CN112967234B - 冠状动脉功能生理学病变模式定量评价方法 - Google Patents

冠状动脉功能生理学病变模式定量评价方法 Download PDF

Info

Publication number
CN112967234B
CN112967234B CN202110180465.XA CN202110180465A CN112967234B CN 112967234 B CN112967234 B CN 112967234B CN 202110180465 A CN202110180465 A CN 202110180465A CN 112967234 B CN112967234 B CN 112967234B
Authority
CN
China
Prior art keywords
withdrawal
pressure
curve
gradient
ppg
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
Application number
CN202110180465.XA
Other languages
English (en)
Other versions
CN112967234A (zh
Inventor
戴能
胡南
葛均波
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Zhongshan Hospital Fudan University
Original Assignee
Zhongshan Hospital Fudan University
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Zhongshan Hospital Fudan University filed Critical Zhongshan Hospital Fudan University
Priority to CN202110180465.XA priority Critical patent/CN112967234B/zh
Publication of CN112967234A publication Critical patent/CN112967234A/zh
Application granted granted Critical
Publication of CN112967234B publication Critical patent/CN112967234B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/0002—Inspection of images, e.g. flaw detection
    • G06T7/0012—Biomedical image inspection
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30004—Biomedical image processing
    • G06T2207/30096—Tumor; Lesion
    • 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

Landscapes

  • Engineering & Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Radiology & Medical Imaging (AREA)
  • Quality & Reliability (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Measuring Pulse, Heart Rate, Blood Pressure Or Blood Flow (AREA)

Abstract

本发明涉及一种冠状动脉功能生理学病变模式定量评价方法，通过对接收采集的冠状动脉内回撤压力数据得到的压力回撤曲线的自动分析，综合考虑了PPG指数和回撤压力下降梯度曲线两方面的指标，将冠状动脉的功能生理学病变模式细分为四类，可体现冠状动脉病变(斑块)在兴趣段血管的分布情况。

