JP2022550782A - 血管の領域破裂の可能性を決定するための方法及びシステム - Google Patents
血管の領域破裂の可能性を決定するための方法及びシステム Download PDFInfo
- Publication number
- JP2022550782A JP2022550782A JP2022519808A JP2022519808A JP2022550782A JP 2022550782 A JP2022550782 A JP 2022550782A JP 2022519808 A JP2022519808 A JP 2022519808A JP 2022519808 A JP2022519808 A JP 2022519808A JP 2022550782 A JP2022550782 A JP 2022550782A
- Authority
- JP
- Japan
- Prior art keywords
- parameter
- wall
- lumen
- shear stress
- patch
- 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
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
- 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
-
- 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
- A61B5/02007—Evaluating blood vessel condition, e.g. elasticity, compliance
- A61B5/02014—Determining aneurysm
-
- 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
-
- 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
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
- A61B5/7271—Specific aspects of physiological measurement analysis
- A61B5/7275—Determining trends in physiological measurement data; Predicting development of a medical condition based on physiological measurements, e.g. determining a risk factor
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
- G06T7/0012—Biomedical image inspection
-
- 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
-
- 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
- G16H50/30—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for calculating health indices; for individual health risk assessment
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30004—Biomedical image processing
- G06T2207/30101—Blood vessel; Artery; Vein; Vascular
- G06T2207/30104—Vascular flow; Blood flow; Perfusion
Abstract
血管の拡張及び局所的脆弱化と相関するパラメータに基づいて、血管の局所的脆弱化の状態を示す領域破裂可能性(RRP)を決定する方法が提供される。本方法は、血管の複数の画像を多相スタック内に受信するステップを備える。管腔及び血管の外壁の幾何学モデルを生成し、平滑化して、それぞれボリュームメッシュ及び表面メッシュを得る。ILT厚さ分布、各相における局所変形、及び外壁における最大主歪みを示す壁歪み分布が決定される。管腔内の血流値が得られ、管腔内の壁せん断外乱を示す壁せん断応力分布が計算される。RRPは、ILT厚さ分布、壁せん断応力、及び壁歪みに基づいて決定される。
Description
分野
本技術は、一般にバイオメディカルイメージングの分野に関し、より具体的には、血管内の動脈瘤の領域における脆弱化並びにその結果としての拡張及び破裂の可能性を決定するための方法及びシステムに関する。
本技術は、一般にバイオメディカルイメージングの分野に関し、より具体的には、血管内の動脈瘤の領域における脆弱化並びにその結果としての拡張及び破裂の可能性を決定するための方法及びシステムに関する。
背景
大動脈瘤(腹部及び胸部)は、一般に無症候性で緩徐進行性である。治療せずに放置すると、動脈瘤は徐々に拡大し、90%の死亡率をもたらす事象である破裂に至る。
大動脈瘤(腹部及び胸部)は、一般に無症候性で緩徐進行性である。治療せずに放置すると、動脈瘤は徐々に拡大し、90%の死亡率をもたらす事象である破裂に至る。
大動脈瘤の臨床管理は、破裂リスクのマーカーとして最大大動脈径の評価に依存している。しかしながら、血管の最大直径の予測可能性が低いことの実証として、有意な個体変動が報告されている。
局所血行動態力は、血管機能の調節並びに長期の流れの変化の拡大に応じた局所構造再構築の促進において重要な役割を果たすことが知られている。しかしながら、大動脈壁の局所的な脆弱化に関する明確な洞察はまだ見出されていない。
概要
本技術の目的は、従来技術に存在する不都合の少なくとも一部を改善することである。本技術の実施形態は、本技術の狙い及び目的を達成するためのアプローチ及び/又は方法の範囲を提供及び/又は拡大することができる。
本技術の目的は、従来技術に存在する不都合の少なくとも一部を改善することである。本技術の実施形態は、本技術の狙い及び目的を達成するためのアプローチ及び/又は方法の範囲を提供及び/又は拡大することができる。
本技術の実施形態は、血管の3Dモデル及び計算流体力学シミュレーションを使用し、局所的特性及び血行動態指標を決定することによって、血管内の動脈瘤のインビボ破裂の可能性を推定することを可能にする。より具体的には、本技術は、血管の局所的な脆弱化、拡張及び破裂と相関するパラメータに基づいて個々の大動脈の評価を可能にし、医療用撮像装置によって取得された画像のみに基づいて計算を実行することによって臨床決定のための理論的根拠を提供する。
本技術の実施形態は、局所血行動態力が血管機能の調節並びに長期の流れの変化に応じた局所構造再構築の促進において重要な役割を果たすことが知られているという開発者の認識に基づいて開発された。大動脈拡張及び破裂は、低壁せん断応力(WSS)負荷(0.4Pa未満)及び管腔内血栓(ILT)蓄積の領域に関連している。
より具体的には、上記に基づいて、本技術の開発者らは、大動脈壁の脆弱化に関する明確な洞察が未だ見出されていないことを認識した。
本技術は、局所的な機械的特性及び大動脈機能に関連するので、インビボ歪み測定によって大動脈瘤の変形能を決定し、大動脈の脆弱化の状態を、計算流体力学(CFD)シミュレーションによって、又は代替的に、所与の患者の4DフローMRIデータによって得られた局所変形、局所的な管腔内血栓(ILT)の厚さ及び血行動態指標と相関させる。一実施形態では、結果を組み合わせて、所与の領域の脆弱化の状態及び破裂確率を示す領域破裂可能性(RRP)を得る。
したがって、本技術の実施形態は、血管の壁の局所的な脆弱化、拡張及び破裂と相関するパラメータに基づいて、血管の局所的な脆弱化の状態を示す領域破裂可能性を決定するための方法及びシステムに関する。
本技術の広い態様によれば、所与の対象の血管の少なくとも1つの領域の破裂の可能性を決定するためのコンピュータ実装方法が提供され、本方法は、サーバによって実行可能であり、本方法は、サーバによって、医療用撮像装置によって取得された、所与の対象の血管の複数の画像を受信するステップを備える。本方法は、サーバによって、複数の画像を多相スタックに編成するステップであって、多相スタックの所与の相は心周期の所与の時間における血管を表す、ステップを備える。本方法は、サーバによって、多相スタックを使用して、血管の管腔のボリュームメッシュ及び血液の外壁の表面メッシュを生成するステップと、サーバによって、管腔の表面メッシュ及び外壁の表面メッシュに基づいて、厚さパラメータを計算するステップと、サーバによって、外壁の表面メッシュのボクセルを多相スタックにマッピングすることによって、多相スタックの各相における局所変形を決定するステップと、サーバによって、各相における局所変形に基づいて、外壁における最大主歪みを示す壁歪みパラメータを計算するステップと、管腔のボリュームメッシュに少なくとも部分的に基づいて血流パラメータを生成するステップであって、血流パラメータは、心周期に対する管腔内の血流値のそれぞれのセットを含む、ステップと、サーバによって、血流パラメータに基づいて、管腔内の壁せん断外乱を示す壁せん断応力パラメータを計算するステップと、サーバによって、厚さパラメータ、壁歪みパラメータ、及び壁せん断応力パラメータに基づいて、血管の破裂可能性パラメータを決定するステップであって、破裂可能性パラメータは、血管の少なくとも1つの領域の脆弱化の状態を示す、ステップと、を備える。
いくつかの実施形態では、管腔のボリュームメッシュを生成するステップ及び外壁の表面メッシュを生成するステップは、サーバによって、多相スタックをセグメント化することによって血管の管腔の第1の幾何学モデル及び血管の外壁の第2の幾何学モデルを生成するステップと、サーバによって、管腔のボリュームメッシュを取得するために第1の幾何学モデルを平滑化し、外壁の表面メッシュを取得するために第2の幾何学モデルを平滑化するステップと、を備える。
本方法のいくつかの実施形態では、少なくとも1つの壁せん断応力パラメータは、時間平均壁せん断応力(TAWSS)を含む。
本方法のいくつかの実施形態では、血流パラメータを生成するステップは、心周期に対する管腔内の血流値のそれぞれのセットを取得するために、管腔内の血流の計算流体力学(CFD)シミュレーションを生成することを含む。
本方法のいくつかの実施形態では、血流パラメータを生成するステップは、心周期に対する管腔内の血流値のそれぞれのセットを取得するために4DフローMRI取得を実行することを含む。
本方法のいくつかの実施形態では、本方法は、壁歪みパラメータを計算するステップの前に、多相スタック及び外壁の表面メッシュに基づいて、表面メッシュの各相における局所変形を決定するステップをさらに備え、壁歪みパラメータを計算するステップは、表面メッシュの各相における局所変形に基づく。
本方法のいくつかの実施形態では、厚さパラメータを計算するステップは、外壁の表面メッシュと管腔の表面メッシュとの間の距離に基づいて管腔内血栓(ILT)の厚さを計算することを含む。
本方法のいくつかの実施形態では、本方法は、破裂可能性パラメータを決定するステップの前に、集団ベースの厚さパラメータ、集団ベースの壁歪みパラメータ、及び集団ベースの壁せん断応力パラメータを受信するステップをさらに備え、破裂可能性パラメータを決定するステップは、集団ベースの厚さパラメータ、集団ベースの壁歪みパラメータ、及び集団ベースの壁せん断応力パラメータにさらに基づく。
本方法のいくつかの実施形態では、本方法は、破裂可能性パラメータを推定するステップの前に、サーバによって、血管上の複数のパッチを定義するステップをさらに備える。厚さパラメータ、壁歪みパラメータ、及び壁せん断応力パラメータを計算するステップは、複数のパッチを使用して、パッチ平均厚さパラメータ、パッチ平均壁歪みパラメータ、及びパッチ平均壁せん断応力パラメータを計算するステップを備え、破裂可能性パラメータは、パッチ平均厚さパラメータ、パッチ平均壁歪みパラメータ、及びパッチ平均壁せん断応力パラメータに基づく。
本方法のいくつかの実施形態では、パッチ平均厚さパラメータ、パッチ平均壁歪みパラメータ、及びパッチ平均壁せん断応力パラメータを計算するステップは、集団ベースの厚さパラメータ、集団ベースの壁歪みパラメータ、及び集団ベースの壁せん断応力パラメータにさらに基づく。
本方法のいくつかの実施形態では、本方法は、パッチ平均厚さパラメータ、パッチ平均壁歪みパラメータ、及びパッチ平均壁せん断応力パラメータの各々についてそれぞれの分布四分位値を決定するステップをさらに備える。
方法のいくつかの実施形態では、それぞれの分布四分位値に基づいて、パッチ平均厚さパラメータ、パッチ平均壁歪みパラメータ、及びパッチ平均壁せん断応力パラメータの各々を分類するステップをさらに備える。
本方法のいくつかの実施形態では、破裂可能性パラメータは、
本方法のいくつかの実施形態では、それぞれのカテゴリは、1から4のそれぞれの値を有する。
本技術の別の広範な態様によれば、所与の対象の血管の少なくとも1つの領域の局所的な脆弱化の状態を示す破裂の可能性を決定するためのシステムが提供され、システムは、プロセッサと、プロセッサに接続された、命令を含むコンピュータ可読記憶媒体とを備え、プロセッサは、命令を実行すると、医療用撮像装置によって取得された、所与の対象の血管の複数の画像を受信するように構成されている。プロセッサは、複数の画像を多相スタックに編成するように構成され、多相スタックの所与の相は、心周期の所与の時間における血管を表す。プロセッサは、多相スタックを使用して、血管の管腔のボリュームメッシュ及び血液の外壁の表面メッシュを生成し、管腔のボリュームメッシュ及び外壁の表面メッシュに基づいて、厚さパラメータを計算し、外壁の表面メッシュのボクセルを多相スタックにマッピングすることによって、多相スタックの各相における局所変形を決定し、各相における局所変形に基づいて、外壁における最大主歪みを示す壁歪みパラメータを計算し、管腔のボリュームメッシュに少なくとも部分的に基づいて血流パラメータを生成し、血流パラメータは、所与の瞬間の管腔内の血流値のそれぞれのセットを含み、血流パラメータに基づいて、管腔内の壁せん断外乱を示す壁せん断応力パラメータを計算し、管腔厚さパラメータ、壁歪みパラメータ、及び壁せん断応力パラメータに基づいて、血管の破裂可能性パラメータを決定し、破裂可能性パラメータは、血管の少なくとも1つの領域の脆弱化の状態を示すように構成される。
いくつかの実施形態では、管腔のボリュームメッシュの生成及び外壁の表面メッシュの生成は、サーバによる、多相スタックのセグメント化による血管の管腔の第1の幾何学モデル及び血管の外壁の第2の幾何学モデルの生成と、サーバによる、管腔のボリュームメッシュを取得するための第1の幾何学モデルの平滑化と、外壁の表面メッシュを取得するための第2の幾何学モデルの平滑化と、を含む。
