KR20180077140A - Method for determining cardiovascular information using mathematical modeling of stenosed lesion - Google Patents
Method for determining cardiovascular information using mathematical modeling of stenosed lesion Download PDFInfo
- Publication number
- KR20180077140A KR20180077140A KR1020180074914A KR20180074914A KR20180077140A KR 20180077140 A KR20180077140 A KR 20180077140A KR 1020180074914 A KR1020180074914 A KR 1020180074914A KR 20180074914 A KR20180074914 A KR 20180074914A KR 20180077140 A KR20180077140 A KR 20180077140A
- Authority
- KR
- South Korea
- Prior art keywords
- cardiovascular information
- lesion
- stenotic lesion
- coronary artery
- mathematical
- Prior art date
Links
- 230000003902 lesion Effects 0.000 title claims abstract description 107
- 230000002526 effect on cardiovascular system Effects 0.000 title claims abstract description 64
- 238000000034 method Methods 0.000 title claims abstract description 45
- 238000013178 mathematical model Methods 0.000 claims abstract description 46
- 210000004351 coronary vessel Anatomy 0.000 claims abstract description 30
- 238000004088 simulation Methods 0.000 claims abstract description 29
- 238000005259 measurement Methods 0.000 claims abstract description 12
- 230000002966 stenotic effect Effects 0.000 claims description 68
- 208000031481 Pathologic Constriction Diseases 0.000 claims description 31
- 230000036262 stenosis Effects 0.000 claims description 21
- 208000037804 stenosis Diseases 0.000 claims description 21
- 230000017531 blood circulation Effects 0.000 claims description 17
- 238000002591 computed tomography Methods 0.000 claims description 12
- 238000003384 imaging method Methods 0.000 claims description 6
- 238000010801 machine learning Methods 0.000 claims description 5
- 238000002595 magnetic resonance imaging Methods 0.000 claims description 5
- 230000035487 diastolic blood pressure Effects 0.000 claims description 4
- 230000035488 systolic blood pressure Effects 0.000 claims description 4
- 238000002360 preparation method Methods 0.000 claims description 3
- 230000002107 myocardial effect Effects 0.000 abstract description 6
- 230000000004 hemodynamic effect Effects 0.000 abstract description 5
- 230000010412 perfusion Effects 0.000 abstract description 2
- 210000004204 blood vessel Anatomy 0.000 description 11
- 239000008280 blood Substances 0.000 description 3
- 210000004369 blood Anatomy 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 238000012545 processing Methods 0.000 description 3
- 230000036772 blood pressure Effects 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 208000010125 myocardial infarction Diseases 0.000 description 2
- 206010003210 Arteriosclerosis Diseases 0.000 description 1
- 206010057469 Vascular stenosis Diseases 0.000 description 1
- 239000008186 active pharmaceutical agent Substances 0.000 description 1
- 208000011775 arteriosclerosis disease Diseases 0.000 description 1
- 230000036770 blood supply Effects 0.000 description 1
- 230000000747 cardiac effect Effects 0.000 description 1
- 238000005094 computer simulation Methods 0.000 description 1
- 238000003745 diagnosis Methods 0.000 description 1
- 230000010339 dilation Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000000544 hyperemic effect Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 210000004165 myocardium Anatomy 0.000 description 1
- 210000004197 pelvis Anatomy 0.000 description 1
- 238000009877 rendering Methods 0.000 description 1
- 230000003746 surface roughness Effects 0.000 description 1
- 208000024891 symptom Diseases 0.000 description 1
- 230000007723 transport mechanism Effects 0.000 description 1
- 238000012800 visualization Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
- G16H50/50—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for simulation or modelling of medical disorders
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/0033—Features or image-related aspects of imaging apparatus classified in A61B5/00, e.g. for MRI, optical tomography or impedance tomography apparatus; arrangements of imaging apparatus in a room
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/02—Detecting, measuring or recording pulse, heart rate, blood pressure or blood flow; Combined pulse/heart-rate/blood pressure determination; Evaluating a cardiovascular condition not otherwise provided for, e.g. using combinations of techniques provided for in this group with electrocardiography or electroauscultation; Heart catheters for measuring blood pressure
- A61B5/02007—Evaluating blood vessel condition, e.g. elasticity, compliance
- A61B5/02014—Determining aneurysm
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/02—Detecting, measuring or recording pulse, heart rate, blood pressure or blood flow; Combined pulse/heart-rate/blood pressure determination; Evaluating a cardiovascular condition not otherwise provided for, e.g. using combinations of techniques provided for in this group with electrocardiography or electroauscultation; Heart catheters for measuring blood pressure
- A61B5/026—Measuring blood flow
- A61B5/0261—Measuring blood flow using optical means, e.g. infrared light
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/05—Detecting, measuring or recording for diagnosis by means of electric currents or magnetic fields; Measuring using microwaves or radio waves
- A61B5/055—Detecting, measuring or recording for diagnosis by means of electric currents or magnetic fields; Measuring using microwaves or radio waves involving electronic [EMR] or nuclear [NMR] magnetic resonance, e.g. magnetic resonance imaging
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B6/00—Apparatus 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
-
- 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
-
- G06F15/18—
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
Abstract
Description
본 발명은 협착 병변의 수학적 모델링을 이용한 심혈관 정보 결정 방법에 관한 것으로서, 보다 상세하게는 수학적 모델링을 통해 협착 병변의 형상을 간소화한 상태로 혈류 모델링을 수행할 수 있는 협착 병변의 수학적 모델링을 이용한 심혈관 정보 결정 방법에 관한 것이다.The present invention relates to a cardiovascular information determination method using mathematical modeling of stenosis lesions, and more particularly, to a cardiovascular information determination method using mathematical modeling of stenotic lesions capable of performing blood flow modeling with simplified stenotic lesion shape through mathematical modeling. And a method for determining information.
관상 동맥은 심장의 심근조직으로 혈액을 공급하는 주요 혈관으로써 동맥경화 등에 의해 생성되는 혈관 협착으로 인해 혈액 공급이 제한되고, 궁극적으로 심근경색과 같은 심각한 증상을 초래할 수 있다. Coronary arteries are the main blood vessels supplying blood to the cardiac myocardium of the heart. Vascular stenosis caused by arteriosclerosis or the like can restrict blood supply and ultimately cause serious symptoms such as myocardial infarction.
이러한 협착부 병변의 심각도에 대한 보다 정확한 진단을 위해 심근분획혈류예비력(Fractional Flow Reserve:FFR) 진단 인자에 대한 정보가 중요한 역할을 가진다.For more accurate diagnosis of the severity of these lesions, information on the Fractional Flow Reserve (FFR) diagnostic factors plays an important role.
여기서, 심근분획혈류예비력(Fractional Flow Reserve)은 혈류충만상태(hyperemic condition)에서 협착 병변이 있는 관상동맥에서의 혈류량에 대한 협착 병변이 없는 정상 관상동맥에서의 혈류량의 비를 나타내는 값으로, 임상에서 환자의 협착 병변의 심근 경색 위험도를 진단하기 위하여 널리 이용되고 있다.Here, Fractional Flow Reserve represents the ratio of blood flow in normal coronary arteries without stenotic lesions to blood flow in coronary arteries with stenotic lesions in hyperemic condition. It is widely used to diagnose the risk of myocardial infarction in patients with stenotic lesions.