Description

冠状动脉功能生理学病变模式定量评价方法
技术领域
本发明涉及一种检测技术，特别涉及一种冠状动脉功能生理学病变模式定量评价方法。
背景技术
血流储备分数(Fractional flow reserve,FFR)现已经成为冠状动脉狭窄功能学评估的公认指标，其主要是冠状动脉狭窄下游压力与冠状动脉口部主动脉平均压力的比值(即Pd/Pa，如图1，其中Pd代表狭窄下游压力Distal Coronary Pressure，Pa代表冠状动脉口部主动脉平均压力Proximal Coronary Pressure)，该比值越小反映狭窄对血流的影响程度越重，是当前临床指南推荐的一种功能学评估指标，可用于评估诊断冠脉生理状况和狭窄的功能意义，目前FFR等功能学指标的获取主要分为两类：一类是利用压力导丝、微导管直接测量冠状动脉压力获得FFR数值；另一类是基于冠状动脉影像学检查获取FFR，比如基于冠状动脉造影的FFR计算或血流动力学模拟(如定量血流分数QFR，基于冠脉造影的血流储备分数FFRangio，冠脉血流储备分数caFFR等)，基于冠状动脉CTA(ComputedTomographic Angiography)的FFR(即FFRCT)，基于血管内超声(intravenous ultrasound，IVUS)的FFR(即FFRIVUS)以及基于光学相干断层扫描技术(Optical CoherenceTomography,OCT)的FFR(即OFR)等，如图2所示。
然而，目前各种技术获得的FFR数值均为冠脉开口到测量点的所有病变的累积结果，反映的是兴趣段血管总体的病变负荷，无法体现冠状动脉病变(斑块)在兴趣段血管的分布情况，也就是冠状动脉的功能生理学病变模式。功能生理学局灶病变和功能生理学弥漫病变的病变分布完全不同，但可以导致血管的FFR、QFR、FFRCT等功能学指标数值相同。
发明内容
本发明是针对冠状动脉病变过程数据检测局限性的问题，提出了一种冠状动脉功能生理学病变模式定量评价方法及系统。
本发明的技术方案为：一种冠状动脉功能生理学病变模式定量评价方法，具体包括如下步骤：
1)接收采集的冠状动脉内回撤压力数据，得到压力回撤曲线，将其数字化，存储为一个N×2维的数据矩阵Xs，Xs第一列为血管长度向量S、第二列存储的是与每个血管长度值对应的回撤压力数值；
2)预处理数据：通过小波去噪对压力回撤曲线数据矩阵Xs进行预处理,得到预处理后的压力回撤曲线数据矩阵X；
3)利用预处理后的压力回撤曲线数据矩阵X，计算回撤压力梯度指数，即PPG指数；
4)利用预处理后的压力回撤曲线数据矩阵X，计算回撤压力下降梯度曲线，将回撤压力下降梯度曲线存储为一个N×2维的数据矩阵dX，其第一列为血管长度向量S、第二列存储的是与每个血管长度值对应的回撤压力下降梯度数值；
5)预设PPG指数门限为ThPPG，预设回撤压力下降梯度门限为ThdX；根据步骤3)、4)所得数据，联合利用PPG指数和回撤压力下降梯度曲线，将冠状动脉血管功能生理学病变模式分为四类：当PPG指数>ThPPG且回撤压力下降梯度曲线中无大于ThdX的梯度值时，判断为低压力变化梯度的功能生理学局灶病变；当PPG指数>ThPPG且回撤压力下降梯度曲线中有大于ThdX的梯度值时，判断为高压力变化梯度的功能生理学局灶病变；当PPG指数<ThPPG且回撤压力下降梯度曲线中无大于ThdX的梯度值时，判断为低压力变化梯度的功能生理学弥漫病变；当PPG指数<ThPPG且回撤压力下降梯度曲线中有大于ThdX的梯度值时，判断为高压力变化梯度的功能生理学弥漫病变。
优选的：所述步骤3)PPG指数的计算公式＝(MaxPPG20mm/Δxvessel+1–Lengthdisease/Lengthtotal)/2，其中MaxPPG20mm为X所存储的压力回撤曲线上任意20mm血管长度区间内最大的回撤压力下降值，Δxvessel为X所存储的压力回撤曲线上总血管长度区间上的回撤压力下降值，Lengthdisease为X所存储的压力回撤曲线上回撤压力下降梯度≥0.0015/mm的所有区间血管长度之和，Lengthtotal为X所存储的压力回撤曲线的血管总长度。
