CN113499090A - 冠状动脉血流储备分数得到方法、装置、计算机设备和存储介质 - Google Patents
冠状动脉血流储备分数得到方法、装置、计算机设备和存储介质 Download PDFInfo
- Publication number
- CN113499090A CN113499090A CN202110559704.2A CN202110559704A CN113499090A CN 113499090 A CN113499090 A CN 113499090A CN 202110559704 A CN202110559704 A CN 202110559704A CN 113499090 A CN113499090 A CN 113499090A
- Authority
- CN
- China
- Prior art keywords
- coronary artery
- dimensional model
- coronary
- bifurcation
- flow reserve
- 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.)
- Withdrawn
Links
Images
Classifications
-
- 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
- A61B6/032—Transmission computed tomography [CT]
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B34/00—Computer-aided surgery; Manipulators or robots specially adapted for use in surgery
- A61B34/10—Computer-aided planning, simulation or modelling of surgical operations
-
- 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
- A61B5/029—Measuring or recording blood output from the heart, e.g. minute volume
-
- 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
- A61B6/00—Apparatus for radiation diagnosis, e.g. 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
- A61B6/00—Apparatus for radiation diagnosis, e.g. combined with radiation therapy equipment
- A61B6/50—Clinical applications
- A61B6/507—Clinical applications involving determination of haemodynamic parameters, e.g. perfusion CT
-
- 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
- A61B6/52—Devices using data or image processing specially adapted for radiation diagnosis
- A61B6/5205—Devices using data or image processing specially adapted for radiation diagnosis involving processing of raw data to produce diagnostic data
-
- 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
- A61B6/52—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
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B34/00—Computer-aided surgery; Manipulators or robots specially adapted for use in surgery
- A61B34/10—Computer-aided planning, simulation or modelling of surgical operations
- A61B2034/101—Computer-aided simulation of surgical operations
- A61B2034/105—Modelling of the patient, e.g. for ligaments or bones
Abstract
本申请涉及一种冠状动脉血流储备分数得到方法、装置、计算机设备和存储介质。所述方法包括:获取与心脏相关的医学影像,根据医学影像构建心肌三维模型以及冠状动脉三维模型,并基于两者确定冠状动脉三维模型的边界条件,基于冠状动脉三维模型获取整个冠状动脉树的中心线以及中心点信息,并根据中心线将冠状动脉分割为多个分叉节段以及单支节段,根据中心点信息以及边界条件,计算各分叉节段以及单支节段的压力损失进而得到冠状动脉三维模型上的压力分布,再根据冠状动脉三维模型上的压力分布以及流体动力学进行计算,得到冠状动脉血流储备分数。采用本方法能够在提高计算速度的同时提高血流储备分数的准确度。
