CN115115735B - 一种基于多期相冠脉ct造影的内皮动应变的快速计算系统 - Google Patents

一种基于多期相冠脉ct造影的内皮动应变的快速计算系统 Download PDF

Info

Publication number
CN115115735B
CN115115735B CN202210757992.7A CN202210757992A CN115115735B CN 115115735 B CN115115735 B CN 115115735B CN 202210757992 A CN202210757992 A CN 202210757992A CN 115115735 B CN115115735 B CN 115115735B
Authority
CN
China
Prior art keywords
phase
endothelial
strain
coronary
dynamic strain
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
Application number
CN202210757992.7A
Other languages
English (en)
Other versions
CN115115735A (zh
Inventor
吴信雷
吴连拼
张新民
褚茂平
于晓洁
薛伟浩
孙媛雪
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.)
Second Affiliated Hospital and Yuying Childrens Hospital of Wenzhou Medical University
Original Assignee
Second Affiliated Hospital and Yuying Childrens Hospital of Wenzhou Medical University
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 Second Affiliated Hospital and Yuying Childrens Hospital of Wenzhou Medical University filed Critical Second Affiliated Hospital and Yuying Childrens Hospital of Wenzhou Medical University
Priority to CN202210757992.7A priority Critical patent/CN115115735B/zh
Publication of CN115115735A publication Critical patent/CN115115735A/zh
Application granted granted Critical
Publication of CN115115735B publication Critical patent/CN115115735B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T11/00—2D [Two Dimensional] image generation
    • G06T11/003—Reconstruction from projections, e.g. tomography
    • G06T11/008—Specific post-processing after tomographic reconstruction, e.g. voxelisation, metal artifact correction
    • 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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/0002—Inspection of images, e.g. flaw detection
    • G06T7/0012—Biomedical image inspection
    • 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
    • G06T2207/10—Image acquisition modality
    • G06T2207/10072—Tomographic images
    • G06T2207/10081—Computed x-ray tomography [CT]
    • 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
    • G06T2207/30048—Heart; Cardiac

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Medical Informatics (AREA)
  • General Health & Medical Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Radiology & Medical Imaging (AREA)
  • Quality & Reliability (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Computer Graphics (AREA)
  • Geometry (AREA)
  • Software Systems (AREA)
  • Apparatus For Radiation Diagnosis (AREA)

Abstract

本发明提供了一种基于多期相冠脉CT造影内皮动应变的快速计算系统及方法，系统包括影像数据输入筛选模块，读取输入的多期相CCTA的DICOM，并对不同时刻的心动时相数据进行筛选；多期相自动识别模块，识别：不同心动期相的CCTA序列在心动周期RR间期中的不同比例位置；血管快速重建模块，对目标冠脉树进行几何重建，进行解剖形态学分析；血管内皮动应变计算模块，计算不同时刻下目标血管壁沿纵向任意截面的内皮动应变和/或应变率；报告生成模块，生成患者个体化靶血管解剖形态学及计算功能学量化指标报告，方法含上述计算系统。引入心动周期管壁在体动力学的概念，获取由在体管壁形变来计算个体化冠脉内皮动应变，为相关临床并发症早期预警。

