CN114882977A - 基于流体动力学的放射栓塞效率评估方法 - Google Patents
基于流体动力学的放射栓塞效率评估方法 Download PDFInfo
- Publication number
- CN114882977A CN114882977A CN202111185151.5A CN202111185151A CN114882977A CN 114882977 A CN114882977 A CN 114882977A CN 202111185151 A CN202111185151 A CN 202111185151A CN 114882977 A CN114882977 A CN 114882977A
- Authority
- CN
- China
- Prior art keywords
- embolization
- efficiency
- blood vessel
- fluid dynamics
- flow
- 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
- 238000000034 method Methods 0.000 title claims abstract description 42
- 239000012530 fluid Substances 0.000 title claims abstract description 37
- 208000005189 Embolism Diseases 0.000 title claims description 40
- 230000002285 radioactive effect Effects 0.000 title abstract description 8
- 210000004204 blood vessel Anatomy 0.000 claims abstract description 102
- 230000010102 embolization Effects 0.000 claims abstract description 68
- 238000002059 diagnostic imaging Methods 0.000 claims abstract description 27
- 210000000056 organ Anatomy 0.000 claims abstract description 23
- 230000011218 segmentation Effects 0.000 claims abstract description 17
- 230000006378 damage Effects 0.000 claims abstract description 15
- 238000012545 processing Methods 0.000 claims abstract description 12
- 238000007781 pre-processing Methods 0.000 claims abstract description 11
- 208000027418 Wounds and injury Diseases 0.000 claims abstract description 9
- 208000014674 injury Diseases 0.000 claims abstract description 9
- 239000004005 microsphere Substances 0.000 claims description 37
- 230000005855 radiation Effects 0.000 claims description 36
- 238000004364 calculation method Methods 0.000 claims description 26
- 238000002347 injection Methods 0.000 claims description 18
- 239000007924 injection Substances 0.000 claims description 18
- 238000011156 evaluation Methods 0.000 claims description 13
- 230000008816 organ damage Effects 0.000 claims description 13
- 238000005094 computer simulation Methods 0.000 claims description 8
- 238000002372 labelling Methods 0.000 claims description 6
- 238000004088 simulation Methods 0.000 claims description 6
- 238000013507 mapping Methods 0.000 claims description 2
- 230000017531 blood circulation Effects 0.000 abstract description 10
- 230000002792 vascular Effects 0.000 abstract description 3
- 238000002697 interventional radiology Methods 0.000 abstract description 2
- 206010028980 Neoplasm Diseases 0.000 description 7
- 239000008280 blood Substances 0.000 description 6
- 210000004369 blood Anatomy 0.000 description 6
- 230000003902 lesion Effects 0.000 description 4
- 238000004458 analytical method Methods 0.000 description 3
- 238000013528 artificial neural network Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 239000011159 matrix material Substances 0.000 description 3
