JP7235710B2 - 患者固有の幾何学的形状モデルを変更することによって治療を決定する方法及びシステム - Google Patents

患者固有の幾何学的形状モデルを変更することによって治療を決定する方法及びシステム Download PDF

Info

Publication number
JP7235710B2
JP7235710B2 JP2020189190A JP2020189190A JP7235710B2 JP 7235710 B2 JP7235710 B2 JP 7235710B2 JP 2020189190 A JP2020189190 A JP 2020189190A JP 2020189190 A JP2020189190 A JP 2020189190A JP 7235710 B2 JP7235710 B2 JP 7235710B2
Authority
JP
Japan
Prior art keywords
model
patient
treatment options
mesh model
dimensional mesh
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
JP2020189190A
Other languages
English (en)
Other versions
JP2021041192A (ja
Inventor
スピルカー ライアン
エバリー デイビッド
グラディー レオ
Original Assignee
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 filed Critical ハートフロー， インコーポレイテッド
Publication of JP2021041192A publication Critical patent/JP2021041192A/ja
Priority to JP2023027194A priority Critical patent/JP7483079B2/ja
Application granted granted Critical
Publication of JP7235710B2 publication Critical patent/JP7235710B2/ja
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
    • G16H50/50—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for simulation or modelling of medical disorders
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B34/00—Computer-aided surgery; Manipulators or robots specially adapted for use in surgery
    • A61B34/10—Computer-aided planning, simulation or modelling of surgical operations
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/20—Design optimisation, verification or simulation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/0002—Inspection of images, e.g. flaw detection
    • G06T7/0012—Biomedical image inspection
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/11—Region-based segmentation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/20—Analysis of motion
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/40—Extraction of image or video features
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V30/00—Character recognition; Recognising digital ink; Document-oriented image-based pattern recognition
    • G06V30/10—Character recognition
    • G06V30/19—Recognition using electronic means
    • G06V30/192—Recognition using electronic means using simultaneous comparisons or correlations of the image signals with a plurality of references
    • G06V30/194—References adjustable by an adaptive method, e.g. learning
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/20—Movements or behaviour, e.g. gesture recognition
    • 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
    • G16H20/00—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance
    • G16H20/30—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance relating to physical therapies or activities, e.g. physiotherapy, acupressure or exercising
    • 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
    • G16H20/00—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance
    • G16H20/40—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance relating to mechanical, radiation or invasive therapies, e.g. surgery, laser therapy, dialysis or acupuncture
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H30/00—ICT specially adapted for the handling or processing of medical images
    • G16H30/20—ICT specially adapted for the handling or processing of medical images for handling medical images, e.g. DICOM, HL7 or PACS
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
    • G16H50/20—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for computer-aided diagnosis, e.g. based on medical expert systems
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B34/00—Computer-aided surgery; Manipulators or robots specially adapted for use in surgery
    • A61B34/10—Computer-aided planning, simulation or modelling of surgical operations
    • A61B2034/101—Computer-aided simulation of surgical operations
    • A61B2034/102—Modelling of surgical devices, implants or prosthesis
    • A61B2034/104—Modelling the effect of the tool, e.g. the effect of an implanted prosthesis or for predicting the effect of ablation or burring
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B34/00—Computer-aided surgery; Manipulators or robots specially adapted for use in surgery
    • A61B34/10—Computer-aided planning, simulation or modelling of surgical operations
    • A61B2034/101—Computer-aided simulation of surgical operations
    • A61B2034/105—Modelling of the patient, e.g. for ligaments or bones
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B34/00—Computer-aided surgery; Manipulators or robots specially adapted for use in surgery
    • A61B34/10—Computer-aided planning, simulation or modelling of surgical operations
    • A61B2034/107—Visualisation of planned trajectories or target regions
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/20—Special algorithmic details
    • G06T2207/20112—Image segmentation details
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30004—Biomedical image processing
    • G06T2207/30096—Tumor; Lesion
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30004—Biomedical image processing
    • G06T2207/30101—Blood vessel; Artery; Vein; Vascular
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30004—Biomedical image processing
    • G06T2207/30101—Blood vessel; Artery; Vein; Vascular
    • G06T2207/30104—Vascular flow; Blood flow; Perfusion
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/40—Extraction of image or video features
    • G06V10/46—Descriptors for shape, contour or point-related descriptors, e.g. scale invariant feature transform [SIFT] or bags of words [BoW]; Salient regional features
    • G06V10/467—Encoded features or binary features, e.g. local binary patterns [LBP]
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
    • Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
    • Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation

Landscapes

  • Engineering & Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • Public Health (AREA)
  • General Health & Medical Sciences (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Biomedical Technology (AREA)
  • Primary Health Care (AREA)
  • Epidemiology (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Surgery (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Databases & Information Systems (AREA)
  • Data Mining & Analysis (AREA)
  • Pathology (AREA)
  • Multimedia (AREA)
  • Radiology & Medical Imaging (AREA)
  • Veterinary Medicine (AREA)
  • Robotics (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Molecular Biology (AREA)
  • Animal Behavior & Ethology (AREA)
  • Geometry (AREA)
  • Evolutionary Computation (AREA)
  • General Engineering & Computer Science (AREA)
  • Computer Hardware Design (AREA)
  • Urology & Nephrology (AREA)
  • Quality & Reliability (AREA)
  • Psychiatry (AREA)
  • Human Computer Interaction (AREA)
  • Social Psychology (AREA)
  • Biophysics (AREA)
  • Physical Education & Sports Medicine (AREA)
  • Apparatus For Radiation Diagnosis (AREA)
  • Magnetic Resonance Imaging Apparatus (AREA)
  • Measuring And Recording Apparatus For Diagnosis (AREA)
  • Image Analysis (AREA)

