CN107978371A - 快速计算微循环阻力的方法及*** - Google Patents
快速计算微循环阻力的方法及*** Download PDFInfo
- Publication number
- CN107978371A CN107978371A CN201711258493.9A CN201711258493A CN107978371A CN 107978371 A CN107978371 A CN 107978371A CN 201711258493 A CN201711258493 A CN 201711258493A CN 107978371 A CN107978371 A CN 107978371A
- Authority
- CN
- China
- Prior art keywords
- max
- vessel
- microcirculation
- coronary
- blood flow
- 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
- 230000004089 microcirculation Effects 0.000 title claims abstract description 95
- 238000000034 method Methods 0.000 title claims abstract description 64
- 230000017531 blood circulation Effects 0.000 claims abstract description 76
- 210000004204 blood vessel Anatomy 0.000 claims abstract description 36
- 210000004351 coronary vessel Anatomy 0.000 claims abstract description 23
- 238000002601 radiography Methods 0.000 claims abstract description 19
- 238000002586 coronary angiography Methods 0.000 claims abstract description 9
- 239000008280 blood Substances 0.000 claims description 22
- 210000004369 blood Anatomy 0.000 claims description 22
- 230000006870 function Effects 0.000 claims description 21
- 238000013135 deep learning Methods 0.000 claims description 17
- 238000011156 evaluation Methods 0.000 claims description 13
- 230000003902 lesion Effects 0.000 claims description 12
- 239000002872 contrast media Substances 0.000 claims description 10
- 208000031481 Pathologic Constriction Diseases 0.000 claims description 9
- 238000004364 calculation method Methods 0.000 claims description 9
- 230000036262 stenosis Effects 0.000 claims description 9
- 208000037804 stenosis Diseases 0.000 claims description 9
- 238000003384 imaging method Methods 0.000 claims description 7
- 238000012549 training Methods 0.000 claims description 5
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 claims description 2
- 201000010099 disease Diseases 0.000 claims 1
- 230000002107 myocardial effect Effects 0.000 abstract description 26
- 230000008569 process Effects 0.000 abstract description 4
- 238000005259 measurement Methods 0.000 description 8
- 238000013528 artificial neural network Methods 0.000 description 6
- 210000002216 heart Anatomy 0.000 description 6
- 230000002792 vascular Effects 0.000 description 6
- 238000005516 engineering process Methods 0.000 description 4
- 210000004165 myocardium Anatomy 0.000 description 4
- 238000010967 transthoracic echocardiography Methods 0.000 description 4
- 210000003462 vein Anatomy 0.000 description 4
- 238000002583 angiography Methods 0.000 description 3
- 238000004422 calculation algorithm Methods 0.000 description 3
- 230000000747 cardiac effect Effects 0.000 description 3
- 230000004087 circulation Effects 0.000 description 3
- 238000000205 computational method Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 230000000004 hemodynamic effect Effects 0.000 description 3
- 239000000700 radioactive tracer Substances 0.000 description 3
- 238000012360 testing method Methods 0.000 description 3
- 238000003325 tomography Methods 0.000 description 3
- 201000000057 Coronary Stenosis Diseases 0.000 description 2
- 206010011089 Coronary artery stenosis Diseases 0.000 description 2
- 210000002565 arteriole Anatomy 0.000 description 2
- 210000001367 artery Anatomy 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 2
- 239000012895 dilution Substances 0.000 description 2
- 238000010790 dilution Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000011002 quantification Methods 0.000 description 2
- 239000000243 solution Substances 0.000 description 2
- 210000000264 venule Anatomy 0.000 description 2
- 206010028851 Necrosis Diseases 0.000 description 1
- 208000006117 ST-elevation myocardial infarction Diseases 0.000 description 1
- 230000005856 abnormality Effects 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 238000010171 animal model Methods 0.000 description 1
