CN114287954A - 颅内血管狭窄的功能学评估方法、系统、电子设备及介质 - Google Patents
颅内血管狭窄的功能学评估方法、系统、电子设备及介质 Download PDFInfo
- Publication number
- CN114287954A CN114287954A CN202111526816.4A CN202111526816A CN114287954A CN 114287954 A CN114287954 A CN 114287954A CN 202111526816 A CN202111526816 A CN 202111526816A CN 114287954 A CN114287954 A CN 114287954A
- Authority
- CN
- China
- Prior art keywords
- vessel
- intracranial
- blood vessel
- blood flow
- dimensional model
- 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.)
- Pending
Links
- 238000007917 intracranial administration Methods 0.000 title claims abstract description 74
- 238000000034 method Methods 0.000 title claims abstract description 54
- 206010057469 Vascular stenosis Diseases 0.000 title claims abstract description 35
- 210000004204 blood vessel Anatomy 0.000 claims abstract description 70
- 230000017531 blood circulation Effects 0.000 claims abstract description 55
- 230000000004 hemodynamic effect Effects 0.000 claims abstract description 39
- 230000003902 lesion Effects 0.000 claims description 35
- 238000004364 calculation method Methods 0.000 claims description 17
- 238000002583 angiography Methods 0.000 claims description 13
- 238000005259 measurement Methods 0.000 claims description 13
- 238000002604 ultrasonography Methods 0.000 claims description 10
- 239000002872 contrast media Substances 0.000 claims description 7
- 238000011156 evaluation Methods 0.000 claims description 7
- 238000004458 analytical method Methods 0.000 claims description 6
- 238000004590 computer program Methods 0.000 claims description 6
- 238000004134 energy conservation Methods 0.000 claims description 5
- 238000012545 processing Methods 0.000 claims description 3
- 208000031481 Pathologic Constriction Diseases 0.000 abstract description 11
- 230000036262 stenosis Effects 0.000 abstract description 11
- 208000037804 stenosis Diseases 0.000 abstract description 11
- 206010060965 Arterial stenosis Diseases 0.000 abstract description 4
- 239000012530 fluid Substances 0.000 description 9
- 239000000243 solution Substances 0.000 description 8
- 210000001367 artery Anatomy 0.000 description 5
- 208000026106 cerebrovascular disease Diseases 0.000 description 5
- 230000003727 cerebral blood flow Effects 0.000 description 4
- 230000002490 cerebral effect Effects 0.000 description 4
- 208000006011 Stroke Diseases 0.000 description 3
- 210000004556 brain Anatomy 0.000 description 3
- 210000001627 cerebral artery Anatomy 0.000 description 3
- 230000008859 change Effects 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 231100000915 pathological change Toxicity 0.000 description 3
