KR20190132000A - 혈관 길이 기반 뇌 혈류 예비능 예측 방법 - Google Patents
혈관 길이 기반 뇌 혈류 예비능 예측 방법 Download PDFInfo
- Publication number
- KR20190132000A KR20190132000A KR1020180057143A KR20180057143A KR20190132000A KR 20190132000 A KR20190132000 A KR 20190132000A KR 1020180057143 A KR1020180057143 A KR 1020180057143A KR 20180057143 A KR20180057143 A KR 20180057143A KR 20190132000 A KR20190132000 A KR 20190132000A
- Authority
- KR
- South Korea
- Prior art keywords
- blood flow
- cerebrovascular
- vessel
- cerebral artery
- cerebral
- Prior art date
Links
- 238000000034 method Methods 0.000 title claims abstract description 48
- 238000004088 simulation Methods 0.000 claims abstract description 15
- 230000017531 blood circulation Effects 0.000 claims description 32
- 210000001627 cerebral artery Anatomy 0.000 claims description 24
- 210000004204 blood vessel Anatomy 0.000 claims description 8
- 230000002490 cerebral effect Effects 0.000 claims description 7
- 239000012530 fluid Substances 0.000 claims description 4
- 210000001175 cerebrospinal fluid Anatomy 0.000 claims description 3
- 238000012545 processing Methods 0.000 claims description 2
- 238000005094 computer simulation Methods 0.000 abstract description 8
- 238000004364 calculation method Methods 0.000 abstract description 5
- 238000004458 analytical method Methods 0.000 abstract description 2
- 230000003727 cerebral blood flow Effects 0.000 description 14
- 210000004556 brain Anatomy 0.000 description 8
- 230000008344 brain blood flow Effects 0.000 description 8
- 210000005259 peripheral blood Anatomy 0.000 description 7
- 239000011886 peripheral blood Substances 0.000 description 7
- 230000000694 effects Effects 0.000 description 6
- 210000004369 blood Anatomy 0.000 description 5
- 239000008280 blood Substances 0.000 description 5
- 230000036772 blood pressure Effects 0.000 description 5
- 238000010586 diagram Methods 0.000 description 5
- 239000003814 drug Substances 0.000 description 5
- 230000002792 vascular Effects 0.000 description 5
- CURLTUGMZLYLDI-UHFFFAOYSA-N Carbon dioxide Chemical compound O=C=O CURLTUGMZLYLDI-UHFFFAOYSA-N 0.000 description 4
- 208000006011 Stroke Diseases 0.000 description 4
- 210000004351 coronary vessel Anatomy 0.000 description 4
- 229940079593 drug Drugs 0.000 description 4
- 230000000004 hemodynamic effect Effects 0.000 description 4
- 238000003384 imaging method Methods 0.000 description 4
- 238000002603 single-photon emission computed tomography Methods 0.000 description 4
- BZKPWHYZMXOIDC-UHFFFAOYSA-N acetazolamide Chemical compound CC(=O)NC1=NN=C(S(N)(=O)=O)S1 BZKPWHYZMXOIDC-UHFFFAOYSA-N 0.000 description 3
- 229960000571 acetazolamide Drugs 0.000 description 3
- 238000009206 nuclear medicine Methods 0.000 description 3
- 238000012360 testing method Methods 0.000 description 3
- 210000005013 brain tissue Anatomy 0.000 description 2
- 229910002092 carbon dioxide Inorganic materials 0.000 description 2
- 208000026106 cerebrovascular disease Diseases 0.000 description 2
- 238000013399 early diagnosis Methods 0.000 description 2
- 230000002526 effect on cardiovascular system Effects 0.000 description 2
- 238000000691 measurement method Methods 0.000 description 2
- 238000010998 test method Methods 0.000 description 2
- 201000001320 Atherosclerosis Diseases 0.000 description 1
- 201000008450 Intracranial aneurysm Diseases 0.000 description 1
- 239000001569 carbon dioxide Substances 0.000 description 1