- 230000004872 arterial blood pressure Effects 0.000 description 1
- 230000008081 blood perfusion Effects 0.000 description 1
- 210000001736 capillary Anatomy 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 208000035475 disorder Diseases 0.000 description 1
- 230000004064 dysfunction Effects 0.000 description 1
- 230000002526 effect on cardiovascular system Effects 0.000 description 1
- 230000002708 enhancing effect Effects 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 210000005240 left ventricle Anatomy 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 239000012528 membrane Substances 0.000 description 1
- 230000004060 metabolic process Effects 0.000 description 1
- 230000017074 necrotic cell death Effects 0.000 description 1
- 210000005036 nerve Anatomy 0.000 description 1
- 230000007935 neutral effect Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 230000010412 perfusion Effects 0.000 description 1
- 230000036316 preload Effects 0.000 description 1
- 238000011084 recovery Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000002123 temporal effect Effects 0.000 description 1
- 238000010200 validation analysis Methods 0.000 description 1
- 230000002861 ventricular Effects 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
- A61B6/50—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
- A61B6/504—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 diagnosis of blood vessels, e.g. by angiography
-
- 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
- A61B6/48—Diagnostic techniques
- A61B6/481—Diagnostic techniques involving the use of contrast agents
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Medical Informatics (AREA)
- Engineering & Computer Science (AREA)
- Heart & Thoracic Surgery (AREA)
- Molecular Biology (AREA)
- Biophysics (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Optics & Photonics (AREA)
- Pathology (AREA)
- Radiology & Medical Imaging (AREA)
- Biomedical Technology (AREA)
- Physics & Mathematics (AREA)
- High Energy & Nuclear Physics (AREA)
- Surgery (AREA)
- Animal Behavior & Ethology (AREA)
- General Health & Medical Sciences (AREA)
- Public Health (AREA)
- Veterinary Medicine (AREA)
- Vascular Medicine (AREA)
- Dentistry (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Apparatus For Radiation Diagnosis (AREA)
- Measuring Pulse, Heart Rate, Blood Pressure Or Blood Flow (AREA)
Abstract
本发明提供一种快速计算微循环阻力的方法及***,从传统冠脉造影数据中获取感兴趣血管管腔的影像数据,建立该血管段的几何模型并获取几何参数,通过常规造影数据,无需心肌微循环充分扩张即可完成对心肌微循环充分扩张时该血管段的最大血流速度和冠脉血流量的获取,通过求解最大血流速度对应的压力差、冠状动脉近端终点压力和远端终点压力数值,依据简化方式定量计算冠脉微循环阻力。本发明提供的方案不需要导丝介入,在提高准确性的同时降低了成本,明显缩减了计算时间,使整个操作过程更为简洁。
Description
技术领域
本发明涉及微循环计算领域,尤其涉及应用在基于影像数据快速计算微循环阻力的方法和***。
背景技术
微循环是指微动脉和微静脉之间的血液循环,是血液与组织细胞进行物质交换的场所。冠状动脉微循环是指由微动脉、毛细血管和微静脉构成的微循环***。尽管无法直接通过影像学观察到冠状动脉微血管,但现有技术中,可通过特定参数来反映冠状动脉微循环功能。这些技术包括通过导管检查获得的有创冠状动脉血流动力学参数评估方法如冠状动脉血流储备、微循环阻力指数,无创的影像学检查,如经胸多普勒超声心动图、磁共振、核素显像等。
现有技术中所采用的方法如下:
经胸多普勒超声心动图(TTDE)可以测量心外膜冠状动脉内的血流速度,因此可无创评价冠状动脉血流速度储备,即多普勒测得的最大充血状态下舒张期峰流速与静息状态下舒张期峰流速的比值。多项研究表明,经胸多普勒超声心动图测量获得的冠状动脉血流速与冠状动脉内多普勒测得的冠状动脉血流速有很好的一致性(Caiati C,Montaldo C,Zedda N,et al.Validation of a new noninvasive method(contrast-enhancedtransthoracic second harmonic echo Doppler)for the evaluation of coronaryflow reserve:Comparison with intracoronary Doppler flow wire[J].Jam CollCardiol,1999,31(4):1193-1200)。
正电子断层扫描(PET)可以通过持续监测静脉示踪剂在循环及心肌中的放射性,进而绘制出示踪剂在左心室及心肌中的时间-活性曲线,获得心肌摄取示踪剂的动力学信息,最终计算出心肌血流及灌注。正电子断层扫描用于评估冠状动脉微循环的优点在于,无论是静息状态还是最大充血状态,均能得到可靠的心肌血流数据。(Kaufmann PA,CamiciPG.Myocardial Blood Flow Measurement by PET:Technical Aspects and ClinicalApplications[J].J Nucl Med,2005,46(1):75-88)。
心脏磁共振(CMR)评价的微循环状态用微循环阻塞来反映,微循环阻塞表现为在梗死区高信号背景上的低增强区域。研究显示心脏磁共振证实的微循环阻塞是远期不良预后的独立危险因素(Larose E,Rodes-Cabau J,Pibarot P,et al.Predicting latemyocardial recovery and outcomes in the early hours of ST-elevationmyocardial infarction:traditional measures compared to microvascularperfusion,salvaged myocardium,and necrosis by cardiovascular magneticresonance[J].Jam Coll Cardiol,2010,55(22):2459-2469.DOI:10.1016/j.jacc.2010.02.033)。
