CN106994003A - 用于患者特异性血流建模的方法和系统 - Google Patents

用于患者特异性血流建模的方法和系统 Download PDF

Info

Publication number
CN106994003A
CN106994003A CN201710264599.3A CN201710264599A CN106994003A CN 106994003 A CN106994003 A CN 106994003A CN 201710264599 A CN201710264599 A CN 201710264599A CN 106994003 A CN106994003 A CN 106994003A
Authority
CN
China
Prior art keywords
patient
model
flow
anatomical structure
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
Application number
CN201710264599.3A
Other languages
English (en)
Other versions
CN106994003B (zh
Inventor
查尔斯·A·泰勒
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.)
HeartFlow Inc
Original Assignee
HeartFlow Inc
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
Family has litigation
First worldwide family litigation filed litigation Critical https://patents.darts-ip.com/?family=45565333&utm_source=google_patent&utm_medium=platform_link&utm_campaign=public_patent_search&patent=CN106994003(A) "Global patent litigation dataset” by Darts-ip is licensed under a Creative Commons Attribution 4.0 International License.
Application filed by HeartFlow Inc filed Critical HeartFlow Inc
Publication of CN106994003A publication Critical patent/CN106994003A/zh
Application granted granted Critical
Publication of CN106994003B publication Critical patent/CN106994003B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/02—Detecting, measuring or recording pulse, heart rate, blood pressure or blood flow; Combined pulse/heart-rate/blood pressure determination; Evaluating a cardiovascular condition not otherwise provided for, e.g. using combinations of techniques provided for in this group with electrocardiography or electroauscultation; Heart catheters for measuring blood pressure
    • A61B5/026—Measuring blood flow
    • A61B5/029—Measuring or recording blood output from the heart, e.g. minute volume
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B34/00—Computer-aided surgery; Manipulators or robots specially adapted for use in surgery
    • A61B34/10—Computer-aided planning, simulation or modelling of surgical operations
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B34/00—Computer-aided surgery; Manipulators or robots specially adapted for use in surgery
    • A61B34/25—User interfaces for surgical systems
    • 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
    • A61B5/0035—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 acquisition of images from more than one imaging mode, e.g. combining MRI and optical tomography
    • 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
    • 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
    • A61B5/02—Detecting, measuring or recording pulse, heart rate, blood pressure or blood flow; Combined pulse/heart-rate/blood pressure determination; Evaluating a cardiovascular condition not otherwise provided for, e.g. using combinations of techniques provided for in this group with electrocardiography or electroauscultation; Heart catheters for measuring blood pressure
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/02—Detecting, measuring or recording pulse, heart rate, blood pressure or blood flow; Combined pulse/heart-rate/blood pressure determination; Evaluating a cardiovascular condition not otherwise provided for, e.g. using combinations of techniques provided for in this group with electrocardiography or electroauscultation; Heart catheters for measuring blood pressure
    • A61B5/02007—Evaluating blood vessel condition, e.g. elasticity, compliance
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/02—Detecting, measuring or recording pulse, heart rate, blood pressure or blood flow; Combined pulse/heart-rate/blood pressure determination; Evaluating a cardiovascular condition not otherwise provided for, e.g. using combinations of techniques provided for in this group with electrocardiography or electroauscultation; Heart catheters for measuring blood pressure
    • A61B5/02028—Determining haemodynamic parameters not otherwise provided for, e.g. cardiac contractility or left ventricular ejection fraction
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/02—Detecting, measuring or recording pulse, heart rate, blood pressure or blood flow; Combined pulse/heart-rate/blood pressure determination; Evaluating a cardiovascular condition not otherwise provided for, e.g. using combinations of techniques provided for in this group with electrocardiography or electroauscultation; Heart catheters for measuring blood pressure
    • A61B5/021—Measuring pressure in heart or blood vessels
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/02—Detecting, measuring or recording pulse, heart rate, blood pressure or blood flow; Combined pulse/heart-rate/blood pressure determination; Evaluating a cardiovascular condition not otherwise provided for, e.g. using combinations of techniques provided for in this group with electrocardiography or electroauscultation; Heart catheters for measuring blood pressure
    • A61B5/024—Detecting, measuring or recording pulse rate or heart rate
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/02—Detecting, measuring or recording pulse, heart rate, blood pressure or blood flow; Combined pulse/heart-rate/blood pressure determination; Evaluating a cardiovascular condition not otherwise provided for, e.g. using combinations of techniques provided for in this group with electrocardiography or electroauscultation; Heart catheters for measuring blood pressure
    • A61B5/026—Measuring blood flow
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/02—Detecting, measuring or recording pulse, heart rate, blood pressure or blood flow; Combined pulse/heart-rate/blood pressure determination; Evaluating a cardiovascular condition not otherwise provided for, e.g. using combinations of techniques provided for in this group with electrocardiography or electroauscultation; Heart catheters for measuring blood pressure
    • A61B5/026—Measuring blood flow
    • A61B5/0263—Measuring blood flow using NMR
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/05—Detecting, measuring or recording for diagnosis by means of electric currents or magnetic fields; Measuring using microwaves or radio waves 
    • A61B5/055—Detecting, measuring or recording for diagnosis by means of electric currents or magnetic fields; Measuring using microwaves or radio waves  involving electronic [EMR] or nuclear [NMR] magnetic resonance, e.g. magnetic resonance imaging
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/103—Detecting, measuring or recording devices for testing the shape, pattern, colour, size or movement of the body or parts thereof, for diagnostic purposes
    • A61B5/107—Measuring physical dimensions, e.g. size of the entire body or parts thereof
    • A61B5/1075—Measuring physical dimensions, e.g. size of the entire body or parts thereof for measuring dimensions by non-invasive methods, e.g. for determining thickness of tissue layer
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/103—Detecting, measuring or recording devices for testing the shape, pattern, colour, size or movement of the body or parts thereof, for diagnostic purposes
    • A61B5/11—Measuring movement of the entire body or parts thereof, e.g. head or hand tremor, mobility of a limb
    • A61B5/1118—Determining activity level
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/22—Ergometry; Measuring muscular strength or the force of a muscular blow
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/48—Other medical applications
    • A61B5/4848—Monitoring or testing the effects of treatment, e.g. of medication
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/68—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient
    • A61B5/6846—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient specially adapted to be brought in contact with an internal body part, i.e. invasive
    • A61B5/6847—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient specially adapted to be brought in contact with an internal body part, i.e. invasive mounted on an invasive device
    • A61B5/6852—Catheters
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
    • A61B5/7235—Details of waveform analysis
    • A61B5/7246—Details of waveform analysis using correlation, e.g. template matching or determination of similarity
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
    • A61B5/7271—Specific aspects of physiological measurement analysis
    • A61B5/7275—Determining trends in physiological measurement data; Predicting development of a medical condition based on physiological measurements, e.g. determining a risk factor
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
    • A61B5/7271—Specific aspects of physiological measurement analysis
    • A61B5/7278—Artificial waveform generation or derivation, e.g. synthesising signals from measured signals
    • 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
    • A61B5/742—Details of notification to user or communication with user or patient ; user input means using visual displays
    • A61B5/745—Details of notification to user or communication with user or patient ; user input means using visual displays using a holographic display
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B6/00—Apparatus for radiation diagnosis, e.g. combined with radiation therapy equipment
    • A61B6/02—Devices for diagnosis sequentially in different planes; Stereoscopic radiation diagnosis
    • A61B6/03—Computerised tomographs
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B6/00—Apparatus for radiation diagnosis, e.g. combined with radiation therapy equipment
    • A61B6/02—Devices for diagnosis sequentially in different planes; Stereoscopic radiation diagnosis
    • A61B6/03—Computerised tomographs
    • A61B6/032—Transmission computed tomography [CT]
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B6/00—Apparatus for radiation diagnosis, e.g. combined with radiation therapy equipment
    • A61B6/48—Diagnostic techniques
    • A61B6/481—Diagnostic techniques involving the use of contrast agents
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B6/00—Apparatus for radiation diagnosis, e.g. combined with radiation therapy equipment
    • A61B6/50—Clinical applications
    • A61B6/503—Clinical applications involving diagnosis of heart
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B6/00—Apparatus for radiation diagnosis, e.g. combined with radiation therapy equipment
    • A61B6/50—Clinical applications
    • A61B6/504—Clinical applications involving diagnosis of blood vessels, e.g. by angiography
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B6/00—Apparatus for radiation diagnosis, e.g. combined with radiation therapy equipment
    • A61B6/50—Clinical applications
    • A61B6/507—Clinical applications involving determination of haemodynamic parameters, e.g. perfusion CT
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B6/00—Apparatus for radiation diagnosis, e.g. combined with radiation therapy equipment
    • A61B6/52—Devices using data or image processing specially adapted for radiation diagnosis
    • A61B6/5205—Devices using data or image processing specially adapted for radiation diagnosis involving processing of raw data to produce diagnostic data
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B6/00—Apparatus for radiation diagnosis, e.g. combined with radiation therapy equipment
    • A61B6/52—Devices using data or image processing specially adapted for radiation diagnosis
    • A61B6/5211—Devices using data or image processing specially adapted for radiation diagnosis involving processing of medical diagnostic data
    • A61B6/5217—Devices using data or image processing specially adapted for radiation diagnosis involving processing of medical diagnostic data extracting a diagnostic or physiological parameter from medical diagnostic data
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B6/00—Apparatus for radiation diagnosis, e.g. combined with radiation therapy equipment
    • A61B6/52—Devices using data or image processing specially adapted for radiation diagnosis
    • A61B6/5211—Devices using data or image processing specially adapted for radiation diagnosis involving processing of medical diagnostic data
    • A61B6/5229—Devices using data or image processing specially adapted for radiation diagnosis involving processing of medical diagnostic data combining image data of a patient, e.g. combining a functional image with an anatomical image
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B8/00—Diagnosis using ultrasonic, sonic or infrasonic waves
    • A61B8/02—Measuring pulse or heart rate
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B8/00—Diagnosis using ultrasonic, sonic or infrasonic waves
    • A61B8/04—Measuring blood pressure
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B8/00—Diagnosis using ultrasonic, sonic or infrasonic waves
    • A61B8/06—Measuring blood flow
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B8/00—Diagnosis using ultrasonic, sonic or infrasonic waves
    • A61B8/06—Measuring blood flow
    • A61B8/065—Measuring blood flow to determine blood output from the heart
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B8/00—Diagnosis using ultrasonic, sonic or infrasonic waves
    • A61B8/48—Diagnostic techniques
    • A61B8/481—Diagnostic techniques involving the use of contrast agent, e.g. microbubbles introduced into the bloodstream
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B8/00—Diagnosis using ultrasonic, sonic or infrasonic waves
    • A61B8/52—Devices using data or image processing specially adapted for diagnosis using ultrasonic, sonic or infrasonic waves
    • A61B8/5215—Devices using data or image processing specially adapted for diagnosis using ultrasonic, sonic or infrasonic waves involving processing of medical diagnostic data
    • A61B8/5223—Devices using data or image processing specially adapted for diagnosis using ultrasonic, sonic or infrasonic waves involving processing of medical diagnostic data for extracting a diagnostic or physiological parameter from medical diagnostic data
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B8/00—Diagnosis using ultrasonic, sonic or infrasonic waves
    • A61B8/52—Devices using data or image processing specially adapted for diagnosis using ultrasonic, sonic or infrasonic waves
    • A61B8/5215—Devices using data or image processing specially adapted for diagnosis using ultrasonic, sonic or infrasonic waves involving processing of medical diagnostic data
    • A61B8/5238—Devices using data or image processing specially adapted for diagnosis using ultrasonic, sonic or infrasonic waves involving processing of medical diagnostic data for combining image data of patient, e.g. merging several images from different acquisition modes into one image
    • A61B8/5261—Devices using data or image processing specially adapted for diagnosis using ultrasonic, sonic or infrasonic waves involving processing of medical diagnostic data for combining image data of patient, e.g. merging several images from different acquisition modes into one image combining images from different diagnostic modalities, e.g. ultrasound and X-ray
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61M—DEVICES FOR INTRODUCING MEDIA INTO, OR ONTO, THE BODY; DEVICES FOR TRANSDUCING BODY MEDIA OR FOR TAKING MEDIA FROM THE BODY; DEVICES FOR PRODUCING OR ENDING SLEEP OR STUPOR
    • A61M5/00—Devices for bringing media into the body in a subcutaneous, intra-vascular or intramuscular way; Accessories therefor, e.g. filling or cleaning devices, arm-rests
    • A61M5/007—Devices for bringing media into the body in a subcutaneous, intra-vascular or intramuscular way; Accessories therefor, e.g. filling or cleaning devices, arm-rests for contrast media
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R33/00—Arrangements or instruments for measuring magnetic variables
    • G01R33/20—Arrangements or instruments for measuring magnetic variables involving magnetic resonance
    • G01R33/44—Arrangements or instruments for measuring magnetic variables involving magnetic resonance using nuclear magnetic resonance [NMR]
    • G01R33/48—NMR imaging systems
    • G01R33/54—Signal processing systems, e.g. using pulse sequences ; Generation or control of pulse sequences; Operator console
    • G01R33/56—Image enhancement or correction, e.g. subtraction or averaging techniques, e.g. improvement of signal-to-noise ratio and resolution
    • G01R33/5601—Image enhancement or correction, e.g. subtraction or averaging techniques, e.g. improvement of signal-to-noise ratio and resolution involving use of a contrast agent for contrast manipulation, e.g. a paramagnetic, super-paramagnetic, ferromagnetic or hyperpolarised contrast agent
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R33/00—Arrangements or instruments for measuring magnetic variables
    • G01R33/20—Arrangements or instruments for measuring magnetic variables involving magnetic resonance
    • G01R33/44—Arrangements or instruments for measuring magnetic variables involving magnetic resonance using nuclear magnetic resonance [NMR]
    • G01R33/48—NMR imaging systems
    • G01R33/54—Signal processing systems, e.g. using pulse sequences ; Generation or control of pulse sequences; Operator console
    • G01R33/56—Image enhancement or correction, e.g. subtraction or averaging techniques, e.g. improvement of signal-to-noise ratio and resolution
    • G01R33/563—Image enhancement or correction, e.g. subtraction or averaging techniques, e.g. improvement of signal-to-noise ratio and resolution of moving material, e.g. flow contrast angiography
    • G01R33/5635—Angiography, e.g. contrast-enhanced angiography [CE-MRA] or time-of-flight angiography [TOF-MRA]
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R33/00—Arrangements or instruments for measuring magnetic variables
    • G01R33/20—Arrangements or instruments for measuring magnetic variables involving magnetic resonance
    • G01R33/44—Arrangements or instruments for measuring magnetic variables involving magnetic resonance using nuclear magnetic resonance [NMR]
    • G01R33/48—NMR imaging systems
    • G01R33/54—Signal processing systems, e.g. using pulse sequences ; Generation or control of pulse sequences; Operator console
    • G01R33/56—Image enhancement or correction, e.g. subtraction or averaging techniques, e.g. improvement of signal-to-noise ratio and resolution
    • G01R33/563—Image enhancement or correction, e.g. subtraction or averaging techniques, e.g. improvement of signal-to-noise ratio and resolution of moving material, e.g. flow contrast angiography
    • G01R33/56366—Perfusion imaging
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/10—Pre-processing; Data cleansing
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/22—Matching criteria, e.g. proximity measures
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/24—Classification techniques
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/20—Design optimisation, verification or simulation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/20—Design optimisation, verification or simulation
    • G06F30/23—Design optimisation, verification or simulation using finite element methods [FEM] or finite difference methods [FDM]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/20—Design optimisation, verification or simulation
    • G06F30/28—Design optimisation, verification or simulation using fluid dynamics, e.g. using Navier-Stokes equations or computational fluid dynamics [CFD]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06G—ANALOGUE COMPUTERS
    • G06G7/00—Devices in which the computing operation is performed by varying electric or magnetic quantities
    • G06G7/48—Analogue computers for specific processes, systems or devices, e.g. simulators
    • G06G7/60—Analogue computers for specific processes, systems or devices, e.g. simulators for living beings, e.g. their nervous systems ; for problems in the medical field
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T11/00—2D [Two Dimensional] image generation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T11/00—2D [Two Dimensional] image generation
    • G06T11/001—Texturing; Colouring; Generation of texture or colour
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T11/00—2D [Two Dimensional] image generation
    • G06T11/003—Reconstruction from projections, e.g. tomography
    • G06T11/008—Specific post-processing after tomographic reconstruction, e.g. voxelisation, metal artifact correction
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T11/00—2D [Two Dimensional] image generation
    • G06T11/20—Drawing from basic elements, e.g. lines or circles
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T11/00—2D [Two Dimensional] image generation
    • G06T11/60—Editing figures and text; Combining figures or text
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T15/00—3D [Three Dimensional] image rendering
    • G06T15/10—Geometric effects
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
    • G06T17/005—Tree description, e.g. octree, quadtree
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
    • G06T17/20—Finite element generation, e.g. wire-frame surface description, tesselation
    • 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
    • G06T7/0002—Inspection of images, e.g. flaw detection
    • G06T7/0012—Biomedical image inspection
    • G06T7/0014—Biomedical image inspection using an image reference approach
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/11—Region-based segmentation
    • 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
    • G06T7/10—Segmentation; Edge detection
    • G06T7/13—Edge detection
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/149—Segmentation; Edge detection involving deformable models, e.g. active contour models
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/20—Analysis of motion
    • 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
    • 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
    • G06T7/00—Image analysis
    • G06T7/70—Determining position or orientation of objects or cameras
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/70—Determining position or orientation of objects or cameras
    • G06T7/73—Determining position or orientation of objects or cameras using feature-based methods
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/70—Determining position or orientation of objects or cameras
    • G06T7/73—Determining position or orientation of objects or cameras using feature-based methods
    • G06T7/74—Determining position or orientation of objects or cameras using feature-based methods involving reference images or patches
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/40—Extraction of image or video features
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/40—Extraction of image or video features
    • G06V10/42—Global feature extraction by analysis of the whole pattern, e.g. using frequency domain transformations or autocorrelation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/40—Extraction of image or video features
    • G06V10/44—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/60—Type of objects
    • G06V20/69—Microscopic objects, e.g. biological cells or cellular parts
    • G06V20/698—Matching; Classification
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
    • G06V40/14—Vascular patterns
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16B—BIOINFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR GENETIC OR PROTEIN-RELATED DATA PROCESSING IN COMPUTATIONAL MOLECULAR BIOLOGY
    • G16B45/00—ICT specially adapted for bioinformatics-related data visualisation, e.g. displaying of maps or networks
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16B—BIOINFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR GENETIC OR PROTEIN-RELATED DATA PROCESSING IN COMPUTATIONAL MOLECULAR BIOLOGY
    • G16B5/00—ICT specially adapted for modelling or simulations in systems biology, e.g. gene-regulatory networks, protein interaction networks or metabolic networks
    • 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
    • G16H10/40—ICT specially adapted for the handling or processing of patient-related medical or healthcare data for data related to laboratory analysis, e.g. patient specimen analysis
    • 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
    • G16H30/00—ICT specially adapted for the handling or processing of medical images
    • G16H30/20—ICT specially adapted for the handling or processing of medical images for handling medical images, e.g. DICOM, HL7 or PACS
    • 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
    • G16H30/00—ICT specially adapted for the handling or processing of medical images
    • G16H30/40—ICT specially adapted for the handling or processing of medical images for processing medical images, e.g. editing
    • 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
    • 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
    • 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
    • G16H50/70—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for mining of medical data, e.g. analysing previous cases of other patients
    • 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
    • G16H70/00—ICT specially adapted for the handling or processing of medical references
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B34/00—Computer-aided surgery; Manipulators or robots specially adapted for use in surgery
    • A61B34/10—Computer-aided planning, simulation or modelling of surgical operations
    • A61B2034/101—Computer-aided simulation of surgical operations
    • A61B2034/102—Modelling of surgical devices, implants or prosthesis
    • A61B2034/104—Modelling the effect of the tool, e.g. the effect of an implanted prosthesis or for predicting the effect of ablation or burring
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B34/00—Computer-aided surgery; Manipulators or robots specially adapted for use in surgery
    • A61B34/10—Computer-aided planning, simulation or modelling of surgical operations
    • A61B2034/101—Computer-aided simulation of surgical operations
    • A61B2034/105—Modelling of the patient, e.g. for ligaments or bones
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B34/00—Computer-aided surgery; Manipulators or robots specially adapted for use in surgery
    • A61B34/10—Computer-aided planning, simulation or modelling of surgical operations
    • A61B2034/107—Visualisation of planned trajectories or target regions
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B34/00—Computer-aided surgery; Manipulators or robots specially adapted for use in surgery
    • A61B34/10—Computer-aided planning, simulation or modelling of surgical operations
    • A61B2034/108—Computer aided selection or customisation of medical implants or cutting guides
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B90/00—Instruments, implements or accessories specially adapted for surgery or diagnosis and not covered by any of the groups A61B1/00 - A61B50/00, e.g. for luxation treatment or for protecting wound edges
    • A61B90/36—Image-producing devices or illumination devices not otherwise provided for
    • A61B90/37—Surgical systems with images on a monitor during operation
    • A61B2090/374—NMR or MRI
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B90/00—Instruments, implements or accessories specially adapted for surgery or diagnosis and not covered by any of the groups A61B1/00 - A61B50/00, e.g. for luxation treatment or for protecting wound edges
    • A61B90/36—Image-producing devices or illumination devices not otherwise provided for
    • A61B90/37—Surgical systems with images on a monitor during operation
    • A61B2090/376—Surgical systems with images on a monitor during operation using X-rays, e.g. fluoroscopy
    • A61B2090/3762—Surgical systems with images on a monitor during operation using X-rays, e.g. fluoroscopy using computed tomography systems [CT]
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B90/00—Instruments, implements or accessories specially adapted for surgery or diagnosis and not covered by any of the groups A61B1/00 - A61B50/00, e.g. for luxation treatment or for protecting wound edges
    • A61B90/36—Image-producing devices or illumination devices not otherwise provided for
    • A61B90/37—Surgical systems with images on a monitor during operation
    • A61B2090/376—Surgical systems with images on a monitor during operation using X-rays, e.g. fluoroscopy
    • A61B2090/3762—Surgical systems with images on a monitor during operation using X-rays, e.g. fluoroscopy using computed tomography systems [CT]
    • A61B2090/3764—Surgical systems with images on a monitor during operation using X-rays, e.g. fluoroscopy using computed tomography systems [CT] with a rotating C-arm having a cone beam emitting source
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B2576/00—Medical imaging apparatus involving image processing or analysis
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B2576/00—Medical imaging apparatus involving image processing or analysis
    • A61B2576/02—Medical imaging apparatus involving image processing or analysis specially adapted for a particular organ or body part
    • A61B2576/023—Medical imaging apparatus involving image processing or analysis specially adapted for 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
    • A61B5/68—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient
    • A61B5/6846—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient specially adapted to be brought in contact with an internal body part, i.e. invasive
    • A61B5/6867—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient specially adapted to be brought in contact with an internal body part, i.e. invasive specially adapted to be attached or implanted in a specific body part
    • A61B5/6868—Brain
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2200/00—Indexing scheme for image data processing or generation, in general
    • G06T2200/04—Indexing scheme for image data processing or generation, in general involving 3D image data
    • 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
    • G06T2207/10004—Still image; Photographic image
    • G06T2207/10012—Stereo images
    • 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
    • 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
    • G06T2207/10—Image acquisition modality
    • G06T2207/10072—Tomographic images
    • G06T2207/10088—Magnetic resonance imaging [MRI]
    • 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
    • G06T2207/10104—Positron emission tomography [PET]
    • 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
    • G06T2207/10108—Single photon emission computed tomography [SPECT]
    • 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
    • G06T2207/20036—Morphological image processing
    • 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
    • G06T2207/20112—Image segmentation details
    • G06T2207/20124—Active shape model [ASM]
    • 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
    • G06T2207/30016—Brain
    • 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
    • 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
    • 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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2210/00—Indexing scheme for image generation or computer graphics
    • G06T2210/41—Medical
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2211/00—Image generation
    • G06T2211/40—Computed tomography
    • G06T2211/404—Angiography
    • 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
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/40—Extraction of image or video features
    • G06V10/46—Descriptors for shape, contour or point-related descriptors, e.g. scale invariant feature transform [SIFT] or bags of words [BoW]; Salient regional features
    • G06V10/467—Encoded features or binary features, e.g. local binary patterns [LBP]
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
    • Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
    • Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation

Abstract

用于患者特异性血流建模的方法和系统。实施方案包括一种用于确定患者心血管信息的系统。所述系统可包括至少一个计算机系统，所述至少一个计算机系统被配置成接收关于所述患者的心脏几何形状的患者特异性数据，并且依据所述患者特异性数据来创建呈现所述患者心脏的至少一部分的三维模型。所述至少一个计算机系统还可被配置成创建有关所述患者心脏的血流特征的基于物理学的模型，并且依据所述三维模型和所述基于物理学的模型来确定所述患者心脏内的血流储备分数。

