CN117398183A - 利用血管表象的支架规划系统及方法 - Google Patents
利用血管表象的支架规划系统及方法 Download PDFInfo
- Publication number
- CN117398183A CN117398183A CN202311184330.6A CN202311184330A CN117398183A CN 117398183 A CN117398183 A CN 117398183A CN 202311184330 A CN202311184330 A CN 202311184330A CN 117398183 A CN117398183 A CN 117398183A
- Authority
- CN
- China
- Prior art keywords
- stent
- virtual
- vessel
- processors
- lumen
- 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
- 238000000034 method Methods 0.000 title claims description 120
- 230000002792 vascular Effects 0.000 title description 31
- 230000017531 blood circulation Effects 0.000 claims abstract description 34
- 210000004204 blood vessel Anatomy 0.000 claims description 32
- 230000008859 change Effects 0.000 claims description 19
- 238000004891 communication Methods 0.000 claims description 12
- 238000004458 analytical method Methods 0.000 claims description 10
- 230000000694 effects Effects 0.000 claims description 9
- 230000004044 response Effects 0.000 claims description 5
- 239000008280 blood Substances 0.000 claims 2
- 210000004369 blood Anatomy 0.000 claims 2
- 238000003384 imaging method Methods 0.000 abstract description 21
- 238000002583 angiography Methods 0.000 abstract description 8
- 238000002604 ultrasonography Methods 0.000 abstract description 3
- 238000012634 optical imaging Methods 0.000 abstract description 2
- 239000013589 supplement Substances 0.000 abstract description 2
- 210000001367 artery Anatomy 0.000 description 29
- 239000000523 sample Substances 0.000 description 28
- 238000012014 optical coherence tomography Methods 0.000 description 18
- 208000031481 Pathologic Constriction Diseases 0.000 description 17
- 230000008569 process Effects 0.000 description 17
- 230000036262 stenosis Effects 0.000 description 17
- 208000037804 stenosis Diseases 0.000 description 17
- 238000012545 processing Methods 0.000 description 16
- 238000004422 calculation algorithm Methods 0.000 description 14
- 238000007621 cluster analysis Methods 0.000 description 14
- 238000005516 engineering process Methods 0.000 description 14
- 230000003902 lesion Effects 0.000 description 13
- 230000015654 memory Effects 0.000 description 13
- 238000004590 computer program Methods 0.000 description 12
- 230000003287 optical effect Effects 0.000 description 10
- 244000208734 Pisonia aculeata Species 0.000 description 9
- 230000006872 improvement Effects 0.000 description 9
- 238000002608 intravascular ultrasound Methods 0.000 description 6
- 238000005259 measurement Methods 0.000 description 6
- 241000711895 Bovine orthopneumovirus Species 0.000 description 5
- 238000005457 optimization Methods 0.000 description 5
- 230000009471 action Effects 0.000 description 4
- 230000008901 benefit Effects 0.000 description 4
- 238000001514 detection method Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 239000000463 material Substances 0.000 description 4
- 239000000654 additive Substances 0.000 description 3
- 230000000996 additive effect Effects 0.000 description 3
- 238000013459 approach Methods 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 3
- 210000004351 coronary vessel Anatomy 0.000 description 3
- 230000002526 effect on cardiovascular system Effects 0.000 description 3
- 238000001727 in vivo Methods 0.000 description 3
- 239000000203 mixture Substances 0.000 description 3
- 230000002107 myocardial effect Effects 0.000 description 3
- OYPRJOBELJOOCE-UHFFFAOYSA-N Calcium Chemical group [Ca] OYPRJOBELJOOCE-UHFFFAOYSA-N 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 2
- 229910052791 calcium Inorganic materials 0.000 description 2
- 239000011575 calcium Substances 0.000 description 2
- 210000000748 cardiovascular system Anatomy 0.000 description 2
- 238000012512 characterization method Methods 0.000 description 2
- 238000011960 computer-aided design Methods 0.000 description 2
- 238000009432 framing Methods 0.000 description 2
- 238000010801 machine learning Methods 0.000 description 2
- 230000007246 mechanism Effects 0.000 description 2
- 230000006855 networking Effects 0.000 description 2
- 208000037803 restenosis Diseases 0.000 description 2
- 239000004065 semiconductor Substances 0.000 description 2
- 238000012549 training Methods 0.000 description 2
- 208000036828 Device occlusion Diseases 0.000 description 1
- 235000010599 Verbascum thapsus Nutrition 0.000 description 1
- 244000178289 Verbascum thapsus Species 0.000 description 1
- 230000000712 assembly Effects 0.000 description 1
- 238000000429 assembly Methods 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 238000005452 bending Methods 0.000 description 1
- 230000000747 cardiac effect Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000013480 data collection Methods 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000002405 diagnostic procedure Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 208000014674 injury Diseases 0.000 description 1
- 150000002632 lipids Chemical class 0.000 description 1
- 239000003550 marker Substances 0.000 description 1
- 229910052751 metal Inorganic materials 0.000 description 1
- 239000002184 metal Substances 0.000 description 1
- 238000012806 monitoring device Methods 0.000 description 1
- 230000000414 obstructive effect Effects 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 230000007170 pathology Effects 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000009877 rendering Methods 0.000 description 1
- 230000002966 stenotic effect Effects 0.000 description 1
- 238000001356 surgical procedure Methods 0.000 description 1
- 238000003325 tomography Methods 0.000 description 1
- 230000001131 transforming effect Effects 0.000 description 1
- 230000008733 trauma Effects 0.000 description 1
- 210000005166 vasculature Anatomy 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
- 238000012800 visualization Methods 0.000 description 1
Classifications
-
- 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
- A61B5/0059—Measuring for diagnostic purposes; Identification of persons using light, e.g. diagnosis by transillumination, diascopy, fluorescence
- A61B5/0082—Measuring for diagnostic purposes; Identification of persons using light, e.g. diagnosis by transillumination, diascopy, fluorescence adapted for particular medical purposes
- A61B5/0084—Measuring for diagnostic purposes; Identification of persons using light, e.g. diagnosis by transillumination, diascopy, fluorescence adapted for particular medical purposes for introduction into the body, e.g. by catheters
-
- 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
- A61B8/08—Detecting organic movements or changes, e.g. tumours, cysts, swellings
- A61B8/0891—Detecting organic movements or changes, e.g. tumours, cysts, swellings for diagnosis of blood vessels
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B8/00—Diagnosis using ultrasonic, sonic or infrasonic waves
- A61B8/12—Diagnosis using ultrasonic, sonic or infrasonic waves in body cavities or body tracts, e.g. by using catheters
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B8/00—Diagnosis using ultrasonic, sonic or infrasonic waves
- A61B8/46—Ultrasonic, sonic or infrasonic diagnostic devices with special arrangements for interfacing with the operator or the patient
- A61B8/461—Displaying means of special interest
- A61B8/463—Displaying means of special interest characterised by displaying multiple images or images and diagnostic data on one display
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B8/00—Diagnosis using ultrasonic, sonic or infrasonic waves
- A61B8/46—Ultrasonic, sonic or infrasonic diagnostic devices with special arrangements for interfacing with the operator or the patient
- A61B8/461—Displaying means of special interest
- A61B8/466—Displaying means of special interest adapted to display 3D 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
