KR20180008134A - 분획 혈류 예비력 예측 방법 - Google Patents

분획 혈류 예비력 예측 방법 Download PDF

Info

Publication number
KR20180008134A
KR20180008134A KR1020160090027A KR20160090027A KR20180008134A KR 20180008134 A KR20180008134 A KR 20180008134A KR 1020160090027 A KR1020160090027 A KR 1020160090027A KR 20160090027 A KR20160090027 A KR 20160090027A KR 20180008134 A KR20180008134 A KR 20180008134A
Authority
KR
South Korea
Prior art keywords
blood flow
flow reserve
information
reserve
fractional
Prior art date
Application number
KR1020160090027A
Other languages
English (en)
Inventor
장혁재
민경욱
홍영택
Original Assignee
연세대학교 산학협력단
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 연세대학교 산학협력단 filed Critical 연세대학교 산학협력단
Priority to KR1020160090027A priority Critical patent/KR20180008134A/ko
Publication of KR20180008134A publication Critical patent/KR20180008134A/ko

Links

Images

Classifications

    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
    • G16H50/30—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for calculating health indices; for individual health risk assessment
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • 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
    • A61B5/05—Detecting, measuring or recording for diagnosis by means of electric currents or magnetic fields; Measuring using microwaves or radio waves 
    • A61B5/055—Detecting, measuring or recording for diagnosis by means of electric currents or magnetic fields; Measuring using microwaves or radio waves  involving electronic [EMR] or nuclear [NMR] magnetic resonance, e.g. magnetic resonance imaging
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B6/00—Apparatus 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]
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
    • G16H50/50—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for simulation or modelling of medical disorders
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
    • G16H50/70—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for mining of medical data, e.g. analysing previous cases of other patients

Abstract

본 발명은 분획 혈류 예비력 예측 방법에 관한 것으로, 복수의 환자로부터 촬영된 영상에 대한 정량적 분석을 통해 획득하는 심혈관 정보와 실측정된 분획 혈류 예비력 정보를 준비하는 준비단계와 상기 준비단계로부터 심혈관 정보 및 실측정된 분획 혈류 예비력 정보를 제공받아 심혈관 정보와 실측정된 분획 혈류 예비력 정보 사이의 연관 관계를 도출하여 분석 모듈을 생성하는 분석모듈 생성단계와 특정 환자에 대한 기초 정보를 측정하는 기초 정보 측정단계와 상기 기초 정보 측정단계로부터 측정된 기초 정보를 상기 분석모듈 생성단계를 통해 생성된 분석 모듈에 대입하여 특정 환자의 분획 혈류 예비력을 예측하는 예측단계를 포함한다.

