KR20150070446A - 환자별 혈류 모델링 방법 및 시스템 - Google Patents
환자별 혈류 모델링 방법 및 시스템 Download PDFInfo
- Publication number
- KR20150070446A KR20150070446A KR1020157015549A KR20157015549A KR20150070446A KR 20150070446 A KR20150070446 A KR 20150070446A KR 1020157015549 A KR1020157015549 A KR 1020157015549A KR 20157015549 A KR20157015549 A KR 20157015549A KR 20150070446 A KR20150070446 A KR 20150070446A
- Authority
- KR
- South Korea
- Prior art keywords
- patient
- model
- computer system
- dimensional model
- blood flow
- Prior art date
Links
- 230000017531 blood circulation Effects 0.000 title claims abstract description 251
- 238000000034 method Methods 0.000 title claims description 251
- 210000002216 heart Anatomy 0.000 claims abstract description 56
- 210000004351 coronary vessel Anatomy 0.000 claims description 181
- 230000036772 blood pressure Effects 0.000 claims description 98
- 238000011282 treatment Methods 0.000 claims description 92
- 210000001367 artery Anatomy 0.000 claims description 89
- 210000000709 aorta Anatomy 0.000 claims description 64
- 230000009467 reduction Effects 0.000 claims description 55
- 238000003384 imaging method Methods 0.000 claims description 50
- 210000004204 blood vessel Anatomy 0.000 claims description 45
- 238000004088 simulation Methods 0.000 claims description 39
- 230000008859 change Effects 0.000 claims description 31
- 210000004369 blood Anatomy 0.000 claims description 30
- 239000008280 blood Substances 0.000 claims description 30
- 210000003484 anatomy Anatomy 0.000 claims description 21
- 230000004048 modification Effects 0.000 claims description 5
- 238000012986 modification Methods 0.000 claims description 5
- 210000001015 abdomen Anatomy 0.000 claims description 3
- 210000000038 chest Anatomy 0.000 claims description 2
- 210000003128 head Anatomy 0.000 claims 1
- 210000003739 neck Anatomy 0.000 claims 1
- 230000002526 effect on cardiovascular system Effects 0.000 abstract description 25
- 230000010412 perfusion Effects 0.000 description 95
- 230000002107 myocardial effect Effects 0.000 description 78
- 238000004458 analytical method Methods 0.000 description 71
- 210000004556 brain Anatomy 0.000 description 59
- 230000035882 stress Effects 0.000 description 54
- 239000007787 solid Substances 0.000 description 51
- 230000000747 cardiac effect Effects 0.000 description 44
- 238000007917 intracranial administration Methods 0.000 description 43
- 230000003902 lesion Effects 0.000 description 43
- 239000000243 solution Substances 0.000 description 41
- 230000000004 hemodynamic effect Effects 0.000 description 38
- 230000000694 effects Effects 0.000 description 36
- 210000004165 myocardium Anatomy 0.000 description 36
- 238000010205 computational analysis Methods 0.000 description 31
- 210000001519 tissue Anatomy 0.000 description 25
- 210000005013 brain tissue Anatomy 0.000 description 24
- 238000002059 diagnostic imaging Methods 0.000 description 22
- 230000004962 physiological condition Effects 0.000 description 21
- 208000031481 Pathologic Constriction Diseases 0.000 description 19
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 19
- 230000036262 stenosis Effects 0.000 description 18
- 208000037804 stenosis Diseases 0.000 description 18
- 201000010099 disease Diseases 0.000 description 17
- 210000001627 cerebral artery Anatomy 0.000 description 16
- 230000033001 locomotion Effects 0.000 description 16
- 230000008321 arterial blood flow Effects 0.000 description 14
- 230000003727 cerebral blood flow Effects 0.000 description 14
- 229940079593 drug Drugs 0.000 description 14
- 239000003814 drug Substances 0.000 description 14
- 230000001965 increasing effect Effects 0.000 description 14
- 238000005259 measurement Methods 0.000 description 14
- 238000001228 spectrum Methods 0.000 description 14
- 230000011218 segmentation Effects 0.000 description 13
- 238000001356 surgical procedure Methods 0.000 description 13
- 230000037081 physical activity Effects 0.000 description 12
- 230000008901 benefit Effects 0.000 description 11
- 238000010586 diagram Methods 0.000 description 11
- OIRDTQYFTABQOQ-KQYNXXCUSA-N adenosine Chemical compound C1=NC=2C(N)=NC=NC=2N1[C@@H]1O[C@H](CO)[C@@H](O)[C@H]1O OIRDTQYFTABQOQ-KQYNXXCUSA-N 0.000 description 10
- 238000012552 review Methods 0.000 description 10
- 230000004872 arterial blood pressure Effects 0.000 description 9
- 210000001715 carotid artery Anatomy 0.000 description 9
- 238000002591 computed tomography Methods 0.000 description 9
- 208000029078 coronary artery disease Diseases 0.000 description 9
- 230000006870 function Effects 0.000 description 9
- 238000011144 upstream manufacturing Methods 0.000 description 9
- 206010061818 Disease progression Diseases 0.000 description 8
- 230000005750 disease progression Effects 0.000 description 8
- 210000003743 erythrocyte Anatomy 0.000 description 8
- 230000002792 vascular Effects 0.000 description 8
- 230000002861 ventricular Effects 0.000 description 8
- 208000030514 Leukocyte adhesion deficiency type II Diseases 0.000 description 7
- 230000003190 augmentative effect Effects 0.000 description 7
- 230000003788 cerebral perfusion Effects 0.000 description 7
- 238000011156 evaluation Methods 0.000 description 7
- 239000012530 fluid Substances 0.000 description 7
- 201000008103 leukocyte adhesion deficiency 3 Diseases 0.000 description 7
- 238000002595 magnetic resonance imaging Methods 0.000 description 7
- 230000000877 morphologic effect Effects 0.000 description 7
- 230000000284 resting effect Effects 0.000 description 7
- 238000012360 testing method Methods 0.000 description 7
- 230000001154 acute effect Effects 0.000 description 6
- 230000000704 physical effect Effects 0.000 description 6
- 238000002600 positron emission tomography Methods 0.000 description 6
- 230000002829 reductive effect Effects 0.000 description 6
- 208000024891 symptom Diseases 0.000 description 6
- 238000002560 therapeutic procedure Methods 0.000 description 6
- 210000002385 vertebral artery Anatomy 0.000 description 6
- 201000001320 Atherosclerosis Diseases 0.000 description 5
- 208000037260 Atherosclerotic Plaque Diseases 0.000 description 5
- 239000002126 C01EB10 - Adenosine Substances 0.000 description 5
- 208000032382 Ischaemic stroke Diseases 0.000 description 5
- 208000006011 Stroke Diseases 0.000 description 5
- 229960005305 adenosine Drugs 0.000 description 5
- 230000003416 augmentation Effects 0.000 description 5
- 238000004364 calculation method Methods 0.000 description 5
- 238000004891 communication Methods 0.000 description 5
- 235000001916 dieting Nutrition 0.000 description 5
- 230000037228 dieting effect Effects 0.000 description 5
- 230000010102 embolization Effects 0.000 description 5
- 239000000203 mixture Substances 0.000 description 5
- 208000010125 myocardial infarction Diseases 0.000 description 5
- 239000002245 particle Substances 0.000 description 5
- 230000000541 pulsatile effect Effects 0.000 description 5
- 230000004044 response Effects 0.000 description 5
- 206010002329 Aneurysm Diseases 0.000 description 4
- 206010020565 Hyperaemia Diseases 0.000 description 4
- 206010061876 Obstruction Diseases 0.000 description 4
- 230000009286 beneficial effect Effects 0.000 description 4
- 230000036770 blood supply Effects 0.000 description 4
- 238000004422 calculation algorithm Methods 0.000 description 4
- 230000004087 circulation Effects 0.000 description 4
- 239000003086 colorant Substances 0.000 description 4
- 239000000463 material Substances 0.000 description 4
- 238000007781 pre-processing Methods 0.000 description 4
- 238000011002 quantification Methods 0.000 description 4
- 230000005586 smoking cessation Effects 0.000 description 4
- 210000003462 vein Anatomy 0.000 description 4
- 238000012795 verification Methods 0.000 description 4
- 230000000007 visual effect Effects 0.000 description 4
- 200000000007 Arterial disease Diseases 0.000 description 3
- 206010008479 Chest Pain Diseases 0.000 description 3
- 229940121710 HMGCoA reductase inhibitor Drugs 0.000 description 3
- 235000000177 Indigofera tinctoria Nutrition 0.000 description 3
- 206010028980 Neoplasm Diseases 0.000 description 3
- 208000012902 Nervous system disease Diseases 0.000 description 3
- 208000025966 Neurological disease Diseases 0.000 description 3
- 230000002411 adverse Effects 0.000 description 3
- 238000002583 angiography Methods 0.000 description 3
- 210000002376 aorta thoracic Anatomy 0.000 description 3
- 239000003990 capacitor Substances 0.000 description 3
- 210000000748 cardiovascular system Anatomy 0.000 description 3
- 230000001684 chronic effect Effects 0.000 description 3
- 230000006835 compression Effects 0.000 description 3
- 238000007906 compression Methods 0.000 description 3
- 230000001186 cumulative effect Effects 0.000 description 3
- 230000007423 decrease Effects 0.000 description 3
- 230000009189 diving Effects 0.000 description 3
- 239000002471 hydroxymethylglutaryl coenzyme A reductase inhibitor Substances 0.000 description 3
- 229940097275 indigo Drugs 0.000 description 3
- COHYTHOBJLSHDF-UHFFFAOYSA-N indigo powder Natural products N1C2=CC=CC=C2C(=O)C1=C1C(=O)C2=CC=CC=C2N1 COHYTHOBJLSHDF-UHFFFAOYSA-N 0.000 description 3
- 230000001939 inductive effect Effects 0.000 description 3
- 238000001990 intravenous administration Methods 0.000 description 3
- 230000002093 peripheral effect Effects 0.000 description 3
- 230000009894 physiological stress Effects 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 230000003595 spectral effect Effects 0.000 description 3
- 238000011477 surgical intervention Methods 0.000 description 3
- 206010042772 syncope Diseases 0.000 description 3
- 238000002604 ultrasonography Methods 0.000 description 3
- 210000005166 vasculature Anatomy 0.000 description 3
- 208000024827 Alzheimer disease Diseases 0.000 description 2
- 208000031104 Arterial Occlusive disease Diseases 0.000 description 2
- 208000036632 Brain mass Diseases 0.000 description 2
- 206010020772 Hypertension Diseases 0.000 description 2
- 208000001953 Hypotension Diseases 0.000 description 2
- 208000021328 arterial occlusion Diseases 0.000 description 2
- 238000003556 assay Methods 0.000 description 2
- 230000002567 autonomic effect Effects 0.000 description 2
- 238000005452 bending Methods 0.000 description 2
- 230000015572 biosynthetic process Effects 0.000 description 2
- 230000002490 cerebral effect Effects 0.000 description 2
- 239000002872 contrast media Substances 0.000 description 2
- 206010012601 diabetes mellitus Diseases 0.000 description 2
- 238000003745 diagnosis Methods 0.000 description 2
- 238000002405 diagnostic procedure Methods 0.000 description 2
- 230000035487 diastolic blood pressure Effects 0.000 description 2
- 230000003205 diastolic effect Effects 0.000 description 2
- 235000005911 diet Nutrition 0.000 description 2
- 230000037213 diet Effects 0.000 description 2
- 235000021045 dietary change Nutrition 0.000 description 2
- 238000009792 diffusion process Methods 0.000 description 2
- 208000035475 disorder Diseases 0.000 description 2
- 230000005059 dormancy Effects 0.000 description 2
- 230000002169 extracardiac Effects 0.000 description 2
- 239000012634 fragment Substances 0.000 description 2
- 238000002599 functional magnetic resonance imaging Methods 0.000 description 2
- 210000005003 heart tissue Anatomy 0.000 description 2
- 238000005534 hematocrit Methods 0.000 description 2
- 230000036543 hypotension Effects 0.000 description 2
- 208000014674 injury Diseases 0.000 description 2
- 238000003780 insertion Methods 0.000 description 2
- 230000037431 insertion Effects 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 208000028867 ischemia Diseases 0.000 description 2
- 210000003734 kidney Anatomy 0.000 description 2
- 230000008338 local blood flow Effects 0.000 description 2
- QSHDDOUJBYECFT-UHFFFAOYSA-N mercury Chemical compound [Hg] QSHDDOUJBYECFT-UHFFFAOYSA-N 0.000 description 2
- 229910052753 mercury Inorganic materials 0.000 description 2
- 230000002746 orthostatic effect Effects 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 210000001147 pulmonary artery Anatomy 0.000 description 2
- 230000035485 pulse pressure Effects 0.000 description 2
- 210000003625 skull Anatomy 0.000 description 2
- 230000035488 systolic blood pressure Effects 0.000 description 2
- 230000001225 therapeutic effect Effects 0.000 description 2
- 238000013334 tissue model Methods 0.000 description 2
- 230000009466 transformation Effects 0.000 description 2
- 230000008733 trauma Effects 0.000 description 2
- 230000025033 vasoconstriction Effects 0.000 description 2
- 206010002388 Angina unstable Diseases 0.000 description 1
- 208000022211 Arteriovenous Malformations Diseases 0.000 description 1
- OYPRJOBELJOOCE-UHFFFAOYSA-N Calcium Chemical compound [Ca] OYPRJOBELJOOCE-UHFFFAOYSA-N 0.000 description 1
- 208000024172 Cardiovascular disease Diseases 0.000 description 1
- 208000032170 Congenital Abnormalities Diseases 0.000 description 1
- 208000005189 Embolism Diseases 0.000 description 1
- 206010048554 Endothelial dysfunction Diseases 0.000 description 1
- 206010016173 Fall Diseases 0.000 description 1
- 206010019196 Head injury Diseases 0.000 description 1
- 208000016988 Hemorrhagic Stroke Diseases 0.000 description 1
- 201000008450 Intracranial aneurysm Diseases 0.000 description 1
- 208000018737 Parkinson disease Diseases 0.000 description 1
- 206010034719 Personality change Diseases 0.000 description 1
- 208000007718 Stable Angina Diseases 0.000 description 1
- 208000032109 Transient ischaemic attack Diseases 0.000 description 1
- 208000003443 Unconsciousness Diseases 0.000 description 1
- 208000007814 Unstable Angina Diseases 0.000 description 1
- 206010047139 Vasoconstriction Diseases 0.000 description 1
- 206010047141 Vasodilatation Diseases 0.000 description 1
- 230000003187 abdominal effect Effects 0.000 description 1
- 230000002159 abnormal effect Effects 0.000 description 1
- 230000001133 acceleration Effects 0.000 description 1
- 239000002253 acid Substances 0.000 description 1
- 230000004075 alteration Effects 0.000 description 1
- 208000007502 anemia Diseases 0.000 description 1
- 230000003276 anti-hypertensive effect Effects 0.000 description 1
- 210000000702 aorta abdominal Anatomy 0.000 description 1
- 230000005744 arteriovenous malformation Effects 0.000 description 1
- 230000003143 atherosclerotic effect Effects 0.000 description 1
- 238000001574 biopsy Methods 0.000 description 1
- 238000009534 blood test Methods 0.000 description 1
- 230000037396 body weight Effects 0.000 description 1
- 210000002302 brachial artery Anatomy 0.000 description 1
- 239000011575 calcium Substances 0.000 description 1
- 229910052791 calcium Inorganic materials 0.000 description 1
- 201000011510 cancer Diseases 0.000 description 1
- 210000000269 carotid artery external Anatomy 0.000 description 1
- 210000004004 carotid artery internal Anatomy 0.000 description 1
- 238000013172 carotid endarterectomy Methods 0.000 description 1
- 230000015556 catabolic process Effects 0.000 description 1
- 210000000275 circle of willis Anatomy 0.000 description 1
- 230000009514 concussion Effects 0.000 description 1
- 238000012790 confirmation Methods 0.000 description 1
- 229940039231 contrast media Drugs 0.000 description 1
- 238000002586 coronary angiography Methods 0.000 description 1
- 230000008878 coupling Effects 0.000 description 1
- 238000010168 coupling process Methods 0.000 description 1
- 238000005859 coupling reaction Methods 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 230000006735 deficit Effects 0.000 description 1
- 238000006731 degradation reaction Methods 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000009795 derivation Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 230000010339 dilation Effects 0.000 description 1
- 238000002592 echocardiography Methods 0.000 description 1
- 230000008694 endothelial dysfunction Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000001747 exhibiting effect Effects 0.000 description 1
- 238000009499 grossing Methods 0.000 description 1
- 230000003760 hair shine Effects 0.000 description 1
- 201000010536 head and neck cancer Diseases 0.000 description 1
- 208000014829 head and neck neoplasm Diseases 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000001802 infusion Methods 0.000 description 1
- 229910052500 inorganic mineral Inorganic materials 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- 201000004332 intermediate coronary syndrome Diseases 0.000 description 1
- 208000020658 intracerebral hemorrhage Diseases 0.000 description 1
- 208000015732 intracranial arterial disease Diseases 0.000 description 1
- 238000010253 intravenous injection Methods 0.000 description 1
- 210000005240 left ventricle Anatomy 0.000 description 1
- 230000036210 malignancy Effects 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000013160 medical therapy Methods 0.000 description 1
- 230000010060 microvascular dysfunction Effects 0.000 description 1
- 239000011707 mineral Substances 0.000 description 1
- 230000003387 muscular Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 210000000056 organ Anatomy 0.000 description 1
- 230000036961 partial effect Effects 0.000 description 1
- 230000037361 pathway Effects 0.000 description 1
- 238000013146 percutaneous coronary intervention Methods 0.000 description 1
- 230000003864 performance function Effects 0.000 description 1
- 210000003800 pharynx Anatomy 0.000 description 1
- 210000002826 placenta Anatomy 0.000 description 1
- 239000000955 prescription drug Substances 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 230000002685 pulmonary effect Effects 0.000 description 1
- 230000007115 recruitment Effects 0.000 description 1
- 230000011514 reflex Effects 0.000 description 1
- 230000008439 repair process Effects 0.000 description 1
- 210000005241 right ventricle Anatomy 0.000 description 1
- 238000012502 risk assessment Methods 0.000 description 1
- 231100000241 scar Toxicity 0.000 description 1
- 230000037390 scarring Effects 0.000 description 1
- 238000004904 shortening Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 230000000638 stimulation Effects 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
- 210000001042 thoracic artery Anatomy 0.000 description 1
- 238000003325 tomography Methods 0.000 description 1
- 201000010875 transient cerebral ischemia Diseases 0.000 description 1
- 230000001052 transient effect Effects 0.000 description 1
- 238000009966 trimming Methods 0.000 description 1
- 210000000689 upper leg Anatomy 0.000 description 1
- 230000000304 vasodilatating effect Effects 0.000 description 1
- 230000024883 vasodilation Effects 0.000 description 1
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 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
- A61B5/029—Measuring or recording blood output from the heart, e.g. minute volume
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B34/00—Computer-aided surgery; Manipulators or robots specially adapted for use in surgery
- A61B34/10—Computer-aided planning, simulation or modelling of surgical operations
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B34/00—Computer-aided surgery; Manipulators or robots specially adapted for use in surgery
- A61B34/25—User interfaces for surgical systems
-
- 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
- A61B5/0035—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 adapted for acquisition of images from more than one imaging mode, e.g. combining MRI and optical tomography
-
- 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
- A61B5/004—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 adapted for image acquisition of a particular organ or body part
-
- 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
- A61B5/004—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 adapted for image acquisition of a particular organ or body part
- A61B5/0044—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 adapted for image acquisition of 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
- A61B5/02—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
-
- 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
-
- 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
- A61B5/02028—Determining haemodynamic parameters not otherwise provided for, e.g. cardiac contractility or left ventricular ejection fraction
-
- 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
- A61B5/021—Measuring pressure in heart or blood vessels
-
- 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
- A61B5/024—Detecting, measuring or recording pulse rate or heart rate
-
- 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
-
- 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
- A61B5/0263—Measuring blood flow using NMR
-
- 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
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/103—Detecting, measuring or recording devices for testing the shape, pattern, colour, size or movement of the body or parts thereof, for diagnostic purposes
- A61B5/107—Measuring physical dimensions, e.g. size of the entire body or parts thereof
- A61B5/1075—Measuring physical dimensions, e.g. size of the entire body or parts thereof for measuring dimensions by non-invasive methods, e.g. for determining thickness of tissue layer
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/103—Detecting, measuring or recording devices for testing the shape, pattern, colour, size or movement of the body or parts thereof, for diagnostic purposes
- A61B5/11—Measuring movement of the entire body or parts thereof, e.g. head or hand tremor, mobility of a limb
- A61B5/1118—Determining activity level
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/22—Ergometry; Measuring muscular strength or the force of a muscular blow
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/48—Other medical applications
- A61B5/4848—Monitoring or testing the effects of treatment, e.g. of medication
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/68—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient
- A61B5/6846—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient specially adapted to be brought in contact with an internal body part, i.e. invasive
- A61B5/6847—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient specially adapted to be brought in contact with an internal body part, i.e. invasive mounted on an invasive device
- A61B5/6852—Catheters
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
- A61B5/7235—Details of waveform analysis
- A61B5/7246—Details of waveform analysis using correlation, e.g. template matching or determination of similarity
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
- A61B5/7271—Specific aspects of physiological measurement analysis
- A61B5/7275—Determining trends in physiological measurement data; Predicting development of a medical condition based on physiological measurements, e.g. determining a risk factor
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
- A61B5/7271—Specific aspects of physiological measurement analysis
- A61B5/7278—Artificial waveform generation or derivation, e.g. synthesising signals from measured signals
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/74—Details of notification to user or communication with user or patient ; user input means
- A61B5/742—Details of notification to user or communication with user or patient ; user input means using visual displays
- A61B5/745—Details of notification to user or communication with user or patient ; user input means using visual displays using a holographic display
-
- 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
- A61B6/02—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
- A61B6/503—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 the heart
-
- 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
- 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
-
- 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
- A61B6/5211—Devices using data or image processing specially adapted for radiation diagnosis involving processing of medical diagnostic data
- A61B6/5217—Devices using data or image processing specially adapted for radiation diagnosis involving processing of medical diagnostic data extracting a diagnostic or physiological parameter from medical diagnostic data
-
- 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
- A61B6/5211—Devices using data or image processing specially adapted for radiation diagnosis involving processing of medical diagnostic data
- A61B6/5229—Devices using data or image processing specially adapted for radiation diagnosis involving processing of medical diagnostic data combining image data of a patient, e.g. combining a functional image with an anatomical image
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B8/00—Diagnosis using ultrasonic, sonic or infrasonic waves
- A61B8/02—Measuring pulse or heart rate
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B8/00—Diagnosis using ultrasonic, sonic or infrasonic waves
- A61B8/04—Measuring blood pressure
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B8/00—Diagnosis using ultrasonic, sonic or infrasonic waves
- A61B8/06—Measuring blood flow
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B8/00—Diagnosis using ultrasonic, sonic or infrasonic waves
- A61B8/06—Measuring blood flow
- A61B8/065—Measuring blood flow to determine blood output from the heart
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B8/00—Diagnosis using ultrasonic, sonic or infrasonic waves
- A61B8/48—Diagnostic techniques
- A61B8/481—Diagnostic techniques involving the use of contrast agent, e.g. microbubbles introduced into the bloodstream
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B8/00—Diagnosis using ultrasonic, sonic or infrasonic waves
- A61B8/52—Devices using data or image processing specially adapted for diagnosis using ultrasonic, sonic or infrasonic waves
- A61B8/5215—Devices using data or image processing specially adapted for diagnosis using ultrasonic, sonic or infrasonic waves involving processing of medical diagnostic data
- A61B8/5223—Devices using data or image processing specially adapted for diagnosis using ultrasonic, sonic or infrasonic waves involving processing of medical diagnostic data for extracting a diagnostic or physiological parameter from medical diagnostic data
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B8/00—Diagnosis using ultrasonic, sonic or infrasonic waves
- A61B8/52—Devices using data or image processing specially adapted for diagnosis using ultrasonic, sonic or infrasonic waves
- A61B8/5215—Devices using data or image processing specially adapted for diagnosis using ultrasonic, sonic or infrasonic waves involving processing of medical diagnostic data
- A61B8/5238—Devices using data or image processing specially adapted for diagnosis using ultrasonic, sonic or infrasonic waves involving processing of medical diagnostic data for combining image data of patient, e.g. merging several images from different acquisition modes into one image
- A61B8/5261—Devices using data or image processing specially adapted for diagnosis using ultrasonic, sonic or infrasonic waves involving processing of medical diagnostic data for combining image data of patient, e.g. merging several images from different acquisition modes into one image combining images from different diagnostic modalities, e.g. ultrasound and X-ray
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61M—DEVICES FOR INTRODUCING MEDIA INTO, OR ONTO, THE BODY; DEVICES FOR TRANSDUCING BODY MEDIA OR FOR TAKING MEDIA FROM THE BODY; DEVICES FOR PRODUCING OR ENDING SLEEP OR STUPOR
- A61M5/00—Devices for bringing media into the body in a subcutaneous, intra-vascular or intramuscular way; Accessories therefor, e.g. filling or cleaning devices, arm-rests
- A61M5/007—Devices for bringing media into the body in a subcutaneous, intra-vascular or intramuscular way; Accessories therefor, e.g. filling or cleaning devices, arm-rests for contrast media
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R33/00—Arrangements or instruments for measuring magnetic variables
- G01R33/20—Arrangements or instruments for measuring magnetic variables involving magnetic resonance
- G01R33/44—Arrangements or instruments for measuring magnetic variables involving magnetic resonance using nuclear magnetic resonance [NMR]
- G01R33/48—NMR imaging systems
- G01R33/54—Signal processing systems, e.g. using pulse sequences ; Generation or control of pulse sequences; Operator console
- G01R33/56—Image enhancement or correction, e.g. subtraction or averaging techniques, e.g. improvement of signal-to-noise ratio and resolution
- G01R33/5601—Image enhancement or correction, e.g. subtraction or averaging techniques, e.g. improvement of signal-to-noise ratio and resolution involving use of a contrast agent for contrast manipulation, e.g. a paramagnetic, super-paramagnetic, ferromagnetic or hyperpolarised contrast agent
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R33/00—Arrangements or instruments for measuring magnetic variables
- G01R33/20—Arrangements or instruments for measuring magnetic variables involving magnetic resonance
- G01R33/44—Arrangements or instruments for measuring magnetic variables involving magnetic resonance using nuclear magnetic resonance [NMR]
- G01R33/48—NMR imaging systems
- G01R33/54—Signal processing systems, e.g. using pulse sequences ; Generation or control of pulse sequences; Operator console
- G01R33/56—Image enhancement or correction, e.g. subtraction or averaging techniques, e.g. improvement of signal-to-noise ratio and resolution
- G01R33/563—Image enhancement or correction, e.g. subtraction or averaging techniques, e.g. improvement of signal-to-noise ratio and resolution of moving material, e.g. flow contrast angiography
- G01R33/5635—Angiography, e.g. contrast-enhanced angiography [CE-MRA] or time-of-flight angiography [TOF-MRA]
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R33/00—Arrangements or instruments for measuring magnetic variables
- G01R33/20—Arrangements or instruments for measuring magnetic variables involving magnetic resonance
- G01R33/44—Arrangements or instruments for measuring magnetic variables involving magnetic resonance using nuclear magnetic resonance [NMR]
- G01R33/48—NMR imaging systems
- G01R33/54—Signal processing systems, e.g. using pulse sequences ; Generation or control of pulse sequences; Operator console
- G01R33/56—Image enhancement or correction, e.g. subtraction or averaging techniques, e.g. improvement of signal-to-noise ratio and resolution
- G01R33/563—Image enhancement or correction, e.g. subtraction or averaging techniques, e.g. improvement of signal-to-noise ratio and resolution of moving material, e.g. flow contrast angiography
- G01R33/56366—Perfusion imaging
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/22—Matching criteria, e.g. proximity measures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
-
- G06F19/26—
-
- G06F19/3437—
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
- G06F30/23—Design optimisation, verification or simulation using finite element methods [FEM] or finite difference methods [FDM]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
- G06F30/28—Design optimisation, verification or simulation using fluid dynamics, e.g. using Navier-Stokes equations or computational fluid dynamics [CFD]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06G—ANALOGUE COMPUTERS
- G06G7/00—Devices in which the computing operation is performed by varying electric or magnetic quantities
- G06G7/48—Analogue computers for specific processes, systems or devices, e.g. simulators
- G06G7/60—Analogue computers for specific processes, systems or devices, e.g. simulators for living beings, e.g. their nervous systems ; for problems in the medical field
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T11/00—2D [Two Dimensional] image generation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T11/00—2D [Two Dimensional] image generation
- G06T11/001—Texturing; Colouring; Generation of texture or colour
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T11/00—2D [Two Dimensional] image generation
- G06T11/003—Reconstruction from projections, e.g. tomography
- G06T11/008—Specific post-processing after tomographic reconstruction, e.g. voxelisation, metal artifact correction
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T11/00—2D [Two Dimensional] image generation
- G06T11/20—Drawing from basic elements, e.g. lines or circles
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T11/00—2D [Two Dimensional] image generation
- G06T11/60—Editing figures and text; Combining figures or text
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T15/00—3D [Three Dimensional] image rendering
- G06T15/10—Geometric effects
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
- G06T17/005—Tree description, e.g. octree, quadtree
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
- G06T17/20—Finite element generation, e.g. wire-frame surface description, tesselation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
- G06T7/0012—Biomedical image inspection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
- G06T7/0012—Biomedical image inspection
- G06T7/0014—Biomedical image inspection using an image reference approach
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/11—Region-based segmentation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/12—Edge-based segmentation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/13—Edge detection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/149—Segmentation; Edge detection involving deformable models, e.g. active contour models
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/20—Analysis of motion
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/60—Analysis of geometric attributes
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/60—Analysis of geometric attributes
- G06T7/62—Analysis of geometric attributes of area, perimeter, diameter or volume
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/70—Determining position or orientation of objects or cameras
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/70—Determining position or orientation of objects or cameras
- G06T7/73—Determining position or orientation of objects or cameras using feature-based methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/70—Determining position or orientation of objects or cameras
- G06T7/73—Determining position or orientation of objects or cameras using feature-based methods
- G06T7/74—Determining position or orientation of objects or cameras using feature-based methods involving reference images or patches
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/42—Global feature extraction by analysis of the whole pattern, e.g. using frequency domain transformations or autocorrelation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/44—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/764—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using classification, e.g. of video objects
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/60—Type of objects
- G06V20/64—Three-dimensional objects
- G06V20/653—Three-dimensional objects by matching three-dimensional models, e.g. conformal mapping of Riemann surfaces
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/60—Type of objects
- G06V20/69—Microscopic objects, e.g. biological cells or cellular parts
- G06V20/698—Matching; Classification
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16B—BIOINFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR GENETIC OR PROTEIN-RELATED DATA PROCESSING IN COMPUTATIONAL MOLECULAR BIOLOGY
- G16B45/00—ICT specially adapted for bioinformatics-related data visualisation, e.g. displaying of maps or networks
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16B—BIOINFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR GENETIC OR PROTEIN-RELATED DATA PROCESSING IN COMPUTATIONAL MOLECULAR BIOLOGY
- G16B5/00—ICT specially adapted for modelling or simulations in systems biology, e.g. gene-regulatory networks, protein interaction networks or metabolic networks
-
- 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
- G16H10/00—ICT specially adapted for the handling or processing of patient-related medical or healthcare data
- G16H10/40—ICT specially adapted for the handling or processing of patient-related medical or healthcare data for data related to laboratory analysis, e.g. patient specimen analysis
-
- 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
- G16H10/00—ICT specially adapted for the handling or processing of patient-related medical or healthcare data
- G16H10/60—ICT specially adapted for the handling or processing of patient-related medical or healthcare data for patient-specific data, e.g. for electronic patient records
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H30/00—ICT specially adapted for the handling or processing of medical images
- G16H30/20—ICT specially adapted for the handling or processing of medical images for handling medical images, e.g. DICOM, HL7 or PACS
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H30/00—ICT specially adapted for the handling or processing of medical images
- G16H30/40—ICT specially adapted for the handling or processing of medical images for processing medical images, e.g. editing
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
- G16H50/20—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for computer-aided diagnosis, e.g. based on medical expert systems
-
- 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
-
- 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
-
- 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
- G16H50/70—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for mining of medical data, e.g. analysing previous cases of other patients
-
- 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
- G16H70/00—ICT specially adapted for the handling or processing of medical references
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B34/00—Computer-aided surgery; Manipulators or robots specially adapted for use in surgery
- A61B34/10—Computer-aided planning, simulation or modelling of surgical operations
- A61B2034/101—Computer-aided simulation of surgical operations
- A61B2034/102—Modelling of surgical devices, implants or prosthesis
- A61B2034/104—Modelling the effect of the tool, e.g. the effect of an implanted prosthesis or for predicting the effect of ablation or burring
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B34/00—Computer-aided surgery; Manipulators or robots specially adapted for use in surgery
- A61B34/10—Computer-aided planning, simulation or modelling of surgical operations
- A61B2034/101—Computer-aided simulation of surgical operations
- A61B2034/105—Modelling of the patient, e.g. for ligaments or bones
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B34/00—Computer-aided surgery; Manipulators or robots specially adapted for use in surgery
- A61B34/10—Computer-aided planning, simulation or modelling of surgical operations
- A61B2034/107—Visualisation of planned trajectories or target regions
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B34/00—Computer-aided surgery; Manipulators or robots specially adapted for use in surgery
- A61B34/10—Computer-aided planning, simulation or modelling of surgical operations
- A61B2034/108—Computer aided selection or customisation of medical implants or cutting guides
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B90/00—Instruments, implements or accessories specially adapted for surgery or diagnosis and not covered by any of the groups A61B1/00 - A61B50/00, e.g. for luxation treatment or for protecting wound edges
- A61B90/36—Image-producing devices or illumination devices not otherwise provided for
- A61B90/37—Surgical systems with images on a monitor during operation
- A61B2090/374—NMR or MRI
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B90/00—Instruments, implements or accessories specially adapted for surgery or diagnosis and not covered by any of the groups A61B1/00 - A61B50/00, e.g. for luxation treatment or for protecting wound edges
- A61B90/36—Image-producing devices or illumination devices not otherwise provided for
- A61B90/37—Surgical systems with images on a monitor during operation
- A61B2090/376—Surgical systems with images on a monitor during operation using X-rays, e.g. fluoroscopy
- A61B2090/3762—Surgical systems with images on a monitor during operation using X-rays, e.g. fluoroscopy using computed tomography systems [CT]
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B90/00—Instruments, implements or accessories specially adapted for surgery or diagnosis and not covered by any of the groups A61B1/00 - A61B50/00, e.g. for luxation treatment or for protecting wound edges
- A61B90/36—Image-producing devices or illumination devices not otherwise provided for
- A61B90/37—Surgical systems with images on a monitor during operation
- A61B2090/376—Surgical systems with images on a monitor during operation using X-rays, e.g. fluoroscopy
- A61B2090/3762—Surgical systems with images on a monitor during operation using X-rays, e.g. fluoroscopy using computed tomography systems [CT]
- A61B2090/3764—Surgical systems with images on a monitor during operation using X-rays, e.g. fluoroscopy using computed tomography systems [CT] with a rotating C-arm having a cone beam emitting source
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B2576/00—Medical imaging apparatus involving image processing or analysis
-
- 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
- A61B5/68—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient
- A61B5/6846—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient specially adapted to be brought in contact with an internal body part, i.e. invasive
- A61B5/6867—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient specially adapted to be brought in contact with an internal body part, i.e. invasive specially adapted to be attached or implanted in a specific body part
- A61B5/6868—Brain
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2200/00—Indexing scheme for image data processing or generation, in general
- G06T2200/04—Indexing scheme for image data processing or generation, in general involving 3D image data
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10004—Still image; Photographic image
- G06T2207/10012—Stereo images
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10072—Tomographic images
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10072—Tomographic images
- G06T2207/10081—Computed x-ray tomography [CT]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10072—Tomographic images
- G06T2207/10088—Magnetic resonance imaging [MRI]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10072—Tomographic images
- G06T2207/10104—Positron emission tomography [PET]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10072—Tomographic images
- G06T2207/10108—Single photon emission computed tomography [SPECT]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20036—Morphological image processing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20112—Image segmentation details
- G06T2207/20124—Active shape model [ASM]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30004—Biomedical image processing
- G06T2207/30016—Brain
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30004—Biomedical image processing
- G06T2207/30048—Heart; Cardiac
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30004—Biomedical image processing
- G06T2207/30101—Blood vessel; Artery; Vein; Vascular
- G06T2207/30104—Vascular flow; Blood flow; Perfusion
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2210/00—Indexing scheme for image generation or computer graphics
- G06T2210/41—Medical
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2211/00—Image generation
- G06T2211/40—Computed tomography
- G06T2211/404—Angiography
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/46—Descriptors for shape, contour or point-related descriptors, e.g. scale invariant feature transform [SIFT] or bags of words [BoW]; Salient regional features
- G06V10/467—Encoded features or binary features, e.g. local binary patterns [LBP]
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
- Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation
Landscapes
- Health & Medical Sciences (AREA)
- Engineering & Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Physics & Mathematics (AREA)
- Medical Informatics (AREA)
- General Health & Medical Sciences (AREA)
- Public Health (AREA)
- Biomedical Technology (AREA)
- Surgery (AREA)
- Pathology (AREA)
- Molecular Biology (AREA)
- Heart & Thoracic Surgery (AREA)
- Animal Behavior & Ethology (AREA)
- Veterinary Medicine (AREA)
- Biophysics (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Radiology & Medical Imaging (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Cardiology (AREA)
- Physiology (AREA)
- High Energy & Nuclear Physics (AREA)
- Optics & Photonics (AREA)
- Hematology (AREA)
- Epidemiology (AREA)
- Primary Health Care (AREA)
- Data Mining & Analysis (AREA)
- Dentistry (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Vascular Medicine (AREA)
- Geometry (AREA)
- Databases & Information Systems (AREA)
- Signal Processing (AREA)
- Artificial Intelligence (AREA)
- Software Systems (AREA)
- Multimedia (AREA)
- Psychiatry (AREA)
- General Engineering & Computer Science (AREA)
- Bioinformatics & Cheminformatics (AREA)
Abstract
본 발명의 환자의 심혈관 정보를 결정하기 위한 시스템에 관한 것으로, 상기 시스템은 적어도 하나의 컴퓨터 시스템을 포함하며, 상기 적어도 하나의 컴퓨터 시스템은, 환자 심장의 기하 형태에 관한 환자별 데이터를 수신하도록 구성되고, 환자별 데이터에 기초하여 환자 심장의 적어도 일부분을 나타내는 3차원 모델을 생성하도록 구성되며, 환자 심장의 혈류 특성에 관한 물리학-기반 모델을 생성하도록 구성되고, 상기 3차원 모델 및 물리학-기반 모델에 기초하여 상기 환자 심장 내의 분획 혈류 예비력(FFR: Fractional Flow Reserve)을 결정하도록 구성된다.
Description
우선권
본 출원은 2010년 8월 12일자 미국특허가출원 제61/401,462호, 2010년 8월 20일자 미국특허가출원 제61/401,915호, 2010년 8월 26일자 미국특허가출원 제61/402,308호, 2010년 8월 27일자 미국특허가출원 제61/402,345호, 및 2010년 10월 1일자 미국특허가출원 제61/404,429호로부터 우선권을 주장하고, 그 전체 내용은 본 발명에 참고자료로 포함된다.
기술분야
실시예는 유체 유동 모델링 방법 및 시스템을 포함하고, 특히, 혈류의 환자별 모델링 방법 및 시스템을 포함한다.
관상 동맥 질환은 협착증(혈관이 비정상적으로 좁아지는 질환)과 같은, 심장에 혈액을 제공하는 혈관 내에 관상 동맥 병변을 생성할 수 있다. 그 결과, 심장으로의 혈류가 제한될 수 있다. 관상 동맥 질환으로 고통받는 환자는 환자가 휴식 상태일 때 불안정형 협심증, 또는, 심한 운동 중 만성 안정형 협심증으로 불리는 가슴통증을 느낄 수 있다. 더 심한 증상의 징후는 심근경색증, 또는 심장 마비를 야기할 수 있다.
관상 동맥 병변에 관한 더욱 정확한 데이터, 예를 들어, 크기, 형상, 위치, 기능적 중요도(가령, 병변이 혈류에 영향을 미치는지 여부), 등을 제공할 필요가 있다. 가슴 통증으로 고통받거나 및/또는 관상 동맥 질환의 증상을 나타내는 환자는 환자는, 관상 동맥 병변에 관한 일부 간접적 증거를 제공할 수 있는 하나 이상의 검사를 받을 수 있다. 예를 들어, 비침습성 검사는 심전도, 혈액 검사로부터의 생체진단지표 평가, 운동부하 심전도 검사(treadmill test), SPECT(Single Positron Emission Computed Tomography), PET(Positron Emission Tomography)를 포함할 수 있다. 그러나, 이러한 비침습성 검사는 관상 동맥 병변의 직접적 평가를 제공하지 못하거나, 혈류 속도를 평가하지 못한다. 이러한 비침습성 검사는 (가령, 심전도그래프(ECG)를 이용한) 심장의 전기 활동 변화, (가령, 부하 심초음파를 이용한) 심근 운동, (가령, PET 또는 SPECT를 이용한) 심근 관류, 또는, (가령, 생체 진단 지표를 이용한) 대사 변화를 살펴봄으로써 관상 동맥 병변의 간접적 증거를 제공할 수 있다.
예를 들어, CCTA(Coronary Computed Tomographic Angiography)를 이용하여 비침습성으로 신체 데이터를 얻을 수 있다. CCTA는 가슴 통증을 가진 환자의 이미징을 위해 사용될 수 있고, 조영제(contrast agent)의 정맥내 주입에 이어 심장 및 관상 동맥을 이미징하기 위해 CT(Computed Tomography) 기술의 이용을 포함한다. 그러나, CCTA는 관상 동맥 병변의 기능적 중요도에 대한 직접적 정보(예를 들어, 병변이 혈류에 영향을 미치는지 여부)를 역시 제공할 수 없다. 추가적으로, CCTA가 순수한 진단적 검사이기 때문에, 다른 생리학적 상태(가령, 운동 중) 하에서 심근 관류, 압력, 또는 관상 동맥 혈류의 변화를 예측할 수 없고, 인터벤션의 결과를 예측하는 데도 사용될 수 없다.
따라서, 환자는 관상 동맥 병변을 시각화하기 위해, 진단형 심장 카테터법(cardiac catheterization)과 같은 비침습성 검사를 또한 요구할 수 있다. 진단 심장 카테터법은 동맥의 크기 및 형상의 이미지를 의사에게 제공함으로써 관상 동맥 병변에 대한 (해부학적) 신체 데이터를 수집하기 위해 CCA(Conventional Coronary Angiography)를 실행하는 과정을 포함할 수 있다. 그러나, CCA는 관상 동맥 병변의 기능적 중요도를 평하기 위한 데이터를 제공하지 않는다. 예를 들어, 의사는 이러한 병변이 기능적으로 중요한지 여부를 결정하지 않으면서 관상 동맥 병변이 인체에 해로운지 여부를 진단하지 못할 수 있다. 따라서, CCA는 이러한 병변이 기능적으로 중요한 지 여부에 관계없이, CCA를 이용하여 발견한 모든 병변에 대해 스텐트 삽입을 위해 일부 인터벤션 심장병 전문의의 "오쿨로스테노틱 리플렉스"(oculostenotic reflex)로 불리는 현상을 유도한다. 그 결과, CCA는 환자에 대한 불필요한 수술을 야기할 수 있고, 이는 환자의 위험도를 높이고, 불필요한 치료 비용을 환자에게 안길 수 있다.
진단적 심장 카테터법 시술 중, 관상 동맥 병변의 기능적 중요도는 관측되는 병변의 심근 분획 혈류 예비력(FFR)을 측정함으로써 비침습성으로 평가될 수 있다. FFR은 예를 들어, 아데노신의 정맥 주사에 의해 유도되는, 관상 혈류 증가 조건 하에 대동맥 혈압과 같은, 병변 하류의 평균 혈압을 병변으로부터 상류의 평균 혈압으로 나눈 값의 비로 규정된다. 혈압은 환자 내로 압력 철선(pressure wire)을 삽입함으로써 측정될 수 있다. 따라서, 결정된 FFR에 기초하여 병변 치료 결정은, 진단적 심장 카테터법의 초기 비용 및 위험이 이미 발생된 후에야 이루어질 수 있다.
따라서, 관상 해부학, 심근 관류, 및 관상 동맥 혈류를 비침습성으로 평가하기 위한 방법이 필요하다. 이러한 방법 및 시스템은 관상 동맥 질환이 의심되는 환자를 진단하고 치료를 계획하는 심장병 전문의에게 유익할 수 있다. 추가적으로, 직접 측정될 수 없는 조건 하에(가령, 운동 중일 때) 관상 동맥 혈류 및 심근 관류를 예측하고, 그리고, 관상 동맥 혈류 및 심근 관류에 대한 내과적, 인터벤션-방식, 및 외과적 치료의 결과를 예측하기 위한 방법이 필요하다.
전술한 일반적 설명 및 다음의 상세한 설명 모두는 예시적이고 설명을 위한 것임에 지나지 않고 발명을 제한하고자 하는 것이 아니다.
일 실시예에 따르면, 환자의 심혈관 정보를 결정하기 위한 시스템은 적어도 하나의 컴퓨터 시스템을 포함하며, 상기 적어도 하나의 컴퓨터 시스템은, 환자 심장의 기하 형태에 관한 환자별 데이터를 수신하도록 구성되고, 환자별 데이터에 기초하여 환자 심장의 적어도 일부분을 나타내는 3차원 모델을 생성하도록 구성된다. 상기 적어도 하나의 컴퓨터 시스템은, 환자 심장의 혈류 특성에 관한 물리학-기반 모델을 생성하도록 또한 구성되고, 상기 3차원 모델 및 물리학-기반 모델에 기초하여 상기 환자 심장 내의 분획 혈류 예비력(fractional flow reserve)을 결정하도록 또한 구성된다.
다른 실시예에 따르면, 적어도 하나의 컴퓨터 시스템을 이용하여 환자별 심혈관 정보를 결정하기 위한 방법은, 환자 심장의 기하 형태에 관한 환자별 데이터를 상기 적어도 하나의 컴퓨터 시스템 내로 입력하는 단계와, 상기 적어도 하나의 컴퓨터 시스템을 이용하여, 환자별 데이터에 기초하여 환자 심장의 적어도 일부분을 나타내는 3차원 모델을 생성하는 단계를 포함한다. 상기 방법은, 상기 적어도 하나의 컴퓨터 시스템을 이용하여, 환자 심장의 혈류 특성에 관한 물리학-기반 모델을 생성하는 단계와, 상기 적어도 하나의 컴퓨터 시스템을 이용하여, 상기 3차원 모델 및 물리학-기반 모델에 기초하여 상기 환자 심장 내의 분획 혈류 예비력을 결정하는 단계를 더 포함한다.
다른 실시예에 따르면, 환자별 심혈관 정보의 결정 방법을 수행하기 위한 컴퓨터-실행가능 프로그래밍 명령을 지닌 적어도 하나의 컴퓨터 시스템 상에서 이용하기 위한 비-일시적 컴퓨터 판독가능 매체가 제공된다. 상기 방법은, 환자 심장의 기하 형태에 관한 환자별 데이터를 수신하는 단계와, 환자별 데이터에 기초하여 환자 심장의 적어도 일부분을 나타내는 3차원 모델을 생성하는 단계를 포함한다. 상기 방법은, 환자 심장의 혈류 특성에 관한 물리학-기반 모델을 생성하는 단계와, 상기 3차원 모델 및 물리학-기반 모델에 기초하여 상기 환자 심장 내의 분획 혈류 예비력을 결정하는 단계를 더 포함한다.
다른 실시예에 따르면, 환자의 치료를 계획하기 위한 시스템은 적어도 하나의 컴퓨터 시스템을 포함하고, 상기 적어도 하나의 컴퓨터 시스템은, 환자의 신체 구조의 기하 형태에 관한 환자별 데이터를 수신하도록 구성되고, 상기 환자별 데이터에 기초하여 환자의 신체 구조의 적어도 일부분을 나타내는 3차원 모델을 생성하도록 구성된다. 상기 적어도 하나의 컴퓨터 시스템은, 환자의 신체 구조에 관한 물리학-기반 모델과 상기 3차원 모델에 기초하여 환자의 신체 구조 내의 혈류 특성에 관한 제 1 정보를 결정하도록 또한 구성되고, 상기 3차원 모델을 수정하도록 또한 구성되며, 수정된 3차원 모델에 기초하여 환자의 신체 구조 내의 혈류 특성에 관한 제 2 정보를 결정하도록 또한 구성된다.
다른 실시예에 따르면, 환자의 치료 계획 방법을 수행하기 위한 컴퓨터-실행가능 프로그래밍 명령을 지닌 적어도 하나의 컴퓨터 시스템 상에서 이용하기 위한 비-일시적 컴퓨터 판독가능 매체가 제공된다. 상기 방법은, 환자의 신체 구조의 기하 형태에 관한 환자별 데이터를 수신하는 단계와, 상기 환자별 데이터에 기초하여 환자의 신체 구조의 적어도 일부분을 나타내는 3차원 모델을 생성하는 단계를 포함한다. 상기 방법은, 환자의 신체 구조에 관한 물리학-기반 모델과 상기 3차원 모델에 기초하여 환자의 신체 구조 내의 혈류 특성에 관한 제 1 정보를 결정하는 단계와, 환자의 신체 구조의 기하 형태의 요망 변화에 기초하여 환자의 신체 구조 내의 혈류 특성에 관한 제 2 정보를 결정하는 단계를 더 포함한다.
다른 실시예에 따르면, 컴퓨터 시스템을 이용한 환자의 치료 계획 방법은, 환자의 신체 구조의 기하 형태에 관한 환자별 데이터를 적어도 하나의 컴퓨터 시스템 내로 입력하는 단계와, 상기 적어도 하나의 컴퓨터 시스템을 이용하여, 환자별 데이터에 기초하여 환자의 신체 구조의 적어도 일부분을 나타내는 3차원 모델을 생성하는 단계를 포함한다. 상기 방법은, 상기 적어도 하나의 컴퓨터 시스템을 이용하여, 환자의 신체 구조에 관한 물리학-기반 모델과 상기 3차원 모델에 기초하여 환자의 신체 구조 내의 혈류 특성에 관한 제 1 정보를 결정하는 단계를 더 포함한다. 상기 방법은, 상기 적어도 하나의 컴퓨터 시스템을 이용하여, 상기 3차원 모델을 수정하는 단계와, 상기 적어도 하나의 컴퓨터 시스템을 이용하여, 수정된 3차원 모델에 기초하여 환자의 신체 구조 내의 혈류 특성에 관한 제 2 정보를 결정하는 단계를 또한 포함한다.
다른 실시예에 따르면, 환자 치료 계획 시스템은 적어도 하나의 컴퓨터 시스템을 포함하고, 상기 적어도 하나의 컴퓨터 시스템은, 환자의 신체 구조의 기하 형태에 관한 환자별 데이터를 수신하도록 구성되고, 상기 환자별 데이터에 기초하여 환자의 신체 구조의 적어도 일부분을 나타내는 3차원 모델을 생성하도록 구성되다. 상기 적어도 하나의 컴퓨터 시스템은, 환자의 생리학적 조건에 관한 정보와 상기 3차원 모델에 기초하여 환자의 신체 구조 내의 혈류 특성에 관한 제 1 정보를 결정하도록 구성되고, 환자의 생리학적 조건을 수정하도록 구성되며, 환자의 수정된 생리학적 조건에 기초하여 환자의 신체 구조 내의 혈류 특성에 관한 제 2 정보를 결정하도록 또한 구성된다.
다른 실시예에 따르면, 환자 치료 계획 방법을 수행하기 위한 컴퓨터-실행가능 프로그래밍 명령을 지닌 컴퓨터 시스템 상에서 이용하기 위한 비-일시적 컴퓨터 판독가능 매체가 제공된다. 상기 방법은, 환자의 신체 구조의 기하 형태에 관한 환자별 데이터를 수신하는 단계와, 상기 환자별 데이터에 기초하여 환자의 신체 구조의 적어도 일부분을 나타내는 3차원 모델을 생성하는 단계를 포함한다. 상기 방법은, 환자의 생리학적 조건에 관한 정보와 상기 3차원 모델에 기초하여 환자의 신체 구조 내의 혈류 특성에 관한 제 1 정보를 결정하는 단계와, 환자의 생리학적 조건의 요망되는 변화에 기초하여 환자의 신체 구조 내의 혈류 특성에 관한 제 2 정보를 결정하는 단계를 더 포함한다.
다른 실시예에 따르면, 적어도 하나의 컴퓨터 시스템을 이용하여 환자의 치료를 계획하기 위한 방법은, 환자의 신체 구조의 기하 형태에 관한 환자별 데이터를 적어도 하나의 컴퓨터 시스템에 입력하는 단계와, 상기 적어도 하나의 컴퓨터 시스템을 이용하여, 상기 환자별 데이터에 기초하여 환자의 신체 구조의 적어도 일부분을 나타내는 3차원 모델을 생성하는 단계를 포함한다. 상기 방법은, 상기 적어도 하나의 컴퓨터 시스템을 이용하여, 환자의 생리학적 조건에 관한 정보와 상기 3차원 모델에 기초하여 환자의 신체 구조 내의 혈류 특성에 관한 제 1 정보를 결정하는 단계를 또한 포함한다. 상기 방법은, 상기 적어도 하나의 컴퓨터 시스템을 이용하여, 환자의 생리학적 조건을 수정하는 단계와, 상기 적어도 하나의 컴퓨터 시스템을 이용하여, 환자의 수정된 생리학적 조건에 기초하여 환자의 신체 구조 내의 혈류 특성에 관한 제 2 정보를 결정하는 단계를 더 포함한다.
다른 실시예에 따르면, 환자별 심혈관 정보를 결정하기 위한 시스템은 적어도 하나의 컴퓨터 시스템을 포함하며, 상기 적어도 하나의 컴퓨터 시스템은, 환자의 신체 구조의 기하 형태에 관한 환자별 데이터를 수신하도록 구성되고, 환자별 데이터에 기초하여 환자의 신체 구조의 적어도 일부분을 나타내는 3차원 모델을 생성하도록 구성된다. 상기 적어도 하나의 컴퓨터 시스템은, 환자의 신체 구조의 일부분을 통한 총 혈류에 연계된 총 저항을 결정하도록 또한 구성되고, 상기 3차원 모델, 환자의 신체 구조에 관한 물리학-기반 모델, 및 결정된 총 저항에 기초하여, 환자의 신체 구조 내의 혈류 특성에 관한 정보를 결정하도록 구성된다.
다른 실시예에 따르면, 적어도 하나의 컴퓨터 시스템을 이용하여 환자별 심혈관 정보를 결정하기 위한 방법은, 환자의 신체 구조의 기하 형태에 관한 환자별 데이터를 적어도 하나의 컴퓨터 시스템에 입력하는 단계와, 적어도 하나의 컴퓨터를 이용하여, 환자별 데이터에 기초하여 환자의 신체 구조의 적어도 일부분을 나타내는 3차원 모델을 생성하는 단계를 포함한다. 상기 방법은, 적어도 하나의 컴퓨터를 이용하여, 환자의 신체 구조의 일부분을 통한 총 혈류에 연계된 총 저항을 결정하는 단계와, 적어도 하나의 컴퓨터를 이용하여, 상기 3차원 모델, 환자의 신체 구조에 관한 물리학-기반 모델, 및 결정된 총 저항에 기초하여, 환자의 신체 구조 내의 혈류 특성에 관한 정보를 결정하는 단계를 또한 포함한다.
다른 실시예에 따르면, 환자별 심혈관 정보를 결정하기 위한 방법을 수행하기 위한 컴퓨터-실행가능 프로그래밍 명령을 지닌 컴퓨터 시스템 상에서 이용하기 위한 비-일시적 컴퓨터 판독가능 매체가 제공된다. 상기 방법은, 환자의 신체 구조의 기하 형태에 관한 환자별 데이터를 수신하는 단계와, 환자별 데이터에 기초하여 환자의 신체 구조의 적어도 일부분을 나타내는 3차원 모델을 생성하는 단계를 포함한다. 상기 방법은, 환자의 신체 구조의 일부분을 통한 총 혈류에 연계된 총 저항을 결정하는 단계와, 상기 3차원 모델, 환자의 신체 구조에 관한 물리학-기반 모델, 및 결정된 총 저항에 기초하여, 환자의 신체 구조 내의 혈류 특성에 관한 정보를 결정하는 단계를 또한 포함한다.
다른 실시예에 따르면, 웹사이트를 이용하여 환자별 심혈관 정보를 제공하기 위한 시스템은 적어도 하나의 컴퓨터 시스템을 포함하며, 상기 적어도 하나의 컴퓨터 시스템은, 원격 사용자가 웹사이트에 액세스할 수 있도록 구성되고, 환자의 신체 구조의 기하 형태의 적어도 일부분에 관한 환자별 데이터를 수신하도록 구성되며, 상기 환자별 데이터에 기초하여 환자의 신체 구조의 적어도 일부분을 나타내는 3차원 모델을 생성하도록 구성되고, 환자의 생리학적 조건과 상기 3차원 모델에 기초하여 환자의 신체 구조 내의 혈류 특성에 관한 정보를 결정하도록 구성된다. 상기 적어도 하나의 컴퓨터 시스템은, 환자의 신체 구조의 적어도 일부분의 제 1 3차원 시뮬레이션에 관한 디스플레이 정보를 상기 웹사이트를 이용하여 원격 사용자에게 전송하도록 또한 구성된다. 상기 3차원 시뮬레이션은 혈류 특성에 관한 결정된 정보를 포함한다.
다른 실시예에 따르면, 웹사이트를 이용하여 환자별 심혈관 정보를 제공하기 위한 방법은, 적어도 하나의 컴퓨터 시스템을 이용하여, 원격 사용자가 웹사이트에 액세스할 수 있게 하는 단계와, 상기 적어도 하나의 컴퓨터 시스템을 이용하여, 환자의 신체 구조의 기하 형태에 관한 환자별 데이터를 수신하는 단계를 포함한다. 상기 방법은, 상기 적어도 하나의 컴퓨터 시스템을 이용하여, 상기 환자별 데이터에 기초하여 환자의 신체 구조의 적어도 일부분을 나타내는 3차원 모델을 생성하는 단계와, 상기 적어도 하나의 컴퓨터 시스템을 이용하여, 환자의 생리학적 조건과 상기 3차원 모델에 기초하여 환자의 신체 구조 내의 혈류 특성에 관한 정보를 결정하는 단계를 또한 포함한다. 상기 방법은, 상기 적어도 하나의 컴퓨터 시스템을 이용하여, 환자의 신체 구조의 적어도 일부분의 제 1 3차원 시뮬레이션에 관한 디스플레이 정보를 상기 웹사이트를 이용하여 원격 사용자에게 전송하는 단계를 더 포함한다. 상기 3차원 시뮬레이션은 혈류 특성에 관한, 결정된 정보를 포함한다.
다른 실시예에 따르면, 웹사이트를 이용하여 환자별 심혈관 정보를 제공하기 위한 방법을 수행하기 위한 컴퓨터-실행가능 프로그래밍 명령을 지닌 컴퓨터 시스템 상에서 이용하기 위한 비-일시적 컴퓨터 판독가능 매체가 제공된다. 상기 방법은, 원격 사용자가 웹사이트에 액세스할 수 있게 하는 단계와, 환자의 신체 구조의 기하 형태에 관한 환자별 데이터를 수신하는 단계와, 상기 환자별 데이터에 기초하여 환자의 신체 구조의 적어도 일부분을 나타내는 3차원 모델을 생성하는 단계를 포함한다. 상기 방법은, 환자의 신체 구조에 관한 물리학-기반 모델과 상기 3차원 모델에 기초하여 환자의 신체 구조 내의 혈류 특성에 관한 정보를 결정하는 단계와, 환자의 신체 구조의 적어도 일부분의 제 1 3차원 시뮬레이션에 관한 디스플레이 정보를 상기 웹사이트를 이용하여 원격 사용자에게 전송하는 단계를 또한 포함한다. 상기 3차원 시뮬레이션은 혈류 특성에 관한, 결정된 정보를 포함한다.
다른 실시예에 따르면, 환자별 시간 가변성 심혈관 정보를 결정하기 위한 시스템은 적어도 하나의 컴퓨터 시스템을 포함하며, 상기 적어도 하나의 컴퓨터 시스템은, 환자의 신체 구조의 적어도 일부분의 기하 형태에 관한 시간 가변성 환자별 데이터를 서로 다른 시간에 수신하도록 구성되고, 환자별 데이터에 기초하여 환자의 신체 구조의 적어도 일부분을 나타내는 3차원 모델을 생성하도록 구성된다. 상기 적어도 하나의 컴퓨터 시스템은 환자의 신체 구조에 관한 물리학-기반 모델과 상기 3차원 모델에 기초하여 환자의 신체 구조 내의, 시간에 따른 혈류 특성 변화에 관한 정보를 결정하도록 또한 구성된다.
다른 실시예에 따르면, 적어도 하나의 컴퓨터 시스템을 이용하여 환자별 시간 가변성 심혈관 정보를 결정하기 위한 방법은, 적어도 하나의 컴퓨터 시스템을 이용하여, 환자의 신체 구조의 기하 형태에 관한 시간 가변성 환자별 데이터를 서로 다른 시간에 수신하는 단계를 포함한다. 상기 방법은, 상기 적어도 하나의 컴퓨터 시스템을 이용하여, 환자별 데이터에 기초하여 환자의 신체 구조의 적어도 일부분을 나타내는 3차원 모델을 생성하는 단계를 또한 포함한다. 상기 방법은, 상기 적어도 하나의 컴퓨터 시스템을 이용하여, 환자의 신체 구조에 관한 물리학-기반 모델에 관한 정보와 상기 3차원 모델에 기초하여 환자의 신체 구조 내의, 시간에 따른 혈류 특성 변화에 관한 정보를 결정하는 단계를 더 포함한다.
