CN108564574A - 确定血流储备分数的方法、计算机设备及计算机可读存储介质 - Google Patents
确定血流储备分数的方法、计算机设备及计算机可读存储介质 Download PDFInfo
- Publication number
- CN108564574A CN108564574A CN201810320618.4A CN201810320618A CN108564574A CN 108564574 A CN108564574 A CN 108564574A CN 201810320618 A CN201810320618 A CN 201810320618A CN 108564574 A CN108564574 A CN 108564574A
- Authority
- CN
- China
- Prior art keywords
- blood vessel
- coronary artery
- surface grid
- center line
- blood
- 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
Classifications
-
- 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
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/12—Edge-based segmentation
-
- 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
- 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
- G06T2207/30101—Blood vessel; Artery; Vein; Vascular
- G06T2207/30104—Vascular flow; Blood flow; Perfusion
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Health & Medical Sciences (AREA)
- Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Radiology & Medical Imaging (AREA)
- Quality & Reliability (AREA)
- Geometry (AREA)
- Apparatus For Radiation Diagnosis (AREA)
Abstract
本发明实施例提供了一种确定血流储备分数的方法、计算机设备及计算机可读存储介质,所述方法包括:获取受检者的CTA图像;根据CTA图像,构造血管表面网格和冠状动脉中心线;根据血管表面网格和冠状动脉中心线,确定血管表面网格的切割位置;在切割位置处切割血管表面网格,生成中间表面网格;根据中间表面网格,生成血管的体网格模型;根据血管的体网格模型和边界条件,获取冠状动脉的血流储备分数结果。本发明实施例提供的技术方案能够自动确定切割位置,避免耗时较长的问题,同时提高血管血流储备分数计算的精度。
Description
【技术领域】
本发明涉及图像处理技术领域,尤其涉及一种确定血流储备分数的方法、计算机设备及计算机可读存储介质。
【背景技术】
冠状动脉血流储备分数(Fractional Flow Reserve,FFR)是一种评估冠状动脉狭窄而导致的心肌缺血程度的功能性指标。随着计算机技术和医学影像技术的发展,将计算机断层摄影血管造影(Computed Tomographic Angiography,CTA)图像与计算流体力学相结合,通过构建血管模型与流体力学仿真可以无创地获得FFR结果。
针对构建血管模型这个问题,现有技术中采用的方案是直接生成血管体网格模型,该血管包括主动脉和冠状动脉,具体的,从CTA图像中分割出主动脉和冠状动脉之后,不对冠状动脉做任何处理,就直接生成体网格模型。
然而,现有技术中,直接生成血管体网格模型,未考虑冠状动脉各个位置粗细不均匀导致生成的体网格存在误差,获得的FFR结果精确度低。此外,现有技术中,直接生成血管体网格模型并在生成过程中手动确定切割位置,无法对切割位置进行自动确定,由此导致检测耗时过长,操作复杂。鉴于此,有必要对现有FFR检测方法进行改进。
【发明内容】
有鉴于此,本发明实施例提供了一种确定血流储备分数的方法、计算机设备及计算机可读存储介质,用以解决现有技术中直接生成血管体网格模型,未考虑冠状动脉各个位置粗细不均匀导致生成的体网格存在误差,获得的FFR结果精确度低的问题。
一方面,本发明实施例提供了一种确定血流储备分数的方法,其特征在于,所述方法包括:
获取受检者的CTA图像;
根据所述CTA图像,构造血管表面网格和冠状动脉中心线;
根据所述血管表面网格和冠状动脉中心线,确定所述血管表面网格的切割位置;
在所述切割位置处切割所述血管表面网格,生成中间表面网格;
根据所述中间表面网格,生成血管的体网格模型;
根据所述血管的体网格模型和边界条件,获取所述冠状动脉的血流储备分数结果。
如上所述的方面和任一可能的实现方式,进一步提供一种实现方式,根据所述血管的体网格模型和边界条件,获取所述冠状动脉的血流储备分数结果之前,所述方法还包括:
