TWI413511B - The method of forming the visualization map of the pressure distribution of the flow field of the sleep apnea and the computer - Google Patents
The method of forming the visualization map of the pressure distribution of the flow field of the sleep apnea and the computer Download PDFInfo
- Publication number
- TWI413511B TWI413511B TW099116911A TW99116911A TWI413511B TW I413511 B TWI413511 B TW I413511B TW 099116911 A TW099116911 A TW 099116911A TW 99116911 A TW99116911 A TW 99116911A TW I413511 B TWI413511 B TW I413511B
- Authority
- TW
- Taiwan
- Prior art keywords
- sleep apnea
- assisting
- upper airway
- flow field
- medical image
- Prior art date
Links
- 238000000034 method Methods 0.000 title claims abstract description 47
- 201000002859 sleep apnea Diseases 0.000 title claims description 51
- 238000012800 visualization Methods 0.000 title claims 2
- 238000004088 simulation Methods 0.000 claims abstract description 20
- 230000000241 respiratory effect Effects 0.000 claims abstract description 18
- 238000012545 processing Methods 0.000 claims abstract description 11
- 210000002345 respiratory system Anatomy 0.000 claims description 33
- 238000003709 image segmentation Methods 0.000 claims description 12
- 238000002591 computed tomography Methods 0.000 claims description 10
- 238000004891 communication Methods 0.000 claims description 5
- 238000004422 calculation algorithm Methods 0.000 claims description 4
- 238000003384 imaging method Methods 0.000 claims description 4
- 201000010099 disease Diseases 0.000 claims description 3
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 claims description 3
- 238000003325 tomography Methods 0.000 claims description 3
- 230000000007 visual effect Effects 0.000 claims 7
- 206010000210 abortion Diseases 0.000 claims 1
- 231100000176 abortion Toxicity 0.000 claims 1
- 208000001797 obstructive sleep apnea Diseases 0.000 abstract description 8
- 208000031481 Pathologic Constriction Diseases 0.000 abstract description 5
- 230000036262 stenosis Effects 0.000 abstract description 5
- 208000037804 stenosis Diseases 0.000 abstract description 5
- 230000029058 respiratory gaseous exchange Effects 0.000 description 13
- 238000010586 diagram Methods 0.000 description 11
- 238000003745 diagnosis Methods 0.000 description 6
- 238000012360 testing method Methods 0.000 description 6
- 208000008784 apnea Diseases 0.000 description 5
- 239000012530 fluid Substances 0.000 description 5
- 239000007789 gas Substances 0.000 description 5
- 210000003625 skull Anatomy 0.000 description 5
- 206010021079 Hypopnoea Diseases 0.000 description 3
- 206010038669 Respiratory arrest Diseases 0.000 description 3
