Method Article

基于磁共振成像的计算方案，用于分析颈动脉狭窄患者的斑块形态和血流动力学

DOI:

10.3791/68447

⸱

August 12th, 2025

 ,  ,  ,  ,  ,  ,  ,  , 
1Department of Surgery, University of Michigan, 2Department of Biomedical Engineering, University of Michigan, 3School of Medicine, University of Cincinnati, 4Department of Biomedical Sciences, Cedars Sinai Medical Center, 5Department of Radiology, University of Michigan

In This Article

Summary

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

颈内动脉 （ICA） 狭窄的评估基于狭窄百分比的估计，这没有考虑中风的生理相关危险因素，例如斑块组成和血流动力学。该协议利用定量磁共振成像和计算流体动力学来表征ICA斑块组成和血流动力学。

Abstract

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

目前颈内动脉 （ICA） 狭窄的评估和管理基于通过双工超声 （DUS） 或计算机断层扫描血管造影 （CTA） 估计狭窄百分比，这没有考虑中风的生理相关危险因素，例如斑块脆弱性和血流动力学。了解颈动脉斑块的组成和斑块上的血流动力学负荷可用于对斑块的栓塞潜力进行更全面的评估，而不是单独使用狭窄百分比。通过将磁共振成像 （MRI） 和患者特异性计算流体动力学 （CFD） 配对，可以识别 ICA 狭窄和斑块组成的血流动力学差异。定量多对比动脉粥样硬化表征 （qMatch） MRI 可以对斑块组成进行详细分析。可以使用相差 （PC） MRI 创建 CFD 模型，该模型可用于获得流动波形和 CTA 和/或飞行时间 （TOF）-MRI 解剖结构。在创建颈动脉分叉的 3D 几何模型后，将 PC-MRI 导出的波形规定给颈总动脉流入和颈外动脉流出。然后将三元素 Windkessel 模型经过迭代调整以匹配患者的血压，然后开给 ICA。最后，获得不可压缩纳维-斯托克斯方程的解，以提供高分辨率的速度和压力，从而捕获颈动脉分叉和ICA狭窄的血流动力学。本文提供了一个详细的方案，允许对 ICA 狭窄患者的斑块组成和血流动力学负荷进行无创和患者特异性表征。

Introduction

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

颈内动脉 （ICA） 狭窄是中风、长期残疾和死亡的主要原因 1,2,3,4,5,6,7。目前 ICA 狭窄的评估和治疗基于通过双工超声 （DUS） 速度或横截面解剖结构 [计算机断层扫描血管造影 （CTA） 和/或磁共振成像 （MRI）] 估计狭窄百分比。然而，狭窄百分比并未考虑中风的生理相关危险因素，例如斑块脆弱性和斑块8、9、10、11、12、13、14 的血流动力学负荷。尽管颈动脉内膜切除术 （CEA） 后中风风险已证明在狭窄超过 50% 的有症状患者中降低，但 CEA 对无症状患者的益处仍存在争议 3,4。事实上，许多外科医生将手术干预保留给那些有狭窄病变的人 >80% 和/或具有高风险（脆弱）斑块形态的病例15。有必要改进方法来确定哪些 ICA 狭窄有斑块栓塞的风险，从而从 CEA 中受益。

定量多对比动脉粥样硬化表征 （qMatch） 是一种 MRI 技术，它利用低秩建模来实现高分辨率 3D 成像，提供共同注册的多对比度暗血和亮血图像，以及松弛测定图像，用于对颈动脉斑块进行全面和定量评估16,17.与传统 MRI 相比，qMatch 提高了 3D 各向同性分辨率、较大的解剖覆盖范围和颈动脉斑块负荷的定量评估。患者特定的计算流体动力学 （CFD） 可用于表征斑块上的血流动力学负荷，从而提供有关脑血管栓塞事件的血流动力学和生物力学风险的独特信息 18,19,20,21,22,23.与单独的狭窄百分比相比，了解颈动脉斑块的组成和斑块上的血流动力学负荷可用于更全面地评估栓塞潜力。在这项工作中，我们提出了一种协议，该协议同时使用 qMatch MRI 和 MRI 知情 CFD 来识别 ICA 狭窄中斑块组成和血流动力学的差异。

Protocol

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

该研究得到了密歇根大学机构审查委员会的批准，并获得了每个研究对象的知情同意。该协议使用CRIMSON，这是一个经过验证的开源计算血流动力学框架，可执行关键的计算建模任务，例如网格生成，边界条件规范和有限元分析24,25。要下载 CRIMSON 和/或查看建模教程，请访问网站 （https://crimson.software）。CRIMSON GUI 需要 Windows作系统。CRIMSON 流求解器适用于 Windows 和 Linux。