Description

분획 혈류 예비력 예측 방법{A METHOD FOR PREDICTING A FRACTIONAL FLOW RESERVE}
본 발명은 분획 혈류 예비력 예측 방법에 관한 것으로서, 보다 상세하게는 환자의 분획 혈류 예비력을 비교적 빠르고 정확하게 예측할 수 있는 분획 혈류 예비력 예측 방법에 관한 것이다.
관상 동맥은 심장의 심근조직으로 혈액을 공급하는 주요 혈관으로써 동맥경화 등에 의해 생성되는 혈관 협착으로 인해 혈액 공급이 제한되고, 궁극적으로 심근경색과 같은 심각한 증상을 초래할 수 있다.
이러한 혈관 질환의 진단 및 치료의 표준 방법으로 침습적 X-선 혈관조영술이 활용되고 있다. 여기서, 침습적 X-선 혈관조영술은 환자의 관상동맥에 조영제를 투입하고, X-선을 조사하여 혈관내 협착(Stenosis)의 정도를 검사한다.
그러나, 관상동맥의 협착의 정도와 심근의 허혈(myocardial ischemia)은 서로 비례하지 않기 때문에 침습적 X-선 혈관조영술과 같은 2차원 혈관조영술로부터 측정된 협착의 정도만으로는 심근이 허혈을 결정짓기가 어렵다.
다시 설명하면, 2차원 영상에서 협착의 정도가 심한 것으로 촬영되더라도 실제 혈류에는 영향을 미치지 않아 심근의 허혈을 유발하지 않는 경우가 있다는 것이다.
따라서, 최근에는 관상동맥 협착으로 인한 심근 허혈을 보다 정확하게 판단하고자 관상동맥내 혈류에 따른 압력을 평가하여 시술을 결정하는 분획 혈류 예비력(Fractional Flow Reverse: FFR)을 이용하고 있다.
여기서, 분획 혈류 예비력은 관상동맥 내부의 압력을 측정할 수 있는 도관(catheter)를 삽입하여 협착 영역의 전후에서의 압력을 측정하며, 분획 혈류 예비력이 0.8 초과면 허혈 증상이 없는 것(non-ischemia disease)으로 판단하고, 0.8 이하면 허혈 증상이 있는 것(ischemia disease)으로 판단한다.
그러나, 이러한 분획 혈류 예비력 또한, 침습적 도관을 혈관 내부로 삽입해야 한다는 방법 자체의 문제가 존재한다.
이러한 문제점을 해결하고자, 최근 비침습적 관상동맥 컴퓨터 단층촬영 혈관조영술(Coronary Computed Tomography Angiography: CCTA)을 이용한 분획 혈류 예비력을 계산하는 방법에 대한 연구가 활발하다.
이는, 전산 유체 역학을 이용한 방법으로서, 비침습적으로 촬영한 컴퓨터 단층촬영 영상으로부터 심장을 영역화(segmentation)하고 유체역학 연산이 가능한 메쉬(mesh)를 생성하여 혈류의 흐름을 계산적으로 예측하는 기술이다.
이러한, 비침습적 관상동맥 컴퓨터 단층촬영 혈관조영술을 이용하는 경우에도 비침습적 방법이라는 장점이 있지만, 정밀한 영역화에 많은 시간과 노동력이 요구되며 유체역학을 수치해석하기 위한 높은 성능의 컴퓨터를 요구한다.
대한민국특허등록공보 제10-1524955호(발명의 명칭: "환자별 혈류 모델링 방법 및 시스템")
따라서, 본 발명의 목적은 이와 같은 종래의 문제점을 해결하기 위한 것으로서, 분획 혈류 예비력에 대한 빠른 결과 도출이 가능한 분획 혈류 예비력 예측 방법을 제공함에 있다.
본 발명의 일 측면에 따르면, 복수의 환자로부터 촬영된 영상에 대한 정량적 분석을 통해 획득하는 심혈관 정보와 실측정된 분획 혈류 예비력 정보를 준비하는 준비단계; 상기 준비단계로부터 심혈관 정보 및 실측정된 분획 혈류 예비력 정보를 제공받아 심혈관 정보와 실측정된 분획 혈류 예비력 정보 사이의 연관 관계를 도출하여 분석 모듈을 생성하는 분석모듈 생성단계; 특정 환자에 대한 기초 정보를 측정하는 기초 정보 측정단계; 상기 기초 정보 측정단계로부터 측정된 기초 정보를 상기 분석모듈 생성단계를 통해 생성된 분석 모듈에 대입하여 특정 환자의 분획 혈류 예비력을 예측하는 예측단계;를 포함하는 분획 혈류 예비력 예측 방법이 제공될 수 있다.
여기서, 상기 분석모듈 생성단계는 선형회귀분석을 통해 수행되는 것이 바람직하다.
또한, 상기 준비단계는, 상기 관상동맥에 대한 혈류역학 시뮬레이션은 환자의 관상동맥에 대한 영상을 촬영하는 영상 촬영 단계; 상기 영상 촬영 단계를 통해 획득한 영상으로부터 관상동맥 영역화를 수행하는 영역화단계; 상기 영역화단계를 통해 영역화된 영상으로부터 비정상 관상동맥을 검출하는 검출단계; 상기 검출단계를 통해 검출된 비정상 관상동맥로부터 심혈관 정보를 분석하는 분석단계;를 포함하는 것이 바람직하다.
또한, 상기 준비단계는, 상기 검출단계를 통해 검출된 비정상 관상동맥의 전후 압력을 측정하여 분획 혈류 예비력을 검출하는 분획 혈류 예비력 검출단계;를 더 포함하는 것이 바람직하다.
또한, 상기 기초 정보 측정단계는, 환자에 대한 임상데이터를 획득하는 임상데이터 획득단계; 환자의 관상동맥에 대한 영상을 촬영하는 촬영 단계;를 포함하는 것이 바람직하다.