- 210000000748 cardiovascular system Anatomy 0.000 description 1
- 210000004298 cerebral vein Anatomy 0.000 description 1
- 210000000275 circle of willis Anatomy 0.000 description 1
- 230000004087 circulation Effects 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000001647 drug administration Methods 0.000 description 1
- 230000000544 hyperemic effect Effects 0.000 description 1
- 238000001802 infusion Methods 0.000 description 1
- 238000002347 injection Methods 0.000 description 1
- 239000007924 injection Substances 0.000 description 1
- 230000000302 ischemic effect Effects 0.000 description 1
- VWBBRFHSPXRJQD-QNTKWALQSA-L levomefolate calcium Chemical compound [Ca+2].C([C@@H]1N(C=2C(=O)N=C(N)NC=2NC1)C)NC1=CC=C(C(=O)N[C@@H](CCC([O-])=O)C([O-])=O)C=C1 VWBBRFHSPXRJQD-QNTKWALQSA-L 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 230000004060 metabolic process Effects 0.000 description 1
- 210000004088 microvessel Anatomy 0.000 description 1
- 230000002107 myocardial effect Effects 0.000 description 1
- 210000000056 organ Anatomy 0.000 description 1
- 230000036284 oxygen consumption Effects 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 230000002265 prevention Effects 0.000 description 1
- 210000003625 skull Anatomy 0.000 description 1
- 208000024891 symptom Diseases 0.000 description 1
- 210000001519 tissue Anatomy 0.000 description 1
- 229940124549 vasodilator Drugs 0.000 description 1
- 239000003071 vasodilator agent Substances 0.000 description 1
- 210000003462 vein Anatomy 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
- G16H50/30—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
- A61B5/05—Detecting, measuring or recording for diagnosis by means of electric currents or magnetic fields; Measuring using microwaves or radio waves
- A61B5/055—Detecting, measuring or recording for diagnosis by means of electric currents or magnetic fields; Measuring using microwaves or radio waves involving electronic [EMR] or nuclear [NMR] magnetic resonance, e.g. magnetic resonance imaging
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
- A61B6/02—Arrangements for diagnosis sequentially in different planes; Stereoscopic radiation diagnosis
- A61B6/03—Computed tomography [CT]
- 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
Landscapes
- Health & Medical Sciences (AREA)
- Engineering & Computer Science (AREA)
- Medical Informatics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Public Health (AREA)
- Biomedical Technology (AREA)
- Pathology (AREA)
- General Health & Medical Sciences (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Physics & Mathematics (AREA)
- Primary Health Care (AREA)
- Veterinary Medicine (AREA)
- Surgery (AREA)
- Epidemiology (AREA)
- Databases & Information Systems (AREA)
- Biophysics (AREA)
- High Energy & Nuclear Physics (AREA)
- Data Mining & Analysis (AREA)
- Animal Behavior & Ethology (AREA)
- Radiology & Medical Imaging (AREA)
- Heart & Thoracic Surgery (AREA)
- Molecular Biology (AREA)
- Theoretical Computer Science (AREA)
- Optics & Photonics (AREA)
- Pulmonology (AREA)
- Measuring Pulse, Heart Rate, Blood Pressure Or Blood Flow (AREA)
- Measuring And Recording Apparatus For Diagnosis (AREA)
Abstract
일반적으로 뇌 혈류 예비능은 뇌혈관의 건강성을 평가하는 임상 지표로서 널리 사용되고 있다. 본 기술은 컴퓨터 시뮬레이션으로 뇌혈류 예비능을 예측하려는 기술이다. 이것은 환자의 영상데이터에서 추출한 뇌혈관 형상 모델을 만들고, 수치해석 방법과 컴퓨터를 이용하여 계산을 수행하여, 환자 개개인의 뇌혈관 예비능 값을 계산하는 비침습적 방법이다. 이를 위한 수치해석은 동맥 혈관길이에 기초한 시뮬레이션 방법에 기초한다.