이러한 심근분획혈류예비력(Fractional Flow Reserve)은 실질적으로 혈류량과 압력과의 유체역학적 상관관계를 이용하여 하기의 수식에 따라 구하는 것이 일반적이다.Such Fractional Flow Reserve is generally obtained by the following equation using the hydrodynamic correlation between blood flow and pressure.
여기서 FFR은 심근분획혈류예비력, Pd는 협착 병변 원위부 압력, Pa는 협착 병변 근위부 압력을 의미한다.FFR is the reserve blood flow reserve, Pd is the distal pressure of the stenosis, and Pa is the pressure of the proximal stenosis.
이러한 심근분획혈류예비력(Fractional Flow Reserve)을 구하는 과정에 있어서, 협착병변 근위부 압력(Pa)를 구하는 것은 큰 문제가 없으나, 환자별로 협착 병변의 크기 및 형상이 상이하기 때문에 협착 병변에 의해 영향을 받게 되는 협착병변 원위부 압력(Pb)를 구하는 것이 문제가 된다.In this procedure, there is no major problem in obtaining the proximal pressure (Pa) of the stenotic lesion in the process of obtaining the fractional flow reserve. However, since the size and shape of the stenotic lesion are different in each patient, It is a problem to obtain the distal pressure Pb of the stenotic lesion.
종래에는 침습적인 방법으로 협착병변 원위부 측에 카테터를 삽입하여 카테터에 구비된 압력 센서를 이용하여 직접 협착병변 원위부의 압력을 측정하였다. 그러나, 이러한 방법은 환자에게 위험을 초래할 수 있으며, 시술비용이 상당하다는 문제점이 존재한다.Conventionally, the catheter was inserted into the distal portion of the stenotic lesion in an invasive manner and the pressure at the distal portion of the stenotic lesion was measured using a pressure sensor provided in the catheter. However, such a method may cause a risk to the patient, and there is a problem that the cost of the treatment is considerable.
이에, 비침습적인 방법으로 환자의 관상동맥에 대한 3차원 영상을 추출하고 이를 기반으로 혈류역학 시뮬레이션을 수행함으로써 협착 병변 주위의 압력 및 유동장을 구하여 협착병변 원위부의 압력을 추정할 수 있으나, 매우 복잡한 작업 및 컴퓨터 처리 시간을 요구하게 된다는 문제점이 존재한다.Therefore, it is possible to estimate the pressure at the distal portion of the stenotic lesion by calculating the pressure and flow field around the stenotic lesion by extracting the 3D image of the patient's coronary artery using the noninvasive method and performing hemodynamic simulation based on the extracted 3D image. There is a problem that it requires time for processing and computer processing.
따라서, 본 발명의 목적은 이와 같은 종래의 문제점을 해결하기 위한 것으로서, 환자의 협착 병변을 단순화시키는 수학적 모델링을 수행함으로써 신속하게 심혈관 정보를 획득할 수 있는 협착 병변의 수학적 모델링을 이용한 심혈관 정보 결정 방법을 제공함에 있다.SUMMARY OF THE INVENTION Accordingly, it is an object of the present invention to provide a cardiovascular information determination method using mathematical modeling of a stenotic lesion capable of rapidly acquiring cardiovascular information by performing mathematical modeling that simplifies a stenosis lesion of a patient .
본 발명의 일 측면에 따르면, 관상동맥에 대한 영상을 포함하는 환자의 기초데이터를 획득하는 기초데이터 획득단계; 상기 관상동맥에 대한 영상으로부터 협착 병변의 기하학적인 형상 인자를 측정하는 형상 인자 측정단계; 상기 기하학적인 형상 인자를 이용하여 협착 병변에 대한 수학적 모델을 생성하는 수학적 모델 생성단계; 상기 기초데이터 및 상기 수학적 모델을 이용하여 혈류역학 시뮬레이션을 수행하는 시뮬레이션 단계; 상기 시뮬레이션단계로부터 환자의 심근 분획 혈류 예비력을 포함하는 심혈관 정보를 획득하는 심혈관 정보 획득단계;를 포함하는 협착 병변의 수학적 모델링을 이용한 심혈관 정보 결정 방법이 제공될 수 있다.According to an aspect of the present invention, there is provided a blood pressure monitor comprising: a basic data acquiring step of acquiring basic data of a patient including an image of a coronary artery; Measuring a geometrical factor of the stenotic lesion from the image of the coronary artery; A mathematical model generation step of generating a mathematical model for a stricture lesion using the geometrical shape factor; A simulation step of performing hemodynamic simulation using the basic data and the mathematical model; And a cardiovascular information acquiring step of acquiring cardiovascular information including the blood flow reserve of the patient's myocardial fraction from the simulation step, and a cardiovascular information determination method using mathematical modeling of a stenotic lesion.
한편, 본 발명의 다른 측면에 따르면, 기하학적인 형상 인자 중 적어도 어느 하나를 변수로 하여 기생성된 관상동맥의 기하학적 형상의 수학적 모델에 대하여 시뮬레이션을 수행하여 획득한 심혈관 정보를 데이터베이스에 저장하는 준비단계; 관상동맥에 대한 영상을 포함하는 환자의 기초데이터를 획득하는 기초데이터 획득단계; 상기 관상동맥에 대한 영상으로부터 협착 병변의 기하학적인 형상 인자를 측정하는 형상 인자 측정단계; 상기 형상 인자 측정단계로부터 측정된 협착 병변의 기하학적인 형상 인자에 대응되는 수학적 모델 및 상기 기초데이터를 이용하여 상기 데이터베이스로부터 심혈관 정보를 추출하는 심혈관 정보 획득단계;를 포함하는 협착 병변의 수학적 모델링을 이용한 심혈관 정보 결정 방법이 제공될 수 있다.According to another aspect of the present invention, there is provided a method for storing a cardiovascular information acquired by performing a simulation on a mathematical model of a geometric shape of a coronary artery, which has been generated using at least one of geometric shape parameters, ; A basic data acquiring step of acquiring basic data of a patient including an image of a coronary artery; Measuring a geometrical factor of the stenotic lesion from the image of the coronary artery; A mathematical model corresponding to the geometric shape factor of the stenotic lesion measured from the shape factor measurement step and a cardiovascular information acquisition step of extracting cardiovascular information from the database using the basic data, A method for determining cardiovascular information can be provided.
여기서, 상기 준비단계는, 기하학적인 형상 인자 중 적어도 어느 하나를 변수로 하여 관상동맥의 기하학적인 형상의 수학적 모델을 복수개 생성하는 수학적 모델 생성단계; 상기 복수개의 수학적 모델에 대하여 각각 시뮬레이션을 수행하여 각각의 수학적 모델에 대응되는 심혈관 정보를 획득하는 시뮬레이션단계; 상기 시뮬레이션단계를 통해 획득한 심혈관 정보를 상기 데이터베이스에 저장하는 저장단계;를 포함하는 것이 바람직하다.The preparing step may include a mathematical model generating step of generating a plurality of mathematical models of the geometrical shape of the coronary artery using at least one of the geometrical shape parameters as a variable; A simulation step of performing simulation for each of the plurality of mathematical models to obtain cardiovascular information corresponding to each mathematical model; And storing the acquired cardiovascular information in the database through the simulation step.
또한, 상기 기초데이터 획득단계는, 환자에 대한 임상데이터를 획득하는 임상데이터 획득단계; 환자의 관상동맥에 대한 영상을 촬영하는 촬영단계;를 포함하는 바람직하다.Further, the basic data acquiring step may include: a clinical data acquiring step of acquiring clinical data on a patient; And a photographing step of photographing the coronary artery of the patient.
