CN117976155A - 基于造影剂示踪曲线获得冠脉功能学参数的方法、计算机设备 - Google Patents
基于造影剂示踪曲线获得冠脉功能学参数的方法、计算机设备 Download PDFInfo
- Publication number
- CN117976155A CN117976155A CN202410385284.4A CN202410385284A CN117976155A CN 117976155 A CN117976155 A CN 117976155A CN 202410385284 A CN202410385284 A CN 202410385284A CN 117976155 A CN117976155 A CN 117976155A
- Authority
- CN
- China
- Prior art keywords
- core
- coronary
- bifurcation
- flow
- obtaining
- 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.)
- Granted
Links
- 210000004351 coronary vessel Anatomy 0.000 title claims abstract description 84
- 238000000034 method Methods 0.000 title claims abstract description 78
- 239000002872 contrast media Substances 0.000 title claims abstract description 58
- 210000004204 blood vessel Anatomy 0.000 claims abstract description 71
- 230000017531 blood circulation Effects 0.000 claims abstract description 44
- 230000000544 hyperemic effect Effects 0.000 claims abstract description 36
- 238000011144 upstream manufacturing Methods 0.000 claims abstract description 19
- 230000008569 process Effects 0.000 claims description 17
- 102100024342 Contactin-2 Human genes 0.000 claims description 13
- 101000690440 Solanum lycopersicum Floral homeotic protein AGAMOUS Proteins 0.000 claims description 13
- 230000000284 resting effect Effects 0.000 claims description 13
- 238000005259 measurement Methods 0.000 claims description 11
- 238000004590 computer program Methods 0.000 claims description 10
- 230000035488 systolic blood pressure Effects 0.000 claims description 9
- 230000035487 diastolic blood pressure Effects 0.000 claims description 8
- 230000004089 microcirculation Effects 0.000 claims description 8
- 239000008280 blood Substances 0.000 claims description 6
- 210000004369 blood Anatomy 0.000 claims description 4
- 208000031481 Pathologic Constriction Diseases 0.000 claims description 3
- 238000006243 chemical reaction Methods 0.000 claims description 3
- 238000012937 correction Methods 0.000 claims description 3
- 230000036262 stenosis Effects 0.000 claims description 3
- 208000037804 stenosis Diseases 0.000 claims description 3
- 238000004364 calculation method Methods 0.000 description 9
- 238000004088 simulation Methods 0.000 description 8
- 230000008901 benefit Effects 0.000 description 6
- 230000000004 hemodynamic effect Effects 0.000 description 6
- 230000011218 segmentation Effects 0.000 description 6
- 230000008859 change Effects 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 238000012545 processing Methods 0.000 description 4
- 210000000709 aorta Anatomy 0.000 description 3
- 238000013459 approach Methods 0.000 description 2
- 238000011156 evaluation Methods 0.000 description 2
- 239000012530 fluid Substances 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 238000003384 imaging method Methods 0.000 description 2
- 230000009467 reduction Effects 0.000 description 2
- 230000001360 synchronised effect Effects 0.000 description 2
- 230000036962 time dependent Effects 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 230000004872 arterial blood pressure Effects 0.000 description 1
- 210000001367 artery Anatomy 0.000 description 1
- 238000013145 classification model Methods 0.000 description 1
- 238000002591 computed tomography Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000010230 functional analysis Methods 0.000 description 1
- 208000028867 ischemia Diseases 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 230000002792 vascular Effects 0.000 description 1
Classifications
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
- A61B6/48—Diagnostic techniques
- A61B6/481—Diagnostic techniques involving the use of contrast agents
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H30/00—ICT specially adapted for the handling or processing of medical images
- G16H30/40—ICT specially adapted for the handling or processing of medical images for processing medical images, e.g. editing
Landscapes
- Health & Medical Sciences (AREA)
- Engineering & Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Physics & Mathematics (AREA)
- Medical Informatics (AREA)
- Public Health (AREA)
- General Health & Medical Sciences (AREA)
- Biophysics (AREA)
- Veterinary Medicine (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Radiology & Medical Imaging (AREA)
- Animal Behavior & Ethology (AREA)
- Surgery (AREA)
- Molecular Biology (AREA)
- Heart & Thoracic Surgery (AREA)
- Biomedical Technology (AREA)
- Pathology (AREA)
- Software Systems (AREA)
- Computer Graphics (AREA)
- Physiology (AREA)
- Cardiology (AREA)
- Hematology (AREA)
- Geometry (AREA)
- Primary Health Care (AREA)
- Theoretical Computer Science (AREA)
- Epidemiology (AREA)
- General Physics & Mathematics (AREA)
- High Energy & Nuclear Physics (AREA)
- Optics & Photonics (AREA)
- Apparatus For Radiation Diagnosis (AREA)
Abstract
本申请涉及一种基于造影剂示踪曲线获得冠脉功能学参数的方法、计算机设备，包括：获得造影剂示踪曲线、最大充血态冠脉口压强、冠脉血管三维模型及其血管中心线；将冠脉血管三维模型划分为上下游依次连接的单支血管和分叉核，基于主动脉段、各单支血管的造影剂衰减曲线，获得对应的平均衰减斜率；利用造影剂示踪曲线的斜率、主动脉段的平均衰减斜率、主动脉段平均截面积获得主动脉流量，利用主动脉流量获得最大充血态冠脉入口流量；对左右冠脉进行流量分配，结合分叉核下游单支血管的平均衰减斜率，对各分叉核的出口流量进行再分配，获得各单支血管的流量；获得各单支血管的血流时间和压降，获得各分叉核的血流时间和压降，获得冠脉功能学参数。
Description
技术领域
本申请涉及医学影像处理技术领域，特别是涉及一种基于造影剂示踪曲线获得冠脉功能学参数的方法、计算机设备。
背景技术
冠脉功能学评估是当前临床中评估冠脉缺血的最普遍方法，常见的功能指标有血流储备分数（Fractional Flow Reserve，FFR）以及微循环阻力指数（Index ofMicrovascular Resistence, IMR）等。在当前的临床实践中，FFR、IMR普遍通过压力导丝以及温度传感器采用侵入式的方法测量得到，对医技人员的经验、技术要求较高，对患者的身体机能损伤较大。
近年来，随着计算机图像处理技术的发展，基于医学影像的冠脉功能学参数分析方法应运而生，其中又以冠脉造影DSA影像以及计算机断层扫描造影CTA影像的应用最为广泛，该类方法普遍由冠脉血管三维重建以及血流动力学模拟两大功能模块组成。然而，在血流动力学模拟的技术方法中，现有方法普遍存在各自的局限性。具体的，如基于CFD流体仿真的方法，存在计算时间长，血管重建精度要求高等问题，如基于降维模型的方法，存在边界条件粗糙，计算准确性不高等问题。
发明内容
基于此，有必要针对上述技术问题，提供一种基于造影剂示踪曲线获得冠脉功能学参数的方法。
本申请基于造影剂示踪曲线获得冠脉功能学参数的方法，包括：
获得造影剂示踪曲线、最大充血态冠脉口压强、冠脉血管三维模型及其血管中心线，所述冠脉血管三维模型包括主动脉段、左右冠脉和其余动脉分支；
依据所述血管中心线将所述冠脉血管三维模型划分为上下游依次连接的单支血管和分叉核，基于主动脉段、各单支血管的造影剂衰减曲线，获得对应的平均衰减斜率；
利用造影剂示踪曲线的斜率、主动脉段的平均衰减斜率、主动脉段平均截面积获得主动脉流量，利用主动脉流量获得最大充血态冠脉入口流量；
对所述左右冠脉进行流量分配，根据各分叉核的入口流量、结合分叉核下游单支血管的平均衰减斜率，对各分叉核的出口流量进行再分配，获得各单支血管的流量；
获得各单支血管的血流时间和压降，获得各分叉核的血流时间和压降，进而获得冠脉血管的总血流时间和总压降，进而获得冠脉功能学参数。
可选的，所述最大充血态冠脉口压强，通过以下方式的其中一种获得：
直接获得最大充血态冠脉口压强；
获得静息态冠脉口压强，进而获得最大充血态冠脉口压强；
获得收缩舒张压，进而依次获得静息态冠脉口压强、最大充血态冠脉口压强；
获得收缩舒张压，进而获得静息态冠脉口压强，通过下式进行：
Pa_rest = DBP + a * (SBP - DBP)，其中Pa_rest为静息态冠脉口压强，DBP为舒张压，SBP为收缩压，a为压力修正系数。
可选的，所述冠脉血管三维模型，利用第一AI模型对患者的三维影像数据分割获得；
对所述左右冠脉进行流量分配，具体包括：根据左右冠脉的血管长度以及分支密集程度，利用第二AI模型对所述冠脉血管三维模型自动进行优势型判别，基于不同判别结果以相应的预设比例对所述左右冠脉进行流量分配，所述优势型类别包括左冠优势型、右冠优势型以及均衡型。
可选的，利用造影剂示踪曲线的斜率、主动脉段的平均衰减斜率、主动脉段平均截面积获得主动脉流量，利用下式进行：
q = S * α/ TAG，式中，q为主动脉流量，S为主动脉段平均截面积，α为造影剂示踪曲线的斜率，TAG为主动脉段的平均衰减斜率；
利用主动脉流量获得最大充血态冠脉入口流量，利用下式进行：
Q = γ* b * q，式中，Q为最大充血态冠脉入口流量，γ为充血流量转化系数，b为冠脉流量分配系数，q为主动脉流量。
可选的，分叉核具有分叉核入口、分叉核第一出口和分叉核第二出口；
根据各分叉核的入口流量、结合分叉核下游单支血管的平均衰减斜率，对各分叉核的出口流量进行再分配，具体利用下式进行：
Q_daughter1 = Q_parent * (TAG2 / (TAG1 + TAG2))
Q_daughter2 = Q_parent * (TAG1 / (TAG1 + TAG2))
式中，
Q_daughter1为分叉核第一出口处单支血管的流量；
Q_daughter2为分叉核第二出口处单支血管的流量；
Q_parent为分叉核入口处单支血管的流量；
TAG1为分叉核第一出口处单支血管的平均衰减斜率；
TAG2为分叉核第二出口处单支血管的平均衰减斜率。
可选的，获得各单支血管的血流时间，对于其中一个单支血管，利用下式进行：
式中，为单支血管的血流时间，Si为单支血管每个离散节段的平均截面积，Li为单支血管每个离散节段的长度，/>为单支血管的流量；
获得各单支血管的压降，对于其中一个单支血管，利用下式进行：
式中，为单支血管的压降，/>为单支血管的流量，k1为粘性损失系数，k2为狭窄损失系数，k3为伯努利损失系数。
可选的，分叉核具有分叉核入口、分叉核第一出口和分叉核第二出口；
获得各分叉核的血流时间，对于其中一个分叉核，利用下式进行：
T_daughter1 = L_daughter1 / V_daughter1
T_daughter2 = L_daughter2 / V_daughter2
V_daughter1 = 0.5* (Q_parent / S_parent + Q_daughter1 / S_daughter1 )
V_daughter2 = 0.5* (Q_parent / S_parent + Q_daughter2 / S_daughter2 )
式中，
T_daughter1、T_daughter2，为分叉核入口到分叉核第一出口、分叉核第二出口的血流时间；
L_daughter1、L_daughter2，为分叉核入口到分叉核第一出口、分叉核第二出口的血管中心线长度；
V_daughter1、V_daughter2，为分叉核入口到分叉核第一出口、分叉核第二出口的平均血流速度；
Q_parent，为分叉核入口处单支血管的流量；
S_parent，为分叉核入口处的截面积；
S_daughter1、S_daughter2，为分叉核第一出口、分叉核第二出口的截面积；
Q_daughter1、Q_daughter2，为分叉核第一出口处、分叉核第二出口处单支血管的流量。
可选的，获得各分叉核的压降，通过下式进行：
式中，
为分叉核入口至分叉核第一出口的压降；
为分叉核入口至分叉核第二出口的压降；
为血液密度；
θ 1、θ 2分别为分叉核入口相对于分叉核第一出口、分叉核入口相对于分叉核第二出口的方向夹角；
u1、u2分别为分叉核第一出口、分叉核第二出口血流速度：
u1= Q_daughter1 / S_daughter1
u2= Q_daughter2 / S_daughter2
Q_daughter1、Q_daughter2，分别为分叉核第一出口处、分叉核第二出口处单支血管的流量，S_daughter1、S_daughter2，分别为分叉核第一出口、分叉核第二出口的截面积；
S1、S2分别为分叉核入口与分叉核第一出口、分叉核第二出口的截面积比值：
S1= S_parent / S_daughter1
S2= S_parent / S_daughter2
S_parent，为分叉核入口处的截面积；
Q1、Q2分别为分叉核入口流量与分叉核第一出口、分叉核第二出口流量的比值：
Q1= Q_parent / Q_daughter1
Q2= Q_parent / Q_daughter2
Q_parent，为分叉核入口处单支血管的流量。
可选的，进而获得冠脉功能学参数，具体包括：
获得血流储备分数：FFR = (Pa - DP) / Pa，式中，FFR为血流储备分数，Pa为最大充血态冠脉口压强，DP为测量点上游所有单支血管、分叉核的总压降；
获得微循环阻力指数：IMR = (Pa - DP) * Tmn，式中，IMR为微循环阻力指数，Pa为最大充血态冠脉口压强，DP为测量点上游所有单支血管、分叉核的总压降，Tmn为测量点上游所有单支血管、分叉核的总血流时间。
本申请还提供一种计算机设备，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基于造影剂示踪曲线获得冠脉功能学参数方法的步骤。
本申请基于造影剂示踪曲线获得冠脉功能学参数的方法至少具有以下效果：
本申请基于造影剂示踪曲线获得冠脉功能学参数的方法，能够根据造影剂示踪曲线、冠脉血管三维模型、最大充血态冠脉口压强，自动化地获得冠脉功能学参数。本申请无需使用压力导丝以及温度传感器等，具有无创、技术要求低的优势。本申请结合了患者的造影剂示踪曲线、造影剂衰减曲线，具有可重复性高、结果更可靠等优势。本申请获得冠脉血管的总血流时间和总压降，可获得更多维度的冠脉功能学参数，如指标FFR以及IMR。
附图说明
图1为本申请一实施例中基于造影剂示踪曲线获得冠脉功能学参数的方法的流程示意图；
图2为图1所示方法中获得的造影剂示踪曲线（Bolus Tracking）的示意图；
图3为图1所示方法中上下游依次连接的单支血管和分叉核（冠脉血管分段）的示意图；
图4为图1所示方法中造影剂衰减曲线的平均衰减斜率示意图；
图5为一个实施例中计算机设备的内部结构图。
具体实施方式
在血流动力学模拟的技术方法中，基于CFD流体仿真的方法、基于降维模型的方法存在局限性。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。
为解决上述技术问题，参阅图1，本申请一实施例中提供一种基于造影剂示踪曲线获得冠脉功能学参数的方法，包括步骤S100～步骤S500。其中：
步骤S100，获得造影剂示踪曲线、最大充血态冠脉口压强、冠脉血管三维模型及其血管中心线，冠脉血管三维模型包括主动脉段、左右冠脉和其余动脉分支；
步骤S200，依据血管中心线将冠脉血管三维模型划分为上下游依次连接的单支血管和分叉核，基于主动脉段、各单支血管的造影剂衰减曲线，获得对应的平均衰减斜率；
步骤S300，利用造影剂示踪曲线的斜率、主动脉段的平均衰减斜率、主动脉段平均截面积获得主动脉流量，利用主动脉流量获得最大充血态冠脉入口流量；
步骤S400，对左右冠脉进行流量分配（步骤S410）；根据各分叉核的入口流量、结合分叉核下游单支血管的平均衰减斜率，对各分叉核的出口流量进行再分配（步骤S420）；获得各单支血管的流量（步骤S430）；
步骤S500，获得各单支血管的血流时间和压降（步骤S510），获得各分叉核的血流时间和压降（步骤S520），进而获得冠脉血管的总血流时间和总压降（步骤S530），进而获得冠脉功能学参数（步骤S540）。
本申请实施例基于造影剂示踪曲线获得冠脉功能学参数的方法，造影剂示踪曲线即患者特异性的Bolus Tracking曲线。本方法可自动化生成冠脉系统三维模型，自动化实现边界条件设置，以及自动化完成冠脉功能学参数计算。本申请是一种基于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，具有无创、技术要求低的优势；其次，结合了患者特异性的Bolus Tracking曲线，实现了全自动的处理流程，具有计算速度快、可重复性高以及结果更可靠等优势。最后，相较于现有技术的单一功能指标计算，该方法可同时输出冠脉功能学评估中最重要的两个指标FFR以及IMR，具有评估结果更全面的优势。
基于造影剂示踪曲线获得冠脉功能学参数的方法，包括六个工作流程组成，分别为：一、数据输入；二、模型重构及分段；三、边界条件计算；四、流量分配；五、血流动力学模拟以及获得功能学参数。上述步骤S100～步骤S500在此过程中有所体现和对应。
一、数据输入。包括获得压力信息、三维影像数据、特异性曲线。数据输入即导入待分析病人的相关数据。相关数据包含患者特异性的压力信息，所述压力信息可以是最大充血态冠脉口压强Pa、静息态冠脉口压强、收缩舒张压。
数据输入对应步骤S100，在步骤S100中，冠脉血管三维模型，利用第一AI模型对患者的三维影像数据分割获得。最大充血态冠脉口压强，通过以下方式的其中一种获得：直接获得最大充血态冠脉口压强；获得静息态冠脉口压强，进而获得最大充血态冠脉口压强；获得收缩舒张压，进而依次获得静息态冠脉口压强、最大充血态冠脉口压强。
对于最大充血态冠脉口压强Pa：若数据输入模块输入的压力信息即为最大充血态冠脉口压强Pa，则直接以该输入值作为最终的压力边界条件。
若数据输入模块输入的压力信息为静息态冠脉口压强Pa_rest，则直接基于该输入值计算得到最终的压力边界条件Pa，计算公式为Pa = β* Pa_rest，其中β为充血压力转化系数，推荐取值范围0.8 ~ 0.9。
若数据输入的压力信息为收缩压SBP以及舒张压DBP，则首先基于该输入值计算得到静息态冠脉口压强Pa_rest，计算公式为Pa_rest = DBP + a * (SBP - DBP)，其中a为压力修正系数，推荐取值范围0.25 ~ 0.5。
相关数据还包含患者特异性的影像数据，影像数据可以是CTA、MRA或其他任一种三维影像数据，优选的三维影像数据为CTA影像。
相关数据还包含患者特异性的Bolus Tracking曲线数据（造影剂示踪曲线），图2为某实施例中Bolus Tracking曲线示意图。
二、模型重构及分段。用预先训练好的第一AI模型对输入的影像数据进行处理，得到冠脉系统分割结果，从而得到冠脉血管三维模型。第一AI模型输入为影像数据，输出为冠脉血管分割结果，冠脉血管三维模型包含主动脉、左右冠以及其余动脉分支（三维影像数据中可识别）。当然，在分割完成后，还可以利用其他预训练的模型，对冠脉血管三维模型的主动脉、左右冠以及其余动脉分支进行标记。如分别将冠脉血管三维模型相应位置标记为主动脉、左右冠脉。
按冠脉血管分割形成的拓扑结构将冠脉血管三维模型分解为单支血管以及分叉核两类并编号。具体地，得到冠脉血管三维模型后，利用3D细化或最大内切球方法计算得到冠脉血管中心线，并定位分叉点位置。基于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。按以上方案定位所有分叉核后，即可完成冠脉血管的分段。
图3为冠脉血管分段示意图，按拓扑结构将分叉核标记为K 1、K 2 ... K n，将单支血管标记为V ij，其中i、j分别为单支血管上、下游的分叉核编号。特别的，若单支血管仅仅对应一个分叉核k，则标记为V k-i，i为仅与该分叉核相连的血管编号。至此完成步骤S200中将冠脉血管三维模型划分为上下游依次连接的单支血管和分叉核的方法流程。
三、边界条件计算。包括已获得的最大充血态冠脉口压强Pa，现进一步获得最大充血态入口流量Q。获得最大充血态入口流量Q对应步骤S300。
在步骤S300中，利用造影剂示踪曲线的斜率、主动脉段的平均衰减斜率、主动脉段平均截面积获得主动脉流量，利用下式进行：
q = S * α/ TAG，式中，q为主动脉流量，S为主动脉段平均截面积，α为造影剂示踪曲线的斜率，TAG为主动脉段的平均衰减斜率。
利用主动脉流量获得最大充血态冠脉入口流量，利用下式进行：
Q = γ* b * q，式中，Q为最大充血态冠脉入口流量，γ为充血流量转化系数，推荐取值范围2 ~ 4，b为冠脉流量分配系数，推荐取值范围2% ~ 6%，q为主动脉流量。
需要解释的是，在主动脉测量得到的造影剂示踪曲线体现了测量点CT值随时间的变化关系，其斜率表征了CT值随时间的变化快慢，一定程度上反映了血流速度的大小。由于主动脉段平均血流速度变化较小，上下游不同位置的造影剂示踪曲线的斜率几乎无明显差异。另一方面，造影剂在血液中存在一定的耗散衰减，平均衰减斜率可以表征造影剂沿血流方向的衰减快慢。综上，造影剂示踪曲线的斜率表征CT值随时间的变化快慢，单位为HU/s，平均衰减斜率表征CT值随血管长度的变化快慢，单位为HU/mm，因此造影剂示踪曲线斜率与平均衰减斜率的比值可定量表征血流速度的大小。
四、流量分配，对应步骤S400。步骤S410对左右冠脉进行流量分配，包括：根据左右冠脉的血管长度以及分支密集程度，以相应的预设比例对左右冠脉进行流量分配。
进一步地，步骤S410，具体包括：利用第二AI模型对冠脉血管三维模型自动进行优势型判别，基于不同判别结果以相应的预设比例对左右冠脉进行流量分配，优势型类别包括左冠优势型、右冠优势型和均衡型。
将冠脉血管三维模型导入预先训练好的第二AI模型，对冠脉系统进行优势型分类。第二AI模型为三分类模型，输入为冠脉血管三维模型，输出为优势型分类结果。基于冠脉血管三维模型的优势型分类结果，对入口流量Q按不同的预设比例分配给左右冠，从而得到左冠总流量Q_left，以及右冠总流量Q_right。进而可以分别针对左冠分支和右冠分支进行流量的再分配。分别得到左右冠的总流量后，逐一在分叉核处对母血管进行流量分配。
具体地，记已知母血管流量为Q_parent，未知子血管1、2的流量分别为Q_daughter1、Q_daughter2。分叉核具有分叉核入口、分叉核第一出口和分叉核第二出口。首先，基于子血管1的衰减曲线计算得到平均衰减斜率TAG1，同理计算得到子血管2的平均衰减斜率TAG2。
步骤S420，根据各分叉核的入口流量、结合分叉核下游单支血管的平均衰减斜率，对各分叉核的出口流量进行再分配，具体利用下式进行：
Q_daughter1 = Q_parent * (TAG2 / (TAG1 + TAG2))
Q_daughter2 = Q_parent * (TAG1 / (TAG1 + TAG2))
式中，
Q_daughter1为分叉核第一出口处单支血管的流量
Q_daughter2为分叉核第二出口处单支血管的流量；
Q_parent为分叉核入口处单支血管的流量；
TAG1为分叉核第一出口处单支血管的平均衰减斜率；
TAG2为分叉核第二出口处单支血管的平均衰减斜率。
至此获得子血管1、2的流量（分叉核第一出口处单支血管、分叉核第二出口处单支血管的流量）。逐一在分叉核处按以上方式进行流量分配后，即可最终得到任一单支血管流量以及任一分叉核的入口、出口流量。图4为平均衰减斜率TAG计算示意图，不同单支血管的平均衰减斜率，可结合血管中心线和冠脉三维影像数据获得。
五、血流动力学模拟，对应步骤S500。在步骤S510中，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，则可计算获得该单支血管对应的血流时间。获得各单支血管的血流时间，对于其中一个单支血管，利用下式进行：
式中，为单支血管的血流时间，Si为单支血管每个离散节段的平均截面积，Li为单支血管每个离散节段的长度，/>为单支血管的流量。
在步骤S510中，获得各单支血管的压降，对于其中一个单支血管，利用下式进行：
式中，为单支血管的压降，/>为单支血管的流量，已在流量分配的过程中获得，k1为粘性损失系数，k2为狭窄损失系数，k3为伯努利损失系数，三个系数可进行适应性调整和确认，在此不再赘述。
在步骤S520中，获得各分叉核的血流时间，对于其中一个分叉核，利用下式进行：
T_daughter1 = L_daughter1 / V_daughter1
T_daughter2 = L_daughter2 / V_daughter2
V_daughter1 = 0.5* (Q_parent / S_parent + Q_daughter1 / S_daughter1 )
V_daughter2 = 0.5* (Q_parent / S_parent + Q_daughter2 / S_daughter2 )
式中，
T_daughter1、T_daughter2，为分叉核入口到分叉核第一出口、分叉核第二出口的血流时间；
L_daughter1、L_daughter2，为分叉核入口到分叉核第一出口、分叉核第二出口的血管中心线长度；
V_daughter1、V_daughter2，为分叉核入口到分叉核第一出口、分叉核第二出口的平均血流速度；
Q_parent，为分叉核入口处单支血管的流量；
S_parent，为分叉核入口处的截面积；
S_daughter1、S_daughter2，为分叉核第一出口、分叉核第二出口的截面积；
Q_daughter1、Q_daughter2，为分叉核第一出口处、分叉核第二出口处单支血管的流量。
在步骤S520中，获得各分叉核的压降，通过下式进行。
式中，
为分叉核入口至分叉核第一出口的压降；
为分叉核入口至分叉核第二出口的压降；
为血液密度；
θ 1、θ 2分别为分叉核入口相对于分叉核第一出口、分叉核入口相对于分叉核第二出口的方向夹角。
u1、u2分别为分叉核第一出口、分叉核第二出口血流速度，即：
u1= Q_daughter1 / S_daughter1
u2= Q_daughter2 / S_daughter2
S1、S2分别为分叉核入口与分叉核第一出口、分叉核第二出口的截面积比值，即：
S1= S_parent / S_daughter1
S2= S_parent / S_daughter2
S_parent，为分叉核入口处的截面积，S_daughter1、S_daughter2，分别为分叉核第一出口、分叉核第二出口的截面积。
Q1、Q2分别为分叉核入口流量与分叉核第一出口、分叉核第二出口流量的比值，即：
Q1= Q_parent / Q_daughter1
Q2= Q_parent / Q_daughter2
Q_parent，为分叉核入口处单支血管的流量，Q_daughter1、Q_daughter2，分别为分叉核第一出口处、分叉核第二出口处单支血管的流量。
步骤S540，进而获得冠脉功能学参数，具体包括获得血流储备分数和微循环阻力指数。
获得血流储备分数：FFR = (Pa - DP) / Pa，式中，FFR为血流储备分数，Pa为最大充血态冠脉口压强，DP为测量点上游所有单支血管、分叉核的总压降；
获得微循环阻力指数：IMR = (Pa - DP) * Tmn，式中，IMR为微循环阻力指数，Pa为最大充血态冠脉口压强，DP为测量点上游所有单支血管、分叉核的总压降，Tmn为测量点上游所有单支血管、分叉核的总血流时间。
在血流动力学模拟过程中，已获得所有单支血管、分叉核所对应的血流时间以及压降信息。对于冠脉血管三维模型的任一出口，按拓扑结构（单支血管、分叉核编号信息）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，即可获得出口的总血流时间，以及总压降。
逐一对冠脉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FFR值以及IMR值，从而实现对冠脉系统的功能学分析。
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5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基于造影剂示踪曲线获得冠脉功能学参数的方法。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，提供了一种计算机设备，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：
本申请一实施例中提供一种基于造影剂示踪曲线获得冠脉功能学参数的方法，包括步骤S100～步骤S500。其中：
步骤S100，获得造影剂示踪曲线、最大充血态冠脉口压强、冠脉血管三维模型及其血管中心线，冠脉血管三维模型包括主动脉段、左右冠脉和其余动脉分支；
步骤S200，依据血管中心线将冠脉血管三维模型划分为上下游依次连接的单支血管和分叉核，基于主动脉段、各单支血管的造影剂衰减曲线，获得对应的平均衰减斜率；
步骤S300，利用造影剂示踪曲线的斜率、主动脉段的平均衰减斜率、主动脉段平均截面积获得主动脉流量，利用主动脉流量获得最大充血态冠脉入口流量；
步骤S400，对左右冠脉进行流量分配，根据各分叉核的入口流量、结合分叉核下游单支血管的平均衰减斜率，对各分叉核的出口流量进行再分配，获得各单支血管的流量；
步骤S500，获得各单支血管的血流时间和压降，获得各分叉核的血流时间和压降，进而获得冠脉血管的总血流时间和总压降，进而获得冠脉功能学参数。
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 (10)
1.基于造影剂示踪曲线获得冠脉功能学参数的方法，其特征在于，包括：
获得造影剂示踪曲线、最大充血态冠脉口压强、冠脉血管三维模型及其血管中心线，所述冠脉血管三维模型包括主动脉段、左右冠脉和其余动脉分支；
依据所述血管中心线将所述冠脉血管三维模型划分为上下游依次连接的单支血管和分叉核，基于主动脉段、各单支血管的造影剂衰减曲线，获得对应的平均衰减斜率；
利用造影剂示踪曲线的斜率、主动脉段的平均衰减斜率、主动脉段平均截面积获得主动脉流量，利用主动脉流量获得最大充血态冠脉入口流量；
对所述左右冠脉进行流量分配，根据各分叉核的入口流量、结合分叉核下游单支血管的平均衰减斜率，对各分叉核的出口流量进行再分配，获得各单支血管的流量；
获得各单支血管的血流时间和压降，获得各分叉核的血流时间和压降，进而获得冠脉血管的总血流时间和总压降，进而获得冠脉功能学参数。
2.如权利要求1所述的基于造影剂示踪曲线获得冠脉功能学参数的方法，其特征在于，所述最大充血态冠脉口压强，通过以下方式的其中一种获得：
直接获得最大充血态冠脉口压强；
获得静息态冠脉口压强，进而获得最大充血态冠脉口压强；
获得收缩舒张压，进而依次获得静息态冠脉口压强、最大充血态冠脉口压强；
获得收缩舒张压，进而获得静息态冠脉口压强，通过下式进行：
Pa_rest = DBP + a * (SBP - DBP)，其中Pa_rest为静息态冠脉口压强，DBP为舒张压，SBP为收缩压，a为压力修正系数。
3.如权利要求1所述的基于造影剂示踪曲线获得冠脉功能学参数的方法，其特征在于，所述冠脉血管三维模型，利用第一AI模型对患者的三维影像数据分割获得；
对所述左右冠脉进行流量分配，具体包括：根据左右冠脉的血管长度以及分支密集程度，利用第二AI模型对所述冠脉血管三维模型自动进行优势型判别，基于不同判别结果以相应的预设比例对所述左右冠脉进行流量分配，所述优势型类别包括左冠优势型、右冠优势型以及均衡型。
4.如权利要求1所述的基于造影剂示踪曲线获得冠脉功能学参数的方法，其特征在于，利用造影剂示踪曲线的斜率、主动脉段的平均衰减斜率、主动脉段平均截面积获得主动脉流量，利用下式进行：
q = S * α/ TAG，式中，q为主动脉流量，S为主动脉段平均截面积，α为造影剂示踪曲线的斜率，TAG为主动脉段的平均衰减斜率；
利用主动脉流量获得最大充血态冠脉入口流量，利用下式进行：
Q = γ* b * q，式中，Q为最大充血态冠脉入口流量，γ为充血流量转化系数，b为冠脉流量分配系数，q为主动脉流量。
5.如权利要求1所述的基于造影剂示踪曲线获得冠脉功能学参数的方法，其特征在于，分叉核具有分叉核入口、分叉核第一出口和分叉核第二出口；
根据各分叉核的入口流量、结合分叉核下游单支血管的平均衰减斜率，对各分叉核的出口流量进行再分配，具体利用下式进行：
Q_daughter1 = Q_parent * (TAG2 / (TAG1 + TAG2))
Q_daughter2 = Q_parent * (TAG1 / (TAG1 + TAG2))
式中，
Q_daughter1为分叉核第一出口处单支血管的流量
Q_daughter2为分叉核第二出口处单支血管的流量；
Q_parent为分叉核入口处单支血管的流量；
TAG1为分叉核第一出口处单支血管的平均衰减斜率；
TAG2为分叉核第二出口处单支血管的平均衰减斜率。
6.如权利要求1所述的基于造影剂示踪曲线获得冠脉功能学参数的方法，其特征在于，获得各单支血管的血流时间，对于其中一个单支血管，利用下式进行：
式中，为单支血管的血流时间，Si为单支血管每个离散节段的平均截面积，Li为单支血管每个离散节段的长度，/>为单支血管的流量；
获得各单支血管的压降，对于其中一个单支血管，利用下式进行：
式中，为单支血管的压降，/>为单支血管的流量，k1为粘性损失系数，k2为狭窄损失系数，k3为伯努利损失系数。
7.如权利要求1所述的基于造影剂示踪曲线获得冠脉功能学参数的方法，其特征在于，分叉核具有分叉核入口、分叉核第一出口和分叉核第二出口；
获得各分叉核的血流时间，对于其中一个分叉核，利用下式进行：
T_daughter1 = L_daughter1 / V_daughter1
T_daughter2 = L_daughter2 / V_daughter2
V_daughter1 = 0.5* (Q_parent / S_parent + Q_daughter1 / S_daughter1 )
V_daughter2 = 0.5* (Q_parent / S_parent + Q_daughter2 / S_daughter2 )
式中，
T_daughter1、T_daughter2，为分叉核入口到分叉核第一出口、分叉核第二出口的血流时间；
L_daughter1、L_daughter2，为分叉核入口到分叉核第一出口、分叉核第二出口的血管中心线长度；
V_daughter1、V_daughter2，为分叉核入口到分叉核第一出口、分叉核第二出口的平均血流速度；
Q_parent，为分叉核入口处单支血管的流量；
S_parent，为分叉核入口处的截面积；
S_daughter1、S_daughter2，为分叉核第一出口、分叉核第二出口的截面积；
Q_daughter1、Q_daughter2，为分叉核第一出口处、分叉核第二出口处单支血管的流量。
8.如权利要求1所述的基于造影剂示踪曲线获得冠脉功能学参数的方法，其特征在于，获得各分叉核的压降，通过下式进行：
式中，
为分叉核入口至分叉核第一出口的压降；
为分叉核入口至分叉核第二出口的压降；
为血液密度；
θ 1、θ 2分别为分叉核入口相对于分叉核第一出口、分叉核入口相对于分叉核第二出口的方向夹角；
u1、u2分别为分叉核第一出口、分叉核第二出口血流速度：
u1 = Q_daughter1 / S_daughter1
u2= Q_daughter2 / S_daughter2
Q_daughter1、Q_daughter2，分别为分叉核第一出口处、分叉核第二出口处单支血管的流量，S_daughter1、S_daughter2，分别为分叉核第一出口、分叉核第二出口的截面积；
S1、S2分别为分叉核入口与分叉核第一出口、分叉核第二出口的截面积比值：
S1 = S_parent / S_daughter1
S2 = S_parent / S_daughter2
S_parent，为分叉核入口处的截面积；
Q1、Q2分别为分叉核入口流量与分叉核第一出口、分叉核第二出口流量的比值：
Q1= Q_parent / Q_daughter1
Q2 = Q_parent / Q_daughter2
Q_parent，为分叉核入口处单支血管的流量。
9.如权利要求1所述的基于造影剂示踪曲线获得冠脉功能学参数的方法，其特征在于，进而获得冠脉功能学参数，具体包括：
获得血流储备分数：FFR = (Pa - DP) / Pa，式中，FFR为血流储备分数，Pa为最大充血态冠脉口压强，DP为测量点上游所有单支血管、分叉核的总压降；
获得微循环阻力指数：IMR = (Pa - DP) * Tmn，式中，IMR为微循环阻力指数，Pa为最大充血态冠脉口压强，DP为测量点上游所有单支血管、分叉核的总压降，Tmn为测量点上游所有单支血管、分叉核的总血流时间。
10.计算机设备，包括存储器、处理器及存储在存储器上的计算机程序，其特征在于，所述处理器执行所述计算机程序以实现权利要求1～9任一项所述的基于造影剂示踪曲线获得冠脉功能学参数的方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410385284.4A CN117976155B (zh) | 2024-04-01 | 2024-04-01 | 基于造影剂示踪曲线获得冠脉功能学参数的方法、计算机设备 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410385284.4A CN117976155B (zh) | 2024-04-01 | 2024-04-01 | 基于造影剂示踪曲线获得冠脉功能学参数的方法、计算机设备 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN117976155A true CN117976155A (zh) | 2024-05-03 |
| CN117976155B CN117976155B (zh) | 2024-07-26 |
Family
ID=90853577
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202410385284.4A Active CN117976155B (zh) | 2024-04-01 | 2024-04-01 | 基于造影剂示踪曲线获得冠脉功能学参数的方法、计算机设备 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117976155B (zh) |
Citations (13)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20090101498A1 (en) * | 2007-10-22 | 2009-04-23 | University Of Connecticut | Glucose sensors and methods of manufacture thereof |
| US20160249874A1 (en) * | 2015-02-27 | 2016-09-01 | Siemens Aktiengesellschaft | Determining the velocity of a fluid with the aid of an imaging method |
| CN108186038A (zh) * | 2018-02-11 | 2018-06-22 | 杭州脉流科技有限公司 | 基于动脉造影影像计算冠脉血流储备分数的系统 |
| CN110546646A (zh) * | 2017-03-24 | 2019-12-06 | 帕伊医疗成像有限公司 | 用于基于机器学习来评估血管阻塞的方法和系统 |
| CN111655121A (zh) * | 2017-09-19 | 2020-09-11 | 康福乐医疗公司 | 微血管阻塞(mvo)和心肌梗死的冠状动脉内表征 |
| 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 |
| US20220092784A1 (en) * | 2019-04-15 | 2022-03-24 | Pulse Medical Imaging Technology (Shanghai) Co.Ltd. | Method and apparatus for acquiring blood flow volume and blood flow velocity of coronary artery |
| US20220288227A1 (en) * | 2021-03-15 | 2022-09-15 | The Trustees Of The University Of Pennsylvania | Ultrasound Responsive Microbubbles And Related Methods |
| US20230128130A1 (en) * | 2020-12-15 | 2023-04-27 | Shandong University | Method and system for 3d reconstruction of coronary artery based on vascular branch registration |
| CN116035549A (zh) * | 2022-11-23 | 2023-05-02 | 杭州脉流科技有限公司 | 获得冠脉血流储备分数的方法和计算机设备 |
| CN116548943A (zh) * | 2023-05-10 | 2023-08-08 | 复旦大学附属中山医院 | 一种冠脉血流储备的分段计算系统及方法 |
| CN116649925A (zh) * | 2023-07-28 | 2023-08-29 | 杭州脉流科技有限公司 | 颅内动脉狭窄功能学评估的方法和装置 |
| WO2024022855A1 (en) * | 2022-07-26 | 2024-02-01 | Koninklijke Philips N.V. | Blood flow parameters |
-
2024
- 2024-04-01 CN CN202410385284.4A patent/CN117976155B/zh active Active
Patent Citations (14)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20090101498A1 (en) * | 2007-10-22 | 2009-04-23 | University Of Connecticut | Glucose sensors and methods of manufacture thereof |
| US20160249874A1 (en) * | 2015-02-27 | 2016-09-01 | Siemens Aktiengesellschaft | Determining the velocity of a fluid with the aid of an imaging method |
| CN105919616A (zh) * | 2015-02-27 | 2016-09-07 | 西门子股份公司 | 借助成像方法来确定流体的速度 |
| CN110546646A (zh) * | 2017-03-24 | 2019-12-06 | 帕伊医疗成像有限公司 | 用于基于机器学习来评估血管阻塞的方法和系统 |
| CN111655121A (zh) * | 2017-09-19 | 2020-09-11 | 康福乐医疗公司 | 微血管阻塞(mvo)和心肌梗死的冠状动脉内表征 |
| CN108186038A (zh) * | 2018-02-11 | 2018-06-22 | 杭州脉流科技有限公司 | 基于动脉造影影像计算冠脉血流储备分数的系统 |
| US20220092784A1 (en) * | 2019-04-15 | 2022-03-24 | Pulse Medical Imaging Technology (Shanghai) Co.Ltd. | Method and apparatus for acquiring blood flow volume and blood flow velocity of coronary artery |
| US20230128130A1 (en) * | 2020-12-15 | 2023-04-27 | Shandong University | Method and system for 3d reconstruction of coronary artery based on vascular branch registration |
| US20220288227A1 (en) * | 2021-03-15 | 2022-09-15 | The Trustees Of The University Of Pennsylvania | Ultrasound Responsive Microbubbles And Related Methods |
| 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 |
| WO2024022855A1 (en) * | 2022-07-26 | 2024-02-01 | Koninklijke Philips N.V. | Blood flow parameters |
| CN116035549A (zh) * | 2022-11-23 | 2023-05-02 | 杭州脉流科技有限公司 | 获得冠脉血流储备分数的方法和计算机设备 |
| CN116548943A (zh) * | 2023-05-10 | 2023-08-08 | 复旦大学附属中山医院 | 一种冠脉血流储备的分段计算系统及方法 |
| CN116649925A (zh) * | 2023-07-28 | 2023-08-29 | 杭州脉流科技有限公司 | 颅内动脉狭窄功能学评估的方法和装置 |
Non-Patent Citations (2)
| Title |
|---|
| 柏战;王宗方;何有权;沈娟;: "冠脉血流储备分数在冠心病介入治疗中的研究进展", 承德医学院学报, no. 03, 15 June 2017 (2017-06-15) * |
| 霍勇;李占全;何奔;陈绍良;于波;李康;王东琦;傅国胜;王宁夫;马根山;杨志健;王建安;沈向前;齐国先;曲鹏;曹雪滨;马依彤;李保;郑强荪;董平栓;蔡尚郎;: "国产Partner冠状动脉支架治疗冠心病的疗效及临床随访", 中国介入心脏病学杂志, no. 05, 27 October 2008 (2008-10-27) * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN117976155B (zh) | 2024-07-26 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US20210219935A1 (en) | Data-driven plaque determination in medical imaging | |
| US11653833B2 (en) | System and methods for estimation of blood flow characteristics using reduced order model and machine learning | |
| US10522254B2 (en) | Methods and systems for predicting sensitivity of blood flow calculations to changes in anatomical geometry | |
| CN107427268B (zh) | 用于基于纯几何机器学习的血流储备分数的方法和系统 | |
| Marlevi et al. | Estimation of cardiovascular relative pressure using virtual work-energy | |
| 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 | |
| CN116649925B (zh) | 颅内动脉狭窄功能学评估的方法和装置 | |
| US11600379B2 (en) | Systems and methods for generating classifying and quantitative analysis reports of aneurysms from medical image data | |
| CN112749521A (zh) | 血流动力学指标数据的处理方法和系统 | |
| CN110664524A (zh) | 用于引导血管中的支架植入的装置、系统和介质 | |
| CN115409859A (zh) | 冠状动脉血管图像分割方法及装置、存储介质和终端 | |
| CN116013533A (zh) | 冠脉的血流动力学评估模型的训练方法、评估方法及系统 | |
| CN117976155B (zh) | 基于造影剂示踪曲线获得冠脉功能学参数的方法、计算机设备 | |
| Małota et al. | The comparative method based on coronary computed tomography angiography for assessing the hemodynamic significance of coronary artery stenosis | |
| Meuschke et al. | Aneulysis–a system for the visual analysis of aneurysm data | |
| CN114298988B (zh) | 计算血管功能学指标的方法、装置、存储介质及处理器 | |
| CN113660900A (zh) | 用于确定修改的血流储备分数值的系统和方法 | |
| CN117058328B (zh) | 冠状动脉血管树分级方法、设备、存储介质和程序产品 | |
| CN112487342B (zh) | 精确获取狭窄病变区间的方法、系统及存储介质 | |
| Eulzer et al. | Instantaneous Visual Analysis of Blood Flow in Stenoses Using Morphological Similarity | |
| CN117314836A (zh) | 血流储备分数计算方法、装置、设备及存储介质 | |
| Tanade et al. | Establishing the longitudinal hemodynamic mapping framework for wearable-driven coronary digital twins | |
| CN117530713A (zh) | 基于狭窄冠状动脉和修复冠状动脉之间流量比计算ct-ffr的方法 | |
| CN117744511A (zh) | 基于单根心外膜冠状动脉重建的ct-ffr仿真计算方法 | |
| Tanade et al. | HarVI: Real-Time Intervention Planning for Coronary Artery Disease Using Machine Learning |
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 |