- 238000013022 venting Methods 0.000 description 3
- 230000005540 biological transmission Effects 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 238000002059 diagnostic imaging Methods 0.000 description 2
- 238000002405 diagnostic procedure Methods 0.000 description 2
- 229940079593 drug Drugs 0.000 description 2
- 239000003814 drug Substances 0.000 description 2
- 239000011796 hollow space material Substances 0.000 description 2
- 210000000867 larynx Anatomy 0.000 description 2
- 210000003300 oropharynx Anatomy 0.000 description 2
- 230000011218 segmentation Effects 0.000 description 2
- 208000019116 sleep disease Diseases 0.000 description 2
- 206010002383 Angina Pectoris Diseases 0.000 description 1
- 208000019901 Anxiety disease Diseases 0.000 description 1
- 208000028399 Critical Illness Diseases 0.000 description 1
- 241001428259 Hypnea Species 0.000 description 1
- 206010021133 Hypoventilation Diseases 0.000 description 1
- 206010029216 Nervousness Diseases 0.000 description 1
- 208000010340 Sleep Deprivation Diseases 0.000 description 1
- 208000006011 Stroke Diseases 0.000 description 1
- 206010042434 Sudden death Diseases 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000036506 anxiety Effects 0.000 description 1
- QVGXLLKOCUKJST-UHFFFAOYSA-N atomic oxygen Chemical compound [O] QVGXLLKOCUKJST-UHFFFAOYSA-N 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 239000008280 blood Substances 0.000 description 1
- 210000004369 blood Anatomy 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 239000003086 colorant Substances 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 206010022437 insomnia Diseases 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 208000010125 myocardial infarction Diseases 0.000 description 1
- 210000001989 nasopharynx Anatomy 0.000 description 1
- 238000010943 off-gassing Methods 0.000 description 1
- 239000001301 oxygen Substances 0.000 description 1
- 229910052760 oxygen Inorganic materials 0.000 description 1
- 230000003860 sleep quality Effects 0.000 description 1
- 208000020685 sleep-wake disease Diseases 0.000 description 1
- 238000001356 surgical procedure Methods 0.000 description 1
- 210000003437 trachea Anatomy 0.000 description 1
- 238000009423 ventilation Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/60—Analysis of geometric attributes
- G06T7/62—Analysis of geometric attributes of area, perimeter, diameter or volume
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T19/00—Manipulating 3D models or images for computer graphics
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