Description
技术领域
本申请涉及医学影像的数据处理技术领域,特别是涉及一种冠状动脉血流储备分数得到方法、装置、计算机设备和存储介质。
背景技术
国家心血管病中心发布的《中国心血管病报告2018》显示,近年我国心血管病患病率持续上升,2018年患病人数已经达到2.9亿,患病死亡率依然高居首位。其中,冠心病患者达到1100万,冠心病,是由于动脉粥样硬化在冠状动脉中积累形成斑块而导致冠状动脉狭窄,从而降低供应心肌的血液量造成心肌缺血的疾病。冠心病作为心血管疾病的高发病症,是全球死亡率最高的疾病之一,冠心病的诊断治疗也越来越受到重视。
如今临床上评估血管狭窄引起的心肌缺血的“金标准”是冠状动脉血流储备分数(Fractional Flow Reserve,FFR),冠状动脉血流储备分数是指冠状动脉存在狭窄病变的情况下,该血管所供心肌区域能获得的最大血流量与同一区域正常情况下所能获得的最大血流量之比。FFR的测量通常是利用压力导丝经由桡动脉进入冠状动脉病变远端,再给患者注射腺苷诱导最大充血状态时测量病变远端压力(Pd)和主动脉压(Pa),从而得到FFR=Pd/Pa。FFR可以评价狭窄到底对远端血流产生了多大影响。所以,FFR还可以准确地评价冠脉病变与心肌缺血的关系,并进而指导制定合理的治疗决策,改善患者的预后。但FFR的测量需要使用价格昂贵的手术耗材压力导丝,手术时间长,且存在损伤病变血管的风险,其需要注射的微循环扩张药物亦存在一定副作用,诸多原因都限制了它在临床上的广泛应用。
因此一种无创获取冠状动脉FFR的方法便具有较高的临床价值。而现有的冠状动脉FFRCT技术往往需要消耗巨大的计算资源和较长的计算时间,因此,如何提供一种方法更简单、准确率更高的获取冠脉血流储备分数的方法和系统成为本领域亟待解决的技术问题。
发明内容
基于此,有必要针对上述技术问题,提供一种能够快速及准确的冠状动脉血流储备分数得到方法、装置、计算机设备和存储介质。
一种冠状动脉血流储备分数得到方法,包括:
获取与心脏相关的医学影像,根据所述医学影像构建心肌三维模型以及冠状动脉三维模型,并基于所述三维模型及患者特异性生理参数确定所述冠状动脉三维模型的边界条件;
基于所述冠状动脉三维模型获取整个冠状动脉树的中心线以及中心点信息,并根据所述中心线将冠状动脉分割为多个分叉节段以及单支节段;
根据所述中心点信息以及边界条件,基于流体动力学计算各所述分叉节段以及单支节段的压力损失进而得到冠状动脉三维模型上的压力分布;
根据冠状动脉三维模型上的压力分布,得到冠状动脉血流储备分数。
可选地,所述根据所述中心线将冠状动脉分割为多个分叉节段以及单支节段包括:
沿所述中心线生成对应的管状包络面,并根据所述管状包络面确定冠状动脉上各分叉处相邻分支血管中心线上的子节点;
根据分叉处的各所述子节点分别沿所在中心线向上游寻找各中心线重合部分的中心点,并将该中心点作为父节点;
根据各分叉处的父节点和子节点将整个中心线分割为多个分叉节段以及单支节段。
可选地,所述父节点为相应中心线首个重合点上游的第4-10个中心点,所述子节点为包络面相交点下游的第6-15个点。
可选地,所述分叉节段包括冠状动脉分叉处父节点至下游处至少一对子节点部分;
所述单支节段包括子节点至下游处父节点或出口部分。
可选地,所述中心线由多个离散的中心点组成,各所述父节点以及子节点均为对应的中心点。
可选地,所述计算各所述分叉节段以及单支节段的压力损失进而得到冠状动脉三维模型上的压力分布包括:
在对冠状动脉进行分割时,还将各所述分叉节段以及单支节段按照空间位置进行标记;
将各所述分叉节段以及单支节段的压力损失按照所述标记相应的匹配至所述冠状动脉三维模型以得到压力分布。
可选地,所述边界条件包括冠状动脉的总血液流量、平均主动脉压以及至少一个血管分支的血液流量。
本申请还提供了一种冠状动脉血流储备分数得到装置,包括:
三维模型构建模块,用于获取与心脏相关的医学影像,根据所述医学影像构建心肌三维模型以及冠状动脉三维模型,并基于所述三维模型及患者特异性生理参数确定所述冠状动脉三维模型的边界条件;
节段分割模块,用于基于所述冠状动脉三维模型获取整个冠状动脉树的中心线以及中心点信息,并根据所述中心线将冠状动脉分割为多个分叉节段以及单支节段;
压力分布获取模块,用于基于所述中心点信息以及边界条件,基于流体动力学计算各所述分叉节段以及单支节段的压力损失进而得到冠状动脉三维模型上的压力分布;
血流储备分数得到模块,用于根据冠状动脉三维模型上的压力分布,得到冠状动脉血流储备分数。
本申请还提供了一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,所述处理器执行所述计算机程序时实现以下步骤:
获取与心脏相关的医学影像,根据所述医学影像构建心肌三维模型以及冠状动脉三维模型,并基于所述三维模型及患者特异性生理参数确定所述冠状动脉三维模型的边界条件;
基于所述冠状动脉三维模型获取整个冠状动脉树的中心线以及中心点信息,并根据所述中心线将冠状动脉分割为多个分叉节段以及单支节段;
根据所述中心点信息以及边界条件,计算各所述分叉节段以及单支节段的压力损失进而得到冠状动脉三维模型上的压力分布;
根据冠状动脉三维模型上的压力分布,得到冠状动脉血流储备分数。
