KR20160038038A - 최적화된 진단적 성과를 위한 경계 조건에서 혈류를 모형화하기 위한 방법과 시스템 - Google Patents

최적화된 진단적 성과를 위한 경계 조건에서 혈류를 모형화하기 위한 방법과 시스템 Download PDF

Info

Publication number
KR20160038038A
KR20160038038A KR1020167005404A KR20167005404A KR20160038038A KR 20160038038 A KR20160038038 A KR 20160038038A KR 1020167005404 A KR1020167005404 A KR 1020167005404A KR 20167005404 A KR20167005404 A KR 20167005404A KR 20160038038 A KR20160038038 A KR 20160038038A
Authority
KR
South Korea
Prior art keywords
patient
model
blood flow
boundary condition
data
Prior art date
Application number
KR1020167005404A
Other languages
English (en)
Other versions
KR102297136B1 (ko
Inventor
티몬시 에이 폰테
찰스 에이 테일러
현 진 김
소피 헴
Original Assignee
하트플로우, 인크.
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 하트플로우, 인크. filed Critical 하트플로우, 인크.
Priority to KR1020217027271A priority Critical patent/KR102380008B1/ko
Publication of KR20160038038A publication Critical patent/KR20160038038A/ko
Application granted granted Critical
Publication of KR102297136B1 publication Critical patent/KR102297136B1/ko

Links

Images

Classifications

    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/02—Detecting, measuring or recording 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
    • G06F19/3437—
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
    • G16H50/50—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for simulation or modelling of medical disorders
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/02—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
    • A61B5/021—Measuring pressure in heart or blood vessels
    • A61B5/02108—Measuring pressure in heart or blood vessels from analysis of pulse wave characteristics
    • 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
    • A61B5/0265—Measuring blood flow using electromagnetic means, e.g. electromagnetic flowmeter
    • A61B5/027—Measuring blood flow using electromagnetic means, e.g. electromagnetic flowmeter using 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
    • A61B5/7278—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
    • A61B6/00—Apparatus for radiation diagnosis, e.g. combined with radiation therapy equipment
    • A61B6/02—Devices for diagnosis sequentially in different planes; Stereoscopic radiation diagnosis
    • A61B6/03—Computerised tomographs
    • A61B6/032—Transmission computed tomography [CT]
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B6/00—Apparatus for radiation diagnosis, e.g. combined with radiation therapy equipment
    • A61B6/50—Clinical applications
    • A61B6/504—Clinical applications involving diagnosis of blood vessels, e.g. by angiography
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B6/00—Apparatus for radiation diagnosis, e.g. combined with radiation therapy equipment
    • A61B6/50—Clinical applications
    • A61B6/507—Clinical applications involving determination of haemodynamic parameters, e.g. perfusion CT
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B6/00—Apparatus for radiation diagnosis, e.g. 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 for radiation diagnosis, e.g. combined with radiation therapy equipment
    • A61B6/50—Clinical applications
    • 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

Abstract

구체예는 환자에 대한 심혈관 정보를 결정하기 위한 시스템을 포함한다. 상기 시스템은 환자의 심장의 기하학에 관한 환자-특이적 데이터를 제공받고, 그리고 환자-특이적 데이터에 근거하여 환자의 심장의 최소한 일부를 나타내는 3차원 모형을 창출하도록 설정된 최소한 하나의 컴퓨터 시스템을 포함할 수 있다. 최소한 하나의 컴퓨터 시스템은 환자의 심장의 혈류 특징에 관련된 물리학-기초된 모형을 창출하고, 그리고 3차원 모형 및 물리학-기초된 모형에 근거하여 환자의 심장 내에서 분획 혈류 예비력을 결정하도록 더욱 설정될 수 있다.