获取所述边界条件,所述边界条件包括主动脉入口速度边界条件、主动脉出口压力边界条件与冠状动脉出口流阻边界条件中的至少一种。
如上所述的方面和任一可能的实现方式,进一步提供一种实现方式,获取所述冠状动脉出口流阻边界条件,包括:
获取心输出量与心肌质量中的至少一个;
根据所述心输出量与心肌质量中的至少一个,获取所述冠状动脉总流量;
根据所述冠状动脉总流量和所述冠状动脉的参数,获取所述冠状动脉出口流阻边界条件。
如上所述的方面和任一可能的实现方式,进一步提供一种实现方式,所述冠状动脉的参数包括冠状动脉分叉口横截面积、冠状动脉出口横截面积与冠状动脉腔内密度衰减梯度中的至少一个。
如上所述的方面和任一可能的实现方式,进一步提供一种实现方式,当所述血管为主动脉与冠状动脉时,第一表面网格中单位网格的面积大于第二表面网格中单位网格的面积;
所述第一表面网格为所述主动脉的外表面网格;
所述第二表面网格为所述冠状动脉的外表面网格。
如上所述的方面和任一可能的实现方式,进一步提供一种实现方式,根据所述血管表面网格和冠状动脉中心线,确定所述血管表面网格的切割位置,所述方法还包括:
根据所述冠状动脉中心线上的点所确定的横截面与所述血管表面网格形成的交线环的圆度,确定所述血管表面网格的切割位置。
如上所述的方面和任一可能的实现方式,进一步提供一种实现方式,根据所述血管表面网格和冠状动脉中心线,确定所述血管表面网格的切割位置之前,所述方法还包括:
对所述冠状动脉中心线进行检查和校正。
另一方面,本发明实施例提供了一种计算机设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器用于执行所述计算机程序时实现如下操作:
获取受检者的CTA图像;
根据所述CTA图像,构造血管表面网格和冠状动脉中心线;
根据所述血管表面网格和冠状动脉中心线,确定所述血管表面网格的切割位置;
在所述切割位置处切割所述血管表面网格,生成中间表面网格;
根据所述中间表面网格,生成血管的体网格模型;
根据所述血管的体网格模型和边界条件,获取所述冠状动脉的血流储备分数结果。
如上所述的方面和任一可能的实现方式,进一步提供一种实现方式,所述处理器用于执行所述计算机程序时还实现如下操作:
响应于所述冠状动脉的血流储备分数结果小于设定阈值,在所述冠状动脉确定狭窄位置。
再一方面,本发明实施例提供了一种计算机可读存储介质,包括:计算机可执行指令,当所述计算机可执行指令被运行时执行上述任一种确定血流储备分数的方法。
本发明实施例中,通过构造计算机断层摄影血管造影CTA图像中血管的表面网格和冠状动脉中心线,来进行自动切割定位,有效避免导致手动定位切割位置引起的耗时过长问题,简化整个检测操作;以冠状动脉中心线上的点为参考点,经过该点的横截面会与血管的表面网格相交形成环形,根据环形上的点与参考点的最大距离可以确定该横截面所对应的位置是否为需要的切割位置,避免了冠状动脉过度狭窄的位置对计算结果的影响,从而,在该切割位置处切割血管的表面网格,生成中间表面网格,进而,根据中间表面网格,在血管内部也生成网格,即可得到血管的体网格模型,能够用来模拟血管内部和表面的血液流动情况,使得计算结果精确度高。因此,相较于现有技术中直接生成血管体网格模型的方案,本发明实施例能够解决现有技术中直接生成血管体网格模型,未考虑冠状动脉各个位置粗细不均匀导致生成的体网格存在误差,获得的FFR结果精确度低的问题。
【附图说明】
为了更清楚地说明本发明实施例的技术方案,下面将对实施例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是本发明实施例所提供的确定血流储备分数的方法的流程示意图;
图2是本发明实施例所构造的血管表面网格的示意图;
图3是本发明实施例所提供的中间表面网格示意图;
图4是本发明实施例所提供的体网格示意图;
图5是本发明实施例所提供的获取冠状动脉出口流阻边界条件的流程示意图;
图6是本发明实施例所提供的血流储备分数结果的示意图;
图7是本发明实施例所提供的计算机设备的构成示意图。
【具体实施方式】
为了更好的理解本发明的技术方案,下面结合附图对本发明实施例进行详细描述。
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。
在本发明实施例中使用的术语仅仅是出于描述特定实施例的目的,而非旨在限制本发明。在本发明实施例和所附权利要求书中所使用的单数形式的“一种”、“所述”和“该”也旨在包括多数形式,除非上下文清楚地表示其他含义。
应当理解,本文中使用的术语“和/或”仅仅是一种描述关联对象的关联关系,表示可以存在三种关系,例如,A和/或B,可以表示:单独存在A,同时存在A和B,单独存在B这三种情况。另外,本文中字符“/”,一般表示前后关联对象是一种“或”的关系。
取决于语境,如在此所使用的词语“如果”可以被解释成为“在……时”或“当……时”或“响应于确定”或“响应于检测”。类似地,取决于语境,短语“如果确定”或“如果检测(陈述的条件或事件)”可以被解释成为“当确定时”或“响应于确定”或“当检测(陈述的条件或事件)时”或“响应于检测(陈述的条件或事件)”。
实施例一
本发明实施例提供了一种确定血流储备分数的方法,如图1所示,其为本发明实施例所提供的确定血流储备分数的方法的流程示意图,该方法具体可以包括如下步骤:
