CN111227821A - 基于心肌血流量和ct图像的微循环阻力指数计算方法 - Google Patents
基于心肌血流量和ct图像的微循环阻力指数计算方法 Download PDFInfo
- Publication number
- CN111227821A CN111227821A CN201811432014.5A CN201811432014A CN111227821A CN 111227821 A CN111227821 A CN 111227821A CN 201811432014 A CN201811432014 A CN 201811432014A CN 111227821 A CN111227821 A CN 111227821A
- Authority
- CN
- China
- Prior art keywords
- coronary
- image
- coronary artery
- blood
- myocardial
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Images
Classifications
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
- G16H50/30—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
-
- 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
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B6/00—Apparatus for radiation diagnosis, e.g. combined with radiation therapy equipment
- A61B6/02—Devices for diagnosis sequentially in different planes; Stereoscopic radiation diagnosis
- A61B6/03—Computerised tomographs
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B6/00—Apparatus for radiation diagnosis, e.g. combined with radiation therapy equipment
- A61B6/50—Clinical applications
- A61B6/504—Clinical applications involving diagnosis of blood vessels, e.g. by angiography
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/40—Image enhancement or restoration by the use of histogram techniques
-
- 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
- G06T7/0014—Biomedical image inspection using an image reference approach
- G06T7/0016—Biomedical image inspection using an image reference approach involving temporal comparison
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/11—Region-based segmentation
-
- 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
- G16H50/50—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
- G06T2207/10081—Computed x-ray tomography [CT]
-
- 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
- G06T2207/10088—Magnetic resonance imaging [MRI]
-
- 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
- G06T2207/10104—Positron emission tomography [PET]
-
- 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
- G06T2207/10108—Single photon emission computed tomography [SPECT]
-
- 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
- G06T2207/10132—Ultrasound image
-
- 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
Landscapes
- Health & Medical Sciences (AREA)
- Engineering & Computer Science (AREA)
- Medical Informatics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Public Health (AREA)
- General Health & Medical Sciences (AREA)
- Physics & Mathematics (AREA)
- Biomedical Technology (AREA)
- Pathology (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Surgery (AREA)
- Molecular Biology (AREA)
- Animal Behavior & Ethology (AREA)
- Veterinary Medicine (AREA)
- Radiology & Medical Imaging (AREA)
- Heart & Thoracic Surgery (AREA)
- Biophysics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Epidemiology (AREA)
- Primary Health Care (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- High Energy & Nuclear Physics (AREA)
- Optics & Photonics (AREA)
- Hematology (AREA)
- Cardiology (AREA)
