将压力丝线从血管的远端缓慢地拉至近端。在拉回期间,将压力值记录为血液动力学参数值,即,在这种情况下,血液动力学参数对应于(血液)压力。
iFR获取因此是在舒张期中的特定时段期间执行的,其被称为无波时段。iFR获取使用在无波时段期间远端冠状动脉压力(Pd)与在主动脉中观测到的压力(Pa)之间的比率。在该时段期间,影响冠状动脉流量的波处于休眠状态,这意味着在该时段期间压力和流量是线性相关的。这使得能够在无需借助于血管扩张剂来增加血流量的情况下对所述比率进行评估。
根据另外的实施例,所述装置还包括建模单元,所述建模单元被配置为接收感兴趣血管的至少一幅诊断图像以对感兴趣血管的诊断模型进行分割,并且基于所述分割来生成生理学模型,其中,所述生理学模型包括表示通过所述感兴趣血管的流体动力学的流体动力学模型。所述装置还包括确定单元,所述确定单元被配置为基于所述流体动力学模型来确定模拟拉回数据。
因此,所述生理学模型是从感兴趣血管的至少一幅诊断图像获得的。具体地,可以从感兴趣血管的单幅诊断图像获得生理学模型。甚至更具体地,所述诊断图像可以是感兴趣血管的单幅二维(2D)血管造影图像。所述诊断图像是由建模单元来接收的,所述建模单元根据所述诊断图像来生成生理学模型。
所述生理学模型的生成可以包括对被成像感兴趣血管的分割。因此,在本发明的上下文中,分割感兴趣血管的诊断图像对应于将在诊断图像中表示的感兴趣血管分割为各个血管段。
基于该分割,可以生成表示感兴趣血管的一个或多个血管段的生理学模型。为此,所述生理学模型可以具体地包括流体动力学模型,以模拟通过感兴趣血管的各个段的流体流动,即血液流动。
所述流体动力学模型尤其可以通过执行计算来生成,所述计算模拟血液与血管壁(即,血液流经的血管的内表面)的相互作用。因此,这些相互作用是由考虑到血管特性的特定边界条件来定义的,血管特性诸如是血管壁组成、血管壁弹性和血管阻力、血管中的分叉以及血液特性,诸如血液粘度。
因此,可以使用通用的边界条件,其对于所有患者或者对于特定患者组都是相似的(按年龄、性别、生理状况等来区分)。备选地或额外地,已经针对特定患者导出的患者特定的边界条件可以被用于对流体动力学模型的计算。
在实施例中,所述流体动力学模型可以具体地指代集总参数流体动力学模型。在这样的集总参数流体动力学模型中,通过离散实体的拓扑来近似血管的流体动力学。更具体地,在集总参数模型中,血管阻抗由一系列电阻器元件来近似,而血管的终端由表示接地的元件来表示。因此,可以由电阻器的拓扑来表示血管树,每个电阻器具有特定的电阻,其中,血管树的表示由各自的接地元件来结束。与诸如Navier-Stokes之类的其他方法相比,这些集总参数模型减少了维数。因此,使用集总参数模型可以允许对血管内部的流体动力学的简化计算,并且可以最终导致减少的处理时间。
在实施例中,所述流体动力学模型被用于确定模拟拉回数据。因此,所述流体动力学模型被用于确定针对一个或多个血管段的通过感兴趣血管的血液动力学参数。作为示例,可以根据流体动力学模型来确定血压。
可以针对通过血管的血流的流体动力学模型的每个点来确定模拟血液动力学参数值。更具体地,考虑特定的血管段,并且针对从所述血管段的生理学模型的第一点到最后一点的每个点,沿着所述血管段的(虚拟)纵轴来模拟多个血液动力学参数值。沿着轴的多个模拟血液动力学参数值被提供作为模拟拉回数据。
因此,从血管段的第一点到血管段的最后一点的距离对应于从所述模拟拉回数据导出的模拟拉回曲线的长度。因此,应当理解,所述模拟拉回曲线的长度可以具体地对应于生理学模型的血管段的长度。
在又一实施例中,所述装置还包括:计算单元,其适于计算模拟拉回数据的第一表示和血管内压力拉回数据的第二表示;以及显示单元,其适于共同地显示所述第一表示和所述第二表示以及至少一个血管信息。
在本发明的上下文中,可以向用户显示经共配准的模拟压力拉回数据与血管内压力拉回数据。这允许对通过两种模态获得的拉回数据之间的一致性和差异的更直观的例示说明。因此,显示单元可以是能够显示数据的图形表示的任何单元,诸如计算机屏幕、电视屏幕等。
经共配准的模拟拉回数据可以具体地被显示为分别表示作为拉回长度的函数的模拟拉回曲线和血管内拉回曲线的两幅图。亦即,所述图可以表示来自模拟拉回数据和血管内拉回数据两者的血液动力学参数值,作为从血管的远端到血管的近端的纵轴的函数。甚至更具体地,所述显示器还可以包括至少一个不同的表示和/或从其导出的血管信息。
备选地或额外地,可以在图像数据中示出的感兴趣血管旁边显示表示针对模拟拉回数据和血管内拉回数据两者的血液动力学参数值的图。甚至更具体地,可以将所述图整合到所获得的图像数据中。备选地或额外地,还可以在感兴趣血管的生理学模型的二维(2D)图示或三维(3D)图示旁边表示这些图。
根据另外的实施例,所述模拟拉回数据包括多个模拟血液动力学参数值,并且所述血管内拉回数据包括已经在沿着感兴趣血管的纵轴的多个血管内位置处获取的多个血管内血液动力学参数值。比较所述模拟拉回数据和所述血管内拉回数据还包括将多个模拟血液动力学参数值中的至少一个模拟值与多个血管内血液动力学参数值中的至少一个血管内值相关。
在实施例中,所述模拟拉回数据特别地是从根据单幅2D图像生成的生理学模型获得的。在某些情况下,在获得诊断图像数据时会出现透视缩短。当使用单幅图像时,这种透视缩短可能是不可见的,并且因此无法识别。在这些情况下,与被认为是正确长度的从血管内拉回数据导出的血管内拉回曲线的长度相比,可能缩短从模拟拉回数据导出的模拟拉回曲线的长度。因此,还不能够将多个模拟血液动力学参数值恰当地分配给对应的多个血管内血液动力学参数值。
因此,可以针对多个模拟血液动力学参数值和血管内血液动力学参数值执行相关。因此,每个模拟值可以与对应的血管内值相关。备选地,仅模拟值的子集可以与其对应的血管内值的子集相关。
结果,借助于所描述的相关性,提高了比较的准确性,并且因此改善了对不同的确定。
在又另外的实施例中,使用在血管内拉回数据的获取期间所获得的跟踪信息来执行对至少一个模拟血液动力学参数值与至少一个血管内血液动力学参数值的相关。
在对血管内血液动力学参数值的拉回记录期间,可能发生拉回的速度变化。这可能导致在一个或多个血管内血液动力学参数值之间的临时拉回长度的变化。因此,可能难以将每个血管内值分配给其在血管内部的相应血管内位置(已经在所述位置处获取了血管内值)。