또한, 상기 촬영단계는 컴퓨터 단층촬영(Computed Tomography:CT), 선택적 컴퓨터 단층촬영(Selective Computed Tomography) 또는 자기공명영상법(magnetic resonance imaging:MRI)를 이용하여 수행되는 것이 바람직하다.
또한, 상기 기초 정보는, 죽상반의 부피(Plaque Volume), 병변의 길이(Lesion length), 협착 영역의 직경(Diameter Stenosis), 최소 혈관 내경(Minimal Lumen Area) 및 평균 죽상반 부하(Mean Plaque Burden) 중 적어도 어느 하나를 포함하는 것이 바람직하다.
한편, 본 발명의 다른 측면에 따르면, 상기의 방법을 컴퓨터에서 실행시키기 위한 프로그램을 저장한 컴퓨터로 읽을 수 있는 기록매체가 제공될 수 있다.
본 발명에 따르면, 컴퓨터 단층촬영을 수행하지 않고도 환자에 대한 분획 혈류 예비력을 빠르고 정확하게 예측할 수 있다.
또한, 컴퓨터 단층촬영을 수행하지 않을 수 있어 시술 비용에 대한 부담을 해소할 수 있다.
또한, 전문적인 절차를 배제함으로써 분획 혈류 예비력에 대한 비전문가도 용이하게 본 발명을 수행할 수 있다.
도 1은 본 발명의 일실시예에 따른 분획 혈류 예비력 예측 방법을 개략적으로 도시한 순서도이고,
도 2는 도 1에 따른 분획 혈류 예비력 예측 방법에서 준비단계를 개략적으로 도시한 순서도이고,
도 3은 도 2에 따른 준비단계에서 분획 혈류 예비력 측정단계를 개략적으로 도시한 도면이고,
도 4는 도 1에 따른 분획 혈류 예비력 예측 방법에 따른 분석 모듈 생성단계를 통해 생성된 분석 모듈에 대한 그래프를 개략적으로 도시한 그래프이고,
도 5는 도 1에 따른 분획 혈류 예비력 예측 방법에 따른 기초 정보 측정단계에서 영상 및 임상 데이터를 통해 획득한 기초 정보를 개략적으로 도시한 표이다.
이하 본 발명의 바람직한 실시예들의 상세한 설명이 첨부된 도면들을 참조하여 설명될 것이다. 도면들 중 동일한 구성들은 가능한 한 어느 곳에서든지 동일한 부호들을 나타내고 있음을 유의하여야 한다. 이하의 설명에서 구체적인 특정 사항들이 나타나고 있는데, 이는 본 발명의 보다 전반적인 이해를 돕기 위해 제공된 것이다. 그리고 본 발명을 설명함에 있어, 관련된 공지 기능 혹은 구성에 대한 구체적인 설명이 본 발명의 요지를 불필요하게 흐릴 수 있다고 판단되는 경우 그 상세한 설명은 생략한다.
본 명세서에서 사용되는 용어는 본 발명에서의 기능을 고려하면서 가능한 현재 널리 사용되는 일반적인 용어들을 선택하였으나, 이는 본 발명이 속하는 기술 분야에 종사하는 기술자의 의도 또는 판례, 새로운 기술의 출현 등에 따라 달라질 수 있다. 또한, 특정한 경우는 출원인이 임의로 선정한 용어도 있으며, 이 경우 해당되는 본 발명의 설명 부분에서 상세히 그 의미를 기재할 것이다. 따라서 본 명세서에서 사용되는 용어는 단순한 용어의 명칭이 아닌, 그 용어가 가지는 의미와 본 명세서의 전반에 걸친 내용을 토대로 정의되어야 한다.
본 명세서 전체에서 어떤 부분이 어떤 구성요소를 "포함"한다고 할 때, 이는 특별히 반대되는 기재가 없는 한 다른 구성요소를 제외하는 것이 아니라 다른 구성요소를 더 포함할 수 있음을 의미한다. 또한, 명세서에 기재된 "...부", "모듈" 등의 용어는 적어도 하나의 기능이나 동작을 처리하는 단위를 의미하며, 이는 하드웨어 또는 소프트웨어로 구현되거나 하드웨어와 소프트웨어의 결합으로 구현될 수 있다.
도 1은 본 발명의 일실시예에 따른 분획 혈류 예비력 예측 방법을 개략적으로 도시한 순서도이다.
도 1을 참조하면, 본 발명의 일실시예에 따른 분획 혈류 예비력 예측 방법(S100)은 영상을 통해 획득한 정보와 측정된 분획 혈류 예비력 정보를 학습한 결과를 통해 환자의 관상 동맥 영상으로부터 분획 혈류 예비력을 예측할 수 있는 것으로서, 준비단계(S110)와 분석 모듈 생성단계(S120)와 기초 정보 측정단계(S130)와 예측단계(S140)를 포함한다.
상기 준비단계(S110)는 복수의 환자로부터 촬영된 영상에 대한 정량적 분석을 통해 획득하는 심혈관 정보와 실측정된 분획 혈류 예비력 정보를 준비하는 단계이다.
더 자세히 설명하면, 후술할 분석 모듈(M)을 생성하기 위해 요구되는 정보들을 수집하는 단계라고 볼 수 있다.
도 2는 도 1에 따른 분획 혈류 예비력 예측 방법에서 준비단계를 개략적으로 도시한 순서도이다.
도 2를 참조하면, 본 발명의 일실시예에 따른 준비단계(S110)는 영상 촬영 단계(S111)와 영역화단계(S112)와 검출단계(S113)와 분석단계(S114)와 분획 혈류 예비력 측정단계(S115)를 포함할 수 있다.