- Physiology (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Vascular Medicine (AREA)
- Dentistry (AREA)
- Quality & Reliability (AREA)
- Apparatus For Radiation Diagnosis (AREA)
Abstract
本发明公开了一种基于心肌血流量和CT图像的微循环阻力指数计算方法,包括通过提取心肌图像,确定心肌体积;定位冠状动脉口,对冠状动脉精确分割;通过对冠状动脉体数据的边缘检测,生成计算所需要的网格模型;通过无创测量确定静息态心肌血流量和CFR;计算最大充血态下的冠脉入口处的总流量;确定冠脉树中不同血管里面最大充血态的流量,进而确定最大充血态的流速V1;得到最大充血状态下的平均传导时间Tmn,以V1作为冠脉入口流速,并计算冠脉入口到冠脉狭窄远端的压力降ΔP,狭窄远端冠状动脉内平均压Pd=Pa‑ΔP,计算微循环阻力指数。本发明基于心脏CT图像,能快速准确的全自动得到微循环阻力指数。
Description
技术领域
本发明涉及冠状动脉影像学评价领域,具体地涉及一种基于心肌血流量和CT图像的微循环阻力指数计算方法。
背景技术
冠心病是严重的心脏疾病,经皮冠脉动脉介入(PCI)已成为冠心病治疗的一个重要手段,多年的研究表明,通过PCI治疗冠心病尤其是急性冠脉综合征(acute coronarysyndrome,ACS)的病死率得以显著降低,但已有的研究表明,即使通过冠脉介入或冠脉搭桥术治疗,仍有25%患者在心外膜血管成功重建后,并未能实现组织水平心肌再灌注,其主要原因在于冠脉微循环功能障碍。冠脉微循环功能受损是决定急性心肌梗塞预后的独立危险因素,因此对患者冠脉微循环功能状态的评估越来越受到重视。
目前评估冠脉微循环可以通过负荷心电图、放射性核素显像技术、核磁共振成像技术等方法。但以上各种评估技术受检查技术手段本身及检查人员影响较大,不能精确评估冠脉微循环功能,同时这些指标反映的是心外膜血管及微循环共同作用的结果。我们需要一个更精确,更稳定的指标,其只反映冠脉微循环功能状态,不是心外膜血管的影响。目前IMR可能是能满足上述条件的一个理想指标。IMR是反映冠状动脉微循环阻力的指标,被定义为冠脉远端动脉压力(Pd)除以最大充血状态下的平均传导时间(Tmn)的倒数,换言之,即Pd与Tmn的乘积,单位为mmHg·s。IMR<25为正常,>30为异常,提示微循环阻力升高,而25-30为灰区。
现有的IMR测量方法是通过0.014英寸软压力导丝同步记录冠脉压力和温度,导丝杆上的两个温度感受器探测到温度变化的时间差就可知道盐水从指引导管到达导丝头端温度感受器运行的平均传导时间(transit mean time,Tmn),根据定义Pd与Tmn的乘积就可得出IMR值。但上述压力导丝测量IMR需要介入血管末端,增加手术难度和风险,同时压力导丝昂贵的价格也限制其大规模应用。
冠脉CTA能准确评估冠脉狭窄程度,且能辨别管壁斑块性质,是一种无创、操作简单的诊断冠状动脉病变检查方法,可作为筛查高危人群的首选方法。因此,如果对于冠心病患者的血管进行干预,前期应该对患者冠脉进行CTA的评价。
通过冠脉CTA计算无创获得的微循环阻力指数无需额外影像检查或药物,能从根本上避免不必要的冠脉血管造影与血运重建治疗。但是因为CTA无法测量充血态下冠脉流速,无法直接计算微循环阻力指数。
发明内容
为了解决上述的技术问题,本发明目的是:提供一种于造影图像和流体力学模型的微循环阻力指数计算方法,通过无创测量确定静息态心肌血流量和冠状动脉血流储备(CFR),进而确定冠脉树中不同血管里面最大充血态的流量,进而确定最大充血态的流速V1,能快速、准确、全自动得到微循环阻力指数。
本发明的技术方案是:
一种基于心肌血流量和CT图像的微循环阻力指数计算方法,包括以下步骤:
S01:对心脏CT图像进行分割,通过形态学操作得到心脏图像,对该心脏图像进行直方图分析得到心室心房图像,通过心脏图像与心室心房图像做差得到心肌图像,确定心肌体积;
S02:对主动脉图像进行处理得到全主动脉互补图像,进行区域生长,得到含有冠状动脉口的主动脉图像,根据含有冠状动脉口的主动脉图像与全主动脉互补图像,得到含有冠状动脉口的图像,确定冠状动脉口;
S03:在心肌图像上以冠状动脉口为种子点,通过区域生长提取冠状动脉,计算冠状动脉的平均灰度和平均方差,根据冠脉灰度分布,沿着冠状动脉方向提取冠脉树;
S04:将冠状动脉图像进行二值化,绘制等值面图像,得到冠状动脉三维网格图像;
S05:计算得到最大充血态下的冠脉入口处的总流量Qtotal=心肌体积×心肌血流量×CFR,CFR为冠状动脉血流储备;
S06:计算充血态下的血流速度V1和最大充血状态下的平均传导时间Tmn;
S07:将V1作为冠脉狭窄血管的入口流速,计算冠脉入口到冠脉狭窄远端的压力降ΔP,狭窄远端冠状动脉内平均压Pd=Pa-ΔP,其中,Pa是主动脉平均压,得到微循环阻力指数IMR=Pd*Tmn。
优选的技术方案中,所述步骤S02中得到含有冠状动脉口的图像后,对含有冠状动脉口的图像进行连通域分析,用不同的灰度标签标识各个连通域,确定冠状动脉口。
优选的技术方案中,所述步骤S02中,在心脏图像上,利用主动脉截面成圆形的特征,提取升主动脉及中心线,得到主动脉图像。
优选的技术方案中,所述步骤S04中冠状动脉图像二值化,包括:
遍历冠状动脉图像V1中的体素,如果体素像素A1等于0,则该像素值不变;如果A1不等于0,则将A1的像素值设为1,得到一个新的数据V2。
优选的技术方案中,所述步骤S05中通过心脏超声(MCE)或者单光子发射计算机断层成像术(SPECT)或者正电子发射断层成像术(PET)或者心脏核磁(MRI)或者CT灌流,确定静息态心肌血流量和冠状动脉血流储备(CFR)
优选的技术方案中,所述步骤S06包括:
S61:基于流量体积标度律和心脏CT三维重建的心表冠状动脉树,确定树内任意一根血管内的血流量Q=Qtotal×(V/Vtotal)3/4,其中,Vtotal是心脏CT三维重建的所有心表冠状动脉的血体之和,V是心表冠状动脉树内任意一根血管及其下游血管中的血体之和;
S62:基于流量体积标度律和心脏CT三维重建的心表冠状动脉树,确定树内任意一根血管内的血流速度V1=Q/D,其中,D是该血管的平均直径;
S63:根据冠脉血管长度L和流速V1得到最大充血状态下的平均传导时间Tmn=L/V1。
优选的技术方案中,其特征在于,所述步骤S07包括:
对血管三维网格进行求解,用数值法求解连续性和Navier-Stokes方程:
入口边界条件为:最大充血态下的冠脉狭窄血管的入口流速V1;
通过三维计算流体力学计算每个冠脉狭窄的压力降ΔP1、ΔP2、ΔP3…,冠脉入口到冠脉狭窄远端的压力降ΔP=∑ΔPi(i=1,2,3…),狭窄远端冠状动脉内平均压Pd=Pa-ΔP,其中,Pa是主动脉平均。
优选的技术方案中,其特征在于,所述步骤S07包括:
基于CT重构的几何结构,将有狭窄的血管拉直,构建二维轴对称模型,划分二维网格,用数值法求解连续性和Navier-Stokes方程:
其中,ρ表示血液的密度,uz、ur分别表示z向、r方向的流速,μ表示血液的动力粘度,p表示血液的压强;
入口边界条件为:最大充血态下的冠脉狭窄血管的入口流速V1
