KR102078622B1 - Method for determining cardiovascular information using mathematical modeling of stenosed lesion - Google Patents
Method for determining cardiovascular information using mathematical modeling of stenosed lesion Download PDFInfo
- Publication number
- KR102078622B1 KR102078622B1 KR1020180074914A KR20180074914A KR102078622B1 KR 102078622 B1 KR102078622 B1 KR 102078622B1 KR 1020180074914 A KR1020180074914 A KR 1020180074914A KR 20180074914 A KR20180074914 A KR 20180074914A KR 102078622 B1 KR102078622 B1 KR 102078622B1
- Authority
- KR
- South Korea
- Prior art keywords
- stenosis
- lesion
- diameter
- blood vessel
- cardiovascular information
- Prior art date
Links
- 230000003902 lesion Effects 0.000 title claims abstract description 114
- 230000002526 effect on cardiovascular system Effects 0.000 title claims abstract description 68
- 238000000034 method Methods 0.000 title claims abstract description 34
- 208000031481 Pathologic Constriction Diseases 0.000 claims abstract description 150
- 230000036262 stenosis Effects 0.000 claims abstract description 150
- 208000037804 stenosis Diseases 0.000 claims abstract description 150
- 238000013178 mathematical model Methods 0.000 claims abstract description 49
- 238000004088 simulation Methods 0.000 claims abstract description 31
- 210000004351 coronary vessel Anatomy 0.000 claims abstract description 30
- 230000017531 blood circulation Effects 0.000 claims abstract description 25
- 238000005259 measurement Methods 0.000 claims abstract description 17
- 230000002107 myocardial effect Effects 0.000 claims abstract description 12
- 210000004204 blood vessel Anatomy 0.000 claims description 46
- 238000002591 computed tomography Methods 0.000 claims description 10
- 238000002360 preparation method Methods 0.000 claims description 10
- 201000001320 Atherosclerosis Diseases 0.000 claims description 9
- 230000002792 vascular Effects 0.000 claims description 9
- 238000010801 machine learning Methods 0.000 claims description 6
- 238000003384 imaging method Methods 0.000 claims description 5
- 238000002595 magnetic resonance imaging Methods 0.000 claims description 4
- 230000003071 parasitic effect Effects 0.000 claims description 4
- 239000008186 active pharmaceutical agent Substances 0.000 claims description 3
- 230000035487 diastolic blood pressure Effects 0.000 claims description 3
- 230000035488 systolic blood pressure Effects 0.000 claims description 3
- 206010057469 Vascular stenosis Diseases 0.000 claims description 2
- 230000003746 surface roughness Effects 0.000 claims description 2
- 230000000004 hemodynamic effect Effects 0.000 abstract description 6
- 238000010586 diagram Methods 0.000 description 4
- 210000004369 blood Anatomy 0.000 description 2
- 239000008280 blood Substances 0.000 description 2
- 230000036772 blood pressure Effects 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 208000010125 myocardial infarction Diseases 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 206010003210 Arteriosclerosis Diseases 0.000 description 1
- 208000037260 Atherosclerotic Plaque Diseases 0.000 description 1
- 208000011775 arteriosclerosis disease Diseases 0.000 description 1
- 230000036770 blood supply Effects 0.000 description 1
- 238000013170 computed tomography imaging Methods 0.000 description 1
- 238000003745 diagnosis Methods 0.000 description 1
- 230000003205 diastolic effect Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000000544 hyperemic effect Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000009877 rendering Methods 0.000 description 1
- 208000024891 symptom Diseases 0.000 description 1
- 230000007723 transport mechanism Effects 0.000 description 1
- 238000012800 visualization Methods 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
- G16H50/50—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
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/0033—Features or image-related aspects of imaging apparatus classified in A61B5/00, e.g. for MRI, optical tomography or impedance tomography apparatus; arrangements of imaging apparatus in a room
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/02—Detecting, measuring or recording pulse, heart rate, blood pressure or blood flow; Combined pulse/heart-rate/blood pressure determination; Evaluating a cardiovascular condition not otherwise provided for, e.g. using combinations of techniques provided for in this group with electrocardiography or electroauscultation; Heart catheters for measuring blood pressure
- A61B5/02007—Evaluating blood vessel condition, e.g. elasticity, compliance
- A61B5/02014—Determining aneurysm
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/02—Detecting, measuring or recording pulse, heart rate, blood pressure or blood flow; Combined pulse/heart-rate/blood pressure determination; Evaluating a cardiovascular condition not otherwise provided for, e.g. using combinations of techniques provided for in this group with electrocardiography or electroauscultation; Heart catheters for measuring blood pressure
- A61B5/026—Measuring blood flow
- A61B5/0261—Measuring blood flow using optical means, e.g. infrared light
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/05—Detecting, measuring or recording for diagnosis by means of electric currents or magnetic fields; Measuring using microwaves or radio waves
- A61B5/055—Detecting, measuring or recording for diagnosis by means of electric currents or magnetic fields; Measuring using microwaves or radio waves involving electronic [EMR] or nuclear [NMR] magnetic resonance, e.g. magnetic resonance imaging
-
- 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]
-
- 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
- A61B6/50—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment specially adapted for specific body parts; specially adapted for specific clinical applications
- A61B6/504—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment specially adapted for specific body parts; specially adapted for specific clinical applications for diagnosis of blood vessels, e.g. by angiography
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Medical Informatics (AREA)
- Public Health (AREA)
- Physics & Mathematics (AREA)
- General Health & Medical Sciences (AREA)
- Pathology (AREA)
- Biomedical Technology (AREA)
- Surgery (AREA)
- Veterinary Medicine (AREA)
- Molecular Biology (AREA)
- Heart & Thoracic Surgery (AREA)
- Animal Behavior & Ethology (AREA)
- Biophysics (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Radiology & Medical Imaging (AREA)
- High Energy & Nuclear Physics (AREA)
- Vascular Medicine (AREA)
- Optics & Photonics (AREA)
- Physiology (AREA)
- Cardiology (AREA)
- Data Mining & Analysis (AREA)
- Software Systems (AREA)
- Theoretical Computer Science (AREA)
- Dentistry (AREA)
- Neurosurgery (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Databases & Information Systems (AREA)
- Primary Health Care (AREA)
- Hematology (AREA)
- Epidemiology (AREA)
- General Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- General Engineering & Computer Science (AREA)
- Computing Systems (AREA)
- Evolutionary Computation (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Artificial Intelligence (AREA)
- Apparatus For Radiation Diagnosis (AREA)
Abstract
본 발명은 협착 병변의 수학적 모델링을 이용한 심혈관 정보 결정 방법에 관한 것으로, 관상동맥에 대한 영상을 포함하는 환자의 기초데이터를 획득하는 기초데이터 획득단계; 상기 관상동맥에 대한 영상으로부터 협착 병변의 기하학적인 형상 인자를 측정하는 형상 인자 측정단계; 상기 기하학적인 형상 인자를 이용하여 관상동맥에 대한 수학적 모델을 생성하는 수학적 모델 생성단계; 상기 기초데이터 및 상기 수학적 모델을 이용하여 혈류역학 시뮬레이션을 수행하는 시뮬레이션 단계; 상기 시뮬레이션단계로부터 환자의 심근 분획 혈류 예비력을 포함하는 심혈관 정보를 획득하는 심혈관 정보 획득단계;를 포함한다.The present invention relates to a method for determining cardiovascular information using mathematical modeling of a stenosis lesion, a basic data acquisition step of acquiring basic data of a patient including an image of a coronary artery; A shape factor measurement step of measuring a geometric shape factor of a stenosis lesion from an image of the coronary artery; A mathematical model generation step of generating a mathematical model for the coronary artery using the geometric shape factor; A simulation step of performing hemodynamic simulation using the basic data and the mathematical model; And a cardiovascular information acquisition step of acquiring cardiovascular information including the myocardial fraction blood flow reserve power of the patient from the simulation step.
Description
본 발명은 협착 병변의 수학적 모델링을 이용한 심혈관 정보 결정 방법에 관한 것으로서, 보다 상세하게는 수학적 모델링을 통해 협착 병변의 형상을 간소화한 상태로 혈류 모델링을 수행할 수 있는 협착 병변의 수학적 모델링을 이용한 심혈관 정보 결정 방법에 관한 것이다.The present invention relates to a method for determining cardiovascular information using mathematical modeling of stenosis lesions, and more specifically, cardiovascular using mathematical modeling of stenosis lesions that can perform blood flow modeling with a simplified shape of the stenosis lesion through mathematical modeling. It is about how to decide information.
