CN116313108A - 跨尺度心脏灌注数字仿真方法及装置 - Google Patents
跨尺度心脏灌注数字仿真方法及装置 Download PDFInfo
- Publication number
- CN116313108A CN116313108A CN202310088217.1A CN202310088217A CN116313108A CN 116313108 A CN116313108 A CN 116313108A CN 202310088217 A CN202310088217 A CN 202310088217A CN 116313108 A CN116313108 A CN 116313108A
- Authority
- CN
- China
- Prior art keywords
- coronary
- model
- perfusion model
- myocardial
- information
- 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
- 230000010412 perfusion Effects 0.000 title claims abstract description 260
- 238000000034 method Methods 0.000 title claims abstract description 85
- 238000004088 simulation Methods 0.000 title claims abstract description 46
- 210000004351 coronary vessel Anatomy 0.000 claims abstract description 112
- 230000002107 myocardial effect Effects 0.000 claims abstract description 109
- 230000017531 blood circulation Effects 0.000 claims abstract description 86
- 230000000747 cardiac effect Effects 0.000 claims abstract description 69
- 238000005457 optimization Methods 0.000 claims abstract description 46
- 238000010168 coupling process Methods 0.000 claims abstract description 34
- 230000008878 coupling Effects 0.000 claims abstract description 33
- 238000005859 coupling reaction Methods 0.000 claims abstract description 33
- 238000012545 processing Methods 0.000 claims abstract description 31
- 238000000137 annealing Methods 0.000 claims abstract description 18
- 238000011282 treatment Methods 0.000 claims abstract description 13
- 230000011218 segmentation Effects 0.000 claims abstract description 7
- 230000006870 function Effects 0.000 claims description 24
- 239000008280 blood Substances 0.000 claims description 22
- 210000004369 blood Anatomy 0.000 claims description 18
- 230000008569 process Effects 0.000 claims description 18
- 230000002792 vascular Effects 0.000 claims description 18
- 210000004204 blood vessel Anatomy 0.000 claims description 14
- 230000002526 effect on cardiovascular system Effects 0.000 claims description 14
- 210000004088 microvessel Anatomy 0.000 claims description 14
- 210000004165 myocardium Anatomy 0.000 claims description 11
- 238000004590 computer program Methods 0.000 claims description 7
- 230000002861 ventricular Effects 0.000 claims description 7
- 238000003709 image segmentation Methods 0.000 claims description 6
- 230000033115 angiogenesis Effects 0.000 claims description 5
- 238000002922 simulated annealing Methods 0.000 claims description 5
- 230000035699 permeability Effects 0.000 claims description 4
- 230000004089 microcirculation Effects 0.000 abstract description 21
- 238000011160 research Methods 0.000 abstract description 8
- 238000003759 clinical diagnosis Methods 0.000 abstract description 7
- 208000024172 Cardiovascular disease Diseases 0.000 description 8
- 238000010586 diagram Methods 0.000 description 8
- 238000004364 calculation method Methods 0.000 description 7
- 230000008859 change Effects 0.000 description 7
- 238000005516 engineering process Methods 0.000 description 7
- 239000012530 fluid Substances 0.000 description 7
- 238000003384 imaging method Methods 0.000 description 7
- 210000002565 arteriole Anatomy 0.000 description 6
- 230000015572 biosynthetic process Effects 0.000 description 6
- 238000003786 synthesis reaction Methods 0.000 description 6
- 210000001367 artery Anatomy 0.000 description 5