- G06T7/0012—Biomedical image inspection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10072—Tomographic images
- G06T2207/10081—Computed x-ray tomography [CT]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30004—Biomedical image processing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2210/00—Indexing scheme for image generation or computer graphics
- G06T2210/41—Medical
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2219/00—Indexing scheme for manipulating 3D models or images for computer graphics
- G06T2219/008—Cut plane or projection plane definition
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2219/00—Indexing scheme for manipulating 3D models or images for computer graphics
- G06T2219/012—Dimensioning, tolerancing
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Medical Informatics (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Radiology & Medical Imaging (AREA)
- Quality & Reliability (AREA)
- Computer Graphics (AREA)
- Computer Hardware Design (AREA)
- General Engineering & Computer Science (AREA)
- Software Systems (AREA)
- Geometry (AREA)
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
- Apparatus For Radiation Diagnosis (AREA)
Description
本發明係關於一種用於輔助判斷睡眠呼吸中止症的方法與其電腦，特別是一種用於快速輔助判斷睡眠呼吸中止症的方法與其電腦。
睡眠呼吸中止症(Obstructive Sleep Apnea，OSA，又稱為阻塞性睡眠呼吸暫停)是一種會造成睡眠障礙的疾病，且常見於中年人。患者因睡眠時上呼吸道(包括鼻咽、口咽及喉部)發生反覆性的塌陷而阻塞呼吸道，而導致呼吸中止、睡眠片段化以及血中氧氣飽和度下降的情形。除了病患的睡眠會被中斷之外，亦可能於睡眠時發生心絞痛、心肌梗塞或腦中風，甚至發生睡覺中猝死的意外。
在傳統的診斷方式上，病患需要到特定醫院的睡眠中心接受多重睡眠電圖(Polysomnography，PSG)生理檢測來檢視睡眠品質。但由於相關的醫療資源有限(尤其是偏遠地區的醫療院所)，使得病患必須經過冗長地排隊等待。病患排程等待的時間可能要三至六個月之久；而檢測過程需在指定睡眠中心過夜，以取得達八小時的睡眠資料。且後續對PSG資料進行分析另需要再花費時間才能進行診斷，因此傳統的診斷方法非常地缺乏效率，且受制於特定環境。
此外，在必須至特定環境裡接受電子儀器監控的情況下，容易因為病患的種種生理因素(例如焦慮、緊張或興奮等)造成PSG數據的準確性降低。再加上PSG檢測並僅能提供病患的睡眠呼吸紊亂指數(Apnea Hypopnea Index，AHI，亦稱為呼吸中止指數)，然而僅依據睡眠呼吸紊亂指數作為判斷病患是否患有睡眠呼吸中止症的依據並不夠準確。睡眠呼吸紊亂指數係為睡眠中每小時的呼吸暫停(Apnea)與低通氣(Hypopnea)次數的合計；其中一般將口與鼻的氣流停止流動超過十秒的情況定義為呼吸暫停，而十秒以上的換氣量降低了50%或以上的情形定義為低通氣。因此PSG檢測有診斷過程的變異性高，且可靠度較低的缺點。
為了解決上述傳統的呼吸睡眠中止症診斷方法之高醫療成本、檢測時程冗長缺乏效率、受制於特定環境且可靠度不足等問題，根據本發明提供一種用於輔助判斷睡眠呼吸中止症的方法與其電腦，以協助醫師判斷病患是否患有睡眠呼吸中止症。
用於輔助判斷睡眠呼吸中止症的電腦包括儲存有一儲存裝置以及一中央處理器；其中儲存裝置儲存有一醫療影像(medical image)，而中央處理器可執行用於輔助判斷睡眠呼吸中止症的方法。
用於輔助判斷睡眠呼吸中止症的方法包括：取得醫療影像；依據醫療影像建立一上呼吸道(upper airway)模型；於呼吸道模型定義一最窄截面以及一鼻咽交界(nasopharyngeal boundaries)截面；計算最窄截面的截面積以及鼻咽交界截面的截面積；依據最窄截面的截面積以及鼻咽交界截面的截面積，計算一窄縮率(stenosis)；以及提供窄縮率，以輔助判斷。
且用於輔助判斷睡眠呼吸中止症的方法另可包括：判斷窄縮率是否大於一窄縮門檻值。
其中「依據醫療影像建立上呼吸道模型」的步驟可包括以下步驟：以一影像分割(thresholding segmentation)手段處理醫療影像，以得到一上呼吸道影像分割區；以及以一移動立方(Marching Cubes)演算法建立與上呼吸道影像分割區對應的上呼吸道模型。
上述之醫療影像係可依據上呼吸道部位的電腦斷層掃描(computed tomography scan，CT scan)獲得，而醫療影像可為醫學數位成像與通信(Digital Imaging and Communications in Medicine，DICOM)的檔案。依據醫療影像建立之上呼吸道模型則可為一三維模型。