通过二维计算流体力学计算每个冠脉狭窄的压力降ΔP1、ΔP2、ΔP3…,冠脉入口到冠脉狭窄远端的压力降ΔP=∑ΔPi(i=1,2,3…),狭窄远端冠状动脉内平均压Pd=Pa-ΔP,其中,Pa是主动脉平均压。
优选的技术方案中,所述步骤S07还包括,针对血管不同类型的弯曲,用三维模型计算从入口到出口的压力差,对照二维轴对称模型计算,建立用于存储各种类型的弯曲对二维轴对称结果的修正系数的数据库;
得到压力后对照数据库中的修正系数,得到修正后的从入口到出口的压力差,然后计算IMR。
与现有技术相比,本发明的优点是:
本发明通过心肌血流量和心脏CT图像,能快速、准确、全自动得到微循环阻力指数。通过无创测量,操作简便,大大降低手术难度和风险,可在临床上大规模推广应用。
附图说明
下面结合附图及实施例对本发明作进一步描述:
图1为本发明的方法流程图;
图2为心脏CT图像的心肌分割结果;
图3为带有冠脉入口的主动脉分割结果;
图4为冠脉入口分割结果;
图5为冠状动脉分割结果;
图6为冠状动脉分割结果的网格模型;
图7为心脏及冠状动脉血流示意图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚明了,下面结合具体实施方式并参照附图,对本发明进一步详细说明。应该理解,这些描述只是示例性的,而并非要限制本发明的范围。此外,在以下说明中,省略了对公知结构和技术的描述,以避免不必要地混淆本发明的概念。
给定心脏CT图像,根据逆向方法,提取心脏,以非目标区域的降主动脉、脊椎、肋骨为对象进行处理,通过逐步的去除胸腔壁、肺部、椎骨和降主动脉等非心脏组织来提取得到心脏图像。在得到的心脏图像上,通过利用主动脉截面成圆形的特征,提取升主动脉及中心线,得到主动脉图像。
如图1所示,本发明的基于心肌血流量和CT图像的微循环阻力指数IMR的计算方法包括提取心肌图像、提取冠状动脉口、提取冠状动脉、生成冠状动脉网格模型、确定静息态心肌血流量和冠状动脉血流储备(CFR)、计算最大充血态下的冠脉入口处的总流量、计算充血态下的血流速度V1、确定微循环阻力指数。具体包括以下步骤:
1:提取心肌图像:
对心脏CT图像进行分割,通过形态学操作得到心脏图像,对该心脏图像进行直方图分析得到心室心房图像,通过心脏图像与心室心房图像做差得到心肌图像,如图2所示。
2:提取冠状动脉口:
对主动脉图像的二值化图像进行形态学膨胀,得到全主动脉的二值图像,并通过像素取反得到全主动脉互补图像。
根据主动脉中心线上点的平均灰度进行区域生长,得到含有冠状动脉口的主动脉图像,如图3所示。
用含有冠状动脉口的主动脉图像与全主动脉互补图像做图像乘法,得到含有冠状动脉口的图像,对含有冠状动脉口的图像进行连通域分析,用不同的灰度标签标识各个连通域,确定冠状动脉口,如图4所示。
3:提取冠状动脉:
在心肌图像上,以冠状动脉口为种子点,通过区域生长提取冠状动脉,计算冠状动脉的平均灰度和平均方差,根据冠脉灰度分布,沿着冠状动脉方向提取冠脉树,如图5所示。
4:生成冠状动脉网格模型:
通过步骤三,得到冠状动脉图像数据V1,该数据中的体素在空间上构成一个立方体,属于冠状动脉部分的体素像素值不为0(像素值大约在-3000到3000之间),其余体素像素值都为0。
本步骤需要把数据变成空间三维网格数据V3,以便于步骤五中的计算。
(1)冠状动脉数据二值化
遍历冠状动脉图像数据V1中体素,做简单的像素值判断,如果像素A1等于0,则该像素值不变;如果A1不等于0,则将A1的像素值设为1。
最终会得到一个新的图像数据V2,该图像中,属于冠状动脉部分的体素像素值为1,其余部分为0。
(2)等值面生成
体素被定义为一个极小的六面体,相邻上下层之间的四个像素组成的立方体上的八个顶点。而等值面就是在空间中所以具有某个相同属性值的点的集合。它可以表示成:
{(x,y,z)│f(x,y,z)=c},c是常数
本方法中的c是在三维重构过程中给定的像素值1。
提取等值面的流程如下:
(1)将原始数据经过预处理之后,读入特定的数组中;
(2)从网格数据体中提取一个单元体成为当前单元体,同时获取该单元体的所有信息;
(3)将当前单元体8个顶点的函数值与给定等值面值C进行比较,得到该单元体的状态表;
(4)根据当前单元体的状态表索引,找出与等值面相交的单元体棱边,并采用线性插值的方法计算出各个交点的位置坐标;
(5)利用中心差分法求出当前单元体8个顶点的法向量,再采用线性插值的方法得到三角面片各个顶点的法向;
(6)根据各个三角面片顶点的坐标和顶点法向量进行等值面图象的绘制。
最终得到冠状动脉的三维网格图像数据V3,如图6所示。
5:计算充血态下的血流速度V1:
通过心脏超声(MCE)或者单光子发射计算机断层成像术(SPECT)或者正电子发射断层成像术(PET)或者心脏核磁(MRI)或者CT灌流等无创测量,来确定静息态心肌血流量和冠状动脉血流储备(CFR);通过心肌体积、心肌血流量、CFR,计算最大充血态下的冠脉入口处(包括左冠脉树和右冠脉树之和)的总流量Qtotal=心肌体积×心肌血流量×CFR;
基于流量体积标度律和心脏CT三维重建的心表冠状动脉树,确定树内任何一根血管内的血流量Q:Q=Qtotal×(V/Vtotal)3/4,其中,Vtotal是心脏CT三维重建的所有心表冠状动脉(包括左冠脉树和右冠脉树之和)的血体之和、V是心表冠状动脉树内任何一根血管及其下游血管中的血体之和,如图7所示;基于流量体积标度律和心脏CT三维重建的心表冠状动脉树,确定树内任何一根血管内的血流速度V1:V1=Q/D,其中,D是该血管的平均直径(该血管的血体除以该血管的长度);根据冠脉血管长度L和流速V1通过公式Tmn=L/V1最大充血状态下的平均传导时间Tmn;
6:微循环阻力指数计算:
以V1作为冠脉狭窄血管的入口流速,用计算流体力学(CFD)方法计算每个冠脉狭窄的压力降ΔP1、ΔP2、ΔP3等,冠脉入口到冠脉狭窄远端的压力降ΔP=∑ΔPi(i=1,2,3…),狭窄远端冠状动脉内平均压Pd=Pa-ΔP,其中,Pa是主动脉平均压,最后通过公式IMR=Pd*Tmn计算微循环阻力指数。
针对三维模型处理步骤包括:
基于CT重构的几何结构,划分三维网格,用数值法(如:有限差分、有限元、有限体积法等)求解连续性和Navier-Stokes方程:
入口边界条件为:最大充血态下的冠脉狭窄血管的入口流速V1;
基于公式[A1]和[A2],执行三维CFD计算每个冠脉狭窄的压力降ΔP1、ΔP2、ΔP3等,冠脉入口到冠脉狭窄远端的压力降ΔP=∑ΔPi(i=1,2,3…),狭窄远端冠状动脉内平均压Pd=Pa-ΔP,其中,Pa是主动脉平均压。
针对二维模型模型,包括以下步骤:
基于CT重构的几何结构,把有狭窄的血管拉直(二维轴对称模型),划分二维网格,用数值法(如:有限差分、有限元、有限体积法等)求解连续性和Navier-Stokes方程:
其中,ρ表示血液的密度,uz、ur分别表示z向、r方向的流速,μ表示血液的动力粘度,p表示血液的压强。
入口边界条件为:最大充血态下的冠脉狭窄血管的入口流速V1
基于公式[A3]-[A5],执行二维CFD计算每个冠脉狭窄的压力降ΔP1、ΔP2、ΔP3等,冠脉入口到冠脉狭窄远端的压力降ΔP=∑ΔPi(i=1,2,3…),狭窄远端冠状动脉内平均压Pd=Pa-ΔP,其中,Pa是主动脉平均压。
针对血管不同类型的弯曲,用三维模型计算从入口到出口的压力差,对照二维轴对称模型计算,建立用于存储各种类型的弯曲对二维轴对称结果的修正系数的数据库;算出压力后对照数据库中的修正系数,精确得到从入口到出口的压力差,最后通过公式IMR=Pd*Tmn计算微循环阻力指数。
