CN107491636A - 一种基于计算流体力学的脑血管储备力仿真***和方法 - Google Patents
一种基于计算流体力学的脑血管储备力仿真***和方法 Download PDFInfo
- Publication number
- CN107491636A CN107491636A CN201710620509.XA CN201710620509A CN107491636A CN 107491636 A CN107491636 A CN 107491636A CN 201710620509 A CN201710620509 A CN 201710620509A CN 107491636 A CN107491636 A CN 107491636A
- Authority
- CN
- China
- Prior art keywords
- cerebrovascular
- model
- haemodynamics
- blood
- dimensional
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 239000012530 fluid Substances 0.000 title claims abstract description 40
- 238000000034 method Methods 0.000 title claims abstract description 20
- 230000001435 haemodynamic effect Effects 0.000 claims abstract description 33
- 238000004088 simulation Methods 0.000 claims abstract description 22
- 210000004204 blood vessel Anatomy 0.000 claims abstract description 19
- 238000002591 computed tomography Methods 0.000 claims abstract description 19
- 238000000605 extraction Methods 0.000 claims abstract description 10
- 238000002203 pretreatment Methods 0.000 claims abstract description 8
- 230000000004 hemodynamic effect Effects 0.000 claims abstract description 7
- 238000012805 post-processing Methods 0.000 claims abstract description 5
- 238000007781 pre-processing Methods 0.000 claims abstract description 4
- 230000002792 vascular Effects 0.000 claims description 37
- 239000008280 blood Substances 0.000 claims description 25
- 210000004369 blood Anatomy 0.000 claims description 25
- 230000017531 blood circulation Effects 0.000 claims description 16
- 238000012545 processing Methods 0.000 claims description 10
- 238000009499 grossing Methods 0.000 claims description 7
- 210000001367 artery Anatomy 0.000 claims description 6
- 238000013178 mathematical model Methods 0.000 claims description 5
- 238000005259 measurement Methods 0.000 claims description 5
- 238000004364 calculation method Methods 0.000 claims description 4
- 238000010008 shearing Methods 0.000 claims description 4
- 238000002592 echocardiography Methods 0.000 claims 1
- 230000002708 enhancing effect Effects 0.000 description 8
- 238000005516 engineering process Methods 0.000 description 6
- 210000004556 brain Anatomy 0.000 description 5
- 208000006011 Stroke Diseases 0.000 description 4
- 230000000747 cardiac effect Effects 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 238000003384 imaging method Methods 0.000 description 4
- 230000010412 perfusion Effects 0.000 description 4
- 206010002329 Aneurysm Diseases 0.000 description 2
- 206010008190 Cerebrovascular accident Diseases 0.000 description 2
- 230000001154 acute effect Effects 0.000 description 2
- QVGXLLKOCUKJST-UHFFFAOYSA-N atomic oxygen Chemical compound [O] QVGXLLKOCUKJST-UHFFFAOYSA-N 0.000 description 2
- 238000004422 calculation algorithm Methods 0.000 description 2
- 210000004004 carotid artery internal Anatomy 0.000 description 2
- 230000002490 cerebral effect Effects 0.000 description 2
- 230000001419 dependent effect Effects 0.000 description 2
- 201000010099 disease Diseases 0.000 description 2
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 2
- 239000000284 extract Substances 0.000 description 2
- 238000002372 labelling Methods 0.000 description 2
- 239000007788 liquid Substances 0.000 description 2
- 229910052760 oxygen Inorganic materials 0.000 description 2
- 239000001301 oxygen Substances 0.000 description 2