1. 患者招募和患者特定数据采集

  1. 招募在 DUS 和/或 CTA（根据北美症状性颈动脉内膜切除术试验 （NASCET） 标准定义）上诊断为严重 ICA 狭窄的成年患者26。包括没有已知的 MRI（即金属植入物）禁忌症或 MRI 不耐受（即幽闭恐惧症、无法平躺/保持静止）的患者。如果患者怀孕或有 MRI 禁忌症，则排除患者。获得知情同意，其中应包括对研究程序、风险、益处、保密保证、研究持续时间和退出研究的权利的讨论和理解。
  2. 获取回顾性和/或前瞻性患者数据，为CFD模型提供信息。使用 CTA、MRI 和/或血管造影图像进行患者解剖结构。
    注意：边界条件将在后面更详细地讨论。然而，一般来说，告知边界条件的数据通常包括无创或有创压力、DUS 速度和/或相差 （PC）-MRI 衍生的血流。
  3. 在 MRI 之前，为每位登记的患者进行详细的预筛选 MRI 安全表，以确定 MRI 的任何禁忌症。与 2+ 研究团队成员一起审查 MRI 安全表格。指示登记的受试者取下所有金属物品并为他们提供一件长袍。
  4. 将受试者仰卧放置在 3T MRI 系统上，提供听力保护和毯子以确保患者舒适，并放置头颈线圈。
  5. 在执行初始定位序列以在颈动脉分叉处建立正确的方向后，执行以下三个序列：
    1. 获得头部和颈部的 3D 飞行时间 MRI，以对脉管系统进行解剖学表征，从 C5 处的颈总动脉 （CCA） 到远端 ICA，即大孔。
    2. 在近端颈外动脉 （ECA） 和病变远端中 ICA 的 C5 和颈动脉分叉上方的 CCA 水平获得 2D 心脏门控 PC-MRI，以测量体积血流波形。患者特定速度编码 （Venc） 基于通过 DUS 测量的每条血管（CCA、ECA 和病变远端的中 ICA）的峰值收缩速度 （PSV）。一般来说，目标是在感兴趣的血管处使 Venc 比 PSV 高 ~20%。
    3. 使用定位在颈动脉分叉处的 qMatch MRI 序列来获取有关斑块组成和斑块脆弱性的详细信息。

2. 从 PC-MRI 获取流动波形

  1. 在上述位置获得二维心门控PC-MRI后，使用MRI扫描仪上的内置软件获取体积流量波形。
    1. 在MRI扫描仪上，识别并使用相应的流量量化软件来获得PC-MRI衍生的流量波形。
    2. 选择每个感兴趣的容器（即 CCA、ECA 和 ICA），并在指定容器周围放置轮廓以提供自动流动波形。手动编辑轮廓以确保容器的准确面积。
    3. 从相应的软件导出流量波形。
      注意：不同 MRI 制造商之间的流量量化软件可能有所不同。
  2. 利用傅里叶变换来插值并创建平滑、连续且具有更多数据点的流动波形，从而为 CFD 仿真提供更精细的流动曲线。
    注意：将流量强加到 CRIMSON24 （稍后将讨论）波形函数是连续的很重要：函数本身及其导数都存在并且对于所有时间值都是连续的。傅里叶插值根据测量流量数据点 （PC-MRI） 和所需时间点（用于 CFD 分析）的任意任意组合生成连续波形。
  3. 为确保流入面和流出面之间的质量守恒，请比较傅里叶变换后 CCA、ECA 和 ICA 的平均流量。
    1. 如果质量守恒（即 CCA 流量 = ECA 流量 + ICA 流量）不在 10% 以内，请不要继续前进并继续进行故障排除。
    2. 首先，验证用于 Venc 的 PSV 是否准确，并检查是否在大分支（或多个分支）后测量了 ECA PC-MRI 衍生的流动波形。
    3. 如果在大ECA分支后获得PC-MRI流动波形，则增加流向ECA的流量并重新检查质量守恒情况。

3. 计算流体动力学建模：几何

  1. 使用数据管理器中的导入按钮，将患者特定解剖结构（CTA、MRI、血管造影）的去识别化 DICOM 图像数据导入 CRIMSON。
  2. 使用“几何建模”窗口选择“ 血管路径编辑 ”，并创建由感兴趣的解剖范围（CCA、ECA 和 ICA）组成的血管树。
  3. 使用 “血管路径编辑” 窗口沿感兴趣解剖结构（CCA、ECA 和 ICA）中每个血管的长度放置中心线点。
    1. CCA 中心线通常从 C5 水平开始，对应于 PC-MRI 获得流动波形的位置。
    2. ICA 中心线通常终止于狭窄远端 1-2 cm，对应于 PC-MRI 获得血流波形的位置。
    3. 中心线的ECA通常终止于ECA的一阶分支的近端，对应于从PC-MRI获得流动波形的位置。
  4. 使用 Vessel Re-slice 窗口，可以可视化沿每个血管的中心线点的长度。在沿血管中心线添加至少两个点后，将出现此窗口，并包含沿（垂直于）中心线的横截面视图。
    注意：容器中心线也可以以 CRIMSON 格式导入（它们必须是 VTK 文件格式）。
  5. 使用 “容器重新切片 ”窗口通过添加容器轮廓（使用圆、椭圆或手动轮廓）来指定容器壁的边界。“ 容器重新切片 ”窗口提供容器沿中心线的视图，以便可以定义准确的轮廓。轮廓由用户在“ 血管重新切片 ”窗口中在血管中心线的不同点上手动添加。
    注意：在 容器重新切片 窗口的左侧显示原始图像。在容器重新切片窗口的右侧，显示图像的渐变。渐变图像视图在定义轮廓时很有帮助，因为它可以更清楚地显示管腔的边界。
    1. 沿中心线足够频繁地放置轮廓，以完全捕捉容器的曲率和不断变化的几何形状，同时不要太近以过度拟合或产生伪影。
  6. 在感兴趣的容器上放置轮廓后，使用“容器轮廓建模”窗口中的“放样”按钮，通过称为放样的过程创建每个几何体的组合 3D 实体模型。
  7. 选择“ 容器混合”（Vessel Blending ） 窗口以生成单个实体几何容器。最常见的混合算法是圆角。典型的圆角尺寸在 0.3 至 1 毫米之间。