Description

최적화된 진단적 성과를 위한 경계 조건에서 혈류를 모형화하기 위한 방법과 시스템{METHOD AND SYSTEM FOR MODELING BLOOD FLOW WITH BOUNDARY CONDITIONS FOR OPTIMIZED DIAGNOSTIC PERFORMANCE}
설명
우선권
본 출원은 2013년 7월 30일자 제출된 가출원 번호 61/860,138, 그리고 2014년 7월 30일자 제출된 U.S. 특허 출원 번호 14/447,195로부터 우선권을 주장하고, 이들은 전체적으로 본원에 참조로서 편입된다.
기술 분야
구체예는 혈류의 환자-특이적 추정의 모형화를 위한 방법과 시스템, 더욱 구체적으로, 진단적 성과를 위해 최적화되는 경계 조건을 산출하기 위한 방법과 시스템을 포함한다.
배경
관상 동맥 질환은 심장에 혈액을 제공하는 혈관 내에서 관상 병변, 예를 들면, 협착증 (혈관의 비정상적인 좁아짐)을 발생시킬 수 있다. 결과적으로, 심장으로의 혈류가 제한될 수 있다. 관상 동맥 질환으로 고통받는 환자는 육체적 활동 동안 만성 안정 협심증 또는 환자가 안정 중에 있을 때 불안정 협심증으로서 지칭되는 흉통을 경험할 수 있다. 질환의 더욱 심각한 현시는 심근 경색, 또는 심장마비를 야기할 수 있다.
관상 병변에 관련된 더욱 정확한 데이터, 예를 들면, 크기, 모양, 위치, 기능적 유의성 (가령, 병변이 혈류에 충격을 주는 지의 여부) 등을 제공하는 것이 요구된다. 흉통으로 고통받는 및/또는 관상 동맥 질환의 증상을 전시하는 환자는 관상 병변에 관련된 일부 간접적인 증거를 제공할 수 있는 한 가지 또는 그 이상의 시험에 종속될 수 있다. 가령, 비침습성 시험은 심전도, 혈액 검사로부터 생물마커 평가, 트레드밀 시험, 초음파심장검진, 단일 양전자 방출 전산화 단층촬영술 (SPECT), 그리고 양전자 방출 단층촬영술 (PET)을 포함할 수 있다. 하지만, 이들 비침습성 시험은 전형적으로, 관상 병변의 직접적인 사정을 제공하거나 또는 혈류 속도를 사정하지 못한다. 이들 비침습성 시험은 심장의 전기 활성 (가령, 심전도기록법 (ECG)을 이용하여), 심근의 운동 (가령, 부하 심장초음파검사를 이용하여), 심근의 관류 (가령, PET 또는 SPECT를 이용하여), 또는 물질대사 변화 (가령, 생물마커를 이용하여)에서 변화를 찾음으로써, 관상 병변의 간접적인 증거를 제공할 수 있다.
가령, 해부학적 데이터는 관상 전산화 단층촬영 혈관조영술 (CCTA)을 이용하여 비침습성으로 획득될 수 있다. CCTA는 흉통을 앓는 환자의 영상에 이용될 수 있고, 그리고 조영제의 정맥내 주입 이후에 심장과 관상 동맥을 영상화하기 위해 전산화 단층촬영술 (CT) 기술을 이용하는 것을 수반한다. 하지만, CCTA 역시, 관상 병변의 기능적 유의성, 예를 들면, 병변이 혈류에 영향을 주는 지의 여부에 관한 직접적인 정보를 제공할 수 없다. 이에 더하여, CCTA가 전적으로 진단적 시험이기 때문에, 이것은 다른 생리학적 상태, 예를 들면, 운동 하에 관상 혈류, 압력, 또는 심근 관류에서 변화를 예측하는데 이용될 수 없고, 또한 개입의 결과를 예측하는데 이용될 수 없다.
따라서, 환자는 관상 병변을 가시화하기 위해, 침습성 시험, 예를 들면, 진단적 심장 카테터삽입을 또한 필요로 할 수도 있다. 진단적 심장 카테터삽입은 의사에게 동맥의 크기와 모양의 이미지를 제공함으로써, 관상 병변에 관한 해부학적 데이터를 모으기 위한 전통적인 관상 동맥조영술 (CCA)을 수행하는 것을 포함할 수 있다. 하지만, CCA는 관상 병변의 기능적 유의성을 사정하기 위한 데이터를 제공하지 못한다. 가령, 의사는 병변이 기능적으로 유의미한 지의 여부를 결정하지 않으면, 관상 병변이 유해한 지의 여부를 진단할 수 없을 수도 있다. 따라서, CCA는 병변이 기능적으로 유의미한 지의 여부에 상관없이 CCA로 발견된 모든 병변에 대해 스텐트를 삽입하는 일부 중재적 심장병전문의의 "눈으로 볼 수 있는 협착성 반사"로서 지칭되는 것을 야기하였다. 결과적으로, CCA는 환자에서 불필요한 수술을 야기할 수 있는데, 이것은 환자에게 부가된 위험을 제기할 수 있고 환자에 대한 불필요한 건강 관리 비용을 유발할 수 있다.
진단적 심장 카테터삽입 동안, 관상 병변의 기능적 유의성은 관찰된 병변의 분획 혈류 예비력 (FFR)을 계측함으로써 침습성으로 사정될 수 있다. FFR은 예로서, 아데노신의 정맥내 투여에 의해 유도된 증가된 관상 혈류의 조건 하에, 병변으로부터 상류에 평균 혈압, 예를 들면, 대동맥 압력에 의해 나눗셈된 병변의 하류에 평균 혈압의 비율로서 규정된다. 이들 혈압은 압력 와이어를 환자 내로 삽입함으로써 계측될 수 있다. 따라서, 결정된 FFR에 근거하여 병변을 치료하는 결정은 진단적 심장 카테터삽입의 초기 비용과 위험이 이미 발생한 이후에야 이루어질 수 있다.
현재의 기술은 의심되는 관상 동맥 질환을 앓는 환자에 대한 진단과 치료 계획을 향상시키기 위해, 관상 해부학, 심근 관류, 그리고 관상 동맥 흐름을 비침습성으로 사정한다. 이들 기술은 영상 데이터로부터 구축되는 해부학적 모형의 경계에서 혈류의 생리학적 모형을 확립하는 것에 의존하다. 혈류, 압력, 그리고 다른 메트릭스, 예를 들면, FFR은 해부학적 모형의 경계 내에서 계산될 수 있다. 이들 결과가 환자를 진단하고 이들에 대한 치료를 계획하는데 도움이 되도록 의사에 의해 임상적으로 이용될 때, 진단적 성과가 매우 중요하다. 이들 경계 조건은 정확도에 큰 영향을 주고, 그리고 이전에는, 성과를 증강하거나 또는 다양한 메트릭스, 예를 들면, 감수성과 특이성의 균형을 최적화할 만큼 충분히 설계되고 조율되지 않았다. 따라서, 이들 경계 조건이 최적 진단적 성과를 달성할 수 있게 하는 시스템과 방법이 요구된다.
전술한 일반적인 설명 및 다음의 상세한 설명 둘 모두 단지 예시적이고 설명적이며 본 발명을 제한하지 않는 것으로 이해된다.
요약
구체예에 따라서, 환자에 대한 심혈관 정보를 결정하기 위한 시스템은 환자의 심장의 기하학에 관한 환자-특이적 데이터를 제공받고, 그리고 환자-특이적 데이터에 근거하여 환자의 심장의 최소한 일부를 나타내는 3차원 모형을 창출하도록 설정된 최소한 하나의 컴퓨터 시스템을 포함한다. 최소한 하나의 컴퓨터 시스템은 환자의 심장의 혈류 특징에 관련된 물리학-기초된 모형을 창출하고, 그리고 3차원 모형 및 물리학-기초된 모형에 근거하여 환자의 심장 내에서 분획 혈류 예비력을 결정하도록 더욱 설정된다.
다른 구체예에 따라서, 최소한 하나의 컴퓨터 시스템을 이용하여 환자-특이적 심혈관 정보를 결정하기 위한 방법은 환자의 심장의 기하학에 관한 환자-특이적 데이터를 최소한 하나의 컴퓨터 시스템 내로 입력하고, 그리고 최소한 하나의 컴퓨터 시스템을 이용하여, 환자-특이적 데이터에 근거하여 환자의 심장의 최소한 일부를 나타내는 3차원 모형을 창출하는 것을 포함한다. 상기 방법은 최소한 하나의 컴퓨터 시스템을 이용하여, 환자의 심장의 혈류 특징에 관련된 물리학-기초된 모형을 창출하고, 그리고 최소한 하나의 컴퓨터 시스템을 이용하여, 3차원 모형 및 물리학-기초된 모형에 근거하여 환자의 심장 내에서 분획 혈류 예비력을 결정하는 것을 더욱 포함한다.
다른 구체예에 따라서, 환자-특이적 심혈관 정보를 결정하기 위한 방법을 수행하기 위한 컴퓨터-실행가능한 프로그램 명령을 내포하는 최소한 하나의 컴퓨터 시스템에서 이용을 위한 비-일시적인 컴퓨터 판독가능 매체가 제공된다. 상기 방법은 환자의 심장의 기하학에 관한 환자-특이적 데이터를 제공받고, 그리고 환자-특이적 데이터에 근거하여 환자의 심장의 최소한 일부를 나타내는 3차원 모형을 창출하는 것을 포함한다. 상기 방법은 환자의 심장에서 혈류 특징에 관련된 물리학-기초된 모형을 창출하고, 그리고 3차원 모형 및 물리학-기초된 모형에 근거하여 환자의 심장 내에서 분획 혈류 예비력을 결정하는 것을 더욱 포함한다.
다른 구체예에 따라서, 환자에 대한 치료를 계획하기 위한 시스템은 환자의 해부학적 구조의 기하학에 관한 환자-특이적 데이터를 제공받고, 그리고 환자-특이적 데이터에 근거하여 환자의 해부학적 구조의 최소한 일부를 나타내는 3차원 모형을 창출하도록 설정된 최소한 하나의 컴퓨터 시스템을 포함한다. 최소한 하나의 컴퓨터 시스템은 3차원 모형 및 환자의 해부학적 구조에 관련된 물리학-기초된 모형에 근거하여 환자의 해부학적 구조 내에서 혈류 특징에 관한 첫 번째 정보를 결정하고, 3차원 모형을 변형하고, 그리고 변형된 3차원 모형에 근거하여 환자의 해부학적 구조 내에서 혈류 특징에 관한 두 번째 정보를 결정하도록 더욱 설정된다.
다른 구체예에 따라서, 환자에 대한 치료를 계획하기 위한 방법을 수행하기 위한 컴퓨터-실행가능한 프로그램 명령을 내포하는 컴퓨터 시스템에서 이용을 위한 비-일시적인 컴퓨터 판독가능 매체가 제공된다. 상기 방법은 환자의 해부학적 구조의 기하학에 관한 환자-특이적 데이터를 제공받고, 그리고 환자-특이적 데이터에 근거하여 환자의 해부학적 구조의 최소한 일부를 나타내는 3차원 모형을 창출하는 것을 포함한다. 상기 방법은 3차원 모형 및 환자의 해부학적 구조에 관련된 물리학-기초된 모형에 근거하여 환자의 해부학적 구조 내에서 혈류 특징에 관한 첫 번째 정보를 결정하고, 그리고 환자의 해부학적 구조의 기하학에서 원하는 변화에 근거하여 환자의 해부학적 구조 내에서 혈류 특징에 관한 두 번째 정보를 결정하는 것을 더욱 포함한다.
다른 구체예에 따라서, 컴퓨터 시스템을 이용하여 환자에 대한 치료를 계획하기 위한 방법은 환자의 해부학적 구조의 기하학에 관한 환자-특이적 데이터를 최소한 하나의 컴퓨터 시스템 내로 입력하고, 그리고 최소한 하나의 컴퓨터 시스템을 이용하여, 환자-특이적 데이터에 근거하여 환자의 해부학적 구조의 최소한 일부를 나타내는 3차원 모형을 창출하는 것을 포함한다. 상기 방법은 최소한 하나의 컴퓨터 시스템을 이용하여, 3차원 모형 및 환자의 해부학적 구조에 관련된 물리학-기초된 모형에 근거하여 환자의 해부학적 구조 내에서 혈류 특징에 관한 첫 번째 정보를 결정하는 것을 더욱 포함한다. 상기 방법은 또한, 최소한 하나의 컴퓨터 시스템을 이용하여, 3차원 모형을 변형하고, 그리고 최소한 하나의 컴퓨터 시스템을 이용하여, 변형된 3차원 모형에 근거하여 환자의 해부학적 구조 내에서 혈류 특징에 관한 두 번째 정보를 결정하는 것을 포함한다.
다른 구체예에 따라서, 환자에 대한 치료를 계획하기 위한 시스템은 환자의 해부학적 구조의 기하학에 관한 환자-특이적 데이터를 제공받고, 그리고 환자-특이적 데이터에 근거하여 환자의 해부학적 구조의 최소한 일부를 나타내는 3차원 모형을 창출하도록 설정된 최소한 하나의 컴퓨터 시스템을 포함한다. 최소한 하나의 컴퓨터 시스템은 또한, 3차원 모형 및 환자의 생리학적 상태에 관한 정보에 근거하여 환자의 해부학적 구조 내에서 혈류 특징에 관한 첫 번째 정보를 결정하고, 환자의 생리학적 상태를 변형하고, 그리고 환자의 변형된 생리학적 상태에 근거하여 환자의 해부학적 구조 내에서 혈류 특징에 관한 두 번째 정보를 결정하도록 설정된다.
다른 구체예에 따라서, 환자에 대한 치료를 계획하기 위한 방법을 수행하기 위한 컴퓨터-실행가능한 프로그램 명령을 내포하는 컴퓨터 시스템에서 이용을 위한 비-일시적인 컴퓨터 판독가능 매체가 제공된다. 상기 방법은 환자의 해부학적 구조의 기하학에 관한 환자-특이적 데이터를 제공받고, 그리고 환자-특이적 데이터에 근거하여 환자의 해부학적 구조의 최소한 일부를 나타내는 3차원 모형을 창출하는 것을 포함한다. 상기 방법은 3차원 모형 및 환자의 생리학적 상태에 관한 정보에 근거하여 환자의 해부학적 구조 내에서 혈류 특징에 관한 첫 번째 정보를 결정하고, 그리고 환자의 생리학적 상태에서 원하는 변화에 근거하여 환자의 해부학적 구조 내에서 혈류 특징에 관한 두 번째 정보를 결정하는 것을 더욱 포함한다.
다른 구체예에 따라서, 최소한 하나의 컴퓨터 시스템을 이용하여 환자에 대한 치료를 계획하기 위한 방법은 환자의 해부학적 구조의 기하학에 관한 환자-특이적 데이터를 최소한 하나의 컴퓨터 시스템 내로 입력하고, 그리고 최소한 하나의 컴퓨터 시스템을 이용하여, 환자-특이적 데이터에 근거하여 환자의 해부학적 구조의 최소한 일부를 나타내는 3차원 모형을 창출하는 것을 포함한다. 상기 방법은 또한, 최소한 하나의 컴퓨터 시스템을 이용하여, 3차원 모형 및 환자의 생리학적 상태에 관한 정보에 근거하여 환자의 해부학적 구조 내에서 혈류 특징에 관한 첫 번째 정보를 결정하는 것을 포함한다. 상기 방법은 최소한 하나의 컴퓨터 시스템을 이용하여, 환자의 생리학적 상태를 변형하고, 그리고 최소한 하나의 컴퓨터 시스템을 이용하여, 환자의 변형된 생리학적 상태에 근거하여 환자의 해부학적 구조 내에서 혈류 특징에 관한 두 번째 정보를 결정하는 것을 더욱 포함한다.
다른 구체예에 따라서, 환자-특이적 심혈관 정보를 결정하기 위한 시스템은 환자의 해부학적 구조의 기하학에 관한 환자-특이적 데이터를 제공받고, 그리고 환자-특이적 데이터에 근거하여 환자의 해부학적 구조의 최소한 일부를 나타내는 3차원 모형을 창출하도록 설정된 최소한 하나의 컴퓨터 시스템을 포함한다. 최소한 하나의 컴퓨터 시스템은 또한, 환자의 해부학적 구조의 부분을 통한 전체 흐름과 연관된 전체 저항을 결정하고, 그리고 3차원 모형, 환자의 해부학적 구조에 관련된 물리학-기초된 모형, 그리고 결정된 전체 저항에 근거하여 환자의 해부학적 구조 내에서 혈류 특징에 관한 정보를 결정하도록 설정된다.
다른 구체예에 따라서, 최소한 하나의 컴퓨터 시스템을 이용하여 환자-특이적 심혈관 정보를 결정하기 위한 방법은 환자의 해부학적 구조의 기하학에 관한 환자-특이적 데이터를 최소한 하나의 컴퓨터 시스템 내로 입력하고, 그리고 최소한 하나의 컴퓨터를 이용하여, 환자-특이적 데이터에 근거하여 환자의 해부학적 구조의 최소한 일부를 나타내는 3차원 모형을 창출하는 것을 포함한다. 상기 방법은 또한, 최소한 하나의 컴퓨터를 이용하여, 환자의 해부학적 구조의 부분을 통한 전체 흐름과 연관된 전체 저항을 결정하고, 그리고 최소한 하나의 컴퓨터를 이용하여, 3차원 모형, 환자의 해부학적 구조에 관련된 물리학-기초된 모형, 그리고 결정된 전체 저항에 근거하여 환자의 해부학적 구조 내에서 혈류 특징에 관한 정보를 결정하는 것을 포함한다.
다른 구체예에 따라서, 환자-특이적 심혈관 정보를 결정하기 위한 방법을 수행하기 위한 컴퓨터-실행가능한 프로그램 명령을 내포하는 컴퓨터 시스템에서 이용을 위한 비-일시적인 컴퓨터 판독가능 매체가 제공된다. 상기 방법은 환자의 해부학적 구조의 기하학에 관한 환자-특이적 데이터를 제공받고, 그리고 환자-특이적 데이터에 근거하여 환자의 해부학적 구조의 최소한 일부를 나타내는 3차원 모형을 창출하는 것을 포함한다. 상기 방법은 또한, 환자의 해부학적 구조의 부분을 통한 전체 흐름과 연관된 전체 저항을 결정하고, 그리고 3차원 모형, 환자의 해부학적 구조에 관련된 물리학-기초된 모형, 그리고 결정된 전체 저항에 근거하여 환자의 해부학적 구조 내에서 혈류 특징에 관한 정보를 결정하는 것을 포함한다.
다른 구체예에 따라서, 웹사이트를 이용하여 환자-특이적 심혈관 정보를 제공하기 위한 시스템은 원격 사용자가 웹사이트에 접근하도록 허용하고, 환자의 해부학적 구조의 기하학의 최소한 일부에 관한 환자-특이적 데이터를 제공받고, 환자-특이적 데이터에 근거하여 환자의 해부학적 구조의 최소한 일부를 나타내는 3차원 모형을 창출하고, 그리고 3차원 모형 및 환자의 생리학적 상태에 근거하여 환자의 해부학적 구조 내에서 혈류 특징에 관한 정보를 결정하도록 설정된 최소한 하나의 컴퓨터 시스템을 포함한다. 최소한 하나의 컴퓨터 시스템은 또한, 환자의 해부학적 구조의 최소한 부분의 첫 번째 3차원 시뮬레이션에 관한 전시 정보를 웹사이트를 이용하여 원격 사용자에게 통신하도록 설정된다. 3차원 시뮬레이션은 혈류 특징에 관하여 결정된 정보를 포함한다.
다른 구체예에 따라서, 웹사이트를 이용하여 환자-특이적 심혈관 정보를 제공하기 위한 방법은 최소한 하나의 컴퓨터 시스템을 이용하여, 원격 사용자가 웹사이트에 접근하도록 허용하고, 그리고 최소한 하나의 컴퓨터 시스템을 이용하여, 환자의 해부학적 구조의 기하학에 관한 환자-특이적 데이터를 제공받는 것을 포함한다. 상기 방법은 또한, 최소한 하나의 컴퓨터 시스템을 이용하여, 환자-특이적 데이터에 근거하여 환자의 해부학적 구조의 최소한 일부를 나타내는 3차원 모형을 창출하고, 그리고 최소한 하나의 컴퓨터 시스템을 이용하여, 3차원 모형 및 환자의 생리학적 상태에 근거하여 환자의 해부학적 구조 내에서 혈류 특징에 관한 정보를 결정하는 것을 포함한다. 상기 방법은 최소한 하나의 컴퓨터 시스템을 이용하여, 환자의 해부학적 구조의 최소한 부분의 첫 번째 3차원 시뮬레이션에 관한 전시 정보를 웹사이트를 이용하여 원격 사용자에게 통신하는 것을 더욱 포함한다. 3차원 시뮬레이션은 혈류 특징에 관하여 결정된 정보를 포함한다.
다른 구체예에 따라서, 웹사이트를 이용하여 환자-특이적 심혈관 정보를 제공하기 위한 방법을 수행하기 위한 컴퓨터-실행가능한 프로그램 명령을 내포하는 컴퓨터 시스템에서 이용을 위한 비-일시적인 컴퓨터 판독가능 매체가 제공된다. 상기 방법은 원격 사용자가 웹사이트에 접근하도록 허용하고, 환자의 해부학적 구조의 기하학에 관한 환자-특이적 데이터를 제공받고, 그리고 환자-특이적 데이터에 근거하여 환자의 해부학적 구조의 최소한 일부를 나타내는 3차원 모형을 창출하는 것을 포함한다. 상기 방법은 또한, 3차원 모형 및 환자의 해부학적 구조에 관련된 물리학-기초된 모형에 근거하여 환자의 해부학적 구조 내에서 혈류 특징에 관한 정보를 결정하고, 그리고 환자의 해부학적 구조의 최소한 부분의 첫 번째 3차원 시뮬레이션에 관한 전시 정보를 웹사이트를 이용하여 원격 사용자에게 통신하는 것을 포함한다. 3차원 시뮬레이션은 혈류 특징에 관하여 결정된 정보를 포함한다.
다른 구체예에 따라서, 환자-특이적 시간 가변성 심혈관 정보를 결정하기 위한 시스템은 상이한 시점에서 환자의 해부학적 구조의 최소한 일부의 기하학에 관한 시간 가변성 환자-특이적 데이터를 제공받고, 그리고 환자-특이적 데이터에 근거하여 환자의 해부학적 구조의 최소한 일부를 나타내는 3차원 모형을 창출하도록 설정된 최소한 하나의 컴퓨터 시스템을 포함한다. 최소한 하나의 컴퓨터 시스템은 또한, 3차원 모형 및 환자의 해부학적 구조에 관련된 물리학-기초된 모형에 근거하여 환자의 해부학적 구조 내에서 시간의 추이에서 혈류 특징에서 변화에 관한 정보를 결정하도록 설정된다.
다른 구체예에 따라서, 최소한 하나의 컴퓨터 시스템을 이용하여 환자-특이적 시간 가변성 심혈관 정보를 결정하기 위한 방법은 최소한 하나의 컴퓨터 시스템을 이용하여, 상이한 시점에서 환자의 해부학적 구조의 기하학에 관한 시간 가변성 환자-특이적 데이터를 제공받는 것을 포함한다. 상기 방법은 또한, 최소한 하나의 컴퓨터 시스템을 이용하여, 환자-특이적 데이터에 근거하여 환자의 해부학적 구조의 최소한 일부를 나타내는 3차원 모형을 창출하는 것을 포함한다. 상기 방법은 최소한 하나의 컴퓨터 시스템을 이용하여, 3차원 모형 및 환자의 해부학적 구조에 관련된 물리학-기초된 모형에 관한 정보에 근거하여 환자의 해부학적 구조 내에서 시간의 추이에서 혈류 특징에서 변화에 관한 정보를 결정하는 것을 더욱 포함한다.
다른 구체예에 따라서, 환자-특이적 시간 가변성 심혈관 정보를 결정하기 위한 방법을 수행하기 위한 컴퓨터-실행가능한 프로그램 명령을 내포하는 컴퓨터 시스템에서 이용을 위한 비-일시적인 컴퓨터 판독가능 매체가 제공된다. 상기 방법은 상이한 시점에서 환자의 해부학적 구조의 기하학에 관한 시간 가변성 환자-특이적 데이터를 제공받고, 환자-특이적 데이터에 근거하여 환자의 해부학적 구조의 최소한 일부를 나타내는 3차원 모형을 창출하고, 그리고 3차원 모형 및 환자의 해부학적 구조에 관련된 물리학-기초된 모형에 관한 정보에 근거하여 환자의 해부학적 구조 내에서 시간의 추이에서 혈류 특징에서 변화에 관한 정보를 결정하는 것을 포함한다.
다른 구체예에 따라서, 환자에 대한 심혈관 정보를 결정하기 위한 시스템은 기하학에 관한 환자-특이적 데이터 및 환자의 해부학적 구조의 최소한 일부의 최소한 한 가지 재료 물성을 제공받도록 설정된 최소한 하나의 컴퓨터 시스템을 포함한다. 해부학적 구조는 혈관의 최소한 일부를 포함한다. 최소한 하나의 컴퓨터 시스템은 환자-특이적 데이터에 근거하여 환자의 해부학적 구조를 나타내는 3차원 모형을 창출하고, 그리고 3차원 모형 및 환자의 생리학적 상태에 근거하여 환자의 해부학적 구조 내에서 혈류 특징에 관한 정보를 결정하도록 더욱 설정된다. 최소한 하나의 컴퓨터 시스템은 또한, 혈관 내에서 플라크의 위치를 확인하도록 설정된다.
다른 구체예에 따라서, 최소한 하나의 컴퓨터 시스템을 이용하여 환자에 대한 심혈관 정보를 결정하기 위한 방법은 최소한 하나의 컴퓨터 시스템을 이용하여, 기하학에 관한 환자-특이적 데이터 및 환자의 해부학적 구조의 최소한 일부의 최소한 한 가지 재료 물성을 제공받는 것을 포함한다. 해부학적 구조는 혈관의 최소한 일부를 포함한다. 상기 방법은 또한, 최소한 하나의 컴퓨터 시스템을 이용하여, 환자-특이적 데이터에 근거하여 환자의 해부학적 구조를 나타내는 3차원 모형을 창출하고, 그리고 최소한 하나의 컴퓨터 시스템을 이용하여, 3차원 모형 및 환자의 생리학적 상태에 근거하여 환자의 해부학적 구조 내에서 혈류 특징에 관한 정보를 결정하는 것을 포함한다. 상기 방법은 최소한 하나의 컴퓨터 시스템을 이용하여, 혈관 내에서 플라크를 확인하는 것을 더욱 포함한다.
다른 구체예에 따라서, 환자에 대한 심혈관 정보를 결정하기 위한 방법을 수행하기 위한 컴퓨터-실행가능한 프로그램 명령을 내포하는 컴퓨터 시스템에서 이용을 위한 비-일시적인 컴퓨터 판독가능 매체가 제공된다. 상기 방법은 환자의 해부학적 구조의 최소한 일부의 기하학과 최소한 한 가지 재료 물성에 관한 환자-특이적 데이터를 제공받는 것을 포함한다. 해부학적 구조는 혈관의 최소한 일부를 포함한다. 상기 방법은 또한, 환자-특이적 데이터에 근거하여 환자의 해부학적 구조를 나타내는 3차원 모형을 창출하고, 3차원 모형 및 환자의 생리학적 상태에 근거하여 환자의 해부학적 구조 내에서 혈류 특징에 관한 정보를 결정하고, 그리고 혈관 내에서 플라크의 위치를 확인하는 것을 포함한다.
다른 구체예에 따라서, 환자에 대한 심혈관 정보를 결정하기 위한 시스템은 환자의 해부학적 구조의 최소한 일부의 기하학에 관한 환자-특이적 데이터를 제공받도록 설정된 최소한 하나의 컴퓨터 시스템을 포함한다. 해부학적 구조는 복수의 동맥 중에서 최소한 일부 및 복수의 동맥 중에서 최소한 일부에 연결된 조직을 포함한다. 최소한 하나의 컴퓨터 시스템은 환자-특이적 데이터에 근거하여 환자의 해부학적 구조를 나타내는 3차원 모형을 창출하고, 조직을 나타내는 3차원 모형의 최소한 일부를 분절로 분할하고, 그리고 3차원 모형 및 환자의 생리학적 상태에 근거하여 이들 분절 중에서 최소한 하나와 연관된 혈류 특징에 관한 정보를 결정하도록 더욱 설정된다.
다른 구체예에 따라서, 최소한 하나의 컴퓨터 시스템을 이용하여 환자에 대한 심혈관 정보를 결정하기 위한 방법은 최소한 하나의 컴퓨터 시스템을 이용하여, 환자의 해부학적 구조의 최소한 일부의 기하학에 관한 환자-특이적 데이터를 제공받는 것을 포함한다. 해부학적 구조는 복수의 동맥 중에서 최소한 일부 및 복수의 동맥 중에서 최소한 일부에 연결된 조직을 포함한다. 상기 방법은 또한, 최소한 하나의 컴퓨터 시스템을 이용하여, 환자-특이적 데이터에 근거하여 환자의 해부학적 구조를 나타내는 3차원 모형을 창출하고, 그리고 최소한 하나의 컴퓨터 시스템을 이용하여, 3차원 모형을 확대하여 증강된 모형을 형성하는 것을 포함한다. 상기 방법은 최소한 하나의 컴퓨터 시스템을 이용하여, 조직을 나타내는 증강된 모형의 최소한 일부를 분절로 분할하고, 그리고 최소한 하나의 컴퓨터 시스템을 이용하여, 증강된 모형 및 환자의 생리학적 상태에 근거하여 이들 분절 중에서 최소한 하나와 연관된 혈류 특징에 관한 정보를 결정하는 것을 더욱 포함한다.
다른 구체예에 따라서, 환자에 대한 심혈관 정보를 결정하기 위한 방법을 수행하기 위한 컴퓨터-실행가능한 프로그램 명령을 내포하는 컴퓨터 시스템에서 이용을 위한 비-일시적인 컴퓨터 판독가능 매체가 제공된다. 상기 방법은 환자의 해부학적 구조의 최소한 일부의 기하학에 관한 환자-특이적 데이터를 제공받는 것을 포함한다. 해부학적 구조는 복수의 동맥 중에서 최소한 일부 및 복수의 동맥 중에서 최소한 일부에 연결된 조직을 포함한다. 상기 방법은 또한, 환자-특이적 데이터에 근거하여 환자의 해부학적 구조를 나타내는 3차원 모형을 창출하고, 조직을 나타내는 3차원 모형의 최소한 일부를 분절로 분할하고, 그리고 3차원 모형 및 해부학적 구조에 관련된 물리학-기초된 모형에 근거하여 이들 분절 중에서 최소한 하나와 연관된 혈류 특징에 관한 정보를 결정하는 것을 포함한다.
다른 구체예에 따라서, 환자에 대한 심혈관 정보를 결정하기 위한 시스템은 환자의 뇌의 기하학에 관한 환자-특이적 데이터를 제공받도록 설정된 최소한 하나의 컴퓨터 시스템을 포함한다. 최소한 하나의 컴퓨터 시스템은 환자-특이적 데이터에 근거하여 환자의 뇌의 최소한 일부를 나타내는 3차원 모형을 창출하고, 그리고 3차원 모형 및 환자의 뇌에 관련된 물리학-기초된 모형에 근거하여 환자의 뇌 내에서 혈류 특징에 관한 정보를 결정하도록 더욱 설정된다.
다른 구체예에 따라서, 최소한 하나의 컴퓨터 시스템을 이용하여 환자-특이적 심혈관 정보를 결정하기 위한 방법은 환자의 복수의 대뇌 동맥 중에서 최소한 일부의 기하학에 관한 환자-특이적 데이터를 최소한 하나의 컴퓨터 시스템 내로 입력하는 것을 포함한다. 상기 방법은 또한, 최소한 하나의 컴퓨터 시스템을 이용하여, 환자-특이적 데이터에 근거하여 환자의 대뇌 동맥의 최소한 부분을 나타내는 3차원 모형을 창출하고, 그리고 최소한 하나의 컴퓨터 시스템을 이용하여, 3차원 모형 및 환자의 대뇌 동맥에 관련된 물리학-기초된 모형에 근거하여 환자의 대뇌 동맥 내에서 혈류 특징에 관한 정보를 결정하는 것을 포함한다.
다른 구체예에 따라서, 환자-특이적 심혈관 정보를 결정하기 위한 방법을 수행하기 위한 컴퓨터-실행가능한 프로그램 명령을 내포하는 최소한 하나의 컴퓨터 시스템에서 이용을 위한 비-일시적인 컴퓨터 판독가능 매체가 제공된다. 상기 방법은 환자의 뇌의 기하학에 관한 환자-특이적 데이터를 제공받고, 환자-특이적 데이터에 근거하여 환자의 뇌의 최소한 일부를 나타내는 3차원 모형을 창출하고, 그리고 3차원 모형 및 환자의 뇌에 관련된 물리학-기초된 모형에 근거하여 환자의 뇌 내에서 혈류 특징에 관한 정보를 결정하는 것을 포함한다.
추가 구체예와 이점이 부분적으로, 아래의 설명에서 진술될 것이고, 그리고 부분적으로, 이러한 설명으로부터 명백할 것이고, 또는 본 발명의 실시에 의해 학습될 수 있다. 이들 구체예와 이점은 특히 아래에 지적된 요소와 조합에 의하여 실현되고 획득될 것이다.
도면의 간단한 설명
본 명세서에 통합되고 본 명세서의 일부를 구성하는 첨부 도면은 여러 구체예를 예시하고, 그리고 상세한 설명과 함께, 본 발명의 원리를 설명하는데 조력한다.
도면 1은 예시적인 구체예에 따라, 특정한 환자에서 관상 혈류에 관련된 다양한 정보를 제공하기 위한 시스템의 계통도이다;
도면 2는 예시적인 구체예에 따라, 특정한 환자에서 혈류에 관련된 다양한 정보를 제공하기 위한 방법의 흐름도이다;
도면 3은 도면 2의 방법의 하위단계를 보여주는 흐름도이다;
도면 4는 예시적인 구체예에 따라, 환자로부터 비침습성으로 획득된 영상 데이터를 보여준다;
도면 5는 도면 4의 영상 데이터를 이용하여 산출된 예시적인 3차원 모형을 보여준다;
도면 6은 첫 번째 초기 모형을 형성하기 위한 시드를 포함하는 도면 4의 영상 데이터의 슬라이스의 부분을 보여준다;
도면 7은 도면 6의 시드를 확대함으로써 형성된 첫 번째 초기 모형의 부분을 보여준다;
도면 8은 예시적인 구체예에 따라, 손질된 고체 모형을 보여준다;
도면 9는 환자가 안정 중에 있을 때 예시적인 전산화 FFR (cFFR) 모형을 보여준다;
도면 10은 환자가 최대 충혈 하에 있을 때, 예시적인 cFFR 모형을 보여준다;
도면 11은 환자가 최대 운동 하에 있을 때, 예시적인 cFFR 모형을 보여준다;
도면 12는 예시적인 구체예에 따라, 집중 파라미터 모형을 형성하기 위해 제공된 손질된 고체 모형의 부분을 보여준다;
도면 13은 집중 파라미터 모형을 형성하기 위해 제공된, 도면 12의 손질된 고체 모형에 대한 중심선의 부분을 보여준다;
도면 14는 집중 파라미터 모형을 형성하기 위해 제공된, 도면 12의 손질된 고체 모형에 근거하여 형성된 분절을 보여준다;
도면 15는 집중 파라미터 모형을 형성하기 위해 제공된, 저항기에 의해 대체된 도면 14의 분절을 보여준다;
도면 16은 예시적인 구체예에 따라, 고체 모형의 유입과 유출 경계에서 상류와 하류 구조를 나타내는 예시적인 집중 파라미터 모형을 보여준다;
도면 17은 도면 8의 고체 모형에 근거하여 제조된 3차원 그물망을 보여준다;
도면 18과 19는 도면 17의 3차원 그물망의 부분을 보여준다;
도면 20은 개별 참고 라벨에 의해 확인된 모형 상에 일정한 포인트에서 혈류 정보를 포함하는 환자의 해부학의 모형을 보여준다;
도면 21은 대동맥 내에서 및 도면 20에서 확인된 포인트 중에서 일부에서 시간의 추이에서 모의된 혈압의 그래프이다;
도면 22는 도면 20에서 확인된 각 포인트에서 시간의 추이에서 모의된 혈류의 그래프이다;
도면 23은 예시적인 구체예에 따라, 확정된 보고서이다;
도면 24a는 예시적인 구체예에 따라, 특정한 환자에서 관상 혈류에 관련된 다양한 정보를 제공하기 위한 방법의 흐름도이다;
도면 24b와 24c는 예시적인 구체예에 따라, 특정한 환자에서 관상 혈류에 관련된 다양한 정보를 제공하기 위한 방법의 추가 흐름도이다;
도면 24d와 24e는 예시적인 구체예에 따라, 상이한 혈관 영역 내에 협착증에서 퍼센트 직경 감소 및 계측된 FFR에 대한 개체군 데이터의 예시적인 플롯이다;
도면 25는 예시적인 구체예에 따라, 왼쪽 앞쪽 하행 (LAD) 동맥의 부분 및 LCX 동맥의 부분을 확장함으로써 창출된 고체 모형에 근거하여 결정된 변형된 cFFR 모형을 보여준다;
도면 26은 예시적인 구체예에 따라, LAD 동맥의 부분 및 왼쪽 회선 (LCX) 동맥의 부분을 확장한 후에, 변형된 모의된 혈류 모형의 실례를 보여준다;
도면 27은 예시적인 구체예에 따라, 감소 차수 모형을 이용하여 다양한 치료 옵션을 모의하기 위한 방법의 흐름도이다;
도면 28은 다른 예시적인 구체예에 따라, 감소 차수 모형을 이용하여 다양한 치료 옵션을 모의하기 위한 방법의 흐름도이다;
도면 29는 예시적인 구체예에 따라, 특정한 환자에서 심근 관류에 관련된 다양한 정보를 제공하기 위한 방법의 흐름도이다;
도면 30은 다른 예시적인 구체예에 따라, 특정한 환자에서 심근 관류에 관련된 다양한 정보를 제공하기 위한 방법의 흐름도이다;
도면 31은 예시적인 구체예에 따라, 심근 관류에 관련된 다양한 정보를 제공하는 환자-특이적 모형을 보여준다;
도면 32는 다른 예시적인 구체예에 따라, 특정한 환자에서 심근 관류에 관련된 다양한 정보를 제공하기 위한 방법의 흐름도이다;
도면 33은 혈관 벽을 따라서 플라크 빌트업의 횡단면도이다;
도면 34는 예시적인 구체예에 따라, 플라크 취약성에 관련된 다양한 정보를 제공하는 환자-특이적 모형을 보여준다;
도면 35는 예시적인 구체예에 따라, 특정한 환자에서 플라크 취약성, 심근 용적 위험, 그리고 심근 관류 위험을 사정하는 것에 관련된 다양한 정보를 제공하기 위한 방법의 흐름도이다;
도면 36은 예시적인 구체예에 따라, 도면 35의 방법으로부터 획득된 정보를 보여주는 계통도이다;
도면 37은 대뇌 동맥의 다이어그램이다;
도면 38은 예시적인 구체예에 따라, 특정한 환자에서 두개내와 두개외 혈류에 관련된 다양한 정보를 제공하기 위한 방법의 흐름도이다;
도면 39는 예시적인 구체예에 따라, 특정한 환자에서 대뇌 관류에 관련된 다양한 정보를 제공하기 위한 방법의 흐름도이다;
도면 40은 다른 예시적인 구체예에 따라, 특정한 환자에서 대뇌 관류에 관련된 다양한 정보를 제공하기 위한 방법의 흐름도이다;
도면 41은 다른 예시적인 구체예에 따라, 특정한 환자에서 대뇌 관류에 관련된 다양한 정보를 제공하기 위한 방법의 흐름도이다; 그리고
도면 42는 예시적인 구체예에 따라, 특정한 환자에서 플라크 취약성, 대뇌 용적 위험, 그리고 대뇌 관류 위험을 사정하는 것에 관련된 다양한 정보를 제공하기 위한 방법의 흐름도이다.
구체예의 설명
예시적인 구체예에 대한 참고가 상세하게 이루어질 것인데, 이들의 실례는 첨부 도면에서 예시된다. 가능한 경우에는 언제나, 동일한 참조 번호가 동일한 또는 유사한 부분을 지칭하기 위해 도면 전역에서 이용될 것이다. 이러한 설명은 다음의 아웃라인에 따라 조직화된다:
I. 개요
II. 환자-특이적 해부학적 데이터의 획득과 전처리
III. 분석에 대비하기 위해 획득된 해부학적 데이터에 근거된 3차원 모형의 창출
IV. 분석을 위한 모형의 제조 및 경계 조건의 결정
A. 분석을 위한 모형 제조
B. 경계 조건의 결정
i. 감소 차수 모형의 결정
ii. 예시적인 집중 파라미터 모형
C. 정확도를 위한 경계 조건의 최적화
1. 개체군 결과에 근거된 조율
2. 영역 경계 조건의 조정
D. 3차원 그물망의 창출
V. 전산 분석의 수행 및 결과 출력
A. 전산 분석의 수행
B. 혈압, 흐름, 그리고 cFFR에 대한 결과의 전시
C. 결과의 실증
D. 관상 혈류 정보를 제공하기 위한 시스템과 방법의 다른 구체예
E. 물리적 활동 동안 환자에서 관상 혈류 정보를 제공하기 위한 시스템과 방법의 예시적인 구체예
VI. 환자-특이적 치료 계획의 제공
A. 상이한 치료 옵션을 비교하기 위해 감소 차수 모형의 이용
VII. 기타 결과
A. 심근 관류의 사정
B. 플라크 취약성의 사정
VIII. 기타 적용
A. 두개내와 두개외 혈류의 모형화
i. 대뇌 관류의 사정
ii. 플라크 취약성의 사정
I. 개요
한 예시적인 구체예에서, 방법과 시스템은 환자로부터 비침습성으로 회수된 정보를 이용하여 특정한 환자에서 혈류에 관련된 다양한 정보를 결정한다. 결정된 정보는 환자의 관상 혈관구조에서 혈류에 관계할 수 있다. 대안으로, 아래에 더욱 상세하게 설명된 바와 같이, 결정된 정보는 환자의 혈관구조의 다른 구역, 예를 들면, 경동맥, 말초, 복부, 신장, 그리고 대뇌 혈관구조에서 혈류에 관계할 수 있다. 관상 혈관구조는 큰 동맥으로부터 소동맥, 모세관, 세정맥, 정맥 등까지의 범위에서 혈관의 복잡한 네트워크를 포함한다. 관상 혈관구조는 심장으로 및 심장 내에서 혈액을 순환시키고, 그리고 대동맥 2 및 주요 관상 동맥 4로부터 하류에 동맥 또는 다른 유형의 혈관의 분지로 더욱 분할될 수 있는, 복수의 주요 관상 동맥 4 (도면 5) (가령, 왼쪽 앞쪽 하행 (LAD) 동맥, 왼쪽 회선 (LCX) 동맥, 오른쪽 관상 (RCA) 동맥 등)에 혈액을 공급하는 대동맥 2 (도면 5)를 포함한다. 따라서, 예시적인 방법과 시스템은 대동맥, 주요 관상 동맥, 및/또는 주요 관상 동맥으로부터 하류에 다른 관상 동맥 또는 혈관 내에서 혈류에 관련된 다양한 정보를 결정할 수 있다. 비록 대동맥과 관상 동맥 (및 그것들로부터 연장하는 분지)이 아래에 논의되긴 하지만, 개시된 방법과 시스템은 다른 유형의 혈관에도 적용될 수 있다.
한 예시적인 구체예에서, 개시된 방법과 시스템에 의해 결정된 정보는 대동맥, 주요 관상 동맥, 및/또는 주요 관상 동맥으로부터 하류에 다른 관상 동맥 또는 혈관 내에 다양한 위치에서 다양한 혈류 특징 또는 파라미터, 예를 들면, 혈류 속도, 압력 (또는 이의 비율), 유속, 그리고 FFR을 포함할 수 있지만 이들에 한정되지 않는다. 이러한 정보는 병변이 기능적으로 유의미한 지의 여부 및/또는 병변을 치료할 지의 여부를 결정하는데 이용될 수 있다. 이러한 정보는 환자로부터 비침습성으로 획득된 정보를 이용하여 결정될 수 있다. 결과적으로, 병변을 치료할 지의 여부의 결정이 침습성 시술과 연관된 비용과 위험 없이 이루질 수 있다.
도면 1은 예시적인 구체예에 따라, 특정한 환자에서 관상 혈류에 관련된 다양한 정보를 제공하기 위한 시스템의 양상을 보여준다. 환자의 해부학의 3차원 모형 10이 아래에 더욱 상세하게 설명된 바와 같이, 환자로부터 비침습성으로 획득된 데이터를 이용하여 창출될 수 있다. 다른 환자-특이적 정보 또한 비침습성으로 획득될 수 있다. 한 예시적인 구체예에서, 3차원 모형 10에 의해 대표된 환자의 해부학의 부분은 대동맥의 최소한 일부 및 대동맥에 연결된 주요 관상 동맥 (및 그것들로부터 연장하거나 또는 발산하는 분지)의 근위 부분을 포함할 수 있다.
관상 혈류에 관련된 다양한 생리학적 법칙 또는 관계 20이 아래에 더욱 상세하게 설명된 바와 같이, 예로서 실험적 데이터로부터 추론될 수 있다. 3차원 해부학적 모형 10 및 추론된 생리학적 법칙 20을 이용하여, 관상 혈류에 관련된 복수의 방정식 30이 아래에 더욱 상세하게 설명된 바와 같이 결정될 수 있다. 가령, 방정식 30이 임의의 수치 방법, 예를 들면, 유한 차분, 유한 체적, 스펙트럼, 격자 볼츠만, 입자-기초된, 레벨 세트, 유한 요소 방법 등을 이용하여 결정되고 해결될 수 있다. 방정식 30은 모형 10에 의해 대표된 해부학 내에 다양한 포인트에서 환자의 해부학 내에 관상 혈류에 관한 정보 (가령, 압력, 속도, FFR 등)를 결정하기 위해 해결가능할 수 있다.
방정식 30은 컴퓨터 40을 이용하여 해결될 수 있다. 해결된 방정식에 근거하여, 컴퓨터 40은 모형 10에 의해 대표된 환자의 해부학 내에 혈류에 관련된 정보를 지시하는 하나 또는 그 이상의 이미지 또는 시뮬레이션을 출력할 수 있다. 가령, 이미지(들)는 아래에 더욱 상세하게 설명된 바와 같이, 모의된 혈압 모형 50, 모의된 혈류 또는 속도 모형 52, 전산화 FFR (cFFR) 모형 54 등을 포함할 수 있다. 모의된 혈압 모형 50, 모의된 혈류 모형 52, 그리고 cFFR 모형 54는 모형 10에 의해 대표된 환자의 해부학 내에 3차원을 따라서 다양한 위치에서 개별 압력, 속도, 그리고 cFFR에 관한 정보를 제공한다. cFFR은 예로서, 아데노신의 정맥내 투여에 의해 전통적으로 유도된 증가된 관상 혈류의 조건 하에, 예로서 모형 10의 유입 경계에서 대동맥 내에 혈압에 의해 나눗셈된 모형 10 내에 특정 위치에서 혈압의 비율로서 계산될 수 있다.
한 예시적인 구체예에서, 컴퓨터 40은 프로세서, 컴퓨터 시스템 등에 의해 실행될 때, 환자에서 혈류에 관련된 다양한 정보를 제공하기 위한 본원에서 설명된 행동 중에서 한 가지를 수행할 수 있는 명령을 저장하는 하나 또는 그 이상의 비-일시적인 컴퓨터-판독가능한 저장 장치를 포함할 수 있다. 컴퓨터 40은 데스크톱 또는 이동식 컴퓨터, 워크스테이션, 서버, 개인 휴대용 단말기, 또는 임의의 다른 컴퓨터 시스템을 포함할 수 있다. 컴퓨터 40은 프로세서, 판독 전용 메모리 (ROM), 무작위 접근 기억장치 (RAM), 주변 장치 (가령, 입력 장치, 출력 장치, 저장 장치 등)를 연결하기 위한 입력/출력 (I/O) 어댑터, 입력 장치, 예를 들면, 자판, 마우스, 터치 스크린, 음성 입력, 및/또는 다른 장치를 연결하기 위한 사용자 인터페이스 어댑터, 컴퓨터 40을 네트워크에 연결하기 위한 통신 어댑터, 컴퓨터 40을 디스플레이에 연결하기 위한 디스플레이 어댑터 등을 포함할 수 있다. 가령, 디스플레이는 방정식 30을 해결함으로써 산출된 3차원 모형 10 및/또는 임의의 이미지, 예를 들면, 모의된 혈압 모형 50, 모의된 혈류 모형 52, 및/또는 cFFR 모형 54를 전시하는데 이용될 수 있다.
도면 2는 다른 예시적인 구체예에 따라, 특정한 환자에서 혈류에 관련된 다양한 정보를 제공하기 위한 방법의 양상을 보여준다; 상기 방법은 환자-특이적 해부학적 데이터, 예를 들면, 환자의 해부학적 구조 (가령, 대동맥의 최소한 일부 및 대동맥에 연결된 주요 관상 동맥 (및 그것들로부터 연장하는 분지)의 근위 부분)에 관한 정보를 획득하고, 그리고 상기 데이터를 전처리하는 것을 포함할 수 있다 (단계 100). 환자-특이적 해부학적 데이터는 아래에 설명된 바와 같이, 예로서 CCTA에 의해 비침습성으로 획득될 수 있다.
환자의 해부학의 3차원 모형은 획득된 해부학적 데이터에 근거하여 창출될 수 있다 (단계 200). 가령, 3차원 모형은 도면 1과 관련하여 앞서 설명된 환자의 해부학의 3차원 모형 10일 수 있다.
3차원 모형은 분석을 위해 제조될 수 있고, 그리고 경계 조건이 결정될 수 있다 (단계 300). 가령, 도면 1과 관련하여 앞서 설명된 환자의 해부학의 3차원 모형 10은 손질되고 용적측정 그물망, 예를 들면, 유한 요소 또는 유한 체적 그물망 내로 불연속될 수 있다. 용적측정 그물망은 도면 1과 관련하여 앞서 설명된 방정식 30을 산출하는데 이용될 수 있다.
경계 조건은 또한, 도면 1과 관련하여 앞서 설명된 방정식 30 내로 배정되고 통합될 수 있다. 경계 조건은 이의 경계, 예를 들면, 유입 경계 322 (도면 8), 유출 경계 324 (도면 8), 혈관 벽 경계 326 (도면 8) 등에서 3차원 모형 10에 관한 정보를 제공한다. 유입 경계 322는 흐름이 예로서, 대동맥 뿌리에 근접한 대동맥의 단부 (가령, 도면 16에서 도시된 단부 A)에서 3차원 모형의 해부학으로 지향되는 경계를 포함할 수 있다. 각 유입 경계 322는 심장 모형 및/또는 집중 파라미터 모형을 경계 등에 연계함으로써, 예로서 속도, 유속, 압력, 또는 다른 특징에 대한 규정된 값 또는 값의 필드가 배정될 수 있다. 유출 경계 324는 흐름이 예로서, 대동맥궁에 근접한 대동맥의 단부 (가령, 도면 16에서 도시된 단부 B), 그리고 주요 관상 동맥 및 그것들로부터 연장하는 분지의 하류 단부 (가령, 도면 16에서 도시된 단부 a-m)에서 3차원 모형의 해부학으로부터 외향으로 지향되는 경계를 포함할 수 있다. 각 유출 경계는 아래에 상세하게 설명된 바와 같이, 예로서 집중 파라미터 또는 분산된 (가령, 1차원 파장 전파) 모형을 연계함으로써 배정될 수 있다. 유입 및/또는 유출 경계 조건에 대한 규정된 값은 환자의 생리학적 특징, 예를 들면, 하지만 제한 없이, 심장 박출량 (심장으로부터 혈류의 용적), 혈압, 심근 질량 등을 비침습성으로 계측함으로써 결정될 수 있다. 혈관 벽 경계는 대동맥, 주요 관상 동맥, 및/또는 3차원 모형 10의 다른 관상 동맥 또는 혈관의 물리적 경계를 포함할 수 있다.
경계 조건, 특히 원위 혈관구조를 나타내는 하류 출구에서 경계 조건은 FFR과 같은 전산화 메트릭스의 진단적 정확도에 영향을 줄 수 있다. 이들 경계 조건의 설계는 성과, 예를 들면, 감수성, 특이성, 선입견, 오차 등에 필수적이다. 경계 조건은 환자-특이적 데이터 세트, 전산화된 혈류 결과, 그리고 침습성 검증 결과의 집단을 분석하기 위한 데이터베이스 시스템과 방법을 구축함으로써 조율될 수 있다. 진단적 정확도 대 침습성 참고 표준은 침습성 결과를 최적 정합하는 경계 조건을 개발하고 조율함으로써 증강될 수 있다. 조율된 결과는 이후, 데이터베이스에서 시험되고, 그리고 장래 환자-특이적 분석에 이용되는 일반적인 모형에 적용된다.
게다가, 경계 조건은 모형의 상이한 부분에서 독특하게 적용될 수 있다. 가령, LAD, RCA, 그리고 LCX 혈관 영역 또는 혈관 또는 영역의 다른 조합 모두 전반적인 진단적 성과를 증강하는 상이한 경계 조건 설계를 가질 수 있다. 이들은 분석법, 반복적인 조율, 최적화, 또는 기계 학습이 포함되지만 이들에 한정되지 않는 다양한 방법에 의해 결정될 수 있다.
전산 분석은 제조된 3차원 모형 및 결정된 경계 조건 (단계 400)을 이용하여 환자에 대한 혈류 정보를 결정하기 위해 수행될 수 있다. 가령, 전산 분석은 방정식 30으로, 그리고 도면 1과 관련하여 앞서 설명된 컴퓨터 40을 이용하여 도면 1과 관련하여 앞서 설명된 이미지, 예를 들면, 모의된 혈압 모형 50, 모의된 혈류 모형 52, 및/또는 cFFR 모형 54를 산출하기 위해 수행될 수 있다.
상기 방법은 이들 결과를 이용하여 환자-특이적 치료 옵션을 제공하는 것을 또한 포함할 수 있다 (단계 500). 가령, 단계 200에서 창출된 3차원 모형 10 및/또는 단계 300에서 배정된 경계 조건은 하나 또는 그 이상의 치료, 예를 들면, 3차원 모형 10에서 표시된 관상 동맥 중에서 하나에서 관상 스텐트의 배치 또는 다른 치료 옵션을 모형화하기 위해 조정될 수 있다. 이후, 새로운 이미지, 예를 들면, 혈압 모형 50, 혈류 모형 52, 및/또는 cFFR 모형 54의 갱신된 이형을 산출하기 위해, 전산 분석이 단계 400에서 앞서 설명된 바와 같이 수행될 수 있다. 이들 새로운 이미지는 치료 옵션(들)이 채택되면, 혈류 속도와 압력에서 변화를 결정하는데 이용될 수 있다.
본원에서 개시된 시스템과 방법은 관상 동맥에서 혈류를 정량하고 관상 동맥 질환의 기능적 유의성을 사정하기 위한 비침습성 수단을 제공하기 위해, 의사에 의해 접근되는 소프트웨어 도구 내로 통합될 수 있다. 이에 더하여, 의사는 소프트웨어 도구를 이용하여 관상 동맥 혈류에 대한 의학적, 중재적, 및/또는 외과적 치료의 효과를 예측할 수 있다. 소프트웨어 도구는 목의 동맥 (가령, 경동맥), 머리에서 동맥 (가령, 대뇌 동맥), 흉곽에서 동맥, 배에서 동맥 (가령, 복부 대동맥 및 이의 분지), 팔에서 동맥, 또는 다리에서 동맥 (가령, 대퇴와 슬와 동맥)을 비롯한 심혈관계의 다른 부분에서 질환을 예방하고, 진단하고, 관리하고, 및/또는 치료할 수 있다. 소프트웨어 도구는 의사가 환자에 대한 최적 맞춤된 요법을 개발할 수 있도록 상호작용할 수 있다.
