JP6700363B2 - 患者固有の血流のモデリングのための方法およびシステム - Google Patents

Description

説明
優先権
本願は、２０１０年８月１２日出願の米国仮出願第６１／４０１，４６２号、２０１０年８月２０日出願の米国仮出願第６１／４０１，９１５号、２０１０年８月２６日出願の米国仮出願第６１／４０２，３０８号、２０１０年８月２７日出願の米国仮出願第６１／４０２，３４５号、および２０１０年１０月１日出願の米国仮出願第６１／４０４，４２９号からの優先権の利益を主張し、これらは参照によりその全体が本明細書に援用される。

実施形態は、流体流動のモデリングのための方法およびシステム、より具体的には患者固有の血流のモデリングのための方法およびシステムを含む。

冠動脈疾患は、心臓に血液を供給する血管に冠動脈病変、例えば狭窄（血管の異常な狭小化）を発生させる可能性がある。結果として、心臓への血流が制限される恐れがある。冠動脈疾患に罹患した患者は、身体労作の慢性安定狭心症または安静時の不安定狭心症と称される胸痛を経験し得る。疾患のより重篤な症状は、心筋梗塞または心臓発作につながる恐れがある。

冠動脈病変に関連するより正確なデータ、例えば、サイズ、形状、位置、機能的重要性（例えば、その病変が血流に影響を及ぼすかどうか）などを提供する必要性が存在する。胸痛を患っている、および／または冠動脈疾患の兆候を示す患者は、冠動脈病変に関連する何らかの間接的な証拠を提供し得る１つまたは複数の検査を受けることがある。例えば、非侵襲的検査には、心電図、血液検査からのバイオマーカー評価、トレッドミル試験、心エコー検査、単一ポジトロン放出コンピュータ断層撮影法（ＳＰＥＣＴ）、およびポジトロン放出断層撮影法（ＰＥＴ）が含まれるであろう。しかしこれらの非侵襲的検査は、通常は、冠動脈病変の直接的評価を提供しない、または血流量を評価しない。非侵襲的検査は、心臓の電気的活動の変化（例えば、心電図記録法（ＥＣＧ）を用いて）、心筋の動作（例えば、負荷心エコー法を用いて）、心筋の灌流（例えば、ＰＥＴまたはＳＰＥＣＴを用いて）、または代謝変化（例えば、バイオマーカーを用いて）を探ることによって冠動脈病変の間接的な証拠を提供することができる。

例えば、解剖学的データは、冠動脈コンピュータ断層血管造影（ＣＣＴＡ）によって非侵襲的に取得することができる。ＣＣＴＡは、胸痛を有する患者の画像化に使用することができ、造影剤の静脈内注入後に心臓および冠動脈を画像化するためのコンピュータ断層撮影（ＣＴ）技術の使用を伴う。しかしながら、ＣＣＴＡは、冠動脈病変の機能的重要性、例えばその病変が血流に影響を及ぼすかどうかについての直接的情報を提供することはできない。さらに、ＣＣＴＡは単に診断的検査であることから、他の生理学的状態下、例えば運動下での冠状動脈の血流、血圧、または心筋灌流の変化を予想するために使用することはできず、またインターベンションの結果を予想するために使用することもできない。

したがって、患者は、冠動脈病変を可視化するために診断的心臓カテーテル検査などの侵襲的検査を要することもある。診断的心臓カテーテル検査は、従来の冠動脈造（ＣＣＡ）を実施して、動脈のサイズおよび形状の画像を医師に提供することによって、冠動脈病変の解剖学的データを収集することを含み得る。しかしながら、ＣＣＡは、冠動脈病変の機能的重要性を評価するためのデータは提供しない。例えば、医師は、その病変が機能的に重要であるかどうかを特定せずに、冠動脈病変が有害であるかどうかを診断することはできないかもしれない。したがって、ＣＣＡは、病変が機能的に重要であるか否かにかかわらず、ＣＣＡで発見されたあらゆる病変にステントを挿入する、一部のインターベンション心臓専門医の「ｏｃｕｌｏｓｔｅｎｏｔｉｃ ｒｅｆｌｅｘ（発見した狭窄に対する反射）」と呼ばれる行為につながっている。結果として、ＣＣＡは、患者に対する不必要な手術につながる可能性があり、これは患者に副次的なリスクを与える可能性があり、また患者に不必要な医療費をもたらし得る。

診断的心臓カテーテル検査において、観察される病変の冠血流予備量比（ＦＦＲ）を測定することによって、冠動脈病変の機能的重要性を侵襲的に評価することができる。ＦＦＲは、例えばアデノシンの静脈内投与によって誘発される冠動脈血流増加条件下での、病変下流の平均血圧を病変上流の平均血圧、例えば大動脈圧で除算した比として定義される。この血圧は、患者にプレッシャーワイヤーを挿入することによって測定することができる。したがって、特定されたＦＦＲに基づく病変の治療の決定は初期費用後になされ、また診断的心臓カテーテル検査のリスクは既に生じている。

したがって、冠動脈の解剖学的形態、心筋灌流、および冠動脈血流を非侵襲的に評価する方法に対する必要性が存在する。そのような方法およびシステムは、冠動脈疾患が疑われる患者を診断し、治療を計画する心臓専門医に利益をもたらし得る。さらに、直接測定できない条件下、例えば運動下での冠動脈血流および心筋灌流を予測し、冠動脈血流および心筋灌流に対する薬物治療、インターベンション治療、および外科治療の結果を予測する方法に対する必要性も存在する。

前述の一般的な説明および以下の詳細な説明は、どちらも例示的および説明的なものにすぎず、本開示を制限するものではないことを理解すべきである。

一実施形態によると、患者の心血管情報を明らかにするためのシステムは、患者の心臓の幾何学的形状に関する患者固有のデータを受信し、その患者固有のデータに基づく患者の心臓の少なくとも一部を表す三次元モデルを作成するように構成された少なくとも１つのコンピュータシステムを含む。この少なくとも１つのコンピュータシステムは、患者の心臓の血流の特徴に関連する物理学に基づくモデルを作成し、前記三次元モデルとこの物理学に基づくモデルに基づいて、患者の心臓内の冠血流予備量比を特定するようにさらに構成される。

別の実施形態によると、少なくとも１つのコンピュータシステムを用いる患者固有の心血管情報を明らかにするための方法は、この少なくとも１つのコンピュータシステムに、患者の心臓の幾何学的形状に関する患者固有のデータを入力することと、この少なくとも１つのコンピュータシステムを用いて、患者固有のデータに基づく患者の心臓の少なくとも一部を表す三次元モデルを作成することとを含む。本方法は、この少なくとも１つのコンピュータシステムを用いて、患者の心臓の血流の特徴に関連する物理学に基づくモデルを作成することと、この少なくとも１つのコンピュータシステムを用いて、三次元モデルおよび物理学に基づくモデルに基づいて患者の心臓内の冠血流予備量比を明らかにすることとをさらに含む。

別の実施形態によると、患者固有の心血管情報を明らかにするための方法を実施するためのコンピュータ実行可能なプログラミング命令を含む、少なくとも１つのコンピュータシステム上で使用するための非一時的なコンピュータ可読媒体が提供される。本方法は、患者の心臓の幾何学的形状に関する患者固有のデータを受信することと、その患者固有のデータに基づいて、患者の心臓の少なくとも一部を表す三次元モデル作成することを含む。本方法は、患者の心臓の血流の特徴に関連する物理学に基づくモデルを作成することと、三次元モデルおよび物理学に基づくモデルに基づいて、患者の心臓内の冠血流予備量比を明らかにすることをさらに含む。

別の実施形態によると、患者の治療を計画するためのシステムは、患者の解剖学的構造体の幾何学的形状に関する患者固有のデータを受信し、その患者固有のデータに基づく患者の解剖学的構造体の少なくとも一部を表す三次元モデルを作成するように構成された少なくとも１つのコンピュータシステムを含む。この少なくとも１つのコンピュータシステムは、三次元モデルおよび患者の解剖学的構造体に関連する物理学に基づくモデルに基づいて、患者の解剖学的構造体内の血流の特徴に関する第１の情報を明らかにし、三次元モデルを修正し、その修正三次元モデルに基づいて、患者の解剖学的構造体内の血流の特徴に関する第２の情報を明らかにするようにさらに構成される。

別の実施形態によると、患者の治療を計画するための方法を実行するためのコンピュータ実行可能なプログラミング命令を含む、コンピュータシステム上で使用するための非一時的なコンピュータ可読媒体が提供される。本方法は、患者の解剖学的構造体の幾何学的形状に関する患者固有のデータを受信することと、その患者固有のデータに基づく患者の解剖学的構造体の少なくとも一部を表す三次元モデルを作成することとを含む。本方法は、三次元モデルおよび患者の解剖学的構造体に関連する物理学に基づくモデルに基づいて、患者の解剖学的構造体内の血流の特徴に関する第１の情報を明らかにすることと、患者の解剖学的構造体の幾何学的形状の所望の変化に基づく、患者の解剖学的構造体内の血流の特徴に関する第２の情報を明らかにすることをさらに含む。

別の実施形態によると、コンピュータシステムを用いて患者の治療を計画するための方法は、この少なくとも１つのコンピュータシステムに、患者の解剖学的構造体の幾何学的形状に関する患者固有のデータを入力することと、この少なくとも１つのコンピュータシステムを用いて、患者固有のデータに基づく患者の解剖学的構造体の少なくとも一部を表す三次元モデルを作成することとを含む。本方法は、この少なくとも１つのコンピュータシステムを用いて、三次元モデルおよび患者の解剖学的構造体に関連する物理学に基づくモデルに基づいて、患者の解剖学的構造体内の血流の特徴に関する第１の情報を明らかにすることをさらに含む。また本方法は、この少なくとも１つのコンピュータシステムを用いて三次元モデルを修正することと、この少なくとも１つのコンピュータシステムを用いて、この修正された三次元モデルに基づいて、患者の解剖学的構造体内の血流の特徴に関する第２の情報を明らかにすることとも含む。

別の実施形態によると、患者の治療を計画するためのシステムは、患者の解剖学的構造体の幾何学的形状に関する患者固有のデータを受信し、その患者固有のデータに基づく患者の解剖学的構造体の少なくとも一部を表す三次元モデルを作成するように構成された少なくとも１つのコンピュータシステムを含む。また、この少なくとも１つのコンピュータシステムは、三次元モデルおよび患者の生理学的状態に関する情報に基づいて、患者の解剖学的構造体内の血流の特徴に関する第１の情報を明らかにし、患者の生理学的状態を修正し、この修正された患者の生理学的状態に基づいて、患者の解剖学的構造体内の血流の特徴に関する第２の情報を明らかにするようにも構成される。

別の実施形態によると、患者の治療を計画するための方法を実施するためのコンピュータ実行可能なプログラミング命令を含む、コンピュータシステム上で使用するための非一時的なコンピュータ可読媒体が提供される。本方法は、患者の解剖学的構造体の幾何学的形状に関する患者固有のデータを受信することと、その患者固有のデータに基づく患者の解剖学的構造体の少なくとも一部を表す三次元モデルを作成することとを含む。本方法は、三次元モデルおよび患者の生理学的状態に関する情報に基づいて、患者の解剖学的構造体内の血流の特徴に関する第１の情報を明らかにすることと、患者の生理学的状態の所望の変化に基づく、患者の解剖学的構造体内の血流の特徴に関する第２の情報を明らかにすることとをさらに含む。

別の実施形態によると、少なくとも１つのコンピュータシステムを用いる患者の治療を計画するための方法は、この少なくとも１つのコンピュータシステムに、患者の解剖学的構造体の幾何学的形状に関する患者固有のデータを入力することと、この少なくとも１つのコンピュータシステムを使用して、患者固有のデータに基づく患者の解剖学的構造体の少なくとも一部を表す三次元モデルを作成することとを含む。また本方法は、この少なくとも１つのコンピュータシステムを用いて、三次元モデルおよび患者の生理学的状態に関する情報に基づいて、患者の前記解剖学的構造体内の血流の特徴に関する第１の情報を明らかにすることも含む。本方法は、この少なくとも１つのコンピュータシステムを用いて、患者の生理学的状態を修正し、この少なくとも１つのコンピュータシステムを用いて、この修正された患者の生理学的状態に基づいて、患者の解剖学的構造体内の血流の特徴に関する第２の情報を明らかにすることをさらに含む。

別の実施形態によると、患者固有の心血管情報を明らかにするためのシステムは、患者の解剖学的構造体の幾何学的形状に関する患者固有のデータを受信し、その患者固有のデータに基づく患者の解剖学的構造体の少なくとも一部を表す三次元モデルを作成するように構成された少なくとも１つのコンピュータシステムを含む。また、この少なくとも１つのコンピュータシステムは、患者の解剖学的構造体の一部を通る全ての流動に関連する全抵抗を特定し、三次元モデル、患者の解剖学的構造体に関連する物理学に基づくモデル、および特定された全抵抗に基づいて、患者の解剖学的構造体内の血流の特徴に関する情報を明らかにするようにも構成される。

別の実施形態によると、少なくとも１つのコンピュータシステムを用いる患者固有の心血管情報を明らかにするための方法は、この少なくとも１つのコンピュータシステムに、患者の解剖学的構造体の幾何学的形状に関する患者固有のデータを入力し、この少なくとも１つのコンピュータを用いて、患者固有のデータに基づく患者の解剖学的構造体の少なくとも一部を表す三次元モデルを作成することを含む。また、本方法は、少なくとも１つのコンピュータを用いて、患者の解剖学的構造体の一部を通る全ての流動と関連する全抵抗を特定することと、少なくとも１つのコンピュータを用いて、三次元モデル、患者の解剖学的構造体に関連する物理学に基づくモデル、および特定された全抵抗に基づいて、患者の解剖学的構造体内の血流の特徴に関する情報を明らかにすることも含む。

別の実施形態によると、患者固有の心血管情報を明らかにするための方法を実施するためのコンピュータ実行可能なプログラミング命令を含む、コンピュータシステム上で使用するための非一時的なコンピュータ可読媒体が提供される。本方法は、患者の解剖学的構造体の幾何学的形状に関する患者固有のデータを受信することと、その患者固有のデータに基づく患者の解剖学的構造体の少なくとも一部を表す三次元モデルを作成することとを含む。また、本方法は、患者の解剖学的構造体の一部を通る全ての流動に関連する全抵抗を特定することと、三次元モデル、患者の解剖学的構造体に関連する物理学に基づくモデル、および特定された全抵抗に基づいて、患者の解剖学的構造体内の血流の特徴に関する情報を明らかにすることを含む。

別の実施形態によると、ウェブサイトを用いて患者固有の心血管情報を提供するためのシステムは、遠隔のユーザがウェブサイトにアクセスすることを可能にし、患者の解剖学的構造体の幾何学的形状の少なくとも一部に関する患者固有のデータを受信し、その患者固有のデータに基づく患者の解剖学的構造体の少なくとも一部を表す三次元モデルを作成し、その三次元モデルおよび患者の生理学的状態に基づいて、患者の解剖学的構造体内の血流の特徴に関する情報を明らかにするように構成された少なくとも１つのコンピュータシステムを含む。また、この少なくとも１つのコンピュータシステムは、患者の解剖学的構造体の少なくとも一部の第１の三次元シミュレーションに関する表示情報をウェブサイトを用いて遠隔のユーザに伝達するようにも構成される。この三次元シミュレーションは、血流の特徴に関する決定された情報を含む。

別の実施形態によると、ウェブサイトを用いて患者固有の心血管情報を提供するための方法は、少なくとも１つのコンピュータシステムを用いて、遠隔のユーザがウェブサイトにアクセスすることを可能にすることと、この少なくとも１つのコンピュータシステムを用いて、患者の解剖学的構造体の幾何学的形状に関する患者固有のデータを受信することとを含む。また、本方法は、この少なくとも１つのコンピュータシステムを用いて、患者固有のデータに基づく患者の解剖学的構造体の少なくとも一部を表す三次元モデルを作成することと、この少なくとも１つのコンピュータシステムを用いて、三次元モデルおよび患者の生理学的状態に基づいて、患者の解剖学的構造体内の血流の特徴に関する情報を明らかにすることも含む。本方法は、この少なくとも１つのコンピュータシステムを用いて、患者の解剖学的構造体の少なくとも一部の第１の三次元シミュレーションに関する表示情報をウェブサイトを用いて遠隔のユーザに伝達することをさらに含む。この三次元シミュレーションは、血流の特徴に関する明らかにされた情報を含む。

別の実施形態によると、ウェブサイトを用いて患者固有の心血管情報を提供するための方法を実施するためのコンピュータ実行可能なプログラミング命令を含む、コンピュータシステム上で使用するための非一時的なコンピュータ可読媒体が提供される。本方法は、遠隔のユーザがウェブサイトにアクセスすることを可能にすることと、患者の解剖学的構造体の幾何学的形状に関する患者固有のデータを受信することと、その患者固有のデータに基づく患者の解剖学的構造体の少なくとも一部を表す三次元モデルを作成することとを含む。また、本方法は、三次元モデルおよび患者の解剖学的構造体に関連する物理学に基づくモデルに基づいて、患者の解剖学的構造体内の血流の特徴に関する情報を明らかにすることと、患者の解剖学的構造体の少なくとも一部の第１の三次元シミュレーションに関する表示情報をウェブサイトを用いて遠隔のユーザに伝達することも含む。この三次元シミュレーションは、血流の特徴に関する明らかにされた情報を含む。

別の実施形態によると、患者固有の時変心血管情報を明らかにするためのシステムは、異なる時点の患者の解剖学的構造体の少なくとも一部の幾何学的形状に関する時変患者固有データを受信し、その患者固有のデータに基づく患者の解剖学的構造体の少なくとも一部を表す三次元モデルを作成するように構成された少なくとも１つのコンピュータシステムを含む。また、この少なくとも１つのコンピュータシステムは、三次元モデルおよび患者の解剖学的構造に関連する物理学に基づくモデルに基づいて、患者の解剖学的構造体内の経時的な血流の特徴の変化に関する情報を明らかにするようにも構成される。

別の実施形態によると、少なくとも１つのコンピュータシステムを用いて患者固有の時変心血管情報明らかにするための方法は、少なくとも１つのコンピュータシステムを用いて、異なる時点の患者の解剖学的構造体の幾何学的形状に関する時変患者固有データを受信することを含む。また、本方法は、この少なくとも１つのコンピュータシステムを用いて、患者固有のデータに基づく患者の解剖学的構造体の少なくとも一部を表す三次元モデルを作成することも含む。本方法は、この少なくとも１つのコンピュータシステムを用いて、三次元モデルおよび患者の解剖学的構造体に関連する物理学に基づくモデルに関する情報に基づいて、患者の解剖学的構造体内の経時的な血流の特徴の変化に関する情報を明らかにすることをさらに含む。

別の実施形態によると、患者固有の時変心血管情報を明らかにするための方法を実施するためのコンピュータ実行可能なプログラミング命令を含む、コンピュータシステム上で使用するための非一時的なコンピュータ可読媒体が提供される。本方法は、異なる時点の患者の解剖学的構造体の幾何学的形状に関する時変患者固有データを受信することと、その患者固有のデータに基づく患者の解剖学的構造体の少なくとも一部を表す三次元モデルを作成することと、三次元モデルおよび患者の解剖学的構造体に関連する物理学に基づくモデルに関する情報に基づいて、患者の解剖学的構造体内の経時的な血流の特徴の変化に関連する情報を明らかにすることとを含む。

別の実施形態によると、患者の心血管情報を明らかにするためのシステムは、患者の解剖学的構造体の少なくとも一部の幾何学的形状および少なくとも１つの材料特性に関する患者固有のデータを受信するように構成された少なくとも１つのコンピュータシステムを含む。この解剖学的構造体は、血管の少なくとも一部を含む。この少なくとも１つのコンピュータシステムは、患者固有のデータに基づく患者の解剖学的構造体を表す三次元モデル作成し、その三次元モデルおよび患者の生理学的状態に基づいて、患者の解剖学的構造体内の血流の特徴に関する情報明らかにするようにさらに構成される。また、この少なくとも１つのコンピュータシステムは、血管内のプラークの位置を特定するようにも構成される。

別の実施形態によると、少なくとも１つのコンピュータシステムを用いて患者の心血管情報を明らかにするための方法は、少なくとも１つのコンピュータシステムを用いて、患者の解剖学的構造体の少なくとも一部の幾何学的形状および少なくとも１つの材料特性に関する患者固有のデータを受信することを含む。この解剖学的構造体は、血管の少なくとも一部を含む。また、本方法は、この少なくとも１つのコンピュータシステムを用いて、患者固有のデータに基づく患者の解剖学的構造体を表す三次元モデルを作成することと、この少なくとも１つのコンピュータシステムを用いて、この三次元モデルおよび患者の生理学的状態に基づいて、患者の解剖学的構造体内の血流の特徴に関する情報を明らかにすることも含む。本方法は、少なくとも１つのコンピュータシステムを用いて、血管内のプラークを特定することをさらに含む。

別の実施形態によると、患者の心血管情報を明らかにするための方法を実施するためのコンピュータ実行可能なプログラミング命令を含む、コンピュータシステム上で使用するための非一時的なコンピュータ可読媒体が提供される。本方法は、患者の解剖学的構造体の少なくとも一部の幾何学的形状および少なくとも１つの材料特性に関する患者固有のデータを受信することを含む。この解剖学的構造体は、血管の少なくとも一部を含む。また、本方法は、患者固有のデータに基づく患者の解剖学的構造体を表す三次元モデルを作成することと、その三次元モデルおよび患者の生理学的状態に基づいて、患者の解剖学的構造体内の血流の特徴に関する情報を明らかにすることと、血管内のプラークの位置を特定することも含む。

別の実施形態によると、患者の心血管情報を明らかにするためのシステムは、患者の解剖学的構造体の少なくとも一部の幾何学的形状に関する患者固有のデータを受信するように構成された少なくとも１つのコンピュータシステムを含む。この解剖学的構造体は、複数の動脈の少なくとも一部と、その複数の動脈の少なくとも一部に連結する組織とを含む。この少なくとも１つのコンピュータシステムは、患者固有のデータに基づく患者の解剖学的構造体を表す三次元モデルを作成し、組織を表す三次元モデルの少なくとも一部をセグメントに分割し、その三次元モデルおよび患者の生理学的状態に基づいて、それらのセグメントのうちの少なくとも１つに関連する血流の特徴に関する情報を明らかにするようにさらに構成される。

別の実施形態によると、少なくとも１つのコンピュータシステムを用いて患者の心血管情報を明らかにするための方法は、少なくとも１つのコンピュータシステムを用いて、患者の解剖学的構造体の少なくとも一部の幾何学的形状に関する患者固有のデータを受信することを含む。この解剖学的構造体は、複数の動脈の少なくとも一部と、その複数の動脈の少なくとも一部に連結する組織とを含む。また、本方法は、この少なくとも１つのコンピュータシステムを用いて、患者固有のデータに基づく患者の解剖学的構造体を表す三次元モデルを作成することと、この少なくとも１つのコンピュータシステムを用いて、この三次元モデルを拡張して拡大モデルにすることも含む。本方法は、この少なくとも１つのコンピュータシステムを用いて、組織を表す拡大モデルの少なくとも一部をセグメントに分割することと、この少なくとも１つのコンピュータシステムを用いて、この拡大モデルおよび患者の生理学的状態に基づいて、これらのセグメントのうちの少なくとも１つに関連する血流の特徴に関する情報を明らかにすることをさらに含む。

別の実施形態によると、患者の心血管情報を明らかにするための方法を実施するためのコンピュータ実行可能なプログラミング命令を含む、コンピュータシステム上で使用するための非一時的なコンピュータ可読媒体が提供される。本方法は、患者の解剖学的構造体の少なくとも一部の幾何学的形状に関する患者固有のデータを受信することを含む。この解剖学的構造体は、複数の動脈の少なくとも一部と、その複数の動脈の少なくとも一部に連結する組織とを含む。また、本方法は、患者固有のデータに基づく患者の解剖学的構造体を表す三次元モデルを作成することと、組織を表すその三次元モデルの少なくとも一部をセグメントに分割することと、三次元モデルおよび解剖学的構造体に関連する物理学に基づくモデルに基づいて、それらのセグメントのうちの少なくとも１つに関連する血流の特徴に関する情報を明らかにすることも含む。

別の実施形態によると、患者の心血管情報を明らかにするためのシステムは、患者の脳の幾何学的形状に関する患者固有のデータを受信するように構成された少なくとも１つのコンピュータシステムを含む。この少なくとも１つのコンピュータシステムは、患者固有のデータに基づく患者の脳の少なくとも一部を表す三次元モデルを作成し、その三次元モデルおよび患者の脳に関連する物理学に基づくモデルに基づいて、患者の脳内の血流の特徴に関する情報を明らかにするようにさらに構成される。

別の実施形態によると、少なくとも１つのコンピュータシステムを用いる患者固有の心血管情報を明らかにするための方法は、この少なくとも１つのコンピュータシステムに、患者の複数の大脳動脈の少なくとも一部の幾何学的形状に関する患者固有のデータを入力することを含む。また、本方法は、この少なくとも１つのコンピュータシステムを用いて、患者固有のデータに基づく患者の大脳動脈の少なくとも一部を表す三次元モデルを作成することと、この少なくとも１つのコンピュータシステムを用いて、この三次元モデルおよび患者の大脳動脈に関連する物理学に基づくモデルに基づいて、患者の大脳動脈内の血流の特徴に関する情報を明らかにすることも含む。