- A61B8/5215—Devices using data or image processing specially adapted for diagnosis using ultrasonic, sonic or infrasonic waves involving processing of medical diagnostic data
- A61B8/5223—Devices using data or image processing specially adapted for diagnosis using ultrasonic, sonic or infrasonic waves involving processing of medical diagnostic data for extracting a diagnostic or physiological parameter from medical diagnostic data
-
- 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
- G16H50/30—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for calculating health indices; for individual health risk assessment
-
- 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
-
- 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
-
- 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
- A61B2034/102—Modelling of surgical devices, implants or prosthesis
- A61B2034/104—Modelling the effect of the tool, e.g. the effect of an implanted prosthesis or for predicting the effect of ablation or burring
-
- 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
-
- 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
- A61B2034/107—Visualisation of planned trajectories or target regions
-
- 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
- A61B2034/108—Computer aided selection or customisation of medical implants or cutting guides
-
- 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
- A61B34/25—User interfaces for surgical systems
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/0059—Measuring for diagnostic purposes; Identification of persons using light, e.g. diagnosis by transillumination, diascopy, fluorescence
- A61B5/0062—Arrangements for scanning
- A61B5/0066—Optical coherence imaging
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/103—Detecting, measuring or recording devices for testing the shape, pattern, colour, size or movement of the body or parts thereof, for diagnostic purposes
- A61B5/107—Measuring physical dimensions, e.g. size of the entire body or parts thereof
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B6/00—Apparatus for radiation diagnosis, e.g. combined with radiation therapy equipment
- A61B6/50—Clinical applications
- A61B6/504—Clinical applications involving diagnosis of blood vessels, e.g. by angiography
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61F—FILTERS IMPLANTABLE INTO BLOOD VESSELS; PROSTHESES; DEVICES PROVIDING PATENCY TO, OR PREVENTING COLLAPSING OF, TUBULAR STRUCTURES OF THE BODY, e.g. STENTS; ORTHOPAEDIC, NURSING OR CONTRACEPTIVE DEVICES; FOMENTATION; TREATMENT OR PROTECTION OF EYES OR EARS; BANDAGES, DRESSINGS OR ABSORBENT PADS; FIRST-AID KITS
- A61F2/00—Filters implantable into blood vessels; Prostheses, i.e. artificial substitutes or replacements for parts of the body; Appliances for connecting them with the body; Devices providing patency to, or preventing collapsing of, tubular structures of the body, e.g. stents
- A61F2/82—Devices providing patency to, or preventing collapsing of, tubular structures of the body, e.g. stents
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61F—FILTERS IMPLANTABLE INTO BLOOD VESSELS; PROSTHESES; DEVICES PROVIDING PATENCY TO, OR PREVENTING COLLAPSING OF, TUBULAR STRUCTURES OF THE BODY, e.g. STENTS; ORTHOPAEDIC, NURSING OR CONTRACEPTIVE DEVICES; FOMENTATION; TREATMENT OR PROTECTION OF EYES OR EARS; BANDAGES, DRESSINGS OR ABSORBENT PADS; FIRST-AID KITS
- A61F2240/00—Manufacturing or designing of prostheses classified in groups A61F2/00 - A61F2/26 or A61F2/82 or A61F9/00 or A61F11/00 or subgroups thereof
- A61F2240/001—Designing or manufacturing processes
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
-
- 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
- G16H20/00—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance
- G16H20/40—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance relating to mechanical, radiation or invasive therapies, e.g. surgery, laser therapy, dialysis or acupuncture
Abstract
在某种程度上,本发明涉及使用血管数据来确定支架部署位置和其他参数。支架部署可被规划为使得通过支架恢复的血流的量相对于没有支架的血管增加一个或多个度量。最终用户可以指定一个或多个支架长度,包括一定范围的支架长度。反过来,诊断工具可以生成具有指定范围内的长度的候选虚拟支架,该指定范围内的长度相对于血管表象适于进行放置。血管距离值,例如血管直径、半径、面积、弦值或其他横截面面积等,其长度用于识别支架着陆区。这些工具可以使用或补充血管造影数据和/或相互间进行注册。可使用光学成像、超声、血管造影或其他成像模式来生成血管数据。
Description
技术领域
本发明总体涉及支架规划。在某种程度上,本发明涉及使用所采集的数据相对于血管表象来规划支架部署的诊断工具、方法和系统。
背景技术
支架在冠状动脉中的放置需要大量的规划。这种规划可以由医师用冠状血管的纵向照片和尺子来完成。这具有固有的局限性。此外,在复杂病变的情况下,仅通过观察血管的横截面表象不能确定出最佳部署位置和支架尺寸。各种因素都能改变应使用的支架种类,并且基于手动查看图像不能显而易见应该将支架放置在哪里。
即使经验丰富的心脏病专家也可能发现,预测要使用的支架尺寸并选择出将促成最佳效果的放置位置是具有挑战性的。此外,考虑到减少导管室时间的目标,需要配备能加速该过程并能提供优于手动方法的优点的工具。需要能使用基于计算机的用户界面和血管表象来在最佳位置且以最短尺寸在动脉中自动放置支架的技术。
本发明解决这种需要和其他需求。
发明内容
在某种程度上,本发明涉及使用血管数据确定支架部署位置和其他参数。生成血管的表象并通过用户界面来显示血管的表象。支架部署可以规划成使得通过支架恢复的血流的量相对于没有支架的血管增加一个或多个度量。最终用户可以指定一个或多个支架长度,包括一定范围的支架长度。反过来,诊断工具可以生成具有指定范围内的长度的候选虚拟支架,所述指定范围内的长度相对于血管表象适于进行放置。血管距离值,例如血管直径、半径、面积、弦值或其他横截面面积等,其长度用于识别支架着陆区。这些工具可以使用或补充血管造影数据和/或相互间进行注册。可使用光学成像、超声、血管造影或其他成像模式来生成血管数据。
在一个实施例中,本发明涉及使用虚拟血流储备分数或虚拟血流储备计算流量模型来评估血管。在任何一种情况下,这些都可以被称为VFR。作为该评估的一部分,用计算机实施的方法基于通过心血管系统参数(例如VFR)预测的流量恢复,使用虚拟支架来促进支架部署规划。由于支架部署而改变的任何合适的心血管系统参数也可以用作对一个或多个虚拟支架进行评分的基础。在一个实施例中,系统和方法被设计成相对于选择过程而强调支架长度,使得在实现目标流量恢复水平(例如最大流量恢复或以其他方式增加的流量恢复)的同时选择较短的支架。在一个实施例中,基于诸如成像数据的血管数据生成血管段的表象,所述成像数据可包括血管内数据或血管造影或断层摄影数据。在一个实施例中,在通过患者体内的实际相应血管段的数据采集探针的回撤期间获得血管数据。
在某种程度上,本发明涉及一种用于规划一个或多个血管内支架的部署的方法。所述方法包括:在电子存储设备中存储关于用于支架部署的候选血管的所采集的血管数据;使用血管数据采集系统的子系统根据血管数据来计算一组基于内腔距离的值,所述子系统与所述电子存储设备一起进行电子计算;从所述一组基于内腔距离的值的组中识别一组局部最大值,其中所述局部最大值与潜在的支架着陆区相关联;在血管数据中确定对应于局部最大值的一个或多个框架;通过识别设置在搜索窗口边界处的框架的配对的所以组合来确定一组候选支架着陆区,其中搜索窗口的大小是一个或多个支架的长度;为每对候选着陆区生成支架有效性得分SES,所述支架有效性得分SES得自于放置在每对候选着陆区处的给定距离和长度的虚拟支架;对所述支架有效性得分排序;和识别由基于所述支架有效性得分的排名顺序确定的着陆区定义的一个或多个虚拟支架。
所述方法还包括相对于所述血管的分段的表象来显示所述一个或多个虚拟支架。所述一组基于内腔距离的值选自由内腔面积、内腔半径、内腔直径、内腔弦和从内腔的边界上的点测得的距离构成的组合。所述一组基于内腔距离的值是内腔面积曲线。所述一组基于内腔的距离的值是一组对应于所述血管的横截面的内腔面积值。所述方法还包括生成具有支架长度的支架的表象,并且显示被设置在第一着陆区和第二着陆区的所述支架的所述表象,其中所述第一着陆区和所述第二着陆区对应于所述支架有效性得分。
生成所述SES包括以下步骤:计算在放置支架之前血管的第一虚拟血流储备分数(VFR);计算放置支架后血管的第二虚拟血流储备分数;从第二VFR中减去第一VFR以获得响应于支架放置的VFR变化;以及,将所述VFR的变化除以所述支架的所述长度。
所述方法还包括用一个或多个加权因子调整所述SES的步骤。所述一个或多个加权因子包括以下中的一项或多项:着陆区的质量、被所述支架覆盖的所有分支的总内腔面积、血管的成锥形的量、基于医师偏好的支架限制和基于动脉类型的限制。所述方法还包括选择出具有高于或等于最终用户设定的目标VFR的预测VFR的SES。所述方法还包括从最终用户接收关于支架参数偏好的输入。所述方法还包括响应于用户选择的要相对于所述血管的表象放置的支架来生成预测VFR。所述方法还包括使用血管造影术或血管内成像来生成所述血管数据。
在某种程度上,本发明涉及一种用于自动支架规划的系统。所述系统包括诊断系统,以用于从感兴趣的血管获得数据。所述诊断系统包括:电子存储设备;和与所述电子存储设备通信的处理器。所述存储器包括可由所述处理器执行的指令,以促使处理器:根据使用回撤通过所述血管的血管内探针生成的血管内数据,使用所述处理器计算一组基于内腔距离的值,子系统与所述电子存储设备一起进行电子计算;从所述一组基于内腔距离的值中识别一组局部最大值,其中一个或多个局部最大值与潜在的支架着陆区相关联;在所述血管内数据中确定对应于一个或多个局部最大值的一个或多个框架;和通过识别设置在搜索窗口边界处的一个或多个框架来确定一组候选支架着陆区,其中搜索窗口的大小是一个或多个支架的长度。
所述一组基于内腔的距离的值选自由内腔面积、内腔半径、内腔直径、内腔弦和从内腔的边界上的点测得的距离构成的组合。所述系统还包括可由所述处理器执行的指令,以促使处理器:为每对候选着陆区生成支架有效性得分SES,所述支架有效性得分SES得自于放置在每对候选着陆区处的给定距离和长度的虚拟支架;对支架有效性得分排序;和识别由基于所述支架有效性得分排序确定的着陆区定义的一个或多个虚拟支架。在一个实施例中,相对于所述血管的段的表象来显示所述一个或多个虚拟支架。
所述系统还包括可由所述处理器执行的指令,以促使所述处理器:生成具有支架长度的支架的表象,并且显示被设置在第一着陆区和第二着陆区的所述支架的表象,其中所述第一着陆区和第二着陆区对应于所述支架有效性得分。
所述系统还包括可由所述处理器执行的指令,以促使所述处理器:用一个或多个加权因子调整所述SES。所述一个或多个加权因子包括以下中的一项或多项:着陆区的质量、被所述支架覆盖的所有分支的总内腔面积、血管成锥形的量、基于医师偏好的支架限制和基于动脉类型的限制。所述系统还包括可由所述处理器执行的指令,以促使所述处理器:使用支架表象来改变血管的表象,以计算适于确定所述SES的血管内参数的变化。
在某种程度上,本发明涉及一种规划一个或多个血管内支架的部署的方法。所述方法包括:在电子存储设备中存储使用回撤通过血管的血管内探针生成的血管的血管数据;在血管数据中识别候选支架着陆区;确定一组可能的着陆区配对;基于一个或多个血管系统参数的变化对虚拟支架着陆区进行评分,其中所述变化是在血管的有支架状态和无支架状态二者之中;对得分和相关的着陆区进行排序和选择;并且,针对具有所选得分的虚拟支架显示着陆区。
软件实施例可以包括程序、处理器指令、固件、常驻软件、微代码、伪代码、流程图步骤等。硬件和软件可以组合或连接,例如通过通信信道、存储器、无线通信,并且通常可以描述为“电路”、“模块”或“系统”。
本发明还涉及体现在任何有形的表达介质中的计算机程序产品,计算机程序产品具有体现在介质中的计算机可用程序代码。所描述的实施例可以被提供为计算机程序产品或软件,其可以包括其上存储有指令的机器可读介质,该指令可以用于对计算机系统(或其他计算或其他电子设备)进行编程以执行根据实施例的过程。机器可读介质包括用于以机器(例如,计算机)可读的形式(例如,软件、处理应用程序)存储或传输信息的任何机制。机器可读介质可以是机器可读存储介质或机器可读信号介质。
用于执行实施例的操作的计算机程序代码可以以一种或多种编程语言的任何组合来编写,编程语言包括诸如Java、Python、C++等的面向对象的编程语言和诸如“C”编程语言或类似的编程语言的传统的过程编程语言。程序代码可以作为独立的软件包完全地在用户的计算机上执行,部分地在用户的计算机上执行,部分地在用户的计算机上执行并且部分地在远程计算机上执行,或完全地在远程计算机或服务器上执行。Matlab和类似软件也可用于实现此处使用的某些排名和图表。
