CN110574121B - 血流储备分数模拟参数的定制、校准和/或训练 - Google Patents
血流储备分数模拟参数的定制、校准和/或训练 Download PDFInfo
- Publication number
- CN110574121B CN110574121B CN201880023384.5A CN201880023384A CN110574121B CN 110574121 B CN110574121 B CN 110574121B CN 201880023384 A CN201880023384 A CN 201880023384A CN 110574121 B CN110574121 B CN 110574121B
- Authority
- CN
- China
- Prior art keywords
- user
- arterial tree
- coronary arterial
- adjusted
- boundary condition
- 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.)
- Active
Links
- 238000012549 training Methods 0.000 title claims description 25
- 238000004088 simulation Methods 0.000 title description 17
- 230000011218 segmentation Effects 0.000 claims abstract description 69
- 238000003384 imaging method Methods 0.000 claims abstract description 33
- 230000000747 cardiac effect Effects 0.000 claims abstract description 18
- 238000000034 method Methods 0.000 claims description 21
- 230000017531 blood circulation Effects 0.000 claims description 12
- 210000004369 blood Anatomy 0.000 claims description 6
- 239000008280 blood Substances 0.000 claims description 6
- 208000004476 Acute Coronary Syndrome Diseases 0.000 claims description 5
- 238000005534 hematocrit Methods 0.000 claims description 5
- 206010012601 diabetes mellitus Diseases 0.000 claims description 4
- 230000008569 process Effects 0.000 claims description 4
- 238000011282 treatment Methods 0.000 claims description 4
- 230000002107 myocardial effect Effects 0.000 claims description 3
- 230000003993 interaction Effects 0.000 claims 4
- 230000004044 response Effects 0.000 claims 2
- 238000012790 confirmation Methods 0.000 claims 1
- 210000004351 coronary vessel Anatomy 0.000 description 23
- 230000036772 blood pressure Effects 0.000 description 8
- 208000031481 Pathologic Constriction Diseases 0.000 description 6
- 230000005855 radiation Effects 0.000 description 6
- 230000036262 stenosis Effects 0.000 description 6
- 208000037804 stenosis Diseases 0.000 description 6
- 238000005259 measurement Methods 0.000 description 5
- 238000011156 evaluation Methods 0.000 description 4
- 230000000694 effects Effects 0.000 description 3
- 239000012530 fluid Substances 0.000 description 3
- 230000003902 lesion Effects 0.000 description 3
- 238000002583 angiography Methods 0.000 description 2
- 238000002586 coronary angiography Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 230000000004 hemodynamic effect Effects 0.000 description 2
- 230000036581 peripheral resistance Effects 0.000 description 2
- 230000006978 adaptation Effects 0.000 description 1
- 230000002730 additional effect Effects 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 238000009530 blood pressure measurement Methods 0.000 description 1
- 210000004204 blood vessel Anatomy 0.000 description 1