此外，根據本發明之一實施範例，窄縮率可以是
為了輔助醫師以使其能夠精準地判斷病患的情況，用於輔助判斷睡眠呼吸中止症的方法更可以包括以下步驟：產生上呼吸道模型的一內部網格資料；設定一邊界條件；依據上呼吸道模型、內部網格資料以及邊界條件，進行呼吸流場模擬，以得到上呼吸道模型的一流場壓力分佈；以及提供上呼吸道模型的流場壓力分佈，以輔助判斷。
其中邊界條件可包括一入氣區、一出氣區以及一呼吸氣體量。且用於輔助判斷睡眠呼吸中止症的方法另可包括：依據流場壓力分佈，計算一上呼吸道壓力差，以及判斷上呼吸道壓力差是否大於一壓力差門檻值。
綜上所述，用於輔助判斷睡眠呼吸中止症的方法與其電腦依據電腦斷層掃描之醫療影像，建立病患之上呼吸道模型以得到窄縮率。進行電腦斷層掃描不但所需的時間短，設備亦早已普及於各大醫院，因此十分方便於病患就診。且依據流體模擬可得到上呼吸道內流體壓力分佈，輔助醫師更精準的判斷病情。而計算窄縮率或是進行流暢模擬所需的時間都遠低於傳統的檢測與判斷方法，且具有針對不同病患客製化的優點。
以下在實施方式中詳細敘述本發明之詳細特徵以及優點，其內容足以使任何熟習相關技藝者了解本發明之技術內容並據以實施，且根據本說明書所揭露之內容、申請專利範圍及圖式，任何熟習相關技藝者可輕易地理解本發明相關之目的及優點。
本發明提供一種用於輔助判斷睡眠呼吸中止症的方法與其電腦，其可產生病患的上呼吸道(upper airway)之一窄縮率(stenosis)以及一流場壓力分佈，以協助醫師能夠快速地判斷病患是否患有睡眠呼吸中止症。請參照「第1圖」以及「第2圖」，其係為根據本發明一實施範例之用於輔助判斷睡眠呼吸中止症的電腦之方塊圖，以及用於輔助判斷睡眠呼吸中止症的方法之流程圖。用於輔助判斷睡眠呼吸中止症的電腦20(簡稱為電腦20)可包括一儲存裝置22、一中央處理器24以及一顯示器26，且電腦20可以是桌上型電腦、伺服器或是高速計算主機等電腦設備。
中央處理器24首先需取得病患的一醫療影像(medical image)(步驟S30)，其中醫療影像可以是醫學數位成像與通信(Digital Imaging and Communications in Medicine，DICOM)格式的檔案。DICOM是一個通用的標準協定，用於醫學影像的處理、儲存、列印、傳輸上。它包含了檔案格式的定義及網路通信協定，其中在網路上是以傳輸控制協定/網際網路協定(Transmission Control Protocol/Internet Protocol，TCP/IP)為基礎的應用協定，並以TCP/IP聯繫各個系統。兩個能接受DICOM格式的醫療儀器間，可藉由DICOM格式的檔案，來接收與交換影像及病患資料。因此DICOM格式的醫療影像可以整合應用於不同廠商的醫療影像儀器、伺服器、工作站、列印機和網路設備。
於步驟S30取得之醫療影像係可依據病患的上呼吸道部位的電腦斷層掃描(computed tomography scan，CT scan)獲得。換句話說，患者進行上呼吸道部位的電腦斷層掃描後，可以得到電腦輔助方法(中央處理器24)所需的醫療影像。而醫療影像可儲存於儲存裝置22，以作為電腦輔助方法的輸入資料。值得一提的是，一般電腦斷層掃描的檢查過程只需約15至20分鐘，遠短於接受多重睡眠電圖(Polysomnography，PSG)生理檢測所需的時間。
得到醫療影像之後，接著依據醫療影像建立上呼吸道模型(步驟S40)。請同時參照「第3圖」，其係為根據本發明一實施範例之步驟S40之流程圖。為了建立上呼吸道模型，可先以一影像分割(thresholding segmentation)手段處理醫療影像，以得到上呼吸道影像分割區(步驟S42)。將原始的醫療影像去除上呼吸道影像以外其他的部分後，便可得到單純的上呼吸道影像分割區。再以移動立方(Marching Cubes)演算法處理上呼吸道影像分割區後，便可建立與上呼吸道影像分割區對應的上呼吸道模型(步驟S44)。而依據醫療影像建立之上呼吸道模型可以是一三維模型(three dimensional model)。
請參照「第4A圖」以及「第4B圖」，其分別為根據本發明一實施範例之上呼吸道模型之示意圖，以及上呼吸道與頭骨模型之示意圖。
上呼吸道模型200包括病患的鼻咽、口咽及喉部，配合頭骨模型210更容易明瞭這些部位在人體中的位置。中央處理器24於上呼吸道模型200中定義頭顱軸(skull axis)方向之具有最小截面積的一最窄截面206，以及頭顱軸方向之一鼻咽交界(nasopharyngeal boundaries)截面208(步驟S50)。最窄截面206可以依據醫療影像或建立之上呼吸道模型200由電腦20自動運算得到，鼻咽交界截面208亦可根據經驗法則以訓練(train)過的電腦輔助方法自動判定。而較佳的是，鼻咽交界截面208係由醫療人員比對醫療影像等資料後人工指定。
中央處理器24計算最窄截面206的截面積以及鼻咽交界截面208的截面積(步驟S60)，並依據最窄截面206的截面積以及鼻咽交界截面208的截面積，計算窄縮率(stenosis)(步驟S70)。
其中窄縮率的計算方式可以是。
窄縮率代表病患之上呼吸道的窄縮程度。窄縮率越大，代表病患之上呼吸道內的窄縮程度越劇烈，而使得病患在呼吸時需要耗費較大的力氣。舉例而言，具有相同截面積之鼻咽交界截面208的不同病患中，最窄截面206的截面積較小者患有睡眠呼吸中止症的機率較高。根據臨床數據，當窄縮率大於85%時，病患有非常高的機率患有睡眠呼吸中止症。而當窄縮率大於90%時，該名病患可能為重症病患，而需要手術治療。
因此窄縮率可作為判斷病患之睡眠呼吸中止症的一項憑據，而電腦20可透過將資料顯示於顯示器26或列印等方法提供窄縮率，以輔助判斷(步驟S80)。除此之外，電腦20亦可提供醫師一窄縮率與睡眠呼吸紊亂指數(Apnea Hypopnea Index，AHI，亦稱為呼吸中止指數)關係曲線(以下簡稱為窄縮率-AHI關係曲線)。窄縮率-AHI關係曲線係根據臨床數據得到，使得醫師能夠比較病患之窄縮率以及窄縮率-AHI關係曲線，並以經驗判斷病患的病情。
此外，判斷睡眠呼吸中止症的電腦輔助方法可另自行判斷窄縮率是否大於一窄縮門檻值。窄縮門檻值可以是由醫師依照經驗指定，亦可以是系統算出之睡眠呼吸中止症病患所具有的窄縮率的平均值。類似地，電腦輔助方法亦可以同時記有多個窄縮門檻值，且個別對應於睡眠呼吸中止症之輕度患者、中度患者以及重度患者的窄縮率的平均值。