- 239000002245 particle Substances 0.000 description 3
- 238000012549 training Methods 0.000 description 3
- 201000011510 cancer Diseases 0.000 description 2
- 238000007405 data analysis Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000001914 filtration Methods 0.000 description 2
- 231100000915 pathological change Toxicity 0.000 description 2
- 230000036285 pathological change Effects 0.000 description 2
- 230000010110 radioembolization Effects 0.000 description 2
- 238000007619 statistical method Methods 0.000 description 2
- 208000024172 Cardiovascular disease Diseases 0.000 description 1
- 230000000903 blocking effect Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 239000011248 coating agent Substances 0.000 description 1
- 238000000576 coating method Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000003745 diagnosis Methods 0.000 description 1
- 238000013399 early diagnosis Methods 0.000 description 1
- 238000002592 echocardiography Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000010247 heart contraction Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 230000008447 perception Effects 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 238000011002 quantification Methods 0.000 description 1
- 239000002331 radioactive microsphere Substances 0.000 description 1
- 239000000941 radioactive substance Substances 0.000 description 1
- 230000000730 radioembolic effect Effects 0.000 description 1
- 238000001959 radiotherapy Methods 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 239000000243 solution Substances 0.000 description 1
- 238000002604 ultrasonography Methods 0.000 description 1
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
- 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
-
- 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
-
- 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
-
- 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
-
- 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
- A61B2034/107—Visualisation of planned trajectories or target regions
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Geometry (AREA)
- Public Health (AREA)
- Surgery (AREA)
- Life Sciences & Earth Sciences (AREA)
- Veterinary Medicine (AREA)
- Algebra (AREA)
- Molecular Biology (AREA)
- Animal Behavior & Ethology (AREA)
- Biomedical Technology (AREA)
- Robotics (AREA)
- Computer Graphics (AREA)
- Primary Health Care (AREA)
- Software Systems (AREA)
- Epidemiology (AREA)
- Radiology & Medical Imaging (AREA)
- Heart & Thoracic Surgery (AREA)
- Computing Systems (AREA)
- Fluid Mechanics (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Mathematical Physics (AREA)
- Pure & Applied Mathematics (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Apparatus For Radiation Diagnosis (AREA)