또한, 상기 임상데이터 획득단계는 혈류량, 관상동맥의 수축기 압력 및 관상동맥의 이완기 혈압 중 적어도 어느 하나를 포함하는 것이 바람직하다.In addition, the step of acquiring clinical data preferably includes at least one of blood flow volume, systolic pressure of the coronary artery, and diastolic blood pressure of the coronary artery.
또한, 상기 촬영단계는 컴퓨터 단층촬영(Computed Tomography:CT), 선택적 컴퓨터 단층촬영(Selective Computed Tomography) 또는 자기공명영상법(magnetic resonance imaging:MRI)를 이용하여 수행되는 것이 바람직하다.It is preferable that the imaging step is performed using a computed tomography (CT), a selective computed tomography (CT), or a magnetic resonance imaging (MRI).
또한, 상기 기하학적인 형상 인자는, 협착 병변 근위부 축소 구간에서의 혈관 직경 축소비, 협착 병변 원위부 확장 구간에서의 혈관 직경 확장비, 상기 협착 병변 근위부와 상기 협착 병변 원위부 사이의 간격, 혈관 직경 기준 협착도, 협착 병변 형상의 상대 거칠기 및 협착 병변의 편심도 중 적어도 어느 하나를 포함하는 것이 바람직하다.In addition, the geometrical shape factor may be selected from the group consisting of a vessel diameter reduction ratio in a proximal portion of a stenotic lesion, an enlargement ratio of a vessel diameter in a distal portion of a stenotic lesion, a distance between the proximal portion of the stenotic lesion and a distal portion of the stenotic lesion, The relative roughness of the stenotic lesion shape and the eccentricity of the stenotic lesion.
또한, 상기 심혈관 정보 획득단계는 머신 러닝(Machine Learning)에 의하여 수행되는 것이 바람직하다.In addition, the step of acquiring cardiovascular information is preferably performed by machine learning.
한편, 본 발명의 또 다른 측면에 따르면, 제1항 내지 제3항 중 어느 한 항에 기재된 방법을 컴퓨터에서 실행시키기 위한 프로그램을 저장한 컴퓨터로 읽을 수 있는 기록매체에 의해 달성될 수 있다.According to another aspect of the present invention, there is provided a computer-readable recording medium storing a program for causing a computer to execute the method according to any one of claims 1 to 3.
본 발명에 따르면, 환자별 협착 병변의 형상 및 유량 인자에 따라 비침습적으로 빠르게 심혈관 정보를 획득할 수 있다.According to the present invention, cardiovascular information can be quickly acquired non-invasively according to the shape and flow rate of the stenotic lesion of each patient.
또한, 심혈관 정보를 획득하는 시간 대비 정확도를 현저히 향상시킬 수 있다.In addition, the time to accuracy of acquiring cardiovascular information can be significantly improved.
도 1은 본 발명의 제1실시예에 따른 협착 병변의 수학적 모델링을 이용한 심혈관 정보 결정 방법을 개략적으로 도시한 순서도이고,
도 2는 도 1에 따른 협착 병변의 수학적 모델링을 이용한 심혈관 정보 결정 방법의 형상 인자 측정단계에서 협착 병변으로부터 기하학적 형상 인자를 추출하는 모습을 개략적으로 도시한 도면이고,
도 3은 도 1에 따른 협착 병변의 수학적 모델링을 이용한 심혈관 정보 결정 방법의 수학적 모델 생성단계에서 협착 병변의 수학적 모델을 개략적으로 도시한 도면이고,
도 4는 본 발명의 제2실시예에 따른 협착 병변의 수학적 모델링을 이용한 심혈관 정보 결정 방법을 개략적으로 도시한 순서도이다.FIG. 1 is a flowchart schematically showing a cardiovascular information determination method using mathematical modeling of a stricture lesion according to a first embodiment of the present invention,
FIG. 2 is a view schematically illustrating a method of extracting a geometric shape factor from a stenotic lesion in a shape factor measurement step of a cardiovascular information determination method using mathematical modeling of a stenotic lesion according to FIG. 1,
FIG. 3 is a diagram schematically illustrating a mathematical model of a stenosis lesion in a mathematical model generation step of a cardiovascular information determination method using mathematical modeling of a stenotic lesion according to FIG. 1,
FIG. 4 is a flowchart schematically illustrating a cardiovascular information determination method using mathematical modeling of a stenosed lesion according to a second embodiment of the present invention.
설명에 앞서, 여러 실시예에 있어서, 동일한 구성을 가지는 구성요소에 대해서는 동일한 부호를 사용하여 대표적으로 제1실시예에서 설명하고, 그 외의 실시예에서는 제1실시예와 다른 구성에 대해서 설명하기로 한다.Prior to the description, components having the same configuration are denoted by the same reference numerals as those in the first embodiment. In other embodiments, configurations different from those of the first embodiment will be described do.
이하, 첨부한 도면을 참조하여 본 발명의 제1실시예에 따른 협착 병변의 수학적 모델링을 이용한 심혈관 정보 결정 방법에 대하여 상세하게 설명한다. 각 도면에 제시된 동일한 참조부호는 동일한 부재를 나타낸다.Hereinafter, a method for determining cardiovascular information using mathematical modeling of a stricture lesion according to a first embodiment of the present invention will be described in detail with reference to the accompanying drawings. Like reference symbols in the drawings denote like elements.
도 1은 본 발명의 제1실시예에 따른 협착 병변의 수학적 모델링을 이용한 심혈관 정보 결정 방법을 개략적으로 도시한 순서도이다.FIG. 1 is a flowchart schematically illustrating a cardiovascular information determination method using mathematical modeling of a stricture lesion according to a first embodiment of the present invention.
도 1을 참조하면, 본 발명의 제1실시예에 따른 협착 병변의 수학적 모델링을 이용한 심혈관 정보 결정 방법(S100)은 환자로부터 획득하는 기초데이터를 이용하여 환자의 협착 병변 형상을 수학적 모델로 단순화시킨 후 혈류역학 시뮬레이션을 수행하는 것으로서, 기초데이터 획득단계(S110)와 형상 인자 측정단계(S120)와 수학적 모델 생성단계(S130)와 시뮬레이션 단계(S140)와 심혈관 정보 획득단계(S150)를 포함한다.Referring to FIG. 1, a method 100 for determining cardiovascular information using mathematical modeling of a stricture lesion according to the first embodiment of the present invention includes: And includes a basic data acquisition step S110, a shape parameter measurement step S120, a mathematical model generation step S130, a simulation step S140, and a cardiovascular information acquisition step S150.
상기 기초데이터 획득단계(S110)는 환자로부터 획득할 수 있으며, 심혈관 정보 획득에 필요한 기초데이터를 획득하는 단계이다.The basic data acquisition step (S110) can be obtained from the patient and is a step of acquiring basic data necessary for acquiring cardiovascular information.
본 발명의 제1실시예에 있어서, 기초데이터 획득단계(S110)는 임상데이터 획득단계(S111)와 촬영단계(S112)를 포함할 수 있다.In the first embodiment of the present invention, the basic data acquisition step (S110) may include the clinical data acquisition step (S111) and the imaging step (S112).