S101,获取受检者的CTA图像。
可选地,计算机断层摄影血管造影CTA图像可以是无创获取得到的,这能够有效地避免有创检测给受检者带来的风险。
S102,根据CTA图像,构造血管表面网格和冠状动脉中心线。
在一个具体的实现过程中,构造血管的表面网格与冠状动脉中心线可以同时进行,能够提高对CTA图像的处理速度。在另一个实施例中,对于提取的冠状动脉中心线还可进行优化处理:检测冠状动脉中心线的长度是否超过设定阈值,如果冠状动脉中心线的长度未超过设定阈值,则保留该部分的中心线;否则,删除该部分。通过上述操作,可排除血管分叉对于后续操作的影响。
S103,根据血管表面网格和冠状动脉中心线,确定血管表面网格的切割位置。
需要指出的是,现有技术中,直接生成血管体网格模型,通常手动确定切割位置而无法对切割位置进行自动确定,导致FFR检测过程耗时过长。而本发明是实施例中,可根据血管表面网格和冠状动脉中心线,自动确定血管表面网格的切割位置,有效减少了人工确定切割位置的时间,提高检测效率;同时,联合利用了血管表面网格和冠状动脉中心线的信息,可有效避免人为误差,确定的切割位置更精确。
S104,在切割位置处切割血管表面网格,生成中间表面网格。
S105,根据中间表面网格,生成血管的体网格模型。
S106,根据血管的体网格模型和边界条件,获取冠状动脉的血流储备分数结果。
为了便于理解,以下,对上述各步骤的实现方式进行说明。
在执行S102步骤时,首先,需要根据CTA图像,提取出血管的三维图像。具体地,通过获取CTA图像中血管的计算机扫描(Computed Tomography,CT)数据,将该CT数据与血管理论模型数据进行匹配,以获得最小代价路径的初始点和行进方向。在最小代价路径的行进过程中,血管理论模型被分段矫正,行进方向得到优化。当最小代价路径行进结束后,从终点反向搜索最小点,生成血管的中心线,并对该中心线进行检查和校正,以确保结果的正确性。其中,血管可以包括但不限于主静脉、冠状静脉、主动脉与冠状动脉中的至少一种。
由于心脏个体的差异和配准的误差,在不同的待提取血管的心脏CT数据中,血管理论模型将被分段矫正,以提高血管理论模型与实际血管的匹配度,这个过程无需人机交互操作,即可全自动地获取血管三维图像。
其次,构造血管三维图像中血管的表面网格,每个血管表面网格中单位网格的面积可以相同,也可以不相同。请参考图2,其为本发明实施例所构造的血管表面网格的示意图。
如图2所示,当血管为主动脉与冠状动脉时,在主动脉的外表面上构造第一表面网格,在冠状动脉的外表面上构造第二表面网格,第一表面网格中单位网格的面积大于第二表面网格中单位网格的面积。由于冠状动脉细小,需要采用较小面积的单位网格,而主动脉粗大,则采用相对较大面积的单位网格,这样可以保证计算结果的精度,同时减少运算量。
在执行S103步骤时,根据冠状动脉中心线上的点所确定的横截面与血管表面网格形成的交线环的圆度,确定血管表面网格的切割位置。具体地,以冠状动脉中心线上的点为参考点,经过该点的横截面会与血管的表面网格相交形成环形,从而,计算环形上的每一点与参考点的距离,得到最大距离,即为该环形的圆度,将该环形的圆度与预设的圆度阈值做比较,如果该环形的圆度为预设的圆度阈值,则确定该横截面所对应的位置为需要的切割位置,避免了冠状动脉过度狭窄的位置对计算结果的影响。其中,预设的圆度阈值为0~1范围内的任何一个数值。
具体地,预设圆度阈值为0.6,以冠状动脉中心线上靠近出口处的点1,点2为参考点,经过点1的横截面会与血管的表面网格相交形成环形1,经过点2的横截面会与血管的表面网格相交形成环形2,此时,环形1上的点与参考点1的最大距离为0.3,与预设圆度阈值不相等,而环形2上的点与参考点2的最大距离为0.6,与预设圆度阈值相等,因此,则确定经过点2的横截面所对应的位置为需要的切割位置。
基于此,在经过点2的横截面所对应的位置处切割血管的表面网格,生成中间表面网格,并对切割所得到的中间表面网格的出入口做标记,这个过程不需要人工操作,就能够自动地实现模型端面的切割。比如,将经过点2的横截面所对应的位置处标记为出口处a。如图3所示,其为本发明实施例所提供的中间表面网格示意图,可以看到冠状动脉的出口处a已被切平。
在中间表面网格的基础上,如图4所示,在血管内部也生成网格,即可得到血管的体网格模型,能够用来模拟血管内部和表面的血液流动情况,使得计算结果精确度高。
在一个实施例中,根据中间表面网格,生成血管的体网格模型可包括如下步骤:使用松弛方法对中间表面网格进行边界保护,并在三维均匀网格上进行体采样,得到体采样点集;对得到的体采样点集使用三维狄洛尼三角化方法提取生成血管的体网格模型。在此实施例中,使用松弛方法对中间表面网格进行边界保护,并在三维均匀网格上进行体采样,得到体采样点集可包括:对表面采样点集进行松弛;利用松弛后的表面点集,在三维均匀网格上进行体采样,得到体采样点集。
在一个具体的应用场景中,可以根据血管的体网格模型和边界条件,得到冠状动脉的血流储备分数FFR结果,该结果用于表征心肌缺血程度。
首先,需要获取边界条件。其中,边界条件可以包括但不限于主动脉入口速度边界条件、主动脉出口压力边界条件与冠状动脉出口流阻边界条件中的一种或者多种的组合。