为了克服该问题,所述相关可以包括使用跟踪信息。在一些实施例中,跟踪信息具体地可以通过在拉回期间跟踪测量丝线的位置来获得。这可以使用对测量丝线的位置的荧光检查记录来执行。备选地,可以使用电磁或光纤导管跟踪来执行所述跟踪。同样地,可以使用基于图像的配准方法来执行所述跟踪,即,通过考虑诊断图像并且通过使用可以从所述图像导出的信息来确定测量丝线的位置。
对测量丝线的位置进行跟踪具体地允许确定已经获取了相应的血管内血液动力学参数值的血管内位置,即,允许将每个血管内值明确地分配给特定的血管内位置。跟踪信息因此可以与血管内拉回数据一起提供给输入单元。
结果,可以确定并且考虑所述血管内值中的每个血管内值之间的临时拉回长度的长度变化。这继而改善了模拟血液动力学参数值与血管内血液动力学参数值的相关性。更具体地,由于血管内值可以被正确地分配给其沿着血管的各自血管内位置,因此能够根据所述模拟拉回数据更准确地确定模拟血液动力学参数值,所述模拟血液动力学参数值对应于在特定血管内位置处获得的血管内血液动力学参数值。因此,使用跟踪信息使得能够实现对两种模态的甚至更准确的共配准。
在另外的实施例中,所述生理学模型还包括感兴趣血管的几何模型,并且基于对从模拟拉回数据导出的模拟拉回曲线的长度的调节来调节几何模型中的感兴趣血管的血管长度。
根据该实施例,所述生理学模型还包括表示感兴趣血管的几何结构的几何模型。所述几何模型可以是模型的二维(2D)几何表示或三维(3D)几何表示。在本发明的特定实施例中,所述几何模型是从2D血管造影图像数据导出的2D模型,对于所述2D血管造影图像数据,通过假设血管的圆形形状来近似第三维度。
在某些情况下,用于生成所述生理学模型的单幅诊断图像可能经受图像不准确,诸如图像中的透视缩短。这可能导致对血管几何结构的各部分、特别是对血管腔的横截面或者经建模的感兴趣血管的长度的错误估计。
如上文所指出的,生理学模型的生成可以具体地包括将被成像的血管分割成各个血管段。在该上下文中,术语血管长度指代使用几何模型模拟的血管段的长度。
分别使用被包括在所述生理学模型中的几何模型和流体动力学模型来模拟通过每个血管段的几何学和流体动力学。具体地,沿着特定血管段的整个纵轴获得模拟拉回数据。这意味着模拟拉回曲线的长度对应于血管段的长度。由于该血管段由几何模型以几何方式来表示,所以可以理解,所述模拟拉回曲线的长度和所述几何模型的长度彼此对应。因此,应当理解,所述模拟拉回曲线的长度可以具体地指示几何模型内的感兴趣血管的血管长度。
根据该理解,被引入以将模拟拉回曲线的长度调节为血管内拉回曲线的长度的长度变化也可以被用于相对于血管段的模拟长度来校正所述几何模型。更具体地,还可以将被用于伸长模拟拉回曲线的长度的伸长因子应用于所述几何模型,以便根据由于诊断图像中的伪影或成像效果而导致的不准确性来校正所述几何模型。因此,通过应用伸长,可以获得感兴趣血管的、即各个血管段的更准确的几何模型。
根据又另外的实施例,所述至少一个不同包括在从模拟拉回数据导出的模拟拉回曲线与从血管内拉回数据导出的血管内拉回曲线之间的标度差异。在一些实施例中,在经共配准的模拟拉回曲线与血管内拉回曲线之间的比较可以揭示标度差异。亦即,所述共配准可以示出在模拟血液动力学参数值与血管内血液动力学参数值之间的全局差异。
更具体地,所述血液动力学参数可以指代血液的压力,并且至少一个不同可以包括在模拟压力拉回曲线与血管内压力拉回曲线之间的标度差异。因此,所述共配准可以示出血管内压力值通常超过模拟压力值。因此,所述全局差异通常可以通过比通常的充血血流量更高来解释。该效应被认为是感兴趣血管中总体非典型血液流速的指示。因此,根据对该不同的识别导出的血管信息可以是感兴趣血管示出的和非典型的血液流速。该信息可以被用于调整所述生理学模型,特别是流体动力学模型,以相应地更准确地表示通过感兴趣血管的血流。此外,该信息可以被用于导出针对通过感兴趣血管的血流速率或血流速度的值。
根据另外的实施例,所述至少一个不同包括从模拟拉回数据导出的模拟拉回曲线的模拟梯度与从血管内拉回数据导出的血管内拉回曲线的血管内梯度的局部差异,其中,所述模拟梯度和所述血管内梯度的差异可以在沿着血管的任意位置处发生。
在一些实施例中,在经共配准的模拟拉回数据与血管内拉回数据之间的比较可以示出在血管的任意位置周围的模拟拉回曲线与血管内拉回曲线的梯度的局部差异,即针对模拟拉回数据和血管内拉回数据的血液动力学参数值沿着拉回曲线的长度的增大或减小的局部差异。
更具体地,所述血液动力学参数可以指代血液的压力,并且模拟拉回曲线和血管内拉回曲线的梯度可以分别指代模拟压力梯度和血管内压力梯度。压力梯度的差异特别地可以指示在感兴趣血管的生理学模型中未正确地呈现血管中的偏心横截面。甚至更具体地,压力梯度的这样的局部差异可以指示病变偏心率,即,血管中的病变横截面大于或小于由血管模型所表示的横截面。因此,至少一个不同可以指示血管信息:在生理学模型中错误地表示了病变横截面。该指示可以相应地被用于校正生理学模型,特别是几何模型。
在又另外的实施例中,所述至少一个不同包括多个模拟血液动力学参数值中的至少一个模拟值与多个血管内压力血液动力学参数值中的至少一个血管内值的差异。
在一些实施例中,在经共配准的模拟拉回曲线与血管内拉回曲线之间的比较可以示出针对沿着模拟拉回曲线的模拟拉回数据或沿着血管内拉回曲线的血管内压力拉回数据之一的多个血液动力学参数值中的至少一个或子集的局部减小。
更具体地,所述血液动力学参数可以对应于血液的压力。所述比较可以示出至少一个血管内压力值显著小于对应的模拟压力值。这样的局部压降可能是例如在血管中的病变后方由伯努利效应引起的。更具体地,由于伯努利效应,可能发生在血流中的局部流动湍流。因此,从所识别的不同导出的血管信息可能与局部湍流相关。
该信息使得能够相应地调节所述生理学模型,特别是流体动力学模型,以更准确地表示通过感兴趣血管段的流体动力学。
根据另外的方面,提供了一种用于分析冠状动脉血管的方法。所述方法包括以下步骤:接收基于从感兴趣血管的至少一幅诊断图像生成的生理学模型而确定的模拟拉回数据,并且接收从感兴趣血管现场获取的血管内拉回数据。所述方法还包括以下步骤:比较所述模拟拉回数据与所述血管内拉回数据以识别在模拟拉回数据与血管内拉回数据之间的至少一个不同,并且输出一个差异。
