CN116649925B - 颅内动脉狭窄功能学评估的方法和装置 - Google Patents
颅内动脉狭窄功能学评估的方法和装置 Download PDFInfo
- Publication number
- CN116649925B CN116649925B CN202310940136.XA CN202310940136A CN116649925B CN 116649925 B CN116649925 B CN 116649925B CN 202310940136 A CN202310940136 A CN 202310940136A CN 116649925 B CN116649925 B CN 116649925B
- Authority
- CN
- China
- Prior art keywords
- intracranial
- vessel
- blood
- outlet
- blood vessel
- 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
- 238000007917 intracranial administration Methods 0.000 title claims abstract description 138
- 238000000034 method Methods 0.000 title claims abstract description 68
- 206010060965 Arterial stenosis Diseases 0.000 title claims abstract description 49
- 238000011156 evaluation Methods 0.000 title abstract description 10
- 210000004204 blood vessel Anatomy 0.000 claims abstract description 149
- 230000017531 blood circulation Effects 0.000 claims abstract description 116
- 230000000004 hemodynamic effect Effects 0.000 claims abstract description 15
- 238000004088 simulation Methods 0.000 claims abstract description 15
- 208000031481 Pathologic Constriction Diseases 0.000 claims description 25
- 208000037804 stenosis Diseases 0.000 claims description 25
- 230000036262 stenosis Effects 0.000 claims description 20
- 238000004590 computer program Methods 0.000 claims description 17
- 230000002792 vascular Effects 0.000 claims description 12
- 230000008569 process Effects 0.000 claims description 8
- 230000036772 blood pressure Effects 0.000 claims description 7
- 239000008280 blood Substances 0.000 claims description 5
- 210000004369 blood Anatomy 0.000 claims description 5
- 238000002604 ultrasonography Methods 0.000 claims description 4
- 230000008859 change Effects 0.000 claims description 3
- 208000028867 ischemia Diseases 0.000 abstract description 10
- 210000005013 brain tissue Anatomy 0.000 abstract description 5
- 230000010412 perfusion Effects 0.000 abstract description 4
- 238000004364 calculation method Methods 0.000 description 8
- 230000011218 segmentation Effects 0.000 description 8
- 210000001367 artery Anatomy 0.000 description 7
- 230000006870 function Effects 0.000 description 5
- 230000036770 blood supply Effects 0.000 description 4
- 210000001715 carotid artery Anatomy 0.000 description 4
- 238000005259 measurement Methods 0.000 description 4
- 230000000877 morphologic effect Effects 0.000 description 4
- 238000012545 processing Methods 0.000 description 4
- 239000004973 liquid crystal related substance Substances 0.000 description 3
- 201000001320 Atherosclerosis Diseases 0.000 description 2
- 201000000057 Coronary Stenosis Diseases 0.000 description 2
- 206010011089 Coronary artery stenosis Diseases 0.000 description 2
- 238000003745 diagnosis Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 201000010099 disease Diseases 0.000 description 2
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 2
- 230000001360 synchronised effect Effects 0.000 description 2
- 238000011144 upstream manufacturing Methods 0.000 description 2
- 210000002385 vertebral artery Anatomy 0.000 description 2
- 208000037260 Atherosclerotic Plaque Diseases 0.000 description 1
- 210000003484 anatomy Anatomy 0.000 description 1
