CN116616819B - 一种超声经颅多普勒血流分析系统、方法及存储介质 - Google Patents
一种超声经颅多普勒血流分析系统、方法及存储介质 Download PDFInfo
- Publication number
- CN116616819B CN116616819B CN202310916885.9A CN202310916885A CN116616819B CN 116616819 B CN116616819 B CN 116616819B CN 202310916885 A CN202310916885 A CN 202310916885A CN 116616819 B CN116616819 B CN 116616819B
- Authority
- CN
- China
- Prior art keywords
- blood flow
- premature infant
- intracranial
- intracranial blood
- premature
- 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
Links
- 230000017531 blood circulation Effects 0.000 title claims abstract description 347
- 238000005206 flow analysis Methods 0.000 title claims abstract description 45
- 238000000034 method Methods 0.000 title claims abstract description 38
- 238000003860 storage Methods 0.000 title claims abstract description 11
- 230000002028 premature Effects 0.000 claims abstract description 384
- 238000007917 intracranial administration Methods 0.000 claims abstract description 375
- 210000004204 blood vessel Anatomy 0.000 claims abstract description 140
- 239000000523 sample Substances 0.000 claims abstract description 59
- 238000007781 pre-processing Methods 0.000 claims abstract description 22
- 230000036541 health Effects 0.000 claims abstract description 18
- 238000001514 detection method Methods 0.000 claims abstract description 16
- 230000009467 reduction Effects 0.000 claims abstract description 16
- 230000002792 vascular Effects 0.000 claims description 32
- 239000008280 blood Substances 0.000 claims description 27
- 210000004369 blood Anatomy 0.000 claims description 27
- 230000008859 change Effects 0.000 claims description 26
- 238000005516 engineering process Methods 0.000 claims description 26
- 238000004088 simulation Methods 0.000 claims description 26
- 230000009466 transformation Effects 0.000 claims description 21
- 238000004422 calculation algorithm Methods 0.000 claims description 12
- 238000004590 computer program Methods 0.000 claims description 12
- 238000000354 decomposition reaction Methods 0.000 claims description 12
- 238000006243 chemical reaction Methods 0.000 claims description 10
- 238000002604 ultrasonography Methods 0.000 claims description 9
- 238000006073 displacement reaction Methods 0.000 claims description 8
- 210000002385 vertebral artery Anatomy 0.000 claims description 6
- 238000004519 manufacturing process Methods 0.000 claims description 5
- 208000024891 symptom Diseases 0.000 claims description 5
- 230000002159 abnormal effect Effects 0.000 claims description 4
- 230000001133 acceleration Effects 0.000 claims description 4
- 230000036772 blood pressure Effects 0.000 claims description 4
- 238000004364 calculation method Methods 0.000 claims description 4
- 238000009826 distribution Methods 0.000 claims description 4
- 230000005484 gravity Effects 0.000 claims description 4
- 238000012544 monitoring process Methods 0.000 claims description 4
- 210000001367 artery Anatomy 0.000 claims description 3
- 210000001841 basilar artery Anatomy 0.000 claims description 3
- 210000001168 carotid artery common Anatomy 0.000 claims description 3
- 239000007822 coupling agent Substances 0.000 claims description 3
- 210000003270 subclavian artery Anatomy 0.000 claims description 3
- 230000006870 function Effects 0.000 description 19
- 238000010586 diagram Methods 0.000 description 7
- 238000004458 analytical method Methods 0.000 description 3
- 230000008901 benefit Effects 0.000 description 3
- 210000004556 brain Anatomy 0.000 description 2