冠状动脉血流储备(CFR)被定义为冠状动脉最大血流与静息血流的比值,测量方法包括:(1)冠状动脉内多普勒导丝评价冠状动脉血流储备;(2)冠状动脉内热稀释曲线评价冠状动脉血流储备,如果CFR<2.0则被认为存在冠状动脉微循环异常(MaGinn AL,WilsonRF.Interstudy variability of coronary flow reserve.Influence of heart rate,arterial pressure,and ventricular preload[J].Circulation,1990,81(4):1319-1330)。
2003年,Fearon等多位学者(Fearon WF,Balsam LB,Farouque HM,et al.Novelindex for invasively assessing the coronary microcirculation「J」.Circulation,2003,107(25):3129-3132.)提出了一种相对新颖且简单的定量评估微循环功能的指标,即微循环阻力指数(IMR),该测量需要采用温度/压力导丝获得冠状动脉内热稀释曲线和最大充血状态下的冠状动脉内压力,在动物模型中证实其与实际微血管阻力有很好的相关性。
上述现有技术尽管从不同角度、不同计算方法中给出了确定微循环功能障碍的方法,但其仍具有至少以下一个或多个技术缺陷:
(1)经胸多普勒超声心动图测量准确性与不同操作者的水平有关,并且难以区分心外膜血管狭窄与微循环障碍对心肌血流量的影响;
(2)正电子断层扫描检查价格昂贵,操作时间长,同时它的空间分辨率仍低于理想状态,导致应用此技术很难评估微小区域的心肌血流异常;
(3)心脏磁共振负荷显像过程中容易出现运动伪影,且需要应用大剂量的造影剂;同时它的时间分辨率仍低于理想状态,扫描操作时间较长;
(4)冠状动脉血流储备随年龄、性别、体重的不同存在很大的变异,并且受心率、血压、心肌代谢、侧支循环等多种情况的影响;
(5)测量微循环阻力指数为一项有创性的检查技术且要求达到最大充血状态,否则就无法实现最大减少微血管阻力,导致高估微循环阻力指数值,放入血管内压力导丝的位置也可能影响所测量的微循环阻力指数值。
发明内容
有鉴于此,本发明提供一种快速计算微循环阻力的方法及***,从传统冠脉造影数据中获取感兴趣血管管腔的影像数据,建立该血管段的几何模型并获取几何参数,通过无需心肌微循环充分扩张的静息态常规造影数据,计算获取心肌微循环充分扩张即最大充血状态下该血管段的最大血流速度和冠脉血流,求解最大血流速度对应的压力差、冠状动脉近端终点压力和远端终点压力数值,最后依据上述各值定量计算冠脉微循环阻力。
具体而言,本发明提供了以下的技术方案:
一方面,本发明提供了一种基于造影数据快速计算微循环阻力的方法,所述方法包括:
步骤1、接收感兴趣血管的影像数据,确定待分析血管段的起点和终点;其中,可选地,该影像数据可以是进行传统X线造影成像过程活的的常规的影像数据,而不需要特殊设备的特定造影影像数据,更优选地,上述造影数据可以是在注射造影剂情况下辅助获得的造影影像数据。
步骤2、建立所述待分析血管段的几何模型,所述几何模型包括实际血管管腔几何模型、理想血管管腔几何模型;
步骤3、利用步骤2中的所述几何模型,获取所述待分析血管段的几何参数;
步骤4、获得静息状态下的血管段平均血流速度V;
步骤5、利用步骤4中获得的平均血流速度V,获得最大血流速度Vmax和冠脉血流Qmax;
步骤6、基于所述最大血流速度Vmax,计算压力差ΔPmax;基于所述几何参数和静息态近端血流压力的值Pa(静息态),计算冠状动脉近端压力Pa;并基于所述ΔPmax和Pa计算远端终点压力数值Pd;
步骤7、根据公式计算冠脉微循环阻力MR。
更为优选地,上述的冠脉微循环阻力MR可以是通过以下方式简化获得:
基于冠脉微循环阻力模型,简化微循环阻力计算公式上述简化中,假设Pv=0,式中:Pa为冠状动脉狭窄近端压力,Pd为冠状动脉狭窄远端压力,即微循环前的压力;Pv为通过微循环后的冠状静脉压力,Qmax为最大充血状态下的冠脉血流,ΔPmax为最大充血状态下血流从冠状动脉近端流向远端所下降的压力,ΔPmr为血流通过微循环时所下降的压力。由此,我们可以通过上述简化方式进行阻力计算。
优选地,所述步骤2进一步包括:
步骤201、基于所述的实际血管管腔几何模型、理想血管管腔几何模型获得几何差异函数;
步骤202、基于所述几何差异函数及最大血流速度Vmax,计算所述压力差ΔPmax。
更为优选地,利用几何差异函数以及心肌微循环充分扩张时最大血流速度Vmax和最大血流速度的平方Vmax 2,计算获得微循环充分扩张时近端压力和远端压力之间的压力差ΔPmax。
优选地,所述步骤3中的几何参数包括:该血管段的近端横截面的面积或直径、该血管段的远端横截面的面积或直径、该血管段的位于近端终点和远端终点之间的病变部位的横截面面积或直径、病变长度、狭窄率等。本领域技术人员应当明了,上述的几何参数仅作为示例性的,还可以根据具体的计算需要等,调整其中的几何参数,上述的常规调整均应当视为落入本发明的保护范围之内。
优选地,所述步骤4中的平均血流速度V由以下方式获得:
利用灰度时间拟合函数中得到该血管段在冠脉造影过程中造影剂的平均流动速度,或者利用TIMI数帧法计算该血管段在冠脉造影过程中造影剂的平均流动速度;
上述平均流动速度即为平均血流速度V。
优选地,所述步骤5进一步包括:
步骤501、利用步骤4中获得的平均血流速度V,通过查表的方法,获得最大血流速度Vmax;
步骤502、利用步骤3中获得的血管几何参数血管段横截面的面积S和步骤501中获得的最大血流速度Vmax,计算冠脉血流Qmax=Vmax*S。
优选地,所述步骤6中,基于所述几何参数和静息态近端血流压力的值Pa(静息态),计算冠状动脉近端压力Pa,具体为:通过深度学习方法计算所述Pa,以所述几何参数及Pa(静息态)作为网络输入,以所述Pa为输出;
学习训练中,基于Pa=α*Pa(静息态),以α作为正则项,参与网络的权值更新。
优选地,所述步骤6中,基于Pd=Pa-ΔPmax,计算所述远端终点压力数值Pd。
具体而言,所述方法进一步包括接收静息态近端终点处的血流压力和步骤3中所获血管几何参数,利用深度学习的方法,评估心肌微循环充分扩张时的近端终点处的血流压力Pa;优选的,所述深度学习的方法,包括但不限于人工神经网络算法,输入参数如静息态近端压力值、病变长度、血管横截面积、直径、狭窄率、血流速度、解剖位置等,通过学习调节各参数权值,输出心肌微循环充分扩张时的近端终点处的血流压力Pa;所述深度学习的方法进一步包括,通过造影导管进行准确测量获得所述静息态近端血流压力的值Pa(静息态),并根据公式Pa=α*Pa(静息态)计算最大充血状态下近端压力值,其中α=85%~90%,α视为训练过程中的先验知识;所述深度学习的方法进一步包括,使用先验知识α作为正则项参与神经网络的权值更新,直到人工神经网络在现有的测试集上达到最优。
此外,本发明还提供了一种基于造影数据快速计算微循环阻力的***,所述***包括:
影像采集模块,用于接收感兴趣血管管腔的影像数据;
几何模型建立模块,用于感兴趣血管的实际血管管腔模型、理想血管管腔模型的建立,并将结果递送至几何参数获取模块;
几何参数获取模块,获取感兴趣血管段的几何参数,包括该血管段近端横截面的面积或直径、该血管段远端横截面的面积或直径、该血管段位于近端终点和远端终点之间的病变部位的横截面面积或直径、病变长度、狭窄率等;几何参数获取模块还包括速度获取模块,用于获得该血管段的平均血流速度和最大充血状态下的冠脉血流速度;
结果计算模块,用于接收所述几何参数,计算微循环阻力。
优选地,所述结果计算模块进一步包括:远端压力获取模块,用于计算血管远端压力值Pd;最大血流量获取模块,用于计算最大充血状态下的冠脉血流Qmax;微循环阻力计算模块,用于基于Pd、Qmax计算最大充血状态下的微循环阻力。
优选的,所述***还包括结果显示模块,用于上述所有计算结果的显示。
优选地,所述结果计算模块还包括:血管压力差计算模块,用于最大充血状态下的冠脉血流速度对应的血管压力差ΔPmax的快速计算。
优选的,所述远端压力获取模块,使用公式Pd=Pa-ΔPmax计算血管远端压力值;
优选的,所述最大血流量获取模块,利用获得的血管几何参数血管段横截面的面积S和心肌微循环充分扩张时最大血流速度Vmax,获得最大充血状态下的冠脉血流Qmax=Vmax*S。
优选的,所述微循环阻力获取模块,根据远端压力获取模块所得远端终点最大充血状态下的压力值Pd和血流量获取模块所得最大充血状态下的冠脉血流Qmax,计算出所述微循环阻力定量数值
优选的,所述几何模型建立模块进一步包括以下子模块:实际管腔及理想管腔模型建立模块,基于影像采集模块接收到的影像数据,建立真实血管管腔模型和理想血管管腔模型。
本发明的有益效果在于:
本发明是在已有的“血管压力差与血流储备分数的计算方法及***”基础上进行了改进,采用常规造影数据,无需微循环充分扩张,即可实现对微循环充分扩张时该血管段的远端压力数值Pd和冠脉血流Qmax的获取,根据公式快速定量计算冠脉微循环阻力,提供了一种新的微循环阻力快速计算方法。同时本发明利用深度学习快速评估心肌微循环充分扩张时的近端终点处的血流压力。微循环阻力计算过程中,不需要导丝介入,在提高准确性的同时降低了成本,节约了时间,使整个操作过程更为简洁。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其它的附图。