本申请还提供了一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现以下步骤:
获取与心脏相关的医学影像,根据所述医学影像构建心肌三维模型以及冠状动脉三维模型,并基于所述三维模型及患者特异性生理参数确定所述冠状动脉三维模型的边界条件;
基于所述冠状动脉三维模型获取整个冠状动脉树的中心线以及中心点信息,并根据所述中心线将冠状动脉分割为多个分叉节段以及单支节段;
基于所述中心点信息以及边界条件,基于流体动力学计算各所述分叉节段以及单支节段的压力损失进而得到冠状动脉三维模型上的压力分布;
根据冠状动脉三维模型上的压力分布,得到冠状动脉血流储备分数。
上述冠状动脉血流储备分数得到方法、装置、计算机设备和存储介质,通过利用与病人心脏相关的图像信息生成相应的三维模型以及冠状动脉的中心线,再通过中心线将冠状动脉分割为多个分叉节段以及单支节段,且分别计算各节段的压力损失,并以此求解流体力学控制方程,可以快速且准确的获取冠状动脉病变的FFR值,作为临床诊断的参考依据。
附图说明
图1为一个实施例中冠状动脉血流储备分数得到方法的流程示意图;
图2为一个实施例中冠状动脉分割方法的流程示意图;
图3为一个实施例中部分冠状动脉结构示意图;
图4为一个实施例中冠状动脉分叉处结构示意图;
图5为一个实施例中存在狭窄的单支血管节段的简单结构示意图;
图6为一个实施例中冠状动脉分叉处血液流向(法向量)示意图;
图7为一个实施例中基于冠状动脉三维模型FFR结果显示示意图;
图8为另一实施例中冠状动脉血流储备分数得到方法的流程示意图;
图9为一个实施例中冠状动脉血流储备分数得到装置的结构框图;
图10为一个实施例中计算机设备的内部结构图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本申请进行进一步详细说明。应当理解,此处描述的具体实施例仅仅用以解释本申请,并不用于限定本申请。
如图1所示,本申请提供了一种冠状动脉血流储备分数得到方法,包括以下步骤:
步骤S100,获取与心脏相关的医学影像,根据医学影像构建心肌三维模型以及冠状动脉三维模型,并基于所述三维模型及患者特异性生理参数确定冠状动脉三维模型的边界条件;
步骤S110,基于冠状动脉三维模型获取整个冠状动脉树的中心线以及中心点信息,并根据中心线将冠状动脉分割为多个分叉节段以及单支节段;
步骤S120,基于中心点信息以及边界条件,利用流体动力学计算各分叉节段以及单支节段的压力损失进而得到冠状动脉三维模型上的压力分布;
步骤S130,根据冠状动脉三维模型上的压力分布,得到冠状动脉血流储备分数。
在步骤S100中,与心脏相关的医学影像为能够表征冠状动脉病变特征的符合医学数字成像和通信的DICOM(Digital Imaging and Communications in Medicine)规格的二维图像、三维图像或其他形式的图像,例如CT图像、造影图像、MRI图像等。
在其中一实施例中,冠状动脉的边界条件包括冠状动脉的总血液流量、至少一个血管分支的血液流量以及患者的特异性生理参数,如血压、心率等,这里冠状动脉的边界条件用于求解流体力学控制方程。
其中,基于三维模型及患者特异性生理参数确定冠状动脉三维模型的边界条件,这里的三维模型是指心肌三维模型以及冠状动脉三维模型。
在其中一实施例中,通过心肌三维模型计算冠状动脉的总血液流量。
具体的,根据心肌三维模型确定左心室的心肌体积,再根据左心室的心肌体积、心肌密度以及患者的特异性生理参数计算冠状动脉总血液流量。
在其中一实施例中,通过冠状动脉三维模型以及总血液流量计算至少一个血管分支的血液流量。
在其中一实施例中,血液流量为至少一个血管节段入口处的血液流量。
在步骤S110中,获取的中心线为整个冠状动脉树的中心线,也就是主血管以及各级分支血管的中心线。
在本实施例中,中心线由多个离散的中心点组成,且各中心点都包含对应的位置坐标信息、索引信息以及血管信息也就是中心点信息。而各中心点对应的血管信息均包括该中心点对应的血管横截面面积、直径、长轴短轴的长度以及该点的法向量。而各中心点信息均可用于后续计算各节段的压力损失。
基于冠状动脉三维模型提取中心线时,中心线可理解为各段血管入口和出口之间的加权最短路径。其中,最短路径可采用快速进行算法在冠状动脉三维模型的沃罗诺伊图(Voronoi diagram)上寻找一条路径,使以沿该路径上各点为球心生成的所有最大内接球的半径的积分达到最小。也就是说,生成的中心线上的每一个中心点即为冠状动脉三维模型的沃罗诺伊图上一个最大内接球的球心。
如图3所示,在一段带有分支血管的冠状动脉上,BCD即为一个分叉节段,AB、CF、DE为与BCD相关联的单支血管节段,而冠状动脉三维模型可分割为多个分叉节段,以及与各分叉节段相关联的多个单支血管节段。
如图2所示,本申请还提供了一种将冠状动脉分割为多个分叉节段以及单支节段的方法,包括:
步骤S200,沿中心线生成对应的管状包络面,并根据所述管状包络面确定冠状动脉上各分叉处相邻分支血管中心线上的子节点;
步骤S210,根据分叉处的各所述子节点分别沿所在中心线向上游寻找各中心线重合部分的中心点,并将该中心点作为父节点;
步骤S220,根据各分叉处的父节点和子节点将整个中心线分割为多个分叉节段以及单支节段。
一般对应冠状动脉的一个分叉处的上游父分支血管在下游出口处会分叉为两个子分支血管,同时,上游父分支血管的中心线也会在某一点分为两条中心线分别为下游两个子分支血管的中心线,如图4所示。在实际情况中也会有三个或四个子分支血管的情况,但分割方法是相同的,故在本文中以两个子分支血管为例进行说明。且上游、下游是参照血液在血管内流动的方向。