Description
본 발명은 환자별 뇌 혈류 예비능(cerebrovascular flow reserve, CVR) 예측 방법에 관한 것이다. 보다 상세하게는 환자에게 약물투여나 스트레스를 가하지 않고 뇌혈류 예비능을 예측하기 위한 새로운 컴퓨터 시뮬레이션 방법에 관한 것이다.
인체의 주요 장기는 정상(normal) 상태에서 견딜 수 있는 것보다 훨씬 더 큰 내구성을 가지고 있다. 공학적인 개념으로 보면 안전 계수(safety factor)가 1이상으로 설계되어 있다는 것을 의미한다. 이것은 인체가 운동이나 위험상황 등 극도의 스트레스 상황을 견딜 수 있도록 하는 근본적인 원인이 된다.
뇌나 심장의 혈관계도 평상 시 조직의 필요량보다는 훨씬 더 많은 혈류를 수송할 능력을 가지고 있으며, 이것을 혈류 예비능(vascular flow reserve)라고 부른다. 심장 혈관의 경우 정상 상태에 비해서 약 4배 정도, 뇌 혈관의 경우 약 2배 정도의 예비능을 가지고 있다. 즉 뇌혈관은 스트레스 상황에서는 평상시보다 2배 정도의 피를 보낼 수 있어, 스트레스에 대처하기 위한 뇌조직의 대사량이 갑자기 많아져도 충분한 혈류가 공급될 수 있다. 도 1에는 이러한 개념이 개략적으로 도시되어 있다.
그러나 동맥 경화 등으로 인하여 뇌혈관이 좁아져 있거나, 혹은 뇌동맥류가 있는 사람의 경우, 평상시에는 별 문제가 없더라도 예비능이 상당히 낮아져 있다면 운동/스트레스 상황에서 뇌졸중 등의 발병 가능성이 있다. 이런 경우, 예비능을 측정하여 미리 예방적인 조치가 필요한 경우가 많다. 반면 뇌혈관에 다소의 문제가 있더라도 예비능이 충분하다면, 위험한 뇌혈관 시술 등을 반드시 시행해야 하는 것은 아니다.
일반적으로 뇌 혈류 예비능은 뇌혈관의 건강성을 평가하는 임상 지표로서 널리 사용되고 있다. 그러나 뇌혈관의 뇌혈류 예비능은 환자의 자연적인 상황에서는 측정될 수 없고 인위적인 스트레스를 가해서 측정해야 한다. 즉 이를 위하여 인위적으로 CO2를 강제주입하거나, 약물(Acetazolamide)을 투여하는 방법으로 환자의 뇌 말초혈관을 최대한 확장시켜 스트레스 상태로 만든다. 그리고 이러한 상태에서 환자의 뇌혈관계를 핵의학 영상기기(SPECT)로서 뇌혈류량의 증가를 측정한다. 도 2에는 임상에서 뇌혈류 예비능을 측정하는 방법이 개략적으로 도시되어 있다.
1. LASSEN NA. Cerebral blood flow and oxygen consumption in man. Physiol Rev. 1959 Apr;39(2):183-238.
2. Heiss WD, Podreka I. Role of PET and SPECT in the assessment of ischemic cerebrovascular disease. Cerebrovasc Brain Metab Rev. 1993 Winter;5(4):235-63.
3. 심은보, 특허출원번호: 10-2014-0114553호, 발명의 명칭: 관상동맥의 심근분획 혈류 예비력 계산을 위한 새로운 환자 맞춤형 모델
4. Kim HJ, Vignon-Clementel IE, Coogan JS, Figueroa CA, Jansen KE, Taylor CA, Patient-specific modeling of blood flow and pressure in human coronary arteries. Ann. Biomed. Eng. 2010. 38 (10), pp. 3195-3209.
5. Taylor et al., Method and system for patient specifi modeling of blood flow. US patent, US 8,157,742 B2.
6. Lee KE, Kwon SS, Ji YC, Shin ES, Choi JH, Kim SJ, Shim EB. Estimation of the flow resistances exerted in coronary arteries using a vessel length-based method. Pflugers Arch. 2016 Aug;468(8):1449-58.