システムのいくつかの実施形態では、少なくとも1つの壁せん断応力パラメータは、時間平均壁せん断応力を含む。
システムのいくつかの実施形態では、血流パラメータの生成は、心周期に対する管腔内の血流値のそれぞれのセットを取得するための、管腔内の血流の計算流体力学シミュレーションの生成を含む。
システムのいくつかの実施形態では、血流パラメータの生成は、心周期に対する管腔内の血流値のそれぞれのセットを取得するための4DフローMRI取得の実行を含む。
システムのいくつかの実施形態では、プロセッサは、壁歪みパラメータの計算の前に、多相スタック及び外壁の表面メッシュに基づいて、多相スタックの各相における表面メッシュの局所変形を決定するようにさらに構成され、壁歪みパラメータの計算は、表面メッシュの各相における局所変形に基づく。
システムのいくつかの実施形態では、厚さパラメータは、外壁の表面メッシュと管腔の表面との間の距離に基づいて決定される。
システムのいくつかの実施形態では、プロセッサは、領域破裂可能性パラメータの決定の前に、集団ベースの厚さパラメータ、集団ベースの壁歪みパラメータ、及び集団ベースの壁せん断応力パラメータを受信するようにさらに構成される。領域破裂可能性パラメータの決定は、集団ベースの厚さパラメータ、集団ベースの壁歪みパラメータ、及び集団ベースの壁せん断応力パラメータにさらに基づく。
システムのいくつかの実施形態では、プロセッサは、破裂可能性パラメータの推定の前に、血管上の複数のパッチを定義するようにさらに構成され、厚さパラメータ、壁歪みパラメータ、及び壁せん断応力パラメータを計算するステップは、複数のパッチを使用して、パッチ平均厚さパラメータ、パッチ平均壁歪みパラメータ、及びパッチ平均壁せん断応力パラメータを計算するステップを備え、領域破裂可能性パラメータは、パッチ平均厚さパラメータ、パッチ平均壁歪みパラメータ、及びパッチ平均壁せん断応力パラメータに基づく。
システムのいくつかの実施形態では、パッチ平均厚さパラメータ、パッチ平均壁歪みパラメータ、及びパッチ平均壁せん断応力パラメータの計算は、集団ベースの厚さパラメータ、集団ベースの壁歪みパラメータ、及び集団ベースの壁せん断応力パラメータにさらに基づく。
システムのいくつかの実施形態では、プロセッサは、パッチ平均厚さパラメータ、パッチ平均壁歪みパラメータ、及びパッチ平均壁せん断応力パラメータの各々についてそれぞれの分布四分位値を決定するようにさらに構成される。
システムのいくつかの実施形態では、プロセッサは、それぞれの分布四分位値に基づいて、パッチ平均厚さパラメータ、パッチ平均壁歪みパラメータ、及びパッチ平均壁せん断応力パラメータの各々を分類するようにさらに構成される。
システムのいくつかの実施形態では、破裂可能性パラメータは、
システムのいくつかの実施形態では、それぞれのカテゴリは、1から4のそれぞれの値を有する。
定義
本明細書の文脈では、「サーバ」は、適切なハードウェア上で実行され、ネットワーク(例えば、通信ネットワーク)を介して(例えば、電子デバイスから)要求を受信し、それらの要求を実行する、又はそれらの要求を実行させることができるコンピュータプログラムである。ハードウェアは、1つの物理的コンピュータ又は1つの物理的コンピュータシステムであってもよいが、本技術に関してはそうである必要はない。本文脈において、「サーバ」という表現の使用は、全てのタスク(例えば、受信した命令又は要求)又は任意の特定のタスクが同じサーバ(すなわち、同じソフトウェア及び/又はハードウェア)によって受信され、実行され、又は実行されるようにされることを意味するものではなく、任意の数のソフトウェア要素又はハードウェアデバイスが、任意のタスク若しくは要求、あるいは任意のタスク又は要求の結果を受信/送信する、実行する、又は実行させることに関与し得ることを意味することが意図されており、このソフトウェア及びハードウェアの全ては、1つのサーバ又は複数のサーバであってもよく、これらは両方とも「少なくとも1つのサーバ」及び「サーバ」という表現に含まれる。
本明細書の文脈では、「サーバ」は、適切なハードウェア上で実行され、ネットワーク(例えば、通信ネットワーク)を介して(例えば、電子デバイスから)要求を受信し、それらの要求を実行する、又はそれらの要求を実行させることができるコンピュータプログラムである。ハードウェアは、1つの物理的コンピュータ又は1つの物理的コンピュータシステムであってもよいが、本技術に関してはそうである必要はない。本文脈において、「サーバ」という表現の使用は、全てのタスク(例えば、受信した命令又は要求)又は任意の特定のタスクが同じサーバ(すなわち、同じソフトウェア及び/又はハードウェア)によって受信され、実行され、又は実行されるようにされることを意味するものではなく、任意の数のソフトウェア要素又はハードウェアデバイスが、任意のタスク若しくは要求、あるいは任意のタスク又は要求の結果を受信/送信する、実行する、又は実行させることに関与し得ることを意味することが意図されており、このソフトウェア及びハードウェアの全ては、1つのサーバ又は複数のサーバであってもよく、これらは両方とも「少なくとも1つのサーバ」及び「サーバ」という表現に含まれる。
本明細書の文脈では、「電子デバイス」は、手元の関連するタスクに適したソフトウェアを実行することができる任意のコンピューティング装置又はコンピュータハードウェアである。したがって、電子デバイスのいくつかの(非限定的な)例は、汎用パーソナルコンピュータ(デスクトップ、ラップトップ、ネットブックなど)、モバイルコンピューティングデバイス、スマートフォン、及びタブレット、並びにルータ、スイッチ、及びゲートウェイなどのネットワーク機器を含む。本文脈における電子デバイスは、他の電子デバイスに対するサーバとして機能することを排除されないことに留意されたい。「電子デバイス」という表現の使用は、任意のタスク又は要求、あるいは任意のタスク又は要求の結果、あるいは本明細書に記載の任意の方法のステップを受信/送信する、実行する、又は実行させる際に複数の電子デバイスが使用されることを排除するものではない。本明細書の文脈では、「クライアントデバイス」は、パーソナルコンピュータ、タブレット、スマートフォンなどの、ユーザに関連付けられた一連のエンドユーザクライアント電子デバイスのいずれかを指す。
本明細書の文脈において、「コンピュータ可読記憶媒体」という表現(「記憶媒体」及び「記憶装置」とも呼ばれる)は、RAM、ROM、ディスク(CD-ROM、DVD、フロッピー(登録商標)ディスク、ハードドライバなど)、USBキー、ソリッドステートドライブ、テープドライブなどを含むが、これらに限定されない、あらゆる性質及び種類の非一時的媒体を含むことを意図している。同じタイプの2つ以上の媒体コンポーネント及び/又は異なるタイプの2つ以上の媒体コンポーネントを含む複数のコンポーネントを組み合わせて、コンピュータ情報記憶媒体を形成することができる。
本明細書の文脈では、「データベース」は、その特定の構造、データベース管理ソフトウェア、又はデータが記憶され、実装され、又はその他の形で使用可能にされるコンピュータハードウェアに関係なく、任意の構造化されたデータの集合である。データベースは、データベースに記憶された情報を記憶又は利用するプロセスと同じハードウェア上に存在してもよいし、専用サーバ又は複数のサーバなどの別個のハードウェア上に存在してもよい。
本明細書の文脈において、「情報」という表現は、データベースに記憶することができるあらゆる性質又は種類の情報を含む。したがって、情報は、視聴覚著作物(画像、動画、音声記録、プレゼンテーションなど)、データ(位置データ、数値データなど)、テキスト(意見、コメント、質問、メッセージなど)、文書、スプレッドシート、単語のリストなどを含むが、これらに限定されない。
本明細書の文脈では、特に明示的に提供されない限り、情報要素の「指示」は、情報要素自体、又は指示の受信者が情報要素を取得することができるネットワーク、メモリ、データベース、又は他のコンピュータ可読媒体位置を見つけることを可能にするポインタ、参照、リンク、又は他の間接的な機構であってもよい。例えば、文書の表示は、文書自体(すなわち、その内容)を含むことができ、又は特定のファイルシステムに関してファイルを識別する固有の文書記述子、又はネットワーク位置、メモリアドレス、データベーステーブル、又はファイルがアクセスされ得る他の位置に指示の受信者を導く他の何らかの手段とすることができる。当業者が認識するように、そのような指示に必要な精度の程度は、指示の送信者と受信者との間で交換される情報に与えられる解釈に関する任意の事前理解の程度に依存する。例えば、送信者と受信者との間の通信の前に、情報要素の指示が、情報要素を含む所定のデータベースの特定のテーブル内のエントリに対するデータベースキーの形態をとることが理解される場合、データベースキーの送信は、情報要素自体が指示の送信者と受信者との間でのように送信されなかったとしても、情報要素を受信者に効果的に伝達するために必要な全てである。
本明細書の文脈において、「通信ネットワーク」という表現は、コンピュータネットワーク、インターネット、電話ネットワーク、Telexネットワーク、TCP/IPデータネットワーク(例えば、WANネットワーク、LANネットワークなど)などの電気通信ネットワークを含むことを意図している。「通信ネットワーク」という用語は、有線ネットワーク又は直接有線接続、並びに音響、無線周波数(RF)、赤外線及び他の無線媒体などの無線媒体、並びに上記のいずれかの組合せを含む。
本明細書の文脈において、「パラメータ」という表現は、システムの特性の数値表現を含むことを意図している。パラメータは、測定されてもよいし、計算されてもよい。パラメータは、単一の値又は複数の値を含むことができ、ベクトル、行列、及びテンソルとして表すことができる。非限定的な例として、パラメータは、単一の数値、頻度分布、及び確率分布を表すことができる。
本明細書の文脈において、「第1」、「第2」、「第3」などの単語は、それらが互いに修飾する名詞間の区別を可能にする目的のためにのみ形容詞として使用されており、それらの名詞間の特定の関係を説明する目的のためのものではない。したがって、例えば、「サーバ」及び「第3のサーバ」という用語の使用は、サーバの/サーバ間の特定の順序、タイプ、時系列、階層、又は(例えば)ランク付けを暗示することを意図するものではなく、それらの(単独での)使用は、任意の「第2のサーバ」が任意の所与の状況に必ず存在しなければならないと暗示することを意図するものでもないことを理解されたい。さらに、本明細書内の他の文脈で説明するように、「第1の」要素及び「第2の」要素への言及は、2つの要素が同じ、実際の現実世界の要素であることを排除するものではない。したがって、例えば、いくつかの場合では、「第1の」サーバ及び「第2の」サーバは同じソフトウェア及び/又はハードウェアであってもよく、他の場合では、それらは異なるソフトウェア及び/又はハードウェアであってもよい。
本技術の実施の形態は、各々が上述した目的及び/又は態様のうちの少なくとも1つを有するが、必ずしもその全てを有する必要はない。上述の目的を達成しようとする試みから生じる本技術のいくつかの態様は、この目的を満たさない場合があり、及び/又は本明細書に具体的に列挙されていない他の目的を満たす場合があることを理解されたい。
本技術の実装の追加の及び/又は代替の特徴、態様及び利点は、以下の説明、添付の図面及び添付の特許請求の範囲から明らかになるであろう。
図面の簡単な説明
本技術並びにその他の態様及びさらなる特徴をよりよく理解するために、添付の図面と併せて使用される以下の説明が参照される。
本技術並びにその他の態様及びさらなる特徴をよりよく理解するために、添付の図面と併せて使用される以下の説明が参照される。
詳細な説明
本明細書に列挙される実施例及び条件付き文言は、主に読者が本技術の原理を理解するのを助けることを意図しており、その範囲をそのような具体的に列挙された実施例及び条件に限定することを意図していない。当業者は、本明細書に明示的に記載又は図示されていないが、それにもかかわらず本技術の原理を具体化し、その精神及び範囲内に含まれる様々な構成を考案することができることが理解されよう。
本明細書に列挙される実施例及び条件付き文言は、主に読者が本技術の原理を理解するのを助けることを意図しており、その範囲をそのような具体的に列挙された実施例及び条件に限定することを意図していない。当業者は、本明細書に明示的に記載又は図示されていないが、それにもかかわらず本技術の原理を具体化し、その精神及び範囲内に含まれる様々な構成を考案することができることが理解されよう。
さらに、理解を助けるために、以下の説明は、本技術の比較的単純化された実装形態を説明することができる。当業者が理解するように、本技術の様々な実施態様は、より複雑であり得る。
場合によっては、本技術に対する変更の有用な例と考えられるものも記載され得る。これは単に理解を助けるためのものであり、やはり本技術の範囲を定義する又は示すためのものではない。これらの変更は網羅的なリストではなく、当業者は、それにもかかわらず本技術の範囲内に留まりながら他の変更を行うことができる。さらに、変更の例が記載されていない場合、変更が不可能である、及び/又は記載されているものが本技術のその要素を実装する唯一の方法であると解釈されるべきではない。
さらに、本技術の原理、態様、及び実施態様、並びにそれらの特定の例を列挙する本明細書の全ての記述は、それらが現在知られているか又は将来開発されるかにかかわらず、それらの構造的及び機能的等価物の両方を包含することを意図している。したがって、例えば、本明細書の任意のブロック図は、本技術の原理を具現化する例示的な回路の概念図を表すことが当業者には理解されよう。同様に、任意のフローチャート、フロー図、状態遷移図、擬似コードなどは、コンピュータ可読媒体で実質的に表すことができ、そのようなコンピュータ又はプロセッサが明示的に示されているか否かにかかわらず、コンピュータ又はプロセッサによって実行することができる様々なプロセスを表すことが理解されよう。
「プロセッサ」又は「グラフィックス処理装置」とラベル付けされた任意の機能ブロックを含む、図に示された様々な要素の機能は、専用のハードウェア、並びに適切なソフトウェアに関連してソフトウェアを実行することができるハードウェアを使用して提供され得る。プロセッサによって提供される場合、機能は、単一の専用プロセッサ、単一の共有プロセッサ、又はいくつかは共有されてもよい複数の個々のプロセッサによって提供されてもよい。本技術のいくつかの非限定的な実施形態では、プロセッサは、中央処理装置(CPU)などの汎用プロセッサ、又はグラフィックス処理装置(GPU)などの特定の目的専用のプロセッサであってもよい。さらに、「プロセッサ」又は「コントローラ」という用語の明示的な使用は、ソフトウェアを実行することができるハードウェアを排他的に指すと解釈されるべきではなく、デジタル信号プロセッサ(DSP)ハードウェア、ネットワークプロセッサ、特定用途向け集積回路(ASIC)、フィールドプログラマブルゲートアレイ(FPGA)、ソフトウェアを記憶するための読み出し専用メモリ(ROM)、ランダムアクセスメモリ(RAM)、及び不揮発性記憶装置を暗黙的に含み得るが、これらに限定されない。従来及び/又はカスタムの他のハードウェアも含まれ得る。