다른 실시예에 따르면, 환자별 시간 가변성 심혈관 정보를 결정하기 위한 방법을 수행하기 위한 컴퓨터-실행가능 프로그래밍 명령을 지닌 컴퓨터 시스템 상에서 이용하기 위한 비-일시적 컴퓨터 판독가능 매체가 제공된다. 상기 방법은, 환자의 신체 구조의 기하 형태에 관한 시간 가변성 환자별 데이터를 서로 다른 시간에 수신하는 단계와, 환자별 데이터에 기초하여 환자의 신체 구조의 적어도 일부분을 나타내는 3차원 모델을 생성하는 단계와, 환자의 신체 구조에 관한 물리학-기반 모델에 관한 정보와 상기 3차원 모델에 기초하여 환자의 신체 구조 내의, 시간에 따른 혈류 특성 변화에 관한 정보를 결정하는 단계를 포함한다.
다른 실시예에 따르면, 환자의 심혈관 정보를 결정하기 위한 시스템은 적어도 하나의 컴퓨터 시스템을 포함하며, 상기 적어도 하나의 컴퓨터 시스템은, 환자의 신체 구조의 적어도 일부분의 기하 형태 및 적어도 하나의 물성에 관한 환자별 데이터를 수신하도록 구성된다. 상기 신체 구조는 혈관의 적어도 일부분을 포함한다. 상기 적어도 하나의 컴퓨터 시스템은, 환자별 데이터에 기초하여 환자의 신체 구조를 나타내는 3차원 모델을 생성하도록 구성되며, 환자의 생리학적 조건과 상기 3차원 모델에 기초하여 환자의 신체 구조 내의 혈류 특성에 관한 정보를 결정하도록 또한 구성된다. 상기 적어도 하나의 컴퓨터 시스템은 혈관 내의 플라크의 위치를 식별하도록 또한 구성된다.
다른 실시예에 따르면, 적어도 하나의 컴퓨터 시스템을 이용하여 환자의 심혈관 정보를 결정하기 위한 방법은, 적어도 하나의 컴퓨터 시스템을 이용하여, 환자의 신체 구조의 적어도 일부분의 기하 형태 및 적어도 하나의 물성에 관한 환자별 데이터를 수신하는 단계를 포함한다. 상기 신체 구조는 혈관의 적어도 일부분을 포함한다. 상기 방법은, 상기 적어도 하나의 컴퓨터 시스템을 이용하여, 환자별 데이터에 기초하여 환자의 신체 구조를 나타내는 3차원 모델을 생성하는 단계와, 상기 적어도 하나의 컴퓨터 시스템을 이용하여, 환자의 생리학적 조건과 상기 3차원 모델에 기초하여 환자의 신체 구조 내의 혈류 특성에 관한 정보를 결정하는 단계를 또한 포함한다. 상기 방법은, 상기 적어도 하나의 컴퓨터 시스템을 이용하여, 혈관 내의 플라크를 식별하는 단계를 더 포함한다.
다른 실시예에 따르면, 환자의 심혈관 정보를 결정하기 위한 방법을 수행하기 위한 컴퓨터-실행가능 프로그래밍 명령을 지닌 컴퓨터 시스템 상에서 이용하기 위한 비-일시적 컴퓨터 판독가능 매체가 제공된다. 상기 방법은, 환자의 신체 구조의 적어도 일부분의 기하 형태 및 적어도 하나의 물성에 관한 환자별 데이터를 수신하는 단계를 포함한다. 상기 신체 구조는 혈관의 적어도 일부분을 포함한다. 상기 방법은 환자별 데이터에 기초하여 환자의 신체 구조를 나타내는 3차원 모델을 생성하는 단계와, 환자의 생리학적 조건과 상기 3차원 모델에 기초하여 환자의 신체 구조 내의 혈류 특성에 관한 정보를 결정하는 단계와, 혈관 내의 플라크의 위치를 식별하는 단계를 또한 포함한다.
다른 실시예에 따르면, 환자의 심혈관 정보를 결정하기 위한 시스템은 적어도 하나의 컴퓨터 시스템을 포함하고, 상기 적어도 하나의 컴퓨터 시스템은, 환자의 신체 구조의 적어도 일부분의 기하 형태에 관한 환자별 데이터를 수신하도록 구성된다. 상기 신체 구조는 복수의 동맥의 적어도 일부분과, 상기 복수의 동맥의 적어도 일부분에 연결된 조직을 포함한다. 상기 적어도 하나의 컴퓨터 시스템은, 환자별 데이터에 기초하여 환자의 신체 구조를 나타내는 3차원 모델을 생성하도록 구성되고, 상기 조직을 나타내는 3차원 모델의 적어도 일부분을 세그먼트로 나누도록 구성되며, 환자의 생리학적 조건과 상기 3차원 모델에 기초하여 상기 세그먼트 중 적어도 하나와 연계된 혈류 특성에 관한 정보를 결정하도록 또한 구성된다.
다른 실시예에 따르면, 적어도 하나의 컴퓨터 시스템을 이용하여 환자의 심혈관 정보를 결정하기 위한 방법은, 적어도 하나의 컴퓨터 시스템을 이용하여, 환자의 신체 구조의 적어도 일부분의 기하 형태에 관한 환자별 데이터를 수신하는 단계를 포함한다. 상기 신체 구조는 복수의 동맥의 적어도 일부분과, 상기 복수의 동맥의 적어도 일부분에 연결된 조직을 포함한다. 상기 방법은, 상기 적어도 하나의 컴퓨터 시스템을 이용하여, 환자별 데이터에 기초하여 환자의 신체 구조를 나타내는 3차원 모델을 생성하는 단계와, 상기 적어도 하나의 컴퓨터 시스템을 이용하여, 증강 모델을 형성하도록 상기 3차원 모델을 연장하는 단계를 또한 포함한다. 상기 방법은, 상기 적어도 하나의 컴퓨터 시스템을 이용하여, 상기 조직을 나타내는 증강 모델의 적어도 일부분을 세그먼트로 나누는 단계와, 상기 적어도 하나의 컴퓨터 시스템을 이용하여, 환자의 생리학적 조건과 상기 증강 모델에 기초하여 상기 세그먼트 중 적어도 하나와 연계된 혈류 특성에 관한 정보를 결정하는 단계를 더 포함한다.
다른 실시예에 따르면, 환자의 심혈관 정보를 결정하기 위한 방법을 수행하기 위한 컴퓨터-실행가능 프로그래밍 명령을 지닌 컴퓨터 시스템 상에서 이용하기 위한 비-일시적 컴퓨터 판독가능 매체가 제공된다. 상기 방법은, 환자의 신체 구조의 적어도 일부분의 기하 형태에 관한 환자별 데이터를 수신하는 단계를 포함한다. 상기 신체 구조는 복수의 동맥의 적어도 일부분과, 상기 복수의 동맥의 적어도 일부분에 연결된 조직을 포함한다. 상기 방법은, 환자별 데이터에 기초하여 환자의 신체 구조를 나타내는 3차원 모델을 생성하는 단계와, 상기 조직을 나타내는 3차원 모델의 적어도 일부분을 세그먼트로 나누는 단계와, 상기 신체 구조에 관한 물리학-기반 모델과 상기 3차원 모델에 기초하여 세그먼트 중 적어도 하나와 연계된 혈류 특성에 관한 정보를 결정하는 단계를 또한 포함한다.
다른 실시예에 따르면, 환자의 심혈관 정보를 결정하기 위한 시스템은 적어도 하나의 컴퓨터 시스템을 포함하며, 상기 적어도 하나의 컴퓨터 시스템은, 환자의 뇌의 기하 형태에 관한 환자별 데이터를 수신하도록 구성된다. 상기 적어도 하나의 컴퓨터 시스템은, 환자별 데이터에 기초하여 환자의 뇌의 적어도 일부분을 나타내는 3차원 모델을 생성하도록 구성되고, 환자의 뇌에 관한 물리학-기반 모델과 상기 3차원 모델에 기초하여 환자의 뇌 내의 혈류 특성에 관한 정보를 결정하도록 또한 구성된다.
다른 실시예에 따르면, 적어도 하나의 컴퓨터 시스템을 이용하여 환자별 심혈관 정보를 결정하기 위한 방법은, 환자의 복수의 뇌동맥의 적어도 일부분의 기하 형태에 관한 환자별 데이터를 적어도 하나의 컴퓨터 시스템에 입력하는 단계를 포함한다. 상기 방법은, 상기 적어도 하나의 컴퓨터 시스템을 이용하여, 환자별 데이터에 기초하여 환자의 뇌동맥의 적어도 일부분을 나타내는 3차원 모델을 생성하는 단계와, 상기 적어도 하나의 컴퓨터 시스템을 이용하여, 환자의 뇌동맥에 관한 물리학-기반 모델과 상기 3차원 모델에 기초하여 환자의 뇌동맥 내의 혈류 특성에 관한 정보를 결정하는 단계를 또한 포함한다.
다른 실시예에 따르면, 환자별 심혈관 정보를 결정하기 위한 방법을 수행하기 위한 컴퓨터-실행가능 프로그래밍 명령을 지닌 적어도 하나의 컴퓨터 시스템 상에서 이용하기 위한 비-일시적 컴퓨터 판독가능 매체가 제공된다. 상기 방법은, 환자의 뇌의 기하 형태에 관한 환자별 데이터를 수신하는 단계와, 환자별 데이터에 기초하여 환자의 뇌의 적어도 일부분을 나타내는 3차원 모델을 생성하는 단계와, 환자의 뇌에 관한 물리학-기반 모델과 상기 3차원 모델에 기초하여 환자의 뇌 내의 혈류 특성에 관한 정보를 결정하는 단계를 포함한다.
추가적인 실시예 및 장점은 이어지는 상세한 설명에서 제시될 것이고, 부분적으로는 상세한 설명으로부터 명백할 것이며, 또는, 본 개시내용의 실시에 의해 학습될 수 있다. 이러한 실시예 및 장점은 아래 특히 지적되는 요소 및 조합을 이용하여 실현 및 획득될 수 있다.
본 명세서의 일부분을 구성하고 본 명세서에 포함되는 첨부 도면은, 여러 실시예들을 도해로 나타내고, 관련 설명과 함께, 발명의 원리를 설명한다.
도 1은 예시적인 실시예에 따라 환자별로 관상 동맥 혈류에 관한 다양한 정보를 제공하기 위한 시스템의 개략도이고,
도 2는 예시적인 실시예에 따라, 환자별로 혈류에 관한 다양한 정보를 제공하기 위한 방법의 순서도이며,
도 3은 도 2의 방법의 세부 단계들을 보여주는 순서도이고,
도 4는 예시적인 실시예에 따라, 환자로부터 비침습성으로 획득되는 이미징 데이터를 보여주며,
도 5는 도 4의 이미징 데이터를 이용하여 발생되는 예시적인 3차원 모델을 도시하고,
도 6은 제 1 초기 모델을 형성하기 위한 시드를 포함하는 도 4의 이미징 데이터의 슬라이스의 부분을 도시하며,
도 7은 도 6의 시드를 확장시킴으로써 형성되는 첫 번째 초기 모델의 일부분을 도시하고,
도 8은 예시적인 실시예에 따라, 트리밍된 고형 모델을 도시하며,
도 9는 환자가 휴식 상태일 때 예시적인 연산 FFR(cFFR)을 도시하고,
도 10은 환자가 최대 충혈 하에 있을 때 예시적인 cFFR을 도시하며,
도 11은 환자가 최대 운동 상태에 있을 때 예시적인 cFFR을 도시하고,
도 12는 예시적인 실시예에 따라, 집중 파라미터 모델을 형성하기 위해 제공되는 트리밍된 고형 모델의 일부분을 도시하며,
도 13은 집중 파라미터 모델을 형성하기 위해 제공되는, 도 12의 트리밍된 고형 모델에 대한 중심선의 일부분을 도시하고,
도 14는 집중 파라미터 모델을 형성하기 위해 제공되는, 도 12의 트리밍된 고형 모델에 기초하여 형성되는 세그먼트를 도시하며,
도 15는 집중 파라미터 모델을 형성하기 위해 제공되는 저항기에 의해 대체되는 도 14의 세그먼트를 도시하고,
도 16은 예시적인 실시예에 따라, 고형 모델의 유입 및 유출 경계에서 상류 및 하류 구조를 나타내는 예시적인 집중 파라미터 모델을 도시하며,
도 17은 도 8의 고형 모델에 기초하여 준비되는 3차원 메시를 도시하고,
도 18 및 도 19는 도 17의 3차원 메시의 부분도이며,
도 20은 개별 기준 라벨에 의해 식별되는 모델 상에 소정의 점을 갖는, 혈류 정보를 포함하는 환자 신체의 모델을 보여주며,
도 21은 도 20에서 식별되는 점들 중 일부에서 그리고 대동맥 내 시간에 따라 시뮬레이션된 혈압의 그래프이고,
도 22는 도 20에서 식별된 각각의 점에서 시간에 따른 시뮬레이션된 혈압의 그래프이며,
도 23은 예시적인 실시예에 따라 최종화된 리포트이고,
도 24는 예시적인 실시예에 따라, 특정 환자의 관상 동맥 혈류에 관한 다양한 정보를 제공하기 위한 방법의 순서도이며,
도 25는 예시적인 실시예에 따라, 좌전 하행(LAD) 동맥의 일부분과 LCX 동맥의 일부분을 광폭처리함으로써 생성되는 고형 모델에 기초하여 결정되는 수정 cFFR 모델을 도시하고,
도 26은 예시적인 실시예에 따라, LAD 동맥의 일부분과 좌회선(LCX) 동맥의 일부분을 광폭처리 후 수정된 시뮬레이션 혈류 모델의 예를 보여주며,
도 27은 예시적인 실시예에 따라, 차수 축소 모델을 이용하여 다양한 치료 옵션을 시뮬레이션하는 방법의 순서도이고,
도 28은 다른 예시적인 실시예에 따라 차수 축소 모델을 이용하여 다양한 처리 옵션을 시뮬레이션하기 위한 방법의 순서도이며,
도 29는 예시적인 실시예에 따라, 특정 환자의 심근 관류에 관한 다양한 정보를 제공하기 위한 방법의 순서도이고,
도 30은 다른 예시적인 실시예에 다라, 특정 환자의 심근 관류에 관한 다양한 정보를 제공하기 위한 방법의 순서도이며,
도 31은 예시적인 실시예에 따라, 심근 관류에 관한 다양한 정보를 제공하는 환자별 모델을 보여주고,
도 32는 추가의 예시적 실시예에 따라, 특정 환자의 심근 관류에 관한 다양한 정보를 제공하기 위한 방법의 순서도이며,
도 33은 혈관벽을 따라 축적되는 플라크의 단면도이고,
도 34는 예시적인 실시예에 따라, 플라크 취약성에 관한 다양한 정보를 제공하는 환자별 모델을 도시하며,
도 35는 예시적인 실시예에 따라, 특정 환자의 플라크 취약성, 심근 볼륨 위험, 및 심근 관류 위험의 평가에 관한 다양한 정보를 제공하기 위한 방법의 순서도이고,
도 36은 예시적인 실시예에 따라 도 35의 방법으로부터 얻는 정보를 보여주는 개략도이며,
도 37은 뇌동맥의 도면이고,
도 38은 예시적인 실시예에 따라, 특정 환자의 두개내 및 두개외 혈류에 관한 다양한 정보를 제공하기 위한 방법의 순서도이며,
도 39는 예시적인 실시예에 따라, 특정 환자의 뇌관류에 관한 다양한 정보를 제공하기 위한 방법의 순서도이고,
도 40은 다른 예시적인 실시예에 따라, 특정 환자의 뇌관류에 관한 다양한 정보를 제공하기 위한 방법의 순서도이며,
도 41은 추가의 예시적 실시예에 따라, 특정 환자의 뇌관류에 관한 다양한 정보를 제공하기 위한 방법의 순서도이고,
도 42는 예시적인 실시예에 따라, 특정 환자의 플라크 취약성, 뇌 볼륨 위험, 및 뇌관류 위험의 평가에 관한 다양한 정보를 제공하기 위한 방법의 순서도다.
도 1은 예시적인 실시예에 따라 환자별로 관상 동맥 혈류에 관한 다양한 정보를 제공하기 위한 시스템의 개략도이고,
도 2는 예시적인 실시예에 따라, 환자별로 혈류에 관한 다양한 정보를 제공하기 위한 방법의 순서도이며,
도 3은 도 2의 방법의 세부 단계들을 보여주는 순서도이고,
도 4는 예시적인 실시예에 따라, 환자로부터 비침습성으로 획득되는 이미징 데이터를 보여주며,
도 5는 도 4의 이미징 데이터를 이용하여 발생되는 예시적인 3차원 모델을 도시하고,
도 6은 제 1 초기 모델을 형성하기 위한 시드를 포함하는 도 4의 이미징 데이터의 슬라이스의 부분을 도시하며,
도 7은 도 6의 시드를 확장시킴으로써 형성되는 첫 번째 초기 모델의 일부분을 도시하고,
도 8은 예시적인 실시예에 따라, 트리밍된 고형 모델을 도시하며,
도 9는 환자가 휴식 상태일 때 예시적인 연산 FFR(cFFR)을 도시하고,
도 10은 환자가 최대 충혈 하에 있을 때 예시적인 cFFR을 도시하며,
도 11은 환자가 최대 운동 상태에 있을 때 예시적인 cFFR을 도시하고,
도 12는 예시적인 실시예에 따라, 집중 파라미터 모델을 형성하기 위해 제공되는 트리밍된 고형 모델의 일부분을 도시하며,
도 13은 집중 파라미터 모델을 형성하기 위해 제공되는, 도 12의 트리밍된 고형 모델에 대한 중심선의 일부분을 도시하고,
도 14는 집중 파라미터 모델을 형성하기 위해 제공되는, 도 12의 트리밍된 고형 모델에 기초하여 형성되는 세그먼트를 도시하며,
도 15는 집중 파라미터 모델을 형성하기 위해 제공되는 저항기에 의해 대체되는 도 14의 세그먼트를 도시하고,
도 16은 예시적인 실시예에 따라, 고형 모델의 유입 및 유출 경계에서 상류 및 하류 구조를 나타내는 예시적인 집중 파라미터 모델을 도시하며,
도 17은 도 8의 고형 모델에 기초하여 준비되는 3차원 메시를 도시하고,
도 18 및 도 19는 도 17의 3차원 메시의 부분도이며,
도 20은 개별 기준 라벨에 의해 식별되는 모델 상에 소정의 점을 갖는, 혈류 정보를 포함하는 환자 신체의 모델을 보여주며,
도 21은 도 20에서 식별되는 점들 중 일부에서 그리고 대동맥 내 시간에 따라 시뮬레이션된 혈압의 그래프이고,
도 22는 도 20에서 식별된 각각의 점에서 시간에 따른 시뮬레이션된 혈압의 그래프이며,
도 23은 예시적인 실시예에 따라 최종화된 리포트이고,
도 24는 예시적인 실시예에 따라, 특정 환자의 관상 동맥 혈류에 관한 다양한 정보를 제공하기 위한 방법의 순서도이며,
도 25는 예시적인 실시예에 따라, 좌전 하행(LAD) 동맥의 일부분과 LCX 동맥의 일부분을 광폭처리함으로써 생성되는 고형 모델에 기초하여 결정되는 수정 cFFR 모델을 도시하고,
도 26은 예시적인 실시예에 따라, LAD 동맥의 일부분과 좌회선(LCX) 동맥의 일부분을 광폭처리 후 수정된 시뮬레이션 혈류 모델의 예를 보여주며,
도 27은 예시적인 실시예에 따라, 차수 축소 모델을 이용하여 다양한 치료 옵션을 시뮬레이션하는 방법의 순서도이고,
도 28은 다른 예시적인 실시예에 따라 차수 축소 모델을 이용하여 다양한 처리 옵션을 시뮬레이션하기 위한 방법의 순서도이며,
도 29는 예시적인 실시예에 따라, 특정 환자의 심근 관류에 관한 다양한 정보를 제공하기 위한 방법의 순서도이고,
도 30은 다른 예시적인 실시예에 다라, 특정 환자의 심근 관류에 관한 다양한 정보를 제공하기 위한 방법의 순서도이며,
도 31은 예시적인 실시예에 따라, 심근 관류에 관한 다양한 정보를 제공하는 환자별 모델을 보여주고,
도 32는 추가의 예시적 실시예에 따라, 특정 환자의 심근 관류에 관한 다양한 정보를 제공하기 위한 방법의 순서도이며,
도 33은 혈관벽을 따라 축적되는 플라크의 단면도이고,
도 34는 예시적인 실시예에 따라, 플라크 취약성에 관한 다양한 정보를 제공하는 환자별 모델을 도시하며,
도 35는 예시적인 실시예에 따라, 특정 환자의 플라크 취약성, 심근 볼륨 위험, 및 심근 관류 위험의 평가에 관한 다양한 정보를 제공하기 위한 방법의 순서도이고,
도 36은 예시적인 실시예에 따라 도 35의 방법으로부터 얻는 정보를 보여주는 개략도이며,
도 37은 뇌동맥의 도면이고,
도 38은 예시적인 실시예에 따라, 특정 환자의 두개내 및 두개외 혈류에 관한 다양한 정보를 제공하기 위한 방법의 순서도이며,
도 39는 예시적인 실시예에 따라, 특정 환자의 뇌관류에 관한 다양한 정보를 제공하기 위한 방법의 순서도이고,
도 40은 다른 예시적인 실시예에 따라, 특정 환자의 뇌관류에 관한 다양한 정보를 제공하기 위한 방법의 순서도이며,
도 41은 추가의 예시적 실시예에 따라, 특정 환자의 뇌관류에 관한 다양한 정보를 제공하기 위한 방법의 순서도이고,
도 42는 예시적인 실시예에 따라, 특정 환자의 플라크 취약성, 뇌 볼륨 위험, 및 뇌관류 위험의 평가에 관한 다양한 정보를 제공하기 위한 방법의 순서도다.
이제 예시적인 실시예를 세부적으로 참조할 것이고, 그 예들이 첨부 도면에 제시된다. 가능하기만 하다면, 동일한 도면 부호는 도면 전체를 통해 동일 또는 유사 부분을 가리키는 데 사용될 것이다. 본 설명은 다음의 목차에 따라 조직된다.
I. 개요
II. 환자별 신체 데이터의 획득 및 사전처리
III. 획득한 신체 데이터에 기초한 3차원 모델 생성
IV. 분석 모델 준비 및 경계 조건 결정
A. 분석 모델 준비
B. 경계 조건 결정
i. 차수 축소 모델 결정
ii. 예시적인 집중 파라미터 모델
C. 3차원 메시 생성
V. 연산 분석 수행 및 결과 출력
A. 연산 분석 수행
B. 혈압, 혈류, 및 cFFR의 결과 디스플레이
C. 결과 확인
D. 관상 동맥 혈류 정보 제공 시스템 및 방법의 다른 실시예
VI. 환자별 치료 계획 제공
A. 서로 다른 처리 옵션의 비교를 위해 차수 축소 모델 이용
VII. 다른 결과
A. 심근 관류 평가
B. 플라크 취약성 평가
VIII. 다른 응용예
A. 두개내 및 두개외 혈류 모델링
i. 뇌 관류 평가
ii. 플라크 취약성 평가
I. 개요
예시적인 실시예에서, 방법 및 시스템은 비침습성으로 환자로부터 불러들인 정보를 이용하여 특정 환자의 혈류에 관한 다양한 정보를 결정한다. 결정된 정보는 환자의 관상 동맥 구조(coronary vasculature) 내의 혈류에 관련될 수 있다. 대안으로서, 아래에서 추가적으로 상세히 설명되는 바와 같이, 결정된 정보는 경동맥, 말초부, 복부, 신장, 및 뇌혈관계와 같은 환자의 맥관 구조의 다른 영역의 혈류에 관계할 수 있다. 관상 동맥 구조는 대동맥으로부터 소동맥, 소정맥, 정맥, 등까지 범위의 복합 혈관계를 포함한다. 관상 동맥 구조는 심장을 향해, 그리고 심장 내에서 혈액을 순환시키고, 복수의 주요 관상 동맥(4)(도 5)(가령, 좌전하행지(left anterior descending(LAD) artery), 좌회선지 관상 동맥(left circumflex(LCX) artery), 우 관상 동맥(right coronary(RCA) artery), 등)에 혈액을 공급하는 대동맥(2)(도 5)을 포함하며, 이는 대동맥(2) 및 주요 관상 동맥(4)으로부터 하류에 있는 다른 타입의 혈관 또는 동맥의 지류로 더 나누어질 수 있다. 따라서, 예시적인 방법 및 시스템은 대동맥, 주요 관상 동맥, 및/또는 주요 관상 동맥으로부터 하류에 위치한 관상 동맥 또는 혈관 내의 혈류에 관한 다양한 정보를 결정할 수 있다. 대동맥 및 관상 동맥(및 이로부터 연장된 지류)가 아래에서 논의되지만, 개시되는 방법 및 시스템은 다른 타입의 용기에도 또한 적용될 수 있다.
예시적인 실시예에서, 개시되는 방법 및 시스템에 의해 결정되는 정보는 대동맥, 주요 관상 동맥, 및/또는 주요 관상 동맥 하류의 다른 관상 동맥 또는 혈관 내 다양한 위치에서의 혈류 속도, 혈압(또는 그 비율), 유량, 및 FFR과 같은, 다양한 혈류 특성 또는 파라미터를 포함할 수 있지만, 이에 제한되지 않는다. 이 정보는 병변이 기능적으로 중요한 지 및/또는 병변의 치료 여부를 결정하는 데 사용될 수 있다. 이 정보는 환자로부터 비침습성으로 얻은 정보를 이용하여 결정될 수 있다. 그 결과, 병변의 치료 여부에 관한 결정은 침습성 과정과 관련된 위험 및 비용없이 이루어질 수 있다.
도 1은 예시적인 실시예에 따라, 특정 환자의 관상 동맥 혈류에 관한 다양한 정보를 제공하기 위한 시스템의 형태를 도시한다. 아래에서 더욱 상세하게 설명되는 바와 같이 환자로부터 비침습성으로 얻은 데이터를 이용하여 환자 신체의 3차원 모델(10)이 생성될 수 있다. 다른 환자별 정보도 비침습성으로 얻을 수 있다. 예시적인 실시예에서, 3차원 모델(10)에 의해 표현되는 환자 신체 부분은 대동맥의 적어도 일부분과, 대동맥에 연결된 주요 관상 동맥(및 여기서부터 연장되거나 발원되는 지류)의 원위부를 포함할 수 있다.
관상 동맥 혈류에 관한 다양한 생리학적 법칙 또는 관계(20)가, 예를 들어, 아래에서 더욱 상세하게 설명되는 바와 같이 실험 데이터로부터, 유추될 수 있다. 3차원 신체 모델(10) 및 유추되는 생리학적 법칙(20)을 이용하여, 아래에서 더욱 상세하게 설명되는 바와 같이, 관상 동맥 혈류에 관한 복수의 방정식(30)이 결정될 수 있다. 예를 들어, 방정식(30)은 임의의 수치 해법, 예를 들어, 유한 차법, 유한 체적법, 스펙트럼법, 격자 볼츠만법, 입자-기반법, 레벨 세트법, 유한 요소법, 등을 이용하여 결정 및 해결될 수 있다. 방정식(30)은 모델(10)에 의해 표현되는 신체 구조 내 다양한 지점에서 환자 신체의 관상 동맥 혈류에 관한 정보(가령, 압력, 속도, FFR, 등)를 결정하기 위해 해를 얻을 수 있다.
방정식(30)은 컴퓨터(40)를 이용하여 해를 구할 수 있다. 해를 구한 방정식에 기초하여, 컴퓨터(40)는 모델(10)에 의해 표현되는 환자 신체의 혈류에 관한 정보를 표시하는 하나 이상의 이미지 또는 시뮬레이션을 출력할 수 있다. 예를 들어, 이미지는 아래에서 더 상세히 설명되는 바와 같이 시뮬레이션된 혈압 모델(50), 시뮬레이션된 혈류 또는 속도 모델(52), 연산 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 환자 신체의 3개의 차원(dimension)을 따라 다양한 위치에서 각자의 압력, 속도, 및 cFFR에 관한 정보를 제공한다. cFFR은 예를 들어, 아데노신 정맥 주사에 의해 통상적으로 유도되는, 관상 동맥 혈류 증가 조건 하에, 가령, 모델(10)의 유입 경계에서, 대동맥 내 혈압으로 모델(10) 내 특정 위치에서의 혈압을 나눈 비로 연산될 수 있다.
예시적인 실시예에서, 컴퓨터(40)는 프로세서, 컴퓨터 시스템, 등에 의해 실행될 때, 환자의 혈류에 관한 다양한 정보를 제공하기 위해 여기서 설명되는 임의의 작용들을 수행할 수 있는 명령들을 기록한 하나 이상의 비-일시적 컴퓨터-판독형 기록 매체를 포함할 수 있다. 컴퓨터(40)는 데스크탑 또는 휴대형 컴퓨터, 워크스테이션, 서버, PDA, 또는 그외 다른 컴퓨터 시스템을 포함할 수 있다. 컴퓨터(40)는 프로세서, ROM, RAM, 주변 장치(가령, 입력 장치, 출력 장치, 저장 장치, 등)들을 연결하기 위한 입/출력(I/O) 어댑터, 키보드, 마우스, 터치 스크린, 음성 입력, 및/또는 다른 장치와 같은 입력 장치를 연결하기 위한 사용자 인터페이스 어댑터, 컴퓨터(40)를 네트워크에 연결하기 위한 통신 어댑터, 컴퓨터(40)를 디스플레이, 등에 연결하기 위한 디스플레이 어댑터를 포함할 수 있다. 예를 들어, 디스플레이는 시뮬레이션된 혈압 모델(50), 시뮬레이션된 혈류 모델(52), 및/또는 cFFR 모델(54)과 같은, 방정식(30)들의 해를 구함으로써 발생되는 임의의 이미지 및/또는 3차원 모델(10)을 디스플레이하는 데 사용될 수 있다.
도 2는 다른 예시적인 실시예에 따른 특정 환자의 혈류에 관한 다양한 정보를 제공하기 위한 방법의 형태를 도시한다. 이 방법은 환자 신체(가령, 대동맥의 적어도 일부분과, 대동맥에 연결되는 주요 관상 동맥의 근위부(및 여기서부터 연장되는 지류))에 관한 정보와 같은 환자별 신체 데이터를 획득하는 단계와, 데이터를 사전처리하는 단계(단계100)를 포함할 수 있다. 환자별 신체 데이터는 아래 설명되는 바와 같이, 예를 들어, CCTA에 의해, 비침습성으로 얻을 수 있다.
환자 신체의 3차원 모델은 확보한 신체 데이터에 기초하여 생성될 수 있다(단계(200)). 예를 들어, 3차원 모델은 도 1과 연계하여 앞서 설명한 환자 신체의 3차원 모델(10)일 수 있다.
3차원 모델의 분석이 준비되고, 경계 조건이 결정될 수 있다(단계(300)). 예를 들어, 도 1과 연계하여 앞서 설명한 환자 신체의 3차원 모델(100)이 유한 메시로, 예를 들어, 유한 요소 또는 유한 체적 메시로, 트리밍 및 개별화될 수 있다. 체적 메시는 도 1과 연계하여 앞서 설명한 방정식(30)을 발생시키는 데 사용될 수 있다.
경계 조건은 도 1과 연계하여 앞서 설명한 방정식(30)에 또한 할당될 수 있고 통합될 수 있다. 경계 조건은 예를 들어, 유입 경계(322)(도 8), 유출 경계(324)(도 8), 혈관벽 경계(326)(도 8), 등과 같은 경계에서 3차원 모델(10)에 관한 정보를 제공한다. 유입 경계(322)는 대동맥 근부 근처의 대동맥의 일 단부(가령, 도 16에 도시되는 단부(A))에서와 같이 3차원 모델의 신체 내로 혈류를 지향시키는 경계를 포함할 수 있다. 각각의 유입 경계(322)에는, 심장 모델 및/또는 집중 파라미터 모델을 경계, 등에 결합시킴으로써, 예를 들어, 속도, 유량, 압력, 또는 다른 특성에 대한 지정 값 또는 필드가 할당될 수 있다. 유출 경계(324)는 대동맥궁 근처의 대동맥의 일 단부(예를 들어, 도 16에 도시되는 단부(B))와, 주요 관상 동맥 및 이로부터 분리되는 지류의 하류 단부(가령, 도 16에 도시되는 단부(a-m))와 같이, 3차원 모델의 신체로부터 외향으로 유동을 지향시키는 경계를 포함할 수 있다. 각각의 유출 경계는 아래 상세히 설명되는 바와 같이, 예를 들어, 집중 파라미터 또는 분배(가령, 1차원 파동 전파) 모델을 결합시킴으로써, 할당될 수 있다. 유입 및/또는 유출 경계 조건에 대한 기지정 값들은 심박출량(심장으로부터 혈류의 체적), 혈압, 심근 질량(myocardial mass), 등과 같은 그러나 이에 제한되지 않는, 환자의 생리적 특성을 비침습성으로 측정함으로써 결정될 수 있다. 혈관벽 경계는 대동맥, 주요 관상 동맥, 및/또는 3차원 모델(10)의 다른 관상 동맥 또는 혈관의 물리적 경계를 포함할 수 있다.
연산 분석은 환자에 대한 혈류 정보를 결정하기 위해 준비된 3차원 모델 및 결정된 경계 조건을 이용하여 수행될 수 있다(단계(400)). 예를 들어, 연산 분석은 시뮬레이션된 혈압 모델(50), 시뮬레이션된 혈류 모델(52), 및/또는 cFFR 모델(54)과 같이, 도 1과 연계하여 앞서 설명된 이미지를 생성하기 위해 도 1과 연계하여 앞서 설명한 컴퓨터(40)를 이용하여 방정식(30)과 함께 수행될 수 있다.
이 방법은 결과를 이용하여 환자별 치료 옵션을 제공하는 단계(500)를 또한 포함할 수 있다. 예를 들어, 단계(200)에서 생성된 3차원 모델(10) 및/또는 단계(300)에서 할당된 경계 조건은 3차원 모델(10)로 표현되는 관상 동맥 중 하나에서의 심혈관용 스텐트를 배치하거나 다른 치료 옵션을 적용하는 것과 같이, 하나 이상의 치료를 모델링하도록 조정될 수 있다. 그 후, 혈압 모델(50), 혈류 모델(52), 및/또는 cFFR 모델(54)의 업데이트된 버전과 같은, 새 이미지를 생성하기 위해 단계(400)에서 앞서 설명한 바와 같이 연산 분석이 수행될 수 있다. 이러한 새 이미지는 치료 옵션이 채택될 경우 혈류 속도 및 혈압의 변화를 결정하는 데 사용될 수 있다.
여기서 개시되는 시스템 및 방법은, 관상 동맥 내 혈류를 정량화하고 관상 동맥 질환의 기능적 중요도를 평가하기 위한 비침습성 수단을 제공하도록 의사가 사용하는 소프트웨어 툴 내로 통합될 수 있다. 추가적으로, 의사는 소프트웨어 툴을 이용하여 관상 동맥 혈류에 대한 내과적, 인터벤션적, 및/또는 외과적 치료의 효과를 예측할 수 있다. 소프트웨어 툴은 목의 동맥(가령, 경동맥), 머리의 동맥(가령, 뇌동맥), 흉부 동맥, 복부의 동맥(가령, 복부 대동맥 및 그 지류), 팔의 동맥, 또는 다리의 동맥(가령, 넙다리 동맥 및 슬와동맥)을 포함한 심장혈관계의 다른 부분의 질환을 예방, 진단, 관리, 및/또는 치료할 수 있다. 소프트웨어 툴은 환자에 대한 개인별 최적화된 요법을 의사가 발전시킬 수 있도록 대화형일 수 있다.
예를 들어, 소프트웨어 툴은 의사 또는 다른 사용자에 의해 사용되는 도 1에 도시되는 컴퓨터(40)와 같은 컴퓨터 시스템 내에 적어도 부분적으로 통합될 수 있다. 컴퓨터 시스템은 환자로부터 비침습성으로 얻은 데이터(예를 들어, 3차원 모델(10)을 생성하는 데 사용되는 데이터, 경계 조건을 적용하는 데, 또는, 연산 분석을 수행하는 데 사용되는 데이터, 등)를 수신할 수 있다. 예를 들어, 데이터는 의사에 의해 입력될 수 있고, 또는, 방사선과 또는 다른 메디컬 랩(medical lab)과 같이, 이러한 데이터에 접근 및 이러한 데이터를 제공할 수 있는 다른 소스로부터 수신될 수 있다. 데이터는 네트워크, 또는, 데이터 통신을 위한 다른 시스템을 통해, 또는, 직접 컴퓨터 시스템 내로 전송될 수 있다. 소프트웨어 툴은 시뮬레이션된 혈압 모델(50), 시뮬레이션된 혈류 모델(52), 및/또는 cFFR 모델(54)과 같이, 도 1과 연계하여 앞서 설명한 방정식(30)의 해를 구함으로써 결정되는, 3차원 모델(10) 또는 다른 모델/메시 및/또는 임의의 시뮬레이션 또는 다른 결과를 생성 및 디스플레이하기 위해 데이터를 이용할 수 있다. 따라서, 소프트웨어 툴은 단계(100-500)를 수행할 수 있다. 단계(500)에서, 의사는 가능한 치료 옵션을 선택하기 위해 컴퓨터 시스템에 추가적인 입력을 제공할 수 있고, 컴퓨터 시스템은 선택된 치료 옵션에 기초하여 새로운 시뮬레이션을 의사에게 디스플레이할 수 있다. 더욱이, 도 2에 도시되는 각각의 단계(100-500)는 별개의 소프트웨어 패키지 또는 모듈을 이용하여 수행될 수 있다.
대안으로서, 소프트웨어 툴은 웹 기반 서비스 또는 다른 서비스(가령, 의사와는 다른 별도의 실체에 의해 제공되는 서비스)의 일부분으로 제공될 수 있다. 서비스 제공자는, 예를 들어, 웹-기반 서비스를 운영할 수 있고, 네트워크를 통해, 또는 컴퓨터 시스템 사이에서 데이터를 통신할 수 있는 다른 방법을 통해, 의사 또는 다른 사용자에게 접근가능한 웹 포털 또는 다른 웹-기반 애플리케이션을 제공할 수 있다(가령, 서비스 제공자에 의해 운영되는 서버 또는 다른 컴퓨터 시스템 상에서 구동될 수 있다). 예를 들어, 환자로부터 비침습성으로 얻은 데이터가 서비스 제공자에게 제공될 수 있고, 서비스 제공자는 이 데이터를 이용하여, 시뮬레이션된 혈압 모델(50), 시뮬레이션된 혈류 모델(52), 및/또는 cFFR 모델(54)과 같이, 도 1과 연계하여 앞서 설명한 방정식(30)의 해를 구함으로써 결정되는, 3차원 모델(10) 또는 다른 모델/메시, 및/또는 임의의 시뮬레이션 또는 다른 결과를 생성할 수 있다. 그 후, 웹-기반 서비스는 3차원 모델(10) 또는 다른 모델/메시, 및/또는 시뮬레이션에 관한 정보를 송신하여, 3차원 모델(10) 및/또는 시뮬레이션이 의사의 컴퓨터 시스템 상에서 의사에게 디스플레이될 수 있게 된다. 따라서, 웹-기반 서비스는 환자별 정보를 제공하기 위해 아래 설명되는 다른 임의의 단계들과 단계(100-500)를 수행할 수 있다. 단계(500)에서, 의사는 예를 들어, 가능한 치료 옵션을 선택하거나 연산 분석에 대해 다른 조정을 행하는 등의, 추가적인 입력을 제공할 수 있고, 이러한 입력은 (가령, 웹 포털을 통해) 서비스 제공자에 의해 운영되는 컴퓨터 시스템에 전송될 수 있다. 웹-기반 서비스는 선택된 가능한 치료 옵션에 기초하여 새로운 시뮬레이션 또는 다른 결과를 생성할 수 있고, 새 시뮬레이션이 의사에게 디스플레이될 수 있도록 새로운 시뮬레이션에 관한 정보를 의사에게 다시 전송할 수 있다.
여기서 설명되는 단계들 중 하나 이상은 한 명 이상의 운영자인 사람(가령, 심장병 전문의 또는 다른 의사, 환자, 웹-기반 서비스 또는 제 3자에 의해 제공되는 다른 서비스를 제공하는 서비스 제공자의 고용인, 타 사용자, 등), 또는, 데스크탑 또는 휴대형 컴퓨터, 워크스테이션, 서버, PDA, 등과 같이, 이러한 사람에 의해 사용되는 하나 이상의 컴퓨터 시스템에 의해 수행될 수 있다. 컴퓨터 시스템은 네트워크를 통해, 또는, 데이터를 통신하는 다른 방법을 통해 연결될 수 있다.
도 3은 특정 환자의 혈류에 관한 다양한 정보를 제공하기 위한 예시적인 방법의 추가적인 형태를 보여준다. 도 3에 도시되는 형태는 웹-기반 서비스의 일부분으로, 및/또는 컴퓨터 시스템 내로 적어도 부분적으로 통합될 수 있는 소프트웨어 툴 내로 통합될 수 있다.
II. 환자별 신체 데이터의 획득 및 사전처리
도 2에 도시되는 단계(100)와 연계하여 앞서 설명한 바와 같이, 예시적인 방법은 환자의 심장에 관한 정보와 같이, 환자별 신체 데이터를 획득하고 데이터를 사전처리하는 단계를 포함할 수 있다. 예시적인 실시예에서, 단계(100)는 다음의 단계들을 포함할 수 있다.
최초에, 환자가 선택될 수 있다. 예를 들어, 흉부통, 심장 마비, 등과 같은 관상 동맥 질환과 관련된 징후를 환자가 나타낼 경우, 환자의 관상 동맥 혈류에 관한 정보가 요망됨을 의사가 결정할 때 의사에 의해 환자가 선택될 수 있다.
환자 대동맥의 적어도 일부분, 대동맥에 연결된 주요 관상 동맥(및 이로부터 연장되는 지류)의 근위부, 및 심근과 같이, 환자 심장의 기하 형태에 관한 데이터와 같은, 환자별 신체 데이터를 얻을 수 있다. 환자별 신체 데이터는 예를 들어, 비침습성 이미징법을 이용하여, 비침습성으로 얻을 수 있다. 예를 들어, CCTA는 심근, 대동맥, 주요 관상 동맥, 및 이에 연결된 다른 혈관과 같은 구조의 이미지를 보고 생성하기 위해 사용자가 CT 스캐너를 작동시키는 이미징법이다. CCTA 데이터는, 예를 들어, 심장 주기에 따른 혈관 형상 변화를 보여주기 위해, 시간에 따라 변할 수 있다. CCTA는 환자 심장의 이미지를 생성하는 데 사용될 수 있다. 64-슬라이스 CCTA 데이터(예를 들어, 환자 심장의 64 슬라이스에 관한 데이터)를 얻을 수 있고, 3차원 이미지로 조합될 수 있다. 도 4는 64-슬라이드 CCTA 데이터에 의해 생성되는 3차원 이미지(120)의 일례를 보여준다.
대안으로서, 자기 공명 이미징(MRI) 또는 초음파(US)와 같은 다른 비침습성 이미징법, 또는, 디지털 감산 혈관 조영술(DSA)와 같은 침습성 이미징법을 이용하여 환자 신체 구조의 이미지를 생성할 수 있다. 이미징법은 신체 구조를 식별할 수 있도록 조영제 정맥 주사를 환자에게 투여하는 과정을 포함할 수 있다. (예를 들어, CCTA, MRI, 등에 의해 제공되는) 결과적인 이미징 데이터는 방사선과 또는 심장 전문의와 같은 제 3의 판매자에 의해, 환자의 의사, 등에 의해 제공될 수 있다.
다른 환자별 신체 데이터는 환자로부터 비침습성으로 또한 결정될 수 있다. 예를 들어, 환자의 혈압, 기준 심박동수, 키, 체중, 헤마토크릿(hematocrit), 박출량, 등과 같은 생리학적 데이터가 측정될 수 있다. 혈압은 최대 혈압(수축기압) 및 최소 혈압(확장기압)과 같이, 환자의 상완동맥(가령, 혈압 커프 이용)의 혈압일 수 있다.
앞서 설명한 바와 같이 얻는 환자별 신체 데이터는 보안 통신 라인을 통해(예를 들어, 네트워크를 통해) 전달될 수 있다. 예를 들어, 데이터는 단계(400)에서 앞서 설명한 연산 분석과 같은, 연산 분석을 수행하기 위해 서버 또는 다른 컴퓨터 시스템에 전달될 수 있다. 예시적인 실시예에서, 데이터는 웹 기반 서비스를 제공하는 서비스 제공자에 의해 작동되는 서버 또는 다른 컴퓨터 시스템에 전달될 수 있다. 대안으로서, 데이터는 환자의 의사 또는 다른 사용자에 의해 작동되는 컴퓨터 시스템에 전달될 수 있다.
도 3을 다시 참조하면, 전달된 데이터는 데이터가 수용가능한지 여부를 결정하기 위해 리뷰될 수 있다(단계(102)). 이러한 결정은 사용자에 의해 및/또는 컴퓨터 시스템에 의해 수행될 수 있다. 예를 들어, 전달된 데이터(가령, CCTA 데이터 및 다른 데이터)는 사용자에 의해 및/또는 컴퓨터 시스템에 의해 확인되어, CCTA 데이터가 완전한지(예를 들어, 대동맥 및 주요 관상 동맥의 충분한 부분을 포함하는 )와 정확한 환자에 대응하는지 여부를 결정할 수 있다.
전달된 데이터(가령, CCTA 데이터 및 다른 데이터)는 또한 사전처리 및 평가될 수 있다. 사전처리 및/또는 평가는 사용자에 의해 및/또는 컴퓨터 시스템에 의해 수행될 수 있고, 예를 들어, CCTA 데이터의 오등록, 불일치, 또는 블러링(blurring), CCTA 데이터에 도시되는 스텐트 확인, 혈관의 내강의 가시도를 방해할 수 있는 타 아티팩트의 확인, 환자의 신체 구조(예를 들어, 대동맥, 주요 관상 동맥, 및 타 혈관)와 다른 부분 사이의 충분한 콘트라스트의 확인, 등을 포함할 수 있다.
전달된 데이터는 앞서 설명한 확인, 사전처리, 및/또는 평가에 기초하여 데이터가 수용가능한지 여부를 결정하도록 평가될 수 있다. 앞서 설명한 확인, 사전처리, 및/또는 평가 중, 사용자 및/또는 컴퓨터 시스템은 데이터의 소정의 에러 또는 문제를 교정할 수 있다. 그러나, 에러나 문제가 너무 많을 경우, 데이터는 수용불가능하다고 결정될 수 있고, 사용자 및/또는 컴퓨터 시스템은 전달된 데이터의 거절을 필요로하는 에러 또는 문제를 설명하는 거절 리포트를 발생시킬 수 있다. 선택적인 사항으로서, 새로운 CCTA 스캔이 수행될 수 있고, 및/또는, 앞서 설명한 생리학적 데이터가 환자로부터 다시 측정될 수 있다. 전달된 데이터가 수용가능하다고 결정될 경우, 방법은 아래 설명된 단계(202)로 진행될 수 있다.
따라서, 앞서 설명한 도 3에 도시되는 단계(102)는 도 2의 단계(100)의 세부단계로 간주될 수 있다.
III. 획득한 신체 데이터에 기초한 3차원 모델 생성
도 2에 도시되는 단계(200)와 연계하여 앞서 설명한 바와 같이, 예시적인 방법은 획득한 신체 데이터에 기초하여 3차원 모델을 생성하는 단계를 포함할 수 있다. 예시적인 실시예에서, 단계(200)는 다음의 단계들을 포함할 수 있다.
CCTA 데이터를 이용하여, 관상 동맥 혈관의 3차원 모델이 발생될 수 있다. 도 5는 CCTA 데이터를 이용하여 발생된 3차원 모델(220)의 표면의 예를 보여준다. 예를 들어, 모델(220)은 가령, 대동맥의 적어도 일부분과, 대동맥의 해당 부분에 연결되는 하나 이상의 주요 관상 동맥의 적어도 하나의 말단부와, 상기 주요 관상 동맥에 연결된 하나 이상의 지류의 적어도 하나의 근위부, 등을 포함할 수 있다. 대동맥, 주요 관상 동맥, 및/또는 지류의 모델링된 부분들은 어떤 부분도 모델(220)의 나머지로부터 단절되지 않도록 트리-형태로 상호연결될 수 있다. 모델(220)을 형성하는 프로세스는 분절(segmentation)로 불린다.
도 3을 다시 참조하면, 컴퓨터 시스템은 대동맥(단계(202)) 및 심근(또는 다른 심장 조직, 또는, 모델링될 동맥에 연결되는 다른 조직)(단계(204))의 적어도 일부분을 자동적으로 분절할 수 있다. 컴퓨터 시스템은 대동맥에 연결된 주요 관상 동맥의 적어도 일부분을 또한 분절할 수 있다. 예시적인 실시예에서, 컴퓨터 시스템은 사용자로 하여금 주요 관상 동맥을 분절하기 위해, 하나 이상의 관상 동맥 근부 또는 시작점을 선택하게 할 수 있다(단계(206)).
분절을 다양한 방법을 이용하여 수행될 수 있다. 분절은 사용자 입력에 기초하여, 또는 사용자 입력없이 컴퓨터 시스템에 의해 자동적으로 수행될 수 있다. 예를 들어, 예시적인 실시예에서, 사용자는 제 1 최초 모델을 발생시키기 위해 컴퓨터 시스템에 입력을 제공할 수 있다. 예를 들어, 컴퓨터 시스템은 CCTA 데이터로부터 생성된 3차원 이미지(120)(도 4) 또는 그 슬라이스를 사용자에게 디스플레이할 수 있다. 3차원 이미지(120)는 가변적인 광 세기 부분을 포함할 수 있다. 예를 들어, 밝은 영역은 대동맥, 주요 관상 동맥, 및/또는 지류의 내강을 표시할 수 있다. 어두운 영역은 심근 및 환자 심장의 타 조직을 표시할 수 있다.
도 6은 사용자에게 디스플레이될 수 있는 3차원 이미지(120)의 슬라이스(222)의 일부분을 도시하고, 슬라이스(222)는 상대적 밝기의 영역(224)을 포함할 수 있다. 컴퓨터 시스템은 하나 이상의 시드(226)를 더함으로써 상대적 밝기의 영역(224)을 사용자로 하여금 선택하게 할 수 있고, 시드(226)는 주요 관상 동맥을 분절하기 위한 관상 동맥 근부 또는 시작점으로 작용할 수 있다. 사용자의 명령시, 컴퓨터 시스템은 시드(226)를 시작점으로 이용하여 제 1 최초 모델을 형성할 수 있다. 사용자는 대동맥 및/또는 개별 주요 관상 동맥 중 하나 이상에 시드(226)를 더할 수 있다. 선택적 사항으로서, 사용자는 주요 관상 동맥에 연결된 지류 중 하나 이상에 시드(226)를 또한 더할 수 있다. 대안으로서, 컴퓨터 시스템은 예를 들어, 추출된 중심선 정보를 이용하여, 자동적으로 시드를 배치할 수 있다. 컴퓨터 시스템은 시드(226)가 배치된 곳에서 이미지(120)의 세기 값을 결정할 수 있고, 동일 세기 값을 갖는(또는, 선택된 초기 값을 중심으로 하는 세기값들의 범위 또는 임계값 내의) 이미지(120)의 부분들을 따라 시드(226)를 확장함으로써 제 1 최초 모델을 형성할 수 있다. 따라서, 이 분절 방법은 "임계값-기반 분절"로 불릴 수 있다.
도 7은 도 6의 시드(226)를 확장함으로써 형성되는 제 1 최초 모델의 일부분(230)을 도시한다. 따라서, 사용자는 컴퓨터 시스템이 제 1 최초 모델의 형성을 시작하기 위한 시작점(226)으로 시드(226)를 입력한다. 이 과정은 관심 대상인 전체 부분, 예를 들어, 대동맥 및/또는 주요 관상 동맥의 부분들이 분절될 때까지 반복될 수 있다. 대안으로서, 제 1 최초 모델은 사용자 입력없이 컴퓨터 시스템에 의해 발생될 수 있다.
대안으로서, 분절이, "에지-기반 분절"이라 불리는 방법을 이용하여 수행될 수 있다. 예시적인 실시예에서, 임계값-기반 분절법 및 에지-기반 분절법이 아래 설명되는 바와 같이 수행되어 모델(220)을 형성할 수 있다.
에지-기반 분절법을 이용하여 제 2 최초 모델이 형성될 수 있다. 이 방법을 이용하면, 대동맥 및/또는 주요 관상 동맥의 내강 에지의 위치가 파악될 수 있다. 예를 들어, 예시적인 실시예에서, 사용자는 제 2 최초 모델을 발생시키기 위해, 앞서 설명한 바와 같은 시드(226)를 컴퓨터 시스템에 입력으로 제공할 수 있다. 컴퓨터 시스템은 에지에 도달할 때까지 이미지(120)의 부분을 따라 시드(226)를 팽창시킬 수 있다. 내강 에지의 위치가, 예를 들어, 사용자에 의해 시각적으로, 및/또는 컴퓨터 시스템에 의해(가령, 설정 임계치보다 높은 세기값의 변화가 있는 위치에서), 파악될 수 있다. 에지-기반 분절법은 컴퓨터 시스템 및/또는 사용자에 의해 수행될 수 있다.
심근 또는 타 조직은 단계(204)에서 CCTA 데이터에 기초하여 또한 분절될 수 있다. 예를 들어, CCTA 데이터는 가령, 좌심실 및/또는 우심실과 같은 심근의 내측 및 외측 표면의 위치를 결정하기 위해 분석될 수 있다. 표면의 위치는 CCTA 데이터 내 심장의 타 구조에 비교할 때 심근의 콘트라스트(가령, 상대적 어둡기 및 밝기)에 기초하여 결정될 수 있다. 따라서, 심근의 기하형태가 결정될 수 있다.
대동맥, 심근, 및/또는 주요 관상 동맥의 분절은, 필요할 경우, 리뷰 및/또는 교정될 수 있다(단계(208)). 리뷰 및/또는 교정은 컴퓨터 시스템에 의해 및/또는 사용자에 의해 수행될 수 있다. 예를 들어, 예시적인 실시예에서, 컴퓨터 시스템은 분절을 자동적으로 리뷰할 수 있고, 사용자는 에러가 있을 경우, 예를 들어, 모델(220) 내 대동맥, 심근, 및/또는 주요 관상 동맥 중 임의의 부분이 없거나 부정확할 경우, 분절을 수동으로 교정할 수 있다.
예를 들어, 앞서 설명된 제 1 및 제 2 최초 모델은 대동맥 및/또는 주요 관상 동맥의 분절이 정확함을 보장하기 위해 비교될 수 있다. 제 1 및 제 2 최초 모델 간에 차이가 있는 임의의 영역들이 비교되어 분절을 비교할 수 있고, 모델(220)을 형성할 수 있다. 예를 들어, 모델(220)은 제 1 및 제 2 최초 모델 사이의 평균일 수 있다. 대안으로서, 앞서 설명한 분절법 중 단 하나만이 수행될 수 있고, 이 방법에 의해 형성된 최초 모델이 모델(220)로 사용될 수 있다.
심근 질량이 연산될 수 있다(단계(240)). 이 연산은 컴퓨터 시스템에 의해 수행될 수 있다. 예를 들어, 심근 체적은 앞서 설명한 바와 같이 결정되는 심근의 표면 위치에 기초하여 연산될 수 있고, 연산된 심근 체적을 심근 밀도와 곱하여, 심근 질량을 연산할 수 있다. 심근 밀도는 미리 설정될 수 있다.
모델(220)(도 5)의 다양한 혈관(가령, 대동맥, 주요 관상 동맥, 등)의 중심선이 결정될 수 있다(단계(242)). 예시적인 실시예에서, 이러한 결정은 컴퓨터 시스템에 의해 자동적으로 수행될 수 있다.
단계(242)에서 결정된 중심선은, 필요할 경우, 리뷰 및/또는 교정될 수 있다(단계(244)). 리뷰 및/또는 교정은 컴퓨터 시스템에 의해 및/또는 사용자에 의해 수행될 수 있다. 예를 들어, 예시적인 실시예에서, 컴퓨터 시스템은 중심선을 자동적으로 리뷰할 수 있고, 사용자는 에러가 존재할 경우, 예를 들어, 중심선이 없거나 부정확할 경우, 중심선을 수동으로 교정할 수 있다.
(혈관의 협폭화를 야기하는) 칼슘 또는 플라크가 검출될 수 있다(단계(246)). 예시적인 실시예에서, 컴퓨터 시스템은 플라크를 자동적으로 검출할 수 있다. 예를 들어, 플라크는 3차원 이미지(120)에서 검출될 수 있고, 모델(220)로부터 제거될 수 있다. 플라크는 대동맥, 주요 관상 동맥 및/또는 지류의 내강보다 더 밝은 영역으로 나타나기 때문에, 플라크가 3차원 이미지(120)에서 식별될 수 있다. 따라서, 플라크는 설정값 미만의 세기 값을 갖는 것으로 컴퓨터 시스템에 의해 검출될 수 있고, 또는, 사용자에 의해 시각적으로 검출될 수 있다. 플라크 검출 후, 컴퓨터 시스템은 모델(220)로부터 플라크를 제거하여, 혈관 내 열린 공간 또는 내강의 일부분으로 플라크가 더이상 고려되지 않게 된다. 대안으로서, 컴퓨터 시스템은 대동맥, 주요 관상 동맥, 및/또는 지류와는 다른 색상, 음영, 또는 다른 시각적 표시자를 이용하여 모델(220) 상에 플라크를 표시할 수 있다.
컴퓨터 시스템은 검출된 플라크를 또한 자동적으로 분절할 수 있다(단계(248)). 예를 들어, 플라크는 CCTA 데이터에 기초하여 분절될 수 있다. CCTA 데이터는 CCTA 데이터 내 심장의 다른 구조에 비해 플라크의 콘트라스트(상대적 어둡기 및 밝기)에 기초하여 플라크(또는 그 표면)의 위치를 파악하도록 분석될 수 있다. 따라서, 플라크의 기하 형태가 또한 결정될 수 있다.
플라크의 분절은, 필요시, 리뷰 및/또는 교정될 수 있다(단계(250)). 리뷰 및/또는 교정은 컴퓨터 시스템 및/또는 사용자에 의해 수행될 수 있다. 예를 들어, 예시적인 실시예에서, 컴퓨터 시스템은 분절을 자동적으로 리뷰할 수 있고, 사용자는 에러가 있을 경우, 예를 들어, 플라크가 없거나 부정확하게 보여질 경우, 분절을 수동으로 교정할 수 있다.
컴퓨터 시스템은 주요 관상 동맥에 연결되는 지류를 자동적으로 분절할 수 있다(단계(252)). 예를 들어, 지류는 도 6 및 도 7에 도시되는 바와 같은, 그리고 단계(206)와 연계하여 앞서 설명한 바와 같은, 주요 관상 동맥을 분절하기 위한 유사 방법을 이용하여 분절될 수 있다. 컴퓨터 시스템은 단계(248, 250)와 연계하여 앞서 설명한 바와 유사 방법을 이용하여 분절된 지류에서 플라크를 또한 자동적으로 분절할 수 있다. 대안으로서, 지류(및 이에 포함된 임의의 플라크)는 (가령, 단계(206)에서) 주요 관상 동맥과 동일한 순간에 분절될 수 있다.
지류의 분절은, 필요시, 리뷰 및/또는 교정될 수 있다(단계(254)). 리뷰 및/또는 교정은 컴퓨터 시스템 및/또는 사용자에 의해 수행될 수 있다. 예를 들어, 예시적인 실시예에서, 컴퓨터 시스템은 분절을 자동적으로 리뷰할 수 있고, 사용자는 에러가 존재할 경우, 예를 들어, 모델(220) 내 브랜치의 어느 부분이 없거나 부정확할 경우, 분절을 수동으로 교정할 수 있다.
모델(220)은 (예를 들어, 단계(102)에서 CCTA 데이터의 리뷰 중) 오등록, 스텐트, 또는 타 아티팩트의 위치가 파악될 경우 교정될 수 있다(단계(256)). 교정은 사용자에 의해 및/또는 컴퓨터 시스템에 의해 수행될 수 있다. 예를 들어, 오등록 또는 다른 아티팩트(가령, 불일치, 블러링, 내강 가시도에 영향을 미치는 아티팩트, 등)의 위치가 파악될 경우, 모델(220)은 혈관의 단면적의 인위적 변화 또는 오변화를 방지하기 위해 리뷰 및/또는 교정될 수 있다. 스텐트의 위치가 파악될 경우, 모델(220)은 리뷰 및/또는 교정되어, 스텐트의 위치를 표시할 수 있고, 및/또는, 예를 들어, 스텐트의 크기에 기초하여, 스텐트의 위치가 파악된 혈관의 단면적을 교정할 수 있다.
모델(220)의 분절은 또한 독립적으로 리뷰될 수 있다(단계(258)). 리뷰는 사용자에 의해 및/또는 컴퓨터 시스템에 의해 수행될 수 있다. 예를 들어, 사용자 및/또는 컴퓨터 시스템은 교정가능한 에러 및/또는, 모델(220)을 적어도 부분적으로 재시도 또는 재분절할 것을 요구할 수 있는 에러와 같이, 모델(220)의 소정의 에러를 식별할 수 있다. 이러한 에러가 식별될 경우, 분절은 수용불가능한 것으로 결정될 수 있고, 에러에 따라, 소정의 단계, 예를 들어, 단계(202-208, 240-256) 중 하나 이상이 반복될 수 있다.