Description

用于患者特异性血流建模的方法和系统
分案说明
本申请是申请日为2011年7月29日、国家申请号为201180048878.7、发明名称为“用于患者特异性血流建模的方法和系统”的发明专利申请的分案申请。
优先权
本申请要求2010年8月12日提交的美国临时申请号61/401,462、2010年8月20日提交的美国临时申请号61/401,915、2010年8月26日提交的美国临时申请号61/402,308、2010年8月27日提交的美国临时申请号61/402,345，以及2010年10月1日提交的美国临时申请号61/404,429的优先权益，所述美国临时申请以引用的方式整体并入本文中。
技术领域
实施方案包括用于流体流量建模的方法和系统，以及更具体来说用于患者特异性血流建模的方法和系统。
背景技术
冠状动脉病可在向心脏提供血液的血管中产生冠状动脉病变，如狭窄(血管异常变窄)。因此，流向心脏的血流可能受到限制。罹患冠状动脉病的患者可在身体用力期间经历胸痛(称为慢性稳定绞痛)或当患者在休息时经历不稳定绞痛。较严重的疾病表现可引起心肌梗塞或心脏病发作。
需要提供与冠状动脉病变有关的较精确数据，例如尺寸、形状、位置、功能意义(例如病变是否影响血流)等。可对罹患胸痛和/或显示冠状动脉病症状的患者进行一种或多种测试，所述测试可提供一些有关冠状动脉病变的间接证据。举例来说，非侵入性测试可包括心电图、由血液测试进行生物标记评价、平板测试(treadmill test)、心回波描记术(echocardiography)、单正电子发射计算机断层摄影术(SPECT)，和正电子发射断层摄影术(PET)。然而，这些非侵入性测试通常不提供冠状动脉病变的直接评估或评估血液流动速率。非侵入性测试可通过寻找以下的变化来提供冠状动脉病变的间接证据：心脏电活动(例如使用心电描记术(ECG))、心肌运动(例如使用应力心回波描记术)、心肌灌注(例如使用PET或SPECT)，或代谢变化(例如使用生物标记)。
举例来说，解剖学数据可使用冠状动脉计算断层摄影血管造影术(CCTA)以非侵入方式获得。CCTA可用于对患有胸痛的患者进行成像，并且涉及使用计算机断层摄影术(CT)技术以在静脉内输注对比剂之后对心脏和冠状动脉进行成像。然而，CCTA也不能提供关于冠状动脉病变的功能意义(例如病变是否影响血流)的直接信息。另外，因为CCTA纯粹是一种诊断性测试，所以它不能用以预测以下的变化：在其它生理学状态(例如运动)下的冠状动脉血流、压力或心肌灌注，它也不能用以预测介入的结果。
因此，患者还可需要侵入性测试，如诊断性心导管插入术以使冠状动脉病变可视化。诊断性心导管插入术可包括进行常规冠状动脉血管造影术(CCA)以收集关于冠状动脉病变的解剖学数据，所述解剖学数据是由医生用动脉的尺寸和形状图像来提供。然而，CCA不提供用于评估冠状动脉病变的功能意义的数据。举例来说，医生在没有确定病变是否具有功能意义的情况下不能诊断冠状动脉病变是否有害。因此，CCA已引起已称为“眼狭窄反射(oculostenotic reflex)”的现象，即一些介入的心脏病专家对用CCA发现的每一病变而言不论病变是否具有功能意义都插入血管内支架。因此，CCA可引起对患者不必要的操作，所述不必要的操作可对患者造成增加的风险并且可对患者引起不必要的健康护理成本。
在诊断性心导管插入术期间，冠状动脉病变的功能意义可通过测量所观察的病变的血流储备分数(fractional flow reserve；FFR)以侵入方式评估。FFR定义为在冠状动脉血流量增大(例如由静脉内施用腺苷诱导)的条件下，病变下游的平均血压除以病变上游的平均血压(例如主动脉压)的比率。血压可通过将压力线插入患者体内来测量。因此，可在诊断性心导管插入术的初始成本和风险已产生之后依据所确定的FFR作出治疗病变的决定。
因此，需要一种用于以非侵入方式评估冠状动脉解剖结构、心肌灌注和冠状动脉流的方法。所述方法和系统可能有利于诊断疑患有冠状动脉疾病的患者并且为所述患者订治疗计划的心脏病专家。另外，需要一种在不能直接测量的条件(例如运动)下预测冠状动脉流量和心肌灌注，并且预测对冠状动脉血流和心肌灌注的医药治疗、介入治疗和手术治疗的结果的方法。
应了解，前述一般描述和以下详细描述都仅具有示例性和说明性并且不限制公开内容。
发明内容
根据一个实施方案，用于确定患者心血管信息的系统包括至少一个计算机系统，所述计算机系统被配置成接收关于患者心脏几何形状的患者特异性数据并且依据患者特异性数据创建呈现患者心脏的至少一部分的三维模型。至少一个计算机系统进一步被配置成创建有关患者心脏血流特征的基于物理学的模型，并且依据三维模型和基于物理学的模型来确定患者心脏内的血流储备分数。
根据另一实施方案，使用至少一个计算机系统的用于确定患者心血管信息的方法包括将关于患者心脏的几何形状的患者特异性数据输入至少一个计算机系统中，以及使用至少一个计算机系统依据患者特异性数据来创建呈现患者心脏的至少一部分的三维模型。方法还包括使用至少一个计算机系统创建有关患者心脏血流特征的基于物理学的模型，以及使用至少一个计算机系统依据三维模型和基于物理学的模型来确定患者心脏内的血流储备分数。
根据另一实施方案，提供一种用于至少一个计算机系统的非临时性计算机可读介质，其含有用于进行一种用于确定患者特异性心血管信息的方法的计算机可执行编程指令。方法包括接收关于患者心脏几何形状的患者特异性数据，以及依据患者特异性数据创建呈现患者心脏的至少一部分的三维模型。方法还包括创建有关患者心脏中血流特征的基于物理学的模型，以及依据三维模型和基于物理学的模型来确定患者心脏内血流储备分数。
根据另一实施方案，用于为患者订治疗计划的系统包括至少一个计算机系统，所述计算机系统被配置成接收关于患者解剖结构的几何形状的患者特异性数据，并且依据患者特异性数据创建呈现患者解剖结构的至少一部分的三维模型。至少一个计算机系统进一步被配置成依据有关患者解剖结构的三维模型和基于物理学的模型来确定关于患者解剖结构内血流特征的第一信息、修改三维模型，以及依据经过修改的三维模型来确定关于患者解剖结构内血流特征的第二信息。
根据另一实施方案，提供一种用于计算机系统的非临时性计算机可读介质，其含有用于进行一种为患者订治疗计划方法的计算机可执行编程指令。方法包括接收关于患者解剖结构的几何形状的患者特异性数据，以及依据患者特异性数据创建呈现患者解剖结构的至少一部分的三维模型。方法还包括依据有关患者解剖结构的三维模型和基于物理学的模型来确定关于患者解剖结构内血流特征的第一信息，以及依据所需的患者解剖结构几何形状变化来确定关于患者解剖结构内血流特征的第二信息。
根据另一实施方案，使用计算机系统的用于为患者订治疗计划的方法包括将关于患者解剖结构的几何形状的患者特异性数据输入至少一个计算机系统中，以及使用至少一个计算机系统、依据患者特异性数据来创建呈现患者解剖结构的至少一部分的三维模型。方法还包括使用至少一个计算机系统、依据有关患者解剖结构的三维模型和基于物理学的模型来确定关于患者解剖结构内血流特征的第一信息。方法还包括使用至少一个计算机系统来修改三维模型，以及使用至少一个计算机系统、依据经过修改的三维模型来确定关于患者解剖结构内血流特征的第二信息。
根据另一实施方案，用于为患者订治疗计划的系统包括至少一个计算机系统，所述计算机系统被配置成接收关于患者解剖结构的几何形状的患者特异性数据，并且依据患者特异性数据创建呈现患者解剖结构的至少一部分的三维模型。至少一个计算机系统还被配置成依据三维模型和关于患者生理条件的信息来确定关于患者解剖结构内血流特征的第一信息、修改患者的生理条件，以及依据经过修改的患者生理条件来确定关于患者解剖结构内血流特征的第二信息。
根据另一实施方案，提供一种用于计算机系统的非临时性计算机可读介质，其含有用于为患者订治疗计划的方法的计算机可执行编程指令。方法包括接收关于患者解剖结构的几何形状的患者特异性数据，以及依据患者特异性数据创建呈现患者解剖结构的至少一部分的三维模型。方法还包括依据三维模型和关于患者生理条件的信息来确定关于患者解剖结构内血流特征的第一信息，以及依据所需的患者生理条件变化来确定关于患者解剖结构内血流特征的第二信息。
根据另一实施方案，使用至少一个计算机系统的用于为患者订治疗计划的方法包括将关于患者解剖结构的几何形状的患者特异性数据输入至少一个计算机系统中，以及使用至少一个计算机系统、依据患者特异性数据来创建呈现患者解剖结构的至少一部分的三维模型。方法还包括使用至少一个计算机系统、依据三维模型和有关患者生理条件的信息来确定关于患者解剖结构内血流特征的第一信息。方法还包括使用至少一个计算机系统来修改患者生理条件，以及使用至少一个计算机系统、依据经过修改的患者生理条件来确定关于患者解剖结构内血流特征的第二信息。
根据另一实施方案，用于确定患者特异性心血管信息的系统包括至少一个计算机系统，所述计算机系统被配置成接收关于患者解剖结构的几何形状的患者特异性数据，并且依据患者特异性数据创建呈现患者解剖结构的至少一部分的三维模型。至少一个计算机系统还被配置成确定与经过患者解剖结构的部分的总流量相关的总阻力，并且依据有关患者解剖结构的三维模型、基于物理学的模型以及所确定的总阻力来确定关于患者解剖结构内血流特征的信息。
根据另一实施方案，用于使用至少一个计算机系统来确定患者特异性心血管信息的方法包括将关于患者解剖结构的几何形状的患者特异性数据输入至少一个计算机系统中，以及使用至少一个计算机系统、依据患者特异性数据来创建呈现患者解剖结构的至少一部分的三维模型。方法还包括使用至少一个计算机来确定与经过患者解剖结构的部分的总流量相关的总阻力，以及使用至少一个计算机、依据有关患者解剖结构的三维模型、基于物理学的模型以及所确定的总阻力来确定关于患者解剖结构内血流特征的信息。
根据另一实施方案，提供一种用于计算机系统的非临时性计算机可读介质，其含有用于进行一种用于确定患者特异性心血管信息的方法的计算机可执行编程指令。方法包括接收关于患者解剖结构的几何形状的患者特异性数据，以及依据患者特异性数据创建呈现患者解剖结构的至少一部分的三维模型。方法还包括确定与经过患者解剖结构的部分的总流量相关的总阻力，以及依据有关患者解剖结构的三维模型、基于物理学的模型以及所确定的总阻力来确定关于患者解剖结构内血流特征的信息。
根据另一实施方案，一种用于使用网址来提供患者特异性心血管信息的系统包括至少一个计算机系统，所述计算机系统被配置成允许远程用户访问网址、接收关于患者解剖结构几何形状的至少一部分的患者特异性数据、依据患者特异性数据创建呈现患者解剖结构的至少一部分的三维模型，并且依据患者的三维模型和生理条件来确定关于患者解剖结构内血流特征的信息。至少一个计算机系统还被配置成使用网址向远程用户传达关于患者解剖结构的至少所述部分的第一个三维模拟的显示信息。三维模拟包括所确定的关于血流特征的信息。
根据另一实施方案，一种用于使用网址来提供患者特异性心血管信息的方法包括使用至少一个计算机系统允许远程用户访问网址，以及使用至少一个计算机系统接收关于患者解剖结构的几何形状的患者特异性数据。方法还包括使用至少一个计算机系统、依据患者特异性数据来创建呈现患者解剖结构的至少一部分的三维模型，以及使用至少一个计算机系统、依据三维模型和患者的生理条件来确定关于患者解剖结构内血流特征的信息。方法还包括使用至少一个计算机系统向使用网址的远程用户传达关于患者解剖结构的至少所述部分的第一个三维模拟的显示信息。三维模拟包括所确定的关于血流特征的信息。
根据另一实施方案，提供一种用于计算机系统的非临时性计算机可读介质，其含有用于进行一种用于使用网址来提供患者特异性心血管信息的方法的计算机可执行编程指令。方法包括允许远程用户访问网址、接收关于患者解剖结构的几何形状的患者特异性数据，以及依据患者特异性数据创建呈现患者解剖结构的至少一部分的三维模型。方法还包括依据有关患者解剖结构的三维模型和基于物理学的模型来确定关于患者解剖结构内血流特征的信息，以及向使用网址的远程用户传达关于患者解剖结构的至少所述部分的第一个三维模拟的显示信息。三维模拟包括所确定的关于血流特征的信息。
根据另一实施方案，用于确定患者特异性的时变心血管信息的系统包括至少一个计算机系统，所述计算机系统被配置成在不同时刻接收关于患者解剖结构的至少一部分的几何形状的时变患者特异性数据，并且依据患者特异性数据创建呈现患者解剖结构的至少一部分的三维模型。至少一个计算机系统还被配置成依据有关患者解剖结构的三维模型和基于物理学的模型来确定关于患者解剖结构内血流特征随时间变化的信息。
根据另一实施方案，用于使用至少一个计算机系统来确定患者特异性的时变心血管信息的方法包括使用至少一个计算机系统在不同时刻接收关于患者解剖结构几何形状的时变患者特异性数据。方法还包括使用至少一个计算机系统、依据患者特异性数据来创建呈现患者解剖结构的至少一部分的三维模型。方法还包括使用至少一个计算机系统、依据有关患者解剖结构的三维模型和关于基于物理学的模型的信息来确定关于患者解剖结构内血流特征随时间变化的信息。
根据另一实施方案，提供一种用于计算机系统的非临时性计算机可读介质，其含有用于进行一种用于确定患者特异性的时变心血管信息的方法的计算机可执行编程指令。方法包括在不同时刻接收随时间变化的关于患者解剖结构几何形状的患者特异性数据、依据患者特异性数据创建呈现患者解剖结构的至少一部分的三维模型，以及依据有关患者解剖结构的三维模型和关于基于物理学的模型的信息来确定关于患者解剖结构内血流特征随时间变化的信息。
根据另一实施方案，用于确定患者心血管信息的系统包括至少一个计算机系统，所述至少一个计算机系统被配置成接收关于患者解剖结构的至少一部分的几何形状和至少一种物质性质的患者特异性数据。解剖结构包括血管的至少一部分。至少一个计算机系统还被配置成依据患者特异性数据来创建呈现患者解剖结构的三维模型，并且依据三维模型和患者的生理条件来确定关于患者解剖结构内血流特征的信息。至少一个计算机系统还被配置成鉴别血管内斑块的位置。
根据另一实施方案，用于使用至少一个计算机系统来确定患者心血管信息的方法包括使用至少一个计算机系统来接收关于患者解剖结构的至少一部分的几何形状和至少一种物质性质的患者特异性数据。解剖结构包括血管的至少一部分。方法还包括使用至少一个计算机系统、依据患者特异性数据来创建呈现患者解剖结构的三维模型，以及使用至少一个计算机系统、依据三维模型和患者的生理条件来确定关于患者解剖结构内血流特征的信息。方法还包括使用至少一个计算机系统鉴别血管内的斑块。
根据另一实施方案，提供一种用于计算机系统的非临时性计算机可读介质，其含有用于进行一种用于确定患者心血管信息的方法的计算机可执行编程指令。方法包括接收关于患者解剖结构的至少一部分的几何形状和至少一种物质性质的患者特异性数据。解剖结构包括血管的至少一部分。方法还包括依据患者特异性数据来创建呈现患者解剖结构的三维模型、依据三维模型和患者的生理条件来确定关于患者解剖结构内血流特征的信息，以及鉴别血管内斑块的位置。
根据另一实施方案，用于确定患者心血管信息的系统包括至少一个计算机系统，所述至少一个计算机系统被配置成接收关于患者解剖结构的至少一部分的几何形状的患者特异性数据。解剖结构包括多条动脉的至少一部分和与多条动脉的至少一部分连接的组织。至少一个计算机系统还被配置成依据患者特异性数据创建呈现患者解剖结构的三维模型、将呈现组织的三维模型的至少一部分分成片段，并且依据三维模型和患者的生理条件来确定关于与至少一个片段相关的血流特征的信息。
根据另一实施方案，用于使用至少一个计算机系统来确定患者心血管信息的方法包括使用至少一个计算机系统来接收关于患者解剖结构的至少一部分的几何形状的患者特异性数据。解剖结构包括多条动脉的至少一部分和与多条动脉的至少一部分连接的组织。方法还包括使用至少一个计算机系统、依据患者特异性数据来创建呈现患者解剖结构的三维模型，以及使用至少一个计算机系统来扩展三维模型以形成扩充模型。方法还包括使用至少一个计算机系统将呈现组织的扩充模型的至少一部分分成片段，以及使用至少一个计算机系统、依据扩充模型和患者的生理条件来确定关于与至少一个片段相关的血流特征的信息。
根据另一实施方案，提供一种用于计算机系统的非临时性计算机可读介质，其含有用于进行一种用于确定患者心血管信息的方法的计算机可执行编程指令。方法包括接收关于患者解剖结构的至少一部分的几何形状的患者特异性数据。解剖结构包括多条动脉的至少一部分和与多条动脉的至少一部分连接的组织。方法还包括依据患者特异性数据创建呈现患者解剖结构的三维模型、将呈现组织的三维模型的至少一部分分成片段，以及依据有关解剖结构的三维模型和基于物理学的模型来确定关于与至少一个片段相关的血流特征的信息。
根据另一实施方案，用于确定患者心血管信息的系统包括至少一个计算机系统，所述至少一个计算机系统被配置成接收关于患者脑部几何形状的患者特异性数据。至少一个计算机系统还被配置成依据患者特异性数据来创建呈现患者脑部的至少一部分的三维模型，并且依据有关患者脑部的三维模型和基于物理学的模型来确定关于患者脑内血流特征的信息。
根据另一实施方案，用于使用至少一个计算机系统来确定患者特异性心血管信息的方法包括将关于患者多根脑动脉的至少一部分的几何形状的患者特异性数据输入至少一个计算机系统中。方法还包括使用至少一个计算机系统、依据患者特异性数据来创建呈现患者脑动脉的至少所述部分的三维模型，以及使用至少一个计算机系统、依据有关患者脑动脉的三维模型和基于物理学的模型来确定关于患者脑动脉内血流特征的信息。
根据另一实施方案，提供一种用于至少一个计算机系统的非临时性计算机可读介质，其含有用于进行一种用于确定患者特异性心血管信息的方法的计算机可执行编程指令。方法包括接收关于患者脑部几何形状的患者特异性数据、依据患者特异性数据来创建呈现患者脑部的至少一部分的三维模型，以及依据有关患者脑部的三维模型和基于物理学的模型来确定关于患者脑内血流特征的信息。
其它实施方案和优势将在以下说明书的部分中加以阐述，并且部分地将根据说明书而显而易见，或可通过所述公开内容的实践得到学习。实施方案和优势将借助于下文详细指出的要素和组合来实现和达到。
附图说明
并入本说明书中并且构成本说明书的一部分的随附图式说明几个实施方案，并且连同说明书一起用以解释公开内容的原理。
图1是根据一个示例性实施方案的一种系统的示意图，所述系统用于提供有关特定患者的冠状动脉血流的各种信息；
图2是根据一个示例性实施方案的一种方法的流程图，所述方法用于提供有关特定患者的血流的各种信息；
图3是展示图2的方法的子步骤的流程图；
图4展示根据一个示例性实施方案以非侵入方式从患者获得的成像数据；
图5展示使用图4的成像数据产生的示例性三维模型；
图6展示一层图4的成像数据的一部分，包括用于形成第一初始模型的种子；
图7展示通过扩展图6的种子形成的第一初始模型的一部分；
图8展示根据一个示例性实施方案的经过修剪的实体模型；
图9展示当患者休息时的示例性计算FFR(cFFR)模型；
图10展示当患者处于最大充血时的示例性cFFR模型；
图11展示当患者处于最大运动时的示例性cFFR模型；
图12展示根据一个示例性实施方案，提供用于形成集中参数模型的经过修剪的实体模型的一部分；
图13展示提供用于形成集中参数模型的图12的经过修剪的实体模型的中线的一部分；
图14展示提供用于形成集中参数模型的依据图12的经过修剪的实体模型形成的片段；
图15展示提供用于形成集中参数模型的以电阻器替代的图14的片段；
图16展示根据一个示例性实施方案的示例性集中参数模型，所述集中参数模型呈现在实体模型边界的流入和流出处的上游结构和下游结构；
图17展示依据图8的实体模型准备的三维网；
图18和图19展示图17的三维网的部分；
图20展示患者解剖结构的包括血流信息的模型，其中模型上的某些点由个别参考标签鉴别；
图21是在主动脉中以及在图20中鉴别的一些点处的模拟血压随时间变化的图；
图22是在图20中鉴别的各点处的模拟血流随时间变化的图；
图23是根据一个示例性实施方案的定稿报道；
图24是根据一个示例性实施方案的一种方法的流程图，所述方法用于提供有关特定患者的冠状动脉血流的各种信息；
图25展示根据一个示例性实施方案的经过修改的cFFR模型，其依据通过加宽左前降支(LAD)动脉的一部分和LCX动脉的一部分创建的实体模型来确定；
图26展示根据一个示例性实施方案，在加宽LAD动脉的一部分和左旋支(LCX)动脉的一部分之后，经过修改的模拟血流模型的一个实施例；
图27是根据一个示例性实施方案的一种方法的流程图，所述方法用于使用降阶模型来模拟各种治疗选择；
图28是根据另一示例性实施方案的一种方法的流程图，所述方法用于使用降阶模型来模拟各种治疗选择；
图29是根据一个示例性实施方案的一种方法的流程图，所述方法用于提供有关特定患者的心肌灌注的各种信息；
图30是根据另一示例性实施方案的一种方法的流程图，所述方法用于提供有关特定患者的心肌灌注的各种信息；
图31展示根据一个示例性实施方案的一种患者特异性模型，所述模型提供有关心肌灌注的各种信息；
图32是根据另一示例性实施方案的一种方法的流程图，所述方法用于提供有关特定患者的心肌灌注的各种信息；
图33是沿血管壁积累的斑块的截面图；
图34展示根据一个示例性实施方案的一种患者特异性模型，所述模型提供有关斑块脆弱性的各种信息；
图35是根据一个示例性实施方案的一种方法的流程图，所述方法用于提供有关评估特定患者的斑块脆弱性、心肌容量风险和心肌灌注风险的各种信息；
图36是展示根据一个示例性实施方案的信息的示意图，所述信息获自图35的方法；
图37是脑动脉图；
图38是根据一个示例性实施方案的一种方法的流程图，所述方法用于提供有关特定患者的颅内血流和颅外血流的各种信息；
图39是根据一个示例性实施方案的一种方法的流程图，所述方法用于提供有关特定患者的大脑灌注的各种信息；
图40是根据另一示例性实施方案的一种方法的流程图，所述方法用于提供有关特定患者的大脑灌注的各种信息；
图41是根据另一示例性实施方案的一种方法的流程图，所述方法用于提供有关特定患者的大脑灌注的各种信息；以及
图42是根据一个示例性实施方案的一种方法的流程图，所述方法用于提供有关评估特定患者的斑块脆弱性、大脑容量风险和大脑灌注风险的各种信息。
具体实施方式
现将详细参考示例性实施方案，所述示例性实施方案的实施例在随附图式中得到说明。只要可能，相同参考数字将遍及图式被使用以指相同或类似部分。这个描述是根据以下大纲来组织：
I.概述
II.获得并预处理患者特异性解剖学数据
III.依据所得解剖学数据来创建三维模型
IV.使模型为分析做准备以及确定边界条件
A.使模型为分析做准备
B.确定边界条件
i.确定降阶模型
ii.示例性集中参数模型
C.创建三维网
V.进行计算分析以及输出结果
A.进行计算分析
B.显示血压、流量和cFFR的结果
C.验证结果
D.用于提供冠状动脉血流信息的系统和方法的另一实施方案
VI.提供患者特异性治疗计划
A.使用降阶模型来比较不同治疗选择
VII.其它结果
A.评估心肌灌注
B.评估斑块脆弱性
VIII.其它应用
A,为颅内和颅外血流建模
i.评估大脑灌注
ii.评估斑块脆弱性
I.概述
在一个示例性实施方案中，方法和系统使用以非侵入方式从患者取得的信息来确定有关特定患者的血流的各种信息。所确定的信息可涉及患者冠状动脉血管结构中的血流。或者，如下文更详细地描述，所确定的信息可涉及患者血管结构(如颈动脉血管结构、周边血管结构、腹部血管结构、肾血管结构和大脑血管结构)的其它区域中的血流。冠状动脉血管结构包括在大动脉到小动脉、毛细管、小静脉、静脉等的范围内的复杂血管网状结构。冠状动脉血管结构使血液循环到心脏并在心脏内循环，并且包括主动脉2(图5)，其向多条主要冠状动脉4(图5)(例如左前降支(LAD)动脉、左旋支(LCX)动脉、右冠状(RCA)动脉等)提供血液，其还可分成动脉的分支，或主动脉2和主要冠状动脉4下游的其它类型血管的分支。因此，示例性方法和系统可确定有关主动脉、主要冠状动脉和/或主要冠状动脉下游的其它冠状动脉或血管内血流的各种信息。尽管下文讨论了主动脉和冠状动脉(和由此延伸的分支)，但所公开的方法和系统也可适用于其它类型血管。
在一个示例性实施方案中，通过公开的方法和系统确定的信息可包括但不限于主动脉、主要冠状动脉和/或主要冠状动脉下游的其它冠状动脉或血管中各种位置的各种血流特征或参数，如血液流动速度、压力(或其比率)、流动速率和FFR。这信息可用以确定病变是否具有功能意义和/或是否要治疗病变。这信息可使用以非侵入方式从患者获得的信息来确定。因此，是否要治疗病变的决定可在没有与侵入性程序相关的成本和风险下作出。
图1展示根据一个示例性实施方案的一种系统的方面，所述系统用于提供有关特定患者的冠状动脉血流的各种信息。患者解剖结构的三维模型10可使用以非侵入方式从患者获得的数据创建，如下文较详细描述。其它患者特异性信息也可以非侵入方式获得。在一个示例性实施方案中，由三维模型10表示的患者解剖结构的部分可包括主动脉的至少一部分，和与主动脉连接的主要冠状动脉(和由此延伸或发源的分支)的邻近部分。
有关冠状动脉血流的各种生理规律或关系20可例如从实验数据推导，如下文较详细描述。使用三维解剖模型10和所推导的生理规律20，有关冠状动脉血流的多个等式30可如下文较详细描述来确定。举例来说，等式30可使用任何数值方法(例如有限差分方法、有限体积方法、光谱方法、晶格波耳兹曼(lattice Boltzmann)方法、基于颗粒的方法、水平集(level set)方法、有限元方法等)来确定和求解。等式30可能是可求解的以便确定关于在由模型10表示的解剖结构中各种点的患者解剖结构中冠状动脉血流的信息(例如压力、速度、FFR等)。
等式30可使用计算机40来求解。依据已求解的等式，计算机40可输出一个或多个图像或模拟结果，其指示有关由模型10表示的患者解剖结构中血流的信息。举例来说，图像可包括模拟血压模型50、模拟血液流量或速度模型52、计算FFR(cFFR)模型54等，如下文将更详细地描述。模拟血压模型50、模拟血流模型52和cFFR模型54提供关于以下的信息：在由模型10表示的患者解剖结构中沿三维的各种位置的各别压力、速度和cFFR。在冠状动脉血流增大(例如常规地由静脉内施用腺苷所诱导)的条件下，cFFR可计算为模型10中具体位置的血压除以主动脉中(例如在模型10的流入边界处)的血压的比率。
在一个示例性实施方案中，计算机40可包括一个或多个存储指令的非临时性计算机可读存储设备，所述指令当由处理器、计算机系统等执行时可进行任一本文所述的用于提供有关患者血流的各种信息的行为。计算机40可包括台式计算机或便携式计算机、工作站、服务器、个人数字助理或任何其它计算机系统。计算机40可包括处理器，只读存储器(ROM),随机存取存储器(RAM),用于连接外围设备(例如输入设备，输出设备，存储设备等)的输入/输出(I/O)适配器，用于连接输入设备，如键盘，鼠标，触摸屏，语音输入，和/或其他设备的用户界面适配器，用于连接计算机40至网络的通讯适配器，用于连接计算机40至显示器的显示器适配器等。举例来说，显示器可用以显示三维模型10和/或通过求解等式30产生的任何图像，如模拟血压模型50、模拟血流模型52和/或cFFR模型54。
图2展示根据另一示例性实施方案的一种方法的方面，所述方法用于提供有关特定患者的血流的各种信息。方法可包括获得患者特异性解剖学数据，如关于以下的信息：患者解剖结构(例如主动脉的至少一部分和与主动脉连接的主要冠状动脉的邻近部分(和由此延伸的分支))，以及预处理所述数据(步骤100)。患者特异性解剖学数据可以非侵入方式，例如通过CCTA获得，如下文将描述。
患者解剖结构的三维模型可依据所得解剖学数据创建(步骤200)。举例来说，三维模型可为上文关于图1描述的患者解剖结构的三维模型10。
可使三维模型为分析做准备，并且可确定边界条件(步骤300)。举例来说，上文关于图1描述的患者解剖结构的三维模型10可被修剪并且离散化成体积网(volumetricmesh)，例如有限元网或有限体积网。体积网可用以产生上文关于图1描述的等式30。
边界条件也可被赋值并且并入上文关于图1描述的等式30中。边界条件提供关于三维模型10在它边界处的信息，例如流入边界322(图8)、流出边界324(图8)、血管壁边界326(图8)，等。流入边界322可包括流被引入三维模型的解剖结构中所经过的边界，如在接近主动脉根的主动脉末端(例如图16中所示的A端)。各流入边界322可例如用速度、流动速率、压力或其它特征的指定值或值域、通过将心脏模型和/或集中参数模型与边界偶合等来赋值。流出边界324可包括流被向外引出三维模型的解剖结构所经过的边界，如在接近主动脉弓的主动脉末端(例如图16中所示的B端)，以及主要冠状动脉和由此延伸的分支的下游末端(例如图16中所示的a-m端)。各流出边界可例如通过偶合集中参数或分布(例如一维波传播)模型来赋值，所述模型将在下文详细描述。流入和/或流出边界条件的指定值可通过以非侵入方式测量患者生理学特征来确定，患者生理学特征如但不限于心输出量(来自心脏的血流体积)、血压、心肌质量，等。血管壁边界可包括三维模型10的主动脉、主要冠状动脉和/或其它冠状动脉或血管的实体边界。
计算分析可使用所准备的三维模型和所确定的边界条件来进行(步骤400)以确定患者的血流信息。举例来说，计算分析可用等式30并且使用上文关于图1描述的计算机40来进行，以产生上文关于图1描述的图像，如模拟血压模型50、模拟血流模型52和/或cFFR模型54。
方法还可包括使用结果来提供患者特异性治疗选择(步骤500)。举例来说，在步骤200中创建的三维模型10和/或在步骤300中赋值的边界条件可得到调整，以便为一种或多种治疗(例如将冠状动脉血管内支架放在三维模型10中呈现的冠状动脉之一中)或其它治疗选择建模。接着，计算分析可如上在步骤400中所述来进行，以产生新图像，如更新版本的血压模型50、血流模型52和/或cFFR模型54。如果采用所述治疗选择，那么这些新图像可用以确定血液流动速度和压力的变化。
本文公开的系统和方法可并入医师可得的软件工具中，以提供定量冠状动脉中的血流并且评估冠状动脉疾病的功能意义的非侵入性手段。另外，医师可使用软件工具来预测医药治疗、介入治疗和/或手术治疗对冠状动脉血流的影响。软件工具可预防、诊断、管理和/或治疗心血管系统的其它部分的疾病，所述其它部分包括颈部动脉(例如颈动脉)、头部动脉(例如脑动脉)、胸部动脉、腹部动脉(例如腹主动脉和它的分支)、臂动脉或腿动脉(例如大腿动脉和腿弯部动脉)。软件工具可具有互动性以使医师能够为患者产生最优的个人化疗法。
举例来说，软件工具可至少部分并入医师或其它用户使用的计算机系统，例如图1中所示的计算机40中。计算机系统可接收以非侵入方式从患者获得的数据(例如用以创建三维模型10的数据、用以应用边界条件或进行计算分析的数据，等)。举例来说，数据可由医师输入或可从能够存取和提供所述数据的另一来源(如放射实验室或其它医药实验室)接收。数据可经由网络或用于传递数据的其它系统传输，或直接传入计算机系统。软件工具可使用所述数据以产生并显示三维模型10或其它模型/网和/或任何模拟或其它结果(通过求解上文关于图1描述的等式30来确定)，如模拟血压模型50、模拟血流模型52和/或cFFR模型54。因此，软件工具可进行步骤100-500。在步骤500中，医师可向计算机系统提供其它输入以选择可能的治疗选择，并且计算机系统可向医师显示依据所选可能的治疗选择的新模拟。此外，图2中所示的步骤100-500中每一个都可使用单独软件包或软件模块来进行。
或者，软件工具可作为基于网络的服务或其它服务(例如与医师分开的实体提供的服务)的部分来提供。服务提供者可例如操作基于网络的服务，并且可提供网络入口或其它基于网络的应用程序(例如在服务器或由服务提供者操作的其它计算机系统上运行)，所述网络入口或其它基于网络的应用程序为医师或其它用户经由网络或在计算机系统之间传递数据的其它方法可得。举例来说，以非侵入方式从患者获得的数据可提供给服务提供者，并且服务提供者可使用所述数据来产生三维模型10或其它模型/网和/或任何模拟或其它结果(通过求解上文关于图1描述的等式30来确定)，如模拟血压模型50、模拟血流模型52和/或cFFR模型54。接着，基于网络的服务可传输有关三维模型10或其它模型/网和/或模拟的信息，以便三维模型10和/或模拟可在医师的计算机系统上向医师显示。因此，基于网络的服务可进行步骤100-500和用于提供患者特异性信息的下述任何其它步骤。在步骤500中，医师可提供其它输入，例如以选择可能的治疗选择或对计算分析进行其它调整，并且输入可被传输到由服务提供者操作的计算机系统(例如经由网络入口)。基于网络的服务可依据所选的可能治疗选择来产生新的模拟或其它结果，并且可将有关新模拟的信息传回医师，以便新模拟可向医师显示。
应了解，本文所述的步骤中一个或多个可由以下进行：一个或多个人操作员(例如心脏病专家或其它医师、患者、提供基于网络的服务或其它由第三方提供的服务的服务提供者的员工、其它用户等)，或一个或多个由所述人操作员使用的计算机系统，如台式计算机或手提式计算机、工作站、服务器、个人数字助理，等。可经由网络或传递数据的其它方法来连接计算机系统。
图3展示示例性方法的其它方面，所述示例性方法用于提供有关特定患者的血流的各种信息。图3中所示的方面可并入软件工具中，所述软件工具可至少部分并入计算机系统中和/或作为基于网络的服务的部分。
II.获得并预处理患者特异性解剖学数据
如上关于图2中所示的步骤100所述，示例性方法可包括获得患者特异性解剖学数据，如关于患者心脏的信息，以及预处理所述数据。在一个示例性实施方案中，步骤100可包括以下步骤。
最初，可选择患者。举例来说，当医师确定需要关于患者冠状动脉血流的信息时，例如，如果患者经历与冠状动脉疾病相关的症状，如胸痛、心脏病发作等，那么患者可由医师选择。
可获得患者特异性解剖学数据，如关于患者心脏的几何形状的数据，所述几何形状例如为患者主动脉的至少一部分、与主动脉连接的主要冠状动脉(和由此延伸的分支)的邻近部分，以及心肌。患者特异性解剖学数据可以非侵入方式，例如使用非侵入性成像方法获得。举例来说，CCTA是一种成像方法，其中用户可操作计算机断层摄影(CT)扫描仪来观察和创建结构图像，所述结构例如是心肌、主动脉、主要冠状动脉和与其连接的其它血管。CCTA数据可随时间变化，例如来展示血管形状在心动周期内的变化。CCTA可用以产生患者心脏的图像。举例来说，可获得64层CCTA数据，例如有关患者心脏的64层的数据，并且将所述数据收集到三维图像中。图4展示由64层CCTA数据产生的三维图像120的一个实施例。
或者，其它非侵入性成像方法，如磁共振成像(MRI)或超声波(US)，或侵入性成像方法，如数字减影血管造影(DSA)可用以产生患者解剖学结构的图像。成像方法可涉及向患者静脉内注射对比剂以实现解剖学结构的鉴别。所得成像数据(例如由CCTA、MRI等提供)可由第三方供应者提供，如由放射学实验室或心脏病专家，由患者医师等提供。
其它患者特异性解剖学数据还可以非侵入方式从患者确定。举例来说，可测量生理学数据，如患者的血压、基线心率、身高、体重、血细胞比容、心搏量等。血压可为患者肱动脉中的血压(例如使用压力袖套)，如最大(收缩)压力和最小(舒张)压力。
如上所述获得的患者特异性解剖学数据可经安全通信线(例如经由网络)转移。举例来说，数据可被转移到服务器或用于进行计算分析(例如上文在步骤400中描述的计算分析)的其它计算机系统。在一个示例性实施方案中，数据可被转移到服务器或由提供基于网络的服务的服务提供者操作的其它计算机系统。或者，数据可被转移到由患者的医师或其它用户操作的计算机系统。
回头参考图3，可检查所转移的数据以确定数据是否为可接受的(步骤102)。所述确定可由用户和/或由计算机系统进行。举例来说，所转移的数据(例如CCTA数据和其它数据)可由用户和/或由计算机系统验证，例如以确定CCTA数据是否完整(例如包括主动脉和主要冠状动脉的足够部分)并且对应于正确患者。
所转移的数据(例如CCTA数据和其它数据)还可得到预处理和评估。预处理和/或评估可由用户和/或计算机系统进行，并且可包括例如检查CCTA数据中的重合失调(misregistration)、不一致或模糊、检查CCTA数据中所示的血管内支架、检查可能妨碍血管内腔可视性的其它人工制品、检查患者的结构(例如主动脉、主要冠状动脉和其它血管)与其它部分之间的足够对比，等。
可评价所转移的数据以依据上述验证、预处理和/或评估来确定数据是否可接受。在上述验证、预处理和/或评估期间，用户和/或计算机系统也许能校正数据的某些错误或问题。然而，如果有太多错误或问题，那么可确定数据为不可接受，并且用户和/或计算机系统可产生拒绝报告，所述拒绝报告解释错误或问题迫使拒绝所转移的数据。任选地，可进行新的CCTA扫描和/或可再次从患者测量上述生理学数据。如果确定所转移的数据为可接受的，那么所述方法可往下进行到下述步骤202。
因此，图3中所示并且上文描述的步骤102可被视为图2的步骤100的子步骤。
III.依据所得解剖学数据来创建三维模型
如上文关于图2中所示的步骤200所述，示例性方法可包括依据所得解剖学数据来创建三维模型。在一个示例性实施方案中，步骤200可包括以下步骤。
可使用CCTA数据来产生冠状血管的三维模型。图5展示使用CCTA数据产生的三维模型220的表面的一个实施例。举例来说，模型220可包括例如主动脉的至少一部分、一根或多根与主动脉的所述部分连接的主要冠状动脉的至少邻近部分，一根或多根与主要冠状动脉连接的分支的至少邻近部分，等。主动脉、主要冠状动脉和/或分支的建模部分可互连并且为枝状以使没有哪部分从模型220的其余部分断开。形成模型220的方法称为分割。
回头参考图3，计算机系统可自动分割主动脉的至少一部分(步骤202)并且分割心肌(或其它心脏组织，或与待建模的动脉连接的其它组织)的至少一部分(步骤204)。计算机系统还可分割与主动脉连接的主要冠状动脉的至少一部分。在一个示例性实施方案中，计算机系统可允许用户选择一个或多个冠状动脉根或起始点(步骤206)以分割主要冠状动脉。
分割可使用各种方法进行。分割可由计算机系统依据用户输入或在无用户输入下自动进行。举例来说，在一个示例性实施方案中，用户可向计算机系统提供输入以产生第一初始模型。举例来说，计算机系统可向用户显示从CCTA数据产生的三维图像120(图4)或其层。三维图像120可包括变化强度的光的部分。举例来说，较亮区域可指示主动脉、主要冠状动脉和/或分支的内腔。较暗区域可指示患者心脏的心肌和其它组织。
图6展示可向用户显示的三维图像120的层222的一部分，并且层222可包括具有相对亮度的区域224。计算机系统可允许用户通过添加一种或多种种子226来选择相对亮度的区域224，并且种子226可充当用于分割主要冠状动脉的冠状动脉根或起始点。在用户作出指令时，计算机系统则可使用种子226作为起始点以形成第一初始模型。用户可将种子226加入主动脉和/或个别主要冠状动脉中一根或多根中。任选地，用户还可将种子226加入与主要冠状动脉连接的分支中一根或多根中。或者，计算机系统可例如使用提取的中线信息来自动放置种子。计算机系统可确定图像120的强度值，其中种子226已被放置并且可如下形成第一初始模型：沿具有相同强度值(或在集中于所选强度值的强度值的范围或临限值内)的图像120的部分扩展种子226。因此，这种分割方法可被称作“基于临限值的分割”。
图7展示通过扩展图6的种子226形成的第一初始模型的一部分230。因此，用户输入种子226作为计算机系统开始形成第一初始模型的起始点。可重复这种方法直到整个目标部分(例如主动脉和/或主要冠状动脉的部分)被分割为止。或者，第一初始模型可由计算机系统在没有用户输入下产生。
或者，分割可使用一种称为“基于边缘的分割”的方法进行。在一个示例性实施方案中，基于临限值的割方法和基于边缘的分割方法可如下文将描述来进行，以形成模型220。
第二初始模型可使用基于边缘的分割方法来形成。用这种方法可使主动脉和/或主要冠状动脉的内腔边缘定位。举例来说，在一个示例性实施方案中，用户可向计算机系统提供输入，例如，如上所述的种子226，以产生第二初始模型。计算机系统可沿图像120的部分扩展种子226直到达到边缘为止。内腔边缘可例如由用户以视觉定位，和/或由计算机系统定位(例如在强度值变化在设定临限值以上的位置)。基于边缘的分割方法可由计算机系统和/或用户进行。
心肌或其它组织也可在步骤204中依据CCTA数据来分割。举例来说，可分析CCTA数据来确定心肌(例如左心室和/或右心室)内表面和外表面的位置。表面位置可依据在CCTA数据中，心肌相比心脏其它结构的对比度(例如相对明暗度)来确定。因此，可确定心肌的几何形状。
必要时可检查和/或校正主动脉、心肌和/或主要冠状动脉的分割(步骤208)。检查和/或校正可由计算机系统和/或用户进行。举例来说，在一个示例性实施方案中，如果有任何错误，例如，如果模型220中主动脉、心肌和/或主要冠状动脉的任何部分被遗漏或不精确，那么计算机系统可自动检查分割，并且用户可手动校正分割。
举例来说，可比较上述第一初始模型和第二初始模型以确保主动脉和/或主要冠状动脉的分割是精确的。第一初始模型和第二初始模型之间的差异的任何区域都可加以比较以校正分割并且形成模型220。举例来说，模型220可为第一初始模型和第二初始模型之间的平均。或者，可进行上述分割方法中的仅一种，并且通过所述方法形成的初始模型可用作模型220。
可计算心肌质量(步骤240)。计算可由计算机系统进行。举例来说，心肌体积可依据如上所述确定的心肌表面位置来计算，并且所计算的心肌体积可乘以心肌密度来计算心肌质量。心肌密度可预设。
模型220(图5)的各种血管(例如主动脉、主要冠状动脉等)的中线可得到确定(步骤242)。在一个示例性实施方案中，所述确定可由计算机系统自动进行。
必要时可检查和/或校正在步骤242中确定的中线(步骤244)。检查和/或校正可由计算机系统和/或用户进行。举例来说，在一个示例性实施方案中，如果有任何错误，例如，如果任何中线被遗漏或不精确，那么计算机系统可自动检查中线，并且用户可手动校正中线。
可检测到钙或斑块(导致血管变窄)(步骤246)。在一个示例性实施方案中，计算机系统可自动检测斑块。举例来说，斑块可在三维图像120中检测到并且从模型220去除。斑块可三维图像120中的鉴别出，因为斑块显现为比主动脉、冠状动脉和/或分支的内腔甚至更亮的区域。因此，斑块可由计算机系统检测为具有低于设定值的强度值，或可由用户视觉检测到。在检测到斑块之后，计算机系统可从模型220去除斑块，以便斑块不会被认为是血管中内腔或开放空间的部分。或者，计算机系统可使用不同于主动脉、主要冠状动脉和/或分支的颜色、色调(shading)或其它视觉指示物来指示模型220上的斑块。
计算机系统也可自动分割检测到的斑块(步骤248)。举例来说，斑块可依据CCTA数据来分割。可分析CCTA数据以依据CCTA数据中斑块相比心脏其它结构的对比(例如相对明暗度)来定位斑块(或其表面)。因此，也可确定斑块的几何形状。
必要时可检查和/或校正斑块的分割(步骤250)。检查和/或校正可由计算机系统和/或用户进行。举例来说，在一个示例性实施方案中，如果有任何错误，例如，如果任何斑块被遗漏或展示不精确，那么计算机系统可自动检查分割，并且用户可手动校正分割。
计算机系统可自动分割与主要冠状动脉连接的分支(步骤252)。举例来说，分支可使用类似于用于分割主要冠状动脉(例如图6和图7中所示)并且上文关于步骤206描述的方法来分割。计算机系统也可使用与上文关于步骤248和步骤250所述类似的方法自动分割经过分割的分支中的斑块。或者，分支(和其中所含的任何斑块)可与主要冠状动脉同时被分割(例如在步骤206中)。
必要时可检查和/或校正分支的分割(步骤254)。检查和/或校正可由计算机系统和/或用户进行。举例来说，在一个示例性实施方案中，如果有任何错误，例如，如果模型220中分支的任何部分被遗漏或不精确，那么计算机系统可自动检查分割，并且用户可手动校正分割。
如果定位任何重合失调、血管内支架或其它人工制品(例如在步骤102中检查CCTA数据期间)，那么都可校正模型220(步骤256)。所述校正可由用户和/或由计算机系统进行。举例来说，如果定位重合失调或其它人工制品(例如影响内腔可视性的不一致、模糊、人工制品，等)，那么可检查和/或校正模型220以避免血管截面积的人为变化或错误变化(例如人为变窄)。如果定位血管内支架，那么可检查和/或校正模型220以指示血管内支架的位置和/或例如依据血管内支架的尺寸来校正定位血管内支架的血管的截面积。
也可独立检查模型220的分割(步骤258)。所述检查可由用户和/或由计算机系统进行。举例来说，用户和/或计算机系统也许能鉴别模型220的某些错误，如可校正错误和/或可能需要模型220至少部分重做或重分割的错误。如果鉴别出所述错误，那么分割可确定为不可接受，并且某些步骤，例如步骤202-208、步骤240-256中一个或多个会取决于错误而被重复。
如果模型220的分割被独立地验证为可接受，那么任选地，模型220可被输出并且光滑化(步骤260)。所述光滑化可由用户和/或由计算机系统进行。举例来说，隆起、点或其它不连续部分可得到光滑化。可将模型220输出到准备用于计算分析等的单独软件模块。
因此，可将图3中展示并且上文描述的步骤202-208和步骤240-260视为图2的步骤200的子步骤。
IV.使模型为分析做准备以及确定边界条件
如上文关于图2中所示的步骤300所述，示例性方法可包括使模型为分析做准备以及确定边界条件的模型。在一个示例性实施方案中，步骤300可包括以下步骤。
A.使模型为分析做准备
回头参考图3，也可确定模型220(图5)的各种血管(例如主动脉、主要冠状动脉和/或分支)的截面积(步骤304)。在一个示例性实施方案中，所述确定可由计算机系统进行。
可修剪(步骤306)模型220(图5)并且可产生实体模型。图8展示依据类似于图5中所示的模型220的模型所准备的经过修剪的实体模型320的一个实施例。实体模型320是三维患者特异性几何模型。在一个示例性实施方案中，修剪可由计算机系统在有或无用户输入下进行。可修剪流入边界322和流出边界324中每一个，以便表面形成垂直于在步骤242中确定的中线的各别边界。流入边界322可包括流被引入模型320的解剖结构中所经过的边界，如在主动脉的上游端，如图8中所示。流出边界324可包括流被向外引出模型320的解剖结构中所经过的边界，如在主动脉的下游端和主要冠状动脉和/或分支的下游端。
B.确定边界条件
可提供边界条件以描述在模型(例如图8的三维实体模型320)的边界处在发生什么。举例来说，边界条件可涉及至少一个与患者建模解剖结构相关、例如在建模解剖结构的边界处的血流特征，并且血流特征可包括血液流动速度、压力、流动速率、FFR等。通过适当确定边界条件，可进行计算分析以确定在模型内各种位置的信息。现将描述边界条件和用于确定所述边界条件的方法的实施例。
在一个示例性实施方案中，所确定的边界条件可将由实体模型320表示的血管的部分的上游结构和下游结构简化成一维或二维降阶模型。用于确定边界条件的一组示例性等式和其它细节公开于例如美国专利申请公布号2010/0241404和美国临时申请号61/210,401中，这两个专利的标题都是“心血管系统的患者特异性血液动力学(Patient-SpecificHemodynamics of the Cardiovascular System)”并且以引用的方式整体并入本文中。
边界条件可取决于患者生理条件而变化，因为经过心脏的血流可取决于患者生理条件而不同。举例来说，FFR通常在充血生理条件下测量，充血一般在患者例如因应激等而经历心脏血流增大时发生。FFR是在最大应激条件下冠状动脉压与主动脉压的比率。充血也可以药理学方式，例如用腺苷诱导。图9-11展示计算FFR(cFFR)模型的实施例，其指示模型320中冠状动脉压与主动脉压的比率变化，所述变化取决于患者生理条件(在休息时、在最大充血下，或在最大运动下)。图9展示在整个模型320中，当患者休息时，冠状动脉压与主动脉压的比率的最小变化。图10展示在整个模型320中，当患者经历最大充血时，冠状动脉压与主动脉压的比率的较大变化。图11展示在整个模型320中，当患者经历最大运动时，冠状动脉压与主动脉压的比率的甚至更大变化。
回头参考图3，可确定充血条件的边界条件(步骤310)。在一个示例性实施方案中，腺苷的作用可使冠状动脉阻力降为1/5-1、主动脉血压降低约0-20％并且使心跳速率增大约0-20％来建模。举例来说，腺苷的作用可使冠状动脉阻力降为1/4、主动脉血压降低约10％并且使心跳速率增大约10％来建模。尽管在示例性实施方案中确定了充血条件的边界条件，但应了解，也可确定其它生理状态的边界条件，其它生理状态如为休息、不同程度充血、不同程度运动、用力、应激或其它条件。
边界条件提供关于三维实体模型320在它边界处的信息，例如流入边界322、流出边界324、血管壁边界326等，如图8中所示。血管壁边界326可包括模型320的主动脉、主要冠状动脉和/或其它冠状动脉或血管的实体边界。
