计算流体力学与机器学习在主动脉缩窄及主动脉瓣狭窄患者评估中的临床应用研究

发布时间：2020-09-29 06:22

　　心血管疾病具有高患病率、高致残率以及高死亡率等特点。主动脉缩窄(coarctation of aorta,Co A)和主动脉瓣狭窄(aortic stenosis,AS)分别是常见的先天性与后天性心血管疾病,尚无有效的药物治疗手段。血流动力学是诊断和评估这两种疾病的主要临床参考指标,其中有创性心导管检查是获取血流动力学指标的金标准。目前无创性获取血流动力学的方法都存在不足之处:经胸超声心动图(transthoracic echocardiography,TTE)虽能准确测量血流速度,但其易高估压力差;磁共振成像(magnetic resonance imaging,MRI)检查过程复杂且费用相对昂贵、检查时间相对较长;CT血管造影(CT angiography,CTA)虽然被广泛应用于形态学评估,但它无法进行血流动力学分析。计算流体力学(computed fluid dynamucis,CFD)是近年来心血管系统研究领域的热点,具有无创性、可获取参数多、高分辨率等特点,但目前基于CTA、利用CFD技术进行血流动力学的研究还相对较少。机器学习也是近年来心血管系统的研究热点,它具有无创性、运算速度快、可复用性强等特点,但目前还处于刚刚起步阶段。基于以上事实,本研究基于CTA横断面图像,利用CFD技术分别进行CoA和AS患者的主动脉血流动力学研究,并探索通过机器学习手段对Co A患者进行无创性诊断的可行性研究。本文的研究工作主要为:1.验证了基于CTA横断面图像,利用CFD技术评估主动脉血流动力学的可行性。本研究部分共收集25例诊断为先天性心脏病且主动脉正常患者,所有患者均进行了CTA、TTE检查,且在两周之内做了心导管检查。CFD的仿真模型由患者CTA横断面图像重建而来;CFD边界条件包括经TTE测得的主动脉瓣口峰值收缩期速度(peak systolic velocity,PSV),上下肢血压;如果血压值缺失,则使用集总参数模型(lumped parameter model,LPM)来代替。分别比较CFD获得的峰值收缩期压力(peak systolic pressure,PSP)与心导管获得的PSP、CFD获得的PSV与TTE获得的PSV。研究结果显示:CFD获得的PSP与心导管获得的PSP具有高度一致性,两者线性相关度达到0.918,而Bland-Altman图也表明两者误差很小,平均误差仅-1.400 mmHg;CFD获得的PSV与TTE获得的PSV也具有高度一致性,两者线性相关度为0.968,而Bland-Altman图的平均偏差仅为-7.68 cm/s。除了可获得具体数值外,通过CFD可视化功能可将血流动力学分布及分布状态(如涡流)展示出来,也可直接呈现某些临床难以直接测量的量化指标如壁面切应力。本研究结果证实了CFD在人体主动脉血流动力学分析中的可行性与正确性。2.验证了基于CTA横断面图像,利用CFD技术无创性诊断Co A的诊断效能。本研究部分纳入50例训练集患者(其中包括25例确诊CoA患者和25例确诊为先天性心脏病但无Co A患者)和25例盲法测试集患者(为疑似Co A患者)。CFD的仿真模型由患者的CTA图像重建而来;CFD边界条件包括TTE测得的主动脉瓣口PSV、上下肢血压;如果血压值缺失,则使用LPM来代替。CFD的诊断效能使用ROC曲线来评估。研究结果表明,CFD方法能准确区分正常主动脉和患有CoA的主动脉。训练集的ROC曲线表明,利用CFD方法得到的三种血流动力学指标:峰值收缩期血压差(peak systolic pressure gradient,PSPG)、PSV以及平均峰值收缩期壁面切应力(average maximum wall shear stress,AMWSS)具有非常高的诊断效能(AUC=0.987,0.931,0.978),其敏感性为92%,92%,88%;特异度为:92%,96%,80%,而假阴性诊断分别只有2例,3例,2例。在测试集中,CFD仿真得到的PSPG、PSV和AMWSS的AUC为0.953,0.947,0.823;敏感度分别为:93%,87%,80%;特异度分别为:90%,80%,100%。三个指标的假阴性率分别为:1/15,3/15,2/15。本研究中证明了CFD方法能有效且无创地诊断Co A,弥补了CTA无法进行血流动力学分析的缺点。3.验证了基于CTA横断面图像,利用CFD技术,进行AS患者狭窄严重程度的无创性分级能力。本研究纳入轻度狭窄组10例(跨瓣平均血压差30 mmHg),中度狭窄组10例(30 mm Hg跨瓣平均血压差49 mmHg),重度狭窄组10例(跨瓣平均血压差50 mmHg)。CFD的仿真模型由患者的CTA图像重建而来;CFD边界条件包括TTE测得的左心室流出道PSV、上下肢血压;如果血压值缺失,则使用LPM来代替。CFD的分级效果采用多分类Logistic回归和加权Kappa检验进行评估。研究结果表明,CFD方法的分级效果有较高的准确率(86.67%),且加权Kappa检验表明,CFD的分级效果与心导管的分级效果具有高度一致性(к=0.80,p0.001)。本研究说明了CFD方法能对AS严重程度进行分级,是对CFD方法应用场景的扩展。4.利用机器学习算法,完成了CoA的无创性诊断。本研究纳入了66例患者,所有患者均进行了TTE、CTA检查,两周之内进行了心导管检查。本研究使用了K最近邻(K-Nearest Neighbor,KNN)、朴素贝叶斯(Naive Bayes,NB)、随机森林(Radom Forest,RF)三种不同的机器学习算法,机器学习所用的特征从CTA、TTE中直接获取,样本标签则通过心导管结果确定。特征经过预处理之后用来训练机器学习算法。机器学习算法的验证方法采用10则交叉验证。机器学习的预测效果主要采用ROC和F-measure来评估。研究结果表明,KNN、NB、RF算法都有不错的正确率(0.812,0.855,0.913)、AUC(0.900,0.936,0.965)和F-measure(0.814、0.854、0.897)。本研究结果表明,机器学习能较为准确的诊断CoA。
【学位单位】：华南理工大学
【学位级别】：硕士
【学位年份】：2018
【中图分类】：TP181;O35;R543.1
【部分图文】：

