利用自适应边界条件参数的血流储备分数(FFR)指标

摘要

一种方法包括获得边界条件估计。所述边界条件估计至少包括具有狭窄的血管的估计的出口阻力。所述方法还包括基于狭窄的严重性来校正所述边界条件估计，由此创建经校正的边界条件。所述方法还包括基于所述经校正的边界条件来确定FFR指标。所述方法还包括显示所述FFR指标。一种计算系统(122)包括具有指令(124)的计算机可读存储介质(126)，所述指令基于血管的狭窄的严重性来至少迭代地确定FFR指标。所述计算系统还包括计算机处理器(120)，所述计算机处理器处理所述指令并且基于血管的狭窄的严重性来生成所述FFR指标。

说明书

技术领域

以下总体涉及血流储备分数(FFR)指标并且更具体地涉及使用自适应 边界条件来确定FFR指标，并且利用对计算机断层摄影(CT)的具体应用 来进行描述。然而，以下也适用于其他成像模态，包括X射线、磁共振成 像(MRI)和/或其他成像模态。

背景技术

FFR指标是冠状狭窄的功能严重性的指标，其是根据在冠状血管造影 术期间进行的压力测量来计算的，并且被定义为在充血条件下相对于近端 (靠近孔口)压力的远端(狭窄的后面)的血压。亦即，FFR指标表达了 与在假设没有狭窄的情况下的最大流量相比，在存在狭窄的情况下沿血管 的最大流量。FFR值是0与1之间的绝对数，其中，值0.50指示给出的狭 窄引起血压50％的下降，并且有助于诊断狭窄的程度。

已经使用压力线测量了FFR指标，以获得狭窄前面和后面的血压。例 如，在冠状导管插入期间，使用护套和导丝将导管插入到股动脉或桡动脉 中。固定到导管的端部的传感器被定位在狭窄处。导管以及由此的传感器 被拉回，并且传感器在由各种药剂促进的条件下感测狭窄两端的被记录的 压力、温度和流量，所述药剂影响血管几何结构、顺应性和阻力、和/或其 他特性。遗憾的是，该方法是昂贵的并且是微创的，将患者暴露于健康风 险下。

用于估计FFR指标的一种无创方法是通过计算流体力学(CFD)仿真， 在所述仿真中，对通过冠状血管的血流量和压力进行仿真。利用该方法， 所提取的几何结构外面的边界条件(即阻力)并不被良好地定义。一种方 法使用具有在冠状血管出口处的恒定阻碍的肿块模型来估计边界条件。然 而，在现实中，该阻力不是恒定的，并且其影响FFR。因此，这种方法可 能造成估计误差。

发明内容

本文中所描述的各方面解决了上述问题和其他问题。

如本文中所描述的，使用边界条件针对具有狭窄的血管来估计FFR。 初始边界条件是在不考虑血管狭窄的严重性的情况下估计的，并且被用于 确定FFR。在确定FFR之前严重性不是己知的。接着，基于指示所述血管 狭窄的严重性的所确定的FFR，迭代地校正所述边界条件。在满足停止标 准时输出最终的FFR。所述最终的FFR将比没有考虑所述血管狭窄的严重 性的FFR更准确。

在一个方面中，一种方法包括获得边界条件估计。所述边界条件估计 至少包括具有狭窄的血管的估计的出口阻力。所述方法还包括基于所述狭 窄的严重性来校正所述边界条件估计，由此创建经校正的边界条件。所述 方法还包括基于所述经校正的边界条件来确定FFR指标。所述方法还包括 显示所述FFR指标。

在另一方面中，一种计算系统包括具有指令的计算机可读存储介质， 所述指令基于血管的狭窄的严重性来至少迭代地确定FFR指标。所述计算 系统还包括计算机处理器，所述计算机处理器处理所述指令并且基于所述 血管的狭窄的严重性来生成所述FFR指标。

在另一方面中，一种计算机可读存储介质被编码有计算机可读指令， 所述计算机可读指令在由计算系统的计算机处理器运行时，令所述计算机 处理器：基于具有狭窄的血管的几何结构和所述血管的流动参数来估计针 对所述血管的出口阻力边界条件估计；基于狭窄的严重性迭代地校正所述 边界条件估计；并且基于经校正的边界条件来确定FFR指标。