尽管本发明涉及不同的方面和实施例,但是应该理解,本文公开的不同方面和实施例可以适当地整体或部分地集成在一起。因此,本文公开的每个实施例可以适当地在不同程度上并入每个方面以用于给定的实现方式。此外,前述的系统、方法、步骤、组件和部件可以用于医疗应用和用于诊断目的的其他应用以及支架开展和分析。
在一个实施例中,使用基于聚类的方法来实现该方法。例如,基于一个或多个标准来对一组候选着陆区进行分组。
根据以下描述和附图,所公开实施例的其他特征和优点将显而易见。
附图说明
这些附图不一定是按比例绘制的,而是通常着重强调示例性的原理。这些附图在所有方面都被认为是示例性的,并不意图限制本发明,本发明的范围仅由权利要求限定。
图1是根据本发明的示例性实施例构造的血管内诊断/数据采集系统的示意图。
图2A、2B和2C是根据本发明的示例性实施例使用血管数据的支架规划方法的流程图,该血管数据来自回撤(pullback)期间采集的体内数据。
图3A和3B是根据本发明的示例性实施例的显示了支架着陆区和流量恢复特征的血管的示意性表象。
图4A是根据本发明的示例性实施例显示了针对冠状动脉区域绘制的框架位置相对于平均内腔直径的图表,以显示对应于血管直径的局部最大值的点,该冠状动脉区域使用来自回撤的数据进行成像。
图4B是根据本发明的示例性实施例绘制的虚拟/假设支架候选者(VSC)相对于支架有效性评分(SES)值的图表。
图5A是根据本发明的示例性实施例的具有相对于着陆区框架示出的VSC的支架规划/放置系统的用户界面显示器的实施例。
图5B是根据本发明的示例性实施例的图5A的用户界面的另一视图。
图6描绘了使用血管内体内数据生成的血管表象的纵向视图,其示出了着陆区和血管壁中阻塞流量的区域以及由所示的着陆区处的支架部署来替代的候选区。
图7根据本发明的示例性实施例描绘了作为聚类分析的一部分生成的图表,以识别出在支架后随着虚拟支架以及支架长度与回撤长度的比率而改变的参数的图表中所示的三个聚类。
图8A-8E根据本发明的示例性实施例描绘了用于示出血管表象的附加用户界面视图,该血管表象包括图7的聚类1的狭窄(stenosis)的纵向表象。
图8F是与血管表象相对应的内腔轮廓视图,示出了来自图7和图8A-8E的聚类1的重叠区域。
图8G根据本发明的示例性实施例描绘了用于示出血管表象的附加用户界面视图,该血管表象包括图7的聚类2的狭窄的纵向表象。
图9是根据本发明的示例性实施例的与血管表象相对应的内腔轮廓图,示出了来自图7和图8G的聚类2的重叠区域。
图10根据本发明的示例性实施例描绘了用于示出血管表象的附加用户界面视图,该血管表象包括图7的聚类3的狭窄的纵向表象。
图11是根据本发明的示例性实施例的与血管表象相对应的内腔轮廓图,示出了来自图7和图10的聚类3的重叠区域。
图12A-12C根据本发明的示例性实施例描绘了三处病变的轮廓视图形式的附加血管表象,该附加血管表象适于执行聚类分析以确定支架部署选项。
具体实施方式
在某种程度上,本发明涉及用于支架规划的系统和方法。本文描述的系统和方法使用血管数据来实现,所述血管数据使用数据采集设备(例如穿过动脉的成像装置)的回撤而获得。数据采集设备通常是血管内探针,例如光学相干断层扫描(OCT)探针或血管内超声(IVUS)探针。血管内探针与数据采集/诊断系统(例如OCT或IVUS系统)结合使用。该系统包括能访问血管数据(例如存储在一个或多个电子存储设备中的血管内数据)的一个或多个计算设备。
在一个实施例中,诊断系统与血管内探针一起使用以访问图像数据,该图形数据使用随探针移动通过动脉时其所采集的数据生成。可以使用各种图形用户界面呈现该图像数据。诊断系统可以提供各种工作流程和选项,以便相对于这种回撤期间成像的动脉来促进支架规划过程。另外,本发明涉及以计算机实现的方法,通过该方法使得支架有效性得分(SES)或其他度量可被生成或被用于执行支架规划。在一种实施例中,基于支架选择和动脉中每个支架的位置,将分数或其他度量分配给支架或支架对。也就是说,相对于标准或分数对来自候选支架集合或多组支架组合中的每个集合或每组进行评分或排序,该标准或分数反映了支架的选择和放置如何影响给定的血管系统参数或其他参数。这些分数可以与各种血管系统参数相关联。通常,用于选择候选支架的分数在本文中被称为支架有效性得分(SES)。
例如,在一个实施例中,SES被设计成考量或跟踪由于支架的位置、支架的尺寸和支架的长度中的一个或多个而引起的流量改善。这可以使用由给定候选虚拟支架导致的参数的变化来估计。在一个实施例中,用于估计流量变化的参数是虚拟血流储备(VFR)。因此,在一个实施例中,SES=ΔVFR/(支架长度),其中ΔVFR是由于放置该支架而引起的VFR值的改善。在一个实施例中,较短并引起VFR改善的支架将具有较高的SES值。通过这种方式,SES被设计用于反映使用较短支架的益处。
通常,较短支架的部署可使得较少的金属或其他材料被引入到动脉中。考虑到动脉的曲折性质以及例如在支架受体的各种活动期间动脉随时间的运动,使用较小的支架可以引起较少的创伤。有时需要一个或多个较短的支架,因为它们可以定位成跟随动脉而弯曲,而不是需要一个当动脉弯曲或移动时可能对动脉施加应力的长支架。
在一个实施例中,适合于生成SES的一个或多个心血管或血管系统参数,由此着陆区和相关联的虚拟值可包括但不限于:虚拟血流储备(VFR)值、流量速度、压力值、最大流量、最小流量、一个或多个血流储备分数(FFR)值、冠状动脉血流储备(CFR)值、冠状动脉血流速度储备(CFVR)值、瞬时血流储备(IFR)值、一个或多个心肌阻力指数(IMR)值和血管阻力值,前述值的组合、前述中的一个或多个值和另一值的加权平均值,以及从前述值推导出的值。在一个实施例中,虚拟血流储备还可以指虚拟血流储备分数(VFR)。通常,可以通过使用血管内成像探针来确定VFR值,以生成成像数据框架,该成像数据框架通过回撤将动脉分段。
反过来,该成像数据和内腔面积和直径促进了基于体积的分析。此外,通过使用血管造影术和其他平行数据源,并将它们与流体动力学和成像数据框架结合,例如VFR的血管系统参数可用于获得与FFR相似或更好的相关性。这些参数可以与虚拟支架、着陆区、基于聚类的方法和本文所述的其他方法一起使用,以执行支架规划以及其他诊断和分析方法。
在一个实施例中,对每一个导致了支架后的预测VFR大于约0.80或约0.85的支架候选的SES进行排序。在经验研究中,这些值已经被确定为治疗阈值。在一个实施例中,为了使虚拟支架选择能在支架后使流量有益的如期增加,将范围约为0.7至约0.8的VFR或FFR值进行排序。这些SES得分按降序排序。具有该分类列表中的最大SES的支架候选可以被系统选择,并被显示为供最终用户使用的默认支架选择。具有这种SES得分的虚拟支架也可被最终用户识别作为支架规划过程一部分的一个备选项来考虑。
为了告知和促进对本文所述的软件和方法的一些方面的操作的理解,有用地考虑那种在中间具有显著充当瓶颈部的缩窄(狭窄)的动脉。在图3A中可以看到例如来自狭窄病变或其他血管梗阻的示例性瓶颈部62,下面将更详细地讨论。尽管瓶颈部或狭窄点下游的近端区域和远端区域具有较大的直径并且相对于血管壁的轮廓具有相应较大的横截面积,但是血流量在瓶颈部或狭窄点处减少。
因此,沿着在成像探针回撤通过血管期间由成像探针测量的血管,存在这样的血管横截面:其具有一定长度的直径和相应的一定尺寸的横截面积,以使得该直径和面积相对于其附近的其他局部横截面和内腔直径而言是最大的。本文中,内腔直径和内腔横截面积被视为可有效地互换,因为如果没有比例因子和绘制这两个参数的曲线的外观上的一些变化的话,内腔直径的局部最大值将与内腔面积的局部最大值匹配(反之亦然)。可以不受限制地使用其他的内腔距离度量。通过该示例,考虑示例性规划系统是有用的。
参考图1,其他实施例中用于建议支架放置选项和实现方式的支架规划系统包括血管内诊断系统/数据采集系统10,该血管内诊断系统/数据采集系统10又包括血管内探针7。各种实施例中的探针7可包括其他的成像模式,例如OCT、血管内超声(IVUS)等。探头7与血管内诊断系统/数据采集系统10光学连通。经由光纤15连接到探针7的OCT光学系统或子系统31包括:诸如激光器的光源、具有样本臂和参考臂的干涉仪、各种光路、时钟发生器、光电二极管和其他OCT系统组件。
系统10还包括与支架规划有关的一个或多个诊断软件工具或模块12。该软件可以作为非暂时性指令存储在例如存储器设备45的一个或多个存储器设备上,并且由例如计算设备40的一个或多个计算设备执行。支架规划软件工具可以包括:例如由用户生成的目标轮廓的一个或多个血管轮廓、用于比较支架前轮廓和支架后轮廓或其他轮廓的比较器或其他比较软件程序。支架轮廓分析软件12可以包括适于相对于目标轮廓叠加所部署的支架的图像的拟合方法,或者适于以其他方式拟合一个或多个支架前轮廓或支架后轮廓的拟合方法。通常,软件12可以处理一组血管内数据并执行本文所述的各种方法步骤,例如关于图2A、图2B和图2C描述的那些步骤。
软件12被设计成依据来自血管内探针或其他检测器或数据源(例如血管造影系统)的血管内数据集合和其他血管数据进行操作。在一个实施例中,可以在回撤过程期间记录血管数据并将其存储在电子存储设备中。该软件可以包括各种模块或操作组件以执行本文描述的一个或多个过程或方法。支架规划软件12可以包括但不限于以下软件组件或模块中的一个或多个:内腔轮廓检测12A;侧分支检测12B;着陆区生成12C;虚拟支架评分12D;虚拟支架选择12E;用户界面和输入处理12F;虚拟支架表象12G;标记/指示符拟合12H,重叠区的聚类分析12I和其他关于不同的过程和方法的如本文描述的软件组件或模块。
在一个实施例中,被设计成依据血管内数据操作以表征组织并且识别感兴趣区域(例如钙区域、锥形区域、脂质池和其他组织特征)的软件模块可用于当将着陆区放置在这些组织类型之一上或侧分支位置上并不理想时,则降低给定SES。软件12还可以比较血流储备分数(FFR)、血管阻力比(VRR)和其他测得和计算出的血管内数据采集参数。由于这些参数会从有支架状态变为无支架状态,这些参数可用于生成一个或多个SES。
在一个实施例中,可以使用OCT系统31。该系统包括例如基于平衡光电二极管式系统的光学接收器,其接收由探针7返回的光。所包括的计算设备40,例如计算机、处理器、ASIC或作为系统10的一部分的其他设备作为与系统10电气连通或光学连通的单独子系统,并且从探头7接收电子信号。在各种实施例中的计算设备40包括本地存储器、总线,和适于处理数据和利用软件44(例如被配置用于支架可视化和支架贴壁不良检测的图像数据处理)的其他组件。支架部署规划工具12可以是软件44的一部分或与软件44交换数据。这些工具可用于将虚拟支架放置在相对于血管壁布置的探针7所在的内腔区域中。区域19示出了回撤分段的示例性区域,其中一个或多个虚拟支架可以部署在该区域中并显示在用户界面上。
如图所示,在图1中,显示器46也可以是系统10的一部分,用于显示信息47,例如使用采集的血管内数据生成的血管的横截面视图和纵向视图。一旦利用探针7获得血管内数据并将其存储在存储器45中,就可以对血管内数据进行处理以生成和显示信息47,例如沿着回撤区域的长度或长度子集的血管横截面视图、纵向视图和/或三维视图。这些视图可以被描绘为如下文和后续附图中所示和所述的用户界面的一部分。使用从系统10获得的距离测得量生成的血管图像提供关于血管的信息,该信息包括内腔轮廓、血管直径、血管横截面积、着陆区,以及当使用本文描述的工具和软件模块处理时由着陆区界定的虚拟支架。
本文公开的方法和系统为用户提供诊断和规划工具。例如,方法和系统包括能相对于来自回撤的图像数据自动地执行动脉中虚拟支架放置的工具。此外,这种支架的自动放置包括用于将该支架显示在最佳位置处并且为最终用户识别出合适支架尺寸的处理步骤、用户界面和相关的基于软件的特征。
本发明包括支架规划软件的各种实施方式,以将支架放置在最佳位置处或者放置在能优化某些参数的位置处。在一个实施例中,为了促进支架规划而被优化的参数包括血流的量,其可通过部署特定长度的支架来实现。将支架的近端和远端着陆区位置以及支架的尺寸提供给最终用户。这些是通过优化流量提升来确定的,而流量提升可以使用一组可行的支架和支架部署位置来实现。
作为一种评估由于支架部署所获得的流量恢复的示例性方法,标题为“用于自动确定有支架血管的内腔轮廓的方法和装置”的美国专利申请No.14/115,527中描述了该方法,该申请的全部内容通过引用并入本文。可以使用其他方法,包括如本文所述的其他方法。为了理解一些与动脉中的流量变化和行为有关的方面,有益地参考示出了狭窄的图3A和3B中所示的特征,以及基于识别出的着陆区和支架长度的、与虚拟支架的选择和位置有关的各种特征。
本发明还提供了用于计算分支梗阻程度的用计算机实现的方法。反过来,可以评估被作为支架部署候选区的梗阻区或缩窄区的梗阻状态,然后将其与非梗阻状态进行比较,该非梗阻状态是通过将候选虚拟支架安置在目标着陆区之间带来的血管区域的扩张而被改变的内腔直径和相关内腔面积的结果。可以使用几种方法来计算由于病理(例如狭窄)的存在或医学干预(例如,侧分支的封锁)造成的分支梗阻。
在一个实施例中,参考血管直径方法用于评估血管梗阻。图3A示出了具有主血管100的血管60的示意图,主血管100具有狭窄102。还示出了侧分支104。使用虚拟支架候选者评分来对支架的各种着陆区进行评估。支架长度为SL的支架的示例性着陆区显示在图3A的左侧。还示出了血管60的表象的中心线CL。
通常,如狭窄102在图3B中的放大视图70所示,可以相对于狭窄102部署一个虚拟支架111以扩张血管的内腔。虚拟支架在图的右侧的点Z1和Z2处以及在图的左侧的点Z4和Z3处接触血管。如果认为这两对点沿着框架安置,即左侧F1上的一个框架和右侧F2上的一个框架,则这些框架是为了包含局部最大值而选择的那些框架的示例。包括虚线垂直线115以显示可以取代单个支架111而部署两个支架,并且选择这两个支架作为垂直支架,其中示出的线115作为支架111a、支架111b的分割参考线。
作为对部署在动脉中的候选虚拟支架的评分和选择过程的一部分,针对血管对多个着陆区进行考量。因此,对于所示的支架111,有益地参考多个版本,诸如将支架从具有相同长度SL变换到框架F1和F2的左侧和右侧。这些可能的着陆区组以及由它们限定的相应虚拟支架可以形成跨越血管的特定子集或区域的聚类。重叠的着陆区可用于选择用于支架部署的优选着陆区。
用于识别和选择候选支架重叠区域的基于聚类的分析是有用的,因为考虑到存在流量梗阻性狭窄、病变、瓶颈等,这样的重叠区域可被识别为是那种需要某等级的支架才能满足支架规划软件的约束的区域。图7示出了相对于支架后VFR以及支架长度与回撤通过血管长度的比的聚类C1、C2和C3的示例性的图。每个聚类C1、C2和C3对应于如图8A-图11的纵向视图所示的狭窄病变。图12A、图12B和图12C还示出了利用三个病变的血管数据生成的轮廓图,其可用于执行聚类分析。如图所示,在前述图中,聚类和病变相互映射并相互关联。
通常,聚类分析用于通过识别需要首先支架的关键部分来引导支架放置。针对每个候选,支架后VFR相对于支架长度与回撤长度的标准化比的图表中显示了不同的聚类,如图7所示。可以看到三个聚类,并且聚类的数量与回撤中的病变数量相关。基于聚类分析,推导出以下支架指导,默认支架显示在图12B和12C所示的关键支架部分处以实现VFR的增加。尽管参考的是VFR,但是聚类分析适用于本文描述的任何参数。图8A-图11描绘了具有内腔303和各种着陆区位置LZ1和LZ2的血管的附加表象。这些图显示了在不同着陆区放置支架会有利地改变VFR的那些重叠区域。可以使用如本文所讨论的基于聚类的方法来分析这些重叠区域。由最终用户选择的着陆区位置或使用本文公开的方法和系统确定的着陆区位置会改变内腔轮廓并扩展狭窄305的区域。
此外,图8A-图8E示出了以血管或内腔轮廓的表象或视图形式的血管表象。图8A-图8E对应于图7中的聚类1。聚类1的重叠区域在图8F中示出。在图8F中,轮廓视图/血管表象400示出了重叠区域的长度为18mm,并且位于用于界定应进行支架术的区域的两条垂直线之间。图8A-图8E中的每个图中的垂直线对对应于图7中的聚类1所示的五个点。图8G示出了对应于图7中的聚类2的三个轮廓视图。聚类2中的三个点映射到三个界定在图8G的三个着陆区对LZ1、LZ2中的每一对之间的区域。图9示出了聚类2中的重叠区域,其长度为30mm。在图7中,如一个实施例中所示,可以通过圈起聚类中的点来示出重叠区域。图10示出了对应于图7中的聚类3的两个轮廓视图460。图11是轮廓图470,示出了聚类3中的重叠区域,其长度为47mm。在一个实施例中,推荐将基于聚类的重叠区域用于支架着陆区位置。
图2C描述了示例性聚类分析方法的方法步骤。通常为图12A、图12B和图12C。基于聚类分析,推导出支架指导。例如,着陆区或默认支架可显示在用户界面中的关键支架部分处。多个聚类的重叠区域可用于生成此关键支架部分及其着陆区端点。在一个实施例中,如图12B所示,这是在启用支架规划时软件自动放置的支架。关键部分对应于所有三个聚类共有的交叉区或重叠区域。使用聚类分析,示出了最终用户应考虑在那里评估支架部署的区域。
图12A示出了临近侧分支SB的聚类和病变L1、L2和L3。内腔303位于图像的中间。三个病变从左到右串联,并且是用于聚类分析的候选。在图12B中,对那些基于聚类交叉/重叠的关键着陆区LZC1和LZC2而言,这些着陆区是支架部署的良好候选。对于每个聚类,C3为支架术提供了最大的增量改善。关键支架区显而易见地通过聚类的相互关系来识别。区域305显示出应该用支架扩张以增加流量的狭窄或病变组织。通常,系统将指示不要忽略病变C2,因为在那里出现了聚类的重叠。在图12B中,垂直虚线495和相关联的括号示出了适于支架放置的部分,响应于该部分进行了支架而将VFR改变为0.85。如果仅该部分进行支架,则可以将VFR从0.70增加到预测值0.84。
通常,聚类分析用于通过识别需要首先进行支架术的关键部分来引导支架放置。针对每个候选,支架后VFR相对于支架长度与回撤长度的标准化比的图表中显示了不同的聚类,如图7所示。可以看到三个聚类,并且聚类的数量与回撤中的病变数量相关。基于聚类分析,推导出以下支架指导,默认支架显示在图12B和12C所示的关键支架部分处以实现VFR的增加。尽管参考的是VFR,但是聚类分析适用于本文描述的任何参数或者其他适合用于血管成像和支架部署的参数,例如FFR。