- 230000036285 pathological change Effects 0.000 description 3
- 206010002329 Aneurysm Diseases 0.000 description 2
- 238000003745 diagnosis Methods 0.000 description 2
- 230000000302 ischemic effect Effects 0.000 description 2
- 238000002595 magnetic resonance imaging Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 208000019553 vascular disease Diseases 0.000 description 2
- 208000022211 Arteriovenous Malformations Diseases 0.000 description 1
- 201000001320 Atherosclerosis Diseases 0.000 description 1
- 208000003163 Cavernous Hemangioma Diseases 0.000 description 1
- 206010008111 Cerebral haemorrhage Diseases 0.000 description 1
- 206010069729 Collateral circulation Diseases 0.000 description 1
- 208000032843 Hemorrhage Diseases 0.000 description 1
- 208000032382 Ischaemic stroke Diseases 0.000 description 1
- 206010029333 Neurosis Diseases 0.000 description 1
- 208000032851 Subarachnoid Hemorrhage Diseases 0.000 description 1
- 208000009443 Vascular Malformations Diseases 0.000 description 1
- 230000002159 abnormal effect Effects 0.000 description 1
- 230000005856 abnormality Effects 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 210000002551 anterior cerebral artery Anatomy 0.000 description 1
- 230000008321 arterial blood flow Effects 0.000 description 1
- 230000005744 arteriovenous malformation Effects 0.000 description 1
- 230000003143 atherosclerotic effect Effects 0.000 description 1
- 239000008280 blood Substances 0.000 description 1
- 210000004369 blood Anatomy 0.000 description 1
- 210000004004 carotid artery internal Anatomy 0.000 description 1
- 210000004720 cerebrum Anatomy 0.000 description 1
- 238000003759 clinical diagnosis Methods 0.000 description 1
- 208000010877 cognitive disease Diseases 0.000 description 1
- 230000003920 cognitive function Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 230000006835 compression Effects 0.000 description 1
- 238000007906 compression Methods 0.000 description 1
- 238000013170 computed tomography imaging Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000002059 diagnostic imaging Methods 0.000 description 1
- 238000002405 diagnostic procedure Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000005714 functional activity Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000002347 injection Methods 0.000 description 1
- 239000007924 injection Substances 0.000 description 1
- 201000005851 intracranial arteriosclerosis Diseases 0.000 description 1
- 230000004060 metabolic process Effects 0.000 description 1
- 210000003657 middle cerebral artery Anatomy 0.000 description 1
- 230000001537 neural effect Effects 0.000 description 1