在实施例中,所述方法还包括以下步骤:计算模拟拉回数据的第一表示和血管内拉回数据的第二表示,并且共同地显示所述第一表示和所述第二表示以及至少一个血管信息。
在另外的方面中,提供了一种用于控制根据本发明的装置的计算机程序,所述计算机程序当由处理单元运行时适于执行根据本发明的方法。在又另外的方面中,提供一种在其上存储有计算机程序的计算机可读介质。
应当理解,可以借助于处理单元来实施用于分析冠状动脉血管的装置,并且输入单元、共配准单元、建模单元、确定单元以及计算单元可以被实施为处理单元中的模块。这些模块的功能可以具体地借助于相应的算法来实施。该算法可以具体地使用在包括所述模块的所述处理单元上实施的机器学习算法来实施。
应该理解,根据权利要求1所述的装置、根据权利要求11所述的方法、根据权利要求14所述的计算机程序以及根据权利要求15所述的计算机可读介质具有相似和/或相同的优选实施例,特别是如在从属权利要求中所限定的。
应当理解,本发明的优选实施例也能够是从属权利要求或以上实施例与各个独立权利要求的任意组合。
参考下文所描述的实施例,本发明的这些和其他方面将变得显而易见并得以阐明。
附图说明
在以下附图中:
图1示意性图示了根据实施例的用于分析冠状动脉血管的装置。
图2表示根据实施例的用于分析冠状动脉血管的方法的流程图。
图3A示出了根据实施例的模拟拉回数据和血管内拉回数据的图形图示。
图3B示出了模拟拉回数据与血管内拉回数据的比较的图形图示。
图3C示出了基于从模拟拉回数据与血管内拉回数据的共配准而获得的信息对几何模型的校正的图示。
图4示出了根据另外的实施例的模拟拉回数据与血管内拉回数据的比较的图形图示。
图5示出了根据又一实施例的模拟拉回数据与血管内拉回数据的比较的图形图示。
图6示出了根据又另外的实施例的模拟拉回数据与血管内拉回数据的比较的图形图示。
具体实施方式
附图中的图示是示意性的。在不同的附图中,相似或相同的元件被设置有相同的附图标记。
图1示意性表示了用于分析冠状动脉血管的装置100的示例性实施例。装置100包括建模单元200,建模单元200包括输入端口201以接收诊断图像10,诊断图像10是借助于X射线血管造影获取的感兴趣血管的2D血管造影图像。建模单元200分割2D血管造影图像10以生成包括流体动力学模型的生理学模型。
然后,建模单元200将生理学模型提供给确定单元300。确定单元300使用所述流体动力学模型来取回针对感兴趣血管的相应的模拟拉回数据20。在该特定实施例中,模拟拉回数据20对应于模拟压力拉回数据20,即,所考虑的血液动力学参数是血液的压力。
因此,确定单元300基于所述流体动力学模型来估计针对生理学模型中的多个点的多个模拟压力值。所述多个点由此对应于经建模的感兴趣血管的纵轴。亦即,针对特定的模拟拉回长度来估计模拟压力拉回数据。在该实施例中,所述模拟拉回长度对应于经建模的血管段的长度。
然后,所述确定单元将包括多个模拟压力值的模拟压力拉回数据20提供给输入单元400。输入单元400接收模拟压力拉回数据20。输入单元400还接收已经从感兴趣血管现场获取的血管内拉回数据30。
在该实施例中,血管内拉回数据30对应于血管内压力拉回数据30。更具体地,在本实施例中,已经使用iFR拉回记录,即,通过沿着纵轴将压力丝线拉回穿过感兴趣血管并且在多个血管内位置获取多个血管内压力值,获取了血管内压力拉回数据30。亦即,针对特定的血管内拉回长度获取血管内压力拉回数据。
输入单元400将模拟压力拉回数据20和血管内压力拉回曲线数据30提供给共配准单元500。共配准单元500随后比较模拟压力拉回数据并且识别在模拟压力拉回数据20与从感兴趣血管现场获取的血管内压力拉回数据30之间的差异,即失匹配。然后,共配准单元500从识别的不同中自动地导出关于感兴趣血管的相应血管信息。
计算单元600随后计算模拟压力拉回数据20的第一表示711。此外,计算单元600计算血管内压力拉回数据30的第二表示712。最终,计算单元600确定血管信息的表示713。然后,计算单元600将计算出的表示提供给显示单元700。
在本实施例中,显示单元700是可以在其上显示一个或多个图形表示的屏幕,诸如触摸屏。显示单元700共同地显示第一表示711和第二表示712以及从不同导出的血管信息的表示713。在根据图1的特定实施例中,在显示单元上显示的第一表示711和第二表示712是已经从模拟拉回数据20和血管内拉回数据30导出的模拟拉回曲线和血管内拉回曲线的图形表示。
图2表示根据本发明的实施例的用于分析冠状动脉血管的方法的流程图。在该实施例中,诊断图像10对应于2D血管造影图像,并且在拉回期间获得的血液动力学参数对应于血液的压力。
在步骤S201中,在建模单元200处接收2D血管造影图像10。建模单元200随后在步骤S202中分割如在血管造影图像中示出的感兴趣血管。在步骤S203中,建模单元200基于所述分割来生成包括流体动力学模型和几何模型的生理学模型,并且将所述生理学模型提供给确定单元300。
在步骤S301中,确定单元300使用生理学模型,特别是其中包括的流体动力学模型,来确定模拟压力拉回数据20。亦即,确定单元300使用流体动力学模型来模拟通过感兴趣血管的血流。这允许对在沿着经建模的血管的长度的不同位置处的血压的估计。由此获得的多个压力值允许获得模拟压力拉回数据20。确定单元300将模拟压力拉回数据20提供给输入单元400。
在步骤402中,输入单元400从确定单元300接收模拟压力拉回数据20。此外,输入单元400在步骤402中接收血管内压力拉回数据30,血管内压力拉回数据30在步骤S401中已经由被用于获取血管内压力拉回数据30的测量单元提供。输入单元400然后将模拟压力拉回数据20和血管内压力拉回数据30提供给共配准单元500。
在步骤S501中,共配准单元500比较模拟压力拉回数据20与血管内压力拉回数据30。在步骤S502中,共配准单元500基于该比较来识别这两个数据集之间的至少一个不同。在本实施方式中,共配准单元500识别从模拟压力拉回数据20导出的模拟压力拉回曲线的长度短于从在现场测量中获得的血管内压力拉回数据30导出的血管内压力拉回曲线的长度。
为此,共配准单元500在模拟压力拉回曲线上使用基于样条的长度变化,以根据血管内压力拉回曲线的长度来调节模拟压力拉回曲线的长度。