Description

一种基于多期相冠脉CT造影的内皮动应变的快速计算系统
技术领域
本发明涉及医疗技术领域，特别是指一种基于多期相冠脉CT造影的内皮动应变的快速计算系统。
背景技术
冠脉CT造影(coronary computedtomography angiography,CCTA)成像是一种无创诊断冠心病最重要的影像学检查手段。近年来，随着多层螺旋CT技术中时间、空间分辨率的极大提高，优质的CCTA成像为冠状动脉疾病的诊断提供了全局可视化的形态学量化依据。CCTA影像通过静脉注射对比剂，利用心电门控可对心动周期中不同舒缩状态的冠脉树进行成像，再结合先进的图像后处理技术，呈现冠脉树及(或)局部狭窄、病变斑块的解剖形态。因CCTA检查便捷、无创伤、费用低、阴性诊断率高等优点，现已被广泛应用于临床辅助诊断。
然而，CCTA检查还存在以下缺陷：CCTA的特异性及阳性预测精度较低，特别是对于中度狭窄病变是否需要进一步的诊疗，仍缺乏理论依据。临床研究表明，基于CCTA影像评估管腔狭窄率大于70％以上的初筛阳性患者，但其真实情况并未存在功能性缺血，从而会导致该类患者后续接受不必要的导管室冠脉造影检查和介入手术治疗。这将不仅增加患者的医疗风险和经济负担，而且造成医疗资源的浪费。
为了进一步提升CCTA诊断心肌缺血的精度，国内外研究人员基于CCTA影像发明衍生出新的一类功能学评估技术，如美国Heart Flow公司的FFRCT，上海博动公司的CT-QFR，杭州脉流公司的CT-FFR等。该类基于CCTA影像的类FFR技术，利用医学图像建模、人工智能深度学习、计算流体力学等技术相结合，可有效获得冠脉狭窄病变的血流储备分数(fraction flow reserve,FFR)。该类技术具有高可重复性、操作简便性、无需额外耗材等优势，从而克服了传统的基于压力导丝有创FFR检查的局限。
然而，此类基于单一时刻(静态)下CCTA影像的评估技术，不能有效反映心动周期冠脉实时动态形变的管壁在体力学性能。值得注意的是，病变管壁的在体力学性能，可直接影响斑块浅表纤维帽或在体支架的受力状态。而斑块浅表纤维帽的受力状态又是影响纤维帽撕裂导致斑块破裂继发闭塞性血栓的重要因素。而对于病变冠脉经置入支架治疗后，周期性心脏舒缩循环载荷作用于管壁，亦是在体支架疲劳断裂的重要机制。斑块破裂及支架断裂与诸多临床并发症存在相关性，如急性冠脉综合征、支架血栓及再狭窄等。因此，确有必要提供一种新的基于多期相CCTA影像获取管壁的在体动力学状态，用于甄别早期原生斑块及支架介入术后的冠脉壁在体动力学异常。
发明内容
本发明的目的：为了克服现有技术的缺陷，本发明提供了一种基于多期相冠脉CT造影的内皮动应变的快速计算系统，在结合现有形态学评估的基础上，再通过引入心动周期管壁在体动力学的概念，获取由在体管壁形变来计算个体化冠脉内皮动应变(率)，以期为相关临床并发症的早期预警起到提示作用。
本发明的一种技术方案：一种基于多期相冠脉CT造影的内皮动应变的快速计算系统，该系统具有以下模块：
影像数据输入筛选模块，其用于输入读取患者多期相冠状动脉CT造影(CCTA)的医学数字成像(DICOM)原始数据；筛选DICOM的Tags标签信息中序列图片，标记并排除成像质量不符的影像；
多期相自动识别模块，其用于对不同时刻的心动期相的CCTA序列，识别其在心动周期RR间期中的不同比例位置，对不同心动期相的CCTA序列，进一步读取DICOM的Tags标签号，识别出n≥2个时相，在n＝2时则为双期相，具有最佳收缩态(BestSyst)时相和最佳舒张态(BestDiast)时相，在n＞2时则为多期相，具有最佳收缩态(BestSyst)时相、最佳舒张态(BestDiast)时相及舒张中时相；
血管快速重建模块，其用于对冠脉(树)几何重建，并进行解剖形态学分析；
血管内皮动应变计算模块，其具有双期相和多期相两种计算模式，双期相计算模式则用于计算不同时刻下目标血管壁沿纵向任意截面的内皮动应变，多期相计算模式则用于计算不同时刻下目标血管壁沿纵向任意截面的内皮动应变及应变率；
报告生成模块，其用于结合DICOM数据中的患者信息、所述计算解剖学及动应变功能学数据，快速生成患者个体化靶血管的量化指标报告。
上述系统的计算步骤如下：
步骤1，由影像数据输入筛选模块进行数据输入读取与筛选，输入一包含全心脏的多期相CCTA的DICOM数据；读取DICOM的Tags标签信息中横断面断层图片层数较多的多个序列，遍历每个序列中不同横断面图片，标记并排除运动伪影较大的影像序列；
步骤2，由多期相自动识别模块进行识别，对不同心动时相DICOM数据快速识别，并筛选出n≥2个时相；
步骤3，由血管快速重建模块进行几何重建与解剖形态学分析，对目标冠脉进行快速几何重建，获取沿左右冠脉开口并包含主要分支的冠脉树几何模型；对所述不同时刻的冠脉几何模型进行解剖形态学分析，获取不同时刻下沿血管纵向变化的解剖学指标函数；
步骤4，由血管内皮动应变计算模块进行计算，通过定义一心动时相为初始时刻(参考基态)，对不同心动时刻下的所述管壁模型进行同构化网格剖分，计算不同时刻(现实时刻)下目标血管壁与参考基态之间的所有有限单元的形变总能量差异函数E，并结合相邻时间间隔，计算获得所述目标血管沿纵向任意截面的内皮动应变和/或应变率，其中所述的有限单元为一种自定义的适用于三维坐标系下空间平面的平面应变单元；
步骤5，由报告生成模块进行报告生成，对步骤1所述的患者信息，步骤3所述的血管壁形态学数据，步骤4的所述内皮动应变、应变率数据，以及病例总结生成。
优选的，所述步骤1中运动伪影判别的方法为：横断面冠脉出现双轮廓显影，并计算两者的最大法向距离。
优选的，所述步骤2中，RR间期时刻计算如下：(tBestDiast-tBestSyst)/2。
优选的，所述步骤3还具有以下分步骤：