图1是本发明所述基于造影数据的快速计算微循环阻力方法流程图;
图2是本发明所述基于造影数据的快速计算微循环阻力***流程图;
图3是本发明所述冠状动脉微循环阻力示意图;
具体实施方式
下面结合附图对本发明实施例一种应用程序推荐方法及装置进行详细描述。应当明确,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其它实施例,都属于本发明保护的范围。
本领域技术人员应当知晓,下述具体实施例或具体实施方式,是本发明为进一步解释具体的发明内容而列举的一系列优化的设置方式,而该些设置方式之间均是可以相互结合或者相互关联使用的,除非在本发明明确提出了其中某些或某一具体实施例或实施方式无法与其他的实施例或实施方式进行关联设置或共同使用。同时,下述的具体实施例或实施方式仅作为最优化的设置方式,而不作为限定本发明的保护范围的理解。
实施例1
为进一步理解本发明,下面结合实施例对本发明做进一步的阐述和说明。图1为本发明的方法流程图,同时结合图3中的血管的剖面图,在一具体的实施方式中,该方法可概括为:从传统冠脉造影数据中获取感兴趣血管管腔的影像数据,建立该血管段的几何模型并获取几何参数,通过无需心肌微循环充分扩张的静息态常规造影数据,评估心肌微循环充分扩张即最大充血状态下该血管段的最大血流速度Vmax和冠脉血流Qmax,求解最大血流速度对应的压力差ΔPmax、冠状动脉近端终点压力Pa和远端终点压力数值Pd,最后根据公式定量计算冠脉微循环阻力。
具体而言,在一具体的实施方式中,该方法可以设置为:
一方面,本发明提供了一种基于造影数据快速计算微循环阻力的方法,所述方法包括:
步骤1、接收感兴趣血管的影像数据,确定待分析血管段的起点和终点;其中,可选地,该影像数据可以是进行传统X线造影成像过程活的的常规的影像数据,而不需要特殊设备的特定造影影像数据,更优选地,上述造影数据可以是在注射造影剂情况下辅助获得的造影影像数据。
步骤2、建立所述待分析血管段的几何模型,所述几何模型包括实际血管管腔几何模型、理想血管管腔几何模型;
步骤3、利用步骤2中的所述几何模型,获取所述待分析血管段的几何参数;
步骤4、获得静息状态下的血管段平均血流速度V;
步骤5、利用步骤4中获得的平均血流速度V,获得最大血流速度Vmax和冠脉血流Qmax;
步骤6、基于所述最大血流速度Vmax,计算压力差ΔPmax;基于所述几何参数和静息态近端血流压力的值Pa(静息态),计算冠状动脉近端压力Pa;并基于所述ΔPmax和Pa计算远端终点压力数值Pd;
步骤7、根据公式计算冠脉微循环阻力MR。
更为优选地,上述的冠脉微循环阻力MR可以是通过以下方式简化获得:
基于冠脉微循环阻力模型,简化微循环阻力计算公式上述简化中,假设Pv=0,式中:Pa为冠状动脉狭窄近端压力,Pd为冠状动脉狭窄远端压力,即微循环前的压力;Pv为通过微循环后的冠状静脉压力,Qmax为最大充血状态下的冠脉血流,ΔPmax为最大充血状态下血流从冠状动脉近端流向远端所下降的压力,ΔPmr为血流通过微循环时所下降的压力。由此,我们可以通过上述简化方式进行阻力计算。
优选地,所述步骤2进一步包括:
步骤201、基于所述的实际血管管腔几何模型、理想血管管腔几何模型获得几何差异函数;
步骤202、基于所述几何差异函数及最大血流速度Vmax,计算所述压力差ΔPmax。
更为优选地,利用几何差异函数以及心肌微循环充分扩张时最大血流速度Vmax和最大血流速度的平方Vmax 2,计算获得微循环充分扩张时近端压力和远端压力之间的压力差ΔPmax。
优选地,所述步骤3中的几何参数包括:该血管段的近端横截面的面积或直径、该血管段的远端横截面的面积或直径、该血管段的位于近端终点和远端终点之间的病变部位的横截面面积或直径、病变长度、狭窄率等。本领域技术人员应当明了,上述的几何参数仅作为示例性的,还可以根据具体的计算需要等,调整其中的几何参数,上述的常规调整均应当视为落入本发明的保护范围之内。
优选地,所述步骤4中的平均血流速度V由以下方式获得:
利用灰度时间拟合函数中得到该血管段在冠脉造影过程中造影剂的平均流动速度,或者利用TIMI数帧法计算该血管段在冠脉造影过程中造影剂的平均流动速度;
上述平均流动速度即为平均血流速度V。
优选地,所述步骤5进一步包括:
步骤501、利用步骤4中获得的平均血流速度V,通过查表的方法,获得最大血流速度Vmax,所述表格是病人在静息状态下冠脉的平均血流速度与心肌微循环充分扩张情况下对应的最大血流速度列表;
步骤502、利用步骤3中获得的血管几何参数血管段横截面的面积S和步骤501中获得的最大血流速度Vmax,计算冠脉血流Qmax=Vmax*S。
优选地,所述步骤6中,基于所述几何参数和静息态近端血流压力的值Pa(静息态),计算冠状动脉近端压力Pa,具体为:通过深度学习方法计算所述Pa,以所述几何参数及Pa(静息态)作为网络输入,以所述Pa为输出;
学习训练中,基于Pa=α*Pa(静息态),以α作为正则项,参与网络的权值更新。
优选地,所述步骤6中,基于Pd=Pa-ΔPmax,计算所述远端终点压力数值Pd。
具体而言,所述方法进一步包括接收静息态近端终点处的血流压力和步骤3中所获血管几何参数,利用深度学习的方法,评估心肌微循环充分扩张时的近端终点处的血流压力Pa;优选的,所述深度学习的方法,包括但不限于人工神经网络算法,输入参数如静息态近端压力值、病变长度、血管横截面积、直径、狭窄率、血流速度、解剖位置等,通过学习调节各参数权值,输出肌微循环充分扩张时的近端终点处的血流压力Pa;所述深度学习的方法进一步包括,通过造影导管进行准确测量获得所述静息态近端血流压力的值Pa(静息态),并根据公式Pa=α*Pa(静息态)计算最大充血状态下近端压力值,其中α=85%~90%,α视为训练过程中的先验知识;所述深度学习的方法进一步包括,使用先验知识α作为正则项参与神经网络的权值更新,直到人工神经网络在现有的测试集上达到最优。
在一个具体的实施方式中,基于所述的实际血管管腔几何模型、理想血管管腔几何模型获得几何差异函数。
在一个具体的实施方式中,可以使用以下公式计算几何差异函数:
其中,(x,y,z)和(x0,y0,z0)分别代表真实血管管腔边界上任意点的位置坐标和同一横截面理想血管管腔边界上对应点的位置坐标,s0和s分别表示该位置横截面的理想管腔面积和真实管腔面积,ω1和ω2分别表示以上参数的加权系数,其中ω1+ω2=1。
优选的,ω1=0.45-0.65、ω2=0.35-0.55。
在一具体的实施方式中,在上述的步骤6中,基于所述最大血流速度Vmax,计算压力差ΔPmax,是通过几何差异函数的方式求取的。该几何差异函数是n个尺度下的。
在一个具体的实时方式中,该利用几何差异函数的求取ΔPmax的方式如下:
利用n个尺度下的几何差异函数f1(x,y,z)、……、fn(x,y,z)积分的加权,以及获得的心肌微循环充分扩张时最大血流速度Vmax和最大血流速度的平方Vmax 2,可计算获得微循环充分扩张时近端压力和远端压力之间的压力差ΔPmax。所述尺度指的是分辨率,即数值计算导数时相邻两点之间的距离。所述n个尺度为具有尺度各不相同的第一尺度、第二尺度、……、第n尺度;其中,所述第一尺度差值导数函数f1(x,y,z)用于检测第一种病变特征所引起的实际管腔直径和参考管腔直径之间的几何参数差异,忽略掉其他病变所引起的几何参数差异;……,所述第n尺度差值导数函数fn(x,y,z)用于检测第n种病变特征所引起的实管腔直径和参考管腔直径之间的几何参数差异;其中,所述n为大于1的自然数值。
在一具体的实施方式中,所述心肌微循环充分扩张时血管近端压力和远端压力之间的压力差ΔPmax的计算公式为:
ΔPmax=α1[C1Vmax+C2Vmax 2]∫∫∫f1(x,y,z)dxdydz+α2[C1Vmax+C2Vmax 2]∫∫∫f2(x,y,z)dxdydz+…+αn[C1Vmax+C2Vmax 2]∫∫∫fn(x,y,z)dxdydz
其中,C1、C2分别代表心肌微循环充分扩张时最大血流速度Vmax和最大血流速度平方Vmax 2的参数系数,α1、α2...αn分别为不同尺度的差值导数函数f1(x,y,z),f2(x,y,z)...fn(x,y,z)的加权系数。
实施例2
在另一个具体的实施例中,利用本发明所述方法对特定冠脉血管的微循环阻力进行分析,并以具体的心脏左冠前降支作为示例,对本发明的具体实施方式进行说明。具体而言,该方法可以通过以下步骤来实现:
(1)进行传统X线造影成像过程。例如可以是通过与造影剂结合而拍摄的常规影像数据;
(2)选取心脏左冠前降支作为感兴趣血管,确定该血管的起点和终点;也即重点关注的一段血管的起点及其终点;
(3)建立左冠前降支的几何模型,所述几何模型包括实际血管管腔几何模型、理想血管管腔几何模型;并且可以在上述实际血管管腔几何模型、理想血管管腔几何模型的基础上,通过如实施例1中的方式,以多阶的几何差异函数,来计算后续的压力差ΔPmax;
(4)利用步骤3中的几何模型,获取左冠前降支的几何参数,如前降支血管横截面面积和直径等;
(5)获得静息状态下的左冠前降支平均血流速度V,可通过TIMI数帧法获取该血管段的平均血流速度V;
(6)利用(5)中所得静息状态下的左冠前降支平均血流速度V,获取心肌微循环充分扩张时的最大血流速度Vmax和冠脉血流Qmax;
(7)求解最大充血状态下血流从前降支近端流到远端所对应的压力差ΔPmax;前降支近端压力Pa可以通过深度学习的方式求解,当然也可以通过其他方式计算得到,例如可以通过Pa与静息状态下的左冠前降支的近端血流压力的值Pa(静息态)的函数关系来获得,该函数关系可以是通过以往数据进行拟合得到,在此不再赘述。
在一个具体的实施方式中,深度学习的方法,包括但不限于人工神经网络算法,输入参数如静息态近端压力值、病变长度、血管横截面积、直径、狭窄率、血流速度、解剖位置等,通过学习调节各参数权值,输出肌微循环充分扩张时的近端终点处的血流压力Pa;所述深度学习的方法进一步包括,通过造影导管进行准确测量获得所述静息态近端血流压力的值Pa(静息态),并根据公式Pa=α*Pa(静息态)计算最大充血状态下近端压力值,其中α=85%~90%,α视为训练过程中的先验知识;所述深度学习的方法进一步包括,使用先验知识α作为正则项参与神经网络的权值更新,直到人工神经网络在现有的测试集上达到最优。
在得到Pa和ΔPmax后,就可以计算远端终点压力数值Pd;
(8)最后,根据公式定量快速计算前降支微循环阻力。
实施例3
在又一具体的实施例中,如图2所示,本发明还提供了一种基于造影数据快速计算微循环阻力的***,所述***包括:
影像采集模块,用于接收感兴趣血管管腔的影像数据;
几何模型建立模块,用于感兴趣血管的实际血管管腔模型、理想血管管腔模型的建立,并将结果递送至几何参数获取模块;
几何参数获取模块,获取感兴趣血管段的几何参数,包括该血管段近端横截面的面积或直径、该血管段远端横截面的面积或直径、该血管段位于近端终点和远端终点之间的病变部位的横截面面积或直径、病变长度、狭窄率等;几何参数获取模块还包括速度获取模块,用于获得该血管段的平均血流速度和最大充血状态下的冠脉血流速度;
结果计算模块,用于接收所述几何参数,计算微循环阻力;
结果显示模块,用于上述所有计算结果的显示。
优选地,所述结果计算模块进一步包括:远端压力获取模块,用于计算血管远端压力值Pd;最大血流量获取模块,用于计算最大充血状态下的冠脉血流Qmax;微循环阻力计算模块,用于基于Pd、Qmax计算最大充血状态下的微循环阻力。
优选地,所述结果计算模块还包括:血管压力差计算模块,用于最大充血状态下的冠脉血流速度对应的血管压力差ΔPmax的快速计算。
优选的,所述远端压力获取模块,使用公式Pd=Pa-ΔPmax计算血管远端压力值;
优选的,所述最大血流量获取模块,利用获得的血管几何参数血管段横截面的面积S和心肌微循环充分扩张时最大血流速度Vmax,获得最大充血状态下的冠脉血流Qmax=Vmax*S。
优选的,所述微循环阻力获取模块,根据远端压力获取模块所得远端终点最大充血状态下的压力值Pd和血流量获取模块所得最大充血状态下的冠脉血流Qmax,计算出所述微循环阻力定量数值
优选的,所述几何模型建立模块进一步包括以下子模块:实际管腔及理想管腔模型建立模块,基于影像采集模块接收到的影像数据,建立真实血管管腔模型和理想血管管腔模型。
与现有技术相比,本发明技术方案的有益效果在于:在已有的“血管压力差与血流储备分数的计算方法及***”基础上,采用常规造影数据,无需微循环充分扩张,即可实现对微循环充分扩张时该血管段的远端压力数值Pd和冠脉血流Qmax的获取,根据公式快速定量计算冠脉微循环阻力,提供了一种新的微循环阻力快速计算方法。同时本发明提供一个计算血管近端压力值的方法,利用深度学习快速评估心肌微循环充分扩张时的近端终点处的血流压力。微循环阻力计算过程中,不需要导丝介入,在提高准确性的同时降低了成本,节约了时间,使整个操作过程更为简洁。
该***所采用到的各个计算方法或方式,可采用上述实施例1至3中的任意方式实现。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,所述的程序可存储于一计算机可读取存储介质中,该程序在执行时,可包括如上述各方法的实施例的流程。其中,所述的存储介质可为磁碟、光盘、只读存储记忆体(Read-Only Memory,ROM)或随机存储记忆体(Random AccessMemory,RAM)等。
以上所述,仅为本发明的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,可轻易想到的变化或替换,都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应以权利要求的保护范围为准。
Claims (12)
1.一种快速计算微循环阻力的方法,其特征在于,该方法包括:
步骤1、接收感兴趣血管的影像数据,确定待分析血管段的起点和终点;
步骤2、建立所述待分析血管段的几何模型,所述几何模型包括实际血管管腔几何模型、理想血管管腔几何模型;
步骤3、利用步骤2中的所述几何模型,获取所述待分析血管段的几何参数;
步骤4、获得静息状态下的血管段平均血流速度V;
步骤5、利用步骤4中获得的平均血流速度V,获得最大血流速度Vmax和冠脉血流Qmax;
步骤6、基于所述最大血流速度Vmax,计算压力差ΔPmax;基于所述几何参数和静息态近端血流压力的值Pa(静息态),计算冠状动脉近端压力Pa;并基于所述ΔPmax和Pa计算远端终点压力数值Pd;
步骤7、根据公式计算冠脉微循环阻力MR。
2.根据权利要求1所述的方法,其特征在于,所述步骤2进一步包括:
步骤201、基于所述的实际血管管腔几何模型、理想血管管腔几何模型获得几何差异函数;
步骤202、基于所述几何差异函数,计算所述压力差ΔPmax。
3.根据权利要求1所述的方法,其特征在于,所述步骤3中的几何参数包括:该血管段的近端横截面的面积或直径、该血管段的远端横截面的面积或直径、该血管段的位于近端终点和远端终点之间的病变部位的横截面面积或直径、病变长度、狭窄率。
4.根据权利要求1所述的方法,其特征在于,所述步骤4中的平均血流速度V由以下方式获得:
利用灰度时间拟合函数中得到该血管段在冠脉造影过程中造影剂的平均流动速度,或者利用TIMI数帧法计算该血管段在冠脉造影过程中造影剂的平均流动速度;
上述平均流动速度即为平均血流速度V。
5.根据权利要求1所述的方法,其特征在于,所述步骤5进一步包括:
步骤501、利用步骤4中获得的平均血流速度V,通过查表的方法,获得最大血流速度Vmax;
步骤502、利用步骤3中获得的血管几何参数血管段横截面的面积S和步骤501中获得的最大血流速度Vmax,计算冠脉血流Qmax=Vmax*S。
6.根据权利要求1所述的方法,其特征在于,所述步骤6中,基于所述几何参数和静息态近端血流压力的值Pa(静息态),计算冠状动脉近端压力Pa,具体为:通过深度学习方法计算所述Pa,以所述几何参数及Pa(静息态)作为网络输入,以所述Pa为输出;
学习训练中,基于Pa=α*Pa(静息态),以α作为正则项,参与网络的权值更新。
7.根据权利要求1所述的方法,其特征在于,所述步骤6中,
基于Pd=Pa-ΔPmax,计算所述远端终点压力数值Pd。
8.根据权利要求6所述的方法,其特征在于,α=85%~90%。
9.根据权利要求1所述的方法,其特征在于,所述步骤1中的影像数据,是常规X线造影成像数据。
10.一种基于造影数据快速计算微循环阻力的***,其特征在于,所述***包括:
影像采集模块,用于接收感兴趣血管管腔的影像数据;
几何模型建立模块,用于感兴趣血管的实际血管管腔模型、理想血管管腔模型的建立,并将结果递送至几何参数获取模块;
几何参数获取模块,获取感兴趣血管段的几何参数,包括该血管段近端横截面的面积或直径、该血管段远端横截面的面积或直径、该血管段位于近端终点和远端终点之间的病变部位的横截面面积或直径、病变长度、狭窄率;
结果计算模块,用于接收所述几何参数,计算微循环阻力。
11.根据权利要求10所述的***,其特征在于,所述结果计算模块进一步包括:远端压力获取模块,用于计算血管远端压力值Pd;最大血流量获取模块,用于计算最大充血状态下的冠脉血流Qmax;微循环阻力计算模块,用于基于Pd、Qmax计算最大充血状态下的微循环阻力。
12.根据权利要求10或11所述的***,其特征在于,所述***还包括结果显示模块,其用于上述所有计算结果的显示。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711258493.9A CN107978371B (zh) | 2017-11-30 | 2017-11-30 | 快速计算微循环阻力的方法及*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711258493.9A CN107978371B (zh) | 2017-11-30 | 2017-11-30 | 快速计算微循环阻力的方法及*** |
Publications (2)
Publication Number | Publication Date |
---|---|
