JP2002501774A - 脳循環モデルと用途 - Google Patents
脳循環モデルと用途Info
- Publication number
- JP2002501774A JP2002501774A JP2000529172A JP2000529172A JP2002501774A JP 2002501774 A JP2002501774 A JP 2002501774A JP 2000529172 A JP2000529172 A JP 2000529172A JP 2000529172 A JP2000529172 A JP 2000529172A JP 2002501774 A JP2002501774 A JP 2002501774A
- Authority
- JP
- Japan
- Prior art keywords
- model
- blood vessel
- vessel
- flow
- corresponding blood
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Classifications
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B6/00—Apparatus for radiation diagnosis, e.g. combined with radiation therapy equipment
- A61B6/48—Diagnostic techniques
- A61B6/484—Diagnostic techniques involving phase contrast X-ray imaging
-
- 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
- A61B5/0263—Measuring blood flow using NMR
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B6/00—Apparatus for radiation diagnosis, e.g. combined with radiation therapy equipment
- A61B6/48—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 for radiation diagnosis, e.g. combined with radiation therapy equipment
- A61B6/50—Clinical applications
- A61B6/504—Clinical applications involving diagnosis of blood vessels, e.g. by angiography
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B6/00—Apparatus for radiation diagnosis, e.g. combined with radiation therapy equipment
- A61B6/50—Clinical applications
- A61B6/507—Clinical applications involving determination of haemodynamic parameters, e.g. perfusion CT
Abstract
Description
を有する。閉塞性の脳血管の疾患のための治療の選択は、動脈内膜切除、血管の
取り換え、バイパス、血管形成および血栓溶解のような種々の再構築処置を含み
;そのすべては脳循環を強化する共通の目標を共有する。
在的メリットを評価することは難しく、また長期間にわたるまた膨大な費用をか
けた大きなグループの患者を含んでいる治療上の試みに主に頼ってきた(例えば
EC−ICバイパスと頚動脈内膜切除の研究)。患者を効果的でないかまたは耐
えられない有害な治療に任意抽出することは倫理上のジレンマであり、複雑な閉
塞的なパターンを有する所定の患者の最適な脳血管の再構築処置の選択は、困難
であり、また最終的に直観的な処置に依存する。
最適な処置を選択する公算を増す。本発明は、任意の数の処置をシミュレートす
るために、脳血管疾患を有する患者に脳循環のコンピュータ化モデルを適用し、
これによって任意の患者にとって最適な処置を選択するための手段を提供する。
本発明の利点は、患者の転帰の改善と、相当の費用節減と、脳血管の再構築処置
が実行される方法に対する主な影響とを提供する。
se Congress,7th Annual Meeting of th
e North American Skull Base Society,
(San Diego,July,1996)は、以前にコンピュータ化された
脳循環のモデルを頭骨ベースの外科手術に適用する方法について論議した。脳血
管外科手術におけるコンピュータ化されたモデリングの役割は、Charbel
等によってthe 11th International Congress
of Neurological Surgery(Amsterdam,J
uly 1997)で論議された。Charbel等は、11th Inter
national Congress of Neurological Su
rgery(Amsterdam,July 1997)で頚動脈犠牲の許容度
についてコンピュータ化した予測値の適用を論議した。脳血管再生に対するモデ
ル化の適用もまた意図されている。
、全体の生体被験者のためにモデルを開発するステップと、生体被験者の全体的
な脳生理に実質的に従うためにモデルを補正するステップとを含む。本方法は、
補正されたモデルに基づき生体被験者の脳の流量と、所定の脳血流量の乱れ(pe
rturbation)とを計算するステップをさらに含む。
ログラムは、コンピュータ支援の神経血管の分析と、脳循環の評価と予測のため
に有用なシミュレーションのために開発された。プログラムは最高4つの主要コ
ンポーネントを有する:(i)デジタルサブトラクション血管造影法(DSA)
からの血管抽出システム;(ii)3次元位相差磁気共鳴(MR)流量測定シス
テムと3次元の拍動視覚化;(iii)脳循環のコンピュータシミュレーション
システム;(iv)世界へのワールドワイドウェブベースのインタフェースとウ
ィンドウ。
する。モデル化プログラムは、選択された血流の乱れ(perturbation)(例えば
、脳動脈瘤、狭窄、バイパス、他の脳血管疾患等)の状態下で脳内の流量と圧力
の分析とシミュレーションを可能にする。モデル化プログラムは現在有限差分法
を使用している。
に使用される。現在、アテンションベースモデル(AIM)は血管抽出システム
の基礎を形成している。血管抽出システムは、ウィリス氏動脈環の種々の所定の
領域における血管の直径と長さの正確かつ迅速な測定を提供する。最も小さな血
管寸法解像度(数百ミクロンのオーダ)を有するデータはX線血管造影[プラッ
トホーム:SGI Workstation;IRIS 6.2 Varsit
y Package(Rapidapp,Open Inventor,C++
)]から現在導かれる。
タル化映像のコンピュータ化された獲得は、X線血管造影からの血管直径の手動
の読み取りと較べてデータ収集プロセスを加速かつ強化することができる。現在
のX線血管造影測定の2次元の性質は、技術から詳細な3次元データを導く能力
を制限する。
が得られるように開発されてきた。核磁気共鳴映像法からのデータ選択から成る
現在のソースは、流量を測定するために3次元位相差血管造影法を使用する[プ
ラットホーム:SGI Workstation,IRIS 6.2 Vars
ity Package(Rapidapp,Open Inventor,C
++)]。この方法では、MRIデータの血管寸法解像度は1mmの半分のオー
ダである。
は、血管の3次元定位(localization)と視覚化によって断面と流量測定の精度を
高める。
ローチを有効とするために、AIMは、アプローチを支配するある規則の制約内
で動作するかまたは連絡するために、人間の機能を利用しなければならない。以
下に明らかになるように、AIMは、数種の方式の医学的画像(例えば、核磁気
共鳴血管映像法(MRA)、核磁気共鳴映像法(MRI)、キセノンコンピュー
タトモグラフィ(XeCT)、X線血管造影(XRA)など)を分析するための
選択的な注目すべき(attention-inspired)相互作用モデルである。一般的に、
AIMアプローチは他方の弱点を克服するために人と機械の両方の長所を利用す
る。
ブロック図である。モデル化システム10は概してデータソース12と、中央処
理ユニット(CPU)14と、ディスプレイ18と、キーボード16とを含む。
データソース12は1つ以上の医学的イメージングシステムであることが可能で
ある(例えばMRA、MRI、XeCT、XRA等)。
ことが既知である:1.アテンションは、限定された認知リソースの方向付けを
容易にする;2.空間の合図(または刺激)は、認識のためのアテンションの「
スポットライト」を方向付ける際に有効である;3.特徴とオブジェクトの両方
のレベルの中央のセマンティック合図は、視覚的なアテンションタスクの実行を
容易にする;4.自分の対話者のアテンション空間に何が存在するかのモデルが
、有効なコミュニケーションを維持する点で重要である。
何を探すべきか)とフォーカスオブアテンションFOA(どこを見るべきか)で
ある。AIMシステム10では、ユーザはメニュー(または神経血管系の概略図
)からコンテキストを選択し、また2Dまたは3Dポインティングデバイスを用
いてデータを通してFOAカーソル(FOAC)を操作する。例えば、図2は7
3本の血管を含む人間のウィリス氏動脈環100を示している。血管の1本を選
択することによって、何を探すべきかのコンテキストがシステム10に提供され
る。
リーン152を示している。図2のウィリス氏動脈環100は、スクリーン15
0のボックス152のグラフィックコンテキスト表示として表示することが可能
である。システム10のオペレータ(図示せず)は、カーソル162を用いて血
管(例えば102)を選択することが可能である。
画像作業エリア154のどこで探すべきかをCPU16に示すことが可能である
。オペレータは、FOAC(すなわちスマートカーソル162)を血管の上方に
配置し、またENTERボタンを作動することによって血管102を識別するこ
とが可能である。
リアルタイムで所定のコンテキストにマッチするエンティティを突き止めて強調
表示する。正しいエンティティが作業エリア154で強調表示される時、ユーザ
はこれを認識し、またシステムはエンティティ(例えば強調表示された血管)を
追跡することによって対話を延長し、その間ずっと強調表示動作を介してフィー
ドバックを行う。システムは、隣接した画素または画像の画素群の間にハイコン
トラストエリアを探すことによって、エンティティをトレースすることが可能で
ある。ハイコントラスト領域は、血管と周囲組織との間の境界領域を識別するた
めに利用することが可能である。血管がオペレータによってシステムに識別され
るところでは、システムはFOAC内の血管を識別し、また隣接した領域の処理
を開始して、血管の他の部分(例えばそれぞれの端部)に対して対比された通路
領域の連続性を利用して3次元空間の対比された領域をトレースする。
も測定する。最大のコントラスト変化速度の領域を探すことによって、システム
は血管の外壁を識別する。次に、血管の対向側面の間の距離について測定を行う
ことが可能である。
ィティの検出の問題となる。したがって、とりわけ特別に調整した検出器を使用
してもよい。簡単にポインティングデバイスを移動することによって、ユーザは
検出器の目標を変えることができるので、検出器が誤ったエンティティを強調表