- 210000003462 vein Anatomy 0.000 description 2
- 210000002385 vertebral artery Anatomy 0.000 description 2
- CVOFKRWYWCSDMA-UHFFFAOYSA-N 2-chloro-n-(2,6-diethylphenyl)-n-(methoxymethyl)acetamide;2,6-dinitro-n,n-dipropyl-4-(trifluoromethyl)aniline Chemical compound CCC1=CC=CC(CC)=C1N(COC)C(=O)CCl.CCCN(CCC)C1=C([N+]([O-])=O)C=C(C(F)(F)F)C=C1[N+]([O-])=O CVOFKRWYWCSDMA-UHFFFAOYSA-N 0.000 description 1
- 208000022211 Arteriovenous Malformations Diseases 0.000 description 1
- 241000196324 Embryophyta Species 0.000 description 1
- 206010033799 Paralysis Diseases 0.000 description 1
- 208000031481 Pathologic Constriction Diseases 0.000 description 1
- 230000002159 abnormal effect Effects 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000005744 arteriovenous malformation Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000002457 bidirectional effect Effects 0.000 description 1
- 230000000740 bleeding effect Effects 0.000 description 1
- 210000001627 cerebral artery Anatomy 0.000 description 1
- 208000026106 cerebrovascular disease Diseases 0.000 description 1
- 230000001684 chronic effect Effects 0.000 description 1
- 238000013170 computed tomography imaging Methods 0.000 description 1
- 239000002872 contrast media Substances 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000011982 device technology Methods 0.000 description 1
- 238000003745 diagnosis Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000003450 growing effect Effects 0.000 description 1
- 238000003709 image segmentation Methods 0.000 description 1
- 208000028867 ischemia Diseases 0.000 description 1
- 230000003902 lesion Effects 0.000 description 1
- 231100000518 lethal Toxicity 0.000 description 1
- 230000001665 lethal effect Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000035772 mutation Effects 0.000 description 1
- 208000021090 palsy Diseases 0.000 description 1
- 230000002265 prevention Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000002603 single-photon emission computed tomography Methods 0.000 description 1
- 230000036262 stenosis Effects 0.000 description 1
- 208000037804 stenosis Diseases 0.000 description 1
- 238000005728 strengthening Methods 0.000 description 1
- 239000000758 substrate Substances 0.000 description 1
- 208000024891 symptom Diseases 0.000 description 1
- 210000001994 temporal artery Anatomy 0.000 description 1
- 238000003325 tomography Methods 0.000 description 1
- 238000002604 ultrasonography Methods 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
- 229910052724 xenon Inorganic materials 0.000 description 1
- FHNFHKCVQCLJFQ-UHFFFAOYSA-N xenon atom Chemical compound [Xe] FHNFHKCVQCLJFQ-UHFFFAOYSA-N 0.000 description 1
Classifications
-
- 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]
-
- 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
- A61B6/50—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment specially adapted for specific body parts; specially adapted for specific clinical applications
- A61B6/507—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment specially adapted for specific body parts; specially adapted for specific clinical applications for determination of haemodynamic parameters, e.g. perfusion CT
-
- 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
- A61B6/52—Devices using data or image processing specially adapted for radiation diagnosis