Description

優先権
本特許出願は、２０１３年３月１日に提出された米国特許出願第１３／７８２，３０７号の優先権を主張し、それは、その全体を参照することによって本願明細書に組み込まれる。
（技術分野）
実施形態は、患者の治療の選択肢を決定する方法及びシステムを含み、より具体的には、患者固有の幾何学的形状モデルを変更することによって治療の選択肢を決定する方法及びシステムを含む。
冠状動脈疾患は、心臓に血液を供給する血管に狭窄（血管の異常な狭窄化）などの冠状動脈病変を生み出すことがある。その結果、心臓への血流が制限されることがある。冠状動脈疾患に罹患している患者は、身体運動中に慢性安定狭心症または患者が静止しているときに不安定狭心症と称される胸痛を経験することがある。疾患のより深刻な症状は、心筋梗塞または心臓発作をもたらすことがある。
例えば、大きさ、形状、位置、機能的重大性（例えば、病変が血流に影響を与えるかどうか）などの冠状動脈病変に関するより正確なデータを提供するニーズが存在する。胸痛に罹患している及び／または冠状動脈疾患の症状を呈する患者は、冠状動脈病変に関するいくつかの間接的な証拠を提供することができる１つ以上の検査を受けることがある。例えば、非侵襲的検査は、心電図、血液検査からのバイオマーカー評価、トレッドミル検査、心エコー検査、単光子放出コンピュータ断層撮影（ＳＰＥＣＴ）及びポジトロン放出断層撮影（ＰＥＴ）を含むことができる。しかしながら、これらの非侵襲的検査は、通常、冠状動脈病変の直接的な評価を提供しないかまたは血流量を評価しない。非侵襲的検査は、（例えば、心電図（ＥＣＧ）を使用して）心臓の電気的活動の変化、（例えば、負荷心臓図検査を使用して）心筋の動き、（例えば、ＰＥＴ若しくはＳＰＥＣＴを使用して）心筋の灌流または（例えば、バイオマーカーを使用して）代謝的変化を見ることにより、冠状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、冠状動脈コンピュータ断層撮影血管造影（ＣＣＴＡ）を使用して非侵襲的に得ることができる。ＣＣＴＡは、胸痛を有する患者の撮像に使用可能であり、造影剤の静脈内注入後の心臓及び冠状動脈を撮像するためにコンピュータ断層撮影（ＣＴ）技術を使用することを含む。しかしながら、ＣＣＴＡはまた、例えば、病変が血流に影響を与えるかどうかなどの冠状動脈病変の機能的重大性についての直接的な情報を提供することができない。さらに、ＣＣＴＡは純粋な診断検査であることから、例えば運動などの他の生理学的状態下での冠状動脈血流、圧力または心筋灌流の変化を予測するために使用することができず、また、介入の転帰を予測するためにも使用することができない。
それゆえに、患者は、冠状動脈病変を可視化するために、診断用心臓カテーテルなどの侵襲的検査を必要とすることがある。診断用心臓カテーテルは、動脈の大きさや形状の画像を医師に提供することによって冠状動脈病変についての解剖学的データを収集するために従来の冠状動脈造影（ＣＣＡ）を行うことを含むことができる。しかしながら、ＣＣＡは、冠状動脈病変の機能的重大性を評価するためのデータを提供しない。例えば、医師は、病変が機能的に重大であるかどうかを判定することなく冠状動脈病変が有害であるかどうかを診断することができないことがある。それゆえに、ＣＣＡは、病変が機能的に重大であるかどうかにかかわらず、介入心臓病専門医がＣＣＡによってみつかった全ての病変についてステントを挿入する「発見した狭窄に対する反射（ｏｃｕｌｏｓｔｅｎｏｔｉｃ
ｒｅｆｌｅｘ）」と称される処置をもたらしている。その結果、ＣＣＡは、患者に対する不要な手術をもたらすことがあり、それは追加リスクを患者にもたらすことがあり、患者についての不要な医療費をもたらすことがある。
診断用心臓カテーテル検査中において、冠状動脈病変の機能的重大性は、観察された病変の血流予備量比（ＦＦＲ）を測定することによって侵襲的に評価されることができる。ＦＦＲは、アデノシンの静脈内投与によって誘導される増加した冠状動脈血流の状態下での病変からの上流平均血圧、例えば大動脈圧で除算した病変の下流平均血圧の比として定義される。血圧は、患者内に圧力ワイヤを挿入することによって測定されることができる。それゆえに、診断用心臓カテーテル検査の初期費用及びリスクが既に発生した後に、判定されたＦＦＲに基づいて病変を処置するための決定が行われることができる。
そえゆえに、冠状動脈の解剖学的構造、心筋灌流及び冠状動脈流を非侵襲的に評価する方法のニーズが存在する。そのような方法及びシステムは、疑いのある冠状動脈疾患を有する患者について診断して治療を計画する心臓病専門医に利益を与えることができる。さらに、例えば運動などの直接測定することができない状態下において冠状動脈流及び心筋灌流を予測し、冠状動脈血流及び心筋灌流についての医療、介入及び外科的処置の結果を予測する方法のニーズが存在する。
さらに、冠状動脈の解剖学的構造を非侵襲的に解析することにより、複数の実現可能な治療の選択肢（例えば、全ての可能な経皮的冠状動脈インターベンション（ＰＣＩ）または冠状動脈バイパス移植術（ＣＡＢＧ）の選択肢）から最適な治療の選択肢を自動的に特定するニーズが存在する。
所定の実施形態において、患者についての心臓血管治療の選択肢を評価するシステムが開示されている。システムは、患者の心臓または血管系の幾何学的形状に関する患者固有のデータに基づいて、患者の心臓または血管系の少なくとも一部を表す３次元モデルを作成し、患者の心臓または血管系の少なくとも一部の治療における複数の治療の選択肢のそれぞれについて、３次元モデルに基づいて３次元モデル及び低次モデルのうちの少なくとも一方を変更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。コンピュータシステムは、さらに、変更された３次元モデル及び変更された低次モデルのうちの少なくとも１つを解くことにより、複数の治療の選択肢のそれぞれについて、血流特性の値を判定し、判定された患者の心臓または血管系の血流特性及び複数の治療の選択肢のそれぞれの１つ以上のコストのうちの少なくとも一方の機能を解決する複数の治療の選択肢のうちの１つを特定するように構成されている。
所定の実施形態において、コンピュータシステムは、複数の治療の選択肢のそれぞれについて、幾何学的形状変更技術を使用して３次元モデルを変更するように構成されている。コンピュータシステムは、複数の治療の選択肢のそれぞれについて、空間領域構成結合法を使用して３次元モデルを変更するように構成されている。コンピュータシステムは、複数の治療の選択肢のそれぞれについて、弾性変形変更技術を使用して３次元モデルを変更するように構成されている。コンピュータシステムは、複数の治療の選択肢のそれぞれについて、挿入されたステントまたはバイパス移植のシミュレート位置に基づいて３次元モデルを変更するように構成されている。コンピュータシステムは、血流特性の所定の閾値レベルを呈する位置における複数の治療の選択肢のそれぞれのサブセットについて３次元モデルを変更するように構成されている。
所定の実施形態において、コンピュータシステムは、３次元モデルに基づいて患者の心臓または血管系の血流特性に関連する低次モデルを作成し、可能な治療の選択肢のそれぞれの種類及び位置に関連するように推定された抵抗値を使用して、可能な治療の選択肢のそれぞれについて低次モデルを変更するように構成されている。コンピュータシステムは、以前に行われた治療の選択肢の公知の寸法または幾何学的形状に関連する公知の抵抗値の履歴データから可能な治療の選択肢に関連する抵抗値を判定するように構成されている。患者の冠状血管系における血流を最大化するまたは圧力変化を最小にするように目的関数が構成されている。目的関数は、ステントまたはバイパス移植数を増加させること、より小さな血管とは対照的により大きな血管におけるＦＦＲ値を減少させること、挿入されたステントの近接性を増加させること、治療コスト、及び、分岐の存在または数のうちの１つ以上を不利にするように構成されている。患者の心臓の少なくとも一部を表す３次元モデルは、大動脈の少なくとも一部及び大動脈の一部から出ている複数の冠状動脈の少なくとも一部を含む。
所定の実施形態において、血流特性は、大動脈における圧力と複数の冠状動脈内の位置における圧力との比を示し、コンピュータシステムは、複数の冠状動脈内の複数の位置における血流特性を判定するように構成されている。患者固有のデータは、コンピュータ断層撮影法または磁気共鳴撮像技術によって提供される撮像データを含む。低次モデルは、３次元モデルの境界を通る血流を表す少なくとも１つの集中定数モデルを含む。コンピュータシステムは、充血レベル、運動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使用して血流特性を判定するように構成されている。
所定の実施形態において、患者についての心臓血管治療の選択肢を評価する方法が開示されている。１つの方法は、患者の心臓または血管系の幾何学的形状に関する患者固有のデータに基づいて、患者の心臓または血管系の少なくとも一部を表す３次元モデルを作成することと、患者の心臓または血管系の少なくとも一部の治療における複数の治療の選択肢のそれぞれについて、３次元モデルに基づいて３次元モデル及び低次モデルのうちの少なくとも一方を変更することとを含む。本方法はまた、変更された３次元モデル及び変更された低次モデルのうちの少なくとも１つを解くことにより、複数の治療の選択肢のそれぞれについて、血流特性の値を判定することと、判定された患者の心臓または血管系の血流特性及び複数の治療の選択肢のそれぞれの１つ以上のコストのうちの少なくとも一方の機能を解決する複数の治療の選択肢のうちの１つを特定することとを含む。
所定の実施形態において、本方法は、複数の治療の選択肢のそれぞれについて、幾何学的形状変更技術、空間領域構成結合法及び弾性変形変更技術のうちの少なくとも１つを使用して３次元モデルを変更することを含む。本方法は、さらに、複数の治療の選択肢のそれぞれについて、挿入されたステントまたはバイパス移植のシミュレート位置に基づいて３次元モデルを変更することを含む。本方法は、さらに、血流特性の所定の閾値レベルを呈する位置における複数の治療の選択肢のそれぞれのサブセットについて３次元モデルを変更することを含む。
本方法は、さらに、３次元モデルに基づいて患者の心臓または血管系の血流特性に関連する低次モデルを作成することと、可能な治療の選択肢のそれぞれの種類及び位置に関連するように推定された抵抗値を使用して、可能な治療の選択肢のそれぞれについて低次モデルを変更することとを含む。本方法は、さらに、以前に行われた治療の選択肢の公知の寸法または幾何学的形状に関連する公知の抵抗値の履歴データから可能な治療の選択肢に関連する抵抗値を判定することを含む。
患者の冠状血管系における血流を最大化するまたは圧力変化を最小にするように目的関数が構成されている。目的関数は、ステントまたはバイパス移植数を増加させること、より小さな血管とは対照的により大きな血管におけるＦＦＲ値を減少させること、挿入されたステントの近接性を増加させること、治療コスト、及び、分岐の存在または数のうちの１つ以上を不利にするように構成されている。患者の心臓の少なくとも一部を表す３次元モデルは、大動脈の少なくとも一部及び大動脈の一部から出ている複数の冠状動脈の少なくとも一部を含む。血流特性は、大動脈における圧力と複数の冠状動脈内の位置における圧力との比を示し、コンピュータシステムは、複数の冠状動脈内の複数の位置における血流特性を判定するように構成されている。
患者固有のデータは、コンピュータ断層撮影法または磁気共鳴撮像技術によって提供される撮像データを含む。低次モデルは、３次元モデルの境界を通る血流を表す少なくとも１つの集中定数モデルを含む。本方法は、さらに、充血レベル、運動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使用して血流特性を判定することを含む。
上述した一般的説明及び以下の詳細な説明は、例示及び説明のみにすぎず、本開示を限定するものではない。
さらなる実施形態及び利点は、以下の詳細な説明において部分的に記載され、一部は詳細な説明から明らかとなり、または、本開示の実施によって把握されることができる。実施形態及び利点は、特に以下に指摘される要素及び組み合わせによって実現されて達成される。
本願明細書は、例えば、以下の項目も提供する。
（項目１）
患者についての心臓血管治療の選択肢を評価するシステムにおいて、
前記患者の心臓または血管系の幾何学的形状に関する患者固有のデータに基づいて、前記患者の心臓または血管系の少なくとも一部を表す３次元モデルを作成し、
前記患者の心臓の少なくとも一部の治療における複数の治療の選択肢のそれぞれについて、前記３次元モデルに基づいて前記３次元モデル及び低次モデルのうちの少なくとも一方を変更し、
前記変更された３次元モデル及び前記変更された低次モデルのうちの少なくとも１つを解くことにより、前記複数の治療の選択肢のそれぞれについて、血流特性の値を判定し、
前記判定された患者の心臓または血管系の血流特性及び前記複数の治療の選択肢のそれぞれの１つ以上のコストのうちの少なくとも一方の機能を解決する前記複数の治療の選択肢のうちの１つ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、前記システム。
（項目２）
前記コンピュータシステムが、前記複数の治療の選択肢のそれぞれについて、幾何学的形状変更技術を使用して前記３次元モデルを変更するように構成されている、項目１に記載の前記システム。
（項目３）
前記コンピュータシステムが、前記複数の治療の選択肢のそれぞれについて、空間領域構成結合法を使用して前記３次元モデルを変更するように構成されている、項目１に記載の前記システム。
（項目４）
前記コンピュータシステムが、前記複数の治療の選択肢のそれぞれについて、弾性変形変更技術を使用して前記３次元モデルを変更するように構成されている、項目１に記載の前記システム。
（項目５）
前記コンピュータシステムが、前記複数の治療の選択肢のそれぞれについて、挿入されたステントまたはバイパス移植のシミュレート位置に基づいて前記３次元モデルを変更するように構成されている、項目１に記載の前記システム。
（項目６）
前記コンピュータシステムが、血流特性の所定の閾値レベルを呈する位置における前記複数の治療の選択肢のそれぞれのサブセットについて前記３次元モデルを変更するように構成されている、項目１に記載の前記システム。
（項目７）
前記コンピュータシステムが、
前記３次元モデルに基づいて前記患者の心臓または血管系の血流特性に関連する前記低次モデルを作成し、
可能な治療の選択肢のそれぞれの種類及び位置に関連するように推定された抵抗値を使用して、前記可能な治療の選択肢のそれぞれについて前記低次モデルを変更するように構成されている、項目１に記載の前記システム。
（項目８）
前記コンピュータシステムが、以前に行われた治療の選択肢の公知の寸法または幾何学的形状に関連する公知の抵抗値の履歴データから可能な治療の選択肢に関連する抵抗値を判定するように構成されている、項目１に記載の前記システム。
（項目９）
患者の冠状血管系における血流を最大化するまたは圧力変化を最小にするように目的関数が構成されている、項目１に記載の前記システム。
（項目１０）
前記目的関数が、ステントまたはバイパス移植数を増加させること、より小さな血管とは対照的により大きな血管におけるＦＦＲ値を減少させること、挿入されたステントの近接性を増加させること、治療コスト、及び、分岐の存在または数のうちの１つ以上を不利にするように構成されている、項目１に記載の前記システム。
（項目１１）
前記患者の心臓または血管系の少なくとも一部を表す前記３次元モデルが、大動脈の少なくとも一部及び前記大動脈の一部から出ている複数の冠状動脈の少なくとも一部を含む、項目１に記載の前記システム。
（項目１２）
前記血流特性が、大動脈における圧力と複数の冠状動脈内の位置における圧力との比を示し、
前記少なくとも１つのコンピュータシステムが、複数の冠状動脈内の複数の位置における前記血流特性を判定するように構成されている、項目１に記載の前記システム。
（項目１３）
前記患者固有のデータが、コンピュータ断層撮影法または磁気共鳴撮像技術によって提供される撮像データを含む、項目１に記載の前記システム。
（項目１４）
前記低次モデルが、前記３次元モデルの境界を通る血流を表す少なくとも１つの集中定数モデルを含む、項目１に記載の前記システム。
（項目１５）
前記少なくとも１つのコンピュータシステムが、充血レベル、運動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使用して前記血流特性を判定するように構成されている、項目１に記載の前記システム。
（項目１６）
患者についての心臓血管治療の選択肢を評価する方法において、
前記患者の心臓または血管系の幾何学的形状に関する患者固有のデータに基づいて、前記患者の心臓または血管系の少なくとも一部を表す３次元モデルを作成することと、
前記患者の心臓または血管系の少なくとも一部の治療における複数の治療の選択肢のそれぞれについて、前記３次元モデルに基づいて前記３次元モデル及び低次モデルのうちの少なくとも一方を変更することと、
前記変更された３次元モデル及び前記変更された低次モデルのうちの少なくとも１つを解くことにより、前記複数の治療の選択肢のそれぞれについて、血流特性の値を判定することと、
前記判定された患者の心臓または血管系の血流特性及び前記複数の治療の選択肢のそれぞれの１つ以上のコストのうちの少なくとも一方の機能を解決する前記複数の治療の選択肢のうちの１つを特定することとを備える、前記方法。
（項目１７）
さらに、前記複数の治療の選択肢のそれぞれについて、幾何学的形状変更技術、空間領域構成結合法及び弾性変形変更技術のうちの少なくとも１つを使用して前記３次元モデルを変更することを備える、項目１６に記載の前記方法。
（項目１８）
さらに、前記複数の治療の選択肢のそれぞれについて、挿入されたステントまたはバイパス移植のシミュレート位置に基づいて前記３次元モデルを変更することを備える、項目１６に記載の前記方法。
（項目１９）
さらに、血流特性の所定の閾値レベルを呈する位置における前記複数の治療の選択肢のそれぞれのサブセットについて前記３次元モデルを変更することを備える、項目１６に記載の前記方法。
（項目２０）
さらに、
前記３次元モデルに基づいて前記患者の心臓または血管系の血流特性に関連する前記低次モデルを作成することと、
可能な治療の選択肢のそれぞれの種類及び位置に関連するように推定された抵抗値を使用して、前記可能な治療の選択肢のそれぞれについて前記低次モデルを変更することとを備える、項目１６に記載の前記方法。
（項目２１）
さらに、以前に行われた治療の選択肢の公知の寸法または幾何学的形状に関連する公知の抵抗値の履歴データから可能な治療の選択肢に関連する抵抗値を判定することを備える、項目１６に記載の前記方法。
（項目２２）
患者の冠状血管系における血流を最大化するまたは圧力変化を最小にするように目的関数が構成されている、項目１６に記載の前記方法。
（項目２３）
前記目的関数が、ステントまたはバイパス移植数を増加させること、より小さな血管とは対照的により大きな血管におけるＦＦＲ値を減少させること、挿入されたステントの近接性を増加させること、治療コスト、及び、分岐の存在または数のうちの１つ以上を不利にするように構成されている、項目１６に記載の前記方法。
（項目２４）
前記患者の心臓の少なくとも一部を表す前記３次元モデルが、大動脈の少なくとも一部及び前記大動脈の一部から出ている複数の冠状動脈の少なくとも一部を含む、項目１６に記載の前記方法。
（項目２５）
前記血流特性が、大動脈における圧力と複数の冠状動脈内の位置における圧力との比を示し、
前記少なくとも１つのコンピュータシステムが、複数の冠状動脈内の複数の位置における前記血流特性を判定するように構成されている、項目１６に記載の前記方法。
（項目２６）
前記患者固有のデータが、コンピュータ断層撮影法または磁気共鳴撮像技術によって提供される撮像データを含む、項目１６に記載の前記方法。
（項目２７）
前記低次モデルが、前記３次元モデルの境界を通る血流を表す少なくとも１つの集中定数モデルを含む、項目１６に記載の前記方法。
（項目２８）
さらに、充血レベル、運動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使用して前記血流特性を判定することを備える、項目１６に記載の前記方法。
本願明細書に組み込まれて本願明細書の一部を構成する添付図面は、いくつかの実施形態を例示しており、本願明細書とともに本開示の原理を説明するのに役立つ。
図１は、例示的な実施形態にかかる特定の患者における冠状動脈血流に関する様々な情報を提供するシステムの概略図である。 例示的な実施形態にかかる特定の患者における血流に関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。 図３は、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。 図４は、例示的な実施形態にかかる患者から非侵襲的に得られた撮像データを示している。 図５は、図４の撮像データを使用して生成された例示的な３次元モデルを示している。 図６は、第１の初期モデルを形成するためのシードを含む図４の撮像データのスライスの一部を示している。 図７は、図６のシードを拡張することによって形成された第１の初期モデルの一部を示している。 図８は、例示的な実施形態にかかるトリミングされたソリッドモデルを示している。 図９は、患者が静止しているときの例示的な計算されたＦＦＲ（ｃＦＦＲ）モデルを示している。 図１０は、患者が最大充血下にあるときの例示的なｃＦＦＲモデルを示している。 図１１は、患者が最大運動下にあるときの例示的なｃＦＦＲモデルを示している。 図１２は、例示的な実施形態にかかる集中定数モデルを形成するために設けられたトリミングされたソリッドモデルの一部を示している。 図１３は、集中定数モデルを形成するために設けられた図１２のトリミングされたソリッドモデルについての中心線の一部を示している。 図１４は、集中定数モデルを形成するために設けられた図１２のトリミングされ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している。 図１５は、集中定数モデルを形成するために設けられた抵抗器によって置き換えられた図１４のセグメントを示している。 図１６は、例示的な実施形態にかかるソリッドモデルの流入及び流出境界における上流側及び下流側構造を表す例示的な集中定数モデルを示している。 図１７は、図８のソリッドモデルに基づいて作成された３次元メッシュを示している。 図１８及び図１９は、図１７の３次元メッシュの一部を示している。 図１８及び図１９は、図１７の３次元メッシュの一部を示している。 図２０は、個々の参照ラベルによって特定されるモデル上の特定点での血流情報を含む患者の解剖学的構造のモデルを示している。 図２１は、大動脈において且つ図２０において特定された点のいくつかにおいて経時的なシミュレートされた血圧のグラフである。 図２２は、図２０において特定された点のそれぞれにおける経時的なシミュレートされた血流量のグラフである。 図２３は、例示的な実施形態にかかる最終レポートである。 図２４は、例示的な実施形態にかかる特定の患者における冠状動脈血流に関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。 図２５は、例示的な実施形態にかかる左前下行（ＬＡＤ）動脈の一部及びＬＣＸ動脈の一部を広げることによって作成されたソリッドモデルに基づいて判定された、変更されたｃＦＦＲモデルを示している。 図２６は、例示的な実施形態にかかるＬＡＤ動脈の一部及び左回旋（ＬＣＸ）動脈の一部を広げた後の変更されたシミュレートされた血流モデルの一例を示している。 図２７は、例示的な実施形態にかかる低次モデルを使用して様々な治療の選択肢をシミュレートする方法のフローチャートである。 図２８は、他の例示的な実施形態にかかる低次モデルを使用して様々な治療の選択肢をシミュレートする方法のフローチャートである。 図２９は、患者固有の幾何学的形状モデルを変更することによって最適な治療の選択肢を判定する方法のフローチャートである。 図３０は、患者固有の幾何学的形状モデルを変更する幾何学的領域変更技術の方法の例示的な実施形態を示している。 図３１Ａは、患者固有の幾何学的形状モデルを変更する幾何学的領域変更技術の例示的な方法のステップ図を示している。 図３１Ｂは、患者固有の幾何学的形状モデルを変更する幾何学的領域変更技術の例示的な方法の他のステップ図を示している。 図３２は、例示的な提案されたステントの幾何学的形状の三角形メッシュのグラフィカル表現を示している。 図３３Ａは、血管の可視狭窄として現れる狭窄部を有する例示的な元の患者の幾何学的形状の三角形メッシュのグラフィカル表現を示している。 図３３Ｂは、図３３Ａに示される例示的な元の患者の幾何学的形状のメッシュと図３２に示される例示的なステントメッシュの幾何学的形状との間の結合から得られた三角形メッシュのグラフィカル表現を示している。 図３４は、患者固有の幾何学的形状モデルを変更する弾性変形技術を実行する例示的な方法を示している。
例示的な実施形態が詳細に参照され、その例は添付図面に示されている。可能な限り、同一または同様の部分を指すために図面全体を通して同じ参照符号が使用される。この詳細な説明は、以下の概要にしたがって編成されている。
Ｉ．概要
ＩＩ．患者固有の解剖学的データの取得及び前処理
ＩＩＩ．得られた解剖学的データに基づく３次元モデルの作成
ＩＶ．解析のためのモデル準備及び境界条件の決定
Ａ．解析のためのモデル準備
Ｂ．境界条件の決定
ｉ．低次モデルの決定
ｉｉ．例示的な集中定数モデル
Ｃ．３次元メッシュの作成
Ｖ．コンピュータ解析の実行及び結果出力
Ａ．コンピュータ解析の実行
Ｂ．血圧、流れ及びｃＦＦＲの表示結果
Ｃ．検証結果
Ｄ．冠状血流情報を提供するシステム及び方法の他の実施形態
ＶＩ．患者固有の治療計画の提供
Ａ．異なる治療の選択肢の比較に対する低次モデルの使用
Ｂ．治療の選択肢を最適化するための患者固有の幾何学的形状モデルの変更
Ｉ．概要
例示的な実施形態において、方法及びシステムは、患者から非侵襲的に取得された情報を使用して特定の患者における血流に関する様々な情報を判定する。判定された情報は、患者の冠状血管系における血流に関連することができる。あるいは、さらに詳細に後述するように、判定された情報は、例えば、頸動脈、末梢、腹部、腎臓及び脳血管系などの患者の血管系の他の領域の血流に関連することができる。冠状動脈血管系は、大動脈から細動脈、毛細血管、細静脈、静脈などに及ぶ血管の複雑なネットワークを含む。冠状血管系は、心臓へと及び心臓内で血液を循環し、複数の主冠状動脈４（図５）（例えば、左前下行（ＬＡＤ）動脈、左回旋（ＬＣＸ）動脈、右冠状動脈（ＲＣＡ）動脈など）に対して血液を供給する大動脈２（図５）を含み、これは、大動脈２及び主冠状動脈４から下流側の動脈または他の種類の血管の枝にさらに分割することができる。それゆえに、例示的な方法及びシステムは、大動脈、主冠状動脈及び／または他の冠状動脈または主冠状動脈の下流側の血管内の血流に関する様々な情報を判定することができる。大動脈及び冠状動脈（並びにそれから伸びる枝）が以下に説明されるが、開示された方法及びシステムはまた、他の種類の血管にも適用することができる。
例示的な実施形態において、開示された方法及びシステムによって判定される情報は、これらに限定されるものではないが、大動脈、主冠状動脈及び／または他の冠状動脈または主冠状動脈から下流側の血管における様々な位置における血流速度、圧力（またはその比）、流量及びＦＦＲなどの様々な血流特性またはパラメータを含むことができる。この情報は、病変が機能的に重大であるかどうか及び／または病変を処置するかどうかを判定するために使用可能である。この情報は、患者から非侵襲的に取得される情報を使用して判定されることができる。その結果、病変を処置するかどうかの決定は、侵襲的処置に関連するコスト及びリスクなしに行うことができる。
図１は、例示的な実施形態にかかる特定の患者における冠状動脈血流に関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。より詳細に後述するように、患者の解剖学的構造の３次元モデル１０は、患者から非侵襲的に取得されたデータを使用して作成することができる。他の患者固有の情報もまた、非侵襲的に取得されることができる。例示的な実施形態において、３次元モデル１０によって表される患者の解剖学的構造の一部は、大動脈の少なくとも一部及び大動脈に接続された主冠状動脈の近位部分（及びそこから伸びるまたは出ている枝）を含むことができる。
より詳細に後述するように、冠状動脈の血流に関する様々な生理学的法則または関係２０は、例えば実験データから推定可能である。より詳細に後述するように、３次元解剖学的モデル１０及び推定された生理学的法則２０を使用すると、冠状動脈の血流に関する複数の式３０が判定可能である。例えば、式３０は、例えば、有限差分、有限体積、スペクトル、格子ボルツマン、粒子ベース、レベル集合、有限要素法などの任意の数値的方法を使用して判定して解くことができる。式３０は、モデル１０によって表される解剖学的構造内の様々な位置における患者の解剖学的構造における冠状動脈の血流に関する情報（例えば、圧力、速度、ＦＦＲなど）を判定するために解くことができる。
式３０は、コンピュータ４０を使用して解くことができる。解かれた式に基づいて、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構造内の血流に関する情報を示す１つ以上の画像またはシミュレーションを出力することができる。例えば、以下にさらに詳細に説明するように、画像（複数可）は、シミュレートされた血圧モデル５０、シミュレートされた血流または速度モデル５２、計算されたＦＦＲ（ｃＦＦＲ）モデル５４などを含むことができる。シミュレートされた血圧モデル５０、シミュレートされた血流モデル５２及び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構造における３次元に沿った様々な位置における各圧力、速度及びｃＦＦＲに関する情報を提供する。ｃＦＦＲは、例えば従来はアデノシンの静脈内投与によって誘発される増加した冠状動脈の血流の状態下で、大動脈内の血圧によって分割されたモデル１０内の特定の位置、例えばモデル１０の流入境界における血圧の比として計算されることができる。
例示的な実施形態において、コンピュータ４０は、プロセッサによって実行された場合に、コンピュータシステムなどが患者における血流に関する様々な情報を提供するために本願明細書に記載されたいずれかの動作を実行することができる命令を記憶する１つ以上の持続性コンピュータ読み取り可能な記憶装置を含むことができる。コンピュータ４０は、デスクトップ若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、パーソナルディジタルアシスタントまたは他のコンピュータシステムを含むことができる。コンピュータ４０は、プロセッサと、読み出し専用メモリ（ＲＯＭ）と、ランダムアクセスメモリ（ＲＡＭ）と、周辺機器（例えば、入力装置、出力装置、記憶装置など）を接続するための入力／出力（Ｉ／Ｏ）アダプタと、キーボード、マウス、タッチスクリーン、音声入力及び／または他の装置などの入力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と、ネットワークにコンピュータ４０を接続するための通信アダプタと、ディスプレイにコンピュータ４０を接続するためのディスプレイアダプタなどを含むことができる。例えば、ディスプレイは、３次元モデル１０、及び／または、シミュレートされた血圧モデル５０、シミュレートされた血流モデル５２及び／またはｃＦＦＲモデル５４などの式３０を解くことによって生成された任意の画像を表示するために使用可能である。
図２は、他の例示的な実施形態にかかる特定の患者における血流に関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、患者の解剖学的構造に関する情報などの患者固有の解剖学的データ（例えば、大動脈の少なくとも一部及び大動脈に接続された主冠状動脈の近位部分（及びそこから伸びる枝））を得ることと、そのデータに前処理を行うこととを含むことができる（ステップ１００）。患者固有の解剖学的データは、後述するように、例えばＣＣＴＡによって非侵襲的に取得されることができる。
患者の解剖学的構造の３次元モデルは、取得された解剖学的データに基づいて作成されることができる（ステップ２００）。例えば、３次元モデルは、図１に関連して上述した患者の解剖学的構造の３次元モデル１０とすることができる。
３次元モデルが解析のために準備されることができ、境界条件が判定されることができる（ステップ３００）。例えば、図１に関連して上述した患者の解剖学的構造の３次元モデル１０は、体積メッシュ、例えば有限要素や有限体積メッシュにトリミングされて離散化されることができる。体積メッシュは、図１に関連して上述した式３０を生成するために使用可能である。
境界条件はまた、図１に関連して上述した式３０に割り当てられて組み込まれることができる。境界条件は、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３次元モデル１０に関する情報を提供する。流入境界３２２は、大動脈基部に近い大動脈の端部（例えば、図１６に示される端部Ａ）など、流れが３次元モデルの解剖学的構造に向いた境界を含むことができる。各流入境界３２２は、例えば、境界に心臓モデル及び／または集中定数モデルなどを結合することにより、速度、流量、圧力または他の特性についての所定の値または領域を割り当てられることができる。流出境界３２４は、大動脈弓に近い大動脈の端部（例えば、図１６に示される端部Ｂ）及び主冠状動脈及びそこから伸びる枝の下流端部（例えば、図１６に示される端部ａ～ｍ）など、流れが３次元モデルの解剖学的構造から外側に向いた境界を含むことができる。各流出境界は、以下に詳細に説明するように、例えば、集中定数モデルまたは分布（例えば、１次元波動伝搬）モデルを結合することによって割り当てられることができる。流入及び／または流出境界条件についての所定値は、これらに限定されるものではないが、心拍出量（心臓からの血流量）、血圧、心筋質量などの患者の生理学的特性を非侵襲的に測定することによって判定されることができる。血管壁境界は、大動脈、主冠状動脈及び／または３次元モデル１０の他の冠状動脈若しくは血管の物理的な境界を含むことができる。
コンピュータ解析は、患者についての血流情報を判定するために準備された３次元モデル及び判定された境界条件を使用して行うことができる（ステップ４００）。例えば、コンピュータ解析は、シミュレートされた血圧モデル５０、シミュレートされた血流モデル５２及び／またはｃＦＦＲモデル５４などの図１に関連して上述した画像を生成するために式３０を用いて且つ図１に関連して上述したコンピュータ４０を使用して行うことができる。
本方法はまた、結果を使用して患者固有の処置法の選択肢を提供することを含むことができる（ステップ５００）。例えば、ステップ２００において作成された３次元モデル１０及び／またはステップ３００において割り当てられた境界条件は、例えば、３次元モデル１０において表される冠状動脈のいずれかに冠状ステントを配置することまたは他の処置法の選択肢など、１つ以上の処置法をモデリングするように調整されることができる。そして、コンピュータ解析は、血圧モデル５０、血流モデル５２及び／またはｃＦＦＲモデル５４の更新されたバージョンなどの新たな画像を生成するために、ステップ４００において上述したように行うことができる。これらの新たな画像は、処置法の選択肢（複数可）が採用された場合に血流速度及び圧力の変化を判定するために使用可能である。
本願明細書に開示されるシステム及び方法は、冠状動脈の血流を定量化し且つ冠状動脈疾患の機能的重大性を評価するために非侵襲的手段を提供するために医師によってアクセスされるソフトウェアツールに組み込まれることができる。さらに、医師は、冠状動脈の血流についての医療、介入及び／または外科的処置の効果を予測するためにソフトウェアツールを使用することができる。ソフトウェアツールは、首の動脈（例えば、頸動脈）、頭部の動脈（例えば、脳動脈）、胸部の動脈、腹部の動脈（例えば、腹部大動脈及びその枝）、腕の動脈または脚の動脈（例えば、大腿及び膝窩動脈）を含む心臓血管系の他の部分の疾患を予防、診断、管理及び／または処置することができる。ソフトウェアツールは、医師が患者についての最適なパーソナライズされた治療法を開発するのを可能とするように対話型とすることができる。
例えば、ソフトウェアツールは、医師または他のユーザによって使用されるコンピュータシステム、例えば図１に示されるコンピュータ４０に少なくとも部分的に組み込まれることができる。コンピュータシステムは、患者から非侵襲的に取得されたデータ（例えば、３次元モデル１０を作成するために使用されるデータ、境界条件を適用するかまたはコンピュータ解析を行うために使用されるデータなど）を受信することができる。例えば、データは、医師によって入力されてもよく、または、放射線または他の医学研究所などのそのようなデータにアクセスして提供することが可能な他のソースから受信されてもよい。データは、ネットワーク若しくはデータを通信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されてもよい。ソフトウェアツールは、３次元モデル１０または他のモデル／メッシュ及び／または任意のシミュレーション、または、シミュレートされた血圧モデル５０、シミュレートされた血流モデル５２及び／またはｃＦＦＲモデル５４などの図１に関連して上述した式３０を解くことによって判定される他の結果を生成して表示するためにデータを使用可能である。それゆえに、ソフトウェアツールは、ステップ１００～５００を実行することができる。ステップ５００において、医師は、可能な処置法の選択肢を選択するためにコンピュータシステムにさらに入力を提供することができ、コンピュータシステムは、選択された可能な処置法の選択肢に基づいて新たなシミュレーションを医師に表示することができる。さらに、図２に示されるステップ１００～５００のそれぞれは、独立したソフトウェアパッケージまたはモジュールを使用して行うことができる。