가령, 소프트웨어 도구는 의사 또는 다른 사용자에 의해 이용되는 컴퓨터 시스템, 예를 들면, 도면 1에서 도시된 컴퓨터 40 내로 최소한 부분적으로 통합될 수 있다. 컴퓨터 시스템은 환자로부터 비침습성으로 획득된 데이터 (가령, 3차원 모형 10을 창출하는데 이용된 데이터, 경계 조건을 적용하거나 또는 전산 분석을 수행하는데 이용된 데이터, 기타 등등)을 제공받을 수 있다. 가령, 데이터는 의사에 의해 입력될 수 있거나 또는 이런 데이터에 접근하고 이를 제공할 수 있는 다른 근원, 예를 들면, 방사선과학 또는 다른 의학적 랩으로부터 제공받을 수 있다. 데이터는 데이터를 통신하기 위한 네트워크 또는 다른 시스템을 거쳐, 또는 컴퓨터 시스템 내로 직접적으로 전송될 수 있다. 소프트웨어 도구는 도면 1과 관련하여 앞서 설명된 방정식 30을 해결함으로써 결정된 3차원 모형 10 또는 다른 모형/그물망 및/또는 임의의 시뮬레이션 또는 다른 결과, 예를 들면, 모의된 혈압 모형 50, 모의된 혈류 모형 52, 및/또는 cFFR 모형 54를 산출하고 전시하기 위해 이러한 데이터를 이용할 수 있다. 따라서, 소프트웨어 도구는 단계 100-500을 수행할 수 있다. 단계 500에서, 의사는 가능한 치료 옵션을 선별하기 위해 추가 입력을 컴퓨터 시스템에 제공할 수 있고, 그리고 컴퓨터 시스템은 선별된 가능한 치료 옵션에 근거된 새로운 시뮬레이션을 의사에게 전시할 수 있다. 게다가, 도면 2에서 도시된 단계 100-500 각각은 별개의 소프트웨어 패키지 또는 모듈을 이용하여 수행될 수 있다.
대안으로, 소프트웨어 도구는 웹-기초된 서비스 또는 다른 서비스, 예를 들면, 의사로부터 떨어져 있는 실체에 의해 제공된 서비스의 일부로서 제공될 수 있다. 서비스 제공자는 예로서, 웹-기초된 서비스를 작동할 수 있고, 그리고 네트워크 또는 컴퓨터 시스템 사이에 데이터를 통신하는 다른 방법을 거쳐 의사 또는 다른 사용자에게 접근가능한 웹 포탈 또는 다른 웹-기초된 애플리케이션 (가령, 서비스 제공자에 의해 작동된 서버 또는 다른 컴퓨터 시스템에서 실행된)을 제공할 수 있다. 가령, 환자로부터 비침습성으로 획득된 데이터가 서비스 제공자에게 제공될 수 있고, 그리고 서비스 제공자는 도면 1과 관련하여 앞서 설명된 방정식 30을 해결함으로써 결정된 3차원 모형 10 또는 다른 모형/그물망 및/또는 임의의 시뮬레이션 또는 다른 결과, 예를 들면, 모의된 혈압 모형 50, 모의된 혈류 모형 52, 및/또는 cFFR 모형 54를 산출하기 위해 이러한 데이터를 이용할 수 있다. 이후, 웹-기초된 서비스가 3차원 모형 10 및/또는 시뮬레이션이 의사의 컴퓨터 시스템 상에서 의사에게 전시될 수 있도록, 3차원 모형 10 또는 다른 모형/그물망 및/또는 시뮬레이션에 관한 정보를 전송할 수 있다. 따라서, 웹-기초된 서비스는 단계 100-500 및 환자-특이적 정보를 제공하기 위한 아래에 설명된 임의의 다른 단계를 수행할 수 있다. 단계 500에서, 의사는 예로서, 가능한 치료 옵션을 선별하거나 또는 전산 분석에 대한 다른 조정을 하기 위한 추가 입력을 제공할 수 있고, 그리고 이들 입력은 서비스 제공자에 의해 작동된 컴퓨터 시스템에 전송될 수 있다 (가령, 웹 포탈을 거쳐). 웹-기초된 서비스는 선별된 가능한 치료 옵션에 근거하여 새로운 시뮬레이션 또는 다른 결과를 산출할 수 있고, 그리고 새로운 시뮬레이션이 의사에게 전시될 수 있도록, 새로운 시뮬레이션에 관한 정보를 의사에게 역으로 통신할 수 있다.
본원에서 설명된 단계 중에서 하나 또는 그 이상은 1명 또는 그 이상의 인간 오퍼레이터 (가령, 심장병전문의 또는 다른 의사, 환자, 웹-기초된 서비스를 제공하는 서비스 제공자 또는 제삼자에 의해 제공된 다른 서비스의 피고용인, 다른 사용자 등), 또는 이런 인간 오퍼레이터(들)에 의해 이용되는 하나 또는 그 이상의 컴퓨터 시스템, 예를 들면, 데스크톱 또는 이동식 컴퓨터, 워크스테이션, 서버, 개인 휴대용 단말기 등에 의해 수행될 수 있는 것으로 이해된다. 컴퓨터 시스템(들)은 네트워크 또는 데이터를 통신하는 다른 방법을 거쳐 연결될 수 있다.
도면 3은 특정한 환자에서 혈류에 관련된 다양한 정보를 제공하기 위한 예시적인 방법의 추가 양상을 보여준다. 도면 3에서 도시된 양상은 최소한 부분적으로 컴퓨터 시스템 내로 및/또는 웹-기초된 서비스의 일부로서 통합될 수 있는 소프트웨어 도구 내로 통합될 수 있다.
II. 환자-특이적 해부학적 데이터의 획득과 전처리
도면 2에서 도시된 단계 100과 관련하여 앞서 설명된 바와 같이, 예시적인 방법은 환자-특이적 해부학적 데이터, 예를 들면, 환자의 심장에 관한 정보를 획득하고, 그리고 상기 데이터를 전처리하는 것을 포함할 수 있다. 한 예시적인 구체예에서, 단계 100은 다음의 단계를 포함할 수 있다.
초기에, 환자가 선별될 수 있다. 가령, 환자는 의사가 환자의 관상 혈류에 관한 정보가 요망되는 지를, 예를 들면, 환자가 관상 동맥 질환과 연관된 증상, 예를 들면, 흉통, 심장마비 등을 경험하는 지를 결정할 때, 의사에 의해 선별될 수 있다.
환자-특이적 해부학적 데이터, 예를 들면, 환자의 심장, 예를 들면, 환자의 대동맥의 최소한 일부, 대동맥에 연결된 주요 관상 동맥 (및 그것들로부터 연장하는 분지)의 근위 부분, 그리고 심근의 기하학에 관한 데이터가 획득될 수 있다. 환자-특이적 해부학적 데이터는 예로서, 비침습성 영상 방법을 이용하여 비침습성으로 획득될 수 있다. 가령, CCTA는 사용자가 구조, 예를 들면, 심근, 대동맥, 주요 관상 동맥, 그리고 거기에 연결된 다른 혈관의 이미지를 보고 창출하기 위해 컴퓨터 단층촬영술 (CT) 스캐너를 작동할 수 있는 영상 방법이다. CCTA 데이터는 예로서, 심장 주기에 걸쳐 혈관 모양에서 변화를 보여주기 위해 시간 가변성일 수 있다. CCTA는 환자의 심장의 이미지를 산출하는데 이용될 수 있다. 가령, 64-슬라이스 CCTA 데이터, 예를 들면, 환자의 심장의 64개 슬라이스에 관련된 데이터가 획득되고, 그리고 3차원 이미지로 조립될 수 있다. 도면 4는 64-슬라이스 CCTA 데이터에 의해 산출된 3차원 이미지 120의 실례를 보여준다.
대안으로, 다른 비침습성 영상 방법, 예를 들면, 자기 공명 영상법 (MRI) 또는 초음파 (US), 또는 침습성 영상 방법, 예를 들면, 디지털 감산 혈관조영술 (DSA)이 환자의 해부학의 구조의 이미지를 산출하는데 이용될 수 있다. 영상 방법은 환자를, 해부학의 구조의 확인을 할 수 있게 하는 조영제로 정맥내 주사하는 것을 수반할 수 있다. 결과의 영상 데이터 (가령, CCTA, MRI 등에 의해 제공됨)는 제삼자 판매자, 예를 들면, 방사선과학 랩 또는 심장병전문의에 의해, 환자의 주치의에 의해, 기타 등등에 의해 제공될 수 있다.
다른 환자-특이적 해부학적 데이터 역시 환자로부터 비침습성으로 결정될 수 있다. 가령, 생리학적 데이터, 예를 들면, 환자의 혈압, 기준선 심박수, 신장, 체중, 헤마토크리트, 일회 박출량 등이 계측될 수 있다. 혈압은 환자의 상완 동맥에서 혈압 (가령, 압력 커프를 이용하여), 예를 들면, 최고 (수축기)와 최소 (확장기) 압력일 수 있다.
앞서 설명된 바와 같이 획득된 환자-특이적 해부학적 데이터는 안전한 통신 라인 위에서 (가령, 네트워크를 거쳐) 이전될 수 있다. 가령, 데이터는 전산 분석, 예를 들면, 단계 400에서 앞서 설명된 전산 분석을 수행하기 위해 서버 또는 다른 컴퓨터 시스템으로 이전될 수 있다. 한 예시적인 구체예에서, 데이터는 웹-기초된 서비스를 제공하는 서비스 제공자에 의해 작동된 서버 또는 다른 컴퓨터 시스템으로 이전될 수 있다. 대안으로, 데이터는 환자의 주치의 또는 다른 사용자에 의해 작동된 컴퓨터 시스템으로 이전될 수 있다.
도면 3을 다시 언급하면, 이전된 데이터는 이러한 데이터가 허용되는 지를 결정하기 위해 검토될 수 있다 (단계 102). 결정은 사용자에 의해 및/또는 컴퓨터 시스템에 의해 수행될 수 있다. 가령, 이전된 데이터 (가령, CCTA 데이터 및 다른 데이터)는 예로서, CCTA 데이터가 완전하고 (가령, 대동맥 및 주요 관상 동맥의 충분한 부분을 포함하고) 정확한 환자에 상응하는 지를 결정하기 위해, 사용자에 의해 및/또는 컴퓨터 시스템에 의해 실증될 수 있다.
이전된 데이터 (가령, CCTA 데이터 및 다른 데이터)는 또한, 전처리되고 사정될 수 있다. 전처리 및/또는 사정은 사용자에 의해 및/또는 컴퓨터 시스템에 의해 수행될 수 있고, 그리고 예로서, CCTA 데이터에서 오등록, 불일치, 또는 흐려짐을 점검하고, CCTA 데이터에서 도시된 스텐트를 점검하고, 혈관의 내강의 시정을 방해할 수 있는 다른 인공물을 점검하고, 구조 (가령, 대동맥, 주요 관상 동맥, 그리고 다른 혈관) 및 환자의 다른 부분 사이에 충분한 조영을 점검하고, 기타 등등을 포함할 수 있다.
이전된 데이터는 이러한 데이터가 앞서 설명된 실증, 전처리, 및/또는 사정에 근거하여 허용되는 지를 결정하기 위해 평가될 수 있다. 앞서 설명된 실증, 전처리, 및/또는 사정 동안, 사용자 및/또는 컴퓨터 시스템은 데이터에서 일정한 오류 또는 문제점을 교정할 수도 있다. 하지만, 너무나 많은 오류 또는 문제점이 있으면, 이러한 데이터는 받아들일 수 없는 것으로 결정될 수 있고, 그리고 사용자 및/또는 컴퓨터 시스템은 이전된 데이터의 거부를 필요하게 만드는 이들 오류 또는 문제점을 설명하는 거부 보고서를 산출할 수 있다. 임의선택적으로, 새로운 CCTA 스캔이 수행될 수 있고 및/또는 앞서 설명된 생리학적 데이터가 환자로부터 다시 한 번 계측될 수 있다. 이전된 데이터가 허용되는 것으로 결정되면, 본 방법은 아래에 설명된 단계 202로 진행할 수 있다.
따라서, 도면 3에서 도시되고 앞서 설명된 단계 102는 도면 2의 단계 100의 하위단계로서 고려될 수 있다.
III. 획득된 해부학적 데이터에 근거하여 3차원 모형의 창출
도면 2에서 도시된 단계 200과 관련하여 앞서 설명된 바와 같이, 예시적인 방법은 획득된 해부학적 데이터에 근거하여 3차원 모형을 창출하는 것을 포함할 수 있다. 한 예시적인 구체예에서, 단계 200은 다음의 단계를 포함할 수 있다.
CCTA 데이터를 이용하여, 관상 혈관의 3차원 모형이 산출될 수 있다. 도면 5는 CCTA 데이터를 이용하여 산출된 3차원 모형 220의 표면의 실례를 보여준다. 가령, 모형 220은 예로서, 대동맥의 최소한 일부, 대동맥의 부분에 연결된 하나 또는 그 이상의 주요 관상 동맥의 최소한 근위 부분, 주요 관상 동맥에 연결된 하나 또는 그 이상의 분지의 최소한 근위 부분 등을 포함할 수 있다. 대동맥, 주요 관상 동맥, 및/또는 분지의 모형화된 부분은 어떤 부분도 모형 220의 나머지 부분으로부터 단절되지 않도록, 나무 같이 상호 연결될 수 있다. 모형 220을 형성하는 과정은 분절화로 불린다.
도면 3을 다시 언급하면, 컴퓨터 시스템은 대동맥 (단계 202) 및 심근 (또는 다른 심장 조직, 또는 모형화되는 동맥에 연결된 다른 조직)의 최소한 일부를 자동적으로 분절화할 수 있다 (단계 204). 컴퓨터 시스템은 또한, 대동맥에 연결된 주요 관상 동맥 중에서 최소한 일부를 분절화할 수 있다. 한 예시적인 구체예에서, 컴퓨터 시스템은 주요 관상 동맥을 분절화하기 위해, 사용자가 하나 또는 그 이상의 관상 동맥 뿌리 또는 출발점을 선별하는 것을 허용할 수 있다 (단계 206).
분절화는 다양한 방법을 이용하여 수행될 수 있다. 분절화는 사용자 입력에 근거하여 또는 사용자 입력 없이 컴퓨터 시스템에 의해 자동적으로 수행될 수 있다. 가령, 한 예시적인 구체예에서, 사용자는 첫 번째 초기 모형을 산출하기 위해, 입력을 컴퓨터 시스템에 제공할 수 있다. 가령, 컴퓨터 시스템은 3차원 이미지 120 (도면 4) 또는 CCTA 데이터로부터 산출된 이의 슬라이스를 사용자에게 전시할 수 있다. 3차원 이미지 120은 변하는 밝기 강도의 부분을 포함할 수 있다. 가령, 더욱 밝은 구역은 대동맥, 주요 관상 동맥, 및/또는 분지의 내강을 지시할 수 있다. 더욱 어두운 구역은 환자의 심장의 심근 및 다른 조직을 지시할 수 있다.
도면 6은 사용자에게 전시될 수 있는 3차원 이미지 120의 슬라이스 222의 부분을 보여주고, 그리고 슬라이스 222는 상대적 밝기의 구역 224를 포함할 수 있다. 컴퓨터 시스템은 하나 또는 그 이상의 시드 226을 추가함으로써 사용자가 상대적 밝기의 구역 224를 선별하도록 허용할 수 있고, 그리고 시드 226은 주요 관상 동맥을 분절화하기 위한 관상 동맥 뿌리 또는 출발점으로서 조력할 수 있다. 사용자의 명령 시에, 컴퓨터 시스템은 이후, 시드 226을 첫 번째 초기 모형을 형성하기 위한 출발점으로서 이용한다. 사용자는 대동맥 및/또는 개별 주요 관상 동맥 중에서 하나 또는 그 이상에 시드 226을 추가할 수 있다. 임의선택적으로, 사용자는 또한, 주요 관상 동맥에 연결된 분지 중에서 하나 또는 그 이상에서 시드 226을 추가할 수 있다. 대안으로, 컴퓨터 시스템은 예로서, 도출된 중심선 정보를 이용하여, 이들 시드를 자동적으로 배치할 수 있다. 컴퓨터 시스템은 시드 226이 배치된 이미지 120의 강도 값을 결정할 수 있고, 그리고 동일한 강도 값 (또는 선별된 강도 값에서 중심된 강도 값의 범위 또는 역치 내에)을 갖는 이미지 120의 부분을 따라서 시드 226을 확대함으로써 첫 번째 초기 모형을 형성할 수 있다. 따라서, 이러한 분절화 방법은 "역치-기초된 분절화"로 불릴 수 있다.
도면 7은 도면 6의 시드 226을 확대함으로써 형성되는 첫 번째 초기 모형의 부분 230을 보여준다; 따라서, 사용자는 시드 226을, 첫 번째 초기 모형의 형성을 시작하기 위한 컴퓨터 시스템에 대한 출발점으로서 입력한다. 이러한 과정은 관심되는 전체 부분, 예를 들면, 대동맥 및/또는 주요 관상 동맥의 부분이 분절화될 때까지 반복될 수 있다. 대안으로, 첫 번째 초기 모형은 사용자 입력 없이 컴퓨터 시스템에 의해 산출될 수 있다.
대안으로, 분절화는 "가장자리-기초된 분절화"로 불리는 방법을 이용하여 수행될 수 있다. 한 예시적인 구체예에서, 역치-기초된 분절화 방법 및 가장자리-기초된 분절화 방법 둘 모두 모형 220을 형성하기 위해, 아래에 설명된 바와 같이 수행될 수 있다.
두 번째 초기 모형이 가장자리-기초된 분절화 방법을 이용하여 형성될 수 있다. 이러한 방법으로, 대동맥 및/또는 주요 관상 동맥의 내강 가장자리가 위치될 수 있다. 가령, 한 예시적인 구체예에서, 사용자는 두 번째 초기 모형을 산출하기 위해, 입력, 예를 들면, 앞서 설명된 바와 같은 시드 226을 컴퓨터 시스템에 제공할 수 있다. 컴퓨터 시스템은 가장자리가 도달될 때까지, 이미지 120의 부분을 따라서 시드 226을 확대할 수 있다. 내강 가장자리는 예로서, 사용자에 의해 시각적으로, 및/또는 컴퓨터 시스템에 의해 위치될 수 있다 (가령, 설정 역치를 초과하는 강도 값에서 변화가 있는 위치에서). 가장자리-기초된 분절화 방법은 컴퓨터 시스템 및/또는 사용자에 의해 수행될 수 있다.
심근 또는 다른 조직은 또한, 단계 204에서 CCTA 데이터에 근거하여 분절화될 수 있다. 가령, CCTA 데이터는 심근의 내부와 외부 표면의 위치, 예를 들면, 좌심실 및/또는 우심실을 결정하기 위해 분석될 수 있다. 표면의 위치는 CCTA 데이터에서 심장의 다른 구조와 비교하여 심근의 조영 (가령, 상대적 어둠과 밝기)에 근거하여 결정될 수 있다. 따라서, 심근의 기하학이 결정될 수 있다.
대동맥, 심근, 및/또는 주요 관상 동맥의 분절화는 필요하면, 검토되고 및/또는 교정될 수 있다 (단계 208). 검토 및/또는 교정은 컴퓨터 시스템 및/또는 사용자에 의해 수행될 수 있다. 가령, 한 예시적인 구체예에서, 컴퓨터 시스템은 분절화를 자동적으로 검토할 수 있고, 그리고 사용자는 임의의 오류가 있으면, 예를 들면, 모형 220에서 대동맥, 심근, 및/또는 주요 관상 동맥의 임의의 부분이 결여되거나 또는 부정확하면 분절화를 수동으로 교정할 수 있다.
가령, 앞서 설명된 첫 번째와 두 번째 초기 모형은 대동맥 및/또는 주요 관상 동맥의 분절화가 정확하도록 담보하기 위해 비교될 수 있다. 첫 번째와 두 번째 초기 모형 사이에 불일치의 임의의 구역은 분절화를 교정하고 모형 220을 형성하기 위해 비교될 수 있다. 가령, 모형 220은 첫 번째와 두 번째 초기 모형 사이에 평균일 수 있다. 대안으로, 앞서 설명된 분절화 방법 중에서 단지 한 가지만 수행될 수 있고, 그리고 상기 방법에 의해 형성된 초기 모형은 모형 220으로서 이용될 수 있다.
심근 질량이 계산될 수 있다 (단계 240). 계산은 컴퓨터 시스템에 의해 수행될 수 있다. 가령, 심근 용적이 앞서 설명된 바와 같이 결정된 심근의 표면의 위치에 근거하여 계산될 수 있고, 그리고 계산된 심근 용적이 심근 질량을 계산하기 위해 심근의 밀도에 의해 곱셈될 수 있다. 심근의 밀도는 미리 설정될 수 있다.
모형 220 (도면 5)의 다양한 혈관 (가령, 대동맥, 주요 관상 동맥 등)의 중심선이 결정될 수 있다 (단계 242). 한 예시적인 구체예에서, 결정은 컴퓨터 시스템에 의해 자동적으로 수행될 수 있다.
단계 242에서 결정된 중심선은 필요하면, 검토되고 및/또는 교정될 수 있다 (단계 244). 검토 및/또는 교정은 컴퓨터 시스템 및/또는 사용자에 의해 수행될 수 있다. 가령, 한 예시적인 구체예에서, 컴퓨터 시스템은 중심선을 자동적으로 검토할 수 있고, 그리고 사용자는 임의의 오류가 있으면, 예를 들면, 임의의 중심선이 결여되거나 또는 부정확하면 중심선을 수동으로 교정할 수 있다.
칼슘 또는 플라크 (혈관의 좁아짐을 유발)가 검출될 수 있다 (단계 246). 한 예시적인 구체예에서, 컴퓨터 시스템은 플라크를 자동적으로 검출할 수 있다. 가령, 플라크는 3차원 이미지 120에서 검출되고 모형 220으로부터 제거될 수 있다. 플라크는 3차원 이미지 120에서 확인될 수 있는데, 그 이유는 플라크가 대동맥, 주요 관상 동맥, 및/또는 분지의 내강보다 훨씬 밝은 구역으로 나타나기 때문이다. 따라서, 플라크는 설정 값 미만의 강도 값을 갖는 것으로 컴퓨터 시스템에 의해 검출될 수 있거나 또는 사용자에 의해 시각적으로 검출될 수 있다. 플라크를 검출한 후에, 컴퓨터 시스템은 플라크가 혈관 내에 내강 또는 개방성 공간의 일부로서 고려되지 않도록, 플라크를 모형 220으로부터 제거할 수 있다. 대안으로, 컴퓨터 시스템은 대동맥, 주요 관상 동맥, 및/또는 분지와 상이한 칼라, 명암, 또는 다른 시각 지표를 이용하여 모형 220 상에서 플라크를 지시할 수 있다.
컴퓨터 시스템은 또한, 검출된 플라크를 자동적으로 분절화할 수 있다 (단계 248). 가령, 플라크는 CCTA 데이터에 근거하여 분절화될 수 있다. CCTA 데이터는 CCTA 데이터에서 심장의 다른 구조와 비교하여 플라크의 조영 (가령, 상대적 어둠과 밝기)에 근거하여 플라크 (또는 이의 표면)의 위치를 찾기 위해 분석될 수 있다. 따라서, 플라크의 기하학 역시 결정될 수 있다.
플라크의 분절화는 필요하면, 검토되고 및/또는 교정될 수 있다 (단계 250). 검토 및/또는 교정은 컴퓨터 시스템 및/또는 사용자에 의해 수행될 수 있다. 가령, 한 예시적인 구체예에서, 컴퓨터 시스템은 분절화를 자동적으로 검토할 수 있고, 그리고 사용자는 임의의 오류가 있으면, 예를 들면, 임의의 플라크가 결여되거나 또는 부정확하게 도시되면 분절화를 수동으로 교정할 수 있다.
컴퓨터 시스템은 주요 관상 동맥에 연결된 분지를 자동적으로 분절화할 수 있다 (단계 252). 가령, 분지는 예로서, 도면 6과 7에 나타나 있고 단계 206과 관련하여 앞서 설명된 바와 같이, 주요 관상 동맥을 분절화하기 위한 유사한 방법을 이용하여 분절화될 수 있다. 컴퓨터 시스템은 또한, 단계 248과 250과 관련하여 앞서 설명된 바와 유사한 방법을 이용하여, 분절화된 분지에서 플라크를 자동적으로 분절화할 수 있다. 대안으로, 분지 (및 그 안에 내포된 임의의 플라크)는 주요 관상 동맥과 동시에 분절화될 수 있다 (가령, 단계 206에서처럼).
분지의 분절화는 필요하면, 검토되고 및/또는 교정될 수 있다 (단계 254). 검토 및/또는 교정은 컴퓨터 시스템 및/또는 사용자에 의해 수행될 수 있다. 가령, 한 예시적인 구체예에서, 컴퓨터 시스템은 분절화를 자동적으로 검토할 수 있고, 그리고 사용자는 임의의 오류가 있으면, 예를 들면, 모형 220에서 분지의 임의의 부분이 결여되거나 또는 부정확하면 분절화를 수동으로 교정할 수 있다.
모형 220은 임의의 오등록, 스텐트, 또는 다른 인공물이 위치되면 (가령, 단계 102에서 CCTA 데이터의 검토 동안) 교정될 수 있다 (단계 256). 교정은 사용자에 의해 및/또는 컴퓨터 시스템에 의해 수행될 수 있다. 가령, 오등록 또는 다른 인공물 (가령, 불일치, 흐려짐, 내강 시정에 영향을 주는 인공물 등)이 위치되면, 모형 220은 혈관의 횡단면적에서 인공 또는 가성 변화 (가령, 인공적인 좁아짐)를 방지하기 위해 검토되고 및/또는 교정될 수 있다. 스텐트가 위치되면, 모형 220은 스텐트의 위치를 지시하고 및/또는 예로서, 스텐트의 크기에 근거하여, 스텐트가 위치되는 혈관의 횡단면적을 교정하기 위해, 검토되고 및/또는 교정될 수 있다.
모형 220의 분절화는 또한, 독립적으로 검토될 수 있다 (단계 258). 검토는 사용자에 의해 및/또는 컴퓨터 시스템에 의해 수행될 수 있다. 가령, 사용자 및/또는 컴퓨터 시스템은 모형 220에서 일정한 오류, 예를 들면, 교정가능한 오류 및/또는 모형 220이 최소한 부분적으로 재수행되거나 또는 재분절화될 것을 요구하는 오류를 확인할 수도 있다. 이런 오류가 확인되면, 분절화는 받아들일 수 없는 것으로 결정될 수 있고, 그리고 일정한 단계, 예를 들면, 오류(들)에 따라 단계 202-208, 240-256 중에서 하나 또는 그 이상이 반복될 수 있다.
모형 220의 분절화가 허용되는 것으로 독립적으로 실증되면, 임의선택적으로, 모형 220은 출력되고 평활화될 수 있다 (단계 260). 평활화는 사용자에 의해 및/또는 컴퓨터 시스템에 의해 수행될 수 있다. 가령, 능선, 포인트, 또는 다른 불연속적 부분이 평활화될 수 있다. 모형 220은 전산 분석 등을 위해 준비된 별개의 소프트웨어 모듈에 출력될 수 있다.
따라서, 도면 3에서 도시되고 앞서 설명된 단계 202-208 및 240-260은 도면 2의 단계 200의 하위단계로서 고려될 수 있다.
IV. 분석을 위한 모형의 제조 및 경계 조건의 결정
도면 2에서 도시된 단계 300과 관련하여 앞서 설명된 바와 같이, 예시적인 방법은 분석을 위한 모형을 제조하고 경계 조건을 결정하는 것을 포함할 수 있다. 한 예시적인 구체예에서, 단계 300은 다음의 단계를 포함할 수 있다.
A. 분석을 위한 모형 제조
도면 3을 다시 언급하면, 모형 220 (도면 5)의 다양한 혈관 (가령, 대동맥, 주요 관상 동맥, 및/또는 분지)의 횡단면적이 또한 결정될 수 있다 (단계 304). 한 예시적인 구체예에서, 결정은 컴퓨터 시스템에 의해 수행될 수 있다.
모형 220 (도면 5)은 손질될 수 있고 (단계 306), 그리고 고체 모형이 산출될 수 있다. 도면 8은 도면 5에서 도시된 모형 220과 유사한 모형에 근거하여 제조된 손질된 고체 모형 320의 실례를 보여준다. 고체 모형 320은 3차원 환자-특이적 기하학적 모형이다. 한 예시적인 구체예에서, 손질은 사용자의 입력으로 또는 사용자의 입력 없이, 컴퓨터 시스템에 의해 수행될 수 있다. 유입 경계 322와 유출 경계 324 각각은 개별 경계를 형성하는 표면이 단계 242에서 결정된 중심선에 직각이도록 손질될 수 있다. 유입 경계 322는 도면 8에 나타나 있는 바와 같이, 흐름이 예로서, 대동맥의 상류 단부에서 모형 320의 해부학 내로 지향되는 경계를 포함할 수 있다. 유출 경계 324는 흐름이 예로서, 대동맥의 하류 단부 및 주요 관상 동맥 및/또는 분지의 하류 단부에서 모형 320의 해부학으로부터 외향으로 지향되는 경계를 포함할 수 있다.
B. 경계 조건의 결정
경계 조건은 모형, 예를 들면, 도면 8의 3차원 고체 모형 320의 경계에서 발생하는 것을 설명하기 위해 제공될 수 있다. 가령, 경계 조건은 예로서, 모형화된 해부학의 경계에서 환자의 모형화된 해부학과 연관된 최소한 한 가지의 혈류 특징에 관계할 수 있고, 그리고 혈류 특징(들)은 혈류 속도, 압력, 유속, FFR 등을 포함할 수 있다. 경계 조건을 적절하게 결정함으로써, 모형 내에서 다양한 위치에서 정보를 결정하기 위한 전산 분석이 수행될 수 있다. 경계 조건의 실례 및 이런 경계 조건을 결정하기 위한 방법이 이제부터 설명될 것이다.
한 예시적인 구체예에서, 결정된 경계 조건은 고체 모형 320에 의해 대표된 혈관의 부분으로부터 상류와 하류에 구조를 1차원 또는 2차원 감소 차수 모형으로 단순화할 수 있다. 방정식의 예시적인 세트 및 경계 조건을 결정하기 위한 다른 상세는 예로서, U.S. 특허 출원 공개 번호 2010/0241404 및 U.S. 가출원 번호 61/210,401에서 개시되고, 이들 둘 모두 발명의 명칭이 "심혈관계의 환자-특이적 혈류역학"이고 본원에 전체적으로 참조로서 편입된다.
경계 조건은 환자의 생리학적 상태에 따라 변할 수 있는데, 그 이유는 심장을 통한 혈류가 환자의 생리학적 상태에 따라 상이할 수 있기 때문이다. 가령, FFR은 전형적으로, 충혈의 생리학적 상태 하에 계측되는데, 이것은 일반적으로, 환자가 예로서, 스트레스 등으로 인해 심장에서 증가된 혈류를 경험할 때 발생한다. FFR은 최고 스트레스의 조건 하에 관상 압력 대 대동맥 압력의 비율이다. 충혈은 또한, 예로서 아데노신으로 약리학적으로 유도될 수 있다. 도면 9-11은 환자의 생리학적 상태 (안정 중에, 최대 충혈 하에, 또는 최대 운동 하에)에 따라, 모형 320에서 관상 압력 대 대동맥 압력의 비율에서 변화를 지시하는 전산화 FFR (cFFR) 모형의 실례를 보여준다. 도면 9는 환자가 안정 중에 있을 때, 모형 320을 통하여 관상 압력 대 대동맥 압력의 비율에서 최소 변이를 보여준다. 도면 10은 환자가 최대 충혈을 겪고 있을 때, 모형 320을 통하여 관상 압력 대 대동맥 압력의 비율에서 더욱 큰 변이를 보여준다. 도면 11은 환자가 최대 운동을 겪고 있을 때, 모형 320을 통하여 관상 압력 대 대동맥 압력의 비율에서 훨씬 큰 변이를 보여준다.
도면 3을 다시 언급하면, 충혈 상태에 대한 경계 조건이 결정될 수 있다 (단계 310). 한 예시적인 구체예에서, 아데노신의 효과가 1-5 배의 인자로 관상 동맥 저항에서 감소, 대략 0-20%의 대동맥 혈압에서 감소, 그리고 대략 0-20%의 심박수에서 증가를 이용하여 모형화될 수 있다. 가령, 아데노신의 효과는 4 배의 인자로 관상 동맥 저항에서 감소, 대략 10%의 대동맥 혈압에서 감소, 그리고 대략 10%의 심박수에서 증가를 이용하여 모형화될 수 있다. 비록 충혈 상태에 대한 경계 조건이 예시적인 구체예에서 결정되긴 하지만, 다른 생리학적 상태, 예를 들면, 안정, 다양한 정도의 충혈, 다양한 정도의 운동, 용력, 스트레스, 또는 다른 상태에 대한 경계 조건이 결정될 수 있는 것으로 이해된다.
경계 조건은 도면 8에 나타나 있는 바와 같이, 이의 경계, 예를 들면, 유입 경계 322, 유출 경계 324, 혈관 벽 경계 326 등에서 3차원 고체 모형 320에 관한 정보를 제공한다. 혈관 벽 경계 326은 대동맥, 주요 관상 동맥, 및/또는 모형 320의 다른 관상 동맥 또는 혈관의 물리적 경계를 포함할 수 있다.
각 유입 또는 유출 경계 322, 324는 속도, 유속, 압력, 또는 다른 혈류 특징에 대한 규정된 값 또는 값의 필드가 배정될 수 있다. 대안으로, 각 유입 또는 유출 경계 322, 324는 심장 모형을 경계, 집중 파라미터 또는 분산된 (가령, 1차원 파장 전파) 모형, 다른 유형의 1차원 또는 2차원 모형, 또는 다른 유형의 모형에 연계함으로써 배정될 수 있다. 특정한 경계 조건은 예로서, 획득된 환자-특이적 정보로부터 결정된 유입 또는 유출 경계 322, 324의 기하학, 또는 다른 계측된 파라미터, 예를 들면, 심장 박출량, 혈압, 단계 240에서 계산된 심근 질량 등에 근거하여 결정될 수 있다.
i. 감소 차수 모형의 결정
고체 모형 320에 연결된 상류와 하류 구조는 이들 상류와 하류 구조를 나타내는 감소 차수 모형으로서 표현될 수 있다. 가령, 도면 12-15는 예시적인 구체예에 따라, 유출 경계 324 중에서 하나에서 3차원 환자-특이적 해부학적 데이터로부터 집중 파라미터 모형을 제조하기 위한 방법의 양상을 보여준다. 상기 방법은 도면 2와 3에서 도시된 방법과 별개로 및 이들 방법에 앞서 수행될 수 있다.
도면 12는 주요 관상 동맥 또는 그것들로부터 연장하는 분지 중에서 하나의 고체 모형 320의 부분 330을 보여주고, 그리고 도면 13은 도면 12에서 도시된 부분 330의 단계 242에서 결정된 중심선의 부분을 보여준다.
부분 330은 분절 332로 나눠질 수 있다. 도면 14는 부분 330으로부터 형성될 수 있는 분절 332의 실례를 보여준다. 분절 332의 길이의 선별은 사용자 및/또는 컴퓨터 시스템에 의해 수행될 수 있다. 분절 332는 예로서, 분절 332의 기하학에 따라, 길이에서 변할 수 있다. 부분 330을 분절화하는데 다양한 기술이 이용될 수 있다. 가령, 병든 부분, 예를 들면, 상대적으로 좁은 횡단면, 병변, 및/또는 협착증 (혈관 내에서 비정상적인 좁아짐)을 갖는 부분에 하나 또는 그 이상의 별개의 분절 332가 제공될 수 있다. 병든 부분 및 협착증은 예로서, 중심선의 길이를 따라서 횡단면적을 계측하고 국부 최소 횡단면적을 계산함으로써 확인될 수 있다.
분절 332는 하나 또는 그 이상 (선형 또는 비선형)의 저항기 334 및/또는 다른 회로 요소 (가령, 축전기, 유도기 등)를 포함하는 회로 다이어그램에 의해 근사될 수 있다. 도면 15는 일련의 선형과 비선형 저항기 334에 의해 대체된 분절 332의 실례를 보여준다. 저항기 334의 개별 저항은 예로서, 상응하는 분절 332를 교차하여 추정된 흐름 및/또는 압력에 근거하여 결정될 수 있다.
저항은 예로서, 상응하는 분절 332를 통한 추정된 유속에 따라 일정한, 선형, 또는 비선형일 수 있다. 더욱 복잡한 기하학, 예를 들면, 협착증의 경우에, 저항은 유속에 따라 변할 수 있다. 다양한 기하학에 대한 저항은 전산 분석 (가령, 유한 차분, 유한 체적, 스펙트럼, 격자 볼츠만, 입자-기초된, 레벨 세트, 등기하학상, 또는 유한 요소 방법, 또는 다른 전산 유체 역학 (CFD) 분석 기법)에 근거하여 결정될 수 있고, 그리고 상이한 흐름과 압력 조건 하에 수행된 전산 분석으로부터 복수 해법이 환자-특이적, 혈관-특이적, 및/또는 병변-특이적 저항을 도출하는데 이용될 수 있다. 이들 결과는 모형화될 수 있는 임의의 분절의 다양한 유형의 특질과 기하학에 대한 저항을 결정하는데 이용될 수 있다. 결과적으로, 앞서 설명된 바와 같이 환자-특이적, 혈관-특이적, 및/또는 병변-특이적 저항을 도출하는 것은 컴퓨터 시스템이 더욱 복잡한 기하학, 예를 들면, 비대칭 협착증, 복수 병변, 갈림과 분지 및 구불구불한 혈관에서 병변 등을 인식하고 평가하는 것을 허용할 수 있다.
축전기 역시 포함될 수 있고, 그리고 정전용량이 예로서, 상응하는 분절의 혈관 벽의 탄력성에 근거하여 결정될 수 있다. 유도기가 포함될 수 있고, 그리고 인덕턴스가 예로서, 상응하는 분절을 관류하는 혈액량의 가속 또는 감속에 관련된 관성 효과에 근거하여 결정될 수 있다.
저항, 정전용량, 인덕턴스, 그리고 집중 파라미터 모형에서 이용된 다른 전기 성분과 연관된 다른 변수에 대한 개별 값은 많은 환자로부터 데이터에 근거하여 도출될 수 있고, 그리고 유사한 혈관 기하학은 유사한 값을 가질 수 있다. 따라서, 환자-특이적 데이터의 대규모 집단으로부터 경험적 모형이 개발되어, 장래 분석에서 유사한 환자에 적용될 수 있는 특정한 기하학적 특질에 상응하는 값의 라이브러리를 창출할 수 있다. 기하학은 이전 시뮬레이션으로부터 환자의 분절 332에 대한 값을 자동적으로 선별하기 위해 2개의 상이한 혈관 분절 사이에 정합될 수 있다.
ii. 예시적인 집중 파라미터 모형
대안으로, 도면 12-15와 관련하여 앞서 설명된 단계를 수행하는 대신에, 집중 파라미터 모형은 미리 설정될 수 있다. 가령, 도면 16은 고체 모형 320의 유입과 유출 경계 322, 324에서 상류와 하류 구조를 나타내는 집중 파라미터 모형 340, 350, 360의 실례를 보여준다. 단부 A는 유입 경계 322에서 위치되고, 그리고 단부 a-m과 B는 유출 경계에서 위치된다.
집중 파라미터 심장 모형 340은 고체 모형 320의 유입 경계 322에서 단부 A에서 경계 조건을 결정하는데 이용될 수 있다. 집중 파라미터 심장 모형 340은 충혈 상태 하에 심장으로부터 혈류를 나타내는데 이용될 수 있다. 집중 파라미터 심장 모형 340은 환자에 관한 공지된 정보, 예를 들면, 대동맥 압력, 환자의 수축기와 확장기 혈압 (가령, 단계 100에서 결정된 바와 같이), 환자의 심장 박출량 (예로서, 단계 100에서 결정된 환자의 일회 박출량과 심박수에 근거하여 계산된, 심장으로부터 혈류의 용적), 및/또는 실험적으로 결정된 상수에 근거하여 결정될 수 있는 다양한 파라미터 (가령, PLA, RAV, LAV, RV-Art, LV-Art, 그리고 E(t))를 포함한다.
집중 파라미터 관상 모형 350은 주요 관상 동맥 및/또는 그것들로부터 연장하는 분지의 하류 단부에서 위치된 고체 모형 320의 유출 경계 324에서 단부 a-m에서 경계 조건을 결정하는데 이용될 수 있다. 집중 파라미터 관상 모형 350은 충혈 상태 하에 단부 a-m을 통해, 모형화된 혈관으로부터 나가는 혈류를 나타내는데 이용될 수 있다. 집중 파라미터 관상 모형 350은 환자에 관한 공지된 정보, 예를 들면, 계산된 심근 질량 (가령, 단계 240에서 결정된) 및 단부 a-m에서 말단 임피던스 (가령, 단계 304에서 결정된 바와 같이 단부 a-m에서 혈관의 횡단면적에 근거하여 결정된)에 근거하여 결정될 수 있는 다양한 파라미터 (가령, Ra, Ca, Ra-마이크로, Cim, 그리고 RV)를 포함한다.
가령, 계산된 심근 질량은 복수의 유출 경계 324를 통한 기준선 (안정) 평균 관상 혈류를 추정하는데 이용될 수 있다. 이러한 관계는 평균 관상 혈류 Q를 심근 질량 M (가령, 단계 240에서 결정된 바와 같이)과 Q
Figure pct00001
QoMα로서 상관시키는 실험적으로-도출된 생리학적 법칙 (가령, 도면 1의 생리학적 법칙 20의)에 근거될 수 있는데, 여기서 α는 미리 설정된 환산 지수이고 Qo는 미리 설정된 상수이다. 기준선 (안정) 상태 하에 유출 경계 324에서 전체 관상 혈류 Q 및 환자의 혈압 (가령, 단계 100에서 결정된 바와 같이)은 이후, 미리 설정된, 실험적으로-도출된 방정식에 근거하여 유출 경계 324에서 전체 저항 R을 결정하는데 이용될 수 있다.
전체 저항 R은 단부 a-m의 개별 횡단면적 (가령, 단계 304에서 결정된 바와 같이)에 근거하여 단부 a-m 사이에서 분산될 수 있다. 이러한 관계는 단부 a-m에서 개별 저항을 Ri
Figure pct00002
Ri,odi β로서 상관시키는 실험적으로-도출된 생리학적 법칙 (가령, 도면 1의 생리학적 법칙 20의)에 근거될 수 있는데, 여기서 Ri은 i-번째 출구에서 흐름에 대한 저항이고, 그리고 Ri,o은 미리 설정된 상수이고, di는 상기 출구의 직경이고, 그리고 β는 예로서, -3과 -2 사이에 미리 설정된 멱법칙 지수 (관상 혈류의 경우에 -2.7, 대뇌 혈류의 경우에 -2.9, 기타 등등)이다. 개별 단부 a-m을 통한 관상 혈류 및 개별 단부 a-m에서 평균 압력 (가령, 단계 304에서 결정된 바와 같이 혈관의 단부 a-m의 개별 횡단면적에 근거하여 결정된)은 상응하는 단부 a-m에서 집중 파라미터 관상 모형 350의 저항의 합계 (가령, Ra + Ra-마이크로 + RV)를 결정하는데 이용될 수 있다. 다른 파라미터 (가령, Ra/Ra-마이크로, Ca, Cim)는 실험적으로 결정된 상수일 수 있다.
윈드케셀 모형 360이 대동맥궁을 향하여 대동맥의 하류 단부에서 위치된 고체 모형 320의 유출 경계 324에서 단부 B에서 경계 조건을 결정하는데 이용될 수 있다. 윈드케셀 모형 360은 충혈 상태 하에 단부 B를 통해, 모형화된 대동맥으로부터 나가는 혈류를 나타내는데 이용될 수 있다. 윈드케셀 모형 360은 환자에 관하여 공지된 정보, 예를 들면, 집중 파라미터 심장 모형 340과 관련하여 앞서 설명된 환자의 심장 박출량, 집중 파라미터 관상 모형 350과 관련하여 앞서 설명된 기준선 평균 관상 혈류, 대동맥 압력 (가령, 단계 304에서 결정된 바와 같이 단부 B에서 대동맥의 횡단면적에 근거하여 결정된), 및/또는 실험적으로 결정된 상수에 근거하여 결정될 수 있는 다양한 파라미터 (가령, Rp, Rd, 그리고 C)를 포함한다.
이들 경계 조건, 예를 들면, 집중 파라미터 모형 340, 350, 360 (또는 그 안에 포함된 상수 중에서 한 가지) 또는 다른 감소 차수 모형은 다른 인자에 근거하여 조정될 수 있다. 가령, 환자가 생리학적 스트레스 하에 혈관을 팽창시키는 비교적 감소된 능력으로 인해 더욱 낮은 흐름 대 혈관 크기 비율을 가지면, 저항 값이 조정될 수 있다 (가령, 증가될 수 있다). 저항 값은 또한, 환자가 당뇨병을 앓거나, 약제를 복용하고 있거나, 과거 심장 사건을 겪었거나, 기타 등등이면 조정될 수 있다.
대체 집중 파라미터 또는 분산된, 1차원 네트워크 모형이 고체 모형 320의 하류에 관상 혈관을 나타내는데 이용될 수 있다. MRI, CT, PET, 또는 SPECT를 이용하여 심근 관류 영상이 이런 모형에 대한 파라미터를 배정하는데 이용될 수 있다. 또한, 대체 영상 자료, 예를 들면, 자기 공명 혈관조영술 (MRA), 후향 사인 게이팅 (cine gating) 또는 장래 사인 게이팅 전산화 단층촬영 혈관조영술 (CTA) 등이 이런 모형에 대한 파라미터를 배정하는데 이용될 수 있다. 후향 사인 게이팅은 파라미터를 집중 파라미터 심장 모형에 배정하기 위해, 심장 주기에 걸쳐 심실 용적 변화를 획득하는 영상처리 방법과 합동될 수 있다.
집중 파라미터 모형 340, 350, 360, 또는 다른 감소 차수 1차원 또는 2차원 모형을 이용하여 환자의 해부학의 부분을 단순화하는 것은 최종 결과에서 높은 정확도를 유지하면서, 특히 전산 분석이 여러 번 수행되면, 예를 들면, 치료되지 않은 상태 (가령, 도면 2와 3의 단계 400)에 더하여 가능한 치료 옵션 (가령, 도면 2의 단계 500)을 평가할 때, 전산 분석 (가령, 아래에 설명된 도면 3의 단계 402)이 더욱 빠르게 수행되도록 허용한다.
한 예시적인 구체예에서, 경계 조건의 결정은 사용자의 입력, 예를 들면, 단계 100에서 획득된 환자-특이적 생리학적 데이터에 근거하여 컴퓨터 시스템에 의해 수행될 수 있다.
C. 정확도를 위한 경계 조건의 최적화
앞서 논의된 바와 같이, 결정된 경계 조건은 모형, 예를 들면, 도면 8의 3차원 고체 모형 320의 경계에서 발생하는 것을 설명하기 위해 제공될 수 있다. 구체적으로, 경계 조건은 환자의 모형화된 해부학과 연관된 최소한 한 가지의 혈류 특징에 관계할 수 있다. 가령, 모형화된 해부학의 경계에서, 혈류 특징(들)은 혈류 속도, 압력, 유속, FFR 등을 포함할 수 있다. 경계 조건을 적절하게 결정함으로써, 모형 내에 다양한 위치에서 혈류 특징을 비롯한 정보를 결정하는 전산 분석이 수행될 수 있다. 하지만, 3차원 모형 내에서 상이한 영역이 반드시 균일한 혈류 특징을 가질 필요는 없다. 가령, LAD, LCX, 그리고 RCA는 각각, 상이한 조건을 가질 수 있고, 그리고 협착증, 운동, 또는 임의의 다른 상태에 의해 상이한 방식으로 충격을 받을 수 있다. 가령, 도면 24d는 협착증이 존재할 때 상이한 혈관 영역에서 환자의 개체군에서 퍼센트 직경 감소를 도해한다. 이러한 데이터는 상이한 혈관 영역에서 협착증의 해부학적 좁아짐의 일관된 평균 값과 표준 편차를 드러낸다. 다른 한편, 도면 24e는 침습성으로 수집된 FFR의 평균 값이 협착증이 존재할 때 상이한 혈관 영역에서, 이들 동일한 영역에서 일관된 퍼센트 직경 협착증에도 불구하고, 반드시 일관될 필요는 없는 이유를 드러낸다. 이것은 상이한 혈관 영역에서 경계 조건을 차별적으로 결정하는 시스템에 의해 부여된 이점을 예증한다.
따라서, 도면 24b와 24c에 대하여 아래에 제공된 예시적인 방법은 결정된 경계 조건을 최적화하기 위해 일반 개체군에 관련된 데이터를 이용하는 것을 허용하고, 각각의 상이한 영역에서 혈류 특징의 더욱 정확한 계산을 허용한다.
구체예에서, 비침습성으로 전산화된 FFR이 침습성으로 계측된 FFR에 직접적으로 필적하기 때문에, 성과의 모든 비교가 계측된 FFR에 관하여 사정될 수 있다. 의사 결정에서 이용된 FFR에 대한 공통 역치는 0.80인데, 이러한 컷오프를 초과하는 값은 음성 병변을 의미하고, 그리고 이것과 동등하거나 또는 그 미만인 값은 양성 병변을 의미한다. 감수성과 특이성이 특히 관심되는데, 그 이유는 이들이 전반적인 진단 정확도를 양성 병변을 확인하는 정확도 및 음성 병변을 확인하는 정확도로 각각 분류하기 때문이다. 부가적으로, 전산화 FFR 값이 계측된 FFR과 얼마나 충실하게 부합하는 지에 관한 정보를 제공하는 다른 양에는 수신자 오퍼레이터 곡선 아래 면적, 상관, 선입견, 그리고 평균 절대적 오차가 있다. 전산화 FFR의 정확도는 방지적 건강 관리를 위한 비침습성 방법을 이용하는 것을 허용한다.
아래에 논의된 예시적인 구체예에서, FFR의 계산을 위해 심근 질량으로부터 도출된 관상 출구의 하류 출구 경계 조건을 조정하는 것이 언급될 것이다. 본원에서 개시된 원리는 관상 또는 다른 순환 모형의 다른 경계 조건, 파라미터, 그리고 물리적 성질에 적용될 수 있는 것으로 유의되어야 한다. 게다가, 관계는 심근 질량 대신에 또는 이것에 더하여, 관상 혈관 용적, 혈관 크기, SPECT 또는 PET 치수, 개체군 또는 인구학적 평균 등이 포함되지만 이들에 한정되지 않는 다른 자료로부터 도출될 수 있다. 게다가, 혈류, 압력, 관류 등이 포함되지만 이들에 한정되지 않는 다른 메트릭스가 FFR에 더하여 최적화될 수 있었다.
1. 개체군 데이터에 근거하여 경계 조건 조율 특징의 결정
도면 24b는 예시적인 구체예와 일관되게, 정확도에 대한 경계 조건을 조율하고 조정하기 위한 방법 2450의 흐름도이다. 방법 2450의 단계 2452는 데이터베이스로부터 환자에 관련된 데이터를 회수하는 것을 포함할 수 있다. 데이터베이스는 일반 개체군을 대표하는 환자들의 특정한 양에 관련된 환자 데이터를 포함할 수 있다. 전체 환자 데이터는 2가지 개체군, 조율 개체군으로서 지칭되는, 평가와 조율 경계 조건 파라미터에 대한 개체군; 그리고 단계 2458에 대하여 아래에 더욱 설명된 바와 같이, 경계 조건의 최적화된 파라미터를 시험하는데 이용될 수 있는 환자에 관련된 데이터를 포함하는 시험 개체군으로서 지칭되는 개체군으로 분할될 수 있다. 본 실시예에서, 환자 데이터는 1000명 환자 (1000개 FFR 침습성 계측으로)에 관련될 수 있는데, 여기서 이들 환자 중에서 500명에 관련된 데이터는 혈류 특징 모형의 파라미터의 초기 최적화 조건과 조율을 결정하는데 활용될 수 있고, 그리고 다른 500명 환자에 관련된 데이터는 혈류 특징 모형의 파라미터의 조율을 시험하는데 이용될 수 있다.
일부 구체예에서, 환자 데이터는 전산화된 결과 및 침습성 검증 결과를 포함할 수 있다. 구체적으로, 환자 데이터는 해부학적 모형을 이용하여 명세서 전반에서 설명된 바와 같이 환자의 상태의 비침습성 결정을 포함할 수 있다. 침습성 검증 결과는 침습성으로 포획되는, 환자에 관련된 데이터를 획득하거나 또는 습득하는 것을 포함할 수 있다. 가령, LAD, LCX, 그리고 RCA 내에서 혈액 특징은 침습성으로 포획될 수 있다.
일부 구체예에서, 저장된 환자 데이터는 전산화 FFR 분석을 수행하는데 이용된 데이터 (또는 전산화 FFR 분석의 결과) 및 각 환자 내에서 복수의 위치 (또는 영역) 중에서 한 곳에서 침습성으로 획득된 FFR 데이터를 포함하는 환자-특이적 데이터를 비롯하여, 복수의 환자 각각에 대한 이전에 수집된 데이터일 수 있다. 이런 이유로, 전산화 FFR은 FFR 데이터가 침습성으로 획득되는 환자의 해부학과 연관된 복수의 위치 각각에 대해 계산될 수 있다. 가령, 환자에 대한 LAD에서 침습성으로 포획된 FFR이 환자에 대한 LAD에서 정합하는 전산화 FFR과 함께 저장될 수 있다.
일부 구체예에서, 전산화된 비침습성 결과가 모형에 근거하여 계산될 수 있다. 이들 계산을 산출하기 위해, 관상 동맥의 각 출구는 심근 질량, 혈관 크기, 및/또는 최대 충혈 아데노신 반응의 함수인 집중 파라미터 임피던스 경계 조건이 배정될 수 있다. 심근 질량과 충혈 아데노신 반응은 모든 관상 출구 경계 조건에 동등하게 영향을 줄 수 있고, 그리고 혈관 크기는 혈관이 상이한 크기이면 각 혈관에 상이하게 영향을 줄 수 있다. 예시적인 구체예에서, 설명의 단순함을 위해, 경계 조건은 비록 경계 조건이 다른 집중 파라미터에 의해 설명될 수도 있지만, 명세서 전반에서 단순 저항으로서 설명된다. 이런 이유로, 한 구체예에 따라, 환자 i에 대한 각 관상 출구 n에서 경계 조건은 다음과 같을 수 있다:
Rn = f(Mi, Ai, Dn)
여기서 R은 저항이고, M은 심근 질량이고, A는 아데노신 반응이고, 그리고 D는 관상 혈관의 직경이다.
한 예시적인 구체예에서, 경계 조건 함수 내에서 다양한 파라미터가 존재할 수 있다. 가령, 저항에 대한 심근 질량 관계는 상수와 지수, 예를 들면, R = MoM-α를 가질 수 있고, 아데노신 반응은 선형 관계, 예를 들면, R = Ao를 가질 수 있고; 및/또는 혈관 크기는 상수와 지수, 예를 들면, R = DoD-β를 가질 수 있다.
일부 구체예에서, 이들 파라미터의 조정은 전산화 FFR 분석의 정확도에 충격을 줄 수 있다. 이들 파라미터 중에서 다수는 이전에 획득된 데이터, 사용자 세팅, 또는 문헌 기초된 값의 분석에 근거하여 세팅될 수 있다. 추가적으로, 전산화 FFR 분석의 정확도는 구축된 해부학적 모형의 특징, FFR을 계산하는데 이용된 방정식, 활용되는 유체 흐름 방정식, 그리고 FFR을 전산하기 위한 많은 다른 양상에 의해 충격을 받을 수 있다.
