CN112541303B - 一种残留血液百分比的测量方法、装置及存储介质 - Google Patents
一种残留血液百分比的测量方法、装置及存储介质 Download PDFInfo
- Publication number
- CN112541303B CN112541303B CN202011284191.0A CN202011284191A CN112541303B CN 112541303 B CN112541303 B CN 112541303B CN 202011284191 A CN202011284191 A CN 202011284191A CN 112541303 B CN112541303 B CN 112541303B
- Authority
- CN
- China
- Prior art keywords
- blood
- residual
- flow velocity
- blood flow
- percentage
- 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.)
- Active
Links
- 239000008280 blood Substances 0.000 title claims abstract description 96
- 210000004369 blood Anatomy 0.000 title claims abstract description 96
- 238000000034 method Methods 0.000 title claims abstract description 68
- 230000017531 blood circulation Effects 0.000 claims abstract description 91
- 230000036772 blood pressure Effects 0.000 claims abstract description 28
- 239000012530 fluid Substances 0.000 claims abstract description 27
- 230000000004 hemodynamic effect Effects 0.000 claims abstract description 22
- 238000004088 simulation Methods 0.000 claims abstract description 21
- 210000000056 organ Anatomy 0.000 claims abstract description 14
- 230000004087 circulation Effects 0.000 claims abstract description 7
- 230000010354 integration Effects 0.000 claims abstract description 3
- 239000012071 phase Substances 0.000 claims description 46
- 238000004364 calculation method Methods 0.000 claims description 17
- 238000012805 post-processing Methods 0.000 claims description 9
- 238000012545 processing Methods 0.000 claims description 8
- 238000007781 pre-processing Methods 0.000 claims description 7
- 238000006243 chemical reaction Methods 0.000 claims description 4
- 238000004590 computer program Methods 0.000 claims description 4
- 239000006185 dispersion Substances 0.000 claims description 4
- 238000009499 grossing Methods 0.000 claims description 4
- 230000001133 acceleration Effects 0.000 claims description 3
- 239000007791 liquid phase Substances 0.000 claims description 2
- 238000005259 measurement Methods 0.000 abstract description 6
- 238000002474 experimental method Methods 0.000 abstract description 4
- 210000004027 cell Anatomy 0.000 description 22
- 210000005246 left atrium Anatomy 0.000 description 12
- 210000004115 mitral valve Anatomy 0.000 description 12
- 238000010586 diagram Methods 0.000 description 6
- 210000002889 endothelial cell Anatomy 0.000 description 5
- 230000020411 cell activation Effects 0.000 description 4
- 238000002591 computed tomography Methods 0.000 description 4