4. 计算流体动力学建模：网格划分

  1. 选择 网格划分 和 求解器设置（Meshing and Solver Setup） 窗口 ，然后使用网格划分按钮可视化网格划分选项并选择特定的网格参数。
    注意：网格由多个四面体单元组成，并且需要运行模拟，因为速度和压力的纳维-斯托克斯方程是在网格上的每个点（节点）处求解的。可以使用全局和/或局部特征定义基本网格。具体来说，网格可以通过元素大小（即，较小的元素尺寸导致更小或更精细的网格）、曲率细化（向具有较高曲率的区域添加更多网格元素）或其他局部网格细化特征来定义。特定的网格划分策略可能会根据感兴趣的不同几何形状而有所不同。在当前感兴趣的几何形状（即 CCA、近端 ICA 和近端 ECA）的设置中，同时利用全局和局部网格特征。
  2. 使用 全局选项 窗口将 全局元素大小 设置为 介于 0.5 mm 和 0.75 mm 之间的绝对值。
  3. 使用全局选项窗口将边界图层类型指定为几何增长。将总层数设置为 3 层，第一层厚度为 0.2 mm，总层厚度设置为 1.0 mm，从而允许沿面部外侧的网格较细，沿面部中间的网格较细。
  4. 最后，使用曲率细化在有曲率的区域（即狭窄处）添加更多网格单元。
    注意：局部网格细化选项还可用于在特定容器、分叉区域或入口/出口面创建更精细的网格。
  5. 右键单击网格体后，单击 网格体信息（Mesh Information ） 按钮来查看网格体元素。
    注意：最终网格应包含具有适当纵横比的元素（给定四面体元素的最大边与最小边的比率，越小越好），捕获关键区域（即狭窄、血管出口、边界层）流动特征的元素分布，并避免过度失真或细胞大小急剧变化。
    当前感兴趣几何形状的最终网格应包含 400,000-700,000 个单元。
    图 1A 描述了与患者几何形状和网格划分相关的关键步骤。

5. 计算流体动力学建模：边界条件

  1. 要指定边界条件，请选择“ 网格划分和求解器设置 ”窗口，然后选择“ 求解器设置 ”图标。在 “求解器设置 ”窗口中，添加边界条件集（称为“BC 集”），然后使用 BC 图标选择特定的边界条件。
    注意：边界条件用于表示超出分段模型边界的压力和血流。决定使用哪些边界条件以及在何处规定它们可以说是任何 CFD 模型中最重要和最关键的方面，应该经过深思熟虑，并得到生理相关含义的支持。应选择和调整边界条件以匹配患者特定的值，并且在患者特定值不可用的情况下，可以使用文献数据来为计算模型提供信息。
  2. 观察 CRIMSON 中当前可用的边界条件：
    1. 入口：压力、规定速度（流量波形）、自定义集总参数电路（通过 Python 脚本定义的电阻器、电容器、电感器、压力节点和自定义电路元件的任意组合）。
    2. 墙：无滑移（指刚性或不可变形的墙），可变形。
    3. 出口：压力、RCR、规定速度（流量波形）、自定义集总参数电路。
  3. 单击 BC 图标以选择特定的边界条件。首先，选择 无滑移（No Slip ） 以实现刚性、不可变形的墙，并使用 应用于所有墙（Apply to all walls ） 按钮将其应用于所有墙。
  4. 接下来，单击 BC 图标并选择 规定的速度 以导入先前定义的流入波形（即傅里叶变换后 PC-MRI 衍生的 CCA 流）。在边界条件窗口中，将抛物线速度剖面映射到 CCA 的入口。
    注意：在 CRIMSON 中，约定是入口流量为负，出口流量为正。
  5. 类似地，导入从 PC-MRI 重建的脉动 ECA 流出波形（规定速度），并将抛物线速度曲线映射到 ECA 的出口。
  6. 选择 BC 图标 |RCR 以填充三单元 Windkessel 模型 （RCR），该模型由近端电阻 （Rp）、远端电阻 （Rd） 和电容器 （C） 组成。将 RCR 映射到 ICA 的出口。使用 PC-MRI 流量数据和患者的血压计算近似的患者特异性 RCR 值。
    1. 总动脉阻力为 RT= P平均值/QT，其中平均血压 P平均值 = 1/3 P收缩压 + 2/3 P舒张压，QT 是进入模型的总心流量（在本例中为 CCA 流量）。
    2. 总动脉顺应性为 CT = （QT，max-Q T，min）/（P收缩压-P舒张压）*Δt，其中 QT，max 和 QT，min 是 CCA 流入的最大值和最小值，Δt 是这些值之间的时间间隔。
    3. Windkessel 模型参数的初始估计值由患者特定的成像提供信息，并通过在 ICA出口上分布一小部分 RT 和 CT 来获得。
      注意： 图1B 描述了本建模方案中使用的边界条件。本研究利用了上述边界条件集;但是，可以使用其他边界条件集。