상기 영상 촬영 단계(S111)는 환자의 관상동맥을 촬영하여 관상동맥에 대한 영상을 획득하는 단계이다.
한편, 본 발명의 일실시예에 따르면 영상 촬영 단계(S111)는 컴퓨터 단층촬영(Computed Tomography:CT), 선택적 컴퓨터 단층촬영(Selective Computed Tomography) 또는 자기공명영상법(magnetic resonance imaging:MRI)를 이용하여 수행될 수 있다.
가령, 영상 촬영 단계(S111)는 컴퓨터 단층촬영(Computed Tomography:CT)으로 수행될 수 있다.
상술한 방법들은 주지한 방법들이므로, 여기서는 자세한 설명은 생략한다.
상기 영역화 단계(S112)는 영상 촬영 단계(S111)를 통해 획득한 컴퓨터 단층촬영 영상으로부터 관상동맥 영역화를 수행하는 단계이다. 여기서, 영역화 단계(S112)는 컴퓨터 단층촬영 영상의 볼륨 렌더링을 통해 가시화하여 영역화를 수행할 수 있다.
상기 검출단계(S113)는 상기 영역화 단계(S112)를 통해 영역화된 관상동맥의 영상으로부터 비정상 관상동맥을 검출한다.
가령, 관상동맥 영역에서 혈관의 진행방향 벡터와 혈관의 중심 좌표를 획득하고, 획득한 진행방향 벡터와 혈관 중심 좌표를 기초로 혈관 단면들을 검사하여 혈관내 면적이 감소하는 부위를 협착이 존재하는 비정상 관상동맥을 판단하여 검출할 수 있다.
물론, 상기와 같은 방법은 비정상 관상동맥을 검출하기 위한 하나의 예로서 다른 방법을 통해 비정상 관상동맥을 검출할 수 있음은 당연하다.
상기 분석단계(S114)는 검출단계(S113)를 통해 검출된 비정상 관상동맥의 분포 영역을 고려하여 심혈관 정보를 분석하는 단계이다.
여기서, 분석되는 심혈관 정보는 죽상반의 부피(Plaque Volume), 병변의 길이(Lesion length), 협착 영역의 직경(Diameter Stenosis), 최소 혈관 내경(Minimal Lumen Area) 및 평균 죽상반 부하(Mean Plaque Burden) 중 적어도 어느 하나를 포함할 수 있다.
상기 분획 혈류 예비력 측정단계(S115)는 환자의 분획 혈류 예비력(Fractional Flow Reserve)을 측정하는 단계이다.
도 3은 도 2에 따른 준비단계에서 분획 혈류 예비력 측정단계를 개략적으로 도시한 도면이다.
여기서, 심근분획혈류예비력(Fractional Flow Reserve)은 혈류충만상태(hyperemic condition)에서 협착 병변이 있는 관상동맥에서의 혈류량에 대한 협착 병변이 없는 정상 관상동맥에서의 혈류량의 비를 나타내는 값으로, 임상에서 환자의 협착 병변의 심근 경색 위험도를 진단하기 위하여 널리 이용되고 있다.
이러한 심근분획혈류예비력(Fractional Flow Reserve)은 실질적으로 혈류량과 압력과의 유체역학적 상관관계를 이용하여 하기의 수식에 따라 구하는 것이 일반적이다.
Figure pat00001
여기서 FFR은 심근분획혈류예비력, Pb는 협착 병변 원위부 압력, Pa는 협착 병변 근위부 압력을 의미한다.
이러한 분획 혈류 예비력(Fractional Flow Reserve)을 구하는 과정에 있어서, 협착병변 근위부 압력(Pa)의 측정은 크게 문제가 되지 않는다.
다만, 환자별로 협착 병변의 크기 및 형상이 상이하기 때문에 협착 병변에 의해 영향을 받게 되는 협착병변 원위부 압력(Pb)를 구하는 것이 문제가 될 수 있으나, 본 발명의 경우 침습적인 방법을 통해 협착병변 원위부 압력(Pb)를 구하게 되나 이에 제한되는 것은 아니다.
가령, 침습적인 방법으로 협착병변 원위부 측에 도관(catheter)을 삽입하고 도관에 구비된 압력 센서를 이용하여 협착병변 원위부의 압력을 직접적으로 측정할 수 있다.
한편, 준비단계(S110)는 다수의 정보들을 정량화시키기 위해 복수의 환자에 대하여 수행되는 것이 바람직하며, 각각의 환자에 대한 심혈관 정보 및 심혈관 정보에 매칭되는 분획 혈류 예비력 정보를 수집하는 것이 바람직하다.
또한, 각각의 환자에 대한 심혈관 정보 뿐만 아니라 각각의 환자에 매칭되는 임상 데이터를 추가적으로 확보하는 것이 바람직하다.
여기서, 각각의 환자에 대한 임상데이터로는 나이, 성별, 체중, 신체질량지수(body mass index), 인종, 당뇨(Diabetes Mellitus), 고혈압(Hypertention), 고지혈증(Hyperlipidemia), 가족력(Family history), 흡연(Smoke) 정도를 포함할 수 있다.
이러한 임상데이터는 후술할 기초 정보 획득단계(S130)에서도 동일하게 적용할 수 있으며 자세한 내용은 후술한다.
상기 분석 모듈 생성단계(S120)는 준비단계(S110)로부터 심혈관 정보 및 실측정 분획 혈류 예비력 정보를 제공받아 분석 모듈을 생성하는 단계이다.