- 230000010355 oscillation Effects 0.000 description 4
- 210000005248 left atrial appendage Anatomy 0.000 description 3
- 210000003492 pulmonary vein Anatomy 0.000 description 3
- 238000010008 shearing Methods 0.000 description 3
- 238000012549 training Methods 0.000 description 3
- 208000007536 Thrombosis Diseases 0.000 description 2
- 210000000702 aorta abdominal Anatomy 0.000 description 2
- 238000013528 artificial neural network Methods 0.000 description 2
- 230000001746 atrial effect Effects 0.000 description 2
- 238000012937 correction Methods 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 238000002604 ultrasonography Methods 0.000 description 2
- 206010002329 Aneurysm Diseases 0.000 description 1
- 208000002223 abdominal aortic aneurysm Diseases 0.000 description 1
- 206010000496 acne Diseases 0.000 description 1
- 238000002583 angiography Methods 0.000 description 1
- 208000007474 aortic aneurysm Diseases 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 210000004204 blood vessel Anatomy 0.000 description 1
- 230000008602 contraction Effects 0.000 description 1
- 230000008021 deposition Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 238000002595 magnetic resonance imaging Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000003062 neural network model Methods 0.000 description 1
- 239000002245 particle Substances 0.000 description 1
- 238000002601 radiography Methods 0.000 description 1
- 230000000638 stimulation Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
- G06F30/28—Design optimisation, verification or simulation using fluid dynamics, e.g. using Navier-Stokes equations or computational fluid dynamics [CFD]
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B8/00—Diagnosis using ultrasonic, sonic or infrasonic waves
- A61B8/06—Measuring blood flow
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B8/00—Diagnosis using ultrasonic, sonic or infrasonic waves
- A61B8/48—Diagnostic techniques
- A61B8/488—Diagnostic techniques involving Doppler signals
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B8/00—Diagnosis using ultrasonic, sonic or infrasonic waves
- A61B8/52—Devices using data or image processing specially adapted for diagnosis using ultrasonic, sonic or infrasonic waves
- A61B8/5215—Devices using data or image processing specially adapted for diagnosis using ultrasonic, sonic or infrasonic waves involving processing of medical diagnostic data
- A61B8/5238—Devices using data or image processing specially adapted for diagnosis using ultrasonic, sonic or infrasonic waves involving processing of medical diagnostic data for combining image data of patient, e.g. merging several images from different acquisition modes into one image