상기 임상데이터 획득단계(S1111)는 환자에 대한 임상데이터를 획득하는 단계이다. 여기서, 환자의 임상데이터로는 환자의 혈류 데이터를 포함할 수 있고, 환자의 혈류 데이터는 관상동맥으로의 혈류량, 수축기 및 이완기 시의 혈압을 포함할 수 있다.The step of acquiring clinical data (S1111) is a step of acquiring clinical data for the patient. Here, the clinical data of the patient may include blood flow data of the patient, and the blood flow data of the patient may include blood flow to the coronary artery, systolic and diastolic blood pressure.
물론, 상기와 같은 데이터에 제한되는 것은 아니며, 심혈관 정보를 획득하기 위해 요구되는 모든 데이터를 포함할 수 있는 것은 당연하다.Of course, the present invention is not limited to the above-described data, and it is natural that all the data required to acquire cardiovascular information can be included.
상기 촬영단계(S112)는 환자의 관상동맥을 촬영하여 관상동맥에 대한 영상을 획득하는 단계이다.The photographing step S112 is a step of photographing a coronary artery of a patient to acquire an image of a coronary artery.
한편, 본 발명의 제1실시예에 따르면 촬영단계(S112)는 컴퓨터 단층촬영(Computed Tomography:CT), 선택적 컴퓨터 단층촬영(Selective Computed Tomography) 또는 자기공명영상법(magnetic resonance imaging:MRI)를 이용하여 수행될 수 있다.According to the first exemplary embodiment of the present invention, the imaging step S112 may be performed using computed tomography (CT), selective computed tomography (MRI) or magnetic resonance imaging . ≪ / RTI >
가령, 촬영단계(S112)는 컴퓨터 단층촬영(Computed Tomography:CT)으로 수행될 수 있으며, 더 나아가 촬영된 이미지에 대하여 볼륨 렌더링 가시화를 수행할 수 있다. For example, the imaging step S112 may be performed by computed tomography (CT), and further, volume rendering visualization may be performed on the imaged image.
상술한 방법들은 주지한 방법들이므로, 여기서는 촬영단계(S112)에 대한 자세한 설명은 생략한다.Since the above-described methods are well-known methods, detailed description of the shooting step S112 is omitted here.
상기 형상 인자 측정단계(S120)는 상술한 기초데이터 획득단계(S110)를 통해서 획득한 기초데이터 중에서 적어도 환자의 관상동맥에 대한 영상을 이용하여 협착 병변의 기하학적인 형상 인자를 측정하는 단계이다.The shape factor measurement step S120 is a step of measuring a geometric shape factor of the stricture lesion using at least the image of the coronary artery of the patient among the basic data acquired through the basic data acquisition step S110 described above.
여기서, 협착 병변의 기하학적인 형상 인자라 함은 협착 병변의 근위부 및 원위부 사이에서의 압력 손실에 직접적으로 영향을 미칠 수 있는 혈관 형상 인자를 의미할 수 있다.Here, the geometric shape factor of the stenotic lesion may refer to a blood vessel shape factor that may directly affect the pressure loss between the proximal and distal portions of the stenotic lesion.
도 2는 도 1에 따른 협착 병변의 수학적 모델링을 이용한 심혈관 정보 결정 방법의 형상 인자 측정단계에서 협착 병변으로부터 기하학적 형상 인자를 추출하는 모습을 개략적으로 도시한 도면이다.FIG. 2 is a diagram schematically illustrating a method of extracting a geometric shape factor from a stricture lesion in a shape factor measurement step of a cardiovascular information determination method using mathematical modeling of a stricture lesion according to FIG.
도 2를 참조하면, 기하학적인 형상 인자는, 협착 병변 근위부 축소 구간에서의 혈관 직경 축소비, 협착 병변 원위부 확장 구간에서의 혈관 직경 확장비, 협착 병변 중앙부(C) 구간 길이(Lcs), 혈관 직경 기준 협착도, 협착 병변 형상의 상대 거칠기 및 협착 병변의 편심도 중 적어도 어느 하나를 포함할 수 있다.Referring to FIG. 2, the geometrical shape factor is defined as the diameter reduction ratio in the proximal narrowing section of the stenotic lesion, the enlargement ratio of the vessel diameter in the distal extension section of the stenotic lesion, the section length (Ccs) May also include at least one of the relative roughness of the stenotic lesion shape and the eccentricity of the stenotic lesion.
여기서, 협착 병변 근위부(P)는 협착 병변에서 혈류가 유입되는 입구 부위라 정의할 수 있고, 협착 병변의 중앙부(C)는 협착 병변에서 죽상반(P)에 의해 혈관 직경이 감소된 상태로 일정하게 유지되는 구간으로 정의할 수 있고, 협착 병변 원위부(D)는 협착 병변에서 혈류가 배출되는 출구 부위라 정의할 수 있다.In this case, the proximal portion (P) of the stenotic lesion can be defined as the inlet portion into which the blood flow is introduced in the stenotic lesion, and the central portion (C) of the stenotic lesion is a stenotic lesion (D) can be defined as an exit site where blood flow is discharged from a stricture lesion.
상기 협착 병변 근위부(P) 축소 구간에서의 혈관 직경 축소비는 협착 병변 근위부(P)를 마주보는 협착 병변의 중앙부(C)의 일단에서 협착 병변 근위부(P)까지 혈관 직경의 축소가 선형적으로 이루어지는 것으로 전제하여 표현한 것으로, 하기의 수식에 따른다.The reduction ratio of the diameter of the vessel in the narrowing section of the narrowing lesion P is linearly reduced from the one end of the central part C of the narrowing lesion facing the narrowing lesion P to the narrowing lesion proximal part P And is based on the following formula.
여기서, Kc는 협착 병변 근위부(P) 축소 구간에서의 혈관 직경 축소비를 의미하고, D는 혈관의 직경, d는 죽상반에 의한 감소된 혈관의 직경, Lps는 협착 병변의 중앙부(C)와 협착 병변 근위부(P) 사이의 간격을 의미한다.Where D is the diameter of the blood vessel, d is the diameter of the reduced vessel due to the proximal part of the vessel, L ps is the central portion of the stenosis (C) and And the distance between the proximal portion (P) of the stenosis lesion.
상기 협착 병변 원위부(D) 확장 구간에서의 혈관 직경 확장비는 협착 병변 원위부(D)를 마주보는 협착 병변의 중앙부(C)의 타단에서 협착 병변 원위부(D)까지 혈관 직경의 확장이 선형적으로 이루어지는 것으로 전제하여 표현한 것으로, 하기의 수식에 따른다. The dilation ratio of the vessel diameter in the distal section of the stenotic lesion D is linear in the extent of the vessel diameter from the other end of the central section C of the stenotic lesion facing the distal section D to the distal section of the stenotic lesion D, And is based on the following formula.
여기서, Ke는 협착 병변 근위부(D) 확장 구간에서의 혈관 직경 확장비를 의미하고, D는 혈관의 직경, d는 죽상반에 의한 감소된 혈관의 직경, Lds는 협착 병변의 중앙부(C)와 협착 병변 원위부(D) 사이의 간격을 의미한다.Where D is the diameter of the vessel, d is the diameter of the reduced vessel due to the proximal part of the vessel, L ds is the central portion of the vessel (C) and And the distance between the stenotic lesion distal portion (D).
상기 협착 병변 중앙부(C) 구간 길이(Lcs)는 협착 병변에서 죽상반(P)에 의해 혈관 직경이 감소된 상태로 일정하게 유지되는 구간의 길이를 의미한다.The length Lcs of the central portion C of the stenotic lesion means the length of a section of the stenotic lesion where the diameter of the vessel is kept constant by the pelvis P.
