脑动脉血流动力学指标确定方法、装置、设备、介质及产品

本技术涉及血流动力学领域，特别是涉及一种脑动脉血流动力学指标确定方法、装置、设备、介质及产品。

背景技术：

1、脑血管疾病在普通人群中是相对常见的病变，例如未破裂的颅内动脉瘤和脑动脉狭窄造成的缺血性脑卒中等，其特征是动脉壁局部结构恶化，血管内部弹性降低。以脑动脉瘤为例，脑动脉瘤破裂出血的通常特征为急性发病和预后不良，若干预不及时会有很高的致死/致残率。相关研究表明，脑动脉瘤破裂导致的死亡率不低于12％。虽然医学影像技术的进步以及人工智能技术的发展使未破裂脑动脉瘤的检出率提高，然而由于多数脑动脉瘤病程较长，临床上在治疗方式及治疗时机的选择上(血管内介入治疗或保守治疗)仍存在分歧。合理评估脑动脉瘤的破裂风险，作为筛选急需进行介入治疗的高风险动脉瘤，具有十分重要的临床意义。临床上对脑动脉疾病的风险评估主要依赖影像学所提供的脑动脉血管形态学信息特征，并同时结合统计学方法考虑不良生活习惯等危险因素。然而，不同研究团队在样本人群选择、样本量选择等方面的不一致以及所选用评估指标的差异会导致难以预测脑动脉疾病的风险。

2、目前，影像学结合血流动力学的评估方法正逐步被临床医师采纳。在血流动力学计算仿真领域，相关研究通常采用的人群平均化的血流波形作为脑动脉模型入口边界条件，通过murray法则由管径比来分配血流作为出口边界条件的方式，会对模型的计算结果精度造成潜在影响；而部分学者基于体外超声的血流量多普勒测量颈内动脉及椎动脉的血流波形作为患者个体化的脑循环入口边界条件，在一定程度上提高了模型计算结果的保真度，但模型的出入口压力边界条件无法准确赋值，同样会影响计算结果的实际精度。一部分学者采用无创测量肱动脉血压作为边界条件的计算基础之一，但血液动力学研究的结果表明，与肱动脉相比，在主动脉中测量的收缩压通常较低，即主动脉系统中的血压(或称中心血压)更可以代表直接影响目标器官(心脏、大脑)结构和功能的负荷。因此，通过无创方式同时得到脑动脉模型入口的压力和流量边界条件对于仿真脑循环网络的血流动力学环境具有重要意义。

技术实现思路

1、本技术的目的是提供一种脑动脉血流动力学指标确定方法、装置、设备、介质及产品，可提高血流计算结果与患者个体真实生理病理状态的匹配度，实现对脑动脉网络血流动力学环境的准确预测。

2、为实现上述目的，本技术提供了如下方案：

3、第一方面，本技术提供了一种脑动脉血流动力学指标确定方法，所述血流动力学参数指标确定方法包括：

4、获取包含从颈部至脑部血管的ct造影图像；

5、对所述ct造影图像进行分割，得到头颈动脉三维模型；

6、获取主动脉、左颈内动脉、右颈内动脉、左椎动脉和右椎动脉的目标超声流速频谱波形；

7、获取患者上臂肱动脉血压；

8、根据所述目标超声流速频谱波形和患者上臂肱动脉血压，确定患者个体化血流动力学模型参数；所述患者个体化血流动力学模型参数包括：动脉系统总阻抗和动脉系统总体顺应性；

9、获取患者的动脉系统脉搏波速pwv；

10、基于所述动脉系统脉搏波速pwv、动脉系统总阻抗和动脉系统总体顺应性确定各动脉出口的分支阻抗、分支血管顺应性以及分支血管特征阻抗；

11、根据所述头颈动脉三维模型确定各脑动脉的中心线，并获取各节段血管中心线的长度和出入口横截面积；

12、基于所述目标超声流速频谱波形、患者上臂肱动脉血压、患者的动脉系统脉搏波速、患者个体化血流动力学模型参数、各动脉出口的分支阻抗、分支血管顺应性、分支血管特征阻抗、各节段血管中心线的长度和出入口横截面积确定动脉网络0-1维开环模型；

13、基于所述动脉网络0-1维开环模型和头颈动脉三维模型计算所关注部位以及脑循环整体的血流动力学指标。

14、可选地，基于所述动脉网络0-1维开环模型和头颈动脉三维模型计算所关注部位以及脑循环整体的血流动力学指标具体包括以下步骤：

15、利用所述动脉网络0-1维开环模型计算脑动脉的波强度和波功率；

16、利用所述头颈动脉三维模型计算脑动脉矢量平均壁面剪应力、时间平均壁面剪应力、振荡剪切指数、壁面剪应力的时间梯度、横切向壁面剪应力以及能量损耗。

17、可选地，所述动脉系统总阻抗的表达式如下：

18、

19、其中，rt表示动脉系统总阻抗；表示主动脉入口处血流量平均值，mbp表示通过袖带血压计测得的患者平均血压，po表示模型出口血压；

20、所述动脉系统总体顺应性的表达式如下：

21、

22、其中，ct表示动脉系统总体顺应性；t表示一个心动周期的时长，lvet表示左心室射血时间，p(lvet)表示患者在lvet时刻的血压，dbp表示通过袖带血压计测得的患者舒张压。

23、可选地，基于所述动脉系统总阻抗和动脉系统总体顺应性确定各动脉出口的分支阻抗、分支血管顺应性以及分支血管特征阻抗具体采用以下公式：

24、分支血管特征阻抗的表达式如下：

25、

26、各动脉出口的分支阻抗的表达式如下：

27、

28、分支血管顺应性的表达式如下：

29、

30、其中，表示分支血管出口0维模型特征阻抗，ρ表示血液密度，pwv表示动脉系统脉搏波速，表示所述第k分支血管的管腔截面积，表示各动脉出口0维模型的分支阻抗，rt表示动脉系统总阻抗，表示第k分支血管的流出量，表示各动脉出口0维模型的分支血管顺应性，ct表示动脉系统总体顺应性，表示第k分支血管的流出量的平均值，表示主动脉入口处流量的平均值，ct,art表示0-1维开环模型中1维模型部分每节段血管顺应性之和，ct,art的计算公式为：其中，表示1维模型中第j节段血管的平均横截面积，lj表示1维模型中第j节段血管的长度。

31、可选地，利用所述动脉网络0-1维开环模型计算脑动脉的波强度和波功率具体采用以下公式：

32、

33、

34、其中，wi表示波强度，wp表示波功率，p表示血压，q表示流量，u表示流速，t表示时间。

35、可选地，利用所述头颈动脉三维模型计算脑动脉矢量平均壁面剪应力、时间平均壁面剪应力、振荡剪切指数、壁面剪应力的时间梯度、横切向壁面剪应力以及脉管系统总体能量损耗，具体采用以下公式：

36、

37、其中，mwss表示矢量平均壁面剪应力，t表示一个或多个心动周期的时间，t为时间，τw表示瞬时壁面剪应力向量，tawss表示时间平均壁面剪应力，osi表示振荡剪切指数，transwss表示横切向壁面剪应力，τmean为mwss的向量形式；n表示为壁面的单位法向向量，wsstg表示壁面剪应力时间梯度，

38、

39、其中，tel为脉管系统总体能量损耗，其中能量损耗el的表示形式为：

40、el＝∑inlet(tp*q)-∑outlets(tp*q)

41、q表示血流量，tp表示血液总压u表示血液流速，p表示血压。

42、第二方面，本技术提供了一种脑动脉血流动力学指标确定装置，其特征在于，所述脑动脉血流动力学指标确定装置包括：

43、图像获取模块，用于获取包含从颈部至脑部血管的ct造影图像；

44、图像分割模块，用于对所述ct造影图像进行分割，得到头颈动脉三维模型；

45、目标超声流速频谱波形获取模块，用于获取主动脉、左颈内动脉、右颈内动脉、左椎动脉和右椎动脉的目标超声流速频谱波形；

46、上臂肱动脉血压获取模块，用于获取患者上臂肱动脉血压；

47、个体化血流动力学模型参数确定模块，用于根据所述目标超声流速频谱波形和患者上臂肱动脉血压，确定患者个体化血流动力学模型参数；所述患者个体化血流动力学模型参数包括：动脉系统总阻抗和动脉系统总体顺应性；

48、动脉系统脉搏波速获取模块，用于获取患者的动脉系统脉搏波速pwv；

49、分支阻抗、分支血管顺应性以及分支血管特征阻抗确定模块，用于基于所述动脉系统脉搏波速pwv、动脉系统总阻抗和动脉系统总体顺应性确定各动脉出口的分支阻抗、分支血管顺应性以及分支血管特征阻抗；

50、血管中心线的长度和出入口横截面积获取模块，用于根据所述头颈动脉三维模型确定各脑动脉的中心线，并获取各节段血管中心线的长度和出入口横截面积；

51、动脉网络0-1维开环模型确定模块，用于基于所述目标超声流速频谱波形、患者上臂肱动脉血压、患者的动脉系统脉搏波速、患者个体化血流动力学模型参数、各动脉出口的分支阻抗、分支血管顺应性、分支血管特征阻抗、各节段血管中心线的长度和出入口横截面积确定动脉网络0-1维开环模型；

52、血流动力学指标确定模块，用于基于所述动脉网络0-1维开环模型和头颈动脉三维模型计算所关注部位以及脑循环整体的血流动力学指标。

53、第三方面，本技术提供了一种计算机设备，包括：存储器、处理器以存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述计算机程序以实现上述中任一项所述的脑动脉血流动力学指标确定方法的步骤。

54、第四方面，本技术提供了一种计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现上述中任一项所述的脑动脉血流动力学指标确定方法的步骤。

55、第五方面，本技术提供了一种计算机程序产品，包括计算机程序，该计算机程序被处理器执行时实现上述中任一项所述的脑动脉血流动力学指标确定方法的步骤。

56、根据本技术提供的具体实施例，本技术公开了以下技术效果：

57、本技术提供了一种脑动脉血流动力学指标确定方法、装置、设备、介质及产品，可针对多种类型的脑动脉狭窄、脑动脉瘤等病变，建立了患者个体化仿真数学模型，若需要提供流场细节信息，可选择3维模型；若需要提供脑动脉网络血液灌注的各分支血流分配情况、每段脑血管的波功率/波强度等信息，可选择采用0-1维模型保留个体化脑动脉的整体拓扑结构，且1维模型是管腔弹性模型，保证了脉搏波在脉管系统中传波的连续性，进而保证计算结果更符合实际生理状态，本技术充分利用通过无创方式获取的患者个体化生理数据，并通过参数估计算法将生理数据转化为模型参数，提高血流计算结果与患者个体真实生理病理状态的匹配度，实现对脑动脉网络血流动力学环境的准确预测，可望为基于血流动力学信息的脑动脉介入手术风险评估提供实用的新方法。