- A61B8/5261—Devices using data or image processing specially adapted for diagnosis using ultrasonic, sonic or infrasonic waves involving processing of medical diagnostic data for combining image data of patient, e.g. merging several images from different acquisition modes into one image combining images from different diagnostic modalities, e.g. ultrasound and X-ray
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
- G06F2119/14—Force analysis or force optimisation, e.g. static or dynamic forces
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Public Health (AREA)
- Medical Informatics (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Pathology (AREA)
- Radiology & Medical Imaging (AREA)
- Biomedical Technology (AREA)
- Heart & Thoracic Surgery (AREA)
- Biophysics (AREA)
- Molecular Biology (AREA)
- Surgery (AREA)
- Animal Behavior & Ethology (AREA)
- General Health & Medical Sciences (AREA)
- Veterinary Medicine (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Algebra (AREA)
- Computing Systems (AREA)
- Fluid Mechanics (AREA)
- Hematology (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Mathematical Physics (AREA)
- Pure & Applied Mathematics (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Computation (AREA)
- Geometry (AREA)
- General Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Measuring Pulse, Heart Rate, Blood Pressure Or Blood Flow (AREA)
Abstract
本发明公开了一种残留血液百分比的测量方法、装置及存储介质。利用医学影像数据重构器官或部位的三维几何结构，通过医学测量仪器得到器官或部位进出口的边界条件；将获取的边界条件作用于重构的几何模型，随后按照流体模拟方法循环迭代，循环迭代中求解相分数和血流速度，并同步更新血液压力；对计算得到的相分数进行体积分，最后得到残留血液百分比这一血流动力学参数。本发明针对残留血液百分比的测量方式和处理能针对特定生理部位的血液流动状态参数进行评估，解决了很难通过实验或现有医学测量仪器直接测量得到，准确性好。
Description
技术领域
本发明涉及血液流体动力学领域的一种测量方法、装置及存储介质，具体是一种通过计算流体力学的方法处理材料目标特定部位的血液流动情况的方法。
背景技术
当前对于血液动力学参数的研究和测量存在两种技术路线，基于PIV实验的方法，通过测量示踪粒子在曝光时间内流场中的位置(实验流体力学)，进而提取流场中的血流速度、轨迹和剪切力等特征参数。
基于神经网络方法的方法，通过采集大量样本的相关纹理特征(如对比度，相关度，能量等)构成原始数据库，然后利用人工神经网络模型进行训练，最终达到预测血液动力学参数的目的。
对于第一种方法，需要构建体外血液循环实验系统，操作繁琐且成本较高。
而基于神经网络模型的第二种方法，其模型预测精准度受训练集的影响，由于生物体血流循环系统的几何结构复杂多变，通过有限的训练集所建立的模型很难保证预测结果的准确性。
发明内容
为了解决背景技术中存在的问题，本发明所提供了一种残留血液百分比的测量方法、装置及存储介质，解决了残留血液百分比很难通过实验或现有医学测量仪器直接测量得到的技术问题。
本发明采用的技术方案是：
一、一种残留血液百分比的测量方法：
如图1所示，方法包括：
S1、利用医学影像数据重构器官或部位的三维几何结构，通过医学测量仪器得到器官或部位进出口的边界条件；
S2、将获取的边界条件作用于重构的几何模型，随后按照流体模拟方法循环迭代，循环迭代中求解相分数和血流速度，并同步更新血液压力；
S3、对计算得到的相分数进行体积分，得到最后残留血液百分比这一血流动力学参数。
目标是生物体内部的器官或者部位，通常的目标可以为左心房(心耳)，但不限于此。
所述的边界条件包括血液压力、血流量、血流速度等物理参数，但不限于此。具体可包括最大血流速度Ux_max和目标入口处的血液平均压力P。