- A61B6/5205—Devices using data or image processing specially adapted for radiation diagnosis involving processing of raw data to produce diagnostic data
-
- 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
- A61B6/52—Devices using data or image processing specially adapted for radiation diagnosis
- A61B6/5211—Devices using data or image processing specially adapted for radiation diagnosis involving processing of medical diagnostic data
- A61B6/5229—Devices using data or image processing specially adapted for radiation diagnosis involving processing of medical diagnostic data combining image data of a patient, e.g. combining a functional image with an anatomical image
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
Landscapes
- Health & Medical Sciences (AREA)
- Engineering & Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Medical Informatics (AREA)
- Physics & Mathematics (AREA)
- Molecular Biology (AREA)
- Animal Behavior & Ethology (AREA)
- Biophysics (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Optics & Photonics (AREA)
- Pathology (AREA)
- Radiology & Medical Imaging (AREA)
- Biomedical Technology (AREA)
- Heart & Thoracic Surgery (AREA)
- Veterinary Medicine (AREA)
- Surgery (AREA)
- High Energy & Nuclear Physics (AREA)
- General Health & Medical Sciences (AREA)
- Public Health (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Dentistry (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Computer Graphics (AREA)
- Geometry (AREA)
- Software Systems (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Magnetic Resonance Imaging Apparatus (AREA)
Abstract
本发明公开了一种基于计算流体力学的脑血管储备力仿真***和方法，包括：图像数据采集模块，用于获取人体脑血管的计算机断层扫描图像；血管三维重建模块，对所述计算机断层扫描图像进行三维重建；边界条件提取模块，对所述脑血管计算机断层扫描图像进行后处理，得到仿真所需边界信息；CFD前处理模块，对所述脑血管三维几何模型进行数值仿真所需的前处理；CFD计算模块，对脑血管三维几何模型各处的血流动力学信息进行求解；CFD后处理模块，将仿真结果与所述边界条件提取模块测得的结果进行对比。本发明采用血流动力特征参数作为评估脑血管储备力的标准，避免了通过脑血管几何结构来判断的片面性，可实现无创、定量和个性化的脑血管储备力评估。
Description
技术领域
本发明涉及医疗器械技术，尤其涉及一种基于计算流体力学的脑血管储备力仿真***和方法。
背景技术
脑卒中(stroke)，俗称中风，是一类急性脑血管疾病的总称，表现为急性和慢性脑出血或缺血症状。它具有发病率高、死亡率高和致残率高的特点，是导致我国成年人致死和致残的首要因素。相关临床研究发现，基于影像学，评估脑血管储备力情况对卒中的预防、诊断和治疗起着非常重要的作用。
传统的对脑卒中后脑血管储备力的评估的影像学技术手段，主要包括PET成像，SPECT成像，Xenon-enhanced CT成像,CT灌注(Dynamic perfusion CT),MRI灌注成像(perfusion-weighted MRI),动脉自旋标记成像(Arterial Spin Labeling MRI),血氧水平依赖成像(Blood oxygen level-dependent MRI)等，这些技术手段可以提供大脑的感兴趣区域内的局部灌注信息，包括CBF、CBV等血流动力学参数来评估脑血管储备力情况，但是无法提供具体到单根血管的储备力情况，并且空间分辨率较低，并且以上大多数测量方法有创、昂贵。经颅超声多普勒技术(Transcranial Doppler Ultrasound)和磁共振相位增强技术(Phase-contrast MRI)可以无创地实现局部血管的流速、流量数据的测量，但经颅超声多普勒技术容易受操作者的主观操作影响，且两种技术一次测量只能提供兴趣血管某一截面的信息，无法提供整段血管和血管网络的储备力情况。如何方便、准确地测量局部脑血管的血流动力学数据，对脑血管储备力的精确评估有着非常重要的意义。
发明内容
本发明要解决的技术问题在于针对现有技术中的缺陷，提供一种基于计算流体力学的脑血管储备力仿真***和方法,能够实现满足个体化差异的脑血管血流动力学情况的无创、定量评估，为用户的脑血管储备力情况的分析提供准确和全面的信息。
本发明解决其技术问题所采用的技术方案是：一种基于计算流体力学的脑血管储备力仿真***，包括：
图像数据采集模块，用于采集重建脑血管三维几何结构所需的计算机断层扫描图像，包括CTA，MRA，3D快速自旋回波序列和3D-DSA数据；所述图像数据采集模块还用于采集计算脑血管三维结构的边界数据所需的图像；
脑血管三维重建模块，用于对图像数据采集模块采集的计算机断层扫描图像进行三维重建，得到脑血管的三维几何结构；
边界条件提取模块，通过对采集到的原始相位增强图像数据进行后处理，提取流体仿真所需的边界条件信息，所述边界条件信息包括脑血管入口和出口的流速、流量信息；
CFD前处理模块，用于对脑血管三维重建模块获得的脑血管三维几何结构进行数值仿真前所需的前处理，所述前处理包括：脑血管三维几何结构平滑处理，面网格和体网格的划分以及仿真所需入口、出口设置，血管壁设置；
CFD计算模块，用于构建模型对所述流体力学仿真过程设置求解方法，求解脑血管三维几何结构各处的血流动力学信息；所述模型包括入口模型、出口模型、血管壁模型和血液模型；其中，入口模型用于设置流体力学仿真的入口边界条件，出口模型用于设置流体力学仿真的出口边界条件，血管壁模型用于设置血管壁的边界条件，血液模型用于设置符合血液流动特点的血流动力学模型；
