CN113100737A - 基于冠状动脉cta的缺血心肌负荷定量评价系统 - Google Patents
基于冠状动脉cta的缺血心肌负荷定量评价系统 Download PDFInfo
- Publication number
- CN113100737A CN113100737A CN202110367253.2A CN202110367253A CN113100737A CN 113100737 A CN113100737 A CN 113100737A CN 202110367253 A CN202110367253 A CN 202110367253A CN 113100737 A CN113100737 A CN 113100737A
- Authority
- CN
- China
- Prior art keywords
- ischemia
- pixel point
- point set
- myocardial
- class
- 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
- 230000002107 myocardial effect Effects 0.000 title claims abstract description 66
- 230000000302 ischemic effect Effects 0.000 title claims abstract description 24
- 210000004351 coronary vessel Anatomy 0.000 title claims abstract description 22
- 238000011158 quantitative evaluation Methods 0.000 title abstract description 4
- 208000028867 ischemia Diseases 0.000 claims abstract description 110
- 208000031225 myocardial ischemia Diseases 0.000 claims abstract description 16
- 238000004364 calculation method Methods 0.000 claims abstract description 9
- 210000004165 myocardium Anatomy 0.000 claims description 16
- 238000000034 method Methods 0.000 claims description 12
- 230000011218 segmentation Effects 0.000 claims description 12
- 150000001875 compounds Chemical class 0.000 claims description 3
- 238000003384 imaging method Methods 0.000 description 4
- 230000010412 perfusion Effects 0.000 description 4
- 201000000057 Coronary Stenosis Diseases 0.000 description 3
- 208000031481 Pathologic Constriction Diseases 0.000 description 2
- 230000017531 blood circulation Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000002600 positron emission tomography Methods 0.000 description 2
- 238000004088 simulation Methods 0.000 description 2
- 238000002603 single-photon emission computed tomography Methods 0.000 description 2
- 208000037804 stenosis Diseases 0.000 description 2
- 230000036262 stenosis Effects 0.000 description 2
- 206010067484 Adverse reaction Diseases 0.000 description 1
- 230000006838 adverse reaction Effects 0.000 description 1
- 238000002583 angiography Methods 0.000 description 1
- 210000000709 aorta Anatomy 0.000 description 1
- 230000004219 arterial function Effects 0.000 description 1
- 230000000747 cardiac effect Effects 0.000 description 1
- 208000029078 coronary artery disease Diseases 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 230000000004 hemodynamic effect Effects 0.000 description 1
- 230000003902 lesion Effects 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000005855 radiation Effects 0.000 description 1
- 238000012764 semi-quantitative analysis Methods 0.000 description 1
- 230000002966 stenotic effect Effects 0.000 description 1
- 238000011144 upstream manufacturing Methods 0.000 description 1
- 238000012800 visualization Methods 0.000 description 1
Images
Classifications
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/02—Detecting, measuring or recording pulse, heart rate, blood pressure or blood flow; Combined pulse/heart-rate/blood pressure determination; Evaluating a cardiovascular condition not otherwise provided for, e.g. using combinations of techniques provided for in this group with electrocardiography or electroauscultation; Heart catheters for measuring blood pressure
- A61B5/026—Measuring blood flow
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Medical Informatics (AREA)
- Physics & Mathematics (AREA)
- Cardiology (AREA)
- Biophysics (AREA)
- Pathology (AREA)
- Hematology (AREA)
- Biomedical Technology (AREA)
- Heart & Thoracic Surgery (AREA)
- Physiology (AREA)
- Molecular Biology (AREA)
- Surgery (AREA)
- Animal Behavior & Ethology (AREA)
- General Health & Medical Sciences (AREA)
- Public Health (AREA)
- Veterinary Medicine (AREA)
- Apparatus For Radiation Diagnosis (AREA)
Abstract
Description
技术领域
本发明涉及一种检测技术,特别涉及一种基于冠状动脉CTA的缺血心肌负荷定量评价系统。
背景技术
血流储备分数(Fractional flow reserve,FFR)是当前临床指南推荐的一种冠状动脉功能生理学评估指标,其主要通过冠状动脉狭窄下游压力Pd和代表冠状动脉口部压力的主动脉平均压力Pa的比值反应狭窄对血流的影响程度,该比值越小反映狭窄对血流的影响程度越重。然而,由于FFR测量需要通过专用的压力导丝测量冠脉病变远近端压力来进行计算,额外增加了手术步骤、时间和费用,使得其临床应用受到一定限制。于是催生出基于冠状动脉CTA(Computed Tomographic Angiography)的FFRCT技术。冠状动脉FFRCT技术是基于患者冠状动脉CTA图像,利用数值模拟方法实现冠脉的血流动力学仿真,通过提取狭窄冠脉上、下游压力值无创地获得其FFR值,即FFRCT值。和有创FFR一样,FFRCT的临界值同样为0.80。即FFRCT≤0.80,冠脉狭窄存在功能生理学意义,引起心肌缺血,而FFRCT>0.80,冠脉狭窄无功能生理学意义,未引起心肌缺血。
想要精准治疗冠心病患者,仅仅知道存在或不存在心肌缺血是不够的,还应该定量心肌缺血的负荷。目前可以通过单光子发射计算机断层成像术(Single-PhotonEmission Computed Tomography,SPECT)或正电子发射断层成像术(Positron EmissionTomography,PET)核素心肌灌注显像,磁共振心肌灌注显像以及CT心肌灌注显像来定量心肌缺血的负荷。
但是,SPECT分辨率相对较低,多数只能进行心肌缺血的半定量分析,PET和心脏磁共振在临床上的可及性不高,且检查费用昂贵,CT灌注显像分辨率不够,还存在辐射较高的问题。更重要的,这些检查均需要在负荷状态下进行显像,增加了检查的复杂性以及病人不良反应的发生率。因此,急需要一种便捷可行的缺血心肌负荷的评价方法。
发明内容
本发明的目的是:提供一种便捷可行的缺血心肌负荷的评价系统。
为了达到上述目的,本发明技术方案是提供了一种基于冠状动脉CTA的缺血心肌负荷定量评价系统,其特征在于,包括阈值获取单元、中心点分类单元、像素点分类单元以及计算单元,其中:
阈值获取单元用于依据冠状动脉CTA图像对应的心肌分割结果以及沿着三支主要冠状动脉中心线上每个中心点的血流储备分数FFRCT获得心肌缺血的阈值;
中心点分类单元用于将三支主要冠状动脉中心线上的每个中心点划分为不缺血类或缺血类,由此得到不缺血类中心点集A以及缺血类中心点集B,其中,不缺血类中心点集A内的中心点处的血流储备分数FFRCT大于通过阈值获取单元获得的阈值,缺血类中心点集B内的中心点处的血流储备分数FFRCT不大于通过阈值获取单元获得的阈值;
像素点分类单元获得冠状动脉CTA图像对应的心肌分割结果后,基于中心点分类单元获得的不缺血类中心点集A以及缺血类中心点集B,判断心肌分割结果的每个像素点属于不缺血类或缺血类由此得到不缺血类像素点集C以及缺血类像素点集D;
