JP6829262B2 - 画像ベースの患者固有の血流力学的モデルにおいて解像されていない血管を特定してモデル化するためのシステム及び方法 - Google Patents

画像ベースの患者固有の血流力学的モデルにおいて解像されていない血管を特定してモデル化するためのシステム及び方法 Download PDF

Info

Publication number
JP6829262B2
JP6829262B2 JP2018544826A JP2018544826A JP6829262B2 JP 6829262 B2 JP6829262 B2 JP 6829262B2 JP 2018544826 A JP2018544826 A JP 2018544826A JP 2018544826 A JP2018544826 A JP 2018544826A JP 6829262 B2 JP6829262 B2 JP 6829262B2
Authority
JP
Japan
Prior art keywords
patient
vessel
specific
specific anatomical
vascular
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
JP2018544826A
Other languages
English (en)
Other versions
JP2019512131A (ja
Inventor
チャールズ エー． テイラー，
チャールズ エー． テイラー，
キム， ヒョン ジン
キム， ヒョン ジン
レオ グラディー，
レオ グラディー，
レア トンブロプーロス，
レア トンブロプーロス，
ギルウー チョイ，
ギルウー チョイ，
ナン シャオ，
ナン シャオ，
ブジー スペイン，
ブジー スペイン，
Original Assignee
ハートフロー， インコーポレイテッド
ハートフロー， インコーポレイテッド
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by ハートフロー， インコーポレイテッド, ハートフロー， インコーポレイテッド filed Critical ハートフロー， インコーポレイテッド
Publication of JP2019512131A publication Critical patent/JP2019512131A/ja
Application granted granted Critical
Publication of JP6829262B2 publication Critical patent/JP6829262B2/ja
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16Z—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS, NOT OTHERWISE PROVIDED FOR
    • G16Z99/00—Subject matter not provided for in other main groups of this subclass
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H30/00—ICT specially adapted for the handling or processing of medical images
    • G16H30/40—ICT specially adapted for the handling or processing of medical images for processing medical images, e.g. editing
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
    • G16H50/50—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for simulation or modelling of medical disorders

Landscapes

  • Health & Medical Sciences (AREA)
  • Public Health (AREA)
  • Medical Informatics (AREA)
  • Engineering & Computer Science (AREA)
  • Epidemiology (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Biomedical Technology (AREA)
  • Data Mining & Analysis (AREA)
  • Databases & Information Systems (AREA)
  • Pathology (AREA)
  • Radiology & Medical Imaging (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Apparatus For Radiation Diagnosis (AREA)
  • Measuring And Recording Apparatus For Diagnosis (AREA)
  • Medical Treatment And Welfare Office Work (AREA)