在本实施例中,在利用中心线对冠状动脉三维模型进行分割时,先确定血管分叉处的子节点11或子节点12,再通过子节点确定相关联的父节点1,而各节点均为中心线上的中心点。
其中子节点是指分叉节段血管和下游子分支血管的区分点,而父节点为上游父分支血管中心线分叉处的某一中心点,也即上游父分支血管与分叉节段血管的区分点。
在步骤S200中,可将图4中的上游父分支血管也就是父节点1所在的血管到其中一下游子分支血管也就是子节点11所在的血管看作是一条分支血管,且沿该血管中心线上的中心点作为球心依次生成最大内接球,基于各内接球的外表面生成管状包络面,这样在另一分支血管的中心线与该管状包络面相交处的中心点即为分叉节段血管与下游子血管分支的起始区分点12’,子节点12一般确定为起始区分点12’下游的第6-15个点。这是基于一维中心线与三维血管拓扑结构表现上的差异,由于分叉节段结构的复杂性,中心线的所表示的血流路径(例如血流的分离点和重接触点)往往并不能与血流在三维上变化完全吻合,因此经由大量实验对比,实质上的分叉节段和下游子分支节段的区分点为包络面交点(起始区分点)下游的第6-15个点,具体的由该处分叉节段的形态学信息确定。在本实施例中,子节点为起始区分点下游的第10个点。用同样的方法即可找到另一子节点11。
在步骤S210中,在确定父节点的时候,一般是沿各子节点所在的中心线向上游寻找两条中心线重合的某个中心点,并将该中心点作为父节点。这是基于中心线是一维的,而实际情况中需要考虑三维血管与一维中心线在拓扑结构表现上的差异,也就是说两个中心点位置重合,中心线从此点开始分叉并不意味着三维模型中血流也在该处开始分离,只考虑首个中心点重合的方法是不准确的,会使得后续计算出现较大的误差。经由大量对比实验,父节点一般确定为两条中心线首个重合点再上游的第4-10个中心点,具体的由该处形态学信息确定。所以在本实施例中,父节点为首个重合点上游第5个点。如此针对性的优化可有效提高后续计算压力损失的准确性。
具体的,分叉节段包括冠状动脉分叉处父节点至下游处一对子节点部分,而单支节段包括子节点至下游处父节点或出口部分。其中单支节段还包括血管入口至下游处的父节点部分。
在步骤S120中,分别对各分叉节段以及单支节段计算各节段上的压力损失,从而得到整个冠状动脉树的压力分布。
在其中一实施例中,对于单支血管节段,若不存在狭窄,其压力损失可由以下公式计算得到:
在公式(1)中,μ为血液粘度,L为该单支血管的长度,Q为相应单支血管中的血流量,d为血管直径,此处用的直径为水力直径,ρ为血液密度,ui和uj为不同位置的血流平均速度,而血流平均速度可由相应中心点信息求得。
如图5所示,对于一段存在狭窄的单支血管节段,其压力损失可表示为:
在公式(2)中,ΔPent、ΔPv和ΔPexp分别为由狭窄入口、血液粘性以及狭窄后血流扩张引起的压力损失。
具体的,狭窄入口引起的压力损失可表示为:
在公式(3)中,α为常数,其数值由经由数学回归方法确定,d0为参考直径,dm为狭窄区域最小直径。
这里,参考直径d0,为利用狭窄前后血管直径数据,利用拟合算法确定的函数计算得出:
d0=k·position(i)+c (4)
在公式(4)中,k和c均为常数,数值由拟合算法确定,position为中心点信息。
若狭窄刚好出现在单支血管的首端或末端部分,则参考直径仅取非狭窄部分进行拟合,或考虑该单支血管上下游其他单支血管的直径进行拟合。
进一步的,该血管节段由血液粘性引起的压力损失可表示为:
在公式(5)中,β为常数,其数值由经由数学回归方法确定,L为狭窄长度,d为狭窄处血管直径。
进一步的,狭窄后血流扩张引起的压力损失可表示为:
在公式(6)中,a和b为常数,其数值由数学回归方法确定,L为狭窄长度,A0和Am分别为狭窄处参考面积和最小面积。
如图6所示,针对分叉节段中,任意子血管j相对于其父血管f的压力损失可由以下公式计算:
在公式(7)中,u为血流速度,Q为血流量,A为血管截面积,θj则与父血管横截面沿流向的法向量和子血管j截面沿流向的法向量之间的夹角有关。
在步骤S106中,在计算各分叉节段以及单支节段的压力损失后,进而得到冠状动脉三维模型上的压力分布包括:
在对冠状动脉进行分割时,还将各分叉节段以及单支节段按照空间位置进行标记;
将各分叉节段以及单支节段的压力损失按照标记相应的匹配至所述冠状动脉三维模型以得到压力分布。
综合所有单支血管节段及分叉节段的压力损失,结合冠状动脉边界条件,便可获得整个冠状动脉树的压力分布。
在计算冠状动脉血流储备分数时,此处关心的是冠状动脉各处的血压值Pd,i,当Pd,i取在病变以远,即可等效于Pd,此时得到的FFR值即为一般医学意义上的FFR值。因此通过距离病变狭窄较远远的压力(Pd,i)和冠状动脉入口压力(Pa)计算得到冠状动脉的FFR值后并在三维模型上进行显示,如图7所示,其中计算FFR可采用以下公式:
如图8所示,在另一实施例中,还提供一种计算并相应显示冠状动脉血流储备分数得到方法的具体的流程步骤。
上述冠状动脉血流储备分数得到方法中,采用上述技术方案,冠状动脉病变后,无需侵入式的手术检查,而是利用病人的冠状动脉图像信息,得到冠状动脉中心线及相关参数,求解流体力学控制方程,可以快速且准确的获取冠状动脉病变的FFR值,作为临床诊断的参考依据。
其中,采用了对冠状动脉进行分段求压力损失的方法,这样可以大大提高计算速度,并且在对血管分叉阶段进行分割时,在三维的拓扑结构中获取更为准确的父节点和子节点,考虑分叉对血压变化的影响,使得在后续的FFR计算更为准确。