Abstract
本发明涉及介入放射学血管栓塞技术领域，公开了一种基于流体动力学的放射栓塞效率评估方法，获取当前医学影像学图像并进行预处理，基于构建的血管识别模型对预处理后的医学影像学图像进行处理和分割；基于血管图像对分割后得到的横截面进行命名；基于流体动力学获取各个横截面和各个血管出口流量，并各个横截面和各个血管出口流量计算出不同栓塞位置注射时的栓塞效率和器官损伤情况，通过对血管的分割、命名和计算，通过得到的分支血液流量与总的血液流量的比值，能对栓塞效率进行精确的预判。
Description
技术领域
本发明涉及介入放射学血管栓塞技技术领域，尤其涉及一种基于流体动力学的放射栓塞效率评估方法。
背景技术
放射性栓塞术是将放射性疗法和一种被称为“栓塞术”的医疗手段相结合的产物，目前主要用于治疗癌症。简言之，就是让含有放射性物质的微小粒子注入血管，通过血液流动，最终堵塞流向癌细胞的血液。但是，目前栓塞效率难以精确的预判。
发明内容
本发明的目的在于提供一种基于流体动力学的放射栓塞效率评估方法，能对栓塞效率进行精确的预判。
为实现上述目的，本发明提供了一种基于流体动力学的放射栓塞效率评估方法，包括以下步骤：
获取当前医学影像学图像并进行预处理，基于构建的血管识别模型对预处理后的所述医学影像学图像进行处理和分割；
基于血管树对分割后得到的横截面进行命名，并对对应的所述横截面进行标注以及三维重建；
基于流体动力学获取三维重建后的各栓塞部位各个血管出口流量，并基于栓塞部位各个血管出口流量计算出不同栓塞位置注射时的栓塞效率和器官损伤情况；
基于流量比例计算各个血管出口的微球放射数量，然后利用统计模拟方法分析微球的放射剂量及分布，绘制放射剂量分布三维云图。
其中，所述方法还包括：
基于所述微球放射剂量对器官的损害度进行评估。
其中，所述方法还包括：
对栓塞位置和所述微球放射剂量进行映射，并进行实时展示。
其中，基于血管树对分割后得到的横截面进行命名，并对对应的所述横截面进行标注以及三维重建，包括：
基于血管树的分叉结构对分割后得到的横截面进行命名，并将名称标注在对应的横截面上；
当所有的横截面标注完成后，对所述医学影像学图像进行三维重建，得到三维血管模型。
其中，基于流体动力学获取三维重建后的各栓塞部位各个血管出口流量，并基于栓塞部位各个血管出口流量计算出不同栓塞位置注射时的栓塞效率和器官损伤情况，包括：
基于分割后的血管树，基于流体动力学对三维重建后的模型展开计算，获取栓塞部位各个血管出口的流量；
基于分割后的血管分段以及分段横截面，计算栓塞效率和器官损伤情况，通过流体动力学的计算模型以及计算得出的栓塞效率，利用三维云图展示不同栓塞位置注射时的栓塞效率。
其中，基于分割后的血管分段以及分段截面，计算栓塞效率和器官损伤情况，通过流体动力学的计算模型以及计算得出的栓塞效率，利用三维云图展示不同栓塞位置注射时的栓塞效率，包括：
基于分割后的血管分段以及分段截面，计算各段总分支与各段分支流量；
根据分支与总分支的流量比值计算出对应的栓塞效率和器官损伤情况；
基于流体动力学的计算模型以及计算得出的栓塞效率，三维云图展示不同栓塞位置注射时的栓塞效率。
其中，基于分割后的血管分段以及分段截面，计算栓塞效率和器官损伤情况，通过流体动力学的计算模型以及计算得出的栓塞效率，利用三维云图展示不同栓塞位置注射时的栓塞效率之后，所述方法还包括：
根据所述栓塞效率和对应的三维云图数值，以及器官损伤情况，对栓塞位置注射点进行调整。
本发明的一种基于流体动力学的放射栓塞效率评估方法，获取当前医学影像学图像并进行预处理，基于构建的血管识别模型对预处理后的所述医学影像学图像进行处理和分割；基于血管树对分割后得到的横截面进行命名，并对对应的所述横截面进行标注以及三维重建；基于流体动力学获取三维重建后的各栓塞部位各个血管出口流量，并基于栓塞部位各个血管出口流量计算出不同栓塞位置注射时的栓塞效率和器官损伤情况；基于流量比例计算各个血管出口的微球放射数量，然后利用统计模拟方法分析微球的放射剂量及分布，绘制放射剂量分布三维云图，通过对血管的分割、命名和计算，能对栓塞效率进行精确的预判。
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，下面描述中的附图仅仅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是本发明提供的一种基于流体动力学的放射栓塞效率评估方法的步骤示意图。
图2是本发明提供的一种基于流体动力学的放射栓塞效率评估方法的流程示意图。
图3是本发明提供的一种基于流体动力学的放射栓塞剂量评估系统的结构示意图。
1-图像处理模块、2-分割命名模块、3-栓塞效率计算模块、4-器官损伤评估模块、5-微球放射评估模块。
具体实施方式
下面详细描述本发明的实施例，所述实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，旨在用于解释本发明，而不能理解为对本发明的限制。
在本发明的描述中，需要理解的是，术语“长度”、“宽度”、“上”、“下”、“前”、“后”、“左”、“右”、“竖直”、“水平”、“顶”、“底”“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。此外，在本发明的描述中，“多个”的含义是两个或两个以上，除非另有明确具体的限定。
请参阅图1和图2，本发明提供一种基于流体动力学的放射栓塞效率评估方法，包括以下步骤：
S101、获取当前医学影像学图像并进行预处理，基于构建的血管识别模型对预处理后的所述医学影像学图像进行处理和分割。
具体的，包括以下流程步骤：
S1011、基于大数据技术获取多个连续多帧采集的血管影像，对每一个所述血管影像进行处理和神经网络训练，构建所述血管识别模型。
具体为：首先，在进行识别判断之前，需要构建血管识别模型，包括以下步骤：
基于大数据技术获取多个连续多帧采集的血管影像，并对所述血管影像进行预处理。
具体为：基于大数据技术获取含病变的连续多帧采集的血管影像，采集帧数应该包含在一个心脏跳动周期内，才能保证采集的数据的准确，当通过医学成像系统采集到血管影像后，需要对其进行预处理，其中，预处理包括灰度转换、边缘识别、边缘优化等处理，同时，还需要获取每一个血管的流量。
预处理为：对器官期图像序列进行数据裁剪，采用双线性插值对裁剪后的数据插值，然后利用各向异性滤波去噪；并转换为灰度图，同时，将对应的灰度值进行对应赋值.