방법 2450의 단계 2454는 계산된 환자 결과를 조율 개체군의 침습성으로 계측된 결과에 비교함으로써, 경계 조건 조율 특징을 결정하는 것을 포함할 수 있다. 경계 조건은 전산화된 혈류 특징 및 각 환자의 혈류 특징의 침습성으로 획득된 치수 사이에 차이를 감소시키기 위해 조율될 수 있다. 따라서, 파라미터는 아래에 더욱 상세하게 설명된 바와 같이, 일정한 메트릭스가 부합될 때까지 경계 조건으로 점증적으로 변경된다. 이들 파라미터는 인간의 해부학 내에서 상이한 영역에 대한 혈류 특징에 지향될 수 있다. 가령, 전산화된 혈류 특징 (변하는 파라미터에서)은 복수의 해부학적 위치에서 혈류 특징의 상응하는 침습성으로 획득된 치수와 반복적으로 비교될 수 있다. 따라서, 경계 조건 조율 특징은 혈류 특징이 결정되는 복수의 해부학적 위치 각각에 대한 독특한 경계 조건 조율 특징을 고려한다.
일부 구체예에서, 하나 또는 그 이상의 정확도 메트릭스가 조율 개체군에 대해 전산화되고 계측된 데이터를 이용하여 산출될 수 있다. 메트릭스는 감수성, 특이성, 평균 선입견, 및/또는 평균 절대 오차를 포함할 수 있다. 이들 메트릭스는 아래와 같이 계산될 수 있다:
감수성 = TP/(TP+FN)
특이성 = TN/(TN+FP)
평균 선입견 = ∑(FFRc - FFRm)/n
평균 절대 오차 = ∑|FFRc - FFRm|/n
다른 예시적인 구체예에서, 이들 메트릭스는 조율되는 초기 조건으로서 이용될 수 있다. 수동 조정, 최적화, 또는 반복이 포함되지만 이들에 한정되지 않는 다양한 단계가 경계 조건을 초기 조건으로부터 원하는 조건으로 조율하는데 이용될 수 있다. 가령, 초기 전반적인 선입견은 0.01일 수 있고, 그리고 희망 선입견은 -0.02일 수 있다. 심근 질량 파라미터 Mo 및/또는 아데노신 충혈 파라미터 Ao를 반복적으로 조정하는 주기는 선입견이 -0.02에서 수렴하도록 허용할 수 있다. 각 반복을 위해, 파라미터는 세트 증분에 의해 또는 내삽 또는 외삽 기술을 이용한 이전 반복에 의해 알려진 증분에 의해 조정될 수 있었다. 파라미터의 각 반복을 위해, 전체 조율 개체군은 단지 이들 파라미터만을 변화시킴으로써 재분석될 것이다. 메트릭스는 재계산될 수 있고, 그리고 표적 선입견으로부터 오차가 사정될 수 있다.
다른 구체예에서, 예로서 특이성을 최대화하고 평균 절대 오차를 최소화하면서 최소한 80% 감수성을 달성하는 다인자 최적화가 요망될 수 있다. 원하는 결과가 획득될 때까지 또는 원하는 결과에 최소 전체 오차를 갖는 해법이 획득될 때까지 최소한 하나의 파라미터를 조정하기 위한 반복적인 최적화가 수행될 수 있다.
다른 구체예에서, 통계학적 기술, 예를 들면, Monte Carlo 또는 부트스트래핑 방법이 최적화를 보도하기 위해 더욱 큰 환자 개체군에서 조율된 경계 조건의 성과를 예측하는데 이용될 수 있다. 이것은 최적 메트릭스를 조율하고 이들로 시험하거나 또는 이들 메트릭스에서 신뢰를 증가시키기에는 한정된 데이터가 있는 경우에 도움이 될 수 있다.
따라서, 이런 최적화 또는 조율은 각 메트릭스에 대한 목표가 달성될 때까지 반복적으로 발생한다. 이들 파라미터에 대한 변경은 경계 조건 조율 특징으로서 지칭될 수 있다.
도면 24b의 단계 2456은 계산된 환자 결과를 시험 개체군의 침습성으로 계측된 결과에 비교함으로써 경계 조건 조율 특징의 정확도를 결정하는 것을 포함할 수 있다. 구체적으로, 조율 개체군에 근거하여 최적 파라미터를 제공하는 경계 조건 조율 특징을 이용하여, 비침습성 FFR 분석이 시험 개체군에 대해 수행될 수 있다. 구체적으로, 시험 개체군에서 각 환자에 대한 경계 조건을 나타내는 모형은 경계 조건 조율 특징에 근거하여 조율되고/변경될 수 있다. 조율된/변경된 모형은 FFR의 값을 전산하는데 이용될 수 있다. 그 후에, 이러한 비교가 시험 개체군에서 침습성으로 계측된 FFR 및 전산화 FFR 사이에 역치 양보다 적은 차이를 드러내면, 경계 조건 조율 특징은 정확한 것으로 고려될 수 있다.
일부 구체예에서, 경계 조건 조율 특징이 정확하지 않을 때, 방법 2450은 환자로부터 추가 데이터를 포함함으로써 단계 2456을 반복하는 것을 포함할 수 있다. 추가 데이터는 시험 풀 또는 환자 데이터의 다른 근원에서 환자에 관련된 데이터를 포함할 수 있다. 가령, 추가 데이터 또는 조율 개체군 내에 포함되는 시험 개체군의 양의 수동 선별을 요청하는 통지가 건강 전문가에게 제공될 수 있다.
도면 24b의 단계 2458은 경계 조건 조율 특징을 데이터베이스에 저장하는 것을 포함할 수 있다. 구체예에서, 저장된 경계 조율 조건은 이후, 임의의 새로운 장래 환자-특이적 분석을 위한 정확한 경계 조건을 결정하는데 적용될 수 있다.
2. 특정한 환자에 대한 영역 경계 조건의 조정
경계 조건을 최적화하는 모형은 이후, 특정한 환자에 대한 경계 조건을 조정하여 3차원 모형의 상이한 영역에서 혈류 특징의 정확한 결정을 허용하는데 활용될 수 있다. 도면 24c는 환자의 모형에 대한 경계 조건을 최적화하기 위한 예시적인 방법 2460을 도해한다.
방법 2460의 단계 2462는 환자에 관련된 데이터를 회수하는 것을 포함할 수 있다. 이러한 데이터는 상기에 더욱 상세하게 설명된 바와 같이, 해부학적 정보, 침습성으로 포획된 데이터, 또는 환자에 대한 3차원 모형을 창출하는데 이용되는 임의의 다른 데이터를 포함할 수 있다.
방법 2460의 단계 2464는 회수된 데이터에 근거하여 3차원 모형을 창출하는 것을 포함할 수 있다. 구체적으로, 3차원 모형이 명세서 전반에서 설명된 바와 같이, 회수된 데이터에 근거하여 산출될 수 있다. 3차원 모형의 창출은 다음의 함수에 따라, 심근 질량, 아데노신 반응, 및/또는 혈관 크기의 함수일 수 있는 경계 조건을 결정하는 것을 포함할 수 있다:
Rn = f(Mi, Ai, Dn)
일부 구체예에서, 3차원 모형은 미세순환의 모든 영역 및 관상 혈관구조 전역에서 모든 혈관 형태와 분포가 창출되는 3차원 해부학적 모형의 한계를 넘어서 동일하다는 가정 하에 작동할 수 있다.
일부 구체예에서, 당업자는 환자에 대한 3차원 모형이 이전에 산출되었으면, 이것이 단계 2462에서 회수될 수 있고, 따라서 단계 2464가 생략될 수 있다는 것을 이해할 것이다. 그 후에, 단계 2466과 2468이 새로 창출된 또는 회수된 3차원 모형에 적용될 수 있다.
방법 2460의 단계 2466은 경계 조건 조율 특징 데이터에 근거하여 3차원 모형의 경계 조건을 갱신하는 것을 포함할 수 있다. 따라서, 이러한 단계는 데이터베이스에서 저장될 수 있는 경계 조건 조율 특징을 회수하는 것을 포함할 수 있다. 이들 경계 조건 조율 특징은 미세순환의 모든 영역에 대해, 관상 혈관구조 전역에서 혈관 형태와 분포가 창출되는 3차원 해부학적 모형의 한계를 넘어서 동일하지 않다는 것을 고려하여 3차원 모형에 대한 조정을 허용한다. 가령, 이것은 확장기와 수축기 사이에 박동 유속에서 차이, 상이한 분지 패턴, 그리고 미세순환 저항의 지수 ("IMR")에서 차이에 기인할 수 있다.
방법 2460의 단계 2468은 3차원 모형의 갱신된 경계 조건에 근거하여 하나 또는 그 이상의 위치에서 혈류 특징을 계산하는 것을 포함할 수 있다. 구체적으로, 3차원 방식의 갱신된 경계 조건을 이용하여, 혈류 특징 (가령, 전산화 FFR)이 본 발명에서 설명된 방법과 유사하게 계산될 수 있다.
D. 3차원 그물망의 창출
도면 3을 다시 언급하면, 3차원 그물망이 단계 306에서 산출된 고체 모형 320에 근거하여 산출될 수 있다 (단계 312). 도면 17-19는 단계 306에서 산출된 고체 모형 320에 근거하여 제조된 3차원 그물망 380의 실례를 보여준다. 그물망 380은 고체 모형 320의 표면을 따라서, 그리고 고체 모형 320의 내측 전역에서 복수의 노드 382 (메쉬포인트 또는 격자점)을 포함한다. 그물망 380은 도면 18과 19에 나타나 있는 바와 같이, 사면체 요소 (노드 382를 형성하는 포인트를 갖는)로 창출될 수 있다. 대안으로, 다른 모양을 갖는 요소, 예를 들면, 육면체 또는 다른 다면체, 곡선 요소 등이 이용될 수 있다. 한 예시적인 구체예에서, 노드 382의 숫자는 수백만 개, 예를 들면, 5 내지 50 백만 개일 수 있다. 노드 382의 숫자는 그물망 380이 더욱 미세해짐에 따라서 증가한다. 더욱 높은 숫자의 노드 382에서, 모형 320 내에 더욱 많은 포인트에서 정보가 제공될 수 있지만, 전산 분석은 실행하는데 더욱 오랜 시간이 걸리는데, 그 이유는 더욱 큰 숫자의 노드 382가 해결되어야 하는 방정식 (가령, 도면 1에서 도시된 방정식 30)의 숫자를 증가시키기 때문이다. 한 예시적인 구체예에서, 그물망 380의 산출은 사용자의 입력 (가령, 노드 382의 숫자, 이들 요소의 모양 등을 명기하는)으로 또는 이러한 입력 없이, 컴퓨터 시스템에 의해 수행될 수 있다.
도면 3을 다시 언급하면, 그물망 380 및 결정된 경계 조건이 실증될 수 있다 (단계 314). 실증은 사용자에 의해 및/또는 컴퓨터 시스템에 의해 수행될 수 있다. 가령, 사용자 및/또는 컴퓨터 시스템은 예로서, 그물망 380이 왜곡되거나 또는 충분한 공간 분해능을 갖지 않으면, 경계 조건이 전산 분석을 수행하는데 충분하지 않으면, 단계 310에서 결정된 저항이 부정확한 것으로 나타나면, 기타 등등이면 그물망 380 및/또는 경계 조건이 재수행될 것을 요구하는, 그물망 380 및/또는 경계 조건에서 일정한 오류를 확인할 수도 있다. 만약 그렇다면, 그물망 380 및/또는 경계 조건은 받아들일 수 없는 것으로 결정될 수 있고, 그리고 단계 304-314 중에서 하나 또는 그 이상이 반복될 수 있다. 그물망 380 및/또는 경계 조건이 허용되는 것으로 결정되면, 본 방법은 아래에 설명된 단계 402로 진행할 수 있다.
이에 더하여, 사용자는 획득된 환자-특이적 정보, 또는 다른 계측된 파라미터, 예를 들면, 심장 박출량, 혈압, 신장, 체중, 단계 240에서 계산된 심근 질량이 정확하게 입력되고 및/또는 정확하게 계산되는 지를 점검할 수 있다.
따라서, 도면 3에서 도시되고 앞서 설명된 단계 304-314는 도면 2의 단계 300의 하위단계로서 고려될 수 있다.
V. 전산 분석의 수행 및 결과 출력
도면 2에서 도시된 단계 400과 관련하여 앞서 설명된 바와 같이, 예시적인 방법은 전산 분석을 수행하고 결과를 출력하는 것을 포함할 수 있다. 한 예시적인 구체예에서, 단계 400은 다음의 단계를 포함할 수 있다.
A. 전산 분석의 수행
도면 3을 언급하면, 전산 분석은 컴퓨터 시스템에 의해 수행될 수 있다 (단계 402). 한 예시적인 구체예에서, 단계 402는 예로서, 그물망 380 (도면 17-19)에서 노드 382의 숫자 등에 따라, 수분 내지 수시간 동안 지속될 수 있다.
분석은 그물망 380이 산출되었던 모형 320에서 혈류를 설명하는 일련의 방정식을 산출하는 것을 수반한다. 앞서 설명된 바와 같이, 예시적인 구체예에서, 원하는 정보는 충혈 상태 하에 모형 320을 통한 혈류의 시뮬레이션에 관계한다.
분석은 또한, 컴퓨터 시스템을 이용하여 혈류의 3차원 방정식을 해결하기 위해 수치 방법을 이용하는 것을 수반한다. 가령, 수치 방법은 공지된 방법, 예를 들면, 유한 차분, 유한 체적, 스펙트럼, 격자 볼츠만, 입자-기초된, 레벨 세트, 등기하학상, 또는 유한 요소 방법, 또는 다른 전산 유체 역학 (CFD) 수치 기술일 수 있다.
이들 수치 방법을 이용하여, 혈액은 뉴턴, 비-뉴턴, 또는 다중위상 유체로서 모형화될 수 있다. 단계 100에서 계측된 환자의 헤마토크리트 또는 다른 인자는 분석에서 통합을 위한 혈액 점성을 결정하는데 이용될 수 있다. 혈관 벽은 강성 또는 순응성인 것으로 가정될 수 있다. 후자 경우에, 벽 동역학에 대한 방정식, 예를 들면, 탄성동력학 방정식은 혈류에 대한 방정식과 함께 해결될 수 있다. 단계 100에서 획득된 시간 가변성 3차원 영상 데이터는 심장 주기에 걸쳐 혈관 모양에서 변화를 모형화하기 위한 입력으로서 이용될 수 있다. 전산 분석을 수행하기 위한 방정식과 단계의 예시적인 세트는 예로서, 발명의 명칭이 "의학적 개입을 계획하고 생리학적 상태를 모의하기 위한 예측적 모형화를 위한 방법"인 U.S. 특허 번호 6,236,878, 그리고 발명의 명칭이 "심혈관계의 환자-특이적 혈류역학"인 U.S. 특허 출원 공개 번호 2010/0241404 및 U.S. 가출원 번호 61/210,401에서 더욱 상세하게 개시되고, 이들 모두 전체적으로 본원에 참조로서 편입된다.
제조된 모형 및 경계 조건을 이용한 전산 분석은 3차원 고체 모형 320을 나타내는 그물망 380의 각각의 노드 382에서 혈류와 압력을 결정할 수 있다. 가령, 전산 분석의 결과는 아래에 설명된 바와 같이, 각각의 노드 382에서 다양한 파라미터, 예를 들면, 하지만 제한 없이, 다양한 혈류 특징 또는 파라미터, 예를 들면, 혈류 속도, 압력, 유속, 또는 전산화 파라미터, 예를 들면, cFFR에 대한 값을 포함할 수 있다. 이들 파라미터는 또한, 3차원 고체 모형 320을 교차하여 내삽될 수 있다. 결과적으로, 전산 분석의 결과는 전형적으로, 침습성으로 결정될 수 있는 정보를 사용자에게 제공할 수 있다.
도면 3을 다시 언급하면, 전산 분석의 결과가 실증될 수 있다 (단계 404). 실증은 사용자에 의해 및/또는 컴퓨터 시스템에 의해 수행될 수 있다. 가령, 사용자 및/또는 컴퓨터 시스템은 예로서, 노드 382의 불충분한 숫자로 인해 정보가 불충분하면, 노드 382의 과도한 숫자로 인해 분석에 너무 많은 시간이 소요되면, 기타 등등이면, 그물망 380 및/또는 경계 조건이 재수행되거나 또는 개정될 것을 요구하는, 이들 결과에서 일정한 오류를 확인할 수도 있다.
전산 분석의 결과가 단계 404에서 받아들일 수 없는 것으로 결정되면, 사용자 및/또는 컴퓨터 시스템은 예로서, 단계 306에서 산출된 고체 모형 320 및/또는 단계 312에서 산출된 그물망 380을 개정하거나 또는 정밀화할 지의 여부와 이를 위한 방법, 단계 310에서 결정된 경계 조건을 개정할 지의 여부와 이를 위한 방법, 또는 전산 분석을 위한 임의의 입력에 다른 개정을 할지의 여부를 결정할 수 있다. 이후, 앞서 설명된 하나 또는 그 이상의 단계, 예를 들면, 단계 306-314, 402, 그리고 404가 결정된 개정 또는 정밀화에 근거하여 반복될 수 있다.
B. 혈압, 흐름, 그리고 cFFR에 대한 결과의 전시
도면 3을 다시 언급하면, 전산 분석의 결과가 단계 404에서 허용되는 것으로 결정되면, 컴퓨터 시스템은 전산 분석의 일정한 결과를 출력할 수 있다. 가령, 컴퓨터 시스템은 전산 분석의 결과에 근거하여 산출된 이미지, 예를 들면, 도면 1과 관련하여 앞서 설명된 이미지, 예를 들면, 모의된 혈압 모형 50, 모의된 혈류 모형 52, 및/또는 cFFR 모형 54를 전시할 수 있다. 전술한 바와 같이, 이들 이미지는 모의된 혈압, 혈류, 그리고 모의된 충혈 조건 하에 cFFR을 지시하는데, 예로서 그 이유는 단계 310에서 결정된 경계 조건이 충혈 조건에 대하여 결정되었기 때문이다.
모의된 혈압 모형 50 (도면 1)은 모의된 충혈 조건 하에 도면 17-19의 그물망 380에 의해 대표된 환자의 해부학 전역에서 국부 혈압 (가령, 밀리미터의 수은 또는 mmHg에서)을 보여준다. 전산 분석은 그물망 380의 각 노드 382에서 국부 혈압을 결정할 수 있고, 그리고 모의된 혈압 모형 50은 이러한 모의된 혈압 모형 50이 각 노드 382에 대한 개별 값을 명시할 필요 없이, 모형 50 전역에서 압력에서 변화를 시각적으로 지시할 수 있도록, 상응하는 칼라, 색조, 또는 다른 시각 지표를 개별 압력에 배정할 수 있다. 가령, 도면 1에서 도시된 모의된 혈압 모형 50은 이러한 특정 환자에 대해, 모의된 충혈 조건 하에, 압력이 대동맥에서 일반적으로 균일하고 더욱 높고 (더욱 어두운 명암에 의해 지시된 바와 같이), 그리고 혈류가 주요 관상 동맥 및 분지로 흘러감에 따라서, 압력이 점진적으로 및 연속적으로 감소한다는 것을 보여준다 (분지의 하류 단부를 향하여 명암에서 점진적이고 연속적인 밝아짐에 의해 증명된 바와 같이). 모의된 혈압 모형 50은 도면 1에 나타나 있는 바와 같이, 혈압에 대한 특정한 수치 값을 표시하는 등급을 동반할 수 있다.
한 예시적인 구체예에서, 모의된 혈압 모형 50은 칼라로 제공될 수 있고, 그리고 칼라 스펙트럼은 모형 50 전역에서 압력에서 변화를 지시하는데 이용될 수 있다. 칼라 스펙트럼은 가장 높은 압력으로부터 가장 낮은 압력까지 순차적으로 적색, 오렌지색, 황색, 녹색, 청색, 남색, 그리고 보라색을 포함할 수 있다. 가령, 상한선 (적색)은 대략 110 mmHg 또는 그 이상 (또는 80 mmHg, 90 mmHg, 100 mmHg 등)을 지시할 수 있고, 하한선 (보라색)은 대략 50 mmHg 또는 그 이하 (또는 20 mmHg, 30 mmHg, 40 mmHg 등)를 지시할 수 있고, 그리고 녹색은 대략 80 mmHg (또는 상한선과 하한선 사이에 대략 중간인 다른 값)을 지시할 수 있다. 따라서, 일부 환자에 대한 모의된 혈압 모형 50은 대동맥의 대부분 또는 전부를 적색 또는 스펙트럼의 상단을 향하여 다른 칼라로서 보여줄 수 있고, 그리고 이들 칼라는 관상 동맥 및 그것들로부터 연장하는 분지의 원위 단부를 향하여 스펙트럼을 통해 점진적으로 변할 수 있다 (가령, 스펙트럼의 하단을 향하여 (보라색까지 하락)). 특정 환자에 대한 관상 동맥의 원위 단부는 상이한 칼라, 예를 들면, 개별 원위 단부에 대해 결정된 국부 혈압에 따라, 적색으로부터 보라색까지 그 어딘가의 칼라를 가질 수 있다.
모의된 혈류 모형 52 (도면 1)는 모의된 충혈 조건 하에 도면 17-19의 그물망 380에 의해 대표된 환자의 해부학 전역에서 국부 혈액 속도 (가령, 초당 센티미터 또는 cm/s)를 보여준다. 전산 분석은 그물망 380의 각 노드 382에서 국부 혈액 속도를 결정할 수 있고, 그리고 모의된 혈류 모형 52는 이러한 모의된 혈류 모형 52가 각 노드 382에 대한 개별 값을 명시할 필요 없이, 모형 52 전역에서 속도에서 변화를 시각적으로 지시할 수 있도록, 상응하는 칼라, 색조, 또는 다른 시각 지표를 개별 압력에 배정할 수 있다. 가령, 도면 1에서 도시된 모의된 혈류 모형 52는 이러한 특정 환자에 대해, 모의된 충혈 조건 하에, 속도가 주요 관상 동맥 및 분지의 일정한 구역에서 일반적으로 더욱 높다는 것을 보여준다 (도면 1에서 구역 53에서 더욱 어두운 명암에 의해 지시된 바와 같이). 모의된 혈류 모형 52는 도면 1에 나타나 있는 바와 같이, 혈액 속도에 대한 특정한 수치 값을 표시하는 등급을 동반할 수 있다.
한 예시적인 구체예에서, 모의된 혈류 모형 52는 칼라로 제공될 수 있고, 그리고 칼라 스펙트럼은 모형 52 전역에서 속도에서 변화를 지시하는데 이용될 수 있다. 칼라 스펙트럼은 가장 높은 속도로부터 가장 낮은 속도까지 순차적으로 적색, 오렌지색, 황색, 녹색, 청색, 남색, 그리고 보라색을 포함할 수 있다. 가령, 상한선 (적색)은 대략 100 (또는 150) cm/s 또는 그 이상을 지시할 수 있고, 하한선 (보라색)은 대략 0 cm/s를 지시할 수 있고, 그리고 녹색은 대략 50 cm/s (또는 상한선과 하한선 사이에 대략 중간인 다른 값)를 지시할 수 있다. 따라서, 일부 환자에 대한 모의된 혈류 모형 52는 대동맥의 대부분 또는 전부를 스펙트럼의 하단 (가령, 녹색 내지 보라색)을 향하여 칼라의 혼합물로서 보여줄 수 있고, 그리고 이들 칼라는 결정된 혈액 속도가 증가하는 일정한 위치에서 스펙트럼을 통해 점진적으로 변할 수 있다 (가령, 스펙트럼의 상단을 향하여 (적색까지)).
cFFR 모형 54 (도면 1)는 모의된 충혈 조건 하에 도면 17-19의 그물망 380에 의해 대표된 환자의 해부학 전역에서 국부 cFFR을 보여준다. 전술한 바와 같이, cFFR은 대동맥에서, 예를 들면, 유입 경계 322에서 혈압에 의해 나눗셈된 특정 노드 382에서 전산 분석 (가령, 모의된 혈압 모형 50에서 도시된)에 의해 결정된 국부 혈압의 비율로서 계산될 수 있다 (도면 8). 전산 분석은 그물망 380의 각 노드 382에서 cFFR을 결정할 수 있고, 그리고 cFFR 모형 54는 이러한 cFFR 모형 54가 각 노드 382에 대한 개별 값을 명시할 필요 없이, 모형 54 전역에서 cFFR에서 변화를 시각적으로 지시할 수 있도록, 상응하는 칼라, 색조, 또는 다른 시각 지표를 개별 압력에 배정할 수 있다. 가령, 도면 1에서 도시된 cFFR 모형 54는 이러한 특정 환자에 대해, 모의된 충혈 조건 하에, cFFR이 대동맥에서 일반적으로 균일하고 대략 1.0이고, 그리고 혈류가 주요 관상 동맥 및 분지로 흘러감에 따라서, cFFR이 점진적으로 및 연속적으로 감소한다는 것을 보여준다. cFFR 모형 54는 또한, 도면 1에 나타나 있는 바와 같이, cFFR 모형 54 전역에서 일정한 포인트에서 cFFR 값을 지시할 수 있다. cFFR 모형 54는 도면 1에 나타나 있는 바와 같이, cFFR에 대한 특정한 수치 값을 표시하는 등급을 동반할 수 있다.
한 예시적인 구체예에서, cFFR 모형 54는 칼라로 제공될 수 있고, 그리고 칼라 스펙트럼은 모형 54 전역에서 압력에서 변화를 지시하는데 이용될 수 있다. 칼라 스펙트럼은 가장 낮은 cFFR (기능적으로 유의미한 병변을 지시함)로부터 가장 높은 cFFR까지 순차적으로 적색, 오렌지색, 황색, 녹색, 청색, 남색, 그리고 보라색을 포함할 수 있다. 가령, 상한선 (보라색)은 1.0의 cFFR을 지시할 수 있고, 하한선 (적색)은 대략 0.7 (또는 0.75 또는 0.8) 또는 그 이하를 지시할 수 있고, 그리고 녹색은 대략 0.85 (또는 상한선과 하한선 사이에 대략 중간인 다른 값)를 지시할 수 있다. 가령, 하한선은 cFFR 계측이 개입을 필요로 할 수 있는 기능적으로 유의미한 병변 또는 다른 특질을 지시하는 지의 여부를 결정하는데 이용된 하한선 (가령, 0.7, 0.75, 또는 0.8)에 근거하여 결정될 수 있다. 따라서, 일부 환자에 대한 cFFR 모형 54는 대동맥의 대부분 또는 전부를 보라색 또는 스펙트럼의 상단을 향하여 다른 칼라로서 보여줄 수 있고, 그리고 이들 칼라는 관상 동맥 및 그것들로부터 연장하는 분지의 원위 단부를 향하여 스펙트럼을 통해 점진적으로 변할 수 있다 (가령, 스펙트럼의 상단을 향하여 (적색으로부터 보라색까지 그 어딘가까지)). 특정 환자에 대한 관상 동맥의 원위 단부는 상이한 칼라, 예를 들면, 개별 원위 단부에 대해 결정된 cFFR의 국부 값에 따라, 적색으로부터 보라색까지 그 어딘가의 칼라를 가질 수 있다.
cFFR이 개입을 필요로 할 수 있는 기능적으로 유의미한 병변 또는 다른 특질의 존재를 결정하는데 이용된 하한선 아래로 하락하였다는 것을 결정한 후에, 동맥 또는 분지는 기능적으로 유의미한 병변(들)의 위치를 찾기 위해 사정될 수 있다. 컴퓨터 시스템 또는 사용자는 동맥 또는 분지의 기하학에 근거하여 기능적으로 유의미한 병변(들)의 위치를 찾을 수 있다 (가령, cFFR 모형 54을 이용하여). 가령, 기능적으로 유의미한 병변(들)은 국부 최소 cFFR 값을 갖는 cFFR 모형 54의 위치로부터 근접 (가령, 상류) 위치된 좁아짐 또는 협착증을 발견함으로써 위치될 수 있다. 컴퓨터 시스템은 기능적으로 유의미한 병변(들)을 포함하는 cFFR 모형 54 (또는 다른 모형)의 부분(들)을 사용자에게 표시하거나 또는 전시할 수 있다.
다른 이미지 역시 전산 분석의 결과에 근거하여 산출될 수 있다. 가령, 컴퓨터 시스템은 예로서, 도면 20-22에 나타나 있는 바와 같이, 특정 주요 관상 동맥에 관한 추가 정보를 제공할 수 있다. 관상 동맥은 예로서, 특정 관상 동맥이 가장 낮은 cFFR을 포함하면, 컴퓨터 시스템에 의해 선택될 수 있다. 대안으로, 사용자가 특정 관상 동맥을 선별할 수 있다.
도면 20은 개별 참고 라벨 (가령, LM, LAD1, LAD2, LAD3 등)에 의해 확인된 모형 상에서 일정한 포인트에서 전산 분석의 결과를 포함하는 환자의 해부학의 모형을 보여준다. 도면 21에서 도시된 예시적인 구체예에서, 이들 포인트가 LAD 동맥에서 제공되는데, 이것은 모의된 충혈 조건 하에, 이러한 특정 환자에 대해 가장 낮은 cFFR을 갖는 주요 관상 동맥이다.
도면 21과 22는 이들 포인트 (가령, LM, LAD1, LAD2, LAD3 등)의 일부 또는 전부에서 및/또는 모형 상에서 일정한 다른 위치에서 (가령, 대동맥 등에서) 시간의 추이에서 일정한 변수의 그래프를 보여준다. 도면 21은 대동맥에서 및 도면 20에서 지시된 포인트 LAD1, LAD2와 LAD3에서 시간의 추이에서 압력 (가령, 밀리미터의 수은 또는 mmHg에서)의 그래프이다. 상기 그래프 상에서 정상 플롯은 대동맥에서 압력을 지시하고, 정상으로부터 두 번째 플롯은 포인트 LAD1에서 압력을 지시하고, 정상으로부터 세 번째 플롯은 포인트 LAD2에서 압력을 지시하고, 그리고 바닥 플롯은 포인트 LAD3에서 압력을 지시한다. 도면 22는 도면 20에서 지시된 포인트 LM, LAD1, LAD2와 LAD3에서 시간의 추이에서 흐름 (가령, 초당 입방 센티미터 또는 cc/s에서)의 그래프이다. 이에 더하여, 다른 그래프, 예를 들면, 이들 포인트의 일부 또는 전부에서 및/또는 다른 포인트에서 시간의 추이에서 전단 응력의 그래프가 제공될 수 있다. 상기 그래프 상에서 정상 플롯은 포인트 LM에서 흐름을 지시하고, 정상으로부터 두 번째 플롯은 포인트 LAD1에서 흐름을 지시하고, 정상으로부터 세 번째 플롯은 포인트 LAD2에서 흐름을 지시하고, 그리고 바닥 플롯은 포인트 LAD3에서 흐름을 지시한다. 특정 주요 관상 동맥 및/또는 그것들로부터 연장하는 분지의 길이를 따라서 이들 변수, 예를 들면, 혈압, 흐름, 속도, 또는 cFFR에서 변화를 보여주는 그래프가 또한 제공될 수 있다.
임의선택적으로, 앞서 설명된 다양한 그래프와 기타 결과는 보고서에서 확정될 수 있다 (단계 406). 가령, 앞서 설명된 이미지와 기타 정보는 세트 원형을 갖는 문서 내로 삽입될 수 있다. 원형은 미리 설정되고 복수 환자에 대해 포괄적이고, 그리고 전산 분석의 결과를 의사 및/또는 환자에게 보고하는데 이용될 수 있다. 문서 또는 보고서는 전산 분석이 완결된 후에, 컴퓨터 시스템에 의해 자동적으로 완결될 수 있다.
가령, 확정된 보고서는 도면 23에서 도시된 정보를 포함할 수 있다. 도면 23은 도면 1의 cFFR 모형 54를 포함하고, 그리고 또한, 요약 정보, 예를 들면, 주요 관상 동맥 및 그것들로부터 연장하는 분지 각각에서 가장 낮은 cFFR 값을 포함한다. 가령, 도면 23은 LAD 동맥에서 가장 낮은 cFFR 값이 0.66이고, LCX 동맥에서 가장 낮은 cFFR 값이 0.72이고, RCA 동맥에서 가장 낮은 cFFR 값이 0.80이라는 것을 지시한다. 다른 요약 정보는 환자의 명칭, 환자의 연령, 환자의 혈압 (BP) (가령, 단계 100에서 획득된), 환자의 심박수 (HR) (가령, 단계 100에서 획득된) 등을 포함할 수 있다. 확정된 보고서는 또한, 추가 정보를 결정하기 위해 의사 또는 다른 사용자가 접근할 수 있는, 앞서 설명된 바와 같이 산출된 이미지와 기타 정보의 이형을 포함할 수 있다. 컴퓨터 시스템에 의해 산출된 이미지는 상기 포인트에서 앞서 설명된 변수 중에서 한 가지, 예를 들면, 혈압, 속도, 흐름, cFFR 등의 값을 결정하기 위해, 의사 또는 다른 사용자가 커서를 임의의 포인트 위에 위치시키는 것을 허용하도록 형식화될 수 있다.
확정된 보고서는 의사 및/또는 환자에게 전송될 수 있다. 확정된 보고서는 임의의 공지된 통신 방법, 예를 들면, 무선 또는 유선 네트워크, 우편 등을 이용하여 전송될 수 있다. 대안으로, 의사 및/또는 환자는 확정된 보고서가 다운로드 또는 픽업이 가능하다고 통지될 수 있다. 이후, 의사 및/또는 환자는 웹-기초된 서비스에 로그인하여, 확정된 보고서를 안전한 통신 라인을 통해 다운로드할 수 있다.
C. 결과의 실증
도면 3을 다시 언급하면, 전산 분석의 결과는 독립적으로 실증될 수 있다 (단계 408). 가령, 사용자 및/또는 컴퓨터 시스템은 상기 설명된 단계 중에서 한 가지가 재수행될 것을 요구하는, 전산 분석의 결과, 예를 들면, 단계 406에서 산출된 이미지와 기타 정보에서 일정한 오류를 확인할 수도 있다. 이런 오류가 확인되면, 전산 분석의 결과는 받아들일 수 없는 것으로 결정될 수 있고, 그리고 일정한 단계, 예를 들면, 단계 100, 200, 300, 400, 하위단계 102, 202-208, 240-260, 304-314, 그리고 402-408 등이 반복될 수 있다.
따라서, 도면 3에서 도시되고 앞서 설명된 단계 402-408은 도면 2의 단계 400의 하위단계로서 고려될 수 있다.
전산 분석의 결과를 실증하기 위한 다른 방법은 다른 방법을 이용하여 환자로부터 결과 내에 포함된 변수 중에서 한 가지, 예를 들면, 혈압, 속도, 흐름, cFFR 등을 계측하는 것을 포함할 수 있다. 한 예시적인 구체예에서, 이들 변수는 계측되고 (가령, 침습성으로) 그리고, 이후 전산 분석에 의해 결정된 결과와 비교될 수 있다. 가령, FFR은 예로서, 고체 모형 320 및 그물망 380에 의해 대표된 환자의 해부학 내에서 하나 또는 그 이상의 포인트에서, 앞서 설명된 바와 같이 환자 내로 삽입된 압력 와이어를 이용하여 결정될 수 있다. 한 위치에서 계측된 FFR이 동일한 위치에서 cFFR과 비교될 수 있고, 그리고 복수 위치에서 비교가 수행될 수 있다. 임의선택적으로, 전산 분석 및/또는 경계 조건이 이러한 비교에 근거하여 조정될 수 있다.
D. 관상 혈류 정보를 제공하기 위한 시스템과 방법의 다른 구체예
특정한 환자에서 관상 혈류에 관련된 다양한 정보를 제공하기 위한 방법 600의 다른 구체예는 도면 24a에서 도시된다. 방법 600은 앞서 설명된 컴퓨터 시스템, 예를 들면, 앞서 설명되고 도면 3에서 도시된 단계 중에서 하나 또는 그 이상을 실행하는데 이용된 컴퓨터 시스템에서 실행될 수 있다. 방법 600은 하나 또는 그 이상의 입력 610을 이용하여 수행될 수 있고, 그리고 입력 610에 근거하여 하나 또는 그 이상의 모형 620을 산출하고, 입력 610 및/또는 모형 620에 근거하여 하나 또는 그 이상의 조건 630을 배정하고, 그리고 모형 620 및 조건 630에 근거하여 하나 또는 그 이상의 해법 640을 도출하는 것을 포함할 수 있다.
입력 610은 환자의 대동맥, 관상 동맥 (및 그것들로부터 연장하는 분지), 그리고 심장의 의학적 영상 데이터 611, 예를 들면, CCTA 데이터 (가령, 도면 2의 단계 100에서 획득된)를 포함할 수 있다. 입력 610은 또한, 환자의 상완 혈압의 치수 612 및/또는 다른 치수 (가령, 도면 2의 단계 100에서 획득된)를 포함할 수 있다. 치수 612는 비침습성으로 획득될 수 있다. 입력 610은 모형(들) 620을 산출하고 및/또는 아래에 설명된 조건(들) 630을 결정하는데 이용될 수 있다.
전술한 바와 같이, 하나 또는 그 이상의 모형 620이 입력 610에 근거하여 산출될 수 있다. 가령, 방법 600은 영상 데이터 611에 근거하여 환자의 해부학 (가령, 대동맥, 관상 동맥, 그리고 그것들로부터 연장하는 분지)의 하나 또는 그 이상의 환자-특이적 3차원 기하학적 모형을 산출하는 것을 포함할 수 있다 (단계 621). 가령, 기하학적 모형은 도면 3의 단계 306에서 산출된 도면 8의 고체 모형 320, 및/또는 도면 3의 단계 312에서 산출된 도면 17-19의 그물망 380일 수 있다.
도면 24a를 다시 언급하면, 방법 600은 또한, 하나 또는 그 이상의 물리학-기초된 혈류 모형을 산출하는 것을 포함할 수 있다 (단계 622). 혈류 모형은 단계 621에서 산출된 환자-특이적 기하학적 모형을 통한 혈류, 심장과 대동맥 순환, 원위 관상 동맥 순환 등에 관계하는 모형을 포함할 수 있다. 혈류 모형은 환자의 모형화된 해부학과 연관된 최소한 한 가지의 혈류 특징, 예를 들면, 혈류 속도, 압력, 유속, FFR 등에 관계할 수 있다. 혈류 모형은 3차원 기하학적 모형의 유입과 유출 경계 322, 324에서 경계 조건으로서 배정될 수 있다. 혈류 모형은 도면 3의 단계 310과 관련하여 앞서 설명된 감소 차수 모형 또는 다른 경계 조건, 예를 들면, 집중 파라미터 심장 모형 340, 집중 파라미터 관상 모형 350, 윈드케셀 모형 360 등을 포함할 수 있다.
전술한 바와 같이, 하나 또는 그 이상의 조건 630은 입력 610 및/또는 모형 620에 근거하여 결정될 수 있다. 조건 630은 단계 622 (및 도면 3의 단계 310)에서 결정된 경계 조건에 대해 계산된 파라미터를 포함한다. 가령, 방법 600은 영상 데이터 611에 근거하여 환자-특이적 심실 또는 심근 질량을 계산함으로써, 조건을 결정하는 것을 포함할 수 있다 (가령, 도면 3의 단계 240에서 결정된 바와 같이) (단계 631).
방법 600은 단계 631에서 계산된 심실 또는 심근 질량을 이용하여, 관계 Q = QoMα에 근거된 안정 관상 혈류를 계산함으로써, 조건을 결정하는 것을 포함할 수 있고, 여기서 α는 미리 설정된 환산 지수이고, M은 심실 또는 심근 질량이고, 그리고 Qo는 미리 설정된 상수이다 (가령, 도면 3의 단계 310에서 집중 파라미터 모형을 결정하는 것과 관련하여 앞서 설명된 바와 같이) (단계 632). 대안으로, 상기 관계는 도면 3의 단계 310에서 집중 파라미터 모형을 결정하는 것과 관련하여 앞서 설명된 바와 같이, 형태 Q
Figure pct00003
QoMα를 가질 수도 있다.
방법 600은 또한, 단계 632에서 계산된 결과의 관상 혈류 및 환자의 계측된 혈압 612를 이용하여 전체 안정 관상 저항을 계산함으로써, 조건을 결정하는 것을 포함할 수 있다 (가령, 도면 3의 단계 310에서 집중 파라미터 모형을 결정하는 것과 관련하여 앞서 설명된 바와 같이) (단계 633).
방법 600은 또한, 단계 633 및 모형 620에서 계산된 전체 안정 관상 저항을 이용하여 개별 관상 동맥 (및 그것들로부터 연장하는 분지)에 대한 개별 저항을 계산함으로써, 조건을 결정하는 것을 포함할 수 있다 (단계 634). 가령, 도면 3의 단계 310과 관련하여 앞서 설명된 바와 같이, 단계 633에서 계산된 전체 안정 관상 저항은 개별 관상 동맥과 분지의 원위 단부의 크기 (가령, 단계 621에서 산출된 기하학적 모형으로부터 결정된)에 근거하여, 그리고 관계 R = Rodβ에 근거하여 개별 관상 동맥과 분지에 분산될 수 있고, 여기서 R은 특정 원위 단부에서 흐름에 대한 저항이고, 그리고 Ro는 미리 설정된 상수이고, d는 크기 (가령, 원위 단부의 직경)이고, 그리고 β는 도면 3의 단계 310에서 집중 파라미터 모형을 결정하는 것과 관련하여 앞서 설명된 바와 같이, 미리 설정된 멱법칙 지수이다.
도면 24a를 다시 언급하면, 방법 600은 환자의 한 가지 또는 그 이상의 신체 상태에 근거하여 경계 조건을 조정하는 것을 포함할 수 있다 (단계 635). 가령, 단계 631-634에서 결정된 파라미터는 해법 640이 안정, 변하는 수준의 충혈, 변하는 수준의 운동 또는 용력, 상이한 약제 등을 모의하는 것으로 의도되는 지에 근거하여 변형될 수 있다. 입력 610, 모형 620, 그리고 조건 630에 근거하여, 단계 635에서 선별된 신체 상태 하에 환자의 관상 혈류에 관한 정보를 포함하는 해법 640을 결정하기 위한 전산 분석이 예로서, 도면 3의 단계 402와 관련하여 앞서 설명된 바와 같이 수행될 수 있다 (단계 641). 해법 640으로부터 제공될 수 있는 정보의 실례가 이제부터 설명될 것이다.
합동된 환자-특이적 해부학적 (기하학적) 모형과 생리학적 (물리학-기초된) 모형이 심박수, 일회 박출량, 혈압, 또는 관상 동맥 혈류에서 관상 미세순환 기능을 변경하는 상이한 약제 또는 생활양식 변화 (가령, 흡연의 중지, 식이에서 변화, 또는 증가된 신체 활동)의 효과를 결정하는데 이용될 수 있다. 이런 정보는 의학적 요법을 최적화하거나 또는 약제의 잠재적으로 위험한 결과를 방지하는데 이용될 수 있다. 합동된 모형은 또한, 예로서 축구할 때, 우주 비행 동안, 스쿠버 다이빙할 때, 비행 동안, 기타 등등일 때, 대안적 형태 및/또는 변하는 수준의 신체 활동 또는 잠재적 외인성 힘에 노출의 위험의 관상 동맥 혈류에 대한 효과를 결정하는데 이용될 수 있다. 이런 정보는 특정한 환자에 대해 안전하고 유효할 수 있는 신체 활동의 유형과 수준을 확인하는데 이용될 수 있다. 합동된 모형은 또한, 최적 중재적 전략을 선별하기 위해 관상 동맥 혈류에서 경피 관상 개입의 잠재적 이익을 예측하고, 및/또는 최적 외과적 전략을 선별하기 위해 관상 동맥 혈류에서 관상 동맥 우회로 조성술의 잠재적 이익을 예측하는데 이용될 수 있다.
합동된 모형은 또한, 관상 동맥 혈류에 대한 동맥 질환의 부담에서 증가의 잠재적인 유해한 효과를 예증하고, 그리고 기계적인 또는 현상학적 질환 진행 모형 또는 경험적 데이터를 이용하여, 진행성 질환이 심장 근육으로의 혈류의 약화를 유발할 수 있는 시기를 예측하는데 이용될 수 있다. 이런 정보는 비침습성 영상을 이용하여 혈역학적으로 유의미한 질환이 초기에 없는 것으로 관찰된 환자가 의학적, 중재적, 또는 외과적 요법을 필요로 하지 않을 것으로 예상될 수 있는 "보증 기간", 또는 대안으로, 불리한 인자가 지속되면 진행이 발생할지도 모르는 비율의 결정을 가능하게 할 수도 있다.
합동된 모형은 또한, 관상 동맥 질환의 부담에서 감소로부터 발생하는 관상 동맥 혈류에 대한 잠재적인 유익한 효과를 예증하고, 그리고 기계적인 또는 현상학적 질환 진행 모형 또는 경험적 데이터를 이용하여, 질환의 퇴행이 관상 동맥을 통한 심장 근육으로의 증가된 혈류를 유발할 수 있는 시기를 예측하는데 이용될 수 있다. 이런 정보는 식이에서 변화, 증가된 신체 활동, 스타틴 또는 다른 약제의 처방 등이 포함되지만 이들에 한정되지 않는 의학적 관리 프로그램을 보도하는데 이용될 수 있다.
VI. 환자-특이적 치료 계획의 제공
도면 2에서 도시된 단계 500과 관련하여 앞서 설명된 바와 같이, 예시적인 방법은 환자-특이적 치료 계획을 제공하는 것을 포함할 수 있다. 한 예시적인 구체예에서, 단계 500은 다음의 단계를 포함할 수 있다. 비록 도면 3이 다음의 단계를 보여주진 않지만, 이들 단계는 도면 3에서 도시된 단계와 함께, 예를 들면, 단계 406 또는 408 후에 수행될 수 있는 것으로 이해된다.
앞서 설명된 바와 같이, 도면 1과 23에서 도시된 cFFR 모형 54는 치료되지 않은 상태에서 및 모의된 충혈 조건 하에 도면 17-19의 그물망 380에 의해 대표된 환자의 해부학 전역에서 cFFR 값을 지시한다. 이러한 정보를 이용하여, 의사는 환자에게 치료, 예를 들면, 운동에서 증가, 식이에서 변화, 약제의 처방, 모형화된 해부학의 임의의 부분 또는 심장의 다른 부분에서 수술 (가령, 관상 동맥 우회로 조성술, 하나 또는 그 이상의 관상 스텐트의 삽입 등), 기타 등등을 처방할 수 있다.
어떤 치료(들)를 처방할 지를 결정하기 위해, 컴퓨터 시스템이 전산 분석으로부터 결정된 정보가 이런 치료(들)에 근거하여 어떻게 변할 지를 예측하는데 이용될 수 있다. 가령, 일정한 치료, 예를 들면, 스텐트(들)의 삽입 또는 다른 수술은 모형화된 해부학의 기하학에서 변화를 유발할 수 있다. 따라서, 한 예시적인 구체예에서, 단계 306에서 산출된 고체 모형 320은 스텐트가 삽입되는 하나 또는 그 이상의 내강의 확장을 표시하기 위해 개정될 수 있다.
가령, 도면 1과 23에서 도시된 cFFR 모형 54는 LAD 동맥에서 가장 낮은 cFFR 값이 0.66이고, LCX 동맥에서 가장 낮은 cFFR 값이 0.72이고, 그리고 RCA 동맥에서 가장 낮은 cFFR 값이 0.80이라는 것을 지시한다. 치료는 cFFR 값이 예로서, 0.75보다 적으면 제안될 수 있다. 따라서, 컴퓨터 시스템은 이들 관상 동맥에서 삽입 스텐트를 모의하도록 LAD 동맥과 LCX 동맥의 확장을 표시하기 위해, 고체 모형 320을 개정할 것을 사용자에게 제안할 수 있다. 사용자는 모의된 스텐트의 위치와 크기에 상응하는 확장의 위치와 양 (가령, 길이와 직경)을 선택하도록 촉구될 수 있다. 대안으로, 확장의 위치와 양은 다양한 인자, 예를 들면, 0.75보다 적은 cFFR 값을 갖는 노드(들)의 위치, 혈관의 유의미한 좁아짐의 위치, 전통적인 스텐트의 크기 등에 근거하여 컴퓨터 시스템에 의해 자동적으로 결정될 수 있다.
도면 25는 위치 512에서 LAD 동맥의 부분 및 위치 514에서 LCX 동맥의 부분을 확장함으로써 창출된 고체 모형에 근거하여 결정된 변형된 cFFR 모형 510의 실례를 보여준다. 한 예시적인 구체예에서, 앞서 설명된 단계 중에서 한 가지, 예를 들면, 단계 310-314 및 402-408은 변형된 고체 모형을 이용하여 반복될 수 있다. 단계 406에서, 확정된 보고서는 치료되지 않은 환자 (가령, 스텐트가 없는)에 관한 정보, 예를 들면, 도면 23에서 도시된 정보, 그리고 환자에 대한 모의된 치료에 관한 정보, 예를 들면, 도면 25와 26에서 도시된 정보를 포함할 수 있다.
도면 25는 변형된 cFFR 모형 510을 포함하고, 그리고 또한, 요약 정보, 예를 들면, 제안된 치료와 연관된 변형된 고체 모형에 대한 주요 관상 동맥 및 그것들로부터 연장하는 분지에서 가장 낮은 cFFR 값을 포함한다. 가령, 도면 25는 LAD 동맥 (및 이의 하류 분지)에서 가장 낮은 cFFR 값이 0.78이고, LCX 동맥 (및 이의 하류 분지)에서 가장 낮은 cFFR 값이 0.78이고, 그리고 RCA 동맥 (및 이의 하류 분지)에서 가장 낮은 cFFR 값이 0.79라는 것을 지시한다. 따라서, 치료되지 않은 환자 (스텐트가 없는)의 cFFR 모형 54 및 제안된 치료 (스텐트가 삽입된)에 대한 cFFR 모형 510의 비교는 제안된 치료가 LAD 동맥에서 최소 cFFR을 0.66으로부터 0.78로 증가시킬 수 있고, LCX 동맥에서 최소 cFFR을 0.72로부터 0.76으로 증가시킬 것이고, 하지만 RCA 동맥에서 최소 cFFR이 0.80으로부터 0.79로 최소 감소할 것이라는 것을 지시한다.
도면 26은 앞서 설명된 바와 같이, 위치 512에서 LAD 동맥 및 위치 514에서 LCX 동맥의 부분을 확장한 후에 결정된 변형된 모의된 혈류 모형 520의 실례를 보여준다. 도면 26은 또한, 요약 정보, 예를 들면, 제안된 치료와 연관된 변형된 고체 모형에 대한 주요 관상 동맥 및 그것들로부터 연장하는 분지 내에 다양한 위치에서 혈류 값을 포함한다. 가령, 도면 26은 치료되지 않은 환자 (스텐트가 없는) 및 치료된 환자 (스텐트가 삽입된)에 대한 LAD 동맥에서 4개 위치 LAD1, LAD2, LAD3과 LAD4, 그리고 LCX 동맥에서 2개 위치 LCX1과 LCX2에 대한 혈류 값을 지시한다. 도면 26은 또한, 치료되지 않은 상태와 치료된 상태 사이에 혈류 값에서 백분율 변화를 지시한다. 따라서, 치료되지 않은 환자의 모의된 혈류 모형 52 및 제안된 치료에 대한 모의된 혈류 모형 520의 비교는 제안된 치료가 위치 LAD1-LAD4, LCX1, 그리고 LCX2 모두에서 LAD 동맥과 LCX 동맥을 통한 흐름을 위치에 따라 9% 내지 19% 증가시킬 수 있다는 것을 지시한다.
다른 정보, 예를 들면, 관상 동맥 혈압 역시 치료되지 않은 상태 및 치료된 상태 사이에 비교될 수 있다. 이러한 정보에 근거하여, 의사는 제안된 치료 옵션을 진행할 지를 환자와 논의할 수 있다.
다른 치료 옵션은 또한, 고체 모형 320을 상이한 방식으로 변형하는 것을 수반할 수 있다. 가령, 관상 동맥 우회로 조성술은 고체 모형 320에서 새로운 내강 또는 통로를 창출하는 것을 수반할 수 있고, 그리고 병변을 제거하는 것은 또한, 내강 또는 통로를 확장하는 것을 수반할 수 있다. 다른 치료 옵션은 고체 모형 320을 변형하는 것을 수반할 수 없을 수도 있다. 가령, 운동 또는 용력에서 증가, 식이에서 변화 또는 다른 생활양식 변화, 약제의 처방 등은 예로서, 혈관수축, 팽창, 줄어든 심박수 등으로 인해, 단계 310에서 결정된 경계 조건을 변화시키는 것을 수반할 수 있다. 가령, 환자의 심박수, 심장 박출량, 일회 박출량, 혈압, 관상 미세순환 기능, 집중 파라미터 모형의 설정 등은 처방된 약제, 채택된 운동 (또는 다른 용력)의 유형과 빈도, 채택된 생활양식 변화의 유형 (가령, 흡연의 중단, 식이에서 변화 등)에 의존하고, 따라서 단계 310에서 결정된 경계 조건에 상이한 방식으로 영향을 줄 수 있다.
한 예시적인 구체예에서, 변형된 경계 조건은 많은 환자로부터 데이터를 이용하여 실험적으로 결정될 수 있고, 그리고 유사한 치료 옵션은 경계 조건을 유사한 방식으로 변형하는 것을 필요로 할 수 있다. 경험적 모형이 환자-특이적 데이터의 대규모 집단으로부터 개발되어, 장래 분석에서 유사한 환자에 적용될 수 있는 특정한 치료 옵션에 상응하는 경계 조건의 라이브러리 또는 경계 조건을 계산하기 위한 함수를 창출할 수 있다.
경계 조건을 변형한 후에, 앞서 설명된 단계, 예를 들면, 단계 312, 314, 그리고 402-408은 변형된 경계 조건을 이용하여 반복될 수 있고, 그리고 단계 406에서, 확정된 보고서는 치료되지 않은 환자에 관한 정보, 예를 들면, 도면 23에서 도시된 정보, 그리고 환자에 대한 모의된 치료에 관한 정보, 예를 들면, 도면 25와 26에서 도시된 정보를 포함할 수 있다.
대안으로, 의사, 환자, 또는 다른 사용자는 3차원 모형 (가령, 도면 8의 고체 모형 320)과의 상호작용을 허용하는 사용자 인터페이스가 제공될 수 있다. 모형 320은 하나 또는 그 이상의 치료 옵션을 반영하여 사용자에 의해 편집될 수 있는 사용자-선별가능 분절로 나눠질 수 있다. 가령, 사용자는 협착증 (또는 폐색, 예를 들면, 급성 폐색)을 갖는 분절을 선별하고 분절을 조정하여 협착증을 제거할 수 있고, 사용자는 우회로 등으로서 조력하도록 분절을 모형 320에 추가할 수 있다. 사용자는 또한, 상기 결정된 경계 조건을 변경할 수 있는 다른 치료 옵션 및/또는 생리학적 파라미터, 예를 들면, 심장 박출량, 심박수, 일회 박출량, 혈압, 운동 또는 용력 수준, 충혈 수준, 약제 등에서 변화를 명기하도록 촉구될 수 있다. 대안적 구체예에서, 컴퓨터 시스템은 치료 옵션을 결정하거나 또는 제안할 수 있다.
사용자 인터페이스는 사용자가 협착증 (또는 폐색, 예를 들면, 급성 폐색)을 모의할 수 있도록 하는, 3차원 모형 320과의 상호작용을 허용할 수 있다. 가령, 사용자는 협착증을 포함하기 위한 분절을 선별할 수 있고, 그리고 컴퓨터 시스템이 전산 분석으로부터 결정된 정보가 협착증의 추가에 근거하여 어떻게 변할 지를 예측하는데 이용될 수 있다. 따라서, 본원에서 설명된 방법은 동맥을 폐색하는 효과를 예측하는데 이용될 수 있다.