- 208000015238 neurotic disease Diseases 0.000 description 1
- 210000000103 occipital bone Anatomy 0.000 description 1
- 230000008506 pathogenesis Effects 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 210000003388 posterior cerebral artery Anatomy 0.000 description 1
- 208000020016 psychiatric disease Diseases 0.000 description 1
- 210000003625 skull Anatomy 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000009885 systemic effect Effects 0.000 description 1
- 210000003582 temporal bone Anatomy 0.000 description 1
- 210000001519 tissue Anatomy 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 230000007704 transition Effects 0.000 description 1
- 230000000472 traumatic effect Effects 0.000 description 1
- 201000011531 vascular cancer Diseases 0.000 description 1
- 231100000216 vascular lesion Toxicity 0.000 description 1
- 206010055031 vascular neoplasm Diseases 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Images
Landscapes
- Ultra Sonic Daignosis Equipment (AREA)
Abstract
本发明提供一种颅内血管狭窄的功能学评估方法、系统、电子设备及介质，所述颅内血管狭窄的功能学评估方法，包括:对颅内影像数据进行三维重建得到病变血管的三维模型；根据所述三维模型获得患者特异性血流参数；基于所述患者特异性血流参数计算病变血管的血流动力学参数；根据所述病变血管的血流动力学参数评估颅内血管狭窄。该颅内血管狭窄的功能学评估方法改善了现有技术中只通过颅内责任动脉狭窄程度判断颅内狭窄不准确的问题。
Description
技术领域
本发明涉及医学影像技术领域，尤其涉及一种颅内血管狭窄的功能学评估方法、系统、电子设备及介质。
背景技术
动脉粥样硬化是缺血性脑血管病的重要发病原因，中国颅内动脉粥样硬化性狭窄CICAS研究结果显示中国人群颅内动脉粥样硬化占缺血性卒中的46.6％，年复发率高达19％。脑卒中的高复发率已经成为导致脑卒中患者致残、致死的重要原因。
从传统的角度，责任动脉狭窄程度(如直径狭窄率、面积狭窄率、最小管腔面积等)一直是作为预测卒中患者复发的主要因素。通过比较影像或重构模型的狭窄段最窄直径和狭窄远端正常直径获得，该方法主观性强、可靠性较低，不能反映患者远端血流限制的生理严重程度。CICAS和WASID研究也表明狭窄程度并不一定能决定患者的危险动脉。因此，关注动脉狭窄程度的同时，更需关注责任动脉血流因素也就是功能学评估，然而目前尚未有针对颅内狭窄功能学评估的技术被提出。
发明内容
本发明的目的在于提供一种颅内血管狭窄的功能学评估方法、系统、电子设备及介质，该颅内血管狭窄的功能学评估方法能够解决现有技术中只通过颅内责任动脉狭窄程度判断颅内狭窄不准确的问题。
为了实现上述目的，本发明提供如下技术方案：
本发明实施例提供一种颅内血管狭窄的功能学评估方法，所述方法具体包括：
对颅内影像数据进行三维重建得到病变血管的三维模型；
根据所述三维模型获得患者特异性血流参数；
基于所述患者特异性血流参数计算病变血管的血流动力学参数；
根据所述病变血管的血流动力学参数评估颅内血管狭窄。
在上述技术方案的基础上，本发明还可以做如下改进：
进一步地，所述对颅内影像数据进行三维重建得到病变血管的三维模型，包括：
获取颅内影像数据，其中，所述颅内影像数据包括DSA、CTA或TOF-MRA影像；
通过阈值法、聚类法或区域生长法对所述颅内影像数据进行三维重建得到病变血管的三维模型。
进一步地，所述对颅内影像数据进行三维重建得到病变血管的三维模型，还包括：
对所述三维模型进行模型处理，得到去除多余血管分支的血管表面。
进一步地，根据所述三维模型获得患者特异性血流参数，包括；
通过二维数字减影血管造影(2D-DSA)或经颅多普勒超声(TCD)根据所述三维模型获得患者特异性血流参数。
进一步地，通过二维数字减影血管造影根据所述三维模型获得患者特异性血流参数，包括:
根据满足要求的二维数字减影血管造影影像对所述颅内影像数据中每一像素点对比剂浓度达到峰值所需的时间，计算出对应的达峰时间TTP值和达峰坐标点，以完全充盈血管段(对比剂浓度达到峰值)作为分析血管段，记起始帧F1和结束帧F2；
根据二维数字减影血管造影影像中的分析血管段找到所对应的三维血管模型，获得所述病变血管的体积；
根据公式1计算分析血管出入口流量的平均值：
其中，V表示起始帧和结束帧之间的血管体积，TTP1和TTP2是起始帧和结束帧起的达峰时间TTP，n表示测量次数。
进一步地，通过经颅多普勒超声根据所述三维模型获得患者特异性血流参数，包括:
在得到血管重构的三维模型后，根据经颅多普勒超声测量参数获取TCD测量血管段的平均截面面积，其中，所述参数包括深度、增益和测量角度；
当病变在主血管时，根据公式2计算狭窄血管的入口流量：
QTCD＝A*Vinlet*100 公式2：
其中，A表示病变侧的主血管的截面面积；Vinlet表示病变侧的主血管入口血流速度；
当病变在分血管时，根据公式3计算狭窄血管的入口流量；
QTCD＝(Ainlet*Vinlet-Aother*Vother)*100 公式3；