본 발명의 일실시예에 따르면, 분석 모듈(M)은 선형 회귀 분석을 이용하는 것을 특징으로 한다.
여기서, 선형 회귀 분석(linear regression)은 종속 변수와 한 개 이상의 독립 변수와의 선형 상관 관계를 모델링하는 회귀 분석 기법이다.
즉, 한 개 이상의 독립 변수와 종속 변수 사이에 비선형적인 관계가 성립되더라도, 종속 변수(응답 변수)가 독립 변수(예측 변수)와 선형 회귀 계수의 선형 조합으로 표현가능함을 전제로 임의의 다항 함수로 표현하게 된다.
가령, 본 발명의 일실시예에서 종속 변수는 분획 혈류 예비력이 될 수 있고, 독립 변수는 죽상반의 부피(Plaque Volume), 병변의 길이(Lesion length), 협착 영역의 직경(Diameter Stenosis), 최소 혈관 내경(Minimal Lumen Area) 및 평균 죽상반 부하(Mean Plaque Burden) 중 적어도 어느 하나인 심혈관 정보가 될 수 있다.
여기서, 상기에 기재된 정보 이외의 심혈관 정보도 분획 혈류 예비력에 영향을 미칠 수 있다면, 독립 변수에 포함될 수 있음은 당연하며 이에 대해서는 후술한다.
즉, 분석 모듈(M)은 선형 예측 함수를 이용하여 회귀식을 모델링하며, 제공되지 않는 정보들은 회귀식으로부터 추정한다. 즉, 분석 모듈(M)은 분획 혈류 예비력을 추정하기에 적합하도록 선형 회귀를 통해 개발된 예측 모형이라고 볼 수 있다.
구체적인 선형 회귀 분석 방법은 주지하므로 여기서는 자세한 설명을 생략하며, 본 발명의 일실시예에 따르면, Harris Drucker의 "Improving regressors using boosting techniques" 에 개시된 내용을 기초로 하여 분석 모듈(M)을 생성하였으나, 이에 제한되는 것은 아니다.
도 4는 도 1에 따른 분획 혈류 예비력 예측 방법에 따른 분석 모듈 생성단계를 통해 생성된 분석 모듈에 대한 그래프를 개략적으로 도시한 그래프이다.
여기서, 도 4와 같이 분석 모듈(M)은 다항 함수 형태의 그래프로 나타날 수 있으나 이에 제한되는 것은 아니다.
한편, 본 발명의 일실시예에 따른 분석 모듈(M)은 정확한 분획 혈류 예비력의 추정을 위해 적어도 3개의 독립 변수, 더 정확하게는 죽상반의 부피(Plaque Volume), 병변의 길이(Lesion length), 협착 영역의 직경(Diameter Stenosis), 최소 혈관 내경(Minimal Lumen Area) 및 평균 죽상반 부하(Mean Plaque Burden) 중 적어도 어느 3 개를 입력하도록 하나 이에 제한되는 것은 아니다.
한편, 상술한 준비단계(S110)와 분석 모듈 생성단계(S120)를 수행함으로써 비교적 빠르고 정확하게 분획 혈류 예비력을 예측할 수 있는 분석 모듈(M)을 생성할 수 있다.
여기서, 준비단계(S110)와 분석 모듈 생성단계(S120)는 계속적으로 수행될 수 있다.
즉, 준비단계(S110)를 통해 심혈관 정보와 측정된 분획 혈류 예비력 정보를 계속적으로 누적시킬 수 있고, 누적된 데이터에 대하여 분석 모듈(M)을 계속적으로 변형시킬 수 있다.
다시 설명하면, 후술할 기초데이터 측정단계(S130)를 수행하기에 앞서, 준비단계(S110)와 분석 모듈 생성단계(S120)는 계속적으로 수행될 수 있으며, 적어도 준비단계(S110)는 계속적으로 수행되는 것이 바람직하다.
상기 기초데이터 획득단계(S130)는 환자로부터 획득할 수 있으며, 상술한 분석 모듈(M)에 입력할 기초데이터를 획득하는 단계이다.
여기서, 기초데이터 획득단계(S130)의 대상이 되는 환자는 분획 혈류 예비력을 측정하고자 하는 대상을 말하므로, 준비단계(S110)에서 언급되는 환자와는 다르다.
본 발명의 일실시예에 있어서, 기초데이터 획득단계(S130)는 임상데이터 획득단계(S131)와 촬영단계(S132)를 포함할 수 있다.
상기 임상데이터 획득단계(S131)는 환자에 대한 임상데이터를 획득하는 단계이다.
여기서, 환자의 임상데이터로는 나이, 성별, 체중, 신체질량지수(body mass index), 인종, 당뇨(Diabetes Mellitus), 고혈압(Hypertention), 고지혈증(Hyperlipidemia), 가족력(Family history), 흡연(Smoke) 정도를 포함할 수 있다.
또한, 환자의 혈류 데이터를 포함할 수 있고, 환자의 혈류 데이터는 관상동맥으로의 혈류량, 수축기 및 이완기 시의 혈압을 포함할 수 있다.
물론, 상기와 같은 데이터에 제한되는 것은 아니며, 분획 혈류 예비력을 유추할 수 있는 모든 데이터를 포함할 수 있는 것은 당연하다.
상기 촬영단계(S132)는 환자의 관상동맥을 촬영하여 관상동맥에 대한 영상을 획득하는 단계이다.