사용자 인터페이스는 또한, 예로서 일정한 외과 시술에서, 예를 들면, 암성 종양을 제거할 때 일어날 수 있는 손상된 동맥 또는 동맥의 제거를 모의하도록, 3차원 모형 320과의 상호작용을 허용한다. 모형은 또한, 환자에 대해 적합한 혈류를 공급하기 위한 부수적인 경로에 대한 잠재력을 예측하기 위해, 일정한 동맥을 통한 혈류를 예방하는 효과를 모의하도록 변형될 수 있다.
A. 상이한 치료 옵션을 비교하기 위해 감소 차수 모형의 이용
한 예시적인 구체예에서, 컴퓨터 시스템은 3차원 고체 모형 320 또는 그물망 380을 감소 차수 모형으로 대체함으로써, 사용자가 다양한 치료 옵션을 더욱 빠르게 모의하도록 허용할 수 있다. 도면 27은 예시적인 구체예에 따라, 감소 차수 모형을 이용하여 다양한 치료 옵션을 모의하기 위한 방법 700에 관련된 계통도를 보여준다. 방법 700은 앞서 설명된 컴퓨터 시스템에서 실행될 수 있다.
혈류 또는 다른 파라미터를 나타내는 하나 또는 그 이상의 환자-특이적 모의된 혈류 모형은 앞서 설명된 전산 분석으로부터 출력될 수 있다 (단계 701). 가령, 모의된 혈류 모형은 앞서 설명되고 도면 2와 3에서 도시된 방법을 이용하여 제공된 도면 1의 모의된 혈압 모형 50, 도면 1의 모의된 혈류 모형 52, 도면 1의 cFFR 모형 54 등을 포함할 수 있다. 앞서 설명된 바와 같이, 모의된 혈류 모형은 환자의 해부학의 3차원 기하학적 모형을 포함할 수 있다.
기능적 정보는 감소 차수 모형에 대한 조건을 명기하기 위해, 모의된 혈류 모형으로부터 도출될 수 있다 (단계 702). 가령, 기능적 정보는 앞서 설명된 전산 분석을 이용하여 결정된 혈압, 흐름, 또는 속도 정보를 포함할 수 있다.
감소 차수 (가령, 0차원 또는 1차원) 모형은 단계 701에서 산출된 환자 특이적 모의된 혈류 모형을 산출하는데 이용된 3차원 고체 모형 320을 대체하기 위해 제공될 수 있고, 그리고 감소 차수 모형은 환자에서 관상 혈류에 관한 정보를 결정하는데 이용될 수 있다 (단계 703). 가령, 감소 차수 모형은 도면 3의 단계 310과 관련하여 앞서 설명된 바와 같이 산출된 집중 파라미터 모형일 수 있다. 따라서, 집중 파라미터 모형은 도면 17-19의 그물망 380과 연관된 방정식의 더욱 복잡한 시스템을 해결할 필요 없이, 환자에서 관상 혈류에 관한 정보를 결정하는데 이용될 수 있는 환자의 해부학의 단순화된 모형이다.
단계 703에서 감소 차수 모형을 해결하는 것으로부터 결정된 정보는 이후, 환자의 해부학의 3차원 고체 모형 (가령, 고체 모형 320)에 지도화되거나 또는 외삽될 수 있고 (단계 704), 그리고 사용자는 다양한 치료 옵션을 모의하기 위해 필요에 따라 감소 차수 모형에 대한 변화 및/또는 사용자에 의해 선별될 수 있는, 환자에 대한 생리학적 파라미터에 대한 변화를 만들 수 있다 (단계 705). 선별가능 생리학적 파라미터는 심장 박출량, 운동 또는 용력 수준, 충혈의 수준, 약제의 유형 등을 포함할 수 있다. 선별가능 치료 옵션은 협착증을 제거하고, 우회로를 추가하고, 기타 등등을 포함할 수 있다.
이후, 감소 차수 모형은 사용자에 의해 선별된 치료 옵션 및/또는 생리학적 파라미터에 근거하여 변형될 수 있고, 그리고 변형된 감소 차수 모형은 선별된 치료 옵션 및/또는 생리학적 파라미터와 연관된 환자에서 관상 혈류에 관한 정보를 결정하는데 이용될 수 있다 (단계 703). 단계 703에서 감소 차수 모형을 해결하는 것으로부터 결정된 정보는 이후, 환자의 해부학에서 관상 혈류에 대한 선별된 치료 옵션 및/또는 생리학적 파라미터의 효과를 예측하기 위해, 환자의 해부학의 3차원 고체 모형 320에 지도화되거나 또는 외삽될 수 있다 (단계 704).
단계 703-705는 다양한 치료 옵션의 예측된 효과를 서로에 대해, 그리고 치료되지 않은 환자에서 관상 혈류에 관한 정보에 대해 비교하기 위해, 다양한 상이한 치료 옵션 및/또는 생리학적 파라미터에 대해 반복될 수 있다. 결과적으로, 다양한 치료 옵션 및/또는 생리학적 파라미터에 대한 예측된 결과는 3차원 그물망 380을 이용한 더욱 복잡한 분석을 재실행할 필요 없이, 서로에 대하여, 그리고 치료되지 않은 환자에 관한 정보에 대하여 평가될 수 있다. 그 대신에, 사용자가 상이한 치료 옵션 및/또는 생리학적 파라미터를 더욱 쉽고 빠르게 분석하고 비교하도록 허용할 수 있는 감소 차수 모형이 이용될 수도 있다.
도면 28은 예시적인 구체예에 따라, 감소 차수 모형을 이용하여 다양한 치료 옵션을 모의하기 위한 예시적인 방법의 추가 양상을 보여준다. 방법 700은 앞서 설명된 컴퓨터 시스템에서 실행될 수 있다.
도면 3의 단계 306과 관련하여 앞서 설명된 바와 같이, 환자-특이적 기하학적 모형은 환자에 대한 영상 데이터에 근거하여 산출될 수 있다 (단계 711). 가령, 영상 데이터는 도면 2의 단계 100에서 획득된 CCTA 데이터를 포함할 수 있고, 그리고 기하학적 모형은 도면 3의 단계 306에서 산출된 도면 8의 고체 모형 320, 및/또는 도면 3의 단계 312에서 산출된 도면 17-19의 그물망 380일 수 있다.
환자-특이적 3차원 기하학적 모형을 이용하여, 환자의 관상 혈류에 관한 정보를 결정하기 위한 전산 분석이 예로서, 도면 3의 단계 402와 관련하여 앞서 설명된 바와 같이 수행될 수 있다 (단계 712). 전산 분석은 혈류 또는 다른 파라미터를 나타내는 하나 또는 그 이상의 3차원 환자-특이적 모의된 혈류 모형, 예를 들면, 도면 1의 모의된 혈압 모형 50, 도면 1의 모의된 혈류 모형 52, 도면 1의 cFFR 모형 54 등을 출력할 수 있다.
모의된 혈류 모형은 모형의 해부학적 특질에 근거하여 분절화될 수 있다 (가령, 도면 14와 관련하여 앞서 설명된 바와 같이) (단계 713). 가령, 주요 관상 동맥으로부터 연장하는 분지가 별개의 분절에서 제공될 수 있고 (단계 714), 협착증 또는 병든 구역을 갖는 부분이 별개의 분절에서 제공될 수 있고 (단계 716), 그리고 이들 분지 및 협착증 또는 병든 구역을 갖는 부분 사이에 부분이 별개의 분절에서 제공될 수 있다 (단계 715). 각 혈관이 예로서, 전체 혈관을 비롯하여 복수의 짧은, 구별된 분절 또는 더욱 긴 분절을 포함할 수 있도록, 다양한 정도의 분해능이 모의된 혈류 모형을 분절화하는데 제공될 수 있다. 또한, 중심선을 산출하고 산출된 중심선에 근거하여 섹션화하거나, 또는 분지 포인트를 검출하고 검출된 분지 포인트에 근거하여 섹션화하는 것을 비롯하여, 다양한 기술이 모의된 혈류 모형을 분절화하기 위해 제공될 수 있다. 병든 부분 및 협착증은 예로서, 중심선의 길이를 따라서 횡단면적을 계측하고 국부 최소 횡단면적을 계산함으로써 확인될 수 있다. 단계 711-716은 도면 27의 단계 701의 하위단계로서 고려될 수 있다.
이들 분절은 도면 15와 관련하여 앞서 설명된 바와 같이, 집중 파라미터 모형의 성분, 예를 들면, 저항기, 축전기, 유도기 등에 의해 대체될 수 있다. 저항, 정전용량, 인덕턴스, 그리고 집중 파라미터 모형에서 이용된 다른 전기 성분과 연관된 다른 변수에 대한 개별 값은 단계 712에서 제공된 모의된 혈류 모형으로부터 도출될 수 있다. 가령, 분지, 그리고 이들 분지 및 협착증 또는 병든 구역을 갖는 부분 사이에 부분의 경우에, 모의된 혈류 모형으로부터 도출된 정보가 선형 저항을 상응하는 분절에 배정하는데 이용될 수 있다 (단계 717). 복잡한 기하학, 예를 들면, 협착증 또는 병든 구역을 갖는 부분의 경우에, 저항이 유속에 따라 변할 수 있다. 따라서, 도면 15와 관련하여 앞서 설명된 바와 같이, 이들 복잡한 기하학에 대한 환자-특이적, 혈관-특이적, 그리고 병변-특이적 저항 함수를 도출하기 위해, 복수 전산 분석이 다양한 흐름과 압력 조건에 대한 모의된 혈류 모형을 획득하는데 이용될 수 있다. 따라서, 협착증 또는 병든 구역을 갖는 부분의 경우에, 이들 복수 전산 분석으로부터 도출된 정보 또는 이전 데이터로부터 도출된 모형이 비선형, 흐름-의존성 저항을 상응하는 분절에 배정하는데 이용될 수 있다 (단계 718). 단계 717과 718은 도면 27의 단계 702의 하위단계로서 고려될 수 있다.
단계 717과 718에서 결정된 저항을 이용하여, 감소 차수 (가령, 0차원 또는 1차원) 모형이 산출될 수 있다 (단계 719). 가령, 감소 차수 모형은 도면 3의 단계 310과 관련하여 앞서 설명된 바와 같이 산출된 집중 파라미터 모형일 수 있다. 따라서, 집중 파라미터 모형은 도면 17-19의 그물망 380과 연관된 방정식의 더욱 복잡한 시스템을 해결할 필요 없이, 환자에서 관상 혈류에 관한 정보를 결정하는데 이용될 수 있는 환자의 해부학의 단순화된 모형이다.
사용자가 단계 719에서 창출된 감소 차수 모형과 상호작용하도록 허용하는 사용자 인터페이스가 제공될 수 있다 (단계 720). 가령, 사용자는 상이한 치료 옵션을 모의하기 위해 감소 차수 모형의 상이한 분절을 선별하고 편집할 수 있고 및/또는 다양한 생리학적 파라미터를 편집할 수 있다. 가령, 개입, 예를 들면, 병든 영역의 수복을 위한 스텐트의 삽입은 스텐트가 삽입되는 분절의 저항을 줄임으로써 모형화될 수 있다. 우회로를 형성하는 것은 병든 분절과 평형하게 낮은 저항을 갖는 분절을 추가함으로써 모형화될 수 있다.
변형된 감소 차수 모형은 치료 중인 환자에서 관상 혈류 및/또는 단계 720에서 선별된 생리학적 파라미터에서 변화에 관한 정보를 결정하기 위해 해결될 수 있다 (단계 721). 단계 721에서 결정된 각 분절에서 흐름과 압력에 대한 해법 값은 이후, 단계 712에서 결정된 3차원 해법과 비교될 수 있고, 그리고 임의의 차이가 분절의 저항 함수 (가령, 단계 717과 718에서 결정될 바와 같이)를 조정하고, 그리고 이들 해법이 정합할 때까지 감소 차수 모형 (가령, 단계 721)을 분해함으로써 최소화될 수 있다. 결과적으로, 감소 차수 모형이 상대적으로 신속한 전산 (가령, 완전한 3차원 모형과 비교하여)을 허용하는 방정식의 단순화된 세트로 창출되고, 이후 해결될 수 있고, 그리고 완전한 3차원 전산 해법의 결과를 가깝게 근사할 수 있는 유속과 압력을 해결하는데 이용될 수 있다. 감소 차수 모형은 다양한 상이한 치료 옵션을 모형화하기 위한 상대적으로 신속한 반복을 허용한다.
단계 721에서 감소 차수 모형을 해결하는 것으로부터 결정된 정보는 이후, 환자의 해부학의 3차원 고체 모형 (가령, 고체 모형 320)에 지도화되거나 또는 외삽될 수 있다 (단계 722). 단계 719-722는 도면 27의 단계 703-705와 유사할 수 있고, 그리고 치료 옵션 및/또는 생리학적 파라미터의 상이한 조합을 모의하기 위해 사용자에 의해 필요에 따라 반복될 수 있다.
대안으로, 3차원 모형으로부터 분절을 따라서 저항을 계산하기 보다는 (가령, 단계 717과 718에 대해 앞서 설명된 바와 같이), 중심선을 따라서 간격을 두고 흐름과 압력은 집중 파라미터 또는 1차원 모형으로 규정될 수 있다. 효과적인 저항 또는 상실 계수는 경계 조건의 제약 및 규정된 흐름과 압력 하에 해결될 수 있다.
또한, 개별 분절을 교차하여 유속과 압력 기울기는 감소 차수 모형으로부터 도출된 해법을 이용하여 외심막 관상 저항을 전산하는데 이용될 수 있다 (가령, 단계 721에 대해 앞서 설명된 바와 같이). 외심막 관상 저항은 외심막 관상 동맥 (의학적 영상 데이터로부터 재구성된 환자-특이적 모형 내에 포함된 관상 동맥 및 그것들로부터 연장하는 분지의 부분)의 등가 저항으로서 계산될 수 있다. 이것은 관상 동맥에서 확산성 죽상경화증을 앓는 환자가 허혈 (혈액 공급에서 제한)의 증상을 전시할 수 있는 이유를 설명하는데 있어서 임상적 유의성을 가질 수 있다. 또한, 모의된 약리학적으로-유도된 충혈 또는 변하는 운동 강도의 상태 하에 심근 조직 용적 (또는 질량)의 단위당 흐름 및/또는 심작업의 단위당 흐름이 감소 차수 모형으로부터 데이터를 이용하여 계산될 수 있다.
결과적으로, 3차원 혈류 모형화의 정확도가 1차원과 집중 파라미터 모형화 기술에 내재하는 전산적 단순함 및 상대적 속도와 합동될 수 있다. 3차원 전산 방법이 압력 상실에 대한 수치적으로-도출된 경험적 모형을 정상적인 분절, 협착증, 접합부, 그리고 다른 해부학적 특질 위에 끼워 넣는 환자-특이적 1차원 또는 집중 파라미터 모형을 수치적으로 도출하는데 이용될 수 있다. 심혈관 질환을 앓는 환자에 대한 향상된 진단이 제공될 수 있고, 그리고 의학적, 중재적, 그리고 외과적 치료의 계획이 더욱 빨리 수행될 수 있다.
또한, 3차원 전산 유체 역학 기술의 정확도가 혈류의 집중 파라미터와 1차원 모형의 전산적 단순함 및 성과 능력과 합동될 수 있다. 3차원 기하학적 모형과 생리학적 모형은 감소 차수 1차원 또는 집중 파라미터 모형으로 자동적으로 분해될 수 있다. 3차원 모형은 정상적인 분절, 협착증 및/또는 분지를 통한 혈류의 선형 또는 비선형 혈역학적 효과를 전산하고, 그리고 경험적 모형의 파라미터를 세팅하는데 이용될 수 있다. 1차원 또는 집중 파라미터 모형은 환자-특이적 모형에서 혈류와 압력을 더욱 효율적이고 신속하게 해결하고, 그리고 집중 파라미터 또는 1차원 해법의 결과를 전시할 수 있다.
감소 차수 환자-특이적 해부학적 모형과 생리학적 모형이 심박수, 일회 박출량, 혈압, 또는 관상 동맥 혈류에서 관상 미세순환 기능을 변경하는 상이한 약제 또는 생활양식 변화 (가령, 흡연의 중지, 식이에서 변화, 또는 증가된 신체 활동)의 효과를 결정하는데 이용될 수 있다. 이런 정보는 의학적 요법을 최적화하거나 또는 약제의 잠재적으로 위험한 결과를 방지하는데 이용될 수 있다. 합동된 모형은 또한, 예로서 축구할 때, 우주 비행 동안, 스쿠버 다이빙할 때, 비행 동안, 기타 등등일 때, 대안적 형태 및/또는 변하는 수준의 신체 활동 또는 잠재적 외인성 힘에 노출의 위험의 관상 동맥 혈류에 대한 효과를 결정하는데 이용될 수 있다. 이런 정보는 특정한 환자에 대해 안전하고 유효할 수 있는 신체 활동의 유형과 수준을 확인하는데 이용될 수 있다. 감소 차수 모형은 또한, 최적 중재적 전략을 선별하기 위해 관상 동맥 혈류에서 경피 관상 개입의 잠재적 이익을 예측하고, 및/또는 최적 외과적 전략을 선별하기 위해 관상 동맥 혈류에서 관상 동맥 우회로 조성술의 잠재적 이익을 예측하는데 이용될 수 있다.
감소 차수 모형은 또한, 관상 동맥 혈류에 대한 동맥 질환의 부담에서 증가의 잠재적인 유해한 효과를 예증하고, 그리고 기계적인 또는 현상학적 질환 진행 모형 또는 경험적 데이터를 이용하여, 진행성 질환이 심장 근육으로의 혈류의 약화를 유발할 수 있는 시기를 예측하는데 이용될 수 있다. 이런 정보는 비침습성 영상을 이용하여 혈역학적으로 유의미한 질환이 초기에 없는 것으로 관찰된 환자가 의학적, 중재적, 또는 외과적 요법을 필요로 하지 않을 것으로 예상될 수 있는 "보증 기간", 또는 대안으로, 불리한 인자가 지속되면 진행이 발생할지도 모르는 비율의 결정을 가능하게 할 수도 있다.
감소 차수 모형은 또한, 관상 동맥 질환의 부담에서 감소로부터 발생하는 관상 동맥 혈류에 대한 잠재적인 유익한 효과를 예증하고, 그리고 기계적인 또는 현상학적 질환 진행 모형 또는 경험적 데이터를 이용하여, 질환의 퇴행이 관상 동맥을 통한 심장 근육으로의 증가된 혈류를 유발할 수 있는 시기를 예측하는데 이용될 수 있다. 이런 정보는 식이에서 변화, 증가된 신체 활동, 스타틴 또는 다른 약제의 처방 등이 포함되지만 이들에 한정되지 않는 의학적 관리 프로그램을 보도하는데 이용될 수 있다.
감소 차수 모형은 또한, 의사가 환자를 심장 카테터삽입 랩에서 검사하는 동안, 치료 옵션의 선명한 전산을 허용하기 위해 혈관조영술 시스템 내로 통합될 수 있다. 이러한 모형은 혈관조영술 디스플레이와 동일한 방향으로 등록될 수 있어, 모의된 혈류 해법으로 관상 동맥의 선명한 혈관조영도의 병행 또는 중복 결과를 허용한다. 의사는 시술 동안 관찰이 이루어짐에 따라서 치료를 계획하고 치료 계획을 변경할 수 있어, 의학적 결정이 이루어지기 전에 상대적으로 신속한 피드백이 가능하다. 의사는 압력, FFR, 또는 혈류를 침습성으로 계측할 수 있고, 그리고 이들 계측은 예측 시뮬레이션이 수행되기 전에 모형을 더욱 정밀화하는데 활용될 수 있다.
감소 차수 모형은 또한, 의학적 영상 시스템 또는 워크스테이션 내로 통합될 수 있다. 감소 차수 모형이 이전 환자-특이적 시뮬레이션 결과의 라이브러리로부터 도출되면, 감소 차수 모형은 영상 스캔을 완결한 후에 혈류 정보를 상대적으로 신속하게 해결하기 위해, 기하학적 분절화 알고리즘과 함께 이용될 수 있다.
감소 차수 모형은 또한, 환자의 대규모 개체군에 대한 치료 옵션의 새로운 의학적 요법 또는 비용/이익의 유용성을 모형화하는데 이용될 수 있다. 복수 환자-특이적 집중 파라미터 모형 (가령, 수백 개, 수천 개, 또는 그 이상)의 데이터베이스는 상대적으로 짧은 양의 시간 내에 해결하기 위한 모형을 제공할 수 있다. 상대적으로 빠른 반복과 최적화가 약물, 요법, 또는 임상 시험 시뮬레이션 또는 설계에 제공될 수 있다. 치료, 약물에 대한 환자 반응, 또는 외과적 개입을 나타내는 모형을 조정하는 것은 아마도 값비싸고 잠재적으로 위험한 대규모 임상 시험을 수행할 필요 없이, 유용성의 추정값이 획득되도록 허용할 수 있다.
VII. 기타 결과
A. 심근 관류의 사정
다른 결과가 계산될 수 있다. 가령, 전산 분석은 심근 관류 (심근을 통한 혈류)를 정량하는 결과를 제공할 수 있다. 심근 관류를 정량하는 것은 예로서, 허혈 (혈액 공급에서 제한), 흉터형성, 또는 다른 심장 문제로 인한 감소된 심근 혈류의 구역을 확인하는데 보조할 수 있다.
도면 29는 예시적인 구체예에 따라, 특정한 환자에서 심근 관류에 관련된 다양한 정보를 제공하기 위한 방법 800에 관련된 계통도를 보여준다. 방법 800은 앞서 설명된 컴퓨터 시스템, 예를 들면, 앞서 설명되고 도면 3에서 도시된 단계 중에서 하나 또는 그 이상을 실행하는데 이용된 컴퓨터 시스템에서 실행될 수 있다.
방법 800은 하나 또는 그 이상의 입력 802를 이용하여 수행될 수 있다. 입력 802는 환자의 대동맥, 관상 동맥 (및 그것들로부터 연장하는 분지), 그리고 심장의 의학적 영상 데이터 803, 예를 들면, CCTA 데이터 (가령, 도면 2의 단계 100에서 획득된)를 포함할 수 있다. 입력 802는 또한, 환자로부터 계측된 추가 생리학적 데이터 804, 예를 들면, 환자의 상완 혈압, 심박수, 및/또는 다른 치수 (가령, 도면 2의 단계 100에서 획득된)를 포함할 수 있다. 추가 생리학적 데이터 804는 비침습성으로 획득될 수 있다. 입력 802는 아래에 설명된 단계를 수행하는데 이용될 수 있다.
환자의 심근 조직의 3차원 기하학적 모형은 영상 데이터 803에 근거하여 창출될 수 있고 (단계 810), 그리고 상기 기하학적 모형은 분절 또는 용적으로 나눠질 수 있다 (단계 812). 가령, 도면 31은 분절 842으로 나눠진 환자의 심근 조직의 3차원 기하학적 모형 838을 포함하는 3차원 기하학적 모형 846을 보여준다. 개별 분절 842의 크기와 위치는 관상 동맥 (및 그것으로부터 연장하는 분지)의 유출 경계 324 (도면 8)의 위치, 개별 분절 842에서 또는 여기에 연결된 혈관 (가령, 인접한 혈관)의 크기 등에 근거하여 결정될 수 있다. 기하학적 심근 모형 838의 분절 842로의 분할은 다양한 공지된 방법, 예를 들면, 빠른 진전 방법, 일반화된 빠른 진전 방법, 레벨 세트 방법, 확산 방정식, 다공성 매체를 통한 흐름을 지배하는 방정식 등을 이용하여 수행될 수 있다.
3차원 기하학적 모형은 또한, 환자의 대동맥과 관상 동맥 (및 그것들로부터 연장하는 분지)의 부분을 포함할 수 있는데, 이것은 영상 데이터 803에 근거하여 모형화될 수 있다 (단계 814). 가령, 도면 31의 3차원 기하학적 모형 846은 환자의 대동맥과 관상 동맥 (및 그것들로부터 연장하는 분지)의 3차원 기하학적 모형 837 및 단계 810에서 창출된 환자의 심근 조직의 3차원 기하학적 모형 838을 포함한다.
도면 29를 다시 언급하면, 전산 분석은 사용자에 의해 결정된 신체 상태 하에 환자의 관상 혈류에 관한 정보를 포함하는 해법을 결정하기 위해, 예로서 도면 3의 단계 402와 관련하여 앞서 설명된 바와 같이 수행될 수 있다 (단계 816). 가령, 신체 상태는 안정, 선별된 수준의 충혈, 선별된 수준의 운동 또는 용력, 또는 다른 상태를 포함할 수 있다. 해법은 단계 814에서 모형화된 환자의 해부학에서 다양한 위치에서, 그리고 특정된 신체 상태 하에 정보, 예를 들면, 혈류와 압력을 제공할 수 있다. 전산 분석은 집중 파라미터 또는 1차원 모형으로부터 도출된 유출 경계 324에서 경계 조건을 이용하여 수행될 수 있다 (도면 8). 도면 30과 관련하여 아래에 설명된 바와 같이 분절 842를 채우기 위해 1차원 모형이 산출될 수 있다.
단계 816에서 결정된 혈류 정보에 근거하여, 단계 812에서 창출된 심근의 개별 분절 842 내로 혈류의 관류가 계산될 수 있다 (단계 818). 가령, 관류는 유출 경계 324의 각 출구로부터 흐름 (도면 8)을 출구가 관류하는 분절화된 심근의 용적으로 나눔으로써 계산될 수 있다.
단계 818에서 결정된 심근의 개별 분절에 대한 관류는 단계 810 또는 812에서 산출된 심근의 기하학적 모형 (가령, 도면 31에서 도시된 환자의 심근 조직의 3차원 기하학적 모형 838)에서 전시될 수 있다 (단계 820). 가령, 도면 31은 기하학적 모형 838의 심근의 분절 842가 혈류의 개별 분절 842 내로의 관류를 지시하는 상이한 색조 또는 칼라로 예증될 수 있다는 것을 보여준다.
도면 30은 예시적인 구체예에 따라, 특정한 환자에서 심근 관류에 관련된 다양한 정보를 제공하기 위한 방법 820에 관련된 다른 계통도를 보여준다. 방법 820은 앞서 설명된 컴퓨터 시스템, 예를 들면, 앞서 설명되고 도면 3에서 도시된 단계 중에서 하나 또는 그 이상을 실행하는데 이용된 컴퓨터 시스템에서 실행될 수 있다.
방법 820은 하나 또는 그 이상의 입력 832를 이용하여 수행될 수 있는데, 이들은 환자의 대동맥, 관상 동맥 (및 그것들로부터 연장하는 분지), 그리고 심장의 의학적 영상 데이터 833, 예를 들면, CCTA 데이터 (가령, 도면 2의 단계 100에서 획득된)를 포함할 수 있다. 입력 832는 아래에 설명된 단계를 수행하는데 이용될 수 있다.
환자의 심근 조직의 3차원 기하학적 모형은 영상 데이터 833에 근거하여 창출될 수 있다 (단계 835). 상기 모형은 또한, 환자의 대동맥과 관상 동맥 (및 그것들로부터 연장하는 분지)의 부분을 포함할 수 있는데, 이것 역시 영상 데이터 803에 근거하여 창출될 수 있다. 가령, 앞서 설명된 바와 같이, 도면 31은 환자의 대동맥과 관상 동맥 (및 그것들로부터 연장하는 분지)의 기하학적 모형 837 및 환자의 심근 조직의 기하학적 모형 838을 포함하는 3차원 기하학적 모형 836을 보여준다. 단계 835는 앞서 설명된 도면 29의 단계 810과 814를 포함할 수 있다.
도면 30을 다시 언급하면, 기하학적 심근 모형 838은 용적 또는 분절 842로 나눠질 수 있다 (단계 840). 단계 840은 앞서 설명된 도면 29의 단계 812를 포함할 수 있다. 앞서 설명된 바와 같이, 도면 31은 분절 842로 나눠진 환자의 심근 조직의 기하학적 모형 838을 포함하는 3차원 기하학적 모형 846을 보여준다.
도면 30을 다시 언급하면, 기하학적 모형 846은 관상 나무에서 분지 857의 다음 세대를 포함하도록 변형될 수 있다 (단계 855). 분지 857 (도면 31에서 파선에서 도시된)의 위치와 크기는 관상 동맥 (및 그것들로부터 연장하는 분지)에 대한 중심선에 근거하여 결정될 수 있다. 중심선은 예로서, 영상 데이터 833에 근거하여 결정될 수 있다 (단계 845). 알고리즘은 또한, 계량형태학적 모형 (유출 경계 324 (도면 8)에서 공지된 출구의 하류에 혈관 위치와 크기를 예측하는데 이용된 모형) 및/또는 혈관 크기에 관련된 생리학적 분지 법칙에 근거하여 분지 857의 위치와 크기를 결정하는데 이용될 수 있다 (단계 850). 계량형태학적 모형은 기하학적 모형 837 내에 포함되고, 그리고 외심막 표면 (심장 조직의 외부 층) 상에 제공되거나 또는 심근 벽의 기하학적 모형 838 내에 내포된 관상 동맥 (및 그것들로부터 연장하는 분지)의 하류 단부까지 증강될 수 있다.
심근은 단계 855에서 창출된 분지 857에 근거하여 더욱 분절화될 수 있다 (단계 860). 가령, 도면 31은 분절 842가 하위용적 또는 하위분절 862로 나눠질 수 있다는 것을 보여준다.
추가 분지 857은 하위분절 862에서 창출될 수 있고, 그리고 하위분절 862는 더욱 작은 분절 867로 더욱 분절화될 수 있다 (단계 865). 분지를 창출하고 용적을 하위분절화하는 단계는 용적 크기 및/또는 분지 크기의 원하는 분해가 획득될 때까지 반복될 수 있다. 단계 855와 865에서 새로운 분지 857을 포함하도록 증강된 모형 846은 이후, 하위분절, 예를 들면, 단계 865에서 산출된 하위분절 867 내로 관상 혈류와 심근 관류를 전산하는데 이용될 수 있다.
따라서, 증강된 모형이 앞서 설명된 전산 분석을 수행하는데 이용될 수 있다. 전산 분석의 결과는 환자-특이적 관상 동맥 모형, 예를 들면, 도면 31의 모형 837로부터, 산출된 계량형태학적 모형 (단계 855와 865에서 산출된 분지 857을 포함)으로의 혈류에 관련된 정보를 제공할 수 있는데, 이것은 단계 865에서 산출된 관류 하위분절 867 각각으로 확장할 수 있다. 전산 분석은 정적 심근 관류 용적 또는 연계된 심장 역학 모형으로부터 데이터를 통합하는 역동적 모형을 이용하여 수행될 수 있다.
도면 32는 예시적인 구체예에 따라, 특정한 환자에서 심근 관류에 관련된 다양한 정보를 제공하기 위한 방법 870에 관련된 다른 계통도를 보여준다. 방법 870은 앞서 설명된 컴퓨터 시스템, 예를 들면, 앞서 설명되고 도면 3에서 도시된 단계 중에서 하나 또는 그 이상을 실행하는데 이용된 컴퓨터 시스템에서 실행될 수 있다.
방법 870은 하나 또는 그 이상의 입력 872를 이용하여 수행될 수 있다. 입력 872는 환자의 대동맥, 관상 동맥 (및 그것들로부터 연장하는 분지), 그리고 심장의 의학적 영상 데이터 873, 예를 들면, CCTA 데이터 (가령, 도면 2의 단계 100에서 획득된)를 포함할 수 있다. 입력 872는 또한, 환자로부터 계측된 추가 생리학적 데이터 874, 예를 들면, 환자의 상완 혈압, 심박수, 및/또는 다른 치수 (가령, 도면 2의 단계 100에서 획득된)를 포함할 수 있다. 추가 생리학적 데이터 874는 비침습성으로 획득될 수 있다. 입력 872는 환자로부터 계측된 심장 관류 데이터 875 (가령, CT, PET, SPECT 등을 이용하여)를 더욱 포함할 수 있다. 입력 872는 아래에 설명된 단계를 수행하는데 이용될 수 있다.
환자의 대동맥과 관상 동맥 (및 그것들로부터 연장하는 분지)의 3차원 기하학적 모형은 영상 데이터 873에 근거하여 창출될 수 있다 (단계 880). 가령, 도면 31은 환자의 대동맥과 관상 동맥 (및 그것들로부터 연장하는 분지)의 3차원 기하학적 모형 837을 보여준다. 단계 880은 앞서 설명된 도면 29의 단계 814와 유사할 수 있다.
전산 분석은 사용자에 의해 결정된 신체 상태 하에 환자의 관상 혈류에 관한 정보를 포함하는 해법을 결정하기 위해, 예로서 도면 3의 단계 402와 관련하여 앞서 설명된 바와 같이 수행될 수 있다 (단계 882). 가령, 신체 상태는 안정, 선별된 수준의 충혈, 선별된 수준의 운동 또는 용력, 또는 다른 상태를 포함할 수 있다. 해법은 단계 880에서 모형화된 환자의 해부학에서 다양한 위치에서, 그리고 특정된 신체 상태 하에 정보, 예를 들면, 혈류와 압력을 제공할 수 있다. 단계 882는 앞서 설명된 도면 29의 단계 816과 유사할 수 있다.
또한, 환자의 심근 조직의 3차원 기하학적 모형은 영상 데이터 873에 근거하여 창출될 수 있다 (단계 884). 가령, 앞서 설명된 바와 같이, 도면 31은 환자의 심근 조직의 3차원 기하학적 모형 838 (가령, 단계 884에서 창출된 바와 같이) 및 환자의 대동맥과 관상 동맥 (및 그것들로부터 연장하는 분지)의 3차원 기하학적 모형 837 (가령, 단계 880에서 창출된 바와 같이)을 포함하는 3차원 기하학적 모형 836을 보여준다. 단계 884는 앞서 설명된 도면 29의 단계 810과 유사할 수 있다.
기하학적 모형은 분절 또는 하위용적으로 나눠질 수 있다 (단계 886). 가령, 도면 31은 분절 842로 나눠진 환자의 심근 조직의 모형 838을 포함하는 기하학적 모형 846을 보여준다. 단계 886은 앞서 설명된 도면 29의 단계 812와 유사할 수 있다.
단계 882에서 결정된 혈류 정보에 근거하여, 단계 886에서 창출된 심근의 개별 분절 842 내로 혈류의 관류가 계산될 수 있다 (단계 888). 단계 888은 앞서 설명된 도면 29의 단계 818과 유사할 수 있다.
심근의 개별 분절에 대한 계산된 관류는 단계 884 또는 886에서 산출된 심근의 기하학적 모형 (가령, 도면 31에서 도시된 환자의 심근 조직의 3차원 기하학적 모형 838) 상에서 전시될 수 있다 (단계 890). 가령, 도면 31은 기하학적 모형 838의 심근의 분절 842가 개별 분절 842 내로 혈류의 관류를 지시하는 상이한 색조 또는 칼라로 예증될 수 있다는 것을 보여준다. 단계 890은 앞서 설명된 도면 29의 단계 820과 유사할 수 있다.
단계 890에서 심근의 3차원 기하학적 모형 위에 지도화된 모의된 관류 데이터는 계측된 심장 관류 데이터 875와 비교될 수 있다 (단계 892). 비교는 예로서, 심근의 복셀-기초된 표현 또는 심근의 상이한 구별된 표현, 예를 들면, 유한 요소 그물망 상에서 수행될 수 있다. 비교는 심근의 3차원 표현 상에서 다양한 칼라 및/또는 색조를 이용하여, 모의된 관류 데이터와 계측된 관류 데이터에서 차이를 지시할 수 있다.
단계 880에서 창출된 3차원 기하학적 모형의 출구에서 경계 조건은 모의된 관류 데이터 및 계측된 관류 데이터 사이에 오차를 줄이기 위해 조정될 수 있다 (단계 894). 가령, 오차를 감소시키기 위해, 경계 조건은 모의된 관류가 계측된 관류보다 낮은 경우에, 영역 (가령, 분절 842, 862, 또는 867)에 영양을 공급하는 혈관의 흐름에 대한 규정된 저항이 감소될 수 있도록 조정될 수 있다. 경계 조건의 다른 파라미터가 조정될 수 있다. 대안으로, 상기 모형의 분지 구조가 변형될 수 있다. 가령, 단계 880에서 창출된 기하학적 모형은 계량형태학적 모형을 창출하기 위해, 도면 30과 31과 관련하여 앞서 설명된 바와 같이 증강될 수 있다. 경계 조건 및/또는 계량형태학적 모형의 파라미터는 파라미터 추정 또는 데이터 동화 방법, 예를 들면, 발명의 명칭이 "환자-특이적 심혈관 시뮬레이션을 조율하기 위한 방법"인 U.S. 특허 출원 공개 번호 2010/0017171에서 설명된 방법 또는 다른 방법을 이용하여 경험적으로 또는 조직적으로 조정될 수 있다.
도면 32의 단계 882, 888, 890, 892, 894, 및/또는 다른 단계는 예로서, 모의된 관류 데이터 및 계측된 관류 데이터 사이에 오차가 미리 결정된 역치 아래에 있을 때까지 반복될 수 있다. 결과적으로, 전산 분석은 해부학적 정보, 관상 혈류 정보, 그리고 심근 관류 정보를 관련시키는 모형을 이용하여 수행될 수 있다. 이런 모형은 진단적 목적을 위해, 그리고 의학적, 중재적, 또는 외과적 요법의 이익을 예측하기 위해 유용할 수 있다.
결과적으로, 안정 및/또는 스트레스 조건 하에 관상 동맥 혈류와 심근 관류는 3차원 의학적 영상 데이터로부터 구축된 환자-특이적 기하학적 모형에서 모의될 수 있다. 계측된 심근 관류 데이터는 모의된 심근 관류 결과가 소정의 저항 (가령, 도면 32와 관련하여 앞서 설명된 바와 같이) 내에서 계측된 심근 관류 데이터에 정합할 때까지 경계 조건을 조정하기 위해, 모의된 심근 관류 결과와 합동으로 이용될 수 있다. 더욱 정확한 환자-특이적 관상 동맥 혈류 전산이 제공될 수 있고, 그리고 계측된 데이터가 가용하지 않은 상황 하에, 예를 들면, 최대 운동 또는 용력, 모의된 치료, 또는 다른 상태 하에 환자를 모의할 때, 심장병전문의가 관상 동맥 혈류와 심근 관류를 예측하는 것이 가능해질 수도 있다.
좌심실 및/또는 우심실 심근의 환자-특이적 3차원 모형은 관류 분절 또는 하위용적으로 나눠질 수 있다. 또한, 의학적 영상 데이터로부터 결정된 관상 동맥의 환자-특이적 3차원 기하학적 모형은 증강된 모형을 형성하기 위해, 외심막 표면 상에서 또는 관류 하위용적에 의해 대표된 좌심실 및/또는 우심실 심근 벽에서 내포된 나머지 관상 동맥 나무의 부분의 계량형태학적 모형과 합동될 수 있다. 증강된 모형에서 소정의, 예를 들면, 병든 위치의 하류에 전체 심근 용적의 백분율이 계산될 수 있다. 증강된 모형에서 소정의, 예를 들면, 병든 위치에서 전체 심근 혈류의 백분율 또한 계산될 수 있다. 증강된 모형은 관상 혈류와 심근 관류를 전산하는데 이용될 수 있다. 관상 혈류 모형은 또한, 모의된 관류가 규정된 저항 내에서 계측된 관류 데이터에 정합할 때까지 변형될 수 있다.
B. 플라크 취약성의 사정
전산 분석은 또한, 환자의 대동맥과 관상 동맥 (및 그것들로부터 연장하는 분지)에서 빌드업할 수 있는 플라크, 예를 들면, 관상 죽상경화판에 작용하는 환자-특이적 생체역학적 힘을 정량하는 결과를 제공할 수 있다. 생체역학적 힘은 박동성 압력, 흐름, 그리고 심장 운동에 의해 유발될 수 있다.
도면 33은 혈관 벽 902, 예를 들면, 주요 관상 동맥 중에서 한 가지 또는 그것들로부터 연장하는 분지 중에서 한 가지의 벽을 따라서 구축된 플라크 900의 실례를 보여준다. 플라크의 상류와 하류 단부 사이에 압력 및/또는 표면적에서 차이는 예로서, 혈관을 통한 혈류에 의해 유발된 최소한 혈류의 방향을 따라서 플라크 900에 작용하는 힘 904를 발생시킬 수 있다. 다른 힘 906이 최소한 혈관 벽 902를 향하는 방향 및 여기에 직각인 방향을 따라서 플라크 900의 표면에 작용할 수 있다. 힘 906은 혈관을 통한 혈류의 혈압에 의해 유발될 수 있다. 또 다른 힘 908이 최소한 혈류의 방향을 따라서 플라크 900의 표면에 작용할 수 있고, 그리고 안정, 운동 등 동안 혈역학적 힘에 기인할 수 있다.
결과는 또한, 플라크 파열 (가령, 혈관 벽 상에 축적된 플라크가 불안정해지고 갈라지거나 또는 깨져서 개방될 때)의 위험 및 이런 파열에 의해 영향을 받을 수 있는 심근 용적을 사정할 수 있다. 결과는 다양한 모의된 생리학적 상태, 예를 들면, 안정, 운동 등 하에 사정될 수 있다. 플라크 파열 위험은 모의된 플라크 응력 대 CCTA 또는 MRI로부터 도출된 물질 조성 데이터를 이용하여 추정된 플라크 강도 (가령, 도면 2의 단계 100에서 결정된)의 비율로서 규정될 수 있다.
가령, 도면 34는 전산 분석이 출력할 수 있는 결과의 실례를 보여준다. 결과는 도면 31의 3차원 기하학적 모형 846을 포함할 수 있는데, 이것은 환자의 대동맥과 관상 동맥 (및 그것들로부터 연장하는 분지)의 3차원 기하학적 모형 837 및 분절 842로 나눠진 환자의 심근 조직의 3차원 기하학적 모형 838을 포함할 수 있다. 결과는 또한, 플라크가 취약한 것으로 결정될 수 있는 관상 동맥 (또는 그것들로부터 연장하는 분지) 중에서 하나에서 위치 910을 지시할 수 있고, 그리고 위치 910은 아래에 더욱 상세하게 설명된 바와 같이 플라크 파열의 위험의 사정에 근거하여 및/또는 사용자로부터 입력에 근거하여 확인될 수 있다. 또한, 도면 34에 나타나 있는 바와 같이, 심근 분절 912 (복수의 분절 842의)는 위치 910에서 확인된 플라크의 파열로 인해 낮은 관류의 높은 확률을 갖는 것으로 확인될 수 있다.
도면 35와 36은 예시적인 구체예에 따라, 특정한 환자에서 플라크 취약성, 심근 용적 위험, 그리고 심근 관류 위험을 사정하는 것에 관련된 다양한 정보를 제공하기 위한 방법 920의 양상을 보여주는 계통도다. 방법 920은 앞서 설명된 컴퓨터 시스템, 예를 들면, 앞서 설명되고 도면 3에서 도시된 단계 중에서 하나 또는 그 이상을 실행하는데 이용된 컴퓨터 시스템에서 실행될 수 있다. 방법 920은 하나 또는 그 이상의 입력 922를 이용하여 수행될 수 있고, 그리고 입력 922에 근거하여 하나 또는 그 이상의 모형 930을 산출하고, 하나 또는 그 이상의 모형 930에 근거하여 하나 또는 그 이상의 생체역학 분석 940을 수행하고, 그리고 모형 930 및 생체역학 분석 940에 근거하여 다양한 결과를 제공하는 것을 포함할 수 있다.
입력 922는 환자의 대동맥, 관상 동맥 (및 그것들로부터 연장하는 분지), 그리고 심장의 의학적 영상 데이터 923, 예를 들면, CCTA 데이터 (가령, 도면 2의 단계 100에서 획득된)를 포함할 수 있다. 입력 922는 또한, 환자로부터 계측된 추가 생리학적 데이터 924, 예를 들면, 환자의 상완 혈압, 심박수, 및/또는 다른 치수 (가령, 도면 2의 단계 100에서 획득된)를 포함할 수 있다. 추가 생리학적 데이터 924는 비침습성으로 획득될 수 있다. 입력 922는 모형 930을 산출하고 및/또는 아래에 설명된 생체역학 분석 940을 수행하는데 이용될 수 있다.
전술한 바와 같이, 하나 또는 그 이상의 모형 930이 입력 922에 근거하여 산출될 수 있다. 가령, 방법 920은 환자의 해부학의 3차원 기하학적 모형 전역에서 다양한 위치에서 전산된 혈류와 압력 정보를 포함하는 혈역학적 모형 932를 산출하는 것을 포함할 수 있다. 환자의 해부학의 이러한 모형, 예를 들면, 도면 3의 단계 306에서 산출된 도면 8의 고체 모형 320, 및/또는 도면 3의 단계 312에서 산출된 도면 17-19의 그물망 380은 의학적 영상 데이터 923을 이용하여 창출될 수 있고, 그리고 한 예시적인 구체예에서, 혈역학적 모형 932는 모의된 혈압 모형 50 (도면 1), 모의된 혈류 모형 52 (도면 1), cFFR 모형 54 (도면 1), 또는 예로서, 도면 3의 단계 402와 관련하여 앞서 설명된 바와 같이 전산 분석을 수행한 후에 산출된 다른 시뮬레이션일 수 있다. 유체 구조 상호작용 모형을 비롯한 고체 역학 모형은 공지된 수치 방법을 이용한 전산 분석으로 해결될 수 있다. 플라크와 혈관에 대한 성질은 선형 또는 비선형, 등방성 또는 비등방성으로서 모형화될 수 있다. 해법은 플라크의 응력과 압박, 그리고 플라크와 혈관 사이에 경계면을 제공할 수 있다. 도면 36에서 도시된 예시적인 구체예에서, 혈역학적 모형 932는 cFFR 모형 54이다.
방법 920은 다양한 생리학적 상태, 예를 들면, 안정, 변하는 수준의 운동 또는 용력 등에서 혈역학적 힘으로 인해 플라크 내강 표면에 작용하는 압력 906 (도면 33) 및 전단 응력 908 (도면 33)을 전산함으로써, 혈역학적 모형 932를 이용하여 생체역학 분석 940을 수행하는 것을 포함할 수 있다 (단계 942). 압력 906 및 전단 응력 908은 혈역학적 모형 932로부터 정보, 예를 들면, 혈압과 흐름에 근거하여 계산될 수 있다.
임의선택적으로, 방법 920은 또한, 4차원 영상 데이터, 예를 들면, 복수 시기의 심장 주기, 예를 들면, 수축기와 확장기에서 획득된 영상 데이터로부터 혈관 기형을 정량하기 위한 기하학적 분석 모형 934를 산출하는 것을 포함할 수 있다. 영상 데이터는 다양한 공지된 영상 방법을 이용하여 획득될 수 있다. 기하학적 분석 모형 934는 예로서, 심장 주기의 상이한 시기에서 심장 운동으로 인한, 혈관 위치, 기형, 방향, 그리고 크기에 관한 정보를 포함할 수 있다. 가령, 환자의 대동맥, 관상 동맥 (및 그것들로부터 연장하는 분지), 그리고 플라크의 다양한 유형의 기형, 예를 들면, 종적 늘임 (신장) 또는 단축, 비틀림 (염전), 방사상 확대 또는 압축, 그리고 구부림이 기하학적 분석 모형 934에 의해 모의될 수 있다.
방법 920은 심장-유도된 박동성 압력으로 인한 환자의 대동맥, 관상 동맥 (및 그것들로부터 연장하는 분지), 그리고 플라크의 다양한 기형 특징, 예를 들면, 종적 늘임 (신장) 또는 단축, 비틀림 (염전), 방사상 확대 또는 압축, 그리고 구부림 등을 전산함으로써, 기하학적 분석 모형 934를 이용하여 생체역학 분석 940을 수행하는 것을 포함할 수 있다 (단계 944). 이들 기형 특징은 기하학적 분석 모형 934로부터 정보, 예를 들면, 심장 주기의 복수 시기에 걸쳐 혈관 위치, 방향, 그리고 크기에서 변화에 근거하여 계산될 수 있다.
기형 특징의 계산은 모형화된 기하학 (가령, 환자의 대동맥, 관상 동맥 (및 그것들로부터 연장하는 분지), 플라크 등의 기하학)의 중심선 또는 표면 그물망을 결정함으로써 단순화될 수 있다. 상이한 시기 사이에 모형화된 기하학에서 변화를 결정하기 위해, 분지 구, 석회화된 병변, 그리고 연성 플라크가 랜드마크로서 이용될 수 있다. 랜드마크가 없는 영역에서, 모형화된 기하학의 길이를 따라서 횡단면적 프로필이 2개의 이미지 프레임 사이에 상응하는 위치를 확인하는데 (2개의 이미지 프레임을 "등록"하는데) 이용될 수 있다. 미가공 영상 데이터에 근거된 변형할 수 있는 등록 알고리즘이 3차원 기형 필드를 도출하는데 이용될 수 있다. 계산된 3차원 기형 필드는 이후, 기형 필드의 접선 성분과 정상적인 성분을 전산하기 위해, 모형화된 기하학에 맞추어 정렬된 곡선 축 (가령, 혈관 길이)에 투영될 수 있다. 모형화된 기하학 (가령, 혈관 길이), 분지 분리의 각도, 그리고 수축기와 확장기 사이에 굴곡에서 결과적인 차이는 혈관에 의해 경험되는 압박을 결정하는데 이용될 수 있다.
방법 920은 또한, 의학적 영상 데이터 923으로부터 플라크 조성과 성질을 결정하기 위한 플라크 모형 936을 산출하는 것을 포함할 수 있다. 가령, 플라크 모형 936은 플라크의 밀도와 기타 재료 물성에 관한 정보를 포함할 수 있다.
방법 920은 또한, 플라크, 혈관 벽, 및/또는 플라크와 혈관 벽 사이에 경계면에 관한 정보를 전산하기 위한 혈관 벽 모형 938을 산출하는 것을 포함할 수 있다. 가령, 혈관 벽 모형 938은 응력과 압박에 관한 정보를 포함할 수 있는데, 이들은 플라크 모형 936, 단계 942에서 계산된 압력 906과 전단 응력 908, 및/또는 단계 944에서 계산된 기형 특징 내에 포함된 플라크 조성과 성질에 근거하여 계산될 수 있다.
방법 920은 혈역학적 힘 및 심장 운동-유도된 압박으로 인한 플라크에 대한 응력 (가령, 급성 또는 누적 응력)을 전산함으로써, 혈관 벽 모형 938을 이용하여 생체역학 분석 940을 수행하는 것을 포함할 수 있다 (단계 946). 가령, 플라크에 작용하는 흐름-유도된 힘 904 (도면 33)가 전산될 수 있다. 혈역학적 힘 및 심장 운동-유도된 압박으로 인한 플라크에 대한 응력 또는 힘은 혈관 벽 모형 938로부터 정보, 예를 들면, 플라크에 대한 응력과 압박에 근거하여 계산될 수 있다.
방법 920은 앞서 설명된 하나 또는 그 이상의 모형 930 및 하나 또는 그 이상의 생체역학 분석 940에 근거하여 추가 정보를 결정하는 것을 포함할 수 있다.
플라크 파열 취약성 지수가 계산될 수 있다 (단계 950). 플라크 파열 취약성 지수는 예로서, 전체 혈역학적 응력, 응력 빈도, 응력 방향, 및/또는 플라크 강도 또는 다른 성질에 근거하여 계산될 수 있다. 가령, 관심되는 플라크를 둘러싸는 영역은 플라크의 3차원 모형 930, 예를 들면, 플라크 모형 936으로부터 단리될 수 있다. 플라크의 강도는 플라크 모형 936에서 제공된 재료 물성으로부터 결정될 수 있다. 박동성 압력, 흐름, 그리고 심장 운동으로 인한, 관심되는 플라크에 대한 혈역학적 응력과 조직 응력은 단계 946에서 이미 전산된 혈역학적 응력 및 운동-유도된 압박을 이용함으로써, 모의된 기준선과 운동 (또는 용력) 상태 하에 계산될 수 있다. 플라크의 취약성은 플라크 응력 대 플라크 강도의 비율에 근거하여 사정될 수 있다.
심근 용적 위험 지수 (MVRI) 역시 계산될 수 있다 (단계 952). MVRI는 동맥 나무에서 소정의 위치에서 혈관의 플라크 파열과 폐색 (폐쇄 또는 폐색)에 의해 영향을 받은 전체 심근 용적의 백분율로서 규정될 수 있다. MVRI는 소정의 플라크의 하류에 혈관에 의해 공급된 심근의 부분에 근거하여 계산될 수 있고, 이것은 하류 혈관의 크기에 대하여 플라크의 크기, 그리고 플라크가 3차원 혈역학적 해법에 근거하여 상이한 혈관으로 흘러갈 수 있는 확률을 고려할 수 있다.
심근은 모형화되고, 그리고 혈역학적 시뮬레이션에서 각 혈관에 의해 공급된 분절 842로 나눠질 수 있다 (가령, 도면 30의 단계 835와 840와 관련하여 설명된 바와 같이). 기하학적 모형은 관상 나무에서 분지 857의 다음 세대를 포함하도록 변형될 수 있고 (가령, 도면 30의 단계 855와 관련하여 설명된 바와 같이), 그리고 심근은 더욱 분절화될 수 있다 (가령, 도면 30의 단계 860과 관련하여 설명된 바와 같이). 추가 분지 857이 하위분절 862에서 창출될 수 있고, 그리고 하위분절 862은 더욱 작은 분절 867로 더욱 분절화될 수 있다 (가령, 도면 30의 단계 865와 관련하여 설명된 바와 같이). 생리학적 관계는 앞서 설명된 바와 같이, 혈관의 크기를 공급된 심근의 비례하는 양에 관련시키는데 이용될 수 있다.
파열된 플라크가 추종하는 잠재적 통로가 결정될 수 있다. 혈역학적 해법이 플라크 단편 또는 색전이 상이한 하류 혈관으로 흘러갈 수 있는 퍼센트 기회를 결정하는데 이용될 수 있다.
파열된 플라크의 크기는 플라크가 흐름에 대한 장애를 궁극적으로 어디에서 창출하는 지를 결정하기 위해, 하류 혈관의 크기와 비교될 수 있다. 이러한 정보는 파열된 플라크에 의해 잠재적으로 영향을 받을 수 있는 심근의 용적의 확률 지도를 제공하기 위해, 취약성 지수와 합동될 수 있다. MVRI가 각각의 잠재적으로 영향을 받은 분절에 배정될 수 있다. 도면 34는 원위 혈관에서 위치 910에서 취약한 플라크가 심근의 작은 구역에 영향을 주는 높은 확률을 갖는 분절 912의 실례를 보여준다.