其中，Vinlet表示病变侧的主血管入口血流速度，Vother表示目标狭窄血管周边血管的血流速度，Ainlet表示病变测的主血管入口的血管横截面积，Aother表示目标狭窄血管周边血管的横截面积。
进一步地，所述基于所述患者特异性血流参数计算病变血管的血流动力学参数，包括：
以二阶精度差分格式求解质量守恒方程、动量守恒方程和能量守恒方程并进行血流动力学计算得到血流动力学计算结果：
基于所述血流动力学计算结果推导得到血流动力学参数。
一种颅内血管狭窄的功能学评估系统，其特征在于，包括：
重建模块，用于基于颅内影像数据进行三维重建得到病变血管的三维模型；
计算模块，用于根据所述三维模型获得患者特异性血流参数，基于所述患者特异性血流参数计算病变血管的血流动力学参数；
评估模块，用于根据病变血管的血流动力学参数评估颅内血管狭窄。
一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如所述方法的步骤。
一种非暂态计算机可读介质，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所述方法的步骤。
本发明具有如下优点：
本发明中的颅内血管狭窄的功能学评估方法，对颅内影像数据进行三维重建得到病变血管的三维模型；根据所述三维模型获得患者特异性血流参数；
基于所述患者特异性血流参数计算病变血管的血流动力学参数；根据所述病变血管的血流动力学参数评估颅内血管狭窄。与基于形态学评估相比，结果更加客观可靠，为颅内狭窄的临床诊断提供了更加有力的诊断依据。解决了现有技术中只通过颅内责任动脉狭窄程度判断颅内狭窄不准确的问题。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1为本发明颅内血管狭窄的功能学评估方法的流程图；
图2为本发明颅内血管狭窄的功能学评估系统架构图；
图3为本发明三维重建后目标血管的示意图；
图4为本发明提供的电子设备实体结构示意图。
重建模块10，计算模块20，评估模块30，电子设备40，处理器401，存储器402，总线403。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
图1为本发明颅内血管狭窄的功能学评估方法实施例流程图，如图1所示，本发明实施例提供的一种颅内血管狭窄的功能学评估方法，包括以下步骤：
S101，对颅内影像数据进行三维重建得到病变血管的三维模型；
具体的，获取颅内影像数据；
本发明实施例中，颅内影像数据包括但不限于CTA颅内影像数据、MRA颅内影像数据以及DSA颅内影像数据中的任意一种。
通过阈值法、聚类法或区域生长法对所述颅内影像数据进行三维重建得到病变血管的三维模型。
本方法可重建血管模型的医学影像包括但不限于数字减影血管造影(DSA)，计算机断层成像(CT/CTA)、核磁共振成像(MRI/MRA)。现有的影像重构方法主要包括阈值法、聚类法或者区域生长法，阈值法是基于灰度值将一幅灰度影像分割成二进制影像，从而将原始影像分割开；聚类法将影像分割为k个聚类进行迭代，重构的结果质量取决于最初的一组集群和k值；区域生长法是将具有相似性质的像素集合起来构成区域，也是一种基于迭代的方法。
如图3所示，对所述三维模型进行模型处理，裁剪多余的血管分支，得到去除多余血管分支的血管表面。
S102，根据三维模型获得患者特异性血流参数；
具体的，通过二维数字减影血管造影(2D-DSA)或经颅多普勒超声(TCD)根据所述三维模型获得患者特异性血流参数。
数据要求：目标血管清晰且FPS≥6帧/S，造影剂注入安全且稳定。根据满足要求的二维数字减影血管造影影像对图像中每一像素点对比剂浓度达到峰值所需的时间，计算出对应的达峰时间TTP值和达峰坐标点，以完全充盈血管段(对比剂浓度达到峰值)作为分析血管段，记起始帧F1和结束帧F2；
根据二维数字减影血管造影影像中的分析血管段找到所对应的三维血管模型，获得所述病变血管的体积；
根据公式1计算分析血管出入口流量的平均值：
其中，V所起始帧和结束帧之间的血管体积，TTP1和TTP2是起始帧和结束帧起的达峰时间TTP，n表示测量次数。
数字减影血管造影(Digital subtraction angiography)简称DSA,即血管造影的影像通过数字化处理，把不需要的组织影像删除掉，只保留血管影像，这种技术叫做数字减影技术，其特点是图像清晰，分辨率高，对观察血管病变，血管狭窄的定位测量，诊断及介入治疗提供了真实的立体图像，为各种介入治疗提供了必备条件。主要适用于全身血管性疾病及肿瘤的检查及治疗。
1、DSA不但能清楚地显示颈内动脉、椎基底动脉、颅内大血管及大脑半球的血管图像，还可测定动脉的血流量，所以，被广泛应用于脑血管病检查，特别是对于动脉瘤、动静脉畸形等定性定位诊断，更是最佳的诊断手段。
2、不但能提供病变的确切部位，而且对病变的范围及严重程度，亦可清楚地了解，为手术提供较可靠的客观依据。另外，对于缺血性脑血管病，也有较高的诊断价值。
3、DSA可清楚地显示动脉管腔狭窄、闭塞、侧支循环建立情况等，对于脑出血、蛛网膜下腔出血，可进一步查明导致出血的病因，如动脉瘤、血管畸形、海绵状血管瘤等。
4、DSA对脑血管病诊断而言是一种有效的诊断方法。然而，由于它是一种创伤性检查，所以对脑血管病不应作为首选或常规检查方法，需要掌握好适应症和禁忌症，并做好有关准备工作。
通过经颅多普勒超声结合重构得到的三维模型可以获得患者特异性血流参数。
TCD主要以血流速度的高低来评定血流状况，由于大脑动脉在同等情况下脑血管的内径相对来说几乎固定不变，根据脑血流速度的降低或增高就可以推测局部脑血流量的相应改变。现已广泛应用于各种血管性疾病的检查，用来检查精神疾病患者脑血流改变的研究文献较多。
国内外大量学者用TCD检查抑郁症患者均发现存在脑部血流动力学异常，抑郁症患者的脑动脉血流速度多明显减慢，而且也发现存在偏侧脑半球化现象，对比检查抑郁症及神经症患者发现抑郁症患者较正常人右侧大脑前、中、后动脉的最大血流速(VP)均增高，但左侧的相应动脉血管血流速相对偏低，另外也有许多学者观察到，抑郁症患者左侧脑动脉的血流速度减慢更为显。此认知功能障碍可能由于脑神经元机能活动减低所致。大脑血流量和脑代谢及脑功能常有密切关系，从而间接影响认知功能。