应当理解的是,本发明的上述具体实施方式仅仅用于示例性说明或解释本发明的原理,而不构成对本发明的限制。因此,在不偏离本发明的精神和范围的情况下所做的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。此外,本发明所附权利要求旨在涵盖落入所附权利要求范围和边界、或者这种范围和边界的等同形式内的全部变化和修改例。
Claims (9)
1.一种基于心肌血流量和CT图像的微循环阻力指数计算方法,其特征在于,包括以下步骤:
S01:对心脏CT图像进行分割,通过形态学操作得到心脏图像,对该心脏图像进行直方图分析得到心室心房图像,通过心脏图像与心室心房图像做差得到心肌图像,确定心肌体积;
S02:对主动脉图像进行处理得到全主动脉互补图像,进行区域生长,得到含有冠状动脉口的主动脉图像,根据含有冠状动脉口的主动脉图像与全主动脉互补图像,得到含有冠状动脉口的图像,确定冠状动脉口;
S03:在心肌图像上以冠状动脉口为种子点,通过区域生长提取冠状动脉,计算冠状动脉的平均灰度和平均方差,根据冠脉灰度分布,沿着冠状动脉方向提取冠脉树;
S04:将冠状动脉图像进行二值化,绘制等值面图像,得到冠状动脉三维网格图像;
S05:计算得到最大充血态下的冠脉入口处的总流量Qtotal=心肌体积×心肌血流量×CFR,CFR为冠状动脉血流储备;
S06:计算充血态下的血流速度V1和最大充血状态下的平均传导时间Tmn;
S07:将V1作为冠脉狭窄血管的入口流速,计算冠脉入口到冠脉狭窄远端的压力降ΔP,狭窄远端冠状动脉内平均压Pd=Pa-ΔP,其中,Pa是主动脉平均压,得到微循环阻力指数IMR=Pd*Tmn。
2.根据权利要求1所述的基于心肌血流量和CT图像的微循环阻力指数计算方法,其特征在于,所述步骤S02中得到含有冠状动脉口的图像后,对含有冠状动脉口的图像进行连通域分析,用不同的灰度标签标识各个连通域,确定冠状动脉口。
3.根据权利要求1所述的基于心肌血流量和CT图像的微循环阻力指数计算方法,其特征在于,所述步骤S02中,在心脏图像上,利用主动脉截面成圆形的特征,提取升主动脉及中心线,得到主动脉图像。
4.根据权利要求1所述的基于心肌血流量和CT图像的微循环阻力指数计算方法,其特征在于,所述步骤S04中冠状动脉图像二值化,包括:
遍历冠状动脉图像V1中的体素,如果体素像素等于0,则该像素值不变;如果不等于0,则将像素值设为1,得到一个新的数据V2。
5.根据权利要求1所述的基于心肌血流量和CT图像的微循环阻力指数计算方法,其特征在于,所述步骤S05中通过心脏超声(MCE)或者单光子发射计算机断层成像术(SPECT)或者正电子发射断层成像术(PET)或者心脏核磁(MRI)或者CT灌流,确定静息态心肌血流量和冠状动脉血流储备(CFR)。
6.根据权利要求1所述的基于心肌血流量和CT图像的微循环阻力指数计算方法,其特征在于,所述步骤S06包括:
S61:基于流量体积标度律和心脏CT三维重建的心表冠状动脉树,确定树内任意一根血管内的血流量Q=Qtotal×(V/Vtotal)3/4,其中,Vtotal是心脏CT三维重建的所有心表冠状动脉的血体之和,V是心表冠状动脉树内任意一根血管及其下游血管中的血体之和;
S62:基于流量体积标度律和心脏CT三维重建的心表冠状动脉树,确定树内任意一根血管内的血流速度V1=Q/D,其中,D是该血管的平均直径;
S63:根据冠脉血管长度L和流速V1得到最大充血状态下的平均传导时间Tmn=L/V1。
8.根据权利要求1所述的基于心肌血流量和CT图像的微循环阻力指数计算方法,其特征在于,所述步骤S07包括:
基于CT重构的几何结构,将有狭窄的血管拉直,构建二维轴对称模型,划分二维网格,用数值法求解连续性和Navier-Stokes方程:
其中,ρ表示血液的密度,uz、ur分别表示z向、r方向的流速,μ表示血液的动力粘度,p表示血液的压强;
入口边界条件为:最大充血态下的冠脉狭窄血管的入口流速V1
通过二维计算流体力学计算每个冠脉狭窄的压力降ΔP1、ΔP2、ΔP3…,冠脉入口到冠脉狭窄远端的压力降ΔP=∑ΔPi(i=1,2,3…),狭窄远端冠状动脉内平均压Pd=Pa-ΔP,其中,Pa是主动脉平均压。
9.根据权利要求8所述的基于心肌血流量和CT图像的微循环阻力指数计算方法,其特征在于,所述步骤S07还包括,针对血管不同类型的弯曲,用三维模型计算从入口到出口的压力差,对照二维轴对称模型计算,建立用于存储各种类型的弯曲对二维轴对称结果的修正系数的数据库;
得到压力后对照数据库中的修正系数,得到修正后的从入口到出口的压力差,然后计算IMR。
Priority Applications (6)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811432014.5A CN111227821B (zh) | 2018-11-28 | 2018-11-28 | 基于心肌血流量和ct图像的微循环阻力指数计算方法 |
JP2021529764A JP7236769B2 (ja) | 2018-11-28 | 2019-01-10 | 心筋血流量及びct画像に基づく微小循環抵抗指数の計算方法 |
PCT/CN2019/071204 WO2020107668A1 (zh) | 2018-11-28 | 2019-01-10 | 基于心肌血流量和ct图像的微循环阻力指数计算方法 |
CN201980040573.8A CN112384138B (zh) | 2018-10-25 | 2019-10-25 | 获取心表大动脉的血流量的方法、装置、系统及存储介质 |
PCT/CN2019/113411 WO2020083390A1 (zh) | 2018-10-25 | 2019-10-25 | 获取心表大动脉的血流量的方法、装置、系统及存储介质 |
US17/330,901 US11901081B2 (en) | 2018-11-28 | 2021-05-26 | Method for calculating index of microcirculatory resistance based on myocardial blood flow and CT image |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811432014.5A CN111227821B (zh) | 2018-11-28 | 2018-11-28 | 基于心肌血流量和ct图像的微循环阻力指数计算方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111227821A true CN111227821A (zh) | 2020-06-05 |
CN111227821B CN111227821B (zh) | 2022-02-11 |
Family
ID=70854186
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811432014.5A Active CN111227821B (zh) | 2018-10-25 | 2018-11-28 | 基于心肌血流量和ct图像的微循环阻力指数计算方法 |