应该理解的是,虽然图1-2的流程图中的各个步骤按照箭头的指示依次显示,但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明,这些步骤的执行并没有严格的顺序限制,这些步骤可以以其它的顺序执行。而且,图1-2中的至少一部分步骤可以包括多个子步骤或者多个阶段,这些子步骤或者阶段并不必然是在同一时刻执行完成,而是可以在不同的时刻执行,这些子步骤或者阶段的执行顺序也不必然是依次进行,而是可以与其它步骤或者其它步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。
在一个实施例中,如图9所示,提供了一种冠状动脉血流储备分数得到装置,包括:三维模型构建模块300、节段分割模块310、压力分布获取模块320和血流储备分数得到模块330,其中:
三维模型构建模块300,用于获取与心脏相关的医学影像,根据所述医学影像构建心肌三维模型以及冠状动脉三维模型,并基于所述三维模型及患者特异性生理参数确定所述冠状动脉三维模型的边界条件;
节段分割模块310,用于基于所述冠状动脉三维模型获取整个冠状动脉树的中心线以及中心点信息,并根据所述中心线将冠状动脉分割为多个分叉节段以及单支节段;
压力分布获取模块320,用于基于所述中心点信息以及边界条件,基于流体动力学计算各所述分叉节段以及单支节段的压力损失进而得到冠状动脉三维模型上的压力分布;
血流储备分数得到模块330,用于根据冠状动脉三维模型上的压力分布,得到冠状动脉血流储备分数。
关于冠状动脉血流储备分数得到装置的具体限定可以参见上文中对于冠状动脉血流储备分数得到方法的限定,在此不再赘述。上述冠状动脉血流储备分数得到装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中,也可以以软件形式存储于计算机设备中的存储器中,以便于处理器调用执行以上各个模块对应的操作。
在一个实施例中,提供了一种计算机设备,该计算机设备可以是终端,其内部结构图可以如图10所示。该计算机设备包括通过系统总线连接的处理器、存储器、网络接口、显示屏和输入装置。其中,该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统和计算机程序。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种冠状动脉血流储备分数得到方法。该计算机设备的显示屏可以是液晶显示屏或者电子墨水显示屏,该计算机设备的输入装置可以是显示屏上覆盖的触摸层,也可以是计算机设备外壳上设置的按键、轨迹球或触控板,还可以是外接的键盘、触控板或鼠标等。
本领域技术人员可以理解,图10中示出的结构,仅仅是与本申请方案相关的部分结构的框图,并不构成对本申请方案所应用于其上的计算机设备的限定,具体的计算机设备可以包括比图中所示更多或更少的部件,或者组合某些部件,或者具有不同的部件布置。
在一个实施例中,提供了一种计算机设备,包括存储器和处理器,存储器中存储有计算机程序,该处理器执行计算机程序时实现以下步骤:
获取与心脏相关的医学影像,根据所述医学影像构建心肌三维模型以及冠状动脉三维模型,并基于所述三维模型及患者特异性生理参数确定所述冠状动脉三维模型的边界条件;
基于所述冠状动脉三维模型获取整个冠状动脉树的中心线以及中心点信息,并根据所述中心线将冠状动脉分割为多个分叉节段以及单支节段;
根据所述中心点信息以及边界条件,基于流体动力学计算各所述分叉节段以及单支节段的压力损失进而得到冠状动脉三维模型上的压力分布;
根据冠状动脉三维模型上的压力分布,得到冠状动脉血流储备分数。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:
所述根据所述中心线将冠状动脉分割为多个分叉节段以及单支节段包括:
沿所述中心线生成对应的管状包络面,并根据所述管状包络面确定冠状动脉上各分叉处相邻子分支血管中心线上的子节点;
根据分叉处的各所述子节点分别沿所在中心线向上游寻找各中心线重合部分的某个中心点,并将该中心点作为父节点;
根据各分叉处的父节点和子节点将整个中心线分割为多个分叉节段以及单支节段。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:
所述父节点为相应中心线首个重合点上游的第4-10个中心点,所述子节点为包络面相交点下游的第6-15个点。
在一个实施例中,提供了一种计算机可读存储介质,其上存储有计算机程序,计算机程序被处理器执行时实现以下步骤:
获取与心脏相关的医学影像,根据所述医学影像构建心肌三维模型以及冠状动脉三维模型,并基于所述三维模型及患者特异性生理参数确定所述冠状动脉三维模型的边界条件;
基于所述冠状动脉三维模型获取整个冠状动脉树的中心线以及中心点信息,并根据所述中心线将冠状动脉分割为多个分叉节段以及单支节段;
根据所述中心点信息以及边界条件,基于流体动力学计算各所述分叉节段以及单支节段的压力损失进而得到冠状动脉三维模型上的压力分布;
根据冠状动脉三维模型上的压力分布,得到冠状动脉血流储备分数。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:
所述根据所述中心线将冠状动脉分割为多个分叉节段以及单支节段包括:
沿所述中心线生成对应的管状包络面,并根据所述管状包络面确定冠状动脉上各分叉处相邻分支血管中心线上的子节点;
根据分叉处的各所述子节点分别沿所在中心线向上游寻找各中心线重合部分的中心点,并将该中心点作为父节点;
