CN114530252A - 冠状动脉血流动力学模拟仿真方法及装置 - Google Patents

冠状动脉血流动力学模拟仿真方法及装置 Download PDF

Info

Publication number
CN114530252A
CN114530252A CN202210218592.9A CN202210218592A CN114530252A CN 114530252 A CN114530252 A CN 114530252A CN 202210218592 A CN202210218592 A CN 202210218592A CN 114530252 A CN114530252 A CN 114530252A
Authority
CN
China
Prior art keywords
model
vessel
blood
coronary artery
pressure
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
Application number
CN202210218592.9A
Other languages
English (en)
Inventor
杨健
晏清
艾丹妮
肖德强
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.)
Beijing Institute of Technology BIT
Original Assignee
Beijing Institute of Technology BIT
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 Beijing Institute of Technology BIT filed Critical Beijing Institute of Technology BIT
Priority to CN202210218592.9A priority Critical patent/CN114530252A/zh
Publication of CN114530252A publication Critical patent/CN114530252A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
    • G16H50/50—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for simulation or modelling of medical disorders
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/20—Design optimisation, verification or simulation
    • G06F30/23—Design optimisation, verification or simulation using finite element methods [FEM] or finite difference methods [FDM]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/20—Design optimisation, verification or simulation
    • G06F30/28—Design optimisation, verification or simulation using fluid dynamics, e.g. using Navier-Stokes equations or computational fluid dynamics [CFD]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
    • G06T17/20—Finite element generation, e.g. wire-frame surface description, tesselation
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H30/00—ICT specially adapted for the handling or processing of medical images
    • G16H30/40—ICT specially adapted for the handling or processing of medical images for processing medical images, e.g. editing
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2113/00—Details relating to the application field
    • G06F2113/08—Fluids
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
    • G06F2119/14—Force analysis or force optimisation, e.g. static or dynamic forces

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Health & Medical Sciences (AREA)
  • Geometry (AREA)
  • Public Health (AREA)
  • Medical Informatics (AREA)
  • General Engineering & Computer Science (AREA)
  • Epidemiology (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Computer Hardware Design (AREA)
  • Evolutionary Computation (AREA)
  • Computer Graphics (AREA)
  • Computing Systems (AREA)
  • Data Mining & Analysis (AREA)
  • Biomedical Technology (AREA)
  • Pathology (AREA)
  • Software Systems (AREA)
  • Algebra (AREA)
  • Databases & Information Systems (AREA)
  • Fluid Mechanics (AREA)
  • Mathematical Analysis (AREA)
  • Mathematical Optimization (AREA)
  • Mathematical Physics (AREA)
  • Pure & Applied Mathematics (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Radiology & Medical Imaging (AREA)
  • Apparatus For Radiation Diagnosis (AREA)

Abstract

冠状动脉血流动力学模拟仿真方法及装置，能够精确获得病人个体化边界条件，同时提高仿真效率，进而获取冠状动脉各个分支的FFRct值。方法包括：(1)构建个体化冠脉三维模型，进行自适应网格划分；(2)构建基于优化降阶的个体化集中参数边界条件；(3)对多尺度模型耦合求解，获取病人的FFRct值；所述步骤(1)包括：从患者CTA图像中提取血管三维结构；在冠脉CTA数据中选择控制点生成血管中心线路径；从血管中心线的垂面上构建血管管腔横截面，针对狭窄和钙化区域进行多边形耦合；通过拟合方法创建血管实体模型。