分步骤3-1，通过调节三维断层CT数据的冠状面、横断面、矢状面的上下左右前后边界线，使得改变全局坐标系下立方体空间的长、宽、高，以缩小对CT数据中心脏的感兴趣空间占位，从而提高仅处理立方体内心脏数据的计算效率；
分步骤3-2，通过人机交互点击冠脉分支的起点、止点，利用快速区域生长算法，以实现半自动方式的低精度的冠脉三维几何重建；
分步骤3-3，再对所述三维几何重建对应CT影像中的Mask蒙板，利用形态学处理腐蚀运算，获取三维血管骨架线，并根据所述起止点，对其进行等距插值，生成骨架线点云，再进一步沿着骨架线点云上批量生成径向法平面序列；
分步骤3-4，利用所述径向法平面序列分别与CT影像中造影剂标注的边界像素相交，得到三维空间中的管壁径向法平面轮廓线，再逐一计算管壁法平面轮廓面积和平均直径；其中，对于因冠脉分叉而导致局部平均直径高估外凸，可采用对平均直径序列进行平滑拟合实现局部去噪，并结合编辑骨架线控制点，去除分叉处标注；
通过上述分步骤对多个时相序列影像进行遍历，将冠脉高精度的几何重建。
优选的，在分步骤3-1中所述的感兴趣全心长方体空间占位，所述冠状面、横断面、矢状面的上下左右前后边界线距离全心外围位置在设定邻域之内，边界线离全心轮廓距离为15～25个像素，优选为20；
在分步骤3-2中所述的冠脉分支起止点，所述起点为冠脉开口处，其中，对于右冠脉和左主干，起点为冠窦开口，而对于其余分支血管，起点则为分叉处核心位置；所述止点为CT影像可见冠脉最远端的分叉标志点，且分叉核最小直径与后续两分支直径应满足以下规则：分叉核最小直径应大于3～4个像素，后续两分支直径大致为2～3个像素；
所述的快速区域生长算法，对将人工选定的冠脉起、止点作为种子点，及所在横断面作为冠脉快速区域生长的边界面；然后判断起、止点所在横断面内其周围像素点灰度是否与其接近，若是，则将周围新的像素点包括在区域内，并作为新的种子点继续像未识别像素区域生长，直到未能满足像素灰度相似条件时停止生长，其中，所述的像素灰度相似条件，由冠脉造影与周围心肌组织之间的像素灰度变化曲线确定；
在分步骤3-3中所述的骨架线点云，所述的骨架线点云为等距分布的空间曲线控制点，两点间距为可调，间距受横断面图片层距、曲线光滑度等影响，其数值越小，曲线精度越高；
在分步骤3-4中所述的三维管壁法平面轮廓，所述三维空间管壁法平面轮廓是经空间法平面对CT影像进行重组变换后的法平面管壁轮廓；直接由封闭曲线计算得到轮廓面积S，平均直径计算公式为
优选的，所述步骤4还具有以下分步骤：
分步骤4-1，针对不同期相的冠脉CT造影，选定血管初始参考状态；
分步骤4-2，对步骤3中所述的各血管的三维几何模型，在进行网格同构化离散，即保证管壁在纵向、周向具有相同数目的种子点；
分步骤4-3，根据最小势能原理，计算相邻不同心动时相血管构型，n≥2的所有网格节点位移值(形变能)总和最小，来确定相邻两时间点所述管壁点云上每个节点的一一映射关系；
分步骤4-4，依据所述的映射关系，获得相邻两时刻点云空间坐标的位移场函数u(X,t)，来计算所述血管壁的内皮动应变，还可结合相邻两时间点的时间差，来计算应变率；
在步骤2中的n＝2时，则计算不同时刻下目标血管壁沿纵向任意截面的内皮动应变幅值，在步骤2中的n＞2时，则计算不同时刻下目标血管壁沿纵向任意截面的内皮动应变幅值及应变率。
优选的，在分步骤4-1中所述的血管初始参考状态，当仅计算内皮动应变幅值时，初始参考状态设置为血管长度最短的状态，以最佳收缩态为初始状态；当计算多个时刻内皮动应变时，初始参考状态设置为全心静息态(舒张中)；
在分步骤4-3中所述的形变能总和，所述形变能为所有相邻两心动时相形变能的总和，使其满足总和数值最小，计算公式如下：
其中，X＝(x1,x2,x3)为当前时刻下血管壁任意节点在三维笛卡尔坐标系中的坐标向量；i为血管壁心动时相数目，n≥2；j为节点ID号；当所述总形变能为最小时，则k＝k′，，进一步得到每节点的空间位移函数：u(X,t)＝x(X,t)-X；
在分步骤4-4中所述的动应变，内皮动应变为有限变形理论中的格林-拉格朗日应变，每一单元的应变其计算公式如下：
动应变具有整个血管壁分布且随时间变化，其中，u为血管壁任意节点经相邻时刻后发生的有限位移矢量，x为原参考构型空间坐标。
所述的应变率计算公式如下：应变率为最佳舒张态及最佳收缩态下完整血管壁分布内皮应变率。
优选的，步骤5中的分析报告生成模块自动生成以下数据：步骤1所述的患者信息、步骤3所述的血管壁形态学数据，步骤4的所述内皮动应变、应变率数据，以及病例总结；
其中，血管壁形态学数据包括：不同心动时相，不同空间旋转角度的多平面重组冠脉造影(含沿血管中心线曲线重组平面)，血管伸直变换平面图片、直径沿纵向变化曲线，病变节段的长度、最小直径、直径狭窄率、病变偏心指标、动脉重构类型、斑块性质，
内皮动应变计算数据包括：不同心动时相三维、二维剖开血管的动应变、应变率分布云图，一维动力学参数极值沿纵向分布曲线，感兴趣节段的动力学参数，及应变(率)极值、应变幅值。
优选的，所述的二维剖开血管数据，通过在其表面沿着纵向以360°切开血管，以二维平面形式结合伪彩色云图展示原三维管壁上应变等物理量分布，二维剖开血管有限单元在周向以36的整数倍为基准；
所述的一维动力学参数极值曲线数据，通过在所述二维剖开血管等物理量分布的基础上，在周向上取其所有物理量的极值，以形成沿纵向变化的曲线；
所述的应变幅值，为整个血管壁分布的应变张量衍生物理量，其计算公式为：最佳舒张态与最佳收缩态的张量差。
本发明相对于现有技术具有以下有益效果：
通过输入患者的多期相冠脉CT造影数据，可快速识别所述输入影像中多期相的有效序列；再结合区域生长及局部几何优化等算法，实现感兴趣冠脉在不同心动时相下的高精度几何重建，并进行随心动周期时间及沿血管纵向空间变化的管腔横截面积等形态学参数分析；然后，根据最小势能原理，对不同期相下冠脉构型建立全局逐点位移场函数u(X,t)，并依据多期相数目，分别计算获得内皮动应变参数(应变幅值、时均应变等)；最后，整合患者基线信息，感兴趣冠脉形态学数据、内皮动应变数据，快速生成病例评估数据。本发明通过挖掘多期相冠脉CT造影中在体血管动态形变的特点，实现一种快速计算冠脉内皮动应变的方法，为冠心病相关并发症的机制研究及早期预警提供一种生物力学评估工具。