관상 동맥은 심장의 심근조직으로 혈액을 공급하는 주요 혈관으로써 동맥경화 등에 의해 생성되는 혈관 협착으로 인해 혈액 공급이 제한되고, 궁극적으로 심근경색과 같은 심각한 증상을 초래할 수 있다. Coronary arteries are the main blood vessels that supply blood to the myocardial tissue of the heart, and blood supply is limited due to vascular stenosis caused by arteriosclerosis and the like, which can ultimately lead to serious symptoms such as myocardial infarction.
이러한 협착부 병변의 심각도에 대한 보다 정확한 진단을 위해 심근분획혈류예비력(Fractional Flow Reserve:FFR) 진단 인자에 대한 정보가 중요한 역할을 가진다.For a more accurate diagnosis of the severity of these stenosis lesions, information on the diagnostic factors of the Fractional Flow Reserve (FFR) plays an important role.
여기서, 심근분획혈류예비력(Fractional Flow Reserve)은 혈류충만상태(hyperemic condition)에서 협착 병변이 있는 관상동맥에서의 혈류량에 대한 협착 병변이 없는 정상 관상동맥에서의 혈류량의 비를 나타내는 값으로, 임상에서 환자의 협착 병변의 심근 경색 위험도를 진단하기 위하여 널리 이용되고 있다.Here, the myocardial fractional blood flow reserve (Fractional Flow Reserve) is a value representing the ratio of blood flow in a normal coronary artery without a stenosis lesion to a blood flow in a coronary artery with a stenosis lesion in a hyperemic condition. It is widely used to diagnose the risk of myocardial infarction of stenosis lesions in patients.
이러한 심근분획혈류예비력(Fractional Flow Reserve)은 실질적으로 혈류량과 압력과의 유체역학적 상관관계를 이용하여 하기의 수식에 따라 구하는 것이 일반적이다.The myocardial fractional blood flow reserve (Fractional Flow Reserve) is generally obtained according to the following formula using a hydrodynamic correlation between blood flow and pressure.
여기서 FFR은 심근분획혈류예비력, Pd는 협착 병변 원위부 압력, Pa는 협착 병변 근위부 압력을 의미한다.Here, FFR is the myocardial fraction blood reserve, Pd is the distal pressure in the stenosis lesion, and Pa is the pressure in the proximal stenosis lesion.
이러한 심근분획혈류예비력(Fractional Flow Reserve)을 구하는 과정에 있어서, 협착병변 근위부 압력(Pa)를 구하는 것은 큰 문제가 없으나, 환자별로 협착 병변의 크기 및 형상이 상이하기 때문에 협착 병변에 의해 영향을 받게 되는 협착병변 원위부 압력(Pb)를 구하는 것이 문제가 된다.In the process of obtaining the myocardial fractional blood flow reserve (Fractional Flow Reserve), obtaining the proximal pressure (Pa) of the stenosis has no major problem, but because the size and shape of the stenosis lesion differs for each patient, it is affected by the stenosis lesion. The problem is to find the distal pressure (Pb) of the stenosis.
종래에는 침습적인 방법으로 협착병변 원위부 측에 카테터를 삽입하여 카테터에 구비된 압력 센서를 이용하여 직접 협착병변 원위부의 압력을 측정하였다. 그러나, 이러한 방법은 환자에게 위험을 초래할 수 있으며, 시술비용이 상당하다는 문제점이 존재한다.Conventionally, the pressure of the distal portion of the stenosis was directly measured using a pressure sensor provided in the catheter by inserting a catheter at the distal side of the stenosis by an invasive method. However, this method may pose a risk to the patient, and there is a problem that the operation cost is considerable.
이에, 비침습적인 방법으로 환자의 관상동맥에 대한 3차원 영상을 추출하고 이를 기반으로 혈류역학 시뮬레이션을 수행함으로써 협착 병변 주위의 압력 및 유동장을 구하여 협착병변 원위부의 압력을 추정할 수 있으나, 매우 복잡한 작업 및 컴퓨터 처리 시간을 요구하게 된다는 문제점이 존재한다.Thus, by extracting a 3D image of the patient's coronary artery in a non-invasive way and performing hemodynamic simulation based on it, the pressure and flow field around the stenosis lesion can be obtained to estimate the distal pressure of the stenosis lesion, but it is very complex. The problem is that it requires work and computer processing time.
따라서, 본 발명의 목적은 이와 같은 종래의 문제점을 해결하기 위한 것으로서, 환자의 협착 병변을 단순화시키는 수학적 모델링을 수행함으로써 신속하게 심혈관 정보를 획득할 수 있는 협착 병변의 수학적 모델링을 이용한 심혈관 정보 결정 방법을 제공함에 있다.Accordingly, an object of the present invention is to solve such a conventional problem, a method of determining cardiovascular information using mathematical modeling of a stenosis lesion that can quickly obtain cardiovascular information by performing mathematical modeling that simplifies a patient's stenosis lesion In providing.
본 발명의 일 측면에 따르면, 관상동맥에 대한 영상을 포함하는 환자의 기초데이터를 획득하는 기초데이터 획득단계; 상기 관상동맥에 대한 영상으로부터 협착 병변의 기하학적인 형상 인자를 측정하는 형상 인자 측정단계; 상기 기하학적인 형상 인자를 이용하여 협착 병변에 대한 수학적 모델을 생성하는 수학적 모델 생성단계; 상기 기초데이터 및 상기 수학적 모델을 이용하여 혈류역학 시뮬레이션을 수행하는 시뮬레이션 단계; 상기 시뮬레이션단계로부터 환자의 심근 분획 혈류 예비력을 포함하는 심혈관 정보를 획득하는 심혈관 정보 획득단계;를 포함하는 협착 병변의 수학적 모델링을 이용한 심혈관 정보 결정 방법이 제공될 수 있다.According to an aspect of the present invention, a basic data acquiring step of acquiring basic data of a patient including an image of a coronary artery; A shape factor measurement step of measuring a geometric shape factor of a stenosis lesion from an image of the coronary artery; A mathematical model generation step of generating a mathematical model for a stenosis lesion using the geometric shape factor; A simulation step of performing hemodynamic simulation using the basic data and the mathematical model; A cardiovascular information determination method using a mathematical modeling of a stenosis lesion may be provided, including; a cardiovascular information acquisition step of obtaining cardiovascular information including a patient's myocardial fraction blood flow reserve from the simulation step.
한편, 본 발명의 다른 측면에 따르면, 기하학적인 형상 인자 중 적어도 어느 하나를 변수로 하여 기생성된 관상동맥의 기하학적 형상의 수학적 모델에 대하여 시뮬레이션을 수행하여 획득한 심혈관 정보를 데이터베이스에 저장하는 준비단계; 관상동맥에 대한 영상을 포함하는 환자의 기초데이터를 획득하는 기초데이터 획득단계; 상기 관상동맥에 대한 영상으로부터 협착 병변의 기하학적인 형상 인자를 측정하는 형상 인자 측정단계; 상기 형상 인자 측정단계로부터 측정된 협착 병변의 기하학적인 형상 인자에 대응되는 수학적 모델 및 상기 기초데이터를 이용하여 상기 데이터베이스로부터 심혈관 정보를 추출하는 심혈관 정보 획득단계;를 포함하는 협착 병변의 수학적 모델링을 이용한 심혈관 정보 결정 방법이 제공될 수 있다.Meanwhile, according to another aspect of the present invention, a preparation step of storing cardiovascular information obtained by performing simulation on a mathematical model of a geometric shape of a parasitic coronary artery using at least one of geometric shape factors as a variable in a database ; A basic data acquisition step of obtaining basic data of a patient including an image of a coronary artery; A shape factor measurement step of measuring a geometric shape factor of a stenosis lesion from an image of the coronary artery; Using a mathematical model corresponding to the geometric shape factor of the stenosis lesion measured from the shape factor measurement step and the cardiovascular information extracting cardiovascular information from the database using the basic data; Using mathematical modeling of the stenosis lesion comprising Methods of determining cardiovascular information may be provided.