종래의 임상에서 시행되고 있는 예비능 측정 방법은 환자에게 위험을 초래할 수 있는 스트레스를 가하거나 혹은 부작용이 우려되는 약물을 투여하기 때문에 환자들에게 보편적으로 시행하기가 어렵다. 특히, 발병 이전에 선제적인 조기 진단방법으로 사용하기는 어렵다. 따라서 뇌혈관의 예비능을 환자에 불편을 초래하지 않는 방법으로 예측할 수 있다면, 의학의 획기적인 혁신이 될 것이다.
본 발명은 컴퓨터 시뮬레이션으로 뇌혈류 예비능을 예측하는 방법을 제공하는 것을 목적으로 한다. 본 발명에 따른 방법은 환자의 영상데이터에서 추출한 뇌혈관 형상 모델을 만들고, 수치해석 방법과 컴퓨터를 이용하여 계산을 수행하여, 환자 개개인의 뇌 혈류 예비능 값을 계산하는 비침습적 방법이다. 특히, 본 발명에 따른 수치해석 방법은 동맥 혈관길이에 기초한 시뮬레이션 방법에 기초한다.
본 발명에 따른 환자의 뇌 혈류 예비능 예측 방법은 컴퓨터 시스템을 이용하여 환자의 뇌혈관 영상을 처리하고, 뇌혈관에 대한 혈류역학적 시뮬레이션을 통하여 뇌혈관의 예비능을 예측한다. 또한, 환자의 뇌혈관 의료영상을 촬영하고 이로부터 3차원 뇌혈관 형상을 추출한 뒤, 시뮬레이션 모델을 작성한다. 그리고 여기에 혈류역학 수치해석 방법을 적용하고 가상적인 스트레스를 가하여 실제 임상적 예비능 검사방법을 가상적으로 구현한다. 이때 뇌동맥혈관의 3차원적 계산을 위해서 필요한 출구경계 설정을 위하여 혈관길이 기반의 방법을 적용하여 모델한다.
본 발명에 따른 환자의 뇌 혈류 예비능 예측 방법은, 복수의 뇌동맥 분지의 적어도 일부분을 포함하는 이미지 데이타를 입력받는 단계와, 상기 입력받은 이미지 데이타를 처리하여 각각의 뇌동맥 분지들의 3차원 모델을 생성하는 단계와, 상기 생성된 각각의 뇌동맥 분지의 3차원 모델에서 각각의 뇌동맥 혈관의 분지점으로부터 말단까지의 혈관 길이를 구하는 단계와, 상기 구해진 각각의 뇌혈관의 길이의 비율에 따라서 상기 각각의 뇌동맥 혈관 분지에 흐르는 혈류량의 비율을 결정하는 단계와, 상기 각각의 뇌동맥 혈관 분지에 흐르는 혈류량의 비율에 따라서 각각의 뇌동맥 분지의 3차원 형상 모델에 대한 혈류를 시뮬레이션하는 단계와, 상기 시뮬레이션 결과를 가지고 뇌동맥 혈관 분지점의 압력과 분지점으로부터 일정거리 하류에 위치하는 위치의 압력의 비를 구하는 단계를 포함한다.
또한, 상기 혈류를 시뮬레이션하는 단계는, 전산유체 역학 모델과 결합되는 집중식 매개변수 모델의 파라미터를 상기 각각의 뇌동맥 혈관 분지에 흐르는 혈류량의 비율에 따라서 결정할 수 있다.
또한, 상기 혈류를 시뮬레이션하는 단계는, 집중식 매개변수 모델에 필요한 뇌척수액의 압력을 설정하는 단계를 더 포함할 수 있다.
본 발명에 따르면, 기존 임상적인 예비능 측정방법을 상당부분, 컴퓨터 시뮬레이션으로 대치할 수 있다. 환자 뇌혈관을 스트레스 상태로 만들기 위한 약물(Acetazolamide) 투여 혹은 CO2 주입으로 인한 부작용 또는 무효화 가능성을 배제할 수 있다. 또한, 약물 투여 후 혈류 예비능 검사 시의 핵의학 영상기기(SPECT)와 같은 영상촬영 및 판독 등에 수반되는 고가의 비용을 줄일 수 있다. 현재의 임상적인 뇌혈관 예비능 검사방법은 환자의 불편 및 위험/비용/정확도 등을 고려할 때, 자각증상이 없는 환자들에게 권고하기 어려우며, 이로 인하여 뇌졸중의 간편한 조기진단 수단이 되기 어렵다.
그러나 본 발명에서 제안된 기술을 사용할 경우, 간단한 뇌혈관 영상 촬영 이후, 모든 과정이 컴퓨터 시뮬레이션 과정을 통하여 이루어지기 때문에 환자에게 불편을 가하거나 고가의 비용을 수반하는 핵의학 검사가 필요치 않다. 이러한 본 발명의 장점은 현재는 꼭 필요한 환자에 대해 부분적으로 시행되고 있는 뇌혈관 예비능 검사를 보편적으로 확산시키게 될 것이며, 이는 궁극적으로 뇌졸중의 선제적 발견 및 예방에 기여하게 될 것이다.
도 1은 혈관의 예비능과 공학적 안전계수와의 상관성에 대한 개념도
도 2는 임상에서 뇌 혈류 예비능을 측정하는 방법에 대한 설명도
도 3은 본 발명에 따른 뇌 혈류 예비능 시뮬레이션 방법에 대한 개략도
도 4는 뇌 혈류 예비능의 정의에 대한 설명도
도 5는 뇌 혈류 예비능 예측을 위한 시뮬레이션 방법에 대한 흐름도
도 6은 뇌 혈류의 복잡성을 보여주는 개략도
도 7은 뇌 혈류 예비능 시뮬레이션을 위한 수치해석 방법의 개략도
도 8 뇌 혈류 예비능의 지표로서 Pressure ratio를 실제 환자에 적용한 예
도 2는 임상에서 뇌 혈류 예비능을 측정하는 방법에 대한 설명도
도 3은 본 발명에 따른 뇌 혈류 예비능 시뮬레이션 방법에 대한 개략도
도 4는 뇌 혈류 예비능의 정의에 대한 설명도
도 5는 뇌 혈류 예비능 예측을 위한 시뮬레이션 방법에 대한 흐름도
도 6은 뇌 혈류의 복잡성을 보여주는 개략도
도 7은 뇌 혈류 예비능 시뮬레이션을 위한 수치해석 방법의 개략도
도 8 뇌 혈류 예비능의 지표로서 Pressure ratio를 실제 환자에 적용한 예
이하, 본 발명에 따른 뇌 혈류 예비능 예측을 위한 컴퓨터 시뮬레이션 방법에 대해 첨부된 도면들에 참조하여 상세하게 설명한다.
Lassen 등은 뇌관류압이 감소되면 말초혈관의 자동조절 기능에 의해 뇌혈관이 확장되어 뇌혈류량을 증가시키는 잠재력이 있고 이를 뇌혈류 예비능이라고 정의하였다. 그리고 Heiss 등은 이산화탄소나 acetazolamide라는 혈관 확장제를 투여하고 이를 SPECT등으로 측정하는 방법을 제시하였으며, 이는 현재 뇌혈류 예비능을 측정하는 임상적인 방법이다.
심장의 관상동맥의 혈류 예비능에 대한 컴퓨터 시뮬레이션 예측방법은 이미 FDA의 승인을 받고 임상적으로 활용되기 시작했다. 이와 관련하여 미국 Kim 등은 심장의 혈류예비능을 구하기 위해 CT 영상과 환자의 정보를 이용한 비침습적인 시뮬레이션 방법을 제시하였다. 이것은 대동맥 및 심장 관상 동맥 혈관의 혈류역학적 계산을 위한 전산 유체역학기술과 전체 심혈관 시스템의 집중식 매개변수모델이 통합된 방법이다. 이 시뮬레이션 모델의 타당성 및 유용성은 여러 임상 연구를 통하여 검증되었다. 그러나 뇌 혈류 예비능에 대한 컴퓨터 시뮬레이션은 아직 시도되지 못하였다.