- 238000004422 calculation algorithm Methods 0.000 description 4
- 238000003745 diagnosis Methods 0.000 description 4
- 230000000694 effects Effects 0.000 description 4
- 230000036541 health Effects 0.000 description 4
- 210000005240 left ventricle Anatomy 0.000 description 4
- 230000001105 regulatory effect Effects 0.000 description 4
- 230000004872 arterial blood pressure Effects 0.000 description 3
- 210000004027 cell Anatomy 0.000 description 3
- 239000002131 composite material Substances 0.000 description 3
- 238000010276 construction Methods 0.000 description 3
- 238000011161 development Methods 0.000 description 3
- 230000018109 developmental process Effects 0.000 description 3
- 238000011156 evaluation Methods 0.000 description 3
- 208000031225 myocardial ischemia Diseases 0.000 description 3
- OIRDTQYFTABQOQ-KQYNXXCUSA-N adenosine Chemical compound C1=NC=2C(N)=NC=NC=2N1[C@@H]1O[C@H](CO)[C@@H](O)[C@H]1O OIRDTQYFTABQOQ-KQYNXXCUSA-N 0.000 description 2
- 210000000709 aorta Anatomy 0.000 description 2
- 230000036772 blood pressure Effects 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 230000000004 hemodynamic effect Effects 0.000 description 2
- 230000016507 interphase Effects 0.000 description 2
- 238000012804 iterative process Methods 0.000 description 2
- 230000003902 lesion Effects 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000004393 prognosis Methods 0.000 description 2
- 230000000284 resting effect Effects 0.000 description 2
- 238000010206 sensitivity analysis Methods 0.000 description 2
- 238000006467 substitution reaction Methods 0.000 description 2
- 230000024883 vasodilation Effects 0.000 description 2
- 239000002126 C01EB10 - Adenosine Substances 0.000 description 1
- 230000005856 abnormality Effects 0.000 description 1
- 229960005305 adenosine Drugs 0.000 description 1
- 210000002376 aorta thoracic Anatomy 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- QVGXLLKOCUKJST-UHFFFAOYSA-N atomic oxygen Chemical compound [O] QVGXLLKOCUKJST-UHFFFAOYSA-N 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 210000000748 cardiovascular system Anatomy 0.000 description 1
- 230000004087 circulation Effects 0.000 description 1
- 230000008828 contractile function Effects 0.000 description 1
- 230000001276 controlling effect Effects 0.000 description 1
- 238000001816 cooling Methods 0.000 description 1
- 238000002586 coronary angiography Methods 0.000 description 1
- 238000000354 decomposition reaction Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000035487 diastolic blood pressure Effects 0.000 description 1
- 230000010339 dilation 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
- 210000003743 erythrocyte Anatomy 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- 208000028867 ischemia Diseases 0.000 description 1
- 230000000302 ischemic effect Effects 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 239000002207 metabolite Substances 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 229910052760 oxygen Inorganic materials 0.000 description 1
- 239000001301 oxygen Substances 0.000 description 1
- 230000036284 oxygen consumption Effects 0.000 description 1
- 230000005855 radiation Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 230000035488 systolic blood pressure Effects 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 230000007723 transport mechanism Effects 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