여기서, 상기 준비단계는, 기하학적인 형상 인자 중 적어도 어느 하나를 변수로 하여 관상동맥의 기하학적인 형상의 수학적 모델을 복수개 생성하는 수학적 모델 생성단계; 상기 복수개의 수학적 모델에 대하여 각각 시뮬레이션을 수행하여 각각의 수학적 모델에 대응되는 심혈관 정보를 획득하는 시뮬레이션단계; 상기 시뮬레이션단계를 통해 획득한 심혈관 정보를 상기 데이터베이스에 저장하는 저장단계;를 포함하는 것이 바람직하다.Here, the preparation step includes: a mathematical model generation step of generating a plurality of mathematical models of the geometric shape of the coronary artery using at least one of the geometric shape factors as a variable; A simulation step of performing simulation on each of the plurality of mathematical models to obtain cardiovascular information corresponding to each mathematical model; It is preferable to include; a storage step of storing the cardiovascular information obtained through the simulation step in the database.
또한, 상기 기초데이터 획득단계는, 환자에 대한 임상데이터를 획득하는 임상데이터 획득단계; 환자의 관상동맥에 대한 영상을 촬영하는 촬영단계;를 포함하는 바람직하다.In addition, the basic data acquisition step, clinical data acquisition step of acquiring clinical data for the patient; It is preferable to include; imaging step of taking an image of the patient's coronary artery.
또한, 상기 임상데이터 획득단계는 혈류량, 관상동맥의 수축기 압력 및 관상동맥의 이완기 혈압 중 적어도 어느 하나를 포함하는 것이 바람직하다.In addition, the clinical data acquisition step preferably includes at least one of blood flow, systolic pressure in the coronary artery, and diastolic blood pressure in the coronary artery.
또한, 상기 촬영단계는 컴퓨터 단층촬영(Computed Tomography:CT), 선택적 컴퓨터 단층촬영(Selective Computed Tomography) 또는 자기공명영상법(magnetic resonance imaging:MRI)를 이용하여 수행되는 것이 바람직하다.In addition, the imaging step is preferably performed using computed tomography (CT), selective computed tomography (MR) or magnetic resonance imaging (MRI).
또한, 상기 기하학적인 형상 인자는, 협착 병변 근위부 축소 구간에서의 혈관 직경 축소비, 협착 병변 원위부 확장 구간에서의 혈관 직경 확장비, 상기 협착 병변 근위부와 상기 협착 병변 원위부 사이의 간격, 혈관 직경 기준 협착도, 협착 병변 형상의 상대 거칠기 및 협착 병변의 편심도 중 적어도 어느 하나를 포함하는 것이 바람직하다.In addition, the geometric shape factors include a reduction ratio of a blood vessel diameter in a proximal narrowing section of a stenosis, an expansion ratio of a blood vessel diameter in a distal expansion section of a stenosis, an interval between the proximal portion of the stenosis lesion and a distal portion of the stenosis, a stenosis degree based on a blood vessel diameter, It is preferred to include at least one of the relative roughness of the stenosis lesion shape and the eccentricity of the stenosis lesion.
또한, 상기 심혈관 정보 획득단계는 머신 러닝(Machine Learning)에 의하여 수행되는 것이 바람직하다.In addition, the cardiovascular information acquisition step is preferably performed by machine learning (Machine Learning).
한편, 본 발명의 또 다른 측면에 따르면, 제1항 내지 제3항 중 어느 한 항에 기재된 방법을 컴퓨터에서 실행시키기 위한 프로그램을 저장한 컴퓨터로 읽을 수 있는 기록매체에 의해 달성될 수 있다.On the other hand, according to another aspect of the invention, it can be achieved by a computer-readable recording medium storing a program for executing a method according to any one of claims 1 to 3 in a computer.
본 발명에 따르면, 환자별 협착 병변의 형상 및 유량 인자에 따라 비침습적으로 빠르게 심혈관 정보를 획득할 수 있다.According to the present invention, it is possible to rapidly and non-invasively acquire cardiovascular information according to the shape and flow rate factors of each patient's stenosis lesions.
또한, 심혈관 정보를 획득하는 시간 대비 정확도를 현저히 향상시킬 수 있다.In addition, it is possible to significantly improve the accuracy over time for obtaining cardiovascular information.
도 1은 본 발명의 제1실시예에 따른 협착 병변의 수학적 모델링을 이용한 심혈관 정보 결정 방법을 개략적으로 도시한 순서도이고,
도 2는 도 1에 따른 협착 병변의 수학적 모델링을 이용한 심혈관 정보 결정 방법의 형상 인자 측정단계에서 협착 병변으로부터 기하학적 형상 인자를 추출하는 모습을 개략적으로 도시한 도면이고,
도 3은 도 1에 따른 협착 병변의 수학적 모델링을 이용한 심혈관 정보 결정 방법의 수학적 모델 생성단계에서 협착 병변의 수학적 모델을 개략적으로 도시한 도면이고,
도 4는 본 발명의 제2실시예에 따른 협착 병변의 수학적 모델링을 이용한 심혈관 정보 결정 방법을 개략적으로 도시한 순서도이다.1 is a flowchart schematically showing a method for determining cardiovascular information using mathematical modeling of a stenosis lesion according to a first embodiment of the present invention,
FIG. 2 is a diagram schematically showing a state in which geometric shape factors are extracted from a stenosis lesion in a shape factor measurement step of a method for determining cardiovascular information using the mathematical modeling of the stenosis lesion according to FIG. 1,
3 is a diagram schematically showing a mathematical model of a stenosis lesion in a step of generating a mathematical model of the method for determining cardiovascular information using the mathematical modeling of the stenosis lesion according to FIG. 1,
4 is a flowchart schematically illustrating a method for determining cardiovascular information using mathematical modeling of a stenosis lesion according to a second embodiment of the present invention.
설명에 앞서, 여러 실시예에 있어서, 동일한 구성을 가지는 구성요소에 대해서는 동일한 부호를 사용하여 대표적으로 제1실시예에서 설명하고, 그 외의 실시예에서는 제1실시예와 다른 구성에 대해서 설명하기로 한다.Prior to the description, in various embodiments, components having the same configuration are typically described in the first embodiment using the same reference numerals, and in other embodiments, configurations different from the first embodiment will be described. do.
이하, 첨부한 도면을 참조하여 본 발명의 제1실시예에 따른 협착 병변의 수학적 모델링을 이용한 심혈관 정보 결정 방법에 대하여 상세하게 설명한다. 각 도면에 제시된 동일한 참조부호는 동일한 부재를 나타낸다.Hereinafter, a method of determining cardiovascular information using mathematical modeling of a stenosis lesion according to a first embodiment of the present invention will be described in detail with reference to the accompanying drawings. The same reference numerals in each drawing denote the same members.
도 1은 본 발명의 제1실시예에 따른 협착 병변의 수학적 모델링을 이용한 심혈관 정보 결정 방법을 개략적으로 도시한 순서도이다.1 is a flowchart schematically illustrating a method for determining cardiovascular information using mathematical modeling of a stenosis lesion according to a first embodiment of the present invention.
도 1을 참조하면, 본 발명의 제1실시예에 따른 협착 병변의 수학적 모델링을 이용한 심혈관 정보 결정 방법(S100)은 환자로부터 획득하는 기초데이터를 이용하여 환자의 협착 병변 형상을 수학적 모델로 단순화시킨 후 혈류역학 시뮬레이션을 수행하는 것으로서, 기초데이터 획득단계(S110)와 형상 인자 측정단계(S120)와 수학적 모델 생성단계(S130)와 시뮬레이션 단계(S140)와 심혈관 정보 획득단계(S150)를 포함한다.Referring to FIG. 1, in the method for determining cardiovascular information using mathematical modeling of a stenosis lesion according to the first embodiment of the present invention (S100), the stenosis lesion shape of the patient is simplified to a mathematical model using basic data obtained from the patient. After performing a hemodynamic simulation, it includes a basic data acquisition step (S110), a shape factor measurement step (S120), a mathematical model generation step (S130), a simulation step (S140), and a cardiovascular information acquisition step (S150).
상기 기초데이터 획득단계(S110)는 환자로부터 획득할 수 있으며, 심혈관 정보 획득에 필요한 기초데이터를 획득하는 단계이다.The basic data acquisition step (S110) may be obtained from a patient, and is a step of acquiring basic data necessary for obtaining cardiovascular information.
본 발명의 제1실시예에 있어서, 기초데이터 획득단계(S110)는 임상데이터 획득단계(S111)와 촬영단계(S112)를 포함할 수 있다.In the first embodiment of the present invention, the basic data acquisition step (S110) may include a clinical data acquisition step (S111) and an imaging step (S112).
상기 임상데이터 획득단계(S1111)는 환자에 대한 임상데이터를 획득하는 단계이다. 여기서, 환자의 임상데이터로는 환자의 혈류 데이터를 포함할 수 있고, 환자의 혈류 데이터는 관상동맥으로의 혈류량, 수축기 및 이완기 시의 혈압을 포함할 수 있다.The clinical data acquisition step (S1111) is a step of acquiring clinical data about the patient. Here, the clinical data of the patient may include blood flow data of the patient, and the blood flow data of the patient may include blood flow to the coronary artery, blood pressure during systole and diastolic.