主动脉入口速度边界条件由心输出量计算得到,主动脉出口压力边界条件由血压计算得到。其中,心输出量通过超声测量的方法直接获得,或者,根据左心室在收缩末期的容积和舒张末期的容积的差值,与心率相乘得到。
冠状动脉出口流阻边界条件的获取方法,请参考图5,其为本发明实施例所提供的获取冠状动脉出口流阻边界条件的流程示意图,具体可以包括如下步骤:
S501,获取心输出量与心肌质量中的至少一个。
其中,心肌质量为左心室心肌壁的质量。
S502,根据心输出量与心肌质量中的至少一个,获取冠状动脉总流量。
其中,根据冠状动脉总流量与心输出量成正比的关系,或者,根据冠状动脉总流量与心肌质量成正比的关系,得到冠状动脉总流量。
S503,根据冠状动脉总流量和冠状动脉的参数,获取冠状动脉出口流阻边界条件。
其中,冠状动脉的参数可以包括但不限于冠状动脉分叉口横截面积、冠状动脉出口横截面积与冠状动脉腔内密度衰减梯度(Transluminal Attenuation Gradient,TAG)中的一个或多个。例如:冠状动脉的参数选择冠状动脉出口横截面积,其与FFR检测结果通常成正比,即:横截面积越大,通过的血流流量越大,反之,横截面积越小,通过的血流流量越小。冠状动脉的参数选择TAG时,其与FFR检测结果通常成反比,即:横截面积越大,通过的血流流量越小,反之,横截面积越小,通过的血流流量越大。
边界条件确定完成后,通过如下两种方式模拟充血状态:
第一种,主动脉入口端的流量不变,等比例的升高每个冠状动脉出口端的流量,此时,每个冠状动脉出口端的速度也会等比例的增加。
第二种,等比例的降低每个冠状动脉出口端的等效流阻,由于每个冠状动脉出口端的流量不会等比例的升高,更贴近于实际情况,计算结果准确性高。
基于此,根据血管体网格模型和边界条件,模拟血管充血状态,进而得到血流储备分数FFR结果,请参考图6,其为本发明实施例所提供的血流储备分数结果的示意图,如图6所示为血流储备分数FFR结果的灰度图,整个灰度图中所有像素的变化范围为0.75~1之间波动,其中:灰度值越高,表示对应部位的血流储备分数越高,该部位的血流量就越高;反之,灰度值越低,表示对应部位的血流储备分数越低,该部位的血流量就越低,一般情况下血流储备分数FFR结果在0.75以下的位置在医学上被认为缺血。如图6所示,在图中左冠状动脉的末端存在较为严重的缺血现象,该部分即对应临床上的血管狭窄区域。
在上述实施例的基础上,本实施例给出一种计算机可读存储介质。
具体地,计算机可读存储介质中包括计算机可执行指令,当该计算机可执行指令被运行时,能够执行本实施例中所给出的确定血流储备分数的方法。
本发明实施例中,通过构造计算机断层摄影血管造影CTA图像中血管的表面网格和冠状动脉中心线,来进行切割定位,基于此,以冠状动脉中心线上的点为参考点,经过该点的横截面会与血管的表面网格相交形成环形,根据环形上的点与参考点的最大距离可以确定该横截面所对应的位置是否为需要的切割位置,避免了冠状动脉过度狭窄的位置对计算结果的影响,从而,在该切割位置处切割血管的表面网格,生成中间表面网格,进而,根据中间表面网格,在血管内部也生成网格,即可得到血管的体网格模型,能够用来模拟血管内部和表面的血液流动情况,使得计算结果精确度高。因此,相较于现有技术中直接生成血管体网格模型的方案,本发明实施例能够解决现有技术中直接生成血管体网格模型,未考虑冠状动脉各个位置粗细不均匀导致生成的体网格存在误差,获得的FFR结果精确度低的问题;自动确定切割位置,避免耗时较长的问题。
实施例二
基于上述实施例一所提供的确定血流储备分数的方法,本发明实施例进一步给出实现上述方法的一种计算机设备。具体的,请参考图7,其为本发明实施例所提供的计算机设备的构成示意图。如图7所示,该计算机设备71包括存储器701,处理器702及存储在存储器701上并可在处理器702上运行的计算机程序703(图7中未示出)。
存储器701,用于存储可在处理器702上运行的计算机程序703;
处理器702,用于执行计算机程序703时实现如下操作:
获取受检者的CTA图像;
根据CTA图像,构造血管表面网格和冠状动脉中心线;
根据血管表面网格和冠状动脉中心线,确定血管表面网格的切割位置;
在切割位置处切割血管表面网格,生成中间表面网格;
根据中间表面网格,生成血管的体网格模型;
根据血管的体网格模型和边界条件,获取冠状动脉的血流储备分数结果。
在一个具体的实现过程中,处理器702用于执行计算机程序703时,还实现如下操作:
响应于冠状动脉的血流储备分数结果小于设定阈值,在该冠状动脉确定狭窄位置。
在一个具体的实现过程中,处理器702还用于当血管为主动脉与冠状动脉时,在主动脉的外表面上构造第一表面网格;
在冠状动脉的外表面上构造第二表面网格;
第一表面网格中单位网格的面积大于第二表面网格中单位网格的面积。
在一个具体的实现过程中,处理器702还用于根据冠状动脉中心线上的点所确定的横截面与血管表面网格形成的交线环的圆度,确定血管表面网格的切割位置。
在一个具体的实现过程中,处理器702还用于根据血管表面网格和冠状动脉中心线,确定血管表面网格的切割位置之前,对冠状动脉中心线进行检查和校正,以确保结果的正确性。
在一个具体的实现过程中,处理器702还用于获取边界条件,其中,边界条件可以包括但不限于主动脉入口速度边界条件、主动脉出口压力边界条件与冠状动脉出口流阻边界条件中的一种或者多种的组合。
在一个具体的实现过程中,处理器702还用于获取心输出量与心肌质量中的至少一个;