CN107978371A true CN107978371A (zh) | 2018-05-01 |
CN107978371B CN107978371B (zh) | 2021-04-02 |
Family
ID=62009004
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201711258493.9A Active CN107978371B (zh) | 2017-11-30 | 2017-11-30 | 快速计算微循环阻力的方法及*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107978371B (zh) |
Cited By (28)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109602401A (zh) * | 2019-01-28 | 2019-04-12 | 徐州市心血管病研究所 | 一种微血管血流动力学参数分析仪及分析方法 |
CN109717953A (zh) * | 2019-02-01 | 2019-05-07 | 杭州晟视科技有限公司 | 一种血流量的确定方法、装置、电子设备和计算机存储介质 |
CN109770930A (zh) * | 2019-01-29 | 2019-05-21 | 浙江大学 | 一种冠状动脉微循环阻力的确定方法和装置 |
CN109907772A (zh) * | 2019-04-15 | 2019-06-21 | 博动医学影像科技(上海)有限公司 | 获取冠脉血流量及血流速度的方法和装置 |
CN110367965A (zh) * | 2018-09-19 | 2019-10-25 | 苏州润迈德医疗科技有限公司 | 便捷测量冠状动脉血管评定参数的方法、装置及*** |
CN110384494A (zh) * | 2018-09-19 | 2019-10-29 | 苏州润迈德医疗科技有限公司 | 测量微循环阻力指数的方法 |
CN110384493A (zh) * | 2018-09-19 | 2019-10-29 | 苏州润迈德医疗科技有限公司 | 测量微循环阻力指数的***以及冠脉分析*** |
CN110786841A (zh) * | 2019-11-04 | 2020-02-14 | 苏州润迈德医疗科技有限公司 | 基于微循环阻力指数调节最大充血状态流速的方法及装置 |
CN110916640A (zh) * | 2019-11-06 | 2020-03-27 | 广州新脉科技有限公司 | 基于ffr的冠状动脉狭窄功能性缺血的检测方法及装置 |
US10631718B2 (en) | 2015-08-31 | 2020-04-28 | Gentuity, Llc | Imaging system includes imaging probe and delivery devices |
CN111067494A (zh) * | 2019-12-27 | 2020-04-28 | 西北工业大学 | 基于血流储备分数和血流阻力模型的微循环阻力快速计算方法 |
CN111084631A (zh) * | 2019-12-03 | 2020-05-01 | 上海市胸科医院 | 一种timi心肌灌注帧数获取方法、介质及电子设备 |
CN111091913A (zh) * | 2019-12-27 | 2020-05-01 | 西北工业大学 | 基于血流储备分数和冠状动脉ct造影图像的微循环阻力计算方法 |
CN111227821A (zh) * | 2018-11-28 | 2020-06-05 | 苏州润心医疗器械有限公司 | 基于心肌血流量和ct图像的微循环阻力指数计算方法 |
CN111227822A (zh) * | 2018-11-28 | 2020-06-05 | 苏州润心医疗器械有限公司 | 基于心肌血流量和ct图像的冠状动脉血流储备分数计算方法 |
CN111462907A (zh) * | 2020-03-20 | 2020-07-28 | 佛山科学技术学院 | 一种动态功能分段激光散斑时间对比成像方法 |
CN112381780A (zh) * | 2020-11-11 | 2021-02-19 | 上海市第六人民医院 | 一种冠脉微循环状况评估装置及方法 |
WO2021042479A1 (zh) * | 2019-09-05 | 2021-03-11 | 苏州润迈德医疗科技有限公司 | 便捷测量冠状动脉血管评定参数的方法、装置及*** |
CN112805790A (zh) * | 2018-08-03 | 2021-05-14 | 皇家飞利浦有限公司 | 基于血管图斜率的血流测量 |
CN112971818A (zh) * | 2021-01-28 | 2021-06-18 | 杭州脉流科技有限公司 | 微循环阻力指数的快速获取方法、装置、计算机设备和存储介质 |
CN113040795A (zh) * | 2021-03-12 | 2021-06-29 | 北京阅影科技有限公司 | 无导丝ffr、无导丝imr和无导丝cfr的检测方法 |
CN113180631A (zh) * | 2021-04-29 | 2021-07-30 | 博动医学影像科技(上海)有限公司 | 基于血管内成像的血流速度、血流储备分数的分析方法 |
TWI742408B (zh) * | 2018-07-23 | 2021-10-11 | 大陸商北京市商湯科技開發有限公司 | 一種圖像處理方法、電子設備及儲存介質 |
CN113693579A (zh) * | 2021-07-23 | 2021-11-26 | 西北工业大学 | 归一化冠状动脉微循环阻力指数计算方法 |
US11278206B2 (en) | 2015-04-16 | 2022-03-22 | Gentuity, Llc | Micro-optic probes for neurology |
WO2022188881A1 (zh) * | 2021-03-12 | 2022-09-15 | 北京阅影科技有限公司 | 无导丝ffr、无导丝imr和无导丝cfr的检测方法 |
CN116115208A (zh) * | 2022-11-18 | 2023-05-16 | 北京工业大学 | 一种基于物理驱动预测静息冠状动脉微循环阻力的方法 |
US11684242B2 (en) | 2017-11-28 | 2023-06-27 | Gentuity, Llc | Imaging system |
Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6292683B1 (en) * | 1999-05-18 | 2001-09-18 | General Electric Company | Method and apparatus for tracking motion in MR images |
US6377835B1 (en) * | 2000-08-30 | 2002-04-23 | Siemens Aktiengesellschaft | Method for separating arteries and veins in 3D MR angiographic images using correlation analysis |
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*** |
CN105877767A (zh) * | 2016-03-31 | 2016-08-24 | 北京思创贯宇科技开发有限公司 | 一种冠脉图像造影方法和装置 |
CN106037710A (zh) * | 2014-11-24 | 2016-10-26 | 西门子公司 | 在医学成像中合成数据驱动的血液动力学测定 |
CN106073894A (zh) * | 2016-05-31 | 2016-11-09 | 博动医学影像科技(上海)有限公司 | 基于植入虚拟支架的血管压力降数值及血流储备分数的评估方法和*** |
WO2016182508A1 (en) * | 2015-05-12 | 2016-11-17 | Singapore Health Services Pte Ltd | Medical image processing methods and systems |
CN106327487A (zh) * | 2016-08-18 | 2017-01-11 | 苏州润心医疗科技有限公司 | 基于x射线冠脉造影图像的冠状动脉血流储备分数计算方法 |
CN106456078A (zh) * | 2013-10-17 | 2017-02-22 | 西门子保健有限责任公司 | 用于对血流储备分数的基于机器学习的评估的方法和*** |
CN106980899A (zh) * | 2017-04-01 | 2017-07-25 | 北京昆仑医云科技有限公司 | 预测血管树血管路径上的血流特征的深度学习模型和*** |
CN107115108A (zh) * | 2017-04-27 | 2017-09-01 | 博动医学影像科技(上海)有限公司 | 快速计算血管压力差的方法及*** |
-
2017
- 2017-11-30 CN CN201711258493.9A patent/CN107978371B/zh active Active
Patent Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6292683B1 (en) * | 1999-05-18 | 2001-09-18 | General Electric Company | Method and apparatus for tracking motion in MR images |
US6377835B1 (en) * | 2000-08-30 | 2002-04-23 | Siemens Aktiengesellschaft | Method for separating arteries and veins in 3D MR angiographic images using correlation analysis |
CN106456078A (zh) * | 2013-10-17 | 2017-02-22 | 西门子保健有限责任公司 | 用于对血流储备分数的基于机器学习的评估的方法和*** |
CN106037710A (zh) * | 2014-11-24 | 2016-10-26 | 西门子公司 | 在医学成像中合成数据驱动的血液动力学测定 |
WO2016182508A1 (en) * | 2015-05-12 | 2016-11-17 | Singapore Health Services Pte Ltd | Medical image processing methods and systems |
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*** |
CN105877767A (zh) * | 2016-03-31 | 2016-08-24 | 北京思创贯宇科技开发有限公司 | 一种冠脉图像造影方法和装置 |
CN106073894A (zh) * | 2016-05-31 | 2016-11-09 | 博动医学影像科技(上海)有限公司 | 基于植入虚拟支架的血管压力降数值及血流储备分数的评估方法和*** |
CN106327487A (zh) * | 2016-08-18 | 2017-01-11 | 苏州润心医疗科技有限公司 | 基于x射线冠脉造影图像的冠状动脉血流储备分数计算方法 |
CN106980899A (zh) * | 2017-04-01 | 2017-07-25 | 北京昆仑医云科技有限公司 | 预测血管树血管路径上的血流特征的深度学习模型和*** |
CN107115108A (zh) * | 2017-04-27 | 2017-09-01 | 博动医学影像科技(上海)有限公司 | 快速计算血管压力差的方法及*** |
Non-Patent Citations (2)
Title |
---|
廖念西等: "冠心病患者微循环阻力指数测定的临床意义", 《中国介入心脏病学杂志》 * |
郭雨龙等: "心肌微循环及微循环阻力指数研究近况", 《中国介入心脏病学杂志 》 * |
Cited By (43)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US11278206B2 (en) | 2015-04-16 | 2022-03-22 | Gentuity, Llc | Micro-optic probes for neurology |
US10631718B2 (en) | 2015-08-31 | 2020-04-28 | Gentuity, Llc | Imaging system includes imaging probe and delivery devices |
US11937786B2 (en) | 2015-08-31 | 2024-03-26 | Gentuity, Llc | Imaging system includes imaging probe and delivery devices |
US11583172B2 (en) | 2015-08-31 | 2023-02-21 | Gentuity, Llc | Imaging system includes imaging probe and delivery devices |
US11064873B2 (en) | 2015-08-31 | 2021-07-20 | Gentuity, Llc | Imaging system includes imaging probe and delivery devices |
US11684242B2 (en) | 2017-11-28 | 2023-06-27 | Gentuity, Llc | Imaging system |
TWI742408B (zh) * | 2018-07-23 | 2021-10-11 | 大陸商北京市商湯科技開發有限公司 | 一種圖像處理方法、電子設備及儲存介質 |
CN112805790A (zh) * | 2018-08-03 | 2021-05-14 | 皇家飞利浦有限公司 | 基于血管图斜率的血流测量 |
CN110367965B (zh) * | 2018-09-19 | 2022-03-08 | 苏州润迈德医疗科技有限公司 | 便捷测量冠状动脉血管评定参数的方法、装置及*** |
CN110384493A (zh) * | 2018-09-19 | 2019-10-29 | 苏州润迈德医疗科技有限公司 | 测量微循环阻力指数的***以及冠脉分析*** |
WO2020057324A1 (zh) * | 2018-09-19 | 2020-03-26 | 苏州润迈德医疗科技有限公司 | 测量微循环阻力指数的***以及冠脉分析*** |
CN110367965A (zh) * | 2018-09-19 | 2019-10-25 | 苏州润迈德医疗科技有限公司 | 便捷测量冠状动脉血管评定参数的方法、装置及*** |
CN110384494A (zh) * | 2018-09-19 | 2019-10-29 | 苏州润迈德医疗科技有限公司 | 测量微循环阻力指数的方法 |
CN111227822A (zh) * | 2018-11-28 | 2020-06-05 | 苏州润心医疗器械有限公司 | 基于心肌血流量和ct图像的冠状动脉血流储备分数计算方法 |
CN111227822B (zh) * | 2018-11-28 | 2022-02-11 | 苏州润迈德医疗科技有限公司 | 基于心肌血流量和ct图像的冠状动脉血流储备分数计算方法 |
CN111227821A (zh) * | 2018-11-28 | 2020-06-05 | 苏州润心医疗器械有限公司 | 基于心肌血流量和ct图像的微循环阻力指数计算方法 |
CN109602401A (zh) * | 2019-01-28 | 2019-04-12 | 徐州市心血管病研究所 | 一种微血管血流动力学参数分析仪及分析方法 |
CN109602401B (zh) * | 2019-01-28 | 2021-08-27 | 徐州市心血管病研究所 | 一种微血管血流动力学参数分析仪及分析方法 |
CN109770930A (zh) * | 2019-01-29 | 2019-05-21 | 浙江大学 | 一种冠状动脉微循环阻力的确定方法和装置 |
CN109717953A (zh) * | 2019-02-01 | 2019-05-07 | 杭州晟视科技有限公司 | 一种血流量的确定方法、装置、电子设备和计算机存储介质 |
CN109907772A (zh) * | 2019-04-15 | 2019-06-21 | 博动医学影像科技(上海)有限公司 | 获取冠脉血流量及血流速度的方法和装置 |
CN109907772B (zh) * | 2019-04-15 | 2020-11-10 | 博动医学影像科技(上海)有限公司 | 获取冠脉血流量及血流速度的方法和装置 |
WO2021042479A1 (zh) * | 2019-09-05 | 2021-03-11 | 苏州润迈德医疗科技有限公司 | 便捷测量冠状动脉血管评定参数的方法、装置及*** |
CN110786841A (zh) * | 2019-11-04 | 2020-02-14 | 苏州润迈德医疗科技有限公司 | 基于微循环阻力指数调节最大充血状态流速的方法及装置 |
CN110916640A (zh) * | 2019-11-06 | 2020-03-27 | 广州新脉科技有限公司 | 基于ffr的冠状动脉狭窄功能性缺血的检测方法及装置 |
CN110916640B (zh) * | 2019-11-06 | 2023-04-14 | 唯智医疗科技(佛山)有限公司 | 基于ffr的冠状动脉狭窄功能性缺血的检测方法及装置 |
CN111084631B (zh) * | 2019-12-03 | 2023-09-08 | 上海市胸科医院 | 一种timi心肌灌注帧数获取方法、介质及电子设备 |