各流入边界322或流出边界324可被赋予速度、流动速率、压力或其它血流特征的指定值或值域。或者，各流入边界322或流出边界324可通过使心脏模型与边界偶合、集中参数或分布(例如一维波传播)模型、另一类型的一维或二维模型或其它类型模型来赋值。特定边界条件可依据以下来确定：例如从所得患者特异性信息确定的流入边界322或流出边界324的几何形状，或其它测量参数，如心输出量、血压、在步骤240中计算的心肌质量，等。
i.确定降阶模型
与实体模型320连接的上游结构和下游结构可呈现为降阶模型，所述降阶模型呈现上游结构和下游结构。举例来说，图12-15展示根据一个示例性实施方案的一种方法的方面，所述方法用于从在流出边界324之一的三维患者特异性解剖学数据来准备集中参数模型。方法可与图2和图3中所示的方法分开进行以及在图2和图3中所示的方法之前进行。
图12展示主要冠状动脉之一或由此延伸的分支的实体模型320的一部分330，并且图13展示图12中所示的部分330的在步骤242中确定的中线的部分。
部分330可分成片段332。图14展示片段332的一个实施例，片段332可由部分330形成。片段332的长度选择可由用户和/或计算机系统进行。取决于例如片段332的几何形状，片段332的长度可变化。使用各种技术可来分割部分330。举例来说，可在一个或多个单独片段332中提供患病部分(例如截面相对较窄的部分)、病变和/或狭窄(血管异常变窄)。患病部分和狭窄可例如通过沿中线长度测量截面积以及计算局部最小截面积来鉴别。
片段332可由电路图来近似，所述电路图包括一个或多个(线性或非线性)电阻器334和/或其它电路元件(例如电容器、感应器等)。图15展示以一系列线性和非线性电阻器334替代的片段332的一个实施例。电阻器334的个别电阻可例如依据在相应片段332上的估计流量和/或压力来确定。
阻力可为恒定、线性或非线性的，例如取决于经过相应片段332的估计流动速率。对复杂几何形状(如狭窄)来说，阻力可随流动速率而变化。各种几何形状的阻力可依据计算分析(例如有限差分方法、有限体积方法、光谱方法、晶格波耳兹曼方法、基于颗粒的方法、水平集方法、等几何方法或有限元方法，或其它计算流体动力学(CFD)分析技术)来确定，并且在不同流量和压力条件下进行的计算分析的多重解可用以得出患者特异性阻力、血管特异性阻力和/或病变特异性阻力。结果可用以确定可被建模的任何片段的各种类型特征和几何形状的阻力。因此，如上所述得出患者特异性阻力、血管特异性阻力和/或病变特异性阻力可允许计算机系统识别并评价较复杂几何形状，如不对称狭窄、多种病变、在分叉和分支和扭曲血管等处的病变。
还可包括电容器，并且电容可例如依据相应片段的血管壁的弹性来确定。可包括感应器，并且感应系数可例如依据惯性作用来确定，所述惯性作用与流经相应片段的血体积的加速度或减速度有关。
电阻、电容、感应系数和与集中参数模型中所用的其它电组件相关的其它变量的个别值可依据来自许多患者的数据得出，并且类似血管几何形状可具有类似值。因此，经验模型可从大量患者特异性数据产生，从而创建对应于特定几何特征的值的文库，所述值文库可在未来分析中应用于类似患者。几何形状可在两个不同血管片段之间匹配以自动选择来自先前模拟的患者的片段332的值。
ii.示例性集中参数模型
或者，代替进行上文关于图12-15描述的步骤，可预设集中参数模型。举例来说，图16展示集中参数模型340、350、360的实施例，所述集中参数模型呈现在实体模型320的流入边界322和流出边界324处的上游结构和下游结构。A端位于流入边界322，并且a-m端和B端位于流出边界。
集中参数心脏模型340可用以确定在实体模型320的流入边界322的A端的边界条件。集中参数心脏模型340可用以呈现在充血条件下来自心脏的血流。集中参数心脏模型340包括各种参数(例如PLA、RAv、LAv、Rv-Art、LV-Art和E(t))，所述各种参数可依据关于患者的已知信息来确定，所述已知信息例如是关于主动脉压、患者的收缩血压和舒张血压(例如在步骤100中测定)、患者的心输出量(来自心脏的血流的体积，例如依据在步骤100中测定的患者的心搏量和心率来计算)，和/或用实验方式确定的常数。
集中参数冠状动脉模型350可用以确定在实体模型320的流出边界324的a-m端的边界条件，所述实体模型320位于主要冠状动脉和/或由此延伸的分支的下游末端。集中参数冠状动脉模型350可用以呈现在充血条件下经过a-m端离开建模血管的血流。集中参数冠状动脉模型350包括各种参数(例如Ra、Ca、Ra-micro、Cim和Rv)，所述各种参数可依据关于患者的已知信息来确定，所述已知信息例如是计算心肌质量(例如在步骤240中确定)和a-m端终端阻抗(例如依据在步骤304中确定的血管在a-m端的截面积来确定)。
举例来说，计算心肌质量可用以估计经过多个流出边界324的基线(休息)平均冠状动脉流。这种关系可依据用实验方式得出的生理规律(例如图1的生理规律20)，所述生理规律将平均冠状动脉流Q与心肌质量M(例如在步骤240中确定)关联为Q∝QoMα，其中α是预设标度指数并且Qo是预设常数。在基线(休息)条件下流出边界324的总冠状动脉流Q以及患者的血压(例如在步骤100中测定)则可用以依据预设的用实验方式得出的等式来确定在流出边界324的总阻力R。
总阻力R可依据a-m端的各别截面积(例如在步骤304中测定)在a-m端分布。这种关系可依据用实验方式得出的生理规律(例如图1的生理规律20)，所述生理规律将a-m端的各别阻力关联为Ri∝Ri,odi β，其中Ri是在i-th出口的流动阻力，并且Ri,o是预设常数，di是出口直径，并且β是预设幂律指数，例如在-3与-2之间，冠状动脉流为-2.7，大脑流为-2.9，等。经过个别a-m端的冠状动脉流以及在个别a-m端的平均压力(例如依据血管a-m端的个别截面积来确定，如在步骤304中测定)可用以确定集中参数冠状动脉模型350在相应a-m端的阻力的和(例如Ra+Ra-micro+Rv)。其它参数(例如Ra/Ra-micro、Ca、Cim)可为用实验方式确定的常数。
弹性贮器(Windkessel)模型360可用以确定在实体模型320的流出边界324的B端的边界条件，所述实体模型320位于朝着主动脉弓的主动脉的下游端。弹性贮器模型360可用以呈现在充血条件下经过B端离开建模主动脉的血流。弹性贮器模型360包括各种参数(例如Rp、Rd和C)，所述各种参数可依据关于患者的已知信息来确定，所述已知信息例如是上文关于集中参数心脏模型340描述的患者的心输出量、上文关于集中参数冠状动脉模型350描述的基线平均冠状动脉流、主动脉压(例如依据主动脉B端的截面积确定，如在步骤304中确定)，和/或用实验方式确定的常数。
边界条件，例如集中参数模型340、350、360(或其中包括的任一常数)或其它降阶模型可依据其它因素做调整。举例来说，如果患者的流量与血管尺寸比因在生理应激下血管扩张能力相对减小而较低，那么可调整(例如增大)阻力值。如果患者患有糖尿病、处于医药治疗、以往已经历心脏事件等，那么也可调整阻力值。
替代性集中参数模型或分布模型、一维网络模型可用以呈现实体模型320下游的冠状血管。使用MRI、CT、PET或SPECT进行的心肌灌注成像可用以对所述模型的参数赋值。而且，替代性成像来源，例如磁共振血管造影术(MRA)、回顾性电影门控或前瞻性电影门控计算机断层摄影血管造影术(CTA)等可用以对所述模型的参数赋值。回顾性电影门控可与图像处理方法组合以在心动周期内获得心室腔容量变化，以便为集中参数心脏模型的参数赋值。
使用集中参数模型340、350、360或其它降阶一维或二维模型来简化患者解剖结构的一部分使得计算分析(例如下述图3的步骤402)较快速地进行，特别是当计算分析进行多次时，如当除未经处理的状态(例如图2和图3的步骤400)以外，还评价可能的治疗选择(例如图2的步骤500)，同时使最终结果维持高精度时。
在一个示例性实施方案中，边界条件的确定可由计算机系统依据用户输入(如在步骤100中获得的患者特异性生理学数据)来进行。
C.创建三维网
回头参考图3，可依据在步骤306中产生的实体模型320产生三维网(步骤312)。图17-19展示三维网380的一个实施例，所述三维网380是依据在步骤306中产生的实体模型320来准备。网380沿实体模型320的表面和在实体模型320的整个内部包括多个节点382(网点或格点)。如图18和图19中所示，网380可创建为具有四面体元(具有形成节点382的点)。或者，可使用具有其它形状的元，例如六面体或其它多面体、曲线元，等。在一个示例性实施方案中，节点382的数目可为百万，例如五百万至五千万。节点382的数目随着网380变细而增大。节点382数目越多，则可在模型320内更多点提供信息，但计算分析可能要运行更久，因为节点382的较大数目会增大待求解等式(例如图1中所示的等式30)的数目。在一个示例性实施方案中，网380的产生可由计算机系统在有或无用户输入(例如规定节点382的数目、元形状，等)下进行。
回头参考图3，可验证网380和所确定的边界条件(步骤314)。所述验证可由用户和/或由计算机系统进行。举例来说，用户和/或计算机系统也许能鉴别网380和/或边界条件的某些错误，例如，如果网380扭曲或不具有足够空间分辨率、如果边界条件不足以进行计算分析、如果在步骤310中确定的阻力不正确等，那么所述错误需要网380和/或边界条件被重做。如果是这样的话，那么可确定网380和/或边界条件为不可接受，并且可重复步骤304-314中一个或多个。如果网380和/或边界条件确定为可接受，那么所述方法可往下进行到下述步骤402。
另外，用户可检查所得患者特异性信息或其它测量参数，如心输出量、血压、身高、体重、在步骤240中计算的心肌质量得到正确输入和/或正确计算。
因此，图3中所示并且上文描述的步骤304-314可被视为图2的步骤300的子步骤。
V.进行计算分析以及输出结果
如上文关于图2中所示的步骤400所述，示例性方法可包括进行计算分析以及输出结果。在一个示例性实施方案中，步骤400可包括以下步骤。
A.进行计算分析
参考图3，计算分析可由计算机系统进行(步骤402)。在一个示例性实施方案中，步骤402可持续数分钟至数小时，取决于例如网380中节点382(图17-19)的数目，等。
分析涉及产生一系列等式，所述等式描述产生网380的模型320中的血流。如上所述，在示例性实施方案中，所需信息涉及在充血条件下经过模型320的血流的模拟。
分析还涉及使用计算机系统来使用数值方法来求解血流的三维等式。举例来说，数值方法可为已知方法，如有限差分方法、有限体积方法、光谱方法、晶格波耳兹曼方法、基于颗粒的方法、水平集方法、等几何方法或有限元方法，或其它计算流体动力学(CFD)数值技术。
使用这些数值方法，可将血液建模为牛顿流体、非牛顿流体或多相流体。在步骤100中测量的患者的血细胞比容或其它因素可用以确定用于并入分析中的血液粘度。可假设血管壁是刚性或顺从的。在后一情况下，壁动力学的等式，例如弹性动力学等式可连同血流等式一起求解。在步骤100中获得的时变三维成像数据可用作输入，以便为血管形状在心动周期内的变化建模。用于进行计算分析的一组示例性等式和步骤更详细地公开于以下中：例如标题为“Method for Predictive Modeling for Planning MedicalInterventions and Simulating Physiological Conditions”的美国专利号6,236,878，和标题都为“Patient-Specific Hemodynamics of the Cardiovascular System”的美国专利申请公布号2010/0241404和美国临时申请号61/210,401，所有这些专利都以引用的方式整体并入本文中。
使用所准备的模型和边界条件的计算分析可确定呈现三维实体模型320的网380的节点382中每一处的血液流量和压力。举例来说，计算分析的结果可包括节点382中每一处的各种参数的值，所述各种参数如但不限于各种血流特征或参数，如血液流动速度、压力、流动速率，或计算参数，如cFFR，如下所述。参数也可在三维实体模型320上内插。因此，计算分析的结果可向用户提供通常可能以侵入方式确定的信息。
回头参考图3，可验证计算分析的结果(步骤404)。所述验证可由用户和/或由计算机系统进行。举例来说，用户和/或计算机系统也许能鉴别出某些错误，例如，如果节点382的数目不足导致信息不足、如果节点382的数目过量导致分析费时太久，那么结果是需要网380和/或边界条件重做或修正。
如果计算分析的结果在步骤404中确定为不可接受，那么用户和/或计算机系统可确定例如是否以及如何修正或改进在步骤306中产生的实体模型320和/或在步骤312中产生的网380、是否以及如何修正在步骤310中确定的边界条件，或是否对用于计算分析的任一输入进行其它修正。接着，可依据所确定的修正或改进来重复一个或多个上述步骤，例如步骤306-314、402和404。
B.显示血压、流量和cFFR的结果
回头参考图3，如果计算分析的结果在步骤404中确定为可接受，那么计算机系统可输出计算分析的某些结果。举例来说，计算机系统可显示依据计算分析结果产生的图像，如上文关于图1描述的图像，如模拟血压模型50、模拟血流模型52和/或cFFR模型54。如上所述，例如因为在步骤310中确定的边界条件是关于充血条件所确定，所以这些图像指示在模拟充血条件下的模拟血压、血流和cFFR。
模拟血压模型50(图1)展示在整个患者解剖结构中的局部血压(例如以毫米汞柱或mmHg表示)，如由图17-19的在模拟充血条件下的网380表示。计算分析可确定网380的各节点382处的局部血压，并且模拟血压模型50可将相应颜色、色调或其它视觉指示物赋予各别压力，以使模拟血压模型50可以视觉方式指示在整个模型50中的压力变化，而不用必须规定各节点382的个别值。举例来说，图1中所示的模拟血压模型50展示，对这个具体患者来说，在模拟充血条件下，主动脉中的压力一般可为均一并且较高的(如由较暗色调指示)，并且压力随着血液向下游流到主要冠状动脉中并且流到分支中而逐渐并不断地降低(如由朝着分支的下游端，色调逐渐并连续变亮所示)。模拟血压模型50可伴有指示特定血压数值的标度，如图1中所示。
在一个示例性实施方案中，模拟血压模型50可以颜色形式提供，并且可使用色谱来指示整个模型50中的压力变化。依序从最高压力到最低压力，色谱可包括红色、橙色、黄色、绿色、蓝色、靛蓝和紫色。举例来说，上限(红色)可指示约110mmHg或更大(或80mmHg、90mmHg、100mmHg等)，并且下限(紫色)可指示约50mmHg或更小(或20mmHg、30mmHg、40mmHg等)，其中绿色指示约80mmHg(或约在上下限之间一半的其它值)。因此，对一些患者来说，模拟血压模型50可将大部分或所有主动脉展示为红色或朝着光谱高端的其它颜色，并且朝着冠状动脉和由此延伸的分支的远端，颜色可在整个光谱上逐渐变化(例如朝着光谱下端(下至紫色))。对一个具体患者来说，冠状动脉的远端可具有不同颜色，例如从红色到紫色之间的任何颜色，这取决于对各别远端测定的局部血压。
模拟血流模型52(图1)展示在整个患者解剖结构中的局部血液速度(例如以厘米/秒或cm/s表示)，这由图17-19的在模拟充血条件下的网380表示。计算分析可确定网380的各节点382处的局部血液速度，并且模拟血流模型52可将相应颜色、色调或其它视觉指示物赋予各别速度，以使模拟血流模型52可以视觉方式指示在整个模型52中的速度变化，而不用必须规定各节点382的个别值。举例来说，图1中所示的模拟血流模型52展示，对这个具体患者来说，在模拟充血条件下，在主要冠状动脉和分支的某些区域中速度一般较高(如由图1中区域53中的较暗色调指示)。模拟血流模型52可伴有指示特定血液速度数值的标度，如图1中所示。
在一个示例性实施方案中，模拟血流模型52可以颜色形式提供，并且可使用色谱来指示整个模型52中的速度变化。依序从最高速度到最低速度，色谱可包括红色、橙色、黄色、绿色、蓝色、靛蓝和紫色。举例来说，上限(红色)可指示约100(或150)cm/s或更大，并且下限(紫色)可指示约0cm/s，其中绿色指示约50cm/s(或约在上下限之间一半的其它值)。因此，对一些患者来说，模拟血流模型52可将大部分或所有主动脉展示为朝着光谱下端的颜色(例如绿色至紫色)的混合色，并且在测定血液速度增大的某些位置，颜色可在整个光谱上逐渐变化(例如朝着光谱高端(上至红色))。
cFFR模型54(图1)展示在整个患者解剖结构中的局部cFFR，这由图17-19的在模拟充血条件下的网380表示。如上所述，cFFR可计算为通过计算分析(例如模拟血压模型50中所示)确定的在具体节点382的局部血压除以在主动脉中(例如在流入边界322(图8))的血压的比率。计算分析可确定网380的各节点382处的cFFR，并且cFFR模型54可将相应颜色、色调或其它视觉指示物赋予各别cFFR值，以使cFFR模型54可以视觉方式指示在整个模型54中的cFFR变化，而不用必须规定各节点382的个别值。举例来说，图1中所示的cFFR模型54展示，对这个具体患者来说，在模拟充血条件下，主动脉中的cFFR一般可为均一的并且为约1.0，并且随着血液向下游流到主要冠状动脉中并且流到分支中，cFFR逐渐并不断降低。cFFR模型54也可指示在整个cFFR模型54中某些点处的cFFR值，如图1中所示。cFFR模型54可伴有指示特定cFFR数值的标度，如图1中所示。
在一个示例性实施方案中，cFFR模型54可以颜色形式提供，并且可使用色谱来指示整个模型54中的压力变化。依序从最低cFFR(指示功能上有意义的病变)到最高cFFR，色谱可包括红色、橙色、黄色、绿色、蓝色、靛蓝和紫色。举例来说，上限(紫色)可指示cFFR为1.0，并且下限(红色)可指示约0.7(或0.75或0.8)或更小，其中绿色指示约0.85(或约在上下限之间一半的其它值)。举例来说，下限可依据用于确定cFFR测量值是否指示功能上有意义的病变或可能需要介入的其它特征的下限(例如0.7、0.75或0.8)来确定。因此，对一些患者来说，cFFR模型54可将大部分或所有主动脉展示为紫色或朝着光谱高端的其它颜色，并且朝着冠状动脉和由此延伸的分支的远端，颜色可在整个光谱上逐渐变化(例如朝着光谱高端(上至红色到紫色之间的任何颜色))。对一个具体患者来说，冠状动脉的远端可具有不同颜色，例如从红色到紫色之间的任何颜色，这取决于对各别远端测定的局部cFFR值。
在确定cFFR已降到下限以下的程度之后，可评估动脉或分支以定位功能上有意义的病变，所述下限是用于确定功能上有意义的病变或可能需要介入的其它特征的存在。计算机系统或用户可依据动脉或分支的几何形状(例如使用cFFR模型54)来定位功能上有意义的病变。举例来说，可如下定位功能上有意义的病变：找到在具有局部最小cFFR值的cFFR模型54的位置附近(例如上游)定位的变窄或狭窄。计算机系统可向用户指示或显示包括功能上有意义的病变的cFFR模型54(或其它模型)的部分。
也可依据计算分析结果产生其它图像。举例来说，计算机系统可提供关于具体主要冠状动脉的其它信息，例如图20-22中所示。举例来说，如果具体冠状动脉包括最低cFFR，那么冠状动脉可由计算机系统选择。或者，用户可选择具体冠状动脉。
图20展示患者解剖结构的模型，其包括计算分析结果，其中模型上的某些点由个别参考标签(例如LM、LAD1、LAD2、LAD3等)鉴别。在图21中所示的示例性实施方案中，在LAD动脉中提供点，所述LAD动脉是在模拟充血条件下具有对这个具体患者来说最低的cFFR的主要冠状动脉。
图21和图22展示在一些或所有这些点(例如LM、LAD1、LAD2、LAD3，等)处和/或在模型上某些其它位置(例如在主动脉中，等)处某些变量随时间变化的图。图21是主动脉中和在图20中指示的点LAD1、LAD2和LAD3处的压力(例如以毫米汞柱或mmHg表示)随时间变化的图。所述图的顶部曲线指示主动脉中的压力，从上往下第二条曲线指示在点LAD1的压力，从上往下第三条曲线指示在点LAD2的压力，并且底部曲线指示在点LAD3的压力。图22是在图20中指示的点LM、LAD1、LAD2和LAD3处的流量(例如以立方厘米/秒或cc/s表示)随时间变化的图。另外，可提供其它图，如在一些或所有这些点和/或在其它点处剪应力随时间变化的图。所述图的顶部曲线指示在点LM的流量，从上往下第二条曲线指示在点LAD1的流量，从上往下第三条曲线指示在点LAD2的流量，并且底部曲线指示在点LAD3的流量。也可提供展示这些变量沿具体主要冠状动脉和/或由此延伸的分支的长度的变化的图：例如血压、流量、速度或cFFR。
任选地，上述各种图和其它结果可在报告中定稿(步骤406)。举例来说，上述图像和其它信息可插入具有设置模板的文件中。模板可预设并且对多个患者来说是通用的，并且可用于向医师和/或患者报道计算分析结果。在计算分析完成之后，文件或报告可由计算机系统自动完成。
举例来说，定稿报告可包括图23中所示的信息。图23包括图1的cFFR模型54，并且还包括概述信息，如主要冠状动脉和由此延伸的分支中每一个中的最低cFFR值。举例来说，图23指示LAD动脉中的最低cFFR值是0.66，LCX动脉中的最低cFFR值是0.72，RCA动脉中的最低cFFR值是0.80。其它概述信息可包括患者的名字、患者的年龄、患者的血压(BP)(例如在步骤100中获得)、患者的心率(HR)(例如在步骤100中获得)，等。定稿报告还可包括如上述产生的图像和其它信息的版本，医师或其它用户可得到所述版本以确定其它信息。可使由计算机系统产生的图像有一定格式以使医师或其它用户在任一点上定位光标，以确定任一上述变量的值，所述变量例如是在所述点的血压、速度、流量、cFFR等。
定稿报告可被传输到医师和/或患者。定稿报告可使用任何已知通信方法(例如无线网络或有线网络，通过邮件等)传输。或者，可通知医师和/或患者定稿报告可下载或提取得到。接着，医师和/或患者可登录到基于网络的服务中经由安全通信线来下载定稿报告。
C.验证结果
回头参考图3，可独立地验证计算分析的结果(步骤408)。举例来说，用户和/或计算机系统也许能鉴别出计算分析结果(例如在步骤406中产生的图像和其它信息)的某些错误，所述错误需要任一上述步骤重做。如果鉴别出所述错误，那么计算分析结果可确定为不可接受，并且可重复某些步骤，例如步骤100、200、300、400、子步骤102、202-208、240-260、304-314和402-408等。
因此，图3中所示并且上文描述的步骤402-408可被视为图2的步骤400的子步骤。
用于验证计算分析结果的另一方法可包括使用另一方法测量来自患者的结果中包括的任一变量，例如血压、速度、流量、cFFR等。在一个示例性实施方案中，可测量(例如以侵入方式)变量，接着与通过计算分析确定的结果相比。举例来说，FFR可例如使用插入如上所述的患者中的压力线来测定，测定点在由实体模型320和网380表示的患者解剖结构内的一个或多个点。可将在一个位置测量的FFR与在同一位置的cFFR相比，并且可在多个位置进行比较。任选地，计算分析和/或边界条件可依据比较做调整。
D.用于提供冠状动脉血流信息的系统和方法的另一实施方案
图24中展示一种方法600的另一实施方案，所述方法600用于提供有关特定患者的冠状动脉血流的各种信息。方法600可在上述计算机系统中实施，所述计算机系统例如是用以实施上文描述并在图3中展示的步骤中一个或多个的计算机系统。方法600可使用一个或多个输入610来进行，并且可包括依据输入610来产生一个或多个模型620、依据输入610和/或模型620对一个或多个条件630赋值，以及依据模型620和条件630得出一个或多个解640。
输入610可包括患者的主动脉、冠状动脉(和由此延伸的分支)和心脏的医学成像数据611，如CCTA数据(例如在图2的步骤100中获得)。输入610还可包括患者臂血压的测量值612和/或其它测量值(例如在图2的步骤100中获得)。测量值612可以非侵入方式获得。输入610可用以产生模型620和/或确定下述条件630。
如上所述，一个或多个模型620可依据输入610来产生。举例来说，方法600可包括依据成像数据611来产生患者解剖结构(例如主动脉、冠状动脉和由此延伸的分支)的一个或多个患者特异性三维几何模型(步骤621)。举例来说，几何模型可为在图3的步骤306中产生的图8的实体模型320，和/或在图3的步骤312中产生的图17-19的网380。
回头参考图24，方法600还可包括产生一个或多个基于物理学的血流模型(步骤622)。血流模型可包括涉及以下的模型：经过在步骤621中产生的患者特异性几何模型的血流、心脏和主动脉循环、远端冠状循环等。血流模型可涉及至少一个与患者经过建模的解剖结构(例如血液流动速度、压力、流动速率、FFR等)相关的血流特征。血流模型可赋值为在三维几何模型的流入边界322和流出边界324的边界条件。血流模型可包括降阶模型或其它边界条件(上文关于图3的步骤310所述)，例如集中参数心脏模型340、集中参数冠状动脉模型350、弹性贮器模型360，等。
如上所述，一个或多个条件630可依据输入610和/或模型620来确定。条件630包括针对在步骤622(和图3的步骤310)中确定的边界条件所计算的参数。举例来说，方法600可包括如下确定条件：依据成像数据611(例如在图3的步骤240中确定)来计算患者特异性心室质量或心肌质量(步骤631)。
方法600可包括如下确定条件：使用在步骤631中计算的心室质量或心肌质量、休息时冠状动脉流依据关系Q＝QoMα(其中α是预设标度指数，M是心室质量或心肌质量，并且Qo是预设常数)进行计算(例如上文在图3的步骤310中关于确定集中参数模型所述)(步骤632)。或者，所述关系可具有形式Q∝QoMα，如上文在图3的步骤310中关于确定集中参数模型所述。
方法600还可包括如下确定条件：使用在步骤632中计算的所得冠状动脉流量和患者的测量血压612、总的休息时冠状动脉阻力进行计算(例如上文在图3的步骤310中关于确定集中参数模型所述)(步骤633)。
方法600还可包括如下确定条件：使用在步骤633和模型620中计算的总的休息时冠状动脉阻力、个别冠状动脉(和由此延伸的分支)的个别阻力进行计算(步骤634)。举例来说，如上文关于图3的步骤310所述，依据个别冠状动脉和分支的远端的尺寸(例如从步骤621中产生的几何模型确定)，并且依据关系R＝Rodβ(其中R是在具体远端的流动阻力，并且Ro是预设常数，d是尺寸(例如所述远端的直径)，并且β是预设幂律指数，如上文关于确定图3的步骤310中的集中参数模型所述)，在步骤633中计算的总的休息时冠状动脉阻力可分布到个别冠状动脉和分支。
回头参考图24，方法600可包括依据患者的一个或多个身体条件来调整边界条件(步骤635)。举例来说，在步骤631-634中确定的参数可依据解640是否意图模拟休息、不同程度的充血、不同程度的运动或用力、不同药物治疗等来修改。依据输入610、模型620和条件630，计算分析可例如如上文关于图3的步骤402所述来进行以确定解640，所述解640包括关于患者的冠状动脉血流在步骤635中选择的身体条件下的信息(步骤641)。现将描述可从解640提供的信息的实例。
组合的患者特异性解剖学(几何)模型和生理学(基于物理学的)模型可用以确定不同药物治疗或生活方式变化(例如停止吸烟、改变膳食或增加身体活动)对冠状动脉血流的作用，所述药物治疗或生活方式变化会改变心率、心搏量、血压或冠状动脉微循环功能。所述信息可用以最优化医学疗法或避免可能危险的药物治疗后果。组合模型还可用以确定替代形式和/或不同程度的暴露于可能的外来力(例如当踢足球时、在太空飞行期间、当斯库巴潜水(scuba diving)时、在坐飞机飞行期间，等)的身体活动或风险对冠状动脉血流的作用。所述信息可用以鉴别对特定患者来说可能安全并有效的身体活动的类型和程度。组合模型还可用以预测经皮冠状动脉介入术对冠状动脉血流的可能益处以选择最优的介入策略，和/或预测冠状动脉旁路移植术对冠状动脉血流的可能益处以选择最优的手术策略。
组合模型还可用以说明动脉疾病负担增大对冠状动脉血流的可能的有害作用，并且使用机械或现象学疾病进展模型或经验数据来预测进展中疾病何时可对流向心脏肌肉的血流引起损害。所述信息可实现确定“保证期(warranty period)”，其中使用非侵入性成像观察到最初没有热力学有意义的疾病的患者可能不被预期需要医药疗法、介入疗法或手术疗法，或者，如果继续有不利因素，那么可确定出现进展的比率。
组合模型还可用以说明由冠状动脉疾病负担减小引起的对冠状动脉血流的可能的有益作用，并且使用机械或现象学疾病进展模型或经验数据来预测疾病消退何时可引起经过冠状动脉到心脏肌肉的血流增加。所述信息可用以指导医学管理程序，所述医学管理程序包括但不限于改变膳食、增加身体活动、开出士他汀(statin)或其它医药的处方，等。
VI.提供患者特异性治疗计划
如上文关于图2中所示的步骤500所述，示例性方法可包括提供患者特异性治疗计划。在一个示例性实施方案中，步骤500可包括以下步骤。尽管图3不展示以下步骤，应了解这些步骤可与图3中所示的步骤(例如在步骤406或408之后)结合进行。
如上所述，图1和图23中所示的cFFR模型54指示处于未治疗状态并且在模拟充血条件下的整个患者解剖结构中的cFFR值，所述解剖结构由图17-19的网380表示。医师可使用这个信息来指定对患者的治疗，如增加运动、改变膳食、开医药处方、对建模解剖结构的任何部分或心脏的其它部分进行手术(例如冠状动脉旁路移植术、插入一个或多个冠状动脉血管内支架，等)，等。
为确定指定哪种治疗，计算机系统可用以预测如何依据所述治疗来改变从计算分析确定的信息。举例来说，某些治疗(如插入血管内支架或其它手术)可引起建模解剖结构的几何形状改变。因此，在一个示例性实施方案中，可修正在步骤306中产生的实体模型320以指示一个或多个插有血管内支架的内腔的加宽。
举例来说，图1和图23中所示的cFFR模型54指示LAD动脉中的最低cFFR值是0.66，LCX动脉中的最低cFFR值是0.72，RCA动脉中的最低cFFR值是0.80。如果cFFR值例如小于0.75，那么可建议进行治疗。因此，计算机系统可建议用户修正实体模型320以指示LAD动脉和LCX动脉的加宽，以模拟在这些冠状动脉中插入血管内支架。用户可被提示选择对应于模拟血管内支架的位置和尺寸的加宽(例如长度和直径)的位置和量。或者，加宽的位置和量可由计算机系统依据各种因素(如cFFR值小于0.75的节点位置、血管显著变窄的位置、常规血管内支架的尺寸，等)自动确定。
图25展示依据实体模型确定的经过修改的cFFR模型510的一个实施例，上述实体模型是通过加宽LAD动脉在位置512的一部分和LCX动脉在位置514的一部分来产生。在一个示例性实施方案中，任一上述步骤，例如步骤310-314和402-408都可使用经过修改的实体模型重复。在步骤406中，定稿报告可包括有关未经过治疗的患者(例如没有血管内支架)的信息，如图23中所示的信息，和有关患者的模拟治疗的信息，如图25和图26中所示的信息。
图25包括经过修改的cFFR模型510并且还包括概述信息，如与建议治疗相关的经过修改的实体模型的主要冠状动脉和由此延伸的分支中的最低cFFR值。举例来说，图25指示LAD动脉(和它的下游分支)中的最低cFFR值是0.78，LCX动脉(和它的下游分支)中的最低cFFR值是0.78，RCA动脉(和它的下游分支)中的最低cFFR值是0.79。因此，未经过治疗的患者(没有血管内支架)的cFFR模型54和建议治疗(有血管内支架插入)的cFFR模型510的比较指示建议治疗可使LAD动脉中的最小cFFR从0.66增大到0.78，并且使LCX动脉中的最小cFFR从0.72增大到0.76，同时使RCA动脉中的最小cFFR将有从0.80到0.79的最小降低。
图26展示经过修改的模拟血流模型520的一个实施例，所述模型是如上所述在LAD动脉在位置512的加宽部分和LCX动脉在位置514的加宽部分之后确定。图26还包括概述信息，如与建议治疗相关的经过修改的实体模型的主要冠状动脉和由此延伸的分支中各种位置的血流值。举例来说，图26指示未经过治疗的患者(没有血管内支架)和经过治疗的患者(有血管内支架插入)的LAD动脉中四个位置LAD1、LAD2、LAD3和LAD4以及LCX动脉中两个位置LCX1和LCX2的血流值。图26还指示未经过治疗的状态和经过治疗的状态之间的血流值变化百分比。因此，未经过治疗的患者的模拟血流模型52和建议治疗的模拟血流模型520的比较指示，在所有位置LAD1-LAD4、LCX1和LCX2，取决于位置，建议治疗可将经过LAD动脉和LCX动脉的流增大9％至19％。
也可在未经过治疗的状态和经过治疗的状态(如冠状动脉血压)之间比较其它信息。依据这个信息，医师可与患者讨论是否继续建议治疗选择。
其它治疗选择也可涉及以不同方式修改实体模型320。举例来说，冠状动脉旁路移植术可涉及在实体模型320中创建新的内腔或通路，并且去除病变还可涉及加宽内腔或通道。其它治疗选择可能不涉及修改实体模型320。举例来说，例如由于血管收缩、扩张、心率降低等，因此增加运动或用力、改变膳食或其它生活方式变化、医药处方等可涉及改变在步骤310中确定的边界条件。举例来说，患者的心率、心输出量、心搏量、血压、冠状动脉微循环功能、集中参数模型的配置等可取决于指定医药、所采用的运动(或其它用力)的类型和频率、所采用的生活方式变化的类型(例如停止吸烟、改变膳食等)，从而以不同方式影响在步骤310中确定的边界条件。
在一个示例性实施方案中，经过修改的边界条件可用实验方式使用来自许多患者的数据来确定，并且类似治疗选择可能需要以类似方式修改边界条件。经验模型可从大量患者特异性数据产生，从而创建边界条件或用于计算边界条件的函数的文库，所述文库对应于可在未来分析中应用于类似患者的特定治疗选择。
在修改边界条件之后，上述步骤，例如步骤312、314和402-408可使用经过修改的边界条件来重复，并且在步骤406中，定稿报告可包括有关未经过治疗的患者的信息，如图23中所示的信息，以及有关患者的模拟治疗的信息，如图25和图26中所示的信息。
或者，可向医师、患者或其它用户提供允许与三维模型(例如图8的实体模型320)互动的用户界面。模型320可分成用户可选片段，所述片段可由用户编辑来反映一个或多个治疗选择。举例来说，用户可选择具有狭窄(或梗塞，例如急性阻塞)的部分，并且调整所述部分来去除狭窄，用户可将一个部分加入模型320中以用作旁路等。用户还可被提示指定其它治疗选择和/或生理学参数，这可改变上文确定的边界条件，例如改变心输出量、心率、心搏量、血压、运动或用力程度、充血程度、药物治疗，等。在一个替代性实施方案中，计算机系统可确定或建议一个治疗选择。
用户界面可允许与三维模型320互动以允许用户模拟狭窄(或梗塞，例如急性梗塞)。举例来说，用户可选择用于包括狭窄的部分，并且计算机系统可用以预测从计算分析确定的信息将如何依据狭窄的添加来变化。因此，本文所述的方法可用以预测使动脉梗塞的影响。
用户界面还可允许与三维模型320互动以模拟受损动脉或动脉去除，所述动脉去除可例如在某些手术程序中发生，如当去除癌性肿瘤时发生。模型还可得到修改以模拟防止血流经过某些动脉的作用，以便预测并行通路向患者提供足够血流的可能。
A.使用降阶模型来比较不同治疗选择
在一个示例性实施方案中，计算机系统可允许用户用降阶模型替代三维实体模型320或网380来较快速地模拟各种治疗选择。图27展示根据一个示例性实施方案，有关使用降阶模型来模拟各种治疗选择的方法700的示意图。方法700可在上述计算机系统中实施。
一个或多个呈现血流或其它参数的患者特异性模拟血流模型可从上述计算分析输出(步骤701)。举例来说，模拟血流模型可包括图1的模拟血压模型50、图1的模拟血流模型52、图1的cFFR模型54等，这些模型是使用上文描述并且在图2和图3中所示的方法提供。如上所述，模拟血流模型可包括患者的解剖结构的三维几何模型。
功能信息可从模拟血流模型提取以指定降阶模型的条件(步骤702)。举例来说，功能信息可包括使用上述计算分析确定的血压、流量或速度信息。
可提供降阶(例如零维或一维)模型来替代用以产生患者特异性模拟血流模型(在步骤701中产生)的三维实体模型320，并且降阶模型可用以确定关于患者的冠状动脉血流的信息(步骤703)。举例来说，降阶模型可为如上文关于图3的步骤310所述产生的集中参数模型。因此，集中参数模型是患者的解剖结构的简化模型，其可用以确定关于患者的冠状动脉血流的信息，而不用必须对与图17-19的网380相关的较复杂等式系统求解。
从对步骤703中的降阶模型求解所确定的信息接着可被绘制或外推到患者的解剖结构的三维实体模型(例如实体模型320)中(步骤704)，并且必要时用户可对降阶模型进行变动以模拟各种治疗选择和/或改为患者的生理学参数，所述生理学参数可由用户选择(步骤705)。可选生理学参数可包括心输出量、运动或用力程度、充血程度、药物治疗类型，等。可选治疗选择可包括去除狭窄、增加旁路，等。
接着，降阶模型可依据治疗选择和/或用户选择的生理学参数加以修改，并且经过修改的降阶模型可用以确定关于患者的冠状动脉血流的信息(步骤703)，所述信息与所选治疗选择和/或生理学参数相关。从对步骤703中的降阶模型求解所确定的信息接着可被绘制或外推到患者的解剖结构的三维实体模型320中，以预测所选治疗选择和/或生理学参数对患者解剖结构的冠状动脉血流的影响(步骤704)。
对各种不同治疗选择和/或生理学参数来说，可重复步骤703-705以比较所预测的各种治疗选择彼此之间以及对关于未经过治疗的患者的冠状动脉血流的信息的影响。因此，各种治疗选择和/或生理学参数的预测结果可针对彼此并且针对关于未经过治疗的患者的信息来评价，而不用必须使用三维网380来重新进行较复杂分析。代之以，可使用降阶模型，降阶模型可允许用户更容易和快速地分析并比较不同治疗选择和/或生理学参数。
图28展示根据一个示例性实施方案，用于使用降阶模型来模拟各种治疗选择的示例性方法的其它方面。方法700可在上述计算机系统中实施。
如上文关于图3的步骤306所述，患者特异性几何模型可依据患者的成像数据来产生(步骤711)。举例来说，成像数据可包括在图2的步骤100中获得的CCTA数据，并且几何模型可为在图3的步骤306中产生的图8的实体模型320，和/或在图3的步骤312中产生的图17-19的网380。
计算分析可使用患者特异性三维几何模型来进行，例如上文关于图3的步骤402所述，以确定关于患者的冠状动脉血流的信息(步骤712)。计算分析可输出一种或多种三维患者特异性模拟血流模型，所述模型呈现血流或其它参数，例如图1的模拟血压模型50、图1的模拟血流模型52、图1的cFFR模型54，等。
可依据模型的解剖特征(步骤713)分割模拟血流模型(例如上文关于图14所述)。举例来说，从主要冠状动脉延伸的分支可提供于个别片段中(步骤714)，具有狭窄或患病区域的部分可提供于个别片段中(步骤716)，并且在分支和具有狭窄或患病区域的部分之间的部分可提供于个别片段中(步骤715)。可在分割模拟血流模型时提供不同分辨度，以使各血管可包括多个短的离散片段或较长片段，例如包括整根血管。而且，各种技术可提供用于分割模拟血流模型，包括产生中线以及依据所产生的中线制作切面图，或检测分支点以及依据检测到的中线制作切面图。患病部分和狭窄可例如通过沿中线长度测量截面积以及计算局部最小截面积来鉴别。步骤711-716可被视为图27的步骤701的子步骤。
片段可用集中参数模型的组件替代，所述组件如为电阻器、电容器、感应器等，如上文关于图15所述。电阻、电容、感应系数和与集中参数模型中所用的其它电组件相关的其它变量的个别值可来源于步骤712中提供的模拟血流模型。举例来说，对在分支和具有狭窄或患病区域的部分之间的分支和部分来说，来源于模拟血流模型的信息可用以将线性阻力赋予相应片段(步骤717)。对具有复杂几何形状的部分(如狭窄或患病区域)来说，阻力可随流动速率而变化。因此，多种计算分析可用以获得各种流量和压力条件的模拟血流模型以得出这些复杂几何形状的患者特异性、血管特异性和病变特异性阻力函数，如上文关于图15所述。因此，对具有狭窄或患病区域的部分来说，来源于这多种计算分析的信息或来源于先前数据的模型可用以将非线性流量依赖性阻力赋予相应片段(步骤718)。步骤717和步骤718可被视为图27的步骤702的子步骤。
使用在步骤717和步骤718中确定的阻力，可产生降阶(例如零维或一维)模型(步骤719)。举例来说，降阶模型可为如上文关于图3的步骤310所述产生的集中参数模型。因此，集中参数模型是患者的解剖结构的简化模型，其可用以确定关于患者的冠状动脉血流的信息，而不用必须对与图17-19的网380相关的较复杂等式系统求解。
可提供一种用户界面，其允许用户与在步骤719中创建的降阶模型互动(步骤720)。举例来说，用户可选择并编辑降阶模型的不同片段以模拟不同治疗选择和/或可编辑各种生理学参数。举例来说，介入，如插入血管内支架以修复患病区域可通过减小插有血管内支架的片段的阻力来建模。形成旁路可通过增加具有平行于患病片段的低阻力的片段来建模。
经过修改的降阶模型可被求解以确定关于在治疗和/或在步骤720中选择的生理学参数变化下患者的冠状动脉血流的信息(步骤721)。在步骤721中确定的各片段中流量和压力的解值接着可与在步骤712中确定的三维解相比，并且任何差异都可通过调整片段的阻力函数(例如在步骤717和步骤718中确定)以及求解降阶模型(例如步骤721)直到解匹配为止而减到最小。因此，可创建降阶模型，接着用简化等式组对所述降阶模型求解，所述简化等式组允许相对快速的计算(例如与完整三维模型相比)，并且可用以求出流动速率和压力，这结果可密切接近完整三维计算解的结果。降阶模型允许相对快速迭代以为各种不同治疗选择建模。
从对步骤721中的降阶模型求解所确定的信息接着可被绘制或外推到患者的解剖结构的三维实体模型(例如实体模型320)(步骤722)。步骤719-722可能类似于图27的步骤703-705，并且必要时可由用户重复以模拟治疗选择和/或生理学参数的不同组合。
或者，不从三维模型沿片段计算阻力(例如上文关于步骤717和步骤718所述)，沿中线相隔一定间隔的流量和压力可被指定到集中参数模型或一维模型中。有效阻力或损失系数可在边界条件和指定流量和压力的限制下求出。
而且，在个别片段上的流动速率和压力梯度可用以使用来源于降阶模型的解(例如上关于步骤721所述)来计算心外膜冠状动脉阻力。心外膜冠状动脉阻力可计算为心外膜冠状动脉(从医学成像数据重建的患者特异性模型中包括的冠状动脉和由此延伸的分支的部分)的等效阻力。这可具有临床意义，所述临床意义是在于解释为什么患有冠状动脉扩散性动脉粥样硬化的患者可显示局部缺血的症状(血液供给的限制)。而且，在模拟的药理学诱发性充血或不同运动强度的条件下每单位心肌组织体积(或质量)的流量和/或每单位心脏作功的流量可使用来自降阶模型的数据来计算。
因此，三维血流建模的精度可与一维和集中参数模型技术中固有的计算简单性和相对速度组合。三维计算方法可用以用数字方式得出患者特异性一维模型或集中参数模型，所述模型嵌有在正常片段、狭窄、接合点(junction)和其它解剖特征上压力损失的以数字方式得出的经验模型。可向患有心血管疾病的患者提供改善的诊断，并且医学治疗、介入治疗和手术治疗的计划可较快地进行。
而且，三维计算流体动力学技术的精度可与血流的集中参数和一维模型的计算简单性和进行能力组合。三维几何和生理学模型可自动分解成降阶一维模型或集中参数模型。三维模型可用以计算经过正常片段、狭窄和/或分支的血流的线性或非线性血液动力学作用，并且可用以设置经验模型的参数。一维模型或集中参数模型可更有效并快速地求出患者特异性模型中的血液流量和压力，并且显示集中参数或一维解的结果。
降阶患者特异性解剖学和生理学模型可用以确定不同药物治疗或生活方式变化(例如停止吸烟、改变膳食或增加身体活动)对冠状动脉血流的作用，所述药物治疗或生活方式变化会改变心率、心搏量、血压或冠状动脉微循环功能。所述信息可用以最优化医学疗法或避免可能危险的药物治疗后果。降阶模型还可用以确定替代形式和/或不同程度的暴露于可能的外来力(例如当踢足球时、在太空飞行期间、当斯库巴潜水时、在坐飞机飞行期间，等)的身体活动或风险对冠状动脉血流的作用。所述信息可用以鉴别对特定患者来说可能安全并有效的身体活动的类型和程度。降阶模型还可用以预测经皮冠状动脉介入术对冠状动脉血流的可能益处以选择最优的介入策略，和/或预测冠状动脉旁路移植术对冠状动脉血流的可能益处以选择最优的手术策略。
降阶模型还可用以说明动脉疾病负担增大对冠状动脉血流的可能的有害作用，并且使用机械或现象学疾病进展模型或经验数据来预测进展中疾病何时可对流向心脏肌肉的血流引起损害。所述信息可实现确定“保证期”，其中使用非侵入性成像观察到最初没有热力学有意义的疾病的患者可能不被预期需要医药疗法、介入疗法或手术疗法，或者，如果继续有不利因素，那么可确定出现进展的比率。
降阶模型还可用以说明由冠状动脉疾病负担减小引起的对冠状动脉血流的可能的有益作用，并且使用机械或现象学疾病进展模型或经验数据来预测疾病消退何时可引起经过冠状动脉到心脏肌肉的血流增加。所述信息可用以指导医学管理程序，所述医学管理程序包括但不限于改变膳食、增加身体活动、开出士他汀或其它医药的处方，等。
降阶模型还可并入血管造影系统中以允许医师在心导管插入实验室中检查患者的同时现场计算治疗选择。模型可记录到与血管造影显示器相同的取向，从而允许冠状动脉的现场血管造影图与模拟血流解具有并行或重叠的结果。当在程序期间进行观察时，医师可计划并改变治疗计划，从而允许在作出医学决定之前有相对快速的反馈。医师可以侵入方式获得压力、FFR或血流测量值，并且在进行预测性模拟之前，测量值可用以进一步改进模型。
降阶模型还可并入医学成像系统或工作站中。如果来源于先前患者特异性模拟结果的文库，那么降阶模型可与几何分割算法结合使用以在完成成像扫描之后相对快速地求出血流信息。
降阶模型还可用以对新型医学疗法对大的患者群体的有效性或治疗选择对大的患者群体的成本/益处进行建模。多种患者特异性集中参数模型(例如数百、数千或更多)的数据库可提供在相对较短时间长度内求解的模型。相对快速的迭代和最优化可提供用于药物、疗法或临床试验模拟或设计。调适所述模型来呈现治疗、患者的药物反应或手术介入可允许估计待获得的有效性，而无需进行可能高成本并且可能冒险的大规模临床试验。
VII.其它结果
A.评估心肌灌注
可计算其它结果。举例来说，计算分析可提供定量心肌灌注(经过心肌的血流)的结果。如由于局部缺血(血液供给的限制)、疤痕或其它心脏问题，因此定量心肌灌注可有助于鉴别心肌血流减少的区域。
图29展示根据一个示例性实施方案，有关方法800的示意图，所述方法800用于提供有关特定患者的心肌灌注的各种信息。方法800可在上述计算机系统中实施，所述计算机系统例如是用以实施上文描述并在图3中展示的步骤中一个或多个的计算机系统。
方法800可使用一个或多个输入802来进行。输入802可包括患者的主动脉、冠状动脉(和由此延伸的分支)和心脏的医学成像数据803，如CCTA数据(例如在图2的步骤100中获得)。输入802还可包括从患者测量的其它生理学数据804，如患者的臂血压、心率和/或其它测量值(例如在图2的步骤100中获得)。其它生理学数据804可以非侵入方式获得。输入802可用以进行下述步骤。
患者心肌组织的三维几何模型可依据成像数据803产生(步骤810)，并且几何模型可分成片段或体积(步骤812)。举例来说，图31展示三维几何模型846，所述三维几何模型846包括分到片段842中的患者心肌组织的三维几何模型838。个别片段842的尺寸和位置可依据以下来确定：冠状动脉(和由此延伸的分支)的流出边界324(图8)的位置、个别片段842(例如邻近血管)中的血管或与各别片段842(例如邻近血管)连接的血管的尺寸，等。将几何心肌模型838分到片段842中可使用各种已知方法进行，所述已知方法如为快速行进法、通用快速行进法(generalized fast marching method)、水平集方法、扩散等式、支配经过多孔介质的流的等式，等。
三维几何模型还可包括患者的主动脉和冠状动脉(和由此延伸的分支)的一部分，所述部分可依据成像数据803来建模(步骤814)。举例来说，图31的三维几何模型846包括患者的主动脉和冠状动脉(和由此延伸的分支)的三维几何模型837，以及在步骤810中创建的患者的心肌组织的三维几何模型838。
回头参考图29，例如上文关于图3的步骤402所述，可进行计算分析以确定解，所述解包括关于在由用户确定的身体条件下患者的冠状动脉血流的信息(步骤816)。举例来说，身体条件可包括休息、所选程度的充血、所选程度的运动或用力或其它条件。所述解可提供在步骤814中建模的患者的解剖结构中各种位置并且在指定身体条件下的信息，如血液流量和压力。计算分析可使用来源于集中参数模型或一维模型的在流出边界324(图8)的边界条件进行。可产生一维模型来填充片段842，如下文关于图30所述。