附图说明

本发明可以采取各种部件和各部件的布置以及各种步骤和各步骤的安 排的形式。附图仅出于图示优选的实施例的目的并且不应被解释为对本发 明的限制。

图1示意性地图示了结合成像系统的计算系统，所述计算系统被配置 为至少确定FFR指标。

图2图示了图1的指标确定器的范例。

图3图示了用于确定FFR指标的范例方法。

具体实施方式

以下描述了用于确定FFR指标的迭代方法。该方法包括首先假设所有 血管都是健康的，并且使用具有阻力边界条件估计的CFD仿真来确定FFR 指标。接着，根据狭窄严重性迭代地校正阻力边界条件，所述狭窄严重性 是通过来自先前迭代的FFR指标而估计的。接着基于经校正的边界条件来 确定后续的FFR指标。校正阻力边界条件和计算另一FFR指标的迭代过程 继续，直到停止标准得到满足。接着输出最终的FFR指标。

图1示意性图示了诸如CT扫描器的成像系统100。成像系统100包括 大体固定机架102和旋转机架104，所述旋转机架104由固定机架102可旋 转地支撑并且关于z轴围绕检查区域106旋转。对象支撑体108(例如榻) 支撑检查区域106中的目标或对象。

辐射源110(例如X-射线管)由旋转机架104可旋转地支撑、随旋转 机架104旋转并且发射穿过检查区域106的辐射。辐射敏感探测器阵列112 在检查区域106对面与辐射源110相对，对向一角度弧。辐射敏感探测器 阵列112探测穿过检查区域106的辐射并且针对每个探测到的光子生成指 示所述辐射的信号。

重建器114重建投影，生成指示被定位在检查区域106中的对象或目 标的被扫描部分的体积图像数据。通用计算系统或计算机用作操作者控制 台116。控制台116包括人类可读输出设备(例如监视器)和输入设备(例 如键盘、鼠标等)。驻留在控制台116上的软件允许操作者经由图形用户接 口(GUI)或以其他方式与扫描器100交互和/或操作扫描器100。

指标确定器118被配置为至少处理表示具有狭窄的(一条或多条)血 管(例如冠状动脉、脑动脉等)的图像数据并且确定FFR指标。如以下更 详细地描述地，在一个非限制性实例中，指标确定器118使用迭代方法基 于狭窄的严重性来校正初始边界条件估计(例如阻力)。因此，可以缓解来 自并不迭代地校正边界条件的FFR估计，例如使用具有在冠状出口处的恒 定阻力的肿块模型的FFR估计，的不准确性。

在图示的范例中，指标确定器118是利用计算系统122的一个或多个 计算机处理器120(例如中央处理单元或CPU、微处理器等)来实现的， 所述一个或多个计算机处理器120运行存储在一个或多个计算机可读存储 介质126(其不包括瞬态介质，例如物理存储器和/或其他非瞬态存储介质) 中的一条或多条计算机可读指令124。(一个或多个)处理器120可以额外 地或备选地运行由载波、信号和/或其他瞬态介质承载的一条或多条计算机 可读指令。

图2图示了指标确定器118的范例。

感兴趣组织(TOI)识别器202获得包括表示感兴趣组织(TOI)204 的图像数据的对象数据作为输入，并且识别图像数据中的感兴趣组织204。 感兴趣组织204能够是预定的，或者是通过指示用户选择的感兴趣组织、 默认感兴趣组织等的信号来识别的。TOI识别器202能够采用自动和/或手 动的方法来识别感兴趣组织。感兴趣组织的范例是诸如具有狭窄的血管的 管状组织。

TOI几何结构提取器206从识别出的感兴趣组织提取几何信息。TOI 识别器202能够采用自动和/或手动的方法来提取几何信息。例如，所述提 取可以包括采用具有主动轮廓和(在感兴趣组织是冠状血管的情况下)针 对冠状血管调谐的水平设定的分割，随后是任选的额外的手动编辑，以产 生高质量分割。根据该提取和/或其他提取，能够确定在孔口D₀处的有效直 径和/或其他组织几何结构。

参数确定器208基于对象数据来确定至少一个参数。例如，在血管狭 窄的背景下，参数确定器208能够确定入口流率Q₀(即在孔口处的流率)。 这能够基于对象数据来实现，所述对象数据例如重量，体质指数(BMI)、 性别、年龄、血液测试结果、解剖成像数据(例如心肌质量和估计的脑卒 中体积)和/或对象数据。

边界条件估计器210基于由TOI几何结构提取器206所提取的几何结 构(例如在孔口D₀处的直径)和由参数确定器208确定的参数(例如入口 流率Q₀)来估计至少一个边界条件(例如血管出口的流率Q、平均速度、阻 力等)。边界条件估计器210能够估计边界，如在2012年11月6日提交的 申请序列号为61/722814题为“FRACTIONALFLOWRESERVE(FFR) INDEX,”中所描述的，在此通过引用将其整体并入。

边界条件校正器212基于公式1来校正阻力边界条件：

公式1：

Rⁱ＝R^i-1*C(FFR^i-1)，

其中，Rⁱ是当前出口阻力，R^i-1是先前确定的出口阻力，并且C(FFR^i-1)是校 正因子。校正因子C是己知函数(或查找表)且是针对所有0<FFR<＝1而 定义的并单调降低，并且假设值C(1)＝1，因此，完美健康的血管得到阻力 R^i-1。对于第一迭代或i＝1，边界条件校正器212采用初始FFR214，在该范 例中所述初始FFR214为FFR⁰＝1。

例如，CFD处理器216使用偏微分方程来执行计算流体动力学(CFD) 仿真。一般地，CFD是流体力学方法，其使用数值方法和/或算法来解决并 分析涉及流体流动的问题。CFD处理器216利用由边界条件校正器212所 确定的边界条件限定的表面来执行计算。然而，也能够采用其他边界条件。 在一个实例中，输出包括在所有点处的压力和速度的完整体积信息。

FFR指标确定器218基于CFD结果来确定FFR指标。这包括基于经校 正的边界条件来确定FFR指标。使用计算流体动力学来确定FFR指标的适 合的方法在TaylorCA，FigueroaCA的“Patient-SpecificModelingof CardiovascularMechanics”(AnnualReviewofBiomedicalEngineering，第11 卷：109-134页，2009年8月)以及HuoY，KassabGS的“Intraspecificscaling lawsofvasculartrees”(J.R.Soc.Interface，2011年6月15日)中得到描述， 但不限于上述文章。

决策逻辑装置220确定是否执行另一迭代。例如停止标准222被设定 为小的常数ε<<1，其定义准确性(低的值)与收敛时间(高的值)之间的 权衡。在一个实例中，ε≈0.01。在变型中，停止标准222备选地或额外地包 括预定量的时间。决策逻辑装置218将当前FFRⁱ指标与先前的FFR^i-1指标 进行比较。如果|FFRⁱ-FFR^i-1|<ε,则当前FFRⁱ被设定为最终的FFR指标。否 则，i＝i+1，并且针对i＝i+1执行下一迭代。

对于第一迭代，FFR⁰＝1的初始FFR假设所有血管都是健康的。然而， 如果血管不是健康的，则这将在第一仿真之后被检测到，因为仿真的阻力 将比其所应该是的更低(即不健康的血管具有较高的阻力)。因此，第一迭 代的FFR将示出过低的FFR值，这将在后面的迭代中被校正。如果血管是 健康的，则假设为真，并且CFD应当产生现实的结果。

例如，对于具有FFR⁰＝1和C(1)＝1的i＝1，利用公式1，Rⁱ为R⁰。如 果血管是不健康的，则该Rⁱ将高于其所应该是的。因此，对下一FFR(即 FFR¹，其中，R¹＝R⁰)的计算将导致比ε大得多的差异(|FFR¹-FFR⁰|)，并 且将执行另一迭代。使用公式1并且基于小于1的FFR¹，在下一迭代i＝2 中，R²将小于R⁰并且更接近实际阻力。利用R²对下一FFR(即FFR²)的 计算将导致小于(|FFR¹-FFR⁰|)的差异(|FFR²-FFR¹|)。

然而，如果血管是健康的，则对于i＝1，基于假设Rⁱ将接近实际阻力， 并且|FFR¹-FFR⁰|将小于ε，并且将不执行另一迭代；只有|FFR²-FFR¹|大于ε 才执行另一迭代。因此，将在基于初始假设计算的FFR与下一确定的FFR 之间的差异的基础上检测到对健康血管的错误初始假设，并且将通过执行 一个或多个后续迭代来校正所述错误初始假设。

FFR指标能够被显示、存储、传达到另一设备等。

所采用的具体自适应(压力/FFR相关的)阻力模型不限于以上所讨论 的。接下来描述另一适合的阻力模型。

公式2中示出了对FFR指标的一般近似：

公式2：

$FFR=\frac{R}{R+r^{\prime }}$

其中，R和r分别指代微血管阻力和狭窄阻力。这里，R为具有较大的微 动脉阻力的组合位点阻力。根据微血管阻力和FFR指标的狭窄阻力能够被 表示为公式3所示的：

公式3：

$r=R(\frac{1}{FFR}-1).$

能够如公式4和公式5所示地导出具有远端阻力变化εR的FFR指标：

公式4：

以及

公式5：

假设FFR与外围阻力之间的逐段线性关系，能够找到针对每个节段的 最佳参数α。对于具有共同点(th,R0)的两个节段，在节段[0,th]处的线性 方程能够被表示为如公式6所示：

公式6：

R0+εR0＝FFR·α+B，以及

并且在节段[th,1]处的线性方程能够被表示为如公式7所示：

公式7：

R0+εR0＝FFR·β+B。

由于分析是相同的，因此在本文中仅详细描述节段[0,th]。公式8中示出了 微血管阻力相对于模型的相对变化：

公式8：

$ϵ=\frac{(FFR-th)·\alpha }{R0}.$

公式9、10和11中示出了参数优化(其中，J＝RMSE)：

公式9：

公式10：

以及

公式11：

以及，

能够使用如公式12所示的梯度下降来找到针对每个节段的最优参数α：

公式12：

图3图示了用于确定FFR指标的范例方法。

在302中，扫描对象的感兴趣血管。

在304中，在来自扫描的图像数据中识别血管的具有狭窄的子部分。

在306中，从所述血管提取几何信息，例如直径、半径等。

在308中，确定血管的至少一个属性，例如入口流率等。

在310中，例如基于所提取的几何信息和至少一个参数来估计针对血 管的至少一个边界条件(例如阻力)。

在312中，基于先前的FFR指标来细化边界条件。对于第一迭代，先 前的FFR指标被设定为初始FFR指标，所述初始FFR指标假设所有血管都 是健康的。对于每个后续的迭代，先前的FFR指标是对应生成的在前的FFR 指标。

在314中，基于经细化的边界条件来执行计算流体动力学(CFD)仿 真。

在316中，基于CFD的结果来生成当前FFR指标。

在318中，将当前FFR指标与先前的FFR指标进行比较。类似地，对 于第一迭代，先前的FFR指标被设定为初始FFR指标，所述初始FFR指标 假设所有血管都是健康的，并且对于每个后续的迭代，先前的FFR指标是 对应生成的后继FFR指标。

在320中，如果当前FFR指标与先前的FFR指标之间的差异不满足停 止标准，则重复动作312-318。

如果在320中，当前FFR指标与先前的FFR指标之间的差异满足停止 标准，则在322中将当前FFR指标输出为最终的FFR指标。

可以通过被编码或被嵌入在计算机可读存储介质上的计算机可读指令 来实现以上方法，所述计算机可读指令在由(一个或多个)计算机处理器 运行时令所述(一个或多个)处理器执行所描述的动作。额外地或备选地， 所述计算机可读指令中的至少一个是由信号、载波或其他瞬态介质承载的。 将意识到，以上动作的顺序不是限制性的。这样，本文中预期其他顺序。 另外，可以省略一个或多个动作和/或可以包括一个或多个额外的动作。

已经参考优选的实施例描述了本发明。他人在阅读和理解了前面的详 细说明之后可以想到修改和改变。本发明旨在被解释为包括所有这样的修 改和改变，只要它们处于权利要求书或其等价方案的范围之内。