6. 计算流体动力学建模：仿真

  1. 在 网格划分和解算器设置 窗口中，选择 解算器设置 图标 |Sovler 参数， 用于在 CRIMSON 中指定求解器参数。
    1. 使用 0.1 毫秒的时间步长运行模拟，涉及四个心动周期。
      注意：每个时间步长的溶液被视为收敛所需的残差为 1 x 10-4。由于高级 ICA 狭窄具有复杂且再循环流的区域，因此使用 Carreau-Yasuda 模型将血液模型为不可压缩的非牛顿流体。这可以通过向求解器输入文件添加粘度常数模型来完成（参见 6.3.1）。将血液密度设置为 1,060 kg·m−3。
      不可压缩纳维-斯托克斯方程的稳定有限元公式求解模型中的血流速度和压力。
  2. 要开始仿真，请使用 CRIMSON 中的求解器设置准备仿真文件。具体来说，生成包含流量数据 （bct.dat）、每个时间步长的入口流量 （bctFlowWaveform.dat）、网格和边界条件信息 （geombc.dat）、应用每个边界条件的面信息 （faceinfo.dat）、模拟的第一个时间步长编号 （numstart.dat）、3 单元 Windkessel 数据 （rcrt.dat）、包含网格中每个点的压力和速度信息的文件（重新启动文件）， 以及 Flowsolver （solver.inp） 的说明。
    1. 将 Carreau-Yasuda 模型添加到 solver.inp 中并添加到模拟文件中，以允许将血液建模为非牛顿流体。
  3. 要运行模拟，请从以下选项中进行选择：
    1. 要以最简单的方式运行 CRIMSON Navier-Stokes 流解算器，请按求解器设置窗口的“研究”窗格中的“运行仿真”按钮。这将打开一个命令窗口，允许用户指定要使用的处理器数量。
      注意：也可以使用 Windows 批处理文件从命令行运行 flowsolver。
      尽管某些仿真（即稳态假设下的仿真）可以直接通过本地 Windows 台式计算机上的 CRIMSON 运行，但使用由许多四面体元素（>200,000）组成的网格的脉动仿真将需要具有更多计算机高性能计算 （HPC） 集群和 Linux作系统。
  4. 使用 CRIMSON Navier-Stokes flowsolver 在 HPC 集群上执行 72-108 个内核的计算。如果在 HPC 群集上执行模拟，请将所有预求解器文件传输到群集。
    注意：将文件传输到 HPC 集群的过程会因个人和机构而异，具体取决于他们可用的技术和软件。
  5. 当求解器开始运行时，请注意命令行中打印出名为“histor.dat”的输出文件。仿真输出文件将保存在名为“n-procs-case”的新目录中，其中“n”是用于仿真的处理器数。
    1. 使用 linux 提示符： tail -f histor.dat 实时查看“histor.dat”文件。histor.dat文件由多列组成;但是，前四列是最重要的。
      1. 观察第一列是当前时间步长，它可能会出现多次，因为在每个步骤中，纳维-斯托克斯方程被多次求解，以提高数值解的精度，然后再进行下一步（即接近指定的残差）。
      2. 请注意，第二列是经过的模拟时间（以秒为单位）。
      3. 请注意，第三列是非线性残差，它是当前解决方案质量的度量（数字越小表示解决方案越好）。
      4. 观察第四列是当前残差与模拟开始时初始残差的对数值，它提供了当前残差相对于起点的度量。

7. 计算流体动力学建模：后处理

  1. 在仿真完成后检查收敛性（即，仿真方法是否成功满足了指定的残差）。使用“histor.dat”文件中包含的信息绘制和/或可视化残差。
  2. 为了可视化详细的仿真结果，需要进行后处理。导航到“n-procs-case”文件夹并执行后置解算器和多后求解器可执行文件（两者都可以在 CRIMSON flowsolver 安装文件中找到）。
    1. 使用后求解器可执行文件（postsolver -sn<最后一个时间步长> -td -ph -ybar）生成一个“ybar”文件，其中包含网格中每个节点的误差度量。
    2. 使用 multipostsolver 可执行文件 （multipostsolver <第一个时间步长> <最后一个时间步长> <增量> <文件夹名称>） 通过在第一个和最后一个指定的时间步长之间以指定的增量检索结果来合并重新启动文件。
  3. 通过检查“FlowHist.dat”文件来验证质量守恒，该文件包含 CCA 流入以及 ECA 和 ICA 流出的流动波形。
  4. 通过查看“PressHist.dat”文件检查压力，包括最大压力 （SBP）、最小压力 （DBP）、MAP 和脉压（脉压 = SBP-DBP）。
  5. 调整 RCR 参数以确保与患者特定信息（例如血压）一致。具体来说，调整电阻和电容，使 CCA 出口处的模拟脉压在患者脉压的 5% 和 MAP（来自袖带测量）的 10% 以内。
    注意：增加阻力以增加压力（SBP、DBP 和 MAP）并增加顺应性以降低脉压（反之亦然）。调整 RCR 是一个迭代过程，通常称为定点迭代。