물론, 상기와 같은 데이터에 제한되는 것은 아니며, 심혈관 정보를 획득하기 위해 요구되는 모든 데이터를 포함할 수 있는 것은 당연하다.Of course, it is not limited to the above data, and it is natural that all data required for obtaining cardiovascular information may be included.
상기 촬영단계(S112)는 환자의 관상동맥을 촬영하여 관상동맥에 대한 영상을 획득하는 단계이다.The photographing step (S112) is a step of acquiring an image of the coronary artery by photographing the patient's coronary artery.
한편, 본 발명의 제1실시예에 따르면 촬영단계(S112)는 컴퓨터 단층촬영(Computed Tomography:CT), 선택적 컴퓨터 단층촬영(Selective Computed Tomography) 또는 자기공명영상법(magnetic resonance imaging:MRI)를 이용하여 수행될 수 있다.On the other hand, according to the first embodiment of the present invention, the imaging step S112 uses Computed Tomography (CT), Selective Computed Tomography or Magnetic Resonance Imaging (MRI). Can be performed.
가령, 촬영단계(S112)는 컴퓨터 단층촬영(Computed Tomography:CT)으로 수행될 수 있으며, 더 나아가 촬영된 이미지에 대하여 볼륨 렌더링 가시화를 수행할 수 있다. For example, the photographing step S112 may be performed by computed tomography (CT), and further, volume rendering visualization may be performed on the photographed image.
상술한 방법들은 주지한 방법들이므로, 여기서는 촬영단계(S112)에 대한 자세한 설명은 생략한다.Since the above-described methods are well-known methods, a detailed description of the photographing step S112 is omitted here.
상기 형상 인자 측정단계(S120)는 상술한 기초데이터 획득단계(S110)를 통해서 획득한 기초데이터 중에서 적어도 환자의 관상동맥에 대한 영상을 이용하여 협착 병변의 기하학적인 형상 인자를 측정하는 단계이다.The shape factor measurement step S120 is a step of measuring the geometric shape factor of the stenosis lesion using at least an image of the coronary artery of the patient among the basic data obtained through the above-described basic data acquisition step S110.
여기서, 협착 병변의 기하학적인 형상 인자라 함은 협착 병변의 근위부 및 원위부 사이에서의 압력 손실에 직접적으로 영향을 미칠 수 있는 혈관 형상 인자를 의미할 수 있다.Here, the geometric shape factor of the stenosis lesion may mean a vascular shape factor that can directly affect the pressure loss between the proximal and distal portions of the stenosis lesion.
도 2는 도 1에 따른 협착 병변의 수학적 모델링을 이용한 심혈관 정보 결정 방법의 형상 인자 측정단계에서 협착 병변으로부터 기하학적 형상 인자를 추출하는 모습을 개략적으로 도시한 도면이다.FIG. 2 is a diagram schematically showing a state in which geometric shape factors are extracted from a stenosis lesion in a shape factor measurement step of a method for determining cardiovascular information using the mathematical modeling of the stenosis lesion according to FIG. 1.
도 2를 참조하면, 기하학적인 형상 인자는, 협착 병변 근위부 축소 구간에서의 혈관 직경 축소비, 협착 병변 원위부 확장 구간에서의 혈관 직경 확장비, 협착 병변 중앙부(C) 구간 길이(Lcs), 혈관 직경 기준 협착도, 협착 병변 형상의 상대 거칠기 및 협착 병변의 편심도 중 적어도 어느 하나를 포함할 수 있다.Referring to FIG. 2, the geometric shape factors include a reduction ratio of a blood vessel diameter in a proximal narrowing section of a stenosis, an expansion ratio of a blood vessel diameter in a distal expansion section of a stenosis lesion, a stenosis of the central portion of the lesion (C), a stenosis based on a blood vessel diameter Also, at least one of the relative roughness of the shape of the stenosis lesion and the eccentricity of the stenosis lesion may be included.
여기서, 협착 병변 근위부(P)는 협착 병변에서 혈류가 유입되는 입구 부위라 정의할 수 있고, 협착 병변의 중앙부(C)는 협착 병변에서 죽상반(P)에 의해 혈관 직경이 감소된 상태로 일정하게 유지되는 구간으로 정의할 수 있고, 협착 병변 원위부(D)는 협착 병변에서 혈류가 배출되는 출구 부위라 정의할 수 있다.Here, the proximal portion of the stenosis lesion (P) can be defined as the entrance site into which blood flows from the stenosis lesion, and the central portion (C) of the stenosis lesion is constant in a state where the vascular diameter is reduced by the atherosclerosis (P) in the stenosis lesion. It can be defined as a section that is maintained, and the distal portion of the stenosis lesion (D) can be defined as the exit site where blood flow is discharged from the stenosis lesion.
상기 협착 병변 근위부(P) 축소 구간에서의 혈관 직경 축소비는 협착 병변 근위부(P)를 마주보는 협착 병변의 중앙부(C)의 일단에서 협착 병변 근위부(P)까지 혈관 직경의 축소가 선형적으로 이루어지는 것으로 전제하여 표현한 것으로, 하기의 수식에 따른다.The reduction ratio of the blood vessel diameter in the narrowing section of the proximal stenosis (P) is a linear reduction of the blood vessel diameter from one end of the central portion (C) of the stenosis lesion facing the proximal stenosis (P) to the proximal stenosis (P). Expressed on the assumption that it is, according to the following formula.
여기서, Kc는 협착 병변 근위부(P) 축소 구간에서의 혈관 직경 축소비를 의미하고, D는 혈관의 직경, d는 죽상반에 의한 감소된 혈관의 직경, Lps는 협착 병변의 중앙부(C)와 협착 병변 근위부(P) 사이의 간격을 의미한다.Here, Kc denotes a reduction ratio of the blood vessel diameter in the proximal (P) narrowing section of the stenosis lesion, D is the diameter of the blood vessel, d is the diameter of the reduced vessel caused by the atherosclerosis, and L ps is the central portion (C) of the stenosis lesion. Mean distance between proximal (P) stenosis lesions.
상기 협착 병변 원위부(D) 확장 구간에서의 혈관 직경 확장비는 협착 병변 원위부(D)를 마주보는 협착 병변의 중앙부(C)의 타단에서 협착 병변 원위부(D)까지 혈관 직경의 확장이 선형적으로 이루어지는 것으로 전제하여 표현한 것으로, 하기의 수식에 따른다. The expansion ratio of the blood vessel diameter in the distal portion of the stenosis lesion (D) extends from the other end of the central portion (C) of the stenosis lesion facing the distal portion of the stenosis to the distal portion of the stenosis (D). Expressed on the assumption that it is, according to the following formula.
여기서, Ke는 협착 병변 근위부(D) 확장 구간에서의 혈관 직경 확장비를 의미하고, D는 혈관의 직경, d는 죽상반에 의한 감소된 혈관의 직경, Lds는 협착 병변의 중앙부(C)와 협착 병변 원위부(D) 사이의 간격을 의미한다.Here, Ke refers to the ratio of blood vessel diameter expansion in the proximal (D) expansion section of the stenosis lesion, D is the diameter of the blood vessel, d is the diameter of the reduced vessel caused by the atherosclerosis, and L ds is the central portion (C) of the stenosis lesion. The distance between the distal parts of the stenosis (D).
상기 협착 병변 중앙부(C) 구간 길이(Lcs)는 협착 병변에서 죽상반(P)에 의해 혈관 직경이 감소된 상태로 일정하게 유지되는 구간의 길이를 의미한다.The stenosis lesion central portion (C) section length (Lcs) refers to the length of the section in which the vascular diameter is kept constant by the atherosclerotic plaque (P) in the stenosis lesion.
상기 혈관 직경 기준 협착도는 혈관 직경에 대비하여 협착 병변의 협착된 정도를 의미하는 것으로 하기의 수식에 따른다.The stenosis degree based on the vascular diameter refers to the degree of stenosis of the stenosis lesion in relation to the vascular diameter, according to the following formula.
여기서, DS는 혈관 직경 기준 협착도, D는 혈관의 직경, d는 죽상반에 의한 감소된 혈관의 직경을 의미한다.Here, DS denotes a stenosis degree based on a blood vessel diameter, D denotes a blood vessel diameter, and d denotes a reduced blood vessel diameter caused by atherosclerosis.