在步骤S503中,共配准单元500基于所识别的不同来导出血管信息。在这种情况下,从该不同获得的血管信息与关于根据2D血管造影图像确定的血管段的长度的信息相关。更具体地,针对模拟压力拉回数据20的模拟压力拉回曲线的长度是感兴趣血管的经建模的段的长度的度量。因此,从模拟压力拉回曲线与血管内压力拉回曲线的长度之间的不同可以导出,通过该不同,可能必须校正感兴趣血管的段的几何模型的伸长因子,以更准确地表示感兴趣血管的特定段。
在步骤S504中,共配准单元500输出所述不同以及从所述不同导出的血管信息。此外,共配准单元500提供模拟压力拉回数据20以及关于模拟拉回长度和用于伸长模拟压力拉回曲线的长度的伸长因子的信息。此外,共配准单元500将血管内压力拉回数据30以及关于血管内拉回长度的信息提供给计算单元600。
在步骤S601中,计算单元600计算模拟压力拉回数据20的第一表示711。在步骤S602中,计算单元600计算血管内压力拉回数据30的第二表示712。在步骤S701中,第一表示711和第二表示712被提供给显示单元700并且由所述显示单元共同地显示。在计算第一表示711时,计算单元600考虑针对由共配准单元500提供的模拟压力拉回曲线的伸长因子,并且还将伸长引入到第一表示711中。
为了更清楚地理解在共配准期间调整长度变化的过程,呈现了图3。在该特定实施例中,所考虑的血液动力学参数是血液压力。
为此,图3A示出了如针对模拟压力拉回数据20导出的模拟拉回曲线72以及如针对血管内压力拉回数据30导出的血管内拉回曲线74。应当理解,在本文中所提出的拉回曲线72和拉回曲线74仅仅用于例示说明由共配准单元所执行的过程。
更具体地,模拟拉回曲线72对应于作为伸长之前的模拟拉回长度的函数的模拟压力拉回数据20的图形图示。模拟压力拉回数据20由此包括多个模拟压力值,其分别已经在血管段的生理学模型中的多个点处被确定。所述多个点中的第一个点到所述多个点中的最后一个点的距离由此表示模拟拉回曲线72的长度。这样,模拟拉回曲线72的长度对应于血管段的长度。因此,模拟拉回曲线72呈现了压力值(“P”),压力值(“P”)是沿着感兴趣血管的从血管远端处的开始点到血管近端处的结束点的一段的模拟拉回长度(“L”)的函数。
同样地,血管内拉回曲线74对应于作为血管内拉回长度(“L”)的函数的血管内压力拉回数据30(“P”)的图示。更具体而言,血管内压力拉回数据30包括多个血管内压力值,所述多个血管内压力值已经在沿着感兴趣血管的纵轴的多个血管内位置处被确定。
因此,所述多个血管内位置包括开始位置,所述开始位置可以被认为是已经由所述生理学模型模拟的在感兴趣血管的血管段的远端处的第一血管内位置。因此,所述开始位置被定义为针对特定血管段开始对压力值的血管内拉回记录的血管内位置。此外,所述多个血管内位置包括在血管段的近端处的结束位置,在所述结束位置处针对该特定血管段的记录终止。
沿着血管段的纵轴从开始位置到结束位置的距离被认为是限定血管内拉回曲线的长度。
如从图3A可以意识到的,模拟拉回曲线72的进展和血管内拉回曲线74的进展彼此不对应。更具体地,模拟拉回曲线72中的第一部分和第二部分的长度似乎与血管内拉回曲线74中的对应部分的长度不匹配。甚至更具体地,与血管内拉回曲线74中的对应部分相比,模拟拉回曲线72中的第二部分的长度似乎缩短了。在该实施例中,第二部分的该长度定义了针对要考虑的血管段的模拟拉回曲线。
由于在模型和感兴趣血管的血管内测量中考虑了相同的血管段,因此针对所述血管段的模拟拉回曲线中的开始点应当对应于在针对特定血管段中的压力值的现场记录而获得的血管内拉回曲线中的上述开始位置。同样地,针对所述血管段的模拟拉回曲线中的结束点应当对应于在血管段中执行的记录的血管内拉回曲线的结束点,即对应于特定血管段中的压力值的记录终止的点。因此,针对所述血管段,必须执行调节以在这两条拉回曲线72、74中实现相同的长度。
由于已经根据测量获得了血管内拉回曲线74的长度,因此能够假设已经正确地确定了由血管内拉回曲线74表示的第二部分的长度。因此,模拟拉回曲线72中的第二部分的长度必须是不正确的。由于诊断图像中的不正确,可能出现对模拟拉回曲线72的长度的这样的不正确的估计。在图3A的特定实施例中,由于在2D血管造影图像中的透射缩短,模拟拉回曲线72的长度太短,不能够从图像的选定角度来识别。
由于假定血管内拉回曲线74中的第二部分的长度是正确的,因此对模拟拉回曲线72的第二部分执行基于样条的长度变化以将该部分的长度调节为血管内拉回曲线74中的对应部分的长度。亦即,伸长了模拟拉回曲线长度的第二部分,使得模拟拉回曲线72中的该部分的开始点和结束点分别对应于血管内拉回曲线74中的相应部分的开始点和结束点。该伸长由图3A中的左右箭头100来表示。由此共配准的拉回曲线73、74允许进一步将其相应的多个压力值彼此比较。
为此,图3B示出了在对模拟拉回曲线72的调节之后,经调节的模拟拉回曲线73和血管内拉回曲线图74的这样的比较的图示。如从图3B中可以意识到的,借助于伸长,确保了在沿着血管段的长度的相同位置处设置的由拉回曲线73表示的多个模拟压力值中的每个模拟压力值与由拉回曲线74表示的多个血管内压力值中的每个血管内压力值彼此对应。
此外,借助于伸长,可以导出血管信息以校正血管的几何模型。该校正可以考虑2D血管造影图像(已经根据其生成了包括几何模型和流体动力学模型的生理学模型)的不准确性。
为此,图3C示出了根据实施例的对几何模型的校正的图示。在图3C的左手侧,示出了如从2D血管造影图像导出的感兴趣血管的2D几何模型80。根据所述图像错误地确定了血管段的长度。模拟拉回数据20与血管内拉回数据30的共配准提供了额外的信息:从图像导出的血管段的长度太短。
具体而言,由于模拟拉回曲线72中的第二部分的长度100是针对由生理学模型表示的血管段的长度的度量,因此在模拟拉回曲线72中的该部分的长度与血管内拉回曲线74中的对应部分的长度之间的不同指示血管段的长度已经被错误地建模。因此,关于被用于调节模拟拉回曲线72中的截面的长度的伸长因子的信息被用于调节几何模型中的血管段的长度。在图3C中,这由左右箭头101表示。由此伸长的血管段的几何模型81在图3C的右手侧表示。