Country Status (4)
Country | Link |
---|---|
US (1) | US11901081B2 (zh) |
JP (1) | JP7236769B2 (zh) |
CN (1) | CN111227821B (zh) |
WO (1) | WO2020107668A1 (zh) |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113077021A (zh) * | 2021-06-07 | 2021-07-06 | 广州天鹏计算机科技有限公司 | 基于机器学习的电子病历多维挖掘方法 |
WO2022000726A1 (zh) * | 2020-06-29 | 2022-01-06 | 苏州润迈德医疗科技有限公司 | 基于ct图像获取左心房、左心室的连通域的方法和系统 |
WO2022000727A1 (zh) * | 2020-06-29 | 2022-01-06 | 苏州润迈德医疗科技有限公司 | 基于ct序列图像获取冠脉树和冠脉入口点的方法和系统 |
CN114098692A (zh) * | 2021-10-28 | 2022-03-01 | 北京心世纪医疗科技有限公司 | 基于血流分配最优化的左心室辅助装置植入方法 |
CN114886390A (zh) * | 2022-03-23 | 2022-08-12 | 杭州脉流科技有限公司 | 获取冠脉血流储备、血流储备分数、微循环阻力指数的方法、设备、存储介质和程序产品 |
CN116188336A (zh) * | 2023-04-17 | 2023-05-30 | 柏意慧心(杭州)网络科技有限公司 | 基于血管造影的心肌病形态学计算方法、装置及存储介质 |
CN117481806A (zh) * | 2022-12-30 | 2024-02-02 | 杭州脉流科技有限公司 | 基于ct图像的冠状动脉微循环阻力指数计算方法和装置 |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US11308621B2 (en) * | 2019-04-15 | 2022-04-19 | Pulse Medical Imaging Technology (Shanghai) Co. Ltd. | Method and apparatus for acquiring blood flow volume and blood flow velocity of coronary artery |
CN117322918B (zh) * | 2023-12-01 | 2024-02-02 | 北京唯迈医疗设备有限公司 | 一种介入手术冠脉开口位置自动探测控制系统 |
Citations (17)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20110178417A1 (en) * | 2008-09-22 | 2011-07-21 | Kassab Ghassan S | Methods for determining fractional flow reserve |
US20140114185A1 (en) * | 2012-06-26 | 2014-04-24 | Sync-Rx, Ltd. | Determining a characteristic of a lumen by measuring temporal changes in contrast agent density |
US20140187928A1 (en) * | 2012-09-25 | 2014-07-03 | The Johns Hopkins University | Method for Estimating Flow Rates, Pressure Gradients, Coronary Flow Reserve, and Fractional Flow Reserve from Patient Specific Computed Tomography Angiogram-Based Contrast Distribution Data |
US20150112182A1 (en) * | 2013-10-17 | 2015-04-23 | Siemens Aktiengesellschaft | Method and System for Machine Learning Based Assessment of Fractional Flow Reserve |
US20160000341A1 (en) * | 2013-02-18 | 2016-01-07 | Ramot At Tel-Aviv University Ltd. | Intravascular pressure drop derived arterial stiffness and reduction of common mode pressure effect |
CN105326486A (zh) * | 2015-12-08 | 2016-02-17 | 上海交通大学 | 血管压力差与血流储备分数的计算方法及系统 |
CN105580019A (zh) * | 2013-07-30 | 2016-05-11 | 哈特弗罗公司 | 为优化诊断性能利用边界条件模型化血流的方法和系统 |
CN106023202A (zh) * | 2016-05-20 | 2016-10-12 | 苏州润心医疗科技有限公司 | 基于心脏ct图像的冠状动脉血流储备分数计算方法 |
CN106327487A (zh) * | 2016-08-18 | 2017-01-11 | 苏州润心医疗科技有限公司 | 基于x射线冠脉造影图像的冠状动脉血流储备分数计算方法 |
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 |
CN106650029A (zh) * | 2016-11-28 | 2017-05-10 | 博动医学影像科技(上海)有限公司 | 基于cfd仿真的分叉血管压力差及ffr的快速计算方法及系统 |
CN107689032A (zh) * | 2017-07-05 | 2018-02-13 | 北京工业大学 | 一种个性化无创计算患者最大充血状态下冠脉分支血流量的方法 |
CN107978371A (zh) * | 2017-11-30 | 2018-05-01 | 博动医学影像科技(上海)有限公司 | 快速计算微循环阻力的方法及系统 |
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 |
CN108511075A (zh) * | 2018-03-29 | 2018-09-07 | 向建平 | 一种非侵入式获取血流储备分数的方法和系统 |
CN108550189A (zh) * | 2018-05-03 | 2018-09-18 | 苏州润迈德医疗科技有限公司 | 基于造影图像和流体力学模型的微循环阻力指数计算方法 |
CN108735270A (zh) * | 2018-05-25 | 2018-11-02 | 杭州脉流科技有限公司 | 基于降维模型的血流储备分数获取方法、装置、系统和计算机存储介质 |