- 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
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
-
- 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
- G16H50/20—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for computer-aided diagnosis, e.g. based on medical expert systems
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T10/00—Road transport of goods or passengers
- Y02T10/10—Internal combustion engine [ICE] based vehicles
- Y02T10/40—Engine management systems
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Public Health (AREA)
- Biomedical Technology (AREA)
- Epidemiology (AREA)
- Pathology (AREA)
- Databases & Information Systems (AREA)
- Data Mining & Analysis (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Physics & Mathematics (AREA)
- Computer Graphics (AREA)
- Geometry (AREA)
- Software Systems (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Apparatus For Radiation Diagnosis (AREA)
Abstract
本发明公开了一种跨尺度心脏灌注数字仿真方法及装置,其中,方法包括,获取患者的冠脉CT造影图像,对冠脉CT造影图像进行分割处理,得到主动脉信息和心外膜冠状动脉信息,据主动脉信息和心外膜冠状动脉信息构建冠脉血管树并生成中微血管网络,通过纳维‑斯托克斯方程模拟冠脉血管树中的血流信息生成冠脉灌注模型,通过三维多室Darcy模型模拟心肌模型内的血流信息得到心肌灌注模型,对冠脉灌注模型和心肌灌注模型进行迭代耦合处理,得到跨尺度整体心脏灌注模型,克服微循环尺度难以量化的问题,得到跨尺度整体心脏灌注模型,并进行退火法优化处理提高心脏灌注模型精度,可以有效辅助本领域技术人员的理论研究及临床诊疗。
Description
技术领域
本申请涉及医学影像数据处理技术领域,具体涉及一种跨尺度心脏灌注数字仿真方法及装置。
背景技术
在现有技术中,心血管疾病是全球人群健康的首要死亡因素,造成了巨大的健康负担,心肌灌注显像是诊断心血管疾病患者心肌缺血准确且循证医学证据最充分的无创检查方法,是评估患者预后的重要预测指标,导致量化患者中微血管及微循环状态可为心血管疾病诊断提供重要新的理论指导;
然而,目前对心脏微循环的评估多为定性结果且多为侵入性,临床普及率差,亟需开发评价冠状动脉微血管及微循环的无创成像技术辅助理论研究及临床诊疗,但心脏灌注模型包括冠脉灌注模型和心肌灌注模型,心肌灌注模型由于其动态的过程导致其微循环尺度难以量化,使得冠脉灌注模型无法和心肌灌注模型直接耦合,无法有效的生成高精确匹的对应配患者特异性的心脏灌注模型。
发明内容
本申请实施例提供一种跨尺度心脏灌注数字仿真方法及装置,至少能保证,本申请方案通过纳维-斯托克斯方程模拟所述冠脉血管树中的血流信息生成冠脉灌注模型,通过三维多室Darcy模型模拟心肌模型内的血流信息得到心肌灌注模型,进而对所述冠脉灌注模型和所述心肌灌注模型进行迭代耦合处理,克服微循环尺度难以量化的问题,得到跨尺度整体心脏灌注模型,并根据患者数据进行优化,得到患者特异性的心脏灌注模型,生成的高精度的心脏灌注模型,可以有效辅助本领域技术人员的理论研究及临床诊疗。
第一方面,本申请实施例提供了一种跨尺度心脏灌注数字仿真方法,所述方法包括:
获取患者的冠脉CT造影图像;
对冠脉CT造影图像进行分割处理,得到主动脉信息和心外膜冠状动脉信息;
根据所述主动脉信息和所述心外膜冠状动脉信息构建冠脉血管树,并根据所述冠脉血管树生成对应的中微血管网络;
通过纳维-斯托克斯方程模拟所述冠脉血管树中的血流信息生成冠脉灌注模型;
通过三维多室Darcy模型模拟心肌模型内的血流信息得到心肌灌注模型;
根据所述冠脉灌注模型和所述心肌灌注模型的参数信息,对所述冠脉灌注模型和所述心肌灌注模型进行迭代耦合处理,得到跨尺度整体心脏灌注模型;
获取患者的PET/CT数据,根据所述PET/CT数据对所述跨尺度整体心脏灌注模型中关键心血管参数进行退火法优化处理,得到患者特异性的心脏灌注模型。
在一些实施例中,根据所述主动脉信息和所述心外膜冠状动脉信息构建冠脉血管树,并根据所述冠脉血管树生成对应的中微血管网络,包括:
根据所述主动脉信息和所述心外膜冠状动脉信息构建冠脉血管树;
根据患者的分支模式在所述冠脉血管树中的下游动脉树根处生成多个血管合成树;
根据目标血流量扩展所述合成树并构建所述中微血管网络。
在一些实施例中,所述通过纳维-斯托克斯方程模拟所述冠脉血管树中的血流信息生成冠脉灌注模型,包括:根据所述纳维-斯托克斯方程得到第一方程组以模拟血流信息,所述冠脉血管树中的血流信息包括血流流速Q、血流压力p、血管横截面面积S、血流密度ρ和运动粘度v,所述第一方程组为:
其中,z为纳维-斯托克斯方程中的中心线的坐标,α是几何关系参数;
根据休息期条件和充盈期条件的参数化处理过程模拟所述冠脉血管树的休息期和充盈期状态,并根据休息期和充盈期状态更新所述几何关系参数α,求解所述第一方程组,以生成所述冠脉灌注模型。
在一些实施例中,所述休息期条件的参数化处理过程包括,
所述充盈期条件的参数化处理过程包括,
在一些实施例中,所述通过三维多室Darcy模型模拟心肌模型内的血流信息得到心肌灌注模型,包括:
通过三维多室Darcy模型生成第八公式,以模拟心肌模型内的血流信息,所述心肌模型内的血流信息,所述第八公式如下:
在一些实施例中,根据所述冠脉灌注模型和所述心肌灌注模型的参数信息,对所述冠脉灌注模型和所述心肌灌注模型进行迭代耦合处理,得到跨尺度整体心脏灌注模型,包括:
在所述冠脉灌注模型的终端段出口处与所述心肌灌注模型耦合;
在一些实施例中,根据所述PET/CT数据对所述跨尺度整体心脏灌注模型中关键心血管参数进行退火法优化处理,得到患者特异性的心脏灌注模型,包括:
根据PET/CT数据和所述跨尺度整体心脏灌注模型确定目标函数和敏感参数;
设置模拟退火法的配置参数,并根据所述配置参数对敏感参数进行迭代优化;
对迭代优化过程中更新的敏感参数进行目标函数的计算并进行比较,得到目标函数结果;
在所述目标函数结果小于配置参数中容差的情况下,得到患者特异性的心脏灌注模型。
第二方面,本申请实施例提供了一种跨尺度心脏灌注数字仿真装置,所述装置包括图像获取模块、图像分割模块、血管生成模块、冠脉灌注模型生成模块、心肌灌注模型生成模块、模型耦合模块和模型优化模块,
所述图像获取模块,用于获取患者的冠脉CT造影图像;
所述图像分割模块,用于对冠脉CT造影图像进行分割处理,得到主动脉信息和心外膜冠状动脉信息;
所述血管生成模块,用于根据所述主动脉信息和所述心外膜冠状动脉信息构建冠脉血管树,并根据所述冠脉血管树生成对应的中微血管网络;
所述冠脉灌注模型生成模块,用于通过纳维-斯托克斯方程模拟所述冠脉血管树中的血流信息生成冠脉灌注模型;
所述心肌灌注模型生成模块,用于通过三维多室Darcy模型模拟心肌模型内的血流信息得到心肌灌注模型;
