KR101837753B1 - 가상 협착 시뮬레이션을 이용한 관상 동맥의 협착 위험 위치 예측 방법 및 장치 - Google Patents
가상 협착 시뮬레이션을 이용한 관상 동맥의 협착 위험 위치 예측 방법 및 장치 Download PDFInfo
- Publication number
- KR101837753B1 KR101837753B1 KR1020160136708A KR20160136708A KR101837753B1 KR 101837753 B1 KR101837753 B1 KR 101837753B1 KR 1020160136708 A KR1020160136708 A KR 1020160136708A KR 20160136708 A KR20160136708 A KR 20160136708A KR 101837753 B1 KR101837753 B1 KR 101837753B1
- Authority
- KR
- South Korea
- Prior art keywords
- stenosis
- virtual
- coronary artery
- blood flow
- stenotic
- Prior art date
Links
- 230000036262 stenosis Effects 0.000 title claims abstract description 192
- 210000004351 coronary vessel Anatomy 0.000 title claims abstract description 105
- 238000004088 simulation Methods 0.000 title claims abstract description 50
- 230000002966 stenotic effect Effects 0.000 title claims abstract description 40
- 238000000034 method Methods 0.000 title claims abstract description 38
- 208000031481 Pathologic Constriction Diseases 0.000 claims abstract description 107
- 208000037804 stenosis Diseases 0.000 claims abstract description 103
- 230000017531 blood circulation Effects 0.000 claims abstract description 57
- 239000012530 fluid Substances 0.000 claims abstract description 14
- 201000000057 Coronary Stenosis Diseases 0.000 claims abstract description 11
- 206010011089 Coronary artery stenosis Diseases 0.000 claims abstract description 11
- 238000004458 analytical method Methods 0.000 claims abstract description 6
- 230000008859 change Effects 0.000 claims description 40
- 230000000747 cardiac effect Effects 0.000 claims description 9
- 238000004891 communication Methods 0.000 claims description 5
- 238000003384 imaging method Methods 0.000 claims description 5
- 238000012545 processing Methods 0.000 claims description 3
- 230000003683 cardiac damage Effects 0.000 abstract description 2
- 230000002526 effect on cardiovascular system Effects 0.000 abstract 1
- 238000002591 computed tomography Methods 0.000 description 13
- 230000000004 hemodynamic effect Effects 0.000 description 12
- MWUXSHHQAYIFBG-UHFFFAOYSA-N Nitric oxide Chemical compound O=[N] MWUXSHHQAYIFBG-UHFFFAOYSA-N 0.000 description 8
- 210000004204 blood vessel Anatomy 0.000 description 7
- 206010061218 Inflammation Diseases 0.000 description 6
- OIRDTQYFTABQOQ-KQYNXXCUSA-N adenosine Chemical compound C1=NC=2C(N)=NC=NC=2N1[C@@H]1O[C@H](CO)[C@@H](O)[C@H]1O OIRDTQYFTABQOQ-KQYNXXCUSA-N 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 230000007246 mechanism Effects 0.000 description 4
- 208000010125 myocardial infarction Diseases 0.000 description 4
- 210000003556 vascular endothelial cell Anatomy 0.000 description 4
- 206010057469 Vascular stenosis Diseases 0.000 description 3
- 230000004054 inflammatory process Effects 0.000 description 3
- 238000010008 shearing Methods 0.000 description 3
- 239000002126 C01EB10 - Adenosine Substances 0.000 description 2
- 229960005305 adenosine Drugs 0.000 description 2
- 210000000709 aorta Anatomy 0.000 description 2
- 230000008901 benefit Effects 0.000 description 2
- 230000036772 blood pressure Effects 0.000 description 2
- 238000005094 computer simulation Methods 0.000 description 2
- 238000002595 magnetic resonance imaging Methods 0.000 description 2
- 230000002107 myocardial effect Effects 0.000 description 2
- 210000005259 peripheral blood Anatomy 0.000 description 2
- 239000011886 peripheral blood Substances 0.000 description 2
- 230000003449 preventive effect Effects 0.000 description 2
- 238000007619 statistical method Methods 0.000 description 2
- 239000000126 substance Substances 0.000 description 2
- 206010003210 Arteriosclerosis Diseases 0.000 description 1
- 206010061216 Infarction Diseases 0.000 description 1
- 206010049418 Sudden Cardiac Death Diseases 0.000 description 1
- 206010047141 Vasodilatation Diseases 0.000 description 1
- 239000008186 active pharmaceutical agent Substances 0.000 description 1
- 238000002583 angiography Methods 0.000 description 1
- 208000011775 arteriosclerosis disease Diseases 0.000 description 1
- 210000001367 artery Anatomy 0.000 description 1
- 208000029078 coronary artery disease Diseases 0.000 description 1
- 201000010099 disease Diseases 0.000 description 1
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 1
- 229940079593 drug Drugs 0.000 description 1
- 239000003814 drug Substances 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 210000002889 endothelial cell Anatomy 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000002513 implantation Methods 0.000 description 1
- 230000007574 infarction Effects 0.000 description 1
- 230000002401 inhibitory effect Effects 0.000 description 1
- 230000005764 inhibitory process Effects 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 230000028327 secretion Effects 0.000 description 1
- 230000001629 suppression Effects 0.000 description 1
- 230000002792 vascular Effects 0.000 description 1
- 230000024883 vasodilation Effects 0.000 description 1
- 229940124549 vasodilator Drugs 0.000 description 1
- 239000003071 vasodilator agent Substances 0.000 description 1
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
- G16H50/30—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for calculating health indices; for individual health risk assessment
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
- A61B6/02—Arrangements for diagnosis sequentially in different planes; Stereoscopic radiation diagnosis
- A61B6/03—Computed tomography [CT]
- A61B6/032—Transmission computed tomography [CT]
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
- G16H50/50—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for simulation or modelling of medical disorders
Landscapes
- Health & Medical Sciences (AREA)
- Engineering & Computer Science (AREA)
- Medical Informatics (AREA)
- Public Health (AREA)
- Biomedical Technology (AREA)
- Pathology (AREA)
- General Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- Epidemiology (AREA)
- Primary Health Care (AREA)
- Theoretical Computer Science (AREA)
- Radiology & Medical Imaging (AREA)
- Pulmonology (AREA)
- Biophysics (AREA)
- High Energy & Nuclear Physics (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Optics & Photonics (AREA)
- Physics & Mathematics (AREA)
- Heart & Thoracic Surgery (AREA)
- Molecular Biology (AREA)
- Surgery (AREA)
- Animal Behavior & Ethology (AREA)
- Veterinary Medicine (AREA)
- Apparatus For Radiation Diagnosis (AREA)
Abstract
본 발명은 가상 협착 시뮬레이션을 이용한 관상 동맥의 협착 위험 위치를 예측하는 방법 및 장치에 관한 것이다.