TCD检查时主要通过视觉的波形和听觉的超声信号反馈波来判断是否有异常，虽然能较敏感地反映脑血管的功能状态，但它不能保证超声的入射角度，需要熟练的超声诊断医生详细了解大脑解剖标志及血管路径，其主要缺陷是操作者不能看到颅内血管的走行及血管与超声束之间的角度，降低了血流速度重复测量的准确性。
TCD一般指经颅多普勒,是利用人类颅骨自然薄弱的部位作为检测声窗(如颞骨嶙部、枕骨大孔、眼眶),对颅底动脉血流动力学进行评价的一种无创性检查方法。根据病变血管位置TCD要求不一样：
①当病变在主血管(比如ICA，VA或BA)，只需要获得病变侧的入口血流速度Vinlet(比如ICA或VA入口)。
②当病变在分血管(比如MCA或ACA)，由于目标血管病变TCD测不准，所以除了获得病变侧的主血管入口血流速度Vinlet还需要目标狭窄血管周边血管的血流速度Vother。速度单位是m/s。
流量计算方法：在得到血管重构的三维模型后，根据TCD测量位置获取相对应血管模型的截面面积A(cm2)。那么狭窄血管的入口流量记为公式2和公式3：
通过经颅多普勒超声根据所述三维模型获得患者特异性血流参数，包括:
在得到血管重构的三维模型后，根据经颅多普勒超声测量深度、增益和测量角度等参数获取TCD测量血管段的平均截面面积；
当病变在主血管时，根据公式2计算狭窄血管的入口流量：
QTCD＝A*Vinlet*100 公式2：
其中，A表示病变侧的主血管的截面面积；Vinlet表示病变侧的主血管入口血流速度；
当病变在分血管时，根据公式3计算狭窄血管的入口流量；
QTCD＝(Ainlet*Vinlet-Aother*Vother)*100 公式3；
其中，Vinlet表示病变侧的主血管入口血流速度，Vother表示目标狭窄血管周边血管的血流速度，Ainlet表示病变测的主血管入口的血管横截面积，Aother表示目标狭窄血管周边血管的横截面积。
S103，基于患者特异性血流参数计算病变血管的血流动力学参数；
具体的，所述基于所述患者特异性血流参数计算病变血管的血流动力学参数，包括：
以二阶精度差分格式求解质量守恒方程、动量守恒方程和能量守恒方程并进行血流动力学计算得到血流动力学计算结果：
基于所述血流动力学计算结果推导得到血流动力学参数；
①质量守恒方程在流体力学中称连续性方程，其可表述为：单位时间内流体微元体中增加的质量与同一时间间隔内流入微元体的净质量始终相等。方程如下：
该方程适用于可压与不可压流动问题，是质量守恒方程的一般形式。式中ρ为密度，t为时间，u为速度矢量，u、v和w分别是u在坐标轴x、y和z方向的分量。源项Sm是从分散的二级相中加入到连续相的质量，源项也可以是自定义。
②动量守恒方程由纳维(Navier)在1827年初步推导并在1845年由斯托克斯(Stokes)完善的动量方程(N-S方程)是牛顿第二定律在流体力学中的表达，其可表述为：单位时间内，微元体中流体的动量关于时间的变化率与外界对该微元体上的作用力之和始终相等。其具体形式如下：
③能量守恒方程可表述为：单位时间内，微元体中能量的增加量等同于进入微元体的净热流量加上外界质量力与表面力对微元体所做的功。
这里引入矢量符号
则能量守恒方程可写为：
式中T为温度，cp代表比热容，k为流体的传热系数，ST为粘性耗散项，代表流体的内热源和因黏性作用流体机械能转换为热能的部分。
计算方法：以二阶精度差分格式求解上述方程进行了血流动力学计算，入口压强Pa为患者体外测量压力的平均值。血液模型为不可压缩层流牛顿流体。血管壁上采用无滑移边界条件，入口处采用速度边界条件，流入道为患者特异性流量数值Q。在每个出口设置质量流量出口边界条件，RMS残差型收敛方程的准则为质量和速度残差小于1E-6。
结果后处理：基于CFD计算结果推导得到血流动力学参数，包括但不局限于Pd/Pa(Distal/proximal pressure ratio)，TAWSS(Time-averaged wall shear stress)，TransWSS(Transverse WSS)，OSI(oscillatory shear index)，RRT(relative residencetime)，壁面压力和平均螺旋度强度等等。(CFD，英语全称(Computational FluidDynamics)，即计算流体动力学。CFD是近代流体力学，数值数学和计算机科学结合的产物，是一门具有强大生命力的交叉科学。它是将流体力学的控制方程中积分、微分项近似地表示为离散的代数形式，使其成为代数方程组，然后通过计算机求解这些离散的代数方程组，获得离散的时间/空间点上的数值解。
S104，根据病变血管的血流动力学参数评估颅内血管狭窄；
图2为本发明颅内血管狭窄的功能学评估系统实施例流程图，如图2所示，本发明实施例提供的一种颅内血管狭窄的功能学评估系统，包括以下步骤：
重建模块10，用于基于颅内影像数据进行三维重建得到病变血管的三维模型；
计算模块20，用于根据所述三维模型获得患者特异性血流参数，基于所述患者特异性血流参数计算病变血管的血流动力学参数；
评估模块30，用于根据病变血管的血流动力学参数评估颅内血管狭窄。
图4为本发明实施例提供的电子设备40实体结构示意图，如图4所示，电子设备40包括：处理器401(processor)、存储器402(memory)和总线403；
其中，处理器401、存储器402通过总线403完成相互间的通信；
处理器401用于调用存储器402中的程序指令，以执行上述各方法实施例所提供的方法，例如包括：对颅内影像数据进行三维重建得到病变血管的三维模型；根据所述三维模型获得患者特异性血流参数；基于所述患者特异性血流参数计算病变血管的血流动力学参数；根据所述病变血管的血流动力学参数评估颅内血管狭窄。
本实施例提供一种非暂态计算机可读介质，非暂态计算机可读介质存储计算机指令，计算机指令使计算机执行上述各方法实施例所提供的方法，例如包括：对颅内影像数据进行三维重建得到病变血管的三维模型；根据所述三维模型获得患者特异性血流参数；基于所述患者特异性血流参数计算病变血管的血流动力学参数；根据所述病变血管的血流动力学参数评估颅内血管狭窄。