CN111084631A (zh) * | 2019-12-03 | 2020-05-01 | 上海市胸科医院 | 一种timi心肌灌注帧数获取方法、介质及电子设备 |
CN111067494B (zh) * | 2019-12-27 | 2022-04-26 | 西北工业大学 | 基于血流储备分数和血流阻力模型的微循环阻力快速计算方法 |
CN111067494A (zh) * | 2019-12-27 | 2020-04-28 | 西北工业大学 | 基于血流储备分数和血流阻力模型的微循环阻力快速计算方法 |
CN111091913A (zh) * | 2019-12-27 | 2020-05-01 | 西北工业大学 | 基于血流储备分数和冠状动脉ct造影图像的微循环阻力计算方法 |
CN111462907A (zh) * | 2020-03-20 | 2020-07-28 | 佛山科学技术学院 | 一种动态功能分段激光散斑时间对比成像方法 |
CN111462907B (zh) * | 2020-03-20 | 2023-04-25 | 佛山科学技术学院 | 一种动态功能分段激光散斑时间对比成像方法 |
CN112381780A (zh) * | 2020-11-11 | 2021-02-19 | 上海市第六人民医院 | 一种冠脉微循环状况评估装置及方法 |
CN112381780B (zh) * | 2020-11-11 | 2021-04-20 | 上海市第六人民医院 | 一种冠脉微循环状况评估装置及方法 |
CN112971818A (zh) * | 2021-01-28 | 2021-06-18 | 杭州脉流科技有限公司 | 微循环阻力指数的快速获取方法、装置、计算机设备和存储介质 |
CN113040795B (zh) * | 2021-03-12 | 2022-09-06 | 北京阅影科技有限公司 | 无导丝ffr、无导丝imr和无导丝cfr的检测方法 |
WO2022188881A1 (zh) * | 2021-03-12 | 2022-09-15 | 北京阅影科技有限公司 | 无导丝ffr、无导丝imr和无导丝cfr的检测方法 |
CN113040795A (zh) * | 2021-03-12 | 2021-06-29 | 北京阅影科技有限公司 | 无导丝ffr、无导丝imr和无导丝cfr的检测方法 |
CN113180631A (zh) * | 2021-04-29 | 2021-07-30 | 博动医学影像科技(上海)有限公司 | 基于血管内成像的血流速度、血流储备分数的分析方法 |
CN113693579A (zh) * | 2021-07-23 | 2021-11-26 | 西北工业大学 | 归一化冠状动脉微循环阻力指数计算方法 |
CN116115208A (zh) * | 2022-11-18 | 2023-05-16 | 北京工业大学 | 一种基于物理驱动预测静息冠状动脉微循环阻力的方法 |
CN116115208B (zh) * | 2022-11-18 | 2024-06-04 | 北京工业大学 | 一种基于物理驱动预测静息冠状动脉微循环阻力的方法 |
Also Published As
Publication number | Publication date |
---|---|
CN107978371B (zh) | 2021-04-02 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107978371A (zh) | 快速计算微循环阻力的方法及*** | |
CN106073894B (zh) | 基于植入虚拟支架的血管压力降数值及血流储备分数的评估方法和*** | |
CN105326486B (zh) | 血管压力差与血流储备分数的计算方法及*** | |
Ten Cate et al. | Myocardial contrast two-dimensional echocardiography: experimental examination at different coronary flow levels | |
US10354744B2 (en) | Non-invasive functional assessment of coronary artery stenosis including simulation of hyperemia by changing resting microvascular resistance | |
Hundley et al. | Quantitation of cardiac output with velocity-encoded, phase-difference magnetic resonance imaging | |
Nissen et al. | Value and limitations of computer analysis of digital subtraction angiography in the assessment of coronary flow reserve. | |
Boettler et al. | New aspects of the ventricular septum and its function: an echocardiographic study | |
CN109065170B (zh) | 获取血管压力差的方法及装置 | |
CN108665449B (zh) | 预测血流矢量路径上的血流特征的深度学习模型及装置 | |
US20140275976A1 (en) | Global Ventricular Cardiac Diastolic Function Evaluation System and Associated Methods | |
EP4122381B1 (en) | Patient-specific modeling of hemodynamic parameters in coronary arteries | |
CN108717874B (zh) | 基于特定的生理参数获取血管压力值的方法及装置 | |
CN109009061B (zh) | 基于血压修正获取血流特征值的计算方法及装置 | |
CN108742587A (zh) | 基于病史信息获取血流特征值的方法及装置 | |
Cheng-Baron et al. | Measurements of changes in left ventricular volume, strain, and twist during isovolumic relaxation using MRI | |
CN108742570A (zh) | 基于冠脉优势类型获取血管压力差的方法及装置 | |
CN108742667A (zh) | 基于身体质量指数获取血流特征值的方法和装置 | |
CN109009037A (zh) | 基于个体性别获取血管压力差的计算方法及装置 | |
Yano et al. | Comparison of right ventricular function between three-dimensional transesophageal echocardiography and pulmonary artery catheter | |
CN117426783A (zh) | 一种非侵入性的计算cfr的方法 | |
Odake et al. | Determination of left ventricular volume using a conductance catheter in the diseased human heart | |
CN109044324A (zh) | 基于斑块位置修正血流特征值的方法及装置 | |
CN108784676A (zh) | 基于年龄信息获取压力差的方法及装置 | |
CN115005790A (zh) | 非完备压力边界条件下血流量快速计算方法 |
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 | ||
CP03 | Change of name, title or address | ||
CP03 | Change of name, title or address |
Address after: 200233 16th floor, building 82, No. 1198, Qinzhou North Road, Xuhui District, Shanghai Patentee after: Shanghai Bodong Medical Technology Co.,Ltd. Address before: 200233 Room 202, building 46, 555 Guiping Road, Minhang District, Shanghai Patentee before: PULSE MEDICAL IMAGING TECHNOLOGY (SHANGHAI) Co.,Ltd. |