상기 혈관 직경 기준 협착도는 혈관 직경에 대비하여 협착 병변의 협착된 정도를 의미하는 것으로 하기의 수식에 따른다.The diameter-based stenosis refers to the degree of stenosis of the stenotic lesion in comparison with the diameter of the blood vessel.
여기서, DS는 혈관 직경 기준 협착도, D는 혈관의 직경, d는 죽상반에 의한 감소된 혈관의 직경을 의미한다.Here, DS means diameter-based stenosis, D means the diameter of the blood vessel, and d means the diameter of the blood vessel reduced by the sacrum.
상기 협착부 형상의 상대 거칠기는 혈관 내면의 거칠기를 죽상반에 의해 감소된 혈관의 직경으로 나눈 값을 의미하며, 하기의 수식에 따른다.The relative roughness of the constriction shape means a value obtained by dividing the roughness of the inner surface of the blood vessel by the diameter of the blood vessel reduced by the upper half of the vessel, and is according to the following equation.
여기서, ε은 혈관 내벽면의 표면 거칠기, d는 죽상반에 의한 감소된 혈관의 직경을 의미한다.Where epsilon is the surface roughness of the inner wall of the vessel, and d is the diameter of the reduced vessel due to the proximal part of the vessel.
상기 협착 병변의 편심도는 혈관 직경에 대비하여 협착 병변이 혈관 중심으로부터 일측으로 치우친 정도를 의미하는 것으로 하기의 수식에 따른다. 이러한 편심도의 크기에 따라 혈류 유동의 비대칭성이 커지게 된다. 가령, 편심도의 크기가 커지면 협착 병변 원위부에서의 유동 및 압력장의 교란이 야기되고 압력 손실이 증가될 수 있다.The eccentricity of the stenotic lesion means the extent to which the stenotic lesion deviates to one side from the center of the blood vessel in comparison to the diameter of the blood vessel. The asymmetry of the blood flow is increased according to the magnitude of the eccentricity. For example, larger eccentricity can cause disturbances in the flow and pressure field in the distal portion of the stenotic lesion and increase pressure loss.
여기서, EC는 협착 병변의 편심도, s는 가상의 정상 혈관 중심선으로부터 협착 병변에서의 중심선까지의 거리, D는 혈관의 지경을 의미한다.Here, EC is the eccentricity of the lesion, s is the distance from the virtual center of the normal vessel to the centerline of the lesion, and D is the diameter of the vessel.
한편, 본 발명의 제1실시예에 따르면 기하학적 형상 인자에 대한 구체적인 예를 제시하였으나 이에 제한되는 것은 아니며, 혈관 형상에 관한 인자라면 모두 포함될 수 있음은 당연하다.In the meantime, according to the first embodiment of the present invention, a specific example of the geometrical shape factor is presented, but it is not limited thereto, and it is natural that any factor related to the shape of the blood vessel may be included.
도 3은 도 1에 따른 협착 병변의 수학적 모델링을 이용한 심혈관 정보 결정 방법의 수학적 모델 생성단계에서 협착 병변의 수학적 모델을 개략적으로 도시한 도면이다.FIG. 3 is a diagram schematically illustrating a mathematical model of a stenosis lesion in a mathematical model generation step of a cardiovascular information determination method using mathematical modeling of a stenotic lesion according to FIG. 1; FIG.
도 3을 참조하면, 상기 수학적 모델 생성단계(S130)는 상술한 기하학적인 형상 인자를 이용하여 환자의 협착 병변에 대한 수학적 모델을 생성하는 단계이다.Referring to FIG. 3, the mathematical model generation step (S130) is a step of generating a mathematical model of the patient's stenosis lesion using the geometric shape factor described above.
상술한 기하학적인 형상 인자를 이용하여 협착 병변에 대한 수학적 모델을 생성하면, 환자의 협착 병변은 사다리꼴 또는 삼각형 등의 도형으로 단순화시킬 수 있다.By creating a mathematical model of a stenotic lesion using the geometric shape parameters described above, the patient's stenotic lesion can be simplified to a shape such as a trapezoid or triangle.
상기 시뮬레이션 단계(S140)는 상술한 기초데이터 획득단계(S110)를 통해 획득한 환자의 기초데이터 및 상술한 수학적 모델 생성단계(S130)를 통해 획득한 환자의 협착 병변에 대한 수학적 모델을 이용하여 혈류역학 시뮬레이션을 수행하는 단계이다.The simulation step S140 may be performed by using the basic data of the patient obtained through the basic data acquisition step S110 and the mathematical model of the patient's stenosis obtained through the mathematical model generation step S130, And performing the dynamic simulation.
즉, 수학적 모델을 통해 환자의 협착 병변을 단순화시키고, 이러한 수학적 모델에 혈류량, 수축기 및 이완기 시의 압력을 포함하는 혈류 조건을 적용함으로써 단기간 내에 혈류역학 시뮬레이션을 수행할 수 있다.That is, a hemodynamic simulation can be performed in a short period of time by simplifying the patient's stenosis lesion through a mathematical model, and applying a blood flow condition including the blood flow volume, systolic and diastolic pressure to the mathematical model.
상기 심혈관 정보 획득단계(S150)는 상기 시뮬레이션 단계(S140)를 통해 획득한 결과로부터 심근 분획 혈류 예비력을 포함하는 심혈관 정보를 획득하는 단계이다.The cardiovascular information acquisition step (S150) is a step of acquiring cardiovascular information including the myocardial fraction blood reserve from the result obtained through the simulation step (S140).
즉, 시뮬레이션 단계(S140)를 통해 협착 병변의 근위부와 원위부 사이에서의 압력 손실값을 계산할 수 있고, 이를 통해 심근 분획 혈류 예비력을 획득할 수 있다.That is, through the simulation step (S140), the pressure loss value between the proximal portion and the distal portion of the stenotic lesion can be calculated, and the reserve blood flow reserve of the myocardial fraction can be obtained.
물론, 시뮬레이션 단계(S140)를 통해 상술한 심근 분획 혈류 예비력에 대해서만 획득하는 것은 아니며, 심근 분획 혈류 예비력 이외의 다른 심혈관 정보, 더 정확하게는 혈류역학 기반의 기능성 정보를 추출할 수 있음은 당연하다.Of course, it is natural that it is possible to extract other cardiovascular information, more precisely, hemodynamic-based functional information other than myocardial fraction blood reserve, rather than acquiring only the above-mentioned myocardial perfusion reserve through the simulation step S140.
다음으로 본 발명의 제2실시예에 따른 협착 병변의 수학적 모델링을 이용한 심혈관 정보 결정 방법에 대하여 설명한다. Next, a method for determining cardiovascular information using mathematical modeling of a stenotic lesion according to a second embodiment of the present invention will be described.
도 4는 본 발명의 제2실시예에 따른 협착 병변의 수학적 모델링을 이용한 심혈관 정보 결정 방법을 개략적으로 도시한 순서도이다.4 is a flowchart schematically illustrating a cardiovascular information determination method using mathematical modeling of a stenotic lesion according to a second embodiment of the present invention.