Description

関連出願の相互参照
本出願は、２０１６年２月２６日に出願された米国仮特許出願第６２／３００，５４０号の優先権を主張し、参照によりその開示全体が全体として本明細書に組み込まれる。
本開示の種々の実施形態は、概して、医用イメージング、画像照合及び関連方法に関する。より詳細には、本開示特定の実施形態は、解像されていない特性を特定してモデル化するためのシステム及び方法及び／またはその影響に関する。
血流の患者固有モデルは、対象となる血管網の正確な形状表示を必要とすることがある。現在の医用イメージングデータは、主要な大動脈の場合は直径１０ｍｍ以上、大きい冠動脈の場合は２〜５ｍｍ、大きい血管枝の場合は１〜３ｍｍ、小さい血管枝の場合は１ｍｍ未満のサイズ範囲に及ぶ血管で３次元の解剖学的モデルを作成するために使用され得る。これらのモデルは限定的な画像解像度及び品質によって制限されており、画像内で観測可能となり得る血管網の部分のみを直接的に表し得る。解像され得る血管は、画像解像度の限度よりわずかに小さい場合があり、データからは直接抽出できない側枝を含み得る。これらの枝及びその下流の血管網を包含及び／または除外することは、観測可能な生体組織内で計算される血流力学的量に著しく影響を及ぼし得る。例えば、分岐の大部分が非対称である冠状動脈樹において、画像解像度の限度に近い断面寸法を有する動脈は、目に見えない小さな側枝を生じる可能性があり得る。可能性のある別のシナリオでは、主要な血管経路をモデル化することができるが、低画質、画像解像度、操作者の見落とし、または１つ以上の自動画像処理アルゴリズムによる検出もしくは包含の失敗のため、１つ以上の側枝を含むことができないことがあり得る。いずれの場合も、再構成された形状は分岐していない長い血管セグメントを含むことがあり、この結果、血管が疾患を有していない場合でも人工的な圧較差が生じ得る。代替的または追加的には、解像されていない血管は、疾患領域を迂回するよう機能し得る側副血管であり、疾患領域にわたってモデル化された圧力損失は、これらの血管を含むことができないために実際よりも大きくなり得る。これらの現象を誤解することにより、誤った診断を引き起こす可能性があり得る。
したがって、１）解像不可能な及び／またはモデル化されていない血管系の物理的な位置及び形状構成を推定し、２）モデル化されていない血管系に関する情報によって患者固有の血流モデルの精度を高め、直接モデル化された対象領域の計算上のアーチファクトを緩和し得るシステム及び方法が望まれる。
本開示の特定の態様によれば、画像ベースの患者固有の血流力学的モデルにおける解像されていない血管及びその影響を特定してモデル化するシステム及び方法が開示される。
１つの方法は、電子記憶媒体において、患者の少なくとも１つの血管を表す１つ以上の患者固有の解剖学的モデルを受信することと、プロセッサを使用して、１つ以上の患者固有の解剖学的モデルにおいて１つ以上の患者固有の形態学的特性の値及び特徴を決定することと、決定した患者固有の解剖学的モデルを使用して、患者固有の解剖学的モデルを変更することと、変更した患者固有の解剖学的モデルまたは患者固有の形態学的特性のうちの１つ以上を電子記憶媒体またはディスプレイに出力することとを含む。
別の実施形態によれば、画像ベースの患者固有の解剖学的モデルにおいて、解像されていない血管及びその影響を特定してモデル化するシステムは、画像ベースの患者固有の血流力学的モデルにおいて解像されていない血管及びその影響を特定してモデル化する命令を記憶するデータ記憶装置と、電子記憶媒体において、患者の少なくとも１つの血管を表す１つ以上の患者固有の解剖学的モデルを受信し、プロセッサを使用して、１つ以上の患者固有の解剖学的モデルにおける１つ以上の患者固有の形態学的特性の値及び特徴を決定し、決定された患者固有の形態学的特性を使用して患者固有の解剖学的モデルを変更し、変更した患者固有の解剖学的モデルまたは患者固有の形態学的特性のうちの１つ以上を電子記憶媒体またはディスプレイに出力するために構成されたプロセッサとを備える。
別の実施形態によれば、画像ベースの患者固有の血流力学的モデルにおいて、解像されていない血管及びその影響を特定してモデル化する方法を実行するためのコンピュータ実行可能プログラム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であって、方法は、電子記憶媒体において、患者の少なくとも１つの血管を表す１つ以上の患者固有の解剖学的モデルを受信し、プロセッサを使用して、１つ以上の患者固有の解剖学的モデルにおける１つ以上の患者固有の形態学的特性の値及び特徴を決定し、決定された患者固有の形態学的特性を使用して患者固有の解剖学的モデルを変更し、変更した患者固有の解剖学的モデルまたは患者固有の形態学的特性のうちの１つ以上を電子記憶媒体またはディスプレイに出力することを備える。
本明細書は、例えば、以下の項目も提供する。
（項目１）
画像ベースの患者固有の血流力学的モデルにおいて、解像されていない血管及びその影響を特定してモデル化するコンピュータ実装方法であって、
電子記憶媒体において、患者の少なくとも１つの血管を表す１つ以上の患者固有の解剖学的モデルを受信することと、
プロセッサを使用して、前記１つ以上の患者固有の解剖学的モデルにおける１つ以上の患者固有の形態学的特性の前記値及び特徴を決定することと、
前記決定された患者固有の形態学的特性を使用して、前記１つ以上の患者固有の解剖学的モデルを変更することと、
変更した患者固有の解剖学的モデルまたは患者固有の形態学的特性のうちの１つ以上を電子記憶媒体またはディスプレイに出力することとを備える、前記方法。
（項目２）
前記１つ以上の変更した患者固有の解剖学的モデルを使用して、血流特徴を決定することと、
前記決定した血流特徴を使用して、前記決定した血流特徴または血流力学的シミュレーションのうちの１つ以上を電子記憶媒体またはディスプレイに出力することと
をさらに備える、項目１に記載のコンピュータ実装方法。
（項目３）
前記１つ以上の患者固有の解剖学的モデルは、１つ以上の生理学的状態にある患者の少なくとも１つの血管を表す患者固有の解剖学的モデルを含み、前記生理学的状態は、
正常状態、
休息状態、
運動誘発性状態もしくは充血状態、
薬物誘発性充血状態、
薬物誘発性休息状態、
位置状態、
食後状態または
重力状態
のうちの１つ以上を含む、項目１に記載のコンピュータ実装方法。
（項目４）
形態学的特性の前記値及び特徴は、
前記患者固有の解剖学的モデルの前記血管の血流及び血圧に関するデータと、
前記血管モデルにおいて解像されていないか、またはモデル化されていない血管枝の存在または位置と、
前記血管モデルの各位置において解像されていないか、またはモデル化されていない血管枝の数と、
前記血管モデルの各位置において前記解像されていないか、またはモデル化されていない血管枝の長さ、直径またはサイズと、
前記解像されていないか、またはモデル化されていない血管セグメントの前記血流の流体動力学への影響と
のうちの１つ以上を含む、項目１に記載のコンピュータ実装方法。
（項目５）
プロセッサを使用して、前記１つ以上の患者固有の解剖学的モデルにおける１つ以上の患者固有の形態学的特性の前記値及び特徴を決定することは、
前記１つ以上の患者固有の解剖学的モデルから、モデル化または解像された血管セグメントの長さ、直径またはその両方を測定または求めることと、
参照血管領域の血管の長さと直径の比に対する基準値を受信することであって、前記血管は、前記１つ以上の患者固有の解剖学的モデルの前記モデル化または解像された血管セグメントに対応する、前記受信することと、
前記１つ以上の患者固有の解剖学的モデルからモデル化または解像された血管セグメントの前記長さ、直径またはその両方、ならびに前記血管の前記長さと直径の比の前記基準値を使用して、前記モデル化または解像された血管セグメントから分岐した任意の１つ以上のモデル化されていないか、または解像されていない血管セグメントの前記値及び特徴を決定することと
を含む、項目１に記載のコンピュータ実装方法。
（項目６）
プロセッサを使用して、前記１つ以上の患者固有の解剖学的モデルにおける１つ以上の患者固有の形態学的特性の前記値及び特徴を決定することは、
患者固有の解剖学的モデルの対象の血管を特定することと、
前記対象の血管の血管容量または血管抵抗のうちの１つ以上を決定することと、
前記対象の血管に合成化した血管樹を付加するか、または置換することと、
前記置換済みの合成化した血管樹または前記対象の血管及び前記付加済みの合成化した血管樹の予期される血管全容量または予期される血管全抵抗のうちの１つ以上を計算することと、
前記対象の血管の前記血管容量または血管抵抗と、予期される血管全容量または予期される血管全抵抗との間の差異を使用して、前記対象の血管から分岐した解像されていないか、またはモデル化されていない血管セグメントの前記値及び特徴を決定することと
を含む、項目１に記載のコンピュータ実装方法。
（項目７）
プロセッサを使用して、前記１つ以上の患者固有の解剖学的モデルにおける１つ以上の患者固有の形態学的特性の前記値及び特徴を決定することは、
患者固有の解剖学的モデルの対象の血管の長さに沿った断面積を測定または取得することと、
前記対象の血管に対応する参照血管を特定することであって、前記参照血管は前記対象の血管と同じまたは類似する血管領域に属する、前記特定することと、
前記参照血管から分岐する１つ以上の血管セグメントを特定することであって、前記参照血管から分岐する前記１つ以上の血管セグメントは前記患者固有の解剖学的モデルにおいてモデル化されていないか、または解像されていない、前記特定することと、
前記参照血管から分岐する前記１つ以上の血管セグメントの断面積を受信することと、
前記参照血管から分岐する前記１つ以上の血管セグメントの前記断面積に前記対象の血管の長さに沿った断面積を付加することによって、前記対象の血管の有効断面積を決定することと、
前記対象の血管の前記決定した有効断面積と前記対象の血管の前記測定または取得した断面積との間の差異を使用して、前記患者固有の解剖学的モデルにおいて前記対象の血管から分岐するモデル化されていないか、または解像されていない血管セグメントの値及び特徴を決定することと
を含む、項目１に記載のコンピュータ実装方法。
（項目８）
前記患者固有の解剖学的モデルは、
冠状血管モデル、
脳血管モデル、
末梢血管モデル、
肝血管モデル、
腎血管モデル、
内臓血管モデル、
１つ以上のモデル化されていないか、または解像されていない血管を伴う任意の血管モデル
のうちの１つ以上からの少なくとも１つの血管を含む、項目１に記載のコンピュータ実装方法。
（項目９）
前記決定した患者固有の形態学的特性を使用して前記患者固有の解剖学的モデルを変更することは、
前記患者固有の形態学的特性を使用して、付加的な血管セグメントによって前記患者固有の解剖学的モデルを増補することと、
前記患者固有の解剖学的モデルの１つ以上の境界条件を再調整して、血管セグメントが付加された血管の近位の前記流速を維持することと
を含む、項目１に記載のコンピュータ実装方法。
（項目１０）
前記決定した患者固有の形態学的特性を使用して前記患者固有の解剖学的モデルを変更することは、
前記患者固有の形態学的特性を使用して、前記患者固有の解剖学的モデルを切り捨てて、少なくとも前記解像されていない血管セグメントを除外することと、
前記切り捨てられた患者固有の解剖学的モデルの１つ以上の境界条件を再調整して、前記血管セグメントが排除された血管の近位の流速を維持することと
を含む、項目１に記載のコンピュータ実装方法。
（項目１１）
前記決定した患者固有の形態学的特性を使用して前記患者固有の解剖学的モデルを変更することは、
圧較差を減少させるために前記血管の長さに沿って流れを抽出することができる透過性関数を定義することと、
前記透過性関数と一致するように、前記患者固有の解剖学的モデルの１つ以上の境界条件を再調整することと
を含む、項目１に記載のコンピュータ実装方法。
（項目１２）
前記決定した患者固有の形態学的特性を使用して前記患者固有の解剖学的モデルを変更することは、
前記患者固有の解剖学的モデルを変更して、疾患負担のために前記対象の血管から分岐した任意の１つ以上の血管セグメントを除外すること
を含む、項目１に記載のコンピュータ実装方法。
（項目１３）
前記患者固有の解剖学的モデルの前記血管の１つ以上の血流特徴を表す患者固有の血流モデルを受信することと、