別の実施形態によると、患者固有の心血管情報を明らかにするための方法を実施するためのコンピュータ実行可能なプログラミング命令を含む、少なくとも１つのコンピュータシステム上で使用するための非一時的なコンピュータ可読媒体が提供される。本方法は、患者の脳の幾何学的形状に関する患者固有のデータを受信することと、その患者固有のデータに基づく患者の脳の少なくとも一部を表す三次元モデルを作成することと、この三次元モデルおよび患者の脳に関連する物理学に基づくモデルに基づいて、患者の脳内の血流の特徴に関する情報を明らかにすることとを含む。
本発明は、例えば以下の項目を提供する。
（項目１）
患者の心血管情報を明らかにするためのシステムであって、
前記患者の心臓の幾何学的形状に関する患者固有のデータを受信し、
前記患者固有のデータに基づいて前記患者の心臓の少なくとも一部を表す三次元モデルを作成し、
前記患者の心臓の血流の特徴の特徴に関連する物理学に基づくモデルを作成し、および
前記三次元モデルおよび前記物理学に基づくモデルに基づいて、前記患者の心臓内の冠血流予備量比を特定するように構成された少なくとも１つのコンピュータシステムを備える、システム。
（項目２）
前記患者の心臓の少なくとも前記一部を表す前記三次元モデルが、大動脈の少なくとも一部と、前記大動脈の一部から発する複数の冠動脈の少なくとも一部とを含む、項目１に記載のシステム。
（項目３）
前記冠血流予備量比が、前記大動脈内の圧力と前記複数の冠動脈内のある位置における圧力との比を示し、および
前記少なくとも１つのコンピュータシステムが、前記複数の冠動脈内の複数の位置における前記冠血流予備量比を特定するように構成される、項目２に記載のシステム。
（項目４）
前記患者固有のデータが画像データを含む、項目１に記載のシステム。
（項目５）
前記画像データが、コンピュータ断層撮影または磁気共鳴画像化技術によって提供される、項目４に記載のシステム。
（項目６）
前記少なくとも１つのコンピュータシステムが、前記画像データを用いて前記患者の心臓の冠動脈内腔の境界の位置を特定することによって、前記画像データに基づく前記三次元モデルを作成するように構成される、項目４に記載のシステム。
（項目７）
前記少なくとも１つのコンピュータシステムが、前記画像データにおける輝度値の変化に基づいて前記境界の位置を特定するように構成される、項目６に記載のシステム。
（項目８）
前記物理学に基づくモデルが、前記三次元モデルの境界を通る血流を表す少なくとも１つの集中パラメータモデルを含む、項目１に記載のシステム。
（項目９）
前記少なくとも１つのコンピュータシステムが、充血のレベル、運動のレベル、または薬物のうちの少なくとも１つに関連するパラメータを用いて前記冠血流予備量比を特定するように構成される、項目１に記載のシステム。
（項目１０）
前記少なくとも１つのコンピュータシステムが、前記充血のレベルに関連するパラメータを用いて前記冠血流予備量比を特定するように構成され、前記パラメータが、前記患者の冠動脈抵抗、前記患者の大動脈血圧、または前記患者の心拍数に関連する、項目９に記載のシステム。
（項目１１）
少なくとも１つのコンピュータシステムを用いて患者固有の心血管情報を明らかにする方法であって、
前記少なくとも１つのコンピュータシステムに、前記患者の心臓の幾何学的形状に関する患者固有のデータを入力することと、
前記少なくとも１つのコンピュータシステムを用いて、前記患者固有のデータに基づく前記患者の心臓の少なくとも一部を表す三次元モデルを作成することと、
前記少なくとも１つのコンピュータシステムを用いて、前記患者の心臓の血流の特徴に関連する物理学に基づくモデルを作成することと、および
前記少なくとも１つのコンピュータシステムを用いて、前記三次元モデルおよび前記物理学に基づくモデルに基づいて前記患者の心臓内の冠血流予備量比を特定することと、を含む、方法。
（項目１２）
前記決定された冠血流予備量比に基づいて、前記患者の心臓の冠動脈における機能的に重要な狭窄の位置を特定することをさらに含む、項目１１に記載の方法。
（項目１３）
前記患者の心臓の少なくとも一部を表す前記三次元モデルが、大動脈の少なくとも一部と、前記大動脈の一部から発する複数の冠動脈の少なくとも一部とを含む、項目１１に記載の方法。
（項目１４）
前記冠血流予備量比が、前記大動脈内の圧力と前記複数の冠動脈内のある位置における圧力との比を示し、
前記冠血流予備量比が、前記複数の冠動脈内の複数の位置において特定される、項目１３に記載の方法。
（項目１５）
前記患者固有のデータが、前記患者の心臓の画像データを含み、前記三次元モデルを作成することが、前記画像データを用いて前記患者の心臓の前記複数の冠動脈内腔の境界の位置を特定することを含む、項目１４に記載の方法。
（項目１６）
前記境界が、前記画像データにおける輝度値の変化に基づいて位置特定される、項目１５に記載の方法。
（項目１７）
非一時的なコンピュータ可読媒体であって、患者固有の心血管情報を特定するための方法であって、
前記患者の心臓の幾何学的形状に関する患者固有のデータを受信することと、
前記患者固有のデータに基づく前記患者の心臓の少なくとも一部を表す三次元モデルを作成することと、
前記患者の心臓の血流の特徴に関連する物理学に基づくモデルを作成することと、
前記三次元モデルおよび前記物理学に基づくモデルに基づいて、前記患者の心臓内の冠血流予備量比を特定することと、を含む方法を実行するためのコンピュータ実行可能なプログラミング命令を含む、少なくとも１つのコンピュータシステム上で使用するための、非一時的なコンピュータ可読媒体。
（項目１８）
前記方法が、
３つの次元に沿って前記心臓の冠動脈中の複数の位置における前記冠血流予備量比を示す前記患者の心臓の三次元シミュレーションを作製することをさらに含む、項目１７に記載の非一時的コンピュータ可読媒体。
（項目１９）
前記冠血流予備量比が、色または陰影を用いて前記三次元シミュレーション上に示され、前記冠血流予備量比の変化が色または陰影の変化によって示される、項目１８に記載の非一時的なコンピュータ可読媒体。
（項目２０）
前記患者の心臓の少なくとも一部を表す前記三次元モデルが、大動脈の少なくとも一部と、前記大動脈の一部から発する複数の冠動脈の少なくとも一部とを含み、
前記三次元シミュレーションが、前記冠動脈中の複数の位置における前記冠血流予備量比を含む、項目１９に記載の非一時的なコンピュータ可読媒体。
（項目２１）
患者の治療を計画するためのシステムであって、
前記患者の解剖学的構造体の幾何学的形状に関する患者固有のデータを受信し、
前記患者固有のデータに基づく前記患者の前記解剖学的構造体の少なくとも一部を表す三次元モデルを作成し、
前記三次元モデルおよび前記患者の前記解剖学的構造体に関連する物理学に基づくモデルに基づいて、前記患者の前記解剖学的構造体内の血流の特徴に関する第１の情報を明らかにし、
前記三次元モデルを修正し、
前記修正された三次元モデルに基づいて、前記患者の前記解剖学的構造体内の前記血流の特徴に関する第２の情報を明らかにするように構成された少なくとも１つのコンピュータシステムを含む、システム。
（項目２２）
前記少なくとも１つのコンピュータシステムが、ユーザから受信した入力であって、前記患者の治療計画の選択を含む入力に基づいて、前記三次元モデルを修正するようにさらに構成される、項目２１に記載のシステム。
（項目２３）
前記選択された治療計画が、前記患者の前記解剖学的構造体の前記幾何学的形状の変化に関連し、
前記少なくとも１つのコンピュータシステムが、前記選択された治療計画に基づいて、前記三次元モデルを修正するようにさらに構成される、項目２２に記載のシステム。
（項目２４）
前記受信される入力が、前記解剖学的構造体の前記幾何学的形状を変化させるための前記患者の前記解剖学的構造体における位置を含み、前記位置は前記ユーザによって選択され、
前記少なくとも１つのコンピュータシステムが、前記選択された治療計画および前記選択された位置に基づいて、前記三次元モデルを修正するようにさらに構成される、項目２３に記載のシステム。
（項目２５）
前記選択された治療計画が、前記患者の前記選択された位置にステントを挿入する計画を含み、
前記少なくとも１つのコンピュータシステムが、前記三次元モデルによって表される内腔を拡大することによって前記三次元モデルを修正するようにさらに構成される、項目２４に記載のシステム。
（項目２６）
前記選択された治療計画が、前記患者の前記選択された位置にバイパスを追加する計画を含み、および
前記少なくとも１つのコンピュータシステムが、前記三次元モデルにおいて内腔に向かって第１のバイパスを追加することによって前記三次元モデルを修正するようにさらに構成される、項目２４に記載のシステム。
（項目２７）
前記少なくとも１つのコンピュータシステムが、
前記患者の前記解剖学的構造体内の複数の位置において前記第１の情報と前記第２の情報との差を明らかにするようにさらに構成される、項目２１に記載のシステム。
（項目２８）
前記第１の情報および前記第２の情報がそれぞれ、前記患者の前記解剖学的構造体内の血圧、血液速度、血流量、または冠血流予備量比うちの少なくとも１つを含む、項目２１に記載のシステム。
（項目２９）
前記患者の前記解剖学的構造体が、前記患者の心臓、頸部、頭部、胸部、腹部、腕、または脚の複数の動脈の一部のうちの少なくとも１つを含む、項目２１に記載のシステム。
（項目３０）
非一時的なコンピュータ可読媒体であって、患者の治療を計画するための方法であって、前記患者の解剖学的構造体の幾何学的形状に関する患者固有のデータを受信することと、
前記患者固有のデータに基づく前記患者の解剖学的構造体の少なくとも一部を表す三次元モデルを作成することと、
前記三次元モデルおよび前記患者の前記解剖学的構造体に関連する物理学に基づくモデルに基づいて、前記患者の前記解剖学的構造体内の血流の特徴に関する第１の情報を明らかに明らかにすることと、前記患者の前記解剖学的構造体の幾何学的形状の所望の変化に基づいて、前記患者の前記解剖学的構造体内の前記血流の特徴に関する第２の情報を明らかにすることと、を含む方法を実行するためのコンピュータ実行可能なプログラミング命令を含む、コンピュータシステム上で使用するための、非一時的なコンピュータ可読媒体。
（項目３１）
前記方法が、
治療計画を選択するユーザから受信する入力に基づいて、前記三次元モデルを修正することと、
前記修正に基づいて、前記第２の情報を明らかにすることをさらに含む、項目３０に記載の非一時的なコンピュータ可読媒体。
（項目３２）
前記選択された治療計画が、前記患者の前記解剖学的構造体の前記幾何学的形状の変化と関連し、
前記少なくとも１つのコンピュータシステムが、前記選択された治療計画に基づいて前記三次元モデルを修正するようにさらに構成される、項目３１に記載の非一時的なコンピュータ可読媒体。
（項目３３）
前記受信された入力が、前記解剖学的構造体の前記幾何学的形状を変化させるための前記患者の前記解剖学的構造体における位置を含み、
前記少なくとも１つのコンピュータシステムが、前記選択された治療計画および前記選択された位置に基づいて前記三次元モデルを修正するようにさらに構成される、項目３２に記載の非一時的コンピュータ可読媒体。
（項目３４）
前記方法が、
前記患者の前記解剖学的構造体内の複数の位置における前記第１の情報と前記第２の情報との差を明らかにすることをさらに含む、項目３０に記載の非一時的なコンピュータ可読媒体。
（項目３５）
前記第１の情報および前記第２の情報がそれぞれ、前記患者の前記解剖学的構造体内の血圧、血液速度、血流量、または冠血流予備量比を含む、項目３０に記載の非一時的なコンピュータ可読媒体。
（項目３６）
前記患者の前記解剖学的構造体が、前記患者の心臓、頸部、頭部、胸部、腹部、腕、または脚の複数の動脈の一部のうちの少なくとも１つを含む、項目３０に記載の非一時的なコンピュータ可読媒体。
（項目３７）
コンピュータシステムを用いて患者の治療を計画するための方法であって、
少なくとも１つのコンピュータシステムに、前記患者の解剖学的構造体の幾何学的形状に関する患者固有のデータを入力することと、
前記少なくとも１つのコンピュータシステムを用いて、前記患者固有のデータに基づく前記患者の前記解剖学的構造体の少なくとも一部を表す三次元モデルを作成することと、
前記少なくとも１つのコンピュータシステムを用いて、前記三次元モデルおよび前記患者の前記解剖学的構造体に関連する物理学に基づくモデルに基づいて、前記患者の前記解剖学的構造体内の血流の特徴に関する第１の情報を明らかにすることと、
前記少なくとも１つのコンピュータシステムを用いて、前記三次元モデルを修正することと、および前記少なくとも１つのコンピュータシステムを用いて、前記修正三次元モデルに基づいて前記患者の前記解剖学的構造体内の前記血流の特徴に関する第２の情報を明らかにすることと、を含む、方法。
（項目３８）
前記少なくとも１つのコンピュータシステムを用いて、前記第１の情報を含む三次元シミュレーションを作成することと、
前記少なくとも１つのコンピュータシステムを用いて、前記三次元シミュレーションに基づく次数低減モデルを作成することをさらに含み、
前記第２の情報が前記次数低減モデルを用いて明らかにされる、項目３７に記載の方法。
（項目３９）
前記次数低減モデルが集中パラメータモデルである、項目３８に記載の方法。
（項目４０）
前記三次元モデルが、ユーザから受信する第１の入力であって、前記ユーザによって選択された第１の治療計画を示す第１の入力に基づいて修正される、項目３７に記載の方法であって、
前記少なくとも１つのコンピュータシステムを用いて、前記第１の入力とは別に、前記ユーザから受信する第２の入力であって、前記ユーザによって選択された第２の治療計画を示す第２の入力に基づいて前記三次元モデルを修正することと、および
前記少なくとも１つのコンピュータシステムを用いて、前記第２の入力に基づいて修正された前記三次元モデルに基づいて、前記患者の前記解剖学的構造体内の前記血流の特徴に関する第３の情報を明らかにすることと、および
前記第２の情報を前記第３の情報と比較することによって、前記第１および第２の治療計画を比較することと、をさらに含む、方法。
（項目４１）
患者の治療を計画するためのシステムであって、
前記患者の解剖学的構造体の幾何学的形状に関する患者固有のデータを受信し、
前記患者固有のデータに基づく前記患者の前記解剖学的構造体の少なくとも一部を表す三次元モデルを作成し、
前記三次元モデルおよび前記患者の生理学的状態に関する情報に基づいて、前記患者の前記解剖学的構造体内の血流の特徴に関する第１の情報を明らかにし、
前記患者の前記生理学的状態を修正し、
前記患者の前記修正された生理学的状態に基づいて、前記患者の前記解剖学的構造体内の前記血流の特徴に関する第２の情報を明らかにするように構成された少なくとも１つのコンピュータシステムを備える、システム。
（項目４２）
前記少なくとも１つのコンピュータシステムが、ユーザから受信する入力であって、前記患者のための治療計画の選択を含む入力に基づいて、前記患者の前記生理学的状態を修正するようにさらに構成される、項目４１に記載のシステム。
（項目４３）
前記選択された治療計画が、前記患者の心拍出量、運動のレベル、充血のレベル、または薬物療法のうちの少なくとも１つの変化に関連し、
前記少なくとも１つのコンピュータシステムが、前記選択された治療計画に基づいて前記患者の前記生理学的状態を修正するようにさらに構成される、項目４２に記載のシステム。
（項目４４）
前記少なくとも１つのコンピュータシステムが、前記患者の前記解剖学的構造体を通る血流に関連するパラメータを変化させることによって、前記患者の前記生理学的状態を修正するようにさらに構成される、項目４３に記載のシステム。
（項目４５）
前記変化させた血流に関するパラメータが、冠動脈抵抗、大動脈血圧、または心拍数のうちの少なくとも１つを含む、項目４４に記載のシステム。
（項目４６）
前記少なくとも１つのコンピュータシステムが、
前記患者の前記解剖学的構造体内の複数の位置における前記第１の情報と前記第２の情報との差を明らかにするようにさらに構成される、項目４１に記載のシステム。
（項目４７）
前記第１の情報および前記第２の情報がそれぞれ、前記患者の前記解剖学的構造体内の血圧、血液速度、血流量、または冠血流予備量比のうちの少なくとも１つを含む、項目４１に記載のシステム。
（項目４８）
前記患者の前記解剖学的構造体が、前記患者の心臓、頸部、頭部、胸部、腹部、腕、または脚の複数の動脈の一部のうちの少なくとも１つを含む、項目４１に記載のシステム。
（項目４９）
非一時的なコンピュータ可読媒体であって、患者の治療を計画するための方法であって、前記患者の解剖学的構造体の幾何学的形状に関する患者固有のデータを受信することと、前記患者固有のデータに基づく前記患者の解剖学的構造体の少なくとも一部を表す三次元モデルを作成することと、
前記三次元モデルおよび前記患者の生理学的状態に関する情報に基づいて、前記患者の前記解剖学的構造体内の血流の特徴に関する第１の情報を明らかにすることと、および
前記患者の前記生理学的状態の変化に基づいて、前記患者の前記解剖学的構造体内の前記血流の特徴に関する第２の情報を明らかにすることと、を含む、方法を実行するためのコンピュータ実行可能なプログラミング命令を含むコンピュータシステム上で使用するための、非一時的なコンピュータ可読媒体。
（項目５０）
前記第２の情報が、前記患者の心拍出量、心拍数、一回拍出量、血圧、労作または運動のレベル、充血のレベル、または薬物療法のうちの少なくとも１つの変化に関連する選択された治療計画に基づいて明らかにされる、項目４９に記載の非一時的なコンピュータ可読媒体。
（項目５１）
前記方法が、前記患者の前記解剖学的構造体を通る血流に関連するパラメータを変化させることによって、前記患者の前記生理学的状態を修正することをさらに含む、項目５０に記載の非一時的なコンピュータ可読媒体。
（項目５２）
前記変化させた血流に関するパラメータが、冠動脈抵抗、大動脈血圧、または心拍数のうちの少なくとも１つを含む、項目５１に記載の非一時的なコンピュータ可読媒体。
（項目５３）
前記方法が、
前記患者の前記解剖学的構造体内の複数の位置において前記第１の情報と前記第２の情報との差を明らかにすることをさらに含む、項目４９に記載の非一時的なコンピュータ可読媒体。
（項目５４）
前記第１の情報および前記第２の情報がそれぞれ、前記患者の前記解剖学的構造体内の血圧、血液速度、血流量、または冠血流予備量比のうちの少なくとも１つを含む、項目４９に記載の非一時的なコンピュータ可読媒体。
（項目５５）
前記患者の前記解剖学的構造体が、前記患者の心臓、頸部、頭部、胸部、腹部、腕、または脚の複数の動脈の一部のうちの少なくとも１つを含む、項目４９に記載の非一時的なコンピュータ可読媒体。
（項目５６）
少なくとも１つのコンピュータシステムを用いて患者の治療を計画するための方法であって、少なくとも１つのコンピュータシステムに、前記患者の解剖学的構造体の幾何学的形状に関する患者固有のデータを入力することと、
前記少なくとも１つのコンピュータシステムを用いて、前記患者固有のデータに基づく前記患者の前記解剖学的構造体の少なくとも一部を表す三次元モデルを作成することと、
前記少なくとも１つのコンピュータシステムを用いて、前記三次元モデルおよび前記患者の生理学的状態に関する情報に基づいて、前記患者の前記解剖学的構造体内の血流の特徴に関する第１の情報を明らかにすることと、
前記少なくとも１つのコンピュータシステムを用いて、前記患者の前記生理学的状態を修正することと、および
前記少なくとも１つのコンピュータシステムを用いて、前記患者の前記修正された生理学的状態に基づいて、前記患者の前記解剖学的構造体内の前記血流の特徴に関する第２の情報を明らかにすることと、を含む、方法。
（項目５７）
前記患者の前記生理学的状態を修正することが、前記患者の前記解剖学的構造体を通る血流に関するパラメータを変更することを含み、
前記変更されたパラメータが、冠動脈抵抗、大動脈血圧、または心拍数のうちの少なくとも１つを含む、項目５６に記載の方法。
（項目５８）
前記少なくとも１つのコンピュータシステムを用いて、前記第１の情報を含む三次元シミュレーションを作成することと、および
前記少なくとも１つのコンピュータシステムを用いて、前記三次元シミュレーションに基づく次数低減モデルを作成することをさらに含み、
前記第２の情報が前記次数低減モデルを用いて明らかにされる、項目５６に記載の方法。
（項目５９）
前記次数低減モデルが集中パラメータモデルである、項目５８に記載の方法。
（項目６０）
前記患者の前記生理学的状態を修正することが、前記ユーザから受信した第１の入力のであって、前記ユーザによって選択された第１の治療計画を示す第１の入力に基づく項目５６に記載の方法であって、
前記少なくとも１つのコンピュータシステムを用いて、前記第１の入力とは別に、前記ユーザから受信する第２の入力であって、前記ユーザによって選択された第２の治療計画を示す第２の入力に基づいて前記患者の前記生理学的状態を修正することと、
前記少なくとも１つのコンピュータシステムを用いて、前記第２の入力に基づいて修正された前記生理学的状態に基づいて、前記患者の前記解剖学的構造体内の前記血流の特徴に関する第３の情報を明らかにすることと、および
前記第２の情報と前記第３の情報とを比較することによって、前記第１および第２の治療計画を比較することと、をさらに含む、方法。
（項目６１）
患者固有の心血管情報を明らかに明らかにするためのシステムであって、
前記患者の解剖学的構造体の幾何学的形状に関する患者固有のデータを受信し、
前記患者固有のデータに基づく前記患者の前記解剖学的構造体の少なくとも一部を表す三次元モデルを作成し、
前記患者の前記解剖学的構造体の前記一部を通る全流量に関連する全抵抗を特定し、
前記三次元モデル、前記患者の前記解剖学的構造体に関連する物理学に基づくモデル、および前記特定された全抵抗に基づいて、前記患者の前記解剖学的構造体内の血流の特徴に関する情報を明らかにするように構成された少なくとも１つのコンピュータシステムを備える、システム。
（項目６２）
前記患者の前記解剖学的構造体が、大動脈の少なくとも一部と、前記大動脈の一部から発する複数の冠動脈の少なくとも一部とを含み、および前記全抵抗が前記複数の冠動脈を通る全流出量に関連する、項目６１に記載のシステム。
（項目６３）
前記少なくとも１つのコンピュータシステムが、前記決定された全抵抗に基づいて前記複数の冠動脈それぞれの個々の抵抗を特定し、および
前記個々の抵抗を前記物理学に基づくモデルに組込むことによって、前記特定された個々の抵抗に基づいて前記血流の特徴に関する前記情報を明らかにするようにさらに構成される、項目６２に記載のシステム。
（項目６４）
前記少なくとも１つのコンピュータシステムが、
前記患者の測定された血圧を受信し、
前記測定された血圧に基づいて前記全抵抗を特定するようにさらに構成される、項目６３に記載のシステム。
（項目６５）
前記少なくとも１つのコンピュータシステムが、前記解剖学的構造体の少なくとも一部の特定された質量または体積に基づいて、前記解剖学的構造体の前記一部を通る前記全流量を特定するようにさらに構成される、項目６１に記載のシステム。
（項目６６）
前記少なくとも１つのコンピュータシステムが、前記患者固有のデータを用いて、前記解剖学的構造体の少なくとも一部の前記質量または体積を特定するようにさらに構成される、項目６５に記載のシステム。
（項目６７）
前記患者固有のデータが画像データを含み、前記少なくとも１つのコンピュータシステムが、前記画像データを用いて、前記解剖学的構造体の少なくとも一部の前記質量または体積を特定するようにさらに構成される、項目６６に記載のシステム。
（項目６８）
前記情報が、前記患者の解剖学的構造体内の血圧、血液速度、または血流量を含む、項目６１に記載のシステム。
（項目６９）
前記患者の前記解剖学的構造体が、前記患者の心臓、頸部、頭部、胸部、腹部、腕、または脚の複数の動脈の一部のうちの少なくとも１つを含む、項目６１に記載のシステム。
（項目７０）
少なくとも１つのコンピュータシステムを用いて患者固有の心血管情報を明らかにするための方法であって、
前記少なくとも１つのコンピュータシステムに、前記患者の解剖学的構造体の幾何学的形状に関する患者固有のデータを入力することと、
少なくとも１つのコンピュータシステムを用いて、前記患者固有のデータに基づく前記患者の前記解剖学的構造体の少なくとも一部を表す三次元モデルを作成することと、
少なくとも１つのコンピュータを用いて、前記患者の前記解剖学的構造体の前記一部を通る全流量に関連する全抵抗を特定することと、および
少なくとも１つのコンピュータを用いて、前記三次元モデル、前記患者の前記解剖学的構造体に関連する物理学に基づくモデル、および前記決定された全抵抗に基づいて、前記患者の前記解剖学的構造体内の血流の特徴に関する情報を明らかにすることと、を含む、方法。
（項目７１）
前記少なくとも１つのコンピュータシステムを用いて、前記患者固有のデータを使用して、前記患者の前記解剖学的構造体の少なくとも一部の質量または体積を特定することと、および
前記少なくとも１つのコンピュータシステムを用いて、前記特定された質量または体積に基づく前記全流量を特定することをさらに含む、項目７０に記載の方法。
（項目７２）
前記患者の前記解剖学的構造体が、前記患者の心筋または脳である、項目７１に記載の方法。
（項目７３）
前記患者の血圧を測定することをさらに含み、前記全抵抗が前記測定された血圧に基づいて特定される、項目７１に記載の方法。
（項目７４）
前記患者の前記解剖学的構造体が、複数の連結する動脈の少なくとも一部を含む項目７３に記載の方法であって、
前記少なくとも１つのコンピュータシステムを用いて、前記特定された全抵抗に基づいて、前記複数の動脈それぞれの個々の抵抗を特定することをさらに含む、方法。
（項目７５）
前記情報が、前記患者の解剖学的構造体内の血圧、血液速度、または血流量を含む、項目７０に記載の方法。
（項目７６）
前記患者の前記解剖学的構造体が、前記患者の心臓、頸部、頭部、胸部、腹部、腕、または脚の複数の動脈の一部のうちの少なくとも１つを含む、項目７０に記載の方法。
（項目７７）
非一時的なコンピュータ可読媒体であって、患者固有の心血管情報を明らかにするための方法であって、
前記患者の解剖学的構造体の幾何学的形状に関する患者固有のデータを受信することと、前記患者固有のデータに基づく前記患者の解剖学的構造体の少なくとも一部を表す三次元モデルを作成することと、
前記患者の前記解剖学的構造体の前記一部を通る全流量に関連する全抵抗を特定することと、および
前記三次元モデル、前記患者の前記解剖学的構造体に関連する物理学に基づくモデル、および前記特定された全抵抗に基づいて、前記患者の前記解剖学的構造体内の血流の特徴に関する情報を明らかにすることを含む方法を実施するためのコンピュータ実行可能なプログラミング命令を含む、コンピュータシステム上で使用するための、非一時的なコンピュータ可読媒体。
（項目７８）
前記患者の前記解剖学的構造体が、大動脈の少なくとも一部と、前記大動脈の前記一部から発する複数の冠動脈の少なくとも一部とを含み、
前記全抵抗が、前記複数の冠動脈を通る全流出量に関連する、項目７７に記載の非一時的なコンピュータ可読媒体。
（項目７９）
前記方法が、
前記解剖学的構造体の少なくとも一部の特定された質量または体積に基づいて、前記解剖学的構造体の一部を通る前記全流量を特定することをさらに含む、項目７７に記載の非一時的なコンピュータ可読媒体。
（項目８０）
前記患者固有のデータが画像データを含み、前記方法が、
前記画像データを用いて、前記解剖学的構造体の少なくとも一部の前記質量または体積を特定することをさらに含む、項目７９に記載の非一時的なコンピュータ可読媒体。
（項目８１）
ウェブサイトを用いて患者固有の心血管情報を提供するためのシステムであって、
遠隔ユーザがウェブサイトにアクセスすることを可能にし、
前記患者の解剖学的構造体の幾何学的形状の少なくとも一部に関する患者固有のデータを受信し、
前記患者固有のデータに基づく前記患者の前記解剖学的構造体の少なくとも一部を表す三次元モデルを作成し、前記三次元モデルおよび前記患者の生理学的状態に基づいて、前記患者の前記解剖学的構造体内の血流の特徴に関する情報を明らかにし、前記患者の前記解剖学的構造体の少なくとも前記一部の第１の三次元シミュレーションであって、前記血流の特徴に関する前記明らかにされた情報を含む三次元シミュレーションに関する表示情報を前記ウェブサイトを用いて前記遠隔ユーザに伝達するように構成された少なくとも１つのコンピュータシステムを備える、システム。
（項目８２）
前記少なくとも１つのコンピュータシステムが、
前記ウェブサイトを介して、前記患者の治療計画を選択する前記遠隔ユーザからの入力を受信するようにさらに構成される、項目８１に記載のシステム。
（項目８３）
前記少なくとも１つのコンピュータシステムが、
前記受信された入力に基づいて、前記三次元モデルまたは前記患者の前記生理学的状態のうちの少なくとも１つを修正し、
前記受信された入力に基づいて、前記患者の前記解剖学的構造体内の前記血流の特徴に関する第２の情報を明らかにするようにさらに構成される、項目８２に記載のシステム。
（項目８４）
前記少なくとも１つのコンピュータシステムが、
前記患者の前記解剖学的構造体の少なくとも前記一部の第２の三次元シミュレーションであって、前記血流の特徴に関する前記明らかにされた第２の情報を含む第２の三次元シミュレーションに関する表示情報を前記ウェブサイトを用いて前記遠隔ユーザに伝達するようにさらに構成される、項目８３に記載のシステム。
（項目８５）
前記患者の前記解剖学的構造体内の前記血流の特徴に関する前記情報が、前記患者の前記解剖学的構造体に関連する保存された物理学に基づくモデルに基づいてさらに明らかにされる、項目８１に記載のシステム。
（項目８６）
前記患者の前記解剖学的構造体が、心臓、頸部、頭部、胸部、腹部、腕、または脚の複数の動脈の一部のうちの少なくとも１つを含む、項目８１に記載のシステム。
（項目８７）
前記情報が、前記患者の解剖学的構造体内の血圧、血液速度、または血流量を含む、項目８１に記載のシステム。
（項目８８）
前記少なくとも１つのコンピュータシステムが、
複数の患者に関する患者固有のデータを受信し、および
前記複数の患者の前記血流の特徴に関する前記情報を明らかにするようにさらに構成される、項目８１に記載のシステム。
（項目８９）
前記少なくとも１つのコンピュータシステムが、複数の遠隔ユーザが前記ウェブサイトに安全にアクセスすることを可能にするように構成される、項目８１に記載のシステム。
（項目９０）
前記少なくとも１つのコンピュータシステムが、前記三次元モデルに関する表示情報を前記ウェブサイトを用いて前記遠隔ユーザに伝達するように構成される、項目８１に記載のシステム。
（項目９１）
ウェブサイトを用いて患者固有の心血管情報を提供するための方法であって、
少なくとも１つのコンピュータシステムを用いて、遠隔ユーザがウェブサイトにアクセスすることを可能にすることと、
前記少なくとも１つのコンピュータシステムを用いて、前記患者の解剖学的構造体の幾何学的形状に関する患者固有のデータを受信することと、
前記少なくとも１つのコンピュータシステムを用いて、前記患者固有のデータに基づく前記患者の前記解剖学的構造体の少なくとも一部を表す三次元モデルを作成することと、前記少なくとも１つのコンピュータシステムを用いて、前記三次元モデルおよび前記患者の生理学的状態に基づいて、前記患者の前記解剖学的構造体内の血流の特徴に関する情報を明らかにすることと、および
前記少なくとも１つのコンピュータシステムを用いて、前記患者の前記解剖学的構造体の少なくとも前記一部の第１の三次元シミュレーションであって、前記血流の特徴に関する前記明らかにされた情報を含む三次元シミュレーションに関する表示情報を前記ウェブサイトを用いて前記遠隔ユーザに伝達することと、を含む、方法。
（項目９２）
前記少なくとも１つのコンピュータシステムを用いて、前記ウェブサイトを使用して、前記患者の治療計画を選択する前記遠隔ユーザからの入力を受信することをさらに含む、項目９１に記載の方法。
（項目９３）
前記少なくとも１つのコンピュータシステムを用いて、前記受信された入力に基づいて、前記三次元モデルまたは前記患者の前記生理学的状態のうちの少なくとも１つを修正することと、および
前記少なくとも１つのコンピュータシステムを用いて、前記受信された入力に基づいて、前記患者の前記解剖学的構造体の少なくとも前記一部の前記血流の特徴に関する第２の情報を明らかにすることをさらに含む、項目９２に記載の方法。
（項目９４）
前記少なくとも１つのコンピュータシステムを用いて、前記患者の前記解剖学的構造体の第２の三次元シミュレーションであって、前記血流の特徴に関する前記明らかにされた第２の情報を含む第２の三次元シミュレーションに関する表示情報を前記ウェブサイトを用いて前記遠隔ユーザに伝達することをさらに含む、項目９３に記載の方法。
（項目９５）
非一時的なコンピュータ可読媒体であって、患者固有の心血管情報をウェブサイトを用いて提供するための方法であって、
遠隔ユーザがウェブサイトにアクセスすることを可能にすることと、
前記患者の解剖学的構造体の幾何学的形状に関する患者固有のデータを受信することと、前記患者固有のデータに基づく前記患者の解剖学的構造体の少なくとも一部を表す三次元モデルを作成することと、
前記三次元モデルおよび前記患者の前記解剖学的構造体に関連する物理学に基づくモデルに基づいて、前記患者の前記解剖学的構造体内の血流の特徴に関する第１の情報を明らかにすることと、および
前記患者の前記解剖学的構造体の少なくとも前記一部の第１の三次元シミュレーションであって、前記血流の特徴に関する前記明らかにされた情報を含む三次元シミュレーションに関する表示情報を前記ウェブサイトを用いて前記遠隔ユーザに伝達することと、を含む方法を実施するためのコンピュータ実行可能なプログラミング命令を含む、コンピュータシステム上で使用するための、非一時的なコンピュータ可読媒体。
（項目９６）
前記方法が、
前記ウェブサイトを用いて、前記患者の治療計画を選択する前記遠隔ユーザからの入力を受信することをさらに含む、項目９５に記載の非一時的なコンピュータ可読媒体。
（項目９７）
前記患者の前記解剖学的構造体の少なくとも前記一部の前記血流の特徴に関する前記情報が、前記患者の前記解剖学的構造体に関連する保存された物理学に基づくモデルに基づいてさらに明らかにされる、項目９５に記載の非一時的なコンピュータ可読媒体。
（項目９８）
前記患者の前記解剖学的構造体が、前記患者の心臓、頸部、頭部、胸部、腹部、腕、または脚の複数の動脈の一部のうちの少なくとも１つを含む、項目９５に記載の非一時的なコンピュータ可読媒体。
（項目９９）
前記方法が、
複数の患者に関する患者固有のデータを受信することと、および
前記複数の患者の前記血流の特徴に関する前記情報を明らかにすることをさらに含む、項目９５に記載の非一時的なコンピュータ可読媒体。
（項目１００）
前記少なくとも１つのコンピュータシステムが、複数の遠隔ユーザが前記ウェブサイトに安全にアクセスすることを可能にするように構成される、項目９５に記載の非一時的なコンピュータ可読媒体。
（項目１０１）
患者固有の時変心血管情報を明らかにするためのシステムであって、
異なる時点の前記患者の解剖学的構造体の少なくとも一部の幾何学的形状に関する時変患者固有のデータを受信し、
前記患者固有のデータに基づく前記患者の前記解剖学的構造体の少なくとも一部を表す三次元モデルを作成し、および
前記三次元モデルおよび前記患者の前記解剖学的構造に関連する物理学に基づくモデルに基づいて、前記患者の前記解剖学的構造体内の経時的な血流の特徴の変化に関する情報を明らかにするように構成される少なくとも１つのコンピュータシステムを備える、システム。
（項目１０２）
前記時変患者固有のデータが、異なる時点の前記患者の前記解剖学的構造体の前記幾何学的形状に関するものである、項目１０１に記載のシステム。
（項目１０３）
前記患者固有のデータが、心周期にわたる異なる時点の画像データを含む、項目１０１に記載のシステム。
（項目１０４）
前記患者の前記解剖学的構造体が、前記患者の複数の連結する動脈の少なくとも一部を含み、
前記患者固有のデータが、前記複数の動脈血管形状の変化に関する情報を含む、項目１０１に記載のシステム。
（項目１０５）
前記複数の動脈が、前記患者の心臓、頸部、頭部、胸部、腹部、腕、または脚に位置する、項目１０４に記載のシステム。
（項目１０６）
前記血流の特徴が、血圧、血液速度、または血流量のうちの少なくとも１つを含む、項目１０１に記載のシステム。
（項目１０７）
前記少なくとも１つのコンピュータシステムが、
前記患者の前記解剖学的構造体内の３つの次元に沿った複数の位置における経時的な前記血流の特徴の変化に関する情報を明らかにするようにさらに構成される、項目１０１に記載のシステム。
（項目１０８）
少なくとも１つのコンピュータシステムを用いて患者固有の時変心血管情報を明らかにするための方法であって、
少なくとも１つのコンピュータシステムを用いて、異なる時点の前記患者の解剖学的構造体の幾何学的形状に関する時変患者固有のデータを受信することと、
前記少なくとも１つのコンピュータシステムを用いて、前記患者固有のデータに基づく前記患者の前記解剖学的構造体の少なくとも一部を表す三次元モデルを作成することと、および
前記少なくとも１つのコンピュータシステムを用いて、前記三次元モデルおよび前記患者の前記解剖学的構造体に関連する物理学に基づくモデルに関する前記情報に基づいて、前記患者の前記解剖学的構造体内の経時的な血流の特徴の変化に関する情報を明らかにすることと、を含む、方法。
（項目１０９）
前記少なくとも１つのコンピュータシステムを用いて前記物理学に基づくモデルを保存することをさらに含む、項目１０８に記載の方法。
（項目１１０）
前記患者の前記解剖学的構造体が、前記患者の心臓、頸部、頭部、胸部、腹部、腕、または脚の複数の動脈の一部のうちの少なくとも１つを含む、項目１０８に記載の方法。
（項目１１１）
前記時変患者固有のデータが、異なる時点の前記患者の前記解剖学的構造体の前記幾何学的形状に関連する、項目１０８に記載の方法。
（項目１１２）
前記患者固有のデータが、心周期にわたる異なる時点の画像データを含む、項目１０８に記載の方法。
（項目１１３）
前記患者の前記解剖学的構造体が、前記患者の複数の連結する動脈の少なくとも一部を含み、および
前記患者固有のデータが、前記複数の動脈の血管形状の変化に関する情報を含む、項目１０８に記載の方法。
（項目１１４）
前記複数の動脈が、前記患者の心臓、頸部、頭部、胸部、腹部、腕、または脚に位置する、項目１１３に記載の方法。
（項目１１５）
非一時的なコンピュータ可読媒体であって、患者固有の時変心血管情報を明らかにするための方法であって、
異なる時点の前記患者の解剖学的構造体の幾何学的形状に関する時変患者固有のデータを受信することと、
前記患者固有のデータに基づく前記患者の前記解剖学的構造体の少なくとも一部を表す三次元モデルを作成することと、
前記三次元モデルおよび前記患者の前記解剖学的構造に関連する物理学に基づくモデルに関する情報に基づいて、前記患者の前記解剖学的構造体内の経時的な血流の特徴の変化に関する情報を明らかに明らかにすることを含む方法を実施するためのコンピュータ実行可能なプログラミング命令を含む、コンピュータシステム上で使用するための、非一時的なコンピュータ可読媒体。
（項目１１６）
前記時変患者固有のデータが、異なる時点の前記患者の前記解剖学的構造体の前記幾何学的形状に関連する、項目１１５に記載の非一時的なコンピュータ可読媒体。
（項目１１７）
前記患者固有のデータが、心周期にわたる異なる時点の画像データを含む、項目１１５に記載の非一時的なコンピュータ可読媒体。
（項目１１８）
前記患者の前記解剖学的構造体が、前記患者の複数の連結する動脈の少なくとも一部を含み、および
前記患者固有のデータが、前記複数の動脈の血管形状の変化に関する情報を含む、項目１１５に記載の非一時的なコンピュータ可読媒体。
（項目１１９）
前記複数の動脈が、前記患者の心臓、頸部、頭部、胸部、腹部、腕、または脚に位置する、項目１１８に記載の非一時的なコンピュータ可読媒体。
（項目１２０）
前記血流の特徴が、血圧、血液速度、または血流量のうちの少なくとも１つを含む、項目１１５に記載の非一時的なコンピュータ可読媒体。
（項目１２１）
患者の心血管情報を明らかにするためのシステムであって、
前記患者の解剖学的構造体であって、血管の少なくとも一部を含む解剖学的構造体の少なくとも一部の幾何学的形状および少なくとも１つの材料特性に関する患者固有のデータを受信し、
前記患者固有のデータに基づく前記患者の前記解剖学的構造体を表す三次元モデルを作成し、
前記三次元モデルおよび前記患者の生理学的状態に基づいて、前記患者の前記解剖学的構造体内の血流の特徴に関する情報を明らかにし、
前記血管内のプラークの位置を特定するように構成される少なくとも１つのコンピュータシステムを備える、システム。
（項目１２２）
前記少なくとも１つのコンピュータシステムが、前記プラークに対する応力、圧力、力、またはひずみのうちの少なくとも１つを特定するようにさらに構成される、項目１２１に記載のシステム。
（項目１２３）
前記少なくとも１つのコンピュータシステムが、前記プラークの破裂に対する脆弱性を評価するようにさらに構成される、項目１２１に記載のシステム。
（項目１２４）
前記少なくとも１つのコンピュータシステムが、前記プラークの力の前記プラークの応力に対する比に基づいて、前記プラークの破裂に対する脆弱性を評価するようにさらに構成される、項目１２３に記載のシステム。
（項目１２５）
前記強度が、前記プラークの材料特性に基づいて明らかにされ、
前記応力は、前記プラークに対する血流力または心臓運動によって誘発されるひずみによる、急激または累積的な応力を含む、項目１２４に記載のシステム。
（項目１２６）
前記患者の前記生理学的状態が、前記患者の心拍出量、心拍数、一回拍出量、血圧、労作または運動のレベル、充血のレベル、または薬物療法のうちの少なくとも１つを含む、項目１２１に記載のシステム。
（項目１２７）
前記位置が、前記少なくとも１つのコンピュータシステムによって、またはユーザからの入力に基づいて特定される、項目１２１に記載のシステム。
（項目１２８）
少なくとも１つのコンピュータシステムを用いて患者の心血管情報を明らかにするための方法であって、
少なくとも１つのコンピュータシステムを用いて、前記患者の解剖学的構造体であって、血管の少なくとも一部を含む解剖学的構造体の少なくとも一部の幾何学的形状および少なくとも１つの材料特性に関する患者固有のデータを受信することと、
前記少なくとも１つのコンピュータシステムを用いて、前記患者固有のデータに基づく前記患者の前記解剖学的構造体を表す三次元モデルを作成することと、
前記少なくとも１つのコンピュータシステムを用いて、前記三次元モデルおよび前記患者の生理学的状態に基づいて、前記患者の前記解剖学的構造体内の血流の特徴に関する情報を明らかにすることと、
前記少なくとも１つのコンピュータシステムを用いて、前記血管内のプラークを特定することと、を含む、方法。
（項目１２９）
前記プラークが、前記少なくとも１つのコンピュータシステムによって、またはユーザからの入力に基づいて特定される、項目１２８に記載の方法。
（項目１３０）
前記プラークの表面に作用する圧力、力、またはせん断応力のうちの少なくとも１つを計算することをさらに含む、項目１２８に記載の方法。
（項目１３１）
圧力、力、またはせん断応力のうちの前記少なくとも１つが、前記血流の特徴に関する前記決定された情報に基づいて計算される、項目１３０に記載の方法。
（項目１３２）
前記血流の特徴が、血圧、血液速度、または血流量のうちの少なくとも１つを含む、項目１２８に記載の方法。
（項目１３３）
前記患者固有のデータが、異なる時点における前記患者の前記解剖学的構造体の少なくとも一部の前記幾何学的形状に関する時変データを含む、項目１２８に記載の方法であって、
経時的な前記プラークの変形に関する情報を明らかにすることをさらに含む、方法。
（項目１３４）
経時的な前記プラークの変形に関する前記情報が、
長手方向の延長、長手方向の短縮、ねじれ、半径方向の拡張、半径方向の圧縮、または屈曲のうちの少なくとも１つを含む、項目１３３に記載の方法。
（項目１３５）
非一時的なコンピュータ可読媒体であって、患者の心血管情報を明らかにするための方法であって、
前記患者の解剖学的構造体であって、血管の少なくとも一部を含む解剖学的構造体の少なくとも一部の幾何学的形状および少なくとも１つの材料特性に関する患者固有のデータを受信することと、
前記患者固有のデータに基づく前記患者の前記解剖学的構造体を表す三次元モデルを作成することと、
前記三次元モデルおよび前記患者の生理学的状態に基づいて、前記患者の前記解剖学的構造体内の血流の特徴に関する情報を明らかにすることと、および
前記血管内のプラークの位置を特定することと、を含む方法を実施するためのコンピュータ実行可能なプログラミング命令を含む、コンピュータシステム上で使用するための、非一時的なコンピュータ可読媒体。
（項目１３６）
前記解剖学的構造体が、複数の動脈および前記複数の動脈の少なくとも一部と連結する組織の少なくとも一部を含み、前記方法が、前記プラークの潜在的な破裂の影響を受ける前記解剖学的構造体の組織セグメントを特定することをさらに含む、項目１３５に記載の非一時的コンピュータ可読媒体。
（項目１３７）
前記方法が、前記プラークの前記潜在的破裂後の潜在的な経路を明らかにすることをさらに含む、項目１３６に記載の非一時的なコンピュータ可読媒体。
（項目１３８）
前記方法が、前記プラークのサイズ、または前記プラークの下流の前記血管の少なくとも一部のサイズのうちの少なくとも１つに基づいて、前記組織セグメントが前記プラークの前記潜在的な破裂の影響を受け得るか否かを明らかにすることをさらに含む、項目１３６に記載の非一時的なコンピュータ可読媒体。
（項目１３９）
前記方法が、複数の組織セグメントの１つ１つに視覚的指標を提供することをさらに含み、各視覚的指標が、前記プラークの前記潜在的な破裂により前記それぞれの組織セグメントに影響を与える可能性を示す、項目１３６に記載の非一時的なコンピュータ可読媒体。
（項目１４０）
前記解剖学的構造体が、複数の動脈の少なくとも一部と、前記複数の動脈の少なくとも一部に連結する組織とを含み、前記方法が、
前記プラークの潜在的な破裂による前記組織の少なくとも一部への血流の変化を明らかにすることをさらに含む、項目１３５に記載の非一時的なコンピュータ可読媒体。
（項目１４１）
患者の心血管情報を明らかにするためのシステムであって、
前記患者の解剖学的構造体であって、複数の動脈の少なくとも一部と、前記複数の動脈の少なくとも一部と連結する組織とを含む解剖学的構造体の少なくとも一部の幾何学的形状に関する患者固有のデータを受信し、
前記患者固有のデータに基づく前記患者の前記解剖学的構造体を表す三次元モデルを作成し、
前記組織を表す前記三次元モデルの少なくとも一部をセグメントに分割し、
前記三次元モデルおよび前記患者の生理学的状態に基づいて、前記セグメントのうちの少なくとも１つと関連する血流の特徴に関する情報を明らかにするように構成された少なくとも１つのコンピュータシステムを備える、システム。
（項目１４２）
前記血流の特徴が、前記少なくとも１つのセグメントに入る血流を含む、項目１４１に記載のシステム。
（項目１４３）
前記少なくとも１つのコンピュータシステムが、前記セグメントのうちの少なくとも１つをサブセグメントにさらに分割するようにさらに構成され、および
前記血流の特徴が、前記サブセグメントのうちの少なくとも１つに入る血流を含む、項目１４１に記載のシステム。
（項目１４４）
前記少なくとも１つのコンピュータシステムが、所望の分解能が得られるまで前記セグメントをさらに分割するようにさらに構成される、項目１４１に記載のシステム。
（項目１４５）
前記組織が前記複数の動脈の下流にある、項目１４１に記載のシステム。
（項目１４６）
前記複数の動脈が、前記患者の頭部または心臓に少なくとも部分的に位置し、
前記組織が心筋組織または脳組織を含む、項目１４１に記載のシステム。
（項目１４７）
前記少なくとも１つのコンピュータシステムが、前記それぞれのセグメントに連結する前記複数の動脈のうちの少なくとも１つの動脈のサイズに基づいて、前記セグメントのサイズを特定明らかにするようにさらに構成される、項目１４１に記載のシステム。
（項目１４８）
前記患者の前記生理学的状態が、前記患者の心拍出量、心拍数、一回拍出量、血圧、労作または運動のレベル、充血のレベル、または薬物療法のうちの少なくとも１つを含む、項目１４１に記載のシステム。
（項目１４９）
前記少なくとも１つのコンピュータが、複数の前記セグメントに関連する前記血流の特徴に関する前記情報を示す前記解剖学的構造体の三次元シミュレーションを作製するようにさらに構成される、項目１４１に記載のシステム。
（項目１５０）
前記血流の特徴が前記それぞれのセグメントに入る血流を含み、前記それぞれのセグメントに入る前記血流の変動が色または陰影の変動によって示される、項目１４９に記載のシステム。
（項目１５１）
少なくとも１つのコンピュータシステムを用いて患者の心血管情報を明らかにするための方法であって、少なくとも１つのコンピュータシステムを用いて、前記患者の解剖学的構造体であって、複数の動脈の少なくとも一部と、前記複数の動脈の少なくとも一部に連結する組織とを含む解剖学的構造体の少なくとも一部の幾何学的形状に関する患者固有のデータを受信することと、
前記少なくとも１つのコンピュータシステムを用いて、前記患者固有のデータに基づく前記患者の前記解剖学的構造体を表す三次元モデルを作成することと、
前記少なくとも１つのコンピュータシステムを用いて、前記三次元モデルを拡張して拡大モデルを形成することと、
前記少なくとも１つのコンピュータシステムを用いて、前記組織を表す前記拡大モデルの少なくとも一部をセグメントに分割することと、および
前記少なくとも１つのコンピュータシステムを用いて、前記拡大モデルおよび前記患者の生理学的状態に基づいて、前記セグメントのうちの少なくとも１つに関連する血流の特徴に関する情報を明らかにすることと、を含む、方法。
（項目１５２）
前記三次元モデルを拡張することが、前記三次元モデルに含まれる前記動脈のうちの少なくとも１つを拡張することを含み、
前記拡大モデルの前記少なくとも１つの部分を分割することが、前記少なくとも１つの動脈の拡張された部分をセグメントに分割することを含み、および
前記血流の特徴に関する前記情報が、前記拡張された部分の前記セグメントのうちの少なくとも１つに関連する、項目１５１に記載の方法。
（項目１５３）
前記三次元モデルを拡張することが、前記三次元モデルに含まれる前記動脈のうちの少なくとも１つに連結する動脈の追加の分枝を作成することを含み、
前記拡大モデルの前記少なくとも１つの部分を分割することが、前記追加の分枝のうちの少なくとも１つをセグメントに分割することを含み、および
前記血流の特徴に関する前記情報が、前記少なくとも１つの追加の分枝の前記セグメントのうちの少なくとも１つに関連する、項目１５１に記載の方法。
（項目１５４）
前記それぞれのセグメントに連結する前記複数の動脈のうちの少なくとも１つの動脈のサイズに基づいて、前記セグメントのサイズを特定することをさらに含む、項目１５１に記載の方法。
（項目１５５）
前記それぞれのセグメントに連結する複数の隣接する動脈のサイズに基づいて、前記セグメントのサイズを特定することをさらに含む、項目１５１に記載の方法。
（項目１５６）
前記複数の動脈が、前記患者の頭部または心臓に少なくとも部分的に位置し、
前記組織が心臓組織または脳組織を含み、
前記三次元モデルに含まれる前記複数の動脈のうちの少なくとも１つの動脈が、前記心臓組織または前記脳組織に沿って、または前記心臓組織または前記脳組織内で拡張されるように、前記三次元モデルが拡張される、項目１５１に記載の方法。
（項目１５７）
非一時的なコンピュータ可読媒体であって、患者の心血管情報を明らかにするための方法であって、
前記患者の解剖学的構造体であって、複数の動脈の少なくとも一部と、前記複数の動脈の少なくとも一部と連結する組織とを含む解剖学的構造体の少なくとも一部の幾何学的形状に関する患者固有のデータを受信することと、
前記患者固有のデータに基づく前記患者の前記解剖学的構造体を表す三次元モデルを作成することと、前記組織を表す前記三次元モデルの少なくとも一部をセグメントに分割することと、および前記三次元モデルおよび前記解剖学的構造体に関連する物理学に基づくモデルに基づいて、前記セグメントのうちの少なくとも１つに関連する血流の特徴に関する情報を明らかにすることと、を含む方法を実施するためのコンピュータ実行可能なプログラミング命令を含む、コンピュータシステム上で使用するための、非一時的なコンピュータ可読媒体。
（項目１５８）
前記方法が、
前記明らかにされた情報を前記解剖学的構造体中の複数の位置における前記血流の特徴に関する測定された情報と比較することと、および
前記比較に応じて、前記三次元モデルまたは前記物理学に基づくモデルを調整することを含む、項目１５７に記載の非一時的なコンピュータ可読媒体。
（項目１５９）
前記物理学に基づくモデルが、前記三次元モデルの境界を通る血流を表す少なくとも１つの集中パラメータモデルを含み、および
前記少なくとも１つの集中パラメータモデルが前記比較に基づいて調整される、項目１５８に記載の非一時的なコンピュータ可読媒体。
（項目１６０）
前記三次元モデルまたは前記物理学に基づくモデルが、前記明らかにされた情報と前記測定された情報との差が閾値を下回るまで調整される、項目１５８に記載の非一時的なコンピュータ可読媒体。
（項目１６１）
前記三次元モデルが、前記明らかにされた情報と前記測定された情報との差が閾値を下回るまで前記三次元モデルを拡張することによって調節される、項目１５８に記載の非一時的なコンピュータ可読媒体。
（項目１６２）
患者の心血管情報を明らかにするためのシステムであって、
前記患者の脳の幾何学的形状に関する患者固有のデータを受信し、
前記患者固有のデータに基づいて前記患者の脳の少なくとも一部を表す三次元モデルを作成し、および
前記三次元モデルおよび前記患者の脳に関連する物理学に基づくモデルに基づいて、前記患者の脳内の血流の特徴に関する情報を明らかにするように構成された少なくとも１つのコンピュータシステムを含む、システム。
（項目１６３）
前記患者の脳の少なくとも前記一部を表す前記三次元モデルが、複数の大脳動脈の少なくとも一部を含む、項目１６２に記載のシステム。
（項目１６４）
前記血流の特徴が、前記複数の大脳動脈内の複数の位置における血流、血圧、または血液速度のうちの少なくとも１つを含む、項目１６３に記載のシステム。
（項目１６５）
前記患者固有のデータが画像データを含む、項目１６２に記載のシステム。
（項目１６６）
頭蓋外動脈の少なくとも一部、頭蓋内動脈の少なくとも一部、または脳組織のうちの少なくとも１つの前記画像データが提供される、項目１６５に記載のシステム。
（項目１６７）
前記画像データが、コンピュータ断層撮影または磁気共鳴画像化技術によって提供される、項目１６５に記載のシステム。
（項目１６８）
前記少なくとも１つのコンピュータシステムが、前記画像データを用いて複数の大脳動脈内腔の境界の位置を特定することによって、前記画像データに基づく前記三次元モデルを作成するように構成される、項目１６５に記載のシステム。
（項目１６９）
前記少なくとも１つのコンピュータシステムが、前記画像データにおける輝度値の変化に基づいて前記境界の位置を特定するように構成される、項目１６８に記載のシステム。
（項目１７０）
前記物理学に基づくモデルが、前記三次元モデルの境界を通る血流を表す少なくとも１つの集中パラメータモデルを含む、項目１６２に記載のシステム。
（項目１７１）
前記少なくとも１つのコンピュータシステムが、運動のレベル、労作、ストレス、高血圧、または低血圧、あるいは薬物療法のうちの少なくとも１つに関連するパラメータを用いて、前記血流の特徴の関する前記情報を明らかにするように構成される、項目１６２に記載のシステム。
（項目１７２）
前記少なくとも１つのコンピュータシステムが、前記運動のレベル、労作、ストレス、高血圧、または低血圧に関連するパラメータを用いて、前記血流の特徴に関する前記情報を明らかにするように構成され、前記パラメータが、前記患者の大脳動脈抵抗、前記患者の大動脈血圧、または前記患者の心拍数に関連する、項目１７１に記載のシステム。
（項目１７３）
少なくとも１つのコンピュータシステムを用いて患者固有の心血管情報を明らかにするための方法であって、
前記少なくとも１つのコンピュータシステムに、前記患者の複数の大脳動脈の少なくとも一部の幾何学的形状に関する患者固有のデータを入力することと、
前記少なくとも１つのコンピュータシステムを用いて、前記患者固有のデータに基づく前記患者の前記大脳動脈の少なくとも前記一部を表す三次元モデルを作成することと、および
前記少なくとも１つのコンピュータシステムを用いて、前記三次元モデルおよび前記患者の前記大脳動脈に関連する物理学に基づくモデルに基づいて、前記患者の前記大脳動脈内の血流の特徴に関する情報を明らかにすることと、を含む、方法。
（項目１７４）
前記血流の特徴が、前記患者の前記大脳動脈内の複数の位置における、血流、血圧、または血液速度のうちの少なくとも１つを含む、項目１７３に記載の方法。
（項目１７５）
前記大脳動脈が、頭蓋外動脈または頭蓋内動脈のうちの少なくとも１つを含む、項目１７３に記載の方法。
（項目１７６）
前記三次元モデルが、大動脈の一部、頸動脈の一部、椎骨動脈の一部、または脳組織の一部のうちの少なくとも１つを含む、項目１７３に記載の方法。
（項目１７７）
前記患者固有のデータが、前記大脳動脈の少なくとも前記一部の画像データを含み、および前記三次元モデルを作成することが、前記画像データを用いて、前記大脳動脈の少なくとも前記一部の境界を配置することを含む、項目１７３に記載の方法。
（項目１７８）
前記境界の位置が、前記画像データにおける輝度値の変化に基づいて特定される、項目１７７に記載の方法。
（項目１７９）
前記大脳動脈が少なくとも１つの頭蓋外動脈を含む項目１７３に記載の方法であって、前記少なくとも１つの頭蓋外動脈内のプラークを特定することと、および
前記少なくとも１つのコンピュータシステムを用いて前記プラークの破裂に対する脆弱性を評価することと、をさらに含む、方法。
（項目１８０）
前記血流の特徴に関する前記明らかにされた情報が第１の情報である項目１７３に記載の方法であって、
前記三次元モデルを修正することと、前記修正三次元モデルに基づいて、前記患者の前記解剖学的構造体内の前記血流の特徴に関する第２の情報を明らかにすることと、をさらに含む、方法。
（項目１８１）
前記三次元モデルが、少なくとも１つの血管の閉塞、または前記閉塞の修復のうちの少なくとも１つを模擬するように修正される、項目１８０に記載の方法。
（項目１８２）
非一時的なコンピュータ可読媒体であって、患者固有の心血管情報を明らかにするための方法であって、
前記患者の脳の幾何学的形状に関する患者固有のデータを受信することと、
前記患者固有のデータに基づいて前記患者の脳の少なくとも一部を表す三次元モデルを作成することと、および
前記三次元モデルおよび前記患者の脳に関連する物理学に基づくモデルに基づいて、前記患者の脳内の血流の特徴に関する情報を明らかにすることを含む、方法を実行するためのコンピュータ実行可能なプログラミング命令を含む、少なくとも１つのコンピュータシステム上で使用するための、非一時的なコンピュータ可読媒体。
（項目１８３）
前記方法が、
３つの次元に沿った前記患者の複数の大脳動脈の少なくとも一部の複数の位置における前記血流の特徴に関する前記情報を表す前記患者の脳の三次元シミュレーションを作製することをさらに含む、項目１８２に記載の非一時的なコンピュータ可読媒体。
（項目１８４）
前記血流の特徴に関する前記情報が、前記三次元シミュレーション上に色または陰影を用いて示され、前記血流の特徴に関する前記情報の変動が、色または陰影の変動によって示される、項目１８３に記載の非一時的なコンピュータ可読媒体。

