首页 专利交易 科技果 科技人才 科技服务 商标交易 会员权益 IP管家助手 需求市场 关于龙图腾
 /  免费注册
到顶部 到底部
清空 搜索

一种预测个性化体外反搏血流动力学效应的仿真方法 

申请/专利权人:北京工业大学

申请日:2022-12-05

公开(公告)日:2024-07-02

公开(公告)号:CN115736874B

主分类号:A61B5/026

分类号:A61B5/026;A61B5/02;A61B5/00;G06F30/28;G06F113/08;G06F119/14

优先权:

专利状态码:有效-授权

法律状态:2024.07.02#授权;2023.03.24#实质审查的生效;2023.03.07#公开

摘要:一种预测个性化体外反搏血流动力学效应的仿真方法,属于血流动力学建模领域。本发明包括以下步骤:基于三参数windkessel理论建立血液循环系统零维集中参数模型;基于患者真实血流动力学参数,开发优化算法实现集中参数模型的个性化;利用个性化模型模拟不同反搏模式下患者的体外反搏血流动力学效应,计算血流动力学指标,从而实现个性化体外反搏血流动力学效应的预测。

主权项:1.一种预测个性化体外反搏血流动力学效应的仿真方法,其特征在于,包括以下步骤:步骤A1:基于三参数windkessel理论建立血液循环系统集中参数模型;步骤A2:基于患者真实血流动力学参数,开发优化算法实现集中参数模型的个性化;步骤A3:利用个性化模型模拟患者不同体外反搏模式的血流动力学效应,计算血流动力学指标;步骤A1中,首先基于三参数windkessel理论,结合人体血液循环系统的生理解剖结构,建立血液循环系统集中参数模型;构建模型如下:模型包含20个动脉单元,17个静脉单元,8个外周微循环单元,一个脑微循环单元,以及一个心肺循环单元,共计47个单元;人体血液循环系统的血流动力学集中参数模型中,电阻用于比拟血液循环系统血流阻力,电容比拟血管弹性,电感比拟血流惯性,二极管比拟生物瓣膜,模型计算出的电压比拟血压,电流比拟血流量;每个动静脉单元由一个电阻、一个电容和一个电感组成RLC三参数windkessel模型,其中模拟上腔静脉、下腔静脉和腿部的静脉单元还加入一个二极管模拟静脉瓣;外周微循环单元由两个电阻和一个电容组成,电阻分别模拟微动脉和微静脉阻力,电容模拟微动脉弹性;心肺循环中的二极管由左到右分别用于模拟三尖瓣、肺动脉瓣、二尖瓣、主动脉瓣,倒电容CLV、CRV分别模拟左右心室的收缩功能;脑微循环单元按照人体大脑血管生理解剖结构设置,模拟左颈内动脉、右颈内动脉、基底动脉作为脑血管供血的入口,每支动脉供给两个脑血管分支,左颈内动脉供给左大脑中动脉、左大脑前动脉,右颈内动脉供给右大脑中动脉、右大脑前动脉,基底动脉供给两支大脑后动脉,经过各自的微循环都汇总到颈静脉,最终回到右心房;冠脉循环单元包括三个电阻R、R_m、R_v,分别模拟冠状动脉阻力、冠脉微循环阻力和冠状静脉阻力,两个电容C、C_im分别模拟冠状动脉弹性和冠脉微循环弹性,C_im后接的电压源P模拟心室收缩对冠脉产生的挤压力;冠脉循环单元后接到URA,表示血流经过冠脉循环后回到右心房;集中参数模型的求解基于显示欧拉法;在静息状态下,不施加外部反搏压力时,集中参数模型各节点的压力求解方程如下: 式中du是压力对时间的微分,i是流量,C是电容,dt是时间步长;模型各分支流量的求解方程为: 式中dI是流量对时间的微分,L是电感,ΔP是电感两端压差;另外心脏模块的建模基于心室的压力-容量关系,通过如下式的时变函数Et来表示: 其中Et—时变倒电容函数,单位:mmHgml;Psvt—心室压力的时间函数,单位:mmHg;Vsvt—心室容量的时间函数,单位:ml;V0—心室参考容量,即相对于“零室压”时单心室的理论容量,单位:ml;基于式3,通过数学拟合的方法,模拟表示心肌收缩的倒电容函数:Et=Emax-Emin·Entn+Emin#4式中Emax—相关于收缩末期心室压力容积关系;Emin—相关于舒张末期心室压力容积关系;Entn—双峰函数: 式中tn为tTmax,而Tmax可由心动周期tc计算获得:Tmax=0.2+0.15tc#6;步骤A2包括以下步骤:步骤B1:确定模型个性化的血流动力学参数目标;个性化目标基于临床体外反搏治疗中实时监测的生理指标,关注目标为主动脉压Aorticpressure,AP、心输出量Cardiacoutput,CO、颈内动脉流量Internalcarotidarteryflow,ICAF和脚踝胫动脉压力Anklepressure,AKP;对以上四个目标的权重分配矩阵如式7所示,对应的权重向量如式8所示;确定权重后,以临床实测的各生理波形和数据为基准Baseline,将集中参数模型计算出的仿真波形与临床实测波形之间的均方根误差Rootmeansquareerror,RMSE作为目标函数,如式9所示,式中yn为实测波形,yn’为仿真波形,K为波形采样点数;结合各自的权重系数,最终确定的总目标函数如式10所示; 