(2)对器官图像进行血管增强处理，分割出血管，然后提取中心线；其具体实现步骤为：
(2.1)器官血管增强；
(a1)调整器官图像的窗宽、窗位，并对灰度值进行归一化，获得归一化后的器官图像；
(a2)统计并分析归一化后的器官图像直方图，确定感兴趣灰度范围，即血管的灰度范围；
(a3)在感兴趣灰度范围内，对器官图像进行基于Hessian矩阵的多尺度滤波，得到增强的图像。
对预处理后的所述血管影响进行特征值提取，并将所述特征值输入神经网络中进行训练，构建所述血管识别模型。
具体为，由于血管壁在超声图像是表现为典型的“双线条”，即两条平行的强回声，被低回声区和无回声区所分隔，因此，选择“双线条”为研究对象，提取出其包含的纹理特征值，包括：阶统计特征、分形维数纹理分析、灰度共生矩阵、灰度差分统计、局部灰度差分矩阵及统计特征矩阵；其中，1、所述一阶统计特征又称为灰度直方图，它反映一幅图像灰度分布的总体统计特性，其主要包括血管壁区域的灰度均值和标准差。2、分形维数作为图像表面不规则程度的度量，它与人类视觉对图像表面纹理粗糙程度的感知是一致的，即分形维数越大，对应的图像表面越粗糙；反之，分形维数越小对应的图像表面越光滑。3、灰度共生矩阵特征是描述纹理特征最常见的方法之一，其主要目的是统计图像内像素和灰度在空间的分布情况。4、灰度差分统计法的基本原理是描述纹理图像各象素及其相邻象素之间的灰度变化情况。
采用Minitab统计软件对所述纹理特征值进行统计分析，得出有显著差异的纹理特征参数群，并创建所述纹理特征参数群，用于血管壁病变的早期识别诊断。所述血管壁图像纹理特征的量化和提取方法包括采用分类器对健康体和病变体的血管图像进行分类。即从所述纹理特征参数群中，根据临床知识和经验选取最佳的特征参数，并采用分类器，如KNN(k-NearestNeighbor)分类器对健康体和病变体的血管(如颈总)超声图像进行分类。由此，利用所述血管壁图像纹理特征的量化和提取方法进行血管壁病变检测时，可以将分类结果用于指导血管病变的判别，为心血管疾病的早期诊断和治疗提供的依据。
当分类完成后，利用分类后的数据数据神经网络中进行训练学习，得到所述血管识别模型，在后期的识别过程中，可以直接利用所述血管识别模型对获取的影像图像进行识别划分，减少计算过程以及计算量。
S1012、获取当前医学影像学图像并输入构建的血管识别模型中进行识别判断，得到病变血管分支。
具体的，利用医学成像设备获取当前医学影像学图像，并将其输入构建的血管识别模型中进行识别判断，得到病变血管分支，其中，所述病变血管分支包括能有肿瘤或者病变部分，简单来说就是我们关心的血流分布的分叉，使后期计算过程仅针对病变或者关系部分进行计算，减少计算量，保证计算误差。
S1013、基于所述病变血管分支对当前所述医学影像学图像进行预处理，得到待分割的血管图像。
具体的，根据所述病变血管分支，对当前获取的所述医学影像学图像中没有病变的血管进行覆盖，得到待分割的血管图像，其中，所述预处理还包括除覆盖外的涂覆、隐藏中的任一种处理方法。
S1014、获取所述血管图像中的分叉端点，沿血管中心线的法线方向切开当前所述分叉端点。
具体的，根据所述血管图像中的血管走向，获取每一个分叉端点，其具体流程为：利用扫描设备获取所述血管图像中的每一个血管的中心线以及对应的流速；基于所述扫描设备的采样频率，获取相邻两帧频率之间的流速是否相同，直至所述血管图像扫描完成；若相同，则当前血管无分叉端点；若不相同，则表明当前两帧频率之间存在分叉端点，由于存在分叉端点将主血管的流速进行分流，导致速率不同，能够准确的判断两者之间是否存在分叉端点。
根据所述分叉端点，沿着所述分叉端点前的血管中心线的法线方向切开当前所述分叉端点，即在分叉前沿血管中心线的法线方向切开血管模型，做一个横截面，用这个横截面分开血管，在分叉前的血管构建一个横截面，能够将分叉后的血管截面都展示出来，便于后续的计算分析，也便于命名标记。
S102、基于血管树对分割后得到的横截面进行命名，并对对应的所述横截面进行标注以及三维重建。
具体的，当当前所述血管图像中的所有的所述分叉端点分割完成后，基于所述血管树，按照数据层级关系，对得到的横截面进行命名；主要是对这个横截面进行命名，例如命名为1，那么经过这个横截面之后的分叉，就命名为11、12，每个分叉再分叉，就命名为111、112和121、122，逐级向下分割和命名。本申请是使用垂直于血管中心线的横截面分割开血管，然后是对这些横截面进行命名。下一级根节点会在上一级根节点上增加一位数，直至所有节点命名完成，基于命名规则，可以直观的显示出当前节点的走向。自动分割、自动命名的目的是为了后续进行流体动力学计算后便于抓取不同区域、截面的流场参数，从而进行数据分析。