- 210000005013 brain tissue Anatomy 0.000 description 2
- 230000002490 cerebral effect Effects 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000005070 sampling Methods 0.000 description 2
- 210000003625 skull Anatomy 0.000 description 2
- 206010002091 Anaesthesia Diseases 0.000 description 1
- 206010058178 Aortic occlusion Diseases 0.000 description 1
- 208000032843 Hemorrhage Diseases 0.000 description 1
- 206010022840 Intraventricular haemorrhage Diseases 0.000 description 1
- 230000037005 anaesthesia Effects 0.000 description 1
- 210000002551 anterior cerebral artery Anatomy 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 230000000740 bleeding effect Effects 0.000 description 1
- 230000008344 brain blood flow Effects 0.000 description 1
- 210000001627 cerebral artery Anatomy 0.000 description 1
- 238000003745 diagnosis Methods 0.000 description 1
- 201000010099 disease Diseases 0.000 description 1
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 1
- 210000004884 grey matter Anatomy 0.000 description 1
- 208000001286 intracranial vasospasm Diseases 0.000 description 1
- 210000003657 middle cerebral artery Anatomy 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 230000001575 pathological effect Effects 0.000 description 1
- 210000003388 posterior cerebral artery Anatomy 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 238000001228 spectrum Methods 0.000 description 1
- 238000002560 therapeutic procedure Methods 0.000 description 1
- 238000007631 vascular surgery Methods 0.000 description 1
Classifications
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B8/00—Diagnosis using ultrasonic, sonic or infrasonic waves
- A61B8/06—Measuring blood flow
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B8/00—Diagnosis using ultrasonic, sonic or infrasonic waves
- A61B8/48—Diagnostic techniques
- A61B8/488—Diagnostic techniques involving Doppler signals
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B8/00—Diagnosis using ultrasonic, sonic or infrasonic waves
- A61B8/52—Devices using data or image processing specially adapted for diagnosis using ultrasonic, sonic or infrasonic waves
- A61B8/5215—Devices using data or image processing specially adapted for diagnosis using ultrasonic, sonic or infrasonic waves involving processing of medical diagnostic data
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B8/00—Diagnosis using ultrasonic, sonic or infrasonic waves
- A61B8/52—Devices using data or image processing specially adapted for diagnosis using ultrasonic, sonic or infrasonic waves
- A61B8/5269—Devices using data or image processing specially adapted for diagnosis using ultrasonic, sonic or infrasonic waves involving detection or reduction of artifacts
Abstract
本发明公开了一种超声经颅多普勒血流分析系统、方法及存储介质,涉及计量检测技术领域,包括超声探头,用于采集早产儿颅内血流信号、血液流动图象和血管内径;预处理模块对早产儿颅内血流信号进行降噪处理;处理模块构建早产儿颅内血流的特征模型得到早产儿颅内血流速度标准区间并输出早产儿颅内血流速度实际值;对比模块中将早产儿颅内血流速度实际值与早产儿颅内血流速度标准区间进行对比,得到早产儿颅内血流实际情况及身体健康状况,并从输出模块输出早产儿颅内血流实际情况及身体健康状况。本发明能提供早产儿精准的颅内血流信息为医护人员针对早产儿身体情况进行判断和分析并做出准备和预防。
Description
技术领域
本发明涉及计量检测技术领域,尤其涉及一种超声经颅多普勒血流分析系统、方法及存储介质。
背景技术
超声经颅多普勒血流检测仪简称TCD是一种广泛应用于各大中型医院的医学诊断仪器,用于提供实时动态的脑血管的血流动力学资料,目前已广泛应用于神经内外科、重症监护病房、麻醉科、脑动脉介入治疗中心和血管外科等临床科室患者的检查和监护。TCD通过对颅脑超声多普勒回波信号的采集无创伤的检测生理、病理条件下的脑底和颈部动脉血流参数,为相关疾患的诊断和治疗提供具有重要价值的信息。
申请公开号为CN110058055A的专利公开了一种超声经颅多普勒血流分析校准系统,保证了超声经颅多普勒血流检测仪的参数的准确性及有效使用,及时对表征TCD仪性能的主要参数进行计量检测。
但是由于早产儿身体健康状态的不确定性因素,目前现有技术无法针对早产儿颅内血流进行准确检测来判断健康症状。
发明内容
本部分的目的在于概述本发明的实施例的一些方面以及简要介绍一些较佳实施例。在本部分以及本申请的说明书摘要和发明名称中可能会做些简化或省略以避免使本部分、说明书摘要和发明名称的目的模糊,而这种简化或省略不能用于限制本发明的范围。
鉴于上述现有一种超声经颅多普勒血流分析校准系统存在的问题,提出了本发明。
因此,本发明目的是提供一种超声经颅多普勒血流分析系统。
为解决上述技术问题,本发明提供如下技术方案:
超声探头,用于采集早产儿颅内血流信号、早产儿颅内血液流动图像、早产儿颅内血管内径;
预处理模块,对超声探头采集的早产儿颅内血流信号采用小波变换技术进行降噪处理,然后对降噪处理后的早产儿颅内血流信号进行多普勒变换得到早产儿颅内血流速度;超声探头测量得到的早产儿颅内血管内径通过拉普拉斯变换得到血管壁张力;
处理模块,构建早产儿颅内血管的三维几何模型,并根据早产儿颅内血管的三维几何模型构建早产儿颅内血流特征模型,并采用血流模拟技术得到早产儿颅内血流速度标准区间;
将多普勒变换得到早产儿颅内血流速度和拉普拉斯变换得到血管壁张力导入血流模拟中,得到不同状态下的早产儿颅内血流速度,再将不同状态下的早产儿颅内血流速度导入到早产儿颅内血流特征模型通过调优算法获得早产儿颅内血流速度标准值来组成早产儿颅内血流速度标准区间,最后经处理模块输出早产儿颅内血流速度实际值;
对比模块,早产儿颅内血流速度实际值与早产儿颅内血流速度标准区间进行对比,得到早产儿颅内血流实际情况及身体健康状况;
输出模块,输出早产儿颅内血流实际情况及身体健康状况。
作为本发明所述一种超声经颅多普勒血流分析系统的一种优选方案,其中:
超声探头有两种工作模式,包括脉冲波模式和连续波模式;
其中,脉冲波模式采用2MHz的超声探头,当超声探头工作频率为2.0MHz时,流速测量范围不窄于20cm/s~200cm/s;
连续波模式采用4MHz的超声探头和8MHz的超声探头,当超声探头工作频率为4.0MHz时,流速测量范围不窄于10cm/s~100cm/s;当超声工作频率为8.0MHz时,流速测量范围不窄于10cm/s~50cm/s。
作为本发明所述一种超声经颅多普勒血流分析系统的一种优选方案,其中:
预处理模块中的针对早产儿颅内血流信号采用的小波变换技术包括小波分解、小波阈值处理、小波重构。
作为本发明所述一种超声经颅多普勒血流分析系统的一种优选方案,其中:
预处理模块中针对早产儿颅内血管内径采用的拉普拉斯变换技术得到血管壁张力,方法如下:
采用超声多普勒技术,实时监测血流和血管壁运动,获取血管直径随时间的变化曲线;
根据拉普拉斯定律中血管壁张力与血管直径及血液压力之间关系,得到血管内壁张力的表达式如下:
令初始时刻血管直径为,
;
其中,是血管壁张力,/>是血管内压力,/>是血管半径。
作为本发明所述一种超声经颅多普勒血流分析系统的一种优选方案,其中:
构建早产儿颅内血管的三维几何模型方法如下:
构建早产儿颅内血管的三维几何模型方法如下:
通过超声探头收集早产儿颅内血管数据;
对收集的早产儿颅内血管数据进行去噪处理;
通过图像处理对去噪处理后的数据进行分割,将早产儿颅内血管区域提取;
对分割后早产儿颅内血管区域提取血管轮廓;
将提取的血管轮廓转化为点云数据,即一系列的三维坐标点;
使用点云重建算法,将点云数据转化为早产儿颅内血管三维模型;
对生成的早产儿颅内血管三维模型进行优化,去除噪声;
将优化后的早产儿颅内血管三维模型与通过超声探头收集早产儿颅内血管数据进行对比和验证。
作为本发明所述一种超声经颅多普勒血流分析系统的一种优选方案,其中:
根据早产儿颅内血管的三维几何模型构建早产儿颅内血流特征模型方法如下:
将构建的早产儿颅内血管的三维几何模型导入到CFD软件中,并设置早产儿颅内血管的三维几何模型的几何边界和初始条件;
其中,设定血管入口压力设置为1.0MPa,设定血管出口压力设置为标准大气压;
利用CFD软件的自动或半自动的网格划分工具,将早产儿颅内血管的三维几何模型划分成多个网格单元;
改变网格大小、早产儿颅内血管的三维几何模型边界条件,评估和优化早产儿颅内血管的三维几何模型模型的参数和结果;
使用CFD软件,对早产儿颅内血管的三维几何模型进行数值模拟,获得早产儿颅内血流的分布和特征;
从数值模拟结果中提取早产儿颅内血流的特征,得到早产儿颅内血流特征模型;
其中,血流特征包括血流速度和压力。
作为本发明所述一种超声经颅多普勒血流分析系统的一种优选方案,其中:
采用血流模拟技术,选择血流模型Navier-Stokes方程并设定血管入口压力为1.0MPa,设定血管出口压力为1.0MPa,不同状态下的早产儿颅内血流速度表达式如下:
;
其中,为早产儿颅内血液密度,/>早产儿颅内血流速度,/>为时间,/>为早产儿颅内入口血管压力,/>为早产儿颅内被检测血管血液产生的重力,/>是血管壁张力,为对血管壁张力在早产儿颅内血流速度场中进行梯度运算,/>为早产儿颅内血液粘度系数,取0.0035,/>为早产儿颅内血流速度场的二阶梯度算,/>为不同状态下的早产儿颅内血流速度,/>为早产儿颅内血流速度随时间变化。
作为本发明所述一种超声经颅多普勒血流分析系统的一种优选方案,其中:
早产儿颅内血流特征模型通过调优算法得到早产儿颅内血流速度标准值表达式如下:
;
其中,为早产儿颅内血液密度,/>为不同状态下的早产儿颅内血流速度,/>为时间,建立以/>为血流运动过程中的坐标轴,其中/>表示血流在空间坐标轴中的横轴方向位移,/>为早产儿颅内血管出口压力,/>为早产儿颅内血液粘度系数,/>为被检测部位颅内血管的出口压力速度和涡流速度的比值,涡流速度取值为1.0,/>为早产儿颅内血液粘度随时间变化的速率,/>为早产儿颅内血流标准值;
表示不同状态下的早产儿颅内血流速度随时间变化率,/>表示不同状态下的早产儿颅内血流加速度,/>表示血管入口压力对血流在空间坐标轴中的横轴方向位移的变化率,/>表示早产儿颅内血流速度标准值在沿/>方向上的空间变化率求导,表示早产儿颅内血流速度标准值在/>方向上的变化,/>表示早产儿颅内血流速度标准值关于/>轴的变化率。
作为本发明所述一种超声经颅多普勒血流分析系统的一种优选方案,其中:
对比模块的对比规则为:
当对比模块输出的早产儿颅内血流速度实际值高于或低于早产儿颅内血流速度标准区间时,早产儿身体症状出现异常;
当对比模块输出的早产儿颅内血流速度实际值处于早产儿颅内血流速度标准区间时,早产儿身体状态正常。
一种超声经颅多普勒血流分析方法,包括以下步骤:
S100、连接超声经颅多普勒血流分析检测系统的超声探头、预处理模块、处理模块、对比模块、输出模块并接通电源;
S200、待检测对象平躺与检测床上,将超声耦合剂涂于被检测位置后将超声探头放置于早产儿大脑前、中、后动脉、颈总动脉、锁骨下动脉、左侧椎动脉、基底动脉或右侧椎动脉来查找血管来获取早产儿颅内血流信号;
S300、对检测对象进行重复多次检测;
S400、早产儿颅内血流信号通过超声探头获取后传入到预处理模块,预处理模块通过小波变换技术对早产儿颅内血流信号进行降噪处理来去除信号中的噪声;
S500、降噪处理后的早产儿颅内血流信号经多普勒处理得到早产儿颅内血流速度;
S600、构建早产儿颅内血管的三维几何模型,根据早产儿颅内血管的三维几何模型构建早产儿颅内血流特征模型,并通过血流模拟得到的不同状态下的早产儿颅内血流速度,然后获得早产儿颅内血流速度标准区间,最后经处理模块输出早产儿颅内血流速度实际值;
S700、早产儿颅内血流速度实际值输入到对比模块,在对比模块中将早产儿颅内血流速度实际值与处理模块中的早产儿颅内血流速度标准区间按照对比准则进行对比,根据得到的早产儿颅内血流实际情况进行分析和判断早产儿身体健康状况;
S800、通过输出模块输出早产儿颅内血流实际情况和身体健康状态为医生提供参考;
S900、对检测结果进行记录和归档,以备日后参考比较。
一种计算机设备,包括,存储器,用于存储指令;
处理器,用于执行所述指令,使得所述设备执行实现一种超声经颅多普勒血流分析方法。
一种计算机可读存储介质,其上存储有计算机程序:该计算机程序被处理器执行时,实现一种超声经颅多普勒血流分析方法。
有益效果:本发明利用超声技术在早产儿颅内血管检测中进行超声传播,通过超声探头进行数据采集,经波形转换原理得到可用数字信号与血液流动图像,随后在预处理模块在对超声探头采集的信号使用小波变换技术进行降噪处理,然后在处理模块中构建早产儿颅内血流特征模型获得早产儿颅内血流速度标准区间并输出早产儿颅内血流速度实际值,使得早产儿颅内血流速度实际值与早产儿颅内血流速度标准区间能够在对比模块中对比和分析,整个操作系统结构简单,计算方法容易且精准度高,能够针对早产儿的身体健康状况进行准确判断和分析。
附图说明
为了更清楚地说明本发明实施例的技术方案,下面将对实施例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性的前提下,还可以根据这些附图获得其它的附图。其中:
图1所示为本发明一种超声经颅多普勒血流分析方法流程示意图。
图2所示为本发明一种超声经颅多普勒血流分析系统整体结构示意图。
具体实施方式
为使本发明的上述目的、特征和优点能够更加明显易懂,下面结合说明书附图对本发明的具体实施方式做详细的说明。
在下面的描述中阐述了很多具体细节以便于充分理解本发明,但是本发明还可以采用其他不同于在此描述的其它方式来实施,本领域技术人员可以在不违背本发明内涵的情况下做类似推广,因此本发明不受下面公开的具体实施例的限制。
其次,此处所称的“一个实施例”或“实施例”是指可包含于本发明至少一个实现方式中的特定特征、结构或特性。在本说明书中不同地方出现的“在一个实施例中”并非均指同一个实施例,也不是单独的或选择性的与其他实施例互相排斥的实施例。
下面通过附图以及具体实施例对本发明技术方案做详细地说明,应当理解本发明实施例以及实施例中的具体特征是对本发明技术方案的详细的说明,而不是对本发明技术方案的限定,在不冲突的情况下,本发明实施例以及实施例中的技术特征可以相互组合。
术语“和/或”,仅仅是一种描述关联对象的关联关系,表示可以存在三种关系,例如,A和/或B,可以表示:单独存在A,同时存在A和B,单独存在B这三种情况。另外,字符"/",一般表示前后关联对象是一种“或”的关系。
实施例1
请参阅图1,本实施例介绍一种超声经颅多普勒血流分析方法,包括:
一种超声经颅多普勒血流分析方法步骤为:
S100、连接超声经颅多普勒血流分析检测系统的超声探头、预处理模块、处理模块、对比模块、输出模块并接通电源;
S200、待检测对象平躺与检测床上,将超声耦合剂涂于被检测位置后将超声探头放置于早产儿大脑前、中、后动脉、颈总动脉、锁骨下动脉、左侧椎动脉、基底动脉或右侧椎动脉检查位置来查找血管来获取早产儿颅内血流信号;
S300、对检测对象进行重复多次检测;
S400、早产儿颅内血流信号通过超声探头获取后传入到预处理模块,预处理模块通过小波变换技术对早产儿颅内血流信号进行降噪处理来去除信号中的噪声;
S500、降噪处理后的早产儿颅内血流信号经多普勒处理得到早产儿颅内血流速度;
S600、构建早产儿颅内血管的三维几何模型,根据早产儿颅内血管的三维几何模型构建早产儿颅内血流特征模型,并通过血流模拟得到的不同状态下的早产儿颅内血流速度,然后获得早产儿颅内血流速度标准区间,最后经处理模块输出早产儿颅内血流速度实际值;
S700、早产儿颅内血流速度实际值输入到对比模块,在对比模块中将早产儿颅内血流速度实际值与处理模块中的早产儿颅内血流速度标准区间按照对比准则进行对比,根据得到的早产儿颅内血流实际情况进行分析和判断早产儿身体健康状况;
S800、通过输出模块输出早产儿颅内血流实际情况和身体健康状况为医生提供多种报表和报告;
S900、对检测结果进行记录和归档,以备日后参考比较。
其中S400步骤中,预处理模块中的针对早产儿颅内血流信号采用的小波变换技术包括小波分解、小波阈值处理、小波重构对早产儿颅内血流信号降噪处理,具体实施如下:
针对早产儿颅内血流信号进行小波分解,得到不同尺度下的频带来反映信号的时频特征,令早产儿颅内血流信号为,小波分解,表达式如下:
;
其中,为早产儿颅内血流离散信号,/>为尺度,/>为小波函数位置,/>为小波函数的长度,/>为采样点位置,/>为早产儿颅内血流信号,/>为小波基数函数;
针对小波分解后的早产儿颅内血流信号进行小波阈值处理来去除信号中的噪声提高信号的质量,小波阈值处理,表达式如下:
;
其中,为确定的阈值,/>是处理后的小波系数,它反映了早产儿颅内血流信号在不同尺度下的频率分量;
小波重构将经过小波分解和小波阈值处理后的小波系数恢复为原始信号,将处理后的信号回归到时域空间来对信号进行后续的分析和处理,小波重构表达式如下:
;
其中,为重构后的早产儿颅内血流信号,/>为最大的尺度,/>为小波函数的长度,/>为小波函数位置,/>是处理后的小波系数,/>为小波基函数的低频部分,/>为小波基函数的高频部分;
采用超声多普勒技术,实时监测血流和血管壁运动,获取血管直径随时间的变化曲线;
拉普拉斯定律中血管壁张力与血管直径及血液压力之间关系,得到血管内壁张力的表达式如下:
令初始时刻血管直径为,
;
其中,是血管壁张力,/>是血管内压力,/>是血管的半径;
所述S600步骤中构建早产儿颅内血管的三维几何模型如下:
通过超声探头收集早产儿颅内血管数据;
对收集的早产儿颅内血管数据进行去噪处理;
通过图像处理对去噪处理后的数据进行分割,将早产儿颅内血管区域提取;
对分割后早产儿颅内血管区域提取血管轮廓;
将提取的血管轮廓转化为点云数据,即一系列的三维坐标点;
使用点云重建算法,将点云数据转化为早产儿颅内血管三维模型;
对生成的早产儿颅内血管三维模型进行优化,去除噪声;
将优化后的早产儿颅内血管三维模型与通过超声探头收集早产儿颅内血管数据进行对比和验证。
根据早产儿颅内血管的三维几何模型构建早产儿颅内血流特征模型方法如下:
将构建的早产儿颅内血管的三维几何模型导入到CFD软件中,并设置早产儿颅内血管的三维几何模型的几何边界和初始条件;
其中,设定血管入口为压力入口,血管出口为压力出口;
利用CFD软件的自动或半自动的网格划分工具,将早产儿颅内血管的三维几何模型划分成多个网格单元;
改变网格大小、早产儿颅内血管的三维几何模型边界条件,评估和优化早产儿颅内血管的三维几何模型模型的参数和结果;
使用CFD软件,对早产儿颅内血管的三维网格模型进行数值模拟,获得早产儿颅内血流的分布和特征。
从数值模拟结果中提取早产儿颅内血流的特征:血流速度、压力,得到早产儿颅内血流特征模型。
所述S600步骤中,采用血流模拟得到不同状态下的早产儿颅内血流速度,
选择血流模型Navier-Stokes方程并设定血管入口压力为1.0MPa,设定血管出口压力为1.0MPa,血流模拟表达式如下:
所述采用血流模拟技术,选择血流模型Navier-Stokes方程并设定血管入口压力为1.0MPa,设定血管出口压力为1.0MPa,得到不同状态下的早产儿颅内血流速度,表达式如下:
;
其中,为早产儿颅内血液密度,/>早产儿颅内血流速度,/>为时间,/>为早产儿颅内入口血管压力,/>为早产儿颅内被检测血管血液产生的重力,/>是血管壁张力,为对血管壁张力在早产儿颅内血流速度场中进行梯度运算,/>为早产儿颅内血液粘度系数,取0.0035,/>为早产儿颅内血流速度场的二阶梯度算,/>为不同状态下的早产儿颅内血流速度,/>为早产儿颅内血流速度随时间变化。
早产儿颅内血流特征模型通过调优算法得到早产儿颅内血流速度标准值表达式如下:
;
其中,为早产儿颅内血液密度,/>为不同状态下的早产儿颅内血流速度,/>为时间,建立以/>为血流运动过程中的坐标轴,其中/>表示血流在空间坐标轴中的横轴方向位移,/>为早产儿颅内血管出口压力,/>为早产儿颅内血液粘度系数,/>为被检测部位颅内血管的出口压力速度和涡流速度的比值,涡流速度取值为1.0,/>为早产儿颅内血液粘度随时间变化的速率,/>为早产儿颅内血流标准值;
表示不同状态下的早产儿颅内血流速度随时间变化率,/>表示不同状态下的早产儿颅内血流加速度,/>表示血管入口压力对血流在空间坐标轴中的横轴方向位移的变化率,/>表示早产儿颅内血流速度标准值在沿/>方向上的空间变化率求导,表示早产儿颅内血流速度标准值在/>方向上的变化,/>表示早产儿颅内血流速度标准值关于/>轴的变化率。
实施例2
请参阅图2,本实施例介绍一种超声经颅多普勒血流分析系统,包括:
超声探头,用于采集早产儿颅内血流信号、早产儿颅内血液流动图像、早产儿颅内血管内径;
预处理模块,对超声探头采集的早产儿颅内血流信号采用小波变换技术进行降噪处理,然后再进行多普勒变换得到早产儿颅内血流速度;超声探头测量得到的血管内径通过拉普拉斯变换得到血管壁张力;
处理模块,构建早产儿颅内血管的三维几何模型,并根据早产儿颅内血管的三维几何模型构建早产儿颅内血流特征模型,并采用血流模拟技术得到早产儿颅内血流速度标准区间;
将多普勒变换得到早产儿颅内血流速度和拉普拉斯变换得到血管壁张力导入血流模拟中,得到不同状态下的早产儿颅内血流速度,再将不同状态下的早产儿颅内血流速度导入到早产儿颅内血流特征模型通过调优算法获得早产儿颅内血流速度标准值来组成早产儿颅内血流速度标准区间,最后经处理模块输出早产儿颅内血流速度实际值;
对比模块,将处理模块输出的早产儿颅内血流速度实际值与早产儿颅内血流速度标准区间进行对比,得到早产儿颅内血流实际情况及身体健康状况;
输出模块,输出早产儿颅内血流实际情况及身体健康状况实为医生提供多种图表和报告。
其中,超声探头用于采集早产儿颅内血流信号、早产儿颅内血液流动图像、早产儿颅内血管内径;
所述超声探头有两种工作模式,包括脉冲波模式和连续波模式;
其中,脉冲波模式采用2MHz超声探头,当超声探头工作频率为2.0MHz时,流速测量范围不窄于20cm/s~200cm/s;
连续波模式采用4MHz超声探头、8MHz超声探头,当超声探头工作频率为4.0MHz时,流速测量范围不窄于10cm/s~100cm/s;当超声工作频率为8.0MHz时,流速测量范围不窄于10cm/s~50cm/s。
其中,所述超声探头,PW为脉冲多普勒,用于间接发射和接收超声多普勒信号,主要用于对低流速的血流信号检测,具有远距离选通功能;
PW超声探头优点:拥有距离分辨能力,适用于定位异常血流,并可以鉴别正、异常血流;
CW为连续多普勒,连续发射和接收超声多普勒信号,主要用于对高流速的血流信号检测,频谱可反映高速血流速度;
CW超声探头优点:距离分辨率强,适用于测量高速定位;
预处理模块,对超声探头采集的早产儿颅内血流信号采用小波变换技术进行降噪处理,然后再进行多普勒变换得到早产儿颅内血流速度;超声探头测量得到的血管内径通过拉普拉斯变换得到血管壁张力;
预处理模块中的针对早产儿颅内血流信号采用的小波变换技术包括小波分解、小波阈值处理、小波重构对早产儿颅内血流信号降噪处理,方法如下:
针对早产儿颅内血流信号进行小波分解,得到不同尺度下的频带来反映信号的时频特征,令早产儿颅内血流信号为,小波分解,表达式如下:
;
其中,为早产儿颅内血流离散信号,/>为尺度,/>为小波函数位置,/>为小波函数的长度,/>为采样点位置,/>为早产儿颅内血流信号,/>为小波基数函数;
针对小波分解后的早产儿颅内血流信号进行小波阈值处理来去除信号中的噪声提高信号的质量,小波阈值处理,表达式如下:
;
其中,为阈值,/>是处理后的小波系数,它反映了早产儿颅内血流信号在不同尺度下的频率分量;
小波重构将经过小波分解和阈值处理后的小波系数恢复为原始信号,将处理后的信号回归到时域空间来对信号进行后续的分析和处理,小波重构表达式如下:
;
其中,为重构后的早产儿颅内血流信号,/>为最大的尺度,/>为小波函数的长度,/>为小波函数位置,/>是处理后的小波系数,/>为小波基函数的低频部分,/>为小波基函数的高频部分;
拉普拉斯定律中血管壁张力与血管直径及血液压力之间关系,得到血管内壁张力的表达式如下:
令初始时刻血管直径为,
;
其中,是血管壁张力,/>是血管内压力,/>是血管的半径;/>
处理模块,构建早产儿颅内血管的三维几何模型,并根据早产儿颅内血管的三维几何模型构建早产儿颅内血流特征模型,并采用血流模拟技术得到早产儿颅内血流速度标准区间;
将多普勒变换得到早产儿颅内血流速度和拉普拉斯变换得到血管壁张力导入血流模拟中,得到不同状态下的早产儿颅内血流速度,再将不同状态下的早产儿颅内血流速度导入到早产儿颅内血流特征模型通过调优算法获得早产儿颅内血流速度标准值来组成早产儿颅内血流速度标准区间;
构建早产儿颅内血管的三维几何模型方法如下:
通过超声探头收集早产儿颅内血管数据;
对收集的早产儿颅内血管数据进行去噪处理;
通过图像处理对去噪处理后的数据进行分割,将早产儿颅内血管区域提取;
对分割后早产儿颅内血管区域提取血管轮廓;
将提取的血管轮廓转化为点云数据,即一系列的三维坐标点;
使用点云重建算法,将点云数据转化为早产儿颅内血管三维模型;
对生成的早产儿颅内血管三维模型进行优化,去除噪声;
将优化后的早产儿颅内血管三维模型与通过超声探头收集早产儿颅内血管数据进行对比和验证,确保模型的准确性和可靠性。
根据早产儿颅内血管的三维几何模型构建早产儿颅内血流特征模型方法如下:
将构建的早产儿颅内血管的三维几何模型导入到CFD软件中,并设置早产儿颅内血管的三维几何模型的几何边界和初始条件;
其中,设定血管入口为压力入口,血管出口为压力出口;
利用CFD软件的自动或半自动的网格划分工具,将早产儿颅内血管的三维几何模型划分成多个网格单元;
改变网格大小、早产儿颅内血管的三维几何模型边界条件,评估和优化早产儿颅内血管的三维几何模型模型的参数和结果;
使用CFD软件,对早产儿颅内血管的三维网格模型进行数值模拟,获得早产儿颅内血流的分布和特征。
从数值模拟结果中提取早产儿颅内血流的特征:血流速度、压力,得到早产儿颅内血流特征模型。
早产儿颅内血流特征模型中采用血流模拟方法得到不同状态下的早产儿颅内血流,表达式如下:
;
其中,为早产儿颅内血液密度,/>早产儿颅内血流速度,/>为时间,/>为早产儿颅内入口血管压力,/>为早产儿颅内被检测血管血液产生的重力,/>是血管壁张力,/>为对血管壁张力在早产儿颅内血流速度场中进行梯度运算,/>为早产儿颅内血液粘度系数,取0.0035,/>为早产儿颅内血流速度场的二阶梯度算,/>为不同状态下的早产儿颅内血流速度,/>为早产儿颅内血流速度随时间变化。
通过血流模拟方法得到不同状态下的早产儿颅内血流导入早产儿颅内血流特征模型通过调优算法得到早产儿颅内血流速度标准值,表达式如下:
;
其中,为早产儿颅内血液密度,/>为不同状态下的早产儿颅内血流速度,/>为时间,建立以/>为血流运动过程中的坐标轴,其中/>表示血流在空间坐标轴中的横轴方向位移,/>为早产儿颅内血管出口压力,/>为早产儿颅内血液粘度系数,/>为被检测部位颅内血管的出口压力速度和涡流速度的比值,涡流速度取值为1.0,/>为早产儿颅内血液粘度随时间变化的速率,/>为早产儿颅内血流标准值;
表示不同状态下的早产儿颅内血流速度随时间变化率,/>表示不同状态下的早产儿颅内血流加速度,/>表示血管入口压力对血流在空间坐标轴中的横轴方向位移的变化率,/>表示早产儿颅内血流速度标准值在沿/>方向上的空间变化率求导,表示早产儿颅内血流速度标准值在/>方向上的变化,/>表示早产儿颅内血流速度标准值关于/>轴的变化率。
对比模块,将处理模块输出的早产儿颅内血流速度实际值与早产儿颅内血流速度标准区间进行对比,得到早产儿颅内血流实际情况及身体健康状况,对比规则如下:
当对比模块输出的早产儿颅内血流速度实际值高于或低于标准区间时,早产儿可能出现脑室内出血症状;
当对比模块输出的早产儿颅内血流速度实际值处于标准区间时,早产儿身体状态正常;
当对比模块输出的早产儿颅内血流速度实际值低于标准区间时,早产儿可能出现脑血管痉挛、大脑灰质内出血、颅内主动脉阻塞症状。
输出模块,输出早产儿颅内血流实际情况及身体健康状况实为医生提供多种图表和报告;
工作原理如下:
超声经颅多普勒血流分析系统它的工作原理是利用超声探头向头骨发送超声波,经过头骨的衰减和散射、通过颅骨进入脑组织,并在脑内组织产生反射回波,这些反射波会被超声探头接收回来,通过信号处理和分析,来获取有关脑血流的信息。
具体来说,超声经颅多普勒血流分析系统中超声探头,用于采集早产儿颅内血流信号和血液流动图象;预处理模块对早产儿颅内血流信号进行降噪处理;处理模块构建早产儿颅内血流的特征模型得到早产儿颅内血流速度标准区间并输出早产儿颅内血流速度实际值;对比模块中将早产儿颅内血流速度实际值与早产儿颅内血流速度标准区间对比校准然后通过输出模块输出校准之后的早产儿颅内血流速度实际值,为医生提供图表和报告。
实施例3
本实施例中,提供了一种计算机设备,包括存储器和处理器,所述存储器用于存储指令,所述处理器用于执行所述指令,使得所述设备执行实现上述一种超声经颅多普勒血流分析方法的步骤。
实施例4
本实施例中还提供了一种计算机可读存储介质,其上存储有计算机程序,该计算机程序被处理器执行时,计算机程序被处理器执行时实现上述一种超声经颅多普勒血流分析方法的步骤。
该计算机可读存储介质可以包括:U盘、移动硬盘、只读存储器、随机存取存储器、磁碟或者光盘等各种可以存储程序代码的介质。
综上实施例,本发明通过在超声经颅多普勒血流分析系统,利用超声技术在早产儿颅内血管检测中超声传播,通过超声探头进行数据采集,经波形转换原理得到可用数字信号与血液流动图像,随后在预处理模块在对超声探头采集的信号使用小波变换技术进行降噪处理,然后在处理模块中构建早产儿颅内血流特征模型获得早产儿颅内血流速度标准区间并输出早产儿颅内血流速度实际值,使得早产儿颅内血流速度实际值能够在对比模块中准确较准和分析,整个操作系统结构简单,计算方法容易且精准度高,能够针对早产儿的身体健康状况进行准确判断和分析。
本领域内的技术人员应明白,本发明的实施例可提供为方法、系统、或计算机程序产品。因此,本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
以上结合附图对本发明的实施例进行了描述,但是本发明并不局限于上述的具体实施方式,上述的具体实施方式仅仅是示意性的,而不是限制性的,本领域的普通技术人员在本发明的启示下,在不脱离本发明宗旨和权利要求所保护的范围情况下,还可做出很多形式,这些均属于本发明的保护之内。
Claims (11)
1.一种超声经颅多普勒血流分析系统,其特征在于:包括,
超声探头,用于采集早产儿颅内血流信号、早产儿颅内血液流动图像、早产儿颅内血管内径;
预处理模块,对超声探头采集的早产儿颅内血流信号采用小波变换技术进行降噪处理,然后对降噪处理后的早产儿颅内血流信号进行多普勒变换得到早产儿颅内血流速度;超声探头测量得到的早产儿颅内血管内径通过拉普拉斯变换得到血管壁张力;
处理模块,构建早产儿颅内血管的三维几何模型,并根据早产儿颅内血管的三维几何模型构建早产儿颅内血流特征模型,并采用血流模拟技术得到早产儿颅内血流速度标准区间;
将多普勒变换得到早产儿颅内血流速度和拉普拉斯变换得到血管壁张力导入血流模拟中,得到不同状态下的早产儿颅内血流速度,再将不同状态下的早产儿颅内血流速度导入到早产儿颅内血流特征模型通过调优算法获得早产儿颅内血流速度标准值来组成早产儿颅内血流速度标准区间,最后经处理模块输出早产儿颅内血流速度实际值;
其中,早产儿颅内血流特征模型通过调优算法得到早产儿颅内血流速度标准值表达式如下:
;
其中,为早产儿颅内血液密度,/>为不同状态下的早产儿颅内血流速度,/>为时间,建立以/>为血流运动过程中的坐标轴,其中/>表示血流在空间坐标轴中的横轴方向位移,/>为早产儿颅内血管出口压力,/>为早产儿颅内血液粘度系数,/>为被检测部位颅内血管的出口压力速度和涡流速度的比值,涡流速度取值为1.0,/>为早产儿颅内血液粘度随时间变化的速率,/>为早产儿颅内血流标准值;
表示不同状态下的早产儿颅内血流速度随时间变化率,/>表示不同状态下的早产儿颅内血流加速度, />表示血管入口压力对血流在空间坐标轴中的横轴方向位移的变化率,/>表示早产儿颅内血流速度标准值在沿/>方向上的空间变化率求导,/>表示早产儿颅内血流速度标准值在/>方向上的变化, />表示早产儿颅内血流速度标准值关于/>轴的变化率;
对比模块,早产儿颅内血流速度实际值与早产儿颅内血流速度标准区间进行对比,得到早产儿颅内血流实际情况及身体健康状况;
输出模块,输出早产儿颅内血流实际情况及身体健康状况。
2.如权利要求1所述的一种超声经颅多普勒血流分析系统,其特征在于:所述超声探头有两种工作模式,包括脉冲波模式和连续波模式;
其中,脉冲波模式采用2MHz的超声探头,当超声探头工作频率为2.0MHz时,流速测量范围不窄于20cm/s~200cm/s;
连续波模式采用4MHz的超声探头和8MHz的超声探头,当超声探头工作频率为4.0MHz时,流速测量范围不窄于10cm/s~100cm/s;当超声工作频率为8.0MHz时,流速测量范围不窄于10cm/s~50cm/s。
3.如权利要求2所述的一种超声经颅多普勒血流分析系统,其特征在于:所述预处理模块中的针对早产儿颅内血流信号采用的小波变换技术包括小波分解、小波阈值处理、小波重构。
4.如权利要求3所述的一种超声经颅多普勒血流分析系统,其征在于:所述预处理模块中针对早产儿颅内血管内径采用的拉普拉斯变换技术得到血管壁张力,方法如下:
采用超声多普勒技术,实时监测血流和血管壁运动,获取血管直径随时间的变化曲线;
根据拉普拉斯定律中血管壁张力与血管直径及血液压力之间关系,得到血管内壁张力的表达式如下:
令初始时刻血管直径为,
;
其中,是血管壁张力,/>是血管内压力,/>是血管半径。
5.如权利要求4所述的一种超声经颅多普勒血流分析系统,其特征在于:所述构建早产儿颅内血管的三维几何模型方法如下:
通过超声探头收集早产儿颅内血管数据;
对收集的早产儿颅内血管数据进行去噪处理;
通过图像处理对去噪处理后的数据进行分割,将早产儿颅内血管区域提取;
对分割后早产儿颅内血管区域提取血管轮廓;
将提取的血管轮廓转化为点云数据,即一系列的三维坐标点;
使用点云重建算法,将点云数据转化为早产儿颅内血管三维模型;
对生成的早产儿颅内血管三维模型进行优化,去除噪声;
将优化后的早产儿颅内血管三维模型与通过超声探头收集早产儿颅内血管数据进行对比和验证。
6.如权利要求5所述的一种超声经颅多普勒血流分析系统,其特征在于:根据早产儿颅内血管的三维几何模型构建早产儿颅内血流特征模型方法如下:
将构建的早产儿颅内血管的三维几何模型导入到CFD软件中,并设置早产儿颅内血管的三维几何模型的几何边界和初始条件;
其中,设定血管入口压力设置为1.0MPa,设定血管出口压力设置为标准大气压;
利用CFD软件的自动或半自动的网格划分工具,将早产儿颅内血管的三维几何模型划分成多个网格单元;
改变网格大小、早产儿颅内血管的三维几何模型边界条件,评估和优化早产儿颅内血管的三维几何模型模型的参数和结果;
使用CFD软件,对早产儿颅内血管的三维几何模型进行数值模拟,获得早产儿颅内血流的分布和特征;
从数值模拟结果中提取早产儿颅内血流的特征,得到早产儿颅内血流特征模型;
其中,血流特征包括血流速度和压力。
7.如权利要求6所述的一种超声经颅多普勒血流分析系统,其特征在于:所述采用血流模拟技术,选择血流模型Navier-Stokes方程并设定血管入口压力为1.0MPa,设定血管出口压力为1.0MPa,不同状态下的早产儿颅内血流速度表达式如下:
;
其中,为早产儿颅内血液密度,/>早产儿颅内血流速度,/>为时间,/>为早产儿颅内入口血管压力,/>为早产儿颅内被检测血管血液产生的重力,/>是血管壁张力,/>为对血管壁张力在早产儿颅内血流速度场中进行梯度运算,/>为早产儿颅内血液粘度系数,取0.0035,为早产儿颅内血流速度场的二阶梯度算,/>为不同状态下的早产儿颅内血流速度,/>为早产儿颅内血流速度随时间变化。
8.如权利要求7所述的一种超声经颅多普勒血流分析系统,其特征在于:所述对比模块的对比规则为:
当对比模块输出的早产儿颅内血流速度实际值高于或低于早产儿颅内血流速度标准区间时,早产儿身体症状出现异常;
当对比模块输出的早产儿颅内血流速度实际值处于早产儿颅内血流速度标准区间时,早产儿身体状态正常。
9.一种超声经颅多普勒血流分析方法,基于权利要求1~8任一所述的一种超声经颅多普勒血流分析系统实现,其特征在于:包括以下步骤,
S100、连接超声经颅多普勒血流分析检测系统的超声探头、预处理模块、处理模块、对比模块、输出模块并接通电源;
S200、待检测对象平躺与检测床上,将超声耦合剂涂于被检测位置后将超声探头放置于早产儿大脑前、中、后动脉、颈总动脉、锁骨下动脉、左侧椎动脉、基底动脉或右侧椎动脉来查找血管来获取早产儿颅内血流信号;
S300、对检测对象进行重复多次检测;
S400、早产儿颅内血流信号通过超声探头获取后传入到预处理模块,预处理模块通过小波变换技术对早产儿颅内血流信号进行降噪处理来去除信号中的噪声;
S500、降噪处理后的早产儿颅内血流信号经多普勒处理得到早产儿颅内血流速度;
S600、构建早产儿颅内血管的三维几何模型,根据早产儿颅内血管的三维几何模型构建早产儿颅内血流特征模型,并通过血流模拟得到的不同状态下的早产儿颅内血流速度,然后获得早产儿颅内血流速度标准区间,最后经处理模块输出早产儿颅内血流速度实际值;
S700、早产儿颅内血流速度实际值输入到对比模块,在对比模块中将早产儿颅内血流速度实际值与处理模块中的早产儿颅内血流速度标准区间按照对比准则进行对比,根据得到的早产儿颅内血流实际情况进行分析和判断早产儿身体健康状况;
S800、通过输出模块输出早产儿颅内血流实际情况和身体健康状态为医生提供参考;
S900、对检测结果进行记录和归档,以备日后参考比较。
10.一种计算机设备,其特征在于:包括,
存储器,用于存储指令;
处理器,用于执行所述指令,使得所述设备执行实现如权利要求9所述的一种超声经颅多普勒血流分析方法。
11.一种计算机可读存储介质,其上存储有计算机程序,其特征在于:该计算机程序被处理器执行时,实现如权利要求9所述的一种超声经颅多普勒血流分析方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310916885.9A CN116616819B (zh) | 2023-07-25 | 2023-07-25 | 一种超声经颅多普勒血流分析系统、方法及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310916885.9A CN116616819B (zh) | 2023-07-25 | 2023-07-25 | 一种超声经颅多普勒血流分析系统、方法及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116616819A CN116616819A (zh) | 2023-08-22 |
CN116616819B true CN116616819B (zh) | 2023-09-22 |
Family
ID=87590683
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310916885.9A Active CN116616819B (zh) | 2023-07-25 | 2023-07-25 | 一种超声经颅多普勒血流分析系统、方法及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116616819B (zh) |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2004107963A2 (en) * | 2003-06-03 | 2004-12-16 | Allez Physionix Limited | Non-invasive determination of intracranial pressure via acoustic transducers |
CN1559345A (zh) * | 2004-02-20 | 2005-01-05 | 无锡贝尔森影像技术有限公司 | 脑血管血液动力学检测方法和仪器 |
CN103876781A (zh) * | 2014-04-11 | 2014-06-25 | 南京科进实业有限公司 | 超声经颅多普勒血流检测仪及其控制方法 |
US9087147B1 (en) * | 2014-03-31 | 2015-07-21 | Heartflow, Inc. | Systems and methods for determining blood flow characteristics using flow ratio |
CN105232086A (zh) * | 2015-10-29 | 2016-01-13 | 深圳市德力凯医疗设备股份有限公司 | 一种基于经颅多普勒的颅内血流三维信息显示方法及系统 |
CN105476665A (zh) * | 2016-01-27 | 2016-04-13 | 成都欣声科技有限公司 | 一种基于超声的血流速度测量及血流流量测量方法 |
CN111671403A (zh) * | 2019-12-20 | 2020-09-18 | 新绎健康科技有限公司 | 一种用于检测血管弹性的方法及系统 |
CN111801052A (zh) * | 2018-02-07 | 2020-10-20 | 挪威科技大学 | 超声血流监测 |
CN112043308A (zh) * | 2020-08-31 | 2020-12-08 | 深圳市德力凯医疗设备股份有限公司 | 一种颅内三维脑血流重建方法、存储介质及超声设备 |
CN114795171A (zh) * | 2022-01-29 | 2022-07-29 | 上海寻是科技有限公司 | 基于人工智能技术和近红外技术的颅内压无创测量方法 |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6702743B2 (en) * | 2000-05-26 | 2004-03-09 | Inta-Medics, Ltd. | Ultrasound apparatus and method for tissue resonance analysis |
US7604599B2 (en) * | 2000-09-29 | 2009-10-20 | New Health Sciences, Inc. | Systems and methods for using dynamic vascular assessment to improve vascular stent placement, application, design and marketing |
WO2013152035A1 (en) * | 2012-04-02 | 2013-10-10 | Neurotrek, Inc. | Device and methods for targeting of transcranial ultrasound neuromodulation by automated transcranial doppler imaging |
US20140303499A1 (en) * | 2013-04-09 | 2014-10-09 | Konica Minolta, Inc. | Ultrasound diagnostic apparatus and method for controlling the same |
US20160278736A1 (en) * | 2013-11-15 | 2016-09-29 | Neural Analytics Inc. | Monitoring structural features of cerebral blood flow velocity for diagnosis of neurological conditions |
-
2023
- 2023-07-25 CN CN202310916885.9A patent/CN116616819B/zh active Active
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2004107963A2 (en) * | 2003-06-03 | 2004-12-16 | Allez Physionix Limited | Non-invasive determination of intracranial pressure via acoustic transducers |
CN1559345A (zh) * | 2004-02-20 | 2005-01-05 | 无锡贝尔森影像技术有限公司 | 脑血管血液动力学检测方法和仪器 |
US9087147B1 (en) * | 2014-03-31 | 2015-07-21 | Heartflow, Inc. | Systems and methods for determining blood flow characteristics using flow ratio |
CN103876781A (zh) * | 2014-04-11 | 2014-06-25 | 南京科进实业有限公司 | 超声经颅多普勒血流检测仪及其控制方法 |
CN105232086A (zh) * | 2015-10-29 | 2016-01-13 | 深圳市德力凯医疗设备股份有限公司 | 一种基于经颅多普勒的颅内血流三维信息显示方法及系统 |
CN105476665A (zh) * | 2016-01-27 | 2016-04-13 | 成都欣声科技有限公司 | 一种基于超声的血流速度测量及血流流量测量方法 |
CN111801052A (zh) * | 2018-02-07 | 2020-10-20 | 挪威科技大学 | 超声血流监测 |
CN111671403A (zh) * | 2019-12-20 | 2020-09-18 | 新绎健康科技有限公司 | 一种用于检测血管弹性的方法及系统 |
CN112043308A (zh) * | 2020-08-31 | 2020-12-08 | 深圳市德力凯医疗设备股份有限公司 | 一种颅内三维脑血流重建方法、存储介质及超声设备 |
CN114795171A (zh) * | 2022-01-29 | 2022-07-29 | 上海寻是科技有限公司 | 基于人工智能技术和近红外技术的颅内压无创测量方法 |
Non-Patent Citations (3)
Title |
---|
Ozkalayci, SK ; Nazliel, B ; Caglayan, HZB ; 等.cerebral blood flow velocity in migraine and chronic tension-type headache patients.《JOURNAL OF PAIN RESEARCH》.2018,全文. * |
腹腔热灌注化疗治疗Ⅲ、Ⅳ期胆囊癌患者的临床疗效分析;李圣;《中国优秀硕士学位论文全文数据库医药卫生科技辑》;全文 * |
颅内创伤性假性动脉瘤的临床诊治及血流动力学研究;赵曰圆;《中国博士学位论文全文数据库医药卫生科技辑》;全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN116616819A (zh) | 2023-08-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110866914B (zh) | 脑动脉瘤血流动力学指标的评估方法、系统、设备及介质 | |
EP3723038A1 (en) | Fast calculation method and system employing plaque stability index of medical image sequence | |
Alnuaimi et al. | Fetal cardiac doppler signal processing techniques: challenges and future research directions | |
Yılmaz et al. | Analysis of the Doppler signals using largest Lyapunov exponent and correlation dimension in healthy and stenosed internal carotid artery patients | |
CN114287954A (zh) | 颅内血管狭窄的功能学评估方法、系统、电子设备及介质 | |
Miyague et al. | Assessing repeatability of 3D Doppler indices obtained by static 3D and STIC power Doppler: a combined in‐vivo/in‐vitro flow phantom study | |
Zalev et al. | Detecting abnormal vasculature from photoacoustic signals using wavelet-packet features | |
Welsh | Quantification of power Doppler and the index ‘fractional moving blood volume’(FMBV) | |
Chandran et al. | Computation of vascular flow dynamics from intravascular ultrasound images | |
Rahman et al. | Ultrasound detection of altered placental vascular morphology based on hemodynamic pulse wave reflection | |
CN116616819B (zh) | 一种超声经颅多普勒血流分析系统、方法及存储介质 | |
CN112182994A (zh) | 基于胡桃夹子综合征血流动力学的血管建模方法及装置 | |
CN112384138B (zh) | 获取心表大动脉的血流量的方法、装置、系统及存储介质 | |
Jarmund et al. | A scoping review of cerebral Doppler arterial waveforms in infants | |
Saghian et al. | Interpretation of wave reflections in the umbilical arterial segment of the feto-placental circulation: computational modeling of the feto-placental arterial tree | |
CN108720870A (zh) | 一种基于超声衰减系数的脂肪肝检测系统 | |
Wong et al. | Doppler ultrasound compatible plastic material for use in rigid flow models | |
Hu et al. | A dynamic ultrasound simulation of a pulsating three‐layered CCA for validation of two‐dimensional wall motion and blood velocity estimation algorithms | |
Miyague et al. | Importance of pulse repetition frequency adjustment for 3‐and 4‐dimensional power Doppler quantification | |
Kathpalia et al. | A robust Doppler spectral envelope detection technique for automated blood flow measurements | |
Yousaf et al. | Umbilical artery doppler waveform indices at term | |
Kara et al. | Spectral broadening of lower extremity venous Doppler signals using STFT and AR modeling | |
CN112823295A (zh) | 检测流动不稳定性的方法和装置 | |
Schindler et al. | Spatiotemporal image correlation and volumetric impedance indices in the neonatal brain: proof of concept and preliminary reproducibility | |
Jansen et al. | Local and global distensibility assessment of abdominal aortic aneurysms in vivo from probe tracked 2D ultrasound images |
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 |