Description

冠状动脉血流动力学模拟仿真方法及装置
技术领域
本发明涉及医学图像处理的技术领域，尤其涉及一种冠状动脉血流动力学模拟仿真方法，以及冠状动脉血流动力学模拟仿真装置。
背景技术
冠脉血流储备分数，也就是FFR(Fraction Flow Reservation)，FFR的计算公式为：FFR＝Pd/Pa，其中Pd、Pa为d点和a点的血流压力。也就是以血管阻塞病变为界，血管远端的血流压力值与近端的血流压力值的比值。
测量时，需要放置一根专门的压力导丝到血管内部，压力导丝带有压力测量传感器。分别在a点和d点测量压力，然后计算出FFR。
在正常没有阻塞的情况下，假定血管是一根粗细完全均匀的管道，那么d点的压力值Pd和a点的压力值Pa应该完全相等，也就是FFR＝Pd/Pa近似为1。当存在阻塞病变时，d点压力值Pd会变小，相应FFR值也变小。因此，临床上会设定一个阈值，当FFR小于此阈值时，则认为阻塞会诱发心肌缺血，需要进行手术干预。此外，由于心血管肯定是由粗缓慢变细的，会对血流产生阻力，因此临床上需要使用腺苷或ATP等血管扩张剂，来尽可能减轻这种来自血管本身的影响。
可以看出，FFR是依靠专门的压力导丝，在血管内部阻塞病变两端，真正测量血流压力。因此FFR可以说是最准确、最可靠的，目前仍然是金标准。但FFR的缺点在于：首先，压力导丝的费用很高，患者和医保的负担重；其次，部分患者对腺苷或ATP等药物过敏，影响了FFR的适用范围；再有，由于既要使用导丝，还有注射药物，整个FFR的操作步骤比较复杂，操作时间也长。
FFRCT则是对FFR缺陷的一种解决方案。FFRCT采用常规CT冠脉造影图像(CTA)，采用一定算法，从图像中一方面提取血管的解剖学形态信息，另一方面提取血管的生理学信息，将两方面信息相结合，可以建立起血流动力学模型，从而能够在任意的冠脉上的任意位置计算FFR。
边界条件是血流动力学模拟仿真的约束条件，其准确性对计算仿真的结果非常关键。然而冠状动脉血管结构复杂，很难通过测量等方法直接获取准确的边界条件，且不同病人之间也存在较大差异。
为实现冠状动脉血流动力学精准仿真，合适的边界条件至关重要。由于难以直接获得冠状动脉中的测量值，因而几乎不可能预先知道流量或压力的波形。为解决这个问题，已经开发了的多尺度模拟，可将三维模拟与边界处简化为耦合模型。这些模型将仿真模型上游和下游血管中的压力和流速描述为阻力、顺应性和阻抗，但是如何确定这些患者特定参数的值仍然是一个难题。
发明内容
为克服现有技术的缺陷，本发明要解决的技术问题是提供了一种冠状动脉血流动力学模拟仿真方法，其能够精确获得病人个体化边界条件，同时提高仿真效率，进而获取冠状动脉各个分支的FFRct值。
本发明的技术方案是：这种冠状动脉血流动力学模拟仿真方法，其包括以下步骤：
(1)构建个体化冠脉三维模型，进行自适应网格划分；
(2)构建基于优化降阶的个体化集中参数边界条件；
(3)对多尺度模型耦合求解，获取病人的FFRct值；
所述步骤(1)包括以下分步骤：
(1.1)从患者CTA图像中提取血管三维结构；
(1.2)在冠脉CTA数据中选择控制点生成血管中心线路径；
(1.3)从血管中心线的垂面上构建血管管腔横截面，针对狭窄和钙化区域进行多边形耦合；
(1.4)通过拟合方法创建血管实体模型。
本发明通过构建个体化冠脉三维模型，进行自适应网格划分，构建基于优化降阶的个体化集中参数边界条件，对多尺度模型耦合求解，获取病人的FFRct值，因此能够精确获得病人个体化边界条件，同时提高仿真效率，进而获取冠状动脉各个分支的FFRct值。
还提供了冠状动脉血流动力学模拟仿真装置，其包括：