Taylor 등의 미국특허에서는 뇌혈류 시뮬레이션에 대한 기본적인 아이디어를 제시하였지만, 구체적인 방법이나 아이디어를 제시하지는 않았다. 또한, 뇌 혈류 예비능을 구하기 위한 구체적인 방법은 전혀 제시되지 않았다.
뇌 혈류 예비능은 뇌혈관의 충혈상태(hyperemic state)에서 대동맥압력에 상대적인 압력비를 통하여 예측될 수 있다. 이것은 심장혈관의 혈류예비능과 유사한 개념이다. 즉 뇌 혈류 예비능은, 도 4에 도시된 것과 같이, 혈류의 압력비(pressure ratio)를 가지고 예측한다. 이 값이 특정 수치 이하일 경우, stroke의 가능성이 높아진다고 볼 수 있다. 이 값을 구하기 위하여, 먼저 뇌혈관 충혈상태에서 혈압분포를 계산하고, 이로부터 값 지점의 pressure ratio를 구한다. 이때 각 지점에서 PR값은 그 지점에서의 압력을 입구에서의 압력으로 나누어 준 값을 의미한다. 도 4에서 P는 압력을 의미한다. 그리고 하첨자 a는 대동맥, RPCA, LPCA, RMCA, LMCA, RACA, LACA는 뇌혈관의 주요 분지를 의미한다.
본 발명은 뇌혈류 예비능을 계산할 수 있는 시뮬레이션 방법을 개시한다. 도 3에는 본 발명에 따른 뇌 혈류 예비능 시뮬레이션 방법에 대한 개념이 도시되어 있다. 본 발명에 있어서 환자의 CT 혹은 MRI 영상자료에서 뇌혈관 영역을 추출하여 3차원 모델을 만들고 여기에 생리학적 원리를 적용한다. 그리고 여기에 가상의 stress protocol을 적용한다. 이때 각 분지혈관에 흐르는 혈류량과 압력분포를 계산하게 되며 이것을 바탕으로 뇌혈류 예비능을 계산한다
뇌혈류 예비능을 계산하는 구체적인 순서는 도 5에 도시되어 있다. 도 5에 도시된 방법은 종래의 Taylor등의 특허와 다르다. 특히 뇌동맥 분지 혈관들의 혈관길이(vessel-length)에 따라서 혈관의 이론혈류량을 결정하고 이를 기반으로 LPM에서 필요한 파라미터를 결정하는 방식은 본 특허의 고유한 특징이다. 또한, 도 7에 도시된 것과 같이, 뇌혈류의 경우, 심장과는 달리 두개골과 뇌조직 사이에 뇌척수액이 흐르고 있고, 이것이 뇌정맥과 말초혈관 혈류에 지대한 영향을 미친다. 본 발명에서는 뇌혈류 흐름에 있어 결정적인 영향을 미치는 뇌압의 영향을 반영한다.
본 발명에서 제시한 뇌 혈류 예비능 계산을 위한 3차원 모델계산에는 경계조건 설정이 필수적이다. 입구 경계의 경우, 환자에서 측정된 혈압정보를 사용한다. 반면에 출구에서의 경계조건은 그 분지에 연결된 말초혈관 및 정맥계 등의 영향을 반영하기 위한 LPM모델을 연계하여 결정한다. 이때 뇌동맥은 윌리스환 (circle of Willis) 이후 여섯 방향으로 갈라지는 형태를 띠고 있기 때문에 각 혈관의 혈류분배율은 매우 중요한 인자이다. 기존 연구들은 모든 경우들에 대해 동일한 혈류 분배율을 채택한 연유로, 환자 개인이 가지는 편차를 고려하지 못하는 단점이 있다. 따라서 본 발명은 뇌동맥 가지를 따라 분배되는 혈류량을 결정할 수 있는 새로운 방법을 제안하였다. 본 발명에서는 큰 혈관을 따라 병렬적으로 분지되는 미세혈관들은 거의 일정한 간격으로 분지 된다는 해부학적 사실을 기반으로 한 vessel length-based method를 뇌혈관에 적용하였다. 이에 기초하여 뇌동맥의 주요 가지들을 흐르는 각 혈류량은 해당 혈관의 길이에 비례하는 것으로 가정하여, 각 대뇌동맥 혈관의 길이 비율을 측정하여 해당 혈관을 흐르는 혈류량을 설정한다. 그리고 최종적으로는 이를 기반으로 그 대뇌동맥 분지의 후류 혈관 저항을 설정한다. 이때 뇌혈관의 길이 측정의 시작위치는 윌리스환으로부터 대뇌동맥이 분기되는 지점 즉, 일차적 측부 순환이 이루어진 이후의 혈관을 측정되는 범위로 한정한다.