当命名完成后，将名称标注在对应的横截面上，并当所有的横截面标注完成后，对所述医学影像学图像进行三维重建，即将分割后的图像重建恢复为最接近真实图像的三维血管模型，这样方便后续对放射栓塞的计算、查找以及模型的分析。
S103、基于流体动力学获取三维重建后的各栓塞部位各个血管出口流量，并基于栓塞部位各个血管出口流量计算出不同栓塞位置注射时的栓塞效率和器官损伤情况。
具体的，基于分割后的血管树，基于流体动力学对三维重建后的模型展开计算，获取栓塞部位各个血管出口的流量；将得到的流量利用对应的节点命名进行标记，便于直观的了解是哪一个血管出口的流量。
详细流程为：
根据分割后的血管分段以及分段截面，计算各段总分支与各段分支流量；
根据分支与总分支的流量比值计算出对应的栓塞效率和器官损伤情况；
基于流体动力学的计算模型以及计算得出的栓塞效率，三维云图展示不同栓塞位置注射时的栓塞效率。
根据所述栓塞效率和对应的三维云图数值，以及器官损伤情况，对栓塞位置注射点进行调整。
其中，栓塞效率的计算是基于分割和命名之后的描述，就是已经有了血管三维模型，并且已经有了分割和命名，而且最关键的是，基于分割命名后的模型开展了计算流体动力学的计算。其实栓塞效率的计算是对流体动力学计算结果的一个后处理，即对数据进行加工得到在不同位置注射微球颗粒时的栓塞效率。
栓塞效率其实默认带有放射性的微球完全跟随血液流动，血液流动到哪里，就携带微球到了哪里。比如打进去了100个微球，但是血管有分叉，在我们关注的一个分叉等级处，发现有40个微球出现了，那我们就说在目前的注射点注射，在我们关注的地方栓塞效率是40％(40％＝40/100*100％)。换言之，也可以认为是流量的比值，因为我们默认微球就是均匀地分布在血液中的，并且随血液流动。还是同样的数字比例，用流量来描述就是：在注射点的位置血液流量是100，但是血管有分叉，血液会流到不同的分叉里面去，在我们关注的一个分叉等级处，发现某个血管只有40的血液流量，那么我们也可以说在目前的注射点注射，在我们关注的地方栓塞效率是40％(40％＝40/100*100％)。
由于计算对应的流体是血液，作为液体忽略其可压缩性，所以在流体动力学计算完成之后，我们关注的各个层级的截面，例如1、11、12、111、112、121、122……等等各截面都可以得到其流量大小，而且1截面的流量等于11截面和12截面的流量之和，也等于111截面、112截面、121截面、122截面的流量之和。同理，11截面的流量等于111截面、112截面的流量之和；12截面的流量等于121截面、122截面的流量之和。
我们所关心的栓塞效率其实指的是在某个位置注射时，我们所关心区域的微粒总数。例如在1截面注射100个微球，在111截面得到了20个微球，如果111截面下的血管正好就是要供给给肿瘤的血管，那么我们就说在1截面及1截面往上的主干区域注射时，在肿瘤处(即111截面)处的栓塞效率是20％；如果用流量来表达，也是同样的道理，1截面处的流量是100，而111截面处的流量是20，那么就说在1截面及1截面往上的主干区域注射时，在肿瘤处(即111截面)处的栓塞效率是20％。
这样评估还有一个很大的好处就是通过一次流体动力学计算，就可以得到各个截面的流量，只要把关心位置处，例如肿瘤处的血液流量与计划注射处的血液流量进行相处，其比值就是在计划注射处注射时关心位置的栓塞效率。即通过一次流体动力学计算，可以对计算结果进行后处理得到不同注射位置注射、不同关心位置的栓塞效率，只要将后者与前者相除即可。
S104、基于流量比例计算各个血管出口的微球放射数量，然后利用统计模拟方法分析微球的放射剂量及分布，绘制放射剂量分布三维云图。
具体的，根据所述栓塞效率和流量比例，计算出各个血管出口的微球放射数量，然后计算出各个血管出口的微球放射剂量，基于所述微球放射剂量计算出微球放射范围，并基于所述微球放射范围和微球放射剂量对器官的损害度进行评估；其中，基于统计模拟方法计算辐射剂量分布；流量比例也就是微球数量在各个出口的比例，通常认为微球是均布在血液中的，所以流量比例即微球比例，微球又是辐射源，所以可以据此推测微球放射范围，以及根据此微球放射范围估算对器官的损害，即误杀了器官健康组织。
其中，基于微球数量计算出口的放射剂量，这部分可以做成实时显示的状态，便于治疗人员直观的掌握当前的微球放射剂量以及所处的位置，同时，根据放射剂量对器官的影响的评估，可以起到指导手术的作用，可以便于治疗人员分析当前手术过程中注射位置的合理性。
请参阅图3，本发明提供一种基于流体动力学的放射栓塞剂量评估系统，包括依次连接的图像处理模块1、分割命名模块2、栓塞效率计算模块3、器官损伤评估模块4和微球放射评估模块5；
所述图像处理模块1，获取医学影像学图像并进行预处理，基于构建的血管识别模型对预处理后的所述医学影像学图像进行处理；
所述分割命名模块2，对重建后的血管进行分割和命名，目的是为了后续进行流体动力学计算后便于抓取不同区域、截面的流场参数，从而进行数据分析；