相較於傳統需要八小時睡眠資料之PSG檢測，判斷睡眠呼吸中止症的電腦輔助方法所需之醫療影像僅需20分鐘便可得到。且電腦輔助方法依據醫療影像建立上呼吸道模型200並計算窄縮率的速度極快，一般在五分鐘之內便可得到病患的窄縮率。且電腦斷層掃描已普遍地被用於各大醫院，所消耗的醫療成本亦較低。
然而在狹長型的上呼吸道等特定例外狀況下，以窄縮率判斷病情的可靠度可能會略為下降。具有狹長型之上呼吸道的病患的窄縮率不會太高，但由於上呼吸道的窄縮範圍較為狹長，因此也是患有睡眠呼吸中止症的高危險群。對此，除了上述供醫師進行快速診斷之窄縮率外，判斷睡眠呼吸中止症的電腦輔助方法更可提供病患之上呼吸道的流場壓力分佈，以供醫師進行精確診斷。
請參照「第5圖」，其係為根據本發明另一實施範例之用於輔助判斷睡眠呼吸中止症的方法之流程圖。電腦20計算出窄縮率並將其提供予醫師之後，另可以以下述步驟產生病患的流場壓力分佈。
電腦20先產生上呼吸道模型200的一內部網格資料(步驟S90)，其中內部網格資料可以是利用網格建製軟體ICEM-CFD處理上呼吸道模型200後得到。請同時參照「第6圖」，其係為根據本發明一實施範例之網格之示意圖。上呼吸道模型200係為一個三維的模型，且可想見地，上呼吸道中是一個中空的空間。為了要模擬上呼吸道中的氣體流動狀況(即流場模擬)，需建構此中空的空間的資料。於步驟S90中，電腦20在上呼吸道模型200中的空間填入內部網格資料220。內部網格資料220係包括多個網格222，其中這些網格222填滿上呼吸道模型200中的中空空間。
接著必須對上呼吸道模型200以及內部網格資料220設定進行流場模擬的一邊界條件(步驟S100)。請配合「第4A圖」，邊界條件可以包括一入氣區202、一出氣區204以及一呼吸氣體量。其中入氣區202以及出氣區204即為人體進行呼吸時，空氣進入以及離開上呼吸道的兩端。入氣區202可設為上呼吸道模型200中鼻孔(nostrils)的部分，而出氣區204則可設為主氣管(Trachea)的部分。呼吸氣體量可依據一般大眾之正常呼吸的流量設定，例如可設定成人之呼吸氣體量為500毫升(ml)。此外，亦可將出氣區204外部的氣壓值設為1大氣壓，或設定其他較為細微的模擬參數。
依據上呼吸道模型200、內部網格資料220以及邊界條件，便能夠進行呼吸流場模擬，以得到上呼吸道模型200的一流場壓力分佈(步驟S110)。電腦20並提供上呼吸道模型200的流場壓力分佈予醫師，以輔助判斷(步驟S120)。電腦20可使用流體力學數值模擬分析軟體FLUENT進行流場模擬。每一個網格222都是進行流場模擬時資料交換的點，軟體FLUENT計算在每一個網格222上進出的空氣流量，以求得網格222所對應的位置上的氣壓。藉此電腦20得到上呼吸道模型200之流場壓力分佈，也就是流場模擬的模擬結果。而流場壓力分佈亦可視為呼吸壓力差，其代表病患在吸氣時上呼吸道內部各處的氣壓差。
請參照「第7A圖」以及「第7B圖」，其分別為根據本發明一實施範例之流場壓力分佈之示意圖，以及流場壓力分佈之剖面示意圖。「第7A圖」以及「第7B圖」係為將呼吸流場模擬的結果之視覺化的圖，藉此醫師可以以直觀的方式輕易地了解流場壓力分佈230的狀況。流場壓力分佈230可以以不同的顏色表示不同的氣壓值，且醫師更可以藉由觀看剖面示意圖以了解截面內部的壓力分佈。
此外，判斷睡眠呼吸中止症的電腦輔助方法可依據流場壓力分佈230，計算一上呼吸道壓力差(意即鼻孔到主氣管的壓力差)，以及判斷上呼吸道壓力差是否大於一壓力差門檻值。其中上呼吸道壓力差係可由流場模擬產生的一呼吸流阻資訊得到。利用呼吸模組輸出入氣區202和出氣區204表面上的平均壓力，輔助電腦20能夠計算獲得此上呼吸道壓力差。
電腦20可另外提供醫師一上呼吸道壓力差與窄縮率關係曲線供醫師參考。上呼吸道壓力差與窄縮率關係曲線係根據臨床數據得到，使得醫師能夠比較病患之上呼吸道壓力差以及流場壓力分佈與窄縮率關係曲線，並以經驗判斷病患的病情。此外，電腦20可判斷上呼吸道壓力差是否大於預設的一壓力差門檻值，以協助判斷病患的病情。
請參照「第8圖」，其係為根據本發明一實施範例之窄縮率、上呼吸道壓力差與睡眠呼吸紊亂指數之關係曲線圖。由窄縮率-AHI關係曲線300以及窄縮率與上呼吸道壓力差關係曲線310可以見悉，當窄縮率高於85%時，對應的AHI或是上呼吸道壓力差都非常的大。且關係曲線圖中可按照傳統的AHI指數分割出能代表病情嚴重程度的不同區域，以供醫師參考。
藉由完整的上呼吸道之呼吸流場模擬取得流場壓力分佈，並進一步與儲存裝置22中的上呼吸道壓力差與窄縮率關係曲線圖做比對，醫師能夠做出更為精確的診斷。若使用高速計算主機(例如IBM Cluster 1350機型)，呼吸流場模擬亦僅需花費二至三小時，仍然遠低於傳統PSG檢測所需耗費的時間。
綜上所述，用於輔助判斷睡眠呼吸中止症的方法與其電腦依據電腦斷層掃描之醫療影像建立病患之上呼吸道模型，並計算上呼吸道的窄縮率。窄縮率不但在計算取得上十分快速，其係個別對應每一位病患，而另具有客製化的優點。且一般的大醫院均已具備電腦斷層掃描的設備，因此病患不需受限於備有PSG設備的少數醫院，亦不需在不熟悉的環境下進行長時間的PSG檢測。
此外用於輔助判斷睡眠呼吸中止症的方法與其電腦並可依據病患的上呼吸道模型進行呼吸時的流體模擬，並得到上呼吸道內流體壓力分佈。藉此可輔助醫師更精準的判斷病情，且亦不需要額外麻煩病患，也不需花費太長的時間。也就是說，用於輔助判斷睡眠呼吸中止症的方法與其電腦成功地解決了傳統的呼吸睡眠中止症診斷方法之高醫療成本、檢測時程冗長缺乏效率、受制於特定環境且可靠度不足等問題。
20．．．用於輔助判斷睡眠呼吸中止症的電腦
22．．．儲存裝置
24．．．中央處理器
26．．．顯示器
200．．．上呼吸道模型
202．．．入氣區
204．．．出氣區
206．．．最窄截面
208．．．鼻咽交界截面
210．．．頭骨模型
220．．．內部網格資料
222．．．網格
230．．．流場壓力分佈
300．．．窄縮率與睡眠呼吸紊亂指數關係曲線
310．．．窄縮率與上呼吸道壓力差關係曲線
