需要JoVE订阅才能观看此内容。 请登录或开始免费试用

方法文章

基于光学相干断层扫描的冠状动脉粥样硬化进展生物力学流固耦合分析

4K 次观看

⸱

DOI：

10.3791/62933

⸱

2022年1月15日

 ,  ,  ,  ,  ,  , 
1School of Mechanical Engineering, University of Adelaide, 2South Australian Health and Medical Research Institute (SAHMRI), 3Vascular Research Centre, Lifelong Health Theme, South Australian Health and Medical Research Institute (SAHMRI), 4Monash Cardiovascular Research Centre, 5Adelaide Medical School, University of Adelaide, 6Department of Cardiology, Central Adelaide Local Health Network

本文内容

摘要

有必要确定冠状血管中哪些动脉粥样硬化病变会进展，以便在心肌梗死发生前指导干预措施。本文概述了利用商业有限元求解器中的流固耦合技术，基于光学相干断层成像数据对动脉进行生物力学建模的方法，以帮助预测此类病变的进展。

摘要

本文介绍了一种针对冠状血管中动脉粥样硬化斑块进行生物力学分析的完整工作流程。鉴于动脉粥样硬化是全球死亡、疾病负担和经济负担的主要原因之一，亟需开发新的分析和预测其进展的方法。其中一种计算方法是采用流固耦合（FSI）技术，分析血流与动脉/斑块区域之间的相互作用。结合体内成像技术，该方法可实现个体化定制，有助于区分稳定斑块与不稳定斑块。我们阐述了三维重建过程，该过程利用了血管内光学相干断层成像（OCT）和侵入性冠状动脉造影（ICA）。在使用商业有限元求解器进行设置与分析之前，讨论了模拟所需边界条件的提取方法，包括重建动脉的三维运动。文中还概述了描述动脉壁高度非线性的超弹性特性以及脉动性血流速度/压力的步骤，并介绍了两个区域之间系统耦合的设置方法。我们通过分析一名心肌梗死后患者体内非罪犯、轻度狭窄且富含脂质的斑块，演示了该方法的具体应用。本文讨论了与动脉粥样硬化斑块进展相关的已确立和新兴的生物力学指标，例如壁面剪切应力和局部归一化螺旋度，并将其与动脉壁及斑块的结构响应相关联。最后，我们将分析结果转化为潜在的临床意义，探讨了该方法的局限性，并指出了未来进一步发展的方向。本文所述方法在识别易发生动脉粥样硬化进展的高危部位方面展现出良好前景，因而有望助力减轻动脉粥样硬化所导致的重大死亡率、疾病负担和经济负担。

引言

冠状动脉疾病（CAD）是最常见的心脏病类型，也是全球范围内导致死亡和经济负担的主要原因之一1,2。在美国，大约每八例死亡中就有一例归因于CAD3,4，而目前全球大多数由CAD导致的死亡发生在低收入和中等收入国家5。动脉粥样硬化是这些死亡的主要驱动因素，斑块破裂或侵蚀可导致冠状动脉闭塞和急性心肌梗死（AMI）6。即使在对罪犯病变冠状动脉进行血运重建后，患者在AMI后仍面临较高的复发性主要不良心血管事件（MACE）风险，这主要归因于同时存在的其他非罪犯斑块也具有破裂易损性7。冠状动脉内成像技术为检测这些高风险斑块提供了可能8。尽管血管内超声（IVUS）是评估斑块体积的金标准，但其在识别易损斑块的微观结构特征方面的分辨率有限，相比之下，光学相干断层成像（OCT）具有更高的分辨率（10–20 µm）。研究表明，大面积脂质池上方覆盖着薄而炎症的纤维帽，是易损斑块最重要的特征9，而目前可用的冠状动脉内成像技术中，OCT最能准确识别和测量这一特征10。重要的是，OCT还能评估其他高风险斑块特征，包括：脂质弧；巨噬细胞浸润；薄帽纤维粥样斑块（TCFA）的存在，其定义为富含脂质的核心上方覆盖着薄的纤维帽（<65 µm）；点状钙化；以及斑块微通道。AMI后在非罪犯斑块中通过OCT检测到这些高风险特征，与未来MACE风险增加高达6倍相关11。然而，尽管如此，血管造影和OCT成像预测哪些冠状动脉斑块将进展并最终破裂或侵蚀的能力仍然有限，其阳性预测值仅为20%–30%8。这种有限的预测能力限制了临床决策，例如是否应对非罪犯斑块进行干预治疗（如支架植入）7,12。

除了患者因素和斑块的生物学特征外，冠状动脉内的生物力学力也是决定斑块进展和不稳定的重要因素13。一种有望全面评估这些力学作用的技术是流固耦合（fluid-structure interaction, FSI）模拟14。管壁剪切应力（wall shear stress, WSS），也称为内皮剪切应力，一直是冠状动脉生物力学研究的传统重点15，普遍认为WSS在动脉粥样硬化形成中具有病因学作用16。主要通过计算流体动力学（computational fluid dynamics, CFD）技术进行模拟，低WSS区域与内膜增厚17、血管重塑18以及病变进展19和未来主要不良心血管事件（MACE）的预测相关20。近期这些分析的进展表明，WSS矢量场的拓扑结构21及其多向性特征22比单纯的WSS幅值更能准确预测动脉粥样硬化风险。然而，WSS仅反映了管腔壁整体生物力学系统的局部情况，与影像学方法类似，单一的生物力学参数尚无法可靠识别高危动脉粥样硬化特征。

在动脉粥样硬化形成过程中，其他一些生物力学指标也逐渐被认为具有重要意义。例如，管腔内血流特征23，其中通过多种指数量化24的螺旋流，被认为可通过抑制紊乱的血流模式而发挥抗动脉粥样硬化的作用25,26。尽管计算流体动力学（CFD）技术能够分析这些血流特征并提供大量有用的结果，但其并未考虑血流、动脉结构与整体心脏运动之间的内在相互作用。将这一动态系统简化为刚性管壁模型，可能遗漏诸如纤维帽应力等潜在关键结果。尽管关于是否应采用流固耦合（FSI）而非CFD的争论仍在持续27,28,29，但许多比较研究忽略了心室功能的影响。这一局限性可通过FSI加以克服，已有研究表明，心室功能所引起的动脉动态弯曲和压缩会显著影响斑块和动脉的结构应力，以及壁面剪切应力（WSS）等血流动力学指标30,31,32。这一点尤为重要，因为结构应力同样是分析和预测斑块破裂的关键指标33,34，并被发现可能与斑块增长区域存在空间共定位14,35。准确捕捉这些相互作用，有助于更真实地再现冠状动脉微环境及疾病进展的潜在机制。

