KR102371477B1 - 맥관구조를 수치 평가하는 시스템들 및 방법들 - Google Patents

맥관구조를 수치 평가하는 시스템들 및 방법들 Download PDF

Info

Publication number
KR102371477B1
KR102371477B1 KR1020217023137A KR20217023137A KR102371477B1 KR 102371477 B1 KR102371477 B1 KR 102371477B1 KR 1020217023137 A KR1020217023137 A KR 1020217023137A KR 20217023137 A KR20217023137 A KR 20217023137A KR 102371477 B1 KR102371477 B1 KR 102371477B1
Authority
KR
South Korea
Prior art keywords
patient
vasculature
computer system
segments
coronary
Prior art date
Application number
KR1020217023137A
Other languages
English (en)
Other versions
KR20210094155A (ko
Inventor
티모시 폰테
조나단 탕
길우 최
Original Assignee
하트플로우, 인크.
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 하트플로우, 인크. filed Critical 하트플로우, 인크.
Publication of KR20210094155A publication Critical patent/KR20210094155A/ko
Application granted granted Critical
Publication of KR102371477B1 publication Critical patent/KR102371477B1/ko

Links

Images

Classifications

    • 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 for evaluating the cardiovascular system, e.g. pulse, heart rate, blood pressure or blood flow
    • A61B5/02007—Evaluating blood vessel condition, e.g. elasticity, compliance
    • 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 for evaluating the cardiovascular system, e.g. pulse, heart rate, blood pressure or blood flow
    • A61B5/026—Measuring blood flow
    • 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]
    • 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
    • A61B6/48—Diagnostic techniques
    • A61B6/481—Diagnostic techniques involving the use of contrast agents
    • 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
    • A61B6/507—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 determination of haemodynamic parameters, e.g. perfusion 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
    • A61B6/52—Devices using data or image processing specially adapted for radiation diagnosis
    • A61B6/5205—Devices using data or image processing specially adapted for radiation diagnosis involving processing of raw data to produce diagnostic data
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T19/00—Manipulating 3D models or images for computer graphics
    • 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
    • A61B2576/00—Medical imaging apparatus involving image processing or analysis
    • A61B2576/02—Medical imaging apparatus involving image processing or analysis specially adapted for a particular organ or body part
    • A61B2576/023—Medical imaging apparatus involving image processing or analysis specially adapted for a particular organ or body part for the heart
    • 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
    • A61B6/50—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
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B8/00—Diagnosis using ultrasonic, sonic or infrasonic waves
    • A61B8/08—Clinical applications
    • A61B8/0891—Clinical applications for diagnosis of blood vessels
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2210/00—Indexing scheme for image generation or computer graphics
    • G06T2210/41—Medical
    • 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
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
    • Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
    • Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation

Landscapes

  • 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)
  • Biomedical Technology (AREA)
  • Pathology (AREA)
  • Animal Behavior & Ethology (AREA)
  • Surgery (AREA)
  • Molecular Biology (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Veterinary Medicine (AREA)
  • Biophysics (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Radiology & Medical Imaging (AREA)
  • High Energy & Nuclear Physics (AREA)
  • Optics & Photonics (AREA)
  • Physiology (AREA)
  • Cardiology (AREA)
  • Theoretical Computer Science (AREA)
  • Vascular Medicine (AREA)
  • General Physics & Mathematics (AREA)
  • Software Systems (AREA)
  • Hematology (AREA)
  • Computer Graphics (AREA)
  • Computer Hardware Design (AREA)
  • General Engineering & Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Databases & Information Systems (AREA)
  • Epidemiology (AREA)
  • Primary Health Care (AREA)
  • Dentistry (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Pulmonology (AREA)
  • Apparatus For Radiation Diagnosis (AREA)
  • Measuring Pulse, Heart Rate, Blood Pressure Or Blood Flow (AREA)
  • Magnetic Resonance Imaging Apparatus (AREA)

Abstract

환자에 대한 심혈관 스코어를 제공하는 시스템들 및 방법들이 개시된다. 방법은 적어도 하나의 컴퓨터 시스템을 사용하여, 환자의 다수의 관상 동맥들의 기하학 구조에 관한 환자 특정 데이터를 수신하는 단계; 및 적어도 하나의 컴퓨터 시스템을 사용하여, 환자 특정 데이터에 기초하여 다수의 관상 동맥들의 적어도 일부들을 나타내는 3차원 모델을 생성하는 단계를 포함한다. 방법은 또한 적어도 하나의 컴퓨터 시스템을 사용하여, 모델에 의해 표현되는 관상 동맥들의 적어도 일부의 다수의 특성들을 평가하는 단계; 및 적어도 하나의 컴퓨터 시스템을 사용하여, 다수의 특성들의 평가에 기초하여 심혈관 스코어를 생성하는 단계를 포함한다. 다른 방법은 적어도 미리 결정된 임계값의 분획 혈류 예비력 값들을 갖는 관상 동맥들의 일부들에 대한 평가된 다수의 특성들에 기초하여 심혈관 스코어를 생성하는 단계를 포함한다.