모델(220)의 분절이 수용가능한 것으로 독립적으로 확인될 경우, 선택적 사항으로서, 모델(220)이 출력되고 평활화될 수 있다(단계(260)). 평활화는 사용자에 의해 및/또는 컴퓨터 시스템에 의해 수행될 수 있다. 예를 들어, 리지(ridges), 점(points), 또는 다른 불연속 부분들이 평활화될 수 있다. 모델(220)은 연산 분석, 등을 위해 준비될 별도의 소프트웨어 모듈에 출력될 수 있다.
따라서, 앞서 설명된 도 3에 도시되는 단계(202-208, 240-260)들은 도 2의 단계(200)의 세부 단계로 간주될 수 있다.
IV. 분석 모델 준비 및 경계 조건 결정
도 2에 도시되는 단계(300)와 연계하여 앞서 설명한 바와 같이, 예시적인 방법은 분석을 위해 모델을 준비하고 경계 조건을 결정하는 단계를 포함할 수 있다. 예시적인 실시예에서, 단계(300)는 다음의 단계들을 포함할 수 있다.
A. 분석 모델 준비
도 3을 다시 참조하면, 모델(220)(도 5)의 다양한 혈관(가령, 대동맥, 주요 관상 동맥, 및/또는 지류)의 단면적이 또한 결정될 수 있다(단계(304)). 예시적인 실시예에서, 이러한 결정은 컴퓨터 시스템에 의해 수행될 수 있다.
모델(220)(도 5)이 트리밍될 수 있고(단계(306)), 고형 모델이 발생될 수 있다. 도 8은 도 5에 도시되는 모델(220)과 유사한 모델에 기초하여 준비된 트리밍된 고형 모델(320)의 예를 보여준다. 고형 모델(320)은 3차원 환자별 기하학적 모델이다. 예시적인 실시예에서, 트리밍은 사용자의 입력과 함께, 또는, 사용자의 입력없이, 컴퓨터 시스템에 의해 수행될 수 있다. 유입 경계(322) 및 유출 경계(324) 각각은, 각자의 경계를 형성하는 표면이 단계(242)에서 결정된 중심선에 수직이도록 트리밍될 수 있다. 유입 경계(322)는 도 8에 도시되는 바와 같이 대동맥의 상류 단부에서와 같이, 모델(320)의 신체 내로 혈류를 지향시키는 경계를 포함할 수 있다. 유출 경계(324)는 대동맥의 하류 단부 및 주요 관상 동맥 및/또는 지류의 하류 단부에서와 같이, 모델(320)의 신체로부터 외향으로 혈류를 지향시키는 경계를 포함할 수 있다.
B. 경계 조건 결정
경계 조건은 예를 들어, 도 8의 3차원 고형 모델(320)과 같은 모델의 경계에서 발생하는 것을 설명하기 위해 제공될 수 있다. 예를 들어, 경계 조건은 가령, 모델링된 신체의 경계에서, 환자의 모델링되는 신체와 관련된 적어도 하나의 혈류 특성에 관계할 수 있고, 혈류 특성은 혈류 속도, 압력, 유량, FFR, 등을 포함할 수 있다. 경계 조건을 적절히 결정함으로써, 모델 내 다양한 위치에서 정보를 결정하도록 연산 분석이 수행될 수 있다. 경계 조건의 예 및 이러한 경계 조건을 결정하기 위한 방법이 이제 설명될 것이다.
예시적인 실시예에서, 결정되는 경계 조건은 고형 모델(320)에 의해 표현되는 혈관의 부분으로부터 상류 및 하류의 구조를 1차원 또는 2차원 차수 축소 모델로 단순화시킬 수 있다. 경계 조건을 결정하기 위한 한 세트의 예시적인 방정식 및 기타 세부사항은 예를 들어, 미국특허출원공보 제2010/0241404호 및 미국특허가출원 제61/210,401호(발명의 명칭: "Patient-Specific Hemodynamics of the Cardiovascular System")에 개시되어 있고, 그 내용 전체는 본 발명에 참고자료로 포함된다.
경계 조건은, 심장을 통한 혈류가 환자의 생리학적 조건에 따라 다를 수 있기 때문에, 환자의 생리학적 조건에 따라 변할 수 있다. 예를 들어, FFR은 생리학적 충혈 조건 하에 일반적으로 측정되고, 이러한 충혈 조건은 가령, 스트레스, 등으로 인해, 환자가 심장의 혈류 증가를 나타낼 때 일반적으로 발생한다. FFR은 최대 스트레스 조건 하에 대동맥 혈압에 대한 관상 동맥 혈압의 비다. 충혈은 약물학적으로, 예를 들어, 아데노신으로, 또한 유도될 수 있다. 도 9 내지 도 11은 환자의 생리학적 조건에 따라, 모델(320)의 대동맥 혈압에 대한 관상 동맥 혈압의 비의 변화를 표시하는 연산 FFR(cFFR) 모델의 예를 보여준다(휴식시, 최대 충혈시, 또는 최대 운동시). 도 9는 환자가 휴식 중일 때 모델(320) 전체를 통해 대동맥 혈압에 대한 관상 동맥 혈압의 비의 최소 변화를 나타낸다. 도 10은 환자가 최대 충혈을 나타낼 때 모델(320) 전체를 통해 대동맥 압력에 대한 관상 동맥 혈압의 비가 크게 변화함을 보여준다. 도 11은 환자가 최대 운동 상태에 있을 때 모델(320) 전체를 통해 대동맥 압력에 대한 관상 동맥 압력의 비가 더욱 크게 변화함을 보여준다.
도 3을 다시 참조하면, 충혈 조건에 대한 경계 조건이 결정될 수 있다(단계(310)). 예시적인 실시예에서, 1~5배의 관상 동맥 저항의 감소, 대략 0-20%의 대동맥 혈압 감소, 및 대략 0-20%의 심박동수 증가를 이용하여 아데노신 효과가 모델링될 수 있다. 예를 들어, 아데노신 효과는 4배의 관상 동맥 저항 감소, 대략 10%의 대동맥 혈압 감소, 및 대략 10%의 심박동수 증가를 이용하여 모델링될 수 있다. 충혈 조건에 대한 경계 조건이 이러한 예시적인 실시예에서 결정되지만, 휴식 시, 가변 레벨의 충혈 조건, 가변 레벨의 운동 조건, 활동(exertion) 조건, 스트레스 조건, 또는 다른 조건과 같은 다른 생리학적 상태에 대한 경계 조건이 결정될 수 있음을 이해할 수 있을 것이다.
경계 조건은 경계에서, 예를 들어, 도 8에 도시되는 바와 같이, 유입 경계(322), 유출 경계(324), 혈관벽 경계(326), 등에서, 3차원 고형 모델(320)에 관한 정보를 제공한다. 혈관벽 경계(326)는 모델(320)의 대동맥, 주요 관상 동맥, 및/또는 다른 광산 동맥 또는 혈관의 물리적 경계를 포함할 수 있다.
각각의 유입 또는 유출 경계(322, 324)는 기지정된 값 또는 값들의 필드를 갖는 속도, 유량, 압력, 또는 다른 혈류 특성을 할당받을 수 있다. 대안으로서, 각각의 유입 또는 유출 경계(322, 324)는 경계에 심장 모델, 집중 파라미터 또는 분배형(가령, 1차원 파동 전파) 모델, 다른 타입의 1차원 또는 2차원 모델, 또는 다른 타입의 모델을 결합시킴으로써 할당될 수 있다. 예를 들어, 획득한 환자별 정보로부터 결정되는 유입 또는 유출 경계(322, 324)의 기하형태, 또는 심박출량, 혈압, 단계(240)에서 연산된 심근 질량, 등과 같은 다른 측정 파라미터에 기초하여, 구체적 경계 조건이 결정될 수 있다.
i. 차수 축소 모델 결정
고형 모델(320)에 연결된 상류 및 하류 구조는 상류 및 하류 구조를 나타내는 차수 축소 모델로 표현될 수 있다. 예를 들어, 도 12-15는 예시적인 실시예에 따라, 유출 경계(324) 중 하나에서 3차원 환자별 신체 데이터로부터 집중 파라미터 모델을 준비하기 위한 방법의 형태를 보여준다. 이 방법은 도 2 및 도 3에 도시되는 방법과는 별도로 그 이전에 수행될 수 있다.
도 12는 주요 관상 동맥 또는 그로부터 연장되는 지류 중 하나의 고형 모델(320)의 일부분(330)을 보여주고, 도 13은 도 12에 도시되는 부분(330)의 단계(242)에서 결정되는 중심선의 부분을 보여준다.
부분(330)은 세그먼트(332)로 나누어질 수 있다. 도 14는 부분(330)으로부터 형성될 수 있는 세그먼트(332)의 예를 보여준다. 세그먼트(332)의 길이의 선택은 사용자 및/또는 컴퓨터 시스템에 의해 수행될 수 있다. 세그먼트(332)는 예를 들어, 세그먼트(332)의 기하 형태에 따라, 길이를 달리할 수 있다. 부분(330)을 분절하기 위해 다양한 기술이 사용될 수 있다. 예를 들어, 질환부, 예를 들어, 비교적 좁은 단면을 갖는 부분, 병변, 및/또는 협착증(혈관의 비정상적 협폭화)이 하나 이상의 별도의 세그먼트(332)에서 제공될 수 있다. 질환부 및 협착증은, 예를 들어, 중심선의 길이를 따라 단면적을 측정함으로써, 그리고, 국부적으로 최소 단면적을 연산함으로써, 식별될 수 있다.
세그먼트(332)는 하나 이상의 (선형 또는 비-선형) 저항기(334) 및/또는 다른 회로 요소(가령, 커패시터, 인덕터, 등)를 포함하는 회로도에 의해 근사될 수 있다. 도 15는 일련의 선형 및 비선형 저항기(334)에 의해 대체되는 세그먼트(332)의 예를 보여준다. 저항기(334)의 개별 저항은, 예를 들어, 대응하는 세그먼트(332) 간의 추정 혈류 및/또는 혈압에 기초하여, 결정될 수 있다.
저항은 대응하는 세그먼트(332)를 통해 추정 유량에 따라, 일정하거나, 선형이거나, 또는 비-선형일 수 있다. 협착증과 같이 더욱 복잡한 기하형태의 경우, 저항은 유량과 함께 변할 수 있다. 다양한 기하형태에 대한 저항은 연산 분석(가령, 유한 차법, 유한 체적법, 스펙트럼법, 격자 볼츠만법, 입자-기반법, 레벨 세트법, 등기하법, 또는 유한 요소법, 또는 다른 연산 유체 동역학(CFD) 분석 기술)에 기초하여 결정될 수 있고, 서로 다른 혈류 및 혈압 조건 하에 수행되는 연산 분석으로부터의 복수의 해를 이용하여, 환자별, 혈관별, 및/또는 병변별 저항을 도출할 수 있다. 그 결과를 이용하여, 모델링될 수 있는 임의의 세그먼트의 기하 형태 및 특징들의 다양한 타입에 대한 저항을 결정할 수 있다. 그 결과, 위에서 설명한 바와 같은 환자별, 혈관별, 및/또는 병변-별 저항의 도출에 따라, 컴퓨터 시스템은 비대칭 협착증, 복수 병변, 분기부 및 지류에서의 병변, 복잡한 혈관, 등과 같은 더욱 복잡한 기하 형태를 인지 및 평가할 수 있다.
커패시터가 또한 포함될 수 있고, 예를 들어, 대응하는 세그먼트의 혈관벽의 탄성에 기초하여, 커패시턴스가 결정될 수 있다. 인덕터가 포함될 수 있고, 예를 들어, 대응하는 세그먼트를 통해 유동하는 혈액량의 가속 또는 감속에 관련된 관성 효과에 기초하여 인덕턴스가 결정될 수 있다.
저항, 커패시턴스, 인덕턴스, 및 집중 파라미터 모델에 사용되는 타 전기적 구성요소들과 관련된 다른 변수에 대한 개별 값들은, 많은 환자로부터 데이터에 기초하여 도출될 수 있고, 유사 혈관 기하 형태는 유사한 값을 가질 수 있다. 따라서, 대단위 환자별 데이터로부터 실험 모델이 발전되어, 미래 분석에 유사 환자들에게 적용될 수 있는 특정 기하학적 특징들에 대응하는 값들의 라이브러리를 생성할 수 있다. 2개의 서로 다른 혈관 세그먼트 사이에서 기하 형태가 일치하여, 이전 시뮬레이션으로부터 한 환자의 세그먼트(332)에 대한 값들을 자동적으로 선택할 수 있다.
ii. 예시적인 집중 파라미터 모델
대안으로서, 도 12 내지 도 15와 연계하여 앞서 설명한 단계들을 수행하는 대신에, 집중 파라미터 모델이 기설정될 수 있다. 예를 들어, 도 16은 고형 모델(320)의 유입 및 유출 경계(322, 324)에서 상류 및 하류 구조를 나타내는 집중 파라미터 모델(340, 350, 360)의 예를 보여준다. 단부(A)는 유입 경계(322)에 위치하고, 단부(B)는 유출 경계에 위치한다.
집중 파라미터 심장 모델(340)을 이용하여, 고형 모델(320)의 유입 경계(322)의 단부(A)에서 경계 조건을 결정할 수 있다. 집중 파라미터 심장 모델(340)을 이용하여 충혈 조건 하에 심장으로부터 혈류를 나타낼 수 있다. 집중 파라미터 심장 모델(340)은 환자에 관해 알려진 정보, 예를 들어, 대동맥 혈압, (가령, 단계(100)에서 결정되는) 환자의 수축기 및 확장기 혈압, 환자의 심박출량(가령, 단계(100)에서 결정되는 환자의 일회 박출량 및 심박동수에 기초하여 연산되는, 심장으로부터 혈류의 체적), 및/또는 실험적으로 결정되는 상수들에 기초하여 결정될 수 있는 다양한 파라미터(가령, PLA, RAV, LAV, RV-Art, LV -Art, 및 E(t))를 포함한다.
집중 파라미터 관상 동맥 모델(350)을 이용하여, 주요 관상 동맥 및/또는 이로부터 연장되는 지류의 하류 단부에 위치한 고형 모델(320)의 유출 경계(324)의 단부(a-m)에서 경계 조건을 결정할 수 있다. 집중 파라미터 관상 동맥 모델(350)을 이용하여, 충혈 조건 하에 모델링된 혈관으로부터 단부(a-m)를 통해 빠져나가는 혈류를 나타낼 수 있다. 집중 파라미터 관상 동맥 모델(350)은 예를 들어, 연산된 심근 질량(가령, 단계(240)에서 결정됨)과 단부(a-m)에서 단자 임피던스(가령, 단계(304)에서 결정되는 단부(a-m)에서 혈관의 단면적에 기초하여 결정됨)와 같이, 환자에 관해 알려진 정보에 기초하여 결정될 수 있는 다양한 파라미터(가령, Ra, Ca, Ra-micro, Cim 및 Rv)를 포함한다.
예를 들어, 연산되는 심근 질량은 복수의 유출 경계(324)를 통해 기준선 (휴식) 평균 관상 동맥 혈류를 추정하는 데 사용될 수 있다. 이 관계는 평균 관상 동맥 혈류(Q)를 심근 질량(M)(가령, 단계(240)에서 결정됨)과 로 상관시키는 실험적으로-도출되는 생리학적 법칙(가령, 도 1의 생리학적 법칙(20))에 기초할 수 있고, 이때, α는 기설정된 스케일링 지수이고, Q0는 기설정 상수다. 기준 (휴지) 조건에서 유출 경계(324)의 총 관상 동맥 혈류(Q)와 환자의 혈압(가령, 단계(100)에서 결정됨)을 이용하여, 기설정된, 실험적으로-도출되는 방정식에 기초하여 유출 경계(324)의 총 저항(R)을 결정할 수 있다.
총 저항(R)은 (가령, 단계(304)에서 결정되는) 단부(a-m)의 각자의 단면적에 기초하여 단부(a-m) 사이에서 분배될 수 있다. 이 관계는 단부(a-m)에서의 각자의 저항을 상관시키는 실험적으로-도출되는 생리학적 법칙(가령, 도 1의 생리학적 법칙(20))에 기초할 수 있고, Ri는 i번째 유출구에서 혈류에 대한 저항이고, Ri ,o는 기설정된 상수이며, di는 해당 유출구의 직경이고, β는 기설정된 거듭제곱 법칙 지수로서, 예를 들어, -3과 -2 사이의 값이고, 관상 동맥 혈류의 경우 -2.7, 뇌혈류의 경우 -2.9, 등이다. 개별 단부(a-m)를 통한 관상 동맥 혈류 및 개별 단부(a-m)에서의 평균 혈압(가령, 단계(304)에서 결정되는 바와 같이 혈관의 단부(a-m)의 개별 단면적에 기초하여 결정됨)을 이용하여, 대응하는 단부(a-m)에서 집중 파라미터 관상 동맥 모델(350)의 저항들의 합을 결정할 수 있다(가령, ). 다른 파라미터(가령, Ra/Ra-micro, Ca, Cim)는 실험적으로 결정되는 상수일 수 있다.
윈드케셀 모델(Windkessel model)(360)을 이용하여, 대동맥궁을 향한 대동맥의 하류 단부에 위치하는 고형 모델(320)의 유출 경계(324)의 단부(B)에서 경계 조건을 결정할 수 있다. 윈드케셀 모델(360)을 이용하여, 충혈 조건 하에 모델링된 대동맥으로부터 단부(B)를 통해 빠져나가는 혈류를 나타낼 수 있다. 윈드케셀 모델(360)은 집중 파라미터 심장 모델(340)과 연계하여 앞서 설명한 환자의 심박출량, 집중 파라미터 관상 동맥 모델(350)과 연계하여 앞서 설명한 기준선 평균 관상 동맥 혈류, 대동맥 혈압(가령, 단계(304)에서 결정되는 단부(B)에서의 대동맥의 단면적에 기초하여 결정됨) 및/또는 실험적으로 결정되는 상수와 같이, 환자에 관해 알려진 정보에 기초하여 결정될 수 있는 다양한 파라미터(가령, Rp, Rd, C)를 포함한다.
경계 조건, 예를 들어, 집중 파라미터 모델(340, 350, 360)(또는 여기에 포함된 임의의 상수) 또는 다른 차수 축소 모델은 다른 요인에 기초하여 조정될 수 있다. 예를 들어, 생리학적 스트레스 하에 혈관을 확장시키기 위해 비교적 감소된 용량으로 인해 낮은 혈류 대 혈관 크기를 환자가 가질 경우, 저항 값이 조정(가령, 증가)될 수 있다. 환자가 당뇨병을 갖고 있고 치료받고 있으며 과거 심장 사고(cardiac event)를 거친 경우, 저항 값이 또한 조정될 수 있다.
대안의 집중 파라미터 또는 분배형, 1차원 네트워크 모델을 이용하여, 고형 모델(320) 하류의 관상 동맥 혈관을 나타낼 수 있다. MRI, CT, PET, 또는 SPECT를 이용한 심근 관류 이미징을 이용하여 이러한 모델에 대해 파라미터를 할당할 수 있다. 또한, 대안의 이미징 소스, 예를 들어, 자기 공진 혈관 조영 검사(MRA), 후향적 동조화 또는 전향적 동조화 컴퓨터 단층 촬영 혈관 조영 검사(CTA), 등을 이용하여, 이러한 모델들에 대한 파라미터를 할당할 수 있다. 후향적 동조화는 이미지 처리 방법과 조합되어 심장 주기에 걸쳐 심실 체적 변화를 얻고, 따라서, 집중 파라미터 심장 모델에 파라미터를 할당할 수 있다.
집중 파라미터 모델(340, 350, 360) 또는 다른 차수 축소 1차원 또는 2차원 모델을 이용하여 환자 신체의 일부분을 단순화시킴으로써, 특히, 치료받지 않은 상태(가령, 도 2 및 도 3의 단계(400))에 추가하여 가능한 치료 옵션(가령, 도 2의 단계(500))을 평가할 때와 같이 연산 분석이 복수 회 수행될 경우, 연산 분석(가령, 아래 설명되는 도 3의 단계(402))을 더욱 신속하게 수행할 수 있고, 그러면서도 최종 결과에 높은 정확도를 유지할 수 있다.
예시적인 실시예에서, 경계 조건의 결정은 단계(100)에서 얻은 환자별 생리학적 데이터와 같은 사용자의 입력에 기초하여 컴퓨터 시스템에 의해 수행될 수 있다.
C. 3차원 메시 생성
도 3을 다시 참조하면, 단계(306)에서 발생된 고형 모델(320)에 기초하여 3차원 메시가 발생될 수 있다(단계(312)). 도 17 내지 도 19는 단계(306)에서 발생된 고형 모델에 기초하여 준비되는 3차원 메시(380)의 일례를 보여준다. 메시(380)는 고형 모델(320)의 내부 전체를 통해 고형 모델(320)의 표면을 따라 복수의 노드(382)(메시포인트 또는 그리드포인트)를 포함한다. 메시(380)는 도 18 및 도 19에 도시되는 바와 같이, (노드(382)를 형성하는 점들을 갖는) 사면체 요소로 생성될 수 있다. 대안으로서, 다른 형상을 갖는 요소들이 사용될 수 있다(예를 들어, 육면체, 또는 다른 다면체, 곡선 요소, 등). 예시적인 실시예에서, 노드(382)의 수는 수백만개 범위 내에 있을 수 있다(예를 들어, 5백만 내지 5천만개). 노드(382)의 수는 메시(380)가 미세해짐에 따라 증가한다. 많은 수의 노드(382)를 이용할 때, 모델(320) 내 더 많은 점에서 정보가 제공될 수 있지만, 많은 수의 노드(382)는 풀어야할 방정식의 수(가령, 도 1에 도시되는 방정식(30))를 증가시키기 때문에, 연산 분석이 오래 걸릴 수 있다. 예시적인 실시예에서, 메시(380)의 발생은, (가령, 노드(382)의 수, 요소의 형태, 등을 명시하는) 사용자의 입력과 함께, 또는 사용자 입력없이, 컴퓨터 시스템에 의해 수행될 수 있다.
도 3을 다시 참조하면, 메시(380) 및 결정된 경계 조건이 확인될 수 있다(단계(314)). 확인은 사용자에 의해 및/또는 컴퓨터 시스템에 의해 수행될 수 있다. 예를 들어, 사용자 및/또는 컴퓨터 시스템은, 가령, 메시(380)가 왜곡되거나 충분한 공간적 해상도를 갖지 않을 경우, 경계 조건이 연산 분석 수행에 충분치 않을 경우, 단계(310)에서 결정된 저항이 틀렸다고 드러나는 경우, 등에, 메시(380) 및/또는 경계 조건의 재실행 또는 변경을 요구하는, 메시(380) 및/또는 경계 조건으로 소정의 에러를 식별할 수 있다. 그러할 경우, 메시(380) 및/또는 경계 조건은 수용불가능한 것으로 결정될 수 있고, 단계(304-314) 중 하나 이상이 반복될 수 있다. 메시(380) 및/또는 경계 조건이 수용가능하다고 결정될 경우, 방법은 아래 설명되는 단계(402)로 진행할 수 있다.
추가적으로, 사용자는 획득한 환자별 정보 또는 다른 측정된 파라미터(가령, 단계(240)에서 연산된 심박출량, 혈압, 키, 체중, 심박 질량)가 정확하게 입력되고 및/또는 정확하게 연산되었음을 점검할 수 있다.
따라서, 앞서 설명한 도 3에 도시되는 단계(304-314)는 도 2의 단계(300)의 세부 단계로 고려될 수 있다.
V. 연산 분석 수행 및 결과 출력
도 2에 도시되는 단계(400)와 연계하여 앞서 설명한 바와 같이, 예시적인 방법은 연산 분석의 수행 및 결과 출력을 포함할 수 있다. 예시적인 실시예에서, 단계(400)는 다음의 단계들을 포함할 수 있다.
A. 연산 분석 수행
도 3을 참조하면, 연산 분석이 컴퓨터 시스템에 의해 수행될 수 있다(단계(402)). 예시적인 실시예에서, 단계(402)는 가령, 메시(380) 내 노드(382)의 수(도 17, 19), 등에 따라, 수분 내지 수시간 지속될 수 있다.
분석은 메시지(380)를 발생시킨 모델(320) 내 혈류를 설명하는 일련의 방정식들의 발생을 포함한다. 앞서 설명한 바와 같이, 예시적인 실시예에서, 요망 정보는 충혈 조건 하에 모델(320)을 통한 혈류의 시뮬레이션에 관련된다.
이러한 분석은 컴퓨터 시스템을 이용하려 혈류의 3차원 방정식을 풀기 위해 수치 해법의 이용을 또한 포함한다. 예를 들어, 수치 해법은, 유한 차법, 유한 체적법, 스펙트럼법, 격자 볼츠만법, 입자-기반법, 레벨 세트법, 등기하법, 또는, 유한 요소법, 또는, 다른 연산 유체동역학(CFD) 수치 기술과 같은, 알려진 방법일 수 있다.
이러한 수치 해법들을 이용하여, 혈액은 뉴튼식, 비-뉴튼식, 또는 다상 유체로 모델링될 수 있다. 단계(100)에서 측정되는 환자의 헤마토크릿 또는 다른 인자들을 이용하여, 분석에 포함하기 위한 혈액 점도를 결정할 수 있다. 혈관벽은 강성이거나(rigid) 또는 유연하다(compliant)고 가정될 수 있다. 후자의 경우에, 혈관벽 동역학용 방정식, 예를 들어, 동탄성(elstodynamics) 방정식이 혈류용 방정식과 함께 풀릴 수 있다. 단계(100)에서 획득한 시간에 따라 변하는 3차원 이미징 데이터를 입력으로 이용하여, 심장 주기에 걸쳐 혈관 형상의 변화를 모델링할 수 있다. 연산 분석을 수행하기 위한 단계들 및 예시적인 한 세트의 방정식이, 예를 들어, 미국특허 제6,236,878호(발명의 명칭: "Method for Predictive Modeling for Planning Medical Interventions and Simulating Physiological Conditions" 및 미국특허출원공보 제2010/0241404호 및 미국특허가출원 제61/210,401호(발명의 명칭: "Patient-Specific Hemodynamics of the Cardiovasuclar System")에 더 세부적으로 개시되어 있고, 그 내용 전체는 본 발명에 참고자료로 포함된다.
준비된 모델 및 경계 조건을 이용한 연산 분석은, 3차원 고형 모델(320)을 나타내는 메시(380)의 노드(382) 각각에서 혈류 및 혈압을 결정할 수 있다. 예를 들어, 연산 분석의 결과는 혈류 속도, 압력, 유량과 같은 다양한 혈류 특성 또는 파라미터, 또는, 아래 설명되는 cFFR과 같은 연산 파라미터와 같은, 그러나 이에 제한되지 않는, 각각의 노드(382)에서 다양한 파라미터에 대한 값들을 포함할 수 있다. 파라미터는 3차원 고형 모델(320) 사이에서 보간될 수도 있다. 그 결과, 연산 분석의 결과는, 통상적으로 침습성으로 결정될 수 있는 정보를 사용자에게 제공할 수 있다.
도 3을 다시 참조하면, 연산 분석의 결과가 확인될 수 있다(단계(404)). 확인은 사용자에 의해 및/또는 컴퓨터 시스템에 의해 수행될 수 있다. 예를 들어, 사용자 및/또는 컴퓨터 시스템은, 가령, 불충분한 개수의 노드(382)로 인해 정보가 불충분할 경우, 과량의 개수의 노드(382)로 인해 분석이 너무 오래 걸릴 경우, 등에, 메시(380) 및/또는 경계 조건의 재실행 또는 변경을 요구하는 결과로 소정의 에러를 식별할 수 있다.
연산 분석의 결과가 단계(404)에서 수용불가능하다고 결정될 경우, 사용자 및/또는 컴퓨터 시스템은, 예를 들어, 단계(306)에서 발생된 고형 모델(320) 및/또는 단계(312)에서 발생된 메시(380)를 변경 또는 개선할 것인지, 그리고, 어떻게 변경 또는 개선할 것인지, 단계(310)에서 결정된 경계 조건을 변경할 것인지, 그리고 어떻게 변경할 것인지, 또는, 연산 분석을 위한 입력에 대핸 다른 변경을 행할 것인지 여부를 결정할 수 있다. 그 후, 앞서 설명한 하나 이상의 단계, 예를 들어, 단(306-314, 402, 404)가 결정된 변경 또는 개선에 기초하여 반복될 수 있다.
B. 혈압, 혈류, 및 cFFR 의 결과 디스플레이
도 3을 다시 참조하면, 연산 분석의 결과가 단계(404)에서 수용가능하다고 결정될 경우, 컴퓨터 시스템은 연산 분석의 소정의 결과를 출력할 수 있다. 예를 들어, 컴퓨터 시스템은, 가령, 시뮬레이션된 혈압 모델(50), 시뮬레이션된 혈류 모델(52), 및/또는 cFFR 모델(54)와 같이, 도 1과 연계하여 앞서 설명한 이미지와 같은, 연산 분석의 결과에 기초하여 발생되는 이미지를 디스플레이할 수 있다. 앞서 언급한 바와 같이, 이러한 이미지들은, 예를 들어, 단계(310)에서 결정된 경계 조건이 충혈 조건에 대해 결정되었기 때문에, 시뮬레이션된 충혈 조건 하에 시뮬레이션된 혈압, 혈류, 및 cFFR을 표시한다.
시뮬레이션된 혈압 모델(50)(도 1)은, 시뮬레이션된 충혈 조건 하에 도 17 내지 도 19의 메시(380)에 의해 표현되는 환자 신체 전체를 통한 국부 혈압(가령, 밀리미터 수은주 또는 mmHG 단위)을 보여준다. 연산 분석은 메시(380)의 각각의 노드(382)에서 국부 혈압을 결정할 수 있고, 시뮬레이션된 혈압 모델(50)은 각자의 압력에 대응하는 색상, 음영, 또는 다른 시각적 표시자를 할당하여, 시뮬레이션된 혈압 모델(50)이, 각각의 노드(382)에 대한 개별 값들을 명시할 필요없이, 모델(50) 전체를 통해 압력 변화를 시각적으로 표시할 수 있다. 예를 들어, 도 1에 도시되는 시뮬레이션된 혈압 모델(50)은, 본 특정 환자의 경우, 시뮬레이션된 충혈 조건 하에, 압력이 대동맥에서 일반적으로 균일하고 높을 수 있고(더 어두운 음영으로 표시됨), 혈류가 주요 관상 동맥 및 지류 내로 하류로 유동함에 따라 압력이 점진적으로 그리고 연속적으로 감소함을 보여준다(지류의 하류 단부를 향해 음영이 점진적으로 그리고 연속적으로 밝아지는 것으로 나타남). 시뮬레이션된 혈압 모델(50)은 도 1에 도시되는 바와 같이 혈압에 대한 구체적 수치 값들을 표시하는 스케일을 동반할 수 있다.
예시적인 실시예에서, 시뮬레이션된 혈압 모델(50)에 색상이 제공될 수 있고, 칼라 스펙트럼을 이용하여 모델(50) 전체를 통해 압력 변화를 표시할 수 있다. 칼라 스펙트럼은 최고압으로부터 최저압까지 순서대로, 적색, 오랜지색, 황색, 녹색, 청색, 남색, 및 보라색을 포함할 수 있다. 예를 들어, 상한(적색)은 대략 100mmHg 이상(또는 80mmHg, 90mmHg, 100mmHg, 등)을 표시할 수 있고, 하한(보라색)은 대략 50mmHg 이하(또는 20mmHg, 30mmHg, 40mmHg, 등)를 표시할 수 있으며, 녹색은 대략 80mmHg(또는 상한과 하한 사이 대략 중간의 다른 값)를 표시한다. 따라서, 일부 환자의 경우 시뮬레이션된 혈압 모델(50)은 대부분의 또는 모든 대동맥을 적색 또는 스펙트럼의 높은 단부를 향하는 다른 색상으로 나타낼 수 있고, 색상은 관상 동맥 및 이로부터 연장되는 지류의 말단부를 향해(가령, 스펙트럼의 하측 단부를 향해(보라색을 향해)) 스펙트럼을 따라 점진적으로 변할 수 있다. 특정 환자에 대한 관상 동맥의 말단부는 각자의 말단부에 대해 결정된 국부 혈압에 따라, 적색으로부터 보라색까지 임의의 위치에서, 서로 다른 색상을 가질 수 있다.
시뮬레이션된 혈류 모델(52)(도 1)은, 시뮬레이션된 충혈 조건 하에 도 17 내지 도 19의 메시(380)에 의해 표현되는 환자 신체 전체를 통해 국부 혈류 속도(가령, 센티미터/초 또는 cm/초)를 보여준다. 연산 분석은 메시(380)의 각각의 노드(382)에서 국부 혈류 속도를 결정할 수 있고, 시뮬레이션된 혈류 모델(52)은 각자의 속도에 대응하는 색상, 음영, 또는 다른 시각적 표시자를 할당하여, 시뮬레이션된 혈류 모델(52)이 각각의 노드(382)에 대해 개별적 값들을 명시할 필요없이, 모델(52) 전체를 통해 속도의 변화를 시각적으로 표시할 수 있다. 예를 들어, 도 1에 도시되는 시뮬레이션된 혈류 모델(52)은 본 특정 환자의 경우, 시뮬레이션된 충혈 조건 하에, 속도가 주요 관상 동맥 및 지류의 소정의 영역에서 일반적으로 높음을 보여준다(도 1의 영역(53)에서의 어두운 음영으로 표시됨). 시뮬레이션된 혈류 모델(52)은 도 1에 도시되는 바와 같이, 혈류 속도에 대한 특정 수치 값을 표시하는 스케일을 동반할 수 있다.
예시적인 실시예에서, 시뮬레이션된 혈류 모델(52)에 색상이 제공될 수 있고, 칼라 스펙트럼을 이용하여 모델(52) 전체를 통해 속도 변화를 표시할 수 있다. 칼라 스펙트럼은 최고속으로부터 최저속까지 순서대로, 적색, 오랜지색, 황색, 녹색, 청색, 남색, 및 보라색을 포함할 수 있다. 예를 들어, 상한(적색)은 대략 100(또는 150) cm/초 이상을 표시할 수 있고, 하한(보라색)은 대략 0 cm/초를 표시할 수 있으며, 녹색은 대략 50cm/초(또는 상한과 하한 사이 대략 중간의 다른 값)를 표시한다. 따라서, 일부 환자의 경우 시뮬레이션된 혈류 모델(52)은 대부분의 또는 모든 대동맥을 적색 또는 스펙트럼의 낮은 단부를 향하는 색상의 혼합물(가령, 녹색 내지 보라색)로 보여줄 수 있고, 색상은 결정된 혈류 속도가 증가하는 소정의 위치에서 스펙트럼을 통해(예를 들어, 스펙트럼의 높은 단부를 향해(적색에 이르기까지)) 점진적으로 변화할 수 있다.
cFFR 모델(54)(도 1)은 시뮬레이션된 충혈 조건 하에 도 17 내지 도 19의 메시(380)에 의해 표현되는 환자 신체 전체를 통한 국부 cFFR을 보여준다. 앞서 언급한 바와 같이, cFFR은 특정 노드(382)에서 (가령, 시뮬레이션된 혈압 모델(50)에서 도시되는) 연산 분석에 의해 결정되는 국부 혈압을, (가령, 유입 경계(322)(도 8)에서) 대동맥 내 혈압으로 나눈 비로 연산될 수 있다. 연산 분석은 메시(380)의 각각의 노드(382)에서 cFFR을 결정할 수 있고, cFFR 모델(54)은 각자의 cFFR 값에 대응하는 색상, 음영, 또는 다른 시각적 표시자를 할당하여, cFFR 모델(54)이 각각의 노드(382)에 대해 개별적 값들을 명시할 필요없이, 모델(54) 전체를 통해 cFFR의 변화를 시각적으로 표시할 수 있다. 예를 들어, 도 1에 도시되는 cFFR 모델(54)은 본 특정 환자의 경우, 시뮬레이션된 충혈 조건 하에, cFFR이 일반적으로 균일할 수 있고 대동맥에서 대략 1.0일 수 있고, cFFR은 혈액이 주요 관상 동맥 및 지류 내로 하류로 유동함에 따라 점진적으로 그리고 연속적으로 감소함을 보여준다. cFFR 모델(54)은 도 1에 도시되는 바와 같이, cFFR에 대한 특정 수치 값을 표시하는 스케일을 동반할 수 있다.
예시적인 실시예에서, cFFR 모델(54)에 색상이 제공될 수 있고, 칼라 스펙트럼을 이용하여 모델(54) 전체를 통해 압력 변화를 표시할 수 있다. 칼라 스펙트럼은 최저 cFFR(기능적으로 중요한 병변을 표시)로부터 최고 cFFR까지 순서대로, 적색, 오랜지색, 황색, 녹색, 청색, 남색, 및 보라색을 포함할 수 있다. 예를 들어, 상한(보라색)은 1.0의 cFFR을 표시할 수 있고, 하한(적색)은 대략 0.7 (또는 0.75 또는 0.8) 이하를 표시할 수 있으며, 녹색은 대략 0.85(또는 상한과 하한 사이 대략 중간의 다른 값)를 표시한다. 예를 들어, 하한은 cFFR 측정치가 기능적으로 중요한 병변을 표시하는지 또는 인터벤션을 요하는 다른 특징을 표시하는지 여부를 결정하는 데 사용되는 하한(가령, 0.7, 0.75, 또는 0.8)에 기초하여 결정될 수 있다. 따라서, 일부 환자의 경우 cFFR 모델(54)은 대부분의 또는 모든 대동맥을 보라색 또는 스펙트럼의 높은 단부를 향하는 다른 색상으로 보여줄 수 있고, 관상 동맥 및 관상 동맥으로부터 연장되는 지류의 말단부를 향해 (가령, 스펙트럼의 높은 단부를 향해) (적색으로부터 보라색까지 어디까지든) 스펙트럼을 통해 점진적으로 변화할 수 있다. 특정 환자에 대한 관상 동맥의 말단부는 예를 들어, 각자의 말단부에 대해 결정된 cFFR의 국부값에 따라 적색으로부터 보라색까지 임의의 위치에서, 서로 다른 색상을 가질 수 있다.
cFFR이 기능적으로 중요한 병변의 존재 또는 인터벤션을 요하는 다른 특징의 존재를 결정하는 데 사용되는 하한 아래로 떨어졌다고 결정된 후, 동맥 또는 지류는 기능적으로 중요한 병변의 위치를 파악하도록 평가될 수 있다. 컴퓨터 시스템 또는 사용자는 (가령, cFFR 모델(54)을 이용하여) 동맥 또는 지류의 기하형태에 기초하여 기능적으로 중요한 병변의 위치를 파악할 수 있다. 예를 들어, 기능적으로 중요한 병변은 국부 최소 cFFR 값을 갖는 cFFR 모델(54)의 위치로부터 근처에(예를 들어, 상류에) 위치하는 협폭화 또는 협착증을 발견함으로써 위치파악될 수 있다. 컴퓨터 시스템은 기능적으로 중요한 병변을 포함하는 cFFR 모델(54)(또는 다른 모델)의 일부분을 사용자에게 표시 또는 디스플레이할 수 있다.
다른 이미지도 연산 분석의 결과에 기초하여 발생될 수 있다. 예를 들어, 컴퓨터 시스템은, 예를 들어, 도 20 내지 도 22에 도시되는 바와 같이, 특정 주요 관상 동맥에 관한 추가적인 정보를 제공할 수 있다. 관상 동맥은 예를 들어, 특정 관상 동맥이 최저 cFFR을 포함할 경우, 컴퓨터 시스템에 의해 선택될 수 있다. 대안으로서, 사용자는 특정 관상 동맥을 선택할 수 있다.
도 20은 개별 기준 라벨(가령, LM, LAD1, LAD2, LAD3, 등)에 의해 식별되는 모델 상의 소정의 지점들을 이용하여 연산 분석의 결과를 포함한 환자 신체의 모델을 보여준다. 도 21에 도시되는 예시적인 실시예에서, 이러한 지점들이 LAD 동맥에 제공되고, 이러한 LAD 동맥은, 시뮬레이션된 충혈 조건 하에, 본 특정 환자에 대한 최저 cFFR을 갖는 주요 관상 동맥이다.
도 21 및 도 22는 이러한 지점들(가령, LM, LAD1, LAD2, LAD3, 등) 중 일부 또는 전부에서 및/또는 모델 상의 소정의 다른 위치(가령, 대동맥 내, 등)에서 시간에 따른 소정 변수의 그래프를 보여준다. 도 21은 도 20에서 표시되는 지점(LAD1, LAD2, LAD3)과 대동맥에서 시간에 따른 압력(밀리미터 수은 또는 mmHg)의 그래프다. 그래프의 맨 위 첫 번째 플롯은 대동맥 내 압력을 표시하고, 두 번째 플롯은 지점(LAD1)에서 압력을 표시하며, 세 번째 플롯은 지점(LAD2)에서 압력을 표시하고, 가장 아래의 플롯은 지점(LAD3)에서의 압력을 표시한다. 도 22는 도 20에 표시되는 지점(LM, LAD1, LAD2, LAD3)에서 시간에 따른 유량(세제곱센티미터/초 또는 cc/초)의 그래프다. 추가적으로, 이러한 지점들 일부 또는 전부에서, 및/또는 다른 지점에서, 시간에 따른 전단 응력의 그래프와 같은, 다른 그래프도 제공될 수 있다. 그래프 상의 첫 번째 플롯은 지점(LM)에서의 유량을, 표시하고, 두 번째 플롯은 지점(LAD1)에서의 유량을 표시하며, 세 번째 플롯은 지점(LAD2)에서의 유량을 표시하고, 마지막 플롯은 지점(LAD3)에서의 유량을 표시한다. 특정 주요 관상 동맥 및/또는 여기서부터 연장되는 지류의 길이를 따라, 혈압, 유량, 속도, 또는 cFFR과 같은 이러한 변수들의 변화를 보여주는 그래프가 또한 제공될 수 있다.
선택적 사항으로서, 앞서 설명한 다양한 그래프 및 다른 결과가 리포트로 최종화될 수 있다(단계(406)). 예를 들어, 앞서 설명한 이미지 및 다른 정보가 세트 템플릿을 갖는 문서 내로 삽입될 수 있다. 템플릿은 기설정되어 복수의 환자에 대해 범용일 수 있고, 의사 및/또는 환자에게 연산 분석의 결과를 보고하기 위해 사용될 수 있다. 문서 또는 리포트는 연산 분석 완료 후 컴퓨터 시스템에 의해 자동적으로 완료될 수 있다.
예를 들어, 최종화된 리포트는 도 23에 도시되는 정보를 포함할 수 있다. 도 23은 도 1의 cFFR 모델(54)을 포함하고, 주요 관상 동맥 및 이로부터 연장되는 지류 각각에서의 최저 cFFR 값과 같이, 요약 정보를 또한 포함한다. 예를 들어, 도 23은 LAD 동맥 내 최저 cFFR 값이 0.66이고, LCS 동맥 내 최저 cFFR 값이 0.72이며, RCA 동맥 내 최저 cFFR 값이 0.80임을 표시한다. 다른 요약 정보는 환자 성명, 환자 연령, 환자 혈압(BP)(가령, 단계(100)에서 획득), 환자의 심박동수(HR)(가령, 단계(100)에서 획득), 등을 포함할 수 있다. 최종화된 리포트는 추가 정보 결정을 위해 의사 또는 타 사용자가 액세스할 수 있는 앞서 설명한 대로 발생되는 이미지 및 다른 정보의 버전을 또한 포함할 수 있다. 컴퓨터 시스템에 의해 발생된 이미지는 의사 또는 타 사용자가 임의의 지점 위에 커서를 배치하도록 포맷형성되어, 이 지점에서, 혈압, 속도, 유량, cFFR, 등과 같은, 앞서 설명한 변수들 중 임의의 변수의 값을 결정할 수 있다.
최종화된 리포트는 의사 및/또는 환자에게 전송될 수 있다. 최종화된 리포트는 무선 또는 유선망, 메일, 등의 알려져 있는 통신 방법을 이용하여 전송될 수 있다. 대안으로서, 최종 리포트가 다운로드 또는 픽-업 가능함을 의사 및/또는 환자가 통지받을 수 있다. 그 후, 의사 및/또는 환자는 웹-기반 서비스에 로그인하여, 보안 통신 라인을 통해 최종 보고서를 다운로드할 수 있다.
C. 결과 확인
도 3을 다시 참조하면, 연산 분석의 결과가 독립적으로 확인될 수 있다(단계(408)). 예를 들어, 사용자 및/또는 컴퓨터 시스템은, 앞서 설명한 단계들 중 일부의 재시도를 요하는, 단계(406)에서 발생된 이미지 및 다른 정보와 같은, 연산 분석의 결과로 소정의 에러를 식별할 수 있다. 이러한 에러가 식별될 경우, 연산 분석의 결과가 수용불가능하다고 결정될 수 있고, 소정의 단계, 가령, 단계(100, 200, 300, 400), 세부 단계(102, 202-208, 240-260, 304-314, 402-408, 등)가 반복될 수 있다.
따라서, 앞서 설명한 도 3에 도시되는 단계(402-408)는 도 2의 단계(400)의 세부 단계로 간주될 수 있다.
연산 분석의 결과를 확인하기 위한 다른 방법은, 다른 방법을 이용하여 환자로부터, 혈압, 속도, 유량, cFFR, 등과 같은 결과에 포함된 변수들 중 임의의 변수의 측정을 포함할 수 있다. 예시적인 실시예에서, 변수는 (가령, 침습성으로) 측정될 수 있고, 그 후 , 연산 결과에 의해 결정된 결과에 비교될 수 있다. 예를 들어, FFR은 고형 모델(320) 및 메시(380)에 의해 표현되는 환자 신체 내의 하나 이상의 지점에서, 예를 들어, 앞서 설명한 바와 같이 환자 내로 삽입되는 압력 철선을 이용하여, 결정될 수 있다. 일 위치에서 측정된 FFR은 동일 위치의 cFFR과 비교될 수 있고, 이 비교는 복수의 위치에서 수행될 수 있다. 선택적인 사항으로서, 연산 분석 및/또는 경계 조건은 이러한 비교에 기초하여 조정될 수 있다.
D. 관상 동맥 혈류 정보 제공 시스템 및 방법의 다른 실시예
특정 환자 내의 관상 동맥 혈류에 관한 다양한 정보를 제공하기 위한 방법(600)의 다른 실시예가 도 24에 도시된다. 방법(600)은 도 3에 도시되는 앞서 설명한 단계들 중 하나 이상을 구현하는 데 사용되는 컴퓨터 시스템과 같이, 앞서 설명한 컴퓨터 시스템에서 구현될 수 있다. 방법(600)은 하나 이상의 입력(610)을 이용하여 수행될 수 있고, 입력(610)에 기초하여 하나 이상의 모델(620)을 발생시키는 단계와, 입력(610) 및/또는 모델(620)에 기초하여 하나 이상의 조건(630)을 할당하는 단계와, 모델(620) 및 조건(630)에 기초하여 하나 이상의 솔루션(640)을 도출하는 단계를 포함할 수 있다.
입력(610)은 CCTA 데이터(가령, 도 2의 단계(100)에서 획득)와 같이, 환자의 대동맥, 관상 동맥(및 이로부터 연장되는 지류) 및 심장의 의료 이미징 데이터(611)를 포함할 수 있다. 입력(610)은 환자의 상완 혈압의 측정치(612) 및/또는 다른 측정치(가령, 도 2의 단계(100)에서 획득)를 또한 포함할 수 있다. 측정치(612)는 비침습성으로 획득될 수 있다. 입력(610)은 아래 설명되는 모델(620)의 발생 및 조건(630)의 결정에 사용될 수 있다.
앞서 언급한 바와 같이, 하나 이상의 모델(620)이 입력(610)에 기초하여 발생될 수 있다. 예를 들어, 방법(600)은 이미징 데이터(611)에 기초하여 환자 신체(가령, 대동맥, 관상 동맥, 및 이로부터 연장되는 지류)의 하나 이상의 환자별 3차원 기하학적 모델을 발생시키는 단계(621)를 포함할 수 있다. 예를 들어, 기하학적 모델은 도 3의 단계(306)에서 발생된 도 8의 고형 모델(320)일 수 있고, 및/또는 도 3의 단계(312)에서 발생된 도 17 내지 도 19의 메시(380)일 수 있다.
도 24를 다시 참조하면, 방법(600)은 하나 이상의 물리학-기반 혈류 모델을 발생시키는 단계(622)를 또한 포함할 수 있다. 혈류 모델은 단계(621)에서 발생된 환자별 기하학적 모델을 통한 혈류, 심장 및 대동맥 순환, 말단 관상 동맥 순환, 등에 관련되는 모델을 포함할 수 있다. 혈류 모델은 가령, 혈류 속도, 압력, 유량, FFR, 등과 같이, 환자의 모델링된 신체와 관련된 적어도 하나의 혈류 특성에 관련될 수 있다. 혈류 모델은 3차원 기하학적 모델의 유입 및 유출 경계(322, 324)에서 경계 조건으로 할당될 수 있다. 혈류 모델은 예를 들어, 집중 파라미터 심장 모델(340), 집중 파라미터 관상 동맥 모델(350), 윈드케셀 모델(360), 등과 같이, 도 3의 단계(310)와 연계하여 앞서 설명한 차수 축소 모델 또는 다른 경계 조건을 포함할 수 있다.
앞서 언급한 바와 같이, 하나 이상의 조건(630)이 입력(610) 및/또는 모델(620)에 기초하여 결정될 수 있다. 조건(630)은 단계(622)(및 도 3의 단계(310))에서 결정된 경계 조건에 대해 연산되는 파라미터를 포함한다. 예를 들어, 방법(600)은 (도 3의 단계(240)에서 결정되는) 이미징 데이터(611)에 기초하여 환자별 심실 또는 심근 질량을 연산함으로써 조건을 결정하는 단계(631)를 포함할 수 있다.
방법(600)은 단계(631)에서 연산된 심실 또는 심근 질량을 이용하여, 관계 에 기초하여 휴지 관상 동맥 유동을 연산함으로써 조건을 결정하는 단계(632)를 포함할 수 있고, 이때, α는 기설정된 스케일링 지수이고, M은 심실 또는 심근 질량이며, Q0는 기설정된 상수다(가령, 도 3의 단계(310)에서 집중 파라미터 모델의 결정과 연계하여 앞서 설명함). 대안으로서, 이 관계는 도 3의 단계(310)에서 집중 파라미터 모델을 결정함과 연계하여 앞서 설명한 바와 같이, 의 형태를 가질 수 있다.
방법(600)은 단계(632)에서 연산된 결과적 관상 동맥 유동과 환자의 측정된 혈압(612)을 이용하여, (도 3의 단계(310)에서 집중 파라미터 모델 결정과 연계하여 앞서 설명한 바와 같이) 총 휴지 관상 동맥 저항을 연산함으로써 조건을 결정하는 단계(633)를 또한 포함할 수 있다.
방법(600)은 단계(633)에서 연산된 총 휴지 관상 동맥 저항과 모델(620)을 이용하여, 개별 관상 동맥(및 이로부터 연장되는 지류)에 대한 개별 저항을 연산함으로써 조건을 결정하는 단계(634)를 또한 포함할 수 있다. 예를 들어, 도 3의 단계(310)와 연계하여 앞서 설명한 바와 같이, 단계(633)에서 연산되는 총 휴지 관상 동맥 저항은 개별 관상 동맥 및 지류의 말단부의 크기(가령, 단계(621)에서 발생된 기하학적 모델로부터 결정됨)에 기초하여, 그리고, 관계 에 기초하여, 개별 관상 동맥 및 지류에 분배될 수 있으며, 이때, R은 특정 말단부에서의 유동에 대한 저항이고, R0는 기설정 상수이며, d는 크기(가령, 말단부의 직경), 그리고, β는 기설정된 거듭제곱 법칙 지수이며, 이는 도 3의 단계(310)에서 집중 파라미터 모델 결정과 연계하여 앞서 설명한 바와 같다.
도 24를 다시 참조하면, 방법(600)은 환자의 하나 이상의 물리적 조건에 기초하여 경계 조건을 조정하는 단계(635)를 포함할 수 있다. 예를 들어, 단계(631-634)에서 결정된 파라미터는, 솔루션(640)이 휴지 상태, 가변 레벨의 충혈, 가변 레벨의 운동 또는 활동(exertion), 서로 다른 처방, 등을 시뮬레이션하도록 의도되였는지 여부에 기초하여 수정될 수 있다. 입력(610), 모델(620), 및 조건(630)에 기초하여, 도 3의 단계(402)와 연계하여 앞서 설명한 바와 같은 연산 분석이 수행되어, 단계(635)에서 선택된 물리적 조건 하에 환자의 관상 동맥 혈류에 관한 정보를 포함하는 솔루션(640)을 결정할 수 있다(단계(641)). 솔루션(640)으로부터 제공될 수 있는 정보의 예가 이제 설명될 것이다.
조합된 환자별 신체(기하학적) 및 생리학적 (물리학-기반)모델을 이용하여, 관상 동맥 혈류에 대한 심박동수, 일회 박출량, 혈압, 또는 관상 동맥 미소순화 기능을 변경시키는 서로 다른 처방 또는 라이프스타일 변화(가령, 금연, 다이어트 변화, 또는, 물리적 활동 증가)의 효과를 결정할 수 있다. 이러한 정보를 이용하여 내과적 처방을 최적화시키거나, 잠재적으로 위험한 약물 처방의 결과를 방지할 수 있다. 조합된 모델을 또한 이용하여, 가령, 축구할 때, 우주 비행중, 스쿠버 다이빙 중, 비행 중, 등과 같은 때, 잠재적인 외인력에 노출될 위험 또는 가변 레벨의 물리적 활동 및/또는 대안의 형태의 관상 동맥 혈류에 대한 영향을 결정할 수 있다. 이러한 정보는 특정 환자에 대해 안정하고 효과적일 수 있는 물리적 활동의 종류 및 정도를 식별하는 데 사용될 수 있다. 조합된 모델은, 최적 인터벤션 전략을 선택하기 위해 관상 동맥 혈류에 대한 경피 관상 동맥 인터벤션의 잠재적 이점을 예측하는 데 또한 사용될 수 있고, 및/또는, 최적의 외과적 전략을 선택하기 위해 관상 동맥 혈류에서의 관상 동맥 우회술의 잠재적 이점을 예측하는 데 또한 사용될 수 있다.
조합된 모델은 관상 동맥 혈류에 대한 동맥 질환의 부담 증가의 잠재적인 유해 효과를 나타내기 위해 또한 사용될 수 있고, 질환 진행이 심장 근육에 대한 혈류의 절충으로 나타날 수 있을 때를, 기계론적 또는 현상학적 질환 진행 모델 또는 실험 데이터를 이용하여 예측하는 데 또한 사용될 수 있다. 이러한 정보는 비침습성 이미징을 이용한 혈역학적으로 중요한 질환으로부터 최초에 자유롭다고 관찰된 환자가 내과적, 인터벤션적, 또는 외과적 처방을 요구할 것을 기대하지 못할 수 있는 "보증 주기"의 결정을 가능하게 할 수 있고, 또는, 대안으로서, 조악 재료가 계속될 경우 진행이 이루어질 수 있는 속도의 결정을 가능하게 할 수 있다.
조합된 모델은 관상 동맥 질환의 부담 감소로부터 나타나는 관상 동맥 혈류에 대한 잠재적 유익한 효과를 나타내는 데 또한 사용될 수 있고, 기계론적 또는 현상학적 질환 진행 모델 또는 실험 데이터를 이용하여, 질환의 후퇴가 관상 동맥을 통해 심장 근육까지 혈류 증가로 나타날 수 있을 때를 예측하는 데 또한 사용될 수 있다. 이러한 정보는 다이어트 변화, 물리적 활동 증가, 스타틴 또는 다른 약물, 등의 처방전을 포함한, 그러나 이에 제한되지 않는, 내과적 관리 프로그램을 안내하는 데 사용될 수 있다.
VI. 환자별 치료 계획 제공
도 2에 도시되는 단계(500)와 연계하여 앞서 설명한 바와 같이, 예시적인 방법은 환자별 치료 계획을 제공하는 단계를 포함할 수 있다. 예시적인 실시예에서, 단계(500)는 다음의 단계들을 포함할 수 있다. 도 3이 다음의 단계들을 보여주지 않지만, 이러한 단계들은 예를 들어, 단계(406) 또는 단계(408) 이후, 도 3에 도시되는 단계들과 연계하여 수행될 수 있다.
앞서 설명한 바와 같이, 도 1 및 도 23에 도시되는 cFFR 모델(54)은 치료받지 않은 상태에서 시뮬레이션된 충혈 조건 하에서, 도 17 내지 도 19의 메시(380)에 의해 표현되는 환자 신체 전체를 통한 cFFR 값을 표시한다. 이 정보를 이용하여, 의사는 예를 들어, 운동 증가, 다이어트 변화, 약물 처방, 모델링된 신체의 임의의 부분, 또는 심장의 다른 부분의 수술, 등(가령, 관상 동맥 우회술, 하나 이상의 관상 동맥 스텐트 삽입, 등)과 같이, 환자에 대한 치료를 처방할 수 있다.
처방할 치료법을 결정하기 위해, 컴퓨터 시스템은 연산 분석으로부터 결정되는 정보가 이러한 치료법에 기초하여 어떻게 변할 것인지를 예측하는 데 사용될 수 있다. 예를 들어, 스텐트 삽입 또는 다른 수술과 같은 소정의 치료법은 모델링된 신체의 기하형태의 변화를 도출할 수 있다. 따라서, 예시적인 실시예에서, 단계(306)에서 발생된 고형 모델(320)은 스텐트가 삽입되는 하나 이상의 내강의 광폭화를 표시하기 위해 변경될 수 있다.
예를 들어, 도 1 및 도 23에 도시되는 cFFR 모델(54)은 LAD 동맥의 최저 cFFR 값이 0.66, LCX 동맥 내 최저 cFFR 값이 0.72, RCA 동맥 내 최저 cFFR 값이 0.80임을 표시한다. cFFR 값이 예를 들어, 0.75 미만일 경우 치료가 제안될 수 있다. 따라서, 컴퓨터 시스템은 이러한 관상 동맥에 스텐트 삽입을 시뮬레이션하기 위해 LAD 동맥과 LCX 동맥의 광폭화를 표시하도록 고형 모델(320)의 변경을 사용자에게 제안할 수 있다. 사용자는 시뮬레이션되는 스텐트의 위치 및 크기에 대응하는 (가령, 길이 및 직경과 같은) 광폭화의 위치 및 양을 선택할 것을 프람프트로 제시받을 수 있다. 대안으로서, 광폭화의 위치 및 양이 0.75 미만의 cFFR 값을 갖는 노드의 위치, 혈관의 현저한 협폭화 위치, 종래의 스켄트의 크기, 등과 같은 다양한 인자에 기초하여 컴퓨터 시스템에 의해 자동적으로 결정될 수 있다.
도 25는 위치(512)에서 LAD 동맥의 일부분과 위치(514)에서 LCX 동맥의 일부분을 광폭화시킴으로써 생성되는 고형 모델에 기초하여 결정되는 수정 cFFR 모델(510)의 예를 보여준다. 예시적인 실시예에서, 앞서 설명한 단계들 중 임의의 단계, 예를 들어, 단계(310-314, 402-408)는 수정 고형 모델을 이용하여 반복될 수 있다. 단계(406)에서, 최종 리포트는 도 23에 도시되는 정보와 같은, 치료받지 않은 환자에 관한 정보(가령, 스텐트없음)와, 도 25 및 도 26에 도시되는 정보와 같은, 환자에 대해 시뮬레이션된 치료에 관한 정보를 포함할 수 있다.
도 25는 수정 cFFR 모델(510)을 포함하고, 제안된 치료와 관련된 수정 고형 모델에 대해 주요 관상 동맥 및 이로부터 연장되는 지류의 최저 cFFR 값과 같은 요약 정보를 또한 포함한다. 예를 들어, 도 25는 LAD 동맥의 최저 cFFR 값이 0.78, LCX 동맥(및 그 하류 지류)의 최저 cFFR 값이 0.78, RCA 동맥(및 그 하류 지류)의 최저 cFFR 값이 0.79임을 표시한다. 따라서, 치료받지 않은 환자(스텐트없음)의 cFFR 모델(54)과 제한된 치료(스텐트 삽입됨)에 대한 cFFR 모델(510)의 비교는 제안된 치료가 LAD 동맥에서의 최소 cFFR을 0.66으로부터 0.78까지 증가시킬 수 있고, LCX 동맥에서의 최소 cFFR을 0.72부터 0.76까지 증가시킬 수 있으며, RCA 동맥의 최소 cFFR은 0.80으로부터 0.79까지 최소 감소가 나타날 것이다.
도 26은 앞서 설명한 위치(512)의 LAD 동맥과 위치(514)의 LCX 동맥의 부분들의 광폭화 이후 결정되는 수정 시뮬레이션 혈류 모델(520)의 예를 보여준다. 도 26은 제안된 치료와 관련된 수정 고형 모델에 대해 주요 관상 동맥 및 이로부터 연장되는 지류 내 다양한 위치에서의 혈류 값과 같은 요약 정보를 또한 포함한다. 예를 들어, 도 26은 치료받지 않은 환자(스텐트없음) 및 치료받은 환자(스텐트 삽입됨)에 대한 LAD 동맥 내 4개의 위치(LAD1, LAD2, LAD3, LAD4)와, LCX 동맥 내 2개의 위치(LCX1, LCX2)에 대한 혈류값을 표시한다. 도 26은 치료받지 않은 상태 및 치료받은 상태 사이의 혈류값들의 퍼센티지 변화를 또한 표시한다. 따라서, 치료받지 않은 환자의 시뮬레이션된 혈류 모델(52)과 제안된 치료에 대한 시뮬레이션된 혈류 모델(520)의 비교는, 모든 위치(LAD1-LAD4, LCX1, LCX2)에서 LAD 동맥 및 LCX 동맥을 통한 유동을 위치에 따라 9% 내지 19%만큼 증가시킬 수 있다.