式10中fap为仿真的主动脉压波形与临床实测主动脉压波形之间的RMSE,fco为仿真的心输出量数值与临床实测心输出量数值之间的RMSE,ficaf为仿真的颈内动脉流量波形与临床实测颈内动脉流量波形之间的RMSE,fakp为仿真的脚踝胫动脉压力波形与临床实测脚踝胫动脉压力波形之间的RMSE,都由式9计算得到;步骤B2:针对个性化目标,对集中参数模型进行模型参数的敏感性分析;人体血液循环系统集中参数模型是一个非线性系统,一共包含几百个参数;采用全局敏感性分析Sobol算法对集中参数模型所有单元的模型参数进行分析;所有模型参数在其搜索范围内均服从正态分布;首先将模型进行多维度分解,如下式所示: 式中Xi为模型输入,Y为模型输出,fiXi为Xi的函数,fijXi,Xj为输入参数Xi、Xj的函数,f1,2,…,kX1,X2,…,Xk为输入参数X1,X2,…,Xk的函数;在Sobol方法中,模型输出的方差被认为充分反映模型的不确定性,其分解如下: 其中Vi是方差,VijXi,Xj为输入参数为Xi、Xj时模型计算输出的方差,V1,2,…,kX1,X2,…,Xk为输入参数为X1,X2,…,Xk时模型计算输出的方差;而条件方差定义为: 式中,xi为各模型参数,为除去当前参数xi的空间中计算出的Y的方差;基于条件方差,模型参数xi的敏感性可由参数Xi的一阶灵敏度系数计算: 式中Si为参数Xi的一阶灵敏度系数,也称为主效应,是在所有空间中计算出的Y的平均值,是在所有空间中计算出的Y的方差;Si越大,则对应的参数敏感性越高;基于上述Sobol算法对循环系统集中参数模型中的参数进行敏感性分析;模型的所有参数可被划分为7个模块,包括心肺循环系统、动脉系统、静脉系统、下肢动脉系统、外周循环系统、下肢外周循环系统以及脑微循环系统;每个模块又分为三个组成部分,分别为血液流动阻力R、血管顺应性C和血液流动惯量L,加上代表心肌收缩强度的左、右心室的Emax和Emin,一共23种类型的模型参数,如表1所示;能够使一阶灵敏度系数Si≥0.05或Si≥0.1的参数被视为敏感参数;其中,使Si≥0.2的参数被认为是敏感参数;当0.1≤Si0.2、0.05≤Si0.1、Si0.05时,该参数分别被视为中度敏感参数、轻度敏感参数和不敏感参数;表1显示了对每种模型参数进行敏感性分析的一阶灵敏度系数Si值;由于局部血管模型参数的变化对优化目标具有类似的影响,为每种类型的参数设置系数以进行优化;为保证精度,对Si≥0.05的所有参数系数都进行了优化;表1对23种模型参数进行敏感性分析计算出的一阶灵敏度系数Si值 其中RCPC为心肺循环电阻,CCPC为心肺循环电容,LCPC为心肺循环电感,RAi、CAi、LAi、RVi、CVi、LVi分别为动静脉单元电阻、电容、电感的系数,RA8-13i、CA8-13i、LA8-13i分别为人体下肢模块动静脉单元的电阻、电容、电感的系数,Rpi、Cpi分别为外周循环单元电阻和电容和系数,Rp9-13i、Cp9-13i分别为人体下肢模块外周循环单元电阻和电容和系数,RCMC为脑微循环电阻,CCMC为脑微循环电容,LCMC为脑微循环电感,Emaxleft、Eminleft、Emaxright、Eminright分别为左右心室的收缩、舒张末期心室压力容积关系;步骤B3:以个性化的血流动力学参数为目标,改进模拟退火优化算法,对集中参数模型中的敏感参数进行优化,得到个性化集中参数模型;对于每个需要优化的参数,基于步骤B2中的敏感性分析结果,设计了适用于非线性函数关系的各优化目标与参数之间的梯度函数,如式15所示;每次迭代时,参数不是随机变化,而是沿着梯度最优的方向被调整,如式16; 式中,f为优化目标,x为优化参数,△x为x的变化梯度; 式中,x’为更新后的参数,s为变化步长;步骤A3中利用个性化模型,施加反搏,模拟患者在不同反搏模式下的血流动力学效应,计算血流动力学指标;在反搏期间,集中参数模型的小腿,大腿和臀部中的电容连接到外部压力源,其压力求解方程变为: 式中dPe是反搏压力对时间的微分;在体外反搏模式的模拟过程中,小腿、大腿、臀部的起始加压时刻分别为Ts1,Ts2,Ts3,三者使用相同的反搏压力P,三者加压的结束时刻为Te,加压的压力值由0到达P的时长为0.005s;除了压力幅值和每个心动周期内的加压时长Te-Ts1,反搏模式的控制参数如表2所示;仿真计算的患者个性化的指标包括DS即舒张压收缩压,平均动脉压,颈动脉血流量的一种或多种;表2体外反搏模式控制参数,其中Tc为心动周期,单位:s

全文数据:

权利要求:

百度查询: 北京工业大学 一种预测个性化体外反搏血流动力学效应的仿真方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。