一种基于集中参数模型计算冠状动脉FFR并三维可视化的方法技术

一种基于集中参数模型计算冠状动脉FFR并三维可视化的方法属于数值模拟领域，该方法包括以下步骤：基于患者真实冠脉CT图像进行三维建模，并对三维模型进行平滑、切割等一系列处理；基于最大内切球法的中心线提取算法对该模型进行中心线提取，得到其几何拓扑结构，同时得到血管几何参数(管腔半径、长度、狭窄入口面积、狭窄长度等)；基于集中参数模型，结合深度学习预测得到的冠状动脉狭窄阻力，进行个性化数值计算，得到该冠脉的FFR值；基于纹理映射等计算机图形学方法，把FFR值以彩色可视化的方式显示到冠脉三维模型上。式显示到冠脉三维模型上。式显示到冠脉三维模型上。

【技术实现步骤摘要】
一种基于集中参数模型计算冠状动脉FFR并三维可视化的方法


[0001]本专利技术属于数值模拟领域，是一种基于集中参数模型计算并对冠脉血流储备分数进行可视化展示的方法。

技术介绍

[0002]血流储备分数(FFR)是评价功能性心肌缺血程度的“金标准”。目前已经有很多研究实现了FFR的无创计算。在此基础上，实现FFR的可视化有利于对个性化患者进行直观分析。由于几何多尺度模型复杂，需要求解三维流场，计算成本高，需要在超级计算机上求解数小时；而本方法简化的零维模型只需在普通计算机上计算数十分钟，故本方法可以提高无创计算FFR(被定义为狭窄远端平均压力(Pd)与主动脉根部平均压力(Pa)的比值)的速度，并可视化展示冠脉各分支的FFR数值。
[0003]计算机图形学是一门多领域交叉学科，而纹理映射是计算机图形学中的一个研究方向，是一种将物体空间坐标点转化为纹理坐标，进而从纹理上获取对应点的值，以增强着色细节的方法。本方法结合计算机图形学与数值模拟提出了一种基于纹理映射与集中参数模型来无创计算冠脉FFR值的方法，同时保证无创FFR的计算精度和速度，为临床冠脉心肌缺血的诊断提供了一种FFR快速计算及结果可视化方法。

技术实现思路

[0004]本专利技术提供一种基于集中参数模型快速计算冠脉血流储备分数并将结果可视化的方法，提高数值模拟计算速度，保证精度，适用于无创冠脉血流储备分数的数值模拟计算及可视化。该项基于集中参数模型计算并对冠脉血流储备分数进行可视化展示的算法包括以下步骤：包括冠脉三维模型的构建、冠脉三维模型中心线及几何参数提取、个性化冠脉集中参数模型构建、计算结果可视化。
[0005]为达到上述目的，本专利技术通过以下技术方案来实现：
[0006]一种基于集中参数模型计算冠状动脉FFR并三维可视化的方法，包括以下步骤：
[0007]步骤A1：基于真实冠脉CTA图像构建的三维模型，并基于血管模型进行模型三角面片网格化预处理；
[0008]步骤A2：基于Voronoi图的最大内切球法来确定计算中心线并提取血管模型几何参数(例：血管长度、血管半径、狭窄入口面积、狭窄面积、狭窄长度、狭窄面积等)；
[0009]步骤A3：构建结构及参数个性化的集中参数模型，模拟生理真实的个性化冠脉集中参数模型，实现对冠脉流量的仿真模拟，计算FFR；
[0010]步骤A4：基于纹理映射对计算结果进行可视化处理；
[0011]1.作为本专利技术的技术方案，步骤A1中所述特征，基于真实冠脉CTA图像建模，进行模型网格化预处理，生成冠脉血管模型,因此对模型进行中心线提取前执行如下预处理步骤：
[0012]步骤1.1：导入冠脉CTA图像，构建冠脉三维模型，通过VMTK进行平滑、切割等工作，构造冠状动脉管腔模型，导出stl格式；
[0013]步骤1.2：通过调用vtk库，对得到的stl文件进行三角网格化、格式转换，导出vtp格式。
[0014]作为本专利技术进一步的技术方案，步骤A2中所述特征，基于Voronoi图的最大内切球法来确定计算中心线并提取血管模型几何参数，有如下处理步骤：
[0015]步骤2.1：导入管腔模型，设置起始点与终点位置；
[0016]步骤2.2：通过使用半径的倒数作为波速从源点(中心线的一个端点)传播波，并在Voronoi图的所有点上记录波到达时间，然后回溯从目标点(中心线的另一个端点)沿到达时间梯度向下的路径，传播由Eikonal方程描述，并使用快速行进法计算；
[0017]步骤2.3：在得到的中心线上使用分叉检测算法，得到分叉点坐标，进而通过左右冠分叉规律得到中心线所代表的三维模型与冠脉标准16段模型的对应关系，同时可得冠脉几何参数。
[0018]作为本专利技术进一步的技术方案，步骤A3中所述特征，基于提取的数据构建结构及参数个性化的集中参数模型，模拟生理真实的个性化冠脉集中参数模型，实现对冠脉流量的仿真模拟。具体实施包括以下步骤：
[0019]步骤3.1：通过建立电学参数与血流动力学参数的等效关系，将复杂的心血管循环系统简化为电路结构即零维集中参数模型，血流动力学参数与物理电学参数等效关系如表1。
[0020]表1血流动力学参数与物理电学参数等效关系
[0021][0022]可以假设一段血管长度为l，血管横截面积为A，根据Frank建立的弹性腔理论，血管上的流量、压力及相关阻力之间的定量关系可以表示为：
[0023]Δp＝Q*R#(1)
[0024][0025]公式中ΔP表示在该段血管中产生的压降，Q表示该支血管的血流量，R示该段血管产生的粘性阻力；μ为正常生理下血液粘度值，其值为0.0035Pa
·
s；l表示该段血管长度，A表示该段血管横截面积。
[0026]以电容的储能特性等效于血管的顺应性，电感的自感应性等效于血流的流动惯性，电阻的阻力效应等效于冠脉各分支微循环阻力。那么零维模型中电阻R、电感L及电容C值为：
[0027][0028][0029][0030]公式中P
末
表示该段血管末端压力，E代表血管杨氏模量，单位：Pa；h代表血管壁厚度，单位：m；ρ表示血流密度值，定义其为1050kg/m3。
[0031]步骤3.2：确定模型参数，包括微循环阻力和狭窄阻力，通过压力和流量的关系(欧姆定律)确定冠脉各分支的微循环阻力；基于机器学习计算预处理模型提取血管模型狭窄阻力；具体实施过程根据专利：一种基于深度学习预测冠状动脉狭窄阻力的系统与方法(授权专利号为202011081407.3)，对狭窄部分的阻力进行预测，得到狭窄阻力，并提取狭窄入口的血流量；
[0032]步骤3.3：通过集中参数模型等效，构建心脏与体循环模型，与冠脉模型耦合，构建完整的冠脉与心血管系统集中参数模型；
[0033]步骤3.4：集中参数模型能够预测流量，狭窄阻力深度学习预测模型在给定流量的条件下能够预测狭窄阻力，最终实现数值模拟计算FFR。
[0034]作为本专利技术进一步的技术方案，步骤A4中所述特征，基于纹理映射对计算结果进行可视化处理。具体实施过程包括以下步骤：
[0035]步骤4.1：通过算法将冠脉三维模型坐标转化为二维参数空间UV坐标，根据个性化冠脉16段对应关系可对二维坐标进行标记划分；
[0036]步骤4.2：根据计算结果以及对应的颜色标度制作UVmap，用于将三维模型中的每个顶点与二维纹理坐标一一对应，实现色彩对应；
[0037]步骤4.3：进行纹理映射，在三维空间中获取纹理上对应点的值，增强着色细节，输出模型。
[0038]本专利技术实现了FFR的快速、精确计算的同时可以准确地实现结果可视化。在之前，基于集中参数模型的FFR计算结果难以在3D模型中展示，本专利技术通过一系列技术，既保证了FFR的快速、精确计算，又可以将结果进行3D演示，使效果更直观。
附图说明
[0039]图1:本专利技术方法的流程图
[00本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于集中参数模型计算冠状动脉FFR并三维可视化的方法，其特征在于，包括以下步骤：步骤A1：基于真实冠脉CTA图像构建的三维模型，并基于血管模型进行模型三角面片网格化预处理；步骤A2：基于Voronoi图的最大内切球法来确定计算中心线并提取血管模型几何参数；步骤A3：构建结构及参数个性化的集中参数模型，模拟生理真实的个性化冠脉集中参数模型，实现对冠脉流量的仿真模拟，计算FFR；步骤A4：基于纹理映射对计算结果进行可视化处理；步骤A1中具体为：步骤1.1：导入冠脉CTA图像，构建冠脉三维模型，通过VMTK进行平滑、切割工作，构造冠状动脉管腔模型，导出stl格式；步骤1.2：通过调用vtk库，对得到的stl文件进行三角网格化、格式转换，导出vtp格式；步骤A2具体为：步骤2.1：导入管腔模型，设置起始点与终点位置；步骤2.2：通过使用半径的倒数作为波速从源点传播波，并在Voronoi图的所有点上记录波到达时间，然后回溯从目标点沿到达时间梯度向下的路径，传播由Eikonal方程描述，并使用快速行进法计算；步骤2.3：在得到的中心线上使用分叉检测算法，得到分叉点坐标，进而通过左右冠分叉规律得到中心线所代表的三维模型与冠脉标准16段模型的对应关系，同时得冠脉几何参数。2.根据权利要求1所述的方法，其特征在于，步骤A3具体如下：步骤3.1：通过建立电学参数与血流动力学参数的等效关系，将复杂的心血管循环系统简化为电路结构即零维集中参数模型；根据Frank建立的弹性腔理论，血管上的流量、压力及相关阻力之间的定量关系表示为：Δp＝Q*R#(1)公式中Δp表示在该段血管中产生的压降，Q表示该支血管的血流量，R示该段血管产生的粘性阻力；μ为正常生理下血液粘度值，其值为0.0035Pa
·
s；l表示该段血管长度，A表示该段血管横截面积；以电容的储能特性等效于血管的顺应性，电感的自感应性等效于血流的流动惯性，电阻的阻力效应等效...

【专利技术属性】
技术研发人员：刘有军，郝耀东，李鲍，冯懿俐，
申请(专利权)人：北京工业大学，
类型：发明
国别省市：