심근 관류 위험 지수 (MPRI) 역시 계산될 수 있다 (단계 954). MPRI는 동맥 나무에서 소정의 위치에서 혈관의 플라크 파열과 폐색에 의해 영향을 받은 전체 심근 혈류의 백분율로서 규정될 수 있다. 가령, LAD 동맥의 원위 부분에서 플라크의 파열은 LAD 동맥의 근위 부분에서 플라크의 파열보다 더욱 낮은 MVRI 및 더욱 낮은 MPRI를 산출할 것이다. 이들 지수는 하지만, 영양공급 혈관에서 취약한 플라크에 의해 영향을 받은 심근 용적의 부분이 생존할 수 없으면 (가령, 심근 경색 이후에 형성될 수 있는 반흔 조직으로 인해), 상이할 수 있다. 따라서, MPRI는 MVRI에 의해 지시된 바와 같이 영향을 받은 용적보다는, 심근 분절로의 관류의 잠재적 상실을 지시한다. 도면 31의 각 분절 842, 862, 또는 867로의 관류 속도가 계산될 수 있고, 그리고 관류의 상실이 취약성 지수, 혈역학적 해법, 그리고 플라크와 혈관의 크기에 근거하여 계산될 수 있다.
결과적으로, 박동성 혈압, 박동성 혈류, 박동성 혈액 전단 응력, 및/또는 박동성 심장 운동으로 인한 플라크 응력이 계산될 수 있고, 그리고 플라크 강도가 의학적 영상 데이터에 근거하여 추정될 수 있고, 그리고 플라크 취약성, 심근 용적 위험, 그리고 심근 관류 위험에 관련된 지수가 정량될 수 있다.
VIII. 기타 적용
앞서 설명된 구체예는 환자에서 관상 혈류에 관한 정보를 사정하는 것과 연관된다. 대안으로, 이들 구체예는 또한, 신체의 다른 구역, 예를 들면, 하지만 제한 없이, 경동맥, 말초, 복부, 신장, 대퇴, 슬와, 그리고 대뇌 동맥에서 혈류에 적응될 수 있다.
A. 두개내와 두개외 혈류의 모형화
대뇌 동맥에 관련된 구체예가 이제부터 설명될 것이다. 다양한 질환이 두개외 또는 두개내 동맥에서 혈류와 압력에 영향을 줄 수 있거나 또는 이들에 의해 영향을 받을 수 있다. 두개외, 예를 들면, 경동맥과 척추골 동맥에서 죽상경화성 질환은 뇌로의 혈류를 제약할 수 있다. 죽상경화성 질환의 심각한 현시는 일과성 허혈 발작 또는 허혈성 뇌졸중을 야기할 수 있다. 두개내 또는 두개외 동맥에서 동맥류 질환은 허혈성 뇌졸중을 야기하는 색전형성 또는 출혈성 뇌졸중을 야기하는 동맥류 파열의 위험을 유발할 수 있다. 다른 질환, 예를 들면, 두부 외상, 고혈압, 두경부암, 동정맥 기형, 기립성 조절장애 등 역시 대뇌 혈류에 영향을 줄 수 있다. 게다가, 대뇌 혈류에서 감소가 실신과 같은 증상을 유도하거나 또는 만성 신경학적 장애, 예를 들면, 알츠하이머병 또는 파킨슨병 이후에 치매에 충격을 줄 수 있다.
공지된 또는 의심되는 두개외 또는 두개내 동맥 질환을 앓는 환자는 전형적으로, 다음의 비침습성 진단적 시험 중에서 한 가지 또는 그 이상을 제공받을 수 있다: US, MRI, CT, PET. 이들 시험은 하지만, 대부분의 환자에 대해 두개외와 두개내 동맥에 대한 해부학적 데이터와 생리학적 데이터를 효율적으로 제공할 수 없을 수도 있다.
도면 37은 두개내 (두개 내부)와 두개외 (두개 외부) 동맥을 비롯한 대뇌 동맥의 다이어그램이다. 환자-특이적 두개내와 두개외 혈류에 관한 정보를 결정하기 위한 방법은 앞서 설명된 바와 같이 환자-특이적 관상 혈류에 관한 정보를 결정하기 위한 방법과 전반적으로 유사할 수 있다.
도면 38은 특정한 환자에서 두개내와 두개외 혈류에 관련된 다양한 정보를 제공하기 위한 방법 1000의 양상을 보여주는 계통도이다. 방법 1000은 예로서, 앞서 설명되고 도면 3에서 도시된 단계 중에서 하나 또는 그 이상을 실행하는데 이용된 컴퓨터 시스템과 유사한 컴퓨터 시스템에서 실행될 수 있다. 방법 1000은 하나 또는 그 이상의 입력 1010을 이용하여 수행될 수 있고, 그리고 입력 1010에 근거하여 하나 또는 그 이상의 모형 1020을 산출하고, 입력 1010 및/또는 모형 1020에 근거하여 하나 또는 그 이상의 조건 1030을 배정하고, 그리고 모형 1020 및 조건 1030에 근거하여 하나 또는 그 이상의 해법 1040을 도출하는 것을 포함할 수 있다.
입력 1010은 환자의 두개내와 두개외 동맥, 예를 들면, 환자의 대동맥, 경동맥 (도면 37에서 도시된), 척추골 동맥 (도면 37에서 도시된), 그리고 뇌의 의학적 영상 데이터 1011, 예를 들면, CCTA 데이터 (가령, 도면 2의 단계 100과 관련하여 앞서 설명된 바와 유사한 방식으로 획득된)를 포함할 수 있다. 입력 1010은 또한, 환자의 상완 혈압의 치수 1012, 경동맥 혈압 (가령, 안압측정을 이용하여), 및/또는 다른 치수 (가령, 도면 2의 단계 100과 관련하여 앞서 설명된 바와 유사한 방식으로 획득된)를 포함할 수 있다. 치수 1012는 비침습성으로 획득될 수 있다. 입력 1010은 모형(들) 1020을 산출하고 및/또는 아래에 설명된 조건(들) 1030을 결정하는데 이용될 수 있다.
전술한 바와 같이, 하나 또는 그 이상의 모형 1020이 입력 1010에 근거하여 산출될 수 있다. 가령, 방법 1000은 영상 데이터 1011에 근거하여 환자의 두개내와 두개외 동맥의 하나 또는 그 이상의 환자-특이적 3차원 기하학적 모형을 산출하는 것을 포함할 수 있다 (단계 1021). 3차원 기하학적 모형 1021은 도면 8의 고체 모형 320 및 도면 17-19의 그물망 380을 산출하기 위한 앞서 설명된 바와 유사한 방법을 이용하여 산출될 수 있다. 가령, 도면 3의 단계 306과 312와 유사한 단계가 환자의 두개내와 두개외 동맥을 나타내는 3차원 고체 모형과 그물망을 산출하는데 이용될 수 있다.
도면 38을 다시 언급하면, 방법 1000은 또한, 하나 또는 그 이상의 물리학-기초된 혈류 모형을 산출하는 것을 포함할 수 있다 (단계 1022). 가령, 혈류 모형은 단계 1021에서 산출된 환자-특이적 기하학적 모형을 통한 혈류, 심장과 대동맥 순환, 원위 두개내와 두개외 순환 등을 나타내는 모형일 수 있다. 혈류 모형은 3차원 기하학적 모형 1021의 유입 경계 및/또는 유출 경계에서 도면 3의 단계 310과 관련하여 앞서 설명된 바와 같은 감소 차수 모형, 예를 들면, 집중 파라미터 모형 또는 분산된 (1차원 파장 전파) 모형 등을 포함할 수 있다. 대안으로, 유입 경계 및/또는 유출 경계는 속도, 유속, 압력, 또는 다른 특징 등에 대한 배정된 개별 규정된 값 또는 필드일 수 있다. 다른 대안으로서, 유입 경계가 예로서, 대동맥궁을 포함하는 심장 모형에 연계될 수 있다. 유입 및/또는 유출 경계에 대한 파라미터는 심장 박출량 및 혈압이 포함되지만 이들에 한정되지 않은 계측되거나 또는 선별된 생리학적 상태에 정합하도록 조정될 수 있다.
전술한 바와 같이, 하나 또는 그 이상의 조건 1030은 입력 1010 및/또는 모형 1020에 근거하여 결정될 수 있다. 조건 1030은 단계 1022 (및 도면 3의 단계 310)에서 결정된 경계 조건에 대해 계산된 파라미터를 포함한다. 가령, 방법 1000은 영상 데이터 1011에 근거하여 환자-특이적 뇌 또는 머리 용적을 계산함으로써, 조건을 결정하는 것을 포함할 수 있다 (가령, 도면 3의 단계 240과 관련하여 앞서 설명된 바와 유사한 방식으로 획득된) (단계 1031).
방법 1000은 단계 1031에서 계산된 뇌 또는 머리 용적을 이용하여, 관계 Q = QoMα에 근거하여 안정 대뇌 혈류 Q를 계산함으로써, 조건을 결정하는 것을 포함할 수 있고, 여기서 α는 미리 설정된 환산 지수이고, M은 뇌 또는 머리 용적으로부터 결정된 뇌 질량이고, 그리고 Qo는 미리 설정된 상수이다 (가령, 도면 3의 단계 310에서 집중 파라미터 모형을 결정하는 것과 관련하여 앞서 설명된 생리학적 관계와 유사한) (단계 1032). 대안으로, 상기 관계는 도면 3의 단계 310에서 집중 파라미터 모형을 결정하는 것과 관련하여 앞서 설명된 바와 같이, 형태 Q
Figure pct00004
QoMα를 가질 수도 있다.
방법 1000은 또한, 단계 1032에서 계산된 결과의 관상 혈류 및 환자의 계측된 혈압 1012를 이용하여 전체 안정 대뇌 저항을 계산함으로써, 조건을 결정하는 것을 포함할 수 있다 (가령, 도면 3의 단계 310에서 집중 파라미터 모형을 결정하는 것과 관련하여 앞서 설명된 방법과 유사한) (단계 1033). 가령, 단계 1032에서 결정된 기준선 (안정) 상태 하에 3차원 기하학적 모형 1021의 유출 경계에서 전체 대뇌 혈류 Q 및 계측된 혈압 1012는 미리 설정된, 실험적으로-도출된 방정식에 근거하여 유출 경계에서 전체 저항 R을 결정하는데 이용될 수 있다. 저항, 정전용량, 인덕턴스, 그리고 집중 파라미터 모형에서 이용된 다양한 전기 성분과 연관된 다른 변수가 경계 조건 내로 통합될 수 있다 (가령, 도면 3의 단계 310에서 집중 파라미터 모형을 결정하는 것과 관련하여 앞서 설명된 바와 같이).
방법 1000은 또한, 단계 1033 및 모형 1020에서 계산된 전체 안정 대뇌 저항을 이용하여 개별 두개내와 두개외 동맥에 대한 개별 저항을 계산함으로써, 조건을 결정하는 것을 포함할 수 있다 (단계 1034). 가령, 도면 3의 단계 310과 관련하여 앞서 설명된 방법과 유사하게, 단계 1033에서 계산된 전체 안정 대뇌 저항 R은 개별 두개내와 두개외 동맥의 원위 단부의 크기 (가령, 단계 1021에서 산출된 기하학적 모형으로부터 결정된)에 근거하여, 그리고 관계 R = Rodβ에 근거하여 개별 두개내와 두개외 동맥에 분산될 수 있고, 여기서 R은 특정 원위 단부에서 흐름에 대한 저항이고, 그리고 Ro는 미리 설정된 상수이고, d는 크기 (가령, 원위 단부의 직경)이고, 그리고 β는 도면 3의 단계 310에서 집중 파라미터 모형을 결정하는 것과 관련하여 앞서 설명된 바와 같이, 미리 설정된 멱법칙 지수이다.
도면 38을 다시 언급하면, 방법 1000은 환자의 한 가지 또는 그 이상의 신체 상태에 근거하여 경계 조건을 조정하는 것을 포함할 수 있다 (단계 1035). 가령, 단계 1031-1034에서 결정된 파라미터는 해법 1040이 안정, 변하는 수준의 응력, 변하는 수준의 압력수용기 반응 또는 다른 생리자율신경 피드백 조절, 변하는 수준의 충혈, 변하는 수준의 운동 또는 용력, 고혈압 또는 저혈압, 상이한 약제, 자세 변화 및/또는 다른 상태를 모의하는 것으로 의도되는 지에 근거하여 변형될 수 있다. 이들 파라미터 (가령, 유출 경계에서 경계 조건에 관련된 파라미터)는 또한, 예로서 미세혈관 기능장애 또는 내피 건강으로 인한, 두개내와 두개외 동맥의 혈관확장 능력 (혈관을 넓히는 능력)에 근거하여 조정될 수 있다.
입력 1010, 모형 1020, 그리고 조건 1030에 근거하여, 단계 1035에서 선별된 신체 상태 하에 환자의 관상 혈류에 관한 정보를 포함하는 해법 1040을 결정하기 위한 전산 분석이 예로서, 도면 3의 단계 402와 관련하여 앞서 설명된 바와 같이 수행될 수 있다 (단계 1041). 해법 1040으로부터 제공될 수 있는 정보의 실례는 도면 1과 21-24와 관련하여 앞서 제공된 실례, 예를 들면, 모의된 혈압 모형, 모의된 혈류 모형 등과 유사할 수 있다. 이들 결과는 또한, 예로서 유속, 전체 뇌 혈류, 혈관 벽 전단 응력, 혈관 벽 또는 죽상경화판 또는 동맥류에 작용하는 견인력 또는 전단력, 입자/혈액 체류 시간, 혈관 벽 움직임, 혈액 전단 비율 등을 결정하는데 이용될 수 있다. 이들 결과는 또한, 혈관계 내에 특정한 영역으로부터 이탈하는 색전이 혈액 순환으로 인해 어디로 이동할 가능성이 가장 높은 지를 분석하는데 이용될 수 있다.
컴퓨터 시스템은 사용자가 기하학에서 다양한 변화를 모의하도록 허용할 수 있다. 가령, 모형 1020, 예를 들면, 단계 1021에서 산출된 환자-특이적 기하학적 모형은 동맥을 폐색하는 효과 (가령, 급성 폐색)을 예측하기 위해 변형될 수 있다. 일부 외과 시술, 예를 들면, 암성 종양을 제거할 때, 하나 또는 그 이상의 두개외 동맥이 손상되거나 또는 제거될 수 있다. 따라서, 단계 1021에서 산출된 환자-특이적 기하학적 모형은 또한, 환자에 대해 적합한 혈류를 공급하기 위한 부수적인 경로에 대한 잠재력을 예측하기 위해, 하나 또는 그 이상의 두개외 동맥으로의 혈류를 예방하는 효과를 모의하도록 변형될 수 있다.
컴퓨터 시스템은 사용자가 예로서, 급성 폐색의 다양한 치료 옵션, 예를 들면, 중재적 또는 외과적 수복의 결과를 모의하도록 허용할 수 있다. 시뮬레이션은 앞서 설명된 바와 같이 두개내와 두개외 동맥을 나타내는 3차원 고체 모형 또는 그물망을 도면 27과 28과 관련하여 앞서 설명된 바와 같은 감소 차수 모형으로 대체함으로써, 더욱 빠르게 수행될 수 있다. 결과적으로, 감소 차수 모형, 예를 들면, 1차원 또는 집중 파라미터 모형은 환자-특이적 모형에서 혈류와 압력을 더욱 효율적이고 신속하게 해결하고, 그리고 해법의 결과를 전시할 수 있다.
특정한 환자에 의한 혈관확장 자극에 대한 반응은 안정 중인 환자에 대한 혈역학적 정보에 근거하여 또는 상이한 질환 상태에 대한 개체군-기초된 데이터에 근거하여 예측될 수 있다. 가령, 기준선 (안정)에서 시뮬레이션은 멱법칙 및 뇌 질량 (가령, 단계 1032와 관련하여 앞서 설명된 바와 같이)에 근거하여 배정된 흐름 분포로 실행된다 (가령, 단계 1041에서 앞서 설명된 바와 같이). 저항 값 (가령, 단계 1033과 1034에서 결정된)은 적합한 관류를 허용하도록 조정될 수 있다. 대안으로, 당뇨병, 약제, 그리고 과거 심장 사건과 같은 인자를 갖는 환자 개체군으로부터 데이터가 상이한 저항을 배정하는데 이용된다. 단독으로 또는 혈역학적 정보 (가령, 벽 전단 응력 또는 흐름과 혈관 크기의 관계)와 합동으로, 안정 상태 하에 저항에서 조정은 원위 대뇌 혈관이 팽창하는 잔존 능력을 결정하는데 이용될 수 있다. 안정 흐름 요건에 부합하기 위해 저항 감소를 필요로 하는 환자 또는 높은 흐름 대 혈관 크기 비율을 갖는 환자는 생리학적 스트레스 하에 그들의 혈관을 더욱 팽창시키는 감소된 능력을 가질 수 있다.
대뇌 동맥의 개별 분절을 교차하여 유속과 압력 기울기 (가령, 단계 1041에서 결정된 바와 같이)가 대뇌 동맥 저항을 전산하는데 이용될 수 있다. 대뇌 동맥 저항은 의학적 영상 데이터 (가령, 단계 1021에서 산출된)로부터 산출된 환자-특이적 기하학적 모형 내에 포함된 두개외와 두개내 동맥의 부분의 등가 저항으로서 계산될 수 있다. 대뇌 동맥 저항은 두개외 및/또는 두개내 동맥에서 확산성 죽상경화증을 앓는 환자가 실신 (의식 또는 자세의 일시적인 상실, 예를 들면, 실신) 또는 허혈 (혈액 공급에서 제한)의 증상을 전시할 수 있는 이유를 설명하는데 있어서 임상적 유의성을 가질 수 있다.
또한, 기준선 또는 변경된 생리학적 상태 하에 뇌 조직 용적 (또는 질량) 단위당 흐름이 예로서, 단계 1041에서 결정된 흐름 정보 및 단계 1031에서 계산된 뇌 조직 용적 또는 질량에 근거하여 계산될 수 있다. 이러한 계산은 만성 신경 질환에 대한 혈류에서 감소의 충격을 이해하는데 유용할 수 있다. 이러한 계산은 또한, 의학적 요법, 예를 들면, 항고혈압의 투약을 선별하거나 또는 정밀화하는데 유용할 수 있다. 추가 결과는 외상, 진탕증, 외부 생리학적 스트레스, 과잉 G-힘, 무중력, 공간 비행, 심해 감압 (가령, 감압통) 등의 효과를 정량하는 것을 포함할 수 있다.
합동된 환자-특이적 해부학적 (기하학적) 모형과 생리학적 (물리학-기초된) 모형이 심박수, 일회 박출량, 혈압, 또는 대뇌 동맥 혈류에서 대뇌 미세순환 기능을 변경하는 상이한 약제 또는 생활양식 변화 (가령, 흡연의 중지, 식이에서 변화, 또는 증가된 신체 활동)의 효과를 결정하는데 이용될 수 있다. 합동된 모형은 또한, 예로서 축구할 때, 우주 비행 동안, 스쿠버 다이빙할 때, 비행 동안, 기타 등등일 때, 대안적 형태 및/또는 변하는 수준의 신체 활동 또는 잠재적 외인성 힘에 노출의 위험의 대뇌 동맥 혈류에 대한 효과를 결정하는데 이용될 수 있다. 이런 정보는 특정한 환자에 대해 안전하고 유효할 수 있는 신체 활동의 유형과 수준을 확인하는데 이용될 수 있다. 합동된 모형은 또한, 최적 중재적 전략을 선별하기 위해 대뇌 동맥 혈류에서 경피 개입의 잠재적 이익을 예측하고, 및/또는 최적 외과적 전략을 선별하기 위해 대뇌 동맥 혈류에서 경동맥 내막절제술 또는 외부-경동맥-대-내부-경동맥 우회로 조성술의 잠재적 이익을 예측하는데 이용될 수 있다.
합동된 모형은 또한, 대뇌 동맥 혈류에 대한 동맥 질환의 부담에서 증가의 잠재적인 유해한 효과를 예증하고, 그리고 기계적인 또는 현상학적 질환 진행 모형 또는 경험적 데이터를 이용하여, 진행성 질환이 뇌로의 혈류의 약화를 유발할 수 있는 시기를 예측하는데 이용될 수 있다. 이런 정보는 비침습성 영상을 이용하여 혈역학적으로 유의미한 질환이 초기에 없는 것으로 관찰된 환자가 의학적, 중재적, 또는 외과적 요법을 필요로 하지 않을 것으로 예상될 수 있는 "보증 기간", 또는 대안으로, 불리한 인자가 지속되면 진행이 발생할지도 모르는 비율의 결정을 가능하게 할 수 있다.
합동된 모형은 또한, 질환의 부담에서 감소로부터 발생하는 대뇌 동맥 혈류에 대한 잠재적인 유익한 효과를 예증하고, 그리고 기계적인 또는 현상학적 질환 진행 모형 또는 경험적 데이터를 이용하여, 질환의 퇴행이 뇌로의 증가된 혈류를 유발할 수 있는 시기를 예측하는데 이용될 수 있다. 이런 정보는 식이에서 변화, 증가된 신체 활동, 스타틴 또는 다른 약제의 처방 등이 포함되지만 이들에 한정되지 않는 의학적 관리 프로그램을 보도하는데 이용될 수 있다.
합동된 모형은 또한, 동맥을 폐색하는 효과를 예측하는데 이용될 수 있다. 일부 외과 시술, 예를 들면, 암성 종양의 제거에서, 일부 두개외 동맥이 손상되거나 또는 제거될 수 있다. 두개외 동맥 중에서 하나로의 혈류를 방해하는 효과를 모의하는 것은 특정한 환자에 대해 적합한 혈류를 공급하는 부수적인 경로의 잠재력을 예측하는 것을 허용할 수 있다.
i. 대뇌 관류의 사정
다른 결과가 계산될 수 있다. 가령, 전산 분석은 대뇌 관류 (대뇌를 통한 혈류)를 정량하는 결과를 제공할 수 있다. 대뇌 관류를 정량하는 것은 감소된 대뇌 혈류의 구역을 확인하는데 보조할 수 있다.
도면 39는 예시적인 구체예에 따라, 특정한 환자에서 대뇌 관류에 관련된 다양한 정보를 제공하기 위한 방법 1050에 관련된 계통도를 보여준다. 방법 1050은 앞서 설명된 컴퓨터 시스템, 예를 들면, 앞서 설명되고 도면 3에서 도시된 단계 중에서 하나 또는 그 이상을 실행하는데 이용된 컴퓨터 시스템과 유사한 컴퓨터 시스템에서 실행될 수 있다.
방법 1050은 하나 또는 그 이상의 입력 1052를 이용하여 수행될 수 있다. 입력 1052는 환자의 두개내와 두개외 동맥, 예를 들면, 환자의 대동맥, 경동맥 (도면 37에서 도시된), 척추골 동맥 (도면 37에서 도시된), 그리고 뇌의 의학적 영상 데이터 1053, 예를 들면, CCTA 데이터 (가령, 도면 2의 단계 100과 관련하여 앞서 설명된 바와 유사한 방식으로 획득된)를 포함할 수 있다. 입력 1052는 또한, 환자로부터 계측된 추가 생리학적 데이터 1054, 예를 들면, 환자의 상완 혈압, 심박수, 및/또는 다른 치수 (가령, 도면 2의 단계 100과 관련하여 앞서 설명된 바와 유사한 방식으로 획득된)를 포함할 수 있다. 추가 생리학적 데이터 1054는 비침습성으로 획득될 수 있다. 입력 1052는 아래에 설명된 단계를 수행하는데 이용될 수 있다.
환자의 뇌 조직의 3차원 기하학적 모형은 영상 데이터 1053에 근거하여 창출될 수 있고 (단계 1060), 그리고 이러한 기하학적 모형은 분절 또는 용적으로 나눠질 수 있다 (단계 1062) (가령, 도면 29-32와 관련하여 앞서 설명된 바와 유사한 방식으로). 개별 분절의 크기와 위치는 두개내와 두개외 동맥의 유출 경계의 위치, 개별 분절 내에 또는 이들에 연결된 혈관 (가령, 인접한 혈관)의 크기 등에 근거하여 결정될 수 있다. 기하학적 모형의 분절로의 분할은 다양한 공지된 방법, 예를 들면, 빠른 진전 방법, 일반화된 빠른 진전 방법, 레벨 세트 방법, 확산 방정식, 다공성 매체를 통한 흐름을 지배하는 방정식 등을 이용하여 수행될 수 있다.
3차원 기하학적 모형은 또한, 환자의 두개내와 두개외 동맥의 부분을 포함할 수 있는데, 이것은 영상 데이터 1053에 근거하여 모형화될 수 있다 (단계 1064). 가령, 단계 1062와 1064에서, 뇌 조직 및 두개내와 두개외 동맥을 포함하는 3차원 기하학적 모형이 창출될 수 있다.
사용자에 의해 결정된 신체 상태 하에 환자의 대뇌 혈류에 관한 정보를 포함하는 해법을 결정하기 위한 전산 분석이 예로서, 도면 3의 단계 402와 관련하여 앞서 설명된 바와 같이 수행될 수 있다 (단계 1066). 가령, 신체 상태는 안정, 변하는 수준의 스트레스, 변하는 수준의 압력수용기 반응 또는 다른 생리자율신경 피드백 조절, 변하는 수준의 충혈, 변하는 수준의 운동 또는 용력, 상이한 약제, 자세 변화 및/또는 다른 상태를 포함할 수 있다. 해법은 단계 1064에서 모형화된 환자의 해부학에서 다양한 위치에서, 그리고 특정된 신체 상태 하에 정보, 예를 들면, 혈류와 압력을 제공할 수 있다. 전산 분석은 집중 파라미터 또는 1차원 모형으로부터 도출된 유출 경계에서 경계 조건을 이용하여 수행될 수 있다. 도면 40과 관련하여 아래에 설명된 바와 같이, 뇌 조직의 분절을 채우기 위한 1차원 모형이 산출될 수 있다.
단계 1066에서 결정된 혈류 정보에 근거하여, 단계 1062에서 창출된 뇌의 개별 분절 내로 혈류의 관류가 계산될 수 있다 (단계 1068). 가령, 관류는 유출 경계의 각 출구로부터 흐름을 출구가 관류하는 분절화된 뇌의 용적으로 나눔으로써 계산될 수 있다.
단계 1068에서 결정된 뇌의 개별 분절에 대한 관류는 단계 1060 또는 1062에서 산출된 뇌의 기하학적 모형 상에서 전시될 수 있다 (단계 1070). 가령, 단계 1060에서 창출된 기하학적 모형에서 도시된 뇌의 분절은 개별 분절 내로 혈류의 관류를 지시하는 상이한 색조 또는 칼라로 예증될 수 있다.
도면 40은 예시적인 구체예에 따라, 특정한 환자에서 대뇌 관류에 관련된 다양한 정보를 제공하기 위한 방법 1100에 관련된 다른 계통도를 보여준다. 방법 1100은 앞서 설명된 컴퓨터 시스템, 예를 들면, 앞서 설명되고 도면 3에서 도시된 단계 중에서 하나 또는 그 이상을 실행하는데 이용된 컴퓨터 시스템과 유사한 컴퓨터 시스템에서 실행될 수 있다.
방법 1100은 환자의 대동맥, 경동맥 (도면 37에서 도시된), 척추골 동맥 (도면 37에서 도시된), 그리고 뇌의 의학적 영상 데이터 1103, 예를 들면, CCTA 데이터 (가령, 도면 2의 단계 100과 관련하여 앞서 설명된 바와 유사한 방식으로 획득된)를 포함할 수 있는 하나 또는 그 이상의 입력 1102를 이용하여 수행될 수 있다. 입력 1102는 아래에 설명된 단계를 수행하는데 이용될 수 있다.
환자의 뇌 조직의 3차원 기하학적 모형은 영상 데이터 1103에 근거하여 창출될 수 있다 (단계 1110). 이러한 모형은 또한, 환자의 대동맥, 경동맥 (도면 37에서 도시된), 그리고 척추골 동맥 (도면 37에서 도시된)의 부분을 포함할 수 있는데, 이것 역시 영상 데이터 1103에 근거하여 창출될 수 있다. 가령, 앞서 설명된 바와 같이, 뇌 조직 및 두개내와 두개외 동맥을 포함하는 3차원 기하학적 모형이 창출될 수 있다. 단계 1110은 앞서 설명된 도면 39의 단계 1060과 1064를 포함할 수 있다
단계 1110에서 창출된 기하학적 뇌 조직 모형은 용적 또는 분절로 나눠질 수 있다 (단계 1112). 단계 1112는 앞서 설명된 도면 39의 단계 1062를 포함할 수 있다. 기하학적 뇌 조직 모형은 또한, 대뇌 나무에서 분지의 다음 세대를 포함하도록 더욱 변형될 수 있다 (단계 1118) (가령, 도면 29-32와 관련하여 앞서 설명된 바와 유사한 방식으로). 분지의 위치와 크기는 두개내와 두개외 동맥에 대한 중심선에 근거하여 결정될 수 있다. 중심선은 예로서, 영상 데이터 1103에 근거하여 결정될 수 있다 (단계 1114). 알고리즘은 또한, 계량형태학적 모형 (유출 경계에서 공지된 출구의 하류에 혈관 위치와 크기를 예측하는데 이용된 모형) 및/또는 혈관 크기에 관련된 생리학적 분지 법칙에 근거하여 분지의 위치와 크기를 결정하는데 이용될 수 있다 (단계 1116). 계량형태학적 모형은 기하학적 모형 내에 포함된 두개내와 두개외 동맥의 하류 단부까지 증강될 수 있고, 그리고 뇌 조직의 외부 층 상에 제공되거나 또는 뇌 조직의 기하학적 모형 내에 내포될 수 있다.
뇌는 단계 1118에서 창출된 분지에 근거하여 더욱 분절화될 수 있다 (단계 1120) (가령, 도면 29-32와 관련하여 앞서 설명된 바와 유사한 방식으로). 추가 분지가 하위분절에서 창출될 수 있고, 그리고 이들 하위분절은 더욱 작은 분절로 더욱 분절화될 수 있다 (단계 1122) (가령, 도면 29-32와 관련하여 앞서 설명된 바와 유사한 방식으로). 분지를 창출하고 용적을 하위분절화하는 단계는 용적 크기 및/또는 분지 크기의 원하는 분해가 획득될 때까지 반복될 수 있다. 단계 1118과 1122에서 새로운 분지를 포함하도록 증강된 기하학적 모형은 이후, 하위분절, 예를 들면, 단계 1122에서 산출된 하위분절 내로 대뇌 혈류와 대뇌 관류를 전산하는데 이용될 수 있다.
따라서, 증강된 모형은 앞서 설명된 전산 분석을 수행하는데 이용될 수 있다. 전산 분석의 결과는 환자-특이적 대뇌 동맥 모형으로부터, 산출된 계량형태학적 모형 (단계 1118과 1122에서 산출된 분지를 포함) 내로의 혈류에 관련된 정보를 제공할 수 있는데, 이것은 단계 1122에서 산출된 각각의 관류 하위분절로 확장할 수 있다.
도면 41은 예시적인 구체예에 따라, 특정한 환자에서 대뇌 관류에 관련된 다양한 정보를 제공하기 위한 방법 1150에 관련된 다른 계통도를 보여준다. 방법 1150은 앞서 설명된 컴퓨터 시스템, 예를 들면, 앞서 설명되고 도면 3에서 도시된 단계 중에서 하나 또는 그 이상을 실행하는데 이용된 컴퓨터 시스템에서 실행될 수 있다.
방법 1150은 하나 또는 그 이상의 입력 1152를 이용하여 수행될 수 있다. 입력 1152는 환자의 대동맥, 경동맥 (도면 37에서 도시된), 척추골 동맥 (도면 37에서 도시된), 그리고 뇌의 의학적 영상 데이터 1153, 예를 들면, CCTA 데이터 (가령, 도면 2의 단계 100과 관련하여 앞서 설명된 바와 유사한 방식으로 획득된)를 포함할 수 있다. 입력 1152는 또한, 환자로부터 계측된 추가 생리학적 데이터 1154, 예를 들면, 환자의 상완 혈압, 심박수, 및/또는 다른 치수 (가령, 도면 2의 단계 100에서 획득된)를 포함할 수 있다. 추가 생리학적 데이터 1154는 비침습성으로 획득될 수 있다. 입력 1152는 환자로부터 계측된 뇌 관류 데이터 1155 (가령, CT, PET, SPECT, MRI 등을 이용하여)를 더욱 포함할 수 있다. 입력 1152는 아래에 설명된 단계를 수행하는데 이용될 수 있다.
환자의 두개내와 두개외 동맥의 3차원 기하학적 모형은 영상 데이터 1153에 근거하여 창출될 수 있다 (단계 1160). 단계 1160은 앞서 설명된 도면 39의 단계 1064와 유사할 수 있다.
사용자에 의해 결정된 신체 상태 하에 환자의 대뇌 혈류에 관한 정보를 포함하는 해법을 결정하기 위한 전산 분석이 예로서, 도면 3의 단계 402와 관련하여 앞서 설명된 바와 같이 수행될 수 있다 (단계 1162). 가령, 신체 상태는 안정, 변하는 수준의 스트레스, 변하는 수준의 압력수용기 반응 또는 다른 생리자율신경 피드백 조절, 변하는 수준의 충혈, 변하는 수준의 운동 또는 용력, 상이한 약제, 자세 변화 및/또는 다른 상태를 포함할 수 있다. 해법은 단계 1160에서 모형화된 환자의 해부학에서 다양한 위치에서, 그리고 특정된 신체 상태 하에 정보, 예를 들면, 혈류와 압력을 제공할 수 있다. 단계 1162는 앞서 설명된 도면 39의 단계 1066과 유사할 수 있다.
또한, 환자의 뇌 조직의 3차원 기하학적 모형은 영상 데이터 1153에 근거하여 창출될 수 있다 (단계 1164). 가령, 단계 1160과 1164에서, 뇌 조직 및 두개내와 두개외 동맥을 포함하는 3차원 기하학적 모형이 창출될 수 있다. 단계 1164는 앞서 설명된 도면 39의 단계 1060과 유사할 수 있다.
기하학적 모양은 분절 또는 하위용적으로 나눠질 수 있다 (단계 1166). 단계 1166은 앞서 설명된 도면 39의 단계 1062와 유사할 수 있다.
단계 1162에서 결정된 혈류 정보에 근거하여, 단계 1166에서 창출된 뇌 조직의 개별 분절 내로 혈류의 관류가 계산될 수 있다 (단계 1168). 단계 1168은 앞서 설명된 도면 39의 단계 1068과 유사할 수 있다.
뇌 조직의 개별 분절에 대한 계산된 관류는 단계 1164 또는 1166에서 산출된 뇌 조직의 기하학적 모형 상에 전시될 수 있다 (단계 1170). 단계 1170은 앞서 설명된 도면 39의 단계 1070과 유사할 수 있다.
단계 1170에서 뇌 조직의 3차원 기하학적 모형 위에 지도화된 모의된 관류 데이터는 계측된 대뇌 관류 데이터 1155와 비교될 수 있다 (단계 1172). 비교는 뇌 조직의 3차원 표현 상에서 다양한 칼라 및/또는 색조를 이용하여, 모의된 관류 데이터 및 계측된 관류 데이터에서 차이를 지시할 수 있다.
단계 1160에서 창출된 3차원 기하학적 모형의 출구에서 경계 조건은 모의된 관류 데이터 및 계측된 관류 데이터 사이에 오차를 줄이기 위해 조정될 수 있다 (단계 1174). 가령, 오차를 감소시키기 위해, 경계 조건은 모의된 관류가 계측된 관류보다 낮은 영역 (가령, 단계 1166에서 창출된 분절)에 영양을 공급하는 혈관의 흐름에 대한 규정된 저항이 감소될 수 있도록 조정될 수 있다. 경계 조건의 다른 파라미터가 조정될 수 있다. 대안으로, 모형의 분지 구조가 변형될 수 있다. 가령, 단계 1160에서 창출된 기하학적 모형은 계량형태학적 모형을 창출하기 위해 도면 40과 관련하여 앞서 설명된 바와 같이 증강될 수 있다. 경계 조건 및/또는 계량형태학적 모형의 파라미터는 파라미터 추정 또는 데이터 동화 방법, 예를 들면, 발명의 명칭이 "환자-특이적 심혈관 시뮬레이션을 조율하기 위한 방법"인 U.S. 특허 출원 공개 번호 2010/0017171에서 설명된 방법 또는 다른 방법을 이용하여 경험적으로 또는 조직적으로 조정될 수 있다.
도면 41의 단계 1162, 1168, 1170, 1172, 1174, 및/또는 다른 단계는 예로서, 모의된 관류 데이터 및 계측된 관류 데이터 사이에 오차가 미리 결정된 역치 아래에 있을 때까지 반복될 수 있다. 결과적으로, 전산 분석은 해부학적 정보, 대뇌 혈류 정보, 그리고 대뇌 관류 정보를 관련시키는 모형을 이용하여 수행될 수 있다. 이런 모형은 진단적 목적을 위해, 그리고 의학적, 중재적, 또는 외과적 요법의 이익을 예측하기 위해 유용할 수 있다.
결과적으로, 기준선 상태 또는 변경된 생리학적 상태 하에 두개외와 두개내 동맥 혈류와 대뇌 관류가 전산될 수 있다. 대뇌 관류 데이터는 모의된 대뇌 관류 결과가 소정의 저항 내에서 계측된 대뇌 관류 데이터에 정합할 때까지 두개내 동맥 혈류 전산의 경계 조건을 조정하기 위해, 모의된 대뇌 관류 결과와 합동으로 이용될 수 있다. 따라서, 더욱 정확한 환자-특이적 두개외와 두개내 동맥 혈류 전산이 제공될 수 있고, 그리고 의사는 계측된 데이터가 가용하지 않을 때, 예를 들면, 일정한 신체 상태, 예를 들면, 운동, 용력, 자세 변화, 또는 모의된 치료 하에 대뇌 동맥 혈류와 대뇌 관류를 예측할 수 있다. 뇌의 환자-특이적 3차원 모형은 관류 분절 또는 하위용적으로 나눠질 수 있고, 그리고 환자가 뇌의 다양한 영역으로 적합한 최소 관류를 제공받고 있는 지가 결정될 수 있다.
두개내 동맥의 환자-특이적 3차원 기하학적 모형은 의학적 영상 데이터로부터 산출되고, 그리고 증강된 모형을 형성하기 위해 관류 분절 또는 하위용적 (가령, 도면 40와 관련하여 앞서 설명된 바와 같이)에 의해 대표된 나머지 두개내 동맥 나무의 부분의 계량형태학적 모형과 합동될 수 있다. 증강된 모형에서 소정의, 예를 들면, 병든 위치의 하류에 전체 뇌 용적 (또는 질량)의 백분율이 계산될 수 있다. 또한, 증강된 모형에서 소정의, 예를 들면, 병든 위치에서 전체 대뇌 혈류의 백분율이 계산될 수 있다. 이에 더하여, 기능적 영상 연구 (가령, 기능적 자기 공명 영상 (fMRI)), 관류 CT 또는 MRI에서 확인된 결손은 이후, 영양공급 혈관에서 질환, 해부학적 변이체, 손상된 자기 조절 기전, 저혈압, 또는 다른 상태에 기인할 수 있는데, 이들은 허혈성 뇌졸중, 실신, 기립성 조절장애, 외상, 또는 만성 신경학적 장애를 앓는 환자에 유용할 수 있다.
ii. 플라크 취약성의 사정
전산 분석은 또한, 환자의 두개내와 두개외 동맥에서 빌드업할 수 있는 플라크, 예를 들면, 경동맥 죽상경화판에 작용하는 환자-특이적 생체역학적 힘을 정량하는 결과를 제공할 수 있다. 생체역학적 힘은 박동성 압력, 흐름, 그리고 목 운동에 의해 유발될 수 있다.
도면 42는 예시적인 구체예에 따라, 특정한 환자에서 플라크 취약성, 대뇌 용적 위험, 그리고 대뇌 관류 위험을 사정하는 것에 관련된 다양한 정보를 제공하기 위한 방법 1200의 양상을 보여주는 계통도이다. 방법 1200은 앞서 설명된 컴퓨터 시스템, 예를 들면, 앞서 설명되고 도면 3에서 도시된 단계 중에서 하나 또는 그 이상을 실행하는데 이용된 컴퓨터 시스템과 유사한 컴퓨터 시스템에서 실행될 수 있다. 방법 1200은 하나 또는 그 이상의 입력 1202를 이용하여 수행될 수 있고, 그리고 입력 1202에 근거하여 하나 또는 그 이상의 모형 1210을 산출하고, 모형 1210 중에서 하나 또는 그 이상에 근거하여 하나 또는 그 이상의 생체역학 분석 1220을 수행하고, 그리고 모형 1210 및 생체역학 분석 1220에 근거하여 다양한 결과를 제공하는 것을 포함할 수 있다.
입력 1202는 환자의 두개내와 두개외 동맥, 예를 들면, 환자의 대동맥, 경동맥 (도면 37에서 도시된), 척추골 동맥 (도면 37에서 도시된), 그리고 뇌의 의학적 영상 데이터 1203, 예를 들면, CCTA 데이터 (가령, 도면 2의 단계 100과 관련하여 앞서 설명된 바와 유사한 방식으로 획득된)를 포함할 수 있다. 입력 1202는 또한, 환자로부터 계측된 추가 생리학적 데이터 1204, 예를 들면, 환자의 상완 혈압, 심박수, 및/또는 다른 치수 (가령, 도면 2의 단계 100과 관련하여 앞서 설명된 바와 유사한 방식으로 획득된)를 포함할 수 있다. 추가 생리학적 데이터 1204는 비침습성으로 획득될 수 있다. 입력 1202는 모형 1210을 산출하고 및/또는 아래에 설명된 생체역학 분석 1220을 수행하는데 이용될 수 있다.
전술한 바와 같이, 하나 또는 그 이상의 모형 1210이 입력 1202에 근거하여 산출될 수 있다. 가령, 방법 1200은 환자의 해부학의 3차원 기하학적 모형 전역에서 다양한 위치에서 전산된 혈류와 압력 정보를 포함하는 혈역학적 모형 1212를 산출하는 것을 포함할 수 있다. 환자의 해부학의 모형은 의학적 영상 데이터 1203을 이용하여 창출될 수 있고, 그리고 한 예시적인 구체예에서, 혈역학적 모형 1212는 모의된 혈압 모형, 모의된 혈류 모형, 또는 예로서, 도면 3의 단계 402와 관련하여 앞서 설명된 바와 같이 전산 분석을 수행한 후에 산출된 다른 시뮬레이션일 수 있다. 유체 구조 상호작용 모형을 비롯한 고체 역학 모형은 공지된 수치 방법을 이용한 전산 분석으로 해결될 수 있다. 플라크와 혈관에 대한 성질은 선형 또는 비선형, 등방성 또는 비등방성으로서 모형화될 수 있다. 해법은 플라크의 응력과 압박, 그리고 플라크와 혈관 사이에 경계면을 제공할 수 있다. 혈역학적 모형 1212를 산출하기 위한 단계는 앞서 설명된 도면 35의 혈역학적 모형 932를 산출하기 위한 단계와 유사할 수 있다.
방법 1200은 다양한 생리학적 상태, 예를 들면, 안정, 변하는 수준의 운동 또는 용력 등에서 혈역학적 힘으로 인해 플라크 내강 표면에 작용하는 압력과 전단 응력을 전산함으로써, 혈역학적 모형 1212를 이용하여 생체역학 분석 1220을 수행하는 것을 포함할 수 있다 (단계 1222). 압력과 전단 응력은 혈역학적 모형 1212로부터 정보, 예를 들면, 혈압과 흐름에 근거하여 계산될 수 있다. 단계 1222는 앞서 설명된 도면 35의 단계 942와 유사할 수 있다.
임의선택적으로, 방법 1200은 또한, 도면 35의 기하학적 분석 모형 934에 대해 앞서 설명된 바와 유사한 방식으로, 4차원 영상 데이터, 예를 들면, 복수 시기의 심장 주기, 예를 들면, 수축기와 확장기에서 획득된 영상 데이터로부터 혈관 기형을 정량하기 위한 기하학적 분석 모형을 산출하는 것을 포함할 수 있다. 방법 1200은 또한, 도면 35의 단계 944에 대해 앞서 설명된 바와 유사한 방식으로, 심장-유도된 박동성 압력으로 인한 환자의 두개내와 두개외 동맥 및 플라크의 다양한 기형 특징, 예를 들면, 종적 늘임 (신장) 또는 단축, 비틀림 (염전), 방사상 확대 또는 압축, 그리고 구부림 등을 전산함으로써, 기하학적 분석 모형을 이용하여 생체역학 분석 1220을 수행하는 것을 포함할 수 있다.
방법 1200은 또한, 의학적 영상 데이터 1203으로부터 플라크 조성과 성질을 결정하기 위한 플라크 모형 1214를 산출하는 것을 포함할 수 있다. 가령, 플라크 모형 1214는 플라크의 밀도와 기타 재료 물성에 관한 정보를 포함할 수 있다.
방법 1200은 또한, 플라크, 혈관 벽, 및/또는 플라크와 혈관 벽 사이에 경계면에 관한 정보를 전산하기 위한 혈관 벽 모형 1216을 산출하는 것을 포함할 수 있다. 가령, 혈관 벽 모형 1216은 응력과 압박에 관한 정보를 포함할 수 있는데, 이들은 플라크 모형 1214 내에 포함된 플라크 조성과 성질 및 단계 1220에서 계산된 압력과 전단 응력에 근거하여 계산될 수 있다. 임의선택적으로, 응력과 압박은 또한, 앞서 설명된 바와 같이, 계산된 기형 특징을 이용하여 계산될 수 있다. 플라크 모형 1214 및/또는 혈관 벽 모형 1216을 산출하기 위한 단계는 앞서 설명된 도면 35의 플라크 모형 936 및/또는 혈관 벽 모형 938을 산출하기 위한 단계와 유사할 수 있다.
방법 1200은 혈역학적 힘 및 목 움직임-유도된 압박으로 인한 플라크에 대한 응력 (가령, 급성 또는 누적 응력)을 전산함으로써, 혈관 벽 모형 1216을 이용하여 생체역학 분석 1220을 수행하는 것을 포함할 수 있다 (단계 1224). 가령, 플라크에 작용하는 흐름-유도된 힘 904 (도면 33)가 전산될 수 있다. 혈역학적 힘 및 목 움직임-유도된 압박으로 인한 플라크에 대한 응력 또는 힘은 혈관 벽 모형 1216으로부터 정보, 예를 들면, 플라크에 대한 응력과 압박에 근거하여 계산될 수 있다. 단계 1224는 앞서 설명된 도면 39의 단계 946과 유사할 수 있다.
방법 1200은 앞서 설명된 하나 또는 그 이상의 모형 1210 및 하나 또는 그 이상의 생체역학 분석 1220에 근거하여 추가 정보를 결정하는 것을 포함할 수 있다.
플라크 파열 취약성 지수가 계산될 수 있다 (단계 1230). 플라크 파열 취약성 지수는 예로서, 혈역학적 응력, 응력 빈도, 응력 방향, 및/또는 플라크 강도 또는 다른 성질에 근거하여 계산될 수 있다. 가령, 관심되는 플라크를 둘러싸는 영역은 플라크의 3차원 모형 1210, 예를 들면, 플라크 모형 1214로부터 단리될 수 있다. 플라크의 강도는 플라크 모형 1214에서 제공된 재료 물성으로부터 결정될 수 있다. 박동성 압력, 흐름, 그리고 목 운동으로 인한, 관심되는 플라크에 대한 혈역학적 응력과 조직 응력은 단계 1214에서 이미 전산된 혈역학적 응력 및 운동-유도된 압박을 이용함으로써, 모의된 기준선과 운동 (또는 용력) 상태 하에 계산될 수 있다. 플라크의 취약성은 플라크 응력 대 플라크 강도의 비율에 근거하여 사정될 수 있다. 단계 1230은 앞서 설명된 도면 35의 단계 950과 유사할 수 있다. 가령, 플라크 파열 취약성 지수는 뇌졸중 사정을 위해 두개외 동맥에서 위치된 플라크에 대해 계산될 수 있다.
대뇌 용적 위험 지수 (CVRI) 역시 계산될 수 있다 (단계 1232). CVRI는 동맥 나무에서 소정의 위치에서 혈관의 플라크 파열 또는 색전형성과 폐색 (폐쇄 또는 폐색)에 의해 영향을 받은 전체 뇌 용적의 백분율로서 규정될 수 있다. CVRI는 소정의 플라크의 하류에 혈관에 의해 공급된 뇌의 부분에 근거하여 계산될 수 있고, 이것은 하류 혈관의 크기에 대하여 플라크의 크기, 그리고 플라크가 3차원 혈역학적 해법에 근거하여 상이한 혈관으로 흘러갈 수 있는 확률을 고려할 수 있다. CVRI는 병든 상태에서 또는 개입 전후에 사정될 수 있다. 단계 1232는 앞서 설명된 도면 35의 단계 952와 유사할 수 있다.
뇌 조직은 모형화되고, 그리고 혈역학적 시뮬레이션에서 각 혈관에 의해 공급된 분절로 나눠질 수 있다 (가령, 도면 40의 단계 1110과 1112와 관련하여 설명된 바와 같이). 기하학적 모형은 대뇌 나무에서 분지의 다음 세대를 포함하도록 변형될 수 있고 (가령, 도면 40의 단계 1118과 관련하여 설명된 바와 같이), 그리고 뇌 조직은 더욱 분절화될 수 있다 (가령, 도면 40의 단계 1120과 관련하여 설명된 바와 같이). 추가 분지가 하위분절에서 창출될 수 있고, 그리고 이들 하위분절은 더욱 작은 분절로 더욱 분절화될 수 있다 (가령, 도면 40의 단계 1122와 관련하여 설명된 바와 같이). 생리학적 관계는 앞서 설명된 바와 같이, 혈관의 크기를 공급된 뇌 조직의 비례하는 양에 관련시키는데 이용될 수 있다.
파열된 플라크가 추종하는 잠재적 통로가 결정될 수 있다. 혈역학적 해법이 플라크 단편 또는 색전이 상이한 하류 혈관으로 흘러갈 수 있는 퍼센트 기회를 결정하는데 이용될 수 있다.
파열된 플라크의 크기는 플라크가 흐름에 대한 장애를 궁극적으로 어디에서 창출하는 지를 결정하기 위해, 하류 혈관의 크기와 비교될 수 있다. 이러한 정보는 파열된 플라크에 의해 잠재적으로 영향을 받을 수 있는 뇌 조직의 용적의 확률 지도를 제공하기 위해, 취약성 지수와 합동될 수 있다. CVRI가 각각의 잠재적으로 영향을 받은 분절에 배정될 수 있다.
대뇌 관류 위험 지수 (CPRI) 역시 계산될 수 있다 (단계 1234). CPRI는 동맥 나무에서 소정의 위치에서 혈관의 플라크 파열과 폐색에 의해 영향을 받은 전체 대뇌 혈류의 백분율로서 규정될 수 있다. CPRI는 CVRI에 의해 지시된 바와 같이 영향을 받은 용적보다는, 뇌 조직 분절로의 관류의 잠재적 상실을 지시한다. 가령, 경동맥 플라크의 파열 또는 색전형성의 효과는 환자의 대뇌 동맥륜의 기하학에 따라 변할 수 있고 (도면 37에서 도시된), 그리고 해부학에서 이들 차이로 인해 상이한 CVRI와 CPRI 값을 산출할 수 있다. 뇌 조직의 각 분절로의 관류 속도가 계산될 수 있고, 그리고 관류의 상실이 플라크와 혈관의 취약성 지수, 혈역학적 해법, 그리고 크기에 근거하여 계산될 수 있다. CPRI는 병든 상태에서 또는 개입 전후에 사정될 수 있다. 단계 1234는 앞서 설명된 도면 35의 단계 954와 유사할 수 있다.
결과적으로, 박동성 압력, 박동성 혈류, 및/또는 임의선택적으로 목 운동으로부터 발생하는, 경동맥 죽상경화판에 작용하는 생체역학적 힘이 사정될 수 있다. 박동성 압력, 박동성 혈류, 및/또는 임의선택적으로 목 운동으로부터 발생하는, 플라크가 경험하는 전체 응력이 정량될 수 있다. 해법은 플라크에 또는 플라크와 혈관 벽 사이의 경계면에 작용하는 환자-특이적 혈역학적 응력의 복수 근원을 고려할 수 있다. 또한, 플라크 강도가 의학적 영상 데이터에 근거하여 추정될 수 있고, 그리고 플라크 취약성, 대뇌 용적 위험, 그리고 대뇌 관류 위험에 관련된 지수가 정량될 수 있다.
아래에 설명된 바와 같이 두개외와 두개내 동맥에 대한 해부학적 데이터와 생리학적 데이터를 결정함으로써, 다양한 신체 상태에서 특정한 환자에 대한 동맥 또는 장기 수준에서 혈류의 변화가 예측될 수 있다. 게다가, 다른 정보, 예를 들면, 일과성 허혈 발작, 허혈성 뇌졸중, 또는 동맥류 파열의 위험, 죽상경화판 또는 동맥류에 작용하는 힘, 두개내 또는 두개외 혈류에 대한 의학적, 중재적 또는 외과적 요법의 예측된 충격, 압력, 벽 응력, 또는 뇌 관류가 제공될 수 있다. 두개내 또는 두개외 동맥에서 혈류, 압력과 벽 응력, 그리고 전체와 영역 뇌 관류가 정량될 수 있고, 그리고 질환의 기능적 유의성이 결정될 수 있다.
영상 데이터로부터 구축된 3차원 기하학적 모형 (가령, 단계 1212에서 앞서 설명된 바와 같이)에서 혈류를 정량하는 것에 더하여, 상기 모형은 질환의 진행 또는 퇴행 또는 의학적, 경피, 또는 외과적 개입의 효과를 모의하도록 변형될 수 있다. 한 예시적인 구체예에서, 죽상경화증의 진행은 시간의 추이에서 해법을 반복함으로써, 예를 들면, 전단 응력 또는 입자 체류 시간을 해결하고, 그리고 기하학적 모형을 혈역학적 인자 및/또는 환자-특이적 생화학적 치수에 근거하여 진행성 죽상경화판 발달에 적응시킴으로써 모형화될 수 있다. 게다가, 두개외 및/또는 두개내 동맥 혈류 또는 대뇌 관류에 대한 혈류, 심박수, 혈압, 그리고 다른 생리학적 변수에서 변화의 효과가 경계 조건에서 변화를 통해 모형화되고, 그리고 시간의 추이에서 이들 변수의 누적 효과를 계산하는데 이용될 수 있다.
임의의 구체예에서 진술된 임의의 양상이 본원에서 진술된 임의의 다른 구체예에서 이용될 수 있다. 본원에서 진술된 모든 장치와 기구가 임의의 적절한 의료 시술에서 이용될 수 있고, 임의의 적절한 신체 내강과 체강을 통해 진행될 수 있고, 그리고 임의의 적절한 신체 부분을 영상하는데 이용될 수 있다.
다양한 변형과 변이가 발명의 범위로부터 벗어나지 않으면서, 개시된 시스템과 과정에서 만들어질 수 있다는 것은 당업자에게 명백할 것이다. 다른 구체예는 본 명세서의 고려 및 본원에서 개시된 발명의 실시로부터 당업자에게 명백할 것이다. 본 명세서와 실시예는 단지 예시로서 고려되고, 본 발명의 진정한 범위와 사상은 아래 청구항에 의해 지시되는 것으로 의도된다.