도 4를 참조하면, 본 발명의 제2실시예에 따른 협착 병변의 수학적 모델링을 이용한 심혈관 정보 결정 방법(S200)는 기하학적인 형상 인자 중 적어도 어느 하나를 변수로 하여 기생성된 협착 병변의 수학적 모델에 대하여 미리 시뮬레이션을 수행하여 데이터베이스화시킨 상태에서 환자의 협착 병변으로부터 추출된 기하학적인 형상 인자와 실질적으로 대비되는 수학적 모델의 시뮬레이션 수치를 데이터베이스로부터 추출할 수 있도록 마련된 것으로서, 준비단계(S210)와 기초데이터 획득단계(S220)와 형상 인자 측정단계(S230)와 심혈관 정보 획득단계(S240)를 포함한다.Referring to FIG. 4, a method 200 for determining cardiovascular information using mathematical modeling of a stricture lesion according to a second embodiment of the present invention includes a mathematical model of a stenotic lesion generated by using at least one of geometric shape parameters as a variable (S210) and the baseline (S210) are prepared so as to be able to extract simulation values of a mathematical model substantially contrasted with a geometrical shape factor extracted from a stenotic lesion of a patient in a state where the simulation is performed in advance in a database A data acquisition step S220, a shape factor measurement step S230, and a cardiovascular information acquisition step S240.
상기 준비단계(S210)는 기하학적인 형상 인자 중 적어도 어느 하나를 변수로 하여 기생성된 관상동맥의 기하학적인 형상의 수학적 모델에 대하여 시뮬레이션을 수행하여 획득한 심혈관 정보를 데이터베이스에 저장하는 단계이다.The preparing step S210 is a step of storing the acquired cardiovascular information in a database by performing a simulation on a mathematical model of a geometric shape of a coronary artery generated using at least one of the geometric shape factors as a variable.
여기서, 기하학적인 형상 인자는 상술한 제1실시예에서 설명하였으므로 여기서는 자세한 설명은 생략한다.Here, since the geometrical shape factor has been described in the first embodiment, detailed description is omitted here.
본 발명의 제2실시예에 따르면, 준비단계(S210)는 수학적 모델 생성단계(S211)와 시뮬레이션 단계(S212)와 저장단계(S213)를 포함할 수 있다.According to the second embodiment of the present invention, the preparation step S210 may include a mathematical model generation step S211, a simulation step S212, and a storage step S213.
상기 수학적 모델 생성단계(S211)는 기하학적인 형상 인자 중 적어도 어느 하나를 변수로 하여 관상동맥의 수학적 모델을 복수개 생성하는 단계이다.The mathematical model generation step S211 is a step of generating a plurality of mathematical models of the coronary artery using at least one of the geometric shape factors as a variable.
즉, 제2실시예에 따른 수학적 모델 생성단계(S211)는 제1실시예와는 달리 환자의 관상동맥의 형상과는 무관한 수학적 모델을 기하학적인 형상 인자 중 적어도 어느 하나를 변수로 하여 무작위로 생성하게 된다.In other words, the mathematical model generation step S211 according to the second embodiment is different from the first embodiment in that a mathematical model irrelevant to the shape of the coronary artery of the patient is randomly selected using at least one of the geometrical shape parameters Respectively.
가령, 협착 병변 근위부 축소 구간에서의 혈관 직경 축소비, 협착 병변 원위부 확장 구간에서의 혈관 직경 확장비, 혈관 직경 기준 협착도, 협착 병변 형상의 상대 거칠기 및 협착 병변의 편심도는 일정한 상수로 유지하되, 협착 병변 중심부 구간 길이를 변경하여 다수의 수학적 모델을 생성할 수 있다.For example, the vessel diameter reduction ratio in the proximal narrowing of the lesion, the enlargement ratio of the vessel diameter in the distal extension of the lesion, the relative diameter of the vessel diameter, the relative roughness of the lesion shape and the eccentricity of the lesion are maintained constant, A plurality of mathematical models can be generated by changing the lesion center section length.
상기 시뮬레이션 단계(S212)는 상술한 수학적 모델 생성단계(S211)를 통해 생성된 복수개의 수학적 모델 각각에 대하여 시뮬레이션을 수행하여 각각의 수학적 모델에 대응되는 심혈관 정보를 획득하는 단계이다.The simulation step S212 is a step of performing a simulation for each of a plurality of mathematical models generated through the mathematical model generation step S211 to acquire cardiovascular information corresponding to each mathematical model.
상기 저장단계(S213)는 상술한 시뮬레이션 단계(S212)를 통해 획득한 심혈관 정보를 데이터베이스에 저장하는 단계이다.The storing step S213 is a step of storing the cardiovascular information acquired through the simulation step S212 in the database.
상기 기초데이터 획득단계(S220) 및 상기 기하학적 형상 인자 측정단계(S230)는 상술한 제1실시예에서 설명한 것과 동일하므로 여기서는 자세한 설명을 생략한다.Since the basic data obtaining step S220 and the geometric shape parameter measuring step S230 are the same as those described in the first embodiment, a detailed description thereof will be omitted here.
상기 심혈관 정보 획득단계(S240)는 기하학적 형상 인자 측정단계(S230)로부터 측정된 환자의 협착 병변에 대한 기하학적인 형상 인자 및 기초데이터 획득단계(S220)를 통해 획득한 기초데이터를 이용하여 준비단계(S210)에서 데이터 베이스에 저장된 심혈관 정보를 추출하는 단계이다.The cardiovascular information acquiring step S240 may be performed using the geometric shape factor of the patient's stenosis lesion measured from the geometric shape parameter measuring step S230 and the basic data acquired through the basic data acquiring step S220 S210) of extracting the cardiovascular information stored in the database.
더 자세히 설명하면, 사용자는 기하학적 형상 인자 측정단계(S230)로부터 측정된 환자의 협착 병변에 대한 기하학적인 형상 인자 및 기초데이터 획득단계(S220)를 통해 획득한 기초데이터를 데이터베이스에 입력하면, 데이터베이스는 사용자가 입력한 입력값에 대응되는 조건에서 획득한 심혈관 정보를 출력한다.More specifically, when the user inputs the basic data acquired through the geometric shape factor and basic data acquisition step (S220) of the patient's stenotic lesion measured from the geometric shape parameter measurement step S230, the database And outputs the acquired cardiovascular information under the condition corresponding to the input value input by the user.
즉, 본 발명의 제2실시예서 기초데이터 획득단계(S220) 및 기하학적 형상 인자 측정단계(S230)는 환자의 심혈관 정보를 추출하기 위한 입력 조건을 획득하기 위한 단계에 해당되며, 제1실시예에서와 같이 환자의 협착 병변에 대한 수학적 모델을 생성하기 위한 정보를 획득하는 것과는 차이점이 존재한다.That is, the second basic data acquisition step S220 and the geometric shape parameter measurement step S230 of the second embodiment of the present invention correspond to the step of acquiring the input condition for extracting the cardiovascular information of the patient. In the first embodiment, There is a difference from acquiring information for generating a mathematical model of a patient's stenotic lesion.
한편, 본 발명의 제2실시예에 따른 심혈관 정보 획득단계(S240)는 머신 러닝에 의하여 수행될 수 있다. 여기서, 머신 러닝은 기구축된 데이터 베이스를 기반으로 데이터를 분석 및 학습함으로써 새로운 데이터에 대한 결과를 예측하는 기법을 의미한다.Meanwhile, the step of acquiring cardiovascular information (S240) according to the second embodiment of the present invention may be performed by machine learning. Here, machine learning refers to a technique of predicting the result of new data by analyzing and learning data based on a pre-established database.