Description

맥관구조를 수치 평가하는 시스템들 및 방법들{SYSTEMS AND METHODS FOR NUMERICALLY EVALUATING VASCULATURE}
본 개시의 실시예들은 관상 해부를 모델링함으로써 관상 맥관구조를 스코어링하는 것과 같이, 맥관구조를 수치 평가하는 시스템들 및 방법들을 포함한다. 특히, 실시예들은 관상 해부 및 선택적으로 또한 혈류의 컴퓨터화된 모델링으로부터 산출되는 분획 혈류 예비력 또는 다른 기능 메트릭스 값들에 기초하여 관상 맥관구조의 환자 특정 스코어링을 위한 시스템들 및 방법들에 관한 것이다.
관상 동맥 질병은 협착(혈액 혈관의 비정상 좁아짐)과 같이, 혈액을 심장에 제공하는 혈액 혈관들에서 관상 병변들을 생성할 수 있다. 그 결과, 심장의 혈류가 제한될 수 있다. 관상 동맥 질병으로 고통받는 환자는 물리적 운동 동안의 만성 안정형 협심증 또는 환자가 움직이지 않을 때의 불안정형 협심증으로 언급되는, 가슴 통증을 경험할 수 있다. 질병의 더 심각한 징후는 심근 경색, 또는 심장 마비를 초래할 수 있다.
관상 병변들과 관련되는 더 정확한 데이터, 예를 들어 크기, 형상, 위치, 기능적 중요성(예를 들어, 병변이 혈류에 영향을 주는지) 등을 제공하는 요구가 존재한다. 가슴 통증으로 고통받고/받거나 관상 동맥 질병의 증상들을 나타내는 환자들은 관상 병변들과 관련되는 일부 간접 증거를 제공할 수 있는 하나 이상의 검사들을 받을 수 있다. 예를 들어, 비침습적 검사들은 심전도들, 혈액 검사들로부터의 생체지표 평가, 트레드밀 검사들, 심장초음파, 단일 양전자 방출 컴퓨터 단층촬영(SPECT), 및 양전자 방출 단층촬영(PET)을 포함할 수 있다. 그러나, 이러한 비침습적 검사들은 전형적으로 관상 병변들의 직접 평가를 제공하거나 혈류 비율들을 평가하지 못한다. 비침습적 검사들은 심장의 전기적 활동(예를 들어, 심전도 검사(ECG)를 사용함), 심근의 움직임(예를 들어, 스트레스 심장초음파를 사용함), 심근의 관류(예를 들어, PET 또는 SPECT를 사용함), 또는 신진대사 변화들(예를 들어, 생체지표들을 사용함)의 변화들을 찾음으로써 관상 병변들의 간접 증거를 제공할 수 있다.
예를 들어, 해부 데이터는 관상 컴퓨터 단층촬영법(CCTA)을 사용하여 비침습적으로 획득될 수 있다. CCTA는 가슴 통증을 갖는 환자들의 이미징을 위해 사용될 수 있고 조영제의 정맥 주입 후에 심장 및 관상 동맥들을 이미징하는 컴퓨터 단층촬영(CT) 기술을 사용하는 것을 수반한다. 그러나, CCTA는 또한 관상 병변들의 기능적 중요성, 예를 들어 병변들이 혈류에 영향을 미치는지에 관한 직접 정보를 제공할 수 없다. 게다가, CCTA가 전적으로 진단 검사이므로, 그것은 다른 생리적 상태들, 예를 들어 운동 하에 관상 혈류, 압력, 또는 심근 관류의 변화들을 예측하는데 사용될 수 없고, 중재들의 결과들을 예측하는데 사용될 수 없다.
따라서, 환자들은 관상 병변들을 시각화하기 위해, 진단 심장 카테터법과 같은, 침습적 검사를 필요로 할 수도 있다. 진단 심장 카테터법은 동맥들의 크기 및 형상의 이미지를 의사에게 제공함으로써 관상 병변들에 관한 해부 데이터를 수집하기 위해 종래의 관상 조영술(CCA)을 수행하는 단계를 포함할 수 있다. 그러나, CCA는 관상 병변들의 기능적 중요성을 평가하는 데이터를 제공하지 않는다. 예를 들어, 의사는 병변이 기능적으로 중요한지를 판단하는 것없이 관상 병변이 유해한지를 진단가능하지 않을 수 있다. 따라서, CCA는 병변이 기능적으로 중요한지에 상관없이 CCA로 발견되는 모든 병변에 대한 스텐트를 삽입하기 위해 일부 중재 심장병 전문의들의 "안구협착 리플렉스(oculostenotic reflex)"로 언급되었던 것을 초래했다. 그 결과, CCA는 환자에게 불필요한 수술들을 초래할 수 있으며, 이는 추가된 위험들을 환자들에게 제기할 수 있고 환자들에 대해 불필요한 건강 관리 비용들을 야기할 수 있다.
진단 심장 카테터법 동안, 관상 병변의 기능적 중요성은 관찰된 병변의 분획 혈류 예비력(FFR)을 측정함으로써 침습적으로 평가될 수 있다. FFR은 예를 들어 아데노신의 정맥 투여에 의해 유도되는, 최대로 증가된 관상 혈류의 조건들 하에, 병변 상류의 평균 혈압에 의해 나누어지는 병변 하류의 평균 압력의 비율, 예를 들어 대동맥 압력으로 정의된다. 혈압들은 압력 철선을 환자에 삽입함으로써 측정될 수 있다. 따라서, 결정된 FFR에 기초하여 병변을 치료하는 결정은 진단 심장 카테터법의 초기 비용 및 위험이 이미 초래된 후에 이루어질 수 있다.
환자의 관상 맥관구조를 평가하는 다른 기술은 SYNTAX 스코어링 시스템 및 방법이며, 이는 관상 동맥 질병의 복잡도 및 심각도를 스코어링하는 기술이다. SYNTAX 스코어는 환자들이 경피적 관상 중재(PCI) 또는 관상 동맥 우회술(CABG)로 치료되어야 하는지를 판단하는 것을 돕기 위해 사용되는 레이팅 방법이다. 표준 SYNTAX 스코어링은 혈관 촬영도들을 통해 환자의 관상 해부를 평가하고, 일련의 문제들에 응답하고, 응답들에 기초한 지점 값들을 문제들에 할당함으로써 수행된다. 예를 들어, 심장병 전문의는 환자의 혈관 촬영도를 검토하고 예를 들어 환자의 관상 동맥 트리 내의 각각의 병변의 타입, 형상, 및 위치에 기초하여 병변들에 대한 불리한 지점들을 할당할 수 있다. 그 다음, 평가된 지점들은 환자에 대한 단일 SYNTAX 스코어를 출력하기 위해 함께 추가된다. 하나의 대표적인 실시예에서, 스코어가 34 미만이면, PCI가 적절하고, 스코어가 34보다 더 크면, 이때 CABG는 더 좋은 결과를 더 생성할 가능성이 있을 것이다. SYNTAX 스코어링은 환자의 관상 맥관구조 내의 질병의 복잡도 및 정도를 평가하고, 가장 적절한 중재(예를 들어, PCI 대 CABG)를 식별할 시에 매우 효과적인 것으로 발견되었다. SYNTAX 스코어링 시스템의 일 실시예는 http://www.syntaxscore.com/에서 운영하고 있으며, 이는 스코어링 사용 지침서, 혈관 세그먼트 정의들, 및 스코어링 산출기를 포함하고, 그것의 전체 개시는 본 명세서에서 참고문헌에 의해 통합된다.
그것의 중요한 이득들에도 불구하고, SYNTAX 스코어링은 그것이 혈관 촬영도들에 기초하여 수행되기 때문에 전통적으로 침습적 기술이다. 더욱이, SYNTAX 스코어링은 그것이 혈관 촬영도들을 수동으로/시각적으로 평가하고, 장기적인 문제들에 응답하고, 각각의 응답에 기초하여 스코어를 할당하기 위해 심장병 전문의들을 필요로 하므로, 매우 시간 소모적인 프로세스일 수 있다. 게다가, SYNTAX 스코어링의 결과들은 심장병 전문의에 의존하고, 다른 심장병 전문의들이 그렇게 행하는 방법과 비교하여 한 심장병 전문의가 혈관 촬영도 이미지들을 인지하고/하거나 스코어링하는 방법에 기초하여 다소 변할 수 있다. 이러한 이유로, SYNTAX 스코어링은 때때로 평균 SYNTAX 스코어를 생성하기 위해, 몇 명의 심장병 전문의들, 예를 들어 3명의 패널에 의해 수행된다. 그러나, 그러한 프로토콜은 사용가능 SYNTAX 스코어를 생성할 시에 수반되는 맨 아워들을 더 증가시킨다. 마지막으로, 전통적인 SYNTAX 스코어링은 통상 식별된 병변의 임의의 산출된 기능 결과에 상관없이, 환자의 전체 관상 맥관구조에 기초하여 수행된다. 예를 들어, 심장병 전문의는 하류 FFR에 부정적인 영향을 주지 않는 병변에 대한 불리한 지점들을 SYNTAX 스코어에 포함시킬 수 있다.
미국 특허출원 공개공보 US 2012/0041318 A1 미국 특허출원 공개공보 US 2011/0206247 A1 미국 특허출원 공개공보 US 2011/0295579 A1 미국 특허출원 공개공보 US 2012/0243761 A1
따라서, 관상 해부, 관상 동맥 질병, 심근 관류, 및 관상 동맥 흐름을 비침습적으로 평가하는 시스템들 및 방법들에 대한 요구가 존재한다. 게다가, 환자의 관상 맥관구조 내의 질병의 복잡도 및 정도를 비침습적으로 평가하고, 가장 적절한 중재(예를 들어, PCI 대 CABG)를 식별하는 요구가 존재한다. 게다가, 비침습적으로 획득된 환자 특정 데이터에 기초하여 수치 평가를 자동으로 수행함으로써 환자의 관상 맥관구조 내의 질병의 복잡도 및 정도를 평가하는 요구가 존재한다. 예를 들어 환자의 관상 맥관구조의 수치 평가를 수행할 때, 비침습적 FFR 산출에 기초하여 병변들의 기능적 효과를 통합하는 시스템들 및 방법들에 대한 요구가 또한 존재한다.
전술한 일반적 설명 및 이하의 상세한 설명은 단지 예시적이고 설명적이며 본 개시에 제한되지 않는다.
일 실시예에 따르면, 환자에 대한 심혈관 스코어를 제공하는 방법이 개시된다. 방법은 적어도 하나의 컴퓨터 시스템을 사용하여, 환자의 다수의 관상 동맥들의 기하학 구조(geometry)에 관한 환자 특정 데이터를 수신하는 단계; 및 적어도 하나의 컴퓨터 시스템을 사용하여, 환자 특정 데이터에 기초하여 다수의 관상 동맥들의 적어도 일부들을 나타내는 3차원 모델을 생성하는 단계를 포함한다. 방법은 또한 적어도 하나의 컴퓨터 시스템을 사용하여, 모델에 의해 표현되는 관상 동맥들의 적어도 일부의 다수의 특성들을 평가하는 단계; 및 적어도 하나의 컴퓨터 시스템을 사용하여, 다수의 특성들의 평가에 기초하여 심혈관 스코어를 생성하는 단계를 포함한다.
다른 실시예에 따르면, 환자에 대한 심혈관 스코어를 생성하는 컴퓨터 구현 방법이 개시된다. 방법은 환자의 다수의 관상 동맥들의 기하학 구조에 관한 환자 특정 데이터를 수신하는 단계, 및 환자 특정 데이터에 기초하여 다수의 관상 동맥들의 적어도 일부들을 나타내는 모델을 생성하는 단계를 포함한다. 방법은 3차원 모델 상에 표현되는 관상 동맥들의 적어도 일부들의 복수의 특성들을 평가하는 단계; 복수의 특성들 각각의 평가에 기초하여 수치 값들을 복수의 특성들에 할당하는 단계; 및 심혈관 스코어를 평가된 수치 값들의 함수로서 생성하는 단계를 더 포함한다.
다른 실시예에 따르면, 환자에 대한 심혈관 스코어를 제공하는 방법이 개시된다. 방법은 적어도 하나의 컴퓨터 시스템을 사용하여, 환자의 다수의 관상 동맥들의 기하학 구조에 관한 환자 특정 데이터를 수신하는 단계; 및 적어도 하나의 컴퓨터 시스템을 사용하여, 환자 특정 데이터에 기초하여 다수의 관상 동맥들의 적어도 일부들을 나타내는 3차원 모델을 생성하는 단계를 포함한다. 방법은 적어도 하나의 컴퓨터 시스템을 사용하여, 분획 혈류 예비력 값들을 관상 동맥들의 적어도 일부들의 복수의 위치들에서 산출하는 단계; 적어도 하나의 컴퓨터 시스템을 사용하여, 모델에 의해 표현되는 관상 동맥들의 적어도 일부들의 다수의 특성들을 평가하는 단계; 및 적어도 하나의 컴퓨터 시스템을 사용하여, 적어도 미리 결정된 임계값의 분획 혈류 예비력 값들을 갖는 관상 동맥들의 일부들에 대한 평가된 다수의 특성들에 기초하여 심혈관 스코어를 생성하는 단계를 더 포함한다.
추가 실시예들 및 장점들은 이어지는 설명에서 부분적으로 진술될 것이고, 부분적으로 설명으로부터 명백할 것이거나, 본 개시의 실시에 의해 습득될 수 있다. 실시예들 및 장점들은 아래에 특별히 지적되는 요소들 및 조합들에 의해 실현되고 달성될 것이다.
본 명세서에 통합되고 이의 일부를 구성하는 첨부 도면들은 수개의 실시예들을 예시하고 그 설명과 함께, 본 개시의 원리들을 설명하는 역할을 한다.
도 1은 비침습적으로 획득된 이미징 데이터를 사용하여 생성되는, 환자의 관상 맥관구조의 대표적인 3차원 모델을 도시한다;
도 2는 본 개시의 실시예들에 따른 환자 관상 맥관구조를 스코어링하는 대표적인 시스템 및 네트워크의 블록도이다;
도 3은 본 개시의 실시예들에 따른 환자 관상 맥관구조를 스코어링하는 대표적인 방법의 흐름도이다;
도 4는 본 개시의 실시예들에 따른 특정 환자 내의 관상 혈류와 관련되는 다양한 정보를 제공하는 시스템의 개략도이다; 및
도 5는 본 개시의 실시예들에 따른 특정 환자 내의 관상 혈류와 관련되는 다양한 정보를 제공하는 대표적인 방법의 블록도이다.
이제 대표적인 실시예들이 상세히 참조될 것이며, 그것의 예들은 첨부 도면들에 예시된다. 가능한 모든 경우에, 동일한 참조 번호들은 동일 또는 유사한 부분들을 언급하기 위해 도면들 도처에 사용될 것이다.
일반적으로, 본 개시는 환자의 해부학적 관상 모델의 분석, 및 선택적으로, 특정 환자 내의 혈류와 관련되는 다양하게 산출된 데이터에 기초하여, 환자의 관상 맥관구조의 수치 평가를 (예를 들어, 환자의 관상 동맥 맥관구조를 스코어링함으로써) 수행하는 것에 관한 것이다. 일 실시예에서, 본 개시는 관상 해부, 관상 동맥 질병, 심근 관류, 및 관상 동맥 흐름을 비침습적으로 평가하는 시스템들 및 방법들에 관한 것이다. 현재 개시된 시스템들 및 방법들은 환자의 관상 맥관구조에서 질병의 복잡도 및 정도를 평가하고, 가장 적절한 중재(예를 들어, PCI 대 CABG)를 식별할 시에 심장병 전문의들을 원조한다. 따라서, 비침습적으로 획득된 환자 특정 데이터의 수치 평가를 자동으로 수행함으로써 환자의 관상 맥관구조에서 질병의 복잡도 및 정도를 평가하는 시스템들 및 방법들이 개시된다. 더욱이, 예를 들어 환자의 관상 맥관구조의 수치 평가를 수행할 때, 비침습적 FFR 산출에 기초하여, 병변들의 기능적 효과를 통합하는 시스템들 및 방법들이 개시된다. 그러한 시스템들 및 방법들은 의심스러운 관상 동맥 질병을 갖는 환자들에 대한 치료들을 진단하고 계획하는 심장병 전문의들에게 유익할 수 있다.
대표적인 실시예에서, 특정 환자 내의 혈류와 관련되는 다양한 정보(예를 들어, FFR 값들)는 환자로부터 수신되는 정보를 비침습적으로 사용하여 산출된다. 그러한 산출들을 수행하는 시스템들 및 방법들의 다양한 실시예들은 2011년 1월 25일에 출원되고, 발명의 명칭이 "Method and System for Patient-Specific Modeling of Blood Flow"인 미국 특허 출원 제13/013,561호에서 보다 상세히 설명되며, 이는 본 출원의 양수인에게 양도되고 이로써 전체적으로 참고문헌에 의해 통합된다.
일부 실시예들에서, 개시된 시스템들 및 방법들에 의해 결정되는 정보는 환자의 관상 맥관구조 내의 혈류와 관련될 수 있다. 대안적으로, 결정된 정보는 경동맥, 주변, 복부, 신장, 및 뇌 맥관구조와 같은, 환자의 맥관구조의 다른 영역들 내의 혈류와 관련될 수 있다. 관상 맥관구조는 대동맥들에서 소동맥들, 모세혈관들, 소정맥들, 정맥들 등까지 걸치는 혈관들의 복잡한 망을 포함한다. 도 1은 혈액을 심장으로 그리고 심장 내에서 순환시키는 관상 맥관구조의 일부의 모델(220)을 도시하고 혈액을 복수의 주 관상 동맥들(4)(예를 들어, 좌전 하행(LAD) 동맥, 좌회선(LCX) 동맥, 우관상(RCA) 동맥 등)에 공급하는 대동맥(2)을 포함하며, 이는 대동맥(2) 및 주 관상 동맥들(4)로부터 하류에 있는 동맥들 또는 다른 타입들의 혈관들의 분기들로 더 분할될 수 있다. 따라서, 대표적인 시스템들 및 방법들은 대동맥, 주 관상 동맥들, 및/또는 주 관상 동맥들로부터 하류에 있는 다른 관상 동맥들 또는 혈관들 내의 혈류와 관련되는 다양한 정보를 결정할 수 있다. 대동맥 및 관상 동맥들(및 그것으로부터 연장되는 분기들)이 아래에 논의되지만, 개시된 시스템들 및 방법들은 다른 타입들의 혈관들에 적용될 수도 있다.
대표적인 실시예에서, 개시된 시스템들 및 방법들에 의해 결정되는 정보는 주 관상 동맥들, 및/또는 주 관상 동맥들로부터 하류에 있는 다른 관상 동맥들 또는 혈관들 내의 다양한 위치들에서 혈류 속도, 압력(또는 그것의 비율), 유동률, 및 FFR와 같은, 다양한 혈류 특성들 또는 파라미터들을 포함할 수 있지만, 이들에 제한되지 않는다. 이러한 정보는 병변이 기능적으로 중요한지 및/또는 병변을 치료하는지를 판단하기 위해 사용될 수 있다. 이러한 정보는 환자로부터 비침습적으로 획득되는 정보를 사용하여 결정될 수 있다. 그 결과, 병변을 치료하는지 및 치료하는 법의 판단은 비침습적 절차들과 연관된 비용 및 위험 없이 이루어질 수 있다.
도 2는 혈관 기하학 구조(vessel geometry), 생리적 정보, 및/또는 혈류 정보로부터 환자의 관상 맥관구조를 스코어링하는 대표적인 시스템 및 네트워크의 블록도를 도시한다. 구체적으로, 도 2는 복수의 의사들(202) 및 제삼자 제공자들(204)을 도시하며, 그들 중 어느 것은 하나 이상의 컴퓨터들, 서버들, 및/또는 핸드헬드 이동 디바이스들을 통해, 인터넷과 같은, 전자 네트워크(200)에 연결될 수 있다. 의사들(202) 및/또는 제삼자 제공자들(204)은 도 3에 대해 아래에 설명되는 바와 같이, 하나 이상의 환자들의 심장 및/또는 맥관계들의 이미지들을 생성하거나 다르게 획득할 수 있다. 의사들(202) 및/또는 제삼자 제공자들(204)은 나이, 병력, 혈압, 혈액 점도 등과 같은 환자 특정 정보의 임의의 조합을 획득할 수도 있다. 의사들(202) 및/또는 제삼자 제공자들(204)은 심장/맥관 이미지들 및/또는 환자 특정 정보를 전자 네트워크(200)를 통해 컴퓨팅 시스템(206)에 송신할 수 있다. 컴퓨팅 시스템(206)은 의사들(202) 및/또는 제삼자 제공자들(204)로부터 수신되는 이미지들 및 데이터를 저장하는 저장 디바이스들을 포함할 수 있다. 컴퓨팅 시스템(206)은 본 명세서에 개시된 방법들에 따라, 저장 디바이스들에 저장된 이미지들 및 데이터를 처리하는 처리 디바이스를 포함할 수도 있다.