本发明通过多期相的CCTA影像计算血管内皮动应变，从而增加了在体动力学的功能学评估指标，弥补了以往单纯基于静态影像的不足。此外，本发明结合定量化数据，并综合了三维模型伪彩图、二维剖开视图以及一维峰值曲线等图片形式，从而更全面、快速地评估了冠脉管壁的解剖形态学与计算功能学，为个体化病变综合评估提供了新工具。
附图说明
图1为本发明具体实施例的流程图；
图2为一患者CCTA影像序列示意图；
图3为基于CCTA影像的快速三维几何重建流程图；
图4为CCTA影像管腔轮廓(A)与三维重建几何、骨架线点云(B)示意图；
图5为心动周期多期相(7个时刻)前降支冠脉三维几何重建图；
图6为基于多期相CCTA影像一回旋支冠脉内皮动应变多维视图，具有(A)三维内皮最大应变图；(B)二维血管剖开视图；(C)一维最大应变沿血管纵向曲线图。
具体实施方式
为了使本发明的目的、技术方案和优点更加清楚，下面结合附图和具体实施例对本发明进行详细描述。本领域技术人员应当知晓，下述具体实施例或具体实施方式，是本发明为进一步解释具体的发明内容而列举的一系列优化的设置方式，而这些设置方式之间均是可以相互结合或者相互关联使用的，除非在本发明明确提出了其中某些或某一具体实施例或实施方式无法与其他的实施例或实施方式进行关联设置或共同使用。同时，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它实施例，都属于本发明保护的范围。
实施例：
本发明公开一种基于多期相冠脉CT造影的内皮动应变的快速计算方法，具有含以下模块的计算系统,
影像数据输入筛选模块，其用于输入读取患者多期相冠状动脉CT造影(CCTA)的医学数字成像(DICOM)原始数据；筛选DICOM的Tags标签信息中序列图片，标记并排除成像质量不符的影像；
多期相自动识别模块，其用于对不同时刻的心动期相的CCTA序列，识别其在心动周期RR间期中的不同比例位置，对不同心动期相的CCTA序列，进一步读取DICOM的Tags标签号，识别出n≥2个时相，在n＝2时则为双期相，具有最佳收缩态(BestSyst)时相和最佳舒张态(BestDiast)时相，在n＞2时则为多期相，具有最佳收缩态(BestSyst)时相、最佳舒张态(BestDiast)时相及舒张中时相；
血管快速重建模块，其用于对冠脉(树)几何重建，并进行解剖形态学分析；
血管内皮动应变计算模块，其具有双期相和多期相两种计算模式，双期相计算模式则用于计算不同时刻下目标血管壁沿纵向任意截面的内皮动应变，多期相计算模式则用于计算不同时刻下目标血管壁沿纵向任意截面的内皮动应变及应变率；
报告生成模块，其用于结合DICOM数据中的患者信息、所述计算解剖学及动应变功能学数据，快速生成患者个体化靶血管的量化指标报告。
含上述系统的计算步骤如下：
步骤1，由影像数据输入筛选模块进行数据输入读取与筛选，输入一包含全心脏的多期相冠状动脉CT造影(CCTA)的医学数字成像(DICOM)数据；自动选择诸多DICOM的Tags标签信息中横断面断层图片层数较多的多个序列，遍历每个序列中不同横断面图片，检查是否存在运动伪影，标记并排除运动伪影较大的影像序列；其中，运动伪影判别的方法为：横断面冠脉出现双轮廓显影，并计算两者的最大法向距离；
步骤2，由多期相自动识别模块，对不同时刻的心动期相的CCTA序列，识别其在心动周期RR间期中的不同比例位置，
所述心动期相按5％间期采集CCTA，对所述不同心动期相序列，进一步读取DICOM的Tags标签号为(0008,103E)，识别最佳收缩态(BestSyst)、最佳舒张态(BestDiast)及其它时刻间期(舒张中时相)。后者的RR间期时刻近似计算如下：(tBestDiast-tBestSyst)/2。在本示例中，最佳收缩态为RR间期30％；最佳舒张态位于RR间期65％。
读取DICOM的Tags标签号，识别出n≥2个时相，在n＝2时，则为最佳收缩态(BestSyst)时相和最佳舒张态(BestDiast)时相，在n＞2时，则为最佳收缩态(BestSyst)时相、最佳舒张态(BestDiast)时相及舒张中时相，其中，所述的最佳收缩态、最佳舒张态分别是由CT机器扫描获取DICOM影像时分别定义在收缩期、舒张期全心运动速度的最小心动时刻，而舒张中时相则是除最佳收缩态与舒张态时相外的另一关键时相(按5％或10％间期采集)；
步骤3，由血管快速重建模块进行几何重建与解剖形态学分析，对目标冠脉进行快速几何重建，获取沿左右冠脉开口并包含主要分支的冠脉树几何模型；对所述不同时刻的冠脉几何模型进行解剖形态学分析，获取不同时刻下沿血管纵向变化的解剖学指标函数；
具体步骤为：
分步骤3-1，通过调节三维断层CT数据的冠状面、横断面、矢状面的上下左右前后边界线，使得改变全局坐标系下立方体空间的长、宽、高，以缩小对CT数据中心脏的感兴趣空间占位，实现提高仅处理立方体内心脏数据的计算效率；其中，所述的感兴趣全心长方体空间占位，所述冠状面、横断面、矢状面的上下左右前后边界线距离全心外围位置在设定邻域之内，边界线离全心轮廓距离为15～25个像素，优选为20个；
分步骤3-2，通过人机交互点击冠脉分支的起点、止点，利用快速区域生长算法，以实现半自动方式的低精度的冠脉三维几何重建；其中，所述的冠脉分支起止点，所述起点为冠脉开口处；
其中，对于右冠脉和左主干，起点为冠窦开口，而对于其余分支血管，起点则为分叉处核心位置；所述止点为CT影像可见冠脉最远端的分叉标志点，且分叉核最小直径与后续两分支直径应满足以下规则：分叉核最小直径应大于4个像素，后续两分支直径大致为2～3个像素，优选为2个；
所述的快速区域生长算法，对将人工选定的冠脉起、止点作为种子点，及所在横断面作为冠脉快速区域生长的边界面；然后判断起、止点所在横断面内其周围像素点灰度是否与其接近，若是，则将周围新的像素点包括在区域内，并作为新的种子点继续像未识别像素区域生长，直到未能满足像素灰度相似条件时停止生长，其中，所述的像素灰度相似条件，由冠脉造影与周围心肌组织之间的像素灰度变化曲线确定；在本实施例中，特征线灰度差异度约为300～500HU；
分步骤3-3，再对所述三维几何重建对应CT影像中的Mask蒙板，利用形态学处理腐蚀运算，获取三维血管骨架线，并根据所述起止点，对其进行等距插值，生成骨架线点云，再进一步沿着骨架线点云上批量生成径向法平面序列；其中，所述的骨架线点云为等距分布的空间曲线控制点，两点间距为可调，间距受横断面图片层距、曲线光滑度等影响，其数值越小，曲线精度越高；在本实施例中，点间距为0.3mm；
分步骤3-4，利用所述径向法平面序列分别与CT影像中造影剂标注的边界像素相交，得到三维空间中的管壁径向法平面轮廓线，再逐一计算管壁法平面轮廓面积和平均直径；其中，对于因冠脉分叉而导致局部平均直径高估外凸，可采用对平均直径序列进行平滑拟合实现局部去噪，并结合编辑骨架线控制点，去除分叉处标注；
所述三维空间管壁法平面轮廓是经空间法平面对CT影像进行重组变换后的法平面管壁轮廓；直接由封闭曲线计算得到轮廓面积S，平均直径计算公式为
通过上述分步骤对多个时相序列影像进行遍历，从而实现规范化、标准化的冠脉高精度分割重建；
步骤4，由血管内皮动应变计算模块进行计算，针对本实施例中诸多不同期相的CCTA，选定血管舒张中为初始参考状态；对所述的各血管的三维几何模型，在进行网格同构化离散，本示例中纵向、周向种子点分别为166,36；根据最小势能原理，所述形变能为所有相邻两心动时相形变能的总和，形变总能量E，使其满足总和数值最小，计算获得所述目标血管沿纵向任意截面的内皮动应变(包括峰值、幅值、时均值)和/或应变率；
分步骤4-1，针对不同期相的冠脉CT造影，选定血管初始参考状态；当仅计算内皮动应变幅值时，初始参考状态设置为血管长度最短的状态，以最佳收缩态为初始状态；当计算多个时刻内皮动应变时，初始参考状态设置为全心静息态(舒张中)；
分步骤4-2，对步骤3中所述的各血管的三维几何模型，在进行网格同构化离散，即保证管壁在纵向、周向具有相同数目的种子点；
分步骤4-3，根据最小势能原理，计算相邻不同心动时相血管构型，n≥2的所有网格节点位移值(形变能)总和最小，来确定相邻两时间点所述管壁点云上每个节点的一一映射关系；其中，所述形变能为所有相邻两心动时相形变能的总和，使其满足总和数值最小，计算公式如下：
其中，X＝(x1,x2,x3)为当前时刻下血管壁任意节点在三维笛卡尔坐标系中的坐标向量；i为血管壁心动时相数目，n≥2；j为节点ID号；当所述总形变能为最小时，则k＝k′，，进一步得到每节点的空间位移函数：u(X,t)＝x(X,t)-X；
分步骤4-4，依据所述的映射关系，获得相邻两时刻点云空间坐标的位移场函数u(X,t)，来计算所述血管壁的内皮动应变，还可结合相邻两时间点的时间差，来计算应变率；其中，内皮动应变为有限变形理论中的格林-拉格朗日应变，每一单元的应变其计算公式如下：
动应变具有整个血管壁分布且随时间变化，其中，u为空间位移函数的三个方向的标量(血管壁任意节点经相邻时刻后发生的有限位移矢量)，x为原参考构型空间坐标。
所述的应变率计算公式如下：应变率为最佳舒张态及最佳收缩态下完整血管壁分布内皮应变率。
在步骤2中的n＝2时，则计算不同时刻下目标血管壁沿纵向任意截面的内皮动应变幅值，在步骤2中的n＞2时，则计算不同时刻下目标血管壁沿纵向任意截面的内皮动应变幅值及应变率。
步骤5，由报告生成模块进行报告生成，结合DICOM数据中的患者信息、所述计算解剖学及动应变功能学数据，快速生成患者个体化靶血管的量化指标报告。
析报告生成模块自动生成以下数据：步骤1所述的患者信息，步骤3所述的血管壁形态学数据，步骤4的所述内皮动应变、应变率数据，以及病例总结；
其中，患者信息栏包括：姓名、性别、ID号、检查日期、机器产商、机器型号、影像算法后处理机构、图像质量等级、本计算模块操作当前时间等；
血管壁形态学数据包括：通过以图片和关键数据展示，不同心动时相，不同空间旋转角度的多平面重组冠脉造影(含沿血管中心线曲线重组平面)，血管伸直变换平面图片、直径沿纵向变化曲线，病变节段的长度、最小直径、直径狭窄率、病变偏心指标、动脉重构类型、斑块性质，
内皮动应变计算数据包括：通过以图片和关键数据展示，不同心动时相三维、二维剖开血管的动应变、应变率分布云图，一维动力学参数极值沿纵向分布曲线，感兴趣节段的动力学参数，及应变(率)极值、应变幅值。本实施例中，二维剖开血管视图是通过在其表面沿着纵向以360°切开血管，以二维平面形式结合伪彩色云图展示原三维管壁上应变等物理量分布。二维剖开血管有限单元在周向以36的整数倍为基准。一维动力学参数极值曲线，是通过在所述二维剖开血管等物理量分布的基础上，在周向上取其所有物理量的极值，以形成沿纵向变化的曲线。本示例中，一维曲线的纵向分辨率为0.3mm。所述的应变幅值，为整个血管壁分布的应变张量衍生物理量，其计算公式为：最佳舒张态与最佳收缩态的张量差。
其中，根据成像伪影量化程度、像素分辨率等数据综合评估图像质量等级分为优、良、中等三级；所述物理量大小以4+1个颜色分级，由蓝色、绿色、黄色、红色、灰色，分别对应正常、轻度、中度、重度、异常五个等级。
应当理解的是，本发明的上述具体实施方式仅仅用于示例性说明或解释本发明的原理，而不构成对本发明的限制。因此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到的变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应以权利要求的保护范围为准。

Claims (8)

1.一种基于多期相冠脉CT造影的内皮动应变的快速计算系统，其特征在于，该系统具有以下模块：
影像数据输入筛选模块，其用于输入读取患者多期相冠状动脉CT造影的医学数字成像原始数据；筛选医学数字成像的Tags标签信息中序列图片，标记并排除成像质量不符的影像；
多期相自动识别模块，其用于对不同时刻的心动期相的多期相冠状动脉CT造影序列，识别其在心动周期RR间期中的不同比例位置，对不同心动期相的多期相冠状动脉CT造影序列，进一步读取医学数字成像的Tags标签号，识别出n≥2个时相，在n＝2时则为双期相，具有最佳收缩态时相和最佳舒张态时相，在n＞2时则为多期相，具有最佳收缩态时相、最佳舒张态时相及舒张中时相；
血管快速重建模块，其用于对冠脉树几何重建，并进行解剖形态学分析；
血管内皮动应变计算模块，其具有双期相和多期相两种计算模式，双期相计算模式则用于计算不同时刻下目标血管壁沿纵向任意截面的内皮动应变，多期相计算模式则用于计算不同时刻下目标血管壁沿纵向任意截面的内皮动应变及应变率；
报告生成模块，其用于结合医学数字成像数据中的患者信息、计算解剖学及动应变功能学数据，快速生成患者个体化靶血管的量化指标报告；
上述系统的计算步骤如下：
步骤1，由影像数据输入筛选模块进行数据输入读取与筛选，输入一包含全心脏的多期相冠状动脉CT造影的医学数字成像数据；读取医学数字成像的Tags标签信息中横断面断层图片层数较多的多个序列，遍历每个序列中不同横断面图片，标记并排除运动伪影较大的影像序列；
步骤2，由多期相自动识别模块进行识别，对不同心动时相医学数字成像数据快速识别，并筛选出n≥2个时相；
步骤3，由血管快速重建模块进行几何重建与解剖形态学分析，对目标冠脉进行快速几何重建，获取沿左右冠脉开口并包含主要分支的冠脉树几何模型；对不同时刻的冠脉几何模型进行解剖形态学分析，获取不同时刻下沿血管纵向变化的解剖学指标函数；
步骤4，由血管内皮动应变计算模块进行计算，通过定义一心动时相为初始时刻，对不同心动时刻下的管壁模型进行同构化网格剖分，计算不同时刻下目标血管壁与参考基态之间的所有有限单元的形变总能量E，并结合相邻时间间隔，计算获得目标血管沿纵向任意截面的内皮动应变和/或应变率；
步骤5，由报告生成模块进行报告生成，对步骤1的患者信息，步骤3的血管壁形态学数据，步骤4的内皮动应变、应变率数据，以及病例总结生成；血管壁形态学数据包括：不同心动时相，不同空间旋转角度的多平面重组冠脉造影，血管伸直变换平面图片、直径沿纵向变化曲线，病变节段的长度、最小直径、直径狭窄率、病变偏心指标、动脉重构类型、斑块性质，内皮动应变计算数据包括：不同心动时相三维、二维剖开血管的动应变、应变率分布云图，一维动力学参数极值沿纵向分布曲线，感兴趣节段的动力学参数，及应变极值、应变率极值、应变幅值。
2.根据权利要求1所述的一种基于多期相冠脉CT造影的内皮动应变的快速计算系统，其特征在于，所述步骤1中运动伪影判别的方法为：横断面冠脉出现双轮廓显影，并计算两者的最大法向距离。
3.根据权利要求2所述的一种基于多期相冠脉CT造影的内皮动应变的快速计算系统，其特征在于，所述步骤2中，心动周期RR间期时刻计算如下：(tBestDiast-tBestSyst)/2。
4.根据权利要求1所述的一种基于多期相冠脉CT造影的内皮动应变的快速计算系统，其特征在于，所述步骤3还具有以下分步骤：
分步骤3-1，通过调节三维断层CT数据的冠状面、横断面、矢状面的上下左右前后边界线，使得改变全局坐标系下立方体空间的长、宽、高，以缩小对CT数据中心脏的感兴趣空间占位，实现对仅处理立方体内心脏数据的计算效率提高；
分步骤3-2，通过人机交互点击冠脉分支的起点、止点，利用快速区域生长算法，以实现半自动方式的低精度的冠脉三维几何重建；
分步骤3-3，再对三维几何重建对应CT影像中的Mask蒙板，利用形态学处理腐蚀运算，获取三维血管骨架线，并根据起止点，对其进行等距插值，生成骨架线点云，再进一步沿着骨架线点云上批量生成径向法平面序列；
分步骤3-4，利用径向法平面序列分别与CT影像中造影剂标注的边界像素相交，得到三维空间中的管壁径向法平面轮廓线，再逐一计算管壁法平面轮廓面积和平均直径；其中，对于因冠脉分叉而导致局部平均直径高估外凸，可采用对平均直径序列进行平滑拟合实现局部去噪，并结合编辑骨架线控制点，去除分叉处标注；
通过上述分步骤对多个时相序列影像进行遍历，将冠脉高精度的几何重建。
5.根据权利要求4所述的一种基于多期相冠脉CT造影的内皮动应变的快速计算系统，其特征在于，
在分步骤3-1中的感兴趣全心长方体空间占位，所述冠状面、横断面、矢状面的上下左右前后边界线距离全心外围位置在设定邻域之内，边界线离全心轮廓距离为15～25个像素；
在分步骤3-2中所述的冠脉分支起止点，所述起点为冠脉开口处，其中，对于右冠脉和左主干，起点为冠窦开口，而对于其余分支血管，起点则为分叉处核心位置；所述止点为CT影像可见冠脉最远端的分叉标志点，且分叉核最小直径与后续两分支直径应满足以下规则：分叉核最小直径应大于3～4个像素，后续两分支直径为2～3个像素；
所述的快速区域生长算法，对将人工选定的冠脉起、止点作为种子点，及所在横断面作为冠脉快速区域生长的边界面；然后判断起、止点所在横断面内其周围像素点灰度是否与其接近，若是，则将周围新的像素点包括在区域内，并作为新的种子点继续像未识别像素区域生长，直到未能满足像素灰度相似条件时停止生长，其中，所述的像素灰度相似条件，由冠脉造影与周围心肌组织之间的像素灰度变化曲线确定；
在分步骤3-3中所述的骨架线点云，所述的骨架线点云为等距分布的空间曲线控制点，两点间距为可调，间距受横断面图片层距、曲线光滑度影响，其数值越小，曲线精度越高；
在分步骤3-4中的三维管壁法平面轮廓，所述三维空间管壁法平面轮廓是经空间法平面对CT影像进行重组变换后的法平面管壁轮廓；直接由封闭曲线计算得到轮廓面积S，平均直径计算公式为
6.根据权利要求2所述的一种基于多期相冠脉CT造影的内皮动应变的快速计算系统，其特征在于，所述步骤4还具有以下分步骤：
分步骤4-1，针对不同期相的冠脉CT造影，选定血管初始参考状态；
分步骤4-2，对步骤3中所述的各血管的三维几何模型，在进行网格同构化离散，即保证管壁在纵向、周向具有相同数目的种子点；
分步骤4-3，根据最小势能原理，计算相邻不同心动时相血管构型，n≥2的所有网格节点位移值总和最小，即形变能总和最小，来确定相邻两时间点所述管壁点云上每个节点的一一映射关系；
分步骤4-4，依据所述的映射关系，获得相邻两时刻点云空间坐标的位移场函数u(X,t)，来计算所述血管壁的内皮动应变，结合相邻两时间点的时间差，来计算应变率；
在步骤2中的n＝2时，则计算不同时刻下目标血管壁沿纵向任意截面的内皮动应变幅值，在步骤2中的n＞2时，则计算不同时刻下目标血管壁沿纵向任意截面的内皮动应变幅值及应变率。
7.根据权利要求6所述的一种基于多期相冠脉CT造影的内皮动应变的快速计算系统，其特征在于，
在分步骤4-1中所述的血管初始参考状态，当仅计算内皮动应变幅值时，初始参考状态设置为血管长度最短的状态，以最佳收缩态为初始状态；当计算多个时刻内皮动应变时，初始参考状态设置为全心静息态；
在分步骤4-3中所述的形变能总和，所述形变能为所有相邻两心动时相形变能的总和，使其满足总和数值最小，计算公式如下：
其中，X＝(x1,x2,x3)为当前时刻下血管壁任意节点在三维笛卡尔坐标系中的坐标向量；i为血管壁心动时相数目，n≥2；j为节点ID号；当所述形变能总和为最小时，则k＝k′，进一步得到每节点的空间位移函数：u(X,t)＝x(X,t)-X；
在分步骤4-4中所述的动应变，内皮动应变为有限变形理论中的格林-拉格朗日应变，每一单元的应变其计算公式如下：
动应变具有整个血管壁分布且随时间变化，其中，u为空间位移函数的三个方向的标量，x为原参考构型空间坐标，
所述的应变率计算公式如下：应变率为最佳舒张态及最佳收缩态下完整血管壁分布内皮应变率。
8.根据权利要求1所述的一种基于多期相冠脉CT造影的内皮动应变的快速计算系统，其特征在于，
所述的二维剖开血管数据，通过在其表面沿着血管纵向以360°切开血管，以二维平面形式结合伪彩色云图展示原三维管壁上应变物理量分布，二维剖开血管有限单元在血管周向以36整数倍为基准；
所述的一维动力学参数极值沿纵向分布曲线数据，通过在所述二维剖开血管物理量分布的基础上，在周向上取其所有物理量的极值，以形成沿纵向变化的曲线；
所述的应变幅值，为整个血管壁分布的应变张量衍生物理量，其计算公式为：最佳舒张态与最佳收缩态的张量差。
CN202210757992.7A 2022-06-29 2022-06-29 一种基于多期相冠脉ct造影的内皮动应变的快速计算系统 Active CN115115735B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210757992.7A CN115115735B (zh) 2022-06-29 2022-06-29 一种基于多期相冠脉ct造影的内皮动应变的快速计算系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210757992.7A CN115115735B (zh) 2022-06-29 2022-06-29 一种基于多期相冠脉ct造影的内皮动应变的快速计算系统

Publications (2)

Publication Number Publication Date
CN115115735A CN115115735A (zh) 2022-09-27
CN115115735B true CN115115735B (zh) 2024-07-23

Family

ID=83330082

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210757992.7A Active CN115115735B (zh) 2022-06-29 2022-06-29 一种基于多期相冠脉ct造影的内皮动应变的快速计算系统

Country Status (1)

Country Link
CN (1) CN115115735B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116898472B (zh) * 2023-09-14 2023-12-12 柏意慧心(杭州)网络科技有限公司 用于确定主动脉血管直径的方法、计算设备和介质

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103190932A (zh) * 2013-04-22 2013-07-10 华北电力大学（保定） 一种冠状动脉血管壁应力和应变的估算方法
CN107665737A (zh) * 2017-01-23 2018-02-06 上海联影医疗科技有限公司 血管壁应力应变状态获取方法、计算机可读介质及系统

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10162932B2 (en) * 2011-11-10 2018-12-25 Siemens Healthcare Gmbh Method and system for multi-scale anatomical and functional modeling of coronary circulation
WO2018133098A1 (zh) * 2017-01-23 2018-07-26 上海联影医疗科技有限公司 血管壁应力应变状态获取方法及系统
CN113192004B (zh) * 2021-04-01 2022-01-18 温州医科大学附属第二医院（温州医科大学附属育英儿童医院） 一种基于冠脉多模影像裂纹形成和扩展的简化计算方法与斑块破裂风险量化的评估系统

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103190932A (zh) * 2013-04-22 2013-07-10 华北电力大学（保定） 一种冠状动脉血管壁应力和应变的估算方法
CN107665737A (zh) * 2017-01-23 2018-02-06 上海联影医疗科技有限公司 血管壁应力应变状态获取方法、计算机可读介质及系统

Also Published As

Publication number Publication date
CN115115735A (zh) 2022-09-27

Similar Documents

Publication Publication Date Title
JP7236768B2 (ja) 心筋血流量及びｃｔ画像に基づく冠状動脈冠血流予備量比の計算方法
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
US11076770B2 (en) System for vascular assessment
CN108511075B (zh) 一种非侵入式获取血流储备分数的方法和系统
CN104837407B (zh) 血管解析装置、医用图像诊断装置以及血管解析方法
EP2932469B1 (en) Method of determining the blood flow through coronary arteries
CN109074870B (zh) 用于对未分辨血管进行识别和建模的系统和方法
CN106023202A (zh) 基于心脏ct图像的冠状动脉血流储备分数计算方法
CN107330888A (zh) 基于cta图像的动态心脏各腔室分割方法
EP3061015A2 (en) Vascular characteristic determination with correspondence modeling of a vascular tree
CN110494889A (zh) 造影注射成像
Glaßer et al. Combined visualization of wall thickness and wall shear stress for the evaluation of aneurysms
CN110706770B (zh) 心脏数据处理设备及处理方法、计算机可读存储介质
CN115115735B (zh) 一种基于多期相冠脉ct造影的内皮动应变的快速计算系统
Beliveau et al. Computation of coronary perfusion territories from CT angiography
CN117064423B (zh) 用于确定支架过度扩张率的方法、计算设备和介质
KR102428579B1 (ko) 전신 ct 스캔 3d 모델링 방법 및 시스템
Zulfiqar et al. Preoperative planning for Coronary Artery Disease using 3D Segmentation and Mixed Reality
US20230410307A1 (en) Method and system for visualization
Kuehnel et al. New analysis tools for the comprehensive assessment of the coronary arteries and myocardial viability in CT data sets
Kok et al. Wall stress analysis of abdominal aortic aneurysms using 3D ultrasound

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