관상 동맥 혈압과 같이 치료받지 않은 상태와 치료받은 상태 사이에 다른 정보가 또한 비교될 수 있다. 이 정보에 기초하여, 의사는 제안된 치료 옵션을 진행할 지 여부를 환자와 논의할 수 있다.
다른 치료 옵션은 서로 다른 방식으로 고형 모델(320)을 수정하는 단계를 또한 포함할 수 있다. 예를 들어, 관상 동맥 우회술은 고형 모델(320)에 새 내강 또는 통로를 생성하는 과정을 포함할 수 있고, 병변의 제거는 내강 또는 통로의 광폭화를 또한 포함할 수 있다. 다른 치료 옵션은 고형 모델(320)의 수정을 포함하지 않을 수 있다. 예를 들어, 운동 또는 활동 증가, 다이어트 변화 또는 다른 라이프스타일 변화, 약품 처방, 등은 가령, 혈관 수축, 확장, 심박동수 감소, 등으로 인해 단계(310)에서 결정된 경계 조건의 변화를 포함할 수 있다. 예를 들어, 환자의 심박동수, 심박출량, 일회 박출량, 혈압, 관상 동맥 미소순환 기능, 집중 파라미터 모델의 컨피규레이션, 등은 처방 약품, 채택한 운동(또는 다른 활동)의 종류 및 빈도, 채택한 라이프스타일 변화의 종류(가령, 금연, 다이어트 변화, 등)에 따라 좌우되어, 서로 다른 방식으로 단계(310)에서 결정된 경계 조건에 영향을 미친다.
예시적인 실시예에서, 수정 경계 조건은 많은 환자로부터의 데이터를 이용하여 실험적으로 결정될 수 있고, 유사 치료 옵션이 마찬가지 방식으로 경계 조건들의 수정을 요구할 수 있다. 실험적 모델은 대단위 환자별 데이터로부터 발전되어, 차후 분석에서 유사 환자에 적용될 수 있는 구체적 치료 옵션에 대응하는, 경계 조건의 라이브러리, 또는 경계 조건의 연산 기능을 생성한다.
경계 조건 수정 후, 앞서 설명한 단계들, 가령, 단계(312, 314, 402-408)는 수정 경계 조건을 이용하여 반복될 수 있고, 단계(406)에서, 최종 리포트는 도 23에 도시되는 정보와 같이, 치료받지 않은 환자에 관한 정보와, 도 25 및 도 26에 도시되는 정보와 같이, 환자에 대해 시뮬레이션된 치료에 관한 정보를 포함할 수 있다.
대안으로서, 의사, 환자, 또는 타 사용자는 3차원 모델(가령, 도 8의 고형 모델(320))과 상호작용하는 사용자 인터페이스를 제공받을 수 있다. 모델(320)은 하나 이상의 치료 옵션을 반영하기 위해 사용자에 의해 편집될 수 있는 사용자-선택가능한 세그먼트로 나누어질 수 있다. 예를 들어, 사용자는 협착증(또는 폐색증, 가령, 급성 폐색증)을 갖는 세그먼트를 선택할 수 있고, 협착증 제거를 위해 상기 세그먼트를 조정할 수 있으며, 사용자는 바이패스, 등으로 기능하도록 모델(320)에 하나의 세그먼트를 더할 수 있다. 사용자는 예를 들어, 심박출량 변화, 심박동수, 일회 박출량, 혈압, 운동 또는 활동 레벨, 충혈 레벨, 약물, 등의 변화와 같이, 앞서 결정한 경계 조건을 변경시킬 수 있는 다른 치료 옵션 및/또는 생리학적 파라미터를 명시할 것을 프람프트로 또한 제시받을 수 있다. 대안의 실시예에서, 컴퓨터 시스템은 치료 옵션을 결정 또는 제안할 수 있다.
사용자 인터페이스는 사용자가 협착증(또는 폐색증, 가령, 급성 폐색증)을 시뮬레이션할 수 있도록 3차원 모델(320)과 상호작용할 수 있다. 예를 들어, 사용자는 협착증을 포함하기 위한 세그먼트를 선택할 수 있고, 컴퓨터 시스템은 연산 분석으로부터 결정된 정보가 협착증의 추가에 기초하여 어떻게 변화할 것인지를 에측하는 데 사용될 수 있다. 따라서, 여기서 설명되는 방법은 동맥의 폐색 효과를 에측하는 데 사용될 수 있다.
사용자 인터페이스는, 악성 종양의 제거시와 같이, 예를 들어, 소정의 외과적 과정에서, 발생할 수 있는 동맥 제거 또는 손상 동맥을 시뮬레이션하기 위해 3차원 모델(320)과 또한 상호작용할 수 있다. 이 모델은 환자에게 적절한 혈류를 공급하기 위한 부행 경로에 대한 가능성을 예측하기 위해, 소정의 동맥을 통한 혈류를 방지하는 효과를 시뮬레이션하도록 또한 수정될 수 있다.
A. 서로 다른 처리 옵션의 비교를 위해 차수 축소 모델 이용
예시적인 실시예에서, 컴퓨터 시스템은 3차원 고형 모델(320) 또는 메시(380)를 차수 축소 모델로 대체함으로써 더욱 신속하게 다양한 치료 옵션을 사용자로 하여금 시뮬레이션할 수 있게 한다. 도 27은 예시적인 실시예에 따라, 차수 축소 모델을 이용하여 다양한 치료 옵션을 시뮬레이션하기 위한 방법(700)에 관한 개략도를 보여준다. 방법(700)은 앞서 설명한 컴퓨터 시스템에서 구현될 수 있다.
혈류 또는 다른 파라미터를 나타내는 하나 이상의 환자별 시뮬레이션된 혈류 모델은 앞서 설명한 연산 분석으로부터 출력될 수 있다(단계(701)). 예를 들어, 시뮬레이션된 혈류 모델은, 앞서 설명한 도 2 및 도 3에서 도시되는 방법을 이용하여 제공되는, 도 1의 시뮬레이션된 혈압 모델(50), 도 1의 시뮬레이션된 혈류 모델(52), 도 1의 cFFR 모델(54), 등을 포함할 수 있다. 앞서 설명한 바와 같이, 시뮬레이션된 혈류 모델은 환자 신체의 3차원 기하학적 모델을 포함할 수 있다.
차수 축소 모델에 대한 조건을 명시하기 위해, 시뮬레이션된 혈류 모델로부터 기능 정보를 추출할 수 있다(단계(702)). 예를 들어, 기능 정보는 앞서 설명한 연산 분석을 이용하여 결정되는, 혈압, 유동, 또는 속도 정보를 포함할 수 있다.
단계(701)에서 발생된 환자별 시뮬레이션된 혈류 모델의 발생에 사용되는 3차원 고형 모델(320)을 대체하기 위해 차수 축소(가령, 0차원 또는 1차원) 모델이 제공될 수 있고, 환자의 관상 동맥 혈류에 관한 정보를 결정하기 위해 차수 축소 모델이 사용될 수 있다(단계(703)). 예를 들어,차수 축소 모델은 도 3의 단계(310)와 연계하여 앞서 설명한 바와 같이 발생되는 집중 파라미터 모델일 수 있다. 따라서, 집중 파라미터 모델은 도 17 내지 도 19의 메시(380)와 연계된 방정식의 더욱 복잡한 시스템을 풀 필요없이, 환자의 관상 동맥 혈류에 관한 정보의 결정에 사용될 수 있는 환자 신체의 단순화된 모델이다.
단계(703)에서 차수 축소 모델을 풀어 결정되는 정보는 그 후, 환자 신체의 3차원 고형 모델(가령, 고형 모델(320))에 매핑되거나 외삽될 수 있고(단계(704)), 사용자는 사용자에 의해 선택될 수 있는, 환자에 대한 생리학적 파라미터에 대한 변화 및/또는 다양한 처리 옵션의 시뮬레이션을 위해 요망되는 대로 차수 축소 모델에 변화를 행할 수 있다(단계(705)). 선택가능한 생리학적 파라미터는 심박출량, 운동 또는 활동 레벨, 충혈 레벨, 약물 종류, 등을 포함할 수 있다. 선택가능한 치료 옵션은 협착증 제거, 바이패스 추가, 등을 포함할 수 있다.
그 후, 차수 축소 모델은 사용자에 의해 선택되는 치료 옵션 및/또는 생리학적 파라미터에 기초하여 수정될 수 있고, 수정된 차수 축소 모델을 이용하여, 선택된 치료 옵션 및/또는 생리학적 파라미터와 관련된 환자의 관상 동맥 혈류에 관한 정보를 결정할 수 있다(단계(703)). 단계(703)에서 차수 축소 모델을 풀어 결정되는 정보는 환자 신체의 3차원 고형 모델(320)에 매핑되거나 외삽될 수 있어서, 환자 신체의 관상 동맥 혈류에 대한 생리학적 파라미터 및/또는 선택된 치료 옵션의 효과를 예측할 수 있다(단계(704)).
단계(703-705)는 다양한 처리 옵션의 예측되는 효과를 서로 비교하고 치료받지 않은 환자의 관상 동맥 혈류에 관한 정보에 비교하기 위해, 서로 다른 다양한 치료 옵션 및/또는 생리학적 파라미터에 대해 반복될 수 있다. 그 결과, 다양한 처리 옵션 및/또는 생리학적 파라미터에 대한 예측된 결과는, 3차원 메시(380)를 이용하여 더욱 복잡한 분석을 재가동할 필요없이, 서로에 대해 그리고 치료받지 않은 환자에 대한 정보에 대해 평가될 수 있다. 대신에, 차수 축소 모델이 사용될 수 있어서, 사용자가 서로 다른 치료 옵션 및/또는 생리학적 파라미터를 더욱 쉽고 신속하게 분석 및 비교할 수 있게 된다.
도 28은 예시적인 실시예에 따라, 차수 축소 모델을 이용하여 다양한 처리 옵션을 시뮬레이션하기 위한 예시적인 방법의 추가적 형태를 보여준다. 방법(700)은 앞서 설명한 컴퓨터 시스템에서 구현될 수 있다.
도 3의 단계(306)와 연계하여 앞서 설명한 바와 같이, 환자별 기하학적 모델은 환자에 대한 이미징 데이터에 기초하여 발생될 수 있다(단계(711)). 예를 들어, 이미징 데이터는 도 2의 단계(100)에서 얻은 CCTA 데이터를 포함할 수 있고, 기하학적 모델은 도 3의 단계(306)에서 발생된 도 8의 고형 모델(320), 및/또는 도 3의 단계(312)에서 발생된 도 17 내지 도 19의 메시(380)일 수 있다.
환자별 3차원 기하학적 모델을 이용하여, 예를 들어, 도 3의 단계(402)와 연계하여 앞서 설명한 바와 같이 연산 분석을 수행하여, 환자의 관상 동맥 혈류에 관한 정보를 결정할 수 있다(단계(712)). 연산 분석은 혈류 또는 다른 파라미터를 나타내는 하나 이상의 3차원 환자별 시뮬레이션된 혈류 모델, 가령, 도 1의 시뮬레이션된 혈압 모델(50), 도 1의 시뮬레이션된 혈류 모델(52), 도 1의 cFFR 모델(54), 등을 출력할 수 있다.
시뮬레이션된 혈류 모델은 모델의 신체 특징에 기초하여 (가령, 도 14와 연계하여 앞서 설명한 바와 같이) 분절될 수 있다(단계(713)). 예를 들어, 주요 관상 동맥으로부터 연장되는 지류는 별도의 세그먼트에 제공될 수 있고(단계(714)), 협착증 또는 환부를 갖는 부분은 별도의 세그먼트에 제공될 수 있으며(단계(716)), 지류와 협착증 또는 환부를 갖는 부분 사이의 부분은 별도의 세그먼트에 제공될 수 있다(단계(715)). 시뮬레이션된 혈류 모델을 분절화함에 있어서 가변 레벨의 해상도가 제공될 수 있고, 따라서, 각각의 혈관이 복수의 짧은, 개별 세그먼트 또는 가령, 전체 혈관을 포함한, 긴 세그먼트를 포함할 수 있다. 또한, 중심선을 발생시키고 발생된 중심선에 기초하여 섹션화하는 단계, 또는, 지류점을 검출하고 검출된 지류점에 기초하여 섹션화하는 단계를 포함한, 시뮬레이션된 혈류 모델을 분절화하기 위해 다양한 기술이 제공될 수 있다. 환부 및 협착증은, 예를 들어, 중심선의 길이를 따라 단면적을 측정함으로써, 그리고, 국부 최소 단면적을 연산함으로써, 식별될 수 있다. 단계(711-716)은 도 27의 단계(701)의 세부 단계로 간주될 수 있다.
세그먼트는 도 15와 연계하여 앞서 설명한 바와 같이, 저항기, 커패시터, 인덕터, 등과 같은 집중 파라미터 모델의 구성요소들에 의해 대체될 수 있다. 저항, 커패시턴스, 인덕턴스, 및 집중 파라미터 모델에 사용되는 다른 전기적 구성요소와 관련된 다른 변수에 대한 개별 값들은 단계(712)에서 제공되는 시뮬레이션된 혈류 모델로부터 도출될 수 있다. 예를 들어, 지류와 협착증 또는 환부를 갖는 부분 사이의 부분에 대해, 대응하는 세그먼트에 선형 저항을 할당하기 위해 시뮬레인션된 혈류 모델로부터 도출한 정보가 사용될 수 있다(단계(717)). 협착증 또는 환부를 갖는 복잡한 기하형태를 갖는 부분의 경우, 저항이 유량과 함께 변화할 수 있다. 따라서, 복수의 연산 분석을 이용하여 다양한 유동 및 압력 조건에 대해 시뮬레이션된 혈류 모델을 얻어, 도 15와 연계하여 앞서 설명한 바와 같이, 이와 같이 복잡한 기하 형태에 대한 환자별, 혈관별, 병변별 저항 기능을 도출할 수 있다. 따라서, 협착증 또는 환부를 갖는 부분의 경우, 이전 데이터로부터 도출된 모델 또는 이러한 복수의 연산 분석으로부터 도출된 정보를 이용하여, 대응하는 세그먼트에 비-선형, 유동-의존적 저항을 할당할 수 있다(단계(718)). 단계(717, 718)는 도 27의 단계(702)의 세부 단계로 간주될 수 있다.
단계(717, 718)에서 결정된 저항을 이용하여, 차수 축소(가령, 0차원 또는 1차원) 모델이 발생될 수 있다(단계(719)). 예를 들어, 차수 축소 모델은 도 3의 단계(310)와 연계하여 앞서 설명한 바와 같이 발생되는 집중 파라미터 모델일 수 있다. 따라서, 집중 파라미터 모델은 도 17 내지 도 19의 메시(380)와 관련한 방정식들의 더욱 복잡한 시스템을 풀 필요없이 환자의 관상 동맥 혈류에 관한 정보를 결정하는 데 사용될 수 있는 환자 신체의 단순화된 모델이다.
단계(719)에서 생성된 차수 축소 모델과 사용자가 상호작용할 수 있게 하는 사용자 인터페이스가 제공될 수 있다(단계(720)). 예를 들어, 사용자는 서로 다른 치료 옵션의 시뮬레이션을 위해 차수 축소 모델의 서로 다른 세그먼트를 선택 및 편집할 수 있고, 및/또는 다양한 생리학적 파라미터를 편집할 수 있다. 예를 들어, 환부의 보수를 위해 스텐트를 삽입하는 것과 같은, 인터벤션은, 스텐트가 삽입될 세그먼트의 저항을 감소시킴으로써 모델링될 수 있다. 바이패스 형성은 질환 세그먼트에 평행하게 낮은 저항을 갖는 세그먼트를 추가함으로써 모델링될 수 있다.
수정 차수 축소 모델의 해를 구하여, 단계(720)에서 선택한 생리학적 파라미터의 변화 및/또는 치료 하의 환자의 관상 동맥 혈류에 관한 정보를 결정할 수 있다(단계(721)). 단계(721)에서 결정된 각각의 세그먼트의 유동 및 압력에 대한 솔루션의 값은 단계(712)에서 결정된 3차원 모델이 비교될 수 있고, (가령, 단계(717, 718)에서 결정되는 바와 같이) 세그먼트의 저항 기능을 조정함으로써, 그리고 솔루션이 일치할 때까지 차수 축소 모델을 분석함으로써(가령, 단계(721)) 차이가 최소화될 수 있다. 그 결과, 차수 축소 모델이 생성되어 단순화된 한 세트의 방정식으로 풀릴 수 있고, 이러한 방정식은, (가령, 완전한 3차원 모델에 비해) 상대적으로 신속한 연산이 가능하고, 완전한 3차원 연산 솔루션의 결과에 가깝게 근사할 수 있는 유량 및 압력을 구하는 데 사용될 수 있다. 차수 축소 모델은 비교적 신속한 반복으로 서로 다른 다양한 치료 옵션을 모델링할 수 있다.
단계(721)에서 차수 축소 모델을 풀어 결정되는 정보는 그 후 환자 신체의 3차원 고형 모델(가령, 고형 모델(320))에 매핑 또는 외삽될 수 있다(단계(722)). 단계(719-722)는 도 27의 단계(703-705)와 유사할 수 있고, 치료 옵션 및/또는 생리학적 파라미터의 서로 다른 조합을 시뮬레이션하기 위해 사용자에 의해 요망되는 대로 반복될 수 있다.
대안으로서, (가령, 단계(717, 718)에 대해 앞서 설명한 바와 같이) 3차원 모델로부터 세그먼트를 따라 저항을 연산하기보다는, 중심선을 따라 간격을 두고 유량 및 압력이 집중 파라미터 또는 1차원 모델 내로 처방될 수 있다. 경계 조건 및 처방된 유량 및 압력의 제약 하에서, 유효 저항 또는 손실 계수를 얻을 수 있다.
또한, 개별 세그먼트간 유량 및 압력 구배를 사용하여, 차수 축소 모델로부터 도출되는 솔루션을 이용하여 심외막 관상 동맥 저항을 연산할 수 있다. 심외막 관상 동맥 저항은 심외막 관상 동맥의 동등한 저항으로 연산될 수 있다(관상 동맥 및 이로부터 연장되는 지류의 부분들이, 의료 이미징 데이터로부터 재구성된 환자별 모델에 포함되었슴). 이는 관상 동맥의 확산성 아테롬성 동맥 경화증을 갖는 환자가 어찌하여 국소성 빈혈 증상(혈액 공급의 제한)을 나타낼 수 있는 지를 설명함에 있어서 임상적 중요도를 가질 수 있다. 또한, 시뮬레이션된 약리적으로 유도되는 충혈 또는 가변적인 운동 강도의 조건 하에 심작업량 단위 당 유동 및/또는 심근 조직 체적(또는 질량) 단위 당 유동은 차수 축소 모델로부터의 데이터를 이용하여 연산될 수 있다.
그 결과, 3차원 혈류 모델링의 정확도는 1차원 및 집중 파라미터 모델링 기술에 내재된 연산 단순성 및 상대 속도와 조합될 수 있다. 3차원 연산법을 이용하여, 통상의 세그먼트, 협착부, 정션, 및 다른 신체 특징부에 대한 압력 손실에 대한 수치적으로-도출되는 실험적 모델을 갖는 환자별 1차원 또는 집중 파라미터 모델을 수치적으로 도출할 수 있다. 심장 혈관 질환을 갖는 환자에 대한 개선된 진단이 제공될 수 있고, 내과적, 인터벤션, 및 외과적 치료의 계획이 빠르게 수행될 수 있다.
또한, 3차원 연산 유체 동역학 기술의 정확도는 집중 파라미터 및 1차원 혈류 모델의 연산 단순성 및 성능 기능과 조합될 수 있다. 3차원 기하학적 및 생리학적 모델은 자동적으로 차수 축소 1차원 또는 집중 파라미터 모델로 분해될 수 있다. 3차원 모델은 통상의 세그먼트, 협착부, 및/또는 지류를 통해 혈류의 선형 또는 비-선형 혈류 역학적 효과를 연산하는 데 사용될 수 있고, 실험 모델의 파라미터를 설정하는 데 사용될 수 있다. 1차원 또는 집중 파라미터 모델은 환자별 모델의 혈류 및 압력을 보다 효율적으로 신속하게 얻을 수 있고, 집중 파라미터 또는 1차원 솔루션의 결과를 디스플레이할 수 있다.
차수 축소 환자별 신체 및 생리학적 모델을 이용하여, 관상 동맥 혈류에 대한 관상 동맥 미소순환 기능, 혈액, 일회 박출량, 심박동수를 변경시키는 서로 다른 처방 또는 라이프스타일 변화(가령, 금연, 다이어트 변화, 또는 물리적 활동 증가)의 효과를 결정할 수 있다. 이러한 정보를 이용하여, 처방의 잠재적으로 위험한 결과를 방지할 수 있고, 또는 내과적 처방을 최적화시킬 수 있다. 차수 축소 모델은 예를 들어, 축구할 때, 우주 비행 중, 스쿠버 다이빙시, 항공기 비행 중, 등과 같이, 잠재적 외인력에 노출될 위험 또는 가변 레벨의 물리적 활동, 및/또는 대안의 형태의 관상 동맥 혈류에 대한 효과를 결정하는 데 또한 사용될 수 있다. 이러한 정보를 이용하여, 특정 환자에 대해 안전하고 효과적일 수 있는 물리적 활동의 종류 및 정도를 식별할 수 있다. 차수 축소 모델은, 최적 인터벤션 기법을 선택하기 위해 관상 동맥 혈류에 대한 경피를 통한 관상 동맥 인터벤션의 잠재적 이점을 예측하는 데 또한 사용될 수 있고, 및/또는 최적의 외과적 기법을 선택하기 위해 관상 동맥 혈류에 대한 관상 동맥 우회술의 잠재적 이점을 예측하는 데 또한 사용될 수 있다.
차수 축소 모델은 관상 동맥 혈류에 대한 동맥 질환의 부담 증가의 잠재적인 유해 효과를 나타내기 위해 또한 사용될 수 있고, 질환 진행이 심장 근육에 대한 혈류의 절충으로 나타날 수 있을 때를, 기계론적 또는 현상학적 질환 진행 모델 또는 실험 데이터를 이용하여 예측하는 데 또한 사용될 수 있다. 이러한 정보는 비침습성 이미징을 이용한 혈역학적으로 중요한 질환으로부터 최초에 자유롭다고 관찰된 환자가 내과적, 인터벤션적, 또는 외과적 처방을 요구할 것을 기대하지 못할 수 있는 "보증 주기"의 결정을 가능하게 할 수 있고, 또는, 대안으로서, 조악 재료가 계속될 경우 진행이 이루어질 수 있는 속도의 결정을 가능하게 할 수 있다.
차수 축소 모델은 관상 동맥 질환의 부담 감소로부터 나타나는 관상 동맥 혈류에 대한 잠재적 유익한 효과를 나타내는 데 또한 사용될 수 있고, 기계론적 또는 현상학적 질환 진행 모델 또는 실험 데이터를 이용하여, 질환의 후퇴가 관상 동맥을 통해 심장 근육까지 혈류 증가로 나타날 수 있을 때를 예측하는 데 또한 사용될 수 있다. 이러한 정보는 다이어트 변화, 물리적 활동 증가, 스타틴 또는 다른 약물, 등의 처방전을 포함한, 그러나 이에 제한되지 않는, 내과적 관리 프로그램을 안내하는 데 사용될 수 있다.
차수 축소 모델은 의사가 심장 카테터법 랩에서 환자를 검사할 때 치료 옵션을 실시간으로 연산할 수 있게 하기 위해 혈관 조영 검사 시스템 내에 또한 포함될 수 있다. 모델은 혈관 조영 검사 디스플레이와 동일한 배향으로 등록될 수 있어서, 시뮬레이션된 혈류 솔루션과 함께 관상 동맥의 라이브 혈관 조영 뷰를 나란하게 또는 중첩시켜서 나타낼 수 있다. 의사는 과정 중 관찰이 이루어짐에 따라 치료 계획을 수립 및 변경할 수 있어서, 내과적 결정이 이루어지기 전에 비교적 빠른 피드백을 가능하게 한다. 의사는 압력, FFR, 또는 혈류 측정을 침습적으로 취할 수 있고, 측정치를 이용하여 예측 시뮬레이션이 수행되기 전에 모델을 추가적으로 개선시킬 수 있다. 차수 축소 모델은 의료 이미징 시스템 또는 워크스테이션 내에 또한 포함될 수 있다. 이전 환자별 시뮬레이션 결과의 라이브러리로부터 도출될 경우, 이미징 스캔 완료 후 혈류 정보를 상대적으로 신속하게 얻기 위해 기하학적 분절화 알고리즘과 연계하여 차수 축소 모델이 사용될 수 있다.
차수 축소 모델은 대단위 환자들에 대한 치료 옵션의 비용/이점 또는 새 내과적 요법의 유효성을 모델링하는 데 또한 사용될 수 있다. 복수의 환자별 집중 파라미터 모델(가령, 수백개, 수천개, 또는 그 이상)들의 데이터베이스는 비교적 짧은 시간에 풀기 위한 모델을 제공할 수 있다. 비교적 빠른 반복 및 최적화는 약물, 치료, 또는 임상 시도 시뮬레이션 또는 설계용으로 제공될 수 있다. 외과적 간섭, 약물에 대한 환자 반응, 치료를 나타내도록 모델의 적응시키는 것은, 비싸면서 잠재적으로 위험한 대단위 임상 실험을 수행할 필요없이 효과적인 추정치를 얻을 수 있게 한다.
VII. 다른 결과
A. 심근 관류 평가
다른 결과가 연산될 수 있다. 예를 들어, 연산 분석은 심근 관류(심근을 통한 혈류)를 정량화하는 결과를 제공할 수 있다. 심근 관류의 정량화는 국소 빈혈(혈액 공급의 제한사항), 흉터, 또는 다른 심장 문제로 인해서와 같이, 감소된 심근 혈류의 영역 식별을 도울 수 있다.
도 29는 예시적인 실시예에 따라, 특정 환자의 심근 관류에 관한 다양한 정보를 제공하기 위한 방법(800)에 관한 개략도를 도시한다. 방법(800)은 앞서 설명한 컴퓨터 시스템(예를 들어, 도 3에 도시되는 앞서 설명한 단계들 중 하나 이상을 구현하는 데 사용되는 컴퓨터 시스템)에서 구현될 수 있다.
방법(800)은 하나 이상의 입력(802)을 이용하여 수행될 수 있다. 입력(802)은 (가령, 도 2의 단계(100)에서 얻은) CCTA 데이터와 같이, 환자의 동맥, 관상 동맥(및 이로부터 연장되는 지류), 및 심장의 의료 이미징 데이터(803)를 포함할 수 있다. 입력(802)은 환자의 상완 혈압, 심박동수, 및/또는 다른 측정치(가령, 도 2의 단계(100)에서 얻음)와 같이, 환자로부터 측정되는 추가적인 생리학적 데이터(804)를 또한 포함할 수 있다. 추가적인 생리학적 데이터(804)는 비침습성으로 얻을 수 있다. 입력(802)은 아래 설명되는 단계들을 수행하는 데 사용될 수 있다.
환자의 심근 조직의 3차원 기하학적 모델은 이미징 데이터(803)에 기초하여 생성될 수 있고(단계(810)), 기하학적 모델은 세그먼트 또는 체적으로 나누어질 수 있다(단계(812)). 예를 들어, 도 31은 세그먼트(842)로 나누어지는 환자의 심근 조직의 3차원 기하학적 모델(838)을 포함하는 3차원 기하학적 모델(846)을 보여준다. 개별 세그먼트(842)의 크기 및 위치는 관상 동맥(및 이로부터 연장되는 지류)의 유출 경계(324)(도 8)의 위치, 각자의 세그먼트(842) 내의, 또는 이에 연결된 혈관(가령, 이웃 혈관)의 크기, 등에 기초하여 결정될 수 있다. 기하학적 심근 모델(838)을 세그먼트(842)로 나누는 것은, 고속 마칭법(fast marching method), 일반화된 고속 마칭법, 레벨 세트법, 확산 방정식, 다공 매체를 통한 흐름을 통제하는 방정식, 등과 같이, 다양한 알려진 방법을 이용하여 수행될 수 있다.
3차원 기하학적 모델은 환자의 대동맥 및 관상 동맥(및 이로부터 연장되는 지류)의 일부분을 또한 포함할 수 있고, 이는 이미징 데이터(803)에 기초하여 모델링될 수 있다(단계(814)). 예를 들어, 도 31의 3차원 기하학적 모델(846)은 환자의 대동맥 및 관상 동맥(및 이로부터 연장되는 지류)의 3차원 기하학적 모델(837)과, 단계(810)에서 생성된 환자의 심근 조직의 3차원 기하학적 모델(838)을 포함한다.
도 29를 다시 참조하면, 예를 들어, 도 3의 단계(402)와 연계하여 앞서 설명한 바와 같이, 연산 분석이 수행될 수 있어서, 사용자에 의해 결정되는 물리적 조건 하에 환자의 관상 동맥 혈류에 관한 정보를 포함하는 솔루션을 결정할 수 있다(단계(816)). 예를 들어, 물리적 조건은 휴지 상태, 선택된 레벨의 충혈, 선택된 레벨의 운동 또는 활동, 또는 다른 조건을 포함할 수 있다. 솔루션은 명시된 물리적 조건 하에서, 단계(814)에서 모델링된 환자의 신체 내 다양한 위치에서, 혈류 및 압력과 같은, 정보를 제공할 수 있다. 연산 분석은 집중 파라미터 또는 1차원 모델로부터 도출되는 유출 경계(324)(도 8)에서 경계 조건을 이용하여 수행될 수 있다. 1차원 모델은 도 30과 연계하여 아래 설명되는 바와 같이 세그먼트(842)를 충전하기 위해 발생될 수 있다.
단계(816)에서 결정된 혈류 정보에 기초하여, 단계(812)에서 생성된 심근의 각자의 세그먼트(842) 내로 혈류의 관류가 연산될 수 있다(단계(818)). 예를 들어, 관류는 유출 경계(324)(도 8)의 각각의 유출구로부터의 유동을, 유출구가 관류시키는 세그먼트화된 심근의 체적으로 나눔으로써 연산될 수 있다.
단계(818)에서 결정된 심근의 각자의 세그먼트에 대한 관류는 단계(810) 또는 단계(812)에서 발생된 심근의 기하학적 모델(가령, 도 31에 도시되는 환자의 심근 조직의 3차원 기하학적 모델(838)) 상에 디스플레이될 수 있다(단계(820)). 예를 들어, 도 31은 기하학적 모델(838)의 심근의 세그먼트(842)가 각자의 세그먼트(842) 내로 혈류의 관류를 표시하기 위해 서로 다른 음영 또는 색상으로 나타날 수 있음을 보여준다.
도 30은 예시적인 실시예에 따라, 특정 환자의 심근 관류에 관한 다양한 정보를 제공하기 위한 방법(820)에 관한 다른 개략적 도면을 보여준다. 방법(820)은 도 3에 도시되는 앞서 설명한 단계들 중 하나 이상을 구현하는 데 사용되는 컴퓨터 시스템과 같은, 앞서 설명한 컴퓨터 시스템에서 구현될 수 있다.
방법(820)은 (가령, 도 2의 단계(100)에서 얻은) CCTA 데이터와 같이, 환자의 대동맥, 관상 동맥(및 이로부터 연장되는 지류), 및 심장의 의료 이미징 데이터(833)를 포함할 수 있는, 하나 이상의 입력(832)을 이용하여 수행될 수 있다. 입력(832)은 아래 설명되는 단계들을 수행하는 데 사용될 수 있다.
환자의 심근 조직의 3차원 기하학적 모델은 이미징 데이터(833)에 기초하여 생성될 수 있다(단계(835)). 모델은 이미징 데이터(803)에 기초하여 또한 생성될 수 있는, 환자 동맥 및 관상 동맥(및 이로부터 연장되는 지류)의 일부분을 또한 포함할 수 있다. 예를 들어, 앞서 설명한 바와 같이 도 31은 환자의 동맥 및 관상 동맥(및 이로부터 연장되는 지류)의 기하학적 모델(837)과, 환자의 심근 조직의 기하학적 모델(838)을 포함하는 3차원 기하학적 모델(836)을 보여준다. 단계(835)는 앞서 설명한 도 29의 단계(810, 814)를 포함할 수 있다.
도 30을 다시 참조하면, 기하학적 심근 모델(838)은 체적 또는 세그먼트(842)로 나누어질 수 있다(단계(840)). 단계(840)는 앞서 설명한 도 29의 단계(812)를 포함할 수 있다. 앞서 설명한 바와 같이, 도 31은 세그먼트(842)로 나누어지는 환자의 심근 조직의 기하학적 모델(838)을 포함하는 3차원 기하학적 모델(846)을 보여준다.
도 30을 다시 참조하면, 기하학적 모델(846)은 관상 동맥 트리의 차세대 지류(857)를 포함하도록 수정될 수 있다(단계(855)). (도 31에 점선으로 도시되는) 지류(857)의 위치 및 크기는 관상 동맥(및 이로부터 연장되는 지류)에 대한 중심선에 기초하여 결정될 수 있다. 중심선은 예를 들어, 이미징 데이터(833)에 기초하여, 결정될 수 있다(단계(845)). 계량 형태적 모델(유출 경계(324)(도 8)에서 알려진 유출구 하류의 혈관 위치 및 크기를 예측하는 데 사용되는 모델) 및/또는 혈관 크기에 관련된 생리학적 지류 법칙에 기초하여 지류(857)의 위치 및 크기를 결정하는 데 알고리즘이 또한 사용될 수 있다(단계(850)). 계량 형태적 모델은 기하학적 모델(837)에 포함된, 그리고, 심외막 표면(심장 조직의 외층) 상에 제공되는, 또는, 심근벽의 기하학적 모델(838) 내에 놓인, 관상 동맥(및 이로부터 연장되는 지류)의 하류 단부까지 증강될 수 있다.
심근은 단계(855)에서 생성된 지류(857)에 기초하여 추가적으로 분절될 수 있다(단계(860)). 예를 들어, 도 31은 세그먼트(842)가 서브볼륨 또는 서브세그먼트(862)로 나누어질 수 있음을 보여준다.
추가적인 지류(857)가 서브세그먼트(862)에서 생성될 수 있고, 서브세그먼트(862)는 더 작은 세그먼트(867)로 추가적으로 분절될 수 있다(단계(865)). 지류를 생성하고 체적을 세부-분절화하는 단계들은 요망 해상도의 체적 크기 및/또는 지류 크기를 얻을 때까지 반복될 수 있다. 단계(855, 865)에서 새 지류(857)를 포함하도록 증강된 모델(846)은, 그 후, 단계(865)에서 발생된 서브세그먼트(867)와 같은, 서브세그먼트 내로 심근 관류 및 동맥 혈류를 연산하는 데 사용될 수 있다.
따라서, 증강된 모델을 이용하여 앞서 설명한 연산 분석을 수행할 수 있다. 연산 분석의 결과는 도 31의 모델(837)과 같은, 환자별 관상 동맥 모델로부터, 단계(865)에서 발생된 관류 서브세그먼트(867) 각각 내로 연장될 수 있는, 발생된 계량 형태적 모델(단계(855, 865)에서 발생된 지류(857)를 포함) 내로, 혈류에 관한 정보를 제공할 수 있다. 연산 분석은 연결된 심장 역학 모델로부터 데이터를 통합하는 동적 모델 또는 정적 심근 관류 체적을 이용하여 연산 분석이 수행될 수 있다.
도 32는 예시적인 실시예에 따라 특정 환자의 심근 관류에 관한 다양한 정보를 제공하기 위한 방법(870)에 관한 다른 개략도를 보여준다. 방법(870)은 도 3에 도시되는 앞서 설명한 단계들 중 하나 이상을 구현하는 데 사용되는 컴퓨터 시스템과 같은, 앞서 설명한 컴퓨터 시스템에서 구현될 수 있다.
방법(870)은 하나 이상의 입력(872)을 이용하여 수행될 수 있다. 입력(872)은 (가령, 도 2의 단계(100)에서 얻은) CCTA 데이터와 같은, 환자의 대동맥, 관상 동맥(및 이로부터 연장되는 지류) 및 심장의 의료 이미징 데이터(873)를 포함할 수 있다. 입력(872)은 환자의 상완 혈압, 심박동수, 및/또는 다른 측정치(가령, 도 2의 단계(100)에서 얻음)와 같은, 환자로부터 측정되는 추가적인 생리학적 데이터(874)를 또한 포함할 수 있다. 추가적인 생리학적 데이터(874)는 비침습성으로 얻을 수 있다. 입력(872)은 (가령, CT, PET, SPECT, 등을 이용하여) 환자로부터 측정되는 심장 관류 데이터(875)를 더 포함할 수 있다. 입력(872)은 아래 설명되는 단계들을 수행하는 데 사용될 수 있다.
환자의 동맥 및 관상 동맥(및 이로부터 연장되는 지류)의 3차원 기하학적 모델은 이미징 데이터(873)에 기초하여 생성될 수 있다(단계(880)). 예를 들어, 도 31은 환자의 대동맥 및 관상 동맥(및 이로부터 연장되는 지류)의 3차원 모델(837)을 보여준다. 단계(880)는 앞서 설명되는 도 29의 단계(814)와 유사할 수 있다.
가령, 도 3의 단계(402)와 연계하여 앞서 설명한 바와 같이, 연산 분석이 수행되어, 사용자에 의해 결정되는 물리적 조건 하에 환자의 관상 동맥 혈류에 관한 정보를 포함하는 솔루션을 결정할 수 있다(단계(882)). 예를 들어, 물리적 조건은 휴지 상태, 선택된 레벨의 충혈, 선택된 레벨의 운동 또는 활동, 또는 다른 조건을 포함할 수 있다. 이 솔루션은 명시된 물리적 조건 하에서, 단계(880)에서 모델링된 환자의 신체의 다양한 위치에서 혈류 및 압력과 같은 정보를 제공할 수 있다. 단계(882)는 앞서 설명되는 도 29의 단계(816)와 유사할 수 있다.
또한, 환자의 심근 조직의 3차원 기하학적 모델은 이미징 데이터(873)에 기초하여 생성될 수 있다(단계(884)). 예를 들어, 앞서 설명한 바와 같이, 도 31은 (가령, 단계(884)에서 생성되는) 환자의 심근 조직의 3차원 기하학적 모델(838)과 (가령, 단계(880)에서 생성되는) 환자의 동맥 및 관상 동맥(및 이로부터 연장되는 지류)의 3차원 기하하학적 모델(837)을 포함하는 3차원 기하학적 모델(836)을 보여준다. 단계(884)는 앞서 설명한 도 29의 단계(810)와 유사할 수 있다.
기하학적 모델은 세그먼트 또는 서브볼륨으로 나누어질 수 있다(단계(886)). 예를 들어, 도 31은 세그먼트(842)로 나누어지는 환자의 심근 조직의 모델(838)을 포함하는 기하학적 모델(846)을 보여준다. 단계(886)는 앞서 설명한 도 29의 단계(812)와 유사할 수 있다.
단계(882)에서 결정되는 혈류 정보에 기초하여, 단계(886)에서 생성되는 심근의 각자의 세그먼트(842) 내로 혈류의 관류가 연산될 수 있다(단계(888)). 단계(888)는 앞서 설명한 도 29의 단계(818)와 유사할 수 있다.
심근의 각자의 세그먼트에 대해 연산된 관류는 단계(884) 또는 단계(886)에서 발생되는 심근의 기하학적 모델(가령, 도 31에 도시되는 환자의 심근 조직의 3차원 기하학적 모델(838)) 상에 디스플레이될 수 있다(단계(890)). 예를 들어, 도 31은 기하학적 모델(838)의 심근의 세그먼트(842)가 서로 다른 음영 또는 색상으로 표현되어, 각자의 세그먼트(842) 내로 혈류의 관류를 표시할 수 있음을 보여준다. 단계(890)는 앞서 설명한 도 29의 단계(820)와 유사할 수 있다.
단계(890)의 심근의 3차원 기하학적 모델에 매핑되는 시뮬레이션된 관류 데이터는, 측정된 심장 관류 데이터(875)와 비교될 수 있다(단계(892)). 비교는 예를 들어, 유한 요소 메시와 같이, 심근의 서로 다른 개별 표현 또는 심근의 복셀-기반 표현에 대해 수행될 수 있다. 비교는 심근의 3차원 표현에 대해 다양한 색상 및/또는 음영을 이용하여 시뮬레이션 및 측정된 관류 데이터의 차이를 표시할 수 있다.
단계(880)에서 생성되는 3차원 기하학적 모델의 유출구에서의 경계 조건은 시뮬레이션 및 측정된 관류 데이터 사이의 에러를 감소시키도록 조정될 수 있다(단계(894)). 예를 들어, 에러를 감소시키기 위해, 시뮬레이션된 관류가 측정된 관류보다 낮은 영역(가령, 세그먼트(842, 862, 또는 867))에 공급되는 혈관의 유동에 대해 처방된 저항이 감소될 수 있도록, 경계 조건이 조정될 수 있다. 경계 조건의 다른 파라미터도 조정될 수 있다. 대안으로서, 모델의 지류 구조가 수정될 수 있다. 예를 들어, 단계(880)에서 생성된 기하학적 모델은 도 30 및 도 31과 연계하여 앞서 설명한 바와 같이 증강되어 계량 형태적 모델을 생성할 수 있다. 경계 조건 및/또는 계량 형태적 모델의 파라미터들이 미국특허출원공보 제2010/0017171호(발명의 명칭: "Method for Tuning Patient-Specific Cardiovascular Simulations")에 설명된 방법 또는 다른 방법과 같이, 파라미터 추정 또는 데이터 동화법을 이용하여 계통적으로 또는 실험적으로 조정될 수 있다.
단계(882, 888, 890, 892, 894) 및/또는 도 32의 다른 단계들은, 예를 들어, 시뮬레이션 및 측정된 데이터 간의 에러가 지정 임계값 미만일 때까지, 반복될 수 있다. 그 결과, 신체 정보, 관상 동맥 혈류 정보, 및 심근 관류 정보에 관계된 모델을 이용하여 연산 분석이 수행될 수 있다. 이러한 모델은 진단 용도로, 그리고, 내과적, 인터벤션적, 또는 외과적 요법의 이점을 예측함에 있어 유용할 수 있다.
그 결과, 휴지 시 및/또는 응력 조건 하의 관상 동맥 혈류 및 심근 관류가 3차원 의료 이미징 데이터로부터 구성되는 환자별 기하학적 모델에서 시뮬레이션될 수 있다. 측정되는 심근 관류 데이터는 (가령, 도 32와 연계하여 앞서 설명한 바와 같이) 시뮬레이션된 심근 관류 결과가 주어진 허용오차 내에서 측정된 심근 관류 데이터와 일치할 때까지 경계 조건을 조정하도록 시뮬레이션된 심근 관류 결과와 조합하여 사용될 수 있다. 더욱 정확한 환자별 관상 동맥 혈류 연산이 제공될 수 있고, 최대 운동 또는 활동, 시뮬레이션된 처리, 또는 다른 조건 하에서 환자를 시뮬레이션할 때와 같이, 측정된 데이터가 가용하지 않은 상황 하에서 심장 전문의가 관상 동맥 혈류 및 심근 관류를 예측할 수 있게 될 수 있다.
좌심실 및/또는 우심실 심근의 환자별 3차원 모델은 관류 세그먼트 또는 서브볼륨으로 나누어질 수 있다. 또한, 의료 이미징 데이터로부터 결정되는 관상 동맥의 환자별 3차원 기하학적 모델은 증강된 모델 형성을 위해 관류 서브볼륨에 의해 표현되는 좌심실 및/또는 우심실 심근 벽 내에 있는 또는 심외막 표면 상의 나머지 관상 동맥 트리의 일부분의 계량 형태적 모델과 조합될 수 있다. 주어진, 예를 들어, 질환이 있는, 증강 모델의 위치 하류의 총 심근 체적의 퍼센티지가 연산될 수 있다. 주어진, 예를 들어, 질환이 있는, 증강 모델의 위치에서 총 심근 혈류의 퍼센티지가 또한 연산될 수 있다. 증강 모델은 관상 동맥 혈류 및 심근 관류를 연산하는 데 사용될 수 있다. 관상 동맥 혈류 모델은 시뮬레이션된 관류가 처방된 허용오차 내에서 측정된 관류 데이터와 일치할 때까지 또한 수정될 수 있다.
B. 플라크 취약성 평가
연산 분석은 환자의 대동맥 및 관상 동맥(및 이로부터 연장되는 지류)에서 축적될 수 있는 플라크(예를 들어, 관상 동맥 아테롬경화성 플라크) 상에 작용하는 환자별 생체기계학적 힘을 정량화하는 결과를 또한 제공할 수 있다. 생체기계학적 힘은 맥동압, 유동, 및 심장 운동에 의해 야기될 수 있다.
도 33은 주요 관상 동맥 중 하나 또는 이로부터 연장되는 지류 중 하나의 벽과 같은, 혈관 벽(902)을 따라 축적되는 플라크(900)의 일례를 보여준다. 플라크의 상류 및 하류 단부 사이의 압력 및/또는 표면적의 차이는, 예를 들어, 혈관을 통해 흐르는 혈액에 의해 야기되는, 적어도 혈류의 방향을 따라 플라크(900)에 작용하는 힘(904)을 생성할 수 있다. 다른 힘(906)은 적어도 혈관 벽(902)에 수직으로 향하는 방향을 따라 플라크(900)의 표면 상에 작용할 수 있다. 힘(906)은 혈관을 통해 흐르는 혈액의 혈압에 의해 야기될 수 있다. 또 다른 힘(908)은 적어도 혈류의 방향을 따라 플라크(900)의 표면 상에 작용할 수 있고, 휴식 중, 운동 중, 등의 경우에 혈역학적 힘으로 인한 것일 수 있다.
결과는 (혈관벽 상에 누적되는 플라크가 불안정해져 떨어져나가가거나 부서질 때와 같이) 플라크 파열의 위험을 또한 평가할 수 있고, 이러한 파열에 의해 영향받을 수 있는 심근 체적을 또한 평가할 수 있다. 결과는 휴지 상태, 운동 상태, 등과 같은 다양한 시뮬레이션된 생리학적 조건 하에서 평가될 수 있다. 플라크 파열 위험은 (가령, 도 2의 단계(100)에서 결정되는) CCTA 또는 MRI로부터 도출된 재료 조성 데이터를 이용하여 추정되는 플라크 강도에 대한 시뮬레이션된 플라크 응력의 비로 규정될 수 있다.
예를 들어, 도 34는 연산 분석이 출력할 수 있는 결과의 예를 보여준다. 이 결과는 환자의 대동맥 및 관상 동맥(및 이로부터 연장되는 지류)의 3차원 기하학적 모델(837)과, 세그먼트(842)로 나누어진 환자의 심근 조직의 3차원 기하학적 모델(838)을 포함하는, 도 31의 3차원 기하학적 모델(846)을 포함할 수 있다. 결과는 플라크가 취약하다고 결정되는 관상 동맥(및 이로부터 연장되는 지류) 중 하나의 위치(910)를 또한 표시할 수 있고, 위치(910)는 사용자로부터의 입력에 기초하여, 및/또는 추가적으로 상세하게 아래에서 설명되는 바와 같이, 플라크 파열의 위험 평가에 기초하여 식별될 수 있다. 또한, 도 34에 도시되는 바와 같이, (복수의 세그먼트(842)의) 심근 세그먼트(912)는 위치(910)에서 식별되는 플라크의 파열로 인해 높은 확률의 저-관류를 갖는 것으로 식별될 수 있다.
도 35 및 도 36은 예시적인 실시예에 따라, 특정 환자의 플라크 취약성, 심근 볼륨 위험, 및 심근 관류 위험의 평가에 관한 다양한 정보를 제공하기 위한 방법(920)의 형태를 보여주는 개략도다. 방법(920)은 도 3에 도시되는 앞서 설명한 단계들 중 하나 이상의 구현에 사용되는 컴퓨터 시스템과 같은, 앞서 설명한 컴퓨터 시스템에서 구현될 수 있다. 방법(920)은 하나 이상의 입력(922)을 이용하여 수행될 수 있고, 입력(922)에 기초한 하나 이상의 모델(930)의 발생과, 모델(930) 들 중 하나 이상에 기초한 하나 이상의 생체기계학적 분석(940)의 수행과, 모델(930) 및 생체기계학적 분석(940)에 기초한 다양한 결과 제공을 포함할 수 있다.
입력(922)은 (가령, 도 2의 단계(100)에서 획득되는) CCTA 데이터와 같은, 환자의 대동맥, 관상 동맥(및 이로부터 연장되는 지류)와 심장의 의료 이미징 데이터(923)를 포함할 수 있다. 입력(922)은 환자의 상완 혈압, 심박동수, 및/또는 다른 측정치(가령, 도 2의 단계(100)에서 얻은 값)과 같이, 환자로부터 측정한 추가적인 생리학적 데이터(924)를 또한 포함할 수 있다. 추가적인 생리학적 데이터(924)는 비침습성으로 얻을 수 있다. 입력(922)은, 아래 설명되는 모델(930)을 발생시키고 및/또는 생체기계학적 분석(940)을 수행하는 데 사용될 수 있다.
앞서 언급한 바와 같이, 하나 이상의 모델(930)이 입력(922)에 기초하여 발생될 수 있다. 예를 들어, 방법(920)은 환자 신체의 3차원 기하학적 모델 전체를 통해 다양한 위치에서 연산된 혈류 및 압력 정보를 포함하는 혈역학적 모델(932)을 발생시키는 단계를 포함할 수 있다. 환자 신체의 모델은, 예를 들어, 도 3의 단계(306)에서 발생된 도 8의 고형 모델(320), 및/또는 도 3의 단계(312)에서 발생된 도 17 내지 도 19의 메시(380)과 같은, 의료 이미징 데이터를 이용하여 생성될 수 있고, 예시적인 실시예에서, 혈역학적 모델(932)은 시뮬레이션된 혈압 모델(50)(도 1), 시뮬레이션된 혈류 모델(52)(도 1), cFFR 모델(54)(도 1), 또는 도 3의 단계(402)와 연계하여 앞서 설명한 바와 같이, 연산 분석 수행 후 생성되는 다른 시뮬레이션일 수 있다. 유체 구조 상호작용 모델을 포함한 고형 기계식 모델은 공지된 수치 해법과 함께 연산 분석을 통해 풀릴 수 있다. 플라크 및 혈관의 성질은 선형 또는 비-선형, 등방성 또는 이방성으로 모델링될 수 있다. 솔루션은 플라크와 혈관 사이의 계면과 플라크의 응력 및 응력변형을 제공할 수 있다. 도 36의 예시적인 실시예에서, 혈역학적 모델(932)은 cFFR 모델(54)이다.
방법(920)은 휴지시, 가변 레벨의 운동, 또는 활동 등의 경우와 같이, 다양한 생리학적 상태에서 혈역학적 힘으로 인해 플라크 내강 표면 상에 작용하는 압력(906)(도 33) 및 전단 응력(908)(도 33)을 연산함으로써 혈역학적 모델(932)을 이용한 생체기계학적 분석(940)을 수행하는 단계를 포함할 수 있다(단계(942)). 압력(906) 및 전단 응력(908)은 가령, 혈압 및 유동과 같은 혈역학적 모델(932)로부터 정보에 기초하여 연산될 수 있다.
선택적 사항으로서, 방법(920)은 수축기 및 이완기와 같이, 심장 주기의 복수의 페이즈에서 얻는 이미징 데이터와 같은 4차원 이미징 데이터로부터 혈관 변형을 정량화하기 위한 기하학적 분석 모델(934)을 발생시키는 단계를 또한 포함할 수 있다. 이미징 데이터는 알려져 있는 다양한 이미징 방법을 이용하여 얻을 수 있다. 기하학적 분석 모델(934)은 심장 주기의 서로 다른 페이즈에서, 예를 들어, 심장 운동으로 인한, 혈관 위치, 변형, 배향, 및 크기에 관한 정보를 포함할 수 있다. 예를 들어, 종방향 길이변화(신장), 트위스팅(비틀림), 반경 방향 팽창 또는 압축, 및 구부림과 같은 플라크와, 환자의 동맥, 관상 동맥(및 이로부터 연장되는 지류)의 변형의 다양한 종류가 기하학적 분석 모델(934)에 의해 시뮬레이션될 수 있다.
방법(920)은 심장-유도 맥동압으로 인한 플라크와, 환자의 동맥, 관상 동맥(및 이로부터 연장되는 지류)의 종방향 연장(lengthening)(신장), 종방향 수축(shortening), 트위스팅(비틀림), 반경 방향 팽창 또는 압축, 및 구부림, 등과 같은 다양한 변형 특성을 연산함으로써 기하학적 분석 모델(934)을 이용하여 생체기계학적 분석을 수행하는 단계를 포함할 수 있다(단계(944)). 이러한 변형 특성은 심장 주기의 복수의 페이즈에 걸쳐, 혈관 위치, 배향, 및 크기의 변화와 같은, 기하학적 분석 모델(934)로부터의 정보에 기초하여 연산될 수 있다.
이러한 변형 특성의 연산은 환자의 대동맥, 관상 동맥(및 이로부터 연장되는 지류), 플라크, 등의 기하형태와 같은 모델링된 기하형태의 표면 메시 또는 중심선을 결정함으로써 단순화될 수 있다. 서로 다른 페이즈 사이의 모델링된 기하 형태 변화를 결정하기 위해, 지류구(branch osita), 석화 병변(clacified lesions), 및 소프트 플라크가 랜드마크로 사용될 수 있다. 랜드마크가 없는 영역에서, 모델링된 기하형태의 길이를 따른 단면 프로파일은 (두 이미지 프레임을 "등록"하기 위해) 두 이미지 프레임 사이의 대응 위치를 식별하는 데 사용될 수 있다. 원시 이미지 데이터에 기초하여 변형가능한 등록 알고리즘은 3차원 변형 필드를 추출하는 데 사용될 수 있다. 연산된 3차원 변형 필드는 그 후, (가령, 혈관 길이와 같은) 모델링된 기하형태와 정렬되는 곡선형 축에 투영될 수 있어서, 변형 필드의 접선 및 직교 성분을 연산할 수 있다. 모델링된 기하 형태(가령, 혈관 길이), 지류 이격 각도, 및 수축기와 이완기 사이의 곡률의 결과적 차이는 혈관이 나타내는 응력 변형의 결정에 사용될 수 있다.
방법(920)은 의료 이미징 데이터(923)로부터 플라크 조성 및 성질을 결정하기 위해 플라크 모델(936)의 발생을 또한 포함할 수 있다. 예를 들어, 플라크 모델(936)은 플라크의 밀도 및 다른 물성에 관한 정보를 포함할 수 있다.
방법(920)은 플라크, 혈관벽, 및/또는 플라크와 혈관벽 사이의 계면에 관한 정보를 연산하기 위한 혈관벽 모델(938)의 발생을 또한 포함할 수 있다. 예를 들어, 혈관벽 모델(938)은 응력 및 응력 변형에 관한 정보를 포함할 수 있고, 이는, 플라크 모델(936), 압력(906), 및 전단 응력(908)(단계(942)에서 연산됨) 및/또는 변형 특성(단계(944)에서 연산됨)에 포함되는 플라크 조성 및 성질에 기초하여 연산될 수 있다.
방법(920)은 혈역학적 힘과 심장 운동-유도 응력변형으로 인해 플라크 상의 응력(가령, 급성 또는 누적 응력)을 연산함으로써 혈관벽 모델(938)을 이용하여 생체기계학적 분석(940)을 수행하는 단계(946)를 포함할 수 있다. 예를 들어, 플라크 상에 작용하는 유동-유도력(904)(도 33)이 연산될 수 있다. 혈역학적 힘 및 심장 운동-유도 응력변형으로 인한 플라크 상의 응력 또는 힘은, 예를 들어, 플라크 상의 응력 및 응력변형과 같은, 혈관벽 모델(938)으로부터의 정보에 기초하여 연산될 수 있다.
방법(920)은 앞서 설명한 모델(930) 중 하나 이상과 생체기계학적 분석(940) 중 하나 이상에 기초하여 추가적 정보를 결정하는 단계를 포함할 수 있다.
플라크 파열 취약성 지수가 연산될 수 있다(단계(950)). 플라크 파열 취약성 지수는 예를 들어, 총 혈역학적 응력, 응력 빈도, 응력 방향, 및/또는 플라크 강도 또는 기타 성질에 기초하여, 연산될 수 있다. 예를 들어, 관심 대상인 플라크를 둘러싸는 영역은 플라크 모델(936)과 같은, 플라크의 3차원 모델(930)로부터 분리될 수 있다. 플라크의 강도는 플라크 모델(936)에 제공되는 물성으로부터 결정될 수 있다. 맥동압, 유동, 심장 운동으로 인한, 관심대상인 플라크 상의 혈역학 및 조직 응력은, 단계(946)에서 앞서 연산된 혈역학적 응력 및 운동-유도 응력변형을 이용함으로써 시뮬레이션된 기준선 및 운동(또는 활동) 조건 하에 연산될 수 있다. 플라크의 취약성은 플라크 강도에 대한 플라크 응력의 비에 기초하여 평가될 수 있다.
심근 볼륨 위험 지수(MVRI)가 또한 연산될 수 있다(단계(952)). MVRI는 동맥 트리 내 주어진 위치에서 혈관의 폐색(닫힘 또는 차단) 및 플라크 파열에 의해 영향받는 총 심근 볼륨의 퍼센티지로 규정될 수 있다. MVRI는 주어진 플라크 하류의 혈관에 의해 공급되는 심근의 부분에 기초하여 연산될 수 있고, 이는 3차원 혈역학적 솔루션에 기초하여 서로 다른 혈관 내로 플라크가 유동할 수 있는 확률과 하류 혈관의 크기에 대해 플라크의 크기를 고려할 수 있다.
심근은 (가령, 도 30의 단계(835, 840)와 연계하여 설명한 바와 같이) 혈역학적 시뮬레이션에서 각각의 혈관에 의해 공급되는 세그먼트(842)로 모델링 및 분할될 수 있다. 기하학적 모델은 (가령, 도 30의 단계(855)와 연계하여 설명한 바와 같이) 관상 동맥 트리내 차세대 지류(857)를 포함하도록 수정될 수 있고, (가령, 도 30의 단계(860)와 연계하여 설명되는 바와 같이) 심근은 추가적으로 분절될 수 있다. 추가적인 지류(857)는 서브세그먼트(862)에서 생성될 수 있고, 서브세그먼트(862)는 (도 30의 단계(865)와 연계하여 설명한 바와 같이) 더 작은 세그먼트(867)로 더 분절될 수 있다. 앞서 설명한 바와 같은 생리학적 관계를 이용하여, 공급되는 심근의 비례적 양에 혈관의 크기를 관련시킬 수 있다.
파열된 플라크가 따르게될 잠재적 경로가 결정될 수 있다. 혈역학적 솔루션을 이용하여, 플라크 조각 또는 색전물이 서로 다른 하류 혈관 내로 유동할 수 있는 퍼센트 기회를 결정할 수 있다.
파열된 플라크의 크기는 하류 혈관의 크기와 비교되어, 플라크가 궁극적으로 유동에 대한 장애물을 생성할 수 있는 위치를 결정할 수 있다. 이 정보는 파열된 플라크에 의해 잠재적으로 영향받을 수 있는 심근의 볼륨의 확률 맵을 제공하기 위해 취약성 지수와 조합될 수 있다. MVRI는 각각의 잠재적으로 영향받는 세그먼트에 할당될 수 있다. 도 34는, 원위 혈관 내 위치(910)의 취약 플라크가 작은 면적의 심근에 영향을 미칠 확률이 높은, 세그먼트(912)의 예를 보여준다.
심근 관류 위험 지수(MPRI) 역시 연산될 수 있다(단계(954)). MPRI는 동맥 트리 내 주어진 위치에서 혈관의 폐색 및 플라크 파열에 의해 영향받는 총 심근 혈류의 퍼센티지로 규정될 수 있다. 예를 들어, LAD 동맥의 원위부의 플라크 파열은 LAD 동맥의 근위부의 플라크 파열에 비해 낮은 MVRI 및 낮은 MPRI를 나타낼 것이다. 그러나 이러한 지수는, 공급 혈관 내 취약 플라크에 의해 영향받는 심근 볼륨의 일부분이 (예를 들어, 심근 경색에 이어 형성할 수 있는 반흔 조직(scar tissue)으로 인해) 가능하지 않을 경우, 다를 수 있다. 따라서, MPRI는 MVRI에 의해 표시되는 바와 같이 영향받는 볼륨보다는, 심근 세그먼트에 대한 관류의 잠재적 손실을 표시한다. 도 31의 각각의 세그먼트(842, 862, 또는 867)로의 관류 속도가 연산될 수 있고, 관류 손실은 취약성 지수, 혈역학적 솔루션, 및 플라크 및 혈관의 크기에 기초하여 연산될 수 있다.
그 결과, 맥동압, 맥동류, 맥동 전단 응력, 및/또는 맥동 심장 운동으로 인한 플라크 응력이 연산될 수 있고, 플라크 강도가 의료 이미징 데이터에 기초하여 추정될 수 있으며, 플라크 취약성, 심근 볼륨 위험, 및 심근 관류 위험에 관한 지수가 정량화될 수 있다.
VIII. 다른 응용예
앞서 설명한 실시예는 환자의 관상 동맥 혈류에 관한 정보의 평가와 관련된다. 대안으로서, 실시예는 목, 말초, 복부, 신장, 대퇴부, 슬와부, 및 뇌동맥과 같은, 그러나 이에 제한되지 않는, 신체의 다른 영역의 혈류에 또한 적응될 수 있다.