도 3은 본 개시의 대표적인 실시예에 따라, 혈관 기하학 구조, 생리적 정보, 및/또는 혈류 정보의 모델들로부터 환자 관상 맥관구조를 수치 평가, 즉 스코어링하는 대표적인 방법(300)의 블록도이다. 더 구체적으로, 방법(300)은 환자의 관상 맥관구조에서 질병의 복잡도 및 정도를 비침습적으로 평가하는 단계, 및 가장 적절한 중재(예를 들어, PCI 대 CABG)를 식별하는 단계를 수반한다. 일 실시예에서, 방법(300)은 예를 들어 환자의 관상 맥관구조의 수치 평가를 수행할 때, 비침습적 FFR 산출에 기초하여, 병변들의 기능적 효과를 통합한다. 일 실시예에서, 도 3의 방법은 의사들(202) 및/또는 제삼자 제공자들(204)로부터 전자 네트워크(200)를 통해 수신되는 정보에 기초하여, 컴퓨팅 시스템(206)에 의해 수행될 수 있다.
도 3에 도시된 바와 같이, 방법(300)은 환자 특정 해부 데이터를 수신하는 단계를 포함할 수 있다(단계(302)). 예를 들어, 환자의 해부(예를 들어, 대동맥의 적어도 일부 및 대동맥에 연결된 주 관상 동맥들의 근위 부분(및 그것으로부터 연장되는 분기들))에 관한 정보가 수신되고 전처리될 수 있다. 환자 특정 해부 데이터는 아래에 설명되는 바와 같이, 예를 들어 CCTA에 의해 비침습적으로 획득될 수 있다.
일 실시예에서, 단계(302)는 환자를 초기에 선택하는 단계를 포함할 수 있다. 예를 들어, 환자는 의사가 환자의 관상 혈류에 관한 정보가 요구되는 것을 결정할 때, 예를 들어 환자가 가슴 통증, 심장 마비 등과 같은 관상 동맥 질병과 연관된 증상들을 경험하고 있으면 의사에 의해 선택될 수 있다.
환자 특정 해부 데이터는 환자의 심장의 기하학 구조, 예를 들어 환자의 대동맥의 적어도 일부, 대동맥에 연결된 주 관상 동맥들의 근위 부분(및 그것으로부터 연장되는 분기들), 및 심근에 관한 데이터를 포함할 수 있다. 환자 특정 해부 데이터는 예를 들어 비침습적 이미징 방법을 사용하여, 비침습적으로 획득될 수 있다. 예를 들어, CCTA는 사용자가 구조들, 예를 들어 심근, 대동맥, 주 관상 동맥들, 및 그것에 연결된 다른 혈액 혈관들의 이미지들을 뷰잉하고 생성하기 위해 컴퓨터 단층촬영(CT) 스캐너를 조작할 수 있는 이미징 방법이다. CCTA 데이터는 예를 들어 심장 주기 동안 혈관 형상의 변화들을 나타내기 위해 시변일 수 있다. CCTA는 환자의 심장의 이미지를 생성하기 위해 사용될 수 있다. 예를 들어, 64-슬라이스 CCTA 데이터, 예를 들어 환자의 심장의 슬라이스들과 관련되는 데이터가 획득되고, 3차원 이미지로 집합될 수 있다.
대안적으로, 자기 공명 이미징(MRI) 또는 초음파(US)와 같은 다른 비침습적 이미징 방법들, 또는 디지탈 혈관 조영술(DSA)과 같은 침습적 이미징 방법들은 환자의 해부의 구조들의 이미지들을 생성하기 위해 사용될 수 있다. 이미징 방법들은 해부의 구조들의 식별을 가능하게 하기 위해 조영제를 정맥 주사로 환자에게 주입하는 단계를 포함할 수 있다. 최종 이미징 데이터(예를 들어, CCTA, MRI 등에 의해 제공됨)는 제삼자 벤더, 예컨대 방사선 실험실 또는 심장병 전문의, 환자의 의사 등에 의해 제공될 수 있다.
다른 환자 특정 해부 데이터는 환자로부터 비침습적으로 결정될 수도 있다. 예를 들어, 환자의 혈압, 베이스라인 심박수, 높이, 중량, 헤마토크리트, 박출량 등과 같은 생리적 데이터가 측정될 수 있다. 혈압은 최대(심장 수축) 및 최소(심장 확장) 압력들과 같은, 환자의 상완 동맥(예를 들어, 압력 커프를 사용함) 내의 혈압일 수 있다.
상술된 바와 같이 획득되는 환자 특정 해부 데이터는 보안 통신 라인을 통해(예를 들어, 네트워크(200)를 통해) 전송될 수 있다. 예를 들어, 데이터는 컴퓨터 이용 분석을 수행하는 서버 또는 다른 컴퓨터 시스템(206)에 전송될 수 있다. 대표적인 실시예에서, 데이터는 웹 기반 서비스를 제공하는 서비스 제공자에 의해 조작되는 서버 또는 다른 컴퓨터 시스템에 전송될 수 있다. 대안적으로, 데이터는 환자의 의사 또는 다른 사용자에 의해 조작되는 컴퓨터 시스템에 전송될 수 있다. 전송된 데이터는 데이터가 허용가능한 지를 판단하기 위해 검토될 수 있다. 판단은 사용자 및/또는 컴퓨터 시스템에 의해 수행될 수 있다. 예를 들어, 전송된 데이터(예를 들어, CCTA 데이터 및 다른 데이터)는 예를 들어 CCTA 데이터가 완전하고(예를 들어, 대동맥 및 주 관상 동맥들의 충분한 부분들을 포함함) 정확한 환자에 대응하는지를 판단하기 위해, 사용자 및/또는 컴퓨터 시스템에 검증될 수 있다.
전송된 데이터(예를 들어, CCTA 데이터 및 다른 데이터)가 전처리되고 평가될 수도 있다. 전처리 및/또는 평가는 사용자 및/또는 컴퓨터 시스템에 의해 수행될 수 있고 예를 들어 CCTA 데이터에서 오등록, 불일치들, 또는 블러링을 체크하는 것, CCTA 데이터에 나타낸 스텐트들을 체크하는 것, 혈액 혈관들의 내강들의 가시성을 방지할 수 있는 다른 인공물들을 체크하는 것, 구조들(예를 들어, 대동맥, 주 관상 동맥들, 및 다른 혈액 혈관들)과 환자의 다른 부분들 사이의 충분한 대비를 체크하는 것 등을 포함할 수 있다.
전송된 데이터는 데이터가 상술된 검증, 전처리, 및/또는 평가에 기초하여 허용가능한 지를 판단하기 위해 평가될 수 있다. 상술된 검증, 전처리, 및/또는 평가 동안, 사용자 및/또는 컴퓨터 시스템은 임의의 오류들 또는 문제들을 데이터로 정정가능할 수 있다. 그러나, 너무 많은 오류들 또는 문제들이 있으면, 이때 데이터는 허용불가능한 것으로 결정될 수 있고, 사용자 및/또는 컴퓨터 시스템은 전송된 데이터의 거절을 필요로 하는 오류들 또는 문제들을 설명하는 거절 보고를 생성할 수 있다. 선택적으로, 새로운 CCTA 스캔이 수행될 수 있고/있거나 상술된 생리적 데이터가 환자로부터 다시 측정될 수 있다. 전송된 데이터가 허용가능한 것으로 결정되면, 이때 방법은 후술되는 바와 같이, 3차원 모델의 생성을 위한 단계(304)로 진행할 수 있다.
도 3에 도시된 바와 같이, 방법(300)은 이때 획득된 환자 특정 해부 데이터에 기초하여, 환자의 해부의 3차원 모델을 생성하는 단계를 포함할 수 있다(단계(304)). 대안적인 실시예로서, 그 길이들을 따라 혈관 크기들을 인코딩하는 알고리즘으로 결합되는 혈관들의 1차원 모델과 같은 더 작은 차원 모델이 사용될 수 있다는 점이 이해될 것이다.
일 실시예에 따르면, 관상 혈관들의 3차원 모델은 수신된 CCTA 데이터를 사용하여 생성될 수 있다. 도 1은 CCTA 데이터를 사용하여 생성되는 3차원 모델(220)의 표면의 일 예를 도시한다. 예를 들어, 모델(220)은 예를 들어 대동맥의 적어도 일부, 대동맥의 그 일부에 연결된 하나 이상의 주 관상 동맥들의 적어도 근위 부분, 주 관상 동맥들에 연결된 하나 이상의 분기들의 적어도 근위 부분 등을 포함할 수 있다. 대동맥, 주 관상 동맥들, 및/또는 분기들의 모델링된 부분들은 어떤 부분도 모델(220)의 나머지로부터 분리되지 않도록 상호 연결되고 트리 형상일 수 있다. 모델(220)을 생성하는 프로세스는 세그먼트화로 언급될 수 있다.
일 실시예에서, 컴퓨터 시스템(206)은 대동맥의 적어도 일부 및 심근(또는 다른 심장 조직, 또는 모델링될 동맥들에 연결된 다른 조직)을 자동으로 세그먼트화할 수 있다. 심근 또는 다른 조직은 단계(302)에서 수신되는 CCTA 데이터에 기초하여 세그먼트화될 수도 있다. 예를 들어, 컴퓨터 시스템은 CCTA 데이터로부터 생성되는 3차원 이미지 또는 그것의 슬라이스들을 사용자에게 디스플레이할 수 있다. 컴퓨터 시스템은 대동맥에 연결된 주 관상 동맥들의 적어도 일부를 세그먼트화할 수도 있다. 대표적인 실시예에서, 컴퓨터 시스템은 사용자가 세그먼트 주 관상 동맥들을 세그먼트화하기 위해 하나 이상의 관상 동맥 근부 또는 기점들을 선택하는 것을 허용할 수 있다.
세그먼트화는 다양한 방법들을 사용하여 수행될 수 있다. 일 실시예에서, 세그먼트화는 임계 기반 세그먼트화, 에지 기반 세그먼트화, 그래프 이론, 기계 학습 방법들, 또는 그러한 방법들의 조합에 기초하여 수행된다. 세그먼트화는 사용자 입력들에 기초하여 또는 사용자 입력들 없이 컴퓨터 시스템에 의해 자동으로 수행될 수 있다. 예를 들어, 대표적인 실시예에서, 사용자는 제 1 초기 모델을 생성하기 위해 입력들을 컴퓨터 시스템에 제공할 수 있다. 3차원 이미지는 밝음의 변화하는 강도의 부분들을 포함할 수 있다. 예를 들어, 더 밝은 영역들은 대동맥, 주 관상 동맥들, 및/또는 분기들의 내강들을 나타낼 수 있다. 더 어두운 영역들은 환자의 심장의 심근 및 다른 조직을 나타낼 수 있다. 표면들의 위치들은 CCTA 데이터에서 심장의 다른 구조들과 비교하여 심근의 대비(예를 들어, 상대 어둠 및 밝음) 및 형상에 기초하여 결정될 수 있다. 따라서, 심근의 기하학 구조가 결정될 수 있다. 예를 들어, CCTA 데이터는 심근의 내부 및 외부 표면들의 위치, 예를 들어 좌 및/또는 우 심실들을 결정하기 위해 분석될 수 있다.
대동맥, 심근, 및/또는 주 관상 동맥들의 세그먼트화는 필요하다면, 검토되고/되거나 정정될 수 있다. 검토 및/또는 정정은 컴퓨터 시스템 및/또는 사용자에 의해 수행될 수 있다. 예를 들어, 대표적인 실시예에서, 컴퓨터 시스템은 세그먼트화를 자동으로 검토할 수 있고, 사용자는 임의의 오류들이 있으면, 예를 들어 모델(220) 내의 대동맥, 심근, 및/또는 주 관상 동맥들의 임의의 부분들이 분실되거나 부정확하면 세그먼트화를 수동으로 정정할 수 있다. 3차원 모델의 생성은 3차원 모델에 기초하여 환자의 해부의 이하의 성질들 중 하나 이상을 식별하거나 생성하는 것을 더 수반할 수 있다.
일 실시예에서, 심근 질량은 예를 들어 컴퓨터 시스템 분석 모델(220)에 의해 산출될 수 있다. 예를 들어, 심근 체적은 상술된 바와 같이 결정된 심근의 표면들의 위치들에 기초하여 산출될 수 있고, 산출된 심근 체적은 심근 질량을 산출하기 위해 심근의 밀도에 곱해질 수 있다. 심근의 밀도가 사전 설정되거나 산출될 수 있다.
일 실시예에서, 모델(220)의 다양한 혈관들(예를 들어, 대동맥, 주 관상 동맥들 등)의 중심선들은 예를 들어 컴퓨터 시스템에 의해 결정될 수도 있다. 대표적인 실시예에서, 결정은 모델(220)에서 표면들, 형상, 및 대비를 분석하는 컴퓨터 시스템에 의해 자동으로 수행될 수 있다. 중심선들은 필요하다면, 컴퓨터 시스템 및/또는 사용자에 의해 검토되고/되거나 정정될 수 있다. 예를 들어, 대표적인 실시예에서, 컴퓨터 시스템은 중심선들을 자동으로 검토할 수 있고, 사용자는 임의의 오류들이 있으면, 예를 들어 임의의 중심선들이 분실되거나 부정확하면 중심선들을 수동으로 정정할 수 있다.
일 실시예에서, 칼슘 또는 플라크(혈관의 좁아짐을 야기함)는 예를 들어 컴퓨터 시스템에 의해 검출될 수 있다. 대표적인 실시예에서, 컴퓨터 시스템은 모델(220)에서 표면들 및 대비를 분석함으로써 플라크를 자동으로 검출할 수 있다. 예를 들어, 플라크는 3차원 이미지에서 검출되고 모델(220)로부터 배제될 수 있다. 플라크는 플라크가 대동맥, 주 관상 동맥들, 및/또는 분기들의 내강들보다 훨씬 더 밝거나 더 어두운 영역들로 나타나므로 3차원 이미지에서 식별될 수 있다. 따라서, 플라크는 설정 값 위 또는 아래의 강도 값을 갖는 것으로서 컴퓨터 시스템에 의해 검출될 수 있거나 사용자에 의해 시각적으록 검출될 수 있다. 형상 정보, 학습 알고리즘들, 및 이미지 분석은 플라크를 검출하고 세그먼트화하기 위해 사용될 수도 있다. 플라크를 검출한 후에, 컴퓨터 시스템은 플라크가 혈관들 내의 내강 또는 개방 공간의 일부로 간주되지 않도록 모델(220)로부터 플라크를 배제할 수 있다. 대안적으로, 컴퓨터 시스템은 대동맥, 주 관상 동맥들, 및/또는 분기들과 상이한 컬러, 쉐이딩, 또는 다른 시각적 지시자를 사용하여 모델(220) 상에 플라크를 나타낼 수 있다.
일 실시예에서, 검출된 플라크는 예를 들어 컴퓨터 시스템에 의해 자동으로 세그먼트화될 수 있다. 예를 들어, 플라크는 CCTA 데이터에 기초하여 세그먼트화될 수 있다. CCTA 데이터는 CCTA 데이터에서 심장의 다른 구조들과 비교하여 플라크의 대비(예를 들어, 상대 어둠 및 밝음)에 기초하여 플라크(또는 그것의 표면)을 위치시키기 위해 분석될 수 있다. 따라서, 플라크의 기하학 구조가 결정될 수도 있다. 플라크의 세그먼트화는 필요하다면, 컴퓨터 시스템 및/또는 사용자에 의해 검토되고/되거나 정정될 수 있다. 예를 들어, 대표적인 실시예에서, 컴퓨터 시스템은 세그먼트화를 자동으로 검토할 수 있고, 사용자는 임의의 오류들이 있으면, 예를 들어 임의의 플라크가 손실되거나 부정확하게 도시되면 세그먼트화를 수동으로 정정할 수 있다.
일 실시예에서, 주 관상 동맥들에 연결된 분기들은 예를 들어 컴퓨터 시스템에 의해 자동으로 세그먼트화될 수 있다. 예를 들어, 분기들은 주 관상 동맥들을 세그먼트화하는 유사한 방법들을 사용하여 세그먼트화될 수 있다. 컴퓨터 시스템은 세그먼트화된 분기들에서 플라크를 자동으로 세그먼트화할 수도 있다. 대안적으로, 분기들(및 그 안에 포함된 임의의 플라크)은 주 관상 동맥들과 동시에 세그먼트화될 수 있다. 분기들의 세그먼트화는 필요하다면, 컴퓨터 시스템 및/또는 사용자에 의해 검토되고/되거나 정정될 수 있다. 예를 들어, 대표적인 실시예에서, 컴퓨터 시스템은 세그먼트화를 자동으로 검토할 수 있고, 사용자는 임의의 오류들이 있으면, 예를 들어 모델(220) 내의 분기들의 임의의 부분들이 손실되거나 부정확하면 세그먼트화를 수동으로 정정할 수 있다.
일 실시예에서, 컴퓨터 시스템은 위에 참조된 바와 같이, http://www.syntaxscore.com에 정의된 것처럼, 모델(220)의 분기들을 이하의 정의된 세그먼트들 중 하나 이상으로 세그먼트화할 수 있다:
1 RCA 근위 소공에서 심장의 예각 변연에 대한 거리의 이분의 일.
2 RCA 중간 제 1 세그먼트의 단부에서 심장의 예각 변연까지.
3 RCA 원위 심장의 예각 변연에서 후하행 동맥의 기점까지.
4 후하행 후 심실사이 고랑에서 러닝.
16 RCA로부터 후측방 급소 원위의 원위 관상 동맥에서 비롯되는 후측방 분기.
16a RCA로부터 후측방 세그먼트 16으로부터의 제 1 후측방 분기.
16b RCA로부터 후측방 세그먼트 16으로부터의 제 2 후측방 분기.
16c RCA로부터 후측방 세그먼트 16으로부터의 제 3 후측방 분기.
5 좌 주 LCA의 소공에서 이분지를 통해 좌전 하행 및 좌회선 분기들로.
6 LAD 근위 제 1 주 격벽 분기에 근위이고 이를 포함함.
7 LAD 중간 LAD는 제 1 격벽 분기의 기점에 바로 원위이고 LAD 가 각도(RAO 뷰)를 형성하는 지점으로 연장된다. 이러한 각도가 식별가능하지 않으면 이러한 세그먼트는 제 1 격벽에서 심장의 정점까지의 거리의 이분의 일에서 끝난다.
8 LAD 전단 LAD의 말단 부분은 이전 세그먼트의 단부에서 시작하고 정점으로 그리고 정점을 너머 연장된다.
9 제 1 대각선 제 1 대각선은 세그먼트 6 또는 7에서 비롯된다.
9a 제 1 대각선 a 추가 제 1 대각선은 세그먼트 8 전에, 세그먼트 6 또는 7에서 비롯된다.
10 제 2 대각선 제 2 대각선은 세그먼트 8에서 또는 세그먼트 7과 8 사이의 전이에서 비롯된다.
10a 제 2 대각선 a 추가 제 2 대각선은 세그먼트 8에서 비롯된다.
11 근위 회선 좌 주의 그 기점에서 제 1 둔간 변연 분기의 기점까지의 그리고 이 기점을 포함하는 회선의 주 스템.
12 중간/전외측 근위 LAD 또는 LCX와 다른 삼분지 좌 주로부터의 분기. 회선 구역에 속한다.
12a 둔각 변연 a 일반적으로 심장의 둔각 변연의 영역으로 러닝하는 회선의 제 1 측면 분기.
12b 둔각 변연 b 12와 동일한 방향으로 러닝하는 회선의 제 2 추가 분기.
13 원위 회선 가장 원위 둔각 변연 분기의 기점에 원위이고 후 좌 심실 사이 고랑들을 따라 러닝하는 회선의 스템. 구경은 작거나 동맥 부재일 수 있음.
14 좌 후측방 좌 심실의 후측방 표면으로 러닝한다. 둔각 변연 분기의 부재이거나 분할일 수 있다.
14a 좌 후측방 a 14로부터 원위이고 동일한 방향으로 러닝한다.
14b 좌 후측방 b 14 및 14a로부터 원위이고 동일한 방향으로 러닝한다.
15 후하행 존재할 때 우성 좌회선의 가장 원위 부분. 기점을 격벽 분기들에 제공한다. 이러한 동맥이 존재할 때, 세그먼트 4는 통상 부재이다.
모델(220)은 임의의 오등록, 스텐트들, 또는 다른 인공물들이 사용자 및/또는 컴퓨터 시스템에 의해 (예를 들어, CCTA 데이터의 검토 동안) 위치되면 정정될 수 있다. 예를 들어, 오등록 또는 다른 인공물(예를 들어, 불일치, 블러링, 내강 가시성에 영향을 미치는 인공물 등)이 위치되면, 모델(220)은 혈관의 단면적의 인공 또는 잘못된 변화(예를 들어, 인공 좁아짐)를 회피하기 위해 검토되고/되거나 정정될 수 있다. 스텐트가 위치되면, 모델(220)은 스텐트의 위치를 나타내고/내거나 스텐트가 예를 들어 스텐트의 크기에 기초하여 위치되는 혈관의 단면적을 정정하기 위해 검토되고/되거나 정정될 수 있다.