その他の実施形態および利点は、以下の説明に部分的に記載され、部分的にその説明から明らかになるか、または本開示を実施することによって知ることができる。それらの実施形態および利点は、以下に特に指摘される要素および組み合わせによって実現および達成されるであろう。

本明細書に組込まれ、その一部をなす添付の図面は、いくつかの実施形態を図解し、記述とともに本開示の原理を説明する役割を果たす。
例示的実施形態による、特定の患者における冠動脈血流に関連する様々な情報を提供するためのシステムの概略図である。 例示的実施形態による、特定の患者における血流に関連する様々な情報を提供するための方法のフローチャートである。 図２の方法のサブステップを示すフローチャートである。 例示的実施形態による、患者から非侵襲的に取得した画像データを示す。 図４の画像データを用いて作成された例示的三次元モデルを示す。 第１の初期モデルを形成するためのシードを含む、一片の図４の画像データを示す。 図６のシードを拡張することによって形成された一部の第１の初期モデルを示す。 例示的実施形態によるトリミングしたソリッドモデルを示す。 患者の安静時の例示的算出ＦＦＲ（ｃＦＦＲ）モデルを示す。 患者の最大充血下での例示的ｃＦＦＲモデルを示す。 患者の最大運動下での例示的ｃＦＦＲモデルを示す。 例示的実施形態による、集中パラメータモデルを形成するために提供されるトリミングした一部のソリッドモデルを示す。 集中パラメータモデルを形成するために提供される、図１２のトリミングしたソリッドモデルの中心線の一部を示す。 集中パラメータモデルを形成するために提供される、図１２のトリミングしたソリッドモデルに基づいて形成されたセグメントを示す。 集中パラメータモデルを形成するために提供される、抵抗器に置き換えられた図１４のセグメントを示す。 例示的実施形態による、ソリッドモデルの流入境界および流出境界における上流および下流の構造体を表す例示的な集中パラメータモデルを示す。 図８のソリッドモデルに基づいて作製された三次元メッシュを示す。 図１７の三次元メッシュの一部を示す。 図１７の三次元メッシュの一部を示す。 血流情報を含む患者の解剖学的形態のモデルを示し、このモデル上の特定の地点は、個々の参照ラベルで特定される。 大動脈内の図２０で特定されるいくつかの地点における経時的な模擬血圧のグラフであり、いくつかのの地点は図２０において特定される。 図２０で特定される各地点における経時的な模擬の血流のグラフである。 例示的実施形態による最終レポートである。 例示的実施形態による、特定の患者における冠動脈血流に関連する様々な情報を提供するための方法のフローチャートである。 例示的実施形態による、左前下行枝（ＬＡＤ）枝の一部およびＬＣＸ動脈の一部を拡大することによって作成されたソリッドモデルに基づいて特定された修正ｃＦＦＲモデルを示す。 例示的実施形態による、一部のＬＡＤ動脈および一部の左回旋枝（ＬＣＸ）枝を拡大した後の修正された模擬の血流モデルの例を示す。 例示的実施形態による、次数低減モデルを用いて様々な治療選択肢を模擬するための方法のフローチャートである。 別の例示的実施形態による、次数低減モデルを用いて様々な治療選択肢を模擬するための方法のフローチャートである。 例示的実施形態による、特定の患者における心筋灌流に関連する様々な情報を提供するための方法のフローチャートである。 別の例示的実施形態による、特定の患者における心筋灌流に関連する様々な情報を提供する方法のフローチャートである。 例示的実施形態による、心筋灌流に関連する様々な情報を提供する患者固有モデルを示す。 さらなる例示的実施形態による、特定の患者における心筋灌流に関連する様々な情報を提供するための方法のフローチャートである。 血管壁に沿って蓄積したプラークの断面図である。 例示的実施形態による、プラーク脆弱性に関連する様々な情報を提供する患者固有のモデルを示す。 例示的実施形態による、特定の患者におけるプラーク脆弱性、心筋体積リスク、および心筋灌流リスクの評価に関連する様々な情報を提供するための方法のフローチャートである。 例示的実施形態による、図３５の方法から取得される情報を示す概略図である。 大脳動脈の略図である。 例示的実施形態による、特定の患者における頭蓋内血流および頭蓋外血流に関連する様々な情報を提供するための方法のフローチャートである。 例示的実施形態による、特定の患者における脳灌流に関連する様々な情報を提供するための方法のフローチャートである。 別の示的実施形態による、特定の患者における脳灌流に関連する様々な情報を提供するための方法のフローチャートである。 さらなる例示的実施形態による、特定の患者における脳灌流に関連する様々な情報を提供するための方法のフローチャートである。 例示的実施形態による、特定の患者におけるプラークの脆弱性、脳体積リスク、脳灌流リスクの評価に関連する様々な情報を提供するための方法のフローチャートである。

次に、例示的実施形態を詳細に参照するが、それらの例は添付の図面で図解する。可能な限り、これらの図面を通して、同じ参照番号を使用して同じまたは類似する部分に言及する。本説明は、以下の概要に従ってまとめる。
Ｉ．概説
ＩＩ．患者固有の解剖学的データの取得および前処理
ＩＩＩ．取得した解剖学的データに基づく三次元モデルの作成
ＩＶ．分析のためのモデルの作製および境界条件の決定
Ａ．分析のためのモデルの作製
Ｂ．境界条件の特定
ｉ．次数低減モデルの特定
ｉｉ．例示的な集中パラメータモデル
Ｃ．三次元メッシュの作成
Ｖ．コンピュータ分析の実施および結果の出力
Ａ．コンピュータ分析の実施
Ｂ．血圧、血流、およびｃＦＦＲの結果の表示
Ｃ．結果の検証
Ｄ．冠動脈血流の情報を提供するためのシステムおよび方法の別の実施形態
ＶＩ．患者固有の治療計画の提供
Ａ．異なる治療選択肢を比較するための次数低減モデルの使用
ＶＩＩ．他の結果
Ａ．心筋灌流の評価
Ｂ．プラーク脆弱性の評価
ＶＩＩＩ．他の用途
Ａ．頭蓋内血流および頭蓋外血流のモデリング
ｉ．脳灌流の評価
ｉｉ．プラーク脆弱性の評価
Ｉ．概説

例示的実施形態において、方法およびシステムは、患者から非侵襲的に入手した情報を用いて、特定の患者における血流に関連する様々な情報を明らかにする。この明らかとされる情報は、患者の冠動脈の脈管構造における血流に関連してもよい。あるいは、さらに詳細に後述するように、明らかとされる情報は、患者の脈管構造の他の部分、例えば頸動脈、末梢、腹部、腎臓、および脳の脈管構造における血流に関連してもよい。冠動脈の脈管構造は、大動脈から、細動脈、毛細血管、細静脈、静脈などに及ぶ複雑な血管網を含む。冠動脈の脈管構造は、血液を心臓に、また心臓内で循環させ、大動脈２および主冠状動脈４の下流の動脈の分枝または他の種類の血管にさらに分かれ得る、複数の主冠状動脈４（図５）（例えば、左前下行（ＬＡＤ）枝、左回旋（ＬＣＸ）枝、右冠状（ＲＣＡ）動脈など）に血液を供給する大動脈２（図５）を含む。したがって、例示的方法およびシステムは、大動脈、主冠状動脈、および／または主冠状動脈の下流の他の冠状動脈もしくは血管内の血流に関連する様々な情報を明らかにしてもよい。下記において大動脈および冠状動脈（ならびにそこから延びる分枝）について説明するが、開示される方法およびシステムは、他の種類の血管にも適用することができる。

例示的実施形態において、開示される方法およびシステムによって明らかにされる情報は、大動脈、主冠状動脈、および／または主冠状動脈の下流の他の冠状動脈または血管の様々な位置における様々な血流の特徴またはパラメータ、例えば血流速度、圧力（またはその比）、流量、およびＦＦＲを含んでもよいが、これらに限定されない。この情報は、病変が機能的に重要であるかどうか、および／またはその病変を治療するかどうかを決定するために使用することができる。この情報は、患者から非侵襲的に取得した情報を用いて明らかにすることができる。その結果、侵襲的手法に付随する費用およびリスクを伴わずに、病変を治療するかどうかの決定を下すことができる。

図１は、例示的実施形態による、特定の患者における冠動脈血流に関連する様々な情報を提供するためのシステムの態様を示している。患者の解剖学的形態の三次元モデル１０は、より詳細に後述するように、患者から非侵襲的に取得したデータを用いて作成することができる。また、他の患者固有の情報を非侵襲的に取得することもできる。例示的実施形態において、三次元モデル１０によって表される患者の解剖学的形態の一部は、大動脈の少なくとも一部およびその大動脈に連結する主冠状動脈（およびそこから延びるまたは発する分枝）の近位部を含んでもよい。

冠動脈血流に関連する様々な生理学的法則および関係２０は、例えばより詳細に後述するように、実験データから推定することができる。この三次元の解剖学的モデル１０および推定される生理学的法則２０を用いて、より詳細に後述するように、冠動脈血流に関連する複数の方程式３０を明らかにすることができる。例えば、方程式３０は、任意の数値法、例えば、有限差分法、有限体積法、スペクトル法、格子ボルツマン法、粒子ベース法、レベルセット法、有限要素法などを用いて明らかにし、解くことができる。方程式３０は、モデル１０によって表される解剖学的形態の様々な地点における患者の解剖学的形態における冠動脈血流に関する情報（例えば、圧力、速度、ＦＦＲなど）を明らかにするように、可解であってもよい。

方程式３０は、コンピュータ４０を用いて解いてもよい。その解いた方程式に基づいて、コンピュータ４０は、モデル１０によって表される患者の解剖学的形態における血流に関連する情報を示す１つまたは複数の画像またはシミュレーションを出力してもよい。例えば、画像（複数可）は、より詳細に後述するように、模擬の血圧モデル５０、模の擬血流もしくは速度モデル５２、計算されたＦＦＲ（ｃＦＦＲ）モデル５４などを含んでもよい。模擬の血圧モデル５０、模擬の血流モデル５２、およびｃＦＦＲモデル５４は、モデル１０によって表される患者の解剖学的形態の３つの次元に沿った様々な位置における、それぞれの圧力、速度、およびｃＦＦＲに関する情報を提供する。ｃＦＦＲは、例えばアデノシンの静脈内投与によって従来誘発される冠動脈血流が増加する条件下で、モデル１０の特定の位置の血圧を大動脈の例えばモデル１０の流入境界の血圧で除算した比として算出することができる。

例示的実施形態において、コンピュータ４０は、プロセッサやコンピュータシステムなどによって実行されたときに、患者の血流に関連する様々な情報を提供するための本明細書に記載される行為のいずれかを実施し得る命令を保存する１つまたは複数の非一時的なコンピュータ可読記憶装置を含んでもよい。コンピュータ４０は、デスクトップコンピュータもしくはポータブルコンピュータ、ワークステーション、サーバ、携帯情報端末、または任意の他のコンピュータシステムを含んでもよい。コンピュータ４０は、プロセッサ、読み取り専用メモリ（ＲＯＭ）、ランダムアクセスメモリ（ＲＡＭ）、周辺装置（例えば、入力装置、出力装置、記憶装置など）を接続するための出入力（Ｉ／Ｏ）アダプタ、入力装置、例えばキーボード、マウス、タッチスクリーン、音声入力、および／または他の装置を接続するためのユーザインターフェースアダプタ、コンピュータ４０をネットワークに接続するための通信アダプタ、コンピュータ４０をディスプレイに接続するためのディスプレイアタプタなどを含んでもよい。例えば、このディスプレイは、三次元モデル１０および／または方程式３０を解くことによって生成される任意の画像、例えば模擬の血圧モデル５０、模擬の血流モデル５２、および／またはｃＦＦＲモデル５４を表示するために使用することができる。

図２は、別の例示的実施形態による、特定の患者における血流に関連する様々な情報を提供するための方法の態様を示している。本方法は、患者固有の解剖学的データ、例えば患者の解剖学的形態（例えば、少なくとも一部の大動脈、およびその大動脈に連結する主冠状動脈（およびそこから延びる分枝）の近位部）に関する情報を取得することと、そのデータを前処理することと（ステップ１００）を含んでもよい。患者固有の解剖学的データは、例えばＣＣＴＡによって、後述のように非侵襲的に取得することができる。

患者の解剖学的形態の三次元モデルは、取得した解剖学的データに基づいて作成することができる（ステップ２００）。例えば、この三次元モデルは、図１に関連して上記で説明した患者の解剖学的形態の三次元モデル１０であってもよい。

この三次元モデルは分析のために作製してもよく、境界条件を特定してもよい（ステップ３００）。例えば、図１に関連して上記で説明した患者の解剖学的形態の三次元モデル１０は、トリミングおよび離散化して、体積メッシュ、例えば有限要素メッシュまたは有限体積メッシュにしてもよい。体積メッシュは、図１に関連して上記で説明した方程式３０を生成するために使用してもよい。

また、境界条件を指定して、図１に関連して上記で説明した方程式３０に組込んでもよい。境界条件は、三次元モデル１０に関する、その境界、例えば流入境界３２２（図８）、流出境界３２４（図８）、血管壁境界３２６（図８）などにおける情報を提供する。流入境界３２２は、大動脈根の近傍の大動脈の端部（例えば、図１６に示す端部Ａ）など、その境界を通って流れが三次元モデルの解剖学的形態内へと向かう境界を含んでもよい。各流入境界３２２に、例えば、心臓モデルおよび／または集中パラメータモデルをその境界に結合することによって、速度、流量、圧力、または他の特性に対する規定の値またはフィールドを指定してもよい。流出境界３２４は、大動脈弓の近傍の大動脈の端部（例えば、図１６に示す端部Ｂ）、ならびに主冠状動脈およびそこから延びる分枝の下流端部（例えば、図１６に示す端部ａ〜ｍ）など、その境界を通って流れが三次元モデルの解剖学的形態から外に向かう境界を含んでもよい。各流出境界は、例えば、詳細に後述するように、集中パラメータモデルまたは分散（例えば、一次元波動伝播）モデルを結合することによって指定することができる。流入および／または流出境界条件の規定値は、心拍出量（心臓からの血流の体積）、血圧、心筋質量などであるがこれらに限定されない患者の生理学的特徴を非侵襲的に測定することによって明らかにすることができる。血管壁境界は、三次元モデル１０の大動脈、主冠状動脈、および／または他の冠状動脈もしくは血管の物理的境界を含んでもよい。

作製された三次元モデルおよび明らかにされた境界条件を用いて、コンピュータ分析を実施して（ステップ４００）、患者の血流情報を明らかにしてもよい。例えば、方程式３０を用いて、図１に関連して上記で説明したコンピュータ４０を使用してコンピュータ分析を実施し、図１に関連して上記で説明した画像、例えば模擬の血圧モデル５０、模擬の血流モデル５２、および／またはｃＦＦＲモデル５４を生成してもよい。

また、本方法は、この結果を用いて、患者固有の治療選択肢を提供することも含む（ステップ５００）。例えば、ステップ２００で作成された三次元モデル１０および／またはステップ３００で指定された境界条件を調整して、１つまたは複数の治療、例えば、三次元モデル１０に表される冠状動脈のうちの１つへの冠動脈ステントの設置、または他の治療選択肢をモデリングしてもよい。次いで、上記のステップ４００で説明したようにコンピュータ分析を実施して、新しい画像、例えば更新版の血圧モデル５０、血流モデル５２、および／またはｃＦＦＲモデル５４を生成してもよい。これらの新しい画像を用いて、その治療選択肢（複数可）を採用した場合の血流速度および血圧を明らかにすることができる。

本明細書において開示されるシステムおよび方法は、医師がアクセスするソフトウェアツールに組込んで、冠状動脈内の血流を定量化し、冠動脈疾患の機能的重要性を評価するための非侵襲的手段を提供することができる。さらに、医師は、このソフトウェアツール使用して、冠動脈血流に対する薬物治療、インターベンション治療、および／または外科治療の効果を予測することもできる。このソフトウェアツールは、頸部の動脈（例えば、頸動脈）、頭部の動脈（例えば、大脳動脈）、胸部の動脈、腹部の動脈（例えば、腹部大動脈およびその分枝）、腕の動脈、または脚の動脈（例えば、大腿動脈および膝窩動脈）を含む心血管系の他の部分の疾患を予防、診断、管理、および／または治療することもできる。このソフトウェアツールは、医師が患者のための最適な個別療法を作成できるように対話式であってもよい。

例えば、このソフトウェアツールは、医師または他のユーザが使用する、コンピュータシステム、例えば図１に示すコンピュータ４０に、少なくとも部分的に組込まれていてもよい。このコンピュータシステムは、患者から非侵襲的に取得したデータ（例えば、三次元モデル１０を作成するために使用するデータ、境界条件を適用するため、またはコンピュータ分析を実施するために使用するデータなど）を受信することができる。例えば、データは医師が入力してもよく、またはかかるデータにアクセスし、それを提供することができる別の供給源、例えば放射線もしくは医学研究室から受信してもよい。７データは、ネットワークまたはデータを伝達するための他のシステムを介して、または直接コンピュータシステムに送信してもよい。ソフトウェアツールは、このデータを使用して、三次元モデル１０もしくは他のモデル／メッシュ、および／または図１に関連して上記で説明した方程式３０を解くことによって特定された任意のシミュレーションもしくは他の結果、例えば模擬の血圧モデル５０、模擬の血流モデル５２、および／またはｃＦＦＲモデル５４を生成および表示してもよい。このように、ソフトウェアツールは、ステップ１００〜５００を実施することができる。ステップ５００において、医師は、コンピュータシステムにさらなる入力を提供して可能な治療選択肢を選択してもよく、またコンピュータシステムは、選択された可能な治療選択肢に基づいて、新しいシミュレーションを医師に対して表示してもよい。さらに、図２に示す各ステップ１００〜５００は、別々のソフトウェアパッケージもしくはモジュールを用いて実施してもよい。

あるいは、ソフトウェアツールは、ウェブベースのサービスまたは他のサービス、例えば医師とは別の実体が提供するサービスの一部として提供されてもよい。このサービス提供者は、例えば、ウェブベースのサービスを運営していてもよく、またネットワークまたはコンピュータシステム間でデータを伝達する他の方法を介して医師または他のユーザがアクセスしやすいウェブポータルまたはウェブベースのアプリケーション（例えば、そのサービス提供者が運営するサーバまたは他のコンピュータシステム上で実行される）を提供してもよい。例えば、患者から非侵襲的に取得したデータは、サービス提供者に提供されてもよく、サービス提供者はこのデータを用いて三次元モデル１０もしくは他のモデル／メッシュ、および／または図１に関連して上記で説明した方程式３０を解くことによって明らかにされた任意のシミュレーションもしくは他の結果、例えば模擬の血圧モデル５０、模擬の血流モデル５２、および／またはｃＦＦＲモデル５４を生成してもよい。次いで、ウェブベースのサービスは、三次元モデル１０もしくは他のモデル／メッシュ、および／またはシミュレーションに関連する情報を送信してもよく、それによって三次元モデル１０および／またはシミュレーションを医師に対して、または医師のコンピュータシステム上に表示してもよい。このようにして、ウェブベースのサービスは、ステップ１００〜５００および患者固有の情報を提供するための後述の任意の他のステップを実施することができる。ステップ５００において、医師はさらなる入力を提供して、例えば、可能な治療選択肢を選択しても、またはコンピュータ分析に他の調整を行ってもよく、この入力は、サービス提供者によって運営されるコンピュータシステムに送信してもよい（例えば、ウェブポータルを介して）。ウェブベースのサービスは、選択された可能な治療選択肢に基づいて、新しいシミュレーションまたは他の結果を生成してもよく、またその新しいシミュレーションに関連する情報を再び医師に伝達してもよく、それによってその新しいシミュレーションが医師に対して表示されてもよい。