ソフトウェアモジュール、又は単にソフトウェアであると暗示されるモジュールは、本明細書では、フローチャート要素又はプロセスステップの実行及び/又はテキスト記述を示す他の要素の任意の組合せとして表され得る。そのようなモジュールは、明示的又は暗黙的に示されるハードウェアによって実行されてもよい。
これらの基本を適所に用いて、ここから、本技術の態様の様々な実施態様を説明するためにいくつかの非限定的な例を検討する。
図1を参照すると、本技術のいくつかの非限定的な実施形態での使用に適した電子デバイス100の概略図が示されている。
電子デバイス
電子デバイス100は、プロセッサ110、グラフィック処理ユニット(GPU)111、ソリッドステートドライブ120、ランダムアクセスメモリ130、ディスプレイインターフェース140、及び入力/出力インターフェース150によって集合的に表される、1つ又は複数のシングルコア又はマルチコアプロセッサを含む様々なハードウェアコンポーネントを備える。
電子デバイス100は、プロセッサ110、グラフィック処理ユニット(GPU)111、ソリッドステートドライブ120、ランダムアクセスメモリ130、ディスプレイインターフェース140、及び入力/出力インターフェース150によって集合的に表される、1つ又は複数のシングルコア又はマルチコアプロセッサを含む様々なハードウェアコンポーネントを備える。
電子デバイス100の様々なコンポーネント間の通信は、様々なハードウェアコンポーネントが電子的に結合される1つ又は複数の内部及び/又は外部バス160(例えば、PCIバス、ユニバーサルシリアルバス、IEEE1394「Firewire」バス、SCSIバス、Serial-ATAバスなど)によって可能にされ得る。
入力/出力インターフェース150は、タッチスクリーン190及び/又は1つ若しくは複数の内部及び/若しくは外部バス160に結合され得る。タッチスクリーン190は、ディスプレイの一部であってもよい。いくつかの実施形態では、タッチスクリーン190はディスプレイである。タッチスクリーン190は、スクリーン190とも呼ばれ得る。図1に示す実施形態では、タッチスクリーン190は、タッチハードウェア194(例えば、ユーザとディスプレイとの間の物理的相互作用の検出を可能にするディスプレイの層に埋め込まれた感圧セル)と、ディスプレイインターフェース140及び/又は1つ又は複数の内部及び/又は外部バス160との通信を可能にするタッチ入力/出力コントローラ192とを備える。いくつかの実施形態では、入力/出力インターフェース150は、ユーザがタッチスクリーン190に加えて又はそれに代えて電子デバイス100と対話することを可能にするキーボード(図示せず)、マウス(図示せず)又はトラックパッド(図示せず)に接続されてもよい。
本技術の実施態様によれば、ソリッドステートドライブ120は、ランダムアクセスメモリ130にロードされ、所与の対象の血管の破裂の可能性を推定するためにプロセッサ110及び/又はGPU111によって実行されるのに適したプログラム命令を記憶する。例えば、プログラム命令は、ライブラリ又はアプリケーションの一部であってもよい。
電子デバイス100は、当業者によって理解され得るように、サーバ、デスクトップコンピュータ、ラップトップコンピュータ、タブレット、スマートフォン、携帯情報端末、又は本技術を実装するように構成され得る任意のデバイスの形態で実装され得る。
システム
図2を参照すると、システム200の概略図が示されており、システム200は、本技術の非限定的な実施形態を実施するのに適している。図示のシステム200は、本技術の例示的な実施態様にすぎないことを明確に理解されたい。したがって、以下の説明は、本技術の例示的な実施例の説明のみを意図している。この説明は、本技術の範囲を定義するものでも、本技術の範囲を示すものでもない。場合によっては、システム200に対する変更の有用な例と考えられるものも以下に記載され得る。これは単に理解を助けるためのものであり、やはり本技術の範囲を定義する又は示すためのものではない。これらの変更は網羅的なリストではなく、当業者が理解するように、他の変更が可能である可能性が高い。さらに、これが行われていない場合(すなわち、変更の例が記載されていない場合)、変更は不可能である、及び/又は記載されているものが本技術のその要素を実装する唯一の方法であると解釈されるべきではない。当業者が理解するように、これは当てはまらない可能性が高い。さらに、システム200は、特定の事例では、本技術の単純な実装形態を提供することができ、そのような事例では、理解を助けるためにこのように提示されていることを理解されたい。当業者が理解するように、本技術の様々な実施態様は、より複雑であり得る。
図2を参照すると、システム200の概略図が示されており、システム200は、本技術の非限定的な実施形態を実施するのに適している。図示のシステム200は、本技術の例示的な実施態様にすぎないことを明確に理解されたい。したがって、以下の説明は、本技術の例示的な実施例の説明のみを意図している。この説明は、本技術の範囲を定義するものでも、本技術の範囲を示すものでもない。場合によっては、システム200に対する変更の有用な例と考えられるものも以下に記載され得る。これは単に理解を助けるためのものであり、やはり本技術の範囲を定義する又は示すためのものではない。これらの変更は網羅的なリストではなく、当業者が理解するように、他の変更が可能である可能性が高い。さらに、これが行われていない場合(すなわち、変更の例が記載されていない場合)、変更は不可能である、及び/又は記載されているものが本技術のその要素を実装する唯一の方法であると解釈されるべきではない。当業者が理解するように、これは当てはまらない可能性が高い。さらに、システム200は、特定の事例では、本技術の単純な実装形態を提供することができ、そのような事例では、理解を助けるためにこのように提示されていることを理解されたい。当業者が理解するように、本技術の様々な実施態様は、より複雑であり得る。
システム200は、とりわけ、ワークステーションコンピュータ215に関連付けられた医療用撮像装置210と、それぞれの通信リンク225を介して通信ネットワーク220を介して結合されたサーバ230とを備える。
医療デバイス
一般的に言えば、医療用撮像装置210は、所与の対象の血管の表現が続いて生成され得るように、所与の対象の血管の複数の画像を異なる時点で取得するように構成される。一実施形態では、医療用撮像装置210は、心電(ECG)ゲート画像を取得するように構成される。
一般的に言えば、医療用撮像装置210は、所与の対象の血管の表現が続いて生成され得るように、所与の対象の血管の複数の画像を異なる時点で取得するように構成される。一実施形態では、医療用撮像装置210は、心電(ECG)ゲート画像を取得するように構成される。
医療用撮像装置210は、コンピュータ断層撮影(CT)スキャナ、磁気共鳴撮像(MRI)スキャナ、3D超音波などのうちのいずれかであってもよい。本技術のいくつかの実施形態では、医療用撮像装置210は、コンピュータ断層撮影(CT)スキャナ、磁気共鳴撮像(MRI)スキャナ、3D超音波などのうちの1つ又は複数などの複数の医療用撮像装置であってもよい。
医療用撮像装置210は、複数の画像を取得するための特定のパラメータで構成されてもよい。
非限定的な例として、医療用撮像装置210がCTスキャナとして実装される実施形態では、R-R間隔を捕捉するための可変線量放射線を用いた術前遡及的ゲート型マルチ検出器CT(MDCT-64行マルチスライスCTスキャナ)を備えるCTプロトコルを使用することができる。
別の非限定的な例として、医療用撮像装置210がMRIスキャナとして実装される実施形態では、MRプロトコルを使用することができ、MRプロトコルは、定常状態T2強調高速フィールドエコー(TE=2.6ms、TR=5.2ms、フリップ角110度、脂肪抑制(SPIR)、エコー時間50ms、最大25心臓相2、マトリックス256×256、取得ボクセルMPS1.56/1.56/3.00mm及び再構成ボクセルMPS0.78/0.78/1.5)を備えることができる。
医療用撮像装置210は、ワークステーションコンピュータ215を含むか、又はそれに接続される。
ワークステーションコンピュータ
ワークステーションコンピュータ215は、医療用撮像装置210から複数の画像を受信して処理するように構成される。ワークステーションコンピュータ215は、生フォーマットの画像を受信し、既知のアルゴリズム及びソフトウェアを使用して断層撮影再構成を実行することができる。ワークステーションコンピュータ215の実装は、当技術分野で知られている。ワークステーションコンピュータ215は、電子デバイス100として実装されてもよく、又はプロセッサ110、グラフィック処理装置(GPU)111、ソリッドステートドライブ120、ランダムアクセスメモリ130、ディスプレイインターフェース140、及び入力/出力インターフェース150などのその構成要素を備えてもよい。
ワークステーションコンピュータ215は、医療用撮像装置210から複数の画像を受信して処理するように構成される。ワークステーションコンピュータ215は、生フォーマットの画像を受信し、既知のアルゴリズム及びソフトウェアを使用して断層撮影再構成を実行することができる。ワークステーションコンピュータ215の実装は、当技術分野で知られている。ワークステーションコンピュータ215は、電子デバイス100として実装されてもよく、又はプロセッサ110、グラフィック処理装置(GPU)111、ソリッドステートドライブ120、ランダムアクセスメモリ130、ディスプレイインターフェース140、及び入力/出力インターフェース150などのその構成要素を備えてもよい。
一実施形態では、ワークステーションコンピュータ215は、医療用撮像装置210に統合することができる。
一実施形態では、ワークステーションコンピュータ215は、医療用撮像情報及び関連データの通信及び管理のための医療用デジタル撮像及び通信(DICOM)規格に従って構成される。
一実施形態では、ワークステーションコンピュータ215は、画像をデータベース(図示せず)に記憶することができる。
ワークステーションコンピュータ215は、通信リンク(番号付けなし)を介して通信ネットワーク220を介してサーバ230に接続される。
サーバ
一般的に言えば、サーバ230は、(i)複数の画像を受信して多相スタックに処理する、(ii)多相スタックから血管の管腔及び外壁の3D幾何学モデルを生成する、(iii)管腔及び外壁のメッシュを得るために3D幾何学モデルを滑らかにしてメッシュ化する、(iv)管腔及び外壁のメッシュに基づいて厚さパラメータを計算する、(v)管腔のメッシュを使用して計算流体力学(CFD)シミュレーションを生成して、壁せん断応力パラメータを計算するか、又は代替的に、所与の患者の4DフローMRIデータから壁せん断応力パラメータを計算する、(vi)外壁のメッシュを追跡及びマッピングして、壁歪みパラメータを計算する、及び(viii)厚さパラメータ、壁歪みパラメータ、及び壁せん断応力パラメータに基づいて、領域破裂可能性パラメータを決定するように構成される。
一般的に言えば、サーバ230は、(i)複数の画像を受信して多相スタックに処理する、(ii)多相スタックから血管の管腔及び外壁の3D幾何学モデルを生成する、(iii)管腔及び外壁のメッシュを得るために3D幾何学モデルを滑らかにしてメッシュ化する、(iv)管腔及び外壁のメッシュに基づいて厚さパラメータを計算する、(v)管腔のメッシュを使用して計算流体力学(CFD)シミュレーションを生成して、壁せん断応力パラメータを計算するか、又は代替的に、所与の患者の4DフローMRIデータから壁せん断応力パラメータを計算する、(vi)外壁のメッシュを追跡及びマッピングして、壁歪みパラメータを計算する、及び(viii)厚さパラメータ、壁歪みパラメータ、及び壁せん断応力パラメータに基づいて、領域破裂可能性パラメータを決定するように構成される。
サーバ230がそのようにするように構成される方法は、以下でより詳細に説明される。
サーバ230は、従来のコンピュータサーバとして実装することができ、図1に示す電子デバイス100のコンポーネントの一部又は全部を備えることができる。本技術の一実施形態の一例では、サーバ230は、Microsoft(商標)Windows(登録商標) Server(商標)オペレーティングシステムを実行するDell(商標)PowerEdge(商標)Serverとして実装することができる。言うまでもなく、サーバ230は、任意の他の適切なハードウェア及び/又はソフトウェア及び/又はファームウェアあるいはそれらの組合せで実装することができる。図示の本技術の非限定的な実施形態では、サーバ230は単一のサーバである。本技術の代替の非限定的な実施形態では、サーバ230の機能は分散されてもよく、複数のサーバ(図示せず)を介して実装されてもよい。
サーバ230の実装は、本技術の当業者に周知である。しかしながら、簡単に言えば、サーバ230は通信インターフェース(図示せず)を備え、これは通信ネットワーク220を介して様々なエンティティ(例えばワークステーションコンピュータ215及びネットワークに潜在的に結合されている他の装置など)と通信するように構造化及び構成される。サーバ230は、通信インターフェースと動作可能に接続され、かつ本明細書で説明する様々なプロセスを実行するように構造化及び構成された少なくとも1つのコンピュータプロセッサ(例えば、電子デバイス100のプロセッサ110)をさらに備える。
通信ネットワーク
本技術のいくつかの実施形態では、通信ネットワーク220はインターネットである。代替の非限定的な実施形態では、通信ネットワーク240は、任意の適切なローカルエリアネットワーク(LAN)、ワイドエリアネットワーク(WAN)、プライベート通信ネットワークなどとして実装することができる。通信ネットワーク250の実装形態は例示のみを目的としていることを明確に理解されたい。ワークステーションコンピュータ215及び/又はサーバ230及び/又は別の電子デバイス(図示せず)と通信ネットワーク220との間の通信リンク225(別々に番号付けされていない)がどのように実装されるかは、とりわけ、医療用撮像装置210、ワークステーションコンピュータ215、及びサーバ230の各々がどのように実装されるかに依存する。
本技術のいくつかの実施形態では、通信ネットワーク220はインターネットである。代替の非限定的な実施形態では、通信ネットワーク240は、任意の適切なローカルエリアネットワーク(LAN)、ワイドエリアネットワーク(WAN)、プライベート通信ネットワークなどとして実装することができる。通信ネットワーク250の実装形態は例示のみを目的としていることを明確に理解されたい。ワークステーションコンピュータ215及び/又はサーバ230及び/又は別の電子デバイス(図示せず)と通信ネットワーク220との間の通信リンク225(別々に番号付けされていない)がどのように実装されるかは、とりわけ、医療用撮像装置210、ワークステーションコンピュータ215、及びサーバ230の各々がどのように実装されるかに依存する。
