基于超声和CT影像的冠脉血流储备分数无创计算方法研究

CT images-based numerical hemodynamic simulations can non-invasively obtain the fractional flow reserve (FFRCT) which is used in diagnosis and assessment of stenotic coronary artery. However, it is a challenging scientific issue to set patient-specific boundary conditions to improve the calculation accuracy of FFRCT. We propose a novel method to incorporate Doppler echocardiography which provides the blood flow data of coronary main branches, to provide patient-specific boundary conditions for the CT image-based numerical simulation of hemodynamics in coronary artery. By statistically analyzing the physiological and pathological influence factors of coronary artery flow rate, a mathematical model will be established to allocate the flow rate of coronary artery based on the volume of coronary branches. Then, the abovementioned mathematical model will be evaluated and revised according to the measured coronary artery flow rate via Doppler echocardiography, and thus the patient-specific boundary conditions of hemodynamics can be assigned so as to obtain the non-invasive calculation result of FFRCT. The accuracy of the novel method for non-invasive calculation of FFRCT will be examined by comparing the experimental data of clinical cases and calculation results. This study will provide important scientific fundamental for the non-invasive calculation of FFRCT in coronary artery and its clinical application, and establish the related operation rules for clinical test, 3D reconstruction and numerical simulation.

基于冠脉CT图像的血流动力学数值模拟而无创地获得冠脉的血流储备分数(即FFRCT)，被用于临床诊断和评价冠脉狭窄病变。如何设置个性化的边界条件来提高FFRCT无创计算的准确性，是其中一个具有挑战性的科学问题。本项目提出了增加超声冠状动脉血流成像以获取冠脉主干血流数据、为冠脉血流动力学数值模拟提供个性化边界条件、从而提高冠脉FFRCT无创计算准确性的新方法。在统计分析影响冠脉血流量的生理、病理因素的基础上，建立一种基于分支血管体积的冠脉分支血流量分配数学模型。然后利用测得的冠脉超声血流量对数学模型进行检验和修正，从而设置患者个性化的血流动力学边界条件，并获得FFRCT无创计算结果。通过临床病例实验数据和计算结果对照，检验所提FFRCT无创计算新方法的准确性。本项目研究将为冠脉FFRCT的无创计算及其临床应用提供重要的科学依据；并形成相关的临床检测、三维重建和数值模拟的操作规范。

基于冠脉CT图像的血流动力学数值模拟而无创地获得冠脉的血流储备分数(即FFRCT)，被用于临床诊断和评价冠脉狭窄病变与心肌缺血的定量关系。如何设置个性化的边界条件来提高FFRCT无创计算的准确性，是其中一个具有挑战性的科学问题。本项目提出了增加超声冠状动脉血流成像以获取冠脉主干血流数据、为冠脉血流动力学数值模拟提供个性化边界条件、从而提高冠脉FFRCT无创计算准确性的新方法。重点研究：冠脉血流量预测模型构建；冠脉分支血流量分配数学模型的构建；基于人工智能算法的冠脉流量预测模型构建；基于冠脉超声和CT影像的临床研究建立FFRCT无创计算方法；建立FFRCT无创计算的操作规范。通过运用层次分析法，确定了多种因素对于冠脉血流动力学影响的权重，依次为狭窄率、狭窄位置、冠脉优势型、性别，其中性别可用心肌质量表征，冠脉优势型可用分支体积表征，狭窄率和狭窄位置可用狭窄阻力表征。确立了以患者心率、心肌质量和舒张压为自变量的冠脉血流量计算公式。使用贝叶斯神经网络模型和支持向量机GA-SVM模型，实现了对样本数据预测的仿真实验。仿真结果表明，GA-SVM模型能够较准确地预测多参数冠脉流量。建立了体积分配法、管径分配法和形状阻力法的冠脉分支血流量分配方法。运用上述数学模型和数值模拟计算73例患者FFRCT值，结果与冠脉CT和造影判断心肌缺血情况比较，准确性大幅度提高；与现有的FFRCT无创计算方法对照，准确性也有明显提高（约7%）。而且，所建立的形状阻力法均优于管径法和体积法。本项目在现有FFRCT计算方法的基础上，增加冠脉超声血流成像检查，同时考虑患者的生理、病理因素，探讨如何设置个性化边界条件从而提高FFRCT计算准确性，建立具有自主知识产权的FFRCT无创计算方法，为冠脉FFRCT的无创计算提供科学依据，并为推广冠脉FFRCT无创计算的临床应用打下基础。