CFD后处理模块，用于将所述CFD计算模块求解得到的血流动力学数据与实际测得的数据进行对比，用于指导调整仿真数学模型和求解参数，当仿真结果和实际测得的结果接近时，输出最终的血流动力学数据，包括血管内压力、血管壁面切应力、血液流速的三维彩色云图，以及用于表征脑血管储备力的血流动力学特征参数，包括压降系数(入口到兴趣血管截面压力差)、血管储备分数(入口到狭窄处压力比值)、血流流速均值和峰值，血流平均流速和流量，和血管壁面平均切应力等血流动力学参数，实现对脑血管储备力的定量评估。
按上述方案，所述图像数据采集模块中用于采集重建脑血管三维几何结构所需的计算机断层扫描图像具体为使用CTA、3D-TOF MRA或者3D-DSA对主动脉肱以上的脑血管动脉部分进行扫描，得到人体脑血管的计算机断层扫描图像。
本发明还提供了一种基于计算流体力学的脑血管储备力仿真方法，包括以下步骤:
1)采集人体脑血管的计算机断层扫描图像和用于计算边界条件的图像；
2)对所述扫描图像进行后处理，通过重建得到脑血管三维几何结构，并处理相位增强数据，提取仿真所需边界信息；
3)对所述脑血管三维几何结构进行前处理，包括平滑处理、网格划分和边界条件设置；
4)设置流体仿真求解方法，求解所述脑血管三维几何结构各处血流动力学信息；
5)将仿真结果与测量结果对比，调整仿真数学模型和求解参数，输出血流动力学信息的彩色云图和血流动力学特征参数。
按上述方案，所述步骤4)中具体如下：所述模型包括入口模型、出口模型、血管壁模型和血液模型；其中，入口模型用于设置流体力学仿真的入口边界条件，出口模型用于设置流体力学仿真的出口边界条件，血管壁模型用于设置血管壁的边界条件，血液模型用于设置符合血液流动特点的血流动力学模型；在对入口、出口、血管壁和血流模型的各参数进行设置后，再对求解方法和收敛条件进行设置，通过求解偏微分方程，对每一个网格内的血流动力学信息进行求解，从而来获得各处的血流动力学信息。
本发明产生的有益效果是：
1.本发明采取个性化流速和流量数据作为脑血管计算流体力学仿真的边界条件，避免了使用经验值或者模型预估的边界条件造成的仿真结果的偏差。
2.本发明完全基于影像学手段，可以不需要注射造影剂，方便、无创。
3.本发明采取包括脑血管储备分数在内的多个特征参数作为评估脑血管储备力情况的参考值，可以更为全面地评估脑血管储备力情况。
附图说明
下面将结合附图及实施例对本发明作进一步说明，附图中：
图1为本发明中基于计算流体力学的脑血管储备力的仿真***的结构图框图；
图2为脑血管几何结构的计算机三维断层机构；
图3为本发明的脑血管三维重建示意图；
图4为本发明的脑血管网格及入口划分示意图；
图5为本发明实施例中获取的压力分布的彩色云图；
图6为本发明中的仿真方法步骤流程图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白，以下结合实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅用以解释本发明，并不用于限定本发明。
如图1所示，本实施例提供的基于计算流体力学的脑血管储备力仿真***包括，
图像数据采集模块，用于采集脑血管几何结构的计算机断层扫描图像。在本实施例中，使用磁共振TOF-MRA MRI序列在3.0T磁共振上采集头颈部血管的计算机断层扫描图像，如图2所示。所述图像数据采集模块还使用磁共振Phase-contrast MRI(PC-MRI)相位增强序列采集脑血管入口、出口以及血管内部截面在一个心动周期内的相位增强图像。
脑血管三维重建模块，在采集到原始图像后，首先在脑血管三维重建模块对3DTOF-MRA图像进行三维重建，使用边界识别算法提取用户脑血管Willis环的三维几何结构，同时去除血管内可能存在的斑块成分，并剔除掉分辨率较低、显示不清晰的细小分支动脉血管，如图3所示。
同时，所述边界条件提取模块还对磁共振相位增强图像数据进行处理，得到所需的脑血管入口截面的流速和流量信息。
CFD前处理模块，首先对所述脑血管三维重建模块得到的脑血管Willis环结构进行平滑处理，避免可能存在的不正常的结构突变和图像伪影对仿真结果造成的影响，如血管表面的钉状物。再对平滑后的Willis环进行面网格的划分，面网格划分可使用三角形网格或四边形网格，划分面网格时还对几何形状较复杂的血管表面进行加密处理。在定义脑血管入口和出口截面，以及血管壁面，最后使用非结构网络的四面体对Willis环的几何结构进行体网格的划分，要求体网格不大于0.2mm，网格划分示意图如图4所示。
所述CFD计算模块，首先对入口模型、出口模型、血管壁模型和血液模型的各参数进行建模和定义。其中，入口模型用于设置流体力学仿真的入口边界条件。出口模型用于设置流体力学仿真的出口边界条件。血管壁模型用于设置血管壁的边界条件。血液模型的建立是为了设置符合血液流动特点的血流动力学模型。在对入口、出口、血管壁和血流模型的各参数进行设置后，再对求解方法和收敛条件进行设置，通过求解偏微分方程，对每一个网格内的血流动力学信息进行求解，从而来获得各处的血流动力学信息。
在本实施例中，入口模型选择流量入口模型，同时输入两侧颈内动脉和椎动脉的入口平均流量信息，流量信息由所述边界条件提取模块通过分析一个心动周期内的磁共振相位增强图像得到。入口模型也可以选择血流速度模型，和血管压力入口模型。
出口模型可以选择模拟电路出口边界模型，压力出口模型，流量出口模型中的一种或者多种。在本实施例中，出口模型选择压力模型，出口压力设置为0Pa。
血管壁模型可以设置为非滑移和滑移模型，刚性壁面模型，单向或双向流固耦合模型中的一种或多种。在本实施例中，血管壁模型选择非滑移，刚性壁模型。血液模型可以使用层流或者湍流模型，可压缩和不可压缩流体，牛顿和非牛顿流体。大多数情况下血液流动是层流的，只有在病变血管和血管分叉处可能会出现湍流模型。在本实施例中，血液模型选择不可压缩的牛顿液体，密度为1057kg/m3,粘度为0.0035Pa.s。血液流动满足三维流体运动控制方程：
其中，方程(1)是流体质量守恒方程，方程(2)是流体动量守恒方程。
在定义数学模型和模型参数后，还需要对求解方法以及收敛条件进行设置，当计算收敛到指定阈值时，结束仿真，可以得到血流动力学仿真结果。
所述CFD后处理模块，首先对仿真得到的血管截面流速和流量信息与磁共振相位增强序列采集得到的血管截面流速和流量信息进行对比，当仿真结果与实际测量结果差异较大时，通过修改仿真模型和模型参数，以及网格划分方法，最终使得仿真结果接近实际测量结果。最后，所述CFD后处理模块将血液动力学数据，包括压力，流速，壁面剪切力映射到脑血管Willis环三维几何结构上，进行彩色云图显示，并输出可评估脑血管储备力的多种血流动力学特征参数，如压降系数，血流储备分数、血管平均流速和血管壁面平均切应力等，实现对脑血管储备力的定量评估。彩色云图如图5所示。
利用上述的脑血管计算流体力学仿真***，可以得到脑血管流体力学仿真方法。在上述***基础上，本发明还提供了一种基于计算流体力学的脑血管储备力仿真方法，如图6所示，
包括以下步骤：
S101：获取人体脑血管的计算机断层扫描图像。
具体实施时，使用CTA、3D-TOF MRA或者3D-DSA对主动脉肱以上的脑血管动脉部分进行扫描，得到人体脑血管的计算机断层扫描图像。具体地，优选地使用磁共振3D TOF-MRA序列对人体脑血管的计算机断层扫描图像进行采集，实现无创地脑血管几何结构提取。
S201：对所述计算机断层扫描图像进行后处理，通过重建得到脑血管三维几何结构，并对磁共振相位增强图像进行处理，提取流体仿真所需边界信息。
具体实施时，优选地使用阈值、销蚀和区域生长等图像分割算法准确地重建脑血管三维几何结构，剔除掉图像中可能存在的斑块成分、动脉瘤夹和细小分支血管，仅保留主要脑动脉血管结构，包括大脑前动脉、大脑中动脉、大脑后动脉、颈内/外动脉、椎/基底动脉、颞浅动脉、前/后交通动脉。具体实施时，优选地使用磁共振相位增强图像对脑血管主要入口和出口进行血流动力学数据测量，截面位置以血管分叉位置为基准，在分叉处上下1cm、2cm、3cm和5cm处测量磁共振相位增强图像，并选择合适的血管截面作为脑血管入口和出口的位置。同时，通过对磁共振相位增强图像的处理，还将得到基于一个心动周期的脑血管入口和出口的流速流量信息。