本领域普通技术人员可以理解：实现上述方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成，前述的程序可以存储于一计算机可读取介质中，该程序在执行时，执行包括上述方法实施例的步骤；而前述的介质包括：ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质。
以上所描述的装置实施例仅仅是示意性的，其中作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下，即可以理解并实施。
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件。基于这样的理解，上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在计算机可读介质中，如ROM/RAM、磁碟、光盘等，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行各个实施例或者实施例的某些部分的方法。
最后应说明的是：以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。
以上所述仅为本申请的优选实施例而已，并不用于限制本申请，对于本领域的技术人员来说，本申请可以有各种更改和变化。凡在本申请的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本申请的保护范围之内。
Claims (10)
1.一种颅内血管狭窄的功能学评估方法，其特征在于，所述方法具体包括：
对颅内影像数据进行三维重建得到病变血管的三维模型；
根据所述三维模型获得患者特异性血流参数；
基于所述患者特异性血流参数计算所述病变血管的血流动力学参数；
根据所述病变血管的血流动力学参数评估颅内血管狭窄。
2.根据权利要求1所述的颅内血管狭窄的功能学评估方法，其特征在于，所述对颅内影像数据进行三维重建得到病变血管的三维模型，包括：
获取颅内影像数据，其中，所述颅内影像数据包括DSA、CTA或TOF-MRA影像；
通过阈值法、聚类法或区域生长法对所述颅内影像数据进行三维重建得到病变血管的三维模型。
3.根据权利要求1所述的颅内血管狭窄的功能学评估方法，其特征在于，所述对颅内影像数据进行三维重建得到病变血管的三维模型，还包括：
对所述三维模型进行模型处理，得到去除多余血管分支的血管表面。
4.根据权利要求1所述的颅内血管狭窄的功能学评估方法，其特征在于，根据所述三维模型获得患者特异性血流参数，包括；
通过二维数字减影血管造影(2D-DSA)或经颅多普勒超声(TCD)根据所述三维模型获得患者特异性血流参数。
5.根据权利要求4所述的颅内血管狭窄的功能学评估方法，其特征在于，通过二维数字减影血管造影根据所述三维模型获得患者特异性血流参数，包括:
根据满足要求的二维数字减影血管造影影像对所述颅内影像数据中每一像素点对比剂浓度达到峰值所需的时间，计算出对应的达峰时间TTP值和达峰坐标点，以完全充盈血管段(对比剂浓度达到峰值)作为分析血管段，记起始帧F1和结束帧F2；
根据二维数字减影血管造影影像中的分析血管段找到所对应的三维血管模型，获得所述病变血管的体积；
根据公式1计算分析血管出入口流量的平均值：
其中，V表示起始帧和结束帧之间的血管体积，TTP1和TTP2是起始帧和结束帧起的达峰时间TTP，n表示测量次数。
6.根据权利要求4所述的颅内血管狭窄的功能学评估方法，其特征在于，通过经颅多普勒超声根据所述三维模型获得患者特异性血流参数，包括:
在得到血管重构的三维模型后，根据经颅多普勒超声测量参数获取TCD测量血管段的平均截面面积，其中，所述参数包括深度、增益和测量角度；
当病变在主血管时，根据公式2计算血管入口流量：
QTCD＝A*Vinlet*100 公式2：
其中，A表示病变侧的主血管的截面面积；Vinlet表示病变侧的主血管入口血流速度；
当病变在分血管时，根据公式3计算血管入口流量；
QTCD＝(Ainlet*Vinlet-Aother*Vother)*100 公式3；
其中，Vinlet表示病变侧的主血管入口血流速度，Vother表示目标狭窄血管周边血管的血流速度，Ainlet表示病变测的主血管入口的血管横截面积，Aother表示目标狭窄血管周边血管的横截面积。
7.根据权利要求1所述的颅内血管狭窄的功能学评估方法，其特征在于，所述基于所述患者特异性血流参数计算所述病变血管的血流动力学参数，包括：
以二阶精度差分格式求解质量守恒方程、动量守恒方程和能量守恒方程并进行血流动力学计算得到血流动力学计算结果：
基于所述血流动力学计算结果推导得到血流动力学参数。
8.一种颅内血管狭窄的功能学评估系统，其特征在于，包括：
重建模块，用于基于颅内影像数据进行三维重建得到病变血管的三维模型；
计算模块，用于根据所述三维模型获得患者特异性血流参数，基于所述患者特异性血流参数计算所述病变血管的血流动力学参数；
评估模块，用于根据病变血管的血流动力学参数评估颅内血管狭窄。
9.一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1至7中的任一项所述的方法的步骤。
10.一种非暂态计算机可读介质，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如权利要求1至7中的任一项所述的方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111526816.4A CN114287954A (zh) | 2021-12-13 | 2021-12-13 | 颅内血管狭窄的功能学评估方法、系统、电子设备及介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111526816.4A CN114287954A (zh) | 2021-12-13 | 2021-12-13 | 颅内血管狭窄的功能学评估方法、系统、电子设备及介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN114287954A true CN114287954A (zh) | 2022-04-08 |