在器官或部位所建立的三维几何结构内，将充满了残留血液的区域标记为旧相血液blood0，将入口涌进的“新鲜血液”的区域标记为新相血液blood1，后续通过求解新旧血液的标量输运方程进而得到若干个血流心跳周期后“残留血液”的空间分布情况，随后对残留血流的体积分数在所有空间离散的网格单元进行积分得到器官或部位的残留血液百分比。
在重构获得三维几何结构后，对三维几何结构进一步处理：包括进出口平面的平滑和裁剪，以及将目标体离散为各个网格单元，由各个网格单元构成了网格单元集合。
所述S1中，利用仪器采集获得目标出口处的单个心跳周期内的最大血流速度Ux_max进行拟合处理获得目标出口的血流速度波形。
先将目标出口的标准血流量血流波形Q0(t)转化为标准血流速度波形U0(t)：
Q0(t)＝U0(t)*Sout
其中，Q0(t)表示目标出口流出的标准血流量血流波形，Sout表示目标出口面积，U0(t)表示标准血流速度波形；
按照以下目标出口的血流速度波形Ux(t)与标准血流速度波形U0(t)的以下关系公式获得目标出口的血流速度波形Ux(t)：
其中，Ux_max表示由多普勒超声仪器实时测量得到单个心跳周期内的血液最大流速，U0_max表示单个心跳周期内的标准血液最大流速，U0(t)表示标准血流速度波形，t表示时间。
所述S2循环迭代中，在更新血液压力后，判断当压力残差达到设定值时进行下一轮更新新鲜血液相分数的迭代，否则重复求解血流速度和血液压力。
将仪器采集获得的目标入口处的血液平均压力P和目标出口处的血流速度波形Ux(t)分别施加在目标的进口和出口边界上，针对目标的三维几何结构离散获得的网格单元进行流体模拟方法循环迭代，循环迭代过程中求解新鲜血液的相分数和血流速度，然后利用更新后的血流速度对血液压力进行更新修正，进而获得压力残差，判断压力残差是否达到收敛标准：
若达到，则继续进行流体模拟方法的下一次迭代；
若未达到，则继续流体模拟方法中血流速度和压力更新修正的下一次迭代。
求解相分数具体为：
其中，α1_i表示当前时刻下的新鲜血液的第i个网格的相分数，i表示网格的序数，t表示时间，表示求梯度，U0表示初始化的血流速度。
求解血流速度具体为：
其中，t表示时间，表示求梯度，ρ表示血液的密度，g表示重力加速度，τ表示血流剪切应力，U表示更新后的血流速度。
所述S3中，利用新鲜血液的相分数处理获得残留血液的相分数，进而积分处理获得残留血液百分比。
所述S3中，采用以下公式利用新鲜血液的相分数处理获得残留血液的相分数：
α0_i＝1-α1_i
然后对每个网格单元内的残留血液的相分数α0_i进行积分，得到目标残留血液百分比Residualα：
其中，N表示网格单元的总数，Vcell_i表示第i个网格单元。
二、一种残留血液百分比的测量装置，如图8所示，装置包括：
包括前处理模块，利用医学影像数据重构器官或部位的三维几何结构，通过医学测量仪器得到器官或部位进出口的边界条件，并发送到计算模块；
包括计算模块，将获取的边界条件作用于重构的三维几何模型，随后按照流体模拟方法循环迭代，循环迭代中求解相分数和血流速度，并同步更新血液压力，并发送到后处理模块；
包括后处理模块，对计算得到的相分数进行体积分及参数换算，得到最后残留血液百分比的血流动力学参数。
所述的前处理模块在得到边界条件后，还对三维几何结构内，残留区域和新鲜区域进行标记，以区分残留区域和新鲜区域，以及将目标体离散为各个网格单元，由各个网格单元构成了网格单元集合。
前处理模块采集处理获得了目标入口处的血液平均压力和目标出口处的血流速度波形后发送到计算模块。
所述计算模块中，将仪器采集获得的目标入口处的血液平均压力和目标出口处的血流速度波形分别施加在目标的进口和出口边界上，针对目标的三维几何结构离散获得的网格单元进行流体模拟方法循环迭代，循环迭代过程中求解新鲜血液的相分数和血流速度，然后利用更新后的血流速度对血液压力进行更新修正，进而获得压力残差，判断压力残差是否达到收敛标准：
若达到，则继续进行流体模拟方法的下一次迭代；
若未达到，则继续流体模拟方法中血液压力更新修正的下一次迭代。
计算模块分析处理获得了最终次循环迭代的相分数后发送到后处理模块。
三、一种存储介质，存储有计算机程序，所述计算机程序被处理器执行时实现上述方法。具体包括处理器和存储器，存储器用于存储在处理器上运行的程序，处理器通过运行程序以实现上述测量方法。
所述计算机程序为对应实现上述残留血液百分比的测量方法的指令。
通过求解流体力学方程，进而得到流场中的血流速度、压力和剪切力等特征参数；并基于血液流速构建了残留血液的相分数方程，最后对计算得到的相分数进行积分，得到残留血液百分比这一血流动力学参数。
本发明相对现有技术而言所具有的有益效果是：
本发明方法主要针对血液流动较差位置的血流动力学参数评估，如静脉血管、动脉瘤和心耳等部位，这些部位的血流动力学参数很难通过实验的方法直接测量得到。
本发明方法在实现血流速度、压力、剪切力的等血流动力学参数测量的同时，能精确得到特定位置血液的残留百分比，提高测量的准确性；而且能通过对流动过程的模化。
附图说明
图1是实施方案的逻辑关系图；
图2是实施方案的具体流程图；
图3是经过重构和修复后的几何模型图；
图4是通过二尖瓣的标准血流波形图；
图5是单周期内二尖瓣处的血流速度曲线图；
图6是“旧相血液”在左心房(心耳)内的分布情况图；
图7是左心耳血流动力学参数云图；
图8是装置示意图；
图9是实施例的实验效果图。
具体实施方式
下面结合附图及具体实施例对本发明作进一步详细说明。
本发明的实施例如下：
实施例1(左心房-心耳案例)：
如图2所示，本实施例针对左心房(心耳)残留血液百分比的血液动力学参数的处理过程如下：
S1前处理模块：
1)获取目标的图像数据，该图像数据可以来源但不局限于计算机断层扫描技术(CT)，旋转数字减影血管造影(DSA)，三维核磁共振成像技术(3DMRI)等。然后基于图像数据，重构目标的三维几何结构。
在本申请实施例中，得到目标造影图像数据，具体为目标左心房(心耳)的CT图像数据，来重构左心房(心耳)的三维几何结构。