8. 计算流体动力学建模：数据分析

  1. 模拟通过指定调整（即模拟脉压在患者脉压的 5% 以内）后，导出、可视化和分析数据。
  2. 在运行多后求解器可执行文件后创建的文件夹中识别“view.pht”文件[即（多后求解器<第一个时间步长> <最后一个时间步长> <增量> <文件夹名>]）并将其导入Paraview。
  3. 在 Paraview 中计算和可视化以下变量。
    1. 速度（和流量）：CRIMSON 报告的速度以毫米/秒为单位，但在 DUS 成像速度中报告的单位为厘米/秒。使用 Paraview 中的计算器将速度转换为 cm/s。
      注意：由于使用了防滑或刚性墙边界条件，因此墙的速度将为零。因此，最好使用体积渲染技术可视化速度。
      1. 使用 Paraview 中的剪辑或切片功能捕获模型特定部分（即最大狭窄点）的速度曲线。
    2. 压力（和压力比）
      注意：CRIMSON 报告 Pascal （Pa） 的压力;然而，在临床上，压力以 mmHg 为单位报告。使用计算器将压力（以 Pa 为单位）除以 133.33 将压力转换为 mmHg。
      1. 使用夹子或切片捕获 ICA 狭窄近端和远端的压力。使用 Paraview 中的“绘制数据显性时间”过滤器获取随时间变化的压力波形（类似于通过侵入式压力测量获得的波形）。
      2. 通过将平均远端压力除以平均近端压力来计算压力比。
    3. 壁剪应力 （WSS）：通过首先选择感兴趣区域（ICA 狭窄），使用计算器获取 WSS 的大小，并使用“时间统计过滤器”来计算时间平均 WSS。
    4. 计算时间平均 WSS 后，在 Paraview 中计算振荡剪切指数 （OSI）（见上文）。
      注意：OSI 是衡量 WSS 在心动周期中改变方向和幅度的程度的指标。OSI 值范围为 0 到 0.5，其中 0 表示单向 WSS，0.5 表示时间平均值为零的 WSS。

9. 使用qMatch MRI分析斑块形态

  1. 通过MATLAB图像重建程序运行原始qMatch图像数据，获得后处理图像，包括暗血、T1加权、T2加权、MRA、qMatch T1 Map和qMatch T2 Map图像。
  2. 使用 DICOM 查看器可视化后处理的 qMatch MRI 图像并评估斑块组成。
    注意：qMatch可以识别斑块成分，包括钙，斑块内出血（IPH），富含脂质的坏死核心（LRNC）和纤维帽厚度及其状态。
    1. 通常，每个组件在 qMatch 数据集上都具有以下特征（表 1）。
      1. 钙：在深色血液、T1 加权和 T2 加权图像上低强度。
      2. 最近的 IPH：T1 加权图像上高强度，T2 加权图像上高到等强度。
      3. 旧 IPH：T1 加权图像上高强度，T2 加权图像低到等强度。
      4. LRNC：T1 加权图像上高强度，T2 加权图像低强度。
      5. FC：T2 加权图像上的超至等强度。
  3. 使用修改后的美国心脏协会27 和/或斑块-RADS（报告和数据系统）28 分类系统，根据其成分对斑块进行分级。

Results

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

将这种基于 MRI 的 CFD 工作流程与 qMatch MRI 结合使用，可以识别血流动力学负荷和 ICA 狭窄以及斑块的特定成分。我们首先确保我们有一个高质量的网格，以便准确表示关键区域的流动特征。最终网格应包含足够数量的低纵横比网格单元（图 1A）。具有高纵横比的粗糙网格可能会导致模拟结果不准确。然后，我们继续规范边界条件（图1B）。成功完成模拟并进行适当的边界条件调整后，可以收集非侵入性和患者特异性的血流动力学。

可以测量的特定血流动力学指标，包括但不限于速度、流量、压力（包括压力比和压力梯度）、WSS 和 OSI。 图 2 显示了颈动脉分叉和 ICA 狭窄的代表性速度曲线。整个心动周期中最大速度曲线的可视化可以作为 DUS 衍生速度波形的替代指标。因此，PSV 和舒张末期速度 （EDV） 都可以近似。 图 3 显示了颈动脉分叉处的压力 （mmHg） 和 ICA 狭窄的两个代表性示例。压力梯度可以通过收集狭窄近端和远端的压力波形来测量。

在 图 3A 中，狭窄的近端（红线）和远端（蓝线）的压力差异很小甚至没有差异。然而，在 图3B中，狭窄近端（红线）和远端（蓝线）的压力存在很大差异。 图 4 显示了映射在颈动脉分叉和 ICA 狭窄的 WSS （Pa） 的两个代表性示例。在 图 4A 中，整个狭窄处有一个较低的 WSS，而在 图 4B 中，整个狭窄处有一个较大的 WSS。 图 5 显示了 CEA 之前（图 5A：术前）和之后（图 5B：术后）颈动脉分叉处映射的 OSI 的比较。术后地图描绘了与术前相比 OSI 较高的区域。

