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 PDFInfo
- 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
Links
- 238000000034 method Methods 0.000 title claims description 133
- 230000000004 hemodynamic effect Effects 0.000 title claims description 18
- 230000002792 vascular Effects 0.000 claims description 174
- 230000017531 blood circulation Effects 0.000 claims description 93
- 210000004204 blood vessel Anatomy 0.000 claims description 84
- 230000000877 morphologic effect Effects 0.000 claims description 78
- 230000000694 effects Effects 0.000 claims description 36
- 210000004351 coronary vessel Anatomy 0.000 claims description 25
- 238000004088 simulation Methods 0.000 claims description 12
- 201000010099 disease Diseases 0.000 claims description 10
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 claims description 10
- 230000036772 blood pressure Effects 0.000 claims description 9
- 230000035699 permeability Effects 0.000 claims description 9
- 239000003814 drug Substances 0.000 claims description 8
- 229940079593 drug Drugs 0.000 claims description 8
- 239000012530 fluid Substances 0.000 claims description 5
- 230000000544 hyperemic effect Effects 0.000 claims description 4
- 230000035790 physiological processes and functions Effects 0.000 claims description 4
- 238000013500 data storage Methods 0.000 claims description 3
- 230000002440 hepatic effect Effects 0.000 claims description 3
- 230000002093 peripheral effect Effects 0.000 claims description 3
- 230000000291 postprandial effect Effects 0.000 claims description 2
- 230000000284 resting effect Effects 0.000 claims description 2
- 230000009278 visceral effect Effects 0.000 claims description 2
- 230000006870 function Effects 0.000 description 14
- 238000010586 diagram Methods 0.000 description 13
- 238000010801 machine learning Methods 0.000 description 13
- 238000004422 calculation algorithm Methods 0.000 description 10
- 210000005166 vasculature Anatomy 0.000 description 9
- 238000003384 imaging method Methods 0.000 description 6
- 238000001727 in vivo Methods 0.000 description 6
- 238000012014 optical coherence tomography Methods 0.000 description 6
- 238000012549 training Methods 0.000 description 6
- 206010020565 Hyperaemia Diseases 0.000 description 5
- 210000001367 artery Anatomy 0.000 description 5
- 238000004364 calculation method Methods 0.000 description 5
- 238000002059 diagnostic imaging Methods 0.000 description 5
- 238000004458 analytical method Methods 0.000 description 4
- 230000003190 augmentative effect Effects 0.000 description 4
- 230000007423 decrease Effects 0.000 description 4
- 230000003902 lesion Effects 0.000 description 4
- 208000031481 Pathologic Constriction Diseases 0.000 description 3
- 230000008859 change Effects 0.000 description 3
- 238000010968 computed tomography angiography Methods 0.000 description 3
- 230000002107 myocardial effect Effects 0.000 description 3
- 210000004165 myocardium Anatomy 0.000 description 3
- 230000010412 perfusion Effects 0.000 description 3
- 238000012545 processing Methods 0.000 description 3
- 230000036262 stenosis Effects 0.000 description 3
- 208000037804 stenosis Diseases 0.000 description 3
- 230000002123 temporal effect Effects 0.000 description 3
- 230000001052 transient effect Effects 0.000 description 3
- 201000001320 Atherosclerosis Diseases 0.000 description 2
- 206010069729 Collateral circulation Diseases 0.000 description 2
- 238000002586 coronary angiography Methods 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 238000003745 diagnosis Methods 0.000 description 2
- 238000009499 grossing Methods 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 239000000203 mixture Substances 0.000 description 2
- 238000013425 morphometry Methods 0.000 description 2
- 238000005457 optimization Methods 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 238000012706 support-vector machine Methods 0.000 description 2
- 238000009966 trimming Methods 0.000 description 2
- 210000003484 anatomy Anatomy 0.000 description 1
- 238000002583 angiography Methods 0.000 description 1
- 210000000709 aorta Anatomy 0.000 description 1
- 230000008321 arterial blood flow Effects 0.000 description 1
- 230000003416 augmentation Effects 0.000 description 1
- 239000008280 blood Substances 0.000 description 1
- 210000004369 blood Anatomy 0.000 description 1
- 230000036770 blood supply Effects 0.000 description 1
- 230000000747 cardiac effect Effects 0.000 description 1
- 210000000748 cardiovascular system Anatomy 0.000 description 1
- 210000001627 cerebral artery Anatomy 0.000 description 1
- 230000003727 cerebral blood flow Effects 0.000 description 1
- 230000003788 cerebral perfusion Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 230000004087 circulation Effects 0.000 description 1
- 238000002591 computed tomography Methods 0.000 description 1
- 208000029078 coronary artery disease Diseases 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 230000007717 exclusion Effects 0.000 description 1
- 230000005484 gravity Effects 0.000 description 1
- 238000000338 in vitro Methods 0.000 description 1
- 238000002608 intravascular ultrasound Methods 0.000 description 1
- 235000015095 lager Nutrition 0.000 description 1
- 210000002429 large intestine Anatomy 0.000 description 1
- 238000012417 linear regression Methods 0.000 description 1
- 210000003141 lower extremity Anatomy 0.000 description 1
- 210000000056 organ Anatomy 0.000 description 1
- 210000004789 organ system Anatomy 0.000 description 1
- 230000037361 pathway Effects 0.000 description 1
- 230000004962 physiological condition Effects 0.000 description 1
- 238000012805 post-processing Methods 0.000 description 1
- 238000007637 random forest analysis Methods 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
- 230000035939 shock Effects 0.000 description 1
- 238000004513 sizing Methods 0.000 description 1
- 210000000813 small intestine Anatomy 0.000 description 1
- 230000002269 spontaneous effect Effects 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
- 238000013179 statistical model Methods 0.000 description 1
- 239000013589 supplement Substances 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 238000002604 ultrasonography Methods 0.000 description 1
- 210000001364 upper extremity Anatomy 0.000 description 1
- 238000012800 visualization Methods 0.000 description 1
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
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。
Claims (20)
- 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。 - 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。 - 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。 - 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。 - 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。 - 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。 - 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。 - 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。 - 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。 - 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。 - 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。 - 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。 - 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。 - 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。 - 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。 - 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。 - 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。 - 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。 - 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。 - 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。
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)
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)
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 |
-
2017
- 2017-02-24 US US15/442,102 patent/US10162939B2/en active Active
- 2017-02-24 WO PCT/US2017/019462 patent/WO2017147500A1/en active Application Filing
- 2017-02-24 JP JP2018544826A patent/JP6829262B2/ja active Active
- 2017-02-24 EP EP17710096.3A patent/EP3420483B1/en active Active
- 2017-02-24 CN CN201780026101.8A patent/CN109074870B/zh active Active
-
2018
- 2018-11-21 US US16/197,844 patent/US10990652B2/en active Active
-
2021
- 2021-03-22 US US17/208,799 patent/US11521755B2/en active Active
-
2022
- 2022-11-02 US US18/052,119 patent/US11948695B2/en active Active
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 |