前記決定された患者固有の形態学的特性を基に、前記患者固有の血流モデルを変更することと、
前記変更した患者固有の血流モデルまたは患者固有の形態学的特性のうちの１つ以上を電子記憶媒体またはディスプレイに出力することと
をさらに備える、項目１に記載のコンピュータ実装方法。
（項目１４）
画像ベースの患者固有の血流力学的モデルにおいて、解像されていない血管及びその影響を特定してモデル化するシステムであって、
画像ベースの患者固有の血流力学的モデルにおける解像されていない血管及びその影響を特定してモデル化する命令を記憶するデータ記憶装置と、
電子記憶媒体において、患者の少なくとも１つの血管を表す１つ以上の患者固有の解剖学的モデルを受信することと、
プロセッサを使用して、前記１つ以上の患者固有の解剖学的モデルにおける１つ以上の患者固有の形態学的特性の前記値及び特徴を決定することと、
前記決定された患者固有の形態学的特性を使用して、前記患者固有の解剖学的モデルを変更することと、
変更した患者固有の解剖学的モデルまたは患者固有の形態学的特性のうちの１つ以上を電子記憶媒体またはディスプレイに出力することと
を備える方法を実行する前記命令を実行するように構成されるプロセッサと
を備える、前記システム。
（項目１５）
前記１つ以上の変更した患者固有の解剖学的モデルを使用して、血流特徴を決定することと、
前記決定した血流特徴を使用して、前記決定した血流特徴または血流力学的シミュレーションのうちの１つ以上を電子記憶媒体またはディスプレイに出力することと
をさらに備える、項目１４に記載のシステム。
（項目１６）
形態学的特性の前記値及び特徴は、
前記患者固有の解剖学的モデルの少なくとも１つの血管の血流及び血圧に関するデータと、
前記血管モデルにおいて解像されていないか、またはモデル化されていない血管枝の存在または位置と、
前記血管モデルの各位置において解像されていないか、またはモデル化されていない血管枝の数と、
前記血管モデルの各位置において前記解像されていないか、またはモデル化されていない血管枝の長さ、直径またはサイズと、
前記解像されていないか、またはモデル化されていない血管セグメントの前記血流の流体動力学への影響と
のうちの１つ以上を含む、項目１４に記載のシステム。
（項目１７）
プロセッサを使用して、前記１つ以上の患者固有の解剖学的モデルにおける１つ以上の患者固有の形態学的特性の前記値及び特徴を決定することは、
前記１つ以上の患者固有の解剖学的モデルから、モデル化されたか、または解像された血管セグメントの長さ、直径またはその両方を測定または求めることと、
参照血管領域の血管の長さと直径の比に対する基準値を受信することであって、前記血管は、前記１つ以上の患者固有の解剖学的モデルの前記モデル化されたか、または解像された血管セグメントに対応する、前記受信することと、
前記１つ以上の患者固有の解剖学的モデルからモデル化されたか、または解像された血管セグメントの前記長さ、直径またはその両方、ならびに前記血管の前記長さと直径の比の前記基準値を使用して、前記モデル化されたか、または解像された血管セグメントから分岐した任意の１つ以上のモデル化されていないか、または解像されていない血管セグメントの前記値及び特徴を決定することと
を含む、項目１４に記載のシステム。
（項目１８）
プロセッサを使用して、前記１つ以上の患者固有の解剖学的モデルにおける１つ以上の患者固有の形態学的特性の前記値及び特徴を決定することは、
患者固有の解剖学的モデルにおいて対象の血管を特定することと、
前記対象の血管の血管容量または血管抵抗のうちの１つ以上を決定することと、
前記対象の血管に合成化した血管樹を付加するか、または置換することと、
前記置換済みの合成化した血管樹または前記対象の血管及び前記付加済みの合成化した血管樹の予期される血管全容量または予期される血管全抵抗のうちの１つ以上を計算することと、
前記対象の血管の前記血管容量または血管抵抗と、前記予期される血管全容量または予期される血管全抵抗との間の差異を使用して、前記対象の血管から分岐した解像されていないか、もしくはモデル化されていない血管セグメントの前記値及び特徴を決定することと
を含む、項目１４に記載のシステム。
（項目１９）
プロセッサを使用して、前記１つ以上の患者固有の解剖学的モデルにおいて１つ以上の患者固有の形態学的特性の前記値及び特徴を決定することは、
患者固有の解剖学的モデルの対象の血管の長さに沿った断面積を測定または取得することと、
前記対象の血管に対応する参照血管を特定することであって、前記参照血管は前記対象の血管と同じまたは類似する血管領域に属する、前記特定することと、
前記参照血管から分岐する１つ以上の血管セグメントを特定することであって、前記参照血管から分岐する前記１つ以上の血管セグメントは前記患者固有の解剖学的モデルにおいてモデル化されていないか、または解像されていない、前記特定することと、
前記参照血管から分岐する前記１つ以上の血管セグメントの断面積を受信することと、
前記参照血管から分岐する前記１つ以上の血管セグメントの前記断面積に前記対象の血管の長さに沿った断面積を付加することによって、前記対象の血管の有効断面積を決定することと、
前記対象の血管の前記決定した有効断面積と前記対象の血管の前記測定または取得した断面積との間の差異を使用して、前記患者固有の解剖学的モデルにおいて前記対象の血管から分岐するモデル化されていないか、または解像されていない血管セグメントの値及び特徴を決定することと
を含む、項目１４に記載のシステム。
（項目２０）
コンピュータにより実行されると、前記コンピュータに、画像ベースの患者固有の血流力学的モデルにおいて解像されていない血管及びその影響を特定及びモデル化する方法を実行させる命令を記憶する非一時的なコンピュータ可読媒体であって、前記方法は、
電子記憶媒体において、患者の少なくとも１つの血管を表す１つ以上の患者固有の解剖学的モデルを受信することと、
プロセッサを使用して、前記１つ以上の患者固有の解剖学的モデルにおいて１つ以上の患者固有の形態学的特性の前記値及び特徴を決定することと、
前記決定された患者固有の形態学的特性を使用して、前記患者固有の解剖学的モデルを変更することと、
変更した患者固有の解剖学的モデルまたは患者固有の形態学的特性のうちの１つ以上を電子記憶媒体またはディスプレイに出力することと
を含む、前記非一時的なコンピュータ可読媒体。
開示した実施形態の他の目的及び利点は、以下の説明で一部を記載しており、一部は明細書から明らかとなるか、または、開示した実施形態を実行することにより理解され得る。開示した実施形態の目的及び利点は、添付の特許請求の範囲に特に指摘した要素及び組み合わせにより、実現され達成される。
前述の一般的な説明及び以下の詳細な説明は両方とも、特許請求の範囲に記載する通り、例示的及び説明的なものに過ぎず、開示された実施形態を限定するものではないことを理解されたい。
添付図面は本明細書に組み込まれてその一部を形成するものであり、種々の例示的な実施形態を示し、説明と共に、開示される実施形態の原則を説明にするのに役立つ。
本開示の例示的な実施形態による、画像ベースの患者固有の血流力学的モデルにおいて、解像されていない血管及びその影響を特定してモデル化するための例示的なシステム及びネットワークのブロック図である。 本開示の例示的な実施形態による、画像ベースの患者固有の血流力学的モデルにおいて、解像されていない血管及びその影響を特定してモデル化する一般的な方法のブロック図である。 本開示の例示的な実施形態による、画像ベースの患者固有の血流力学的モデルにおいて、解像されていない血管及びその影響を特定してモデル化する例示的な方法のブロック図であり、解像されていない血管は観測されていない冠動脈枝であり得、解像されていない冠動脈枝の影響をモデル化することは側枝の付加を含み得るブロック図である。 本開示の例示的な実施形態による、血管モデルの解像されていない及び／またはモデル化されていないセグメントの値及び特徴を決定するための例示的な方法のブロック図である。 本開示の例示的な実施形態による、血管モデルの解像されていない及び／またはモデル化されていないセグメントの値及び特徴を決定するための例示的な方法のブロック図である。 本開示の例示的な実施形態による、血管モデルの解像されていない及び／またはモデル化されていないセグメントの値及び特徴を決定するための例示的な方法のブロック図である。 本開示の例示的な実施形態による、血管モデルの解像されていない及び／またはモデル化されていないセグメントの値及び特徴を決定するための例示的な方法のブロック図である。 本開示の例示的な実施形態による、解像されていない及び／またはモデル化されていないセグメントの情報によって、血管及び／または血流モデルを変更するための例示的な方法のブロック図である。
方法に記載されたステップは、任意の順序で、または任意の他のステップと組み合わせて実行されてよい。さらに、本開示において説明される方法を実行するために、ステップのうちの１つ以上が省略されてよいことが想定される。
本開示の例示的な実施形態の例は添付図面に例示されており、これらを詳細に参照する。可能な限り、同じ参照番号は、図面全体にわたって同じまたは同様の部分を指すために使用される。
本開示の種々の実施形態は、解像不可能な及び／またはモデル化されていない血管系の物理的な位置、形状構成（例えば、直径断面）及び／または影響を推定し、モデル化されていない血管系に関する情報によって患者固有の血流モデルの精度を高め、直接モデル化された対象領域の計算上のアーチファクトを緩和するシステム及び方法を提供し得る。
本開示の一般的な実施形態によれば、図２に図示の通り、１つの方法は、電子記憶装置から患者の１つ以上の患者固有の解剖学的モデルを受信することと、１つ以上の患者固有の解剖学的モデルに関する１つ以上の患者固有の形態学的特性の値及び特徴を決定することと、１つ以上の患者固有の形態学的特性に対応する１つ以上の基準となる形態学的特性の値及び特徴を決定することと、基準となる形態学的特性と患者固有の形態学的特性との間の不一致に基づいて、元の患者固有の解剖学的モデルを更新することと、更新された患者固有のモデルを使用して血流特徴の計算を実行することと、計算された血流特徴、更新された患者固有の解剖学的モデルまたは患者固有の形態学的特性のうちの１つ以上を出力することとを含み得る。
さらに、本開示の種々の実施形態は、上述したシステム及び方法を特定の血管領域（例えば、冠状血管領域及び心筋）に適用するか、またはモデル化されていない血管系（例えば、モデル化されていない側枝）に関する特定の情報を取得及び／または使用して、血流の患者固有モデルの精度を高める。例えば、心筋は６つの個別のゾーンに分割されてよく、「分岐する血管（ｄｉｓｔｒｉｂｕｔｉｎｇ ｖｅｓｓｅｌｓ）」はゾーンの境界に沿って走行することがあり、「供給する血管（ｄｅｌｉｖｅｒｉｎｇ ｖｅｓｓｅｌｓ）」は分岐する血管から分岐して、心筋組織ゾーンに入り込むことがある。冠血管系は、主に非対称であり得る分岐部を有し得る。例えば、親管（例えば、分岐する血管）は、２本の娘管（例えば、供給する血管）に分岐してよく、娘管の１つの直径は親管に非常に近接し得る。つまり、各娘管は異なる形状構成を有し得る。親管（例えば、分岐する血管）が医用イメージングによって解像するのに十分な大きさであるが、娘管（例えば、供給する血管）が画像解像度の限度を下回る場合、結果として得られる冠状動脈網の再構成には、長い分岐していないセグメントが含まれ得る。言い換えれば、結果として得られる再構成は、画像解像度の限度を下回る解像されていない娘管を除外してよい。このような部分的な再構成に基づく血流のシミュレーションは、遠位領域において大きな圧較差をもたらし得る。モデル化されていない枝を有する血管セグメントでは、自然発生より高い流速が予測されることがあり、生理学的に非現実的な圧力損失につながる可能性がある。
観測されていない血管枝をモデル化することは、解剖学的目印及び特別なサイズ基準に基づいて患者固有の解剖学的モデルをトリミングすることを含み得る。例示的なトリミング規則には、サイズベース基準が含まれ得る。代替的または追加的には、モデル化は、分岐規則を使用して血管枝を生成すること及び／または（例えば、方法５００Ｂのように）血管壁透過性関数を使用して見逃した枝を考慮することを含み得る。一実施形態では、血管の長さに従って断面積の変化を評価するアルゴリズムは、血管枝をモデル化することを含み得る。本開示の例示的な実施形態による、側枝の付加により未観測の冠動脈枝の影響をモデル化する一実施形態は図３に図示され得る。