S301：对所述脑血管三维几何结构进行前处理，包括平滑处理、网格划分和边界设置。
具体地，由于三维重建时可能存在脑血管三维几何结构的不平整，将影响计算流体力学仿真的收敛。具体实施时，首先对脑血管三维几何结构进行平滑处理，平滑可能存在的钉状物和形变较大的几何结构；然后对平滑处理后的脑血管三维几何结构进行面网格和体网格的划分。优选地，面网格划分使用三角形，而体网格划分使用正四面体，对血管分叉处进行网格加密处理，最后定义血管入口、出口截面以及血管壁位置。
S401:设置流体仿真求解方法,求解所述脑血管三维几何结构各处血流动力学信息。
具体地，首先对脑血管入口模型、出口模型、血管壁模型和血液模型的各参数进行建模和定义。优选地，脑血管入口模型选择流量入口模型，同时输入两侧颈内动脉和椎动脉的入口在一个心动周期内的平均流量信息。入口模型还可以选择流速模型、压力模型和模拟电路模型。优选地，脑血管出口模型选择压力出口模型，便于仿真收敛，还可以选择流量模型、流速模型和模拟电路模型。优选地，血管壁选择无滑移、刚性壁模型，忽略血管形变对血流动力学数据带来的影响，减小计算量。当研究动脉瘤、动静脉畸形等疾病时，考虑血管形变，可以选择单向或者双向耦合血管壁。优选地，血液模型选择层流模型或者湍流模型，对血液的流体动力学信息特征进行捕捉。
S501：对比仿真结果与测量结果，调整仿真数学模型和求解参数，输出血流动力学信息的彩色云图和血流动力学特征参数。首先对仿真得到的血管截面流速和流量信息与磁共振相位增强序列采集得到的血管截面流速和流量信息进行对比，当仿真结果与实际测量结果差异较大时，通过修改仿真模型和模型参数，以及网格划分方法，最终使得仿真结果接近实际测量结果。最后将血液动力学信息，包括压力，流速，壁面剪切力映射到脑血管Willis环三维几何结构上，进行彩色云图显示，并输出可评估脑血管储备力的多种血流动力学特征参数，如压降系数，血流储备分数，血流流速均值和峰值，血流平均流速和流量，和血管壁面平均切应力等血流动力学参数，实现对脑血管储备力的定量评估。
应当理解的是，对本领域普通技术人员来说，可以根据上述说明加以改进或变换，而所有这些改进和变换都应属于本发明所附权利要求的保护范围。
Claims (4)
1.一种基于计算流体力学的脑血管储备力仿真***，其特征在于，包括：
图像数据采集模块，用于采集重建脑血管三维几何结构所需的计算机断层扫描图像，包括CTA，MRA和3D-DSA数据；所述图像数据采集模块还用于采集计算脑血管三维结构的边界数据所需的图像；
脑血管三维重建模块，用于对图像数据采集模块采集的计算机断层扫描图像进行三维重建，得到脑血管的三维几何结构；
边界条件提取模块，通过对采集到的原始相位增强图像数据进行后处理，提取流体仿真所需的边界条件信息，所述边界条件信息包括脑血管入口和出口的流速、流量信息；
CFD前处理模块，用于对脑血管三维重建模块获得的脑血管三维几何结构进行数值仿真前所需的前处理，所述前处理包括：脑血管三维几何结构平滑处理，面网格和体网格的划分以及仿真所需入口、出口设置，血管壁设置；
CFD计算模块，用于构建模型对所述流体力学仿真过程设置求解方法，求解脑血管三维几何结构各处的血流动力学信息；所述模型包括入口模型、出口模型、血管壁模型和血液模型；其中，入口模型用于设置流体力学仿真的入口边界条件，出口模型用于设置流体力学仿真的出口边界条件，血管壁模型用于设置血管壁的边界条件，血液模型用于设置符合血液流动特点的血流动力学模型；
CFD后处理模块，用于将所述CFD计算模块求解得到的血流动力学数据与实际测得的数据进行对比，用于指导调整仿真数学模型和求解参数，当仿真结果和实际测得的结果接近时，输出最终的血流动力学数据，包括血管内压力、血管壁面切应力、血液流速的三维彩色云图，以及用于表征脑血管储备力的血流动力学特征参数，包括压降系数、血管储备分数、血流流速均值和峰值，血流平均流速和流量，和血管壁面平均切应力等血流动力学参数，实现对脑血管储备力的定量评估。
2.根据权利要求1所述的基于计算流体力学的脑血管储备力仿真***，其特征在于，所述图像数据采集模块中用于采集重建脑血管三维几何结构所需的计算机断层扫描图像具体为使用CTA、3D-TOF MRA、3D-PC MRA、3D快速自旋回波序列或者3D-DSA对主动脉肱以上的脑血管动脉部分进行扫描，得到人体脑血管的计算机断层扫描图像。
3.一种基于计算流体力学的脑血管储备力仿真方法，包括以下步骤:
1)采集人体脑血管的计算机断层扫描图像和用于计算边界条件的图像；
2)对所述扫描图像进行重建处理，通过重建得到脑血管三维几何结构，并处理相位增强数据，提取仿真所需边界信息；
3)对所述脑血管三维几何结构进行前处理，包括平滑处理、网格划分和边界条件设置；
4)构建模型设置流体仿真求解方法，求解所述脑血管三维几何结构各处血流动力学信息；
5)将仿真结果与测量结果对比，调整仿真数学模型和求解参数，输出血流动力学信息的彩色云图和血流动力学特征参数。
4.根据权利要求1所述的基于计算流体力学的脑血管储备力仿真方法，其特征在于，所述步骤4)中具体如下：所述模型包括入口模型、出口模型、血管壁模型和血液模型；其中，入口模型用于设置流体力学仿真的入口边界条件，出口模型用于设置流体力学仿真的出口边界条件，血管壁模型用于设置血管壁的边界条件，血液模型用于设置符合血液流动特点的血流动力学模型；在对入口、出口、血管壁和血流模型的各参数进行设置后，再对求解方法和收敛条件进行设置，通过求解偏微分方程，对每一个网格内的血流动力学信息进行求解，从而来获得各处的血流动力学信息。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710620509.XA CN107491636B (zh) | 2017-07-26 | 2017-07-26 | 一种基于计算流体力学的脑血管储备力仿真***和方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710620509.XA CN107491636B (zh) | 2017-07-26 | 2017-07-26 | 一种基于计算流体力学的脑血管储备力仿真***和方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN107491636A true CN107491636A (zh) | 2017-12-19 |
| CN107491636B CN107491636B (zh) | 2021-03-16 |
Family
ID=60644762
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201710620509.XA Active CN107491636B (zh) | 2017-07-26 | 2017-07-26 | 一种基于计算流体力学的脑血管储备力仿真***和方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN107491636B (zh) |
Cited By (27)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108830848A (zh) * | 2018-05-25 | 2018-11-16 | 深圳科亚医疗科技有限公司 | 利用计算机确定血管上的血管状况参数的序列的装置和*** |
| CN108992057A (zh) * | 2018-06-05 | 2018-12-14 | 杭州晟视科技有限公司 | 一种确定冠状动脉血流储备分数ffr的方法和装置 |
| CN109492343A (zh) * | 2018-12-28 | 2019-03-19 | 北京工业大学 | 一种基于多尺度模型代替流固耦合的计算方法 |