Claims (30)

  1. 환자에 대한 심혈관 정보를 결정하기 위한 시스템에 있어서, 상기 시스템은 다음을 포함하는 것을 특징으로 하는 시스템:
    다음을 포함하는 방법을 실행하도록 설정된 최소한 하나의 컴퓨터 시스템:
    복수의 환자 각각에 대한 데이터를 회수하고, 상기 데이터는 혈류 특징의 침습성으로 획득된 치수 및 최소한 부분적으로, 개별 경계 조건에 근거하여 전산된 혈류 특징을 포함하고; 그리고
    전산된 혈류 특징을 각 환자의 혈류 특징의 침습성으로 획득된 치수와 반복적으로 비교함으로써 경계 조건 조율 특징을 결정함.
  2. 청구항 1에 있어서, 경계 조건 조율 특징을 결정하는 것은 전산된 혈류 특징 및 각 환자의 혈류 특징의 침습성으로 획득된 치수 사이에 차이를 감소시키기 위해 개별 경계 조건을 조율하는 경계 조건 조율 특징을 결정하는 것을 포함하는 것을 특징으로 하는 시스템.
  3. 청구항 2에 있어서, 데이터는 복수의 해부학적 위치에서 혈류 특징의 침습성으로 획득된 치수, 그리고 복수의 해부학적 위치에서 최소한 부분적으로 개별 경계 조건 모형에 근거하여 각 환자에 대한 상응하는 전산된 혈류 특징을 더욱 포함하는 것을 특징으로 하는 시스템.
  4. 청구항 2에 있어서, 경계 조건 조율 특징을 결정하는 것은 복수의 해부학적 위치 각각에 대한 독특한 경계 조건 조율 특징을 결정하는 것을 포함하는 것을 특징으로 하는 시스템.
  5. 청구항 2에 있어서, 방법은 경계 조건 조율 특징을 저장하는 것을 더욱 포함하는 것을 특징으로 하는 시스템.
  6. 청구항 2에 있어서, 방법은 추가 환자의 혈류 특징을 전산적으로 분석하기 위한 환자-특이적 경계 조건 모형을 산출하고 이용하기 위해 경계 조건 조율 특징을 적용하는 것을 더욱 포함하는 것을 특징으로 하는 시스템.
  7. 청구항 6에 있어서, 환자 특이적 경계 조건 모형은 대동맥의 최소한 일부, 그리고 대동맥의 부분으로부터 발산하는 복수의 관상 동맥 중에서 최소한 일부에서 경계를 나타내는 것을 특징으로 하는 시스템.
  8. 청구항 2에 있어서, 경계 조건 조율을 결정하는 것은 전산된 혈류 특징 및 복수의 해부학적 위치에서 각 환자의 혈류 특징의 침습성으로 획득된 치수 사이에 차이를 감소시키기 위해 개별 경계 조건을 조율하는 경계 조건 조율 특징을 결정하는 것을 포함하는 것을 특징으로 하는 시스템.
  9. 청구항 2에 있어서, 경계 조건 조율 특징은 전산된 혈류 특징을 계산하기 위해 파라미터를 변경하는 것을 특징으로 하는 시스템.
  10. 청구항 2에 있어서, 방법은 경계 조건 조율 특징을 시험 풀 환자 데이터에 적용함으로써 경계 조건 조율 특징의 정확도를 결정하는 것을 더욱 포함하는 것을 특징으로 하는 시스템.
  11. 최소한 하나의 컴퓨터 시스템을 이용하여 환자에 대한 심혈관 정보를 결정하기 위한 방법에 있어서, 상기 방법은 다음을 포함하는 것을 특징으로 하는 방법:
    최소한 하나의 프로세서를 이용하여, 복수의 환자 각각에 대한 데이터를 회수하고, 상기 데이터는 혈류 특징의 침습성으로 획득된 치수 및 최소한 부분적으로, 개별 경계 조건에 근거하여 전산된 혈류 특징을 포함하고; 그리고
    최소한 하나의 프로세서를 이용하여, 전산된 혈류 특징을 각 환자의 혈류 특징의 침습성으로 획득된 치수와 반복적으로 비교함으로써 경계 조건 조율 특징을 결정함.
  12. 청구항 11에 있어서, 경계 조건 조율 특징을 결정하는 것은 전산된 혈류 특징 및 각 환자의 혈류 특징의 침습성으로 획득된 치수 사이에 차이를 감소시키기 위해 개별 경계 조건을 조율하는 경계 조건 조율 특징을 결정하는 것을 포함하는 것을 특징으로 하는 방법.
  13. 청구항 12에 있어서, 데이터는 복수의 해부학적 위치에서 혈류 특징의 침습성으로 획득된 치수, 그리고 복수의 해부학적 위치에서 최소한 부분적으로 개별 경계 조건 모형에 근거하여 각 환자에 대한 상응하는 전산된 혈류 특징을 더욱 포함하는 것을 특징으로 하는 방법.
  14. 청구항 12에 있어서, 경계 조건 조율 특징을 결정하는 것은 복수의 해부학적 위치 각각에 대한 독특한 경계 조건 조율 특징을 결정하는 것을 포함하는 것을 특징으로 하는 방법.
  15. 청구항 12에 있어서, 경계 조건 조율 특징을 저장하는 것을 더욱 포함하는 것을 특징으로 하는 방법.
  16. 청구항 12에 있어서, 추가 환자의 혈류 특징을 전산적으로 분석하기 위한 환자-특이적 경계 조건 모형을 산출하고 이용하기 위해 경계 조건 조율 특징을 적용하는 것을 더욱 포함하는 것을 특징으로 하는 시스템.
  17. 청구항 16에 있어서, 환자 특이적 경계 조건 모형은 대동맥의 최소한 일부, 그리고 대동맥의 부분으로부터 발산하는 복수의 관상 동맥 중에서 최소한 일부에서 경계를 나타내는 것을 특징으로 하는 방법.
  18. 청구항 12에 있어서, 경계 조건 조율을 결정하는 것은 전산된 혈류 특징 및 복수의 해부학적 위치에서 각 환자의 혈류 특징의 침습성으로 획득된 치수 사이에 차이를 감소시키기 위해 개별 경계 조건을 조율하는 경계 조건 조율 특징을 결정하는 것을 포함하는 것을 특징으로 하는 방법.
  19. 청구항 12에 있어서, 경계 조건 조율 특징은 전산된 혈류 특징을 계산하기 위해 파라미터를 변경하는 것을 특징으로 하는 방법.
  20. 청구항 2에 있어서, 방법은 경계 조건 조율 특징을 시험 풀 환자 데이터에 적용함으로써 경계 조건 조율 특징의 정확도를 결정하는 것을 더욱 포함하는 것을 특징으로 하는 시스템.
  21. 환자에 대한 심혈관 정보를 결정하기 위한 방법을 수행하기 위한 컴퓨터-실행가능한 프로그램 명령을 내포하는 최소한 하나의 컴퓨터 시스템에서 이용을 위한 비-일시적인 컴퓨터 판독가능 매체에 있어서, 상기 방법은 다음을 포함하는 것을 특징으로 하는 비-일시적인 컴퓨터 판독가능 매체:
    복수의 환자 각각에 대한 데이터를 회수하고, 상기 데이터는 혈류 특징의 침습성으로 획득된 치수 및 최소한 부분적으로, 개별 경계 조건에 근거하여 전산된 혈류 특징을 포함하고; 그리고
    전산된 혈류 특징을 각 환자의 혈류 특징의 침습성으로 획득된 치수와 반복적으로 비교함으로써 경계 조건 조율 특징을 결정함.
  22. 청구항 1에 있어서, 경계 조건 조율 특징을 결정하는 것은 전산된 혈류 특징 및 각 환자의 혈류 특징의 침습성으로 획득된 치수 사이에 차이를 감소시키기 위해 개별 경계 조건을 조율하는 경계 조건 조율 특징을 결정하는 것을 포함하는 것을 특징으로 하는 시스템.
  23. 청구항 2에 있어서, 데이터는 복수의 해부학적 위치에서 혈류 특징의 침습성으로 획득된 치수, 그리고 복수의 해부학적 위치에서 최소한 부분적으로 개별 경계 조건 모형에 근거하여 각 환자에 대한 상응하는 전산된 혈류 특징을 더욱 포함하는 것을 특징으로 하는 시스템.
  24. 청구항 22에 있어서, 경계 조건 조율 특징을 결정하는 것은 복수의 해부학적 위치 각각에 대한 독특한 경계 조건 조율 특징을 결정하는 것을 포함하는 것을 특징으로 하는 비-일시적인 컴퓨터 판독가능 매체.
  25. 청구항 22에 있어서, 방법은 경계 조건 조율 특징을 저장하는 것을 더욱 포함하는 것을 특징으로 하는 비-일시적인 컴퓨터 판독가능 매체.
  26. 청구항 22에 있어서, 방법은 추가 환자의 혈류 특징을 전산적으로 분석하기 위한 환자-특이적 경계 조건 모형을 산출하고 이용하기 위해 경계 조건 조율 특징을 적용하는 것을 더욱 포함하는 것을 특징으로 하는 비-일시적인 컴퓨터 판독가능 매체.
  27. 청구항 26에 있어서, 환자 특이적 경계 조건 모형은 대동맥의 최소한 일부, 그리고 대동맥의 부분으로부터 발산하는 복수의 관상 동맥 중에서 최소한 일부에서 경계를 나타내는 것을 특징으로 하는 비-일시적인 컴퓨터 판독가능 매체.
  28. 청구항 22에 있어서, 경계 조건 조율을 결정하는 것은 전산된 혈류 특징 및 복수의 해부학적 위치에서 각 환자의 혈류 특징의 침습성으로 획득된 치수 사이에 차이를 감소시키기 위해 개별 경계 조건을 조율하는 경계 조건 조율 특징을 결정하는 것을 포함하는 것을 특징으로 하는 비-일시적인 컴퓨터 판독가능 매체.
  29. 청구항 22에 있어서, 경계 조건 조율 특징은 전산된 혈류 특징을 계산하기 위해 파라미터를 변경하는 것을 특징으로 하는 비-일시적인 컴퓨터 판독가능 매체.
  30. 청구항 22에 있어서, 방법은 경계 조건 조율 특징을 시험 풀 환자 데이터에 적용함으로써 경계 조건 조율 특징의 정확도를 결정하는 것을 더욱 포함하는 것을 특징으로 하는 비-일시적인 컴퓨터 판독가능 매체.