在对 qMatch 图像进行适当的后处理后，将生成包含六组 DICOM 的数据集，包括暗血、T1 加权、T2 加权、MRA、qMatch T1 Map 和 qMatch T2 Map 序列。使用这些数据集，可以可视化和量化斑块成分，包括钙、IPH、LRNC 和纤维帽厚度和/或破裂（使用 T1 图谱和 T2 图谱序列）。 表 1 描述了 qMatch 数据集上每个斑块成分的一般特征。 图 6 显示了来自 IPH 患者的代表性 qMatch 数据集。ICA的轮廓用白色实线表示，流腔用白色虚线表示，斑块用黄色虚线表示。IPH（红实线）的特征表现为 T1 加权图像中的高信号和 T1 图中降低的 T1 测量值。 图 7 显示了来自严重钙化斑块患者的代表性 qMatch 数据集。ICA 的轮廓用白色实线表示，而流腔用白色虚线表示。斑块的钙化部分（橙色虚线）由深色血液、T1 加权和 T2 加权图像中的低信号显示。

figure-results-1
图 1： 计算流体动力学建模方法概述。 （A） 创建患者特定的几何形状和网格划分，以及 （B） 边界条件的规范。（A）将来自CTA的去识别化DICOM图像数据导入CRIMSON，并确定感兴趣的解剖结构（包括CCA，ICA和ECA）。中心线点沿着感兴趣解剖结构内每个血管的长度放置。容器壁的边界是通过添加等高线来指定的。容器分支被放样，然后与圆角作相结合。然后将最终的几何模型离散化为网格，该网格由多个四面体单元组成，并在狭窄水平进行局部网格细化。（B） ICA 出口处规定了 3 元件 Windkessel，以允许压力和速度的变化。2D 心脏门控 PC-MRI 是在 C5（红色圆圈和椭圆）处的 CCA 水平和近端 ECA（橙色圆圈和椭圆）和病变远端（蓝色圆圈和椭圆）中 ICA 上方获得的，以测量体积血流波形。CCA 入口和 ECA 出口规定了流量波形。缩写：CTA = 计算机断层扫描血管造影;CCA = 颈总动脉;ICA = 颈内动脉;ECA = 颈外动脉;PC = 相差。 请点击此处查看此图的大图。

figure-results-2
图 2：来自 CFD 工作流程的速度信息。 右）速度 （cm/s） 映射到颈动脉分叉模型，包括 CCA、ECA 和 ICA，前视图严重狭窄。左）可以可视化一个心动周期随时间变化的最大速度，作为双工超声的替代指标。缩写：CCA = 颈总动脉;ECA = 颈外动脉;ICA = 颈内动脉。 请点击此处查看此图的大图。

figure-results-3
图 3：前视图中两种病例在颈动脉分叉处绘制的压力 （mmHg） 的代表性示例。 压力映射到 CCA、ECA 和 ICA 的几何模型。（A） ICA 狭窄近端（红线、红线压力波形）和远端（蓝线、蓝线压力波形）压力差异很小甚至没有差异的病例。（B）ICA狭窄近端（红线、红压波形）和远端（蓝线、蓝压波形）压力差较大的病例。缩写：CCA = 颈总动脉;ECA = 颈外动脉;ICA = 颈内动脉。 请点击此处查看此图的大图。

figure-results-4
图4： 前视图中两种病例在颈动脉分叉处绘制的壁剪应力（Pa）的代表性示例。 WSS 映射到 CCA、ECA 和 ICA 的几何模型。（A） ICA 狭窄处 WSS 低的病例。（B） ICA 狭窄处有大 WSS 的病例。缩写：WSS = 壁剪应力;CCA = 颈总动脉;ECA = 颈外动脉;ICA = 颈内动脉。 请点击此处查看此图的大图。

figure-results-5
图5： 颈动脉内膜切除术前（术前）和术后（术后）振荡剪切指数的比较，包括前视图和后视图。 OSI 映射到 CCA、ECA 和 ICA 的几何模型。突出显示病变和修复病变（比较 OSI 的片段）。术后地图描绘了与术前相比 OSI 较高的区域。缩写：OSI = 振荡剪切指数;CCA = 颈总动脉;ECA = 颈外动脉;ICA = 颈内动脉;CEA = 颈动脉内膜切除术。 请点击此处查看此图的大图。

figure-results-6
图 6：来自斑块内出血患者的代表性 qMatch 数据集。 （A） 深血，（B） T1 加权，（C） T2 加权，（D） MRA，（E） qMatch T1 图谱和 （F） qMatch T2 图谱序列。ICA的轮廓用白色实线表示，流腔用白色虚线表示，斑块用黄色虚线表示。IPH（红实线）的特征表现为 T1 加权图像中的高信号和 T1 图中降低的 T1 测量值。缩写：IPH = 斑块内出血。 请点击此处查看此图的大图。

figure-results-7
图 7：来自钙化斑块患者的代表性 qMatch 数据集。 （A） 深血，（B） T1 加权，（C） T2 加权，（D） MRA，（E） qMatch T1 图谱和 （F） qMatch T2 图谱序列。ICA 的轮廓用白色实线表示，而流腔用白色虚线表示。斑块的钙化部分（橙色虚线）由深色血液、T1 加权和 T2 加权图像中的低信号显示。 请点击此处查看此图的大图。