ここで図面を参照すると、図１は、例示的な実施形態による、画像ベースの患者固有の血流力学的モデルにおいて、解像される血管及びその影響を特定してモデル化するための例示的なシステム１００及びネットワークのブロック図を図示する。具体的には、図１は、複数の内科医１０２及びサードパーティプロバイダ１０４を図示し、いずれも、１つ以上のコンピュータ、サーバ及び／またはハンドヘルドモバイル装置を介してインターネットなどの電子ネットワーク１００に接続してよい。内科医１０２及び／またはサードパーティプロバイダ１０４は、１つ以上の患者の生体組織の画像を作成または別様には取得してよい。内科医１０２及び／またはサードパーティプロバイダ１０４は、血管断面積の測定値、血管、長さと直径の比、容量、結合パターン、ストラー数に従った血管断面積の変化率、局所的血管領域の特定などを含むがこれらに限定されない、患者固有の及び／または形態学的特性の任意の組み合わせを取得してよい。
内科医１０２及び／またはサードパーティプロバイダ１０４は、解剖学的画像及び／または形態学的特性の情報を、電子ネットワーク１００を介してサーバシステム１０６に送信してよい。サーバシステム１０６は、内科医１０２及び／またはサードパーティプロバイダ１０４から受信した画像及びデータを記憶するための記憶装置を含んでよい。サーバシステム１０６はさらに、記憶装置に記憶された画像及びデータを処理するための処理装置を含んでよい。
図２は、画像ベースの患者固有の血流力学的モデルにおいて解像されていない血管及びその影響を特定してモデル化する方法２００の一般的な実施形態を図示する。図３は、図２の方法の例示的な実施形態を図示し、解像されていない血管は観測されていない冠動脈枝であり、解像されていない冠動脈枝の影響をモデル化することは側枝の付加を含み得る。図４Ａ〜図４Ｄは、血管モデルの解像されていない及び／またはモデル化されていないセグメントの値及び特徴を決定するための種々の方法（例えば、４００Ａ〜４００Ｄ）を図示し、これらは、それぞれ図２及び図３の方法２００及び３００で実行されるステップであり得る。図５は、解像されていない及び／またはモデル化されていないセグメントの情報によって、血管及び／または血流モデルを変更する方法５００を図示し、これらは、それぞれ、図２及び図３の方法２００及び３００で実行されるステップであり得る。
図２は、一般的な実施形態による、画像ベースの患者固有の血流力学的モデルにおいて、解像されていない血管及びその影響を特定してモデル化する方法２００のブロック図である。図２の方法は、電子ネットワーク１０１を介して内科医１０２及び／またはサードパーティプロバイダ１０４から受信した情報、画像及びデータに基づいて、サーバシステム１０６によって実行されてよい。
一実施形態では、ステップ２０２は、患者の血管系を表す１つ以上の患者固有の解剖学的モデルを受信することを含み得る。１つ以上の患者固有の解剖学的モデルは電子記憶装置（例えば、ハードドライブ、ネットワークドライブなど）から受信してよく、及び／または受信時に電子記憶装置に保存されてよい。いくつかの実施形態では、１つ以上のモデルは患者の１つ以上の生理学的状態（例えば、正常、休息、運動誘発性充血、薬物誘発性充血など）及び／または一時的な状態（例えば、将来の、過去の、予想されるなど）の患者の血管系を表してよい。いくつかの実施形態では、患者固有の解剖学的モデルは、計算装置（例えば、コンピュータ、ラップトップ、デジタル信号処理装置、スマートフォンなど）を使用して受信してよい。別の実施形態では、モデルは、主要な血管の側枝を含むことなく、血管の生体組織の画像データから再構成してよい。例えば、冠血流モデルは、側枝を伴わない３つの主要な冠状血管を含んでよい。これらの枝は、ノイズまたは画像アーチファクトにより医用画像で解像することが不可能であった可能性がある。このような実施形態では、（例えば、ステップ２０４〜２１０のように）本開示の実施形態に記載される通り、親血管から生じる側枝は推定され、モデル化され得る。
ステップ２０４は、１つ以上の患者固有の解剖学的モデルを使用して、１つ以上の患者固有の解剖学的モデルに関する１つ以上の患者固有の形態学的特性の値及び特徴を決定することを含み得る。一実施形態では、１つ以上の形態学的特性は、心周期の異なる位相を表す患者固有の解剖学的モデルから決定されてよい。１つ以上の形態学的特性は、血管断面積の測定値、血管、長さと直径の比、容量、結合パターン、ストラー数に従った血管断面積の変化率、局所的血管領域の特定などを含み得るが、これらに限定されない。
ステップ２０６は、１つ以上の患者固有の形態学的特性に対応する１つ以上の基準となる形態学的特性の値及び特徴を決定することを含み得る。一実施形態では、１つ以上の基準となる形態学的特性は、画像データ、文献、計算された患者もしくは母集団データベースからのデータ及び／または学習された関係から測定され、求められ、または取得されてよい。
ステップ２０８は、基準となる形態学的特性と患者固有の形態学的特性との間の不一致に基づいて、元の患者固有の解剖学的モデルを更新することを含み得る。この方法は、例えば、直接的に観測可能な領域における血管壁の透過性を介してなど、血管セグメントへの枝の付加、または付加した枝のモデル化を含み得る。
いくつかの実施形態では、基準と抽出された形態学的情報との間の不一致を代わりに使用し、生理学的に不合理なものを対象の主要な動脈に導入することなく最大の患者固有の生体組織を患者固有の解剖学的モデルに含め得るよう、患者固有の計算領域の範囲を定義してよい。次いで、患者固有の解剖学的モデルの計算領域は、改造されていない血管系を含む可能性が最も高い領域を除外するために人工的に切り捨てられてよい。このような実施形態では、ステップ２０８は、基準と抽出された形態学的情報との間の不一致の結果として付加した枝を特定することを含み得るが、付加した枝でモデルを増補することなく、モデルを切り捨ててよい。例えば、患者固有の解剖学的モデルは、実際の有効断面積が所定の閾値、例えば、予想した断面積の９０％を下回った後に切り捨てられてよい。
ステップ２１０は、更新された患者固有のモデルを使用して血流特徴の計算を実行することを含み得る。いくつかの実施形態では、血流特徴は、血流予備量比（ＦＦＲ）値、血流の規模もしくは方向、灌流特徴、圧力値、血流速度またはそれらの組み合わせを含み得るが、これらに限定されない。
ステップ２１２Ａ〜２１２Ｃは、更新された患者固有の解剖学的モデル（例えば、ステップ２１２Ａ）、計算された血流特徴（例えば、ステップ２１２Ｂ）または患者固有の形態学的特性（例えば、ステップ２１２Ｃ）のうちの１つ以上を出力することを含み得る。いくつかの実施形態では、１つの出力または出力セット（例えば、計算された血流特徴及び／または患者固有の形態学的特性）は、別の出力または出力セット（例えば、更新された患者固有の解剖学的モデル）にオーバーレイされるか、表示されてよい。一実施形態では、出力は、レポートを介して及び／または電子記憶媒体などのコンピュータ出力装置を介してユーザに提供されてよい。
図３は、例示的な実施形態による、画像ベースの患者固有の血流力学的モデルにおいて、解像されていない血管及びその影響を特定してモデル化する方法３００のブロック図であり、解像されていない血管は、例えば、観測されていない冠動脈枝（または他の血管）であってよく、観測されていない冠動脈枝の影響をモデル化することは側枝の付加を含み得る。図３の方法は、電子ネットワーク１０１を介して内科医１０２及び／またはサードパーティプロバイダ１０４から受信した情報、画像及びデータに基づいて、サーバシステム１０６によって実行されてよい。さらに、図３は、側枝の付加によって解像されていない冠動脈枝の影響をモデル化する方法を提供し得る。
一実施形態では、ステップ３０２は人の血管モデルを受信することを含み得る。血管モデルは、例えば、冠状血管などの任意の好適な血管であってよい。以下の説明は、例示的のみを目的として冠状血管について提供される。冠状動脈の患者固有の解剖学的モデルは電子記憶装置（例えば、ハードドライブ、ネットワークドライブなど）から受信されてよい。代替的または追加的には、１つ以上の患者固有の解剖学的モデルは電子記憶装置に受信されてよい。モデルは１つ以上の生理的状態（例えば、正常、休息、運動誘発性充血、薬物誘発性充血など）及び／または一時的な状態（例えば、将来の、過去の、予想されるなど）を表してよい。患者固有の解剖学的モデルは、計算装置（例えば、コンピュータ、ラップトップ、ＤＳＰ、スマートフォンなど）を使用して受信してよい。一実施形態では、冠状血管モデルは３Ｄ表面メッシュモデル及び／または１Ｄの血管網であり得る。別の実施形態では、冠状血管モデルは、１つ以上のスキャン方式（例えば、コンピュータ断層撮影、磁気共鳴、超音波など）を使用して医用イメージングデータのセグメント化から取得してよい。さらに別の実施形態では、患者固有の冠状モデルは、計算装置（例えば、コンピュータ、ラップトップ、ＤＳＰ、スマートフォンなど）を使用して受信してよい。
ステップ３０４は、患者固有の血流モデルを電子記憶装置において受信することを含み得る。いくつかの実施形態では、受信した冠状血管モデルから血流モデルが取得され、計算され、または求められる。ステップ３０４は、サーバシステム１０６のプロセッサによって実行されてよい。
ステップ３０６は、冠状血管モデル及び／または血流モデルの解像されていない及び／またはモデル化されていないセグメントの値及び特徴を決定することを含み得る。いくつかの実施形態では、ステップ３０６は、冠状血管モデルのモデル化されていない枝の存在を推定することを含み得る。ステップ３０６は、（例えば、図４Ａに図示する方法４００Ａのように）長さと直径の比を含む方法、（例えば、図４Ｂに図示する方法４００Ｂのように）合成された下流の血管樹を含む方法、（例えば、図４Ｃに図示する方法４００Ｃのように）血管の断面積を含む方法及び（例えば、図４Ｄに図示する方法４００Ｄのように）機械学習アルゴリズムを使用する方法を含むが、これらに限定されない様々な方法を使用して実行されてよい。ステップ３０６は、サーバシステム１０６のプロセッサによって実行されてよい。いくつかの実施形態では、ステップ３０６は、解像されていない及び／またはモデル化されていないセグメントの値及び特徴を電子記憶装置に記憶することを含み得る。
ステップ３０８は、解像されていない枝及び／またはモデル化されていないセグメントの情報を用いて、血流モデル及び／または血管モデルを変更することを含み得る。ステップ３０８は、（例えば、図５に図示する方法５００Ａのように）付加した枝を有する血流モデル及び／または血管解剖学的モデルを増補すること、または（例えば、図５に図示する方法５００Ｂのように）圧較差を減少させるために血管の長さに沿って血流を抽出し得る透過性関数を定義することを含むが、これらに限定されない１つ以上の方法を選択することで実行されてよい。いくつかの実施形態では、ステップ３０８は、血流モデル及び／または冠状血管モデルの境界条件を再調整することを含み得る。ステップ３０８は、サーバシステム１０６のプロセッサによって実行されてよい。
いくつかの実施形態では、血流モデル及び／または冠状血管モデルを変更することが付加した枝の特定を含む場合、ステップ３０８は、患者固有の血流モデル及び／または冠状血管モデルの計算領域を人為的に切り捨てて、解像されていない血管系を含む可能性が最も高い領域を除外することを含み得る。このような実施形態では、ステップ３０８は、冠状血管モデルの解像されていない及び／またはモデル化されていないセグメントの値及び特徴を使用して、付加した枝でモデルを増補する代わりに、モデルを切り捨てて解像されていない及び／またはモデル化されていない血管セグメント及び／または血管系を除外することを含み得る。
ステップ３１０は、変更された血流モデル及び／または冠状血管の解剖学的モデルを使用して血流力学的シミュレーションを実行することを含み得る。血流シミュレーションは、３次元、１次元、集中パラメータ及び／または物理ベースのモデルを解くために典型的に使用される任意の数値的な方法によって実行されてよい。いくつかの実施形態では、血流力学的シミュレーションは、血流に関する特性またはそれが臓器系に及ぼす影響の期間（例えば、０からＮまでの期間）にわたる計算を含み得る。これらの特性の例としては、圧力、流速、造影剤または薬剤の伝達、冠状動脈壁の応力、臓器灌流、または、例えば、血流予備量比または冠血流予備能など、これらの特性に由来する値を含み得るが、これらに限定されない。代替的または追加的には、機械学習ベースの方法を使用して、血流力学的シミュレーションを実施するか、または１つ以上の血流力学的特性の値を取得してよい。