한편, 본 발명의 일실시예에 따르면 촬영단계(S132)는 컴퓨터 단층촬영(Computed Tomography:CT), 선택적 컴퓨터 단층촬영(Selective Computed Tomography) 또는 자기공명영상법(magnetic resonance imaging:MRI)를 이용하여 수행될 수 있으며, 관상동맥에 대한 3차원 영상을 획득한다.
물론, 2차원 영상을 획득할 수 있으나, 분획 혈류 예비력의 정확한 예측을 위하여 3차원 영상을 획득하는 것이 바람직하다.
본 발명의 일실시예에서 촬영단계(S132)는 컴퓨터 단층촬영(Computed Tomography:CT)으로 수행될 수 있으며, 더 나아가 촬영된 이미지에 대하여 볼륨 렌더링 가시화를 수행할 수 있다.
상술한 방법들은 주지한 방법들이므로, 여기서는 촬영단계(S132)에 대한 자세한 설명은 생략한다.
한편, 상술한 촬영 단계(S132)를 통해서 추출할 수 있는 기초 정보는 죽상반의 부피(Plaque Volume), 병변의 길이(Lesion length), 협착 영역의 직경(Diameter Stenosis), 최소 혈관 내경(Minimal Lumen Area) 및 평균 죽상반 부하(Mean Plaque Burden) 중 적어도 어느 하나를 포함할 수 있다.
즉, 영상으로부터 추출할 수 있는 기초 정보는 상술한 분석 모듈(M)에 입력되는 정보와 실질적으로 동일하며, 이러한 기초 정보를 통해 특정 환자의 분획 혈류 예비력을 예측할 수 있는 것이다.
더욱이, 분석 모듈(M)의 독립 변수인 심혈관 정보의 구체적인 정보가 필요에 따라 수정될 필요가 있을 수 있으며, 기초 정보 또한 이에 대응하여 수정될 수 있음은 당연하다.
도 5는 도 1에 따른 분획 혈류 예비력 예측 방법에 따른 기초 정보 측정단계에서 영상으로부터 획득한 병변에 대한 정량적 정보 및 임상 정보의 중요도를 개략적으로 도시한 표이다.
도 5에서 도시된 것과 같이, 심근 허혈과 연관된 것으로 알려진 인자들을 모두 사용할 수 있으며, 필요에 따라 각각의 인자들에 대하여 심근 허혈에 영향을 미치는 정도를 고려하여 각각의 요인들의 중요도를 판단할 수 있다.
바람직하게는, 심근 허혈에 영향을 미치는 순서대로 각각의 요인들을 정렬하고, 이들 요인 중 심근 허혈에 영향을 미치지 않는 요인들은 독립 변수로부터 제거하여 분석 모듈(M)의 최적화를 추구할 수 있다.
다시 설명하면, 본 발명의 일실시예에 따른 기초 정보 획득단계(S130)에서 획득하는 기초 정보는 환자에 대한 임상 정보로부터 획득할 수 있는 정보와 환자의 관상동맥으로부터 촬영된 영상으로부터 획득할 수 있는 정보를 모두 포함하는 개념이다.
상기 예측단계(S140)는 분석 모듈 생성단계(S120)를 통해 생성된 분석 모듈(M)에 기초정보 측정단계(S130)를 통해 측정된 기초 정보를 입력함으로써 환자의 분획 혈류 예비력을 추정하는 단계이다.
상술한 본 발명의 일 실시 예들은 컴퓨터에서 실행될 수 있는 프로그램으로 작성가능하고, 컴퓨터로 판독 가능한 기록매체를 이용하여 상기 프로그램을 동작시키는 범용 디지털 컴퓨터에서 구현될 수 있다.
컴퓨터 판독 가능 매체는 컴퓨터에 의해 액세스될 수 있는 임의의 가용 매체일 수 있고, 휘발성 및 비휘발성 매체, 분리형 및 비분리형 매체를 모두 포함한다. 또한, 컴퓨터 판독가능 매체는 컴퓨터 저장 매체 및 통신 매체를 모두 포함할 수 있다. 컴퓨터 저장 매체는 컴퓨터 판독가능 명령어, 데이터 구조, 프로그램 모듈 또는 기타 데이터와 같은 정보의 저장을 위한 임의의 방법 또는 기술로 구현된 휘발성 및 비휘발성, 분리형 및 비분리형 매체를 모두 포함한다. 통신 매체는 전형적으로 컴퓨터 판독가능 명령어, 데이터 구조, 프로그램 모듈, 또는 반송파와 같은 변조된 데이터 신호의 기타 데이터, 또는 기타 전송 메커니즘을 포함하며, 임의의 정보 전달 매체를 포함한다.
전술한 본 발명의 설명은 예시를 위한 것이며, 본 발명이 속하는 기술분야의 통상의 지식을 가진 자는 본 발명의 기술적 사상이나 필수적인 특징을 변경하지 않고서 다른 구체적인 형태로 쉽게 변형이 가능하다는 것을 이해할 수 있을 것이다. 그러므로 이상에서 기술한 실시예들은 모든 면에서 예시적인 것이며 한정적이 아닌 것으로 이해해야만 한다. 예를 들어, 단일형으로 설명되어 있는 각 구성 요소는 분산되어 실시될 수도 있으며, 마찬가지로 분산된 것으로 설명되어 있는 구성 요소들도 결합된 형태로 실시될 수 있다.
본 발명의 범위는 상기 상세한 설명보다는 후술하는 특허청구범위에 의하여 나타내어지며, 특허청구범위의 의미 및 범위 그리고 그 균등 개념으로부터 도출되는 모든 변경 또는 변형된 형태가 본 발명의 범위에 포함되는 것으로 해석되어야 할 것이다.
S100: 분획 혈류 예비력의 예측 방법
S110: 준비단계
S120: 분석 모듈 생성단계
S130: 기초 정보 획득단계
S140: 예측단계