모델(220)의 세그먼트화가 허용가능한 바와 같이 독립적으로 검증되면, 이때 선택적으로, 모델(220)이 출력되고 스무딩될 수 있다. 스무딩은 사용자 및/또는 컴퓨터 시스템에 의해 수행될 수 있다. 예를 들어, 리지들, 지점들, 또는 다른 불연속 부분들이 스무딩될 수 있다. 모델(220)은 컴퓨터 이용 분석 등을 위해 준비될 개별 소프트웨어 모듈에 출력될 수 있다.
3차원 모델이 생성되었다면, 방법(300)은 생성된 모델의 분석에 기초하여 환자의 관상 맥관구조의 특성들을 평가하는 단계를 더 포함할 수 있다(단계(306)). 도 3에 도시된 바와 같이, 환자의 관상 맥관구조의 평가된 특성들은 (i) 좌/우 관상 우성의 식별; (ii) 협착의 임계 퍼센티지를 갖는 세그먼트들의 식별; (iii) 폐색들의 식별; (iv) 이분지들/삼분지들의 식별; (v) 심장 질병(ostial disease)의 식별; (vi) 혈관 비틀림의 산출; (vii) 병든 세그먼트들의 길이들의 산출; (viii) 석회화 플라크의 치수들의 산출; (ix) 혈전의 식별, 및/또는 (x) 확산 질병(diffuse disease)을 갖는 세그먼트들의 식별을 포함하는, 특성들(350) 중 하나 이상을 포함할 수 있다. 대표적으로 식별된 특성들(350)에도 불구하고, 평가 단계(306)는 심혈관 복잡도 및/또는 질병의 정도를 스코어링하는 것과 관련된 환자 관상 맥관구조의 임의의 다른 특성을 평가하는 단계를 포함할 수 있다.
일반적으로, 평가 단계(306)는 특성들(350) 중 하나 이상을 평가하는 단계, 및 각각의 특성의 평가에 기초하여 하나 이상의 수치 값들 또는 "지점들(points)"을 평가하는 단계를 포함할 수 있다. 예를 들어, 일 실시예에서, 평가 단계(306)는 관상 맥관구조의 환자의 좌 또는 우 측면이 우성인지를 판단하는 단계를 수반할 수 있다. 예를 들어, 컴퓨터 시스템(206)은 필요하다면, 혈관 크기들 및 위상 구조를 결정하기 위해 모델(220)을 분석하고, 좌 또는 우 우성의 존재를 식별하기 위해 최종 데이터를 처리할 수 있다. 일 실시예에서, 컴퓨터 시스템(206)은 환자의 후하행 동맥(PDA)을 라벨링하고, PDA를 다시 환자의 소공까지 추적할 수 있으며 그것은 좌회선 동맥(LCX)(관상 동맥들이 좌 우성인 것을 의미함) 또는 우관상 동맥(RCA)(관상 동맥들이 우 우성인 것을 의미함)으로 분기한다. 컴퓨터 시스템(206)은 모델(220)에서 심실 랜드마크들에 기초하여 PDA, 및 "혈관 반응(vesselness response)"(즉, 모델링된 형상이 전형적인 혈관에 얼마나 유사하게 나타나는지)을 검출할 수 있다. 기계 학습 알고리즘들은 혈관 크기들 및 위치에 기초하여 좌/우 우성을 설정하기 위해 환자 해부를 다른 환자들의 데이터베이스와 비교하는데 사용될 수도 있다. 일 실시예에서, 컴퓨터 시스템은 원위 혈관 크기에 기초하여 우성을 식별하며, 그것에 의해 원위 RCA가 LCX와 비교하여 1.5 mm, 또는 일부 다른 임계값 미만이면, 이때 환자는 좌 우성이다. 역으로, 미리 결정된 크기의 근위 RCA 크기는 오른손 우성을 나타낼 수 있다. 그 다음, 컴퓨터 시스템(206)은 임의의 좌 또는 우 우성, 및/또는 임의의 식별된 좌 또는 우 우성의 정도에 기초하여 하나 이상의 지점들을 할당할 수 있다. 좌 및 우 우성은 구성된 관상 토폴로지의 연결성 분석에 기초하여 자동으로 결정될 수 있다. 예를 들어, PDA가 RCA와 연결되면, 이때 시스템은 우 우성으로 분류될 수 있는 반면, PDA가 회선 동맥과 연결되면, 이때 시스템은 좌 우성으로 분류될 수 있다.
평가 단계(306)는 질병을 갖는 세그먼트들을 식별하는 단계를 수반할 수도 있다. 예를 들어, 컴퓨터 시스템(206)은 예를 들어 협착의 일부 미리 결정된 임계 퍼센티지를 갖는 세그먼트들의 식별에 기초하여, 세그먼트들이 하나 이상의 병변들을 포함하는지를 판단하기 위해 모델(220)을 분석할 수 있다. 컴퓨터 시스템(206)은 이미지 대비, 또는 임의의 다른 적절한 기술에 기초하여 병변들을 식별할 수 있다. 일 실시예에서, 컴퓨터 시스템(206)은 그들이 혈관 중심선과 비교하여 윤곽들에서 50% 이상의 차이를 갖는다면 협착을 나타내는 것으로 세그먼트들을 식별할 수 있다. 협착 병변들은 수치 도함수들을 갖는 중심선을 따라 단면적 곡선의 취소 위치들을 산출함으로써 자동으로 식별될 수 있다. 단면적 곡선은 영역 곡선에서 잡음 성분들을 제거하기 위해 도함수 연산을 수행하기 전에 (예를 들어, 푸리에 스무딩에 의해) 스무딩될 수 있다. 컴퓨터 시스템은 식별된 플라크 세그먼트화를 혈관 중심선으로 투영함으로써 병든 세그먼트들을 식별할 수 있다. 기계 학습은 협착을 > 또는 < 50%로 레이팅할 시에 신뢰를 결정하기 위해 플라크로 라벨링된 섹션들을 전문적인 주석 데이터의 데이터베이스와 비교하도록 이용될 수도 있다. 그 다음, 컴퓨터 시스템(206)은 임의의 병든 세그먼트들에 기초하여 하나 이상의 지점들을 할당할 수 있다. 일 실시예에서, 지점들은 주어진 세그먼트가 얼마나 많은 병변들을 포함하는지, 식별된 병변들의 타입, 및/또는 병변을 포함하는 세그먼트의 위치 또는 식별에 기초하여 평가될 수 있다. 예를 들어, 더 많은 지점들은 덜 결정적인 혈관 세그먼트와 대조적으로, 결정적인 혈관 세그먼트 내의 병변에 할당될 수 있다.
평가 단계(306)는 폐색들을 식별하는 단계를 수반할 수도 있다. 예를 들어, 컴퓨터 시스템(206)은 폐색의 지점을 너머 내강내 전방 흐름(TIMI 0)을 갖지 않는 세그먼트들 또는 영역들을 식별하기 위해 모델(220)을 분석할 수 있다. 그 다음, 컴퓨터 시스템(206)은 임의의 식별된 폐색들에 기초하여 하나 이상의 지점들을 할당할 수 있다. 알고리즘들은 혈관 아래의 대비에서 드롭들(drops)을 찾고 내강 대비가 적어도 최소 거리에 대해 축소되는 곳을 검출할 수 있다. 일 실시예에서, 지점들은 폐색을 포함하는 세그먼트의 위치 또는 식별에 기초하여 평가될 수 있다. 예를 들어, 더 많은 지점들은 덜 결정적인 혈관 세그먼트와 대조적으로 결정적인 혈관 세그먼트 내의 폐색에 할당될 수 있다. 컴퓨터 시스템(206)은 폐색의 타입(예를 들어, 블런트 스텀프(blunt stump), 브리징 코랠트럴들(bridging collaterals) 등)에 기초하여 평가된 지점들을 식별하고 조정할 수도 있다. 폐색들은 중심선을 따라 강도(하운스필드 유닛) 변화들을 분석함으로써 자동으로 식별될 수 있다. 예를 들어, 강도 값이 임의의 임계값 아래로 급격히 강하하면, 이때 관상을 따르는 위치는 폐색들로 분류될 수 있다. 강도 변화의 경사 및 강도의 크기는 이러한 산출에 이용될 수 있다.
평가 단계(306)는 환자의 맥관구조에서 임의의 이분지들 또는 삼분지들을 식별하는 단계를 포함할 수도 있다. 이분지는 적어도 1.5 mm의 2개의 자(daughter) 분기들로 주, 부모 분기의 분할인 것으로 간주될 수 있다. 이분지 병변들은 메디나 분류에 따라 근위 주 혈관, 원위 주 혈관 및 측면 분기를 수반할 수 있다. 2개의 자 분기들 중 더 작은 것은 '측면 분기'로 지정되어야 한다. 주 스템의 경우에, LCX 또는 LAD는 그 각각의 구경들에 따라 측면 분기로 지정될 수 있다. 일 실시예에서, 이분지들은 이하의 세그먼트 접합점들을 위해서만(각각의 관상 동맥에 대해 위에 할당된 수들에 기초하여) 스코어링될 수 있다: 5/6/11, 6/7/9, 7/8/10, 11/13/12a, 13/14/14a, 3/4/16 및 13/14/15. 삼분지는 적어도 1.5 mm의 3개의 분기들로 주분기의 분할인 것으로 간주될 수 있다. 일 실시예에서, 삼분지들은 이하의 세그먼트 접합점들을 위해서만 스코어링될 수 있다: 3/4/16/16a, 5/6/11/12, 11/12a/12b/13, 6/7/9/9a 및 7/8/10/10a. 그 다음, 컴퓨터 시스템(206)은 임의의 이분지 또는 삼분지의 식별, 및 그러한 특징들을 포함하는 임의의 혈관 세그먼트들의 식별 또는 위치에 기초하여 지점들을 평가할 수 있다. 일 실시예에서, 컴퓨터 시스템(206)은 이분지/삼분지와 직접 접촉하여 직경 협착 ≥50%를 갖는 이분지/삼분지의 세그먼트 번호들을 위해서만 지점들을 평가할 수 있다. 이분지/삼분지들은 구성된 관상 중심선들의 접합점들에서 구(반경 ~ 모 혈관 반경)를 갖는 교차점의 수를 카운트함으로써 자동으로 식별될 수 있다. 예를 들어, 3개의 교차점들이 있으면, 이때 접합점은 이분지인 반면, 4개의 교차점들이 있으면, 이때 접합점은 삼분지이다.
평가 단계(306)는 심장 질병의 존재를 식별하는 단계를 수반할 수도 있다. 구체적으로, 컴퓨터 시스템(206)은 예를 들어 윤곽들을 사용함으로써, 환자의 대동맥으로 혼합되는 협착, 또는 소공으로부터 일부 미리 결정된 거리 내의 협착을 식별하기 위해 모델(220)로부터 이미지 데이터를 처리할 수 있다. 심장 질병은 혈관 단면적을 평가하거나 소공 위치들의 부근 주위에서 플라크들의 존재를 분석함으로써 자동으로 식별될 수 있다. 그 다음, 컴퓨터 시스템(206)은 임의의 심장 질병의 식별에 기초하여 지점들을 평가하고, 그러한 질병을 포함하는 임의의 혈관 세그먼트들의 식별 또는 위치를 기록할 수 있다. 컴퓨터 시스템(206)은 임의의 식별된 심장 질병의 식별된 심각도 또는 위치에 기초하여 평가된 지점들을 조정할 수도 있다.
평가 단계(306)는 심각한 비틀림을 갖는 혈관 세그먼트들을 식별하는 단계를 수반할 수도 있다. 예를 들어, 컴퓨터 시스템(206)은 위에 논의된 식별 혈관 중심선들에 기초하여, 환자의 관상 혈관들의 곡률을 산출할 수 있다. 컴퓨터 시스템(206)은 예를 들어 90 도 이상의 벤드들, 또는 병든 세그먼트에 인접하는 45-90 도의 3개의 벤드들과 같은, 곡률의 미리 결정된 레벨을 갖는 혈관 세그먼트들에 대한 하나 이상의 지점들을 평가할 수 있다. 벤드들의 수는 충분히 큰 간격 크기(예를 들어, 혈관의 직경의 3배 또는 5배)에서 중심선의 접선 벡터들 사이의 각도를 산출함으로써 자동으로 평가될 수 있다. 그 다음, 컴퓨터 시스템(206)은 임의의 심각한 비틀림의 식별에 기초하여 지점들을 평가하고, 그러한 심각한 비틀림을 포함하는 임의의 혈관 세그먼트들의 식별 또는 위치를 기록할 수 있다. 컴퓨터 시스템(206)은 임의의 식별된 심각한 비틀림의 식별된 심각도 또는 위치에 기초하여 평가된 지점들을 조정할 수도 있다.
평가 단계(306)는 임의의 식별된 병든 세그먼트들의 길이들을 산출하는 단계를 포함할 수도 있다. 일 실시예에서, 컴퓨터 시스템(206)은 병변이 가장 긴 것으로 나타나는 투영에서 관강내 직경의 50% 이상의 감소를 갖는 협착의 임의의 부분의 길이를 식별하기 위해 모델(220)을 분석할 수 있다. 그 다음, 컴퓨터 시스템(206)은 임의의 병든 세그먼트들의 식별된 길이들에 기초하여 지점들을 평가하고, 일부 미리 결정된 임계 길이의 협착을 포함하는 임의의 혈관 세그먼트들의 식별 또는 위치를 기록할 수 있다. 컴퓨터 시스템(206)은 임의의 식별된 병든 세그먼트들의 길이 및/또는 위치에 기초하여 평가된 지점들을 조정할 수도 있다.
평가 단계(306)는 임의의 식별된 석회화 플라크의 치수들을 산출하는 단계를 수반할 수도 있다. 일 실시예에서, 컴퓨터 시스템(206)은 협착 영역 내에서 임의의 석회화 플라크의 체적 및 길이를 식별하기 위해 모델(220)을 분석할 수 있다. 컴퓨터 시스템(206)은 식별된 석회화 플라크 및 인접 내강에 접하는 표면적을 식별하고/하거나; 식별된 협착 영역 내에서 그러한 표면적의 비율을 식별하기 위해 모델(220)을 대안적으로 또는 추가적으로 분석할 수 있다. 그 다음, 컴퓨터 시스템(206)은 임의의 식별된 석회화 플라크의 치수들에 기초하여 지점들을 평가하고, 임의의 식별된 석회화 플라크의 위치들 또는 치수들을 기록할 수 있다. 컴퓨터 시스템(206)은 임의의 식별된 석회화 플라크의 위치들 또는 치수들에 기초하여 평가된 지점들을 조정할 수도 있다. 식별된 석회화 플라크의 길이는 플라크 세그먼트화를 중심선으로 투영함으로써 자동으로 결정될 수 있다. 플라크의 유효 단면적은 플라크 체적을 산출된 길이로 분할함으로써 산출될 수 있다.
평가 단계(306)는 혈전의 존재를 식별하는 단계를 수반할 수도 있다. 구체적으로, 컴퓨터 시스템(206)은 예를 들어 윤곽들, 대비 등을 사용함으로써 혈전을 식별하기 위해 모델(220)로부터 이미지 데이터를 처리할 수 있다. 그 다음, 컴퓨터 시스템(206)은 임의의 혈전의 식별에 기초하여 지점들을 평가하고, 그러한 혈전을 포함하는 임의의 혈관 세그먼트들의 식별 또는 위치를 기록할 수 있다. 컴퓨터 시스템(206)은 임의의 식별된 혈전의 식별된 심각도 또는 위치에 기초하여 평가된 지점들을 조정할 수도 있다. 그러나, 일 실시예에서, 혈전은 다른 개시된 특성들(350)보다 더 적게 가중되거나, 심혈관 스코어로부터 전부 생략될 수 있다.
평가 단계(306)는 임의의 확산 질병을 식별하는 단계를 수반할 수도 있다. 일 실시예에서, 컴퓨터 시스템(206)은 식별된 협착 세그먼트 내의 또는 이에 인접한 윤곽들로부터 평균 혈관 크기를 산출하기 위해 모델(220)을 분석할 수 있다. 예를 들어, 컴퓨터 시스템(206)은 75보다 더 큰 퍼센트의 영역이 평균 직경에 있어서 2 mm 미만이면 확산 질병을 나타내는 것으로 협착 세그먼트를 식별할 수 있다. 그 다음, 컴퓨터 시스템(206)은 임의의 식별된 확산 질병의 정도에 기초하여 지점들을 평가하고, 확산 질병을 갖는 임의의 식별된 세그먼트들의 위치들 또는 치수들을 기록할 수 있다. 컴퓨터 시스템(206)은 확산 질병을 갖는 임의의 식별된 세그먼트들의 위치들 또는 치수들에 기초하여 평가된 지점들을 조정할 수도 있다.
따라서, 평가 단계(306)는 하나 이상의 특성들(350)의 식별 및/또는 산출, 및 그러한 특성들(350)의 각각의 식별, 산출, 정도, 및/또는 위치에 기초하여 환자에 대한 하나 이상의 지점들의 평가를 포함할 수 있다. 그 다음, 평가 단계(306)에 이어 평가된 특성들 및 평가된 지점들 중 하나 이상에 기초하여 환자 심혈관 스코어를 생성하는 단계(단계(308))가 이어질 수 있다. 예를 들어, 컴퓨터 시스템(206)은 단계(306)에서 평가된 특성들 및/또는 평가된 지점들 상에 알고리즘을 실행함으로써 환자 심혈관 스코어를 생성할 수 있다. 일 실시예에서, 환자 심혈관 스코어는 단계(306)에서 특성들을 평가할 때 평가되는 지점들의 모두를 함께 합산함으로써 생성될 수 있다. 예를 들어, 컴퓨터 시스템(206)은 단일 심혈관 스코어를 생성하기 위해 (i) 좌/우 관상 우성의 식별; (ii) 협착의 임계 퍼센티지를 갖는 세그먼트들의 식별; (iii) 폐색들의 식별; (iv) 이분지들/삼분지들의 식별; (v) 심장 질병의 식별; (vi) 비틀림의 산출; (vii) 병든 세그먼트들의 길이들의 산출; (viii) 석회화 플라크의 치수들의 산출; (ix) 혈전의 식별; 및/또는 (x) 확산 질병을 갖는 세그먼트들의 식별 중 하나 이상에 대해 평가되는 지점들의 모두를 함께 추가할 수 있다.
일 실시예에서, 단일 생성된 심혈관 스코어는 생성된 스코어가 일부 미리 결정된 스코어 미만이면, 이때 PCI가 적절한 식별된 중재일 수 있고, 스코어가 일부 미리 결정된 스코어보다 더 크면, 이때 CABG가 적절한 식별된 중재일 수 있도록 가중되거나 정규화될 수 있다. 일 실시예에서, 생성된 심혈관 스코어는 컴퓨터 시스템(206)에 연결된 디스플레이 디바이스를 통해 심장병 전문의 또는 다른 사용자에게 디스플레이될 수 있다. 대안적으로 또는 추가적으로, 생성된 심혈관 스코어는 전자 네트워크(200)를 통해 심장병 전문의 또는 다른 제삼자에게 송신될 수 있다.
일 실시예에서, 단계(308)에서 생성되는 심혈관 스코어는 상술된 SYNTAX 스코어링 기술과 호환하도록 가중되거나 정규화될 수 있다. 예로서, 생성된 심혈관 스코어는 생성된 스코어가 34 미만이면, PCI가 적절한 식별된 중재일 수 있고, 스코어가 34보다 더 크면, 이때 CABG가 적절한 식별된 중재일 수 있도록 가중되거나 정규화될 수 있다.
일 실시예에서, 단계(308)에서 생성되는 환자 심혈관 스코어는 혈류 또는 압력에 관한 각각의 병변 또는 세그먼트의 기능적 중요성에 상관없이, 환자의 전체 관상 맥관구조에 기초하여 산출될 수 있다. 그러한 심혈관 스코어는 "해부 심혈관 스코어(anatomic cardiovascular score)"로 언급될 수 있다. 그러나, 상술된 바와 같이, 임의의 상황에서, 기능적으로 중요한 병변 또는 특성(350)과 관련된 지점들만을 생성된 심혈관 스코어에 통합하는 것이 유리할 수 있다. 예를 들어, 보다 작은 협착의 영역이 감소된 혈류 또는 감소된 하류 혈압에 기여하지 않으면, 이때 생성된 심혈관 스코어로 그러한 영역과 연관된 지점들을 카운트하는 것을 회피하는 것이 바람직할 수 있다. 그러한 심혈관 스코어는 "기능 심혈관 스코어(functional cardiovascular score)"로 언급될 수 있다.