즉, 수학적 모델을 이용하여 심혈관 정보를 해석한 데이터베이스를 구축하고 이러한 데이터를 머신 러닝을 통해 충분히 학습시킨다면 환자의 협착 병변에 대한 기하학적인 형상 요인을 통해 환자의 심혈관 정보를 단기간에 도출해낼 수 있다.In other words, if a database that analyzes cardiovascular information using a mathematical model is constructed and the data is sufficiently learned through machine learning, the cardiovascular information of the patient can be derived in a short period of time through the geometric shape factor of the patient's stenosis lesion.
한편, 상술한 제1실시예와 제2실시예에 따른 협착 병변의 수학적 모델링을 이용한 심혈관 정보 결정 방법은 기하학적인 형상 인자에 의한 수학적 모델을 이용하여 협착 병변을 단순화시킬 수 있고, 이를 실시간으로 또는 기저장된 데이터를 통해 처리함으로써 빠른 시간 내에 심혈관 정보를 추출할 수 있다.Meanwhile, the cardiovascular information determination method using the mathematical modeling of the stenotic lesion according to the first and second embodiments described above can simplify the stenosis lesion using a mathematical model based on the geometrical shape factor, By processing the stored data, cardiovascular information can be extracted quickly.
한편, 상술한 본 발명의 일실시예는 컴퓨터에서 실행될 수 있는 프로그램으로 작성가능하고, 컴퓨터로 판독가능한 기록매체를 이용하여 상기 프로그램을 동작시키는 범용 디지털 컴퓨터에서 구현될 수 있다.Meanwhile, one embodiment of the present invention described above can be realized in a general-purpose digital computer that can be created as a program that can be executed in a computer and operates the program using a computer-readable recording medium.
컴퓨터 판독 가능 매체는 컴퓨터에 의해 액세스될 수 있는 임의의 가용 매체일 수 있고, 휘발성 및 비휘발성 매체, 분리형 및 비분리형 매체를 모두 포함한다. 또한, 컴퓨터 판독가능 매체는 컴퓨터 저장 매체 및 통신 매체를 모두 포함할 수 있다. 컴퓨터 저장 매체는 컴퓨터 판독가능 명령어, 데이터 구조, 프로그램 모듈 또는 기타 데이터와 같은 정보의 저장을 위한 임의의 방법 또는 기술로 구현된 휘발성 및 비휘발성, 분리형 및 비분리형 매체를 모두 포함한다. 통신 매체는 전형적으로 컴퓨터 판독가능 명령어, 데이터 구조, 프로그램 모듈, 또는 기타 전송 메커니즘을 포함하며, 임의의 정보 전달 매체를 포함할 수 있다.Computer readable media can be any available media that can be accessed by a computer and includes both volatile and nonvolatile media, removable and non-removable media. In addition, the computer-readable medium may include both computer storage media and communication media. Computer storage media includes both volatile and nonvolatile, removable and non-removable media implemented in any method or technology for storage of information such as computer readable instructions, data structures, program modules or other data. Communication media typically includes computer-readable instructions, data structures, program modules, or other transport mechanisms, and may include any information delivery media.
본 발명의 권리범위는 상술한 실시예에 한정되는 것이 아니고, 본 발명의 사상 및 범위를 벗어나지 않고 다양하게 수정 또는 변형할 수 있고, 그러한 수정례 또는 변형례들도 본 발명의 권리범위에 속한다고 볼 것이다.It is to be understood that the scope of the present invention is not limited to the above embodiments and that various changes and modifications may be made without departing from the spirit and scope of the present invention, I will see.
S100: 협착 병변의 수학적 모델링을 이용한 심혈관 정보 결정 방법
S110: 기초데이터 획득단계
S120: 형상 인자 측정단계
S130: 수학적 모델 생성단계
S140: 시뮬레이션 단계
S150: 심혈관 정보 획득단계
S200: 협착 병변의 수학적 모델링을 이용한 심혈관 정보 결정 방법
S210: 준비단계
S220: 기초데이터 획득단계
S230: 형상 인자 측정단계
S240: 심혈관 정보 획득단계S100: Cardiovascular information determination method using mathematical modeling of stenosis lesions
S110: basic data acquisition step S120: shape parameter measurement step
S130: Mathematical model generation step S140: Simulation step
S150: step of acquiring cardiovascular information
S200: Cardiovascular information determination method using mathematical modeling of stenosis lesions
S210: preparation step S220: basic data acquisition step
S230: shape factor measurement step S240: cardiovascular information acquisition step
Claims (8)
관상동맥에 대한 영상을 포함하는 환자의 기초데이터를 획득하는 기초데이터 획득단계;
상기 관상동맥에 대한 영상으로부터 협착 병변의 기하학적인 형상 인자를 측정하는 형상 인자 측정단계;
상기 형상 인자 측정단계로부터 측정된 협착 병변의 기하학적인 형상 인자에 대응되는 수학적 모델 및 상기 기초데이터를 이용하여 상기 데이터베이스로부터 심혈관 정보를 추출하는 심혈관 정보 획득단계;를 포함하는 협착 병변의 수학적 모델링을 이용한 심혈관 정보 결정 방법.Preparing a cardiovascular information obtained by performing a simulation on a mathematical model of a geometric shape of a coronary artery generated using at least one of geometric shape parameters as a variable, in a database;
A basic data acquiring step of acquiring basic data of a patient including an image of a coronary artery;
Measuring a geometrical factor of the stenotic lesion from the image of the coronary artery;
A mathematical model corresponding to the geometric shape factor of the stenotic lesion measured from the shape factor measurement step and a cardiovascular information acquisition step of extracting cardiovascular information from the database using the basic data, Methods for determining cardiovascular information.
상기 준비단계는,
기하학적인 형상 인자 중 적어도 어느 하나를 변수로 하여 관상동맥의 기하학적인 형상의 수학적 모델을 복수개 생성하는 수학적 모델 생성단계; 상기 복수개의 수학적 모델에 대하여 각각 시뮬레이션을 수행하여 각각의 수학적 모델에 대응되는 심혈관 정보를 획득하는 시뮬레이션단계; 상기 시뮬레이션단계를 통해 획득한 심혈관 정보를 상기 데이터베이스에 저장하는 저장단계;를 포함하는 협착 병변의 수학적 모델링을 이용한 심혈관 정보 결정 방법. The method according to claim 1,
In the preparation step,
A mathematical model generation step of generating a plurality of mathematical models of a geometrical shape of a coronary artery using at least one of geometrical shape factors as a variable; A simulation step of performing simulation for each of the plurality of mathematical models to obtain cardiovascular information corresponding to each mathematical model; And storing the cardiovascular information acquired through the simulation step in the database.
상기 기초데이터 획득단계는,
환자에 대한 임상데이터를 획득하는 임상데이터 획득단계; 환자의 관상동맥에 대한 영상을 촬영하는 촬영단계;를 포함하는 협착 병변의 수학적 모델링을 이용한 심혈관 정보 결정 방법.3. The method according to any one of claims 1 to 2,
The basic data acquiring step includes:
Obtaining clinical data for a patient; A method for determining cardiovascular information using mathematical modeling of a stenotic lesion comprising the step of imaging a coronary artery of a patient.
상기 임상데이터 획득단계는 혈류량, 관상동맥의 수축기 압력 및 관상동맥의 이완기 혈압 중 적어도 어느 하나를 포함하는 협착 병변의 수학적 모델링을 이용한 심혈관 정보 결정 방법.The method of claim 3,
Wherein the step of acquiring clinical data comprises at least one of blood flow volume, systolic pressure of coronary artery, and diastolic blood pressure of coronary artery using mathematical modeling of a stenotic lesion.