ステップ３１２Ａ〜３１２Ｄは、変更された患者固有の血流モデル（例えば、ステップ３１２Ａ）、血流力学的シミュレーション（例えば、ステップ３１２Ｂ）または変更された冠状血管モデル（例えば、ステップ３１２Ｃ）のうちの１つ以上を出力することを含み得る。一実施形態では、ステップ３１２Ａ〜３１２Ｄはさらに、血流モデル及び／または冠状血管モデルの解像されていない及び／またはモデル化されていないセグメントの決定された値及び特徴を出力することを含み得る。いくつかの実施形態では、１つの出力または出力セット（例えば、血流力学的シミュレーション及び／または元のモデルの解像されていない及び／またはモデル化されていないセグメントの値及び特徴）は、別の出力または出力セット（例えば、更新された血流モデル及び／または変更された冠状血管モデル）にオーバーレイされるか、表示されてよい。一実施形態では、出力は、レポートを介して及び／または電子記憶媒体などのコンピュータ出力装置を介してユーザに提供されてよい。
図４Ａ〜図４Ｄはそれぞれ、例示的な方法４００Ａ〜４００Ｄのブロック図であり、本開示の例示的な実施形態による、血管モデルの解像されていない及び／またはモデル化されていないセグメントの値及び特徴ならびにその影響を決定し得る。さらに、方法４００Ａ〜４００Ｄは、方法２００のステップ２０６または方法３００のステップ３０６を実行するために使用されてよい。
例えば、図４Ａは、長さと直径の比の方法を使用して、血管モデル（例えば、冠状血管モデル）の解像されていない及び／またはモデル化されていないセグメントの値及び特徴を決定する方法４００Ａを図示する。
ステップ４０２Ａは、（例えば、ステップ３０２のように）電子記憶媒体に血管モデルを受信することを含み得る。いくつかの実施形態では、受信した血管モデルは、冠状領域以外の血管領域であってよい。他の実施形態では、ステップ４０２Ａは、ステップ２０２と同様に、１つ以上の生理学的状態または時間的状態（例えば、将来の、過去の、予想されるなど）にある患者の血管系を表す１つ以上の患者固有の解剖学的モデルを受信することを含み得る。
ステップ４０４Ａは、再構築されたネットワーク内のそれぞれの分岐していない及び／またはモデル化されていないセグメントの長さ及び直径を定量化することを含み得る。再構築されたネットワークは、受信された冠状血管モデルの血管網から取得され得るか、またはそれから求められ得る。いくつかの実施形態では、ステップ４０４Ａは、受信した冠血管系の１つ以上の分岐していないセグメントの長さと直径の比を計算することを含み得る。長さと直径の比は、例えば、セグメントに従った平均直径を使用して計算されてよい。
ステップ４０６Ａは、各血管領域内の長さと直径の比の基準値を取得することを含み得る。このデータは、文献、例えば、Ｋａｓｓａｂ ｅｔ ａｌ．（Ｋａｓｓａｂ，Ｇ．Ｓ．，Ｃ．Ａ．Ｒｉｄｅｒ，Ｎ．Ｊ．Ｔａｎｇ，ａｎｄ Ｙ．Ｃ．Ｆｕｎｇ．Ｍｏｒｐｈｏｍｅｔｒｙ ｏｆ ｐｉｇ ｃｏｒｏｎａｒｙ ａｒｔｅｒｉａｌ ｔｒｅｅｓ．Ａｍ．Ｊ．Ｐｈｙｓｉｏｌ．２６５：Ｈ３５０−３６５，１９９３及びＫａｓｓａｂ，Ｇ．Ｓ．，Ｊ．Ｂｅｒｋｌｅｙ，ａｎｄ Ｙ．Ｃ．Ｆｕｎｇ．Ａｎａｌｙｓｉｓ ｏｆ ｐｉｇ’ｓ ｃｏｒｏｎａｒｙ ａｒｔｅｒｉａｌ ｂｌｏｏｄ ｆｌｏｗ ｗｉｔｈ ｄｅｔａｉｌｅｄ ａｎａｔｏｍｉｃａｌ ｄａｔａ．Ａｎｎ．Ｂｉｏｍｅｄ．Ｅｎｇ．２５：２０４−２１７，１９９７）に記載されている直径定義済みストラー次数化システム（Ｄｉａｍｅｔｅｒ−ｄｅｆｉｎｅｄ Ｓｔｒａｈｌｅｒ ｏｒｄｅｒｉｎｇ ｓｙｓｔｅｍ）の開発のために収集された動物データなどから見出すことができる。代替的または追加的には、患者の集団から取得された従来の冠動脈造影法（ＣＣＡ）または光干渉断層法（ＯＣＴ）などの血管内イメージング技法からのデータは、対象の血管領域内の所望の長さと直径の比に対応する基準値を提供することによって、解像されていない枝の推定を補うために使用されてよい。これらの技法は、多くの場合、例えば、ＣＴ血管造影法（ＣＴＡ）画像データなどの従来の画像化の分解能の範囲を超えて、小さな枝の視覚化を可能にし得る。患者集団でのこのようなデータの分析を使用して、基準となる形態学的データベースを定義してよい。
ステップ４０８Ａは、抽出された比率と基準比率との間の不一致を使用して、解像されていない側枝の数を推定することを含み得る。例えば、形態学的データベースが（例えば、長さと直径の比によって）分岐頻度を示し、抽出されたモデルの比率が基準の比率を下回っていた場合、抽出されたものを基準に合わせるために、付加した枝を計算またはプロセスに導入することが望ましい場合がある。別の例では、長さと直径の比が大きい枝を伴わない血管は、長さと直径の比が小さいセグメントよりも解像されていない側枝を有する可能性が高い。
ステップ４１０Ａは、親血管の直径と血管枝の直径との間の比率に関する基準データを使用して、解像されていない側枝の直径及び長さを推定することを含み得る。いくつかの実施形態では、ステップ４１０Ａは、統計解析及び／または機械学習アルゴリズムを利用して、解像されていない側枝の直径及び長さを決定することを含み得る。
図４Ｂは、合成された下流の血管樹、血管全容量及び／または抵抗の最適化のうちの１つ以上を使用して、血管モデルの解像されていない及び／またはモデル化されていないセグメントの値及び特徴を決定する方法４００Ｂを図示する。
ステップ４０２Ｂは、（例えば、ステップ３０２のように）電子記憶媒体に血管モデル（例えば、冠状血管モデル）を受信することを含み得る。いくつかの実施形態では、受信した血管モデルは、冠状領域以外の血管領域であってよい。他の実施形態では、ステップ４０２Ｂは、ステップ２０２と同様に、１つ以上の生理学的状態または時間的状態（例えば、将来の、過去の、予想されるなど）にある患者の血管系を表す１つ以上の患者固有の解剖学的モデルを受信することを含み得る。
ステップ４０４Ｂは、対象の血管のそれぞれの参照領域を特定することを含み得る。参照領域は、血管セグメントの長さ及び／または最大内接球面の直径に沿った断面積を含み得るが、これらに限定されない。他の参照領域は、例えば、（例えば、局所的に、全体的に）平滑化された断面積、外接領域、（例えば、平滑化により）接線から外れた領域、及び／または偏心基準などを含み得る。最適化及び／または退行調査を実行して対象の血管の参照領域を特定し得る一実施形態は、例えば、断面積のインプット、最大内接球面の直径及び／または血管形状を基に、所与の血管セグメントの理想的な及び／または健全な直径を推定することを含み得る。理想的な及び／または健全な直径を推定するために使用され得る他のパラメータまたは方法は、血管壁の厚さ、局所的または全体的な疾患の有無、局所的または全体的な領域の退行、ある組織から別の組織までの距離変換の認識を介して患者の組織を互いに関連付ける任意の技法を含み得るが、これらに限定されない。当業者は、理想的な及び／または健全な直径を推定するために、任意の適切な統計的モデルが使用され得ることを容易に認識するであろう。
ステップ４０６Ｂは、対象の血管のそれぞれにおいて、合成化した血管樹を対象の血管の下流部分に付加することを含み得る。代替的または追加的には、ステップ４０６Ｂは、対象の血管を合成化した血管樹に置換することを含み得る。一実施形態では、合成樹は直径定義済みストラー次数化システムを使用して説明され得る。合成樹は、文献（例えば、Ｋａｓｓａｂ，Ｇ．Ｓ．，Ｃ．Ａ．Ｒｉｄｅｒ，Ｎ．Ｊ．Ｔａｎｇ，ａｎｄ Ｙ．Ｃ．Ｆｕｎｇ．Ｍｏｒｐｈｏｍｅｔｒｙ ｏｆ ｐｉｇ ｃｏｒｏｎａｒｙ ａｒｔｅｒｉａｌ ｔｒｅｅｓ．Ａｍ．Ｊ．Ｐｈｙｓｉｏｌ．２６５：Ｈ３５０−３６５，１９９３より）、患者の母集団から取得した従来の冠動脈造影法（ＣＣＡ）または血管内イメージング技法（光干渉断層法（ＯＣＴ））からの形態計測データを使用して設計されてよい。合成された樹は、必要に応じて、ＣＴＡ画像データの分解能の範囲を超えて拡張してもよく、固定された直径値まで拡張してもよく、または毛細血管の前のレベルまで下方に拡張してもよい。合成樹の分岐パターンは、灌流組織／細胞の位置が提供されるときに、さらに精緻化され得る。
ステップ４０８Ｂは、予期される血管全容量の値または血管全抵抗の値を計算することを含み得る。いくつかの実施形態では、計算は、対象となる元の血管を、付加または置換された合成血管樹と結合することを含み得る。
ステップ４１０Ｂは、計算済みの予期される血管全容量／抵抗と元の血管容量／抵抗との間の差異を使用し、下流の血管量が維持されていないか、または減少している位置あるいは下流の抵抗が維持されていないか、または増加している位置に、１つ以上の側枝を付加することを含み得る。灌流位置がより緻密な血管網を必要とする場合、付加された側枝が含まれ得る。
いくつかの実施形態では、血管に沿った疾患負担に関するデータが、例えば、ＣＴデータの血小板を検出することによって利用可能である場合、ステップ４１２Ｂは、疾患、例えば、びまん性アテローム硬化症により発生した枝を除外するために、生成されたモデルを変更することを含み得る。びまん性疾患は、（例えば、Ｈｕｏ Ｙ，Ｗｉｓｃｈｇｏｌｌ Ｔ，Ｃｈｏｙ ＪＳ，Ｓｏｌａ Ｓ，Ｎａｖｉａ ＪＬ，Ｔｅａｇｕｅ ＳＤ，ｅｔ ａｌ．ＣＴ−ｂａｓｅｄ ｄｉａｇｎｏｓｉｓ ｏｆ ｄｉｆｆｕｓｅ ｃｏｒｏｎａｒｙ ａｒｔｅｒｙ ｄｉｓｅａｓｅ ｏｎ ｔｈｅ ｂａｓｉｓ ｏｆ ｓｃａｌｉｎｇ ｐｏｗｅｒ ｌａｗｓ．Ｒａｄｉｏｌｏｇｙ ２０１３；２６８：６９４−７０１に説明の通り）心筋質量または体積に対する冠動脈容積の比率、または合計長さに対する動脈内腔容積の比率を計算することによっても推定され得る。
図４Ｃは、血管の断面積を使用して、血管モデルの解像されていない及び／またはモデル化されていないセグメントの値及び特徴を決定する方法４００Ｃを図示する。
ステップ４０２Ｃは、（例えば、ステップ３０２のように）電子記憶媒体に血管モデル（例えば、冠状血管モデル）を受信することを含み得る。いくつかの実施形態では、受信した血管モデルは、冠状領域以外の血管領域であってよい。他の実施形態では、ステップ４０２Ｃは、ステップ２０２と同様に、１つ以上の生理学的状態または時間的状態（例えば、将来の、過去の、予想されるなど）にある患者の血管系を表す１つ以上の患者固有の解剖学的モデルを受信することを含み得る。
ステップ４０４Ｃは、血管セグメントの長さに沿った断面積を定量化することを含み得る。これは、中心線に沿った所与の位置に直交平面を画定し、患者固有の解剖学的モデルをスライスして、中心線に沿った１つ以上の位置で断面積を抽出することによって実行されてよい。代替的または追加的には、ステップ４０４Ｃは、血管の長さに沿ってモデル内に含むことができる最大内接球面の直径を計算することを含み得る。いずれの場合でも、血管の長さに沿った断面積に関する結果データは、動脈枝及び狭窄の影響を含み得る。動脈枝では通常、例えば、断面積が急激に増加することがある。狭窄では、局所性病変の場合は断面積が急激に減少し、長い病変の場合は断面積が徐々に減少することがある。
ステップ４０６Ｃは、対象の血管に沿った参照領域を特定することを含み得る。平滑関数は、血管の長さに沿った断面積のデータに適合し得る。
ステップ４０８Ｃは、対象の血管から生じる枝のそれぞれの参照断面積を決定することを含み得る。ステップ４０８Ｃは、対象の血管に対するステップ４０４Ｃに記載された方法を使用することによって、または血管枝が親血管から生じる位置の下流の位置で非罹患セグメント内の枝の断面積をサンプリングすることによって実行してよい。
ステップ４１０Ｃは、血管の長さに沿って親セグメント領域に枝セグメント領域を付加することによって、対象の血管の有効断面積を定義することを含み得る。親血管の長さに沿って単調に減少する参照断面積とは異なり、有効断面積（血管枝の面積を含む）は維持する必要があるか、または実際に血管の長さに沿って連続的に増加する必要がある。しかしながら、画像品質及び／または画像分解能の範囲によって、この有効断面積関数は、一般に、血管の長さに沿ったいくつかの位置で減少する可能性がある。
ステップ４１２Ｃは、予期される有効断面積（すなわち、血管で減少しない）と実際の有効断面積との間の差異を使用して、予想される有効断面積が対象の血管の長さに沿って所望のモデルと一致し得るよう（例えば、一定、わずかに増加するなど）、側枝の位置及び断面積を定義することを含み得る。例えば、予想された有効面積と実際の有効面積との差異に一致する正味の断面積を有する１つ以上の血管枝を、実際の領域の円滑な変化を確実にする位置に付加することができる。別の実施形態では、目標の有効断面積を考慮して、目標の差異からある閾値以上の分岐がある場合、この分岐は枝を付加する必要性を示し得る。
いくつかの実施形態では、血管に沿った疾患負担に関するデータが、例えば、ＣＴデータの血小板を検出することによって利用可能である場合、ステップ４１４Ｃは、例えば、びまん性アテローム硬化症により発生した枝を除外するために、生成されたモデルを変更することを含み得る。びまん性疾患は、（例えば、Ｈｕｏ Ｙ．，Ｗｉｓｃｈｇｏｌｌ Ｔ．，Ｃｈｏｙ ＪＳ．，Ｓｏｌａ Ｓ．，Ｎａｖｉａ ＪＬ．，Ｔｅａｇｕｅ ＳＤ．，ｅｔ ａｌ．ＣＴ−ｂａｓｅｄ ｄｉａｇｎｏｓｉｓ ｏｆ ｄｉｆｆｕｓｅ ｃｏｒｏｎａｒｙ ａｒｔｅｒｙ ｄｉｓｅａｓｅ ｏｎ ｔｈｅ ｂａｓｉｓ ｏｆ ｓｃａｌｉｎｇ ｐｏｗｅｒ ｌａｗｓ．Ｒａｄｉｏｌｏｇｙ ２０１３；２６８：６９４−７０１のように）心筋質量または体積に対する冠動脈容積の比率、または合計長さに対する動脈内腔容積の比率を計算することによっても推定され得る。
図４Ｄは、機械学習アルゴリズムを使用して、血管モデルの解像されていない及び／またはモデル化されていないセグメントの値及び特徴を決定する方法４００Ｄを図示する。図４Ｄの方法４００Ｄは、電子ネットワーク１００を介して内科医１０２及び／またはサードパーティプロバイダ１０４から受信した情報に基づいて、サーバシステム１０６によって実行されてよい。
一実施形態では、図４Ｄの方法４００は、多数の患者からの対象の血管領域の血流及び血圧に関するイン・ビボデータならびに対象の血管領域における血管セグメントの、測定され、推定され及び／またはシミュレーションされた値及び特徴を基に、１つ以上の機械学習アルゴリズムを訓練する訓練方法４０２Ｄと、機械学習アルゴリズムの結果を使用して、対象の血管領域における解像されていない及び／またはモデル化されていない血管セグメントの値及び特徴を予測する生成方法４０４Ｄとを含み得る。
一実施形態では、訓練方法４０２Ｄは、複数の個人のそれぞれに対して、（ａ）患者個人の血管及び／または血流モデル、（ｂ）受信したモデルの対象の血管領域の１つ以上の地点における血流及び血圧に関して測定または求められたイン・ビボデータ、ならびに（ｃ）対象の血管領域の血管セグメントの値及び特徴を、例えば、デジタル形式で取得することを含み得る。
いくつかの実施形態では、イン・ビボデータは、参照データの供給源（例えば、死体からの高分解能撮像、光干渉断層法（ＯＣＴ）などの血管内イメージング、血管内超音波（ＩＶＵＳ）、血管造影法）から取得してよい。他の実施形態では、血流及び血圧のデータはイン・ビトロであり得る。
訓練方法４０２Ｄは、その後、各患者のモデルの１つ以上のポイントにおいて、血管及び／または血流モデルの１つ以上の地点における位置情報ならびにイン・ビボデータを備える特性ベクトルを生成すること、ならびに、対象の血管領域の血管セグメントの値及び特徴を特性ベクトルに関連付けることを含み得る。
訓練方法４０２Ｄは、その後、特徴重みを含む機械学習アルゴリズムの結果をサーバシステム１０６の記憶装置に保存し得る。保存された特徴重みは、患者固有のパラメータ及び／または解剖学的位置が血流及び／または血液の供給需要の特徴を予測する程度を定義し得る。
一実施形態では、生成方法４０４Ｄは、訓練方法４０２Ｄを実行した結果に基づいて、特定の患者の対象の血管領域の解像されていない及び／またはモデル化されていない血管セグメントの値及び特徴を推定することを含み得る。一実施形態では、生成方法４０４Ｄは、（ａ）（例えば、それぞれ、図３のステップ３０２またはステップ３０４のように）分析が必要な患者の患者固有の血管及び／または血流モデル及び（ｂ）モデルの対象の血管の血流及び血圧に関して測定または求められたイン・ビボデータを、例えば、デジタル形式で取得することを含み得る。患者の血管及び／または血流モデルにおける対象の血管領域の複数の地点について、生成方法４０４Ｄは、訓練方法４０２Ｄで使用されるように、位置情報ならびに血流及び血圧に関するイン・ビボデータを備える特性ベクトルを生成することを含み得る。生成方法４０４Ｄは、その後、機械学習アルゴリズムの保存された結果を使用して、患者の患者固有の血管及び／または血流モデルの対象の血管領域における解像されていない及び／またはモデル化されていない血管セグメントの値及び特徴の推定を生成する。最後に、生成方法４０４Ｄは、解像されていない及び／またはモデル化されていないセグメントの値及び特徴を含む機械学習アルゴリズムの結果を、サーバシステム１０６の記憶装置に保存することを含み得る。
いくつかの実施形態では、解像されていない及び／またはモデル化されていない血管セグメントの値及び特徴は、血管モデルの各位置での枝の数及びサイズを含み得る。解像されていない及び／またはモデル化されていない血管セグメントが、患者の取得した患者固有の血管及び／または血流モデルに存在しない場合、方法４０４Ｄは、これまでの解像されていない及び／またはモデル化されていない血管セグメントを含むようモデルを変更することを含み得る。
いくつかの実施形態では、方法４００Ｄに使用する機械学習技法は、モデル化された計算領域においてモデル化されていない枝から生じる流体動力学（例えば、圧較差または流速における誤差）の影響を推定するために使用され得る。その後、元のモデルは、血流モデル自体の数式を直接修正することによって、または元の血流モデルからの結果を操作する後処理ステップとしてさらに修正され得る。
いくつかの実施形態では、機械学習技法は、サポートベクターマシン（ＳＶＭ）、多層パーセプトロン（ＭＬＰ）、多変量回帰（ＭＶＲ）、ディープラーニング、ランダムフォレスト、ｋ近傍法、ベイジアンネットワークまたは加重線形回帰またはロジスティック回帰のうちの１つ以上を使用することを含み得る。
図５は、本開示の例示的な実施形態による、解像されていない及び／またはモデル化されていないセグメントの情報によって、血管及び／または血流モデルを変更する方法５００Ａ及び５００Ｂを図示する。さらに、方法５００Ａ及び／または５００Ｂは、方法２００のステップ２０８または方法３００のステップ３０８を実行するために使用されてよい。
例えば、方法５００Ａは、付加的な枝でモデルを増補することによって血管及び／または血流モデルを変更するために実行され得る。
ステップ５０２Ａは、解像されていない側枝の数、位置及び／またはサイズに関する情報を受信することを含み得る。情報は、例えば、方法４００Ａ〜Ｄのうちの１つ以上を使用することによる、方法２００のステップ２０６または方法３００のステップ３０６を実行することによって、受信され得る。
ステップ５０４Ａは、受信された情報に従って、付加した枝を有する血流モデル及び／または血管解剖学的モデルを増補することを含み得る。受信した情報は、解像されていない側枝の数及びサイズに関する情報を含み得る。いくつかの実施形態では、増補は、元の３Ｄ、１Ｄ、０Ｄまたは付加的な枝を伴う機械学習ベースの血流モデルの計算領域で生じ得る。元のモデルが３Ｄの実施形態では、付加的な枝は元の形状の３Ｄ拡張、１Ｄ拡張、０Ｄ拡張または元の領域に結合された機械学習ベースのモデルで表現され得る。
ステップ５０６Ａは、境界条件を再調整して、枝が付加されたセグメントの近位の流速を維持することを含み得る。いくつかの実施形態では、境界条件は、元のモデルと新規のモデルの流出境界のそれぞれに位置する境界条件であってよい。境界条件は、枝が付加されたセグメントに近接して同じ流速を維持するように再調整されてよく、これによって、元のモデルの解法と対象のより大きな動脈における解法との一貫性が維持される。
追加的または代替的には、方法５００Ｂは、透過性関数を使用して血管及び／または血流モデルを変更するために実行され得る。
ステップ５０２Ｂは、解像されていない側枝の数、位置及び／またはサイズに関する情報を受信することを含み得る。情報は、例えば、方法４００Ａ〜Ｄのうちの１つ以上を使用して、方法２００のステップ２０６または方法３００のステップ３０６を実行することによって受信され得る。いくつかの実施形態では、受信された情報は、解像されていない枝の推定される位置及びサイズを含み得る。
ステップ５０４Ｂは、圧較差を減少させるために血管の長さに沿って流れを抽出し得る透過性関数を定義することを含み得る。いくつかの実施形態では、ステップ５０２Ｂから受信した情報（例えば、解像されていない枝の推定される位置及びサイズ）を使用して、透過性関数を定義してよい。流出機能は、血管に沿った長さの関数として定義してよい。このような流出関数は元々、１９７０年代初期に、血流の非線形１次元波動伝搬モデルの解法を可能にするために定義されたものである（例えば、Ｍ．Ａｎｌｉｋｅｒ，Ｌ．Ｒｏｃｋｗｅｌｌ，ａｎｄ Ｅ．Ｏｇｄｅｎ，“Ｎｏｎｌｉｎｅａｒ Ａｎａｌｙｓｉｓ ｏｆ Ｆｌｏｗ Ｐｕｌｓｅｓ ａｎｄ Ｓｈｏｃｋ Ｗａｖｅｓ ｉｎ Ａｒｔｅｒｉｅｓ，”ＺＡＭＰ，ｖｏｌ．２２，ｐｐ．２１７−２４６，１９７１；Ｈｕｇｈｅｓ，Ｔ．Ｊ．Ｒ． ａｎｄ Ｊ．Ｌｕｂｌｉｎｅｒ．Ｏｎ ｔｈｅ ｏｎｅ−ｄｉｍｅｎｓｉｏｎａｌ ｔｈｅｏｒｙ ｏｆ ｂｌｏｏｄ ｆｌｏｗ ｉｎ ｔｈｅ ｌａｒｇｅｒ ｖｅｓｓｅｌｓ．Ｍａｔｈ．Ｂｉｏｓｃｉ．１８：１６１−１７０，１９７３．を参照）。しかしながら、この方法は、欠落した枝の考慮については前述していない。
ステップ５０６Ｂは、境界条件が定義された透過性関数と一致するように境界条件を再調整することを含み得る。いくつかの実施形態では、境界条件は、元のモデルと新規のモデルの流出境界のそれぞれに位置する境界条件であってよい。境界条件は、枝が付加されたセグメントに近接して同じ流速を維持するように再調整されてよく、これによって、元のモデルの解法と対象のより大きな動脈における解法との一貫性が維持される。
（例えば、方法５００Ａ〜Ｂのための）解像されていない及び／またはモデル化されていないセグメントに関する情報を用いて血管及び／または血流モデルを変更するいくつかの実施形態では、付加された枝は、親血管からの流れを迂回させる出口として機能してよく、これによって、圧較差を減少させる。代替的な実施形態では、付加された枝はさらに、主要な血管への流れをもたらす目に見えない供給源の枝の影響を表し得る。特定の用途は冠状動脈における側副血行をモデル化することであり得、この場合、病変を有する主要な血管を画像データから直接観測及び再構築してよいが、副血行は観測及び再構築されない。患者は、主要な冠状動脈で高度に狭窄した領域を有するだけでなく、病変の周りの流れを迂回させ、下流の心筋を適切に灌流させるのに十分に発達した側副路も有し得る。この場合、狭窄部にかかる実際の圧較差は、側枝を考慮しないモデルを使用して予測されたものより軽度になり得る。この実施形態では、付加的な枝の検出及び包含のプロセスは、本開示で前述したとおりである。しかしながら、モデルに付加された枝は、親血管からの流れを迂回させるシンクに加えて、親血管への流れをもたらす供給源として扱われ得る。
本開示の様々な実施形態に記載された方法はさらに、医用イメージング技法が主要な血管を画像化するために使用され、画像解像度の限度をわずかに超える枝の影響をモデル化することが望まれ得る心臓血管系の任意の部分のモデルに適用され得る。例えば、本開示に記載の方法は、脳の血流のシミュレーションに適用されてよく、これによって、大きい大脳動脈の長さに沿って小さな側枝がよく見つけられ得る。これらの小さな枝を含めることは、例えば、脳灌流のシミュレーションに役立ち得る。他の例は、肝循環、上肢及び下肢の末梢血管系、腎血管系ならびに多数の側枝が小腸及び大腸に血液を供給する腸間膜血管系を含み得る。
本明細書において開示される本開示の明細書及び実施を考慮すれば本発明の他の実施形態が当業者には明らかである。明細書及び例は、以下の特許請求の範囲において示される本発明の真の範囲及び趣旨に関連する例示としてのみ見なされることを意図している。