图4示出了根据另外的实施例的在共配准之后的模拟拉回数据20与血管内拉回数据30的比较的图示。由此,图4示出了模拟拉回曲线73,模拟拉回曲线73表示作为模拟拉回长度(“L”)的函数的模拟压力拉回数据20(“P”)。此外,图4示出了表示作为血管内拉回长度(“L”)的函数的血管内压力拉回数据30(“P”)的血管内拉回曲线74,。
如上所述,两条拉回曲线已经被导出并且被共配准。具体地,已经调节了模拟拉回曲线73中的各部分的长度,使得模拟拉回曲线73的进展对应于血管内拉回曲线74的进展。这允许共配准单元识别模拟拉回曲线73与血管内拉回曲线74之间的差异,即,模拟拉回数据20与血管内拉回数据30之间的不匹配。
在本实施例中,比较这两条拉回曲线以识别这些失匹配示出了在模拟压力拉回数据20与血管内压力拉回数据30之间存在压力标度差异。因此,确定了被包括在模拟压力拉回数据20中的多个模拟压力值的大小与被包括在血管内压力拉回曲线数据30中的多个血管内压力值的大小存在全局差异。这可以被看作是在感兴趣血管中存在总体非典型血流的指示。
图5示出了根据另一实施例的模拟压力拉回数据20与血管内压力拉回数据30的比较的图示。更具体而言,图5示出了拉回曲线73和拉回曲线74,其是作为其各自拉回长度(“L”)的函数的模拟压力拉回曲线数据20和血管内压力拉回曲线数据30(“P”)的表示。在该实施例中,在同一坐标系中比较拉回曲线73和拉回曲线74,由此拉回长度彼此对应。
在该实施例中,比较这两条拉回曲线73、74以识别差异示出了在模拟拉回曲线73与血管内拉回曲线74之间的近端压力梯度75存在差异。因此,比较结果示出了针对模拟压力拉回数据20的近端压力梯度大于针对血管内压力拉回数据30的近端压力梯度。
压力梯度的这种局部差异可以被视为在血管的几何模型中未正确地表示偏心截面的指示。更具体地,针对模拟压力拉回数据20的较大的近侧压力梯度可以指示实际病变横截面大于在几何模型中模拟的病变横截面。因此,从压力梯度之间的这种不同导出的血管信息可以被用于校正所述几何模型。
图6还示出了根据又一实施例的模拟压力拉回数据20与血管内压力拉回数据30的比较的图示。由此,图6示出了拉回曲线73和拉回曲线74,其图示了作为其各自拉回长度(“L”)的函数的模拟压力拉回数据20和血管内压力拉回数据30(“P”)。
在该实施例中,对这两幅图的比较允许识别与模拟压力拉回数据20相比的血管内压力拉回数据30中的局部减小的压力值75。血管内压力拉回数据30中的这样的局部减小的压力值75可以被认为是在感兴趣血管中在与获取了减小的压力值75的血管内位置相对应的血管位置处存在局部流动湍流的指示。因此,从不同导出的额外信息可以被用于改善对通过感兴趣血管的血流的估计。
尽管在上述实施例中,已经使用X射线血管造影获得了诊断图像,但是应当理解,在其他实施例中,可以通过其他成像方法来取回诊断图像,诸如螺旋计算机断层摄影或顺序计算机断层摄影。
同样地,可以理解,可以通过除瞬时无波比之外的方法来获得血管内拉回数据,诸如血流储备分数(FFR)和主动脉远端静息全周期比(Pd/Pa)。此外,可以理解,所考虑的血液动力学参数可以是除血压之外的血液动力学参数,诸如血液动力学阻力或血液粘度等。
尽管在上述实施例中,已经使用相似性度量(诸如互相关、互信息或病变检测)执行了模拟拉回数据与血管内拉回数据的共配准,但是应当理解,所述共配准同样可以基于其他度量。具体地,所述共配准可以完全基于荧光检查图像或者光学或电磁导管跟踪。尽管在以上实施例中,从不同导出血管信息已经由共配准单元自动地执行,但是应当理解,从所识别的不同导出血管信息也可以由用户来执行。具体地,可以在共同显示经共配准的拉回曲线时执行对血管信息的导出,其可以包括所述不同的指示。
此外,尽管在以上实施例中,已经在冠状动脉血管上执行了分析,但是在其他实施例中,可以同样地在人类身体的其他部分中的血管(诸如外围血管)上执行所述分析。
还可以理解,尽管在上述实施例中,已经将压力标度的全局差异、近端压力梯度的全局差异以及局部减小的压力值识别为各自的不同,但是拉回数据之间的其他差异也可以同样地被导出。
尽管在上述实施例中,从识别的不同导出的血管信息已经与总体上非典型血液流速、偏心横截面和局部流动湍流相关,但是技术人员将理解,上述方法同样可以被用于获得其他血管信息。
通过研究附图、公开内容和所附的权利要求,本领域技术人员在实践所要求保护的发明时可以理解和实现所公开的实施例的其他变型。
在权利要求中,词语“包括”不排除其他元件或步骤,并且不定冠词“一”或“一个”不排除多个。
单个单元或设备可以实现权利要求中所记载的若干项的功能。在互不相同的从属权利要求中记载特定措施的事实并指示不能够有利地使用这些措施的组合。
如由一个或若干个单元或设备执行的对模拟拉回数据的建模、对模拟拉回数据与血管内拉回数据的共配准和比较、对诊断图像的分割、生理学模型的生成、对所识别的不同的输出以及图形表示的生成等的流程等能够由任意其他数量的单元或设备来执行。因此,根据本发明的这些流程能够被实施为计算机程序的程序代码模块和/或被实现为专用硬件。
计算机程序可以与其他硬件一起提供或者作为其他硬件的一部分被存储/分布在适当的介质(诸如光学存储介质或固态介质)上,但是也可以以其他形式来分布,诸如通过Internet或者其他有线或无线电信系统来分布。
权利要求中的任何附图标记都不应当被解读为限制范围。
本发明涉及一种用于分析冠状动脉的装置,其包括输入单元,所述输入单元适于接收基于从感兴趣血管的至少一幅诊断图像生成的生理学模型而确定的模拟拉回数据以及从感兴趣血管现场获取的血管内拉回数据。所述装置还包括共配准单元,所述共配准单元适于比较所述模拟拉回曲线数据与所述血管内拉回数据以识别所述模拟拉回数据与所述血管内拉回曲线数据之间的至少一个不同并且用于输出所述至少一个不同。
Claims (15)
1.一种用于分析冠状动脉血管的装置,包括:
输入单元,其适于接收:
基于从感兴趣血管的至少一幅诊断图像生成的生理学模型而确定的模拟拉回数据,以及
从所述感兴趣血管现场获取的血管内拉回数据;以及
共配准单元,其适于:
对所述模拟拉回数据与所述血管内拉回数据进行比较,以识别所述模拟拉回数据与所述血管内拉回数据之间的至少一个不同;并且
输出所述至少一个不同。
2.根据权利要求1所述的装置,其中,