Family Cites Families (23)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9405886B2 (en) * | 2009-03-17 | 2016-08-02 | The Board Of Trustees Of The Leland Stanford Junior University | Method for determining cardiovascular information |
US9119540B2 (en) * | 2010-09-16 | 2015-09-01 | Siemens Aktiengesellschaft | Method and system for non-invasive assessment of coronary artery disease |
US9974508B2 (en) * | 2011-09-01 | 2018-05-22 | Ghassan S. Kassab | Non-invasive systems and methods for determining fractional flow reserve |
US10034614B2 (en) * | 2012-02-29 | 2018-07-31 | General Electric Company | Fractional flow reserve estimation |
US9247918B2 (en) * | 2012-07-09 | 2016-02-02 | Siemens Aktiengesellschaft | Computation of hemodynamic quantities from angiographic data |
WO2014027692A1 (ja) * | 2012-08-16 | 2014-02-20 | 株式会社東芝 | 画像処理装置、医用画像診断装置及び血圧モニタ |
US10433740B2 (en) * | 2012-09-12 | 2019-10-08 | Heartflow, Inc. | Systems and methods for estimating ischemia and blood flow characteristics from vessel geometry and physiology |
US10595807B2 (en) * | 2012-10-24 | 2020-03-24 | Cathworks Ltd | Calculating a fractional flow reserve |
US10052031B2 (en) * | 2013-03-04 | 2018-08-21 | Siemens Healthcare Gmbh | Determining functional severity of stenosis |
US20140341453A1 (en) | 2013-05-17 | 2014-11-20 | Bailing Hsu | Myocardial blood flow quantitation with dynamic spect or spect/ct imaging |
US9501622B2 (en) * | 2014-03-05 | 2016-11-22 | Heartflow, Inc. | Methods and systems for predicting sensitivity of blood flow calculations to changes in anatomical geometry |
US9087147B1 (en) | 2014-03-31 | 2015-07-21 | Heartflow, Inc. | Systems and methods for determining blood flow characteristics using flow ratio |
CN106659399B (zh) * | 2014-05-05 | 2020-06-16 | 西门子保健有限责任公司 | 使用患病和假想正常解剖学模型中的流计算的冠状动脉狭窄的非侵入功能评价的方法和系统 |
US10206587B2 (en) * | 2014-05-16 | 2019-02-19 | Toshiba Medical Systems Corporation | Image processing apparatus, image processing method, and storage medium |
US10872698B2 (en) | 2015-07-27 | 2020-12-22 | Siemens Healthcare Gmbh | Method and system for enhancing medical image-based blood flow computations using physiological measurements |
US10517678B2 (en) | 2015-10-02 | 2019-12-31 | Heartflow, Inc. | System and method for diagnosis and assessment of cardiovascular disease by comparing arterial supply capacity to end-organ demand |
JP6484760B2 (ja) * | 2015-11-05 | 2019-03-13 | コーニンクレッカ フィリップス エヌ ヴェKoninklijke Philips N.V. | 非侵襲的血流予備量比(ffr)に対する側副血流モデル化 |
US10580526B2 (en) * | 2018-01-12 | 2020-03-03 | Shenzhen Keya Medical Technology Corporation | System and method for calculating vessel flow parameters based on angiography |
EP3881758A4 (en) * | 2018-11-13 | 2022-07-27 | Suzhou Rainmed Medical Technology Co., Ltd. | METHOD, DEVICE AND SYSTEM FOR DETECTING A VASCULAR EVALUATION PARAMETER BASED ON ANGIOGRAPHIC IMAGES |
CN110786841B (zh) * | 2019-11-04 | 2021-05-25 | 苏州润迈德医疗科技有限公司 | 基于微循环阻力指数调节最大充血状态流速的方法及装置 |
PL433612A1 (pl) * | 2020-04-21 | 2021-10-25 | Narodowy Instytut Kardiologii Stefana Kardynała Wyszyńskiego-Państwowy Instytut Badawczy | Sposób określania obszaru niedokrwienia narządu, program komputerowy do określania obszaru niedokrwienia narządu oraz produkt programu komputerowego do określania obszaru niedokrwienia narządu |
NL2026137B1 (en) * | 2020-07-24 | 2022-03-28 | Medis Ass B V | Method and device for determining a coronary microvascular resistance score |
US20220082647A1 (en) * | 2020-09-17 | 2022-03-17 | Siemens Healthcare Gmbh | Technique for determining a cardiac metric from cmr images |
-
2018
- 2018-11-28 CN CN201811432014.5A patent/CN111227821B/zh active Active
-
2019
- 2019-01-10 WO PCT/CN2019/071204 patent/WO2020107668A1/zh active Application Filing
- 2019-01-10 JP JP2021529764A patent/JP7236769B2/ja active Active
-
2021
- 2021-05-26 US US17/330,901 patent/US11901081B2/en active Active
Patent Citations (17)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20110178417A1 (en) * | 2008-09-22 | 2011-07-21 | Kassab Ghassan S | Methods for determining fractional flow reserve |
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 |
US20140114185A1 (en) * | 2012-06-26 | 2014-04-24 | Sync-Rx, Ltd. | Determining a characteristic of a lumen by measuring temporal changes in contrast agent density |
US20140187928A1 (en) * | 2012-09-25 | 2014-07-03 | The Johns Hopkins University | Method for Estimating Flow Rates, Pressure Gradients, Coronary Flow Reserve, and Fractional Flow Reserve from Patient Specific Computed Tomography Angiogram-Based Contrast Distribution Data |
US20160000341A1 (en) * | 2013-02-18 | 2016-01-07 | Ramot At Tel-Aviv University Ltd. | Intravascular pressure drop derived arterial stiffness and reduction of common mode pressure effect |
CN105580019A (zh) * | 2013-07-30 | 2016-05-11 | 哈特弗罗公司 | 为优化诊断性能利用边界条件模型化血流的方法和系统 |
US20150112182A1 (en) * | 2013-10-17 | 2015-04-23 | Siemens Aktiengesellschaft | Method and System for Machine Learning Based Assessment of Fractional Flow Reserve |
CN105326486A (zh) * | 2015-12-08 | 2016-02-17 | 上海交通大学 | 血管压力差与血流储备分数的计算方法及系统 |
CN106023202A (zh) * | 2016-05-20 | 2016-10-12 | 苏州润心医疗科技有限公司 | 基于心脏ct图像的冠状动脉血流储备分数计算方法 |
CN106327487A (zh) * | 2016-08-18 | 2017-01-11 | 苏州润心医疗科技有限公司 | 基于x射线冠脉造影图像的冠状动脉血流储备分数计算方法 |
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 |
CN106650029A (zh) * | 2016-11-28 | 2017-05-10 | 博动医学影像科技(上海)有限公司 | 基于cfd仿真的分叉血管压力差及ffr的快速计算方法及系统 |
CN107689032A (zh) * | 2017-07-05 | 2018-02-13 | 北京工业大学 | 一种个性化无创计算患者最大充血状态下冠脉分支血流量的方法 |
CN107978371A (zh) * | 2017-11-30 | 2018-05-01 | 博动医学影像科技(上海)有限公司 | 快速计算微循环阻力的方法及系统 |
CN108511075A (zh) * | 2018-03-29 | 2018-09-07 | 向建平 | 一种非侵入式获取血流储备分数的方法和系统 |
CN108550189A (zh) * | 2018-05-03 | 2018-09-18 | 苏州润迈德医疗科技有限公司 | 基于造影图像和流体力学模型的微循环阻力指数计算方法 |
CN108735270A (zh) * | 2018-05-25 | 2018-11-02 | 杭州脉流科技有限公司 | 基于降维模型的血流储备分数获取方法、装置、系统和计算机存储介质 |
Non-Patent Citations (2)
Title |
---|
卢成,孙林,官兵: "冠状动脉微循环功能评估的研究进展", 《医学综述》 * |
范国鑫,骆家晨,祁小龙,等: "基于CT的血流储备分数研究进展", 《中华实用诊断与治疗杂志》 * |
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2022000726A1 (zh) * | 2020-06-29 | 2022-01-06 | 苏州润迈德医疗科技有限公司 | 基于ct图像获取左心房、左心室的连通域的方法和系统 |
WO2022000727A1 (zh) * | 2020-06-29 | 2022-01-06 | 苏州润迈德医疗科技有限公司 | 基于ct序列图像获取冠脉树和冠脉入口点的方法和系统 |
CN113077021A (zh) * | 2021-06-07 | 2021-07-06 | 广州天鹏计算机科技有限公司 | 基于机器学习的电子病历多维挖掘方法 |
CN114098692A (zh) * | 2021-10-28 | 2022-03-01 | 北京心世纪医疗科技有限公司 | 基于血流分配最优化的左心室辅助装置植入方法 |
CN114886390A (zh) * | 2022-03-23 | 2022-08-12 | 杭州脉流科技有限公司 | 获取冠脉血流储备、血流储备分数、微循环阻力指数的方法、设备、存储介质和程序产品 |
CN114886390B (zh) * | 2022-03-23 | 2023-09-12 | 杭州脉流科技有限公司 | 获取冠脉血流储备分数的方法 |
CN117481806A (zh) * | 2022-12-30 | 2024-02-02 | 杭州脉流科技有限公司 | 基于ct图像的冠状动脉微循环阻力指数计算方法和装置 |
CN117481806B (zh) * | 2022-12-30 | 2024-04-02 | 杭州脉流科技有限公司 | 基于ct图像的冠状动脉微循环阻力指数计算方法和装置 |
CN116188336A (zh) * | 2023-04-17 | 2023-05-30 | 柏意慧心(杭州)网络科技有限公司 | 基于血管造影的心肌病形态学计算方法、装置及存储介质 |
CN116188336B (zh) * | 2023-04-17 | 2023-12-22 | 柏意慧心(杭州)网络科技有限公司 | 基于血管造影的心肌病形态学计算方法、装置及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
WO2020107668A1 (zh) | 2020-06-04 |
US20210280318A1 (en) | 2021-09-09 |
JP7236769B2 (ja) | 2023-03-10 |
US11901081B2 (en) | 2024-02-13 |
CN111227821B (zh) | 2022-02-11 |
JP2022508239A (ja) | 2022-01-19 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111227822B (zh) | 基于心肌血流量和ct图像的冠状动脉血流储备分数计算方法 | |
CN111227821B (zh) | 基于心肌血流量和ct图像的微循环阻力指数计算方法 | |
WO2019210553A1 (zh) | 基于造影图像和流体力学模型的微循环阻力指数计算方法 | |
JP6792768B2 (ja) | 血流予備量比の計算方法およびシステム | |
CN106023202B (zh) | 基于心脏ct图像的冠状动脉血流储备分数计算方法 | |
CN104768465B (zh) | 血流储备分数(ffr)指标 | |
Azhari et al. | Three-dimensional mapping of acute ischemic regions using MRI: wall thickening versus motion analysis | |
US9924869B2 (en) | Method and apparatus for determining blood flow required, method and apparatus for producing blood flow image, and method and apparatus for processing myocardial perfusion image | |
CN108348206B (zh) | 用于无创血流储备分数(ffr)的侧支流建模 | |
CN106659400A (zh) | 用于确定血流储备分数值的装置 | |
CN111134651A (zh) | 基于腔内影像计算血流储备分数的方法、装置、系统以及计算机存储介质 | |
JP6749917B2 (ja) | iFR−CT | |
CN106803251B (zh) | 由ct影像确定主动脉缩窄处压力差的装置与方法 | |
CN110120031B (zh) | 一种得到血管血流储备分数的方法和装置 | |
CN112089433B (zh) | 一种基于cta和dsa的冠状动脉血流储备分数测量方法 | |
CN113902690A (zh) | 基于血管腔内影像计算血流储备分数的方法、装置、计算设备以及存储介质 | |
Radaelli et al. | On the segmentation of vascular geometries from medical images | |
CN112384138B (zh) | 获取心表大动脉的血流量的方法、装置、系统及存储介质 | |
CN112690814B (zh) | 一种低误差的冠状动脉血流储备分数测量方法 | |
CN107773243B (zh) | 利用不同记录模态的组合来确定临床特征参量 | |
CN115115735A (zh) | 一种基于多期相冠脉ct造影的内皮动应变的快速计算系统及方法 | |
CN111839496A (zh) | 一种通过常规造影图像测量出血流储备分数的方法 | |
CN112704505B (zh) | 一种利用cta和dsa测量冠状动脉血流储备分数的方法 | |
US10332255B2 (en) | Method for assessing stenosis severity in a lesion tree through stenosis mapping | |
Meiburger et al. | Vascular Complexity Evaluation Using a Skeletonization Approach and 3D LED-Based Photoacoustic Images |
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 | ||
TA01 | Transfer of patent application right | ||
TA01 | Transfer of patent application right |
Effective date of registration: 20210429 Address after: 215000 room NW-05-502, North West District, Suzhou Nancheng, 99 Jinji Hu Avenue, Suzhou Industrial Park, Jiangsu. Applicant after: SUZHOU RAINMED MEDICAL TECHNOLOGY Co.,Ltd. Address before: 215123 502, room 5, Nanbei Town, 99 Suzhou Jinji Road, Suzhou Industrial Park, Jiangsu. Applicant before: SUZHOU RUNXIN MEDICAL EQUIPMENT Co.,Ltd. |
|
GR01 | Patent grant | ||
GR01 | Patent grant |