当三维模型重构装置在得到作为目标的左心房(心耳)CT图像数据时，即三维模型重构装置得到了目标造影图像数据，三维模型重构装置首先识别出肺静脉、二尖瓣、左心房、左心耳的位置，进而提取出关键结构的空间坐标，继而重构目标的三维几何结构。
在三维几何结构内，将充满了残留血液的区域标记为旧相血液blood0，将充满了入口涌进的“新鲜血液”的区域标记为新相血液blood1。
2)重构得到的三维几何结构无法直接用于计算流体力学研究，需要对三维几何结构进一步的处理：包括进出口平面的平滑和裁剪，以及通过网格划分软件(如Gmesh，snappyHexMesh等)将目标体离散为各个网格单元，网格单元为立体网格，由各个网格单元构成了网格单元集合。
平滑和裁剪后可以重新定义其几何特征，该特征主要包括进出口平面以及壁面和特征识别位置。
3)获取目标入口处的血液平均压力P和目标出口处的最大血流速度Ux_max。
4)具体实施中针对二尖瓣，采集二尖瓣处的血流速度波形是通过多普勒超声获得的单个心跳周期内的血液最大流速进行拟合处理获得：
首先由多普勒超声仪器实时测量得到单个心跳周期内的血液最大流速；
流量波形与速度波形转化过程中遵从不可压流体连续性，血液为连续且不可压缩流体，已知出口处的面积Sout，通过以下公式将二尖瓣的已知的如图5所示的标准血流量血流波形Q0(t)转化为标准血流速度波形U0(t)，再与目标超声测量数据相结合：
Q0(t)＝U0(t)*Sout
其中，Q0(t)表示二尖瓣流出的标准血流量血流波形，Sout表示二尖瓣面积，U0(t)表示标准血流速度波形；
按照以下目标二尖瓣出口的血流速度波形Ux(t)与标准血流速度波形U0(t)的以下关系公式获得目标二尖瓣出口的血流速度波形Ux(t)：
其中，Ux_max表示由多普勒超声仪器实时测量得到单个心跳周期内的血液最大流速，U0_max表示单个心跳周期内的标准血液最大流速，U0(t)表示标准血流速度波形，t表示时间；
目标二尖瓣出口的血流速度波形Ux(t)与标准血流速度波形U0(t)的变化趋势相同，仅相同相位的幅值发生了改变。
S2计算模块：
5)将得到的网格单元集合导入计算流体力学软件中，并将血液平均压力P和血流速度波形Ux(t)分别施加在目标的进口和出口边界上，随后对网格单元集合中的物理参数进行初始化(赋值)。
物理参数例如为血液压力、血流速度U以及网格单元的空间坐标，但不限于此。
根据左心房内部血液的流动特征，选取肺静脉作为入口边界，选取二尖瓣作为出口边界，其具体特征如图3所示。
入口处施加固定压力边界条件，其压力参考肺静脉流入左心房时的生理学指标，选取的压力值为1.33kPa(10mm Hg)。
出口处施加了如图4所示的速度波形，该速度波形具有周期性0.8s，单个周期内包括了左心房收缩和扩展两个阶段。
6)预设计算终止时间t0以及迭代更新的时间步长Δt，按照以PIMPLE方法(英文全称)的流体模拟方法循环迭代，循环迭代过程中判断当前计算时间tx是否达到终止时间t0：
若判断为真，则循环迭代停止并进入S103后处理模块；
若判断为假，则进入下面子步骤：
6.1)实时更新求解新鲜血液的相分数方程；
其中，α1_i表示当前时刻下的新鲜血液的第i个网格的相分数，i表示网格的序数，t表示时间，表示求梯度，U0表示初始化的血流速度；
6.2)求解血流速度方程；
其中，ρ表示血液的密度，g表示重力加速度，τ表示血流剪切应力，U表示更新后的血流速度；更新后的血流速度用于下一次迭代。
6.3)速度方程求解完成后，利用更新后的血流速度对血液压力进行更新修正，进而获得压力残差；
6.4)判断压力残差是否达到收敛标准：
若达到，则继续进行流体模拟方法的下一次迭代；
若未达到，则返回上述步骤7.3)继续血液压力更新修正的下一次迭代。
S3后处理模块：
7)每个网格单元内新鲜血液和残留血液的相分数之和等于1，则每个网格单元残留血液的相分数：
a0_i＝1-a1_i
8)对每个网格单元内的残留血液的相分数α0_i进行积分，得到目标残留血液百分比Residualα。
其中，N表示网格单元的总数，Vcell_i表示第i个网格单元。
通过blood0相体积分数云图(如图6所示)便可直观的看到“旧相血液”的残留位点。
通过评估左心房(心耳)的血流参数(峰值速度和最大直径)，可以认为左心房(心耳)内部血液始终处于层流状态。
通过对残留血液百分比进行积分结果发现，目标左心房(心耳)内部的血液的残留血液百分比为8.1％＞4％，则该目标左心耳可能有血栓发生的风险，但还需要结合其他参数和情况综合评估。
本实施例在具体实施中还处理计算了平均壁面剪切应力(TAWSS)、剪切震荡因子(OSI)、内皮细胞激活潜力(ECAP)、相对停留时间(RRT)等血流参数。在速度方程求解完成后，由更新后的速度数据和空间坐标得到速度梯度(grad(U))和有效粘度(θeff)，进而得到目标的血流动力学参数(平均壁面剪切应力、剪切震荡因子、内皮细胞激活潜力、相对停留时间)。
1、平均壁面剪切应力(TAWSS)
是利用血液有效粘度、速度梯度以及壁面法向矢量这三个参数来计算左心房(心耳)壁面附近的剪切应力，随后对单个血流周期内的壁面剪切应力进行时间平均。
2、剪切震荡因子(OSI)
基于壁面剪切应力基础上构建的血流动力学参数，表示血液流动状态的变化。
3、内皮细胞激活潜力(ECAP)
基于壁面剪切应力基础上构建的血流动力学参数，反映壁面附近内皮细胞受到的刺激。
4、相对停留时间(RRT)
基于壁面剪切应力基础上构建的血流动力学参数，反映血液的相对停留时间。
利用平均壁面剪切应力(TAWSS)、剪切震荡因子(OSI)、内皮细胞激活潜力(ECAP)、相对停留时间(RRT)等血流动力学参数结合本发明处理获得的残留血液百分比的血流动力学参数。
在本申请实施例中，计算结束后得到的左心耳的血流动力学参数如图7所示，不难看到左心耳的顶部符合血栓沉积的条件。
实施例2(腹主动脉瘤案例)：
本实施例处理过程同实施例1，对象为针对腹主动脉处的部位进行处理