A. 두개내 및 두개외 혈류 모델링
뇌동맥에 관한 실시예가 이제 설명될 것이다. 수많은 질환들이 두개외 또는 두개내 동맥의 혈류 및 혈압에 영향을 미치거나 영향을 받을 수 있다. 두개외의, 예를 들어, 목 및 척추의, 동맥에서의 아테롬성 동맥 경화증은 뇌를 향한 혈류를 제한할 수 있다. 아테롬성 동맥 경화증의 극심한 현상은 일과성 뇌허혈 발작 또는 허혈성 뇌졸중을 야기할 수 있다. 두개내 또는 두개외 동맥의 동맥류 질환은 허혈성 뇌졸증을 이끄는 색전에 의한 폐색 위험, 또는, 출혈성 뇌졸중을 이끄는 동맥류 파열 위험을 제기할 수 있다. 두부 외상, 고혈압, 두경부암, 동정맥 기형, 기립성 조절 장애, 등과 같은 다른 조건들도 뇌혈류에 또한 영향을 미칠 수 있다. 더욱이, 뇌혈류 감소는 실신과 같은 증상을 유도할 수 있고, 또는, 알츠하이머병 또는 파킨슨병에 이어지는 치매와 같은 만성 신경 장애에 영향을 미칠 수 있다.
알려진 또는 의심되는 두개외 또는 두개내 동맥 질환을 갖는 환자는 다음의 비침습성 진단 검사 - US, MRI, CT, PET - 중 하나 이상을 통상적으로 수용할 수 있다. 그러나, 이러한 검사는 대부분의 환자들에 대한 두개외 및 두개내 동맥에 대한 산체적 및 생리학적 데이터를 효율적으로 제공하지 못할 수 있다.
도 37은 (두개골 내부의) 두개내 및 (두개골 외부의) 두개외 동맥을 포함한, 뇌동맥의 도면이다. 환자별 두개내 및 두개외 혈류에 관한 정보를 결정하기 위한 방법은 앞서 설명한 바와 같이 환자별 관상 동맥 혈류에 관한 정보를 결정하기 위한 방법과 일반적으로 유사할 수 있다.
도 38은 특정 환자의 두개내 및 두개외 혈류에 관한 다양한 정보를 제공하기 위한 방법(1000)의 형태를 보여주는 개략도다. 방법(1000)은 예를 들어, 도 3에 도시되는 앞서 설명한 단계들 중 하나 이상을 구현하는 데 사용되는 컴퓨터 시스템과 유사한, 컴퓨터 시스템에서 구현될 수 있다. 방법(1000)은 하나 이상의 입력(1010)을 이용하여 수행될 수 있고, 입력(1010)에 기초하여 하나 이상의 모델(1020)을 발생시키는 단계와, 입력(1010) 및/또는 모델(1020)에 기초하여 하나 이상의 조건(1030)을 할당하는 단계와, 모델(1020) 및 조건(1030)에 기초하여 하나 이상의 솔루션(1040)을 도출하는 단계를 포함할 수 있다.
입력(1010)은 (가령, 도 2의 단계(100)와 연계하여 앞서 설명한 바와 유사한 방식으로 얻는) CCTA 데이터와 같이, 환자의 두개내 및 두개외 동맥(예를 들어, 환자의 대동맥, 경동맥(도 37에 도시됨), 척추 동맥(도 37에 도시됨)) 및 뇌의 의료 이미징 데이터(1011)를 포함할 수 있다. 입력(1010)은 (예를 들어, 도 2의 단계(100)와 연계하여 앞서 설명한 것과 유사한 방식으로 얻는) 환자의 상완 혈압, 경동맥 혈압(가령, 토노메트리 이용), 및/또는 다른 측정의 측정치(1012)를 또한 포함할 수 있다. 측정치(1012)는 비침습성으로 얻을 수 있다. 입력(1010)은, 모델(1020)을 발생시키고 및/또는 아래 설명되는 조건(1030)을 결정하는 데 사용될 수 있다.
상술한 바와 같이, 하나 이상의 모델(1020)이 입력(1010)에 기초하여 발생될 수 있다. 예를 들어, 방법(1000)은 이미징 데이터(1011)에 기초하여 환자의 두개내 및 두개외 동맥의 하나 이상의 환자별 3차원 기하학적 모델을 발생시키는 단계(1021)를 포함할 수 있다. 3차원 기하학적 모델(1021)은 도 8의 고형 모델(320) 및 도 17 내지 도 19의 메시(380)를 발생시키기 위해 앞서 설명한 것과 유사한 방법을 이용하여 발생될 수 있다. 예를 들어, 도 3의 단계(306, 312)와 유사한 단계들이 사용되어, 환자의 두개내 및 두개외 동맥을 나타내는 3차원 고형 모델 및 메시를 발생시킬 수 있다.
다시 도 38을 참조하면, 방법(1000)은 하나 이상의 물리학-기반 혈류 모델을 발생시키는 단계(1022)를 또한 포함할 수 있다. 예를 들어, 혈류 모델은 단계(1021)에서 발생된 환자별 기하학적 모델을 통해 혈류, 심장 및 동맥 순환, 원위 두개내 및 두개외 순환, 등을 나타내는 모델일 수 있다. 혈류 모델은 3차원 기하학적 모델(1021)의 유입 경계 및/또는 유출 경계에서 도 3의 단계(310)와 연계하여 앞서 설명한 차수 축소 모델(예를 들어, 집중 파라미터 모델 또는 분배형(1차원 파동 전파) 모델, 등)을 포함할 수 있다. 대안으로서, 유입 경계 및/또는 유출 경계는 속도, 유량, 압력, 또는 다른 특성, 등을 위한 각자의 처방된 값 또는 필드를 할당받을 수 있다. 다른 대안으로서, 유입 경계가, 가령, 대동맥궁을 포함한, 심장 모델에 연결될 수 있다. 유입 및/또는 유출 경계에 대한 파라미터는 심박출량 및 혈압을 포함한, 그러나 이에 제한되지 않는, 측정된 또는 선택된 생리학적 조건에 일치하도록 조정될 수 있다.
앞서 언급한 바와 같이, 하나 이상의 조건(1030)들이 입력(1010) 및/또는 모델(1020)에 기초하여 결정될 수 있다. 조건(1030)은 단계(1022)(및 도 3의 단계(310))에서 결정된 경계 조건에 대해 연산된 파라미터를 포함한다. 예를 들어, 방법(1000)은 (가령, 도 3의 단계(240)와 연계하여 앞서 설명한 것과 유사한 방식으로 얻은) 이미징 데이터(1011)에 기초하여 환자별 뇌 또는 두부 볼륨을 연산함으로써 조건을 결정하는 단계(1031)를 포함할 수 있다.
방법(1000)은 단계(1031)에서 연산된 뇌 또는 두부 볼륨을 이용하여, 관계에 기초하여, 휴지 뇌혈류 Q를 연산함으로써 조건을 결정하는 단계(1032)를 포함할 수 있고, 이때, α는 기설정된 스케일링 지수이고, M은 뇌 EH는 두부 볼륨으로부터 결정되는 뇌 질량이며, Q0는 (가령, 도 3의 단계(310)에서 집중 파라미터 모델의 결정과 연계하여 앞서 설명한 생리학적 관계와 유사한) 기설정 상수다. 대안으로서, 이 관계는 도 3의 단계(310)에서 집중 파라미터 모델의 결정과 연계하여 앞서 설명한 바와 같이, 의 형태를 가질 수 있다.
방법(1000)은 단계(1032)에서 연산된 결과적 관상 동맥 혈류와, 환자의 측정된 혈압(1012)을 이용하여, (가령, 도 3의 단계(310)에서 집중 파라미터 모델의 결정과 연계하여 앞서 설명한 방법과 유사하게) 총 휴지 뇌 저항을 연산함으로써 조건을 결정하는 단계(1033)를 또한 포함할 수 있다. 예를 들어, 단계(1032)에서 결정되는 기준선(휴지) 조건 하에 3차원 기하학적 모델(1021)의 유출 경계에서의 총 뇌 혈류(Q)와 측정된 혈압(1012)을 이용하여, 기설정된, 실험적으로 도출되는 방정식에 기초하여 유출 경계에서 총 저항(R)을 결정할 수 있다. 저항, 커패시턴스, 인덕턴스, 및 집중 파라미터 모델에 사용된 다양한 전기적 구성요소에 관련된 다른 변수가, (가령, 도 3의 단계(310)에서 집중 파라미터 모델의 결정과 연계하여 앞서 설명한 바와 같이) 경계 조건에 포함될 수 있다.
방법(1000)은 단계(1033)에서 연산된 총 휴지 뇌저항과 모델(1020)을 이용하여, 개별 두개내 및 두개외 동맥에 대한 개별 저항을 연산함으로써 조건을 결정하는 단계(1034)를 또한 포함할 수 있다. 예를 들어, 도 3의 단계(310)와 연계하여 앞서 설명한 방법과 유사하게, 단계(1033)에서 연산된 총 휴지 뇌 저항(R)은 개별 두개내 및 두개외 동맥의 말단부의 (단계(1021)에서 발생된 기하학적 모델로부터 결정되는) 크기에 기초하여, 그리고, 관계에 기초하여, 개별 두개내 및 두개외 동맥에 분배될 수 있고, 이때, R은 특정 말단부에서의 유동에 대한 저항이고, R0는 기설정 상수이며, d는 크기(가령, 상기 말단부의 직경)이고, β는, 도 3의 단계(310)에서 집중 파라미터 모델의 결정과 연계하여 앞서 설명한 바와 같이, 기설정 거듭제곱 법칙 지수다.
도 38을 다시 참조하면, 방법(1000)은 환자의 하나 이상의 물리적 조건에 기초하여 경계 조건을 조정하는 단계(1035)를 포함할 수 있다. 예를 들어, 단계(1031-1034)에서 결정된 파라미터는, 솔루션(1040)이 휴지 상태, 가변 레벨의 응력, 가변 레벨의 압수용기 응답 또는 다른 자율 피드백 제어, 가변 레벨의 충혈, 가변 레벨의 운동, 활동, 고혈압, 또는 저혈압, 서로 다른 약품, 자세 변화, 및/또는 기타 조건을 시뮬레이션하도록 의도되는지 여부에 기초하여 수정될 수 있다. 파라미터(가령, 유출 경계에서의 경계 조건에 관한 파라미터)는 가령, 미세 혈관 기능 장애 또는 내피 건강으로 인해, 두개내 및 두개외 동맥의 혈관 확장 기능(혈관의 폭을 넓히는 능력)에 기초하여 또한 조정될 수 있다.
입력(1010), 모델(1020), 및 조건(1030)에 기초하여, 예를 들어, 도 3의 단계(402)와 연계하여 앞서 설명한 바와 같이, 연산 분석이 수행되어, 단계(1035)에서 선택된 물리적 조건 하에 환자의 관상 동맥 혈류에 관한 정보를 포함하는 솔루션(1040)을 결정할 수 있다(단계(1041)). 솔루션(1040)으로부터 제공될 수 있는 정보의 예는, 도 1 및 도 21 내지 도 24와 연계하여 앞서 설명한 예, 가령, 시뮬레이션된 혈압 모델, 시뮬레이션된 혈류 모델, 등과 유사할 수 있다. 결과는 예를 들어, 유량, 총 뇌 유동, 혈관벽 전단 응력, 혈관벽 상에 작용하는 트랙션 또는 전단력, 아테롬 경화성 플라크 또는 동맥류, 입자/혈액 체류 시간, 혈관벽 움직임, 혈액 전단율, 등을 결정하는 데 또한 사용될 수 있다. 이 결과는 혈액 순환으로 인해 혈관 시스템 내 특정 영역으로부터 빠져나가는 색전이 혈액 순환으로 인해 가장 이동하기 쉬울 수 있는 위치를 분석하는 데 또한 사용될 수 있다.
컴퓨터 시스템은 사용자가 기하학적으로 다양한 변화를 시뮬레이션할 수 있게 한다. 예를 들어, 모델(1020), 가령, 단계(1021)에서 발생된 환자별 기하학적 모델은, (가령, 급성 폐색과 같이) 동맥을 폐색하는 결과를 예측하도록 수정될 수 있다. 일부 외과적 절차에서, 암종양을 제거할 때와 같은 경우에, 하나 이상의 두개외 동맥이 손상되거나 제거될 수 있다. 따라서, 단계(1021)에서 발생된 환자별 기하학적 모델은, 환자에 대한 적정 혈류를 공급하기 위한 부행 경로의 가능성을 예측하기 위해, 두개외 동맥들 중 하나 이상에 대한 혈류를 방지하는 효과를 시뮬레이션하도록 또한 수정될 수 있다.
컴퓨터 시스템은 가령, 급성 폐색의, 인터벤션 또는 외과적 치료와 같이, 다양한 치료 옵션의 결과를 사용자가 시뮬레이션할 수 있게 한다. 시뮬레이션은 앞서 설명한 바와 같이, 두개내 및 두개외 동맥을 나타내는 3차원 고형 모델 또는 메시를, 도 27 및 도 28과 연계하여 앞서 설명한 바와 같이, 차수 축소 모델을 이용하여, 대체함으로써,더욱 신속하게 수행될 수 있다. 그 결과, 1차원 또는 집중 파라미터 모델과 같은 차수 축소 모델이 환자별 모델의 혈류 및 압력을 더욱 효율적으로 신속하게 구할 수 있고, 솔루션의 결과를 디스플레이할 수 있다.
특정 환자에 의한 혈관 확장 자극에 대한 반응은 휴지 상태의 환자에 대한 혈역학적 정보에 기초하여, 또는, 서로 다른 질환 상태에 대한 인구-기반 데이터에 기초하여, 예측될 수 있다. 예를 들어, (가령, 단계(1032)와 연계하여 앞서 설명한 바와 같이) 거듭제곱 법칙 및 뇌 질량에 기초하여 할당된 유동 분포로, 기준선에서(휴지 상태), (단계(1041)에서 앞서 설명한 바와 같이) 시뮬레이션이 가동된다. (가령, 단계(1033, 1034)에서 결정되는) 저항 값은 적절한 관류를 실현하도록 조정될 수 있다. 대안으로서, 당뇨병, 약물, 및 과거 심장 사고와 같은 요인들을 갖는 환자 인구로부터의 데이터는 서로 다른 저항을 할당하는 데 사용된다. 단독으로, 또는 혈역학적 정보(가령, 벽 전단 응력 또는 유동 및 혈관 크기의 관계)와 조합하여, 휴지 조건 하에서 저항의 조정은, 원위 뇌 혈관을 팽창시키기 위한 나머지 용량을 결정하는 데 사용될 수 있다. 높은 유동 대 혈관 크기 비를 갖는 환자 또는 휴지 유동 요건을 충족시키기 위해 저항 감소를 요구하는 환자는 생리학적 응력 하에 혈관을 추가적으로 팽창시키기 위해 감소된 용량을 가질 수 있다.
(가령, 단계(1041)에서 결정되는) 뇌동맥의 개별 세그먼트 간 유량 및 압력 구배를 이용하여 뇌동맥 저항을 연산할 수 있다. 뇌동맥 저항은 (가령, 단계(1021)로부터 발생되는) 의료 이미징 데이터로부터 발생되는 환자별 기하학적 모델에 포함된 두개외 및 두개내 동맥의 부분들의 대등한 저항으로 연산될 수 있다. 뇌동맥 저항은 두개외 및/또는 두개내 동맥의 확산성 아테롬성 동맥 경화증을 갖는 환자들이 왜 실신(의식 또는 자세의 일시적 상실, 가령, 기절) 또는 국소 빈혈(혈액 공급 제한)의 증상을 나타낼 수 있는 지를 설명함에 있어서 임상적 중요도를 가질 수 있다.
또한, 기준선 또는 변경된 생리학적 조건 하에서 뇌 조직 볼륨(또는 질량) 단위 당 유동은 가령, 단계(1041)에서 결정된 유동 정보와, 단계(1031)에서 연산된 뇌조직 볼륨 또는 질량에 기초하여, 연산될 수 있다. 이 연산은 만성 신경 장애에 대한 혈류 감소의 영향을 이해하는 데 유용할 수 있다. 이 연산은 항고혈압제 투여와 같은 내과적 처방을 선택 또는 개선함에 있어 또한 유용할 수 있다. 추가적인 결과는 트라우마(심적 외상), 뇌진탕, 외부 생리학적 응력, 과도한 G-포스, 무중력 상태, 우주 비행, 심해 분해(가령, 벤드), 등)의 결과의 정량화 단계를 포함할 수 있다.
조합된 환자별 신체적(기하학적) 및 생리학적(물리학-기반) 모델을 이용하여, 심박동수, 1회 박출량, 혈압, 또는 뇌동맥 혈류에 대한 뇌 미소순환 기능을 변경시키는 서로 다른 약물 치료 또는 라이프스타일 변화(가령, 금연, 다이어트 변화, 또는 물리적 활동 증가)의 효과를 결정할 수 있다. 조합된 모델은, 가령, 축구할 때, 우주 비행 중에, 스쿠버 다이빙 중에, 항공 비행 중, 등과 같이, 잠재적 외인력에 대한 노출 위험 또는 가변적 레벨의 물리적 활동 및/또는 대안의 형태의 뇌동맥 혈류에 대한 영향을 결정하는 데 또한 사용될 수 있다. 이러한 정보는 특정 환자에 대해 안전하고 효과적일 수 있는 물리적 활동의 수준 및 종류를 식별하는 데 사용될 수 있다. 조합된 모델은 최적의 인터벤션 기법을 선택하기 위해 뇌동맥 혈류에 대한 경피적 인터벤션의 잠재적 이점을 예측하는 데 또한 사용될 수 있고, 및/또는, 최적의 외과적 기법을 선택하기 위해 뇌동맥 혈류에 대한 경동맥 내막 절제술 또는 외부-경동맥으로부터 내부-경동맥으로의 우회술의 잠재적 이점을 예측하는 데 또한 사용될 수 있다.
조합 모델은 뇌동맥 혈류에 대한 동맥 질환의 부담 증가의 잠재적 유해 효과를 나타내기 위해 또한 사용될 수 있고, 질환 진행이 뇌를 향한 혈류의 절충으로 나타날 수 있을 때를, 기계론적 또는 현상학적 질환 진행 모델 또는 실험적 데이터를 이용하여 예측하는 데 또한 사용될 수 있다. 이러한 정보는 비침습성 이미징을 이용한 혈역학적으로 중요한 질환으로부터 최초에 자유롭다고 관찰된 환자가 내과적, 인터벤션적, 또는 외과적 처방을 요구할 것을 기대하지 못할 수 있는 "보증 주기"의 결정을 가능하게 할 수 있고, 또는, 대안으로서, 조악 재료가 계속될 경우 진행이 이루어질 수 있는 속도의 결정을 가능하게 할 수 있다.
조합 모델은 질환의 부담 감소로부터 나타나는 뇌동맥 혈류에 대한 잠재적 유익한 효과를 나타내는 데 또한 사용될 수 있고, 기계론적 또는 현상학적 질환 진행 모델 또는 실험 데이터를 이용하여, 질환의 후퇴가 뇌로의 혈류 증가로 나타날 수 있을 때를 예측하는 데 또한 사용될 수 있다. 이러한 정보는 다이어트 변화, 물리적 활동 증가, 스타틴 또는 다른 약물, 등의 처방전을 포함한, 그러나 이에 제한되지 않는, 내과적 관리 프로그램을 안내하는 데 사용될 수 있다.
조합 모델은 동맥 폐색 효과를 예측하는 데 또한 사용될 수 있다. 암종양의 제어과 같은, 일부 외과적 절차에서, 일부 두개외 동맥이 손상 또는 제거될 수 있다. 두개외 동맥 중 하나로의 혈류를 방지하는 효과의 시뮬레이션은 특정 환자에 대한 적절한 혈류 공급을 위한 부행 경로에 대한 가능성을 예측할 수 있게 한다.
i. 뇌 관류 평가
다른 결과를 연산할 수 있다. 예를 들어, 연산 분석은 뇌 관류(대뇌를 통한 혈류)를 정량화하는 결과를 제공할 수 있다. 뇌 관류 정량화는 뇌 혈류 감소 영역의 식별을 도울 수 있다.
도 39는 예시적인 실시예에 따라, 특정 환자의 뇌 관류에 관한 다양한 정보를 제공하기 위한 방법(1050)에 관한 개략도를 도시한다. 방법(1050)은 가령, 도 3에 도시되는 앞서 설명한 단계들 중 하나 이상의 구현에 사용되는 컴퓨터 시스템과 유사한, 앞서 설명한 컴퓨터 시스템에서 구현될 수 있다.
방법(1050)은 하나 이상의 입력(1052)을 이용하여 수행될 수 있다. 입력(1052)은 (가령, 도 2의 단계(100)와 연계하여 앞서 설명한 것과 유사한 방식으로 얻는) CCTA 데이터와 같이, 환자의 대동맥, 경동맥(도 37에 도시됨), 척추 동맥(도 37에 도시됨), 및 뇌와 같은 환자의 두개외 및 두개내 동맥의 의료 이미징 데이터(1053)를 포함할 수 있다. 입력(1052)은 환자의 상완 혈압, 심박동수, 및/또는 기타 측정치(가령, 도 2의 단계(100)와 연계하여 앞서 설명한 것과 유사한 방식으로 얻는 것)와 같이, 환자로부터 측정되는 추가적인 생리학적 데이터(1054)를 또한 포함할 수 있다. 추가적인 생리학적 데이터(1054)는 비침습성으로 얻을 수 있다. 입력(1052)은 아래 설명되는 단계들을 수행하는 데 사용될 수 있다.
환자의 뇌 조직의 3차원 기하학적 모델은 이미징 데이터(1053)에 기초하여 생성될 수 있고(단계(1060)), 기하학적 모델은 (가령, 도 29 내지 도 32와 연계하여 앞서 설명한 것과 유사한 방식으로) 세그먼트 또는 볼륨으로 나누어질 수 있다(단계(1062)). 개별 세그먼트의 크기 및 위치는 두개내 및 두개외 동맥의 유출 경계의 위치와, 각자의 세그먼트 내의 또는 각자의 세그먼트에 연결된 혈관의 크기(가령, 이웃 혈관), 등에 기초하여 결정될 수 있다. 기하학적 모델을 세그먼트로 나누는 것은 고속 마칭법(fast marching method), 일반화된 고속 마칭법, 레벨 세트법, 확산 방정식, 다공 매체를 통한 유동 통제 방정식, 등과 같이, 알려져 있는 다양한 방법을 이용하여 수행될 수 있다.
3차원 기하학적 모델은, 이미징 데이터(1053)에 기초하여 모델링될 수 있는, 환자의 두개내 및 두개외 동맥의 일부분을 또한 포함할 수 있다(단계(1064)). 예를 들어, 단계(1062, 1064)에서, 뇌 조직과 두개내 및 두개외 정맥을 포함하는 3차원 기하학적 모델이 생성될 수 있다.
가령, 도 3의 단계(402)와 연계하여 앞서 설명한 바와 같이 연산 분석이 수행되어, 사용자에 의해 결정되는 물리적 조건 하에 환자의 뇌혈류에 관한 정보를 포함하는 솔루션을 결정할 수 있다(단계(1066)). 예를 들어, 물리적 조건은 휴지 상태, 가변적 레벨의 응력, 가변적 레벨의 압수용기 반응, 또는 다른 자율 피드백 제어, 가변적 레벨의 충혈, 가변적 레벨의 운동 또는 활동, 서로 다른 약물 처방, 자세 변화, 및/또는 기타 조건을 포함할 수 있다. 솔루션은 명시된 물리적 조건 하에 단계(1064)에서 모델링된 환자의 신체 내 다양한 위치에서 혈류 및 혈압과 같은 정보를 제공할 수 있다. 연산 분석은 집중 파라미터 또는 일차원 모델로부터 도출되는 유출 경계에서 경계 조건을 이용하여 수행될 수 있다. 일차원 모델은 도 40과 연계하여 아래에서 설명되는 바와 같이 뇌 조직의 세그먼트를 충전시키도록 발생될 수 있다.
단계(1066)에서 결정된 혈류 정보에 기초하여, 단계(1062)에서 생성된 뇌의 각자의 세그먼트 내로 혈류의 관류가 순환될 수 있다(단계(1068)). 예를 들어, 관류는 유출 경계의 각각의 유출구로부터 유동을, 유출구가 관류되는 분절된 뇌의 볼륨으로 나눔으로써 연산될 수 있다.
단계(1068)에서 결정된 뇌의 각자의 세그먼트에 대한 관류는 단계(1060 또는 1062)에서 발생된 뇌의 기하학적 모델 상에 디스플레이될 수 있다(단계(1070)). 예를 들어, 단계(1060)에서 생성된 기하학적 모델에 도시되는 뇌의 세그먼트들은, 각자의 세그머트 내로 혈류의 관류를 표시하기 위해 서로 다른 음영 또는 색상으로 나타낼 수 있다.
도 40은 예시적인 실시예에 따라, 특정 환자의 뇌 관류에 관한 다양한 정보를 제공하기 위한 방법(1100)에 관한 다른 개략도를 보여준다. 방법(1100)은, 가령, 도 3에 도시되는, 앞서 설명한 단계들 중 하나 이상의 구현에 사용되는 컴퓨터 시스템과 유사한, 앞서 설명한 컴퓨터 시스템에서 구현될 수 있다.
방법(1100)은 (가령, 도 2의 단계(100)과 연계하여 앞서 설명한 것과 유사한 방식으로 획득되는) CCTA 데이터와 같이, 환자의 대동맥, 경동맥(도 37에 도시됨), 척추 동맥(도 37에 도시됨), 및 뇌의 의료 이미징 데이터(1103)를 포함할 수 있는 하나 이상의 입력(1102)을 이용하여 수행될 수 있다. 입력(1102)은 아래 설명되는 단계들을 수행하는 데 사용될 수 있다.
환자 뇌 조직의 3차원 기하학적 모델은 이미징 데이터(1103)에 기초하여 생성될 수 있다(단계(1110)). 모델은 이미징 데이터(1103)에 기초하여 또한 생성될 수 있는, 환자의 대동맥, 경동맥(도 37에 도시됨), 및 척추 동맥(도 37에 도시됨)의 일부분을 또한 포함할 수 있다. 예를 들어, 상술한 바와 같이, 뇌조직과 두개내 및 두개외 동맥을 포함하는 3차원 기하학적 모델이 생성될 수 있다. 단계(1110)는 앞서 설명된 도 39의 단계(1060, 1064)를 포함할 수 있다.
단계(1110)에서 생성된 기하학적 뇌 조직 모델은 볼륨 또는 세그먼트로 나누어질 수 있다(단계(1112)). 단계(1112)는 앞서 설명한 도 39의 단계(1062)를 포함할 수 있다. 기하학적 뇌조직 모델은 (가령, 도 29 내지 도 32와 연계하여 앞서 설명한 것와 유사한 방식으로) 뇌 트리 내 차세대 지류를 포함하도록 더 수정될 수도 있다(단계(1118)). 지류의 위치 및 크기는 두개내 및 두개외 동맥에 대한 중심선에 기초하여 결정될 수 있다. 중심선은 가령, 이미징 데이터(1103)에 기초하여, 결정될 수 있다(단계(1114)). 계량 형태적 모델(유출 경계에서 알려진 유출구 하류의 혈관 위치 및 크기를 예측하는 데 사용되는 모델)에 기초하여, 및/또는, 혈관 크기에 관련된 생리학적 지류 법칙에 기초하여, 지류의 위치 및 크기를 결정하는 데 알고리즘이 또한 사용될 수 있다(단계(1116)). 계량 형태적 모델은 뇌 조직의 기하학적 모델 내에 놓인 또는 뇌 조직의 외부층 상에 제공되는, 기하학적 모델에 포함된, 두개내 및 두개외 동맥의 하류 단부까지 증강될 수 있다.
뇌는 (도 29 내지 도 32와 연계하여 앞서 설명한 것과 유사한 방식으로) 단계(1118)에서 생성된 지류에 기초하여 추가적으로 분절될 수 있다(단계(1120)). 추가적인 지류가 서브세그먼트에서 생성될 수 있고, 이러한 서브세그먼트는 (가령, 도 29 내지 도 32와 연계하여 앞서 설명한 것과 유사한 방식으로) 더 작은 세그먼트로 추가적으로 분절될 수 있다(단계(1122)). 요망 해상도의 볼륨 크기 및/또는 뇌 크기를 얻을 때까지 지류의 생성 및 볼륨의 세부 분절 단계가 반복될 수 있다. 단계(1118, 11220에서 새 지류를 포함하도록 증강된 기하학적 모델은 그 후, 단계(1122)에서 발생된 서브세그먼트와 같은, 서브세그먼트 내로의 뇌 혈류 및 뇌 관류를 연산하는 데 사용될 수 있다.
따라서, 앞서 설명한 연산 분석을 수행하는 데 증강 모델이 사용될 수 있다. 연산 분석의 결과는 환자별 뇌동맥 모델로부터 혈류에 관한 정보를, (단계(1118, 1122)에서 발생되는 지류를 포함한) 발생된 계량 형태적 모델 내로 제공할 수 있고, 이는 단계(1122)에서 발생된 관류 서브세그먼트 각각 내로 연장될 수 있다.
도 41은 예시적인 실시예에 따라 특정 환자의 뇌 관류에 관한 다양한 정보를 제공하기 위한 방법(1150)에 관한 다른 개략도를 보여준다. 방법(1150)은 예를 들어, 도 3에 도시되는, 앞서 설명한 단계들 중 하나 이상의 구현에 사용되는 컴퓨터 시스템과 같은, 앞서 설명한 컴퓨터 시스템에서 구현될 수 있다.
방법(1150)은 하나 이상의 입력(1152)을 이용하여 수행될 수 있다. 입력(1152)은 (도 2의 단계(100)와 연계하여 앞서 설명한 것과 유사한 방식으로 얻는) CCTA 데이터와 같은, 환자의 대동맥, 경동맥(도 37에 도시됨), 척추 동맥(도 37에 도시됨), 및 뇌의 의료 이미징 데이터(1153)를 포함할 수 있다. 입력(1152)은 (가령, 도 2의 단계(100)에서 얻은) 환자의 상완 혈압, 심박동수, 및/또는 기타 측정치와 같이, 환자로부터 측정되는 추가적인 생리학적 데이터(1154)를 또한 포함할 수 있다. 추가적인 생리학적 데이터(1154)는 비침습성으로 얻을 수 있다. 입력(1152)은 (예를 들어, CT, PET, SPECT, MRI, 등을 이용하여) 환자로부터 측정되는 뇌 관류 데이터(1155)를 더 포함할 수 있다. 입력(1152)은 아래 설명되는 단계들을 수행하는 데 사용될 수 있다.
환자의 두개내 및 두개외 동맥의 3차원 기하학적 모델은 이미징 데이터(1153)에 기초하여 생성될 수 있다(단계(1160)). 단계(1160)는 앞서 설명한 도 39의 단계(1064)와 유사할 수 있다.
가령, 도 3의 단계(402)와 연계하여 앞서 설명한 바와 같이 연산 분석이 수행되어, 사용자에 의해 결정되는 물리적 조건 하에 환자의 뇌혈류에 관한 정보를 포함하는 솔루션을 결정할 수 있다(단계(1162)). 예를 들어, 물리적 조건은 휴지 상태, 가변적 레벨의 응력, 가변적 레벨의 압수용기 반응, 또는 다른 자율 피드백 제어, 가변적 레벨의 충혈, 가변적 레벨의 운동 또는 활동, 서로 다른 약물 처방, 자세 변화, 및/또는 기타 조건을 포함할 수 있다. 솔루션은 명시된 물리적 조건 하에 단계(1160)에서 모델링된 환자의 신체 내 다양한 위치에서 혈류 및 혈압과 같은 정보를 제공할 수 있다. 단계(1162)는 앞서 설명한 도 39의 단계(1066)와 유사할 수 있다.
또한, 환자의 뇌조직의 3차원 기하학적 모델이 이미징 데이터(11530에 기초하여 생성될 수 있다(단계(1164)). 예를 들어, 단계(1160, 1164)에서, 뇌조직과 두개내 및 두개외 동맥을 포함하는 3차원 기하학적 모델이 생성될 수 있다. 단계(1164)는 앞서 설명한 도 39의 단계(1060)와 유사할 수 있다.
기하학적 모델은 세그먼트 또는 서브볼륨으로 나누어질 수 있다(단계(1166)). 단계(1166)는 앞서 설명한 도 39의 단계(1062)와 유사할 수 있다.
단계(1162)에서 결정된 혈류 정보에 기초하여, 단계(1166)에서 생성된 뇌조직의 각자의 세그먼트 내로 혈류의 관류가, 연산될 수 있다(단계(1168)). 단계(1168)는 앞서 설명한 도 39의 단계(1068)과 유사할 수 있다.
뇌 조직의 각자의 세그먼트에 대한 연산된 관류는, 단계(1164, 또는 1166)에서 발생된 뇌조직의 기하학적 모델 상에 디스플레이될 수 있다(단계(1170)). 단계(1170)는 앞서 설명한 도 39의 단계(1070)와 유사할 수 있다.
단계(1170)에서 뇌조직의 3차원 기하학적 모델에 매핑된 시뮬레이션된 관류 데이터는 측정된 뇌 관류 데이터(1155)와 비교될 수 있다(단계(1172)). 이러한 비교는 뇌 조직의 3차원 표현 상에 다양한 색상 및/또는 음영을 이용하여 시뮬레이션 및 측정된 관류 데이터의 차이를 표시할 수 있다.
단계(1160)에서 생성된 3차원 기하학적 모델의 유출구에서 경계 조건은 시뮬레이션된, 그리고 측정된 관류 데이터 간의 에러를 감소시키도록 조정될 수 있다(단계(1174)). 예를 들어, 에러를 감소시키기 위해, 시뮬레이션된 관류가 측정된 관류보다 낮은 영역(예를 들어, 단계(1166)에서 생성된 세그먼트)에 공급되는 혈관의 유동에 대한 처방된 저항이 감소될 수 있도록, 경계 조건이 조정될 수 있다. 경계 조건의 다른 파라미터도 조정될 수 있다. 대안으로서, 모델의 지류 구조가 수정될 수 있다. 예를 들어, 단계(1160)에서 생성된 기하학적 모델은 도 40과 연계하여 앞서 설명한 바와 같이 증강되어 계량 형태적 모델을 생성할 수 있다. 계량 형태적 모델 및/또는 경계 조건의 파라미터는 미국특허출원공보 제2010/0017171호(발명의 명칭: "Method for Tuning Patient-Specific Cardiovascular Simulations")에 설명된 방법 또는 다른 방법과 같이, 파라미터 추정 또는 데이터 동화법을 이용하여 계통적으로 또는 실험적으로 조정될 수 있다.
단계(1162, 1168, 1170, 1172, 1174) 및/또는 도 41의 다른 단계들은, 예를 들어, 시뮬레이션 및 측정된 관류 데이터 간의 에러가 지정 임계값 미만일 때까지, 반복될 수 있다. 그 결과, 신체 정보, 뇌 혈류 정보, 및 뇌 관류 정보에 관계된 모델을 이용하여 연산 분석이 수행될 수 있다. 이러한 모델은 진단 용도로, 그리고, 내과적, 인터벤션적, 또는 외과적 요법의 이점을 예측함에 있어 유용할 수 있다.
그 결과, 기준선 조건 또는 변경된 생리학적 상태 하에서 두개외 및 두개내 동맥 혈류와 뇌 관류가 연산될 수 있다. 뇌 관류 데이터는 시뮬레이션된 뇌 관류 결과와 조합하여 사용되어, 시뮬레이션된 뇌 관류 결과가 주어진 허용 공차 내에서 측정된 뇌 관류 데이터와 일치할 때까지, 두개내 동맥 혈류의 경계 조건을 조정할 수 있다. 따라서, 더욱 정확한 환자별 두개외 및 두개내 동맥 혈류 연산이 제공될 수 있고, 측정된 데이터가 가용하지 않을 때 의사가 뇌동맥 혈류 및 뇌 관류를 예측할 수 있다(가령, 운동, 활동, 자세 변화, 또는 시뮬레이션된 치료와 같은, 소정의 물리적 조건). 뇌의 환자별 3차원 모델은 관류 세그먼트 또는 볼륨으로 나누어질 수 있고, 환자가 뇌의 다양한 영역에 대해 적절한 최소 관류를 수용하고 있는 지 여부가 결정될 수 있다.
두개내 동맥의 환자별 3차원 기하학적 모델은 의료 이미징 데이터로부터 발생될 수 있고, (가령, 도 40과 연계하여 설명되는 바와 같이) 관류 세그먼트 또는 서브볼륨으로 표현되는 나머지 두개내 동맥 트리의 일부분의 계량 형태적 모델과 조합될 수 있다. 주어진, 예를 들어, 질환이 있는, 증강 모델의 위치 하류의 총 뇌 체적(또는 질량)의 퍼센티지가 연산될 수 있다. 또한, 주어진, 예를 들어, 질환이 있는, 증강 모델의 위치에서 총 뇌 혈류의 퍼센티지가 연산될 수 있다. 추가적으로, 기능적 이미징 연구(가령, 기능적 자기 공명 이미징(fMRI)), 관류 CT 또는 MRI에서 언급되는 적자는 허혈성 뇌졸증, 실신, 기립성 조절 장애, 트라우마, 또는 만성 신경 장애를 갖는 환자의 경우 유용할 수 있는, 공급 혈관, 신체 변형, 손상된 자기조절 메커니즘, 저혈압, 또는 다른 조건의 질환으로 추적될 수 있다.
ii. 플라크 취약성 평가
연산 분석은 환자의 두개내 및 두개외 정맥, 가령, 경동맥 아테롬경화성 플라크 내에 축적될 수 있는 플라크 상에 작용하는 환자별 생체기계학적 힘을 정량화하는 결과를 또한 제공할 수 있다. 생체기계학적 힘은 맥동압, 유동, 및 심장 운동에 의해 야기될 수 있다.
도 42는 예시적인 실시예에 따라, 특정 환자의 플라크 취약성, 뇌 볼륨 위험, 및 뇌 관류 위험의 평가에 관한 다양한 정보를 제공하기 위한 방법(1200)의 형태를 보여주는 개략도다. 방법(1200)은 가령, 도 3에 도시되는, 앞서 설명한 단계들 중 하나 이상의 구현에 사용되는 컴퓨터 시스템과 유사한, 앞서 설명한 컴퓨터 시스템에서 구현될 수 있다. 방법(1200)은 하나 이상의 입력(1202)을 이용하여 수행될 수 있고, 입력(1202)에 기초하여 하나 이상의 모델(1210)을 발생시키는 단계와, 모델(1210) 중 하나 이상에 기초하여 하나 이상의 생체기계학적 분석(1220)을 수행하는 단계와, 모델(1210) 및 생체기계학적 분석(1220)에 기초하여 다양한 결과를 제공하는 단계를 포함할 수 있다.
입력(1202)은 (가령, 도 2의 단계(100)와 연계하여 앞서 설명한 바와 유사한 방식으로 얻는) CCTA 데이터와 같이, 환자의 대동맥, 경동맥(도 37에 도시됨), 척추 동맥(도 37에 도시됨), 및 뇌와 같은, 환자의 두개내 및 두개외 동맥의 의료 이미징 데이터(1203)를 포함할 수 있다. 입력(1202)은 (가령, 도 2의 단계(100)와 연계하여 앞서 설명한 바와 유사한 방식으로 얻는) 환자의 상완 혈압, 심박동수, 및/또는 기타 측정치와 같이, 환자로부터 측정되는 추가적인 생리학적 데이터를 또한 포함할 수 있다. 추가적인 생리학적 데이터(1204)는 비침습성으로 얻을 수 있다. 입력(1202)은 아래 설명되는 모델(1210)의 발생 및 생체기계학적 분석(1220)의 수행에 사용될 수 있다.
앞서 언급한 바와 같이, 하나 이상의 모델(1210)이 입력(1202)에 기초하여 발생될 수 있다. 예를 들어, 방법(1200)은 환자 신체의 3차원 기하학적 모델 전체를 통해 다양한 위치에서 연산된 혈류 및 혈압 정보를 포함하는 혈역학적 모델(1212)을 발생시키는 단계를 포함할 수 있다. 환자 신체의 모델은 의료 이미징 데이터(1203)를 이용하여 생성될 수 있고, 예시적인 실시예에서, 혈역학적 모델(1212)은, 가령, 도 3의 단계(402)와 연계하여 앞서 설명한 바와 같이, 연산 분석 수행 후 생성되는, 시뮬레이션된 혈압 모델, 시뮬레이션된 혈류 모델, 또는 기타 시뮬레이션일 수 있다. 유체 구조 상호작용 모델을 포함하는 고형 기계 모델은 알려져 있는 수치 해법을 이용한 연산 분석으로 풀릴 수 있다. 플라크 및 혈관의 성질은 선형 또는 비-선형, 등방성 또는 이방성으로 모델링될 수 있다. 솔루션은 플라크와 혈관 사이의 계면과 플라크의 응력 및 응력변형을 제공할 수 있다. 혈역학적 모델(1212)을 발생시키는 단계는 앞서 설명한 도 35의 혈역학적 모델(932)을 발생시키기 위한 단계와 유사할 수 있다.
방버(1200)은 휴지 상태, 가변 레벨의 운동 또는 활동, 등과 같이, 다양한 생리학적 상태에서 혈역학적 힘으로 인해 플라크 내강 표면 상에 작용하는 전단 응력 및 압력을 연산함으로써 혈역학적 모델(1212)을 이용하여 생체기계학적 분석(1220)을 수행하는 단계를 포함할 수 있다(단계(1222)). 압력 및 전단 응력은 혈역학적 모델(1212)로부터의 정보, 가령, 혈압 및 유동에 기초하여 연산될 수 있다. 단계(1222)는 앞서 설명한 도 35의 단계(942)와 유사할 수 있다.
선택적 사항으로서, 방법(1200)은 도 35의 기하학적 분석 모델(934)에 대해 앞서 설명한 것과 유사한 방식으로, 수축기 및 확장기와 같은, 심장 주기의 복수의 페이즈에서 얻는 이미징 데이터와 같은, 4차원 이미징 데이터로부터 혈관 변형을 정량화하기 위한 기하학적 분석 모델을 발생시키는 단계를 또한 포함할 수 있다. 방법(1200)은 도 35의 단계(944)에 대해 앞서 설명한 것과 유사한 방식으로, 심장-유도 맥동압으로 인한 환자의 두개내 및 두개외 동맥과 플라크의 종방향 연장(lengthening)(신장), 종방향 수축(shortening), 트위스팅(비틀림), 반경 방향 팽창 또는 압축, 및 구부림, 등과 같은 다양한 변형 특성을 연산함으로써 기하학적 분석 모델을 이용하여 생체기계학적 분석(1220)을 수행하는 단계를 또한 포함할 수 있다.
방법(1200)은 의료 이미징 데이터(1203)로부터 플라크 조성 및 성질을 결정하기 위한 플라크 모델(1214)을 발생시키는 단계를 또한 포함할 수 있다. 예를 들어, 플라크 모델(1214)은 플라크의 밀도 및 기타 물성에 관한 정보를 포함할 수 있다.
방법(1200)은 플라크, 혈관벽, 및/또는 플라크와 혈관벽 사이의 계면에 관한 정보를 연산하기 위한 혈관벽 모델(1216)을 발생시키는 단계를 또한 포함할 수 있다. 예를 들어, 혈관벽 모델(1216)은 단계(1220)에서 연산된 전단 응력 및 압력과 플라크 모델(1214)에 포함된 플라크 조성 및 성질에 기초하여 연산될 수 있는, 응력 및 응력변형에 관한 정보를 포함할 수 있다. 선택적 사항으로서, 응력 및 응력 변형은 앞서 설명한 바와 같이, 연산된 변형 특성을 이용하여 또한 연산될 수 있다. 플라크 모델(1214) 및/또는 혈관벽 모델(1216)을 발생시키기 위한 단계는 앞서 설명한 도 35의 플라크 모델(936) 및/또는 혈관벽 모델(938)을 발생시키기 위한 단계와 유사할 수 있다.
방법(1200)은 혈역학적 힘 및 목운동-유도 응력변형으로 인해 플라크 상의 응력(가령, 급성 또는 누적 응력)을 연산함으로써 혈관벽 모델(1216)을 이용하여 생체기계학적 분석(1220)을 수행하는 단계(1224)를 포함할 수 있다. 예를 들어, 플라크 상에 작용하는 유동-유도 힘(904)(도 33)이 연산될 수 있다. 혈역학적 힘 및 목운동-유도 응력변형으로 인한 플라크 상의 응력 또는 힘은 혈관벽 모델(1216)으로부터의 정보, 예를 들어, 플라크 상의 응력 및 응력변형에 기초하여 연산될 수 있다. 단계(1224)는 앞서 설명한 도 35의 단계(946)와 유사할 수 있다.
방법(1200)은 앞서 설명한 생체기계학적 분석 중 하나 이상과 모델(1210) 중 하나 이상에 기초하여 추가 정보를 결정하는 단계를 포함할 수 있다.
플라크 파열 취약성 지수가 연산될 수 있다(단계(1230)). 플라크 파열 취약성 지수는 가령, 혈역학적 응력, 응력 빈도, 응력 방향, 및/또는 플라크 강도 또는 기타 성질에 기초하여 연산될 수 있다. 예를 들어, 관심 대상인 플라크를 둘러싸는 영역은 플라크 모델(1214)과 같이, 플라크의 3차원 모델(1210)로부터 분리될 수 있다. 플라크의 강도는 플라크 모델(1214)에 제공되는 물성으로부터 결정될 수 있다. 맥동압, 유동, 및 목운동으로 인한 관심 대상인 플라크 상의 혈역학적 및 조직 응력은, 단계(1224)에서 앞서 연산된 혈역학적 응력 및 운동-유도 응력변형을 이용함으로써 시뮬레이션된 기준선 및 운동(또는 활동) 조건 하에 연산될 수 있다. 플라크의 취약성은, 플라크 강도에 대한 플라크 응력의 비에 기초하여 평가될 수 있다. 단계(1230)는 앞서 설명한 도 35의 단계(950)와 유사할 수 있다. 예를 들어, 플라크 파열 취약성 지수는 스트로크 평가를 위해 두개외 동맥에 위치한 플라크에 대해 연산될 수 있다.
뇌 볼륨 위험 지수(CVRI) 역시 연산될 수 있다(단계(1232)). CVRI는 동맥 트리 내 주어진 위치에서 혈관의 폐색(닫힘 또는 차단)과 플라크 파열 또는 색전에 의한 폐색에 의해 영향받는 총 뇌 볼륨의 퍼센티지로 규정될 수 있다. CVRI는 3차원 혈역학적 솔루션에 기초하여 서로 다른 혈관 내로 플라크가 유동할 확률과 하류 혈관의 크기에 대하여 플라크의 크기를 고려할 수 있는, 주어진 플라크의 하류에 위치한 혈관에 의해 공급되는 뇌의 부분에 기초하여 연산될 수 있다. CVRI는 질환이 있는 상태에서, 평가될 수 있고, 또는 인터벤션 전 또는 인터벤션 후에 평가될 수 있다. 단계(1232)는 앞서 설명한 도 35의 단계(952)와 유사할 수 있다.
뇌 조직은 (가령, 도 40의 단계(1110, 1112)와 연계하여 설명되는 바와 같이) 혈역학적 시뮬레이션에서 각각의 혈관에 의해 공급되는 세그먼트로 모델링 및 나누어질 수 있다. 이러한 기하학적 모델은 (가령, 도 40의 단계(1118)과 연계하여 설명되는 바와 같이) 뇌 트리 내 차세대 지류를 포함하도록 수정될 수 있고, 뇌 조직은 (가령, 도 40의 단계(1120)와 연계하여 설명되는 바와 같이) 추가적으로 분절될 수 있다. 추가적인 지류는 서브세그먼트 내에 생성될 수 있고, 서브세그먼트는 더 작은 세그먼트로 더 분절될 수 있다(도 40의 단계(11122)와 연계하여 설명되는 것와 유사함). 앞서 설명한 바와 같이 생리학적 관계를 이용하여, 공급되는 뇌 조직의 비례 양에 혈관의 크기를 관계시킬 수 있다.
파열 플라크가 따를 잠재적 경로가 결정될 수 있다. 혈역학적 솔루션을 이용하여, 플라크 조각 또는 색전이 서로 다른 하류 혈관 내로 유동할 퍼센트 기회를 결정할 수 있다.
파열 플라크의 크기는 하류 혈관의 크기와 비교되어, 플라크가 궁극적으로 유동에 장애물을 생성할 수 있는 위치를 결정할 수 있다. 이 정보는 취약성 지수와 조합되어, 파열 플라크에 의해 영향받을 가능성이 있는 뇌 조직의 볼륨의 확률 맵을 제공할 수 있다. CVRI는 각각의 영향받을 가능성이 있는 세그먼트에 할당될 수 있다.
뇌 관류 위험 지수(CPRI)가 또한 연산될 수 있다(단계(1234)). CPRI는 동맥 트리 내 주어진 위치에서 혈관의 폐색 및 플라크 파열에 의해 영향받는 총 뇌 혈류의 퍼센티지로 규정될 수 있다. CPRI는 CVRI에 의해 표시되는 바와 같이 영향받는 볼륨보다, 뇌 조직 세그먼트에 대한 관류의 손실 가능성을 표시한다. 예를 들어, 경동맥 플라크의 파열 또는 색전에 의해 폐색의 효과는 (도 37에 도시되는) 환자의 윌리스(Willis) 원의 기하 형태에 따라 변할 수 있고, 신체적으로 이러한 차이로 인해 서로 다른 CVRI 및 CPRI 값을 도출할 수 있다. 뇌 조직의 각각의 세그먼트에 대한 관류 속도가 연산될 수 있고, 관류 손실은 취약성 지수, 혈역학적 솔루션, 및 플라크 및 혈관의 크기에 기초하여 연산될 수 있다. CPRI는 질환을 가진 상태에서, 또는 인터벤션 전이나 후에, 평가될 수 있다. 단계(1234)는 앞서 설명한 도 35의 단계(954)와 유사할 수 있다.
그 결과, 맥동압, 맥동 혈류, 및/또는 선택적 사항인 목운동으로부터 나타나는 경동맥 아테롬 경화성 플라크 상에 작용하는 생체기계학적 힘이 평가될 수 있다. 맥동압, 맥동 혈류, 및/또는 선택적인 목운동으로부터 플라크가 경험하는 총 응력이 정량화될 수 있다. 솔루션은 플라크 상에, 또는 플라크와 혈관벽 사이의 계면 상에, 작용하는 환자별 혈역학적 응력의 복수의 소스를 고려할 수 있다. 또한, 플라크 강도가 의료 이미징 데이터에 기초하여 추정될 수 있고, 플라크 취약성, 뇌 볼륨 위험, 및 뇌 관류 위험에 관한 지수들이 정량화될 수 있다.
아래 설명되는 바와 같이, 두개외 및 두개내 동맥에 대한 신체적 및 생리학적 데이터를 결정함으로써, 다양한 물리적 조건에서 특정 환자에 대한 동맥 또는 기관 레벨에서 혈류 변화를 예측할 수 있다. 더욱이, 일과성 뇌허혈 발작, 허혈성 뇌졸중, 또는 동맥류 파열의 위험, 아테롬 경화성 플라크 또는 동맥류 상에 작용하는 힘, 두개내 또는 두개외 혈류, 압력, 벽 응력, 또는 뇌 관류에 대한 내과적, 인터벤션, 또는 외과적 요법의 예측되는 영향과 같은, 다른 정보가 제공될 수 있다. 두개내 또는 두개외 동맥의 혈류, 혈압, 및 벽 응력, 그리고, 전체 및 지역적 뇌 관류가 정량화될 수 있고, 질환의 기능적 중요도가 결정될 수 있다.
(가령, 단계(1212)에서 앞서 설명한 바와 같이) 이미징 데이터로부터 구성되는 3차원 기하학적 모델의 혈류 정량화에 추가하여, 모델은 질환의 진행 또는 후퇴, 또는 내과적, 경피형, 또는 외과적 인터벤션의 효과를 시뮬레이션하도록 수정될 수 있다. 예시적인 실시예에서, 아테롬성 동맥 경화증의 진행은, 시간에 따라 솔루션을 반복함으로써, 예를 들어, 전단 응력 또는 입자의 체류 시간을 풀고 혈역학적 요인 및/또는 환자별 생화학적 측정에 기초하여 아테롬 경화성 플라크 발전을 진행시키도록 기하학적 모델을 적응시킴으로써, 모델링될 수 있다. 더욱이, 두개외 및/또는 두개내 동맥 혈류 또는 뇌 관류에 대한 혈류, 심박동수, 혈압, 및 기타 생리학적 변수의 변화 효과는, 경계 조건의 변화를 통해 모델링될 수 있고, 시간에 따라 이러한 변수들의 누적 효과를 연산하는 데 사용될 수 있다.
임의의 실시예에서 제시된 임의의 형태는 여기서 제시된느 그외 다른 실시예와 함께 사용될 수 있다. 여기서 제시되는 모든 디바이스 및 장치는 임의의 적절한 의료 절차에 사용될 수 있고, 임의의 적절한 신체 내강 및 신체 공동을 통해 진보될 수 있으며, 임의의 적절한 신체부를 이미징하는 데 사용될 수 있다.
발명의 범위로부터 벗어나지 않으면서, 다양한 수정예 및 변형예가, 개시되는 시스템 및 프로세스 내에서 이루어질 수 있다. 여기서 개시되는 공개 내용의 실시와 명세서의 고려로부터 당 업자에게 다른 실시예들이 명백할 것이다. 명세서 및 예는 예시적인 것으로 간주되어야 하고, 개시내용의 진정한 범위 및 사상은 다음의 청구범위에 의해 표시된다.
Claims (30)
- 환자에 대한 치료를 계획하는 시스템으로서,
환자의 해부학적 구조의 기하 형태에 관한 환자별 데이터를 수신하고,
상기 환자별 데이터에 기초하여 상기 환자의 해부학적 구조의 적어도 일부를 표현하는 3차원 모델을 생성하고,
상기 환자의 해부학적 구조에 관련된 물리학-기반 모델 및 3차원 모델에 기초하여 상기 환자의 해부학적 구조 내의 제1 분획 혈류 예비력을 결정하고,
상기 3차원 모델을 수정하고,
상기 수정된 3차원 모델에 기초하여 상기 환자의 해부학적 구조 내의 제2 분획 혈류 예비력을 결정하도록 구성된
적어도 하나의 컴퓨터 시스템을 포함하는 시스템. - 제1항에 있어서, 상기 적어도 하나의 컴퓨터 시스템은 또한 사용자로부터 수신된 입력에 기초하여 상기 3차원 모델을 수정하도록 구성되고, 상기 입력은 상기 환자에 대한 치료 계획의 선택을 포함하는, 시스템.
- 제2항에 있어서, 상기 선택된 치료 계획은 상기 환자의 해부학적 구조의 기하 형태의 변화와 관련되고,
상기 적어도 하나의 컴퓨터 시스템은 또한 상기 선택된 치료 계획에 기초하여 상기 3차원 모델을 수정하도록 구성되는, 시스템. - 제3항에 있어서, 상기 수신된 입력은 상기 해부학적 구조의 기하 형태를 변경하는 환자의 해부학적 구조 내의 위치를 포함하고, 상기 위치는 상기 사용자에 의해 선택되고,
상기 적어도 하나의 컴퓨터 시스템은 또한 상기 선택된 치료 계획 및 선택된 위치에 기초하여 상기 3차원 모델을 수정하도록 구성되는, 시스템. - 제4항에 있어서, 상기 선택된 치료 계획은 상기 선택된 위치에서 상기 환자에 스텐트를 삽입하는 계획을 포함하고,
상기 적어도 하나의 컴퓨터 시스템은 또한 상기 3차원 모델에 의해 표현되는 내강을 넓힘으로써 상기 3차원 모델을 수정하도록 구성되는, 시스템. - 제4항에 있어서, 상기 선택된 치료 계획은 상기 선택된 위치에서 상기 환자에 바이패스를 추가하는 계획을 포함하고,
상기 적어도 하나의 컴퓨터 시스템은 또한 상기 3차원 모델 내의 내강을 향해 제1 바이패스를 추가함으로써 상기 3차원 모델을 수정하도록 구성되는, 시스템. - 제1항에 있어서, 상기 적어도 하나의 컴퓨터 시스템은 또한,
상기 환자의 해부학적 구조 내의 복수의 위치에서 상기 제1 분획 혈류 예비력과 제2 분획 혈류 예비력 간의 차이를 결정하도록 구성되는, 시스템. - 제1항에 있어서, 상기 적어도 하나의 컴퓨터 시스템은 또한 상기 제1 및 제2 분획 혈류 예비력을 비침습적으로 결정하도록 구성되는, 시스템.
- 제1항에 있어서, 상기 환자의 해부학적 구조는 상기 환자의 심장, 목, 머리, 흉부, 복부, 팔, 또는 다리의 복수의 동맥의 일부 중 적어도 하나를 포함하는, 시스템.
- 컴퓨터 시스템을 이용하여 환자에 대한 치료를 계획하는 방법으로서,
환자의 해부학적 구조의 기하 형태에 관한 환자별 데이터를 적어도 하나의 컴퓨터 시스템에 입력하는 단계;
상기 적어도 하나의 컴퓨터 시스템을 이용하여, 상기 환자별 데이터에 기초하여 상기 환자의 해부학적 구조의 적어도 일부를 표현하는 3차원 모델을 생성하는 단계;
상기 적어도 하나의 컴퓨터 시스템을 이용하여, 상기 환자의 해부학적 구조에 관련된 물리학-기반 모델 및 3차원 모델에 기초하여 상기 환자의 해부학적 구조 내의 제1 분획 혈류 예비력을 결정하는 단계;
상기 적어도 하나의 컴퓨터 시스템을 이용하여, 상기 3차원 모델을 수정하는 단계; 및
상기 적어도 하나의 컴퓨터 시스템을 이용하여, 상기 수정된 3차원 모델에 기초하여 상기 환자의 해부학적 구조 내의 제2 분획 혈류 예비력을 결정하는 단계
를 포함하는 방법. - 제10항에 있어서, 상기 적어도 하나의 컴퓨터 시스템을 이용하여, 상기 제1 분획 혈류 예비력을 포함하는 3차원 시뮬레이션을 생성하는 단계; 및
상기 적어도 하나의 컴퓨터 시스템을 이용하여, 상기 3차원 시뮬레이션에 기초하여 차수 축소 모델을 생성하는 단계
를 더 포함하고,
상기 제2 분획 혈류 예비력은 상기 차수 축소 모델을 이용하여 결정되는, 방법. - 제11항에 있어서, 상기 차수 축소 모델은 집중형 파라미터 모델인, 방법.
- 제10항에 있어서, 상기 3차원 모델은 사용자로부터 수신된 제1 입력에 기초하여 수정되고, 상기 제1 입력은 상기 사용자에 의해 선택된 제1 치료 계획을 표시하고, 상기 방법은,
상기 적어도 하나의 컴퓨터 시스템을 이용하여, 상기 사용자로부터 수신되며 상기 사용자에 의해 선택된 제2 치료 계획을 표시하는 제2 입력에 기초하여 상기 제1 입력과는 별개로 상기 3차원 모델을 수정하는 단계;
상기 적어도 하나의 컴퓨터 시스템을 이용하여, 상기 제2 입력에 기초하여 수정된 3차원 모델에 기초하여 상기 환자의 해부학적 구조 내의 제3 분획 혈류 예비력을 결정하는 단계; 및
상기 제2 분획 혈류 예비력과 제3 분획 혈류 예비력을 비교하여 상기 제1 및 제2 치료 계획을 비교하는 단계
를 더 포함하는, 방법. - 환자에 대한 치료를 계획하는 시스템으로서,
환자의 해부학적 구조의 적어도 일부의 기하 형태에 관한 환자별 이미징 데이터를 수신하고,
상기 환자별 이미징 데이터에 기초하여 상기 해부학적 구조의 일부를 표현하는 3차원 모델을 생성하고,
상기 3차원 모델 및 적어도 하나의 물리학-기반 모델에 기초하여 복수의 관상 동맥의 적어도 일부 내의 혈류 특성에 관한 제1 정보를 결정하고,
치료 계획에 관한 입력을 사용자로부터 수신하고,
상기 수신된 입력에 기초하여 상기 3차원 모델을 수정하고,
상기 수정된 3차원 모델에 기초하여 상기 복수의 관상 동맥의 적어도 일부 내의 복수의 위치에서 혈류 특성에 관한 제2 정보를 결정하도록
구성된 적어도 하나의 컴퓨터 시스템을 포함하고,
상기 3차원 모델은 대동맥의 적어도 일부 및 상기 대동맥의 일부로부터 나오는 복수의 관상 동맥의 적어도 일부를 표현하고, 상기 3차원 모델은 상기 복수의 관상 동맥에 의해 형성된 혈류를 위한 복수의 유출구를 표현하는 부분들을 포함하고,
상기 적어도 하나의 물리학-기반 모델은 상기 복수의 유출구 중 적어도 하나를 통과하는 혈류를 표현하고, 상기 적어도 하나의 물리학-기반 모델은 3차원보다 적은 차원을 갖고,
상기 제1 정보 및 제2 정보 각각은 상기 복수의 관상 동맥의 적어도 일부 내의 혈압, 혈류 속도, 혈류량, 또는 분획 혈류 예비력 중 적어도 하나를 포함하는, 시스템. - 제14항에 있어서, 상기 치료 계획은 상기 복수의 관상 동맥의 일부 내의 기하 형태의 변화와 관련되고,
상기 적어도 하나의 컴퓨터 시스템은 또한 상기 치료 계획에 기초하여 상기 3차원 모델의 기하 형태를 수정하도록 구성되는, 시스템. - 제14항에 있어서, 상기 수신된 입력은 상기 복수의 관상 동맥의 일부 내의 기하 형태를 변경하는 복수의 관상 동맥의 일부 내의 위치를 포함하고, 상기 위치는 상기 사용자에 의해 선택되고,
상기 적어도 하나의 컴퓨터 시스템은 또한 상기 치료 계획 및 선택된 위치에 기초하여 상기 3차원 모델을 수정하도록 구성되는, 시스템. - 제16항에 있어서, 상기 치료 계획은 상기 선택된 위치에서 상기 환자에 스텐트를 삽입하는 계획을 포함하고,
상기 적어도 하나의 컴퓨터 시스템은 또한 상기 3차원 모델에 의해 표현되는 복수의 관상 동맥 중 하나를 넓힘으로써 상기 3차원 모델을 수정하도록 구성되는, 시스템. - 제16항에 있어서, 상기 치료 계획은 상기 선택된 위치에서 상기 환자에 바이패스를 추가하는 계획을 포함하고,
상기 적어도 하나의 컴퓨터 시스템은 또한 상기 복수의 관상 동맥 중 하나에 상기 3차원 모델에 의해 표현되는 내강을 연결하는 바이패스 세그먼트를 추가하여 상기 3차원 모델을 수정하도록 구성되는, 시스템. - 제14항에 있어서, 상기 제1 정보 및 제2 정보 각각은 상기 복수의 관상 동맥의 적어도 일부 내의 분획 혈류 예비력을 포함하는, 시스템.
- 제14항에 있어서, 제1 컴퓨터 시스템은 상기 환자별 이미징 데이터를 수신하고, 상기 3차원 모델을 생성하고, 상기 복수의 관상 동맥 내의 혈류 특성에 관한 제1 정보를 결정하고, 상기 복수의 관상 동맥 내의 혈류 특성에 관한 제2 정보를 결정하도록 구성되고,
제2 컴퓨터 시스템은 상기 치료 계획에 관한 입력을 상기 사용자로부터 수신하고, 상기 수신된 입력에 기초하여 상기 3차원 모델을 수정하도록 구성되는, 시스템. - 환자에 대한 치료를 계획하는 방법으로서,
환자의 해부학적 구조의 적어도 일부의 기하 형태에 관한 환자별 이미징 데이터를 적어도 하나의 컴퓨터 시스템에 입력하는 단계;
상기 적어도 하나의 컴퓨터 시스템을 이용하여, 상기 환자별 이미징 데이터에 기초하여 상기 해부학적 구조의 일부를 표현하는 3차원 모델을 생성하는 단계로서, 상기 3차원 모델은 대동맥의 적어도 일부 및 상기 대동맥의 일부로부터 나오는 복수의 관상 동맥의 적어도 일부를 표현하고, 상기 3차원 모델은 상기 복수의 관상 동맥에 의해 형성된 혈류를 위한 복수의 유출구를 표현하는 부분들을 포함하는, 상기 3차원 모델 생성 단계;
상기 적어도 하나의 컴퓨터 시스템을 이용하여, 상기 3차원 모델 및 적어도 하나의 물리학-기반 모델에 기초하여 상기 복수의 관상 동맥의 적어도 일부 내의 혈류 특성에 관한 제1 정보를 결정하는 단계로서, 상기 적어도 하나의 물리학-기반 모델은 상기 복수의 유출구 중 적어도 하나를 통과하는 혈류를 표현하고, 상기 적어도 하나의 물리학-기반 모델은 3차원보다 적은 차원을 갖는, 상기 제1 정보 결정 단계;
상기 적어도 하나의 컴퓨터 시스템에 치료 계획에 관한 정보를 입력하는 단계로서, 상기 치료 계획은 상기 복수의 관상 동맥의 일부 내의 기하 형태의 변화를 표시하는, 상기 치료 계획에 관한 정보 입력 단계;
상기 치료 계획에 관한 정보에 기초하여 상기 3차원 모델을 수정하는 단계; 및
상기 적어도 하나의 컴퓨터 시스템을 이용하여, 상기 수정에 기초하여 상기 복수의 관상 동맥 중 적어도 일부 내의 복수의 위치에서 상기 혈류 특성에 관한 제2 정보를 결정하는 단계
를 포함하고,
상기 제1 정보 및 제2 정보 각각은 상기 복수의 관상 동맥의 적어도 일부 내의 혈압, 혈류 속도, 혈류량, 또는 분획 혈류 예비력 중 적어도 하나를 포함하는, 방법. - 제21항에 있어서, 사용자로부터 수신된 입력에 기초하여 상기 치료 계획을 결정하는 단계를 더 포함하는, 방법.
- 제21항에 있어서, 수신된 입력은 상기 복수의 관상 동맥의 일부 내의 기하 형태를 변경하는 복수의 관상 동맥의 일부 내의 위치를 포함하고, 상기 위치는 사용자에 의해 선택되고,
상기 3차원 모델은 상기 치료 계획 및 상기 선택된 위치에 기초하여 수정되는, 방법. - 제23항에 있어서, 상기 치료 계획은 상기 선택된 위치에서 상기 환자에 스텐트를 삽입하는 계획을 포함하고,
상기 3차원 모델은 상기 3차원 모델에 의해 표현되는 복수의 관상 동맥 중 하나를 넓힘으로써 수정되는, 방법. - 제24항에 있어서, 상기 제1 정보와 수정되지 않은 3차원 모델을 포함하는 복수의 관상 동맥의 적어도 일부의 제1의 3차원 시뮬레이션을 준비하는 단계; 및
상기 제2 정보와 수정된 3차원 모델을 포함하는 복수의 관상 동맥의 적어도 일부의 제2의 3차원 시뮬레이션을 준비하는 단계를 더 포함하는, 방법. - 제23항에 있어서, 상기 치료 계획은 상기 선택된 위치에서 상기 환자에 바이패스를 추가하는 계획을 포함하고,
상기 3차원 모델은 상기 복수의 관상 동맥 중 하나에 상기 3차원 모델에 의해 표현되는 내강을 연결하는 바이패스 세그먼트를 추가하여 수정되는, 방법. - 제26항에 있어서, 상기 제1 정보와 수정되지 않은 3차원 모델을 포함하는 복수의 관상 동맥의 적어도 일부의 제1의 3차원 시뮬레이션을 준비하는 단계; 및
상기 제2 정보와 수정된 3차원 모델을 포함하는 복수의 관상 동맥의 적어도 일부의 제2의 3차원 시뮬레이션을 준비하는 단계
를 더 포함하는, 방법. - 제21항에 있어서, 상기 방법은 상기 복수의 위치에서 상기 제1 정보와 제2 정보 간의 차이를 결정하는 단계를 더 포함하는, 방법.
- 제21항에 있어서, 상기 제1 정보와 제2 정보 각각은 상기 복수의 관상 동맥의 적어도 일부 내의 분획 혈류 예비력을 포함하는, 방법.
- 제21항에 있어서, 제1 컴퓨터 시스템은 상기 복수의 관상 동맥의 적어도 일부의 기하 형태에 관한 환자별 이미징 데이터를 수신하고, 상기 생성 단계, 제1 정보 결정 단계 및 제2 정보 결정 단계를 수행하고,
제2 컴퓨터 시스템은 상기 치료 계획에 관한 정보를 수신하고, 상기 수정 단계를 수행하는, 방법.
Applications Claiming Priority (13)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US40146210P | 2010-08-12 | 2010-08-12 | |
US61/401,462 | 2010-08-12 | ||
US40191510P | 2010-08-20 | 2010-08-20 | |
US61/401,915 | 2010-08-20 | ||
US40230810P | 2010-08-26 | 2010-08-26 | |
US61/402,308 | 2010-08-26 | ||
US40234510P | 2010-08-27 | 2010-08-27 | |
US61/402,345 | 2010-08-27 | ||
US40442910P | 2010-10-01 | 2010-10-01 | |
US61/404,429 | 2010-10-01 | ||
US13/013,561 US8315812B2 (en) | 2010-08-12 | 2011-01-25 | Method and system for patient-specific modeling of blood flow |
US13/013,561 | 2011-01-25 | ||
PCT/US2011/045869 WO2012021307A2 (en) | 2010-08-12 | 2011-07-29 | Method and system for patient-specific modeling of blood flow |
Related Parent Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
KR1020147012826A Division KR101712248B1 (ko) | 2010-08-12 | 2011-07-29 | 환자별 혈류 모델링 방법 및 시스템 |
Publications (2)
Publication Number | Publication Date |
---|---|
KR20150070446A true KR20150070446A (ko) | 2015-06-24 |
KR101611805B1 KR101611805B1 (ko) | 2016-04-11 |
Family
ID=45565333
Family Applications (14)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
KR1020167018240A KR101732328B1 (ko) | 2010-08-12 | 2011-07-29 | 환자별 혈류 모델링 방법 및 시스템 |
KR1020147012826A KR101712248B1 (ko) | 2010-08-12 | 2011-07-29 | 환자별 혈류 모델링 방법 및 시스템 |
KR1020207010781A KR102142242B1 (ko) | 2010-08-12 | 2011-07-29 | 환자별 혈류 모델링 방법 및 시스템 |
KR1020187019719A KR101952560B1 (ko) | 2010-08-12 | 2011-07-29 | 환자별 혈류 모델링 방법 및 시스템 |
KR1020207022263A KR102351887B1 (ko) | 2010-08-12 | 2011-07-29 | 환자별 혈류 모델링 방법 및 시스템 |
KR1020167018245A KR101732330B1 (ko) | 2010-08-12 | 2011-07-29 | 환자별 혈류 모델링 방법 및 시스템 |
KR1020197004428A KR102103126B1 (ko) | 2010-08-12 | 2011-07-29 | 환자별 혈류 모델링 방법 및 시스템 |
KR1020157015549A KR101611805B1 (ko) | 2010-08-12 | 2011-07-29 | 환자별 혈류 모델링 방법 및 시스템 |
KR1020227000928A KR102414383B1 (ko) | 2010-08-12 | 2011-07-29 | 환자별 혈류 모델링 방법 및 시스템 |
KR1020137006145A KR101524955B1 (ko) | 2010-08-12 | 2011-07-29 | 환자별 혈류 모델링 방법 및 시스템 |
KR1020227021399A KR102518799B1 (ko) | 2010-08-12 | 2011-07-29 | 환자별 혈류 모델링 방법 및 시스템 |
KR1020167018243A KR101732329B1 (ko) | 2010-08-12 | 2011-07-29 | 환자별 혈류 모델링 방법 및 시스템 |
KR1020177010587A KR101783178B1 (ko) | 2010-08-12 | 2011-07-29 | 환자별 혈류 모델링 방법 및 시스템 |
KR1020177025915A KR101879560B1 (ko) | 2010-08-12 | 2011-07-29 | 환자별 혈류 모델링 방법 및 시스템 |
Family Applications Before (7)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
KR1020167018240A KR101732328B1 (ko) | 2010-08-12 | 2011-07-29 | 환자별 혈류 모델링 방법 및 시스템 |
KR1020147012826A KR101712248B1 (ko) | 2010-08-12 | 2011-07-29 | 환자별 혈류 모델링 방법 및 시스템 |
KR1020207010781A KR102142242B1 (ko) | 2010-08-12 | 2011-07-29 | 환자별 혈류 모델링 방법 및 시스템 |
KR1020187019719A KR101952560B1 (ko) | 2010-08-12 | 2011-07-29 | 환자별 혈류 모델링 방법 및 시스템 |
KR1020207022263A KR102351887B1 (ko) | 2010-08-12 | 2011-07-29 | 환자별 혈류 모델링 방법 및 시스템 |
KR1020167018245A KR101732330B1 (ko) | 2010-08-12 | 2011-07-29 | 환자별 혈류 모델링 방법 및 시스템 |
KR1020197004428A KR102103126B1 (ko) | 2010-08-12 | 2011-07-29 | 환자별 혈류 모델링 방법 및 시스템 |
Family Applications After (6)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
KR1020227000928A KR102414383B1 (ko) | 2010-08-12 | 2011-07-29 | 환자별 혈류 모델링 방법 및 시스템 |
KR1020137006145A KR101524955B1 (ko) | 2010-08-12 | 2011-07-29 | 환자별 혈류 모델링 방법 및 시스템 |
KR1020227021399A KR102518799B1 (ko) | 2010-08-12 | 2011-07-29 | 환자별 혈류 모델링 방법 및 시스템 |
KR1020167018243A KR101732329B1 (ko) | 2010-08-12 | 2011-07-29 | 환자별 혈류 모델링 방법 및 시스템 |
KR1020177010587A KR101783178B1 (ko) | 2010-08-12 | 2011-07-29 | 환자별 혈류 모델링 방법 및 시스템 |
KR1020177025915A KR101879560B1 (ko) | 2010-08-12 | 2011-07-29 | 환자별 혈류 모델링 방법 및 시스템 |
Country Status (9)
Country | Link |
---|---|
US (74) | US8315812B2 (ko) |
EP (8) | EP2499589B1 (ko) |
JP (19) | JP5850583B2 (ko) |
KR (14) | KR101732328B1 (ko) |
CN (6) | CN107174219B (ko) |
AU (8) | AU2011289715B2 (ko) |
CA (3) | CA2807586C (ko) |
DE (17) | DE202011110771U1 (ko) |
WO (1) | WO2012021307A2 (ko) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20180082114A (ko) * | 2017-01-10 | 2018-07-18 | 삼성메디슨 주식회사 | 대상체의 초음파 영상을 디스플레이하는 방법 및 장치 |
KR20200040301A (ko) * | 2017-08-23 | 2020-04-17 | 에꼴 뽈리떼끄닉 뻬데랄 드 로잔느 (으뻬에프엘) | 모델-기반 이미지 재구성 방법 |
Families Citing this family (610)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
NL7900964A (nl) * | 1979-02-07 | 1980-08-11 | Byk Mallinckrodt Cil Bv | Nieuwe radioactief gemerkte aminen, werkwijze ter bereiding van de nieuwe verbindingen, alsmede diagnostische preparaten op basis van de nieuwe verbindingen. |
US6850788B2 (en) | 2002-03-25 | 2005-02-01 | Masimo Corporation | Physiological measurement communications adapter |
EP1876954A4 (en) * | 2005-05-02 | 2009-12-16 | Agency Science Tech & Res | METHOD AND DEVICE FOR REGISTERING AN ATLAS TO A PICTURE |
US10154819B2 (en) * | 2006-04-20 | 2018-12-18 | Jack S. Emery | Systems and methods for impedance analysis of conductive medium |
US8840549B2 (en) | 2006-09-22 | 2014-09-23 | Masimo Corporation | Modular patient monitor |
US9161696B2 (en) | 2006-09-22 | 2015-10-20 | Masimo Corporation | Modular patient monitor |
US11064964B2 (en) | 2007-03-08 | 2021-07-20 | Sync-Rx, Ltd | Determining a characteristic of a lumen by measuring velocity of a contrast agent |
US8781555B2 (en) | 2007-11-26 | 2014-07-15 | C. R. Bard, Inc. | System for placement of a catheter including a signal-generating stylet |
US9521961B2 (en) | 2007-11-26 | 2016-12-20 | C. R. Bard, Inc. | Systems and methods for guiding a medical instrument |
ES2557084T3 (es) | 2007-11-26 | 2016-01-21 | C. R. Bard, Inc. | Sistema integrado para la colocación intravascular de un catéter |
US8200466B2 (en) | 2008-07-21 | 2012-06-12 | The Board Of Trustees Of The Leland Stanford Junior University | Method for tuning patient-specific cardiovascular simulations |
EP2347715A4 (en) * | 2008-10-02 | 2012-10-10 | Kwang Tae Kim | CEREBROVASCULAR ANALYSIS SYSTEM |
US9405886B2 (en) | 2009-03-17 | 2016-08-02 | The Board Of Trustees Of The Leland Stanford Junior University | Method for determining cardiovascular information |
US9532724B2 (en) | 2009-06-12 | 2017-01-03 | Bard Access Systems, Inc. | Apparatus and method for catheter navigation using endovascular energy mapping |
WO2011008906A1 (en) * | 2009-07-15 | 2011-01-20 | Mayo Foundation For Medical Education And Research | Computer-aided detection (cad) of intracranial aneurysms |
US20180344174A9 (en) | 2009-09-23 | 2018-12-06 | Lightlab Imaging, Inc. | Lumen Morphology and Vascular Resistance Measurements Data Collection Systems, Apparatus and Methods |
US20110150309A1 (en) * | 2009-11-27 | 2011-06-23 | University Health Network | Method and system for managing imaging data, and associated devices and compounds |
US9153112B1 (en) | 2009-12-21 | 2015-10-06 | Masimo Corporation | Modular patient monitor |
GB201008281D0 (en) | 2010-05-19 | 2010-06-30 | Nikonovas Arkadijus | Indirect analysis and manipulation of objects |
EP2912999B1 (en) | 2010-05-28 | 2022-06-29 | C. R. Bard, Inc. | Apparatus for use with needle insertion guidance system |
US8315812B2 (en) | 2010-08-12 | 2012-11-20 | Heartflow, Inc. | Method and system for patient-specific modeling of blood flow |
DE102010039407B3 (de) * | 2010-08-17 | 2012-02-02 | Siemens Aktiengesellschaft | Verfahren zum Bereitstellen eines Hilfsmittels zur Verwendung bei der therapeutischen Behandlung eines körperlichen Objekts |
US9119540B2 (en) * | 2010-09-16 | 2015-09-01 | Siemens Aktiengesellschaft | Method and system for non-invasive assessment of coronary artery disease |
EP2619729B1 (en) | 2010-09-20 | 2018-07-04 | Koninklijke Philips N.V. | Quantification of a characteristic of a lumen of a tubular structure |
US20120084064A1 (en) * | 2010-09-29 | 2012-04-05 | Nutech Ventures, Inc. | Model-based systems and methods for analyzing and predicting outcomes of vascular interventions and reconstructions |
DE102010043849B3 (de) | 2010-11-12 | 2012-02-16 | Siemens Aktiengesellschaft | Vorrichtung und Computertomograph zur Bestimmung und Darstellung der Durchblutung des Herzmuskels |
GB201100136D0 (en) | 2011-01-06 | 2011-02-23 | Davies Helen C S | Apparatus and method of characterising a narrowing in a filled tube |
GB201100137D0 (en) | 2011-01-06 | 2011-02-23 | Davies Helen C S | Apparatus and method of assessing a narrowing in a fluid tube |
WO2012107050A1 (en) * | 2011-02-08 | 2012-08-16 | Region Nordjylland, Aalborg Sygehus | A system for determining flow properties of a blood vessel |
US10186056B2 (en) | 2011-03-21 | 2019-01-22 | General Electric Company | System and method for estimating vascular flow using CT imaging |
WO2012174495A2 (en) | 2011-06-17 | 2012-12-20 | Carnegie Mellon University | Physics based image processing and evaluation process of perfusion images from radiology imaging |
TWI445520B (zh) * | 2011-07-08 | 2014-07-21 | 私立中原大學 | Methods of comparison of non - invasive cardiovascular status |
US9179890B2 (en) * | 2011-07-14 | 2015-11-10 | Siemens Aktiengesellschaft | Model-based positioning for intracardiac echocardiography volume stitching |
US9339348B2 (en) | 2011-08-20 | 2016-05-17 | Imperial Colege of Science, Technology and Medicine | Devices, systems, and methods for assessing a vessel |
RU2014110702A (ru) * | 2011-08-20 | 2015-09-27 | Волкано Корпорэйшн | Устройства, системы и способы визуального отображения сосуда и оценки вариантов лечения |
KR20140082663A (ko) * | 2011-08-26 | 2014-07-02 | 이비엠 가부시키가이샤 | 혈류성상 진단을 위한 시스템, 그 방법 및 컴퓨터 소프트웨어 프로그램 |
KR101805624B1 (ko) * | 2011-08-29 | 2017-12-08 | 삼성전자주식회사 | 장기 모델 영상 생성 방법 및 장치 |
US9974508B2 (en) * | 2011-09-01 | 2018-05-22 | Ghassan S. Kassab | Non-invasive systems and methods for determining fractional flow reserve |
EP2573961B1 (en) * | 2011-09-12 | 2016-04-13 | ADVA Optical Networking SE | An optical frequency locking method and device for optical data transmission |
US9436645B2 (en) | 2011-10-13 | 2016-09-06 | Masimo Corporation | Medical monitoring hub |
US9943269B2 (en) | 2011-10-13 | 2018-04-17 | Masimo Corporation | System for displaying medical monitoring data |
US10162932B2 (en) * | 2011-11-10 | 2018-12-25 | Siemens Healthcare Gmbh | Method and system for multi-scale anatomical and functional modeling of coronary circulation |
EP2785393B1 (en) * | 2011-12-01 | 2023-03-22 | The Trustees Of The University Of Pennsylvania | A non-blood contacting mechanical device that improves heart function after injury |
US9152740B1 (en) | 2012-01-18 | 2015-10-06 | Msc.Software Corporation | Interactive simulation and solver for mechanical, fluid, and electro-mechanical systems |
US8965084B2 (en) * | 2012-01-19 | 2015-02-24 | Siemens Aktiengesellschaft | Blood flow computation in vessels with implanted devices |
US10311978B2 (en) | 2012-01-30 | 2019-06-04 | Siemens Healthcare Gmbh | Method and system for patient specific planning of cardiac therapies on preoperative clinical data and medical images |
US9129053B2 (en) | 2012-02-01 | 2015-09-08 | Siemens Aktiengesellschaft | Method and system for advanced measurements computation and therapy planning from medical data and images using a multi-physics fluid-solid heart model |
US10149616B2 (en) | 2012-02-09 | 2018-12-11 | Masimo Corporation | Wireless patient monitoring device |
US10307111B2 (en) | 2012-02-09 | 2019-06-04 | Masimo Corporation | Patient position detection system |
US9384546B2 (en) * | 2012-02-22 | 2016-07-05 | Siemens Aktiengesellschaft | Method and system for pericardium based model fusion of pre-operative and intra-operative image data for cardiac interventions |
US10034614B2 (en) * | 2012-02-29 | 2018-07-31 | General Electric Company | Fractional flow reserve estimation |
CN103300820A (zh) * | 2012-03-13 | 2013-09-18 | 西门子公司 | 用于冠状动脉狭窄的非侵入性功能评估的方法和系统 |
US10373700B2 (en) * | 2012-03-13 | 2019-08-06 | Siemens Healthcare Gmbh | Non-invasive functional assessment of coronary artery stenosis including simulation of hyperemia by changing resting microvascular resistance |
US10622110B2 (en) * | 2012-03-15 | 2020-04-14 | Siemens Healthcare Gmbh | Framework for personalization of coronary flow computations during rest and hyperemia |
US9135699B2 (en) * | 2012-03-15 | 2015-09-15 | Siemens Aktiengesellschaft | Method and system for hemodynamic assessment of aortic coarctation from medical image data |
US9836667B2 (en) | 2012-04-11 | 2017-12-05 | University Of Florida Research Foundation, Inc. | System and method for analyzing random patterns |
EP2840960A4 (en) * | 2012-04-24 | 2016-05-25 | Univ Melbourne | IDENTIFICATION OF VESSELS |
US9811613B2 (en) | 2012-05-01 | 2017-11-07 | University Of Washington Through Its Center For Commercialization | Fenestration template for endovascular repair of aortic aneurysms |
JP5946127B2 (ja) * | 2012-05-11 | 2016-07-05 | 富士通株式会社 | シミュレーション方法、シミュレーション装置、およびシミュレーションプログラム |
EP2849631B1 (en) * | 2012-05-14 | 2020-01-01 | Koninklijke Philips N.V. | Determination of a fractional flow reserve (ffr) value for a stenosis of a vessel |
US8548778B1 (en) * | 2012-05-14 | 2013-10-01 | Heartflow, Inc. | Method and system for providing information from a patient-specific model of blood flow |
US11331149B2 (en) | 2012-05-16 | 2022-05-17 | Feops Nv | Method and system for determining a risk of hemodynamic compromise after cardiac intervention |
WO2013171039A1 (en) * | 2012-05-16 | 2013-11-21 | Feops Bvba | Pre -operative simulation of trans - catheter valve implantation |
EP3358482A1 (en) | 2017-02-03 | 2018-08-08 | FEops NV | Method and system for determining a risk of hemodynamic compromise after cardiac intervention |
JP5988088B2 (ja) * | 2012-06-08 | 2016-09-07 | 富士通株式会社 | 描画プログラム、描画方法、および、描画装置 |
EP2863802B1 (en) * | 2012-06-26 | 2020-11-04 | Sync-RX, Ltd. | Flow-related image processing in luminal organs |
US9247918B2 (en) * | 2012-07-09 | 2016-02-02 | Siemens Aktiengesellschaft | Computation of hemodynamic quantities from angiographic data |
US9277970B2 (en) | 2012-07-19 | 2016-03-08 | Siemens Aktiengesellschaft | System and method for patient specific planning and guidance of ablative procedures for cardiac arrhythmias |
KR101939778B1 (ko) * | 2012-07-27 | 2019-01-18 | 삼성전자주식회사 | 필요 혈류량 결정 방법 및 장치, 혈류 영상 생성 방법 및 장치, 심근 관류 영상 처리 방법 및 장치 |
EP2879573A4 (en) | 2012-08-03 | 2016-08-03 | Volcano Corp | DEVICES, SYSTEMS AND METHODS FOR EVALUATING A VESSEL |
CN104582572B (zh) * | 2012-08-16 | 2018-04-13 | 东芝医疗系统株式会社 | 图像处理装置、医用图像诊断装置以及血压监视器 |
JP6116833B2 (ja) * | 2012-09-03 | 2017-04-19 | 東芝メディカルシステムズ株式会社 | 医用画像処理装置 |
US9486176B2 (en) * | 2012-09-05 | 2016-11-08 | Mayank Goyal | Systems and methods for diagnosing strokes |
GB2519907B (en) * | 2012-09-05 | 2017-12-27 | Goyal Mayank | Systems and methods for diagnosing strokes |
US10433740B2 (en) | 2012-09-12 | 2019-10-08 | Heartflow, Inc. | Systems and methods for estimating ischemia and blood flow characteristics from vessel geometry and physiology |
US10398386B2 (en) * | 2012-09-12 | 2019-09-03 | Heartflow, Inc. | Systems and methods for estimating blood flow characteristics from vessel geometry and physiology |
US9749232B2 (en) | 2012-09-20 | 2017-08-29 | Masimo Corporation | Intelligent medical network edge router |
US9262581B2 (en) * | 2012-09-24 | 2016-02-16 | Heartflow, Inc. | Method and system for facilitating physiological computations |
US10297341B2 (en) * | 2012-09-24 | 2019-05-21 | Siemens Healthcare Gmbh | Viscoelastic modeling of blood vessels |
EP3571998B1 (en) * | 2012-09-25 | 2021-02-17 | The Johns Hopkins University | A method for estimating flow rates, pressure gradients, coronary flow reserve, and fractional flow reserve from patient specific computed tomography angiogram-based contrast distribution data |
US9675301B2 (en) | 2012-10-19 | 2017-06-13 | Heartflow, Inc. | Systems and methods for numerically evaluating vasculature |
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 |
EP3723041A1 (en) * | 2012-10-24 | 2020-10-14 | CathWorks Ltd. | Automated measurement system and method for coronary artery disease scoring |
US10595807B2 (en) | 2012-10-24 | 2020-03-24 | Cathworks Ltd | Calculating a fractional flow reserve |
US9814433B2 (en) | 2012-10-24 | 2017-11-14 | Cathworks Ltd. | Creating a vascular tree model |
US9858387B2 (en) * | 2013-01-15 | 2018-01-02 | CathWorks, LTD. | Vascular flow assessment |
US9757073B2 (en) | 2012-11-06 | 2017-09-12 | Koninklijke Philips N.V. | Fractional flow reserve (FFR) index |
US9414752B2 (en) * | 2012-11-09 | 2016-08-16 | Elwha Llc | Embolism deflector |
JP2014100249A (ja) * | 2012-11-19 | 2014-06-05 | Toshiba Corp | 血管解析装置、医用画像診断装置、血管解析方法、及び血管解析プログラム |
CN104812306A (zh) * | 2012-11-29 | 2015-07-29 | 株式会社东芝 | 医用信息处理装置、医用图像诊断装置以及医用信息处理方法 |
JP6017284B2 (ja) * | 2012-11-30 | 2016-10-26 | 東芝メディカルシステムズ株式会社 | 医用画像診断装置 |
JP6139116B2 (ja) * | 2012-11-30 | 2017-05-31 | 東芝メディカルシステムズ株式会社 | 医用画像処理装置 |
JP5972768B2 (ja) * | 2012-11-30 | 2016-08-17 | 東芝メディカルシステムズ株式会社 | 医用画像処理装置 |
WO2014084398A1 (ja) | 2012-11-30 | 2014-06-05 | 株式会社 東芝 | 医用画像診断装置 |
JP6553147B2 (ja) * | 2012-11-30 | 2019-07-31 | キヤノンメディカルシステムズ株式会社 | 医用画像処理装置及び医用画像処理方法 |
WO2014084382A1 (ja) | 2012-11-30 | 2014-06-05 | 株式会社 東芝 | 医用画像処理装置 |
JP6491378B2 (ja) * | 2012-11-30 | 2019-03-27 | キヤノンメディカルシステムズ株式会社 | 表示方法、医用画像診断装置、及びプログラム |
US9986966B2 (en) * | 2012-12-04 | 2018-06-05 | Oxford University Innovation Limited | Computation method of relative cardiovascular pressure |
JP6091870B2 (ja) * | 2012-12-07 | 2017-03-08 | 東芝メディカルシステムズ株式会社 | 血管解析装置、医用画像診断装置、血管解析方法、及び血管解析プログラム |
EP2932469B1 (en) * | 2012-12-11 | 2018-10-31 | Koninklijke Philips N.V. | Method of determining the blood flow through coronary arteries |
WO2014097063A1 (en) * | 2012-12-18 | 2014-06-26 | Koninklijke Philips N.V. | Method and apparatus for simulating blood flow under patient-specific boundary conditions derived from an estimated cardiac ejection output |
EP2938399B1 (en) | 2012-12-28 | 2020-04-15 | Cyberheart, Inc. | Blood-tissue surface based radiosurgical renal treatment planning |
WO2014127320A1 (en) * | 2013-02-15 | 2014-08-21 | The Johns Hopkins University | Computational flow dynamics based method for estimating thromboembolic risk in patients with myocardial infarction |
US20140236547A1 (en) * | 2013-02-15 | 2014-08-21 | Siemens Aktiengesellschaft | Patient-specific automated tuning of boundary conditions for distal vessel tree |
US9042613B2 (en) | 2013-03-01 | 2015-05-26 | Heartflow, Inc. | Method and system for determining treatments by modifying patient-specific geometrical models |
US9424395B2 (en) | 2013-03-04 | 2016-08-23 | Heartflow, Inc. | Method and system for sensitivity analysis in modeling blood flow characteristics |
WO2014162181A2 (en) * | 2013-03-14 | 2014-10-09 | Cardioart Technologies Ltd. | System and method for personalized hemodynamics modeling and monitoring |
US8824752B1 (en) | 2013-03-15 | 2014-09-02 | Heartflow, Inc. | Methods and systems for assessing image quality in modeling of patient anatomic or blood flow characteristics |
US10390713B2 (en) * | 2013-03-15 | 2019-08-27 | Ghassan S. Kassab | Methods for the non-invasive determination of heart and pulmonary pressures |
US9324157B2 (en) * | 2013-03-26 | 2016-04-26 | Kabushiki Kaisha Toshiba | Medical image data processing apparatus and method |
WO2014163334A1 (ko) * | 2013-04-02 | 2014-10-09 | 재단법인 아산사회복지재단 | 물질특성에 기반한 전산유체역학 모델링 및 분석 방법 |
KR101530352B1 (ko) * | 2013-04-02 | 2015-06-22 | 재단법인 아산사회복지재단 | 물질특성에 기반한 전산유체역학 모델링 및 분석 방법 |
WO2014167511A1 (en) | 2013-04-12 | 2014-10-16 | Koninklijke Philips N.V. | Shape sensed ultrasound probe for fractional flow reserve simulation |
RU2015149430A (ru) | 2013-04-18 | 2017-05-24 | Конинклейке Филипс Н.В. | Планирование терапии стеноза |
US20140324400A1 (en) * | 2013-04-30 | 2014-10-30 | Marquette University | Gesture-Based Visualization System for Biomedical Imaging and Scientific Datasets |
GB2532614B8 (en) * | 2013-05-02 | 2020-07-08 | Hu Yangqiu | Surface and image integration for model evaluation and landmark determination |
WO2014182505A1 (en) | 2013-05-10 | 2014-11-13 | Stenomics, Inc. | Modeling and simulation system for optimizing prosthetic heart valve treatment |
US9471989B2 (en) * | 2013-06-03 | 2016-10-18 | University Of Florida Research Foundation, Inc. | Vascular anatomy modeling derived from 3-dimensional medical image processing |
US10130325B2 (en) * | 2013-06-10 | 2018-11-20 | General Electric Company | System and method of correcting banding artifacts in cardiac CT |
US20190095589A1 (en) * | 2013-06-28 | 2019-03-28 | Board Of Regents Of The University Of Texas System | System and method for selecting, modeling and analyzing mitral valve surgical techniques |
WO2015010027A1 (en) * | 2013-07-19 | 2015-01-22 | Volcano Corporation | Devices, systems, and methods for assessment of vessels |
EP3021741B1 (en) * | 2013-07-19 | 2019-10-23 | Volcano Corporation | System for assessing a vessel with automated drift correction |
CN108992058A (zh) | 2013-07-30 | 2018-12-14 | 哈特弗罗公司 | 为优化诊断性能利用边界条件模型化血流的方法和系统 |
US9818231B2 (en) * | 2013-08-13 | 2017-11-14 | Boston Scientific Scimed, Inc. | Computer visualization of anatomical items |
US9043190B2 (en) | 2013-08-16 | 2015-05-26 | Heartflow, Inc. | Systems and methods for identifying personalized vascular implants from patient-specific anatomic data |
JP2015039448A (ja) * | 2013-08-20 | 2015-03-02 | 国立大学法人埼玉大学 | 血管出術後の血流配分を予測する方法及び予測プログラム |
WO2015024934A1 (en) | 2013-08-21 | 2015-02-26 | Koninklijke Philips N.V. | Segmentation apparatus for interactively segmenting blood vessels in angiographic image data |
US9805463B2 (en) | 2013-08-27 | 2017-10-31 | Heartflow, Inc. | Systems and methods for predicting location, onset, and/or change of coronary lesions |
US10828434B2 (en) | 2013-08-30 | 2020-11-10 | Adherium (Nz) Limited | Compliance monitor for a medicament inhaler |
US9629563B2 (en) | 2013-09-04 | 2017-04-25 | Siemens Healthcare Gmbh | Method and system for functional assessment of renal artery stenosis from medical images |
WO2015032647A1 (en) | 2013-09-06 | 2015-03-12 | Koninklijke Philips N.V. | Processing apparatus for processing cardiac data |
EP3846176B1 (en) | 2013-09-25 | 2024-09-04 | HeartFlow, Inc. | Systems and methods for validating and correcting automated medical image annotations |
US10832818B2 (en) | 2013-10-11 | 2020-11-10 | Masimo Corporation | Alarm notification system |
US9700219B2 (en) | 2013-10-17 | 2017-07-11 | Siemens Healthcare Gmbh | Method and system for machine learning based assessment of fractional flow reserve |
EP3057495B1 (en) * | 2013-10-18 | 2020-07-15 | Volcano Corporation | System for assessing a stenosis in a blood vessel with optimized proximal and distal pressure measurements |
US10595806B2 (en) * | 2013-10-22 | 2020-03-24 | Koninklijke Philips N.V. | Fractional flow reserve (FFR) index with adaptive boundary condition parameters |
US9092743B2 (en) | 2013-10-23 | 2015-07-28 | Stenomics, Inc. | Machine learning system for assessing heart valves and surrounding cardiovascular tracts |
US10424063B2 (en) * | 2013-10-24 | 2019-09-24 | CathWorks, LTD. | Vascular characteristic determination with correspondence modeling of a vascular tree |
JP6782634B2 (ja) * | 2013-10-25 | 2020-11-11 | ボルケーノ コーポレイション | 患者の血管を評価する際の支援のために前記血管の情報を提供するためのシステム |
KR101753576B1 (ko) | 2013-11-05 | 2017-07-04 | 강원대학교산학협력단 | 생리학적 압력-유량 관계를 이용한 관상동맥 유량과 압력을 구하는 방법 |
US10639103B2 (en) | 2013-11-08 | 2020-05-05 | Senol PISKIN | Operation scenario flow and mechanical modeling and analysis system of cardiovascular repair operations for newborn and foetus |
US9877660B2 (en) | 2013-11-14 | 2018-01-30 | Medtronic Vascular Galway | Systems and methods for determining fractional flow reserve without adenosine or other pharmalogical agent |
US10130269B2 (en) | 2013-11-14 | 2018-11-20 | Medtronic Vascular, Inc | Dual lumen catheter for providing a vascular pressure measurement |
JP6362853B2 (ja) * | 2013-11-20 | 2018-07-25 | キヤノンメディカルシステムズ株式会社 | 血管解析装置、および血管解析装置の作動方法 |
JP6362851B2 (ja) * | 2013-11-20 | 2018-07-25 | キヤノンメディカルシステムズ株式会社 | 血管解析装置、血管解析プログラム、及び血管解析装置の作動方法 |
US20170000497A1 (en) | 2013-11-29 | 2017-01-05 | The Johns Hopkins University | Cranial reference mount |
JP6396468B2 (ja) * | 2013-12-04 | 2018-09-26 | コーニンクレッカ フィリップス エヌ ヴェKoninklijke Philips N.V. | 機能性狭窄解析を向上させる局所ffr推定及び視覚化 |
US8977339B1 (en) * | 2013-12-05 | 2015-03-10 | Intrinsic Medical Imaging Llc | Method for assessing stenosis severity through stenosis mapping |
JP6260989B2 (ja) | 2013-12-05 | 2018-01-17 | 富士通株式会社 | 形状データ生成装置、形状データ生成方法、および形状データ生成プログラム |
US9155512B2 (en) * | 2013-12-18 | 2015-10-13 | Heartflow, Inc. | Systems and methods for predicting coronary plaque vulnerability from patient-specific anatomic image data |
US9152761B2 (en) | 2014-01-10 | 2015-10-06 | Heartflow, Inc. | Systems and methods for identifying medical image acquisition parameters |
WO2015109121A1 (en) * | 2014-01-15 | 2015-07-23 | The Regents Of The University Of California | Physical deformable lung phantom with subject specific elasticity |
US9913585B2 (en) | 2014-01-15 | 2018-03-13 | Medtronic Vascular, Inc. | Catheter for providing vascular pressure measurements |
KR20160114142A (ko) * | 2014-01-27 | 2016-10-04 | 아리조나 보드 오브 리젠츠 온 비하프 오브 아리조나 스테이트 유니버시티 | 혈관 내 치료를 시뮬레이션하기 위한 장치 특정 유한요소 모델 |
US10290230B2 (en) | 2014-01-27 | 2019-05-14 | Arizona Board Of Regents On Behalf Of Arizona State University | Device specific finite element models for simulating endovascular treatment |
US10332255B2 (en) * | 2014-02-04 | 2019-06-25 | Zhongle Wu | Method for assessing stenosis severity in a lesion tree through stenosis mapping |
US20150228115A1 (en) * | 2014-02-10 | 2015-08-13 | Kabushiki Kaisha Toshiba | Medical-image processing apparatus and medical-image diagnostic apparatus |
US10496729B2 (en) | 2014-02-25 | 2019-12-03 | Siemens Healthcare Gmbh | Method and system for image-based estimation of multi-physics parameters and their uncertainty for patient-specific simulation of organ function |
WO2015129336A1 (ja) * | 2014-02-28 | 2015-09-03 | 日立アロカメディカル株式会社 | 超音波撮像装置及び方法 |
US9501622B2 (en) | 2014-03-05 | 2016-11-22 | Heartflow, Inc. | Methods and systems for predicting sensitivity of blood flow calculations to changes in anatomical geometry |
JP6262027B2 (ja) | 2014-03-10 | 2018-01-17 | 東芝メディカルシステムズ株式会社 | 医用画像処理装置 |
WO2015138555A2 (en) * | 2014-03-11 | 2015-09-17 | The Johns Hopkins University | A method for estimating flow rates and pressure gradients in arterial networks from patient specific computed tomography angiogram-based contrast distribution data |
JP2015171486A (ja) * | 2014-03-12 | 2015-10-01 | 国立大学法人大阪大学 | 血流解析システムおよび血流解析プログラム |
WO2015136853A1 (ja) * | 2014-03-14 | 2015-09-17 | テルモ株式会社 | 画像処理装置、画像処理方法及びプログラム |
CN104933756B (zh) * | 2014-03-21 | 2018-03-30 | 北京冠生云医疗技术有限公司 | 三维冠状动脉分析模型的构建方法和系统 |
US9390232B2 (en) * | 2014-03-24 | 2016-07-12 | Heartflow, Inc. | Systems and methods for modeling changes in patient-specific blood vessel geometry and boundary conditions |
US9087147B1 (en) | 2014-03-31 | 2015-07-21 | Heartflow, Inc. | Systems and methods for determining blood flow characteristics using flow ratio |
WO2015150128A1 (en) * | 2014-03-31 | 2015-10-08 | Koninklijke Philips N.V. | Processing apparatus and method for processing cardiac data of a living being |
US10354349B2 (en) | 2014-04-01 | 2019-07-16 | Heartflow, Inc. | Systems and methods for using geometry sensitivity information for guiding workflow |
US9773219B2 (en) | 2014-04-01 | 2017-09-26 | Heartflow, Inc. | Systems and methods for using geometry sensitivity information for guiding workflow |
JP6636500B2 (ja) | 2014-04-15 | 2020-01-29 | 4ディーエックス リミテッド | イメージング方法 |
US9514530B2 (en) | 2014-04-16 | 2016-12-06 | Heartflow, Inc. | Systems and methods for image-based object modeling using multiple image acquisitions or reconstructions |
US9058692B1 (en) | 2014-04-16 | 2015-06-16 | Heartflow, Inc. | Systems and methods for image-based object modeling using multiple image acquisitions or reconstructions |
US10134129B2 (en) | 2014-04-22 | 2018-11-20 | Siemens Healthcare Gmbh | Method and system for hemodynamic computation in coronary arteries |
US9449145B2 (en) | 2014-04-22 | 2016-09-20 | Heartflow, Inc. | Systems and methods for virtual contrast agent simulation and computational fluid dynamics (CFD) to compute functional significance of stenoses |
CN105095615B (zh) * | 2014-04-23 | 2019-05-21 | 北京冠生云医疗技术有限公司 | 对血管中血流数据进行处理的方法和系统 |
US8958623B1 (en) * | 2014-04-29 | 2015-02-17 | Heartflow, Inc. | Systems and methods for correction of artificial deformation in anatomic modeling |
KR101515400B1 (ko) * | 2014-05-02 | 2015-05-04 | 연세대학교 산학협력단 | Gpu 기반의 격자 볼츠만 기법을 활용한 환자 맞춤형 혈류 영상 진단 방법 및 장치 |
CN106659399B (zh) * | 2014-05-05 | 2020-06-16 | 西门子保健有限责任公司 | 使用患病和假想正常解剖学模型中的流计算的冠状动脉狭窄的非侵入功能评价的方法和系统 |
US9595089B2 (en) | 2014-05-09 | 2017-03-14 | Siemens Healthcare Gmbh | Method and system for non-invasive computation of hemodynamic indices for coronary artery stenosis |
JP2015217113A (ja) * | 2014-05-16 | 2015-12-07 | 株式会社東芝 | 血管解析装置、医用画像診断装置、血管解析方法及び血管解析プログラム |
JP6667999B2 (ja) * | 2014-05-16 | 2020-03-18 | キヤノンメディカルシステムズ株式会社 | 画像処理装置、画像処理方法、及びプログラム |
JP6425916B2 (ja) * | 2014-05-16 | 2018-11-21 | キヤノンメディカルシステムズ株式会社 | 処理装置、画像処理方法、プログラム、および、造形装置 |
US10206587B2 (en) * | 2014-05-16 | 2019-02-19 | Toshiba Medical Systems Corporation | Image processing apparatus, image processing method, and storage medium |
JP6576690B2 (ja) * | 2014-05-29 | 2019-09-18 | キヤノンメディカルシステムズ株式会社 | 医用画像処理装置 |
US20150348260A1 (en) * | 2014-05-29 | 2015-12-03 | Siemens Aktiengesellschaft | System and Method for Mapping Patient Data from One Physiological State to Another Physiological State |
US9754082B2 (en) * | 2014-05-30 | 2017-09-05 | Heartflow, Inc. | Systems and methods for reporting blood flow characteristics |
JP6407569B2 (ja) * | 2014-06-02 | 2018-10-17 | キヤノンメディカルシステムズ株式会社 | 医用画像処理装置及び医用画像処理方法 |
DE102014210591B4 (de) | 2014-06-04 | 2022-09-22 | Siemens Healthcare Gmbh | Fluiddynamische Analyse eines Gefäßbaums mittels Angiographie |
US10973418B2 (en) | 2014-06-16 | 2021-04-13 | Medtronic Vascular, Inc. | Microcatheter sensor design for minimizing profile and impact of wire strain on sensor |
US9747525B2 (en) | 2014-06-16 | 2017-08-29 | Siemens Healthcare Gmbh | Method and system for improved hemodynamic computation in coronary arteries |
US10201284B2 (en) | 2014-06-16 | 2019-02-12 | Medtronic Vascular Inc. | Pressure measuring catheter having reduced error from bending stresses |
US11330989B2 (en) | 2014-06-16 | 2022-05-17 | Medtronic Vascular, Inc. | Microcatheter sensor design for mounting sensor to minimize induced strain |
US9589379B2 (en) | 2014-06-24 | 2017-03-07 | Siemens Healthcare Gmbh | System and method for visualization of cardiac changes under various pacing conditions |
US10535149B2 (en) * | 2014-06-25 | 2020-01-14 | Koninklijke Philips N.V. | Imaging device for registration of different imaging modalities |
CN106659400B (zh) * | 2014-06-30 | 2021-01-05 | 皇家飞利浦有限公司 | 用于确定血流储备分数值的装置 |
US10130266B2 (en) * | 2014-06-30 | 2018-11-20 | Siemens Healthcare Gmbh | Method and system for prediction of post-stenting hemodynamic metrics for treatment planning of arterial stenosis |
JP6570812B2 (ja) * | 2014-07-08 | 2019-09-04 | 株式会社根本杏林堂 | 血管状態解析装置およびそれを備えたシステム |
US10849511B2 (en) | 2014-07-14 | 2020-12-01 | Philips Image Guided Therapy Corporation | Devices, systems, and methods for assessment of vessels |
JP6380949B2 (ja) * | 2014-07-17 | 2018-08-29 | 富士通株式会社 | 可視化装置、可視化方法、および可視化プログラム |
EP3169237B1 (en) | 2014-07-18 | 2023-04-12 | Koninklijke Philips N.V. | Stenosis assessment |
US9888968B2 (en) * | 2014-07-22 | 2018-02-13 | Siemens Healthcare Gmbh | Method and system for automated therapy planning for arterial stenosis |
US9195801B1 (en) | 2014-08-05 | 2015-11-24 | Heartflow, Inc. | Systems and methods for treatment planning based on plaque progression and regression curves |
US11213220B2 (en) | 2014-08-11 | 2022-01-04 | Cubisme, Inc. | Method for determining in vivo tissue biomarker characteristics using multiparameter MRI matrix creation and big data analytics |
US11311200B1 (en) | 2014-08-27 | 2022-04-26 | Lightlab Imaging, Inc. | Systems and methods to measure physiological flow in coronary arteries |
JP6700279B2 (ja) | 2014-08-27 | 2020-05-27 | セント ジュード メディカル システムズ アーベー | 最小の遠位側圧力/動脈圧(pd/pa)比を決定することによって心臓系を評価するためのシステム及び方法 |
CN106714673B (zh) * | 2014-08-29 | 2020-02-28 | 江原大学校产学协力团 | 按患者区分的血管信息决定方法 |
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 |
US9390224B2 (en) | 2014-08-29 | 2016-07-12 | Heartflow, Inc. | Systems and methods for automatically determining myocardial bridging and patient impact |
CN106793962A (zh) * | 2014-09-05 | 2017-05-31 | 雷克兰德创投发展有限公司 | 用于使用视频图像来连续估计人体血压的方法和装置 |
US9668700B2 (en) | 2014-09-09 | 2017-06-06 | Heartflow, Inc. | Method and system for quantifying limitations in coronary artery blood flow during physical activity in patients with coronary artery disease |
US10373719B2 (en) * | 2014-09-10 | 2019-08-06 | Intuitive Surgical Operations, Inc. | Systems and methods for pre-operative modeling |
CN104657576B (zh) * | 2014-09-28 | 2017-09-22 | 东软熙康健康科技有限公司 | 一种血糖变化的呈现方法和设备 |
JP6382050B2 (ja) * | 2014-09-29 | 2018-08-29 | キヤノンメディカルシステムズ株式会社 | 医用画像診断装置、画像処理装置、画像処理方法及び画像処理プログラム |
US20170311916A1 (en) * | 2014-10-08 | 2017-11-02 | EBM Corporation | Blood-flow analysis device for blood-flow simulation, method therefor, and computer software program |
US10271910B2 (en) * | 2014-10-16 | 2019-04-30 | Corindus, Inc. | Robotic catheter system with FFR integration |
EP3206617B1 (en) * | 2014-10-17 | 2019-11-27 | Koninklijke Philips N.V. | System for real-time organ segmentation and tool navigation during tool insertion in interventional therapy |
US10482215B2 (en) | 2014-10-22 | 2019-11-19 | Indiana University Research And Technology Corporation | Unified computational method and system for patient-specific hemodynamics |
KR101579900B1 (ko) * | 2014-10-29 | 2015-12-24 | 연세대학교 산학협력단 | 심근의 생존능 정량적 분석 방법 및 장치 |
US9292659B1 (en) | 2014-10-29 | 2016-03-22 | Heartflow, Inc. | Systems and methods for vessel reactivity to guide diagnosis or treatment of cardiovascular disease |
US10080872B2 (en) | 2014-11-04 | 2018-09-25 | Abbott Cardiovascular Systems Inc. | System and method for FFR guidewire recovery |
US9594876B2 (en) * | 2014-11-04 | 2017-03-14 | Heartflow, Inc. | Systems and methods for simulation of occluded arteries and optimization of occlusion-based treatments |
US9336354B1 (en) | 2014-11-04 | 2016-05-10 | Heartflow, Inc. | Systems and methods for simulation of hemodialysis access and optimization |
US10409235B2 (en) | 2014-11-12 | 2019-09-10 | Siemens Healthcare Gmbh | Semantic medical image to 3D print of anatomic structure |
JP6539736B2 (ja) * | 2014-11-14 | 2019-07-03 | シーメンス ヘルスケア ゲゼルシヤフト ミツト ベシユレンクテル ハフツング | 純粋幾何学的機械学習に基づいて血流予備量比を求める方法及びシステム |
US9349178B1 (en) | 2014-11-24 | 2016-05-24 | Siemens Aktiengesellschaft | Synthetic data-driven hemodynamic determination in medical imaging |
AU2015353601B2 (en) | 2014-11-24 | 2019-10-24 | The Johns Hopkins University | A cutting machine for resizing raw implants during surgery |
KR102361733B1 (ko) | 2014-11-28 | 2022-02-11 | 삼성전자주식회사 | 3d cta영상으로부터 관상동맥의 구조를 모델링하는 방법 및 장치 |
WO2016087396A1 (en) | 2014-12-02 | 2016-06-09 | Koninklijke Philips N.V. | Fractional flow reserve determination |
EP3229721B1 (en) | 2014-12-08 | 2021-09-22 | Koninklijke Philips N.V. | Interactive cardiac test data systems |
US10194812B2 (en) | 2014-12-12 | 2019-02-05 | Medtronic Vascular, Inc. | System and method of integrating a fractional flow reserve device with a conventional hemodynamic monitoring system |
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 |
US20160196384A1 (en) * | 2015-01-06 | 2016-07-07 | Siemens Aktiengesellschaft | Personalized whole-body circulation in medical imaging |
WO2016115206A1 (en) * | 2015-01-14 | 2016-07-21 | Heartflow, Inc. | Systems and methods for embolism prediction using embolus source and destination probabilities |
CN107580470B (zh) | 2015-01-15 | 2021-06-22 | 皇家飞利浦有限公司 | 瞬时流量储备-计算机断层摄影 |
KR101863240B1 (ko) * | 2015-01-28 | 2018-06-01 | 주식회사 인피니트헬스케어 | 스텐트 추천 시스템 및 방법 |
KR20160093251A (ko) * | 2015-01-29 | 2016-08-08 | 주식회사 인피니트헬스케어 | 의료 영상 디스플레이 시스템 및 방법 |
US10987010B2 (en) * | 2015-02-02 | 2021-04-27 | Heartflow, Inc. | Systems and methods for vascular diagnosis using blood flow magnitude and/or direction |
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 |
US10299862B2 (en) * | 2015-02-05 | 2019-05-28 | Siemens Healthcare Gmbh | Three-dimensional quantitative heart hemodynamics in medical imaging |
US10638940B2 (en) * | 2015-02-06 | 2020-05-05 | The Trustees Of The University Of Pennsylvania | Assessment of hemodynamic function in arrhythmia patients |
US10478130B2 (en) | 2015-02-13 | 2019-11-19 | Siemens Healthcare Gmbh | Plaque vulnerability assessment in medical imaging |
JP6513413B2 (ja) | 2015-02-13 | 2019-05-15 | キヤノンメディカルシステムズ株式会社 | 医用画像処理装置及び磁気共鳴イメージング装置 |
JP6449675B2 (ja) * | 2015-02-23 | 2019-01-09 | ▲高▼田 玄紀 | 部分冠動脈血流予備能を予測する指標を算出する核医学検査方法 |
EP3062248A1 (en) * | 2015-02-27 | 2016-08-31 | Pie Medical Imaging BV | Method and apparatus for quantitative flow analysis |
US10002419B2 (en) | 2015-03-05 | 2018-06-19 | Siemens Healthcare Gmbh | Direct computation of image-derived biomarkers |
KR101541267B1 (ko) | 2015-04-02 | 2015-08-03 | 한양대학교 산학협력단 | 들로네 삼각분할을 이용한 혈관의 모델링 방법 및 장치와, 이를 이용한 심근 영역의 분할 방법 |
US10405925B2 (en) * | 2015-04-02 | 2019-09-10 | Heartflow, Inc. | Systems and methods for determining and visualizing a functional relationship between a vascular network and perfused tissue |
CN107847276B (zh) | 2015-04-02 | 2021-03-16 | 哈特弗罗公司 | 用于提供对生物热传递的个性化估计的系统和方法 |
WO2016161356A1 (en) * | 2015-04-02 | 2016-10-06 | Heartflow, Inc. | Systems and methods for predicting tissue viability deficits from physiological, anatomical, and patient characteristics |
EP3281135B1 (en) | 2015-04-10 | 2021-08-18 | HeartFlow, Inc. | System and method for vascular tree generation using patient-specific structural and functional data, and joint prior information |
JP6676655B2 (ja) * | 2015-04-13 | 2020-04-08 | ケース ウエスタン リザーブ ユニバーシティ | 二重エネルギーx線冠動脈カルシウムのグレード付け |
WO2016168474A1 (en) | 2015-04-17 | 2016-10-20 | Heartflow, Inc. | Systems and methods for assessment of tissue function based on vascular disease |
US10716513B2 (en) * | 2015-04-17 | 2020-07-21 | Heartflow, Inc. | Systems and methods for cardiovascular blood flow and musculoskeletal modeling for predicting device failure or clinical events |
US9839483B2 (en) | 2015-04-21 | 2017-12-12 | Heartflow, Inc. | Systems and methods for risk assessment and treatment planning of arterio-venous malformation |
WO2016172694A1 (en) | 2015-04-23 | 2016-10-27 | Richard Van Bibber | Devices and methods for anatomic mapping for prosthetic implants |
DE102015207596A1 (de) * | 2015-04-24 | 2016-10-27 | Siemens Healthcare Gmbh | Verfahren sowie Rechen- und Druckeinheit zum Erstellen einer Gefäßstütze |
US10636146B2 (en) * | 2015-05-12 | 2020-04-28 | Singapore Health Services Pte Ltd | Medical image processing methods and systems |
US9922433B2 (en) | 2015-05-29 | 2018-03-20 | Moira F. Schieke | Method and system for identifying biomarkers using a probability map |
JP6621851B2 (ja) * | 2015-06-04 | 2019-12-18 | ライニール コルネリス ヤンセン,ヨーゼフ | 心臓センサ出力を処理する方法及びコンピュータ・システム |
RU2732344C2 (ru) | 2015-06-12 | 2020-09-15 | Конинклейке Филипс Н.В. | Система, регистратор и способ поверхностной электромиографии |
EP3314603A1 (en) * | 2015-06-25 | 2018-05-02 | Koninklijke Philips N.V. | Interactive intravascular procedure training and associated devices, systems, and methods |
JP6564475B2 (ja) | 2015-06-25 | 2019-08-21 | アナリティクス フォー ライフ インコーポレイテッド | 数学的分析および機械学習を使用して病気を診断する方法およびシステム |
JP6789280B2 (ja) * | 2015-07-01 | 2020-11-25 | エバリスト ジェノミックス, インコーポレイテッド | 内皮機能を評価するシステムおよび方法 |
ES2892960T3 (es) | 2015-07-08 | 2022-02-07 | Aortica Corp | Dispositivos y métodos para el mapeo anatómico para implantes protésicos |
US9785748B2 (en) | 2015-07-14 | 2017-10-10 | Heartflow, Inc. | Systems and methods for estimating hemodynamic forces acting on plaque and monitoring patient risk |
CA2991784A1 (en) | 2015-07-17 | 2017-01-26 | Heartflow, Inc. | Systems and methods for assessing the severity of plaque and/or stenotic lesions using contrast distribution predictions and measurements |
US10872698B2 (en) | 2015-07-27 | 2020-12-22 | Siemens Healthcare Gmbh | Method and system for enhancing medical image-based blood flow computations using physiological measurements |
JP6631072B2 (ja) * | 2015-07-31 | 2020-01-15 | 富士通株式会社 | 生体シミュレーションシステムおよび生体シミュレーション方法 |
EP3332339B1 (en) | 2015-08-05 | 2022-06-22 | Koninklijke Philips N.V. | Assistance device and method for an interventional hemodynamic measurement |
US11071501B2 (en) | 2015-08-14 | 2021-07-27 | Elucid Bioiwaging Inc. | Quantitative imaging for determining time to adverse event (TTE) |
US10176408B2 (en) | 2015-08-14 | 2019-01-08 | Elucid Bioimaging Inc. | Systems and methods for analyzing pathologies utilizing quantitative imaging |
US11094058B2 (en) | 2015-08-14 | 2021-08-17 | Elucid Bioimaging Inc. | Systems and method for computer-aided phenotyping (CAP) using radiologic images |
US12008751B2 (en) | 2015-08-14 | 2024-06-11 | Elucid Bioimaging Inc. | Quantitative imaging for detecting histopathologically defined plaque fissure non-invasively |
US11087459B2 (en) | 2015-08-14 | 2021-08-10 | Elucid Bioimaging Inc. | Quantitative imaging for fractional flow reserve (FFR) |
US12026868B2 (en) | 2015-08-14 | 2024-07-02 | Elucid Bioimaging Inc. | Quantitative imaging for detecting histopathologically defined plaque erosion non-invasively |
US11113812B2 (en) | 2015-08-14 | 2021-09-07 | Elucid Bioimaging Inc. | Quantitative imaging for detecting vulnerable plaque |
US11676359B2 (en) | 2015-08-14 | 2023-06-13 | Elucid Bioimaging Inc. | Non-invasive quantitative imaging biomarkers of atherosclerotic plaque biology |
CA2996196C (en) | 2015-08-31 | 2024-06-11 | Masimo Corporation | Wireless patient monitoring systems and methods |
EP3345156B1 (en) * | 2015-09-02 | 2019-08-28 | Siemens Healthcare GmbH | Cfd simulation assisted 4d dsa reconstruction |
US11058541B2 (en) | 2015-09-04 | 2021-07-13 | The Johns Hopkins University | Low-profile intercranial device |
WO2017049197A1 (en) * | 2015-09-16 | 2017-03-23 | Heartflow, Inc. | Systems and methods for patient-specific imaging and modeling of drug delivery |
WO2017047135A1 (ja) * | 2015-09-18 | 2017-03-23 | イービーエム株式会社 | 血流解析装置、その方法、及びそのコンピュータソフトウェアプログラム |
WO2017047822A1 (ja) * | 2015-09-18 | 2017-03-23 | イービーエム株式会社 | 血管病変発症・成長予測装置及び方法 |
US11246661B2 (en) | 2015-09-29 | 2022-02-15 | Imperial Innovations Limited | Devices systems and methods for coronary intervention assessment, planning, and treatment based on desired outcome |
JP6745875B2 (ja) * | 2015-09-29 | 2020-08-26 | コーニンクレッカ フィリップス エヌ ヴェKoninklijke Philips N.V. | 圧力又は流量測定及び血管造影法からの流量、抵抗又は圧力の推定 |
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 |
JP6818492B2 (ja) | 2015-10-05 | 2021-01-20 | キヤノンメディカルシステムズ株式会社 | 画像処理装置、画像処理方法、及びプログラム |
WO2017060106A1 (en) | 2015-10-07 | 2017-04-13 | Koninklijke Philips N.V. | Mobile ffr simulation |
CN106562779B (zh) * | 2015-10-12 | 2021-06-08 | 深圳迈瑞生物医疗电子股份有限公司 | 图形化显示心室射血分数变化的装置、方法和监护系统 |
CN107613897B (zh) * | 2015-10-14 | 2021-12-17 | 外科手术室公司 | 扩增实境的外科导航 |
US10769780B2 (en) | 2015-11-05 | 2020-09-08 | Koninklijke Philips N.V. | Collateral flow modelling for non-invasive fractional flow reserve (FFR) |
US10438355B2 (en) * | 2015-11-10 | 2019-10-08 | General Electric Company | System and method for estimating arterial pulse wave velocity |
WO2017083401A1 (en) | 2015-11-10 | 2017-05-18 | Heartflow, Inc. | Systems and methods for anatomical modeling using information from a procedure |
JP6858773B2 (ja) * | 2015-11-23 | 2021-04-14 | ハートフロー, インコーポレイテッド | 1つ以上の移植特性をシミュレーションすることによる臓器移植及び/または組織移植を評価するためのシステム及び方法 |
US10716519B2 (en) * | 2015-11-24 | 2020-07-21 | The Regents Of The University Of California | Mapping and quantifying blood stasis and thrombus risk in the heart |
US10002428B2 (en) | 2015-12-01 | 2018-06-19 | Ottawa Hospital Research Institute | Method and system for identifying bleeding |
US10304569B2 (en) * | 2015-12-03 | 2019-05-28 | Heartflow, Inc. | Systems and methods for associating medical images with a patient |
WO2017109662A1 (en) * | 2015-12-22 | 2017-06-29 | Koninklijke Philips N.V. | Heart model guided coronary artery segmentation |
KR101954272B1 (ko) | 2016-01-28 | 2019-03-05 | 연세대학교 산학협력단 | 유체-구조 상호작용을 고려한 협착 병변 영역의 혈류역학 시뮬레이션 방법 |
US11723617B2 (en) | 2016-02-03 | 2023-08-15 | 4DMedical Limited | Method and system for imaging |
US10278662B2 (en) | 2016-02-05 | 2019-05-07 | Toshiba Medical Systems Corporation | Image processing apparatus and medical image diagnostic apparatus |
US10748312B2 (en) | 2016-02-12 | 2020-08-18 | Microsoft Technology Licensing, Llc | Tagging utilizations for selectively preserving chart elements during visualization optimizations |
US10347017B2 (en) * | 2016-02-12 | 2019-07-09 | Microsoft Technology Licensing, Llc | Interactive controls that are collapsible and expandable and sequences for chart visualization optimizations |
KR101967226B1 (ko) * | 2016-02-22 | 2019-08-13 | 연세대학교 산학협력단 | 관상동맥 분지관의 체적을 이용한 혈류 역학 모델링 방법 |
JP6829262B2 (ja) | 2016-02-26 | 2021-02-10 | ハートフロー, インコーポレイテッド | 画像ベースの患者固有の血流力学的モデルにおいて解像されていない血管を特定してモデル化するためのシステム及び方法 |
CN109414218B (zh) | 2016-03-04 | 2022-09-23 | 肆迪医疗有限公司 | 成像方法及系统 |
JP6521476B2 (ja) | 2016-03-04 | 2019-05-29 | コーニンクレッカ フィリップス エヌ ヴェKoninklijke Philips N.V. | 血管特徴づけに対する装置 |
US9786069B2 (en) * | 2016-03-07 | 2017-10-10 | Siemens Healthcare Gmbh | Refined reconstruction of time-varying data |
DE102016203860A1 (de) * | 2016-03-09 | 2017-09-14 | Siemens Healthcare Gmbh | Vorrichtung und Verfahren zum Ermitteln zumindest eines individuellen fluiddynamischen Kennwerts einer Stenose in einem mehrere serielle Stenosen aufweisenden Gefäßsegment |
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 |
US9824492B2 (en) | 2016-03-24 | 2017-11-21 | Vital Images, Inc. | Hollow object model visualization in medical images |
US10971271B2 (en) | 2016-04-12 | 2021-04-06 | Siemens Healthcare Gmbh | Method and system for personalized blood flow modeling based on wearable sensor networks |
JP6611660B2 (ja) * | 2016-04-13 | 2019-11-27 | 富士フイルム株式会社 | 画像位置合わせ装置および方法並びにプログラム |
