JP2018522653A - 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 - Google Patents

Abstract

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を開示する。１つの方法は、患者の血管構造の患者固有の画像、及び患者の血管構造を介して送達される造影剤の測定された分布を受信し、造影剤の測定された分布を患者の血管構造の患者固有の解剖学的モデルと関連付け、患者の血流及び血圧の血流モデルの生理学的及び境界条件を定義し、患者固有の解剖学的モデルを介して造影剤の分布をシミュレーションし、造影剤の測定された分布、及び患者固有の解剖学的モデルを介して造影剤のシミュレーションされた分布を比較して、相似条件が満たされるかどうかを判定し、相似条件が満たされるまで、定義された生理学的及び境界条件を更新し、患者固有の解剖学的モデルの１つ以上の点を介して造影剤の分布を再シミュレーションすることを備える。
【選択図】図２

Description

関連出願（複数可）
本出願は、２０１５年７月１７日に出願された米国仮出願第６２／１９３，９９４号への優先権を主張し、その全体の開示は、本明細書によりその全体に参照により本明細書に援用される。

本開示のさまざまな実施形態は、一般に非侵襲的な心血管疾患評価、治療計画、及び関連する方法に関する。より具体的に、本開示の特定の実施形態は、造影剤分布の測定及び推定を使用して血流特性を非侵襲的に評価するシステム及び方法に関する。

冠動脈疾患は、何百万の人々に影響を与える一般的な病気である。冠動脈疾患は、心臓へ血液を供給する血管に狭窄（血管の異常な狭窄）のような、病変を発生させる可能性がある。結果として、心臓への血流を制限する可能性がある。内科的治療（たとえば、スタチン）、または外科的代替物（たとえば、経皮的冠動脈インターベンション（ＰＣＩ）、及び冠動脈バイパス移植術（ＣＡＢＧ））の両方を備える冠動脈疾患の治療において著しい進歩がなされている。侵襲的な評価は、患者が受ける可能性がある治療タイプを評価するために一般的に使用される。しかしながら、患者の治療を策定する間接的な、または非侵襲的な評価を検討しており、開発している。

心疾患は、一般的に血管疾患、特に血流に影響を与える方式で血管の内腔内の狭窄または閉塞の結果として生じると考えられる。循環器内の血流の患者固有のモデリングは、３つ以上の要素、第一に解剖学的関心領域の記述、第二に関心領域内の血流の物理的な法則を列挙する数学的な「支配方程式」、及び第三に関心領域の境界での変数間の生理学的関係を定義する「境界条件」を含むことができる。解剖学的関心領域及び境界条件が各患者及び特定の血管領域に対して固有であることができながら、速度及び圧力を表す支配方程式は、普遍であり、異なる患者、及び他の動脈床に適用することができる。

血流の３次元モデルは、流体力学を支配するナビエ−ストークス方程式を解く数値計算法を用いることができる。過去２５年間に、３次元の数値計算法は、動脈内の血流をシミュレーションするための標準的な手法になっている。１つの技術は、医用撮像データから導かれる患者固有のモデル内に血流をシミュレーションすること、大動脈内の血流の３次元モデルを、関心領域の上流または下流の動脈の１次元の、及び集中定数モデルと組み合わせること、ならびに血流及び血管壁力学の結合された問題を解決することを備える。３次元モデル、及び次元を下げたモデル間のこの結合は、現実的な冠動脈の流量及び圧力波形の解を可能にする。

画像ベースの、患者固有のモデリングを使用してヒトの冠動脈内の血流量を計る能力は、冠血流予備量比（ＦＦＲ）の非侵襲的な定量化を可能にする。ＦＦＲは、冠動脈疾患が存在する心筋の部分への最大充血流量と、供給する血管が正常である仮想症例内の同一の心筋領域への最大充血流量の比により定義されることができる。臨床的に、ＦＦＲは、薬理学的に導かれる最大充血の条件下で、遠位灌流圧と大動脈圧の比により心臓カテーテル法中に冠動脈内へ挿入される圧ワイヤを使用して侵襲的に測定される。ＦＦＲは、充血流量を制限している心外膜閉塞性疾患を独自に識別することが可能であり、経皮的冠動脈インターベンション（ＰＣＩ）により修正可能であることができる。負のＦＦＲから正を分離する推奨された閾値は、０．８０の所定の値、すなわち、 最大充血条件下で遠位の冠動脈圧が大動脈圧の８０％であるときであることができる。ＦＦＲ＞０．８０を有する血管についてＰＣＩの延期は、血管造影ガイド下のインターベンションと比較して、臨床的成果を改善し、コストを削減することができる。測定されたＦＦＲ≦０．８０を有する血管内のＰＣＩは、最適な内科的治療と比較して、死亡、心筋梗塞、及び緊急の血行再建の複合エンドポイントを減らすことができる。心筋血行再建についての現在のガイドラインは、虚血の非侵襲的な証拠がない限り、５０〜９０％の直径の減少を伴う冠動脈狭窄の評価のためにＦＦＲへクラスＩ−Ａ推奨を割り当てる。心臓カテーテル法にまわす、またはこれを延期する患者を決定するために非侵襲的にＦＦＲデータを取得する強い動機がある。ＦＦＲが非侵襲的に直接測定されることが不可能であるために、決定されることが可能であり、侵襲的なＦＦＲと相関するサロゲートを識別することは、必要である。

冠血流予備量比の臨床的利点についての証拠が実在するが、ＦＦＲの侵襲的な決定は、高価であり、合併症がないわけではない。このため、心臓カテーテル法にまわす、またはこれを延期する患者を決定するために非侵襲的にこのデータを取得する強い動機がある。冠動脈血圧及び血流の非侵襲的な測定における、及びＦＦＲの直接測定における難しさのために、決定されることが可能であり、侵襲的なＦＦＲと相関するサロゲートを識別することは、有利になっている。

ＦＦＲを非侵襲的に決定する１つの方法は、ＦＦＲコンピュータ断層撮影法（ＦＦＲＣＴ）により決定されるように冠動脈の解剖学的構造に基づき数値流体力学を使用する冠血行動態のシミュレーションである。ＦＦＲＣＴは、侵襲的に測定されたＦＦＲについての解剖学的または生理学的サロゲートへ実現可能な代替物として出現する。ＦＦＲＣＴ技術は、数値流体力学を使用して、冠動脈ＣＴ血管造影データから導出され、形態（解剖学）を機能（生理学）に関連付ける生物学的原理を確立される患者固有の解剖学的及び生理学的モデル内にシミュレーションされた最大充血の条件下で冠動脈と大動脈圧の比を定量化する。ＦＦＲＣＴの診断性能は、参照基準としてＦＦＲを使用して、６００人を超える患者、及び１０００本より多い血管内で３つの前向きの、多施設共同臨床試験において評価されている。各研究において、ＦＦＲＣＴは、冠動脈ＣＴ血管造影法単独による解剖学的評価と比較して、感度を犠牲にすることなく、ＦＦＲへの良好な相関を示し、診断精度及び特異度において著しい改善を実証した。

しかしながら、ＦＦＲＣＴ、及び測定されたＦＦＲ間の現在の相関は、改善の余地がある。この技術を改良するための１つの潜在的な手段は、関心領域の境界での変数間の生理学的関係を定義する冠動脈境界条件の推定を改善することである。これらの境界条件は、流量、圧力、またはインピーダンス若しくは抵抗のような圧力及び流量間の関係を符号化することができる。いくつかの実施態様において、境界条件は、ＣＴ解剖学的データから形態−機能関係を使用して導出されることができる。画像内の利用可能な他のデータを使用してこれらの境界条件を推定する手段は、非常に有利である。ＣＴ画像から流量データを導くために提案されている１つの潜在的な手法は、血管の長さ沿いの造影剤強度の勾配、及び動脈造影剤での時間依存変化についての情報から流量を推測する経腔減衰流量符号化（ＴＡＦＥ）である。ＴＡＦＥ手法の欠点は、冠動脈の幾何学的形状の著しい理想化、及び過度に単純化した輸送モデルに依存していることである。たとえば、ＴＡＦＥ方法は、流量が一定であるが面積が著しく変化する冠動脈狭窄内で乱される、流量と面積の比が血管の長さに沿って著しく変化しないという仮定を伴う。したがって、この手法が動物モデルにおける有望さを立証しているが、患者の血流を計算する際にその有用性は証明されていない。また性能は、単一の孤立性病変上にのみ、及び２本の分岐血管内の競合する病変を伴う連続性の病変またはモデルのいずれか一方に関して、実証されており、境界条件の近似は、有効である／有効ではない可能性がある。さらに、流出口に発生する最大分散の仮定は、流出口サイズに関連する撮像解像度、及び疾病負荷の程度に応じて、不正確になる可能性がある。したがって、関心領域の境界での変数間の生理学的関係を定義する冠動脈境界条件の推定を改善する血液定量化のためのシステムについて要望がある。

前述の一般的な説明、及び以下の詳細な説明は、例示的な、及び説明的なものに過ぎず、本開示の制限ではない。本開示の特定の態様により、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を開示する。

１つの方法は、患者の血管構造の少なくとも一部の１つ以上の患者固有の画像、及び患者の血管構造を介して送達される造影剤の測定された分布を受信すること、患者の血管構造の複数の点での造影剤の測定された分布を、受信した患者固有の画像を使用して生成される患者の血管構造の患者固有の解剖学的モデルの１つ以上の点と関連付けること、患者の血流及び血圧を非侵襲的に推定するために血流モデルの１つ以上生理学的及び境界条件を定義し、患者の血管構造の患者固有の解剖学的モデルを介して造影剤の分布をシミュレーションすること、プロセッサを使用して、定義された１つ以上の生理学的及び境界条件を使用して患者固有の解剖学的モデルの１つ以上の点を介して造影剤の分布をシミュレーションすること、プロセッサを使用して、造影剤の測定された分布、及び患者固有の解剖学的モデルを介して造影剤のシミュレーションされた分布を比較し、相似条件が満たされるかどうかを判定すること、相似条件が満たされるまで、定義された生理学的及び境界条件を更新し、患者固有の解剖学的モデルの１つ以上の点を介して造影剤の分布を再シミュレーションすること、プロセッサを使用して、更新された生理学的及び境界条件に基づき患者固有の解剖学的モデルを介して血流の１つ以上の血流特性を計算すること、ならびにシミュレーションされた造影剤分布、１つ以上の計算された血流特性、及び患者固有の解剖学的モデルのうちの１つ以上を電子記憶媒体またはディスプレイへ出力することを備える。

別の実施形態に従い、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は、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インストラクションを格納するデータ・ストレージ・デバイス、ならびに患者の血管構造の少なくとも一部の１つ以上の患者固有の画像、及び患者の血管構造を介して送達される造影剤の測定された分布を受信し、患者の血管構造の複数の点での造影剤の測定された分布を、受信した患者固有の画像を使用して生成される患者の血管構造の患者固有の解剖学的モデルの１つ以上の点と関連付け、患者の血流及び血圧を非侵襲的に推定する血流モデルの１つ以上の生理学的及び境界条件を定義し、患者の血管構造の患者固有の解剖学的モデルを介して造影剤の分布をシミュレーションし、プロセッサを使用して、定義された１つ以上の生理学的及び境界条件を使用して患者固有の解剖学的モデルの１つ以上の点を介して造影剤の分布をシミュレーションし、プロセッサを使用して、造影剤の測定された分布、及び患者固有の解剖学的モデルを介して造影剤のシミュレーションされた分布を比較し、相似条件が満たされるかどうかを判定し、相似条件が満たされるまで、定義された生理学的及び境界条件を更新して患者固有の解剖学的モデルの１つ以上の点を介して造影剤の分布を再シミュレーションし、プロセッサを使用して、更新された生理学的及び境界条件に基づき患者固有の解剖学的モデルを介して血流の１つ以上の血流特性を計算し、電子記憶媒体またはディスプレイへ、シミュレーションされた造影剤分布、１つ以上の計算された血流特性、及び患者固有の解剖学的モデルのうちの１つ以上を出力するように構成されるプロセッサを備える。

別の実施形態、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方法を実行するためのコンピュータ実行可能プログラミング・インストラクションを含むコンピュータ・システム上での使用のための非一時的なコンピュータ可読媒体に従い、この方法は、患者の血管構造の少なくとも一部の１つ以上の患者固有の画像、及び患者の血管構造を介して送達される造影剤の測定された分布を受信すること、患者の血管構造の複数の点での造影剤の測定された分布を、受信した患者固有の画像を使用して生成される患者の血管構造の患者固有の解剖学的モデルの１つ以上の点と関連付けること、患者の血流及び血圧を非侵襲的に推定するための血流モデルの１つ以上の生理学的及び境界条件を定義し、患者の血管構造の患者固有の解剖学的モデルを介して造影剤の分布をシミュレーションすること、プロセッサを使用して、定義された１つ以上の生理学的及び境界条件を使用して患者固有の解剖学的モデルの１つ以上の点を介して造影剤の分布をシミュレーションすること、プロセッサを使用して、造影剤の測定された分布、及び患者固有の解剖学的モデルを介して造影剤のシミュレーションされた分布を比較し、相似条件が満たされるかどうかを判定すること、相似条件が満たされるまで、定義された生理学的及び境界条件を更新し、患者固有の解剖学的モデルの１つ以上の点を介して造影剤の分布を再シミュレーションすること、プロセッサを使用して、更新された生理学的及び境界条件に基づき患者固有の解剖学的モデルを介して血流の１つ以上の血流特性を計算すること、ならびに電子記憶媒体またはディスプレイへ、シミュレーションされた造影剤分布、１つ以上の計算された血流特性、及び患者固有の解剖学的モデルのうちの１つ以上を出力することを備える。

開示された実施形態の追加の目的及び利点は、以下の説明に部分的に記載され、この説明から部分的に明らかになるであろう、または開示された実施形態の実施により習得されることができる。開示された実施形態の目的及び利点は、添付の特許請求の範囲において特に指摘される要素及び組み合わせにより実現され、達成されるであろう。

主張されるように、前述の一般的な説明、及び以下の詳細な説明が例示的かつ説明的なものに過ぎず、開示された実施形態の制限ではないことを理解するであろう。

添付の図面は、本明細書の部分に援用され、これを構成し、さまざまな例示的な実施形態を図示し、説明とともに、開示された実施形態の原理を説明するために役立つ。

本開示の例示的な実施形態により、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例示的なシステム及びネットワークのブロック図である。 本開示の例示的な実施形態により、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一般的な方法のブロック図である。 本開示の例示的な実施形態により、数値流体力学から取得される造影剤分布予測及び測定を使用して、血流特性を決定する、灌流をシミュレーションする、または患者固有の撮像データを強調する例示的な方法のブロック図である。 本開示の例示的な実施形態により、トレーニングされたシステムから取得される造影剤分布予測及び測定を使用して、血流特性を決定する、灌流をシミュレーションする、または患者固有の撮像データを強調する例示的な方法のブロック図である。 本開示の例示的な実施形態により、解剖学的モデルに造影剤分布を出力するために患者固有の解剖学的モデル、及び生理学的及び／または境界条件を使用して、機械学習アルゴリズムをトレーニングし、適用する例示的な方法のブロック図である。図５は、図４の方法４００のステップ４１２を実行する例示的な方法を備えることができる。 本開示の例示的な実施形態により、プラークまたは狭窄性病変の重症度を評価するために患者固有の解剖学的モデルの患者固有の造影剤分布を使用する例示的な方法のブロック図である。図６は、図２の方法２００のステップ２１６を実行する例示的な方法を含むことができる。 適切な治療計画を選択するために、血流特性、及び／またはプラーク及び／または狭窄性病変の重症度の評価を使用する例示的な方法のブロック図である。図７は、図２の方法２００のステップ２１８を実行する例示的な方法を備えることができる。 再計算された血流特性を使用してプラーク及び／または狭窄性病変の重症度を再評価することにより選択された治療計画を評価する例示的な方法のブロック図である。図８は、図２の方法２００のステップ２２０を実行する例示的な方法を備えることができる。

ここで本開示の例示的な実施形態へ参照を詳細に行い、本開示の実施例を添付の図面内に図示する。可能な限り、同一の参照番号は、同一の、または同様の部品を指すために図面全体を通して使用される。

上述されるように、要望は、関心領域の境界において変数間の生理学的関係を定義する冠動脈境界条件の改善された推定を使用して、血流特性を定量化するシステム及び方法について存在する。その結果、本開示は、より正確な関心領域の境界において変数間の生理学的関係を定義する冠動脈境界条件の推定を行うことにより、ＦＦＲＣＴ、及び測定されたＦＦＲ間の現在の相関を改善するシステム及び方法を記述する。これらの境界条件は、流量、圧力、またはインピーダンス若しくは抵抗のような圧力及び流量間の関係を符号化することができる。いくつかの実施態様において、境界条件は、ＣＴ解剖学的データからの形態−機能関係を使用して導出されることができる。また本開示は、画像内で利用可能な他のデータを使用してこれらの境界条件を推定するシステム及び方法を提供する。血流特性が血管ネットワークに沿う造影剤強度の勾配から推測されることができながら、本開示のシステム及び方法は、経腔減衰流量符号化（ＴＡＦＥ）手法の欠点を克服する。たとえば、本開示のシステム及び方法は、流量が一定であるが面積が著しく変化する、たとえば、冠動脈狭窄内のような、血管の長さに沿って流量と面積の比が著しく変化することができる可能性を許容することができる。さらに、本開示は、患者の血流を計算する際に有用性を証明することができ、単一の孤立性病変上にだけでなく、２本の分岐血管内の競合する病変を含む連続病変及び／またはモデル上でも性能を証明することができる。

本開示のシステム及び方法は、患者固有の医用撮像データからの血流の定量化において大幅な改善をもたらす。この手法の概要は、以下のとおりである。圧力及び造影剤分布に加えて、血流を計算することができる。予測された造影剤分布を測定された造影剤分布と比較することができ、患者の未知の実際の血流及び血圧をより緊密にマッチングする期待を込めて元の流量の計算を改善するために、予測された造影剤分布、及び測定された造影剤分布間の相違点についての情報を使用することができる。３次元の患者固有の解剖学的モデルは、医用撮像データから抽出されることができる。境界条件の第一セットは、たとえば、抽出された冠動脈の解剖学的構造、及び母集団に基づく生理学的モデル間の形態−機能関係を使用して、定義されることができる。血流の速度及び圧力場は、３次元モデル全体について計算されることができる。計算された速度場を使用して、測定された、計算された、または仮定された造影剤入力関数を使用する３次元モデル全体での造影剤強度について、時間依存の移流拡散方程式を解くことができる。これは、実際に測定され、不均一な造影剤分布と比較されることが可能である３次元領域全体を通して予測された造影剤分布をもたらすことができる。境界条件の第一セットは、繰り返し更新されることができ、速度、圧力及び造影剤場は、予測された造影剤分布が測定された造影剤分布を許容可能な程度へマッチングするまで、更新されることができる。最終的に更新された境界条件を使用して、実際の速度及び圧力場とより一致することが予想される速度及び圧力場を計算することができる。

ここで図面を参照して、図１は、例示的な実施形態により、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例示的なシステム及びネットワーク１００のブロック図を描写する。具体的に、図１は、医師１０２及び第三者プロバイダ１０４を描写し、これらのうちのいずれかは、１つ以上のコンピュータ、サーバ、及び／またはハンドヘルド・モバイル・デバイスを介して、インターネットのような電子ネットワーク１０１へ接続されることができる。医師１０２及び／または第三者プロバイダ１０４は、１つ以上の患者の解剖学的構造の画像を作成する、またはその他の方法で取得することができる。本開示の目的のために、「患者」は、診断若しくは治療の解析が実行されており、造影剤分布が測定されており、若しくはシミュレーションされており、血流特性、血液灌流、及びプラーク及び／または狭窄性病変の重症度が評価されている任意の個人若しくは人、または心血管疾患若しくは条件の診断若しくは治療と関連する任意の個人若しくは人、または１人以上の個人の血流特性、血液灌流、プラーク及び／または狭窄性病変の重症度の評価と関連する任意の個人若しくは人を指すことができる。また医師１０２及び／または第三者プロバイダ１０４は、患者特性（たとえば、年齢、病歴など）及び生理学的及び／または境界条件を含む、患者固有のパラメータの任意の組み合わせを取得することができる。医師１０２及び／または第三者プロバイダ１０４は、電子ネットワーク１０１経由でサーバ・システム１０６へ解剖学的画像及び／または患者固有のパラメータを送信することができる。サーバ・システム１０６は、医師１０２及び／または第三者プロバイダ１０４から受信する画像及びデータを格納するストレージ・デバイスを含むことができる。またサーバ・システム１０６は、ストレージ・デバイス内に格納される画像及びデータを処理する処理デバイスを含むことができる。

図２は、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方法２００の一般的な実施形態を描写する。

１つの実施形態において、ステップ２０２は、患者の患者固有の解剖学的モデルを受信することを備えることができる。解剖学的モデルは、計算装置（たとえば、コンピュータ、ラップトップ、ＤＳＰ、スマートフォンなど）を使用して、患者の１つ以上の医用画像から取得される画像データから構築されることができる。代替に、または追加で、患者固有の解剖学的モデルは、電子ストレージ・デバイス（たとえば、ハード・ドライブ、ネットワーク・ドライブなど）から受信することができる。

ステップ２０４は、患者固有の解剖学的モデル内に表現される１つ以上の解剖学的位置についての患者固有の造影剤分布を受信することを備えることができる。造影剤分布及び／または解剖学的モデルは、１つ以上の医用画像（たとえば、ＣＴ、ＭＲ、超音波、３Ｄ回転血管造影法、２Ｄ血管造影法など）の形態にあることができる。

ステップ２０６は、造影剤輸送の血流の解析及び計算について患者の生理学的及び／または境界条件の第一セットを表現する１つ以上のパラメータを決定することを備えることができる。生理学的及び／または境界条件は、連続的に更新される、及び／または再定義される前に、初期条件で割り当てられることができる。生理学的及び／または境界条件についての初期条件は、患者固有の解剖学的モデル、及び母集団に基づく生理学的モデルから抽出される血管モデル間の形態−機能関係を使用して定義されることができる。生理学的条件は、患者固有の解剖学的モデルから測定される、取得される、または導出されることができる患者固有の生理学的特性を有することができる。１つの実施形態において、生理学的条件は、数値流体力学を使用して患者固有の解剖学的モデルから測定される、取得される、または導出されることができる。生理学的特性は、１つ以上の血流特性、血圧特性、ベースライン心拍数、身長、体重、ヘマトクリット、１回拍出量、血管系の幾何学的及び材料特性、またはプラーク及び／または狭窄性病変の材料特性を有することができる。境界条件は、その境界での解剖学的モデルについての情報、たとえば、関心領域の境界での変数間の生理学的関係を提供することができる。これらの境界は、限定されないが、流入境界、流出境界、血管壁境界、及びプラーク及び／または狭窄性病変の境界を含むことができる。流入境界は、流量が３次元モデルの解剖学的構造内へ向けられる境界を含むことができ、流出境界は、流量が３次元モデルの解剖学的構造から外側へ向けられる境界を含むことができ、血管壁境界は、３次元モデルの、大動脈、主な冠動脈、及び／または他の冠動脈または血管の物理的な境界を含むことができる。

ステップ２０８は、患者の定義された生理学的及び／または境界条件を使用して、患者の血流、血圧、及び造影剤分布をシミュレーションすることを備えることができる。ステップ２０８は、数値流体力学（ＣＦＤ）を使用して、及び／またはトレーニングされたシステム（たとえば、機械学習アルゴリズム）を使用することにより実行されることができる。

ステップ２１０は、受信した造影剤分布、及びシミュレーションされた造影剤分布が相似条件を満たすかどうかを判定することを備えることができる。ステップ２１０は、患者固有の解剖学的モデルの１つ以上の点、または面積について造影剤の受信した分布、及びシミュレーションされた分布を比較すること、ならびに相似点及び相違点に注目することを備えることができる。１つの実施形態において、相似条件は、受信した造影剤分布、及びシミュレーションされた造影剤分布間の相違点が指定された公差内にある場合に満たされることができる。指定された公差は、ステップ２１０の前に、サーバ・システム１０６の電子記憶媒体内で受信することができる。

ステップ２１０に続き、受信した造影剤分布、及びシミュレーションされた造影剤分布が相似条件を満たさない場合に、ステップ２１２は、予測された造影剤分布、及び実際に測定された造影剤分布間での比較に基づき患者の生理学的及び／または境界条件を更新することを備えることができる。その後、ステップ２０８は、更新された生理学的及び／または境界条件を使用して繰り返されることができる。

上記の生理学的及び／または境界条件を表現する１つ以上のパラメータを決定する、及び／または更新するステップ、血流、血圧、及び／または造影剤分布をシミュレーションするステップ、ならびにシミュレーションされた造影剤分布、及び受信した造影剤分布を比較するステップは、シミュレーションされた造影剤分布、及び受信した造影剤分布が相似条件を満たす（たとえば、シミュレーションされた造影剤分布、及び受信した造影剤分布間の相違点が所定の公差内にある）まで、繰り返されることができる。

ステップ２１０に続き、受信した造影剤分布、及びシミュレーションされた造影剤分布が相似条件を満たす場合に、ステップ２１４は、シミュレーションされた造影剤分布から導出される１つ以上の血流特性を出力することを備えることができる。出力された血流特性は、レポートまたは視覚的な表示を介してユーザへ表示されることができる、及び／または電子ストレージ・デバイス（たとえば、ハードディスク、ネットワーク・ドライブ、クラウド・ストレージ、スマートフォン、タブレットなど）へ書き込まれることができる。別の実施形態において、灌流特性は、患者固有の解剖学的モデル上の１つ以上の位置での血流特性及び／または造影剤分布に加えて、またはこれらの代替にシミュレーションされることができる。さらに、灌流特性は、血流特性に加えて、またはこれらの代替に出力されることができる。

ステップ２１６は、出力された血流特性を使用してプラークまたは狭窄性病変の重症度を評価することを備えることができる。１つの実施形態において、重症度は、血流特性を使用してプラークまたは狭窄性病変上の圧力、力、及び／またはひずみを測定すること、及び患者固有の解剖学的モデルを使用してプラークまたは狭窄性病変の幾何学的及び／または材料特性を決定することにより評価されることができる。１つの実施形態において、プラークまたは狭窄性病変の重症度は、プラークまたは狭窄性病変の強度分のプラークまたは狭窄性病変上の応力の比に基づくことができる。この強度は、プラークまたは狭窄性病変の幾何学的特性または材料特性に基づき決定されることができる。応力は、計算された血流特性から測定される、導出される、または取得されることができる、プラークまたは狭窄性病変上の力、圧力、またはひずみにより、プラークまたは狭窄性病変上の急性または累積的な応力を有することができる。１つの実施形態において、プラークの重症度は、プラーク脆弱性指数の変化に基づくことができる。狭窄の重症度は、狭窄に起因する血管の断面積の減少の百分率に基づくことができる。

ステップ２１８は、計算された血流特性、及び／またはプラークまたは狭窄性病変の評価された重症度に基づく適切な治療計画を選択することを備えることができる。一方の実施形態において、準最適な血流特性（たとえば、低い冠血流予備量比）、及びプラークまたは狭窄性病変の有害な重症度（たとえば、高い割合の狭窄またはプラーク強度など）は、経皮的冠動脈インターベンションを施すために使用されることができる。他方の実施形態において、最適な血流特性（たとえば、高い冠血流予備量比）、及びプラークまたは狭窄性病変の軽度の重症度は、治療を施すために使用されることができる。他方の実施形態において、計算された血流特性、及び／またはプラーク及び／または狭窄性病変の重症度評価の累積的な履歴は、治療オプションを選択するために使用されることができる。

図３は、数値流体力学から取得される造影剤分布予測及び測定を使用して、血流特性を決定する、灌流をシミュレーションする、または患者固有の撮像データを強調する方法３００の一般的な実施形態を描写する。方法３００からの出力は、プラークまたは狭窄性病変の重症度を評価する、適切な治療計画を選択する、及び／または再計算された血流特性を使用してプラークまたは狭窄性病変の重症度を再評価することにより選択された治療計画を評価するために使用されることができる。

１つの実施形態において、ステップ３０２は、測定された造影剤分布及び解剖学的情報を抽出することが可能である、１つ以上の患者固有の画像を受信することを備えることができる。画像データは、２次元スキャン（たとえば、冠動脈血管造影法、バイプレーン血管造影法など）、または３次元スキャン（たとえば、３Ｄ回転血管造影法、冠動脈コンピュータ断層撮影血管造影法（ＣＣＴＡ）、磁気共鳴血管造影法（ＭＲＡ）など）から取得されることができる。

ステップ３０４は、受信した１つ以上の患者固有の画像から患者固有の解剖学的モデルを構築することを備えることができる。このステップは、画像データを直接セグメント化し、患者の動脈の患者固有の３次元解剖学的モデルを作成する方法を有することができる、または前もって構築された「一般的な」モデルを修正し、その患者のためにカスタマイズし、患者固有のモデルを作成することを伴うことができる。いずれの事例においても、患者固有の解剖学的モデルは、各セグメントの長さ、セグメントの長さに沿う直径（またはセグメントの任意の他の幾何学的説明）、分岐パターン、疾患の存在、及び／またはアテローム性プラークの組成を含む疾患の特性を含む関心の動脈に関する情報を含むことができる。モデルの表現は、３次元容量を囲む表面、長さに沿う断面積情報とともに、または血管表面の暗示的表現として血管の中心線を定義する１次元モデルにより定義されることができる。解剖学的モデルは、冠動脈、末梢動脈、大脳動脈、内蔵動脈、肝臓の血管、腎動脈、臓器組織、心腔などのような、多くの異なる種類の解剖学的構造を表現することができる。また、本明細書に提示される技術を使用する前に、このモデルを受信することができる。

ステップ３０６は、画像データから測定された造影剤分布を画像データから抽出される患者固有の解剖学的モデルへ投影することを備えることができる。３次元領域を使用して解剖学的モデルを表現する事例において、造影剤値は、３次元領域の明示的な、または暗示的な表現と関連することができる。３次元領域が解剖学的モデルを表現する、一方の実施形態において、３次元有限要素メッシュの各点について造影剤値の割り当てがあることができる。次元を下げたモデル（ＲＯＭ）を使用して患者固有の解剖学的モデルを表現する、他方の実施形態において、造影剤値は、血管断面にわたり平均されることができ、その断面積により定義されることもできる。また、モデルとの関連付けの前に、造影剤データをフィルタリングする、または強調することができる（たとえば、その全体で本明細書に参照により援用される、米国特許第９，０７０，２１４号に記述される他の方法の中でも、平滑化演算子、中央値フィルタリング、平均フィルタリング、バイラテラル・フィルタリング、異方性拡散フィルタリング、ノイズ除去、造影剤強調など）。

ステップ３０８は、患者を撮像した条件下での血流及び血圧を表現するために生理学的及び／または境界条件の第一セットを表現する１つ以上のパラメータを定義することを備えることができる。たとえば、これは、安静時、または充血状態の患者を表現する条件下で、大動脈圧条件、及び冠動脈微小循環の抵抗の割り当てを含むことができる。冠動脈について、たとえば、その全体に本明細書で参照により援用される、米国特許第８，３１５，８１２号内に記述される方法を使用して、境界条件のこの初期セットの割り当てを実行することが可能である。１つの実施形態において、またステップ３０８は、患者固有の解剖学的モデル内に初期造影剤分布を割り当てることを要求することができる。

ステップ３１０は、速度及び圧力について血流を支配する方程式を解くことを備えることができる。１つの実施形態において、ステップ３１０は、割り当てられた境界条件を使用して、解剖学的モデルの１つ以上の点または面積について造影剤及び圧力場を移流させる、血流速度場または流量場の計算を有することができる。この速度場または流量場は、上記で提供される生理学的及び／または境界条件を使用して、血流の方程式を解くことにより計算されるものと同一の場であることができる。

ステップ３１２は、患者固有の解剖学的モデルの１つ以上の位置で造影剤分布をシミュレーションするために、血液内の画像造影剤の輸送を支配するスカラー移流拡散方程式を解くことを備えることができる。これらの移流拡散方程式は、ステップ３１０において計算される患者固有の解剖学的モデルの造影剤及び圧力場を移流させる血流の速度場を使用することを伴うことができる。ステップ３１０及び３１２の方程式への解は、文献データまたは測定から取得されることができる、血液内の造影剤の拡散性に関する入力を要求する可能性がある。

また造影剤分布の計算は、血管壁沿いに、３次元計算領域の流出口で、患者固有の領域の入力での造影剤流束の造影剤強度に関するステップ３０８の境界条件の割り当てと同様に、患者固有の解剖学的モデルの一般的に造影剤０である、ステップ３０８についての初期造影剤分布の割り当てを要求することができる。１つの実施形態において、血管壁は、隔離している、すなわち、血管壁を介する造影剤流束が０であると仮定されることができる一方、流出口境界において、造影剤が３次元解剖学的モデルから自由に輸送できると仮定されることができる。したがって、流入口において（たとえば、大動脈入力、または冠動脈血流シミュレーションのための冠動脈口において）輸送境界条件は、患者固有の領域へ割り当てられることができる。冠動脈血流シミュレーションについて、これは、大動脈入力関数（ＡＩＦ）と言われることができる一方、他の血管床について、大動脈での条件は、関連性が低い可能性があるため、これは、最も一般的な事例についての造影剤入力関数（ＣＩＦ）と言われることができる。ＣＩＦは、測定から取得されることができる、またはＣＩＦの形式は、既知の、若しくは当初未知のパラメータ値により表現されると仮定されることが可能である。既知のＣＩＦを有する患者母集団を与えられると、最も相似した患者のＣＩＦを使用することもできる。

ステップ３１４は、ステップ３１２からシミュレーションされた造影剤分布、及び実際に受信した造影剤分布が相似条件を満たすかどうかを判定することを備えることができる。ステップ３１４は、患者固有の解剖学的モデルの１つ以上の点または面積について造影剤の受信した分布、及びシミュレーションされた分布を比較し、相似点及び相違点に注目することを備えることができる。１つの実施形態において、相似条件は、受信した造影剤分布、及びシミュレーションされた造影剤分布間の相違点が指定された公差内にある場合に満たされることができる。この指定された公差は、ステップ３１４の前にサーバ・システム１０６の電子記憶媒体内で受信することができる。

ステップ３１４に続き、受信した造影剤分布、及びシミュレーションされた造影剤分布が相似条件を満たさない場合に、ステップ３１６は、予測された造影剤分布、及び実際に測定された造影剤分布間の比較に基づき患者の生理学的及び／または境界条件を更新することを備えることができる。反復更新は、微分情報を用いない方法、または勾配法に基づく方法のいずれか一方を使用して行われることができる。前者において、パラメータ空間内にシンプレックスとしてコスト関数を近似すること、及びコスト関数に基づきシンプレックスの頂点を順次に更新することにより動作するネルダー−ミード法のような技術を使用して、コスト関数を計算することができる。さらに、非線形アンサンブル・フィルタリングに基づく逐次的に微分情報を用いない手法は、パラメータ「オンザフライ」を繰り返し調整することができ、計算上高価な分散機械モデルのために実用的である可能性がある。代替に、パラメータに関するコスト関数の勾配は、パラメータに関して偏微分方程式を線形化することにより、または随伴法を介して、有限差分のような技術を使用して推定されることができる。パラメータは、負の勾配の方向に沿って増大することにより更新されることができる。その後、ステップ３１２は、更新された生理学的及び／または境界条件を使用して繰り返されることができる。

ステップ３１４に続き、受信した造影剤分布、及びシミュレーションされた造影剤分布が相似条件を満たす場合に、つぎに反復プロセスは、完了し、解は、収束したとみなされる。

ステップ３１８Ａは、収束解から患者固有の解剖学的モデル上の１つ以上の位置についての血流特性を出力することを備えることができる。血流特性は、限定されないが、計算された速度、圧力、ＦＦＲ、冠血流予備能（ＣＦＲ）、せん断応力、軸方向プラーク応力などを有することができる。

１つの実施形態において、ステップ３１８Ｂは、ステップ３１４の収束解から計算された造影剤分布を使用して、ステップ３０２において受信した初期画像データを強調することを備えることができる。たとえば、画像データは、ピクセル値をシミュレーションされた造影剤値と置換することにより強調されることができる。別の実施例において、シミュレーションされた造影剤値を使用して、条件付き確率場を介して元の画像の「ノイズを除去する」ことができる。ステップ３１８Ｂは、強調された医用画像を出力することをさらに備えることができる。

１つの実施形態において、ステップ３１８Ｃは、収束した造影剤分布解と関連する計算された血流特性を使用して、患者固有の解剖学的モデルの１つ以上の点、面積、または領域についての適切な灌流データを決定することを備えることができる。さらに、灌流データを使用して、組織、臓器、及び／または血管ネットワークの灌流をシミュレーションするモデルまたは医用画像を生成することができる。ステップ３１８Ｃは、それらの全体で本明細書に参照により援用される、それぞれ、心臓及び脳内の灌流をシミュレーションすることを対象とする米国特許第８，３８６，１８８号、及び第８，３１５，８１４号内に記述される方法を改善するために使用されることができる。ステップ３１８Ｃは、灌流データを出力すること、または強調された医用画像を出力するために灌流データを使用することをさらに備えることができる。

ステップ３１８Ａ、３１８Ｂ、及び３１８Ｃは、プロセッサ個体により、またはそれらの組み合わせにおいて実行されることができる。これらの出力は、電子記憶媒体内に格納される、及び／または表示されることができる。

図４は、本開示の例示的な実施形態により、トレーニングされたシステムから取得される造影剤分布予測及び測定を使用して、血流特性を決定する、灌流をシミュレーションする、または患者固有の撮像データを強調する方法４００の一般的な実施形態を描写する。方法４００からの出力は、プラークまたは狭窄性病変の重症度を評価する（たとえば、方法６００においてのような）、適切な治療オプションを選択する（たとえば、方法７００においてのような）、及び／または再計算された血流特性を使用してプラークまたは狭窄性病変の重症度を再評価することにより選択された治療計画を評価するために使用されることができる。

１つの実施形態において、ステップ４０２は、測定された造影剤分布、及び解剖学的情報を抽出することが可能である、１つ以上の患者固有の画像を受信することを備えることができる。画像データは、２次元スキャン（たとえば、冠動脈の解剖学的構造についての冠動脈血管造影法またはバイプレーン血管造影法）、または３次元スキャン（たとえば、冠動脈の解剖学的構造についての３Ｄ回転血管造影法、冠動脈コンピュータ断層撮影血管造影法（ＣＣＴＡ）、または磁気共鳴血管造影法（ＭＲＡ））から取得されることができる。

ステップ４０４は、受信した１つ以上の患者固有の画像から患者固有の解剖学的モデルを構築することを備えることができる。このステップは、画像データを直接セグメント化し、患者の動脈の患者固有の３次元解剖学的モデルを作成する方法を備えることができる、または前もって構築された「一般的な」モデルを修正し、それをその患者についてカスタマイズし、患者固有のモデルを作成することを伴うことができる。いずれの事例においても、患者固有の解剖学的モデルは、各セグメントの長さ、セグメントの長さに沿う直径（またはセグメントの任意の他の幾何学的形状の記述）、分岐パターン、疾患の存在、及び／またはアテローム性プラークの組成を含む疾患の特性を有する、関心動脈に関する情報を含むことができる。モデルの表現は、３次元容量を囲む表面、血管の中心線が長さに沿う断面積情報とともに、または血管表面の暗示的表現のように定義される１次元モデルにより定義されることができる。解剖学的モデルは、冠動脈、末梢動脈、大脳動脈、内臓動脈、肝臓の血管、腎動脈、臓器組織、心腔などのような、多くの異なる種類の解剖学的構造を表現することができる。また、本明細書に提示される技術を使用する前にこのモデルを受信することができる。

ステップ４０６は、画像データから測定された造影剤分布を画像データから抽出される患者固有の解剖学的モデルへ投影することを備えることができる。３次元領域を使用して解剖学的モデルを表現する事例において、造影剤値は、この領域の明示的な、または暗示的な表現に関連付けられることができる。３次元領域が解剖学的モデルを表現する、一方の実施形態において、３次元の有限要素メッシュの各点について造影剤値の割り当てがあることができる。次元を下げたモデル（ＲＯＭ）を使用して患者固有の解剖学的モデルを表現する、他方の実施形態において、造影剤値は、血管断面にわたり平均されることができ、その断面積により定義されることもできる。また造影剤データは、モデル（たとえば、その全体で本明細書に参照により援用される、米国特許第９，０７０，２１４号内に記述される他の方法の中でも、平滑化演算子、中央値フィルタリング、平均フィルタリング、バイラテラル・フィルタリング、異方性拡散フィルタリング、ノイズ除去、造影剤強調など）との関連付け前にフィルタリングされる、または強調されることができる。

ステップ４０８は、生理学的及び／または境界条件の第一セットを表現する１つ以上のパラメータを定義し、患者を撮像した条件下で血流及び血圧を表現することを備えることができる。たとえば、これは、安静時、または充血状態の患者を表現する条件下で、大動脈圧条件、及び冠動脈微小循環の抵抗の割り当てを伴うことができる。冠動脈について、境界条件の第一セットの割り当ては、たとえば、その全体で本明細書に参照により援用される、米国特許第８，３１５，８１２号内に記述される方法を使用して実行されることが可能である。１つの実施形態において、生理学的及び／または境界条件を表現する１つ以上のパラメータは、限定されないが、（ｉ）流速及び流圧のようなＣＦＤに導出された特徴、（ｉｉ）移流拡散方程式の解析的近似、及び（ｉｉｉ）狭窄の最小内腔径、狭窄の長さのような幾何学的特徴を含むことができる、クラスに分割されることができる。

たとえば、ステップ４１０Ａは、数値流体力学（たとえば、血流の速度及び圧力）から導出される生理学的及び／または境界条件を表現するパラメータを定義することを備えることができ、ステップ４１０Ｂは、移流拡散方程式の解析的近似を表現するパラメータを定義することを備えることができ、ステップ４１０Ｃは、ＣＦＤに導出された特徴、及び移流拡散方程式を計算する患者固有の解剖学的モデルの複数の点、または面積の幾何学的特徴を表現するパラメータを定義することを備えることができる。１つの実施形態において、また特徴（たとえば、患者固有の分散性）の他のクラスを使用することができる。

ステップ４１２は、生理学的及び／または境界条件、移流拡散方程式、及び特徴ベクトルとして幾何学的特徴を表現するパラメータを使用して、患者固有の解剖学的モデル上の１つ以上の位置で造影剤分布をシミュレーションするためにトレーニングされたシステムを使用することを備えることができる。１つの実施形態において、ステップ４１２は、たとえば、その全体で本明細書に参照により援用される、２０１３年５月１６日に出願された米国特許第１３／８９５，８９３号内に記述される方法を使用して、造影剤分布と同様に、血流特性を計算するために機械学習の使用を備えることができる。図５の方法５００は、方法４００のステップ４１２の詳細な実施形態を提供することができる。

ステップ４１４は、ステップ４１２からシミュレーションされた造影剤分布、及び実際に受信した造影剤分布が相似条件を満たすかどうかを判定することを備えることができる。ステップ４１４は、患者固有の解剖学的モデルの１つ以上の点、または面積について造影剤の受信した分布、及びシミュレーションされた分布を比較し、相似点及び相違点に注目することを備えることができる。１つの実施形態において、相似条件は、受信した造影剤分布、及びシミュレーションされた造影剤分布間の相違点が指定された公差内にある場合に満たされることができる。この指定された公差は、ステップ４１４の前にサーバ・システム１０６の電子記憶媒体内で受信することができる。

ステップ４１４に続き、受信した造影剤分布、及びシミュレーションされた造影剤分布が相似条件を満たさない場合に、ステップ４１６は、予測された造影剤分布、及び実際に測定された造影剤分布間の比較に基づき患者の生理学的及び／または境界条件を更新することを備えることができる。１つの実施形態において、予測された造影剤分布、及び測定された造影剤分布間のマッチングに起因する生理学的境界条件を更新する１つの方式は、特徴の３つの幅広いクラスを定義し、これら、及び血管に沿う造影剤濃度間のマッピングを計算することにより達成されることが可能である。特徴の３つの幅広いクラスは、（ｉ）流速及び流圧のようなＣＦＤに導出された特徴、（ｉｉ）移流拡散方程式の解析的近似、及び（ｉｉｉ）狭窄の最小内腔径、狭窄の長さなどのような幾何学的特徴を有することができる（上記に参照される’８９３アプリケーション内のすべての特徴を使用することが可能である）。システムは、中心線に沿う造影剤濃度へこれらの特徴をマッピングするようにトレーニングされる（解剖学的モデルと同様に、測定された、またはシミュレーションされた造影剤分布を有する１セットのトレーニング・データ上で）ことが可能である。また特徴の他のクラス（たとえば、患者固有の分散性）を使用することができる。最適化中に、ナビエ−ストークス方程式、及び移流拡散方程式の両方を解く代替に、機械学習近似を使用することができる。

ステップ４１４に続き、受信した造影剤分布、及びシミュレーションされた造影剤分布が相似条件を満たす場合に、つぎに反復プロセスは、完了し、解は、収束したとみなされる。

ステップ４１８Ａは、収束解から患者固有の解剖学的モデル上の１つ以上の位置についての血流特性を出力することを備えることができる。血流特性は、限定されないが、計算された速度、圧力、ＦＦＲ、冠血流予備能（ＣＦＲ）、せん断応力、軸方向プラーク応力などを有することができる。

１つの実施形態において、ステップ４１８Ｂは、ステップ４１４の収束解から計算された造影剤分布を使用し、ステップ４０２において受信した初期画像データを強調することを備えることができる。たとえば、画像データは、ピクセル値をシミュレーションされた造影剤値と置換することにより強調されることができる。別の実施例において、シミュレーションされた造影剤値を使用して、条件付き確率場を介して元の画像の「ノイズを除去する」ことができる。ステップ４１８Ｂは、強調された医用画像を出力することをさらに備えることができる。

１つの実施形態において、ステップ４１８Ｃは、収束した造影剤分布解と関連する計算された血流特性を使用し、患者固有の解剖学的モデルの１つ以上の点、面積、または領域について適切な灌流データを決定することを備えることができる。さらに、灌流データを使用して、組織、臓器、及び／または血管ネットワークの灌流をシミュレーションするモデルまたは医用画像を生成することができる。ステップ４１８Ｃは、それら全体で本明細書に参照により援用される、それぞれ心臓及び脳内の灌流をシミュレーションすることを対象とする、米国特許第８，３８６，１８８号、及び第８，３１５，８１４号内に記述される方法を改善するために使用されることができる。ステップ４１８Ｃは、灌流データを出力すること、または灌流データを使用して強調された医用画像を出力することをさらに備えることができる。

ステップ４１８Ａ、４１８Ｂ、及び４１８Ｃは、プロセス個体により、またはそれらの組み合わせで実行されることができる。これらの出力は、電子記憶媒体内に格納される、及び／または表示されることができる。

図５は、本開示の例示的な実施形態により、患者固有の解剖学的モデル、及び生理学的及び／または境界条件を使用する機械学習アルゴリズムをトレーニングして、適用し、解剖学的モデル内に造影剤分布を出力する例示的な方法のブロック図である。図５は、図４の方法４００のステップ４１２を実行する例示的な方法を有することができる。図５の方法５００は、電子ネットワーク１００経由で医師１０２及び／または第三者プロバイダ１０４から受信する情報に基づき、サーバ・システム１０６により実行されることができる。

１つの実施形態において、図５の方法５００は、複数の患者からの患者固有のパラメータ、及び測定される、推定される、及び／またはシミュレーションされる血流及び／または血液供給需要特性に基づき１つ以上の機械学習アルゴリズムをトレーニングするトレーニング方法５０２、ならびに意図された移植レシピエントまたはドナーの血流及び／または血液供給需要特性を予測するために機械学習アルゴリズム結果を使用する生成方法５０４を有することができる。

１つの実施形態において、トレーニング方法５０２は、各複数の個人について、たとえば、デジタル・フォーマットにおいて、（ａ）患者固有の解剖学的モデル、（ｂ）１つ以上の測定された、または推定された生理学的及び／または境界条件、及び（ｃ）推定された、またはシミュレーションされた造影剤分布を取得することを伴うことができる。つぎにトレーニング方法５０２は、各患者のモデル内の１つ以上の点について、数値流体力学から導出される特徴、生理学的及び／または境界条件から導出される移流拡散方程式の解析的近似の特徴、及び解剖学的モデルから導出される幾何学的特徴から構成される特徴ベクトルを作成することを伴うことができる。トレーニング方法５０２は、この特徴ベクトルを解剖学的モデルのそれらの点での造影剤濃度または分布と関連付けることをさらに備えることができる。つぎにトレーニング方法５０２は、サーバ・システム１０６のストレージ・デバイス内に、特徴重み付けを含む、機械学習アルゴリズムの結果を保存することができる。格納された特徴重み付けは、患者固有のパラメータ、及び／または解剖学的位置が造影剤濃度及び／または分布の予測である範囲を定義することができる。

１つの実施形態において、生成方法５０４は、トレーニング方法５０２を実行する結果に基づき、特定の患者についての造影剤濃度及び／または分布を推定することを伴うことができる。１つの実施形態において、生成方法５０４は、たとえば、デジタル・フォーマットにおいて、（ａ）患者固有の解剖学的モデル、及び（ｂ）１つ以上の生理学的及び／または境界条件を取得することを備えることができる。患者の解剖学的モデル内の複数の点について、生成方法５０４は、数値流体力学から導出される特徴、生理学的及び／または境界条件から導出される移流拡散方程式の解析的近似の特徴、及び解剖学的モデルから導出される幾何学的特徴の特徴ベクトルを作成することを伴うことができる。生成モードにおいて使用される特徴のタイプは、トレーニング・モードにおいて使用される特徴のタイプと同一であることができる。つぎに生成方法５０４は、機械学習アルゴリズムの保存された結果を使用して、患者固有の解剖学的モデルの複数の点について患者の造影剤濃度及び／または分布の推定値を生成することができる。最終的に、生成方法５０４は、サーバ・システム１０６のストレージ・デバイスへ、予測された造影剤濃度及び／または分布を含む、機械学習アルゴリズムの結果を保存することを備えることができる。

方法２００、３００、４００、及び５００は、シミュレーションされた造影剤分布、及び測定された造影剤分布を使用して血流特性を決定するシステム及び方法をもたらすことができ、図６の方法６００に提示される実施形態は、その全体で本明細書に参照により援用される、米国特許第８，３１１，７４８号内にたとえば記述されるような、狭窄性病変の重症度をより良く評価するために、またはプラーク破綻の予測を改善するために血流及び血圧の改善された計算を利用することができる。本開示の実施形態は、つぎにそれらの全体で本明細書に参照により援用される、米国特許第８，１５７，７４２号、第８，５９４，９５０号、及び第８，７３４，３５７号内にたとえば記述されるような、治療計画で使用されることが可能である、ベースライン条件のより正確な予測をもたらす。

図６は、本開示の例示的な実施形態により、プラーク及び／または狭窄性病変の重症度を評価するために患者固有の解剖学的モデルの患者固有の造影剤分布を使用する例示的な方法６００の態様を示すブロック図である。図６は、図２の方法２００のステップ２１６を実行する例示的な方法を含むことができる。方法６００は、サーバ・システム１０６のプロセッサを使用して実行されることができ、１つ以上の入力６１０を使用して１つ以上のモデル６２０を生成すること、モデル６２０のうちの１つ以上に基づき１つ以上の生体力学的解析６３０を実行すること、ならびにモデル６２０及び生体力学的解析６３０に基づきさまざまな結果を提供することを備えることができる。

入力６１０は、造影剤分布を有する患者固有の解剖学的モデル、及びプラーク及び／または１つ以上の狭窄性病変を含むことができ、それぞれ、図２、３、及び４に記述されるような、方法２００、３００、４００、または５００を使用して、測定される、導出される、または取得される１つ以上の血流特性を含むこともできる。１つの実施形態において、ステップ６０２及び／またはステップ６０４は、方法６００についての入力を受信するために実行されることができる。ステップ６０２は、造影剤分布を有する患者固有の解剖学的モデル、及びプラーク及び／または１つ以上の狭窄性病変を受信することを備えることができる。解剖学的モデルは、造影剤分布及び解剖学的情報を抽出し、解剖学的モデル上へ投影することができる、患者固有の画像データを使用して構築されることができる（たとえば、それぞれ、方法３００及び４００のステップ３０６及び４０６内でのような）。画像データは、２次元スキャン（たとえば、冠動脈血管造影法、バイプレーン血管造影法など）、または３次元スキャン（たとえば、３Ｄ回転血管造影法、冠動脈コンピュータ断層撮影血管造影法（ＣＣＴＡ）、磁気共鳴血管造影法（ＭＲＡ）など）から取得されることができる。解剖学的モデルは、各セグメントの長さ、セグメントの長さに沿う直径（またはセグメントの任意の他の幾何学的記述）、分岐パターン、狭窄の存在、病変、プラーク、閉塞、疾患、及び／またはアテローム性プラークの組成を含む疾患の特性を含む、関心動脈に関する情報を含むことができる。モデルの表現は、３次元容量を囲む表面、長さに沿う断面積情報をともなう、または血管表面の暗示的な表現として、血管の中心線を定義する１次元モデルにより定義されることができる。

ステップ６０４は、造影剤分布を使用して解剖学的モデルの１つ以上の血流特性を受信することを備えることができる。１つの実施形態において、ステップ６０４は、方法２００、３００、及び４００の出力を受信することにより（たとえば、シミュレーションされた造影剤分布を受信した造影剤分布と反復して比較することにより）実行されることができる。血流特性は、限定されないが、計算された速度、血圧、心拍数、ＦＦＲ、冠血流予備能（ＣＦＲ）、せん断応力、軸方向プラーク応力などを有することができる。患者固有の解剖学的モデル、及び／または１つ以上の血流特性の入力６１０を使用して、以下に記述されるモデル６２０を生成する、及び／または生体力学的解析６３０を実行することができる。

上記のように、１つ以上のモデル６２０は、入力６１０に基づき生成されることができる。たとえば、ステップ６２２は、患者固有の解剖学的モデルの１つ以上の位置に受信した血流特性を使用して血行動態モデルを構築することを備えることができる。１つの実施形態において、血行動態モデルは、受信した患者固有の解剖学的モデル上に受信した１つ以上の血流特性を重ね合わせることにより作成されることができる。血行動態モデルは、たとえば、図３のステップ３１０に記述されるような、数値流体力学解析を実行した後に生成される、シミュレーションされた血圧モデル、シミュレーションされた血流モデル、または他のシミュレーションであることができる。既知の数値計算法を有する計算解析で、流体構造連成モデルを含む固体力学モデルを解くことができる。

方法６００は、１つ以上のモデル６２０を使用して生体力学的解析６３０を実行することを備えることができる。たとえば、ステップ６３２は、安静、さまざまなレベルの運動または労働などのような、さまざまな生理学的状態において血行動態力によるプラーク及び／または狭窄の内腔面上に作用する圧力及びせん断応力を計算することを備えることができる。圧力及びせん断応力は、血圧及び血流のような、血行動態モデル６２２からの情報に基づき計算されることができる。ステップ６３２は、圧力及びせん断応力を計算するために、プラーク及び／または狭窄の１つ以上の位置を識別することを備えることができる。

また方法６００は、プラーク及び／または狭窄の重症度を評価するために、血行動態モデルに加えて、複数のモデルを生成することを備えることができる。１つの実施形態において、ステップ６２４は、解剖学的モデルからプラークの組成及び特性を決定するプラーク・モデルを構築することを備えることができる。プラーク・モデルは、プラークの密度及び他の材料特性についての情報を含むことができる。プラーク・モデルは、プラークの組成及び特性、ならびにステップ６３２で計算される圧力及びせん断応力に基づき計算されることができる、応力及びひずみについての情報を含むことができる。１つの実施形態において、ステップ６３２は、プラーク・モデルを使用して、生体力学的解析６３０を実行する（たとえば、プラーク・モデルからの情報に基づき血行動態力によりプラークまたは狭窄性病変上の応力または力を計算する）ことを備えることができる。

１つの実施形態において、ステップ６２６は、プラーク、血管壁、及び／またはプラーク及び血管壁間の境界面についての情報を計算する血管壁モデルを構築することを備えることができる。血管壁モデルは、プラーク・モデル内に含まれるプラーク組成及び特性、ならびにステップ６３２で計算される圧力及びせん断応力に基づき計算されることができる、応力及びひずみについての情報を含むことができる。１つの実施形態において、ステップ６３２は、血管壁モデルを使用して、生体力学的解析６３０を実行する（たとえば、血管壁モデルからの情報に基づき血行動態力によりプラークまたは狭窄性病変上の応力または力を計算する）ことを備えることができる。

１つの実施形態において、ステップ６４０は、プラーク及び／または狭窄の重症度を評価するためにプラーク破綻脆弱性指数を計算することを備えることができる。プラーク破綻脆弱性指数は、血行動態応力、応力頻度、応力方向、及び／またはプラーク強度または他の特性のうちの１つ以上に基づき計算されることができる。１つの実施形態において、ステップ６４０を実行することは、プラーク・モデル及び／または解剖学的モデルから関心プラークを囲む領域を隔離することを備えることができる。プラーク及び／または狭窄の重症度は、プラーク・モデル６２４内に提供される材料特性から決定されることができる。拍動圧、拍動流、及び首の動きによる、関心プラーク上の血行動態及び組織応力は、ステップ６３４で前もって計算された血行動態応力及び運動に誘発されたひずみを使用することにより、シミュレーションされたベースライン及び運動（または労働）条件下で計算されることができる。プラーク及び／または狭窄性病変の脆弱性は、プラーク応力とプラーク強度の比に基づき評価されることができる。ステップ６４０は、サーバ・システム１０６のプロセッサにより実行されることができる。

方法２００、３００、４００、５００、及び６００は、プラーク及び／または狭窄性病変の重症度をより良く評価するために、ヒトの冠動脈内の血流及び血圧をより正確に計算すること、及び／または血流及び血圧の改善された計算を使用することに関する実施形態を記述することができながら、同一の方法は、頭蓋外及び頭蓋内大脳動脈内と、末梢動脈疾患に関する患者の腸骨、浅大腿、総大腿、脛骨、膝窩、腓骨、足の動脈を含む下肢動脈内と、腎動脈内と、腸間膜動脈内と、他の血管床内との、血流及び血圧を計算すること、及び／またはプラーク及び／または狭窄性病変の重症度の評価を使用することを備える他の実施形態のために使用されることができる。

図７は、本開示の例示的な実施形態により、１つ以上の適切な治療計画を選択するために、方法２００、３００、４００、及び５００から取得される血流特性、及び／または方法６００から取得されるプラーク及び／または狭窄性病変の重症度の評価を使用する例示的な方法７００のブロック図である。さらに、図７は、保存された血流特性、及び／またはプラーク及び／または狭窄性病変の重症度の評価に基づき治療計画を選択するステップ２１８を実行する実施形態を描写する。１つの実施形態において、ステップ７０２Ａは、患者の冠血流予備量比（ＦＦＲ）値が冠血流予備量比値についての閾値（たとえば、０．８）より小さい、またはこれに等しいかどうかを判定することを備えることができる。患者の冠血流予備量比は、シミュレーションされた造影剤分布、及び測定された造影剤分布を使用して、患者固有の解剖学的モデルの冠血流予備量比値を含む、血流特性を決定するシステム及び方法を提供する、本開示に開示される、電子記憶媒体から、及び／または方法２００、３００、４００、または５００を使用することにより取得される、測定される、または導出されることができる。ステップ７０２Ａへの代替、または追加として、ステップ７０２Ｂは、患者固有の解剖学的モデル、または画像データ内の狭窄が５０％より大きいかどうかを判定することを備えることができる。患者の狭窄についての情報は、方法６００でのような、患者固有の解剖学的モデル、若しくは画像データから、または狭窄性病変の重症度の評価により取得される、測定される、または導出されることができる。１つの実施形態において、狭窄についての情報は、２００、３００、または４００の方法を使用して取得される血流特性から生成される、強調された医用画像またはモデルから取得される、測定される、または導出されることができる。

ステップ７０２Ａ及び／または７０２Ｂに続き、患者の冠血流予備量比（ＦＦＲ）値が冠血流予備量比値についての閾値、たとえば、０．８より小さい、若しくはこれに等しい、または代替に、若しくは追加で、患者固有の解剖学的モデル、若しくは画像データ内の狭窄が５０％より大きい場合に、つぎにステップ７０４を実行することができる。１つの実施形態において、ステップ７０４は、プラーク内の応力が安全係数により割られる最終的なプラーク強度（たとえば、２の）より大きいかどうか、またはアテローム性プラーク特性（ＡＰＣ）スコアを掛けられる軸方向プラーク応力が生成値についての閾値（たとえば、４０，０００）より大きい、若しくはこれに等しいかどうかを判定することを備えることができる。

ステップ７０４に続き、プラーク内の応力が安全係数により割られる最終的なプラーク強度（たとえば、２の）より大きいか、アテローム性プラーク特性（ＡＰＣ）スコアを掛けられる軸方向プラーク応力（ＡＰＳ）が生成値についての閾値（たとえば、４０，０００）より大きい、またはこれに等しいかのいずれか一方である場合に、つぎにステップ７０８は、プラークまたは狭窄性病変を治療するために患者に侵襲的手技を実行することを備えることができる。１つの実施形態において、この侵襲的手技は、経皮的冠動脈インターベンション（ＰＣＩ）であることができる。ステップ７０４に続き、プラーク内の応力が安全係数により割られる最終的なプラーク強度（たとえば、２）より大きくもなく、生成値についての閾値（たとえば、４０，０００）より大きい、またはこれに等しいアテローム性プラーク特性（ＡＰＣ）スコアを掛けられる軸方向プラーク応力（ＡＰＳ）でもない場合に、つぎにステップ７１０は、患者に侵襲的手技（たとえば、経皮的冠動脈インターベンション（ＰＣＩ））を実行すること、または厳格なリスク制御で緊密な医療フォローアップを実行することを備えることができる。１つの実施形態において、ステップ７１０は、ステップ７０８を実行する病状ほど厳しくはない可能性がある病状を治療するために実行されることができる。

ステップ７０２Ａ及び／または７０２Ｂに続き、患者の冠血流予備量比（ＦＦＲ）値が冠血流予備量比値についての閾値、たとえば、０．８より大きい、または代替に、若しくは追加で、患者固有の解剖学的モデル、若しくは画像データ内の狭窄が５０％より小さい場合に、つぎにステップ７０６を実行することができる。

ステップ７０４のように、ステップ７０６は、プラーク内の応力が安全係数により割られる最終的なプラーク強度（たとえば、２の）より大きいかどうか、またはアテローム性プラーク特性（ＡＰＣ）スコアを掛けられる軸方向プラーク応力が生成値についての閾値（たとえば、４０，０００）より大きい、若しくはこれに等しいかどうかを判定することを備えることができる。ステップ７０６に続き、プラーク内の応力が安全係数により割られる最終的なプラーク強度（たとえば、２）より大きいか、アテローム性プラーク特性（ＡＰＣ）スコアを掛けられる軸方向プラーク応力（ＡＰＳ）が生成値についての閾値（たとえば、４０，０００）より大きい、またはこれに等しいかのいずれか一方である場合に、つぎにステップ７１２は、患者に侵襲的手技（たとえば、経皮的冠動脈インターベンション（ＰＣＩ））、または厳格なリスク制御で緊密な医療フォローアップを実行することを備えることができる。１つの実施形態において、ステップ７１２は、ステップ７０８を実行する病状ほど厳しくはない可能性がある病状を治療するために実行されることができる。ステップ７０６に続き、プラーク内の応力が安全係数により割られる最終的なプラーク強度（たとえば、２）より大きくもなく、生成値についての閾値（たとえば、４０，０００）より大きい、またはこれに等しいアテローム性プラーク特性（ＡＰＣ）スコアを掛けられる軸方向プラーク応力（ＡＰＳ）でもない場合に、つぎにステップ７１４は、治療を実行することを備えることができる。１つの実施形態において、ステップ７１４は、ステップ７０８、７１０、または７１２を実行する病状ほど厳しくはない可能性がある病状を治療するために実行されることができる。

図８は、再計算された血流特性（たとえば、それぞれ、図２、３、４、または５の方法２００、３００、４００、または５００内に記述されるような）を使用して、プラーク及び／または狭窄性病変の重症度を再評価する（たとえば、図６の方法６００内に記述されるような）ことにより、選択された治療計画（たとえば、図７の方法７００を使用して選択されるような）を評価する例示的な方法８００のブロック図である。図８は、図２の方法２００のステップ２２０を実行する例示的な方法を有することができる。方法８００は、たとえば、それらの全体で本明細書に参照により援用されている、米国特許第８，１５７，７４２号、第８，５９４，９５０号、及び第８，７３４，３５７号内に記述されるような、つぎに治療計画で使用されることが可能であるベースライン条件のより正確な予測を行う方法２００、３００、４００、及び５００内に記述される実施形態を適用することができる。

ステップ８０２は、シミュレーションされた造影剤分布を使用して血流特性の第一セットを受信することを備えることができる。ステップ８０２は、測定された造影剤分布、及びシミュレーションされた造影剤分布を使用して血流特性を決定するために、方法２００、３００、または４００を使用して実行されることができる。

ステップ８０４は、受信した血流特性の第一セットに基づき適切な治療計画を決定することを備えることができる。１つの実施形態において、適切な治療計画は、図７に記述されるような方法７００を使用して受信した血流特性の第一セットから決定されることができる。たとえば、適切な治療計画は、プラークまたは狭窄性病変の部位での経皮的冠動脈インターベンションであることができる。別の実施例において、適切な治療計画は、投薬することを備えることができる。

ステップ８０６Ａは、ステップ８０４において決定される治療計画を反映するために患者固有の解剖学的モデルを修正することを備えることができる。ステップ８０６Ｂは、治療計画を反映するために造影剤分布を決定することを備えることができる。

ステップ８０８は、新規の造影剤分布を使用して血流特性の第二セットを計算することを備えることができる。ステップ８０２のように、ステップ８０４は、測定された造影剤分布、及びシミュレーションされた造影剤分布を使用して血流特性を決定する方法２００、３００、または４００を使用して実行されることができる。

ステップ８１０は、患者固有の解剖学的モデル、血流特性、またはプラーク若しくは狭窄性病変上での血行動態力のうちの１つ以上に基づき、プラークまたは狭窄性病変の重症度を再評価することを備えることができる。プラークまたは狭窄性病変上に作用する血行動態力は、限定されないが、プラークまたは狭窄性病変上の応力、圧力、力、またはひずみを有することができる。１つの実施形態において、ステップ８１０は、図６に記述されるような方法６００を使用して実行されることができる。方法８００の１つ以上のステップは、サーバ・システム１０６のプロセッサを使用して実行されることができる。

本発明の他の実施形態は、本明細書の考察、及び本明細書に開示される本発明の実施から当業者に明らかであろう。本明細書及び実施例が単なる例示としてみなされ、本発明の真の範囲及び趣旨が以下の特許請求の範囲により示されていることを意図する。

Claims (20)

1. 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ために血流特性を非侵襲的に推定するコンピュータ実装方法であって、
   患者の血管構造の少なくとも一部の１つ以上の患者固有の画像、及び前記患者の血管構造を介して送達される造影剤の測定された分布を受信し、
   前記患者の血管構造の複数の点での前記造影剤の前記測定された分布を、前記受信した患者固有の画像を使用して生成される前記患者の血管構造の患者固有の解剖学的モデルの１つ以上の点と関連付け、
   前記患者の血流及び血圧を非侵襲的に推定するために血流モデルの１つ以上の生理学的及び境界条件を定義し、前記患者の血管構造の前記患者固有の解剖学的モデルを介して前記造影剤の分布をシミュレーションし、
   プロセッサを使用して、前記定義された１つ以上の生理学的及び境界条件を使用して前記患者固有の解剖学的モデルの１つ以上の点を介して前記造影剤の前記分布をシミュレーションし、
   プロセッサを使用して、前記造影剤の前記測定された分布、及び前記患者固有の解剖学的モデルを介して前記造影剤の前記シミュレーションされた分布を比較し、相似条件が満たされているかどうかを判定し、
   前記定義された生理学的及び境界条件を更新し、前記相似条件が満たされるまで、前記患者固有の解剖学的モデルの前記１つ以上の点を介して前記造影剤の前記分布を再シミュレーションし、
   プロセッサを使用して、前記更新された生理学的及び境界条件に基づき前記患者固有の解剖学的モデルを介して血流の１つ以上の血流特性を計算し、
   前記シミュレーションされた造影剤分布、前記１つ以上の計算された血流特性、及び前記患者固有の解剖学的モデルのうちの１つ以上を電子記憶媒体またはディスプレイへ出力する、
   ことを備える、前記方法。
2. 前記第一時間に前記患者固有の解剖学的モデル内に前記造影剤の前記分布をシミュレーションする前に、１つ以上の生理学的及び境界条件を定義することは、前記解剖学的モデルにより表現される前記血管の解剖学的構造、及び相似の血管の解剖学的構造を有する患者の母集団内にみられる生理学的特性間の形態または機能上の関係を見出すことを備える、請求項１の前記コンピュータ実装方法。
3. 前記第一時間に前記患者固有の解剖学的モデル内に前記造影剤の前記分布をシミュレーションする前に、１つ以上の生理学的及び境界条件を定義することは、
   初期造影剤分布を割り当てること、ならびに
   前記血管壁、流出口境界、流入口境界、及びプラーク及び／または狭窄性病変付近のうちの１つ以上に前記造影剤の前記流束に関する境界条件を割り当てること、
   のうちの１つ以上を備える、請求項１の前記コンピュータ実装方法。
4. 前記血流特性は、血流速度、血圧、心拍数、冠血流予備量比（ＦＦＲ）値、冠血流予備能（ＣＦＲ）値、せん断応力、または軸方向プラーク応力のうちの１つ以上を備える、請求項１の前記コンピュータ実装方法。
5. １つ以上の患者固有の画像を受信することは、冠動脈血管造影法、バイプレーン血管造影法、３Ｄ回転血管造影法、コンピュータ断層撮影（ＣＴ）撮像法、磁気共鳴（ＭＲ）撮像法、超音波撮像法、またはそれらの組み合わせから１つ以上の画像を受信することを備える、請求項１の前記コンピュータ実装方法。
6. 前記受信した患者固有の画像を使用して患者固有の解剖学的モデルを構築することは、
   平滑化演算子、中央値フィルタリング、平均フィルタリング、バイラテラル・フィルタリング、異方性拡散フィルタリング、ノイズ除去、若しくは造影剤強調のうちの１つ以上を使用して、前記測定された造影剤値若しくは分布をフィルタリングする、若しくは強調すること、
   ３次元若しくは２次元解剖学的領域内の１つ以上の点へ１つ以上の造影剤値を関連付けることにより、前記画像データから構築される前記患者固有の解剖学的モデルへ前記画像データからの前記造影剤の前記測定された分布を投影すること、または
   血管の１つ以上の断面積にわたる１つ以上の造影剤値を平均すること、ここで次元を下げたモデルは患者の解剖学的構造を表現するために使用されている、
   のうちの１つ以上を備える、請求項１の前記コンピュータ実装方法。
7. 前記患者固有の解剖学的モデルは、
   前記長さまたは直径を有する、血管の幾何学的記述、
   血管の分岐パターン、
   任意の狭窄性病変、プラーク、閉塞、または罹患した区域の１つ以上の位置、及び
   狭窄性病変、プラーク、閉塞、または罹患した区域の前記材料特性を有する、前記血管上の、またはこれらの内の疾患の１つ以上の特性、
   のうちの１つ以上を含む、前記関心の血管に関する情報を備える、請求項１の前記コンピュータ実装方法。
8. 前記患者固有の解剖学的モデルは、プラーク層若しくは狭窄性病変へ脆弱な血液供給用の血管に関する、冠血管モデル、脳血管モデル、末梢血管モデル、肝血管モデル、腎血管モデル、内蔵血管モデル、または任意の血管モデルのうちの１つ以上を備える、請求項１の前記コンピュータ実装方法。
9. 前記生理学的条件は、血圧の流束、血流速度の流束、前記造影剤の前記流量、ベースライン心拍数、前記血管系の前記幾何学的及び材料特性、ならびにプラーク及び／または狭窄性病変の幾何学的及び材料特性のうちの１つ以上を含む、数値流体力学または前記患者固有の解剖学的モデルから測定され、取得され、または導かれ、
   前記境界条件は、前記関心の領域の前記境界での変数間の生理学的関係を定義し、前記境界が流入境界、流出境界、血管壁境界、及びプラーク及び／または狭窄性病変の境界のうちの１つ以上を含む、
   請求項１の前記コンピュータ実装方法。
10. プロセッサを使用して、前記定義された１つ以上の生理学的及び境界条件を使用して前記患者固有の解剖学的モデル内の１つ以上の点または面積について前記造影剤の分布をシミュレーションすることは、
    前記患者固有の解剖学的モデルの１つ以上の点について血流の前記速度及び圧力を計算することと、
    前記患者固有の解剖学的モデル内の前記造影剤の前記輸送を支配する前記スカラー移流拡散方程式を決定することと、前記造影剤の前記輸送を支配する前記方程式が狭窄性病変またはプラークでの、またはこの付近の流量と内腔面積の比における任意の変化を反映し、
    前記患者固有の解剖学的モデルの１つ以上の点について前記造影剤の前記濃度を計算することと、この中で前記計算は初期造影剤分布、ならびに初期生理学的及び境界条件の割り当てを要求する、
    のうちの１つ以上を備える、請求項１の前記コンピュータ実装方法。
11. 前記相似条件を満たすことは、
    前記造影剤の前記分布をシミュレーションする前に、前記造影剤の前記測定された分布、及び前記造影剤の前記シミュレーションされた分布間の前記相違点を測定することが可能である公差を指定し、
    前記造影剤の前記測定された分布、及び前記造影剤の前記シミュレーションされた分布間の前記相違点が前記指定された公差内に入るかどうかを判定し、前記相違点が前記指定された公差内に入る場合に前記相似条件が満たされる、
    ことを備える、請求項１の前記コンピュータ実装方法。
12. 前記造影剤の前記測定された分布、及び前記造影剤の前記シミュレーションされた分布が相似条件を満たさない場合に、生理学的及び境界条件を定義することは、プロセッサを使用して、
    流速、流圧、または両方を有する、数値流体力学から導出される特徴、
    前記患者固有の解剖学的モデルの１つ以上の血管内の前記流体の輸送を記述する前記移流拡散方程式の前記解析的近似から導出される特徴、
    プラーク若しくは狭窄性病変の内腔径、プラーク若しくは狭窄性病変を罹患した区域の長さ、血管の長さ、またはプラーク若しくは狭窄性病変の前記面積のうちの１つ以上を有する前記患者固有の解剖学的モデルの前記幾何学的形状を記述する特徴、及び
    前記造影剤の患者固有の分散性を記述する特徴、
    のうちの１つ以上に関して前記血管に沿う前記造影剤の前記濃度をマッピングすることを備える、請求項１の前記コンピュータ実装方法。
13. 前記造影剤の前記測定された分布、及び前記造影剤の前記シミュレーションされた分布が相似条件を満たさない場合に、プロセッサを使用して、生理学的及び境界条件を定義することは、非線形アンサンブル・フィルタリングに基づき微分情報を用いない最適化、または有限差分若しくは随伴近似を使用する勾配法に基づく最適化のうちの１つ以上を使用することを備える、請求項１の前記コンピュータ実装方法。
14. 前記造影剤の前記測定された分布、及び前記造影剤の前記シミュレーションされた分布が前記相似条件を満たす場合に、前記造影剤の前記シミュレーションされた分布を使用して前記受信した患者固有の画像を強調し、
    １つ以上の医用画像として前記強調された画像データを電子記憶媒体またはディスプレイへ出力する、
    ことをさらに備える、請求項１の前記コンピュータ実装方法。
15. 前記受信した患者固有の画像を強調することは、
    前記ピクセル値を前記造影剤の前記シミュレーションされた濃度と置換すること、または
    前記造影剤の前記シミュレーションされた分布を使用して、条件付き確率場を介して前記受信した患者固有の画像のノイズを除去すること、
    のうちの１つ以上を備える、請求項１４の前記コンピュータ実装方法。
16. 前記造影剤の前記測定された分布、及び前記造影剤の前記シミュレーションされた分布が前記相似条件を満たす場合に、前記造影剤の前記シミュレーションされた分布と関連する前記計算された血流特性を使用して、前記患者固有の解剖学的モデルの１つ以上の面積内の前記血液の灌流をシミュレーションし、
    前記患者固有の解剖学的モデルの１つ以上の面積内の前記血液の灌流を表現するモデルまたは医用画像を生成し、
    電子記憶媒体またはディスプレイへ前記患者固有の解剖学的モデルの１つ以上の面積内の前記血液の灌流を表現する前記モデルまたは医用画像を出力する、
    ことをさらに備える、請求項１の前記コンピュータ実装方法。
17. 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ために血流特性を予測するシステムであって、
    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前記重症度を評価するために血流特性を予測するインストラクションを格納するデータ・ストレージ・デバイス、ならびに
    患者の血管構造の少なくとも一部の１つ以上の患者固有の画像、及び前記患者の血管構造を介して送達される造影剤の測定された分布を受信し、
    前記患者の血管構造の複数の点での前記造影剤の前記測定された分布を、前記受信した患者固有の画像を使用して生成される前記患者の血管構造の患者固有の解剖学的モデルの１つ以上の点と関連付け、
    前記患者の血流及び血圧を非侵襲的に推定する血流モデルの１つ以上の生理学的及び境界条件を定義し、前記患者の血管構造の前記患者固有の解剖学的モデルを介して前記造影剤の分布をシミュレーションし、
    プロセッサを使用して、前記定義された１つ以上の生理学的及び境界条件を使用して前記患者固有の解剖学的モデルの１つ以上の点を介して前記造影剤の前記分布をシミュレーションし、
    プロセッサを使用して、前記造影剤の前記測定された分布、及び前記患者固有の解剖学的モデルを介して前記造影剤の前記シミュレーションされた分布を比較し、相似条件が満たされるかどうかを判定し、
    前記定義された生理学的及び境界条件を更新し、前記相似条件が満たされるまで、前記患者固有の解剖学的モデルの前記１つ以上の点を介して前記造影剤の前記分布を再シミュレーションし、
    プロセッサを使用して、前記更新された生理学的及び境界条件に基づき前記患者固有の解剖学的モデルを介して血流の１つ以上の血流特性を計算し、
    電子記憶媒体またはディスプレイへ、前記シミュレーションされた造影剤分布、前記１つ以上の計算された血流特性、及び前記患者固有の解剖学的モデルのうちの１つ以上を出力する、
    ことを備える方法を実行するために前記インストラクションを実行するように構成されるプロセッサ、
    を備える、前記システム。
18. 前記第一時間に前記患者固有の解剖学的モデル内に前記造影剤の前記分布をシミュレーションする前に、１つ以上の生理学的及び境界条件を定義することは、前記解剖学的モデルにより表現される前記血管の解剖学的構造、及び相似の血管の解剖学的構造に関して患者の母集団内にみられる生理学的特性間の形態または機能上の関係を見出すことを備える、請求項１７の前記システム。
19. 前記第一時間に前記患者固有の解剖学的モデル内に前記造影剤の前記分布をシミュレーションする前に、１つ以上の生理学的及び境界条件を定義することは、
    初期造影剤分布を割り当てること、ならびに
    前記血管壁、流出口境界、流入口境界、及びプラーク及び／または狭窄性病変付近のうちの１つ以上での前記造影剤の前記流束に関する境界条件を割り当てること、
    のうちの１つ以上を備える、請求項１７の前記システム。
20. 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ために血流特性を予測するコンピュータ実行可能プログラミング・インストラクションを含むコンピュータ・システム上での使用のための非一時的なコンピュータ可読媒体であって、
    患者の血管構造の少なくとも一部の１つ以上の患者固有の画像、及び前記患者の血管構造を介して送達される造影剤の測定された分布を受信し、
    前記患者の血管構造の複数の点での前記造影剤の前記測定された分布を、前記受信した患者固有の画像を使用して生成される前記患者の血管構造の患者固有の解剖学的モデルの１つ以上の点と関連付け、
    前記患者の血流及び血圧を非侵襲的に推定するための血流モデルの１つ以上の生理学的及び境界条件を定義し、前記患者の血管構造の前記患者固有の解剖学的モデルを介して前記造影剤の分布をシミュレーションし、
    プロセッサを使用して、前記定義された１つ以上の生理学的及び境界条件を使用して前記患者固有の解剖学的モデルの１つ以上の点を介して前記造影剤の前記分布をシミュレーションし、
    プロセッサを使用して、前記造影剤の前記測定された分布、及び前記患者固有の解剖学的モデルを介して前記造影剤の前記シミュレーションされた分布を比較し、相似条件が満たされるかどうかを判定し、
    前記相似条件が満たされるまで、前記定義された生理学的及び境界条件を更新し、前記患者固有の解剖学的モデルの前記１つ以上の点を介して前記造影剤の前記分布を再シミュレーションし、
    プロセッサを使用して、前記更新された生理学的及び境界条件に基づき前記患者固有の解剖学的モデルを介して血流の１つ以上の血流特性を計算し、
    電子記憶媒体またはディスプレイへ、前記シミュレーションされた造影剤分布、前記１つ以上の計算された血流特性、及び前記患者固有の解剖学的モデルのうちの１つ以上を出力する、
    ことを備える、前記非一時的なコンピュータ可読媒体。