본 발명에 따른 관상 동맥의 협착 위험 위치 예측 방법은, 심장 촬영 영상으로 관상 동맥의 3차원 형상 데이터를 생성하는 단계와, 상기 생성된 관상동맥의 3차원 형상 데이터에 가상 협착 데이터를 부가하기 위한 위치들을 선정하는 가상 협착 위치 선정 단계와, 상기 선정된 가상 협착 위치 각각에 대하여 정해진 협착도들을 갖는 가상 협착 데이터를 부가하여 가상 협착 관상 동맥 3차원 형상 데이터들을 생성하는 단계와, 상기 가상 협착 관상 동맥 3차원 형상 데이터들에 혈류의 경계 조건을 부여하고, 관상 동맥 3차원 형상들 각각의 내부에 대한 혈류 상태량(압력과 혈류 속도)을 구하는 유체 동력학 수치 해석 시뮬레이션 단계와, 상기 가상 협착 위치들 각각에 대하여, 상기 유체 동력학 수치 해석 시뮬레이션에 의해서 구한 혈류 상태량을 가지고, 협착도 변경에 따른 혈류 분획 예비력(FFRct)과 벽면 전단 응력(WSS)의 대표 값을 연산하는 단계와, 상기 가상 협착 위치들 각각에 대하여, 협착도, 혈류 분획 예비력, 및 벽면 전단 응력의 대표 값 사이의 상관 계수를 구하는 단계와, 상기 가상 협착 위치들에 각각에 대한 상관 계수를 비교하고, 가상 협착 위치들 사이의 상대적인 협착 위험 정도를 표시하는 단계를 포함한다.
본 발명에 따른 관상 동맥의 협착 위험 위치 예측 방법은, 심장 촬영 영상으로 관상 동맥의 3차원 형상 데이터를 생성하는 단계와, 상기 생성된 관상동맥의 3차원 형상 데이터에 가상 협착 데이터를 부가하기 위한 위치들을 선정하는 가상 협착 위치 선정 단계와, 상기 선정된 가상 협착 위치 각각에 대하여 정해진 협착도들을 갖는 가상 협착 데이터를 부가하여 가상 협착 관상 동맥 3차원 형상 데이터들을 생성하는 단계와, 상기 가상 협착 관상 동맥 3차원 형상 데이터들에 혈류의 경계 조건을 부여하고, 관상 동맥 3차원 형상들 각각의 내부에 대한 혈류 상태량(압력과 혈류 속도)을 구하는 유체 동력학 수치 해석 시뮬레이션 단계와, 상기 가상 협착 위치들 각각에 대하여, 상기 유체 동력학 수치 해석 시뮬레이션에 의해서 구한 혈류 상태량을 가지고, 협착도 변경에 따른 혈류 분획 예비력(FFRct)과 벽면 전단 응력(WSS)의 대표 값을 연산하는 단계와, 상기 가상 협착 위치들 각각에 대하여, 협착도, 혈류 분획 예비력, 및 벽면 전단 응력의 대표 값 사이의 상관 계수를 구하는 단계와, 상기 가상 협착 위치들에 각각에 대한 상관 계수를 비교하고, 가상 협착 위치들 사이의 상대적인 협착 위험 정도를 표시하는 단계를 포함한다.
Description
본 발명은 가상 협착 시뮬레이션을 이용한 관상 동맥의 협착 위험 위치를 예측하는 방법 및 장치에 관한 것이다.
관상동맥 협착이 있는 환자를 평가하는 임상 지표로는 관상동맥의 분획 혈류 예비력(Fractional Flow Reserve, 이하 'FFR')이 널리 사용되고 있다. Pijls 등[비특허 문헌 1 및 2]은 아데노신을 투여하여 심장 말초혈관을 완전히 팽창시킨 상태에서 관상동맥의 협착 전과 후의 혈압을 측정하여 FFR 값을 산정하였다. 이를 위하여 환자의 관상 동맥에 가이드 와이어(guide wire)를 삽입하여 이 값을 측정하였다. 현재 이 FFR 값이 0.8이하인 경우, 그 협착 부위는 매우 위험한 것으로 간주되어 스텐트 시술을 하도록 권고하고 있다. 그러나 이 방법은 환자의 몸에 아데노신을 투여하고, 의료사고의 가능성이 있는 가이드 와이어를 삽입하여 측정해야 한다는 적용상의 한계가 있다.
이와 같은 침습적인 FFR측정의 단점을 극복하기 위하여 관상동맥 CT(Computed Tomography)영상과 환자의 생리적 정보를 활용한 컴퓨터 시뮬레이션 방법이 Taylor등에 의해 개발되었다[비특허 문헌 3]. 여기에서는 환자의 CT 영상으로부터 대동맥과 관상동맥을 3차원 모델로 형상화하고, 여기에 혈류역학 계산을 위한 전산 유체역학(computational fluid dynamics, 이하 ‘CFD’) 기술과 심장 말초혈관에 대한 전기회로적인 집중식 파라미터 모델(lumped parameter model, 이하 'LPM')을 결합한 통합 모델을 적용한다. 이렇게 하면, 한 심장 주기에서 관상동맥 혈관들에서의 혈압정보를 계산할 수 있으며, 이로부터 특정 위치의 FFR 값을 얻게 된다. 이때 LPM에서 필요한 파라미터인 저항(resistance)과 캐패시턴스(capacitance)는 해당 혈관의 심근 질량을 CT 영상으로부터 측정하여 계산한다. 이 시뮬레이션 방법의 타당성 및 유용성은 많은 임상 연구들을 통해 검증된 바 있다[비특허문헌 4 및 5].
최근 Shim[비특허문헌 6]은 Taylor등의 방법과는 달리 대동맥을 포함하지 않고 관상동맥만을 포함하며, LPM의 파라미터들을 심근질량이 아니라 혈관의 길이로부터 계산하는 방법을 제시하고 이를 환자 맞춤형 FFR 계산에 적용하였다. 이 방법은 Kwon등[비특허문헌 7]의 연구와 Lee 등[비특허 문헌 8]의 연구 논문들에 보다 상세히 기술되어 있다.
한편, 혈관 벽에 걸리는 유체에 의한 전단응력(shear stress)인 벽면 전단 응력(wall shear stress, 이하 'WSS')은 매우 중요한 혈류역학적 변수이다. 혈관내피세포에서는 WSS에 따라서 염증촉진물질과 혈관확장인자(Nitrioc oxide, NO)등의 분비가 변화한다[비특허문헌 9]. 이런 연유로 관상동맥 협착의 진행과 파열(rupture) 현상 등에 WSS가 미치는 영향은 매우 큰 것으로 알려져 있다. 따라서 관상동맥의 혈류역학 시뮬레이션에서도 WSS를 구하여 특정 협착의 위험도 등을 분석하기도 한다[비특허문헌 10].
1. Pijls, Nico HJ, et al. (1995) "Fractional flow reserve a useful index to evaluate the influence of an epicardial coronary stenosis on myocardial blood flow." Circulation 92.11 : 3183-3193.
2. Pijls, Nico HJ, et al. (2007) "Percutaneous coronary intervention of functionally nonsignificant stenosis: 5-year follow-up of the DEFER Study." Journal of the American College of Cardiology 49.21 : 2105-2111.
3. Taylor CA, Method and system for patient-specific modeling of blood flow. US patent, US 8,157,742 B2
4. Koo BK, Erglis A, Doh JH, Daniels DV, Jegere S, Kim HS, Dunning A, DeFrance T, Lansky A, Leipsic J, Min JK. Diagnosis of ischemia-causing coronary stenoses by noninvasive fractional flow reserve computed from coronary computed tomographic angiograms. Results from the prospective multicenter DISCOVER-FLOW (Diagnosis of Ischemia-Causing Stenoses Obtained Via Noninvasive Fractional Flow Reserve) study. J Am Coll Cardiol. 2011 Nov 1;58(19):1989-97.
5. Nørgaard BL, Leipsic J, Gaur S, Seneviratne S, Ko BS, Ito H, Jensen JM, Mauri L, De Bruyne B, Bezerra H, Osawa K, Marwan M, Naber C, Erglis A, Park SJ, Christiansen EH, Kaltoft A, Lassen JF, Bøtker HE, Achenbach S; Diagnostic performance of noninvasive fractional flow reserve derived from coronary computed tomography angiography in suspected coronary artery disease: the NXT trial (Analysis of Coronary Blood Flow Using CT Angiography: Next Steps).J Am Coll Cardiol. 2014 Apr 1;63(12):1145-55.
6. Shim Eun Bo, 대한민국 공개특허공보 제10-2016-0026808호, 발명의 명칭, '환자별 혈관 정보 결정 방법'
7. Kwon SS, Chung EC, Park JS, Kim GT, Kim JW, Kim KH, Shin ES, Shim EB. A novel patient-specific model to compute coronary fractional flow reserve. Prog Biophys Mol Biol. 2014 Sep;116(1):48-55.
8. Lee KE, Kwon SS, Ji YC, Shin ES, Choi JH, Kim SJ, Shim EB. Estimation of the flow resistances exerted in coronary arteries using a vessel length-based method. Pflugers Arch. 2016 Aug;468(8):1449-58.
9. Samady H, Eshtehardi P, McDaniel MC, Suo J, Dhawan SS, Maynard C, Timmins LH, Quyyumi AA, Giddens DP. Coronary artery wall shear stress is associated with progression and transformation of atherosclerotic plaque and arterial remodeling in patients with coronary artery disease. Circulation. 2011 Aug 16;124(7):779-88.
10. Sun Z, Xu L. Computational fluid dynamics in coronary artery disease. Comput Med Imaging Graph. 2014 Dec;38(8):651-63.
11. Gould KL, Lipscomb K, Hamilton GW. Physiologic basis for assessing critical coronary stenosis. Instantaneous flow response and regional distribution during coronary hyperemia as measures of coronary flow reserve. Am J Cardiol. 1974 Jan;33(1):87-94.
12. Galley HF, Webster NR, Physiology of the endothelium. Br J Anaesth. 2004 Jul;93(1):105-13.
상기 비특허문헌들에 개시되어 있는 CT-FFR 시뮬레이션 방법들을 이용하면, 관상 동맥 질환이 있는 환자의 혈류 상태량(혈압, 혈류 속도)과, 벽면 전단 응력(WSS, Wall Shear Stress), 및 FFR 값을 시뮬레이션에 의해서 구할 수 있다.
그러나 상기 비특허 문헌들에 개시된 방법들은 관상 동맥 질환이 있는 환자, 즉 협착이 현저히 진행된 환자의 협착의 심각성을 예측할 수 있을 뿐이다. 상기 선행기술 문헌들에는 협착이 없거나 협착이 경미한 환자에게 향후 협착이 발생하거나 경미한 협착이 향후에 심근경색으로 진행할 가능성이 있는 지를 예측하는 시뮬레이션 방법에 대한 기재나 암시가 없다. 또한, 협착이 발생하거나 성장할 경우 그 위치가 어디가 될 것인 지를 예측하는 시뮬레이션 방법에 대한 기재나 암시도 없다.
최근 관상 동맥 환자의 수가 증가 되고 있다. 심장의 관상 동맥 질환으로 인한 사망을 예방하기 위하여, 관상 동맥에 협착 발생하거나 경미한 협착이 심근 경색을 유발할 수 있는 협착으로 발전할 가능성이 있는 지를 시뮬레이션 할 수 있는 기술의 개발이 절실히 요청되고 있다. 또한, 관상 동맥의 어느 위치가 심각한 심근 경색으로 발전할 가능성이 있는 지를 시뮬레이션 할 수 있는 기술의 개발도 절실히 요청되고 있다.
본 발명은 관상 동맥에 가상의 협착을 부가하고, 가상의 협착이 부가된 관상동맥 3차원 형상에 대하여 유체 동력학 수치 해석 시뮬레이션을 수행하여, 관상 동맥에 협착이 발생한 가능성이 있는 위치를 예측하는 방법 및 장치를 제공하는 것을 목적으로 한다.
본 발명의 일 측면에 의해서 가상 협착 시뮬레이션(Virtual Stenosis Simulation)을 이용한 관상 동맥의 협착 위험 위치 예측 방법이 제공된다.
본 발명에 따른 관상 동맥의 협착 위험 위치 예측 방법은 피험자의 관상 동맥의 협착 위험 부위를 시뮬레이션에 의해서 해석하기 위하여 컴퓨터 시스템에서 실행되는 프로그램에 의해서 수행되는 방법이다. 본 발명에 따른 관상 동맥의 협착 위험 위치 예측 방법은 심장의 관상 동맥 3차원 형상 데이터에 가상 협착 데이터를 부가하여 유체 동력학 수치 해석 시뮬레이션(Computational Fluid Dynamic Simulation)을 수행하고, 가상 협착이 부가된 위치들 사이의 상대적인 협상 발생 위험 비교 분석한다.
본 발명에 따른 관상 동맥의 협착 위험 위치 예측 방법은, 심장 촬영 영상으로 관상 동맥의 3차원 형상 데이터를 생성하는 단계와, 상기 생성된 관상동맥의 3차원 형상 데이터에 가상 협착 데이터를 부가하기 위한 위치들을 선정하는 가상 협착 위치 선정 단계와, 상기 선정된 가상 협착 위치 각각에 대하여 정해진 협착도들을 갖는 가상 협착 데이터를 부가하여 가상 협착 관상 동맥 3차원 형상 데이터들을 생성하는 단계와, 상기 가상 협착 관상 동맥 3차원 형상 데이터들에 혈류의 경계 조건을 부여하고, 관상 동맥 3차원 형상들 각각의 내부에 대한 혈류 상태량(압력과 혈류 속도)을 구하는 유체 동력학 수치 해석 시뮬레이션 단계와, 상기 가상 협착 위치들 각각에 대하여, 상기 유체 동력학 수치 해석 시뮬레이션에 의해서 구한 혈류 상태량을 가지고, 협착도 변경에 따른 혈류 분획 예비력(FFRct)과 벽면 전단 응력(WSS)의 대표값을 연산하는 단계와, 상기 가상 협착 위치들 각각에 대하여, 협착도, 혈류 분획 예비력, 및 벽면 전단 응력의 대표 값 사이의 상관 계수를 구하는 단계와, 상기 가상 협착 위치들에 각각에 대한 상관 계수를 비교하고, 가상 협착 위치들 사이의 상대적인 협착 위험 정도를 표시하는 단계를 포함한다.