根据心输出量与心肌质量中的至少一个,获取冠状动脉总流量;
根据冠状动脉总流量和冠状动脉的参数,获取冠状动脉出口流阻边界条件。其中,冠状动脉的参数可以包括但不限于冠状动脉分叉口横截面积、冠状动脉出口横截面积与冠状动脉腔内衰减梯度(Transluminal Attenuation Gradient,TAG)中的一个或多个。
在一个实施例中,冠状动脉的参数选择TAG,其为冠状动脉管腔内放射性衰减值与从冠状动脉口开始至该点轴向距离之间的线性回归系数,即距冠状动脉开口每10mm单位长度间隔CT值(HU)的变化量。一般而言TAG越大,表示血管可能存在狭窄;TAG越小,表示血管均匀性越好。在此实施例中,测量TAG的方法可包括:首先,重建冠状动脉垂直于血管中心线的横截面图像;然后,从冠状动脉口到血管末梢横截面积大于设定面积(例如2mm2)处,每间隔一定的间距(例如5mm)测量管腔横截面积、管腔平均直径和管腔放射性衰减值等变量;目标区域的外形和血管的中心线必要时可手动纠正。TAG可表示每10mm冠状动脉内CT衰减值(HU)的变化量。在此实施例中,根据TAG确定边界条件,并将该边界条件应用到FFR的计算,考虑到TAG在一定程度上表征血管狭窄的程度,可提高FFR计算的精度。
由于本实施例中的各单元能够执行实施例一所示的方法,本实施例未详细描述的部分,可参考对实施例一的相关说明。
本发明实施例中,通过构造计算机断层摄影血管造影CTA图像中血管的表面网格和冠状动脉中心线,来进行切割定位,基于此,以冠状动脉中心线上的点。为参考点,经过该点的横截面会与血管的表面网格相交形成环形,根据环形上的点与参考点的最大距离可以确定该横截面所对应的位置是否为需要的切割位置,避免了冠状动脉过度狭窄的位置对计算结果的影响,从而,在该切割位置处切割血管的表面网格,生成中间表面网格,进而,根据中间表面网格,在血管内部也生成网格,即可得到血管的体网格模型,能够用来模拟血管内部和表面的血液流动情况,使得计算结果精确度高。因此,相较于现有技术中直接生成血管体网格模型的方案,本发明实施例能够解决现有技术中直接生成血管体网格模型,未考虑冠状动脉各个位置粗细不均匀导致生成的体网格存在误差,获得的FFR结果精确度低的问题。
所属领域的技术人员可以清楚地了解到,为描述的方便和简洁,上述描述的***,装置和单元的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
在本发明所提供的几个实施例中,应该理解到,所揭露的***,装置和方法,可以通过其它的方式实现。例如,以上所描述的装置实施例仅仅是示意性的,例如,所述单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如,多个单元或组件可以结合或者可以集成到另一个***,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口,装置或单元的间接耦合或通信连接,可以是电性,机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外,在本发明各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用硬件加软件功能单元的形式实现。
上述以软件功能单元的形式实现的集成的单元,可以存储在一个计算机可读取存储介质中。上述软件功能单元存储在一个存储介质中,包括若干指令用以使得一台计算机装置(可以是个人计算机,服务器,或者网络装置等)或处理器(Processor)执行本发明各个实施例所述方法的部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(Read-Only Memory,ROM)、随机存取存储器(Random Access Memory,RAM)、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述仅为本发明的较佳实施例而已,并不用以限制本发明,凡在本发明的精神和原则之内,所做的任何修改、等同替换、改进等,均应包含在本发明保护的范围之内。
Claims (10)
1.一种确定血流储备分数的方法,其特征在于,所述方法包括:
获取受检者的CTA图像;
根据所述CTA图像,构造血管表面网格和冠状动脉中心线;
根据所述血管表面网格和冠状动脉中心线,确定所述血管表面网格的切割位置;
在所述切割位置处切割所述血管表面网格,生成中间表面网格;
根据所述中间表面网格,生成血管的体网格模型;
根据所述血管的体网格模型和边界条件,获取所述冠状动脉的血流储备分数结果。
2.根据权利要求1所述的方法,其特征在于,根据所述血管的体网格模型和边界条件,获取所述冠状动脉的血流储备分数结果之前,所述方法还包括:
获取所述边界条件,所述边界条件包括主动脉入口速度边界条件、主动脉出口压力边界条件与冠状动脉出口流阻边界条件中的至少一种。
3.根据权利要求2所述的方法,其特征在于,获取所述冠状动脉出口流阻边界条件,包括:
获取心输出量与心肌质量中的至少一个;
根据所述心输出量与心肌质量中的至少一个,获取所述冠状动脉总流量;
根据所述冠状动脉总流量和所述冠状动脉的参数,获取所述冠状动脉出口流阻边界条件。
4.根据权利要求3所述的方法,其特征在于,所述冠状动脉的参数包括冠状动脉分叉口横截面积、冠状动脉出口横截面积与冠状动脉腔内密度衰减梯度中的至少一个。
5.根据权利要求1所述的方法,其特征在于,当所述血管为主动脉与冠状动脉时,第一表面网格中单位网格的面积大于第二表面网格中单位网格的面积;
所述第一表面网格为所述主动脉的外表面网格;
所述第二表面网格为所述冠状动脉的外表面网格。
6.根据权利要求1所述的方法,其特征在于,所述根据所述血管表面网格和冠状动脉中心线,确定所述血管表面网格的切割位置包括:
根据所述冠状动脉中心线上的点所确定的横截面与所述血管表面网格形成的交线环的圆度,确定所述血管表面网格的切割位置。
7.根据权利要求1所述的方法,其特征在于,根据所述血管表面网格和冠状动脉中心线,确定所述血管表面网格的切割位置之前,所述方法还包括:
对所述冠状动脉中心线进行检查和校正。
8.一种计算机设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,其特征在于,所述处理器用于执行所述计算机程序时实现如下操作:
获取受检者的CTA图像;
根据所述CTA图像,构造血管表面网格和冠状动脉中心线;
根据所述血管表面网格和冠状动脉中心线,确定所述血管表面网格的切割位置;
在所述切割位置处切割所述血管表面网格,生成中间表面网格;
根据所述中间表面网格,生成血管的体网格模型;
根据所述血管的体网格模型和边界条件,获取所述冠状动脉的血流储备分数结果。
9.根据权利要求8所述的计算机设备,其特征在于,所述处理器用于执行所述计算机程序时还实现如下操作:
响应于所述冠状动脉的血流储备分数结果小于设定阈值,在所述冠状动脉确定狭窄位置。
10.一种计算机可读存储介质,其特征在于,包括:计算机可执行指令,当所述计算机可执行指令被运行时执行如权利要求1至7任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810320618.4A CN108564574B (zh) | 2018-04-11 | 2018-04-11 | 确定血流储备分数的方法、计算机设备及计算机可读存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810320618.4A CN108564574B (zh) | 2018-04-11 | 2018-04-11 | 确定血流储备分数的方法、计算机设备及计算机可读存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108564574A true CN108564574A (zh) | 2018-09-21 |
CN108564574B CN108564574B (zh) | 2021-04-20 |
Family
ID=63534473
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810320618.4A Active CN108564574B (zh) | 2018-04-11 | 2018-04-11 | 确定血流储备分数的方法、计算机设备及计算机可读存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108564574B (zh) |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110706770A (zh) * | 2019-09-30 | 2020-01-17 | 上海杏脉信息科技有限公司 | 心脏数据处理设备及处理方法、计算机可读存储介质 |
CN111738982A (zh) * | 2020-05-28 | 2020-10-02 | 数坤(北京)网络科技有限公司 | 一种血管腔浓度梯度提取方法、装置以及可读存储介质 |
CN111754522A (zh) * | 2020-06-19 | 2020-10-09 | 上海杏脉信息科技有限公司 | 冠状动脉血流动力学数据的获取方法及装置 |
CN111815598A (zh) * | 2020-06-30 | 2020-10-23 | 上海联影医疗科技有限公司 | 一种血管参数的计算方法、装置、设备及存储介质 |
CN112001893A (zh) * | 2020-07-31 | 2020-11-27 | 上海联影医疗科技股份有限公司 | 一种血管参数的计算方法、装置、设备及存储介质 |
CN112116615A (zh) * | 2019-11-19 | 2020-12-22 | 苏州润迈德医疗科技有限公司 | 根据血管中心线获取血管轮廓线的方法和装置 |
CN112690814A (zh) * | 2020-11-06 | 2021-04-23 | 杭州阿特瑞科技有限公司 | 一种低误差的冠状动脉血流储备分数测量方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101152104A (zh) * | 2006-04-21 | 2008-04-02 | 美国西门子医疗解决公司 | 半自动主动脉瘤分析用的***和方法 |