针对这一问题，本文概述了从光学相干断层扫描成像中构建患者特异性几何模型的过程36 以及使用商业有限元求解器建立和运行动脉流固耦合（FSI）模拟的过程。在对患者动脉进行三维计算重建之前，详细介绍了手动提取管腔、脂质核心和外层动脉壁的方法。我们概述了模拟的设置、耦合过程，以及如何将基线与随访期的光学相干断层成像（OCT）参数进行比较，以确定病变的进展。最后，我们讨论了数值结果的后处理方法，并通过将生物力学结果与病变的进展或消退情况进行对比，探讨这些数据可能具有的临床意义。该整体方法应用于一名58岁白人男性患者的右冠状动脉（RCA）中非罪犯、轻度狭窄且富含脂质的斑块。该患者因急性非ST段抬高型心肌梗死就诊，合并高血压、2型糖尿病、肥胖（BMI 32.6）及早发冠心病家族史。冠状动脉造影和OCT成像分别在其初次住院期间及12个月后随访时完成，后者作为一项正在进行的临床试验（COCOMO-ACS试验，ACTRN12618000809235）的一部分。我们预期该技术可进一步优化，并用于识别具有高进展风险的冠状动脉斑块。

访问受限。请登录或开始试用以查看此内容。

方案

以下分析数据来自一名患者，该患者被纳入正在进行的COCOMO-ACS随机对照试验（ACTRN12618000809235；皇家阿德莱德医院人类研究伦理委员会编号：HREC/17/RAH/366），并已获得中阿德莱德地方卫生网络（CALHN）研究服务部门额外伦理批准，用于生物力学模拟（CALHN参考编号14179）。图1总结了本方案中所述的完整工作流程，该流程可应用于任何具备流固耦合（FSI）功能的软件或代码。

1. 图像评估

  1. 使用分叉等解剖标志对基线与OCT随访图像进行匹配，并利用位于远端分叉近端及最远端分叉远端的图像。应在这些标志之间的匹配图像上进行分析，如图2A所示。
  2. OCT管腔横截面
    1. 将每张OCT图像载入图像数字化软件，点击标记导管中心点及标尺范围（图2B），并将这些点导出以供后续使用。
    2. 手动标记管腔边缘，每次均从图像的相同位置开始，尽可能准确地捕捉管腔的曲率。在导管伪影处留出间隙，重建过程将在后续阶段对此区域进行插值。将这些文件以.dat格式导出，并对每张图像重复此步骤。
  3. OCT外膜与脂质
    1. 在DICOM软件中，通过观察高衰减区域中外弹力膜的可见部分，手动拟合椭圆以估算外膜位置，如图3所示。按住鼠标左键拖动以定义椭圆并适当定位。
    2. 手动定义脂质弧（计算至管腔中心点）和纤维帽厚度，如图3所示，分别通过点击并拖动角度和距离测量工具完成。这些参数将用于结合管腔面积分析病变进展。
    3. 将上述叠加图像导入图像数字化软件，并以拟合的椭圆为参考，在外弹力膜不可见的高衰减区域手动选取外膜点。重复步骤1.2.2，选择并以.dat格式导出各点。
    4. 对于脂质区域，同样需手动选取脂质表面，每次均从脂质的同一端开始。使用外膜椭圆引导（步骤1.3.1）以确保背侧弧的一致性。将点导出为.dat文件，并对所有存在脂质的图像重复此操作，在导丝伪影处留出间隙，具体方法如步骤1.2.2所述。
      注：通过比较三个指标——管腔面积、脂质弧和纤维帽厚度——来分析病变进展，这些指标可直接从DICOM查看器中评估。由于OCT穿透深度有限，必须采用提取外膜和脂质背侧的技术。本研究选用OCT，因其聚焦于斑块成分与生物力学力之间的关系。
  4. 基于血管造影的中心线
    1. 在图像数字化软件中加载第一张血管造影图像37。选择导管边缘以用于后续步骤中的图像缩放，然后从近端标记开始，沿远端方向以均匀间距手动标记导管中心线，如图4A所示。将数据导出为.dat格式，并对第二个体位的血管造影图像重复此过程。
      注：通常，两个体位之间的夹角大于20°可提高三维中心线重建的稳健性。每张图像中均应可见导管和OCT导丝。