領域破裂可能性決定手順
次に図3を参照すると、本技術の非限定的な実施形態による領域破裂可能性(RRP)決定手順300の概略図が示されている。
次に図3を参照すると、本技術の非限定的な実施形態による領域破裂可能性(RRP)決定手順300の概略図が示されている。
RRP決定手順300は、図2のシステム内で実行される。一実施形態では、RRP決定手順300は、サーバ230によって実行され得る。RRP決定手順300のいくつかの手順は、サーバ230又は電子デバイス(ワークステーションコンピュータ215など)によって並列に実行されてもよいと考えられる。
RRP決定手順300は、とりわけ、画像取得手順310と、画像セグメント化手順320と、平滑化及びボリュームメッシュ化手順330と、平滑化及び表面メッシュ化手順335と、ILT厚さ計算手順340と、CFDシミュレーション手順350又は4DフローMRI取得手順355と、管腔WSS計算手順360と、動き追跡及びマッピング手順370と、パッチ適用及び分類手順390と、RRP計算手順400とを備える。
画像取得
画像取得手順310は、医療用撮像装置210及びワークステーションコンピュータ215によって実行される。
画像取得手順310は、医療用撮像装置210及びワークステーションコンピュータ215によって実行される。
画像取得手順310の間に、所与の患者の大動脈などの血管の複数の画像が受信される。複数の画像は、ワークステーションコンピュータ215から、又は医療用撮像装置210から直接受信することができる。
医療用撮像装置210がCTスキャナである一実施形態では、CT画像取得のためのCTプロトコルは、R-R間隔を捕捉するための可変線量放射線を用いた術前遡及的ゲート型MDCT(64行マルチスライスCTスキャナ)を備えることができる。医療用撮像装置210がMRIスキャナである一実施形態では、MRプロトコルは、定常状態T2強調高速フィールドエコー(TE=2.6ms、TR=5.2ms、フリップ角110度、脂肪抑制(SPIR)、エコー時間50ms、最大25心臓相2、マトリックス256×256、取得ボクセルMPS1.56/1.56/3.00mm及び再構成ボクセルMPS0.78/0.78/1.5)、又は研究中の大動脈の部分の同様のシネ取得、軸方向スライスを備えることができる。
画像取得手順310は、複数の画像を多相スタックで編成する。一実施形態では、複数の画像は、その実装が当技術分野で知られている医療用デジタル撮像及び通信(DICOM)スタックに従って段階的に編成される。
一実施形態では、多相スタックの各相は、所与の患者の心周期の時間インスタンスに対応することができる。
画像取得手順310は、多相スタックを出力する。
画像セグメント化
画像セグメント化手順320は、多相スタックの一相に対応する画像を入力として受信する。
画像セグメント化
画像セグメント化手順320は、多相スタックの一相に対応する画像を入力として受信する。
画像セグメント化手順320は、血管の少なくとも一部の3D幾何学モデルを生成するために、血管などのオブジェクトに属するピクセル又はボクセルを識別し、及び/又は血管の境界を形成するピクセル又はボクセルを配置するために、当業者に知られているセグメント化技術を使用する。画像セグメント化手順320は、これらに限られるわけではないが低レベルのセグメント化(閾値処理、領域成長など)、モデルベースのセグメント化(マルチスペクトル、特徴マップ、動的プログラミング、カウンタ追従)、統計技術、ファジー技術、並びに当技術分野で知られている他の技術などの変形可能なモデル及び技術を使用して、ピクセル強度、テクスチャ、及び他の属性のうちの1つ又は複数に基づいてスタックをセグメント化することができる。
画像セグメント化手順320は、多相スタックに基づいて、(i)血管の管腔の3D幾何学モデル、(ii)血管の外壁の3D幾何学モデルを生成する。一実施形態では、画像セグメント化手順320は、多相スタックの第1の相に基づいて、相0として識別される心周期の所与の時間に対応する、管腔の3D幾何学モデル、及び外壁の3D幾何学モデルを生成することができる。
図4Aを簡単に参照すると、本技術の非限定的な実施形態による、腎臓下腹部大動脈瘤の管腔及び外壁420の3D幾何学モデルが示されている。
図3に戻ると、画像セグメント化手順320は、管腔の3D幾何学モデル及び外壁の3D幾何学モデルを出力する。
平滑化及びボリュームメッシュ化
平滑化及びボリュームメッシュ化手順330は、管腔の3次元幾何学モデルを入力として受信する。
平滑化及びボリュームメッシュ化手順330は、管腔の3次元幾何学モデルを入力として受信する。
一般的に言えば、平滑化及びボリュームメッシュ化手順330は、管腔の3D幾何学モデルをフィルタリング又はノイズ除去し、頂点、エッジ、及び面を含むその離散表現を作成する。
平滑化及びボリュームメッシュ化手順330は、管腔の3D幾何学モデルを平滑化し、管腔の3D幾何学モデルのボリュームメッシュを生成する。
一実施形態では、平滑化及びメッシュ化手順330は、八分木法によるトップダウン手法で管腔の3D幾何学モデルのボリュームメッシュを生成し、第1の粗いメッシュは、幾何学形状を囲むように定義され、次いで、所望のメッシュ品質に達するようにスワップ及び平滑化によってノードが幾何学的表面に適合されるより小さな要素に空間的に細分される。この関心領域での結果の精度を向上させるために、プリズム境界層(より細かいメッシュ)が幾何学的壁に含まれる。非限定的な例として、管腔のボリュームメッシュは、約400万個の四面体要素を有してもよい。
平滑化及びボリュームメッシュ化手順330は、管腔の3D幾何学モデルのボリュームメッシュを出力する。
平滑化及び表面メッシュ化
平滑化及び表面メッシュ化手順335は、外壁の3D幾何学モデルを入力として受信する。平滑化及び表面メッシュ化手順335は、外壁の3D幾何学モデルをフィルタリング又はノイズ除去し、頂点、エッジ、及び面を含むその離散表現を作成する。
平滑化及び表面メッシュ化手順335は、外壁の3D幾何学モデルを入力として受信する。平滑化及び表面メッシュ化手順335は、外壁の3D幾何学モデルをフィルタリング又はノイズ除去し、頂点、エッジ、及び面を含むその離散表現を作成する。
平滑化及び表面メッシュ化手順335は、外壁の3D幾何学モデルを平滑化し、外壁の3D幾何学モデルの表面メッシュを生成する。一実施形態では、外壁の3D幾何学モデルの表面メッシュは、小さな三角形の要素又はシェルの離散化された幾何学形状の形態である。
一実施形態では、平滑化及び表面メッシュ化手順335は、平滑化のためのTaubinフィルタ及び/又は二次エッジ崩壊デシメーションを使用してシェルの数を減らす。非限定的な例として、外壁の表面メッシュは、約4,000個の三角形のシェル要素を有することができる。
一実施形態では、外壁の3D幾何学モデルの表面メッシュの分解能は、少なくともピクセルサイズと同じ大きさである。一実施形態では、外壁の表面メッシュは変形可能なメッシュである。
平滑化及び表面メッシュ化手順335は、外壁の3D幾何学モデルの表面メッシュを出力する。
厚さ計算
厚さ計算手順340は、外壁の表面メッシュ及び管腔のボリュームメッシュを入力として受信する。
厚さ計算手順340は、外壁の表面メッシュ及び管腔のボリュームメッシュを入力として受信する。
厚さ計算手順340は、外壁の表面メッシュ及び管腔のボリュームメッシュに基づいて厚さパラメータを決定する。
一般的に言えば、厚さパラメータは、管腔内血栓(ILT)厚さ測定値を含む。厚さ計算手順340は、外壁表面メッシュと管腔表面メッシュとの間の距離に基づいてILT厚さを決定する。厚さ計算手順340は、管腔のボリュームメッシュに基づいて管腔面メッシュを取得する。厚さパラメータは、ILT厚さ測定値の空間分布である。
一実施形態では、ILT表面と壁の内面との間の界面を区別するのに十分な分解能がある場合、厚さ計算手順340は、壁の内面と壁の外面との間の距離に基づいて厚さパラメータを決定する。一実施形態では、厚さ計算手順340は、ILTが存在する場合にのみILT厚さを決定することができる。したがって、一実施形態では、厚さパラメータは、ILT厚さ及び/又は壁厚さを含むことができる。
一実施形態では、管腔の表面メッシュは、管腔のボリュームメッシュから得られる。
厚さパラメータのILT厚さの値の数は限定されず、外壁の表面メッシュ及び管腔の表面メッシュがどのように生成されたかに依存する、すなわち、ILT厚さは、外壁の表面メッシュの各要素と管腔の表面メッシュとの間、又は外壁の表面メッシュの要素のサブセットと管腔の表面メッシュとの間で測定され得ることに留意されたい。
厚さパラメータのILT厚さの値の数は限定されず、外壁の表面メッシュ及び管腔の表面メッシュがどのように生成されたかに依存する、すなわち、ILT厚さは、外壁の表面メッシュの各要素と管腔の表面メッシュとの間、又は外壁の表面メッシュの要素のサブセットと管腔の表面メッシュとの間で測定され得ることに留意されたい。
図6Bを簡単に参照すると、本技術の非限定的な実施形態による、外壁表面上のミリメートル(mm)単位のILT厚さ測定値630の分布及びILT厚さ測定値620の領域平均分布が示されている。
図3に戻ると、厚さ計算手順340は、厚さパラメータを出力する。
動き追跡及びマッピング
動き追跡及びマッピング手順370は、外壁の3D幾何学モデルの表面メッシュ及び全ての相の画像の多相スタックを入力として受信する。
動き追跡及びマッピング
動き追跡及びマッピング手順370は、外壁の3D幾何学モデルの表面メッシュ及び全ての相の画像の多相スタックを入力として受信する。
一実施形態では、動き追跡及びマッピング手順370は、MATLAB(登録商標)(米国マサチューセッツ州ネイティックのMathWorks社)ベースのソフトウェアVirtual Touch Aortic Aneurysm(ViTAATM)によって実行され、その実施形態は国際公開第2018/068153号パンフレットに記載されている。
動き追跡及びマッピング手順370は、第1の相について作成された外壁の3D幾何学モデルの表面メッシュを多相スタック上にアップロードする。
動き追跡及びマッピング手順370は、オプティカルフロー(OF)アルゴリズムを使用して、第1の相の表面メッシュの各ボクセル位置を後続の全ての相にマッピングする。異なる相における全てのボクセルの位置は、第1の相の表面メッシュにマッピングし戻され、第1の相における幾何学形状の各ノード位置は、後続の全ての相に対応するノード位置に関連付けられる。したがって、心周期全体にわたる節点変位、すなわち異なる相が決定され得る。
一実施形態では、動き追跡及びマッピング手順370は、オブジェクトに対応するグレースケール特徴を検出し、その速度を計算することによって後続の時間ステップで撮影された画像間のオブジェクトの変位に従う。
非限定的な例として、CT画像の場合、第1の相に対応するノードは、全ての後続の相に対応するノード位置を有する。
変位したノードのマップから、動き追跡及びマッピング手順370は、全ての相で変形メッシュを生成する。異なる相における全てのボクセルの位置は、第1の相における幾何学形状の各ノード位置は、後続の全ての相に対応するノード位置に関連付けられるように、第1の相のメッシュにマッピングし戻される。
すなわち、320及び335から生成されたメッシュは、メッシュの節点ごとに座標位置を更新することによって、全ての相で変形メッシュを生成するために使用される。
動き追跡及びマッピング手順370は、表面メッシュの各相における局所変形を出力する。
最大歪み計算
最大歪み計算手順380は、表面メッシュの各相及び第1の相の表面メッシュにおける局所変形を入力として受信する。
最大歪み計算手順380は、表面メッシュの各相及び第1の相の表面メッシュにおける局所変形を入力として受信する。
最大歪み計算手順380は、連続力学技術を使用して、表面メッシュの各相における局所的な運動学に基づいてインビボ歪みを計算する。
一実施形態では、最大歪み計算手順380は、まず変形勾配を計算し、これからコーシーグリーン変形テンソルを計算し、次いでグリーンラグランジュ歪みを計算する。次いで、最大歪み計算手順380は、主歪みをグリーンラグランジュ歪みの固有値として計算して、壁歪みパラメータを生成する。壁歪みパラメータは、最大主歪み測定値の分布である。
壁歪みパラメータの最大主歪みの値の数は限定されず、表面メッシュ上で追跡された変位したノードの数に依存することに留意されたい。
図6Cを簡単に参照すると、本技術の非限定的な実施形態による、外壁表面640上の最大主歪みの分布及び外壁表面650上の最大主歪みの領域平均分布が示されている。
図3に戻ると、最大歪み計算手順380は壁歪みパラメータを出力し、壁歪みパラメータは外壁の領域の相対変位を表す。
計算流体力学(CFD)シミュレーション
計算流体力学(CFD)シミュレーション手順350は、管腔の3D幾何学モデルのボリュームメッシュを入力として受信する。
計算流体力学(CFD)シミュレーション手順350は、管腔の3D幾何学モデルのボリュームメッシュを入力として受信する。
一般的に言えば、CFDシミュレーション手順350は、流体の流れを記述するナビエ・ストークス方程式の数値的実施のために有限体積法を使用することによって動脈形状における血流をシミュレートする。CFDシミュレーション手順350は、有限体積法を使用して、領域内の全ての有限体積要素にわたってナビエ・ストークス方程式の離散化された形を解く。CFDシミュレーション手順350は、支配方程式が非線形で結合されているため、収束した数値解を得るために血流をシミュレートするために反復手法を適用する。本技術の代替の実施形態では、同じCFDパラメータを取得するために、有限体積法の代わりに有限要素法又は有限差分法を使用することができることに留意されたい。
CFDシミュレーション手順350は、とりわけ境界条件、粘度、密度、及び時間ステップを含む二次の暗黙の過渡公式及び事前定義されたCFDパラメータを使用する。
一般に、計算ドメイン又は離散化された幾何学形状が定義される。
CFDシミュレーション手順350は、流体力学又は血流を記述するナビエ・ストークス方程式を解くために、領域入口、出口及び壁に境界条件を適用する。現実的な境界条件は信頼性のために重要であることに留意されたい。つまり、大動脈に非現実的な境界条件を使用すると、解に到達することは可能になるが、現実的な流体力学を表すものではないため、結果は明らかに信頼性がない。一実施形態では、境界条件は、実験的MR測定から得られ、各個々の幾何学形状に適合された速度境界条件のアトラスに基づく。