- 230000002308 calcification Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 239000003795 chemical substances by application Substances 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000002591 computed tomography Methods 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 239000003814 drug Substances 0.000 description 1
- 229940079593 drug Drugs 0.000 description 1
- 210000003743 erythrocyte Anatomy 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 210000001105 femoral artery Anatomy 0.000 description 1
- 230000000544 hyperemic effect Effects 0.000 description 1
- 238000003780 insertion Methods 0.000 description 1
- 230000037431 insertion Effects 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 210000002321 radial artery Anatomy 0.000 description 1
- 230000004083 survival effect Effects 0.000 description 1
- 238000003325 tomography Methods 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
- G06T7/0012—Biomedical image inspection
- G06T7/0014—Biomedical image inspection using an image reference approach
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
- G16H50/30—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for calculating health indices; for individual health risk assessment
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/0033—Features or image-related aspects of imaging apparatus classified in A61B5/00, e.g. for MRI, optical tomography or impedance tomography apparatus; arrangements of imaging apparatus in a room
- A61B5/004—Features or image-related aspects of imaging apparatus classified in A61B5/00, e.g. for MRI, optical tomography or impedance tomography apparatus; arrangements of imaging apparatus in a room adapted for image acquisition of a particular organ or body part
- A61B5/0044—Features or image-related aspects of imaging apparatus classified in A61B5/00, e.g. for MRI, optical tomography or impedance tomography apparatus; arrangements of imaging apparatus in a room adapted for image acquisition of a particular organ or body part for the heart
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/145—Measuring characteristics of blood in vivo, e.g. gas concentration, pH value; Measuring characteristics of body fluids or tissues, e.g. interstitial fluid, cerebral tissue
- A61B5/14535—Measuring characteristics of blood in vivo, e.g. gas concentration, pH value; Measuring characteristics of body fluids or tissues, e.g. interstitial fluid, cerebral tissue for measuring haematocrit
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/74—Details of notification to user or communication with user or patient ; user input means
- A61B5/7475—User input or interface means, e.g. keyboard, pointing device, joystick
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H10/00—ICT specially adapted for the handling or processing of patient-related medical or healthcare data
- G16H10/60—ICT specially adapted for the handling or processing of patient-related medical or healthcare data for patient-specific data, e.g. for electronic patient records
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
- G16H50/50—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for simulation or modelling of medical disorders
-
- 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
- G06T2207/20—Special algorithmic details
- G06T2207/20081—Training; Learning
-
- 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
- G06T2207/30048—Heart; Cardiac
Landscapes
- Health & Medical Sciences (AREA)
- Engineering & Computer Science (AREA)
- Medical Informatics (AREA)
- Public Health (AREA)
- Life Sciences & Earth Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Pathology (AREA)
- Biomedical Technology (AREA)
- Physics & Mathematics (AREA)
- Epidemiology (AREA)
- Primary Health Care (AREA)
- Databases & Information Systems (AREA)
- Data Mining & Analysis (AREA)
- Heart & Thoracic Surgery (AREA)
- Surgery (AREA)
- Veterinary Medicine (AREA)
- Animal Behavior & Ethology (AREA)
- Molecular Biology (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Radiology & Medical Imaging (AREA)
- Biophysics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Physics & Mathematics (AREA)
- Cardiology (AREA)
- Quality & Reliability (AREA)
- Optics & Photonics (AREA)
- Apparatus For Radiation Diagnosis (AREA)
- Image Analysis (AREA)
Abstract
一种计算***(118)包括具有计算机可执行指令(124)的计算机可读存储介质(122),所述计算机可执行指令(124)包括具有分割器(202)和边界条件确定器(206)的生物物理模拟器(126)。所述计算***还包括处理器(120),所述处理器(120)被配置为执行所述生物物理模拟器以利用经适配的冠状动脉树分割和经适配的边界条件中的至少一个以及心脏成像数据来计算血流储备分数指标。
Description
技术领域
以下总体涉及成像,并且更具体而言涉及血流储备分数模拟(FFR)的定制、校准和/或训练,并且针对FFR-计算机扫描断层(FFR-CT)的特定应用进行了描述,并且也适用于X射线FFR。
背景技术
血流储备分数(FFR)是导管实验室(Cath Lab)中的一项侵入性测量,通过FFR指数来量化由于钙化或软斑块引起的冠状动脉病变的血流动力学显著性。该指标指示冠状支架的功能严重性,其根据在冠状血管造影术期间进行的压力测量被计算并且被定义为在充血条件下远端血压(狭窄后面)相比于近端血压(靠近心门)。也就是,FFR指标表达在存在支架时沿血管向下的最大流量相比于假设没有狭窄时的最大流量。FFR值是介于0与1之间的绝对值,其中,值0.50指示给定的狭窄会导致血压下降50%。
侵入性FFR流程要求将导管***股动脉或桡动脉中,并且将导管推进到狭窄处,其中在由影响血管几何结构、顺应性和阻力和/或其他特性的各种药剂促进的情况期间,在导管尖端的传感器感测在狭窄两端的压力。非侵入性方法通过计算流体动力学(CFD)模拟来根据心脏的CT图像数据(例如,根据造影增强的计算机断层摄影冠状动脉血管造影(CCTA))来估计FFR指标,在该模拟中,模拟了通过冠状动脉的血流和血压。这包括使用CCTA图像数据以导出冠状动脉树的几何模型、从其中提取特征并且根据特征来确定针对该模拟的边界条件。
FFR-CT模拟软件已经在临床站点部署,具有预先设定的、工厂经调整的算法参数(例如,用于根据CCTA图像来分割冠状动脉),或针对控制通过冠状动脉的模拟血流的外周阻力的比例因子。然而,使用模式、个人习惯和/或患者人群可能因站点而异。例如,当分割血管时,一个临床医师可以在血管壁的内表面内进行分割,而另一临床医师则在血管壁上进行分割。在另一示例中,相对于较低的图像质量的图像,在较高的图像质量的图像中血管壁的实际边缘可以更清晰。FFR-CT模拟结果的准确性可以因临床医师而异、因站点而异等等。
发明内容
本文所描述的方面解决了上面提到的问题和其他问题。
在一个方面中,一种计算***包括具有计算机可执行指令的计算机可读存储介质,所述计算机可执行指令包括具有分割器和边界条件确定器的生物物理模拟器。所述计算***还包括处理器,所述处理器被配置为执行所述生物物理模拟器以利用经适配的冠状动脉树分割和经适配的边界条件中的至少一个以及心脏成像数据来计算血流储备分数指标。
在另一个方面中,一种计算机可读存储介质编码有计算机可读指令,所述计算机可读指令在由计算***的处理器执行时,使所述处理器进行以下操作:接收心脏成像数据,并且执行生物物理模拟器以利用经适配的冠状动脉树分割和经适配的边界条件中的至少一个以及心脏成像数据来计算血流储备分数指标。
在另一个方面中,一种方法包括:接收心脏成像数据,并且利用经适配的冠状动脉树分割和经适配的边界条件中的至少一个以及心脏成像数据来计算血流储备分数指标。
本领域技术人员通过阅读并理解所附的描述,将认识到本申请的其他方面。
附图说明
本发明可以采取各种部件和部件的布置以及各种步骤和步骤布置的形式。附图仅出于图示优选实施例的目的,并且不应被解释为限制本发明。
图1示意性地图示了***,其包括计算***和成像***。
图2图示了示例生物物理模拟器。
图3图示了冠状动脉的示例分割。
图4图示了冠状动脉的示例解剖模型。
图5图示了根据本文的实施例的示例方法。
图6图示了根据本文的实施例的另一示例方法。
图7图示了根据本文的实施例的另一示例方法。
具体实施方式
图1示意性地示出了包括成像***102(例如,CT扫描器)的***100。在变型中,***100包括X射线成像器。成像***102包括体固定机架104和旋转机架106,旋转机架104由固定机架104可旋转地支撑并且围绕检查区域108关于z-轴旋转。对象支撑件110,例如卧榻,在检查区域108中支撑目标或对象。
辐射源112,例如X-射线管,由旋转机架106可旋转地支撑,随旋转机架106旋转,并且发出穿过检查区域108的辐射。辐射敏感探测器阵列114对向一角度弧,跨检查区域1088与辐射源112相对。辐射敏感探测器阵列114探测穿过检查区域108的辐射并生成指示其的(一个或多个)电信号(投影数据)。重建器116重建投影数据,生成指示定位于检查区域108中的对象或目标的被扫描部分的体积图像数据。
在该示例中,计算***118用作操作者控制台。控制台118包括处理器120(例如,微处理器、中央处理单元等)和计算机可读存储介质122,其排除瞬态介质,并且包括诸如物理存储设备之类的瞬态介质,等等。控制台118还包括(一个或多个)人类可读输出设备(例如显示监视器)和(一个或多个)输入设备(例如鼠标、键盘等)。
计算机可读存储介质122包括用于生物物理模拟器126的指令124。处理器120被配置为执行指令124和/或允许操作者经由图形用户界面(GUI)或其他方式与扫描器102交互和/或操作扫描器102的软件。处理器120可以额外地或备选地执行由载波、信号和/或其他暂态介质承载的(一条或多条)计算机可读指令。
在变型中,生物物理模拟器126是另一计算***的一部分,其与控制台118和***100分离。在这种情况下,另一计算***与控制台118的相似之处在于它包括处理器、计算机可读存储介质、输入设备和输出设备,但是它不包括允许操作者与扫描器102交互和/或操作扫描器102的软件。
生物物理模拟器126被配置为至少处理体积图像数据以执行生物物理模拟。关于FFR,生物物理模拟器确定基于FFR指标的CCTA图像数据(或X射线血管造影)。FFR指标可以经由显示监视器显示、存储、传送到另一设备等。如下面更详细描述的,生物物理模拟器126包括一个或多个反馈回路,例如,分割反馈回路和/或边界条件反馈回路。反馈回路可以用于针对个体临床医师、站点等的训练、模拟定制和/或校准和/或预测的目的。
因此,生物物理模拟器126可以被部署在临床站点并且针对个体用户和/或站点进行调谐,例如,用于根据CCTA图像数据(或X射线血管造影)来分割冠状动脉树,或针对控制通过冠状动脉的模拟血流的外周阻力的比例因子。在一个实例中,这减轻了因站点而异的使用模式、个人习惯和/或患者人群的不同结果。因此,相对于其中没有利用本文所描述的方法和/或省略了本文所描述的生物物理模拟器126的配置,可以改进由不同的临床医师、不同的站点等导致的FFR-CT(或X射线FFR)模拟的准确性。
图2示意性地示出了结合FFR-CT的生物物理模拟器126的示例。在该示例中,生物物理模拟器126包括具有分割反馈回路204的分割器202、具有边界条件反馈回路208的边界条件确定器206和流动模拟器210。在变型中,省略了分割反馈回路204。在另一变型中,省略了边界条件反馈回路208。生物物理模拟器126从成像***100、数据存储库(例如,放射信息***(RIS)、图片存档及通信***(PACS)等)和/或其他装置接收CCTA成像数据作为输入。
分割器202采用分割算法来根据CCTA成像数据分割冠状动脉树。可以自动地(例如,机器学习等)或半自动地(例如,利用用户协助)执行分割。在一个实例中,分割包括从其识别和/或提取冠状动脉中心线和/或管腔几何结构(例如,直径、周长、横截面积等)。分割可以基于体素强度、物体形状和/或其他特性。图3示出了个体血管的一部分的分割,示出了血管腔的相对血管壁302,并且图4示出了经分割的冠状动脉树400。
在以下文章中讨论了用于根据CCTA成像数据来提取冠状动脉树的合适方法的示例:Zheng等人的“Robust and accurate coronary artery centerline extraction inCTA by combining model-driven and data-driven approaches”Med Image ComputAssist Interv,2013;16(Pt 3):74-81;Ecabert等人的“Segmentation of the heart andgreat vessels in CT images using a model-based adaptation framework”,MedImage Anal,2011Dec;15(6):863-76以及Freiman等人的“Improving CCTA-basedlesions’hemodynamic significance assessment by accounting for partial volumemodeling in automatic coronary lumen segmentation”,Med Phys,2017Mar;44(3):1040-1049。本文也预期其他方法。
在一个实例中,CCTA成像数据是训练集,并且专家们已经执行了准确的冠状动脉树分割,所述分割导致与已知的“真实情况”侵入性FFR测量相匹配的对FFR指标的模拟,从而为训练集提供了参考分割。分割器202根据训练集来分割冠状动脉树,并且用户利用分割器202的工具自由地操纵冠状动脉树分割。分割器202将经用户调整的冠状动脉树分割与参考分割进行比较。分割器202经由反馈回路204提供反馈,所述反馈指示经用户调整的冠状动脉树分割与参考分割之间的任何差异。反馈可以指示随后的经调整的冠状动脉树分割是否更接近参考分割、用于改进分割的推荐和/或关于分割的其他信息。
在另一实例中,CCTA成像数据再次是训练集。在该实例中,分割器202学习经用户调整的冠状动脉树分割与参考分割之间的差异,并且将该偏差存储为用户特异的校准数据。分割器202利用用户特异的校准数据,例如以自动地根据处于评估或分析中的患者CCTA成像数据(非训练数据集)来适配随后的经用户调整的冠状动脉树分割。为此,分割器202经由反馈回路204基于用户特异的校准数据视觉地呈现经适配的经调整的冠状动脉树分割。为了适配,分割器202可以移动分割的一个或多个点。例如,分割器202可以增加或减小所分割的冠状动脉血管的直径、移动所分割的冠状动脉血管壁等。
用户可以接受、拒绝和/或修改视觉呈现的经适配经调整的冠状动脉树分割。用户还可以重做分割。用户可以定期地使用训练集(和/或另一训练集)来更新其用户特异的校准数据。例如,随着时间的推移,用户相对于参考创建更为准确的经调整的冠状动脉树分割的能力可以随着经验的增加而增加。在这种实例中,当前的用户特异校准数据可能会过度校正。为此,用户可以处理训练集(和/或其他训练集),并且分割器202可以基于由此的偏差来更新用户特异的校准数据。额外地或者替代地,分割器202可以在启动时或以其他方式向用户呈现训练集以更新其用户特异的校准数据。
边界条件确定器206根据经用户调整的冠状动脉树分割和/或分割器202经适配的经用户调整的冠状动脉树分割来确定用于血管中血流的计算流体动力学模拟的边界条件。其中一种方法采用参数集总模型。该模型包括使用非线性阻力的中心线表示,其中元素指示流入边界条件和流出边界条件,并且元素表示树分割传递函数,其中包括反映血管几何结构(例如直径、周长、横截面面积等)和/或水力效应(例如,表1中的1-6)的一系列线性和非线性阻力元素。
表1.水力效应,其中A=血管的局部横截面面积,P=血管的周长,l=血管的长度,r=血管的半径,以及κ=血管的曲率,ρ=血液的密度,并且μ=血液的粘度。
在Nickisch等人的“Learning Patient-Specific Lumped Models forInteractive Coronary Blood Flow Simulations”(Medical Image Computing andComputer-Assisted Intervention——MICCAI 2015:第18届国际会议,LNCS,Vol.9350,2015,vol.9350,第433-441页)中讨论了集总模型的示例。导出边界条件的示例在于2014年6月30日提交的、题为“Enhanced Patient’s Specific Modelling For FFR-CT”的EP14174891.3中进行了描述,其整体通过引用的方式并入本文。本文也预期其他方法。
在所示的示例中,在FFR-CT模拟之后收集的患者特异的数据被提供给边界条件确定器206。这种数据的非限制性示例包括但不限于血球容积、存在/没有糖尿病、急性冠状动脉综合征和血压。数据可以由用户提供、从电子患者记录中提取和/或以其他方式取回。经由反馈回路208使用患者特异的数据来更新边界条件。例如,针对先前已经接受过FFR-CT模拟的患者进行的侵入性FFR测量结果可以用于改进未来的模拟。此外,已记录的结果、附加的生物物理和/或功能测量可以用于重新调整边界条件。
以下提供了如何利用患者特异的数据的非限制性示例。血球容积是红细胞体积百分比的量度。通常,血球容积升高意味着血液粘度更高。可以使用经验曲线来调整血液的粘度,例如,在40%-45%之间的线性伸缩。糖尿病的存在通常意味着更坚硬的血管壁和更高的心肌阻力。可以例如通过将默认值增加10%来调整对应的阻力边界条件。在处置的临界FFR阈值为0.80的情况下,对于患有急性冠状动脉综合征(ACS)的患者,可以将该阈值提高至例如0.85,以确保对边缘患者进行治疗。
可以使用针对特定患者的额外的侵入性参考FFR测量来适配任何模型参数(例如,心肌阻力),以便(在给定当前的分割的情况下)获得参考与模型预测之间更好的匹配。这可以通过梯度下降、参数搜索等完成。考虑到先前获得的模型预测和药物处置,可以以类似的方式使用已记录的患者结果(例如,心脏事件或生存数据)来适配参数。例如,如果经由CT-FFR评估认为病变是不显著的,并且该病变引起了大的心脏事件,则可以重新考虑该评估,并且可以更新诸如FFR阈值的参数以更好地匹配结果。
额外地或者替代地,对于一个或多个输入参数,边界条件确定器206还针对输入参数中的一个或多个预定变化来确定边界条件。例如,对于所测量的血压X,边界条件确定器206还可以针对至少为(X)(±0.Z)的血压值确定边界条件,其中Z表示作为百分比的公差,例如,1%、2%、5%、10%、25%等。这允许计算***118计算输入参数的FFR值以及输入值周围的(一个或多个)值。计算出的FFR值将指示参数值如何影响FFR-CT模拟的结果。
在参数值(例如,所测量的血压)的置信度低,并且值的微小改变对FFR值有显著影响(例如,改变了从观察患者到处置患者的建议)的情况下,用户可以选择获取并使用更准确的值,而不是使用当前值。替代地,用户可以继续了解该参数值如何影响FFR值。替代地,用户可以在不使用该参数值的情况下继续和/或调整受此参数影响的边界条件。在参数值的置信度高的情况下,用户可以继续使用该值。
血流模拟器利用边界条件执行血流模拟,并且生成并输出FFR值。可以例如使用计算流体动力学(CFD)方法和/或其他方法来完成血流模拟。计算FFR值的示例在于2013年5月10日提交的题为“Determination of a fractional flow reserve(FFR)value for astenosis of a vessel”的美国专利US2015/0092999A1,于2013年10月24日提交的题为“Fractional flow reserve(FFR)index”的美国专利US 2015/0282765A1中进行了描述,通过引用将其整体并入本文。
图5示出了根据本文所描述的实施例的示例方法。
在502处,根据CCTA成像数据的训练集来分割冠状动脉血管。
在504处,接收到指示对分割的调整的用户输入,并将其施加到经分割的血管,从而产生经用户调整的冠状动脉血管分割。
在506处,将所述经用户调整的冠状动脉血管分割与针对所述训练集的参考血管分割进行比较。
在508处,视觉地呈现分割之间的差异。所述差异可以是图形的和/或数字的。
该方法非常适合用于冠状动脉树分割训练。
图6示出了根据本文所描述的实施例的另一示例方法。
在602处,根据CCTA成像数据的训练集来分割冠状动脉树。
在604处,接收到指示对分割的调整的用户输入,并将其施加到经分割的树,从而产生经用户调整的冠状动脉树分割。
在606处,将所述经用户调整的冠状动脉树分割与针对心脏成像数据的训练集的参考树分割进行比较。
在608处,将其之间的偏差存储为用户特异的校准。
在610处,根据受评估的患者的CCTA成像数据分割冠状动脉树。
在612处,接收到指示对分割的调整的用户输入,并将其施加到经分割的树,从而产生经用户调整的冠状动脉树分割。
在614处,将用户特异的校准施加到经用户调整的冠状动脉血管分割,从而为患者产生经适配的经用户调整的冠状动脉树分割。
在616处,使用所述经适配的经用户调整的冠状动脉树分割来生成FFR指数。
图7示出了根据本文所描述的实施例的另一示例方法。
在702处,根据患者的CCTA成像数据来分割冠状动脉树。在一个实例中,如结合图6所描述地适配冠状动脉树。
在704处,基于冠状动脉树来确定边界条件。
在706处,利用边界条件来确定FFR值。
在708处,基于患者特异的数据和/或其他数据来更新边界条件。
以上可以通过编码或嵌入在计算机可读存储介质上的计算机可读指令的方式来实现,所述计算机可读指令当由(多个)计算机处理器执行时,使得(多个)处理器执行所描述的动作。额外地或者替代地,计算机可读指令中的至少一个由不是计算机可读存储介质的信号、载波或其他瞬态介质来承载。此外,应该认识到,动作的排序不是限制性的。因此,本文考虑了其他排序。另外地,可以省略一个或多个动作和/或可以包括一个或多个附加动作。
尽管已经在附图和前述描述中详细说明和描述了本发明,但是这样的说明和描述应被认为是说明性或示例性的而非限制性的;本发明不限于所公开的实施例。本领域技术人员通过研究附图、公开内容和所附权利要求书,在实践所要求保护的发明时可以理解并实现所公开的实施例的其他变型。
在权利要求书中,词语“包括”不排除其他元件或步骤,并且词语“一”或“一个”不排除多个。单个处理器或其他单元可以实现权利要求书中引述的若干项的功能。在互不相同的从属权利要求中引述某些措施的仅有事实并不指示着不能有利地使用这些措施的组合。
计算机程序可以存储在/分发在合适的介质上,例如,与其他硬件一起提供或作为其一部分提供的光学存储介质或固态介质,但是也可以以其他形式发布,例如,经由互联网或其他有线或无线电信***。权利要求书中的任何附图标记都不应被解释为限制范围。
Claims (14)
1.一种计算***(118),包括:
具有计算机可执行指令(124)的计算机可读存储介质(122),所述计算机可执行指令包括具有分割器(202)和边界条件确定器(206)的生物物理模拟器(126);以及
处理器(120),其被配置为执行所述生物物理模拟器,以:
经由所述分割器(202)学习经用户调整的第一冠状动脉树分割与来自训练数据集的参考冠状动脉树分割之间的偏差,
经由所述分割器(202)基于所学习的所述经用户调整的第一冠状动脉树分割与所述参考冠状动脉树分割之间的偏差,根据非训练数据集适配经用户调整的第二冠状动脉树分割,并且
利用经适配的经用户调整的第二冠状动脉树分割和经适配的边界条件中的至少一个以及心脏成像数据来计算血流储备分数指标,其中,所述经适配的边界条件是由所述边界条件确定器(206)基于所述经适配的经用户调整的第二冠状动脉树分割来提供的。
2.根据权利要求1所述的***,其中,所述心脏成像数据包括训练成像,并且所述分割器利用用户交互来根据所述心脏成像数据生成所述经用户调整的第一冠状动脉树分割,并视觉地呈现指示所述经用户调整的第一冠状动脉树分割与所述参考冠状动脉树分割之间的所述偏差的信息。
3.根据权利要求1所述的***,其中,所述心脏成像数据包括训练成像,并且所述分割器利用用户交互来根据所述心脏成像数据生成所述经用户调整的第一冠状动脉树分割,并且存储所述经用户调整的第一冠状动脉树分割与所述参考冠状动脉树分割之间的所述偏差作为校准数据。
4.根据权利要求3所述的***,其中,所述分割器随后处理患者的心脏成像数据,并利用用户交互来根据所述心脏成像数据生成所述经用户调整的第二冠状动脉树分割。
5.根据权利要求4所述的***,其中,所述适配包括移动所述经用户调整的第二冠状动脉树分割的至少一个点。
6.根据权利要求4至5中任一项所述的***,其中,所述分割器视觉地呈现所述经适配的经用户调整的第二冠状动脉树分割以供确认或拒绝。
7.根据权利要求3至6中任一项所述的***,其中,所述分割器基于所述训练成像或其他训练成像的后续分割来更新所述校准数据。
8.根据权利要求1至7中的任一项所述的***,其中,所述分割器处理患者的心脏成像数据,并且利用用户交互来根据所述心脏成像数据生成所述经调整的冠状动脉树分割。
9.根据权利要求8所述的***,其中,所述边界条件确定器基于患者特异的数据来更新所述边界条件。
10.根据权利要求9所述的***,其中,所述边界条件确定器针对所述患者特异的数据中的预定变化的集合来确定边界条件的集合,并且所述血流模拟器(210)被配置为基于边界条件的所述集合来计算血流储备分数值。
11.根据权利要求9所述的***,其中,所述边界条件确定器基于已记录的结果来更新所述边界条件,并且所述血流模拟器(210)被配置为基于边界条件的所述集合来计算血流储备分数值。
12.根据权利要求9至11中的任一项所述的***,其中,所述患者特异的数据包括血球容积,并且所述边界条件确定器响应于升高的血球容积而通过在预定范围之间缩放血液粘度边界条件的初始值来增加所述血液粘度边界条件。
13.根据权利要求9至12中的任一项所述的***,其中,所述患者特异的数据指示糖尿病的存在,并且所述边界条件确定器响应于对所述糖尿病的所述存在的指示而通过将预定百分比添加到针对心肌壁的阻力边界条件的初始值来增加所述阻力边界条件。
14.根据权利要求9至13中的任一项所述的***,其中,所述患者特异的数据指示急性冠状动脉综合征的存在,并且所述处理器响应于对所述急性冠状动脉综合征的所述存在的指示而增加用于处置的血流储备分数截止阈值。
Applications Claiming Priority (5)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US201762482231P | 2017-04-06 | 2017-04-06 | |
US62/482,231 | 2017-04-06 | ||
US201762535264P | 2017-07-21 | 2017-07-21 | |
US62/535,264 | 2017-07-21 | ||
PCT/EP2018/058885 WO2018185298A1 (en) | 2017-04-06 | 2018-04-06 | Fractional flow reserve simulation parameter customization, calibration and/or training |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110574121A CN110574121A (zh) | 2019-12-13 |
CN110574121B true CN110574121B (zh) | 2024-03-19 |
Family
ID=61952704
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201880023384.5A Active CN110574121B (zh) | 2017-04-06 | 2018-04-06 | 血流储备分数模拟参数的定制、校准和/或训练 |
Country Status (5)
Country | Link |
---|---|
US (1) | US11195278B2 (zh) |
EP (1) | EP3607558A1 (zh) |
JP (1) | JP7313284B2 (zh) |
CN (1) | CN110574121B (zh) |
WO (1) | WO2018185298A1 (zh) |
Families Citing this family (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2017199245A1 (en) | 2016-05-16 | 2017-11-23 | Cathworks Ltd. | System for vascular assessment |
WO2017199246A1 (en) | 2016-05-16 | 2017-11-23 | Cathworks Ltd. | Vascular selection from images |
US11918291B2 (en) | 2017-03-31 | 2024-03-05 | Koninklijke Philips N.V. | Simulation of transcatheter aortic valve implantation (TAVI) induced effects on coronary flow and pressure |
US20220015730A1 (en) * | 2018-11-28 | 2022-01-20 | Koninklijke Philips N.V. | Most relevant x-ray image selection for hemodynamic simulation |
WO2021059165A1 (en) | 2019-09-23 | 2021-04-01 | Cathworks Ltd. | Methods, apparatus, and system for synchronization between a three-dimensional vascular model and an imaging device |
US11386563B2 (en) * | 2019-11-22 | 2022-07-12 | The Regents Of The University Of Michigan | Anatomical and functional assessment of coronary artery disease using machine learning |
DE102020200750A1 (de) * | 2020-01-22 | 2021-07-22 | Siemens Healthcare Gmbh | Bereitstellen eines Blutflussparametersatzes einer Gefäßmalformation |
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 |
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 |
CN113648059B (zh) * | 2021-08-26 | 2023-09-29 | 上海联影医疗科技股份有限公司 | 手术规划评估方法、计算机设备和存储介质 |
Family Cites Families (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP1685534B1 (en) | 2003-11-13 | 2007-08-08 | Koninklijke Philips Electronics N.V. | Three-dimensional segmentation using deformable surfaces |
US8315812B2 (en) * | 2010-08-12 | 2012-11-20 | Heartflow, Inc. | Method and system for patient-specific modeling of blood flow |
CN104244813B (zh) * | 2012-03-15 | 2017-03-15 | 西门子公司 | 用于静息和充血期间冠状动脉血流计算的个性化的框架 |
EP2849631B1 (en) | 2012-05-14 | 2020-01-01 | Koninklijke Philips N.V. | Determination of a fractional flow reserve (ffr) value for a stenosis of a vessel |
US9757073B2 (en) | 2012-11-06 | 2017-09-12 | Koninklijke Philips N.V. | Fractional flow reserve (FFR) index |
US20140236547A1 (en) | 2013-02-15 | 2014-08-21 | Siemens Aktiengesellschaft | Patient-specific automated tuning of boundary conditions for distal vessel tree |
US8824752B1 (en) * | 2013-03-15 | 2014-09-02 | Heartflow, Inc. | Methods and systems for assessing image quality in modeling of patient anatomic or blood flow characteristics |