CN108882870B (zh) | 2016-04-15 | 2021-08-13 | 欧姆龙株式会社 | 生物体信息分析装置、系统以及程序 |
US10674986B2 (en) | 2016-05-13 | 2020-06-09 | General Electric Company | Methods for personalizing blood flow models |
WO2017199246A1 (en) * | 2016-05-16 | 2017-11-23 | Cathworks Ltd. | Vascular selection from images |
JP7036742B2 (ja) | 2016-05-16 | 2022-03-15 | キャスワークス リミテッド | 血管評価システム |
NL2016792B1 (en) * | 2016-05-18 | 2017-11-30 | Endovascular Diagnostics B V | Method for determining a parameter which is indicative for the position and apposition of a tubular member, such as a stent graft, inserted in a lumen of an anatomical vessel or duct of a patient |
CN106073894B (zh) * | 2016-05-31 | 2017-08-08 | 博动医学影像科技(上海)有限公司 | 基于植入虚拟支架的血管压力降数值及血流储备分数的评估方法和系统 |
JP6060302B1 (ja) * | 2016-06-10 | 2017-01-11 | 日本メジフィジックス株式会社 | 心筋核医学画像データの解析方法及び解析装置 |
ES2860458T3 (es) | 2016-06-13 | 2021-10-05 | Aortica Corp | Sistemas y dispositivos para marcar y/o reforzar fenestraciones en implantes protésicos |
US10362950B2 (en) | 2016-06-24 | 2019-07-30 | Analytics For Life Inc. | Non-invasive method and system for measuring myocardial ischemia, stenosis identification, localization and fractional flow reserve estimation |
AU2017290600A1 (en) | 2016-06-28 | 2019-01-03 | Heartflow, Inc. | Systems and methods for anonymization of health data and transmition of health data for analysis across geographic regions |
EP3264365A1 (en) * | 2016-06-28 | 2018-01-03 | Siemens Healthcare GmbH | Method and device for registration of a first image data set and a second image data set of a target region of a patient |
WO2018001099A1 (zh) * | 2016-06-30 | 2018-01-04 | 上海联影医疗科技有限公司 | 一种血管提取方法与系统 |
CN107203741B (zh) * | 2017-05-03 | 2021-05-18 | 上海联影医疗科技股份有限公司 | 血管提取方法、装置及其系统 |
EP3479350A4 (en) | 2016-07-01 | 2020-08-19 | Cubisme, Inc. | SYSTEM AND METHOD FOR PRODUCING A HIGH RESOLUTION BIOMARKER MAP IMAGE |
US10617302B2 (en) | 2016-07-07 | 2020-04-14 | Masimo Corporation | Wearable pulse oximeter and respiration monitor |
US11020563B2 (en) | 2016-07-14 | 2021-06-01 | C. R. Bard, Inc. | Automated catheter-to-vessel size comparison tool and related methods |
WO2018018033A1 (en) * | 2016-07-22 | 2018-01-25 | Cornell University | Rapid prototyping and in vitro modeling of patient-specific coronary artery bypass grafts |
EP4403144A3 (en) | 2016-08-02 | 2024-09-25 | Bolton Medical, Inc. | Systems, devices, and methods for coupling a prosthetic implant to a fenestrated body |
US11272850B2 (en) | 2016-08-09 | 2022-03-15 | Medtronic Vascular, Inc. | Catheter and method for calculating fractional flow reserve |
WO2018031663A1 (en) | 2016-08-10 | 2018-02-15 | Heartflow, Inc. | Systems and methods for modeling nutrient transport and/or predicting weight change |
US10025902B2 (en) * | 2016-08-12 | 2018-07-17 | Verily Life Sciences Llc | Enhanced pathology diagnosis |
KR102000614B1 (ko) | 2016-08-25 | 2019-07-16 | 연세대학교 산학협력단 | 심근 체적의 분할을 이용한 혈류 역학 시뮬레이션 방법 |
US10835318B2 (en) | 2016-08-25 | 2020-11-17 | DePuy Synthes Products, Inc. | Orthopedic fixation control and manipulation |
DE102016215976A1 (de) * | 2016-08-25 | 2018-03-01 | Siemens Healthcare Gmbh | Ermittelung einer klinischen Kenngröße mit einer Kombination unterschiedlicher Aufnahmemodalitäten |
WO2018050806A1 (en) | 2016-09-16 | 2018-03-22 | Koninklijke Philips N.V. | Apparatus and method for determining a fractional flow reserve |
US11504019B2 (en) | 2016-09-20 | 2022-11-22 | Heartflow, Inc. | Systems and methods for monitoring and updating blood flow calculations with user-specific anatomic and physiologic sensor data |
EP3516561B1 (en) | 2016-09-20 | 2024-03-13 | HeartFlow, Inc. | Method, system and non-transitory computer-readable medium for estimation of blood flow characteristics using a reduced order model and machine learning |
USD843382S1 (en) | 2016-09-21 | 2019-03-19 | Analytics For Life | Display with graphical user interface |
CA3037823C (en) | 2016-09-21 | 2023-03-14 | Analytics For Life Inc. | Method and system for visualization of heart tissue at risk |
WO2018054762A1 (en) * | 2016-09-23 | 2018-03-29 | Koninklijke Philips N.V. | System and method for assessing outflow tract obstruction of a heart of a subject |
JP6125705B2 (ja) * | 2016-09-23 | 2017-05-10 | 東芝メディカルシステムズ株式会社 | 医用画像診断装置及び医用画像診断装置の作動方法 |
DE102017217589A1 (de) | 2016-10-04 | 2018-04-05 | Toshiba Medical Systems Corporation | Medizininformationsverarbeitungsvorrichtung und Medizininformationsverarbeitungsverfahren |
DE102017217599A1 (de) | 2016-10-04 | 2018-04-05 | Toshiba Medical Systems Corporation | Medizinische Informationsverarbeitungsvorrichtung, Röntgen-CT-Vorrichtung und medizinisches Informationsverarbeitungsverfahren |
DE102016219709B3 (de) * | 2016-10-11 | 2018-03-01 | Siemens Healthcare Gmbh | Verfahren zur Ermittlung eines Perfusionsdatensatzes, sowie Röntgenvorrichtung, Computerprogramm und elektronisch lesbarer Datenträger |
US11076777B2 (en) | 2016-10-13 | 2021-08-03 | Masimo Corporation | Systems and methods for monitoring orientation to reduce pressure ulcer formation |
US10362949B2 (en) | 2016-10-17 | 2019-07-30 | International Business Machines Corporation | Automatic extraction of disease-specific features from doppler images |
US11055845B2 (en) | 2016-11-22 | 2021-07-06 | Koninklijke Philips N.V. | Vascular tree standardization for biophysical simulation and/or an extension simulation for pruned portions |
DE102017221276A1 (de) | 2016-11-28 | 2018-05-30 | Toshiba Medical Systems Corporation | Medizinische Bildverarbeitungsvorrichtung, Röntgen-CT Vorrichtung und medizinisches Bildverarbeitungsverfahren |
CN110268478B (zh) * | 2016-12-15 | 2023-07-28 | 斯特凡Tto有限公司 | 提供用于心血管疾病的决策支持和诊断的受试者特异性计算模型的方法和过程 |
CN108209862B (zh) * | 2016-12-21 | 2021-04-30 | 中国电信股份有限公司 | 诊断结果展示方法和装置 |
DE102016226195B3 (de) * | 2016-12-23 | 2018-02-01 | Siemens Healthcare Gmbh | Berechnen eines vierdimensionalen DSA-Datensatzes mit variabler räumlicher Auflösung |
EP3559903B1 (en) | 2016-12-23 | 2023-03-22 | HeartFlow, Inc. | Machine learning of anatomical model parameters |
WO2018133118A1 (zh) | 2017-01-23 | 2018-07-26 | 上海联影医疗科技有限公司 | 血流状态分析系统及方法 |
US10991095B2 (en) | 2017-01-24 | 2021-04-27 | Spectrum Dynamics Medical Limited | Systems and methods for computation of functional index parameter values for blood vessels |
EP3585253A1 (en) | 2017-02-24 | 2020-01-01 | HeartFlow, Inc. | Systems and methods for identifying anatomically relevant blood flow characteristics in a patient |
CA3055527A1 (en) * | 2017-02-28 | 2018-09-07 | 4Dx Limited | Method of scanning and assessing lung and vascular health |
KR101944854B1 (ko) | 2017-03-02 | 2019-02-01 | 연세대학교 산학협력단 | 선택적 컴퓨터 단층촬영을 이용한 혈류 모델링 방법 및 그 장치 |
US11330994B2 (en) | 2017-03-08 | 2022-05-17 | Medtronic Vascular, Inc. | Reduced profile FFR catheter |
US10176575B2 (en) | 2017-03-24 | 2019-01-08 | Pie Medical Imaging B.V. | Method and system for assessing vessel obstruction based on machine learning |
US12089977B2 (en) | 2017-03-24 | 2024-09-17 | Pie Medical Imaging B.V. | Method and system for assessing vessel obstruction based on machine learning |
EP3378398A1 (en) * | 2017-03-24 | 2018-09-26 | Koninklijke Philips N.V. | Myocardial ct perfusion image synthesis |
EP3382583A1 (en) * | 2017-03-29 | 2018-10-03 | Koninklijke Philips N.V. | Hemodynamic simulation of movement inducted vascular deformations |
JP7426824B2 (ja) * | 2017-03-31 | 2024-02-02 | コーニンクレッカ フィリップス エヌ ヴェ | 非侵襲的イメージングベースのffrのインタラクションモニタリング |
JP7181216B2 (ja) * | 2017-03-31 | 2022-11-30 | コーニンクレッカ フィリップス エヌ ヴェ | 経カテーテル大動脈弁移植術(tavi)が冠血流量及び冠動脈圧に及ぼす影響のシミュレーション |
CN107977709B (zh) * | 2017-04-01 | 2021-03-16 | 北京科亚方舟医疗科技股份有限公司 | 预测血管树血管路径上的血流特征的深度学习模型和系统 |
EP3384850A1 (en) * | 2017-04-05 | 2018-10-10 | Koninklijke Philips N.V. | Method and apparatus for physiological functional parameter determination |
US11195278B2 (en) * | 2017-04-06 | 2021-12-07 | Koninklijke Philips N.V. | Fractional flow reserve simulation parameter customization, calibration and/or training |
WO2018185040A1 (en) * | 2017-04-06 | 2018-10-11 | Koninklijke Philips N.V. | Standardized coronary artery disease metric |
US11232853B2 (en) | 2017-04-21 | 2022-01-25 | Cubisme, Inc. | System and method for creating, querying, and displaying a MIBA master file |
US10646122B2 (en) | 2017-04-28 | 2020-05-12 | Medtronic Vascular, Inc. | FFR catheter with covered distal pressure sensor and method of manufacture |
US10349911B2 (en) | 2017-05-18 | 2019-07-16 | Dassault Systemes Simulia Corp. | System and method to produce corrected contrast levels in a CT scan of vasculature |
JP7152192B2 (ja) * | 2017-06-13 | 2022-10-12 | キヤノンメディカルシステムズ株式会社 | 画像処理装置、医用画像診断装置及び画像処理プログラム |
EP3270308B9 (en) | 2017-06-14 | 2022-05-18 | Siemens Healthcare GmbH | Method for providing a secondary parameter, decision support system, computer-readable medium and computer program product |
US10478074B1 (en) | 2018-06-22 | 2019-11-19 | Dextera AS | Method for determining patient suitability for a surgical procedure |
CN107411767B (zh) * | 2017-06-28 | 2020-10-16 | 西北工业大学 | 基于冠状动脉ct血管造影的狭窄病灶血流阻力计算方法 |
US11633118B2 (en) | 2017-06-30 | 2023-04-25 | Koninklijke Philips N.V. | Machine learning spectral FFR-CT |
CN107330888A (zh) * | 2017-07-11 | 2017-11-07 | 中国人民解放军第三军医大学 | 基于cta图像的动态心脏各腔室分割方法 |
CN109256205B (zh) * | 2017-07-12 | 2022-07-05 | 西门子保健有限责任公司 | 用于利用本地和远程分析学进行的临床决策支持的方法和系统 |
CN110998744B (zh) | 2017-08-01 | 2024-04-05 | 西门子医疗有限公司 | 针对弥漫性和串联性病变中冠状动脉疾病的非侵入性评估和治疗指导 |
EP3438989A1 (en) | 2017-08-04 | 2019-02-06 | Universität Zürich | Method and apparatus for predicting fluid flow through a subject conduit |
US11219741B2 (en) | 2017-08-09 | 2022-01-11 | Medtronic Vascular, Inc. | Collapsible catheter and method for calculating fractional flow reserve |
US11235124B2 (en) | 2017-08-09 | 2022-02-01 | Medtronic Vascular, Inc. | Collapsible catheter and method for calculating fractional flow reserve |
KR102032611B1 (ko) * | 2017-08-23 | 2019-10-15 | 주식회사 메디웨일 | Ct 영상을 이용하여 심혈관 병변을 판단하는 방법 및 애플리케이션 |
WO2019046309A1 (en) | 2017-08-29 | 2019-03-07 | Heartflow, Inc. | SYSTEMS AND METHODS FOR GENERATING ANONYMOUS INTERACTIVE DISPLAY IN AN EXTENDED TIMING PERIOD |
JP7232245B2 (ja) | 2017-08-30 | 2023-03-02 | コーニンクレッカ フィリップス エヌ ヴェ | モデル及びイメージングデータに基づく冠動脈健康状態予測 |
EP3457413B1 (en) * | 2017-09-15 | 2024-05-01 | Siemens Healthineers AG | Method for classifying a risk for thrombus formation in an organ, system for classifying a risk for thrombus formation in an organ, a computer program product and a computer readable medium |
US11723579B2 (en) | 2017-09-19 | 2023-08-15 | Neuroenhancement Lab, LLC | Method and apparatus for neuroenhancement |
KR101986424B1 (ko) * | 2017-09-21 | 2019-06-05 | 강원대학교산학협력단 | 환자별 혈관 정보 결정 방법 |
ES2951074T3 (es) * | 2017-09-23 | 2023-10-17 | Amid S R L | Método y dispositivo para sincronización eléctrica cardíaca |
CN111148484B (zh) | 2017-09-25 | 2022-12-30 | 波尔顿医疗公司 | 用于将假体植入物联接到开窗体的系统、装置和方法 |
US10335106B2 (en) * | 2017-09-29 | 2019-07-02 | Infinitt Healthcare Co., Ltd. | Computing system and method for identifying and visualizing cerebral thrombosis based on medical images |
EP3691531A4 (en) | 2017-10-06 | 2021-05-26 | Emory University | METHODS AND SYSTEMS FOR DETERMINING HEMODYNAMIC INFORMATION FOR ONE OR MORE ARTERIAL SEGMENTS |
US11562487B2 (en) * | 2017-10-18 | 2023-01-24 | Koninklijke Philips N.V. | Landmark visualization for medical image segmentation |
CN107789058A (zh) * | 2017-10-23 | 2018-03-13 | 南方医科大学南方医院 | 用于胃癌腔镜手术实时导航系统的基于条件随机场动静脉名称自动标识方法 |
CN107818220B (zh) * | 2017-10-31 | 2019-03-08 | 钦州学院 | 基于生态系统动力学综合模型对海湾环境容量的估算方法 |
EP3488774A1 (en) | 2017-11-23 | 2019-05-29 | Koninklijke Philips N.V. | Measurement guidance for coronary flow estimation from bernoulli´s principle |
CN108022237B (zh) * | 2017-11-30 | 2021-07-13 | 上海联影医疗科技股份有限公司 | 血管提取方法、系统及存储介质 |
CN108021770A (zh) * | 2017-12-04 | 2018-05-11 | 北京理工大学 | 基于ct扫描的叶片寿命评价方法 |
US11717686B2 (en) | 2017-12-04 | 2023-08-08 | Neuroenhancement Lab, LLC | Method and apparatus for neuroenhancement to facilitate learning and performance |
CN108038848B (zh) * | 2017-12-07 | 2020-08-11 | 上海交通大学 | 基于医学影像序列斑块稳定性指标的快速计算方法及系统 |
JP6530043B2 (ja) * | 2017-12-12 | 2019-06-12 | キヤノンメディカルシステムズ株式会社 | 医用画像処理装置、医用画像処理方法および記録媒体 |
US11871995B2 (en) | 2017-12-18 | 2024-01-16 | Hemolens Diagnostics Sp. Z O.O. | Patient-specific modeling of hemodynamic parameters in coronary arteries |
US10991465B2 (en) | 2017-12-20 | 2021-04-27 | Heartflow, Inc. | Systems and methods for performing computer-simulated evaluation of treatments on a target population |
WO2019132048A1 (ko) * | 2017-12-26 | 2019-07-04 | 부산대학교 산학협력단 | 안구 맥락막 혈류 시뮬레이션 방법 |
US11133109B2 (en) | 2017-12-29 | 2021-09-28 | Analytics For Life Inc. | Method and system to assess disease using phase space volumetric objects |
US11918333B2 (en) | 2017-12-29 | 2024-03-05 | Analytics For Life Inc. | Method and system to assess disease using phase space tomography and machine learning |
WO2019133997A1 (en) | 2017-12-31 | 2019-07-04 | Neuroenhancement Lab, LLC | System and method for neuroenhancement to enhance emotional response |
CN108078590B (zh) * | 2018-01-03 | 2021-02-09 | 声泰特(成都)科技有限公司 | 基于超声频谱多普勒的血流动力学可视化方法与系统 |
JP7160659B2 (ja) * | 2018-01-11 | 2022-10-25 | キヤノンメディカルシステムズ株式会社 | 医用情報処理装置、医用情報処理システム及び医用情報処理方法 |
US11523788B2 (en) | 2018-01-11 | 2022-12-13 | Canon Medical Systems Corporation | Medical information processing apparatus, medical information processing system, and medical information processing method |
US10580526B2 (en) * | 2018-01-12 | 2020-03-03 | Shenzhen Keya Medical Technology Corporation | System and method for calculating vessel flow parameters based on angiography |
US10874305B2 (en) | 2018-01-15 | 2020-12-29 | Microsoft Technology Licensing, Llc | Sensor device |
JP6483875B1 (ja) * | 2018-01-25 | 2019-03-13 | 日本メジフィジックス株式会社 | 心筋画像表示方法、心筋画像表示処理プログラム及び心筋画像処理装置 |
CN108186038B (zh) * | 2018-02-11 | 2020-11-17 | 杭州脉流科技有限公司 | 基于动脉造影影像计算冠脉血流储备分数的系统 |
JP6835014B2 (ja) * | 2018-03-02 | 2021-02-24 | 株式会社豊田中央研究所 | 身体内部情報推定方法、コンピュータプログラム、それを記憶した記憶媒体、および、身体内部情報推定装置 |
CN110226923B (zh) * | 2018-03-05 | 2021-12-14 | 苏州润迈德医疗科技有限公司 | 一种无需血管扩张剂测量血流储备分数的方法 |
CN108399647B (zh) * | 2018-03-05 | 2021-10-26 | 四川和生视界医药技术开发有限公司 | 视网膜血管边缘线的编辑方法以及编辑装置 |
KR102172195B1 (ko) | 2018-03-07 | 2020-10-30 | 고려대학교 산학협력단 | 척추관 협착증 진단 방법 및 장치 |
WO2019173830A1 (en) * | 2018-03-09 | 2019-09-12 | Emory University | Methods and systems for determining coronary hemodynamic characteristic(s) that is predictive of myocardial infarction |
US12094594B2 (en) | 2018-03-15 | 2024-09-17 | Koninklijke Philips N.V. | Method of estimation physiological parameters using medical image data |
CN108564568A (zh) * | 2018-03-23 | 2018-09-21 | 沈阳东软医疗系统有限公司 | 冠脉的显示方法、装置、设备及存储介质 |
CN108511075B (zh) * | 2018-03-29 | 2022-10-25 | 杭州脉流科技有限公司 | 一种非侵入式获取血流储备分数的方法和系统 |
WO2019195783A1 (en) | 2018-04-05 | 2019-10-10 | The Regents Of The University Of California | Mapping and quantifying shear stress and hemolysis in patients having lvads |
US10699407B2 (en) | 2018-04-11 | 2020-06-30 | Pie Medical Imaging B.V. | Method and system for assessing vessel obstruction based on machine learning |
CN108564574B (zh) * | 2018-04-11 | 2021-04-20 | 上海联影医疗科技股份有限公司 | 确定血流储备分数的方法、计算机设备及计算机可读存储介质 |
WO2019204368A1 (en) | 2018-04-19 | 2019-10-24 | Masimo Corporation | Mobile patient alarm display |
US11364361B2 (en) | 2018-04-20 | 2022-06-21 | Neuroenhancement Lab, LLC | System and method for inducing sleep by transplanting mental states |
CN108615259B (zh) * | 2018-04-27 | 2022-06-24 | 苏州数算软云科技有限公司 | 建立血液流动计算模型用以评价冠状动脉血流情况的方法 |
EP3564963A1 (en) * | 2018-05-02 | 2019-11-06 | Siemens Healthcare GmbH | System and methods for fast computation of computed tomography based fractional flow reserve |
US11389130B2 (en) | 2018-05-02 | 2022-07-19 | Siemens Healthcare Gmbh | System and methods for fast computation of computed tomography based fractional flow reserve |
WO2019234587A1 (en) | 2018-06-04 | 2019-12-12 | Analytics For Life | Method and system to assess pulmonary hypertension using phase space tomography and machine learning |
CN108992057B (zh) * | 2018-06-05 | 2021-08-10 | 杭州晟视科技有限公司 | 一种确定冠状动脉血流储备分数ffr的方法和装置 |
EP3806742B1 (en) | 2018-06-15 | 2024-04-17 | Pie Medical Imaging BV | Method and apparatus for quantitative hemodynamic flow analysis |
US11968414B1 (en) | 2018-06-18 | 2024-04-23 | Sintec Media Ltd. | Systems and methods for forecasting program viewership |
CA3104074A1 (en) | 2018-06-18 | 2019-12-26 | Analytics For Life Inc. | Methods and systems to quantify and remove asynchronous noise in biophysical signals |
AU2019289081B2 (en) * | 2018-06-19 | 2022-02-24 | Howmedica Osteonics Corp. | Mixed reality-aided education related to orthopedic surgical procedures |
CN109222980A (zh) * | 2018-06-19 | 2019-01-18 | 北京红云智胜科技有限公司 | 基于深度学习的测量冠状动脉造影图像血管直径的方法 |
CN109009061B (zh) * | 2018-06-20 | 2021-11-19 | 博动医学影像科技(上海)有限公司 | 基于血压修正获取血流特征值的计算方法及装置 |
CN109065170B (zh) * | 2018-06-20 | 2021-11-19 | 博动医学影像科技(上海)有限公司 | 获取血管压力差的方法及装置 |
CN109044324B (zh) * | 2018-06-20 | 2021-11-19 | 博动医学影像科技(上海)有限公司 | 基于斑块位置修正血流特征值的方法及装置 |
CN108784676B (zh) * | 2018-06-20 | 2021-11-09 | 博动医学影像科技(上海)有限公司 | 基于年龄信息获取压力差的方法及装置 |
US11395597B2 (en) * | 2018-06-26 | 2022-07-26 | General Electric Company | System and method for evaluating blood flow in a vessel |
EP3813654A4 (en) * | 2018-06-27 | 2022-04-06 | Opsens Inc. | ASSESSMENT OF HEMODYNAMIC FUNCTION USING A HYBRID PROCESS OF INVASIVE PRESSURE MEASUREMENT AND IMAGING |
KR102078622B1 (ko) | 2018-06-28 | 2020-04-07 | 연세대학교 산학협력단 | 협착 병변의 수학적 모델링을 이용한 심혈관 정보 결정 방법 |
KR102192164B1 (ko) * | 2018-08-08 | 2020-12-16 | 주식회사 딥바이오 | 생체 이미지 진단 시스템, 생체 이미지 진단 방법, 및 이를 수행하기 위한 단말 |
GB201813170D0 (en) * | 2018-08-13 | 2018-09-26 | Univ Sheffield | Volumetric blood flow |
US11185244B2 (en) | 2018-08-13 | 2021-11-30 | Medtronic Vascular, Inc. | FFR catheter with suspended pressure sensor |
US11210779B2 (en) * | 2018-09-07 | 2021-12-28 | Siemens Healthcare Gmbh | Detection and quantification for traumatic bleeding using dual energy computed tomography |
CN109359333B (zh) * | 2018-09-12 | 2021-09-24 | 大连理工大学 | 一种包含多尺度形貌特征的体模型构建方法 |
WO2020056418A1 (en) | 2018-09-14 | 2020-03-19 | Neuroenhancement Lab, LLC | System and method of improving sleep |
JP6675458B2 (ja) * | 2018-09-18 | 2020-04-01 | キヤノンメディカルシステムズ株式会社 | 血管解析装置、血管解析方法及び血管解析プログラム |
CN110367965B (zh) * | 2018-09-19 | 2022-03-08 | 苏州润迈德医疗科技有限公司 | 便捷测量冠状动脉血管评定参数的方法、装置及系统 |
CN110384494A (zh) * | 2018-09-19 | 2019-10-29 | 苏州润迈德医疗科技有限公司 | 测量微循环阻力指数的方法 |
PL427234A1 (pl) * | 2018-09-28 | 2020-04-06 | Fundacja Rozwoju Kardiochirurgii Im. Profesora Zbigniewa Religi | Sposób modelowania naczyń krwionośnych i przepływu krwi w tych modelach naczyń krwionośnych |
CN109118489B (zh) * | 2018-09-29 | 2020-12-11 | 数坤(北京)网络科技有限公司 | 一种冠状动脉位置检测方法及系统 |
KR102180135B1 (ko) * | 2018-10-12 | 2020-11-17 | 계명대학교 산학협력단 | 심혈관 질환 종류에 따른 심전도 패턴 시뮬레이션 생체신호 구현 시스템 및 방법 |
CN112867443B (zh) | 2018-10-16 | 2024-04-26 | 巴德阿克塞斯系统股份有限公司 | 用于建立电连接的安全装备连接系统及其方法 |
AU2019361965A1 (en) | 2018-10-17 | 2021-04-15 | Heartflow, Inc. | Systems and methods for assessing cardiovascular disease and treatment effectiveness from adipose tissue |
CN109512450A (zh) * | 2018-10-18 | 2019-03-26 | 深圳市孙逸仙心血管医院(深圳市心血管病研究所) | 测量血管血流速度的方法 |
WO2020083719A1 (en) * | 2018-10-26 | 2020-04-30 | Koninklijke Philips N.V. | Determination of a treatment response index |
CN109493348B (zh) * | 2018-10-26 | 2021-11-26 | 强联智创(北京)科技有限公司 | 一种颅内动脉瘤图像的形态学参数的测量方法及系统 |
CN109616200A (zh) * | 2018-11-06 | 2019-04-12 | 北京三普威盛科技有限公司 | 用于冠脉狭窄评估的方法,装置,存储介质及电子设备 |
CN112384137B (zh) * | 2018-11-13 | 2023-11-14 | 苏州润迈德医疗科技有限公司 | 基于造影图像获取静息态下血管评定参数的方法及装置 |
US11819279B2 (en) | 2018-11-30 | 2023-11-21 | Koninklijke Philips N.V. | Patient lumen system monitoring |
CN112022137B (zh) * | 2018-11-30 | 2021-07-13 | 博动医学影像科技(上海)有限公司 | 建立血管截面函数和血管应力的方法及装置 |
CN109615624B (zh) * | 2018-12-05 | 2022-03-22 | 北京工业大学 | 一种基于超声图像的血流速度波形自动化识别方法 |
JP7246907B2 (ja) * | 2018-12-12 | 2023-03-28 | 日本メジフィジックス株式会社 | 心筋核医学画像データのスコアリング |
CN109620187B (zh) * | 2018-12-14 | 2020-06-16 | 深圳先进技术研究院 | 一种中心动脉压推算方法及装置 |
EP3671649A1 (en) * | 2018-12-19 | 2020-06-24 | Siemens Healthcare GmbH | Method and computer system for generating a combined tissue-vessel representation |
CN113180734A (zh) * | 2018-12-27 | 2021-07-30 | 深圳迈瑞生物医疗电子股份有限公司 | 一种超声血流成像方法及系统 |
US20220084684A1 (en) * | 2019-01-06 | 2022-03-17 | Covanos, Inc. | Noninvasive Determination of Resting State Diastole Hemodynamic Information |
CA3125192A1 (en) * | 2019-01-06 | 2020-07-09 | Covanos, Inc. | Virtual stress test based on electronic patient data |
SG11202107506QA (en) | 2019-01-11 | 2021-08-30 | Lifeflow Sp Z O O | Patient-specific modeling of hemodynamic parameters in coronary arteries |
WO2020154398A1 (en) * | 2019-01-22 | 2020-07-30 | Arizona Board Of Regents On Behalf Of The University Of Arizona | Noninvasive real-time patient-specific assessment of stroke severity |
US10813612B2 (en) | 2019-01-25 | 2020-10-27 | Cleerly, Inc. | Systems and method of characterizing high risk plaques |
CN109770930B (zh) * | 2019-01-29 | 2021-03-09 | 浙江大学 | 一种冠状动脉微循环阻力的确定方法和装置 |
US11950877B2 (en) | 2019-02-05 | 2024-04-09 | University Of Virginia Patent Foundation | System and method for fully automatic LV segmentation of myocardial first-pass perfusion images |
WO2020160771A1 (en) | 2019-02-06 | 2020-08-13 | Universität Zürich | System and method for determining fluid flow through a subject conduit |
EP3923787A4 (en) | 2019-02-11 | 2022-11-02 | University Of Louisville Research Foundation, Inc. | SYSTEM AND METHOD OF DETERMINING A BLOOD FLOW PROPERTY |
EP3930784A4 (en) * | 2019-02-28 | 2022-04-27 | Medstar Health Inc. | MODELING FLOW THROUGH A LEFT VENTRICULAR ASSISTANT DEVICE (LVAD) |
CN109993786B (zh) * | 2019-03-08 | 2021-05-18 | 中国石油大学(北京) | 迂曲度获取方法、装置、设备以及存储介质 |
WO2020186015A1 (en) * | 2019-03-12 | 2020-09-17 | Intuitive Surgical Operations, Inc. | Systems and methods for connecting segmented structures |
US11439436B2 (en) | 2019-03-18 | 2022-09-13 | Synthes Gmbh | Orthopedic fixation strut swapping |
CN109805949B (zh) | 2019-03-19 | 2020-05-22 | 苏州润迈德医疗科技有限公司 | 基于压力传感器和造影图像计算血流储备分数的方法 |
JP7265392B2 (ja) * | 2019-03-25 | 2023-04-26 | ソニー・オリンパスメディカルソリューションズ株式会社 | 医療用画像処理装置、医療用観察システム、画像処理方法およびプログラム |
US11754824B2 (en) * | 2019-03-26 | 2023-09-12 | Active Medical, BV | Method and apparatus for diagnostic analysis of the function and morphology of microcirculation alterations |
US11304757B2 (en) | 2019-03-28 | 2022-04-19 | Synthes Gmbh | Orthopedic fixation control and visualization |
JP7532402B2 (ja) | 2019-04-01 | 2024-08-13 | キャスワークス リミテッド | 血管造影画像選択のための方法および装置 |
US10861157B2 (en) * | 2019-04-04 | 2020-12-08 | Medtronic Vascular, Inc. | System and methods for determining modified fractional flow reserve values |
CN109907732B (zh) * | 2019-04-09 | 2022-12-02 | 广州新脉科技有限公司 | 一种颅内动脉瘤破裂风险的评估方法及系统 |
KR102240501B1 (ko) * | 2019-04-18 | 2021-04-15 | 중앙대학교 산학협력단 | 요로 조영술 영상 데이터에 기반한 방광 내압 진단 방법 |
JP6751178B2 (ja) * | 2019-05-14 | 2020-09-02 | キヤノンメディカルシステムズ株式会社 | 医用画像処理装置、医用画像処理方法および記録媒体 |
JP2022533345A (ja) * | 2019-05-17 | 2022-07-22 | ハートフロー, インコーポレイテッド | 応答曲面および減次モデル化を使用した血流の推定のためのシステムおよび方法 |
CN110223760B (zh) * | 2019-05-23 | 2022-01-18 | 苏州阿基米德网络科技有限公司 | 一种医疗影像信息采集与融合方法及系统 |
US10709347B1 (en) | 2019-06-10 | 2020-07-14 | Vektor Medical, Inc. | Heart graphic display system |
EP3751580B1 (en) * | 2019-06-11 | 2024-04-03 | Siemens Healthineers AG | Hemodynamic analysis of vessels using recurrent neural network |
CN110264514B (zh) * | 2019-06-27 | 2021-03-30 | 杭州智珺智能科技有限公司 | 一种基于随机寻优策略的人体胸围和腰围测量方法 |
US11229367B2 (en) | 2019-07-18 | 2022-01-25 | Ischemaview, Inc. | Systems and methods for analytical comparison and monitoring of aneurysms |
US11328413B2 (en) | 2019-07-18 | 2022-05-10 | Ischemaview, Inc. | Systems and methods for analytical detection of aneurysms |
CN110522465B (zh) | 2019-07-22 | 2024-09-06 | 通用电气精准医疗有限责任公司 | 基于图像数据估计血液动力学参数的方法和系统 |
CN113439287A (zh) | 2019-08-05 | 2021-09-24 | 易鲁希德生物成像公司 | 形态学和血管周疾病标志物的联合评估 |
CN110428417A (zh) * | 2019-08-13 | 2019-11-08 | 无锡祥生医疗科技股份有限公司 | 颈动脉斑块的性质判别方法、存储介质及超声装置 |
CN110555261B (zh) * | 2019-08-29 | 2021-06-18 | 清华大学 | 心脏运动的数字三生仿真方法及装置 |
DE102019214212B3 (de) * | 2019-09-18 | 2021-03-11 | Siemens Healthcare Gmbh | Verfahren zur Unterstützung eines Auswerters bei der Auswertung eines Computertomographiedatensatzes, Recheneinrichtung, Computerprogramm und elektronisch lesbarer Datenträger |
US11759166B2 (en) | 2019-09-20 | 2023-09-19 | Bard Access Systems, Inc. | Automatic vessel detection tools and methods |
WO2021059165A1 (en) | 2019-09-23 | 2021-04-01 | Cathworks Ltd. | Methods, apparatus, and system for synchronization between a three-dimensional vascular model and an imaging device |
CA3152436A1 (en) * | 2019-09-27 | 2021-04-01 | Vitaa Medical Solutions Inc. | Method and system for determining regional rupture potential of blood vessel |
CN110706770B (zh) * | 2019-09-30 | 2020-08-04 | 上海杏脉信息科技有限公司 | 心脏数据处理设备及处理方法、计算机可读存储介质 |
US20210106239A1 (en) * | 2019-10-10 | 2021-04-15 | Medstar Health, Inc. | Noninvasive assessment of microvascular dysfunction |
KR102130254B1 (ko) * | 2019-10-15 | 2020-07-03 | 주식회사 실리콘사피엔스 | 대상자 고유의 혈관에 대한 혈류 시뮬레이션 방법 및 장치 |
EP4055580A4 (en) | 2019-11-07 | 2024-02-21 | Level Ex Inc. | METHOD AND SYSTEMS FOR IMAGE REPRODUCTION |
JP2023502429A (ja) | 2019-11-22 | 2023-01-24 | ザ・リージェンツ・オブ・ザ・ユニバーシティ・オブ・ミシガン | 機械学習を使用する冠状動脈疾患の解剖学的および機能的評価 |
EP3828817B1 (en) * | 2019-11-28 | 2023-08-23 | Siemens Healthcare GmbH | Computer-implemented method for evaluating a ct data set regarding perivascular tissue, evaluation device, computer program and electronically readable storage medium |
US20220110530A2 (en) * | 2019-12-09 | 2022-04-14 | Nordsletten David | Method and System for Estimating Pressure Difference in Turbulent Flow |
CN111067494B (zh) * | 2019-12-27 | 2022-04-26 | 西北工业大学 | 基于血流储备分数和血流阻力模型的微循环阻力快速计算方法 |
CN111067495A (zh) * | 2019-12-27 | 2020-04-28 | 西北工业大学 | 基于血流储备分数和造影图像的微循环阻力计算方法 |
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 |
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 |
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 |
CN111227931B (zh) * | 2020-01-08 | 2022-11-11 | 西安马克医疗科技有限公司 | 一种针对主动脉瓣疾病的3d模型构建方法及制备方法 |
CN111227930B (zh) * | 2020-01-08 | 2022-11-11 | 西安马克医疗科技有限公司 | 一种针对二尖瓣反流及钙化狭窄的3d模型构建及制备方法 |
DE102020200750A1 (de) * | 2020-01-22 | 2021-07-22 | Siemens Healthcare Gmbh | Bereitstellen eines Blutflussparametersatzes einer Gefäßmalformation |
WO2021154159A1 (en) * | 2020-01-31 | 2021-08-05 | See-Mode Technologies Pte Ltd | Methods and systems for risk assessment of ischemic cerebrovascular events |
RU2727313C1 (ru) * | 2020-02-11 | 2020-07-21 | Федеральное государственное бюджетное учреждение "Национальный медицинский исследовательский центр акушерства, гинекологии и перинатологии имени академика В.И. Кулакова" Министерства здравоохранения Российской | Метод функциональной магнитно-резонансной томографии для определения перфузионного кровотока в области рубца после кесарева сечения |
USD938963S1 (en) * | 2020-02-21 | 2021-12-21 | Universität Zürich | Display screen or portion thereof with graphical user interface for visual clot display |
CN111243413B (zh) * | 2020-03-06 | 2021-07-02 | 吉林大学 | 一种颜面部解剖教学的建模方法及教学系统 |
KR102190431B1 (ko) * | 2020-03-18 | 2020-12-11 | 연세대학교 산학협력단 | 혈관 질환을 판단하는 방법 및 그를 위한 장치 |
US11974833B2 (en) | 2020-03-20 | 2024-05-07 | Masimo Corporation | Wearable device for noninvasive body temperature measurement |
US11587679B2 (en) * | 2020-03-26 | 2023-02-21 | International Business Machines Corporation | Generating computer models from implicitly relevant feature sets |
US11334997B2 (en) | 2020-04-03 | 2022-05-17 | Synthes Gmbh | Hinge detection for orthopedic fixation |
CN111508077B (zh) * | 2020-04-29 | 2021-01-15 | 中国人民解放军总医院 | 双三角模型智能评估心脏功能的方法、装置、设备及介质 |
DE102020112649A1 (de) * | 2020-05-11 | 2021-11-11 | Volume Graphics Gmbh | Computerimplementiertes Verfahren zur Messung eines Objekts |
CN111419204A (zh) * | 2020-05-12 | 2020-07-17 | 中国人民解放军陆军第八十二集团军医院 | 一种改良的压力容积导管实验方法 |
CN111755104B (zh) * | 2020-05-18 | 2022-11-01 | 清华大学 | 一种心脏状态监测方法、系统、电子设备及存储介质 |
CN111631700B (zh) * | 2020-05-25 | 2021-08-10 | 华南理工大学 | 一种根据最佳血压目标值调节血压的系统 |
CN111739026B (zh) * | 2020-05-28 | 2021-02-09 | 数坤(北京)网络科技有限公司 | 一种基于血管中心线的黏连割除方法及装置 |
US12093396B2 (en) | 2020-07-16 | 2024-09-17 | Bank Of America Corporation | System and method for associating a common vulnerability and exposures (CVE) with a computing device and applying a security patch |
WO2022020351A1 (en) | 2020-07-21 | 2022-01-27 | Bard Access Systems, Inc. | System, method and apparatus for magnetic tracking of ultrasound probe and generation of 3d visualization thereof |
CN111862046B (zh) * | 2020-07-21 | 2023-11-17 | 江苏省人民医院(南京医科大学第一附属医院) | 一种心脏冠脉剪影中导管位置判别系统和方法 |
USD974193S1 (en) | 2020-07-27 | 2023-01-03 | Masimo Corporation | Wearable temperature measurement device |
USD980091S1 (en) | 2020-07-27 | 2023-03-07 | Masimo Corporation | Wearable temperature measurement device |
US20220044408A1 (en) * | 2020-08-07 | 2022-02-10 | Canon Medical Systems Corporation | Medical image processing apparatus, system, and method |
JP7041446B2 (ja) * | 2020-08-12 | 2022-03-24 | キヤノンメディカルシステムズ株式会社 | 医用画像処理方法、医用画像処理装置および医用画像処理システム |
JP7443197B2 (ja) | 2020-08-25 | 2024-03-05 | キヤノンメディカルシステムズ株式会社 | 医用画像処理装置、システム及び方法 |
US11844567B2 (en) | 2020-08-28 | 2023-12-19 | Biosense Webster (Israel) Ltd. | Fitting and directing an expandable catheter based on automatic pulmonary veins anatomical characterization |
US11538153B2 (en) * | 2020-08-31 | 2022-12-27 | Huidan Yu | Non-invasive functional assessment technique for determining hemodynamic severity of an arterial stenosis |
US11890139B2 (en) | 2020-09-03 | 2024-02-06 | Bard Access Systems, Inc. | Portable ultrasound systems |
EP4203800A1 (en) | 2020-09-08 | 2023-07-05 | Bard Access Systems, Inc. | Dynamically adjusting ultrasound-imaging systems and methods thereof |
US20240013886A1 (en) * | 2020-09-09 | 2024-01-11 | Hamed Yousefiroshan | Method and system of simulations for personalized brain treatments |
CN112075934B (zh) * | 2020-09-09 | 2021-07-23 | 清华大学 | 用于识别颈动脉斑块的磁共振单序列多参数定量成像系统 |
JP7502125B2 (ja) | 2020-09-11 | 2024-06-18 | キヤノンメディカルシステムズ株式会社 | 医用画像処理装置、医用画像処理システム、及び、医用画像処理方法 |
WO2022067101A1 (en) | 2020-09-25 | 2022-03-31 | Bard Access Systems, Inc. | Minimum catheter length tool |
CN112245006B (zh) * | 2020-11-13 | 2022-03-04 | 范宁 | 一种基于三角模型的肝脏肿瘤手术方法及系统 |
CN112426143B (zh) * | 2020-11-16 | 2021-07-23 | 清华大学 | 一种肾动脉及腹主动脉一站式无创磁共振血管壁成像系统 |
TWI790508B (zh) * | 2020-11-30 | 2023-01-21 | 宏碁股份有限公司 | 血管偵測裝置及基於影像的血管偵測方法 |
CN114569155A (zh) | 2020-12-01 | 2022-06-03 | 巴德阿克塞斯系统股份有限公司 | 超声成像系统和用于通过其获得超声图像的方法 |
JP2022090798A (ja) | 2020-12-08 | 2022-06-20 | キヤノンメディカルシステムズ株式会社 | 解析装置、解析システム及び解析方法 |
CN113940651B (zh) * | 2020-12-28 | 2022-06-21 | 深圳北芯生命科技股份有限公司 | 基于血管充血状态的诊断模式确定方法及系统 |
TWI768624B (zh) * | 2020-12-28 | 2022-06-21 | 財團法人國家衛生研究院 | 預測冠狀動脈的阻塞的電子裝置和方法 |
CN112712507B (zh) * | 2020-12-31 | 2023-12-19 | 杭州依图医疗技术有限公司 | 一种确定冠状动脉的钙化区域的方法及装置 |
US12086981B2 (en) * | 2021-01-04 | 2024-09-10 | Shenzhen Keya Medical Technology Corporation | Methods and systems for computer-assisted medical image analysis using sequential model |
CN112842287B (zh) * | 2021-01-05 | 2022-05-17 | 清华大学 | 测量血管硬化参数装置和方法 |
CN112950537A (zh) * | 2021-01-26 | 2021-06-11 | 上海友脉科技有限责任公司 | 一种冠脉血流储备分数获取系统、方法及介质 |
CN112932434B (zh) * | 2021-01-29 | 2023-12-05 | 苏州润迈德医疗科技有限公司 | 获取流量损失模型、损失比、供血能力的方法和系统 |
US11693078B2 (en) * | 2021-02-08 | 2023-07-04 | Purdue Research Foundation | Hybrid spatial and circuit optimization for targeted performance of MRI coils |
US20230165474A1 (en) * | 2021-02-26 | 2023-06-01 | Massachusetts Institute Of Technology | Methods to Simulate Metrics of Vascular Function From Clinical Data |
KR102631241B1 (ko) * | 2021-03-04 | 2024-01-31 | 에이아이메딕(주) | 기계 학습을 이용하여 2차원 x-선 혈관 조영술 이미지로부터 3차원 혈관 모델을 생성하는 방법 |
CN113100719A (zh) * | 2021-04-08 | 2021-07-13 | 中国人民解放军陆军特色医学中心 | 一种基于机器学习的肾透析患者心血管事件预测系统 |
EP4075446A1 (en) | 2021-04-18 | 2022-10-19 | Kardiolytics Inc. | Method and system for modelling blood vessels and blood flow under high-intensity physical exercise conditions |
WO2022228976A1 (en) * | 2021-04-26 | 2022-11-03 | Koninklijke Philips N.V. | Ultrasound-guided prediction of local bolus velocities |
EP4084011A1 (en) | 2021-04-30 | 2022-11-02 | Siemens Healthcare GmbH | Computer-implemented method and evaluation system for evaluating at least one image data set of an imaging region of a patient, computer program and electronically readable storage medium |
KR102564404B1 (ko) * | 2021-05-13 | 2023-08-07 | 연세대학교 산학협력단 | 합성곱 신경망을 이용한 투석 접근로의 협착 예측 방법 및 장치 |
US20220378506A1 (en) * | 2021-05-27 | 2022-12-01 | Board Of Regents Of The University Of Nebraska | Patient-specific computational simulation of coronary artery bypass grafting |
US11948677B2 (en) | 2021-06-08 | 2024-04-02 | GE Precision Healthcare LLC | Hybrid unsupervised and supervised image segmentation model |
CN113409343B (zh) * | 2021-06-16 | 2022-03-15 | 浙江大学 | 一种实时固体燃料料层厚度的测量方法 |
CN113298804B (zh) * | 2021-06-16 | 2022-03-15 | 浙江大学 | 一种基于红外图像的实时固体燃料料层厚度的测量方法 |
CN113288087B (zh) * | 2021-06-25 | 2022-08-16 | 成都泰盟软件有限公司 | 一种基于生理信号的虚实联动实验系统 |
EP4113434A1 (en) | 2021-06-28 | 2023-01-04 | Koninklijke Philips N.V. | Generation of plaque information |
CN113545846B (zh) * | 2021-07-22 | 2023-04-25 | 强联智创(北京)科技有限公司 | 一种血流动力学仿真模拟方法、装置以及设备 |
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 |
JP2024531157A (ja) * | 2021-08-09 | 2024-08-29 | ベクトル メディカル インコーポレイテッド | 組織状態グラフィックディスプレイシステム |
CN113838572B (zh) * | 2021-09-10 | 2024-03-01 | 深圳睿心智能医疗科技有限公司 | 血管生理参数获取方法、装置、电子设备及存储介质 |
USD1000975S1 (en) | 2021-09-22 | 2023-10-10 | Masimo Corporation | Wearable temperature measurement device |
KR102451624B1 (ko) * | 2021-10-05 | 2022-10-11 | 연세대학교 산학협력단 | 수면 무호흡증 인자를 고려한 심혈관 질환 위험도 분석 시스템 및 그 방법 |
WO2023065048A1 (en) * | 2021-10-22 | 2023-04-27 | Mcmaster University | A doppler-based non-invasive computational diagnostic method for personalized cardiology |
CN114224481A (zh) * | 2021-10-28 | 2022-03-25 | 彭小平 | 用于心脏再同步治疗中的手术辅助系统及手术机器人系统 |
US11980492B2 (en) * | 2021-11-05 | 2024-05-14 | GE Precision Healthcare LLC | System and method for deep-learning based estimation of coronary artery pressure drop |
CN113925470A (zh) * | 2021-11-09 | 2022-01-14 | 刘明明 | 一种小肠微循环功能测评方法 |
US20230165544A1 (en) | 2021-11-29 | 2023-06-01 | Heartflow, Inc. | Systems and methods for processing electronic images using user inputs |
WO2023097314A1 (en) | 2021-11-29 | 2023-06-01 | Heartflow, Inc. | Systems and methods for processing electronic images for physiology-compensated reconstruction |
WO2023161671A1 (en) * | 2022-02-22 | 2023-08-31 | Hemolens Diagnostics Sp. Z O.O. | A method for assessment of a hemodynamic response to an adenosine receptor agonist stimulation, system for assessment of it and computer readable medium |
US20230289963A1 (en) | 2022-03-10 | 2023-09-14 | Cleerly, Inc. | Systems, devices, and methods for non-invasive image-based plaque analysis and risk determination |
WO2023175611A1 (en) * | 2022-03-15 | 2023-09-21 | Livemetric (Medical) S.A | Devices and methods for evaluating the response to and/or the effectiveness of a cardiovascular medication administration program |
JP2023135853A (ja) * | 2022-03-16 | 2023-09-29 | キヤノン株式会社 | 情報処理装置、情報処理方法、およびプログラム |
US20230394654A1 (en) | 2022-06-07 | 2023-12-07 | Pie Medical Imaging B.V. | Method and system for assessing functionally significant vessel obstruction based on machine learning |
WO2024078882A1 (en) * | 2022-10-11 | 2024-04-18 | Koninklijke Philips N.V. | Providing biomechanical plaque data for an interventional device simulation system |
EP4353176A1 (en) * | 2022-10-11 | 2024-04-17 | Koninklijke Philips N.V. | Providing biomechanical plaque data for an interventional device simulation system |
WO2024105483A1 (en) * | 2022-11-16 | 2024-05-23 | Vitaa Medical Solutions Inc. | Method and system for generating a 3d parametric mesh of an anatomical structure |
CN115687309B (zh) * | 2022-12-30 | 2023-04-18 | 浙江大学 | 非侵入式卷烟出入库全流程数据血缘构建方法、装置 |
US11773093B1 (en) | 2023-01-19 | 2023-10-03 | King Faisal University | N-(pyrimido[2,3-b]indol-7-yl)acetamide compounds as antibacterial agents |
CN115910379B (zh) * | 2023-02-03 | 2023-06-02 | 慧影医疗科技(北京)股份有限公司 | 一种肾结石术后疗效评估方法、系统、设备及存储介质 |
CN115880323B (zh) * | 2023-02-17 | 2023-06-02 | 长沙中联重科环境产业有限公司 | 一种热成像定位的区域密度人口的绿化环保方法及设备 |
CN116664564B (zh) * | 2023-07-28 | 2023-10-31 | 杭州脉流科技有限公司 | 基于颅内医学影像获取血流量的方法和装置 |
CN116649925B (zh) * | 2023-07-28 | 2023-10-31 | 杭州脉流科技有限公司 | 颅内动脉狭窄功能学评估的方法和装置 |
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 |
Family Cites Families (341)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPS5944607B2 (ja) | 1976-06-24 | 1984-10-31 | 三菱電機株式会社 | 薄膜光スイツチアレイ |
IL77677A (en) * | 1986-01-22 | 1990-04-29 | Daniel Goor | Method and apparatus for detecting mycardial ischemia |
US4945478A (en) | 1987-11-06 | 1990-07-31 | Center For Innovative Technology | Noninvasive medical imaging system and method for the identification and 3-D display of atherosclerosis and the like |
US5205289A (en) | 1988-12-23 | 1993-04-27 | Medical Instrumentation And Diagnostics Corporation | Three-dimensional computer graphics simulation and computerized numerical optimization for dose delivery and treatment planning |
US5151856A (en) | 1989-08-30 | 1992-09-29 | Technion R & D Found. Ltd. | Method of displaying coronary function |
US5119816A (en) | 1990-09-07 | 1992-06-09 | Sam Technology, Inc. | EEG spatial placement and enhancement method |
EP0487110B1 (en) | 1990-11-22 | 1999-10-06 | Kabushiki Kaisha Toshiba | Computer-aided diagnosis system for medical use |
DE69228741T2 (de) | 1991-10-02 | 1999-09-02 | Fujitsu Ltd. | Verfahren zur bestimmung der lokalen orientierung eines kontursegmentes und zur bestimmung von linien und ecken |
US5343538A (en) | 1992-10-02 | 1994-08-30 | International Remote Imaging Systems, Inc. | Method and an apparatus for identifying an object using quantile partitions |
US5687737A (en) | 1992-10-09 | 1997-11-18 | Washington University | Computerized three-dimensional cardiac mapping with interactive visual displays |
US5506785A (en) * | 1993-02-11 | 1996-04-09 | Dover Systems Corporation | Method and apparatus for generating hollow and non-hollow solid representations of volumetric data |
JPH07508449A (ja) | 1993-04-20 | 1995-09-21 | ゼネラル・エレクトリック・カンパニイ | 外科手術の際に身体構造をよく見える様にするコンピュータ・グラフィック及びライブ・ビデオ・システム |
US5881124A (en) | 1994-03-31 | 1999-03-09 | Arch Development Corporation | Automated method and system for the detection of lesions in medical computed tomographic scans |
US6694163B1 (en) | 1994-10-27 | 2004-02-17 | Wake Forest University Health Sciences | Method and system for producing interactive, three-dimensional renderings of selected body organs having hollow lumens to enable simulated movement through the lumen |
US5920319A (en) | 1994-10-27 | 1999-07-06 | Wake Forest University | Automatic analysis in virtual endoscopy |
US5782762A (en) | 1994-10-27 | 1998-07-21 | Wake Forest University | Method and system for producing interactive, three-dimensional renderings of selected body organs having hollow lumens to enable simulated movement through the lumen |
EP0829068A1 (en) | 1995-05-31 | 1998-03-18 | Molecular Biosystems, Inc. | Automatic border delineation and dimensioning of regions using contrast enhanced imaging |
US6151404A (en) | 1995-06-01 | 2000-11-21 | Medical Media Systems | Anatomical visualization system |
AU6273096A (en) | 1995-06-09 | 1997-01-09 | Interact Medical Technologies Corporation | Anatomical visualization system |
US5582173A (en) | 1995-09-18 | 1996-12-10 | Siemens Medical Systems, Inc. | System and method for 3-D medical imaging using 2-D scan data |
US5687208A (en) | 1995-10-06 | 1997-11-11 | Bhb General Partnership | Method of and apparatus for predicting computed tomography contrast enhancement with feedback |
US5970182A (en) | 1995-11-15 | 1999-10-19 | Focus Imaging, S. A. | Registration process for myocardial images |
US5682886A (en) | 1995-12-26 | 1997-11-04 | Musculographics Inc | Computer-assisted surgical system |
US5825908A (en) | 1995-12-29 | 1998-10-20 | Medical Media Systems | Anatomical visualization and measurement system |
US5729670A (en) | 1996-01-16 | 1998-03-17 | Ford Global Technologies, Inc. | Method for producing a mesh of quadrilateral/hexahedral elements for a body to be analyzed using finite element analysis |
US6047080A (en) | 1996-06-19 | 2000-04-04 | Arch Development Corporation | Method and apparatus for three-dimensional reconstruction of coronary vessels from angiographic images |
US6026173A (en) | 1997-07-05 | 2000-02-15 | Svenson; Robert H. | Electromagnetic imaging and therapeutic (EMIT) systems |
IL120881A (en) | 1996-07-30 | 2002-09-12 | It M R Medic L Cm 1997 Ltd | Method and device for continuous and non-invasive monitoring of peripheral arterial tone |
US5947899A (en) | 1996-08-23 | 1999-09-07 | Physiome Sciences | Computational system and method for modeling the heart |
US6331116B1 (en) | 1996-09-16 | 2001-12-18 | The Research Foundation Of State University Of New York | System and method for performing a three-dimensional virtual segmentation and examination |
US5971767A (en) | 1996-09-16 | 1999-10-26 | The Research Foundation Of State University Of New York | System and method for performing a three-dimensional virtual examination |
US6343936B1 (en) | 1996-09-16 | 2002-02-05 | The Research Foundation Of State University Of New York | System and method for performing a three-dimensional virtual examination, navigation and visualization |
US7194117B2 (en) | 1999-06-29 | 2007-03-20 | The Research Foundation Of State University Of New York | System and method for performing a three-dimensional virtual examination of objects, such as internal organs |
US5891030A (en) | 1997-01-24 | 1999-04-06 | Mayo Foundation For Medical Education And Research | System for two dimensional and three dimensional imaging of tubular structures in the human body |
US8682045B2 (en) | 1997-02-25 | 2014-03-25 | Wake Forest University Health Sciences | Virtual endoscopy with improved image segmentation and lesion detection |
US6035056A (en) | 1997-03-27 | 2000-03-07 | R2 Technology, Inc. | Method and apparatus for automatic muscle segmentation in digital mammograms |
IT1297396B1 (it) | 1997-12-30 | 1999-09-01 | Francesco Buzzigoli | Metodo e dispositivo per la ricostruzione di immagini tridimensionali di vasi sanguigni, in particolare di arterie coronarie, o di altre |
US6176838B1 (en) | 1998-01-29 | 2001-01-23 | Anzai Medical Kabushiki Kaisha | Method and apparatus for measuring hepatic blood flow amount |
AU762822B2 (en) | 1998-02-03 | 2003-07-03 | Board Of Trustees Of The University Of Illinois, The | Cerebral circulation model and applications |
US7191110B1 (en) | 1998-02-03 | 2007-03-13 | University Of Illinois, Board Of Trustees | Patient specific circulation model |
JP2002504385A (ja) | 1998-02-23 | 2002-02-12 | アルゴテック システムズ リミテッド | 自動経路立案方法 |
US6117087A (en) | 1998-04-01 | 2000-09-12 | Massachusetts Institute Of Technology | Method and apparatus for noninvasive assessment of a subject's cardiovascular system |
IL139436A0 (en) | 1998-05-04 | 2001-11-25 | Florence Medical Ltd | Apparatus and method for identification and characterization of lesions and therapeutic success by flow disturbances analysis |
US6236878B1 (en) | 1998-05-22 | 2001-05-22 | Charles A. Taylor | Method for predictive modeling for planning medical interventions and simulating physiological conditions |
US6045512A (en) | 1998-06-09 | 2000-04-04 | Baxter International Inc. | System and method for continuous estimation and display of cardiac ejection fraction and end diastolic volume |
US6119574A (en) | 1998-07-02 | 2000-09-19 | Battelle Memorial Institute | Blast effects suppression system |
AU5097599A (en) | 1998-07-13 | 2000-02-01 | Chandu Corporation | Configurable bio-transport system simulator |
US6950689B1 (en) | 1998-08-03 | 2005-09-27 | Boston Scientific Scimed, Inc. | Dynamically alterable three-dimensional graphical model of a body region |
US6292761B1 (en) | 1998-09-02 | 2001-09-18 | William Franklin Hancock, Jr. | Methods and apparatus for interpreting measured laboratory data |
US6379041B1 (en) | 1998-11-02 | 2002-04-30 | Siemens Aktiengesellschaft | X-ray apparatus for producing a 3D image from a set of 2D projections |
US6352509B1 (en) | 1998-11-16 | 2002-03-05 | Kabushiki Kaisha Toshiba | Three-dimensional ultrasonic diagnosis apparatus |
US6466205B2 (en) | 1998-11-19 | 2002-10-15 | Push Entertainment, Inc. | System and method for creating 3D models from 2D sequential image data |
AU759501B2 (en) | 1998-11-25 | 2003-04-17 | Wake Forest University | Virtual endoscopy with improved image segmentation and lesion detection |
US6278460B1 (en) | 1998-12-15 | 2001-08-21 | Point Cloud, Inc. | Creating a three-dimensional model from two-dimensional images |
US6478735B1 (en) | 1999-01-28 | 2002-11-12 | The United States Of America As Represented By The Administrator Of The National Aeronautics And Space Administration | Physiological feedback method and system |
EP1251769A1 (en) | 1999-03-09 | 2002-10-30 | Florence Medical Ltd. | A method and system for pressure based measurements of cfr and additional clinical hemodynamic parameters |
US6471656B1 (en) | 1999-06-25 | 2002-10-29 | Florence Medical Ltd | Method and system for pressure based measurements of CFR and additional clinical hemodynamic parameters |
US6793496B2 (en) | 1999-04-15 | 2004-09-21 | General Electric Company | Mathematical model and a method and apparatus for utilizing the model |
DE19922279A1 (de) | 1999-05-11 | 2000-11-16 | Friedrich Schiller Uni Jena Bu | Verfahren zur Generierung patientenspezifischer Implantate |
FR2793926B1 (fr) | 1999-05-20 | 2001-07-20 | Univ Rennes | Procede de construction en trois dimensions d'un organe virtuel representatif d'un organe reel |
US6605053B1 (en) | 1999-09-10 | 2003-08-12 | Percardia, Inc. | Conduit designs and related methods for optimal flow control |
AU4021601A (en) | 1999-09-20 | 2001-04-24 | Board Of Trustees Of The University Of Illinois, The | Circulation model and applications |
US6711433B1 (en) | 1999-09-30 | 2004-03-23 | Siemens Corporate Research, Inc. | Method for providing a virtual contrast agent for augmented angioscopy |
US6336903B1 (en) | 1999-11-16 | 2002-01-08 | Cardiac Intelligence Corp. | Automated collection and analysis patient care system and method for diagnosing and monitoring congestive heart failure and outcomes thereof |
US7333648B2 (en) | 1999-11-19 | 2008-02-19 | General Electric Company | Feature quantification from multidimensional image data |
DE19962666A1 (de) | 1999-12-23 | 2001-07-05 | Siemens Ag | Verfahren zum Rekonstruieren von 3D-Bilddaten bezüglich eines interessierenden Volumens eines Untersuchungsobjekts |
DE10000185A1 (de) | 2000-01-05 | 2001-07-12 | Philips Corp Intellectual Pty | Verfahren zur Darstellung des zeitlichen Verlaufs des Blutflusses in einem Untersuchungsobjekt |
US6672172B2 (en) * | 2000-01-31 | 2004-01-06 | Radi Medical Systems Ab | Triggered flow measurement |
US6606091B2 (en) | 2000-02-07 | 2003-08-12 | Siemens Corporate Research, Inc. | System for interactive 3D object extraction from slice-based medical images |
US6900721B1 (en) | 2000-02-11 | 2005-05-31 | Bio Medic Data Systems, Inc. | Implantable inductively programmed temperature sensing transponder |
ATE396648T1 (de) | 2000-05-09 | 2008-06-15 | Paieon Inc | System und verfahren für drei-dimentionale rekonstruktion von einer arterie |
DE10026666A1 (de) * | 2000-05-29 | 2001-12-20 | Gunther Burgard | Verwendung von Hyaluronidase zur Prophylaxe und Behandlung von Herz-Kreislauf-Erkrankungen |
AU2001268217A1 (en) | 2000-06-06 | 2001-12-17 | The Research Foundation Of State University Of New York | Computer aided visualization, fusion and treatment planning |
US6408201B1 (en) | 2000-06-09 | 2002-06-18 | General Electric Company | Method and apparatus for efficient stenosis identification in peripheral arterial vasculature using MR imaging |
US6503202B1 (en) | 2000-06-29 | 2003-01-07 | Acuson Corp. | Medical diagnostic ultrasound system and method for flow analysis |
US6507753B1 (en) | 2000-08-09 | 2003-01-14 | Ge Marquette Medical Systems, Inc. | Method and apparatus to detect acute cardiac syndromes in specified groups of patients using ECG |
US6650927B1 (en) | 2000-08-18 | 2003-11-18 | Biosense, Inc. | Rendering of diagnostic imaging data on a three-dimensional map |