도 5에 나타난 절차 중 제일 먼저 시행하는 것은 환자의 CTA나 혹은 MRA영상에서 뇌혈관의 형상을 추출하는 과정이다. 여기에서는 이미 잘 알려진 active contour method를 사용하여 뇌 혈관 내강의 표면(surface)를 얻게 된다. 그리고 이 혈관형상 내강(lumen)의 전체 체적을 사면체의 격자들로서 채운다(tetrahedral grid generation). 그리고 이 영역에 대하여 전산 유체역학(CFD, computational fluid dynamics)와 말초혈관/뇌압의 영향/정맥계 등에 대한 집중식 파라미터 모델(LPM, lumped parameter model)이 결합된 형태의 혈류역학 simulation을 수행한다. 이때 각 혈관 분지에서의 이론 유량은 그림 6에서 도시된 것처럼 영향영역을 기반으로 구한다. 그리고 이것을 기반으로 그 분지혈관 말단의 말초혈관저항, 혈관 컴플라이언스 등을 결정한다. 그리고 CFD와 LPM을 반복 계산하여, 분지 혈관의 실제 혈류량 및 압력 강하 등을 계산하여 뇌혈관 예비능을 구한다. 이때 CFD영역을 풀기위하여 Shim 등이 제안한 유한요소법(FEM)을 활용한다.
Claims (3)
- 컴퓨터 시스템을 이용하여 환자의 뇌혈관 정보를 결정하기 위한 방법으로,
복수의 뇌동맥 분지의 적어도 일부분을 포함하는 이미지 데이타를 입력받는 단계와,
상기 입력받은 이미지 데이타를 처리하여 각각의 뇌동맥 분지들의 3차원 모델을 생성하는 단계와,
상기 생성된 각각의 뇌동맥 분지의 3차원 모델에서 각각의 뇌동맥 혈관의 분지점으로부터 말단까지의 혈관 길이를 구하는 단계와,
상기 구해진 각각의 뇌혈관의 길이의 비율에 따라서 상기 각각의 뇌동맥 혈관 분지에 흐르는 혈류량의 비율을 결정하는 단계와,
상기 각각의 뇌동맥 혈관 분지에 흐르는 혈류량의 비율에 따라서 각각의 뇌동맥 분지의 3차원 형상 모델에 대한 혈류를 시뮬레이션하는 단계와,
상기 시뮬레이션 결과를 가지고 뇌동맥 혈관 분지점의 압력과 분지점으로부터 일정거리 하류에 위치하는 위치의 압력의 비를 구하는 단계를 포함하는 환자의 뇌 혈류 예비능 예측 방법. - 제1항에 있어서,
상기 혈류를 시뮬레이션하는 단계는, 전산유체 역학 모델과 결합되는 집중식 매개변수 모델의 파라미터를 상기 각각의 뇌동맥 혈관 분지에 흐르는 혈류량의 비율에 따라서 결정하는 환자의 뇌 혈류 예비능 예측 방법. - 제2항에 있어서,
상기 혈류를 시뮬레이션하는 단계는, 집중식 매개변수 모델에 필요한 뇌척수액의 압력을 설정한느 단계를 더 포함하는 환자의 뇌 혈류 예비능 예측 방법.