2. 三维重建

  1. 血管造影投影
    1. 加载在步骤 1.4 中导出的数据文件。使用前两个点将数据缩放至毫米单位（这两个点结合已知的导管规格，本例中为 6F）。从每组数据中的其余点减去近端数据点，使曲线从坐标系原点开始。
    2. 为每个血管造影视角生成旋转矩阵，其中 θ 和 Φ 分别表示 RAO/LAO 和 CAU/CRA 角度。我们使用负值表示 LAO 和 CRA 角度。x 方向（Rotx）和 y 方向（Roty）的两个旋转矩阵分别为：
      三维变换的旋转矩阵；方程；cos(θ), sin(θ), cos(φ), sin(φ)     (1)
    3. 将两个旋转矩阵相乘，然后与步骤 2.1.1 中每个点的坐标相乘。所得方程：
      坐标变换的三维旋转方程；表示为 Pt3D = Rotx.Roty.Pt.      (2)
      通过旋转来自每幅血管造影图像的二维点，得到导管点在其相应血管造影平面上的三维位置（Pt3D）。
    4. 通过将 x 和 y 旋转矩阵与 z 方向的单位向量相乘，计算每个血管造影平面的法向量。从近端到远端位置，将每个点沿其对应平面的法线方向投影，并计算投影之间最短距离的中点。由此得到空间中 OCT 导丝上的三维点。
    5. 使用 MATLAB 中央文件交换平台提供的 'interparc' 函数38，将三维中心线划分为等间距的点。点之间的间距应等于 OCT 图像之间的间距，该间距由回撤速度决定。这些位置即为将要放置 OCT 横截面的位置。
  2. OCT 横截面旋转
    1. 利用包含导管中心和比例信息的数据文件，使用比例文件中的第二和第三个点将每个横截面从像素单位转换为毫米单位。为使横截面以导管位置为中心，从所有横截面点中减去比例文件中的第一个点（即导管中心）。通过从导管曲线上下一个远端点减去三维中心线点，计算横截面的法向量（该向量与动脉内的导管平行）。
    2. 通过将缩放后的数据点乘以旋转矩阵，旋转 OCT 横截面以使其垂直于导管中心线：
      旋转矩阵公式，三角函数；空间变换的数学图示。     (3)
      其中
      二维几何公式，α=atan2(Ny,Nx)，β=acos(Nz)，图示，角度计算，三角学。     (4)
      且 NX、NY 和 NZ 分别为在第 2.1 节中计算出的法向量的 x、y 和 z 分量。将三维中心线点加到横截面中所有旋转后的点上，从而得到横截面在三维空间中的位置（图 4B）。
    3. 对每个横截面（管腔、动脉和脂质）重复步骤 2.2.1–2.2.2。将横截面导出为文本文件，以便导入计算机辅助设计（CAD）软件以完成最终实体模型的创建。
  3. 三维实体模型创建
    1. 在三维建模软件中，逐个导入并生成横截面。通过点击概念下拉框（图 5A-1）并选择 3D 曲线（图 5A-2），将包含横截面的文本文件导入三维建模软件。点击 生成。
    2. 为创建实体部件，按顺序选择所有曲线并进行放样（图 5A-3），确保选中 添加冻结 以生成新实体。对管腔、脂质和外壁执行这些步骤以创建独立实体，并确保启用合并拓扑。
      注意：若出现几何问题，可能需要跳过某条曲线。在本例重建中，由于尺寸较小以及包含该结构会增加计算成本和数值复杂性，因此省略了一段位于中段的小脂质区域。
    3. 为从动脉壁中减去管腔和脂质，从创建下拉列表中创建布尔运算，选择壁为目标体，脂质/管腔为工具体，从而从动脉壁中减去管腔和脂质（图 5A-4）。
    4. 在壁和脂质之间共享拓扑，以确保在后续步骤中网格节点能够共享。为此，手动高亮选择壁和脂质，右键单击以形成新部件（图 5A-5）。
      注意：此步骤可确保表面之间的网格节点共享，防止出现不正确的接触区域或两层之间的网格穿透，显著有助于求解阶段的稳定性。导管中心线、脂质、管腔和动脉壁的最终几何形态如 图 5B 所示。
  4. 预处理：边界条件
    注意：在设置模拟之前，需要患者特异性的边界条件（BC's）。此处使用从血管造影中提取的位移，将其施加于模拟的入口和出口，并结合文献中报道的人体患者测量得到的血流速度/压力数据39。
    1. 位移
      1. 重复步骤 1.4 和 2.1，但仅选择远端和近端标记点，并从紧邻舒张末期之前的血管造影图像开始。对一个心动周期内的所有血管造影图像执行此操作。
      2. 对两组点的 x、y 和 z 坐标拟合平滑样条曲线。由此得到入口和出口区域的位移。患者位移的代表性结果如 图 6A 所示。
        注意：位移分析从舒张末期前一幅图像开始，以便最佳匹配所提取位移与第 3.1.2 节中应用的压力和速度曲线的相位，其收缩期起始于 0.1 s（对应于血管造影图像间的间隔）。在提取运动时，应确保整套图像中无检查床平移或图像移动。
    2. 血流速度/压力
      1. 通过编写用户自定义函数（UDF）构建描述脉动性血流速度和压力的曲线。此处应用了文献中报道的人体患者瞬态曲线39，建模为傅里叶级数，其数学表达式为：
        傅里叶级数方程，求和公式，数学分析，信号处理概念。,     (5)
        其中 t 为时间，w0 为频率，T 为信号周期，n 为项数，a0-11、b1-11 为根据文献中描述的曲线拟合得到的系数。本例中使用前 11 项。
      2. 注意：这些曲线如 图 6B 所示，应使用集成开发环境（如 Microsoft Visual Studio）编写为 C 格式文件。出口压力采用恒定曲线，入口速度采用充分发展、抛物线型的速度分布，文献表明该设定足以再现真实条件40。进一步改进该流程可包括测量患者血流速度（例如通过多普勒超声心动图41）和压力（使用压力导丝），以提供更真实的边界条件。此外，同步测量位移、血流速度和压力可确保其相位准确匹配。

3. 动脉/结构

  1. 为动脉和脂质设置材料属性，进入工程数据并添加一种名为 artery 的新材料。将密度和五参数 Mooney-Rivlin 模型拖至该新材料，并设置其参数。输入密度值为 1,000 kg/m³3 以及所描述的超弹性系数 表1，基于内膜42 和脂质43 文献中提及的性质。对脂质重复此操作。
    注：Mooney-Rivlin 模型由以下公式描述44:
    静力平衡方程；示意图；展示散度概念；教学公式分析。     (6)
    何处 c10, c01, c20, c11，以及 c02 是材料常数且 d 是不可压缩参数（本例中不可压缩材料为零）。此处 Ix 是 xth 应变张量的不变量及 J 是弹性变形梯度的行列式。
  2. 输入模型组件，通过右键单击抑制管腔/流体组件 管腔/液体 并选择 抑制 (图7A）。从材料下拉列表中选择先前定义的材料，并为其分配至动脉和脂质固体，同时检查单位是否合适。
  3. 现在需要对几何体进行网格划分。单击网格（mesh）图 7B），将物理场偏好设置为非线性力学，并指定网格尺寸。本研究采用目标尺寸为0.14 mm的自适应网格划分。根据需要调整网格设置，以获得合理的网格偏斜度值，并确保在纤维帽等间隙区域横跨至少两到三个网格单元。由于几何结构复杂，生成网格可能需要一定时间。
    注意：必须进行网格独立性研究，以确保结果不受网格特征的影响。逐步减小网格尺寸并比较结果，直至变化小于设定阈值；本例中设定为2%。45 （在第三处斑块的纤维帽处测量）。此外，为确保网格质量，需检查网格偏斜度；过高的网格偏斜度可能导致收敛过程中的数值困难或结果不准确。为降低偏斜度，可尝试减小网格尺寸，或调整增长速率、最大尺寸和/或曲率角。我们的网格独立性测试结果如下所述。 表2，与本分析中使用的中等网目尺寸相比，结果的百分比变化。
  4. 点击 分析设置 (图7C）。对于 FSI 仿真，关闭自动时间步长，将子步数设置为 1（由系统耦合控制子步），设置仿真结束时间，在本例中为 0.8 s（患者心率为 75 bpm）。系统耦合将控制时间和子步。
  5. 在求解器控制下拉列表中，将求解器类型设置为程序控制，以使用直接法或迭代法。直接法更稳健，但会显著增加内存占用。将牛顿-拉夫森方法设置为完全形式。（由于几何结构的复杂性和模拟中的非线性，可能需要采用直接法和完全牛顿-拉夫森迭代法；然而，这些设置会显著增加计算成本。）
  6. 将系统耦合域指定为动脉内壁，方法是插入一个流固交界面。操作方式为：右键单击，在其下插入流固交界面 瞬时的 标签图7D). 选择动脉壁内侧作为界面，以便在此位置实现结构与流体之间的数据传递。
  7. 位移边界条件可作为位移函数输入 x, y，以及 z 在入口和出口处施加方向。通过在下方右键单击来执行此操作 瞬时的 标签并插入位移（图7E）。为位移重复一次 x, y，以及 z 方向。在方向下拉列表中，选择函数并复制第 2.4.1 步中提取的位移数据。
    注意：可根据偏好将位移输入为函数形式或点坐标表格形式。
  8. 为了帮助排查错误，在以下情况下 溶液 标签，插入四个牛顿-拉夫森残差。若出现错误，可查看这些残差以定位有问题的几何或网格位置。
    注意：要插入后处理选项（如最大主应力），请右键单击 溶液 标签并插入适当的结果（图7F).

4. 血液/液体

  1. 输入 模型 选项卡，检查单位，并抑制动脉和脂质部分，仅保留流体域，方式与步骤 3.2 类似。
  2. 指定网格度量并生成网格，检查扭曲度并在必要时进行调整（我们采用的网格尺寸为0.14 mm，最大壁面尺寸为0.12 mm）。在流固耦合发生的区域，应尽量使用与结构部分相同或相似的网格尺寸和形状，这是一种良好的实践做法。
    注意：与步骤 3.3 相同，应进行网格独立性测试，以确保结果不受网格特性的影响，如图所示。 表2检查网格质量，并根据需要调整单元尺寸、增长速率、细化程度或曲率，以确保偏斜度保持在较低水平，并达到网格独立性。
  3. 在进入流体设置之前，通过右键单击相应的表面并选择“插入命名选择”，为入口、出口和壁面创建命名选择。
  4. 输入 设置 选项卡并确保启用双精度。设置 求解器 输入以 基于压力的 并确保 时间 被设定为 瞬时的 通过勾选各自的复选框（图8A).
  5. 启用 k-omega 粘性湍流模型，并通过进入“粘性模型”选项卡启用剪切应力输运和低雷诺数修正图8B）并勾选相应的复选框。
  6. 为启用带有湍流的非线性黏度模型，请在命令控制台中输入命令 '/define/models/viscous/turbulence-expert/turb-non-newtonian?'图8C）并在提示时输入“yes”。
  7. 下 材料 (图8D)，通过输入密度并在粘度下拉列表中选择非牛顿幂律来定义血液属性。将流体重命名为血液，设置密度为 1,050 kg/m³3，设定幂律型非牛顿流体的一致性指数， k，到 0.035，幂律指数， n，至0.6。
    注意：根据文献选择幂律型非牛顿黏度模型来描述血液黏度的非线性特性46, η，就流体应变率而言， 流体动力学分析中应变率符号 γ̇ 的方程示意图，如：
    流动行为公式 η=kγ˙ⁿ⁻¹，用于流体动力学分析中表征黏度关系。     (7)
    存在多种非牛顿流体血液黏度模型，用于描述血液的剪切稀化特性。已有若干文献报道46,47,48,49 已研究了各种粘度模型及其系数的有效性，选择合适模型时应参考这些研究以获取更多信息。
  8. 编译我们此前在步骤 2.4.2 中描述的用户自定义函数，该函数包含瞬态血流速度和压力，并检查命令行是否存在任何错误图8C）。现在通过输入以下命令来加载UDF 用户自定义 标签图8E），选择 已汇编 并导航至UDF目录，导入后点击 构建，然后在 加载.
    注意：文本将显示在控制台中（图8C）。仔细检查以确保没有错误或警告信息出现。如果UDF正确加载，UDF名称将显示在控制台中（以高亮显示） 图8C).
  9. 这些可应用于入口和出口。操作方法是，选择 边界条件 双击标签。 入口 (图8F并从配置文件下拉列表中选择入口UDF。重复此步骤以定义出口压力。
  10. 启用动态网格（通过勾选下方的复选框） 动态网格 标签所示 图 8G），包括平滑、重网格化和 6° 自由度求解器复选框，将扩散参数设置为1.5，并为您的网格设置适当的最大和最小尺度。
  11. 确保最大和最小网格尺度在网格区域的限值范围内，并将目标偏斜度设置为 0.7。通过点击可显示网格属性 网格属性 表。
  12. 通过单击创建一个新的动态网格区域 创建 按钮，指定管腔的管壁 地区 下拉列表并选择 系统耦合这是向模拟中的动脉组件传递数据的接口。
  13. 为入口、出口和内部管腔创建具有适当网格比例值的变形网格区域。操作方法是单击 创建 在 动态网格 标签并选择 变形启用重新划分网格和光滑化功能，并根据每个区域的边界设置网格尺度。动态网格常出现负体积单元错误，因此需仔细检查，并根据需要调整每个区域的网格尺度。
  14. 确保将压力-速度耦合设为耦合格式，并通过输入以下内容将瞬态公式和空间离散格式设为二阶 方法 标签图8H）并从相应的下拉列表中进行选择。
  15. 在对照组中（图8H），输入库朗数为二，并设置残差收敛准则 监测器 标签图8I）。我们对连续性使用了1e-5的值，其余情况使用了1e-6。
    注：Courant 数可根据网格尺寸进行估算， dx时间步长大小， dt以及血液的速度， v，使用：
    Courant数公式，v(dt/dx)，稳定性条件，数值方法，流体动力学分析     (8)
    在 courant 数部分输入此数值 对照组 标签图8H）。此处我们采用 2 的 Courant 数。通常情况下，Courant 数应小于 1；然而，由于本研究使用了结合压力-速度耦合求解器的隐式求解方法，结果具有更高的固有稳定性，对该数值的敏感性较低，因此将 Courant 数设为 2 是可接受的。
  16. 为定义局部归一化螺度（LNH）等结果的自定义函数，请在 参数与定制化 标签图 8J）并通过右键单击并选择插入新函数 新使用弹出窗口根据需要进行定义。利用求解器变量的下拉列表输入公式。作为代表性结果，我们使用 LNH50,51速度方向一致性的度量， 静态平衡；ΣFx=0；力矢量图；物理教学概念，以及涡度， ω，载体，作为由以下自定义函数描述的内容：
    点积公式示意图，LNH方程，向量模长计算。      (9)
    注：在此步骤中还应定义其他自定义变量，例如振荡剪切指数（OSI）52,53，用于评估反向血流的指标。
  17. 在 运行计算 标签图8K），将时间步数设置为160（时间步长为0.005 s，结束时间为0.8 s），时间步长为5 ms，迭代次数设置为300，以确保结果与时间无关。
    注意：根据模拟的复杂程度，可能需要增加每一步的迭代次数。由于数值收敛通常需要多个心动周期，我们指出这是本研究的一个局限性；然而，由于此类模拟的计算成本较高，这种方法在冠状动脉生物力学模拟中常被采用。
  18. 检查是否 时间统计的数据采样 复选框已启用并确保 壁面统计 和 流体剪切应力 选择之前定义的自定义函数。
  19. 创建数据导出 计算活动与自动保存 标签图8L），选择 CFD-Post 兼容 后处理选项。若需在其他软件中处理结果，请根据需要调整导出类型。选择所有区域（壁面、内部网格、进口、出口）及要导出的结果。
  20. 最后，通过输入以下内容，使用混合方案初始化模拟 初始化 标签图8M），选择 杂交 方案，点击 设置，并将迭代次数增加至20。单击 初始化.

5. 系统耦合

  1. 确保结构和流体设置均已连接至系统耦合，并已完成更新。通过单击并拖动结构和流体设置至系统耦合以建立连接，如图9A所示，并通过右键单击并选择更新，确保两个设置均已更新。
  2. 在系统耦合中，将结束时间设置为 0.8 s，时间步长设置为 0.005 s。操作方法为选择分析设置（图9B-1），然后输入结束时间和时间步长大小。将最大迭代次数设置为 10。
    注：通常情况下，若结构和流体组件均能良好收敛，则进行 10 至 15 次迭代已足够。
  3. 分别从流体和结构组件中选择壁面与固体界面，按住 Ctrl 键选择两个流固耦合界面（图9B-2），右键创建流体与结构组件之间的数据传递（图9B-3）。调整从流体传递至结构的力的欠松弛或斜坡设置，以促进收敛。
    注：根据模型的复杂性、边界条件及材料属性，可能需要采用数据传递的斜坡或欠松弛设置以实现数值收敛。这些设置可应用于流体数据传递（即从流体组件传递至动脉壁的力）。相关选项位于已创建的数据传递设置中（图9B-2）。
  4. 准备运行时，点击更新。结构和流体的收敛情况及其对应的数据传递收敛信息将在控制台中输出。
    注：流固耦合（FSI）模拟计算成本较高，本模拟在一台 16 核机器（2.6 GHz Intel Xeon Gold，使用 180 Gb 物理内存（RAM））上耗时 11 天完成；实际模拟时间会因硬件配置和模型复杂度而有所变化。典型的数据传递残差如图表所示（图9B-4），求解数据在控制台中输出（图9B-5）。在前几次迭代中，数据传递残差的收敛可能尚未完全达成，直至系统达到平衡状态。详见图9B的图注说明。
  5. 模拟完成后，可根据第 4.19 步中描述的数据导出类型，在商业软件或其它独立软件中对结果进行后处理。

访问受限。请登录或开始试用以查看此内容。

结果

本文展示了动脉粥样硬化进展过程中已确立和新兴的生物力学标志物的代表性结果。已建立的指标，如壁面剪切应力（WSS）及其衍生参数（包括时间平均壁面剪切应力（TAWSS）和振荡剪切指数（OSI）），如图10所示。在整个心动周期中，壁面剪切应力主要由血流速度驱动，但血管几何结构及其运动/收缩对其空间分布具有显著影响。这一点可以从TAWSS和OSI的等值线图中看出，其中OSI作为衡量流动再循环的指标，已被证实与动脉粥样硬化的形成相关。此类变化特征反映了血管狭窄/弯曲部位以及血管几何结构的复杂性。入口和出口附近的区域结果应予以忽略，因其会受到边界条件的显著影响。尽管作为标量值的WSS已被广泛研究，但其潜在的矢量场（同时包含大小和方向信息）却较少受到关注。本文在图11中展示了壁面剪切应力的矢量场，并标示出吸引区和扩张区，这些区域可能影响血管壁附近物质的输运过程。特别是远端区域显示出明显的吸引区，反映了管腔面积的突然变化，提示该部位可能是动脉粥样硬化发生的高风险区域。本文中吸引区与扩张区通过可视化方法进行评估；然而，该结果可通过进一步...

访问受限。请登录或开始试用以查看此内容。

讨论

采用流固耦合（FSI）方法分析冠状动脉生物力学仍处于发展阶段，无论是在数值建模还是临床结果方面均如此。本文描述了基于有限元/有限体积法、结合光学相干断层成像（OCT）和血管造影成像，建立患者特异性FSI分析的基本流程。尽管本文所述方法使用了商业有限元求解器，但该流程可适用于任何具备FSI分析能力的软件。当前方法仍存在若干有待改进的局限性。首先，我们承认仅展示单个患者的代表性结果存在局限性；然而，提出本方案旨在更清晰地阐述动脉生物力学FSI模拟的过程，期望所呈现的方法未来能够被进一步发展并应用于更大规模的患者队列。此外，在图像分析阶段，文中描述的许多步骤仍为手动操作，这在对管腔、脂质和外膜进行分割时可能引入观察者间变异。未来可进一步开发自动化处理流程55，或引入多位专家的分析结果，这将特别有助于在基线与随访图像之间提供更为稳健的比较。本研究中所使用的OCT成像未进行心电图门控，导致由于心脏运动/收缩造成横截面存在轻微错位。未来若能考虑这一因素，亦可提高图像比较的准确性。

由于本研究的重点是生物力学力与斑块成分之间的关系，因此采用以光学相...

访问受限。请登录或开始试用以查看此内容。

披露

作者在准备本文时无任何利益冲突需要声明。S.J.N. 已从阿斯利康、安进、Anthera、礼来、Esperion、诺华、Cerenis、The Medicines Company、Resverlogix、InfraReDx、罗氏、赛诺菲-再生元和Liposcience获得研究资助，并担任阿斯利康、Akcea、礼来、Anthera、Kowa、Omthera、默克、武田、Resverlogix、赛诺菲-再生元、CSL Behring、Esperion和勃林格殷格翰的顾问。P.J.P. 已从雅培血管公司获得研究资助，从安进和Esperion获得咨询费，并从阿斯利康、拜耳、勃林格殷格翰、默克先灵葆雅和辉瑞获得演讲酬金。

致谢

作者谨此感谢阿德莱德大学、皇家阿德莱德医院（RAH）以及南澳大利亚健康与医学研究所（SAHMRI）提供的支持。COCOMO-ACS 试验是一项研究者发起的研究，由澳大利亚国家健康与医学研究理事会（NHMRC）（项目编号 ID1127159）和澳大利亚国家心脏基金会（项目编号 ID101370）的项目资助。H.J.C. 获得了西太平洋学者信托基金（未来领袖奖学金）的奖学金资助，并感谢阿德莱德大学、机械工程学院以及教育、技能与就业部研究培训计划（RTP）奖学金的支持。S.J.N. 获得了澳大利亚国家健康与医学研究理事会（NHMRC）的首席研究员奖学金（项目编号 ID1111630）。P.J.P. 获得了澳大利亚国家心脏基金会 2 级未来领袖奖学金（FLF102056）以及澳大利亚国家健康与医学研究理事会（NHMRC）2 级职业发展奖学金（CDF1161506）。

访问受限。请登录或开始试用以查看此内容。

材料

本文使用的材料清单
姓名公司目录编号评论
ANSYS Workbench（版本 19.0）ANSYS商业有限元求解器
MATLAB（版本 2019b）Mathworks商业编程平台
MicroDicom/ImageJMicroDicom/ImageJ开源 DICOM 阅读器
Visual Studio（版本 2019）Microsoft商业集成开发环境

参考文献

  1. American Heart Association. Cardiovascular disease: A costly burden for America projections through 2035. American Heart Association. , (2017).
  2. Gheorghe, A., et al. The economic burden of cardiovascular disease and hypertension in low-and middle-income countries: A systematic review. BMC Public Health. 18 (1), 975(2018).
  3. Virani, S. S., et al. Heart disease and stroke statistics-2020 update: A report from the American Heart Association. Circulation. 141 (9), 139(2020).
  4. Benjamin, E. J., et al. Heart disease and stroke statistics-2019 update: A report from the American Heart Association. Circulation. 139 (10), 56(2019).
  5. Cardiovascular diseases (CVDs). World Health Organisation. , Available from: https://www.who.int/news-room/fact-sheets/detail/cardiovascular-diseases-(cvds) (2017).
  6. Calvert, J. W. Cellular and Molecular Pathobiology of Cardiovascular Disease. Willis, M. S., Homeister, J. W., Stone, J. R. , Academic Press. 79-100 (2014).
  7. Baumann, A. A. W., Mishra, A., Worthley, M. I., Nelson, A. J., Psaltis, P. J. Management of multivessel coronary artery disease in patients with non-ST-elevation myocardial infarction: a complex path to precision medicine. Therapeutic Advances in Chronic Disease. 11, 1-23 (2020).
  8. Montarello, N. J., Nelson, A. J., Verjans, J., Nicholls, S. J., Psaltis, P. J. The role of intracoronary imaging in translational research. Cardiovascular Diagnosis and Therapy. 10 (5), 1480-1507 (2020).
  9. Narula, J., et al. Histopathologic characteristics of atherosclerotic coronary disease and implications of the findings for the invasive and noninvasive detection of vulnerable plaques. Journal of the American College of Cardiology. 61 (10), 1041-1051 (2013).
  10. Kim, S. -J., et al. Reproducibility of in vivo measurements for fibrous cap thickness and lipid arc by OCT. JACC: Cardiovascular Imaging. 5 (10), 1072-1074 (2012).
  11. Prati, F., et al. Relationship between coronary plaque morphology of the left anterior descending artery and 12 months clinical outcome: the CLIMA study. European Heart Journal. 41 (3), 383-391 (2019).
  12. Nelson, A. J., Ardissino, M., Psaltis, P. Current approach to the diagnosis of atherosclerotic coronary artery disease: more questions than answers. Therapeutic Advances in Chronic Disease. 10, 1-20 (2019).
  13. Carpenter, H. J., Gholipour, A., Ghayesh, M. H., Zander, A. C., Psaltis, P. J. A review on the biomechanics of coronary arteries. International Journal of Engineering Science. 147, (2020).
  14. Wang, L., et al. Fluid-structure interaction models based on patient-specific IVUS at baseline and follow-up for prediction of coronary plaque progression by morphological and biomechanical factors: A preliminary study. Journal of Biomechanics. 68, 43-50 (2018).
  15. Shishikura, D., et al. The relationship between segmental wall shear stress and lipid core plaque derived from near-infrared spectroscopy. Atherosclerosis. 275, 68-73 (2018).
  16. Cameron, J. N., et al. Exploring the relationship between biomechanical stresses and coronary atherosclerosis. Atherosclerosis. 302, 43-51 (2020).
  17. Giannoglou, G. D., Soulis, J. V., Farmakis, T. M., Farmakis, D. M., Louridas, G. E. Haemodynamic factors and the important role of local low static pressure in coronary wall thickening. International Journal of Cardiology. 86 (1), 27-40 (2002).
  18. Stone, P. H., et al. Effect of endothelial shear stress on the progression of coronary artery disease, vascular remodeling, and in-stent restenosis in humans: In vivo 6-month follow-up study. Circulation. 108 (4), 438-444 (2003).
  19. Bourantas Christos, V., et al. Shear stress estimated by quantitative coronary angiography predicts plaques prone to progress and cause events. JACC: Cardiovascular Imaging. 13 (10), 2206-2219 (2020).
  20. Stone, P. H., et al. Role of low endothelial shear stress and plaque characteristics in the prediction of nonculprit major adverse cardiac events: The PROSPECT study. JACC: Cardiovascular Imaging. 11 (3), 462-471 (2018).
  21. Arzani, A., Gambaruto, A. M., Chen, G., Shadden, S. C. Wall shear stress exposure time: a Lagrangian measure of near-wall stagnation and concentration in cardiovascular flows. Biomechanics and Modeling in Mechanobiology. 16 (3), 787-803 (2017).
  22. Hoogendoorn, A., et al. Multidirectional wall shear stress promotes advanced coronary plaque development: comparing five shear stress metrics. Cardiovascular Research. 116 (6), 1136-1146 (2020).
  23. Chiastra, C., et al. Healthy and diseased coronary bifurcation geometries influence near-wall and intravascular flow: A computational exploration of the hemodynamic risk. Journal of Biomechanics. 58, 79-88 (2017).
  24. Gallo, D., Steinman, D. A., Bijari, P. B., Morbiducci, U. Helical flow in carotid bifurcation as surrogate marker of exposure to disturbed shear. Journal of Biomechanics. 45 (14), 2398-2404 (2012).
  25. De Nisco, G., et al. The atheroprotective nature of helical flow in coronary arteries. Annals of Biomedical Engineering. 47 (2), 425-438 (2019).
  26. De Nisco, G., et al. The impact of helical flow on coronary atherosclerotic plaque development. Atherosclerosis. 300, 39-46 (2020).
  27. Eslami, P., et al. Effect of wall elasticity on hemodynamics and wall shear stress in patient-specific simulations in the coronary arteries. Journal of Biomechanical Engineering. 142 (2), (2019).
  28. Malvè, M., García, A., Ohayon, J., Martínez, M. A. Unsteady blood flow and mass transfer of a human left coronary artery bifurcation: FSI vs. CFD. International Communications in Heat and Mass Transfer. 39 (6), 745-751 (2012).
  29. Chiastra, C., Migliavacca, F., Martínez, M. Á, Malvè, M. On the necessity of modelling fluid-structure interaction for stented coronary arteries. Journal of the Mechanical Behavior of Biomedical Materials. 34, 217-230 (2014).
  30. Carpenter, H., Gholipour, A., Ghayesh, M., Zander, A. C., Psaltis, P. In vivo based fluid-structure interaction biomechanics of the left anterior descending coronary artery. Journal of Biomechanical Engineering. 143 (8), (2021).
  31. Tang, D., et al. 3D MRI-based anisotropic FSI models with cyclic bending for human coronary atherosclerotic plaque mechanical analysis. Journal of Biomechanical Engineering. 131 (6), (2009).
  32. Gholipour, A., Ghayesh, M. H., Zander, A. C., Psaltis, P. J. In vivo based biomechanics of right and left coronary arteries. International Journal of Engineering Science. 154, (2020).
  33. Pei, X., Wu, B., Li, Z. -Y. Fatigue crack propagation analysis of plaque rupture. Journal of Biomechanical Engineering. 135 (10), (2013).
  34. Wang, L., et al. IVUS-based FSI models for human coronary plaque progression study: components, correlation and predictive analysis. Annals of Biomedical Engineering. 43 (1), 107-121 (2015).
  35. Fan, R., et al. Human coronary plaque wall thickness correlated positively with flow shear stress and negatively with plaque wall stress: an IVUS-based fluid-structure interaction multi-patient study. BioMedical Engineering OnLine. 13 (1), 32(2014).