상기 협착부 형상의 상대 거칠기는 혈관 내면의 거칠기를 죽상반에 의해 감소된 혈관의 직경으로 나눈 값을 의미하며, 하기의 수식에 따른다.The relative roughness of the constriction shape refers to a value obtained by dividing the roughness of the inner surface of the blood vessel by the diameter of the blood vessel reduced by the atherosclerosis, according to the following formula.
여기서, ε은 혈관 내벽면의 표면 거칠기, d는 죽상반에 의한 감소된 혈관의 직경을 의미한다.Here, ε is the surface roughness of the inner wall surface of the blood vessel, and d is the diameter of the reduced blood vessel caused by the plaque.
상기 협착 병변의 편심도는 혈관 직경에 대비하여 협착 병변이 혈관 중심으로부터 일측으로 치우친 정도를 의미하는 것으로 하기의 수식에 따른다. 이러한 편심도의 크기에 따라 혈류 유동의 비대칭성이 커지게 된다. 가령, 편심도의 크기가 커지면 협착 병변 원위부에서의 유동 및 압력장의 교란이 야기되고 압력 손실이 증가될 수 있다.The eccentricity of the stenosis lesion refers to the degree to which the stenosis lesion is biased from the center of the blood vessel to one side in relation to the blood vessel diameter. The asymmetry of the blood flow increases according to the magnitude of the eccentricity. For example, an increase in eccentricity may cause flow and pressure field disturbances at the distal stenosis and increase pressure loss.
여기서, EC는 협착 병변의 편심도, s는 가상의 정상 혈관 중심선으로부터 협착 병변에서의 중심선까지의 거리, D는 혈관의 지경을 의미한다.Here, EC is the eccentricity of the stenosis lesion, s is the distance from the hypothetical normal vascular centerline to the centerline in the stenosis lesion, D is the diameter of the blood vessel.
한편, 본 발명의 제1실시예에 따르면 기하학적 형상 인자에 대한 구체적인 예를 제시하였으나 이에 제한되는 것은 아니며, 혈관 형상에 관한 인자라면 모두 포함될 수 있음은 당연하다.On the other hand, according to the first embodiment of the present invention, a specific example of a geometric shape factor is presented, but the present invention is not limited thereto, and it is natural that any factor related to blood vessel shape may be included.
도 3은 도 1에 따른 협착 병변의 수학적 모델링을 이용한 심혈관 정보 결정 방법의 수학적 모델 생성단계에서 협착 병변의 수학적 모델을 개략적으로 도시한 도면이다.FIG. 3 is a diagram schematically showing a mathematical model of a stenosis lesion in a step of generating a mathematical model of the method for determining cardiovascular information using the mathematical modeling of the stenosis lesion according to FIG. 1.
도 3을 참조하면, 상기 수학적 모델 생성단계(S130)는 상술한 기하학적인 형상 인자를 이용하여 환자의 협착 병변에 대한 수학적 모델을 생성하는 단계이다.Referring to FIG. 3, the mathematical model generation step (S130) is a step of generating a mathematical model for a stenosis lesion of a patient using the geometric shape factors described above.
상술한 기하학적인 형상 인자를 이용하여 협착 병변에 대한 수학적 모델을 생성하면, 환자의 협착 병변은 사다리꼴 또는 삼각형 등의 도형으로 단순화시킬 수 있다.When the mathematical model for the stenosis lesion is generated using the geometric shape factor described above, the stenosis lesion of the patient can be simplified to a shape such as a trapezoid or a triangle.
상기 시뮬레이션 단계(S140)는 상술한 기초데이터 획득단계(S110)를 통해 획득한 환자의 기초데이터 및 상술한 수학적 모델 생성단계(S130)를 통해 획득한 환자의 협착 병변에 대한 수학적 모델을 이용하여 혈류역학 시뮬레이션을 수행하는 단계이다.The simulation step (S140) is a blood flow using a mathematical model of the patient's stenosis lesion obtained through the above-described basic data acquisition step (S110) and the patient's basic data obtained through the above-described mathematical model generation step (S130). This is the step to perform the dynamics simulation.
즉, 수학적 모델을 통해 환자의 협착 병변을 단순화시키고, 이러한 수학적 모델에 혈류량, 수축기 및 이완기 시의 압력을 포함하는 혈류 조건을 적용함으로써 단기간 내에 혈류역학 시뮬레이션을 수행할 수 있다.That is, hemodynamic simulation can be performed in a short period of time by simplifying the patient's stenosis lesions through a mathematical model and applying blood flow conditions including blood flow, systolic and diastolic pressures to the mathematical model.
상기 심혈관 정보 획득단계(S150)는 상기 시뮬레이션 단계(S140)를 통해 획득한 결과로부터 심근 분획 혈류 예비력을 포함하는 심혈관 정보를 획득하는 단계이다.The cardiovascular information acquiring step (S150) is a step of acquiring cardiovascular information including myocardial fraction blood flow reserve from the results obtained through the simulation step (S140).
즉, 시뮬레이션 단계(S140)를 통해 협착 병변의 근위부와 원위부 사이에서의 압력 손실값을 계산할 수 있고, 이를 통해 심근 분획 혈류 예비력을 획득할 수 있다.That is, the pressure loss value between the proximal and distal portions of the stenosis lesion can be calculated through the simulation step (S140), thereby obtaining the myocardial fraction blood flow reserve.
물론, 시뮬레이션 단계(S140)를 통해 상술한 심근 분획 혈류 예비력에 대해서만 획득하는 것은 아니며, 심근 분획 혈류 예비력 이외의 다른 심혈관 정보, 더 정확하게는 혈류역학 기반의 기능성 정보를 추출할 수 있음은 당연하다.Of course, it is not only obtained through the simulation step (S140) for the above-described myocardial fraction blood flow reserve power, it is natural that other cardiovascular information other than the myocardial fraction blood flow reserve power, more precisely hemodynamic-based functional information can be extracted.
다음으로 본 발명의 제2실시예에 따른 협착 병변의 수학적 모델링을 이용한 심혈관 정보 결정 방법에 대하여 설명한다. Next, a method of determining cardiovascular information using mathematical modeling of a stenosis lesion according to a second embodiment of the present invention will be described.
도 4는 본 발명의 제2실시예에 따른 협착 병변의 수학적 모델링을 이용한 심혈관 정보 결정 방법을 개략적으로 도시한 순서도이다.4 is a flowchart schematically illustrating a method for determining cardiovascular information using mathematical modeling of a stenosis lesion according to a second embodiment of the present invention.
도 4를 참조하면, 본 발명의 제2실시예에 따른 협착 병변의 수학적 모델링을 이용한 심혈관 정보 결정 방법(S200)는 기하학적인 형상 인자 중 적어도 어느 하나를 변수로 하여 기생성된 협착 병변의 수학적 모델에 대하여 미리 시뮬레이션을 수행하여 데이터베이스화시킨 상태에서 환자의 협착 병변으로부터 추출된 기하학적인 형상 인자와 실질적으로 대비되는 수학적 모델의 시뮬레이션 수치를 데이터베이스로부터 추출할 수 있도록 마련된 것으로서, 준비단계(S210)와 기초데이터 획득단계(S220)와 형상 인자 측정단계(S230)와 심혈관 정보 획득단계(S240)를 포함한다.Referring to FIG. 4, the cardiovascular information determination method (S200) using mathematical modeling of a stenosis lesion according to a second embodiment of the present invention is a mathematical model of parasitic stenosis lesions using at least one of geometric shape factors as a variable. It is prepared to extract simulation values of a mathematical model that is substantially contrasted with geometric shape factors extracted from a patient's stenosis lesions in a state of being databased by performing a simulation in advance, as a preparation step (S210) and basics. It includes a data acquisition step (S220), a shape factor measurement step (S230) and a cardiovascular information acquisition step (S240).
상기 준비단계(S210)는 기하학적인 형상 인자 중 적어도 어느 하나를 변수로 하여 기생성된 관상동맥의 기하학적인 형상의 수학적 모델에 대하여 시뮬레이션을 수행하여 획득한 심혈관 정보를 데이터베이스에 저장하는 단계이다.The preparatory step (S210) is a step of storing cardiovascular information obtained by performing simulation on a mathematical model of a geometrical shape of a parasitic coronary artery using at least one of geometrical shape parameters as a variable in a database.
여기서, 기하학적인 형상 인자는 상술한 제1실시예에서 설명하였으므로 여기서는 자세한 설명은 생략한다.Here, since the geometric shape factor has been described in the above-described first embodiment, detailed description is omitted here.