あるいは、ソフトウェアツールは、例えば、医師とは別のエンティティによって提供されるサービスなど、ウェブベースのサービスまたは他のサービスの一部として提供されてもよい。サービスプロバイダは、例えば、ウェブベースのサービスを動作させることができ、ネットワークを介してまたはコンピュータシステム間でデータを通信する他の方法を介して医師または他のユーザにとってアクセス可能なウェブポータルまたは（例えば、サービスプロバイダによって動作され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）他のウェブベースのアプリケーションを提供することができる。例えば、患者から非侵襲的に取得されたデータは、サービスプロバイダに提供されることができ、サービスプロバイダは、３次元モデル１０または他のモデル／メッシュ及び／またはシミュレーション、または、シミュレートされた血圧モデル５０、シミュレートされた血流モデル５２及び／またはｃＦＦＲモデル５４などの図１に関連して上述した式３０を解くことによって判定される他の結果を生成するためにデータを使用することができる。そして、ウェブベースのサービスは、３次元モデル１０及び／またはシミュレーションが医師のコンピュータシステム上で医師に対して表示されることができるように、３次元モデル１０または他のモデル／メッシュ及び／またはシミュレーションに関する情報を送信することができる。それゆえに、ウェブベースのサービスは、ステップ１００～５００及び患者固有の情報を提供するために以下に記載される任意の他のステップを実行することができる。ステップ５００において、医師は、例えば可能な処置法の選択肢を選択するかまたはコンピュータ解析に対する他の調整を行うためにさらに入力を提供することができ、入力は、（例えば、ウェブポータルを介して）サービスプロバイダによって動作されるコンピュータシステムに送信されることができる。ウェブベースのサービスは、選択された可能な処置法の選択肢に基づいて新たなシミュレーションまたは他の結果を生成することができ、新たなシミュレーションが医師に表示されることができるように再度医師に新たなシミュレーションに関する情報を通信することができる。
本願明細書に記載されたステップのうちの１つ以上は、１人以上の人間のオペレータ（例えば、心臓専門医若しくは他の医師、患者、第三者によって提供されるウェブベースのサービス若しくは他のサービスを提供するサービスプロバイダの従業員、他のユーザなど）、または、デスクトップ若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、パーソナルディジタルアシスタントなどのそのような人間のオペレータ（複数可）によって使用される１つ以上のコンピュータシステムによって実行されることができる。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通信する他の方法を介して接続されることができる。
図３は、特定の患者の血流に関する様々な情報を提供するための例示的な方法のさらなる態様を示している。図３に示される態様は、コンピュータシステムに少なくとも部分的に及び／またはウェブベースのサービスの一部として組み込むことができるソフトウェアツールに組み込むことができる。
ＩＩ．患者固有の解剖学的データの取得及び前処理
図２に示されるステップ１００に関連して上述したように、例示的な方法は、患者の心臓に関する情報などの患者固有の解剖学的データを取得することと、データを前処理することとを含むことができる。例示的な実施形態において、ステップ１００は、以下のステップを含むことができる。
最初に、患者が選択されることができる。例えば、患者は、例えば、患者が胸痛、心臓発作などの冠状動脈疾患に関連する経験した症状である場合など、患者の冠状血流量に関する情報が所望されると医師が判定した場合には、医師によって選択されることができる。
患者固有の解剖学的データは、例えば、患者の大動脈の少なくとも一部、大動脈に接続された主冠状動脈（及びそこから伸びる枝）の近位部及び心筋など、患者の心臓の幾何学的形状に関するデータなどを得ることができる。患者固有の解剖学的データは、例えば非侵襲的撮像方法を使用して非侵襲的に取得されることができる。例えば、ＣＣＴＡは、例えば、心筋、大動脈、冠状動脈及びそれに接続された他の血管などの構造物の画像をユーザが表示及び作成するためにコンピュータ断層撮影（ＣＴ）スキャナを操作することができる撮像方法である。ＣＣＴＡデータは、例えば、心周期にわたる血管形状の変化を示すように時間変化することができる。ＣＣＴＡは、患者の心臓の画像を生成するために使用可能である。例えば、６４スライスのＣＣＴＡデータは、例えば患者の心臓の６４スライスに関し且つ３次元画像に組み立てられるデータを得ることができる。図４は、６４スライスのＣＣＴＡデータによって生成される３次元画像１２０の一例を示している。
あるいは、磁気共鳴イメージング（ＭＲＩ）若しくは超音波（ＵＳ）などの他の非侵襲的撮像方法またはディジタルサブトラクション血管造影（ＤＳＡ）などの侵襲的撮像方法が患者の解剖学的構造の画像を生成するために使用されてもよい。撮像方法は、解剖学的構造の同定を可能とするために造影剤を患者に静脈注入することを含むことができる。（例えば、ＣＣＴＡ、ＭＲＩなどによって提供された）得られた画像データは、放射線研究室や心臓専門医などのサードパーティベンダー、患者の医師などによって提供されてもよい。
他の患者固有の解剖学的データはまた、患者から非侵襲的に判定されることができる。例えば、患者の血圧、基本心拍数、身長、体重、ヘマトクリット、ストローク量などの生理学的データを測定することができる。血圧は、最大値（収縮期）及び最小値（拡張期）の圧力などの（例えば、圧力カフを使用した）患者の上腕動脈の血圧とすることができる。
上述したように得られた患者固有の解剖学的データは、セキュア通信回線を介して（例えば、ネットワークを介して）転送されることができる。例えば、データは、例えばステップ４００において上述したコンピュータ解析などのコンピュータ解析を行うためにサーバまたは他のコンピュータシステムに転送されることができる。例示的な実施形態において、データは、ウェブベースサービスを提供するサービスプロバイダによって動作されるサーバまたは他のコンピュータシステムに転送されることができる。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転送されることができる。
図３を再度参照すると、転送されたデータは、データが許容可能かどうかを判定するために検査されることができる（ステップ１０２）。判定は、ユーザによって及び／またはコンピュータシステムによって実行することができる。例えば、転送されたデータ（例えば、ＣＣＴＡデータ及び他のデータ）は、例えばＣＣＴＡデータが完全であり（例えば、大動脈及び主冠状動脈の十分な部分を含む）且つ正しい患者に対応しているかどうかを判定するために、ユーザによって及び／またはコンピュータシステムによって検証されることができる。
転送されたデータ（例えば、ＣＣＴＡデータ及び他のデータ）はまた、前処理及び評価されることができる。前処理及び／または評価は、ユーザによって及び／またはコンピュータシステムによって実行されることができ、例えば、ＣＣＴＡデータの位置ずれ、不一致またはぼけの検査、ＣＣＴＡデータに示されるステントの検査、血管の内腔の可視性を阻害することがある他のアーティファクトの検査、構造（例えば、大動脈、主冠状動脈及び他の血管）と患者の他の部分との間の十分なコントラストの検査などを含むことができる。
転送されたデータは、上述した検証、前処理及び／または評価に基づいてデータが許容可能であるかどうかを判定するために評価されることができる。上述した検証、前処理及び／または評価中に、ユーザ及び／またはコンピュータシステムは、データの特定のエラーまたは問題を修正することができる。しかしながら、あまりに多くのエラーまたは問題がある場合、データは、許容できないと判定されることができ、ユーザ及び／またはコンピュータシステムは、転送されたデータの拒絶を必要とするエラーや問題を説明する拒絶レポートを生成することができる。必要に応じて、新たなＣＣＴＡスキャンが実行されてもよく及び／または上述した生理学的データが再度患者から測定されてもよい。転送されたデータが許容可能であると判定された場合、本方法は、後述するステップ２０２に進むことができる。
したがって、図３に示されて上述したステップ１０２は、図２のステップ１００のサブステップと考えることができる。
ＩＩＩ．得られた解剖学的データに基づく３次元モデルの作成
図２におけるステップ２００と関連して上述したように、例示的な方法は、取得した解剖学的データに基づいて３次元モデルを作成することを含むことができる。例示的な実施形態において、ステップ２００は、以下のステップを含むことができる。
ＣＣＴＡデータを使用して、冠状血管の３次元モデルを生成することができる。図５は、ＣＣＴＡデータを使用して生成された３次元モデル２２０の表面の一例を示している。例えば、モデル２２０は、例えば、大動脈の少なくとも一部、大動脈の一部に接続された１つ以上の主冠状動脈の少なくとも近位部分、主冠状動脈に接続された１つ以上の枝の少なくとも近位部分などを含むことができる。大動脈、主冠状動脈及び／または枝のモデリングされた部分は、どの部分もモデル２２０の残りから切断されないように、相互接続されてツリー状にされることができる。モデル２２０を形成するプロセスは、セグメンテーションと称される。
図３を再度参照すると、コンピュータシステムは、大動脈の少なくとも一部（ステップ２０２）及び心筋（または他の心臓組織またはモデリング対象の動脈に接続された他の組織）（ステップ２０４）を自動的にセグメンテーションすることができる。コンピュータシステムはまた、大動脈に接続された主冠状動脈の少なくとも一部をセグメンテーションすることができる。例示的な実施形態において、コンピュータシステムは、主冠状動脈をセグメンテーションするために１つ以上の冠状動脈基部または始点をユーザが選択するのを可能とすることができる（ステップ２０６）。
セグメンテーションは、様々な方法を用いて行うことができる。セグメンテーションは、ユーザ入力に基づいてまたはユーザ入力なしでコンピュータシステムによって自動的に行うことができる。例えば、例示的な実施形態において、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することができる。例えば、コンピュータシステムは、ＣＣＴＡデータから生成された３次元画像１２０（図４）またはそのスライスをユーザに表示することができる。３次元画像１２０は、明るさの強度を変化させる部分を含むことができる。例えば、明るい領域は、大動脈、主冠状動脈及び／または枝の管腔を示すことができる。暗い領域は、患者の心臓の心筋及び他の組織を示すことができる。
図６は、ユーザに表示することができる３次元画像１２０のスライス２２２の一部を示しており、スライス２２２は、相対的な明るさの領域２２４を含むことができる。コンピュータシステムは、１つ以上のシード２２６を追加することによってユーザが相対的な明るさの領域２２４を選択するのを可能とし、シード２２６は、主冠状動脈をセグメンテーションするための冠状動脈基部または始点として機能することができる。ユーザの命令において、コンピュータシステムは、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を使用することができる。ユーザは、大動脈及び／または個々の主冠状動脈のうちの１つ以上にシード２２６を追加することができる。必要に応じて、ユーザはまた、主冠状動脈に接続された枝の１つ以上にシード２２６を追加することができる。あるいは、コンピュータシステムは、例えば、抽出された中心線情報を使用して自動的にシードを配置することができる。コンピュータシステムは、シード２２６が配置された画像１２０の強度値を判定することができ、同一の強度値を有する画像１２０の部分に沿って（または選択された強度値を中心とする強度値の範囲内または閾値内で）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することができる。それゆえに、このセグメンテーションの方法は、「閾値ベースのセグメンテーション」と称されることができる。
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た第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、第１の初期モデルを形成し始めるためにコンピュータシステムについての始点としてシード２２６を入力する。このプロセスは、関心のある全体部分、例えば大動脈及び／または主冠状動脈の一部がセグメンテーションされるまで繰り返されることができる。あるいは、第１の初期モデルは、ユーザ入力なしで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、セグメンテーションは、「エッジベースのセグメンテーション」と称される方法を使用して行うことができる。例示的な実施形態においては、以下に説明するように、モデル２２０を形成するために閾値ベース及びエッジベースのセグメンテーション方法の双方が実行されてもよい。
第２の初期モデルは、エッジベースのセグメンテーション方法を使用して形成されることができる。この方法では、大動脈及び／または主冠状動脈の管腔エッジが配置されることができる。例えば、例示的な実施形態において、ユーザは、例えば第２の初期モデルを生成するために上述したようにシード２２６などの入力をコンピュータシステムに提供することができる。コンピュータシステムは、エッジに到達するまで画像１２０の部分に沿ってシード２２６を拡張することができる。管腔エッジは、例えば、ユーザによって視覚的に及び／またはコンピュータシステムによって（例えば、設定閾値超の強度値の変化が存在する位置に）配置されることができる。エッジベースのセグメンテーション方法は、コンピュータシステム及び／またはユーザによって実行されることができる。
心筋または他の組織はまた、ステップ２０４においてＣＣＴＡデータに基づいてセグメンテーションされることができる。例えば、ＣＣＴＡデータは、心筋、例えば、左及び／または右心室の内及び外表面の位置を判定するために解析されることができる。表面の位置は、ＣＣＴＡデータにおける心臓の他の構造と比較した心筋のコントラスト（例えば、相対的な暗さ及び明るさ）に基づいて判定されることができる。それゆえに、心筋の幾何学的形状が判定されることができる。
大動脈、心筋及び／または主冠状動脈のセグメンテーションは、必要に応じて検査及び／または修正されることができる（ステップ２０８）。検査及び／または修正は、コンピュータシステム及び／またはユーザによって実行されることができる。例えば、例示的な実施形態において、コンピュータシステムは、セグメンテーションを自動的に検査することができ、例えば、モデル２２０における大動脈、心筋及び／または主冠状動脈の任意の部分が欠落しているかまたは不正確である場合など、任意のエラーがある場合には、ユーザは、セグメンテーションを手動で修正することができる。
例えば、上述した第１及び第２の初期モデルは、大動脈及び／または主冠状動脈のセグメンテーションが正確であることを保証するために比較されることができる。第１及び第２の初期モデル間の相違のいずれかの領域は、セグメンテーションを修正してモデル２２０を形成するために比較されることができる。例えば、モデル２２０は、第１及び第２の初期モデルの平均とすることができる。あるいは、上述のセグメンテーション方法のいずれか一方のみを行ってもよく、その方法によって形成された初期モデルは、モデル２２０として使用されることができる。
心筋の質量が計算されることができる（ステップ２４０）。計算は、コンピュータシステムによって行うことができる。例えば、心筋の容量は、上述したように判定された心筋の表面の位置に基づいて計算されることができ、計算された心筋の容量は、心筋の質量を計算するために心筋の密度によって乗算されることができる。心筋の密度は、予め設定されてもよい。
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）の中心線が判定されることができる（ステップ２４２）。例示的な実施形態において、判定は、コンピュータシステムによって自動的に実行されることができる。
ステップ２４２において判定された中心線は、必要に応じて検査及び／または修正されることができる（ステップ２４４）。検査及び／または修正は、コンピュータシステム及び／またはユーザによって実行されることができる。例えば、例示的な実施形態において、コンピュータシステムは、中心線を自動的に検査することができ、ユーザは、例えば任意の中心線が欠落しているかまたは不正確である場合など、任意のエラーがある場合には、中心線を手動で修正することができる。
（血管の狭窄を引き起こす）カルシウムまたはプラークが検出されることができる（ステップ２４６）。例示的な実施形態において、コンピュータシステムは、プラークを自動的に検出することができる。例えば、プラークは、３次元画像１２０において検出されることができ、モデル２２０から除去されることができる。プラークは、大動脈、主冠状動脈及び／または枝の管腔よりもさらに明るい領域として現れることから、プラークは、３次元画像１２０において特定されることができる。それゆえに、プラークは、設定値未満の強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されることができるかまたはユーザによって視覚的に検出されることができる。プラークを検出した後、コンピュータシステムは、プラークが血管における管腔や開空間の一部と考えられないように、モデル２２０からプラークを除去することができる。あるいは、コンピュータシステムは、大動脈、主冠状動脈及び／または枝とは異なる色、陰影または他の視覚的指標を使用してモデル２２０上のプラークを示すことができる。
コンピュータシステムはまた、検出したプラークを自動的にセグメンテーションすることができる（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テーションされることができる。ＣＣＴＡデータは、ＣＣＴＡデータにおける心臓の他の構造と比較したプラークのコントラスト（例えば、相対的な暗さ及び明るさ）に基づいてプラーク（またはその表面）を配置するために解析されることができる。それゆえに、プラークの幾何学的形状もまた判定されることができる。
プラークのセグメンテーションは、必要に応じて検査及び／または修正されることができる（ステップ２５０）。検査及び／または修正は、コンピュータシステム及び／またはユーザによって実行されることができる。例えば、例示的な実施形態において、コンピュータシステムは、セグメンテーションを自動的に検査することができ、ユーザは、例えば任意のプラークが欠落しているかまたは不正確である場合など、任意のエラーがある場合には、セグメンテーションを手動で修正することができる。
コンピュータシステムは、主冠状動脈に接続された枝を自動的にセグメンテーションすることができる（ステップ２５２）。例えば、枝は、例えばステップ２０６と関連して図６及び図７に示され且つ上述したように、主冠状動脈をセグメンテーションするのと同様の方法を使用してセグメンテーションされることができる。コンピュータシステムはまた、ステップ２４８及び２５０と関連して上述したのと同様の方法を使用してセグメンテーションされた枝においてプラークを自動的にセグメンテーションすることができる。あるいは、枝（及びそれに含まれる任意のプラーク）は、（例えば、ステップ２０６において）主冠状動脈と同時にセグメンテーションされることができる。
枝のセグメンテーションは、必要に応じて検査及び／または修正されることができる（ステップ２５４）。検査及び／または修正は、コンピュータシステム及び／またはユーザによって実行されることができる。例えば、例示的な実施形態において、コンピュータシステムは、セグメンテーションを自動的に検査することができ、ユーザは、例えばモデル２２０における枝の任意の部分が欠落しているかまたは不正確である場合など、任意のエラーがある場合には、セグメンテーションを手動で修正することができる。
モデル２２０は、任意の位置ずれ、ステントまたは他のアーティファクトが配置される場合（例えば、ステップ１０２におけるＣＣＴＡデータの検査中）には修正されることができる（ステップ２５６）。修正は、ユーザによって及び／またはコンピュータシステムによって実行されることができる。例えば、位置ずれや他のアーティファクト（例えば、管腔の可視性に影響を与える不一致、ぼけ、アーティファクトなど）が配置される場合、モデル２２０は、血管の断面積の人工的なまたは偽の変化（例えば、人工狭窄化）を回避するために検査及び／または修正されることができる。ステントが配置されている場合、モデル２２０は、例えば、ステントのサイズに基づいて、ステントの位置を示すために及び／またはステントが配置された血管の断面積を修正するために検査及び／または修正されることができる。
モデル２２０のセグメンテーションはまた、独立して検査されることができる（ステップ２５８）。検査は、ユーザによって及び／またはコンピュータシステムによって実行されることができる。例えば、ユーザ及び／またはコンピュータシステムは、修正可能なエラー及び／またはモデル２２０が少なくとも部分的に再実行または再セグメンテーションされるのを必要とすることができるエラーなど、モデル２２０によって所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る場合、セグメンテーションは、許容できないと判定されることができ、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つ以上のステップが繰り返されることができる。
モデル２２０のセグメンテーションが許容可能であると独立して検証された場合、必要に応じて、モデル２２０は、出力されて平滑化されることができる（ステップ２６０）。平滑化は、ユーザによって及び／またはコンピュータシステムによって実行されることができる。例えば、隆起部、点または他の不連続部分が平滑化されることができる。モデル２２０は、コンピュータ解析のための準備などがされるように別個のソフトウェアモジュールに出力されることができる。
したがって、図３に示され且つ上述したステップ２０２～２０８及び２４０～２６０は、図２のステップ２００のサブステップとして考えられることができる。
ＩＶ．解析のためのモデル準備及び境界条件の決定
図２に示されるステップ３００に関連して上述したように、例示的な方法は、解析のためにモデルを準備して境界条件を決定することを含むことができる。例示的な実施形態において、ステップ３００は、以下のステップを含むことができる。
Ａ．解析のためのモデル準備
再度図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、主冠状動脈及び／または枝）の断面積がまた判定されることができる（ステップ３０４）。例示的な実施形態において、判定は、コンピュータシステムによって実行されることができる。
モデル２２０（図５）は、トリミングされることができ（ステップ３０６）、ソリッドモデルが生成されることができる。図８は、図５に示されるモデル２２０と同様のモデルに基づいて準備されたトリミングされたソリッドモデル３２０の一例を示している。ソリッドモデル３２０は、３次元の患者固有の幾何学的形状モデルである。例示的な実施形態において、トリミングは、ユーザの入力の有無にかかわらずコンピュータシステムによって実行されることができる。流入境界３２２及び流出境界３２４のそれぞれは、各境界を形成する表面がステップ２４２において判定された中心線に対して垂直になるようにトリミングされることができる。流入境界３２２は、図８に示されるような大動脈の上流側端部など、流れがモデル３２０の解剖学的構造に向けられる境界を含むことができる。流出境界３２４は、大動脈の下流側端部及び主冠状動脈及び／または枝の下流側端部など、流れがモデル３２０の解剖学的構造から外部に向けられる境界を含むことができる。
Ｂ．境界条件の決定
境界条件は、モデル、例えば図８の３次元ソリッドモデル３２０の境界において発生しているものを説明するために提供されることができる。例えば、境界条件は、例えばモデリングされた解剖学的構造の境界において患者のモデリングされた解剖学的構造に関連した少なくとも１つの血流特性に関連することができ、血流特性（複数可）は、血流速度、圧力、流量、ＦＦＲなどを含むことができる。境界条件を適切に決定することにより、コンピュータ解析は、モデル内の様々な位置における情報を判定するように実行されることができる。ここで境界条件及びそのような境界条件を決定するための方法の例を説明する。
例示的な実施形態において、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部分から上流側及び下流側の構造を１次元または２次元の低次モデルに単純化されることができる。境界条件を決定するための例示的な式のセット及び他の詳細は、例えば、双方とも「心臓血管系の患者固有の血行動態（Ｐａｔｉｅｎｔ－Ｓｐｅｃｉｆｉｃ Ｈｅｍｏｄｙｎａｍｉｃｓ ｏｆ ｔｈｅ Ｃａｒｄｉｏｖａｓｃｕｌａｒ Ｓｙｓｔｅｍ）」と題され且つその全体を参照することによって本願明細書に組み込まれる米国特許出願公開第２０１０／０２４１４０４号明細書及び米国仮特許出願第６１／２１０４０１号に開示されている。
心臓を流れる血流は、患者の生理学的状態に応じて異なることがあるため、境界条件は、患者の生理学的状態に応じて変化することがある。例えば、ＦＦＲは、通常、例えばストレスなどに起因して患者が心臓内の血流増加を経験しているときに一般に起こる充血の生理学的条件の下で測定される。ＦＦＲは、最大ストレスの状態下での大動脈圧に対する冠状動脈圧の比である。充血はまた、例えばアデノシンなどによって薬理学的に誘導されることができる。図９～図１１は、患者の生理学的状態に応じて（安静時、最大充血下または最大運動下）、モデル３２０における大動脈圧に対する冠状動脈圧の比の変化を示す計算されたＦＦＲ（ｃＦＦＲ）モデルの例を示している。図９は、患者が静止しているときのモデル３２０全体の大動脈圧に対する冠状動脈圧の比の極小変化を示している。図１０は、患者が最大の充血を受けているときのモデル３２０全体の大動脈圧に対する冠状動脈圧の比の大きな変化を示している。図１１は。患者が最大運動を受けているときのモデル３２０全体の大動脈圧に対する冠状動脈圧の比のさらに大きな変化を示している。
再度図３を参照すると、充血状態の境界条件が決定されることができる（ステップ３１０）。例示的な実施形態において、アデノシンの効果は、１～５倍の係数による冠状動脈抵抗の低下、約０～２０％の大動脈血圧の低下及び約０～２０％の心拍数の増加を使用してモデリングされることができる。例えば、アデノシンの効果は、４倍の係数による冠状動脈抵抗の低下、約１０％の大動脈血圧の低下及び約１０％の心拍数の増加を使用してモデリングされることができる。充血状態の境界条件は、例示的な実施形態において決定されるものの、安静、充血の程度の変化、運動、労作、ストレスまたは他の状態の程度の変化など、他の生理学的状態のためにその境界条件が決定されてもよいことが理解される。
境界条件は、例えば、図８に示されるように、流入境界３２２、流出境界３２４、血管壁境界３２６など、その境界における３次元ソリッドモデル３２０についての情報を提供する。血管壁境界３２６は、モデル３２０の大動脈、主冠状動脈及び／または他の冠状動脈または血管の物理的な境界を含むことができる。
各流入または流出境界３２２、３２４には、速度、流量、圧力または他の血流特性についての所定値または値のフィールドが割り当てられることができる。あるいは、各流入または流出境界３２２、３２４には、境界、集中定数または分布（例えば、１次元波動伝播）モデル、他の種類の１次元または２次元モデルまたは他の種類のモデルに心臓モデルを結合することによって割り当てられることができる。特定の境界条件は、例えば、得られた患者固有の情報、または、ステップ２４０において計算された心拍出量、血圧、心筋の質量などの他の測定パラメータから判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判定されることができる。
ｉ．低次モデルの決定
ソリッドモデル３２０に接続された上流側及び下流側構造は、上流側及び下流側構造を表す低次モデルとして表されることができる。例えば、図１２～図１５は、実施形態にかかる流出境界３２４の一方における３次元の患者固有の解剖学的データからの集中定数モデルの準備の方法を示している。本方法は、図２及び図３に示される方法とは別個に且つその前に行うことができる。
図１２は、主冠状動脈またはそこから伸びる枝のうちの１つのソリッドモデルの３２０の一部３３０を示しており、図１３は、図１２に示される部分３３０のステップ２４２において判定された中心線の一部を示している。
部分３３０は、セグメント３３２に分割されることができる。図１４は、部分３３０から形成され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、ユーザ及び／またはコンピュータシステムによって実行されることができる。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することができる。部分３３０をセグメンテーションするために様々な技術が使用されることができる。例えば、病気の部分、例えば比較的狭い断面を有する部分、病変及び／または狭窄（血管の異常な狭窄）が１つ以上の別個のセグメント３３２において提供されることができる。病気の部分及び狭窄は、例えば、中心線の長さに沿って断面積を測定して局所的な最小断面積を計算することによって特定されることができる。
セグメント３３２は、１つ以上の（線形または非線形）抵抗器３３４及び／または他の回路素子（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されることができる。図１５は、一連の線形及び非線形抵抗器３３４によって置き換えられたセグメント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にわたって推定された流量及び／または圧力に基づいて判定されることができる。
抵抗は、例えば、対応するセグメント３３２を通る推定された流量に応じて、定数、線形または非線形とすることができる。狭窄などのより複雑な幾何学的形状については、抵抗は、流量に応じて変化することができる。様々な幾何学的形状についての抵抗は、コンピュータ解析（例えば、有限差分、有限体積、スペクトル、格子ボルツマン、粒子ベース、レベル集合、アイソジオメトリック若しくは有限要素法または他の計算流体力学（ＣＦＤ）解析技術）に基づいて判定されることができ、異なる流れ及び圧力条件下で行われるコンピュータ解析からの複数の解は、患者固有、血管固有及び／または病変固有の抵抗を導出するために使用されることができる。結果は、モデリングされることができる任意のセグメントの様々な種類の特徴及び幾何学的形状についての抵抗を判定するために使用されることができる。その結果、上述したように患者固有、血管固有及び／または病変固有の抵抗を導出することは、コンピュータシステムが、非対称狭窄、複数の病変、分岐及び枝における病変、及び、蛇行性血管など、より複雑な幾何学的形状を認識して評価するのを可能とする。
コンデンサもまた含まれてもよく、対応するセグメントの血管壁の弾性に基づいて静電容量が判定されてもよい。インダクタが含まれてもよく、例えば、対応する部分を流れる血液量の加速または減速に関する慣性効果に基づいてインダクタンスが判定されてもよい。
抵抗、静電容量、インダクタンス及び集中定数モデルにおいて使用される他の電気部品に関連する他の変数についての個々の値は、多くの患者からのデータに基づいて導出されることができ、同様の血管の幾何学的形状は、同様の値を有することができる。それゆえに、経験的モデルは、患者固有のデータの大集団から開発されることができ、将来の解析において同様の患者に適用することができる固有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。幾何学的形状は、以前のシミュレーションから患者のセグメント３３２についての値を自動的に選択するために、２つの異なる血管セグメント間で一致させることができる。
ｉｉ．例示的な集中定数モデル
あるいは、図１２～図１５に関連して上述したステップを実行する代わりに、集中定数モデルが予め設定されてもよい。例えば、図１６は、ソリッドモデル３２０の流入及び流出境界３２２、３２４における上流側及び下流側構造を表す集中定数モデル３４０、３５０、３６０の例を示している。端部Ａは、流入境界３２２に配置され、端部ａ～ｍ及びＢは、流出境界に配置される。
集中定数心臓モデル３４０は、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決定するために使用されることができる。集中定数心臓モデル３４０は、充血条件下での心臓からの血流を表すために使用されることができる。集中定数心臓モデル３４０は、例えば、大動脈圧、（例えば、ステップ１００において判定されるような）患者の収縮期及び拡張期血圧、患者の心拍出量（例えば、ステップ１００において判定された患者のストローク心拍出量及び心拍数に基づいて計算される心臓からの血流量）及び／または実験的に決定された定数などの患者に関する公知の情報に基づいて決定されることができる様々なパラメータ（例えば、ＰＬＡ、ＲＡＶ、ＬＡＶ、ＲＶ－Ａｒｔ、ＬＶ－Ａｒｔ及びＥ（ｔ））を含む。
集中定数冠状動脈モデル３５０は、主冠状動脈及び／またはそこから伸びる枝の下流側端部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決定するために使用されることができる。集中定数冠状動脈モデル３５０は、充血条件下で端部ａ～ｍを通ってモデリングされた血管から出る血流を表すために使用されることができる。集中定数冠状動脈モデル３５０は、例えば、（例えば、ステップ２４０において判定されるような）計算された心筋の質量及び（例えば、ステップ３０４において判定されたような端部ａ～ｍにおける血管の断面積に基づいて判定されるような）端部ａ～ｍにおける終端インピーダンスなどの患者に関する公知の情報に基づいて決定されることができる様々なパラメータ（例えば、Ｒａ、Ｃａ、Ｒａ－ｍｉｃｒｏ、Ｃｉｍ及びＲＶ）を含む。
例えば、計算された心筋の質量は、複数の流出境界３２４を通る基本（静止）平均冠状動脈流を推定するために使用されることができる。この関係は、Ｑ∝ＱＯＭαとして（例えば、ステップ２４０において判定されるような）心筋の質量Ｍを有する平均冠状動脈流Ｑと相関がある（例えば、図１の生理学的法則２０の）実験的に導出される生理学的法則に基づくことができる。ここで、αは、予め設定されたスケーリング指数であり、ＱＯは、予め設定された定数である。基本（静止）条件下での流出境界３２４における全冠状流Ｑ及び（例えば、ステップ１００において判定されるような）患者の血圧は、予め設定された実験的に導出された式に基づいて流出境界３２４における全抵抗Ｒを判定するために使用されることができる。
全抵抗Ｒは、（例えば、ステップ３０４において判定されるように）端部ａ～ｍの各断面積に基づいて端部ａ～ｍ間で分布されることができる。この関係は、Ｒｉ∝Ｒｉ，ｏｄｉ βとして端部ａ～ｍにおける各抵抗と相関がある（例えば、図１の生理学的法則２０の）実験的に導出された生理学的法則に基づくことができる。ここで、Ｒｉは、ｉ番目の出口における流れに対する抵抗であり、Ｒｉ，ｏは、予め設定された定数であり、ｄｉは、その出口の直径であり、βは、予め設定されたべき乗則の指数であり、例えば、－３から－２であり、冠状動脈流については－２．７、脳流については－２．９などである。（例えば、ステップ３０４において判定されるような血管の端部ａ～ｍの個々の断面積に基づいて判定される）個々の端部ａ～ｍを通る冠状動脈流及び個々の端部ａ～ｍにおける平均圧力は、対応する端部ａ～ｍにおける集中定数冠状動脈モデル３５０の抵抗の合計（例えば、Ｒａ＋Ｒａ－ｍｉｃｒｏ＋ＲＶ）を判定するために使用されることができる。他のパラメータ（例えば、Ｒａ／Ｒａ－ｍｉｃｒｏ、Ｃａ、Ｃｉｍ）は、実験的に決定される定数とすることができる。
ウィンドケッセルモデル３６０は、大動脈弓に向かって大動脈の下流側端部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判定するために使用されることができる。ウィンドケッセルモデル３６０は、充血条件下で端部Ｂを通ってモデリングされた大動脈から出る血流を表すために使用されることができる。ウィンドケッセルモデル３６０は、例えば、集中定数心臓モデル３４０に関連して上述した患者の心拍出量、集中定数冠動脈モデル３５０に関連して上述した基本平均冠状血流、（例えば、ステップ３０４において判定されるような端部Ｂにおける大動脈の断面積に基づいて判定される）大動脈圧及び／または実験的に決定された定数などの患者に関する公知の情報に基づいて決定されることができる様々なパラメータ（例えば、Ｒｐ、Ｒｄ及びＣ）を含む。