示したとしても大きな問題ではない。
レベル、フィーチュアレベルおよびポイントレベルコンテキストを通した完全な
場面解釈からの抽出時に変わることがある。神経血管ツリーのドメインでは、オ
ブジェクトレベルコンテキストは頚動脈のセグメントである可能性があり、フィ
ーチュアレベルコンテキストは動脈境界モデルである可能性があり、またポイン
トレベルコンテキストでは、ユーザは手で血管の境界点をトレースすることが可
能である。これは、患者ケアのプロセスにおける我々の使命に不可欠なタスクの
ために、システムにロバストネスを提供する。神経血管の画像解釈のために、た
とえより高いレベルの認識アルゴリズムが(例えば患者病理学またはデータ品質
のため)失敗したとしても、これは、必要な血管抽出と測定を得るための機能を
保証する。
を提供する。これは重要であるが、その理由は、AIMSは新しいアルゴリズム
、イメージング形式および対象のエンティティ(例えば脳の大脳半球間の深い割
れ目のような他の脳構造、心臓血管の画像解釈のための大動脈壁部、デジタル乳
房撮影写真分析のための腫瘍モデル)を受け入れるために、各ドメインのために
大規模な特別な改造を必要としないで容易に拡張可能であるからである。図4は
、相互作用モデルを特徴づけるアーキテクチャのブロック図である。オブジェク
ト指向のアーキテクチャは2つの別個のコンポーネントを含む:ユーザインター
フェースとドメイン知識表示である。このようなモジュール性は、プラットホー
ムとディスプレイ/相互作用技術にわたってシステム10の携帯性のために(例
えば両方の2Dと3D解釈環境のために)重要である。
および異なった種類の画像データから前記血管を抽出するために必要なオペレー
タ)に関するドメイン知識を維持する。データ情報はデータ(例えば、データが
記憶されるファイル名順序、各画像形式の解像度など)に関するメタ情報を維持
する。オペレータセレクタは、オペレータライブラリから適切なFOACオペレ
ータを選択する。プロセス知識データベースは解釈プロトコルの知識を維持する
。
付けることによってダイアログ拡張のコンセプトを認識する。例えば、神経血管
の画像解釈のドメインで、プロトコルは、XRAデータセットのオーダリングと
、XRAイメージの特定の観測投影の内容とに関して効率的な血管抽出のオーダ
を指令する。システムが神経血管系の各連続血管のためにユーザに入力を促すよ
うに、このプロトコルはスムーズに相互作用順序に符号化することができる。プ
ロトコル定義ファイルは、血管測定の順序と、測定を行うことが可能な好適な画
像とを組み合わせる。システムは、適切な画像の血管測定の入力をユーザに促す
ことによって、拡張ダイアログをシミュレートすることが可能である。これによ
ってシステムは、ユーザが順序を覚える必要がないように、抽出される次のエン
ティティを予測することができ、かくして処理誤差(例えば見失ったあるいは混
乱した読み取り)が低減される。この実例は、またダイアログストリームを中断
かつ回復する構想も例示している。ユーザは、複数の理由のためにプロトコルを
中断することを望むかもしれない。ユーザは、以前に行われた誤った測定を補正
することを望むかもしれないか、あるいはシーケンスから機会の測定を行うこと
を望むかもしれない。AIMは、ユーザに対象のコンテキストを選択させること
によってこのような中断を許容する。これは、ユーザが「被験者を変更している
」と考えるかもしれない。AIMは「中断」の位置を維持し、またユーザが望む
時は常にダイアログ(またはプロトコル)の回復をユーザに許容する。したがっ
て、プロセス知識データベースは、有効な相互作用に欠くことができない談話位
置性と回復の心理言語学的コンポーネントを実際に促進する。
リーンレイアウトを示している。作業領域154は解釈タスクのシステムとオペ
レータが相互作用する1次領域である。フォーカスオブアテンション(FOA)
は、ポインティングデバイス(例えばマウス)を用いて、作業領域に表示される
被検者画像の上方でスマートカーソル162を操作することによって方向付けら
れる。現在のコンテキストを満たすスマートカーソル下のオブジェクトを強調表
示することによって、解釈プロセスのためのフィードバックが作業領域内で行わ
れる。ディスプレイの左底部のFOAステータスディスプレイ158は、スマー
トカーソルの下にエリアの拡大図ならびに処理状態を示す。以降の部分に、部分
的処理結果がこのディスプレイに提示される方法を示す。
な状態ならびに特定の解釈的なコンテキストをユーザに提供する。我々の神経血
管の解釈プロトタイプでは、これは神経血管のツリーの概略図である。心臓血管
の測定システムでは、これは大動脈系の概略図である可能性がある。概略図は、
カラー(例えば、コンテキストボックス152の我々の神経血管の測定システム
では、すでに測定された血管は緑色で満たされ、またコンテキストの血管は赤色
に塗られている)を用いて解釈プロセスの全体的な状態をユーザに提供する。ユ
ーザは、この概略図のその表示を直接選択してこのウィンドでコンテキストオブ
ジェクトを選択することによって、ダイアログプロセス(または測定プロトコル
)を中断することが可能である。このグラフィック表示に加えて、この一般型の
スクリーンレイアウトはシステムステータスおよびプロセスステータスボックス
156、160の原文コンテキスト識別を用意する。前者は所定のコンテキスト
に関する一般的な情報を提供し、また後者は現在の解釈の状態を詳述する(例え
ば現在の画像で測定されている血管の寸法)。
と、操作すべきデータセットの選択とを許容する。
ェースの開発時に採用されたユーザインタフェース設計原則のため、ここに説明
したAIMインタフェースは簡単であるが、なお有効であり、かつ使いやすい。
図7は、神経血管系のXRAイメージの解釈の間に現われる可能性のあるような
AIMインタフェース150の実例を示している。XRA画像は作業領域154
に表示される。この領域はスクロール可能であり、したがってXRAイメージの
任意の寸法を表示することができる。ユーザは、メニューバー164から適切な
選択項目を選択することによって、画像の寸法をいつでも大きくまたは小さくす
ることができる。フォーカスオブアテンション(FOA)は画像内に示されたボ
ックス162によって表され、またマウスによって導かれる。神経血管系の概略
図100がグラフィックコンテキスト表示152に示されている。それはスクリ
ーン上部の左隅に示され、グラフィックでオブジェクトレベルコンテキストをシ
ステムに提供する。ユーザが(マウスを使用して)この概略図100の血管を選
択する時、この血管に関する情報はスクリーン下の右隅のウィンド160に表示
される。この情報は、(インデックスとして使用される)血管番号、血管、幅お
よびこの血管の測定プロセスについてユーザが書き込んだ任意のコメントを含む
。この血管について測定が行われていなかったならば、血管はデータベースに記
憶されたデフォルト幅を有する。血管は異なった色で強調表示され、選択と測定
プロセスにフィードバックを行う。
ルの処理状態を表示する。このディスプレイはFOAで確認された血管境界の拡
大図面を示し、また測定が行われる断面を突き止める。計算とプロセスパラメー
タの部分的な結果はこの領域にも示される。
れるように設計される。したがって、測定時に使用されるXRAを選択するため
に専門家が現在使用しているシステムに、このような専門家が精通していること
を利用することが有利である。図5は、システム10の容易な使用を促進する追
加ウィンドを示している。システム10では、すべての患者のXRAイメージは
分離したディレクトリの記憶デバイスに記憶される。システム10は、ウィンド
177に示したように元の画像の親指大の画像を創成し、これらは128x12
8および256x256画素である。ユーザは、XRAを点検する医者が使用す
るライトボードと同様のウィンドウ上に、128x128バージョンの親指大の
画像のすべてを同時に見ることができる。カーソル162が数秒の間親指大のイ
メージの1つの上に保持される時、より大きなシータイメージの256x256
バージョンがスクリーン上に表示される。これはユーザがより詳しく画像を点検
することを可能にする。ユーザが解釈のために1つの画像の選択を決める時、ユ
ーザは単にマウスボタンをクリックし、またシステムはこの画像の元のバージョ
ンを作業領域に持ち込む。システムの他の重要な特徴は、解釈プロセスが適度の
計算ハードウェアでリアルタイムで行われることである。画像全体を処理する代
わりに、FOAの下の領域のみが処理され、この結果非常に速い処理速度が得ら
れる。解釈プロセスの間のグラフィックおよび原文両方の強力なフィ−ドバック
機構は、システムを有効にし、また使いやすくする。
る異なった個人を考慮しなければならない。外科医は測定プロセスを医療技術者
に委任することが可能であるが、外科医は最終的にその最終の治療決定に対し責
任がある。したがって、測定値が獲得された時、AIMダイアログモデルは相互
作用の状態の記録を含むように拡張されている。この測定の履歴の特徴は、使用
される画像の識別子と、測定箇所におけるFOAの座標および寸法とを含み、測
定された血管に関する情報を維持する。測定結果は、実施されたすべての測定の
ためのデータベースに記憶される。これは、測定の「品質管理」チェックの実行
を医者に許容する。概略図の血管を選択することによって、あるいはスクリーン
(プロセスステータスウィンドウ)の底部右の測定テーブルから、任意の測定状
態を思い出すことが可能である。ユーザは測定と品質管理とを進むことも可能で
あり、ユーザはAIM解釈プロセスを用いて、実施されたすべての測定を変更す
ることができる。
ータから獲得することが可能である。データから導かれる寸法情報は、ドップラ
ーモードで動作するMRIを使用して強化することが可能である。ドップラーM
RIの使用は、各血管の断面に交差した血流速度を測定することによって体積血
流の決定を可能にする。
制約される補間スキームを現在使用している血管の3次元再構築から得られる。
流量データは、所定の血管間隔の頭骨横断のドップラー測定によって確証される
。また血流速度は血管反応性の結果として変動することが確認されている。脳の
自己制御に関する基準値が確立されており、また連続的にリファインされる。
る。カラーコード体系は、ユーザ間の変異性を低減するためにデータの視覚化と
ユーザ相互作用を容易にする。
回転することができる。またユーザは3次元映像の任意の箇所に面を配置し、次
にその位置で脳血管網100の2次元断面を観測することができる。
面内の血管を明瞭に認識できる。血流の3次元の拍動を活動させ、また現在開発
されたユーザインタフェース150内に視覚化することができる。時間と共に変
化する拍動流変化を生き生きと示す血管断面を通した流動の詳細なグラフィック
分析のために、ユーザは血管を選択することができる。
[プラットホーム:PC(Pentium),Windows95/NT or
DOS,Lahey Fortran 77]をカスタマイズし、また駆動す
るために、血管抽出システムと3次元位相差MR流量測定システムの両方からの
出力を利用する。モデルは、脳血管網の個人対個人の変異性を明らかにするため
に構造を変えることができる。各患者のためにカスタマイズしたモデル形成の必
要に応じて、流動モデルの血管セグメントの全体数を増加または減少することが
できる。
気共鳴血管造影図から、ならびに外科手術中の流速計を用いた直接の流速測定か
ら測定の経験的観察を受け入れ、また所定の部位における頭骨横断ドップラー(
TCD)を受け入れる。モデルのパラメータは、「正常な」被験者と脳血管疾患
を有する被験者におけるモデルの確証の必要に応じて適合することができる。
局部動脈寸法に対する局部的圧力に関する状態式とに基づいた1次元の明示的な
差分アルゴリズムである[Khufahl&Clark,ASME J.of
Biomech.Eng.107:112−122(1985)]。
ノードはモデルの全体にわたって互い違いに配置される。各血管は多くの部分に
分割される;流量ノードはセグメント端部に、圧力ノードはセグメント中心に配
置される。任意の多血管網構造をデータファイルのみから指定することができる
。
常、プロトタイプ測定または血管造影データから得られる大動脈の根元の圧力時
間符号が強制機能として働く。頭骨横断のドップラー測定によって決定されるよ
うな網目内のある箇所における速度も統合される。
箇所で初期化された圧力と流量とによって最初に初期化される202。断面積は
、現在の圧力を用いてすべての箇所について計算される202。マスバランスは
、血管接合中心の圧力を除いて、すべての箇所における圧力を計算することによ
って決定される204。入口強制機能が、圧力および流動源を更新するために呼
び出される206。すべての接合部の流量およびすべての接合中心の圧力を計算
することによって、内部接合境界条件を評価することが可能である208。
ことによって決定することが可能である210。すべての接合部中心の圧力は、
内部流動源を導入するための特別な強制機能として利用することが可能である。
すべての輸出リンパ管の最後の節の流量を計算することによって、1組の末端境
界条件を決定することが可能である212。
較される216。増分された時間がモデル化期間よりも短いならば、プロセス2
00が繰り返す。そうでなければ、プロセスは終了する。
を含む現在のモデルで使用される。外科用の吻合が考慮される時、必要に応じて
血管の数を増やすことができる。さらに、任意の指定量だけ狭窄した(乱された
(perturbed))セグメントを任意の数の血管に配置することができる。動脈瘤 もまた網目内の種々の部位でシミュレートすることができる。任意の数の外科的
処置の結果は、システム10のモデル結果に基づき正確に予測することが可能で
ある。
き、ユーザはインターネット全体にわたって、遠隔地点から双方向およびユーザ
フレンドリのプログラムにアクセスすることができる。
の神経外科条件をモデル化し、また分析するために有効に利用される。
いう前提に基づいていた。供給を受ける脳の体積は計算することができる。最初
に、脳の全質量を決定することができる。次に、供給を受ける部分は、確認され
た合計の割合として決定することができる。特定の動脈によって供給を受ける脳
の質量を知ることにより、その質量に供給するのに必要な血液の体積を決定する
ことができる。それらの初期のモデルは、正常な患者の脳循環系の血管の弾性、
血液の粘度および血管構成を前提にして、一般的であった。
液の体積が決定されると、モデルは特定の患者に校正される。
ら識別される。患者の脳のX線血管造影図(XR血管造影図)は血管の直径を決
定するために使用される。次に、位相差核磁気共鳴映像の血管造影法(MR血管
造影法)が、脳内の実際の血流を決定するために使用される。モデルを調整する
ために、見失ったまたは追加の動脈セグメントを識別し、また使用することが可
能である。モデルを実際の患者にカスタマイズするために、実際の動脈構造と実
際の血流の知識とを利用することができる。
験的な研究が行われた。本研究は端から端をつないだシステムを実装していた。
本研究は、脳血管流動の挿入されたカラー速度画像から血管断面を10人のユー
ザに選択させることによって、測定の反復率をテストした。システムの流量計算
性能は、ファントムの一定流から、変化する脳血管疾患を有する10人の患者か
ら、また計算流体力学(CFD)シミュレーションから収集されたデータに対し
て証明された。
床上の測定とCFDシミュレーションとを通して得られた流量に対し優れた程度
の忠実度を示すことが示されている。160の測定について96%の全体的な精
度がファントムについて観察され、5%未満の取るに足らない誤差が、10人の
ユーザの間の血管断面の抽出時にユーザ間の変化性に観察された。10人の患者
については、計算された流量は質的評価において満足すべきものであった。計算
された流量も、2人の患者の流速計で測定した流量と非常によく相関した(r=
0.985、P<0.001)。ウィリス氏動脈環の流量測定は2人の患者のC
FDシミュレーションの結果とよく相関した(r=0.970、P<0.001
)。
、当初、脳の底部で不完全に機能する吻合網であるとのみ考えられていた。Wi
llis,Annals or Medical History 2:81−
94(1940)。その後、前記循環が脳の血流の主要な分配センタとして機能
することが認められた。健康時、前記循環は比例して脳の各部分に血液を分配す
る;病気の時、血液供給が減少するかまたは途絶える時、前記循環は脳の血流力
学的定常性を維持するように努めて流量を再分配することができる。
圧力とを測定することは非常に困難である。したがって、システム10を使用す
るコンピュータシミュレーションは脳循環網の流量と圧力とを予測する魅力的な
方法となる。流体動力学ベースのコンピュータシミュレーションは、循環系のほ
とんど任意の所望の部分における圧力と流量とを予測する便利さを提供する。さ
らに、このシミュレーションは健康と病気状態の下における流量と圧力とを見積
もるために使用できるだけでなく、治療処置の結果を予測するために使用するこ
とができる。
「生理学な」非定常の拍動流を取り扱う問題;血管壁の弾性をモデル化する問題
;血管壁の弾性によって引き起こされる移動境界をモデル化する問題を含む広範
囲の挑戦的な流体動力学の問題を提示する。さらに、脳循環網は相互接続された
3次元動脈網であるので、動脈の湾曲をいかにモデル化するかの問題が生じる。
分岐の非対称および3次元の特性もまた非常に重要な問題である。
Clark等、Acta Neurol.Scandlnav.,43:189
−204(1967)は、1次元の線形の定常層流のためにコンピュータモデル
を形成し、また同一のグループによって形成された工学モデルと結果を比較した
[Himwich等、Archive of Neurology,13:16
4−172(1965);Himwich等、Archive of Neur
ology,13:173−182(1965)]。Cooper,Ph.D.
thesis,Washington University(1970)は拍
動流効果を研究した。Chao&Hwang,TiT Journal of
Life Science,2:3−81(1972)は、それらのモデルで非
線形の拍動流をシミュレートした。Himwich&dark,Patholo
gy of Cerebral Microcirculation,J.Ce
rvos−Navarro,ed.(Walter de Gruyter,N
ew York:1974),pp.140−152,およびClark&Ku
fahl,Proc.of 1st Intl.Conf.Cardiovas
cular System Dynamics,MIT Press(Bost
on,1978),pp.380−390は、伸長性の血管の拍動流をシミュレ
ートした。Hillen等、J.Biomechanics,15:441−4
48(1982)は、拍動流と弾性血管壁を明らかにする5本のみの血管に単純
化された非線形の1次元モデルを開発した。Kufahl&Clark,J.B
iomechanical Engineering,107:112−122
(1985)は、伸長性の血管を有する1次元の差分モデルを開発した。Kuf
ahl&Clarkの犬モデルは35本の血管を含み、定常流と拍動流の両方が
研究された。
人間の脳循環を一般的にシミュレートするために、動物モデルを適合することは
些細なことではなかった。
シミュレートに必要な動脈の数、それらの動脈の選択およびウィリス氏動脈環の
機能性を表すために選ばれた動脈の構造を含んでいた。
なパラメータは、人によって異なり、個々の症例に対する標準データの利用を制
限する。成功したモデルは、種々のシミュレーション条件を取り扱うために非常
にフレキシブルかつロバストでなければならない。
ータ情報を蓄積する機能を限定する。
(1989)は、Kufahl&Clark,J.Biomechanical
Engineering,107:112−122(1985)が利用した数
学的な方法に続いて、人間の脳循環網のための精巧なモデルを開発した。新しい
モデルは、基本的なウィリス氏動脈環を表す73本の血管を含んでいた。図2は
Clark等の73本の血管モデルの概略図である。当然生じる吻合を加えた後
、血管の総数は85本に増加した。人工の吻合を加えた時、血管の数は87本に
増加した。
(1991)は、大脳動脈のみでなく、人体の主供給動脈を含むモデルを作った
。Duros等のモデルは、動脈瘤の破裂条件をシミュレートするために使用さ
れた。
次元の線形流動の類似性に基づき作られた。さらに、電気ネットワークは、容量
と抵抗とによってネットワークをシミュレートすることができる。また電気ネッ
トワークモデルは理解しやすく、便利な抽出を提供する。Roller&Cla
rk,J.Biomechanics,2:244−251(1969)は、伝
送線の理論を利用して拍動流と可撓性の血管壁をシミュレートした。Hella
l,Comput.Biol.Med.,24:103−118(1994)は
、線形化したナビエストークス式と血管壁変形の方程式とから導かれた伝送線の
方程式を用いて電気的モデルを作った。
ルは、同一の組の支配方程式、すなわち1次元連続方程式とナビエストークス式
で始まる電気的モデルである。これらのモデルでは、式を導くために次の前提を
設定しなければならない[Long等、J.Fluid Mech.,55:4
93−511(1972);Imaeda,Ph.D.thesis,Univ
.of Waterloo(1975);Imaeda等、J.Biomech
einics,13:1007−1021(1980);nerm等、Hand
book of Engineering(McGraw−Hill,New
York:1987),pp.21.1−21.21]:(i)流れは径方向に
対称のまた良く開発された層流である;(ii)血液は非圧縮性のニュートン型
流体である;(iii)外力(例えば重力)は無視できる。
方程式がより便利である。積分支配方程式は、[Kufahl&Clark,J
.Biomechanical Engineering,107:112−1
22(1985);Raines等、Proc.of the Summer
Computer Simulation Conference(MIT P
ress,Boston:1975),pp.890−900;Raines等
、J.Biomechanics,7:77−91(1974);Proent
a等、J.Biomechanical Eng.,108:161−167(
1986)]: 連続方程式: 運動量方程式: であり、ここでΩは量子流量であり、またAは断面積である。 πは壁部の剪断応力である。対流の項、 は支配方程式の組を非線形にする。
れが定常または拍動であるかどうか、血管壁が剛性または伸縮性であるかどうか
、また流動場を説明するために線形または非線形の支配方程式が用いられるかど
うか)またそれらが問題を解決する方法(例えば分析手法または数値法が使用さ
れるかどうか)である。
ても、支配方程式は、運動量方程式の対流の項の存在のためなお非線形である。
パイプ流量については、速度の勾配が非常に小さいので対流の項は無視すること
ができる。結果は、線形化ナビエストークス式である。血管壁が剛性であり、ま
た流れが定常であるとさらに仮定されるならば、問題はポワズイユの流れとなり
、これは周知のハーゲン・ポワズイユ式を適用することによって分析的に解くこ
とができる。 ここでRはパイプ半径であり、またlはパイプ長である。
ed.Biology,2:178−187(1957)は分析による解決法を
与えた。非線形効果と血管の伸長性を考慮して、Ling&Attack,J.
Fluid Mech.,55:493−511(1972)はWormers
leyのモデルを展開した。数値的に問題を解決するために差分方式が用いられ
た。今日まで、大部分の既存のモデルは非線形、拍動流および伸長性の血管壁部
の問題を処理することができる。
る。
常流については、解決法はハーゲン・ポワズイユ式によって与えられる。非定常
流については、解決法はWormersleyモデルによって与えられる。この
形態のモデルの実例は、Clark等、Acta Neurol.Scandi
nav.,43:189−204(1967),およびHillen等、J.B
iomechanics,21:807−814(1988)を含む。ある電気
的モデル[RollerおよびClark,J.Biomechanics,2
:244−251(1969);Helal,Comput.Bio.Med.
,24:103−118(1994)]はハーゲン・ポワズイユ式から導かれた
ので、それらはこの形態に属する。線形支配方程式および剛性の血管の前提を有
するモデルの利点は、モデルが簡単であり、また分析による解決法が存在するこ
とである。かくして、パラメータの感度分析を実行することができる。また上記
モデルは、大脳網の流れを支配する機構を理解する可能性を提供する。
ルの実例は、Kufahl&Clark[KufahlとClark,J.Bi
omechanical Engineering,107:112−122(
1985);Clark等、Neurological Research,1
1:217−230(1989);Kufahl,Ph.D.thesis(U
niv.of Illinois,Urbana:1980)]Hillen等
[Hillen等、J.Biomechanics,15:441−448(1
982);Hillen等、J.Biomechanics,19:187−1
94(1986)]およびDuros等、Neurological Rese
arch,13:217−223(1991)を含む。
性、拍動流および伸長性の血管が第1の形態のモデルよりも正確であることであ
る。例えば、LingおよびAttack,J.Fluid Mechanic
s,55:493−411(1972)は、非線形の項を無視できないことを指
摘している。KufahlとClark,J.Biomechanical E
ngineering,107:112−122(1985)は、拍動流が総流
量の10%の増加をもたらし、またある程度の流量再分配に寄与したことを示し
た。
のために、数値技術を使用しなければならない。最も一般に使用される計算流体
力学ツールは有限差分(FD)、有限要素(FE)および有限体積(FV)であ
る。
が[Kufahl&Clark,J.Biomechanical Engin
eering,107:112−122(1985);Clark等、Neur
ological Research,111:217−230(1989);
Duros等、Neurological Research,13:217−
223(1991);Kufahl,Ph.D.thesis(Univ.of
Illinois,Urbana,1980)]、これは差分法の適用が簡単
であり、また適度の計算リソースによってある程度の精度を達成できるからであ
る。しかし差分法は高い規則性の格子を必要とし、また複雑な形状問題を解決す
る際に使用される方法を制約する。
できるが、この方法の欠点は、それが差分法よりもはるかに多くの計算時間を必
要とすることである。
可能なコンピュータ装置を使用する有限要素法の利用を困難にしている。ネット
ワークシミュレーションで有限要素法を適用するためには、強力なコンピュータ
が必要である。計算技術の進歩につれ、有限要素法を脳ネットワークシミュレー
ションに適用することができる。本発明は現在差分法を組み込んでいる。
除、バイフェーズ(byphase)および塞栓摘出)、各特定の患者のための
選択の手順は、少なくとも理論的にその患者が脳血流を回復することにある。し
かし、脳循環の複雑な構造のため、各患者は特異な次元構造を有する。その結果
、すべての外科治療は異なった患者に異なった効果を有することがあり得る。
できる。またコンピュータモデルは、可能な治療処置の結果を予測するためにも
使用することができる。しかし、患者にカスタマイズされた包括的なモデルを形
成する、あるいはユーザがそのモデルを随意に乱す(perturb)のを可能
にする利用可能なシステムは現在ない。
982)は、ウィリス氏動脈環の機能的意義を研究するために非線形の1次元モ
デルを作った。モデルは、後交通動脈によって接続された2本の輸入性の動脈と
2本の輸出性の動脈とから構成された。Hillen等は、普通の場合、後交通
動脈の流れが後大脳動脈に向かい、また後交通動脈の流動方向が末梢抵抗の比率
に関係することを確認した。比率を著しく上げることは流動方向を変えてしまい
、したがってHillen等は、後交通動脈の流動がゼロに近くなる死点の形成
を前提とした。
ering,107:112−122(1985)は、犬の循環に関する35本
の血管のコンピュータモデルを開発した。モデルは、拍動流と伸長性の血管壁部
とを有する1次元の非線形モデルであった。コンピュータシミュレーションによ
って、血管壁の大きな流体摩擦のため中脳の長さにわたって大きな圧力低下が明
らかになった。流れの大きなパルスが共通の頚動脈に確認されたが、より小さな
パルスが下流遠くに生じた。
較では、合計速度が拍動流の効果として増加したことが示された。またKufa
hlとClarkはある動脈で流量の再分配を確認した。
に、KufahlとClarkによって一連の狭窄がシミュレートされた。中脳
の流量は、パルスが消失した少数の場合を含み、異なった場合に十分に維持され
ることがわかった。
988)、それらの以前のモデル[Hillen等、J.Biomechani
cs 15:441−448(1982)]が18本の血管を含むように拡張し
た。輸入性および輸出性の血管の流量分布における非対称の効果および後交通動
脈の「死点」の発生の可能性が研究された。著者は、右の後交通動脈におけるわ
ずかな非対称の変化(直径を2倍)が、流量分布に顕著な効果(左の頚動脈の流
れは右の頚動脈の流れを超え、小さな流れが前交通動脈に存在していた)をもた
らすことができたが、圧力は影響を受けないように思われることを確認した。著
者は、後交通動脈の死点が人間には生じ得ないことを指摘した。
988)は、拍動と血管壁弾性を無視することによってそれらのモデルを単純化
した。簡単なモデルと以前のモデルとの比較から、彼らは、拍動と血管壁弾性の
削除が、流量再分配なしに流れのわずかな減少のみを引き起こしただけであった
と結論した。この発見は、流量再分配が拍動流のためであると確認されたKuf
ahlとClark,J.Biomechanical Engineerin
g,107:112−122(1985)の研究とは異なっていた。著者は、こ
の矛盾が、異なったモデルで端子抵抗が測定された方法によって起こされたと結
論した。Hillen等がハーゲン・ポワズイユ抵抗を使用したのに対し、Ku
fahlとClarkは、6次多項式によって近似される準2次元の速度分布図
からエネルギ損失を計算した。
−230(1989)は、人間のウィリス氏動脈環のために4つのコンピュータ
モデルを作った。最初のモデルは、基本的な円を示す73本の血管(「モデル7
3」)を含み、また基準として使用された。自然に生じる二次の吻合を加えるこ
とによって、第2のモデルが作られ、血管の総数は85(「モデル85」)に増
加した。モデル73とモデル85の正面の動脈と中大脳動脈との間に人工の吻合
を加えた結果、モデル75とモデル88がそれぞれ得られた。
合を研究した。各々の場合に、吻合の直径のわずかな増大が以前のモデルに観察
された。結果は、自然でない吻合が存在していた場合、EC−ICバイパスが非
常に有益であったことを示した。
研究がClark等によって実行された。Clark等は、吻合チャネルが局所
貧血の領域への供給を助け、直径がより大きければ、それだけ供給が良くなった
ことを確認した。再び、自然の吻合が存在していなかった場合、人工の吻合が最
も有益であった。
omputerized model of the cerebral ci
rculation”,44th Annual Meeting of Co
ngress of Neurological Surgeons(Chic
ago,1994);”Validation and clinical p
otential of a computerized model of
the cerebral circulation”,1st Annual
Meeting on the Joint Section on Cer
ebrovascular Surgery of the AANS&CNS
(1996)]は、外科手術中に血管の流量を直接測定し、またその値をコンピ
ュータモデルと比較することによって、患者特定のコンピュータモデルを実証す
る定量法、半定量法の両方ならびに直接定量法を導入した。さらに最近、同一の
グループは磁気共鳴を他の貴重な実証ツールとして利用し始め「Phase C
ontrast MR flow measurement system u
sing volumetric flow constrained ima
ge interpolation and color coded ima
ge visualization」,47th Annual Meetin
g of Congress of Neurological Surgeo
ns,(New Orleans,1997)、かくしてコンピュータモデル化
を臨床家の手の届く範囲にもってきた。
−223(1991)は、動脈瘤を有する脳循環をシミュレートするために69
本の血管モデルを作った。モデルで使用された数学的方法は、KufahlとC
lark,J.Biomechanical Engineering,107
:112−122(1985)と同じであった。Durosモデルと他のモデル
との違いは、Durosモデルが大脳動脈を含むだけでなく、人体の異なった器
官に30本の主供給動脈を含んでいたという点にある。
部頸動脈、前大脳動脈および中大脳動脈の接合部に配置された。破裂が起きる可
能性がある状態をシミュレートするために、複数のパラメータが調整された:す
べての末端血管の抵抗値は10の係数だけ大きくされた;80%の2つの狭窄が
中大脳動脈と前大脳動脈に配置された。全身の圧力は高血圧を表すために150
mmHgに増やされた。動脈瘤のコンプライアンス係数は硬い壁部状態を表すた
めに1.5に設定された。
共に変化しないが、圧力ピーク値がサック直径の増加と共に増加することを確認
した。動脈瘤の破裂、高血圧を誘発する可能性がある高圧(310mmHg)を
達成するために、遠近両方の領域の反映部位数の増加および動脈硬化の動脈が必
要であった。
塞を必要とする。永久的な頸動脈犠牲に対する許容は、頸動脈を一時的に閉塞す
ることによって伝統的に評価されている。この処置はリスクなしには済まない。
本発明の脳循環のコンピュータモデルは、バルーン閉塞試験(BOT)のより安
全な代替方法である。
創成し、また差分法を使用して網目血流を計算するために使用された。永久の頚
動脈閉塞に耐える患者を識別するモデルの機能を評価するために、バルーン閉塞
試験に合格しまた落ちた患者の間で計算された同側の中大脳動脈流量における差
が見込みをもって決定された。
た。BOTの失敗は次のいずれかの現れと規定された:BOTの間の神経学上の
不足、EEG波紋の弱まり、および>10%のRSO2の低下。
る変化は、BOTに合格した患者(p<0.001)では7+/−0.74cc
/分であった。
の結果は、永久的な動脈閉塞について患者を評価する際にCFDのための役割を
示唆している。
価するために他の補足診断種類からのデータと共に利用された。
骨横断ドップラー、脳酸素測定法、SPECTも行われ、永久的な閉塞が必要と
なる場合に脳循環を評価した。
きな海綿状の内頸動脈(ICA)動脈瘤を有することがわかった。彼女の脳血流
のコンピュータ分析が行われ、主に中大脳動脈の総流量に焦点を合わせて彼女の
脳循環を評価した。同側のICAの閉塞を伴うまた伴わない中大脳動脈の合計血
流の数値は、コンピュータによって流量がほとんど同一であると予測された。
Aのバルーン閉塞を受けた。患者は、計算された中大脳動脈の総流量の最小の変
化により、両方の脳半球で優れた流れを示した。同時に、EEG波、近赤外線分
光学を利用した脳酸素測定法の記録、頭骨横断ドップラー(TCD)に変化はな
く、あるいは臨床的な悪化はなかった。
患者の評価にリスクを加える。脳循環の数値モデルは、永久的な内頸動脈閉塞に
関する患者の評価の際の補助手段として採用されている。
ュレートすることができる。解剖学的変化を有する網目流、バイパス、または薄
い髄膜の副行血管をモデル化することも可能である。
シミュレートするために利用された。血流が頸動脈の閉塞後にウィリス氏動脈環
の領域で減少するならば、シミュレーションは、減少した流量を受容する領域で
赤色を示し、また減少の大きさに対応する数を示す。血流が閉塞後にウィリス氏
動脈環の領域で増加するならば、シミュレーションは、増加した流量を受容する
領域で緑色を示し、またその大きさを示す。シミュレーションの出力から、ユー
ザは、患者が閉塞に耐えるか(あるいはバルーン閉塞試験に合格する)どうかを
予想することができる。
したこの血流は、実験および数値法の両方によって広範囲に研究された。
)は、T字形状の分岐における非ニュートン流体を研究した。Perktold
等、Biorheology,26:1011−1030(1989)は、脳血
管のツリー内に動脈瘤を有するY字形状の分岐を研究した。Walburn,J
.Biomechanical Engineering,104:66−88
(1982)は、大動脈分岐を通して定常流と拍動流とを研究し、二次流れは拍
動流の中に観察されなかったが、定常流の中に観察された。福島等、内部頸動脈
、前大脳動脈および中大脳動脈 Biomechanical Enginee
ring、110:161−171(1988)は、定常流および拍動流の両方
に二次流れを確認したが、拍動流の中の二次流れの影響は定常流の中よりも小さ
かった。
られた。Wille,J.Biomechanical Engineerin
g,6:49−55(1984)は、定常流を有する大動脈分岐の単一の3次元
モデルを作った。Yung等、J.Blomechanical Engine
ering,112:189−297(1990)は、大動脈分岐の定常流を研
究した。メッシュを便利に創成するため、Yung等は、流動形状部を形成する
ために2.0の非生理学的な面積割当を使用した。Perktold&Pete
r,J.Biomechanical Engineering,12:2−1
2(1990)は、T字形状の分岐の3次元モデルで壁部剪断応力を研究した。
Perktold[J.Biomechanical Engineering
,13:464−475(1991);J.Biomechanics,24:
409−420(1991)]は、頚動脈分岐の3次元モデルで非ニュートン特
性、壁部剪断応力および拍動流を分析した。Rindt等は、頚動脈分岐のため
に3次元モデルを作ったが、彼らは定常流と剛性の血管壁とを使用した。
播に重要な効果を及ぼす。大動脈については、血管壁は3つの別個の層、内膜、
媒質、外膜から構成される。これらの層の各々は特異な機能を有する。血管壁は
弾性だけでなく粘弾性である。血管弾性は、血管断面積と局部的圧力との間の関
係によってモデル化された。Rainesは広く使用されていたモデルを提案し
た: (4) A(p、x)=A(po、x)+βln(p/po) Porenta、BalarおよびStergiopulosによって使用され
た他の2次形式は次の通りである: (5) A(x)=Ao(x)[1+Co(p―po)+Co(p―po)2] ここでβ、C’0およびC’1は実験によって決定される定数である。
navは力学的な実験を通して動脈壁の粘弾性の存在を証明した。Reuder
ink等は、管壁の粘弾性を無視することによって、位相速度と減衰の両方の過
小評価をもたらし得ることを確認した。Hawleyは、粘弾性壁部モデルが、
伸縮性の壁部モデルよりも通常の生理学的現実により近い結果を生み出したこと
を発見した。血管壁力学特性に関するより詳しい議論については、Fungを参
照。
し、ウィリス氏動脈環の構造は3次元であり、また動脈は曲げられる。湾曲は拍
動流と共に大幅に壁部剪断応力に影響を与え、また二次流れを引き起こし、これ
は神経血管疾患の進行を理解する際に重要であるかもしれない。湾曲は頭蓋内脳
循環モデルでは考慮されなかったが、多くの研究者によって大動脈弓のような頭
蓋外湾曲動脈の血流、頚動脈サイホンおよび冠状動脈が分析された。Fried
manとEhrlichは、動脈の輪郭を得るために人間の大動脈分岐のX線写
真をデジタル化し、また領域の2次元の定常流の計算を実行した。その結果は、
壁部傾斜が、中間壁部に沿って剪断応力の可変性に影響を与える重要な要因であ
る可能性があることを示唆した。基部の腸骨の入口の湾曲内の変化は、血管病に
対するこれらの動脈の感受性に影響を与える可能性がある。ChangとTar
bellは大動脈弓の拍動流をシミュレートし、また2次流れが軸流成分とほと
んど同じ大きさであり、2次流れが最高7つの渦流によって複雑であり、ピーク
軸と最高のrmsの壁部剪断応力が内壁に確認された。また軸流方向も内壁で反
転された。
使用して冠状動脈の流れをシミュレートした。彼らは、流れが静止状態の下で準
定常であるが、活動状態下では著しく不安定であることを確認した。単一の2次
流れ渦流のみが確認された。Perktold等は、左主冠状動脈のわずかに湾
曲した部分の流動パターンを研究するために2つの異なった入口速度分布図を使
用した。異なった速度分布図は入口のすぐ近傍でかなりの差をもたらしただけで
あり、差は動脈内深くまで続かず、また壁部剪断応力分布に対する2次流れのか
なりの影響が確認された。
らは、最高の2次流れ速度が最高の軸流速度の3から4%のオーダであり、また
2次流れが壁部剪断応力分布に対し重要な影響を有することを確認した。
edleyに確認することができる。
振る舞うと信じられている。しかし、ある研究では、大きな血管内で非ニュート
ン効果があることが示された。また、非ニュートン効果が曲がりと分岐の近くの
低い剪断の領域に存在することも確認された。
使用した。彼らは速度分布図における大きな差を確認しなかった。LouとYa
ngは、大動脈分岐の非ニュートン効果を研究するために弱い形態のCasso
nモデルを使用した。その結果が示したことは、血液の非ニュートン特性は流動
パターンを劇的に変更しなかったが、剪断応力の感知可能な増加と、流動層の間
の流動分離と位相ずれの両方に対するわずかにより高い抵抗とを引き起こしたこ
とであった。DuttaとTarbellは伸縮性の動脈に簡単な指数法則モデ
ルを適用し、また血液の粘弾性が大動脈の生理学的状態の下でその流動挙動に影
響を及ぼさないと思われることを再び確認した。
スの領域の進歩に並行して進んできた。シミュレーションの各新しい可能性によ
って、「生理学的」モデル化へのより近いアプローチが達成された。理想的なモ
デルは患者特有で、予測性が高く、またマクロおよびミクロ循環の両方のレベル
で実際の状態を反映する。さらに、このような理想的なモデルは、臨床医学のリ
アルタイムの要求に従うために容易に構造変更できるであろう。
提案されてきたが、それらは主に理論および研究ツールとして使用されてきた。
上記モデルを臨床用途のツールに変えることによって、神経血管の再構築処置の
結果を予測する潜在的に強力な利点が得られる。しかし、一部は、このようなデ
ータを測定するための利用可能な工具の欠如の理由で、発表されたモデルのどれ
も量的な人間のデータを使用してインビボ実証されたことはなかった。
て、本発明が作られまた使用される方法を例示する目的で説明してきた。本発明
とその種々の観点の他の変更と修正の実施が当業者には明白であり、また本発明
が、説明してきた特定の実施態様によって限定されないことを理解すべきである
。したがって、本出願に開示かつ請求した基本原理の真の精神と範囲内に入る本
発明のすべての修正、変更または等価物を網羅することが意図される。
ムのブロック図である。
ある。
ートである。
る。
を示している。
Claims (50)
- 【請求項1】 生体被験者の脳循環をモデル化する方法であって、 全体の生体被験者のためのモデルを開発するステップと、 生体被験者の全体的な脳生理に実質的に従うためにモデルを補正するステップ
と、 補正されたモデルに基づき生体被験者の脳の流量と、所定の脳血流量の乱れと
を計算するステップと、 を具備する方法。 - 【請求項2】 前記モデルを開発するステップが、ウィリス氏動脈環を採用
することをさらに含む、請求項1に記載のモデル化の方法。 - 【請求項3】 前記モデルを補正するステップが、モデルの血管を選択する
ことをさらに含む、請求項1に記載のモデル化の方法。 - 【請求項4】 前記モデルの血管を選択するステップが、生体被験者の画像
内の対応する血管の全体領域を識別することをさらに含む、請求項3に記載のモ
デル化の方法。 - 【請求項5】 前記対応する血管を識別するステップが、対応する血管と周
囲組織との間の境界領域を突き止めるために、対応する血管の全体領域の画素デ
ータを処理することをさらに含む、請求項4に記載のモデル化の方法。 - 【請求項6】 前記対応する血管と周囲組織との間の境界領域を突き止める
ために対応する血管の全体領域の画素データを処理するステップが、対応する血
管の直径を測定することをさらに含む、請求項5に記載のモデル化の方法。 - 【請求項7】 前記対応する血管と周囲組織との間の境界領域を突き止める
ために対応する血管の全体領域の画素データを処理するステップが、対応する血
管のそれぞれの端部を突き止めるために、3次元空間の隣接領域への境界をトレ
ースすることをさらに含む、請求項6に記載のモデル化の方法。 - 【請求項8】 対応する血管のそれぞれの端部の測定された直径と位置とに
基づきモデルを更新することをさらに含む、請求項7に記載のモデル化の方法。 - 【請求項9】 前記脳の流量を計算するステップが、質量式の保存に基づき
1次元の明示的な有限差分アルゴリズムを使用することをさらに含む、請求項8
に記載のモデル化の方法。 - 【請求項10】 前記脳の流量を計算するステップが、ナビエストークス運
動量方程式を利用することをさらに含む、請求項9に記載のモデル化の方法。 - 【請求項11】 前記脳の流量を計算するステップが、局部動脈寸法に対す
る局部的圧力に関する状態式を利用することをさらに含む、請求項9に記載のモ
デル化の方法。 - 【請求項12】 生体被験者の脳循環をモデル化するための装置であって、 全体の生体被験者のための脳循環モデルと、 生体被験者の全体的な脳生理に実質的に従うためにモデルを補正するための手
段と、 補正されたモデルに基づき生体被験者の脳の流量と、所定の脳血流量の乱れと
を計算するための手段と、 を具備する装置。 - 【請求項13】 前記脳循環モデルが、ウィリス氏動脈環をさらに含む、請
求項12に記載のモデル化するための装置。 - 【請求項14】 前記モデルを補正するための手段が、モデルの血管を選択
するための手段をさら含む、請求項12に記載のモデル化するための装置。 - 【請求項15】 前記モデルの血管を選択するための手段が、生体被験者の
画像内の対応する血管の全体領域を識別するための手段をさらに含む、請求項1
4に記載のモデル化するための装置。 - 【請求項16】 前記対応する血管を識別するための手段が、対応する血管
と周囲組織との間の境界領域を突き止めるために、対応する血管の全体領域の画
素データを処理するための手段をさらに含む、請求項15に記載のモデル化する
ための装置。 - 【請求項17】 前記対応する血管と周囲組織との間の境界領域を突き止め
るために対応する血管の全体領域の画素データを処理するための手段が、対応す
る血管の直径を測定するための手段をさらに含む、請求項16に記載のモデル化
するための装置。 - 【請求項18】 前記対応する血管と周囲組織との間の境界領域を突き止め
るために対応する血管の全体領域の画素データを処理するための手段が、対応す
る血管のそれぞれの端部を突き止めるために、3次元空間の隣接領域への境界を
トレースするための手段をさらに含む、請求項17に記載のモデル化するための
装置。 - 【請求項19】 対応する血管のそれぞれの端部の測定された直径と位置と
に基づきモデルを更新するための手段をさらに含む、請求項18に記載のモデル
化するための装置。 - 【請求項20】 前記脳の流量を計算するための手段が、質量式の保存に基
づき1次元の明示的な有限差分アルゴリズムを使用する手段をさらに含む、請求
項19に記載のモデル化するための装置。 - 【請求項21】 前記脳の流量を計算するための手段が、ナビエストークス
運動量方程式を利用する手段をさらに含む、請求項20に記載のモデル化するた
めの装置。 - 【請求項22】 前記脳の流量を計算するための手段が、局部動脈寸法に対
する局部的圧力に関する状態式を利用する手段をさらに含む、請求項21に記載
のモデル化するための装置。 - 【請求項23】 生体被験者の脳循環をモデル化するための装置であって、 全体の生体被験者のめの脳循環モデルと、 生体被験者の全体的な脳生理に実質的に従うためにモデルを補正するように適
合された補正プロセッサと、 補正されたモデルに基づき生体被験者の脳の流量と、所定の脳の乱れとを計算
するように適合されたフロープロセッサと、 を具備する装置。 - 【請求項24】 前記脳循環モデルが、ウィリス氏動脈環をさらに含む、請
求項23に記載のモデル化するための装置。 - 【請求項25】 前記補正プロセッサが、モデルの血管を選択するように適
合されたカーソルをさらに含む、請求項23に記載のモデル化するための装置。 - 【請求項26】 前記補正プロセッサが、対応する血管と周囲組織との間の
境界領域を突き止めるために、対応する血管の全体領域の画素データを処理する
ように適合された画素プロセッサをさらに含む、請求項25に記載のモデル化す
るための装置。 - 【請求項27】 前記画素プロセッサが、対応する血管の直径を測定するよ
うに適合された距離プロセッサをさらに含む、請求項26に記載のモデル化する
ための装置。 - 【請求項28】 前記画素プロセッサが、対応する血管のそれぞれの端部を
突き止めるために、3次元空間の隣接した領域への境界をトレースするように適
合されたトレーシングプロセッサをさらに含む、請求項27に記載のモデル化す
るための装置。 - 【請求項29】 生体被験者の脳循環の手術的改変をモデル化する方法であ
って、 全体の生体被験者のめのモデルを開発するステップと、 生体被験者の脳生理学に実質的に従うためにモデルを補正するステップと、 補正されたモデルを乱すステップと、 乱れの結果として生じる1組の流量変化を決定するステップと、 を具備する方法。 - 【請求項30】 前記モデルを開発するステップが、ウィリス氏動脈環を採
用することをさらに含む、請求項29に記載のモデル化の方法。 - 【請求項31】 前記モデルを補正するステップが、モデルの血管を選択す
ることをさらに含む、請求項29に記載のモデル化の方法。 - 【請求項32】 前記モデルの血管を選択するステップが、生体被験者の画
像内の対応する血管の全体領域を識別することをさらに含む、請求項31に記載
のモデル化の方法。 - 【請求項33】 前記対応する血管を識別するステップが、対応する血管と
周囲組織との間の境界領域を突き止めるために、対応する血管の全体領域の画素
データを処理することをさらに含む、請求項32に記載のモデル化の方法。 - 【請求項34】 前記対応する血管と周囲組織との間の境界領域を突き止め
るために対応する血管の全体領域の画素データを処理するステップが、対応する
血管の直径を測定することをさらに含む、請求項33に記載のモデル化の方法。 - 【請求項35】 前記対応する血管と周囲組織との間の境界領域を突き止め
るために対応する血管の全体領域の画素データを処理するステップが、対応する
血管のそれぞれの端部を突き止めるために、3次元空間の隣接領域への境界をト
レースすることをさらに含む、請求項34に記載のモデル化の方法。 - 【請求項36】 対応する血管のそれぞれの端部の測定された直径と位置と
に基づきモデルを更新することをさらに含む、請求項35に記載のモデル化の方
法。 - 【請求項37】 前記脳の流量を計算するステップが、質量式の保存に基づ
き1次元の明示的な有限差分アルゴリズムを使用することをさらに含む、請求項
36に記載のモデル化の方法。 - 【請求項38】 前記脳の流量を計算するステップが、ナビエストークス運
動量方程式を利用することをさらに含む、請求項38に記載のモデル化の方法。 - 【請求項39】 前記脳の流量を計算するステップが、局部動脈寸法に対す
る局部的圧力に関する状態式を利用することをさらに含む、請求項38に記載の
モデル化の方法。 - 【請求項40】 生体被験者の脳循環の手術的改変をモデル化するための装
置であって、 全体の生体被験者のめの脳循環モデルと、 生体被験者の脳生理に実質的に従うためにモデルを補正するための手段と、 補正されたモデルを乱すための手段と、 乱れの結果として生じる1組の流量変化を決定するための手段と、 を具備する装置。 - 【請求項41】 前記モデルを補正するための手段が、モデルの血管を選択
するための手段をさら含む、請求項40に記載のモデル化するための装置。 - 【請求項42】 前記モデルの血管を選択するための手段が、生体被験者の
画像内の対応する血管の全体領域を識別するための手段をさらに含む、請求項4
1に記載のモデル化するための装置。 - 【請求項43】 前記対応する血管を識別するための手段が、対応する血管
と周囲組織との間の境界領域を突き止めるために、対応する血管の全体領域の画
素データを処理するための手段をさらに含む、請求項42に記載のモデル化する
ための装置。 - 【請求項44】 前記対応する血管と周囲組織との間の境界領域を突き止め
るために対応する血管の全体領域の画素データを処理するための手段が、対応す
る血管の直径を測定するための手段をさらに含む、請求項43に記載のモデル化
するための装置。 - 【請求項45】 前記対応する血管と周囲組織との間の境界領域を突き止め
るために対応する血管の全体領域の画素データを処理するための手段が、対応す
る血管のそれぞれの端部を突き止めるために、3次元空間の隣接領域への境界を
トレースするための手段をさらに含む、請求項44に記載のモデル化するための
装置。 - 【請求項46】 対応する血管のそれぞれの端部の測定された直径と位置と
に基づきモデルを更新するための手段をさらに含む、請求項45に記載のモデル
化するための装置。 - 【請求項47】 前記脳の流量を計算するための手段が、質量式の保存に基
づき1次元の明示的な有限差分アルゴリズムを使用する手段をさらに含む、請求
項46に記載のモデル化するための装置。 - 【請求項48】 前記脳の流量を計算するための手段が、ナビエストークス
運動量方程式を利用する手段をさらに含む、請求項47に記載のモデル化するた
めの装置。 - 【請求項49】 前記脳の流量を計算するための手段が、局部動脈寸法に対
する局部的圧力に関する状態式を利用する手段をさらに含む、請求項48に記載
のモデル化するための装置。 - 【請求項50】 生体被験者の所定領域における循環の手術的改変をモデル
化する方法であって、 全体の生体被験者のための領域のモデルを開発するステップと、 生体被験者の領域の生理に実質的に従うためにモデルを補正するステップと、 補正されたモデルを乱すステップと、 乱れの結果として生じる1組の流量変化を決定するステップと、 を具備する方法。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US7358098P | 1998-02-03 | 1998-02-03 | |
US60/073,580 | 1998-02-03 | ||
PCT/US1999/002276 WO1999038433A1 (en) | 1998-02-03 | 1999-02-03 | Cerebral circulation model and applications |
Publications (1)
Publication Number | Publication Date |
---|---|
JP2002501774A true JP2002501774A (ja) | 2002-01-22 |
Family
ID=22114563
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2000529172A Pending JP2002501774A (ja) | 1998-02-03 | 1999-02-03 | 脳循環モデルと用途 |
Country Status (5)
Country | Link |
---|---|
EP (1) | EP1059874A4 (ja) |
JP (1) | JP2002501774A (ja) |
AU (1) | AU762822B2 (ja) |
CA (1) | CA2319119C (ja) |
WO (1) | WO1999038433A1 (ja) |
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2008518663A (ja) * | 2004-10-28 | 2008-06-05 | ユーエービー・ヴィタメド | 脳血管性自己制御状態の非侵襲的連続監視方法および装置 |
JP2008523877A (ja) * | 2004-12-17 | 2008-07-10 | コーニンクレッカ フィリップス エレクトロニクス エヌ ヴィ | 動脈瘤の三次元モデルから動脈瘤の物理特性を予測するためのシステム及び方法 |
JP2008161277A (ja) * | 2006-12-27 | 2008-07-17 | Hitachi Ltd | 血管情報管理装置 |
JP2009519082A (ja) * | 2005-12-15 | 2009-05-14 | コーニンクレッカ フィリップス エレクトロニクス エヌ ヴィ | 再現性がありかつ比較可能な流れ取得のためのシステム、装置および方法 |
JP2013111358A (ja) * | 2011-11-30 | 2013-06-10 | Fujifilm Corp | 画像処理装置、方法およびプログラム |
JP2014079649A (ja) * | 2010-08-12 | 2014-05-08 | Heartflow Inc | 患者固有の血流のモデリングのための方法およびシステム |
WO2016056643A1 (ja) * | 2014-10-08 | 2016-04-14 | イービーエム株式会社 | 血流シミュレーションのための血管形状構築装置、その方法及びコンピュータソフトウエアプログラム |
US9962106B2 (en) | 2015-02-13 | 2018-05-08 | Toshiba Medical Systems Corporation | Medical image processing apparatus and medical image processing method |
US10354050B2 (en) | 2009-03-17 | 2019-07-16 | The Board Of Trustees Of Leland Stanford Junior University | Image processing method for determining patient-specific cardiovascular information |
US11107587B2 (en) | 2008-07-21 | 2021-08-31 | The Board Of Trustees Of The Leland Stanford Junior University | Method for tuning patient-specific cardiovascular simulations |
Families Citing this family (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6860266B2 (en) | 2000-11-03 | 2005-03-01 | Dartmouth-Hitchcock Clinic | Physiological object displays |
US7191110B1 (en) | 1998-02-03 | 2007-03-13 | University Of Illinois, Board Of Trustees | Patient specific circulation model |
WO2001022362A1 (en) * | 1999-09-20 | 2001-03-29 | The Board Of Trustees Of The University Of Illinois | Circulation model and applications |
WO2002071933A2 (en) * | 2001-01-23 | 2002-09-19 | Alliance Pharmaceutical Corp. | Physiological object displays |
US8157742B2 (en) | 2010-08-12 | 2012-04-17 | Heartflow, Inc. | Method and system for patient-specific modeling of blood flow |
US8548778B1 (en) | 2012-05-14 | 2013-10-01 | Heartflow, Inc. | Method and system for providing information from a patient-specific model of blood flow |
IL246009B (en) * | 2016-06-02 | 2018-11-29 | Ezer Haim | A system and method for monitoring the condition of a cerebral aneurysm |
Family Cites Families (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5151856A (en) * | 1989-08-30 | 1992-09-29 | Technion R & D Found. Ltd. | Method of displaying coronary function |
US5273038A (en) * | 1990-07-09 | 1993-12-28 | Beavin William C | Computer simulation of live organ |
US5603322A (en) * | 1993-01-19 | 1997-02-18 | Mcw Research Foundation | Time course MRI imaging of brain functions |
FR2708166A1 (fr) * | 1993-07-22 | 1995-01-27 | Philips Laboratoire Electroniq | Procédé de traitement d'images numérisées pour la détection automatique de sténoses. |
US5812691A (en) * | 1995-02-24 | 1998-09-22 | Udupa; Jayaram K. | Extraction of fuzzy object information in multidimensional images for quantifying MS lesions of the brain |
JPH0966040A (ja) * | 1995-08-31 | 1997-03-11 | Res Dev Corp Of Japan | 磁気共鳴画像の取得方法と、糖尿病診断方法 |
DE19620371A1 (de) * | 1996-05-21 | 1997-12-04 | Philips Patentverwaltung | Röntgenaufnahme-Verfahren |
-
1999
- 1999-02-03 EP EP99932414A patent/EP1059874A4/en not_active Ceased
- 1999-02-03 AU AU32858/99A patent/AU762822B2/en not_active Expired
- 1999-02-03 CA CA002319119A patent/CA2319119C/en not_active Expired - Lifetime
- 1999-02-03 WO PCT/US1999/002276 patent/WO1999038433A1/en active IP Right Grant
- 1999-02-03 JP JP2000529172A patent/JP2002501774A/ja active Pending
Cited By (59)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2008518663A (ja) * | 2004-10-28 | 2008-06-05 | ユーエービー・ヴィタメド | 脳血管性自己制御状態の非侵襲的連続監視方法および装置 |
US8062224B2 (en) | 2004-10-28 | 2011-11-22 | Uab Vittamed | Method and apparatus for non-invasive continuous monitoring of cerebrovascular autoregulation state |
JP2008523877A (ja) * | 2004-12-17 | 2008-07-10 | コーニンクレッカ フィリップス エレクトロニクス エヌ ヴィ | 動脈瘤の三次元モデルから動脈瘤の物理特性を予測するためのシステム及び方法 |
JP2009519082A (ja) * | 2005-12-15 | 2009-05-14 | コーニンクレッカ フィリップス エレクトロニクス エヌ ヴィ | 再現性がありかつ比較可能な流れ取得のためのシステム、装置および方法 |
JP2008161277A (ja) * | 2006-12-27 | 2008-07-17 | Hitachi Ltd | 血管情報管理装置 |
US11107587B2 (en) | 2008-07-21 | 2021-08-31 | The Board Of Trustees Of The Leland Stanford Junior University | Method for tuning patient-specific cardiovascular simulations |
US10354050B2 (en) | 2009-03-17 | 2019-07-16 | The Board Of Trustees Of Leland Stanford Junior University | Image processing method for determining patient-specific cardiovascular information |
US10052158B2 (en) | 2010-08-12 | 2018-08-21 | Heartflow, Inc. | Method and system for image processing to determine patient-specific blood flow characteristics |
US10092360B2 (en) | 2010-08-12 | 2018-10-09 | Heartflow, Inc. | Method and system for image processing and patient-specific modeling of blood flow |
US9235679B2 (en) | 2010-08-12 | 2016-01-12 | Heartflow, Inc. | Method and system for patient-specific modeling of blood flow |
US9268902B2 (en) | 2010-08-12 | 2016-02-23 | Heartflow, Inc. | Method and system for patient-specific modeling of blood flow |
US9271657B2 (en) | 2010-08-12 | 2016-03-01 | Heartflow, Inc. | Method and system for patient-specific modeling of blood flow |
US11793575B2 (en) | 2010-08-12 | 2023-10-24 | Heartflow, Inc. | Method and system for image processing to determine blood flow |
JP2016104328A (ja) * | 2010-08-12 | 2016-06-09 | ハートフロー, インコーポレイテッド | 患者固有の血流のモデリングのための方法およびシステム |
JP2016104327A (ja) * | 2010-08-12 | 2016-06-09 | ハートフロー, インコーポレイテッド | 患者固有の血流のモデリングのための方法およびシステム |
JP5944607B1 (ja) * | 2010-08-12 | 2016-07-05 | ハートフロー, インコーポレイテッド | 患者固有の血流のモデリングのための方法およびシステム |
US9449147B2 (en) | 2010-08-12 | 2016-09-20 | Heartflow, Inc. | Method and system for patient-specific modeling of blood flow |
US9585723B2 (en) | 2010-08-12 | 2017-03-07 | Heartflow, Inc. | Method and system for image processing to determine patient-specific blood flow characteristics |
US9697330B2 (en) | 2010-08-12 | 2017-07-04 | Heartflow, Inc. | Method and system for image processing to determine patient-specific blood flow characteristics |
US9706925B2 (en) | 2010-08-12 | 2017-07-18 | Heartflow, Inc. | Method and system for image processing to determine patient-specific blood flow characteristics |
US11583340B2 (en) | 2010-08-12 | 2023-02-21 | Heartflow, Inc. | Method and system for image processing to determine blood flow |
JP2017140391A (ja) * | 2010-08-12 | 2017-08-17 | ハートフロー, インコーポレイテッド | 患者固有の血流のモデリングのための方法およびシステム |
US9743835B2 (en) | 2010-08-12 | 2017-08-29 | Heartflow, Inc. | Method and system for image processing to determine patient-specific blood flow characteristics |
US9801689B2 (en) | 2010-08-12 | 2017-10-31 | Heartflow, Inc. | Method and system for patient-specific modeling of blood flow |
US9839484B2 (en) | 2010-08-12 | 2017-12-12 | Heartflow, Inc. | Method and system for image processing and patient-specific modeling of blood flow |
US9855105B2 (en) | 2010-08-12 | 2018-01-02 | Heartflow, Inc. | Method and system for image processing to determine patient-specific blood flow characteristics |
US9861284B2 (en) | 2010-08-12 | 2018-01-09 | Heartflow, Inc. | Method and system for image processing to determine patient-specific blood flow characteristics |
US9888971B2 (en) | 2010-08-12 | 2018-02-13 | Heartflow, Inc. | Method and system for image processing to determine patient-specific blood flow characteristics |
US11298187B2 (en) | 2010-08-12 | 2022-04-12 | Heartflow, Inc. | Method and system for image processing to determine patient-specific blood flow characteristics |
JP2015057103A (ja) * | 2010-08-12 | 2015-03-26 | ハートフロー, インコーポレイテッド | 患者固有の血流のモデリングのための方法およびシステム |
US10080614B2 (en) | 2010-08-12 | 2018-09-25 | Heartflow, Inc. | Method and system for image processing to determine patient-specific blood flow characteristics |
US10080613B2 (en) | 2010-08-12 | 2018-09-25 | Heartflow, Inc. | Systems and methods for determining and visualizing perfusion of myocardial muscle |
US9226672B2 (en) | 2010-08-12 | 2016-01-05 | Heartflow, Inc. | Method and system for patient-specific modeling of blood flow |
US10149723B2 (en) | 2010-08-12 | 2018-12-11 | Heartflow, Inc. | Method and system for image processing and patient-specific modeling of blood flow |
US10154883B2 (en) | 2010-08-12 | 2018-12-18 | Heartflow, Inc. | Method and system for image processing and patient-specific modeling of blood flow |
US10159529B2 (en) | 2010-08-12 | 2018-12-25 | Heartflow, Inc. | Method and system for patient-specific modeling of blood flow |
US10166077B2 (en) | 2010-08-12 | 2019-01-01 | Heartflow, Inc. | Method and system for image processing to determine patient-specific blood flow characteristics |
US10179030B2 (en) | 2010-08-12 | 2019-01-15 | Heartflow, Inc. | Method and system for patient-specific modeling of blood flow |
US10321958B2 (en) | 2010-08-12 | 2019-06-18 | Heartflow, Inc. | Method and system for image processing to determine patient-specific blood flow characteristics |
US10327847B2 (en) | 2010-08-12 | 2019-06-25 | Heartflow, Inc. | Method and system for patient-specific modeling of blood flow |
JP2014079649A (ja) * | 2010-08-12 | 2014-05-08 | Heartflow Inc | 患者固有の血流のモデリングのための方法およびシステム |
US10376317B2 (en) | 2010-08-12 | 2019-08-13 | Heartflow, Inc. | Method and system for image processing and patient-specific modeling of blood flow |
US10441361B2 (en) | 2010-08-12 | 2019-10-15 | Heartflow, Inc. | Method and system for image processing and patient-specific modeling of blood flow |
US10478252B2 (en) | 2010-08-12 | 2019-11-19 | Heartflow, Inc. | Method and system for patient-specific modeling of blood flow |
US10492866B2 (en) | 2010-08-12 | 2019-12-03 | Heartflow, Inc. | Method and system for image processing to determine blood flow |
US10531923B2 (en) | 2010-08-12 | 2020-01-14 | Heartflow, Inc. | Method and system for image processing to determine blood flow |
US10682180B2 (en) | 2010-08-12 | 2020-06-16 | Heartflow, Inc. | Method and system for patient-specific modeling of blood flow |
US10702339B2 (en) | 2010-08-12 | 2020-07-07 | Heartflow, Inc. | Method and system for patient-specific modeling of blood flow |
US10702340B2 (en) | 2010-08-12 | 2020-07-07 | Heartflow, Inc. | Image processing and patient-specific modeling of blood flow |
US11033332B2 (en) | 2010-08-12 | 2021-06-15 | Heartflow, Inc. | Method and system for image processing to determine blood flow |
US11083524B2 (en) | 2010-08-12 | 2021-08-10 | Heartflow, Inc. | Method and system for patient-specific modeling of blood flow |
US11090118B2 (en) | 2010-08-12 | 2021-08-17 | Heartflow, Inc. | Method and system for image processing and patient-specific modeling of blood flow |
US11154361B2 (en) | 2010-08-12 | 2021-10-26 | Heartflow, Inc. | Method and system for image processing to determine blood flow |
US11116575B2 (en) | 2010-08-12 | 2021-09-14 | Heartflow, Inc. | Method and system for image processing to determine blood flow |
US11135012B2 (en) | 2010-08-12 | 2021-10-05 | Heartflow, Inc. | Method and system for image processing to determine patient-specific blood flow characteristics |
JP2013111358A (ja) * | 2011-11-30 | 2013-06-10 | Fujifilm Corp | 画像処理装置、方法およびプログラム |
JPWO2016056643A1 (ja) * | 2014-10-08 | 2017-07-27 | イービーエム株式会社 | 血流シミュレーションのための血管形状構築装置、その方法及びコンピュータソフトウエアプログラム |
WO2016056643A1 (ja) * | 2014-10-08 | 2016-04-14 | イービーエム株式会社 | 血流シミュレーションのための血管形状構築装置、その方法及びコンピュータソフトウエアプログラム |
US9962106B2 (en) | 2015-02-13 | 2018-05-08 | Toshiba Medical Systems Corporation | Medical image processing apparatus and medical image processing method |
Also Published As
Publication number | Publication date |
---|---|
CA2319119A1 (en) | 1999-08-05 |
EP1059874A1 (en) | 2000-12-20 |
CA2319119C (en) | 2008-04-22 |
AU3285899A (en) | 1999-08-16 |
AU762822B2 (en) | 2003-07-03 |
EP1059874A4 (en) | 2003-05-07 |
WO1999038433A1 (en) | 1999-08-05 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US7739090B2 (en) | Method and system for 3D blood vessel localization | |
US11869669B2 (en) | Method and system for image processing to model vasculasture | |
JP6634123B2 (ja) | 流量比を用いて血流の特徴を決定するシステム及び方法 | |
JP5944606B2 (ja) | 患者固有の血流のモデリングのための方法およびシステム | |
JP2002501774A (ja) | 脳循環モデルと用途 | |
Pinho et al. | The impact of the right coronary artery geometric parameters on hemodynamic performance | |
CN105580019A (zh) | 为优化诊断性能利用边界条件模型化血流的方法和系统 | |
US11049595B2 (en) | Interventional radiology structured reporting workflow | |
EP1222627B1 (en) | Circulation model and applications | |
Gamilov et al. | Computational modeling of multiple stenoses in carotid and vertebral arteries | |
Chen | Non-invasive assessment of aortic coarctation severity using computational fluid dynamics |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20060131 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20090224 |
|
A601 | Written request for extension of time |
Free format text: JAPANESE INTERMEDIATE CODE: A601 Effective date: 20090522 |
|
A602 | Written permission of extension of time |
Free format text: JAPANESE INTERMEDIATE CODE: A602 Effective date: 20090529 |
|
A02 | Decision of refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A02 Effective date: 20090825 |