가상 협착 위치들은 CT 이미지를 분석하여 미세한 협착이 있는 위치를 선정하거나, 의사가 CT 이미지를 보고서 협착이 발생할 가능성이 높다고 판단되는 위치를 선정할 수 있다. 또한, CT 이미지 데이터를 분석하여, 혈관에 협착이 발생할 가능성이 높은 지점, 예를 들면 혈관의 형상에 따라서 협착이 많이 발생하는 위치를 통계 분석하여 선정할 수도 있다.
상기 가상 협착 위치에 대한 벽면 전단 응력의 대표값은 가상 협착 위치의 최대 벽면 전단 응력 또는 가상 협착 위치의 평균 전단 응력으로 할 수 있다. 또한, 가상 협착 위치들 각각에 대한 상관 계수는 최대 벽면 전단 응력의 변화에 대한 혈류 분획 예비력의 변화율을 적용하거나, 협착도 변화에 대한 최대 벽면 전단 응력 변화율을 적용할 수 있다.
본 발명의 다른 측면에 따라서, 가상 협착 시뮬레이션을 이용한 관상 동맥의 협착 위험 위치 예측 장치가 제공된다.
본 발명에 따른 관상 동맥의 협착 위험 위치 예측 장치는 제어부와, 표시부와, 통신부와, 상기 제어부에서 실행되기 위한 관상 동맥의 협착 위험 부위를 시뮬레이션에 의해서 해석하기 위한 프로그램을 포함한다. 상기 프로그램은, 입력된 심장 촬영 영상으로 관상 동맥의 3차원 형상 데이터를 생성하는 관상동맥 형상 생성부와, 상기 생성된 관상동맥의 3차원 형상 데이터에 가상 협착 데이터를 부가하기 위한 위치들을 선정하고, 상기 선정된 가상 협착 위치 각각에 대하여 정해진 협착도들을 갖는 가상 협착 데이터를 부가하여 가상 협착 관상 동맥 3차원 형상 데이터들을 생성하는 가상 협착 형상 데이터 생성부와, 상기 가상 협착 관상 동맥 3차원 형상 데이터들에 혈류의 경계 조건을 부여하고, 관상 동맥 3차원 형상들 각각의 내부에 대한 혈류 상태량(압력과 혈류 속도)을 구하는 유체 동력학 수치 해석 시뮬레이션부를 포함한다. 또한 상기 프로그램은 협착 위험 판별부를 포함한다. 협착 위험 판별부는 상기 가상 협착 위치들 각각에 대하여, 상기 유체 동력학 수치 해석 시뮬레이션에 의해서 구한 혈류 상태량을 가지고, 협착도 변경에 따른 혈류 분획 예비력(FFRct)과 벽면 전단 응력(WSS)의 대표값을 연산하고, 상기 가상 협착 위치들 각각에 대하여, 협착도, 혈류 분획 예비력, 및 벽면전단응력의 대표 값 사이의 상관 계수를 구하고, 상기 가상 협착 위치들에 각각에 대한 상관 계수를 비교하여 가상 협착 위치들 사이의 상대적인 협착 위험 정도를 상기 표시부에 구별되도록 표시한다.
본 발명에 따르면 가상협착 시뮬레이션 방법 및 장치가 제공된다. 본 발명의 시뮬레이션 방법에 따라서, 장래 관상 동맥에 협착이 발생할 위험이 있는 위치에 대한 정보가 제공된다. 이것을 활용하면, 현재의 경미한 관상 동맥 협착이 장래에 심각한 심근 경색으로 발전할 가능성이 있는 위험한 협착인지 여부를 판단할 수 있게 된다.
따라서 경미한 협착이 있는 환자의 생활습관 관리 및/또는 선제적 약물치료 등과 같은 예방적 관리/치료를 시행할 수 있게 된다. 따라서, 예방적 관리를 하지 않아서 발생할 가능성이 있는 심장 돌연사 혹은 갑작스런 심근경색으로 인한 치명적인 심장의 손상 등을 막을 수 있게 된다.
또한, 복수의 경미한 협착이 동시에 있는 환자의 경우, 여건 상(고령, 다른 질환 등의 이유로) 일부에 대한 선택적 스텐트 시술만이 가능하다. 이때 본 발명의 방법을 적용하면, 여러 개의 협착 중 상대적으로 가장 위험해 질 수 있는 협착을 가려낼 수 있고, 여기에 우선적으로 스텐트 삽입술을 적용할 수 있다.
도 1은 본 발명에 따른 관상 동맥의 협착 위험 위치 예측 장치의 개략도
도 2는 본 발명에 따른 관상 동맥의 협착 위험 위치 예측 방법의 흐름도
도 3은 관상동맥 3차원 데이터(모델) 및 가상 협착 관상 동맥 3차원 형상 데이터(모델)의 실시예
도 4는 관상 동맥 3차원 모델에 협착도를 변경하여 혈류 역학 시뮬레이션 한 결과를 나타내는 설명도
도 5는 가상 협착 관상 동맥 3차원 모델의 협착도(SD) 변화에 대한 FFRct 값 변화를 나타내는 그래프
도 6은 가상 협착 관상 동맥 3차원 모델의 최대 벽면 전단 응력 변화에 대한 FFRct 값의 변화를 나타내는 그래프
도 7은 실제 환자 13 케이스에 대한 가상 협착 관상 동맥 3차원 모델의 최대 벽면 전단 응력 변화(WSSmax)에 대한 FFRct 값의 변화를 나타내는 그래프
도 8은 동일한 FFRct 값의 변화에 대한 WSSmax 값의 변화에 대한 설명도
도 9는 가상 협착 관상 동맥 3차원 모델의 가상 협착 위치의 상대적인 위험을 수치로 나타낸 설명도
도 10은 가상 협착 관상 동맥 3차원 모델의 가상 협착 위치의 상대적인 위험을 색상으로 나타낸 설명도
도 2는 본 발명에 따른 관상 동맥의 협착 위험 위치 예측 방법의 흐름도
도 3은 관상동맥 3차원 데이터(모델) 및 가상 협착 관상 동맥 3차원 형상 데이터(모델)의 실시예
도 4는 관상 동맥 3차원 모델에 협착도를 변경하여 혈류 역학 시뮬레이션 한 결과를 나타내는 설명도
도 5는 가상 협착 관상 동맥 3차원 모델의 협착도(SD) 변화에 대한 FFRct 값 변화를 나타내는 그래프
도 6은 가상 협착 관상 동맥 3차원 모델의 최대 벽면 전단 응력 변화에 대한 FFRct 값의 변화를 나타내는 그래프
도 7은 실제 환자 13 케이스에 대한 가상 협착 관상 동맥 3차원 모델의 최대 벽면 전단 응력 변화(WSSmax)에 대한 FFRct 값의 변화를 나타내는 그래프
도 8은 동일한 FFRct 값의 변화에 대한 WSSmax 값의 변화에 대한 설명도
도 9는 가상 협착 관상 동맥 3차원 모델의 가상 협착 위치의 상대적인 위험을 수치로 나타낸 설명도
도 10은 가상 협착 관상 동맥 3차원 모델의 가상 협착 위치의 상대적인 위험을 색상으로 나타낸 설명도
본 발명은 실제 환자 관상동맥 형상을 자유롭게 변형하고, 변형된 관상 동맥 형상에 대하여 혈류 역학 계산을 할 수 있다는 컴퓨터 시뮬레이션의 장점을 활용한 것이다. 환자의 심장에 대한 CT 이미지 데이터를 처리하여 관상 동맥의 3차원 형상 데이터를 생성(추출)하고, 생성된 관상 동맥 3차원 형상 데이터의 특정한 위치에 가상 협착 데이터를 부가하여 특정한 위치에 협착이 있는 관상 동맥 3차원 형상 데이터를 가상적으로 만들 수 있다. 이렇게 가상의 협착이 부가된 관상 동맥에 대하여 경계조건을 지정하고 혈류 역학 시뮬레이션하는 방법을 가상 협착 시뮬레이션(Virtual Stenosis Simulation)이라고 정의한다.
도 1은 본 발명에 따른 관상 동맥의 협착 위험 위치 예측 장치의 개략도이고, 도 2는 본 발명에 따른 관상 동맥의 협착 위험 위치 예측 방법의 흐름도이다.
도 1의 관상 동맥의 협착 위험 위치 예측 장치는 다음과 같은 2가지 기능을 구비하고 있다.
(1)관상 동맥의 특정한 위치에 대하여 장래에 심각한 협착이 발생할 가능성이 있는 지 여부를 판단하고 예측한다.
(2) 장래 심각한 협착이 발생할 가능성이 있는 관상 동맥의 특정한 위치들 사이에서 상대적으로 협착 발생 위험이 높은 위치를 판단하고 표시한다.
상기와 같은 기능을 달성하기 위하여 본 발명의 관상 동맥의 협착 위험 위치 예측 장치(100)는 도 1에 도시된 것과 같이 구성되어 있다.
관상 동맥의 협착 위험 위치 예측 장치(100)는 인터넷과 같은 외부의 네트웍(180)에 연결되어 통신을 하기 위한 통신부(110)와, 프로그램을 수행하고 주변장치를 제어하기 위한 CPU(120)와, 연산 결과를 표시하기 위한 표시부(130), 프로그램 저장부(140)를 포함한다. 상기 구성요소들은 버스(170)에 접속되어 있다. 또한, 버스(170)에는 시뮬레이션에 필요한 각종 정보를 저장하기 위한 입력정보 DB(150)와 시뮬레이션 결과를 저장하기 위한 출력 정보 DB(160)가 접속되어 있다. 입력 정보 DB(150)에는 인터넷에 접속된 병원의 컴퓨터 시스템(10, 20)으로부터 전송된 피험자 심장의 이미지 데이터와 피험자의 생리 정보들이 저장된다. 병원의 컴퓨터 시스템(10, 20)에는 피험자를 촬영하여 심장의 이미지 데이터를 생성하기 위한 각각 촬영 장치가 구비되어 있다. 촬영장치는, CT 장치(컴퓨터 단층촬영장치), MRI 장치(자기공명화상 진단장치), DSA장치(digital subtraction angiography)등과 같이 대상 혈관부위의 단층 화상을 취득할 수 있는 장치를 포함한다.
프로그램 저장부(140)는, 관상동맥 형상 생성부(142)와, 가상 협착 형상 데이터 생성부(144)와, 유체 동력학 수치 해석 시뮬레이션부(146)와, 협착 위험 판별부(148)로 구성된다. 관상동맥 형상 생성부(142)는 입력 DB(150)에 저장된 심장 이미지 데이터를 읽어들여 관상 동맥의 3차원 형상 데이터를 생성한다.
가상 협착 형상 데이터 생성부(144)는, 관상동맥의 3차원 형상 데이터에 가상 협착 데이터를 부가하기 위한 위치들을 선정하고, 상기 선정된 가상 협착 위치 각각에 대하여 정해진 협착도들을 갖는 가상 협착 데이터를 부가하여 가상 협착 관상 동맥 3차원 형상 데이터들을 생성한다. 가상 협착 위치들은 CT 이미지를 분석하여 미세한 협착이 있는 위치를 선정하는 것이 바람직하다. 또한, 의사가 CT 이미지를 보고서 협착이 발생할 가능성이 높다고 판단되는 위치를 추가로 선정할 수도 있다. 또한, CT 이미지 데이터를 분석하여, 혈관에 협착이 발생할 가능성이 높은 지점, 예를 들면 혈관의 형상에 따라서 협착이 많이 발생하는 위치를 통계 분석하여 선정할 수도 있다.
유체 동력학 수치 해석 시뮬레이션부(146)는 가상 협착 관상 동맥 3차원 형상 데이터들에 혈류의 경계 조건을 부여하고, 관상 동맥 3차원 형상들 각각의 내부에 대한 혈류 상태량(압력과 혈류 속도)을 구하는 시뮬레이션을 수행한다. 협착 위험 판별부(148)는 가상 협착 위치들 각각에 대하여, 상기 유체 동력학 수치 해석 시뮬레이션에 의해서 구한 혈류 상태량을 가지고, 협착도 변경에 따른 혈류 분획 예비력(FFRct)과 벽면 전단 응력(WSS)의 대표값을 연산하고, 상기 가상 협착 위치들 각각에 대하여, 협착도, 혈류 분획 예비력, 및 벽면전단응력의 대표 값 사이의 상관 계수를 구하고, 상기 가상 협착 위치들에 각각에 대한 상관 계수를 비교하여 가상 협착 위치들 사이의 상대적인 협착 위험 정도를 상기 표시부에 구별되도록 표시한다.
관상 동맥의 협착 위험 위치 예측 장치(100)의 구성 요소 중, 관상동맥 형상 생성부(142)와, 가상 협착 형상 데이터 생성부(144)와, 유체 동력학 수치 해석 시뮬레이션부(146)와, 협착 위험 판별부(148)는 실제로는 하드디스크의 기억영역에 저장된 컴퓨터 소프트웨어로 구성되고, 상기 CPU(120)에 의하여 읽혀져서 실행되어 본 발명의 기능이 수행되도록 한다. 관상 동맥의 협착 위험 위치 예측 장치(100)는 1대의 컴퓨터로 구성되어 있더라도 좋고, 각 구성요소가 분산되어 복수 대의 컴퓨터로 구성되어도 있더라도 좋다.
도 1 및 2를 참조하여, 본 발명에 따른 가상 협착 시뮬레이션을 이용한 관상 동맥의 협착 위험 위치 예측 장치의 기능 및 방법에 대하여 설명한다.
사전에 통신부(110)를 통하여 수신된 피험자의 심장 이미지 데이터 및 생리 데이터가 저장된 입력정보 DB(150)에 저장되어 있다. CPU(120)는 프로그램 저장부(140)에 저장된 프로그램들을 읽어 들여서 다음의 순서로 실행한다.
먼저, 입력정보 DB(150)에 저장된 지정된 피험자의 심장 촬영 영상(이미지 데이터)을 처리하여 관상 동맥의 3차원 형상 데이터를 생성한다(S110).
다음으로, 상기 생성된 관상동맥의 3차원 형상 데이터에 가상 협착 데이터를 부가하기 위한 위치들을 선정한다(S120).
다음으로, 상기 선정된 가상 협착 위치 각각에 대하여 정해진 협착도들을 갖는 가상 협착 데이터를 부가하여 가상 협착 관상 동맥 3차원 형상 데이터들을 생성한다(S130).