Claims (8)

  1. 분획 혈류 예비력 예측 방법으로서,
    복수의 환자로부터 촬영된 영상에 대한 정량적 분석을 통해 획득하는 심혈관 정보와 실측정된 분획 혈류 예비력 정보를 준비하는 준비단계;
    상기 준비단계로부터 심혈관 정보 및 실측정된 분획 혈류 예비력 정보를 제공받아 심혈관 정보와 실측정된 분획 혈류 예비력 정보 사이의 연관 관계를 도출하여 분석 모듈을 생성하는 분석모듈 생성단계;
    특정 환자에 대한 기초 정보를 측정하는 기초 정보 측정단계; 및
    상기 기초 정보 측정단계로부터 측정된 기초 정보를 상기 분석모듈 생성단계를 통해 생성된 분석 모듈에 대입하여 특정 환자의 분획 혈류 예비력을 예측하는 예측단계
    를 포함하는,
    분획 혈류 예비력 예측 방법.
  2. 제 1 항에 있어서,
    상기 분석모듈 생성단계는 선형회귀분석을 통해 수행되는,
    분획 혈류 예비력 예측 방법.
  3. 제 1 항에 있어서,
    상기 준비단계는,
    상기 관상동맥에 대한 혈류역학 시뮬레이션은 환자의 관상동맥에 대한 영상을 촬영하는 영상 촬영 단계;
    상기 영상 촬영 단계를 통해 획득한 영상으로부터 관상동맥 영역화를 수행하는 영역화단계;
    상기 영역화단계를 통해 영역화된 영상으로부터 비정상 관상동맥을 검출하는 검출단계; 및
    상기 검출단계를 통해 검출된 비정상 관상동맥로부터 심혈관 정보를 분석하는 분석단계
    를 포함하는,
    분획 혈류 예비력 예측 방법.
  4. 제 3 항에 있어서,
    상기 준비단계는,
    상기 검출단계를 통해 검출된 비정상 관상동맥의 전후 압력을 측정하여 분획 혈류 예비력을 검출하는 분획 혈류 예비력 검출단계를 더 포함하는,
    분획 혈류 예비력 예측 방법.
  5. 제 1 항에 있어서,
    상기 기초 정보 측정단계는, 환자에 대한 임상데이터를 획득하는 임상데이터 획득단계; 환자의 관상동맥에 대한 영상을 촬영하는 촬영 단계를 포함하는,
    분획 혈류 예비력 예측 방법.
  6. 제 5 항에 있어서,
    상기 촬영단계는 컴퓨터 단층촬영(Computed Tomography:CT), 선택적 컴퓨터 단층촬영(Selective Computed Tomography) 또는 자기공명영상법(magnetic resonance imaging:MRI)를 이용하여 수행되는,
    분획 혈류 예비력 예측 방법.
  7. 제 5 항에 있어서,
    상기 기초 정보는, 죽상반의 부피(Plaque Volume), 병변의 길이(Lesion length), 협착 영역의 직경(Diameter Stenosis), 최소 혈관 내경(Minimal Lumen Area) 및 평균 죽상반 부하(Mean Plaque Burden) 중 적어도 어느 하나를 포함하는,
    분획 혈류 예비력 예측 방법.
  8. 제 1 항 내지 제 7 항 중 어느 한 항에 기재된 방법을 컴퓨터에서 실행시키기 위한 프로그램을 저장한 컴퓨터로 읽을 수 있는 기록매체.
KR1020160090027A 2016-07-15 2016-07-15 분획 혈류 예비력 예측 방법 KR20180008134A (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020160090027A KR20180008134A (ko) 2016-07-15 2016-07-15 분획 혈류 예비력 예측 방법