CFDシミュレーション手順350は、流体力学又は血流を記述するナビエ・ストークス方程式を解くために、領域入口、出口及び壁に境界条件を適用する。現実的な境界条件は信頼性のために重要であることに留意されたい。つまり、大動脈に非現実的な境界条件を使用すると、解に到達することは可能になるが、現実的な流体力学を表すものではないため、結果は明らかに信頼性がない。一実施形態では、境界条件は、実験的MR測定から得られ、各個々の幾何学形状に適合された速度境界条件のアトラスに基づく。
一実施形態では、CFDシミュレーション手順350は、計算領域の入口面で速度情報を適用することによって速度入口を定義する。一定の速度値は、時間依存シミュレーション(過渡時間又は非定常シミュレーション)に必要な時間に速度プロファイルを適用する間に定常状態シミュレーションを生成する。一実施形態では、出口における境界条件が流出境界条件として定義される場合、出口における流量は、入口流量の割合として表され、これは、非限定的な例として、各腸骨動脈において50%であってもよい。
CFDシミュレーション手順350は、ニュートン流体については一定であり、非ニュートン流体についてはせん断速度に依存する特定の粘度、及び密度を使用することによって、血液のレオロジーモデル、すなわちニュートン又は非ニュートン挙動を使用する。
一実施形態では、レオロジーモデルは、血液が、割り当てられた一定の密度(例えば1060kg/m3)及び動的粘度(例えば0.00319Pa・s)を有する等方性の非圧縮性ニュートン流体であると仮定する。動脈壁は剛性であると仮定され、流体界面で滑りなし条件が適用される。
一般的に言えば、ニュートン流体としての血液挙動の仮定(すなわち、一定の粘度の平均によるせん断速度に線形に比例するせん断応力)は、せん断速度の上昇を特徴とするより大きな心血管区域でよく受け入れられている。しかしながら、より低いせん断速度では、血液挙動は、せん断速度に応じて変化する粘度を有するせん断減粘特性を仮定して、ニュートン流体の挙動から変化する。血液の非ニュートン挙動は、血液粘度のせん断速度依存性を説明する異なるレオロジーモデル(例えば、Ballykモデル、Carreau-Yasudaモデル)を使用することによってシミュレートすることができる。
一実施形態では、動脈壁の動きは、流体-構造相互作用(FSI)シミュレーションによって組み込むことができ、壁動力学の効果は流体に影響を及ぼすと考えられ、逆もまた同様である。FSIシミュレーションは、構成モデルによって記述される壁材料特性の仮定を必要とする。様々な構成モデルが利用可能であるが、特に病理学的動脈瘤の存在下で、大動脈壁を特徴付ける患者間及び患者内の不均一性を捕捉することにおいて必ずしも正確ではない。さらに、動く動脈壁を含むシミュレーションは、未知の材料特性を有する周囲器官の効果を再現し、壁の動きを制限するための制約の定義を必要とする。したがって、動く動脈壁をシミュレートするために必要な仮定は、CFDシミュレーション手順350の結果に不正確さをもたらす可能性がある。
一実施形態では、CFDシミュレーションは、壁歪みアルゴリズムから得られた壁の節点メッシュの位置を使用して、壁の動きをシミュレーションに課すことによって壁動力学の効果が組み込まれる移動境界CFDシミュレーションを定義することができる。
CFDシミュレーション手順350は、過渡時又は非定常シミュレーションの場合、解くべき方程式の時間離散化を定義する時間ステップを使用する。
CFDシミュレーション手順350の結果の精度は、空間的及び時間的離散化、すなわちメッシュ要素のサイズ及び時間ステップサイズによって影響を受けることに留意されたい。より粗いメッシュ及びより大きい時間ステップサイズは、不安定性をもたらし、最終的にはあまり正確でない結果をもたらすが、シミュレーションを実行することを依然として可能にする。壁付近領域にプリズム状境界層を含む管腔のボリュームメッシュを使用することによって、精度が向上することに留意されたい。
一実施形態では、CFDシミュレーション手順350中に最適な結果を得るために適切なメッシュ改良を識別するために、メッシュ感度解析が行われてもよい。適切なメッシュの改良は、平滑化及びボリュームメッシュ化手順330の間に適用される。
CFDシミュレーション手順350は、血流パラメータを出力し、流れパラメータは、心周期に対する管腔メッシュの各ノードにおける速度及び圧力などの流量値のそれぞれのセットを含む。
図5を簡単に参照すると、本技術の非限定的な実施形態による、心周期の異なる時間におけるAAAの長手方向断面に対するCFDシミュレーション手順後に予測された血流パラメータ500の値が示されている。
血流パラメータ500は、メートル毎秒(m/s)で表される速度輪郭の形態である。血流パラメータ500は、収縮期加速中の第1の速度値セット520、収縮期ピーク中の第2の速度値セット540、収縮期減速中の第3の速度値セット560、及び拡張期中の第4の速度値セット580を備える。
一実施形態では、CFDシミュレーション手順350は、4DフローMRI取得手順355を使用して血流パラメータを計算することに置き換えられる。4DフローMRI取得手順355は、管腔の3D幾何学モデルのボリュームメッシュを入力として受信する。4DフローMRI取得手順355は、管腔の3D幾何学モデルのボリュームメッシュを使用して、速度場が測定されるボリューム部分を識別する。
一実施形態では、4DフローMRI取得手順355は、ECGトリガ及び呼吸トリガデータ取得を含む。一実施形態では、データは、MRIとして実施される場合は医療用撮像装置210によって、又は別のMRI(図示せず)によって取得されてもよい。
非限定的な例として、4DフローMRI取得手順355は、以下の取得パラメータを使用することができる。繰り返し時間=4.8±0.1ms、エコー時間=2.4±0.1ms、等方性ピクセル面内間隔=2.2±0.2[1.7~2.9]mm、スライス厚さ=2.7±0.3[2.2~3.5mm]、心臓時間フレームあたり2k空間セグメント、時間分解能=38.8±1.2[36.0-41.6]ms、受信帯域幅=445-460Hz/ピクセル。
限定はしないが、再構成を実行するための並列撮像などの異なる再構成プロセスを通して、いくつかの大きさの写真を撮影することができる。次いで、全ての空間軸の写真を計算することができる。相オフセット誤差は、前処理中に補正することもできる。解析を実行することができ、解析フェーズ中、データセットは、その後の視覚化及び定量的解析のために最初に品質についてチェックされる。次いで、血流パラメータは、管腔の3D幾何学モデルのボリュームメッシュに対応する体積内の速度場を取得することによって決定され得る。
4DフローMRI取得手順355は、血流パラメータを出力し、血流パラメータは、心周期に対する管腔内の流量値のそれぞれのセットを含む。
管腔壁せん断応力(WSS)計算
図3に戻ると、管腔WSS計算手順360は、CFDシミュレーション手順350の間に計算された血流パラメータを入力として受信する。一実施形態では、管腔WSS計算手順360は、4DフローMRI取得手順355の間に計算された血流パラメータを入力として受信する。
図3に戻ると、管腔WSS計算手順360は、CFDシミュレーション手順350の間に計算された血流パラメータを入力として受信する。一実施形態では、管腔WSS計算手順360は、4DフローMRI取得手順355の間に計算された血流パラメータを入力として受信する。
一実施形態では、管腔WSS計算手順360は、流れ値のセットから全せん断応力ベースの血行動態壁記述子(HWD)を導出する。HWDは、WSSベクトルの大きさ及び方向の時間的変化を組み込む。
管腔WSS計算手順360は、少なくとも1つのHWDに基づいて管腔表面における各ノードの壁せん断応力パラメータを計算する。
一実施形態では、管腔WSS計算手順360は、式(1)を使用して第1のHWD又は時間平均壁せん断応力(TAWSS)を決定する。
ここで、Tは、WSSベクトルの値が測定される時間間隔である。
一般に、TAWSSの低い値(0.4N/m2未満)は、アテローム形成促進性内皮表現型を刺激することが知られており、内膜/中膜複合体厚を示す。TAWSS値の中程度の値(1.5N/m2超)は、無活動及びアテローム保護遺伝子発現プロファイルを誘導する。TAWSSのより高い値(10÷15N/m2超、25÷45N/m2から関連)は、内皮外傷及び溶血をもたらし得る。
一般に、TAWSSの低い値(0.4N/m2未満)は、アテローム形成促進性内皮表現型を刺激することが知られており、内膜/中膜複合体厚を示す。TAWSS値の中程度の値(1.5N/m2超)は、無活動及びアテローム保護遺伝子発現プロファイルを誘導する。TAWSSのより高い値(10÷15N/m2超、25÷45N/m2から関連)は、内皮外傷及び溶血をもたらし得る。
図5Aを簡単に参照すると、本技術の非限定的な実施形態による、管腔表面上のTAWSS600の分布及びTAWSS610の領域平均分布がパスカル(Pa)で示されている。
図3に戻ると、一実施形態では、管腔WSS計算手順360は、式(2)を使用することによって第2のHWD又は振動せん断指数(OSI)を決定する。
OSIは、心周期中に高度に振動するWSS方向を受ける血管壁上の領域を識別するために使用される。低OSI値は、流れの乱れが最小である部位で発生するが、高OSI値(最大0.5)は、瞬間的なWSSが心周期の大部分において主流方向から逸脱し、乱れた内皮アライメントを誘発する部位を強調する。
一実施形態では、管腔WSS計算手順360は、式(3)を使用して第3のHWD又は相対滞留時間(RRT)を決定する。
RRTは、時間平均WSSベクトルの大きさ(すなわち、OSI式の分子内の項)に反比例することに留意されたい。壁付近の粒子の滞留時間は、OSIとTAWSSの組合せに比例する。高いRRTは、低い振動せん断応力を示す。
管腔WSS計算手順360は、TAWSSに基づいて壁せん断応力パラメータを決定する。本技術の代替の実施形態では、管腔WSS計算手順360は、TAWSS、OSI、及びRRTのうちの少なくとも1つにさらに基づいて壁せん断応力パラメータを決定することができると考えられる。
壁せん断応力パラメータは、管腔内の流れの乱れ、又は管腔断面の領域と同一平面上にある応力の成分を示す。
パッチ適用及び分類
パッチ適用及び分類手順390は、厚さパラメータ、壁歪みパラメータ、及び壁せん断応力パラメータを入力として受信する。
パッチ適用及び分類手順390は、厚さパラメータ、壁歪みパラメータ、及び壁せん断応力パラメータを入力として受信する。
パッチ適用及び分類手順390は、管腔中心線に対して垂直に、外壁及び管腔を備える血管幾何学形状上に複数のパッチを定義し、厚さパラメータ、壁歪みパラメータ及び壁せん断応力パラメータの各々についてパッチ平均分布を決定する。
非限定的な例として、パッチ適用及び分類手順390は、外壁及び管腔の血管幾何学形状上に24個のパッチを定義し、24個のパッチの各々について、壁厚さ、壁歪み、及び壁せん断応力の値を計算することができる。非限定的な例として、所与のパッチが、40個の値の壁せん断応力が壁せん断応力パラメータに存在するメッシュの40個の要素に対応する場合、パッチ適用及び分類手順390は、所与のパッチの40個の値の壁せん断応力の平均を計算することができる。
一実施形態では、パッチ適用及び分類手順390は、厚さパラメータ、壁歪みパラメータ、及び壁せん断応力パラメータの各々についての集団ベースの値を受信する。
一実施形態では、パッチ適用及び分類手順390は、ILT厚さ、壁歪み、及びTAWSSのパッチ平均分布の分布四分位値を決定する。一実施形態では、分布四分位値は、患者特有の分布及び集団ベースの分布のパッチ平均分布ごとに決定される。
一実施形態では、パッチ適用及び分類手順390は、決定された分布四分位値に基づいて、各パッチについて、ILT厚さ、壁歪み、及びTAWSSを分類する。
一実施形態では、パッチ適用及び分類手順390は、パッチ平均厚さパラメータ、パッチ平均壁歪みパラメータ、及びパッチ平均壁せん断応力パラメータの各値に1から4のカテゴリを割り当てる。
非限定的な例として、図6Aから図6Cにそれぞれ示されている厚さパラメータ、壁歪みパラメータ、及び壁せん断応力パラメータについて、パッチ適用及び分類手順390は、パッチ平均厚さパラメータ、パッチ平均壁歪みパラメータ、及びパッチ平均壁せん断応力パラメータの各パッチについて、表Iに詳述されている値及びカテゴリを取得する。
パッチ適用及び分類手順390は、各パッチについて、パッチ平均TAWSS、パッチ平均厚さパラメータ、及びパッチ平均壁歪みパラメータのそれぞれのカテゴリを出力する。
領域破裂可能性(RRP)計算
RRP計算手順400は、パッチ平均厚さパラメータ、パッチ平均壁歪みパラメータ、及びパッチ平均壁せん断応力パラメータのそれぞれのカテゴリを入力として受信する。
RRP計算手順400は、パッチ平均厚さパラメータ、パッチ平均壁歪みパラメータ、及びパッチ平均壁せん断応力パラメータのそれぞれのカテゴリを入力として受信する。
別の実施形態では、RRP計算手順400は、厚さパラメータ、壁歪みパラメータ、及び壁せん断応力パラメータを入力として受信し、RRPパラメータを決定する。さらなる実施形態では、RRP計算手順400は、パッチ平均厚さパラメータ、パッチ平均壁歪みパラメータ、及びパッチ平均壁せん断応力パラメータを受信し、RRPパラメータを決定する。
一実施形態では、RRP計算手順400は、領域破裂可能性(RRP)パラメータを決定する。RRPパラメータは、血管壁の領域又は領域のセットの領域脆弱化の状態及び破裂の確率を表すことができる。RRPパラメータは、大動脈壁を含むがこれに限定されない血管壁の有害な再構築及び変性に対する様々な要因を考慮に入れ、血管の脆弱化の局所状態並びにその結果の拡張及び破裂の可能性を示す。
一実施形態では、RPPパラメータは、入力の加重和に対応する。例えば、RRP計算手順400は、式(4)を使用してRRPパラメータを決定することができる。
特定の動脈に血栓が存在しない実施形態では、厚さパラメータのILT厚さはどこでも0の値を有することができ、RRP計算手順400は、全ての動脈瘤がILT形成を呈するわけではないので、壁せん断応力パラメータ及び壁歪みパラメータに基づいてRRPを決定する。
一実施形態では、RRP計算手順400は、患者特有の分布四分位値及び集団ベースの分布四分位値のRRPパラメータを決定する。一実施形態では、RRP計算手順400は、最終RRPパラメータ推定値を取得するために、患者特有の分布四分位値及び集団ベースの分布四分位値の寄与に重み付けする。一実施形態では、RRP計算手順400は、臨床データ及び以前に計算されたRRPパラメータに基づいてRRPパラメータを決定するように訓練されたMLAにアクセスする。
RRP計算手順400は、RRPパラメータを出力し、RRPパラメータは、パッチ適用及び分類手順390の間に定義されたパッチ又は領域の各々の破裂可能性を含む。一実施形態では、RRPパラメータは、各パッチの膨張及び破裂の可能性を示す0%(破裂する可能性が低い)から100%(破裂する可能性が非常に高い)まで変化するパーセンテージの形態であり得る。
一実施形態では、RRP計算手順400は、電子デバイスのディスプレイインターフェース140などの電子デバイスの表示画面上に血管の3D何学モデルを有するRRPパラメータを出力する。一実施形態では、RRPパラメータ内のRRPの値は、所定の閾値を使用して決定され得る。