도 3에는 관상동맥의 3차원 형상 데이터(3차원 형상 모델)의 선정된 위치에 가상 협착 데이터를 부가한 가상 협착 관상 동맥 3차원 형상 데이터(가상 협착 3차원 형상 모델)가 도시되어 있다.
도 3(a)는 심장 CT-이미지를 처리하여 생성된 관상 동맥 3차원 이미지 데이터로 협착이 없는 관상 동맥 모델이다. 도 3(b)는 관상 동맥 3차원 데이터에 대하여 가상 협착 데이터를 부가하기 위하여 선정된 협착 위치를 그래픽으로 나타낸 것이다(120). 도 3(c)는 상단 위치에 가상 협착 데이터가 부가된 관상 동맥 3차원 형상 데이터(가상 협착 3차원 형상 모델)를 나타내고, 도 3(d)는 중간 위치에 가상 협착 데이터가 부가된 관상 동맥 3차원 형상 데이터(가상 협착 3차원 형상 모델)를 나타내고, 도 3(e)는 말단 위치에 가상협착 데이터가 부가된 관상 동맥 3차원 형상 데이터(가상 협착 3차원 형상 모델)를 나타내고, 도 (f)는 분지된 말단 위치에 가상 협착 데이터가 부가된 관상 동맥 3차원 형상 데이터(가상 협착 3차원 형상 모델)를 나타낸다. 도 3에 도시된 가상 협착은 모두 70 %의 협착도를 갖는 협착이다.
이때 SD(Stenosis Degree, 협착도, %)는 아래의 수학식 1과 같이 정의된다. 아래의 식에서 Dws는 협착이 없는 혈관의 지름, Ds는 협착의 목(throat)에서의 혈관의 지름을 의미한다.
다음으로, 상기 가상 협착 관상 동맥 3차원 형상 데이터들에 혈류의 경계 조건을 부여하고, 관상 동맥 3차원 형상들 각각의 내부에 대한 혈류 상태량(압력과 혈류 속도)을 구하는 유체 동력학 수치 해석 시뮬레이션을 수행한다(S140).
다음으로, 상기 가상 협착 위치들 각각에 대하여, 상기 유체 동력학 수치 해석 시뮬레이션에 의해서 구한 혈류 상태량(압력, 혈류 속도)으로부터, 협착도 변경에 따른 혈류 분획 예비력(FFRct)과 벽면 전단 응력(WSS)의 대표값을 구한다(S150). 상기 가상 협착 위치에 대한 벽면 전단 응력의 대표값으로 본 실시예에서는 가상 협착 위치의 최대 벽면 전단 응력을 사용하였으나, 가상 협착 위치의 평균 전단 응력으로 할 수도 있다.
도 4는 생성된 관상 동맥 3차원 데이터의 정해진 위치에서 0 - 90% 까지 협착도(DS)를 변화시키면서 가상 협착 관상동맥 3차원 데이터를 생성한 후, 이들에 대하여 혈류 역학 시뮬레이션한 결과를 보여 준다. 시뮬레이션에 의해서 동일한 위치에서 협착도의 변화에 따른 FFRct 값과 WSS 값을 구할 수 있다. FFRct 값을 구하는 방법은 비특허문헌 6에 개시되어 있고, WSS 값을 구하는 방법에 대하여는 비특허문헌 10에 개시되어 있다.
다음으로, 선정된 가상 협착 위치 및 선정된 위치에서의 협착도를 변경해 가면서 선정된 협착위치의 정해진 협착율 조합 모든 경우에 대한 혈류 역학 시뮬레이션을 반복한다(S160).
다음으로, 상기 가상 협착 위치들 각각에 대하여, 협착도(SD), 혈류 분획 예비력(FFRct), 및 벽면 전단 응력(WSS)의 대표값 사이의 상관 계수(협착 위험도 지표)를 구한다(S170). 상기 가상 협착 위치에 대한 벽면 전단 응력의 대표값은 가상 협착 위치의 최대 벽면 전단 응력(WSSmax) 또는 가상 협착 위치의 평균 전단 응력(WSSave)으로 할 수 있다. 또한, 가상 협착 위치들 각각에 대한 상관 계수는 최대 벽면 전단 응력의 변화에 대한 혈류 분획 예비력의 변화율을 적용하거나, 협착도 변화에 대한 최대 벽면 전단 응력 변화율을 적용할 수 있다. 본 실시예에서는 최대 벽면 전단 응력의 변화에 대한 혈류 분획 예비력의 변화율을 적용한다.
도 5에는 실제 환자 13 케이스의 관상동맥 3차원 형상 데이터에 대하여 혈류 역학 시뮬레이션을 하여 구한 혈류 상태량으로부터 FFRct를 계산하고, 각각의 협착도(SD)와 대응하는 FFRct가 표시되어 있다(red filled circle 로 표시). 또한, 13 케이스의 관상 동맥 3차원 형상 데이터 각각에 0 - 90%의 가상 협착 데이터를 생성하여 총 130 케이스의 가상 협착 관상 동맥 3차원 형상 데이터를 생성하고, 혈류 역학 시뮬레이션을 하여 구한 혈류 상태량으로부터 FFRct를 계산하고, 각각의 협착도(SD)와 대응하는 FFRct가 표시되어 있다(blue circle로 표시). 또한, 상기 130 케이스의 혈류 역학 결과로부터 나온 협착도(SD)와 FFRct 값들의 분포와 이들 사이의 관계를 구하기 위하여 fitting 한 곡선(붉은 색 곡선)이 도시되어 있다.
도 6에는 도 5에서 수행된 130 케이스의 가상 협착 관상 동맥 3차원 데이터에 대한 혈류 역학 시뮬레이션하여 구한 혈류 상태량으로부터 최대 벽면 전단 응력(WSSmax)과 FFRct을 구하고, 최대 벽면 전단응역(WSSmax)과 대응하는 FFRct 값이 표시되어 있다. 도 6에서 보는 바와 같이, FFRct와 WSSmax의 분포가 선형적인 관계가 있음을 알 수 있다. 도 6에 도시된 130 케이스는 가상 협착의 협착도를 70 %로 하여 혈류 역학 시뮬레이션한 결과를 표시한 것이다.
도 7은 13 케이스에 대한 관상동맥 모델에 대해 거의 유사한 위치에서 0-90%까지 가상협착을 적용했을 때의 시뮬레이션 결과에 대한 그래프를 나타낸다. x축은 가상협착에서 계산된 최대 벽면 전단 응력(WSSmax), y축은 가상 협착에서 계산된 FFRct 값을 사용하였다. 이때 각 그래프에서 상관 계수를 구하기 위하여 데이터를 직선으로 fitting 하여 붉은 선으로 표시하였다.
도 6 또는 도 7에 도시된 것과 같이, 시뮬레이션에 의해서 얻어진 가상 협착 위치의 최대 벽면 전단 응력(WSSmax)과 혈류 분획 예비력(FFRct)의 분포로부터 FFRct와 WSSmax의 선형적인 관계를 구하면, 가상 협착 위치에서의 상관 계수(협착 위험도 지표)를 구할 수 있다. 상관 계수는 최대 벽면 전단 응력의 변화에 대한 혈류 분획 예비력의 변화율 즉, 선형 관계식의 기울기가 된다.