| CN109528176A (zh) * | 2018-11-01 | 2019-03-29 | 贵州医科大学附属医院 | 一种脑血管特征信息分析***及方法 |
| CN109770867A (zh) * | 2018-12-21 | 2019-05-21 | 深圳市阅影科技有限公司 | 冠状动脉血流动力仿真数据处理方法和装置 |
| CN109846500A (zh) * | 2019-03-15 | 2019-06-07 | 浙江大学 | 一种确定冠状动脉血流储备分数的方法和装置 |
| CN109919916A (zh) * | 2019-02-20 | 2019-06-21 | 杭州晟视科技有限公司 | 一种壁面切应力优化方法及装置、存储介质 |
| CN110400638A (zh) * | 2019-05-30 | 2019-11-01 | 合肥工业大学 | 用于研究颅内动脉瘤生长过程以及探究生长机制的方法 |
| WO2019242161A1 (zh) * | 2018-06-20 | 2019-12-26 | 博动医学影像科技（上海）有限公司 | 基于病史信息获取血流特征值的方法及装置 |
| WO2019242159A1 (zh) * | 2018-06-20 | 2019-12-26 | 博动医学影像科技（上海）有限公司 | 获取血管压力差的方法及装置 |
| CN112150454A (zh) * | 2020-09-30 | 2020-12-29 | 上海联影医疗科技股份有限公司 | 一种主动脉夹层评估方法、装置、设备及存储介质 |
| CN112581609A (zh) * | 2020-12-30 | 2021-03-30 | 重庆大学 | 仿真血流动力学信息的获取方法及内螺旋人造血管模型 |
| CN112711831A (zh) * | 2020-12-07 | 2021-04-27 | 上海联影医疗科技股份有限公司 | 血管仿真分析方法、设备、装置、计算机设备和存储介质 |
| CN113076705A (zh) * | 2021-03-26 | 2021-07-06 | 北京阅影科技有限公司 | 血流动力的仿真方法及装置 |
| CN113143306A (zh) * | 2021-03-31 | 2021-07-23 | 广东医科大学附属医院 | 一种用于颅内动脉瘤cfd诊断可视化设备 |
| CN113420480A (zh) * | 2021-06-23 | 2021-09-21 | 武汉工程大学 | 一种动脉斑块破裂评估方法、装置及存储介质 |
| CN113506634A (zh) * | 2021-07-15 | 2021-10-15 | 南京易爱医疗设备有限公司 | 脑部仿真*** |
| CN113611422A (zh) * | 2021-07-14 | 2021-11-05 | 佛山市逸合生物科技有限公司 | 一种基于生物流体力学的仿真方法、装置及设备 |
| CN113827207A (zh) * | 2021-08-18 | 2021-12-24 | 上海联影医疗科技股份有限公司 | 肺动脉的评估方法、装置、计算机设备和存储介质 |
| CN114287954A (zh) * | 2021-12-13 | 2022-04-08 | 杭州脉流科技有限公司 | 颅内血管狭窄的功能学评估方法、***、电子设备及介质 |
| CN114663362A (zh) * | 2022-03-04 | 2022-06-24 | 强联智创（北京）科技有限公司 | 一种融合方法、装置以及设备 |
| WO2022166405A1 (zh) * | 2021-02-03 | 2022-08-11 | 上海杏脉信息科技有限公司 | 仿真***、仿真方法及装置 |
| CN114998319A (zh) * | 2022-07-18 | 2022-09-02 | 浙江大学 | 图像数据处理方法、装置、图像数据处理设备及存储介质 |
| WO2022237161A1 (zh) * | 2021-05-14 | 2022-11-17 | 中国科学院深圳先进技术研究院 | 脑动脉波强度和波功率的测量方法、终端设备及存储介质 |
| CN113545846B (zh) * | 2021-07-22 | 2023-04-25 | 强联智创（北京）科技有限公司 | 一种血流动力学仿真模拟方法、装置以及设备 |
| CN117496173A (zh) * | 2023-11-13 | 2024-02-02 | 首都医科大学附属北京天坛医院 | 图像处理的脑血管特征提取方法及*** |
| CN117649371A (zh) * | 2024-01-30 | 2024-03-05 | 西安交通大学医学院第一附属医院 | 一种脑血管介入手术模拟器图像处理方法及装置 |
Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20120041301A1 (en) * | 2010-08-13 | 2012-02-16 | Thomas Redel | Method for simulating a blood flow |
| CN102370475A (zh) * | 2011-07-28 | 2012-03-14 | 梁莹 | 测量颅内椎-基底动脉血流动力学特性方法 |
| CN103976720A (zh) * | 2013-12-17 | 2014-08-13 | 上海交通大学医学院附属仁济医院 | 血管内压力的无创测量方法及其装置 |
| CN104732015A (zh) * | 2015-02-27 | 2015-06-24 | 柳州职业技术学院 | 一种基于cfd技术分析三元催化转化器的模拟分析方法 |
| CN105095534A (zh) * | 2014-04-23 | 2015-11-25 | 北京冠生云医疗技术有限公司 | 对血管中血流进行模拟的方法和*** |
| CN105096388A (zh) * | 2014-04-23 | 2015-11-25 | 北京冠生云医疗技术有限公司 | 基于计算流体力学的冠状动脉血流仿真***和方法 |
| CN105326486A (zh) * | 2015-12-08 | 2016-02-17 | 上海交通大学 | 血管压力差与血流储备分数的计算方法及*** |
| CN106650267A (zh) * | 2016-12-28 | 2017-05-10 | 北京昆仑医云科技有限公司 | 应用计算流体力学来模拟计算血流储备分数的***和方法 |
| CN106780477A (zh) * | 2016-12-30 | 2017-05-31 | 上海联影医疗科技有限公司 | 一种血流分析方法和*** |
-
2017
- 2017-07-26 CN CN201710620509.XA patent/CN107491636B/zh active Active
Patent Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20120041301A1 (en) * | 2010-08-13 | 2012-02-16 | Thomas Redel | Method for simulating a blood flow |
| CN102370475A (zh) * | 2011-07-28 | 2012-03-14 | 梁莹 | 测量颅内椎-基底动脉血流动力学特性方法 |
| CN103976720A (zh) * | 2013-12-17 | 2014-08-13 | 上海交通大学医学院附属仁济医院 | 血管内压力的无创测量方法及其装置 |
| CN105095534A (zh) * | 2014-04-23 | 2015-11-25 | 北京冠生云医疗技术有限公司 | 对血管中血流进行模拟的方法和*** |