所述栓塞效率计算模块3，用于获取栓塞部位各个血管出口流量，并基于所述流量计算出不同栓塞位置注射时的栓塞效率；
所述器官损伤评估模块4，计算出不同栓塞位置注射时的器官损伤情况；
所述微球放射评估模块5，用于基于流量比例计算各个血管出口的微球放射数量，然后利用统计模拟方法分析微球的放射剂量及分布，绘制放射剂量分布三维云图，并基于所述微球放射剂量对器官的损害度进行评估。
在本实施方式中，关于一种基于流体动力学的放射栓塞剂量评估系统的具体限定可以参见上文中对于一种基于流体动力学的放射栓塞效率评估方法的限定，在此不再赘述。上述一种基于流体动力学的放射栓塞剂量评估系统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。
以上所揭露的仅为本发明一种较佳实施例而已，当然不能以此来限定本发明之权利范围，本领域普通技术人员可以理解实现上述实施例的全部或部分流程，并依本发明权利要求所作的等同变化，仍属于发明所涵盖的范围。
Claims (7)
1.一种基于流体动力学的放射栓塞效率评估方法，其特征在于，包括以下步骤：
获取当前医学影像学图像并进行预处理，基于构建的血管识别模型对预处理后的所述医学影像学图像进行处理和分割；
基于血管树对分割后得到的横截面进行命名，并对对应的所述横截面进行标注以及三维重建；
基于流体动力学获取三维重建后的各栓塞部位各个血管出口流量，并基于栓塞部位各个血管出口流量计算出不同栓塞位置注射时的栓塞效率和器官损伤情况；
基于流量比例计算各个血管出口的微球放射数量，然后利用统计模拟方法分析微球的放射剂量及分布，绘制放射剂量分布三维云图。
2.如权利要求1所述的基于流体动力学的放射栓塞效率评估方法，其特征在于，所述方法还包括：
基于所述微球放射剂量对器官的损害度进行评估。
3.如权利要求1所述的基于流体动力学的放射栓塞效率评估方法，其特征在于，所述方法还包括：
对栓塞位置和所述微球放射剂量进行映射，并进行实时展示。
4.如权利要求1所述的基于流体动力学的放射栓塞效率评估方法，其特征在于，基于血管树对分割后得到的横截面进行命名，并对对应的所述横截面进行标注以及三维重建，包括：
基于血管树的分叉结构对分割后得到的横截面进行命名，并将名称标注在对应的横截面上；
当所有的横截面标注完成后，对所述医学影像学图像进行三维重建，得到三维血管模型。
5.如权利要求4所述的基于流体动力学的放射栓塞效率评估方法，其特征在于，基于流体动力学获取三维重建后的各栓塞部位各个血管出口流量，并基于栓塞部位各个血管出口流量计算出不同栓塞位置注射时的栓塞效率和器官损伤情况，包括：
基于分割后的血管树，基于流体动力学对三维重建后的模型展开计算，获取栓塞部位各个血管出口的流量；
基于分割后的血管分段以及分段横截面，计算栓塞效率和器官损伤情况，通过流体动力学的计算模型以及计算得出的栓塞效率，利用三维云图展示不同栓塞位置注射时的栓塞效率。
6.如权利要求5所述的基于流体动力学的放射栓塞效率评估方法，其特征在于，基于分割后的血管分段以及分段截面，计算栓塞效率和器官损伤情况，通过流体动力学的计算模型以及计算得出的栓塞效率，利用三维云图展示不同栓塞位置注射时的栓塞效率，包括：
基于分割后的血管分段以及分段截面，计算各段总分支与各段分支流量；
根据分支与总分支的流量比值计算出对应的栓塞效率和器官损伤情况；
基于流体动力学的计算模型以及计算得出的栓塞效率，三维云图展示不同栓塞位置注射时的栓塞效率。
7.如权利要求6所述的基于流体动力学的放射栓塞效率评估方法，其特征在于，基于分割后的血管分段以及分段截面，计算栓塞效率和器官损伤情况，通过流体动力学的计算模型以及计算得出的栓塞效率，利用三维云图展示不同栓塞位置注射时的栓塞效率之后，所述方法还包括：
根据所述栓塞效率和对应的三维云图数值，以及器官损伤情况，对栓塞位置注射点进行调整。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111185151.5A CN114882977A (zh) | 2021-10-12 | 2021-10-12 | 基于流体动力学的放射栓塞效率评估方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111185151.5A CN114882977A (zh) | 2021-10-12 | 2021-10-12 | 基于流体动力学的放射栓塞效率评估方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN114882977A true CN114882977A (zh) | 2022-08-09 |
Family
ID=82666889
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202111185151.5A Pending CN114882977A (zh) | 2021-10-12 | 2021-10-12 | 基于流体动力学的放射栓塞效率评估方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114882977A (zh) |
Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101763642A (zh) * | 2009-12-31 | 2010-06-30 | 华中科技大学 | 一种用于冠脉造影三维重建的匹配方法 |
| CN102068269A (zh) * | 2011-01-21 | 2011-05-25 | 南京信息工程大学 | 用于人体器官局部血流的无损伤定量测定方法 |
| US20150178467A1 (en) * | 2013-12-20 | 2015-06-25 | Siemens Aktiengesellschaft | Method to determine a patient-specific injection profile for administering a therapeutic substance |
| CN106650267A (zh) * | 2016-12-28 | 2017-05-10 | 北京昆仑医云科技有限公司 | 应用计算流体力学来模拟计算血流储备分数的系统和方法 |
| WO2019173758A1 (en) * | 2018-03-09 | 2019-09-12 | Corflow Therapeutics Ag | System for diagnosing and treating microvascular obstructions |
| US20200093991A1 (en) * | 2018-09-21 | 2020-03-26 | Corflow Therapeutics Ag | Method and apparatus for diagnosis and treatment of microvascular dysfunction |
| CN111127552A (zh) * | 2020-03-26 | 2020-05-08 | 南京景三医疗科技有限公司 | 血管三维重建方法、医疗设备及存储介质 |
| CN111986137A (zh) * | 2019-05-21 | 2020-11-24 | 梁红霞 | 生物器官病变检测方法、装置、设备及可读存储介质 |
-
2021
- 2021-10-12 CN CN202111185151.5A patent/CN114882977A/zh active Pending
Patent Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101763642A (zh) * | 2009-12-31 | 2010-06-30 | 华中科技大学 | 一种用于冠脉造影三维重建的匹配方法 |
| CN102068269A (zh) * | 2011-01-21 | 2011-05-25 | 南京信息工程大学 | 用于人体器官局部血流的无损伤定量测定方法 |
| US20150178467A1 (en) * | 2013-12-20 | 2015-06-25 | Siemens Aktiengesellschaft | Method to determine a patient-specific injection profile for administering a therapeutic substance |
| CN106650267A (zh) * | 2016-12-28 | 2017-05-10 | 北京昆仑医云科技有限公司 | 应用计算流体力学来模拟计算血流储备分数的系统和方法 |
| WO2019173758A1 (en) * | 2018-03-09 | 2019-09-12 | Corflow Therapeutics Ag | System for diagnosing and treating microvascular obstructions |
| US20200093991A1 (en) * | 2018-09-21 | 2020-03-26 | Corflow Therapeutics Ag | Method and apparatus for diagnosis and treatment of microvascular dysfunction |
| CN111986137A (zh) * | 2019-05-21 | 2020-11-24 | 梁红霞 | 生物器官病变检测方法、装置、设备及可读存储介质 |
| CN111127552A (zh) * | 2020-03-26 | 2020-05-08 | 南京景三医疗科技有限公司 | 血管三维重建方法、医疗设备及存储介质 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109583440B (zh) | 结合影像识别与报告编辑的医学影像辅助诊断方法及系统 | |
| CN113781439B (zh) | 超声视频病灶分割方法及装置 | |
| CN105913432B (zh) | 基于ct序列图像的主动脉提取方法及装置 | |
| CN103501699B (zh) | 用于隔离成像数据中的潜在异常的方法和装置和其对医学图像的应用 | |
| US11468570B2 (en) | Method and system for acquiring status of strain and stress of a vessel wall | |
| DE102012108121A1 (de) | Verfahren und System für ultraschallgestützte automatische Erkennung, Quantifizierung und Nachverfolgung von Pathologien | |
| CN102301394B (zh) | 透壁灌注梯度图像分析 | |
| DE102005040438A1 (de) | Verfahren und Vorrichtung zur Embolieanalyse | |
| CN110946619B (zh) | 血管内超声自动影像组学分析系统及分析方法 | |
| CN108109151B (zh) | 基于深度学习和形变模型超声心动图心室分割方法及装置 | |
| US11600379B2 (en) | Systems and methods for generating classifying and quantitative analysis reports of aneurysms from medical image data | |
| CN111063018A (zh) | 一种基于深度学习的血管内超声图像三维重建方法及系统 | |
| JPWO2016159379A1 (ja) | 血管形状構築装置、その方法及びコンピュータソフトウエアプログラム | |
| CN111429457A (zh) | 图像局部区域亮度智能评价方法、装置、设备及介质 | |
| CN112508902A (zh) | 白质高信号分级方法、电子设备及存储介质 | |
| CN102171725B (zh) | 脑室分析 | |
| Ali et al. | Echocardiogram segmentation using active shape model and mean squared eigenvalue error | |
| DE10255527B4 (de) | Erzeugung von Kandidaten für gefäßassoziierte Pulmonalknoten | |
| CN108734771A (zh) | 基于三维医学影像的血管提取系统及分析方法 | |
| CN114882977A (zh) | 基于流体动力学的放射栓塞效率评估方法 | |
| CN114359208B (zh) | 头颈血管分割方法及装置、可读存储介质及电子设备 | |
| CN114880960A (zh) | 基于流体动力学的放射栓塞剂量及注射位置评估方法 | |
| CN111971751A (zh) | 用于评估动态数据的系统和方法 | |
| Jiang et al. | A new method for segmentation of the coronary arteries of interest and diameter measurement | |
| CN114880961B (zh) | 基于流体动力学的血管分割和命名方法 |
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 | ||
| RJ01 | Rejection of invention patent application after publication | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20220809 |