다음으로, 상기 가상 협착 위치들 각각에 대한 상관 계수를 비교하고, 가상 협착 위치들 사이의 상대적인 협착 위험 정도를 표시한다(S180). 가상 협착 위치들 사이의 상대적인 협착 위험도는 상관 계수(선형관계식의 기울기)의 절대값이 클수록 위험하다고 평가할 수 있다. 가상 협착 위치의 상관 계수의 절대값이 클수록 협착의 위험도가 높다고 평가하는 이유는 아래와 같이 설명할 수 있다.
일반적으로 동맥벽에 있는 혈관내피세포는 혈류의 WSS가 커지면, 혈관확장물질인 NO(Nitric oxide)를 방출하며, 기타 염증억제 물질을 방출한다. 이로 인하여 혈관이 이완되고, 염증도 억제되는 것으로 알려져 있다[비특허문헌 12]. 따라서 WSSmax 값의 변화는 그 부위 혈관벽의 혈관내피세포(endothelial cell)에 의한 혈관 확장과 염증 억제 기전을 유발하며, 이것은 협착을 억제하는 방향으로 작용할 것이다.
도 8에는 서로 다른 기울기를 구비한 직선이 두 개 도시되어 있다. FFR 값의 변화는 혈관에서의 혈류 기능적 특성을 반영한다. 따라서 동일한 FFR 값의 변화는 동일한 혈류기능적 변화를 의미한다. 도 8에 도시된 것과 같이, 가상 협착 위치에 대한 상관 계수(기울기)의 절대값이 작은 직선은 동일한 FFRct 값의 변화에 대하여 WSSmax 값의 변화(▽WSSmax2)가 크고, 상관 계수(기울기)의 절대값이 큰 직선은 동일한 FFRct 값의 변화에 대하여 WSSmax 값의 변화(▽WSSmax1)가 작다. 그리고 WSSmax 값 변화가 크면 동맥 경화에 대한 억제 기전도 크게 작용한다. 따라서, 특정 위치에서의 상관 계수의 절대값이 작을수록 WSSmax 값의 변화가 크게 되고, WSSmax 값의 변화가 크면 혈관 협착에 대한 혈관내피세포의 염증 억제 기전이 크게 작동하여, 혈관 협착이 발생할 위험성이 낮게 된다. 반대로 특정 위치에서의 상관계수 절대값이 클 수록 WSSmax 값의 변화가 작게 되고, WSSmax 값의 변화가 작으면 혈관 협착에 대한 혈관내피세포의 염증 억제 기전이 약하게 작동하여, 혈관 협착이 발생할 위험성이 높게 된다. 결국, 협착의 위험성이 높은 위치는 미세한 혈관 협착이 쉽게 심각한 혈관 협착으로 진행할 가능성이 높게 된다는 것을 의미한다. 따라서, 가상 협착 위치들 사이의 협착의 위험을 상관 계수의 절대값이 클수록 협착의 위험도가 높다고 평가할 수 있다.
도 9는 도 3에 도시된 가상 협착 3차원 형상 모델들에 대하여 상관 계수를 비교하여 가상 협착 위치들 사이의 상대적인 위험도를 숫자로 표시한 실시예이다. 또한, 도 10은 가상 협착 위치들 사이의 상대적인 위험도를 숫자 대신에 색상으로 표시한 실시예이다. 도 9에서 알 수 있는 바와 같이, 중간 부분의 가상 협착에 대하여 시뮬레이션 결과 기울기(G)의 절대값이 가장 크므로, 가상 협착 위치 중에서 중간 부분, 즉 도 3(d)의 위치가 상대적으로 협착의 위험이 가장 높은 것으로 평가된다. 도 9에는 도 3(d)부분을 붉은색으로 나타내서 협착의 위험이 높다는 것을 시각적으로 인식하도록 표시하였다.
100 관상 동맥의 협착 위험 위치 예측 장치
110 통신부
120 CPU
130 표시부
140 프로그램 저장부
142 관상동맥 형상 생성부
144 가상 협착 형상 데이터 생성부
146 유체 동력학 수치 해석 시뮬레이션부
148 협착 위험 판별부
110 통신부
120 CPU
130 표시부
140 프로그램 저장부
142 관상동맥 형상 생성부
144 가상 협착 형상 데이터 생성부
146 유체 동력학 수치 해석 시뮬레이션부
148 협착 위험 판별부
Claims (7)
- 피험자의 관상 동맥의 협착 위험 부위를 시뮬레이션에 의해서 해석하기 위하여 컴퓨터 시스템에서 실행되는 프로그램에 의해서 수행되는 방법으로서,
심장 촬영 영상을 처리하여 관상 동맥의 3차원 형상 데이터를 생성하는 단계와,
상기 생성된 관상동맥의 3차원 형상 데이터에 가상 협착 데이터를 부가하기 위한 위치들을 선정하는 가상 협착 위치 선정 단계와,
상기 선정된 가상 협착 위치 각각에 대하여 정해진 협착도들을 갖는 가상 협착 데이터를 부가하여 가상 협착 관상 동맥 3차원 형상 데이터들을 생성하는 단계와,
상기 가상 협착 관상 동맥 3차원 형상 데이터들에 혈류의 경계 조건을 부여하고, 관상 동맥 3차원 형상들 각각의 내부에 대한 혈류 상태량(압력과 혈류 속도)을 구하는 유체 동력학 수치 해석 시뮬레이션 단계와,
상기 가상 협착 위치들 각각에 대하여, 상기 유체 동력학 수치 해석 시뮬레이션에 의해서 구한 혈류 상태량을 가지고, 협착도 변경에 따른 혈류 분획 예비력(FFRct)과 벽면 전단 응력(WSS)의 대표값을 연산하는 단계와,
상기 가상 협착 위치들 각각에 대하여, 협착도, 혈류 분획 예비력, 및 벽면전단응력의 대표 값 사이의 상관 계수를 구하는 단계와,
상기 가상 협착 위치들에 각각에 대한 상관 계수를 비교하고, 가상 협착 위치들 사이의 상대적인 협착 위험 정도를 표시하는 단계를 포함하는,
가상 협착 시뮬레이션을 이용한 관상 동맥의 협착 위험 위치 예측 방법. - 제1항에 있어서,
상기 가상 협착 위치에 대한 벽면 전단 응력의 대표값은 가상 협착 위치의 최대 벽면 전단 응력인 가상 협착 시뮬레이션을 이용한 관상 동맥의 협착 위험 위치 예측 방법. - 제2항에 있어서,
가상 협착 위치들 각각에 대한 상관 계수는 최대 벽면 전단 응력의 변화에 대한 혈류 분획 예비력의 변화율인 가상 협착 시뮬레이션을 이용한 관상 동맥의 협착 위험 위치 예측 방법. - 제2항에 있어서,
상기 가상 협착 위치들 각각에 대한 상관 계수는 협착도 변화에 대한 최대 벽면 전단 응력 변화율인 가상 협착 시뮬레이션을 이용한 관상 동맥의 협착 위험 위치 예측 방법. - 제어부와, 표시부와, 통신부와, 메모리를 포함하고, 상기 메모리에는 상기 제어부에서 실행되기 위한 관상 동맥의 협착 위험 부위를 시뮬레이션에 의해서 해석하기 위한 프로그램이 저장된 장치로,
상기 프로그램은,
입력된 심장 촬영 영상으로 관상 동맥의 3차원 형상 데이터를 생성하는 관상동맥 형상 생성부와,
상기 생성된 관상동맥의 3차원 형상 데이터에 가상 협착 데이터를 부가하기 위한 위치들을 선정하고, 상기 선정된 가상 협착 위치 각각에 대하여 정해진 협착도들을 갖는 가상 협착 데이터를 부가하여 가상 협착 관상 동맥 3차원 형상 데이터들을 생성하는 가상 협착 형상 데이터 생성부와,
상기 가상 협착 관상 동맥 3차원 형상 데이터들에 혈류의 경계 조건을 부여하고, 관상 동맥 3차원 형상들 각각의 내부에 대한 혈류 상태량(압력과 혈류 속도)을 구하는 유체 동력학 수치 해석 시뮬레이션부와,
상기 가상 협착 위치들 각각에 대하여, 상기 유체 동력학 수치 해석 시뮬레이션에 의해서 구한 혈류 상태량을 가지고, 협착도 변경에 따른 혈류 분획 예비력(FFRct)과 벽면 전단 응력(WSS)의 대표값을 연산하고, 상기 가상 협착 위치들 각각에 대하여, 협착도, 혈류 분획 예비력, 및 벽면전단응력의 대표 값 사이의 상관 계수를 구하고, 상기 가상 협착 위치들에 각각에 대한 상관 계수를 비교하여 가상 협착 위치들 사이의 상대적인 협착 위험 정도를 상기 표시부에 구별되도록 표시하는 협착 위험 판별부를 포함하는 가상 협착 시뮬레이션을 이용한 관상 동맥의 협착 위험 위치 예측 장치. - 제5항에 있어서,
상기 가상 협착 위치에 대한 벽면 전단 응력의 대표값은 가상 협착 위치의 최대 벽면 전단 응력인 가상 협착 시뮬레이션을 이용한 관상 동맥의 협착 위험 위치 예측 장치. - 제6항에 있어서,