第1圖係為根據本發明一實施範例之用於輔助判斷睡眠呼吸中止症的電腦之方塊圖；
第2圖係為根據本發明一實施範例之用於輔助判斷睡眠呼吸中止症的方法之流程圖；
第3圖係為根據本發明一實施範例之步驟S40之流程圖；
第4A圖係為根據本發明一實施範例之上呼吸道模型之示意圖；
第4B圖係為根據本發明一實施範例之上呼吸道與頭骨模型之示意圖；
第5圖係為根據本發明另一實施範例之用於輔助判斷睡眠呼吸中止症的方法之流程圖；
第6圖係為根據本發明一實施範例之網格之示意圖；
第7A圖係為根據本發明一實施範例之流場壓力分佈之示意圖；
第7B圖係為根據本發明一實施範例之流場壓力分佈之剖面示意圖；以及
第8圖係為根據本發明一實施範例之窄縮率、上呼吸道壓力差與睡眠呼吸紊亂指數之關係曲線圖。
Claims (16)
- 一種用於輔助判斷睡眠呼吸中止症之流場壓力分佈視覺化圖的形成方法，包括：取得一醫療影像；依據該醫療影像建立一上呼吸道模型；於該上呼吸道模型定義一最窄截面以及一鼻咽交界截面；計算該最窄截面的截面積以及該鼻咽交界截面的截面積；依據該最窄截面的截面積以及該鼻咽交界截面的截面積，計算一窄縮率；提供該窄縮率；產生該上呼吸道模型的一內部網格資料；設定一邊界條件，該邊界條件包含：一入氣區、一出氣區以及一呼吸氣體量；依據該上呼吸道模型、該內部網格資料以及該邊界條件，進行呼吸流場模擬；以及透過該呼吸流場模擬的結果形成一視覺化圖。
- 如申請專利範圍第1項所述之用於輔助判斷睡眠呼吸中止症之流場壓力分佈視覺化圖的形成方法，其中該醫療影像係依據上呼吸道部位的電腦斷層掃描獲得。
- 如申請專利範圍第1項所述之用於輔助判斷睡眠呼吸中止 症之流場壓力分佈視覺化圖的形成方法，其中該醫療影像係為醫學數位成像與通信的檔案。
- 如申請專利範圍第1項所述之用於輔助判斷睡眠呼吸中止症之流場壓力分佈視覺化圖的形成方法，其中該上呼吸道模型係為一三維模型。
- 如申請專利範圍第4項所述之用於輔助判斷睡眠呼吸中止症之流場壓力分佈視覺化圖的形成方法，其中該依據該醫療影像建立一上呼吸道模型的步驟包括：以一影像分割手段處理該醫療影像，以得到一上呼吸道影像分割區；以及以一移動立方演算法建立與該上呼吸道影像分割區對應的該上呼吸道模型。
- 如申請專利範圍第1項所述之用於輔助判斷睡眠呼吸中止症之流場壓力分佈視覺化圖的形成方法，其中該窄縮率為
- 如申請專利範圍第1項所述之用於輔助判斷睡眠呼吸中止症之流場壓力分佈視覺化圖的形成方法，另包括：判斷該窄縮率是否大於一窄縮門檻值。
- 如申請專利範圍第1項所述之用於輔助判斷睡眠呼吸中止症之流場壓力分佈視覺化圖的形成方法，另包括：依據該流場壓力分佈，計算一上呼吸道壓力差，以及 判斷該上呼吸道壓力差是否大於一壓力差門檻值。
- 一種用於輔助判斷睡眠呼吸中止症的電腦，包括：一儲存裝置，儲存有一醫療影像；以及一中央處理器，執行以下步驟：取得該醫療影像；依據該醫療影像建立一上呼吸道模型；於該上呼吸道模型定義一最窄截面以及一鼻咽交界截面；計算該最窄截面的截面積以及該鼻咽交界截面的截面積；依據該最窄截面的截面積以及該鼻咽交界截面的截面積，計算一窄縮率；提供該窄縮率；產生該上呼吸道模型的一內部網格資料；設定一邊界條件，該邊界條件包含：一入氣區、一出氣區以及一呼吸氣體量；依據該上呼吸道模型、該內部網格資料以及該邊界條件，進行呼吸流場模擬，以得到該上呼吸道模型的一流場壓力分佈；以及透過該呼吸流場模擬的結果形成一視覺化圖。
- 如申請專利範圍第9項所述之用於輔助判斷睡眠呼吸中止症的電腦，其中該醫療影像係依據上呼吸道部位的電腦斷層 掃描獲得。
- 如申請專利範圍第9項所述之用於輔助判斷睡眠呼吸中止症的電腦，其中該醫療影像係為醫學數位成像與通信的檔案。
- 如申請專利範圍第9項所述之用於輔助判斷睡眠呼吸中止症的電腦，其中該上呼吸道模型係為一三維模型。
- 如申請專利範圍第12項所述之用於輔助判斷睡眠呼吸中止症的電腦，其中該依據該醫療影像建立一上呼吸道模型的步驟包括：以一影像分割手段處理該醫療影像，以得到一上呼吸道影像分割區；以及以一移動立方演算法建立與該上呼吸道影像分割區對應的該上呼吸道模型。
- 如申請專利範圍第9項所述之用於輔助判斷睡眠呼吸中止症的電腦，其中該窄縮率為。
- 如申請專利範圍第9項所述之用於輔助判斷睡眠呼吸中止症的電腦，其中該中央處理器另執行以下步驟：判斷該窄縮率是否大於一窄縮門檻值。
- 如申請專利範圍第9項所述之用於輔助判斷睡眠呼吸中止症的電腦，其中該中央處理器另執行以下步驟：依據該流場壓力分佈，計算一上呼吸道壓力差，以及 判斷該上呼吸道壓力差是否大於一壓力差門檻值。
Priority Applications (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| TW099116911A TWI413511B (zh) | 2010-05-26 | 2010-05-26 | The method of forming the visualization map of the pressure distribution of the flow field of the sleep apnea and the computer |
| US12/913,580 US8929623B2 (en) | 2010-05-26 | 2010-10-27 | Method and computer for aiding determination of obstructive sleep apnea |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| TW099116911A TWI413511B (zh) | 2010-05-26 | 2010-05-26 | The method of forming the visualization map of the pressure distribution of the flow field of the sleep apnea and the computer |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| TW201141442A TW201141442A (en) | 2011-12-01 |