| CN105096388A (zh) * | 2014-04-23 | 2015-11-25 | 北京冠生云医疗技术有限公司 | 基于计算流体力学的冠状动脉血流仿真***和方法 |
| CN104732015A (zh) * | 2015-02-27 | 2015-06-24 | 柳州职业技术学院 | 一种基于cfd技术分析三元催化转化器的模拟分析方法 |
| CN105326486A (zh) * | 2015-12-08 | 2016-02-17 | 上海交通大学 | 血管压力差与血流储备分数的计算方法及*** |
| CN106650267A (zh) * | 2016-12-28 | 2017-05-10 | 北京昆仑医云科技有限公司 | 应用计算流体力学来模拟计算血流储备分数的***和方法 |
| CN106780477A (zh) * | 2016-12-30 | 2017-05-31 | 上海联影医疗科技有限公司 | 一种血流分析方法和*** |
Non-Patent Citations (3)
| Title |
|---|
| QI SUN等: ""In-vitro verification of CFD simulations for predicting flow in a stented aneurysm model"", 《2011 IEEE INTERNATIONAL SYMPOSIUM ON BIOMEDICAL IMAGING: FROM NANO TO MACRO》 * |
| 翟建华等: ""计算流体力学（CFD）的通用软件"", 《河北科技大学学报》 * |
| 陈宇等: ""基于医学影像的血流动力学分析"", 《力学进展》 * |
Cited By (39)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108830848A (zh) * | 2018-05-25 | 2018-11-16 | 深圳科亚医疗科技有限公司 | 利用计算机确定血管上的血管状况参数的序列的装置和*** |
| US11538161B2 (en) | 2018-05-25 | 2022-12-27 | Shenzhen Keya Medical Technology Corporation | Systems and methods for determining blood vessel conditions |
| CN108992057A (zh) * | 2018-06-05 | 2018-12-14 | 杭州晟视科技有限公司 | 一种确定冠状动脉血流储备分数ffr的方法和装置 |
| WO2019242161A1 (zh) * | 2018-06-20 | 2019-12-26 | 博动医学影像科技（上海）有限公司 | 基于病史信息获取血流特征值的方法及装置 |
| WO2019242159A1 (zh) * | 2018-06-20 | 2019-12-26 | 博动医学影像科技（上海）有限公司 | 获取血管压力差的方法及装置 |
| CN109528176A (zh) * | 2018-11-01 | 2019-03-29 | 贵州医科大学附属医院 | 一种脑血管特征信息分析***及方法 |
| CN109770867A (zh) * | 2018-12-21 | 2019-05-21 | 深圳市阅影科技有限公司 | 冠状动脉血流动力仿真数据处理方法和装置 |
| CN109770867B (zh) * | 2018-12-21 | 2020-07-17 | 深圳市阅影科技有限公司 | 冠状动脉血流动力仿真数据处理方法和装置 |
| CN109492343A (zh) * | 2018-12-28 | 2019-03-19 | 北京工业大学 | 一种基于多尺度模型代替流固耦合的计算方法 |
| CN109919916A (zh) * | 2019-02-20 | 2019-06-21 | 杭州晟视科技有限公司 | 一种壁面切应力优化方法及装置、存储介质 |
| CN109846500A (zh) * | 2019-03-15 | 2019-06-07 | 浙江大学 | 一种确定冠状动脉血流储备分数的方法和装置 |
| CN110400638A (zh) * | 2019-05-30 | 2019-11-01 | 合肥工业大学 | 用于研究颅内动脉瘤生长过程以及探究生长机制的方法 |
| CN110400638B (zh) * | 2019-05-30 | 2022-09-30 | 合肥工业大学 | 用于研究颅内动脉瘤生长过程以及探究生长机制的方法 |
| CN112150454A (zh) * | 2020-09-30 | 2020-12-29 | 上海联影医疗科技股份有限公司 | 一种主动脉夹层评估方法、装置、设备及存储介质 |
| CN112150454B (zh) * | 2020-09-30 | 2023-12-26 | 上海联影医疗科技股份有限公司 | 一种主动脉夹层评估方法、装置、设备及存储介质 |
| CN112711831B (zh) * | 2020-12-07 | 2022-10-28 | 上海联影医疗科技股份有限公司 | 血管仿真分析方法、设备、装置、计算机设备和存储介质 |
| CN112711831A (zh) * | 2020-12-07 | 2021-04-27 | 上海联影医疗科技股份有限公司 | 血管仿真分析方法、设备、装置、计算机设备和存储介质 |
| CN112581609A (zh) * | 2020-12-30 | 2021-03-30 | 重庆大学 | 仿真血流动力学信息的获取方法及内螺旋人造血管模型 |
| WO2022166405A1 (zh) * | 2021-02-03 | 2022-08-11 | 上海杏脉信息科技有限公司 | 仿真***、仿真方法及装置 |
| CN113076705A (zh) * | 2021-03-26 | 2021-07-06 | 北京阅影科技有限公司 | 血流动力的仿真方法及装置 |
| WO2022198719A1 (zh) * | 2021-03-26 | 2022-09-29 | 北京阅影科技有限公司 | 血流动力的仿真方法及装置 |
| CN113143306A (zh) * | 2021-03-31 | 2021-07-23 | 广东医科大学附属医院 | 一种用于颅内动脉瘤cfd诊断可视化设备 |
| WO2022237161A1 (zh) * | 2021-05-14 | 2022-11-17 | 中国科学院深圳先进技术研究院 | 脑动脉波强度和波功率的测量方法、终端设备及存储介质 |
| CN113420480B (zh) * | 2021-06-23 | 2022-05-10 | 武汉工程大学 | 一种动脉斑块破裂评估方法、装置及存储介质 |
| CN113420480A (zh) * | 2021-06-23 | 2021-09-21 | 武汉工程大学 | 一种动脉斑块破裂评估方法、装置及存储介质 |
| CN113611422A (zh) * | 2021-07-14 | 2021-11-05 | 佛山市逸合生物科技有限公司 | 一种基于生物流体力学的仿真方法、装置及设备 |
| CN113506634B (zh) * | 2021-07-15 | 2024-04-09 | 南京易爱医疗设备有限公司 | 脑部仿真*** |
| CN113506634A (zh) * | 2021-07-15 | 2021-10-15 | 南京易爱医疗设备有限公司 | 脑部仿真*** |
| CN113545846B (zh) * | 2021-07-22 | 2023-04-25 | 强联智创（北京）科技有限公司 | 一种血流动力学仿真模拟方法、装置以及设备 |