境界条件、例えば集中定数モデル３４０、３５０、３６０（またはそれに含まれる定数のいずれか）または他の低次モデルは、他の要因に基づいて調整されることができる。例えば、抵抗値は、生理的ストレス下で血管を拡張するために比較的低下した能力に起因して患者が血管サイズに対して低い流量比を有する場合には調整されることができる（例えば増加）。抵抗値はまた、患者が糖尿病を有する場合、薬剤投与中の場合、過去に心臓事象を受けている場合などにも調整されることができる。
代替の集中定数または分布１次元ネットワークモデルは、ソリッドモデル３２０の下流の冠状血管を表すために使用されることができる。そのようなモデルについてのパラメータを割り当てるために、ＭＲＩ、ＣＴ、ＰＥＴまたはＳＰＥＣＴを使用した心筋灌流撮像が使用されることができる。また、代替の撮像源としては、そのようなモデルについてのパラメータを割り当てるために、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将来のシネゲーティングコンピュータ断層撮影血管造影（ＣＴＡ）などが使用されることができる。レトロスペクティブ・シネゲーティングは、集中定数心臓モデルにパラメータを割り当てるために心周期にわたって心室容積の変化を取得するために画像処理方法と組み合わせることができる。
集中定数モデル３４０、３５０、３６０または他の低次１次元または２次元モデルを使用して患者の解剖学的構造の一部を簡略化することは、特に、コンピュータ解析が未治療の状態に加えて（例えば、図２及び図３のステップ４００）可能な治療の選択肢を評価するとき（例えば、図２のステップ５００）などの複数回行うことができる場合、コンピュータ解析（例えば、以下に記載される図３のステップ４０２）が最終結果について高精度を維持しつつより迅速に行うのを可能とする。
例示的な実施形態において、境界条件の判定は、ステップ１００において得られた患者固有の生理学的データなどのユーザの入力に基づいてコンピュータシステムによって実行されることができる。
Ｃ．３次元メッシュの作成
再度図３を参照すると、３次元メッシュは、ステップ３０６において生成されたソリッドモデル３２０に基づいて生成されることができる（ステップ３１２）。図１７～図１９は、ステップ３０６において生成されたソリッドモデル３２０に基づいて準備された３次元メッシュ３８０の一例を示している。メッシュ３８０は、ソリッドモデル３２０の表面及びソリッドモデル３２０の内部全体に沿った複数のノード３８２（メッシュ点またはグリッド点）を含む。メッシュ３８０は、図１８及び図１９に示されるように、（ノード３８２を形成する点を有する）四面体要素によって作成されることができる。あるいは、他の形状を有する要素は、例えば、六面体または他の多面体、曲線状要素などを用いてもよい。例示的な実施形態において、ノード３８２の数は、例えば、例えば５００万から５０００万などの数百万個とすることができる。ノード３８２の数は、メッシュ３８０が細かくなるのにともない増加する。より多数のノード３８２により、情報は、モデル３２０内の複数点において提供されることができるが、コンピュータ解析は、かなり多くのノード３８２が解かれるべき式（例えば、図１に示される式３０）の数を増加させることから実行するのにより時間がかかることがある。例示的な実施形態において、メッシュ３８０の生成は、ユーザの入力（例えば、ノード３８２の数、要素の形状を指定するなど）の有無にかかわらず、コンピュータシステムによって実行されることができる。
再度図３を参照すると、メッシュ３８０及び判定された境界条件は、検証されることができる（ステップ３１４）。検証は、ユーザによって及び／またはコンピュータシステムによって実行されることができる。例えば、ユーザ及び／またはコンピュータシステムは、例えば、メッシュ３８０が歪んでいるかまたは十分な空間分解能を有しない場合、境界条件がコンピュータ解析を実行するのに十分でない場合、ステップ３１０において判定された抵抗が不正確であると思われる場合などには、メッシュ３８０及び／または境界条件が再実行されるのを必要とするメッシュ３８０及び／または境界条件による所定のエラーを特定することができる。そうである場合、メッシュ３８０及び／または境界条件は、許容できないと判定されることができ、ステップ３０４～３１４のうちの１つ以上が繰り返されることができる。メッシュ３８０及び／または境界条件が許容可能であると判定された場合、本方法は、以下に記載されるステップ４０２に進むことができる。
さらに、ユーザは、取得した患者固有の情報、または、心拍出量、血圧、身長、体重、ステップ２４０において計算された心筋の質量などの他の測定パラメータが正しく入力され及び／または正しく計算されていることを検査することができる。
したがって、図３に示され且つ上述したステップ３０４～３１４は、図２のステップ３００のサブステップと考えられることができる。
Ｖ．コンピュータ解析の実行及び結果出力
図２に示されるステップ４００に関連して上述したように、例示的な方法は、コンピュータ解析を実行することと、結果を出力することとを含むことができる。例示的な実施形態において、ステップ４００は、以下のステップを含むことができる。
Ａ．コンピュータ解析の実行
図３を参照すると、コンピュータ解析は、コンピュータシステムによって実行されることができる（ステップ４０２）。例示的な実施形態において、ステップ４０２は、例えばメッシュ３８０におけるノード３８２の数などに応じて数分から数時間続くことができる（図１７～図１９）。
解析は、メッシュ３８０が生成されたモデル３２０内の血流を記載する一連の式を生成することを含む。上述したように、例示的な実施形態において、所望の情報は、充血条件下でモデル３２０を流れる血流のシミュレーションに関する。
解析はまた、コンピュータシステムを使用して血流の３次元式を解くために数値的方法を使用することを含む。例えば、数値的方法は、有限差分、有限体積、スペクトル、格子ボルツマン、粒子ベース、レベルセット、アイソジオメトリック若しくは有限要素法または他の計算流体力学（ＣＦＤ）数値技術などの公知の方法であってもよい。
これらの数値的方法を用いて、血液は、ニュートン、非ニュートンまたは多相流体としてモデリングされることができる。ステップ１００において測定された患者のヘマトクリットまたは他の要因は、解析に組み込むために血液の粘度を判定するために使用されることができる。血管壁は、剛性または適合していると仮定することができる。後者の場合、壁の力学の式、例えば、弾性力学方程式は、血流の式とともに解かれることができる。ステップ１００において得られた時間的に変化する３次元撮像データは、心周期にわたる血管の形状の変化をモデリングするために入力として使用されることができる。コンピュータ解析を実行するための式及びステップの例示的なセットは、例えば、「医療介入計画及び生理学的条件のシミュレーションについて予測モデリングするための方法（Ｍｅｔｈｏｄ ｆｏｒ Ｐｒｅｄｉｃｔｉｖｅ Ｍｏｄｅｌｉｎｇ ｆｏｒ Ｐｌａｎｎｉｎｇ Ｍｅｄｉｃａｌ Ｉｎｔｅｒｖｅｎｔｉｏｎｓ ａｎｄ Ｓｉｍｕｌａｔｉｎｇ Ｐｈｙｓｉｏｌｏｇｉｃａｌ Ｃｏｎｄｉｔｉｏｎｓ）」と題された米国特許第６，２３６，８７８号明細書、並びに、「心臓血管系の患者固有の血行動態（Ｐａｔｉｅｎｔ－Ｓｐｅｃｉｆｉｃ Ｈｅｍｏｄｙｎａｍｉｃｓ ｏｆ ｔｈｅ Ｃａｒｄｉｏｖａｓｃｕｌａｒ Ｓｙｓｔｅｍ）」と双方とも題された米国特許出願公開第２０１０／０２４１４０４号明細書及び米国仮特許出願第６１／２１０，４０１号にさらに詳細に開示されており、それらは全て、その全体を参照することによって本願明細書に組み込まれる。
準備されたモデル及び境界条件を使用するコンピュータ解析は、３次元ソリッドモデル３２０を表すメッシュ３８０のノード３８２のそれぞれにおける血流及び圧力を判定することができる。例えば、コンピュータ解析の結果は、これらに限定されるものではないが、以下に説明するように、血流速度、圧力、流量またはｃＦＦＲなどの計算されたパラメータなどの様々な血流特性またはパラメータなど、ノード３８２のそれぞれにおける様々なパラメータについての値を含むことができる。パラメータはまた、３次元ソリッドモデル３２０にわたって補間されることができる。結果として、コンピュータ解析の結果は、通常は侵襲的に判定されることができる情報をユーザに提供することができる。
再度図３を参照すると、コンピュータ解析の結果が検証されることができる（ステップ４０４）。検証は、ユーザによって及び／またはコンピュータシステムによって実行されることができる。例えば、ユーザ及び／またはコンピュータシステムは、例えば、不十分な数のノード３８２に起因して不十分な情報がある場合、過剰な数のノード３８２に起因して解析に時間がかかりすぎている場合など、メッシュ３８０及び／または境界条件が再実行または改変されるのを必要とする結果によって所定のエラーを特定することができる。
コンピュータ解析の結果がステップ４０４において許容できないと判定された場合、ユーザ及び／またはコンピュータシステムは、例えば、ステップ３０６において生成されたソリッドモデル３２０及び／またはステップ３１２において生成されたメッシュ３８０を改変または改良するかどうか及びその方法、ステップ３１０において判定された境界条件を改変するかどうか及びその方法、または、コンピュータ解析のために入力のいずれかに対して他の改変を行うかどうかを判定することができる。そして、上述した１つ以上のステップ、例えば、ステップ３０６～３１４、４０２及び４０４は、判定された改変または改良に基づいて繰り返されることができる。
Ｂ．血圧、流れ及びｃＦＦＲの表示結果
再度図３を参照すると、コンピュータ解析の結果がステップ４０４において許容可能であると判定された場合、コンピュータシステムは、コンピュータ解析の所定の結果を出力することができる。例えば、コンピュータシステムは、シミュレートされた血圧モデル５０、シミュレートされた血流モデル５２及び／またはｃＦＦＲモデル５４などの図１に関連して上述した画像などのコンピュータ解析の結果に基づいて生成された画像を表示することができる。上述したように、これらの画像は、例えば、ステップ３１０において判定された境界条件が充血条件に対して判定されたため、シミュレートされた充血条件下でのシミュレートされた血圧、血流及びｃＦＦＲを示している。
シミュレートされた血圧モデル５０（図１）は、シミュレートされた充血条件下での図１７～図１９のメッシュ３８０によって表される患者の解剖学的構造全体の局所血圧（例えば、水銀でのミリメートル単位すなわちｍｍＨｇ）を示している。コンピュータ解析は、メッシュ３８０の各ノード３８２における局所血圧を判定することができ、各ノード３８２についての個々の値を指定する必要なくシミュレートされた血圧モデル５０がモデル５０の全体の圧力の変化を視覚的に示すように、シミュレートされた血圧モデル５０は、各圧力に対して対応する色、陰影または他の視覚的指標を割り当てることができる。例えば、図１に示されるシミュレートされた血圧モデル５０は、この特定の患者について、シミュレートされた充血条件下において、（暗い陰影によって示されるように）圧力が大動脈内で一般に均一且つより高いことがあり、血液が主冠状動脈へと及び枝へと下流に流れるのにともない、（枝の下流側端部に向かって陰影的に徐々に且つ連続的に明るくすることによって示されるように）圧力が徐々に且つ連続的に低下することを示している。シミュレートされた血圧モデル５０は、図１に示されるように、血圧についての具体的な数値を示す目盛りを付随させることができる。
例示的な実施形態において、シミュレートされた血圧モデル５０は、カラーで提供されることができ、カラースペクトルは、モデル５０の全体の圧力の変化を示すために使用されることができる。カラースペクトルは、最高圧力から最低圧力まで順次、赤、橙、黄、緑、青、藍及び紫を含むことができる。例えば、上限値（赤）は、約１１０ｍｍＨｇ以上（または８０ｍｍＨｇ、９０ｍｍＨｇ、１００ｍｍＨｇなど）を示すことができ、下限値（紫）は、約５０ｍｍＨｇ以下（または２０ｍｍＨｇ、３０ｍｍＨｇ、４０ｍｍＨｇなど）を示すことができ、緑は、約８０ｍｍＨｇ（または上限と下限とのほぼ中間の他の値）を示すことができる。それゆえに、一部の患者についてのシミュレートされた血圧モデル５０は、スペクトルの上端に向かって赤または他色として大動脈の大半または全てを示すことができ、色は、冠状動脈及びそこから伸びる枝の先端に向かって（例えば、スペクトルの下端に向かって（紫に至るまで））スペクトルにわたって徐々に変化することができる。特定の患者についての冠状動脈の先端は、各先端について判定された局所血圧に応じて、例えば赤から紫までの範囲で異なる色を有することができる。
シミュレートされた血流モデル５２（図１）は、シミュレートされた充血条件下での図１７～図１９のメッシュ３８０によって表される患者の解剖学的構造全体の（例えば、秒あたりセンチメートルすなわちｃｍ／ｓで）局所血流速度を示している。コンピュータ解析は、メッシュ３８０の各ノード３８２における局所血流速度を判定することができ、シミュレートされた血流モデル５２が各ノード３８２についての個々の値を指定する必要なくモデル５２の全体の速度の変化を視覚的に示すように、シミュレートされた血流モデル５２は、各速度に対して対応する色、陰影または他の視覚的指標を割り当てることができる。例えば、図１に示されるシミュレートされた血流モデル５２は、この特定の患者について、シミュレートされた充血条件下において、（図１における領域５３の暗い陰影によって示されるように）速度が主冠状動脈及び枝の所定領域において一般に高くなることを示している。シミュレートされた血流モデル５２は、図１に示されるように、血流速度についての具体的な数値を示す目盛りを付随させることができる。
例示的な実施形態において、シミュレートされた血流モデル５２は、カラーで提供されることができ、カラースペクトルは、モデル５２の全体の速度の変化を示すために使用されることができる。カラースペクトルは、最高速度から最低速度まで順次、赤、橙、黄、緑、青、藍及び紫を含むことができる。例えば、上限値（赤）は、約１００（または１５０）ｃｍ／ｓ以上を示すことができ、下限値（紫）は、約０ｃｍ／ｓを示すことができ、緑は、約５０ｃｍ／ｓ（または上限と下限とのほぼ中間の他の値）を示すことができる。それゆえに、一部の患者についてのシミュレートされた血流モデル５２は、スペクトルの下端に向かって混合色（例えば、緑から紫）として大動脈の大半または全てを示すことができ、色は、判定された血流速度が増加する所定位置において（例えば、スペクトルの上端に向かって（赤に至るまで））スペクトルにわたって徐々に変化することができる。
ｃＦＦＲモデル５４（図１）は、シミュレートされた充血条件下での図１７～図１９のメッシュ３８０によって表される患者の解剖学的構造全体の局所ｃＦＦＲを示している。上述したように、ｃＦＦＲは、例えば、コンピュータ解析によって判定された流入境界３２２（図８）において大動脈内の血圧によって除算された特定のノード３８２における局所血圧の比（例えば、シミュレートされた血圧モデル５０に示されている）として計算されることができる。コンピュータ解析は、メッシュ３８０の各ノード３８２におけるｃＦＦＲを判定することができ、ｃＦＦＲモデル５４は、ｃＦＦＲモデル５４が各ノード３８２について個々の値を指定する必要なくモデル５４の全体のｃＦＦＲの変化を視覚的に示すことができるように、各ｃＦＦＲ値に対して対応する色、陰影または他の視覚的指標を割り当てることができる。例えば、図１に示されるｃＦＦＲモデル５４は、この特定の患者について、シミュレートされた充血条件下において、ｃＦＦＲが大動脈において一般に均一且つ約１．０とすることができ、血流が主冠状動脈へと及び枝へと下流に流れるのにともない、ｃＦＦＲが徐々に且つ連続的に低下することを示している。ｃＦＦＲモデル５４はまた、図１に示されるように、ｃＦＦＲモデル５４の全体の所定点におけるｃＦＦＲ値を示すことができる。ｃＦＦＲモデル５４は、図１に示されるように、ｃＦＦＲについての具体的な数値を示す目盛りを付随させることができる。
例示的な実施形態において、ｃＦＦＲモデル５４は、カラーで提供されることができ、カラースペクトルは、モデル５４の全体の圧力の変化を示すために使用されることができる。カラースペクトルは、（機能的に重大な病変を示す）最低ｃＦＦＲから最高ｃＦＦＲまで順次、赤、橙、黄、緑、青、藍及び紫を含むことができる。例えば、上限値（紫）は、１．０のｃＦＦＲを示すことができ、下限値（赤）は、約０．７（または０．７５若しくは０．８）以下を示すことができ、緑は、約０．８５（または上限と下限とのほぼ中間の他の値）を示すことができる。例えば、下限値は、ｃＦＦＲ測定値が機能的に重大な病変または介入を必要とするかもしれない他の特徴を示すかどうかを判定するために使用される下限値（例えば、０．７、０．７５または０．８）に基づいて判定されることができる。それゆえに、一部の患者についてのｃＦＦＲモデル５４は、スペクトルの上端に向かって紫または他色として大動脈の大半または全てを示すことができ、色は、冠状動脈及びそこから伸びる枝の先端に向かって（例えば、スペクトルの上端に向かって（赤から紫に至るまで））スペクトルにわたって徐々に変化することができる。特定の患者についての冠状動脈の先端は、各先端について判定されたｃＦＦＲの局所値に応じて、例えば赤から紫までの範囲で異なる色を有することができる。
ｃＦＦＲが機能的に重大な病変または介入を必要とし得る他の特徴の存在を判定するために使用される下限値を下回ったことを判定した後、動脈または枝は、機能的に重大な病変（複数可）を配置するために評価されることができる。コンピュータシステムまたはユーザは、（例えば、ｃＦＦＲモデル５４を使用して）動脈または枝の幾何学的形状に基づいて機能的に重大な病変（複数可）を配置することができる。例えば、機能的に重大な病変（複数可）は、局所的な最小ｃＦＦＲ値を有するｃＦＦＲモデル５４の位置からの近傍（例えば、上流側）に位置する狭小または狭窄をみつけることによって配置されることができる。コンピュータシステムは、機能的に重大な病変（複数可）を含むｃＦＦＲモデル５４（または他のモデル）の一部（複数可）をユーザに指示または表示することができる。
他の画像もまた、コンピュータ解析の結果に基づいて生成されてもよい。例えば、コンピュータシステムは、例えば図２０～図２２に示されるように、特定の主冠状動脈に関する追加情報を提供することができる。冠状動脈は、例えば、特定の冠状動脈が最低ｃＦＦＲを含む場合、コンピュータシステムによって選択されることができる。あるいは、ユーザは、特定の冠状動脈を選択することができる。
図２０は、個々の参照ラベル（例えば、ＬＭ、ＬＡＤ１、ＬＡＤ２、ＬＡＤ３など）によって特定されたモデル上の所定点でのコンピュータ解析の結果を含む患者の解剖学的構造のモデルを示している。図２１に示される例示的な実施形態において、点は、シミュレートされた充血条件下で、この特定の患者についての最低ｃＦＦＲを有する主冠状動脈であるＬＡＤ動脈に設けられている。
図２１及び図２２は、これらの点の一部または全て（例えば、ＬＭ、ＬＡＤ１、ＬＡＤ２、ＬＡＤ３など）及び／またはモデル上の所定の他の位置（例えば、大動脈内など）における経時的な所定の変数のグラフを示している。図２１は、大動脈内及び図２０に示されている点ＬＡＤ１、ＬＡＤ２及びＬＡＤ３における経時的な圧力（例えば、水銀でのミリメートル単位すなわちｍｍＨｇ）のグラフである。グラフの一番上のプロットは、大動脈内の圧力を示し、上から２番目のプロットは、点ＬＡＤ１の圧力を示し、上から３番目のプロットは、点ＬＡＤ２の圧力を示し、一番下のプロットは、点ＬＡＤ３の圧力を示している。図２２は、図２０に示されている点ＬＭ、ＬＡＤ１、ＬＡＤ２及びＬＡＤ３における経時的な流れ（例えば、秒あたり立方センチメートルすなわちｃｃ／ｓで）のグラフである。さらに、他のグラフは、これらの点及び／または他の点のいくつかまたは全てにおける経時的な剪断応力のグラフなどを提供することができる。グラフの一番上のプロットは、点ＬＭにおける流れを示し、上から２番目のプロットは、点ＬＡＤ１における流れを示し、上から３番目のプロットは、点ＬＡＤ２における流れを示し、一番下のプロットは、点ＬＡＤ３における流れを示している。グラフはまた、特定の主冠状動脈及び／またはそこから伸びる枝の長さに沿って、例えば、血圧、流量、速度またはｃＦＦＲなどのこれらの変数の変化を示すように提供されることができる。
必要に応じて、上述した様々なグラフ及び他の結果がレポートにまとめられることができる（ステップ４０６）。例えば、上述した画像及び他の情報は、設定されたテンプレートを有する文書に挿入されることができる。テンプレートは、複数の患者について予め設定されて一般的なものとすることができ、医師及び／または患者に対してコンピュータ解析の結果を報告するために使用されることができる。文書またはレポートは、コンピュータ解析が完了した後にコンピュータシステムによって自動的に完成されることができる。
例えば、最終レポートは、図２３に示される情報を含むことができる。図２３は、図１のｃＦＦＲモデル５４を含み、また、主冠状動脈及びそこから伸びる枝のそれぞれにおける最低ｃＦＦＲ値などの要約情報を含む。例えば、図２３は、ＬＡＤ動脈内の最低ｃＦＦＲ値が０．６６であり、ＬＣＸ動脈内の最低ｃＦＦＲ値が０．７２であり、ＲＣＡ動脈内の最低ｃＦＦＲ値が０．８０であることを示している。他の要約情報は、患者名、患者の年齢、患者の血圧（ＢＰ）（例えば、ステップ１００において得られた）、患者の心拍数（ＨＲ）（例えば、ステップ１００において得られた）などを含むことができる。最終レポートはまた、医師または他のユーザがさらなる情報を判定するためにアクセスすることができる、上述したように生成された画像のバージョン及び他の情報を含むことができる。コンピュータシステムによって生成された画像は、例えば、その点における血圧、速度、流量、ｃＦＦＲなど、上述した任意の変数の値を判定するために任意の点に医師または他のユーザがカーソルを配置するのを可能とするためにフォーマット化されることができる。
最終レポートは、医師及び／または患者に送信されることができる。最終レポートは、例えば電子メールなどによって無線または有線ネットワークなどの任意の公知の通信方法を使用して送信されることができる。あるいは、医師及び／または患者は、最終レポートがダウンロードまたはピックアップに利用可能である旨の通知を受けることができる。そして、医師及び／または患者は、セキュアな通信回線を介して最終レポートをダウンロードするためにウェブベースのサービスにログインすることができる。
Ｃ．検証結果
再度図３を参照すると、コンピュータ解析の結果は、独立して検証されることができる（ステップ４０８）。例えば、ユーザ及び／またはコンピュータシステムは、例えば、上述したステップのいずれかを再実行する必要があるステップ４０６において生成された画像及び他の情報など、コンピュータ解析の結果による所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、コンピュータ解析の結果は、許容できないと判定されることができ、所定のステップ、例えば、ステップ１００、２００、３００、４００、サブステップ１０２、２０２～２０８、２４０～２６０、３０４～３１４及び４０２～４０８などが繰り返されることができる。
したがって、図３に示され且つ上述したステップ４０２～４０８は、図２のステップ４００のサブステップと考えられることができる。
コンピュータ解析の結果を検証するための他の方法は、他の方法を使用して、例えば、血圧、速度、流量、ｃＦＦＲなどの患者からの結果に含まれる変数のいずれかを測定することを含むことができる。例示的な実施形態において、変数は、（例えば、侵襲的に）測定されることができ、そして、コンピュータ解析によって判定された結果と比較されることができる。例えば、ＦＦＲは、例えば、ソリッドモデル３２０及びメッシュ３８０によって表される患者の解剖学的構造内の１つ以上の点において、上述したように患者に挿入された圧力ワイヤを使用して判定されることができる。所定位置において測定されたＦＦＲは、同じ位置においてｃＦＦＲと比較されることができ、比較は、複数の位置において行うことができる。必要に応じて、コンピュータ解析及び／または境界条件は、比較に基づいて調整されることができる。
ＶＩ．患者固有の治療計画の提供
図２に示されるステップ５００に関連して上述したように、例示的な方法は、患者固有の治療計画を提供することを含むことができる。例示的な実施形態において、ステップ５００は、以下のステップを含むことができる。図３は、以下のステップを示していないものの、これらのステップは、例えばステップ４０６または４０８の後などの図３に示されるステップと関連して行われてもよいことが理解される。さらに、上述したように、以下に記載されるステップ５００のサブステップのいずれかは、コンピュータ４０などのコンピューティングシステムによって及び／または１つ以上のコンピューティングシステム、サーバシステム及び／またはウェブサーバによって実行されることができる。
上述したように、図１及び図２３に示されるｃＦＦＲモデル５４は、未治療の状態における且つシミュレートされた充血条件下での図１７～図１９のメッシュ３８０によって表される患者の解剖学的構造全体のｃＦＦＲ値を示している。この情報を使用して、医師は、運動の増加、食生活の変化、薬の処方、心臓のモデリングされた解剖学的構造の任意の一部または他の一部（例えば、冠状動脈バイパス移植、１つ以上の冠状動脈ステントの挿入など）に対する手術などの患者に対する治療を定めることができる。
処方する治療（複数可）を決定するために、コンピュータシステムは、コンピュータ解析から判定された情報がそのような治療（複数可）に基づいてどのように変化するかを予測するために使用されることができる。例えば、ステント（複数可）の挿入または他の手術などの所定の治療は、モデリングされた解剖学的構造の幾何学的形状の変化をもたらすことがある。したがって、例示的な実施形態において、ステップ３０６において生成されたソリッドモデル３２０は、ステントが挿入される１つ以上の管腔の拡大を示すように改変されることができる。
例えば、図１及び図２３に示されるｃＦＦＲモデル５４は、ＬＡＤ動脈内の最低ｃＦＦＲ値が０．６６であり、ＬＣＸ動脈内の最低ｃＦＦＲ値が０．７２であり、ＲＣＡ動脈内の最低ｃＦＦＲ値が０．８０であることを示している。ｃＦＦＲ値が、例えば、０．７５未満である場合、治療が提案されることができる。したがって、コンピュータシステムは、これらの冠状動脈にステントを挿入するのをシミュレートするために、ＬＡＤ動脈及びＬＣＸ動脈の拡大を示すためにソリッドモデル３２０の改変をユーザに提案することができる。ユーザは、シミュレートされたステントの位置及びサイズに対応する拡大の位置及び量（例えば、長さ及び直径）を選択するように求められることができる。あるいは、拡大の位置及び量は、０．７５未満であるｃＦＦＲ値を有するノード（複数可）の位置、血管の著しい狭窄の位置、従来のステントのサイズなどの様々な要因に基づいて、コンピュータシステムによって自動的に決定されてもよい。
図２５は、位置５１２におけるＬＡＤ動脈の一部及び位置５１４における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判定された変更されたｃＦＦＲモデル５１０の一例を示している。例示的な実施形態において、上述したステップ、例えばステップ３１０～３１４及び４０２～４０８のいずれかは、変更されたソリッドモデルを使用して繰り返されることができる。ステップ４０６において、最終レポートは、図２３に示される情報などの未治療の患者（ステントなしなど）に関する情報や、図２５及び図２６に示される情報などの患者についてシミュレートされた治療に関する情報を含むことができる。
図２５は、変更されたｃＦＦＲモデル５１０を含み、また、提案された治療に関連する変更されたソリッドモデルについての主冠状動脈及びそこから伸びる枝における最低ｃＦＦＲ値などの要約情報も含む。例えば、図２５は、ＬＡＤ動脈（及びその下流枝）内の最低ｃＦＦＲ値が０．７８であり、ＬＣＸ動脈（及びその下流枝）内の最低ｃＦＦＲ値が０．７８であり、ＲＣＡ動脈（及びその下流枝）内の最低ｃＦＦＲ値が０．７９であることを示している。したがって、未治療の患者（ステントなし）のｃＦＦＲモデル５４と提案された治療（挿入されたステント付き）についてのｃＦＦＲモデル５１０との比較は、提案された治療が、ＬＡＤ動脈内の最低ｃＦＦＲを０．６６から０．７８へと増加させることができ、ＬＣＸ動脈内の最低ｃＦＦＲを０．７２から０．７６へと増加させるとともに、ＲＣＡ動脈内の最低ｃＦＦＲを０．８０から０．７９へと極小に減少させるであろうことを示している。
図２６は、上述したように位置５１２におけるＬＡＤ動脈及び位置５１４におけるＬＣＸ動脈の一部を拡大した後に判定された変更後のシミュレートされた血流モデル５２０の一例を示している。図２６はまた、提案された治療に関連する変更されたソリッドモデルについての主冠状動脈及びそこから伸びる枝の様々な位置における血流値などの要約情報を含むことができる。例えば、図２６は、未治療の患者（ステントなし）及び治療された患者（挿入されたステント付き）についてのＬＡＤ動脈内の４つの位置ＬＡＤ１、ＬＡＤ２、ＬＡＤ３及びＬＡＤ４並びにＬＣＸ動脈内の２つの位置ＬＣＸ１及びＬＣＸ２についての血流値を示している。図２６はまた、未治療及び治療された状態間の血流値の変化率を示している。したがって、未治療の患者のシミュレートされた血流モデル５２と提案された治療についてのシミュレートされた血流モデル５２０との比較は、提案された治療が、位置に応じて９％から１９％だけ位置ＬＡＤ１～ＬＡＤ４、ＬＣＸ１及びＬＣＸ２の全てにおいてＬＡＤ動脈及びＬＣＸ動脈を通る流れを増加させることができることを示している。
他の情報はまた、冠状動脈血圧などを未治療及び治療された状態間で比較することができる。この情報に基づいて、医師は、提案された治療の選択肢を続けるかどうかを患者と話し合うことができる。
他の治療の選択肢はまた、異なる方法でソリッドモデル３２０を変更することを含むことができる。例えば、冠状動脈バイパス移植はまた、ソリッドモデル３２０において新たな管腔または通路を作成することを含むことができ、病変を除去することはまた、管腔または通路を広くすることを含むことができる。他の治療の選択肢は、ソリッドモデル３２０の変更をともなわないことがある。例えば、運動または労作の増加、食生活の変化または他のライフスタイルの変化、薬の処方などは、例えば血管収縮、拡張、心拍数の減少などに起因してステップ３１０において判定された境界条件を変化させることを含むことができる。例えば、患者の心拍数、心拍出量、ストローク心拍出量、血圧、冠微小循環機能、集中定数モデルの構成などは、薬の処方、採用された運動（または他の労作）の種類及び頻度、採用されたライフスタイルの変化の種類（例えば、禁煙、食生活の変化など）に依存することができ、それにより、様々な方法でステップ３１０において判定された境界条件に影響を与える。
例示的な実施形態において、変更された境界条件は、多くの患者からのデータを使用して実験的に判定されることができ、同様の治療の選択肢は、同様の方法で境界条件の変更を必要とすることができる。経験的モデルは、患者固有のデータの大集団から開発されることができ、将来の解析において同様の患者に適用することができる特定の治療の選択肢に対応する境界条件及び境界条件を計算するための機能のライブラリを作成することができる。
境界条件を変更した後、上述したステップ、例えばステップ３１２、３１４及び４０２～４０８は、変更された境界条件を使用して繰り返されることができ、ステップ４０６において、最終レポートは、図２３に示される情報などの未治療の患者に関する情報と、図２５及び図２６に示される情報などの患者についてのシミュレートされた治療に関する情報とを含むことができる。
あるいは、医師、患者または他のユーザは、３次元モデル（例えば、図８のソリッドモデル３２０）との相互作用を可能とするユーザインターフェースを設けることができる。モデル３２０は、１つ以上の治療の選択肢を反映するためにユーザによって編集されることができるユーザ選択可能なセグメントに分割されることができる。例えば、ユーザは、狭窄（または閉塞、例えば、急性閉塞）を有するセグメントを選択することができ、狭窄を除去するためにセグメントを調整することができ、ユーザは、バイパスなどとして機能するようにモデル３２０にセグメントを追加することができる。ユーザはまた、例えば、心拍出量の変化、心拍数、ストローク心拍出量、血圧、運動または労作レベル、充血レベル、薬など、上記判定された境界条件を変更することができる他の治療の選択肢及び／または生理学的パラメータを指定するよう求められることができる。代替の実施形態において、コンピュータシステムは、治療の選択肢を判定または示唆することができる。
ユーザインターフェースは、ユーザが狭窄（または閉塞、例えば、急性閉塞）をシミュレートするのを可能とするために、３次元モデル３２０との相互作用を可能とすることができる。例えば、ユーザは、狭窄を含むためにセグメントを選択することができ、コンピュータシステムは、コンピュータ解析から判定された情報が狭窄の追加に基づいてどのように変化するかを予測するために使用されることができる。それゆえに、本願明細書に記載された方法は、動脈を閉塞するという効果を予測するために使用されることができる。
ユーザインターフェースはまた、３次元モデル３２０との相互作用が、例えば、癌性腫瘍を除去するときなど、所定の外科的処置において生じることがある動脈損傷または動脈の除去をシミュレートするのを可能とする。モデルはまた、患者のために適切な血流を供給するための側副経路の可能性を予測するために所定の動脈を流れる血流を防止するという効果をシミュレートするために変更されることができる。
Ａ．異なる治療の選択肢の比較に対する低次モデルの使用
例示的な実施形態において、コンピュータシステムは、ユーザが３次元ソリッドモデル３２０またはメッシュ３８０を低次モデルと置き換えることによってより迅速に様々な治療の選択肢をシミュレートするのを可能とすることができる。図２７は、例示的な実施形態にかかる低次モデルを使用して様々な治療の選択肢をシミュレートする方法７００に関する概略図を示している。本方法７００は、上述したコンピュータシステムにおいて実施されることができる。
血流または他のパラメータを表す１つ以上の患者固有のシミュレートされた血流モデルは、上述したコンピュータ解析から出力されることができる（ステップ７０１）。例えば、シミュレートされた血流モデルは、上述し且つ図２及び図３に示された方法を使用して提供される、図１のシミュレートされた血圧モデル５０、図１のシミュレートされた血流モデル５２、図１のｃＦＦＲモデル５４などを含むことができる。上述するように、シミュレートされた血流モデルは、患者の解剖学的構造の３次元幾何学的形状モデルを含むことができる。
機能的情報は、低次モデルについての条件を指定するためにシミュレートされた血流モデルから抽出されることができる（ステップ７０２）。例えば、機能的情報は、上述したコンピュータ解析を使用して判定された血圧、流量または速度情報を含むことができる。
低次（例えば、０次元または１次元）モデルは、ステップ７０１において生成される患者固有のシミュレートされた血流モデルを生成するために使用される３次元ソリッドモデル３２０を置き換えるために提供されることができ、低次モデルは、患者における冠状動脈血流に関する情報を判定するために使用されることができる（ステップ７０３）。例えば、低次モデルは、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定数モデルとすることができる。それゆえに、集中定数モデルは、図１７～図１９のメッシュ３８０に関連する式のより複雑なシステムを解く必要なく、患者における冠状動脈血流に関する情報を判定するために使用されることができる患者の解剖学的構造の簡略化したモデルである。
そして、ステップ７０３における低次モデルの解から判定される情報は、患者の解剖学的構造の３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されることができ（ステップ７０４）、ユーザは、ユーザによって選択されることができる様々な治療の選択肢をシミュレートするために必要に応じて低次モデルに変更することができ及び／または患者についての生理学的パラメータに変更することができる（ステップ７０５）。選択可能な生理学的パラメータは、心拍出量、運動または労作レベル、充血のレベル、薬の種類などを含むことができる。選択可能な治療法の選択肢は、狭窄を除去すること、バイパスを追加することなどを含むことができる。
そして、低次モデルは、ユーザによって選択された治療の選択肢及び／または生理学的パラメータに基づいて変更されることができ、変更された低次モデルは、選択された治療の選択肢及び／または生理学的パラメータに関連する患者における冠状動脈血流量に関する情報を判定するために使用されることができる（ステップ７０３）。そして、ステップ７０３における低次モデルの解から判定された情報は、患者の解剖学的構造における冠状動脈血流に対する選択された治療の選択肢及び／または生理学的パラメータの効果を予測するために患者の解剖学的構造の３次元ソリッドモデル３２０にマッピングまたは外挿されることができる（ステップ７０４）。
ステップ７０３～７０５は、互いに及び未治療の患者における冠状動脈血流に関する情報に対する様々な治療の選択肢の予測された効果を比較するために様々な異なる治療の選択肢及び／または生理学的パラメータについて繰り返されることができる。その結果、様々な治療の選択肢及び／または生理学的パラメータについての予測された結果は、３次元メッシュ３８０を使用したより複雑な解析を再実行する必要なく、互いに及び未治療の患者についての情報に対して評価されることができる。代わりに、低次モデルが使用されることができ、ユーザがより容易に且つ迅速に異なる治療の選択肢及び／または生理学的パラメータを解析して比較するのを可能とすることができる。
図２８は、例示的な実施形態にかかる低次モデルを使用して様々な治療の選択肢をシミュレートするための例示的な方法のさらなる態様を示している。本方法７００は、上述したコンピュータシステムにおいて実施されることができる。
図３のステップ３０６に関連して上述したように、患者固有の幾何学的形状モデルは、患者についての撮像データに基づいて生成されることができる（ステップ７１１）。例えば、撮像データは、図２のステップ１００において得られたＣＣＴＡデータを含むことができ、幾何学的形状モデルは、図３のステップ３０６において生成された図８のソリッドモデル３２０及び／または図３のステップ３１２において生成された図１７～図１９のメッシュ３８０とすることができる。
患者固有の３次元幾何学的形状モデルを使用して、コンピュータ解析は、例えば、図３のステップ４０２に関連して上述したように、患者の冠状動脈血流に関する情報を判定するために行うことができる（ステップ７１２）。コンピュータ解析は、血流を表す１つ以上の３次元の患者固有のシミュレートされた血流モデル、または、例えば図１のシミュレートされた血圧モデル５０、図１のシミュレートされた血流モデル５２、図１のｃＦＦＲモデル５４などの他のパラメータを出力することができる。
シミュレートされた血流モデルは、モデルの解剖学的特徴に基づいて、（例えば、図１４に関連して上述したように）セグメンテーションされることができる（ステップ７１３）。例えば、主冠状動脈から伸びる枝は、別個のセグメントに設けられることができ（ステップ７１４）、狭窄を有する部分または罹患領域は、別個のセグメントに設けられることができ（ステップ７１６）、枝と狭窄を有する部分または罹患領域との間の部分は、別個のセグメントに設けられることができる（ステップ７１５）。様々な程度の解像度は、各血管が例えば血管全体を含む複数の短い別個のセグメントまたはより長いセグメントを含むことができるように、シミュレートされた血流モデルをセグメンテーションする際に設けられることができる。また、中心線を生成して生成された中心線に基づいて区画化することまたは枝点を検出して検出された枝点に基づいて区画化することを含むシミュレートされた血流モデルをセグメンテーションするために様々な技術が提供されてもよい。罹患部及び狭窄は、例えば、中心線の長さに沿って断面積を測定して局所的に最小断面積を算出することによって特定されることができる。ステップ７１１～７１６は、図２７のステップ７０１のサブステップと考えられることができる。
セグメントは、図１５に関連して上述したように、抵抗器、コンデンサ、インダクタなどの集中定数モデルの要素によって置き換えることができる。抵抗、コンデンサ、インダクタンス及び集中定数モデルで使用される他の電気部品に関連する他の変数についての個々の値は、ステップ７１２において提供されたシミュレートされた血流モデルから導出されることができる。例えば、枝及び枝と狭窄を有する部分または罹患領域との間の部分について、シミュレートされた血流モデルから導出された情報は、対応するセグメントに対して線形抵抗を割り当てるために使用されることができる（ステップ７１７）。狭窄または罹患領域などの複雑な幾何学的形状を有する部分について、抵抗は流量によって変化することがある。それゆえに、複数のコンピュータ解析は、図１５に関連して上述したように、これらの複雑な幾何学的形状についての患者固有、血管固有及び病変固有の抵抗関数を導出するために、様々な流量及び圧力の条件についてシミュレートされた血流モデルを得るために使用されることができる。したがって、狭窄を有する部分または罹患領域について、これらの複数のコンピュータ解析から導出される情報または以前のデータから導出されるモデルは、セグメントに対応する非線形の流量依存抵抗を割り当てるために使用されることができる（ステップ７１８）。ステップ７１７及び７１８は、図２７のステップ７０２のサブステップと考えられることができる。
ステップ７１７及び７１８において判定された抵抗を使用して、低次（例えば、０次元または１次元）モデルが生成されることができる（ステップ７１９）。例えば、低次モデルは、図３のステップ３１０と関連して上述したように生成された集中定数モデルとすることができる。それゆえに、集中定数モデルは、図１７～図１９のメッシュ３８０に関連する式のより複雑なシステムを解く必要なく、患者における冠状動脈血流に関する情報を判定するために使用されることができる患者の解剖学的構造の簡略化されたモデルである。
ユーザインターフェースは、ユーザがステップ７１９において作成された低次モデルと相互作用するのを可能とするように設けられることができる（ステップ７２０）。例えば、ユーザは、異なる治療の選択肢をシミュレートするために低次モデルの異なるセグメントを選択して編集することができ及び／または様々な生理学的パラメータを編集することができる。例えば、罹患領域の修復のためのステントの挿入などの介入は、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されることができる。バイパスを形成することは、罹患したセグメントに並列な低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されることができる。
変更された低次モデルは、治療下の患者における冠状動脈血流及び／またはステップ７２０において選択された生理学的パラメータの変化に関する情報を判定するために解くことができる（ステップ７２１）。そして、ステップ７２１において判定された各セグメントにおける流量及び圧力に対する解値は、ステップ７１２において判定された３次元解と比較されることができ、いかなる差異も、解が一致するまで（例えば、ステップ７１７及び７１８において判定されたような）セグメントの抵抗関数を調整して低次モデルを解く（例えば、ステップ７２１）ことによって最小化されることができる。その結果、低次モデルが作成されることができ、そして、（例えば、完全な３次元モデルと比較して）相対的に迅速な計算を可能とするように簡略化された式のセットによって解決されることができ、完全な３次元計算解法の結果を密接に近似することができる流量及び圧力を解くために使用されることができる。低次モデルは、様々な異なる治療の選択肢をモデリングするために比較的迅速な反復処理を可能とする。
そして、ステップ７２１における低次モデルを解くことから判定された情報は、患者の解剖学的構造の３次元ソリッドモデル（例えば、ソリッドモデル３２０）にマッピングされるかまたは外挿されることができる（ステップ７２２）。ステップ７１９～７２２は、図２７のステップ７０３～７０５と同様とすることができ、治療の選択肢及び／または生理学的パラメータの異なる組み合わせをシミュレートするためにユーザによって必要に応じて繰り返されることができる。
あるいは、（例えば、ステップ７１７及び７１８について上述したように）３次元モデルからセグメントに沿って抵抗を計算するよりもむしろ、中心線に沿って間隔をあけた流量及び圧力は、集中定数または１次元モデルに規定されることができる。効果的な抵抗または損失係数は、境界条件と所定の流量及び圧力の制約下で解くことができる。
また、個々のセグメントにわたる流速及び圧力勾配は、（例えば、ステップ７２１について上述したように）低次モデルから導出される解を使用して心外膜冠状動脈の抵抗を計算するために使用されることができる。心外膜冠状動脈の抵抗は、心外膜冠状動脈（医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及びそこから伸びる枝の一部）の等価抵抗として計算されることができる。これは、冠動脈におけるびまん性アテローム性動脈硬化症の患者が虚血（血液供給の制限）の症状を呈することがある理由を説明する際に臨床的意義を有することができる。また、シミュレートされた薬理学的誘発性充血または運動強度を変化させる条件下での単位心筋組織の体積（または質量）あたりの流量及び／または単位心仕事量あたりの流量は、低次モデルからのデータを使用して計算することができる。
Ｂ．治療の選択肢を最適化するための患者固有の幾何学的形状モデルの変更
ユーザが内腔を広げるためにソリッドモデル３２０内の幾何学的形状を改変するのを可能とし且つユーザが様々な治療の選択肢に基づいて低次モデルを変更するのを可能とするための上述した技術に加えて、患者固有の幾何学的形状モデルを変更することによって治療の選択肢を自動的に評価するためにシステム及び方法の他の実施形態がここで開示される。例えば、上述したように、心臓専門医は、３次元の患者固有の幾何学的形状モデルを検査し、心臓専門医が優れた血流特性を提供することができると考えている治療の選択肢を反映するようにモデルを変更することを決定することができる。さらに、心臓専門医は、心臓専門医が改善された血液の流動特性に関する心臓専門医の考えが正しいかどうかを計算するために幾何学的形状モデルに対して行う変更に基づいて低次モデルを更新するためにコンピュータシステムを動作させることができる。
しかしながら、患者固有の幾何学的形状モデルを変更することによって治療の選択肢を自動的に評価するために追加の実施形態がここで記載される。例えば、コンピュータシステムは、心臓病専門医が必ずしも知らない治療の選択肢が血液流動性を改善するためにも、患者固有の幾何学的形状モデルを自動的に変更し、治療の選択肢を評価することができる。さらに、コンピュータは、数百または数千もの異なる可能な治療の選択肢を反映するために数百または数千時間も患者固有の幾何学的形状モデルを自動的に変更することができる。例えば、コンピュータシステムは、例えば低次モデリングを使用してモデルを自動的に解析することにより、バイパス移植及び／またはステント介入の多数の異なる可能な位置及び種類を自動的にモデリングすることができ、それらの多数の種類の介入の実施に基づいて患者の冠状幾何学的形状をモデリングすることができ、そして、１つ以上の適切なまたは所望の介入を自動的に特定することができる。以下により詳細に説明するように、コンピュータ４０（図１）などの任意の種類のコンピュータシステムは、図２９の例示的な方法にかかる患者固有の撮像データを処理して評価するために使用されることができる。
図２９は、患者固有の幾何学的形状モデルを変更することによって治療の選択肢を自動的に評価する方法８００を示している。示されるように、方法８００は、画像データ及び生理学的情報から患者固有の幾何学形状モデルを生成することを含むことができる（ステップ８０２）。例えば、撮像データは、図２のステップ１００において得られたＣＣＴＡデータを含むことができ、形成された幾何学的形状モデルは、図３のステップ３０６において生成された図８のソリッドモデル３２０及び／または図３のステップ３１２において生成された図１７～図１９のメッシュ３８０とすることができる。
そして、方法８００は、（例えば、（図１４に関連して上述したように）モデルの解剖学的特徴に基づいてシミュレートされた血流モデルをセグメンテーションすることと、患者固有の幾何学的形状モデルに基づいて低次モデルを作成することとを含むことができる（ステップ８０４）。まず、中心線を生成して生成された中心線に基づいて区画化することまたは枝点を検出して検出された枝点に基づいて区画化することを含むシミュレートされた血流モデルをセグメンテーションするために様々な技術が提供されることができる。罹患部及び狭窄は、例えば、中心線の長さに沿って断面積を測定して局所的な最小断面積を算出することによって特定されることができる。セグメントは、図１５に関連して上述したように、抵抗器、コンデンサ、インダクタなどの集中定数モデルの要素によって置き換えることができる。抵抗、コンデンサ、インダクタンス及び集中定数モデルで使用される他の電気部品に関連する他の変数についての個々の値は、シミュレートされた血流モデルから導出されることができる。例えば、例えば、枝及び枝間の部分及び狭窄を有する部分または罹患領域について、シミュレートされた血流モデルから導出された情報は、対応するセグメントに対して線形抵抗を割り当てるために使用されることができる。
そして、低次（例えば、０次元または１次元）モデルは、判定された抵抗を使用して生成されることができる。例えば、低次モデルは、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定数モデルとすることができる。それゆえに、集中定数モデルは、図１７～図１９のメッシュ３８０に関連する式のより複雑なシステムを解く必要なく、患者における冠状動脈血流に関する情報を判定するために使用されることができる患者の解剖学的構造の簡略化されたモデルである。
変更された低次モデルは、患者における冠動脈血流に関する情報を判定するために解くことができる（ステップ８０６）。例えば、患者固有の３次元幾何学的形状モデルを使用して、コンピュータ解析は、例えば、図３のステップ４０２に関連して上述したように、患者の冠状動脈血流に関する情報を判定するために行うことができる。コンピュータ解析は、例えば、図１のシミュレートされた血圧モデル５０、図１のシミュレートされた血流モデル５２、図１のｃＦＦＲモデル５４などの血流または他のパラメータを表す１つ以上の３次元の患者固有のシミュレートされた血流モデルを出力することができる。それゆえに、複数のコンピュータ解析は、図１５に関連して上述したように、これらの複雑な幾何学的形状についての患者固有、血管固有及び病変固有の抵抗関数を導出するために、様々な流量及び圧力条件についてのシミュレートされた血流モデルを得るために使用されることができる。
その一方で、方法８００はまた、複数の治療の選択肢を反映するように生成された患者固有の幾何学的形状モデルを変更するための幾何学的形状変更技術を実施することを含むことができる（ステップ８０８）。任意の適切なコンピュータモデリングまたはコンピュータ支援製図技術は、患者固有の幾何学的形状モデルに関連するメッシュを変更するために使用されることができる。例えば、１つの実施形態において、幾何学的形状領域の変更技術は、治療された元の患者の動脈の幾何学的形状を合成するための空間領域構成（ＣＳＧ）結合法を実行するために使用されることができる。他の実施形態において、元の患者の動脈の幾何学的形状のメッシュモデルを提案された治療された動脈の幾何学形状へと変形するために弾性変形変更技術が使用されることができる。幾何学的形状領域変更及び弾性変形変更技術の例示的な実施形態は、以下により詳細に説明される。
方法８００は、さらに、全ての可能な治療の選択肢をモデリングするために１つ以上の変更技術を使用することを含むことができる（ステップ８１０）。例えば、変更技術は、患者の動脈樹の全ての可能な位置におけるステントの挿入をシミュレートすることができる。変更技術は、公知の商業ステントの幾何学的形状のデータベースに基づいて、ステントの半径及び長さの全ての組み合わせ及び／または全ての市販のステントを含む全ての可能なステントの挿入をシミュレートすることができる。さらに、幾何学的形状の変更技術は、任意の適切な位置における複数のステントの挿入をシミュレートすることができる。例えば、複数の動脈枝を有する患者の動脈樹を考えると、変更技術は、ステントを配置することができる各動脈枝に沿った全ての位置を特定するために使用されることができる。さらに、可能な位置は、患者の幾何学的形状モデルがステント自体よりも大幅に短いステント位置のずれを変更するように重複されることができる。同様に、変更技術は、バイパス移植の全ての可能な位置及びバイパス移植の全ての可能な大きさと向きについて適用されることができる。コンピュータシステムはまた、ＰＣＩ及び／またはＣＡＢＧ介入の任意の可能な組み合わせのために変更技術を適用することができる。
１つの実施形態において、コンピューティングシステムは、患者の冠状血管系内の全ての単一の実行可能な位置についての可能な治療の選択肢のセットを生成することができる。他の実施形態において、コンピューティングシステムは、エネルギー損失の所定の閾値レベルまたはいくつかの他の流れ特性を有する患者の冠状血管系のセクションについての可能な治療の選択肢のセットを生成することができる。例えば、ステップ８０６において患者の冠状動脈血流特性を解く際に、コンピューティングシステムは、０．７５未満のＦＦＲ値または動脈セグメント間で５％超低下したＦＦＲ値などの所定の血流特性を有するそれらのセグメントを特定することができる。そして、コンピューティングシステムは、様々なステント及び／またはバイパス移植片の全ての可能な種類、サイズ及び向きについて、上述した幾何学的形状の変更技術を使用してこれらのセグメントについての潜在的な治療の選択肢のセットを生成することができる。
全ての可能な治療の選択肢のセットが指定されると、方法８００は、各治療の選択肢に対応する低次モデルの推定されたパラメータを使用して全ての治療の選択肢についての低次モデルの反復解法を行うことを含むことができる（ステップ８１２、８０６）。具体的には、低次モデルは、各可能な治療の選択肢について効率的に実行されることができる。１つの実施形態において、低次モデルは、３次元計算流体力学モデルの固有の抵抗を表す抵抗器のネットワークとすることができる。固有の抵抗は、抵抗性セグメントのエンドポイントを選択し、例えばステップ８０６において解かれる術前の結果を使用してそれらのノード及びこれらのノードを接続するセグメントを通る流れにおける圧力を判定し、オームの法則を使用して抵抗値を計算することによって計算されることができる。低次モデルは、患者固有の幾何学的形状モデルの境界条件として定義される抵抗に結合されることができる。
各可能な治療の選択肢についての低次モデルを解くために、可能な治療の選択肢に関連する推定されたパラメータは、低次モデルを変更するために使用されることができる。例えば、抵抗モデルの場合には、ステントについて推定された抵抗値は、ステントについての適切な位置に低次モデルに挿入されることができる。ステントについて推定された抵抗値は、ステントに適した複数の位置のいずれかに移動されることができ、低次モデルは、各可能な位置について解くことができる。図１２～図１６に関して上述したように、各可能な治療の選択肢について生成された低次モデルは、例えば、オームの法則、キルヒホッフの電流法則及び／またはキルヒホッフの電圧法則を使用して迅速に解くことができる。
１つの実施形態において、各治療の選択肢についての低次モデルを解くのに使用される抵抗値は、円筒内の完全に発達した流れ（すなわち、ポアズイユ流れのような）についての解析解に基づいて推定されることができる。例えば、所定のステントまたはバイパスについて、完全に発達した流れは、可能なステントまたはバイパスの公知の寸法及び幾何学的形状の長さ及び直径にわたって存在すると仮定することができる。そして、コンピュータシステムは、そのような流れに関連する抵抗値を解析的に解くことができる。そのような解析技術に代わるものとして、可能なステントまたはバイパスの選択肢に関連する抵抗値は、以前に実施されたステントまたはバイパス移植片の様々な公知の寸法及び幾何学的形状に関連する公知の抵抗値のデータベースまたはライブラリなどの履歴データから得ることができる。それゆえに、各可能な治療の選択肢の種類及び位置に関連するように計算、推定または予測された抵抗値を使用して各可能な治療の選択肢について低次モデルが作成されて解かれることができる。さらに、低次モデルは、（例えば、完全な３次元モデルと比較して）比較的迅速な計算を可能とする簡略化された式のセットを使用して作成されて解かれることができ、各治療の選択肢が与えられると、完全な３次元計算解法の結果を密接に近似することができる流量及び圧力を解くために使用されることができる。低次モデルは、様々な異なる治療の選択肢をモデリングするために比較的迅速な反復処理を可能とする。
方法８００はまた、複数の低次モデルから解かれる血流特性の１つ以上の目的関数を生成することを含むことができる（ステップ８１４）。適切な目的関数は、１つ以上の他の変数に対して１つ以上の変数を最適化するコスト関数または任意の他の多変数関数とすることができる。１つの実施形態において、生成された目的関数は、複数の治療の選択肢に対応する複数の低次モデルから解かれる流量特性のうちの１つ以上を最適化することができる。例えば、目的関数は、動脈流を最大化するまたはＦＦＲ損失を最小化する１つ以上の治療の選択肢を特定するために設計されることができる。１つの実施形態において、目的関数は、２０１２年１０月１９日にＴｉｍｏｔｈｙ Ａ． Ｆｏｎｔｅらによって提出された、脈管構造を数値的に評価するためのシステム及び方法についての米国特許出願第１３／６５６１８３号に記載されたように構文スコアを最適化する１つ以上の治療の選択肢を特定するように設計されることができ、その全内容は、参照することによって本願明細書に組み込まれる。目的関数は、流量を最大化する、圧力変化を最小化するまたは血流の任意の他の所望の特性を最適化するように設計されてもよい。それゆえに、目的関数を解くことは、所望の特性を最適化する治療の選択肢（すなわち、ステントの選択／位置及び／またはバイパス移植片の選択／位置）のうちの１つ以上の特定を可能とすることができる。目的関数は、ステップ８０６、８１２において解かれる多数の低次モデルの結果について動作することから、目的関数は、数百、数千または数万もの異なる治療の選択肢の結果を迅速且つ自動的に評価することができる。
さらに、目的関数は、可能な治療の選択肢の所定の望ましくない特性を不利にするように構成されることができる。具体的には、目的関数は、例えば、１つ以上のペナルティを有することができることから、最適な特定された治療が必ずしも絶対的な最高に最大化されたまたは最低に最小化された変数による治療ではないように設計されることができる。例えば、目的関数は、複数のステントを有する治療の選択肢に所定のペナルティを、多数の介入に大きいペナルティを適用するように設計されることができる（すなわち、ステント及びバイパス移植片の組み合わせを不利にする）。１つの実施形態において、目的関数は、ステント及び／またはバイパス移植片数の増加、大血管、小血管におけるＦＦＲ値の減少、挿入されたステントの近接さの増加（すなわち、距離の減少）、及び、分岐の存在または数のうちの１つ以上を不利にすることができる。
１つの実施形態において、目的関数は、１つ以上の治療の選択肢の実際の及び／または推定された金銭的コストに基づいて所定の治療の選択肢を不利にすることができる。例えば、目的関数は、公知の病院費、医師料、医療機器の価格、保険払い戻しまたは異なる治療法に関連する任意の他の金銭的コストのライブラリを受信またはアクセスすることができる。コストは、様々な患者の要因、処置の地理、移植された医療器具の種類、処置に関連する病院や医師、外科的処置の複雑さなどに基づいて変化することができることが知られている。それゆえに、例えば、複雑さが増加するかまたはステント若しくはバイパスの数が増加するのにともない、予測またはモデリングされた治療の選択肢のコストもまた増加することができ、関連する治療の選択肢は、目的関数によって適宜不利にされることができる。
換言すれば、目的関数は、それらの治療の選択肢が絶対的に最も最適化された血流特性をもたらさない場合であっても、例えば１つのステントまたは１つのバイパスを使用する単純で且つ例えば小血管よりも大血管について有意な成果をもたらす効果的な治療の選択肢を優先するように設計されることができる。そのような目的関数は、１つ以上のローカルまたはグローバルに最適化された血流特性の特定をもたらすことができる（ステップ８１６）。
１つの実施形態において、目的関数が所望の流動パラメータを最適化（例えば、ＦＦＲを最小化し、流量を最大化するグローバル最適化など）する治療の選択肢を特定する場合、方法８００は、特定された治療の選択肢を表示することなどによってその治療の選択肢を出力する（ステップ８１８）ことを含むことができる。例えば、方法８００は、選択された治療の選択肢（例えば、ステントまたはバイパス移植）によって変更されるような患者固有の幾何学的形状モデルを表示することを含むことができる。追加的にまたは代替的に、方法８００は、選択された治療の選択肢の文書またはテキスト説明を表示することを含むことができる。例えば、方法８００は、目的関数を最適化するステント及び／またはバイパス移植片の種類、位置及び／または向きを表示することを含むことができる。
１つの実施形態において、目的関数が比較的適しているが必ずしも最適値ではないＦＦＲ値、圧力値または流量値などの局所的な最適化を特定する場合、方法８００は、必要に応じて、局所的な最適化をもたらす反復された治療の選択肢に基づいて患者固有のモデルの表面メッシュを変更することを含むことができる（ステップ８２０）。それゆえに、局所的に最適な治療の選択肢は、ステップ８０８に関連して記載される１つ以上の幾何学的形状変更技術を使用して治療の選択肢によって患者固有の幾何学的形状モデルを変更することによって新たな低次モデルを改変または作成するために使用されることができる。そのような技術は、最適な治療の選択肢の特定につながる可能性が最も高い改変された表面メッシュ及び低次モデルの効率的且つ自動的な生成を容易とすることができる。もちろん、反復された治療の選択肢に基づいて表面メッシュを変更し（ステップ８２０）、対応する低次モデルを作成する（ステップ８０４）ことによって特定される治療の選択肢は、患者固有の幾何学的形状モデル、３次元流れモデル及び／またはＦＦＲｃｔモデルに関連してディスプレイに出力することができる（ステップ８１８）。
ステップ８０８に関して上述したように、患者固有の幾何学的形状モデルを変更するために、全ての可能な治療の選択肢のセットを生成するため及び血流の改変された低次モデルを生成するために表面メッシュを改変するための双方のために、複数の異なる技術が実施されてもよい。図３０は、患者固有の幾何学的形状モデルを変更するための幾何学的形状領域の変更技術の方法８５０を示している。一般に、幾何学的形状領域の変更は、ステント付き領域を表す構築された幾何学的形状と患者の元の血管幾何学的形状のＣＳＧ結合法を行うことによって血管径を増大させることを含むことができる。
１つの実施形態において、ステント付き領域の幾何学的形状を構築するために陰関数が使用されることができる。図３０に示されるように、方法８５０は、治療されるべき血管の離散点に沿った複数の球体を定義することを含むことができる（ステップ８５２）。例えば、半径ｒを有する点［ｃｘ，ｃｙ，ｃｚ］を中心とする球体は、陰関数（ｘ－ｃｘ）２＋（ｙ－ｃｙ）２＋（ｚ－ｃｚ）２＝ｒ２によって記載されることができる。それゆえに、血管に沿った離散点のシーケンス番号を定義すると、経路に沿った全ての２つの連続点（ｐｎ，ｐｎ＋１）は、カプセルを定義するために使用されることができる。
そして、方法８５０は、少なくとも１つのカプセルを生成するために定義された球体の結合を行うことを含むことができる（ステップ８５４）。具体的には、図３１Ａの図に反映されるように、各カプセルは、各点における指定された半径の２つの球体の結合及び２つの半径を線形補間するそれらの間の円錐として定義されることができる。
そして、方法８５０は、少なくとも１つのカプセルの結合内の複数のＣＳＧ格子点を特定することを含むことができる（ステップ８５６）。具体的には、コンピューティングシステムは、ステップ８５４において生成された１つ以上のカプセルの周りに十分な空間分解能の均一なＣＳＧ格子を構築することができる。図３１Ｂは、カプセルを形成する結合の周りの複数のＣＳＧ格子点の１つの実施形態を示している。１つの実施形態において、各格子点について、符号付きの距離は、各カプセルについて計算されることができ、全てのカプセルにわたる最小値は、各格子点に記憶されることができる。１つの実施形態において、各符号付きの距離は、図３１Ｂに示されるように、正の符号が表面の外側に位置する点を示し且つ負の符号が表面の内側に位置する点を示す格子点からカプセル上の最も近い点までの距離とすることができる。それゆえに、ステップ８５６は、ステップ８５４において生成された全てのカプセルの結合を表す値の格子をもたらすことができる。
方法８５０は、さらに、ステップ８５６において生成されたＣＳＧ格子点から提案されたステント付き領域のメッシュを構築することを含むことができる（ステップ８５８）。例えば、マーチングキューブまたはデュアル輪郭を含む任意の適切なＣＳＧ技術は、ＣＳＧ格子からの明示的な三角形メッシュを抽出することによって提案されたステントに合うように形成する血管の部分を表すために使用されることができる。図３２は、暗黙的に生成されたカプセルの結合についてマーチングキューブ技術を実行することによって作成された、提案されたステント幾何学的形状の三角形メッシュのグラフィカル表現を示している。
方法８５０は、さらに、（ステップ８５８において形成されたような）提案されたステント付き領域のメッシュと、元の患者の幾何学的形状のメッシュとの間のＣＳＧ結合を行うことを含むことができる（ステップ８６０）。図３３Ａは、血管の可視狭窄として現れる狭窄部を有する元の患者の幾何学的形状の三角形メッシュのグラフィカル表現を示している。図３３Ｂは、図３３Ａに示される元の患者の幾何学的形状のメッシュと図３２に示されるステントメッシュの幾何学的形状との間においてＣＳＧ結合から生じた三角形メッシュのグラフィカル表現を示している。換言すれば、図３３Ｂに示される幾何学的形状のメッシュは、図３２において生成されたステントの幾何学的形状と図３３Ａにおいて生成された狭窄部の幾何学的形状との統合または合成を反映する。
図３０～図３３Ｂに関して上述した幾何学的形状領域の変更技術に加えて、弾性変形変更技術は、同様にまたは代替的に、患者固有の幾何学的形状モデルを変更するために使用されることができる。図３４は、患者固有の幾何学的形状モデルを変更するための弾性変形技術を実行する例示的な方法８８０を示している。一般に、方法８８０は、ステントまたはバイパス移植片などの所望の治療の選択肢の形状を表す明示的または暗示的な形状の周りの患者固有の幾何学的形状モデルの表面メッシュを変形させることを含むことができる。
１つの実施形態において、方法８８０は、変形されることになる患者の幾何学的形状の表面メッシュを取得することを含むことができる（ステップ８８２）。例えば、表面メッシュは、ステントが挿入され且つ有限要素ソフトウェアまたは任意の種類の弾性変形シミュレータを使用して開くことができる動脈血管の部分についてセグメンテーションされることができる。方法８８０は、変形されることになる組織の材料特性を設定すること（ステップ８８４）と、表面メッシュにそれらの材料特性を割り当てることとを含むことができる。例えば、材料特性は、実際の血管組織の現実的な弾性などを定義することができる。そして、方法８８０は、所望の衝突幾何学的形状に対して公知のステントの幾何学的形状を適用することを含むことができる（ステップ８８６）。例えば、任意の適切なステントの種類、幾何学的形状またはサイズを含む可能な治療の選択肢のセットのいずれかについて、方法８８０は、衝突幾何学的形状として弾性変形シミュレータにそのようなステントの１つ以上の幾何学的形状表現を挿入することを含むことができる。そして、方法８８０は、挿入された衝突幾何学的形状の表面に接近するために、患者の元の組織幾何学的形状の表面メッシュをプッシュするために有限要素または弾性変形シミュレータを実行することを含むことができる（ステップ８８８）。１つの実施形態において、表面メッシュの幾何学的形状は、表面幾何学的形状が自己交差するのを可能とするのを回避するために衝突検出及び応答を行いながら、衝突の影響を捕捉するために必要に応じて改変されることができる。
本開示は、幾何学的形状領域の変更及び弾性変形変更の実施形態を説明するが、治療の選択肢の全ての可能なセットを自動的に特定し、それらの特定された治療の選択肢を評価するために、任意の適切な種類のコンピュータグラフィックスまたは他のソリッド幾何学的形状構築技術が患者の幾何学的形状のモデルを変更するために使用可能であることが理解される。
上述した技術の結果として、３次元血流モデリングの精度は、計算の簡便さと１次元及び集中定数モデリング技術に固有の相対速度と組み合わされることができる。３次元計算方法は、正常セグメント上の圧力損失、狭窄、接合及び他の解剖学的特徴について数値的に導出された経験的モデルが埋め込まれる患者固有の一次元または集中定数モデルを数値的に導出するために使用されることができる。心臓血管疾患を有する患者についての改善された診断が提供されることができ、医療、介入及び外科的処置の計画は、より迅速に実行されることができる。
また、３次元計算流体力学技術の精度は、血流の集中定数及び一次元モデルの計算の簡略さと性能能力と組み合わせられることができる。３次元幾何学的形状及び生理学的モデルは、低次の１次元または集中定数モデルに自動的に分解されることができる。３次元モデルは、正常セグメント、狭窄及び／または枝を通る血流の線形または非線形の血行動態的効果を計算して経験的モデルのパラメータを設定するために使用されることができる。１次元または集中定数モデルは、患者固有モデルにおける血流及び圧力をより効率的且つ迅速に解き、集中定数または１次元の解の結果を表示することができる。
低次の患者固有の解剖学的構造及び生理学的モデルは、心拍数、ストローク心拍出量、血圧または冠状動脈血流の冠動脈微小循環機能を変化させる異なる薬物の効果またはライフスタイルの変化（例えば、禁煙、食生活の変化または身体活動の増加）を判定するために使用されることができる。そのような情報は、医学的治療を最適化するかまたは薬物の潜在的に危険な結果を回避するために使用されることができる。低次モデルはまた、例えば、サッカーをしているとき、宇宙飛行中、スキューバダイビングをしているとき、航空機飛行中など、代替形態及び／または様々なレベルの身体活動または潜在的な外因性力への露出の危険性の冠状動脈血流に対する影響を判定するために使用されることができる。そのような情報は、特定の患者についての安全且つ有効であり得る身体活動の種類及びレベルを特定するために使用されることができる。低次モデルはまた、最適な介入戦略を選択するために冠状動脈血流に対する経皮的冠状動脈インターベンションの潜在的利益を予測するために及び／または最適な手術戦略を選択するために冠状動脈血流に対する冠状動脈バイパス移植の潜在的利益を予測するために使用されることができる。
低次モデルはまた、冠状動脈血流に対する動脈疾患の負担の増加という潜在的に有害な影響を説明し且つ機械的なまたは現象的な疾患進行モデルまたは経験的データを使用して進行疾患が心筋への血流を危険にさらすことをもたらすことがあるときを予測するために使用されることができる。そのような情報は、非侵襲的撮像を使用して初期に血行動態的に重大な疾患のないことが観察された患者が医学的介入または外科的治療を必要とすることが予想されない可能性のある「保証期間」、あるいは、不利な要因が継続している場合に進行が生じる可能性がある速度の判定を可能とすることができる。
低次モデルはまた、冠状動脈疾患の負担の減少に起因する冠状動脈血流に対する潜在的に有益な効果を説明し且つ機械的なまたは現象的な疾患進行モデルまたは経験的データを使用して疾患の退行が冠状動脈を通る心筋への血流の増加をもたらすことがあるときを予測するために使用されることができる。そのような情報は、これらに限定されるものではないが、食生活の変化、身体的活動の増加、スタチンまたは他の薬剤の処方などを含む医学的管理プログラムを案内するために使用されることができる。
低次モデルはまた、医師が心臓カテーテル検査室において患者を検査しながら治療の選択肢のライブ計算を可能とするために血管造影システムに組み込まれることができる。モデルは、血管造影ディスプレイと同じ向きに位置決めされることができ、シミュレートされた血流の解による冠状動脈の血管造影のライブビューの横並びまたは重複結果を可能とする。医師は、観察が処置中に行われるのにともない治療計画を計画して変更することができ、医療の意思決定が行われる前に比較的迅速なフィードバックを可能とする。医師は、圧力、ＦＦＲまたは血流測定を侵襲的に行うことができ、測定値は、予測シミュレーションが実行される前にモデルをさらに改変するために利用されることができる。
低次モデルはまた、医用撮像システムまたはワークステーションに組み込まれることができる。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出される場合、低次モデルは、撮像スキャンを完了した後に血流情報を比較的迅速に解くために幾何学的形状セグメンテーションアルゴリズムとともに使用されることができる。
低次モデルはまた、新たな薬物治療の有効性または患者の大集団に対する治療の選択肢のコスト／利益をモデリングするために使用されることができる。複数の患者固有の集中定数モデルのデータベース（例えば、数百、数千またはそれ以上）は、比較的短い時間量で解くためにモデルを提供することができる。比較的迅速な反復及び最適化は、薬物、治療または臨床的試験のシミュレーションまたは設計のために提供されてもよい。薬物または外科的介入に対する治療、患者の応答を表すモデルに適応することは、おそらく費用がかかり且つ潜在的に危険な大規模な臨床的試験を行う必要なく取得されるように有効性を推定するのを可能とすることができる。
任意の実施形態に記載された任意の態様は、本願明細書に記載された任意の他の実施形態で使用されることができる。本願明細書に記載された全てのデバイス及び装置は、任意の適切な医療処置で使用されることができ、任意の適切な身体内腔及び体腔を介して進むことができ、任意の適切な身体部分を撮像するために使用されることができる。
様々な変更例及び変形例は、本開示の範囲から逸脱することなく、開示されたシステム及び方法において行うことができる。他の実施形態は、本願明細書に開示された開示の明細書及び実施を考慮すれば当業者にとって明らかであろう。明細書及び実施例は、以下の特許請求の範囲によって示される本開示の真の範囲及び精神を有する例示としてのみ考慮されることが意図される。

Claims (20)

  1. 患者についての解剖学的治療の１つ以上の選択肢に基づいて３次元モデルを変更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備え、
    前記少なくとも１つのコンピュータシステムは、
    内腔を含む患者の解剖学的構造の幾何学的形状に関する患者固有データに基づいて、解剖学的構造の少なくとも一部を表す３次元メッシュモデルを作成することと、
    複数の治療の選択肢のうち、前記患者の解剖学的構造の少なくとも一部を治療するための少なくとも１つの治療の選択肢の幾何学的形状を決定することであって、前記複数の治療の選択肢のそれぞれは、幾何学的形状を伴う、ことと、
    前記複数の治療の選択肢のうちの前記少なくとも１つの治療の選択肢の幾何学的形状を前記内腔に挿入することをシミュレートすることによって、または、前記３次元メッシュモデルの前記内腔から、前記複数の治療の選択肢のうちの前記少なくとも１つの治療の選択肢の幾何学的形状を削除することをシミュレートすることによって、前記３次元メッシュモデルを変更することであって、前記複数の治療の選択肢のうちの前記少なくとも１つの治療の選択肢の幾何学的形状を前記内腔に挿入することをシミュレートすること、および、前記３次元メッシュモデルの前記内腔から、前記複数の治療の選択肢のうちの前記少なくとも１つの治療の選択肢の幾何学的形状を削除することをシミュレートすることは、前記３次元メッシュモデルの表面を変形することによって行われ、前記３次元メッシュモデルの前記表面は、陰関数によってパラメータ化されている、ことと
    を行うように構成されている、システム。
  2. 前記３次元メッシュモデルおよび前記変更された３次元メッシュモデルは、前記複数の治療の選択肢のうちの前記少なくとも１つの治療の選択肢の幾何学的形状の輪郭を描く、請求項１に記載のシステム。
  3. 前記コンピュータシステムは、前記複数の治療の選択肢のうちの前記少なくとも１つの治療の選択肢の幾何学的形状を組み込んだ前記変更された３次元メッシュモデルに関連付けられた血流特性の値を決定するように構成されている、請求項１に記載のシステム。
  4. 前記コンピュータシステムは、前記複数の治療の選択肢のうちの前記少なくとも１つの治療の選択肢に関連付けられた前記３次元メッシュモデルにおける１つ以上の場所を識別するように構成されており、
    前記３次元メッシュモデルの変更は、前記１つ以上の場所に基づく、請求項１に記載のシステム。
  5. 前記コンピュータシステムは、前記１つ以上の場所の中から１つの以上の重複領域を決定するように構成されており、
    前記３次元メッシュモデルの変更は、前記１つ以上の重複領域に少なくとも部分的に基づく、請求項４に記載のシステム。
  6. 前記コンピュータシステムは、
    血流特性の少なくとも１つの閾値レベルを決定することと、
    前記血流特性の前記少なくとも１つの閾値レベルに基づいて、前記１つ以上の場所を識別することと
    を行うように構成されている、請求項４に記載のシステム。
  7. 前記コンピュータシステムは、前記少なくとも１つの閾値レベルに基づいて、前記３次元メッシュモデルの１つ以上のセクションを決定するように構成されており、
    前記３次元メッシュモデルの変更は、前記１つ以上のセクションに少なくとも部分的に基づく、請求項６に記載のシステム。
  8. 前記複数の治療の選択肢は、前記１つ以上のセクションのそれぞれに対する一組の可能性のある治療の選択肢を含む、請求項７に記載のシステム。
  9. 患者についての解剖学的治療の１つ以上の選択肢に基づいて３次元モデルを変更するためのコンピュータに実装された方法であって、前記方法は、
    内腔を含む患者の解剖学的構造の幾何学的形状に関する患者固有データに基づいて、解剖学的構造の少なくとも一部を表す３次元メッシュモデルを作成することと、
    複数の治療の選択肢のうち、前記患者の解剖学的構造の少なくとも一部を治療するための少なくとも１つの治療の選択肢の幾何学的形状を決定することであって、前記複数の治療の選択肢のそれぞれは、幾何学的形状を伴う、ことと、
    前記複数の治療の選択肢のうちの前記少なくとも１つの治療の選択肢の幾何学的形状を前記内腔に挿入することをシミュレートすること、または、前記３次元メッシュモデルの前記内腔から、前記複数の治療の選択肢のうちの前記少なくとも１つの治療の選択肢の幾何学的形状を削除することをシミュレートすることによって、前記３次元メッシュモデルを変更することであって、前記複数の治療の選択肢のうちの前記少なくとも１つの治療の選択肢の幾何学的形状を前記内腔に挿入することをシミュレートすること、および、前記３次元メッシュモデルの前記内腔から、前記複数の治療の選択肢のうちの前記少なくとも１つの治療の選択肢の幾何学的形状を削除することをシミュレートすることは、前記３次元メッシュモデルの表面を変形することによって行われ、前記３次元メッシュモデルの前記表面は、陰関数によってパラメータ化されている、ことと
    を含む、コンピュータに実装された方法。
  10. 前記３次元メッシュモデルおよび前記変更された３次元メッシュモデルは、前記複数の治療の選択肢のうちの前記少なくとも１つの治療の選択肢の幾何学的形状の輪郭を描く、請求項９に記載のコンピュータに実装された方法。
  11. 前記コンピュータに実装された方法は、前記複数の治療の選択肢のうちの前記少なくとも１つの治療の選択肢の幾何学的形状を組み込んだ前記変更された３次元メッシュモデルに関連付けられた血流特性の値を決定することをさらに含む、請求項９に記載のコンピュータに実装された方法。
  12. 前記コンピュータに実装された方法は、前記複数の治療の選択肢のうちの前記少なくとも１つの治療の選択肢に関連付けられた前記３次元メッシュモデルにおける１つ以上の場所を識別することをさらに含み、
    前記３次元メッシュモデルの変更は、前記１つ以上の場所に基づく、請求項９に記載のコンピュータに実装された方法。
  13. 前記コンピュータに実装された方法は、前記１つ以上の場所の中から１つの以上の重複領域を決定することをさらに含み、
    前記３次元メッシュモデルの変更は、前記１つ以上の重複領域に少なくとも部分的に基づく、請求項１２に記載のコンピュータに実装された方法。
  14. 前記コンピュータに実装された方法は、
    血流特性の少なくとも１つの閾値レベルを決定することと、
    前記血流特性の前記少なくとも１つの閾値レベルに基づいて、前記１つ以上の場所を識別することと
    をさらに含む、請求項１２に記載のコンピュータに実装された方法。
  15. 前記コンピュータに実装された方法は、前記少なくとも１つの閾値レベルに基づいて、前記３次元メッシュモデルの１つ以上のセクションを決定することをさらに含み、
    前記３次元メッシュモデルの変更は、前記１つ以上のセクションに少なくとも部分的に基づく、請求項１４に記載のコンピュータに実装された方法。
  16. 前記複数の治療の選択肢は、前記１つ以上のセクションのそれぞれに対する一組の可能性のある治療の選択肢を含む、請求項１５に記載のコンピュータに実装された方法。
  17. 患者についての解剖学的治療の１つ以上の選択肢に基づいて３次元モデルを変更するためのコンピュータ実行可能なプログラム命令を含むコンピュータシステム上で用いられる非一過性のコンピュータ読み取り可能な媒体であって、前記コンピュータシステムは、方法を実行するように前記命令を実行するように構成されたプロセッサを含み、前記方法は、
    内腔を含む患者の解剖学的構造の幾何学的形状に関する患者固有データに基づいて、解剖学的構造の少なくとも一部を表す３次元メッシュモデルを作成することと、
    複数の治療の選択肢のうち、前記患者の解剖学的構造の少なくとも一部を治療するための少なくとも１つの治療の選択肢の幾何学的形状を決定することであって、前記複数の治療の選択肢のそれぞれは、幾何学的形状を伴う、ことと、
    前記複数の治療の選択肢のうちの前記少なくとも１つの治療の選択肢の幾何学的形状を前記内腔に挿入することをシミュレートすること、または、前記３次元メッシュモデルの前記内腔から、前記複数の治療の選択肢のうちの前記少なくとも１つの治療の選択肢の幾何学的形状を削除することをシミュレートすることによって、前記３次元メッシュモデルを変更することであって、前記複数の治療の選択肢のうちの前記少なくとも１つの治療の選択肢の幾何学的形状を前記内腔に挿入することをシミュレートすること、および、前記３次元メッシュモデルの前記内腔から、前記複数の治療の選択肢のうちの前記少なくとも１つの治療の選択肢の幾何学的形状を削除することをシミュレートすることは、前記３次元メッシュモデルの表面を変形することによって行われ、前記３次元メッシュモデルの前記表面は、陰関数によってパラメータ化されている、ことと
    を含む、非一過性のコンピュータ読み取り可能な媒体。
  18. 前記３次元メッシュモデルおよび前記変更された３次元メッシュモデルは、前記複数の治療の選択肢のうちの前記少なくとも１つの治療の選択肢の幾何学的形状の輪郭を描く、請求項１７に記載の非一過性のコンピュータ読み取り可能な媒体。
  19. 前記方法は、前記複数の治療の選択肢のうちの前記少なくとも１つの治療の選択肢の幾何学的形状を組み込んだ前記変更された３次元メッシュモデルに関連付けられた血流特性の値を決定することをさらに含む、請求項１７に記載の非一過性のコンピュータ読み取り可能な媒体。
  20. 前記方法は、前記複数の治療の選択肢のうちの前記少なくとも１つの治療の選択肢に関連付けられた前記３次元メッシュモデルにおける１つ以上の場所を識別することをさらに含み、
    前記３次元メッシュモデルの変更は、前記１つ以上の場所に基づく、請求項１７に記載の非一過性のコンピュータ読み取り可能な媒体。
JP2020189190A 2013-03-01 2020-11-13 患者固有の幾何学的形状モデルを変更することによって治療を決定する方法及びシステム Active JP7235710B2 (ja)