Family
ID=80968265
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202111526816.4A Pending CN114287954A (zh) | 2021-12-13 | 2021-12-13 | 颅内血管狭窄的功能学评估方法、系统、电子设备及介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114287954A (zh) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115005846A (zh) * | 2022-08-08 | 2022-09-06 | 江苏盛恩祥生物技术有限公司 | 适用于血管显影的数据处理方法及装置 |
| 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 |
| CN116649995A (zh) * | 2023-07-25 | 2023-08-29 | 杭州脉流科技有限公司 | 基于颅内医学影像的血流动力学参数获取方法和装置 |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104720894A (zh) * | 2015-02-11 | 2015-06-24 | 中山大学附属第一医院 | 一种血管手术方式的合理性分析方法 |
| CN107491636A (zh) * | 2017-07-26 | 2017-12-19 | 武汉大学 | 一种基于计算流体力学的脑血管储备力仿真系统和方法 |
| CN108922580A (zh) * | 2018-05-25 | 2018-11-30 | 杭州脉流科技有限公司 | 一种获取血流储备分数的方法、装置、系统和计算机存储介质 |
| CN109907732A (zh) * | 2019-04-09 | 2019-06-21 | 广州新脉科技有限公司 | 一种颅内动脉瘤破裂风险的评估方法及系统 |
| CN111161342A (zh) * | 2019-12-09 | 2020-05-15 | 杭州脉流科技有限公司 | 基于冠脉造影图像获取血流储备分数的方法、装置、设备、系统及可读存储介质 |
| CN112686991A (zh) * | 2021-01-08 | 2021-04-20 | 博动医学影像科技（上海）有限公司 | 一种采用混合方式重建血管正常管腔形态的方法及系统 |
| CN113133827A (zh) * | 2021-04-07 | 2021-07-20 | 昆明同心医联科技有限公司 | 对颅内动脉瘤手术进行术前预估方法、系统、终端及介质 |
-
2021
- 2021-12-13 CN CN202111526816.4A patent/CN114287954A/zh active Pending
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104720894A (zh) * | 2015-02-11 | 2015-06-24 | 中山大学附属第一医院 | 一种血管手术方式的合理性分析方法 |
| CN107491636A (zh) * | 2017-07-26 | 2017-12-19 | 武汉大学 | 一种基于计算流体力学的脑血管储备力仿真系统和方法 |
| CN108922580A (zh) * | 2018-05-25 | 2018-11-30 | 杭州脉流科技有限公司 | 一种获取血流储备分数的方法、装置、系统和计算机存储介质 |
| CN109907732A (zh) * | 2019-04-09 | 2019-06-21 | 广州新脉科技有限公司 | 一种颅内动脉瘤破裂风险的评估方法及系统 |
| CN111161342A (zh) * | 2019-12-09 | 2020-05-15 | 杭州脉流科技有限公司 | 基于冠脉造影图像获取血流储备分数的方法、装置、设备、系统及可读存储介质 |
| CN112686991A (zh) * | 2021-01-08 | 2021-04-20 | 博动医学影像科技（上海）有限公司 | 一种采用混合方式重建血管正常管腔形态的方法及系统 |
| CN113133827A (zh) * | 2021-04-07 | 2021-07-20 | 昆明同心医联科技有限公司 | 对颅内动脉瘤手术进行术前预估方法、系统、终端及介质 |
Cited By (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115005846A (zh) * | 2022-08-08 | 2022-09-06 | 江苏盛恩祥生物技术有限公司 | 适用于血管显影的数据处理方法及装置 |
| CN115005846B (zh) * | 2022-08-08 | 2022-10-11 | 江苏盛恩祥生物技术有限公司 | 适用于血管显影的数据处理方法及装置 |
| CN116649995A (zh) * | 2023-07-25 | 2023-08-29 | 杭州脉流科技有限公司 | 基于颅内医学影像的血流动力学参数获取方法和装置 |
| CN116649995B (zh) * | 2023-07-25 | 2023-10-27 | 杭州脉流科技有限公司 | 基于颅内医学影像的血流动力学参数获取方法和装置 |
| 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 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| JP7416617B2 (ja) | 動脈の供給能力と終末器官の必要量とを比較することにより心血管疾患の診断及び評価をするためのシステム及び方法 | |
| CN114287954A (zh) | 颅内血管狭窄的功能学评估方法、系统、电子设备及介质 | |
| KR101732328B1 (ko) | 환자별 혈류 모델링 방법 및 시스템 | |