図7を参照すると、本技術の非限定的な実施形態による、パッチLP5に位置する推定破裂部位720を有する大動脈壁表面上のパッチに対して計算されたRRP値を含むRRPパラメータ700が示されている。
方法の説明
図8は、本技術の非限定的な実施形態による、所与の患者の血管の領域破裂の可能性を推定する方法800のフローチャートを示す。
図8は、本技術の非限定的な実施形態による、所与の患者の血管の領域破裂の可能性を推定する方法800のフローチャートを示す。
方法800は、コンピュータマシンによって実行される。例えば、方法800は、サーバ230によって実行されてもよい。一実施形態では、サーバ230は、プロセッサ110と、コンピュータ可読命令を記憶するソリッドステートドライブ120及び/又はランダムアクセスメモリ130などの非一時的コンピュータ可読記憶媒体とを備える。プロセッサ110は、コンピュータ可読命令を実行すると、方法800を実行するように構成される。
方法800は、複数の電子デバイスによって実行されてもよいことに留意されたい。
方法800は、ステップ802で開始する。
方法800は、ステップ802で開始する。
ステップ802:血管の複数の画像を受信する
ステップ802において、サーバ230は、ワークステーションコンピュータ215又は医療用撮像装置210から、所与の対象の血管の複数の画像を受信する。
ステップ802において、サーバ230は、ワークステーションコンピュータ215又は医療用撮像装置210から、所与の対象の血管の複数の画像を受信する。
一実施形態では、ワークステーションコンピュータ215は、医療用撮像装置210から複数の画像を受信する。
方法800は、ステップ804に進む。
ステップ804:複数の画像を多相スタックに編成する
ステップ804において、サーバ230は、複数の画像を多相スタックに編成する。一実施形態では、ワークステーションコンピュータ215は、複数の画像を多相スタックに編成し、多相スタックをサーバ230に送信することができる。多相スタックの所与の相は、心周期の所与の時間における血管を表す。
ステップ804:複数の画像を多相スタックに編成する
ステップ804において、サーバ230は、複数の画像を多相スタックに編成する。一実施形態では、ワークステーションコンピュータ215は、複数の画像を多相スタックに編成し、多相スタックをサーバ230に送信することができる。多相スタックの所与の相は、心周期の所与の時間における血管を表す。
方法800は、ステップ806に進む。
ステップ806:多相スタックをセグメント化することによって、管腔の第1の幾何学モデル及び血管の外壁の第2の幾何学モデルを生成する
ステップ806において、サーバ230は、多相スタックをセグメント化することによって、血管の管腔の第1の3D幾何学モデル及び血管の外壁の第2の3D幾何学モデルを生成する。
ステップ806:多相スタックをセグメント化することによって、管腔の第1の幾何学モデル及び血管の外壁の第2の幾何学モデルを生成する
ステップ806において、サーバ230は、多相スタックをセグメント化することによって、血管の管腔の第1の3D幾何学モデル及び血管の外壁の第2の3D幾何学モデルを生成する。
一実施形態では、血管の管腔の第1の3D幾何学モデル、及び血管の外壁の第2の3D幾何学モデルは、相0として識別される心周期の時間に対応する、多相スタックの第1の相に基づいて生成される。
方法800は、ステップ806に進む。
ステップ808:第1の幾何学モデルを平滑化及び離散化して管腔のボリュームメッシュを取得し、第2の幾何学モデルを平滑化及び離散化して外壁の表面メッシュを取得する
ステップ808において、サーバ230は、管腔の第1の幾何学モデル又は3D幾何学モデルを平滑化して、管腔の3D幾何学モデルのボリュームメッシュを取得する。一実施形態では、サーバ230は、八分木法によってトップダウン手法で管腔の3D幾何学モデルのボリュームメッシュを生成する。
ステップ808:第1の幾何学モデルを平滑化及び離散化して管腔のボリュームメッシュを取得し、第2の幾何学モデルを平滑化及び離散化して外壁の表面メッシュを取得する
ステップ808において、サーバ230は、管腔の第1の幾何学モデル又は3D幾何学モデルを平滑化して、管腔の3D幾何学モデルのボリュームメッシュを取得する。一実施形態では、サーバ230は、八分木法によってトップダウン手法で管腔の3D幾何学モデルのボリュームメッシュを生成する。
サーバ230は、外壁の3D幾何学モデルを平滑化して、外壁の3D幾何学モデルの表面メッシュを取得する。一実施形態では、外壁の3D幾何学モデルの表面メッシュは、小さな三角形の要素の離散化された幾何学形状の形態である。
管腔のボリュームメッシュを取得するための第1の幾何学モデルの平滑化、及び外壁の表面メッシュを取得するための第2の幾何学モデルの平滑化は、並行して又は順番に実行されてもよいことに留意されたい。
方法800はステップ810に進む。
ステップ810:ボリューム及び表面メッシュに基づいて、厚さパラメータを計算する
ステップ808において、サーバ230は、外壁の表面メッシュ及び管腔のボリュームメッシュに基づいて厚さパラメータを計算する。一実施形態では、サーバ230は、まず、管腔のボリュームメッシュに基づいて管腔の表面メッシュを決定する。一実施形態では、厚さパラメータは、管腔内血栓(ILT)厚さ測定値を含む。サーバ230は、外壁表面メッシュと管腔表面メッシュとの間の距離に基づいてILT厚さを決定する。一実施形態では、ILT表面と壁の内面との間の界面を区別するのに十分な分解能がある場合、サーバ230は、壁の内面と壁の外面との間の距離に基づいて厚さパラメータを決定する。
ステップ810:ボリューム及び表面メッシュに基づいて、厚さパラメータを計算する
ステップ808において、サーバ230は、外壁の表面メッシュ及び管腔のボリュームメッシュに基づいて厚さパラメータを計算する。一実施形態では、サーバ230は、まず、管腔のボリュームメッシュに基づいて管腔の表面メッシュを決定する。一実施形態では、厚さパラメータは、管腔内血栓(ILT)厚さ測定値を含む。サーバ230は、外壁表面メッシュと管腔表面メッシュとの間の距離に基づいてILT厚さを決定する。一実施形態では、ILT表面と壁の内面との間の界面を区別するのに十分な分解能がある場合、サーバ230は、壁の内面と壁の外面との間の距離に基づいて厚さパラメータを決定する。
ステップ810は、ステップ806の後かつステップ818の前にいつでも実行されてもよいことに留意されたい。
方法800は、ステップ812に進む。
ステップ812:表面メッシュのボクセルを多相スタックにマッピングすることによって、多相スタックの各相における局所変形を決定する
ステップ810において、サーバ230は、外壁の表面メッシュのボクセルを多相スタックにマッピングすることによって、多相スタックの各相における局所変形を決定する。一実施形態では、サーバ230は、連続力学技術を使用して、外壁の変形メッシュから各相における変形勾配テンソルを取得する。
ステップ812:表面メッシュのボクセルを多相スタックにマッピングすることによって、多相スタックの各相における局所変形を決定する
ステップ810において、サーバ230は、外壁の表面メッシュのボクセルを多相スタックにマッピングすることによって、多相スタックの各相における局所変形を決定する。一実施形態では、サーバ230は、連続力学技術を使用して、外壁の変形メッシュから各相における変形勾配テンソルを取得する。
方法800は、ステップ814に進む。
ステップ814:各相における局所変形に基づいて、壁歪みパラメータを計算する
ステップ814において、サーバ230は、各相における変形勾配テンソルに基づいて、主歪み方向に沿った全ての相における壁歪みパラメータ又は最大主歪み計算を計算する。
ステップ814:各相における局所変形に基づいて、壁歪みパラメータを計算する
ステップ814において、サーバ230は、各相における変形勾配テンソルに基づいて、主歪み方向に沿った全ての相における壁歪みパラメータ又は最大主歪み計算を計算する。
方法800は、ステップ816に進む。
ステップ816:管腔のボリュームメッシュに少なくとも部分的に基づいて血流パラメータを生成する
一実施形態では、ステップ816において、サーバ230は、まず、ボリュームメッシュに少なくとも部分的に基づいて、管腔内の血流のシミュレーションを生成する。管腔内の血流のシミュレーションを生成するために、サーバ230は、境界条件、粘度、密度、及び時間ステップを含むCFDパラメータを使用する。サーバ230は、血流パラメータを取得し、血流パラメータは、心周期に対する管腔内の血流値のそれぞれのセットを含む。一実施形態では、ステップ816は、所与の患者に対して4DフローMRIを使用することによって置き換えることができる。つまりサーバ230は、4DフローMRIデータを使用して血流パラメータを取得し、血流パラメータは、心周期に対する管腔内の血流値のそれぞれのセットを含む。
ステップ816:管腔のボリュームメッシュに少なくとも部分的に基づいて血流パラメータを生成する
一実施形態では、ステップ816において、サーバ230は、まず、ボリュームメッシュに少なくとも部分的に基づいて、管腔内の血流のシミュレーションを生成する。管腔内の血流のシミュレーションを生成するために、サーバ230は、境界条件、粘度、密度、及び時間ステップを含むCFDパラメータを使用する。サーバ230は、血流パラメータを取得し、血流パラメータは、心周期に対する管腔内の血流値のそれぞれのセットを含む。一実施形態では、ステップ816は、所与の患者に対して4DフローMRIを使用することによって置き換えることができる。つまりサーバ230は、4DフローMRIデータを使用して血流パラメータを取得し、血流パラメータは、心周期に対する管腔内の血流値のそれぞれのセットを含む。
一実施形態では、ステップ816において、サーバ230は、4DフローMRIを実行することによって血流パラメータを生成する。管腔の3D幾何学モデルのボリュームメッシュに基づいて、速度場が測定される。4DフローMRIは、医療用撮像装置210が4DフローMRI取得を実行するように動作可能なMRIである場合には医療用撮像装置210を使用することによって、又は医療用撮像装置210がMRIではない場合には4DフローMRI取得を実行するように動作可能なMRIを使用することによって実行することができる。
血流パラメータは、心周期に対する管腔内の血流値のそれぞれのセットを含む。
方法800は、ステップ818に進む。
方法800は、ステップ818に進む。
ステップ818:血流パラメータに基づいて、壁せん断応力パラメータを決定する
ステップ818において、サーバ230は、心周期に対する管腔内の血流値のそれぞれのセットを含む血流パラメータに基づいて、CFD結果に基づいて壁せん断応力(WSS)外乱を決定して、壁せん断応力パラメータを計算する。
ステップ818において、サーバ230は、心周期に対する管腔内の血流値のそれぞれのセットを含む血流パラメータに基づいて、CFD結果に基づいて壁せん断応力(WSS)外乱を決定して、壁せん断応力パラメータを計算する。
サーバ230は、CFD結果から全せん断応力に基づく血行動態壁記述子(HWD)を導出する。一実施形態では、サーバ230は、CFD結果の代わりに、4DフローMRIデータから全せん断応力ベースの血行動態壁記述子(HWD)を導出する。HWDは、WSSベクトルの大きさ及び方向の時間的変化を組み込む。サーバ230は、HWDに基づいて壁せん断応力パラメータを計算する。
一実施形態では、壁せん断応力パラメータは、時間平均壁せん断応力(TAWSS)を含む。
方法800は、ステップ820に進む。
ステップ820:厚さパラメータ、壁歪みパラメータ、及び壁せん断応力パラメータに基づいて、血管の破裂可能性パラメータを計算する
ステップ820において、サーバ230は、厚さパラメータ、壁歪みパラメータ、及び壁せん断応力パラメータに基づいて、破裂可能性パラメータを計算する。
ステップ820:厚さパラメータ、壁歪みパラメータ、及び壁せん断応力パラメータに基づいて、血管の破裂可能性パラメータを計算する
ステップ820において、サーバ230は、厚さパラメータ、壁歪みパラメータ、及び壁せん断応力パラメータに基づいて、破裂可能性パラメータを計算する。
一実施形態では、サーバ230は、管腔中心線に対して垂直な外壁及び管腔の血管幾何学形状上に複数のパッチを定義し、壁歪みパラメータ、厚さパラメータ、及び壁せん断応力パラメータの各々についてパッチ平均分布を決定する。
一実施形態では、サーバ230は、壁歪みパラメータ、厚さパラメータ、及び壁せん断応力パラメータの集団ベースの値を受信する。
一実施形態では、サーバ230は、それぞれパッチ平均厚さパラメータ、パッチ平均壁歪みパラメータ、及びパッチ平均壁せん断応力パラメータにおけるILT厚さ、壁歪み、及び壁せん断応力のパッチ平均分布の分布四分位値を決定する。一実施形態では、分布四分位値は、患者特有の分布及び集団ベースの分布のパッチ平均分布ごとに決定される。
一実施形態では、サーバ230は、決定された分布四分位値に基づいて、各パッチについて、ILT厚さ、壁歪み、及び壁せん断応力を分類する。
一実施形態では、サーバ230は、パッチ平均厚さパラメータ、パッチ平均壁歪みパラメータ、及びパッチ平均壁せん断応力パラメータの各値に1から4のカテゴリを割り当てる。
サーバ230は、パッチ平均厚さパラメータ、パッチ平均壁歪みパラメータ、及びパッチ平均壁せん断応力パラメータのカテゴリに基づいて、各パッチの領域破壊可能性(RRP)を決定する。
領域破裂可能性パラメータは、血管上の複数のパッチの各パッチの脆弱化の状態及び破裂可能性を示す。
ここで、方法800は終了する。
実験結果
図4A~図7を参照すると、本技術の非限定的な実施形態による患者の領域破裂可能性を決定する実験結果が記載されている。
実験結果
図4A~図7を参照すると、本技術の非限定的な実施形態による患者の領域破裂可能性を決定する実験結果が記載されている。
患者は、腎臓下AAA(直径5.6cm)を有する62歳の男性患者であり、術前のECGゲート動的コンピュータ断層撮影スキャンが、活動性破裂動脈瘤のX線所見を示し、領域破裂可能性を決定することを可能にした。
予測されたフローパターンは、図5及び図6A~図6Cに示すように、低いTAWSS値及び厚いILTが支配的であった動脈瘤嚢における再循環及び低速度によって特徴付けられた。領域平均TAWSSとILT厚さとの間に強い負の相関が見られた(ρ=-0.78、p=5.9e-06)。図5及び図6A~図6Cに示すように、高速度に関連する主流路は、首及び大動脈壁上の衝突領域に見え、その結果、高いTAWSS、ILT及び高歪みがほとんどなく、領域平均TAWSSと最大主歪みとの間(ρ=0.60、p=0.0022)、及び領域平均ILTと歪みとの間(ρ=-0.61、p=0.0014)の中程度の正の相関を指摘している。