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020180057143A KR20190132000A (ko) | 2018-05-18 | 2018-05-18 | 혈관 길이 기반 뇌 혈류 예비능 예측 방법 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020180057143A KR20190132000A (ko) | 2018-05-18 | 2018-05-18 | 혈관 길이 기반 뇌 혈류 예비능 예측 방법 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| KR20190132000A true KR20190132000A (ko) | 2019-11-27 |
Family
ID=68729913
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020180057143A KR20190132000A (ko) | 2018-05-18 | 2018-05-18 | 혈관 길이 기반 뇌 혈류 예비능 예측 방법 |
Country Status (1)
| Country | Link |
|---|---|
| KR (1) | KR20190132000A (ko) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20210111440A (ko) | 2020-03-03 | 2021-09-13 | 이에이트 주식회사 | 유체 해석 시뮬레이션에서 ｓｔｌ 파일의 전처리 방법 및 유체 해석 시뮬레이션 방법 |
-
2018
- 2018-05-18 KR KR1020180057143A patent/KR20190132000A/ko not_active Application Discontinuation
Non-Patent Citations (6)
| Title |
|---|
| 1. LASSEN NA. Cerebral blood flow and oxygen consumption in man. Physiol Rev. 1959 Apr;39(2):183-238. |
| 2. Heiss WD, Podreka I. Role of PET and SPECT in the assessment of ischemic cerebrovascular disease. Cerebrovasc Brain Metab Rev. 1993 Winter;5(4):235-63. |
| 3. 심은보, 특허출원번호: 10-2014-0114553호, 발명의 명칭: 관상동맥의 심근분획 혈류 예비력 계산을 위한 새로운 환자 맞춤형 모델 |
| 4. Kim HJ, Vignon-Clementel IE, Coogan JS, Figueroa CA, Jansen KE, Taylor CA, Patient-specific modeling of blood flow and pressure in human coronary arteries. Ann. Biomed. Eng. 2010. 38 (10), pp. 3195-3209. |
| 5. Taylor et al., Method and system for patient specifi modeling of blood flow. US patent, US 8,157,742 B2. |
| 6. Lee KE, Kwon SS, Ji YC, Shin ES, Choi JH, Kim SJ, Shim EB. Estimation of the flow resistances exerted in coronary arteries using a vessel length-based method. Pflugers Arch. 2016 Aug;468(8):1449-58. |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20210111440A (ko) | 2020-03-03 | 2021-09-13 | 이에이트 주식회사 | 유체 해석 시뮬레이션에서 ｓｔｌ 파일의 전처리 방법 및 유체 해석 시뮬레이션 방법 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US20230139102A1 (en) | Method and system for quantifying limitations in coronary artery blood flow during physical activity in patients with coronary artery disease | |
| US20230218347A1 (en) | Systems and methods for processing electronic images to simulate flow | |
| US20200383731A1 (en) | Systems and methods for risk assessment and treatment planning of arteriovenous malformation | |
| US10354759B2 (en) | Systems and methods for modeling changes in patient-specific blood vessel geometry and boundary conditions | |
| US9629563B2 (en) | Method and system for functional assessment of renal artery stenosis from medical images | |
| US9913616B2 (en) | Method and system for modeling blood flow with boundary conditions for optimized diagnostic performance | |
| CN106650267A (zh) | 应用计算流体力学来模拟计算血流储备分数的系统和方法 | |
| KR20190132000A (ko) | 혈관 길이 기반 뇌 혈류 예비능 예측 방법 | |
| Moore et al. | A model of autoregulated blood flow in the cerebral vasculature | |
| Yu et al. | Noninvasive computed tomography derived fractional flow reserve simulation based on microvascular tree model reconstruction | |
| Harana | Non-invasive, MRI-based calculation of the aortic blood pressure waveform by |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A201 | Request for examination | ||
| E902 | Notification of reason for refusal | ||
| E601 | Decision to refuse application |