所述模型耦合模块,用于根据所述冠脉灌注模型和所述心肌灌注模型的参数信息,对所述冠脉灌注模型和所述心肌灌注模型进行迭代耦合处理,得到跨尺度整体心脏灌注模型;
所述模型优化模块,用于获取患者的PET/CT数据,根据所述PET/CT数据对所述跨尺度整体心脏灌注模型中关键心血管参数进行退火法优化处理,得到患者特异性的心脏灌注模型。
第三方面,本申请实施例一种控制器,包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现如第一方面中任意一项实施例所述的跨尺度心脏灌注数字仿真方法。
第四方面,本申请实施例提供了一种计算机可读存储介质,存储有计算机可执行指令,计算机可执行指令用于执行如第一方面中任意一项实施例所述的跨尺度心脏灌注数字仿真方法。
本申请至少具有以下有益效果:通过本申请的跨尺度心脏灌注数字仿真方法,获取患者的冠脉CT造影图像,对冠脉CT造影图像进行分割处理,得到主动脉信息和心外膜冠状动脉信息,根据所述主动脉信息和所述心外膜冠状动脉信息构建冠脉血管树,并根据所述冠脉血管树生成对应的中微血管网络,通过纳维-斯托克斯方程模拟所述冠脉血管树中的血流信息生成冠脉灌注模型,通过三维多室Darcy模型模拟心肌模型内的血流信息得到心肌灌注模型,根据所述冠脉灌注模型和所述心肌灌注模型的参数信息,对所述冠脉灌注模型和所述心肌灌注模型进行迭代耦合处理,得到跨尺度整体心脏灌注模型,获取患者的PET/CT数据,根据所述PET/CT数据对所述跨尺度整体心脏灌注模型中关键心血管参数进行退火法优化处理,得到患者特异性的心脏灌注模型,克服微循环尺度难以量化的问题,得到跨尺度整体心脏灌注模型,并根据患者数据进行优化,生成的高精度的心脏灌注模型,可以有效辅助本领域技术人员的理论研究及临床诊疗。
附图说明
图1为本申请一实施例提出的跨尺度心脏灌注数字仿真方法的流程图;
图2为本申请另一实施例提出的跨尺度心脏灌注数字仿真方法中,根据所述冠脉血管树生成对应的中微血管网络的流程图;
图3为本申请另一实施例提出的冠状模型的示意图;
图4为本申请另一实施例提出的对所述冠脉灌注模型和所述心肌灌注模型进行迭代耦合处理,得到跨尺度整体心脏灌注模型的示意图;
图5为本申请另一实施例提出的跨尺度心脏灌注数字仿真方法中,得到患者特异性的心脏灌注模型的流程图;
图6为本申请另一实施例提出的,跨尺度整体心脏灌注模型上的患者模型参数调节点示意图;
图7为本申请另一实施例提出的生成跨尺度整体心脏灌注模型,根据所述PET/CT数据对所述跨尺度整体心脏灌注模型中关键心血管参数进行退火法优化处理的示意图;
图8为本申请另一实施例提出的控制器的结构图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本申请进行进一步详细说明。应当理解,此处所描述的具体实施例仅用以解释本申请,并不用于限定本申请。
在一些实施例中,虽然在装置示意图中进行了功能模块划分,在流程图中示出了逻辑顺序,但是在某些情况下,可以以不同于装置中的模块划分,或流程图中的顺序执行所示出或描述的步骤。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。
在现有技术中,心血管疾病是全球人群健康的首要死亡因素,造成了巨大的健康负担,而心肌灌注显像是诊断心血管疾病患者心肌缺血准确且循证医学证据最充分的无创检查方法,是评估患者预后的重要预测指标;
其中,大部分心血管疾病研究均是在经典心外膜血管级联缺血理论框架指导下描述其临床表现,对于同时存在心肌微循环异常的患者无法精细化诊断。这导致无创功能学发现的缺血区域与靶病变未必能精确地匹配,诊断效果欠佳,量化患者中微血管及微循环状态可为心血管疾病诊断提供重要新的理论指导,然而目前对心脏微循环的评估多为定性结果且多为侵入性,临床普及率差,亟需开发评价冠状动脉微血管及微循环的无创成像技术辅助理论研究及临床诊疗,冠状动脉循环装置由三个部分组成:即近端的心外膜冠状动脉,直径从数毫米到500μm,几乎不产生对血流的阻力;中间部分的前微动脉,直径100~500μm,是调控血流和压力的主要部位,主要功能是控制到达微动脉的血流和血压;远端部分的微动脉,直径<100μm,特征性功能为代谢产物依赖的血管舒张,以保证血流量与心肌的耗氧量相匹配,是血流阻力的主要产生部位;
微循环障碍在心血管疾病发生发展中起重要作用,也是心肌缺血相关疾病表型异质性强的重要原因,然而,受到现有成像技术的双重限制(现有常用无偿临床成像技术只能检测到大于300μm的冠状动脉),心脏微循环状态难以量化,心肌灌注模型由于其动态的过程导致其微循环尺度难以量化,使得冠脉灌注模型无法和心肌灌注模型直接耦合,无法有效的生成高精确匹的对应配患者特异性的心脏灌注模型。
为至少解决上述问题,本申请公开了一种跨尺度心脏灌注数字仿真方法、装置及控制器,其中,通过本申请的跨尺度心脏灌注数字仿真方法,获取患者的冠脉CT造影图像,对冠脉CT造影图像进行分割处理,得到主动脉信息和心外膜冠状动脉信息,根据主动脉信息和心外膜冠状动脉信息构建冠脉血管树,并根据冠脉血管树生成对应的中微血管网络,以通过三维多室Darcy模型模拟微血管网络中的血流信息,微血管网络中的血流信息即为心肌模型内的血流信息,通过纳维-斯托克斯方程模拟冠脉血管树中的血流信息生成冠脉灌注模型;在通过三维多室Darcy模型模拟心肌模型内的血流信息得到心肌灌注模型之后,根据冠脉灌注模型和心肌灌注模型的参数信息,对冠脉灌注模型和心肌灌注模型进行迭代耦合处理,得到跨尺度整体心脏灌注模型,获取患者的PET/CT数据,根据PET/CT数据对跨尺度整体心脏灌注模型中关键心血管参数进行退火法优化处理,得到患者特异性的心脏灌注模型,克服微循环尺度难以量化的问题,得到跨尺度整体心脏灌注模型,并根据患者数据进行优化,生成的高精度的心脏灌注模型,可以有效辅助本领域技术人员的理论研究及临床诊疗。
下面结合附图,对本申请实施例作进一步描述。
参考图1,图1为本申请一实施例提出的跨尺度心脏灌注数字仿真方法的流程图,在一些实施例中,跨尺度心脏灌注数字仿真方法,包括但不限于有以下步骤S110、步骤S120、步骤S130、步骤S140、步骤S150、步骤S160和步骤S170;
步骤S110,获取患者的冠脉CT造影图像;
步骤S120,对冠脉CT造影图像进行分割处理,得到主动脉信息和心外膜冠状动脉信息;
在一些实施例中冠脉CT造影图像即为cCTA影像,本申请通过从患者冠脉血管造影cCTA图像分割主动脉和心外膜冠状动脉血管,三维重建患者的冠状动脉的三维模型,即三维重建患者的冠脉血管树。
在一些实施例中,采用Materialise公司(Materialise,Inc.,Belgium)研发的交互式-医学影像控制软件Mimics17.0(Materialise's interactive medical imagecontrol system),在获取患者的冠脉CT造影图像后,对冠脉CT造影图像进行分割处理,得到主动脉信息和心外膜冠状动脉信息。
步骤S130,根据主动脉信息和心外膜冠状动脉信息构建冠脉血管树,并根据冠脉血管树生成对应的中微血管网络;
在一些实施例中,中微血管网络即为冠脉血管树生成的下游冠脉血管树,中微血管网络与冠脉血管树具有相同的几何尺寸和数学结构,进而在后续步骤中通过三维多室Darcy模型模拟微血管网络中的血流信息得到中微血管网络的灌注模型,使该模型直接与冠脉血管树的灌注模型耦合。
步骤S140,通过纳维-斯托克斯方程模拟冠脉血管树中的血流信息生成冠脉灌注模型;
在一些实施例中,通过纳维-斯托克斯方程模拟冠脉血管树中的血流信息生成冠脉灌注模型,包括:根据纳维-斯托克斯方程得到第一方程组以模拟血流信息,冠脉血管树中的血流信息包括血流流速Q、血流压力p、血管横截面面积S、血流密度ρ和运动粘度v,第一方程组为:
其中,z为纳维-斯托克斯方程中的中心线的坐标,α是几何关系参数;
根据休息期条件和充盈期条件的参数化处理过程模拟冠脉血管树的休息期和充盈期状态,并根据休息期和充盈期状态更新几何关系参数α,求解第一方程组,以生成冠脉灌注模型。