区别仅在于，腹主动脉的三维几何结构较心耳简化了，本实施例取消了网格的非正交修正。
在本申请实施例中，计算完毕后对计算得到的参数进行体积分及参数换算，得到所需的血流动力学参数，结果如图9所示。
Claims (15)
1.一种残留血液百分比的测量方法，其特征在于：
S1、利用医学影像数据重构器官或部位的三维几何结构，通过医学测量仪器得到器官或部位进出口的边界条件；
所述S1中，利用仪器采集获得目标出口处的单个心跳周期内的最大血流速度Ux_max进行拟合处理获得目标出口的血流速度波形；
先将目标出口的标准血流量血流波形Q0(t)转化为标准血流速度波形U0(t)：
Q0(t)＝U0(t)*Sout
其中，Q0(t)表示目标出口流出的标准血流量血流波形，Sout表示目标出口面积，U0(t)表示标准血流速度波形；
按照以下目标出口的血流速度波形Ux(t)与标准血流速度波形U0(t)的以下关系公式获得目标出口的血流速度波形Ux(t)：
其中，Ux_max表示由多普勒超声仪器实时测量得到单个心跳周期内的血液最大流速，U0_max表示单个心跳周期内的标准血液最大流速，U0(t)表示标准血流速度波形，t表示时间；
S2、将获取的边界条件作用于重构的几何模型，随后按照流体模拟方法循环迭代，循环迭代中求解相分数和血流速度，并同步更新血液压力；
S3、对计算得到的相分数进行体积分，得到最后残留血液百分比这一血流动力学参数。
2.根据权利要求1所述的一种残留血液百分比的测量方法，其特征在于：
所述的边界条件包括血液压力、血流量、血流速度等物理参数。
3.根据权利要求1所述的一种残留血液百分比的测量方法，其特征在于：
在器官或部位所建立的三维几何结构内，将充满了残留血液的区域标记为旧相血液blood0，将入口涌进的“新鲜血液”的区域标记为新相血液blood1。
4.根据权利要求1所述的一种残留血液百分比的测量方法，其特征在于：
在重构获得三维几何结构后，对三维几何结构进一步处理：包括进出口平面的平滑和裁剪，以及将目标体离散为各个网格单元，由各个网格单元构成了网格单元集合。
5.根据权利要求1所述的一种残留血液百分比的测量方法，其特征在于：
所述S2循环迭代中，在更新血液压力后，判断当压力残差达到设定值时进行下一轮更新新鲜血液相分数的迭代，否则重复求解血流速度和血液压力。
6.根据权利要求1所述的一种残留血液百分比的测量方法，其特征在于：
将仪器采集获得的目标入口处的血液平均压力P和目标出口处的血流速度波形Ux(t)分别施加在目标的进口和出口边界上，针对目标的三维几何结构离散获得的网格单元进行流体模拟方法循环迭代，循环迭代过程中求解新鲜血液的相分数和血流速度，然后利用更新后的血流速度对血液压力进行更新修正，进而获得压力残差，判断压力残差是否达到收敛标准：
若达到，则继续进行流体模拟方法的下一次迭代；
若未达到，则继续流体模拟方法中血流速度和压力更新修正的下一次迭代。
7.根据权利要求6所述的一种残留血液百分比的测量方法，其特征在于：
求解相分数具体为：
其中，α1_i表示当前时刻下的新鲜血液的第i个网格的相分数，i表示网格的序数，t表示时间，表示求梯度，U0表示初始化的血流速度。
8.根据权利要求6所述的一种残留血液百分比的测量方法，其特征在于：
求解血流速度具体为：
其中，t表示时间，表示求梯度，ρ表示血液的密度，g表示重力加速度，τ表示血流剪切应力，U表示更新后的血流速度。
9.根据权利要求1所述的一种残留血液百分比的测量方法，其特征在于：
所述S3中，利用新鲜血液的相分数处理获得残留血液的相分数，进而积分处理获得残留血液百分比。
10.根据权利要求9所述的一种残留血液百分比的测量方法，其特征在于：
所述S3中，采用以下公式利用新鲜血液的相分数处理获得残留血液的相分数：
α0_i＝1-α1_i
然后对每个网格单元内的残留血液的相分数α0_i进行积分，得到目标残留血液百分比Residualα：
其中，N表示网格单元的总数，Vcell_i表示第i个网格单元。
11.采用权利要求1～10任一所述方法的一种残留血液百分比的测量装置，其特征在于：包括前处理模块，利用医学影像数据重构器官或部位的三维几何结构，通过医学测量仪器得到器官或部位进出口的边界条件，并发送到计算模块；
包括计算模块，将获取的边界条件作用于重构的三维几何模型，随后按照流体模拟方法循环迭代，循环迭代中求解相分数和血流速度，并同步更新血液压力，并发送到后处理模块；
包括后处理模块，对计算得到的相分数进行体积分及参数换算，得到最后残留血液百分比的血流动力学参数。
12.根据权利要求11所述的一种残留血液百分比的测量装置，其特征在于：
所述的前处理模块在得到边界条件后，还对三维几何结构内，残留区域和新鲜区域进行标记，以区分残留区域和新鲜区域，以及将目标体离散为各个网格单元，由各个网格单元构成了网格单元集合。
13.根据权利要求11所述的一种残留血液百分比的测量装置，其特征在于：
所述计算模块中，将仪器采集获得的目标入口处的血液平均压力和目标出口处的血流速度波形分别施加在目标的进口和出口边界上，针对目标的三维几何结构离散获得的网格单元进行流体模拟方法循环迭代，循环迭代过程中求解新鲜血液的相分数和血流速度，然后利用更新后的血流速度对血液压力进行更新修正，进而获得压力残差，判断压力残差是否达到收敛标准：
若达到，则继续进行流体模拟方法的下一次迭代；
若未达到，则继续流体模拟方法中血液压力更新修正的下一次迭代。
14.一种存储介质，存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1～10任一所述的方法。