본 발명의 제2실시예에 따르면, 준비단계(S210)는 수학적 모델 생성단계(S211)와 시뮬레이션 단계(S212)와 저장단계(S213)를 포함할 수 있다.According to the second embodiment of the present invention, the preparation step (S210) may include a mathematical model generation step (S211), a simulation step (S212) and a storage step (S213).
상기 수학적 모델 생성단계(S211)는 기하학적인 형상 인자 중 적어도 어느 하나를 변수로 하여 관상동맥의 수학적 모델을 복수개 생성하는 단계이다.The mathematical model generation step (S211) is a step of generating a plurality of mathematical models of the coronary artery by using at least one of geometric shape factors as a variable.
즉, 제2실시예에 따른 수학적 모델 생성단계(S211)는 제1실시예와는 달리 환자의 관상동맥의 형상과는 무관한 수학적 모델을 기하학적인 형상 인자 중 적어도 어느 하나를 변수로 하여 무작위로 생성하게 된다.That is, in the mathematical model generation step S211 according to the second embodiment, unlike the first embodiment, the mathematical model independent of the shape of the patient's coronary artery is randomly assigned to at least one of the geometric shape factors as a variable. Will be created.
가령, 협착 병변 근위부 축소 구간에서의 혈관 직경 축소비, 협착 병변 원위부 확장 구간에서의 혈관 직경 확장비, 혈관 직경 기준 협착도, 협착 병변 형상의 상대 거칠기 및 협착 병변의 편심도는 일정한 상수로 유지하되, 협착 병변 중심부 구간 길이를 변경하여 다수의 수학적 모델을 생성할 수 있다.For example, the ratio of the reduction of the blood vessel diameter in the proximal narrowing section of the stenosis lesion, the ratio of the expansion of the blood vessel diameter in the distal section of the stenosis lesion, the stenosis degree based on the blood vessel diameter, the relative roughness of the shape of the stenosis lesion, and the eccentricity of the stenosis lesion are maintained at a constant constant. Multiple mathematical models can be generated by changing the length of the central section of the lesion.
상기 시뮬레이션 단계(S212)는 상술한 수학적 모델 생성단계(S211)를 통해 생성된 복수개의 수학적 모델 각각에 대하여 시뮬레이션을 수행하여 각각의 수학적 모델에 대응되는 심혈관 정보를 획득하는 단계이다.The simulation step (S212) is a step of acquiring cardiovascular information corresponding to each mathematical model by performing simulation on each of the plurality of mathematical models generated through the above-described mathematical model generation step (S211).
상기 저장단계(S213)는 상술한 시뮬레이션 단계(S212)를 통해 획득한 심혈관 정보를 데이터베이스에 저장하는 단계이다.The storage step (S213) is a step of storing the cardiovascular information obtained through the above-described simulation step (S212) in a database.
상기 기초데이터 획득단계(S220) 및 상기 기하학적 형상 인자 측정단계(S230)는 상술한 제1실시예에서 설명한 것과 동일하므로 여기서는 자세한 설명을 생략한다.The basic data acquisition step (S220) and the geometric shape factor measurement step (S230) are the same as those described in the above-described first embodiment, so a detailed description thereof will be omitted here.
상기 심혈관 정보 획득단계(S240)는 기하학적 형상 인자 측정단계(S230)로부터 측정된 환자의 협착 병변에 대한 기하학적인 형상 인자 및 기초데이터 획득단계(S220)를 통해 획득한 기초데이터를 이용하여 준비단계(S210)에서 데이터 베이스에 저장된 심혈관 정보를 추출하는 단계이다.The cardiovascular information acquisition step (S240) is a preparation step using the basic data obtained through the geometric shape factor and basic data acquisition step (S220) for the stenosis lesion of the patient measured from the geometric shape factor measurement step (S230). S210) is a step of extracting cardiovascular information stored in the database.
더 자세히 설명하면, 사용자는 기하학적 형상 인자 측정단계(S230)로부터 측정된 환자의 협착 병변에 대한 기하학적인 형상 인자 및 기초데이터 획득단계(S220)를 통해 획득한 기초데이터를 데이터베이스에 입력하면, 데이터베이스는 사용자가 입력한 입력값에 대응되는 조건에서 획득한 심혈관 정보를 출력한다.In more detail, when the user inputs the geometric shape factor for the stenosis lesion of the patient measured from the geometric shape factor measurement step (S230) and the basic data obtained through the basic data acquisition step (S220), the database Cardiovascular information obtained under conditions corresponding to the input value input by the user is output.
즉, 본 발명의 제2실시예서 기초데이터 획득단계(S220) 및 기하학적 형상 인자 측정단계(S230)는 환자의 심혈관 정보를 추출하기 위한 입력 조건을 획득하기 위한 단계에 해당되며, 제1실시예에서와 같이 환자의 협착 병변에 대한 수학적 모델을 생성하기 위한 정보를 획득하는 것과는 차이점이 존재한다.That is, in the second embodiment of the present invention, the basic data acquisition step (S220) and the geometric shape factor measurement step (S230) correspond to a step for obtaining input conditions for extracting cardiovascular information of a patient, in the first embodiment As shown, there is a difference from acquiring information to generate a mathematical model of a patient's stenosis lesion.
한편, 본 발명의 제2실시예에 따른 심혈관 정보 획득단계(S240)는 머신 러닝에 의하여 수행될 수 있다. 여기서, 머신 러닝은 기구축된 데이터 베이스를 기반으로 데이터를 분석 및 학습함으로써 새로운 데이터에 대한 결과를 예측하는 기법을 의미한다.Meanwhile, the cardiovascular information acquisition step S240 according to the second embodiment of the present invention may be performed by machine learning. Here, machine learning refers to a technique for predicting the results of new data by analyzing and learning data based on a structured database.
즉, 수학적 모델을 이용하여 심혈관 정보를 해석한 데이터베이스를 구축하고 이러한 데이터를 머신 러닝을 통해 충분히 학습시킨다면 환자의 협착 병변에 대한 기하학적인 형상 요인을 통해 환자의 심혈관 정보를 단기간에 도출해낼 수 있다.In other words, if a database that interprets cardiovascular information is built using a mathematical model and these data are sufficiently learned through machine learning, the cardiovascular information of the patient can be derived in a short period of time through geometric shape factors for the stenosis lesion of the patient.
한편, 상술한 제1실시예와 제2실시예에 따른 협착 병변의 수학적 모델링을 이용한 심혈관 정보 결정 방법은 기하학적인 형상 인자에 의한 수학적 모델을 이용하여 협착 병변을 단순화시킬 수 있고, 이를 실시간으로 또는 기저장된 데이터를 통해 처리함으로써 빠른 시간 내에 심혈관 정보를 추출할 수 있다.On the other hand, the method for determining cardiovascular information using the mathematical modeling of the stenosis lesions according to the first and second embodiments described above can simplify the stenosis lesion using a mathematical model based on geometric shape factors, or in real time or By processing through pre-stored data, cardiovascular information can be quickly extracted.
한편, 상술한 본 발명의 일실시예는 컴퓨터에서 실행될 수 있는 프로그램으로 작성가능하고, 컴퓨터로 판독가능한 기록매체를 이용하여 상기 프로그램을 동작시키는 범용 디지털 컴퓨터에서 구현될 수 있다.Meanwhile, the above-described embodiment of the present invention can be implemented in a general-purpose digital computer that can be written in a program that can be executed in a computer and operates the program using a computer-readable recording medium.
컴퓨터 판독 가능 매체는 컴퓨터에 의해 액세스될 수 있는 임의의 가용 매체일 수 있고, 휘발성 및 비휘발성 매체, 분리형 및 비분리형 매체를 모두 포함한다. 또한, 컴퓨터 판독가능 매체는 컴퓨터 저장 매체 및 통신 매체를 모두 포함할 수 있다. 컴퓨터 저장 매체는 컴퓨터 판독가능 명령어, 데이터 구조, 프로그램 모듈 또는 기타 데이터와 같은 정보의 저장을 위한 임의의 방법 또는 기술로 구현된 휘발성 및 비휘발성, 분리형 및 비분리형 매체를 모두 포함한다. 통신 매체는 전형적으로 컴퓨터 판독가능 명령어, 데이터 구조, 프로그램 모듈, 또는 기타 전송 메커니즘을 포함하며, 임의의 정보 전달 매체를 포함할 수 있다.Computer readable media can be any available media that can be accessed by a computer and includes both volatile and nonvolatile media, removable and non-removable media. In addition, computer readable media may include both computer storage media and communication media. Computer storage media includes both volatile and nonvolatile, removable and non-removable media implemented in any method or technology for storage of information such as computer readable instructions, data structures, program modules or other data. Communication media typically include computer readable instructions, data structures, program modules, or other transport mechanisms, and may include any information delivery media.