根据各分叉处的父节点和子节点将整个中心线分割为多个分叉节段以及单支节段。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:
所述父节点为相应中心线首个重合点上游的第4-10个中心点,所述子节点为包络面相交点下游的第6-15个点。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,所述的计算机程序可存储于一非易失性计算机可读取存储介质中,该计算机程序在执行时,可包括如上述各方法的实施例的流程。其中,本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用,均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限,RAM以多种形式可得,诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双数据率SDRAM(DDRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink)DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。
以上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申请的几种实施方式,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,在不脱离本申请构思的前提下,还可以做出若干变形和改进,这些都属于本申请的保护范围。因此,本申请专利的保护范围应以所附权利要求为准。
Claims (10)
1.冠状动脉血流储备分数得到方法,其特征在于,包括:
获取与心脏相关的医学影像,根据所述医学影像构建心肌三维模型以及冠状动脉三维模型,并基于所述三维模型及患者特异性生理参数确定所述冠状动脉三维模型的边界条件;
基于所述冠状动脉三维模型获取整个冠状动脉树的中心线以及中心点信息,并根据所述中心线将冠状动脉分割为多个分叉节段以及单支节段;
根据所述中心点信息以及边界条件,基于流体动力学计算各所述分叉节段以及单支节段的压力损失进而得到冠状动脉三维模型上的压力分布;
根据冠状动脉三维模型上的压力分布,得到冠状动脉血流储备分数。
2.根据权利要求1所述的冠状动脉血流储备分数得到方法,其特征在于,所述根据所述中心线将冠状动脉分割为多个分叉节段以及单支节段包括:
沿所述中心线生成对应的管状包络面,并根据所述管状包络面确定冠状动脉上各分叉处相邻分支血管中心线上的子节点;
根据分叉处的各所述子节点分别沿所在中心线向上游寻找各中心线重合部分的中心点,并将该中心点作为父节点;
根据各分叉处的父节点和子节点将整个中心线分割为多个分叉节段以及单支节段。
3.根据权利要求2所述的冠状动脉血流储备分数得到方法,其特征在于,所述父节点为相应中心线首个重合点上游的第4-10个中心点,所述子节点为包络面相交点下游的第6-15个点。
4.根据权利要求2所述的冠状动脉血流储备分数得到方法,其特征在于,所述分叉节段包括冠状动脉分叉处父节点至下游处至少一对子节点部分;
所述单支节段包括子节点至下游处父节点或出口部分。
5.根据权利要求4所述的冠状动脉血流储备分数得到方法,其特征在于,所述中心线由多个离散的中心点组成,各所述父节点以及子节点均为对应的中心点。
6.根据权利要求1所述冠状动脉血流储备分数得到方法,其特征在于,所述计算各所述分叉节段以及单支节段的压力损失进而得到冠状动脉三维模型上的压力分布包括:
在对冠状动脉进行分割时,还将各所述分叉节段以及单支节段按照空间位置进行标记;
将各所述分叉节段以及单支节段的压力损失按照所述标记相应的匹配至所述冠状动脉三维模型以得到压力分布。
7.根据权利要求1所述冠状动脉血流储备分数得到方法,其特征在于,所述边界条件包括冠状动脉的总血液流量、平均主动脉压以及至少一个血管分支的血液流量。
8.一种冠状动脉血流储备分数得到装置,其特征在于,包括:
三维模型构建模块,用于获取与心脏相关的医学影像,根据所述医学影像构建心肌三维模型以及冠状动脉三维模型,并基于所述三维模型及患者特异性生理参数确定所述冠状动脉三维模型的边界条件;
节段分割模块,用于基于所述冠状动脉三维模型获取整个冠状动脉树的中心线以及中心点信息,并根据所述中心线将冠状动脉分割为多个分叉节段以及单支节段;
压力分布获取模块,用于根据所述中心点信息以及边界条件,基于流体动力学计算各所述分叉节段以及单支节段的压力损失进而得到冠状动脉三维模型上的压力分布;
血流储备分数得到模块,用于根据冠状动脉三维模型上的压力分布,得到冠状动脉血流储备分数。
9.一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,其特征在于,所述处理器执行所述计算机程序时实现权利要求1至7中任一项所述冠状动脉血流储备分数得到方法的步骤。
10.一种计算机可读存储介质,其上存储有计算机程序,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至7中任一项所述的冠状动脉血流储备分数得到方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110559704.2A CN113499090A (zh) | 2021-05-21 | 2021-05-21 | 冠状动脉血流储备分数得到方法、装置、计算机设备和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110559704.2A CN113499090A (zh) | 2021-05-21 | 2021-05-21 | 冠状动脉血流储备分数得到方法、装置、计算机设备和存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113499090A true CN113499090A (zh) | 2021-10-15 |