15.根据权利要求14所述的一种存储介质，其特征在于，所述计算机程序为对应实现权利要求1～10任一所述的残留血液百分比的测量方法的指令。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011284191.0A CN112541303B (zh) | 2021-02-07 | 2021-02-07 | 一种残留血液百分比的测量方法、装置及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011284191.0A CN112541303B (zh) | 2021-02-07 | 2021-02-07 | 一种残留血液百分比的测量方法、装置及存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN112541303A CN112541303A (zh) | 2021-03-23 |
| CN112541303B true CN112541303B (zh) | 2024-06-18 |
Family
ID=75014279
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202011284191.0A Active CN112541303B (zh) | 2021-02-07 | 2021-02-07 | 一种残留血液百分比的测量方法、装置及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112541303B (zh) |
Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112071427A (zh) * | 2020-09-07 | 2020-12-11 | 苏州大学 | 一种血液瘀滞预测方法及系统 |
Family Cites Families (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US9724164B2 (en) * | 2011-08-26 | 2017-08-08 | EBM Corporation | Blood-vessel bloodstream simulation system, method therefor, and computer software program |
| CN105580019B (zh) * | 2013-07-30 | 2018-09-14 | 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 |
| CN103678888B (zh) * | 2013-12-01 | 2016-08-31 | 北京航空航天大学 | 一种基于欧拉流体模拟算法的心脏血液流动示意显示方法 |
| EP3379999B1 (en) * | 2015-11-24 | 2023-09-20 | The Regents of the University of California | Mapping and quantifying blood stasis and thrombus risk in the heart |
| CN106780477A (zh) * | 2016-12-30 | 2017-05-31 | 上海联影医疗科技有限公司 | 一种血流分析方法和系统 |
| EP3766080A1 (en) * | 2018-03-15 | 2021-01-20 | Koninklijke Philips Electronics N.V. | Method of estimating physiological parameters using medical image data |
| CN109106348A (zh) * | 2018-07-29 | 2019-01-01 | 大连理工大学 | 一种基于孔隙介质理论的冠状动脉血流储备分数计算方法 |
| CN110675957B (zh) * | 2019-09-24 | 2021-11-23 | 杭州阿特瑞科技有限公司 | 血管血流模拟方法及相关装置 |
| CN111091913A (zh) * | 2019-12-27 | 2020-05-01 | 西北工业大学 | 基于血流储备分数和冠状动脉ct造影图像的微循环阻力计算方法 |
| CN112070899B (zh) * | 2020-09-10 | 2024-04-05 | 杭州晟视科技有限公司 | 基于医学图像还原血管零压模型的方法、装置及存储介质 |
| CN112182994A (zh) * | 2020-10-13 | 2021-01-05 | 徐州医科大学 | 基于胡桃夹子综合征血流动力学的血管建模方法及装置 |
-
2021
- 2021-02-07 CN CN202011284191.0A patent/CN112541303B/zh active Active
Patent Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112071427A (zh) * | 2020-09-07 | 2020-12-11 | 苏州大学 | 一种血液瘀滞预测方法及系统 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN112541303A (zh) | 2021-03-23 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US10483005B2 (en) | System and method for characterization of electrical properties of the heart from medical images and body surface potentials | |
| US20230360803A1 (en) | Methods and systems for predicting sensitivity of blood flow calculations to changes in anatomical geometry | |