Priority Applications (1)

Application Number Priority Date Filing Date Title
JP2023027194A JP7483079B2 (ja) 2013-03-01 2023-02-24 患者固有の幾何学的形状モデルを変更することによって治療を決定する方法及びシステム

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
US13/782,307 US9042613B2 (en) 2013-03-01 2013-03-01 Method and system for determining treatments by modifying patient-specific geometrical models
US13/782,307 2013-03-01

Related Parent Applications (1)

Application Number Title Priority Date Filing Date
JP2018177309A Division JP6796117B2 (ja) 2013-03-01 2018-09-21 患者固有の幾何学的形状モデルを変更することによって治療を決定する方法及びシステム

Related Child Applications (1)

Application Number Title Priority Date Filing Date
JP2023027194A Division JP7483079B2 (ja) 2013-03-01 2023-02-24 患者固有の幾何学的形状モデルを変更することによって治療を決定する方法及びシステム

Publications (2)

Publication Number Publication Date
JP2021041192A JP2021041192A (ja) 2021-03-18
JP7235710B2 true JP7235710B2 (ja) 2023-03-08

Family

ID=50349857

Family Applications (5)

Application Number Title Priority Date Filing Date
JP2015560304A Withdrawn JP2016515843A (ja) 2013-03-01 2014-02-27 患者固有の幾何学的形状モデルを変更することによって治療を決定する方法及びシステム
JP2017229986A Active JP6409114B2 (ja) 2013-03-01 2017-11-30 患者固有の幾何学的形状モデルを変更することによって治療を決定する方法及びシステム
JP2018177309A Active JP6796117B2 (ja) 2013-03-01 2018-09-21 患者固有の幾何学的形状モデルを変更することによって治療を決定する方法及びシステム
JP2020189190A Active JP7235710B2 (ja) 2013-03-01 2020-11-13 患者固有の幾何学的形状モデルを変更することによって治療を決定する方法及びシステム
JP2023027194A Active JP7483079B2 (ja) 2013-03-01 2023-02-24 患者固有の幾何学的形状モデルを変更することによって治療を決定する方法及びシステム

Family Applications Before (3)

Application Number Title Priority Date Filing Date
JP2015560304A Withdrawn JP2016515843A (ja) 2013-03-01 2014-02-27 患者固有の幾何学的形状モデルを変更することによって治療を決定する方法及びシステム
JP2017229986A Active JP6409114B2 (ja) 2013-03-01 2017-11-30 患者固有の幾何学的形状モデルを変更することによって治療を決定する方法及びシステム
JP2018177309A Active JP6796117B2 (ja) 2013-03-01 2018-09-21 患者固有の幾何学的形状モデルを変更することによって治療を決定する方法及びシステム

Family Applications After (1)

Application Number Title Priority Date Filing Date
JP2023027194A Active JP7483079B2 (ja) 2013-03-01 2023-02-24 患者固有の幾何学的形状モデルを変更することによって治療を決定する方法及びシステム

Country Status (9)

Country Link
US (8) US9042613B2 (ja)
EP (3) EP2805278B1 (ja)
JP (5) JP2016515843A (ja)
KR (2) KR102336929B1 (ja)
CN (1) CN105144173B (ja)
AU (3) AU2014223466B2 (ja)
CA (1) CA2903147C (ja)
DE (1) DE202014010680U1 (ja)
WO (1) WO2014134289A1 (ja)