AAA破裂は、手術介入時に特定され、図4A及び図4Bに示されるように、最大直径の位置ではなく、パッチLP5のレベルで、時計文字盤上のおよそ5時あたりで後側方に発生した。この領域は、図7に示すように、弱い壁を示すRRPに対応する、低いパッチ平均TAWSS、厚いILT及び高い最大主歪みを示した。上記で再現された表Iは、各記述子について対応するカテゴリを有する全てのパッチを示す。パッチLP5には、TAWSS(低TAWSS)についてカテゴリ1、ILT(厚い血栓)についてカテゴリ4及び歪み(高い変形能)についてカテゴリ3が割り当てられた。
考察及び結論
動脈瘤破裂は、血流速度が低下した部位で発生し、以前に報告された所見と一致して、低いTAWSS及び厚い血栓の堆積に関連する再循環を特徴としていた。せん断応力は破裂の直接的な原因である可能性は低いが、パッチ平均TAWSSとILTとの間に見られる強い相関は、低い振動壁せん断応力が支配的である乱流の位置での血栓堆積の機構を示唆している。ILT蓄積の影響は、局所的な炎症過程及び低酸素症に寄与し、疾患進行の陰で有害な再構築及び構造的完全性の喪失をもたらし得る。
動脈瘤破裂は、血流速度が低下した部位で発生し、以前に報告された所見と一致して、低いTAWSS及び厚い血栓の堆積に関連する再循環を特徴としていた。せん断応力は破裂の直接的な原因である可能性は低いが、パッチ平均TAWSSとILTとの間に見られる強い相関は、低い振動壁せん断応力が支配的である乱流の位置での血栓堆積の機構を示唆している。ILT蓄積の影響は、局所的な炎症過程及び低酸素症に寄与し、疾患進行の陰で有害な再構築及び構造的完全性の喪失をもたらし得る。
不均一な再構築は、変形能の局所的なインビボ測定に反映される。主流路衝突の可能性のある結果として、TAWSSと歪みとの間に中程度の領域的相関が見出された(首、LA3、RA3、LA6)。しかし、破裂したパッチは反対の傾向を示し、図6A~図7に示すように、低いTAWSS及び高い最大主歪みを示し、局所的な脆弱化の指標として高いRRP指数をもたらす。これらの観察は、壁の局所的な脆弱化の状態に関する情報を追加することによって、破裂位置の良好な予測を可能にした。この研究は、1人の破裂した患者に限定され、CFDシミュレーションのために剛性大動脈壁を想定した。限定にもかかわらず、結果は、大動脈壁の脆弱性を評価する際の局所的な記述子の重要性を指摘しており、可能性のありそうな臨床応用を伴う個々の動脈瘤の破裂の可能性を推定する際の流体力学及び歪み解析の組合せの予測力を示している。
本技術の少なくともいくつかの実施形態は、特定の技術的問題、すなわち血管の3Dモデル及び計算流体力学シミュレーションを使用することによって血管のインビボ破裂の可能性を決定することに対処するための技術的解決策の範囲を拡大することを目的としており、これにより計算リソースを節約することができることは当業者には明らかであろう。
本明細書で言及される全ての技術的効果が、本技術のありとあらゆる実施形態において享受される必要はないことを明確に理解されたい。例えば、本技術の実施形態は、ユーザがこれらの技術的効果のいくつかを享受することなく実装されてもよく、他の非限定的な実施形態は、ユーザが他の技術的効果を享受するか、又は全くすることなく実装されてもよい。
これらのステップ及び信号送信-受信のいくつかは当技術分野で周知であり、したがって、簡略化のためにこの説明の特定の部分では省略されている。信号は、光学的手段(光ファイバ接続など)、電子的手段(有線又は無線接続など)、及び機械的手段(例えば、圧力ベース、温度ベース、又は任意の他の適切な物理的パラメータベース)を使用して送受信することができる。
本技術の上述の実装に対する変更及び改良は、当業者には明らかになり得る。前述の説明は、限定ではなく例示であることを意図している。したがって、本技術の範囲は、添付の特許請求の範囲によってのみ限定されることが意図される。
Claims (28)
- 所与の対象の血管の少なくとも1つの領域の脆弱化の状態を示す破裂の可能性を決定するためのコンピュータ実装方法であって、前記方法はサーバによって実行可能であり、
・前記サーバによって、医療用撮像装置によって取得された、前記所与の対象の前記血管の複数の画像を受信するステップと、
・前記サーバによって、前記複数の画像を多相スタックに編成するステップであって、前記多相スタックの所与の相は、心周期の所与の時間における前記血管を表す、ステップと、
・前記サーバによって、前記多相スタックを使用して、前記血管の管腔のボリュームメッシュ及び前記血液の外壁の表面メッシュを生成するステップと、
・前記サーバによって、前記管腔の前記表面メッシュ及び前記外壁の前記表面メッシュに基づいて、厚さパラメータを計算するステップと、
・前記サーバによって、前記外壁の前記表面メッシュのボクセルを前記多相スタックにマッピングすることによって、前記多相スタックの各相における局所変形を決定するステップと、
・前記サーバによって、各相における前記局所変形に基づいて、前記外壁における最大主歪みを示す壁歪みパラメータを計算するステップと、
・前記管腔の前記ボリュームメッシュに少なくとも部分的に基づいて血流パラメータを生成するステップであって、前記血流パラメータは、心周期に対する前記管腔内の血流値のそれぞれのセットを含む、ステップと、
・前記サーバによって、前記血流パラメータに基づいて、前記管腔内の壁せん断外乱を示す壁せん断応力パラメータを計算するステップと、
・前記サーバによって、前記厚さパラメータ、前記壁歪みパラメータ、及び前記壁せん断応力パラメータに基づいて、前記血管の破裂可能性パラメータを決定するステップであって、前記破裂可能性パラメータは、前記血管の前記少なくとも1つの領域の脆弱化の状態を示す、ステップと、を備える、方法。 - 前記少なくとも1つの壁せん断応力パラメータは、時間平均壁せん断応力(TAWSS)を含む、請求項1に記載の方法。
- 前記血流パラメータを生成する前記ステップは、前記心周期に対する前記管腔内の血流値の前記それぞれのセットを取得するために、前記管腔内の血流の計算流体力学(CFD)シミュレーションを生成することを含む、請求項1又は2に記載の方法。
- 前記血流パラメータを生成する前記ステップは、前記心周期に対する前記管腔内の血流値の前記それぞれのセットを取得するために4DフローMRI取得を実行することを含む、請求項1又は2に記載の方法。
- 前記方法は、前記壁歪みパラメータを計算するステップの前に、
前記多相スタック及び前記外壁の前記表面メッシュに基づいて、前記表面メッシュの各相における局所変形を決定するステップをさらに備え、
前記壁歪みパラメータを計算する前記ステップは、前記表面メッシュの各相における前記局所変形に基づく、
請求項1から4のいずれか1項に記載の方法。 - 前記厚さパラメータを計算する前記ステップは、前記外壁の前記表面メッシュと前記管腔の表面メッシュとの間の距離に基づいて管腔内血栓(ILT)厚さを計算することを含む、請求項1から2のいずれか1項に記載の方法。
- 前記方法は、前記破裂可能性パラメータを決定する前記ステップの前に、
集団ベースの厚さパラメータ、集団ベースの壁歪みパラメータ、及び集団ベースの壁せん断応力パラメータを受信するステップをさらに備え、
前記破裂可能性パラメータを決定する前記ステップは、前記集団ベースの厚さパラメータ、前記集団ベースの壁歪みパラメータ、及び前記集団ベースの壁せん断応力パラメータにさらに基づく、
請求項1から6のいずれか1項に記載の方法。 - 前記方法は、前記破裂可能性パラメータを推定する前記ステップの前に、
前記サーバによって、前記血管上に複数のパッチを定義するステップをさらに備え、
前記厚さパラメータ、前記壁歪みパラメータ、及び前記壁せん断応力パラメータを計算する前記ステップは、前記複数のパッチを使用して、パッチ平均厚さパラメータ、パッチ平均壁歪みパラメータ、及びパッチ平均壁せん断応力パラメータを計算することを含み、
前記破裂可能性パラメータは、前記パッチ平均厚さパラメータ、前記パッチ平均壁歪みパラメータ、及び前記パッチ平均壁せん断応力パラメータに基づく、
請求項1から7のいずれか1項に記載の方法。 - 前記パッチ平均厚さパラメータ、前記パッチ平均壁歪みパラメータ、及び前記パッチ平均壁せん断応力パラメータを計算する前記ステップは、前記集団ベースの厚さパラメータ、前記集団ベースの壁歪みパラメータ、及び前記集団ベースの壁せん断応力パラメータにさらに基づく、請求項8に記載の方法。
- 前記パッチ平均厚さパラメータ、前記パッチ平均壁歪みパラメータ、及び前記パッチ平均壁せん断応力パラメータの各々についてそれぞれの分布四分位値を決定するステップをさらに備える、請求項9に記載の方法。
- 前記それぞれの分布四分位値に基づいて、前記パッチ平均厚さパラメータ、前記パッチ平均壁歪みパラメータ、及び前記パッチ平均壁せん断応力パラメータの各々を分類するステップをさらに備える、請求項10に記載の方法。
- 前記それぞれのカテゴリは、1から4のそれぞれの値を有する、請求項12に記載の方法。
- 前記管腔の前記ボリュームメッシュを生成する前記ステップ及び前記外壁の前記表面メッシュを生成する前記ステップは、
・前記サーバによって、前記多相スタックをセグメント化することによって前記血管の前記管腔の第1の幾何学モデル及び前記血管の前記外壁の第2の幾何学モデルを生成するステップと、
・前記サーバによって、前記管腔の前記ボリュームメッシュを取得するために前記第1の幾何学モデルを平滑化し、前記外壁の前記表面メッシュを取得するために前記第2の幾何学モデルを平滑化するステップと、を備える、請求項1から13のいずれか1項に記載の方法。 - 所与の対象の血管の少なくとも1つの領域の脆弱化の状態を示す破裂の可能性を決定するためのシステムであって、
プロセッサと、
前記プロセッサに接続された、命令を含むコンピュータ可読記憶媒体とを備え、
前記プロセッサは、前記命令を実行すると、
・医療用撮像装置によって取得された、前記所与の対象の前記血管の複数の画像を受信し、
・前記複数の画像を多相スタックに構成し、前記多相スタックの所与の相は、心周期の所与の時間における前記血管を表し、
・前記多相スタックを使用して、前記血管の管腔のボリュームメッシュ及び前記血液の外壁の表面メッシュを生成し、
・前記管腔の前記ボリュームメッシュ及び前記外壁の前記表面メッシュに基づいて、厚さパラメータを計算し、
・前記外壁の前記表面メッシュのボクセルを前記多相スタックにマッピングすることによって、前記多相スタックの各相における局所変形を決定し、
・各相における前記局所変形に基づいて、前記外壁における最大主歪みを示す壁歪みパラメータを計算し、
・前記管腔の前記ボリュームメッシュに少なくとも部分的に基づいて血流パラメータを生成し、前記血流パラメータは、所与の瞬間の前記管腔内の血流値のそれぞれのセットを含み、
・前記血流パラメータに基づいて、前記管腔内の壁せん断外乱を示す壁せん断応力パラメータを計算し、
・前記管腔厚さパラメータ、前記壁歪みパラメータ、及び前記壁せん断応力パラメータに基づいて、前記血管の破裂可能性パラメータを決定し、前記破裂可能性パラメータは、前記血管の少なくとも1つの領域の脆弱化の状態を示す、ように構成されている、システム。 - 前記少なくとも1つの壁せん断応力パラメータは、時間平均壁せん断応力(TAWSS)を含む、請求項15に記載のシステム。
- 前記血流パラメータの前記生成は、前記心周期に対する前記管腔内の血流値の前記それぞれのセットを取得するための、前記管腔内の血流の計算流体力学(CFD)シミュレーションの生成を含む、請求項15又は16に記載のシステム。
- 前記血流パラメータの前記生成は、前記心周期に対する前記管腔内の血流値の前記それぞれのセットを取得するための4DフローMRI取得の実行を含む、請求項15又は16に記載のシステム。
- 前記プロセッサは、前記壁歪みパラメータの前記計算の前に、
前記多相スタック及び前記外壁の前記表面メッシュに基づいて、前記表面メッシュの各相における局所変形を決定するようさらに構成され、
前記壁歪みパラメータの前記計算は、前記表面メッシュの各相における前記局所変形に基づく、請求項15から18のいずれか1項に記載のシステム。 - 前記厚さパラメータは、前記外壁の前記表面メッシュと前記管腔の表面メッシュとの間の距離に基づいて決定される、請求項15から19のいずれか1項に記載のシステム。
- 前記プロセッサは、前記領域破裂可能性パラメータの前記決定の前に、
集団ベースの厚さパラメータ、集団ベースの壁歪みパラメータ、及び集団ベースの壁せん断応力パラメータを受信するようにさらに構成され、
前記領域破裂可能性パラメータの前記決定は、前記集団ベースの厚さパラメータ、前記集団ベースの壁歪みパラメータ、及び前記集団ベースの壁せん断応力パラメータにさらに基づく、請求項15から20のいずれか1項に記載のシステム。 - 前記プロセッサは、前記破裂可能性パラメータの前記推定の前に、
前記血管上に複数のパッチを画定するようにさらに構成され、
前記厚さパラメータ、前記壁歪みパラメータ、及び前記壁せん断応力パラメータの前記計算は、前記複数のパッチを使用した、パッチ平均厚さパラメータ、パッチ平均壁歪みパラメータ、及びパッチ平均壁せん断応力パラメータの計算を備え、
前記領域破裂可能性パラメータは、前記パッチ平均厚さパラメータ、前記パッチ平均壁歪みパラメータ、及び前記パッチ平均壁せん断応力パラメータに基づく、請求項15から21のいずれか1項に記載のシステム。 - 前記パッチ平均厚さパラメータ、前記パッチ平均壁歪みパラメータ、及び前記パッチ平均壁せん断応力パラメータの前記計算は、前記集団ベースの厚さパラメータ、前記集団ベースの壁歪みパラメータ、及び前記集団ベースの壁せん断応力パラメータにさらに基づく、請求項22に記載のシステム。
- 前記プロセッサは、前記パッチ平均厚さパラメータ、前記パッチ平均壁歪みパラメータ、及び前記パッチ平均壁せん断応力パラメータの各々についてそれぞれの分布四分位値を決定するようにさらに構成されている、請求項23に記載のシステム。
- 前記プロセッサは、前記それぞれの分布四分位値に基づいて、前記パッチ平均厚さパラメータ、前記パッチ平均壁歪みパラメータ、及び前記パッチ平均壁せん断応力パラメータの各々を分類するようにさらに構成されている、請求項24に記載のシステム。
- 前記それぞれのカテゴリは、1から4のそれぞれの値を有する、請求項26に記載のシステム。
- 前記管腔の前記ボリュームメッシュの前記生成及び前記外壁の前記表面メッシュの前記生成は、
・前記サーバによる、前記多相スタックのセグメント化による前記血管の前記管腔の第1の幾何学モデル及び前記血管の前記外壁の第2の幾何学モデルの生成と、
・前記サーバによる、前記管腔の前記ボリュームメッシュを取得するための前記第1の幾何学モデルの平滑化と、前記外壁の前記表面メッシュを取得するための前記第2の幾何学モデルの平滑化と、を含む、請求項15から27のいずれか1項に記載のシステム。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US201962906980P | 2019-09-27 | 2019-09-27 | |
US62/906,980 | 2019-09-27 | ||
PCT/IB2020/059018 WO2021059243A1 (en) | 2019-09-27 | 2020-09-25 | Method and system for determining regional rupture potential of blood vessel |
Publications (1)
Publication Number | Publication Date |
---|---|
JP2022550782A true JP2022550782A (ja) | 2022-12-05 |
Family
ID=75166516
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2022519808A Pending JP2022550782A (ja) | 2019-09-27 | 2020-09-25 | 血管の領域破裂の可能性を決定するための方法及びシステム |
Country Status (5)
Country | Link |
---|---|
US (1) | US20220330902A1 (ja) |
EP (1) | EP4035179A4 (ja) |
JP (1) | JP2022550782A (ja) |
CA (1) | CA3152436A1 (ja) |
WO (1) | WO2021059243A1 (ja) |
Families Citing this family (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10813612B2 (en) | 2019-01-25 | 2020-10-27 | Cleerly, Inc. | Systems and method of characterizing high risk plaques |
AU2021205821A1 (en) | 2020-01-07 | 2022-07-21 | Cleerly, Inc. | Systems, methods, and devices for medical image analysis, diagnosis, risk stratification, decision making and/or disease tracking |
US20220392065A1 (en) | 2020-01-07 | 2022-12-08 | Cleerly, Inc. | Systems, methods, and devices for medical image analysis, diagnosis, risk stratification, decision making and/or disease tracking |
US11969280B2 (en) | 2020-01-07 | 2024-04-30 | Cleerly, Inc. | Systems, methods, and devices for medical image analysis, diagnosis, risk stratification, decision making and/or disease tracking |
WO2023089559A1 (en) * | 2021-11-19 | 2023-05-25 | Vitaa Medical Solutions Inc. | Method of and system for training and using machine learning models for pre-interventional planning and post-interventional monitoring of endovascular aortic repair (evar) |
US20230289963A1 (en) | 2022-03-10 | 2023-09-14 | Cleerly, Inc. | Systems, devices, and methods for non-invasive image-based plaque analysis and risk determination |
WO2024023794A1 (en) * | 2022-07-29 | 2024-02-01 | Vitaa Medical Solutions Inc. | Method and system for determining regional weakening of blood vessel using 2d ultrasound imaging |
EP4343685A1 (de) * | 2022-09-23 | 2024-03-27 | Siemens Healthineers AG | Bereitstellen eines ergebnisdatensatzes |
CN116363131B (zh) * | 2023-06-01 | 2023-07-28 | 山东第一医科大学第二附属医院 | 基于图像处理的外周血管影像分析方法、系统及存储介质 |
CN116705330B (zh) * | 2023-07-31 | 2023-11-10 | 柏意慧心(杭州)网络科技有限公司 | 确定血管壁的弹性特征的方法、计算设备和介质 |
Family Cites Families (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8715312B2 (en) * | 2001-07-20 | 2014-05-06 | Microvention, Inc. | Aneurysm treatment device and method of use |
US7899516B2 (en) * | 2004-06-23 | 2011-03-01 | M2S, Inc. | Method and apparatus for determining the risk of rupture of a blood vessel using the contiguous element defined area |
US8315812B2 (en) * | 2010-08-12 | 2012-11-20 | Heartflow, Inc. | Method and system for patient-specific modeling of blood flow |
US9330108B2 (en) * | 2013-09-30 | 2016-05-03 | International Business Machines Corporation | Multi-site heat map management |
WO2018068153A1 (en) * | 2016-10-14 | 2018-04-19 | Di Martino Elena | Methods, systems, and computer readable media for evaluating risks associated with vascular pathologies |
FR3062498B1 (fr) * | 2017-02-02 | 2019-06-07 | Casis - Cardiac Simulation & Imaging Software | Systeme et procede pour l'evaluation de risques vasculaires |
-
2020
- 2020-09-25 CA CA3152436A patent/CA3152436A1/en active Pending
- 2020-09-25 US US17/763,594 patent/US20220330902A1/en active Pending
- 2020-09-25 WO PCT/IB2020/059018 patent/WO2021059243A1/en active Application Filing
- 2020-09-25 JP JP2022519808A patent/JP2022550782A/ja active Pending
- 2020-09-25 EP EP20869172.5A patent/EP4035179A4/en active Pending
Also Published As
Publication number | Publication date |
---|---|
EP4035179A1 (en) | 2022-08-03 |
WO2021059243A1 (en) | 2021-04-01 |
CA3152436A1 (en) | 2021-04-01 |
US20220330902A1 (en) | 2022-10-20 |
EP4035179A4 (en) | 2023-10-25 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP2022550782A (ja) | 血管の領域破裂の可能性を決定するための方法及びシステム | |
US10776922B2 (en) | Systems and methods for analysis of blood flow state | |
Taylor et al. | Computational fluid dynamics applied to cardiac computed tomography for noninvasive quantification of fractional flow reserve: scientific basis | |
EP3117771B1 (en) | Direct computation of image-derived biomarkers | |
EP3166032B1 (en) | Biometric simulation device, method for controlling biometric simulation device, and program for controlling biometric simulation device | |
Wong et al. | Computational medical imaging and hemodynamics framework for functional analysis and assessment of cardiovascular structures | |
Geers et al. | Approximating hemodynamics of cerebral aneurysms with steady flow simulations | |
D’Elia et al. | Applications of variational data assimilation in computational hemodynamics | |
Vassilevski et al. | Personalized Computational Hemodynamics: Models, Methods, and Applications for Vascular Surgery and Antitumor Therapy | |
Morales Ferez et al. | Deep learning framework for real-time estimation of in-silico thrombotic risk indices in the left atrial appendage | |
Sazonov et al. | Modelling pipeline for subject‐specific arterial blood flow—a review | |
Di Achille et al. | Hemodynamics‐driven deposition of intraluminal thrombus in abdominal aortic aneurysms | |
Marchandise et al. | Quality open source mesh generation for cardiovascular flow simulations | |
US20210012887A1 (en) | Method of estimation physiological parameters using medical image data | |
US20230397816A1 (en) | Method of and system for in vivo strain mapping of an aortic dissection | |
Villa-Uriol et al. | Toward integrated management of cerebral aneurysms | |
JP2022533345A (ja) | 応答曲面および減次モデル化を使用した血流の推定のためのシステムおよび方法 | |
Alharbi et al. | Predicting the outcome of transcatheter mitral valve implantation using image-based computational models | |
US20170004278A1 (en) | System and method for sparse pressure/flowrate reduced modeling of hemodynamics | |
JP2024507684A (ja) | 大動脈組織のセグメント化および特徴付けのための方法およびシステム | |
US20220254032A1 (en) | Image data processing method and apparatus | |
Kang et al. | Numerical investigation of carotid stenosis in three-dimensional aortic-cerebral vasculature: Pulsatility index, resistive index, time to peak velocity, and flow characteristics | |
Yevtushenko et al. | Modelling blood flow in patients with heart valve disease using deep learning: A computationally efficient method to expand diagnostic capabilities in clinical routine | |
Fatemifar et al. | Computational modeling of human left ventricle to assess the effects of trabeculae carneae on the diastolic and systolic functions | |
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: 20230914 |