Claims (20)

  1. 画像ベースの患者固有の血流力学的モデルにおいて、解像されていない血管及びその影響を特定してモデル化するコンピュータ実装方法であって、
    電子記憶媒体において、患者の少なくとも１つの血管を表す１つ以上の患者固有の解剖学的モデルを受信することと、
    プロセッサを使用して、前記１つ以上の患者固有の解剖学的モデルにおける１つ以上の患者固有の形態学的特性の値及び特徴を決定することと、
    前記１つ以上の患者固有の解剖学的モデルにおける１つ以上の解像されていないか、またはモデル化されていない血管の値または特徴を決定することであって、前記１つ以上の解像されていないか、またはモデル化されていない血管は、前記１つ以上の患者固有の解剖学的モデルにおける画像解像度の限度を下回る血管である、ことと、
    前記１つ以上の決定した患者固有の形態学的特性と、前記１つ以上の解像されていないか、またはモデル化されていない血管の前記決定した値または特徴とを使用して、前記１つ以上の患者固有の解剖学的モデルを変更することと、
    変更した患者固有の解剖学的モデルまたは患者固有の形態学的特性のうちの１つ以上を電子記憶媒体またはディスプレイに出力することとを備える、コンピュータ実装方法。
  2. 前記１つ以上の変更した患者固有の解剖学的モデルを使用して、血流特徴を決定することと、
    前記決定した血流特徴を使用して、前記決定した血流特徴または血流力学的シミュレーションのうちの１つ以上を電子記憶媒体またはディスプレイに出力することと
    をさらに備える、請求項１に記載のコンピュータ実装方法。
  3. 前記１つ以上の患者固有の解剖学的モデルは、１つ以上の生理学的状態にある患者の少なくとも１つの血管を表す患者固有の解剖学的モデルを含み、前記１つ以上の生理学的状態は、
    正常状態、
    休息状態、
    運動誘発性状態もしくは充血状態、
    薬物誘発性充血状態、
    薬物誘発性休息状態、
    位置状態、
    食後状態または
    重力状態
    のうちの１つ以上を含む、請求項１に記載のコンピュータ実装方法。
  4. 前記１つ以上の患者固有の形態学的特性の前記値及び特徴は、
    前記患者固有の解剖学的モデルの前記血管の血流及び血圧に関するデータと、
    前記１つ以上の患者固有の解剖学的モデルにおいて解像されていないか、またはモデル化されていない血管セグメントの存在または位置と、
    前記１つ以上の患者固有の解剖学的モデルの各位置において解像されていないか、またはモデル化されていない血管セグメントの数と、
    前記１つ以上の患者固有の解剖学的モデルの各位置において前記解像されていないか、またはモデル化されていない血管セグメントの長さ、直径またはサイズと、
    前記解像されていないか、またはモデル化されていない血管セグメントの前記血流の流体動力学への影響と
    のうちの１つ以上を含む、請求項１に記載のコンピュータ実装方法。
  5. プロセッサを使用して、前記１つ以上の患者固有の解剖学的モデルにおける１つ以上の患者固有の形態学的特性の前記値及び特徴を決定することは、
    前記１つ以上の患者固有の解剖学的モデルから、モデル化されたか、または解像された血管セグメントの長さ、直径またはその両方を測定または求めることと、
    参照血管領域の血管の長さと直径の比に対する基準値を受信することであって、前記血管は、前記１つ以上の患者固有の解剖学的モデルの前記モデル化されたか、または解像された血管セグメントに対応する、ことと、
    前記１つ以上の患者固有の解剖学的モデルからの前記モデル化されたか、または解像された血管セグメントの前記長さ、直径またはその両方、ならびに前記血管の前記長さと直径の比に対する前記基準値を使用して、前記モデル化されたか、または解像された血管セグメントから分岐した任意の１つ以上のモデル化されていないか、または解像されていない血管セグメントの値及び特徴を決定することと
    を含む、請求項１に記載のコンピュータ実装方法。
  6. プロセッサを使用して、前記１つ以上の患者固有の解剖学的モデルにおける１つ以上の患者固有の形態学的特性の前記値及び特徴を決定することは、
    患者固有の解剖学的モデルにおいて対象の血管を特定することと、
    前記対象の血管の血管容量または血管抵抗のうちの１つ以上を決定することと、
    前記対象の血管に合成化した血管樹を付加するか、または置換することと、
    前記置換済みの合成化した血管樹または前記対象の血管及び前記付加済みの合成化した血管樹の予期される血管全容量または予期される血管全抵抗のうちの１つ以上を計算することと、
    前記対象の血管の前記血管容量または血管抵抗と、予期される血管全容量または予期される血管全抵抗との間の差異を使用して、前記対象の血管から分岐した解像されていないか、またはモデル化されていない血管セグメントの値及び特徴を決定することと
    を含む、請求項１に記載のコンピュータ実装方法。
  7. プロセッサを使用して、前記１つ以上の患者固有の解剖学的モデルにおける１つ以上の患者固有の形態学的特性の前記値及び特徴を決定することは、
    前記１つ以上の患者固有の解剖学的モデルの対象の血管の長さに沿った断面積を測定または取得することと、
    前記対象の血管に対応する参照血管を特定することであって、前記参照血管は前記対象の血管と同じまたは類似する血管領域に属する、ことと、
    前記参照血管から分岐する１つ以上の血管セグメントを特定することであって、前記参照血管から分岐する前記１つ以上の血管セグメントは前記１つ以上の患者固有の解剖学的モデルにおいてモデル化されていないか、または解像されていない、ことと、
    前記参照血管から分岐する前記１つ以上の血管セグメントの断面積を受信することと、
    前記参照血管から分岐する前記１つ以上の血管セグメントの前記断面積に前記対象の血管の長さに沿った断面積を付加することによって、前記対象の血管の有効断面積を決定することと、
    前記対象の血管の前記決定した有効断面積と前記対象の血管の前記測定または取得した断面積との間の差異を使用して、前記患者固有の解剖学的モデルにおいて前記対象の血管から分岐する前記モデル化されていないか、または解像されていない血管セグメントの値及び特徴を決定することと
    を含む、請求項１に記載のコンピュータ実装方法。
  8. 前記１つ以上の患者固有の解剖学的モデルは、
    冠状血管モデル、
    脳血管モデル、
    末梢血管モデル、
    肝血管モデル、
    腎血管モデル、
    内臓血管モデル、
    １つ以上のモデル化されていないか、または解像されていない血管を伴う任意の血管モデル
    のうちの１つ以上からの少なくとも１つの血管を含む、請求項１に記載のコンピュータ実装方法。
  9. 前記１つ以上の決定した患者固有の形態学的特性を使用して前記１つ以上の患者固有の解剖学的モデルを変更することは、
    前記１つ以上の患者固有の形態学的特性を使用して、付加的な血管セグメントによって前記１つ以上の患者固有の解剖学的モデルを増補することと、
    前記１つ以上の患者固有の解剖学的モデルの１つ以上の境界条件を再調整して、血管セグメントが付加された血管の近位の流速を維持することと
    を含む、請求項１に記載のコンピュータ実装方法。
  10. 前記１つ以上の決定した患者固有の形態学的特性を使用して前記１つ以上の患者固有の解剖学的モデルを変更することは、
    前記１つ以上の決定した患者固有の形態学的特性を使用して、前記１つ以上の患者固有の解剖学的モデルを切り捨てて、少なくとも、解像されていない血管セグメントを除外することと、
    前記１つ以上の切り捨てられた患者固有の解剖学的モデルの１つ以上の境界条件を再調整して、前記解像されていない血管セグメントが排除された血管の近位の流速を維持することと
    を含む、請求項１に記載のコンピュータ実装方法。
  11. 前記１つ以上の決定した患者固有の形態学的特性を使用して前記１つ以上の患者固有の解剖学的モデルを変更することは、
    圧較差を減少させるために前記血管の長さに沿って流れを抽出することができる透過性関数を定義することと、
    前記透過性関数と一致するように、前記１つ以上の患者固有の解剖学的モデルの１つ以上の境界条件を再調整することと
    を含む、請求項１に記載のコンピュータ実装方法。
  12. 前記１つ以上の決定した患者固有の形態学的特性を使用して前記１つ以上の患者固有の解剖学的モデルを変更することは、
    前記１つ以上の患者固有の解剖学的モデルを変更して、疾患負担のために前記対象の血管から分岐した任意の１つ以上の血管セグメントを除外すること
    を含む、請求項１に記載のコンピュータ実装方法。
  13. 前記１つ以上の患者固有の解剖学的モデルの前記血管の１つ以上の血流特徴を表す患者固有の血流モデルを受信することと、
    前記１つ以上の決定した患者固有の形態学的特性を基に、前記患者固有の血流モデルを変更することと、
    前記変更した患者固有の血流モデルまたは前記１つ以上の患者固有の形態学的特性のうちの１つ以上を電子記憶媒体またはディスプレイに出力することと
    をさらに備える、請求項１に記載のコンピュータ実装方法。
  14. 画像ベースの患者固有の血流力学的モデルにおいて、解像されていない血管及びその影響を特定してモデル化するシステムであって、
    画像ベースの患者固有の血流力学的モデルにおける解像されていない血管及びその影響を特定してモデル化する命令を記憶するデータ記憶装置と、
    前記命令を実行することにより方法を実行するように構成されるプロセッサと
    を備え、前記方法は、
    電子記憶媒体において、患者の少なくとも１つの血管を表す１つ以上の患者固有の解剖学的モデルを受信することと、
    プロセッサを使用して、前記１つ以上の患者固有の解剖学的モデルにおける１つ以上の患者固有の形態学的特性の値及び特徴を決定することと、
    前記１つ以上の患者固有の解剖学的モデルにおける１つ以上の解像されていないか、またはモデル化されていない血管の値または特徴を決定することであって、前記１つ以上の解像されていないか、またはモデル化されていない血管は、前記１つ以上の患者固有の解剖学的モデルにおける画像解像度の限度を下回る血管である、ことと、
    前記１つ以上の決定した患者固有の形態学的特性と、前記１つ以上の解像されていないか、またはモデル化されていない血管の前記決定した値または特徴とを使用して、前記１つ以上の患者固有の解剖学的モデルを変更することと、
    変更した患者固有の解剖学的モデルまたは患者固有の形態学的特性のうちの１つ以上を電子記憶媒体またはディスプレイに出力することと
    を備える、システム。
  15. 前記１つ以上の変更した患者固有の解剖学的モデルを使用して、血流特徴を決定することと、
    前記決定した血流特徴を使用して、前記決定した血流特徴または血流力学的シミュレーションのうちの１つ以上を電子記憶媒体またはディスプレイに出力することと
    をさらに備える、請求項１４に記載のシステム。
  16. 前記１つ以上の患者固有の形態学的特性の前記値及び特徴は、
    前記１つ以上の患者固有の解剖学的モデルの少なくとも１つの血管の血流及び血圧に関するデータと、
    前記１つ以上の患者固有の解剖学的モデルにおいて解像されていないか、またはモデル化されていない血管セグメントの存在または位置と、
    前記１つ以上の患者固有の解剖学的モデルの各位置において前記解像されていないか、またはモデル化されていない血管セグメントの数と、
    前記１つ以上の患者固有の解剖学的モデルの各位置において前記解像されていないか、またはモデル化されていない血管セグメントの長さ、直径またはサイズと、
    前記解像されていないか、またはモデル化されていない血管セグメントの前記血流の流体動力学への影響と
    のうちの１つ以上を含む、請求項１４に記載のシステム。
  17. プロセッサを使用して、前記１つ以上の患者固有の解剖学的モデルにおける１つ以上の患者固有の形態学的特性の前記値及び特徴を決定することは、
    前記１つ以上の患者固有の解剖学的モデルから、モデル化されたか、または解像された血管セグメントの長さ、直径またはその両方を測定または求めることと、
    参照血管領域の血管の長さと直径の比に対する基準値を受信することであって、前記血管は、前記１つ以上の患者固有の解剖学的モデルの前記モデル化されたか、または解像された血管セグメントに対応する、ことと、
    前記１つ以上の患者固有の解剖学的モデルからの前記モデル化されたか、または解像された血管セグメントの前記長さ、直径またはその両方、ならびに前記血管の前記長さと直径の比に対する前記基準値を使用して、前記モデル化されたか、または解像された血管セグメントから分岐した任意の１つ以上のモデル化されていないか、または解像されていない血管セグメントの値及び特徴を決定することと
    を含む、請求項１４に記載のシステム。
  18. プロセッサを使用して、前記１つ以上の患者固有の解剖学的モデルにおける１つ以上の患者固有の形態学的特性の前記値及び特徴を決定することは、
    患者固有の解剖学的モデルにおいて対象の血管を特定することと、
    前記対象の血管の血管容量または血管抵抗のうちの１つ以上を決定することと、
    前記対象の血管に合成化した血管樹を付加するか、または置換することと、
    前記置換済みの合成化した血管樹または前記対象の血管及び前記付加済みの合成化した血管樹の予期される血管全容量または予期される血管全抵抗のうちの１つ以上を計算することと、
    前記対象の血管の前記血管容量または血管抵抗と、前記予期される血管全容量または予期される血管全抵抗との間の差異を使用して、前記対象の血管から分岐した解像されていないか、またはモデル化されていない血管セグメントの値及び特徴を決定することと
    を含む、請求項１４に記載のシステム。
  19. プロセッサを使用して、前記１つ以上の患者固有の解剖学的モデルにおける１つ以上の患者固有の形態学的特性の前記値及び特徴を決定することは、
    患者固有の解剖学的モデルの対象の血管の長さに沿った断面積を測定または取得することと、
    前記対象の血管に対応する参照血管を特定することであって、前記参照血管は前記対象の血管と同じまたは類似する血管領域に属する、ことと、
    前記参照血管から分岐する１つ以上の血管セグメントを特定することであって、前記参照血管から分岐する前記１つ以上の血管セグメントは前記１つ以上の患者固有の解剖学的モデルにおいてモデル化されていないか、または解像されていない、ことと、
    前記参照血管から分岐する前記１つ以上の血管セグメントの断面積を受信することと、
    前記参照血管から分岐する前記１つ以上の血管セグメントの前記断面積に前記対象の血管の長さに沿った断面積を付加することによって、前記対象の血管の有効断面積を決定することと、
    前記対象の血管の前記決定した有効断面積と前記対象の血管の前記測定または取得した断面積との間の差異を使用して、前記１つ以上の患者固有の解剖学的モデルにおいて前記対象の血管から分岐する前記モデル化されていないか、または解像されていない血管セグメントの値及び特徴を決定することと
    を含む、請求項１４に記載のシステム。
  20. コンピュータにより実行されると、前記コンピュータに、画像ベースの患者固有の血流力学的モデルにおいて解像されていない血管及びその影響を特定してモデル化する方法を実行させる命令を記憶する非一時的なコンピュータ可読媒体であって、前記方法は、
    電子記憶媒体において、患者の少なくとも１つの血管を表す１つ以上の患者固有の解剖学的モデルを受信することと、
    プロセッサを使用して、前記１つ以上の患者固有の解剖学的モデルにおける１つ以上の患者固有の形態学的特性の値及び特徴を決定することと、
    前記１つ以上の患者固有の解剖学的モデルにおける１つ以上の解像されていないか、またはモデル化されていない血管の値または特徴を決定することであって、前記１つ以上の解像されていないか、またはモデル化されていない血管は、前記１つ以上の患者固有の解剖学的モデルにおける画像解像度の限度を下回る血管である、ことと、
    前記１つ以上の決定した患者固有の形態学的特性と、前記１つ以上の解像されていないか、またはモデル化されていない血管の前記決定した値または特徴とを使用して、前記１つ以上の患者固有の解剖学的モデルを変更することと、
    変更した患者固有の解剖学的モデルまたは患者固有の形態学的特性のうちの１つ以上を電子記憶媒体またはディスプレイに出力することと
    を含む、非一時的なコンピュータ可読媒体。
JP2018544826A 2016-02-26 2017-02-24 画像ベースの患者固有の血流力学的モデルにおいて解像されていない血管を特定してモデル化するためのシステム及び方法 Active JP6829262B2 (ja)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
US201662300540P 2016-02-26 2016-02-26
US62/300,540 2016-02-26
PCT/US2017/019462 WO2017147500A1 (en) 2016-02-26 2017-02-24 Systems and methods for identifying and modeling unresolved vessels in image-based patient-specific hemodynamic models

Publications (2)

Publication Number Publication Date
JP2019512131A JP2019512131A (ja) 2019-05-09
JP6829262B2 true JP6829262B2 (ja) 2021-02-10

Family

ID=58266208

Family Applications (1)

Application Number Title Priority Date Filing Date
JP2018544826A Active JP6829262B2 (ja) 2016-02-26 2017-02-24 画像ベースの患者固有の血流力学的モデルにおいて解像されていない血管を特定してモデル化するためのシステム及び方法

Country Status (5)

Country Link
US (4) US10162939B2 (ja)
EP (1) EP3420483B1 (ja)
JP (1) JP6829262B2 (ja)
CN (1) CN109074870B (ja)
WO (1) WO2017147500A1 (ja)

Families Citing this family (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10162939B2 (en) 2016-02-26 2018-12-25 Heartflow, Inc. Systems and methods for identifying and modeling unresolved vessels in image-based patient-specific hemodynamic models
JP7099963B2 (ja) 2016-05-16 2022-07-12 キャスワークス リミテッド 画像からの血管の選択方法
US10813612B2 (en) 2019-01-25 2020-10-27 Cleerly, Inc. Systems and method of characterizing high risk plaques
KR20210014249A (ko) 2019-07-29 2021-02-09 삼성디스플레이 주식회사 표시 장치
KR102343889B1 (ko) * 2019-08-05 2021-12-30 재단법인 아산사회복지재단 초음파 영상 기반의 기계 학습을 통한 관상동맥 병변 진단 시스템 및 이의 진단 방법
KR102257295B1 (ko) * 2019-08-05 2021-05-31 재단법인 아산사회복지재단 초음파 영상 기반의 기계 학습을 통한 취약성 죽상반 진단 시스템 및 이의 진단 방법
US11969280B2 (en) 2020-01-07 2024-04-30 Cleerly, Inc. Systems, methods, and devices for medical image analysis, diagnosis, risk stratification, decision making and/or disease tracking
US11501436B2 (en) 2020-01-07 2022-11-15 Cleerly, Inc. Systems, methods, and devices for medical image analysis, diagnosis, risk stratification, decision making and/or disease tracking
US20220392065A1 (en) 2020-01-07 2022-12-08 Cleerly, Inc. Systems, methods, and devices for medical image analysis, diagnosis, risk stratification, decision making and/or disease tracking
TWI790508B (zh) 2020-11-30 2023-01-21 宏碁股份有限公司 血管偵測裝置及基於影像的血管偵測方法
KR102546291B1 (ko) * 2020-12-02 2023-06-26 재단법인 아산사회복지재단 초음파 영상 기반의 딥 러닝을 통한 관상동맥 스텐트 예측 방법, 장치 및 기록매체
KR102546290B1 (ko) * 2020-12-02 2023-06-26 재단법인 아산사회복지재단 초음파 영상 기반의 딥 러닝을 통한 관상동맥 경화반 조직 분석 방법, 장치 및 기록매체
US20230289963A1 (en) 2022-03-10 2023-09-14 Cleerly, Inc. Systems, devices, and methods for non-invasive image-based plaque analysis and risk determination

Family Cites Families (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2009066285A2 (en) * 2007-11-19 2009-05-28 Dekel Shlomi A dynamic method and system for representing a three dimensional object navigated from within
US8315812B2 (en) 2010-08-12 2012-11-20 Heartflow, Inc. Method and system for patient-specific modeling of blood flow
US10162932B2 (en) 2011-11-10 2018-12-25 Siemens Healthcare Gmbh Method and system for multi-scale anatomical and functional modeling of coronary circulation
US9390232B2 (en) * 2014-03-24 2016-07-12 Heartflow, Inc. Systems and methods for modeling changes in patient-specific blood vessel geometry and boundary conditions
WO2015164086A1 (en) 2014-04-22 2015-10-29 Siemens Aktiengesellschaft Method and system for hemodynamic computation in coronary arteries
US10130266B2 (en) * 2014-06-30 2018-11-20 Siemens Healthcare Gmbh Method and system for prediction of post-stenting hemodynamic metrics for treatment planning of arterial stenosis
US10162939B2 (en) * 2016-02-26 2018-12-25 Heartflow, Inc. Systems and methods for identifying and modeling unresolved vessels in image-based patient-specific hemodynamic models

Also Published As

Publication number Publication date
US20190095574A1 (en) 2019-03-28
US20230290524A1 (en) 2023-09-14
WO2017147500A1 (en) 2017-08-31
EP3420483A1 (en) 2019-01-02
CN109074870B (zh) 2021-12-21
US10990652B2 (en) 2021-04-27
CN109074870A (zh) 2018-12-21
JP2019512131A (ja) 2019-05-09
EP3420483B1 (en) 2020-07-22
US10162939B2 (en) 2018-12-25
US20210210209A1 (en) 2021-07-08
US20170249439A1 (en) 2017-08-31
US11521755B2 (en) 2022-12-06
US11948695B2 (en) 2024-04-02

Similar Documents

Publication Publication Date Title
JP6829262B2 (ja) 画像ベースの患者固有の血流力学的モデルにおいて解像されていない血管を特定してモデル化するためのシステム及び方法
JP7048561B2 (ja) 血管形状及び生理学から血流特性を推定するシステム及び方法
JP7312301B2 (ja) 次数低減モデル及び／または機械学習を使用して血流特性を推定するためのシステム及び方法
US10993687B2 (en) Synthetic data-driven hemodynamic determination in medical imaging
JP6923599B2 (ja) 造影剤分布予測及び測定を使用してプラーク及び／または狭窄性病変の重症度を評価するシステム及び方法
CN110866914B (zh) 脑动脉瘤血流动力学指标的评估方法、系统、设备及介质
US10748451B2 (en) Methods and systems for generating fluid simulation models
EP3281135A1 (en) System and method for vascular tree generation using patient-specific structural and functional data, and joint prior information

Legal Events

Date Code Title Description
A621 Written request for application examination

Free format text: JAPANESE INTERMEDIATE CODE: A621

Effective date: 20181024

A977 Report on retrieval

Free format text: JAPANESE INTERMEDIATE CODE: A971007

Effective date: 20190820

A131 Notification of reasons for refusal

Free format text: JAPANESE INTERMEDIATE CODE: A131

Effective date: 20191002

A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20191213

A131 Notification of reasons for refusal

Free format text: JAPANESE INTERMEDIATE CODE: A131

Effective date: 20200423

A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20200722

TRDD Decision of grant or rejection written
A01 Written decision to grant a patent or to grant a registration (utility model)

Free format text: JAPANESE INTERMEDIATE CODE: A01

Effective date: 20201223

A61 First payment of annual fees (during grant procedure)

Free format text: JAPANESE INTERMEDIATE CODE: A61

Effective date: 20210121

R150 Certificate of patent or registration of utility model

Ref document number: 6829262

Country of ref document: JP

Free format text: JAPANESE INTERMEDIATE CODE: R150

R250 Receipt of annual fees

Free format text: JAPANESE INTERMEDIATE CODE: R250