본 발명의 권리범위는 상술한 실시예에 한정되는 것이 아니고, 본 발명의 사상 및 범위를 벗어나지 않고 다양하게 수정 또는 변형할 수 있고, 그러한 수정례 또는 변형례들도 본 발명의 권리범위에 속한다고 볼 것이다.The scope of rights of the present invention is not limited to the above-described embodiments, and can be variously modified or modified without departing from the spirit and scope of the present invention, and such modifications or variations belong to the scope of the present invention. Will see.
S100: 협착 병변의 수학적 모델링을 이용한 심혈관 정보 결정 방법
S110: 기초데이터 획득단계 S120: 형상 인자 측정단계
S130: 수학적 모델 생성단계 S140: 시뮬레이션 단계
S150: 심혈관 정보 획득단계
S200: 협착 병변의 수학적 모델링을 이용한 심혈관 정보 결정 방법
S210: 준비단계 S220: 기초데이터 획득단계
S230: 형상 인자 측정단계 S240: 심혈관 정보 획득단계S100: Method for determining cardiovascular information using mathematical modeling of stenosis lesions
S110: Basic data acquisition step S120: Shape factor measurement step
S130: Mathematical model creation step S140: Simulation step
S150: Cardiovascular information acquisition stage
S200: Method for determining cardiovascular information using mathematical modeling of stenosis lesions
S210: Preparation phase S220: Basic data acquisition phase
S230: Shape factor measurement step S240: Cardiovascular information acquisition step
Claims (8)
기하학적인 형상 인자 중 적어도 어느 하나를 변수로 하여 기생성된 관상동맥의 기하학적 형상의 수학적 모델에 대하여 시뮬레이션을 수행하여 획득한 심혈관 정보를 데이터베이스에 저장하는 준비단계;
관상동맥에 대한 영상을 포함하는 환자의 기초데이터를 획득하는 기초데이터 획득단계로서, 환자에 대한 임상데이터를 획득하는 임상데이터 획득단계 및 환자의 관상동맥에 대한 영상을 촬영하는 촬영단계를 포함하고, 상기 임상데이터 획득단계는 혈류량, 관상동맥의 수축기 압력 및 관상동맥의 이완기 혈압 중 적어도 어느 하나를 포함하는, 상기 기초데이터 획득단계;
상기 관상동맥에 대한 영상으로부터 협착 병변의 기하학적인 형상 인자를 측정하는 형상 인자 측정단계; 및
상기 형상 인자 측정단계로부터 측정된 협착 병변의 기하학적인 형상 인자에 대응되는 수학적 모델 및 상기 기초데이터를 이용하여 상기 데이터베이스로부터 심혈관 정보를 추출하는 심혈관 정보 획득단계;를 포함하고,
상기 심혈관 정보 획득단계는 수학적 모델을 이용하여 심혈관 정보를 해석한 데이터베이스를 구축하고, 상기 데이터베이스에 포함된 데이터를 머신 러닝을 통해 학습시켜 환자의 협착 병변에 대한 기하학적인 형상 요인을 통해 환자의 심혈관 정보를 단기간에 도출하고,
상기 심혈관 정보 획득단계는 상기 준비단계를 통해 협착 병변의 근위부와 원위부 사이에서의 압력 손실값을 계산할 수 있고, 상기 압력 손실값을 통해 심근 분획 혈류 예비력을 획득하며,
상기 준비단계는 협착 병변 근위부 축소 구간에서의 혈관 직경 축소비(KC ), 협착 병변 원위부 확장 구간에서의 혈관 직경 확장비(KE ), 혈관 직경 기준 협착도(DS), 협착 병변 형상의 상대 거칠기(roughness) 및 협착 병변의 편심도(EC) 및 협착 병변 중앙부 구간 길이를 포함하는 여러 협착병변 형상 인자로서의 상기 기하학적인 형상 인자를 변경하여 다수의 상기 수학적 모델을 생성하고,
상기 기하학적인 형상 인자는 협착 병변의 근위부 및 원위부 사이에서의 압력 손실에 직접적으로 영향을 미칠 수 있는 혈관 형상 인자이고,
상기 협착 병변 근위부 축소 구간에서의 상기 혈관 직경 축소비(KC )는 협착 병변의 중앙부의 일단에서 협착 병변 근위부까지의 혈관 직경의 축소를 선형적으로 나타내는 값으로서,
여기서, D는 혈관의 직경, d는 죽상반에 의한 감소된 혈관의 직경, 및 Lps 는 상기 협착 병변의 중앙부와 상기 협착 병변 근위부 사이의 간격이고,
상기 협착 병변 원위부 확장 구간에서의 혈관 직경 확장비(KE )는 협착 병변의 중앙부의 타단에서 협착 병변 원위부까지의 혈관 직경의 확장을 선형적으로 나타내는 값으로서,
여기서, D는 혈관의 직경, d는 죽상반에 의한 감소된 혈관의 직경, 및 Lds 는 협착 병변의 중앙부와 협착 병변 원위부 사이의 간격이고,
상기 혈관 직경 기준 협착도(DS)는 혈관 직경 대비 협착 병변의 협착된 정도를 나타내는 값으로서,
여기서, D는 혈관의 직경 및 d는 죽상반에 의한 감소된 혈관의 직경이고,
상기 협착 병변 형상의 상대 거칠기(roughness)는 혈관 내면의 거칠기를 죽상반에 의해 감소된 혈관의 직경으로 나눈 값이고,
여기서, ε은 혈관 내벽면의 표면 거칠기 및 d는 죽상반에 의한 감소된 혈관의 직경이고,
상기 협착 병변의 편심도(EC)는 혈관 직경 대비 협착 병변이 혈관 중심으로부터 일측으로 치우친 정도를 나타내는 값으로서,
여기서, s는 가상의 정상 혈관 중심선으로부터 협착 병변에서의 중심선까지의 거리 및 D는 혈관의 직경인 것을 특징으로 하는 협착 병변의 수학적 모델링을 이용한 심혈관 정보 결정 방법.Perform mathematical modeling using a computer processor and through the computer processor,
A preparation step of storing cardiovascular information obtained by performing simulation on a mathematical model of a geometrical shape of a parasitic coronary artery by using at least one of geometrical shape parameters as a variable;
A basic data acquiring step of acquiring basic data of a patient including an image of a coronary artery, including a clinical data acquiring step of acquiring clinical data about a patient and a photographing step of photographing an image of the coronary artery of a patient, The obtaining of the clinical data may include at least one of blood flow, systolic pressure of the coronary artery, and diastolic blood pressure of the coronary artery;
A shape factor measurement step of measuring a geometric shape factor of a stenosis lesion from an image of the coronary artery; And
It includes; a cardiovascular information acquisition step of extracting cardiovascular information from the database using a mathematical model corresponding to the geometrical shape factor of the stenosis measured from the shape factor measurement step and the basic data; and
The cardiovascular information acquiring step constructs a database that interprets cardiovascular information using a mathematical model, and learns data contained in the database through machine learning to learn the cardiovascular information of the patient through geometric shape factors for the stenosis lesion of the patient. Derive in a short period of time,
The cardiovascular information acquiring step may calculate a pressure loss value between the proximal and distal portions of the stenosis lesion through the preparation step, and obtain the myocardial fraction blood flow reserve through the pressure loss value,
The preparation step includes a reduction ratio of the blood vessel diameter in the proximal narrowing section of the stenosis ( K C ), an expansion ratio of the blood vessel diameter in the distal section of the stenosis ( K E ), a stenosis degree based on the blood vessel diameter ( DS ), and a relative roughness of the stenosis shape ( generating the plurality of mathematical models by changing the geometric shape factors as various stenosis shape factors including roughness ) and eccentricity ( EC ) of the stenosis lesion and the length of the central section of the stenosis,
The geometric shape factor is a vascular shape factor that can directly affect the pressure loss between the proximal and distal portions of the stenosis lesion,
The vessel diameter reduction ratio ( K C ) in the proximal narrowing section of the stenosis lesion is a value that linearly represents the reduction in blood vessel diameter from one end of the central portion to the proximal portion of the stenosis lesion,
Where D is the diameter of the blood vessel, d is the diameter of the reduced blood vessel by the atherosclerosis, and L ps is the distance between the central portion of the stenosis lesion and the proximal portion of the stenosis lesion,
The vascular diameter expansion ratio ( K E ) in the distal portion of the stenosis lesion is a value that linearly indicates the expansion of the blood vessel diameter from the other end of the stenosis to the distal portion of the stenosis lesion,
Where D is the diameter of the blood vessel, d is the diameter of the reduced blood vessel by the atherosclerosis, and L ds is the distance between the central portion of the stenosis lesion and the distal portion of the stenosis lesion,
The vessel diameter-based stenosis degree ( DS ) is a value indicating the degree of stenosis of the vascular stenosis relative to the vessel diameter,
Where D is the diameter of the blood vessel and d is the diameter of the reduced blood vessel by the atherosclerosis,
Relative roughness (roughness) of the stenosis shape is divided by the roughness of the blood vessel inner surface to the diameter of the blood vessel by reducing plaque,
Where ε is the surface roughness of the inner wall surface of the blood vessel and d is the diameter of the reduced blood vessel caused by the atherosclerosis,
The eccentricity ( EC ) of the stenosis lesion is a value indicating the degree to which the stenosis lesion is biased from the center of the vessel to one side compared to the diameter of the vessel.
Here, s is the distance from the hypothetical normal vascular center line to the center line in the stenosis lesion and D is the diameter of the blood vessel. The method for determining cardiovascular information using mathematical modeling of the stenosis lesion.
상기 준비단계는,
기하학적인 형상 인자 중 적어도 어느 하나를 변수로 하여 관상동맥의 기하학적인 형상의 수학적 모델을 복수개 생성하는 수학적 모델 생성단계; 상기 복수개의 수학적 모델에 대하여 각각 시뮬레이션을 수행하여 각각의 수학적 모델에 대응되는 심혈관 정보를 획득하는 시뮬레이션단계; 상기 시뮬레이션단계를 통해 획득한 심혈관 정보를 상기 데이터베이스에 저장하는 저장단계;를 포함하는 협착 병변의 수학적 모델링을 이용한 심혈관 정보 결정 방법. According to claim 1,
The preparation step,
A mathematical model generation step of generating a plurality of mathematical models of the geometric shape of the coronary artery using at least one of the geometric shape factors as a variable; A simulation step of performing simulation on each of the plurality of mathematical models to obtain cardiovascular information corresponding to each mathematical model; Cardiovascular information determination method using a mathematical modeling of the stenosis comprising a; storage step of storing the cardiovascular information obtained through the simulation step in the database.
상기 촬영단계는 컴퓨터 단층촬영(Computed Tomography:CT), 선택적 컴퓨터 단층촬영(Selective Computed Tomography) 또는 자기공명영상법(magnetic resonance imaging:MRI)를 이용하여 수행되는 협착 병변의 수학적 모델링을 이용한 심혈관 정보 결정 방법.According to claim 1,
The imaging step determines cardiovascular information using mathematical modeling of stenosis lesions performed using computed tomography (CT), selective computed tomography (MRI) or magnetic resonance imaging (MRI). Way.
상기 기하학적인 형상 인자는,
협착 병변 근위부 축소 구간에서의 혈관 직경 축소비, 협착 병변 원위부 확장 구간에서의 혈관 직경 확장비, 협착 병변 중앙부 구간 길이, 혈관 직경 기준 협착도, 협착 병변 형상의 상대 거칠기 및 협착 병변의 편심도 중 적어도 어느 하나를 포함하는 협착 병변의 수학적 모델링을 이용한 심혈관 정보 결정 방법.The method according to any one of claims 1 to 2,
The geometric shape factor,
At least one of a reduction ratio of the blood vessel diameter in the proximal narrowing section of the stenosis, an expansion ratio of the blood vessel diameter in the distal section of the stenosis, a length of the middle section of the stenosis, a stenosis degree based on the vessel diameter, a relative roughness of the shape of the stenosis, and an eccentricity of the stenosis lesion. Cardiovascular information determination method using mathematical modeling of stenosis lesions comprising a.
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020180074914A KR102078622B1 (en) | 2018-06-28 | 2018-06-28 | Method for determining cardiovascular information using mathematical modeling of stenosed lesion |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020180074914A KR102078622B1 (en) | 2018-06-28 | 2018-06-28 | Method for determining cardiovascular information using mathematical modeling of stenosed lesion |
Related Parent Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020160010938A Division KR20170090284A (en) | 2016-01-28 | 2016-01-28 | Method for determining cardiovascular information using mathematical modeling of stenosed lesion |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| KR20180077140A KR20180077140A (en) | 2018-07-06 |
| KR102078622B1 true KR102078622B1 (en) | 2020-04-07 |
Family
ID=62921510
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020180074914A KR102078622B1 (en) | 2018-06-28 | 2018-06-28 | Method for determining cardiovascular information using mathematical modeling of stenosed lesion |
Country Status (1)
| Country | Link |
|---|---|
| KR (1) | KR102078622B1 (en) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR102272413B1 (en) | 2019-08-05 | 2021-07-06 | 재단법인 아산사회복지재단 | Device, method and recording medium for providing information on ischemic lesions through coronary angiography-based machine learning |
Family Cites Families (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US8315812B2 (en) | 2010-08-12 | 2012-11-20 | Heartflow, Inc. | Method and system for patient-specific modeling of blood flow |
| US10162932B2 (en) * | 2011-11-10 | 2018-12-25 | Siemens Healthcare Gmbh | Method and system for multi-scale anatomical and functional modeling of coronary circulation |
| US9424395B2 (en) * | 2013-03-04 | 2016-08-23 | Heartflow, Inc. | Method and system for sensitivity analysis in modeling blood flow characteristics |
-
2018
- 2018-06-28 KR KR1020180074914A patent/KR102078622B1/en active IP Right Grant
Also Published As
| Publication number | Publication date |
|---|---|
| KR20180077140A (en) | 2018-07-06 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN107730540B (en) | Coronary parameter calculation method based on high-precision matching model | |
| CN108038848B (en) | Fast computing method and system based on medical image sequence plaque stability index | |
| 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 | |
| EP3127026B1 (en) | Systems and methods for determining blood flow characteristics using flow ratio | |
| US8977339B1 (en) | Method for assessing stenosis severity through stenosis mapping | |
| US10373700B2 (en) | Non-invasive functional assessment of coronary artery stenosis including simulation of hyperemia by changing resting microvascular resistance | |
| US10803995B2 (en) | Method and system for non-invasive functional assessment of coronary artery stenosis using flow computations in diseased and hypothetical normal anatomical models | |
| JP6818492B2 (en) | Image processing equipment, image processing methods, and programs | |
| JP6745875B2 (en) | Estimation of flow, resistance or pressure from pressure or flow measurement and angiography | |
| US20160066795A1 (en) | Stenosis therapy planning | |
| KR20170090284A (en) | Method for determining cardiovascular information using mathematical modeling of stenosed lesion | |
| US20190076196A1 (en) | Vessel geometry and additional boundary conditions for hemodynamic ffr/ifr simulations from intravascular imaging | |
| CN113015497B (en) | Method and device for simulating blood flow of blood vessel inherent to object | |
| JP7208978B2 (en) | Apparatus for analyzing coronary artery vessels, method of operating the apparatus, computer program for executing the method, and computer readable medium | |
| JP2022517995A (en) | Patient-specific modeling of hemodynamic parameters in the coronary arteries | |
| JP2021503994A (en) | Measurement guidance for coronary blood flow estimation from Bernoulli's theorem | |
| CN114677492A (en) | Coronary artery microcirculation hemodynamics simulation analysis method and device | |
| KR102078622B1 (en) | Method for determining cardiovascular information using mathematical modeling of stenosed lesion | |
| KR20180008134A (en) | A method for predicting a fractional flow reserve | |
| KR101967226B1 (en) | Hemodynamics simulation method using partition of coronary artery volume | |
| CN113876304A (en) | Method and device for determining FFR (fringe field resonance) based on OCT (optical coherence tomography) image and contrast image | |
| JP2020534058A (en) | Estimating flow to vascular bifurcation for simulated hemodynamics | |
| TWI740600B (en) | Method for estimating degree of arterial occlusion | |
| KR102000614B1 (en) | Hemodynamics simulation method using partition of heart muscle volume |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A107 | Divisional application of patent | ||
| A201 | Request for examination | ||
| E902 | Notification of reason for refusal | ||
| E90F | Notification of reason for final refusal | ||
| E701 | Decision to grant or registration of patent right | ||
| GRNT | Written decision to grant |