建模模块，其配置来构建个体化冠脉三维模型，进行自适应网格划分；
条件模块，其配置来构建基于优化降阶的个体化集中参数边界条件；
求解模块，其配置来对多尺度模型耦合求解，获取病人的FFRct值；
其中，建模模块执行：从患者CTA图像中提取血管三维结构；在冠脉CTA数据中选择控制点生成血管中心线路径；从血管中心线的垂面上构建血管管腔横截面，针对狭窄和钙化区域进行多边形耦合；通过拟合方法创建血管实体模型。
附图说明
图1示出了SV中冠脉三维血管模型构建。
图2示出了冠脉三维血管自适应网格划分。
图3示出了冠脉集中参数模型。
图4是根据本发明的冠状动脉血流动力学模拟仿真方法的流程图。
具体实施方式
如图4所示，这种冠状动脉血流动力学模拟仿真方法，其包括以下步骤：
(1)构建个体化冠脉三维模型，进行自适应网格划分；
(2)构建基于优化降阶的个体化集中参数边界条件；
(3)对多尺度模型耦合求解，获取病人的FFRct值；(FFRct为基于冠脉CT血管造影计算的无创血流储备分数，Computation of fractional flow reserve from CCTA data)
所述步骤(1)包括以下分步骤：
(1.1)从患者CTA图像中提取血管三维结构；
(1.2)在冠脉CTA数据中选择控制点生成血管中心线路径；
(1.3)从血管中心线的垂面上构建血管管腔横截面，针对狭窄和钙化区域进行多边形耦合；
(1.4)通过拟合方法创建血管实体模型。
本发明通过构建个体化冠脉三维模型，进行自适应网格划分，构建基于优化降阶的个体化集中参数边界条件，对多尺度模型耦合求解，获取病人的FFRct值，因此能够精确获得病人个体化边界条件，同时提高仿真效率，进而获取冠状动脉各个分支的FFRct值。
优选地，所述步骤(1)中，自适应网格划分包括：
(1.5)根据不同血管尺度自适应更改网格密度；
(1.6)在血管中，血流速度在血管壁变化梯度较高，在血管壁区域增加边界层提高计算精度；
(1.7)自动识别狭窄病变区域，实现局部网格加密处理。
优选地，所述步骤(2)包括以下分步骤：
(2.1)采用遗传优化算法，以病人临床参数与仿真参数差异作为优化目标，解决集中参数模型中各个参数的优化问题；
(2.2)采用降阶方法将三维血管模型降阶为一维血管模型，用来表示血流和血压在血管中的波传递过程，提高参数优化效率；
(2.3)构建分叉、狭窄、分叉狭窄病变波传递损失模型，计算血流流经特殊血管结构的流速和压力损失；
(2.4)执行集中模型参数收敛，获得个体化集中参数模型的边界条件。
优选地，所述步骤(3)中，构建3D冠状动脉系统和0D集中参数模型的耦合结构，用集中参数模型为3D冠脉模型的血流动力学提供真实的边界条件；
三维模型的控制方程为标准Navier-Stokes方程：
Figure BDA0003530404040000051
Figure BDA0003530404040000052
其中，ρ是血液密度，v为血流速度，p是压力，τ是应力张量的粘性部分。
优选地，所述步骤(3)中，采用开源软件SV中的数值解算器求解，使用基于非结构网格有限元离散来获得公式(1)的数值解；通过设置求解参数获取冠状动脉中血流和血压的分布情况，随后通过各个点的压力除以主动脉压力来获取对应的FFRct值。
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步骤是可以通过程序来指令相关的硬件来完成，所述的程序可以存储于一计算机可读取存储介质中，该程序在执行时，包括上述实施例方法的各步骤，而所述的存储介质可以是：ROM/RAM、磁碟、光盘、存储卡等。因此，与本发明的方法相对应的，本发明还同时包括一种冠状动脉血流动力学模拟仿真装置，该装置通常以与方法各步骤相对应的功能模块的形式表示。该装置包获取模块，其配置来获取待分割的图像；
建模模块，其配置来构建个体化冠脉三维模型，进行自适应网格划分；
条件模块，其配置来构建基于优化降阶的个体化集中参数边界条件；
求解模块，其配置来对多尺度模型耦合求解，获取病人的FFRct值；
其中，建模模块执行：从患者CTA图像中提取血管三维结构；在冠脉CTA数据中选择控制点生成血管中心线路径；从血管中心线的垂面上构建血管管腔横截面，针对狭窄和钙化区域进行多边形耦合；通过拟合方法创建血管实体模型。
优选地，所述建模模块还执行：根据不同血管尺度自适应更改网格密度；在血管中，血流速度在血管壁变化梯度较高，在血管壁区域增加边界层提高计算精度；自动识别狭窄病变区域，实现局部网格加密处理。
优选地，所述条件模块执行：
采用遗传优化算法，以病人临床参数与仿真参数差异作为优化目标，解决集中参数模型中各个参数的优化问题；
采用降阶方法将三维血管模型降阶为一维血管模型，用来表示血流和血压在血管中的波传递过程，提高参数优化效率；
构建分叉、狭窄、分叉狭窄病变波传递损失模型，计算血流流经特殊血管结构的流速和压力损失；
执行集中模型参数收敛，获得个体化集中参数模型的边界条件。
优选地，所述求解模块执行：
构建3D冠状动脉系统和0D集中参数模型的耦合结构，用集中参数模型为3D冠脉模型的血流动力学提供真实的边界条件；
三维模型的控制方程为标准Navier-Stokes方程：
Figure BDA0003530404040000071
Figure BDA0003530404040000072
其中，ρ是血液密度，v为血流速度，p是压力，τ是应力张量的粘性部分。
优选地，所述求解模块中，采用开源软件SV中的数值解算器求解，使用基于非结构网格有限元离散来获得公式(1)的数值解；通过设置求解参数获取冠状动脉中血流和血压的分布情况，随后通过各个点的压力除以主动脉压力来获取对应的FFRct值。
以下更详细地说明本发明的内容。
本发明的方法包括：
1.个体化冠脉三维模型构建与网格划分
为研究冠状动脉血管内部的血流动力学情况，需创建冠状动脉的三维血管模型。本文采用斯坦福大学研发的开源软件SimVascular(SV)从患者CTA图像中提取血管三维结构。首先在冠脉CTA数据中选择控制点生成血管中心线路径，然后从血管中心线的垂面上构建血管管腔横截面，针对狭窄和钙化区域进行多边形耦合，最后通过拟合算法创建血管实体模型。对于冠状动脉FFRct的计算，生成的三维模型包括部分升主动脉，左冠和右冠。具体结构如图1所示，1(a)为正常情况的血管管腔截面构建，1(b)为存在钙化狭窄情况下，利用灰度梯度等信息实现的狭窄管腔截面构建，1(c)为整个血管树的路径与截面总和，1(d)为最后生成的三维血管模型，生成过程基于B样条拟合算法。
血流动力学仿真中，网格的疏密会影响计算效率与计算精度，本文基于Tetgen开源软件，提出自适应网格划分算法。针对冠状动脉血流动力学仿真过程中三维模型几何尺度特点与血流在管腔内的流动特征，通过三个方案优化网格划分步骤：1)主动脉和冠脉血管管径相差为十倍左右，采用统一大尺度导致小血管网格划分精度低，采用统一小尺度导致计算时间大大增加，根据不同血管尺度自适应更改网格密度，如图2(a)所示。2)在血管中，血流速度在血管壁变化梯度较高，在血管壁区域增加边界层提高计算精度，如图2(b)所示。3)在狭窄病变区域，血流变化较大，且需要较高的计算精度，自动识别狭窄病变区域，实现局部网格加密处理，如图2(c)所示。最终网格划分效果如图2(d)所示。
2.基于优化降阶的个体化集中参数边界条件构建
为实现冠状动脉血流动力学精准仿真，合适的边界条件至关重要。由于难以直接获得冠状动脉中的测量值，因而几乎不可能预先知道流量或压力的波形。为解决这个问题，已经开发了的多尺度模拟，可将三维模拟与边界处的简化为耦合模型。这些模型将仿真模型上游和下游血管中的压力和流速描述为阻力、顺应性和阻抗，但是如何确定这些患者特定参数的值仍然是一个难题。
在人体血管的主要动脉中，可观测到的动脉壁相对位移改变量约为5％-10％，因而可假设血管壁为刚性壁；对主动脉入口边界条件而言，从文献中可获取血流量随时间变化的波形，根据病人心率、舒张压、收缩压以及病人左心室质量可推算出病人周期内总血流量Q，通过尺度变化可以得到病人特异性血流量入口边界条件；对出口边界条件而言，主动脉出口采用三元素Windkessel模型，通过总血流量以及血压可以计算出Windkessel模型中的参数。冠脉与动脉系统其他部分的流量不同，当心室收缩并增加心肌内压力时，冠状动脉流量减少，心肌内压力对冠状动脉血管施加血管外压力。心室放松时冠状动脉流量增加，从而降低心肌内压和血管外压。为真实地模拟冠状动脉流量和压力，有必要建立心脏模型和动脉系统模型，同时考虑两个模型之间的相互作用，构建病人个体化边界条件。
本文采用KIM等人提出的冠脉出口集中参数边界条件，如图3所示。包括心外膜血管阻力R_a，微循环阻力R_im和静脉血管阻力R_v，动脉血管顺应性C_a和微循环血管顺应性C_im，以及心肌压力Pim。在使用集中参数对不同案例进行仿真时，采取的集中参数大多都是手动调节的方法，在三维模型上进行仿真参数调节都会大大提高时间和人工成本，需要一种便捷、迅速、准确的方法确定集中参数模型中各参数的值。
因此本文提出基于优化降阶的个体化集中参数边界条件构建。采用遗传优化算法，以病人临床参数与仿真参数差异作为优化目标，解决集中参数模型中各个参数的优化问题，若优化过程在三维血管模型上迭代将耗费大量时间，因而采用降阶方法将三维血管模型降阶为一维血管模型，用来表示血流和血压在血管中的波传递过程，提高参数优化效率。然而冠状动脉血管形态复杂，血管分叉、狭窄病变以及分叉病变等情况会影响一维降阶模型的仿真准确性，迭代过程中会产生累积误差，针对该情况，本文构建分叉、狭窄、分叉狭窄病变波传递损失模型，计算血流流经特殊血管结构的流速和压力损失。最后实现集中模型参数收敛，获得个体化集中参数模型边界条件。
2.3 0D-3D多尺度模型耦合求解与后处理
为了获取冠状动脉血管树中各个分支的血流动力学细节，需要精确的三维模型结构以及各个分支真实的边界条件。构建3D冠状动脉系统和0D集中参数模型的耦合结构，用集中参数模型为3D冠脉模型的血流动力学提供真实的边界条件。三维模型的控制方程为标准Navier-Stokes方程：
Figure BDA0003530404040000091
Figure BDA0003530404040000092
式中，ρ是血液密度，v为血流速度，p是压力，τ是应力张量的粘性部分。采用开源软件SV中的数值解算器求解，使用基于非结构网格有限元离散来获得Navier-Stokes方程的数值解。通过设置合适的求解参数获取冠状动脉中血流和血压的分布情况，随后通过各个点的压力除以主动脉压力即可获取对应的FFRct值。
以上所述，仅是本发明的较佳实施例，并非对本发明作任何形式上的限制，凡是依据本发明的技术实质对以上实施例所作的任何简单修改、等同变化与修饰，均仍属本发明技术方案的保护范围。

Claims (10)

1.冠状动脉血流动力学模拟仿真方法，其特征在于：其包括以下步骤：
(1)构建个体化冠脉三维模型，进行自适应网格划分；
(2)构建基于优化降阶的个体化集中参数边界条件；
(3)对多尺度模型耦合求解，获取病人的FFRct值；
所述步骤(1)包括以下分步骤：
(1.1)从患者CTA图像中提取血管三维结构；
(1.2)在冠脉CTA数据中选择控制点生成血管中心线路径；
(1.3)从血管中心线的垂面上构建血管管腔横截面，针对狭窄和钙化区域进行多边形耦合；
(1.4)通过拟合方法创建血管实体模型。
2.根据权利要求1所述的冠状动脉血流动力学模拟仿真方法，其特征在于：所述步骤(1)中，自适应网格划分包括：
(1.5)根据不同血管尺度自适应更改网格密度；
(1.6)在血管中，血流速度在血管壁变化梯度较高，在血管壁区域增加边界层提高计算精度；
(1.7)自动识别狭窄病变区域，实现局部网格加密处理。
3.根据权利要求1所述的冠状动脉血流动力学模拟仿真方法，其特征在于：所述步骤(2)包括以下分步骤：
(2.1)采用遗传优化算法，以病人临床参数与仿真参数差异作为优化目标，解决集中参数模型中各个参数的优化问题；
(2.2)采用降阶方法将三维血管模型降阶为一维血管模型，用来表示血流和血压在血管中的波传递过程，提高参数优化效率；
(2.3)构建分叉、狭窄、分叉狭窄病变波传递损失模型，计算血流流经特殊血管结构的流速和压力损失；
(2.4)执行集中模型参数收敛，获得个体化集中参数模型的边界条件。
4.根据权利要求3所述的冠状动脉血流动力学模拟仿真方法，其特征在于：所述步骤(3)中，构建3D冠状动脉系统和0D集中参数模型的耦合结构，用集中参数模型为3D冠脉模型的血流动力学提供真实的边界条件；
三维模型的控制方程为标准Navier-Stokes方程：
Figure FDA0003530404030000021
Figure FDA0003530404030000022
其中，ρ是血液密度，v为血流速度，p是压力，τ是应力张量的粘性部分。
5.根据权利要求4所述的冠状动脉血流动力学模拟仿真方法，其特征在于：所述步骤(3)中，采用开源软件SV中的数值解算器求解，使用基于非结构网格有限元离散来获得公式(1)的数值解；通过设置求解参数获取冠状动脉中血流和血压的分布情况，随后通过各个点的压力除以主动脉压力来获取对应的FFRct值。
6.冠状动脉血流动力学模拟仿真装置，其特征在于：其包括：
建模模块，其配置来构建个体化冠脉三维模型，进行自适应网格划分；
条件模块，其配置来构建基于优化降阶的个体化集中参数边界条件；
求解模块，其配置来对多尺度模型耦合求解，获取病人的FFRct值；
其中，建模模块执行：从患者CTA图像中提取血管三维结构；在冠脉CTA数据中选择控制点生成血管中心线路径；从血管中心线的垂面上构建血管管腔横截面，针对狭窄和钙化区域进行多边形耦合；通过拟合方法创建血管实体模型。
7.根据权利要求6所述的冠状动脉血流动力学模拟仿真装置，其特征在于：所述建模模块还执行：根据不同血管尺度自适应更改网格密度；在血管中，血流速度在血管壁变化梯度较高，在血管壁区域增加边界层提高计算精度；自动识别狭窄病变区域，实现局部网格加密处理。
8.根据权利要求7所述的冠状动脉血流动力学模拟仿真装置，其特征在于：所述条件模块执行：
采用遗传优化算法，以病人临床参数与仿真参数差异作为优化目标，解决集中参数模型中各个参数的优化问题；
采用降阶方法将三维血管模型降阶为一维血管模型，用来表示血流和血压在血管中的波传递过程，提高参数优化效率；
构建分叉、狭窄、分叉狭窄病变波传递损失模型，计算血流流经特殊血管结构的流速和压力损失；
执行集中模型参数收敛，获得个体化集中参数模型的边界条件。
9.根据权利要求8所述的冠状动脉血流动力学模拟仿真装置，其特征在于：所述求解模块执行：
构建3D冠状动脉系统和0D集中参数模型的耦合结构，用集中参数模型为3D冠脉模型的血流动力学提供真实的边界条件；
三维模型的控制方程为标准Navier-Stokes方程：
Figure FDA0003530404030000031
Figure FDA0003530404030000032
其中，ρ是血液密度，v为血流速度，p是压力，τ是应力张量的粘性部分。
10.根据权利要求9所述的冠状动脉血流动力学模拟仿真装置，其特征在于：所述求解模块中，采用开源软件SV中的数值解算器求解，使用基于非结构网格有限元离散来获得公式(1)的数值解；通过设置求解参数获取冠状动脉中血流和血压的分布情况，随后通过各个点的压力除以主动脉压力来获取对应的FFRct值。
CN202210218592.9A 2022-03-03 2022-03-03 冠状动脉血流动力学模拟仿真方法及装置 Pending CN114530252A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210218592.9A CN114530252A (zh) 2022-03-03 2022-03-03 冠状动脉血流动力学模拟仿真方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210218592.9A CN114530252A (zh) 2022-03-03 2022-03-03 冠状动脉血流动力学模拟仿真方法及装置

Publications (1)

Publication Number Publication Date
CN114530252A true CN114530252A (zh) 2022-05-24

Family

ID=81627737

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210218592.9A Pending CN114530252A (zh) 2022-03-03 2022-03-03 冠状动脉血流动力学模拟仿真方法及装置

Country Status (1)

Country Link
CN (1) CN114530252A (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114998319A (zh) * 2022-07-18 2022-09-02 浙江大学 图像数据处理方法、装置、图像数据处理设备及存储介质
CN116453697A (zh) * 2022-12-30 2023-07-18 徐州医科大学 基于ffr拟合的冠脉狭窄血流动力学模拟方法及系统
CN117010299A (zh) * 2023-08-09 2023-11-07 山东大学 基于血流动力学耦合模型的脑组织血流情况预测系统

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114998319A (zh) * 2022-07-18 2022-09-02 浙江大学 图像数据处理方法、装置、图像数据处理设备及存储介质
CN114998319B (zh) * 2022-07-18 2022-11-08 浙江大学 图像数据处理方法、装置、图像数据处理设备及存储介质
CN116453697A (zh) * 2022-12-30 2023-07-18 徐州医科大学 基于ffr拟合的冠脉狭窄血流动力学模拟方法及系统
CN116453697B (zh) * 2022-12-30 2023-12-19 徐州医科大学 基于ffr拟合的冠脉狭窄血流动力学模拟方法及系统
CN117010299A (zh) * 2023-08-09 2023-11-07 山东大学 基于血流动力学耦合模型的脑组织血流情况预测系统
CN117010299B (zh) * 2023-08-09 2024-02-09 山东大学 基于血流动力学耦合模型的脑组织血流情况预测系统

Similar Documents

Publication Publication Date Title
JP6796117B2 (ja) 患者固有の幾何学的形状モデルを変更することによって治療を決定する方法及びシステム
EP2942006B1 (en) Method and system for non-invasive computation of hemodynamic indices for coronary artery stenosis
US10162932B2 (en) Method and system for multi-scale anatomical and functional modeling of coronary circulation
CN108294735B (zh) 用于冠状动脉狭窄的非侵入性功能评估的方法和系统
US10354744B2 (en) Non-invasive functional assessment of coronary artery stenosis including simulation of hyperemia by changing resting microvascular resistance
US9629563B2 (en) Method and system for functional assessment of renal artery stenosis from medical images
KR101910233B1 (ko) 맥관구조를 수치 평가하는 시스템들 및 방법들
US10622110B2 (en) Framework for personalization of coronary flow computations during rest and hyperemia
CN108109698B (zh) 计算血流储备分数的系统和设置边界条件的方法
CN114530252A (zh) 冠状动脉血流动力学模拟仿真方法及装置
CN109074870B (zh) 用于对未分辨血管进行识别和建模的系统和方法
KR102130254B1 (ko) 대상자 고유의 혈관에 대한 혈류 시뮬레이션 방법 및 장치
ES2963697T3 (es) Modelización específica de paciente de parámetros hemodinámicos en arterias coronarias
JP7286763B2 (ja) 血管圧力差の取得装置の作動方法及び血管圧力差の取得装置
CN114947910A (zh) 冠脉末端微血管阻力的计算方法及ffr的计算方法、系统
CN113128139A (zh) 一种基于简化的冠脉零维模型和狭窄阻力预测模型快速计算血流储备分数的方法和系统
Yan et al. A multi-dimensional CFD framework for fast patient-specific fractional flow reserve prediction
CN113660900A (zh) 用于确定修改的血流储备分数值的系统和方法
CN114998319B (zh) 图像数据处理方法、装置、图像数据处理设备及存储介质
EA042942B1 (ru) Специфическое для пациента моделирование гемодинамических параметров в коронарных артериях

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