依据在步骤816中确定的血流信息，可计算向在步骤812中创建的心肌的各别片段842中的血流灌注(步骤818)。举例来说，灌注可如下计算：将来自流出边界324(图8)各出口的流量除以出口所灌注的分割心肌的体积。
在步骤818中确定的心肌各别片段的灌注可显示在步骤810或步骤812中产生的心肌几何模型(例如图31中所示的患者心肌组织的三维几何模型838)上(步骤820)。举例来说，图31展示几何模型838的心肌的片段842可用不同色调或颜色说明以指示血流灌注到各别片段842中。
图30展示根据一个示例性实施方案，有关方法820的另一示意图，所述方法820用于提供有关特定患者的心肌灌注的各种信息。方法820可在上述计算机系统中实施，所述计算机系统例如是用以实施上文描述并在图3中展示的步骤中一个或多个的计算机系统。
方法820可使用一个或多个输入832来进行，输入832可包括患者的主动脉、冠状动脉(和由此延伸的分支)和心脏的医学成像数据833，如CCTA数据(例如在图2的步骤100中获得)。输入832可用以进行下述步骤。
患者心肌组织的三维几何模型可依据成像数据833创建(步骤835)。模型还可包括患者的主动脉和冠状动脉(和由此延伸的分支)的一部分，所述部分还可依据成像数据803来创建。举例来说，如上所述，图31展示三维几何模型836，所述三维几何模型836包括患者的主动脉和冠状动脉(和由此延伸的分支)的几何模型837，以及患者心肌组织的几何模型838。步骤835可包括上述图29的步骤810和步骤814。
回头参考图30，几何心肌模型838可分成体积或片段842(步骤840)。步骤840可包括上述图29的步骤812。如上所述，图31展示三维几何模型846，所述三维几何模型846包括分到片段842中的患者心肌组织的几何模型838。
回头参考图30，几何模型846可被修改来包括冠状动脉树中的下一代分支857(步骤855)。分支857(图31中虚线所示)的位置和尺寸可依据冠状动脉(和由此延伸的分支)的中线来确定。中线可例如依据成像数据833来确定(步骤845)。一种算法还可用以依据形态计量学模型(用以预测在流出边界324(图8)的已知出口下游的血管位置和尺寸的模型)和/或与血管尺寸有关的生理学分支规律来确定分支857的位置和尺寸(步骤850)。形态计量学模型可扩充到几何模型837中包括的冠状动脉(和由此延伸的分支)的下游端，并且提供于心外膜表面(心脏组织的外层)上或含在心肌壁的几何模型838内。
心肌可依据在步骤855中创建的分支857进一步分割(步骤860)。举例来说，图31展示可分成子体积或子段862的片段842。
可在子段862中创建其它分支857，并且子段862可进一步分割成较小片段867(步骤865)。创建分支以及将体积分成子段的步骤可重复到获得体积尺寸和/或分支尺寸的所需分解为止。已在步骤855和步骤865中扩充为包括新分支857的模型846接着可用以计算向子段(如在步骤865中产生的子段867)中的冠状动脉血流和心肌灌注。
因此，扩充模型可用以进行上述计算分析。计算分析结果可将有关血流的信息从患者特异性冠状动脉模型(例如图31的模型837)提供到所产生的形态计量学模型(包括在步骤855和步骤865产生的分支)中，所述信息可延伸到在步骤865中产生的灌注子段867的每一个中。计算分析可使用静态心肌灌注体积或动态模型进行，所述模型并有来自偶合心脏机械学模型的数据。
图32展示根据一个示例性实施方案，有关方法870的另一示意图，所述方法870用于提供有关特定患者的心肌灌注的各种信息。方法870可在上述计算机系统中实施，所述计算机系统例如是用以实施上文描述并在图3中展示的步骤中一个或多个的计算机系统。
方法870可使用一个或多个输入872来进行。输入872可包括患者的主动脉、冠状动脉(和由此延伸的分支)和心脏的医学成像数据873，如CCTA数据(例如在图2的步骤100中获得)。输入872还可包括从患者测量的其它生理学数据874，如患者的臂血压、心率和/或其它测量值(例如在图2的步骤100中获得)。其它生理学数据874可以非侵入方式获得。输入872还可包括从患者测量(例如使用CT、PET、SPECT，等)的心脏灌注数据875。输入872可用以进行下述步骤。
患者的主动脉和冠状动脉(和由此延伸的分支)的三维几何模型可依据成像数据873来创建(步骤880)。举例来说，图31展示患者的主动脉和冠状动脉(和由此延伸的分支)的三维几何模型837。步骤880可类似于上述图29的步骤814。
计算分析例如可如上文关于图3的步骤402所述来进行以确定解，所述解包括关于在由用户确定的身体条件下患者的冠状动脉血流的信息(步骤882)。举例来说，身体条件可包括休息、所选程度的充血、所选程度的运动或用力或其它条件。所述解可提供在步骤880中建模的患者的解剖结构中各种位置并且在指定身体条件下的信息，如血液流量和压力。步骤882可类似于上述图29的步骤816。
而且，患者心肌组织的三维几何模型可依据成像数据873创建(步骤884)。举例来说，如上所述，图31展示三维几何模型836，其包括患者心肌组织的三维几何模型838(例如在步骤884中创建)和患者的主动脉和冠状动脉(和由此延伸的分支)的三维几何模型837(例如在步骤880中创建)。步骤884可类似于上述图29的步骤810。
几何模型可分成片段或子体积(步骤886)。举例来说，图31展示几何模型846，所述几何模型846包括患者的分成片段842的心肌组织的模型838。步骤886可类似于上述图29的步骤812。
依据在步骤882中确定的血流信息，可计算向在步骤886中创建的心肌的各别片段842中的血流灌注(步骤888)。步骤888可类似于上述图29的步骤818。
心肌各别片段的计算灌注可显示在步骤884或步骤886中产生的心肌几何模型(例如图31中所示的患者心肌组织的三维几何模型838)上(步骤890)。举例来说，图31展示几何模型838的心肌的片段842可用不同色调或颜色说明以指示血流灌注到各别片段842中。步骤890可类似于上述图29的步骤820。
在步骤890中绘制于心肌三维几何模型上的模拟灌注数据可与测量的心脏灌注数据875相比(步骤892)。可例如在基于体元的心肌表示法或不同的心肌离散表示法(例如有限元网)上进行比较。比较可使用心肌三维表示上各种颜色和/或色调来指示模拟灌注数据和测量灌注数据的差异。
在步骤880中创建的三维几何模型的出口处的边界条件可调整，以减小模拟灌注数据和测量灌注数据之间的误差(步骤894)。举例来说，为减小误差，可调整边界条件，以使向一个区域(例如片段842、862或867)(其中模拟灌注低于测量灌注)供料的血管的指定流动阻力可减小。可调整边界条件的其它参数。或者，可修改模型的分支结构。举例来说，如上文关于图30和图31所述，可扩充在步骤880中创建的几何模型来创建形态计量学模型。边界条件和/或形态计量学模型的参数可使用参数估计或数据同化方法来凭经验或系统地调整，所述方法如为标题为“Method for Tuning Patient-Specific CardiovascularSimulations”的美国专利申请公布号2010/0017171中所述的方法，或其它方法。
可重复图32的步骤882、步骤888、步骤890、步骤892、步骤894和/或其它步骤，例如直到模拟灌注数据和测量灌注数据之间的误差低于预定临限值为止。因此，计算分析可使用有关解剖学信息、冠状动脉血流信息和心肌灌注信息的模型来进行。所述模型可适用于诊断目的并且适用于预测医药疗法、介入疗法或手术疗法的益处。
因此，在休息和/或应激条件下的冠状动脉血流和心肌灌注可在从三维医学成像数据构建的患者特异性几何模型中模拟。测量的心肌灌注数据可与模拟心肌灌注结果组合使用，以调整边界条件直到模拟心肌灌注结果在给定容许量内匹配测量的心肌灌注数据为止(例如上文关于图32所述)。可提供较精确的患者特异性冠状动脉血流计算，并且心脏病专家可能够预测在测量数据可能不可得的情况下(如当模拟患者在最大运动或用力、模拟治疗或其它条件下时)的冠状动脉血流和心肌灌注。
左心室和/或右心室心肌的患者特异性三维模型可分成灌注片段或子体积。而且，从医学成像数据确定的冠状动脉的患者特异性三维几何模型可与其余冠状动脉树的一部分的形态计量学模型组合，所述其余冠状动脉树是在心外膜表面上或含于由灌注子体积表示的左心室和/或右心室心肌壁中以形成扩充模型。可计算扩充模型中给定(例如患病)位置下游的总心肌体积的百分比。还可计算在扩充模型中给定(例如患病)位置的总心肌血流的百分比。扩充模型可用以计算冠状动脉血流和心肌灌注。还可修改冠状动脉血流模型直到模拟灌注在指定容许量内匹配测量的灌注数据为止。
B.评估斑块脆弱性
计算分析还可提供定量作用于斑块的患者特异性生物力学力的结果，所述斑块可在患者的主动脉和冠状动脉(和由此延伸的分支)中积累，例如冠状动脉粥样硬化斑块。生物力学力可由脉动压力、流量和心脏运动引起。
图33展示沿血管壁902积累的斑块900的一个实施例，所述血管壁902如为主要冠状动脉之一或由此延伸的分支之一的壁。斑块上游端和下游端的压力和/或表面积的差异可产生力904，所述力904至少沿血流方向作用于斑块900，例如由血液流经血管引起。另一力906可至少沿朝着并且垂直于血管壁902的方向作用于斑块900的表面。力906可由流经血管的血液的血压所引起。又一力908可至少沿血流方向作用于斑块900的表面，并且可归因于在休息、运动等期间的血液动力学力。
结果还可评估斑块破裂(例如当在血管壁上累积的斑块变得不稳定并且脱落或破开时)的风险以及可能受所述破裂影响的心肌体积。可在各种模拟生理条件(如休息、运动等)下评估结果。斑块破裂风险可定义为模拟斑块应力与斑块强度的比率，所述斑块强度是使用来源于CCTA或MRI的物质组成数据(例如在图2的步骤100中测定)来估计。
举例来说，图34展示计算分析可输出的结果的一个实施例。结果可包括图31的三维几何模型846，所述三维几何模型846可包括患者的主动脉和冠状动脉(和由此延伸的分支)的三维几何模型837，以及患者的分成片段842的心肌组织的三维几何模型838。结果还可指示冠状动脉(由此延伸的分支)之一中的位置910，其中斑块可被确定为脆弱的，并且位置910可依据斑块破裂风险评估(将在下文更详细地描述)和/或依据用户输入而被鉴别出。而且，如图34中所示，由于在位置910鉴别出的斑块破裂，因此心肌片段912(片段842的多个的)可鉴别为具有高的低灌注概率。
图35和图36是根据一个示例性实施方案展示方法920的方面的示意图，所述方法920用于提供有关评估特定患者的斑块脆弱性、心肌体积风险和心肌灌注风险的各种信息。方法920可在上述计算机系统中实施，所述计算机系统例如是用以实施上文描述并在图3中展示的步骤中一个或多个的计算机系统。方法920可使用一个或多个输入922来进行，并且可包括依据输入922来产生一个或多个模型930、依据一个或多个模型930进行一种或多种生物力学分析940，以及依据模型930和生物力学分析940提供各种结果。
输入922可包括患者的主动脉、冠状动脉(和由此延伸的分支)和心脏的医学成像数据923，如CCTA数据(例如在图2的步骤100中获得)。输入922还可包括从患者测量的其它生理学数据924，如患者的臂血压、心率和/或其它测量值(例如在图2的步骤100中获得)。其它生理学数据924可以非侵入方式获得。输入922可用以产生模型930和/或进行下述生物力学分析940。
如上所述，一个或多个模型930可依据输入922来产生。举例来说，方法920可包括产生血液动力学模型932，所述血液动力学模型932包括在整个患者解剖结构的三维几何模型中各种位置的计算血液流量和压力信息。患者解剖结构的模型可使用以下创建：医学成像数据923，例如在图3的步骤306中产生的图8的实体模型320，和/或在图3的步骤312中产生的图17-19的网380，并且在一个示例性实施方案中，血液动力学模型932可为模拟血压模型50(图1)、模拟血流模型52(图1)、cFFR模型54(图1)，或在进行计算分析之后产生的其它模拟，例如上文关于图3的步骤402所述。固体力学模型(包括流体结构互动模型)可以用已知数值方法的计算分析求解。斑块和血管的性质可建模成线性或非线性、各向同性或各向异性。解可提供斑块以及斑块和血管之间的界面的应力和应变。在图36中所示的示例性实施方案中，血液动力学模型932是cFFR模型54。
方法920可包括使用血液动力学模型932如下来进行生物力学分析940：计算在各种生理状态(如休息、不同程度的运动或用力等)下因血液动力学力而作用于斑块腔面的压力906(图33)和剪应力908(图33)(步骤942)。压力906和剪应力908可依据来自血液动力学模型932的信息(例如血液压力和流量)来计算。
任选地，方法920还可包括产生用于从四维成像数据定量血管变形的几何分析模型934，所述四维成像数据例如是在心动周期的多个阶段(如收缩阶段和舒张阶段)获得的成像数据。成像数据可使用各种已知成像方法获得。几何分析模型934可包括关于在心动周期的不同阶段，例如由心脏运动造成的血管位置、变形、取向和尺寸的信息。举例来说，可通过几何分析模型934模拟患者的主动脉、冠状动脉(和由此延伸的分支)和斑块的各种类型的变形，如纵向变长(伸长)或缩短、扭曲(扭转)、径向膨胀或压缩和弯曲。
方法920可包括使用几何分析模型934如下进行生物力学分析940：计算患者的主动脉、冠状动脉(和由此延伸的分支)和斑块由心脏诱导性脉动压力造成的各种变形特征，如纵向变长(伸长)或缩短、扭曲(扭转)、径向膨胀或压缩，和弯曲等(步骤944)。这些变形特征可依据来自几何分析模型934的信息来计算，所述信息例如是在心动周期的多个阶段内，血管位置、取向和尺寸的改变。
计算变形特征可通过确定所建模几何形状(例如患者的主动脉、冠状动脉(和由此延伸的分支)、斑块等的几何形状)的中线或表面网来简化。为确定所建模几何形状在不同阶段之间的变化，分支口、钙化病变和软斑块可用作陆标(landmark)。在不具有陆标的区域中，沿所建模几何形状的长度的截面积概况可用以鉴别在两个图像帧之间的相应位置(以“记录(register)”两个图像帧)。依据原始图像数据的可变形记录算法可用以提取三维变形场。计算的三维变形场接着可投射到与所建模几何形状(例如血管长度)对准的曲线轴以计算变形场的切线分量和法向分量。所建模几何形状(例如血管长度)、分支分开的角度和收缩和心脏舒张之间曲率的所得差异可用以确定血管经历的应变。
方法920还可包括产生用于从医学成像数据923确定斑块组成和性质的斑块模型936。举例来说，斑块模型936可包括关于斑块的密度和其它物质性质的信息。
方法920还可包括产生血管壁模型938，所述血管壁模型938是用于计算关于斑块、血管壁和/或斑块和血管壁之间的界面的信息。举例来说，血管壁模型938可包括关于应力和应变的信息，所述信息可依据斑块模型936中包括的斑块组成和性质、在步骤942中计算的压力906和剪应力908和/或在步骤944中计算的变形特征来计算。
方法920可包括使用血管壁模型938如下进行生物力学分析940：计算血液动力学力和心脏运动诱导性应变造成的斑块上应力(例如急性应力或积累应力)(步骤946)。举例来说，可计算作用于斑块的流量诱导力904(图33)。由血液动力学力和心脏运动诱导性应变造成的斑块上应力或力可依据来自血管壁模型938的信息(例如斑块上应力和应变)来计算。
方法920可包括依据上述模型930中一个或多个和生物力学分析940中一个或多个来确定其它信息。
可计算斑块破裂脆弱性指数(步骤950)。斑块破裂脆弱性指数可例如依据总血液动力学应力、应力频率、应力方向和/或斑块强度或其它性质来计算。举例来说，包围目标斑块的区域可与斑块的三维模型930(如斑块模型936)分离。斑块强度可从斑块模型936中提供的物质性质确定。由脉动压力、流量和心脏运动造成的目标斑块上的血液动力学应力和组织应力可在模拟基线和运动(或用力)条件下通过使用以下来计算：在步骤946中预先计算的血液动力学应力和运动诱导性应变。斑块脆弱性可依据斑块应力与斑块强度的比率来评估。
还可计算心肌容量风险指数(MVRI)(步骤952)。MVRI可定义为在动脉树中给定位置，受斑块破裂和血管梗塞(闭塞或阻塞)影响的总心肌容量的百分比。MVRI可依据给定斑块下游血管提供的心肌的部分来计算，这可相对于下游血管的尺寸来考虑斑块尺寸，以及依据三维血液动力学解，斑块可流入不同血管中的概率。
心肌可被建模并分成由血液动力学模拟中的各血管提供的片段842(例如关联图30的步骤835和步骤840所述)。几何模型可被修改为包括冠状动脉树中分支857的下一代(例如关联图30的步骤855所述)，并且心肌可被进一步分割(例如关联图30的步骤860所述)。可在子段862中产生其它分支857，并且子段862可进一步分割成较小片段867(例如关联图30的步骤865所述)。如先前描述的生理学关系可用以关联血管尺寸与成比例量的所提供的心肌。
可确定破裂斑块所行进的可能路径。血液动力学解可用以确定斑块片段或栓塞物可流入不同下游血管中的机会百分比。
可将破裂斑块的尺寸与下游血管的尺寸相比以确定斑块可在哪里最终产生流障碍。这个信息可与脆弱性指数组合以提供可能受破裂斑块影响的心肌容量的概率图。MVRI在各可能的受影响的片段都可被赋值。图34展示片段912的一个实施例，在所述片段912处，在远端血管中位置910的脆弱斑块影响小面积心肌的概率较高。
还可计算心肌灌注风险指数(MPRI)(步骤954)。MPRI可定义为在动脉树中给定位置，受斑块破裂和血管梗塞影响的总心肌血流的百分比。举例来说，相比LAD动脉的邻近部分中的斑块破裂，LAD动脉的远端部分中的斑块破裂将得到较低MVRI和较低MPRI。然而，如果受进料血管中的脆弱斑块影响的心肌容量的一部分不可行(例如由于可在心肌梗塞之后形成的疤痕组织)，那么这些指数可不同。因此，MPRI指示向心肌片段的可能灌注损失，而非如MVRI指示的受影响容量。可计算向图31的各片段842、862或867的灌注率，并且灌注损失可依据脆弱性指数、血液动力学解，和斑块和血管的尺寸来计算。
因此，可计算由脉动血压、脉动血流、脉动血液剪应力和/或脉动心脏运动造成的斑块应力，并且斑块强度可依据医学成像数据来估计，并且可定量有关斑块脆弱性、心肌容量风险和心肌灌注风险的指数。
VIII.其它应用
上述实施方案与评估关于患者的冠状动脉血流的信息相关。或者，实施方案还可针对身体其它区域的血流来调适，所述身体其它区域如但不限于颈动脉、周边动脉、腹部动脉、肾动脉、大腿动脉、腿弯部动脉和脑动脉。
A.为颅内和颅外血流建模
现将描述有关脑动脉的实施方案。众多疾病可影响颅外或颅内动脉中的血液流量和压力或受颅外或颅内动脉中的血液流量和压力的影响。颅外(例如颈动脉和脊椎)动脉中的动脉粥样硬化疾病可限制血液流向脑部。动脉粥样硬化疾病的严重表现可导致短暂性缺血性发作或缺血性中风。颅内或颅外动脉中的动脉瘤疾病可造成以下风险：导致缺血性中风的栓塞或导致出血性中风的动脉瘤破裂。其它病状(如头外伤、高血压、头颈癌、动静脉畸形、直立耐受不能等)也可影响脑血流量。此外，脑血流量减小可诱发如昏厥的症状，或影响慢性神经病症，如继阿兹海默氏病(Alzheimer's disease)或帕金森氏病(Parkinson'sdisease)之后的痴呆。
已知患有或怀疑患有颅外或颅内动脉疾病的患者通常可接受一种或多种以下非侵入性诊断性测试：US、MRI、CT、PET。然而，这些测试不能有效提供用于大多数患者的颅外和颅内动脉的解剖学数据和生理学数据。
图37是脑动脉图，所述脑动脉包括颅内(在颅骨内)和颅外(在颅骨外)动脉。用于确定关于患者特异性颅内和颅外血流的信息的方法一般可类似于如上所述用于确定关于患者特异性冠状动脉血流的信息的方法。
图38是展示方法1000的方面的示意图，所述方法1000用于提供有关特定患者的颅内血流量和颅外血流的各种信息。方法1000可在计算机系统中实施，所述计算机系统例如类似于用以实施上文描述并在图3中展示的步骤中一个或多个的计算机系统。方法1000可使用一个或多个输入1010来进行，并且可包括依据输入1010来产生一个或多个模型1020、依据输入1010和/或模型1020对一个或多个条件1030赋值，以及依据模型1020和条件1030得出一个或多个解1040。
输入1010可包括患者的颅内和颅外动脉(例如患者的主动脉、颈动脉(图37中所示)、脊椎动脉(图37中所示)和脑部)的医学成像数据1011，如CCTA数据(例如以与上文关于图2的步骤100所述类似的方式获得)。输入1010还可包括测量1012患者的臂血压、颈动脉血压(例如使用张力测定法)和/或其它测量(例如以与上文关于图2的步骤100所述类似的方式获得)。测量1012可以非侵入方式获得。输入1010可用以产生模型1020和/或确定下述条件1030。
如上所述，一个或多个模型1020可依据输入1010来产生。举例来说，方法1000可包括依据成像数据1011来产生患者的颅内和颅外动脉的一个或多个患者特异性三维几何模型(步骤1021)。三维几何模型1021可使用如上关于产生图8的实体模型320和图17-19的网380所述的类似方法来产生。举例来说，与图3的步骤306和步骤312类似的步骤可用以产生呈现患者的颅内和颅外动脉的三维实体模型和网。
回头参考图38，方法1000还可包括产生一个或多个基于物理学的血流模型(步骤1022)。举例来说，血流模型可为呈现以下的模型：经过在步骤1021中产生的患者特异性几何模型的流、心脏和主动脉循环、远端颅内和颅外循环，等。在三维几何模型1021的流入边界和/或流出边界，血流模型可包括如上文关于图3的步骤310所述的降阶模型，例如集中参数模型或分布(一维波传播)模型等。或者，流入边界和/或流出边界可被赋予速度、流动速率、压力或其它特征等的各别指定值或值域。作为另一替代方案，流入边界可与心脏模型(例如包括主动脉弓)偶合。流入边界和/或流出边界的参数可调整来匹配所测量或选择的生理条件，生理条件包括但限于心输出量和血压。
如上所述，一个或多个条件1030可依据输入1010和/或模型1020来确定。条件1030包括针对在步骤1022(和图3的步骤310)中确定的边界条件所计算的参数。举例来说，方法1000可包括如下确定条件：依据成像数据1011(例如以与上文关于图3的步骤240所述类似的方式获得)来计算患者特异性脑容量或头容量(步骤1031)。
方法1000可包括如下确定条件：使用在步骤1031中计算的脑容量或头容量、依据关系Q＝QoMα的休息脑血流量Q(其中α是预设标度指数，M是从脑容量或头容量确定的脑质量，并且Qo是预设常数)进行计算(例如类似于上文关于在图3的步骤310中确定集中参数模型描述的生理关系)(步骤1032)。或者，所述关系可具有形式Q∝QoMα，如上文在图3的步骤310中关于确定集中参数模型所述。
方法1000还可包括如下确定条件：使用在步骤1032中计算的所得冠状动脉流量和患者的测量血压1012、总休息大脑阻力进行计算(例如类似于上文关于在图3的步骤310中确定集中参数模型描述的方法)(步骤1033)。举例来说，在基线(休息)条件下在步骤1032中确定的在三维几何模型1021的流出边界的总脑血流量Q以及测量血压1012可用以依据预设的用实验方式得出的等式来确定在流出边界的总阻力R。阻力、电容、感应系数和与集中参数模型中所用的各种电组件相关的其它变量可并入边界条件中(例如上文在图3的步骤310中关于确定集中参数模型所述)。
方法1000还可包括如下确定条件：使用在步骤1033和模型1020中计算的总休息大脑阻力、个别颅内和颅外动脉的个别阻力进行计算(步骤1034)。举例来说，类似于上文关于图3的步骤310描述的方法，在步骤1033中计算的总休息大脑阻力R可依据个别颅内和颅外动脉的远端的尺寸(例如从在步骤1021中产生的几何模型确定)，并且依据关系R＝Rodβ(其中R是在具体远端的流动阻力，并且Ro是预设常数，d是尺寸(例如远端的直径)，并且β是预设幂律指数，如上文关于在图3的步骤310中确定集中参数模型所述)分布到个别颅内和颅外动脉。
回头参考图38，方法1000可包括依据患者的一个或多个身体条件来调整边界条件(步骤1035)。举例来说，在步骤1031-1034中确定的参数可依据以下来修改：解1040是否意图模拟休息、不同程度的应激、不同程度的压力感受性反应或其它自主反馈控制、不同程度的充血、不同程度的运动、用力、高血压或低血压、不同药物治疗、体位变化和/或其它条件。参数(例如有关在流出边界的边界条件的参数)还可依据以下来调整：颅内和颅外动脉的舒张血管能力(血管变宽的能力)，例如归因于微血管功能障碍或内皮健康。
依据输入1010、模型1020和条件1030，可进行计算分析，例如上文关于图3的步骤402所述，以便确定解1040，所述解1040包括关于患者的冠状动脉血流在步骤1035中选择的身体条件下的信息(步骤1041)。可从解1040提供的信息的实例可类似于上文关于图1和图21-24提供的实例，例如模拟血压模型、模拟血流模型，等。结果还可用以确定例如流动速率、总脑流量、血管壁剪应力、牵引力或剪切力，所述力作用于血管壁或动脉粥样硬化斑块或动脉瘤、颗粒/血液滞留时间、血管壁活动、血液剪切速率，等。这些结果还可用以分析离开血管系统中特定区域的栓塞物在哪里可很可能因血液循环而移动。
计算机系统可允许用户模拟几何形状的各种变化。举例来说，模型1020，例如在步骤1021中产生的患者特异性几何模型可被修改来预测动脉梗塞(例如急性梗塞)的影响。在一些手术程序中，如当去除癌性肿瘤时，一根或多根颅外动脉可被损伤或去除。因此，在步骤1021中产生患者特异性几何模型还可修改来模拟防止血液流到一根或一根以上颅外动脉中的影响，以预测并行通路用于向患者提供足够血流的可能。
计算机系统可允许用户模拟各种治疗选择的结果，所述治疗选择如为介入修复或手术修复例如急性梗塞。通过用如上文关于图27和图28所述的降阶模型替代如上所述的呈现颅内和颅外动脉的三维实体模型或网，模拟可较快速地进行。因此，降阶模型，如一维模型或集中参数模型可较有效并快速地求出患者特异性模型中的血液流量和压力并且显示解的结果。
特定患者对舒张血管刺激物的反应可依据患者休息时的血液动力学信息或依据不同疾病病况的基于群体的数据来预测。举例来说，在基线(休息)中，用依据幂律和脑质量(例如上文关于步骤1032所述)赋值的流动分布运行模拟(例如上文在步骤1041中所述)。可调整阻力值(例如在步骤1033和步骤1034中确定)以允许足够的灌注。或者，将来自有如糖尿病、药物治疗和以往心脏事件的因素的患者群体的数据用以对不同阻力赋值。单独或与血液动力学信息(例如壁剪应力，或流量和血管尺寸的关系)组合的在休息条件下的阻力的调整可用以确定远端大脑血管扩张的剩余能力。需要阻力减小来满足休息流量要求的患者，或流量与血管尺寸比较高的患者可具有减小的在生理应激下进一步扩张其血管的能力。
在脑动脉的个别片段上的流动速率和压力梯度(例如在步骤1041中确定)可用以计算大脑动脉阻力。大脑动脉阻力可计算为患者特异性几何模型中包括的颅外和颅内动脉的部分的等效阻力，所述患者特异性几何模型是从医学成像数据产生(例如在步骤1021中产生)。大脑动脉阻力的临床意义可在于解释为什么在颅外和/或颅内动脉中患有扩散性动脉粥样硬化的患者可显示昏厥(暂时性意识丧失或姿势，例如昏晕)或局部缺血(血液供给限制)的症状。
而且，例如依据在步骤1041中确定的流量信息以及在步骤1031中计算的脑组织容量或质量，可计算在基线或改变的生理学条件下每单位脑组织容量(或质量)的流量。这个计算可适用于理解血流减少对慢性神经病症的影响。这个计算还可适用于选择或改进医学疗法，例如抗高血压剂的剂量。其它结果可包括定量外伤、脑震荡、外部生理应激、过量重力、失重、太空飞行、深海减压(例如弯曲)等的影响。
组合的患者特异性解剖学(几何)模型和生理学(基于物理学的)模型可用以确定不同药物治疗或生活方式变化(例如停止吸烟、改变膳食或增加身体活动)对脑动脉血流的作用，所述药物治疗或生活方式变化会改变心率、心搏量、血压或大脑微循环功能。组合模型还可用以确定替代形式和/或不同程度的暴露于可能的外来力(例如当踢足球时、在太空飞行期间、当斯库巴潜水时、在坐飞机飞行期间，等)的身体活动或风险对脑动脉血流的作用。所述信息可用以鉴别对特定患者来说可能安全并有效的身体活动的类型和程度。组合模型也可用以预测经皮介入对脑动脉血流的可能益处以选择最优的介入策略，和/或预测颈动脉内膜切除术或外部颈动脉到内部颈动脉旁路移植对脑动脉血流的可能益处以选择最优的手术策略。
组合模型还可用以说明动脉疾病负担增大对脑动脉血流的可能的有害作用，并且使用机械或现象学疾病进展模型或经验数据来预测进展中疾病何时可对流向脑部的血流引起损害。所述信息可实现确定“保证期”，其中使用非侵入性成像观察到最初没有热力学有意义的疾病的患者可能不被预期需要医药疗法、介入疗法或手术疗法，或者，如果继续有不利因素，那么可确定出现进展的比率。
组合模型也可用以说明由疾病负担减小引起的对脑动脉血流的可能的有益作用，并且使用机械或现象学疾病进展模型或经验数据来预测疾病消退何时可引起到脑部的血流增加。所述信息可用以指导医学管理程序，所述医学管理程序包括但不限于改变膳食、增加身体活动、开出士他汀或其它医药的处方，等。
组合模型还可用以预测动脉梗塞的影响。在一些手术程序(如去除癌性肿瘤)中，一些颅外动脉可被损伤或去除。模拟防止血液流到颅外动脉之一的作用可允许预测并行通路向特定患者提供足够血流的可能。
i.评估大脑灌注
可计算其它结果。举例来说，计算分析可提供定量大脑灌注(经过大脑的血流)的结果。定量大脑灌注可有助于鉴别脑血流量减少的区域。
图39展示根据一个示例性实施方案，有关方法1050的示意图，所述方法1050用于提供有关特定患者的大脑灌注的各种信息。方法1050可在上述计算机系统中实施，所述计算机系统例如类似于用以实施上文描述并在图3中展示的步骤中一个或多个的计算机系统。
方法1050可使用一个或多个输入1052来进行。输入1052可包括患者的颅内和颅外动脉(例如患者的主动脉、颈动脉(图37中所示)、脊椎动脉(图37中所示)和脑部)的医学成像数据1053，如CCTA数据(例如以与上文关于图2的步骤100所述类似的方式获得)。输入1052还可包括从患者测量的其它生理学数据1054，如患者的臂血压、心率和/或其它测量值(例如以与上文关于图2的步骤100所述类似的方式获得)。其它生理学数据1054可以非侵入方式获得。输入1052可用以进行下述步骤。
患者脑组织的三维几何模型可依据成像数据1053创建(步骤1060)，并且几何模型可分成片段或体积(步骤1062)(例如用与如上文关于图29-32所述类似的方式)。个别片段的尺寸和位置可依据以下来确定：颅内和颅外动脉的流出边界的位置、在各别片段(例如邻近血管)中或与各别片段(例如邻近血管)连接的血管的尺寸，等。将几何模型分成片段可使用各种已知方法进行，所述已知方法如为快速行进法、通用快速行进法、水平集方法、扩散等式、经过多孔介质的等式支配流，等。
三维几何模型还可包括患者的颅内和颅外动脉的一部分，所述部分可依据成像数据1053来建模(步骤1064)。举例来说，在步骤1062和步骤1064中，可创建包括脑组织和颅内和颅外动脉的三维几何模型。
计算分析例如可如上文关于图3的步骤402所述来进行以确定解，所述解包括关于在由用户确定的身体条件下患者的脑血流量的信息(步骤1066)。举例来说，身体条件可包括休息、不同程度的应激、不同程度的压力感受性反应或其它自主反馈控制、不同程度的充血、不同程度的运动或用力、不同药物治疗、体位变化和/或其它条件。所述解可提供在步骤1064中建模的患者的解剖结构中各种位置并且在指定身体条件下的信息，如血液流量和压力。计算分析可使用来源于集中参数模型或一维模型的在流出边界的边界条件来进行。可产生一维模型来填充脑组织的片段，如下文关于图40所述。
依据在步骤1066中确定的血流信息，可计算向在步骤1062中创建的脑部的各别片段中的血流灌注(步骤1068)。举例来说，灌注可如下计算：将来自流出边界各出口的流量除以出口所灌注的被分割脑部的容量。
在步骤1068中确定的脑部各别片段的灌注可显示在步骤1060或步骤1062中产生的脑部几何模型上(步骤1070)。举例来说，在步骤1060中创建的几何模型中所示的脑部片段可用不同色调或颜色说明以指示血流灌注到各别片段中。
图40展示根据一个示例性实施方案，有关方法1100的另一示意图，所述方法1100用于提供有关特定患者的大脑灌注的各种信息。方法1100可在上述计算机系统中实施，所述计算机系统例如类似于用以实施上文描述并在图3中展示的步骤中一个或多个的计算机系统。
方法1100可使用一个或多个输入1102来进行，输入1102可包括患者的主动脉、颈动脉(图37中所示)、脊椎动脉(图37中所示)和脑部的医学成像数据1103，如CCTA数据(例如以与上文关于图2的步骤100所述类似的方式获得)。输入1102可用以进行下述步骤。
患者脑组织的三维几何模型可依据成像数据1103创建(步骤1110)。模型还可包括患者的主动脉、颈动脉(图37中所示)和脊椎动脉(图37中所示)的一部分，所述部分还可依据成像数据1103创建。举例来说，如上所述，可创建包括脑组织和颅内和颅外动脉的三维几何模型。步骤1110可包括上述图39的步骤1060和步骤1064。
在步骤1110中创建的几何脑组织模型可分成体积或片段(步骤1112)。步骤1112可包括上述图39的步骤1062。几何脑组织模型还可进一步修改来包括大脑树中分支的下一代(步骤1118)(例如用与如上文关于图29-32所述类似的方式)。分支的位置和尺寸可依据颅内和颅外动脉的中线来确定。中线可例如依据成像数1103来确定(步骤1114)。一种算法还可用以依据形态计量学模型(用以预测在流出边界的已知出口下游的血管位置和尺寸的模型)和/或与血管尺寸有关的生理学分支规律来确定分支的位置和尺寸(步骤1116)。形态计量学模型可扩充到几何模型中包括的颅内和颅外动脉的下游端，并且提供于脑组织外层上或含在脑组织几何模型内。
脑部可依据在步骤1118中创建的分支来进一步片段(步骤1120)(例如用与如上文关于图29-32所述类似的方式)。可在子段中创建其它分支，并且子段可进一步分割成较小片段(步骤1122)(例如用与如上文关于图29-32所述类似的方式)。创建分支以及将体积分成子段的步骤可重复到获得体积尺寸和/或分支尺寸的所需分解为止。已在步骤1118和步骤1122中扩充为包括新分支的几何模型接着可用以计算向子段(如在步骤1122中产生的子段)中的脑血流量和大脑灌注。
因此，扩充模型可用以进行上述计算分析。计算分析结果可将有关血流的信息从患者特异性脑动脉模型提供到所产生的形态计量学模型(包括在步骤1118和步骤1122产生的分支)中，所述信息可延伸到在步骤1122中产生的灌注子段的每一个中。
图41展示根据一个示例性实施方案，有关方法1150的另一示意图，所述方法1150用于提供有关特定患者的大脑灌注的各种信息。方法1150可在上述计算机系统中实施，所述计算机系统例如是用以实施上文描述并在图3中展示的步骤中一个或多个的计算机系统。
方法1150可使用一个或多个输入1152来进行。输入1152可包括患者的主动脉、颈动脉(图37中所示)、脊椎动脉(图37中所示)和脑部的医学成像数据1153，如CCTA数据(例如以与上文关于图2的步骤100所述类似的方式获得)。输入1152还可包括从患者测量的其它生理学数据1154，如患者的臂血压、心率和/或其它测量值(例如在图2的步骤100中获得)。其它生理学数据1154可以非侵入方式获得。输入1152还可包括从患者测量(例如使用CT、PET、SPECT、MRI，等)的脑灌注数据1155。输入1152可用以进行下述步骤。
患者的颅内和颅外动脉的三维几何模型可依据成像数据1153来创建(步骤1160)。步骤1160可类似于上述图39的步骤1064。
计算分析例如可如上文关于图3的步骤402所述来进行以确定解，所述解包括关于在由用户确定的身体条件下患者的脑血流量的信息(步骤1162)。举例来说，身体条件可包括休息、不同程度的应激、不同程度的压力感受性反应或其它自主反馈控制、不同程度的充血、不同程度的运动或用力、不同药物治疗、体位变化和/或其它条件。所述解可提供在步骤1160中建模的患者的解剖结构中各种位置并且在指定身体条件下的信息，如血液流量和压力。步骤1162可类似于上述图39的步骤1066。
而且，患者脑组织的三维几何模型可依据成像数据1153创建(步骤1164)。举例来说，在步骤1160和步骤1164中，可创建包括脑组织和颅内和颅外动脉的三维几何模型。步骤1164可类似于上述图39的步骤1060。
几何模型可分成片段或子体积(步骤1166)。步骤1166可类似于上述图39的步骤1062。
依据在步骤1162中确定的血流信息，可计算向在步骤1166中创建的脑组织的各别片段中的血流灌注(步骤1168)。步骤1168可类似于上述图39的步骤1068。
脑组织各别片段的计算灌注可显示在步骤1164或步骤1166中产生的脑组织几何模型上(步骤1170)。步骤1170可类似于上述图39的步骤1070。
在步骤1170中绘制于脑组织三维几何模型上的模拟灌注数据可与测量的大脑灌注数据1155相比(步骤1172)。比较可使用脑组织三维表示上各种颜色和/或色调来指示模拟灌注数据和测量灌注数据的差异。
在步骤1160中创建的三维几何模型的出口处的边界条件可调整，以减小模拟灌注数据和测量灌注数据之间的误差(步骤1174)。举例来说，为减小误差，可调整边界条件，以使向一个区域(例如在步骤1166中创建的片段)(其中模拟灌注低于测量灌注)供料的血管的指定流动阻力可减小。可调整边界条件的其它参数。或者，可修改模型的分支结构。举例来说，如上文关于图40所述，可扩充在步骤1160中创建的几何模型来创建形态计量学模型。边界条件和/或形态计量学模型的参数可使用参数估计或数据同化方法来凭经验或系统地调整，所述方法如为标题为“Method for Tuning Patient-Specific CardiovascularSimulations”的美国专利申请公布号2010/0017171中所述的方法，或其它方法。
图41的步骤1162、1168、1170、1172、1174和/或其它步骤可重复，例如直到模拟灌注数据和测量灌注数据之间的误差低于预定临限值为止。因此，计算分析可使用有关解剖学信息、脑血流量信息和大脑灌注信息的模型来进行。所述模型可适用于诊断目的并且适用于预测医药疗法、介入疗法或手术疗法的益处。
因此，可计算在基线条件或改变的生理学状态下的颅外和颅内动脉血流和大脑灌注。大脑灌注数据可与模拟大脑灌注结果组合使用，以调整颅内动脉血流计算值的边界条件，直到模拟大脑灌注结果在给定容许量内匹配测量的大脑灌注数据为止。因此，可提供较精确的患者特异性颅外和颅内动脉血流计算，并且医师可预测在测量数据可能不可得的情况下(例如某些身体条件，如运动、用力、体位变化或模拟治疗)的脑动脉血流和大脑灌注。脑部的患者特异性三维模型可分成灌注片段或子体积，并且可确定患者是否接收到适当最小的灌注到脑部的各种区域。
颅内动脉的患者特异性三维几何模型可从医学成像数据产生，并且与由灌注片段或子体积表示的其余颅内动脉树的一部分的形态计量学模型(例如上文关于图40所述)组合以形成扩充模型。可计算扩充模型中给定(例如患病)位置下游的总脑容量(或质量)的百分比。而且，可计算在扩充模型中给定(例如患病)位置的总脑血流量的百分比。另外，功能成像研究(例如功能性磁共振成像(fMRI))、灌注CT或MRI中记录的不足接着可追踪到进料血管中的疾病、解剖学变体、受损自调节机制、低血压或其它病状，从而可适用于患有缺血性中风、昏厥、直立耐受不能、外伤或慢性神经病症的患者。
ii.评估斑块脆弱性
计算分析还可提供定量作用于斑块的患者特异性生物力学力的结果，所述斑块可在患者的颅内和颅外动脉(例如颈动脉粥样硬化斑块)中积累。生物力学力可由脉动压力、流量和颈部运动引起。
图42是根据一个示例性实施方案展示方法1200的方面的示意图，所述方法1200用于提供有关评估特定患者的斑块脆弱性、大脑容量风险和大脑灌注风险的各种信息。方法1200可在上述计算机系统中实施，所述计算机系统例如类似于用以实施上文描述并在图3中展示的步骤中一个或多个的计算机系统。方法1200可使用一个或多个输入1202来进行，并且可包括依据输入1202来产生一个或多个模型1210、依据一个或多个模型1210进行一种或多种生物力学分析1220，以及依据模型1220和生物力学分析1210提供各种结果。
输入1202可包括患者的颅内和颅外动脉(例如患者的主动脉、颈动脉(图37中所示)、脊椎动脉(图37中所示)和脑部)的医学成像数据1203，如CCTA数据(例如以与上文关于图2的步骤100所述类似的方式获得)。输入1202还可包括从患者测量的其它生理学数据1204，如患者的臂血压、心率和/或其它测量值(例如以与上文关于图2的步骤100所述类似的方式获得)。其它生理学数据1204可以非侵入方式获得。输入1202可用以产生模型1210和/或进行下述生物力学分析1220。
如上所述，一个或多个模型1210可依据输入1202来产生。举例来说，方法1200可包括产生血液动力学模型1212，所述血液动力学模型1212包括在整个患者解剖结构的三维几何模型中各种位置的计算血液流量和压力信息。患者解剖结构的模型可使用医学成像数据1203创建，并且在一个示例性实施方案中，血液动力学模型1212可为模拟血压模型、模拟血流模型或在进行计算分析之后产生的其它模拟，例如上文关于图3的步骤402所述。固体力学模型(包括流体结构互动模型)可以用已知数值方法的计算分析求解。斑块和血管的性质可建模成线性或非线性、各向同性或各向异性。解可提供斑块以及斑块和血管之间的界面的应力和应变。用于产生血液动力学模型1212的步骤可类似于用于产生上述图35的血液动力学模型932的步骤。
方法1200可包括使用血液动力学模型1212如下来进行生物力学分析1220：计算在各种生理状态(如休息、不同程度的运动或用力等)下因血液动力学力而作用于斑块腔面的压力和剪应力(步骤1222)。压力和剪应力可依据来自血液动力学模型1212信息(例如血液压力和流量)来计算。步骤1222可类似于上述图35的步骤942。
任选地，方法1200还可包括以与上文关于图35的几何分析模型934所述类似的方式，产生用于从四维成像数据定量血管变形的几何分析模型，所述四维成像数据例如是在心动周期的多个阶段(如收缩阶段和舒张阶段)获得的成像数据。方法1200还可包括以与上文关于图35的步骤944所述类似的方式，使用几何分析模型如下进行生物力学分析1220：计算患者的颅内和颅外动脉和斑块由心脏诱导性脉动压力造成的各种变形特征，如纵向变长(伸长)或缩短、扭曲(扭转)、径向膨胀或压缩，和弯曲等。
方法1200还可包括产生用于从医学成像数据1203确定斑块组成和性质的斑块模型1214。举例来说，斑块模型1214可包括关于斑块的密度和其它物质性质的信息。
方法1200还可包括产生血管壁模型1216，所述血管壁模型1216是用于计算关于斑块、血管壁和/或斑块和血管壁之间的界面的信息。举例来说，血管壁模型1216可包括关于应力和应变的信息，所述信息可依据斑块模型1214中包括的斑块组成和性质和在步骤1220中计算的压力和剪应力来计算。任选地，应力和应变还可使用如上所述计算的变形特征来计算。用于产生斑块模型1214和/或血管壁模型1216的步骤可类似于上述图35的用于产生斑块模型936和/或血管壁模型938的步骤。
方法1200可包括使用血管壁模型1216如下进行生物力学分析1220：计算血液动力学力和颈部活动诱导性应变造成的斑块上应力(例如急性应力或积累应力)(步骤1224)。举例来说，可计算作用于斑块的流量诱导力904(图33)。由血液动力学力和颈部活动诱导性应变造成的斑块上应力或力可依据来自血管壁模型1216的信息(例如斑块上应力和应变)来计算。步骤1224可类似于上述图35的步骤946。
方法1200可包括依据上述模型1210中一个或多个和生物力学分析1220中一个或多个来确定其它信息。
可计算斑块破裂脆弱性指数(步骤1230)。斑块破裂脆弱性指数可例如依据血液动力学应力、应力频率、应力方向和/或斑块强度或其它性质来计算。举例来说，包围目标斑块的区域可与斑块的三维模型1210(如斑块模型1214)分离。斑块强度可从斑块模型1214中提供的物质性质确定。由脉动压力、流量和颈部运动造成的目标斑块上的血液动力学应力和组织应力可在模拟基线和运动(或用力)条件下通过使用以下来计算：在步骤1224中预先计算的血液动力学应力和运动诱导性应变。斑块脆弱性可依据斑块应力与斑块强度的比率来评估。步骤1230可类似于上述图35的步骤950。举例来说，可计算位于颅外动脉中的斑块的斑块破裂脆弱性指数以用于中风评估。
还可计算大脑容量风险指数(CVRI)(步骤1232)。CVRI可定义为在动脉树中给定位置，血管受斑块破裂或栓塞和梗塞(闭塞或阻塞)影响的总脑容量的百分比。CVRI可依据给定斑块下游血管提供的脑部的部分来计算，这可相对于下游血管的尺寸来考虑斑块尺寸，以及依据三维血液动力学解，斑块可流入不同血管中的概率。CVRI可在患病状态评估，或在介入之前或之后评估。步骤1232可类似于上述图35的步骤952。
脑组织可被建模并分成由血液动力学模拟中的各血管提供的片段(例如关联图40的步骤1110和步骤1112所述)。几何模型可被修改为包括大脑树中分支的下一代(例如关联图40的步骤1118所述)，并且脑组织可被进一步分割(例如关联图40的步骤1120所述)。可在子段中创建其它分支，并且子段可进一步分割成较小片段(例如关联图40的步骤1122所述)。如先前描述的生理学关系可用以关联血管尺寸与成比例量的所提供的脑组织。
可确定破裂斑块所行进的可能路径。血液动力学解可用以确定斑块片段或栓塞物可流入不同下游血管中的机会百分比。
可将破裂斑块的尺寸与下游血管的尺寸相比以确定斑块可在哪里最终产生流障碍。这个信息可与脆弱性指数组合以提供可能受破裂斑块影响的脑组织的容量的概率图。CVRI在各可能的受影响的片段都可被赋值。
还可计算大脑灌注风险指数(CPRI)(步骤1234)。CPRI可定义为在动脉树中给定位置，受斑块破裂和血管梗塞影响的总脑血流量的百分比。CPRI指示向脑组织片段的可能灌注损失，而非如CVRI指示的受影响容量。举例来说，颈动脉斑块破裂或栓塞的影响可取决于患者的威利斯环(circle of Willis)(图37中所示)的几何形状而变化，并且因解剖结构的这些差异而可得到不同CVRI和CPRI值。可计算向脑组织各片段的灌注率，并且灌注损失可依据脆弱性指数、血液动力学解，和斑块和血管的尺寸来计算。CPRI可在患病状态评估，或在介入之前或之后评估。步骤1234可类似于上述图35的步骤954。
因此，可评估作用于颈动脉粥样硬化斑块的生物力学力，所述生物力学力由脉动压力、脉动血流和/或任选地颈部运动引起。可定量斑块所经历的由脉动压力、脉动血流和/或任选地颈部运动引起的总应力。解可考虑作用于斑块或作用于斑块和血管壁之间的界面的患者特异性血液动力学应力的多个来源。而且，斑块强度可依据医学成像数据来估计，并且可定量有关斑块脆弱性、大脑容量风险和大脑灌注风险的指数。
通过确定如下文所述的颅外和颅内动脉的解剖学和生理学数据，可预测特定患者的动脉或器官层面在各种身体条件下的血流变化。此外，可提供其它信息，如短暂性缺血性发作、缺血性中风或动脉瘤破裂的风险、作用于动脉粥样硬化斑块或动脉瘤的力、医学介入或手术疗法对颅内或颅外血流、压力、壁应力或脑灌注的预测影响。可定量颅内或颅外动脉中的血流、压力和壁应力，以及总脑灌注和局部脑灌注，并且可确定疾病的功能意义。
除定量从成像数据构建的三维几何模型中的血流(例如上文在步骤1212中描述)以外，模型还可被修改来模拟疾病进展或消退或医药介入、经皮介入或手术介入的影响。在一个示例性实施方案中，动脉粥样硬化进展可如下建模：随时间对解进行迭代，例如通过求出剪应力或颗粒滞留时间，以及依据血液动力学因素和/或患者特异性生物化学测量值来调适几何模型以使动脉粥样硬化斑块发展得到进展。此外，血流、心率、血压和其它生理学变量的变化对颅外和/或颅内动脉血流或大脑灌注的影响可通过改变边界条件来建模，并且用以计算这些变量随时间变化的积累作用。
任何实施方案中阐述的任何方面都可与本文所述的任何其它实施方案一起使用。本文所述的每一设备和装置都可用于任何适合的医学程序，可进展经过任何适合的身体内腔和体腔，并且可用于对任何适合的身体部分进行成像。
将对所属领域的技术人员显而易知的是，各种修改和变化可在公开系统和方法中进行，而不背离公开内容的范畴。考虑本文公开的公开内容的说明书和实践后，所属领域的技术人员将显而易知其它实施方案。旨在将说明书和实施例视为仅具有示例性，公开内容的真实范畴和精神由以下权利要求指示。

Claims (20)

1.一种用于图像处理以确定患者的心血管信息的系统，所述系统包括：
至少一个计算机系统，其被配置成：
接收关于所述患者的解剖结构的几何形状的患者特异性数据，所述解剖结构包括源自所述患者的主动脉的多根冠状动脉的至少一部分；
使用所述患者特异性数据，创建呈现所述解剖结构的三维几何模型；
使用所述三维几何模型，产生定义通过所述患者的所述解剖结构的血流的一维血流模型；
使用所述三维几何模型产生血压模型，其中所述血压模型定义在由所述三维几何模型呈现的所述解剖结构中的两个或多个位置处的血压；和
使用所述血压模型和所述一维血流模型，确定所述解剖结构中的至少一种血流特征，其中所述血流特征是在所述解剖结构中两个或多个位置处的压力的比率。
2.如权利要求1所述的系统，其中所述患者特异性数据对应于在休息时的生理条件下的所述患者。
3.如权利要求1所述的系统，其中所述至少一个计算机系统进一步被配置成：
产生边界条件模型；
基于所述三维几何模型确定所述解剖结构中冠状动脉的尺寸；
基于所述解剖结构中冠状动脉的所述尺寸，确定总心输出量；和
至少部分基于所述总心输出量，确定所述边界条件模型的至少一个入口边界条件和至少一个出口边界条件。
4.如权利要求1所述的系统，其中配置成产生一维血流模型的所述至少一个计算机系统进一步被配置成：
确定所述解剖结构的冠状动脉的中线；和
确定所述解剖结构的所述冠状动脉中沿着所述中线的压力和流量。
5.如权利要求1所述的系统，其中使用血管造影术获得所述患者特异性数据。
6.如权利要求1所述的系统，其中当所述患者保持导管插入时进行所述确定所述血流特征。
7.如权利要求1所述的系统，其中所述至少一个计算机系统进一步被配置成：
为所述解剖结构的至少一个冠状动脉，确定在心动周期的至少一个阶段内的血流；和
至少部分基于在所述心动周期的所述至少一个阶段内的血流，确定所述患者的所述血流特征。
8.一种计算机实施的方法，所述方法用于图像处理以确定患者的心血管信息，所述方法包括：
接收关于所述患者的解剖结构的几何形状的患者特异性数据，所述解剖结构包括源自所述患者的主动脉的多根冠状动脉的至少一部分；
使用所述患者特异性数据，创建呈现所述解剖结构的三维几何模型；
使用所述三维几何模型，产生定义通过所述患者的所述解剖结构的血流的一维血流模型；
使用所述三维几何模型，产生血压模型，其中所述血压模型定义在由所述三维几何模型呈现的所述解剖结构中的两个或多个位置处的血压；和
使用所述血压模型和所述一维血流模型，确定所述解剖结构中的至少一种血流特征，其中所述血流特征是在所述解剖结构中两个或多个位置处的压力的比率。
9.如权利要求8所述的方法，其中所述患者特异性数据对应于在休息时的生理条件下的所述患者。
10.如权利要求8所述的方法，还包括：
基于所述三维几何模型，确定所述解剖结构中冠状动脉的尺寸；
基于所述解剖结构中冠状动脉的所述尺寸，确定总心输出量；和
至少部分基于所述总心输出量，确定所述边界条件模型的至少一个入口边界条件和至少一个出口边界条件。
11.如权利要求8所述的方法，其中产生一维血流模型还包括：
确定所述解剖结构的冠状动脉的中线；和
确定所述解剖结构的所述冠状动脉中沿着所述中线的压力和流量。
12.如权利要求8所述的方法，其中使用血管造影术获得所述患者特异性数据。
13.如权利要求8所述的方法，其中当所述患者保持导管插入时进行所述确定所述血流特征。
14.如权利要求8所述的方法，还包括：
为所述解剖结构的至少一个冠状动脉，确定在心动周期的至少一个阶段内的血流；和
至少部分基于在所述心动周期的所述至少一个阶段内的血流，确定所述患者的所述血流特征。
15.一种非临时性计算机可读介质，其上储存有包括指令的计算机程序，所述指令当被计算机执行时，使得所述计算机进行用于图像处理以确定患者的心血管信息的方法，所述方法包括：
接收关于所述患者的解剖结构的几何形状的患者特异性数据，所述解剖结构包括源自所述患者的主动脉的多根冠状动脉的至少一部分；
使用所述患者特异性数据，创建呈现所述解剖结构的三维几何模型；
使用所述三维几何模型，产生定义通过所述患者的所述解剖结构的血流的一维血流模型；
使用所述三维几何模型，产生血压模型，其中所述血压模型定义在由所述三维几何模型呈现的所述解剖结构中的两个或多个位置处的血压；和
使用所述血压模型和所述一维血流模型，确定所述解剖结构中的至少一种血流特征，其中所述血流特征是在所述解剖结构中两个或多个位置处的压力的比率。
16.如权利要求15所述的计算机可读介质，其中所述患者特异性数据对应于在休息时的生理条件下的所述患者。
17.如权利要求15所述的计算机可读介质，还包括：
基于所述三维几何模型，确定所述解剖结构中冠状动脉的尺寸；
基于所述解剖结构中冠状动脉的所述尺寸，确定总心输出量；和
至少部分基于所述总心输出量，确定边界条件模型的至少一个入口边界条件和至少一个出口边界条件。
18.如权利要求15所述的计算机可读介质，其中产生一维血流模型还包括：
确定所述解剖结构的冠状动脉的中线；和
确定所述解剖结构的所述冠状动脉中沿着所述中线的压力和流量。
19.如权利要求15所述的计算机可读介质，其中：
当所述患者保持导管插入时进行所述确定所述血流特征。
20.如权利要求15所述的计算机可读介质，还包括：
为所述解剖结构的至少一个冠状动脉，确定在心动周期的至少一个阶段内的血流；和
至少部分基于在所述心动周期的所述至少一个阶段内的血流，确定所述患者的所述血流特征。
CN201710264599.3A 2010-08-12 2011-07-29 用于患者特异性血流建模的方法和系统 Active CN106994003B (zh)

Applications Claiming Priority (13)

Application Number Priority Date Filing Date Title
US40146210P 2010-08-12 2010-08-12
US61/401,462 2010-08-12
US40191510P 2010-08-20 2010-08-20
US61/401,915 2010-08-20
US40230810P 2010-08-26 2010-08-26
US61/402,308 2010-08-26
US40234510P 2010-08-27 2010-08-27
US61/402,345 2010-08-27
US40442910P 2010-10-01 2010-10-01
US61/404,429 2010-10-01
US13/013,561 US8315812B2 (en) 2010-08-12 2011-01-25 Method and system for patient-specific modeling of blood flow
US13/013,561 2011-01-25
CN201180048878.7A CN103270513B (zh) 2010-08-12 2011-07-29 用于患者特异性血流建模的方法和系统

Related Parent Applications (1)

Application Number Title Priority Date Filing Date
CN201180048878.7A Division CN103270513B (zh) 2010-08-12 2011-07-29 用于患者特异性血流建模的方法和系统

Publications (2)

Publication Number Publication Date
CN106994003A true CN106994003A (zh) 2017-08-01
CN106994003B CN106994003B (zh) 2020-07-14

Family

ID=45565333

Family Applications (6)

Application Number Title Priority Date Filing Date
CN201710352401.7A Active CN107122621B (zh) 2010-08-12 2011-07-29 用于患者特异性血流建模的方法和系统
CN201710264599.3A Active CN106994003B (zh) 2010-08-12 2011-07-29 用于患者特异性血流建模的方法和系统
CN201710352412.5A Active CN107174219B (zh) 2010-08-12 2011-07-29 用于患者特异性血流建模的方法和系统
CN201710353287.XA Active CN107007352B (zh) 2010-08-12 2011-07-29 用于患者特异性血流建模的方法和系统
CN201180048878.7A Active CN103270513B (zh) 2010-08-12 2011-07-29 用于患者特异性血流建模的方法和系统
CN201710353178.8A Active CN107184186B (zh) 2010-08-12 2011-07-29 用于患者特异性血流建模的方法和系统

Family Applications Before (1)

Application Number Title Priority Date Filing Date
CN201710352401.7A Active CN107122621B (zh) 2010-08-12 2011-07-29 用于患者特异性血流建模的方法和系统

Family Applications After (4)

Application Number Title Priority Date Filing Date
CN201710352412.5A Active CN107174219B (zh) 2010-08-12 2011-07-29 用于患者特异性血流建模的方法和系统
CN201710353287.XA Active CN107007352B (zh) 2010-08-12 2011-07-29 用于患者特异性血流建模的方法和系统
CN201180048878.7A Active CN103270513B (zh) 2010-08-12 2011-07-29 用于患者特异性血流建模的方法和系统
CN201710353178.8A Active CN107184186B (zh) 2010-08-12 2011-07-29 用于患者特异性血流建模的方法和系统

Country Status (9)

Country Link
US (74) US8315812B2 (zh)
EP (8) EP2538362B1 (zh)
JP (19) JP5850583B2 (zh)
KR (14) KR102518799B1 (zh)
CN (6) CN107122621B (zh)
AU (8) AU2011289715B2 (zh)
CA (3) CA3027987C (zh)
DE (17) DE202011110677U1 (zh)
WO (1) WO2012021307A2 (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112075934A (zh) * 2020-09-09 2020-12-15 清华大学 用于识别颈动脉斑块的磁共振单序列多参数定量成像系统