따라서, 일 실시예에서, 방법(300)은 환자의 관상 맥관구조의 복수의 위치들에서 FFR 값들을 산출하는 단계를 포함할 수도 있다(단계(312)). 그 다음, 방법(300)은 FFR 값들의 미리 결정된 임계 레벨을 갖는 위치들의 서브세트에 대한 평가된 특성들에 기초하여 환자 심혈관 스코어, 즉 "기능 심혈관 스코어"를 생성하는 단계를 포함할 수도 있다(단계(310)). 예를 들어, 일 실시예에서, 적어도 하나의 FFR 값은 환자의 관상 맥관구조의 각각의 세그먼트에 대해 산출될 수 있다. 환자 심혈관 스코어는 일부 미리 결정된 임계값 아래의 FFR 값을 갖는 혈관 세그먼트들에 대해 평가되는 지점들에만 기초하여 산출될 수 있다. 대안적인 실시예에서, FFR 값들과 다른 기능 값들은 기능적으로 중요한 혈관 세그먼트들 상에만 스코어링을 수행하기 위해 사용될 수 있다. 예를 들어, 심근 관류, 유동률 등은 특성들이 심혈관 스코어로 통합될 수 있는 혈관 세그먼트들을 스크리닝하기 위해 고려되고 사용될 수 있다. 일 실시예에서, 임계 기능적 중요성을 갖는 세그먼트들에만 기초하여 심혈관 스코어를 생성하는 대신에, 해부(즉, 완전한 맥관구조) 스코어는 임계 기능적 중요성을 충족하지 않는 그러한 세그먼트들을 기존 산출로부터 제거함으로써 수정될 수 있다.
일 실시예에서, 환자 심혈관 스코어는 0.9 아래의 FFR 값을 갖는 혈관 세그먼트들에 대해 평가되는 지점들에만 기초하여 산출될 수 있다. 일 실시예에서, 환자 심혈관 스코어는 0.8 아래의 FFR 값을 갖는 혈관 세그먼트들에 대해 평가되는 지점들에만 기초하여 산출될 수 있다. 일 실시예에서, 환자 심혈관 스코어는 0.7 아래의 FFR 값을 갖는 혈관 세그먼트들에 대해 평가되는 지점들에만 기초하여 산출될 수 있다. 따라서, 환자 심혈관 스코어는 환자의 관상 맥관구조의 기능 장애에 실제로 기여하는 혈관 세그먼트들에만 기초하여 산출될 수 있다. 상술된 바와 같이, 그러한 환자 심혈관 스코어들 중 어느 것은 "기능 심혈관 스코어"로 언급될 수 있다.
FFR 산출 단계(312)는 임의의 공지된 방법들에 따르지만, 바람직하게는 비침습적 기술들을 사용하여 수행될 수 있다는 점이 이해될 것이다. 예를 들어, 일 실시예에서, FFR 산출 단계(312)는 2011년 1월 25일에 출원되고, 발명의 명칭이 "Method and System for Patient-Specific Modeling of Blood Flow"인 미국 특허 출원 제13/013,561호에 설명된 그러한 산출들에 대한 시스템들 및 방법들에 따라 수행될 수 있으며, 이는 본 출원의 양수인에게 양도되고 이로써 전체적으로 참고문헌에 의해 통합된다. 예로서, FFR 산출 단계(312)는 도 4 및 도 5에 대해 후술되는 시스템 및 방법에 따라 수행될 수 있다.
도 4는 대표적인 실시예에 따른 특정 환자 내의 관상 혈류와 관련되는 다양한 정보(예를 들어, FFR)를 제공하는 시스템의 양태들을 도시한다. 환자의 해부의 3차원 모델(10)은 더 상세히 후술되는 바와 같은 환자로부터 비침습적으로 획득되는 데이터를 사용하여 생성될 수 있다. 다른 환자 특정 정보는 비침습적으로 획득될 수도 있다. 대표적인 실시예에서, 3차원 모델(10)에 의해 표현되는 환자의 해부의 일부는 대동맥의 적어도 일부 및 대동맥에 연결된 주 관상 동맥들의 근위 부분(및 그것으로부터 연장되거나 나오는 분기들)을 포함할 수 있다.
관상 혈류와 관련되는 다양한 생리적 법칙들 또는 관계들(20)은 예를 들어 더 상세히 후술되는 바와 같은 실험 데이터로부터 추정될 수 있다. 3차원 해부 모델(10) 및 추정된 생리적 법칙들(20)을 사용하면, 관상 혈류와 관련되는 복수의 방정식들(30)은 더 상세히 후술되는 바와 같이 결정될 수 있다. 예를 들어, 방정식들(30)은 임의의 수치 방법, 예를 들어, 유한 차분, 유한 체적, 스펙트럼, 격자 볼츠만, 입자 기반, 레벨 세트, 유한 요소 방법들 등을 사용하여 결정되고 해결될 수 있다. 방정식들(30)은 모델(10)에 의해 표현되는 해부 내의 다양한 지점들에서 환자의 해부 내의 관상 혈류에 관한 정보(예를 들어, 압력, 속도, FFR 등)를 결정하기 위해 해결가능할 수 있다.
방정식들(30)은 컴퓨터(40)를 사용하여 해결될 수 있다. 해결된 방정식들에 기초하여, 컴퓨터(40)는 모델(10)에 의해 표현되는 환자의 해부 내의 혈류와 관련되는 정보를 나타내는 하나 이상의 이미지들 또는 시뮬레이션들을 출력할 수 있다. 예를 들어, 이미지(들)는 아래에 더 상세히 설명되는 바와 같이, 시뮬레이션된 혈압 모델(50), 시뮬레이션된 혈류 또는 속도 모델(52), 산출된 FFR(cFFR) 모델(54) 등을 포함할 수 있다. 시뮬레이션된 혈압 모델(50), 시뮬레이션된 혈류 모델(52), 및 cFFR 모델(54)은 모델(10)에 의해 표현되는 환자의 해부 내의 3차원들을 따르는 다양한 위치들에서 각각의 압력, 속도, 및 cFFR에 관한 정보를 제공한다. cFFR은 예를 들어 아데노신의 정맥 투여에 의해 전통적으로 유도되는, 최대로 증가된 관상 혈류의 조건들 하에, 대동맥 내의 혈압에 의해 분할되는 모델(10) 내의 특정 위치, 예를 들어 모델(10)의 유입 경로에서 혈압의 비율로 산출될 수 있다.
대표적인 실시예에서, 컴퓨터(40)는 프로세서, 컴퓨터 시스템 등에 의해 실행될 때, 환자 내의 혈류와 관련되는 다양한 정보를 제공하기 위한 본 명세서에 설명된 동작들 중 어느 것을 수행할 수 있는 명령들을 저장하는 하나 이상의 비일시적 컴퓨터 판독가능 저장 디바이스들을 포함할 수 있다. 컴퓨터(40)는 데스크톱 또는 휴대용 컴퓨터, 워크스테이션, 서버, 개인 휴대 정보 단말기, 또는 임의의 다른 컴퓨터 시스템을 포함할 수 있다. 컴퓨터(40)는 프로세서, 판독 전용 메모리(ROM), 랜덤 액세스 메모리(RAM), 주변 디바이스들(예를 들어, 입력 디바이스, 출력 디바이스, 저장 디바이스 등)을 연결하는 입력/출력(I/O) 어댑터, 키보드, 마우스, 터치 스크린, 음성 입력, 및/또는 다른 디바이스들과 같은 입력 디바이스들을 연결하는 사용자 인터페이스 어댑터, 컴퓨터(40)를 네트워크에 연결하는 통신 어댑터, 컴퓨터(40)를 디스플레이에 연결하는 디스플레이 어댑터 등을 포함할 수 있다. 예를 들어, 디스플레이는 시뮬레이션된 혈압 모델(50), 시뮬레이션된 혈류 모델(52), 및/또는 cFFR 모델(54)과 같이, 방정식들(30)을 해결함으로써 생성되는 3차원 모델(10) 및/또는 임의의 이미지들을 디스플레이하기 위해 사용될 수 있다.
도 5는 다른 대표적인 실시예에 따른 특정 환자 내의 혈류와 관련되는 다양한 정보를 제공하는 방법의 양태들을 도시한다. 방법은 환자의 해부(예를 들어, 대동맥의 적어도 일부 및 대동맥에 연결된 주 관상 동맥들의 근위 부분(및 그것으로부터 연장되는 분기들))에 관한 정보와 같은, 환자 특정 해부 데이터를 획득하는 단계, 및 데이터를 전처리하는 단계를 포함할 수 있다(단계(502)). 환자 특정 해부 데이터는 예를 들어 CCTA에 의해 비침습적으로 획득될 수 있다.
환자의 해부의 3차원 모델은 획득된 해부 데이터에 기초하여 생성될 수 있다(단계(504)). 예를 들어, 3차원 모델은 도 3에 대해 위에서 논의된 바와 같이 생성되는, 환자의 해부의 3차원 모델(10)(도 4) 또는 3차원 모델(220)(도 1)일 수 있다.
3차원 모델은 분석을 위해 준비될 수 있고 경계 조건들이 결정될 수 있다(단계(506)). 예를 들어, 도 4와 관련하여 상술된 환자의 해부의 3차원 모델(10)은 체적 측정 메시, 예를 들어 유한 요소 또는 유한 체적 메시로 트리밍되고 나누어질 수 있다. 체적 측정 메시는 도 4와 관련하여 상술된 방정식들(30)을 생성하기 위해 사용될 수 있다.
경계 조건들은 도 4와 관련하여 상술된 방정식들(30)로 할당되고 통합될 수도 있다. 경계 조건들은 3차원 모델(10)에 관한 정보를 그것의 경계들, 예를 들어, 유입 경계들, 유출 경계들, 혈관 벽 경계들 등에서 제공한다. 유입 경계들은 흐름이 대동맥 기부 근방의 대동맥의 단부에서와 같이, 3차원 모델의 해부로 지향되는 경계들을 포함할 수 있다. 각각의 유입 경계는 예를 들어 심장 모델 및/또는 집중 파라미터 모델을 경계 들에 결합함으로써 속도, 유동률, 압력, 또는 다른 특성에 대한 규정된 값 또는 필드로 할당될 수 있다. 유출 경계들은 흐름이 대동맥궁 근방의 대동맥의 단부, 및 주 관상 동맥들 및 그것으로부터 연장되는 분기들의 하류 단부들에서와 같이, 3차원 모델의 해부에서 외부로 지향되는 경계들을 포함할 수 있다. 각각의 유출 경계는 예를 들어 집중 파라미터 또는 분배된(예를 들어, 1차원 파의 전파) 모델을 결합함으로써 할당될 수 있다. 유입 및/또는 유출 경계 조건들에 대한 규정된 값들은 심박출량(심장으로부터의 혈류의 양), 혈압, 심근 질량 등과 같지만, 이들에 제한되지 않는 환자의 생리적 특성들을 비침습적으로 측정함으로써 결정될 수 있다. 혈관 벽 경계들은 3차원 모델(10)의 대동맥, 주 관상 동맥들, 및/또는 다른 관상 동맥들 또는 혈관들의 물리적 경계들을 포함할 수 있다.
컴퓨터 이용 분석은 환자에 대한 혈류 정보를 결정하기 위해 준비된 3차원 모델 및 결정된 경계 조건들을 사용하여 수행될 수 있다(단계(508)). 예를 들어, 컴퓨터 이용 분석은 시뮬레이션된 혈압 모델(50), 시뮬레이션된 혈류 모델(52), 및/또는 cFFR 모델(54)과 같은, 도 4와 관련하여 상술된 이미지들을 생성하기 위해 도 4와 관련하여 상술된 방정식들(30)에 의해 그리고 컴퓨터(40)을 사용하여 수행될 수 있다.
방법은 결과들을 사용하여 환자 특정 치료 옵션들을 제공하는 단계를 포함할 수도 있다(단계(510)). 예를 들어, 단계(504)에서 생성되는 3차원 모델(10) 및/또는 단계(506)에서 할당되는 경계 조건들은 하나 이상의 치료들을 모델링하기 위해, 예를 들어 3차원 모델(10) 또는 다른 치료 옵션들에 표현되는 관상 동맥들 중 하나에 관상 스텐트를 배치하기 위해 조정될 수 있다. 그 다음, 컴퓨터 이용 분석은 혈압 모델(50), 혈류 모델(52), 및/또는 cFFR 모델(54)의 갱신된 버전들과 같은, 새로운 이미지들을 생성하기 위해 단계(508)에서 상술된 바와 같이 수행될 수 있다. 이러한 새로운 이미지들은 치료 옵션(들)이 채택되면 혈류 속도 및 압력의 변화를 결정하기 위해 사용될 수 있다.
본 명세서에 개시된 시스템들 및 방법들은 관상 동맥들에서 혈류를 정량화하고 관상 동맥 질병의 기능적 중요성을 평가하기 위해 비침습적 수단을 제공하도록 의사들에 의해 평가되는 소프트웨어 툴로 통합될 수 있다. 특히, 산출된 FFR 값들은 cFFR 모델(54)에 반영된 바와 같이, 기능 심혈관 스코어를 생성하는 단계로 통합될 수 있다. 구체적으로, 방법(300)의 단계(310)에 대해 위에서 논의된 바와 같이, 심혈관 스코어는 미리 결정된 기능 범위와 함께 FFR 값들을 갖는 관상 세그먼트들의 서브세트에 대한 평가된 특성들 및 평가된 지점들에 기초하여 생성될 수 있다. 따라서, 최종 심혈관 스코어는 환자의 관상 맥관구조의 다양한 세그먼트들의 실제 기능 또는 기능 장애에 더 관련되고, 바람직한 중재 기술(예를 들어, PCI 대 CABG)을 더 나타낼 가능성이 많을 수 있다.
기능 심혈관 스코어를 산출하는 것에 더하여, 의사들은 관상 동맥 혈류 상에서 의료, 중재, 및/또는 외과 치료들의 효과를 예측하는 시스템을 사용할 수 있다. 시스템은 목의 동맥들(예를 들어, 경동맥 동맥들), 머리 내의 동맥들(예를 들어, 뇌동맥들), 흉부 내의 동맥들, 복부 내의 동맥들(예를 들어, 복대동맥 및 그것의 분기들), 팔들 내의 동맥들, 또는 다리들 내의 동맥들(예를 들어, 대퇴부 및 슬와 동맥들)을 포함하는 심혈관계의 다른 부분들에서 질병을 방지, 진단, 관리, 및/또는 치료할 수 있다. 소프트웨어 툴은 의사들이 환자들에 대한 선택적인 맞춤형 치료들을 개발할 수 있게 하기 위해 상호작용할 수 있다.
예를 들어, 시스템은 컴퓨터 시스템, 예를 들어 의사 또는 다른 사용자에 의해 사용되는 도 4에 도시된 컴퓨터(40)로 적어도 부분적으로 통합될 수 있다. 컴퓨터 시스템은 환자로부터 비침습적으로 획득되는 데이터(예를 들어, 3차원 모델(10)을 생성하기 위해 사용되는 데이터, 경계 조건들을 적용하거나 컴퓨터 이용 분석을 수행하기 위해 사용되는 데이터 등)를 수신할 수 있다. 예를 들어, 데이터는 의사에 의해 입력될 수 있거나 방사선 또는 다른 의료 실험실과 같은, 그러한 데이터를 액세스하고 제공할 수 있는 다른 소스로부터 수신될 수 있다. 데이터는 데이터를 전달하는 네트워크 또는 다른 시스템을 통해, 또는 컴퓨터 시스템으로 직접 송신될 수 있다. 소프트웨어 툴은 시뮬레이션된 혈압 모델(50), 시뮬레이션된 혈류 모델(52), 및/또는 cFFR 모델(54)과 같이, 도 4와 관련하여 상술된 3차원 모델(10) 또는 다른 모델들/메시들 및/또는 방정식들(30)을 해결함으로써 결정되는 임의의 시뮬레이션들 또는 다른 결과들을 생성하고 디스플레이하기 위해 데이터를 사용할 수 있다. 따라서, 시스템은 단계들(302-312) 및/또는 단계들(502-510)을 수행할 수 있다. 단계(502)에서, 의사는 가능한 치료 옵션들을 선택하기 위해 추가 입력들을 컴퓨터 시스템에 제공할 수 있고, 컴퓨터 시스템은 선택된 가능한 치료 옵션들에 기초하여 새로운 시뮬레이션들을 의사에게 디스플레이할 수 있다. 게다가, 도 3 및 도 5에 도시된 단계들(302-312 및 502-510) 각각은 개별 컴퓨터 시스템들, 소프트웨어 패키지들, 또는 모듈들을 사용하여 수행될 수 있다.
대안적으로, 시스템은 웹 기반 서비스 또는 다른 서비스, 예를 들어 의사로부터 분리된 엔티티에 의해 제공되는 서비스의 일부로 제공될 수 있다. 서비스 제공자는 예를 들어 웹 기반 서비스를 운영할 수 있고 컴퓨터 시스템들 사이에서 데이터를 전달하는 네트워크 또는 다른 방법들을 통해 의사들 또는 다른 사용자들에 액세스가능한 웹 포털 또는 다른 웹 기반 응용(예를 들어, 서비스 제공자에 의해 운영되는 서버 또는 다른 컴퓨터 시스템 상에 실행됨)을 제공할 수 있다. 예를 들어, 환자로부터 비침습적으로 획득되는 데이터는 서비스 제공자에게 제공될 수 있고, 서비스 제공자는 시뮬레이션된 혈압 모델(50), 시뮬레이션된 혈류 모델(52), 및/또는 cFFR 모델(54)과 같이, 도 4와 관련하여 상술된 3차원 모델(10) 또는 다른 모델들/메시들 및/또는 방정식들(30)을 해결함으로써 결정되는 임의의 시뮬레이션들 또는 다른 결과들을 생성하기 위해 데이터를 사용할 수 있다. 그 다음, 웹 기반 서비스는 3차원 모델(10) 및/또는 시뮬레이션들이 의사의 컴퓨터 시스템 상에서 의사에게 디스플레이될 수 있도록 3차원 모델(10) 또는 다른 모델들/메시들 및/또는 시뮬레이션들과 관련되는 정보를 송신할 수 있다. 따라서, 웹 기반 서비스는 환자 특정 정보를 제공하기 위한 상술된 단계들(302-312) 및/또는 단계들(502-510) 및 임의의 다른 단계들을 수행할 수 있다. 단계(502)에서, 의사는 예를 들어 가능한 치료 옵션들을 선택하거나 컴퓨터 이용 분석을 다르게 조정하기 위해 추가 입력들을 제공할 수 있고, 입력들은 서비스 제공자에 의해 운용되는 컴퓨터 시스템에 (예를 들어, 웹 포털을 통해) 송신될 수 있다. 웹 기반 서비스는 선택된 가능한 치료 옵션들에 기초하여 새로운 시뮬레이션들 또는 다른 결과들을 생성할 수 있고, 새로운 시뮬레이션들이 의사에게 디스플레이될 수 있도록 새로운 시뮬레이션들과 관련되는 정보를 다시 의사에게 전달할 수 있다.
본 명세서에 설명된 단계들 중 하나 이상은 하나 이상의 인간 조작자들(예를 들어, 심장병 전문의 또는 다른 의사, 환자, 제삼자에 의해 제공되는 웹 기반 서비스 또는 다른 서비스를 제공하는 서비스 제공자의 직원, 다른 사용자 등), 또는 데스크톱 또는 휴대용 컴퓨터, 워크스테이션, 서버, 개인 휴대 정보 단말기 등과 같은, 인간 조작자(들)에 의해 사용되는 하나 이상의 컴퓨터 시스템들에 의해 수행될 수 있다. 컴퓨터 시스템(들)은 데이터를 전달하는 네트워크 또는 다른 방법을 통해 연결될 수 있다.
임의의 실시예에 진술된 임의의 양태는 본 명세서에 진술된 임의의 다른 실시예와 함께 사용될 수 있다. 본 명세서에 진술된 모든 디바이스 및 장치는 임의의 적절한 의료 수술에 사용될 수 있고, 임의의 적절한 신체 내강 및 체강을 통해 전진될 수 있고, 임의의 적절한 신체 부분을 이미지하는데 사용될 수 있다.
다양한 수정들 및 변형들은 본 개시의 범위로부터 벗어나는 것없이 개시된 시스템들 및 프로세스들에서 이루어질 수 있다. 다른 실시예들은 본 명세서에 개시된 개시의 명세서 및 실시의 고려로부터 당해 기술에서 통상의 기술자들에게 명백할 것이다. 명세서 및 예들은 단지 예시적인 것으로 간주되며, 본 개시의 진정한 범위 및 사상은 이하의 특허청구범위에 의해 지시되도록 의도된다.