  36. Migliori, S., et al. Application of an OCT-based 3D reconstruction framework to the hemodynamic assessment of an ulcerated coronary artery plaque. Medical Engineering & Physics. 78, 74-81 (2020).
  37. Pataky, T. DIGITIZE07. MATLAB Central File Exchange. , Available from: https://www.mathworks.com/matlabcentral/fileexchange/14703-digitize07 (2021).
  38. D'Errico, J. interparc. MATLAB Central File Exchange. , Available from: https://www.mathworks.com/matlabcentral/fileexchange/34874-interparc (2021).
  39. Davies Justin, E., et al. Evidence of a dominant backward-propagating "suction" wave responsible for diastolic coronary filling in humans, attenuated in left ventricular hypertrophy. Circulation. 113 (14), 1768-1778 (2006).
  40. Campbell, I. C., et al. Effect of inlet velocity profiles on patient-specific computational fluid dynamics simulations of the carotid bifurcation. Journal of Biomechanical Engineering. 134 (5), (2012).
  41. Chang, W. -T., et al. Ultrasound based assessment of coronary artery flow and coronary flow reserve using the pressure overload model in mice. Journal of Visualized Experiments: JoVE. (98), (2015).
  42. Holzapfel, G. A., Sommer, G., Gasser, C. T., Regitnig, P. Determination of layer-specific mechanical properties of human coronary arteries with nonatherosclerotic intimal thickening and related constitutive modeling. American Journal of Physiology-Heart and Circulatory Physiology. 289 (5), 2048-2058 (2005).
  43. Versluis, A., Bank, A. J., Douglas, W. H. Fatigue and plaque rupture in myocardial infarction. Journal of Biomechanics. 39 (2), 339-347 (2006).
  44. ANSYS Inc. ANSYS Academic Research Mechanical, Release 19.0, Mechanical APDL Theory Reference, Structures with Material Nonlinearities, Hyperelasticity, Mooney-Rivlin. ANSYS Inc. , (2019).
  45. Dong, J., Sun, Z., Inthavong, K., Tu, J. Fluid-structure interaction analysis of the left coronary artery with variable angulation. Computer Methods in Biomechanics and Biomedical Engineering. 18 (14), 1500-1508 (2015).
  46. Johnston, B. M., Johnston, P. R., Corney, S., Kilpatrick, D. Non-Newtonian blood flow in human right coronary arteries: Steady state simulations. Journal of Biomechanics. 37 (5), 709-720 (2004).
  47. Abbasian, M., et al. Effects of different non-Newtonian models on unsteady blood flow hemodynamics in patient-specific arterial models with in-vivo validation. Computer Methods and Programs in Biomedicine. 186, (2020).
  48. Soulis, J. V., et al. Non-Newtonian models for molecular viscosity and wall shear stress in a 3D reconstructed human left coronary artery. Medical Engineering & Physics. 30 (1), 9-19 (2008).
  49. Liu, B., Tang, D. Influence of non-Newtonian properties of blood on the wall shear stress in human atherosclerotic right coronary arteries. Molecular & Cellular Biomechanics: MCB. 8 (1), (2011).
  50. Morbiducci, U., Ponzini, R., Grigioni, M., Redaelli, A. Helical flow as fluid dynamic signature for atherogenesis risk in aortocoronary bypass. A numeric study. Journal of Biomechanics. 40 (3), 519-534 (2007).
  51. Morbiducci, U., et al. In vivo quantification of helical blood flow in human aorta by time-resolved three-dimensional cine phase contrast magnetic resonance imaging. Annals of Biomedical Engineering. 37 (3), (2009).
  52. Sughimoto, K., et al. Effects of arterial blood flow on walls of the abdominal aorta: Distributions of wall shear stress and oscillatory shear index determined by phase-contrast magnetic resonance imaging. Heart and Vessels. 31 (7), 1168-1175 (2016).
  53. Ku, D. N., Giddens, D. P., Zarins, C. K., Glagov, S. Pulsatile flow and atherosclerosis in the human carotid bifurcation. Positive correlation between plaque location and low oscillating shear stress. Arteriosclerosis. 5 (3), 293-302 (1985).
  54. Mazzi, V., et al. Wall shear stress topological skeleton analysis in cardiovascular flows: Methods and applications. Mathematics. 9 (7), 720(2021).
  55. Moraes, M. C., Cardenas, D. A. C., Furuie, S. S. Automatic lumen segmentation in IVOCT images using binary morphological reconstruction. BioMedical Engineering OnLine. 12 (1), 78(2013).
  56. Akyildiz, A. C., et al. The effects of plaque morphology and material properties on peak cap stress in human coronary arteries. Computer Methods in Biomechanics and Biomedical Engineering. 19 (7), 771-779 (2016).
  57. Tang, D., et al. Quantifying effects of plaque structure and material properties on stress distributions in human atherosclerotic plaques using 3D FSI models. Journal of Biomechanical Engineering. 127 (7), 1185-1194 (2005).
  58. Li, J., et al. Multimodality intravascular imaging of high-risk coronary plaque. JACC: Cardiovascular Imaging. , (2021).
  59. Bourantas Christos, V., et al. Utility of multimodality intravascular imaging and the local hemodynamic forces to predict atherosclerotic disease progression. JACC: Cardiovascular Imaging. 13 (4), 1021-1032 (2020).
  60. Liao, R., Luc, D., Sun, Y., Kirchberg, K. 3-D reconstruction of the coronary artery tree from multiple views of a rotational X-ray angiography. The International Journal of Cardiovascular Imaging. 26 (7), 733-749 (2010).
  61. Holzapfel, G. A., Gasser, T. C., Ogden, R. W. A new constitutive framework for arterial wall mechanics and a comparative study of material models. Journal of Elasticity and the Physical Science of Solids. 61 (1), 1-48 (2000).
  62. Gholipour, A., Ghayesh, M. H., Zander, A., Mahajan, R. Three-dimensional biomechanics of coronary arteries. International Journal of Engineering Science. 130, 93-114 (2018).
  63. Akyildiz, A. C., et al. Effects of intima stiffness and plaque morphology on peak cap stress. BioMedical Engineering OnLine. 10 (1), 25(2011).
  64. Baranger, J., Mertens, L., Villemain, O. Blood flow imaging with ultrafast doppler. Journal of Visualized Experiments: JoVE. (164), (2020).
  65. Westra, J., et al. Diagnostic performance of in-procedure angiography-derived quantitative flow reserve compared to pressure-derived fractional flow feserve: The FAVOR II Europe-Japan study. Journal of the American Heart Association. 7 (14), (2018).
  66. Torii, R., et al. The impact of plaque type on strut embedment/protrusion and shear stress distribution in bioresorbable scaffold. European Heart Journal - Cardiovascular Imaging. 21 (4), 454-462 (2020).
  67. Peirlinck, M., et al. Precision medicine in human heart modeling. Biomechanics and Modeling in Mechanobiology. , 1-29 (2021).
  68. Franke, K. B., et al. Current state-of-play in spontaneous coronary artery dissection. Cardiovascular Diagnosis and Therapy. 9 (3), 281(2019).
  69. Alber, M., et al. Integrating machine learning and multiscale modeling-perspectives, challenges, and opportunities in the biological, biomedical, and behavioral sciences. NPJ Digital Medicine. 2 (1), 115(2019).

访问受限。请登录或开始试用以查看此内容。

重印与许可

标签

生物力学分析壁面剪切应力三维重建血管内成像有限元建模斑块进展高弹性动脉壁
基于光学相干断层扫描的冠状动脉粥样硬化进展生物力学流固耦合分析
联系我们
向图书馆推荐

隐私政策

使用条款

政策

版权所有 © 2026 MyJoVE Corporation。保留所有权利。