Family
ID=78008547
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110559704.2A Withdrawn CN113499090A (zh) | 2021-05-21 | 2021-05-21 | 冠状动脉血流储备分数得到方法、装置、计算机设备和存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113499090A (zh) |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115040100A (zh) * | 2022-06-14 | 2022-09-13 | 安影科技(北京)有限公司 | 一种视神经血流灌注数值快速采集方法 |
WO2022237161A1 (zh) * | 2021-05-14 | 2022-11-17 | 中国科学院深圳先进技术研究院 | 脑动脉波强度和波功率的测量方法、终端设备及存储介质 |
CN116564525A (zh) * | 2023-07-10 | 2023-08-08 | 天津恒宇医疗科技有限公司 | 基于冠脉血流量分配的血流储备分数预测方法和系统 |
CN116616804A (zh) * | 2023-07-25 | 2023-08-22 | 杭州脉流科技有限公司 | 颅内动脉狭窄评估参数获取方法、装置、设备和存储介质 |
CN116649925A (zh) * | 2023-07-28 | 2023-08-29 | 杭州脉流科技有限公司 | 颅内动脉狭窄功能学评估的方法和装置 |
CN117036531A (zh) * | 2023-10-10 | 2023-11-10 | 杭州脉流科技有限公司 | 基于gpu的血流储备分数得到方法、系统及存储介质 |
CN117036530A (zh) * | 2023-10-10 | 2023-11-10 | 杭州脉流科技有限公司 | 基于跨模态数据的冠状动脉血流储备分数预测方法及装置 |
CN117058328A (zh) * | 2023-10-11 | 2023-11-14 | 杭州脉流科技有限公司 | 冠状动脉血管树分级方法、设备、存储介质和程序产品 |
-
2021
- 2021-05-21 CN CN202110559704.2A patent/CN113499090A/zh not_active Withdrawn
Cited By (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2022237161A1 (zh) * | 2021-05-14 | 2022-11-17 | 中国科学院深圳先进技术研究院 | 脑动脉波强度和波功率的测量方法、终端设备及存储介质 |
CN115040100B (zh) * | 2022-06-14 | 2023-10-27 | 安影科技(北京)有限公司 | 一种视神经血流灌注数值快速采集方法 |
CN115040100A (zh) * | 2022-06-14 | 2022-09-13 | 安影科技(北京)有限公司 | 一种视神经血流灌注数值快速采集方法 |
CN116564525B (zh) * | 2023-07-10 | 2023-09-26 | 天津恒宇医疗科技有限公司 | 基于冠脉血流量分配的血流储备分数预测方法和系统 |
CN116564525A (zh) * | 2023-07-10 | 2023-08-08 | 天津恒宇医疗科技有限公司 | 基于冠脉血流量分配的血流储备分数预测方法和系统 |
CN116616804B (zh) * | 2023-07-25 | 2023-10-13 | 杭州脉流科技有限公司 | 颅内动脉狭窄评估参数获取方法、装置、设备和存储介质 |
CN116616804A (zh) * | 2023-07-25 | 2023-08-22 | 杭州脉流科技有限公司 | 颅内动脉狭窄评估参数获取方法、装置、设备和存储介质 |
CN116649925A (zh) * | 2023-07-28 | 2023-08-29 | 杭州脉流科技有限公司 | 颅内动脉狭窄功能学评估的方法和装置 |
CN116649925B (zh) * | 2023-07-28 | 2023-10-31 | 杭州脉流科技有限公司 | 颅内动脉狭窄功能学评估的方法和装置 |
CN117036531A (zh) * | 2023-10-10 | 2023-11-10 | 杭州脉流科技有限公司 | 基于gpu的血流储备分数得到方法、系统及存储介质 |
CN117036530A (zh) * | 2023-10-10 | 2023-11-10 | 杭州脉流科技有限公司 | 基于跨模态数据的冠状动脉血流储备分数预测方法及装置 |
CN117036530B (zh) * | 2023-10-10 | 2023-12-08 | 杭州脉流科技有限公司 | 基于跨模态数据的冠状动脉血流储备分数预测方法及装置 |