Claims (20)

  1. 환자에 대한 심혈관 스코어를 제공하는 방법으로서,
    상기 방법은,
    적어도 하나의 컴퓨터 시스템을 사용하여, 환자의 맥관구조의 적어도 일부의 맥관 기하학 구조(geometry)에 관한 환자 특정 이미지 데이터를 수신하는 단계;
    적어도 하나의 컴퓨터 시스템을 사용하여, 상기 환자 특정 이미지 데이터에 기초하여 맥관 기하학 구조의 해부학적 모델을 생성하는 단계;
    상기 해부학적 모델 및/또는 환자 특정 이미지 데이터에 기초하여, 적어도 하나의 컴퓨터 시스템을 사용하여, 다수의 특성의 평가를 획득하기 위해 맥관 기하학 구조의 다수의 특성을 평가하는 단계; 및
    적어도 하나의 컴퓨터 시스템을 사용하여, 다수의 특성의 평가에 기초하여 심혈관 스코어를 자동으로 생성하는 단계
    를 포함하고,
    미리 결정된 스코어 미만인 심혈관 스코어의 값은 상기 환자에 대한 경피적 관상 중재(Percutaneous Coronary Intervention; PCI)의 선택에 대응되고, 미리 결정된 스코어 초과인 심혈관 스코어의 값은 상기 환자에 대한 관상 동맥 우회술(Coronary Artery Bypass Grafting; CABG)의 선택에 대응되는 방법.
  2. 제1항에 있어서, 환자의 맥관구조는 환자의 관상 맥관구조이고,
    다수의 특성은 관상 맥관구조의 하나 이상의 병든 세그먼트의 특성인 방법.
  3. 제2항에 있어서, 다수의 특성은:
    전체 폐색의 유무,
    이분지의 유무,
    삼분지의 유무,
    심장 질병의 유무,
    비틀림,
    협착의 길이,
    석회화 플라크의 치수,
    혈전의 유무, 및
    확산 질병의 유무로부터 선택된 적어도 하나를 포함하는 방법.
  4. 제2항에 있어서,
    적어도 하나의 컴퓨터 시스템을 사용하여, 해부학적 모델을 관상 맥관구조의 복수의 세그먼트를 각각 나타내는 복수의 해부학적 모델 세그먼트로 세그먼트화하는 단계를 추가로 포함하고,
    복수의 해부학적 모델 세그먼트는 하나 이상의 병든 세그먼트를 각각 나타내는 하나 이상의 해부학적 모델 세그먼트를 포함하는 방법.
  5. 제4항에 있어서,
    다수의 특성을 평가하는 단계는 다수의 특성의 컴퓨터 평가를 결정하기 위해 하나 이상의 해부학적 모델 세그먼트를 분석하는 단계를 포함하는 방법.
  6. 제2항에 있어서,
    환자의 관상 맥관구조의 하나 이상의 병든 세그먼트 각각은 혈류 성질을 가지고,
    심혈관 스코어는 기능 심혈관 스코어인 방법.
  7. 제6항에 있어서,
    적어도 하나의 컴퓨터 시스템을 사용하여, 하나 이상의 병든 세그먼트 각각에 대한 각각의 분획 혈류 예비력(FFR) 값을 결정하는 단계를 추가로 포함하고,
    혈류 성질은 미리 결정된 임계값 아래이도록 결정된 분획 혈류 예비력(FFR) 값인 방법.
  8. 제1항에 있어서, 다수의 특성은:
    해부학적 모델의 이미지 대비, 이미지 윤곽, 이미지 경사, 사후 처리 이미지, 이미지 강도, 형상, 및 체적 측정 메시 중 하나 이상의 분석에 기초하여 평가되는 방법.
  9. 컴퓨터 시스템으로서,
    명령을 저장하는 메모리; 및
    동작을 수행하기 위한 명령을 실행하도록 구성된 하나 이상의 프로세서를 포함하고,
    상기 동작은:
    환자의 맥관구조의 적어도 일부의 맥관 기하학 구조에 관한 환자 특정 이미지 데이터를 수신하는 것;
    상기 환자 특정 이미지 데이터에 기초하여 맥관 기하학 구조의 해부학적 모델을 생성하는 것;
    상기 해부학적 모델 및/또는 환자 특정 이미지 데이터에 기초하여, 다수의 특성의 평가를 획득하기 위해 맥관 기하학 구조의 다수의 특성을 평가하는 것; 및
    다수의 특성의 평가에 기초하여 심혈관 스코어를 자동으로 생성하는 것
    을 포함하고,
    미리 결정된 스코어 미만인 심혈관 스코어의 값은 상기 환자에 대한 경피적 관상 중재의 선택에 대응되고, 미리 결정된 스코어 초과인 심혈관 스코어의 값은 상기 환자에 대한 관상 동맥 우회술의 선택에 대응되는 컴퓨터 시스템.
  10. 제9항에 있어서, 환자의 맥관구조는 환자의 관상 맥관구조이고,
    다수의 특성은 관상 맥관구조의 하나 이상의 병든 세그먼트의 특성인 컴퓨터 시스템.
  11. 제10항에 있어서, 다수의 특성은:
    전체 폐색의 유무,
    이분지의 유무,
    삼분지의 유무,
    심장 질병의 유무,
    비틀림,
    협착의 길이,
    석회화 플라크의 치수,
    혈전의 유무, 및
    확산 질병의 유무로부터 선택된 적어도 하나를 포함하는 컴퓨터 시스템.
  12. 제10항에 있어서,
    상기 동작은 해부학적 모델을 관상 맥관구조의 복수의 세그먼트를 각각 나타내는 복수의 해부학적 모델 세그먼트로 세그먼트화하는 것을 추가로 포함하고,
    복수의 해부학적 모델 세그먼트는 하나 이상의 병든 세그먼트를 각각 나타내는 하나 이상의 해부학적 모델 세그먼트를 포함하는 컴퓨터 시스템.
  13. 제12항에 있어서,
    다수의 특성을 평가하는 것은 다수의 특성의 컴퓨터 평가를 결정하기 위해 하나 이상의 해부학적 모델 세그먼트를 분석하는 것을 포함하는 컴퓨터 시스템.
  14. 제10항에 있어서,
    환자의 관상 맥관구조의 하나 이상의 병든 세그먼트 각각은 혈류 성질을 가지고,
    심혈관 스코어는 기능 심혈관 스코어인 컴퓨터 시스템.
  15. 제14항에 있어서,
    상기 동작은 하나 이상의 병든 세그먼트 각각에 대한 각각의 분획 혈류 예비력(FFR) 값을 결정하는 것을 추가로 포함하고,
    혈류 성질은 미리 결정된 임계값 아래이도록 결정된 분획 혈류 예비력(FFR) 값인 컴퓨터 시스템.
  16. 제9항에 있어서, 다수의 특성은:
    해부학적 모델의 이미지 대비, 이미지 윤곽, 이미지 경사, 사후 처리 이미지, 이미지 강도, 형상, 및 체적 측정 메시 중 하나 이상의 분석에 기초하여 평가되는 컴퓨터 시스템.
  17. 컴퓨터 시스템의 하나 이상의 프로세서에 의해 실행될 때, 컴퓨터 시스템으로 하여금 방법을 수행하게 하도록 하는 명령을 저장하는 비-일시적 컴퓨터-판독가능 저장 디바이스로서, 상기 방법은:
    환자의 맥관구조의 적어도 일부의 맥관 기하학 구조에 관한 환자 특정 이미지 데이터를 수신하는 단계;
    상기 환자 특정 이미지 데이터에 기초하여 맥관 기하학 구조의 해부학적 모델을 생성하는 단계;
    상기 해부학적 모델 및/또는 환자 특정 이미지 데이터에 기초하여, 다수의 특성의 평가를 획득하기 위해 맥관 기하학 구조의 다수의 특성을 평가하는 단계; 및
    다수의 특성의 평가에 기초하여 심혈관 스코어를 자동으로 생성하는 단계
    를 포함하고,
    미리 결정된 스코어 미만인 심혈관 스코어의 값은 상기 환자에 대한 경피적 관상 중재의 선택에 대응되고, 미리 결정된 스코어 초과인 심혈관 스코어의 값은 상기 환자에 대한 관상 동맥 우회술의 선택에 대응되는 비-일시적 컴퓨터-판독가능 저장 디바이스.
  18. 제17항에 있어서, 환자의 맥관구조는 환자의 관상 맥관구조이고,
    다수의 특성은 관상 맥관구조의 하나 이상의 병든 세그먼트의 특성인 비-일시적 컴퓨터-판독가능 저장 디바이스.
  19. 제18항에 있어서, 다수의 특성은:
    전체 폐색의 유무,
    이분지의 유무,
    삼분지의 유무,
    심장 질병의 유무,
    비틀림,
    협착의 길이,
    석회화 플라크의 치수,
    혈전의 유무, 및
    확산 질병의 유무로부터 선택된 적어도 하나를 포함하는 비-일시적 컴퓨터-판독가능 저장 디바이스.
  20. 제18항에 있어서,
    동작은 해부학적 모델을 관상 맥관구조의 복수의 세그먼트를 각각 나타내는 복수의 해부학적 모델 세그먼트로 세그먼트화하는 것을 추가로 포함하고,
    복수의 해부학적 모델 세그먼트는 하나 이상의 병든 세그먼트를 각각 나타내는 하나 이상의 해부학적 모델 세그먼트를 포함하는 비-일시적 컴퓨터-판독가능 저장 디바이스.
KR1020217023137A 2012-10-19 2013-10-17 맥관구조를 수치 평가하는 시스템들 및 방법들 KR102371477B1 (ko)