Families Citing this family (590)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
NL7900964A (nl) * 1979-02-07 1980-08-11 Byk Mallinckrodt Cil Bv Nieuwe radioactief gemerkte aminen, werkwijze ter bereiding van de nieuwe verbindingen, alsmede diagnostische preparaten op basis van de nieuwe verbindingen.
US6850788B2 (en) 2002-03-25 2005-02-01 Masimo Corporation Physiological measurement communications adapter
WO2006118548A1 (en) * 2005-05-02 2006-11-09 Agency For Science, Technology And Research Method and apparatus for registration of an atlas to an image
US10154819B2 (en) * 2006-04-20 2018-12-18 Jack S. Emery Systems and methods for impedance analysis of conductive medium
US9161696B2 (en) 2006-09-22 2015-10-20 Masimo Corporation Modular patient monitor
US8840549B2 (en) 2006-09-22 2014-09-23 Masimo Corporation Modular patient monitor
US11064964B2 (en) 2007-03-08 2021-07-20 Sync-Rx, Ltd Determining a characteristic of a lumen by measuring velocity of a contrast agent
US8388541B2 (en) 2007-11-26 2013-03-05 C. R. Bard, Inc. Integrated system for intravascular placement of a catheter
US9521961B2 (en) 2007-11-26 2016-12-20 C. R. Bard, Inc. Systems and methods for guiding a medical instrument
US8781555B2 (en) 2007-11-26 2014-07-15 C. R. Bard, Inc. System for placement of a catheter including a signal-generating stylet
US8200466B2 (en) 2008-07-21 2012-06-12 The Board Of Trustees Of The Leland Stanford Junior University Method for tuning patient-specific cardiovascular simulations
CN102170832B (zh) * 2008-10-02 2013-07-10 金洸台 脑血管分析装置
US9405886B2 (en) 2009-03-17 2016-08-02 The Board Of Trustees Of The Leland Stanford Junior University Method for determining cardiovascular information
US9532724B2 (en) 2009-06-12 2017-01-03 Bard Access Systems, Inc. Apparatus and method for catheter navigation using endovascular energy mapping
US9349176B2 (en) * 2009-07-15 2016-05-24 Mayo Foundation For Medical Education And Research Computer-aided detection (CAD) of intracranial aneurysms
US20110150309A1 (en) * 2009-11-27 2011-06-23 University Health Network Method and system for managing imaging data, and associated devices and compounds
US9153112B1 (en) 2009-12-21 2015-10-06 Masimo Corporation Modular patient monitor
GB201008281D0 (en) 2010-05-19 2010-06-30 Nikonovas Arkadijus Indirect analysis and manipulation of objects
WO2011150376A1 (en) 2010-05-28 2011-12-01 C.R. Bard, Inc. Apparatus for use with needle insertion guidance system
US8315812B2 (en) 2010-08-12 2012-11-20 Heartflow, Inc. Method and system for patient-specific modeling of blood flow
DE102010039407B3 (de) * 2010-08-17 2012-02-02 Siemens Aktiengesellschaft Verfahren zum Bereitstellen eines Hilfsmittels zur Verwendung bei der therapeutischen Behandlung eines körperlichen Objekts
US9119540B2 (en) 2010-09-16 2015-09-01 Siemens Aktiengesellschaft Method and system for non-invasive assessment of coronary artery disease
US9589204B2 (en) 2010-09-20 2017-03-07 Koninklijke Philips N.V. Quantification of a characteristic of a lumen of a tubular structure
US20120084064A1 (en) * 2010-09-29 2012-04-05 Nutech Ventures, Inc. Model-based systems and methods for analyzing and predicting outcomes of vascular interventions and reconstructions
DE102010043849B3 (de) * 2010-11-12 2012-02-16 Siemens Aktiengesellschaft Vorrichtung und Computertomograph zur Bestimmung und Darstellung der Durchblutung des Herzmuskels
GB201100136D0 (en) 2011-01-06 2011-02-23 Davies Helen C S Apparatus and method of characterising a narrowing in a filled tube
GB201100137D0 (en) 2011-01-06 2011-02-23 Davies Helen C S Apparatus and method of assessing a narrowing in a fluid tube
US9256933B2 (en) * 2011-02-08 2016-02-09 Region Nordjylland, Aalborg Sygehus System for determining flow properties of a blood vessel
US10186056B2 (en) 2011-03-21 2019-01-22 General Electric Company System and method for estimating vascular flow using CT imaging
WO2012174495A2 (en) 2011-06-17 2012-12-20 Carnegie Mellon University Physics based image processing and evaluation process of perfusion images from radiology imaging
TWI445520B (zh) * 2011-07-08 2014-07-21 私立中原大學 Methods of comparison of non - invasive cardiovascular status
US9179890B2 (en) * 2011-07-14 2015-11-10 Siemens Aktiengesellschaft Model-based positioning for intracardiac echocardiography volume stitching
JP6133864B2 (ja) 2011-08-20 2017-05-24 ボルケーノ コーポレイション 脈管を視覚的に描写し、処置オプションを評価するための装置、システム及び方法
US9339348B2 (en) 2011-08-20 2016-05-17 Imperial Colege of Science, Technology and Medicine Devices, systems, and methods for assessing a vessel
JP5596865B2 (ja) * 2011-08-26 2014-09-24 イービーエム株式会社 血流性状診断のためのシステム、その方法及びコンピュータソフトウエアプログラム
KR101805624B1 (ko) * 2011-08-29 2017-12-08 삼성전자주식회사 장기 모델 영상 생성 방법 및 장치
US9974508B2 (en) * 2011-09-01 2018-05-22 Ghassan S. Kassab Non-invasive systems and methods for determining fractional flow reserve
EP2573961B1 (en) * 2011-09-12 2016-04-13 ADVA Optical Networking SE An optical frequency locking method and device for optical data transmission
US9943269B2 (en) 2011-10-13 2018-04-17 Masimo Corporation System for displaying medical monitoring data
EP3584799B1 (en) 2011-10-13 2022-11-09 Masimo Corporation Medical monitoring hub
US10162932B2 (en) * 2011-11-10 2018-12-25 Siemens Healthcare Gmbh Method and system for multi-scale anatomical and functional modeling of coronary circulation
EP2785393B1 (en) * 2011-12-01 2023-03-22 The Trustees Of The University Of Pennsylvania A non-blood contacting mechanical device that improves heart function after injury
US9152740B1 (en) * 2012-01-18 2015-10-06 Msc.Software Corporation Interactive simulation and solver for mechanical, fluid, and electro-mechanical systems
US8965084B2 (en) * 2012-01-19 2015-02-24 Siemens Aktiengesellschaft Blood flow computation in vessels with implanted devices
US10311978B2 (en) 2012-01-30 2019-06-04 Siemens Healthcare Gmbh Method and system for patient specific planning of cardiac therapies on preoperative clinical data and medical images
US9129053B2 (en) 2012-02-01 2015-09-08 Siemens Aktiengesellschaft Method and system for advanced measurements computation and therapy planning from medical data and images using a multi-physics fluid-solid heart model
US10149616B2 (en) 2012-02-09 2018-12-11 Masimo Corporation Wireless patient monitoring device
US10307111B2 (en) 2012-02-09 2019-06-04 Masimo Corporation Patient position detection system
US9384546B2 (en) * 2012-02-22 2016-07-05 Siemens Aktiengesellschaft Method and system for pericardium based model fusion of pre-operative and intra-operative image data for cardiac interventions
US10034614B2 (en) * 2012-02-29 2018-07-31 General Electric Company Fractional flow reserve estimation
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系统
US10373700B2 (en) * 2012-03-13 2019-08-06 Siemens Healthcare Gmbh Non-invasive functional assessment of coronary artery stenosis including simulation of hyperemia by changing resting microvascular resistance
US9135699B2 (en) * 2012-03-15 2015-09-15 Siemens Aktiengesellschaft Method and system for hemodynamic assessment of aortic coarctation from medical image data
EP2825091B1 (en) * 2012-03-15 2016-08-24 Siemens Healthcare GmbH A framework for personalization of coronary flow computations during rest and hyperemia
JP2015520437A (ja) 2012-04-11 2015-07-16 ユニヴァーシティ オブ フロリダ リサーチ ファウンデーション，インコーポレイテッドＵｎｉｖｅｒｓｉｔｙ Ｏｆ Ｆｌｏｒｉｄａ Ｒｅｓｅａｒｃｈ Ｆｏｕｎｄａｔｉｏｎ，Ｉｎｃ． ランダムなパターンを分析するシステムおよび方法
EP2840960A4 (en) * 2012-04-24 2016-05-25 Univ Melbourne IDENTIFICATION OF VESSELS
US9811613B2 (en) 2012-05-01 2017-11-07 University Of Washington Through Its Center For Commercialization Fenestration template for endovascular repair of aortic aneurysms
JP5946127B2 (ja) * 2012-05-11 2016-07-05 富士通株式会社 シミュレーション方法、シミュレーション装置、およびシミュレーションプログラム
US8548778B1 (en) * 2012-05-14 2013-10-01 Heartflow, Inc. Method and system for providing information from a patient-specific model of blood flow
WO2013171644A1 (en) * 2012-05-14 2013-11-21 Koninklijke Philips N.V. Determination of a fractional flow reserve (ffr) value for a stenosis of a vessel
EP2873011A1 (en) * 2012-05-16 2015-05-20 Feops BVBA Pre -operative simulation of trans - catheter valve implantation
EP3358482A1 (en) 2017-02-03 2018-08-08 FEops NV Method and system for determining a risk of hemodynamic compromise after cardiac intervention
US11331149B2 (en) 2012-05-16 2022-05-17 Feops Nv Method and system for determining a risk of hemodynamic compromise after cardiac intervention
JP5988088B2 (ja) 2012-06-08 2016-09-07 富士通株式会社 描画プログラム、描画方法、および、描画装置
CA2875346A1 (en) 2012-06-26 2014-01-03 Sync-Rx, Ltd. Flow-related image processing in luminal organs
US9247918B2 (en) * 2012-07-09 2016-02-02 Siemens Aktiengesellschaft Computation of hemodynamic quantities from angiographic data
US9277970B2 (en) 2012-07-19 2016-03-08 Siemens Aktiengesellschaft System and method for patient specific planning and guidance of ablative procedures for cardiac arrhythmias
KR101939778B1 (ko) * 2012-07-27 2019-01-18 삼성전자주식회사 필요 혈류량 결정 방법 및 장치, 혈류 영상 생성 방법 및 장치, 심근 관류 영상 처리 방법 및 장치
EP3298959B2 (en) 2012-08-03 2022-09-28 Philips Image Guided Therapy Corporation Devices and systems for assessing a vessel
WO2014027692A1 (ja) 2012-08-16 2014-02-20 株式会社東芝 画像処理装置、医用画像診断装置及び血圧モニタ
JP6116833B2 (ja) * 2012-09-03 2017-04-19 東芝メディカルシステムズ株式会社 医用画像処理装置
US9324143B2 (en) * 2012-09-05 2016-04-26 Mayank Goyal Systems and methods for diagnosing strokes
US9486176B2 (en) * 2012-09-05 2016-11-08 Mayank Goyal Systems and methods for diagnosing strokes
US10398386B2 (en) * 2012-09-12 2019-09-03 Heartflow, Inc. Systems and methods for estimating blood flow characteristics from vessel geometry and physiology
US10433740B2 (en) 2012-09-12 2019-10-08 Heartflow, Inc. Systems and methods for estimating ischemia and blood flow characteristics from vessel geometry and physiology
US9749232B2 (en) 2012-09-20 2017-08-29 Masimo Corporation Intelligent medical network edge router
US10297341B2 (en) * 2012-09-24 2019-05-21 Siemens Healthcare Gmbh Viscoelastic modeling of blood vessels
US9262581B2 (en) * 2012-09-24 2016-02-16 Heartflow, Inc. Method and system for facilitating physiological computations
EP2900142B1 (en) * 2012-09-25 2019-09-04 The Johns Hopkins University A method for estimating flow rates, pressure gradients, coronary flow reserve, and fractional flow reserve from patient specific computed tomography angiogram-based contrast distribution data
US9675301B2 (en) * 2012-10-19 2017-06-13 Heartflow, Inc. Systems and methods for numerically evaluating vasculature
JP6301102B2 (ja) * 2012-10-22 2018-03-28 学校法人藤田学園 医用画像診断装置、医用画像処理装置及び医用画像処理プログラム
US9814433B2 (en) 2012-10-24 2017-11-14 Cathworks Ltd. Creating a vascular tree model
EP2943902B1 (en) * 2012-10-24 2020-03-11 CathWorks Ltd. Automated measurement system and method for coronary artery disease scoring
US10210956B2 (en) 2012-10-24 2019-02-19 Cathworks Ltd. Diagnostically useful results in real time
US9858387B2 (en) * 2013-01-15 2018-01-02 CathWorks, LTD. Vascular flow assessment
US10595807B2 (en) 2012-10-24 2020-03-24 Cathworks Ltd Calculating a fractional flow reserve
RU2015121362A (ru) * 2012-11-06 2016-12-27 Конинклейке Филипс Н.В. Индекс фракционного резерва кровотока (фрк)
US9414752B2 (en) * 2012-11-09 2016-08-16 Elwha Llc Embolism deflector
JP2014100249A (ja) * 2012-11-19 2014-06-05 Toshiba Corp 血管解析装置、医用画像診断装置、血管解析方法、及び血管解析プログラム
JP6309253B2 (ja) * 2012-11-29 2018-04-11 キヤノンメディカルシステムズ株式会社 医用情報処理装置、医用画像診断装置及び医用情報処理プログラム
JP6553147B2 (ja) * 2012-11-30 2019-07-31 キヤノンメディカルシステムズ株式会社 医用画像処理装置及び医用画像処理方法
JP6017284B2 (ja) * 2012-11-30 2016-10-26 東芝メディカルシステムズ株式会社 医用画像診断装置
JP6139116B2 (ja) * 2012-11-30 2017-05-31 東芝メディカルシステムズ株式会社 医用画像処理装置
WO2014084382A1 (ja) 2012-11-30 2014-06-05 株式会社 東芝 医用画像処理装置
WO2014084398A1 (ja) 2012-11-30 2014-06-05 株式会社 東芝 医用画像診断装置
JP5972768B2 (ja) * 2012-11-30 2016-08-17 東芝メディカルシステムズ株式会社 医用画像処理装置
JP6491378B2 (ja) * 2012-11-30 2019-03-27 キヤノンメディカルシステムズ株式会社 表示方法、医用画像診断装置、及びプログラム
US9986966B2 (en) * 2012-12-04 2018-06-05 Oxford University Innovation Limited Computation method of relative cardiovascular pressure
JP6091870B2 (ja) * 2012-12-07 2017-03-08 東芝メディカルシステムズ株式会社 血管解析装置、医用画像診断装置、血管解析方法、及び血管解析プログラム
JP5953438B2 (ja) 2012-12-11 2016-07-20 コーニンクレッカ フィリップス エヌ ヴェＫｏｎｉｎｋｌｉｊｋｅ Ｐｈｉｌｉｐｓ Ｎ．Ｖ． 冠状動脈を通る血流量を決定する方法
EP2936364B1 (en) * 2012-12-18 2019-09-25 Koninklijke Philips N.V. Method and apparatus for simulating blood flow under patient-specific boundary conditions derived from an estimated cardiac ejection output
WO2014105743A1 (en) 2012-12-28 2014-07-03 Cyberheart, Inc. Blood-tissue surface based radiosurgical renal treatment planning
US10485517B2 (en) 2013-02-15 2019-11-26 The Johns Hopkins University Computational flow dynamics based method for estimating thromboembolic risk in patients with myocardial infarction
US20140236547A1 (en) * 2013-02-15 2014-08-21 Siemens Aktiengesellschaft Patient-specific automated tuning of boundary conditions for distal vessel tree
US9042613B2 (en) * 2013-03-01 2015-05-26 Heartflow, Inc. Method and system for determining treatments by modifying patient-specific geometrical models
US9424395B2 (en) 2013-03-04 2016-08-23 Heartflow, Inc. Method and system for sensitivity analysis in modeling blood flow characteristics
CA2904815A1 (en) * 2013-03-14 2014-10-09 Cardioart Technologies Ltd. System and method for personalized hemodynamics modeling and monitoring
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
US10390713B2 (en) * 2013-03-15 2019-08-27 Ghassan S. Kassab Methods for the non-invasive determination of heart and pulmonary pressures
US9324157B2 (en) * 2013-03-26 2016-04-26 Kabushiki Kaisha Toshiba Medical image data processing apparatus and method
WO2014163334A1 (ko) * 2013-04-02 2014-10-09 재단법인 아산사회복지재단 물질특성에 기반한 전산유체역학 모델링 및 분석 방법
KR101530352B1 (ko) * 2013-04-02 2015-06-22 재단법인 아산사회복지재단 물질특성에 기반한 전산유체역학 모델링 및 분석 방법
EP3424414A1 (en) 2013-04-12 2019-01-09 Koninklijke Philips N.V. Shape sensed ultrasound probe for fractional flow reserve simulation
CN105120738B (zh) 2013-04-18 2018-05-15 皇家飞利浦有限公司 狭窄治疗规划
US20140324400A1 (en) * 2013-04-30 2014-10-30 Marquette University Gesture-Based Visualization System for Biomedical Imaging and Scientific Datasets
WO2014177928A2 (en) * 2013-05-02 2014-11-06 Yangqiu Hu Surface and image integration for model evaluation and landmark determination
US9135381B2 (en) * 2013-05-10 2015-09-15 Stenomics, Inc. Modeling and simulation system for optimizing prosthetic heart valve treatment
US9471989B2 (en) * 2013-06-03 2016-10-18 University Of Florida Research Foundation, Inc. Vascular anatomy modeling derived from 3-dimensional medical image processing
US10130325B2 (en) * 2013-06-10 2018-11-20 General Electric Company System and method of correcting banding artifacts in cardiac CT
US20190095589A1 (en) * 2013-06-28 2019-03-28 Board Of Regents Of The University Of Texas System System and method for selecting, modeling and analyzing mitral valve surgical techniques
JP6466435B2 (ja) * 2013-07-19 2019-02-06 ボルケーノ コーポレイション 導管を評価するためのシステム
US11224349B2 (en) * 2013-07-19 2022-01-18 Image Guide Therapy Corporation Devices, systems, and methods for assessing a vessel with automated drift correction
CN108992058A (zh) * 2013-07-30 2018-12-14 哈特弗罗公司 为优化诊断性能利用边界条件模型化血流的方法和系统
WO2015023787A1 (en) * 2013-08-13 2015-02-19 Coffey Dane Computer visualization of anatomical items
US9195800B2 (en) * 2013-08-16 2015-11-24 Heartflow, Inc. Systems and methods for identifying personalized vascular implants from patient-specific anatomic data
JP2015039448A (ja) * 2013-08-20 2015-03-02 国立大学法人埼玉大学 血管出術後の血流配分を予測する方法及び予測プログラム
EP3036715B1 (en) 2013-08-21 2018-12-19 Koninklijke Philips N.V. Segmentation apparatus for interactively segmenting blood vessels in angiographic image data
US9805463B2 (en) * 2013-08-27 2017-10-31 Heartflow, Inc. Systems and methods for predicting location, onset, and/or change of coronary lesions
DK3038685T3 (da) 2013-08-30 2021-01-04 Adherium Nz Ltd Overvågningsmonitor til en medikamentinhalator
US9629563B2 (en) 2013-09-04 2017-04-25 Siemens Healthcare Gmbh Method and system for functional assessment of renal artery stenosis from medical images
RU2016112494A (ru) * 2013-09-06 2017-10-11 Конинклейке Филипс Н.В. Устройство обработки для обработки данных сердечной деятельности
US9304982B2 (en) 2013-09-25 2016-04-05 Heartflow, Inc. Systems and methods for validating and correcting automated medical image annotations
US10832818B2 (en) 2013-10-11 2020-11-10 Masimo Corporation Alarm notification system
US9700219B2 (en) 2013-10-17 2017-07-11 Siemens Healthcare Gmbh Method and system for machine learning based assessment of fractional flow reserve
ES2819552T3 (es) * 2013-10-18 2021-04-16 Philips Image Guided Therapy Corp Sistema para evaluar una estenosis en un vaso sanguíneo con mediciones de presión proximal y distal optimizadas
US10595806B2 (en) * 2013-10-22 2020-03-24 Koninklijke Philips N.V. Fractional flow reserve (FFR) index with adaptive boundary condition parameters
US9092743B2 (en) 2013-10-23 2015-07-28 Stenomics, Inc. Machine learning system for assessing heart valves and surrounding cardiovascular tracts
EP3954298A3 (en) * 2013-10-24 2022-03-16 Cathworks Ltd. Vascular characteristic determination with correspondence modeling of a vascular tree
JP6782634B2 (ja) * 2013-10-25 2020-11-11 ボルケーノ コーポレイション 患者の血管を評価する際の支援のために前記血管の情報を提供するためのシステム
KR101753576B1 (ko) 2013-11-05 2017-07-04 강원대학교산학협력단 생리학적 압력-유량 관계를 이용한 관상동맥 유량과 압력을 구하는 방법
US10639103B2 (en) 2013-11-08 2020-05-05 Senol PISKIN Operation scenario flow and mechanical modeling and analysis system of cardiovascular repair operations for newborn and foetus
US10130269B2 (en) 2013-11-14 2018-11-20 Medtronic Vascular, Inc Dual lumen catheter for providing a vascular pressure measurement
US9877660B2 (en) 2013-11-14 2018-01-30 Medtronic Vascular Galway Systems and methods for determining fractional flow reserve without adenosine or other pharmalogical agent
JP6362851B2 (ja) * 2013-11-20 2018-07-25 キヤノンメディカルシステムズ株式会社 血管解析装置、血管解析プログラム、及び血管解析装置の作動方法
JP6362853B2 (ja) * 2013-11-20 2018-07-25 キヤノンメディカルシステムズ株式会社 血管解析装置、および血管解析装置の作動方法
US10682147B2 (en) 2013-11-29 2020-06-16 The Johns Hopkins University Patient-specific trackable cutting guides
EP3076854B1 (en) * 2013-12-04 2022-04-20 Koninklijke Philips N.V. Local ffr estimation and visualisation for improved functional stenosis analysis
JP6260989B2 (ja) 2013-12-05 2018-01-17 富士通株式会社 形状データ生成装置、形状データ生成方法、および形状データ生成プログラム
US8977339B1 (en) * 2013-12-05 2015-03-10 Intrinsic Medical Imaging Llc Method for assessing stenosis severity through stenosis mapping
US20150164451A1 (en) * 2013-12-18 2015-06-18 Heartflow, Inc. Systems and methods for predicting coronary plaque vulnerability from patient-specific anatomic image data
US9152761B2 (en) 2014-01-10 2015-10-06 Heartflow, Inc. Systems and methods for identifying medical image acquisition parameters
WO2015109121A1 (en) * 2014-01-15 2015-07-23 The Regents Of The University Of California Physical deformable lung phantom with subject specific elasticity
US9913585B2 (en) 2014-01-15 2018-03-13 Medtronic Vascular, Inc. Catheter for providing vascular pressure measurements
KR20160114142A (ko) * 2014-01-27 2016-10-04 아리조나 보드 오브 리젠츠 온 비하프 오브 아리조나 스테이트 유니버시티 혈관 내 치료를 시뮬레이션하기 위한 장치 특정 유한요소 모델
US10290230B2 (en) 2014-01-27 2019-05-14 Arizona Board Of Regents On Behalf Of Arizona State University Device specific finite element models for simulating endovascular treatment
US10332255B2 (en) * 2014-02-04 2019-06-25 Zhongle Wu Method for assessing stenosis severity in a lesion tree through stenosis mapping
US20150228115A1 (en) 2014-02-10 2015-08-13 Kabushiki Kaisha Toshiba Medical-image processing apparatus and medical-image diagnostic apparatus
US10496729B2 (en) * 2014-02-25 2019-12-03 Siemens Healthcare Gmbh Method and system for image-based estimation of multi-physics parameters and their uncertainty for patient-specific simulation of organ function
JP6152218B2 (ja) * 2014-02-28 2017-06-21 株式会社日立製作所 超音波撮像装置及び方法
US9501622B2 (en) 2014-03-05 2016-11-22 Heartflow, Inc. Methods and systems for predicting sensitivity of blood flow calculations to changes in anatomical geometry
JP6262027B2 (ja) * 2014-03-10 2018-01-17 東芝メディカルシステムズ株式会社 医用画像処理装置
JP6632989B2 (ja) * 2014-03-11 2020-01-22 ザ・ジョンズ・ホプキンス・ユニバーシティ 動脈網における流量および圧力勾配を患者特定コンピュータ断層撮影アルゴリズムに基づくコントラスト分布から判断するための方法
JP2015171486A (ja) * 2014-03-12 2015-10-01 国立大学法人大阪大学 血流解析システムおよび血流解析プログラム
JPWO2015136853A1 (ja) * 2014-03-14 2017-04-06 テルモ株式会社 画像処理装置、画像処理方法及びプログラム
CN104933756B (zh) * 2014-03-21 2018-03-30 北京冠生云医疗技术有限公司 三维冠状动脉分析模型的构建方法和系统
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
CN106163388B (zh) * 2014-03-31 2020-02-14 皇家飞利浦有限公司 用于处理生命体的心脏数据的处理装置和方法
US9087147B1 (en) 2014-03-31 2015-07-21 Heartflow, Inc. Systems and methods for determining blood flow characteristics using flow ratio
US10354349B2 (en) 2014-04-01 2019-07-16 Heartflow, Inc. Systems and methods for using geometry sensitivity information for guiding workflow
US9773219B2 (en) 2014-04-01 2017-09-26 Heartflow, Inc. Systems and methods for using geometry sensitivity information for guiding workflow
EP3131468B1 (en) 2014-04-15 2020-10-07 4DMedical Limited Method of imaging
US9514530B2 (en) 2014-04-16 2016-12-06 Heartflow, Inc. Systems and methods for image-based object modeling using multiple image acquisitions or reconstructions
US9058692B1 (en) 2014-04-16 2015-06-16 Heartflow, Inc. Systems and methods for image-based object modeling using multiple image acquisitions or reconstructions
US9449145B2 (en) * 2014-04-22 2016-09-20 Heartflow, Inc. Systems and methods for virtual contrast agent simulation and computational fluid dynamics (CFD) to compute functional significance of stenoses
WO2015164086A1 (en) 2014-04-22 2015-10-29 Siemens Aktiengesellschaft Method and system for hemodynamic computation in coronary arteries
CN105095615B (zh) * 2014-04-23 2019-05-21 北京冠生云医疗技术有限公司 对血管中血流数据进行处理的方法和系统
US8958623B1 (en) 2014-04-29 2015-02-17 Heartflow, Inc. Systems and methods for correction of artificial deformation in anatomic modeling
KR101515400B1 (ko) * 2014-05-02 2015-05-04 연세대학교 산학협력단 Gpu 기반의 격자 볼츠만 기법을 활용한 환자 맞춤형 혈류 영상 진단 방법 및 장치
WO2015171276A1 (en) * 2014-05-05 2015-11-12 Siemens Aktiengesellschaft Method and system for non-invasive functional assessment of coronary artery stenosis using flow computations in diseased and hypothetical normal anatomical models
US9595089B2 (en) 2014-05-09 2017-03-14 Siemens Healthcare Gmbh Method and system for non-invasive computation of hemodynamic indices for coronary artery stenosis
US20150327780A1 (en) * 2014-05-16 2015-11-19 Kabushiki Kaisha Toshiba Image processing apparatus, image processing method, and storage medium
JP2015217113A (ja) * 2014-05-16 2015-12-07 株式会社東芝 血管解析装置、医用画像診断装置、血管解析方法及び血管解析プログラム
US10206587B2 (en) * 2014-05-16 2019-02-19 Toshiba Medical Systems Corporation Image processing apparatus, image processing method, and storage medium
JP6425916B2 (ja) * 2014-05-16 2018-11-21 キヤノンメディカルシステムズ株式会社 処理装置、画像処理方法、プログラム、および、造形装置
JP6576690B2 (ja) * 2014-05-29 2019-09-18 キヤノンメディカルシステムズ株式会社 医用画像処理装置
US20150348260A1 (en) * 2014-05-29 2015-12-03 Siemens Aktiengesellschaft System and Method for Mapping Patient Data from One Physiological State to Another Physiological State
US9754082B2 (en) * 2014-05-30 2017-09-05 Heartflow, Inc. Systems and methods for reporting blood flow characteristics
JP6407569B2 (ja) * 2014-06-02 2018-10-17 キヤノンメディカルシステムズ株式会社 医用画像処理装置及び医用画像処理方法
DE102014210591B4 (de) 2014-06-04 2022-09-22 Siemens Healthcare Gmbh Fluiddynamische Analyse eines Gefäßbaums mittels Angiographie
US10201284B2 (en) 2014-06-16 2019-02-12 Medtronic Vascular Inc. Pressure measuring catheter having reduced error from bending stresses
US9747525B2 (en) 2014-06-16 2017-08-29 Siemens Healthcare Gmbh Method and system for improved hemodynamic computation in coronary arteries
US10973418B2 (en) 2014-06-16 2021-04-13 Medtronic Vascular, Inc. Microcatheter sensor design for minimizing profile and impact of wire strain on sensor
US11330989B2 (en) 2014-06-16 2022-05-17 Medtronic Vascular, Inc. Microcatheter sensor design for mounting sensor to minimize induced strain
US9589379B2 (en) 2014-06-24 2017-03-07 Siemens Healthcare Gmbh System and method for visualization of cardiac changes under various pacing conditions
WO2015197770A1 (en) * 2014-06-25 2015-12-30 Koninklijke Philips N.V. Imaging device for registration of different imaging modalities
CN106659400B (zh) 2014-06-30 2021-01-05 皇家飞利浦有限公司 用于确定血流储备分数值的装置
US10130266B2 (en) 2014-06-30 2018-11-20 Siemens Healthcare Gmbh Method and system for prediction of post-stenting hemodynamic metrics for treatment planning of arterial stenosis
JP6570812B2 (ja) * 2014-07-08 2019-09-04 株式会社根本杏林堂 血管状態解析装置およびそれを備えたシステム
US10849511B2 (en) 2014-07-14 2020-12-01 Philips Image Guided Therapy Corporation Devices, systems, and methods for assessment of vessels
JP6380949B2 (ja) * 2014-07-17 2018-08-29 富士通株式会社 可視化装置、可視化方法、および可視化プログラム
JP6778174B2 (ja) 2014-07-18 2020-10-28 コーニンクレッカ フィリップス エヌ ヴェＫｏｎｉｎｋｌｉｊｋｅ Ｐｈｉｌｉｐｓ Ｎ．Ｖ． 狭窄評価
US9888968B2 (en) * 2014-07-22 2018-02-13 Siemens Healthcare Gmbh Method and system for automated therapy planning for arterial stenosis
US9195801B1 (en) 2014-08-05 2015-11-24 Heartflow, Inc. Systems and methods for treatment planning based on plaque progression and regression curves
US11213220B2 (en) 2014-08-11 2022-01-04 Cubisme, Inc. Method for determining in vivo tissue biomarker characteristics using multiparameter MRI matrix creation and big data analytics
US11311200B1 (en) 2014-08-27 2022-04-26 Lightlab Imaging, Inc. Systems and methods to measure physiological flow in coronary arteries
EP4032467A1 (en) 2014-08-27 2022-07-27 St. Jude Medical Systems AB System for evaluating a cardiac system by determining minimum ratio pd/pa (distal pressure/arterial pressure)
US9386933B2 (en) 2014-08-29 2016-07-12 Heartflow, Inc. Systems and methods for determination of blood flow characteristics and pathologies through modeling of myocardial blood supply
US9390224B2 (en) 2014-08-29 2016-07-12 Heartflow, Inc. Systems and methods for automatically determining myocardial bridging and patient impact
WO2016030744A1 (ko) * 2014-08-29 2016-03-03 강원대학교산학협력단 환자별 혈관 정보 결정 방법
US20170245768A1 (en) * 2014-09-05 2017-08-31 Lakeland Ventures Development LLC Method and apparatus for the continous estimation of human blood pressure using video images
US9668700B2 (en) 2014-09-09 2017-06-06 Heartflow, Inc. Method and system for quantifying limitations in coronary artery blood flow during physical activity in patients with coronary artery disease
US10373719B2 (en) * 2014-09-10 2019-08-06 Intuitive Surgical Operations, Inc. Systems and methods for pre-operative modeling
CN104657576B (zh) * 2014-09-28 2017-09-22 东软熙康健康科技有限公司 一种血糖变化的呈现方法和设备
JP6382050B2 (ja) * 2014-09-29 2018-08-29 キヤノンメディカルシステムズ株式会社 医用画像診断装置、画像処理装置、画像処理方法及び画像処理プログラム
JP6561348B2 (ja) * 2014-10-08 2019-08-21 イービーエム株式会社 血流シミュレーションのための血流解析機器、その方法及びコンピュータソフトウエアプログラム
US10271910B2 (en) * 2014-10-16 2019-04-30 Corindus, Inc. Robotic catheter system with FFR integration
EP3206617B1 (en) * 2014-10-17 2019-11-27 Koninklijke Philips N.V. System for real-time organ segmentation and tool navigation during tool insertion in interventional therapy
US10482215B2 (en) 2014-10-22 2019-11-19 Indiana University Research And Technology Corporation Unified computational method and system for patient-specific hemodynamics
KR101579900B1 (ko) * 2014-10-29 2015-12-24 연세대학교 산학협력단 심근의 생존능 정량적 분석 방법 및 장치
US9292659B1 (en) 2014-10-29 2016-03-22 Heartflow, Inc. Systems and methods for vessel reactivity to guide diagnosis or treatment of cardiovascular disease
US9594876B2 (en) * 2014-11-04 2017-03-14 Heartflow, Inc. Systems and methods for simulation of occluded arteries and optimization of occlusion-based treatments
US9336354B1 (en) 2014-11-04 2016-05-10 Heartflow, Inc. Systems and methods for simulation of hemodialysis access and optimization
US10080872B2 (en) 2014-11-04 2018-09-25 Abbott Cardiovascular Systems Inc. System and method for FFR guidewire recovery
US10409235B2 (en) 2014-11-12 2019-09-10 Siemens Healthcare Gmbh Semantic medical image to 3D print of anatomic structure
US9349178B1 (en) * 2014-11-24 2016-05-24 Siemens Aktiengesellschaft Synthetic data-driven hemodynamic determination in medical imaging
JP6539736B2 (ja) * 2014-11-14 2019-07-03 シーメンス ヘルスケア ゲゼルシヤフト ミツト ベシユレンクテル ハフツング 純粋幾何学的機械学習に基づいて血流予備量比を求める方法及びシステム
EP3223752A4 (en) 2014-11-24 2018-09-12 The Johns Hopkins University A cutting machine for resizing raw implants during surgery
KR102361733B1 (ko) 2014-11-28 2022-02-11 삼성전자주식회사 ３ｄ ｃｔａ영상으로부터 관상동맥의 구조를 모델링하는 방법 및 장치
US11141123B2 (en) * 2014-12-02 2021-10-12 Koninklijke Philips N.V. Fractional flow reserve determination
CN106999052B (zh) * 2014-12-08 2021-08-24 皇家飞利浦有限公司 交互式心脏测试数据和相关联的设备、系统和方法
US10194812B2 (en) 2014-12-12 2019-02-05 Medtronic Vascular, Inc. System and method of integrating a fractional flow reserve device with a conventional hemodynamic monitoring system
DE102014226685A1 (de) 2014-12-19 2016-06-23 Siemens Healthcare Gmbh Verfahren zum Identifizieren von Versorgungsgebieten,Verfahren zur graphischen Darstellung von Versorgungsgebieten, Computerprogramm und maschinenlesbares Medium sowie bildgebendes Gerät
US20160196384A1 (en) * 2015-01-06 2016-07-07 Siemens Aktiengesellschaft Personalized whole-body circulation in medical imaging
US20160203289A1 (en) * 2015-01-14 2016-07-14 Heartflow, Inc. Systems and methods for embolism prediction using embolus source and destination probabilities
WO2016113646A1 (en) 2015-01-15 2016-07-21 Koninklijke Philips N.V. Ifr-ct
KR101863240B1 (ko) * 2015-01-28 2018-06-01 주식회사 인피니트헬스케어 스텐트 추천 시스템 및 방법
KR20160093251A (ko) * 2015-01-29 2016-08-08 주식회사 인피니트헬스케어 의료 영상 디스플레이 시스템 및 방법
US10987010B2 (en) * 2015-02-02 2021-04-27 Heartflow, Inc. Systems and methods for vascular diagnosis using blood flow magnitude and/or direction
US20160224753A1 (en) * 2015-02-02 2016-08-04 Heartflow, Inc. Systems and methods for diagnosis, risk assessment, and/or virtual treatment assessment of visceral ischemia
US10299862B2 (en) * 2015-02-05 2019-05-28 Siemens Healthcare Gmbh Three-dimensional quantitative heart hemodynamics in medical imaging
US10638940B2 (en) * 2015-02-06 2020-05-05 The Trustees Of The University Of Pennsylvania Assessment of hemodynamic function in arrhythmia patients
US10478130B2 (en) 2015-02-13 2019-11-19 Siemens Healthcare Gmbh Plaque vulnerability assessment in medical imaging
JP6513413B2 (ja) 2015-02-13 2019-05-15 キヤノンメディカルシステムズ株式会社 医用画像処理装置及び磁気共鳴イメージング装置
JP6449675B2 (ja) * 2015-02-23 2019-01-09 ▲高▼田 玄紀 部分冠動脈血流予備能を予測する指標を算出する核医学検査方法
EP3062248A1 (en) * 2015-02-27 2016-08-31 Pie Medical Imaging BV Method and apparatus for quantitative flow analysis
US10002419B2 (en) * 2015-03-05 2018-06-19 Siemens Healthcare Gmbh Direct computation of image-derived biomarkers
WO2016161356A1 (en) * 2015-04-02 2016-10-06 Heartflow, Inc. Systems and methods for predicting tissue viability deficits from physiological, anatomical, and patient characteristics
JP2018515167A (ja) * 2015-04-02 2018-06-14 ハートフロー， インコーポレイテッド 血管網と潅流組織の機能的関連性を特定し可視化するシステム及び方法
JP6776258B2 (ja) 2015-04-02 2020-10-28 ハートフロー， インコーポレイテッド 生体熱伝達の個人化推定を提供するシステム及び方法
KR101541267B1 (ko) 2015-04-02 2015-08-03 한양대학교 산학협력단 들로네 삼각분할을 이용한 혈관의 모델링 방법 및 장치와, 이를 이용한 심근 영역의 분할 방법
EP3937186A1 (en) 2015-04-10 2022-01-12 HeartFlow, Inc. System and method for vascular tree generation using joint prior information
JP6676655B2 (ja) * 2015-04-13 2020-04-08 ケース ウエスタン リザーブ ユニバーシティ 二重エネルギーｘ線冠動脈カルシウムのグレード付け
US10007762B2 (en) 2015-04-17 2018-06-26 Heartflow, Inc. Systems and methods for assessment of tissue function based on vascular disease
US10716513B2 (en) * 2015-04-17 2020-07-21 Heartflow, Inc. Systems and methods for cardiovascular blood flow and musculoskeletal modeling for predicting device failure or clinical events
US9839483B2 (en) 2015-04-21 2017-12-12 Heartflow, Inc. Systems and methods for risk assessment and treatment planning of arterio-venous malformation
CA2983464A1 (en) 2015-04-23 2016-10-27 Aortica Corporation Devices and methods for anatomic mapping for prosthetic implants
DE102015207596A1 (de) * 2015-04-24 2016-10-27 Siemens Healthcare Gmbh Verfahren sowie Rechen- und Druckeinheit zum Erstellen einer Gefäßstütze
CN107615335A (zh) * 2015-05-12 2018-01-19 新加坡保健服务集团有限公司 医学图象处理方法和系统
US9922433B2 (en) 2015-05-29 2018-03-20 Moira F. Schieke Method and system for identifying biomarkers using a probability map
EP3302602A1 (en) 2015-06-04 2018-04-11 Jozef Reinier Cornelis Jansen Method and computer system for processing a heart sensor output
CN107708547B (zh) 2015-06-12 2021-11-23 皇家飞利浦有限公司 表面肌电图系统、记录器和方法
CA2990367C (en) 2015-06-25 2019-12-24 Timothy Burton Methods and systems using mathematical analysis and machine learning to diagnose disease
EP3314603A1 (en) * 2015-06-25 2018-05-02 Koninklijke Philips N.V. Interactive intravascular procedure training and associated devices, systems, and methods
CA2991235A1 (en) 2015-07-01 2017-01-05 Everist Genomics, Inc. System and method of assessing endothelial function
EP3319552B1 (en) 2015-07-08 2021-08-25 Aortica Corporation Devices and methods for anatomic mapping for prosthetic implants
US9785748B2 (en) * 2015-07-14 2017-10-10 Heartflow, Inc. Systems and methods for estimating hemodynamic forces acting on plaque and monitoring patient risk
WO2017015062A1 (en) 2015-07-17 2017-01-26 Heartflow, Inc. Systems and methods for assessing the severity of plaque and/or stenotic lesions using contrast distribution predictions and measurements
US10872698B2 (en) 2015-07-27 2020-12-22 Siemens Healthcare Gmbh Method and system for enhancing medical image-based blood flow computations using physiological measurements
JP6631072B2 (ja) * 2015-07-31 2020-01-15 富士通株式会社 生体シミュレーションシステムおよび生体シミュレーション方法
JP6738406B2 (ja) 2015-08-05 2020-08-12 コーニンクレッカ フィリップス エヌ ヴェＫｏｎｉｎｋｌｉｊｋｅ Ｐｈｉｌｉｐｓ Ｎ．Ｖ． 介入血行動態測定のための支援装置及び方法
US11071501B2 (en) 2015-08-14 2021-07-27 Elucid Bioiwaging Inc. Quantitative imaging for determining time to adverse event (TTE)
US11087459B2 (en) 2015-08-14 2021-08-10 Elucid Bioimaging Inc. Quantitative imaging for fractional flow reserve (FFR)
US11676359B2 (en) 2015-08-14 2023-06-13 Elucid Bioimaging Inc. Non-invasive quantitative imaging biomarkers of atherosclerotic plaque biology
US11113812B2 (en) 2015-08-14 2021-09-07 Elucid Bioimaging Inc. Quantitative imaging for detecting vulnerable plaque
US11094058B2 (en) 2015-08-14 2021-08-17 Elucid Bioimaging Inc. Systems and method for computer-aided phenotyping (CAP) using radiologic images
US10176408B2 (en) 2015-08-14 2019-01-08 Elucid Bioimaging Inc. Systems and methods for analyzing pathologies utilizing quantitative imaging
CN108348162B (zh) 2015-08-31 2021-07-23 梅西莫股份有限公司 无线式病人监护系统和方法
US10580172B2 (en) * 2015-09-02 2020-03-03 Siemens Healthcare Gmbh CFD simulation assisted 4D DSA reconstruction
KR102537926B1 (ko) 2015-09-04 2023-05-31 더 존스 홉킨스 유니버시티 저 프로파일의 두개내 장치
JP6642953B2 (ja) * 2015-09-16 2020-02-12 ハートフロー， インコーポレイテッド 患者固有画像法及び薬物送達のモデル化のためのシステム及び方法
WO2017047135A1 (ja) * 2015-09-18 2017-03-23 イービーエム株式会社 血流解析装置、その方法、及びそのコンピュータソフトウェアプログラム
JP6856937B2 (ja) * 2015-09-18 2021-04-14 イービーエム株式会社 血管病変発症・成長予測装置及び方法
CN108140430B (zh) * 2015-09-29 2022-04-05 皇家飞利浦有限公司 根据压力或流量测量结果及血管造影估计流量、阻力或压力
CN108471963B (zh) 2015-09-29 2022-03-01 帝国改革有限公司 用于基于期望的结果的冠状动脉介入评估、规划和处置的设备、系统以及方法
US10517678B2 (en) 2015-10-02 2019-12-31 Heartflow, Inc. System and method for diagnosis and assessment of cardiovascular disease by comparing arterial supply capacity to end-organ demand
JP6818492B2 (ja) 2015-10-05 2021-01-20 キヤノンメディカルシステムズ株式会社 画像処理装置、画像処理方法、及びプログラム
JP6873981B2 (ja) * 2015-10-07 2021-05-19 コーニンクレッカ フィリップス エヌ ヴェＫｏｎｉｎｋｌｉｊｋｅ Ｐｈｉｌｉｐｓ Ｎ．Ｖ． モバイルｆｆｒシミュレーション
CN106562779B (zh) * 2015-10-12 2021-06-08 深圳迈瑞生物医疗电子股份有限公司 图形化显示心室射血分数变化的装置、方法和监护系统
WO2017066373A1 (en) * 2015-10-14 2017-04-20 Surgical Theater LLC Augmented reality surgical navigation
JP6484760B2 (ja) 2015-11-05 2019-03-13 コーニンクレッカ フィリップス エヌ ヴェＫｏｎｉｎｋｌｉｊｋｅ Ｐｈｉｌｉｐｓ Ｎ．Ｖ． 非侵襲的血流予備量比（ｆｆｒ）に対する側副血流モデル化
US10438355B2 (en) * 2015-11-10 2019-10-08 General Electric Company System and method for estimating arterial pulse wave velocity
CN108475540B (zh) * 2015-11-10 2022-02-22 哈特弗罗公司 用于使用来自过程的信息进行解剖建模的系统和方法描述
US10499990B2 (en) * 2015-11-23 2019-12-10 Heartflow, Inc. Systems and methods for assessing organ and/or tissue transplantation by simulating one or more transplant characteristics
EP3379999B1 (en) 2015-11-24 2023-09-20 The Regents of the University of California Mapping and quantifying blood stasis and thrombus risk in the heart
US10002428B2 (en) 2015-12-01 2018-06-19 Ottawa Hospital Research Institute Method and system for identifying bleeding
JP6800975B2 (ja) * 2015-12-03 2020-12-16 ハートフロー， インコーポレイテッド 医療画像を患者と関連付けるためのシステム及び方法
WO2017109662A1 (en) * 2015-12-22 2017-06-29 Koninklijke Philips N.V. Heart model guided coronary artery segmentation
KR101954272B1 (ko) 2016-01-28 2019-03-05 연세대학교 산학협력단 유체-구조 상호작용을 고려한 협착 병변 영역의 혈류역학 시뮬레이션 방법
US11723617B2 (en) 2016-02-03 2023-08-15 4DMedical Limited Method and system for imaging
US10278662B2 (en) 2016-02-05 2019-05-07 Toshiba Medical Systems Corporation Image processing apparatus and medical image diagnostic apparatus
US10748312B2 (en) 2016-02-12 2020-08-18 Microsoft Technology Licensing, Llc Tagging utilizations for selectively preserving chart elements during visualization optimizations
US10347017B2 (en) * 2016-02-12 2019-07-09 Microsoft Technology Licensing, Llc Interactive controls that are collapsible and expandable and sequences for chart visualization optimizations
KR101967226B1 (ko) * 2016-02-22 2019-08-13 연세대학교 산학협력단 관상동맥 분지관의 체적을 이용한 혈류 역학 모델링 방법
JP6829262B2 (ja) 2016-02-26 2021-02-10 ハートフロー， インコーポレイテッド 画像ベースの患者固有の血流力学的モデルにおいて解像されていない血管を特定してモデル化するためのシステム及び方法
US11278256B2 (en) 2016-03-04 2022-03-22 4DMedical Limited Method and system for imaging
JP6521476B2 (ja) 2016-03-04 2019-05-29 コーニンクレッカ フィリップス エヌ ヴェＫｏｎｉｎｋｌｉｊｋｅ Ｐｈｉｌｉｐｓ Ｎ．Ｖ． 血管特徴づけに対する装置
US9786069B2 (en) * 2016-03-07 2017-10-10 Siemens Healthcare Gmbh Refined reconstruction of time-varying data
DE102016203860A1 (de) 2016-03-09 2017-09-14 Siemens Healthcare Gmbh Vorrichtung und Verfahren zum Ermitteln zumindest eines individuellen fluiddynamischen Kennwerts einer Stenose in einem mehrere serielle Stenosen aufweisenden Gefäßsegment
EP3429465B1 (en) 2016-03-16 2020-11-11 HeartFlow, Inc. Systems and methods for estimating healthy lumen diameter and stenosis quantification in coronary arteries
US9824492B2 (en) 2016-03-24 2017-11-21 Vital Images, Inc. Hollow object model visualization in medical images
US10971271B2 (en) 2016-04-12 2021-04-06 Siemens Healthcare Gmbh Method and system for personalized blood flow modeling based on wearable sensor networks
JP6611660B2 (ja) * 2016-04-13 2019-11-27 富士フイルム株式会社 画像位置合わせ装置および方法並びにプログラム
WO2017179694A1 (ja) 2016-04-15 2017-10-19 オムロン株式会社 生体情報分析装置、システム、プログラム、及び、生体情報分析方法
US10674986B2 (en) 2016-05-13 2020-06-09 General Electric Company Methods for personalizing blood flow models
IL263066B2 (en) 2016-05-16 2023-09-01 Cathworks Ltd Selecting blood vessels from images
WO2017199245A1 (en) 2016-05-16 2017-11-23 Cathworks Ltd. System for vascular assessment
NL2016792B1 (en) * 2016-05-18 2017-11-30 Endovascular Diagnostics B V Method for determining a parameter which is indicative for the position and apposition of a tubular member, such as a stent graft, inserted in a lumen of an anatomical vessel or duct of a patient
CN106073894B (zh) * 2016-05-31 2017-08-08 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系统
JP6060302B1 (ja) * 2016-06-10 2017-01-11 日本メジフィジックス株式会社 心筋核医学画像データの解析方法及び解析装置
JP6841848B2 (ja) 2016-06-13 2021-03-10 アオーティカ コーポレイション 人工装具インプラントにおいて開窓をマーキング及び／又は補強するためのシステム、デバイス及び方法
CN113040740A (zh) 2016-06-24 2021-06-29 生命解析公司 用于测量心肌缺血、狭窄识别、定位和血流储备分数估计的非侵入式方法和系统
EP3475859A1 (en) * 2016-06-28 2019-05-01 HeartFlow, Inc. Systems and methods for anonymization of health data and transmission of health data for analysis across geographic regions
EP3264365A1 (en) * 2016-06-28 2018-01-03 Siemens Healthcare GmbH Method and device for registration of a first image data set and a second image data set of a target region of a patient
CN107203741B (zh) * 2017-05-03 2021-05-18 上海联影医疗科技股份有限公司 血管提取方法、装置及其系统
WO2018001099A1 (zh) 2016-06-30 2018-01-04 上海联影医疗科技有限公司 一种血管提取方法与系统
EP3479350A4 (en) 2016-07-01 2020-08-19 Cubisme, Inc. SYSTEM AND METHOD FOR PRODUCING A HIGH RESOLUTION BIOMARKER MAP IMAGE
US10617302B2 (en) 2016-07-07 2020-04-14 Masimo Corporation Wearable pulse oximeter and respiration monitor
US11020563B2 (en) 2016-07-14 2021-06-01 C. R. Bard, Inc. Automated catheter-to-vessel size comparison tool and related methods
CN109863501B (zh) * 2016-07-22 2022-12-27 康奈尔大学 针对患者定制的冠状动脉旁路移植物的快速成型和体外建模
WO2018026768A1 (en) 2016-08-02 2018-02-08 Aortica Corporation Systems, devices, and methods for coupling a prosthetic implant to a fenestrated body
US11272850B2 (en) 2016-08-09 2022-03-15 Medtronic Vascular, Inc. Catheter and method for calculating fractional flow reserve
WO2018031663A1 (en) 2016-08-10 2018-02-15 Heartflow, Inc. Systems and methods for modeling nutrient transport and/or predicting weight change
US10025902B2 (en) * 2016-08-12 2018-07-17 Verily Life Sciences Llc Enhanced pathology diagnosis
DE102016215976A1 (de) 2016-08-25 2018-03-01 Siemens Healthcare Gmbh Ermittelung einer klinischen Kenngröße mit einer Kombination unterschiedlicher Aufnahmemodalitäten
US10835318B2 (en) * 2016-08-25 2020-11-17 DePuy Synthes Products, Inc. Orthopedic fixation control and manipulation
KR102000614B1 (ko) 2016-08-25 2019-07-16 연세대학교 산학협력단 심근 체적의 분할을 이용한 혈류 역학 시뮬레이션 방법
US11039804B2 (en) 2016-09-16 2021-06-22 Koninklijke Philips N.V. Apparatus and method for determining a fractional flow reserve
JP7100627B2 (ja) * 2016-09-20 2022-07-13 ハートフロー， インコーポレイテッド 次数低減モデル及び／または機械学習を使用して血流特性を推定するためのシステム及び方法
CN110024041B (zh) * 2016-09-20 2023-10-31 哈特弗罗公司 用于利用用户特定解剖和生理传感器数据来监测和更新血流计算的系统和方法
USD843382S1 (en) 2016-09-21 2019-03-19 Analytics For Life Display with graphical user interface
US10292596B2 (en) 2016-09-21 2019-05-21 Analytics For Life Inc. Method and system for visualization of heart tissue at risk
CN109844869A (zh) * 2016-09-23 2019-06-04 皇家飞利浦有限公司 用于评估对象的心脏的流出道梗阻的系统和方法
JP6125705B2 (ja) * 2016-09-23 2017-05-10 東芝メディカルシステムズ株式会社 医用画像診断装置及び医用画像診断装置の作動方法
DE202017106016U1 (de) 2016-10-04 2017-12-07 Toshiba Medical Systems Corporation Medizinische Informationsverarbeitungsvorrichtung, Röntgen-CT-Vorrichtung und computerlesbares Speichermedium mit einem Programm für ein medizinisches Informationsverarbeitungsverfahren
DE202017106017U1 (de) 2016-10-04 2018-02-05 Toshiba Medical Systems Corporation Medizinische Informationsverarbeitungsvorrichtung
DE102016219709B3 (de) * 2016-10-11 2018-03-01 Siemens Healthcare Gmbh Verfahren zur Ermittlung eines Perfusionsdatensatzes, sowie Röntgenvorrichtung, Computerprogramm und elektronisch lesbarer Datenträger
WO2018071715A1 (en) 2016-10-13 2018-04-19 Masimo Corporation Systems and methods for patient fall detection
US10362949B2 (en) 2016-10-17 2019-07-30 International Business Machines Corporation Automatic extraction of disease-specific features from doppler images
US11055845B2 (en) 2016-11-22 2021-07-06 Koninklijke Philips N.V. Vascular tree standardization for biophysical simulation and/or an extension simulation for pruned portions
DE102017221276A1 (de) 2016-11-28 2018-05-30 Toshiba Medical Systems Corporation Medizinische Bildverarbeitungsvorrichtung, Röntgen-CT Vorrichtung und medizinisches Bildverarbeitungsverfahren
EP3555778B1 (en) * 2016-12-15 2020-10-21 Sintef TTO AS Method and process for providing a subject-specific computational model used for decision support and making diagnosis of cardiovascular diseases
CN108209862B (zh) * 2016-12-21 2021-04-30 中国电信股份有限公司 诊断结果展示方法和装置
DE102016226195B3 (de) * 2016-12-23 2018-02-01 Siemens Healthcare Gmbh Berechnen eines vierdimensionalen DSA-Datensatzes mit variabler räumlicher Auflösung
WO2018119366A1 (en) * 2016-12-23 2018-06-28 Heartflow, Inc. Machine learning of anatomical model parameters
KR20180082114A (ko) * 2017-01-10 2018-07-18 삼성메디슨 주식회사 대상체의 초음파 영상을 디스플레이하는 방법 및 장치
WO2018133118A1 (zh) * 2017-01-23 2018-07-26 上海联影医疗科技有限公司 血流状态分析系统及方法
US10991095B2 (en) 2017-01-24 2021-04-27 Spectrum Dynamics Medical Limited Systems and methods for computation of functional index parameter values for blood vessels
EP3585253A1 (en) 2017-02-24 2020-01-01 HeartFlow, Inc. Systems and methods for identifying anatomically relevant blood flow characteristics in a patient
AU2018226611B2 (en) * 2017-02-28 2023-09-28 4DMedical Limited Method of scanning and assessing lung and vascular health
KR101944854B1 (ko) 2017-03-02 2019-02-01 연세대학교 산학협력단 선택적 컴퓨터 단층촬영을 이용한 혈류 모델링 방법 및 그 장치
US11330994B2 (en) 2017-03-08 2022-05-17 Medtronic Vascular, Inc. Reduced profile FFR catheter
WO2018172990A1 (en) 2017-03-24 2018-09-27 Pie Medical Imaging B.V. Method and system for assessing vessel obstruction based on machine learning
EP3378398A1 (en) * 2017-03-24 2018-09-26 Koninklijke Philips N.V. Myocardial ct perfusion image synthesis
EP3382583A1 (en) * 2017-03-29 2018-10-03 Koninklijke Philips N.V. Hemodynamic simulation of movement inducted vascular deformations
WO2018178381A1 (en) * 2017-03-31 2018-10-04 Koninklijke Philips N.V. Simulation of transcatheter aortic valve implantation (tavi) induced effects on coronary flow and pressure
WO2018177692A1 (en) * 2017-03-31 2018-10-04 Koninklijke Philips N.V. Interaction monitoring of non-invasive imaging based ffr
CN106980899B (zh) * 2017-04-01 2020-11-17 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系统
EP3384850A1 (en) * 2017-04-05 2018-10-10 Koninklijke Philips N.V. Method and apparatus for physiological functional parameter determination
EP3606433B1 (en) 2017-04-06 2023-02-01 Koninklijke Philips N.V. Standardized coronary artery disease metric
EP3607558A1 (en) * 2017-04-06 2020-02-12 Koninklijke Philips N.V. Fractional flow reserve simulation parameter customization, calibration and/or training
WO2018195501A2 (en) * 2017-04-21 2018-10-25 Cubisme, Inc. System and method for creating, querying, and displaying a miba master file
US10646122B2 (en) 2017-04-28 2020-05-12 Medtronic Vascular, Inc. FFR catheter with covered distal pressure sensor and method of manufacture
US10349911B2 (en) 2017-05-18 2019-07-16 Dassault Systemes Simulia Corp. System and method to produce corrected contrast levels in a CT scan of vasculature
JP7152192B2 (ja) * 2017-06-13 2022-10-12 キヤノンメディカルシステムズ株式会社 画像処理装置、医用画像診断装置及び画像処理プログラム
EP3270308B9 (en) * 2017-06-14 2022-05-18 Siemens Healthcare GmbH Method for providing a secondary parameter, decision support system, computer-readable medium and computer program product
US10478074B1 (en) 2018-06-22 2019-11-19 Dextera AS Method for determining patient suitability for a surgical procedure
CN107411767B (zh) * 2017-06-28 2020-10-16 西北工业大学 基于冠状动脉ct血管造影的狭窄病灶血流阻力计算方法
EP3644857A1 (en) * 2017-06-30 2020-05-06 Koninklijke Philips N.V. Machine learning spectral ffr-ct
CN107330888A (zh) * 2017-07-11 2017-11-07 中国人民解放军第三军医大学 基于cta图像的动态心脏各腔室分割方法
CN109256205B (zh) * 2017-07-12 2022-07-05 西门子保健有限责任公司 用于利用本地和远程分析学进行的临床决策支持的方法和系统
US11589924B2 (en) 2017-08-01 2023-02-28 Siemens Healthcare Gmbh Non-invasive assessment and therapy guidance for coronary artery disease in diffuse and tandem lesions
EP3438989A1 (en) 2017-08-04 2019-02-06 Universität Zürich Method and apparatus for predicting fluid flow through a subject conduit
US11235124B2 (en) 2017-08-09 2022-02-01 Medtronic Vascular, Inc. Collapsible catheter and method for calculating fractional flow reserve
US11219741B2 (en) 2017-08-09 2022-01-11 Medtronic Vascular, Inc. Collapsible catheter and method for calculating fractional flow reserve
KR102032611B1 (ko) * 2017-08-23 2019-10-15 주식회사 메디웨일 Ct 영상을 이용하여 심혈관 병변을 판단하는 방법 및 애플리케이션
ES2812649T3 (es) * 2017-08-23 2021-03-17 Ecole Polytechnique Fed Lausanne Epfl Método de reconstrucción de imágenes basado en modelo
WO2019046309A1 (en) 2017-08-29 2019-03-07 Heartflow, Inc. SYSTEMS AND METHODS FOR GENERATING ANONYMOUS INTERACTIVE DISPLAY IN AN EXTENDED TIMING PERIOD
CN111033635B (zh) 2017-08-30 2024-01-30 皇家飞利浦有限公司 基于模型和成像数据的冠状动脉健康状态预测
EP3457413A1 (en) * 2017-09-15 2019-03-20 Siemens Healthcare GmbH Method for classifying a risk for thrombus formation in an organ, system for classifying a risk for thrombus formation in an organ, a computer program product and a computer readable medium
WO2019060298A1 (en) 2017-09-19 2019-03-28 Neuroenhancement Lab, LLC METHOD AND APPARATUS FOR NEURO-ACTIVATION
KR101986424B1 (ko) * 2017-09-21 2019-06-05 강원대학교산학협력단 환자별 혈관 정보 결정 방법
ES2951074T3 (es) * 2017-09-23 2023-10-17 Amid S R L Método y dispositivo para sincronización eléctrica cardíaca
WO2019060816A2 (en) 2017-09-25 2019-03-28 Aortica Corporation SYSTEMS, DEVICES AND METHODS FOR COUPLING PROSTHETIC IMPLANT TO A FENCED BODY
US10335106B2 (en) * 2017-09-29 2019-07-02 Infinitt Healthcare Co., Ltd. Computing system and method for identifying and visualizing cerebral thrombosis based on medical images
KR20200069305A (ko) 2017-10-06 2020-06-16 에모리 유니버시티 하나 이상의 동맥 세그먼트에 대한 혈역학 정보를 결정하기 위한 방법 및 시스템
JP7426929B2 (ja) * 2017-10-18 2024-02-02 コーニンクレッカ フィリップス エヌ ヴェ 医療用画像セグメント化のためのランドマーク視覚化
CN107789058A (zh) * 2017-10-23 2018-03-13 南方医科大学南方医院 用于胃癌腔镜手术实时导航系统的基于条件随机场动静脉名称自动标识方法
CN107818220B (zh) * 2017-10-31 2019-03-08 钦州学院 基于生态系统动力学综合模型对海湾环境容量的估算方法
EP3488774A1 (en) 2017-11-23 2019-05-29 Koninklijke Philips N.V. Measurement guidance for coronary flow estimation from bernoulli´s principle
CN108022237B (zh) * 2017-11-30 2021-07-13 上海联影医疗科技股份有限公司 血管提取方法、系统及存储介质
CN108021770A (zh) * 2017-12-04 2018-05-11 北京理工大学 基于ct扫描的叶片寿命评价方法
US11717686B2 (en) 2017-12-04 2023-08-08 Neuroenhancement Lab, LLC Method and apparatus for neuroenhancement to facilitate learning and performance
CN108038848B (zh) * 2017-12-07 2020-08-11 上海交通大学 基于医学影像序列斑块稳定性指标的快速计算方法及系统
JP6530043B2 (ja) * 2017-12-12 2019-06-12 キヤノンメディカルシステムズ株式会社 医用画像処理装置、医用画像処理方法および記録媒体
US11871995B2 (en) * 2017-12-18 2024-01-16 Hemolens Diagnostics Sp. Z O.O. Patient-specific modeling of hemodynamic parameters in coronary arteries
US10991465B2 (en) 2017-12-20 2021-04-27 Heartflow, Inc. Systems and methods for performing computer-simulated evaluation of treatments on a target population
WO2019132048A1 (ko) * 2017-12-26 2019-07-04 부산대학교 산학협력단 안구 맥락막 혈류 시뮬레이션 방법
US11133109B2 (en) * 2017-12-29 2021-09-28 Analytics For Life Inc. Method and system to assess disease using phase space volumetric objects
US11918333B2 (en) 2017-12-29 2024-03-05 Analytics For Life Inc. Method and system to assess disease using phase space tomography and machine learning
WO2019133997A1 (en) 2017-12-31 2019-07-04 Neuroenhancement Lab, LLC System and method for neuroenhancement to enhance emotional response
CN108078590B (zh) * 2018-01-03 2021-02-09 声泰特（成都）科技有限公司 基于超声频谱多普勒的血流动力学可视化方法与系统
JP7160659B2 (ja) * 2018-01-11 2022-10-25 キヤノンメディカルシステムズ株式会社 医用情報処理装置、医用情報処理システム及び医用情報処理方法
US11523788B2 (en) 2018-01-11 2022-12-13 Canon Medical Systems Corporation Medical information processing apparatus, medical information processing system, and medical information processing method
US10580526B2 (en) * 2018-01-12 2020-03-03 Shenzhen Keya Medical Technology Corporation System and method for calculating vessel flow parameters based on angiography
US10874305B2 (en) * 2018-01-15 2020-12-29 Microsoft Technology Licensing, Llc Sensor device
JP6483875B1 (ja) * 2018-01-25 2019-03-13 日本メジフィジックス株式会社 心筋画像表示方法、心筋画像表示処理プログラム及び心筋画像処理装置
CN108186038B (zh) * 2018-02-11 2020-11-17 杭州脉流科技有限公司 基于动脉造影影像计算冠脉血流储备分数的系统
JP6835014B2 (ja) * 2018-03-02 2021-02-24 株式会社豊田中央研究所 身体内部情報推定方法、コンピュータプログラム、それを記憶した記憶媒体、および、身体内部情報推定装置
CN110226923B (zh) * 2018-03-05 2021-12-14 苏州润迈德医疗科技有限公司 一种无需血管扩张剂测量血流储备分数的方法
CN108399647B (zh) * 2018-03-05 2021-10-26 四川和生视界医药技术开发有限公司 视网膜血管边缘线的编辑方法以及编辑装置
KR102172195B1 (ko) 2018-03-07 2020-10-30 고려대학교 산학협력단 척추관 협착증 진단 방법 및 장치
WO2019173830A1 (en) * 2018-03-09 2019-09-12 Emory University Methods and systems for determining coronary hemodynamic characteristic(s) that is predictive of myocardial infarction
EP3766080A1 (en) * 2018-03-15 2021-01-20 Koninklijke Philips Electronics N.V. Method of estimating physiological parameters using medical image data
CN108564568A (zh) * 2018-03-23 2018-09-21 沈阳东软医疗系统有限公司 冠脉的显示方法、装置、设备及存储介质
CN108511075B (zh) * 2018-03-29 2022-10-25 杭州脉流科技有限公司 一种非侵入式获取血流储备分数的方法和系统
US11471101B2 (en) 2018-04-05 2022-10-18 The Regents Of The University Of California Mapping and quantifying shear stress and hemolysis in patients having LVADS
CN108564574B (zh) * 2018-04-11 2021-04-20 上海联影医疗科技股份有限公司 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
US10699407B2 (en) 2018-04-11 2020-06-30 Pie Medical Imaging B.V. Method and system for assessing vessel obstruction based on machine learning
WO2019204368A1 (en) 2018-04-19 2019-10-24 Masimo Corporation Mobile patient alarm display
US11364361B2 (en) 2018-04-20 2022-06-21 Neuroenhancement Lab, LLC System and method for inducing sleep by transplanting mental states
CN108615259B (zh) * 2018-04-27 2022-06-24 苏州数算软云科技有限公司 建立血液流动计算模型用以评价冠状动脉血流情况的方法
EP3564963A1 (en) * 2018-05-02 2019-11-06 Siemens Healthcare GmbH System and methods for fast computation of computed tomography based fractional flow reserve
US11389130B2 (en) 2018-05-02 2022-07-19 Siemens Healthcare Gmbh System and methods for fast computation of computed tomography based fractional flow reserve
US11471090B2 (en) 2018-06-04 2022-10-18 Analytics For Life Inc. Method and system to assess pulmonary hypertension using phase space tomography and machine learning
CN108992057B (zh) * 2018-06-05 2021-08-10 杭州晟视科技有限公司 一种确定冠状动脉血流储备分数ffr的方法和装置
US11083377B2 (en) 2018-06-15 2021-08-10 Pie Medical Imaging B.V. Method and apparatus for quantitative hemodynamic flow analysis
US11147516B2 (en) 2018-06-18 2021-10-19 Analytics For Life Inc. Methods and systems to quantify and remove asynchronous noise in biophysical signals
CN109222980A (zh) * 2018-06-19 2019-01-18 北京红云智胜科技有限公司 基于深度学习的测量冠状动脉造影图像血管直径的方法
WO2019245867A1 (en) 2018-06-19 2019-12-26 Tornier, Inc. Virtual guidance for orthopedic surgical procedures
CN109065170B (zh) * 2018-06-20 2021-11-19 博动医学影像科技（上海）有限公司 获取血管压力差的方法及装置
CN109044324B (zh) * 2018-06-20 2021-11-19 博动医学影像科技（上海）有限公司 基于斑块位置修正血流特征值的方法及装置
CN108784676B (zh) * 2018-06-20 2021-11-09 博动医学影像科技（上海）有限公司 基于年龄信息获取压力差的方法及装置
CN109009061B (zh) * 2018-06-20 2021-11-19 博动医学影像科技（上海）有限公司 基于血压修正获取血流特征值的计算方法及装置
US11395597B2 (en) * 2018-06-26 2022-07-26 General Electric Company System and method for evaluating blood flow in a vessel
CA3103694A1 (en) * 2018-06-27 2020-01-02 Opsens Inc. Hybrid image-invasive-pressure hemodynamic function assessment
KR102078622B1 (ko) 2018-06-28 2020-04-07 연세대학교 산학협력단 협착 병변의 수학적 모델링을 이용한 심혈관 정보 결정 방법
KR102192164B1 (ko) * 2018-08-08 2020-12-16 주식회사 딥바이오 생체 이미지 진단 시스템, 생체 이미지 진단 방법, 및 이를 수행하기 위한 단말
GB201813170D0 (en) * 2018-08-13 2018-09-26 Univ Sheffield Volumetric blood flow
US11185244B2 (en) 2018-08-13 2021-11-30 Medtronic Vascular, Inc. FFR catheter with suspended pressure sensor
US11210779B2 (en) * 2018-09-07 2021-12-28 Siemens Healthcare Gmbh Detection and quantification for traumatic bleeding using dual energy computed tomography
CN109359333B (zh) * 2018-09-12 2021-09-24 大连理工大学 一种包含多尺度形貌特征的体模型构建方法
EP3849410A4 (en) 2018-09-14 2022-11-02 Neuroenhancement Lab, LLC SLEEP ENHANCEMENT SYSTEM AND METHOD
JP6675458B2 (ja) * 2018-09-18 2020-04-01 キヤノンメディカルシステムズ株式会社 血管解析装置、血管解析方法及び血管解析プログラム
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
PL427234A1 (pl) * 2018-09-28 2020-04-06 Fundacja Rozwoju Kardiochirurgii Im. Profesora Zbigniewa Religi Sposób modelowania naczyń krwionośnych i przepływu krwi w tych modelach naczyń krwionośnych
CN109118489B (zh) * 2018-09-29 2020-12-11 数坤（北京）网络科技有限公司 一种冠状动脉位置检测方法及系统
KR102180135B1 (ko) * 2018-10-12 2020-11-17 계명대학교 산학협력단 심혈관 질환 종류에 따른 심전도 패턴 시뮬레이션 생체신호 구현 시스템 및 방법
US10992079B2 (en) 2018-10-16 2021-04-27 Bard Access Systems, Inc. Safety-equipped connection systems and methods thereof for establishing electrical connections
CN112840408A (zh) 2018-10-17 2021-05-25 哈特弗罗公司 用于根据脂肪组织来评估心血管疾病和治疗效果的系统和方法
CN109512450A (zh) * 2018-10-18 2019-03-26 深圳市孙逸仙心血管医院（深圳市心血管病研究所） 测量血管血流速度的方法
CN109493348B (zh) * 2018-10-26 2021-11-26 强联智创（北京）科技有限公司 一种颅内动脉瘤图像的形态学参数的测量方法及系统
US20210383908A1 (en) * 2018-10-26 2021-12-09 Koninklijke Philips N.V. Determination of a treatment response index
CN109616200A (zh) * 2018-11-06 2019-04-12 北京三普威盛科技有限公司 用于冠脉狭窄评估的方法，装置，存储介质及电子设备
WO2020098704A1 (zh) * 2018-11-13 2020-05-22 苏州润迈德医疗科技有限公司 基于造影图像获取血管评定参数的方法、装置及系统
US11819279B2 (en) 2018-11-30 2023-11-21 Koninklijke Philips N.V. Patient lumen system monitoring
CN109620199B (zh) 2018-11-30 2021-03-16 博动医学影像科技（上海）有限公司 建立血管截面函数、血管压力差和血管应力的方法及装置
CN109615624B (zh) * 2018-12-05 2022-03-22 北京工业大学 一种基于超声图像的血流速度波形自动化识别方法
JP7246907B2 (ja) * 2018-12-12 2023-03-28 日本メジフィジックス株式会社 心筋核医学画像データのスコアリング
CN109620187B (zh) * 2018-12-14 2020-06-16 深圳先进技术研究院 一种中心动脉压推算方法及装置
EP3671649A1 (en) 2018-12-19 2020-06-24 Siemens Healthcare GmbH Method and computer system for generating a combined tissue-vessel representation
CN113180734A (zh) * 2018-12-27 2021-07-30 深圳迈瑞生物医疗电子股份有限公司 一种超声血流成像方法及系统
JP2022522950A (ja) * 2019-01-06 2022-04-21 コヴァノス・インコーポレイテッド 安静状態の拡張期血行動態情報の非侵襲性特定
WO2020142791A1 (en) * 2019-01-06 2020-07-09 Covanos, Inc. Virtual stress test based on electronic patient data
EP4122381B1 (en) 2019-01-11 2023-09-06 Hemolens Diagnostics Spólka Z Ograniczona Odpowiedzialnoscia Patient-specific modeling of hemodynamic parameters in coronary arteries
WO2020154398A1 (en) * 2019-01-22 2020-07-30 Arizona Board Of Regents On Behalf Of The University Of Arizona Noninvasive real-time patient-specific assessment of stroke severity
US10813612B2 (en) 2019-01-25 2020-10-27 Cleerly, Inc. Systems and method of characterizing high risk plaques
CN109770930B (zh) * 2019-01-29 2021-03-09 浙江大学 一种冠状动脉微循环阻力的确定方法和装置
WO2020163539A1 (en) * 2019-02-05 2020-08-13 University Of Virginia Patent Foundation System and method for fully automatic lv segmentation of myocardial first-pass perfusion images
US20220107256A1 (en) 2019-02-06 2022-04-07 Universität Zürich Method and apparatus for predicting fluid flow through a subject conduit
EP3923787A4 (en) 2019-02-11 2022-11-02 University Of Louisville Research Foundation, Inc. SYSTEM AND METHOD OF DETERMINING A BLOOD FLOW PROPERTY
CN109993786B (zh) * 2019-03-08 2021-05-18 中国石油大学(北京) 迂曲度获取方法、装置、设备以及存储介质
US11439436B2 (en) 2019-03-18 2022-09-13 Synthes Gmbh Orthopedic fixation strut swapping
CN109805949B (zh) 2019-03-19 2020-05-22 苏州润迈德医疗科技有限公司 基于压力传感器和造影图像计算血流储备分数的方法
JP7265392B2 (ja) * 2019-03-25 2023-04-26 ソニー・オリンパスメディカルソリューションズ株式会社 医療用画像処理装置、医療用観察システム、画像処理方法およびプログラム
EP3716207B1 (en) * 2019-03-26 2023-11-29 Active Medical B.V. Method and apparatus for diagnostic analysis of the function and morphology of microcirculation alterations
US11304757B2 (en) 2019-03-28 2022-04-19 Synthes Gmbh Orthopedic fixation control and visualization
US10861157B2 (en) * 2019-04-04 2020-12-08 Medtronic Vascular, Inc. System and methods for determining modified fractional flow reserve values
CN109907732B (zh) * 2019-04-09 2022-12-02 广州新脉科技有限公司 一种颅内动脉瘤破裂风险的评估方法及系统
KR102240501B1 (ko) * 2019-04-18 2021-04-15 중앙대학교 산학협력단 요로 조영술 영상 데이터에 기반한 방광 내압 진단 방법
JP6751178B2 (ja) * 2019-05-14 2020-09-02 キヤノンメディカルシステムズ株式会社 医用画像処理装置、医用画像処理方法および記録媒体
US11707325B2 (en) * 2019-05-17 2023-07-25 Heartflow, Inc. System and methods for estimation of blood flow using response surface and reduced order modeling
CN110223760B (zh) * 2019-05-23 2022-01-18 苏州阿基米德网络科技有限公司 一种医疗影像信息采集与融合方法及系统
EP3751580B1 (en) * 2019-06-11 2024-04-03 Siemens Healthineers AG Hemodynamic analysis of vessels using recurrent neural network
CN110264514B (zh) * 2019-06-27 2021-03-30 杭州智珺智能科技有限公司 一种基于随机寻优策略的人体胸围和腰围测量方法
US11229367B2 (en) 2019-07-18 2022-01-25 Ischemaview, Inc. Systems and methods for analytical comparison and monitoring of aneurysms
US11328413B2 (en) 2019-07-18 2022-05-10 Ischemaview, Inc. Systems and methods for analytical detection of aneurysms
CN110522465A (zh) 2019-07-22 2019-12-03 通用电气精准医疗有限责任公司 基于图像数据的血液动力学参数估计
WO2021026125A1 (en) 2019-08-05 2021-02-11 Elucid Bioimaging Inc. Combined assessment of morphological and perivascular disease markers
CN110428417A (zh) * 2019-08-13 2019-11-08 无锡祥生医疗科技股份有限公司 颈动脉斑块的性质判别方法、存储介质及超声装置
CN110555261B (zh) * 2019-08-29 2021-06-18 清华大学 心脏运动的数字三生仿真方法及装置
DE102019214212B3 (de) * 2019-09-18 2021-03-11 Siemens Healthcare Gmbh Verfahren zur Unterstützung eines Auswerters bei der Auswertung eines Computertomographiedatensatzes, Recheneinrichtung, Computerprogramm und elektronisch lesbarer Datenträger
CA3152545A1 (en) 2019-09-20 2021-03-25 Bard Access Systems, Inc. Automatic vessel detection tools and methods
EP4035179A4 (en) * 2019-09-27 2023-10-25 Vitaa Medical Solutions Inc. METHOD AND SYSTEM FOR DETERMINING A POTENTIAL FOR REGIONAL RUPTURE OF A BLOOD VESSEL
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
WO2021072368A1 (en) * 2019-10-10 2021-04-15 Medstar Health, Inc. Noninvasive assessment of microvascular dysfunction
KR102130254B1 (ko) 2019-10-15 2020-07-03 주식회사 실리콘사피엔스 대상자 고유의 혈관에 대한 혈류 시뮬레이션 방법 및 장치
WO2021092414A1 (en) * 2019-11-07 2021-05-14 Level Ex Inc. Methods and systems for rendering images
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
EP4276751A3 (en) * 2019-11-28 2024-01-10 Siemens Healthcare GmbH Computer-implemented method for evaluating a ct data set regarding perivascular tissue, evaluation device, computer program and electronically readable storage medium
US20220110530A2 (en) * 2019-12-09 2022-04-14 Nordsletten David Method and System for Estimating Pressure Difference in Turbulent Flow
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
CN111067495A (zh) * 2019-12-27 2020-04-28 西北工业大学 基于血流储备分数和造影图像的微循环阻力计算方法
US20210319558A1 (en) 2020-01-07 2021-10-14 Cleerly, Inc. Systems, methods, and devices for medical image analysis, diagnosis, risk stratification, decision making and/or disease tracking
US20220392065A1 (en) 2020-01-07 2022-12-08 Cleerly, Inc. Systems, methods, and devices for medical image analysis, diagnosis, risk stratification, decision making and/or disease tracking
AU2021205821A1 (en) 2020-01-07 2022-07-21 Cleerly, Inc. Systems, methods, and devices for medical image analysis, diagnosis, risk stratification, decision making and/or disease tracking
CN111227930B (zh) * 2020-01-08 2022-11-11 西安马克医疗科技有限公司 一种针对二尖瓣反流及钙化狭窄的3d模型构建及制备方法
CN111227931B (zh) * 2020-01-08 2022-11-11 西安马克医疗科技有限公司 一种针对主动脉瓣疾病的3d模型构建方法及制备方法
DE102020200750A1 (de) * 2020-01-22 2021-07-22 Siemens Healthcare Gmbh Bereitstellen eines Blutflussparametersatzes einer Gefäßmalformation
US20230103319A1 (en) * 2020-01-31 2023-04-06 See-Mode Technologies Pte Ltd Methods and systems for risk assessment of ischemic cerebrovascular events
RU2727313C1 (ru) * 2020-02-11 2020-07-21 Федеральное государственное бюджетное учреждение "Национальный медицинский исследовательский центр акушерства, гинекологии и перинатологии имени академика В.И. Кулакова" Министерства здравоохранения Российской Метод функциональной магнитно-резонансной томографии для определения перфузионного кровотока в области рубца после кесарева сечения
USD938963S1 (en) * 2020-02-21 2021-12-21 Universität Zürich Display screen or portion thereof with graphical user interface for visual clot display
CN111243413B (zh) * 2020-03-06 2021-07-02 吉林大学 一种颜面部解剖教学的建模方法及教学系统
KR102190431B1 (ko) * 2020-03-18 2020-12-11 연세대학교 산학협력단 혈관 질환을 판단하는 방법 및 그를 위한 장치
US11587679B2 (en) * 2020-03-26 2023-02-21 International Business Machines Corporation Generating computer models from implicitly relevant feature sets
US11334997B2 (en) 2020-04-03 2022-05-17 Synthes Gmbh Hinge detection for orthopedic fixation
CN111508077B (zh) * 2020-04-29 2021-01-15 中国人民解放军总医院 双三角模型智能评估心脏功能的方法、装置、设备及介质
DE102020112649A1 (de) * 2020-05-11 2021-11-11 Volume Graphics Gmbh Computerimplementiertes Verfahren zur Messung eines Objekts
CN111419204A (zh) * 2020-05-12 2020-07-17 中国人民解放军陆军第八十二集团军医院 一种改良的压力容积导管实验方法
CN111755104B (zh) * 2020-05-18 2022-11-01 清华大学 一种心脏状态监测方法、系统、电子设备及存储介质
CN111631700B (zh) * 2020-05-25 2021-08-10 华南理工大学 一种根据最佳血压目标值调节血压的系统
CN111739026B (zh) * 2020-05-28 2021-02-09 数坤（北京）网络科技有限公司 一种基于血管中心线的黏连割除方法及装置
CN113952031A (zh) 2020-07-21 2022-01-21 巴德阿克塞斯系统股份有限公司 磁跟踪超声探头及生成其3d可视化的系统、方法和设备
CN111862046B (zh) * 2020-07-21 2023-11-17 江苏省人民医院（南京医科大学第一附属医院） 一种心脏冠脉剪影中导管位置判别系统和方法
USD980091S1 (en) 2020-07-27 2023-03-07 Masimo Corporation Wearable temperature measurement device
USD974193S1 (en) 2020-07-27 2023-01-03 Masimo Corporation Wearable temperature measurement device
US20220044408A1 (en) * 2020-08-07 2022-02-10 Canon Medical Systems Corporation Medical image processing apparatus, system, and method
JP7041446B2 (ja) * 2020-08-12 2022-03-24 キヤノンメディカルシステムズ株式会社 医用画像処理方法、医用画像処理装置および医用画像処理システム
JP7443197B2 (ja) 2020-08-25 2024-03-05 キヤノンメディカルシステムズ株式会社 医用画像処理装置、システム及び方法
US11844567B2 (en) 2020-08-28 2023-12-19 Biosense Webster (Israel) Ltd. Fitting and directing an expandable catheter based on automatic pulmonary veins anatomical characterization
US11538153B2 (en) * 2020-08-31 2022-12-27 Huidan Yu Non-invasive functional assessment technique for determining hemodynamic severity of an arterial stenosis
EP4203801A1 (en) 2020-09-03 2023-07-05 Bard Access Systems, Inc. Portable ultrasound systems and methods
US20240013886A1 (en) * 2020-09-09 2024-01-11 Hamed Yousefiroshan Method and system of simulations for personalized brain treatments
WO2022067101A1 (en) 2020-09-25 2022-03-31 Bard Access Systems, Inc. Minimum catheter length tool
CN112245006B (zh) * 2020-11-13 2022-03-04 范宁 一种基于三角模型的肝脏肿瘤手术方法及系统
CN112426143B (zh) * 2020-11-16 2021-07-23 清华大学 一种肾动脉及腹主动脉一站式无创磁共振血管壁成像系统
TWI790508B (zh) * 2020-11-30 2023-01-21 宏碁股份有限公司 血管偵測裝置及基於影像的血管偵測方法
JP2022090798A (ja) * 2020-12-08 2022-06-20 キヤノンメディカルシステムズ株式会社 解析装置、解析システム及び解析方法
TWI768624B (zh) * 2020-12-28 2022-06-21 財團法人國家衛生研究院 預測冠狀動脈的阻塞的電子裝置和方法
CN113951842B (zh) * 2020-12-28 2022-04-29 深圳北芯生命科技股份有限公司 基于血管充血状态的诊断模式确定系统
CN112712507B (zh) * 2020-12-31 2023-12-19 杭州依图医疗技术有限公司 一种确定冠状动脉的钙化区域的方法及装置
US20220215534A1 (en) * 2021-01-04 2022-07-07 Shenzhen Keya Medical Technology Corporation Methods and systems for computer-assisted medical image analysis using sequential model
CN112842287B (zh) * 2021-01-05 2022-05-17 清华大学 测量血管硬化参数装置和方法
CN112950537A (zh) * 2021-01-26 2021-06-11 上海友脉科技有限责任公司 一种冠脉血流储备分数获取系统、方法及介质
CN112932434B (zh) * 2021-01-29 2023-12-05 苏州润迈德医疗科技有限公司 获取流量损失模型、损失比、供血能力的方法和系统
US11693078B2 (en) * 2021-02-08 2023-07-04 Purdue Research Foundation Hybrid spatial and circuit optimization for targeted performance of MRI coils
WO2022182975A1 (en) * 2021-02-26 2022-09-01 Massachusetts Institute Of Technology Methods to simulate metrics of vascular function from clinical data
KR102631241B1 (ko) * 2021-03-04 2024-01-31 에이아이메딕(주) 기계 학습을 이용하여 2차원 x-선 혈관 조영술 이미지로부터 3차원 혈관 모델을 생성하는 방법
CN113100719A (zh) * 2021-04-08 2021-07-13 中国人民解放军陆军特色医学中心 一种基于机器学习的肾透析患者心血管事件预测系统
EP4075446A1 (en) 2021-04-18 2022-10-19 Kardiolytics Inc. Method and system for modelling blood vessels and blood flow under high-intensity physical exercise conditions
DE112022002437T5 (de) * 2021-04-26 2024-02-15 Koninklijke Philips N.V. Ultraschallgeführte vorhersage von lokalen bolusgeschwindigkeiten
EP4084011A1 (en) * 2021-04-30 2022-11-02 Siemens Healthcare GmbH Computer-implemented method and evaluation system for evaluating at least one image data set of an imaging region of a patient, computer program and electronically readable storage medium
KR102564404B1 (ko) * 2021-05-13 2023-08-07 연세대학교 산학협력단 합성곱 신경망을 이용한 투석 접근로의 협착 예측 방법 및 장치
WO2022250975A1 (en) * 2021-05-27 2022-12-01 Board Of Regents Of The University Of Nebraska Patient-specific computational simulation of coronary artery bypass grafting
US11948677B2 (en) 2021-06-08 2024-04-02 GE Precision Healthcare LLC Hybrid unsupervised and supervised image segmentation model
CN113298804B (zh) * 2021-06-16 2022-03-15 浙江大学 一种基于红外图像的实时固体燃料料层厚度的测量方法
CN113409343B (zh) * 2021-06-16 2022-03-15 浙江大学 一种实时固体燃料料层厚度的测量方法
CN113288087B (zh) * 2021-06-25 2022-08-16 成都泰盟软件有限公司 一种基于生理信号的虚实联动实验系统
EP4113434A1 (en) 2021-06-28 2023-01-04 Koninklijke Philips N.V. Generation of plaque information
CN113545846B (zh) * 2021-07-22 2023-04-25 强联智创（北京）科技有限公司 一种血流动力学仿真模拟方法、装置以及设备
CN113408152B (zh) * 2021-07-23 2023-07-25 上海友脉科技有限责任公司 冠脉旁路移植仿真系统、方法、介质及电子设备
CA3228337A1 (en) 2021-08-09 2023-02-16 Vektor Medical, Inc. Tissue state graphic display system
CN113838572B (zh) * 2021-09-10 2024-03-01 深圳睿心智能医疗科技有限公司 血管生理参数获取方法、装置、电子设备及存储介质
USD1000975S1 (en) 2021-09-22 2023-10-10 Masimo Corporation Wearable temperature measurement device
KR102451624B1 (ko) * 2021-10-05 2022-10-11 연세대학교 산학협력단 수면 무호흡증 인자를 고려한 심혈관 질환 위험도 분석 시스템 및 그 방법
WO2023065048A1 (en) * 2021-10-22 2023-04-27 Mcmaster University A doppler-based non-invasive computational diagnostic method for personalized cardiology
US20230142152A1 (en) * 2021-11-05 2023-05-11 GE Precision Healthcare LLC System and method for deep-learning based estimation of coronary artery pressure drop
CN113925470A (zh) * 2021-11-09 2022-01-14 刘明明 一种小肠微循环功能测评方法
WO2023097312A1 (en) 2021-11-29 2023-06-01 Heartflow, Inc. Systems and methods for processing electronic images using user inputs
US20230169702A1 (en) 2021-11-29 2023-06-01 Heartflow, Inc. Systems and methods for processing electronic images for physiology-compensated reconstruction
WO2023161671A1 (en) * 2022-02-22 2023-08-31 Hemolens Diagnostics Sp. Z O.O. A method for assessment of a hemodynamic response to an adenosine receptor agonist stimulation, system for assessment of it and computer readable medium
US20230289963A1 (en) 2022-03-10 2023-09-14 Cleerly, Inc. Systems, devices, and methods for non-invasive image-based plaque analysis and risk determination
WO2023175611A1 (en) * 2022-03-15 2023-09-21 Livemetric (Medical) S.A Devices and methods for evaluating the response to and/or the effectiveness of a cardiovascular medication administration program
JP2023135853A (ja) * 2022-03-16 2023-09-29 キヤノン株式会社 情報処理装置、情報処理方法、およびプログラム
WO2023237553A1 (en) 2022-06-07 2023-12-14 Pie Medical Imaging Bv Method and system for assessing functionally significant vessel obstruction based on machine learning
CN115687309B (zh) * 2022-12-30 2023-04-18 浙江大学 非侵入式卷烟出入库全流程数据血缘构建方法、装置
US11773093B1 (en) 2023-01-19 2023-10-03 King Faisal University N-(pyrimido[2,3-b]indol-7-yl)acetamide compounds as antibacterial agents
CN115910379B (zh) * 2023-02-03 2023-06-02 慧影医疗科技(北京)股份有限公司 一种肾结石术后疗效评估方法、系统、设备及存储介质
CN115880323B (zh) * 2023-02-17 2023-06-02 长沙中联重科环境产业有限公司 一种热成像定位的区域密度人口的绿化环保方法及设备
CN116664564B (zh) * 2023-07-28 2023-10-31 杭州脉流科技有限公司 基于颅内医学影像获取血流量的方法和装置
CN116649925B (zh) * 2023-07-28 2023-10-31 杭州脉流科技有限公司 颅内动脉狭窄功能学评估的方法和装置

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20050272992A1 (en) * 2004-05-05 2005-12-08 O'donnell Thomas Patient-specific coronary territory mapping
WO2006061814A1 (en) * 2004-12-08 2006-06-15 Paieon Inc. Method and apparatus for finding the tubular organs blood velocity and flow and related parameters
CN101374462A (zh) * 2005-12-09 2009-02-25 皇家飞利浦电子股份有限公司 基于模型的流动分析和可视化
CN101686822A (zh) * 2007-07-11 2010-03-31 皇家飞利浦电子股份有限公司 用于采集冠状血管，尤其是冠状静脉的3维图像的方法
US20100241404A1 (en) * 2009-03-17 2010-09-23 Taylor Charles A Patient-specific hemodynamics of the cardio vascular system

Family Cites Families (336)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPS5944607B2 (ja) 1976-06-24 1984-10-31 三菱電機株式会社 薄膜光スイツチアレイ
IL77677A (en) * 1986-01-22 1990-04-29 Daniel Goor Method and apparatus for detecting mycardial ischemia
US4945478A (en) 1987-11-06 1990-07-31 Center For Innovative Technology Noninvasive medical imaging system and method for the identification and 3-D display of atherosclerosis and the like
US5205289A (en) 1988-12-23 1993-04-27 Medical Instrumentation And Diagnostics Corporation Three-dimensional computer graphics simulation and computerized numerical optimization for dose delivery and treatment planning
US5151856A (en) 1989-08-30 1992-09-29 Technion R & D Found. Ltd. Method of displaying coronary function
US5119816A (en) 1990-09-07 1992-06-09 Sam Technology, Inc. EEG spatial placement and enhancement method
EP0487110B1 (en) 1990-11-22 1999-10-06 Kabushiki Kaisha Toshiba Computer-aided diagnosis system for medical use
WO1993007580A1 (fr) 1991-10-02 1993-04-15 Fujitsu Limited Procede pour determiner la direction dans une region locale d'un segment de profil et procede pour determiner les lignes et les angles
US5343538A (en) 1992-10-02 1994-08-30 International Remote Imaging Systems, Inc. Method and an apparatus for identifying an object using quantile partitions
US5687737A (en) 1992-10-09 1997-11-18 Washington University Computerized three-dimensional cardiac mapping with interactive visual displays
US5506785A (en) * 1993-02-11 1996-04-09 Dover Systems Corporation Method and apparatus for generating hollow and non-hollow solid representations of volumetric data
DE69424733T2 (de) 1993-04-20 2001-02-01 Gen Electric Graphisches digitalverarbeitungssystem und echtzeitvideosystem zur verbesserung der darstellung von körperstrukturen während eines chirugischen eingriffs.
US5881124A (en) 1994-03-31 1999-03-09 Arch Development Corporation Automated method and system for the detection of lesions in medical computed tomographic scans
US5782762A (en) 1994-10-27 1998-07-21 Wake Forest University Method and system for producing interactive, three-dimensional renderings of selected body organs having hollow lumens to enable simulated movement through the lumen
US6694163B1 (en) 1994-10-27 2004-02-17 Wake Forest University Health Sciences Method and system for producing interactive, three-dimensional renderings of selected body organs having hollow lumens to enable simulated movement through the lumen
US5920319A (en) 1994-10-27 1999-07-06 Wake Forest University Automatic analysis in virtual endoscopy
EP0829068A1 (en) 1995-05-31 1998-03-18 Molecular Biosystems, Inc. Automatic border delineation and dimensioning of regions using contrast enhanced imaging
US6151404A (en) 1995-06-01 2000-11-21 Medical Media Systems Anatomical visualization system
DE69636578T2 (de) 1995-06-09 2007-07-05 Interact Medical Technologies Corp. Anatomisches anzeigesystem
US5582173A (en) 1995-09-18 1996-12-10 Siemens Medical Systems, Inc. System and method for 3-D medical imaging using 2-D scan data
US5687208A (en) 1995-10-06 1997-11-11 Bhb General Partnership Method of and apparatus for predicting computed tomography contrast enhancement with feedback
US5970182A (en) 1995-11-15 1999-10-19 Focus Imaging, S. A. Registration process for myocardial images
US5682886A (en) 1995-12-26 1997-11-04 Musculographics Inc Computer-assisted surgical system
US5825908A (en) 1995-12-29 1998-10-20 Medical Media Systems Anatomical visualization and measurement system
US5729670A (en) 1996-01-16 1998-03-17 Ford Global Technologies, Inc. Method for producing a mesh of quadrilateral/hexahedral elements for a body to be analyzed using finite element analysis
US6047080A (en) 1996-06-19 2000-04-04 Arch Development Corporation Method and apparatus for three-dimensional reconstruction of coronary vessels from angiographic images
US6026173A (en) 1997-07-05 2000-02-15 Svenson; Robert H. Electromagnetic imaging and therapeutic (EMIT) systems
IL120881A (en) 1996-07-30 2002-09-12 It M R Medic L Cm 1997 Ltd Method and device for continuous and non-invasive monitoring of peripheral arterial tone
US5947899A (en) 1996-08-23 1999-09-07 Physiome Sciences Computational system and method for modeling the heart
US7194117B2 (en) 1999-06-29 2007-03-20 The Research Foundation Of State University Of New York System and method for performing a three-dimensional virtual examination of objects, such as internal organs
US6331116B1 (en) 1996-09-16 2001-12-18 The Research Foundation Of State University Of New York System and method for performing a three-dimensional virtual segmentation and examination
US5971767A (en) 1996-09-16 1999-10-26 The Research Foundation Of State University Of New York System and method for performing a three-dimensional virtual examination
US6343936B1 (en) 1996-09-16 2002-02-05 The Research Foundation Of State University Of New York System and method for performing a three-dimensional virtual examination, navigation and visualization
US5891030A (en) 1997-01-24 1999-04-06 Mayo Foundation For Medical Education And Research System for two dimensional and three dimensional imaging of tubular structures in the human body
US8682045B2 (en) 1997-02-25 2014-03-25 Wake Forest University Health Sciences Virtual endoscopy with improved image segmentation and lesion detection
US6035056A (en) 1997-03-27 2000-03-07 R2 Technology, Inc. Method and apparatus for automatic muscle segmentation in digital mammograms
IT1297396B1 (it) 1997-12-30 1999-09-01 Francesco Buzzigoli Metodo e dispositivo per la ricostruzione di immagini tridimensionali di vasi sanguigni, in particolare di arterie coronarie, o di altre
US6176838B1 (en) 1998-01-29 2001-01-23 Anzai Medical Kabushiki Kaisha Method and apparatus for measuring hepatic blood flow amount
US7191110B1 (en) 1998-02-03 2007-03-13 University Of Illinois, Board Of Trustees Patient specific circulation model
JP2002501774A (ja) 1998-02-03 2002-01-22 ザ、ボード、オブ、トラスティーズ、オブ、ザ、ユニバシティー、オブ、イリノイ 脳循環モデルと用途
US7167180B1 (en) 1998-02-23 2007-01-23 Algotec Systems Ltd. Automatic path planning system and method
US6117087A (en) 1998-04-01 2000-09-12 Massachusetts Institute Of Technology Method and apparatus for noninvasive assessment of a subject's cardiovascular system
IL139436A0 (en) 1998-05-04 2001-11-25 Florence Medical Ltd Apparatus and method for identification and characterization of lesions and therapeutic success by flow disturbances analysis
US6236878B1 (en) 1998-05-22 2001-05-22 Charles A. Taylor Method for predictive modeling for planning medical interventions and simulating physiological conditions
US6045512A (en) 1998-06-09 2000-04-04 Baxter International Inc. System and method for continuous estimation and display of cardiac ejection fraction and end diastolic volume
US6119574A (en) 1998-07-02 2000-09-19 Battelle Memorial Institute Blast effects suppression system
US6381562B2 (en) 1998-07-13 2002-04-30 John A. Keane Configurable bio-transport system simulator
US6950689B1 (en) 1998-08-03 2005-09-27 Boston Scientific Scimed, Inc. Dynamically alterable three-dimensional graphical model of a body region
US6292761B1 (en) 1998-09-02 2001-09-18 William Franklin Hancock, Jr. Methods and apparatus for interpreting measured laboratory data
US6379041B1 (en) 1998-11-02 2002-04-30 Siemens Aktiengesellschaft X-ray apparatus for producing a 3D image from a set of 2D projections
US6352509B1 (en) 1998-11-16 2002-03-05 Kabushiki Kaisha Toshiba Three-dimensional ultrasonic diagnosis apparatus
US6466205B2 (en) 1998-11-19 2002-10-15 Push Entertainment, Inc. System and method for creating 3D models from 2D sequential image data
EP2302595A3 (en) 1998-11-25 2011-04-06 Wake Forest University Health Sciences Virtual endoscopy with improved image segmentation and lesion detection
US6278460B1 (en) 1998-12-15 2001-08-21 Point Cloud, Inc. Creating a three-dimensional model from two-dimensional images
US6478735B1 (en) 1999-01-28 2002-11-12 The United States Of America As Represented By The Administrator Of The National Aeronautics And Space Administration Physiological feedback method and system
AU3187900A (en) * 1999-03-09 2000-09-28 Florence Medical Ltd. A method and system for pressure based measurements of cfr and additional clinical hemodynamic parameters
US6471656B1 (en) 1999-06-25 2002-10-29 Florence Medical Ltd Method and system for pressure based measurements of CFR and additional clinical hemodynamic parameters
US6793496B2 (en) 1999-04-15 2004-09-21 General Electric Company Mathematical model and a method and apparatus for utilizing the model
DE19922279A1 (de) 1999-05-11 2000-11-16 Friedrich Schiller Uni Jena Bu Verfahren zur Generierung patientenspezifischer Implantate
FR2793926B1 (fr) 1999-05-20 2001-07-20 Univ Rennes Procede de construction en trois dimensions d'un organe virtuel representatif d'un organe reel
US6605053B1 (en) 1999-09-10 2003-08-12 Percardia, Inc. Conduit designs and related methods for optimal flow control
EP2028608A3 (en) 1999-09-20 2009-03-04 The Board Of Trustees Of The University Of Illinois Circulation model and applications
US6711433B1 (en) 1999-09-30 2004-03-23 Siemens Corporate Research, Inc. Method for providing a virtual contrast agent for augmented angioscopy
US6336903B1 (en) 1999-11-16 2002-01-08 Cardiac Intelligence Corp. Automated collection and analysis patient care system and method for diagnosing and monitoring congestive heart failure and outcomes thereof
US7333648B2 (en) 1999-11-19 2008-02-19 General Electric Company Feature quantification from multidimensional image data
DE19962666A1 (de) 1999-12-23 2001-07-05 Siemens Ag Verfahren zum Rekonstruieren von 3D-Bilddaten bezüglich eines interessierenden Volumens eines Untersuchungsobjekts
DE10000185A1 (de) 2000-01-05 2001-07-12 Philips Corp Intellectual Pty Verfahren zur Darstellung des zeitlichen Verlaufs des Blutflusses in einem Untersuchungsobjekt
US6672172B2 (en) * 2000-01-31 2004-01-06 Radi Medical Systems Ab Triggered flow measurement
US6606091B2 (en) 2000-02-07 2003-08-12 Siemens Corporate Research, Inc. System for interactive 3D object extraction from slice-based medical images
US6900721B1 (en) 2000-02-11 2005-05-31 Bio Medic Data Systems, Inc. Implantable inductively programmed temperature sensing transponder
WO2001085030A1 (en) 2000-05-09 2001-11-15 Paieon Inc. System and method for three-dimensional reconstruction of an artery
DE10026666A1 (de) * 2000-05-29 2001-12-20 Gunther Burgard Verwendung von Hyaluronidase zur Prophylaxe und Behandlung von Herz-Kreislauf-Erkrankungen
AU2001268217A1 (en) 2000-06-06 2001-12-17 The Research Foundation Of State University Of New York Computer aided visualization, fusion and treatment planning
US6408201B1 (en) 2000-06-09 2002-06-18 General Electric Company Method and apparatus for efficient stenosis identification in peripheral arterial vasculature using MR imaging
US6503202B1 (en) 2000-06-29 2003-01-07 Acuson Corp. Medical diagnostic ultrasound system and method for flow analysis
US6507753B1 (en) 2000-08-09 2003-01-14 Ge Marquette Medical Systems, Inc. Method and apparatus to detect acute cardiac syndromes in specified groups of patients using ECG
US6650927B1 (en) 2000-08-18 2003-11-18 Biosense, Inc. Rendering of diagnostic imaging data on a three-dimensional map
US20020035458A1 (en) 2000-09-20 2002-03-21 Chang-Hun Kim Method and system for virtual surgery
US7840393B1 (en) 2000-10-04 2010-11-23 Trivascular, Inc. Virtual prototyping and testing for medical device development
US6558334B2 (en) 2000-10-19 2003-05-06 Florence Medical Ltd. Apparatus for diagnosing lesion severity, and method therefor
IL155527A0 (en) 2000-10-25 2003-11-23 Robarts John P Res Inst Method and apparatus for calculating blood flow parameters
US6754376B1 (en) 2000-11-22 2004-06-22 General Electric Company Method for automatic segmentation of medical images
US6666820B1 (en) 2000-11-28 2003-12-23 Michael D. Poole Mathematical therapeutic outcomes model for predicting clinical efficacy therapies
US6643533B2 (en) 2000-11-28 2003-11-04 Ge Medical Systems Global Technology Company, Llc Method and apparatus for displaying images of tubular structures
US6487432B2 (en) 2000-12-04 2002-11-26 Ge Medical Systems Global Technologies Company Llc Method and system for selecting and displaying medical image data
EP1363528A4 (en) 2001-02-07 2006-09-27 Gen Hospital Corp METHOD FOR DIAGNOSIS AND TREATMENT OF HEART DISEASES
SG142164A1 (en) 2001-03-06 2008-05-28 Univ Johns Hopkins Simulation method for designing customized medical devices
US7526112B2 (en) 2001-04-30 2009-04-28 Chase Medical, L.P. System and method for facilitating cardiac intervention
US7327862B2 (en) 2001-04-30 2008-02-05 Chase Medical, L.P. System and method for facilitating cardiac intervention
DE10122875C1 (de) 2001-05-11 2003-02-13 Siemens Ag Kombiniertes 3D-Angio-Volumenrekonstruktionsverfahren
DE60230261D1 (de) 2001-05-23 2009-01-22 Vital Images Inc Abdeckungsmaskierung zur volumendarstellung eine objektbestellung
WO2002097735A1 (en) 2001-05-31 2002-12-05 Kent Ridge Digital Labs System and method of anatomical modeling
US7853312B2 (en) 2001-06-07 2010-12-14 Varian Medical Systems, Inc. Seed localization system for use in an ultrasound system and method of using the same
US6718004B2 (en) 2001-06-28 2004-04-06 General Electric Company Methods and apparatus for coronary-specific imaging reconstruction
US20030023266A1 (en) 2001-07-19 2003-01-30 Borillo Thomas E. Individually customized atrial appendage implant device
US6856830B2 (en) * 2001-07-19 2005-02-15 Bin He Method and apparatus of three dimension electrocardiographic imaging
WO2003028536A2 (en) 2001-10-01 2003-04-10 The General Hospital Corporation Methods for diagnosing and treating heart disease
US7006955B2 (en) 2001-10-15 2006-02-28 General Electric Company System and method for statistical design of ultrasound probe and imaging system
WO2003034336A2 (en) 2001-10-16 2003-04-24 Koninklijke Philips Electronics N.V. Method for automatic branch labelling
US7054679B2 (en) 2001-10-31 2006-05-30 Robert Hirsh Non-invasive method and device to monitor cardiac parameters
US7286866B2 (en) 2001-11-05 2007-10-23 Ge Medical Systems Global Technology Company, Llc Method, system and computer product for cardiac interventional procedure planning
DE10162272A1 (de) 2001-12-19 2003-07-10 Philips Intellectual Property Verfahren zur Unterstützung der Orientierung im Gefäßsystem
CN1610841A (zh) 2001-12-28 2005-04-27 皇家飞利浦电子股份有限公司 具有处理超声图像序列以执行身体器官中流体定量估计的装置的观测系统
DE10210650B4 (de) 2002-03-11 2005-04-28 Siemens Ag Verfahren zur dreidimensionalen Darstellung eines Untersuchungsbereichs eines Patienten in Form eines 3D-Rekonstruktionsbilds und medizinische Untersuchungs- und/oder Behandlungseinrichtung
EP1490833B1 (en) 2002-03-23 2008-02-13 Philips Intellectual Property & Standards GmbH Method for interactive segmentation of a structure contained in an object
US6996262B2 (en) 2002-05-20 2006-02-07 General Electric Company Method and apparatus of scoring an arterial obstruction
US20040034309A1 (en) 2002-07-12 2004-02-19 Auckland Uniservices Limited Method and system of defining a model of one or more organs
WO2004010374A2 (en) 2002-07-19 2004-01-29 Philips Intellectual Property & Standards Gmbh Simultaneous segmentation of multiple or composed objects by mesh adaptation
US7020510B2 (en) 2002-07-25 2006-03-28 Koninklijke Philips Electronics, N.V. Optimal view map V.0.01
US20040044282A1 (en) 2002-08-28 2004-03-04 Mixon Lonnie Mark Medical imaging systems and methods
TW558689B (en) 2002-08-30 2003-10-21 Univ Taipei Medical Three-dimensional surgery simulation system and method
US7182602B2 (en) 2002-09-10 2007-02-27 The University Of Vermont And State Agricultural College Whole-body mathematical model for simulating intracranial pressure dynamics
US7794230B2 (en) 2002-09-10 2010-09-14 University Of Vermont And State Agricultural College Mathematical circulatory system model
US8246673B2 (en) * 2002-09-19 2012-08-21 Exstent Limited External support for a blood vessel
US20040064298A1 (en) 2002-09-26 2004-04-01 Robert Levine Medical instruction using a virtual patient
US6628743B1 (en) 2002-11-26 2003-09-30 Ge Medical Systems Global Technology Company, Llc Method and apparatus for acquiring and analyzing cardiac data from a patient
US6888914B2 (en) 2002-11-26 2005-05-03 General Electric Company Methods and apparatus for computing volumetric perfusion
WO2006020920A2 (en) 2003-01-29 2006-02-23 Medtronic, Inc. Catheter apparatus for treatment of heart arrhythmia
US20050043609A1 (en) 2003-01-30 2005-02-24 Gregory Murphy System and method for facilitating cardiac intervention
EP1593087A4 (en) 2003-01-30 2006-10-04 Chase Medical Lp METHOD AND SYSTEM FOR IMAGE PROCESSING AND CONTOUR EVALUATION
ATE336761T1 (de) 2003-01-31 2006-09-15 Koninkl Philips Electronics Nv Verfahren zur rekonstruktion dreidimensionaler objekte
US7574026B2 (en) 2003-02-12 2009-08-11 Koninklijke Philips Electronics N.V. Method for the 3d modeling of a tubular structure
US6887207B2 (en) * 2003-02-26 2005-05-03 Medtronic, Inc. Methods and apparatus for estimation of ventricular afterload based on ventricular pressure measurements
JP4421203B2 (ja) 2003-03-20 2010-02-24 株式会社東芝 管腔状構造体の解析処理装置
WO2004093684A1 (de) 2003-04-22 2004-11-04 Philips Intellectual Property & Standards Gmbh Gerät für die angiographische röntgen-bildgebung
US7343196B2 (en) 2003-05-09 2008-03-11 Ge Medical Systems Global Technology Company Llc Cardiac CT system and method for planning and treatment of biventricular pacing using epicardial lead
JP4559215B2 (ja) 2003-05-14 2010-10-06 ボルケーノ・コーポレイション 侵襲性心臓血管診断測定の捕捉および表示のための多目的ホストシステム
US7780595B2 (en) 2003-05-15 2010-08-24 Clinical Decision Support, Llc Panel diagnostic method and system
JP2005015789A (ja) 2003-06-06 2005-01-20 Mitsubishi Plastics Ind Ltd 紫外線吸収組成物および被覆材料
EP1636731A2 (en) 2003-06-25 2006-03-22 Siemens Medical Solutions USA, Inc. Systems and methods for automated diagnosis and decision support for breast imaging
WO2005001769A2 (en) 2003-06-25 2005-01-06 Siemens Medical Solutions Usa, Inc. Automated regional myocardial assessment for cardiac imaging
US20050010105A1 (en) 2003-07-01 2005-01-13 Sra Jasbir S. Method and system for Coronary arterial intervention
US7813785B2 (en) 2003-07-01 2010-10-12 General Electric Company Cardiac imaging system and method for planning minimally invasive direct coronary artery bypass surgery
WO2005004038A1 (en) 2003-07-08 2005-01-13 Philips Intellectual Property & Standards Gmbh Reconstruction of the current flow in a vessel system
DE112004001440T5 (de) 2003-08-04 2007-08-09 Siemens Medical Solutions Usa, Inc. Entfalten eines virtuellen Organs zur Visualisierung
ATE527939T1 (de) 2003-08-20 2011-10-15 Koninkl Philips Electronics Nv Verfahren und vorrichtung für die flussrekonstruktion
DE602004031656D1 (de) 2003-08-21 2011-04-14 Philips Intellectual Property Vorrichtung und verfahren zur erzeugung eines dreidimensionalen gefässmodelles
US7657299B2 (en) 2003-08-21 2010-02-02 Ischem Corporation Automated methods and systems for vascular plaque detection and analysis
DE10340544B4 (de) 2003-09-01 2006-08-03 Siemens Ag Vorrichtung zur visuellen Unterstützung einer elektrophysiologischen Katheteranwendung im Herzen
JP4537681B2 (ja) * 2003-09-24 2010-09-01 株式会社東芝 血流解析装置
JP5129480B2 (ja) 2003-09-25 2013-01-30 パイエオン インコーポレイテッド 管状臓器の３次元再構成を行うシステム及び血管撮像装置の作動方法
CA2540280A1 (en) 2003-10-07 2005-04-21 Entelos, Inc. Simulating patient-specific outcomes
JP4446049B2 (ja) 2003-11-06 2010-04-07 株式会社三重ティーエルオー 心筋血流の定量化装置
US20070276214A1 (en) * 2003-11-26 2007-11-29 Dachille Frank C Systems and Methods for Automated Segmentation, Visualization and Analysis of Medical Images
US20070014452A1 (en) 2003-12-01 2007-01-18 Mitta Suresh Method and system for image processing and assessment of a state of a heart
US20050143777A1 (en) 2003-12-19 2005-06-30 Sra Jasbir S. Method and system of treatment of heart failure using 4D imaging
US20080051660A1 (en) 2004-01-16 2008-02-28 The University Of Houston System Methods and apparatuses for medical imaging
RS49856B (sr) 2004-01-16 2008-08-07 Boško Bojović Uređaj i postupak za vizuelnu trodimenzionalnu prezentaciju ecg podataka
US7333643B2 (en) 2004-01-30 2008-02-19 Chase Medical, L.P. System and method for facilitating cardiac intervention
US7526115B2 (en) 2004-02-23 2009-04-28 Siemens Medical Solutions Usa, Inc. System and method for toboggan based object segmentation using divergent gradient field response in images
WO2005085846A1 (ja) 2004-03-03 2005-09-15 Daiichi Pure Chemicals Co., Ltd. 虚血性心疾患危険群診断薬
EP1755458B1 (en) 2004-05-06 2015-02-25 Focus Surgery, Inc. Apparatus for the selective treatment of tissue
WO2005119578A2 (en) 2004-06-02 2005-12-15 Medical Metrx Solutions, Inc. Anatomical visualization and measurement system
JP2008510499A (ja) 2004-06-23 2008-04-10 エムツーエス・インコーポレーテッド 解剖学的可視化／測定システム
US7462153B2 (en) 2004-07-23 2008-12-09 Sonomedica, Inc. Method and system for modeling cardiovascular disease using a probability regession model
EP1805744A2 (en) 2004-08-10 2007-07-11 The General Hospital Corporation Methods and apparatus for simulation of endovascular and endoluminal procedures
CN100560030C (zh) 2004-08-11 2009-11-18 皇家飞利浦电子股份有限公司 缺血性心脏病的超声诊断
CN100548224C (zh) * 2004-08-31 2009-10-14 华盛顿州大学 利用超声检测内部狭窄以识别由其引起的组织振动的设备
DE102004043676B4 (de) 2004-09-09 2014-01-09 Siemens Aktiengesellschaft Verfahren zur Visualisierung von Plaqueablagerungen aus 3D-Bilddatensätzen von Gefäßstrukturen
US20060069318A1 (en) 2004-09-30 2006-03-30 The Regents Of The University Of California Method for assessment of the structure-function characteristics of structures in a human or animal body
WO2006063141A2 (en) 2004-12-07 2006-06-15 Medical Metrx Solutions, Inc. Intraoperative c-arm fluoroscope datafusion system
EP1830701A1 (en) 2004-12-08 2007-09-12 Paieon Inc. Method and apparatus for blood vessel parameter determinations
WO2006062958A2 (en) 2004-12-10 2006-06-15 Worcester Polytechnic Institute Image-based computational mechanical analysis and indexing for cardiovascular diseases
WO2006064478A1 (en) 2004-12-17 2006-06-22 Koninklijke Philips Electronics N.V. High quality accurate surface triangulation from a simplex mesh
WO2006076409A2 (en) * 2005-01-11 2006-07-20 Volcano Corporation Vascular image co-registration
WO2006079042A2 (en) 2005-01-21 2006-07-27 The Board Of Governors For Higher Education Integrate finite element and circulatory model for predicting hemodynamic effects of left ventricular impairment, resynchronization and remodeling
MX2007009354A (es) 2005-02-03 2008-01-14 Epix Pharm Inc Metodos de perfusion en estado estable.
JP5268365B2 (ja) 2005-02-04 2013-08-21 コーニンクレッカ フィリップス エレクトロニクス エヌ ヴィ 脈管幾何形状及び流れ特性を決定するシステム
FR2882172B1 (fr) * 2005-02-16 2007-11-02 Innothera Soc Par Actions Simp Dispositif d'aide a la selection d'une orthese de contention par simulation de ses effets sur l'hemodynamique du retour veineux
JP4964422B2 (ja) 2005-02-22 2012-06-27 株式会社カネカ 脱血用カテーテル
WO2006090707A1 (ja) 2005-02-22 2006-08-31 Kaneka Corporation カテーテル
US20060239524A1 (en) * 2005-03-31 2006-10-26 Vladimir Desh Dedicated display for processing and analyzing multi-modality cardiac data
JP2008534159A (ja) 2005-04-01 2008-08-28 ビジュアルソニックス インコーポレイテッド 超音波を使用した脈間構造の３ｄによる視覚化のためのシステムおよび方法
DE102005018327A1 (de) 2005-04-20 2006-10-26 Siemens Ag Betriebsverfahren für einen Rechner, Betriebsverfahren für eine bildgebende medizintechnische Anlage und hiermit korrespondierende Gegenstände
US20060241445A1 (en) 2005-04-26 2006-10-26 Altmann Andres C Three-dimensional cardial imaging using ultrasound contour reconstruction
US20060253024A1 (en) 2005-04-26 2006-11-09 Altmann Andres C Software product for three-dimensional cardiac imaging using ultrasound contour reconstruction
DE102005022345A1 (de) 2005-05-13 2006-11-16 Siemens Ag Verfahren zur Erzeugung und Darstellung von Untersuchungsbildern und zugehöriger Ultraschallkatheter
WO2006127960A2 (en) 2005-05-26 2006-11-30 The Board Of Regents University Of Oklahoma 3-dimensional finite element modeling of human ear for sound transmission
US20080205722A1 (en) 2005-08-17 2008-08-28 Koninklijke Phillips Electronics N.V. Method and Apparatus for Automatic 4D Coronary Modeling and Motion Vector Field Estimation
US20070049817A1 (en) * 2005-08-30 2007-03-01 Assaf Preiss Segmentation and registration of multimodal images using physiological data
US20090156933A1 (en) 2005-09-07 2009-06-18 Koninklijke Philips Electronics, N.V. Ultrasound system for reliable 3d assessment of right ventricle of the heart and method of doing the same
US7775988B2 (en) 2005-09-30 2010-08-17 Radi Medical Systems Ab Method for determining the blood flow in a coronary artery
US20100278405A1 (en) 2005-11-11 2010-11-04 Kakadiaris Ioannis A Scoring Method for Imaging-Based Detection of Vulnerable Patients
CN101310307B (zh) 2005-11-14 2012-07-18 皇家飞利浦电子股份有限公司 用于解剖结构的轮廓混合绘制的方法和设备
JP2007135894A (ja) 2005-11-18 2007-06-07 R Tech:Kk ヒト血流データをもとにした血流解析装置及びシミュレーション方法
WO2007067690A2 (en) 2005-12-07 2007-06-14 Drexel University Detection of blood pressure and blood pressure waveform
US7650179B2 (en) * 2005-12-09 2010-01-19 Siemens Aktiengesellschaft Computerized workflow method for stent planning and stenting procedure
JP4721893B2 (ja) 2005-12-15 2011-07-13 パナソニック株式会社 超音波診断装置
WO2007078012A1 (ja) 2006-01-05 2007-07-12 National University Corporation Kanazawa University 連続ｘ線画像スクリーニング検査装置、プログラム及び記録媒体
US7879318B2 (en) 2006-01-23 2011-02-01 Mcw Research Foundation, Inc. Method of reducing the effects of ischemia by administration of a thrombopoietin receptor ligand
KR101382511B1 (ko) 2006-01-27 2014-04-07 히타치 긴조쿠 가부시키가이샤 세라믹 허니콤 필터의 제조 방법
US8105239B2 (en) 2006-02-06 2012-01-31 Maui Imaging, Inc. Method and apparatus to visualize the coronary arteries using ultrasound
US20070232883A1 (en) 2006-02-15 2007-10-04 Ilegbusi Olusegun J Systems and methods for determining plaque vulnerability to rupture
US8184367B2 (en) 2006-02-15 2012-05-22 University Of Central Florida Research Foundation Dynamically focused optical instrument
US20070231779A1 (en) 2006-02-15 2007-10-04 University Of Central Florida Research Foundation, Inc. Systems and Methods for Simulation of Organ Dynamics
US20070208277A1 (en) 2006-03-06 2007-09-06 Rioux Robert F Vessel volume determination for embolization
EP2046223B1 (en) 2006-04-12 2011-03-02 NAVAB, Nassir Virtual penetrating mirror device for visualizing virtual objects in angiographic applications
US20070293936A1 (en) 2006-04-28 2007-12-20 Dobak John D Iii Systems and methods for creating customized endovascular stents and stent grafts
JP5503284B2 (ja) * 2006-05-22 2014-05-28 コーニンクレッカ フィリップス エヌ ヴェ 投影撮像からの動き補償された冠血流
JP2009540767A (ja) 2006-06-13 2009-11-19 クゥアルコム・インコーポレイテッド 無線通信システムのためのリバースリンク・パイロット送信
US20080133040A1 (en) 2006-06-16 2008-06-05 Searete Llc, A Limited Liability Corporation Of The State Of Delaware Methods and systems for specifying a blood vessel sleeve
JP5078291B2 (ja) 2006-06-30 2012-11-21 オリンパスメディカルシステムズ株式会社 医療情報管理システム
EP1881458B1 (en) * 2006-07-21 2011-06-08 Dassault Systèmes Computer-implemented process for creating a parametric surface
EP2047275B1 (en) 2006-08-04 2011-06-01 Medizinische Hochschule Hannover Methods for assessing the risk of cardiac interventions based on gdf-15
US8364249B2 (en) 2006-08-11 2013-01-29 3M Innovative Properties Company Automatic generation of heart sounds and murmurs using a lumped-parameter recirculating pressure-flow model for the left heart
WO2008085193A2 (en) 2006-08-14 2008-07-17 University Of Maryland Quantitative real-time 4d strees test analysis
US7986821B2 (en) 2006-08-15 2011-07-26 General Electric Company Processes and apparatus for imaging protocols and analysis
US20080058642A1 (en) 2006-09-05 2008-03-06 Board Of Regents Of The University Of Texas System Method for detecting coronary endothelial dysfunction and early atherosclerosis
WO2008030192A1 (en) 2006-09-06 2008-03-13 Agency For Science, Technology And Research Detection and localization of vascular occlusion from angiography data
US8014561B2 (en) 2006-09-07 2011-09-06 University Of Louisville Research Foundation, Inc. Virtual fly over of complex tubular anatomical structures
WO2008032875A1 (fr) 2006-09-15 2008-03-20 Keio University Simulateur de formation de thrombus plaquettaire
DE102006045423B4 (de) 2006-09-26 2016-07-14 Siemens Healthcare Gmbh 07.09.07Verfahren zur Nachbearbeitung eines dreidimensionalen Bilddatensatzes einer Gefäßstruktur
DE102006046045B4 (de) 2006-09-28 2014-05-28 Siemens Aktiengesellschaft Verfahren zur zweidimensionalen oder dreidimensionalen Bilddarstellung eines interessierenden Zielbereichs in einem Hohlorgan und medizinisches Untersuchungs- und Behandlungssystem
CN101172042B (zh) * 2006-11-01 2011-04-06 上海匡复医疗设备发展有限公司 一种脑血管循环动力学分析方法及仪器
US8007437B2 (en) 2006-11-08 2011-08-30 Siemens Aktiengesellschaft Method and apparatus for interactive 4-dimensional (4D) virtual endoscopy
US7792593B2 (en) 2006-11-17 2010-09-07 Siemens Aktiengesellschaft Method and system for patient-specific production of a cardiac electrode
US7912270B2 (en) * 2006-11-21 2011-03-22 General Electric Company Method and system for creating and using an impact atlas
US7957574B2 (en) 2006-11-22 2011-06-07 General Electric Company Methods and apparatus for generating a risk metric for soft plaque in vessels
US8503741B2 (en) 2006-11-30 2013-08-06 Siemens Aktiengesellschaft Workflow of a service provider based CFD business model for the risk assessment of aneurysm and respective clinical interface
US20080317310A1 (en) 2006-12-08 2008-12-25 Mitta Suresh Method and system for image processing and assessment of blockages of heart blood vessels
US20080146252A1 (en) 2006-12-13 2008-06-19 Ashu Razdan Tandem transmission of data over signaling and paging
JP2010514486A (ja) * 2006-12-26 2010-05-06 コーニンクレッカ フィリップス エレクトロニクス エヌ ヴィ 医療撮像システム
US8543338B2 (en) 2007-01-16 2013-09-24 Simbionix Ltd. System and method for performing computerized simulations for image-guided procedures using a patient specific model
US9591994B2 (en) 2007-01-23 2017-03-14 Dtherapeutics, Llc Systems and methods to obtain a myocardial mass index indicative of an at-risk myocardial region
US8903472B2 (en) 2007-01-23 2014-12-02 Dtherapeutics, Llc Applications of scaling laws of tree structures
WO2008091583A2 (en) 2007-01-23 2008-07-31 Dtherapeutics, Llc Image-based extraction for vascular trees
US20110282586A1 (en) 2007-01-23 2011-11-17 Kassab Ghassan S Systems and methods to determine optimal diameters of vessel segments in bifurcation
US8060186B2 (en) 2007-02-15 2011-11-15 Siemens Aktiengesellschaft System and method for intraoperative guidance of stent placement during endovascular interventions
US20080208068A1 (en) 2007-02-26 2008-08-28 Timothy Robertson Dynamic positional information constrained heart model
US20220031270A1 (en) * 2007-03-08 2022-02-03 Sync-Rx, Ltd Identification an dpresentation of device-tovessel relative motion
EP2129284A4 (en) * 2007-03-08 2012-11-28 Sync Rx Ltd IMAGING AND TOOLS FOR USE WITH MOBILE ORGANS
US8781193B2 (en) 2007-03-08 2014-07-15 Sync-Rx, Ltd. Automatic quantitative vessel analysis
JP5449651B2 (ja) 2007-03-09 2014-03-19 株式会社東芝 Ｘ線ｃｔ装置および心筋パーフュージョン情報生成システム
US7773719B2 (en) 2007-03-26 2010-08-10 Siemens Medical Solutions Usa, Inc. Model-based heart reconstruction and navigation
CN201015590Y (zh) * 2007-03-28 2008-02-06 李楚雅 血流储备分数实时连续测量系统
US9275190B2 (en) 2007-04-23 2016-03-01 Siemens Aktiengesellschaft Method and system for generating a four-chamber heart model
US20080269611A1 (en) 2007-04-24 2008-10-30 Gianni Pedrizzetti Flow characteristic imaging in medical diagnostic ultrasound
EP2138091B1 (en) 2007-04-24 2013-06-19 Olympus Medical Systems Corp. Medical image processing apparatus and medical image processing method
US7957570B2 (en) 2007-05-03 2011-06-07 General Electric Company System and method to generate an illustration of a cardiac region of interest
US8282564B2 (en) * 2007-05-16 2012-10-09 Massachusetts Institute Of Technology Systems and methods for model-based estimation of cardiac output and total peripheral resistance
US8718944B2 (en) 2007-05-22 2014-05-06 Worcester Polytechnic Institute Patient-specific image-based computational modeling and techniques for human heart surgery optimization
US8411919B2 (en) 2008-07-07 2013-04-02 Siemens Aktiengesellschaft Fluid dynamics approach to image segmentation
CN101686825B (zh) 2007-06-21 2012-08-22 皇家飞利浦电子股份有限公司 使用动态模型调整用于动态医学成像的采集协议
US10295638B2 (en) 2007-06-28 2019-05-21 Toshiba Medical Systems Corporation Image processing apparatus, image diagnostic apparatus and image processing method
US20090012382A1 (en) 2007-07-02 2009-01-08 General Electric Company Method and system for detection of obstructions in vasculature
CN102172330B (zh) 2007-07-10 2013-03-27 株式会社东芝 X射线摄影装置以及图像处理显示装置
JP2009028065A (ja) 2007-07-24 2009-02-12 Toshiba Corp Ｘ線ｃｔ装置
EP2186491A4 (en) 2007-08-09 2012-06-27 Leo Antonovich Bokeriya METHOD FOR FORMING BLOOD FLOW IN SURGICAL RECONSTITUTED BLOOD CIRCULATION SYSTEM SEGMENTS AND DEVICES FOR CARRYING OUT SAID METHOD
US7942820B2 (en) 2007-08-26 2011-05-17 Philip Chidi Njemanze Method and system for evaluation of the hemodynamic model in depression for diagnosis and treatment
EP2036497A1 (en) 2007-09-17 2009-03-18 Amid s.r.l. Method for generating quantitative images of the flow potential of a region under investigation
WO2009056147A1 (en) 2007-10-31 2009-05-07 Aarhus Universitet Method for calculating pressures in a fluid stream through a tube section, especially a blood vessel with atherosclerotic plaque
KR100933664B1 (ko) 2007-12-28 2009-12-23 재단법인서울대학교산학협력재단 대화형 치료계획 지원 시스템 및 그 방법
JP5148315B2 (ja) 2008-02-25 2013-02-20 株式会社東芝 医用画像処理装置、及び医用画像処理プログラム
US8926511B2 (en) 2008-02-29 2015-01-06 Biosense Webster, Inc. Location system with virtual touch screen
US8128570B2 (en) 2008-05-08 2012-03-06 The General Electric Company Personalized fluid assessment
US9427173B2 (en) 2008-05-09 2016-08-30 General Electric Company Determining mechanical force on aneurysms from a fluid dynamic model driven by vessel blood flow information
JP2009277783A (ja) 2008-05-13 2009-11-26 Japan Gore Tex Inc 導電性接着剤ならびにそれを用いた電気二重層キャパシタ用電極および電気二重層キャパシタ
JP5366612B2 (ja) 2008-05-20 2013-12-11 株式会社東芝 画像処理装置、画像処理方法および画像処理プログラム
US8010381B2 (en) 2008-05-20 2011-08-30 General Electric Company System and method for disease diagnosis from patient structural deviation data
US8041095B2 (en) 2008-06-11 2011-10-18 Siemens Aktiengesellschaft Method and apparatus for pretreatment planning of endovascular coil placement
US8200466B2 (en) 2008-07-21 2012-06-12 The Board Of Trustees Of The Leland Stanford Junior University Method for tuning patient-specific cardiovascular simulations
WO2010020933A2 (en) 2008-08-20 2010-02-25 Koninklijke Philips Electronics N.V. Processing cardiac data for personalized aha diagram
US8898022B2 (en) * 2008-08-25 2014-11-25 Eth Zurich Method, system and device for enhancing flow field data
WO2010027652A1 (en) 2008-08-26 2010-03-11 Cardiac Pacemakers, Inc. Cardiac output estimation using pulmonary artery pressure
US20100053209A1 (en) 2008-08-29 2010-03-04 Siemens Medical Solutions Usa, Inc. System for Processing Medical Image data to Provide Vascular Function Information
US8582854B2 (en) 2008-09-15 2013-11-12 Siemens Aktiengesellschaft Method and system for automatic coronary artery detection
US9405996B2 (en) 2008-09-18 2016-08-02 Siemens Aktiengesellschaft Method and system for generating a personalized anatomical heart model
CA2738167A1 (en) 2008-09-22 2010-03-25 Ghassan S. Kassab Devices, systems, and methods for determining fractional flow reserve
US8170307B2 (en) 2008-09-23 2012-05-01 The Methodist Hospital Automated wall motion quantification in aortic dissections
US8391950B2 (en) 2008-09-30 2013-03-05 Siemens Medical Solutions Usa, Inc. System for multi-dimensional anatomical functional imaging
US7940886B2 (en) 2008-10-03 2011-05-10 Siemens Medical Solutions Usa, Inc. 3D medical anatomical image system using 2D images
JP2010115317A (ja) 2008-11-12 2010-05-27 Toshiba Corp 画像処理装置
US20100125197A1 (en) * 2008-11-18 2010-05-20 Fishel Robert S Method and apparatus for addressing vascular stenotic lesions
US20100130878A1 (en) 2008-11-24 2010-05-27 General Electric Company Systems, apparatus and processes for automated blood flow assessment of vasculature
WO2010061335A1 (en) 2008-11-28 2010-06-03 Koninklijke Philips Electronics N.V. Processing myocardial perfusion data
WO2010071896A2 (en) 2008-12-19 2010-06-24 Piedmont Healthcare, Inc. System and method for lesion-specific coronary artery calcium quantification
US8447552B2 (en) 2009-01-05 2013-05-21 Siemens Aktiengesellschaft Conditioned medical testing
EP2391986B1 (en) 2009-01-29 2012-10-24 Koninklijke Philips Electronics N.V. Gradient based image analysis for transmural perfusion
WO2010099016A1 (en) * 2009-02-25 2010-09-02 Worcester Polytechnic Institute Automatic vascular model generation based on fluid-structure interactions (fsi)
JP5753489B2 (ja) * 2009-04-10 2015-07-22 株式会社日立メディコ 超音波診断装置、および、超音波診断装置の作動方法
JP4926199B2 (ja) 2009-04-16 2012-05-09 富士フイルム株式会社 診断支援装置、診断支援プログラムおよび診断支援方法
US8428319B2 (en) 2009-04-24 2013-04-23 Siemens Aktiengesellschaft Automatic measurement of morphometric and motion parameters of the coronary tree from a rotational X-ray sequence
US8527251B2 (en) 2009-05-01 2013-09-03 Siemens Aktiengesellschaft Method and system for multi-component heart and aorta modeling for decision support in cardiac disease
DK2255843T3 (da) * 2009-05-29 2011-10-24 Fluidda Respi Fremgangsmåde til at bestemme behandlinger under anvendelse af patient-specifikke lungemodeller og computerfremgangsmåder
JP2011040055A (ja) 2009-07-13 2011-02-24 Advancesoft Corp シミュレーション装置、及びプログラム
WO2011014562A1 (en) * 2009-07-28 2011-02-03 North Carolina State University Methods and devices for targeted injection of microspheres
GB0913930D0 (en) 2009-08-07 2009-09-16 Ucl Business Plc Apparatus and method for registering two medical images
RU2012108849A (ru) 2009-08-10 2013-09-20 П2-Сайенс Апс Utp для диагностирования стеноза и других состояний ограниченного кровотока
US8224640B2 (en) 2009-09-08 2012-07-17 Siemens Aktiengesellschaft Method and system for computational modeling of the aorta and heart
CA2926666C (en) 2009-09-23 2018-11-06 Lightlab Imaging, Inc. Lumen morphology and vascular resistance measurements data collection systems, apparatus and methods
US8463729B2 (en) 2009-12-01 2013-06-11 International Business Machines Corporation LP relaxation modification and cut selection in a MIP solver
US20110275936A1 (en) 2010-05-07 2011-11-10 Cho Daniel J Method for determining shear stress and viscosity distribution in a blood vessel
US20140142398A1 (en) 2010-06-13 2014-05-22 Angiometrix Corporation Multifunctional guidewire assemblies and system for analyzing anatomical and functional parameters
US8682626B2 (en) 2010-07-21 2014-03-25 Siemens Aktiengesellschaft Method and system for comprehensive patient-specific modeling of the heart
US8315812B2 (en) 2010-08-12 2012-11-20 Heartflow, Inc. Method and system for patient-specific modeling of blood flow
US8157742B2 (en) 2010-08-12 2012-04-17 Heartflow, Inc. Method and system for patient-specific modeling of blood flow
US9119540B2 (en) 2010-09-16 2015-09-01 Siemens Aktiengesellschaft Method and system for non-invasive assessment of coronary artery disease
US20120084064A1 (en) 2010-09-29 2012-04-05 Nutech Ventures, Inc. Model-based systems and methods for analyzing and predicting outcomes of vascular interventions and reconstructions
DE102010043849B3 (de) 2010-11-12 2012-02-16 Siemens Aktiengesellschaft Vorrichtung und Computertomograph zur Bestimmung und Darstellung der Durchblutung des Herzmuskels
US10186056B2 (en) 2011-03-21 2019-01-22 General Electric Company System and method for estimating vascular flow using CT imaging
CA2837577C (en) * 2011-05-27 2018-05-29 Lightlab Imaging, Inc. Optical coherence tomography and pressure based systems and methods
US9974508B2 (en) 2011-09-01 2018-05-22 Ghassan S. Kassab Non-invasive systems and methods for determining fractional flow reserve
US8696584B2 (en) 2011-10-05 2014-04-15 3Dt Holdings, Llc Devices, systems and methods for determining fractional flow reserve in the presence of a catheter
US10162932B2 (en) 2011-11-10 2018-12-25 Siemens Healthcare Gmbh Method and system for multi-scale anatomical and functional modeling of coronary circulation
US9129053B2 (en) 2012-02-01 2015-09-08 Siemens Aktiengesellschaft Method and system for advanced measurements computation and therapy planning from medical data and images using a multi-physics fluid-solid heart model
US10034614B2 (en) 2012-02-29 2018-07-31 General Electric Company Fractional flow reserve estimation
US10373700B2 (en) 2012-03-13 2019-08-06 Siemens Healthcare Gmbh Non-invasive functional assessment of coronary artery stenosis including simulation of hyperemia by changing resting microvascular resistance
US8548778B1 (en) * 2012-05-14 2013-10-01 Heartflow, Inc. Method and system for providing information from a patient-specific model of blood flow
US20130324842A1 (en) 2012-05-29 2013-12-05 The Johns Hopkins University Method for Estimating Pressure Gradients and Fractional Flow Reserve from Computed Tomography Angiography: Transluminal Attenuation Flow Encoding
KR101939778B1 (ko) 2012-07-27 2019-01-18 삼성전자주식회사 필요 혈류량 결정 방법 및 장치, 혈류 영상 생성 방법 및 장치, 심근 관류 영상 처리 방법 및 장치
EP3298959B2 (en) 2012-08-03 2022-09-28 Philips Image Guided Therapy Corporation Devices and systems for assessing a vessel
US10433740B2 (en) 2012-09-12 2019-10-08 Heartflow, Inc. Systems and methods for estimating ischemia and blood flow characteristics from vessel geometry and physiology
US9675301B2 (en) * 2012-10-19 2017-06-13 Heartflow, Inc. Systems and methods for numerically evaluating vasculature
EP2943902B1 (en) 2012-10-24 2020-03-11 CathWorks Ltd. Automated measurement system and method for coronary artery disease scoring
US10595807B2 (en) 2012-10-24 2020-03-24 Cathworks Ltd Calculating a fractional flow reserve
US9858387B2 (en) 2013-01-15 2018-01-02 CathWorks, LTD. Vascular flow assessment
WO2014084398A1 (ja) 2012-11-30 2014-06-05 株式会社 東芝 医用画像診断装置
JP6091870B2 (ja) 2012-12-07 2017-03-08 東芝メディカルシステムズ株式会社 血管解析装置、医用画像診断装置、血管解析方法、及び血管解析プログラム
JP5953438B2 (ja) 2012-12-11 2016-07-20 コーニンクレッカ フィリップス エヌ ヴェＫｏｎｉｎｋｌｉｊｋｅ Ｐｈｉｌｉｐｓ Ｎ．Ｖ． 冠状動脈を通る血流量を決定する方法
US9042613B2 (en) * 2013-03-01 2015-05-26 Heartflow, Inc. Method and system for determining treatments by modifying patient-specific geometrical models
US10052031B2 (en) 2013-03-04 2018-08-21 Siemens Healthcare Gmbh Determining functional severity of stenosis
US9629563B2 (en) 2013-09-04 2017-04-25 Siemens Healthcare Gmbh Method and system for functional assessment of renal artery stenosis from medical images
RU2016112494A (ru) * 2013-09-06 2017-10-11 Конинклейке Филипс Н.В. Устройство обработки для обработки данных сердечной деятельности
US10595806B2 (en) 2013-10-22 2020-03-24 Koninklijke Philips N.V. Fractional flow reserve (FFR) index with adaptive boundary condition parameters
CN106163388B (zh) 2014-03-31 2020-02-14 皇家飞利浦有限公司 用于处理生命体的心脏数据的处理装置和方法
US9087147B1 (en) * 2014-03-31 2015-07-21 Heartflow, Inc. Systems and methods for determining blood flow characteristics using flow ratio
CN106659400B (zh) 2014-06-30 2021-01-05 皇家飞利浦有限公司 用于确定血流储备分数值的装置
JP6778174B2 (ja) * 2014-07-18 2020-10-28 コーニンクレッカ フィリップス エヌ ヴェＫｏｎｉｎｋｌｉｊｋｅ Ｐｈｉｌｉｐｓ Ｎ．Ｖ． 狭窄評価
US9888968B2 (en) 2014-07-22 2018-02-13 Siemens Healthcare Gmbh Method and system for automated therapy planning for arterial stenosis
US9349178B1 (en) * 2014-11-24 2016-05-24 Siemens Aktiengesellschaft Synthetic data-driven hemodynamic determination in medical imaging
US10194812B2 (en) * 2014-12-12 2019-02-05 Medtronic Vascular, Inc. System and method of integrating a fractional flow reserve device with a conventional hemodynamic monitoring system
DE102014226685A1 (de) 2014-12-19 2016-06-23 Siemens Healthcare Gmbh Verfahren zum Identifizieren von Versorgungsgebieten,Verfahren zur graphischen Darstellung von Versorgungsgebieten, Computerprogramm und maschinenlesbares Medium sowie bildgebendes Gerät
US10390718B2 (en) * 2015-03-20 2019-08-27 East Carolina University Multi-spectral physiologic visualization (MSPV) using laser imaging methods and systems for blood flow and perfusion imaging and quantification in an endoscopic design
US10748451B2 (en) * 2016-12-15 2020-08-18 Duke University Methods and systems for generating fluid simulation models
WO2019173830A1 (en) * 2018-03-09 2019-09-12 Emory University Methods and systems for determining coronary hemodynamic characteristic(s) that is predictive of myocardial infarction
JP6582337B1 (ja) * 2018-11-13 2019-10-02 Ｇｖａ Ｔｅｃｈ株式会社 法律文書データ修正方法、法律文書データ修正システム及び法律文書データ修正プログラム

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20050272992A1 (en) * 2004-05-05 2005-12-08 O'donnell Thomas Patient-specific coronary territory mapping
WO2006061814A1 (en) * 2004-12-08 2006-06-15 Paieon Inc. Method and apparatus for finding the tubular organs blood velocity and flow and related parameters
CN101374462A (zh) * 2005-12-09 2009-02-25 皇家飞利浦电子股份有限公司 基于模型的流动分析和可视化
CN101686822A (zh) * 2007-07-11 2010-03-31 皇家飞利浦电子股份有限公司 用于采集冠状血管，尤其是冠状静脉的3维图像的方法
US20100241404A1 (en) * 2009-03-17 2010-09-23 Taylor Charles A Patient-specific hemodynamics of the cardio vascular system

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112075934A (zh) * 2020-09-09 2020-12-15 清华大学 用于识别颈动脉斑块的磁共振单序列多参数定量成像系统

Also Published As

Publication number Publication date
KR101732329B1 (ko) 2017-05-02
JP2016137261A (ja) 2016-08-04
US20150073722A1 (en) 2015-03-12
US20120041739A1 (en) 2012-02-16
DE202011110772U1 (de) 2016-06-24
US20150363941A1 (en) 2015-12-17
CA2807586A1 (en) 2012-02-16
US20150161348A1 (en) 2015-06-11
DE202011110771U1 (de) 2016-06-24
EP3185156B1 (en) 2022-11-16
US9585723B2 (en) 2017-03-07
US8315812B2 (en) 2012-11-20
US9706925B2 (en) 2017-07-18
US9839484B2 (en) 2017-12-12
US10052158B2 (en) 2018-08-21
US20140355859A1 (en) 2014-12-04
KR20200096670A (ko) 2020-08-12
AU2017279633B2 (en) 2018-07-05
US20120053919A1 (en) 2012-03-01
JP2015044038A (ja) 2015-03-12
KR20180082640A (ko) 2018-07-18
US10376317B2 (en) 2019-08-13
US20120041320A1 (en) 2012-02-16
US11298187B2 (en) 2022-04-12
CN103270513B (zh) 2017-06-09
US10149723B2 (en) 2018-12-11
US9078564B2 (en) 2015-07-14
EP2499589B1 (en) 2016-11-09
US9226672B2 (en) 2016-01-05
KR20170107105A (ko) 2017-09-22
US10159529B2 (en) 2018-12-25
JP2016104327A (ja) 2016-06-09
JP7304390B2 (ja) 2023-07-06
US20120059246A1 (en) 2012-03-08
US20190000554A1 (en) 2019-01-03
AU2018267637A1 (en) 2018-12-13
JP5784208B2 (ja) 2015-09-24
US8734356B2 (en) 2014-05-27
US10478252B2 (en) 2019-11-19
CN107122621B (zh) 2019-03-08
DE202011111113U1 (de) 2019-12-10
US9855105B2 (en) 2018-01-02
KR102518799B1 (ko) 2023-04-11
CN107174219A (zh) 2017-09-19
CN107184186B (zh) 2019-06-18
JP6192864B2 (ja) 2017-09-06
AU2017279633A1 (en) 2018-01-18
US9449147B2 (en) 2016-09-20
US10179030B2 (en) 2019-01-15
JP6959391B2 (ja) 2021-11-02
US20210282860A1 (en) 2021-09-16
JP2020142096A (ja) 2020-09-10
US11135012B2 (en) 2021-10-05
US9271657B2 (en) 2016-03-01
US20120041323A1 (en) 2012-02-16
CN107122621A (zh) 2017-09-01
US20160128661A1 (en) 2016-05-12
DE202011110679U1 (de) 2015-07-02
JP2013534154A (ja) 2013-09-02
US20160364859A1 (en) 2016-12-15
US20220241019A1 (en) 2022-08-04
US20150339459A1 (en) 2015-11-26
US10092360B2 (en) 2018-10-09
JP5850583B2 (ja) 2016-02-03
CA3027987C (en) 2020-02-25
DE202011111119U1 (de) 2020-01-02
US8606530B2 (en) 2013-12-10
US9743835B2 (en) 2017-08-29
US9888971B2 (en) 2018-02-13
US9268902B2 (en) 2016-02-23
KR101524955B1 (ko) 2015-06-01
US20140222406A1 (en) 2014-08-07
US20120041324A1 (en) 2012-02-16
EP2538361A2 (en) 2012-12-26
EP2538361A3 (en) 2013-04-17
US9149197B2 (en) 2015-10-06
US20160140313A1 (en) 2016-05-19
AU2018226375B2 (en) 2018-11-29
US20140249792A1 (en) 2014-09-04
JP2017119152A (ja) 2017-07-06
US20150088015A1 (en) 2015-03-26
US20120041321A1 (en) 2012-02-16
US20160110866A1 (en) 2016-04-21
KR20220095252A (ko) 2022-07-06
DE202011110672U1 (de) 2015-07-02
KR101952560B1 (ko) 2019-02-26
US20120053921A1 (en) 2012-03-01
JP5850588B2 (ja) 2016-02-03
US20140155770A1 (en) 2014-06-05
JP2015057103A (ja) 2015-03-26
EP2845537A3 (en) 2015-06-24
AU2011289715A1 (en) 2013-03-07
AU2017221811B2 (en) 2017-12-07
DE202011110677U1 (de) 2015-07-02
US8594950B2 (en) 2013-11-26
US10154883B2 (en) 2018-12-18
US20160073991A1 (en) 2016-03-17
KR101712248B1 (ko) 2017-03-03
US10682180B2 (en) 2020-06-16
DE202011110783U1 (de) 2016-08-22
US10492866B2 (en) 2019-12-03
KR102142242B1 (ko) 2020-08-06
US20150379230A1 (en) 2015-12-31
EP2849107A1 (en) 2015-03-18
CN103270513A (zh) 2013-08-28
US20160113528A1 (en) 2016-04-28
JP6221000B2 (ja) 2017-10-25
JP2016104328A (ja) 2016-06-09
KR20220011782A (ko) 2022-01-28
US11083524B2 (en) 2021-08-10
US20160007945A1 (en) 2016-01-14
US20160133015A1 (en) 2016-05-12
US10702339B2 (en) 2020-07-07
KR102351887B1 (ko) 2022-01-18
US9801689B2 (en) 2017-10-31
KR20190018559A (ko) 2019-02-22
US20120041735A1 (en) 2012-02-16
JP2023112190A (ja) 2023-08-10
JP5944607B1 (ja) 2016-07-05
AU2015275298B2 (en) 2017-04-06
US20150201849A1 (en) 2015-07-23
US20160110867A1 (en) 2016-04-21
US20160117815A1 (en) 2016-04-28
DE202011110678U1 (de) 2015-07-02
US9697330B2 (en) 2017-07-04
CN107174219B (zh) 2019-01-25
US20130211728A1 (en) 2013-08-15
US8315813B2 (en) 2012-11-20
US8249815B2 (en) 2012-08-21
JP2022008936A (ja) 2022-01-14
US9152757B2 (en) 2015-10-06
US20160364860A1 (en) 2016-12-15
DE202011111118U1 (de) 2020-01-01
US20150161326A1 (en) 2015-06-11
US9861284B2 (en) 2018-01-09
US8812246B2 (en) 2014-08-19
JP6440755B2 (ja) 2018-12-19
KR20160087392A (ko) 2016-07-21
EP2499589A1 (en) 2012-09-19
US8311748B2 (en) 2012-11-13
US10441361B2 (en) 2019-10-15
EP2538362A3 (en) 2013-04-17
JP2017080492A (ja) 2017-05-18
EP2538362B1 (en) 2016-11-16
JP2017119151A (ja) 2017-07-06
US11116575B2 (en) 2021-09-14
US8812245B2 (en) 2014-08-19
US8523779B2 (en) 2013-09-03
EP2845537A2 (en) 2015-03-11
DE202011110620U1 (de) 2015-10-26
US20200188029A1 (en) 2020-06-18
CN107007352A (zh) 2017-08-04
DE202011110680U1 (de) 2015-07-02
EP2975545A1 (en) 2016-01-20
EP3185156A1 (en) 2017-06-28
US20170053092A1 (en) 2017-02-23
AU2015275289A1 (en) 2016-01-28
JP5769352B2 (ja) 2015-08-26
KR20130138739A (ko) 2013-12-19
US10531923B2 (en) 2020-01-14
US10080613B2 (en) 2018-09-25
US20140107935A1 (en) 2014-04-17
KR20200043500A (ko) 2020-04-27
US10080614B2 (en) 2018-09-25
US20150088478A1 (en) 2015-03-26
EP4086919A1 (en) 2022-11-09
US10327847B2 (en) 2019-06-25
US9235679B2 (en) 2016-01-12
JP6700363B2 (ja) 2020-05-27
CN107184186A (zh) 2017-09-22
AU2015275289B2 (en) 2017-04-13
US20160113726A1 (en) 2016-04-28
KR102103126B1 (ko) 2020-04-21
US11090118B2 (en) 2021-08-17
US11793575B2 (en) 2023-10-24
US10321958B2 (en) 2019-06-18
US9081882B2 (en) 2015-07-14
CA3064262A1 (en) 2012-02-16
JP5847278B2 (ja) 2016-01-20
US20160371455A1 (en) 2016-12-22
US20150332015A1 (en) 2015-11-19
US20140348412A1 (en) 2014-11-27
KR20150070446A (ko) 2015-06-24
US8386188B2 (en) 2013-02-26
US20180161104A1 (en) 2018-06-14
US20210267690A1 (en) 2021-09-02
KR101879560B1 (ko) 2018-07-17
US20210244475A1 (en) 2021-08-12
EP2975545B1 (en) 2023-01-25
JP6329282B2 (ja) 2018-05-23
US20140243663A1 (en) 2014-08-28
US20160117819A1 (en) 2016-04-28
AU2015275298A1 (en) 2016-01-28
KR101611805B1 (ko) 2016-04-11
US20130066618A1 (en) 2013-03-14
US11154361B2 (en) 2021-10-26
CA3064262C (en) 2023-10-24
US20170340392A1 (en) 2017-11-30
AU2018267637B2 (en) 2019-04-11
JP2015044037A (ja) 2015-03-12
US20160110517A1 (en) 2016-04-21
US8321150B2 (en) 2012-11-27
DE202011110621U1 (de) 2015-09-24
KR101732330B1 (ko) 2017-05-24
US11033332B2 (en) 2021-06-15
US8734357B2 (en) 2014-05-27
US20160296287A1 (en) 2016-10-13
US20180368916A1 (en) 2018-12-27
CN107007352B (zh) 2019-10-11
US20120041322A1 (en) 2012-02-16
US8315814B2 (en) 2012-11-20
CN106994003B (zh) 2020-07-14
JP6222882B2 (ja) 2017-11-01
US20130054214A1 (en) 2013-02-28
US8311750B2 (en) 2012-11-13
KR20160085919A (ko) 2016-07-18
US10166077B2 (en) 2019-01-01
US20140249791A1 (en) 2014-09-04
KR20160087393A (ko) 2016-07-21
US8630812B2 (en) 2014-01-14
JP5944606B2 (ja) 2016-07-05
JP2019022712A (ja) 2019-02-14
AU2017203113A1 (en) 2017-06-01
KR20140071495A (ko) 2014-06-11
JP2014079649A (ja) 2014-05-08
JP5986331B2 (ja) 2016-09-06
US20140236492A1 (en) 2014-08-21
US20160117816A1 (en) 2016-04-28
EP2538362A2 (en) 2012-12-26
EP2845537B1 (en) 2017-11-01
US20170202621A1 (en) 2017-07-20
US10702340B2 (en) 2020-07-07
US8496594B2 (en) 2013-07-30
US20160232667A1 (en) 2016-08-11
US20120041318A1 (en) 2012-02-16
DE202011110774U1 (de) 2016-06-24
AU2017203113B2 (en) 2017-08-03
JP2017140390A (ja) 2017-08-17
US20160246939A1 (en) 2016-08-25
JP2017140391A (ja) 2017-08-17
DE202011110674U1 (de) 2015-07-02
CA2807586C (en) 2019-04-23
US8311747B2 (en) 2012-11-13
KR20170045390A (ko) 2017-04-26
JP2016135265A (ja) 2016-07-28
US20130064438A1 (en) 2013-03-14
US20120150516A1 (en) 2012-06-14
AU2011289715B2 (en) 2016-02-04
US20230218347A1 (en) 2023-07-13
KR101732328B1 (ko) 2017-05-02
US20120041319A1 (en) 2012-02-16
DE202011110676U1 (de) 2015-07-02
JP5947990B2 (ja) 2016-07-06
US20180071027A1 (en) 2018-03-15
AU2017221811A1 (en) 2017-09-21
US20140207432A1 (en) 2014-07-24
DE202011110673U1 (de) 2015-09-02
US20130151163A1 (en) 2013-06-13
US20150150530A1 (en) 2015-06-04
KR101783178B1 (ko) 2017-09-28
US20140247970A1 (en) 2014-09-04
US20160364861A1 (en) 2016-12-15
US20140148693A1 (en) 2014-05-29
AU2018226375A1 (en) 2018-09-27
KR102414383B1 (ko) 2022-07-01
US9167974B2 (en) 2015-10-27
CA3027987A1 (en) 2012-02-16
JP2015044036A (ja) 2015-03-12
US11583340B2 (en) 2023-02-21
WO2012021307A2 (en) 2012-02-16

Similar Documents

Publication Publication Date Title
CN103270513B (zh) 用于患者特异性血流建模的方法和系统
CN105580019B (zh) 为优化诊断性能利用边界条件模型化血流的方法和系统
CN105144173B (zh) 用于通过修改病人特定几何模型来确定治疗的方法和系统
US20160066862A1 (en) Method and system for quantifying limitations in coronary artery blood flow during physical activity in patients with coronary artery disease

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