US20160232667A1 (en) * | 2010-08-12 | 2016-08-11 | Heartflow, Inc. | Method and system for image processing and patient-specific modeling of blood flow |
CN106023202A (zh) * | 2016-05-20 | 2016-10-12 | 苏州润心医疗科技有限公司 | 基于心脏ct图像的冠状动脉血流储备分数计算方法 |
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 |
CN106659400A (zh) * | 2014-06-30 | 2017-05-10 | 皇家飞利浦有限公司 | 用于确定血流储备分数值的装置 |
-
2018
- 2018-04-11 CN CN201810320618.4A patent/CN108564574B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101152104A (zh) * | 2006-04-21 | 2008-04-02 | 美国西门子医疗解决公司 | 半自动主动脉瘤分析用的***和方法 |
US20160232667A1 (en) * | 2010-08-12 | 2016-08-11 | Heartflow, Inc. | Method and system for image processing and patient-specific modeling of blood flow |
CN106659400A (zh) * | 2014-06-30 | 2017-05-10 | 皇家飞利浦有限公司 | 用于确定血流储备分数值的装置 |
CN106023202A (zh) * | 2016-05-20 | 2016-10-12 | 苏州润心医疗科技有限公司 | 基于心脏ct图像的冠状动脉血流储备分数计算方法 |
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 |
Cited By (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110706770A (zh) * | 2019-09-30 | 2020-01-17 | 上海杏脉信息科技有限公司 | 心脏数据处理设备及处理方法、计算机可读存储介质 |
CN110706770B (zh) * | 2019-09-30 | 2020-08-04 | 上海杏脉信息科技有限公司 | 心脏数据处理设备及处理方法、计算机可读存储介质 |
CN112116615A (zh) * | 2019-11-19 | 2020-12-22 | 苏州润迈德医疗科技有限公司 | 根据血管中心线获取血管轮廓线的方法和装置 |
CN112116615B (zh) * | 2019-11-19 | 2023-12-05 | 苏州润迈德医疗科技有限公司 | 根据血管中心线获取血管轮廓线的方法和装置 |
CN111738982A (zh) * | 2020-05-28 | 2020-10-02 | 数坤(北京)网络科技有限公司 | 一种血管腔浓度梯度提取方法、装置以及可读存储介质 |
CN111754522A (zh) * | 2020-06-19 | 2020-10-09 | 上海杏脉信息科技有限公司 | 冠状动脉血流动力学数据的获取方法及装置 |
CN111754522B (zh) * | 2020-06-19 | 2021-08-03 | 上海杏脉信息科技有限公司 | 冠状动脉血流动力学数据的获取方法及装置 |
CN111815598A (zh) * | 2020-06-30 | 2020-10-23 | 上海联影医疗科技有限公司 | 一种血管参数的计算方法、装置、设备及存储介质 |
CN111815598B (zh) * | 2020-06-30 | 2024-04-26 | 上海联影医疗科技股份有限公司 | 一种血管参数的计算方法、装置、设备及存储介质 |
CN112001893A (zh) * | 2020-07-31 | 2020-11-27 | 上海联影医疗科技股份有限公司 | 一种血管参数的计算方法、装置、设备及存储介质 |
CN112001893B (zh) * | 2020-07-31 | 2024-02-20 | 上海联影医疗科技股份有限公司 | 一种血管参数的计算方法、装置、设备及存储介质 |
CN112690814A (zh) * | 2020-11-06 | 2021-04-23 | 杭州阿特瑞科技有限公司 | 一种低误差的冠状动脉血流储备分数测量方法 |
Also Published As
Publication number | Publication date |
---|---|
CN108564574B (zh) | 2021-04-20 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108564574A (zh) | 确定血流储备分数的方法、计算机设备及计算机可读存储介质 | |
US11896416B2 (en) | Method for calculating coronary artery fractional flow reserve on basis of myocardial blood flow and CT images | |