本明細書に記載するステップのうちの１つまたは複数が、１人または複数の人間のオペレータ（例えば、心臓専門医または他の医師、患者、サード・パーティーによって提供されるウェブベースのサービスまたは他のサービスを提供するサービス提供者の従業員、他のユーザなど）、あるいはかかる人間のオペレータ（複数可）によって使用される１つまたは複数のコンピュータシステム、例えばデスクトップコンピュータもしくはポータブルコンピュータ、ワークステーション、サーバ、携帯情報端末などによって実施されてもよいことは理解すべきである。コンピュータシステム（複数可）は、ネットワークまたはデータを伝達する他の方法を介して接続することができる。

図３は、特定の患者における血流に関連する様々な情報を提供するための例示的方法のさらなる態様を示している。図３に示す態様は、コンピュータシステムに少なくとも部分的に組込まれていてもよい、および／またはウェブベースのサービスの一部としてのソフトウェアツールに組込まれていてもよい。
ＩＩ．患者固有の解剖学的データの取得および前処理

図２に示すステップ１００に関連して上記で説明したように、例示的方法は、患者固有の解剖学的データ、例えば患者の心臓に関する情報を取得することと、そのデータを前処理することとを含んでもよい。例示的実施形態において、ステップ１００は、以下のステップを含んでもよい。

最初に、患者を選択してもよい。例えば、患者が胸痛や心臓発作などの冠動脈疾患に関連する症状を経験している場合に、医師が患者の冠動脈血流に関する情報が所望されると判断したとき、医師が患者を選択してもよい。

患者固有の解剖学的データ、例えば患者の心臓の幾何学的形状、例えば少なくとも一部の患者の大動脈、その大動脈に連結する主冠状動脈（およびそこから延びる分枝）の近位部、および心筋に関するデータを取得することができる。患者固有の解剖学的データは、例えば非侵襲的な画像化方法を用いて、非侵襲的に取得することができる。例えば、ＣＣＴＡは、ユーザがコンピュータ断層撮影（ＣＴ）スキャナを操作して、構造体、例えば心筋、大動脈、主冠状動脈、およびそれらに連結する他の血管の画像を観察または作成する画像化方法である。ＣＣＴＡデータは、時変であって、例えば、心周期にわたって血管形状の変化を示してもよい。ＣＣＴＡを用いて、患者の心臓の画像を生成してもよい。例えば、６４スライスのＣＣＴＡデータ、例えば患者の心臓の６４枚の切片に関連するデータを取得し、三次元画像を構築することができる。図４は、６４スライスのＣＣＴＡデータによって生成される三次元画像１２０の例を示している。

代替的に、他の非侵襲的な画像化方法、例えば磁気共鳴画像化（ＭＲＩ）または超音波（ＵＳ）、あるいは侵襲的な画像化方法、例えばデジタルサブトラクション血管造影（ＤＳＡ）を用いて、患者の解剖学的形態の構造体の画像を生成してもよい。画像化方法は、解剖学的形態の構造体の特定を可能にするために、患者への造影剤を静脈投与することを含んでもよい。得られた画像データ（例えば、ＣＣＴＡやＭＲＩなどによって提供される）は、放射線研究室または心臓専門医などのサード・パーティーベンダー、あるいは患者の医師などが提供してもよい。

また、他の患者固有の解剖学的データも患者から非侵襲的に明らかにすることができる。例えば、患者の血圧、ベースライン心拍数、身長、体重、ヘマトクリット値、一回拍出量などの生理学的データを測定してもよい。血圧は、患者の上腕動脈の血圧（例えば、血圧測定用カフを用いる）、例えば最高（収縮期）血圧および最低（拡張期）血圧であってもよい。

上述のように取得した患者固有の解剖学的データは、安全な通信回線上で送信される（例えば、ネットワークを介して）。例えば、データは、コンピュータ分析、例えば上記のステップ４００で説明したコンピュータ分析を実施するために、サーバまたは他のコンピュータシステムに送信してもよい。例示的実施形態において、データは、ウェブベースのサービスを提供するサービス提供者によって運営されるサーバまたは他のコンピュータシステムに送信してもよい。あるいは、データは、患者の医師または他のユーザによって操作されるコンピュータシステムに送信してもよい。

再び図３を参照すると、送信されたデータを検討して、そのデータが許容可能かどうかを決定することができる（ステップ１０２）。この決定は、ユーザおよび／またはコンピュータシステムが実施してもよい。例えば、送信されたデータ（例えば、ＣＣＴＡデータおよび他のデータ）をユーザおよび／またはコンピュータシステムが検証して、例えば、そのＣＣＴＡデータが完全である（例えば、大動脈および主冠状動脈の十分な部分を含む）かどうか、また正しい患者に対応しているかどうかを決定してもよい。

また、送信されたデータ（例えば、ＣＣＴＡデータおよび他のデータ）を前処理および評価してもよい。前処理および／または評価は、ユーザおよび／またはコンピュータシステムが実施してもよく、またこれは、例えば、位置ずれ、不一致、またはＣＣＴＡデータの不鮮明の確認、ＣＣＴＡデータに示されるステントの確認、血管内腔の可視性を妨げる可能性がある他の人工物の確認、構造体（例えば、大動脈、主冠状動脈、および他の血管）と患者の他の部分と間の十分なコントラストの確認などを含んでもよい。

送信されたデータを判定して、上述の検証、前処理、および／または評価に基づいて、そのデータが許容可能であるかを決定してもよい。上述の検証、前処理、および／または評価において、ユーザおよび／またはコンピュータシステムは、データの一部のエラーまたは問題を修正することができるかもしれない。しかしながら、エラーまたは問題が多すぎる場合には、そのデータは許容不可であると決定することができ、ユーザおよび／またはコンピュータシステムは、それらのエラーまたは問題が送信されたデータの拒否を余儀なくする旨を説明する拒否レポートを生成してもよい。場合によっては、新しいＣＣＴＡスキャンを実施してもよく、および／または上述の生理学的データを再度患者から測定してもよい。送信されたデータが許容可能であると決定された場合、本方法は、後述のステップ２０２に進んでもよい。

したがって、図３に示す上述のステップ１０２は、図２のステップ１００のサブステップとみなすことができる。
ＩＩＩ．取得した解剖学的データに基づく三次元モデルの作成

図２に示すステップ２００に関連して上記で説明したように、例示的方法は、取得した解剖学的データに基づいて、三次元モデルを作成することを含んでもよい。例示的実施形態において、ステップ２００は、以下のステップを含んでもよい。

ＣＣＴＡデータを用いて、冠血管の三次元モデルを生成することができる。図５は、ＣＣＴＡデータを用いて生成される三次元モデル２２０の表面の例を示している。例えば、モデル２２０は、例えば、少なくとも一部の大動脈、その大動脈のその部分に連結する少なくとも１つの近位部の１つまたは複数の主冠状動脈の、その主冠状動脈に連結する少なくとも１つの近位部の１つまたは複数の分枝などを含んでもよい。大動脈、主冠状動脈、および／または分枝のモデリングされた部分は、相互に連結した樹状であってもよく、どの部分もモデル２２０の残りの部分から分離していない。モデル２２０を形成するプロセスは、セグメント化と称される。

再び図３を参照すると、コンピュータシステムは、大動脈（ステップ２０２）および心筋（または他の心臓組織、もしくはモデリングされる動脈に連結する他の組織）（ステップ２０４）の少なくとも一部を自動的にセグメント化してもよい。また、コンピュータシステムは、大動脈に連結する少なくとも一部の主冠状動脈をセグメント化してもよい。例示的実施形態において、コンピュータシステムは、ユーザが１つまたは複数の冠動脈の根元または始点を選択して（ステップ２０６）、主冠状動脈をセグメント化することを可能にしてもよい。

セグメント化は、様々な方法を用いて実施することができる。
セグメント化は、ユーザの入力に基づいて、またはユーザの入力を伴わずに、コンピュータシステムによって自動的に実施されてもよい。例えば、例示的実施形態において、ユーザは、第１の初期モデルを生成するために、コンピュータシステムに入力を提供してもよい。例えば、コンピュータシステムは、ユーザに対して、ＣＣＴＡデータから生成された三次元画像１２０（図４）またはその切片を表示してもよい。三次元画像１２０は、様々な輝度の明度を有する部分を含んでもよい。例えば、より明るい部分は、大動脈、主冠状動脈、および／または分枝の内腔を示し得る。より暗い部分は、患者の心臓の心筋および他の組織を示し得る。

図６は、ユーザに対して表示することができる三次元画像１２０の切片２２２の一部を示し、この切片２２２は、相対明度を有する部分２２４を含んでもよい。このコンピュータシステムは、１つまたは複数のシード２２６を選択することによって、ユーザが相対明度を有する部分２２４を選択することを可能にしてもよく、またシード２２６は、主冠状動脈のセグメント化のための冠動脈の根元または始点としての役割を果たしてもよい。ユーザの命令で、コンピュータシステムは、次いで第１の初期モデルを形成するための始点としてシード２２６を使用してもよい。ユーザは、大動脈および／または個々の主冠状動脈のうちの１つまたは複数に、シード２２６を追加してもよい。場合によって、ユーザは、主冠状動脈に連結する分枝のうちの１つまたは複数に、シード２２６を追加してもよい。あるいは、コンピュータシステムは、例えば抽出した中央線の情報を用いて、自動的にシードを配置してもよい。このコンピュータシステムは、シード２２６が配置された画像１２０の輝度値を決定してもよく、同じ輝度値を有する（または、選択された輝度値を中心とする輝度値の範囲または閾値内の）画像１２０の部分に沿ってシード２２６を拡張することによって、第１の初期モデルを形成してもよい。したがって、このセグメント化方法は、「閾値に基づくセグメント化」と称することができる。

図７は、図６のシード２２６を拡張することによって形成される第１の初期モデルの一部２３０を示している。したがって、ユーザは、コンピュータシステムが第１の初期モデルの形成を開始するための始点として、シード２２６を入力する。このプロセスは、全ての関心部分、例えば大動脈および／または主冠状動脈の部分がセグメント化されるまで繰り返してもよい。あるいは、第１の初期モデルは、ユーザ入力を伴わずに、コンピュータシステムによって生成されてもよい。

あるいは、セグメント化は、「エッジに基づくセグメント化」と称される方法を用いて実施してもよい。例示的実施形態において、後述のように、閾値に基づくセグメント化およびエッジに基づくセグメント化の両方法を実施して、モデル２２０を形成してもよい。

第２の初期モデルは、エッジに基づくセグメント化方法を用いて形成してもよい。この方法では、大動脈および／または主冠状動脈の内腔エッジを位置を特定することができる。例えば、例示的実施形態において、ユーザは、第２の初期モデルを生成するために、入力、例えば上述のようなシード２２６をコンピュータシステムに提供してもよい。コンピュータシステムは、エッジに達するまで、画像１２０の部分に沿ってシード２２６を拡張してもよい。内腔のエッジは、例えば、ユーザによって視覚的に、および／またはコンピュータシステムによって（例えば、設定閾値を上回る輝度値の変化がある位置）、位置を特定することができる。エッジに基づくセグメント化方法は、コンピュータシステムおよび／またはユーザによって実施することができる。

また、ステップ２０４において、ＣＣＴＡデータに基づいて、心筋または他の組織をセグメント化してもよい。例えば、ＣＣＴＡデータを分析して、心筋、例えば、左心室および／または右心室の内面および外面の位置を明らかにすることができる。これらの面の位置は、ＣＣＴＡデータにおける心筋の心臓の他の構造体と比較したコントラスト（例えば、相対暗度および明度）に基づいて特定することができる。このようにして、心筋の幾何学的形状を特定することができる。

大動脈、心筋、および／または主冠状動脈のセグメント化は、必要な場合には再検討および／または修正してもよい（ステップ２０８）。この再検討および／または修正は、コンピュータシステムおよび／またはユーザが実施してよい。例えば、例示的実施形態において、コンピュータシステムが自動的にセグメント化を再検討し、エラーがある場合、例えばモデル２２０の大動脈、心筋、および／または主冠状動脈のいずれかの部分が欠けている、または不正確である場合、ユーザが手動でそのセグメント化を修正してもよい。

例えば、上述の第１の初期モデルおよび第２の初期モデルを比較して、大動脈および／または主冠状動脈のセグメント化が正確であることを確認してもよい。第１の初期モデルと第２の初期モデルとの間のあらゆる矛盾する部分を比較して、セグメント化を修正し、モデル２２０形成してもよい。例えば、モデル２２０は、第１の初期モデルと第２の初期モデルとの平均であってもよい。あるいは、上述のセグメント化方法のうちの１つのみを実施してもよく、その方法によって形成された初期モデルをモデル２２０として使用してもよい。

心筋質量を算出することができる（ステップ２４０）。この計算は、コンピュータシステムによって実施されてもよい。例えば、上述のように特定した心筋の表面の位置に基づいて心筋体積を算出することができ、算出された心筋体積に心筋の密度を乗じて、心筋質量を算出することができる。心筋の密度は、事前設定してもよい。

モデル２２０（図５）の様々な血管（例えば、大動脈、主冠状動脈など）の中央線を特定することができる（ステップ２４２）。例示的実施形態において、この特定は、コンピュータシステムによって自動的に実施することができる。

ステップ２４２で特定された中央線は、必要な場合には再検討および／または修正してもよい（ステップ２４４）。この検討および／または修正は、コンピュータシステムおよび／またはユーザが実施してよい。例えば、例示的実施形態において、コンピュータシステムが自動的に中央線を再検討し、エラーがある場合、例えばいずれかの中央線が欠けている、または不正確である場合、ユーザが手動でその中央線を修正してもよい。

カルシウムまたはプラーク（血管の狭窄の原因となる）を検出することができる（ステップ２４６）。例示的実施形態において、コンピュータシステムは、自動的にプラークを検出することができる、例えば、プラークを三次元画像１２０で検出し、モデル２２０から除去することができる。プラークは大動脈、主冠状動脈、および／または分枝の内腔よりもさらに明るい部分として表示されることから、三次元画像１２０でプラークを特定することができる。したがって、プラークは、設定値を下回る輝度値を有するとしてコンピュータシステムによって検出することができ、またはユーザが視覚的に検出することもできる。プラークの検出後、コンピュータシステムは、モデル２２０からそのプラークを除去して、そのプラークが内腔の一部または血管内の空間とみなされないようにすることができる。あるいは、コンピュータシステムは、大動脈、主冠状動脈、および／または分枝と異なる色、陰影、または他の視覚的指標を用いて、モデル２２０上にプラークを示すこともできる。

また、コンピュータシステムは、検出されたプラークを自動的にセグメント化することもできる（ステップ２４８）。例えば、プラークは、ＣＣＴＡデータに基づいてセグメント化してもよい。ＣＣＴＡデータを分析して、ＣＣＴＡデータにおけるプラークの心臓の他の構造体と比較したコントラスト（例えば、相対暗度および明度）に基づいて、プラーク（またはその表面）の位置特定をすることができる。このようにして、プラークの幾何学的形状を明らかにすることができる。

プラークのセグメント化は、必要な場合には再検討および／または修正してもよい（ステップ２５０）。この検討および／または修正は、コンピュータシステムおよび／またはユーザが実施してよい。例えば、例示的実施形態において、コンピュータシステムが自動的にセグメント化を再検討し、エラーがある場合、例えばいずれかのプラークが欠けている、または不正確に示されている場合、ユーザが手動でそのセグメント化を修正してもよい。

コンピュータシステムは、主冠状動脈と連結する分枝を自動的にセグメント化してもよい（ステップ２５２）。例えば、分枝は、例えば、図６および図７に示し、ステップ２０６に関連して上記で説明したような主冠状動脈をセグメント化するための方法と類似する方法を用いて、セグメント化することができる。また、コンピュータシステムは、ステップ２４８および２５０に関連して上記で説明した方法と類似する方法を用いて、セグメント化された分枝中のプラークを自動的にセグメント化してもよい。あるいは、分枝（およびその中に含まれるあらゆるプラーク）は、主冠状動脈と同時に（例えば、ステップ２０６で）セグメント化してもよい。

分枝のセグメント化は、必要な場合には再検討および／または修正してもよい（ステップ２５４）。この検討および／または修正は、コンピュータシステムおよび／またはユーザが実施してよい。例えば、例示的実施形態において、コンピュータシステムが自動的にセグメント化を再検討し、エラーがある場合、例えばモデル２２０の分枝のいずれかの部分が欠けている、または不正確である場合、ユーザが手動でそのセグメント化を修正してもよい。

モデル２２０は、位置ずれ、ステント、または他の人工物の位置が特定された場合（例えば、ステップ１０２におけるＣＣＴＡデータの再検討において）、修正してもよい（ステップ２５６）。この修正は、ユーザおよび／またはコンピュータシステムが実施してよい。例えば、位置ずれまたは他の人工物（例えば、不一致、内腔可視性に影響を及ぼす人工物など）の位置が特定された場合、モデル２２０を再検討および／または修正して、血管の断面積の人為的変化または見せかけの変化を回避することができる。ステントの位置が特定された場合、モデル２２０を再検討および／または修正して、そのステントの位置を示し、および／または例えばステントのサイズに基づいて、そのステントが位置する血管の断面積を修正してもよい。

また、モデル２２０のセグメント化は、独立して再検討することもできる（ステップ２５８）。この再検討は、ユーザおよび／またはコンピュータシステムが実施してよい。例えば、ユーザおよび／またはコンピュータシステムは、モデル２２０の特定のエラー、例えば修正可能なエラーおよび／またはモデル２２０の少なくとも部分的な再構成または再セグメント化を必要とし得るエラーを特定することができ得る。そのようなエラーが特定された場合、そのセグメント化は許容不可であると決定してもよく、エラー（複数可）に応じて特定のステップ、例えばステップ２０２〜２０８、２４０〜２５６のうちの１つまたは複数を繰り返してもよい。

モデル２２０のセグメント化が許容可能として独立して検証された場合、場合によっては、モデル２２０を出力し、平滑化してもよい（ステップ２６０）。この平滑化は、ユーザおよび／またはコンピュータシステムが実施してもよい。例えば、隆起部、先端部、または他の不連続部分を平滑化してもよい。モデル２２０は、別個のソフトウェアモジュールに出力して、コンピュータ分析などに備えてもよい。

したがって、図３に示す上述のステップ２０２〜２０８および２４０〜２６０は、図２のステップ２００のサブステップとみなすことができる。
ＩＶ．分析のためのモデルの作製および境界条件の特定

図２に示すステップ３００に関連して上記で説明したように、例示的方法は、分析のためのモデルを作製することと、境界条件を明らかにすることとを含んでもよい。例示的実施形態において、ステップ３００は以下のステップを含んでもよい。
Ａ．分析のためのモデルの作製

再び図３を参照すると、モデル２２０（図５）の様々な血管（例えば、大動脈、主冠状動脈、および／または分枝）の断面積も明らかにすることができる（ステップ３０４）。例示的実施形態において、この特定はコンピュータシステムが実施してもよい。

モデル２２０（図５）をトリミングしてもよく（ステップ３０６）、ソリッドモデルを生成してもよい。図８は、図５に示すモデル２２０に類似するモデルに基づいて作製されたトリミングしたソリッドモデル３２０の例を示している。ソリッドモデル３２０は、三次元の患者固有の幾何モデルである。例示的実施形態において、トリミングは、場合によってはユーザの入力を伴って、コンピュータシステムにより実施されてもよい。それぞれの流入境界３２２および流出境界３２４は、それぞれの境界を形成する面がステップ２４２で特定された中央線に対して垂直になるようにトリミングしてもよい。流入境界３２２は、図８に示すような大動脈の上流端など、その境界を通って流れがモデル３２０の解剖学的形態内へと向かう境界を含んでもよい。流出境界３２４は、大動脈の下流端ならびに主冠状動脈および／または分枝の下流端など、その境界を通って流れが３２０の解剖学的形態から外に向かう境界を含んでもよい。
Ｂ．境界条件の特定

境界条件を提供して、モデル、例えば図８の三次元ソリッドモデル３２０の境界で起きていることを表現することができる。例えば、境界条件は、例えばモデリングされた解剖学的形態の境界における、患者のモデリングされた解剖学的形態に関連する少なくとも１つの血流の特徴に関連していてもよく、この血流の特徴(複数可)は、血流速度、圧力、流量、ＦＦＲなどを含んでもよい。境界条件を適切に特定することによって、コンピュータ分析を実施して、モデル内の様々な位置における情報を明らかにすることができる。境界条件の例およびかかる境界条件を特定するための方法について、ここで説明する。

例示的実施形態において、決定された境界条件は、ソリッドモデル３２０によって表される血管の一部の上流および下流の構造体を単純化して、一次元または二次元の次数低減モデルにすることができる。境界条件を特定するための例示的な一連の方程式および他の詳細は、例えば、米国特許出願公開第２０１０／０２４１４０４号および米国仮出願第６１／２１０，４０１号に記載され、これらはともに「Ｐａｔｉｅｎｔ−Ｓｐｅｃｉｆｉｃ Ｈｅｍｏｄｙｎａｍｉｃｓ ｏｆ ｔｈｅ Ｃａｒｄｉｏｖａｓｃｕｌａｒ Ｓｙｓｔｅｍ」と題され、参照によりその全体が本明細書に援用される。

境界条件は、患者の生理学的状態に応じて異なってもよいが、これは心臓を通る血流が患者の生理学的状態に応じて異なり得るためである。例えば、ＦＦＲは、通常は、患者が例えばストレスなどによる心臓の血流の増加を経験しているときに一般に生じる、生理学的充血条件下で測定される。ＦＦＲは、最大ストレス下での冠動脈圧の大動脈圧に対する比である。充血は、薬理学的に、例えばアデノシンを用いて誘発してもよい。図９〜１１は、患者の生理学的状態（安静時、最大充血下、または最大運動下）に応じた、モデル３２０における冠動脈圧の大動脈圧に対する比の変化を示す、算出されたＦＦＲ（ｃＦＦＲ）モデルの例を示している。図９は、患者の安静時のモデル３２０全体の冠動脈圧の大動脈圧に対する比が最小の形態を示す。図１０は、患者の最大充血時のモデル３２０全体の冠動脈圧の大動脈圧に対する比がより大きい形態を示す。図１１は、患者の最大運動時のモデル３２０全体の冠動脈圧の大動脈圧に対する比がさらに大きい形態を示す。

再び図３を参照すると、充血条件の境界条件を明らかにすることができる（ステップ３１０）。例示的実施形態において、冠動脈の抵抗の１〜５分の１までの減少、大動脈血圧およそ０〜２０％の減少、心拍数のおよそ０〜２０％の増加を用いて、アデノシンの効果をモデリングすることができる。例えば、アデノシンの効果は、冠動脈抵抗の４分の１までの減少、大動脈血圧のおよそ１０％の減少、心拍数のおよそ１０％の増加を用いてモデリングすることができる。例示的実施形態では充血条件の境界条件が特定されるが、他の生理学的状態、例えば安静、異なる程度の充血、異なる程度の運動、労作、ストレス、または他の条件で境界条件を特定してもよいことは理解される。

境界条件は、三次元ソリッドモデル３２０に関するその境界、例えば図８に示される流入境界３２２、流出境界３２４、血管壁境界３２６などにおける情報を提供する。血管壁境界３２６は、モデル３２０の大動脈、主冠状動脈、および／または他の冠状動脈または血管の物理的境界を含んでもよい。

各流入または流出境界３２２、３２４に、速度、流量、圧力、または他の血流の特徴に対する規定の値または値のフィールドを指定してもよい。あるいは、各流入または流出境界３２２、３２４は、その境界に心臓モデル、集中パラメータモデルもしくは分散（例えば、一次元波動伝播）モデル、別のタイプの一次元もしくは二次元モデル、または他のタイプのモデルを結合することによって指定してもよい。具体的な境界条件は、例えば、取得した患者固有の情報、または他の測定されたパラメータ、例えば心拍出量、血圧、ステップ２４０で算出された心筋質量などから特定された流入または流出境界３２２、３２４の幾何学的形状に基づいて明らかにすることができる。
ｉ．次数低減モデルの特定

ソリッドモデル３２０に連結する上流および下流の構造体は、上流および下流の構造体を表す次数低減モデルとして表してもよい。例えば、図１２〜１５は、例示的実施形態による、流出境界３２４のうちの１つにおける三次元の患者固有の解剖学的データから集中パラメータモデルを作製するための方法の態様を示している。本方法は、図２および図３に示される方法とは別に、その前に実施することができる。

図１２は、主冠状動脈またはそこから延びる分枝のうちの１つのソリッドモデル３２０の部分３３０を示し、図１３は、図１２に示される部分３３０のステップ２４２で決定される中央線の一部を示している。

部分３３０は、セグメント３３２に分割することができる。図１４は、部分３３０から形成することができるセグメント３３２の例を示している。セグメント３３２の長さの選択は、ユーザおよび／またはコンピュータシステムによって実施することができる。セグメント３３２は、例えばセグメント３３２の幾何学的形状に応じて長さが変化し得る。様々な技法を用いて、部分３３０をセグメント化することができる。例えば、罹患部分、例えば、断面が比較的狭い部分、病変、および／または狭窄（血管の異常な狭小化）に１つまたは複数の別個のセグメント３３２は備えることができる。この罹患部分および狭窄は、例えば、中央線の全長に沿って断面積を測定し、最小断面積を局所的に算出することによって特定することができる。

セグメント３３２は、１つまたは複数の（線形または非線形）抵抗器３３４および／または他の回路要素（例えば、コンデンサ、インダクタなど）を含む回路図によって近似することができる。図１５は、一連の線形および非線形抵抗器３３４で置き換えたセグメント３３２の例を示している。抵抗器３３４の個々の抵抗は、例えば、対応するセグメント３３２にわたる推定される流動および／または圧力に基づいて特定することができる。

この抵抗は、例えば対応するセグメント３３２を通した推定された流量に応じて、定抵抗、線形抵抗、または非線形抵抗であってよい。狭窄などのより複雑な幾何学的形状の場合、抵抗は流量によって変化し得る。様々な幾何学的形状の抵抗は、コンピュータ分析（例えば、有限差分法、有限体積法、スペクトル法、格子ボルツマン法、粒子ベース法、レベルセット法、等幾何学法、または有限要素法、あるいは他の計算流体力学（ＣＦＤ）分析技術）に基づいて明らかにすることができ、様々な流動および圧力条件下で実施されるコンピュータ分析からの複数の解を用いて、患者固有、血管固有、および／または病変固有の抵抗を導くことができる。この結果を用いて、モデリングすることができる任意のセグメントの各種の特徴および幾何学的形状の抵抗を明らかにすることができる。結果として、上述のように患者固有、血管固有、および／または病変固有の抵抗を導くことは、コンピュータシステムが、より複雑な幾何学的形状、例えば非対称狭窄、複数の病変、分岐および分枝の病変、および蛇行血管などを認識し、評価することを可能にし得る。

また、コンデンサも含まれていてよく、キャパシタンスは、例えば、対応するセグメントの血管壁の弾力性に応じて測定ことができる。インダクタが含まれていてもよく、インダクタンスは、例えば、対応するセグメントを貫流する血液量の加速または減速に関連する慣性効果に応じて測定することができる。

抵抗、キャパシタンス、インダクタンス、および集中パラメータモデルに使用される他の電気要素に関連する他の変数の個々の値は、多数の患者からのデータに基づいて導くことができ、類似する血管形状はほぼ同じ値を有しうる。したがって、大きな集団の患者固有のデータから経験モデルを開発し、将来の分析に類似する患者に適用することができる特定の幾何学的特徴に対応する値のライブラリを作成することができる。幾何学的形状を２つの異なる血管セグメント間で一致させて、以前のシミュレーションから患者のセグメント３３２の値を自動的に選択することができる。
ｉｉ．例示的集中パラメータモデル

あるいは、図１２〜１５に関連して上記で説明したステップを実施する代わりに、集中パラメータモデルを事前設定してもよい。例えば、図１６は、ソリッドモデル３２０の流入および流出境界３２２、３２４における上流および下流の構造体を表す集中パラメータモデル３４０、３５０、３６０の例を示している。端部Ａは、流入境界３２２に位置し、端部ａ〜ｍおよびＢは、流出境界に位置する。

集中パラメータ心臓モデル３４０を使用して、ソリッドモデル３２０の流入境界３２２の端部Ａにおける境界条件を明らかにすることができる。
集中パラメータ心臓モデル３４０を用いて、充血条件下での心臓からの血流を表すことができる。集中パラメータ心臓モデル３４０は、様々なパラメータ（例えば、Ｐ_ＬＡ、Ｒ_ＡＶ、Ｌ_ＡＶ、Ｒ_{Ｖ−Ａｒｔ}、Ｌ_{Ｖ−Ａｒｔ}、およびＥ（ｔ））を含み、これらは患者に関する既知の情報、例えば、大動脈圧、患者の収縮期および拡張期血圧（例えば、ステップ１００で測定される）、患者の心拍出量（例えば、ステップ１００で測定される患者の一回拍出量および心拍数に基づいて算出される、心臓からの血液量）、および／または実験的に特定された定数に基づいて明らかにすることができる。

集中パラメータ冠動脈モデル３５０を使用して、主冠状動脈および／またはそこから延びる分枝の下流端に位置する、ソリッドモデル３２０の流出境界３２４の端部ａ〜ｍにおける境界条件を明らかにすることができる。集中パラメータ冠動脈モデル３５０を使用して、充血条件下で、モデリングされた血管から端部ａ〜ｍを通って流出する血流を表すことができる。集中パラメータ冠動脈モデル３５０は、様々なパラメータ（例えば、Ｒ_ａ、Ｃ_ａ、Ｒ_{ａ−ｍｉｃｒｏ}、Ｃ_ｉｍ、およびＲ_Ｖ）を含み、これらは患者に関する既知の情報、例えば、算出された心筋質量（例えば、ステップ２４０で測定される）、および端部ａ〜ｍにおける終端インピーダンス（例えば、ステップ３０４で測定される端部ａ〜ｍにおける血管の断面積）に基づいて明らかにすることができる。

例えば、算出された心筋質量を用いて、複数の流出境界３２４を通るベースライン（安静時）の平均冠血流を推定することができる。この関係は、Ｑ∝Ｑ_０Ｍ^α（式中、αは既定のスケーリング指数であり、Ｑ_０は既定の定数である）として平均冠血流Ｑを心筋質量Ｍ（例えば、ステップ２４０で測定される）と相関させる、実験的に導かれた生理学的法則（例えば、図１の生理学的法則２０）に基づいてもよい。次いで、ベースライン（安静時）条件下での流出境界３２４における全冠血流Ｑ、および患者の血圧（例えば、ステップ１００で測定される）を使用して、既定の実験的に導かれた方程式に基づいて、流出境界３２４における全抵抗Ｒを特定することができる。

全抵抗Ｒは、端部ａ〜ｍのそれぞれの断面積（例えば、ステップ３０４で測定される）に基づいて、端部ａ〜ｍに分布してもよい。この関係は、Ｒ_ｉ∝Ｒ_ｉ，０ｄｉ^β（Ｒ_ｉはｉ番目の流出口における流動抵抗であり、Ｒ_ｉ，０は既定の定数であり、ｄ_ｉはその流出口の直径であり、βは既定のベキ乗指数、例えば−３〜−２、冠血流では−２．７、脳血流では−２．９などである）として端部ａ〜ｍのそれぞれの抵抗を相関させる、実験的に導かれた生理学的法則（例えば、図１の生理学的法則２０）に基づいてもよい。個々の端部ａ〜ｍを通る冠血流および個々の端部ａ〜ｍにおける平均圧（例えば、ステップ３０４で測定される血管の端部ａ〜ｍの個々の断面積に基づいて特定される）を用いて、対応する端部ａ〜ｍにおける集中パラメータ冠動脈モデル３５０の抵抗の合計を明らかにすることができる（例えば、Ｒ_ａ＋Ｒ_{ａ−ｍｉｃｒｏ}＋Ｒ_Ｖ）。他のパラメータ（例えば、Ｒ_ａ／Ｒ_{ａ−ｍｉｃｒｏ}、Ｃ_ａ、Ｃ_ｉｍ）は、実験的に特定された定数であってもよい。

Ｗｉｎｄｋｅｓｓｅｌモデル３６０を用いて、大動脈弓に向かう大動脈の下流端に位置する、ソリッドモデル３２０の流出境界３２４の端部Ｂにおける境界条件を明らかにすることができる。Ｗｉｎｄｋｅｓｓｅｌモデル３６０を用いて、充血条件下で、モデリングされた大動脈から端部Ｂを通って流出する血流を表すことができる。Ｗｉｎｄｋｅｓｓｅｌモデル３６０は、様々なパラメータ（例えば、Ｒ_ｐ、Ｒ_ｄ、およびＣ）を含み、これらは患者に関する既知の情報、例えば、集中パラメータ心臓モデル３４０に関連して上記で説明した患者の心拍出量、集中パラメータ冠動脈モデル３５０に関連して上記で説明したベースライン平均冠血流、大動脈圧（例えば、ステップ３０４で測定される端部Ｂにおける大動脈の断面積に基づいて特定される）、および／または実験的に特定された定数に基づいて明らかにすることができる。

境界条件、例えば、集中パラメータモデル３４０、３５０、３６０（または、これらに含まれるあらゆる定数）、あるいは他の次数低減モデルは、他の因子に基づいて調整することができる。例えば、生理的ストレス下で比較的減少した血管を拡張する能力により、患者が低い血流対血管サイズ比を有する場合、抵抗値を調整（例えば増加）することができる。また、抵抗値は、患者が糖尿病を有する、薬物治療を受けている、過去に心イベントを経験している場合などにも調整することができる。

代替的な集中パラメータまたは分散一次元ネットワークモデルを用いて、ソリッドモデル３２０の下流の冠血管を表してもよい。ＭＲＩ、ＣＴ、ＰＥＴ、またはＳＰＥＣＴを用いた心筋灌流の画像化を用いて、かかるモデルのパラメータを指定することができる。また、代替的な画像化源、例えば、磁気共鳴血管造影（ＭＲＡ）、レトロスペクティブシネゲーティングまたはプロスペクティブシネゲーティングコンピュータ断層血管造影（ＣＴＡ）などを用いて、かかるモデルのパラメータを指定することもできる。レトロスペクティブシネゲーティングを画像処理方法と併用して、心周期にわたる心室の体積変化を取得し、集中パラメータ心臓モデルのパラメータを指定してもよい。