| CN113827207A (zh) * | 2021-08-18 | 2021-12-24 | 上海联影医疗科技股份有限公司 | 肺动脉的评估方法、装置、计算机设备和存储介质 |
| CN114287954A (zh) * | 2021-12-13 | 2022-04-08 | 杭州脉流科技有限公司 | 颅内血管狭窄的功能学评估方法、***、电子设备及介质 |
| CN114663362B (zh) * | 2022-03-04 | 2024-03-29 | 强联智创（北京）科技有限公司 | 一种融合方法、装置以及设备 |
| CN114663362A (zh) * | 2022-03-04 | 2022-06-24 | 强联智创（北京）科技有限公司 | 一种融合方法、装置以及设备 |
| CN114998319B (zh) * | 2022-07-18 | 2022-11-08 | 浙江大学 | 图像数据处理方法、装置、图像数据处理设备及存储介质 |
| CN114998319A (zh) * | 2022-07-18 | 2022-09-02 | 浙江大学 | 图像数据处理方法、装置、图像数据处理设备及存储介质 |
| CN117496173A (zh) * | 2023-11-13 | 2024-02-02 | 首都医科大学附属北京天坛医院 | 图像处理的脑血管特征提取方法及*** |
| CN117496173B (zh) * | 2023-11-13 | 2024-04-12 | 首都医科大学附属北京天坛医院 | 图像处理的脑血管特征提取方法及*** |
| CN117649371A (zh) * | 2024-01-30 | 2024-03-05 | 西安交通大学医学院第一附属医院 | 一种脑血管介入手术模拟器图像处理方法及装置 |
| CN117649371B (zh) * | 2024-01-30 | 2024-04-09 | 西安交通大学医学院第一附属医院 | 一种脑血管介入手术模拟器图像处理方法及装置 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN107491636B (zh) | 2021-03-16 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN107491636A (zh) | 一种基于计算流体力学的脑血管储备力仿真***和方法 | |
| Chnafa et al. | Image-based large-eddy simulation in a realistic left heart | |
| CN102525443B (zh) | 用于基于医学图像数据对心血管循环建模的方法和设备 | |
| Xiao et al. | Multi-scale computational model of three-dimensional hemodynamics within a deformable full-body arterial network | |
| JP5953438B2 (ja) | 冠状動脈を通る血流量を決定する方法 | |
| US10162932B2 (en) | Method and system for multi-scale anatomical and functional modeling of coronary circulation | |
| CN108109698B (zh) | 计算血流储备分数的***和设置边界条件的方法 | |
| CN106650272B (zh) | 个体特异性的心血管模型的生成方法及其应用 | |
| CN108735270A (zh) | 基于降维模型的血流储备分数获取方法、装置、***和计算机存储介质 | |
| EP3160335A1 (en) | Apparatus for determining a fractional flow reserve value | |
| US20190183579A1 (en) | Patient-Specific Modeling of Hemodynamic Parameters in Coronary Arteries | |
| EP3820357B1 (en) | Patient-specific modeling of hemodynamic parameters in coronary arteries | |
| EP2936364B1 (en) | Method and apparatus for simulating blood flow under patient-specific boundary conditions derived from an estimated cardiac ejection output | |
| Khalafvand et al. | Assessment of human left ventricle flow using statistical shape modelling and computational fluid dynamics | |
| Soudah et al. | Estimation of wall shear stress using 4D flow cardiovascular MRI and computational fluid dynamics | |
| CN107411767A (zh) | 一种基于冠状动脉ct血管造影评估狭窄病灶血流阻力的非侵入式方法 | |
| CN103340620B (zh) | 一种管壁应力相位角的测量方法和*** | |
| Mikhal et al. | Immersed boundary method for pulsatile transitional flow in realistic cerebral aneurysms | |
| Chapelle et al. | Patient-specific biomechanical modeling of cardiac amyloidosis–a case study | |
| Yamada et al. | Numerical analysis of the effect of trabeculae carneae models on blood flow in a left ventricle model constructed from magnetic resonance images | |
| CN114664455A (zh) | 一种冠状动脉血流储备分数计算方法及装置 | |
| IT202000022528A1 (it) | Metodo per costruire una realtà aumentata di morfologia ed emodinamica di almeno una parte del sistema cardiovascolare | |
| Mamatyukov et al. | Comprehensive research of human brain hemodynamics: Clinical monitoring and computer simulations | |
| Pennati et al. | Computational patient-specific models based on 3-D ultrasound data to quantify uterine arterial flow during pregnancy | |
| CN116453697B (zh) | 基于ffr拟合的冠脉狭窄血流动力学模拟方法及*** |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |