CN110706770B - 心脏数据处理设备及处理方法、计算机可读存储介质 - Google Patents

心脏数据处理设备及处理方法、计算机可读存储介质 Download PDF

Info

Publication number
CN110706770B
CN110706770B CN201910941148.8A CN201910941148A CN110706770B CN 110706770 B CN110706770 B CN 110706770B CN 201910941148 A CN201910941148 A CN 201910941148A CN 110706770 B CN110706770 B CN 110706770B
Authority
CN
China
Prior art keywords
myocardial
coronary artery
coronary
ischemia
mesh
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
Application number
CN201910941148.8A
Other languages
English (en)
Other versions
CN110706770A (zh
Inventor
房劬
刘维平
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shanghai Xingmai Information Technology Co ltd
Original Assignee
Shanghai Xingmai Information Technology Co ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Shanghai Xingmai Information Technology Co ltd filed Critical Shanghai Xingmai Information Technology Co ltd
Priority to CN201910941148.8A priority Critical patent/CN110706770B/zh
Publication of CN110706770A publication Critical patent/CN110706770A/zh
Application granted granted Critical
Publication of CN110706770B publication Critical patent/CN110706770B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • 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
    • G16H50/20—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for computer-aided diagnosis, e.g. based on medical expert systems

Landscapes

  • Engineering & Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • Public Health (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Epidemiology (AREA)
  • Biomedical Technology (AREA)
  • Data Mining & Analysis (AREA)
  • Databases & Information Systems (AREA)
  • Pathology (AREA)
  • Apparatus For Radiation Diagnosis (AREA)
  • Magnetic Resonance Imaging Apparatus (AREA)

Abstract

本发明提供心脏数据处理设备及处理方法、计算机可读存储介质。所述心脏数据处理设备包括对冠脉的中心线进行分段的冠脉模型分段模块、获得与各段冠脉中心线对应的分段供血数据的分段供血数据模块、提供心肌网格模型的心肌网格模型提供模块以及获得各个网格节点对应的心肌不同位置的缺血程度的心肌缺血程度计算模块，所述心脏数据处理设备便于直接、直观地获取关于心肌不同位置的缺血程度的信息。心肌不同位置的缺血程度可以在心肌网格模型或者相应的牛眼图中通过颜色等特征指示，有助于节约医生的阅片时间，提高诊断效率。利用所述心脏数据处理方法，也可以获得直观地获取心肌不同位置的缺血程度。

Description

心脏数据处理设备及处理方法、计算机可读存储介质
技术领域
本发明涉及医疗技术领域，尤其涉及心脏数据处理设备及处理方法、计算机可读存储介质。
背景技术
冠状动脉是为心脏供血的血管，分布在心外膜下和心肌壁内、外，用于将血液转运至心脏毛细血管床。由冠状动脉阻塞引起的冠心病是严重危害公众健康问题的疾病之一。现已发展出许多冠心病诊断治疗的影像技术，其中冠状动脉CT血管造影(CT angiography，CTA)因价格低、操作简单及非介入型成像的优势，成为最常用的冠心病早筛手段之一。冠状动脉CTA是经静脉注射造影剂后利用螺旋CT扫描再经过计算机处理重建得出的心脏冠状动脉成像的一种检查方法，所得到的冠状动脉CTA图像通常被用来进行冠状动脉狭窄程度的影像学评价。但是，对于冠状动脉狭窄程度到底对远端血流产生了多大影响，仅依靠冠状动脉CTA图像是不够的。
为了对冠状动脉狭窄程度对远端血流产生的影响进行准确评价，一种通用的做法是获得冠状动脉的血流储备分数(简称FFR)分布，如专利CN109363661A、CN106023202A中均介绍了获得冠状动脉FFR分布的方法。血流储备分数是指在冠状动脉存在狭窄病变的情况下，目标测量血管所供心肌区域能获得的最大血流量与同一区域理论上正常情况下所能获得的最大血流量之比。FFR现已经成为冠状动脉狭窄功能性评价的公认指标。
但是，虽然已可以通过冠状动脉的FFR分布来分析狭窄程度对远端血流产生的影响，但是由于缺乏直观显示心肌缺血状况的手段，临床上心肌缺血状况仍需要资深医生根据提供的信息进行分析并在心脏模型上进行标注，占用医生时间，诊断效率不高。因此有必要研究如何将冠脉的供血数据如FFR分布结果关联到心肌表面的不同位置，以直观显示心肌缺血程度的分布状况。
发明内容
为了解决上述问题，本发明提供一种心脏数据处理设备、一种心脏数据处理方法以及一种计算机可读存储介质。
一方面，本发明提供一种心脏数据处理设备，所述心脏数据处理设备包括：
冠脉模型分段模块，配置为根据一冠脉模型对冠脉的中心线进行分段，得到多段冠脉中心线；
分段供血数据模块，配置为根据所述冠脉的供血数据，获得与各段所述冠脉中心线对应的分段供血数据；
心肌网格模型提供模块，配置为提供一心肌网格模型，所述心肌网格模型包括对应心肌不同位置的多个网格节点；以及
心肌缺血程度计算模块，配置为根据在心脏中的位置将各段所述冠脉中心线设置在所述心肌网格模型中，并根据各个所述网格节点与各段所述冠脉中心线的位置关系以及所述分段供血数据，获得各个所述网格节点对应的心肌不同位置的缺血程度。
可选的，所述心脏数据处理设备还包括图像显示模块，所述图像显示模块配置为根据心肌不同位置的缺血程度，在所述心肌网格模型中通过图像显示心肌的缺血情况。
可选的，所述心肌网格模型为表面网格模型，所述表面网格模型的每个网格元素均为二维网格，所述图像显示模块根据心肌表面不同位置的缺血程度，计算每个所述二维网格的颜色值并进行渲染显示。
可选的，所述心肌网格模型为体网格模型，所述体网格模型的每个网格元素为四面体或六面体，所述图像显示模块根据心肌不同位置的缺血程度，计算每个所述网格元素的颜色值并进行渲染显示。
可选的，所述心脏数据处理设备还包括牛眼图生成模块，所述牛眼图生成模块配置为生成与所述心肌网格模型对应的牛眼图，所述牛眼图的各个区块均包括对应心肌位置的缺血程度的信息。
可选的，所述心肌缺血程度计算模块包括：
距离计算单元，配置为计算每个所述网格节点与各段所述冠脉中心线之间的最短距离；以及
缺血程度计算单元，配置为根据各个所述网格节点在所述心肌网格模型中的相对位置、各个所述网格节点到各段所述冠脉中心线的最短距离以及所述分段供血数据计算各个所述网格节点对应的心肌不同位置的缺血程度。
可选的，所述缺血程度计算单元通过下式计算各个所述网格节点对应的心肌缺血程度，
Figure BDA0002222912570000031
其中，MID代表任意一个所述网格节点所在心肌位置的缺血程度，N为所述冠脉的中心线被分成的段数，di为所述网格节点到第i段所述冠脉中心线的距离，FFRi为第i段所述冠脉中心线的血流储备分数值，i为整数且1≦i≦N，k为与所述网格节点对应的缺血程度校准系数，所述缺血程度校准系数与所述网格节点在所述心肌网格模型中的相对位置关联，0≦k≦1。
可选的，所述冠脉的供血数据包括冠脉血流储备分数FFR、冠脉血流储备CFR、微循环阻力指数IMR中的至少一种。
另一方面，本发明提供一种心脏数据处理方法，包括以下步骤：
提供心肌网格模型、冠脉的供血数据以及所述冠脉的中心线，所述心肌网格模型包括对应于心肌不同位置的多个网格节点；对所述冠脉的中心线进行分段以得到多段冠脉中心线，并基于所述冠脉的供血数据，获得与各段所述冠脉中心线对应的分段供血数据；以及根据在心脏中的位置将各段所述冠脉中心线设置在所述心肌网格模型中，并根据各个所述网格节点与各段所述冠脉中心线的位置关系以及所述分段供血数据，获得各个所述网格节点对应的心肌不同位置的缺血程度。
可选的，在获得心肌不同位置的心肌缺血程度后，所述心脏数据处理方法还包括在所述心肌网格模型或者与所述心肌网格模型对应的牛眼图中通过图像显示心肌的缺血情况。
可选的，基于所述冠脉的供血数据获得与各段所述冠脉中心线对应的分段供血数据的方法包括：采集一段所述冠脉中心线上多个点的供血数据，以所述多个点的供血数据的平均值作为与该段所述冠脉中心线对应的分段供血数据。
可选的，所述心脏数据处理方法通过下式计算各个网格节点对应的心肌不同位置的缺血程度，
Figure BDA0002222912570000041
其中，MID代表任意一个所述网格节点对应的心肌位置的缺血程度，N为所述冠脉的中心线被分成的段数，di为所述网格节点到第i段所述冠脉中心线的距离，FFRi为第i段所述冠脉中心线的血流储备分数值，i为整数且1≦i≦N，k为与所述网格节点对应的缺血程度校准系数，所述缺血程度校准系数与所述网格节点在所述心肌网格模型中的相对位置关联，0≦k≦1。
可选的，每个所述网格节点均对应一个所述缺血程度校准系数；所述缺血程度校准系数根据对应的所述网格节点到左心室主轴的投影位置设置，或者根据所述网格节点在与所述心肌网格模型对应的牛眼图中的区块位置进行设置，越靠近心尖处k的值越小。
可选的，对所述冠脉的中心线进行分段时，采用仅在分叉处分段或者采用SCCT冠状动脉分段的方式进行分段。
再一方面，本发明提供一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被一处理器执行时能实现上述的心脏数据处理方法。
本发明提供的心脏数据处理设备中，冠脉模型分段模块可以对冠脉的中心线进行分段，分段供血数据模块可以获得与各段冠脉中心线对应的分段供血数据(如冠脉血流储备分数、CFR冠脉血流分数、IMR微血管阻力指数等)，心肌网格模型提供模块可提供一心肌网格模型，其中包括对应心肌不同位置的多个网格节点，心肌缺血程度计算模块可以获得各个所述网格节点对应的心肌不同位置的缺血程度，利用所述心脏数据处理设备，可实现直接、直观地获取关于心肌不同位置的缺血程度的信息的目的。心肌不同位置的缺血程度可以在心肌网格模型或者相应的牛眼图中通过数值、颜色等特征指示，有助于节约医生的阅片时间，提高诊断效率。
本发明提供的心脏数据处理方法，具有与上述心脏数据处理设备相同或类似的特征，因而也具有类似的优点。所述心脏数据处理方法可以通过硬件和/或软件程序来实施，其存储于计算机的可读存储介质中。本发明另外提供的是一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被一处理器执行时能实现上述的心脏数据处理方法。
附图说明
图1是心脏中冠状动脉和心肌的位置示意图。
图2是冠状动脉的树状结构图。
图3是本发明实施例的心脏数据处理设备的结构示意图。
图4是本发明实施例的心脏数据处理方法的流程示意图。
具体实施方式
以下结合附图和具体实施例对本发明的心脏数据处理设备及处理方法、计算机可读存储介质作进一步详细说明。根据下面的说明，本发明的优点和特征将更清楚。需说明的是，附图均采用非常简化的形式且均使用非精准的比例，仅用以方便、明晰地辅助说明本发明实施例的目的。与此同时，本文使用的术语是用于说明实施例的目的，并不意图限制本发明。在本说明书中，除非另有说明，否则单数形式应理解为包括复数形式。在说明书中使用的属于“包含”和/或“包括”不排除在所指定的组合物、成分、组件、步骤、操作和/或元件中增加其他的组合物、成分、组件、步骤、操作和/或元件的一种或多种。
图1是心脏中冠状动脉和心肌的位置示意图。参见图1，人体心脏的冠状动脉起于主动脉根部主动脉窦内，以几乎环绕一周的方式行于心肌表面，以从各个位置对心肌供血，因此心肌是否缺血以及哪些位置缺血主要与冠状动脉的供血状况有关。根据冠状动脉的供血数据，可以评估心肌各个位置的缺血状况。
图2是冠状动脉的树状结构图。参见图2，该图中将树状结构的冠状动脉从心脏的图像中剥离，并且图2还通过灰度示出了冠状动脉的血流储备分数(即冠脉FFR)分布，可以看出，冠状动脉的不同区段的FFR值不同。如果产生冠状动脉狭窄还或者堵塞，冠状动脉的FFR分布也会变化。结合冠状动脉CTA技术和血流储备分数(FFR)各自的优势，可以从结构和功能两方面来评估冠状动脉狭窄，例如可以根据多种公开技术获得冠状动脉的FFR分布用于冠心病的诊断。但是如背景技术所述，虽然根据一些测量手段或者计算模型可以获得冠状动脉的供血数据如冠脉FFR，但是对于心肌在其影响下的缺血程度是怎么样的，心肌整体上缺血状况分布如何仍然缺乏有效的工具及手段，占用医生大量时间，并且降低了诊断效率。
有鉴于此，以下介绍的本发明的实施例，主要目的是基于冠状动脉(下文简称冠脉)的模型以及冠脉的供血数据等心脏数据进行处理和计算，来评价心肌不同位置的缺血程度，以方便直接的获取心肌不同位置的缺血状况。这样可以大大节约医生的阅片时间，提高诊断效率。并且即使是初学的医生，也可以利用本发明实施例所得到的心肌不同位置的缺血程度的结果进行后续的诊断，有利于冠心病诊断技术的规范化和推广。
图3是本发明实施例的心脏数据处理设备的结构示意图。参照图3，本发明实施例首先涉及一种心脏数据处理设备，所述心脏数据处理设备包括心肌网格模型提供模块110、冠脉模型分段模块130、分段供血数据模块150、以及心肌缺血程度计算模块170。
所述心肌网格模型提供模块110配置为提供一心肌网格模型，所述心肌网格模型包括对应心肌不同位置的多个网格节点。所述心肌网格模型具体可以是表面网格模型或体网格模型，所述表面网格模型例如是三角面片网格模型，其中每个网格元素均为二维网格，所述体网格模型例如是四面体网格模型或六面体网格模型，其中每个网格元素为一个四面体或一个六面体，根据体网格模型，不仅可以观察心肌表面的情况，还可以切开截面查看心肌内部每个网格元素的情况。
所述冠脉模型分段模块130配置为根据一冠脉模型对冠脉的中心线进行分段，从而得到多段冠脉中心线，所述冠脉模型可以是根据冠脉结构或者冠脉的影像数据提取冠脉中心线得到的冠脉中心线模型。图2是冠脉的树状结构图。在一实施例中，通过对图2所示的冠脉结构进行提取中心线的处理，即可以得到冠脉模型，在所述冠脉模型中，冠脉的中心线体现为中心线树。
分段供血数据模块150配置为根据所述冠脉的供血数据，获得与各段所述冠脉中心线对应的分段供血数据。在此，所述冠脉的供血数据可以是各种表现冠状动脉的供血状况的数据，例如，所述冠脉的供血数据可包括冠脉血流储备分数(即冠脉FFR)、冠脉血流储备(Coronary Flow Reserve，CFR)、微循环阻力指数(Index ofMicrocirculatoryResistance，IMR)中的至少一种，本文主要以冠脉FFR为例进行说明。
所述心肌缺血程度计算模块170配置为根据在心脏中的位置将各段所述冠脉中心线设置在所述心肌网格模型中，并根据各个所述网格节点与各段所述冠脉中心线的位置关系以及所述分段供血数据，获得各个所述网格节点对应的心肌不同位置的缺血程度。
所述心脏数据处理设备还可以包括冠脉影像提供模块120，所述冠脉影像提供模块120配置为提供冠脉影像数据，以便于构造相应的冠脉模型，在冠脉模型中，冠脉中心线既包括冠脉的“主干”，也包括各个“枝干”，即具有冠脉中心线树的形态。冠脉影像提供模块120所提供的冠脉影像数据可以从医院的PACS(影像归档和通信)***获得，具体的影像数据可以来自磁共振图像、血管内超声图像、CT图像等，冠脉模型的构造可以采用公开的方法。
上述冠脉模型分段模块130中，根据冠脉模型对冠脉的中心线进行分段，得到多段冠脉中心线，具体可以根据冠脉中心线上的分叉点进行分段，从而获得多段冠脉中心线(线段)，多段冠脉中心线可以按照冠脉中心线树的形态排列。
对冠脉的中心线进行分段也可以采用美国心血管CT学会(SCCT)通用的冠状动脉分段方式进行分段，简称SCCT冠脉分段。SCCT冠脉分段将冠脉分成十八段，分别是右冠近段(pRCA)、RCA中段(mRCA)、RCA远段(dRCA)、右冠起源后降支(R-PDA)、左主干(LM)、前降支近段(pLAD)、前降支中段(mLAD)、前降支远段(dLAD)、第一对角支(D1)、第二对角支(D2)、回旋支近段(pCx)、第一钝缘支(OM1)、回旋支中远段(LCx)、第二钝缘支(OM2)、回旋支起源后降支(L-PDA)、右冠起源后侧支(R-PLB)、中间支(RI)和回旋支起源后侧支(L-PLB)(括号中为各段的缩写)。本实施例中，SCCT冠脉分段中的每段均对应的是冠脉中心线分段。
所述心脏数据处理设备还可以包括冠脉供血数据提供模块140，所述冠脉供血数据提供模块140配置为提供上述冠脉中心线对应的冠脉供血数据，本实施例中的供血数据例如是冠脉血流储备分数(FFR)分布数据。冠脉的FFR分布数据可以根据公开技术获得。
基于冠脉中心线及其分段信息以及冠脉的FFR分布数据，分段供血数据模块150即可以根据所述冠脉的FFR分布，计算得到分段后得到的各段冠脉中心线的血流储备分数值。具体的，每段冠脉中心线的血流储备分数值可以根据该段冠脉中心线上的多个点的血流储备分数值取平均值获得，或者，每段冠脉中心线的血流储备分数值可以包括各点的血流储备分数值。
心肌网格模型提供模块110提供的心肌网格模型为可以设置上述各段冠脉中心线的心肌网格模型，或者说，上述冠脉模型与所述心肌网格模型可以是基于同一心脏的数据得到的模型。所述心肌网格模型包括对应心肌不同位置的多个网格节点。所述心肌网格模型可以是一标准心肌模型，其可存储在心脏数据处理设备的存储模块190中。优选方案中，所述心肌网格模型不是通用的标准心肌模型，而是根据所处理的个性化的冠脉影像所属的心脏数据构造出的心肌网格模型。所述存储模块190还可以用于存储所述心脏数据处理设备要用到的各种影像数据、冠脉供血数据以及处理结果。
一实施例中，上述心脏数据处理设备还可包括心肌网格模型构造模块180，所述心肌网格模型构造模块180配置为根据所述冠脉相应的心脏数据构造出心肌网格模型以提供给心肌网格模型提供模块110。所述心肌网格模型中，每个网格节点的位置可根据唯一的坐标确定。
具体的，所述心肌网格模型构建模块180可根据与所述冠脉的影像数据对应的心脏图像数据，重构心肌三维图像数据，并根据所述心肌三维图像数据构造心肌网格模型。示例的，心肌网格模型构建模块180中，通过对心脏的CT图像进行分割处理，并通过形态学操作得到心脏图像，然后对该心脏图像进行直方图分析得到心室心房图像，通过心脏图像与心室心房图像做差，得到心肌的三维图像，然后对心肌的三维图像进行网格划分，得到包括多个网格及网格节点的心肌网格模型。本发明不限于此，所述心肌网格模型也可以采用公开技术进行构造。
心肌缺血程度计算模块170用来获得上述心肌网格模型上的各个网格节点对应的心肌不同位置的心肌缺血程度。具体的，所述心肌缺血程度计算模块170可包括距离计算单元171，所述距离计算单元171配置为计算上述心肌网格模型中的每个所述网格节点与各段所述冠脉中心线的最短距离，并以所述最短距离作为所述网格节点到对应段所述冠脉中心线的距离。具体的，在计算每个网格节点与各段所述冠脉中心线的最短距离时，可以将各段冠脉中心线分为多个点，并分别计算具体的一个网格节点至该段冠脉中心线上每个点的直线距离(对于表面网格模型，也可以计算沿模型表面的直线距离)，然后进行比较，以其中的最小值作为该网格节点与该段冠脉中心线之间的最短距离。
所述心肌缺血程度计算模块170还可包括缺血程度计算单元172，所述心肌缺血程度计算单元172配置为根据各个所述网格节点在所述心肌网格模型中的相对位置、各个所述网格节点到各段所述冠脉中心线的最短距离以及所述分段供血数据计算各个所述网格节点对应的心肌不同位置的缺血程度。
作为示例，所述缺血程度计算单元通过下式计算各个所述网格节点对应的心肌缺血程度，
Figure BDA0002222912570000101
其中，MID代表任意一个所述网格节点所在心肌位置的缺血程度，N为所述冠脉中心线被分成的段数，di为所述网格节点到第i段冠脉中心线的距离，FFRi为第i段冠脉中心线的血流储备分数值，i为整数且1≦i≦N，k为与所述网格节点对应的缺血程度校准系数，所述缺血程度校准系数与所述网格节点在所述心肌网格模型中的相对位置关联，0≦k≦1。
心肌缺血程度计算模块170获得的各个网格节点的心肌缺血程度可以通过数字、颜色等方式显示给医生，以辅助医生阅片并进行诊断。为了视觉上更直观地观察患者心肌整体范围内的缺血状况，上述心脏数据处理设备还可包括图像显示模块210以及牛眼图生成模块220。
所述图像显示模块210配置为根据心肌不同位置的缺血程度，在所述心肌网格模型中利用图像显示心肌的缺血情况。例如，可以根据心肌缺血程度计算模块170所获得的代表各个网格节点对应的心肌位置的缺血程度的数值不同，按照一定的规则，通过图像例如颜色的变化将其转换为图像的不同，以更直接、直观地看出每个网格节点对应心肌位置的缺血程度以及整体心肌的缺血情况分布。
具体的，若采用的心肌网格模型为表面网格模型，所述图像显示模块可以根据心肌表面不同位置的缺血程度，计算每个所述二维网格的颜色值并进行渲染显示。若采用的心肌网格模型为体网格模型，则所述图像显示模块可以根据心肌不同位置的缺血程度，计算每个所述网格元素的颜色值并进行渲染显示。根据显示方式的不同，此处颜色值可以包括图像的色坐标值和灰度值等可变化物理量，设置色坐标值和/或灰度值随缺血程度进行变化，则可以实现缺血情况的图像显示。例如，以采用色坐标变化为例，可以设定缺血程度越高，蓝色(B)的含量越高而红色(R)的含量越低，则严重缺血的部位显示为蓝色，不缺血的情况显示为红色。
在计算每个网格元素对应的颜色值时，可以综合该网格元素的各个顶点的网格节点对应的心肌缺血程度进行计算，并通过图形渲染在整个心肌网格模型上实现有关心肌表面不同位置的缺血程度的显示。
所述图像显示模块210可以采用公开的计算机渲染工具实现。通过对心肌网格模型上的网格节点及网格元素的图像渲染，便于从心肌网格模型上直观地获得心肌表面各个位置缺血程度的轻重以及不同位置的缺血程度对比情况。
牛眼图生成模块220配置为生成与所述心肌网格模型对应的牛眼图，所述牛眼图的各个区块均包括对应心肌位置的缺血程度的信息。牛眼图是临床上较为常用的左室分区图，其分隔方式有助于快速直观地显示心肌异常。牛眼图将左心室分为十七区，各个分区组成三个同心圆环，每个圆环对应一个左室短轴位层面，外面最大的圆环位于二尖瓣水平的基底部(basal)，中间的圆环位***肌水平的中部(mid-cavity)，基底部和中部均每隔60度进行划分而分成六个区(分别为第1～6区和第7～12区)，中间最小的圆环为***肌腱索终点以下的心尖部，心尖部分为四个区(第13～16区)。牛眼图中心为没有心腔的心尖，心尖为第17区。本实施例中，牛眼图生成模块220生成的牛眼图叠加了心肌表面不同位置的心肌缺血情况的信息，从而可以更直观地获取到患者心肌表面的缺血程度是如何分布的。
可以理解的是，本发明实施例的心脏数据处理设备可以包括通过诸如网络的通信单元互连的多个计算机、硬件、装置等，或者包括具有实现本发明的过程的单个计算机、硬件、装置等。所述的计算机可包括中央处理单元(CPU)、存储器以及输入及输出组件等等，所述的输入及输出组件例如为键盘、鼠标、触摸屏、显示器等。本文使用的“模块”或“单元”通常是指本发明的组件，诸如逻辑可分离软件(计算机程序)、硬件或等效部件。例如，所述心脏数据处理设备中的心肌网格模型提供模块110、冠脉模型分段模块130、分段供血数据模块150以及心肌缺血程度计算模块170等模块可以合并在一个模块中实现，或者其中的任意一个模块可以被拆分成多个模块，或者，这些模块中的一个或多个模块的至少部分功能可以与其它模块的至少部分功能相结合，并在一个模块中实现。根据本发明的实施例，心肌网格模型提供模块110、冠脉模型分段模块130、分段供血数据模块150以及心肌缺血程度计算模块170等模块中的至少一个可以至少被部分地实现为硬件电路，例如现场可编程门阵列(FPGA)、可编程逻辑阵列(PLA)、片上***、基板上的***、封装上的***、专用集成电路(ASIC)，或可按照对电路进行集成或封装的任何其他的合理方式等硬件或固件来实现，或以软件、硬件以及固件三种实现方式的适当组合来实现。或者，心肌网格模型提供模块110、冠脉模型分段模块130、分段供血数据模块150以及心肌缺血程度计算模块170等模块中的至少一个可以至少被部分地实现为程序代码模块，当该程序代码模块被控制心脏数据处理设备的计算机运行时，可以执行相应模块的功能。
图2是本发明实施例的心脏数据处理方法的流程示意图。参照图2，本发明实施例还涉及一种心脏数据处理方法。所述心脏数据处理方法可以但不限于采用上述心脏数据处理设备实施。具体说明如下。
本发明实施例的心脏数据处理方法包括第一步骤S1：提供心肌网格模型、冠脉的供血数据以及所述冠脉的中心线，所述心肌网格模型包括对应于心肌不同位置的多个网格节点。
冠脉的中心线可以通过冠脉模型获得，此处冠脉的中心线可以是冠脉中心线树，所述冠脉模型可以根据冠脉的影像数据例如为冠脉的CT图像、冠脉CTA图像、冠脉MR图像等构造，冠脉模型可以提供冠脉中心线，即冠脉模型可以是一冠脉中心线模型。构造冠脉模型可采用基于冠脉掩模(mask)的骨架化处理或者基于冠脉网格的骨架化处理来实现。此处冠脉掩模可以是根据冠脉的影像数据诸如CTA、MRA(磁共振血管造影)、血管内超声(IVUS)等，采用适合的血管模型例如体素化模型获得的掩模，其由多个值为0或1的体素组成。冠脉中心线可通过对冠状动脉的三维图像(例如CTA图像)进行网格划分并骨架化处理获得，网格划分采用的软件例如为Ansys ICEM CFD，骨架化处理可以采用公开的冠脉骨架提取算法实现。
冠脉的供血数据可以根据测试或计算获得，以冠脉FFR分布为例，FFR可以通过有创测量或者无创计算获得，优选基于冠脉影像数据通过无创计算获得，具体的，FFR可通过计算冠状动脉狭窄远端压力与主动脉根部压力之比获得，即FFR＝Pd/Pa，其中Pd为压力导丝测量的冠脉狭窄远端压力，Pd可以通过压力导丝在最大灌注血流(通过冠脉内或静脉内注射罂粟碱或腺苷或ATP)时测得，Pa为指引导管测量的主动脉压。通常正常的心外膜冠状动脉对血流的阻力很小，FFR的正常值为1.0；FFR的值小于1.0时即表明当前心外膜冠脉有狭窄病变的存在。FFR＜0.75时，所代表的狭窄情况几乎都会导致心肌缺血，FFR≥0.75的情况时，所代表的狭窄则造成心肌缺血的可能性非常小。FFR值的分布可以基于磁共振图像、血管内超声图像、x射线CT图像等确定，并且心肌灌注值的分布可以基于正电子发射断层摄影图像、单光子发射CT图像、磁共振图像、x射线CT图像等确定。本实施例中，通过冠脉的FFR分布，可以获得冠脉范围内的基本每个区域的FFR值。
所述心肌网格模型可以是一标准心肌模型，上述冠脉模型及冠脉的供血数据可以根据心脏结构与该标准心肌模型配准，即可以通过标准心肌模型上的网格来模拟通过冠状动脉馈送到的心肌不同位置的分布。优选方案中，所述心肌网格模型为根据所处理的冠脉影像所属患者的心脏数据构造出的心肌网格模型。心肌网格模型的构造可以采用公开技术，例如可根据与所述冠脉的影像数据对应的心脏图像数据，重构心肌三维图像数据，并根据所述心肌三维图像数据构造心肌网格模型。所述心肌网格模型为三维模型，其包括具有可确定位置的多个网格节点，每个网格节点对应于当前冠脉所属患者的心脏心肌的不同位置。一般来说，网格越密计算结果更精确，因此可以从效率及精确度等方面选择适合的网格大小，对于表面网格模型每个网格元素均为二维网格，其形状可以是三角形、四边形、五边形、六边形等，对于体网格网络，每个网格元素是三维的，例如为四面体或六面体等。
在执行上述第一步骤之后，本发明实施例的心脏数据处理方法包括第二步骤S2：对所述冠脉的中心线进行分段以得到多段冠脉中心线，并基于所述冠脉的供血数据，获得与各段所述冠脉中心线对应的分段供血数据。
上述第二步骤中，对所述冠脉的中心线进行分段可以采用仅在分叉处分段的方式或者直接采用SCCT冠状动脉分段的方式进行分段。多段冠脉中心线可以按照冠脉中心线原本的形态而连接。基于所述冠脉的供血数据，获得与各段所述冠脉中心线对应的分段供血数据的方法可以是采集一段所述冠脉中心线上多个点的供血数据，以所述多个点的供血数据的平均值作为与该段所述冠脉中心线对应的分段供血数据，例如，可在冠脉中心线树中的每段冠脉中心线上采集多个点并获得每个点的血流储备分数值。每段冠脉中心线的血流储备分数值可以通过计算其上各点的血流储备分数值的平均值获得，或者，每段冠脉中心线的血流储备分数值可以包括各点的血流储备分数值。
在执行上述第二步骤之后，本发明实施例的心脏数据处理方法还包括第三步骤S3：根据在心脏中的位置将各段所述冠脉中心线设置在所述心肌网格模型中，并根据各个所述网格节点与各段所述冠脉中心线的位置关系以及所述分段供血数据，获得各个所述网格节点对应的心肌不同位置的缺血程度。
具体的，在第三步骤中，根据各个所述网格节点与各段所述冠脉中心线的位置关系可以得到各个网格节点到每段所述冠脉中心线的距离，具体可先计算每个所述网格节点与各段所述冠脉中心线的最短距离(对于表面网格模型，也可以计算沿模型表面的最短距离)，然后以所述最短距离作为所述网格节点到对应段冠脉中心线的距离。各个网格节点与各段所述冠脉中心线的最短距离可以按照设定的顺序依次计算获得。具体在计算某一个网格节点与某一段冠脉中心线的最短距离时，可以先计算该网格节点与该段冠脉中心线上的各个点之间的直线距离，然后以其中的最小值作为该网格节点与该段冠脉中心线之间的最小距离。在获得各个网格节点到每段所述冠脉中心线的距离后，对应的还可以得到各个网格节点对应的各段冠脉中心线的血流储备分数值，例如，可将第i段所述冠脉中心线的血流储备分数值记为FFRi，则某一网格节点对应的FFRi可以是第i段所述冠脉中心线上各点的血流储备分数值的平均值，也可以是第i段所述冠脉中心线上各点中距离该网格节点最近的一点的血流储备分数值。
考虑到心肌网格模型上的各个网格节点的心肌缺血程度还与该网格节点所代表的心肌位置在整个左心室上的相对位置有关，因此，本实施例中，在计算具体每个网格节点处的心肌缺血程度时，将该网格节点在心肌网格模型上所在的位置亦作为一个关联因素。具体的，每个所述网格节点均可对应一个缺血程度校准系数k，所述缺血程度校准系数k可以根据对应的所述网格节点到左心室主轴的投影位置设置，或者根据对应的所述网格节点在与所述心肌网格模型对应的牛眼图中的区块进行设置，k在心尖处的值最小，例如为0，在与心尖距离最远的心肌另一端k的值越大，例如为1。
作为示例，上述第三步骤可通过下式计算各个所述网格节点对应的心肌缺血程度，
Figure BDA0002222912570000151
其中，MID代表任意一个所述网格节点所在心肌位置的缺血程度，N为所述冠脉中心线被分成的段数，di为所述网格节点到第i段所述冠脉中心线的距离，FFRi为第i段所述冠脉中心线的血流储备分数值，i为整数且1≦i≦N，k为与所述网格节点对应的缺血程度校准系数，所述缺血程度校准系数与所述网格节点在所述心肌网格模型中的相对位置关联，0≦k≦1。
可见，经过上述第一至第三步骤，可以对心肌网格模型上各个网格节点对应心肌位置的缺血程度进行量化，所得到的心肌各个位置的缺血程度既与该网格节点与冠脉中心线的距离权重有关，还与该网格节点在心肌网格模型上的相对位置有关。相对于冠脉的影像数据及冠脉的FFR分布，通过上述心脏数据处理方法，每个网格节点对应心肌位置的缺血程度可以用于更直观地展示心肌表面不同位置的心肌缺血程度，而且可以更直观地获得心肌整体的供血状况。
进一步的，本发明实施例的心脏数据处理方法在获得心肌网格模型上各个网格节点的心肌缺血程度后，还可包括如下的第四步骤S4：在所述心肌网格模型中或者与所述心肌网格模型对应的牛眼图中通过图像显示心肌的缺血情况。第四步骤采用的图像处理技术例如通过计算机的GPU来执行，通过GPU图像渲染可以把心肌网格模型中各个网格节点的三维坐标转变为二维坐标，并把二维坐标转换为实际的有颜色的像素，因而，经过第四步骤，各个网格节点对应心肌处的心肌缺血程度可通过视觉化的色彩变化、明亮程度等特征进行指示。根据医生的选择，也可以基于各个网格节点的心肌缺血程度的计算结果，在与所述心肌网格模型对应的牛眼图显示心肌不同位置的心肌缺血情况。
本发明实施例的心脏数据处理方法的处理、执行，一般是以软件程序的方式配合硬件的方式来实施，然而，他们全部(或其中一部分)也可以使用电子硬件或软件程序的方式来实施。不管是以软件或者硬件方式，其个别部分是熟悉电子、软件领域人员可以进行实施的，因此，其细节就不在本说明书中赘述。上述的软件程序，可以储存于计算机可读取介质中，例如光盘或者计算机***中的存储器；当这些软件被加载计算机后，即可由中央处理单元(CPU)以及图像处理单元(GPU)来执行其指令。
本发明实施例还涉及一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被一处理器执行时能实现上述的心脏数据处理方法。一实施例中，前述的心脏数据处理设备包括存储模块和处理器，所述计算机可读存储介质属于所述存储模块，其存储的是可被所述处理器读取的可执行指令，当控制所述心脏数据处理设备的计算机在运行一用于对心脏数据进行处理的计算机程序时，所述处理器读取所述计算机可读存储介质上的可执行指令，而实现本发明实施例的心脏数据处理方法。
综上所述，利用上述实施例的心脏数据处理设备、心脏数据处理方法及计算机可读存储介质，可以获得心肌网格模型上各个网格节点的心肌缺血程度并进行显示，相对于现有技术，可以更加直接、直观地获取关于心肌表面不同位置的缺血程度的信息，心肌表面不同位置的心肌缺血程度可以在心肌网格图像或者牛眼图中通过数值、颜色等特征进行标记，有助于节约医生的阅片时间，提高诊断效率。
本实施例中的方法和结构采用递进的方式描述，在后的方法和结构重点描述说明的是与在前的方法和结构的不同之处，相关之处可以参照理解。
上述描述仅是对本发明较佳实施例的描述，并非对本发明权利范围的任何限定，任何本领域技术人员在不脱离本发明的精神和范围内，都可以利用上述揭示的方法和技术内容对本发明技术方案做出可能的变动和修改，因此，凡是未脱离本发明技术方案的内容，依据本发明的技术实质对以上实施例所作的任何简单修改、等同变化及修饰，均属于本发明技术方案的保护范围。

Claims (14)

1.一种心脏数据处理设备，其特征在于，包括：
冠脉模型分段模块，配置为根据一冠脉模型对冠脉的中心线进行分段，得到多段冠脉中心线；
分段供血数据模块，配置为根据所述冠脉的供血数据，获得与各段所述冠脉中心线对应的分段供血数据；
心肌网格模型提供模块，配置为提供一心肌网格模型，所述心肌网格模型包括对应心肌不同位置的多个网格节点；以及
心肌缺血程度计算模块，配置为根据在心脏中的位置将各段所述冠脉中心线设置在所述心肌网格模型中，并根据各个所述网格节点与各段所述冠脉中心线的位置关系以及所述分段供血数据，获得各个所述网格节点对应的心肌不同位置的缺血程度；所述心肌缺血程度计算模块包括距离计算单元和缺血程度计算单元，所述距离计算单元配置为计算每个所述网格节点与各段所述冠脉中心线之间的最短距离，所述缺血程度计算单元配置为根据各个所述网格节点在所述心肌网格模型中的相对位置、各个所述网格节点到各段所述冠脉中心线的最短距离以及所述分段供血数据计算各个所述网格节点对应的心肌不同位置的缺血程度。
2.如权利要求1所述的心脏数据处理设备，其特征在于，还包括：
图像显示模块，配置为根据心肌不同位置的缺血程度，在所述心肌网格模型中通过图像显示心肌的缺血情况。
3.如权利要求2所述的心脏数据处理设备，其特征在于，所述心肌网格模型为表面网格模型，所述表面网格模型的每个网格元素均为二维网格，所述图像显示模块根据心肌表面不同位置的缺血程度，计算每个所述二维网格的颜色值并进行渲染显示。
4.如权利要求2所述的心脏数据处理设备，其特征在于，所述心肌网格模型为体网格模型，所述体网格模型的每个网格元素为四面体或六面体，所述图像显示模块根据心肌不同位置的缺血程度，计算每个所述网格元素的颜色值并进行渲染显示。
5.如权利要求1所述的心脏数据处理设备，其特征在于，还包括：
牛眼图生成模块，配置为生成与所述心肌网格模型对应的牛眼图，所述牛眼图的各个区块均包括对应心肌位置的缺血程度的信息。
6.如权利要求1所述的心脏数据处理设备，其特征在于，所述缺血程度计算单元通过下式计算各个所述网格节点对应的心肌缺血程度，
Figure FDA0002508542080000021
其中，MID代表任意一个所述网格节点所在心肌位置的缺血程度，N为所述冠脉的中心线被分成的段数，di为所述网格节点到第i段所述冠脉中心线的距离，FFRi为第i段所述冠脉中心线的血流储备分数值，i为整数且1≦i≦N，k为与所述网格节点对应的缺血程度校准系数，所述缺血程度校准系数与所述网格节点在所述心肌网格模型中的相对位置关联，0≦k≦1。
7.如权利要求1至5任一项所述的心脏数据处理设备，其特征在于，所述冠脉的供血数据包括冠脉血流储备分数FFR、冠脉血流储备CFR、微循环阻力指数IMR中的至少一种。
8.一种心脏数据处理方法，其特征在于，包括：
提供心肌网格模型、冠脉的供血数据以及所述冠脉的中心线，所述心肌网格模型包括对应于心肌不同位置的多个网格节点；
对所述冠脉的中心线进行分段以得到多段冠脉中心线，并基于所述冠脉的供血数据，获得与各段所述冠脉中心线对应的分段供血数据；以及
根据在心脏中的位置将各段所述冠脉中心线设置在所述心肌网格模型中，并根据各个所述网格节点与各段所述冠脉中心线的位置关系以及所述分段供血数据，获得各个所述网格节点对应的心肌不同位置的缺血程度，具体包括：计算每个所述网格节点与各段所述冠脉中心线之间的最短距离，以及，根据各个所述网格节点在所述心肌网格模型中的相对位置、各个所述网格节点到各段所述冠脉中心线的最短距离以及所述分段供血数据计算各个所述网格节点对应的心肌不同位置的缺血程度。
9.如权利要求8所述的心脏数据处理方法，其特征在于，获得心肌不同位置的心肌缺血程度后，所述心脏数据处理方法还包括在所述心肌网格模型或者与所述心肌网格模型对应的牛眼图中通过图像显示心肌的缺血情况。
10.如权利要求8所述的心脏数据处理方法，其特征在于，基于所述冠脉的供血数据，获得与各段所述冠脉中心线对应的分段供血数据的方法包括：采集一段所述冠脉中心线上多个点的供血数据，以所述多个点的供血数据的平均值作为与该段所述冠脉中心线对应的分段供血数据。
11.如权利要求8所述的心脏数据处理方法，其特征在于，通过下式计算各个网格节点对应的心肌不同位置的缺血程度，
Figure FDA0002508542080000031
其中，MID代表任意一个所述网格节点对应的心肌位置的缺血程度，N为所述冠脉的中心线被分成的段数，di为所述网格节点到第i段所述冠脉中心线的距离，FFRi为第i段所述冠脉中心线的血流储备分数值，i为整数且1≦i≦N，k为与所述网格节点对应的缺血程度校准系数，所述缺血程度校准系数与所述网格节点在所述心肌网格模型中的相对位置关联，0≦k≦1。
12.如权利要求11所述的心脏数据处理方法，其特征在于，每个所述网格节点均对应一个所述缺血程度校准系数；所述缺血程度校准系数根据对应的所述网格节点到左心室主轴的投影位置设置，或者根据所述网格节点在与所述心肌网格模型对应的牛眼图中的区块位置进行设置，越靠近心尖处k的值越小。
13.如权利要求8所述的心脏数据处理方法，其特征在于，对所述冠脉的中心线进行分段时，采用仅在分叉处分段或者采用SCCT冠状动脉分段的方式进行分段。
14.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被一处理器执行时能实现如权利要求8至13任一项所述的心脏数据处理方法。
CN201910941148.8A 2019-09-30 2019-09-30 心脏数据处理设备及处理方法、计算机可读存储介质 Active CN110706770B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910941148.8A CN110706770B (zh) 2019-09-30 2019-09-30 心脏数据处理设备及处理方法、计算机可读存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910941148.8A CN110706770B (zh) 2019-09-30 2019-09-30 心脏数据处理设备及处理方法、计算机可读存储介质

Publications (2)

Publication Number Publication Date
CN110706770A CN110706770A (zh) 2020-01-17
CN110706770B true CN110706770B (zh) 2020-08-04

Family

ID=69197392

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910941148.8A Active CN110706770B (zh) 2019-09-30 2019-09-30 心脏数据处理设备及处理方法、计算机可读存储介质

Country Status (1)

Country Link
CN (1) CN110706770B (zh)

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113409323B (zh) * 2021-06-18 2022-03-08 推想医疗科技股份有限公司 冠脉分段方法及装置、计算机可读存储介质及电子设备
CN113643285A (zh) * 2021-09-16 2021-11-12 人工智能与数字经济广东省实验室(广州) 基于人工神经网络的心肌靶心图分析方法、***和介质
CN114418947B (zh) * 2021-12-16 2023-11-03 深圳市阅影科技有限公司 心脏冠脉血管的命名方法及装置

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102551780A (zh) * 2010-11-12 2012-07-11 西门子公司 用于确定和显示心肌的供血的装置和计算机断层造影仪
CN103300820A (zh) * 2012-03-13 2013-09-18 西门子公司 用于冠状动脉狭窄的非侵入性功能评估的方法和***
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
CN108564574A (zh) * 2018-04-11 2018-09-21 上海联影医疗科技有限公司 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
CN108805913A (zh) * 2018-05-14 2018-11-13 首都医科大学附属北京安贞医院 一种冠状动脉ct影像与心脏超声应变成像的融合方法
CN109964256A (zh) * 2016-09-21 2019-07-02 生命解析公司 用于可视化有风险的心脏组织的方法和***

Family Cites Families (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE102006014882A1 (de) * 2006-03-30 2007-11-15 Siemens Ag Verfahren zum Abbilden des Myokards eines Infarktpatienten und Verfahren zum Unterstützen eines therapeutischen Eingriffs am Herzen
US8315812B2 (en) * 2010-08-12 2012-11-20 Heartflow, Inc. Method and system for patient-specific modeling of blood flow
US9043191B2 (en) * 2013-08-16 2015-05-26 Heartflow, Inc. Systems and methods for identifying personalized vascular implants from patient-specific anatomic data
CN109326354A (zh) * 2018-11-09 2019-02-12 深圳市孙逸仙心血管医院（深圳市心血管病研究所） 基于ann血流储备分数预测方法、装置、设备及介质

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102551780A (zh) * 2010-11-12 2012-07-11 西门子公司 用于确定和显示心肌的供血的装置和计算机断层造影仪
CN103300820A (zh) * 2012-03-13 2013-09-18 西门子公司 用于冠状动脉狭窄的非侵入性功能评估的方法和***
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
CN109964256A (zh) * 2016-09-21 2019-07-02 生命解析公司 用于可视化有风险的心脏组织的方法和***
CN108564574A (zh) * 2018-04-11 2018-09-21 上海联影医疗科技有限公司 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
CN108805913A (zh) * 2018-05-14 2018-11-13 首都医科大学附属北京安贞医院 一种冠状动脉ct影像与心脏超声应变成像的融合方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
面向冠脉狭窄病变辅助诊断的图像处理关键技术研究;朱文博;《CNKI中国博士论文全文数据库》;20170228;第I138-181页 *

Also Published As

Publication number Publication date
CN110706770A (zh) 2020-01-17

Similar Documents

Publication Publication Date Title
JP7236768B2 (ja) 心筋血流量及びｃｔ画像に基づく冠状動脈冠血流予備量比の計算方法
US20230148977A1 (en) Systems and methods for numerically evaluating vasculature
JP6557767B2 (ja) 多数の画像取得または再構築を使用する画像ベースのオブジェクトモデリングのためのシステム及び方法
JP6796117B2 (ja) 患者固有の幾何学的形状モデルを変更することによって治療を決定する方法及びシステム
CN105184086B (zh) 用于冠状动脉中改进的血液动力学计算的方法及***
JP2019076750A (ja) 血流特性のモデリングにおける感度解析方法及びシステム
CN109074870B (zh) 用于对未分辨血管进行识别和建模的***和方法
CN110706770B (zh) 心脏数据处理设备及处理方法、计算机可读存储介质
CN108122616B (zh) 个体特异性的心血管模型的生成方法及其应用
CN115115735B (zh) 一种基于多期相冠脉ct造影的内皮动应变的快速计算***
CN112381780B (zh) 一种冠脉微循环状况评估装置及方法
WO2022112154A1 (en) Method and system for visualization

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
EE01 Entry into force of recordation of patent licensing contract
EE01 Entry into force of recordation of patent licensing contract

Application publication date: 20200117

Assignee: Shanghai Youmai Technology Co.,Ltd.

Assignor: SHANGHAI XINGMAI INFORMATION TECHNOLOGY Co.,Ltd.

Contract record no.: X2022980001537

Denomination of invention: Cardiac data processing equipment, processing method and computer-readable storage medium

Granted publication date: 20200804

License type: Common License

Record date: 20220215