| US10162932B2 (en) | Method and system for multi-scale anatomical and functional modeling of coronary circulation | |
| Fedele et al. | A patient-specific aortic valve model based on moving resistive immersed implicit surfaces | |
| US10943698B2 (en) | Machine learning system for assessing heart valves and surrounding cardiovascular tracts | |
| Pullan et al. | Noninvasive electrical imaging of the heart: theory and model development | |
| US10296809B2 (en) | Method and system for fast patient-specific cardiac electrophysiology simulations for therapy planning and guidance | |
| CN110782988B (zh) | 颅内动脉瘤虚拟支架模拟方法 | |
| US11024404B2 (en) | System and method for medical image based cardio-embolic stroke risk prediction | |
| Alessandrini et al. | Simulation of realistic echocardiographic sequences for ground-truth validation of motion estimation | |
| Balaban et al. | High‐resolution data assimilation of cardiac mechanics applied to a dyssynchronous ventricle | |
| Gharleghi et al. | Deep learning for time averaged wall shear stress prediction in left main coronary bifurcations | |
| Nagel et al. | Comparison of propagation models and forward calculation methods on cellular, tissue and organ scale atrial electrophysiology | |
| Wang et al. | Meshless deformable models for 3D cardiac motion and strain analysis from tagged MRI | |
| JP2020508709A (ja) | 変形可能なオブジェクトへのデバイス挿入のための応力予測および応力評価 | |
| CN112541303B (zh) | 一种残留血液百分比的测量方法、装置及存储介质 | |
| US20220107256A1 (en) | Method and apparatus for predicting fluid flow through a subject conduit | |
| Yamada et al. | Numerical analysis of the effect of trabeculae carneae models on blood flow in a left ventricle model constructed from magnetic resonance images | |
| Le Rolle et al. | Model-based analysis of myocardial strain data acquired by tissue Doppler imaging | |
| Wang et al. | Meshless deformable models for LV motion analysis | |
| WO2022064445A1 (en) | Automated method for identifying and indicating to an operator pathological risk regions in at least one part of a patient's cardiovascular system by means of the reconstruction of an augmented reality of morphology and hemodynamics | |
| RU2725917C1 (ru) | Способ численного моделирования транскатетерной имплантации клапана сердца пациента | |
| Gonzalez et al. | A simulation of three-dimensional systolic flow dynamics in a spherical ventricle: effects of abnormal wall motion | |
| CN116453697B (zh) | 基于ffr拟合的冠脉狭窄血流动力学模拟方法及系统 | |
| Ling et al. | Physics-Guided Neural Networks for Intraventricular Vector Flow Mapping |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant |