JP2022500133A - 心筋染影特性に基づく仮想FFR及びiFR計算のための境界条件の計算 - Google Patents
心筋染影特性に基づく仮想FFR及びiFR計算のための境界条件の計算 Download PDFInfo
- Publication number
- JP2022500133A JP2022500133A JP2021513463A JP2021513463A JP2022500133A JP 2022500133 A JP2022500133 A JP 2022500133A JP 2021513463 A JP2021513463 A JP 2021513463A JP 2021513463 A JP2021513463 A JP 2021513463A JP 2022500133 A JP2022500133 A JP 2022500133A
- Authority
- JP
- Japan
- Prior art keywords
- model
- interest
- time
- blood vessel
- vascular system
- 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
- 230000002107 myocardial effect Effects 0.000 title claims description 27
- 238000010186 staining Methods 0.000 title claims description 26
- 238000004364 calculation method Methods 0.000 title description 18
- 210000004204 blood vessel Anatomy 0.000 claims abstract description 82
- 230000002792 vascular Effects 0.000 claims abstract description 47
- 239000002872 contrast media Substances 0.000 claims abstract description 29
- 210000005166 vasculature Anatomy 0.000 claims abstract description 27
- 238000004458 analytical method Methods 0.000 claims description 48
- 239000012530 fluid Substances 0.000 claims description 44
- 238000012545 processing Methods 0.000 claims description 26
- 238000000034 method Methods 0.000 claims description 19
- 230000017531 blood circulation Effects 0.000 claims description 18
- 230000000004 hemodynamic effect Effects 0.000 claims description 14
- 238000002583 angiography Methods 0.000 claims description 9
- 238000004590 computer program Methods 0.000 claims description 8
- 230000036961 partial effect Effects 0.000 claims description 6
- 238000005259 measurement Methods 0.000 description 14
- 230000011218 segmentation Effects 0.000 description 14
- 230000035479 physiological effects, processes and functions Effects 0.000 description 9
- 239000008280 blood Substances 0.000 description 7
- 210000004369 blood Anatomy 0.000 description 7
- 238000013459 approach Methods 0.000 description 6
- 238000004088 simulation Methods 0.000 description 6
- 238000002059 diagnostic imaging Methods 0.000 description 5
- 238000004904 shortening Methods 0.000 description 5
- 208000031481 Pathologic Constriction Diseases 0.000 description 4
- 208000029078 coronary artery disease Diseases 0.000 description 4
- 238000003384 imaging method Methods 0.000 description 4
- 238000010606 normalization Methods 0.000 description 4
- 208000037804 stenosis Diseases 0.000 description 4
- 230000036262 stenosis Effects 0.000 description 4
- 238000012549 training Methods 0.000 description 4
- 210000000709 aorta Anatomy 0.000 description 3
- 230000000747 cardiac effect Effects 0.000 description 3
- 238000002591 computed tomography Methods 0.000 description 3
- 210000004351 coronary vessel Anatomy 0.000 description 3
- 230000001419 dependent effect Effects 0.000 description 3
- 238000009795 derivation Methods 0.000 description 3
- 238000002347 injection Methods 0.000 description 3
- 239000007924 injection Substances 0.000 description 3
- 238000002595 magnetic resonance imaging Methods 0.000 description 3
- 230000036772 blood pressure Effects 0.000 description 2
- 229940039231 contrast media Drugs 0.000 description 2
- 230000003111 delayed effect Effects 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 210000004088 microvessel Anatomy 0.000 description 2
- 239000000203 mixture Substances 0.000 description 2
- 230000036962 time dependent Effects 0.000 description 2
- 238000012285 ultrasound imaging Methods 0.000 description 2
- ZCYVEMRRCGMTRW-UHFFFAOYSA-N 7553-56-2 Chemical compound [I] ZCYVEMRRCGMTRW-UHFFFAOYSA-N 0.000 description 1
- 238000012935 Averaging Methods 0.000 description 1
- 206010020565 Hyperaemia Diseases 0.000 description 1
- 210000003484 anatomy Anatomy 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 210000003748 coronary sinus Anatomy 0.000 description 1
- 238000000326 densiometry Methods 0.000 description 1
- 238000003745 diagnosis Methods 0.000 description 1
- 230000009977 dual effect Effects 0.000 description 1
- 238000002565 electrocardiography Methods 0.000 description 1
- 230000000544 hyperemic effect Effects 0.000 description 1
- 230000008676 import Effects 0.000 description 1
- 229910052740 iodine Inorganic materials 0.000 description 1
- 239000011630 iodine Substances 0.000 description 1
- 230000001678 irradiating effect Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 210000004165 myocardium Anatomy 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000011369 optimal treatment Methods 0.000 description 1
- 230000004962 physiological condition Effects 0.000 description 1
- 230000035790 physiological processes and functions Effects 0.000 description 1
- 230000008092 positive effect Effects 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 238000011002 quantification Methods 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 238000011282 treatment Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H30/00—ICT specially adapted for the handling or processing of medical images
- G16H30/20—ICT specially adapted for the handling or processing of medical images for handling medical images, e.g. DICOM, HL7 or PACS
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/02—Detecting, measuring or recording pulse, heart rate, blood pressure or blood flow; Combined pulse/heart-rate/blood pressure determination; Evaluating a cardiovascular condition not otherwise provided for, e.g. using combinations of techniques provided for in this group with electrocardiography or electroauscultation; Heart catheters for measuring blood pressure
- A61B5/026—Measuring blood flow
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H30/00—ICT specially adapted for the handling or processing of medical images
- G16H30/40—ICT specially adapted for the handling or processing of medical images for processing medical images, e.g. editing
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
- G16H50/20—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for computer-aided diagnosis, e.g. based on medical expert systems
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
- G16H50/50—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for simulation or modelling of medical disorders
Landscapes
- Health & Medical Sciences (AREA)
- Engineering & Computer Science (AREA)
- Medical Informatics (AREA)
- Public Health (AREA)
- Biomedical Technology (AREA)
- General Health & Medical Sciences (AREA)
- Epidemiology (AREA)
- Primary Health Care (AREA)
- Pathology (AREA)
- Life Sciences & Earth Sciences (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- Radiology & Medical Imaging (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Heart & Thoracic Surgery (AREA)
- Physiology (AREA)
- Physics & Mathematics (AREA)
- Cardiology (AREA)
- Biophysics (AREA)
- Hematology (AREA)
- Molecular Biology (AREA)
- Surgery (AREA)
- Animal Behavior & Ethology (AREA)
- Veterinary Medicine (AREA)
- Apparatus For Radiation Diagnosis (AREA)
- Measuring And Recording Apparatus For Diagnosis (AREA)
- Measuring Pulse, Heart Rate, Blood Pressure Or Blood Flow (AREA)
Abstract
患者の血管系を評価するための装置が提供される。該装置は、関心血管の幾何学モデル及び流体動態モデルを含む血管系の生理学的モデルと、複数の診断画像から血管系を通る造影剤の動態を示す動態尺度とを導出し、流体動態モデルの少なくとも1つの境界条件を調整するように、時間の関数として少なくとも1つの動態尺度を分析する。
Description
本発明は、患者の血管系を評価するための装置、対応する方法、及びそれぞれのコンピュータプログラムに関する。特に、本発明は、各患者の微小血管変化を考慮することによって、患者の血管系の流体動態のモデル化を向上させるための装置及び方法に関する。
冠疾患の正確な評価は、最適な治療オプションを決定するために非常に重要である。この評価には、冠生理機能(coronary physiology)における血行動態に関する知識が必要である。このために、部分冠血流予備量比(FFR)又は瞬時血流予備量比(iFR、これは瞬時血流予備量比としても知られている)などの血行動態指標を使用して、患者の冠動脈疾患が正確に評価される。FFR及びiFRは共に、例えば、関心血管内の狭窄による関心血管に沿った血液の圧力降下の尺度である。具体的には、これらは狭窄の遠位側の圧力(Pd)の大動脈内の圧力(Pa)に対する比として求められる。
FFR測定は、最大血流量中、すなわち、充血下で行わなければならず、これは、患者に不快感をもたらす場合がある。対照的に、iFR測定は、心臓拡張期の特定の期間中の安静時に行われ、これにより、患者内の充血状態を誘発する必要性が回避される。
従来、FFR及び/又はiFR測定は、典型的には関心血管における少なくとも1つの遠位位置及び1つの近位位置、すなわち、大動脈から遠位の位置及び近位の位置で圧力を測定することによって、侵襲的に行われている。近年、いわゆる「仮想」FFR及び/又はiFRアプローチによって、非侵襲的にFFR及び/又はiFR値を求めるためのアプローチがなされている。この仮想アプローチによれば、患者の冠動脈内の流体の動態が、患者の冠生理機能の非侵襲的に得られた診断画像データから導出された生理学的モデルに基づいてシミュレートされる。このために、生理学的モデルは、冠状血管を通る血流を表す流体動態モデルを含む。
血管を通る血流の流体動態は、血管壁の組成、血管インピーダンス、血管壁の弾性などの要因の影響を受ける。したがって、血流を正確に予測する流体動態モデルを提供するためには、これらの要因を、それぞれの境界条件に関して考慮しなければならない。これらの境界条件は、一般に、各患者について決定されるのではなく、経験値に基づいている。したがって、流体動態モデルは、この点で本質的に一般化されるので、冠生理機能の生理学的モデルの精度が低下する。
したがって、本発明は、患者の冠生理機能をモデル化するための改良された装置及び対応する方法を提供することを目的とする。
本発明はさらに、各患者の境界条件を個別に決定することを可能にする、冠生理機能をモデル化するための装置及びシステムを提供することを目的とする。より詳細には、本発明は、冠生理機能の微小血管機能の変化を考慮することによって、患者の冠生理機能の画像ベースの仮想評価の精度を向上させる装置及び方法を提供することを目的とする。
この目的は、血管系の少なくとも1つの診断画像から、関心血管の2次元幾何学モデル及び関心血管を通る流体の動態を表す流体動態モデルを含む、血管系の生理学的モデルを導出し、血管系の時系列の診断画像から、時間の関数として血管系を通る造影剤の動態を示す少なくとも1つの動態尺度を導出し、時間の関数として少なくとも1つの動態尺度を分析し、少なくとも1つの動態尺度の分析に基づいて流体動態モデルの少なくとも1つの境界条件を調整する処理ユニットを含む、患者の血管系を評価するための装置によって達成される。
患者の血管系、特に患者の冠生理機能の評価における1つの重要な要素は、微小血管機能の変化である。これらの変化の影響は、びまん性又は限局性冠動脈疾患患者の境界条件を決定する際に特に考慮される。ここで、例えば、関心血管の近傍における流体の流入及び流出が経時的に追跡される時系列の画像から冠生理機能を通る流れの動態を決定することによって、微小血管機能の定量的な尺度が得られる。これは、本明細書で上記の装置によって可能になる。
そのコンテキストにおいて、診断画像という用語は特に、患者の血管系を表す画像を指す。血管系という用語は、血管樹又は単一の血管を指す。血管系という用語は特に、生理学的モデル化が行われる関心血管の血管セグメントを指す。いくつかの実施形態では、診断画像は、冠状血管系の関心血管を含む血管系を表す。
少なくとも1つの診断画像は、コンピュータ断層撮影(CT)、超音波イメージング、又は磁気共鳴イメージングなどの診断イメージングモダリティによって得られる。
診断イメージングモダリティは特に、ゲート制御されてもよい。ゲート制御診断イメージングモダリティは、通常、診断画像の取得が、心電図(ECG)又はフォトプレチスモグラフィ(PPG)データなどの心周期情報を提供するデータの取得と並列に行われるゲート制御再構成を採用する。このデータを使用して、心周期のそれぞれ選択された位相点を用いて、画像取得及び再構成をゲート制御する。
関心血管の生理学的モデルは、少なくとも1つの診断画像から導出される。このために、処理ユニットは特に、少なくとも1つの診断画像に基づいて生理学的モデルを生成するモデル化ユニット又はモデル化サブユニットを提供する。そうするために、モデル化ユニットは、関心血管を複数のセグメントにセグメント化する。このセグメンテーションに基づいて、関心血管の幾何学モデル、すなわち関心血管及び/又は血管系全体の幾何学的表現を含む関心血管の生理学的モデルが生成される。この幾何学モデルは通常は、2次元モデルである。いくつかの実施態様では、幾何学モデルは、他の2つの次元から補間された第3の次元を有する準3次元モデルであってもよい。
生理学的モデルはさらに、関心血管を通る血流及び/又は血管系内の複数の血管を通る血流を表す流体動態モデルを含む。流体動態モデルは典型的には、2次元幾何学モデルに示される1つ以上の関心血管内の各位置における血液の流体動態を表す限り、幾何学モデルと統合されていてもよい。
このコンテキストにおいて、流体動態モデルは、関心血管を通る血流のモデルを指す。この流体動態モデルは、血液の血管壁との相互作用をシミュレートすることによって生成される。血液は流体であり、血管壁は流体が相互作用する表面と見なすことができるので、血液の血管壁との相互作用は、血管壁及びそれと相互作用する血液の特性を考慮した境界条件によって最も正確に規定される。これらの特性には、血管壁の組成、血管壁の弾性及び血管インピーダンス、血管内の分岐、これらの分岐を通る流出、血液粘度、遠位位置における血管流出抵抗などが含まれる。
流体動態モデルの最初の生成は、一般化された境界条件を用いて行われる。一般化という用語は、同じ境界条件がすべての患者に使用されること、又は境界条件が特定の患者群(年齢、性別、生理学的条件などによって区別される)に使用されることを指す。後に、これらの一般化境界条件を調整して、流体動態モデルの精度を向上することができる。
いくつかの実施形態では、導出はまた、以前の検査セッションからの生理学的モデルをインポートすることを包含する。いくつかの実施形態では、生理学的モデルは、以前のセッション中に取得された診断画像から以前に導出されていてもよい。この場合、プロセッサは、診断画像データから生理学的モデルを生成する必要はなく、さらなる使用のために記憶装置から生理学的モデルを単に取り出すことができる。取り出された生理学的モデルは特に、2次元幾何学モデル及び流体動態モデルを含むが、3次元幾何学モデルも含んでもよいことを理解されたい。
上記の装置は、少なくとも1つの診断画像に加えて、時系列の診断画像を受信する。このコンテキストでは、時系列の診断画像という用語は特に、特定の測定時間の間、上記のイメージングモダリティを使用して取得された複数の診断画像を指す。つまり、時系列における各診断画像は、測定時間の特定の時点に対応する。これにより、診断画像に示される血管系を通る造影剤の進展などの動的な過程を追跡できる。
時系列の診断画像を使用して、造影剤の動態、したがって、血管系を通る流れの動態を示す少なくとも1つの動態尺度が導出される。この動態尺度は、時間の関数として導出される。これは、特に、時系列における各診断画像の少なくとも1つの動態尺度の値を決定することによって達成される。次に、動態尺度のこれらの決定された値は、時間の関数として分析される。この分析により、関心血管及び/又は近位の血管を通る造影剤の動態、したがって、流れの動態がより良く理解できるようになることによって、患者の血管系の微小血管機能及び/又は微小血管抵抗に関して結論を出すことができる。
流体動態モデルの境界条件を、分析に基づいて、特定の微小血管機能及び/又は微小血管抵抗などの患者固有の微小血管特性を考慮して適合させることができる。いくつかの実施形態では特に、関心血管の分岐における流出抵抗及び関心血管の遠位端における流出抵抗が分析に基づいて導出される。境界条件を調整すると、より正確な流れシミュレーションが可能になる。これは、流れ及び/又は圧力に関連する指標のより正確なシミュレーションを可能にする。一例として、流体動態モデルのこのような調整によって仮想iFR及び/又は仮想FFRの精度が向上される。
あるいは又はさらに、動態尺度の導出はまた、時系列の診断画像に基づいて以前に得られた動態尺度の取り出しも包含する。つまり、動態尺度は、以前の治療セッション中に患者について決定され、その後に保存されている。したがって、装置のプロセッサは、時系列の診断画像から動態尺度を能動的に決定する必要はなく、記憶装置から動態尺度を取り出すことができる。
いくつかの実施形態では、少なくとも1つの診断画像及び/又は時系列の診断画像は、X線血管造影法を使用して取得される。X線血管造影法は、(人間の)体内の血管を可視化するのに特に適した診断イメージング技術である。X線血管造影法は典型的には、造影剤を血管に注入し、続いて造影剤で満たされた血管がある身体の一部にX線を照射して、造影剤で満たされた血管がはっきりと見える2次元画像を得ることによって行われる。
したがって、少なくとも1つの診断画像及び/又は時系列の診断画像は、少なくとも1つの関心血管を表す少なくとも1つのX線血管造影画像又は時系列のX線血管造影画像に対応する。より具体的には、生理学的モデルが生成される少なくとも1つの診断画像は、関心血管の単一の2次元X線血管造影画像であってもよい。
いくつかの実施形態では、血管系の少なくとも1つの診断画像は、血管系の時系列の診断画像から抽出される。いくつかの実施形態では、少なくとも1つの診断画像は、時系列の診断画像から個別に取得される。あるいは、少なくとも1つの診断画像は、時系列の診断画像のうちの1つであってもよい。つまり、生理学的モデルを生成するために使用される少なくとも1つの診断画像は、時系列の診断画像から選択(抽出)されてよい。いくつかの実施形態では、生理学的モデルを生成するために、時系列から複数の診断画像が抽出されてもよい。特に、複数の診断画像は、同じ視点から得られたものである。あるいは、異なる視点からの診断画像が使用されてもよい。
いずれにしても、少なくとも1つの診断画像又は複数の診断画像から十分に良好に分解された生理学的モデルを得るには、診断画像は十分な造影剤充填があることが考慮されるべきである。さらに、診断画像におけるフォアショートニング及びオーバーラップの程度は、十分に低くなければならない。これにより、品質が向上され、生理学的モデルの生成が簡単になる。
いくつかの実施形態では、処理ユニットは、血管系の単一の画像から関心血管の2次元幾何学モデルを導出する。
単一の診断画像は、関心血管の2次元幾何学モデルと、その関心血管を通る流体の動態をシミュレートする流体動態モデルとを決定するのに十分である。そのために、単一の診断画像に示される関心血管がセグメント化され、このセグメンテーションに基づいて、血管の少なくとも1つのセグメントの2次元幾何学モデルが生成される。そのコンテキストにおいて、例えば、目に見える次元に基づいて、又は濃度測定データに基づいて、第3の次元を補間することによって、少なくとも1つの血管セグメントの準3次元幾何学モデルを生成することも可能である。幾何学モデルに加えて、関心血管を通る流体の流れをシミュレートするための流体動態モデルが、単一の診断画像から生成される。
いくつかの実施形態によれば、処理ユニットは、単一の視点から取得された血管系の複数の画像から関心血管の2次元幾何学モデルを導出する。
いくつかの実施形態では、幾何学モデルを得るために複数の画像が使用される。いくつかの実施形態では、幾何学モデルを得るために使用される複数の画像は、すべて同じイメージング視点から取得された複数の画像に対応する。したがって、複数の画像の各々は、単一の座標系に位置合わせされている。同じ視点からの複数の画像を使用することは、アーチファクトを除去すること、又は画像内の特定の場所における不十分なコントラスト、動きぼけ、又は血管オーバーラップを補償することを可能にし、そうでなければ、血管輪郭が不確定又は曖昧にレンダリングされることになる。
いくつかの実施形態では、複数の診断画像は特に、低程度のフォアショートニング及び低オーバーラップで取得された十分な造影剤充填を有する関心血管の診断画像のシーケンスに対応する。複数の診断画像は、診断画像のシーケンス全体に、又は選択された複数の診断画像に対応してもよい。いずれの場合も、複数の画像は、単一の視点から取得されていても複数の視点から取得されていてもよい。
複数の画像内の関心血管の血管セグメンテーションが行われる。このセグメンテーションに基づいて、幾何学モデル及び流体動態モデルを含む生理学的モデルが生成される。複数の画像が単一の視点から取得されているいくつかの実施形態では、セグメンテーションは特に、平均化ステップを含む。これにより、セグメンテーションはよりロバストになる。いくつかの実施形態では、処理ユニットは、時系列の診断画像の診断画像の各々を位相整合させることによって、少なくとも1つの動態尺度を導出する。
関心血管の近傍、特にその遠位領域における少なくとも1つの動態尺度を、経時的なコントラスト強調に関して適切に分析するために、時系列の診断画像は位相整合されるべきである。位相整合減算アプローチを使用すると、分析結果の精度にプラスの影響が与えられる。位相整合減算アプローチは、画像ベースの位置合わせを含む。いくつかの実施形態では、分析されるべき領域は、特に、解剖学的アトラスに基づいて決定される。X線血管造影法の場合、Cアームと関心血管との間の投影角度が、血管セグメンテーションと共に、事前知識としてさらに使用される。
いくつかの実施形態では、造影剤の強調レベルの値などの値の正規化が、よりロバストな結果を達成するために有益である。この場合、取得角度、造影剤の濃度、及び造影剤の注入速度は、正規化の基礎となり得る。さらに、使用されるX線プロトコル及び患者の質量が使用されてもよい。あるいは又はさらに、第2の心筋参照組織領域を測定し、正規化に使用してもよい。
いくつかの実施形態によれば、流体動態モデルは、集中パラメータモデルを含み、少なくとも1つの動態尺度は、集中パラメータモデルをトレーニングするために使用される。
いくつかの実施形態では、流体動態モデルは、集中パラメータモデルを含むか、又はそれに対応する。集中パラメータモデルという用語は、血管の流体動態が離散エンティティのトポロジによって近似されるモデルを指す。一例として、血管樹などの血管系は、それぞれが特定の抵抗を有する抵抗要素のトポロジによって表される。したがって、血管の遠位端の出口もまた、特定の抵抗要素によって表される。この抵抗要素は、次に、血管の終端を表すように接地される。同様に、各抵抗要素は、関心血管を表す一連の抵抗要素に接続されて、ある分岐点における関心血管からの流出を表してもよい。これらの抵抗要素もまた、通常、接地される。
これらの集中パラメータモデルは、Navier−Stokesなどの他のアプローチと比較して、次元の数が少ない。したがって、集中パラメータモデルを使用することは、血管内の流体の動態の計算を簡単にし、最終的には処理時間が短縮する。このような集中パラメータモデルの使用は、例えば国際特許公開WO2016/087396に説明されている。
いくつかの実施形態では、時間の関数として動態尺度について決定された値が、集中パラメータモデルをトレーニングするために使用される。つまり、いくつかの実施形態では、値は、集中パラメータモデルのシミュレーションの前及び/又はシミュレーション中に決定されていてよい。次に、動態尺度の値を集中パラメータモデルのトレーニングに統合して、より正確な境界条件を確立することができる。トレーニングは特に、トレーニング段階において行われる。このようなトレーニング段階では、抵抗重みなどのモデルパラメータ、又は心筋染影値などの動態尺度の値を仮想出口抵抗値に変換する伝達関数パラメータを適合させることができる。この適合は、測定された参照値を含むデータセットを使用して達成され得る。いくつかの実施形態では、これらの測定された参照値は、例えば、既知のFFR値、iFR値、又は心筋抵抗値に対応する。モデルパラメータは、シミュレーションによって予測された予測パラメータが測定されたグラウンドトゥルースと一致するように調整される。
いくつかの実施形態では、患者の血管系は、冠状血管系を含み、血管系を通る造影剤の動態を示す少なくとも1つの動態尺度は、心筋染影の尺度を含む。
冠動脈を通る流れの動態を決定するための1つの特定のアプローチは、心筋組織における心筋染影のビデオデンシトメトリ分析である。この分析は、関心血管の近傍が見える血管造影画像データなどの画像データの時間系列を分析することによって行われる。各画像において見える心筋染影の値、例えば、平均グレーレベルは、時系列の各診断画像について導出されても、時系列の診断画像のサブセットのみについて導出されてもよい。各診断画像は、測定時間の特定の時点に対応するので、これは、測定時間の各時点について、平均グレーレベルなどの定量値を決定することを可能にする。これらの値は、測定時間の関数とみなされて、測定中の造影剤の動態を分析することを可能にする。一例として、平均グレーレベルの増加は、経時的なコントラスト強調を示す。
したがって、心筋染影情報を使用して、微小血管機能及び/又は微小血管抵抗に関する情報を得ることができる。これは、決定された微小血管機能及び/又は微小血管抵抗に従って、関心血管の出口抵抗及び関心血管の流出抵抗などの境界条件を調整することによって、これらの態様を流体の流動モデルに統合することを可能にする。その後、更新された境界条件を使用して、FFR又はiFRなどの血行動態指数のシミュレーションを行うことができる。これにより、患者固有の微小血管特性が考慮されることにより、より高い精度で血行動態指標をシミュレートできる。
いくつかの実施形態では、流体動態モデルの少なくとも1つの境界条件は、関心血管の出口における出口抵抗及び/又は関心血管に沿ったそれぞれの流出における1つ以上の流出抵抗を含む。いくつかの実施形態によれば、処理ユニットはさらに、少なくとも1つの動態尺度の分析に基づいて、出口抵抗の値及び/又は1つ以上の流出抵抗の1つ以上の値をスケーリングする。
本明細書において上述したように、調整された境界条件は、いくつかの実施形態では、特に、関心血管の遠位端における出口抵抗を含む。あるいは又はさらに、境界条件は、関心血管の流出分岐における流出抵抗を含んでもよい。つまり、動態尺度、特に心筋染影は、時間の関数として分析され、結果として得られる値は、出口抵抗及び流出抵抗を適合させるために使用される。これにより、特に抵抗はスケーリングされる。分析に基づく。一例として、心筋染影が考慮される場合、遅延及び/又は減少した染影は、より大きな抵抗に対応する。いくつかの実施形態では、値はまた、本明細書において上述したように、流体動態モデルに統合されてもよい。動態尺度を示すための時間依存の定量的尺度を使用することができる。一例として、心筋染影を考慮する場合、ピークまでの時間、最大上り勾配までの時間などが使用される。これらの時間依存パラメータは、全体の強調自体を測定する必要性を回避するので、よりロバストである傾向がある。
いくつかの実施形態では、処理ユニットはさらに、流体動態モデル及び調整された少なくとも1つの境界条件に基づいて、少なくとも1つの血行動態指標を導出する。血行動態指標は、部分冠血流予備量比及び/又は瞬時血流予備量比のうちの1つである。
部分冠血流予備量比(FFR)及び瞬時血流予備量比(iFR)は、冠動脈疾患を評価するための2つの重要な血行動態指標である。より具体的には、これらの値によって、関心血管における狭窄の重症度を決定することができる。しかしながら、FFR及びiFRは典型的には侵襲的処置の間に測定される必要がある。血管内測定によって、FFR及び/又はiFR値が健康な関心血管を示すこともしばしばある。したがって、多くの侵襲的処置は不必要に行われている。
これを回避するために、「仮想」FFR及び/又はiFRがよく使用される。仮想アプローチの際に、流体動態モデルを使用してFFR及び/又はiFR値をシミュレートする。このシミュレーションは特に、境界条件が上述したように調整されている最新の流体動態モデルを使用して行われる。
いくつかの実施形態では、処理ユニットはさらに、血管内圧力データに基づいて、関心血管を通る血流を示す血行動態流れパラメータを導出する。
いくつかの実施形態では、処理ユニットはさらに、血管内圧力データを受信する。血管内圧力データは、典型的には、圧力ワイヤが関心血管内に挿入される血管内測定中に取得される。圧力ワイヤを使用して、関心血管に沿った複数の血管内位置における複数の圧力値を得て、これらの値が圧力データとして装置に提供される。この追加の入力を受け取ると、さらなる血行動態パラメータ、特に、関心血管を通る流れを示す血行動態の流れパラメータのシミュレーションが可能になる。例えば、血管内圧力データの追加の提供は、関心血管を通る流れの速度、体積流量、冠血流予備能(CFR)などをシミュレートすることを可能にする。
さらなる態様によれば、患者の血管系を評価するための方法が提供される。方法は、血管系の少なくとも1つの診断画像から、関心血管の2次元幾何学モデル及び関心血管を通る流体の動態を表す流体動態モデルを含む、血管系の生理学的モデルを導出するステップと、血管系の時系列の診断画像から、時間の関数として血管系を通る造影剤の動態を示す少なくとも1つの動態尺度を導出するステップと、時間の関数として少なくとも1つの動態尺度を分析するステップと、少なくとも1つの動態尺度の分析に基づいて流体動態モデルの少なくとも1つの境界条件を調整するステップとを含む。
さらなる態様では、本発明の装置を制御するためのコンピュータプログラムが提供され、これは、処理ユニットによって実行されると、本発明の方法ステップを行う。さらに別の態様では、上記のコンピュータプログラムを記憶したコンピュータ可読媒体が提供される。
請求項1の装置、請求項13の方法、請求項14のコンピュータプログラム、及び請求項15のコンピュータ可読媒体は、特に従属請求項に規定される類似及び/又は同一の好ましい実施形態を有することを理解されたい。
本発明の好ましい実施形態は、従属請求項又は上記の実施形態とそれぞれの独立請求項との任意の組合せであってもよいことを理解されたい。
本発明のこれら及び他の態様は、以下に記載される実施形態から明らかになり、それを参照して説明される。
図面中の図は概略的なものである。異なる図面において、類似又は同一の素子には同一の参照番号が付されている。
図1は、患者の血管系を評価するための装置1の例示的な実施形態を概略的に表す。図1の例示的な実施形態では、装置1は、1つ以上のプロセッサを含む処理ユニットを含む。図1の例示的な実施形態では、処理ユニットは、入力ユニット100、モデル化ユニット200、分析ユニット300、及び計算ユニット400に分割される。さらに、処理ユニットは、図1の例示的な実施形態では表示画面、及び任意選択でユーザインターフェースを含む表示ユニット500に通信可能に接続される。ユーザインターフェースは、ここではキーボードなどの物理的インターフェースとして実現されてもよいし、グラフィカルユーザインターフェースとして提供されてもよい。
図1の例示的な実施形態では、入力ユニット100は、1つの診断画像10と、時系列の診断画像20とを受信する。本実施形態では、診断画像10及び時系列の診断画像20は、造影剤を用いたX線血管造影法により得られたものであり、冠状生理機能を表している。
いくつかの実施形態では、診断画像10を得るために、造影剤が満たされた関心血管の血管造影シーケンスが、低程度のフォアショートニング、低オーバーラップ、及び十分な造影剤充填で取得される。続いて、このシーケンスから1つのフレームを選択し、これを装置1に入力する診断画像10として使用する。さらに、関心血管の約5〜20秒の持続時間の血管造影シーケンスを取得し、これは、心筋における造影剤の増強だけでなく冠状静脈洞を通る造影剤の流出を表す。図1の例示的な実施形態では、この血管造影シーケンスが、入力ユニット100を介して装置1に提供される時系列の診断画像20に相当する。
次に、入力ユニット100は、診断画像10をモデル化ユニット200に提供する。モデル化ユニット200は、診断画像10に表された関心血管の血管セグメンテーションを行う。モデル化ユニット200は、血管セグメンテーションに基づいて、関心血管の2次元幾何学モデル及び流体動態モデルを含む生理学的モデルを生成する。いくつかの実施形態では、モデル化ユニットはまた、例えば、関心血管の円形断面を仮定することによって、可視次元に基づいて第3の次元を補間することによって、単一の診断画像10を使用して、関心血管の準3次元幾何学モデルを生成する。いくつかの実施形態では、補間は濃度測定データに基づいてもよい。
モデル化ユニット200によって生成される流体動態モデルは、経験的データに基づく初期境界条件を有する。いくつかの実施形態では、初期境界条件はまた、患者固有の境界条件を既に含んでいてもよい。
入力ユニット100はまた、時系列の診断画像20を分析ユニット300に提供する。分析ユニット300は、時系列の診断画像20を使用して、時間の関数として造影剤の動態を導出する。図1の実施形態では、分析ユニット300は、時系列に基づいて、血管系を通る造影剤の動態を示す動態尺度を決定する。より具体的には、図1の実施形態では、分析ユニット300は、時系列の診断画像20の各々から心筋染影(myocardial blush)値を導出する。
これは、造影剤の動態、特にコントラスト強調に関して、時系列の診断画像20に表される関心血管の近傍を分析することによって行われる。いくつかの実施形態では、分析は関心血管の遠位領域に特に向けられる。分析は、特に、時系列の診断画像20における個々の診断画像を互いに位相整合させることを含む。いくつかの実施形態では、特に、位相整合減算アプローチが使用される。減算の前に、個々の診断画像は互いに位置合わせされる。すなわち、各診断画像について、1つの画像内の標的領域内のどの位置が別の画像内の標的領域内のどの位置に対応するかが決定される。続いて、時系列の診断画像毎にコントラスト強調が導出される。より具体的には、関心血管の近傍の領域の平均グレーレベルが複数の時点の各々について決定され、それによって、時系列の診断画像20は複数の時点の各時点の診断画像を含む。分析ユニット300は、例えば、以下に説明する図2に示すように、時間の関数としてコントラスト強調をプロットしてもよい。
この場合、時間の関数として平均グレーレベルの進展を表す曲線を正規化して、よりロバストな結果を達成できる。いくつかの実施形態では、正規化は、取得角度、造影剤濃度、造影剤の注入速度、患者の質量、使用されるX線プロトコルなどに関して行われる。他の実施形態では、これらの影響を補償するために、さらなる心筋参照組織領域を測定してもよい。
次に、分析結果は計算ユニット400に提供される。計算ユニット400は、分析結果に基づいて、それぞれの境界条件を導出する。図1の例示的な実施形態では、計算ユニット400が分析結果を使用して、関心血管の流出抵抗及び出口抵抗を導出する。計算ユニットは、任意選択的に、モデル化ユニット200に提供する前に、決定された染影量に基づいて出口抵抗及び流出抵抗を、染影が低減又は遅延される場合に抵抗が大きく、染影が増強される場合に抵抗が小さいと仮定することによってスケーリングしてもよい。いくつかの実施形態では、モデル化ユニット200は、スケーリングされた抵抗を使用するのではなく、動態尺度、特に心筋染影値を直接使用して、流体動態モデルをトレーニングできる。
次いで、モデル化ユニット200は、(スケーリングされた)出口抵抗及び/又は流出抵抗に従って流体動態モデルの境界条件を調整し、これにより、流体動態モデルをより患者固有に、したがってより正確にする。
図2は、分析ユニット300の分析結果のグラフィック表現を示す。平均グレーレベルLは、時間T(秒s)の関数として曲線30として表される。患者の微小血管の変化に関するさらなる情報を得るために、曲線30を分析して、ピークまでの時間及び最大強調31が決定される。このために、コントラスト強調の最低レベルとコントラスト強調のピーク到達との間の時間Tmaxが決定される。さらに、図2の例示的な実施形態では、上記ピークの高さGmaxが決定される。他の実施形態では、曲線30の最大上り勾配など、さらなる値を使用してもよい。
図3は、関心血管の流体動態モデル50の特定の実施形態を概略的に示す。図3の例示的な実施形態では、流体動態モデルは、集中パラメータモデル50に対応する。集中パラメータモデル50では、血管の流体の動態は、抵抗要素及び接地要素などの離散(電気的)エンティティのトポロジによって近似される。図3の例示的な実施形態では、関心血管は、各々が特定の抵抗を有する抵抗要素のトポロジ55によって近似される。関心血管の血管出口は、抵抗器51及び対応する接地要素によって近似される。関心血管の長さに沿った血管の流出も、それぞれに対応する接地要素が設けられている各抵抗要素52、53及び54によって近似される。抵抗要素51、52、53及び54の抵抗は、ここでは集中パラメータモデルの境界条件として設定される。最初に、これらの抵抗は、経験値に従って選択される。例えば、図1及び図2の例示的な実施形態に関連して説明したように、心筋染影を分析すると、分析に従って抵抗51、52、53及び/又は54のうちの1つ又は複数を調整して、特定の患者の微小血管の変化を考慮した流体動態モデルを得ることができる。
図4は、一実施形態による、患者の血管系を評価するための方法のフローチャートを概略的に示す。図4の例示的な実施形態では、ここでも処理ユニットが入力ユニット100、モデル化ユニット200、分析ユニット300、及び計算ユニット400に分割される。
ステップS101において、入力ユニット100は、この実施形態では造影剤を使用するX線血管造影法によって患者の冠生理機能について取得された診断画像10及び時系列の診断画像20を受信する。ステップS102において、入力ユニット100は、診断画像10をモデル化ユニット200に、時系列の診断画像20を分析ユニット300に提供する。
ステップS201において、モデル化ユニット200は、診断画像10に表された関心血管の血管セグメンテーションを行う。ステップS202において、モデル化ユニット200は、血管セグメンテーションに基づいて、経験的データに基づく初期境界条件を有する関心血管の流体動態モデル及び2次元幾何学モデルを含む生理学的モデルを生成する。
図4の例示的な実施形態では、ステップS301において、分析ユニット300は、時系列の診断画像20を使用して、時系列の診断画像20の個々の診断画像を互いに位相整合させることによって、血管系を通る造影剤の動態を示す動態尺度を決定する。図4の例示的な実施形態では、動態尺度は、心筋染影に対応し、これにより、時系列の診断画像20の各診断画像の染影値が決定される。適用される位相整合は、上述したように、個々の診断画像を位置合わせすることを含む。
ステップS302において、時系列の各診断画像のコントラスト強調が導出される。図4の例示的な実施形態では、これは、関心血管の近傍の領域の平均グレーレベルを複数の時点について決定することを含み、これにより、時系列の診断画像20は、複数の時点の各点の診断画像を含む。
ステップS303において、分析ユニット300は、時間の関数としてコントラスト強調をプロットする。この「プロット作成」は仮想的に行われてもよい、すなわち、プロットは、実際にはユーザに提示されないことを理解されたい。このために、プロット作成は、具体的には、分析ユニットが特定の心筋染影値を特定の時点に関連付けて、これにより、時間の関数としての平均グレーレベルの進展についての知識を得ることを指す。ステップS304において、分析ユニット300は、平均グレーレベルを、例えば、取得角度、造影剤濃度、造影剤の注入速度、患者の質量、使用されるX線プロトコルなどに関して正規化する。ステップS305において、分析結果が計算ユニット400に提供される。
ステップS401において、計算ユニット400は、分析結果に基づいて、流体動態モデルのそれぞれの境界条件を導出する。図4の例示的な実施形態では、計算ユニット400は、関心血管の流出抵抗及び出口抵抗を導出する。
ステップS402において、計算ユニット400は、任意選択的に、決定された心筋染影量に基づいて出口抵抗及び流出抵抗をスケーリングし、ステップS403において、抵抗値をモデル化ユニット200に提供する。
次いで、ステップS203において、モデル化ユニット200は、スケーリングされた出口抵抗及びスケーリングされた流出抵抗に従って、流体動態モデルの境界条件を調整し、ステップS204において、このように調整された流体動態モデルを使用して、関心血管を通る流体の流れを計算する。いくつかの実施形態では、流体動態モデルは、具体的には、部分冠血流予備量比、瞬時血流予備量比、冠血流予備能などの血流及び圧力に関連する血行動態指標を計算するために使用される。
ステップS205において、モデル化ユニットは、2次元幾何学モデル及び流体動態モデルを含む生理学的モデルを表示ユニット500に提供する。ステップS501において、表示ユニット500は、生理学的モデルのグラフィック表現を生成し、ステップS502において、グラフィック表現をユーザに提示する。
図5は、さらなる実施形態による患者の血管系を評価するための装置1’を概略的に示す。装置1’は、図1に関連して説明した装置1とほぼ同様である。そのために、同様の要素には同様の参照番号が付されている。すなわち、装置1’の処理ユニットも、入力ユニット100’、モデル化ユニット200’、分析ユニット300及び計算ユニット400に分割される。
入力ユニット100’は、時系列の診断画像20を受信する。さらに、入力ユニット100’は、複数の又は一連の診断画像10’を受信する。つまり、図1の実施形態とは対照的に、入力ユニット100’は、単一の診断画像10を受信せず、一連の診断画像10’を受信する。このシーケンスは、具体的には、低程度のフォアショートニング、低オーバーラップ、及び十分な造影剤充填で取得された関心血管のX線血管造影シーケンスに対応する。
続いて、入力ユニット100’は、任意選択的に、一連の診断画像10’から複数の診断画像を選択する。選択された複数の診断画像は、具体的には、複数の診断画像に対応し、これにより、各診断画像は、同じ視点から取得されている。
次に、入力ユニット100’は、シーケンスから選択された複数の診断画像をモデル化ユニット200’に提供する。次いで、モデル化ユニット200’は、複数の診断画像を使用して、関心血管の生理学的モデルを生成する。つまり、モデル化ユニット200’は、複数の画像に示される関心血管に対して血管セグメンテーションを行い、その血管セグメンテーションに基づいて、対応するモデルを生成する。
図5の実施形態によって行われるさらなるステップは、図1に関連して説明したステップに対応する。つまり、入力ユニット100’は、時系列の診断画像20を分析ユニット300に提供し、分析ユニット300は、時系列の診断画像20を使用して、心筋染影などの造影剤の動態を示す動態尺度を導出する。図5の例示的な実施形態では、分析ユニット300は、上述したように、時系列の診断画像20の各診断画像について心筋染影値を決定し、時間の関数としての心筋染影尺度(診断画像の平均グレーレベルなど)を含む分析結果を計算ユニット400に提供する。
続いて、計算ユニット400は、生理学的モデルに含まれる流体動態モデルのための対応する境界条件を導出する。図5の例示的な実施形態では、計算ユニット400は、具体的には、関心血管の出口抵抗及び流出抵抗を導出し、任意選択的に、決定された染影量に基づいてこれらの抵抗をスケーリングし、それらをモデル化ユニット200’に提供する。次いで、モデル化ユニット200’は、それに応じて、流体動態モデルの境界条件を調整する。
図6は、さらに別の実施形態による患者の血管系を評価するための装置1”を概略的に示す。ここでも、装置1”は、図1に関連して説明した装置1及び図5に関連して説明した装置1’とほぼ同様であり、同様の要素には同様の参照番号が付されている。
装置1”の処理ユニットは、入力ユニット100”、モデル化ユニット200、分析ユニット300及び計算ユニット400に分割される。入力ユニット100”は、時系列の診断画像20を受信する。図1及び図5の実施形態とは対照的に、入力ユニット100”は、それ以上の診断画像を受信しない。入力ユニット100”は、時系列の診断画像20から、生理学的モデルを生成するためにモデル化ユニット200に提供される1つ以上の診断画像10”を選択する。つまり、モデルを生成するために使用される診断画像10”のシーケンスは、図6の特定の実施形態では、心筋染影に対応する動態尺度を導出するために得られる時系列の診断画像20の一部である。モデル化に使用される診断画像10は、低程度のフォアショートニング、低オーバーラップ、及び十分な造影剤充填で取得されることから、いくつかの実施形態では、診断画像は、後の時点で選択された時系列の診断画像20の診断画像から特に選択され、これにより、造影剤の充填が既に十分であることを確実にする。モデル化のために複数の診断画像10”が選択される場合、これらの複数の画像10”は同じ視点で取得されていてよい。また、いくつかの実施形態では、複数の画像10”は異なる視点から取得されていてもよい。
次いで、1つ以上の診断画像10”は、入力ユニット100”からモデル化ユニット200に提供される。次いで、モデル化ユニット200は、1つ以上の診断画像10”を使用して、関心血管の血管セグメンテーションを行った後に生理学的モデルを生成することによって、具体的には、関心血管の2次元幾何学モデル及び流体動態モデルを含む生理学的モデルを生成する。
次に、図6の実施形態によって行われるさらなるステップは、ここでも、図1及び図5に関連して説明したステップに対応する。したがって、入力ユニット100”はさらに、時系列の診断画像20を分析ユニット300に提供し、分析ユニット300は、時系列の診断画像20を使用して、時系列の診断画像20の各診断画像の造影剤の動態を示す動態尺度の値を導出する。次いで、分析ユニット300は、時間の関数としての動態尺度を含む分析結果を計算ユニット400に提供する。次いで、計算ユニット400は、分析結果に基づいて、生理学的モデルに含まれる流体動態モデルの対応する境界条件を導出し、それをモデル化ユニット200に提供する。モデル化ユニットは、これらの患者固有の境界条件を使用して、それに応じて流体動態モデルを調整する。
上記の実施形態では、診断画像はX線血管造影法を使用して取得されているが、超音波イメージング、磁気共鳴イメージングなどの他のイメージングモダリティも同様に使用してもよいことを理解されたい。
さらに、X線イメージングは単一のエネルギーで行われているが、動態尺度、具体的には、心筋染影を定量化するために、二重エネルギーX線測定も、これらの測定は造影剤中のヨウ素濃度をより正確に定量化することを可能にするため、使用してもよいことを理解されたい。さらに、バックグラウンド減算が可能にされ、これは、重なって妨害する解剖学的構造を除去する。
上記の実施形態では、部分冠血流予備量比及び/又は瞬時血流予備量比を血行動態指標として示したが、狭窄の遠位側の圧力と大動脈内の圧力との圧力比、冠血流予備能、並びにさらなる流量、圧力、又は同様に関連する指標などのさらなる指標もまた導出できることを理解されたい。
さらに、上記の実施形態では、装置自体が、心筋染影などの動態尺度を時系列の画像から導出するが、導出という用語は広く解釈されるべきであり、コンピュータ断層撮影データ、磁気共鳴イメージングデータ、心筋コントラストエコー検査データなどからの尺度のインポートも包含することを理解されたい。
開示された実施形態に対する他の変形は、図面、開示及び添付の特許請求の範囲の精査から、特許請求されている発明を実施する際に当業者によって理解され、達成され得る。
特許請求の範囲において、「含む」という用語は、他の要素又はステップを排除するものではなく、単数形は、複数を排除するものではない。
単一のユニット又はデバイスが、特許請求の範囲に列挙されるいくつかのアイテムの機能を果たすことができる。特定の手段が相互に異なる従属請求項に記載されているという単なる事実は、これらの手段の組合せを有利に使用することができないことを示すものではない。
1つ又はいくつかのユニット又はデバイスによって行われる生理学的モデルの導出、少なくとも1つの動態尺度の導出、動態尺度の分析、境界条件の調整などの手順は、任意の他の数のユニット又はデバイスによって行われてもよい。本発明によるこれらの手順は、コンピュータプログラムのプログラムコード手段として、及び/又は専用ハードウェアとして実施されてもよい。
コンピュータプログラムは、他のハードウェアと共に又はその一部として供給される光記憶媒体又はソリッドステート媒体などの適切な媒体上に記憶/配布することができるが、インターネット又は他の有線もしくは無線電気通信システムなどを介して他の形態で配布することもできる。
特許請求の範囲におけるいかなる参照符号も、範囲を限定するものとして解釈されるべきではない。
本発明は、血管系の少なくとも1つの診断画像から、血管系の生理学的モデル(関心血管の2次元幾何学モデルと、関心血管を通る流体動態を表す流体動態モデルとを含む)を導出し、血管系の時系列の診断画像から、時間の関数として血管系を通る造影剤の動態を示す少なくとも1つの動態尺度を導出し、時間の関数として少なくとも1つの動的尺度を分析し、少なくとも1つの動的尺度の分析に基づいて流体動態モデルの少なくとも1つの境界条件を調整する処理ユニットを含む、患者の血管系を評価するための装置に関する。
Claims (15)
- 患者の血管系を評価するための装置であって、
前記血管系の少なくとも1つの診断画像から、関心血管の2次元幾何学モデル及び前記関心血管を通る流体の動態を表す流体動態モデルを含む、前記血管系の生理学的モデルを導出し、
前記血管系の時系列の診断画像から、時間の関数として前記血管系を通る造影剤の動態を示す少なくとも1つの動態尺度を導出し、
時間の関数として前記少なくとも1つの動態尺度を分析し、
前記少なくとも1つの動態尺度の前記分析に基づいて前記流体動態モデルの少なくとも1つの境界条件を調整する、処理ユニットを含む、
装置。 - 前記少なくとも1つの診断画像及び/又は前記時系列の診断画像は、X線血管造影法を使用して取得される、請求項1に記載の装置。
- 前記血管系の前記少なくとも1つの診断画像は、前記血管系の前記時系列の診断画像から抽出される、請求項1に記載の装置。
- 前記処理ユニットは、前記血管系の単一の診断画像から前記関心血管の前記2次元幾何学モデルを導出する、請求項1に記載の装置。
- 前記処理ユニットは、単一の視点から取得された前記血管系の複数の診断画像から、前記関心血管の前記2次元幾何学モデルを導出する、請求項1に記載の装置。
- 前記処理ユニットは、前記時系列の診断画像の前記診断画像の各々を位相整合させることによって、前記少なくとも1つの動態尺度を導出する、請求項1に記載の装置。
- 前記流体動態モデルは、集中パラメータモデルを含み、少なくとも1つの微小血管特性を使用して、前記集中パラメータモデルをトレーニングする、請求項1に記載の装置。
- 前記患者の前記血管系は、冠状血管系を含み、前記血管系を通る前記造影剤の動態を示す前記少なくとも1つの動態尺度は、心筋染影の尺度を含む、請求項1に記載の装置。
- 前記流体動態モデルの前記少なくとも1つの境界条件は、前記関心血管の出口における出口抵抗及び/又は前記関心血管に沿ったそれぞれの流出における1つ以上の流出抵抗を含む、請求項1に記載の装置。
- 前記処理ユニットはさらに、前記少なくとも1つの動態尺度の前記分析に基づいて、前記出口抵抗の値及び/又は前記1つ以上の流出抵抗の1つ以上の値をスケーリングする、請求項9に記載の装置。
- 前記処理ユニットはさらに、前記流体動態モデル及び調整された前記少なくとも1つの境界条件に基づいて、少なくとも1つの血行動態指標を導出し、前記血行動態指標は、部分冠血流予備量比及び/又は瞬時血流予備量比のうちの1つである、請求項1に記載の装置。
- 前記処理ユニットはさらに、血管内圧力データに基づいて、前記関心血管を通る血流を示す血行動態流れパラメータを導出する、請求項1に記載の装置。
- 患者の血管系を評価するための方法であって、
前記血管系の少なくとも1つの診断画像から、関心血管の2次元幾何学モデル及び前記関心血管を通る流体の動態を表す流体動態モデルを含む、前記血管系の生理学的モデルを導出するステップと、
前記血管系の時系列の診断画像から、時間の関数として前記血管系を通る造影剤の動態を示す少なくとも1つの動態尺度を導出するステップと、
時間の関数として前記少なくとも1つの動態尺度を分析するステップと、
前記少なくとも1つの動態尺度の前記分析に基づいて、前記流体動態モデルの少なくとも1つの境界条件を調整するステップと、
を含む、方法。 - 処理ユニットによって実行されると、請求項13に記載の方法を行う、請求項1から12のいずれか一項に記載の装置を制御するためのコンピュータプログラム。
- 請求項14に記載のコンピュータプログラムを記憶した、コンピュータ可読媒体。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
EP18194295.4 | 2018-09-13 | ||
EP18194295.4A EP3624132A1 (en) | 2018-09-13 | 2018-09-13 | Calculating boundary conditions for virtual ffr and ifr calculation based on myocardial blush characteristics |
PCT/EP2019/073865 WO2020053099A1 (en) | 2018-09-13 | 2019-09-06 | Calculating boundary conditions for virtual ffr and ifr calculation based on myocardial blush characteristics |
Publications (1)
Publication Number | Publication Date |
---|---|
JP2022500133A true JP2022500133A (ja) | 2022-01-04 |
Family
ID=63762183
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2021513463A Pending JP2022500133A (ja) | 2018-09-13 | 2019-09-06 | 心筋染影特性に基づく仮想FFR及びiFR計算のための境界条件の計算 |
Country Status (5)
Country | Link |
---|---|
US (1) | US20220054022A1 (ja) |
EP (2) | EP3624132A1 (ja) |
JP (1) | JP2022500133A (ja) |
CN (1) | CN112673433A (ja) |
WO (1) | WO2020053099A1 (ja) |
Families Citing this family (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP3756547A1 (en) | 2019-06-28 | 2020-12-30 | Koninklijke Philips N.V. | Automated coronary angiography analysis |
US12039685B2 (en) | 2019-09-23 | 2024-07-16 | Cathworks Ltd. | Methods, apparatus, and system for synchronization between a three-dimensional vascular model and an imaging device |
CN111652881A (zh) * | 2020-07-01 | 2020-09-11 | 杭州脉流科技有限公司 | 基于深度学习的冠脉重构和血流储备分数计算方法、装置、设备以及可读存储介质 |
EP4224416A1 (en) | 2022-02-08 | 2023-08-09 | Koninklijke Philips N.V. | Identifying angiographic images for vessel assessment |
WO2023204622A1 (ko) * | 2022-04-21 | 2023-10-26 | 한양대학교 산학협력단 | 스마트 혈류 역학 지표를 이용한 진단 보조 장치 및 방법 |
CN116807514B (zh) * | 2023-08-29 | 2024-01-12 | 深圳开立生物医疗科技股份有限公司 | 血管成像系统、方法、设备、电子设备及存储介质 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2014046109A (ja) * | 2012-09-03 | 2014-03-17 | Toshiba Corp | 医用画像処理装置 |
JP2015231524A (ja) * | 2014-05-16 | 2015-12-24 | 株式会社東芝 | 画像処理装置、画像処理方法、及びプログラム |
JP2017029786A (ja) * | 2016-10-13 | 2017-02-09 | 株式会社東芝 | 管状構造解析装置、管状構造解析方法及び管状構造解析プログラム |
WO2017055228A1 (en) * | 2015-09-29 | 2017-04-06 | Koninklijke Philips N.V. | Estimating flow, resistance or pressure from pressure or flow measurements and angiography |
JP2017518844A (ja) * | 2014-06-30 | 2017-07-13 | コーニンクレッカ フィリップス エヌ ヴェKoninklijke Philips N.V. | 血流予備量比値を算出するための機器 |
JP2018522653A (ja) * | 2015-07-17 | 2018-08-16 | 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 |
Family Cites Families (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103300820A (zh) * | 2012-03-13 | 2013-09-18 | 西门子公司 | 用于冠状动脉狭窄的非侵入性功能评估的方法和系统 |
US9814433B2 (en) * | 2012-10-24 | 2017-11-14 | Cathworks Ltd. | Creating a vascular tree model |
CN103823956B (zh) * | 2012-11-19 | 2017-10-31 | 西门子(中国)有限公司 | 确定造影剂使用参数的方法、装置以及成像设备 |
US9042613B2 (en) * | 2013-03-01 | 2015-05-26 | Heartflow, Inc. | Method and system for determining treatments by modifying patient-specific geometrical models |
US10206587B2 (en) * | 2014-05-16 | 2019-02-19 | Toshiba Medical Systems Corporation | Image processing apparatus, image processing method, and storage medium |
JP6664873B2 (ja) * | 2014-11-21 | 2020-03-13 | キヤノンメディカルシステムズ株式会社 | 画像処理装置、x線診断装置、及び、画像処理プログラム |
WO2016087396A1 (en) | 2014-12-02 | 2016-06-09 | Koninklijke Philips N.V. | Fractional flow reserve determination |
US9839483B2 (en) * | 2015-04-21 | 2017-12-12 | Heartflow, Inc. | Systems and methods for risk assessment and treatment planning of arterio-venous malformation |
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 |
JP7314183B2 (ja) * | 2018-06-15 | 2023-07-25 | パイ メディカル イメージング ビー ヴイ | 定量的血行動態フロー分析のための方法および装置 |
-
2018
- 2018-09-13 EP EP18194295.4A patent/EP3624132A1/en not_active Withdrawn
-
2019
- 2019-09-06 JP JP2021513463A patent/JP2022500133A/ja active Pending
- 2019-09-06 EP EP19762426.5A patent/EP3850635A1/en not_active Withdrawn
- 2019-09-06 US US17/274,827 patent/US20220054022A1/en active Pending
- 2019-09-06 WO PCT/EP2019/073865 patent/WO2020053099A1/en unknown
- 2019-09-06 CN CN201980059637.9A patent/CN112673433A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2014046109A (ja) * | 2012-09-03 | 2014-03-17 | Toshiba Corp | 医用画像処理装置 |
JP2015231524A (ja) * | 2014-05-16 | 2015-12-24 | 株式会社東芝 | 画像処理装置、画像処理方法、及びプログラム |
JP2017518844A (ja) * | 2014-06-30 | 2017-07-13 | コーニンクレッカ フィリップス エヌ ヴェKoninklijke Philips N.V. | 血流予備量比値を算出するための機器 |
JP2018522653A (ja) * | 2015-07-17 | 2018-08-16 | 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 |
WO2017055228A1 (en) * | 2015-09-29 | 2017-04-06 | Koninklijke Philips N.V. | Estimating flow, resistance or pressure from pressure or flow measurements and angiography |
JP2017029786A (ja) * | 2016-10-13 | 2017-02-09 | 株式会社東芝 | 管状構造解析装置、管状構造解析方法及び管状構造解析プログラム |
Also Published As
Publication number | Publication date |
---|---|
CN112673433A (zh) | 2021-04-16 |
US20220054022A1 (en) | 2022-02-24 |
EP3624132A1 (en) | 2020-03-18 |
WO2020053099A1 (en) | 2020-03-19 |
EP3850635A1 (en) | 2021-07-21 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US20230148977A1 (en) | Systems and methods for numerically evaluating vasculature | |
AU2016244309B2 (en) | Method and system for sensitivity analysis in modeling blood flow characteristics | |
JP6832920B2 (ja) | 動脈の供給能力と終末器官の必要量とを比較することにより心血管疾患の診断及び評価をするためのシステム及び方法 | |
EP3127026B1 (en) | Systems and methods for determining blood flow characteristics using flow ratio | |
US10134129B2 (en) | Method and system for hemodynamic computation in coronary arteries | |
JP2022500133A (ja) | 心筋染影特性に基づく仮想FFR及びiFR計算のための境界条件の計算 | |
CN108109698B (zh) | 计算血流储备分数的系统和设置边界条件的方法 | |
JP2017518844A (ja) | 血流予備量比値を算出するための機器 | |
JP2016533815A (ja) | 患者に特異的な解剖学的データからパーソナライズされた血管移植を特定するためのシステム及び方法 | |
KR20170133391A (ko) | 생리학적 특성, 해부학적 특성, 및 환자 특성으로부터 관류 결핍을 예측하기 위한 시스템 및 방법 | |
US20190076196A1 (en) | Vessel geometry and additional boundary conditions for hemodynamic ffr/ifr simulations from intravascular imaging | |
EP3512416A1 (en) | Apparatus and method for determining a fractional flow reserve | |
US20230252628A1 (en) | Estimating flow to vessel bifurcations for simulated hemodynamics | |
US11664128B2 (en) | Estimating flow to vessel bifurcations for simulated hemodynamics |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20220901 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20230428 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20230530 |
|
A02 | Decision of refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A02 Effective date: 20231225 |