상기 촬영단계는 컴퓨터 단층촬영(Computed Tomography:CT), 선택적 컴퓨터 단층촬영(Selective Computed Tomography) 또는 자기공명영상법(magnetic resonance imaging:MRI)를 이용하여 수행되는 협착 병변의 수학적 모델링을 이용한 심혈관 정보 결정 방법.The method of claim 3,
The imaging step may be performed using mathematical modeling of stenotic lesions performed using computed tomography (CT), selective computed tomography (MRI) or magnetic resonance imaging (MRI) Way.
상기 기하학적인 형상 인자는,
협착 병변 근위부 축소 구간에서의 혈관 직경 축소비, 협착 병변 원위부 확장 구간에서의 혈관 직경 확장비, 협착 병변 중앙부 구간 길이, 혈관 직경 기준 협착도, 협착 병변 형상의 상대 거칠기 및 협착 병변의 편심도 중 적어도 어느 하나를 포함하는 협착 병변의 수학적 모델링을 이용한 심혈관 정보 결정 방법.3. The method according to any one of claims 1 to 2,
The geometric shape factor may be determined by:
At least one of the vessel diameter reduction ratio in the proximal narrowing section of the stenotic lesion, the enlargement ratio of the vessel diameter in the distal section of the stenotic lesion, the central section length of the stenotic lesion, the reference diameter stenosis of the vessel diameter, the relative roughness of the stenotic lesion shape, A method for cardiovascular information determination using mathematical modeling of stenotic lesions.
상기 심혈관 정보 획득단계는 머신 러닝(Machine Learning)에 의하여 수행되는 협착 병변의 수학적 모델링을 이용한 심혈관 정보 결정 방법.3. The method according to claim 1 or 2,
Wherein the step of acquiring cardiovascular information comprises the step of performing mathematical modeling of stenosis lesions performed by machine learning.
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020180074914A KR102078622B1 (en) | 2018-06-28 | 2018-06-28 | Method for determining cardiovascular information using mathematical modeling of stenosed lesion |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020180074914A KR102078622B1 (en) | 2018-06-28 | 2018-06-28 | Method for determining cardiovascular information using mathematical modeling of stenosed lesion |
Related Parent Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020160010938A Division KR20170090284A (en) | 2016-01-28 | 2016-01-28 | Method for determining cardiovascular information using mathematical modeling of stenosed lesion |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| KR20180077140A true KR20180077140A (en) | 2018-07-06 |
| KR102078622B1 KR102078622B1 (en) | 2020-04-07 |
Family
ID=62921510
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020180074914A KR102078622B1 (en) | 2018-06-28 | 2018-06-28 | Method for determining cardiovascular information using mathematical modeling of stenosed lesion |
Country Status (1)
| Country | Link |
|---|---|
| KR (1) | KR102078622B1 (en) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20210016862A (en) * | 2019-08-05 | 2021-02-17 | 재단법인 아산사회복지재단 | Diagnostic device, diagnostic method and recording medium for diagnosing coronary artery lesions through coronary angiography-based machine learning |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20140091741A (en) * | 2011-11-10 | 2014-07-22 | 지멘스 코포레이션 | Method and system for multi-scale anatomical and functional modeling of coronary circulation |
| KR101524955B1 (en) | 2010-08-12 | 2015-06-01 | 하트플로우, 인크. | Method and system for patient-specific modeling of blood flow |
| KR20150113157A (en) * | 2013-03-04 | 2015-10-07 | 하트플로우, 인크. | Method and system for sensitivity analysis in modeling blood flow characteristics |
-
2018
- 2018-06-28 KR KR1020180074914A patent/KR102078622B1/en active IP Right Grant
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR101524955B1 (en) | 2010-08-12 | 2015-06-01 | 하트플로우, 인크. | Method and system for patient-specific modeling of blood flow |
| KR20140091741A (en) * | 2011-11-10 | 2014-07-22 | 지멘스 코포레이션 | Method and system for multi-scale anatomical and functional modeling of coronary circulation |
| KR20150113157A (en) * | 2013-03-04 | 2015-10-07 | 하트플로우, 인크. | Method and system for sensitivity analysis in modeling blood flow characteristics |
Non-Patent Citations (1)
| Title |
|---|
| JACC cardiovascular interventions. 대한심혈관중재학회. 2013., 제4권, 제1호 * |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20210016862A (en) * | 2019-08-05 | 2021-02-17 | 재단법인 아산사회복지재단 | Diagnostic device, diagnostic method and recording medium for diagnosing coronary artery lesions through coronary angiography-based machine learning |
| US11471058B2 (en) | 2019-08-05 | 2022-10-18 | The Asan Foundation | Diagnostic device, diagnostic method and recording medium for diagnosing coronary artery lesions through coronary angiography-based machine learning |
Also Published As
| Publication number | Publication date |
|---|---|
| KR102078622B1 (en) | 2020-04-07 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US10395774B2 (en) | Vascular flow assessment | |
| CN107730540B (en) | Coronary parameter calculation method based on high-precision matching model | |
| CN108511075B (en) | Method and system for non-invasively acquiring fractional flow reserve | |
| CN106994003B (en) | Method and system for patient-specific blood flow modeling | |
| US10354744B2 (en) | Non-invasive functional assessment of coronary artery stenosis including simulation of hyperemia by changing resting microvascular resistance | |
| US8977339B1 (en) | Method for assessing stenosis severity through stenosis mapping | |
| JP6818492B2 (en) | Image processing equipment, image processing methods, and programs | |
| JP6386027B2 (en) | Stenosis treatment plan | |
| CN109688908B (en) | Apparatus and method for determining fractional flow reserve | |
| US20190076196A1 (en) | Vessel geometry and additional boundary conditions for hemodynamic ffr/ifr simulations from intravascular imaging | |
| JP7208978B2 (en) | Apparatus for analyzing coronary artery vessels, method of operating the apparatus, computer program for executing the method, and computer readable medium | |
| KR20170090284A (en) | Method for determining cardiovascular information using mathematical modeling of stenosed lesion | |
| CN113015497B (en) | Method and device for simulating blood flow of blood vessel inherent to object | |
| CN113365552A (en) | Patient-specific modeling of hemodynamic parameters in coronary arteries | |
| KR20180008134A (en) | A method for predicting a fractional flow reserve | |
| KR20180077140A (en) | Method for determining cardiovascular information using mathematical modeling of stenosed lesion | |
| KR101967226B1 (en) | Hemodynamics simulation method using partition of coronary artery volume | |
| KR101753576B1 (en) | Method for obtaining mass flow rate and distal pressure of coronary vascular based on physiological pressure-flow relationship | |
| KR102232202B1 (en) | Myocardial Ischemia Diagnosis System And Operating Method Thereof | |
| KR102000614B1 (en) | Hemodynamics simulation method using partition of heart muscle volume | |
| Reddy et al. | Coronary Physiologic Assessment Based on Angiography and Intracoronary Imaging. | |
| KR20240057147A (en) | Method and apparatus for analyzing blood vessels based on machine learning model |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A107 | Divisional application of patent | ||
| A201 | Request for examination | ||
| E902 | Notification of reason for refusal | ||
| E90F | Notification of reason for final refusal | ||
| E701 | Decision to grant or registration of patent right | ||
| GRNT | Written decision to grant |