所述至少一幅诊断图像是使用X射线血管造影来获得的,并且/或者所述血管内拉回数据是使用瞬时无波比(iFR)的拉回记录来获得的。
3.根据权利要求1所述的装置,还包括:
建模单元,其适于:
接收所述感兴趣血管的所述至少一幅诊断图像;
分割所述感兴趣血管的所述诊断图像;并且
基于所述分割来生成所述生理学模型,其中,所述生理学模型包括表示通过所述感兴趣血管的流体动力学的流体动力学模型;以及确定单元,其适于基于所述流体动力学模型来确定所述模拟拉回数据。
4.根据权利要求1所述的装置,还包括:
计算单元,其适于计算所述模拟拉回数据的第一表示和所述血管内拉回数据的第二表示;以及
显示单元,其适于共同地显示所述第一表示和所述第二表示以及至少一个血管信息。
5.根据权利要求1所述的装置,其中,
所述模拟拉回数据包括多个模拟血液动力学参数值;
所述血管内拉回数据包括已经在沿着所述感兴趣血管的纵轴的多个血管内位置处获取的多个血管内血液动力学参数值;
对所述模拟拉回数据与所述血管内拉回数据的所述比较还包括将所述多个模拟血液动力学参数值中的至少一个模拟值与所述多个血管内血液动力学参数值中的至少一个血管内值相关。
6.根据权利要求5所述的装置,其中,
将至少一个模拟血液动力学参数值与至少一个血管内血液动力学参数值的所述相关是使用在对所述血管内拉回数据的获取期间获得的跟踪信息来执行的。
7.根据权利要求1所述的装置,其中,
所述生理学模型还包括所述感兴趣血管的几何模型;并且其中,
所述几何模型中的所述感兴趣血管的血管长度是基于对从所述模拟拉回数据导出的模拟拉回曲线的长度的调节来调节的。
8.根据权利要求1所述的装置,其中,
所述至少一个不同包括在从所述模拟拉回数据导出的模拟拉回曲线与从所述血管内拉回数据导出的血管内拉回曲线之间的标度差异。
9.根据权利要求1所述的装置,其中,
所述至少一个不同包括根据从所述模拟拉回数据导出的模拟拉回曲线确定的梯度与根据从所述血管内拉回数据导出的血管内压力拉回曲线确定的血管内梯度的差异,其中,模拟梯度和所述血管内梯度是在所述血管的近端处确定的。
10.根据权利要求5所述的装置,其中,
所述至少一个不同包括所述多个模拟血液动力学参数值中的所述至少一个模拟值与所述多个血管内血液动力学参数值中的所述至少一个血管内值的差异。
11.一种用于分析冠状动脉血管的方法,所述方法包括以下步骤:
接收基于从感兴趣血管的至少一幅诊断图像生成的生理学模型而确定的模拟拉回数据;
接收从所述感兴趣血管现场获取的血管内拉回数据;
比较所述模拟拉回数据与所述血管内拉回数据,以识别所述模拟拉回数据与所述血管内拉回数据之间的至少一个不同;并且
输出所述至少一个不同。
12.根据权利要求11所述的方法,还包括以下步骤:
接收所述感兴趣血管的所述至少一幅诊断图像;
分割所述感兴趣血管的所述诊断图像;并且
基于所述分割来生成所述生理学模型,其中,所述生理学模型包括表示通过所述感兴趣血管的流体动力学的流体动力学模型;并且
基于所述流体动力学模型来确定所述模拟拉回数据。
13.根据权利要求11所述的方法,还包括以下步骤:
计算所述模拟拉回数据的第一表示和所述血管内拉回数据的第二表示;并且
共同地显示所述第一表示和所述第二表示以及至少一个血管信息。
14.一种用于控制根据权利要求1至10中的任一项所述的装置的计算机程序,所述计算机程序当由处理单元运行时适于执行根据权利要求11至13中的任一项所述的方法。
15.一种在其上存储有根据权利要求14所述的计算机程序的计算机可读介质。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
EP17190022.8A EP3453326A1 (en) | 2017-09-08 | 2017-09-08 | Registration and comparison of measured and simulated intracoronary pullback curves |
EP17190022.8 | 2017-09-08 | ||
PCT/EP2018/073916 WO2019048508A2 (en) | 2017-09-08 | 2018-09-06 | MIXING AND COMPARISON OF MEASURED AND SIMULATED INTRACORONAL WITHDRAWAL CURVES |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111093504A true CN111093504A (zh) | 2020-05-01 |
Family
ID=59856383
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201880057268.5A Pending CN111093504A (zh) | 2017-09-08 | 2018-09-06 | 对测量的和模拟的冠状动脉内拉回曲线的配准和比较 |
Country Status (5)
Country | Link |
---|---|
US (1) | US11678855B2 (zh) |
EP (2) | EP3453326A1 (zh) |
JP (1) | JP7208978B2 (zh) |
CN (1) | CN111093504A (zh) |
WO (1) | WO2019048508A2 (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112967234A (zh) * | 2021-02-09 | 2021-06-15 | 复旦大学附属中山医院 | 冠状动脉功能生理学病变模式定量评价方法 |
CN113616160A (zh) * | 2021-09-14 | 2021-11-09 | 昆山戎影医疗科技有限公司 | 基于多模态医学影像的ffr确定方法、装置、设备及介质 |
CN116206162A (zh) * | 2023-04-28 | 2023-06-02 | 杭州脉流科技有限公司 | 基于造影影像的冠脉血流储备获取方法、装置及设备 |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
USD926199S1 (en) | 2019-05-17 | 2021-07-27 | Opsens, Inc. | Display screen or portion thereof with graphical user interface |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20140243662A1 (en) * | 2012-09-25 | 2014-08-28 | The Johns Hopkins University | Method for Estimating Flow Rates and Pressure Gradients in Arterial Networks from Patient Specific Computed Tomography Angiogram-Based Contrast Distribution Data |
US20150131886A1 (en) * | 2013-11-13 | 2015-05-14 | Pie Medical Imaging B.V. | Method and System for Registering Intravascular Images |
CN105078440A (zh) * | 2014-05-09 | 2015-11-25 | 西门子公司 | 无创计算冠状动脉狭窄的血液动力学指标的方法和系统 |
CN105184086A (zh) * | 2014-06-16 | 2015-12-23 | 西门子公司 | 用于冠状动脉中改进的血液动力学计算的方法及系统 |
US20170032097A1 (en) * | 2015-07-27 | 2017-02-02 | Siemens Medical Solutions Usa, Inc. | Method and System for Enhancing Medical Image-Based Blood Flow Computations Using Physiological Measurements |
WO2017055228A1 (en) * | 2015-09-29 | 2017-04-06 | Koninklijke Philips N.V. | Estimating flow, resistance or pressure from pressure or flow measurements and angiography |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10076301B2 (en) | 2012-12-31 | 2018-09-18 | Volcano Corporation | Devices, systems, and methods for assessment of vessels |
EP3218829B1 (en) | 2014-11-14 | 2020-10-28 | Koninklijke Philips N.V. | Percutaneous coronary intervention (pci) planning interface and associated devices, systems, and methods |
WO2016087396A1 (en) * | 2014-12-02 | 2016-06-09 | Koninklijke Philips N.V. | Fractional flow reserve determination |
ITUB20154834A1 (it) | 2015-11-03 | 2017-05-03 | Slayer Blades S R L | Lama azionabile a rotazione, particolarmente per macchine affettatrici industriali automatiche. |
US10769780B2 (en) * | 2015-11-05 | 2020-09-08 | Koninklijke Philips N.V. | Collateral flow modelling for non-invasive fractional flow reserve (FFR) |
-
2017
- 2017-09-08 EP EP17190022.8A patent/EP3453326A1/en not_active Withdrawn
-
2018
- 2018-09-06 JP JP2020513523A patent/JP7208978B2/ja active Active
- 2018-09-06 CN CN201880057268.5A patent/CN111093504A/zh active Pending
- 2018-09-06 US US16/645,224 patent/US11678855B2/en active Active
- 2018-09-06 EP EP18762314.5A patent/EP3678546B1/en active Active
- 2018-09-06 WO PCT/EP2018/073916 patent/WO2019048508A2/en unknown
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20140243662A1 (en) * | 2012-09-25 | 2014-08-28 | The Johns Hopkins University | Method for Estimating Flow Rates and Pressure Gradients in Arterial Networks from Patient Specific Computed Tomography Angiogram-Based Contrast Distribution Data |