斑块成分MRA的黑暗之血T1wT2wT1-地图T2-地图
IPH++用于定量用于定量
钙---用于定量用于定量
LRNC公司=-用于定量用于定量
纤维帽 Fibroous Cap-/=-/=-用于定量用于定量

表 1：qMatch 数据集上斑块成分的特征。 缩写：MRA = 磁共振血管造影;T1w = T1 加权;T2w = T2 加权;IPH = 斑块内出血;LRNC = 富含脂质的坏死核心;+ = 超强烈;- = 低强度;（=） 等强度。

Discussion

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

在这里，我们提出了一种方案，可以无创地表征 ICA 狭窄的血流动力学负荷和斑块组成，从而提供比当前仅评估狭窄百分比的诊断方式更全面的栓塞潜力评估。我们首先以回顾性和前瞻性的方式获取患者影像学和压力数据，包括 CTA、PC-MRI 和血压袖带数据，以为我们的 CFD 模型提供信息。此外，我们调整模型中的边界条件，特别是 Windkessel 模型，以对应于已知的患者数据。因此，该协议允许收集与斑块栓塞和中风的生理相关危险因素相关的精确和患者特定数据。

使用生理准确和患者特定数据为模型和边界条件提供信息对于获得准确的仿真结果至关重要。脑血管空间中的一些计算模拟依赖于 DUS、数值方法或非患者特定假设来推导流入波形 21,29,30,31。DUS 的使用很有吸引力，因为它广泛可用、经常在临床环境中使用、成本较低且易于获得。然而，PC-MRI 通常被认为是测量流量 32,33,34 的更准确的方法。PC-MRI可以直接量化管腔内多个位置的速度，从而适应血管内流场内的不对称性，从而提供更全面的流动动力学描述32,33。PC-MRI 也不受 DUS 引入的特定作偏差的影响，例如询问角度和测量选择位置。另一方面，DUS 通常依赖于操作员，在捕获容器面积和复杂的流动模式方面不太精确，通常会导致流动不准确。尽管如此，PC-MRI 流量测量并不完美，误差约为 10%35,36。应特别注意确保适当的血管编码，保持与血管轴向正交的图像平面，适当的时间和特殊分辨率，并尽量减少相位偏移误差37。最后，与 CTA 相比，MRI 可能高估了狭窄，在评估患者几何形状时应考虑这一点38。未来的工作重点是比较由 DUS 流波形告知的 CFD 模型的血流动力学输出和由 PC-MRI 流波形告知的血流动力学输出是有保证的。

在血流的 CFD 模拟中，流出边界条件的选择会对速度和压力场产生重大影响。在我们的方法中，我们选择将抛物线流出波形施加给 ECA，并将 ICA 耦合到三元温德克塞尔模型。这种边界条件规范方法允许在入口和出口之间强有力地执行质量守恒，同时还能够准确匹配患者的血压39。因此，我们认为这将提供最准确的ICA血流动力学描述。然而，鉴于我们正在将流动波形强加到我们的模型出口之一（即ECA），对于确保流出波形与CCA流入波形39同步非常重要。在我们的方法中，这是通过从 2D 心脏门控 PC-MRI 收集流量数据而实现的。然而，在获取此类数据不切实际的情况下，不同的边界条件方法可能是有利的（即将ECA和ICA耦合到三元素Windkessel模型），因此不必在流入和流出波形的时间对齐中做出假设39。

需要牢记此协议的重要限制。首先，由于这种建模方法仅包括同侧颈动脉分叉，因此不包括威利斯环和/或影响脑血流动力学的重要因素，例如侧支的存在或对侧 ICA 狭窄的程度。威利斯圈内侧支通路不完整的患者已被证明中风后严重中风发生率更高，预后更差 40,41,42。此外，专利旁支的存在与降低中风和短暂性脑缺血发作的风险有关 9,43,44。此外，几项研究表明，对侧 ICA 狭窄（或闭塞）的存在会影响同侧 ICA 速度 45,46,47,48。此外，我们小组最近证明，严重的对侧 ICA 狭窄和闭塞会影响同侧 ICA WSS 和压力49。然而，整个威利斯圈的建模是资源密集型的，并且限制了我们当前方案的临床效用。

我们模型的另一个局限性是，我们不允许 ICA 出口处的阻力和顺应性发生变化，因此没有考虑可能影响不同狭窄严重程度的血流分布的大脑自动调节。此外，我们将血管壁建模为刚性，而不是可变形的。然而，由于颈动脉狭窄与血管硬度增加有关，我们认为刚性壁假设是合理的。此外，对于不同程度的 ICA 狭窄，WSS 和 PG 的阈值尚不明确，并且与中风风险的关联尚未定义，因此在我们当前的模型中，我们尚未验证临床可转化性，也无法估计患者的中风风险。最后，qMatch MRI 序列在标准 MRI 扫描仪上并不容易获得。qMatch 需要 3T MRI 机器，并且需要手动导入序列，因为它不是标准的临床 MRI 序列。此外，正如我们的协议所规定的那样，qMatch 需要在 MATLAB 中进行复杂的后处理，这可能会进一步限制其在广泛临床使用的通用性。