优选的：所述步骤4)具体实现方法：dX的第一列dX[:,1]等于X的第一列X[:,1]，即仍为血管长度向量s；预设求导区间长度为L毫米，求得该区间索引间距为T，使|dX[T,1]-L|≤|dX[T-1,1]-L|与|dX[T,1]-L|≤|dX[T+1,1]-L|同时成立；dX的第二列dX[:,2]的计算公式为：当血管长度索引值m<T时对应的回撤压力下降梯度数值dX[m,2]＝0，当血管长度索引值m≥T时对应的回撤压力下降梯度数值dX[m,2]＝(X[m-T+1,2]-X[m,2])/(X[m,1]-X[m-T+1,1])；对求得的回撤压力下降梯度曲线作前向后向低通数字滤波，得到其无时延平滑曲线，以替代原始计算得到的回撤压力下降梯度曲线及其存储数据矩阵dX。
本发明的有益效果在于：本发明冠状动脉功能生理学病变模式定量评价方法，通过对接收采集的冠状动脉内回撤压力数据得到的压力回撤曲线的自动分析，综合考虑了PPG指数和回撤压力下降梯度曲线两方面的指标，将冠状动脉的功能生理学病变模式细分为四类，可体现冠状动脉病变(斑块)在兴趣段血管的分布情况。
附图说明
图1为FFR的测量原理图；
图2为基于冠状动脉影像学的FFR示例；
图3为本发明实施例提供的冠状动脉功能生理学病变模式定量评价方法流程图；
图4为本发明实施例提供的冠状动脉功能生理学病变模式定量评价方法中在判断冠状动脉血管功能生理学病变模式为低压力变化梯度的功能生理学局灶病变时的QFR曲线与对应的dQFR/ds曲线示例图；
图5为本发明实施例提供的冠状动脉功能生理学病变模式定量评价方法中在判断冠状动脉血管功能生理学病变模式为高压力变化梯度的功能生理学局灶病变时的QFR曲线与对应的dQFR/ds曲线示例图；
图6为本发明实施例提供的冠状动脉功能生理学病变模式定量评价方法中在判断冠状动脉血管功能生理学病变模式为低压力变化梯度的功能生理学弥漫病变时的QFR曲线与对应的dQFR/ds曲线示例图；
图7为本发明实施例提供的冠状动脉功能生理学病变模式定量评价方法中在判断冠状动脉血管功能生理学病变模式为高压力变化梯度的功能生理学弥漫病变时的QFR曲线与对应的dQFR/ds曲线示例图。
具体实施方式
下面结合附图和具体实施例对本发明进行详细说明。本实施例以本发明技术方案为前提进行实施，给出了详细的实施方式和具体的操作过程，但本发明的保护范围不限于下述的实施例。
如图3冠状动脉功能生理学病变模式定量评价方法流程图，包括如下步骤：
1、接收采集的冠状动脉内回撤压力数据，得到压力回撤曲线，即QFR或FFR或FFRCT或OFR或FFRIVUS等可以获得冠脉内压力数据的压力回撤曲线，将其数字化，存储为一个N×2维的数据矩阵Xs，Xs第一列为血管长度向量S、第二列存储的是与每个血管长度值对应的回撤压力数值；
2、预处理数据：通过小波去噪对压力回撤曲线数据矩阵Xs进行预处理,得到预处理后的压力回撤曲线数据矩阵X；
3、利用预处理后的压力回撤曲线数据矩阵X，计算回撤压力梯度指数，即PPG指数；
4、利用预处理后的压力回撤曲线数据矩阵X，计算回撤压力下降梯度曲线，将回撤压力下降梯度曲线存储为一个N×2维的数据矩阵dX，其第一列为血管长度向量S、第二列存储的是与每个血管长度值对应的回撤压力下降梯度数值；
5、预设PPG指数门限为ThPPG，预设回撤压力下降梯度门限为ThdX；根据步骤3)、4)所得数据，联合利用PPG指数和回撤压力下降梯度曲线，将冠状动脉血管功能生理学病变模式分为四类：当PPG指数>ThPPG且回撤压力下降梯度曲线中无大于ThdX的梯度值时，判断为低压力变化梯度的功能生理学局灶病变；当PPG指数>ThPPG且回撤压力下降梯度曲线中有大于ThdX的梯度值时，判断为高压力变化梯度的功能生理学局灶病变；当PPG指数<ThPPG且回撤压力下降梯度曲线中无大于ThdX的梯度值时，判断为低压力变化梯度的功能生理学弥漫病变；当PPG指数<ThPPG且回撤压力下降梯度曲线中有大于ThdX的梯度值时，判断为高压力变化梯度的功能生理学弥漫病变。
在另外的一个实施例中，“利用预处理后的压力回撤曲线数据矩阵X，计算回撤压力梯度指数，即PPG指数”具体包括：