KR1020167005404A 2013-07-30 2014-07-30 최적화된 진단적 성과를 위한 경계 조건에서 혈류를 모형화하기 위한 방법과 시스템 KR102297136B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020217027271A KR102380008B1 (ko) 2013-07-30 2014-07-30 최적화된 진단적 성과를 위한 경계 조건에서 혈류를 모형화하기 위한 방법과 시스템

Applications Claiming Priority (5)

Application Number Priority Date Filing Date Title
US201361860138P 2013-07-30 2013-07-30
US61/860,138 2013-07-30
US14/447,195 2014-07-30
PCT/US2014/048947 WO2015017571A1 (en) 2013-07-30 2014-07-30 Method and system for modeling blood flow with boundary conditions for optimized diagnostic performance
US14/447,195 US9913616B2 (en) 2013-07-30 2014-07-30 Method and system for modeling blood flow with boundary conditions for optimized diagnostic performance

Related Child Applications (1)

Application Number Title Priority Date Filing Date
KR1020217027271A Division KR102380008B1 (ko) 2013-07-30 2014-07-30 최적화된 진단적 성과를 위한 경계 조건에서 혈류를 모형화하기 위한 방법과 시스템

Publications (2)

Publication Number Publication Date
KR20160038038A true KR20160038038A (ko) 2016-04-06
KR102297136B1 KR102297136B1 (ko) 2021-09-03

Family

ID=52428289

Family Applications (2)

Application Number Title Priority Date Filing Date
KR1020217027271A KR102380008B1 (ko) 2013-07-30 2014-07-30 최적화된 진단적 성과를 위한 경계 조건에서 혈류를 모형화하기 위한 방법과 시스템
KR1020167005404A KR102297136B1 (ko) 2013-07-30 2014-07-30 최적화된 진단적 성과를 위한 경계 조건에서 혈류를 모형화하기 위한 방법과 시스템

Family Applications Before (1)

Application Number Title Priority Date Filing Date
KR1020217027271A KR102380008B1 (ko) 2013-07-30 2014-07-30 최적화된 진단적 성과를 위한 경계 조건에서 혈류를 모형화하기 위한 방법과 시스템

Country Status (8)

Country Link
US (3) US9913616B2 (ko)
EP (1) EP3028196B1 (ko)
JP (1) JP6215469B2 (ko)
KR (2) KR102380008B1 (ko)
CN (2) CN108992058A (ko)
AU (2) AU2014296238B2 (ko)
CA (1) CA2919714C (ko)
WO (1) WO2015017571A1 (ko)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2022031015A1 (ko) * 2020-08-04 2022-02-10 이에이트 주식회사 Lbm 기반의 혈류 시뮬레이션 장치, 방법 및 컴퓨터 프로그램
WO2023132392A1 (ko) * 2022-01-07 2023-07-13 이에이트 주식회사 입자 기반의 시뮬레이션을 통해 경동맥에서의 혈류 특성을 분석하는 방법 및 시스템

Families Citing this family (89)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20140236547A1 (en) * 2013-02-15 2014-08-21 Siemens Aktiengesellschaft Patient-specific automated tuning of boundary conditions for distal vessel tree
EP3062248A1 (en) * 2015-02-27 2016-08-31 Pie Medical Imaging BV Method and apparatus for quantitative flow analysis
JP2018515167A (ja) * 2015-04-02 2018-06-14 ハートフロー， インコーポレイテッド 血管網と潅流組織の機能的関連性を特定し可視化するシステム及び方法
EP3278254A1 (en) 2015-04-02 2018-02-07 HeartFlow, Inc. Systems and methods for predicting tissue viability deficits from physiological, anatomical, and patient characteristics
EP3277169B1 (en) * 2015-04-02 2021-07-07 HeartFlow, Inc. Systems and methods for estimating virtual perfusion images
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
EP3282936B1 (en) * 2015-04-17 2020-08-19 HeartFlow, Inc. Systems and methods for assessment of tissue function based on vascular disease
WO2016170076A1 (en) * 2015-04-21 2016-10-27 Frey Dietmar Method for simulating blood flow in the cerebral vascular tree
US10201321B2 (en) * 2015-07-10 2019-02-12 The Regents Of The University Of California Low-dose CT perfusion technique
JP6679709B2 (ja) 2015-07-17 2020-04-15 ハートフロー， インコーポレイテッド 造影剤分布予測及び測定を使用してプラーク及び／または狭窄性病変の重症度を評価するシステム及び方法
US11094058B2 (en) 2015-08-14 2021-08-17 Elucid Bioimaging Inc. Systems and method for computer-aided phenotyping (CAP) using radiologic images
US11676359B2 (en) 2015-08-14 2023-06-13 Elucid Bioimaging Inc. Non-invasive quantitative imaging biomarkers of atherosclerotic plaque biology
US11087459B2 (en) 2015-08-14 2021-08-10 Elucid Bioimaging Inc. Quantitative imaging for fractional flow reserve (FFR)
US11113812B2 (en) 2015-08-14 2021-09-07 Elucid Bioimaging Inc. Quantitative imaging for detecting vulnerable plaque
US10176408B2 (en) 2015-08-14 2019-01-08 Elucid Bioimaging Inc. Systems and methods for analyzing pathologies utilizing quantitative imaging
US11071501B2 (en) 2015-08-14 2021-07-27 Elucid Bioiwaging Inc. Quantitative imaging for determining time to adverse event (TTE)
WO2017093337A1 (en) * 2015-12-02 2017-06-08 Siemens Healthcare Gmbh Personalized assessment of patients with acute coronary syndrome
GB201522133D0 (en) * 2015-12-15 2016-01-27 Univ Sheffield Apparatus and method for determining coronary physiology
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
EP3228245B1 (en) * 2016-04-05 2021-05-26 Siemens Healthcare GmbH Determining arterial wall property with blood flow model
US20170325770A1 (en) * 2016-05-13 2017-11-16 General Electric Company Methods for personalizing blood flow models
WO2018031663A1 (en) * 2016-08-10 2018-02-15 Heartflow, Inc. Systems and methods for modeling nutrient transport and/or predicting weight change
CN106073750B (zh) * 2016-08-29 2023-07-28 廖晓莉 心室供血异常检测装置及心脏脉波数据的间接采集处理方法
CN107788965A (zh) * 2016-09-05 2018-03-13 京东方科技集团股份有限公司 一种血压的确定方法及装置
EP3512416B1 (en) 2016-09-16 2023-11-08 Koninklijke Philips N.V. Apparatus and method for determining a fractional flow reserve
US10507005B2 (en) * 2016-09-22 2019-12-17 General Electric Company Spectral calibration of spectral computed tomography (CT)
JP6981807B2 (ja) * 2016-10-04 2021-12-17 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、ｘ線ｃｔ装置、医用情報処理プログラム、医用情報処理方法及び医用情報処理システム
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
DE102016222102A1 (de) * 2016-11-10 2018-05-17 Siemens Healthcare Gmbh Behandlungsplanung für eine Stenose in einem Gefäßsegment anhand einer virtuellen hämodynamischen Analyse
US11202612B2 (en) * 2016-11-28 2021-12-21 Canon Medical Systems Corporation Medical image-processing apparatus, X-ray CT apparatus, and medical image-processing method performing fluid analysis to switch displayed color information
US10510171B2 (en) * 2016-11-29 2019-12-17 Biosense Webster (Israel) Ltd. Visualization of anatomical cavities
EP3333738A1 (en) * 2016-12-06 2018-06-13 Fujitsu Limited Streakline visualization apparatus, method, and program
JP6741252B2 (ja) * 2016-12-06 2020-08-19 富士通株式会社 流脈線可視化装置、流脈線可視化方法、および流脈線可視化プログラム
JP7077319B2 (ja) 2016-12-23 2022-05-30 ハートフロー， インコーポレイテッド 解剖学的モデルパラメータの機械学習
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
CN110573842B (zh) * 2017-01-26 2021-05-11 达索系统西姆利亚公司 基于流体占据时间的多相流可视化图
JP6653673B2 (ja) 2017-02-28 2020-02-26 富士フイルム株式会社 血流解析装置および方法並びにプログラム
US10725452B2 (en) * 2017-03-13 2020-07-28 Technion Research & Development Foundation Limited Systems and methods for manufacturing of microstructures
US10810793B2 (en) * 2017-03-13 2020-10-20 Technion Research & Development Foundation Limited Microstructures and porous geometry modeling
US20200034968A1 (en) * 2017-03-31 2020-01-30 Koninklijke Philips N.V. Spectral imaging ffr
EP3602485B1 (en) 2017-03-31 2023-10-11 Koninklijke Philips N.V. Interaction monitoring of non-invasive imaging based ffr
WO2018185040A1 (en) * 2017-04-06 2018-10-11 Koninklijke Philips N.V. Standardized coronary artery disease metric
CN111033635B (zh) * 2017-08-30 2024-01-30 皇家飞利浦有限公司 基于模型和成像数据的冠状动脉健康状态预测
EP3456248A1 (en) * 2017-09-14 2019-03-20 Koninklijke Philips N.V. Hemodynamic parameters for co-registration
EP3457404A1 (en) * 2017-09-18 2019-03-20 Koninklijke Philips N.V. Estimating flow to vessel bifurcations for simulated hemodynamics
US11871995B2 (en) 2017-12-18 2024-01-16 Hemolens Diagnostics Sp. Z O.O. Patient-specific modeling of hemodynamic parameters in coronary arteries
WO2019126372A1 (en) * 2017-12-20 2019-06-27 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
US11714040B2 (en) 2018-01-10 2023-08-01 Dassault Systemes Simulia Corp. Determining fluid flow characteristics of porous mediums
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
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
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
US11389130B2 (en) 2018-05-02 2022-07-19 Siemens Healthcare Gmbh System and methods for fast computation of computed tomography based fractional flow reserve
EP3564963A1 (en) * 2018-05-02 2019-11-06 Siemens Healthcare GmbH System and methods for fast computation of computed tomography based fractional flow reserve
CN108550189A (zh) * 2018-05-03 2018-09-18 苏州润迈德医疗科技有限公司 基于造影图像和流体力学模型的微循环阻力指数计算方法
AU2019305055A1 (en) * 2018-07-20 2021-03-11 University Of Louisville Research Foundation, Inc. Method and system for assessing a coronary stenosis
US11530598B2 (en) 2018-08-21 2022-12-20 Dassault Systemes Simulia Corp. Determination of oil removed by gas via miscible displacement in reservoir rock
CN109259751B (zh) * 2018-08-27 2022-03-11 杭州晟视科技有限公司 一种评估血流储备分数的方法及装置、设备、存储介质
WO2020044523A1 (ja) * 2018-08-30 2020-03-05 オリンパス株式会社 記録装置、画像観察装置、観察システム、観察システムの制御方法、及び観察システムの作動プログラム
CN109363651A (zh) * 2018-09-19 2019-02-22 苏州润迈德医疗科技有限公司 一种用于测量血流储备分数时获取主动脉压的装置
CN109363661B (zh) * 2018-09-25 2022-02-01 杭州晟视科技有限公司 血流储备分数确定系统、方法、终端及存储介质
CN111227821B (zh) * 2018-11-28 2022-02-11 苏州润迈德医疗科技有限公司 基于心肌血流量和ct图像的微循环阻力指数计算方法
US11127138B2 (en) * 2018-11-20 2021-09-21 Siemens Healthcare Gmbh Automatic detection and quantification of the aorta from medical images
US20220015730A1 (en) * 2018-11-28 2022-01-20 Koninklijke Philips N.V. Most relevant x-ray image selection for hemodynamic simulation
CN113423330A (zh) * 2019-01-06 2021-09-21 科瓦诺斯股份有限公司 静息状态舒张血液动力学信息的非侵入性确定
US10813612B2 (en) 2019-01-25 2020-10-27 Cleerly, Inc. Systems and method of characterizing high risk plaques
CN109907826A (zh) * 2019-04-12 2019-06-21 江西省人民医院 基于3d模型和vr技术的冠状动脉疾病模拟诊疗系统
US20220237864A1 (en) * 2019-06-26 2022-07-28 The Regents Of The University Of California Reduced order model for computing blood flow dynamics
US11657920B2 (en) 2019-07-08 2023-05-23 Koninklijke Philips N.V. Dynamic and locally-faithful explanation of machine learning models for precision medicine
JP2022543330A (ja) 2019-08-05 2022-10-12 エルシド バイオイメージング インコーポレイテッド 形態学的および血管周囲疾患の複合評価
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
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
US11501436B2 (en) 2020-01-07 2022-11-15 Cleerly, Inc. Systems, methods, and devices for medical image analysis, diagnosis, risk stratification, decision making and/or disease tracking
CN111241759B (zh) * 2020-01-13 2024-03-26 北京工业大学 一种基于零维血流动力学模型的ffr快速计算方法
CN115348840A (zh) * 2020-03-27 2022-11-15 泰尔茂株式会社 程序、信息处理方法、信息处理装置及模型生成方法
US11847391B2 (en) 2020-06-29 2023-12-19 Dassault Systemes Simulia Corp. Computer system for simulating physical processes using surface algorithm
US20230329793A1 (en) 2020-09-04 2023-10-19 Hi-D Imaging Ag Patient-tailored hemodynamics analysis for the planning of a heart valve implantation
CN112233810B (zh) * 2020-10-20 2021-11-23 武汉华大基因科技有限公司 一种基于真实世界临床数据的治疗方案综合疗效评估方法
CN112381780B (zh) * 2020-11-11 2021-04-20 上海市第六人民医院 一种冠脉微循环状况评估装置及方法
US11907625B2 (en) 2020-12-29 2024-02-20 Dassault Systemes Americas Corp. Computer simulation of multi-phase and multi-component fluid flows including physics of under-resolved porous structures
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
CN112932423A (zh) * 2021-01-25 2021-06-11 中山大学附属第八医院（深圳福田） 基于体外反搏干预下心脑血管疾病预测方法及系统、设备
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
CN112541303A (zh) * 2021-02-07 2021-03-23 杭州晟视科技有限公司 一种残留血液百分比的测量方法、装置及存储介质
CN113052956B (zh) * 2021-03-19 2023-03-10 安翰科技(武汉)股份有限公司 基于胶囊内窥镜构建阅片模型的方法、设备及介质
CN113539516A (zh) * 2021-07-07 2021-10-22 深圳睿心智能医疗科技有限公司 治疗方案的应用后效果的获取方法及装置
CN114077803B (zh) * 2021-11-22 2024-03-26 西安交通大学 一种等几何粒子流体动力学方法
US20230289963A1 (en) 2022-03-10 2023-09-14 Cleerly, Inc. Systems, devices, and methods for non-invasive image-based plaque analysis and risk determination

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2012021307A2 (en) * 2010-08-12 2012-02-16 Heartflow, Inc. Method and system for patient-specific modeling of blood flow

Family Cites Families (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6461870B2 (en) * 1998-05-06 2002-10-08 Isotechnika Inc. 13C glucose breath test for the diagnosis of diabetic indications and monitoring glycemic control
US6236878B1 (en) 1998-05-22 2001-05-22 Charles A. Taylor Method for predictive modeling for planning medical interventions and simulating physiological conditions
US20030216654A1 (en) * 2002-05-07 2003-11-20 Weichao Xu Bayesian discriminator for rapidly detecting arrhythmias
JP4269623B2 (ja) * 2002-10-07 2009-05-27 株式会社 東北テクノアーチ 血流可視化診断装置
JP5397705B2 (ja) * 2007-12-03 2014-01-22 グリッピングハート・アクチボラゲット 状態機械のユーザインターフェースシステムおよび検証インターフェースシステム
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
US20100130878A1 (en) 2008-11-24 2010-05-27 General Electric Company Systems, apparatus and processes for automated blood flow assessment of vasculature
CN101515266A (zh) * 2009-02-19 2009-08-26 浙江大学 一种利用计算机对心脏运动序列图像的处理方法
US9405886B2 (en) 2009-03-17 2016-08-02 The Board Of Trustees Of The Leland Stanford Junior University Method for determining cardiovascular information
GB2479340A (en) * 2010-03-10 2011-10-12 Imp Innovations Ltd Method and apparatus for the measurement of a fluid flow restriction in a vessel
US9119540B2 (en) * 2010-09-16 2015-09-01 Siemens Aktiengesellschaft Method and system for non-invasive assessment of coronary artery disease
US20130023798A1 (en) * 2011-07-20 2013-01-24 Intel-Ge Care Innovations Llc Method for body-worn sensor based prospective evaluation of falls risk in community-dwelling elderly adults

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2012021307A2 (en) * 2010-08-12 2012-02-16 Heartflow, Inc. Method and system for patient-specific modeling of blood flow

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2022031015A1 (ko) * 2020-08-04 2022-02-10 이에이트 주식회사 Lbm 기반의 혈류 시뮬레이션 장치, 방법 및 컴퓨터 프로그램
KR20220017227A (ko) * 2020-08-04 2022-02-11 이에이트 주식회사 Lbm 기반의 혈류 시뮬레이션 장치, 방법 및 컴퓨터 프로그램
WO2023132392A1 (ko) * 2022-01-07 2023-07-13 이에이트 주식회사 입자 기반의 시뮬레이션을 통해 경동맥에서의 혈류 특성을 분석하는 방법 및 시스템

Also Published As

Publication number Publication date
KR102380008B1 (ko) 2022-03-29
US10939828B2 (en) 2021-03-09
US20150038860A1 (en) 2015-02-05
CN108992058A (zh) 2018-12-14
US9913616B2 (en) 2018-03-13
JP6215469B2 (ja) 2017-10-18
CA2919714C (en) 2018-04-10
AU2017200000B2 (en) 2019-03-28
CN105580019A (zh) 2016-05-11
AU2014296238A1 (en) 2016-02-25
JP2016528975A (ja) 2016-09-23
WO2015017571A1 (en) 2015-02-05
AU2017200000A1 (en) 2017-02-02
CA2919714A1 (en) 2015-02-05
KR20210111325A (ko) 2021-09-10
CN105580019B (zh) 2018-09-14
EP3028196A1 (en) 2016-06-08
US20180140258A1 (en) 2018-05-24
AU2014296238B2 (en) 2016-10-06
EP3028196B1 (en) 2017-11-15
KR102297136B1 (ko) 2021-09-03
US20210153749A1 (en) 2021-05-27

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
US20210153749A1 (en) Method and system for processing electronic images for boundary condition optimization

Legal Events

Date Code Title Description
A201 Request for examination
E902 Notification of reason for refusal
E701 Decision to grant or registration of patent right