CN117036531B (zh) * | 2023-10-10 | 2023-12-22 | 杭州脉流科技有限公司 | 基于gpu的血流储备分数得到方法、系统及存储介质 |
CN117058328A (zh) * | 2023-10-11 | 2023-11-14 | 杭州脉流科技有限公司 | 冠状动脉血管树分级方法、设备、存储介质和程序产品 |
CN117058328B (zh) * | 2023-10-11 | 2024-01-09 | 杭州脉流科技有限公司 | 冠状动脉血管树分级方法、设备、存储介质和程序产品 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113499090A (zh) | 冠状动脉血流储备分数得到方法、装置、计算机设备和存储介质 | |
US11013425B2 (en) | Systems and methods for analyzing and processing digital images to estimate vessel characteristics | |
CN110168613B (zh) | 用于使用降阶模型和机器学习估计血流特性的系统和方法 | |
US20220406470A1 (en) | Systems and methods for processing electronic images to determine flow using flow ratio | |
JP7236768B2 (ja) | 心筋血流量及びct画像に基づく冠状動脈冠血流予備量比の計算方法 | |
JP6667999B2 (ja) | 画像処理装置、画像処理方法、及びプログラム | |
US10748451B2 (en) | Methods and systems for generating fluid simulation models | |
US10463336B2 (en) | Method and system for purely geometric machine learning based fractional flow reserve | |
CN107615335A (zh) | 医学图象处理方法和系统 | |
JP2021045558A (ja) | 血管モデルの作成方法 | |
CN108122616B (zh) | 个体特异性的心血管模型的生成方法及其应用 | |
CN108186038A (zh) | 基于动脉造影影像计算冠脉血流储备分数的系统 | |
JP7236769B2 (ja) | 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 | |
CN110638438A (zh) | 用于对血流储备分数的基于机器学习的评估的方法和系统 | |
CN108564574B (zh) | 确定血流储备分数的方法、计算机设备及计算机可读存储介质 | |
CA2974349A1 (en) | Systems and methods for estimating blood flow characteristics from vessel geometry and physiology | |
WO2017047819A1 (ja) | 血管形状分析装置、その方法、及びそのコンピュータソフトウェアプログラム | |
WO2015134247A1 (en) | Methods and systems for predicting sensitivity of blood flow calculations to changes in anatomical geometry | |
CN108735270A (zh) | 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 | |
CN112749521A (zh) | 血流动力学指标数据的处理方法和系统 | |
CN116090364A (zh) | 基于cta影像的获取冠脉血流储备分数的方法和可读存储介质 | |
Taylor et al. | Patient-specific modeling of blood flow in the coronary arteries | |
CN113995388B (zh) | 血流储备分数计算方法、装置、电子设备及可读存储介质 | |
CN110584696B (zh) | 一种血流储备分数评估方法及装置、存储介质 | |
van Horssen et al. | Influence of segmented vessel size due to limited imaging resolution on coronary hyperemic flow prediction from arterial crown volume |
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 | ||
WW01 | Invention patent application withdrawn after publication | ||
WW01 | Invention patent application withdrawn after publication |
Application publication date: 20211015 |