Applications Claiming Priority (4)

Application Number Priority Date Filing Date Title
US13/656,183 US9675301B2 (en) 2012-10-19 2012-10-19 Systems and methods for numerically evaluating vasculature
US13/656,183 2012-10-19
KR1020167009595A KR102282789B1 (ko) 2012-10-19 2013-10-17 맥관구조를 수치 평가하는 시스템들 및 방법들
PCT/US2013/065495 WO2014062946A1 (en) 2012-10-19 2013-10-17 Systems and methods for numerically evaluating vasculature

Related Parent Applications (1)

Application Number Title Priority Date Filing Date
KR1020167009595A Division KR102282789B1 (ko) 2012-10-19 2013-10-17 맥관구조를 수치 평가하는 시스템들 및 방법들

Publications (2)

Publication Number Publication Date
KR20210094155A KR20210094155A (ko) 2021-07-28
KR102371477B1 true KR102371477B1 (ko) 2022-03-07

Family

ID=49488685

Family Applications (3)

Application Number Title Priority Date Filing Date
KR1020157011241A KR101910233B1 (ko) 2012-10-19 2013-10-17 맥관구조를 수치 평가하는 시스템들 및 방법들
KR1020217023137A KR102371477B1 (ko) 2012-10-19 2013-10-17 맥관구조를 수치 평가하는 시스템들 및 방법들
KR1020167009595A KR102282789B1 (ko) 2012-10-19 2013-10-17 맥관구조를 수치 평가하는 시스템들 및 방법들

Family Applications Before (1)

Application Number Title Priority Date Filing Date
KR1020157011241A KR101910233B1 (ko) 2012-10-19 2013-10-17 맥관구조를 수치 평가하는 시스템들 및 방법들

Family Applications After (1)

Application Number Title Priority Date Filing Date
KR1020167009595A KR102282789B1 (ko) 2012-10-19 2013-10-17 맥관구조를 수치 평가하는 시스템들 및 방법들

Country Status (8)

Country Link
US (6) US9675301B2 (ko)
EP (1) EP2908719B1 (ko)
JP (3) JP6426612B2 (ko)
KR (3) KR101910233B1 (ko)
CN (1) CN104736046B (ko)
AU (2) AU2013331213B2 (ko)
CA (1) CA2888098C (ko)
WO (1) WO2014062946A1 (ko)

