DE102010039312A1 - Verfahren zur Simulation eines Blutflusses - Google Patents
Verfahren zur Simulation eines Blutflusses Download PDFInfo
- Publication number
- DE102010039312A1 DE102010039312A1 DE102010039312A DE102010039312A DE102010039312A1 DE 102010039312 A1 DE102010039312 A1 DE 102010039312A1 DE 102010039312 A DE102010039312 A DE 102010039312A DE 102010039312 A DE102010039312 A DE 102010039312A DE 102010039312 A1 DE102010039312 A1 DE 102010039312A1
- Authority
- DE
- Germany
- Prior art keywords
- vessel
- blood flow
- angiography
- measure
- virtual
- 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
- 238000000034 method Methods 0.000 title claims abstract description 45
- 230000017531 blood circulation Effects 0.000 title claims abstract description 44
- 238000004088 simulation Methods 0.000 claims abstract description 53
- 238000002583 angiography Methods 0.000 claims abstract description 47
- 239000002872 contrast media Substances 0.000 claims abstract description 12
- 238000005457 optimization Methods 0.000 claims abstract description 8
- 238000001514 detection method Methods 0.000 claims abstract 2
- 206010002329 Aneurysm Diseases 0.000 claims description 16
- 239000008280 blood Substances 0.000 claims description 13
- 210000004369 blood Anatomy 0.000 claims description 13
- 239000008141 laxative Substances 0.000 claims description 8
- 230000002475 laxative effect Effects 0.000 claims description 8
- GNFTZDOKVXKIBK-UHFFFAOYSA-N 3-(2-methoxyethoxy)benzohydrazide Chemical compound COCCOC1=CC=CC(C(=O)NN)=C1 GNFTZDOKVXKIBK-UHFFFAOYSA-N 0.000 claims description 6
- YTAHJIFKAKIKAV-XNMGPUDCSA-N [(1R)-3-morpholin-4-yl-1-phenylpropyl] N-[(3S)-2-oxo-5-phenyl-1,3-dihydro-1,4-benzodiazepin-3-yl]carbamate Chemical compound O=C1[C@H](N=C(C2=C(N1)C=CC=C2)C1=CC=CC=C1)NC(O[C@H](CCN1CCOCC1)C1=CC=CC=C1)=O YTAHJIFKAKIKAV-XNMGPUDCSA-N 0.000 claims description 3
- 230000011218 segmentation Effects 0.000 claims description 3
- 238000012937 correction Methods 0.000 claims description 2
- 238000011156 evaluation Methods 0.000 abstract description 3
- 238000012986 modification Methods 0.000 abstract 1
- 230000004048 modification Effects 0.000 abstract 1
- 230000002792 vascular Effects 0.000 description 10
- 201000008450 Intracranial aneurysm Diseases 0.000 description 9
- 230000000004 hemodynamic effect Effects 0.000 description 6
- 239000012530 fluid Substances 0.000 description 5
- 230000008569 process Effects 0.000 description 4
- 238000011160 research Methods 0.000 description 4
- 230000008859 change Effects 0.000 description 3
- 238000005094 computer simulation Methods 0.000 description 3
- 239000007943 implant Substances 0.000 description 3
- 230000006872 improvement Effects 0.000 description 3
- 238000011158 quantitative evaluation Methods 0.000 description 3
- 229910021417 amorphous silicon Inorganic materials 0.000 description 2
- 238000013459 approach Methods 0.000 description 2
- 210000004204 blood vessel Anatomy 0.000 description 2
- 210000004556 brain Anatomy 0.000 description 2
- 230000001419 dependent effect Effects 0.000 description 2
- 238000003384 imaging method Methods 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 238000010606 normalization Methods 0.000 description 2
- 238000000917 particle-image velocimetry Methods 0.000 description 2
- 230000036285 pathological change Effects 0.000 description 2
- 231100000915 pathological change Toxicity 0.000 description 2
- 230000001575 pathological effect Effects 0.000 description 2
- 230000002123 temporal effect Effects 0.000 description 2
- 238000010200 validation analysis Methods 0.000 description 2
- BUHVIAUBTBOHAG-FOYDDCNASA-N (2r,3r,4s,5r)-2-[6-[[2-(3,5-dimethoxyphenyl)-2-(2-methylphenyl)ethyl]amino]purin-9-yl]-5-(hydroxymethyl)oxolane-3,4-diol Chemical compound COC1=CC(OC)=CC(C(CNC=2C=3N=CN(C=3N=CN=2)[C@H]2[C@@H]([C@H](O)[C@@H](CO)O2)O)C=2C(=CC=CC=2)C)=C1 BUHVIAUBTBOHAG-FOYDDCNASA-N 0.000 description 1
- 208000007536 Thrombosis Diseases 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 230000000740 bleeding effect Effects 0.000 description 1
- 210000000746 body region Anatomy 0.000 description 1
- 230000002490 cerebral effect Effects 0.000 description 1
- 230000003111 delayed effect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 239000003814 drug Substances 0.000 description 1
- 238000000338 in vitro Methods 0.000 description 1
- 238000001727 in vivo Methods 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 230000008338 local blood flow Effects 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 230000008506 pathogenesis Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 210000005166 vasculature Anatomy 0.000 description 1
Images
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
- A61B6/44—Constructional features of apparatus for radiation diagnosis
- A61B6/4429—Constructional features of apparatus for radiation diagnosis related to the mounting of source units and detector units
- A61B6/4435—Constructional features of apparatus for radiation diagnosis related to the mounting of source units and detector units the source unit and the detector unit being coupled by a rigid structure
- A61B6/4441—Constructional features of apparatus for radiation diagnosis related to the mounting of source units and detector units the source unit and the detector unit being coupled by a rigid structure the rigid structure being a C-arm or U-arm
-
- 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
- A61B6/44—Constructional features of apparatus for radiation diagnosis
- A61B6/4429—Constructional features of apparatus for radiation diagnosis related to the mounting of source units and detector units
- A61B6/4458—Constructional features of apparatus for radiation diagnosis related to the mounting of source units and detector units the source unit or the detector unit being attached to robotic arms
-
- 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
- A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
- A61B6/50—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment specially adapted for specific body parts; specially adapted for specific clinical applications
- A61B6/504—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment specially adapted for specific body parts; specially adapted for specific clinical applications for diagnosis of blood vessels, e.g. by angiography
-
- 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
- A61B6/50—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment specially adapted for specific body parts; specially adapted for specific clinical applications
- A61B6/507—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment specially adapted for specific body parts; specially adapted for specific clinical applications for determination of haemodynamic parameters, e.g. perfusion CT
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Medical Informatics (AREA)
- Pathology (AREA)
- Heart & Thoracic Surgery (AREA)
- Veterinary Medicine (AREA)
- Biophysics (AREA)
- High Energy & Nuclear Physics (AREA)
- Public Health (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Optics & Photonics (AREA)
- General Health & Medical Sciences (AREA)
- Radiology & Medical Imaging (AREA)
- Biomedical Technology (AREA)
- Physics & Mathematics (AREA)
- Molecular Biology (AREA)
- Surgery (AREA)
- Animal Behavior & Ethology (AREA)
- Dentistry (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Vascular Medicine (AREA)
- Automation & Control Theory (AREA)
- Robotics (AREA)
- Apparatus For Radiation Diagnosis (AREA)
- Magnetic Resonance Imaging Apparatus (AREA)
Abstract
Die Erfindung betrifft ein Verfahren zur Simulation eines Blutflusses in einem Gefäßsegment eines Patienten bei angiographischen Untersuchungen, mittels einer Röntgendiagnostikeinrichtung mit einem Röntgenstrahler (3) und einem Röntgenbilddetektor (4), einem Patientenlagerungstisch (5) und einer Systemsteuerungseinheit (7), wobei eine Bildaufnahme eines das Gefäßsegment umfassenden Untersuchungsbereichs gewonnen wird, aus der Bildaufnahme ein 3-D-Gefäßmodell ermittelt wird, eine Anzahl von Blutflussparametern eingelesen wird, unter Einbeziehung dieser Blutflussparameter der Blutfluss in dem 3-D-Gefäßmodell simuliert wird mit folgenden Schritten: a) Aufnahme eines 3-D-Bilddatensatzes eines das Gefäßsegment (20) umfassenden Untersuchungsbereichs zur Erzeugung eines 3-D-Rekonstruktionsbildes des Untersuchungsbereichs, b) Generierung eines 3-D-Gefäßmodells aus dem 3-D-Bilddatensatz, c) Erfassung einer Kontrastmittel-Propagierung in dem Untersuchungsbereich mittels dynamischer 2-D-Angiographie-Verfahren zur Erzeugung von realen 2-D-Angiographieaufnahmen, d) Eingabe wenigstens eines Blutflussparameters, e) Start einer CFD-Simulation des Blutflusses in dem 3-D-Gefäßmodell unter Einbeziehung des wenigstens einen Blutflussparameters, f) Generierung von virtuellen 2-D-Angiographieaufnahmen aus den Ergebnissen der CFD-Simulation, g) Ermittelung eines Übereinstimmungsmaßes (Bi,j) zwischen den realen und den virtuellen 2-D-Angiographieaufnahmen aus identischer Angulation und angepasster Aufnahmegeometrie des individuellen Patienten, h) Vergleich des Übereinstimmungsmaßes (Bi,j) mit vorgebaren Toleranzwerten, i) iterative Optimierung der CFD-Simulation unter Veränderung des wenigstens einen Blutflussparameters in Abhängigkeit von dem Vergleich gemäß Schritt h) und j) Ausgabe des Übereinstimmungsmaßes (Bi,j) zur Bewertung der Übereinstimmung der virtuellen und der realen Angiographie.
Description
- Die Erfindung betrifft ein Verfahren zur Simulation eines Blutflusses in einem Gefäßsegment eines Patienten bei angiographischen Untersuchungen mittels einer Röntgendiagnostikeinrichtung mit einem Röntgenstrahler und einem Röntgenbilddetektor, einem Patientenlagerungstisch und einer Systemsteuerungseinheit, wobei eine Bildaufnahme eines das Gefäßsegment umfassenden Untersuchungsbereichs gewonnen wird, aus der Bildaufnahme ein 3-D-Gefäßmodell ermittelt wird, eine Anzahl von Blutflussparametern eingelesen wird, unter Einbeziehung dieser Blutflussparameter der Blutfluss in dem 3-D-Gefäßmodell simuliert wird.
- ”Computational Fluid Dynamics”, kurz auch CFD genannt, ist ein Verfahren, um den Blutfluss in einem Gefäßabschnitt oder Gefäßsegment eines Blutgefäßes zu simulieren, welcher eine pathologische, also eine krankhafte Veränderung beinhaltet. Eine derartige pathologische Veränderung des Gefäßabschnitts liegt beispielsweise in Form eines Aneurysmas, also einer krankhaften, örtlich begrenzten, häufig sackartigen Erweiterung vor. Ein Aneurysma kann insbesondere in einem Blutgefäß im Bereich des Gehirns oder des Herzens auftreten; jedoch ist das Auftreten eines Aneurysmas im Allgemeinen nicht auf eine spezielle Körperregion begrenzt. Die klinische Bedeutsamkeit eines Aneurysmas, welches beispielsweise im Gehirn lokalisiert ist, besteht insbesondere aufgrund der Gefahr einer Ruptur, also einer Riss- oder Bruchbildung, die beispielsweise zu Einblutungen und Thrombosen führen kann. Die Dynamik des Blutflusses in einem Aneurysma wird in der heutigen Medizin häufig als ein wichtiger Faktor für die Pathogenese des Aneurysmas, also für dessen Entstehung und Entwicklung, erachtet.
- Diese Simulation des Blutflusses durch CFD-Verfahren vermittelt eine dreidimensionale Verteilung der Flussparameter, wie beispielsweise WSS (Wall Shear Stress, Wandschubspannung), entlang der Oberfläche des Gefäßlumens.
- In der
DE 10 2008 014 792 B3 ist ein derartiges Verfahren zur Simulation eines Blutflusses in einem Gefäßabschnitt beschrieben, wobei eine Bildaufnahme eines den Gefäßabschnitt umfassenden Gefäßbereichs gewonnen wird, aus der Bildaufnahme ein 3-D-Gefäßabschnittsmodell ermittelt wird, eine Anzahl von Blutflussparametern eingelesen wird, unter Einbeziehung des oder jeden Blutflussparameters der Blutfluss in dem Gefäßabschnittsmodell simuliert wird und eine Anzahl von hämodynamischen Parametern ausgegeben wird. Dabei ist vorgesehen, dass die Bildaufnahme mit einem in dem Gefäßabschnitt eingesetzten Implantat derart gewonnen wird, dass Bilddaten des Implantats umfasst sind, und dass das 3-D-Gefäßabschnittsmodell unter Berücksichtigung der Bilddaten des eingesetzten Implantats ermittelt wird. Weiter wird eine entsprechende Vorrichtung zur Simulation eines Blutflusses in einem Gefäßabschnitt angegeben. - Wie aus dem Artikel "Image-Based Computational Simulation of Flow Dynamics in a Giant Intracranial Aneurysm" von D. A. Steinmann et al. [1] bekannt ist, wird eine Anzahl von sogenannten hämodynamischen Parametern in Zusammenhang mit einem Wachstum und einem Bruch des Aneurysmas gebracht. Unter einem hämodynamischen Parameter wird insbesondere ein Parameter verstanden, der eine Hämodynamik, also eine Strömungsmechanik des Blutes, betrifft. In dem genannten Artikel werden als hämodynamische Parameter unter anderem ein Druck, eine die Gefäßwand betreffende Spannung und Scherspannung, sowie eine Flussrate genannt. Um auf derartige hämodynamische Parameter zu schließen, wird beispielsweise der Blutfluss in einem Gefäßabschnitt, welcher beispielsweise das Aneurysma umfasst, simuliert.
- In diesem Artikel von D. A. Steinmann et al. [1] wird dazu aus einer 3-D-Bildaufnahme, welche mittels einer Rotationsangiographie gewonnen wurde, ein 3-D-Gefäßabschnittsmodell ermittelt. Der Blutfluss in dem 3-D-Gefäßabschnittsmodell wird mittels des CFD-Verfahrens simuliert. Die Simulation wird hier unter der Annahme starrer Gefäßwände und einer konstanten Blutviskosität durchgeführt. CFD ist ein Verfahren der numerischen Strömungssimulation. Die in der numerischen Strömungsmechanik benutzten Modellgleichungen basieren meist auf einer Navier-Stokes-Gleichung, auf einer Euler- oder auf einer Potentialgleichung.
- Dieses Verfahren zur Blutflusssimulation wird heute in einer Vielzahl experimenteller Studien eingesetzt. Eine wesentliche Einschränkung besteht darin, dass in dieser speziellen Anwendung am Menschen nicht alle für die Simulation notwendigen Randbedingungen patientenindividuell ausreichend genau bekannt sind. Daher ist eine Validierung des Verfahrens schwierig und bisher nicht erfolgt.
- Dies bedeutet, dass die resultierenden Strömungsergebnisse für den individuellen Patienten falsch sein können. Wesentliche Randbedingungen sind hier die Geometrie des Gefäßabschnittes mit Aneurysma, die sich zeitlich ändernden Zufluss- und Abflusswerte des Blutes (Geschwindigkeit, Volumen, ...), die Bluteigenschaften und die lokalen elastischen Eigenschaften der Gefäßwand.
- Zur Durchführung einer derartigen Rotationsangiographie zur Erzeugung von 3-D-Bildaufnahmen, um ein 3-D-Gefäßabschnittsmodell zu erhalten, werden Röntgensysteme eingesetzt, deren typische wesentliche Merkmale beispielsweise mindestens ein C-Bogen, der robotergesteuert sein kann und an dem eine Röntgenröhre und ein Röntgenbilddetektor angebracht sind, ein Patientenlagerungstisch, ein Hochspannungsgenerator zur Erzeugung der Röhrenspannung, eine Systemsteuerungseinheit und ein Bildgebungssystem inklusive mindestens eines Monitors sein können.
- Ein derartiges in der
1 als Beispiel dargestelltes typisches Röntgensystem mit Roboter-montiertem C-Bogen weist beispielsweise einen an einem Ständer in Form eines sechsachsigen Industrie- oder Knickarmroboters1 drehbar gelagerten C-Bogen2 auf, an dessen Enden eine Röntgenstrahlungsquelle, beispielsweise ein Röntgenstrahler3 mit Röntgenröhre und Kollimator, und ein Röntgenbilddetektor4 als Bildaufnahmeeinheit angebracht sind. - Generell sind auch CTA und MRA geeignet um die 3-D-Modelle zu erzeugen. Der Vorteil bei C-Bogen-Systemen liegt darin, dass gegebenenfalls die 2-D-Aufnahmen intrinsisch registriert sind. Ansonsten ist dies bei allen Modalitäten zu tun.
- Mittels des beispielsweise aus der
US 7,500,784 B2 bekannten Knickarmroboters1 , welcher bevorzugt sechs Drehachsen und damit sechs Freiheitsgrade aufweist, kann der C-Bogen2 beliebig räumlich verstellt werden, zum Beispiel indem er um ein Drehzentrum zwischen dem Röntgenstrahler3 und dem Röntgenbilddetektor4 gedreht wird. Das erfindungsgemäße Röntgensystem1 bis4 ist insbesondere um Drehzentren und Drehachsen in der C-Bogen-Ebene des Röntgenbilddetektors4 drehbar, bevorzugt um den Mittelpunkt des Röntgenbilddetektors4 und um den Mittelpunkt des Röntgenbilddetektors4 schneidende Drehachsen. - Der bekannte Knickarmroboter
1 weist ein Grundgestell auf, welches beispielsweise auf einem Boden fest montiert ist. Daran ist drehbar um eine erste Drehachse ein Karussell befestigt. Am Karussell ist schwenkbar um eine zweite Drehachse eine Roboterschwinge angebracht, an der drehbar um eine dritte Drehachse ein Roboterarm befestigt ist. Am Ende des Roboterarms ist drehbar um eine vierte Drehachse eine Roboterhand angebracht. Die Roboterhand weist ein Befestigungselement für den C-Bogen2 auf, welches um eine fünfte Drehachse schwenkbar und um eine senkrecht dazu verlaufende sechste Rotationsachse rotierbar ist. - Die Realisierung der Röntgendiagnostikeinrichtung ist nicht auf den Industrieroboter angewiesen. Es können auch übliche C-Bogen-Geräte Verwendung finden.
- Der Röntgenbilddetektor
4 kann ein rechteckiger oder quadratischer, flacher Halbleiterdetektor sein, der vorzugsweise aus amorphem Silizium (a-Si) erstellt ist. Es können aber auch integrierende und eventuell zählende CMOS-Detektoren Anwendung finden. - Im Strahlengang des Röntgenstrahlers
3 befindet sich auf einem Patientenlagerungstisch5 zur Aufnahme beispielsweise eines Herzens ein zu untersuchender Patient6 als Untersuchungsobjekt. An der Röntgendiagnostikeinrichtung ist eine Systemsteuerungseinheit7 mit einem Bildsystem8 angeschlossen, das die Bildsignale des Röntgenbilddetektors4 empfängt und verarbeitet (Bedienelemente sind beispielsweise nicht dargestellt). Die Röntgenbilder können dann auf Displays einer Monitorampel9 betrachtet werden. - Die heute eingesetzten Verfahren zur Blutflusssimulation sind in dieser speziellen Anwendung am Menschen nicht alle für die Simulation notwendigen Randbedingungen patientenindividuell ausreichend genau bekannt. Daher ist eine Validierung des Verfahrens schwierig. In der nachfolgend genannten Literatur werden verschiedene Ansätze angeführt, die es ermöglichen, CFD-Simulationen zu validieren.
- In "Blood flow in cerebral aneurysm: Comparison of Phase contrast magnetic resonance and computational fluid dynamics – preliminary results" von Karmonik et al. [2] wird das Ergebnis einer CFD-Simulation mit MR verglichen. Die MR-Messung selbst ist wegen der begrenzten Auflösung jedoch ungenau und erfordert einen beachtlichen Zeitaufwand. Zudem wird diese Untersuchung für fast keinen Patienten durchgeführt.
- In "Methodologies to assess blood flow in cerebral aneurysm: Current state of research and perspectives" von Augsburger et al. [3] wird ein Vorgehen mittels in-vitro transparenter Gefäßmodellen und ”Particel Image Velocimetry” (PIV) beschrieben, welches einen Vergleich von CFD-Daten und gemessenen Daten ermöglicht.
- Beide Verfahren sind jedoch nicht geeignet, die CFD-Messung für den individuellen Patienten zu validieren.
- In "Quantitative evaluation of virtual angiography for interventional X-ray acquisitions" von Sun et al. [4] wird ein Verfahren beschrieben, welches geeignet ist, in einer bestimmten Weise CFD-Simulationen für den einzelnen Patienten zu verifizieren. Dazu wird mittels der CFD-Simulation eine virtuelle Angiographie erstellt, welche mit einer echten Angiographieaufnahme des Patienten verglichen werden kann. Damit erhält man einen qualitativen Vergleich in 2-D. Darüber hinaus wird beschrieben, eine Mittellinie (Centerlinie) zu generieren und eine Flow Map längs dieser Mittellinie in beiden Angiographieaufnahmen zu machen. Mit diesen beiden Linien ist ein quantitativer Vergleich in 1-D (längs der Linie) möglich, der in Form eines relativen mittleren quadratischen Fehlers angegeben werden kann.
- Die Erfindung geht von der Aufgabe aus, ein Verfahren der eingangs genannten Art derart auszubilden, dass es erlaubt, die CFD-Simulationsergebnisse für den individuellen Patienten zu validieren, bzw. evtl. Abweichungen quantitativ zu bestimmen und diese iterativ für eine Verbesserung der CFD-Simulation zu nutzen.
- Die Aufgabe wird erfindungsgemäß für ein Verfahren durch die im Patentanspruch 1 angegebenen Merkmale gelöst. Vorteilhafte Ausbildungen sind in den abhängigen Patentansprüchen angegeben.
- Die Aufgabe wird erfindungsgemäß durch folgende Schritte gelöst:
- a) Aufnahme eines 3-D-Bilddatensatzes eines das Gefäßsegment (
20 ) umfassenden Untersuchungsbereichs zur Erzeugung eines 3-D-Rekonstruktionsbildes des Untersuchungsbereichs, - b) Generierung eines 3-D-Gefäßmodells aus dem 3-D-Bilddatensatz,
- c) Erfassung einer Kontrastmittel-Propagierung in dem Untersuchungsbereich mittels dynamischer 2-D-Angiographie-Verfahren zur Erzeugung von realen 2-D-Angiographieaufnahmen,
- d) Eingabe wenigstens eines Blutflussparameters,
- e) Start einer CFD-Simulation des Blutflusses in dem 3-D-Gefäßmodell unter Einbeziehung des wenigstens einen Blutflussparameters,
- f) Generierung von virtuellen 2-D-Angiographieaufnahmen aus den Ergebnissen der CFD-Simulation,
- g) Ermittelung eines Übereinstimmungsmaßes zwischen den realen und den virtuellen 2-D-Angiographieaufnahmen aus identischer Angulation und angepasster Aufnahmegeometrie des individuellen Patienten,
- h) Vergleich des Übereinstimmungsmaßes mit vorgebaren Toleranzwerten,
- i) iterative Optimierung der CFD-Simulation unter Veränderung des wenigstens einen Blutflussparameters in Abhängigkeit von dem Vergleich gemäß Schritt h) und
- j) Ausgabe des Übereinstimmungsmaßes (Bi,j) zur Bewertung der Übereinstimmung der virtuellen und der realen Angiographie.
- Dadurch lassen sich Informationen über den lokalen Blutfluss, in und aus dem betrachteten Gefäßsegment, hiermit iterativ an die real aufgenommenen 2-D-Angiographieaufnahmen anpassen.
- In vorteilhafter Weise kann die Aufnahme eines 3-D-Bilddatensatzes eines das Gefäßsegment umfassenden Untersuchungsbereichs gemäß Schritt a) mittels einer Röntgendiagnostikeinrichtung mit einem Röntgenstrahler und einem Röntgenbilddetektor, einem Patientenlagerungstisch und einer Systemsteuerungseinheit gewonnen werden.
- Erfindungsgemäß kann eine Segmentierung des betroffenen Gefäßsegmentes durchgeführt werden.
- Es hat sich als vorteilhaft erwiesen, wenn eine individuelle Wahl der Parameter zur Korrektur für jedes Segment erfolgt, wenn das Gefäßsegment mehrere abführende Gefäße aufweist, bei denen die Übereinstimmung in beiden ausfließenden Gefäßsegmenten unterschiedlich ist.
- Erfindungsgemäß können zur CFD-Simulation gemäß Schritt e) aus zwei Szenen für jedes Pixel oder für eine Kombination mehrerer Pixel die Zeit-Intensitätskurven gewonnen werden, aus denen wenigstens eine charakteristische Größe extrahiert wird.
- Als charakteristische Größen lassen sich erfindungsgemäß Zeitwerte, Intensitätswerte und/oder Intensitätswerte zu definierten Zeiten extrahieren.
- In vorteilhafter Weise kann das Übereinstimmungsmaß gemäß Schritt g) folgendermaßen gebildet werden:
Bi,j = Ti,j – T*i,j - Erfindungsgemäß kann das Übereinstimmungsmaß gemäß Schritt g) ein normiertes Übereinstimmungsmaß sein.
- Es hat sich als vorteilhaft erwiesen, wenn das Übereinstimmungsmaß gemäß Schritt g) für die Bolusankunftszeiten ermittelt wird.
- Erfindungsgemäß kann das Übereinstimmungsmaß gemäß Schritt j) als Bild und/oder als zweidimensionales Feld farbkodiert dargestellt werden.
- In vorteilhafter Weise kann das 3-D-Gefäßmodell ein 3-D-Gefäßabschnittsmodell oder ein 3-D-Gefäßoberflächenmodell sein.
- Als Blutflussparameter gemäß Schritt d) ist erfindungsgemäß wenigstens eine Randbedingung aus der Gruppe:
- – Geometrie des Gefäßabschnittes mit Aneurysma,
- – sich zeitlich ändernde Zufluss- und Abflusswerte des Blutes,
- – Druck am Zufluss- und Abflussbereich,
- – Bluteigenschaften und
- – lokale elastische Eigenschaften der Gefäßwand
- Es hat sich als vorteilhaft erwiesen, wenn als sich zeitlich ändernde Zufluss- und Abflusswerte des Blutes die Druckdifferenz zwischen Einflussbereich und Ausflussbereiche, die Fließgeschwindigkeit und/oder das Blutvolumen als Randbedingung gewählt werden.
- Die Erfindung ist nachfolgend anhand von in der Zeichnung dargestellten Ausführungsbeispielen näher erläutert. Es zeigen:
-
1 ein bekanntes Röntgensystem mit einem Industrieroboter als Tragvorrichtung für einen C-Bogen, -
2 Zeit-Intensitätskurven (TIC) mit eingezeichneten charakteristischen Größen zur Erläuterung der Erfindung, -
3 ein Beispiel einer Gefäßabzweigung mit Aneurysma zur Definition von ROI und die dazugehörigen Randbedingungen von Fluss Q und Druck P, -
4 ein Flussdiagramm eines erfindungsgemäßen Verfahrensablaufs und -
5 einen erfindungsgemäßen Workflow. - Bei dem erfindungsgemäßen Verfahren, Vorrichtung und Workflow wird ein Übereinstimmungsmaß zwischen einer virtuellen Angiographie aus einer CFD-Simulation und einer realen Angiographieszene bestimmt und dieses Übereinstimmungsmaß verwendet, um zielgerichtet die CFD-Simulation iterativ zu optimieren.
- Dieses Übereinstimmungsmaß basiert auf den Vergleich einer virtuellen Angiographie und einer realen Angiographie aus identischer Angulation und angepasster Aufnahmegeometrie des individuellen Patienten. Die erfindungsgemäße Bestimmung des Übereinstimmungsmaßes in 2-D ist ein alternativer Ansatz zu Sun et al. [4].
- Ausgangsdaten für dieses Übereinstimmungsmaß sind dynamische Angiographieszenen, die die Kontrastmittelausbreitung bzw. -passage durch das entsprechende Gefäßsystem zeigen. Die virtuelle dynamische Angiographie S* (die mit * indizierten Werte beziehen sich im Folgenden immer auf die Daten, welche aus der virtuellen Angiographie abgeleitet wurden) wird mittels CFD-Simulation gewonnen. Aus diesen zwei Szenen S und S* werden nun für jedes Pixel (oder Kombination mehrerer Pixel) die Zeit-Intensitätskurven TICi,j und TIC*i,j gewonnen.
- Im nächsten Schritt können aus diesen Zeit-Intensitätskurven eine oder auch mehrere charakteristische Größen extrahiert werden, wie dies in "Parametric Color coding of digital subtraction angiography" von Strother et al. [5] beschrieben ist. Dies können Zeitwerte und/oder Intensitätswerte oder Intensitätswerte zu definierten Zeiten sein.
- In der
2 ist eine beispielhafte Zeit-Intensitätskurve (TIC) mit eingezeichneten charakteristischen Größen dargestellt, bei der der Blutfluss als Intensität I über der Zeit t aufgetragen ist. Nach einem rauschartigen Verlauf der Boluskurve10 steigt die Intensität I bis zum Intensitätsmaximum11 (Imax) an, um dann wieder auf einen Rauschpegel abzufallen. Die Boluskurve10 wird weiterhin durch ihre Halbwertsbreite12 (FWHM – Full Width at Half Maximum) charakterisiert, die zwischen dem mittleren Anstieg und dem mittleren Abfall der Boluskurve liegt. - Die Ankunftszeit
13 (Trise) ist die Zeit, die bis zum Auftreten des Kontrastmittelbolus an der untersuchten Stelle und damit bis zu dem Anstieg der Boluskurve10 vergeht. Die mittlere Anstiegzeit14 (Trise,FWHM) ist die Zeit, die bis zum Auftreten der Halbwertsbreite12 der Boluskurve10 vergeht, d. h., bis die Boluskurve10 die Hälfte des Intensitätsmaximums11 (Imax) erreicht hat. Die Zeit bis zum Intensitätsmaximum11 (Imax) wird Maximum-Zeit15 (Tmax) genannt. Die Anstiegzeit16 oder Einwaschzeit (Twash in) kennzeichnet den steilen Anstieg der Boluskurve10 . Der Abfall der Boluskurve10 wird durch die Abfallzeit17 oder Auswaschzeit (twasch out) gekennzeichnet. Die Dauer des Auftretens des Kontrastmittelbolus wird durch die Bolus- oder Maximalzeit18 (tPeak) gekennzeichnet. - Im Folgenden sei Ti,j bzw. T*i,j die extrahierte Größe für jedes Pixel i, j aus beiden Angiographien.
- Damit ergibt sich ein Übereinstimmungsmaß Bi,j beider Angiographien aus einer mathematischen Verknüpfung beider Werte T bzw. T*i,j, wie z. B. einer einfachen Subtraktion.
Bi,j = Ti,j – T*i,j - Dieses Übereinstimmungsmaß ist also ein zweidimensionales Feld, welches beispielsweise als Bild (z. B. farbkodiert) dargestellt werden kann und eine Bewertung der Übereinstimmung der virtuellen und der realen Angiographie erlaubt.
- Theoretisch kann dieses Übereinstimmungsmaß wie in Sun et al. [4] als mittlerer quadratischer Fehler der gesamten Kurven TICi,j und TIC*i,j ermittelt werden. Dies erlaubt im Späteren aber keine Aussage über die Art der Abweichung und ist damit nicht zu einer gezielten Steuerung der CFD-Optimierung verwendbar.
- Bislang ist jedoch keine Synchronisation zwischen beiden Angiographieszenen erfolgt. Bei dieser Anwendung gibt es verschiedene ausgezeichnete Gefäßbereiche in den Angiographiebildern. Dazu gehören die Gefäßbereiche, in die das Blut bzw. das Kontrastmittel einfließt.
- In einer verbesserten Ausführung können interessierende Bereiche (ROI – Region of Interest) dieser Gefäßbereiche in beiden Bildern definiert werden. Dabei werden eine oder mehrere ROI, bzw. entsprechende ROI* im virtuellen Bild in der Art gewählt, dass sie den bzw. die Gefäßeinflussbereiche abdecken. In einem nächsten Schritt kann der Mittelwert der betrachteten charakteristischen Größe Ti,j, bzw. T*i,j ermittelt werden: MWTi,j, bzw. MWT*i,j. Aus einem Vergleich dieser Mittelwerte wird im Folgenden eine Normierung berechnet. Dies können eine Differenz (bei zeitlichen Werten) oder ein Faktor z. B. bei Intensitätswerten, aber auch andere Algorithmen sein.
- Damit kann das normierte Übereinstimmungsmaß Bi,j beider Angiographieaufnahmen abgeglichen werden:
B'i,j = Ti,j – T*i,j(MWTi,j – MWT*i,j) - Besonders vorteilhaft ist es, die Kontrasteinflusskurve aus der realen Angiographieszene für die (initiale) CFD-Simulation zu verwenden.
- Wird die Simulation der virtuellen Angiographie so durchgeführt, dass der virtuelle Inflow des Kontrastmittels mit der Realität übereinstimmt, kann auf eine Normierung verzichtet werden. Es kann aber auch vorkommen, dass beide Kurven beim Inflow gegeneinander verzögert sind oder unterschiedliche Grauwerte aufweisen. Dann wird je nach Fragestellung die Normierung eine Verbesserung bringen.
- Erfindungswesentlich sind die Definition eines Übereinstimmungsmaßes und die Verwendung desselben zur Beurteilung und Optimierung der bislang in-vivo nicht möglichen patientenindividuellen CFD-Simulation. Besonders die fehlenden Informationen über den lokalen Fluss, in und aus dem betrachteten Gefäßsegment, können hiermit iterativ an die real aufgenommenen 2-D-Angiographieaufnahmen angepasst werden. Dies führt zu einer Verbesserung der CFD-Ergebnisse.
- Dabei liegt der Gedanke zugrunde, eine aus der CFD-Simulation gewonnene virtuelle Angiographie mit der realen Angiographie zu vergleichen, einen Grad der Übereinstimmung zu ermitteln, bzw. bei Differenz die CFD zu optimieren, so dass die Übereinstimmung besser wird.
- Es werden bei einem Patienten eine 3-D-Subtraktionsangiographie mit einem C-Bogen-System der zerebralen Gefäße und eine (oder mehrere) 2-D-Subtraktionsangiographieszenen aufgenommen.
- In einem ersten Schritt wird nach einer Segmentierung des betroffenen Gefäßabschnittes um ein Aneurysma ein 3-D-Oberflächenmodell im Computer erzeugt, welches im Weiteren für die CFD-Simulation als Geometrie verwendet wird. Zudem werden Einfluss- und Ausflussbereiche festgelegt.
- In der
3 ist als Beispiel zur Definition des interessierenden Bereichs ROI (Region Of Interest) und die dazugehörigen Randbedingungen Fluss Q und Druck P ein Gefäßsegment20 mit einem zuführenden Gefäß21 dargestellt, dass sich in ein erstes abführendes Gefäß22 und ein zweites abführendes Gefäß23 verzweigt. Das Gefäßsegment20 weist weiterhin ein Aneurysma24 auf. Der Eingang des zuführenden Gefäßes21 wird von einem Einflussbereich25 gebildet. Den Ausgang des ersten abführenden Gefäßes22 bildet ein erster Ausflussbereich26 und den Ausgang des zweiten abführenden Gefäßes23 ein zweiter Ausflussbereich27 . In dem interessierenden Bereich ROIin des Einflussbereichs25 herrscht ein Fluss Qin (t) und ein Druck Pin (t). In dem interessierenden Bereich ROIout1 des ersten Ausflussbereichs26 werden ein Fluss Qout1 (t) und ein Druck Pout1 (t) und in dem interessierenden Bereich ROIout2 des zweiten Ausflussbereichs27 ein Fluss Qout2 (t) und ein Druck Pout2 (t) gemessen. - Das selektierte Volumen wird mit der 2-D-Angiographie abgeglichen, d. h., es wird in der 3-D-Angiographie eine der 2-D-Angiographie entsprechende Angulation und Projektionsgeometrie bestimmt. Stammen beide Aufnahmen aus einer Untersuchung ohne Patientenbewegung kann dies einfach errechnet werden, ansonsten muss eine Registrierung durchgeführt werden. Damit sind in der 2-D-Angiographie nun auch der Einflussbereich
25 und die Ausflussbereiche26 und27 festgelegt. - In der folgenden CFD-Simulation wird u. a. die Propagierung eines injizierten Kontrastmittels simuliert. Die zeitliche Dynamik des Kontrastmitteleinflusses kann an die gemittelte Zeit-Intensitätskurve aus der 2-D-Angiographie angepasst werden. Nach der Simulation wird mittels bekannter Angulation und Projektionsgeometrie durch Vorwärtsprojektion (DRR) eine virtuelle 2-D-Angiographie errechnet, wie dies beispielsweise in der
DE 10 2007 039 034 A1 beschrieben ist. - In einem nächsten Schritt wird das normierte Übereinstimmungsmaß B'i,j z. B. für die Bolusankunftszeiten beider Angiographien (real und virtuell) berechnet.
- Betrachtet man beispielsweise das typische Gefäßsegment
20 mit dem zuführenden Gefäß21 , dem Aneurysma24 und den zwei abführenden Gefäßen22 und23 kann nun eine weitere Auswertung zur Steuerung einer iterativen CFD-Simulation erfolgen. Dazu wird das normierte Übereinstimmungsmaß gemittelt in den ROI der Ausflussbereiche26 und27 der beiden abführenden Gefäße22 und23 betrachtet. Liegt es innerhalb einer vorgegebenen Toleranz, ist das Simulationsergebnis im Hinblick auf diese Parameter zufriedenstellend, andernfalls kann dies als zu schneller oder zu langsamer Fluss im gesamten Gefäßsegment20 interpretiert werden. Dies bedeutet physikalisch, dass die Randbedingung Druckdifferenz zwischen Einflussbereich25 und Ausflussbereiche26 und27 suboptimal gewählt wurde. Dies kann geschehen, da der Gefäßwiderstand distal zum betrachteten Gefäßbaumabschnitt in der Regel nicht bekannt ist. - Die Toleranzen können beispielsweise von einem Nutzer vorgegeben werden. Dadurch wird bestimmt, wie genau beide Angiographien, die virtuelle und die reale Angiographie, übereinstimmen müssen, bevor der Nutzer zufrieden ist.
- Ist das normierte Übereinstimmungsmaß positiv, dann ist der berechnete Fluss zu niedrig und in der darauffolgenden CFD-Simulation müssen die Druckdifferenz bzw. die Druckbedingungen an den Ausflussbereichen
26 und27 (oder dazu korrespondierenden Größen wie Flussgeschwindigkeit am Einflussbereich25 ) erhöht werden. Bei einem negativen Wert kann die Druckdifferenz entsprechend reduziert werden. - Ist die Übereinstimmung in beiden ausfließenden Gefäßsegmenten ROIout1 und ROIout2 unterschiedlich, kann durch die individuelle Wahl der Parameter dies für jedes Segment individuell korrigiert werden.
- Ein weiteres Beispiel hierfür beschäftigt sich mit den Gefäßwänden. In CFD-Simulationen werden zunehmend die Gefäßwände elastisch behandelt. Eine entsprechend Analyse kann die ROI entlang der Gefäßwände orientieren. Diese werden dazu segmentiert. Es wird nun lokal für alle Pixel entlang der Gefäßwand das Übereinstimmungsmaß bestimmt und bei zu großen Werten die Elastizität für die nachfolgende CFD-Simulation angepasst. Hier ist besonders vorteilhaft, wenn reale Angiographien aus mehreren Angulationen vorliegen.
- Anhand eines in der
4 dargestellten Flussdiagramms wird das erfindungsgemäße Verfahren näher erläutert. Zuerst erfolgt eine Akquisition30 eines 3-D-Angiographie-Bilddatensatzes zur Modellgenerierung31 . Im weiteren Verfahrensschritt wird eine Aufnahme32 einer Kontrastmittel-Propagierung mittels dynamischer realer 2-D-Angiographie erstellt. Anschließend wird eine CFD-Simulation33 durchgeführt, wobei eine Eingabe34 von Blutflussparametern als Randbedingungen möglich ist. Aus diesen Daten wird eine virtuelle 2-D-Angiographie35 aus zu der realen Angiographie32 identischen Angulation und angepassten Aufnahmegeometrie des individuellen Patienten errechnet. Anschließend erfolgt eine Bestimmung36 eines Übereinstimmungsmaßes basierend auf einen Vergleich der virtuellen Angiographie35 und der realen Angiographie32 und nachfolgend eine Kontrolle37 , ob das Übereinstimmungsmaß ausreichend ist, d. h., ob sich das Übereinstimmungsmaß innerhalb einer vorgegebenen Toleranz befindet. Reicht das Übereinstimmungsmaß nicht aus, wird eine Änderung38 der Randbedingungen im Sinne einer Optimierung durchgeführt. Anschließend erfolgt eine neue optimierte CFD-Simulation38 , mittels derer wieder eine Bestimmung36 mit nachfolgender Kontrolle,37 des Übereinstimmungsmaßes erfolgt. Reicht dagegen das Übereinstimmungsmaß aus, erfolgt eine Ausgabe40 des Übereinstimmungsmaßes beispielsweise als farbkodiertes Bild und es wird das Ende der Untersuchung eingeleitet. - Es kann eine (Prozent-)Zahl, falls eine globale Übereinstimmung betrachtet wird, aber auch eine lokal beschriebene sein, die dann selbst als Colormap (Grad der Übereinstimmung) ausgegeben werden kann. Es ist aber auch möglich, andere Werte zu beschreiben (beispielsweise die Zeitdifferenz der maximalen Grauwerte).
- In der
5 ist der Verfahrensablauf oder Workflow des erfindungsgemäßen Verfahrens mit folgenden Schritten näher dargestellt: - S1) 3-D-Bildgebung zur Modellgenerierung, z. B. mittels 3-D-Rotationsangiographie.
- S2) Aufnahme einer Kontrastmittel-Propagierung mittels dynamischer 2-D-Angiographie.
- S3) Initiale CFD-Simulation und Generierung einer virtuellen 2-D-Angiographie.
- S4) Ermittelung eines Übereinstimmungsmaßes zwischen realer und virtueller 2-D-Angiographie.
- S5) Falls Übereinstimmungsmaß ausreichend, weiter mit S9).
- S6) Änderung einer oder mehrerer Randbedingungen der CFD-Simulation gemäß dem Ergebnis des Übereinstimmungsmaßes.
- S7) Erneute, optimierte CFD-Simulation mit im Sinne einer Optimierung veränderten Randbedingungen.
- S8) Zurück zu S4).
- S9) Fertig – optimale CFD-Simulation wurde erreicht.
- Dadurch erhält man eine iterative Optimierung von CFD-Simulationsergebnissen basierend auf dem Vergleich mit realen und virtuellen 2-DSA-Aufnahmen aufgrund einer Bestimmung eines Übereinstimmungsmaßes beider Aufnahmen.
- Literatur
-
- [1] Image-Based Computational Simulation of Flow Dynamics in a Giant Intracranial Aneurysm; David A. Steinman, Jaques S. Milner, Chris J. Norley, Stephen P. Lownie und David W. Holdsworth; American Journal of Neuroradiology (2003), Nummer 24, Seiten 559–566
- [2] Blood flow in cerebral aneurysm: Comparison of phase contrast magnetic resonance and computational fluid dynamics – preliminary results; C. Karmonik, R. Klucznik, G. Benndorf; Fortschr Röntgenstr 2008; 180: 1–7
- [3] Methodologies to assess blood flow in cerebral aneurysm: Current state of research and perspectives; L. Augsburger, P. Reymond, E. Fonck, Z. Kulcsar, M. Farhat, M. Ohta, N. Stergiopulos, D. A. Rüfenacht; J. Neurorad. – 168: 2009; Seiten 1–8
- [4] Quantitative evaluation of virtual angiography for interventional X-ray acquisitions; Qi Sun, Alexandra Groth, Irina Waechter, Olivier Brina, Jürgen Weese, Til Aach; IEEE; 2009; Seiten 895–898
- [5] Parametric Color coding of digital subtraction angiography; C. M. Strother, F. Bender, Y. Deuerling-Zheng, K. Royalty, K. A. Pulfer, J. Baumgart, M. Zellerhoff, B. Aagaard-Kienitz, D. B. Niemann, M. L. Lindstrom; AJNR Am J Neuroradiol; 2010; www.ajnr.org; Seiten 1–7
- ZITATE ENTHALTEN IN DER BESCHREIBUNG
- Diese Liste der vom Anmelder aufgeführten Dokumente wurde automatisiert erzeugt und ist ausschließlich zur besseren Information des Lesers aufgenommen. Die Liste ist nicht Bestandteil der deutschen Patent- bzw. Gebrauchsmusteranmeldung. Das DPMA übernimmt keinerlei Haftung für etwaige Fehler oder Auslassungen.
- Zitierte Patentliteratur
-
- DE 102008014792 B3 [0004]
- US 7500784 B2 [0012]
- DE 102007039034 A1 [0065]
- Zitierte Nicht-Patentliteratur
-
- ”Image-Based Computational Simulation of Flow Dynamics in a Giant Intracranial Aneurysm” von D. A. Steinmann et al. [0005]
- Steinmann et al. [0006]
- ”Blood flow in cerebral aneurysm: Comparison of Phase contrast magnetic resonance and computational fluid dynamics – preliminary results” von Karmonik et al. [0018]
- ”Methodologies to assess blood flow in cerebral aneurysm: Current state of research and perspectives” von Augsburger et al. [0019]
- ”Quantitative evaluation of virtual angiography for interventional X-ray acquisitions” von Sun et al. [0021]
- Sun et al. [0045]
- ”Parametric Color coding of digital subtraction angiography” von Strother et al. [0047]
- Sun et al. [0053]
Claims (15)
- Verfahren zur Simulation eines Blutflusses in einem Gefäßsegment (
20 ) eines Patienten bei angiographischen Untersuchungen mit folgenden Schritten: a) Aufnahme eines 3-D-Bilddatensatzes eines das Gefäßsegment (20 ) umfassenden Untersuchungsbereichs zur Erzeugung eines 3-D-Rekonstruktionsbildes des Untersuchungsbereichs, b) Generierung eines 3-D-Gefäßmodells aus dem 3-D-Bilddatensatz, c) Erfassung einer Kontrastmittel-Propagierung in dem Untersuchungsbereich mittels dynamischer 2-D-Angiographie-Verfahren zur Erzeugung von realen 2-D-Angiographieaufnahmen, d) Eingabe wenigstens eines Blutflussparameters, e) Start einer CFD-Simulation des Blutflusses in dem 3-D-Gefäßmodell unter Einbeziehung des wenigstens einen Blutflussparameters, f) Generierung von virtuellen 2-D-Angiographieaufnahmen aus den Ergebnissen der CFD-Simulation, g) Ermittelung eines Übereinstimmungsmaßes (Bi,j) zwischen den realen und den virtuellen 2-D-Angiographieaufnahmen aus identischer Angulation und angepasster Aufnahmegeometrie des individuellen Patienten, h) Vergleich des Übereinstimmungsmaßes (Bi,j) mit vorgebaren Toleranzwerten, i) iterative Optimierung der CFD-Simulation unter Veränderung des wenigstens einen Blutflussparameters in Abhängigkeit von dem Vergleich gemäß Schritt h) und j) Ausgabe des Übereinstimmungsmaßes (Bi,j) zur Bewertung der Übereinstimmung der virtuellen und der realen Angiographie. - Verfahren nach Anspruch 1, dadurch gekennzeichnet, dass die Aufnahme eines 3-D-Bilddatensatzes eines das Gefäßsegment (
20 ) umfassenden Untersuchungsbereichs gemäß Schritt a) mittels einer Röntgendiagnostikeinrichtung mit einem Röntgenstrahler (3 ) und einem Röntgenbilddetektor (4 ), einem Patientenlagerungstisch (5 ) und einer Systemsteuerungseinheit (7 ) gewonnen wird. - Verfahren nach Anspruch 2, dadurch gekennzeichnet, dass eine Segmentierung des betroffenen Gefäßsegmentes (
20 ) durchgeführt wird. - Verfahren nach Anspruch 3, dadurch gekennzeichnet, dass eine individuelle Wahl der Parameter zur Korrektur für jedes Segment erfolgt, wenn das Gefäßsegment (
20 ) mehrere abführende Gefäße (22 ,23 ) aufweist, bei denen die Übereinstimmung in beiden ausfließenden Gefäßsegmenten (ROIout1, ROIout2) unterschiedlich ist. - Verfahren nach einem der Ansprüche 1 bis 4, dadurch gekennzeichnet, dass zur CFD-Simulation gemäß Schritt e) aus zwei Szenen (S, S*) für jedes Pixel oder für eine Kombination mehrerer Pixel die Zeit-Intensitätskurven (TICi,j, TIC*i,j) gewonnen werden, aus denen wenigstens eine charakteristische Größe extrahiert wird.
- Verfahren nach Anspruch 5, dadurch gennzeichnet, dass als charakteristische Größen Zeitwerte, Intensitätswerte und/oder Intensitätswerte zu definierten Zeiten extrahiert werden.
- Verfahren nach einem der Ansprüche 1 bis 6, dadurch gekennzeichnet, dass das Übereinstimmungsmaß gemäß Schritt g) folgendermaßen gebildet wird:
Bi,j = Ti,j – T*i,j - Verfahren nach einem der Ansprüche 1 bis 7, dadurch gekennzeichnet dass das Übereinstimmungsmaß gemäß Schritt g) ein normiertes Übereinstimmungsmaß (B'i,j) ist.
- Verfahren nach einem der Ansprüche 1 bis 8, dadurch gekennzeichnet, dass das Übereinstimmungsmaß gemäß Schritt g) für die Bolusankunftszeiten ermittelt wird.
- Verfahren nach einem der Ansprüche 1 bis 9, dadurch gekennzeichnet, dass das Übereinstimmungsmaß gemäß Schritt j) als Bild dargestellt wird.
- Verfahren nach einem der Ansprüche 1 bis 10, dadurch gekennzeichnet, dass das Übereinstimmungsmaß gemäß Schritt j) als zweidimensionales Feld farbkodiert dargestellt wird.
- Verfahren nach einem der Ansprüche 1 bis 11, dadurch gekennzeichnet, dass das 3-D-Gefäßmodell ein 3-D-Gefäßabschnittsmodell ist.
- Verfahren nach einem der Ansprüche 1 bis 12, dadurch gekennzeichnet, dass das 3-D-Gefäßmodell ein 3-D-Gefäßoberflächenmodell ist.
- Verfahren nach einem der Ansprüche 1 bis 13, dadurch gekennzeichnet, dass als Blutflussparameter gemäß Schritt d) wenigstens eine Randbedingung aus der Gruppe: – Geometrie des Gefäßabschnittes mit Aneurysma, – sich zeitlich ändernde Zufluss- und Abflusswerte des Blutes, – Druck am Zufluss- und Abflussbereich, – Bluteigenschaften und – lokale elastische Eigenschaften der Gefäßwand eingebbar ist.
- Verfahren nach Anspruch 14, dadurch gekennzeichnet, dass als sich zeitlich ändernde Zufluss- und Abflusswerte des Blutes die Druckdifferenz zwischen Einflussbereich (
25 ) und Ausflussbereiche (26 ,27 ), die Fließgeschwindigkeit und/oder das Blutvolumen als Randbedingung gewählt werden.
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
DE102010039312.6A DE102010039312B4 (de) | 2010-08-13 | 2010-08-13 | Verfahren zur Simulation eines Blutflusses |
US13/208,451 US8706196B2 (en) | 2010-08-13 | 2011-08-12 | Method for simulating a blood flow |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
DE102010039312.6A DE102010039312B4 (de) | 2010-08-13 | 2010-08-13 | Verfahren zur Simulation eines Blutflusses |
Publications (2)
Publication Number | Publication Date |
---|---|
DE102010039312A1 true DE102010039312A1 (de) | 2012-02-16 |
DE102010039312B4 DE102010039312B4 (de) | 2020-02-13 |
Family
ID=45528466
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
DE102010039312.6A Active DE102010039312B4 (de) | 2010-08-13 | 2010-08-13 | Verfahren zur Simulation eines Blutflusses |
Country Status (2)
Country | Link |
---|---|
US (1) | US8706196B2 (de) |
DE (1) | DE102010039312B4 (de) |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE102011086286A1 (de) * | 2011-11-14 | 2013-05-16 | Siemens Aktiengesellschaft | Blutgefäßsegmentierung mit Zuordnung der Segmente zu Gefäßabschnitten |
DE102012206542A1 (de) | 2012-04-20 | 2013-10-24 | Siemens Aktiengesellschaft | Verfahren und Vorrichtung zur Unterstützung der Planung einer Implantation eines strömungsverändernden Implantates |
DE102013202063A1 (de) | 2013-02-08 | 2014-02-13 | Siemens Aktiengesellschaft | Verfahren und Vorrichtung zur Bestimmung eines Kennwertes eines hämodynamischen Zustandes in einem Gefäß |
DE102014204823A1 (de) | 2014-03-14 | 2015-02-26 | Siemens Aktiengesellschaft | Verfahren und Vorrichtung zur Bestimmung eines Blutflusses in einem Gefäßsegment eines Patienten |
DE102013226924A1 (de) | 2013-12-20 | 2015-06-25 | Siemens Aktiengesellschaft | Verfahren zum Bestimmen eines patientenindividuellen Injektionsprofils |
DE102014210591A1 (de) * | 2014-06-04 | 2015-12-17 | Friedrich-Alexander-Universität Erlangen-Nürnberg | Fluiddynamische Analyse eines Gefäßbaums mittels Angiographie |
DE102014216840A1 (de) | 2014-08-25 | 2016-02-25 | Siemens Aktiengesellschaft | Verfahren, Vorrichtung und Computerprogramm zur Visualisierung eines ortsbezogenen Druckkennwertes in einem Gefäß |
DE102016215976A1 (de) | 2016-08-25 | 2018-03-01 | Siemens Healthcare Gmbh | Ermittelung einer klinischen Kenngröße mit einer Kombination unterschiedlicher Aufnahmemodalitäten |
Families Citing this family (28)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP5675370B2 (ja) | 2008-03-06 | 2015-02-25 | コーニンクレッカ フィリップス エヌ ヴェ | 管系を解析する方法 |
US10162932B2 (en) | 2011-11-10 | 2018-12-25 | Siemens Healthcare Gmbh | Method and system for multi-scale anatomical and functional modeling of coronary circulation |
US10311978B2 (en) | 2012-01-30 | 2019-06-04 | Siemens Healthcare Gmbh | Method and system for patient specific planning of cardiac therapies on preoperative clinical data and medical images |
US9129053B2 (en) | 2012-02-01 | 2015-09-08 | Siemens Aktiengesellschaft | Method and system for advanced measurements computation and therapy planning from medical data and images using a multi-physics fluid-solid heart model |
US10373700B2 (en) | 2012-03-13 | 2019-08-06 | Siemens Healthcare Gmbh | Non-invasive functional assessment of coronary artery stenosis including simulation of hyperemia by changing resting microvascular resistance |
US9135699B2 (en) | 2012-03-15 | 2015-09-15 | Siemens Aktiengesellschaft | Method and system for hemodynamic assessment of aortic coarctation from medical image data |
US9277970B2 (en) | 2012-07-19 | 2016-03-08 | Siemens Aktiengesellschaft | System and method for patient specific planning and guidance of ablative procedures for cardiac arrhythmias |
DE102012214351B4 (de) * | 2012-08-13 | 2014-11-06 | Siemens Aktiengesellschaft | Angiographisches Untersuchungsverfahren eines Gefäßsystems |
US9629563B2 (en) | 2013-09-04 | 2017-04-25 | Siemens Healthcare Gmbh | Method and system for functional assessment of renal artery stenosis from medical images |
US9700219B2 (en) | 2013-10-17 | 2017-07-11 | Siemens Healthcare Gmbh | Method and system for machine learning based assessment of fractional flow reserve |
US10496729B2 (en) | 2014-02-25 | 2019-12-03 | Siemens Healthcare Gmbh | Method and system for image-based estimation of multi-physics parameters and their uncertainty for patient-specific simulation of organ function |
US9247920B2 (en) | 2014-02-27 | 2016-02-02 | General Electric Company | System and method for performing bi-plane tomographic acquisitions |
US10354349B2 (en) | 2014-04-01 | 2019-07-16 | Heartflow, Inc. | Systems and methods for using geometry sensitivity information for guiding workflow |
US9773219B2 (en) | 2014-04-01 | 2017-09-26 | Heartflow, Inc. | Systems and methods for using geometry sensitivity information for guiding workflow |
US9449145B2 (en) * | 2014-04-22 | 2016-09-20 | Heartflow, Inc. | Systems and methods for virtual contrast agent simulation and computational fluid dynamics (CFD) to compute functional significance of stenoses |
US9595089B2 (en) | 2014-05-09 | 2017-03-14 | Siemens Healthcare Gmbh | Method and system for non-invasive computation of hemodynamic indices for coronary artery stenosis |
US9589379B2 (en) | 2014-06-24 | 2017-03-07 | Siemens Healthcare Gmbh | System and method for visualization of cardiac changes under various pacing conditions |
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 |
JP6679709B2 (ja) * | 2015-07-17 | 2020-04-15 | ハートフロー, インコーポレイテッド | 造影剤分布予測及び測定を使用してプラーク及び/または狭窄性病変の重症度を評価するシステム及び方法 |
US10872698B2 (en) | 2015-07-27 | 2020-12-22 | Siemens Healthcare Gmbh | Method and system for enhancing medical image-based blood flow computations using physiological measurements |
US10971271B2 (en) | 2016-04-12 | 2021-04-06 | Siemens Healthcare Gmbh | Method and system for personalized blood flow modeling based on wearable sensor networks |
CN107491636B (zh) * | 2017-07-26 | 2021-03-16 | 武汉大学 | 一种基于计算流体力学的脑血管储备力仿真系统和方法 |
US11589924B2 (en) | 2017-08-01 | 2023-02-28 | Siemens Healthcare Gmbh | Non-invasive assessment and therapy guidance for coronary artery disease in diffuse and tandem lesions |
US11389130B2 (en) | 2018-05-02 | 2022-07-19 | Siemens Healthcare Gmbh | System and methods for fast computation of computed tomography based fractional flow reserve |
EP3624056B1 (de) | 2018-09-13 | 2021-12-01 | Siemens Healthcare GmbH | Verarbeitung von bildrahmen einer sequenz von herzbildern |
KR102130254B1 (ko) * | 2019-10-15 | 2020-07-03 | 주식회사 실리콘사피엔스 | 대상자 고유의 혈관에 대한 혈류 시뮬레이션 방법 및 장치 |
CN116681704B (zh) * | 2023-08-03 | 2023-10-31 | 杭州脉流科技有限公司 | 颅内血管血流量获取方法、计算机设备和可读存储介质 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20060184006A1 (en) * | 2004-12-07 | 2006-08-17 | David Chen | Intraoperative C-ARM fluoroscope datafusion system |
US7191110B1 (en) * | 1998-02-03 | 2007-03-13 | University Of Illinois, Board Of Trustees | Patient specific circulation model |
US7500784B2 (en) | 2005-03-18 | 2009-03-10 | Siemens Aktiengesellschaft | X-ray device |
DE102007039034A1 (de) | 2007-08-17 | 2009-05-28 | Siemens Ag | Verfahren zur Erzeugung von künstlichen Bildern aus einem Volumendatensatz |
DE102008014792B3 (de) | 2008-03-18 | 2009-06-18 | Siemens Aktiengesellschaft | Verfahren und Vorrichtung zur Simulation eines Blutflusses in einem Gefäßabschnitt |
WO2009109887A1 (en) * | 2008-03-06 | 2009-09-11 | Philips Intellectual Property & Standards Gmbh | Method for analyzing a tube system |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE102007024451B4 (de) * | 2007-05-25 | 2010-07-08 | Siemens Ag | Ermittlungsverfahren für örtlich dreidimensional aufgelöste Anwesenheitsverteilungen einer Substanz in einem Gefäßsystem und hiermit korrespondierende Einrichtungen |
DE102007044406A1 (de) * | 2007-09-18 | 2009-03-19 | Siemens Ag | Registrierverfahren mit durchblutungsabhängiger dreidimensionaler Darstellung eines Gefäßbaums |
-
2010
- 2010-08-13 DE DE102010039312.6A patent/DE102010039312B4/de active Active
-
2011
- 2011-08-12 US US13/208,451 patent/US8706196B2/en active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7191110B1 (en) * | 1998-02-03 | 2007-03-13 | University Of Illinois, Board Of Trustees | Patient specific circulation model |
US20060184006A1 (en) * | 2004-12-07 | 2006-08-17 | David Chen | Intraoperative C-ARM fluoroscope datafusion system |
US7500784B2 (en) | 2005-03-18 | 2009-03-10 | Siemens Aktiengesellschaft | X-ray device |
DE102007039034A1 (de) | 2007-08-17 | 2009-05-28 | Siemens Ag | Verfahren zur Erzeugung von künstlichen Bildern aus einem Volumendatensatz |
WO2009109887A1 (en) * | 2008-03-06 | 2009-09-11 | Philips Intellectual Property & Standards Gmbh | Method for analyzing a tube system |
DE102008014792B3 (de) | 2008-03-18 | 2009-06-18 | Siemens Aktiengesellschaft | Verfahren und Vorrichtung zur Simulation eines Blutflusses in einem Gefäßabschnitt |
Non-Patent Citations (12)
Title |
---|
"Blood flow in cerebral aneurysm: Comparison of Phase contrast magnetic resonance and computational fluid dynamics - preliminary results" von Karmonik et al. |
"Image-Based Computational Simulation of Flow Dynamics in a Giant Intracranial Aneurysm" von D. A. Steinmann et al. |
"Methodologies to assess blood flow in cerebral aneurysm: Current state of research and perspectives" von Augsburger et al. |
"Parametric Color coding of digital subtraction angiography" von Strother et al. |
"Quantitative evaluation of virtual angiography for interventional X-ray acquisitions" von Sun et al. |
Blood flow in cerebral aneurysm: Comparison of phase contrast magnetic resonance and computational fluid dynamics - preliminary results; C. Karmonik, R. Klucznik, G. Benndorf; Fortschr Röntgenstr 2008; 180: 1-7 |
Image-Based Computational Simulation of Flow Dynamics in a Giant Intracranial Aneurysm; David A. Steinman, Jaques S. Milner, Chris J. Norley, Stephen P. Lownie und David W. Holdsworth; American Journal of Neuroradiology (2003), Nummer 24, Seiten 559-566 |
Methodologies to assess blood flow in cerebral aneurysm: Current state of research and perspectives; L. Augsburger, P. Reymond, E. Fonck, Z. Kulcsar, M. Farhat, M. Ohta, N. Stergiopulos, D. A. Rüfenacht; J. Neurorad. - 168: 2009; Seiten 1-8 |
Parametric Color coding of digital subtraction angiography; C. M. Strother, F. Bender, Y. Deuerling-Zheng, K. Royalty, K. A. Pulfer, J. Baumgart, M. Zellerhoff, B. Aagaard-Kienitz, D. B. Niemann, M. L. Lindstrom; AJNR Am J Neuroradiol; 2010; www.ajnr.org; Seiten 1-7 |
Quantitative evaluation of virtual angiography for interventional X-ray acquisitions; Qi Sun, Alexandra Groth, Irina Waechter, Olivier Brina, Jürgen Weese, Til Aach; IEEE; 2009; Seiten 895-898 |
Steinmann et al. |
Sun et al. |
Cited By (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE102011086286A1 (de) * | 2011-11-14 | 2013-05-16 | Siemens Aktiengesellschaft | Blutgefäßsegmentierung mit Zuordnung der Segmente zu Gefäßabschnitten |
DE102012206542A1 (de) | 2012-04-20 | 2013-10-24 | Siemens Aktiengesellschaft | Verfahren und Vorrichtung zur Unterstützung der Planung einer Implantation eines strömungsverändernden Implantates |
DE102012206542B4 (de) * | 2012-04-20 | 2015-11-26 | Siemens Aktiengesellschaft | Verfahren und Vorrichtung zur Unterstützung der Planung einer Implantation eines strömungsverändernden Implantates |
DE102013202063A1 (de) | 2013-02-08 | 2014-02-13 | Siemens Aktiengesellschaft | Verfahren und Vorrichtung zur Bestimmung eines Kennwertes eines hämodynamischen Zustandes in einem Gefäß |
DE102013226924B4 (de) | 2013-12-20 | 2018-08-02 | Siemens Healthcare Gmbh | Verfahren zum Bestimmen eines patientenindividuellen Injektionsprofils |
DE102013226924A1 (de) | 2013-12-20 | 2015-06-25 | Siemens Aktiengesellschaft | Verfahren zum Bestimmen eines patientenindividuellen Injektionsprofils |
DE102014204823A1 (de) | 2014-03-14 | 2015-02-26 | Siemens Aktiengesellschaft | Verfahren und Vorrichtung zur Bestimmung eines Blutflusses in einem Gefäßsegment eines Patienten |
DE102014210591A1 (de) * | 2014-06-04 | 2015-12-17 | Friedrich-Alexander-Universität Erlangen-Nürnberg | Fluiddynamische Analyse eines Gefäßbaums mittels Angiographie |
US9633454B2 (en) | 2014-06-04 | 2017-04-25 | Siemens Aktiengesellschaft | Fluid-dynamic analysis of a vascular tree using angiography |
DE102014210591B4 (de) | 2014-06-04 | 2022-09-22 | Siemens Healthcare Gmbh | Fluiddynamische Analyse eines Gefäßbaums mittels Angiographie |
DE102014216840A1 (de) | 2014-08-25 | 2016-02-25 | Siemens Aktiengesellschaft | Verfahren, Vorrichtung und Computerprogramm zur Visualisierung eines ortsbezogenen Druckkennwertes in einem Gefäß |
DE102016215976A1 (de) | 2016-08-25 | 2018-03-01 | Siemens Healthcare Gmbh | Ermittelung einer klinischen Kenngröße mit einer Kombination unterschiedlicher Aufnahmemodalitäten |
US10867383B2 (en) | 2016-08-25 | 2020-12-15 | Siemens Healthcare Gmbh | Determination of a clinical characteristic using a combination of different recording modalities |
Also Published As
Publication number | Publication date |
---|---|
US20120041301A1 (en) | 2012-02-16 |
DE102010039312B4 (de) | 2020-02-13 |
US8706196B2 (en) | 2014-04-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
DE102010039312B4 (de) | Verfahren zur Simulation eines Blutflusses | |
DE102012214351B4 (de) | Angiographisches Untersuchungsverfahren eines Gefäßsystems | |
DE102010043849B3 (de) | Vorrichtung und Computertomograph zur Bestimmung und Darstellung der Durchblutung des Herzmuskels | |
DE102004006188B4 (de) | Verfahren zum Bestimmen physikalischer Parameter körperlicher Strukturen | |
DE102014201134B4 (de) | Verfahren und Vorrichtung zur Erzeugung eines 2-D-Projektionsbildes eines Gefäßsystems nebst korrespondierenden Gegenständen | |
DE102012217792B4 (de) | Angiographisches Untersuchungsverfahren zur Darstellung von Flusseigenschaften | |
WO2013098074A2 (de) | Kontrollverfahren und kontrollsystem | |
DE102014210591A1 (de) | Fluiddynamische Analyse eines Gefäßbaums mittels Angiographie | |
DE102010062030A1 (de) | Verfahren zur Berechnung von Perfusionsdaten aus 2-D-Angiographiedaten oder DSA-Sequenzen | |
DE102019202514B4 (de) | Verfahren zur digitalen Subtraktionsangiographie, Röntgeneinrichtung, Computerprogramm und elektronisch lesbarer Datenträger | |
DE102012205351A1 (de) | Darstellung von Blutgefäßen und Gewebe im Herzen | |
DE102014201559A1 (de) | Angiographisches Untersuchungsverfahren eines Gefäßsystems in einer interessierenden Körperregion eines Patienten | |
DE102017221276A1 (de) | Medizinische Bildverarbeitungsvorrichtung, Röntgen-CT Vorrichtung und medizinisches Bildverarbeitungsverfahren | |
DE102015222853A1 (de) | Verfahren zum automatischen Ermitteln eines Kontrastmittel-Injektionsprotokolls | |
EP3210537B1 (de) | Erstellung eines dreidimensionalen abbilds eines körperteils durch ein röntgengerät | |
DE102010018460A1 (de) | Verfahren zur Ermittlung wenigstens einer Änderung einer tubulären Gewebestruktur eines Lebewesens, Recheneinheit und Datenträger | |
EP3216391A1 (de) | Vorrichtung und verfahren zum ermitteln zumindest eines individuellen fluiddynamischen kennwerts einer stenose in einem mehrere serielle stenosen aufweisenden gefässsegment | |
DE102013222674B3 (de) | Angiographisches Untersuchungsverfahren zur Erkennung von Mikro-Embolisationen | |
DE202017107196U1 (de) | Medizinische Bildverarbeitungsvorrichtung, Röntgen-CT Vorrichtung und Computerprogrammprodukt | |
DE102010040041B3 (de) | Verfahren zur Korrektur von durch zeitliche Veränderungen von Schwächungswerten auftretenden Artefakten | |
DE102019217576B4 (de) | Identifizieren und Bereitstellen von Fehlausrichtungsbildmerkmalen | |
DE102015200850A1 (de) | Verfahren zur Auswertung von medizinischen Bilddaten | |
DE102010041626A1 (de) | Verfahren zur Vorhersage des Aneurysmen-Wachstums | |
EP3637365B1 (de) | Verfahren zum bewerten einer verlässlichkeit eines ct-volumenbildes, computerprogramm und computerlesbares speichermedium | |
DE102011083708A1 (de) | Angiographisches Bildauswerteverfahren zur Bestimmung von Blutflussparametern |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
R016 | Response to examination communication | ||
R079 | Amendment of ipc main class |
Free format text: PREVIOUS MAIN CLASS: A61B0019000000 Ipc: A61B0034100000 |
|
R081 | Change of applicant/patentee |
Owner name: SIEMENS HEALTHCARE GMBH, DE Free format text: FORMER OWNER: SIEMENS AKTIENGESELLSCHAFT, 80333 MUENCHEN, DE |
|
R016 | Response to examination communication | ||
R018 | Grant decision by examination section/examining division | ||
R020 | Patent grant now final | ||
R081 | Change of applicant/patentee |
Owner name: SIEMENS HEALTHINEERS AG, DE Free format text: FORMER OWNER: SIEMENS HEALTHCARE GMBH, MUENCHEN, DE |