Families Citing this family (93)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20180344174A9 (en) * 2009-09-23 2018-12-06 Lightlab Imaging, Inc. Lumen Morphology and Vascular Resistance Measurements Data Collection Systems, Apparatus and Methods
US8315812B2 (en) 2010-08-12 2012-11-20 Heartflow, Inc. Method and system for patient-specific modeling of blood flow
US9814433B2 (en) 2012-10-24 2017-11-14 Cathworks Ltd. Creating a vascular tree model
US9858387B2 (en) * 2013-01-15 2018-01-02 CathWorks, LTD. Vascular flow assessment
US9943233B2 (en) 2012-10-24 2018-04-17 Cathworks Ltd. Automated measurement system and method for coronary artery disease scoring
US10210956B2 (en) 2012-10-24 2019-02-19 Cathworks Ltd. Diagnostically useful results in real time
CN105142722B (zh) 2012-12-28 2019-12-13 计算机心脏股份有限公司 基于血液-组织表面的放射外科肾脏治疗设计
EP2755185A1 (en) * 2013-01-14 2014-07-16 Universitat Pompeu-Fabra Computer implemented method for identifying channel like structures in a 3D volume using a layered approach, and computer program product implementing the method
US9042613B2 (en) 2013-03-01 2015-05-26 Heartflow, Inc. Method and system for determining treatments by modifying patient-specific geometrical models
US9215075B1 (en) 2013-03-15 2015-12-15 Poltorak Technologies Llc System and method for secure relayed communications from an implantable medical device
WO2014182505A1 (en) 2013-05-10 2014-11-13 Stenomics, Inc. Modeling and simulation system for optimizing prosthetic heart valve treatment
US9092743B2 (en) 2013-10-23 2015-07-28 Stenomics, Inc. Machine learning system for assessing heart valves and surrounding cardiovascular tracts
WO2015059706A2 (en) 2013-10-24 2015-04-30 Cathworks Ltd. Vascular characteristic determination with correspondence modeling of a vascular tree
JP6290651B2 (ja) * 2014-02-27 2018-03-07 株式会社キーエンス 画像測定器
JP6278741B2 (ja) * 2014-02-27 2018-02-14 株式会社キーエンス 画像測定器
AU2015253295B2 (en) * 2014-04-28 2018-03-29 Northwestern University Devices, methods, and systems of functional optical coherence tomography
WO2016065161A1 (en) * 2014-10-22 2016-04-28 Indiana University Research And Technology Corporation Unified computational method and system for patient-specific hemodynamics
US9594876B2 (en) 2014-11-04 2017-03-14 Heartflow, Inc. Systems and methods for simulation of occluded arteries and optimization of occlusion-based treatments
US10080872B2 (en) 2014-11-04 2018-09-25 Abbott Cardiovascular Systems Inc. System and method for FFR guidewire recovery
US9336354B1 (en) * 2014-11-04 2016-05-10 Heartflow, Inc. Systems and methods for simulation of hemodialysis access and optimization
CN107427268B (zh) * 2014-11-14 2023-07-28 西门子保健有限责任公司 用于基于纯几何机器学习的血流储备分数的方法和系统
EP3258890B1 (en) * 2015-02-17 2023-08-23 Siemens Healthcare GmbH Method and system for personalizing a vessel stent
EP3062248A1 (en) * 2015-02-27 2016-08-31 Pie Medical Imaging BV Method and apparatus for quantitative flow analysis
WO2016168474A1 (en) 2015-04-17 2016-10-20 Heartflow, Inc. Systems and methods for assessment of tissue function based on vascular disease
US9839483B2 (en) 2015-04-21 2017-12-12 Heartflow, Inc. Systems and methods for risk assessment and treatment planning of arterio-venous malformation
CN107735828B (zh) * 2015-06-25 2021-04-09 皇家飞利浦有限公司 交互式血管内过程培训以及相关设备、系统和方法
CA2991784A1 (en) * 2015-07-17 2017-01-26 Heartflow, Inc. Systems and methods for assessing the severity of plaque and/or stenotic lesions using contrast distribution predictions and measurements
US11094058B2 (en) 2015-08-14 2021-08-17 Elucid Bioimaging Inc. Systems and method for computer-aided phenotyping (CAP) using radiologic images
US11676359B2 (en) 2015-08-14 2023-06-13 Elucid Bioimaging Inc. Non-invasive quantitative imaging biomarkers of atherosclerotic plaque biology
US10176408B2 (en) 2015-08-14 2019-01-08 Elucid Bioimaging Inc. Systems and methods for analyzing pathologies utilizing quantitative imaging
US11087459B2 (en) 2015-08-14 2021-08-10 Elucid Bioimaging Inc. Quantitative imaging for fractional flow reserve (FFR)
US12026868B2 (en) 2015-08-14 2024-07-02 Elucid Bioimaging Inc. Quantitative imaging for detecting histopathologically defined plaque erosion non-invasively
US11113812B2 (en) 2015-08-14 2021-09-07 Elucid Bioimaging Inc. Quantitative imaging for detecting vulnerable plaque
US11071501B2 (en) 2015-08-14 2021-07-27 Elucid Bioiwaging Inc. Quantitative imaging for determining time to adverse event (TTE)
US12008751B2 (en) 2015-08-14 2024-06-11 Elucid Bioimaging Inc. Quantitative imaging for detecting histopathologically defined plaque fissure non-invasively
US10236084B2 (en) 2015-11-10 2019-03-19 Heartflow, Inc. Systems and methods for anatomical modeling using information obtained from a medical procedure
JP6858773B2 (ja) * 2015-11-23 2021-04-14 ハートフロー， インコーポレイテッド １つ以上の移植特性をシミュレーションすることによる臓器移植及び／または組織移植を評価するためのシステム及び方法
US10274935B2 (en) * 2016-01-15 2019-04-30 Honeywell Federal Manufacturing & Technologies, Llc System, method, and computer program for creating geometry-compliant lattice structures
JP6918484B2 (ja) * 2016-02-05 2021-08-11 キヤノンメディカルシステムズ株式会社 画像処理装置及び医用画像診断装置
US10278662B2 (en) * 2016-02-05 2019-05-07 Toshiba Medical Systems Corporation Image processing apparatus and medical image diagnostic apparatus
US10172517B2 (en) * 2016-02-25 2019-01-08 Samsung Electronics Co., Ltd Image-analysis for assessing heart failure
JP6718975B2 (ja) 2016-03-16 2020-07-08 ハートフロー， インコーポレイテッド 冠動脈において健全な管腔径を推定し狭窄を定量化するためのシステム及び方法
CN105662451B (zh) * 2016-03-31 2018-10-09 北京思创贯宇科技开发有限公司 一种主动脉图像处理方法和装置
EP3457930B1 (en) 2016-05-16 2023-11-15 Cathworks Ltd. System for vascular assessment
WO2017199246A1 (en) 2016-05-16 2017-11-23 Cathworks Ltd. Vascular selection from images
WO2018051162A1 (en) 2016-09-19 2018-03-22 Biomodex S.A.S. Method for fabricating a physical simulation device, simulation device and simulation system
EP3296899A1 (en) 2016-09-19 2018-03-21 Biomodex S.A.S. Method and apparatus for generating a 3d model of an object
DE202017106016U1 (de) * 2016-10-04 2017-12-07 Toshiba Medical Systems Corporation Medizinische Informationsverarbeitungsvorrichtung, Röntgen-CT-Vorrichtung und computerlesbares Speichermedium mit einem Programm für ein medizinisches Informationsverarbeitungsverfahren
CN106361429B (zh) * 2016-11-10 2018-09-11 西安电子科技大学 借助3d打印实现先心病手术方案术前评估装置和方法
DE102016222102A1 (de) * 2016-11-10 2018-05-17 Siemens Healthcare Gmbh Behandlungsplanung für eine Stenose in einem Gefäßsegment anhand einer virtuellen hämodynamischen Analyse
KR20180065135A (ko) 2016-12-07 2018-06-18 삼성전자주식회사 셀프 구조 분석을 이용한 구조 잡음 감소 방법 및 장치
EP4393386A3 (en) 2017-01-23 2024-09-11 Shanghai United Imaging Healthcare Co., Ltd. Method and system for analyzing blood flow condition
EP3441937B1 (en) * 2017-08-08 2020-04-22 Adas3D Medical, Sl A computer implemented method for calculating values indicative for the local spatial structure of conducting properties of heart muscle tissue and computer programs thereof
WO2019042789A1 (en) * 2017-08-30 2019-03-07 Koninklijke Philips N.V. CORONARY ARTERY HEALTH PREDICTION BASED ON MODEL AND IMAGING DATA
CN118476800A (zh) 2017-10-06 2024-08-13 埃默里大学 用于确定一个或多个动脉节段的血液动力学信息的方法和系统
US11871995B2 (en) 2017-12-18 2024-01-16 Hemolens Diagnostics Sp. Z O.O. Patient-specific modeling of hemodynamic parameters in coronary arteries
US10991465B2 (en) 2017-12-20 2021-04-27 Heartflow, Inc. Systems and methods for performing computer-simulated evaluation of treatments on a target population
US11110249B2 (en) * 2018-02-01 2021-09-07 Terumo Kabushiki Kaisha Assistance system, assistance method, assistance program, and recording medium having assistance program recorded thereon
WO2019222135A1 (en) 2018-05-16 2019-11-21 Benevis Informatics, Llc Systems and methods for review of computer-aided detection of pathology in images
AU2019305055A1 (en) * 2018-07-20 2021-03-11 University Of Louisville Research Foundation, Inc. Method and system for assessing a coronary stenosis
US10679350B2 (en) * 2018-08-10 2020-06-09 Koninklijke Philips N.V Method and apparatus for adjusting a model of an anatomical structure
EP3624132A1 (en) * 2018-09-13 2020-03-18 Koninklijke Philips N.V. Calculating boundary conditions for virtual ffr and ifr calculation based on myocardial blush characteristics
PL427234A1 (pl) 2018-09-28 2020-04-06 Fundacja Rozwoju Kardiochirurgii Im. Profesora Zbigniewa Religi Sposób modelowania naczyń krwionośnych i przepływu krwi w tych modelach naczyń krwionośnych
JP7187247B2 (ja) * 2018-10-11 2022-12-12 キヤノンメディカルシステムズ株式会社 医用画像処理装置、ｘ線診断装置、および医用画像処理システム
US11687691B2 (en) 2019-01-03 2023-06-27 International Business Machines Corporation Forward and reverse transformations of a model of functional units of a biological system trained by a global model of the systems
US10813612B2 (en) 2019-01-25 2020-10-27 Cleerly, Inc. Systems and method of characterizing high risk plaques
EP3923787A4 (en) 2019-02-11 2022-11-02 University Of Louisville Research Foundation, Inc. SYSTEM AND METHOD OF DETERMINING A BLOOD FLOW PROPERTY
JP7532402B2 (ja) 2019-04-01 2024-08-13 キャスワークス リミテッド 血管造影画像選択のための方法および装置
US11357573B2 (en) 2019-04-25 2022-06-14 International Business Machines Corporation Optimum treatment planning during coronary intervention by simultaneous simulation of a continuum of outcomes
US11508063B2 (en) 2019-08-05 2022-11-22 Elucid Bioimaging Inc. Non-invasive measurement of fibrous cap thickness
US11113881B2 (en) 2019-09-06 2021-09-07 St Jude Medical, Cardiology Division, Inc. Systems and methods for generating a three-dimensional surface from a segmented volume
US12039685B2 (en) 2019-09-23 2024-07-16 Cathworks Ltd. Methods, apparatus, and system for synchronization between a three-dimensional vascular model and an imaging device
WO2021141921A1 (en) 2020-01-07 2021-07-15 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
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
CN111150490B (zh) * 2020-01-15 2021-01-29 陈挺 基于ar和ai技术的心脏射频消融手术智能助手系统
GB202001914D0 (en) * 2020-02-12 2020-03-25 Kings College Apparatus and method for image processing
US12048575B2 (en) * 2020-03-10 2024-07-30 GE Precision Healthcare LLC Systems and methods for registration of angiographic projections with computed tomographic data
CN111309368B (zh) * 2020-03-12 2023-05-16 超越科技股份有限公司 一种基于b/s框架开发信息管理方法，系统，设备及可读存储介质
CN111640126B (zh) * 2020-05-29 2023-08-22 成都金盘电子科大多媒体技术有限公司 基于医学影像的人工智能诊断辅助方法
US11289206B2 (en) * 2020-06-02 2022-03-29 Kpn Innovations, Llc. Artificial intelligence methods and systems for constitutional analysis using objective functions
CN111956200B (zh) * 2020-09-01 2023-07-21 徐州利华电子科技发展有限公司 微循环高速血流测算系统和测算方法
JP7460907B2 (ja) 2020-09-17 2024-04-03 富士通株式会社 シミュレーションプログラム、シミュレーション方法およびシミュレーションシステム
CN112617771B (zh) * 2020-12-28 2021-11-09 深圳北芯生命科技股份有限公司 基于血管充血状态的诊断模式确定方法及系统
EP4075446A1 (en) 2021-04-18 2022-10-19 Kardiolytics Inc. Method and system for modelling blood vessels and blood flow under high-intensity physical exercise conditions
CN113539516B (zh) * 2021-07-07 2024-06-14 深圳睿心智能医疗科技有限公司 治疗方案的应用后效果的获取方法及装置
EP4170667A1 (en) * 2021-10-25 2023-04-26 Anamos GmbH Database-based configurator for the creation of anatomical models
US20230289963A1 (en) 2022-03-10 2023-09-14 Cleerly, Inc. Systems, devices, and methods for non-invasive image-based plaque analysis and risk determination
WO2024002764A1 (en) * 2022-06-30 2024-01-04 Koninklijke Philips N.V. Local manufacturing of a medical stent based on a computational modeled outcome prediction
WO2024177707A1 (en) * 2023-02-24 2024-08-29 Medtronic Vascular, Inc. Coronary artery bypass graft optimization
WO2024200799A1 (en) * 2023-03-31 2024-10-03 Koninklijke Philips N.V. Therapy planning by simulating patency scenarios
WO2024200348A1 (en) * 2023-03-31 2024-10-03 Koninklijke Philips N.V. Therapy outcome confirmation by simulating patency scenarios
CN117414200B (zh) * 2023-12-19 2024-02-27 四川大学 一种用于心脏外科瓣膜修复手术术前演练的系统及方法

Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2001079097A (ja) 1999-09-10 2001-03-27 Shinichi Urayama ステントグラフト設計装置、ステントグラフト設計方法およびステントグラフト設計支援プログラムを記録したコンピュータ読み取り可能な記録媒体
JP2009544101A (ja) 2006-07-17 2009-12-10 コーニンクレッカ フィリップス エレクトロニクス エヌ ヴィ 医用画像セグメンテーション用の多角形メッシュを用いた効率的ユーザインタラクション
JP2011504115A (ja) 2007-10-18 2011-02-03 ザ ユニバーシティ オブ ノース カロライナ アット チャペル ヒル １つの画像データからの解剖学的構造を含む対象物のモデルの領域を、診断的又は治療的介入に用いられる画像にマッピングするための方法、そのシステム及びコンピューター読み取り可能な媒体
US20110144658A1 (en) 2008-08-29 2011-06-16 Corindus Inc. Catheter simulation and assistance system
US20110153286A1 (en) 2009-12-22 2011-06-23 Siemens Corporation Method and System for Virtual Percutaneous Valve Implantation
JP2011200549A (ja) 2010-03-26 2011-10-13 Fujitsu Ltd ３次元テンプレート変形方法、装置及びプログラム
WO2012021307A2 (en) 2010-08-12 2012-02-16 Heartflow, Inc. Method and system for patient-specific modeling of blood flow
JP2012519902A (ja) 2009-03-06 2012-08-30 バイオ−ツリー システムズ， インコーポレイテッド 血管分析方法および装置
JP2012521030A (ja) 2009-03-17 2012-09-10 シンバイオニクス リミテッド 患者特異的なモデルを用いた画像誘導による処置のためのコンピュータ化されたシミュレーションを実行するためのシステムおよび方法

Family Cites Families (49)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6236878B1 (en) 1998-05-22 2001-05-22 Charles A. Taylor Method for predictive modeling for planning medical interventions and simulating physiological conditions
JP4025442B2 (ja) 1998-12-01 2007-12-19 富士通株式会社 三次元モデル変換装置及び方法
US7526112B2 (en) * 2001-04-30 2009-04-28 Chase Medical, L.P. System and method for facilitating cardiac intervention
US7327862B2 (en) * 2001-04-30 2008-02-05 Chase Medical, L.P. System and method for facilitating cardiac intervention
WO2002097735A1 (en) * 2001-05-31 2002-12-05 Kent Ridge Digital Labs System and method of anatomical modeling
JP2007502676A (ja) * 2003-08-21 2007-02-15 アイシェム コーポレイション 血管プラーク検出および分析のための自動化方法およびシステム
JP4611314B2 (ja) * 2003-11-25 2011-01-12 コーニンクレッカ フィリップス エレクトロニクス エヌ ヴィ Ｃｔカルシウムスコアリングにおける患者のｂｍｉの関数とする自動線量適合
US20070014452A1 (en) * 2003-12-01 2007-01-18 Mitta Suresh Method and system for image processing and assessment of a state of a heart
US7330576B2 (en) * 2003-12-03 2008-02-12 The Board Of Trustees Of The Leland Stanford Junior University Quantification method of vessel calcification
US7333643B2 (en) * 2004-01-30 2008-02-19 Chase Medical, L.P. System and method for facilitating cardiac intervention
US20060036167A1 (en) * 2004-07-03 2006-02-16 Shina Systems Ltd. Vascular image processing
US7731500B2 (en) * 2004-07-08 2010-06-08 Laerdal Medical Corporation Vascular-access simulation system with three-dimensional modeling
EP1805744A2 (en) * 2004-08-10 2007-07-11 The General Hospital Corporation Methods and apparatus for simulation of endovascular and endoluminal procedures
WO2007101346A1 (en) * 2006-03-07 2007-09-13 Robarts Research Institute Ultrasound simulator and method of simulating an ultrasound examination
JP2010503421A (ja) * 2006-07-13 2010-02-04 ザ リージェンツ オブ ザ ユニバーシティ オブ コロラド エコー粒子画像速度（ｅｐｉｖ）およびエコー粒子追跡速度測定（ｅｐｔｖ）システムおよび方法
JP2008060396A (ja) * 2006-08-31 2008-03-13 Hamamatsu Photonics Kk 量子カスケードレーザ
US7873194B2 (en) * 2006-10-25 2011-01-18 Rcadia Medical Imaging Ltd. Method and system for automatic analysis of blood vessel structures and pathologies in support of a triple rule-out procedure
US7940977B2 (en) * 2006-10-25 2011-05-10 Rcadia Medical Imaging Ltd. Method and system for automatic analysis of blood vessel structures to identify calcium or soft plaque pathologies
US7940970B2 (en) * 2006-10-25 2011-05-10 Rcadia Medical Imaging, Ltd Method and system for automatic quality control used in computerized analysis of CT angiography
US7860283B2 (en) * 2006-10-25 2010-12-28 Rcadia Medical Imaging Ltd. Method and system for the presentation of blood vessel structures and identified pathologies
US8077939B2 (en) * 2006-11-22 2011-12-13 General Electric Company Methods and systems for enhanced plaque visualization
WO2010058398A2 (en) * 2007-03-08 2010-05-27 Sync-Rx, Ltd. Image processing and tool actuation for medical procedures
WO2009085037A2 (en) * 2007-12-21 2009-07-09 Mako Surgical Corp. Cumulative buffering for surface imaging
JP2009160205A (ja) * 2008-01-04 2009-07-23 Toshiba Corp 医療支援装置、医療支援プログラム及び放射線撮影装置
JP5148315B2 (ja) * 2008-02-25 2013-02-20 株式会社東芝 医用画像処理装置、及び医用画像処理プログラム
US8273404B2 (en) * 2008-05-19 2012-09-25 Cordis Corporation Extraction of solvents from drug containing polymer reservoirs
US7970719B2 (en) * 2008-06-06 2011-06-28 Siemens Aktiengesellschaft Method and simulation device for structurally individualized simulation of the introduction of a wall support element into a section of a tubular structure
US8200466B2 (en) * 2008-07-21 2012-06-12 The Board Of Trustees Of The Leland Stanford Junior University Method for tuning patient-specific cardiovascular simulations
US9405886B2 (en) 2009-03-17 2016-08-02 The Board Of Trustees Of The Leland Stanford Junior University Method for determining cardiovascular information
EP2742858B1 (en) * 2009-09-23 2024-06-05 Light-Lab Imaging Inc. Lumen morphology and vascular resistance measurements data collection systems, apparatus and methods
JP2011087711A (ja) * 2009-10-21 2011-05-06 Toshiba Corp 画像処理装置
JP5868052B2 (ja) * 2010-07-21 2016-02-24 シーメンス アクチエンゲゼルシヤフトＳｉｅｍｅｎｓ Ａｋｔｉｅｎｇｅｓｅｌｌｓｃｈａｆｔ 包括的な患者固有の心臓のモデリング方法およびシステム
US8682626B2 (en) 2010-07-21 2014-03-25 Siemens Aktiengesellschaft Method and system for comprehensive patient-specific modeling of the heart
US9119540B2 (en) * 2010-09-16 2015-09-01 Siemens Aktiengesellschaft Method and system for non-invasive assessment of coronary artery disease
US10186056B2 (en) 2011-03-21 2019-01-22 General Electric Company System and method for estimating vascular flow using CT imaging
US8548778B1 (en) * 2012-05-14 2013-10-01 Heartflow, Inc. Method and system for providing information from a patient-specific model of blood flow
AU2013271364B2 (en) 2012-06-07 2017-03-02 The University Of Queensland Release media
US9675301B2 (en) 2012-10-19 2017-06-13 Heartflow, Inc. Systems and methods for numerically evaluating vasculature
JP6017284B2 (ja) * 2012-11-30 2016-10-26 東芝メディカルシステムズ株式会社 医用画像診断装置
US9084531B2 (en) * 2013-02-27 2015-07-21 Siemens Aktiengesellschaft Providing real-time marker detection for a stent in medical imaging
US9042613B2 (en) * 2013-03-01 2015-05-26 Heartflow, Inc. Method and system for determining treatments by modifying patient-specific geometrical models
US9700219B2 (en) * 2013-10-17 2017-07-11 Siemens Healthcare Gmbh Method and system for machine learning based assessment of fractional flow reserve
US10631823B2 (en) * 2013-12-12 2020-04-28 Samsung Medison Co., Ltd. Method and apparatus for displaying ultrasonic image
US9449145B2 (en) * 2014-04-22 2016-09-20 Heartflow, Inc. Systems and methods for virtual contrast agent simulation and computational fluid dynamics (CFD) to compute functional significance of stenoses
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
US9888968B2 (en) * 2014-07-22 2018-02-13 Siemens Healthcare Gmbh Method and system for automated therapy planning for arterial stenosis
US9195801B1 (en) * 2014-08-05 2015-11-24 Heartflow, Inc. Systems and methods for treatment planning based on plaque progression and regression curves
US9349178B1 (en) * 2014-11-24 2016-05-24 Siemens Aktiengesellschaft Synthetic data-driven hemodynamic determination in medical imaging
JP2016159116A (ja) 2015-03-05 2016-09-05 パナソニックＩｐマネジメント株式会社 ３次元モデル生成装置及び方法、及び、３次元モデル生成用プログラム

Patent Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2001079097A (ja) 1999-09-10 2001-03-27 Shinichi Urayama ステントグラフト設計装置、ステントグラフト設計方法およびステントグラフト設計支援プログラムを記録したコンピュータ読み取り可能な記録媒体
JP2009544101A (ja) 2006-07-17 2009-12-10 コーニンクレッカ フィリップス エレクトロニクス エヌ ヴィ 医用画像セグメンテーション用の多角形メッシュを用いた効率的ユーザインタラクション
JP2011504115A (ja) 2007-10-18 2011-02-03 ザ ユニバーシティ オブ ノース カロライナ アット チャペル ヒル １つの画像データからの解剖学的構造を含む対象物のモデルの領域を、診断的又は治療的介入に用いられる画像にマッピングするための方法、そのシステム及びコンピューター読み取り可能な媒体
US20110144658A1 (en) 2008-08-29 2011-06-16 Corindus Inc. Catheter simulation and assistance system
JP2012519902A (ja) 2009-03-06 2012-08-30 バイオ−ツリー システムズ， インコーポレイテッド 血管分析方法および装置
JP2012521030A (ja) 2009-03-17 2012-09-10 シンバイオニクス リミテッド 患者特異的なモデルを用いた画像誘導による処置のためのコンピュータ化されたシミュレーションを実行するためのシステムおよび方法
US20110153286A1 (en) 2009-12-22 2011-06-23 Siemens Corporation Method and System for Virtual Percutaneous Valve Implantation
JP2011200549A (ja) 2010-03-26 2011-10-13 Fujitsu Ltd ３次元テンプレート変形方法、装置及びプログラム
WO2012021307A2 (en) 2010-08-12 2012-02-16 Heartflow, Inc. Method and system for patient-specific modeling of blood flow

Also Published As

Publication number Publication date
JP2021041192A (ja) 2021-03-18
EP2805278B1 (en) 2017-08-23
EP2805278A1 (en) 2014-11-26
JP2016515843A (ja) 2016-06-02
AU2014223466B2 (en) 2016-05-12
US9042613B2 (en) 2015-05-26
US10390885B2 (en) 2019-08-27
US20180055572A1 (en) 2018-03-01
EP3971906A2 (en) 2022-03-23
US20160210428A1 (en) 2016-07-21
US20140379318A1 (en) 2014-12-25
JP6796117B2 (ja) 2020-12-02
US20140249790A1 (en) 2014-09-04
AU2016213771B1 (en) 2016-09-08
US11185368B2 (en) 2021-11-30
KR102269495B1 (ko) 2021-06-24
AU2016269437A1 (en) 2016-12-22
CA2903147A1 (en) 2014-09-04
US11564746B2 (en) 2023-01-31
US20140372096A1 (en) 2014-12-18
WO2014134289A1 (en) 2014-09-04
CA2903147C (en) 2016-11-29
DE202014010680U1 (de) 2016-06-23
KR102336929B1 (ko) 2021-12-08
US20220110687A1 (en) 2022-04-14
CN105144173B (zh) 2017-05-10
JP2018030027A (ja) 2018-03-01
CN105144173A (zh) 2015-12-09
US11869669B2 (en) 2024-01-09
JP2019034160A (ja) 2019-03-07
EP3282380B1 (en) 2021-11-10
JP2023054309A (ja) 2023-04-13
US20170007332A1 (en) 2017-01-12
KR20150122183A (ko) 2015-10-30
EP3971906A3 (en) 2022-07-06
AU2016269437B2 (en) 2018-02-15
KR20210078577A (ko) 2021-06-28
US20230124826A1 (en) 2023-04-20
JP6409114B2 (ja) 2018-10-17
US9189600B2 (en) 2015-11-17
JP7483079B2 (ja) 2024-05-14
EP3282380A1 (en) 2018-02-14
AU2014223466A1 (en) 2015-09-10
US9449146B2 (en) 2016-09-20

Similar Documents

Publication Publication Date Title
JP7235710B2 (ja) 患者固有の幾何学的形状モデルを変更することによって治療を決定する方法及びシステム
JP7304390B2 (ja) 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
JP6378779B2 (ja) 流量比を用いて血流の特徴を決定するシステム及び方法

Legal Events

Date Code Title Description
A621 Written request for application examination

Free format text: JAPANESE INTERMEDIATE CODE: A621

Effective date: 20201113

A977 Report on retrieval

Free format text: JAPANESE INTERMEDIATE CODE: A971007

Effective date: 20210922

A131 Notification of reasons for refusal

Free format text: JAPANESE INTERMEDIATE CODE: A131

Effective date: 20211006

A131 Notification of reasons for refusal

Free format text: JAPANESE INTERMEDIATE CODE: A131

Effective date: 20220511

A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20220804

A131 Notification of reasons for refusal

Free format text: JAPANESE INTERMEDIATE CODE: A131

Effective date: 20221024

A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20230120

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: 20230125

A61 First payment of annual fees (during grant procedure)

Free format text: JAPANESE INTERMEDIATE CODE: A61

Effective date: 20230224

R150 Certificate of patent or registration of utility model

Ref document number: 7235710

Country of ref document: JP

Free format text: JAPANESE INTERMEDIATE CODE: R150