US10595806B2 (en) | 2013-10-22 | 2020-03-24 | Koninklijke Philips N.V. | Fractional flow reserve (FFR) index with adaptive boundary condition parameters |
US9390232B2 (en) | 2014-03-24 | 2016-07-12 | Heartflow, Inc. | Systems and methods for modeling changes in patient-specific blood vessel geometry and boundary conditions |
US9785746B2 (en) * | 2014-03-31 | 2017-10-10 | Heartflow, Inc. | Systems and methods for determining blood flow characteristics using flow ratio |
US9754082B2 (en) * | 2014-05-30 | 2017-09-05 | Heartflow, Inc. | Systems and methods for reporting blood flow characteristics |
JP6553099B2 (ja) | 2014-06-30 | 2019-07-31 | コーニンクレッカ フィリップス エヌ ヴェKoninklijke Philips N.V. | 血流予備量比値を算出するための機器 |
US9349178B1 (en) | 2014-11-24 | 2016-05-24 | Siemens Aktiengesellschaft | Synthetic data-driven hemodynamic determination in medical imaging |
US11141123B2 (en) | 2014-12-02 | 2021-10-12 | Koninklijke Philips N.V. | Fractional flow reserve determination |
US9785748B2 (en) | 2015-07-14 | 2017-10-10 | Heartflow, Inc. | Systems and methods for estimating hemodynamic forces acting on plaque and monitoring patient risk |
EP3867927A1 (en) * | 2018-10-17 | 2021-08-25 | HeartFlow, Inc. | Systems and methods for assessing cardiovascular disease and treatment effectiveness from adipose tissue |
-
2018
- 2018-04-06 JP JP2019554672A patent/JP7313284B2/ja active Active
- 2018-04-06 CN CN201880023384.5A patent/CN110574121B/zh active Active
- 2018-04-06 US US16/500,245 patent/US11195278B2/en active Active
- 2018-04-06 EP EP18717015.4A patent/EP3607558A1/en active Pending
- 2018-04-06 WO PCT/EP2018/058885 patent/WO2018185298A1/en unknown
Also Published As
Publication number | Publication date |
---|---|
JP7313284B2 (ja) | 2023-07-24 |
US11195278B2 (en) | 2021-12-07 |
WO2018185298A1 (en) | 2018-10-11 |
CN110574121A (zh) | 2019-12-13 |
EP3607558A1 (en) | 2020-02-12 |
US20210110543A1 (en) | 2021-04-15 |
JP2020516347A (ja) | 2020-06-11 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110574121B (zh) | 血流储备分数模拟参数的定制、校准和/或训练 | |
US10595806B2 (en) | Fractional flow reserve (FFR) index with adaptive boundary condition parameters | |
EP3654846B1 (en) | Inflammation estimation from x-ray image data | |
CN106659400A (zh) | 用于确定血流储备分数值的装置 | |
EP3244790B1 (en) | Instantaneous wave-free ratio (ifr) computer tomography (ct) | |
EP3606433B1 (en) | Standardized coronary artery disease metric | |
EP3456243A1 (en) | Improved vessel geometry and additional boundary conditions for hemodynamic ffr/ifr simulations from intravascular imaging | |
WO2021117043A1 (en) | Automatic stenosis detection | |
CN111033635B (zh) | 基于模型和成像数据的冠状动脉健康状态预测 | |
EP3602485B1 (en) | Interaction monitoring of non-invasive imaging based ffr | |
JP2022510879A (ja) | 血行力学的シミュレーションのための最も関連のあるx線画像の選択 | |
JPWO2018185040A5 (zh) |
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 |