CN114947909A - 基于狭窄病变前后的血液流量比值计算ffr的方法、系统 - Google Patents
基于狭窄病变前后的血液流量比值计算ffr的方法、系统 Download PDFInfo
- Publication number
- CN114947909A CN114947909A CN202110216206.8A CN202110216206A CN114947909A CN 114947909 A CN114947909 A CN 114947909A CN 202110216206 A CN202110216206 A CN 202110216206A CN 114947909 A CN114947909 A CN 114947909A
- Authority
- CN
- China
- Prior art keywords
- model
- blood
- coronary artery
- stenosis
- coronary
- 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
- 208000031481 Pathologic Constriction Diseases 0.000 title claims abstract description 77
- 230000036262 stenosis Effects 0.000 title claims abstract description 77
- 208000037804 stenosis Diseases 0.000 title claims abstract description 77
- 230000017531 blood circulation Effects 0.000 title claims abstract description 72
- 238000000034 method Methods 0.000 title claims abstract description 40
- 210000004351 coronary vessel Anatomy 0.000 claims abstract description 129
- 210000004204 blood vessel Anatomy 0.000 claims abstract description 90
- 230000004089 microcirculation Effects 0.000 claims abstract description 70
- 239000012530 fluid Substances 0.000 claims abstract description 38
- 238000004364 calculation method Methods 0.000 claims abstract description 7
- 210000004165 myocardium Anatomy 0.000 claims description 44
- 210000004369 blood Anatomy 0.000 claims description 42
- 239000008280 blood Substances 0.000 claims description 42
- 230000036770 blood supply Effects 0.000 claims description 26
- 230000002966 stenotic effect Effects 0.000 claims description 16
- 230000000704 physical effect Effects 0.000 claims description 14
- 230000000694 effects Effects 0.000 claims description 13
- 230000036772 blood pressure Effects 0.000 claims description 10
- 230000000747 cardiac effect Effects 0.000 claims description 8
- 238000011144 upstream manufacturing Methods 0.000 claims description 7
- 230000003902 lesion Effects 0.000 claims description 6
- 238000012937 correction Methods 0.000 claims description 4
- 230000008569 process Effects 0.000 claims description 4
- 241001125929 Trisopterus luscus Species 0.000 claims description 3
- 238000012805 post-processing Methods 0.000 claims description 3
- 210000000709 aorta Anatomy 0.000 description 5
- 230000004962 physiological condition Effects 0.000 description 5
- 238000000605 extraction Methods 0.000 description 4
- 230000000877 morphologic effect Effects 0.000 description 4
- 201000000057 Coronary Stenosis Diseases 0.000 description 3
- -1 and laminar flow Substances 0.000 description 3
- 206010011089 Coronary artery stenosis Diseases 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 238000005534 hematocrit Methods 0.000 description 2
- 230000000004 hemodynamic effect Effects 0.000 description 2
- 238000000691 measurement method Methods 0.000 description 2
- 230000002107 myocardial effect Effects 0.000 description 2
- 206010003210 Arteriosclerosis Diseases 0.000 description 1
- 206010020565 Hyperaemia Diseases 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 208000011775 arteriosclerosis disease Diseases 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 208000029078 coronary artery disease Diseases 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 230000000302 ischemic effect Effects 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000035479 physiological effects, processes and functions Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 230000002792 vascular Effects 0.000 description 1
Images
Classifications
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
- A61B6/02—Arrangements for diagnosis sequentially in different planes; Stereoscopic radiation diagnosis
- A61B6/03—Computed tomography [CT]
- A61B6/032—Transmission computed tomography [CT]
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
- A61B6/50—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment specially adapted for specific body parts; specially adapted for specific clinical applications
- A61B6/504—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment specially adapted for specific body parts; specially adapted for specific clinical applications for diagnosis of blood vessels, e.g. by angiography
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
- A61B6/50—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment specially adapted for specific body parts; specially adapted for specific clinical applications
- A61B6/507—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment specially adapted for specific body parts; specially adapted for specific clinical applications for determination of haemodynamic parameters, e.g. perfusion CT
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis 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
-
- 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
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/11—Region-based segmentation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30004—Biomedical image processing
- G06T2207/30101—Blood vessel; Artery; Vein; Vascular
- G06T2207/30104—Vascular flow; Blood flow; Perfusion
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Medical Informatics (AREA)
- Physics & Mathematics (AREA)
- General Health & Medical Sciences (AREA)
- Theoretical Computer Science (AREA)
- High Energy & Nuclear Physics (AREA)
- Biophysics (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Optics & Photonics (AREA)
- Pathology (AREA)
- Radiology & Medical Imaging (AREA)
- Biomedical Technology (AREA)
- Heart & Thoracic Surgery (AREA)
- Molecular Biology (AREA)
- Surgery (AREA)
- Animal Behavior & Ethology (AREA)
- Veterinary Medicine (AREA)
- Public Health (AREA)
- General Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Dentistry (AREA)
- Mathematical Optimization (AREA)
- Computer Hardware Design (AREA)
- Computing Systems (AREA)
- Mathematical Analysis (AREA)
- Algebra (AREA)
- Mathematical Physics (AREA)
- Pure & Applied Mathematics (AREA)
- Fluid Mechanics (AREA)
- Evolutionary Computation (AREA)
- Geometry (AREA)
- General Engineering & Computer Science (AREA)
- Vascular Medicine (AREA)
- Pulmonology (AREA)
- Apparatus For Radiation Diagnosis (AREA)
Abstract
本发明涉及一种基于狭窄病变前后的血液流量比值计算FFR的方法、系统，方法包括以下步骤：根据医学图像建立冠脉树模型并增加侧枝血管；基于冠脉树模型生成未狭窄模型；基于冠脉树模型生成微循环血管模型，得到微循环阻力；结合计算流体力学求解得到冠脉树模型和未狭窄模型的流体参数，根据两个模型上对应截面的平均血流量计算血流储备分数。与现有技术相比，本发明建立冠脉树模型和未狭窄模型，结合计算流体力学求解得到两个模型的平均血流量，计算两个模型上对应截面的血流量的比值得到血流储备分数，回归了血流储备分数的原始定义，降低了FFR的计算误差，得到的FFR更具有可靠性。
Description
技术领域
本发明涉及人体生理学及血液动力学领域，尤其是涉及一种基于狭窄病变前后的血液流量比值计算FFR的方法、系统。
背景技术
冠心病的主要病因是动脉硬化所致的冠脉狭窄。血流储备分数(FFR)指在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理论上正常情况下所能获得的最大血流量之比。FFR可表明冠脉狭窄病变对远端血流产生的影响，用于评估心肌是否缺血，FFR已经成为冠脉狭窄功能性评价的公认指标。
确定FFR的时候，由于难以直接获取血流量的值，FFR的计算往往简化为心肌最大充血状态下的狭窄远端冠状动脉内平均压(Pd)与冠状动脉口部主动脉平均压(Pa)的比值。目前，FFR的获取方式多为侵入式，使用压力导丝来获得狭窄上游和下游的血压以有创地测量FFR值，风险较高，而且费用昂贵。
FFR的另一种获取方式为结合医学图像和计算流体力学(CFD)的无创式测量方法，主要思想是基于医学图像和计算流体力学CFD，构建冠状动脉血流动力学模型，模拟并引入心输出、主动脉压力以及微循环阻力等生理学参数，从而根据模型的流动参数来计算FFR。
中国专利CN201611234903.1公开了一种应用计算流体力学CFD来模拟计算血流储备分数的系统和为血管树的计算流体力学CFD模型设置相应的入口边界条件和出口边界条件的方法。但是，建立的血管树模型不可避免的与人体实际生理状况存在差异，且使用压力的比值代替血流量的比值计算FFR又带来了一定的误差，导致计算得到的FFR与实际FFR存在一定的差异，这极大的限制了FFR无创式测量方法的临床使用。
发明内容
本发明的目的就是为了克服上述现有技术存在的缺陷而提供一种基于狭窄病变前后的血液流量比值计算FFR的方法、系统，建立冠脉树模型和未狭窄模型，结合计算流体力学求解得到两个模型的平均血流量，计算两个模型上对应截面的血流量的比值得到血流储备分数，回归了血流储备分数的原始定义，降低了FFR的计算误差，得到的FFR更具有可靠性。
本发明的目的可以通过以下技术方案来实现：
一种基于狭窄病变前后的血液流量比值计算FFR的方法，包括以下步骤：
S1：获取血常规数据和心脏的医学图像，对医学图像进行分割和重建处理，建立冠脉树模型，所述冠脉树模型含有主动脉根部，在冠脉树模型上增加多个侧枝血管，即增加多个新的冠脉出口，基于冠脉树模型确定心肌的体积和各个冠脉出口的半径；
S2：确定冠脉树模型上的狭窄段，根据狭窄段上游的血管半径和狭窄段下游的血管半径确定狭窄段的理论正常半径，使用理论正常半径修正冠脉树模型，得到未狭窄模型，用于表示未发生狭窄病变的冠脉树模型；
S3：基于心肌的体积和各个冠脉出口的半径，分别确定每一个冠脉出口的供血心肌的体积，生成微循环血管模型，基于血常规数据和微循环血管模型计算得到各个冠脉出口的微循环阻力值；
S4：生成计算流体力学计算网格，建立冠脉树模型的三维CFD模型、未狭窄模型的三维CFD模型和微循环血管模型的一维CFD模型，获取血液的物理属性以及流动方程；
S5：设置冠脉树模型的三维CFD模型的边界条件，设置未狭窄模型的三维CFD模型的边界条件，所述边界条件包括入口边界条件和出口边界条件；
S6：基于冠脉树模型的三维CFD模型的边界条件、血液的物理属性和流动方程，求解得到冠脉树模型各个位置的流体参数；基于未狭窄模型的三维CFD模型的边界条件、血液的物理属性和流动方程，求解得到未狭窄模型各个位置的流体参数；流体参数包括压力、血流量和速度。
S7：在冠脉树模型和未狭窄模型上分别截取至少一个截面并获取各个截面的平均血流量，冠脉树模型的截面与未狭窄模型的截面一一对应且截取位置相同，一个截面的平均血流量为一个心动周期内通过该截面的平均血流量，分别计算各个截面的血流储备分数，一个截面的血流储备分数等于该截面在冠脉树模型上的平均血流量与该截面的对应截面在未狭窄模型上的平均血流量的比值。
优选的，截面的选取位置包括冠脉的上下级两个分叉之间。
优选的，步骤S1中心脏的医学图像为心脏CT图像，对心脏CT图像进行分割，通过形态学操作以及灰度提取得到心肌图像，确定心肌的体积；对心脏CT图像进行分割，通过形态学操作以及灰度提取得到含有主动脉根部的冠脉树，确定各个冠脉出口的面积，将各个冠脉出口的等效半径作为各个冠脉出口的半径；计算并重建各个血管的中心线与血管壁，建立冠脉树模型。
优选的，所述步骤S1中，在冠脉树模型上增加p个(1≤p≤7)侧枝血管，所述侧枝血管的增加位置为冠脉靠近心脏内部的一侧，且处于已有冠脉的上下级两个分叉之间，侧枝血管的长度为3-5mm，侧枝血管的半径为冠脉树模型上已有的血管的最小半径值。
优选的，p的取值是由上下级两分叉之间血管面积的变化量决定的，假设冠脉分叉前后血管半径之间存在以下关系：分叉前血管半径的n次方＝分叉后冠脉半径的n次方之和，则p的值满足以下公式：
p*r侧枝血管)n＝(r上级分叉)n-(r下级分叉)n
其中，r侧枝血管表示侧枝血管的半径，r上级分叉表示上级分叉下游血管的半径，r下级分叉表示下级分叉上游血管的半径，n的取值范围为2.3-2.44。
优选的，所述步骤S2中，通过插值法确定狭窄段的理论正常半径。
优选的，所述步骤S3中确定冠脉出口的供血心肌的体积具体为：依次确定每一个冠脉出口的供血心肌的体积，其中，第i个(1≤i≤N)冠脉出口的供血心肌的体积的计算公式如下：
其中，Vi表示第i个冠脉出口的供血心肌的体积，V表示心肌的体积，ri表示第i个冠脉出口的半径，k表示第k个冠脉出口的半径，N表示冠脉树模型上冠脉出口的数量，n的取值范围为2.3-2.44。
优选的，所述步骤S3中生成微循环血管模型并计算微循环阻力的具体过程如下：
A1：初始化生成微循环血管模型，所述微循环血管模型包括N个冠脉出口，将每一个冠脉出口分别作为一个父代，执行步骤A2；
A2：每一个父代进行一次分叉操作，一个父代得到多个子代，每一个子代即一个血管，将父代的供血心肌分配给每一个子代，按照子代与父代的对应关系将所有的子代添加至微循环血管模型；
A3：遍历上一个步骤获得的所有的子代，如果存在半径大于r0的子代，则将所有半径大于r0的子代作为父代，执行步骤A2，否则，完成小血管树模型的生成；其中，r0为预设置的微循环血管模型最小血管半径；
A4：基于微循环血管模型和血常规数据，利用泊肃叶定理和法林效应计算各个冠脉出口的微循环阻力值。
优选的，所述步骤A2中，一个父代进行一次分叉操作具体为：
将父代的供血心肌等效为椭球体，在椭球体的表面取一个点为根节点，根节点代表父代的出口所在的位置，过根节点将椭球体平均分为m个(2≤m≤5)子部，分别找到每一个子部的质心，连接质心与根节点，得到的m个线段即为m个子代，每一个子代的供血心肌的体积即为一个子部的体积，m个子代的半径相同，且子代的半径r子代与父代的半径r父代满足关系式：m*(r子代)n＝(r父代)n。
优选的，进行分叉操作时，父代的供血心肌等效为球体。
优选的，进行分叉操作时，过根节点将椭球体平均分为2个子部。
优选的，预设置的微循环血管模型最小血管半径r0的大小为0.005mm。
优选的，所述步骤A4中，利用泊肃叶定理计算各段血管的阻力值，其中粘性系数利用法林效应得到，法林效应中的红细胞压积由血常规数据确定，利用电阻的串联并联定理计算得到各个冠脉出口的微循环阻力值。
优选的，所述步骤S5中，冠脉树模型的三维CFD模型的边界条件和设置未狭窄模型的三维CFD模型的边界条件的设置方法相同，均包括以下步骤：
S51：将三维CFD模型的每一个入口边界条件分别设置为对应的冠脉口的血液压力P0，三维CFD模型的每一个出口边界条件分别设置为对应的冠脉口的血液压力的a倍(0<a<1)，即三维CFD模型每一个出口处的压力P＝a*P0；
S52：获取三维CFD模型当前的边界条件，对于三维CFD模型的每一个出口，基于血液的物理属性和流动方程求解三维CFD模型，得到三维CFD模型每一个出口处的血液流量Q；
S53：一维CFD模型的入口与三维CFD模型的出口一一对应，将一维CFD模型的每一个入口边界条件分别设置为对应的三维CFD模型出口处的血液流量Q，将一维CFD模型的每一个出口边界条件分别设置为静脉压力Pout；
S54：根据公式Pin-Pout＝R*Q计算一维CFD模型每一个入口处的血液压力Pin，如果Pin与P互不相等，且差值大于预设置的收敛精度，则分别修正三维CFD模型的每一个出口边界条件，修正公式为P`＝(P*4+Pin)/5，重复步骤S52，否则，将三维CFD模型当前的边界条件作为最终设置的边界条件；其中，R表示微循环阻力值，P`表示修正后的三维CFD模型的出口边界条件。
一种基于狭窄病变前后的血液流量比值计算FFR的系统，基于如上所述的计算FFR的方法，包括：
冠脉树模型生成模块，用于获取心脏的医学图像，对医学图像进行分割和重建处理，得到冠脉树模型并在冠脉树模型上增加多个侧枝血管；
未狭窄模型生成模块，用于根据冠脉树模型建立未狭窄模型；
微循环血管模块，用于建立微循环血管模型以及计算冠脉树模型上的各个冠脉出口所对应的微循环阻力值；
计算网格生成模块，用于为所述冠脉树模型、未狭窄模型和微循环血管模型生成计算流体力学计算网格，从而建立所述冠脉树模型的三维CFD模型、未狭窄模型的三维CFD模型和微循环血管模型的一维CFD模型；
边界条件设置模块，用于设置冠脉树模型的三维CFD模型的边界条件和未狭窄模型的三维CFD模型的边界条件；
属性设置模块，用于设置血液的物理属性以及流动方程；
求解器，基于冠脉树模型的三维CFD模型的边界条件、血液的物理属性和流动方程，求解得到冠脉树模型各处的流体参数，基于未狭窄模型的三维CFD模型的边界条件、血液的物理属性和流动方程，求解得到未狭窄模型各处的流体参数；
后处理模块，基于冠脉树模型上各个截面的平均血流量和未狭窄模型上各个截面的平均血流量计算各个截面的血流储备分数。
优选的，所述属性设置模块中，基于血常规数据和法林效应公式，假设血液为牛顿流体或广义牛顿流体且采用层流、符合个体特异性的血液密度及血流粘性；流动方程包括定常流动方程或非定常流动方程、基于不可压流的Navier-Stokes方程组。
与现有技术相比，本发明具有以下有益效果：
(1)建立冠脉树模型和未狭窄模型，结合计算流体力学求解得到两个模型的平均血流量，计算两个模型上对应截面的血流量的比值得到血流储备分数，回归了血流储备分数的原始定义，降低了FFR的计算误差，得到的FFR更具有可靠性。
(2)在冠脉树模型上增加了侧枝血管，得到的冠脉树模型更加符合实际的生理情况，再通过不断进行分叉操作建立微循环血管模型，从而准确的得到冠脉出口的微循环阻力值，根据微循环阻力值设置边界出口条件，从而降低了冠脉树模型和未狭窄模型与人体实际生理情况之间的差异性，从而提高了血流储备分数计算的准确度。
(3)在增加侧枝血管时，假定分叉前血管半径的n次方等于分叉后冠脉半径的n次方之和，以当前冠脉树模型上血管的最小半径值作为侧枝血管的半径值，再确定侧枝血管的数量，一定程度上消除了医学图像生成冠脉树模型时带来的误差，最终得到冠脉树模型更加贴合人体的实际生理情况。
(4)在生成微循环血管模型时，将供血心肌等效为球体，再进行分叉操作，父代经过分叉操作得到2个子代，再将父代的供血心肌均分给2个子代，直至子代的半径小于0.005mm，更加符合人体的生理状况，得到的微循环阻力的准确度更高。
(5)本申请计算FFR无需有创医疗数据的支持，降低了医疗成本，也避免了有创检测的风险，同时还能通过本申请构建的冠脉树模型准确预估冠脉治疗效果，有助于临床治疗方案的规划。
附图说明
图1为基于狭窄病变前后的血液流量比值计算FFR的方法的流程图；
图2为基于狭窄病变前后的血液流量比值计算FFR的系统的架构示意图；
图3为冠脉末端微血管阻力的计算方法的流程图；
图4为生成微循环血管模型的流程图。
具体实施方式
下面结合附图和具体实施例对本发明进行详细说明。本实施例以本发明技术方案为前提进行实施，给出了详细的实施方式和具体的操作过程，但本发明的保护范围不限于下述的实施例。
实施例1：
一种基于狭窄病变前后的血液流量比值计算FFR的方法，如图1所示，包括以下步骤：
S1：获取血常规数据和心脏的医学图像，对医学图像进行分割和重建处理，建立冠脉树模型，冠脉树模型含有主动脉根部，在冠脉树模型上增加多个侧枝血管，即增加多个新的冠脉出口，基于冠脉树模型确定心肌的体积和各个冠脉出口的半径；
本实施例中，步骤S1中心脏的医学图像为心脏CT图像，对心脏CT图像进行分割，通过形态学操作以及灰度提取得到心肌图像，确定心肌的体积；对心脏CT图像进行分割，通过形态学操作以及灰度提取得到含有主动脉根部的冠脉树，确定各个冠脉出口的面积，将各个冠脉出口的等效半径作为各个冠脉出口的半径；计算并重建各个血管的中心线与血管壁，建立冠脉树模型。
步骤S1中，在冠脉树模型上增加p个(1≤p≤7)侧枝血管，侧枝血管的增加位置为冠脉靠近心脏内部的一侧，且处于已有冠脉的上下级两个分叉之间，侧枝血管的长度为3-5mm，侧枝血管的半径为冠脉树模型上已有的血管的最小半径值。
p的取值是由上下级两分叉之间血管面积的变化量决定的，假设冠脉分叉前后血管半径之间存在以下关系：分叉前血管半径的n次方＝分叉后冠脉半径的n次方之和，则p的值满足以下公式：
p*(r侧枝血管)n＝(r上级分叉)n-(r下级分叉)n
其中，r侧枝血管表示侧枝血管的半径，r上级分叉表示上级分叉下游血管的半径，r下级分叉表示下级分叉上游血管的半径，n的取值范围为2.3-2.44。
S2：确定冠脉树模型上的狭窄段，根据狭窄段上游的血管半径和狭窄段下游的血管半径确定狭窄段的理论正常半径，使用理论正常半径修正冠脉树模型，得到未狭窄模型，用于表示未发生狭窄病变的冠脉树模型；可以通过插值法确定狭窄段的理论正常半径。
S3：基于心肌的体积和各个冠脉出口的半径，分别确定每一个冠脉出口的供血心肌的体积，生成微循环血管模型，基于血常规数据和微循环血管模型计算得到各个冠脉出口的微循环阻力值；
步骤S3中确定冠脉出口的供血心肌的体积具体为：依次确定每一个冠脉出口的供血心肌的体积，其中，第i个(1≤i≤N)冠脉出口的供血心肌的体积的计算公式如下：
其中，Vi表示第i个冠脉出口的供血心肌的体积，V表示心肌的体积，ri表示第i个冠脉出口的半径，rk表示第k个冠脉出口的半径，N表示冠脉树模型上冠脉出口的数量，n的取值范围为2.3-2.44。
冠脉末端微血管阻力的计算方法如图3所示，生成微循环血管模型的流程如图4所示，步骤S3中生成微循环血管模型并计算微循环阻力的具体过程如下：
A1：初始化生成微循环血管模型，微循环血管模型包括N个冠脉出口，将每一个冠脉出口分别作为一个父代，执行步骤A2；
A2：每一个父代进行一次分叉操作，一个父代得到多个子代，每一个子代即一个血管，将父代的供血心肌分配给每一个子代，按照子代与父代的对应关系将所有的子代添加至微循环血管模型；
步骤A2中，一个父代进行一次分叉操作具体为：
将父代的供血心肌等效为椭球体，在椭球体的表面取一个点为根节点，根节点代表父代的出口所在的位置，过根节点将椭球体平均分为m个(2≤m≤5)子部，分别找到每一个子部的质心，连接质心与根节点，得到的m个线段即为m个子代，每一个子代的供血心肌的体积即为一个子部的体积，m个子代的半径相同，且子代的半径r子代与父代的半径r父代满足关系式：m*(r子代)n＝(r父代)n。
本实施例中，进行分叉操作时，将父代的供血心肌等效为球体，过根节点将椭球体平均分为2个子部。一次分叉操作为：先将父代的供血心肌等效为球体，在球体的表面取一个点为根节点，过根节点将椭球体平均分为2个半球体(子部)，分别找到每一个半球体的质心，连接质心与根节点，得到的2个线段即为2个子代(2个血管)，每一个子代的供血心肌即为一个半球体，2个子代的半径相同，且子代的半径r子代与父代的半径r父代满足关系式：2*(r子代)n＝(r父代)n。
A3：遍历上一个步骤获得的所有的子代，如果存在半径大于r0的子代，则将所有半径大于r0的子代作为父代，执行步骤A2，否则，完成小血管树模型的生成；其中，r0为预设置的微循环血管模型最小血管半径；本实施例中，半径r0的大小为0.005mm。
A4：基于微循环血管模型和血常规数据，利用泊肃叶定理和法林效应(含法林效应的逆转)计算各个冠脉出口的微循环阻力值。
步骤A4中，利用泊肃叶定理计算各段血管的阻力值，其中粘性系数利用法林效应得到，法林效应中的红细胞压积由血常规数据确定，利用电阻的串联并联定理计算得到各个冠脉出口的微循环阻力值。
S4：生成计算流体力学计算网格，建立冠脉树模型的三维CFD模型、未狭窄模型的三维CFD模型和微循环血管模型的一维CFD模型，获取血液的物理属性以及流动方程；
S5：设置冠脉树模型的三维CFD模型的边界条件，设置未狭窄模型的三维CFD模型的边界条件，边界条件包括入口边界条件和出口边界条件；
步骤S5中，冠脉树模型的三维CFD模型的边界条件和设置未狭窄模型的三维CFD模型的边界条件的设置方法相同，均包括以下步骤：
S51：将三维CFD模型的每一个入口边界条件分别设置为对应的冠脉口的血液压力P0，三维CFD模型的每一个出口边界条件分别设置为对应的冠脉口的血液压力的a倍(0<a<1)，即三维CFD模型每一个出口处的压力P＝a*P0；
S52：获取三维CFD模型当前的边界条件，对于三维CFD模型的每一个出口，基于血液的物理属性和流动方程求解三维CFD模型，得到三维CFD模型每一个出口处的血液流量Q；
S53：一维CFD模型的入口与三维CFD模型的出口一一对应，将一维CFD模型的每一个入口边界条件分别设置为对应的三维CFD模型出口处的血液流量Q，将一维CFD模型的每一个出口边界条件分别设置为静脉压力Pout；
S54：根据公式Pin-Pout＝R*Q计算一维CFD模型每一个入口处的血液压力Pin，如果Pin与P互不相等，且差值大于预设置的收敛精度，则分别修正三维CFD模型的每一个出口边界条件，修正公式为P`＝(P*4+Pin)/5，重复步骤S52，否则，将三维CFD模型当前的边界条件作为最终设置的边界条件；其中，R表示微循环阻力值，P`表示修正后的三维CFD模型的出口边界条件。
本实施例中，a的取值为0.7。在其他实施方式中，可以根据需要增大或减小a的大小。
S6：基于冠脉树模型的三维CFD模型的边界条件、血液的物理属性和流动方程，求解得到冠脉树模型各个位置的流体参数；基于未狭窄模型的三维CFD模型的边界条件、血液的物理属性和流动方程，求解得到未狭窄模型各个位置的流体参数；
S7：在冠脉树模型和未狭窄模型上分别截取至少一个截面并获取各个截面的平均血流量，冠脉树模型的截面与未狭窄模型的截面一一对应且截取位置相同，一个截面的平均血流量为一个心动周期内通过该截面的平均血流量，分别计算各个截面的血流储备分数，一个截面的血流储备分数等于该截面在冠脉树模型上的平均血流量与该截面的对应截面在未狭窄模型上的平均血流量的比值。
截面的选取位置包括冠脉的上下级两个分叉之间。
一种基于狭窄病变前后的血液流量比值计算FFR的系统，如图2所示，包括：
冠脉树模型生成模块，用于获取心脏的医学图像，对医学图像进行分割和重建处理，得到冠脉树模型并在冠脉树模型上增加多个侧枝血管；
未狭窄模型生成模块，用于根据冠脉树模型建立未狭窄模型；
微循环血管模块，用于建立微循环血管模型以及计算冠脉树模型上的各个冠脉出口所对应的微循环阻力值；
计算网格生成模块，用于为冠脉树模型、未狭窄模型和微循环血管模型生成计算流体力学计算网格，从而建立冠脉树模型的三维CFD模型、未狭窄模型的三维CFD模型和微循环血管模型的一维CFD模型；
边界条件设置模块，用于设置冠脉树模型的三维CFD模型的边界条件和未狭窄模型的三维CFD模型的边界条件；
属性设置模块，用于设置血液的物理属性以及流动方程；属性设置模块中，基于血常规数据和法林效应公式，假设血液为牛顿流体或广义牛顿流体且采用层流、符合个体特异性的血液密度及血流粘性；流动方程包括定常流动方程或非定常流动方程、基于不可压流的Navier-Stokes方程组。
求解器，基于冠脉树模型的三维CFD模型的边界条件、血液的物理属性和流动方程，求解得到冠脉树模型各处的流体参数，基于未狭窄模型的三维CFD模型的边界条件、血液的物理属性和流动方程，求解得到未狭窄模型各处的流体参数；流体参数包括压力、流量和速度。
后处理模块，基于冠脉树模型上各个截面的平均血流量和未狭窄模型上各个截面的平均血流量计算各个截面的血流储备分数。
属性设置模块中，基于血常规数据和法林效应公式，假设血液为牛顿流体或广义牛顿流体且采用层流、符合个体特异性的血液密度及血流粘性；流动方程包括定常流动方程或非定常流动方程、基于不可压流的Navier-Stokes方程组。
实际应用时，冠脉树模型生成模块对患者的医学图像(例如符合DICOM规格的各种医学图像)中的血管进行分析和分割，可以利用vmtk(The Vascular ModelingToolkit)等各种开源软件，基于对医学图像中的血管进行分析和分割的结果，计算并重建生成血管中心线及血管壁，从而构成冠脉树模型。
计算网格生成模块可以利用vmtk等各种开源软件，为冠脉树模型和未狭窄模型生成满足CFD计算要求的高质量计算网格，从而建立冠脉树模型的三维CFD模型和未狭窄模型的三维CFD模型。
现有技术中，难以根据个体特性给出冠脉末端的微循环阻力，建立的冠脉树模型不能准确的反应个体的生理特性，本申请在建立冠脉树模型时，增加了侧枝血管，得到的冠脉树模型更加符合实际的生理情况，再通过不断进行分叉操作建立微循环血管模型，从而准确的得到冠脉出口的微循环阻力值，再根据微循环阻力值设置边界条件，能够体现个体的特异性。
建立冠脉树模型和未狭窄模型，通过计算流体力学得到两个模型的流体参数，未狭窄模型的血流量为未发生狭窄病变时冠脉的血流量，冠脉树模型的血液流量为当前冠脉的血流量，计算两个模型上对应截面的血流量的比值得到血流储备分数，回归了血流储备分数的原始定义，避免了临床实测FFR时的各种假设在数值模拟中很难实现的问题，使得计算得到的FFR更具有可靠性。
此外，本申请无需有创医疗数据的支持，降低了医疗成本，也避免了有创检测的风险。同时还能通过本申请构建的冠脉树模型准确预估冠脉治疗效果，有助于临床治疗方案的规划。
以上详细描述了本发明的较佳具体实施例。应当理解，本领域的普通技术人员无需创造性劳动就可以根据本发明的构思作出诸多修改和变化。因此，凡本技术领域中技术人员依本发明的构思在现有技术的基础上通过逻辑分析、推理或者有限的实验可以得到的技术方案，皆应在由权利要求书所确定的保护范围内。
Claims (10)
1.一种基于狭窄病变前后的血液流量比值计算FFR的方法，其特征在于，包括以下步骤：
S1：获取血常规数据和心脏的医学图像，基于医学图像建立冠脉树模型，在冠脉树模型上增加多个侧枝血管，即增加多个新的冠脉出口，基于冠脉树模型确定心肌的体积和各个冠脉出口的半径；
S2：确定冠脉树模型上的狭窄段，根据狭窄段上游的血管半径和狭窄段下游的血管半径确定狭窄段的理论正常半径，使用理论正常半径修正冠脉树模型，得到未狭窄模型，用于表示未发生狭窄病变的冠脉树模型；
S3：基于心肌的体积和各个冠脉出口的半径，分别确定每一个冠脉出口的供血心肌的体积，生成微循环血管模型，基于血常规数据和微循环血管模型计算得到各个冠脉出口的微循环阻力值；
S4：生成计算流体力学计算网格，建立冠脉树模型的三维CFD模型、未狭窄模型的三维CFD模型和微循环血管模型的一维CFD模型，获取血液的物理属性以及流动方程；
S5：设置冠脉树模型的三维CFD模型的边界条件，设置未狭窄模型的三维CFD模型的边界条件，所述边界条件包括入口边界条件和出口边界条件；
S6：基于冠脉树模型的三维CFD模型的边界条件、血液的物理属性和流动方程，求解得到冠脉树模型各个位置的流体参数；基于未狭窄模型的三维CFD模型的边界条件、血液的物理属性和流动方程，求解得到未狭窄模型各个位置的流体参数；所述流体参数包括血流量；
S7：在冠脉树模型和未狭窄模型上分别截取至少一个截面并获取各个截面的平均血流量，冠脉树模型的截面与未狭窄模型的截面一一对应且截取位置相同，一个截面的平均血流量为一个心动周期内通过该截面的平均血流量，分别计算各个截面的血流储备分数，一个截面的血流储备分数等于该截面在冠脉树模型上的平均血流量与该截面的对应截面在未狭窄模型上的平均血流量的比值。
2.根据权利要求1所述的基于狭窄病变前后的血液流量比值计算FFR的方法，其特征在于，所述步骤S1中，在冠脉树模型上增加p个(1≤p≤7)侧枝血管，所述侧枝血管的增加位置为冠脉靠近心脏内部的一侧，且处于已有冠脉的上下级两个分叉之间，侧枝血管的长度为3-5mm，侧枝血管的半径为冠脉树模型上已有的血管的最小半径值。
3.根据权利要求2所述的基于狭窄病变前后的血液流量比值计算FFR的方法，其特征在于，p的取值是由上下级两个分叉之间血管面积的变化量决定的，具体为：
p*(r侧枝血管)n＝(r上级分叉)n-(r下级分叉)n
其中，r侧枝血管表示侧枝血管的半径，r上级分叉表示上级分叉下游血管的半径，r下级分叉表示下级分叉上游血管的半径，n的取值范围为2.3-2.44。
4.根据权利要求1所述的基于狭窄病变前后的血液流量比值计算FFR的方法，其特征在于，所述步骤S2中，通过插值法确定狭窄段的理论正常半径。
5.根据权利要求1所述的基于狭窄病变前后的血液流量比值计算FFR的方法，其特征在于，所述步骤S3中确定冠脉出口的供血心肌的体积具体为：依次确定每一个冠脉出口的供血心肌的体积，其中，第i个(1≤i≤N)冠脉出口的供血心肌的体积的计算公式如下：
其中，Vi表示第i个冠脉出口的供血心肌的体积，V表示心肌的体积，ri表示第i个冠脉出口的半径，rk表示第k个冠脉出口的半径，N表示冠脉树模型上冠脉出口的数量，n的取值范围为2.3-2.44。
6.根据权利要求1所述的基于狭窄病变前后的血液流量比值计算FFR的方法，其特征在于，所述步骤S3中生成微循环血管模型并计算微循环阻力的具体过程如下：
A1：初始化生成微循环血管模型，所述微循环血管模型包括N个冠脉出口，将每一个冠脉出口分别作为一个父代，执行步骤A2；
A2：每一个父代进行一次分叉操作，一个父代得到多个子代，每一个子代即一个血管，将父代的供血心肌分配给每一个子代，按照子代与父代的对应关系将所有的子代添加至微循环血管模型；
A3：遍历上一个步骤获得的所有的子代，如果存在半径大于r0的子代，则将所有半径大于r0的子代作为父代，执行步骤A2，否则，完成小血管树模型的生成；其中，r0为预设置的微循环血管模型最小血管半径；
A4：基于微循环血管模型和血常规数据，利用泊肃叶定理和法林效应计算各个冠脉出口的微循环阻力值。
7.根据权利要求6所述的基于狭窄病变前后的血液流量比值计算FFR的方法，其特征在于，所述步骤A2中，一个父代进行一次分叉操作具体为：
将父代的供血心肌等效为椭球体，在椭球体的表面取一个点为根节点，根节点代表父代的出口所在的位置，过根节点将椭球体平均分为m个(2≤m≤5)子部，分别找到每一个子部的质心，连接质心与根节点，得到的m个线段即为m个子代，每一个子代的供血心肌的体积即为一个子部的体积，m个子代的半径相同，且子代的半径r子代与父代的半径r父代满足关系式：m*(r子代)n＝(r父代)n。
8.根据权利要求6所述的基于狭窄病变前后的血液流量比值计算FFR的方法，其特征在于，预设置的微循环血管模型最小血管半径r0的大小为0.005mm。
9.根据权利要求1所述的基于狭窄病变前后的血液流量比值计算FFR的方法，其特征在于，所述步骤S5中，冠脉树模型的三维CFD模型的边界条件和设置未狭窄模型的三维CFD模型的边界条件的设置方法相同，均包括以下步骤：
S51：将三维CFD模型的每一个入口边界条件分别设置为对应的冠脉口的血液压力P0，三维CFD模型的每一个出口边界条件分别设置为对应的冠脉口的血液压力的a倍(0<a<1)，即三维CFD模型每一个出口处的压力P＝a*P0；
S52：获取三维CFD模型当前的边界条件，对于三维CFD模型的每一个出口，基于血液的物理属性和流动方程求解三维CFD模型，得到三维CFD模型每一个出口处的血液流量Q；
S53：一维CFD模型的入口与三维CFD模型的出口一一对应，将一维CFD模型的每一个入口边界条件分别设置为对应的三维CFD模型出口处的血液流量Q，将一维CFD模型的每一个出口边界条件分别设置为静脉压力Pout；
S54：根据公式Pin-Pout＝R*Q计算一维CFD模型每一个入口处的血液压力Pin，如果Pin与P互不相等，且差值大于预设置的收敛精度，则分别修正三维CFD模型的每一个出口边界条件，修正公式为P`＝(P*4+Pin)/5，重复步骤S52，否则，将三维CFD模型当前的边界条件作为最终设置的边界条件；其中，R表示微循环阻力值，P`表示修正后的三维CFD模型的出口边界条件。
10.一种基于狭窄病变前后的血液流量比值计算FFR的系统，其特征在于，基于如权利要求1-9中任一所述的计算FFR的方法，包括：
冠脉树模型生成模块，用于获取心脏的医学图像，对医学图像进行分割和重建处理，得到冠脉树模型并在冠脉树模型上增加多个侧枝血管；
未狭窄模型生成模块，用于根据冠脉树模型建立未狭窄模型；
微循环血管模块，用于建立微循环血管模型以及计算冠脉树模型上的各个冠脉出口所对应的微循环阻力值；
计算网格生成模块，用于为所述冠脉树模型、未狭窄模型和微循环血管模型生成计算流体力学计算网格，从而建立所述冠脉树模型的三维CFD模型、未狭窄模型的三维CFD模型和微循环血管模型的一维CFD模型；
边界条件设置模块，用于设置冠脉树模型的三维CFD模型的边界条件和未狭窄模型的三维CFD模型的边界条件；
属性设置模块，用于设置血液的物理属性以及流动方程；
求解器，基于冠脉树模型的三维CFD模型的边界条件、血液的物理属性和流动方程，求解得到冠脉树模型各处的流体参数，基于未狭窄模型的三维CFD模型的边界条件、血液的物理属性和流动方程，求解得到未狭窄模型各处的流体参数；
后处理模块，基于冠脉树模型上各个截面的平均血流量和未狭窄模型上各个截面的平均血流量计算各个截面的血流储备分数。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110216206.8A CN114947909A (zh) | 2021-02-26 | 2021-02-26 | 基于狭窄病变前后的血液流量比值计算ffr的方法、系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110216206.8A CN114947909A (zh) | 2021-02-26 | 2021-02-26 | 基于狭窄病变前后的血液流量比值计算ffr的方法、系统 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN114947909A true CN114947909A (zh) | 2022-08-30 |
Family
ID=82973080
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110216206.8A Pending CN114947909A (zh) | 2021-02-26 | 2021-02-26 | 基于狭窄病变前后的血液流量比值计算ffr的方法、系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114947909A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| 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 |
-
2021
- 2021-02-26 CN CN202110216206.8A patent/CN114947909A/zh active Pending
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| 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 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| JP7483079B2 (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 | |
| JP6329282B2 (ja) | 患者固有の血流のモデリングのための方法およびシステム | |
| JP6378779B2 (ja) | 流量比を用いて血流の特徴を決定するシステム及び方法 | |
| JP6215469B2 (ja) | 最適化された診断能のための境界条件を用いて血流をモデル化するための方法及びシステム | |
| US10134129B2 (en) | Method and system for hemodynamic computation in coronary arteries | |
| KR101910233B1 (ko) | 맥관구조를 수치 평가하는 시스템들 및 방법들 | |
| US10622092B2 (en) | Method and system for facilitating physiological computations | |
| CN108109698B (zh) | 计算血流储备分数的系统和设置边界条件的方法 | |
| CN108922580A (zh) | 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 | |
| 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 | |
| US20240081910A1 (en) | Patient-specific modeling of hemodynamic parameters in coronary arteries | |
| CN113015497B (zh) | 对对象固有的血管的血流模拟方法及装置 | |
| EP3820357B1 (en) | Patient-specific modeling of hemodynamic parameters in coronary arteries | |
| CN114530252A (zh) | 冠状动脉血流动力学模拟仿真方法及装置 | |
| CN114947909A (zh) | 基于狭窄病变前后的血液流量比值计算ffr的方法、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 | |
| CN115910354A (zh) | 一种无创模拟患者特异性的冠状动脉ffr的系统及方法 | |
| CN110584696B (zh) | 一种血流储备分数评估方法及装置、存储介质 | |
| 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 | |
| CN116115208A (zh) | 一种基于物理驱动预测静息冠状动脉微循环阻力的方法 | |
| CN117542507A (zh) | 基于计算机断层扫描无创模拟患者特异性的冠状动脉iFR的方法 | |
| CN115910352A (zh) | 基于血管生长的冠脉末端微循环血管阻力获取方法和系统 | |
| CN115985504A (zh) | 基于冠状动脉造影重建冠状动脉模型的方法及相关设备 |
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 |