CN114297957B - 心脏指标的获取方法及其装置、计算机可读存储介质 - Google Patents
心脏指标的获取方法及其装置、计算机可读存储介质 Download PDFInfo
- Publication number
- CN114297957B CN114297957B CN202111679868.5A CN202111679868A CN114297957B CN 114297957 B CN114297957 B CN 114297957B CN 202111679868 A CN202111679868 A CN 202111679868A CN 114297957 B CN114297957 B CN 114297957B
- Authority
- CN
- China
- Prior art keywords
- image data
- medical image
- time
- dimensional medical
- heart
- 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
- 238000000034 method Methods 0.000 title claims abstract description 82
- 238000004088 simulation Methods 0.000 claims abstract description 108
- 230000008859 change Effects 0.000 claims abstract description 78
- 238000012545 processing Methods 0.000 claims abstract description 48
- 230000000747 cardiac effect Effects 0.000 claims description 57
- 230000008569 process Effects 0.000 claims description 28
- 210000001765 aortic valve Anatomy 0.000 claims description 19
- 210000004115 mitral valve Anatomy 0.000 claims description 19
- 239000003550 marker Substances 0.000 claims description 17
- 238000004590 computer program Methods 0.000 claims description 12
- 239000008280 blood Substances 0.000 claims description 9
- 210000004369 blood Anatomy 0.000 claims description 9
- 238000006243 chemical reaction Methods 0.000 claims description 8
- 206010067171 Regurgitation Diseases 0.000 claims description 7
- 230000017531 blood circulation Effects 0.000 claims description 5
- 230000000004 hemodynamic effect Effects 0.000 claims description 5
- 210000000056 organ Anatomy 0.000 claims description 5
- 230000002123 temporal effect Effects 0.000 claims 1
- 239000012530 fluid Substances 0.000 abstract description 15
- 238000004458 analytical method Methods 0.000 abstract description 13
- 238000005516 engineering process Methods 0.000 abstract description 6
- 238000004364 calculation method Methods 0.000 description 21
- 238000010586 diagram Methods 0.000 description 17
- 238000011156 evaluation Methods 0.000 description 10
- 208000019622 heart disease Diseases 0.000 description 10
- 238000010992 reflux Methods 0.000 description 6
- 238000004422 calculation algorithm Methods 0.000 description 5
- 230000005540 biological transmission Effects 0.000 description 4
- 230000000694 effects Effects 0.000 description 3
- 230000033001 locomotion Effects 0.000 description 3
- 238000012805 post-processing Methods 0.000 description 3
- 239000013598 vector Substances 0.000 description 3
- HPTJABJPZMULFH-UHFFFAOYSA-N 12-[(Cyclohexylcarbamoyl)amino]dodecanoic acid Chemical compound OC(=O)CCCCCCCCCCCNC(=O)NC1CCCCC1 HPTJABJPZMULFH-UHFFFAOYSA-N 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 230000008602 contraction Effects 0.000 description 2
- 230000008878 coupling Effects 0.000 description 2
- 238000010168 coupling process Methods 0.000 description 2
- 238000005859 coupling reaction Methods 0.000 description 2
- 238000003745 diagnosis Methods 0.000 description 2
- 238000009792 diffusion process Methods 0.000 description 2
- 210000005246 left atrium Anatomy 0.000 description 2
- 210000005240 left ventricle Anatomy 0.000 description 2
- 238000002604 ultrasonography Methods 0.000 description 2
- NLZUEZXRPGMBCV-UHFFFAOYSA-N Butylhydroxytoluene Chemical compound CC1=CC(C(C)(C)C)=C(O)C(C(C)(C)C)=C1 NLZUEZXRPGMBCV-UHFFFAOYSA-N 0.000 description 1
- 230000005856 abnormality Effects 0.000 description 1
- 230000001133 acceleration Effects 0.000 description 1
- 230000006978 adaptation Effects 0.000 description 1
- 230000003044 adaptive effect Effects 0.000 description 1
- 210000000709 aorta Anatomy 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 230000036772 blood pressure Effects 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 201000010099 disease Diseases 0.000 description 1
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 1
- 238000006073 displacement reaction Methods 0.000 description 1
- 238000002592 echocardiography Methods 0.000 description 1
- 238000005206 flow analysis Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 239000002245 particle Substances 0.000 description 1
- 230000035515 penetration Effects 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 230000006641 stabilisation Effects 0.000 description 1
- 238000011105 stabilization Methods 0.000 description 1
- 239000000758 substrate Substances 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 230000001052 transient effect Effects 0.000 description 1
Abstract
本发明公开了一种心脏指标的获取方法及其装置、计算机可读存储介质。其中,该方法包括:获取一组或多组时序三维医学影像数据,其中,一组或多组时序三维医学影像数据为分别在不同时刻采集的心脏器官的医学影像数据;利用一组或多组时序三维医学影像数据中的每一组时序三维医学影像数据生成心脏器官在不同时刻的三维解剖模型;基于不同时刻的三维解剖模型确定心脏器官的变化信息;基于变化信息以及一组或多组时序三维医学影像数据对心脏器官进行仿真处理,得到心脏器官的指标。本发明解决了相关技术中采用计算流体学CFD仿真分析时会把患者的心脏结构拆分成多个组成部分单独进行仿真分析,导致求解时间大幅增加,可靠性较低的技术问题。
Description
技术领域
本发明涉及流体力学与计算机技术应用技术领域,具体而言,涉及一种心脏指标的获取方法及其装置、计算机可读存储介质。
背景技术
一般来说,传统医学会通过超声心动图来获取跨瓣压差、心输出量、射血分数、二尖瓣及主动脉瓣的返流情况等心脏病评价指标。但是,超声得到的参数往往是通过单一平面获取的,并且超声心动图的检查结果受操作者水平的影响较大。不仅如此,超声是通过获取主动脉瓣及二尖瓣的最大流速,而后通过简化的Bernouli方程(ΔP[mmHg]=4V[m/s]2)来计算跨瓣峰值压差的,这也会带来一定程度的误差。因此,更精准地获取心脏病评价指标相当重要。
计算流体力学(Computational Fluid Dynamics,简称CFD)的仿真分析就可以为临床心脏病学带来许多方面的技术支持,尤其是心脏及瓣膜疾病的诊断方面。通过CFD仿真计算能定量获得心输出量、射血分数、二尖瓣及主动脉瓣的返流情况等重要心脏病评价指标的变化规律。但是,由于整个心动周期是个非常复杂的瞬态流动,传统CFD求解器(例如FLUENT/CFX等)的计算效率是非常低的,它们往往需要在超级计算机上使用数百核甚至数千核的计算资源,计算数天的时间才能完成。不仅如此,在主动脉瓣或二尖瓣关闭不全时,整个左心系统(包含左心房、左心室、左心耳及升主动脉)构成了单一连通域,从而左心房和左心室的压力会有大幅改变,同时跨瓣压差会明显增大,进一步降低了CFD仿真的求解效率。
除此之外,采用CFD仿真进行心脏血流分析的多数文献和专利中,会把患者的心脏结构拆分成多个组成部分单独进行仿真分析,从而降低CFD仿真的难度。但是,该方法不仅会使求解时间大幅增加,还会引入初始流场以及入口、出口边界条件带来的误差,这是临床医生所不能接受的。另外,传统CFD求解器的求解精度非常依赖于仿真对象的网格质量,仿真计算前往往需要花费很多时间进行复杂的网格划分和预处理等操作。
1).传统的压力Poisson方程求解器普遍存在求解时间过长的问题,往往需要在超级计算机上使用数千核的计算资源,利用MPI并行计算才能达到期望的求解效率,这需要花费高额的时间和金钱,是很多小型实验室和公司所不具备的;而本求解器使用单CPU单核就能实现传统求解器数千核的计算效率;
2).传统的多GPU之间的数据传输通过PCI Express系统,传输速率较慢;而本求解器通过NVLink总线协议进行GPU之间的数据传输,传输速率明显提高;
3).现有的多数自主研发的压力Poisson方程求解器均采用Fortran语言来编译,但在实现GPU加速时往往会采用Fortran与C/C++混编来实现,以更好地适配CUDA C/C++,但也会因此损失一些Fortran语言在科学计算领域特有的优势,如矩阵的高效处理与访问,同时,Fortran和C/C++混编时只能通过指针来传递数据,额外增加了访问特定网格所需的时间;而本求解器使用CUDA Fortran,进一步保留了Fortran在科学计算领域的优势;