缩窄,形态学,主动脉

一的根治方法，而正确的诊断和术前评价是治疗的基础。研究内容包括 CoA 和 AS 两种心血管疾病的无创性诊断与评、评估这两种疾病的研究方法与结果，并对主要结果进行讨论疾病的背景知识以及诊断或疾病管理上遇到的困难，阐述这两种当前的研究理论作系统的介绍。背景脉缩窄简介与研究背景指主动脉的先天性局限性狭窄畸形，使通过狭窄主动脉区域的上常见的先天性主动脉发育畸形，约占先天性心脏病患者的 6（aortic isthmus, AI）是 CoA 的高发区域（占比 95%以上），Co现为膜状缩窄；亦可形成累及较长血管段的病变，表现为管状缩

基本步骤,物理场,三维几何模型

华南理工大学硕士学位论文第二章 CTA 图像的后处理与 CFD 基本步骤2.1 引言CTA 图像无法直接进行血流动力学分析，需要经过后处理形成三维几何模型之后才可借助 CFD 技术进行血流动力学分析。由于三维几何模型是 CFD 计算必不可少的一部分，所以进行 CTA 图像后处理的目的是为了得到可用于 CFD 计算的三维几何模型，该过程即 CTA 图像的三维重建。CFD 方法是一种数值求解方法，常用于流体物理场的仿真计算。如 1.3.2 小节所述，许多物理场的基本控制方程无法求出其理论解析解，而 CFD 方法的实质就是使用数值方法来求解这些物理场的基本控制方程，使得求出的数值解近似满足物理场的基本方程。在本研究中，CFD 方法则用来求解流体的五个基本方程：式（1-1）～式（1-5）。CFD方法需要遵循特定的步骤才能完成计算，如下图所示：

阈值分割

目标图像区域与背景图像区域灰度对比明显，其直方图一般表现为“双峰”，即有度峰值。一个峰来自于目标图像区域，而另外一个峰值来自于背景图像。而在目区域与背景图像区域的边界附近，图像像素少，从而产生了波谷。普遍而言，当波谷值时，图像分割的效果最好。在本研究中，CTA 图像的胸主动脉部分具有较性，且与部分骨骼、肺、肝脏等其他组织对比明显，阈值分割算法可以较为容易主动脉与上述组织区分开。但胸主动脉部分的灰度级与心脏部分的灰度级区分度所以 CT 图像的直方图并不是标准的双峰图，单一的阈值分割难以将胸主动脉分。先将导出的 CTA 图像序列传入 MIMICS 软件，分割操作在横断面图像上进行 2-2 A。经过多次试验及医生的初步判定，对于本研究所使用的 CTA 图像数据，定一般为 320 HU 1000 HU。之后阈值分割法对 CTA 图像进行初步分割。经过割之后，可分离绝大部分骨骼与其他组织（图 2-2 B）。但由于心脏组织与主动脉图像灰度十分接近，使用阈值分割法无法直接分割。

【参考文献】