PPG指数的计算公式＝(MaxPPG20mm/Δxvessel+1–Lengthdisease/Lengthtotal)/2，其中MaxPPG20mm为X所存储的压力回撤曲线上任意20mm血管长度区间内最大的回撤压力下降值，Δxvessel为X所存储的压力回撤曲线上总血管长度区间上的回撤压力下降值，Lengthdisease为X所存储的压力回撤曲线上回撤压力下降梯度≥0.0015/mm的所有区间血管长度之和，Lengthtotal为X所存储的压力回撤曲线的血管总长度。
在另外的一个实施例中，“利用预处理后的压力回撤曲线数据矩阵X，计算回撤压力下降梯度曲线，存储为一个N×2维的数据矩阵dX”具体包括：dX的第一列dX[:,1]等于X的第一列X[:,1]，即仍为血管长度向量s；预设求导区间长度为L毫米，求得该区间索引间距T使|dX[T,1]-L|≤|dX[T-1,1]-L|与|dX[T,1]-L|≤|dX[T+1,1]-L|同时成立；dX的第二列dX[:,2]的计算公式为：当血管长度索引值m<T时对应的回撤压力下降梯度数值dX[m,2]＝0，当血管长度索引值m≥T时对应的回撤压力下降梯度数值dX[m,2]＝(X[m-T+1,2]-X[m,2])/(X[m,1]-X[m-T+1,1])；对求得的回撤压力下降梯度曲线作前向后向低通数字滤波，得到其无时延平滑曲线，以替代原始计算得到的回撤压力下降梯度曲线及其存储数据矩阵dX。
下面介绍一个本发明的具体应用场景：
接收采集的某患者的冠状动脉内回撤压力数据，得到压力回撤曲线，在本实施例中为定量血流分数曲线，即QFR曲线，将其数字化，存储为一个N×2维的数据矩阵X，其第一列为血管长度向量s、第二列存储的是与每个血管长度值对应的QFR值。通过小波去噪对QFR数据矩阵X进行预处理：在本实施例中采用6层小波基为db6的小波分解与重构进行小波去噪，去噪方式为硬门限去噪。利用预处理后的QFR数据矩阵X，计算QFR回拉压力梯度指数，即QFR-PPG指数：QFR-PPG指数的计算公式＝(MaxPPG20mm/ΔQFRvessel+1–Lengthdisease/Lengthtotal)/2，其中MaxPPG20mm为X所存储的QFR曲线上任意20mm血管长度区间内最大的QFR下降值，ΔQFRvessel为X所存储的QFR曲线上总血管长度区间上的QFR下降值，Lengthdisease为X所存储的QFR曲线上QFR下降梯度≥0.0015/mm的所有区间血管长度之和，Lengthtotal为X所存储的QFR曲线的血管总长度。利用预处理后的QFR数据矩阵X，计算QFR下降梯度曲线，即dQFR/ds，存储为一个N×2维的数据矩阵dX，其第一列为血管长度向量s、第二列存储的是与每个血管长度值对应的dQFR/ds值。计算dQFR/ds具体包括：dX的第一列dX[:,1]等于X的第一列X[:,1]，即仍为血管长度向量s；预设求导区间长度为L＝0.5毫米，求得该区间索引间距T，使|dX[T,1]-L|≤|dX[T-1,1]-L|与|dX[T,1]-L|≤|dX[T+1,1]-L|同时成立；dX的第二列dX[:,2]的计算公式为：当血管长度索引值m<T时对应的回撤压力下降梯度数值dX[m,2]＝0，当血管长度索引值m≥T时对应的回撤压力下降梯度数值dX[m,2]＝(X[m-T+1,2]-X[m,2])/(X[m,1]-X[m-T+1,1])；对dQFR/ds作前向后向低通数字滤波，得到其无时延平滑曲线，以替代原始计算得到的dQFR/ds及其存储数据矩阵dX；在本实施例中，所用的低通数字滤波器为上截止数字频率为0.1π的6阶butterworth数字滤波器。预设PPG指数门限为ThPPG＝0.7，预设回撤压力下降梯度门限为ThdX＝0.025/mm。最后联合利用QFR-PPG指数和dQFR/ds，判断该患者的冠状动脉血管功能生理学病变模式。本实施例中由QFR曲线(见附图4)计算得到的QFR-PPG指数＝0.84324>ThPPG，且dQFR/ds曲线(见附图4)中无大于ThdX的梯度值，因此将该患者的冠状动脉血管功能学病变模式判断为低压力变化梯度的功能生理学局灶病变。
下面介绍另一个本发明的具体应用场景：
接收采集的某患者的冠状动脉内回撤压力数据，得到压力回撤曲线，在本实施例中为定量血流分数曲线，即QFR曲线，将其数字化，存储为一个N×2维的数据矩阵X，其第一列为血管长度向量s、第二列存储的是与每个血管长度值对应的QFR值。通过小波去噪对QFR数据矩阵X进行预处理：在本实施例中采用6层小波基为db6的小波分解与重构进行小波去噪，去噪方式为硬门限去噪。利用预处理后的QFR数据矩阵X，计算QFR回拉压力梯度指数，即QFR-PPG指数：QFR-PPG指数的计算公式＝(MaxPPG20mm/ΔQFRvessel+1–Lengthdisease/Lengthtotal)/2，其中MaxPPG20mm为X所存储的QFR曲线上任意20mm血管长度区间内最大的QFR下降值，ΔQFRvessel为X所存储的QFR曲线上总血管长度区间上的QFR下降值，Lengthdisease为X所存储的QFR曲线上QFR下降梯度≥0.0015/mm的所有区间血管长度之和，Lengthtotal为X所存储的QFR曲线的血管总长度。利用预处理后的QFR数据矩阵X，计算QFR下降梯度曲线，即dQFR/ds，存储为一个N×2维的数据矩阵dX，其第一列为血管长度向量s、第二列存储的是与每个血管长度值对应的dQFR/ds值。计算dQFR/ds具体包括：dX的第一列dX[:,1]等于X的第一列X[:,1]，即仍为血管长度向量s；预设求导区间长度为L＝0.5毫米，求得该区间索引间距T使|dX[T,1]-L|≤|dX[T-1,1]-L|与|dX[T,1]-L|≤|dX[T+1,1]-L|同时成立；dX的第二列dX[:,2]的计算公式为：当血管长度索引值m<T时对应的回撤压力下降梯度数值dX[m,2]＝0，当血管长度索引值m≥T时对应的回撤压力下降梯度数值dX[m,2]＝(X[m-T+1,2]-X[m,2])/(X[m,1]-X[m-T+1,1])；对dQFR/ds作前向后向低通数字滤波，得到其无时延平滑曲线，以替代原始计算得到的dQFR/ds及其存储数据矩阵dX；在本实施例中，所用的低通数字滤波器为上截止数字频率为0.1π的6阶butterworth数字滤波器。预设PPG指数门限为ThPPG＝0.7，预设回撤压力下降梯度门限为ThdX＝0.025/mm。最后联合利用QFR-PPG指数和dQFR/ds，判断该患者的冠状动脉血管功能生理学病变模式。本实施例中由QFR曲线(见附图5)计算得到的QFR-PPG指数＝0.9276>ThPPG，且dQFR/ds曲线(见附图5)中有大于ThdX的梯度值，因此将该患者的冠状动脉血管功能生理学病变模式判断为高压力变化梯度的功能生理学局灶病变。
下面介绍另一个本发明的具体应用场景：
接收采集的某患者的冠状动脉内回撤压力数据，得到压力回撤曲线，在本实施例中为定量血流分数曲线，即QFR曲线，将其数字化，存储为一个N×2维的数据矩阵X，其第一列为血管长度向量s、第二列存储的是与每个血管长度值对应的QFR值。通过小波去噪对QFR数据矩阵X进行预处理：在本实施例中采用6层小波基为db6的小波分解与重构进行小波去噪，去噪方式为硬门限去噪。利用预处理后的QFR数据矩阵X，计算QFR回拉压力梯度指数，即QFR-PPG指数：QFR-PPG指数的计算公式＝(MaxPPG20mm/ΔQFRvessel+1–Lengthdisease/Lengthtotal)/2，其中MaxPPG20mm为X所存储的QFR曲线上任意20mm血管长度区间内最大的QFR下降值，ΔQFRvessel为X所存储的QFR曲线上总血管长度区间上的QFR下降值，Lengthdisease为X所存储的QFR曲线上QFR下降梯度≥0.0015/mm的所有区间血管长度之和，Lengthtotal为X所存储的QFR曲线的血管总长度。利用预处理后的QFR数据矩阵X，计算QFR下降梯度曲线，即dQFR/ds，存储为一个N×2维的数据矩阵dX，其第一列为血管长度向量s、第二列存储的是与每个血管长度值对应的dQFR/ds值。计算dQFR/ds具体包括：dX的第一列dX[:,1]等于X的第一列X[:,1]，即仍为血管长度向量s；预设求导区间长度为L＝0.5毫米，求得该区间索引间距T使|dX[T,1]-L|≤|dX[T-1,1]-L|与|dX[T,1]-L|≤|dX[T+1,1]-L|同时成立；dX的第二列dX[:,2]的计算公式为：当血管长度索引值m<T时对应的回撤压力下降梯度数值dX[m,2]＝0，当血管长度索引值m≥T时对应的回撤压力下降梯度数值dX[m,2]＝(X[m-T+1,2]-X[m,2])/(X[m,1]-X[m-T+1,1])；对dQFR/ds作前向后向低通数字滤波，得到其无时延平滑曲线，以替代原始计算得到的dQFR/ds及其存储数据矩阵dX；在本实施例中，所用的低通数字滤波器为上截止数字频率为0.1π的6阶butterworth数字滤波器。预设PPG指数门限为ThPPG＝0.7，预设回撤压力下降梯度门限为ThdX＝0.025/mm。最后联合利用QFR-PPG指数和dQFR/ds，判断该患者的冠状动脉血管功能生理学病变模式。本实施例中由QFR曲线(见附图6)计算得到的QFR-PPG指数＝0.6126<ThPPG，且dQFR/ds曲线(见附图6)中无大于ThdX的梯度值，因此将该患者的冠状动脉血管功能生理学病变模式判断为低压力变化梯度的功能生理学弥漫病变。
下面介绍另一个本发明的具体应用场景：
接收采集的某患者的冠状动脉内回撤压力数据，得到压力回撤曲线，在本实施例中为定量血流分数曲线，即QFR曲线，将其数字化，存储为一个N×2维的数据矩阵X，其第一列为血管长度向量s、第二列存储的是与每个血管长度值对应的QFR值。通过小波去噪对QFR数据矩阵X进行预处理：在本实施例中采用6层小波基为db6的小波分解与重构进行小波去噪，去噪方式为硬门限去噪。利用预处理后的QFR数据矩阵X，计算QFR回拉压力梯度指数，即QFR-PPG指数：QFR-PPG指数的计算公式＝(MaxPPG20mm/ΔQFRvessel+1–Lengthdisease/Lengthtotal)/2，其中MaxPPG20mm为X所存储的QFR曲线上任意20mm血管长度区间内最大的QFR下降值，ΔQFRvessel为X所存储的QFR曲线上总血管长度区间上的QFR下降值，Lengthdisease为X所存储的QFR曲线上QFR下降梯度≥0.0015/mm的所有区间血管长度之和，Lengthtotal为X所存储的QFR曲线的血管总长度。利用预处理后的QFR数据矩阵X，计算QFR下降梯度曲线，即dQFR/ds，存储为一个N×2维的数据矩阵dX，其第一列为血管长度向量s、第二列存储的是与每个血管长度值对应的dQFR/ds值。计算dQFR/ds具体包括：dX的第一列dX[:,1]等于X的第一列X[:,1]，即仍为血管长度向量s；预设求导区间长度为L＝0.5毫米，求得该区间索引间距T使|dX[T,1]-L|≤|dX[T-1,1]-L|与|dX[T,1]-L|≤|dX[T+1,1]-L|同时成立；dX的第二列dX[:,2]的计算公式为：当血管长度索引值m<T时对应的回撤压力下降梯度数值dX[m,2]＝0，当血管长度索引值m≥T时对应的回撤压力下降梯度数值dX[m,2]＝(X[m-T+1,2]-X[m,2])/(X[m,1]-X[m-T+1,1])；对dQFR/ds作前向后向低通数字滤波，得到其无时延平滑曲线，以替代原始计算得到的dQFR/ds及其存储数据矩阵dX；在本实施例中，所用的低通数字滤波器为上截止数字频率为0.1π的6阶butterworth数字滤波器。预设PPG指数门限为ThPPG＝0.7，预设回撤压力下降梯度门限为ThdX＝0.025/mm。最后联合利用QFR-PPG指数和dQFR/ds，判断该患者的冠状动脉血管功能生理学病变模式。本实施例中由QFR曲线(见附图7)计算得到的QFR-PPG指数＝0.68081<ThPPG，且d QFR/ds曲线(见附图7)中有大于ThdX的梯度值，因此将该患者的冠状动脉血管功能生理学病变模式判断为高压力变化梯度的功能生理学弥漫病变。
以上所述实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本发明的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干变形和改进，这些都属于本发明的保护范围。因此，本发明专利的保护范围应以所附权利要求为准。

Claims (2)

1.一种冠状动脉功能生理学病变模式定量评价方法，其特征在于，具体包括如下步骤：
1)接收采集的冠状动脉内回撤压力数据，得到压力回撤曲线，将其数字化，存储为一个N×2维的数据矩阵Xs，Xs第一列为血管长度向量S、第二列存储的是与每个血管长度值对应的回撤压力数值；
2)预处理数据：通过小波去噪对压力回撤曲线数据矩阵Xs进行预处理,得到预处理后的压力回撤曲线数据矩阵X；
3)利用预处理后的压力回撤曲线数据矩阵X，计算回撤压力梯度指数，即PPG指数；
4)利用预处理后的压力回撤曲线数据矩阵X，计算回撤压力下降梯度曲线，将回撤压力下降梯度曲线存储为一个N×2维的数据矩阵dX，其第一列为血管长度向量S、第二列存储的是与每个血管长度值对应的回撤压力下降梯度数值；所述步骤4)具体实现方法：dX的第一列dX[:,1]等于X的第一列X[:,1]，即仍为血管长度向量S；预设求导区间长度为L毫米，求得该区间索引间距为T，使|dX[T,1]-L|≤|dX[T-1,1]-L|与|dX[T,1]-L|≤|dX[T+1,1]-L|同时成立；dX的第二列dX[:,2]的计算公式为：当血管长度索引值m<T时对应的回撤压力下降梯度数值dX[m,2]＝0，当血管长度索引值m≥T时对应的回撤压力下降梯度数值dX[m,2]＝(X[m-T+1,2]-X[m,2])/(X[m,1]-X[m-T+1,1])；对求得的回撤压力下降梯度曲线作前向后向低通数字滤波，得到其无时延平滑曲线，以替代原始计算得到的回撤压力下降梯度曲线及其存储数据矩阵dX；
5)预设PPG指数门限为ThPPG，预设回撤压力下降梯度门限为ThdX；根据步骤3)、4)所得数据，联合利用PPG指数和回撤压力下降梯度曲线，将冠状动脉血管功能生理学病变模式分为四类：当PPG指数>ThPPG且回撤压力下降梯度曲线中无大于ThdX的梯度值时，判断为低压力变化梯度的功能生理学局灶病变；当PPG指数>ThPPG且回撤压力下降梯度曲线中有大于ThdX的梯度值时，判断为高压力变化梯度的功能生理学局灶病变；当PPG指数<ThPPG且回撤压力下降梯度曲线中无大于ThdX的梯度值时，判断为低压力变化梯度的功能生理学弥漫病变；当PPG指数<ThPPG且回撤压力下降梯度曲线中有大于ThdX的梯度值时，判断为高压力变化梯度的功能生理学弥漫病变。
2.根据权利要求1所述冠状动脉功能生理学病变模式定量评价方法，其特征在于，所述步骤3)PPG指数的计算公式＝(MaxPPG20mm/Δxvessel+1–Lengthdisease/Lengthtotal)/2，其中MaxPPG20mm为X所存储的压力回撤曲线上任意20mm血管长度区间内最大的回撤压力下降值，Δxvessel为X所存储的压力回撤曲线上总血管长度区间上的回撤压力下降值，Lengthdisease为X所存储的压力回撤曲线上回撤压力下降梯度≥0.0015/mm的所有区间血管长度之和，Lengthtotal为X所存储的压力回撤曲线的血管总长度。
CN202110180465.XA 2021-02-09 2021-02-09 冠状动脉功能生理学病变模式定量评价方法 Active CN112967234B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110180465.XA CN112967234B (zh) 2021-02-09 2021-02-09 冠状动脉功能生理学病变模式定量评价方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110180465.XA CN112967234B (zh) 2021-02-09 2021-02-09 冠状动脉功能生理学病变模式定量评价方法

Publications (2)

Publication Number Publication Date
CN112967234A CN112967234A (zh) 2021-06-15
CN112967234B true CN112967234B (zh) 2022-12-09

Family

ID=76284635

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110180465.XA Active CN112967234B (zh) 2021-02-09 2021-02-09 冠状动脉功能生理学病变模式定量评价方法

Country Status (1)

Country Link
CN (1) CN112967234B (zh)

Family Cites Families (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9805463B2 (en) * 2013-08-27 2017-10-31 Heartflow, Inc. Systems and methods for predicting location, onset, and/or change of coronary lesions
CN104116563A (zh) * 2014-07-02 2014-10-29 北京工业大学 一种个性化冠状动脉搭桥术的血流动力学快速规划方法
WO2016182508A1 (en) * 2015-05-12 2016-11-17 Singapore Health Services Pte Ltd Medical image processing methods and systems
KR20230152787A (ko) * 2016-08-02 2023-11-03 버지니아 커먼웰스 유니버시티 5-콜레스텐-3, 25-디올, 3-술페이트 (25hc3s) 또는 이의 약학적으로 허용 가능한 염, 및 적어도 하나의 시클릭 올리고당을 포함하는 조성물
KR20240038148A (ko) * 2017-02-07 2024-03-22 얀센 바이오테크 인코포레이티드 활성 강직성 척추염의 치료를 위한 항-tnf 항체, 조성물, 및 방법
EP3363351B1 (en) * 2017-02-16 2023-08-16 Tata Consultancy Services Limited System for detection of coronary artery disease in a person using a fusion approach
CN207075928U (zh) * 2017-02-27 2018-03-09 张陈匀 一种冠状动脉射频毁损装置
CN107977709B (zh) * 2017-04-01 2021-03-16 北京科亚方舟医疗科技股份有限公司 预测血管树血管路径上的血流特征的深度学习模型和系统
WO2019025270A1 (en) * 2017-08-01 2019-02-07 Siemens Healthcare Gmbh NON-INVASIVE EVALUATION AND THERAPY GUIDANCE FOR CORONAROPATHY IN DIFFUSE AND TANDEM INJURIES
EP3453326A1 (en) * 2017-09-08 2019-03-13 Koninklijke Philips N.V. Registration and comparison of measured and simulated intracoronary pullback curves
CN108742626B (zh) * 2018-06-15 2022-09-06 上海联影医疗科技股份有限公司 T1参数图成像方法及磁共振成像系统
FR3096497B1 (fr) * 2019-05-23 2021-04-30 Paul Jean Francois Procédé, dispositif et support lisible par ordinateur pour classifier automatiquement une lésion coronarienne selon la classification CAD-RADS par un réseau de neurones profond
CN111067494B (zh) * 2019-12-27 2022-04-26 西北工业大学 基于血流储备分数和血流阻力模型的微循环阻力快速计算方法

Also Published As

Publication number Publication date
CN112967234A (zh) 2021-06-15

Similar Documents

Publication Publication Date Title
US20210275124A1 (en) Method for calculating coronary artery fractional flow reserve on basis of myocardial blood flow and ct images
JP6845167B2 (ja) 管腔形態および血管抵抗測定データ収集のシステム、装置および方法
CN108038848B (zh) 基于医学影像序列斑块稳定性指标的快速计算方法及系统
JP6611959B2 (ja) 血管圧力差の計算方法およびシステム
CA2892810C (en) Method and apparatus for automated determination of a lumen contour of a blood vessel
US8977339B1 (en) Method for assessing stenosis severity through stenosis mapping
KR101834051B1 (ko) 혈관 기하학적 구조 및 생리학으로부터 혈류 특징들을 추정하기 위한 시스템들 및 방법들
US20210280318A1 (en) Method for calculating index of microcirculatory resistance based on myocardial blood flow and ct image
JP6462238B2 (ja) 医用画像処理装置および医用画像処理方法
US20230355107A1 (en) Apparatus for determining a functional index for stenosis assessment
WO2004019778A1 (en) System for determining values of non-hyperemic hemodynamic parameters for a lesioned blood vessel, processor therefor, and method therefor
CN110786842B (zh) 测量舒张期血流速度的方法、装置、系统及存储介质
CN110558960A (zh) 一种基于ptt和miv-ga-svr的连续血压无创监测方法
CN112967234B (zh) 冠状动脉功能生理学病变模式定量评价方法
Shin et al. Coronary Artery Lumen Segmentation Using Location–Adaptive Threshold in Coronary Computed Tomographic Angiography: A Proof-of-Concept
Signorini et al. Nonlinear analysis of heart rate variability signal for the characterization of cardiac heart failure patients
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
EP3998939A1 (en) Functional impact of vascular lesions
WO2002052509A1 (en) Method of analyzing a data set comprising a volumetric representation of an object to be examined
US10332255B2 (en) Method for assessing stenosis severity in a lesion tree through stenosis mapping
Zhou et al. Quantification of coronary artery stenosis by area stenosis from cardiac CT angiography
AU2019344027A1 (en) Method and arrangement for determining haemodynamic parameters in a blood vessel in an automated manner on the basis of invasively recorded pulse waves
Reddy et al. Coronary Physiologic Assessment Based on Angiography and Intracoronary Imaging.
Mynard Diagnostic Performance of Virtual Fractional Flow Reserve derived from routine Coronary Angiography using Segmentation Free Reduced order (1-Dimensional) Flow Modelling
CN117765107A (zh) 冠状动脉疾病ct扫描的成像质量优化方法及系统

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
GR01 Patent grant