가상 협착 위치들 각각에 대한 상관 계수는 최대 벽면 전단 응력의 변화에 대한 혈류 분획 예비력의 변화율인 가상 협착 시뮬레이션을 이용한 관상 동맥의 협착 위험 위치 예측 장치.
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020160136708A KR101837753B1 (ko) | 2016-10-20 | 2016-10-20 | 가상 협착 시뮬레이션을 이용한 관상 동맥의 협착 위험 위치 예측 방법 및 장치 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020160136708A KR101837753B1 (ko) | 2016-10-20 | 2016-10-20 | 가상 협착 시뮬레이션을 이용한 관상 동맥의 협착 위험 위치 예측 방법 및 장치 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| KR101837753B1 true KR101837753B1 (ko) | 2018-03-12 |
Family
ID=61729053
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020160136708A KR101837753B1 (ko) | 2016-10-20 | 2016-10-20 | 가상 협착 시뮬레이션을 이용한 관상 동맥의 협착 위험 위치 예측 방법 및 장치 |
Country Status (1)
| Country | Link |
|---|---|
| KR (1) | KR101837753B1 (ko) |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20210092963A (ko) * | 2020-01-17 | 2021-07-27 | 세종대학교산학협력단 | 기계 학습 기반의 분획혈류예비력 예측 방법 |
| KR20210158691A (ko) * | 2020-06-24 | 2021-12-31 | 한양대학교 에리카산학협력단 | 동맥류 학습 데이터 증강 시스템 및 방법 |
| EP4312184A1 (en) * | 2022-07-29 | 2024-01-31 | Koninklijke Philips N.V. | Evaluating stenosis progression risk |
| WO2024043410A1 (ko) * | 2022-08-26 | 2024-02-29 | (의)삼성의료재단 | 검진 결과 데이터를 분석하여 가공 데이터를 생성하는 검진 데이터 처리 장치, 검진 데이터 처리 방법 및 컴퓨터 프로그램 |
Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2015171486A (ja) * | 2014-03-12 | 2015-10-01 | 国立大学法人大阪大学 | 血流解析システムおよび血流解析プログラム |
-
2016
- 2016-10-20 KR KR1020160136708A patent/KR101837753B1/ko active IP Right Grant
Patent Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2015171486A (ja) * | 2014-03-12 | 2015-10-01 | 国立大学法人大阪大学 | 血流解析システムおよび血流解析プログラム |
Cited By (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20210092963A (ko) * | 2020-01-17 | 2021-07-27 | 세종대학교산학협력단 | 기계 학습 기반의 분획혈류예비력 예측 방법 |
| KR102328990B1 (ko) * | 2020-01-17 | 2021-11-18 | 세종대학교산학협력단 | 기계 학습 기반의 분획혈류예비력 예측 방법 |
| KR20210158691A (ko) * | 2020-06-24 | 2021-12-31 | 한양대학교 에리카산학협력단 | 동맥류 학습 데이터 증강 시스템 및 방법 |
| KR102466572B1 (ko) | 2020-06-24 | 2022-11-14 | 한양대학교 에리카산학협력단 | 동맥류 학습 데이터 증강 시스템 및 방법 |
| EP4312184A1 (en) * | 2022-07-29 | 2024-01-31 | Koninklijke Philips N.V. | Evaluating stenosis progression risk |
| WO2024023048A1 (en) * | 2022-07-29 | 2024-02-01 | Koninklijke Philips N.V. | Evaluating stenosis progression risk |
| WO2024043410A1 (ko) * | 2022-08-26 | 2024-02-29 | (의)삼성의료재단 | 검진 결과 데이터를 분석하여 가공 데이터를 생성하는 검진 데이터 처리 장치, 검진 데이터 처리 방법 및 컴퓨터 프로그램 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| AU2020244586B2 (en) | Method and system for sensitivity analysis in modeling blood flow characteristics | |
| US11298187B2 (en) | Method and system for image processing to determine patient-specific blood flow characteristics | |
| EP3127026B1 (en) | Systems and methods for determining blood flow characteristics using flow ratio | |
| US10872698B2 (en) | Method and system for enhancing medical image-based blood flow computations using physiological measurements | |
| US10134129B2 (en) | Method and system for hemodynamic computation in coronary arteries | |
| EP3140757B1 (en) | Method and system for non-invasive functional assessment of coronary artery stenosis using flow computations in models based on diseased patients and hypothetical normal anatomical models | |
| US8977339B1 (en) | Method for assessing stenosis severity through stenosis mapping | |
| KR101837753B1 (ko) | 가상 협착 시뮬레이션을 이용한 관상 동맥의 협착 위험 위치 예측 방법 및 장치 | |
| KR20140120235A (ko) | 물질특성에 기반한 전산유체역학 모델링 및 분석 방법 | |
| US10332255B2 (en) | Method for assessing stenosis severity in a lesion tree through stenosis mapping |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| E701 | Decision to grant or registration of patent right | ||
| GRNT | Written decision to grant |