US10580526B2 (en) | System and method for calculating vessel flow parameters based on angiography | |
Muraru et al. | New speckle-tracking algorithm for right ventricular volume analysis from three-dimensional echocardiographic data sets: validation with cardiac magnetic resonance and comparison with the previous analysis tool | |
CN110367965B (zh) | 便捷测量冠状动脉血管评定参数的方法、装置及*** | |
CN110226923B (zh) | 一种无需血管扩张剂测量血流储备分数的方法 | |
US10595806B2 (en) | Fractional flow reserve (FFR) index with adaptive boundary condition parameters | |
US10134129B2 (en) | Method and system for hemodynamic computation in coronary arteries | |
US10373700B2 (en) | Non-invasive functional assessment of coronary artery stenosis including simulation of hyperemia by changing resting microvascular resistance | |
US9924869B2 (en) | Method and apparatus for determining blood flow required, method and apparatus for producing blood flow image, and method and apparatus for processing myocardial perfusion image | |
CN108122616B (zh) | 个体特异性的心血管模型的生成方法及其应用 | |
JP2019500960A (ja) | 心臓モデルガイド付き冠動脈瘤セグメンテーション | |
CN105326486A (zh) | 血管压力差与血流储备分数的计算方法及*** | |
CN108992057A (zh) | 一种确定冠状动脉血流储备分数ffr的方法和装置 | |
CN106780477A (zh) | 一种血流分析方法和*** | |
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 | |
JP2018509971A (ja) | 定量的フロー分析のための方法および装置 | |
CN112384136A (zh) | 基于造影图像获取血管评定参数的方法、装置及*** | |
CN109009061B (zh) | 基于血压修正获取血流特征值的计算方法及装置 | |
CN107580470A (zh) | 瞬时流量储备‑计算机断层摄影 | |
CN111091913A (zh) | 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 | |
CN108742570B (zh) | 基于冠脉优势类型获取血管压力差的装置 | |
CN112089433B (zh) | 一种基于cta和dsa的冠状动脉血流储备分数测量方法 | |
CN109288537A (zh) | 评估血流储备分数的***、方法、设备及存储介质 | |
CN109907772A (zh) | 获取冠脉血流量及血流速度的方法和装置 |
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 | ||
CB02 | Change of applicant information | ||
CB02 | Change of applicant information |
Address after: 201807 Shanghai city Jiading District Industrial Zone Jiading Road No. 2258 Applicant after: Shanghai Lianying Medical Technology Co., Ltd Address before: 201807 Shanghai city Jiading District Industrial Zone Jiading Road No. 2258 Applicant before: SHANGHAI UNITED IMAGING HEALTHCARE Co.,Ltd. |
|
GR01 | Patent grant | ||
GR01 | Patent grant |