具体的,由于在人体心血管的主要动脉中,可观测到的动脉壁的相对位移的改变量约为5%~10%,因此冠脉血管树的血管的三维模型通常会假设血管壁为刚性壁,且在患有病变的动脉中,血管壁通常也会硬化和/或加厚,故而血管壁的运动会进一步减小。此时,将血管壁简化为刚性管是合理的。因为血液并不遵循Newtonian流体方程的规律,故称之为非牛顿流体,其粘性随着切应力的改变而发生变化,由于非牛顿流体的复杂性,血流动力学计算中常常将血液简化为不可压缩的粘性牛顿流体,该简化过程对于大多数动脉中的血液都是适用的。因为在人体的大血管中,红细胞直径相对于血管的直径来说是很小的,可认为血液是连续的流体;同时,对于血管直径大于等于0.5mm的冠状动脉血管,冠脉血液流动时的剪切率很高,可认为血液的黏性与剪切率不再相关而保持为常数。此时计算造成的误差小于2%。
故而,可将冠脉血管树中的冠脉血液视为不可压缩的粘性Newtonian流体。在上面定义的血管网络中,冠脉血液是用Navier-Stokes方程的一维近似建模的。利用ANSYS商业软件进行数值求解,假设冠状动脉的三维模型为刚性管,血液被认为是不可压缩的粘性牛顿流体,且血液密度为1050kg/m3,血液动力黏度为0.0035Pa·s。血液流动设定为层流。每个心动周期为0.8s。冠状动脉三维模型的时间步长为0.0025s,结合质量平衡方程,使上述公式1可以描述冠脉血管树中各血管中轴线稳定血流。
在一些实施例中,由于冠脉血管树中的冠脉血液是用Navier-Stokes方程的一维近似建模的,设定血液密度1.06g·cm-3,动力粘度为0.053g·cm-3s-1,常数α=4/3,取值对于冠脉血管树中面积增加的区域,需要调整到相应的数值,这些数值是根据经验推导得出的,以减小一维技术和三维计算结果之间的差异,其中,常数α根据所在的分段血管节点区域和冠脉血管树处于休息期还是充盈期,取值如下表1所示:
表1.休息期和充盈期α取值表
在一些实施例中,在冠脉血管树的血管网络的每个分叉处,根据质量守恒和压力连续性确定了血管相关参数之间的关系,完善了公式1,且与具有可变血管面积S的分段动脉相比,对于合成血管,由于血管的横截面面S沿每一段分段血管保持不变,冠脉血管树的装置实际上简化为泊肃叶定律,在左、右冠状动脉入口,一个心动周期内的平均主动脉压设为PAO=93mmHg,充盈期时,主动脉压保持不变,因为血流储备分数(Fractional FlowReserve,FFR)随主动脉压值的变化相对稳定。
在一些实施例中,在血管的终端段设定流量边界条件,根据该边界条件计算得到冠脉血管树的血管的每个部分的流量解,进而可以计算出从冠脉血管树的血管根部到冠脉血管树的血管末端段的压力解。在求解公式1中一维方程时,将迭代更新流速边界条件进而更新冠脉血管树中合成树几何形状,以反映休息期和充盈期条件内冠脉血管树的相关参数变化。
在一实施例中分割的冠状动脉是根据其中心线离散化的:一维网格由节点和元素(连续节点之间的连接)组成。两个节点之间的间距为0.01cm。对于冠脉血管树的合成部分,随着模型减少到0D,不需要空间离散化。冠脉血管树中每个合成段的空间位置采用起点和终点定位。
在一些实施例中,rT;i是终端段半径,相应的,qT;i是血管终端段血流量,γ被设定为0.75。取值3.41mL min-1,该值是使用先前完成的临床研究中登记的患者的左心室心肌质量分布经验确定的,通过拟合心肌血流的正态分布,中位数为1毫升分钟1mL-1g-1。
在一些实施例中,本申请采用迭代过程更新流量边界条件,在流量边界条件在冠脉血管树中造成过大的压力损失的情况下,然后扩张中微血管网络中的合成树以复制小动脉和小动脉的生理扩张,以防止理想的最小终端电阻相比终端电阻太低,影响冠脉灌注模型的有效性。
在一些实施例中,充盈期条件的参数化处理过程包括,根据休息期的心肌总基线流量模拟充盈期的心肌总基线流量/>根据初始化的终端段血流/>得到休息期的终端段血流/>并模拟充盈期的终端段流量/>其中总理想充盈期流量定义为理想的终端段流量定义为/>
其中,冠状血管的充盈期条件近似于一种应力状态,其中冠状血管最大程度地扩张,这种情况最常在使用腺苷进行FFR测量或灌注成像时发生。此时总冠状动脉阻力下降到休息期的四分之一,并且所有合成段的直径从初始的未扩张值扩张到其最大容量(40%),这与阻力和直径之间的泊肃叶关系一致。因此,一些扩张能力可以在静止状态下用于满足灌注心肌在基线时的需氧量,而任何剩余的扩张能力都用于模拟最大充盈量。
在一些实施例中,对应冠状血管中未灌注左心室的动脉,终端段血流边界条件为:其中,rT,i是终端段半径。nterm,non-LV是血管出口未灌注左心室的动脉数,且/>因此,定义理想的冠状血管中未灌注左心室的动动脉充盈期流量定义如下:/>
其中,Q是本申请中得到的总心肌血流基线值,是通过左心室的心机体积计算的,需要注意的是,本申请中宏观的值是通过患者的影像,结合患者先验知识进行估算的,而微观的值则是通过宏观的值叠加算法进一步得到的,所以公式6中q是根据Q得到的。
步骤S150,通过三维多室Darcy模型模拟心肌模型内的血流信息得到心肌灌注模型;
在一些实施例中,通过三维多室Darcy模型模拟心肌模型内的血流信息得到心肌灌注模型,包括:
通过三维多室Darcy模型生成第八公式,以模拟心肌模型内的血流信息,心肌模型内的血流信息,第八公式如下:
在一些实施例中,心肌内部的血流是由压差驱动的。将无通量边界条件应用于被认为是不渗透的心肌壁。方程8a和8b被组合成一个单一的泊松方程,用P1单元求解p,在FreeFEM框架中实现心肌网格由大约50万个四面体单元组成,平均单元体积为2×10-4mL,这一分辨率足以获得与心肌血流无关的网格解。
其中,考虑各向同性渗透率场常量K=2×10-5cm2 Pa-1s-1,公式9中与Qtot的比例关系确保了从休息到充盈期的βsource增加,反映了心肌灌注模型中充盈期状态下心肌的血管扩张反应。且心肌灌注模型中流出终端在心肌体积上均匀分布,充盈期时βsink也增加,反映微血管补充增加和静脉弹性扩张,psink参考压力,等于0mmHg。
步骤S160,根据冠脉灌注模型和心肌灌注模型的参数信息,对冠脉灌注模型和心肌灌注模型进行迭代耦合处理,得到跨尺度整体心脏灌注模型;
在一些实施例中,根据冠脉灌注模型和心肌灌注模型的参数信息,对冠脉灌注模型和心肌灌注模型进行迭代耦合处理,得到跨尺度整体心脏灌注模型,包括:
在冠脉灌注模型的终端段出口处与心肌灌注模型耦合;
进行K次耦合迭代,并更新参数信息,参数信息包括血流进入压力和终端段出口流量/>并满足以下公式:/>以得到跨尺度整体心脏灌注模型,其中,pk是k次迭代过程中血流进入压力可以想到的是本申请中相同字母表达的含义是一致的。
步骤S170,获取患者的PET/CT数据,根据PET/CT数据对跨尺度整体心脏灌注模型中关键心血管参数进行退火法优化处理,得到患者特异性的心脏灌注模型。
通过上述步骤S110至S170,本申请通过纳维-斯托克斯方程模拟冠脉血管树中的血流信息生成冠脉灌注模型,通过三维多室Darcy模型模拟心肌模型内的血流信息得到心肌灌注模型,进而对冠脉灌注模型和心肌灌注模型进行迭代耦合处理,克服微循环尺度难以量化的问题,得到跨尺度整体心脏灌注模型,并根据患者数据进行优化,得到患者特异性的心脏灌注模型,生成的高精度的心脏灌注模型,可以有效辅助本领域技术人员的理论研究及临床诊疗。
参考图2,图2为本申请另一实施例提出的跨尺度心脏灌注数字仿真方法中,根据冠脉血管树生成对应的中微血管网络的流程图,在一些实施例中,根据主动脉信息和心外膜冠状动脉信息构建冠脉血管树,并根据冠脉血管树生成对应的中微血管网络,包括但不限于有以下步骤S210、步骤S220和步骤S230:
步骤S210,根据主动脉信息和心外膜冠状动脉信息构建冠脉血管树;
步骤S220,根据患者的分支模式在冠脉血管树中的下游动脉树根处生成多个血管合成树;
步骤S230,根据目标血流量扩展合成树并构建中微血管网络。
在一些实施例中,参考图3,图3为本申请另一实施例提出的冠状模型的示意图,下游动脉树的树根是冠状动脉出口,根据患者的分支模式,在分节生成血管。
在一些实施例中,由于cCTA空间分辨率有限,在分割中会遗漏的较小的分支则由这些额外的根补齐。因此只有靠近左心室心肌的人造树根才能被确定为血管树的生成。每个树根中的目标血流量根据根直径和公式2中定义的总基线流量进行估算。合成树通过最小化生成的总血管体积来生成,并受到患者特异性先验的约束,即分段血管和左心室心肌。多棵血管合成树之间的竞争增长是由患者特异性的血管树的目标血流量驱动的。一旦到达一定数量的终端段,树的生成就终止。由此产生的混合血管装置是由两个分叉树,左冠状动脉和右冠状动脉。左侧分支又分为左前降支和左旋支。不同脉管装置终末节的数量nterm有差异,本申请中每个终端段出口i,i=1…nterm,用上标T,i表示。
在一些实施例中,在血管合成树生长计算过程中,删除目标流量小于20%的被分割血管上生成的合成树,其中,由于初始化或几何约束,一些合成树不能正常扩展,它们不能达到目标流量,产生很少的终端段,通常具有较大的直径。为了限制终端段之间的差异,并提高合成网络的尺度一致性,故删除目标流量小于20%的被分割血管上生成的合成树。
在一些实施例中,其采用三维多室Darcy模型模拟壁内中微血管网络中压力等时空场的变化和演化得到,中微血管网络的灌注模型,该模型与冠状动脉模型具有相同的几何尺寸和数学结构,可直接结合,进而得到完整的冠脉灌注模型。
在一些实施例中,图4为本申请另一实施例提出的对冠脉灌注模型和心肌灌注模型进行迭代耦合处理,得到跨尺度整体心脏灌注模型的示意图,其中,冠脉灌注模型和心肌灌注模型是强耦合关系。两者之间的相互作用发生在终端段出口,即主要耦合的区域在的是冠状动脉的终端段出口(冠状动脉出口)处,对应于多孔模型描述中的源项,每个冠状动脉都与心肌中各自的灌注区域相关联。这些区域的Ωi是从离散加权Voronoitessellation,使用终端段直径作为权重。因此,具有较大直径、承载较大流量的段被分配较大的灌注区域,耦合过程包括初始化循环,然后是耦合两个模型的迭代,耦合迭代k时的交换量公式即为公式11,每次迭代就按照公式更新冠状动脉模型出口流量和全心肌容量等参数,模拟心脏的微循环尺度,克服微循环尺度难以量化的问题,得到跨尺度整体心脏灌注模型。
参考图5,图5为本申请另一实施例提出的跨尺度心脏灌注数字仿真方法中,得到患者特异性的心脏灌注模型的流程图,在一些实施例中,根据PET/CT数据对跨尺度整体心脏灌注模型中关键心血管参数进行退火法优化处理,得到患者特异性的心脏灌注模型,包括但不限于有以下步骤S510、步骤S520、步骤S530和步骤S540:
步骤S510,根据PET/CT数据和跨尺度整体心脏灌注模型确定目标函数和敏感参数;
步骤S520,设置模拟退火法的配置参数,并根据配置参数对敏感参数进行迭代优化;
步骤S530,对迭代优化过程中更新的敏感参数进行目标函数的计算并进行比较,得到目标函数结果;
步骤S540,在目标函数结果小于配置参数中容差的情况下,得到患者特异性的心脏灌注模型。
在一些实施例中,将采集的患者PET/CT数据作为优化目标,对心血管集中参数模型中的各个参数进行敏感性分析,从而确定对优化目标影响较大的敏感参数,其中,敏感参数的判断依据为:单一调节集中参数模型中的各个参数,观察其变化对于优化目标的影响程度。如若参数变化30%时,优化目标中任一生理波形或数据结果均值变化达到5%以上;或者生理波形的形状特征发生明显的改变,即可认为该参数是敏感参数。本申请中设定:变化前、后波形之间的均方根误差大于波形均值的5%,视为波形发生明显的变化。通过敏感性分析,确定本研究的敏感参数。E(t)函数表达式如下:
E(t)=(Emax-Emin)gEn(tn)+Emin (公式12)
将采集的患者数据与模型计算得到的数值之间的均方根误差,以及患者的主要参数均值作为优化的目标函数。目标函数中,均方根误差计算公式如下:
其中,yn表示目标数据,y'n表示仿真数据,K表示离散的点数。确定了优化目标函数之后,使用模拟退火优化算法,对集中参数模型中的敏感参数进行迭代优化。优化算法的具体步骤为:
①将模型中各敏感参数作为优化的初始参数集合a(n);设定所有所需测试指标的参数的搜索范围[0.1a(n),2a(n)],上限为各初始参数的200%,下限为各初始参数的10%;
②设定模拟退火法的初始温度值T为100,降温因子coolingFactor为0.95,参数增长/减少的最大步长step为10%,容差Tolerance为各优化目标均值的5%,迭代优化的终止条件为新解(目标函数的值)小于容差;
③执行迭代优化,在每次迭代过程中,各敏感参数在搜索范围内增长/减少0%-10%,T=T×coolingFactor,而后分别将更新前后的各参数代入集中参数模型(仿真函数)中进行目标函数的计算;
④比较新、旧两次计算结果,参数更新后的解f(s’)即计算出目标函数的值若小于更新前的解f(s),则接受当前解,否则以概率e-(f(s’)-f(s))/T接受当前解;
⑤迭代计算,当目标函数小于容差时,认为优化结果达到可接受的最优解,结束优化,获得最优解,完成患者特异性灌注模型的构建。
在一些实施例中,患者特异性灌注模型模拟可以提供不同水平(冠状血管、中微血管)的压力和流量信息,FFRCT被计算为冠状动脉树中给定血管位置的压力除以主动脉入口压力,阳性和阴性结果之间的临床阈值为0.8。值得注意的是,对于分割的血管装置,通过将中心线的值投影到动脉壁,FFRCT结果可以在3D中可视化。另一个值得关注的量是给定灌注量下的MBF,计算公式为:
其中,Qj是与灌注量Ωj相关的流速。当Ωj对应于一个Voronoi区域时,Qj是相关的终端段流量。可以将心肌体积分解为更小的体积,并计算每个体积的MBF值。根据选择的体积分解,通过计算子体积的MBF值的统计数据(平均值、SD和范围),可以在不同的空间分辨率下表征MBF,在此通过患者具体参数对比,包括从血管区域性(心外膜血管口径变化、局部灌注缺陷、三大冠脉MBF)到全局心肌(左心室收缩功能或大小、全局CFR、MBF)、跨壁灌注梯度和比值,多方面确定模型与真实数据的相似度,从而拟合得到患者特异性的心肌灌注模型。
在一些实施例中,本申请通过患者收缩压、舒张压的幅值和心率,拟合得到患者主动脉压力的波形,作为优化目标之一;通过患者心输出量和心率,拟合得到患者心输出量的波形,作为另一个优化目标。基于主动脉压力波形和心输出量波形,采用退火法,利用算法将冠状动脉模型的参数调整到可以计算出正常人的生理波形数据,作为后续优化计算的参考值。这些参数值是针对患者个性化的波形和数据的粗略结果。
在一些实施例中,图6为本申请另一实施例提出的,跨尺度整体心脏灌注模型上的患者模型参数调节点示意图,A为主动脉入口,D为主动脉出口;a-i为左冠状动脉装置的各个分支,j-l为右冠状动脉装置的各个分支,并计算得出静息期患者关键节点微血管及微循环参数数值,得到患者基线微循环参数表(表2),并根据表2分析静息期模型关键节点参数,其中AOA主动脉,DOA为降主动脉。
表2.患者静息期模型关键节点参数
在一些实施例中,图7为本申请另一实施例提出的生成跨尺度整体心脏灌注模型,根据PET/CT数据对跨尺度整体心脏灌注模型中关键心血管参数进行退火法优化处理的示意图,可以看出本申请通过退火法,让灌注模型的参数逐渐逼近患者真实参数的意思,从而得到患者的心脏灌注数字孪生,本申请通过对冠脉CT造影图像进行分割处理,得到主动脉信息和心外膜冠状动脉信息;根据主动脉信息和心外膜冠状动脉信息构建冠脉血管树,并根据冠脉血管树生成对应的中微血管网络;通过纳维-斯托克斯方程模拟冠脉血管树中的血流信息生成冠脉灌注模型;通过三维多室Darcy模型模拟心肌模型内的血流信息得到心肌灌注模型,根据冠脉灌注模型和心肌灌注模型的参数信息,对冠脉灌注模型和心肌灌注模型进行迭代耦合处理,得到跨尺度整体心脏灌注模型,但此时的心肌灌注模型为患者虚拟心脏灌注模型,上述过程也仅为患者虚拟心脏灌注模型的构建过程,为了得到患者特异性的心脏灌注模型,需要对比患者虚拟心脏灌注模型的虚拟PET/CT数据和患者的真实PET/CT数据,使用退火法进行参数优化,对不同节段心外膜血管参数调节,对不同区域微循环阻力参数调节,进而实现基于退火法构建患者心脏数字孪生,得到患者特异性的心脏灌注模型,可以有效辅助本领域技术人员的理论研究及临床诊疗。
在一些实施例中,本申请还提出了一种基于辐射场的跨尺度心脏灌注数字仿真装置,装置包括图像获取模块、图像分割模块、血管生成模块、冠脉灌注模型生成模块、心肌灌注模型生成模块、模型耦合模块和模型优化模块,图像获取模块,用于获取患者的冠脉CT造影图像;图像分割模块,用于对冠脉CT造影图像进行分割处理,得到主动脉信息和心外膜冠状动脉信息;血管生成模块,用于根据主动脉信息和心外膜冠状动脉信息构建冠脉血管树,并根据冠脉血管树生成对应的中微血管网络;冠脉灌注模型生成模块,用于通过纳维-斯托克斯方程模拟冠脉血管树中的血流信息生成冠脉灌注模型;心肌灌注模型生成模块,用于通过三维多室Darcy模型模拟心肌模型内的血流信息得到心肌灌注模型;模型耦合模块,用于根据冠脉灌注模型和心肌灌注模型的参数信息,对冠脉灌注模型和心肌灌注模型进行迭代耦合处理,得到跨尺度整体心脏灌注模型;模型优化模块,用于获取患者的PET/CT数据,根据PET/CT数据对跨尺度整体心脏灌注模型中关键心血管参数进行退火法优化处理,得到患者特异性的心脏灌注模型。
在一些实施例中,还提出了一种跨尺度心脏灌注数字仿真装置,该跨尺度心脏灌注数字仿真装置设置有上述任意一项实施例的跨尺度心脏灌注数字仿真装置,使跨尺度心脏灌注数字仿真装置具备上述任意一项实施例的跨尺度心脏灌注数字仿真方法的功能与效果。
图8是本发明实施例提供的控制器的结构示意图。
本发明的一些实施例提供了一种控制器,控制器包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,处理器执行计算机程序时实现上述任意一项实施例的跨尺度心脏灌注数字仿真方法,例如,执行以上描述的图1中的方法步骤S110至步骤S170、图2中的方法步骤S210至步骤S230、图5中的方法步骤S510至步骤S540。
本发明实施例的控制器800包括一个或多个处理器810和存储器820,图8中以一个处理器810及一个存储器820为例。
处理器810和存储器820可以通过总线或者其他方式连接,图8中以通过总线连接为例。
存储器820作为一种非暂态计算机可读存储介质,可用于存储非暂态软件程序以及非暂态性计算机可执行程序。此外,存储器820可以包括高速随机存取存储器,还可以包括非暂态存储器,例如至少一个磁盘存储器件、闪存器件、或其他非暂态固态存储器件。在一些实施方式中,存储器820可选包括相对于处理器810远程设置的存储器820,这些远程存储器可以通过网络连接至控制器800,同时,上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
在一些实施例中,处理器执行计算机程序时按照预设间隔时间执行上述任意一项实施例的跨尺度心脏灌注数字仿真方法。
本领域技术人员可以理解,图8中示出的装置结构并不构成对控制器800的限定,可以包括比图示更多或更少的部件,或者组合某些部件,或者不同的部件布置。
在图8所示的控制器800中,处理器810可以用于调用存储器820中储存的跨尺度心脏灌注数字仿真方法,从而实现跨尺度心脏灌注数字仿真方法。
基于上述控制器800的硬件结构,提出本发明的跨尺度心脏灌注数字仿真装置的各个实施例,同时,实现上述实施例的跨尺度心脏灌注数字仿真方法所需的非暂态软件程序以及指令存储在存储器中,当被处理器执行时,执行上述实施例的跨尺度心脏灌注数字仿真方法。
此外,本发明实施例的还提供了一种跨尺度心脏灌注数字仿真装置,该跨尺度心脏灌注数字仿真装置包括由上述的控制器。
在一些实施例中,由于本发明实施例的跨尺度心脏灌注数字仿真装置具有上述实施例的控制器,并且上述实施例的控制器能够执行上述实施例的跨尺度心脏灌注数字仿真方法,因此,本发明实施例的跨尺度心脏灌注数字仿真装置的具体实施方式和技术效果,可以参照上述任一实施例的跨尺度心脏灌注数字仿真方法的具体实施方式和技术效果。
本发明实施例的还提供了一种计算机可读存储介质,该计算机可读存储介质存储有计算机可执行指令,计算机可执行指令用于执行上述的跨尺度心脏灌注数字仿真方法,例如,可使得上述一个或多个处理器执行上述方法实施例中的跨尺度心脏灌注数字仿真方法,例如,执行以上描述的图1中的方法步骤S110至步骤S170、图2中的方法步骤S210至步骤S230、图5中的方法步骤S510至步骤S540。
以上所描述的装置实施例仅仅是示意性的,其中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,即可以位于一个地方,或者也可以分布到多个网络节点上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。
本领域普通技术人员可以理解,上文中所公开方法中的全部或某些步骤、装置可以被实施为软件、固件、硬件及其适当的组合。某些物理组件或所有物理组件可以被实施为由处理器,如中央处理器、数字信号处理器或微处理器执行的软件,或者被实施为硬件,或者被实施为集成电路,如专用集成电路。这样的软件可以分布在计算机可读介质上,计算机可读介质可以包括计算机可读存储介质(或非暂时性介质)和通信介质(或暂时性介质)。如本领域普通技术人员公知的,术语计算机可读存储介质包括在用于存储信息(诸如计算机可读指令、数据结构、程序模块或其他数据)的任何方法或技术中实施的易失性和非易失性、可移除和不可移除介质。计算机可读存储介质包括但不限于RAM、ROM、EEPROM、闪存或其他存储器技术、CD-ROM、数字多功能盘(DVD)或其他光盘存储、磁盒、磁带、磁盘存储或其他磁存储装置、或者可以用于存储期望的信息并且可以被计算机访问的任何其他的介质。此外,本领域普通技术人员公知的是,通信介质通常包含计算机可读指令、数据结构、程序模块或者诸如载波或其他传输机制之类的调制数据信号中的其他数据,并且可包括任何信息递送介质。
以上是对本申请的较佳实施进行了具体说明,但本申请并不局限于上述实施方式,熟悉本领域的技术人员在不违背本申请精神的前提下还可作出种种等同变形或替换,这些等同的变形或替换均包含在本申请权利要求所限定的范围内。
Claims (10)
1.一种跨尺度心脏灌注数字仿真方法,其特征在于,所述方法包括:
获取患者的冠脉CT造影图像;
对冠脉CT造影图像进行分割处理,得到主动脉信息和心外膜冠状动脉信息;
根据所述主动脉信息和所述心外膜冠状动脉信息构建冠脉血管树,并根据所述冠脉血管树生成对应的中微血管网络;
通过纳维-斯托克斯方程模拟所述冠脉血管树中的血流信息生成冠脉灌注模型;
通过三维多室Darcy模型模拟心肌模型内的血流信息得到心肌灌注模型;
根据所述冠脉灌注模型和所述心肌灌注模型的参数信息,对所述冠脉灌注模型和所述心肌灌注模型进行迭代耦合处理,得到跨尺度整体心脏灌注模型;
获取患者的PET/CT数据,根据所述PET/CT数据对所述跨尺度整体心脏灌注模型中关键心血管参数进行退火法优化处理,得到患者特异性的心脏灌注模型。
2.根据权利要求1所述的跨尺度心脏灌注数字仿真方法,其特征在于,根据所述主动脉信息和所述心外膜冠状动脉信息构建冠脉血管树,并根据所述冠脉血管树生成对应的中微血管网络,包括:
根据所述主动脉信息和所述心外膜冠状动脉信息构建冠脉血管树;
根据患者的分支模式在所述冠脉血管树中的下游动脉树根处生成多个血管合成树;
根据目标血流量扩展所述合成树并构建所述中微血管网络。
7.根据权利要求1所述的跨尺度心脏灌注数字仿真方法,其特征在于,根据所述PET/CT数据对所述跨尺度整体心脏灌注模型中关键心血管参数进行退火法优化处理,得到患者特异性的心脏灌注模型,包括:
根据PET/CT数据和所述跨尺度整体心脏灌注模型确定目标函数和敏感参数;
设置模拟退火法的配置参数,并根据所述配置参数对敏感参数进行迭代优化;
对迭代优化过程中更新的敏感参数进行目标函数的计算并进行比较,得到目标函数结果;
在所述目标函数结果小于配置参数中容差的情况下,得到患者特异性的心脏灌注模型。
8.一种跨尺度心脏灌注数字仿真装置,其特征在于,所述装置包括图像获取模块、图像分割模块、血管生成模块、冠脉灌注模型生成模块、心肌灌注模型生成模块、模型耦合模块和模型优化模块,
所述图像获取模块,用于获取患者的冠脉CT造影图像;
所述图像分割模块,用于对冠脉CT造影图像进行分割处理,得到主动脉信息和心外膜冠状动脉信息;
所述血管生成模块,用于根据所述主动脉信息和所述心外膜冠状动脉信息构建冠脉血管树,并根据所述冠脉血管树生成对应的中微血管网络;
所述冠脉灌注模型生成模块,用于通过纳维-斯托克斯方程模拟所述冠脉血管树中的血流信息生成冠脉灌注模型;
所述心肌灌注模型生成模块,用于通过三维多室Darcy模型模拟心肌模型内的血流信息得到心肌灌注模型;
所述模型耦合模块,用于根据所述冠脉灌注模型和所述心肌灌注模型的参数信息,对所述冠脉灌注模型和所述心肌灌注模型进行迭代耦合处理,得到跨尺度整体心脏灌注模型;
所述模型优化模块,用于获取患者的PET/CT数据,根据所述PET/CT数据对所述跨尺度整体心脏灌注模型中关键心血管参数进行退火法优化处理,得到患者特异性的心脏灌注模型。
9.一种控制器,其特征在于,包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现如权利要求1至7中任意一项所述的跨尺度心脏灌注数字仿真方法。
10.一种计算机可读存储介质,存储有计算机可执行指令,计算机可执行指令用于执行如权利要求1至7中任意一项所述的跨尺度心脏灌注数字仿真方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310088217.1A CN116313108A (zh) | 2023-02-08 | 2023-02-08 | 跨尺度心脏灌注数字仿真方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310088217.1A CN116313108A (zh) | 2023-02-08 | 2023-02-08 | 跨尺度心脏灌注数字仿真方法及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116313108A true CN116313108A (zh) | 2023-06-23 |
Family
ID=86831464
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310088217.1A Pending CN116313108A (zh) | 2023-02-08 | 2023-02-08 | 跨尺度心脏灌注数字仿真方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116313108A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117040541A (zh) * | 2023-10-08 | 2023-11-10 | 壹仟零壹艺网络科技(北京)有限公司 | 一种用于cad图纸数据的数据存储方法及系统 |
-
2023
- 2023-02-08 CN CN202310088217.1A patent/CN116313108A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117040541A (zh) * | 2023-10-08 | 2023-11-10 | 壹仟零壹艺网络科技(北京)有限公司 | 一种用于cad图纸数据的数据存储方法及系统 |
CN117040541B (zh) * | 2023-10-08 | 2024-02-09 | 壹仟零壹艺网络科技(北京)有限公司 | 一种用于cad图纸数据的数据存储方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10522254B2 (en) | Methods and systems for predicting sensitivity of blood flow calculations to changes in anatomical geometry | |
US10162932B2 (en) | Method and system for multi-scale anatomical and functional modeling of coronary circulation | |
CN105380598B (zh) | 用于针对动脉狭窄的自动治疗规划的方法和系统 | |
CN106659400B (zh) | 用于确定血流储备分数值的装置 | |
US11871995B2 (en) | Patient-specific modeling of hemodynamic parameters in coronary arteries | |
CN108122616B (zh) | 个体特异性的心血管模型的生成方法及其应用 | |
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 | |
JP2015509820A (ja) | 安静および充血時における冠血流のパーソナライゼーション用フレームワーク | |
CN108665449B (zh) | 预测血流矢量路径上的血流特征的深度学习模型及装置 | |
ES2933276T3 (es) | Modelado específico del paciente de parámetros hemodinámicos en arterias coronarias | |
CN113015497B (zh) | 对对象固有的血管的血流模拟方法及装置 | |
JP2021533950A (ja) | 血管断面関数、血管圧力差と血管応力の作成方法及び装置 | |
CN116313108A (zh) | 跨尺度心脏灌注数字仿真方法及装置 | |
Liu et al. | Closed-loop geometric multi-scale heart-coronary artery model for the numerical calculation of fractional flow reserve | |
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 | |
Figueroa et al. | Blood flow | |
Meiburg et al. | Model-based aortic power transfer: a potential measure for quantifying aortic stenosis severity based on measured data | |
Meskin et al. | Investigating the importance of left atrial compliance on fluid dynamics in a novel mock circulatory loop | |
Dubini et al. | Trends in biomedical engineering: focus on patient specific modeling and life support systems | |
CN116313101A (zh) | 一种冠状动脉血流储备分数确定方法、系统、设备及介质 | |
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 |