- 210000001841 basilar artery Anatomy 0.000 description 1
- 208000026106 cerebrovascular disease Diseases 0.000 description 1
- 210000004351 coronary vessel Anatomy 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 239000003814 drug Substances 0.000 description 1
- 229940079593 drug Drugs 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000010230 functional analysis Methods 0.000 description 1
- PCHJSUWPFVWCPO-UHFFFAOYSA-N gold Chemical compound [Au] PCHJSUWPFVWCPO-UHFFFAOYSA-N 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 238000002513 implantation Methods 0.000 description 1
- 238000002372 labelling Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 210000003657 middle cerebral artery Anatomy 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000004393 prognosis Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 210000003270 subclavian artery Anatomy 0.000 description 1
- 238000012549 training Methods 0.000 description 1
Classifications
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/02—Detecting, measuring or recording pulse, heart rate, blood pressure or blood flow; Combined pulse/heart-rate/blood pressure determination; Evaluating a cardiovascular condition not otherwise provided for, e.g. using combinations of techniques provided for in this group with electrocardiography or electroauscultation; Heart catheters for measuring blood pressure
- A61B5/02007—Evaluating blood vessel condition, e.g. elasticity, compliance
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B34/00—Computer-aided surgery; Manipulators or robots specially adapted for use in surgery
- A61B34/10—Computer-aided planning, simulation or modelling of surgical operations
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/02—Detecting, measuring or recording pulse, heart rate, blood pressure or blood flow; Combined pulse/heart-rate/blood pressure determination; Evaluating a cardiovascular condition not otherwise provided for, e.g. using combinations of techniques provided for in this group with electrocardiography or electroauscultation; Heart catheters for measuring blood pressure
- A61B5/021—Measuring pressure in heart or blood vessels
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/02—Detecting, measuring or recording pulse, heart rate, blood pressure or blood flow; Combined pulse/heart-rate/blood pressure determination; Evaluating a cardiovascular condition not otherwise provided for, e.g. using combinations of techniques provided for in this group with electrocardiography or electroauscultation; Heart catheters for measuring blood pressure
- A61B5/026—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
- A61B8/06—Measuring blood flow
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B34/00—Computer-aided surgery; Manipulators or robots specially adapted for use in surgery
- A61B34/10—Computer-aided planning, simulation or modelling of surgical operations
- A61B2034/101—Computer-aided simulation of surgical operations
- A61B2034/105—Modelling of the patient, e.g. for ligaments or bones
-
- 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
- Y02T90/00—Enabling technologies or technologies with a potential or indirect contribution to GHG emissions mitigation
Abstract