计算单元依据像素点分类单元得到的不缺血类像素点集C以及缺血类像素点集D以及不缺血类像素点集C、缺血类像素点集D中的像素点距离计算得到不缺血类像素点集C和缺血类像素点集D所对应的心肌体积VC和心肌体积VD,并且计算单元基于心肌体积VC和心肌体积VD进一步计算得到心肌质量MC和心肌质量MD,从而计算得到
优选地,所述FFRCT阈值为0.80。
优选地,对于心肌分割结果上的任意一个像素点k,所述像素点分类单元采用以下方法判断其属于不缺血类或缺血类:
步骤1、计算像素点k到不缺血类中心点集A中每个中心点的欧式距离的最小值LA:
LA=mini(Distance(k,pi))
式中,i=0,1,......,n,pi表示不缺血类中心点集A中的第i个中心点;Distance(k,pi)表示像素点k到pi的欧式距离;min(·)表示取最小值函数;
并计算像素点k到缺血类中心点集B中每个中心点的欧式距离的最小值LB:
LB=minj(Distance(k,qj))
式中,j=0,1,......,m,qj表示缺血类中心点集B中的第j个中心点;Distance(k,qj)表示像素点k到qj的欧式距离;
步骤2、对比LA和LB的大小,若LA<LB,则像素点k属于不缺血类,将像素点k存入不缺血类像素点集C;反之,则像素点k属于缺血类,将像素点k存入缺血类像素点集D。
优选地,所述计算单元采用以下步骤计算得到所述缺血心肌的负荷:
步骤1、分别计算不缺血类像素点集C以及缺血类像素点集D中像素个数NC和ND;
步骤2、基于像素个数NC和ND计算得到不缺血类像素点集C和缺血类像素点集D所对应的心肌体积VC和心肌体积VD:
步骤3、根据心肌体积VC和心肌体积VD计算不缺血类像素点集C和缺血类像素点集D所对应的心肌质量MC和心肌质量MD:
MC=VC×ρ
MD=VD×ρ
式中,ρ是心肌的密度;
利用目前临床常规进行的冠状动脉CTA检查,在不改变检查方案、不增加额外检查的前提下,采用本发明的技术方案可以进行便捷的缺血心肌负荷定量评估。
附图说明
图1为本发明实施例的心肌缺血区域计算方法的流程图;
图2为是本申请实施例的三支主要冠脉和FFRCT大于阈值0.80或者小于等于阈值0.80的结构示意图;
图3为本发明实施例根据最近距离法将心肌分割的每个像素划分为缺血类或缺血类的结果图。
具体实施方式
下面结合具体实施例,进一步阐述本发明。应理解,这些实施例仅用于说明本发明而不用于限制本发明的范围。此外应理解,在阅读了本发明讲授的内容之后,本领域技术人员可以对本发明作各种改动或修改,这些等价形式同样落于本申请所附权利要求书所限定的范围。
结合图1,本实施例公开的一种基于冠状动脉CTA的缺血心肌负荷定量评价方法,包括以下步骤:
步骤1、获得冠状动脉CTA图像对应的心肌分割结果以及沿着三支主要冠状动脉中心线上每个中心点的血流储备分数FFRCT。
步骤2、依据血流储备分数FFRCT获得心肌缺血的阈值,本实施例中该阈值为0.80。将三支主要冠状动脉中心线上的每个中心点划分为不缺血类或缺血类,通过以下步骤获得不缺血类中心点集A以及缺血类中心点集B:
遍历三支主要冠状动脉中心线上的每个中心点,将中心点处FFRCT>0.80的中心点存入不缺血类中心点集A,将中心点处FFRCT≤0.80的中心点存入缺血类中心点集B。
本实施例中,设:不缺血类中心点集A={p0,p1,p2,...,pn},其中,pn为中心点处FFRCT>0.80的第n个中心点;缺血类中心点集B={q0,q1,q2,...,qm},其中,qm为中心点处FFRCT>0.80的第m个中心点。
步骤3:根据最近邻方法,将步骤1得到的心肌分割结果的每个像素划分为不缺血类或缺血类,获得不缺血类像素点集C以及缺血类像素点集D。
对于心肌分割结果上的任意一个像素点k,采用以下方法判断其属于不缺血类或缺血类:
步骤301、计算像素点k到不缺血类中心点集A中每个中心点的欧式距离的最小值LA:
LA=mini(Distance(k,pi))
式中,i=0,1,......,n,pi表示不缺血类中心点集A中的第i个中心点;Distance(k,pi)表示像素点k到pi的欧式距离;min(·)表示取最小值函数。
并计算像素点k到缺血类中心点集B中每个中心点的欧式距离的最小值LB:
LB=minj(Distance(k,qj))
式中,j=0,1,......,m,qi表示缺血类中心点集B中的第j个中心点;Distance(k,qj)表示像素点k到qj的欧式距离。
步骤302、对比LA和LB的大小,若LA<LB,则像素点k属于不缺血类,将像素点k存入不缺血类像素点集C;反之,则像素点k属于缺血类,将像素点k存入缺血类像素点集D。
步骤4:计算缺血心肌的质量以及其占总心肌质量的比例,即缺血心肌负荷。
本实例中,根据不缺血类像素点集C以及缺血类像素点集D,计算心肌不缺血区域的质量和心肌缺血区域的质量,具体包括以下步骤:
步骤401、分别计算不缺血类像素点集C以及缺血类像素点集D中像素个数NC和ND;
步骤402、基于像素个数NC和ND计算得到不缺血类像素点集C和缺血类像素点集D所对应的心肌体积VC和心肌体积VD:
步骤403、根据心肌体积VC和心肌体积VD计算不缺血类像素点集C和缺血类像素点集D所对应的心肌质量MC和心肌质量MD:
MC=VC×ρ
MD=VD×ρ
式中,ρ是心肌的密度。
基于冠状动脉CTA获得的FFRCT≤0.80是目前公认的判断心肌缺血的指标,然而,其只能以二分类的方法判断患者存在或不存在心肌缺血,无法定量缺血心肌的质量或负荷。冠状动脉上FFRCT=0.80处下游血管供应的心肌即存在缺血的心肌,本发明通过计算这部分血管供应心肌的质量,以及占总体心肌质量的比例,定量缺血心肌负荷。
为使描述简洁,未对上述实施例中获得血流储备分数FFRCT的具体方法进行描述,然而,无论何种方法获得的血流储备分数仿真值,只要能够将心肌分割结果划分为不缺血类或缺血类,均可进行缺血心肌负荷的定量,都应当认为是本说明书记载的范围。
Claims (4)
1.一种基于冠状动脉CTA的缺血心肌负荷定量评价系统,其特征在于,包括阈值获取单元、中心点分类单元、像素点分类单元以及计算单元,其中:
阈值获取单元用于依据冠状动脉CTA图像对应的心肌分割结果以及沿着三支主要冠状动脉中心线上每个中心点的血流储备分数FFRCT获得心肌缺血的阈值;
中心点分类单元用于将三支主要冠状动脉中心线上的每个中心点划分为不缺血类或缺血类,由此得到不缺血类中心点集A以及缺血类中心点集B,其中,不缺血类中心点集A内的中心点处的血流储备分数FFRCT大于通过阈值获取单元获得的阈值,缺血类中心点集B内的中心点处的血流储备分数FFRCT不大于通过阈值获取单元获得的阈值;
像素点分类单元获得冠状动脉CTA图像对应的心肌分割结果后,基于中心点分类单元获得的不缺血类中心点集A以及缺血类中心点集B,判断心肌分割结果的每个像素点属于不缺血类或缺血类由此得到不缺血类像素点集C以及缺血类像素点集D;
2.如权利要求1所述的一种基于冠状动脉CTA的缺血心肌负荷定量评价系统,其特征在于,所述FFRCT阈值为0.80。
3.如权利要求1所述的一种基于冠状动脉CTA的缺血心肌负荷定量评价系统,其特征在于,对于心肌分割结果上的任意一个像素点k,所述像素点分类单元采用以下方法判断其属于不缺血类或缺血类:
步骤1、计算像素点k到不缺血类中心点集A中每个中心点的欧式距离的最小值LA:
LA=mini(Distance(k,pi))
式中,i=0,1,……,n,pi表示不缺血类中心点集A中的第i个中心点;Distance(k,pi)表示像素点k到pi的欧式距离;min(·)表示取最小值函数;
并计算像素点k到缺血类中心点集B中每个中心点的欧式距离的最小值LB:
LB=minj(Distance(k,qj))
式中,j=0,1,……,m,qj表示缺血类中心点集B中的第j个中心点;Distance(k,qj)表示像素点k到qj的欧式距离;
步骤2、对比LA和LB的大小,若LA<LB,则像素点k属于不缺血类,将像素点k存入不缺血类像素点集C;反之,则像素点k属于缺血类,将像素点k存入缺血类像素点集D。
4.如权利要求1所述的一种基于冠状动脉CTA的缺血心肌负荷定量评价系统,其特征在于,所述计算单元采用以下步骤计算得到所述缺血心肌的负荷:
步骤1、分别计算不缺血类像素点集C以及缺血类像素点集D中像素个数NC和ND;
步骤2、基于像素个数NC和ND计算得到不缺血类像素点集C和缺血类像素点集D所对应的心肌体积VC和心肌体积VD:
步骤3、根据心肌体积VC和心肌体积VD计算不缺血类像素点集C和缺血类像素点集D所对应的心肌质量MC和心肌质量MD:
MC=VC×ρ
MD=VD×ρ
式中,ρ是心肌的密度;
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110367253.2A CN113100737B (zh) | 2021-04-06 | 2021-04-06 | 基于冠状动脉cta的缺血心肌负荷定量评价系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110367253.2A CN113100737B (zh) | 2021-04-06 | 2021-04-06 | 基于冠状动脉cta的缺血心肌负荷定量评价系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113100737A true CN113100737A (zh) | 2021-07-13 |
CN113100737B CN113100737B (zh) | 2023-10-27 |
Family
ID=76714011
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110367253.2A Active CN113100737B (zh) | 2021-04-06 | 2021-04-06 | 基于冠状动脉cta的缺血心肌负荷定量评价系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113100737B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114041761A (zh) * | 2021-10-27 | 2022-02-15 | 北京医准智能科技有限公司 | 一种冠状动脉起源的判断方法、装置及计算机可读介质 |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20140073976A1 (en) * | 2012-09-12 | 2014-03-13 | Heartflow, Inc. | Systems and methods for estimating ischemia and blood flow characteristics from vessel geometry and physiology |
US20140107497A1 (en) * | 2012-10-15 | 2014-04-17 | Semler Scientific, Inc | Non-invasive valsalva maneuver (vm) heart failure diagnostic method and apparatus |
CN104871211A (zh) * | 2012-12-11 | 2015-08-26 | 皇家飞利浦有限公司 | 确定通过冠状动脉的血液流量的方法 |
US20160206816A1 (en) * | 2015-01-15 | 2016-07-21 | Hybernia Medical Llc | Devices for Estimating Regional Metabolic Rate of Organs Based on Heat Generation and for Estimating Regional Blood Flow(s) for the Volume(s) of Tissue Perfused |
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 |
CN106650272A (zh) * | 2016-12-28 | 2017-05-10 | 北京昆仑医云科技有限公司 | 个体特异性的心血管模型的生成方法及其应用 |
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 |
US20190214137A1 (en) * | 2017-12-29 | 2019-07-11 | Analytics For Life Inc. | Method and system to assess disease using phase space volumetric objects |
CN110461235A (zh) * | 2017-03-24 | 2019-11-15 | 皇家飞利浦有限公司 | 心肌ct灌注图像合成 |
CN110916640A (zh) * | 2019-11-06 | 2020-03-27 | 广州新脉科技有限公司 | 基于ffr的冠状动脉狭窄功能性缺血的检测方法及装置 |
-
2021
- 2021-04-06 CN CN202110367253.2A patent/CN113100737B/zh active Active
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
US20140073976A1 (en) * | 2012-09-12 | 2014-03-13 | Heartflow, Inc. | Systems and methods for estimating ischemia and blood flow characteristics from vessel geometry and physiology |
US20140107497A1 (en) * | 2012-10-15 | 2014-04-17 | Semler Scientific, Inc | Non-invasive valsalva maneuver (vm) heart failure diagnostic method and apparatus |
CN104871211A (zh) * | 2012-12-11 | 2015-08-26 | 皇家飞利浦有限公司 | 确定通过冠状动脉的血液流量的方法 |
US20160206816A1 (en) * | 2015-01-15 | 2016-07-21 | Hybernia Medical Llc | Devices for Estimating Regional Metabolic Rate of Organs Based on Heat Generation and for Estimating Regional Blood Flow(s) for the Volume(s) of Tissue Perfused |
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 |
CN106650272A (zh) * | 2016-12-28 | 2017-05-10 | 北京昆仑医云科技有限公司 | 个体特异性的心血管模型的生成方法及其应用 |
CN110461235A (zh) * | 2017-03-24 | 2019-11-15 | 皇家飞利浦有限公司 | 心肌ct灌注图像合成 |
US20190214137A1 (en) * | 2017-12-29 | 2019-07-11 | Analytics For Life Inc. | Method and system to assess disease using phase space volumetric objects |
CN110916640A (zh) * | 2019-11-06 | 2020-03-27 | 广州新脉科技有限公司 | 基于ffr的冠状动脉狭窄功能性缺血的检测方法及装置 |
Non-Patent Citations (2)
Title |
---|
NENG DAI, HUI-JIE LV, YA-FEI XIANG, BING FAN, WEI-MING LI, YA-WEI XU: "Three-dimensional modeling and numerical analysis of fractional flow reserve in human coronary arteries", 《ADVANCES IN INTERVENTIONAL CARDIOLOGY 2016》, vol. 12, no. 1 * |
邓欣 沈雳 王瑞 过伟峰 兰宏志 钱菊英 葛均波: "基于冠状动脉CT的血流储备分数在心肌缺血 中的诊断应用价值:一项单中心前瞻性研究", 《中国介入心脏病学杂志》, vol. 29, no. 3 * |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114041761A (zh) * | 2021-10-27 | 2022-02-15 | 北京医准智能科技有限公司 | 一种冠状动脉起源的判断方法、装置及计算机可读介质 |
Also Published As
Publication number | Publication date |
---|---|
CN113100737B (zh) | 2023-10-27 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11896416B2 (en) | Method for calculating coronary artery fractional flow reserve on basis of myocardial blood flow and CT images | |
Swift et al. | A machine learning cardiac magnetic resonance approach to extract disease features and automate pulmonary arterial hypertension diagnosis | |
WO2019109607A1 (zh) | 基于医学影像序列斑块稳定性指标的快速计算方法及系统 | |
JP5584006B2 (ja) | 投影画像生成装置、投影画像生成プログラムおよび投影画像生成方法 | |
US8731252B2 (en) | Image processing apparatus and image processing method | |
WO2020107668A1 (zh) | 基于心肌血流量和ct图像的微循环阻力指数计算方法 | |
JP2020511190A (ja) | 超音波分析のためのシステムおよび方法 | |
JP4363833B2 (ja) | 局所血流動態に関するインデックスを演算する方法及び装置 | |
US11600379B2 (en) | Systems and methods for generating classifying and quantitative analysis reports of aneurysms from medical image data | |
Ko et al. | Non-invasive CT-derived fractional flow reserve and static rest and stress CT myocardial perfusion imaging for detection of haemodynamically significant coronary stenosis | |
JP7325331B2 (ja) | 機械学習スペクトルffr-ct | |
Van Hamersvelt et al. | Diagnostic performance of on-site coronary CT angiography–derived fractional flow reserve based on patient-specific lumped parameter models | |
Lackner et al. | In vitro measurements of flow using multislice computed tomography (MSCT) | |
Azarmehr et al. | Segmentation of left ventricle in 2D echocardiography using deep learning | |
CN113100737B (zh) | 基于冠状动脉cta的缺血心肌负荷定量评价系统 | |
Zreik et al. | Combined analysis of coronary arteries and the left ventricular myocardium in cardiac CT angiography for detection of patients with functionally significant stenosis | |
Granot et al. | Detection of severe pulmonary hypertension based on computed tomography pulmonary angiography | |
US10600182B2 (en) | Image processing apparatus and image processing method, that determine a conformable image | |
US20230309940A1 (en) | Explainable deep learning camera-agnostic diagnosis of obstructive coronary artery disease | |
EP3995081A1 (en) | Diagnosis assisting program | |
KR20220141218A (ko) | 자동 알고리즘 기반의 확장성 심근병증 보조진단을 위한 의사결정 시스템 | |
De Jonge et al. | Comparison of (semi-) automatic and manually adjusted measurements of left ventricular function in dual source computed tomography using three different software tools | |
Giordano et al. | Classification of hemodynamically significant stenoses from dynamic CT perfusion and CTA myocardial territories | |
JP7513495B2 (ja) | 医用情報処理装置、医用情報処理方法及び医用情報処理プログラム | |
Miao et al. | Correlation analysis of epicardial adipose tissue volume quantified by computed tomography images and coronary heart disease under optimized reconstruction algorithm |
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 |