返回参考图3A,可以为主血管106创建参考轮廓和/或可以创建参考轮廓108。在标题为“用于自动确定有支架血管的内腔轮廓的方法和装置”美国专利申请No.14/115,527中,描述了参考轮廓的附加细节。参考轮廓还示出为:其针对具有VFRp(施加虚拟支架后内腔和血管变形后的VFR)和VFR(在部署所识别的且经过SES评分的虚拟支架之前确定的VFR)的不同动脉限定而不同。例如,如图8A-图8B所示。使用参考轮廓(虚线)(也称为RP)108,可以通过使用远端参考轮廓直径和近端参考轮廓直径来计算所估计的血管直径。可以使用幂律关系来分析近端和远端参考轮廓直径。
在一个实施例中,幂律由以下表达式给出:
其中D(i+1)是近端参考轮廓直径,D(i)是远端参考轮廓直径;其中Db(i)是所估计的实际血管直径;ε是凭经验确定的在值2.0和3.0之间的幂律标度指数。
所估计的血管直径和OCT成像所检测到的实际血管直径之间的差提供了血管梗阻的级别。在一个实施例中,血管梗阻的级别由以下表达式给出:
Dobstruction(i)=Db(i)-DOCT(i) (等式2)
其中Db(i)是所估计的实际血管直径,Dobstruction(i)=Db(i)-DOCT(i)是由OCT测量的实际血管直径。
在一个实施例中,使用最大直径框架法来评估侧分支梗阻。代替使用参考轮廓,使用远离或靠近当前分支的主血管分段中的最大直径来估计分支直径。
在一个实施例中,使用流量法来评估动脉中的血流量。例如,流量法可用于评估由于狭窄、支架支撑不足、缩窄或动脉中的其他梗阻而改变的动脉中的流量。使用虚拟血流储备(VFR)可以估计进入每个分支的流量。由于基于OCT的分支直径FlowOCT(i)和实际分支直径Flowb(i)的差导致的给定侧分支的流量差是由于被梗阻的侧分支而对流量造成的影响的附加指示。通过使用参考血管轮廓法或者远端和近端分段中的最大直径框架法,可以用上述方法之一来计算实际分支直径。流量方法可以通过如下表达式给出:
Flowobstruction(i)=Flowb(i)-FlowOCr(i) (等式3)
在各种实施例中,使用视觉标记(例如颜色编码)在用户显示器上表示狭窄或其他梗阻。可以对标记进行编码以赋予梗阻的级别。这些标记也可以基于通过用户界面的用户输入来设置。
在复杂病变中,支架的最佳位置和尺寸并不总是显而易见的。需要考虑如流量、分支模式、血管直径等若干因素。本文描述的系统和方法使用诊断性血管内成像系统和设计用于在这样的系统输出上运行的算法,以确定支架的最佳位置和尺寸。最终用户,例如心脏病专家、研究人员或技术人员,可以使用算法生成的虚拟支架作为放置支架的指导。可能存在这样的情况:临床医师或其他最终用户无法预测哪个尺寸的支架以及在哪个位置会在改善血流量和减少再狭窄方面为患者提供最佳效果。在一个实施例中,使用计算机算法来实现本发明的系统和方法以预测用于放置支架的期望位置,该位置针对尽可能短的支架长度能够将例如血流量的期望量最大化。
作为该过程的一部分,在一个实施例中,该方法对利用数据采集探针在体内采集的血管内数据进行操作,以识别作为支架的候选着陆区的所有可能的框架。计算这些着陆区的所有组合配对,每组配对对应于虚拟支架的远端着陆区和近端着陆区。执行优化步骤,其中基于流量的改善和支架的长度向每个虚拟支架提供排序或得分。这提供了支架规划过程的一种实现方式的一般概述。
在一个实施例中,作为支架部署规划的一部分,候选虚拟支架(也被称为支架表象)是使每单位长度支架的流量最大化并且处于最佳着陆区的虚拟支架。通常,“最佳”或排序高的候选虚拟支架是那些以期望的方式最大化、改进或以其他方式改变一个或多个血管内参数的虚拟支架。
在一个实施例中,如图2A所示,描绘了支架规划的方法。通常,基于面积或直径(作为与面积的相关因子)识别局部最大值会导致着陆区面积的选择,从而使得不会由于支架宽度、支架膨胀和作为着陆区的血管区域而出现撕裂、隆起或任何尖锐的不连续性。因此,动脉中的大直径区域是候选着陆区,在达成本文描述的方法的同时,还有避免动脉区域具有侧分支、高锥度、缩窄区域等。这种考量明确了图2A的方法的步骤和本文描述的其他步骤。在一个实施例中,该方法包括在电子存储设备中存储使用血管内探针回撤式通过血管时生成的血管的血管内数据。
如图2A所示,该方法包括在血管内数据中识别候选支架着陆区(步骤A1)。该方法还包括确定一组可能的着陆区对(步骤A2)。另一个步骤是,基于一个或多个血管系统参数的变化对虚拟支架着陆区进行评分(步骤A3)。可选地,可以使用诸如本文所述的加权因子来修改得分(步骤A4)。在一个实施例中,所述变化是在血管的有支架状态和无支架状态二者之中,例如虚拟支架部署前的VFR和虚拟支架部署后的VFR。该方法可以包括对SES的排序和选择(步骤A5),并且包括了具有所选得分的相关着陆区。另外,该方法可以包括显示具有所选得分的虚拟支架的着陆区(步骤A6)。
值得注意的是,本发明不限于最大值,还可以根据设定阈值或与基线的比较来评估本文所述的所有值,以确定由一个或多个支架的位置和长度引起的参数的某种改善程度。在一个实施例中,作为最终用户的各种可能工作流程场景之一的一部分,虚拟支架被作为默认虚拟支架呈现给最终用户,并作为血管内数据采集系统的图形用户界面的一部分。
在一个实施例中,本文所公开的系统和方法使将支架放置在某位置(其具有近端位置和远端位置)的决策过程自动化,以便支架被部署在近端位置和远端位置之间,这样使得支架的一个或多个尺寸(例如长度和直径)被选择用以改善血流量。对血流的改善可以在几个值的范围内,即最佳流量值、相对极值流量值,或由最终用户经由用户界面或其他输入机制选择的另一流量值。在一个实施例中,该算法搜索支架的所有可能组合以评估最佳支架位置和尺寸。
以这种方式,本文描述的系统和方法可以识别具有推荐尺寸、长度和放置位置的候选支架,依据针对候选虚拟支架评分所选择的标准(例如那些在支架部署后发生改变以改善血流和/或以其他方式减少再狭窄的参数),该候选支架极可能为患者带来期望的结果。本发明还通过引用将2010年9月22日提交的美国专利公开20110071404“内腔形态和血管阻力测量数据采集系统、装置和方法”的全部并入本文,其描述了识别和显示内腔轮廓,并且描述了通过血管内图像的自动处理来自动构建分支血管的平均直径曲线。平均直径和内腔面积的使用可用于识别局部最大值,从而识别如本文所述的候选着陆区。
简而言之,一旦获取并分析了感兴趣的冠状血管的一部分的图像,系统就计算用于支架放置的最佳尺寸和位置。术语“位置”是指血管中支架末端与血管壁接触的位置。这些位置可以被称为着陆区或着陆位置。
在操作中,支架放置算法首先识别作为支架的放置位置候选或着陆区候选的所有可能框架。针对血管中远端位置和近端位置的所有组合配对(其每个配对分别对应于支架的远端和近端着陆区),计算支架每个末端的着陆区。然后,可以执行优化步骤,以基于计算的流量改善和支架的总长度来对每个潜在的支架放置配对进行排序或评分。在一个实施例中,所需的或最佳的部署支架是能使每单位长度支架的流量最大化并且处于最佳着陆区的那一个支架。在一个实施例中,该潜在支架作为默认潜在支架被呈现给临床医师或其他最终用户。这些工具可与血管造影术一起使用,以进一步增强支架输送。
更详细地参考图2B,示出了另一示例性支架规划或候选虚拟支架放置方法。最初,生成适于生成血管的表象以供用户查看并适于显示在诊断系统上的血管数据,诸如成像数据、相对于血管的距离测得量、血管内数据、血管造影数据、断层摄影数据或其他数据(步骤20)。在一个实施例中,首先使用这种表象执行侧分支检测(步骤21)。然后,该方法能够忽略检测到的侧分支位置,以使用例如在标题为“用于自动确定有支架的血管的轮廓的方法和装置”的美国专利申请No.14/115,527中描述的一种或多种方法来确定内腔直径、内腔半径、内腔弦、内腔面积或例如内腔面积曲线的内腔表象(步骤22)。通常,该步骤包括从血管数据和/或血管表象生成基于内腔的距离测得量(步骤22)。
通常,内腔面积曲线或内腔直径曲线是基于使用来自血管内回撤的数据(例如血管的OCT或IVUS表象)所创建的血管表象而生成的内腔面积或内腔直径的表象。识别出与如下这种血管区域相对应的局部最大值:该血管区域具有足够宽以便能够与合适厚度的支架相配合的内腔。这可以使用曲线或表格来执行,由此对沿着血管长度的内腔面积或内腔直径(与内腔面积直接相关)进行排序、搜索、分类,或者评估和比较,以识别局部最大值。该方法可以使用内腔面积曲线或其他数据源来生成例如血管内数据的血管数据。这些数据可以来自其他成像模式,例如血管造影、断层扫描和超声波。局部最大值(LM)可以从各种类型的血管数据中确定,例如用成像探头生成的血管内数据(步骤24)。
支架放置方法确定对应于曲线中的局部最大值(LM)或对应于通常来自血管数据的局部最大值的框架(步骤26)。局部最大值(LM)值对应于这样一种血管的横截面:其具有的内腔直径以及相应内腔面积相对于血管某个区段内的其他内腔横截面而言要更大。结果,由多条扫描线形成的图像框架分别对应于血管的极面切片(polar slice)。具有LM的框架定义成一组,从中可以识别候选虚拟支架着陆区(LZ)。部分地,通过使用能生成搜索窗口(其由潜在支架的长度来定义)的选择过程,可以相对于候选着陆区定位这样的搜索窗口以识别着陆区配对,其中虚拟支架可被显示在使用了与支架长度对应的窗口尺寸的血管表象中。
图4A示出了一组血管数据的平均直径(y轴)相对于框架数(x轴)的图表120。在一个实施例中,每个框架是血管的切片或其图像表象。平均直径的局部最大值显示为沿曲线的黑点。还显示了侧分支位置。该组局部最大值提供内腔面积/内腔直径数据的一种表象,以识别候选着陆区。图4B是相对于支架有效性评分(SES)值绘制的虚拟/假设支架候选(VSC)的图表140。如图所示,通过向下倾斜到右侧的一系列点,对虚拟支架框架或着陆区排序,其中着陆区145在等级次序中是最高的并且可能是作为支架部署位置的优选候选。图4B中所示的所有局部最大值候选框架都是用于支架部署的候选。在一个实施例中,支架长度的选择进一步将这些值限制为一对框架。在一个实施例中,VSC被描绘为用户界面的面板或子屏幕上的阴影图案,如图5A和5B所示。
待减值的支架长度可由最终用户通过用户界面输入来指定。在一个实施例中,窗口被设置为最终用户在给定处理下所能从支架设置中获得的最短支架长度。在一个实施例中,支架长度为约8mm。然而,可以不受限制地将支架长度设置为着陆区的搜索窗口。另外,两个支架可以与基于它们的组合长度设置的窗口一起使用。支架放置算法接下来生成局部最大值的集合或列表(图2的步骤32)。
系统接下来(步骤36)生成LM配对的所有组合的列表。每个配对包括两个可能的支架着陆区位置,每个着陆区位置用于支架的一端。总共有对或“N一次性取2”对支架着陆区位置候选,其中N是局部最大值的数量。使用该二项式系数表示是因为有n种方法从一组N个元素中忽略它们顺序地选择出2个元素。二项式系数是从众多可能性中挑选无序结果的方式的数量,也称为组合或组合数。该方法使用这种方法基于内腔面积/内腔直径的局部最大值来挑选框架作为候选着陆区(LZ)。这是因为支架以如下方式有利地放置在内腔的区域中:其中支架的两端与内腔轮廓适配并且在部署支架时避免了台阶或其他尖锐的不连续性。
例如,如果存在三个局部最大值A、B、C,那么并且这三个候选是(NAB、NBC和NAC)。因此,着陆区框架配对会是框架A和B的配对、框架B和C的配对,以及框架A和C的配对。
从这些局部最大候选中生成另一组合(步骤40),其中同样,因为Nstents1=3,所以Nstents2=3,这是在给定回撤中两个支架的每种可能组合。如本文所讨论的,有时可能有利的是部署两个较短的支架而不是一个较长的支架。总支架长度或者用于搜索着陆区的窗口是每个支架总共的长度。
对于每个支架着陆区组合而言,其定义了用于在血管中部署的一个或多个虚拟或假设支架,系统接下来生成(步骤44)支架有效性得分(SES)。SES考量的是使用虚拟血流储备VFR的变化来估计的流量改善,VFR的变化是在血管中的特定位置处的给定直径和长度下由支架的放置引起的。支架有效性得分被定义为:
SES=ΔVFR/(支架长度)=(VFR放置后-VFR放置前)/(支架长度)
其中,ΔVFR是由支架放置引起的VFR数量的变化。
分母的设计使得:支架不但短而且能提供最大的VFR改善,将具有更高的SES值。也就是说,产生相同ΔVFR的较短的两个支架将具有较高的SES,因为如本文所讨论的,相对于较长的支架而言较短的支架是首选。通常,较短的支架可以更容易地跟随动脉的轮廓。因此,两个较短的支架可以更紧密地跟随动脉的轮廓并弯曲。相比于较长的支架,两个较小的支架的长度在弯曲点处不能以相同的方式弯曲。结果,本发明的一个方面涉及在各种实施例中通过为多个较短的支架分配更高的SES得分来选择它们。
可以通过包括额外的加权因子来进一步修改SES。加权因子可以是用于特定支架部署方案或标准集合的能减少给定SES值的惩罚因子或能增加给定SES的加性因子。加性因子或惩罚因子可以用于生成基于下面概述的以及本文中另外描述的一些因素来进行加权的术语。
着陆区的质量可以用作因子,其在各种实施例中通过组织表征或通过正常血管面积与该区域中的实际内腔面积之间的差来确定。这可以通过使用钙检测软件模块或组织表征软件模块来实施。
支架覆盖的所有分支的总内腔面积可用作因子。如果小侧分支被封堵,则这可能是一个小的负因子,但如果所有或大多数分支被封堵,则这将导致很大的负因子,以减小适用时所给定的SES。以这种方式,可以避免或至少向最终用户呈现在支架部署期间的支架封堵。
作为支架规划工具的一部分,最终用户可以根据诸如BRS、厚度、长度、材料和其他因素的用户偏好来设置支架限制。这些输入可用于根据与“用户选择对特定着陆区的受益有多少影响”有关的标准来调整SES加权因子。
动脉成锥形的量可影响特定类型支架的SES。在一些实施例中,锥形动脉或动脉的锥形区域不适合与BRS一起使用。结果,针对在具有锥形区域或其他不适合部署BRS的几何约束的动脉中的支架使用,锥度的存在(诸如通过内腔轮廓的几何形状检测到的)会惩罚或降低SES得分。对于一些BRS,推广支架的能力会受到限制,以致于不希望在具有太多锥度的血管区域附近-例如陡峭的锥形区域-使用支架。因此,如果在用户界面中识别出BRS支架类型,则具有这种锥度的着陆区框架将使其SES被负加权因子减小。因此,推广限制是针对用于有显著锥度的某些位置的支架约束而言的,并且是SES减分的基础。
另外,生理约束(涉及到类型、大小、厚度和其他因素)被借助用于为给定动脉选择支架,当确定了给定动脉类型的SES和着陆区得分时,该生理约束可以用作加性加权因子或负加权因子的基础。因此,用于SES计算的权重因子可以基于动脉类型而变化,动脉类型例如颈动脉、右冠状动脉、左冠状动脉、旋动脉和左前降支,以及其他适用的动脉。
在针对每对局部最大值计算SES之后,放置算法对这些对局部最大值排序(步骤48)并选择最佳的SES。然后,得分最高的支架位置(步骤52)显示作为最佳对应支架位置。这里关于图2B描述的细节也可以用于图2A和其他方面描述的其他方法和处理步骤。
在另一个实施例中,用户可以设置用户想要实现的目标VFR(或其他参数)或最小VFR(或其他参数),并且支架放置算法搜索出能提供具有高于或等于医师设定的目标VFR(或其他参数)的预测的VFR(或其他参数)的最高SES的支架位置组合。在本文所示的血管段的纵向表象中描绘了各种VFR值以及预测或支架后VFRp值。类似地,可以使用用户界面和本文描述的任何心血管参数来执行相同参数的目标设置。
可由最终用户设置的其他参数,或者可代替VFR或附加于VFR来基于着陆区和SES值进行评估的其他参数包括但不限于流量速度、压力值、最大流量、最小流量、一个或多个血流储备分数(FFR)值,虚拟血流储备分数值、冠状动脉血流储备(CFR)值、冠状动脉血流速度储备(CFVR)值、瞬时血流储备(IFR)值、一个或多个心肌阻力指数(IMR)值和血管阻力值、前述的组合、前述中的一个或多个和另一个值的加权平均值,以及从前述得到的值
图5A和5B分别描绘了连接到例如关于图1所描述的血管内诊断系统的显示器的典型的用户界面屏幕150、152。关于界面屏幕150、152,示出了诊断系统的各种其他用户界面组件和基于软件的工具UIA、UIB、UIC、UID和UIE。最终用户使用本文所述的系统和方法使用用户界面进行支架规划。作为系统操作的一部分,执行一个或多个用户界面软件模块以向用户显示关于处理的血管内数据的信息。该显示由五个屏幕组成。第一用户界面屏幕160(UIA)是感兴趣的血管的OCT图像的透视图。第二用户界面屏幕164(UIB)是由用户界面屏幕160中的环166指示的血管的一部分的轴向横截面视图。如图5B所示,未示出VSC的VFR是0.7,并且如果示出有所示的VSC,则VFR增加到VFRp的预测值0.86。
通过用用户界面移动环,可以在用户界面屏幕164中示出不同的横截面。用户界面屏幕168(UID)是用户界面屏幕160上的血管的程式化纵向横截面。用户界面屏幕(UIC)显示了针对用户界面屏幕168(UID)中的血管表象的详细测量值和/或确定值。支架已经被定位在纵向横截面上,使得医师可以确定适合度。黑色垂直带是血管的分支。第四用户界面屏幕是用户界面屏幕160中的血管的实际纵向横截面的图像。屏幕168和172上的线176也对应于用户界面屏幕160上的环166的位置。界面屏幕168中示出的VSC是用户可调节的,或者可以基于着陆区LZ1和LZ2的确定来确定。
在一个实施例中,执行能使影响了支架部署决定和支架放置的一个或多个变量最大化的优化搜索。在一个实施例中,这种基于优化搜索的方法将每个变量和/或与这样的变量相关联的权重视为n维空间中的维度。反过来,所得到的n维空间中的峰代表支架能优化所指定的一个或多个(或所有)变量。
在又一个实施例中,基于当前医师关于部署支架的实践经由来训练机器学习算法。训练的实施可以通过教导算法去基于能影响支架部署决定和支架放置的一个或多个标准变量提供权重。算法训练还可以包括不同类型的患者数据和不同类型的动脉。因此,使用训练后的特征设定,当呈现使用血管内数据生成的未进行支架的血管的新表象时,该算法可以预测支架的合适位置。
图12A、图12B和图12C示出了用于支架规划和诊断分析的示例性用户界面,其描绘了血管的表象。在图12C中,用户界面550示出了由47.0mm血管间隔开的两个着陆区,该血管具有内腔303和各个侧分支SB。示出了与聚类1(LZC1)相关联的LZ和与聚类2(LZC2)相关联的LZ。可以对三个相应的病变进行支架以将VFR从0.70增加至预测的VFR 0.94。
关于优化搜索方法、机器学习方法和本文描述的其他方法,变量可以包括本文描述的任何心血管参数和其他参数,包括但不限于:着陆区质量(基于与侧分支的接近度、组织表征或其他因素)、由于一个或多个支架的放置而导致被封堵的侧分支的总面积、候选着陆区位置处存在的成锥形的量、通过用户界面指定作为约束项的用户偏好;以及,基于动脉类型(如颈动脉、右冠状动脉、左冠状动脉、旋动脉和左前降支,以及其他适用的动脉)的位置定位和虚拟血流储备(VFR)值、流量速度、压力值、最大流量、最小流量、一个或多个血流储备分数(FFR)值、虚拟流血流储备值、冠状动脉血流储备(CFR)值、冠状动脉血流速度储备(CFVR)值、瞬时血流储备(IFR)值、一个或多个心肌阻力指数(IMR)值和血管阻力值、前述的组合、前述一个或多个和另一个值的加权平均值,以及从前述得到的值。
用于实现支架规划、接口和其它公开特征的非限制性软件特征和实施例
以下描述旨在提供适于执行本文所描述的本发明的方法的设备硬件和其它操作组件的概述。这个描述不旨在限制本发明的适用环境或范围。类似地,硬件和其它操作组件可以适合作为上述装置的一部分。本发明可以用其它系统配置来实施,所述其它系统配置包括个人计算机、多处理器系统、基于微处理器的或可编程的电子设备、网络PC、小型计算机、大型计算机等。本发明还可以在分布式计算环境中实施,在所述分布式计算环境中任务由通过通信网络链接的诸如在不同房间的导管或导管室的远程处理设备执行。
该方法利用血管数据促成自动支架规划。该血管数据可以包括来自血管内回撤的数据,在该回撤期间,获得关于诸如心脏动脉的一个或多个血管的成像数据,该成像数据可以包括用于生成图像的距离测得量。在一个实施例中,术语“自动地”和“自动的”意味着没有人为干预。例如,当使用血管内数据采集/诊断系统时,用户可以选择支架规划用户界面图标或其他输入设备或表象。响应于该选择和任何其他用户的选择或输入标准,系统然后可以相对于显示给用户的血管表象自动生成一个或多个候选虚拟支架及其位置。可以自动生成这些候选支架表象,以供用户考虑作为支架部署规划的一部分。尽管有上述内容,但本文所讨论的术语的范围并非旨在限制,而是为了阐明它们的用法并且结合本领域普通技术人员已知的术语的最广泛含义。
具体实施例的一些部分是根据诸如对计算机存储器内的数据位的操作的算法和符号表象的方法来呈现的。计算机和软件相关领域的技术人员可以使用这些算法描述和表象。在一个实施例中,算法在这里,一般来说,被认为是导致期望结果的有条理的操作序列。作为方法步骤执行的操作或在本文中另外描述的操作是需要对物理量的物理操纵的那些操作。通常,但不一定,这些量采取能够被存储、转移、组合、转换、比较和以其它例操纵的电或磁信号的形式。
应当理解,除非特别指出,否则从以下讨论中显而易见的是,在整个说明书中,讨论利用术语诸如或“处理”或“计算”或“搜索”或“指示”或“检测”或“测量”或“计算”或“比较”或“聚类”或“交叉”或“重叠”或“生成”或“感测”或“确定”或“显示”或布尔逻辑或其它集合相关的操作等是指计算机系统或电子设备的动作和过程,其将由计算机系统的或电子设备的寄存器内和存储器内物理(电子)量表象的数据操纵和转换成由电子存储器内或寄存器内或其它这样的信息存储器、传输或显示设备内的物理量表象的类似的其它数据。
在一些实施例中,本发明还涉及用于执行本文的操作的装置。该装置可以为了所需目的而专门构造,或者它可以包括通过计算机中存储的计算机程序选择性地激活或重新配置的通用计算机。可以使用各种电路及其组件来执行本文描述的数据采集和转换以及处理中的一些。
这里呈现的算法和显示并不固有地涉及任何特定的计算机或其它装置。根据本文的教导,各种通用系统可以与程序一起使用,或者可以证明构造更特定的装置以执行所需的方法步骤是方便的。用于各种这些系统所需的结构将会从本文提供的描述中显现。另外,本发明没有参考任何特定的编程语言来描述,并且因此可以使用各种编程语言来实现各种实施例。在一个实施例中,软件指令被配置用于在血管内成像/血管数据采集系统的微处理器或ASIC上操作。
本发明的实施例可以以许多不同的形式来实现,包括但不限于用于处理器(例如,微处理器、微控制器、数字信号处理器或通用计算机)的计算机程序逻辑,用于可编程逻辑器件(例如,现场可编程门阵列(Field Programmable Gate Array(FPGA)),或其它PLD)的可编程逻辑,分立组件,集成电路(例如,专用集成电路(Application SpecificIntegrated Circuit(ASIC)))或包括其任意的组合的任何其它方式。
在本发明的典型实施例中,使用OCT探头、IVUS探头、其它成像探头、血管造影系统以及其它成像和主体监测设备以及基于处理器的系统采集的数据的一些或全部处理由一组计算机程序指令实施,所述计算机程序指令被转换为计算机可执行形式,如此存储在计算机可读介质中,并且在操作系统的控制下由微处理器执行。因此,基于回撤或共同配准请求的完成的用户界面指令和触发,例如被转换成适合于生成血管内数据的处理器可理解的指令,使用上述描述的各种和其它特征以及实施例执行图像处理。
另外,本文描述的用户界面命令、用户查询、系统响应、发送的探测数据、输入数据、以及其它数据和信号被转换成处理器可理解的指令,该处理器可理解的指令适于:响应用户界面选择,来控制图形用户界面、控件和图形信号处理,显示横截面信息、渲染的支架和导丝以及来自其它数据采集模式的图像,生成并显示支架和指示符以及其它血管内数据,显示OCT、血管造影、检测阴影、检测峰值和其它数据,作为如上所述的图形用户界面和其它特征以及实施例的一部分。适于显示为GUI组件或控件、值,或显示为图形用户界面中的另一表象的数据和参数可以包括但不限于导丝、并置条、用户界面面板、掩膜、支架支柱、缺失的数据表象、内腔曲线数据、阴影、血管造影表象、三维和二维渲染和视图、从前述内容或使用本文描述的其它特征提取或推导的数据和图像。
实施本文先前描述的功能的全部或一部分的计算机程序逻辑可以以各种形式来体现,包括但绝不限于源代码形式、计算机可执行形式和各种中间形式(例如,由汇编器、编译器、链接器或定位器生成的形式)。源代码可以包括以用于各种操作系统或操作环境的各种编程语言(例如,目标代码,汇编语言,或诸如Fortran、C、C++、JAVA或HTML之类的高级语言)中的任一种实现的一系列计算机程序指令。源代码可以定义和使用各种数据结构和通信消息。源代码可以是计算机可执行形式(例如,通过解释器),或者源代码可以被转换(例如,经由翻译器、汇编器或编译器)成计算机可执行形式。
计算机程序可以以任何形式(例如源代码形式、计算机可执行形式或中间形式)永久地或暂时地固定在有形存储介质中,诸如半导体存储设备(例如,RAM、ROM、PROM、EEPROM或闪存可编程RAM)、磁存储设备(例如软盘或硬盘),光存储设备(例如,CD-ROM)、PC卡(例如,PCMCIA卡)或其它存储设备。计算机程序可以以任何形式固定在可使用各种通信技术(包括但绝不限于模拟技术、数字技术、光学技术、无线技术(例如,蓝牙)、网络技术和网络互联技术)中的任何通信技术传输到计算机的信号中。计算机程序可以以任何形式作为可移动存储介质来分发,所述可移动存储介质具有随附的打印文档或电子文档(例如,紧缩套装软件),预装有计算机系统(例如在系统ROM或硬盘上),或者计算机程序可以通过通信系统(例如互联网或万维网)从服务器或电子公告牌来分发。
实现本文先前描述的功能的全部或一部分的硬件逻辑(包括用于可编程逻辑器件的可编程逻辑)可以使用传统手动方法来设计,或者可以使用各种工具来电子地设计、捕获、仿真或记录,所述各种工具诸如计算机辅助设计(Computer Aided Design(CAD))、硬件描述语言(例如,VHDL或AHDL)、或PLD编程语言(例如,PALASM、ABEL或CUPL)。
可编程逻辑可以永久地或者暂时地固定在有形存储介质中,诸如半导体存储设备(例如、RAM、ROM、PROM、EEPROM或闪存可编程RAM)、磁存储设备(例如,软盘或硬盘)、光存储设备(例如CD-ROM)或其它存储设备。可编程逻辑可以固定在可使用各种通信技术(包括但绝不限于模拟技术、数字技术、光学技术、无线技术(例如,蓝牙)、网络技术和网络互联技术)中的任何通信技术传输到计算机的信号中。可编程逻辑可以作为可移动存储介质分发,所述可编程逻辑具有随附的打印文档或电子文档(例如紧缩套装软件),预装有计算机系统(例如在系统ROM或硬盘上),或者可编程逻辑可以通过通信系统(例如互联网或万维网)从服务器或电子公告牌来分发。
下面将更详细地讨论合适的处理模块的各种示例。如本文所使用的,模块是指适于执行特定数据处理或数据传输任务的软件、硬件或固件。在一个实施例中,模块是指适于接收、转换、路由和处理指令或各种类型的数据(诸如血管内数据、血管造影数据、OCT数据、IVUS数据、偏移量、阴影、像素、强度模式、锥角、锥度、支架长度、支架宽度、支架扩张、着陆区位置、侧分支取向、聚类确定、聚类重叠/交叉分析、支架取向、相对于侧分支位置的支架位置、用户界面数据、控制信号、血管造影数据、用户动作、干涉仪信号数据、检测的支架、候选虚拟支架、分数、SES值、VFR值、FFR值,以及如本文所述的感兴趣的其它信息)的软件例程、程序或其它存储器常驻应用程序。
本文描述的计算机和计算机系统可以包括可操作地关联的计算机可读介质,诸如存储用于获取、处理、存储和/或传送数据的软件应用程序的存储器。可以理解的是,这种存储器相对于其可操作地关联的计算机或计算机系统可以是内部的、外部的、远程的或本地的。
存储器还可以包括用于存储软件或其它指令的任何装置,所述存储器例如包括但不限于硬盘、光盘、软盘、DVD(数字通用光盘)、CD(压缩磁盘)、存储棒、闪存、ROM(只读存储器)、RAM(随机存取存储器)、DRAM(动态随机存取存储器)、PROM(可编程ROM)、EEPROM(扩展可擦除PROM)和/或其它类似的计算机可读介质。
通常,结合本文描述的本发明的实施例而应用的计算机可读存储介质,可以包括能够存储由可编程装置执行的指令的任何存储介质。在适用的情况下,本文描述的方法步骤可以被实现为或被执行为存储在一个或多个计算机可读存储介质上的指令。这些指令可以是以诸如C++、C、Java和/或各种其它类型的软件编程语言实现的软件,根据本发明的实施例可以应用这些软件编程语言来创建指令。
术语“机器可读介质”或“计算机可读介质”包括能够存储、编码或携带由机器执行的一组指令并使机器执行本发明的任何一个或多个方法的任何介质。虽然在示例性实施例中,示出的机器可读介质为单个介质,但是术语“机器可读介质”应该被认为包括单个介质或多个介质(例如,数据库、一个或多个集中式或分布式数据库和/或关联的高速缓存和服务器),所述单个介质或多个介质存储一组或多组指令。
存储介质可以是非暂时性的或包括非暂时性设备。相应地,非暂时性存储介质或非暂时性设备可以包括有形的设备,意味着设备具有具体的物理形式,尽管设备可以改变其物理状态。因此,例如,非暂时性是指尽管状态发生变化仍保持有形的设备。
本发明的各方面、各实施例、各特征和各示例在所有方面被认为是示例性的,并且不旨在限制本发明,其范围仅由权利要求限定。对于本领域技术人员来说,在不背离要求保护的本发明的精神和范围的情况下,其它实施例、变型和使用将是显而易见的。
本申请中的标题和章节的使用不意味着限制本发明;每个章节可以适用于本发明的任何方面、实施例或特征。
在整个申请中,在组合物被描述为具有、包括或包含特定组分的情况下,或者过程被描述为具有、包括或包含特定过程步骤的情况下,能够预期,本教导的组合物也基本上由所述组分组成、或由所述组分组成,并且本教导的过程也基本上由所述过程步骤组成、或由所述过程步骤组成。
在本申请中,当元件或组件被认为包括在所列举的元件或组件的列表中和/或从所列举的元件或组件的列表中选择时,应当理解,所述元件或组件可以是所列举的元件或组件中的任何一个,且可以选自由两个或更多个所列举的元件或组件的组成的组。此外,应该理解的是,在不脱离本教导的精神和范围的情况下,可以以各种方式组合本文所述的组合物、装置或方法的元件和/或特征,无论在本文中是明确的还是隐含的。
不同时态的术语“包括”、“具有”应该通常被理解为开放式的且非限制性的,除非另有明确说明。
除非另有特别说明,否则单数的使用包括复数(反之亦然)。此外,除非上下文另有明确规定,否则单数形式“一”和“所述”包括复数形式。另外,除非另有特别说明,在术语“约”使用在数值之前的情况下,本教导还包括具体的数值本身。如在此使用的,术语“约”是指与标称值相差±10%的偏差。
应该理解的是,只要本教导保持可操作,步骤的顺序或执行某些动作的顺序就不重要。而且,可以同时进行两个或更多个步骤或动作。这里给出的示例旨在说明本发明的可能的和具体的实现方式。可以理解的是,这些示例主要用于向本领域技术人员说明本发明的内容。在不脱离本发明的精神的情况下,这些图或操作可以有变化。例如,在某些情况下,方法步骤或操作可以以不同的顺序执行或实施,或者可以添加、删除或修改操作。
在提供范围或值列表的情况下,在所述范围或值列表的上限和下限之间的每个居间值是单独考虑的并且包含在本发明内,如同每个值在本文中具体列举一样。另外,可以考虑在给定范围的上限和下限之间(包括所述上限和下限)的较小范围并且该较小范围包含在本发明内。示例性值或范围的列表不是对在给定范围的上限和下限之间(包括所述上限和下限)的其它值或范围的放弃。
此外,虽然为了说明本发明的目的而不是为了限制本发明的目的,本文中已经描述了本发明的特定实施方式,但是本领域普通技术人员能够认识到,在不背离权利要求中所描述的本发明的内容的情况下,可以在本发明的原理和范围内作出细节、材料和元件、步骤、结构和/或部件的排列的许多变化。
此外,虽然为了说明本发明的目的而不是为了限制本发明的目的,本文中已经描述了本发明的特定实施方式,但是本领域普通技术人员能够认识到,在不背离权利要求中所描述的本发明的内容的情况下,可以在本发明的原理和范围内作出细节、材料和元件、步骤、结构和/或部件的排列的许多变化。
Claims (20)
1.一种用于自动支架规划的系统,包括:
诊断系统,以用于从感兴趣的血管获得数据,所述诊断系统包括:
电子存储设备;和
与所述电子存储设备通信的一个或多个处理器,其中,所述电子存储设备包括能由所述一个或多个处理器执行的指令,以促使所述一个或多个处理器:
在电子存储设备中存储关于用于支架部署的候选血管的所采集的血管数据;
确定对一个或多个血流参数的影响,所述血流参数仿真虚拟支架在候选血管内的放置;对多个虚拟支架配置进行血流影响分析,其中,所述分析识别用于一组虚拟支架配置的血流影响的一个或多个聚类;
基于一个或多个血流影响的聚类识别用于支架置入的血管部分;和
提供用于显示与所识别的血液部分相对应的所选择的虚拟支架配置的表象。
2.根据权利要求1所述的系统,其中,所述一个或多个处理器还被配置为识别所述血管的横截面尺寸的一组局部最大值,并且其中,一个或多个局部最大值与所述虚拟支架的配置相关联。
3.根据权利要求2所述的系统,其中,所述横截面尺寸基于从由内腔面积、内腔半径、内腔直径、内腔弦和从内腔的边界上的点测得的距离组成的组中选择的值。
4.根据权利要求1所述的系统,其中,所述一个或多个处理器还被配置为生成所述虚拟支架配置的支架有效性得分,其中,所述支架有效性得分基于对一个或多个血流参数的影响以及虚拟支架的长度。
5.根据权利要求4所述的系统,其中,所述一个或多个处理器还被配置为:
对虚拟支架配置的支架有效性得分进行排名;和
识别一个或多个虚拟支架,其由根据支架有效性得分的排名确定的支架着陆区定义。
6.根据权利要求4所述的系统,其中,特定的虚拟支架配置的支架有效性得分至少部分地由所述一个或多个处理器确定,所述一个或多个处理器被配置为:
计算在放置虚拟支架之前所述血管的第一虚拟血流储备分数;计算随后将虚拟支架放置在特定虚拟支架配置中的血管的第二虚拟血流储备分数;
从第二虚拟血流储备分数减去第一虚拟血流储备分数以获得响应于放置的虚拟支架的虚拟血流储备分数变化;和
将虚拟血流储备分数的变化除以特定虚拟支架配置中虚拟支架的长度。
7.根据权利要求1所述的系统,其中,所述一个或多个血流参数包括虚拟血流储备分数。
8.根据权利要求7所述的系统,其中,所述一个或多个处理器还被配置为:选择具有至少满足目标虚拟血流储备分数值的预测虚拟血流储备分数的一种或多种虚拟支架配置。
9.根据权利要求1所述的系统,其中,用于支架置入的血管部分识别用于支架置入的血管的关键区域。
10.根据权利要求1所述的系统,其中,所述一个或多个血流影响聚类是基于限定所述血管的重叠区域的支架着陆区的多个聚类。
11.一种用于自动支架规划的方法,包括:
通过一个或多个处理器,存储关于用于支架部署的候选血管的所采集的血管数据;
通过一个或多个处理器,确定对一个或多个血流参数的影响,所述血流参数仿真虚拟支架在候选血管内的放置;
通过一个或多个处理器,对多个虚拟支架配置进行血流影响分析,其中,所述分析识别用于一组虚拟支架配置的血流影响的一个或多个聚类;
通过一个或多个处理器,基于一个或多个血流影响的聚类识别用于支架置入的血管部分;和
通过一个或多个处理器,提供用于显示与所识别的血液部分相对应的所选择的虚拟支架配置的表象。
12.根据权利要求11所述的方法,还包括:通过所述一个或多个处理器,识别所述血管的横截面尺寸的一组局部最大值,并且其中,一个或多个局部最大值与所述虚拟支架的配置相关联。
13.根据权利要求12所述的方法,其中,所述横截面尺寸基于从由内腔面积、内腔半径、内腔直径、内腔弦和从内腔的边界上的点测得的距离组成的组中选择的值。
14.根据权利要求11所述的方法,还包括:通过一个或多个处理器,生成所述虚拟支架配置的支架有效性得分,其中,所述支架有效性得分基于对一个或多个血流参数的影响以及虚拟支架的长度。
15.根据权利要求14所述的方法,还包括:
通过一个或多个处理器,对虚拟支架配置的支架有效性得分进行排名;和
通过一个或多个处理器,识别一个或多个虚拟支架,其由根据支架有效性得分的排名确定的支架着陆区定义。
16.根据权利要求14所述的方法,其中,特定的虚拟支架配置的支架有效性得分至少部分地通过以下方式确定:
通过一个或多个处理器,计算在放置虚拟支架之前所述血管的第一虚拟血流储备分数;计算随后将虚拟支架放置在特定虚拟支架配置中的血管的第二虚拟血流储备分数;
通过一个或多个处理器,从第二虚拟血流储备分数减去第一虚拟血流储备分数以获得响应于放置的虚拟支架的虚拟血流储备分数变化;和
通过一个或多个处理器,将虚拟血流储备分数的变化除以特定虚拟支架配置中虚拟支架的长度。
17.根据权利要求11所述的方法,其中,所述一个或多个血流参数包括虚拟血流储备分数。
18.根据权利要求17所述的方法,还包括:通过所述一个或多个处理器,选择具有至少满足目标虚拟血流储备分数值的预测虚拟血流储备分数的一种或多种虚拟支架配置。
19.根据权利要求11所述的方法,其中,用于支架置入的血管部分识别用于支架置入的血管的关键区域。
20.根据权利要求11所述的方法,其中,所述一个或多个血流影响聚类是基于限定所述血管的重叠区域的支架着陆区的多个聚类。
Applications Claiming Priority (4)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US201662400731P | 2016-09-28 | 2016-09-28 | |
US62/400,731 | 2016-09-28 | ||
CN201780058388.2A CN109716446B (zh) | 2016-09-28 | 2017-09-28 | 利用血管表象的支架规划系统及方法 |
PCT/US2017/054017 WO2018064336A1 (en) | 2016-09-28 | 2017-09-28 | Stent planning systems and methods using vessel representation |
Related Parent Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201780058388.2A Division CN109716446B (zh) | 2016-09-28 | 2017-09-28 | 利用血管表象的支架规划系统及方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117398183A true CN117398183A (zh) | 2024-01-16 |
Family
ID=60083482
Family Applications (2)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201780058388.2A Active CN109716446B (zh) | 2016-09-28 | 2017-09-28 | 利用血管表象的支架规划系统及方法 |
CN202311184330.6A Pending CN117398183A (zh) | 2016-09-28 | 2017-09-28 | 利用血管表象的支架规划系统及方法 |
Family Applications Before (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201780058388.2A Active CN109716446B (zh) | 2016-09-28 | 2017-09-28 | 利用血管表象的支架规划系统及方法 |
Country Status (6)
Country | Link |
---|---|
US (1) | US11883107B2 (zh) |
EP (1) | EP3520114A1 (zh) |
JP (2) | JP7431578B2 (zh) |
CN (2) | CN109716446B (zh) |
CA (1) | CA3037912A1 (zh) |
WO (1) | WO2018064336A1 (zh) |
Families Citing this family (31)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP4035586A1 (en) | 2015-04-16 | 2022-08-03 | Gentuity LLC | Micro-optic probes for neurology |
JP6981967B2 (ja) | 2015-08-31 | 2021-12-17 | ジェンテュイティ・リミテッド・ライアビリティ・カンパニーGentuity, LLC | 撮像プローブおよびデリバリデバイスを含む撮像システム |
WO2019064791A1 (ja) * | 2017-09-27 | 2019-04-04 | 富士フイルム株式会社 | 仮想ステント設置装置、方法およびプログラム |
JP7025536B2 (ja) * | 2017-10-06 | 2022-02-24 | コーニンクレッカ フィリップス エヌ ヴェ | 血管灌流イメージングによる血流の評価のためのデバイス、システム、及び方法 |
WO2019108598A1 (en) | 2017-11-28 | 2019-06-06 | Gentuity, Llc | Imaging system |
WO2019175004A1 (en) * | 2018-03-15 | 2019-09-19 | Koninklijke Philips N.V. | Determination and visualization of anatomical landmarks for intraluminal lesion assessment and treatment planning |
EP3811333A1 (en) | 2018-05-29 | 2021-04-28 | Lightlab Imaging, Inc. | Stent expansion display, systems, and methods |
US20200129158A1 (en) * | 2018-10-26 | 2020-04-30 | Volcano Corporation | Graphical longitudinal display for intraluminal ultrasound imaging and associated devices, systems, and methods |
EP3644274A1 (en) | 2018-10-26 | 2020-04-29 | Koninklijke Philips N.V. | Orientation detection for vessel segmentation |
CN113614845A (zh) * | 2019-03-17 | 2021-11-05 | 光实验成像公司 | 动脉成像与评定系统和方法以及相关的基于用户界面的工作流程 |
KR102343889B1 (ko) * | 2019-08-05 | 2021-12-30 | 재단법인 아산사회복지재단 | 초음파 영상 기반의 기계 학습을 통한 관상동맥 병변 진단 시스템 및 이의 진단 방법 |
CN115003229A (zh) * | 2020-01-06 | 2022-09-02 | 皇家飞利浦有限公司 | 基于管腔内成像对管腔内处置异常的检测和可视化 |
JPWO2021193024A1 (zh) * | 2020-03-27 | 2021-09-30 | ||
WO2021193021A1 (ja) * | 2020-03-27 | 2021-09-30 | テルモ株式会社 | プログラム、情報処理方法、情報処理装置及びモデル生成方法 |
WO2021193019A1 (ja) * | 2020-03-27 | 2021-09-30 | テルモ株式会社 | プログラム、情報処理方法、情報処理装置及びモデル生成方法 |
JPWO2021199960A1 (zh) * | 2020-03-30 | 2021-10-07 | ||
JP7451278B2 (ja) | 2020-04-17 | 2024-03-18 | キヤノンメディカルシステムズ株式会社 | 医用情報処理装置、医用情報処理方法、及び医用情報処理プログラム |
US20220039866A1 (en) * | 2020-08-04 | 2022-02-10 | Medtronic Vascular, Inc. | Selecting a prosthesis and identifying a landing zone for implantation of the prosthesis |
US20230326127A1 (en) * | 2020-08-26 | 2023-10-12 | Singapore Health Services Pte Ltd | Medical image processing methods and systems for analysis of coronary artery stenoses |
WO2022071181A1 (ja) * | 2020-09-29 | 2022-04-07 | テルモ株式会社 | 情報処理装置、情報処理方法、プログラム及びモデル生成方法 |
KR102546290B1 (ko) * | 2020-12-02 | 2023-06-26 | 재단법인 아산사회복지재단 | 초음파 영상 기반의 딥 러닝을 통한 관상동맥 경화반 조직 분석 방법, 장치 및 기록매체 |
KR102546291B1 (ko) * | 2020-12-02 | 2023-06-26 | 재단법인 아산사회복지재단 | 초음파 영상 기반의 딥 러닝을 통한 관상동맥 스텐트 예측 방법, 장치 및 기록매체 |
CN113040812B (zh) * | 2021-02-03 | 2023-08-22 | 上海联影医疗科技股份有限公司 | 医学图像分析方法、装置、计算机设备和存储介质 |
EP4074261A1 (en) * | 2021-04-16 | 2022-10-19 | Koninklijke Philips N.V. | Determining end point locations for a stent |
WO2023054460A1 (ja) * | 2021-09-30 | 2023-04-06 | テルモ株式会社 | プログラム、情報処理装置及び情報処理方法 |
WO2023104599A1 (en) * | 2021-12-11 | 2023-06-15 | Koninklijke Philips N.V. | Automatic segmentation and treatment planning for a vessel with coregistration of physiology data and extraluminal data |
US20230190226A1 (en) * | 2021-12-22 | 2023-06-22 | Philips Image Guided Therapy Corporation | Intraluminal imaging for reference image frame and target image frame confirmation with deep breathing |
WO2023126360A1 (en) * | 2021-12-31 | 2023-07-06 | Oxford Heartbeat Ltd. | Method of simulating the fitting of implantable medical devices inside a patient's anatomy |
EP4226885A1 (en) * | 2022-02-09 | 2023-08-16 | Predisurge | Method for simulating a device deployment |
WO2024071121A1 (ja) * | 2022-09-28 | 2024-04-04 | テルモ株式会社 | コンピュータプログラム、情報処理方法、及び情報処理装置 |
WO2024071251A1 (ja) * | 2022-09-29 | 2024-04-04 | テルモ株式会社 | コンピュータプログラム、情報処理方法、情報処理装置、及び学習モデル |
Family Cites Families (122)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5477858A (en) | 1986-07-30 | 1995-12-26 | Siemens Medical Systems, Inc. | Ultrasound blood flow/tissue imaging system |
US5662109A (en) | 1990-12-14 | 1997-09-02 | Hutson; William H. | Method and system for multi-dimensional imaging and analysis for early detection of diseased tissue |
US6134003A (en) | 1991-04-29 | 2000-10-17 | Massachusetts Institute Of Technology | Method and apparatus for performing optical measurements using a fiber optic imaging guidewire, catheter or endoscope |
US6501551B1 (en) | 1991-04-29 | 2002-12-31 | Massachusetts Institute Of Technology | Fiber optic imaging endoscope interferometer with at least one faraday rotator |
US5956355A (en) | 1991-04-29 | 1999-09-21 | Massachusetts Institute Of Technology | Method and apparatus for performing optical measurements using a rapidly frequency-tuned laser |
US6564087B1 (en) | 1991-04-29 | 2003-05-13 | Massachusetts Institute Of Technology | Fiber optic needle probes for optical coherence tomography imaging |
EP0581871B2 (en) | 1991-04-29 | 2009-08-12 | Massachusetts Institute Of Technology | Apparatus for optical imaging and measurement |
US6485413B1 (en) | 1991-04-29 | 2002-11-26 | The General Hospital Corporation | Methods and apparatus for forward-directed optical scanning instruments |
US5465147A (en) | 1991-04-29 | 1995-11-07 | Massachusetts Institute Of Technology | Method and apparatus for acquiring images using a ccd detector array and no transverse scanner |
US5748598A (en) | 1995-12-22 | 1998-05-05 | Massachusetts Institute Of Technology | Apparatus and methods for reading multilayer storage media using short coherence length sources |
US6111645A (en) | 1991-04-29 | 2000-08-29 | Massachusetts Institute Of Technology | Grating based phase control optical delay line |
US5509093A (en) | 1993-10-13 | 1996-04-16 | Micron Optics, Inc. | Temperature compensated fiber fabry-perot filters |
US5531227A (en) | 1994-01-28 | 1996-07-02 | Schneider Medical Technologies, Inc. | Imaging device and method |
US5797849A (en) | 1995-03-28 | 1998-08-25 | Sonometrics Corporation | Method for carrying out a medical procedure using a three-dimensional tracking and imaging system |
US5619368A (en) | 1995-05-16 | 1997-04-08 | Massachusetts Inst. Of Technology | Optical frequency shifter |
WO1997001167A1 (en) | 1995-06-21 | 1997-01-09 | Massachusetts Institute Of Technology | Apparatus and method for accessing data on multilayered optical media |
US5810007A (en) | 1995-07-26 | 1998-09-22 | Associates Of The Joint Center For Radiation Therapy, Inc. | Ultrasound localization and image fusion for the treatment of prostate cancer |
US5771895A (en) | 1996-02-12 | 1998-06-30 | Slager; Cornelis J. | Catheter for obtaining three-dimensional reconstruction of a vascular lumen and wall |
US6148095A (en) | 1997-09-08 | 2000-11-14 | University Of Iowa Research Foundation | Apparatus and method for determining three-dimensional representations of tortuous vessels |
US5989189A (en) | 1997-10-24 | 1999-11-23 | Mentor Corporation | Ophthalmic ultrasound imaging |
US20020161351A1 (en) | 1998-09-01 | 2002-10-31 | Samson Wilfred J. | Method and apparatus for treating acute myocardial infarction with selective hypothermic perfusion |
US6191862B1 (en) | 1999-01-20 | 2001-02-20 | Lightlab Imaging, Llc | Methods and apparatus for high speed longitudinal scanning in imaging systems |
US6445939B1 (en) | 1999-08-09 | 2002-09-03 | Lightlab Imaging, Llc | Ultra-small optical probes, imaging optics, and methods for using same |
DE60141090D1 (de) | 2000-10-30 | 2010-03-04 | Gen Hospital Corp | Optische systeme zur gewebeanalyse |
US20020115931A1 (en) | 2001-02-21 | 2002-08-22 | Strauss H. William | Localizing intravascular lesions on anatomic images |
US6768756B2 (en) | 2001-03-12 | 2004-07-27 | Axsun Technologies, Inc. | MEMS membrane with integral mirror/lens |
US6570659B2 (en) | 2001-03-16 | 2003-05-27 | Lightlab Imaging, Llc | Broadband light source system and method and light source combiner |
US6552796B2 (en) | 2001-04-06 | 2003-04-22 | Lightlab Imaging, Llc | Apparatus and method for selective data collection and signal to noise ratio enhancement using optical coherence tomography |
US6706004B2 (en) | 2001-05-31 | 2004-03-16 | Infraredx, Inc. | Balloon catheter |
US6879851B2 (en) | 2001-06-07 | 2005-04-12 | Lightlab Imaging, Llc | Fiber optic endoscopic gastrointestinal probe |
US6891984B2 (en) | 2002-07-25 | 2005-05-10 | Lightlab Imaging, Llc | Scanning miniature optical probes with optical distortion correction and rotational control |
US8465452B2 (en) | 2003-02-21 | 2013-06-18 | 3Dt Holdings, Llc | Devices, systems, and methods for removing stenotic lesions from vessels |
WO2004075756A1 (en) | 2003-02-25 | 2004-09-10 | Philips Intellectual Property & Standards Gmbh | Intravascular imaging |
US7241286B2 (en) | 2003-04-25 | 2007-07-10 | Lightlab Imaging, Llc | Flush catheter with flow directing sheath |
US20100076320A1 (en) | 2003-04-25 | 2010-03-25 | Lightlab Imaging, Llc | Flush catheter with flow directing sheath |
US7998188B2 (en) | 2003-04-28 | 2011-08-16 | Kips Bay Medical, Inc. | Compliant blood vessel graft |
CN1929781A (zh) | 2003-08-21 | 2007-03-14 | 依斯克姆公司 | 用于脉管斑块检测和分析的自动化方法和系统 |
JP5567246B2 (ja) | 2003-10-27 | 2014-08-06 | ザ ジェネラル ホスピタル コーポレイション | 周波数ドメイン干渉測定を利用して光学撮像を実行する方法および装置 |
US20050238067A1 (en) | 2004-04-26 | 2005-10-27 | Choi Youngmin A | Simple fiber optic cavity |
US7397935B2 (en) | 2004-05-10 | 2008-07-08 | Mediguide Ltd. | Method for segmentation of IVUS image sequences |
WO2006037001A1 (en) | 2004-09-24 | 2006-04-06 | Lightlab Imaging, Inc. | Fluid occluding devices and methods |
EP1835855B1 (en) | 2005-01-11 | 2017-04-05 | Volcano Corporation | Vascular image co-registration |
WO2006079078A2 (en) | 2005-01-20 | 2006-07-27 | Massachusetts Institute Of Technology | Mode locking methods and apparatus |
US8315282B2 (en) | 2005-01-20 | 2012-11-20 | Massachusetts Institute Of Technology | Fourier domain mode locking: method and apparatus for control and improved performance |
EP1856777A4 (en) | 2005-01-24 | 2009-04-29 | Thorlabs Inc | COMPACT MULTIMODE LASER WITH QUICK SPECTRAL SCAN |
US8054075B2 (en) | 2005-02-03 | 2011-11-08 | The Johns Hopkins University | Method for magnetic resonance imaging using inversion recovery with on-resonant water suppression including MRI systems and software embodying same |
JP2008529669A (ja) | 2005-02-10 | 2008-08-07 | ライトラボ・イメージング・インコーポレーテッド | 光学コヒーレンス断層撮影法の装置及び方法 |
US7415049B2 (en) | 2005-03-28 | 2008-08-19 | Axsun Technologies, Inc. | Laser with tilted multi spatial mode resonator tuning element |
US8298147B2 (en) | 2005-06-24 | 2012-10-30 | Volcano Corporation | Three dimensional co-registration for intravascular diagnosis and therapy |
EP1931237A2 (en) | 2005-09-14 | 2008-06-18 | Neoguide Systems, Inc. | Methods and apparatus for performing transluminal and other procedures |
US7729746B2 (en) | 2005-11-04 | 2010-06-01 | Siemens Aktiengesellschaft | Three-dimensional co-registration between intravascular and angiographic data |
WO2007061769A2 (en) | 2005-11-18 | 2007-05-31 | Duke University | Method and system of coregistrating optical coherence tomography (oct) with other clinical tests |
US7801343B2 (en) | 2005-11-29 | 2010-09-21 | Siemens Medical Solutions Usa, Inc. | Method and apparatus for inner wall extraction and stent strut detection using intravascular optical coherence tomography imaging |
US7650179B2 (en) | 2005-12-09 | 2010-01-19 | Siemens Aktiengesellschaft | Computerized workflow method for stent planning and stenting procedure |
US7619646B2 (en) | 2006-03-09 | 2009-11-17 | Visicon Inspection Technologies Llc | System and method to illuminate and image the inside diameter of a stent |
US8223143B2 (en) | 2006-10-27 | 2012-07-17 | Carl Zeiss Meditec, Inc. | User interface for efficiently displaying relevant OCT imaging data |
EP2628443B1 (en) | 2006-11-08 | 2021-05-12 | Lightlab Imaging, Inc. | Opto-acoustic imaging device |
EP2106240B1 (en) | 2007-01-10 | 2015-04-01 | Lightlab Imaging, Inc. | Methods and apparatus for swept-source optical coherence tomography |
US7813609B2 (en) | 2007-11-12 | 2010-10-12 | Lightlab Imaging, Inc. | Imaging catheter with integrated reference reflector |
US8582934B2 (en) | 2007-11-12 | 2013-11-12 | Lightlab Imaging, Inc. | Miniature optical elements for fiber-optic beam shaping |
US8983580B2 (en) | 2008-01-18 | 2015-03-17 | The Board Of Trustees Of The University Of Illinois | Low-coherence interferometry and optical coherence tomography for image-guided surgical treatment of solid tumors |
US20110190586A1 (en) | 2008-03-28 | 2011-08-04 | Volcano Corporation | Methods and systems for intravascular imaging and flushing |
EP2677272B1 (en) | 2008-05-15 | 2018-01-31 | Axsun Technologies LLC | Oct combining probes and integrated systems |
ES2517915T3 (es) | 2008-06-02 | 2014-11-04 | Lightlab Imaging, Inc. | Métodos cuantitativos para obtener características de un tejido a partir de imágenes de tomografía por coherencia óptica |
DE102008045634A1 (de) | 2008-09-03 | 2010-03-04 | Ludwig-Maximilians-Universität München | Wellenlängenabstimmbare Lichtquelle |
JP5778579B2 (ja) | 2008-10-14 | 2015-09-16 | ライトラボ・イメージング・インコーポレーテッド | 光コヒーレンス断層撮影法を使用するステントストラット検出ならびに関連する測定および表示のための方法 |
CA2765410C (en) | 2009-09-23 | 2015-05-05 | Lightlab Imaging, Inc. | Apparatus, systems, and methods of in-vivo blood clearing in a lumen |
US20180344174A9 (en) * | 2009-09-23 | 2018-12-06 | Lightlab Imaging, Inc. | Lumen Morphology and Vascular Resistance Measurements Data Collection Systems, Apparatus and Methods |
US9138147B2 (en) | 2009-09-23 | 2015-09-22 | Lightlab Imaging, Inc. | Lumen morphology image reconstruction based on the scan line data of OCT |
US8926590B2 (en) | 2009-12-22 | 2015-01-06 | Lightlab Imaging, Inc. | Torque limiter for an OCT catheter |
US8206377B2 (en) | 2009-12-22 | 2012-06-26 | Lightlab Imaging, Inc. | Torque limiter for an OCT catheter |
US8478384B2 (en) | 2010-01-19 | 2013-07-02 | Lightlab Imaging, Inc. | Intravascular optical coherence tomography system with pressure monitoring interface and accessories |
US8948613B2 (en) | 2010-03-17 | 2015-02-03 | Lightlab Imaging, Inc. | Intensity noise reduction methods and apparatus for interferometric sensing and imaging systems |
US20110257545A1 (en) | 2010-04-20 | 2011-10-20 | Suri Jasjit S | Imaging based symptomatic classification and cardiovascular stroke risk score estimation |
US8750615B2 (en) * | 2010-08-02 | 2014-06-10 | Case Western Reserve University | Segmentation and quantification for intravascular optical coherence tomography images |
ES2384795B2 (es) | 2010-12-13 | 2013-01-29 | Medlumics, S.L. | Píldora electrónica gastrointestinal. |
US8582619B2 (en) | 2011-03-15 | 2013-11-12 | Lightlab Imaging, Inc. | Methods, systems, and devices for timing control in electromagnetic radiation sources |
US9164240B2 (en) | 2011-03-31 | 2015-10-20 | Lightlab Imaging, Inc. | Optical buffering methods, apparatus, and systems for increasing the repetition rate of tunable light sources |
AU2012262883B2 (en) | 2011-05-27 | 2017-01-12 | Lightlab Imaging, Inc. | Optical coherence tomography and pressure based systems and methods |
CN106913358B (zh) | 2011-05-31 | 2021-08-20 | 光学实验室成像公司 | 多模式成像系统、设备和方法 |
US8582109B1 (en) | 2011-08-01 | 2013-11-12 | Lightlab Imaging, Inc. | Swept mode-hopping laser system, methods, and devices for frequency-domain optical coherence tomography |
WO2013019840A1 (en) | 2011-08-03 | 2013-02-07 | Lightlab Imaging, Inc. | Systems, methods and apparatus for determining a fractional flow reserve |
US20130051728A1 (en) | 2011-08-31 | 2013-02-28 | Lightlab Imaging, Inc. | Optical Imaging Probes and Related Methods |
US8581643B1 (en) | 2011-10-28 | 2013-11-12 | Lightlab Imaging, Inc. | Phase-lock loop-based clocking system, methods and apparatus |
US8953911B1 (en) | 2011-10-28 | 2015-02-10 | Lightlab Imaging, Inc. | Spectroscopic imaging probes, devices, and methods |
US8831321B1 (en) | 2011-11-07 | 2014-09-09 | Lightlab Imaging, Inc. | Side branch detection methods, systems and devices |
JP6373758B2 (ja) | 2011-11-16 | 2018-08-15 | ボルケーノ コーポレイション | 医療計測システムおよび方法 |
CN103164594A (zh) * | 2011-12-10 | 2013-06-19 | 西安百利信息科技有限公司 | 基于冠状动脉血管造影的心血管疾病远程会诊系统 |
WO2013170144A1 (en) | 2012-05-11 | 2013-11-14 | Volcano Corporation | Device, system, and method for flow imaging in the body using a swept transducer |
US20140024931A1 (en) | 2012-07-20 | 2014-01-23 | Lightlab Imaging, Inc. | Data Encoders for Medical Devices and Related Methods |
US8687201B2 (en) | 2012-08-31 | 2014-04-01 | Lightlab Imaging, Inc. | Optical coherence tomography control systems and methods |
US9307926B2 (en) | 2012-10-05 | 2016-04-12 | Volcano Corporation | Automatic stent detection |
US9858387B2 (en) * | 2013-01-15 | 2018-01-02 | CathWorks, LTD. | Vascular flow assessment |
WO2014077880A1 (en) | 2012-11-16 | 2014-05-22 | Lightlab Imaging, Inc. | Automated fluid delivery catheter and system |
EP2919659B1 (en) | 2012-11-19 | 2021-03-17 | Lightlab Imaging, Inc. | Multimodal imaging systems |
ES2641487T3 (es) * | 2012-12-12 | 2017-11-10 | Lightlab Imaging, Inc. | Aparato para la determinación automatizada de un contorno luminal de un vaso sanguíneo |
EP2938271B1 (en) | 2012-12-31 | 2023-04-05 | Philips Image Guided Therapy Corporation | Devices, systems, and methods for assessment of vessels |
US9173591B2 (en) | 2013-03-08 | 2015-11-03 | Lightlab Imaging, Inc. | Stent visualization and malapposition detection systems, devices, and methods |
US10028725B2 (en) | 2013-03-11 | 2018-07-24 | Lightlab Imaging, Inc. | Friction torque limiter for an imaging catheter |
US9351698B2 (en) | 2013-03-12 | 2016-05-31 | Lightlab Imaging, Inc. | Vascular data processing and image registration systems, methods, and apparatuses |
US9069396B2 (en) | 2013-03-12 | 2015-06-30 | Lightlab Imaging, Inc. | Controller and user interface device, systems, and methods |
US9833221B2 (en) | 2013-03-15 | 2017-12-05 | Lightlab Imaging, Inc. | Apparatus and method of image registration |
US9702762B2 (en) | 2013-03-15 | 2017-07-11 | Lightlab Imaging, Inc. | Calibration and image processing devices, methods, and systems |
GB201402643D0 (en) | 2014-02-14 | 2014-04-02 | Univ Southampton | A method of mapping images of human disease |
CN105095534A (zh) * | 2014-04-23 | 2015-11-25 | 北京冠生云医疗技术有限公司 | 对血管中血流进行模拟的方法和系统 |
US10130266B2 (en) * | 2014-06-30 | 2018-11-20 | Siemens Healthcare Gmbh | Method and system for prediction of post-stenting hemodynamic metrics for treatment planning of arterial stenosis |
US9888968B2 (en) | 2014-07-22 | 2018-02-13 | Siemens Healthcare Gmbh | Method and system for automated therapy planning for arterial stenosis |
WO2016014991A1 (en) | 2014-07-24 | 2016-01-28 | Lightlab Imaging, Inc. | Stent and vessel visualization and diagnostic systems, devices, and methods |
JP6700279B2 (ja) | 2014-08-27 | 2020-05-27 | セント ジュード メディカル システムズ アーベー | 最小の遠位側圧力/動脈圧(pd/pa)比を決定することによって心臓系を評価するためのシステム及び方法 |
US10499813B2 (en) | 2014-09-12 | 2019-12-10 | Lightlab Imaging, Inc. | Methods, systems and apparatus for temporal calibration of an intravascular imaging system |
JP6824896B2 (ja) | 2014-12-12 | 2021-02-03 | ライトラボ・イメージング・インコーポレーテッド | 血管内の特徴を検出し且つ表示するためのシステム及び方法 |
US10222956B2 (en) | 2015-05-17 | 2019-03-05 | Lightlab Imaging, Inc. | Intravascular imaging user interface systems and methods |
US10646198B2 (en) | 2015-05-17 | 2020-05-12 | Lightlab Imaging, Inc. | Intravascular imaging and guide catheter detection methods and systems |
US10109058B2 (en) | 2015-05-17 | 2018-10-23 | Lightlab Imaging, Inc. | Intravascular imaging system interfaces and stent detection methods |
CA2986227A1 (en) | 2015-05-17 | 2016-11-24 | Lightlab Imaging, Inc. | Intravascular imaging system interfaces and stent detection methods |
US9996921B2 (en) | 2015-05-17 | 2018-06-12 | LIGHTLAB IMAGING, lNC. | Detection of metal stent struts |
CN107920745B (zh) | 2015-07-25 | 2022-01-28 | 光学实验室成像公司 | 血管内数据可视化方法 |
CA2993458A1 (en) | 2015-07-25 | 2017-02-02 | Lightlab Imaging, Inc. | Guidewire detection systems, methods, and apparatuses |
CN108633312B (zh) | 2015-11-18 | 2022-11-08 | 光学实验室成像公司 | 一种在x射线图像中的造影云检测方法 |
US10453190B2 (en) | 2015-11-23 | 2019-10-22 | Lightlab Imaging, Inc. | Detection of and validation of shadows in intravascular images |
US10593037B2 (en) | 2016-04-14 | 2020-03-17 | Lightlab Imaging, Inc. | Method, apparatus, and system to identify branches of a blood vessel |
EP3457913B1 (en) | 2016-05-16 | 2020-12-23 | Lightlab Imaging, Inc. | Method and system for intravascular absorbable stent detection |
-
2017
- 2017-09-28 CA CA3037912A patent/CA3037912A1/en active Pending
- 2017-09-28 CN CN201780058388.2A patent/CN109716446B/zh active Active
- 2017-09-28 WO PCT/US2017/054017 patent/WO2018064336A1/en unknown
- 2017-09-28 EP EP17784129.3A patent/EP3520114A1/en active Pending
- 2017-09-28 CN CN202311184330.6A patent/CN117398183A/zh active Pending
- 2017-09-28 US US15/718,835 patent/US11883107B2/en active Active
- 2017-09-28 JP JP2019516518A patent/JP7431578B2/ja active Active
-
2022
- 2022-12-05 JP JP2022194225A patent/JP2023051917A/ja active Pending
Also Published As
Publication number | Publication date |
---|---|
JP2020503909A (ja) | 2020-02-06 |
US20180085170A1 (en) | 2018-03-29 |
US11883107B2 (en) | 2024-01-30 |
WO2018064336A1 (en) | 2018-04-05 |
EP3520114A1 (en) | 2019-08-07 |
JP7431578B2 (ja) | 2024-02-15 |
CN109716446A (zh) | 2019-05-03 |
JP2023051917A (ja) | 2023-04-11 |
CN109716446B (zh) | 2023-10-03 |
CA3037912A1 (en) | 2018-04-05 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109716446B (zh) | 利用血管表象的支架规划系统及方法 | |
JP7325368B2 (ja) | ステント配置を評価するためのシステム | |
JP7203077B2 (ja) | 血管内画像化システムの作動方法 | |
US11532087B2 (en) | Stent detection methods and imaging system interfaces | |
CN107787201B (zh) | 血管内成像系统界面和阴影检测方法 | |
CN107847135B (zh) | 血管内成像系统界面和支架检测方法 | |
CN112513930A (zh) | 支架扩张显示、系统和方法 | |
US20240130793A1 (en) | Stent Planning Systems And Methods Using Vessel Representation |
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 |