US20020035458A1 (en) | 2000-09-20 | 2002-03-21 | Chang-Hun Kim | Method and system for virtual surgery |
US7840393B1 (en) | 2000-10-04 | 2010-11-23 | Trivascular, Inc. | Virtual prototyping and testing for medical device development |
US6558334B2 (en) | 2000-10-19 | 2003-05-06 | Florence Medical Ltd. | Apparatus for diagnosing lesion severity, and method therefor |
DE60135679D1 (de) | 2000-10-25 | 2008-10-16 | Robarts John P Res Inst | Verfahren und vorrichtung zur berechnung von blutflussparametern |
US6754376B1 (en) | 2000-11-22 | 2004-06-22 | General Electric Company | Method for automatic segmentation of medical images |
US6666820B1 (en) | 2000-11-28 | 2003-12-23 | Michael D. Poole | Mathematical therapeutic outcomes model for predicting clinical efficacy therapies |
US6643533B2 (en) | 2000-11-28 | 2003-11-04 | Ge Medical Systems Global Technology Company, Llc | Method and apparatus for displaying images of tubular structures |
US6487432B2 (en) | 2000-12-04 | 2002-11-26 | Ge Medical Systems Global Technologies Company Llc | Method and system for selecting and displaying medical image data |
WO2002062205A2 (en) | 2001-02-07 | 2002-08-15 | The General Hospital Corporation | Methods for diagnosing and treating heart disease |
WO2002086797A1 (en) | 2001-03-06 | 2002-10-31 | The John Hopkins University School Of Medicine | Simulation method for designing customized medical devices |
US7327862B2 (en) | 2001-04-30 | 2008-02-05 | Chase Medical, L.P. | System and method for facilitating cardiac intervention |
US7526112B2 (en) | 2001-04-30 | 2009-04-28 | Chase Medical, L.P. | System and method for facilitating cardiac intervention |
DE10122875C1 (de) | 2001-05-11 | 2003-02-13 | Siemens Ag | Kombiniertes 3D-Angio-Volumenrekonstruktionsverfahren |
ATE417333T1 (de) | 2001-05-23 | 2008-12-15 | Vital Images Inc | Abdeckungsmaskierung zur volumendarstellung eine objektbestellung |
US20050018885A1 (en) | 2001-05-31 | 2005-01-27 | Xuesong Chen | System and method of anatomical modeling |
US7853312B2 (en) | 2001-06-07 | 2010-12-14 | Varian Medical Systems, Inc. | Seed localization system for use in an ultrasound system and method of using the same |
US6718004B2 (en) | 2001-06-28 | 2004-04-06 | General Electric Company | Methods and apparatus for coronary-specific imaging reconstruction |
US6856830B2 (en) * | 2001-07-19 | 2005-02-15 | Bin He | Method and apparatus of three dimension electrocardiographic imaging |
WO2003007825A1 (en) | 2001-07-19 | 2003-01-30 | Atritech, Inc. | Individually customized device for covering the ostium of left atrial appendage |
WO2003028536A2 (en) | 2001-10-01 | 2003-04-10 | The General Hospital Corporation | Methods for diagnosing and treating heart disease |
US7006955B2 (en) | 2001-10-15 | 2006-02-28 | General Electric Company | System and method for statistical design of ultrasound probe and imaging system |
US7372983B2 (en) | 2001-10-16 | 2008-05-13 | Koninklijke Philips Electronics N.V. | Method for automatic branch labeling |
US7054679B2 (en) | 2001-10-31 | 2006-05-30 | Robert Hirsh | Non-invasive method and device to monitor cardiac parameters |
US7286866B2 (en) | 2001-11-05 | 2007-10-23 | Ge Medical Systems Global Technology Company, Llc | Method, system and computer product for cardiac interventional procedure planning |
DE10162272A1 (de) | 2001-12-19 | 2003-07-10 | Philips Intellectual Property | Verfahren zur Unterstützung der Orientierung im Gefäßsystem |
US7229412B2 (en) | 2001-12-28 | 2007-06-12 | Koninklijke Philips Electronics N.V. | Viewing system having means for processing a sequence of ultrasound images for performing a quantitative estimation of flow in a body organ |
DE10210650B4 (de) | 2002-03-11 | 2005-04-28 | Siemens Ag | Verfahren zur dreidimensionalen Darstellung eines Untersuchungsbereichs eines Patienten in Form eines 3D-Rekonstruktionsbilds und medizinische Untersuchungs- und/oder Behandlungseinrichtung |
DE60319075T2 (de) | 2002-03-23 | 2009-02-05 | Philips Intellectual Property & Standards Gmbh | Verfahren zur interaktiven segmentierung einer in einem objekt enthaltenen struktur |
US6996262B2 (en) | 2002-05-20 | 2006-02-07 | General Electric Company | Method and apparatus of scoring an arterial obstruction |
US20040034309A1 (en) | 2002-07-12 | 2004-02-19 | Auckland Uniservices Limited | Method and system of defining a model of one or more organs |
US7421122B2 (en) | 2002-07-19 | 2008-09-02 | Koninklijke Philips Electronics N.V. | Simultaneous segmentation of multiple or composed objects by mesh adaptation |
US7020510B2 (en) | 2002-07-25 | 2006-03-28 | Koninklijke Philips Electronics, N.V. | Optimal view map V.0.01 |
US20040044282A1 (en) | 2002-08-28 | 2004-03-04 | Mixon Lonnie Mark | Medical imaging systems and methods |
TW558689B (en) | 2002-08-30 | 2003-10-21 | Univ Taipei Medical | Three-dimensional surgery simulation system and method |
US7182602B2 (en) | 2002-09-10 | 2007-02-27 | The University Of Vermont And State Agricultural College | Whole-body mathematical model for simulating intracranial pressure dynamics |
US7794230B2 (en) | 2002-09-10 | 2010-09-14 | University Of Vermont And State Agricultural College | Mathematical circulatory system model |
US8246673B2 (en) * | 2002-09-19 | 2012-08-21 | Exstent Limited | External support for a blood vessel |
US20040064298A1 (en) | 2002-09-26 | 2004-04-01 | Robert Levine | Medical instruction using a virtual patient |
US6628743B1 (en) | 2002-11-26 | 2003-09-30 | Ge Medical Systems Global Technology Company, Llc | Method and apparatus for acquiring and analyzing cardiac data from a patient |
US6888914B2 (en) | 2002-11-26 | 2005-05-03 | General Electric Company | Methods and apparatus for computing volumetric perfusion |
WO2006020920A2 (en) | 2003-01-29 | 2006-02-23 | Medtronic, Inc. | Catheter apparatus for treatment of heart arrhythmia |
US20050043609A1 (en) | 2003-01-30 | 2005-02-24 | Gregory Murphy | System and method for facilitating cardiac intervention |
US7693563B2 (en) | 2003-01-30 | 2010-04-06 | Chase Medical, LLP | Method for image processing and contour assessment of the heart |
DE602004001973T2 (de) | 2003-01-31 | 2007-10-18 | Philips Intellectual Property & Standards Gmbh | Verfahren zur rekonstruktion dreidimensionaler objekte |
US7574026B2 (en) | 2003-02-12 | 2009-08-11 | Koninklijke Philips Electronics N.V. | Method for the 3d modeling of a tubular structure |
US6887207B2 (en) * | 2003-02-26 | 2005-05-03 | Medtronic, Inc. | Methods and apparatus for estimation of ventricular afterload based on ventricular pressure measurements |
JP4421203B2 (ja) | 2003-03-20 | 2010-02-24 | 株式会社東芝 | 管腔状構造体の解析処理装置 |
JP2006524087A (ja) | 2003-04-22 | 2006-10-26 | コーニンクレッカ フィリップス エレクトロニクス エヌ ヴィ | 血管造影x線写真撮影用の機器 |
US7343196B2 (en) | 2003-05-09 | 2008-03-11 | Ge Medical Systems Global Technology Company Llc | Cardiac CT system and method for planning and treatment of biventricular pacing using epicardial lead |
JP4559215B2 (ja) | 2003-05-14 | 2010-10-06 | ボルケーノ・コーポレイション | 侵襲性心臓血管診断測定の捕捉および表示のための多目的ホストシステム |
US7780595B2 (en) | 2003-05-15 | 2010-08-24 | Clinical Decision Support, Llc | Panel diagnostic method and system |
JP2005015789A (ja) | 2003-06-06 | 2005-01-20 | Mitsubishi Plastics Ind Ltd | 紫外線吸収組成物および被覆材料 |
AU2004251359B2 (en) | 2003-06-25 | 2009-01-22 | Siemens Medical Solutions Usa, Inc. | Systems and methods for automated diagnosis and decision support for breast imaging |
CA2530595A1 (en) | 2003-06-25 | 2005-01-06 | Siemens Medical Solutions Usa, Inc. | Automated regional myocardial assessment for cardiac imaging |
US7813785B2 (en) | 2003-07-01 | 2010-10-12 | General Electric Company | Cardiac imaging system and method for planning minimally invasive direct coronary artery bypass surgery |
US20050010105A1 (en) | 2003-07-01 | 2005-01-13 | Sra Jasbir S. | Method and system for Coronary arterial intervention |
WO2005004038A1 (en) | 2003-07-08 | 2005-01-13 | Philips Intellectual Property & Standards Gmbh | Reconstruction of the current flow in a vessel system |
JP2007501069A (ja) | 2003-08-04 | 2007-01-25 | シーメンス コーポレイト リサーチ インコーポレイテツド | 視覚化のための仮想的器官展開処理方法 |
EP1658009B1 (en) | 2003-08-20 | 2011-10-12 | Philips Intellectual Property & Standards GmbH | Method and device for flow reconstruction |
WO2005020790A2 (en) | 2003-08-21 | 2005-03-10 | Ischem Corporation | Automated methods and systems for vascular plaque detection and analysis |
WO2005020155A1 (en) | 2003-08-21 | 2005-03-03 | Philips Intellectual Property & Standards Gmbh | Device and method for generating a three-dimensional vascular model |
DE10340544B4 (de) | 2003-09-01 | 2006-08-03 | Siemens Ag | Vorrichtung zur visuellen Unterstützung einer elektrophysiologischen Katheteranwendung im Herzen |
JP4537681B2 (ja) * | 2003-09-24 | 2010-09-01 | 株式会社東芝 | 血流解析装置 |
JP5129480B2 (ja) | 2003-09-25 | 2013-01-30 | パイエオン インコーポレイテッド | 管状臓器の3次元再構成を行うシステム及び血管撮像装置の作動方法 |
EP1685512A2 (en) | 2003-10-07 | 2006-08-02 | Entelos, Inc. | Simulating patient-specific outcomes |
JP4446049B2 (ja) | 2003-11-06 | 2010-04-07 | 株式会社三重ティーエルオー | 心筋血流の定量化装置 |
EP1694208A2 (en) * | 2003-11-26 | 2006-08-30 | Viatronix Incorporated | Systems and methods for automated segmentation, visualization and analysis of medical images |
US20070014452A1 (en) | 2003-12-01 | 2007-01-18 | Mitta Suresh | Method and system for image processing and assessment of a state of a heart |
US20050143777A1 (en) | 2003-12-19 | 2005-06-30 | Sra Jasbir S. | Method and system of treatment of heart failure using 4D imaging |
US20080051660A1 (en) | 2004-01-16 | 2008-02-28 | The University Of Houston System | Methods and apparatuses for medical imaging |
RS49856B (sr) | 2004-01-16 | 2008-08-07 | Boško Bojović | Uređaj i postupak za vizuelnu trodimenzionalnu prezentaciju ecg podataka |
US7333643B2 (en) | 2004-01-30 | 2008-02-19 | Chase Medical, L.P. | System and method for facilitating cardiac intervention |
US7526115B2 (en) | 2004-02-23 | 2009-04-28 | Siemens Medical Solutions Usa, Inc. | System and method for toboggan based object segmentation using divergent gradient field response in images |
JP4707654B2 (ja) | 2004-03-03 | 2011-06-22 | 積水メディカル株式会社 | 虚血性心疾患危険群診断薬 |
US8010175B2 (en) | 2004-05-05 | 2011-08-30 | Siemens Medical Solutions Usa, Inc. | Patient-specific coronary territory mapping |
WO2005107601A2 (en) | 2004-05-06 | 2005-11-17 | Focus Surgery, Inc. | Method and apparatus for the selective treatment of tissue |
EP1774454A2 (en) | 2004-06-02 | 2007-04-18 | M2S, Inc. | Anatomical visualization and measurement system |
US7805177B2 (en) | 2004-06-23 | 2010-09-28 | M2S, Inc. | Method for determining the risk of rupture of a blood vessel |
US7462153B2 (en) | 2004-07-23 | 2008-12-09 | Sonomedica, Inc. | Method and system for modeling cardiovascular disease using a probability regession model |
US20080020362A1 (en) | 2004-08-10 | 2008-01-24 | Cotin Stephane M | Methods and Apparatus for Simulaton of Endovascular and Endoluminal Procedures |
WO2006024970A1 (en) | 2004-08-11 | 2006-03-09 | Koninklijke Philips Electronics, N.V. | Ultrasonic diagnosis of ischemic cardiodisease |
US7736314B2 (en) * | 2004-08-31 | 2010-06-15 | University Of Washington | Ultrasonic technique for assessing wall vibrations in stenosed blood vessels |
DE102004043676B4 (de) | 2004-09-09 | 2014-01-09 | Siemens Aktiengesellschaft | Verfahren zur Visualisierung von Plaqueablagerungen aus 3D-Bilddatensätzen von Gefäßstrukturen |
US20060069318A1 (en) | 2004-09-30 | 2006-03-30 | The Regents Of The University Of California | Method for assessment of the structure-function characteristics of structures in a human or animal body |
WO2006063141A2 (en) | 2004-12-07 | 2006-06-15 | Medical Metrx Solutions, Inc. | Intraoperative c-arm fluoroscope datafusion system |
IL165636A0 (en) | 2004-12-08 | 2006-01-15 | Paieon Inc | Method and apparatus for finding the coronary velocity and flow and related parameters |
WO2006061815A1 (en) | 2004-12-08 | 2006-06-15 | Paieon Inc. | Method and apparatus for blood vessel parameter determinations |
WO2006062958A2 (en) | 2004-12-10 | 2006-06-15 | Worcester Polytechnic Institute | Image-based computational mechanical analysis and indexing for cardiovascular diseases |
EP1828991A1 (en) | 2004-12-17 | 2007-09-05 | Koninklijke Philips Electronics N.V. | High quality accurate surface triangulation from a simplex mesh |
EP1835855B1 (en) * | 2005-01-11 | 2017-04-05 | Volcano Corporation | Vascular image co-registration |
WO2006079042A2 (en) | 2005-01-21 | 2006-07-27 | The Board Of Governors For Higher Education | Integrate finite element and circulatory model for predicting hemodynamic effects of left ventricular impairment, resynchronization and remodeling |
US20060210478A1 (en) | 2005-02-03 | 2006-09-21 | Weisskoff Robert M | Steady state perfusion methods |
EP1846753B1 (en) | 2005-02-04 | 2012-11-07 | Koninklijke Philips Electronics N.V. | System for the determination of vessel geometry and flow characteristics |
FR2882172B1 (fr) * | 2005-02-16 | 2007-11-02 | Innothera Soc Par Actions Simp | Dispositif d'aide a la selection d'une orthese de contention par simulation de ses effets sur l'hemodynamique du retour veineux |
WO2006090707A1 (ja) | 2005-02-22 | 2006-08-31 | Kaneka Corporation | カテーテル |
JP4964422B2 (ja) | 2005-02-22 | 2012-06-27 | 株式会社カネカ | 脱血用カテーテル |
US20060239524A1 (en) * | 2005-03-31 | 2006-10-26 | Vladimir Desh | Dedicated display for processing and analyzing multi-modality cardiac data |
US20060241461A1 (en) | 2005-04-01 | 2006-10-26 | White Chris A | System and method for 3-D visualization of vascular structures using ultrasound |
DE102005018327A1 (de) | 2005-04-20 | 2006-10-26 | Siemens Ag | Betriebsverfahren für einen Rechner, Betriebsverfahren für eine bildgebende medizintechnische Anlage und hiermit korrespondierende Gegenstände |
US20060241445A1 (en) | 2005-04-26 | 2006-10-26 | Altmann Andres C | Three-dimensional cardial imaging using ultrasound contour reconstruction |
US20060253024A1 (en) | 2005-04-26 | 2006-11-09 | Altmann Andres C | Software product for three-dimensional cardiac imaging using ultrasound contour reconstruction |
DE102005022345A1 (de) | 2005-05-13 | 2006-11-16 | Siemens Ag | Verfahren zur Erzeugung und Darstellung von Untersuchungsbildern und zugehöriger Ultraschallkatheter |
US7893934B2 (en) | 2005-05-26 | 2011-02-22 | The Board Of Regents Of The University Of Oklahoma | Three-dimensional finite element modeling of human ear for sound transmission |
JP2009504297A (ja) | 2005-08-17 | 2009-02-05 | コーニンクレッカ フィリップス エレクトロニクス エヌ ヴィ | 自動4d冠動脈モデリングおよび動きベクトル場推定のための方法および装置 |
US20070049817A1 (en) * | 2005-08-30 | 2007-03-01 | Assaf Preiss | Segmentation and registration of multimodal images using physiological data |
US20090156933A1 (en) | 2005-09-07 | 2009-06-18 | Koninklijke Philips Electronics, N.V. | Ultrasound system for reliable 3d assessment of right ventricle of the heart and method of doing the same |
US7775988B2 (en) | 2005-09-30 | 2010-08-17 | Radi Medical Systems Ab | Method for determining the blood flow in a coronary artery |
US20100278405A1 (en) | 2005-11-11 | 2010-11-04 | Kakadiaris Ioannis A | Scoring Method for Imaging-Based Detection of Vulnerable Patients |
JP5111387B2 (ja) | 2005-11-14 | 2013-01-09 | コーニンクレッカ フィリップス エレクトロニクス エヌ ヴィ | 解剖学的構造のシルエット合成レンダリング |
JP2007135894A (ja) | 2005-11-18 | 2007-06-07 | R Tech:Kk | ヒト血流データをもとにした血流解析装置及びシミュレーション方法 |
WO2007067690A2 (en) | 2005-12-07 | 2007-06-14 | Drexel University | Detection of blood pressure and blood pressure waveform |
US7650179B2 (en) * | 2005-12-09 | 2010-01-19 | Siemens Aktiengesellschaft | Computerized workflow method for stent planning and stenting procedure |
JP2009518097A (ja) | 2005-12-09 | 2009-05-07 | コーニンクレッカ フィリップス エレクトロニクス エヌ ヴィ | モデル・ベースの流れの解析および可視化 |
JP4721893B2 (ja) | 2005-12-15 | 2011-07-13 | パナソニック株式会社 | 超音波診断装置 |
US8300912B2 (en) | 2006-01-05 | 2012-10-30 | National University Corporation Kanazawa University | Continuous X-ray image screening examination device, program, and recording medium |
US7879318B2 (en) | 2006-01-23 | 2011-02-01 | Mcw Research Foundation, Inc. | Method of reducing the effects of ischemia by administration of a thrombopoietin receptor ligand |
JP5223340B2 (ja) | 2006-01-27 | 2013-06-26 | 日立金属株式会社 | セラミックハニカムフィルタの製造方法 |
US8105239B2 (en) | 2006-02-06 | 2012-01-31 | Maui Imaging, Inc. | Method and apparatus to visualize the coronary arteries using ultrasound |
US8184367B2 (en) | 2006-02-15 | 2012-05-22 | University Of Central Florida Research Foundation | Dynamically focused optical instrument |
US20070232883A1 (en) | 2006-02-15 | 2007-10-04 | Ilegbusi Olusegun J | Systems and methods for determining plaque vulnerability to rupture |
US20070231779A1 (en) | 2006-02-15 | 2007-10-04 | University Of Central Florida Research Foundation, Inc. | Systems and Methods for Simulation of Organ Dynamics |
US20070208277A1 (en) | 2006-03-06 | 2007-09-06 | Rioux Robert F | Vessel volume determination for embolization |
DE602007012886D1 (de) | 2006-04-12 | 2011-04-14 | Nassir Navab | Virtuelle penetrierende spiegelvorrichtung zur visualisierung von virtuellen objekten in angiografischen anwendungen |
US20070293936A1 (en) | 2006-04-28 | 2007-12-20 | Dobak John D Iii | Systems and methods for creating customized endovascular stents and stent grafts |
CN101448457B (zh) * | 2006-05-22 | 2011-03-30 | 皇家飞利浦电子股份有限公司 | 由投影成像得到的经运动补偿的冠状动脉血流 |
KR101061624B1 (ko) | 2006-06-13 | 2011-09-01 | 콸콤 인코포레이티드 | 무선 통신 시스템에 대한 역방향 링크 파일럿 송신 |
US20080133040A1 (en) | 2006-06-16 | 2008-06-05 | Searete Llc, A Limited Liability Corporation Of The State Of Delaware | Methods and systems for specifying a blood vessel sleeve |
JP5078291B2 (ja) | 2006-06-30 | 2012-11-21 | オリンパスメディカルシステムズ株式会社 | 医療情報管理システム |
EP1881458B1 (en) * | 2006-07-21 | 2011-06-08 | Dassault Systèmes | Computer-implemented process for creating a parametric surface |
CA2660691C (en) | 2006-08-04 | 2020-01-14 | Medizinische Hochschule Hannover | Means and methods for assessing the risk of cardiac interventions based on gdf-15 |
US8364249B2 (en) | 2006-08-11 | 2013-01-29 | 3M Innovative Properties Company | Automatic generation of heart sounds and murmurs using a lumped-parameter recirculating pressure-flow model for the left heart |
WO2008085193A2 (en) | 2006-08-14 | 2008-07-17 | University Of Maryland | Quantitative real-time 4d strees test analysis |
US7986821B2 (en) | 2006-08-15 | 2011-07-26 | General Electric Company | Processes and apparatus for imaging protocols and analysis |
US20080058642A1 (en) | 2006-09-05 | 2008-03-06 | Board Of Regents Of The University Of Texas System | Method for detecting coronary endothelial dysfunction and early atherosclerosis |
EP2059165B1 (en) | 2006-09-06 | 2012-03-14 | Agency for Science, Technology and Research | Detection and localization of vascular occlusion from angiography data |
US8014561B2 (en) | 2006-09-07 | 2011-09-06 | University Of Louisville Research Foundation, Inc. | Virtual fly over of complex tubular anatomical structures |
US20100010787A1 (en) | 2006-09-15 | 2010-01-14 | Makoto Suematsu | Platelet thrombus formation simulator |
DE102006045423B4 (de) | 2006-09-26 | 2016-07-14 | Siemens Healthcare Gmbh | 07.09.07Verfahren zur Nachbearbeitung eines dreidimensionalen Bilddatensatzes einer Gefäßstruktur |
DE102006046045B4 (de) | 2006-09-28 | 2014-05-28 | Siemens Aktiengesellschaft | Verfahren zur zweidimensionalen oder dreidimensionalen Bilddarstellung eines interessierenden Zielbereichs in einem Hohlorgan und medizinisches Untersuchungs- und Behandlungssystem |
CN101172042B (zh) * | 2006-11-01 | 2011-04-06 | 上海匡复医疗设备发展有限公司 | 一种脑血管循环动力学分析方法及仪器 |
US8007437B2 (en) | 2006-11-08 | 2011-08-30 | Siemens Aktiengesellschaft | Method and apparatus for interactive 4-dimensional (4D) virtual endoscopy |
US7792593B2 (en) | 2006-11-17 | 2010-09-07 | Siemens Aktiengesellschaft | Method and system for patient-specific production of a cardiac electrode |
US7912270B2 (en) * | 2006-11-21 | 2011-03-22 | General Electric Company | Method and system for creating and using an impact atlas |
US7957574B2 (en) | 2006-11-22 | 2011-06-07 | General Electric Company | Methods and apparatus for generating a risk metric for soft plaque in vessels |
US8503741B2 (en) | 2006-11-30 | 2013-08-06 | Siemens Aktiengesellschaft | Workflow of a service provider based CFD business model for the risk assessment of aneurysm and respective clinical interface |
US20080317310A1 (en) | 2006-12-08 | 2008-12-25 | Mitta Suresh | Method and system for image processing and assessment of blockages of heart blood vessels |
US20080146252A1 (en) | 2006-12-13 | 2008-06-19 | Ashu Razdan | Tandem transmission of data over signaling and paging |
KR20090098839A (ko) * | 2006-12-26 | 2009-09-17 | 코닌클리케 필립스 일렉트로닉스 엔.브이. | 메디컬 이미징 시스템 |
US8543338B2 (en) | 2007-01-16 | 2013-09-24 | Simbionix Ltd. | System and method for performing computerized simulations for image-guided procedures using a patient specific model |
US20110282586A1 (en) | 2007-01-23 | 2011-11-17 | Kassab Ghassan S | Systems and methods to determine optimal diameters of vessel segments in bifurcation |
WO2008091583A2 (en) | 2007-01-23 | 2008-07-31 | Dtherapeutics, Llc | Image-based extraction for vascular trees |
WO2008091568A2 (en) | 2007-01-23 | 2008-07-31 | Dtherapeutics, Llc | Applications of scaling laws of tree structures |
US9591994B2 (en) | 2007-01-23 | 2017-03-14 | Dtherapeutics, Llc | Systems and methods to obtain a myocardial mass index indicative of an at-risk myocardial region |
US8060186B2 (en) | 2007-02-15 | 2011-11-15 | Siemens Aktiengesellschaft | System and method for intraoperative guidance of stent placement during endovascular interventions |
US20080208068A1 (en) | 2007-02-26 | 2008-08-28 | Timothy Robertson | Dynamic positional information constrained heart model |
US8542900B2 (en) | 2007-03-08 | 2013-09-24 | Sync-Rx Ltd. | Automatic reduction of interfering elements from an image stream of a moving organ |
JP5639764B2 (ja) * | 2007-03-08 | 2014-12-10 | シンク−アールエックス,リミティド | 運動する器官と共に使用するイメージング及びツール |
US20220031270A1 (en) * | 2007-03-08 | 2022-02-03 | Sync-Rx, Ltd | Identification an dpresentation of device-tovessel relative motion |
JP5449651B2 (ja) | 2007-03-09 | 2014-03-19 | 株式会社東芝 | X線ct装置および心筋パーフュージョン情報生成システム |
US7773719B2 (en) | 2007-03-26 | 2010-08-10 | Siemens Medical Solutions Usa, Inc. | Model-based heart reconstruction and navigation |
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 |
US9275190B2 (en) | 2007-04-23 | 2016-03-01 | Siemens Aktiengesellschaft | Method and system for generating a four-chamber heart model |
WO2008136098A1 (ja) | 2007-04-24 | 2008-11-13 | Olympus Medical Systems Corp. | 医療用画像処理装置及び医療用画像処理方法 |
US20080269611A1 (en) | 2007-04-24 | 2008-10-30 | Gianni Pedrizzetti | Flow characteristic imaging in medical diagnostic ultrasound |
US7957570B2 (en) | 2007-05-03 | 2011-06-07 | General Electric Company | System and method to generate an illustration of a cardiac region of interest |
US8282564B2 (en) * | 2007-05-16 | 2012-10-09 | Massachusetts Institute Of Technology | Systems and methods for model-based estimation of cardiac output and total peripheral resistance |
US8718944B2 (en) | 2007-05-22 | 2014-05-06 | Worcester Polytechnic Institute | Patient-specific image-based computational modeling and techniques for human heart surgery optimization |
US8411919B2 (en) | 2008-07-07 | 2013-04-02 | Siemens Aktiengesellschaft | Fluid dynamics approach to image segmentation |
WO2008155738A2 (en) | 2007-06-21 | 2008-12-24 | Koninklijke Philips Electronics N.V. | Adjusting acquisition protocols for dynamic medical imaging using dynamic models |
US10295638B2 (en) | 2007-06-28 | 2019-05-21 | Toshiba Medical Systems Corporation | Image processing apparatus, image diagnostic apparatus and image processing method |
US20090012382A1 (en) | 2007-07-02 | 2009-01-08 | General Electric Company | Method and system for detection of obstructions in vasculature |
CN102172330B (zh) | 2007-07-10 | 2013-03-27 | 株式会社东芝 | X射线摄影装置以及图像处理显示装置 |
EP2175779A2 (en) * | 2007-07-11 | 2010-04-21 | Philips Intellectual Property & Standards GmbH | Method for acquiring 3-dimensional images of coronary vessels, particularly of coronary veins |
JP2009028065A (ja) | 2007-07-24 | 2009-02-12 | Toshiba Corp | X線ct装置 |
WO2009022940A1 (fr) | 2007-08-09 | 2009-02-19 | Leo Antonovich Bokeriya | Procédéd de formation d'un flux sanguin dans des segments reconstruits par chirurgie du système de circulation sanguine et dispositifs de sa mise en oeuvre |
US7942820B2 (en) | 2007-08-26 | 2011-05-17 | Philip Chidi Njemanze | Method and system for evaluation of the hemodynamic model in depression for diagnosis and treatment |
EP2036497A1 (en) | 2007-09-17 | 2009-03-18 | Amid s.r.l. | Method for generating quantitative images of the flow potential of a region under investigation |
EP2219520B1 (en) | 2007-10-31 | 2012-12-12 | Cabra Technology A/S | Method for calculating pressures in a fluid stream through a tube section, especially a blood vessel with atherosclerotic plaque |
KR100933664B1 (ko) | 2007-12-28 | 2009-12-23 | 재단법인서울대학교산학협력재단 | 대화형 치료계획 지원 시스템 및 그 방법 |
JP5148315B2 (ja) | 2008-02-25 | 2013-02-20 | 株式会社東芝 | 医用画像処理装置、及び医用画像処理プログラム |
US8926511B2 (en) | 2008-02-29 | 2015-01-06 | Biosense Webster, Inc. | Location system with virtual touch screen |
US8128570B2 (en) | 2008-05-08 | 2012-03-06 | The General Electric Company | Personalized fluid assessment |
US9427173B2 (en) | 2008-05-09 | 2016-08-30 | General Electric Company | Determining mechanical force on aneurysms from a fluid dynamic model driven by vessel blood flow information |
JP2009277783A (ja) | 2008-05-13 | 2009-11-26 | Japan Gore Tex Inc | 導電性接着剤ならびにそれを用いた電気二重層キャパシタ用電極および電気二重層キャパシタ |
US8010381B2 (en) | 2008-05-20 | 2011-08-30 | General Electric Company | System and method for disease diagnosis from patient structural deviation data |
JP5366612B2 (ja) | 2008-05-20 | 2013-12-11 | 株式会社東芝 | 画像処理装置、画像処理方法および画像処理プログラム |
US8041095B2 (en) | 2008-06-11 | 2011-10-18 | Siemens Aktiengesellschaft | Method and apparatus for pretreatment planning of endovascular coil placement |
US8200466B2 (en) | 2008-07-21 | 2012-06-12 | The Board Of Trustees Of The Leland Stanford Junior University | Method for tuning patient-specific cardiovascular simulations |
WO2010020933A2 (en) | 2008-08-20 | 2010-02-25 | Koninklijke Philips Electronics N.V. | Processing cardiac data for personalized aha diagram |
US8898022B2 (en) * | 2008-08-25 | 2014-11-25 | Eth Zurich | Method, system and device for enhancing flow field data |
WO2010027652A1 (en) | 2008-08-26 | 2010-03-11 | Cardiac Pacemakers, Inc. | Cardiac output estimation using pulmonary artery pressure |
US20100053209A1 (en) | 2008-08-29 | 2010-03-04 | Siemens Medical Solutions Usa, Inc. | System for Processing Medical Image data to Provide Vascular Function Information |
US8582854B2 (en) | 2008-09-15 | 2013-11-12 | Siemens Aktiengesellschaft | Method and system for automatic coronary artery detection |
US9405996B2 (en) | 2008-09-18 | 2016-08-02 | Siemens Aktiengesellschaft | Method and system for generating a personalized anatomical heart model |
AU2009292925A1 (en) | 2008-09-22 | 2010-03-25 | Dtherapeutics, Llc | Devices, systems, and methods for determining fractional flow reserve |
US8170307B2 (en) | 2008-09-23 | 2012-05-01 | The Methodist Hospital | Automated wall motion quantification in aortic dissections |
US8391950B2 (en) | 2008-09-30 | 2013-03-05 | Siemens Medical Solutions Usa, Inc. | System for multi-dimensional anatomical functional imaging |
US7940886B2 (en) | 2008-10-03 | 2011-05-10 | Siemens Medical Solutions Usa, Inc. | 3D medical anatomical image system using 2D images |
JP2010115317A (ja) | 2008-11-12 | 2010-05-27 | Toshiba Corp | 画像処理装置 |
US20100125197A1 (en) * | 2008-11-18 | 2010-05-20 | Fishel Robert S | Method and apparatus for addressing vascular stenotic lesions |
US20100130878A1 (en) | 2008-11-24 | 2010-05-27 | General Electric Company | Systems, apparatus and processes for automated blood flow assessment of vasculature |
WO2010061335A1 (en) | 2008-11-28 | 2010-06-03 | Koninklijke Philips Electronics N.V. | Processing myocardial perfusion data |
WO2010071896A2 (en) | 2008-12-19 | 2010-06-24 | Piedmont Healthcare, Inc. | System and method for lesion-specific coronary artery calcium quantification |
US8447552B2 (en) | 2009-01-05 | 2013-05-21 | Siemens Aktiengesellschaft | Conditioned medical testing |
JP5658686B2 (ja) | 2009-01-29 | 2015-01-28 | コーニンクレッカ フィリップス エヌ ヴェ | 貫壁性のかん流の勾配の画像分析 |
WO2010099016A1 (en) * | 2009-02-25 | 2010-09-02 | Worcester Polytechnic Institute | Automatic vascular model generation based on fluid-structure interactions (fsi) |
US9405886B2 (en) | 2009-03-17 | 2016-08-02 | The Board Of Trustees Of The Leland Stanford Junior University | Method for determining cardiovascular information |
EP2417912B1 (en) * | 2009-04-10 | 2018-09-05 | Hitachi, Ltd. | Ultrasonic diagnosis apparatus and method for constructing distribution image of blood flow dynamic state |
JP4926199B2 (ja) | 2009-04-16 | 2012-05-09 | 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 |
US8428319B2 (en) | 2009-04-24 | 2013-04-23 | Siemens Aktiengesellschaft | Automatic measurement of morphometric and motion parameters of the coronary tree from a rotational X-ray sequence |
US8527251B2 (en) | 2009-05-01 | 2013-09-03 | Siemens Aktiengesellschaft | Method and system for multi-component heart and aorta modeling for decision support in cardiac disease |
DK2255843T3 (da) * | 2009-05-29 | 2011-10-24 | Fluidda Respi | Fremgangsmåde til at bestemme behandlinger under anvendelse af patient-specifikke lungemodeller og computerfremgangsmåder |
JP2011040055A (ja) | 2009-07-13 | 2011-02-24 | Advancesoft Corp | シミュレーション装置、及びプログラム |
WO2011014562A1 (en) * | 2009-07-28 | 2011-02-03 | North Carolina State University | Methods and devices for targeted injection of microspheres |
GB0913930D0 (en) | 2009-08-07 | 2009-09-16 | Ucl Business Plc | Apparatus and method for registering two medical images |
US8394355B2 (en) | 2009-08-10 | 2013-03-12 | P2 Science Aps | Use of UTP for the diagnosis of stenoses and other conditions of restricted blood flow |
US8224640B2 (en) | 2009-09-08 | 2012-07-17 | Siemens Aktiengesellschaft | Method and system for computational modeling of the aorta and heart |
ES2660570T3 (es) | 2009-09-23 | 2018-03-23 | Lightlab Imaging, Inc. | Sistemas, aparatos y métodos de recopilación de datos de medición de resistencia vascular y morfología luminal |
US8463729B2 (en) | 2009-12-01 | 2013-06-11 | International Business Machines Corporation | LP relaxation modification and cut selection in a MIP solver |
WO2011139282A1 (en) | 2010-05-07 | 2011-11-10 | Rheovector Llc | Method for determining shear stress and viscosity distribution in a blood vessel |
US20140142398A1 (en) | 2010-06-13 | 2014-05-22 | Angiometrix Corporation | Multifunctional guidewire assemblies and system for analyzing anatomical and functional parameters |
US8682626B2 (en) | 2010-07-21 | 2014-03-25 | Siemens Aktiengesellschaft | Method and system for comprehensive patient-specific modeling of the heart |
US8157742B2 (en) | 2010-08-12 | 2012-04-17 | Heartflow, Inc. | Method and system for patient-specific modeling of blood flow |
US8315812B2 (en) | 2010-08-12 | 2012-11-20 | Heartflow, Inc. | Method and system for patient-specific modeling of blood flow |
US9119540B2 (en) | 2010-09-16 | 2015-09-01 | Siemens Aktiengesellschaft | Method and system for non-invasive assessment of coronary artery disease |
US20120084064A1 (en) | 2010-09-29 | 2012-04-05 | Nutech Ventures, Inc. | Model-based systems and methods for analyzing and predicting outcomes of vascular interventions and reconstructions |
DE102010043849B3 (de) | 2010-11-12 | 2012-02-16 | Siemens Aktiengesellschaft | Vorrichtung und Computertomograph zur Bestimmung und Darstellung der Durchblutung des Herzmuskels |
US10186056B2 (en) | 2011-03-21 | 2019-01-22 | General Electric Company | System and method for estimating vascular flow using CT imaging |
CA2837577C (en) | 2011-05-27 | 2018-05-29 | Lightlab Imaging, Inc. | Optical coherence tomography and pressure based systems and methods |
US9974508B2 (en) | 2011-09-01 | 2018-05-22 | Ghassan S. Kassab | Non-invasive systems and methods for determining fractional flow reserve |
US8696584B2 (en) | 2011-10-05 | 2014-04-15 | 3Dt Holdings, Llc | Devices, systems and methods for determining fractional flow reserve in the presence of a catheter |
US10162932B2 (en) | 2011-11-10 | 2018-12-25 | Siemens Healthcare Gmbh | Method and system for multi-scale anatomical and functional modeling of coronary circulation |
US9129053B2 (en) | 2012-02-01 | 2015-09-08 | Siemens Aktiengesellschaft | Method and system for advanced measurements computation and therapy planning from medical data and images using a multi-physics fluid-solid heart model |
US10034614B2 (en) | 2012-02-29 | 2018-07-31 | General Electric Company | Fractional flow reserve estimation |
US10373700B2 (en) | 2012-03-13 | 2019-08-06 | Siemens Healthcare Gmbh | Non-invasive functional assessment of coronary artery stenosis including simulation of hyperemia by changing resting microvascular resistance |
US8548778B1 (en) * | 2012-05-14 | 2013-10-01 | Heartflow, Inc. | Method and system for providing information from a patient-specific model of blood flow |
US20130324842A1 (en) | 2012-05-29 | 2013-12-05 | The Johns Hopkins University | Method for Estimating Pressure Gradients and Fractional Flow Reserve from Computed Tomography Angiography: Transluminal Attenuation Flow Encoding |
KR101939778B1 (ko) | 2012-07-27 | 2019-01-18 | 삼성전자주식회사 | 필요 혈류량 결정 방법 및 장치, 혈류 영상 생성 방법 및 장치, 심근 관류 영상 처리 방법 및 장치 |
EP2879573A4 (en) | 2012-08-03 | 2016-08-03 | Volcano Corp | DEVICES, SYSTEMS AND METHODS FOR EVALUATING A VESSEL |
US10433740B2 (en) | 2012-09-12 | 2019-10-08 | Heartflow, Inc. | Systems and methods for estimating ischemia and blood flow characteristics from vessel geometry and physiology |
US9675301B2 (en) * | 2012-10-19 | 2017-06-13 | Heartflow, Inc. | Systems and methods for numerically evaluating vasculature |
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 |
EP3723041A1 (en) | 2012-10-24 | 2020-10-14 | CathWorks Ltd. | Automated measurement system and method for coronary artery disease scoring |
WO2014084398A1 (ja) | 2012-11-30 | 2014-06-05 | 株式会社 東芝 | 医用画像診断装置 |
JP6091870B2 (ja) | 2012-12-07 | 2017-03-08 | 東芝メディカルシステムズ株式会社 | 血管解析装置、医用画像診断装置、血管解析方法、及び血管解析プログラム |
EP2932469B1 (en) | 2012-12-11 | 2018-10-31 | Koninklijke Philips N.V. | Method of determining the blood flow through coronary arteries |
US9042613B2 (en) * | 2013-03-01 | 2015-05-26 | Heartflow, Inc. | Method and system for determining treatments by modifying patient-specific geometrical models |
US10052031B2 (en) | 2013-03-04 | 2018-08-21 | Siemens Healthcare Gmbh | Determining functional severity of stenosis |
US9629563B2 (en) | 2013-09-04 | 2017-04-25 | Siemens Healthcare Gmbh | Method and system for functional assessment of renal artery stenosis from medical images |
WO2015032647A1 (en) | 2013-09-06 | 2015-03-12 | Koninklijke Philips N.V. | Processing apparatus for processing cardiac data |
US10595806B2 (en) | 2013-10-22 | 2020-03-24 | Koninklijke Philips N.V. | Fractional flow reserve (FFR) index with adaptive boundary condition parameters |
WO2015150128A1 (en) | 2014-03-31 | 2015-10-08 | Koninklijke Philips N.V. | Processing apparatus and method for processing cardiac data of a living being |
US9087147B1 (en) * | 2014-03-31 | 2015-07-21 | Heartflow, Inc. | Systems and methods for determining blood flow characteristics using flow ratio |
CN106659400B (zh) | 2014-06-30 | 2021-01-05 | 皇家飞利浦有限公司 | 用于确定血流储备分数值的装置 |
EP3169237B1 (en) * | 2014-07-18 | 2023-04-12 | Koninklijke Philips N.V. | Stenosis assessment |
US9888968B2 (en) | 2014-07-22 | 2018-02-13 | Siemens Healthcare Gmbh | Method and system for automated therapy planning for arterial stenosis |
US9349178B1 (en) * | 2014-11-24 | 2016-05-24 | Siemens Aktiengesellschaft | Synthetic data-driven hemodynamic determination in medical imaging |
US10194812B2 (en) * | 2014-12-12 | 2019-02-05 | Medtronic Vascular, Inc. | System and method of integrating a fractional flow reserve device with a conventional hemodynamic monitoring system |
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 |
US10390718B2 (en) * | 2015-03-20 | 2019-08-27 | East Carolina University | Multi-spectral physiologic visualization (MSPV) using laser imaging methods and systems for blood flow and perfusion imaging and quantification in an endoscopic design |
US10748451B2 (en) * | 2016-12-15 | 2020-08-18 | Duke University | Methods and systems for generating fluid simulation models |
WO2019173830A1 (en) * | 2018-03-09 | 2019-09-12 | Emory University | Methods and systems for determining coronary hemodynamic characteristic(s) that is predictive of myocardial infarction |
JP6582337B1 (ja) * | 2018-11-13 | 2019-10-02 | Gva Tech株式会社 | 法律文書データ修正方法、法律文書データ修正システム及び法律文書データ修正プログラム |
-
2011
- 2011-01-25 US US13/013,561 patent/US8315812B2/en active Active
- 2011-01-27 US US13/014,835 patent/US8311747B2/en active Active
- 2011-01-27 US US13/014,850 patent/US8386188B2/en active Active
- 2011-01-27 US US13/014,841 patent/US8315813B2/en active Active
- 2011-01-27 US US13/014,809 patent/US8734356B2/en active Active
- 2011-01-27 US US13/014,857 patent/US8315814B2/en active Active
- 2011-01-27 US US13/014,845 patent/US8311748B2/en active Active
- 2011-01-27 US US13/014,821 patent/US8734357B2/en active Active
- 2011-01-27 US US13/014,829 patent/US8496594B2/en active Active
- 2011-07-29 CA CA2807586A patent/CA2807586C/en active Active
- 2011-07-29 KR KR1020167018240A patent/KR101732328B1/ko active IP Right Grant
- 2011-07-29 KR KR1020147012826A patent/KR101712248B1/ko active IP Right Grant
- 2011-07-29 CN CN201710352412.5A patent/CN107174219B/zh active Active
- 2011-07-29 EP EP11751691.4A patent/EP2499589B1/en active Active
- 2011-07-29 DE DE202011110771.3U patent/DE202011110771U1/de not_active Expired - Lifetime
- 2011-07-29 DE DE202011110774.8U patent/DE202011110774U1/de not_active Expired - Lifetime
- 2011-07-29 KR KR1020207010781A patent/KR102142242B1/ko active IP Right Grant
- 2011-07-29 KR KR1020187019719A patent/KR101952560B1/ko active IP Right Grant
- 2011-07-29 EP EP15178021.0A patent/EP2975545B1/en active Active
- 2011-07-29 DE DE202011111118.4U patent/DE202011111118U1/de not_active Expired - Lifetime
- 2011-07-29 DE DE202011110673.3U patent/DE202011110673U1/de not_active Expired - Lifetime
- 2011-07-29 KR KR1020207022263A patent/KR102351887B1/ko active IP Right Grant
- 2011-07-29 CA CA3064262A patent/CA3064262C/en active Active
- 2011-07-29 CN CN201710353178.8A patent/CN107184186B/zh active Active
- 2011-07-29 KR KR1020167018245A patent/KR101732330B1/ko active IP Right Grant
- 2011-07-29 CN CN201710264599.3A patent/CN106994003B/zh active Active
- 2011-07-29 DE DE202011110676.8U patent/DE202011110676U1/de not_active Expired - Lifetime
- 2011-07-29 CN CN201710353287.XA patent/CN107007352B/zh active Active
- 2011-07-29 CN CN201710352401.7A patent/CN107122621B/zh active Active
- 2011-07-29 DE DE202011110672.5U patent/DE202011110672U1/de not_active Expired - Lifetime
- 2011-07-29 KR KR1020197004428A patent/KR102103126B1/ko active IP Right Grant
- 2011-07-29 DE DE202011110680.6U patent/DE202011110680U1/de not_active Expired - Lifetime
- 2011-07-29 DE DE202011110783.7U patent/DE202011110783U1/de not_active Expired - Lifetime
- 2011-07-29 DE DE202011110677.6U patent/DE202011110677U1/de not_active Expired - Lifetime
- 2011-07-29 DE DE202011110678.4U patent/DE202011110678U1/de not_active Expired - Lifetime
- 2011-07-29 CN CN201180048878.7A patent/CN103270513B/zh active Active
- 2011-07-29 DE DE202011110679.2U patent/DE202011110679U1/de not_active Expired - Lifetime
- 2011-07-29 KR KR1020157015549A patent/KR101611805B1/ko active IP Right Grant
- 2011-07-29 KR KR1020227000928A patent/KR102414383B1/ko active IP Right Grant
- 2011-07-29 JP JP2013524095A patent/JP5850583B2/ja active Active
- 2011-07-29 WO PCT/US2011/045869 patent/WO2012021307A2/en active Application Filing
- 2011-07-29 EP EP17155303.5A patent/EP3185156B1/en active Active
- 2011-07-29 KR KR1020137006145A patent/KR101524955B1/ko active IP Right Grant
- 2011-07-29 KR KR1020227021399A patent/KR102518799B1/ko active IP Right Grant
- 2011-07-29 DE DE202011111113.3U patent/DE202011111113U1/de not_active Expired - Lifetime
- 2011-07-29 DE DE202011110621.0U patent/DE202011110621U1/de not_active Expired - Lifetime
- 2011-07-29 EP EP14189381.8A patent/EP2849107A1/en not_active Ceased
- 2011-07-29 DE DE202011110772.1U patent/DE202011110772U1/de not_active Expired - Lifetime
- 2011-07-29 DE DE202011111119.2U patent/DE202011111119U1/de not_active Expired - Lifetime
- 2011-07-29 KR KR1020167018243A patent/KR101732329B1/ko active IP Right Grant
- 2011-07-29 EP EP22181507.9A patent/EP4086919A1/en active Pending
- 2011-07-29 EP EP12174638.2A patent/EP2538362B1/en active Active
- 2011-07-29 CA CA3027987A patent/CA3027987C/en active Active
- 2011-07-29 AU AU2011289715A patent/AU2011289715B2/en active Active
- 2011-07-29 DE DE202011110674.1U patent/DE202011110674U1/de not_active Expired - Lifetime
- 2011-07-29 KR KR1020177010587A patent/KR101783178B1/ko active IP Right Grant
- 2011-07-29 KR KR1020177025915A patent/KR101879560B1/ko active IP Right Grant
- 2011-07-29 EP EP12174636.6A patent/EP2538361A3/en not_active Ceased
- 2011-07-29 DE DE202011110620.2U patent/DE202011110620U1/de not_active Expired - Lifetime
- 2011-07-29 EP EP14189383.4A patent/EP2845537B1/en active Active
- 2011-11-07 US US13/291,089 patent/US8311750B2/en active Active
- 2011-11-07 US US13/290,842 patent/US8249815B2/en active Active
- 2011-11-07 US US13/290,641 patent/US8321150B2/en active Active
- 2011-11-07 US US13/291,077 patent/US8523779B2/en active Active
-
2012
- 2012-08-22 US US13/592,275 patent/US8594950B2/en active Active
- 2012-10-23 US US13/658,739 patent/US10179030B2/en active Active
- 2012-10-23 US US13/658,755 patent/US9152757B2/en active Active
- 2012-11-12 US US13/674,707 patent/US8606530B2/en active Active
- 2012-11-19 US US13/680,901 patent/US8630812B2/en active Active
-
2013
- 2013-11-15 US US14/081,696 patent/US10682180B2/en active Active
- 2013-12-12 US US14/104,766 patent/US8812245B2/en active Active
-
2014
- 2014-01-30 JP JP2014015122A patent/JP2014079649A/ja not_active Withdrawn
- 2014-02-07 US US14/175,119 patent/US9078564B2/en active Active
- 2014-02-07 US US14/175,153 patent/US8812246B2/en active Active
- 2014-03-21 US US14/222,424 patent/US9235679B2/en active Active
- 2014-03-21 US US14/222,439 patent/US9271657B2/en active Active
- 2014-05-13 US US14/276,486 patent/US9081882B2/en active Active
- 2014-05-13 US US14/276,521 patent/US9167974B2/en active Active
- 2014-05-13 US US14/276,442 patent/US9226672B2/en active Active
- 2014-05-13 US US14/276,394 patent/US10702339B2/en active Active
- 2014-06-16 US US14/305,671 patent/US9268902B2/en active Active
- 2014-08-12 US US14/457,827 patent/US9149197B2/en active Active
- 2014-11-06 JP JP2014225939A patent/JP5850588B2/ja active Active
- 2014-11-06 JP JP2014225938A patent/JP5847278B2/ja active Active
- 2014-11-06 JP JP2014225940A patent/JP5784208B2/ja active Active
- 2014-11-06 JP JP2014225937A patent/JP5769352B2/ja active Active
- 2014-11-14 US US14/541,642 patent/US10478252B2/en active Active
- 2014-11-26 US US14/554,920 patent/US20150088015A1/en not_active Abandoned
- 2014-11-26 US US14/554,911 patent/US11083524B2/en active Active
-
2015
- 2015-02-04 US US14/614,047 patent/US20150150530A1/en not_active Abandoned
- 2015-02-13 US US14/621,939 patent/US20150161348A1/en not_active Abandoned
- 2015-02-13 US US14/621,747 patent/US20150161326A1/en not_active Abandoned
- 2015-03-30 US US14/672,846 patent/US20150201849A1/en not_active Abandoned
- 2015-07-29 US US14/812,882 patent/US9449147B2/en active Active
- 2015-07-30 US US14/813,629 patent/US10159529B2/en active Active
- 2015-08-04 US US14/817,499 patent/US10327847B2/en active Active
- 2015-09-08 US US14/848,021 patent/US10080613B2/en active Active
- 2015-09-25 US US14/866,098 patent/US9801689B2/en active Active
- 2015-11-25 US US14/952,154 patent/US10149723B2/en active Active
- 2015-12-23 AU AU2015275298A patent/AU2015275298B2/en active Active
- 2015-12-23 AU AU2015275289A patent/AU2015275289B2/en active Active
- 2015-12-29 US US14/983,123 patent/US10166077B2/en active Active
- 2015-12-30 US US14/984,986 patent/US10080614B2/en active Active
- 2015-12-30 US US14/984,018 patent/US9743835B2/en active Active
- 2015-12-30 US US14/983,861 patent/US11135012B2/en active Active
- 2015-12-30 US US14/985,200 patent/US9706925B2/en active Active
- 2015-12-31 US US14/985,835 patent/US9585723B2/en active Active
- 2015-12-31 US US14/985,923 patent/US9861284B2/en active Active
- 2015-12-31 US US14/985,731 patent/US10052158B2/en active Active
- 2015-12-31 US US14/986,013 patent/US9697330B2/en active Active
- 2015-12-31 US US14/986,272 patent/US10321958B2/en active Active
-
2016
- 2016-01-04 US US14/987,107 patent/US9888971B2/en active Active
- 2016-03-02 JP JP2016040449A patent/JP5944607B1/ja active Active
- 2016-03-02 JP JP2016040447A patent/JP5986331B2/ja active Active
- 2016-03-02 JP JP2016040450A patent/JP5947990B2/ja active Active
- 2016-03-02 JP JP2016040448A patent/JP5944606B2/ja active Active
- 2016-04-01 US US15/088,463 patent/US10092360B2/en active Active
- 2016-04-06 US US15/092,393 patent/US10154883B2/en active Active
- 2016-06-15 US US15/183,341 patent/US10702340B2/en active Active
- 2016-08-25 US US15/247,543 patent/US9855105B2/en active Active
- 2016-08-25 US US15/247,231 patent/US10376317B2/en active Active
- 2016-08-25 US US15/246,766 patent/US10441361B2/en active Active
- 2016-08-26 US US15/248,632 patent/US9839484B2/en active Active
- 2016-11-02 US US15/341,578 patent/US11090118B2/en active Active
-
2017
- 2017-01-06 JP JP2017000871A patent/JP6329282B2/ja active Active
- 2017-02-09 JP JP2017022611A patent/JP6222882B2/ja active Active
- 2017-02-09 JP JP2017022610A patent/JP6221000B2/ja active Active
- 2017-02-09 JP JP2017022612A patent/JP6440755B2/ja active Active
- 2017-02-09 JP JP2017022609A patent/JP6192864B2/ja active Active
- 2017-03-29 US US15/473,227 patent/US10492866B2/en active Active
- 2017-05-11 AU AU2017203113A patent/AU2017203113B2/en active Active
- 2017-07-31 US US15/664,596 patent/US10531923B2/en active Active
- 2017-08-31 AU AU2017221811A patent/AU2017221811B2/en active Active
- 2017-11-14 US US15/812,329 patent/US11154361B2/en active Active
- 2017-12-20 AU AU2017279633A patent/AU2017279633B2/en active Active
-
2018
- 2018-02-08 US US15/892,060 patent/US11033332B2/en active Active
- 2018-08-30 US US16/118,051 patent/US11298187B2/en active Active
- 2018-09-03 AU AU2018226375A patent/AU2018226375B2/en active Active
- 2018-09-05 US US16/122,375 patent/US11116575B2/en active Active
- 2018-10-02 JP JP2018187249A patent/JP6700363B2/ja active Active
- 2018-11-22 AU AU2018267637A patent/AU2018267637B2/en active Active
-
2020
- 2020-02-27 US US16/803,466 patent/US11583340B2/en active Active
- 2020-04-30 JP JP2020080027A patent/JP6959391B2/ja active Active
-
2021
- 2021-04-27 US US17/241,282 patent/US12029494B2/en active Active
- 2021-05-17 US US17/322,193 patent/US11793575B2/en active Active
- 2021-05-26 US US17/330,521 patent/US12016635B2/en active Active
- 2021-10-07 JP JP2021165273A patent/JP7304390B2/ja active Active
-
2022
- 2022-04-07 US US17/715,623 patent/US20220241019A1/en active Pending
-
2023
- 2023-03-07 US US18/179,432 patent/US20230218347A1/en active Pending
- 2023-06-26 JP JP2023104134A patent/JP2023112190A/ja active Pending
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20180082114A (ko) * | 2017-01-10 | 2018-07-18 | 삼성메디슨 주식회사 | 대상체의 초음파 영상을 디스플레이하는 방법 및 장치 |
WO2018131754A1 (ko) * | 2017-01-10 | 2018-07-19 | 삼성메디슨 주식회사 | 대상체의 초음파 영상을 디스플레이하는 방법 및 장치 |
US11413019B2 (en) | 2017-01-10 | 2022-08-16 | Samsung Medison Co., Ltd. | Method and apparatus for displaying ultrasound image of target object |
KR20200040301A (ko) * | 2017-08-23 | 2020-04-17 | 에꼴 뽈리떼끄닉 뻬데랄 드 로잔느 (으뻬에프엘) | 모델-기반 이미지 재구성 방법 |
Also Published As
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP7304390B2 (ja) | 患者固有の血流のモデリングのための方法およびシステム |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A107 | Divisional application of patent | ||
A201 | Request for examination | ||
A302 | Request for accelerated examination | ||
E701 | Decision to grant or registration of patent right | ||
GRNT | Written decision to grant | ||
FPAY | Annual fee payment |
Payment date: 20190328 Year of fee payment: 4 |