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020160090027A KR20180008134A (ko) 2016-07-15 2016-07-15 분획 혈류 예비력 예측 방법

Publications (1)

Publication Number Publication Date
KR20180008134A true KR20180008134A (ko) 2018-01-24

Family

ID=61029260

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020160090027A KR20180008134A (ko) 2016-07-15 2016-07-15 분획 혈류 예비력 예측 방법

Country Status (1)

Country Link
KR (1) KR20180008134A (ko)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102009840B1 (ko) * 2018-03-19 2019-08-12 한림대학교 산학협력단 인공신경망(ann)을 이용하여 지속적 혈류역학적 이상(phd)를 예측하는 방법 및 장치
WO2021045459A1 (ko) * 2019-09-03 2021-03-11 고려대학교 산학협력단 Mri를 이용한 뇌혈관 예비능 측정방법
KR20210092963A (ko) * 2020-01-17 2021-07-27 세종대학교산학협력단 기계 학습 기반의 분획혈류예비력 예측 방법

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102009840B1 (ko) * 2018-03-19 2019-08-12 한림대학교 산학협력단 인공신경망(ann)을 이용하여 지속적 혈류역학적 이상(phd)를 예측하는 방법 및 장치
WO2021045459A1 (ko) * 2019-09-03 2021-03-11 고려대학교 산학협력단 Mri를 이용한 뇌혈관 예비능 측정방법
KR20210092963A (ko) * 2020-01-17 2021-07-27 세종대학교산학협력단 기계 학습 기반의 분획혈류예비력 예측 방법

Similar Documents

Publication Publication Date Title
US10803994B2 (en) Vascular flow assessment
CN110367965B (zh) 便捷测量冠状动脉血管评定参数的方法、装置及系统
CN107730540B (zh) 基于高精度匹配模型的冠脉参数的计算方法
US11694339B2 (en) Method and apparatus for determining blood velocity in X-ray angiography images
US7587074B2 (en) Method and system for identifying optimal image within a series of images that depict a moving organ
CN108348206B (zh) 用于无创血流储备分数(ffr)的侧支流建模
US10052032B2 (en) Stenosis therapy planning
US11195278B2 (en) Fractional flow reserve simulation parameter customization, calibration and/or training
JP2017534378A (ja) 血流量及び灌流量のマルチスペクトル画像化によって得られる信号を使用して血行動態パラメータを決定する方法、システム、及びコンピュータプログラム製品
CN109688908B (zh) 用于确定血流储备分数的装置和方法
EP3244790B1 (en) Instantaneous wave-free ratio (ifr) computer tomography (ct)
CN108471994B (zh) 移动ffr模拟
US20190076196A1 (en) Vessel geometry and additional boundary conditions for hemodynamic ffr/ifr simulations from intravascular imaging
JP2014511713A (ja) かん流比較及び定量化のためのデータの動的正規化
KR20180008134A (ko) 분획 혈류 예비력 예측 방법
KR20170090284A (ko) 협착 병변의 수학적 모델링을 이용한 심혈관 정보 결정 방법
KR101967226B1 (ko) 관상동맥 분지관의 체적을 이용한 혈류 역학 모델링 방법
KR102078622B1 (ko) 협착 병변의 수학적 모델링을 이용한 심혈관 정보 결정 방법
US20220335612A1 (en) Automated analysis of image data to determine fractional flow reserve
JP2024500769A (ja) Ｏｃｔによる流量測定
KR20180023359A (ko) 심근 체적의 분할을 이용한 혈류 역학 시뮬레이션 방법

Legal Events

Date Code Title Description
A201 Request for examination
E902 Notification of reason for refusal
E601 Decision to refuse application