4).在多重网格算法中,传统的松弛算子Line SOR在空间坐标系中仅能单方向依次进行求解,因此,在三维计算领域会额外产生很多计算开销;而本求解器中使用的SRJ松弛算子可以实现三个空间方向的同时迭代求解;
5).不论是传统的基于Line SOR松弛算子的多重网格算法,还是商用软件中广泛采用的双共轭梯度稳定法(BiCGStab),在迭代求解过程中都存在大量的数据交换,从而为代码的GPU化增加了困难,进一步降低了GPU可加速的效率;而本求解器中使用的SRJ算子在求解过程中无需进行数据交换,仅需考虑多GPU不同卡之间的数据交换即可。
针对上述的问题,目前尚未提出有效的解决方案。
发明内容
本发明实施例提供了一种心脏指标的获取方法及其装置、计算机可读存储介质,以至少解决相关技术中采用计算流体学CFD仿真分析时会把患者的心脏结构拆分成多个组成部分单独进行仿真分析,导致求解时间大幅增加,可靠性较低的技术问题。
根据本发明实施例的一个方面,提供了一种心脏指标的获取方法,包括:获取一组或多组时序三维医学影像数据,其中,所述一组或多组时序三维医学影像数据为分别在不同时刻采集的心脏器官的医学影像数据;利用所述一组或多组时序三维医学影像数据中的每一组时序三维医学影像数据生成所述心脏器官在所述不同时刻的三维解剖模型;基于所述不同时刻的三维解剖模型确定所述心脏器官的变化信息;基于所述变化信息以及所述一组或多组时序三维医学影像数据对所述心脏器官进行仿真处理,得到所述心脏器官的指标。
可选地,基于所述不同时刻的三维解剖模型确定所述心脏器官的变化信息,包括:将所述不同时刻的三维解剖模型进行配准,得到所述心脏器官在每相邻两个时刻之间的变化信息。
可选地,基于所述变化信息以及所述不同时刻的三维解剖模型对所述心脏器官进行仿真处理,包括:确定所述仿真处理所需的时间步长以及边界条件;基于所述一组或多组时序三维医学影像数据生成所述仿真处理所需的网格;将所述变化信息以及所述一组或多组时序三维医学影像数据输入至图像处理器GPU,以利用所述GPU按照所述时间步长、所述边界条件以及所述网格对所述变化信息以及所述一组或多组时序三维医学影像数据进行仿真处理。
可选地,在将所述变化信息以及所述一组或多组时序三维医学影像数据输入至图像处理器GPU之前,所述方法还包括:将所述一组或多组时序三维医学影像数据进行二值化处理,得到二值化影像;将所述二值化影像以及所述变化信息进行格式转换,得到预定格式的二值化影像文件以及所述预定格式的变化信息。
可选地,所述方法还包括:对所述预定格式的二值化影像按照心动周期的时序进行命名并存储。
可选地,在利用所述GPU按照所述时间步长、所述边界条件以及所述网格对所述变化信息以及所述一组或多组时序三维医学影像数据进行仿真处理之前,所述方法还包括:设置所述仿真处理所需的基本物理量,其中,所述基本物理量包括以下至少之一:血液密度、血液动力粘度。
可选地,在确定所述仿真处理所需的时间步长之后,所述方法还包括:根据时间步长收敛条件判断值对所述时间步长进行动态调整。
可选地,基于所述一组或多组时序三维医学影像数据生成所述仿真处理所需的网格,包括:确定所述预定格式的二值化影像文件的尺寸信息以及间隔信息;基于所述尺寸信息以及所述间隔信息生成所述网格。
可选地,在基于所述变化信息以及所述一组或多组时序三维医学影像数据对所述心脏器官进行仿真处理,得到所述心脏器官的指标之后,所述方法还包括:输出所述心脏器官的二尖瓣以及主动脉瓣的以下至少之一信息:跨瓣压差、心输出量、射血分数;展示所述二尖瓣以及所述主动脉瓣的返流信息。
根据本发明实施例的另外一个方面,还提供了一种心脏指标的获取装置,包括:获取单元,用于获取一组或多组时序三维医学影像数据,其中,所述一组或多组时序三维医学影像数据为分别在不同时刻采集的心脏器官的医学影像数据;生成单元,用于利用所述一组或多组时序三维医学影像数据中的每一组时序三维医学影像数据生成所述心脏器官在所述不同时刻的三维解剖模型;确定单元,用于基于所述不同时刻的三维解剖模型确定所述心脏器官的变化信息;仿真单元,用于基于所述变化信息以及所述一组或多组时序三维医学影像数据对所述心脏器官进行仿真处理,得到所述心脏器官的指标。
可选地,所述确定单元,包括:配置模块,用于将所述不同时刻的三维解剖模型进行配准,得到所述心脏器官在每相邻两个时刻之间的变化信息。
可选地,所述仿真单元,包括:第一确定模块,用于确定所述仿真处理所需的时间步长以及边界条件;生成模块,用于基于所述一组或多组时序三维医学影像数据生成所述仿真处理所需的网格;仿真模块,用于将所述变化信息以及所述一组或多组时序三维医学影像数据输入至图像处理器GPU,以利用所述GPU按照所述时间步长、所述边界条件以及所述网格对所述变化信息以及所述一组或多组时序三维医学影像数据进行仿真处理。
可选地,所述装置还包括:二值化处理模块,用于在将所述变化信息以及所述一组或多组时序三维医学影像数据输入至图像处理器GPU之前,将所述一组或多组时序三维医学影像数据进行二值化处理,得到二值化影像;格式转换模块,用于将所述二值化影像以及所述变化信息进行格式转换,得到预定格式的二值化影像文件以及所述预定格式的变化信息。
可选地,所述装置还包括:存储及存储模块,用于对所述预定格式的二值化影像按照心动周期的时序进行命名并存储。
可选地,所述装置还包括:设置模块,用于在利用所述GPU按照所述时间步长、所述边界条件以及所述网格对所述变化信息以及所述一组或多组时序三维医学影像数据进行仿真处理之前,设置所述仿真处理所需的基本物理量,其中,所述基本物理量包括以下至少之一:血液密度、血液动力粘度。
可选地,所述装置还包括:调整模块,用于在确定所述仿真处理所需的时间步长之后,根据时间步长收敛条件判断值对所述时间步长进行动态调整。
可选地,所述生成模块,包括:确定子模块,用于确定所述预定格式的二值化影像文件的尺寸信息以及间隔信息;生成子模块,用于基于所述尺寸信息以及所述间隔信息生成所述网格。
可选地,所述装置还包括:输出单元,用于在基于所述变化信息以及所述一组或多组时序三维医学影像数据对所述心脏器官进行仿真处理,得到所述心脏器官的指标之后,输出所述心脏器官的二尖瓣以及主动脉瓣的以下至少之一信息:跨瓣压差、心输出量、射血分数;展示单元,用于展示所述二尖瓣以及所述主动脉瓣的返流信息。
根据本发明实施例的另外一个方面,还提供了一种计算机可读存储介质,所述计算机可读存储介质包括存储的计算机程序,其中,在所述计算机程序运行时控制所述计算机可读存储介质所在设备执行上述中任意一项所述的心脏指标的获取方法。
根据本发明实施例的另外一个方面,还提供了一种处理器,所述处理器用于运行计算机程序,其中,在所述计算机程序运行时控制所述处理器所在设备执行上述中任意一项所述的心脏指标的获取方法。
在本发明实施例中,获取一组或多组时序三维医学影像数据,其中,一组或多组时序三维医学影像数据为分别在不同时刻采集的心脏器官的医学影像数据;利用一组或多组时序三维医学影像数据中的每一组时序三维医学影像数据生成心脏器官在不同时刻的三维解剖模型;基于不同时刻的三维解剖模型确定心脏器官的变化信息;基于变化信息以及一组或多组时序三维医学影像数据对心脏器官进行仿真处理,得到心脏器官的指标。通过本发明实施例提供的心脏指标的获取方法,达到了获取一组或多组思维心脏医学影像数据得到心脏器官的变化信息和仿真结果以得到心脏器官的指标的目的,从而实现了提升对心脏系数获取的准确性的技术效果,进而解决了相关技术中采用计算流体学CFD仿真分析时会把患者的心脏结构拆分成多个组成部分单独进行仿真分析,导致求解时间大幅增加,可靠性较低的技术问题。
附图说明
此处所说明的附图用来提供对本发明的进一步理解,构成本申请的一部分,本发明的示意性实施例及其说明用于解释本发明,并不构成对本发明的不当限定。在附图中:
图1是根据本发明实施例的心脏指标的获取方法的流程图;
图2是根据本发明实施例的全左心仿真模型的示意图;
图3是根据本发明实施例的CFD技术的基本流程图;
图4是根据本发明实施例的多重网格算法的V-Cycle的示意图;
图5是根据本发明实施例的自动识别得到的心脏仿真的网格的示意图;
图6是根据本发明实施例的根据影像自动生成的网格的示意图;
图7是根据本发明实施例的不同网格分辨率及其对心脏边界网格的自动识别结果的示意图;
图8(a)是根据本发明实施例的某时刻左心纵截面压力分布的示意图;
图8(b)是根据本发明实施例的某时刻左心纵截面速度分布的示意图;
图8(c)是根据本发明实施例的左心纵截面的血液返流情况示意图;
图9是根据本发明实施例的利用CFD技术获取心脏病评价指标的流程图;
图10是根据本发明实施例的利用CFD技术进行全左心CFD仿真计算的流程图;
图11是根据本发明实施例的心脏指标的获取装置的示意图。
具体实施方式
为了使本技术领域的人员更好地理解本发明方案,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,所描述的实施例仅仅是本发明一部分的实施例,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做出创造性劳动前提下所获得的所有其他实施例,都应当属于本发明保护的范围。
需要说明的是,本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换,以便这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外,术语“包括”和“具有”以及他们的任何变形,意图在于覆盖不排他的包含,例如,包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元,而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
为了便于理解,下面对本发明实施例中出现的部分名词或术语进行说明:
图形处理器(Graphics Process ing Unit,简称GPU):是一种专门在个人电脑、工作站、游戏机和一些移动设备上做图像和图形相关运算工作的微处理器。
速度场:是由每一时刻、每一点上的速度矢量组成的物理场;以流体为例,速度场是指流体流动前沿的矢量速度分布;空间所有各点在同一时刻的流体速度矢量分布状态。
变形场:是指能使流体在运动中发送形状变化,尤其是伸展(收缩)和切变的速度场。
CFD(Computat ional Fluid Dynamics,计算流体力学):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。
下面结合具体实施例对本发明实施例提供的心脏指标的获取方法及其装置进行说明。
实施例1
根据本发明实施例,提供了一种心脏指标的获取方法的方法实施例,需要说明的是,在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行,并且,虽然在流程图中示出了逻辑顺序,但是在某些情况下,可以以不同于此处的顺序执行所示出或描述的步骤。
图1是根据本发明实施例的心脏指标的获取方法的流程图,如图1所示,该方法包括如下步骤:
步骤S102,获取一组或多组时序三维医学影像数据,其中,一组或多组时序三维医学影像数据为分别在不同时刻采集的心脏器官的医学影像数据。
步骤S104,利用一组或多组时序三维医学影像数据中的每一组时序三维医学影像数据生成心脏器官在不同时刻的三维解剖模型。
可选的,在上述步骤中,将获取到的一组或多组时序三维医学影像数据中进行仿真,来生成心脏在不同时刻下的三维解剖模型。
图2是根据本发明实施例的全左心仿真模型的示意图,如图2所示,利用一组或多组时序三维医学影像数据仿真出在某一时刻下的心脏的三维全左心仿真模型。
步骤S106,基于不同时刻的三维解剖模型确定心脏器官的变化信息。
可选的,在上述步骤中,基于不同时刻的心脏器官三维模型来观察心脏中血液流动的情况是否有异常,以获取变化信息。
步骤S108,基于变化信息以及一组或多组时序三维医学影像数据对心脏器官进行仿真处理,得到心脏器官的指标。
由上可知,在本发明实施例中,首先可以获取一组或多组时序三维医学影像数据,其中,一组或多组时序三维医学影像数据为分别在不同时刻采集的心脏器官的医学影像数据;接着可以利用一组或多组时序三维医学影像数据中的每一组时序三维医学影像数据生成心脏器官在不同时刻的三维解剖模型;接着可以基于不同时刻的三维解剖模型确定心脏器官的变化信息;最后可以基于变化信息以及一组或多组时序三维医学影像数据对心脏器官进行仿真处理,得到心脏器官的指标。通过本发明实施例提供的心脏指标的获取方法,达到了获取一组或多组思维心脏医学影像数据得到心脏器官的变化信息和仿真结果以得到心脏器官的指标的目的,从而实现了提升对心脏系数获取的准确性的技术效果,进而解决了相关技术中采用计算流体学CFD仿真分析时会把患者的心脏结构拆分成多个组成部分单独进行仿真分析,导致求解时间大幅增加,可靠性较低的技术问题。
作为一种可选的实施例,基于不同时刻的三维解剖模型确定心脏器官的变化信息,包括:将不同时刻的三维解剖模型进行配准,得到心脏器官在每相邻两个时刻之间的变化信息。
在上述可选的实施例中,输入的4D影像需为二值化影像,影像和变形场均采用mhd文件存储;4D影像需按照整个心动周期的时序进行存储及命名,以进一步分析,得到变化信息。
其中,上述4D影像即为时序三维医学影像,即,在三维医学影像的基础上添加了时间维度。
需要说明的是,变形场是指能使流体在运动中发生形状变化,尤其是伸展(收缩)和切变的速度场。
作为一种可选的实施例,基于变化信息以及不同时刻的三维解剖模型对心脏器官进行仿真处理,包括:确定仿真处理所需的时间步长以及边界条件;基于一组或多组时序三维医学影像数据生成仿真处理所需的网格;将变化信息以及一组或多组时序三维医学影像数据输入至图像处理器GPU,以利用GPU按照时间步长、边界条件以及网格对变化信息以及一组或多组时序三维医学影像数据进行仿真处理。
图3是根据本发明实施例的CFD技术的基本流程图,如图3所示,首先输入模型以及边界条件,接着在GPU内更新心脏模型至当前时间步n+1,接着求解对流扩散方程至收敛,接着根据速度场结果更新压力Poisson方程,其中,图4是根据本发明实施例的多重网格算法的V-Cycle的示意图,如图4所示,当采用多重网格算法求解压力Poisson方程时,使用Jacobi及类似的算子替代常规的Line SOR算子,则可使每个时间步求解Poisson方程所需的迭代次数大幅降低,且更易实现GPU并行化;接着继续求解压力Poisson方程至收敛得到pn+1,接着根据压力场结果更新速度场un+1,接着判断是否已经计算完毕整个心动周期,如果未计算完毕,则从更新心脏模型步骤开始重新计算;如果已经计算完毕,则输出流场速度、压力求解结果,最后基于此输出各种心脏病评价指标。需要说明的是,对流扩散方程是一类基本的运动方程,其表征了流动系统的质量传递规律,求解此方程可得出浓度分布。
需要说明的是,下面详细介绍自动设置4D仿真所需的时间步长dt的具体操作:
a.根据每两个周期之间变形场的大小,自动确定时间步长dt:若变形较大,则需要计算的步数多,所需的时间步长小;若变形较小,则所需的时间步长可适当放大。即通过减小时间步数的方法提高计算效率。
b.根据每个时间步CFL数的大小,动态改变时间步长dt:若当前时间步CFL数较小,则时间步长可动态增大;从而实现通过缩小时间步数的方法降低仿真计算的求解时间;其中,CFL的公式表示为:其中,u为血流速度(m/s),dt为自动设置的时间步长(s),dx为每一个小格子的网格尺寸(m)。
需要说明的是,CFL也即CFL数,是计算流体力学中,判断计算的收敛条件,具体是差分方程的依赖域必须包含相应微分方程的依赖域,最简单可以理解为时间推进求解的速度必须大于物理扰动传播的速度,只有这样才能将物理上所有的扰动俘获到。
作为一种可选的实施例,在将变化信息以及一组或多组时序三维医学影像数据输入至图像处理器GPU之前,该心脏指标的获取方法还包括:将一组或多组时序三维医学影像数据进行二值化处理,得到二值化影像;将二值化影像以及变化信息进行格式转换,得到预定格式的二值化影像文件以及预定格式的变化信息。
在上述可选的实施例中,自动识别仿真模型的边界,并设置边界条件;由于输入的影像均为二值化,故可自动根据二值的交界面设置整个模型的边界;并根据读入的边界flag数据,自动识别入口边界、出口边界以及壁面,例如壁面的flag=0,入口的flag=1,出口的flag=2,不同边界需要用不同的flag值标记;在标记为壁面的区域施加读入的变形场作为边界条件,即将变形场施加在左心内壁边界上,并给心内壁施加无穿透、无滑移的边界条件;入口、出口边界条件通过输入文件读入。
图5是根据本发明实施例的自动识别得到的心脏仿真的网格的示意图,如图5所示,可全自动生成CFD仿真所需的网格(根据输入影像自动生成相对应的网格)可根据mhd影像头文件中的尺寸(4D影像的长宽高)及间隔信息(拿到一个影像512*512,图6中每一个小格子的宽度(影像))(即每个小格子的宽度),自动生成与之相对应的仿真计算网格,无需额外设置或干预。图6是根据本发明实施例的根据影像自动生成的网格的示意图,如图6所示,根据mhd影像头文件中的尺寸及间隔信息,自动生成与之相对应的仿真计算网格,无需额外设置或干预。
图7是根据本发明实施例的不同网格分辨率及其对心脏边界网格的自动识别结果的示意图,如图7所示,从左到右为不同网格分辨率下对心脏边界网格进行自动识别的结果。
作为一种可选的实施例,该心脏指标的获取方法还包括:对预定格式的二值化影像按照心动周期的时序进行命名并存储。
在上述可选的实施例中,对预定格式的二值化影像基于心动周期的时序进行命名并存储,以便于后续的数据处理。
作为一种可选的实施例,在利用GPU按照时间步长、边界条件以及网格对变化信息以及一组或多组时序三维医学影像数据进行仿真处理之前,该心脏指标的获取方法还包括:设置仿真处理所需的基本物理量,其中,基本物理量包括以下至少之一:血液密度、血液动力粘度。
在上述可选的实施例中,设置仿真所需的基本物理量,如密度、粘度等;例如,可将正常人的血液的密度ρ和动力粘度μ信息分别设置为:ρ=1060kg/m^3,μ=0.0035kg/(m·s)。
作为一种可选的实施例,在确定仿真处理所需的时间步长之后,该心脏指标的获取方法还包括:根据时间步长收敛条件判断值对时间步长进行动态调整。
在上述可选的实施例中,基于时间步长的收敛条件判断值对时间步长进行动态调整。
作为一种可选的实施例,基于一组或多组时序三维医学影像数据生成仿真处理所需的网格,包括:确定预定格式的二值化影像文件的尺寸信息以及间隔信息;基于尺寸信息以及间隔信息生成网格。
可选的,传统的CFD计算不仅耗时较长,并且需要非常昂贵的计算资源,例如在相关技术中使用80个CPU核进行计算时需要用10小时才能计算完一个完整的心动周期的仿真计算过程,或者使用128个CPU核进行计算需要24小时才能计算完一个完整的心动周期。而在本发明实施例中,使用GPU进行CFD的仿真计算,可实现在单CPU核上用约20分钟完成整个心动周期的计算过程,不仅无需超级计算机,也可大大缩短时间成本。表1为多重网格法Poisson求解器的CPU与GPU计算时长对比(单位:秒)
表1
若使用GPU进行CFD的仿真计算,可实现在单CPU核上用约20分钟完成整个心动周期的计算过程,不仅无需超级计算机,也可大大缩短时间成本。
在GPU上进行全部后处理过程省去了物理量从GPU拷回CPU的拷贝时间,并且也可大大缩短后处理计算时间;CFD计算出的速度和压力
作为一种可选的实施例,在基于变化信息以及一组或多组时序三维医学影像数据对心脏器官进行仿真处理,得到心脏器官的指标之后,该心脏指标的获取方法还包括:输出心脏器官的二尖瓣以及主动脉瓣的以下至少之一信息:跨瓣压差、心输出量、射血分数;展示二尖瓣以及主动脉瓣的返流信息。
在上述可选的实施例中,可以自动输出各种心脏病评价指标,动态输出二尖瓣及主动脉瓣的返流情况;可直接获得主动脉瓣和二尖瓣的跨瓣压差(图8(a)是根据本发明实施例的某时刻左心纵截面压力分布的示意图,如图8(a)所示,通过CFD可以可视化左心纵截面的血液压力分布)、心输出量(图8(b)是根据本发明实施例的某时刻左心纵截面速度分布的示意图,如图8(b)所示,通过CFD可以可视化左心纵截面的血液流速分布)、射血分数等参数,并利用粒子追踪技术显示二尖瓣及主动脉瓣的返流情况(图8(c)是根据本发明实施例的左心纵截面的血液返流情况示意图,如图8(c),可以利用粒子追踪技术显示二尖瓣及主动脉瓣的返流情况)。
图9是根据本发明实施例的利用CFD技术输出心脏病评价指标的流程图,如图9所示,利用CFD技术获取心脏病评价指标的常规步骤如下:
步骤1)、获取4D医学影像数据。
步骤2)、生成患者的4D解剖模型。
步骤3)、将不同时刻的解剖模型进行配准,获得心脏及瓣膜在每两个时刻之间的变形位移。
步骤4)、进行全左心的CFD仿真计算。
步骤5)、输出各种心脏病评价指标为临床提供诊断依据。
需要说明的是,在本发明实施例中,主要对上述步骤4)进行了优化与创新,图10是根据本发明实施例的利用CFD技术进行全左心CFD仿真计算的流程图,如图10所示,下面详细介绍上述步骤4)中的详细步骤:
步骤一、读入已有的4D影像及变形场。
步骤二、设置仿真所需的基本物理量,如密度、粘度等。
步骤三、自动设置4D仿真所需的时间步长,其中,可设置较大时间步长,无需满足CFL<1;可设置自适应时间步长;从而使整个4D仿真过程所需时间大大降低。
步骤四、自动识别仿真模型的边界,并设置边界条件,其中,该步骤自动读取、无需干预。
步骤五、全自动生成CFD仿真所需的网格;(根据输入影像自动生成相对应的网格)
步骤六、在GPU上完成整个心动周期单个或多个模块的仿真计算过程,以实现更快计算并且多个模块一起仿真计算时更精准,来生成的速度和压力。
步骤七、在GPU上完成全部后处理过程,以更快可视化出心脏的模型。
步骤八、自动输出各种心脏病评价指标,动态输出二尖瓣及主动脉瓣的返流情况。
由上可知,通过本发明实施例来直接利用CFD技术更高效、更精准、全自动的获得跨瓣压差、心输出量、射血分数、二尖瓣及主动脉瓣的返流情况等重要的心脏病评价指标。
实施例2
根据本发明实施例的另外一个方面,还提供了一种心脏指标的获取装置,图11是根据本发明实施例的心脏指标的获取装置的示意图,如图11所示,包括:获取单元111、生成单元113、确定单元115以及仿真单元117。下面对该心脏指标的获取装置进行说明。
获取单元111,用于获取一组或多组时序三维医学影像数据,其中,一组或多组时序三维医学影像数据为分别在不同时刻采集的心脏器官的医学影像数据;
生成单元113,用于利用一组或多组时序三维医学影像数据中的每一组时序三维医学影像数据生成心脏器官在不同时刻的三维解剖模型;
确定单元115,用于基于不同时刻的三维解剖模型确定心脏器官的变化信息;
仿真单元117,用于基于变化信息以及一组或多组时序三维医学影像数据对心脏器官进行仿真处理,得到心脏器官的指标。
此处需要说明的是,上述获取单元111、生成单元113、确定单元115以及仿真单元117对应于实施例1中的步骤S102至S108,上述模块与对应的步骤所实现的实例和应用场景相同,但不限于上述实施例1所公开的内容。需要说明的是,上述模块作为装置的一部分可以在诸如一组计算机可执行指令的计算机系统中执行。
由上可知,在本发明实施例中,首先可以借助获取单元111获取一组或多组时序三维医学影像数据,其中,一组或多组时序三维医学影像数据为分别在不同时刻采集的心脏器官的医学影像数据;接着可以借助生成单元113利用一组或多组时序三维医学影像数据中的每一组时序三维医学影像数据生成心脏器官在不同时刻的三维解剖模型;接着可以借助确定单元115基于不同时刻的三维解剖模型确定心脏器官的变化信息;最后可以借助仿真单元117基于变化信息以及一组或多组时序三维医学影像数据对心脏器官进行仿真处理,得到心脏器官的指标。通过本发明实施例提供的心脏指标的获取装置,达到了获取一组或多组思维心脏医学影像数据得到心脏器官的变化信息和仿真结果以得到心脏器官的指标的目的,从而实现了提升对心脏系数获取的准确性的技术效果,进而解决了相关技术中采用计算流体学CFD仿真分析时会把患者的心脏结构拆分成多个组成部分单独进行仿真分析,导致求解时间大幅增加,可靠性较低的技术问题。
可选地,确定单元,包括:配置模块,用于将不同时刻的三维解剖模型进行配准,得到心脏器官在每相邻两个时刻之间的变化信息。
可选地,仿真单元,包括:第一确定模块,用于确定仿真处理所需的时间步长以及边界条件;生成模块,用于基于一组或多组时序三维医学影像数据生成仿真处理所需的网格;仿真模块,用于将变化信息以及一组或多组时序三维医学影像数据输入至图像处理器GPU,以利用GPU按照时间步长、边界条件以及网格对变化信息以及一组或多组时序三维医学影像数据进行仿真处理。
可选地,该心脏指标的获取装置还包括:二值化处理模块,用于在将变化信息以及一组或多组时序三维医学影像数据输入至图像处理器GPU之前,将一组或多组时序三维医学影像数据进行二值化处理,得到二值化影像;格式转换模块,用于将二值化影像以及变化信息进行格式转换,得到预定格式的二值化影像文件以及预定格式的变化信息。
可选地,该心脏指标的获取装置还包括:存储及存储模块,用于对预定格式的二值化影像按照心动周期的时序进行命名并存储。
可选地,该心脏指标的获取装置还包括:设置模块,用于在利用GPU按照时间步长、边界条件以及网格对变化信息以及一组或多组时序三维医学影像数据进行仿真处理之前,设置仿真处理所需的基本物理量,其中,基本物理量包括以下至少之一:血液密度、血液动力粘度。
可选地,该心脏指标的获取装置还包括:调整模块,用于在确定仿真处理所需的时间步长之后,根据时间步长收敛条件判断值对时间步长进行动态调整。
可选地,生成模块,包括:确定子模块,用于确定预定格式的二值化影像文件的尺寸信息以及间隔信息;生成子模块,用于基于尺寸信息以及间隔信息生成网格。
可选地,该心脏指标的获取装置还包括:输出单元,用于在基于变化信息以及一组或多组时序三维医学影像数据对心脏器官进行仿真处理,得到心脏器官的指标之后,输出心脏器官的二尖瓣以及主动脉瓣的以下至少之一信息:跨瓣压差、心输出量、射血分数;展示单元,用于展示二尖瓣以及主动脉瓣的返流信息。
实施例3
根据本发明实施例的另外一个方面,还提供了一种计算机可读存储介质,计算机可读存储介质包括存储的计算机程序,其中,在计算机程序运行时控制计算机可读存储介质所在设备执行上述中任意一项的心脏指标的获取方法。
实施例4
根据本发明实施例的另外一个方面,还提供了一种处理器,该处理器用于运行计算机程序,其中,在计算机程序运行时控制处理器所在设备执行上述中任意一项的心脏指标的获取方法。
上述本发明实施例序号仅仅为了描述,不代表实施例的优劣。
在本发明的上述实施例中,对各个实施例的描述都各有侧重,某个实施例中没有详述的部分,可以参见其他实施例的相关描述。
在本申请所提供的几个实施例中,应该理解到,所揭露的技术内容,可通过其它的方式实现。其中,以上所描述的装置实施例仅仅是示意性的,例如所述单元的划分,可以为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口,单元或模块的间接耦合或通信连接,可以是电性或其它的形式。
所述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单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外,在本发明各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。
所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可为个人计算机、服务器或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、移动硬盘、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述仅是本发明的优选实施方式,应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明原理的前提下,还可以做出若干改进和润饰,这些改进和润饰也应视为本发明的保护范围。
Claims (9)
1.一种心脏指标的获取方法,其特征在于,包括:
获取一组或多组时序三维医学影像数据,其中,所述一组或多组时序三维医学影像数据为分别在不同时刻采集的心脏器官的医学影像数据;
利用所述一组或多组时序三维医学影像数据中的每一组时序三维医学影像数据生成所述心脏器官在所述不同时刻的三维解剖模型;
基于所述不同时刻的三维解剖模型确定所述心脏器官的变化信息;
基于所述变化信息以及所述一组或多组时序三维医学影像数据对所述心脏器官进行仿真处理,得到所述心脏器官的指标;
其中,基于所述变化信息以及所述不同时刻的三维解剖模型对所述心脏器官进行仿真处理,包括:确定所述仿真处理所需的时间步长以及边界条件;基于所述一组或多组时序三维医学影像数据生成所述仿真处理所需的网格;将所述变化信息以及所述一组或多组时序三维医学影像数据输入至图像处理器GPU,以利用所述GPU按照所述时间步长、所述边界条件以及所述网格对所述变化信息以及所述一组或多组时序三维医学影像数据进行仿真处理,其中,所述仿真处理所需的时间步长通过以下方式获取:根据每两个周期之间的变形场的大小,自动确定所述时间步长;根据每个时间步CFL数的大小,动态改变所述时间步长,所述每个时间步CFL数通过以下方式确定:确定所述时间步长与每一个所述网格的尺寸之间的比值;根据所述比值与血流速度的乘积来确定所述每个时间步CFL数;
其中,在将所述变化信息以及所述一组或多组时序三维医学影像数据输入至图像处理器GPU之前,所述方法还包括:将所述一组或多组时序三维医学影像数据进行二值化处理,得到二值化影像;将所述二值化影像以及所述变化信息进行格式转换,得到预定格式的二值化影像文件以及所述预定格式的变化信息;其中,基于所述一组或多组时序三维医学影像数据生成所述仿真处理所需的网格,包括:确定所述预定格式的二值化影像文件的尺寸信息以及间隔信息;基于所述尺寸信息以及所述间隔信息生成所述网格。
2.根据权利要求1所述的方法,其特征在于,基于所述不同时刻的三维解剖模型确定所述心脏器官的变化信息,包括:
将所述不同时刻的三维解剖模型进行配准,得到所述心脏器官在每相邻两个时刻之间的变化信息。
3.根据权利要求1所述的方法,其特征在于,所述方法还包括:
对所述预定格式的二值化影像按照心动周期的时序进行命名并存储。
4.根据权利要求1所述的方法,其特征在于,在利用所述GPU按照所述时间步长、所述边界条件以及所述网格对所述变化信息以及所述一组或多组时序三维医学影像数据进行仿真处理之前,所述方法还包括:设置所述仿真处理所需的基本物理量,其中,所述基本物理量包括以下至少之一:血液密度、血液动力粘度。
5.根据权利要求1所述的方法,其特征在于,在确定所述仿真处理所需的时间步长之后,所述方法还包括:
根据时间步长收敛条件判断值对所述时间步长进行动态调整。
6.根据权利要求1至5中任一项所述的方法,其特征在于,在基于所述变化信息以及所述一组或多组时序三维医学影像数据对所述心脏器官进行仿真处理,得到所述心脏器官的指标之后,所述方法还包括:
输出所述心脏器官的二尖瓣以及主动脉瓣的以下至少之一信息:跨瓣压差、心输出量、射血分数;
展示所述二尖瓣以及所述主动脉瓣的返流信息。
7.一种心脏指标的获取装置,其特征在于,包括:
获取单元,用于获取一组或多组时序三维医学影像数据,其中,所述一组或多组时序三维医学影像数据为分别在不同时刻采集的心脏器官的医学影像数据;
生成单元,用于利用所述一组或多组时序三维医学影像数据中的每一组时序三维医学影像数据生成所述心脏器官在所述不同时刻的三维解剖模型;
确定单元,用于基于所述不同时刻的三维解剖模型确定所述心脏器官的变化信息;
仿真单元,用于基于所述变化信息以及所述一组或多组时序三维医学影像数据对所述心脏器官进行仿真处理,得到所述心脏器官的指标;
其中,所述仿真单元,包括:第一确定模块,用于确定所述仿真处理所需的时间步长以及边界条件;生成模块,用于基于所述一组或多组时序三维医学影像数据生成所述仿真处理所需的网格;仿真模块,用于将所述变化信息以及所述一组或多组时序三维医学影像数据输入至图像处理器GPU,以利用所述GPU按照所述时间步长、所述边界条件以及所述网格对所述变化信息以及所述一组或多组时序三维医学影像数据进行仿真处理,其中,所述仿真处理所需的时间步长通过以下方式获取:根据每两个周期之间的变形场的大小,自动确定所述时间步长;根据每个时间步CFL数的大小,动态改变所述时间步长,所述每个时间步CFL数通过以下方式确定:确定所述时间步长与每一个所述网格的尺寸之间的比值;根据所述比值与血流速度的乘积来确定所述每个时间步CFL数;
其中,所述装置还包括:二值化处理模块,用于在将所述变化信息以及所述一组或多组时序三维医学影像数据输入至图像处理器GPU之前,将所述一组或多组时序三维医学影像数据进行二值化处理,得到二值化影像;格式转换模块,用于将所述二值化影像以及所述变化信息进行格式转换,得到预定格式的二值化影像文件以及所述预定格式的变化信息;
其中,所述生成模块,包括:确定子模块,用于确定所述预定格式的二值化影像文件的尺寸信息以及间隔信息;生成子模块,用于基于所述尺寸信息以及所述间隔信息生成所述网格。
8.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质包括存储的计算机程序,其中,在所述计算机程序运行时控制所述计算机可读存储介质所在设备执行权利要求1至6中任意一项所述的心脏指标的获取方法。
9.一种处理器,其特征在于,所述处理器用于运行计算机程序,其中,在所述计算机程序运行时控制所述处理器所在设备执行权利要求1至6中任意一项所述的心脏指标的获取方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111679868.5A CN114297957B (zh) | 2021-12-31 | 2021-12-31 | 心脏指标的获取方法及其装置、计算机可读存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111679868.5A CN114297957B (zh) | 2021-12-31 | 2021-12-31 | 心脏指标的获取方法及其装置、计算机可读存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114297957A CN114297957A (zh) | 2022-04-08 |
CN114297957B true CN114297957B (zh) | 2024-02-27 |
Family
ID=80976167
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111679868.5A Active CN114297957B (zh) | 2021-12-31 | 2021-12-31 | 心脏指标的获取方法及其装置、计算机可读存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114297957B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117476187B (zh) * | 2023-12-25 | 2024-04-19 | 福建自贸试验区厦门片区Manteia数据科技有限公司 | 4d影像生成方法、装置及计算机可读存储介质 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101916333A (zh) * | 2010-08-12 | 2010-12-15 | 四川大学华西医院 | 经食道心脏超声可视化仿真系统及方法 |
CN111048184A (zh) * | 2019-12-24 | 2020-04-21 | 江苏大学 | 一种针对心衰患者ct图像建模及分级系统 |
-
2021
- 2021-12-31 CN CN202111679868.5A patent/CN114297957B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101916333A (zh) * | 2010-08-12 | 2010-12-15 | 四川大学华西医院 | 经食道心脏超声可视化仿真系统及方法 |
CN111048184A (zh) * | 2019-12-24 | 2020-04-21 | 江苏大学 | 一种针对心衰患者ct图像建模及分级系统 |
Also Published As
Publication number | Publication date |
---|---|
CN114297957A (zh) | 2022-04-08 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
EP3382642B1 (en) | Highly integrated annotation and segmentation system for medical imaging | |
Fedele et al. | Polygonal surface processing and mesh generation tools for the numerical simulation of the cardiac function | |
CN110400283B (zh) | 实时且准确的软组织变形预测 | |
US10296809B2 (en) | Method and system for fast patient-specific cardiac electrophysiology simulations for therapy planning and guidance | |
D’Elia et al. | Applications of variational data assimilation in computational hemodynamics | |
US20120203530A1 (en) | Method and System for Patient-Specific Computational Modeling and Simulation for Coupled Hemodynamic Analysis of Cerebral Vessels | |
CN109559326A (zh) | 一种血流动力学参数计算方法、系统及电子设备 | |
US20210012887A1 (en) | Method of estimation physiological parameters using medical image data | |
Wang et al. | GPU acceleration of volumetric lattice Boltzmann method for patient-specific computational hemodynamics | |
CN114297957B (zh) | 心脏指标的获取方法及其装置、计算机可读存储介质 | |
US10482215B2 (en) | Unified computational method and system for patient-specific hemodynamics | |
Tay et al. | Towards patient-specific cardiovascular modeling system using the immersed boundary technique | |
Nguyen et al. | A semi-automated method for patient-specific computational flow modelling of left ventricles | |
CN110634572A (zh) | 基于力学方程的血管血流模拟方法及相关装置 | |
RU2719951C2 (ru) | Моделирование анатомической структуры методом конечных элементов | |
WO2022206024A1 (zh) | 一种内部组织模型的构建方法及终端设备 | |
JP6032610B2 (ja) | 表示処理プログラム、表示処理方法及び表示処理装置 | |
CN110742688B (zh) | 血管模型建立方法、装置及可读取存储介质 | |
JP2022519876A (ja) | 対象となる導管を通る流体の流れを決定するシステムおよび方法 | |
Itu et al. | Graphics processing unit accelerated one‐dimensional blood flow computation in the human arterial tree | |
CN110675957B (zh) | 血管血流模拟方法及相关装置 | |
Dahl | Numerical simulations of blood flow in the left side of the heart | |
KR102516382B1 (ko) | Lbm 기반의 혈류 시뮬레이션 장치, 방법 및 컴퓨터 프로그램 | |
US20220079676A1 (en) | Simulation method and system | |
Wang | Studying Computational Methods for Biomedical Geometry Extraction and Patient Specific Hemodynamics |
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 |