US20150131886A1 (en) * | 2013-11-13 | 2015-05-14 | Pie Medical Imaging B.V. | Method and System for Registering Intravascular Images |
CN105078440A (zh) * | 2014-05-09 | 2015-11-25 | 西门子公司 | 无创计算冠状动脉狭窄的血液动力学指标的方法和系统 |
CN105184086A (zh) * | 2014-06-16 | 2015-12-23 | 西门子公司 | 用于冠状动脉中改进的血液动力学计算的方法及系统 |
US20170032097A1 (en) * | 2015-07-27 | 2017-02-02 | Siemens Medical Solutions Usa, Inc. | Method and System for Enhancing Medical Image-Based Blood Flow Computations Using Physiological Measurements |
WO2017055228A1 (en) * | 2015-09-29 | 2017-04-06 | Koninklijke Philips N.V. | Estimating flow, resistance or pressure from pressure or flow measurements and angiography |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112967234A (zh) * | 2021-02-09 | 2021-06-15 | 复旦大学附属中山医院 | 冠状动脉功能生理学病变模式定量评价方法 |
CN113616160A (zh) * | 2021-09-14 | 2021-11-09 | 昆山戎影医疗科技有限公司 | 基于多模态医学影像的ffr确定方法、装置、设备及介质 |
CN113616160B (zh) * | 2021-09-14 | 2024-02-06 | 苏州博动戎影医疗科技有限公司 | 基于多模态医学影像的ffr确定方法、装置、设备及介质 |
CN116206162A (zh) * | 2023-04-28 | 2023-06-02 | 杭州脉流科技有限公司 | 基于造影影像的冠脉血流储备获取方法、装置及设备 |
Also Published As
Publication number | Publication date |
---|---|
WO2019048508A3 (en) | 2019-11-28 |
JP7208978B2 (ja) | 2023-01-19 |
EP3453326A1 (en) | 2019-03-13 |
US11678855B2 (en) | 2023-06-20 |
EP3678546A2 (en) | 2020-07-15 |
WO2019048508A2 (en) | 2019-03-14 |
EP3678546B1 (en) | 2022-11-09 |
JP2020533058A (ja) | 2020-11-19 |
US20200289078A1 (en) | 2020-09-17 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
EP3160335B1 (en) | Apparatus for determining a fractional flow reserve value | |
US20210338088A1 (en) | Method and Apparatus for Quantitative Hemodynamic Flow Analysis | |
EP3169237B1 (en) | Stenosis assessment | |
EP3678546B1 (en) | Registration and comparison of measured and simulated intracoronary pullback curves | |
US20190076196A1 (en) | Vessel geometry and additional boundary conditions for hemodynamic ffr/ifr simulations from intravascular imaging | |
US10552958B2 (en) | Fractional flow reserve determination | |
US11839457B2 (en) | Measurement guidance for coronary flow estimation from Bernoulli's Principle | |
US20190076105A1 (en) | Hemodynamic parameters for co-registration | |
US11664128B2 (en) | Estimating flow to vessel bifurcations for simulated hemodynamics | |
US20210161495A1 (en) | Blood flow measurement based on vessel-map slope | |
EP3989832B1 (en) | Vessel registration using functional information | |
US20230252628A1 (en) | Estimating flow to vessel bifurcations for simulated hemodynamics |
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 | ||
AD01 | Patent right deemed abandoned | ||
AD01 | Patent right deemed abandoned |
Effective date of abandoning: 20240402 |