Families Citing this family (87)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9405886B2 (en) 2009-03-17 2016-08-02 The Board Of Trustees Of The Leland Stanford Junior University Method for determining cardiovascular information
US8315812B2 (en) 2010-08-12 2012-11-20 Heartflow, Inc. Method and system for patient-specific modeling of blood flow
JP6301102B2 (ja) * 2012-10-22 2018-03-28 学校法人藤田学園 医用画像診断装置、医用画像処理装置及び医用画像処理プログラム
US10210956B2 (en) 2012-10-24 2019-02-19 Cathworks Ltd. Diagnostically useful results in real time
EP2943902B1 (en) 2012-10-24 2020-03-11 CathWorks Ltd. Automated measurement system and method for coronary artery disease scoring
US9814433B2 (en) 2012-10-24 2017-11-14 Cathworks Ltd. Creating a vascular tree model
US10595807B2 (en) 2012-10-24 2020-03-24 Cathworks Ltd Calculating a fractional flow reserve
US9858387B2 (en) 2013-01-15 2018-01-02 CathWorks, LTD. Vascular flow assessment
EP2938399B1 (en) * 2012-12-28 2020-04-15 Cyberheart, Inc. Blood-tissue surface based radiosurgical renal treatment planning
US9042613B2 (en) * 2013-03-01 2015-05-26 Heartflow, Inc. Method and system for determining treatments by modifying patient-specific geometrical models
WO2014182505A1 (en) 2013-05-10 2014-11-13 Stenomics, Inc. Modeling and simulation system for optimizing prosthetic heart valve treatment
US9805463B2 (en) 2013-08-27 2017-10-31 Heartflow, Inc. Systems and methods for predicting location, onset, and/or change of coronary lesions
US9092743B2 (en) * 2013-10-23 2015-07-28 Stenomics, Inc. Machine learning system for assessing heart valves and surrounding cardiovascular tracts
WO2015059706A2 (en) 2013-10-24 2015-04-30 Cathworks Ltd. Vascular characteristic determination with correspondence modeling of a vascular tree
US9974506B2 (en) * 2013-11-05 2018-05-22 International Business Machines Corporation Associating coronary angiography image annotations with syntax scores for assessment of coronary artery disease
US9747525B2 (en) 2014-06-16 2017-08-29 Siemens Healthcare Gmbh Method and system for improved hemodynamic computation in coronary arteries
CN106572824B (zh) * 2014-07-18 2021-09-07 皇家飞利浦有限公司 狭窄评估
US9386933B2 (en) 2014-08-29 2016-07-12 Heartflow, Inc. Systems and methods for determination of blood flow characteristics and pathologies through modeling of myocardial blood supply
CN104287764B (zh) * 2014-09-11 2017-05-31 沈阳东软医疗系统有限公司 一种ct灌注成像方法和设备
US10080872B2 (en) 2014-11-04 2018-09-25 Abbott Cardiovascular Systems Inc. System and method for FFR guidewire recovery
WO2016092420A1 (en) * 2014-12-08 2016-06-16 Koninklijke Philips N.V. Devices, systems, and methods for vessel assessment and intervention recommendation
EP3777689A1 (en) * 2014-12-08 2021-02-17 Koninklijke Philips N.V. Diagnostic and imaging direction based on anatomical and/or physiological parameters
DE102014226685A1 (de) * 2014-12-19 2016-06-23 Siemens Healthcare Gmbh Verfahren zum Identifizieren von Versorgungsgebieten,Verfahren zur graphischen Darstellung von Versorgungsgebieten, Computerprogramm und maschinenlesbares Medium sowie bildgebendes Gerät
EP3244790B1 (en) 2015-01-15 2020-09-02 Koninklijke Philips N.V. Instantaneous wave-free ratio (ifr) computer tomography (ct)
RU2719951C2 (ru) * 2015-01-28 2020-04-23 Конинклейке Филипс Н.В. Моделирование анатомической структуры методом конечных элементов
US20160224753A1 (en) * 2015-02-02 2016-08-04 Heartflow, Inc. Systems and methods for diagnosis, risk assessment, and/or virtual treatment assessment of visceral ischemia
RU2580164C1 (ru) * 2015-03-10 2016-04-10 Федеральное государственное бюджетное научное учреждение "Научно-исследовательский институт комплексных проблем сердечно-сосудистых заболеваний" (НИИ КПССЗ) Способ прогнозирования летального исхода у пациентов с кардиогенным шоком при чрескожных коронарных вмешательствах
EP3282936B1 (en) * 2015-04-17 2020-08-19 HeartFlow, Inc. Systems and methods for assessment of tissue function based on vascular disease
CN107615335A (zh) * 2015-05-12 2018-01-19 新加坡保健服务集团有限公司 医学图象处理方法和系统
EP3324836B1 (en) * 2015-07-17 2024-09-11 Koninklijke Philips N.V. Devices, systems, and methods for assessing a vessel
EP3332339B1 (en) 2015-08-05 2022-06-22 Koninklijke Philips N.V. Assistance device and method for an interventional hemodynamic measurement
US11094058B2 (en) 2015-08-14 2021-08-17 Elucid Bioimaging Inc. Systems and method for computer-aided phenotyping (CAP) using radiologic images
US10176408B2 (en) 2015-08-14 2019-01-08 Elucid Bioimaging Inc. Systems and methods for analyzing pathologies utilizing quantitative imaging
US12008751B2 (en) 2015-08-14 2024-06-11 Elucid Bioimaging Inc. Quantitative imaging for detecting histopathologically defined plaque fissure non-invasively
US11113812B2 (en) 2015-08-14 2021-09-07 Elucid Bioimaging Inc. Quantitative imaging for detecting vulnerable plaque
US11087459B2 (en) 2015-08-14 2021-08-10 Elucid Bioimaging Inc. Quantitative imaging for fractional flow reserve (FFR)
US11676359B2 (en) 2015-08-14 2023-06-13 Elucid Bioimaging Inc. Non-invasive quantitative imaging biomarkers of atherosclerotic plaque biology
US11071501B2 (en) 2015-08-14 2021-07-27 Elucid Bioiwaging Inc. Quantitative imaging for determining time to adverse event (TTE)
US12026868B2 (en) 2015-08-14 2024-07-02 Elucid Bioimaging Inc. Quantitative imaging for detecting histopathologically defined plaque erosion non-invasively
US10517678B2 (en) 2015-10-02 2019-12-31 Heartflow, Inc. System and method for diagnosis and assessment of cardiovascular disease by comparing arterial supply capacity to end-organ demand
WO2017060106A1 (en) 2015-10-07 2017-04-13 Koninklijke Philips N.V. Mobile ffr simulation
US10769780B2 (en) 2015-11-05 2020-09-08 Koninklijke Philips N.V. Collateral flow modelling for non-invasive fractional flow reserve (FFR)
EP3394829B1 (en) 2015-12-22 2023-02-08 Koninklijke Philips N.V. Heart model guided coronary artery segmentation
CN109069014B (zh) * 2016-03-16 2021-07-06 哈特弗罗公司 用于估计在冠状动脉中的健康管腔直径和狭窄定量的系统和方法
US20170322684A1 (en) * 2016-05-03 2017-11-09 Siemens Healthcare Gmbh Automation Of Clinical Scoring For Decision Support
EP3461253B1 (en) 2016-05-16 2023-08-09 Cathworks Ltd. Selection of vascular paths from images
EP3457930B1 (en) 2016-05-16 2023-11-15 Cathworks Ltd. System for vascular assessment
JP6371334B2 (ja) * 2016-05-27 2018-08-08 株式会社ユネクス 超音波断面画像測定装置
EP3512416B1 (en) * 2016-09-16 2023-11-08 Koninklijke Philips N.V. Apparatus and method for determining a fractional flow reserve
CN106886993B (zh) * 2017-02-07 2019-12-24 贺永明 17节段心肌评分系统
EP3378398A1 (en) * 2017-03-24 2018-09-26 Koninklijke Philips N.V. Myocardial ct perfusion image synthesis
WO2018177692A1 (en) * 2017-03-31 2018-10-04 Koninklijke Philips N.V. Interaction monitoring of non-invasive imaging based ffr
AU2018345850B2 (en) 2017-10-06 2024-04-11 Emory University Methods and systems for determining hemodynamic information for one or more arterial segments
US11871995B2 (en) 2017-12-18 2024-01-16 Hemolens Diagnostics Sp. Z O.O. Patient-specific modeling of hemodynamic parameters in coronary arteries
EP3762937A1 (en) * 2018-03-08 2021-01-13 Koninklijke Philips N.V. Resolving and steering decision foci in machine learning-based vascular imaging
EP3542757A1 (en) 2018-03-23 2019-09-25 FEops NV Method and system for patient-specific virtual percutaneous structural heart intervention
US11200666B2 (en) * 2018-07-03 2021-12-14 Caroline Choi Method for diagnosing, predicting, determining prognosis, monitoring, or staging disease based on vascularization patterns
GB2577349B (en) 2018-09-18 2023-06-14 Univ Oxford Innovation Ltd Radiomic signature of adipose
GB2578485A (en) 2018-09-18 2020-05-13 Univ Oxford Innovation Ltd Radiomic signature of a perivascular region
CN109288537B (zh) * 2018-11-01 2022-08-09 杭州晟视科技有限公司 评估血流储备分数的系统、方法、设备及存储介质
KR102187842B1 (ko) * 2018-11-14 2020-12-08 울산대학교 산학협력단 심근 이미지 분석 방법 및 장치
US10964017B2 (en) * 2018-11-15 2021-03-30 General Electric Company Deep learning for arterial analysis and assessment
KR102056989B1 (ko) * 2018-12-24 2020-02-11 (주)제이엘케이인스펙션 머신러닝 기반의 gre 영상을 활용한 혈전 분류 방법 및 시스템
US10813612B2 (en) 2019-01-25 2020-10-27 Cleerly, Inc. Systems and method of characterizing high risk plaques
EP3948886A4 (en) 2019-04-01 2022-12-21 CathWorks Ltd. METHOD AND DEVICE FOR SELECTING ANGIOGRAPHIC IMAGES
KR102259856B1 (ko) 2019-07-01 2021-06-04 가천대학교 산학협력단 정량적 pet 영상 정밀도 향상을 위한 경동맥 내 방사선 검출 시스템 및 이를 이용한 혈관 내 방사선량 보정 방법
CN114424290B (zh) 2019-08-05 2023-07-25 光实验成像公司 用于提供冠状动脉钙负荷的纵向显示的装置和方法
WO2021026125A1 (en) 2019-08-05 2021-02-11 Elucid Bioimaging Inc. Combined assessment of morphological and perivascular disease markers
US12039685B2 (en) 2019-09-23 2024-07-16 Cathworks Ltd. Methods, apparatus, and system for synchronization between a three-dimensional vascular model and an imaging device
CN112754449B (zh) * 2019-11-05 2024-10-25 西门子医疗股份公司 侧支冠状动脉的评估
KR102310740B1 (ko) * 2019-11-12 2021-10-12 울산대학교 산학협력단 구조화된 혈관 분지 정보에 기초한 의료 시술 히스토리 검색 방법
WO2021140042A1 (en) * 2020-01-06 2021-07-15 Koninklijke Philips N.V. Intraluminal imaging based detection and visualization of intraluminal treatment anomalies
JP2023509514A (ja) 2020-01-07 2023-03-08 クリールリー、 インコーポレーテッド 医用画像分析、診断、重症度分類、意思決定、および／または疾患追跡のためのシステム、方法、およびデバイス
US20220392065A1 (en) 2020-01-07 2022-12-08 Cleerly, Inc. Systems, methods, and devices for medical image analysis, diagnosis, risk stratification, decision making and/or disease tracking
US11969280B2 (en) 2020-01-07 2024-04-30 Cleerly, Inc. Systems, methods, and devices for medical image analysis, diagnosis, risk stratification, decision making and/or disease tracking
US11915834B2 (en) 2020-04-09 2024-02-27 Salesforce, Inc. Efficient volume matching of patients and providers
CN112336361B (zh) * 2020-09-29 2023-10-31 查云飞 一种冠脉检测方法、装置及存储介质
JP7560103B2 (ja) 2020-10-27 2024-10-02 国立大学法人 宮崎大学 内腔の微小変形の検査装置の作動方法および検査装置
CN112801999B (zh) * 2021-02-05 2023-06-23 深圳睿心智能医疗科技有限公司 确定心脏冠脉优势型的方法及装置
CN113408152B (zh) * 2021-07-23 2023-07-25 上海友脉科技有限责任公司 冠脉旁路移植仿真系统、方法、介质及电子设备
CN113476068B (zh) * 2021-07-27 2024-11-01 中山大学附属第八医院（深圳福田） 基于胸部动脉钙化对主要不良心血管事件的预测模型及构建方法
KR102690206B1 (ko) * 2022-02-07 2024-07-31 재단법인 아산사회복지재단 혈관 내 칼슘화된 부위의 탐지를 위한 의료 영상 분석 장치 및 방법
US12144669B2 (en) 2022-03-10 2024-11-19 Cleerly, Inc. Systems, devices, and methods for non-invasive image-based plaque analysis and risk determination
US20230289963A1 (en) 2022-03-10 2023-09-14 Cleerly, Inc. Systems, devices, and methods for non-invasive image-based plaque analysis and risk determination
KR102508226B1 (ko) * 2022-08-12 2023-03-09 주식회사 메디픽셀 심혈관 조영 영상을 이용한 신택스 스코어 산출 방법 및 시스템
CN116919374B (zh) * 2023-07-19 2024-04-12 西安交通大学 颅内动脉瘤及载瘤动脉内血流动力学参数评估方法及系统
CN118098607B (zh) * 2024-04-29 2024-06-28 四川大学 一种冠状动脉供血功能评估方法、系统、设备以及介质

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20110206247A1 (en) * 2001-11-21 2011-08-25 Dachille Frank C Imaging system and methods for cardiac analysis
US20120041318A1 (en) * 2010-08-12 2012-02-16 Heartflow, Inc. Method and system for patient-specific modeling of blood flow

Family Cites Families (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2005001769A2 (en) * 2003-06-25 2005-01-06 Siemens Medical Solutions Usa, Inc. Automated regional myocardial assessment for cardiac imaging
US7912528B2 (en) * 2003-06-25 2011-03-22 Siemens Medical Solutions Usa, Inc. Systems and methods for automated diagnosis and decision support for heart related diseases and conditions
CN1839391A (zh) * 2003-06-25 2006-09-27 美国西门子医疗解决公司 用于乳房成像的自动诊断和决策支持的系统和方法
US20050059894A1 (en) 2003-09-16 2005-03-17 Haishan Zeng Automated endoscopy device, diagnostic method, and uses
WO2006062958A2 (en) * 2004-12-10 2006-06-15 Worcester Polytechnic Institute Image-based computational mechanical analysis and indexing for cardiovascular diseases
JP2008525126A (ja) 2004-12-22 2008-07-17 バイオ−ツリー システムズ， インコーポレイテッド 病気の診断およびモニタリングのための医療画像化方法および装置ならびにその用途
JP5536450B2 (ja) 2006-06-28 2014-07-02 バイオ−ツリー システムズ， インコーポレイテッド ビン方式微小血管密度法、およびその装置
CN201015590Y (zh) * 2007-03-28 2008-02-06 李楚雅 血流储备分数实时连续测量系统
US8666128B2 (en) * 2007-10-18 2014-03-04 The University Of North Carolina At Chapel Hill Methods, systems, and computer readable media for mapping regions in a model of an object comprising an anatomical structure from one image data set to images used in a diagnostic or therapeutic intervention
US9761004B2 (en) * 2008-09-22 2017-09-12 Siemens Healthcare Gmbh Method and system for automatic detection of coronary stenosis in cardiac computed tomography data
US8554490B2 (en) 2009-02-25 2013-10-08 Worcester Polytechnic Institute Automatic vascular model generation based on fluid-structure interactions (FSI)
JP5009391B2 (ja) * 2009-07-03 2012-08-22 富士フイルム株式会社 診断支援装置、診断支援プログラムおよび診断支援方法
US10186056B2 (en) 2011-03-21 2019-01-22 General Electric Company System and method for estimating vascular flow using CT imaging

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20110206247A1 (en) * 2001-11-21 2011-08-25 Dachille Frank C Imaging system and methods for cardiac analysis
US20120041318A1 (en) * 2010-08-12 2012-02-16 Heartflow, Inc. Method and system for patient-specific modeling of blood flow

Also Published As

Publication number Publication date
US11576626B2 (en) 2023-02-14
JP2016500014A (ja) 2016-01-07
JP6820382B2 (ja) 2021-01-27
JP2017140495A (ja) 2017-08-17
JP2019171151A (ja) 2019-10-10
KR102282789B1 (ko) 2021-07-29
KR20150056866A (ko) 2015-05-27
US9675301B2 (en) 2017-06-13
AU2013331213B2 (en) 2016-05-12
US20140303510A1 (en) 2014-10-09
US20230148977A1 (en) 2023-05-18
KR20210094155A (ko) 2021-07-28
CN104736046A (zh) 2015-06-24
EP2908719A1 (en) 2015-08-26
US20140303495A1 (en) 2014-10-09
US9839399B2 (en) 2017-12-12
WO2014062946A1 (en) 2014-04-24
EP2908719B1 (en) 2023-02-15
CN104736046B (zh) 2019-11-26
CA2888098C (en) 2018-08-07
US10456094B2 (en) 2019-10-29
AU2016213696B2 (en) 2017-12-07
US20180049705A1 (en) 2018-02-22
AU2016213696A1 (en) 2016-08-25
JP6553675B2 (ja) 2019-07-31
AU2013331213A1 (en) 2015-05-07
CA2888098A1 (en) 2014-04-24
JP6426612B2 (ja) 2018-11-21
US20200069262A1 (en) 2020-03-05
US20140114618A1 (en) 2014-04-24
KR20160045916A (ko) 2016-04-27
KR101910233B1 (ko) 2018-10-19
US9585623B2 (en) 2017-03-07

Similar Documents

Publication Publication Date Title
US20230148977A1 (en) Systems and methods for numerically evaluating vasculature
JP7235710B2 (ja) 患者固有の幾何学的形状モデルを変更することによって治療を決定する方法及びシステム
JP6656331B2 (ja) シミュレーションの正確度および性能に対する画質評価
US9043191B2 (en) Systems and methods for identifying personalized vascular implants from patient-specific anatomic data

Legal Events

Date Code Title Description
A107 Divisional application of patent
PA0104 Divisional application for international application

Comment text: Divisional Application for International Patent

Patent event code: PA01041R01D

Patent event date: 20210721

Application number text: 1020167009595

Filing date: 20160412

PG1501 Laying open of application
A201 Request for examination
PA0201 Request for examination

Patent event code: PA02012R01D

Patent event date: 20210818

Comment text: Request for Examination of Application

E902 Notification of reason for refusal
PE0902 Notice of grounds for rejection

Comment text: Notification of reason for refusal

Patent event date: 20210827

Patent event code: PE09021S01D

E701 Decision to grant or registration of patent right
PE0701 Decision of registration

Patent event code: PE07011S01D

Comment text: Decision to Grant Registration

Patent event date: 20220223

GRNT Written decision to grant
PR0701 Registration of establishment

Comment text: Registration of Establishment

Patent event date: 20220302

Patent event code: PR07011E01D

PR1002 Payment of registration fee

Payment date: 20220303

End annual number: 3

Start annual number: 1

PG1601 Publication of registration