| TWI413511B true TWI413511B (zh) | 2013-11-01 |
Family
ID=45022177
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| TW099116911A TWI413511B (zh) | 2010-05-26 | 2010-05-26 | The method of forming the visualization map of the pressure distribution of the flow field of the sleep apnea and the computer |
Country Status (2)
| Country | Link |
|---|---|
| US (1) | US8929623B2 (zh) |
| TW (1) | TWI413511B (zh) |
Families Citing this family (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| TW201441952A (zh) * | 2013-04-24 | 2014-11-01 | Zhi-Zheng Ke | 多區彈性床墊資料之收集建立及測量銷售方法 |
| US9675305B2 (en) * | 2014-06-03 | 2017-06-13 | Ortho-Tain | System and method for determining an orthodontic diagnostic analysis of a patient |
| CN107516306A (zh) * | 2016-06-15 | 2017-12-26 | 安克生医股份有限公司 | 呼吸中止症评估方法及其系统 |
| CN107789114B (zh) * | 2016-08-30 | 2019-11-12 | 太旸科技国际股份有限公司 | 睡眠呼吸牙套的调整方法 |
| JP7075131B2 (ja) * | 2017-03-01 | 2022-05-25 | 国立大学法人 鹿児島大学 | 気道通気状態キャリブレーションシステム及び睡眠時の気道変形予測システム |
| US10699415B2 (en) | 2017-08-31 | 2020-06-30 | Council Of Scientific & Industrial Research | Method and system for automatic volumetric-segmentation of human upper respiratory tract |
| AU2020277895A1 (en) * | 2019-05-20 | 2021-12-16 | Commonwealth Scientific And Industrial Research Organisation | Prediction and intervention of obstructive sleep apnoea |
| KR102447862B1 (ko) * | 2020-01-17 | 2022-09-27 | 연세대학교 산학협력단 | 기계학습을 이용한 수면무호흡증 진단방법 |
| CN112336995B (zh) * | 2020-10-16 | 2023-05-02 | 合肥即理科技有限公司 | 一种可改善osahs和鼾症的激光理疗仪 |
Family Cites Families (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US6246784B1 (en) * | 1997-08-19 | 2001-06-12 | The United States Of America As Represented By The Department Of Health And Human Services | Method for segmenting medical images and detecting surface anomalies in anatomical structures |
| CA2583738C (en) * | 2004-10-05 | 2015-08-11 | Universiteit Antwerpen | Diagnosis and treatment of sleep apnea |
-
2010
- 2010-05-26 TW TW099116911A patent/TWI413511B/zh not_active IP Right Cessation
- 2010-10-27 US US12/913,580 patent/US8929623B2/en not_active Expired - Fee Related
Non-Patent Citations (1)
| Title |
|---|
| Journal of Biomechanics. Volume 39, Issue 11, 2006, Pages 2043-2054 * |
Also Published As
| Publication number | Publication date |
|---|---|
| TW201141442A (en) | 2011-12-01 |
| US8929623B2 (en) | 2015-01-06 |
| US20110293156A1 (en) | 2011-12-01 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| TWI413511B (zh) | The method of forming the visualization map of the pressure distribution of the flow field of the sleep apnea and the computer | |
| US9402565B2 (en) | Method and system for analyzing craniofacial complex images | |
| US7794399B2 (en) | System and method for three-dimensional airway reconstruction, assessment and analysis | |
| Van Holsbeke et al. | Change in upper airway geometry between upright and supine position during tidal nasal breathing | |
| Lucey et al. | Measurement, reconstruction, and flow-field computation of the human pharynx with application to sleep apnea | |
| US20210196217A1 (en) | Dynamic 3-d anatomical mapping and visualization | |
| US11432742B2 (en) | Airway ventilation state calibration system and system for predicting airway deformation during sleep | |
| WO2016006633A1 (ja) | 顎顔面部の流体構造連成解析を用いた気道通気状態解析システム | |
| Van Gaver et al. | Functional imaging improves patient selection for mandibular advancement device treatment outcome in sleep-disordered breathing: a prospective study | |
| Chuang et al. | Anatomic development of the upper airway during the first five years of life: A three-dimensional imaging study | |
| Johnsen | Computational Rhinology: Unraveling Discrepancies between In Silico and In Vivo Nasal Airflow Assessments for Enhanced Clinical Decision Support | |
| WO2023237384A1 (en) | Mechanical ventilator configuration for mechanical ventilation of a patient with limited or no imaging data of the patient | |
| US20230201504A1 (en) | System and method for generating patient-specific ventilation settings based on lung modeling | |
| JP6762556B2 (ja) | 睡眠時の気道変形予測システム | |
| Hu et al. | Photographic analysis and machine learning for diagnostic prediction of adenoid hypertrophy | |
| US20230102865A1 (en) | Digital twin of lung that is calibrated and updated with mechanical ventilator data and bed-side imaging information for safe mechanical ventilation | |
| RU2797190C1 (ru) | Способ оценки внутриносовой аэродинамики | |
| US20230009274A1 (en) | Endotracheal tube size selection and insertion depth estimation using statistical shape modelling and virtual fitting | |
| Furundarena-Padrones et al. | Correlation between polysomnographic parameters and volumetric changes generated by maxillomandibular advancement surgery in patients with obstructive sleep apnea: a fluid dynamics study | |
| Ormiskangas | Computational Fluid Dynamics and Experimental Methods of Nasal Airflow in Rhinological Patients | |
| Moreddu et al. | Computational fluid dynamics (CFD), virtual rhinomanometry, and virtual surgery for neonatal congenital nasal pyriform aperture stenosis | |
| Numminen | Clinical validation of rhinometric measurements |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| MM4A | Annulment or lapse of patent due to non-payment of fees |