| EP2633815A1 (en) | Fractional flow reserve estimation | |
| US9585568B2 (en) | Noninvasive methods for determining the pressure gradient across a heart valve without using velocity data at the valve orifice | |
| US20110275936A1 (en) | Method for determining shear stress and viscosity distribution in a blood vessel | |
| US11298103B2 (en) | Fluid flow analysis | |
| Jiang et al. | Comparison of blood velocity measurements between ultrasound Doppler and accelerated phase-contrast MR angiography in small arteries with disturbed flow | |
| CN113379679B (zh) | 脑动脉波强度和波功率的测量方法、终端设备及存储介质 | |
| Miyague et al. | Assessing repeatability of 3D Doppler indices obtained by static 3D and STIC power Doppler: a combined in‐vivo/in‐vitro flow phantom study | |
| Wisotzkey et al. | Comparison of invasive and non-invasive pressure gradients in aortic arch obstruction | |
| Sled et al. | Reflected hemodynamic waves influence the pattern of Doppler ultrasound waveforms along the umbilical arteries | |
| Franquet et al. | Identification of the in vivo elastic properties of common carotid arteries from MRI: A study on subjects with and without atherosclerosis | |
| Wittek et al. | Towards non‐invasive in vivo characterization of the pathophysiological state and mechanical wall strength of the individual human AAA wall based on 4D ultrasound measurements | |
| Rahman et al. | Ultrasound detection of altered placental vascular morphology based on hemodynamic pulse wave reflection | |
| Yonan et al. | Middle cerebral artery blood flows by combining TCD velocities and MRA diameters: in vitro and in vivo validations | |
| Kao et al. | Brachial artery: measurement of flow-mediated dilatation with cross-sectional US—technical validation | |
| JP2008161546A (ja) | 超音波診断装置 | |
| Saghian et al. | Interpretation of wave reflections in the umbilical arterial segment of the feto-placental circulation: computational modeling of the feto-placental arterial tree | |
| Yli-Ollila et al. | Transfer function analysis of the longitudinal motion of the common carotid artery wall | |
| Wong et al. | Evaluation of distal turbulence intensity for the detection of both plaque ulceration and stenosis grade in the carotid bifurcation using clinical Doppler ultrasound | |
| Kandil et al. | Hypertension and correlation to cerebrovascular change: A brief overview | |
| CN115758945B (zh) | 数值模型构建方法、装置、电子设备及存储介质 | |
| CN116616819B (zh) | 一种超声经颅多普勒血流分析系统、方法及存储介质 | |
| Miyague et al. | Importance of pulse repetition frequency adjustment for 3‐and 4‐dimensional power Doppler quantification |
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 |