集中パラメータモデル３４０、３５０、３６０、または他の次数低減一次元または二次元モデルを用いた患者の解剖学的形態の一部の単純化は、特に、未治療状態（例えば、図２および図３のステップ４００）の他に、可能な治療選択肢を評価するとき（例えば、図２のステップ５００）など、コンピュータ分析を複数回実施する場合に、コンピュータ分析（例えば、後述の図３のステップ４０２）をより迅速に実施できるようにしながら、最終結果を高精度に維持する。

例示的実施形態において、境界条件の特定は、ユーザの入力、例えば、ステップ１００で取得した患者固有の生理学的データに基づいて、コンピュータシステムによって実施することができる。
Ｃ．三次元メッシュの作成

再び図３を参照すると、ステップ３０６で生成されたソリッドモデル３２０に基づいて、三次元メッシュを生成することができる（ステップ３１２）。図１７〜１９は、ステップ３０６で生成されたソリッドモデル３２０に基づいて作製された三次元メッシュ３８０の例を示している。メッシュ３８０は、ソリッドモデル３２０の表面に沿って、およびソリッドモデル３２０の内部全体に複数の節点３８２（格子点またはメッシュ点）を含む。メッシュ３８０は、図１８および図１９に示すように、４面体要素を用いて作成してもよい（節点３８２を形成する点を有する）。あるいは、他の形状を有する要素、例えば６面体要素または他の多面体要素、曲線要素などを用いてもよい。例示的実施形態において、節点３８２の数は、百万個単位、例えば５百万個〜５千万個であってもよい。節点３８２の数は、メッシュ３８０が微細になるに伴って増加する。節点３８２の数が多くなるにつれ、モデル３２０内のより多くの地点で情報を提供することができるが、節点３８２の数が増加すると、解くべき方程式（例えば図１の方程式３０）の数が増えるため、コンピュータ分析の実行により時間がかかる可能性がある。例示的実施形態において、メッシュ３８０の生成は、場合によってユーザの入力（例えば、節点３８２の数、要素の形状などを指定する）を伴って、コンピュータシステムによって実施することができる。

再び図３を参照すると、メッシュ３８０および特定された境界条件を検証することができる（ステップ３１４）。この検証は、ユーザおよび／またはコンピュータシステムが実施してよい。例えば、ユーザおよび／またはコンピュータシステムは、例えば、メッシュ３８０が変形している、または十分な空間分解能を有さない場合、境界条件がコンピュータ分析を実施するのに十分でない場合、ステップ３１０で特定した抵抗が不正確であると思われる場合など、メッシュ３８０および／または境界条件の再構成を必要とし得る、メッシュ３８０および／または境界条件の特定のエラーを特定することができ得る。その場合、メッシュ３８０および／または境界条件は許容不可であると決定することができ、ステップ３０４〜３１４のうちの１つまたは複数のを繰り返してもよい。メッシュ３８０および／または境界条件が許容可能であると決定された場合、本方法は、後述のステップ４０２に進んでもよい。

さらに、ユーザは、取得した患者固有の情報、または他の測定されたパラメータ、例えば心拍出量、血圧、身長、体重、ステップ２４０で算出した心筋質量が正しく入力され、および／または正しく計算されていることを確認することができる。

したがって、図３に示す上述のステップ３０４〜３１４は、図２のステップ３００のサブステップとみなすことができる。
Ｖ．コンピュータ分析の実施および結果の出力

図２に示すステップ４００に関連して上記で説明したように、例示的方法は、コンピュータ分析を実施することと、結果を出力することとを含んでもよい。例示的実施形態において、ステップ４００は以下のステップを含んでもよい。Ａ．コンピュータ分析の実施

図３を参照すると、コンピュータシステムによってコンピュータ分析を実施することができる（ステップ４０２）。例示的実施形態において、ステップ４０２は、例えばメッシュ３８０（図１７〜１９）中の節点３８２の数などに応じて、数分から数時間かかり得る。

この分析は、メッシュ３８０が生成されたモデル３２０における血流を表す一連の方程式を生成することを含む。上述のように、例示的実施形態において、所望の情報は、充血条件下のモデル３２０を通る血流のシミュレーションに関連する。

また、分析は、数値法を用いて、コンピュータシステムを使用して血流の三次元方程式を解くことを含む。例えば、数値法は、既知の方法、例えば、有限差分法、有限体積法、スペクトル法、格子ボルツマン法、粒子ベース法、レベルセット法、等幾何学法、または有限要素法、あるいは他の計算流体力学（ＣＦＤ）数値手法であってよい。

これらの数値法を用いて、血液をニュートン流体、非ニュートン流体、または多相流体としてモデリングすることができる。患者のヘマトクリット値またはステップ１００で測定した他の因子を用いて、分析に取り込むための血液粘度を特定してもよい。血管壁は、剛性または柔軟であると仮定することができる。後者の場合、血管壁力学の方程式、例えば弾性力学方程式を血流の方程式と一緒に解いてもよい。ステップ１００で取得した時変三次元画像データを入力として用いて、心周期にわたる血管形状の変化をモデリングすることができる。コンピュータ分析を実施するための例示的な一連の方程式およびステップは、例えば、「Ｍｅｔｈｏｄ ｆｏｒ Ｐｒｅｄｉｃｔｉｖｅ Ｍｏｄｅｌｉｎｇ ｆｏｒ
Ｐｌａｎｎｉｎｇ Ｍｅｄｉｃａｌ Ｉｎｔｅｒｖｅｎｔｉｏｎｓ ａｎｄ Ｓｉｍｕｌａｔｉｎｇ Ｐｈｙｓｉｏｌｏｇｉｃａｌ Ｃｏｎｄｉｔｉｏｎｓ」と題される米国特許第６，２３６，８７８号、ならびにともに「Ｐａｔｉｅｎｔ−Ｓｐｅｃｉｆｉｃ Ｈｅｍｏｄｙｎａｍｉｃｓ ｏｆ ｔｈｅ Ｃａｒｄｉｏｖａｓｃｕｌａｒ Ｓｙｓｔｅｍ」と題される米国特許出願公開第２０１０／０２４１４０４号および米国仮出願第６１／２１０，４０１号に、より詳細に開示されており、これら全ては参照によりその全体が本明細書に援用される。

作製したモデルおよび境界条件を使用するコンピュータ分析は、三次元ソリッドモデル３２０を表すメッシュ３８０のそれぞれの節点３８２における血流および圧力を測定することができる。例えば、コンピュータ分析の結果は、それぞれの節点３８２における様々なパラメータの値を含んでもよく、これには例えば、後述のように、血流速度、圧力、流量、または算出されたパラメータ、例えばｃＦＦＲがあるが、これらに限定されない。また、パラメータは、三次元ソリッドモデル３２０に組込んでもよい。その結果、コンピュータ分析の結果は、通常は侵襲的に特定され得る情報をユーザに提供することができる。

再び図３を参照すると、コンピュータ分析の結果を検証することができる（ステップ４０４）。この検証は、ユーザおよび／またはコンピュータシステムで実施してよい。例えば、ユーザおよび／またはコンピュータシステムは、例えば、節点３８２の数が不十分なため情報が不十分な場合、過剰な数の節点３８２により、分析に時間がかかりすぎる場合など、メッシュ３８０および／または境界条件の再構成または改定を必要とし得る、結果の特定のエラーを特定することができ得る。

コンピュータ分析の結果が、ステップ４０４で許容不可であると決定された場合、ユーザおよび／またはコンピュータシステムは、例えば、ステップ３０６で生成されたソリッドモデル３２０および／またはステップ３１２で生成されたメッシュ３８０を改定または改良するかどうか、またどのように改定または改良するか、ステップ３１０で明らかにされた境界条件を改定するかどうか、またどのように改定するか、あるいはコンピュータ分析のための入力のうちのいずれかに他の改定を行うかどうかを明らかにすることができる。次いで、上述の１つまたは複数のステップ、例えば、ステップ３０６〜３１４、４０２、および４０４を決定した改定または改良に基づいて繰り返してもよい。
Ｂ．血圧、血流、およびｃＦＦＲの結果の表示

再び図３を参照すると、コンピュータ分析の結果がステップ４０４で許容可能であると決定された場合、コンピュータシステムは、コンピュータ分析の特定の結果を出力してもよい。例えば、コンピュータシステムは、コンピュータ分析の結果に基づいて生成された画像、例えば図１に関連して上記で説明した画像、例えば模擬の血圧モデル５０、模擬の血流モデル５２、および／またはｃＦＦＲモデル５４を表示してもよい。上述のように、これらの画像は、例えば、ステップ３１０で明らかにされた境界条件が充血条件に対して特定されたことから、模擬の充血条件下の模擬の血圧、血流、およびｃＦＦＲを示す。

模擬血圧モデル５０（図１）は、模擬の充血条件下の図１７〜１９のメッシュ３８０によって表される患者の解剖学的形態全体の局所血圧を（例えば、水銀柱ミリメートルまたはｍｍＨｇで）示している。コンピュータ分析は、メッシュ３８０の各節点３８２の局所血圧を測定することができ、模擬の血圧モデル５０は、それぞれの圧力に対応する色、陰影、または他の視覚的指標を指定してもよく、それにより模擬の血圧モデル５０は、モデル５０全体の圧力の変動を視覚的に示すことができ、各節点３８２の個々の値を指定する必要がない。例えば、図１に示す模擬の血圧モデル５０は、この特定の患者に関して、模擬の充血条件下で、圧力が概して均一であり、大動脈がより高い（より暗い陰影によって示される）であろうこと、また血液が主冠状動脈内へ、そして分枝内へと下流に流れるにつれて、圧力が徐々に、かつ連続的に減少している（分枝の下流端に向かって陰影が徐々に、かつ連続的に明るくなっていくことにより示される）ことを示している。模擬の血圧モデル５０は、図１に示すように、血圧の具体的な数値を示す目盛りを伴ってもよい。

例示的実施形態において、模擬の血圧モデル５０は、カラーで提供してもよく、カラースペクトルを用いて、モデル５０全体の圧力の変動を示してもよい。このカラースペクトルは、最高圧から最低圧まで順番に、赤、橙、黄、緑、青、藍、および紫を含んでもよい。例えば、上限（赤）は、およそ１１０ｍｍＨｇ以上（または８０ｍｍＨｇ、９０ｍｍＨｇ、１００ｍｍＨｇなど）を示してもよく、下限（紫）は、およそ５０ｍｍＨｇ以下（または２０ｍｍＨｇ、３０ｍｍＨｇ、４０ｍｍＨｇなど）を示してもよく、このとき緑は、およそ８０ｍｍＨｇ（または上限と下限とのほぼ中間の他の値）を示す。したがって、患者のなかには、模擬血圧モデル５０は、大動脈の大部分または全てを赤またはスペクトルの上端に向かう他の色として示してもよく、色は、冠状動脈およびそこから延びる分枝の遠位端に向かって、スペクトルによって徐々に変化してもよい（紫まで）。特定の患者の冠状動脈の遠位端は、それぞれの遠位端について測定された局所血圧に応じて、様々な色、例えば赤から紫までのいずれかを有し得る。

模擬の血流モデル５２（図１）は、模擬の充血条件下の図１７〜１９のメッシュ３８０によって表される患者の解剖学的形態全体の局所血液速度を（例えば、センチメートル毎秒またはｃｍ／秒で）示している。コンピュータ分析は、メッシュ３８０の各節点３８２の局所血液速度を測定することができ、模擬の血流モデル５２は、それぞれの速度に対応する色、陰影、または他の視覚的指標を指定してもよく、それにより模擬の血流モデル５２は、モデル５２の速度の変動を視覚的に示すことができ、各節点３８２の個々の値を指定する必要がない。例えば、図１に示す模擬の血流モデル５２は、この特定の患者に関して、模擬の充血条件下で、主冠状動脈および分枝の特定の部分において速度が概して高い（図１の部分５３のより暗い陰影によって示される）ことを示している。模擬の血流モデル５２は、図１に示すように、血液速度の具体的な数値を示す目盛りを伴ってもよい。

例示的実施形態において、模擬の血流モデル５２は、カラーで提供してもよく、カラースペクトルを用いて、モデル５２全体の速度の変動を示してもよい。このカラースペクトルは、最高速度から最低速度まで順番に、赤、橙、黄、緑、青、藍、および紫を含んでもよい。例えば、上限（赤）は、およそ１００（または１５０）ｃｍ／秒以上を示してもよく、下限（紫）は、およそ０ｃｍ／秒を示してもよく、このとき緑は、およそ５０ｃｍ／秒（または上限と下限とのほぼ中間の他の値）を示す。したがって、患者のなかには、模擬血流モデル５２は、大動脈の大部分または全てをスペクトルの下端に向かう色の混合として示してもよく（例えば、緑から紫）、色は、測定された血液速度が増加する特定の位置において、スペクトルを通して徐々に変化してもよい（例えば、スペクトルの上端に向かって（赤まで））。

ｃＦＦＲモデル５４（図１）は、模擬の充血条件下の図１７〜１９のメッシュ３８０によって表される患者の解剖学的形態全体の局所ｃＦＦＲを示している。上述のように、ｃＦＦＲは、特定の節点３８２におけるコンピュータ分析によって明らかにされた局所血圧（例えば、模擬の血圧モデル５０に示される）を例えば流入境界３２２（図８）における大動脈の血圧で除した比として算出することができる。コンピュータ分析は、メッシュ３８０の各節点３８２のｃＦＦＲを明らかにすることができ、ｃＦＦＲモデル５４は、それぞれのｃＦＦＲに対応する色、陰影、または他の視覚的指標を指定してもよく、それによりｃＦＦＲモデル５４は、モデル５４全体のｃＦＦＲの変動を視覚的に示すことができ、各節点３８２の個々の値を指定する必要がない。例えば、図１に示すｃＦＦＲモデル５４は、この特定の患者に関して、模擬の充血条件下で、ｃＦＦＲが概して均一であり、大動脈でおよそ１．０であろうこと、血液が主冠状動脈内へ、そして分枝内へと下流に流れるにつれて、ｃＦＦＲが徐々に、かつ連続的に減少していることを示している。また、ｃＦＦＲモデル５４は、図１に示すように、ｃＦＦＲモデル５４全体の特定の地点のｃＦＦＲ値も示すことができる。ｃＦＦＲモデル５４は、図１に示すように、ｃＦＦＲの具体的な数値を示す目盛りを伴ってもよい。

例示的実施形態において、ｃＦＦＲモデル５４は、カラーで提供してもよく、カラースペクトルを用いて、モデル５４全体の圧力の変動を示してもよい。このカラースペクトルは、最低ｃＦＦＲ（機能的に重要な病変を示す）から最高ｃＦＦＲまで順番に、赤、橙、黄、緑、青、藍、および紫を含んでもよい。例えば、上限（紫）は、１．０のｃＦＦＲを示してもよく、下限（赤）は、およそ０．７（または０．７５もしくは０．８）以下を示してもよく、このとき緑は、およそ０．８５（または上限と下限とのほぼ中間の他の値）を示す。例えば、下限は、ｃＦＦＲ測定が機能的に重要な病変、またはインターベンションを必要とし得る他の特徴を示すかどうかを明らかにするために使用する下限（例えば、０．７、０．７５、または０．８）に基づいて明らかにすることができる。したがって、患者の中には、ｃＦＦＲモデル５４は、大動脈の大部分または全てを紫またはスペクトルの上端に向かう他の色として示してもよく、色は、冠状動脈およびそこから延びる分枝の遠位端に向かって、スペクトルを通して徐々に変化してもよい（例えば、赤から紫までのいずれか）。特定の患者の冠状動脈の遠位端は、それぞれの遠位端について測定されたｃＦＦＲの局所値に応じて、様々な色、例えば赤から紫までのいずれかを有してもよい。

ｃＦＦＲが、機能的に重要な病変、またはインターベンションを必要とし得る他の特徴の存在を明らかにするために使用される下限未満に低下したことを特定した後、動脈または分枝を評価して、機能的に重要な病変（複数可）の位置を特定することができる。コンピュータシステムまたはユーザは、動脈または分枝の幾何学的形状に基づいて（例えば、ｃＦＦＲモデル５４を用いて）、機能的に重要な病変（複数可）の位置を特定することができる。例えば、機能的に重要な病変（複数可）は、局所の最低ｃＦＦＲ値を有するｃＦＦＲモデル５４の位置の近傍（例えば、上流）に位置する狭小化または狭窄を発見することによって、位置を特定することができる。コンピュータシステムは、ユーザに対して、機能的に重要な病変（複数可）を含むｃＦＦＲモデル５４（または他のモデル）の部分（複数可）を示してもよく、または表示してもよい。

また、コンピュータ分析の結果に基づいて、他の画像を生成することもできる。例えば、コンピュータシステムは、例えば、図２０〜２２に示すように、主冠状動脈に関する追加情報を提供し得る。冠動脈は、例えば、その特定の冠動脈が最低ｃＦＦＲを含む場合、コンピュータシステムによって選択することができる。あるいは、ユーザが、特定の冠動脈を選択してもよい。

図２０は、コンピュータ分析の結果を含む、患者の解剖学的形態のモデルを示し、このモデル上の特定の地点は、個々の参照ラベル（例えば、ＬＭ、ＬＡＤ１、ＬＡＤ２、ＬＡＤ３など）で特定される。図２１に示される例示的実施形態において、ＬＡＤ動脈における地点が提供されるが、これは模擬の充血条件下でこの特定の患者の最低ｃＦＦＲを有する主冠動脈である。

図２１および図２２は、これらの地点（例えば、ＬＭ、ＬＡＤ１、ＬＡＤ２、ＡＤ３など）のうちの一部もしくは全てにおける、および／またはこのモデル上の特定の他の位置（例えば、大動脈中など）における、特定の経時的な変数のグラフを示す。図２１は、図２０に示される大動脈ならびに地点ＬＡＤ１、ＬＡＤ２、およびＬＡＤ３における経時的な圧力（例えば、水銀柱ミリメートルまたはｍｍＨｇ）のグラフである。グラフ上の一番上のプロットは、大動脈中の圧力を示し、上から２番目のプロットは、地点ＬＡＤ１の圧力を示し、上から３番目のプロットは、地点ＬＡＤ２の圧力を示し、一番下のプロットは、地点ＬＡＤ３の圧力を示す。図２２は、図２０に示される地点ＬＭ、ＬＡＤ１、ＬＡＤ２、およびＬＡＤ３における経時的な流量（例えば、立方センチメートル毎秒またはｃｃ／秒）のグラフである。さらに、他のグラフ、例えば、これらの地点の一部もしくは全ておよび／または他の地点における、経時的なせん断応力のグラフを提供することもできる。グラフ上の一番上のプロットは、地点ＬＭの流量を示し、上から２番目のプロットは、地点ＬＡＤ１の流量を示し、上から３番目のプロットは、地点ＬＡＤ２の流量を示し、一番下のプロットは、地点ＬＡＤ３の流量を示す。また、特定の主冠動脈および／またはそこから延びる分枝の全長に沿って、これらの変数、例えば、血圧、血流、速度、またはｃＦＦＲの変化を示すグラフを提供することもできる。

場合によっては、上述の様々なグラフおよび他の結果をレポートにまとめることもできる（ステップ４０６）。例えば、上述の画像または他の情報を規定のテンプレートを有する文書に挿入してもよい。このテンプレートは、事前設定された複数の患者に対して包括的なものでもよく、またコンピュータ分析の結果を医師および／または患者に報告するために使用することもできる。この文書またはレポートは、コンピュータ分析の完了後、コンピュータシステムによって自動的に完了されてもよい。

例えば、最終レポートは、図２３に示す情報を含んでもよい。図２３は、図１のｃＦＦＲモデル５４を含み、また要約情報、例えば、主冠状動脈およびそこから延びる分枝それぞれにおける最低ｃＦＦＲ値も含む。例えば、図２３は、ＬＡＤ動脈の最低ｃＦＦＲ値が０．６６であり、ＬＣＸ動脈の最低ｃＦＦＲ値が０．７２であり、ＲＣＡ動脈の最低ｃＦＦＲ値が０．８０であることを示す。他の要約情報には、患者の名前、患者の年齢、患者の血圧（ＢＰ）（例えば、ステップ１００で取得される）、患者の心拍数（ＨＲ）（例えば、ステップ１００で取得される）などを含み得る。また、最終レポートは、医師または他のユーザがさらなる情報を明らかにするためにアクセスすることができる、上述のように生成された画像および他の情報のバージョンも含んでよい。コンピュータシステムによって生成された画像は、医師または他のユーザが任意の地点にカーソルを置いて、その地点における上述の変数、例えば、血圧、速度、流量、ｃＦＦＲなどを特定できるようにフォーマットされていてもよい。

最終レポートは、医師および／または患者に送信することもできる。最終レポートは、任意の既知の通信方法、例えば、無線もしくは有線ネットワーク、郵便などを用いて送信することができる。あるいは、医師および／または患者は、最終レポートがダウンロードまたは受け取り可能であることを通知されてもよい。次いで、医師および／または患者は、ウェブベースのサービスにログインして、安全な通信回線を介して最終レポートをダウンロードすることができる。
Ｃ．結果の検証

再び図３を参照すると、コンピュータ分析の結果を個別に検証することができる（ステップ４０８）。例えば、ユーザおよび／またはコンピュータシステムは、コンピュータ分析の結果、例えばステップ４０６で生成された画像および他の情報の上述のステップのうちのいずれかの再実施を要求する特定のエラーを特定することができる。そのようなエラーが特定された場合、そのコンピュータ分析の結果は許容不可であると決定してもよく、特定のステップ、例えば、ステップ１００、２００、３００、４００、サブステップ１０２、２０２〜２０８、２４０〜２６０、３０４〜３１４、および４０２〜４０８などを繰り返してもよい。

したがって、図３に示す上述のステップ４０２〜４０８は、図２のステップ４００のサブステップとみなすことができる。

コンピュータ分析の結果を検証するための別の方法は、結果に含まれるいずれかの変数、例えば、血圧、速度、流量、ｃＦＦＲなどを患者から別の方法を用いて測定することを含んでもよい。例示的実施形態において、変数を測定して（例えば、侵襲的に）、次いでコンピュータ分析によって明らかにされた結果と比較してもよい。例えば、ＦＦＲは、ソリッドモデル３２０およびメッシュ３８０によって表される患者の解剖学的形態内の１つまたは複数の地点において、例えば上述のように患者に挿入したプレッシャーワイヤーを用いて明らかにすることができる。ある位置で測定したＦＦＲを同じ位置のｃＦＦＲと比較してもよく、この比較は複数の位置で実施してもよい。場合によっては、その比較に基づいて、コンピュータ分析および／または境界条件を調整してもよい。
Ｄ．冠動脈血流情報を提供するためのシステムおよび方法の別の実施形態

特定の患者における冠動脈血流に関連する様々な情報を提供するための方法６００の別の実施形態を図２４に示す。方法６００は、上述のコンピュータシステム、例えば、上述の図３に示されるステップのうちの１つまたは複数を実施するために使用するコンピュータシステムで実施することができる。方法６００は、１つまたは複数の入力６１０を用いて実施してもよく、また入力６１０に基づいて１つまたは複数のモデル６２０を生成することと、入力６１０および／またはモデル６２０に基づいて１つまたは複数の条件６３０を指定することと、モデル６２０および条件６３０に基づいて１つまたは複数の解６４０を導くことを含んでもよい。

入力６１０は、患者の大動脈、冠状動脈（およびそこから延びる分枝）、ならびに心臓の医療画像データ６１１、例えばＣＣＴＡデータ（例えば、図２のステップ１００で取得される）を含んでもよい。また、入力６１０は、患者の上腕の血圧の測定値６１２および／または他の測定値（例えば、図２のステップ１００で取得される）も含んでよい。測定値６１２は、非侵襲的に取得してもよい。入力６１０を用いて、モデル（複数可）６２０を生成してもよく、および／または後述の条件（複数可）６３０を決定してもよい。

上記のように、入力６１０に基づいて、１つまたは複数のモデル６２０を生成してもよい。例えば、方法６００は、画像データ６１１に基づいて、患者の解剖学的形態（例えば、大動脈、冠状動脈、およびそこから延びる分枝）の１つまたは複数の患者固有の三次元幾何モデルを生成すること（ステップ６２１）を含んでもよい。例えば、幾何モデルは、図３のステップ３０６で生成される図８のソリッドモデル３２０、および／または図３のステップ３１２で生成される図１７〜１９のメッシュ３８０であってもよい。

再び図２４を参照すると、方法６００は、１つまたは複数の物理学に基づく血流モデルを生成すること（ステップ６２２）も含んでよい。この血流モデルは、ステップ６２１で生成された患者固有の幾何モデルを通る血流、心臓および大動脈の循環、遠位冠循環などに関連するモデルを含んでもよい。血流モデルは、患者のモデリングされた解剖学的形態に関連する少なくとも１つの血流の特徴、例えば血流速度、圧力、流量、ＦＦＲなどに関連してもよい。血流モデルは、三次元幾何モデルの流入および流出境界３２２、３２４における境界条件として指定してもよい。血流モデルは、次数低減モデル、または図３のステップ３１０に関連して上記で説明した他の境界条件、例えば集中パラメータ心臓モデル３４０、集中パラメータ冠動脈モデル３５０、Ｗｉｎｄｋｅｓｓｅｌモデル３６０などを含んでもよい。

上記のように、入力６１０および／またはモデル６２０に基づいて、１つまたは複数の条件６３０を明らかにすることができる。条件６３０は、ステップ６２２（および図３のステップ３１０）で特定された境界条件について算出されたパラメータを含む。例えば、方法６００は、画像データ６１１（例えば、図３のステップ２４０で明らかにされる）に基づいて、患者固有の心室または心筋質量を算出することによって、条件を明らかにすること（ステップ６３１）を含んでもよい。

方法６００は、ステップ６３１で算出した心室または心筋質量を用いて、関係Ｑ＝Ｑ_０Ｍ^α（式中、αは既定のスケーリング指数であり、Ｍは心室または心筋質量であり、Ｑ_０は既定の定数である）に基づいて、安静時の冠血流を算出することによって条件を明らかにすること（例えば、図３のステップ３１０で集中パラメータモデルを明らかにすることに関連して上述したように）（ステップ６３２）を含んでもよい。あるいは、この関係は、図３のステップ３１０で集中パラメータモデルを明らかにすることに関連して上述したように、Ｑ∝Ｑ_０Ｍ^αの形式を有してもよい。

また、方法６００は、ステップ６３２で算出して得られた冠血流および患者の測定された血圧６１２を用いて、安静時の全冠動脈抵抗を算出することによって条件を明らかにすること（例えば、図３のステップ３１０で集中パラメータモデルを明らかにすることに関連して上述したように）（ステップ６３３）も含んでよい。

また、方法６００は、ステップ６３３で算出した安静時の全冠動脈抵抗およびモデル６２０を用いて、個々の冠状動脈（およびそこから延びる分枝）の個々の抵抗を算出することによって条件を明らかにすること（ステップ６３４）も含んでよい。例えば、図３のステップ３１０に関連して上述したように、ステップ６３３で算出された安静時の全冠動脈抵抗は、個々の冠状動脈および分枝の遠位端のサイズ（例えば、ステップ６２１で生成された幾何モデルから特定される）に基づいて、また関係Ｒ＝Ｒ_０ｄ^β（式中、Ｒは特定の遠位端における流動抵抗であり、Ｒ_０は既定の定数であり、ｄはサイズ（例えば、その遠位端の直径）であり、βは既定のベキ乗指数である）に基づいて、図３のステップ３１０で集中パラメータモデルを明らかにすることに関連して上述したように、個々の冠状動脈および分枝に分布してもよい。

再び図２４を参照すると、方法６００は、１つまたは複数の患者の身体的条件に基づいて、境界条件を調整すること（ステップ６３５）を含んでもよい。例えば、ステップ６３１〜６３４で特定されたパラメータは、解６４０が、安静、様々なレベルの充血、様々なレベルの運動もしくは労作、異なる薬物治療などを模擬することを意図しているかどうかに基づいて修正してもよい。入力６１０、モデル６２０、および条件６３０に基づいて、例えば、図３のステップ４０２に関連して上述するように、コンピュータ分析を実施して、ステップ６３５で選択した身体的条件下の患者の冠動脈血流に関する情報を含む解６４０を明らかにすることができる（ステップ６４１）。解６４０から提供され得る情報の例を次に記載する。

この複合された患者固有の解剖学的（幾何学的）および生理学的（物理学ベース）モデルを用いて、冠動脈血流に対する、心拍数、一回拍出量、血圧、または冠微小循環機能が変化する、異なる薬物治療または生活様式の変化（例えば、喫煙の中止、食事の変化、または身体活動の増加）の効果を明らかにすることができる。このような情報は、薬物療法を最適化するため、または薬物治療の危険な影響の可能性を回避するために使用することができる。また、この複合モデルを用いて、代替的な形態および／または様々なレベルの身体活動または潜在的な外部力への暴露の危険性（例えば、サッカーのプレイ時、宇宙飛行中、スキューバダイビング時、航空機飛行中など）の冠動脈血流に対する影響を明らかにしてもよい。このような情報を用いて、特定の患者に対して安全かつ効果的であり得る身体活動のタイプおよびレベルを特定することができる。また、最適なインターベンション戦略を選択するために、この複合モデルを用いて、冠動脈血流に対する経皮冠動脈インターベンションの潜在的利益を予測し、および／または最適な手術戦略を選択するために、冠動脈血流に対する冠動脈バイパス術の潜在的利益を予測することもできる。

また、この複合モデルを用いて、冠動脈血流に対する動脈疾患の負担の増加の潜在的な有害効果を例証し、機械論的もしくは現象論的な疾患進行モデルまたは経験データを用いて、進行中の疾患が心筋への血流にいつ障害を引き起こし得るかを予測することもできる。このような情報は、初期に非侵襲的な画像化を用いて血行動態的に重要な疾患を有さないと観察された患者が、薬物療法、インターベンション療法、または手術療法を要すると見込まれないであろう「保証期間」、あるいは有害因子が継続した場合に進行が発生し得る速度の特定を可能にし得る。

また、この複合モデルを用いて、冠動脈疾患の負担の減少から生じる冠動脈血流に対する潜在的な有益効果を例証し、機械論的もしくは現象論的な疾患進行モデルまたは経験データを用いて、疾患の退行が冠状動脈を通る心筋への血流の増加をいつもたらし得るかを予測することもできる。このような情報を用いて、食事の変更、身体活動の増加、スタチンまたは他の薬物治療の処方などを含むが、これらに限定されない医学的管理プログラムの指針とすることができる。
ＶＩ．患者固有の治療プランの提供

図２に示すステップ５００に関連して上述したように、例示的方法は、患者固有の治療計画を提供することを含んでもよい。例示的実施形態において、ステップ５００は、以下のステップを含んでもよい。図３には以下のステップを示さないが、図３に示すステップと併せて、例えばステップ４０６または４０８の後に、これらのステップを実施してもよいことは理解される。

上述のように、図１および図２３に示すｃＦＦＲモデル５４は、未治療状態および模擬の充血条件下の図１７〜１９のメッシュ３８０によって表される患者の解剖学的形態全体のｃＦＦＲ値を示している。この情報を用いて、医師は、患者に、運動の増加、食事の変更、薬物治療の処方、モデリングされた解剖学的形態の任意の部分または心臓の他の部分の手術（例えば、冠動脈バイパス術、１つまたは複数の冠動脈ステントの挿入など）など、治療を処方することができる。

どの治療（複数可）を処方するかを明らかにする目的で、コンピュータシステムを用いて、そのような治療（複数可）によって、コンピュータ分析から明らかにされた情報がどのように変化するかを予測することができる。例えば、ステント（複数可）の挿入または他の手術などの特定の治療は、モデリングされた解剖学的形態の幾何学的形状に変化をもたらし得る。したがって、例示的実施形態において、ステップ３０６で生成されたソリッドモデル３２０を改定して、ステントが挿入されている１つまたは複数の内腔の拡大を示すことができる。

例えば、図１および図２３に示すｃＦＦＲモデル５４は、ＬＡＤ動脈の最低ｃＦＦＲ値が０．６６であり、ＬＣＸ動脈の最低ｃＦＦＲ値が０．７２であり、ＲＣＡ動脈の最低ｃＦＦＲ値が０．８０であることを示す。ｃＦＦＲ値が、例えば０．７５未満である場合に、治療を提案してもよい。したがって、コンピュータシステムは、ソリッドモデル３２０を改定するユーザに、ＬＡＤ動脈およびＬＣＸ動脈の拡大を示して、これらの冠状動脈へのステントの挿入を模擬するよう提案してもよい。ユーザは、模擬ステントの位置およびサイズに対応する、拡大の位置および量（例えば、長さおよび直径）を選択するよう指示される。あるいは、拡大の位置および量は、様々な因子、例えば０．７５未満のｃＦＦＲ値を有する節点（複数可）の位置、重大な欠陥狭窄の位置、従来のステントのサイズなどに基づいて、コンピュータシステムが自動的に決定してもよい。

図２５は、位置５１２の一部のＬＡＤ動脈および位置５１４のＬＣＸ動脈を拡大することによって作成されたソリッドモデルに基づいて明らかにされた、修正ｃＦＦＲモデル５１０の例を示している。例示的実施形態において、上述の任意のステップ、例えばステップ３１０〜３１４および４０２〜４０８を修正ソリッドモデルを用いて繰り返してもよい。ステップ４０６において、最終レポートは、未治療の患者（例えば、ステントを使用していない）に関連する情報、例えば図２３に示す情報、ならびに患者の模擬治療に関連する情報、例えば図２５および図２６に示す情報を含んでもよい。

図２５は、修正ｃＦＦＲモデル５１０を含み、また要約情報、例えば、提案される治療に関連する修正ソリッドモデルの主冠状動脈およびそこから延びる分枝の最低ｃＦＦＲ値も含む。例えば、図２５は、ＬＡＤ動脈（およびその下流分枝）の最低ｃＦＦＲ値が０．７８であり、ＬＣＸ動脈（およびその下流分枝）の最低ｃＦＦＲ値が０．７８であり、ＲＣＡ動脈（およびその下流分枝）の最低ｃＦＦＲ値が０．７９であることを示す。したがって、未治療の患者（ステント不使用）のｃＦＦＲモデル５４と提案される治療（ステント挿入）のｃＦＦＲモデル５１０との比較は、提案される治療が、ＬＡＤ動脈の最低ｃＦＦＲを０．６６から０．７８に増加させ得、またＬＣＸ動脈の最低ｃＦＦＲを０．７２から０．７６に増加させるであろうこと、一方ＲＣＡ動脈の最低ｃＦＦＲでは０．８０から０．７９のわずかな減少があるであろうことを示す。

図２６は、上述のように、ＬＡＤ動脈の位置５１２およびＬＣＸ動脈の位置５１４の部分の拡大後に明らかにされた、修正された模擬の血流モデル５２０の例を示している。また、図２６は、要約情報、例えば、提案される治療に関連する修正されたソリッドモデルの主冠状動脈およびそこから延びる分枝の様々な位置における血流値も含む。例えば、図２６は、未治療の患者（ステント不使用）および治療を受けた患者（ステント挿入）について、ＬＡＤ動脈中の４つの位置ＬＡＤ１、ＬＡＤ２、ＡＤ３、およびＬＡＤ４ならびにＬＣＸ動脈中の２つの位置ＬＣＸ１およびＬＣＸ２の血流値を示している。また、図２６は、未治療の状態と治療を受けた状態との間の血流値の変化率も示している。したがって、未治療の患者の模擬血流モデル５２と提案される治療の模擬の血流モデル５２０との比較は、提案される治療が、ＬＡＤ動脈およびＬＣＸ動脈を通る流量をＬＡＤ１−ＬＡＤ４、ＬＣＸ１、およびＬＣＸ２の全ての位置で、位置によって９％〜１９％増加させ得ることを示している。

また、未治療の状態と治療を受けた状態との間で他の情報、例えば冠動脈血圧を比較してもよい。この情報に基づいて、医師は、提案される治療選択肢を進めるかどうかを患者と話し合うことができる。

また、他の治療選択肢もソリッドモデル３２０を様々な形で修正することになり得る。例えば、冠動脈バイパス術は、ソリッドモデル３２０に新しい内腔または通路を作成することになり得、また病変の除去も内腔または通路の拡大することになり得る。他の治療選択肢は、ソリッドモデル３２０を修正することにならないこともある。例えば、運動もしくは労作の増加、食事もしくは他の生活様式の変化、薬物治療の処方などは、例えば、血管収縮、拡張、心拍数の減少などにより、ステップ３１０で特定した境界条件を変更することになり得る。例えば、患者の心拍数、心拍出量、一回拍出量、血圧、冠微小循環機能、集中パラメータモデルの構成などは、処方される薬物治療、採用された運動（または他の労作）の種類および頻度、採用された生活様式の変化の種類（例えば、喫煙の中止、食事の変化など）によって異なり得、それによってステップ３１０で特定した境界条件に様々な形で影響を与える。

例示的実施形態において、多数の患者からのデータを用いて、修正された境界条件を実験的に明らかにしてもよく、また類似する治療選択肢は、ほとんど同じ形で境界条件を修正することを必要とし得る。経験モデルは、大集団の患者固有のデータから開発し、将来の分析で類似する患者に適用することができる特定の治療選択肢に対応する、境界条件のライブラリまたは境界条件を算出するための関数を作成することができる。

境界条件の修正後、上述のステップ、例えば、ステップ３１２、３１４、および４０２〜４０８を修正された境界条件を用いて繰り返してもよく、またステップ４０６において、最終レポートは、未治療の患者に関連する情報、例えば図２３に示す情報、ならびに患者の模擬治療に関する情報、例えば図２５および図２６に示す情報を含んでもよい。

あるいは、医師、患者、または他のユーザに、三次元モデル（例えば、図８のソリッドモデル３２０）との対話を可能にするユーザインターフェースを提供してもよい。モデル３２０は、１つまたは複数の治療選択肢を反映するためにユーザが編集することができる、ユーザが選択可能なセグメントに分割してもよい。例えば、ユーザは、狭窄（または閉塞、例えば、急性閉塞）を含むセグメントを選択し、そのセグメントを調整して狭窄を除去してもよく、ユーザは、モデル３２０に、バイパスとするためのセグメントを追加してもよい。また、ユーザは、上記で明らかにされた境界条件を変更し得る他の治療選択肢および／または生理的パラメータ、例えば、心拍出量、心拍数、一回拍出量、血圧、運動もしくは労作レベル、充血レベル、薬物治療などの変化を指定するように指示されてもよい。代替の実施形態では、コンピュータシステムが治療選択肢を決定しまたは提案してもよい。

ユーザインターフェースは、三次元モデル３２０との対話を可能にして、ユーザが狭窄（または閉塞、例えば、急性閉塞）を模擬することを可能にし得る。例えば、ユーザは、狭窄を含めるセグメントを選択してもよく、コンピュータシステムを用いて、狭窄の追加によって、コンピュータ分析から決定された情報がどのように変化するかを予測することができる。したがって、本明細書に記載する方法は、動脈を閉塞させることの影響を予測するために使用することができる。

また、ユーザインターフェースは、三次元モデル３２０との対話により、癌性腫瘍の除去時など、特定の外科手術で発生し得る損傷した動脈または動脈の除去を模擬することを可能にし得る。また、このモデルは特定の動脈を通る血流を妨げることの影響を模擬するように修正して、患者に十分な血流を供給するための側副路の可能性を予測することもできる。
Ａ．様々な治療選択肢を比較するための次数低減モデルの使用

例示的実施形態において、コンピュータシステムは、ユーザが、三次元ソリッドモデル３２０またはメッシュ３８０を次数低減モデルに置き換えることによって、より迅速に様々な治療選択肢を模擬することを可能にし得る。図２７は、例示的実施形態による、次数低減モデルを用いて様々な治療選択肢を模擬するための方法７００に関連する概略図を示している。方法７００は、上述のコンピュータシステムで実施してもよい。

血流または他のパラメータを表す１つまたは複数の患者固有の模擬の血流モデルは、上述のコンピュータ分析からの出力であってもよい（ステップ７０１）。例えば、模擬の血流モデルは、図１の模擬の血圧モデル５０、図１の模擬の血流モデル５２、図１のｃＦＦＲモデル５４などを含んでもよいが、ただし上述の図２および図３に示す方法を用いる。上述のように、模擬の血流モデルは、患者の解剖学的形態の三次元幾何モデルを含んでもよい。

次数低減モデルの条件を指定するために、機能情報を模擬の血流モデルから抽出することができる（ステップ７０２）。例えば、機能情報には、上述のコンピュータ分析を用いて明らかにした、血液の圧力、流量、または速度の情報を含んでよい。

次数低減（例えば、０次元または一次元）モデルを提供して、ステップ７０１で生成した患者固有の模擬の血流モデルを生成するために使用した三次元ソリッドモデル３２０を置き換えてもよく、この次数低減モデルを用いて、患者の冠動脈血流に関する情報を明らかにしてもよい（ステップ７０３）。例えば、次数低減モデルは、図３のステップ３１０に関連して上述したように生成された集中パラメータモデルであってもよい。したがって、この集中パラメータモデルは、患者の解剖学的形態の単純化モデルであり、図１７〜１９のメッシュ３８０に関連するより複雑な連立方程式を解く必要なく、患者の冠動脈血流に関する情報を明らかにするために使用することができる。

ステップ７０３で次数低減モデルを解くことから明らかにされた情報は、次いで、患者の解剖学的形態の三次元ソリッドモデル（例えば、ソリッドモデル３２０）にマッピングまたは外挿してもよく（ステップ７０４）、ユーザは、要望に応じて次数低減モデルに変更を加えて、ユーザが選択してもよい様々な治療選択肢および／または患者の生理的パラメータの変更を模擬することができる（ステップ７０５）。選択可能な生理的パラメータには、心拍出量、運動もしくは労作レベル、充血のレベル、薬物治療の種類などを含み得る。選択可能な治療選択肢には、狭窄の除去、バイパスの追加などを含み得る。

次いで、ユーザが選択した治療選択肢および／または生理的パラメータに基づいて次数低減モデルを修正してもよく、その修正された次数低減モデルを用いて、選択した治療選択肢および／または生理的パラメータに関連する、患者の冠動脈血流に関する情報を明らかにすることができる（ステップ７０３）。ステップ７０３で次数低減モデルを解くことから明らかにされた情報を、次いで患者の解剖学的形態の三次元ソリッドモデル３２０にマッピングまたは外挿して、患者の解剖学的形態の冠動脈血流に対する、選択した治療選択肢および／または生理的パラメータの効果を予測することができる（ステップ７０４）。

ステップ７０３〜７０５は、様々な異なる治療選択肢および／または生理的パラメータについて繰り返して、様々な治療選択肢の予測される効果を互いに、また未治療の患者の冠動脈血流に関する情報と比較してもよい。その結果、三次元メッシュ３８０を用いたより複雑な分析を再び実行する必要なく、様々な治療選択肢および／または生理的パラメータについての予測される結果を互いに、また未治療の患者に関する情報と比較して評価することができる。代替的に、次数低減モデルを用いてもよく、これはユーザが、異なる治療選択肢および／または生理的パラメータをより簡単かつ迅速に分析および比較することを可能にし得る。

図２８は、例示的実施形態による、次数低減モデルを用いて様々な治療選択肢を模擬するための例示的方法のさらなる態様を示している。方法７００は、上述のコンピュータシステムで実施してもよい。

図３のステップ３０６に関連して上述したように、患者の画像データに基づいて、患者固有の幾何モデルを生成することができる（ステップ７１１）。例えば、画像データには、図２のステップ１００で取得されるＣＣＴＡデータを含んでもよく、幾何モデルは、図３のステップ３０６で生成される図８のソリッドモデル３２０、および／または図３のステップ３１２で生成される図１７〜１９のメッシュ３８０であってもよい。

この患者固有の三次元幾何モデルを用いて、例えば図３のステップ４０２に関連して上述したように、コンピュータ分析を実施して、患者の冠動脈血流に関する情報を明らかにしてもよい（ステップ７１２）。このコンピュータ分析は、血流または他のパラメータを表す１つまたは複数の三次元の患者固有の模擬の血流モデル、例えば、図１の模擬の血圧モデル５０、図１の模擬の血流モデル５２、図１のｃＦＦＲモデル５４などを出力してもよい。

模擬血流モデルは、モデルの解剖学的特徴に基づいて、セグメント化してもよい（例えば、図１４に関連して上述したように）（ステップ７１３）。例えば、主冠状動脈から延びる分枝は、別個のセグメントとして提供してもよく（ステップ７１４）、狭窄または疾患部を含む部分はセグメントとして提供してもよく（ステップ７１６）、分枝と狭窄または疾患部を含む部分との間の部分は、別個のセグメントとして提供してもよい（ステップ７１５）。模擬の血流モデルをセグメント化する際に、様々な程度の分解能を提供してもよく、それにより各血管は、複数の短い分離したセグメント、または例えば血管全体を含むより長いセグメントを含んでもよい。また、模擬の血流モデルをセグメント化するための様々な技法を提供してもよく、これには中央線を生成し、生成された中央線に基づいて区切ること、または分枝点を検出し、検出された分枝点に基づいて区切ることが含まれる。疾患部分および狭窄は、例えば、中央線の全長に沿って断面積を測定し、局所的に最小の断面積を算出することによって特定することができる。ステップ７１１〜７１６は、図２７のステップ７０１のサブステップとみなすことができる。

セグメントは、図１５に関連して上述したように、集中パラメータモデルの要素、例えば抵抗器、コンデンサ、インダクタなどで置き換えることができる。抵抗、キャパシタンス、インダクタンス、および集中パラメータモデルに使用される他の電気要素に関連する他の変数の個々の値は、ステップ７１２で提供される模擬の血流モデルから導くことができる。例えば、分枝および分枝と狭窄または疾患部を含む部分との間の部分に関して、模擬の血流モデルから導かれた情報を用いて、対応するセグメントに線形抵抗を指定してもよい（ステップ７１７）。狭窄または疾患部など、複雑な幾何学的形状を有する部分の場合、抵抗は流量によって異なり得る。したがって、図１５に関連して上述したように、複数のコンピュータ分析を用いて、様々な流量および圧力条件で模擬の血流モデルを取得して、これらの複雑な幾何学的形状に対する患者固有、血管固有、および病変固有の抵抗関数を導くことができる。したがって、狭窄または疾患部を含む部分について、これらの複数のコンピュータ分析から導かれた情報、または以前のデータから導かれたモデルを用いて、対応するセグメントに非線形の流量依存的な抵抗を指定してもよい（ステップ７１８）。ステップ７１７および７１８は、図２７のステップ７０２のサブステップとみなすことができる。

ステップ７１７および７１８で測定された抵抗を用いて、次数低減（例えば、０次元または一次元）モデルを生成することができる（ステップ７１９）。例えば、次数低減モデルは、図３のステップ３１０に関連して上述したように生成された集中パラメータモデルであってもよい。したがって、この集中パラメータモデルは、患者の解剖学的形態の単純化モデルであり、図１７〜１９のメッシュ３８０に関連するより複雑な連立方程式を解く必要なく、患者の冠動脈血流に関する情報を明らかにするために使用することができる。

ユーザがステップ７１９で作成された次数低減モデルと対話することを可能にするユーザインターフェースを提供してもよい（ステップ７２０）。例えば、ユーザは、次数低減モデルの異なるセグメントを選択および編集して、異なる治療選択肢を模擬してもよく、および／または様々な生理的パラメータを編集してもよい。例えば、疾患領域の修復のためのステントの挿入などのインターベンションは、ステントが挿入されるセグメントの抵抗を減少させることによってモデリングすることができる。バイパスの形成は、疾患セグメントと平行して低い抵抗を有するセグメントを追加することによってモデリングすることができる。

モデリングされた次数低減モデルを解いて、ステップ７２０で選択された治療および／または生理的パラメータの変化の下の患者の冠動脈血流に関する情報を明らかにすることができる（ステップ７２１）。ステップ７２１で特定された各セグメントにおける流量および圧力の解の値は、次いで、ステップ７１２で特定された三次元解と比較してもよく、それらのセグメントの抵抗関数（例えば、ステップ７１７および７１８で明らかにされる）を調整し、解が一致するまで次数低減モデルを解く（例えば、ステップ７２１）ことによって、いずれの差も最小化することができる。結果として、次数低減モデルを作成し、次いで比較的迅速な計算（例えば、完全三次元モデルと比較して）を可能にする単純化した１組の方程式を用いて解いてもよく、これを使用して、完全三次元計算解の結果と極めて近似し得る流量および圧力を求めることができる。次数低減モデルは、様々な異なる治療選択肢をモデリングするための比較的迅速な反復を可能にする。

ステップ７２１で次数低減モデルを解くことから明らかにされる情報は、次いで、患者の解剖学的形態の三次元ソリッドモデル（例えば、ソリッドモデル３２０）にマッピングまたは外挿してもよい（ステップ７２２）。ステップ７１９〜７２２は、図２７のステップ７０３〜７０５と類似していてもよく、ユーザの所望に応じて繰り返して、治療選択肢および／または生理的パラメータの様々な組み合わせを模擬してもよい。

あるいは、三次元モデルからセグメントに沿った抵抗を算出する（例えば、ステップ７１７および７１８について上述したように）よりもむしろ、中央線に沿って間隔を置いた流量および圧力を集中パラメータまたは一次元モデルに規定してもよい。実効抵抗または損失係数は、境界条件ならびに規定された流量および圧力の制約下で求めることができる。

また、個々のセグメントにわたる流量および圧力の勾配を用いて、次数低減モデルから導かれた解（例えば、ステップ７２１について上述したように）を使用して心外膜冠動脈の抵抗を計算することができる。心外膜冠動脈の抵抗は、心外膜冠状動脈（医療用画像データから再構成された患者固有のモデルに含まれる冠状動脈およびそこから延びる分枝の部分）の等価抵抗として算出することができる。これは、冠状動脈にびまん性アテローム性動脈硬化症を有する患者が、なぜ虚血（血液供給の制約）の症状を示し得るのかを説明する際に、臨床的意義を有し得る。また、模擬された薬理学的に誘導した充血または様々な運動強度条件下の心筋組織体積（または質量）単位当たりの流量および／または心仕事量単位当たりの流量は、次数低減モデルからのデータから算出することができる。

結果として、三次元血流モデリングの精度を一次元および集中パラメータモデリング技術が本来備える計算の簡易性および相対速度と兼ね備えることができる。三次元計算法は、正常セグメント、狭窄、分岐点、および他の解剖学的特徴の圧力損失の数値的に導かれた経験モデルを組込む、患者固有の一次元モデルまたは集中パラメータモデルを数値的に導くために使用することができる。心臓血管疾患を有する患者の改善された診断を提供することができ、薬物治療、インターベンション治療、および外科治療の計画をより迅速に実施することができる。

また、三次元計算流体力学技術の精度は血流の集中パラメータおよび一次元モデルの計算の簡易性および実効能力と組み合わせることができる。三次元幾何学的・生理学的モデルは、次数低減一次元モデルまたは集中パラメータモデルに自動的に分解することができる。三次元モデルは、正常セグメント、狭窄、および／または分枝を通る血流の線形もしくは非線形の血行動態効果を計算するため、および経験モデルのパラメータを設定するために使用することができる。一次元モデルまたは集中パラメータモデルは、患者固有モデルの血流および圧力をより効率的かつ迅速に求め、集中パラメータまたは一次元解の結果を表示することができる。

患者固有の解剖学的・生理学的次数低減モデルは、心拍数、一回拍出量、血圧、または冠微小循環機能を変更する異なる薬物治療または生活様式の変化（例えば、喫煙の中止、食事の変化、または身体活動の増加）の冠動脈血流に対する影響を明らかにするために使用することができる。このような情報は、薬物療法を最適化するため、または薬物治療の危険な影響の可能性を回避するために使用することができる。また、次数低減モデルを用いて、代替的な形態および／または様々なレベルの身体活動または潜在的な外部力への暴露の危険性（例えば、サッカーのプレイ時、宇宙飛行中、スキューバダイビング時、航空機飛行中など）の冠動脈血流に対する影響を明らかにしてもよい。このような情報を用いて、特定の患者に対して安全かつ効果的であり得る身体活動のタイプおよびレベルを特定することができる。また、次数低減モデルを用いて、最適なインターベンション戦略を選択するために、冠動脈血流に対する経皮冠動脈インターベンションの潜在的な利益を予測して、最適なインターベンション戦略を選択する、および／または冠動脈血流に対する冠動脈バイパス術の潜在的な利益を予測して、最適な手術戦略を選択することもできる。

また、次数低減モデルを用いて、冠動脈血流に対する動脈疾患の負担の増加の潜在的な有害効果を例証し、機械論的もしくは現象論的な疾患進行モデルまたは経験データを用いて、進行中の疾患が心筋への血流にいつ障害を引き起こし得るかを予測することもできる。このような情報は、初期に非侵襲的な画像化を用いて血行動態的に重要な疾患を有さないと観察された患者が、薬物療法、インターベンション療法、または手術療法を要すると見込まれないであろう「保証期間」、あるいは有害因子が継続した場合に進行が発生し得る速度の特定を可能にし得る。

また、次数低減モデルを用いて、冠動脈疾患の負担の減少から生じる冠動脈血流に対する潜在的な有益効果を例証し、機械論的もしくは現象論的な疾患進行モデルまたは経験データを用いて、疾患の退行が、冠状動脈を通る心筋への血流の増加をいつもたらし得るかを予測することもできる。このような情報を用いて、食事の変更、身体活動の増加、スタチンまたは他の薬物治療の処方などを含むが、これらに限定されない医学的管理プログラムの指針とすることができる。

また、次数低減モデルを血管造影システムに組込んで、医師が心臓カテーテル検査室で患者を診察している間に、治療選択肢の実況での計算を可能にすることもできる。このモデルは、血管造影表示と同じ配向で位置合わせして、冠状動脈の実況での血管造影像と模擬血流の解との並列または重複での結果を可能にしてもよい。医師は、処置中に観察がなされるため、治療計画を計画および変更することができ、医療上の決定がなされる前に、比較的迅速なフィードバックを可能にする。医師は、侵襲的に圧力、ＦＦＲ、または血流を測定してもよく、その測定値を使用して、予測シミュレーションを実施する前に、モデルをさらに改良してもよい。

また、次数低減モデルは、医療画像化システムまたはワークステーションに組込んでもよい。以前の患者固有のシミュレーション結果のライブラリから導かれた場合、その次数低減モデルを幾何学的セグメンテーションアルゴリズムと併用して、画像スキャン完了後に血流情報を比較的迅速に解くことができる。

また、次数低減モデルを用いて、新しい薬物療法の有効性、または治療選択肢の費用／利益を大集団の患者でモデリングすることもできる。複数の患者固有の集中パラメータモデル（例えば、数百、数千、またはそれ以上）のデータベースは、比較的短時間で解くためのモデルを提供することができる。比較的迅速な反復および最適化が、薬物、療法、または臨床試験のシミュレーションのために提供される。治療、患者の薬物反応、または外科的インターベンションを表すようにモデルを適合させることにより、高い費用がかかる可能性があり、かつ危険を伴う可能性がある大規模な臨床試験を実施する必要なく、有効性の予測を得ることができる。
ＶＩＩ．他の結果
Ａ．心筋灌流の評価

他の結果を算出することもできる。例えば、コンピュータ分析は、心筋灌流（心筋を通る血流）を定量化する結果を提供することができる。心筋灌流の定量化は、例えば虚血（血液供給の制約）、瘢痕化、または他の心臓障害に起因する心筋血流の減少範囲を特定するのに役立ち得る。

図２９は、例示的実施形態による、特定の患者における心筋灌流に関連する様々な情報を提供するための方法８００に関連する概略図を示す。方法８００は、上述のコンピュータシステム、例えば、上述の図３に示すステップのうちの１つまたは複数を実施するために使用されるコンピュータシステムで実施してもよい。

方法８００は、１つまたは複数の入力８０２を用いて実施してもよい。入力８０２は、患者の大動脈、冠状動脈（およびそこから延びる分枝）、ならびに心臓の医療画像データ８０３、例えばＣＣＴＡデータ（例えば、図２のステップ１００で取得される）を含んでもよい。また、入力８０２は、患者から測定された追加の生理学的データ８０４、例えば、患者の上腕の血圧８０４、心拍数、および／または他の測定値（例えば、図２のステップ１００で取得される）も含んでよい。追加の生理学的データ８０４は、非侵襲的に取得してもよい。入力８０２を用いて、後述のステップを実施することができる。

患者の心筋組織の三次元幾何モデルを画像データ８０３に基づいて作成してもよく（ステップ８１０）、この幾何モデルをセグメントまたは体積に分割してもよい（ステップ８１２）。例えば、図３１は、セグメント８４２に分割した患者の心筋組織の三次元幾何モデル８３８を含む三次元幾何モデル８４６を示している。個々のセグメント８４２のサイズおよび位置は、冠状動脈（およびそこから延びる分枝）の流出境界３２４（図８）の位置、それぞれのセグメント８４２の中、またはに連結する血管（例えば、隣接血管）のサイズなどに基づいて明らかにすることができる。幾何心筋モデル８３８のセグメント８４２への分割は、様々な既知の方法、例えば高速マーチング法、一般化高速マーチング法、レベルセット法、拡散方程式、多孔質媒体中の流れを支配する方程式などを用いて実施することができる。

また、三次元幾何モデルは、患者の一部の大動脈および冠状動脈（およびそこから延びる分枝）も含んでよく、これは画像データ８０３に基づいてモデリングすることができる（ステップ８１４）。例えば、図３１の三次元幾何モデル８４６は、患者の大動脈および冠状動脈（およびそこから延びる分枝）の三次元幾何モデル８３７と、ステップ８１０で作成される患者の心筋組織の三次元幾何モデル８３８とを含む。

図２９を再び参照すると、例えば図３のステップ４０２に関連して上述したように、コンピュータ分析を実施して、ユーザによって明らかにされる身体的条件下で、患者の冠動脈血流に関する情報を含む解を明らかにすることができる（ステップ８１６）。例えば、身体的条件は、安静、選択されたレベルの充血、選択されたレベルの運動もしくは労作、または他の条件を含んでもよい。この解は、ステップ８１４でモデリングされた患者の解剖学的形態中の様々な位置において、特定の身体的条件下で、血流および圧力などの情報を提供することができる。コンピュータ分析は、集中パラメータモデルまたは一次元モデルから導かれる流出境界３２４（図８）の境界条件を用いて実施してもよい。図３０に関連して後述するように、一次元モデルを作成して、セグメント８４２を埋めてもよい。

ステップ８１６で明らかにされた血流情報に基づいて、ステップ８１２で作成される心筋のそれぞれのセグメント８４２に入る血流の灌流を算出することができる（ステップ８１８）。例えば、この灌流は、流出境界３２４（図８）の各流出口からの流量をその流出口が灌流するセグメント化された心筋の体積で除するによって算出することができる。

ステップ８１８で明らかにされる心筋のそれぞれのセグメントの灌流は、ステップ８１０または８１２で生成される心筋の幾何モデル（例えば、図３１に示す患者の心筋組織の三次元幾何モデル８３８）上に表示することができる（ステップ８２０）。例えば、図３１は、幾何モデル８３８の心筋のセグメント８４２を異なる陰影または色で図示して、それぞれのセグメント８４２に入る血流の灌流を示すことができることを示している。

図３０は、例示的実施形態による、特定の患者における心筋灌流に関連する様々な情報を提供するための方法８２０に関連する別の概略図を示している。方法８２０は、上述のコンピュータシステム、例えば、上述の図３に示すステップのうちの１つまたは複数を実施するために使用されるコンピュータシステムで実施してもよい。

方法８２０は、１つまたは複数の入力８３２を用いて実施してもよく、これは、患者の大動脈、冠状動脈（およびそこから延びる分枝）、ならびに心臓の医療用画像データ８３３、例えばＣＣＴＡデータ（例えば、図２のステップ１００で取得される）を含んでもよい。入力８３２を用いて、後述のステップを実施することができる。

患者の心筋組織の三次元幾何モデルは、画像データ８３３に基づいて作成することができる（ステップ８３５）。また、モデルは、患者の一部の大動脈および冠状動脈（およびそこから延びる分枝）も含んでよく、これは画像データ８０３に基づいて作成してもよい。例えば、上述のように、図３１は、患者の大動脈および冠状動脈（およびそこから延びる分枝）の幾何モデル８３７と、患者の心筋組織の幾何モデル８３８を含む三次元幾何モデル８３６を示している。ステップ８３５は、上述の図２９のステップ８１０および８１４を含んでもよい。

図３０を再び参照すると、幾何心筋モデル８３８は、体積またはセグメント８４２に分割することができる（ステップ８４０）。ステップ８４０は、上述の図２９のステップ８１２を含んでもよい。上述のように、図３１は、セグメント８４２に分割された患者の心筋組織の幾何モデル８３８を含む三次元幾何モデル８４６を示している。

図３０を再び参照すると、幾何モデル８４６を修正して、冠動脈ツリーに次世代の分枝８５７を含めるようにしてもよい（ステップ８５５）。分枝８５７（図３１に点線で示される）の位置およびサイズは、冠状動脈（およびそこから延びる分枝）の中央線に基づいて明らかにすることができる。この中央線は、例えば画像データ８３３に基づいて明らかにすることができる（ステップ８４５）。また、アルゴリズムを用いて、形態計測モデル（流出境界３２４（図８）の既知の流出口の下流の血管の位置およびサイズを予測するために使用されるモデル）および／または血管サイズに関連する生理学的分枝の法則に基づいて、分枝８５７の位置およびサイズを特定してもよい（ステップ８５０）。この形態計測モデルは、幾何モデル８３７に含まれる冠状動脈（およびそこから延びる分枝）の下流端まで拡大し、心外膜面（心臓組織の外層）上に提供しても、または心筋壁の幾何モデル８３８内に含めてもよい。

心筋は、ステップ８５５で作成された分枝８５７に基づいて、さらにセグメント化してもよい（ステップ８６０）。例えば、図３１は、セグメント８４２が、サブ体積またはサブセグメント８６２に分割できることを示している。

サブセグメント８６２中に追加の分枝８５７を作成してもよく、このサブセグメント８６２は、より小さいセグメント８６７にさらにセグメント化してもよい（ステップ８６５）。分枝を作成し、体積をサブセグメント化するステップは、所望の体積サイズおよび／または分枝サイズの分解能が得られるまで繰り返してもよい。ステップ８５５および８６５で新しい分枝８５７を含むように拡大されたモデル８４６は、次いで、サブセグメント、例えばステップ８６５で生成されるサブセグメント８６７に入る冠動脈血流および心筋灌流を計算するために使用することができる。

したがって、拡大モデルを用いて、上述のコンピュータ分析を実施することができる。コンピュータ分析の結果は、患者固有の冠動脈モデル、例えば図３１のモデル８３７から、ステップ８６５で生成された各灌流サブセグメント８６７内にまで延長してもよい、生成された形態計測モデル（ステップ８５５および８６５で生成された分枝８５７を含む）に入る血流に関連する情報を提供することができる。コンピュータ分析は、静的な心筋灌流体積または結合した心臓力学モデルからのデータを組込んだ動的モデルを用いて実施することができる。

図３２は、例示的実施形態による、特定の患者における心筋灌流に関連する様々な情報を提供するための方法８７０に関連する別の概略図を示している。方法８７０は、上述のコンピュータシステム、例えば、上述の図３に示すステップのうちの１つまたは複数を実施するために使用されるコンピュータシステムで実施してもよい。

方法８７０は、１つまたは複数の入力８７２を用いて実施してもよい。入力８７２は、患者の大動脈、冠状動脈（およびそこから延びる分枝）、ならびに心臓の医療用画像データ８７３、例えばＣＣＴＡデータ（例えば、図２のステップ１００で取得される）を含んでもよい。また、入力８７２は、患者から測定された追加の生理学的データ８７４、例えば、患者の上腕の血圧、心拍数、および／または他の測定値（例えば、図２のステップ１００で取得される）も含んでよい。追加の生理学的データ８７４は、非侵襲的に取得してもよい。入力８７２は、患者から（例えば、ＣＴ、ＰＥＴ、ＳＰＥＣＴなどを用いて）測定された心灌流データ８７５をさらに含んでもよい。入力８７２を用いて、後述のステップを実施することができる。

患者の大動脈および冠状動脈（およびそこから延びる分枝）の三次元幾何モデルは、画像データ８７３に基づいて作成することができる（ステップ８８０）。例えば、図３１は、患者の大動脈および冠状動脈（およびそこから延びる分枝）の三次元幾何モデル８３７を示している。ステップ８８０は、上述の図２９のステップ８１４と類似していてもよい。

コンピュータ分析は、例えば図３のステップ４０２に関連して上述したように実施して、ユーザによって明らかにされる身体的条件下で、患者の冠動脈血流に関する情報を含む解を明らかにするこができる（ステップ８８２）。例えば、身体的条件は、安静、選択されたレベルの充血、選択されたレベルの運動もしくは労作、または他の条件を含んでもよい。この解は、ステップ８８０でモデリングされた患者の解剖学的形態中の様々な位置において、特定の身体的条件下で、血流および圧力などの情報を提供することができる。ステップ８８２は、上述の図２９のステップ８１６と類似していてもよい。

また、患者の心筋組織の三次元幾何モデルは、画像データ８７３に基づいて作成することができる（ステップ８８４）。例えば、上述のように、図３１は、患者の心筋組織の三次元幾何モデル８３８（例えば、ステップ８８４で作成されるような）と、患者の大動脈および冠状動脈（およびそこから延びる分枝）の三次元幾何モデル８３７（例えば、ステップ８８０で作成されるような）とを含む三次元幾何モデル８３６を示している。ステップ８８４は、上述の図２９のステップ８１０と類似していてもよい。

この幾何モデルは、セグメントまたはサブ体積に分割してもよい（ステップ８８６）。例えば、図３１は、セグメント８４２に分割された患者の心筋組織のモデル８３８を含む幾何モデル８４６を示している。ステップ８８６は、上述の図２９のステップ８１２と類似していてもよい。

ステップ８８２で明らかにされる血流情報に基づいて、ステップ８８６で作成される心筋のそれぞれのセグメント８４２に入る血流の灌流を算出することができる（ステップ８８８）。ステップ８８８は、上述の図２９のステップ８１８と類似していてもよい。

心筋のそれぞれのセグメントの算出された灌流は、ステップ８８４または８８６で生成される心筋の幾何モデル（例えば、図３１に示す患者の心筋組織の三次元幾何モデル８３８）上に表示することができる（ステップ８９０）。例えば、図３１は、幾何モデル８３８の心筋のセグメント８４２を異なる陰影または色で図示して、それぞれのセグメント８４２に入る血流の灌流を示すことができることを示している。ステップ８９０は、上述の図２９のステップ８２０と類似していてもよい。

ステップ８９０で心筋の三次元幾何モデル上にマッピングされた模擬灌流データは、測定された心灌流データ８７５と比較することができる（ステップ８９２）。この比較は、例えば、心筋のボクセルに基づく表示または心筋の異なる離散的表示上で実施することができる。この比較は、心筋の三次元表示上に様々な色および／または陰影を用いて、模擬の灌流データと測定された灌流データとの差を示すことができる。

ステップ８８０で作成される三次元幾何モデルの流出口における境界条件を調整して、模擬の灌流データと測定された灌流データとの間の誤差を減少させてもよい（ステップ８９４）。例えば、誤差を減少させるために、模擬の灌流が測定された灌流よりも低い領域（例えば、セグメント８４２、８６２、または８６７）に供給する血管の規定の流動抵抗を減少させるように、境界条件を調整することができる。境界条件の他のパラメータを調整してもよい。
あるいは、モデルの分枝構造を修正してもよい。例えば、ステップ８８０で作成される幾何モデルは、図３０および３１に関連して上述したように拡大して、形態計測モデルを作成することができる。境界条件および／または形態計測モデルのパラメータは、パラメータ推定法またはデータ同化法、例えば、米国特許出願公開第２０１０／００１７１７１号に記載される、「Ｍｅｔｈｏｄ ｆｏｒ Ｔｕｎｉｎｇ Ｐａｔｉｅｎｔ−Ｓｐｅｃｉｆｉｃ Ｃａｒｄｉｏｖａｓｃｕｌａｒ Ｓｉｍｕｌａｔｉｏｎｓ」と題される方法、または他の方法を用いて、経験的または系統的に調整してもよい。

図３２のステップ８８２、８８８、８９０、８９２、８９４、および／または他のステップは、例えば、模擬の灌流データと測定された灌流データとの誤差が、既定の閾値を下回るまで繰り返してもよい。その結果、解剖学的情報、冠動脈血流の情報、および心筋灌流の情報を関連付けるモデルを用いて、コンピュータ分析を実施することができる。かかるモデルは、診断目的で、または薬物療法、インターベンション療法、または手術療法の利益を予測するために有用となり得る。

結果として、三次元医療用画像データから構築した患者固有の幾何モデルにおいて、安静および／またはストレス条件下の冠動脈血流および心筋灌流を模擬することができる。測定された心筋灌流データを模擬の心筋灌流結果と組み合わせて使用して、模擬の心筋灌流結果が測定された心筋灌流データと所定の許容差内で一致するまで（例えば、図３２に関連して上述したように）、境界条件を調整してもよい。より正確な患者固有の冠動脈血流計算を提供してもよく、心臓専門医が、最大運動または労作、模擬治療、または他の条件下の患者を模擬する場合など、測定データが入手できないかもしれない状況で、冠動脈血流および心筋灌流を予測できるようにしてもよい。

左室および／または右室心筋の患者固有三次元モデルは、灌流セグメントまたはサブ体積に分割してもよい。また、医療用画像データから明らかにされた冠状動脈の患者固有の三次元幾何モデルは、灌流サブ体積によって表される心外膜面上あるいは左室および／または右室心筋壁に包含される一部の残りの冠状動脈ツリーの形態計測モデルと組み合わせて、拡大モデルを形成することができる。拡大モデルにおける所定の位置、例えば罹患位置の下流の全心筋体積の百分率を算出することができる。また、拡大モデルにおける所定の位置、例えば罹患位置の全心筋血流の百分率を算出することもできる。拡大モデルを用いて、冠動脈血流および心筋灌流を計算することができる。また、冠動脈血流モデルは、模擬の灌流が、測定された灌流データと規定の許容差内で一致するまで修正してもよい。
Ｂ．プラーク脆弱性の評価

また、コンピュータ分析は、患者の大動脈および冠状動脈（およびそこから延びる分枝）中に蓄積し得るプラーク、例えば冠動脈のアテローム硬化性プラークに作用する患者固有の生体力学的力を定量化する結果を提供することができる。生体力学的力は、拍動性圧力、流動、および心臓運動によって生じ得る。

図３３は、血管壁９０２、例えば主冠状動脈のうちの１つまたはそこから延びる分枝のうちの１つの壁に沿って蓄積したプラーク９００の例を示している。プラークの上流端と下流端との間の圧力および／または表面積の差は、例えば血管を貫流する血液に起因する、少なくとも血流の方向に沿ってプラーク９００に作用する力９０４を生成し得る。別の力９０６は、少なくとも血管壁９０２に向かい、血管壁９０２に垂直な方向に沿って、プラーク９００の表面に作用し得る。力９０６は、血管を貫流する血液の血圧に起因し得る。さらに別の力９０８は、少なくとも血流の方向に沿ってプラーク９００の表面に作用し得、またこれは、安静時や運動時などの血流力に起因し得る。

また、この結果は、プラーク破裂（例えば、血管壁に蓄積したプラークが、不安定になって破れるまたは裂ける）のリスクおよびそのような破裂の影響を受け得る心筋体積も評価する。結果は、安静時や運動時などの様々な模擬の生理学的状態下で評価することができる。プラーク破裂のリスクは、模擬のプラーク応力のＣＣＴＡまたはＭＲＩから導かれた材料組成データ（例えば、図２のステップ１００で明らかにされる）を用いて推定されたプラーク強度に対する比として定義することができる。

例えば、図３４は、コンピュータ分析が出力することができる結果の例を示している。この結果には、図３１の三次元幾何モデル８４６を含み得、これには患者の大動脈および冠状動脈（およびそこから延びる分枝）の三次元幾何モデル８３７、ならびにセグメント８４２に分割された患者の心筋組織の三次元幾何モデル８３８を含み得る。また、この結果は、冠状動脈（またはそこから延びる分枝）のうちの１つにおける、プラークが脆弱であることを明らかとする可能性がある位置９１０も示すことができ、この位置９１０は、より詳細に後述するようにプラーク破裂のリスクの評価に基づいて、および／またはユーザからの入力に基づいて特定することができる。また、図３４に示すように、心筋のセグメント９１２（複数のセグメント８４２のうちの）は、位置９１０で特定されたプラークの破裂に起因する低灌流の確率が高いと特定することができる。

図３５および３６は、例示的実施形態により、特定の患者におけるプラーク脆弱性、心筋体積リスク、および心筋灌流リスクの評価に関連する様々な情報を提供するための方法９２０の態様を示す概略図である。方法９２０は、上述のコンピュータシステム、例えば上述の図３に示されるステップのうちの１つまたは複数を実施するために使用するコンピュータシステムで実施することができる。方法９２０は、１つまたは複数の入力９２２を用いて実施することができ、またこの方法は、入力９２２に基づいて１つまたは複数のモデル９３０を生成することと、モデル９３０のうちの１つまたは複数に基づいて１つまたは複数の生体力学的分析９４０を実施することと、モデル９３０および生体力学的分析９４０に基づいて様々な結果を提供することとを含み得る。

入力９２２は、患者の大動脈、冠状動脈（およびそこから延びる分枝）、および心臓の医療用画像データ９２３、例えばＣＣＴＡデータ（例えば、図２のステップ１００で取得される）を含み得る。また、入力９２２は、患者から測定された追加の生理学的データ９２４、例えば患者の上腕血圧、心拍数、および／または他の測定値（例えば、図２のステップ１００で取得される）も含んでよい。追加の生理学的データ９２４は、非侵襲的に取得してもよい。入力９２２は、モデル９３０を生成するため、および／または後述の生体力学的分析９４０を実施するために使用することもできる。

上記のように、１つまたは複数のモデル９３０は、入力９２２に基づいて生成することができる。例えば、方法９２０は、患者の解剖学的形態の三次元幾何モデル全体の様々な位置における計算された血流および圧力の情報を含む血行動態モデル９３２を生成することを含み得る。この患者の解剖学的形態のモデルは、医療用画像データ９２３、例えば、図３のステップ３０６で生成される図８のソリッドモデル３２０、および／または図３のステップ３１２で生成される図１７〜１９のメッシュ３８０を用いて作成することができ、また、例示的実施形態において、血行動態モデル９３２は、模擬の血圧モデル５０（図１）、模擬の血流モデル５２（図１）、ｃＦＦＲモデル５４（図１）、または例えば図３のステップ４０２に関連して上述したようにコンピュータ分析の実施後に生成される他のシミュレーションであってよい。流体構造体の相互作用モデルを含むソリッド力学モデルは、既知の数値法を用いてコンピュータ分析により解いてもよい。プラークおよび血管の特性は、線形または非線形、等方性または異方性としてモデリングすることができる。この解は、プラークおよびプラークと血管との間の界面の応力およびひずみを提供し得る。図３６に示す例示的実施形態において、血行動態モデル９３２はｃＦＦＲモデル５４である。

方法９２０は、様々な生理学的状態、例えば安静時や様々なレベルの運動または労作時などに、血流力によってプラーク内腔表面に作用する圧力９０６（図３３）およびせん断応力９０８（図３３）を計算することによって、血行動態モデル９３２を用いて生体力学的分析９４０を実施すること（ステップ９４２）を含んでもよい。圧力９０６およびせん断応力９０８は、血行動態モデル９３２からの情報、例えば血圧および血流に基づいて算出することができる。

場合によっては、方法９２０は、四次元画像データ、例えば、心周期の複数の相で、例えば収縮期および拡張期に取得した画像データから、血管の変形を定量化するための幾何学的分析モデル９３４を生成することも含んでよい。画像データは、様々な既知の画像化方法を用いて取得することができる。幾何学的分析モデル９３４は、例えば心臓運動に起因する、心周期の異なる相の血管の位置、変形、配向、およびサイズに関する情報を含んでもよい。例えば、患者の大動脈、冠状動脈（およびそこから延びる分枝）、およびプラークの様々なタイプの変形、例えば長手方向の延長（伸長）または短縮、ねじれ（捻転）、半径方向の拡張または圧縮、および屈曲は、幾何学的分析モデル９３４によって模擬することができる。

方法９２０は、心臓による拍動性圧力に起因する、患者の大動脈、冠状動脈（およびそこから延びる分枝）、およびプラークの様々な変形の特徴、例えば長手方向の延長（伸長）または短縮、ねじれ（捻転）、半径方向の拡張または圧縮、および屈曲などを計算することによって、幾何学的分析モデル９３４を用いて生体力学的分析９４０を実施すること（ステップ９４４）を含んでもよい。このような変形の特徴は、幾何学的分析モデル９３４からの情報、例えば、心周期の複数の相にわたる血管の位置、配向、およびサイズの変化に基づいて算出することができる。

変形の特徴の算出は、モデリングされた幾何学的形状（例えば、患者の大動脈、冠状動脈（およびそこから延びる分枝）、プラークなどの幾何学的形状）の中央線または表面メッシュを明らかにすることによって簡易化することができる。異なる相間のモデリングされた幾何学的形状の変化を明らかにするために、分枝口、石灰化病変、およびソフトプラークを目印として使用することができる。目印のない領域では、モデリングされた幾何学的形状の全長に沿った断面積の輪郭を用いて、２つの画像フレーム間の対応する位置を特定する（２つの画像フレームの「位置合わせ」をする）ことができる。未加工画像データに基づく変形可能な位置合わせアルゴリズムを用いて、三次元の変形場を抽出することができる。次いで、算出された三次元の変形場をモデリングされた幾何学的形状（例えば、血管全長）と位置を合わせた曲線軸に投影して、変形場の接線成分および法線成分を計算することができる。モデリングされた幾何学的形状（例えば、血管の長さ）、分枝分離の角度、および曲率の収縮期と拡張期との間の得られる差を用いて、血管に生じるひずみを明らかにすることができる。

また、方法９２０は、医療用画像データ９２３からプラークの組成および特性を明らかにするためのプラークモデル９３６を生成することも含んでよい。例えば、プラークモデル９３６は、プラークの密度および他の材料特性に関する情報を含んでもよい。

また、方法９２０は、プラーク、血管壁、および／またはプラークと血管壁との間の界面に関する情報を計算するための血管壁モデル９３８を生成することも含んでよい。例えば、血管壁モデル９３８は、応力およびひずみに関する情報を含んでいてもよく、これはプラークモデル９３６に含まれるプラークの組成および特性、ステップ９４２で算出される圧力９０６およびせん断応力９０８、および／またはステップ９４４で算出される変形の特徴に基づいて算出することができる。

方法９２０は、血流力によるプラークに対する応力（例えば、急激または累積的な応力）および心臓運動によって誘発されるひずみを計算することによって、血管壁モデル９３８を用いて生体力学的分析９４０を実施すること（ステップ９４６）を含んでもよい。例えば、プラークに作用する流動によって誘発される力９０４（図３３）を計算することができる。血流力によるプラークに対する応力または力および心臓運動によって誘発されるひずみは、血管壁モデル９３８からの情報、例えばプラークに対する応力およびひずみに基づいて算出することができる。

方法９２０は、モデル９３０のうちの１つまたは複数、および上述の生体力学的分析９４０のうちの１つまたは複数に基づいて、さらなる情報を明らかにすることを含んでもよい。

プラーク破裂の脆弱性指標を算出してもよい（ステップ９５０）。プラーク破裂の脆弱性指標は、例えば、全血行力学的応力、応力頻度、応力方向、および／またはプラーク強度、または他の特性に基づいて算出することができる。例えば、当該プラーク周辺の領域は、プラークの三次元モデル９３０、例えばプラークモデル９３６から分離してもよい。プラークの強度は、プラークモデル９３６に提供される材料特性から明らかにすることができる。拍動性圧力、流動、および心臓運動に起因する当該プラークに対する血行力学的応力および組織応力は、ステップ９４６で既に計算された血行力学的応力および心臓運動によって誘発されるひずみを用いて、模擬のベースラインおよび運動（または労作）条件下で算出することができる。プラークの脆弱性は、プラーク応力のプラーク強度に対する比に基づいて評価することができる。

また、心筋体積リスク指標（ＭＶＲＩ）も算出することもできる（ステップ９５２）。ＭＶＲＩは、動脈ツリーにおける所定の位置の血管のプラーク破裂および閉塞（閉鎖または遮断）の影響を受ける全心筋体積の百分率として定義することができる。ＭＶＲＩは、所定のプラークの下流の血管によって供給を受ける心筋の部分に基づいて算出することができ、これは下流血管のサイズに対するプラークのサイズ、および三次元血行動態の解に基づくそのプラークが異なる血管に流入する確率を考慮に入れることができる。

心筋をモデリングし、血行動態シミュレーションにおいて各血管によって供給を受けるセグメント８４２に分割することができる（例えば、図３０のステップ８３５および８４０に関連して記載したように）。幾何モデルを修正して、冠動脈ツリーに次世代の分枝８５７を含めるようにしてもよく（例えば、図３０のステップ８５５に関連して記載するように）、心筋をさらにセグメント化してもよい（例えば、図３０のステップ８６０に関連して記載するように）。サブセグメント８６２中に追加の分枝８５７を作成してもよく、このサブセグメント８６２は、より小さいセグメント８６７にさらにセグメント化してもよい（例えば、図３０のステップ８６５に関連して記載するように）。前述のような生理学的関係を用いて、血管サイズと供給を受ける心筋の比例量と関連付けることができる。

破裂したプラークがたどる潜在的経路を明らかにすることができる。血行動態の解を用いて、プラーク断片または塞栓が異なる下流血管に流入する確率を明らかにすることができる。

破裂したプラークのサイズを下流血管のサイズと比較して、そのプラークが、最終的に血流への障害を生じ得るかどうかを明らかにすることができる。この情報を脆弱性指標と組み合わせて、破裂したプラークの影響を受ける可能性がある心筋の体積の確率分布図を提供することができる。ＭＶＲＩは、影響を受ける可能性のある各セグメントに割り当てることができる。図３４は、遠位血管中の位置９１０における脆弱なプラークが、小面積の心筋に影響を与える高い確率を有するセグメント９１２の例を示している。

また、心筋灌流リスク指標（ＭＰＲＩ）も算出することができる（ステップ９５４）。ＭＰＲＩは、動脈ツリーにおける所定の位置の血管のプラーク破裂および閉塞の影響を受ける全心筋血流の百分率として定義することができる。例えば、ＬＡＤ動脈の遠位部におけるプラークの破裂は、ＬＡＤ動脈の近位部におけるプラークの破裂よりも低いＭＶＲＩとなるであろう。しかしながら、これらの指標は、栄養血管中の脆弱なプラークの影響を受ける一部の心筋の体積に生存能力がない（例えば、心筋梗塞後に形成し得る瘢痕組織により）場合には、異なる可能性がある。したがって、ＭＰＲＩは、ＭＶＲＩによって示されるような影響を受ける体積よりもむしろ、その心筋セグメントへの灌流の潜在的な損失を示す。図３１の各セグメント８４２、８６２、または８６７への灌流速度を算出することができ、脆弱性指標、血行動態の解、ならびにプラークおよび血管のサイズに基づいて、灌流の損失を算出することができる。

その結果、拍動性血圧、拍動性血流、拍動性血液せん断応力、および／または拍動性心臓運動によるプラーク応力を算出することができ、医療用画像データに基づいてプラーク強度を推定することができ、プラーク脆弱性、心筋体積リスク、および心筋灌流リスクに関連する指標を定量化することができる。
ＶＩＩＩ．他の用途

上述の実施形態は、患者における冠動脈血流に関する情報を評価することに関連する。あるいは、これらの実施形態は、頸動脈、末梢動脈、腹部動脈、腎動脈、大腿動脈、膝窩動脈、および大脳動脈などであるがこれらに限定されない身体の他の部分における血流に適応してもよい。
Ａ．頭蓋内血流および頭蓋外血流のモデリング

次に大脳動脈に関する実施形態を説明する。数々の疾患が、頭蓋外動脈または頭蓋内動脈の血流および血圧に影響を与える、またはそれらの影響を受ける可能性がある。頭蓋外動脈、例えば頸動脈および椎骨動脈のアテローム性動脈硬化症は、脳への血流を制限する可能性がある。重症のアテローム性動脈硬化症は、一過性脳虚血発作または虚血性脳卒中につながる恐れがある。頭蓋内動脈または頭蓋外動脈における動脈瘤疾患は、虚血性脳卒中につながる塞栓形成または出血性脳卒中につながる動脈瘤破裂のリスクをもたらし得る。他の状態、例えば頭部外傷、高血圧、頭部および頸部の癌、動静脈奇形、起立不耐症なども脳血流に影響を与え得る。さらに、脳血流の減少は、失神などの症状を誘発する、またはアルツハイマー病またはパーキンソン病に続発する認知症などの慢性神経疾患に影響を及ぼす恐れがある。

頭蓋外または頭蓋内の動脈疾患が既知または疑われる患者は、通常は、非侵襲的診断試験であるＵＳ、ＭＲＩ、ＣＴ、ＰＥＴのうち１つまたは複数を受けることがある。しかしながら、これらの試験は、ほとんどの患者の頭蓋外動脈および頭蓋内動脈の解剖学的データおよび生理学的データを効率的に提供することができない場合がある。

図３７は、頭蓋内（頭蓋の内部）および頭蓋外（頭蓋の外部）の動脈を含む大脳動脈の略図である。患者固有の頭蓋内および頭蓋外血流に関する情報を明らかにするための方法は、上述の患者固有の冠動脈血流に関する情報を明らかにするための方法と概して類似していてよい。

図３８は、特定の患者における頭蓋内および頭蓋外血流に関連する様々な情報を提供するための方法１０００の態様を示す概略図である。方法１０００は、例えば上述の図３に示されるステップのうちの１つまたは複数を実行するために使用するコンピュータシステムに類似するコンピュータシステムで実行することができる。方法１０００は、１つまたは複数の入力１０１０を用いて実施してもよく、入力１０１０に基づいて１つまたは複数のモデル１０２０を生成することと、入力１０１０および／またはモデル１０２０に基づいて１つまたは複数の条件１０３０を指定することと、モデル１０２０および条件１０３０に基づいて１つまたは複数の解１０４０を導くこととを含んでもよい。

入力１０１０は、患者の頭蓋内動脈および頭蓋外動脈、例えば、患者の大動脈、頸動脈（図３７に示す）、椎骨動脈（図３７に示す）、および脳の医療用画像データ１０１１、例えばＣＣＴＡデータ（例えば、図２のステップ１００に関連して上述したものと類似する方式で取得される）を含んでもよい。また、入力１０１０は、患者の上腕血圧、頸動脈血圧（例えば、圧力測定法を用いて）、および／または他の測定値（例えば、図２のステップ１００に関連して上述したものと類似する方式で取得される）の測定値１０１２も含んでよい。測定値１０１２は、非侵襲的に取得してもよい。入力１０１０を用いて、モデル（複数可）１０２０を生成してもよく、および／または後述の条件（複数可）１０３０を特定してもよい。

上記のように、１つまたは複数のモデル１０２０は、入力１０１０に基づいて生成してもよい。例えば、方法１０００は、画像データ１０１１に基づいて、患者の頭蓋内動脈および頭蓋外動脈の１つまたは複数の患者固有の三次元幾何モデルを生成することを含んでもよい（ステップ１０２１）。三次元幾何モデル１０２１は、図８のソリッドモデル３２０および図１７〜１９のメッシュ３８０を生成するための上述の方法に類似する方法を用いて生成してもよい。例えば、図３のステップ３０６および３１２に類似するステップを用いて、患者の頭蓋内動脈および頭蓋外動脈を表す三次元ソリッドモデルおよびメッシュを生成してもよい。

再び図３８を参照すると、方法１０００は、１つまたは複数の物理学に基づく血流モデルを生成することも含んでよい（ステップ１０２２）。例えば、この血流モデルは、ステップ１０２１で生成される患者固有の幾何モデルを通る流れ、心臓および動脈循環、遠位頭蓋内および頭蓋外循環などを表すモデルであってもよい。血流モデルは、図３のステップ３１０に関連して上述したような次数低減モデル、例えば、三次元幾何モデル１０２１の流入境界および／または流出境界の集中パラメータモデルまたは分散（一次元波動伝播）モデルなどを含んでもよい。あるいは、流入境界および／または流出境界は、速度、流量、圧力、または他の特性などに対する規定の値またはフィールドを指定してもよい。あるいは、流入境界を例えば大動脈弓を含む心臓モデルと結合させてもよい。流入および／または流出境界のパラメータは、心拍出量および血圧を含むがこれらに限定されない、測定または選択された生理学的状態と一致するように調整してもよい。

上述のように、１つまたは複数の条件１０３０は、入力１０１０および／またはモデル１０２０に基づいて明らかにすることができる。条件１０３０は、ステップ１０２２（および図３のステップ３１０）で明らかにされる境界条件について算出されたパラメータを含む。例えば、方法１０００は、画像データ１０１１（例えば、図３のステップ２４０に関連して上述したものと類似する形で取得される）に基づいて、患者固有の脳または頭部の体積を算出することによって、条件を明らかにすることを含んでもよい（ステップ１０３１）。

方法１０００は、ステップ１０３１で算出された脳または頭部の体積を用いて、関係Ｑ＝Ｑ_０Ｍ^α（式中、αは既定のスケーリング指数であり、Ｍは脳または頭部の体積から測定された脳質量であり、Ｑ_０は、既定の定数である）（例えば、図３のステップ３１０で集中パラメータモデルに関連して上述した生理学的関係と類似する）に基づく安静時脳血流Ｑを算出することによって、条件を明らかにすることを含んでもよい（ステップ１０３２）。あるいは、この関係は、図３のステップ３１０で集中パラメータモデルを明らかにすることに関連して上述したように、Ｑ∝Ｑ_０Ｍ^αの形式を有してもよい。

また、方法１０００は、ステップ１０３２で算出された結果の冠血流および患者の測定された血圧１０１２を用いて、全安静時脳抵抗を算出することによって、条件を明らかにすることも含んでよい（例えば、図３のステップ３１０で集中パラメータモデルを明らかにすることに関連して上述した方法と類似する）（ステップ１０３３）。例えば、ステップ１０３２で特定される三次元幾何モデル１０２１の流出境界におけるベースライン（安静）条件下の全脳血流Ｑおよび測定された血圧１０１２を用いて、既定の実験的に導かれた方程式に基づいて、流出境界における全抵抗Ｒを明らかにすることができる。抵抗、キャパシタンス、インダクタンス、および集中パラメータモデルに使用される様々な電気要素に関連する他の変数を境界条件に組込んでもよい（例えば、図３のステップ３１０で集中パラメータモデルを明らかにすることに関連して上述したように）。

また、方法１０００は、ステップ１０３３で算出される全安静時脳抵抗およびモデル１０２０を用いて、個々の頭蓋内動脈および頭蓋外動脈の個々の抵抗を算出することによって、条件を明らかにすることも含んでよい（ステップ１０３４）。例えば、図３のステップ３１０に関連して上述した方法と同様に、ステップ１０３３で算出される全安静時脳抵抗Ｒは、その個々の頭蓋内動脈および頭蓋外動脈の遠位端のサイズ（例えば、ステップ１０２１で生成される幾何モデルから明らかにされる）に基づいて、および関係Ｒ＝Ｒ_０ｄ^β（式中、Ｒは特定の遠位端における流動抵抗であり、Ｒ_０は既定の定数であり、ｄはサイズ（例えば、遠位端の直径）であり、βは既定のベキ乗指数である）に基づいて、図３のステップ３１０で集中パラメータモデルを明らかにすることに関連して上述したように、個々の頭蓋内動脈および頭蓋外動脈に分布してもよい。

再び図３８を参照すると、方法１０００は、患者の１つまたは複数の身体的条件に基づいて、境界条件を調整すること（ステップ１０３５）を含んでもよい。例えば、ステップ１０３１〜１０３４で特定されるパラメータは、解１０４０が、安静、様々なレベルのストレス、様々なレベルの圧受容器反応もしくは他の自律神経フィードバック制御、様々なレベルの充血、様々なレベルの運動、労作、高血圧もしくは低血圧、様々な薬物治療、姿勢の変化、および／または他の条件を模擬することを意図しているかどうかに基づいて修正してもよい。また、パラメータ（例えば、流出境界の境界条件に関連するパラメータ）は、例えば微小血管機能障害または内皮の健康状態に起因する、頭蓋内動脈および頭蓋外動脈の血管拡張能（血管が拡大する能力）に基づいて調整してもよい。

入力１０１０、モデル１０２０、および条件１０３０に基づいて、例えば図３のステップ４０２に関連して上述したようにコンピュータ分析を実施して、ステップ１０３５で選択される身体的条件下で、患者の冠動脈血流に関する情報を含む解１０４０を明らかにすることができる（ステップ１０４１）。解１０４０から提供することができる情報の例は、図１および２１〜２４に関連して上記に示した例と類似していてよく、例えば、模擬の血圧モデル、模擬の血流モデルなどである。また、この結果は、例えば、流量、全脳血流、血管壁せん断応力、血管壁またはアテローム硬化性プラークまたは動脈瘤に作用するけん引力またはせん断力、粒子／血液滞留時間、血管壁の運動、血液せん断速度などを明らかにするためにも使用することができる。また、これらの結果を用いて、血管系における特定の領域から離れる塞栓が、血液循環によってどこを移動する可能性が最も高いかを分析することができる。

コンピュータシステムは、ユーザが、幾何学的形状の様々な変化を模擬することを可能にし得る。例えば、モデル１０２０、例えば、ステップ１０２１で生成される患者固有の幾何モデルは、動脈を閉塞させること（例えば、急性閉塞）の影響を予測するために修正してもよい。癌性腫瘍の除去時など、外科手術のなかには、１つまたは複数の頭蓋外動脈が損傷を受ける、または除去される可能性がある。したがって、ステップ１０２１で生成される患者固有の幾何モデルは、頭蓋外動脈のうちの１つまたは複数への血流を妨げることの影響を模擬するように修正して、患者に十分な血流を供給するための側副路の可能性を予測することもできる。

コンピュータシステムは、ユーザが様々な治療選択肢、例えば急性閉塞の例えばインターベンション修復または外科的修復の結果を模擬することを可能にし得る。このシミュレーションは、上述のような頭蓋内動脈および頭蓋外動脈を表す三次元ソリッドモデルまたはメッシュを、図２７および２８に関連して上述したような次数低減モデルに置き換えることによって、より迅速に実施することができる。結果として、次数低減モデル、例えば一次元モデルまたは集中パラメータモデルは、より効率的かつ迅速に、患者固有のモデルの血流および血圧の値を求め、その解の結果を表示することができる。

特定の患者による血管拡張剤／刺激に対する応答は、安静時の患者の血行動態情報に基づいて、または異なる病状の集団に基づくデータに基づいて予測することができる。例えば、ベースライン（安静時）では、シミュレーションは、ベキ乗則および脳質量に基づいて指定される流量分布（例えば、ステップ１０３２に関連して上述したように）を用いて実行される（例えば、ステップ１０４１に関連して上述したように）。抵抗値（例えば、ステップ１０３３および１０３４で決定される）は、十分な灌流を可能にするように調整してもよい。あるいは、糖尿病、薬物治療、および過去の心イベントなどの因子を有する患者集団からのデータを使用して、異なる抵抗を指定する。安静条件下の抵抗の調整は、単独で、または血行動態情報（例えば、血管壁せん断応力、または流量と血管サイズとの関係）と組み合わせて、遠位大脳血管が拡張する残存能力を明らかにするために使用することができる。安静時の流量要件を満たすために抵抗の減少が必要な患者、および流量の血管サイズに対する比が高い患者は、生理的ストレス下でその血管をさらに拡張する能力が低下している可能性がある。

大脳動脈の個々のセグメントにわたる流量および圧力の勾配（例えば、ステップ１０４１で特定される）を用いて、大脳動脈抵抗を計算することができる。大脳抵抗は、医療用画像データから生成される患者固有の幾何モデル（例えば、ステップ１０２１で生成される）に含まれる頭蓋外動脈および頭蓋内動脈の一部の等価抵抗として算出することができる。大脳抵抗は、頭蓋外動脈および／または頭蓋内動脈にびまん性アテローム性動脈硬化症を有する患者が、なぜ失神（一時的な意識消失または姿勢喪失、例えば気絶）または虚血（血液供給の制約）の症状示し得るのかを説明する際に、臨床的意義を有し得る。

また、ベースラインまたは変更した生理学条件下の脳組織体積（または質量）単位当たりの流量は、例えばステップ１０４１で明らかにされる流量情報、およびステップ１０３１で算出される脳組織の体積または質量に基づいて算出することができる。この計算は、血流減少の慢性神経障害に対する影響を理解する際に有用となり得る。また、この計算は、薬物療法、例えば降圧剤の投与量を選択または改良する際にも有用となり得る。追加的な結果には、外傷、脳震盪、外的生理ストレス、過剰重力、無重力状態、宇宙飛行、深海減圧（例えば、潜水病）などの影響の定量化を含み得る。

この複合された患者固有の解剖学的（幾何学的）および生理学的（物理学に基づく）モデルを用いて、大脳動脈血流に対する、心拍数、一回拍出量、血圧、または大脳動脈微小循環機能を変更する、様々な薬物治療または生活様式の変化（例えば、喫煙の中止、食事の変化、または身体活動の増加）の効果を明らかにすることができる。また、この複合モデルを用いて、代替的な形態および／または様々なレベルの身体活動または潜在的な外部力への暴露の危険性（例えば、サッカーのプレイ時、宇宙飛行中、スキューバダイビング時、航空機飛行中など）の大脳動脈血流に対する影響を明らかにしてもよい。このような情報を用いて、特定の患者に対して安全かつ効果的であり得る身体活動のタイプおよびレベルを特定することができる。また、この複合モデルを用いて、大脳動脈血流に対する経皮インターベンションの潜在的利益を予測して、最適なインターベンション戦略を選択する、および／または大脳動脈血流に対する頸動脈血管内膜切除術または外頸動脈から内頸動脈へのバイパス術の潜在的利益を予測して、最適な手術戦略を選択することもできる。

また、この複合モデルを用いて、大脳動脈血流に対する動脈疾患の負担の増加の潜在的な有害効果を例証し、機械論的もしくは現象論的な疾患進行モデルまたは経験データを用いて、進行中の疾患が脳への血流にいつ障害を引き起こし得るかを予測することもできる。このような情報は、初期に非侵襲的画像化を用いて血行動態的に重要な疾患を有さないと観察された患者が、薬物療法、インターベンション療法、または手術療法を要すると見込まれないであろう「保証期間」、あるいは有害因子が継続した場合に進行が発生し得る速度の特定を可能にし得る。

また、この複合モデルを用いて、疾患の負担の減少から生じる大脳動脈血流に対する潜在的な有益効果を例証し、機械論的もしくは現象論的な疾患進行モデルまたは経験データを用いて、疾患の退行が、脳への血流の増加をいつ引き起こし得るかを予測することもできる。このような情報を用いて、食事の変更、身体活動の増加、スタチンまたは他の薬物治療の処方などを含むが、これらに限定されない医学的管理プログラムの指針とすることができる。

また、この複合モデルは、動脈を閉塞させることの影響を予測するために使用することもできる。癌性腫瘍の除去など、一部の外科手術において、一部の頭蓋外動脈が損傷を受ける、または除去される可能性がある。頭蓋外動脈のうちの１つへの血流を妨げることの影響を模擬することは、特定の患者に十分な血流を供給するための側副路の可能性の予測を可能とし得る。
ｉ．脳灌流の評価

他の結果を算出することもできる。例えば、コンピュータ分析は、脳灌流（大脳を通る血流）を定量化する結果を提供することができる。脳灌流の定量化は、減少した脳血流の領域を特定するのに役立ち得る。

図３９は、例示的実施形態による、特定の患者における脳灌流に関連する様々な情報を提供するための方法１０５０に関連する概略図を示す。方法１０５０は、例えば上述の図３に示すステップのうちの１つまたは複数を実施するために使用されるコンピュータシステムと類似する、上述のコンピュータシステムで実施してもよい。

方法１０５０は、１つまたは複数の入力１０５２を用いて実施することができる。入力１０５２は、患者の頭蓋内動脈および頭蓋外動脈、例えば患者の大動脈、頸動脈（図３７に示す）、椎骨動脈（図３７に示す）、および脳の医療用画像データ１０５３、例えばＣＣＴＡデータ（例えば、図２のステップ１００に関連して上述したのものと類似する方式で取得される）を含んでもよい。また、入力１０５２は、患者から測定された追加の生理学的データ１０５４、例えば患者の上腕血圧、心拍数、および／または他の測定値（例えば、図２のステップ１００に関連して上述したものと類似する方式で取得される）も含んでよい。追加の生理学的データ１０５４は、非侵襲的に取得してもよい。入力１０５２を用いて、後述のステップを実施することができる。

患者の脳組織の三次元幾何モデルを画像データ１０５３に基づいて作成してもよく（ステップ１０６０）、この幾何モデルをセグメントまたは体積に分割してもよい（ステップ１０６２）（例えば、図２９〜３２に関連して上述するものと類似する方式で）。個々のセグメントのサイズおよび位置は、頭蓋内動脈および頭蓋外動脈の流出境界の位置、それぞれのセグメント内の血管またはそれぞれのセグメントに連結する血管（例えば、隣接血管）のサイズなどに基づいて明らかにすることができる。幾何モデルのセグメントへの分割は、様々な既知の方法、例えば高速マーチング法、一般化高速マーチング法、レベルセット法、拡散方程式、多孔質媒体中の流れを支配する方程式などを用いて実施することができる。

また、三次元幾何モデルは、患者の頭蓋内動脈および頭蓋外動脈の一部も含んでよく、これは画像データ１０５３に基づいてモデリングすることができる（ステップ１０６４）。例えば、ステップ１０６２および１０６４において、脳組織ならびに頭蓋内動脈および頭蓋外動脈を含む三次元幾何モデルを作成してもよい。

コンピュータ分析は、例えば図３のステップ４０２に関連して上述したように実施して、ユーザによって明らかにされる身体的条件下で、患者の大脳動脈血流に関する情報を含む解を明らかにするこができる（ステップ１０６６）。例えば、身体的条件は、安静、様々なレベルのストレス、様々なレベルの圧受容器反応または他の自律神経フィードバック制御、様々なレベルの充血、様々なレベルの運動または労作、異なる薬物治療、姿勢の変化、および／または他の条件を含んでもよい。この解は、ステップ１０６４でモデリングされた患者の解剖学的形態中の様々な位置において、特定の身体的条件下で、血流および圧力などの情報を提供することができる。コンピュータ分析は、集中パラメータモデルまたは一次元モデルから導かれる流出境界の境界条件を用いて実施してもよい。図４０に関連して後述するように、一次元モデルを作成して、脳組織のセグメントを埋めてもよい。

ステップ１０６６で明らかにされる血流情報に基づいて、ステップ１０６２で作成される脳のそれぞれのセグメントに入る血流の灌流を算出することができる（ステップ１０６８）。例えば、この灌流は、流出境界の各流出口からの流量をその流出口が灌流するセグメント化された脳の体積で除するによって算出することができる。

ステップ１０６８で明らかにされる脳のそれぞれのセグメントの灌流は、ステップ１０６０または１０６２で生成される脳の幾何モデル上に表示することができる（ステップ１０７０）。例えば、ステップ１０６０で作成された幾何モデル中に示される脳のセグメントを異なる陰影または色で図示して、それぞれのセグメントに入る血液の灌流を示すことができる。

図４０は、例示的実施形態による、特定の患者における脳灌流に関連する様々な情報を提供するための方法１１００に関連する別の概略図を示している。方法１１００は、例えば上述の図３に示すステップのうちの１つまたは複数を実施するために使用されるコンピュータシステムと類似する、上述のコンピュータシステムで実施してもよい。

方法１１００は、１つまたは複数の入力１１０２を用いて実施することができ、この入力には患者の大動脈、頸動脈（図３７に示す）、椎骨動脈（図３７に示す）、および脳の医療用画像データ１１０３、例えばＣＣＴＡデータ（例えば、図２のステップ１００に関連して上述したものと類似する方式で取得される）を含んでもよい。入力１１０２を用いて、後述のステップを実施することができる。

患者の脳組織の三次元幾何モデルは、画像データ１１０３に基づいて作成することができる（ステップ１１１０）。また、モデルは、患者の大動脈、頸動脈（図３７に示す）、および椎骨動脈（図３７に示す）の一部も含んでよく、これは画像データ１１０３に基づいて作成してもよい。例えば、上述のように、脳組織ならびに頭蓋内動脈および頭蓋外動脈を含む三次元幾何モデルを作成することができる。ステップ１１１０は、上述の図３９のステップ１０６０および１０６４を含んでもよい。

ステップ１１１０で作成される幾何脳組織モデルは、体積またはセグメントに分割することができる（ステップ１１１２）。ステップ１１１２は、上述の図３９のステップ１０６２を含んでもよい。また、幾何脳組織モデルをさらに修正して、脳のツリーに次世代の分枝を含めるようにしてもよい（ステップ１１１８）（例えば、図２９〜３２に関連して上述するものと類似する方式で）。分枝の位置およびサイズは、頭蓋内動脈および頭蓋外動脈の中央線に基づいて明らかにすることができる。この中央線は、例えば画像データ１１０３に基づいて明らかにすることができる（ステップ１１１４）。また、アルゴリズムを用いて、形態計測モデル（流出境界の既知の流出口の下流の血管の位置およびサイズを予測するために使用されるモデル）および／または血管サイズに関連する生理学的分枝の法則に基づいて、分枝の位置およびサイズを特定してもよい（ステップ１１１６）。この形態計測モデルは、幾何モデルに含まれる頭蓋内動脈および頭蓋外動脈の下流端まで拡大し、脳組織の外層上に提供しても、または脳組織の幾何モデル内に含めてもよい。

ステップ１１１８で作成される分枝に基づいて、脳をさらにセグメント化してもよい（ステップ１１２０）（例えば、図２９〜３２に関連して上述したものと類似する方式で）。サブセグメント中に追加分枝を作成してもよく、このサブセグメントは、より小さいセグメントにさらにセグメント化してもよい（ステップ１１２２）（例えば、例えば、図２９〜３２に関連して上述したものと類似する方式で）。分枝を作成し、体積をサブセグメント化するステップは、所望の体積サイズおよび／または分枝サイズの分解能が得られるまで繰り返してもよい。ステップ１１１８および１１２２で新しい分枝を含むように拡大された幾何モデルは、次いで、サブセグメント、例えばステップ１１２２で生成されるサブセグメントに入る脳血流および脳灌流を計算するために使用することができる。

したがって、拡大モデルを用いて、上述のコンピュータ分析を実施することができる。コンピュータ分析の結果は、患者固有の大脳動脈モデルから、ステップ１１２２で生成された各灌流サブセグメント内にまで延長してもよい、生成された形態計測モデル（ステップ１１１８および１１２２で生成される分枝を含む）に入る血流に関連する情報を提供することができる。

図４１は、例示的実施形態による、特定の患者における脳灌流に関連する様々な情報を提供するための方法１１５０に関連する別の概略図を示している。方法１１５０は、上述のコンピュータシステム、例えば、上述の図３に示すステップのうちの１つまたは複数を実施するために使用されるコンピュータシステムで実施してもよい。

方法１１５０は、１つまたは複数の入力１１５２を用いて実施することができる。入力１１５２には患者の大動脈、頸動脈（図３７に示す）、椎骨動脈（図３７に示す）、および脳の医療用画像データ１１５３、例えばＣＣＴＡデータ（例えば、図２のステップ１００に関連して上述したものと類似する方式で取得される）を含んでもよい。また、入力１１５２は、患者から測定された追加の生理学的データ１１５４、例えば患者の上腕血圧、心拍数、および／または他の測定値（例えば、図２のステップ１００で取得される）も含んでよい。追加の生理学的データ１１５４は、非侵襲的に取得してもよい。入力１１５２は、患者から（例えば、ＣＴ、ＰＥＴ、ＳＰＥＣＴなどを用いて）測定された脳灌流データ１１５５をさらに含んでもよい。入力１１５２を用いて、後述のステップを実施することができる。

患者の頭蓋内動脈および頭蓋外動脈の三次元幾何モデルは、画像データ１１５３に基づいて作成することができる（ステップ１１６０）。ステップ１１６０は、上述の図３９のステップ１０６４と類似していてもよい。

コンピュータ分析は、例えば図３のステップ４０２に関連して上述したように実施して、ユーザによって明らかにされる身体的条件下で、患者の脳血流に関する情報を含む解を明らかにするこができる（ステップ１１６２）。例えば、身体的条件は、安静、様々なレベルのストレス、様々なレベルの圧受容器反応または他の自律神経フィードバック制御、様々なレベルの充血、様々なレベルの運動または労作、異なる薬物治療、姿勢の変化、および／または他の条件を含んでもよい。この解は、ステップ１１６０でモデリングされた患者の解剖学的形態中の様々な位置において、特定の身体的条件下で、血流および圧力などの情報を提供することができる。ステップ１１６２は、上述の図３９のステップ１０６６と類似していてもよい。

また、患者の脳組織の三次元幾何モデルは、画像データ１１５３に基づいて作成することができる（ステップ１１６４）。例えば、ステップ１１６０および１１６４において、脳組織ならびに頭蓋内動脈および頭蓋外動脈を含む三次元幾何モデルを作成してもよい。ステップ１１６４は、上述の図３９のステップ１０６０と類似していてもよい。

この幾何モデルは、セグメントまたはサブ体積に分割してもよい（ステップ１１６６）。ステップ１１６６は、上述の図３９のステップ１０６２と類似していてもよい。

ステップ１１６２で明らかにされる血流情報に基づいて、ステップ１１６６で作成される脳組織のそれぞれのセグメントに入る血流の灌流を算出することができる（ステップ１１６８）。ステップ１１６８は、上述の図３９のステップ１０６８と類似していてもよい。

算出される脳組織のそれぞれのセグメントの灌流は、ステップ１１６４または１１６６で生成される脳組織の幾何モデル上に表示することができる（ステップ１１７０）。ステップ１１７０は、上述の図３９のステップ１０７０と類似していてもよい。

ステップ１１７０で脳組織の三次元幾何モデル上にマッピングされた模擬の灌流データは、測定された脳灌流データ１１５５と比較することができる（ステップ１１７２）。この比較は、脳組織の三次元表示上に様々な色および／または陰影を用いて、模擬の灌流データと測定された灌流データとの差を示すことができる。

ステップ１１６０で作成される三次元幾何モデルの流出口における境界条件を調整して、模擬の灌流データと測定された灌流データとの間の誤差を減少させてもよい（ステップ１１７４）。例えば、誤差を減少させるために、模擬の灌流が測定された灌流よりも低い領域（例えば、ステップ１１６６で作製されるセグメント）に供給する血管の規定の流動抵抗を減少させるように、境界条件を調整することができる。境界条件の他のパラメータを調節してもよい。あるいは、モデルの分枝構造を修正してもよい。例えば、ステップ１１６０で作成される幾何モデルは、図４０に関連して上述したように拡大して、形態計測モデルを作成することができる。境界条件および／または形態計測モデルのパラメータは、パラメータ推定法またはデータ同化法、例えば「Ｍｅｔｈｏｄ ｆｏｒ Ｔｕｎｉｎｇ Ｐａｔｉｅｎｔ−Ｓｐｅｃｉｆｉｃ Ｃａｒｄｉｏｖａｓｃｕｌａｒ Ｓｉｍｕｌａｔｉｏｎｓ」と題される米国特許出願公開第２０１０／００１７１７１号に記載されている方法、または他の方法を用いて、経験的または系統的に調整してもよい。

図４１のステップ１１６２、１１６８、１１７０、１１７２、１１７４、および／または他のステップは、例えば、模擬の灌流データと測定された灌流データとの誤差が、既定の閾値を下回るまで繰り返してもよい。その結果、解剖学的情報、脳血流情報、および脳灌流情報を関連付けるモデルを用いて、コンピュータ分析を実施することができる。かかるモデルは、診断目的で、または薬物療法、インターベンション療法、または手術療法の利益を予測するために有用となり得る。

その結果、ベースライン条件または変更した生理的状態の下での頭蓋外および頭蓋内の動脈血流および脳灌流を計算することができる。脳灌流データを模擬の脳灌流結果と組み合わせて使用して、模擬の脳灌流結果が測定された脳灌流データと所定の許容差内で一致するまで、頭蓋内動脈血流計算の境界条件を調整してもよい。したがって、より正確な患者固有の頭蓋外および頭蓋内動脈血流計算を提供してもよく、医師は、特定の身体的条件、例えば、運動、労作、姿勢の変化、または模擬の治療時など、測定データが入手できないかもしれないときに、大脳動脈の血流および脳灌流を予測することができる。患者固有の脳の三次元モデルは、灌流セグメントまたはサブ体積に分割してもよく、患者が脳の様々な領域への十分な最低限の灌流を受けているかどうかを明らかにしてもよい。

患者固有の頭蓋内動脈の三次元幾何モデルを医療用画像データから生成して、灌流セグメントまたはサブ体積によって表される残りの頭蓋内動脈ツリーの一部の形態計測モデル（例えば、図４０に関連して上述するような）と組み合わせて、拡大モデルを形成することができる。拡大モデルにおける所定の位置、例えば罹患位置の下流の全脳体積（または質量）の百分率を算出することができる。また、拡大モデルにおける所定の位置、例えば罹患位置の全脳血流の百分率を算出することもできる。さらに、機能的な画像化研究（例えば、機能的な磁気共鳴画像化（ｆＭＲＩ））、灌流ＣＴまたはＭＲＩで認められる欠陥から、栄養血管障害、解剖学的変異、自動調節機構障害、低血圧、または他の病態を突き止めることができ、これは虚血性脳卒中、失神、起立不耐症、外傷、または慢性神経疾患を有する患者に有用となり得る。
ｉｉ．プラーク脆弱性の評価

また、コンピュータ分析は、患者の頭蓋内動脈および頭蓋外動中に蓄積し得るプラーク、例えば頸動脈アテローム硬化性プラークに作用する患者固有の生体力学的力を定量化する結果を提供することができる。生体力学的力は、拍動性圧力、流動、および頸部動作によって生じ得る。

図４２は、例示的実施形態による、特定の患者におけるプラーク脆弱性、脳体積リスク、脳灌流リスクの評価に関連する様々な情報を提供するための方法１２００の態様を示す概略図である。方法１２００は、例えば上述の図３に示されるステップのうちの１つまたは複数を実施するために使用するコンピュータシステムに類似する、上述のコンピュータシステムで実施することができる。方法１２００は、１つまたは複数の入力１２０２を用いて実施することができ、またこの方法は、入力１２１０に基づいて１つまたは複数のモデル１２０２を生成することと、モデル１２１０のうちの１つまたは複数に基づいて１つまたは複数の生体力学的分析１２２０を実施することと、モデル１２１０および生体力学的分析１２２０に基づいて様々な結果を提供することを含み得る。

入力１２０２は、患者の頭蓋内動脈および頭蓋外動脈、例えば、患者の大動脈、頸動脈（図３７に示す）、椎骨動脈（図３７に示す）、および脳の医療画像データ１２０３、例えばＣＣＴＡデータ（例えば、図２のステップ１００に関連して上述したものと類似する方式で取得される）を含んでもよい。また、入力１２０２は、患者から測定された追加の生理学的データ１２０４、例えば患者の上腕血圧、心拍数、および／または他の測定値（例えば、図２のステップ１００に関連して上述したものと類似する方式で取得される）も含んでよい。追加の生理学的データ１２０４は、非侵襲的に取得してもよい。入力１２０２は、モデル１２１０を生成するため、および／または後述の生体力学的分析１２２０を実施するために使用することもできる。

上記のように、１つまたは複数のモデル１２１０は、入力１２０２に基づいて生成することができる。例えば、方法１２００は、患者の解剖学的形態の三次元幾何モデル全体の様々な位置における計算された血流および圧力情報を含む血行動態モデル１２１２を生成することを含み得る。患者の解剖学的形態のモデルは、医療用画像データ１２０３を用いて作成することができ、また例示的実施形態において、血行動態モデル１２１２は、模擬の血圧モデル、模擬の血流モデル、または例えば図３のステップ４０２に関連して上述したようにコンピュータ分析の実施後に生成される他のシミュレーションであってよい。流体構造体の相互作用モデルを含むソリッド力学モデルは、既知の数値法を用いてコンピュータ分析により解いてもよい。プラークおよび血管の特性は、線形または非線形、等方性または異方性としてモデリングすることができる。この解は、プラークおよびプラークと血管との間の界面の応力およびひずみを提供し得る。血行動態モデル１２１２を生成するためのステップは、上述の図３５の血行動態モデル９３２を生成するためのステップと類似していてもよい。

方法１２００は、様々な生理学的状態、例えば安静時や様々なレベルの運動または労作時などに、血流力によってプラーク内腔表面に作用する圧力およびせん断応力を計算することによって、血行動態モデル１２１２を用いて生体力学的分析１２２０を実施すること（ステップ１２２２）を含んでもよい。圧力およびせん断応力は、血行動態モデル１２１２からの情報、例えば血圧および血流に基づいて算出することができる。ステップ１２２２は、上述の図３５のステップ９４２と類似していてもよい。

場合によっては、方法１２００は、図３５の幾何学的分析モデル９３４について上述したものと類似する方式で、四次元画像データ、例えば、心周期の複数の相で、例えば収縮期および拡張期に取得した画像データから、血管の変形を定量化するための幾何学的分析モデルを生成することも含んでよい。また、方法１２００は、図３５のステップ９４４について上述したものと類似する方式で、心臓による拍動性圧力に起因する、患者の頭蓋内動脈および頭蓋外動脈ならびにプラークの様々な変形の特徴、例えば長手方向の延長（伸長）または短縮、ねじれ（捻転）、半径方向の拡張または圧縮、および屈曲など計算することによって、幾何学的分析モデルを用いて生体力学的分析１２２０を実施することも含んでよい。

また、方法１２００は、医療用画像データ１２０３からプラークの組成および特性を明らかにするためのプラークモデル１２１４を生成することも含んでよい。例えば、プラークモデル１２１４は、プラークの密度および他の材料特性に関する情報を含んでもよい。

また、方法１２００は、プラーク、血管壁、および／またはプラークと血管壁との間の界面に関する情報を計算するための血管壁モデル１２１６を生成することも含んでよい。例えば、血管壁モデル１２１６は、応力およびひずみに関する情報を含んでもよく、これはプラークモデル１２１４に含まれるプラークの組成および特性、ならびにステップ１２２０で算出される圧力およびせん断応力に基づいて算出することができる。場合によっては、応力およびひずみは、上述のように、算出された変形の特徴を用いて算出してもよい。プラークモデル１２１４および／または血管壁モデル１２１６を生成するためのステップは、上述の図３５のプラークモデル９３６および／または血管壁モデル９３８を生成するためのステップと類似していてもよい。

方法１２００は、血流力によるプラークに対する応力および頸部動作によって誘発されるひずみを計算することによって、血管壁モデル１２１６を用いて生体力学的分析１２２０を実施すること（ステップ１２２４）を含んでもよい。例えば、プラークに作用する流動によって誘発される力９０４（図３３）を計算することができる。血流力によるプラークに対する応力または力、および頸部動作によって誘発されるひずみは、血管壁モデル１２１６からの情報、例えばプラークに対する応力およびひずみ基づいて算出することができる。ステップ１２２４は、上述の図３５のステップ９４６と類似していてもよい。

方法１２００は、モデル１２１０のうちの１つまたは複数、および上述の生体力学的分析１２２０のうちの１つまたは複数に基づいて、さらなる情報を明らかにすることを含んでもよい。

プラーク破裂の脆弱性指標を算出してもよい（ステップ１２３０）。プラーク破裂の脆弱性指標は、例えば、全血行力学的応力、応力頻度、応力方向、および／またはプラーク強度、または他の特性に基づいて算出することができる。例えば、当該プラーク周辺の領域は、プラークの三次元モデル１２１０、例えばプラークモデル１２１４から分離してもよい。プラークの強度は、プラークモデル１２１４に提供される材料特性から明らかにすることができる。拍動性圧力、流動、および頸部動作に起因する当該プラークに対する血行力学的応力および組織応力は、ステップ１２２４で既に計算された血行力学的応力および動作によって誘発されるひずみを用いて、模擬ベースラインおよび運動（または労作）条件下で算出することができる。プラークの脆弱性は、プラーク応力のプラーク強度に対する比に基づいて評価することができる。ステップ１２３０は、上述の図３５のステップ９５０と類似していてもよい。例えば、脳卒中の評価のために、頭蓋外動脈内に位置するプラークのプラーク破裂の脆弱性指標を算出することができる。

また、脳体積リスク指標（ＣＶＲＩ）も算出することができる（ステップ１２３２）。ＣＶＲＩは、動脈ツリーにおける所定の位置の血管のプラーク破裂または塞栓形成および閉塞（閉鎖または遮断）の影響を受ける全脳体積の百分率として定義することができる。ＣＶＲＩは、所定のプラークの下流の血管によって供給を受ける脳の部分に基づいて算出することができ、これは下流血管のサイズに対するプラークのサイズ、および三次元血行動態の解に基づく、そのプラークが異なる血管に流入する確率を考慮に入れることができる。ＣＶＲＩは、疾患状態、またはインターベンションの前もしくは後に評価することができる。ステップ１２３２は、上述の図３５のステップ９５２と類似していてもよい。

脳組織をモデリングし、血行動態シミュレーションにおいて各血管によって供給を受けるセグメントに分割することができる（例えば、図４０のステップ１１１０および１１１２に関連して記載したように）。幾何モデルを修正して、脳のツリーに次世代の分枝を含めるようにしてもよく（例えば、図４０のステップ１１１８に関連して記載するように）、脳組織をさらにセグメント化してもよい（例えば、図４０のステップ１１２０に関連して記載するように）。サブセグメント中に追加分枝を作成してもよく、このサブセグメントは、より小さいセグメントにさらにセグメント化してもよい（例えば、図４０のステップ１１２２に関連して記載するように）。前述のような生理学的関係を用いて、血管サイズと供給を受ける脳組織の比例量と関連付けることができる。

破裂したプラークがたどる潜在的経路を明らかにすることができる。血行動態の解を用いて、プラーク断片または塞栓が異なる下流血管に流入する確率を明らかにすることができる。

破裂したプラークのサイズを下流血管のサイズと比較して、そのプラークが、最終的に血流への障害を生じ得るかどうかを明らかにすることができる。この情報を脆弱性指標と組み合わせて、破裂したプラークの影響を受ける可能性がある脳組織の体積の確率分布図を提供することができる。ＣＶＲＩは、影響を受ける可能性のある各セグメントに割り当てることができる。

また、脳灌流リスク指標（ＣＰＲＩ）も算出することができる（ステップ１２３４）。ＣＰＲＩは、動脈ツリーにおける所定の位置の血管のプラーク破裂および閉塞の影響を受ける全脳血流の百分率として定義することができる。ＣＰＲＩは、ＣＶＲＩによって示されるような影響を受ける体積よりもむしろ、その脳組織セグメントへの灌流の潜在的な損失を示す。例えば、頸動脈プラークの破裂または塞栓の影響は、患者のウィリス輪（図３７に示す）の幾何学的形状に応じて異なり得、このような解剖学的形態の違いによって、異なるＣＶＲＩ値およびＣＰＲＩ値をもたらし得る。脳組織の各セグメントへの灌流速度を算出することができ、脆弱性指標、血行動態の解、ならびにプラークおよび血管のサイズに基づいて、灌流の損失を算出することができる。ＣＰＲＩは、疾患状態、またはインターベンションの前もしくは後に評価することができる。ステップ１２３４は、上述の図３５のステップ９５４と類似していてもよい。

その結果、拍動性圧力、拍動性血流、および／または場合によっては頸部動作に起因する、頸動脈アテローム硬化性プラークに作用する生体力学的力を評価することができる。拍動性圧力、拍動性血流、および／または場合によっては頸部動作に起因する、プラークが受ける全応力は、定量化することもできる。この解は、プラークまたはプラークと血管壁との間の界面に作用する患者固有の血行力学的応力の複数の原因を考慮に入れることができる。また、医療用画像データ、ならびにプラーク脆弱性、脳体積リスク、および脳灌流リスクに関連する指標に基づいて、プラーク強度を推定することができ、頸動脈の潅流リスクを定量化することができる。

後述のように頭蓋外動脈および頭蓋内動脈の解剖学的データおよび生理学的データを明らかにすることによって、様々な身体的条件の特定の患者について、動脈レベルまたは器官レベルで血流の変化を予測することができる。さらに、他の情報、例えば、一過性脳虚血発作、虚血性脳卒中、または動脈瘤破裂のリスク、アテローム硬化性プラークまたは動脈瘤に作用する力、頭蓋内または頭蓋外の血流、血圧、血管壁応力、または脳灌流に対する、薬物療法、インターベンション療法、または手術療法の予想される影響を提供してもよい。頭蓋内動脈または頭蓋外動脈中の血流、血圧、および血管壁応力、ならびに全脳灌流および局所脳灌流を定量化することもでき、疾患の機能的重要性を明らかにすることもできる。

画像データから構築された三次元幾何モデルにおいて血流を定量化すること（例えば、ステップ１２１２で上述したように）に加え、このモデルを修正して、疾患の進行もしくは退行、または医学的、経皮的、もしくは外科的インターベンションの影響を模擬することもできる。例示的実施形態において、アテローム性動脈硬化症の進行は、経時的に解を反復するによって、例えば、せん断応力または粒子滞留時間の値を求め、血行動態因子および／または患者固有の生化学的測定値に基づいて、幾何モデルをアテローム硬化性プラークの発達を進行させるように適合させることによってモデリングすることができる。さらに、頭蓋外および／または頭蓋内の動脈血流または脳灌流に対する、血流、心拍数、血圧、および他の生理学的変数の変化の影響を境界条件の変更によってモデリングし、経時的なこれらの変数の累積的影響を算出するために使用してもよい。

いかなる実施形態に記載されるいかなる態様も、本明細書に記載される他のいかなる実施形態で使用してもよい。本明細書に記載されるあらゆる装置および器具は、いかなる好適な医療手順において使用してもよく、好適な身体内腔および体腔によって前進させてもよく、またいかなる好適な身体部分を画像化するために使用してもよい。

本開示の範囲から逸脱することなく、開示されるシステムおよびプロセスに様々な修正および変更を行うことが可能であることは、当業者には明らかであろう。本明細書を考慮し、本明細書の開示を実施することにより、他の実施形態が当業者に明らかとなるであろう。本明細書および実施例は、例示のみとしてみなされるよう意図され、本開示の実際の範囲および精神は、以下の特許請求の範囲によって示される。

Claims (29)

1. 患者固有の心血管情報を決定するためのシステムであって、
   前記システムは、少なくとも１つのコンピュータシステムを含み、
   前記少なくとも１つのコンピュータシステムは、
   前記患者の解剖学的構造体の幾何学的形状に関する患者固有のデータを受信することであって、前記患者の前記解剖学的構造体は、前記患者の心臓または脳を含む、ことと、
   前記患者固有のデータに基づいて、前記患者の前記解剖学的構造体の少なくとも一部分を表す三次元モデルを作成することであって、前記患者の前記解剖学的構造体の前記一部分は、複数の血管を含む、ことと、
   前記三次元モデルと前記三次元モデルを通る全ての流動とに基づいて、前記三次元モデルにわたる血流に対する全抵抗を決定することであって、前記全抵抗は、前記患者の前記解剖学的構造体の前記一部分を通る全ての流動に関連する、ことと
   を行うように構成されている、システム。
2. 前記患者の前記解剖学的構造体は、大動脈の少なくとも一部分と、前記大動脈の一部分から発する複数の冠状動脈の少なくとも一部分とを含み、
   前記全抵抗は、前記複数の冠状動脈を通る全ての流動に関連している、請求項１に記載のシステム。
3. 前記少なくとも１つのコンピュータシステムは、
   前記決定された全抵抗に基づいて、前記複数の冠状動脈の各々に対する個々の抵抗を決定することと、
   前記個々の抵抗を物理学に基づくモデルに組み込むことにより、前記決定された個々の抵抗に基づいて、血流特徴に関する情報を決定することと
   を行うようにさらに構成されている、請求項２に記載のシステム。
4. 前記少なくとも１つのコンピュータシステムは、前記解剖学的構造体の少なくとも一部分の決定された質量または体積に基づいて、前記解剖学的構造体の前記一部分を通る全ての流動を決定するようにさらに構成されている、請求項１に記載のシステム。
5. 前記少なくとも１つのコンピュータシステムは、前記患者固有のデータを用いて前記解剖学的構造体の少なくとも一部分の質量または体積を決定するようにさらに構成されている、請求項４に記載のシステム。
6. 前記患者固有のデータは、画像データを含み、前記少なくとも１つのコンピュータシステムは、前記画像データを用いて前記解剖学的構造体の少なくとも一部分の質量または体積を決定するようにさらに構成されている、請求項５に記載のシステム。
7. 前記情報は、前記患者の解剖学的構造体内の血圧、血液速度、血流量、または、冠血流予備量比のうちの少なくとも１つを含む、請求項１に記載のシステム。
8. 前記患者の前記解剖学的構造体は、前記患者の心臓、頸部、頭部、胸部、腹部、腕、または脚の複数の動脈の一部分のうちの少なくとも１つを含む、請求項１に記載のシステム。
9. 前記少なくとも１つのコンピュータシステムは、前記三次元モデルと、前記患者の前記解剖学的構造体に関連する物理学に基づくモデルと、前記決定された全抵抗とに基づいて、前記患者の前記解剖学的構造体内の血流特徴に関する情報を決定するようにさらに構成されている、請求項１に記載のシステム。
10. 患者固有の心血管情報を決定することを少なくとも１つのコンピュータシステムに行わせるように前記少なくとも１つのコンピュータシステムを作動させるための方法であって、
    前記方法は、
    前記少なくとも１つのコンピュータシステムに入力された前記患者の解剖学的構造体の幾何学的形状に関する患者固有のデータに基づいて、前記患者の前記解剖学的構造体の少なくとも一部分を表す三次元モデルを作成することを前記少なくとも１つのコンピュータシステムに行わせることであって、前記患者の前記解剖学的構造体は、前記患者の心筋または脳であり、前記患者の前記解剖学的構造体の前記一部分は、複数の血管を含む、ことと、
    前記三次元モデルと前記三次元モデルを通る全ての流動とに基づいて、前記三次元モデルにわたる血流に対する全抵抗を決定することを前記少なくとも１つのコンピュータシステムに行わせることであって、前記全抵抗は、前記患者の前記解剖学的構造体の前記一部分を通る全ての流動に関連する、ことと、
    前記三次元モデルと、前記患者の前記解剖学的構造体に関連する物理学に基づくモデルと、前記決定された全抵抗とに基づいて、前記患者の前記解剖学的構造体内の血流特徴に関する情報を決定することを前記少なくとも１つのコンピュータシステムに行わせることと
    を含む、方法。
11. 前記方法は、
    前記患者固有のデータを用いて前記患者の前記解剖学的構造体の少なくとも一部分の質量または体積を決定することを前記少なくとも１つのコンピュータシステムに行わせることと、
    前記決定された質量または体積に基づいて、前記全ての流動を決定することを前記少なくとも１つのコンピュータシステムに行わせることと
    をさらに含む、請求項１０に記載の少なくとも１つのコンピュータシステムを作動させるための方法。
12. 前記方法は、前記患者の血圧を測定することをさらに含み、前記全抵抗は、前記測定された血圧に基づいて決定される、請求項１１に記載の少なくとも１つのコンピュータシステムを作動させるための方法。
13. 前記患者の前記解剖学的構造体は、複数の連結された動脈の少なくとも一部分を含み、
    前記方法は、前記決定された全抵抗に基づいて前記複数の動脈の各々に対する個々の抵抗を決定することを前記少なくとも１つのコンピュータシステムに行わせることをさらに含む、請求項１２に記載の少なくとも１つのコンピュータシステムを作動させるための方法。
14. 前記情報は、前記患者の解剖学的構造体内の血圧、血液速度、血流量、または、冠血流予備量比のうちの少なくとも１つを含む、請求項１０に記載の少なくとも１つのコンピュータシステムを作動させるための方法。
15. 前記患者の前記解剖学的構造体は、前記患者の心臓、頸部、頭部、胸部、腹部、腕、または脚の複数の動脈の一部分のうちの少なくとも１つを含む、請求項１０に記載の少なくとも１つのコンピュータシステムを作動させるための方法。
16. 患者固有の心血管情報を決定するためのシステムであって、
    前記システムは、少なくとも１つのコンピュータシステムを含み、
    前記コンピュータシステムは、
    前記患者の解剖学的構造体の少なくとも一部分の幾何学的形状に関する患者固有の画像データを受信することであって、前記患者の前記解剖学的構造体は、前記患者の心臓または脳を含む、ことと、
    前記患者固有の画像データに基づいて、前記解剖学的構造体の少なくとも前記一部分を表す三次元モデルを作成することであって、前記三次元モデルは、大動脈の少なくとも一部分と、前記大動脈の前記一部分から発する複数の冠状動脈の少なくとも一部分とを表し、前記三次元モデルは、前記複数の冠状動脈によって形成される血流に対する複数の流出口を表す部分を含み、前記患者の前記解剖学的構造体の前記一部分は、複数の血管を含む、ことと、
    前記三次元モデルと前記三次元モデルを通る全ての流動とに基づいて、前記三次元モデルにわたる血流に対する全抵抗を決定することであって、前記全抵抗は、前記複数の冠状動脈を通る全ての流動に関連し、前記全抵抗は、前記測定された血圧に基づいて決定される、ことと
    を行うように構成されている、システム。
17. 前記少なくとも１つのコンピュータシステムは、
    前記決定された全抵抗に基づいて、前記複数の冠状動脈の各々に対する個々の抵抗を決定することと、
    前記個々の抵抗を物理学に基づくモデルに組み込むことにより、前記決定された個々の抵抗に基づき、血流特徴に関する情報を決定することと
    を行うようにさらに構成されている、請求項１６に記載のシステム。
18. 前記少なくとも１つのコンピュータシステムは、前記患者の心臓の少なくとも一部分の決定された質量または体積に基づいて、前記複数の冠状動脈を通る全ての流動を決定するようにさらに構成されている、請求項１６に記載のシステム。
19. 前記少なくとも１つのコンピュータシステムは、前記患者固有の画像データを用いて前記患者の心臓の少なくとも一部分の質量または体積を決定するようにさらに構成されている、請求項１８に記載のシステム。
20. 前記情報は、色または陰影を用いるシミュレーション上で示され、前記情報の変化は、色または陰影の変化によって示される、請求項１６に記載のシステム。
21. 前記情報は、前記患者の解剖学的構造体内の血圧、血液速度、血流量、または、冠血流予備量比のうちの少なくとも１つを含む、請求項１６に記載のシステム。
22. 前記少なくとも１つのコンピュータシステムは、
    前記三次元モデルと、前記決定された全抵抗と、前記複数の流出口のうちの少なくとも１つを通る血流を表す少なくとも１つの物理学に基づくモデルに基づいて前記複数の冠状動脈の少なくとも一部分内の複数の位置における血流特徴に関する情報とを決定することであって、前記少なくとも１つの物理学に基づくモデルは、三次元未満である、ことと、
    前記決定された情報を示す前記複数の冠状動脈の少なくとも前記一部分の三次元シミュレーションを準備することと
    を行うようにさらに構成されている、請求項１６に記載のシステム。
23. 患者固有の心血管情報を決定することを少なくとも１つのコンピュータシステムに行わせるように前記少なくとも１つのコンピュータシステムを作動させるための方法であって、
    前記方法は、
    前記少なくとも１つのコンピュータシステムが、前記患者の解剖学的構造体の少なくとも一部分の幾何学的形状に関する患者固有の画像データを受信することであって、前記患者の前記解剖学的構造体は、前記患者の心臓または脳を含む、ことと、
    前記患者固有の画像データに基づいて、前記解剖学的構造体の少なくとも一部分を表す三次元モデルを作成することを前記少なくとも１つのコンピュータシステムに行わせることであって、前記三次元モデルは、大動脈の少なくとも一部分と、前記大動脈の前記一部分から発する複数の冠状動脈の少なくとも一部分とを表し、前記三次元モデルは、前記複数の冠状動脈によって形成される血流に対する複数の流出口を表す部分を含み、前記患者の前記解剖学的構造体の前記一部分は、複数の血管を含む、ことと、
    前記三次元モデルと前記三次元モデルを通る全ての流動とに基づいて、前記三次元モデルにわたる血流に対する全抵抗を決定することを前記少なくとも１つのコンピュータシステムに行わせることであって、前記全抵抗は、前記複数の冠状動脈を通る全ての流動に関連する、ことと
    を含む、方法。
24. 前記方法は、
    前記決定された全抵抗に基づいて前記複数の冠状動脈の各々に対する個々の抵抗を決定することを前記少なくとも１つのコンピュータシステムに行わせることと、
    前記個々の抵抗を物理学に基づくモデルに組み込むことにより、前記決定された個々の抵抗に基づいて、血流特徴に関する情報を決定することを前記少なくとも１つのコンピュータシステムに行わせることと
    をさらに含む、請求項２３に記載の少なくとも１つのコンピュータシステムを作動させるための方法。
25. 前記方法は、前記患者の心臓の少なくとも一部分の質量または体積に基づいて、前記複数の冠状動脈を通る全ての流動を決定することを前記少なくとも１つのコンピュータシステムに行わせることをさらに含む、請求項２３に記載の少なくとも１つのコンピュータシステムを作動させるための方法。
26. 前記方法は、前記患者固有の画像データを用いて前記患者の心臓の少なくとも一部分の質量または体積を決定することを前記少なくとも１つのコンピュータシステムに行わせることをさらに含む、請求項２５に記載の少なくとも１つのコンピュータシステムを作動させるための方法。
27. 前記情報は、色または陰影を用いるシミュレーション上で示され、前記情報の変化は、色または陰影の変化によって示される、請求項２３に記載の少なくとも１つのコンピュータシステムを作動させるための方法。
28. 前記情報は、前記患者の解剖学的構造体内の血圧、血液速度、血流量、または、冠血流予備量比のうちの少なくとも１つを含む、請求項２３に記載の少なくとも１つのコンピュータシステムを作動させるための方法。
29. 前記方法は、
    前記コンピュータシステムが、前記患者の測定された血圧を受信することと、
    前記三次元モデルと、前記決定された全抵抗と、前記複数の流出口のうちの少なくとも１つを通る血流を表す少なくとも１つの物理学に基づくモデルとに基づいて、前記複数の冠状動脈の少なくとも前記一部分内の複数の位置における血流特徴に関する情報を決定することを前記少なくとも１つのコンピュータシステムに行わせることであって、前記少なくとも１つの物理学に基づくモデルは、三次元未満である、ことと、
    前記決定された情報を示す前記複数の冠状動脈の少なくとも前記一部分の三次元シミュレーションを準備することを前記少なくとも１つのコンピュータシステムに行わせることと
    をさらに含む、請求項２３に記載の少なくとも１つのコンピュータシステムを作動させるための方法。