本申请涉及一种颅内动脉狭窄功能学评估的方法和装置，方法包括：获得测量得到的血管近端压力、以及颅内血管指定位置的血流速度；获得指定位置相对于颅内血管三维模型的位置标记，获得位置标记处的颅内血管截面积，结合血流速度获得位置标记处的血流量；获得颅内血管三维模型，将颅内血管三维模型划分为由单支血管和分叉核组成的拓扑结构，进而获得血管流量在各单支血管和各分叉核的分配关系；根据血流量和分配关系，获得各分支血管的流量分布，进行血流动力学模拟，结合血管近端压力完成颅内动脉狭窄功能学评估。本申请结合了患者特异性的血流速度信息，能够提高颅内动脉狭窄缺血评估的可靠性，能够更加全面地评估脑组织的灌注情况。
Description
技术领域
本申请涉及医疗工程技术领域，特别是涉及一种颅内动脉狭窄功能学评估的方法和装置。
背景技术
颅内动脉狭窄，是一种严重威胁中老年人生命健康的常发脑血管疾病，通常由动脉粥样硬化引起。在该类疾病中，动脉粥样硬化斑块沉积在颅内动脉血管管腔中，会形成一定程度上的形态学动脉狭窄，从而增加血流阻力，最终可能导致脑组织的供血不足。在该疾病的诊疗中，首先需要对患者缺血的严重程度进行评估，从而采用不同的治疗方式，包括药物治疗、支架植入等。然而，令人遗憾的是，在当前的临床实践中该类病人诊疗后的预后情况不甚理想，临床中急需一种更加可靠的颅内动脉狭窄缺血评估手段。
在冠状动脉狭窄领域，功能学评估概念在十几年的发展中已趋于成熟，目前已成为冠脉狭窄缺血评估的金标准。所谓功能学评估，即对动脉血管供血功能的评估，而在人体血管的供血机理中，血压分布情况与供血功能紧密相关。鉴于颅内动脉与冠状动脉的高度相似性，功能学评估方法同样适用于颅内动脉狭窄缺血评估。目前对颅内动脉狭窄缺血评估的方法，主要为基于形态学参数的评估方法，但该方法只能表明管腔的狭窄程度，无法评估脑组织的灌注情况因此该方法的可靠性欠佳。
发明内容
基于此，有必要针对上述技术问题，提供一种颅内动脉狭窄功能学评估的方法。
本申请颅内动脉狭窄功能学评估的方法，包括：
获得测量得到的血管近端压力、以及颅内血管指定位置的血流速度；
获得所述指定位置相对于所述颅内血管三维模型的位置标记，获得所述位置标记处的颅内血管截面积，结合所述血流速度获得所述位置标记处的血流量；
获得颅内血管三维模型，将所述颅内血管三维模型划分为由单支血管和分叉核组成的拓扑结构，进而获得血管流量在各单支血管和各分叉核的分配关系；
根据所述血流量和所述分配关系，获得各分支血管的流量分布，进行血流动力学模拟，结合所述血管近端压力完成颅内动脉狭窄功能学评估。
可选的，所述血管近端压力，为导管室指引导管测量得到的血压值；
所述血流速度，通过经颅多普勒超声方法测量得到。
可选的，所述颅内血管三维模型，利用包含患者颅内血管的三维医学影像分割得到；
将所述颅内血管三维模型划分为由单支血管和分叉核组成的拓扑结构，具体包括：
获得所述颅内血管三维模型的中心线，进而定位所述中心线的分叉点；
基于所述分叉点处的血管截面积或最大内切球直径，将所述颅内血管三维模型划分为由单支血管和分叉核组成的拓扑结构。
可选的，其中一所述分叉核具有入口、以及第一出口和第二出口，所述入口的流量为第一出口和第二出口的流量之和，所述分配关系包括：
其中，QA、QB分别为第一出口和第二出口的血流量，DA、DB分别为第一出口和第二出口的直径，a为权重系数。
可选的，进行血流动力学模拟，包括：
对于任一单支血管，结合血流量，获得单支血管的血流时间；
对于任一单支血管，利用血流量获得压降。
可选的，对于任一单支血管，结合血流量，获得单支血管的血流时间，利用下式进行：
式中，表示单支血管的血流时间，n表示单支血管离散的节段数，Si和Li分别表示第i个节段的平均截面积和节段长度，Q_vessel表示单支血管的血流量；
对于任一单支血管，利用血流量获得压降，利用下式进行：
式中，表示单支血管的压降，k1为与血管形态相关的粘性损失系数，k2为与狭窄参数相关的狭窄损失系数，k3为与血管截面积变化相关的伯努利损失系数。
可选的，其中一所述分叉核具有入口、以及第一出口和第二出口，进行血流动力学模拟，包括：
基于所述流量分布和所述颅内血管三维模型，获得所述入口到第一出口的血流时间、以及所述入口到第二出口的血流时间；
基于所述流量分布和所述颅内血管三维模型，获得所述入口到第一出口的压降、以及入口到第二出口的压降。
可选的，获得所述入口到第一出口的血流时间，利用下式进行：
T_daughter1 = L_daughter1 / V_daughter1
V_daughter1=0.5* (Q_parent / S_parent + Q_daughter1 / S_daughter1 )
式中，T_daughter1为所述入口到第一出口的血流时间，L_daughter1为所述入口到第一出口的血管中心线长度，V_daughter1为所述入口到第一出口的平均血流速度；
Q_parent和S_parent 分别为所述入口的流量和载面积，Q_daughter1和S_daughter1分别为第一出口的流量和截面积；
获得所述入口到第一出口的压降，利用下式进行：
式中，为所述入口到第一出口的压降，ρ为血液密度，u1为第一出口的血流速度，S1为入口与第一出口的截面积比值，Q1为入口与第一出口的流量比值，θ 1为入口与第一出口方向夹角。
可选的，结合所述血管近端压力完成颅内动脉狭窄的功能学评估，具体包括：
根据各单支血管、各分叉核的血流时间以及压降信息，获得总血流时间和总压降；
根据所述总压降、所述血管近端压力，获得跨狭窄压力比和狭窄压降比。
本申请还提供一种颅内动脉狭窄功能学评估的装置，包括存储器、处理器及存储在存储器上的计算机程序，所述处理器执行所述计算机程序以实现本申请所述的颅内动脉狭窄功能学评估的方法的步骤。
本申请还提供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本申请所述的颅内动脉狭窄功能学评估的方法的步骤。
本申请还提供一种计算机程序产品，包括计算机指令，该计算机指令被处理器执行时实现本申请所述的颅内动脉狭窄功能学评估的方法的步骤。
本申请颅内动脉狭窄功能学评估的方法至少具有以下效果：
本申请结合了患者特异性的血流速度信息，能够提高颅内动脉狭窄缺血评估的可靠性。相较于现有技术中仅仅基于形态学参数进行颅内狭窄缺血评估，还可以同时输出多个与血流状态相关的功能学参数，能更加全面地评估脑组织的灌注情况。
本申请基本实现了方法流程的自动处理，具有计算速度快、可重复性高以及结果更可靠等优势。
附图说明
图1为本申请一实施例中颅内动脉狭窄功能学评估方法的流程示意图；
图2为本申请一实施例中颅内动脉狭窄功能学评估方法获得的颅内血管三维模型示意图；
图3为本申请一实施例中颅内动脉狭窄功能学评估方法获得拓扑结构的过程示意图；
图4为一个实施例中计算机设备的内部结构图。
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。
参见图1～图3，本申请一实施例中，提供一种颅内动脉狭窄功能学评估的方法，包括步骤S100～步骤S400。其中：
步骤S100，获得测量得到的血管近端压力、以及颅内血管指定位置的血流速度；
步骤S200，获得指定位置相对于颅内血管三维模型的位置标记，获得位置标记处的颅内血管截面积，结合血流速度获得位置标记处的血流量；
步骤S300，获得颅内血管三维模型，将颅内血管三维模型划分为由单支血管和分叉核组成的拓扑结构，进而获得血管流量在各单支血管和各分叉核的分配关系；
步骤S400，根据血流量和分配关系，获得各分支血管的流量分布，进行血流动力学模拟，结合血管近端压力完成颅内动脉狭窄功能学评估。
本实施例中的拓扑结构指代重构得到的颅内血管三维模型的解剖学结构，特别指代血流的上下游关系。指定位置是用户（如操作医生）所决定的颅内血管测量血流速度的位置，颅内血管一般较长，血流速度测量位置相对不可控，本实施例通过指定位置的位置标记、以及测量得到的该指定位置下的血流速度，结合颅内血管三维模型获得指定位置处的血流量。
分配关系是指不同单支血管之间血流量的相对关系，结合血流量和分配关系即可最终获得各分支血管的流量分布，以进行血流动力学模拟。
本实施例结合了患者特异性的血流速度信息，患者特异性的血流速度信息作为患者特异性数据，能够提高颅内动脉狭窄缺血评估的可靠性。本实施例基本实现了方法流程的自动处理，具有计算速度快、可重复性高以及结果更可靠等优势。
本实施例提出的颅内动脉狭窄功能学评估方法是一种基于常规医学影像的技术方法，无需使用压力导丝以及温度传感器等即可测量得到狭窄动脉内的压力、血流时间等功能学相关参数，具有无创、经验技术要求低等优势。
本实施例相较于现有技术中仅仅基于形态学参数进行颅内狭窄缺血评估，可同时输出多个与血流状态相关的功能学参数，能更加全面地评估脑组织的灌注情况。
具体地，在步骤S100中，血管近端压力为导管室指引导管测量得到的血压值，血流速度通过经颅多普勒超声方法测量得到。在步骤S300中，颅内血管三维模型，利用包含患者颅内血管的三维医学影像分割得到。
在一个实施例中，还提供一种颅内动脉狭窄的功能学评估方法，用于对上一实施例进行详细地解释和说明。工作流程包括：（1）数据输入；（2）模型重构及分段；（3）边界条件计算；（4）血流动力学模拟；（5）功能学参数计算。
（1）数据输入，对应步骤S100。
导入待分析病人的相关数据，相关数据包含患者颅内血管的医学影像、患者特异性的血管近端压力Pa、以及经颅多普勒超声（TCD）测量得到的血流速度。
医学影像可以是CTA、MRA或其他任一种三维影像数据，如3D DSA影像。
血管近端压力Pa为导管室指引导管测量得到的血压值，进一步的，Pa依据狭窄位置的不同选择不同的测量点。具体地，若动脉狭窄位于颈内动脉系颈段，则Pa测量点为颈内动脉 C1段近端；若动脉狭窄位于颈内动脉系颅内段，则Pa测量点为颈内动脉 C1段远端；若动脉狭窄位于椎-基底动脉系颈段，则Pa测量点为锁骨下动脉开口处；若动脉狭窄位于椎-基底动脉系颅内段，则Pa测量点为椎动脉 V2段远端。
血流速度为医院使用TCD方法测量得到的颅内血管血流速度，取多个脉冲相期内的平均值，在后续处理流程中需要对该测量位置进行标记以获得位置标记，例如由用户在颅内血管三维模型上标记TCD具体的测量位置。
（2）模型重构及分段。
模型重构获得颅内血管三维模型包括以下技术方案：用预先训练好的AI模型对输入的三维影像数据进行处理，得到颅内血管的分割结果，从而得到颅内血管三维模型。AI模型输入为颅内血管的三维影像数据，输出为颅内血管分割结果，颅内血管分割结果包含主支血管颈内动脉、大脑中动脉、椎动脉、基底动脉中的一支或者多支，以及主支血管上其他图像可识别动脉分支。值得注意的是，在颅内血管标注时，统一按照血流的上下游关系进行训练数据的标注，因此在分割完成后，可同时获得颅内血管三维模型中血流的流向关系，可用于后续获得流量分布。
颅内血管三维模型的分段，即将颅内血管三维模型划分为由单支血管和分叉核组成的拓扑结构，具体包括：获得颅内血管三维模型的中心线，进而定位中心线的分叉点；基于分叉点处的血管截面积或最大内切球直径，将颅内血管三维模型划分为由单支血管和分叉核组成的拓扑结构。
具体地，得到颅内血管三维模型后，利用3D细化或最大内切球方法计算得到所述颅内血管三维中心线，并定位分叉点位置。基于所述分叉点处的血管截面积或最大内切球直径，定位该分叉核入口以及对应的分叉核出口。例如在分叉核内获得以分叉点为球心的最大内切球，内切球直径的预设倍数为预设距离，将分叉点沿中心线各方向预设距离以内的部分划分为分叉核，预设倍数可取值2～3。定位所有分叉核后，即可完成颅内血管的分段，获得由单支血管和分叉核组成的拓扑结构。
（3）边界条件计算。
边界条件包括血压边界条件以及流量边界条件，血压边界条件为数据输入模块中得到的颅内血管近端压力Pa，流量边界条件为颅内血管三维模型各分支血管的流量分布。流量分布基于数据输入模块中得到的TCD血流速度信息计算获得。
具体地，首先由用户在颅内血管三维模型上标记TCD血流速度测量位置，即获得指定位置相对于颅内血管三维模型位置标记，从而计算得到测量位置处的颅内血管截面积，血管截面积与TCD测量得到的血流速度的乘积即为测量位置处的血流量。基于流量守恒原理，血流量即为TCD测量位置所在的单支血管的血流量。至此完成步骤S200。
鉴于颅内血管三维模型上可能存在多个血管分支，而TCD测量可能无法覆盖所有分支血管，因此本实施例还提出一种基于已知流量的分支血管估算其他分支血管流量的方法，旨在获得血管流量在各单支血管和各分叉核的分配关系，基于已知流量的分支、以及分配关系估算其他分支血管流量：
具体地，对于任一分叉核，其存在一个入口（血流入口）以及两个血流出口（第一出口和第二出口），记两个出口的血管直径分别为DA、DB，可通过颅内血管三维模型获得，血流量分别为QA、QB，两个血流出口的流量与直径存在以下关系：
其中a为出口直径的权重系数，其取值范围为开区间(2，3)，推荐a的取值为2.33。基于以上关系，当分叉核某一出口流量QA已知时，可计算得到另一出口流量QB，即：
而基于流量守恒原理，入口流量为两个出口流量之和；当入口流量QC已知时，基于以上关系可按出口直径的a次方进行流量分配，即：
在所有分叉核均完成上述分配之后，即可获得血流量在各单支血管和各分叉核的分配关系，至此完成步骤S300。
综上，当颅内血管三维模型的任一分支血管流量已知时，均可计算得到所有其他分支血管的流量信息，从而得到最终的流量分布，即流量边界条件。
（4）血流动力学模拟，分别计算每个单支血管、分叉核的血流时间以及压降。
计算单支血管的血流时间以及压降，包括：对于任一单支血管，结合血流量，获得单支血管的血流时间；对于任一单支血管，利用血流量获得压降。
对于任一单支血管，将其离散为n个节段，计算得到每个节段的平均截面积S1、S2... Sn，以及节段长度L1、L2... Ln，则该单支血管对应的血流时间为：
式中，表示单支血管的血流时间，n表示单支血管离散的节段数，Si和Li分别表示第i个节段的平均截面积和节段长度，通过颅内血管三维模型获得，Q_vessel表示单支血管的血流量，已在（3）边界条件计算中计算获得。
该单支血管对应的压降为：
其中，k1为粘性损失系数，与血管形态相关，k2为狭窄损失系数，与狭窄参数相关，k3为伯努利损失系数，与血管截面积变化相关。
分叉核具有入口、第一出口以及第二出口，进行血流动力学模拟，包括：基于流量分布和颅内血管三维模型，获得入口到第一出口的血流时间、以及入口到第二出口的血流时间。基于流量分布和颅内血管三维模型，获得入口到第一出口的压降、以及入口到第二出口的压降。
对于任一分叉核，记其入口流量、截面积分别为Q_parent、S_parent，出口1（第一出口）的流量、截面积分别为Q_daughter1、S_daughter1，出口2（第二出口）的流量、截面积分别为Q_daughter2、S_daughter2。首先，计算得到分叉核入口到出口1、2的血管中心线长度L_daughter1、L_daughter2，由分叉核入口到出口1、2的平均血流速度为：
V_daughter1=0.5* (Q_parent / S_parent + Q_daughter1 / S_daughter1 )
V_daughter2=0.5* (Q_parent / S_parent + Q_daughter2 / S_daughter2 )
基于血管长度以及平均血流速度，分叉核出口1、2对应的血流时间分别为：
T_daughter1 = L_daughter1 / V_daughter1
T_daughter2 = L_daughter2 / V_daughter2
记分叉核出口1、2的血流速度分别为u1、u2，即：
u1= Q_daughter1 / S_daughter1u2= Q_daughter2 / S_daughter2
记分叉核入口与出口1、2的截面积比值分别为 S1、S2，即：
S1= S_parent / S_daughter1S2= S_parent / S_daughter2
记分叉核入口与出口1、2的流量比值分别为Q1、Q2，即：
Q1= Q_parent / Q_daughter1Q2= Q_parent / Q_daughter2
则该分叉核对应的压降为：
其中，ρ为血液密度，θ 1、θ 2分别为分叉核出口1、2与入口的方向夹角。
（5）功能学参数计算，结合血管近端压力完成。
功能学参数如跨狭窄压力差、跨狭窄压力比、狭窄压降比以及血流时间。结合血管近端压力完成颅内动脉狭窄的功能学评估，具体包括：根据各单支血管、各分叉核的血流时间以及压降信息，获得总血流时间和总压降；根据总压降、血管近端压力，获得跨狭窄压力比和狭窄压降比。
具体地，在血流动力学模拟模块中，已计算获得所有单支血管、分叉核所对应的血流时间以及压降信息，对于颅内血管三维模型的任一出口，按拓扑结构（单支血管、分叉核的上下游连接关系）累加该出口上游所有单支血管、分叉核对应的血流时间、压降，即可计算得到该出口的总血流时间以及总压降，所述总压降即为跨狭窄压力差PG，跨狭窄压力比PR定义为出口压力与入口压力的比值，即：PR = (Pa - PG) / Pa，狭窄压降比DR定义为跨狭窄压力差与入口压力的比值，即：DR = PG / Pa，其中Pa为边界条件中的颅内血管近端压力。
逐一对颅内血管三维模型的出口进行上述处理，即可计算得到所有血管末端对应的功能学参数值，从而实现对颅内动脉狭窄的功能学分析，至此完成步骤S400。
本申请各实施例提出的颅内动脉狭窄的功能学评估方法，能够基于颅内血管三维模型，对由动脉粥样硬化引起的颅内动脉狭窄进行功能学评估，输出压力分布情况，从而计算得到功能学评估参数，包括跨狭窄压力差，跨狭窄压力比、狭窄压降比以及血流时间等。
应该理解的是，虽然图1的流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，这些步骤可以以其它的顺序执行。而且，图1中的至少一部分步骤可以包括多个子步骤或者多个阶段，这些子步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，这些子步骤或者阶段的执行顺序也不必然是依次进行，而是可以与其它步骤或者其它步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。
在一个实施例中，提供了一种颅内动脉狭窄功能学评估的装置，颅内动脉狭窄功能学评估的装置例如可以是计算机设备，该计算机设备可以是终端，其内部结构图可以如图4所示。该计算机设备包括通过系统总线连接的处理器、存储器、网络接口、显示屏和输入装置。
其中，该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统和计算机程序。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种颅内动脉狭窄功能学评估的方法。该计算机设备的显示屏可以是液晶显示屏或者电子墨水显示屏，该计算机设备的输入装置可以是显示屏上覆盖的触摸层，也可以是计算机设备外壳上设置的按键、轨迹球或触控板，还可以是外接的键盘、触控板或鼠标等。
在一个实施例中，提供了颅内动脉狭窄功能学评估的装置，颅内动脉狭窄功能学评估的装置例如选用计算机设备，包括存储器和处理器，存储器中存储有计算机程序，该处理器执行计算机程序时实现以下步骤：
步骤S100，获得测量得到的血管近端压力、以及颅内血管指定位置的血流速度；
步骤S200，获得指定位置相对于颅内血管三维模型的位置标记，获得位置标记处的颅内血管截面积，结合血流速度获得位置标记处的血流量；
步骤S300，获得颅内血管三维模型，将颅内血管三维模型划分为由单支血管和分叉核组成的拓扑结构，进而获得血管流量在各单支血管和各分叉核的分配关系；
步骤S400，根据血流量和分配关系，获得各分支血管的流量分布，进行血流动力学模拟，结合血管近端压力完成颅内动脉狭窄功能学评估。
在一个实施例中，提供了一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现以下步骤：
步骤S100，获得测量得到的血管近端压力、以及颅内血管指定位置的血流速度；
步骤S200，获得指定位置相对于颅内血管三维模型的位置标记，获得位置标记处的颅内血管截面积，结合血流速度获得位置标记处的血流量；
步骤S300，获得颅内血管三维模型，将颅内血管三维模型划分为由单支血管和分叉核组成的拓扑结构，进而获得血管流量在各单支血管和各分叉核的分配关系；
步骤S400，根据血流量和分配关系，获得各分支血管的流量分布，进行血流动力学模拟，结合血管近端压力完成颅内动脉狭窄功能学评估。
在一个实施例中，提供了一种计算机程序产品，包括计算机指令，该计算机指令被处理器执行时实现以下步骤：
步骤S100，获得测量得到的血管近端压力、以及颅内血管指定位置的血流速度；
步骤S200，获得指定位置相对于颅内血管三维模型的位置标记，获得位置标记处的颅内血管截面积，结合血流速度获得位置标记处的血流量；
步骤S300，获得颅内血管三维模型，将颅内血管三维模型划分为由单支血管和分叉核组成的拓扑结构，进而获得血管流量在各单支血管和各分叉核的分配关系；
步骤S400，根据血流量和分配关系，获得各分支血管的流量分布，进行血流动力学模拟，结合血管近端压力完成颅内动脉狭窄功能学评估。
本实施例中，计算机程序产品包括程序代码部分，以用于当计算机程序产品由一个或多个计算装置执行时，执行本申请各实施例中颅内动脉狭窄功能学评估的方法的步骤。计算机程序产品可被存储在计算机可读记录介质上。还可经由数据网络（例如，通过RAN、经由因特网和/或通过RBS）提供计算机程序产品以便下载。备选地或附加地，该方法可被编码在现场可编程门阵列（FPGA）和/或专用集成电路（ASIC）中，或者功能性可借助于硬件描述语言被提供以便下载。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用，均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器（ROM）、可编程ROM（PROM）、电可编程ROM（EPROM）、电可擦除可编程ROM（EEPROM）或闪存。易失性存储器可包括随机存取存储器（RAM）或者外部高速缓冲存储器。作为说明而非局限，RAM以多种形式可得，诸如静态RAM（SRAM）、动态RAM（DRAM）、同步DRAM（SDRAM）、双数据率SDRAM（DDRSDRAM）、增强型SDRAM（ESDRAM）、同步链路（Synchlink） DRAM（SLDRAM）、存储器总线（Rambus）直接RAM（RDRAM）、直接存储器总线动态RAM（DRDRAM）、以及存储器总线动态RAM（RDRAM）等。
以上实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。不同实施例中的技术特征体现在同一附图中时，可视为该附图也同时披露了所涉及的各个实施例的组合例。
以上所述实施例仅表达了本申请的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本申请构思的前提下，还可以做出若干变形和改进，这些都属于本申请的保护范围。因此，本申请专利的保护范围应以所附权利要求为准。
Claims (9)
1.颅内动脉狭窄功能学评估的方法，其特征在于，包括：
获得测量得到的血管近端压力、以及颅内血管指定位置的血流速度；
获得所述指定位置相对于所述颅内血管三维模型的位置标记，获得所述位置标记处的颅内血管截面积，结合所述血流速度获得所述位置标记处的血流量；
获得颅内血管三维模型，将所述颅内血管三维模型划分为由单支血管和分叉核组成的拓扑结构，进而获得血管流量在各单支血管和各分叉核的分配关系，其中一所述分叉核具有入口、以及第一出口和第二出口；
根据所述血流量和所述分配关系，获得各分支血管的流量分布，进行血流动力学模拟，包括：基于所述流量分布和所述颅内血管三维模型，获得所述入口到第一出口的血流时间、以及所述入口到第二出口的血流时间；获得所述入口到第一出口的压降、以及入口到第二出口的压降；结合所述血管近端压力完成颅内动脉狭窄功能学评估。
2.如权利要求1所述的方法，其特征在于，所述血管近端压力，为导管室指引导管测量得到的血压值；
所述血流速度，通过经颅多普勒超声方法测量得到。
3.如权利要求1所述的方法，其特征在于，所述颅内血管三维模型，利用包含患者颅内血管的三维医学影像分割得到；
将所述颅内血管三维模型划分为由单支血管和分叉核组成的拓扑结构，具体包括：
获得所述颅内血管三维模型的中心线，进而定位所述中心线的分叉点；
基于所述分叉点处的血管截面积或最大内切球直径，将所述颅内血管三维模型划分为由单支血管和分叉核组成的拓扑结构。
4.如权利要求1所述的方法，其特征在于，其中一所述分叉核具有入口、以及第一出口和第二出口，所述入口的流量为第一出口和第二出口的流量之和，所述分配关系包括：
其中，QA、QB分别为第一出口和第二出口的血流量，DA、DB分别为第一出口和第二出口的直径，a为权重系数。
5.如权利要求1所述的方法，其特征在于，进行血流动力学模拟，包括：
对于任一单支血管，结合血流量，获得单支血管的血流时间；
对于任一单支血管，利用血流量获得压降。
6.如权利要求5所述的方法，其特征在于，对于任一单支血管，结合血流量，获得单支血管的血流时间，利用下式进行：
式中，表示单支血管的血流时间，n表示单支血管离散的节段数，Si和Li分别表示第i个节段的平均截面积和节段长度，Q_vessel表示单支血管的血流量；
对于任一单支血管，利用血流量获得压降，利用下式进行：
式中，表示单支血管的压降，k1为与血管形态相关的粘性损失系数，k2为与狭窄参数相关的狭窄损失系数，k3为与血管截面积变化相关的伯努利损失系数。
7.如权利要求1所述的方法，其特征在于，获得所述入口到第一出口的血流时间，利用下式进行：
T_daughter1 = L_daughter1 / V_daughter1
V_daughter1=0.5* (Q_parent / S_parent + Q_daughter1 / S_daughter1 )
式中，T_daughter1为所述入口到第一出口的血流时间，L_daughter1为所述入口到第一出口的血管中心线长度，V_daughter1为所述入口到第一出口的平均血流速度；
Q_parent和S_parent 分别为所述入口的流量和载面积，Q_daughter1和S_daughter1分别为第一出口的流量和截面积；
获得所述入口到第一出口的压降，利用下式进行：
式中，为所述入口到第一出口的压降，ρ为血液密度，u1为第一出口的血流速度，S1 为入口与第一出口的截面积比值，Q1为入口与第一出口的流量比值，θ 1为入口与第一出口方向夹角。
8.如权利要求5所述的方法，其特征在于，结合所述血管近端压力完成颅内动脉狭窄的功能学评估，具体包括：
根据各单支血管、各分叉核的血流时间以及压降信息，获得总血流时间和总压降；
根据所述总压降、所述血管近端压力，获得跨狭窄压力比和狭窄压降比。
9.颅内动脉狭窄功能学评估的装置，包括存储器、处理器及存储在存储器上的计算机程序，所述处理器执行所述计算机程序以实现如权利要求1～8任一项颅内动脉狭窄功能学评估的方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310940136.XA CN116649925B (zh) | 2023-07-28 | 2023-07-28 | 颅内动脉狭窄功能学评估的方法和装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310940136.XA CN116649925B (zh) | 2023-07-28 | 2023-07-28 | 颅内动脉狭窄功能学评估的方法和装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN116649925A CN116649925A (zh) | 2023-08-29 |
| CN116649925B true CN116649925B (zh) | 2023-10-31 |
Family
ID=87717469
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310940136.XA Active CN116649925B (zh) | 2023-07-28 | 2023-07-28 | 颅内动脉狭窄功能学评估的方法和装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116649925B (zh) |
Citations (13)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US8977339B1 (en) * | 2013-12-05 | 2015-03-10 | Intrinsic Medical Imaging Llc | Method for assessing stenosis severity through stenosis mapping |
| RU2563365C1 (ru) * | 2014-04-23 | 2015-09-20 | Федеральное государственное бюджетное научное учреждение "Научный центр неврологии" (ФГБНУ НЦН) | Способ ангиографической оценки степени стеноза внутренней сонной артерии на экстра- и интракраниальном уровне |
| CN107689032A (zh) * | 2017-07-05 | 2018-02-13 | 北京工业大学 | 一种个性化无创计算患者最大充血状态下冠脉分支血流量的方法 |
| CN110490040A (zh) * | 2019-05-30 | 2019-11-22 | 浙江理工大学 | 一种识别dsa冠状动脉图像中局部血管狭窄程度的方法 |
| WO2020028386A1 (en) * | 2018-07-30 | 2020-02-06 | Boards Of Regents Of The University Of Texas System | Systems and methods for hemodynamically evaluating peripheral artery stenoses |
| CN112508867A (zh) * | 2020-11-23 | 2021-03-16 | 西安科锐盛创新科技有限公司 | 一种模拟化三维颅内血管狭窄分析模型的建立方法 |
| CN112837306A (zh) * | 2021-02-20 | 2021-05-25 | 薛竟宜 | 基于深度学习和中智理论的冠状动脉病变功能学定量方法 |
| RU2755648C1 (ru) * | 2020-11-30 | 2021-09-17 | Федеральное государственное бюджетное учреждение "Детский научно-клинический центр инфекционных болезней Федерального медико-биологического агентства" | Способ диагностики стадии внутричерепной гипертензии при нейроинфекциях у детей в остром периоде |
| CN113499090A (zh) * | 2021-05-21 | 2021-10-15 | 杭州脉流科技有限公司 | 冠状动脉血流储备分数得到方法、装置、计算机设备和存储介质 |
| CN113995388A (zh) * | 2021-12-13 | 2022-02-01 | 数坤(北京)网络科技股份有限公司 | 血流储备分数计算方法、装置、电子设备及可读存储介质 |
| CN114170134A (zh) * | 2021-11-03 | 2022-03-11 | 杭州脉流科技有限公司 | 基于颅内dsa影像的狭窄评估方法及装置 |
| CN114287954A (zh) * | 2021-12-13 | 2022-04-08 | 杭州脉流科技有限公司 | 颅内血管狭窄的功能学评估方法、系统、电子设备及介质 |
| CN116129080A (zh) * | 2022-12-30 | 2023-05-16 | 安徽省立医院(中国科学技术大学附属第一医院) | 一种计算颅内动脉狭窄血管两端血管壁顺应性的方法 |
Family Cites Families (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US7942820B2 (en) * | 2007-08-26 | 2011-05-17 | Philip Chidi Njemanze | Method and system for evaluation of the hemodynamic model in depression for diagnosis and treatment |
| US8315812B2 (en) * | 2010-08-12 | 2012-11-20 | Heartflow, Inc. | Method and system for patient-specific modeling of blood flow |
| US9858387B2 (en) * | 2013-01-15 | 2018-01-02 | CathWorks, LTD. | Vascular flow assessment |
| US9805463B2 (en) * | 2013-08-27 | 2017-10-31 | Heartflow, Inc. | Systems and methods for predicting location, onset, and/or change of coronary lesions |
| EP3169237B1 (en) * | 2014-07-18 | 2023-04-12 | Koninklijke Philips N.V. | Stenosis assessment |
| WO2020154398A1 (en) * | 2019-01-22 | 2020-07-30 | Arizona Board Of Regents On Behalf Of The University Of Arizona | Noninvasive real-time patient-specific assessment of stroke severity |
| WO2021102408A1 (en) * | 2019-11-22 | 2021-05-27 | The Regents Of The University Of Michigan | Anatomical and functional assessment of coronary artery disease using machine learning |
-
2023
- 2023-07-28 CN CN202310940136.XA patent/CN116649925B/zh active Active
Patent Citations (13)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US8977339B1 (en) * | 2013-12-05 | 2015-03-10 | Intrinsic Medical Imaging Llc | Method for assessing stenosis severity through stenosis mapping |
| RU2563365C1 (ru) * | 2014-04-23 | 2015-09-20 | Федеральное государственное бюджетное научное учреждение "Научный центр неврологии" (ФГБНУ НЦН) | Способ ангиографической оценки степени стеноза внутренней сонной артерии на экстра- и интракраниальном уровне |
| CN107689032A (zh) * | 2017-07-05 | 2018-02-13 | 北京工业大学 | 一种个性化无创计算患者最大充血状态下冠脉分支血流量的方法 |
| WO2020028386A1 (en) * | 2018-07-30 | 2020-02-06 | Boards Of Regents Of The University Of Texas System | Systems and methods for hemodynamically evaluating peripheral artery stenoses |
| CN110490040A (zh) * | 2019-05-30 | 2019-11-22 | 浙江理工大学 | 一种识别dsa冠状动脉图像中局部血管狭窄程度的方法 |
| CN112508867A (zh) * | 2020-11-23 | 2021-03-16 | 西安科锐盛创新科技有限公司 | 一种模拟化三维颅内血管狭窄分析模型的建立方法 |
| RU2755648C1 (ru) * | 2020-11-30 | 2021-09-17 | Федеральное государственное бюджетное учреждение "Детский научно-клинический центр инфекционных болезней Федерального медико-биологического агентства" | Способ диагностики стадии внутричерепной гипертензии при нейроинфекциях у детей в остром периоде |
| CN112837306A (zh) * | 2021-02-20 | 2021-05-25 | 薛竟宜 | 基于深度学习和中智理论的冠状动脉病变功能学定量方法 |
| CN113499090A (zh) * | 2021-05-21 | 2021-10-15 | 杭州脉流科技有限公司 | 冠状动脉血流储备分数得到方法、装置、计算机设备和存储介质 |
| CN114170134A (zh) * | 2021-11-03 | 2022-03-11 | 杭州脉流科技有限公司 | 基于颅内dsa影像的狭窄评估方法及装置 |
| CN113995388A (zh) * | 2021-12-13 | 2022-02-01 | 数坤(北京)网络科技股份有限公司 | 血流储备分数计算方法、装置、电子设备及可读存储介质 |
| CN114287954A (zh) * | 2021-12-13 | 2022-04-08 | 杭州脉流科技有限公司 | 颅内血管狭窄的功能学评估方法、系统、电子设备及介质 |
| CN116129080A (zh) * | 2022-12-30 | 2023-05-16 | 安徽省立医院(中国科学技术大学附属第一医院) | 一种计算颅内动脉狭窄血管两端血管壁顺应性的方法 |
Non-Patent Citations (2)
| Title |
|---|
| Dynamic changes in transcranial doppler ultrasound findings and their value in ischemic stroke evaluation during acute stage;Zhu Yu-hong 等;中国临床康复;第9卷(第41期);122-125 * |
| 椎动脉颅外段血流动力学参数对颅内段闭塞性病变的准确性研究;李秋萍 等;中国脑血管病杂志(第12期);639-644 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN116649925A (zh) | 2023-08-29 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| JP7048561B2 (ja) | 血管形状及び生理学から血流特性を推定するシステム及び方法 | |
| US11589924B2 (en) | Non-invasive assessment and therapy guidance for coronary artery disease in diffuse and tandem lesions | |
| US10748451B2 (en) | Methods and systems for generating fluid simulation models | |
| US20220406470A1 (en) | Systems and methods for processing electronic images to determine flow using flow ratio | |
| US11617620B2 (en) | Systems and methods for identifying anatomically relevant blood flow characteristics in a patient | |
| EP3516561B1 (en) | Method, system and non-transitory computer-readable medium for estimation of blood flow characteristics using a reduced order model and machine learning | |
| US9265473B2 (en) | Method for estimating flow rates and pressure gradients in arterial networks from patient specific computed tomography angiogram-based contrast distribution data | |
| US20170004280A1 (en) | Systems and methods for image processing for modeling changes in patient-specific blood vessel geometry and boundary conditions | |
| CN110664524B (zh) | 用于引导血管中的支架植入的装置、系统和介质 | |
| AU2018226375A1 (en) | Method and system for patient-specific modeling of blood flow | |
| CN108735270A (zh) | 基于降维模型的血流储备分数获取方法、装置、系统和计算机存储介质 | |
| JP7303260B2 (ja) | 動脈網における流量および圧力勾配を患者特定コンピュータ断層撮影アルゴリズムに基づくコントラスト分布から判断するための方法 | |
| CN113499090A (zh) | 冠状动脉血流储备分数得到方法、装置、计算机设备和存储介质 | |
| WO2019025270A9 (en) | Non-invasive assessment and therapy guidance for coronary artery disease in diffuse and tandem lesions | |
| Helthuis et al. | A patient-specific cerebral blood flow model | |
| JP2015171486A (ja) | 血流解析システムおよび血流解析プログラム | |
| CN109907772A (zh) | 获取冠脉血流量及血流速度的方法和装置 | |
| CN107174264B (zh) | 确定流体动力学特征值的装置和方法 | |
| CN103823956B (zh) | 确定造影剂使用参数的方法、装置以及成像设备 | |
| CN114052764A (zh) | 获取血流储备分数的方法、装置、系统和计算机存储介质 | |
| CN116649925B (zh) | 颅内动脉狭窄功能学评估的方法和装置 | |
| CN113995388B (zh) | 血流储备分数计算方法、装置、电子设备及可读存储介质 | |
| CN116486211A (zh) | 一种模型训练方法、血流储备分数计算方法、装置及设备 | |
| Hsieh et al. | Coronary CT angiography-based estimation of myocardial perfusion territories for coronary artery FFR and wall shear stress simulation | |
| US20220273180A1 (en) | Functional impact of vascular lesions |
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 |