正如血管外科学会目前的首要研究重点所证明的那样，有必要制定新的指标来定义和评估 ICA 狭窄的血流动力学影响，并更好地对个体化中风风险进行分层：开发诊断工具、成像技术和选择策略，旨在识别将受益于无症状 ICA 狭窄治疗的患者 50。该协议能够无创地表征 ICA 狭窄的血流动力学负荷和斑块组成，从而比当前的诊断方式更全面地评估 ICA 斑块栓塞潜力。在我们未来的工作中，我们寻求更好地定义血流动力学指标（例如 WSS 和 PG）与 ICA 斑块栓塞和中风风险的关联。

Disclosures

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

作者声明没有利益冲突。

Acknowledgements

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

这项研究得到了美国国立卫生研究院F32HL168968和 Frederick A. Coller 外科学会的支持。

Materials

List of materials used in this article
NameCompanyCatalog NumberComments
深 红色不适用不适用开源在线软件
霍罗斯霍罗斯不适用开源在线软件
MATLAB 版本 14数学作品不适用
帕拉维尤不适用不适用开源在线软件
西门子3T VIDA MRI扫描仪 西门子医疗不适用

References

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,
  1. Flaherty, M. L., et al. Carotid artery stenosis as a cause of stroke. Neuroepidemiology. 40, 36-41 (2013).
  2. Feske, S. K. Ischemic stroke. Am J Med. 134 (12), 1457-1464 (2021).
  3. Kelly-Hayes, M., et al. The influence of gender and age on disability following ischemic stroke: the Framingham study. J Stroke Cerebrovasc Dis. 12 (3), 119-126 (2003).
  4. Virani, S. S., et al. Heart disease and stroke statistics-2020 update: a report from the American Heart Association. Circulation. 141 (9), e139-e596 (2020).
  5. Group Members, W. riting, et al. Heart disease and stroke statistics-2012 update: a report from the American Heart Association. Circulation. 125 (1), e3-e218 (2012).
  6. Lalla, R., Raghavan, P., Chaturvedi, S. Trends and controversies in carotid artery stenosis treatment. F1000Res. 9, 940(2020).
  7. Saini, V., Guada, L., Yavagal, D. R. Global epidemiology of stroke and access to acute ischemic stroke interventions. Neurology. 97, S6-S16 (2021).
  8. Saba, L., et al. Carotid artery wall imaging: perspective and guidelines from the ASNR vessel wall imaging study group and expert consensus recommendations of the American Society of Neuroradiology. AJNR Am J Neuroradiol. 39 (2), E9-E31 (2018).
  9. Bisschops, R. H. C., et al. Collateral flow and ischemic brain lesions in patients with unilateral carotid artery occlusion. Neurology. 60 (9), 1435-1441 (2003).
  10. Li, Y., et al. Clinical features and the degree of cerebrovascular stenosis in different types and subtypes of cerebral watershed infarction. BMC Neurol. 17 (1), 166(2017).
  11. Slager, C., et al. The role of shear stress in the generation of rupture-prone vulnerable plaques. Nat Rev Cardiol. 2 (8), 401-407 (2005).
  12. Liu, J., et al. Functional assessment of cerebral artery stenosis: a pilot study based on computational fluid dynamics. J Cereb Blood Flow Metab. 37 (7), 2567-2576 (2017).
  13. Zhang, C., et al. Flow patterns and wall shear stress distribution in human internal carotid arteries: the geometric effect on the risk for stenoses. J Biomech. 45 (1), 83-89 (2012).
  14. Dolan, J. M., Kolega, J., Meng, H. High wall shear stress and spatial gradients in vascular pathology: a review. Ann Biomed Eng. 41, 1411-1427 (2013).
  15. Howard, D. P. J., et al. Risk of stroke in relation to degree of asymptomatic carotid stenosis: a population-based cohort study, systematic review, and meta-analysis. Lancet Neurol. 20 (3), 193-202 (2021).
  16. Fan, Z., et al. Multi-contrast atherosclerosis characterization (MATCH) of carotid plaque with a single 5-min scan: technical development and clinical feasibility. J Cardiovasc Magn Reson. 16 (1), 53(2014).
  17. Xie, Y., et al. Quantitative multi-contrast atherosclerosis characterization: comprehensive quantitative evaluation of atherosclerosis in a single scan. Abstract #3122. ISMRM 25th annual meeting. , (2017).
  18. Schollenberger, J., et al. A combined computational fluid dynamics and arterial spin labeling MRI modeling strategy to quantify patient-specific cerebral hemodynamics in cerebrovascular occlusive disease. Front Bioeng Biotechnol. 9, 722445(2021).
  19. Schollenberger, J., et al. A magnetic resonance imaging-based computational analysis of cerebral hemodynamics in patients with carotid artery stenosis. Quant Imaging Med Surg. 13 (2), 1126-1137 (2023).
  20. Cibis, M., et al. Wall shear stress calculations based on 3D cine phase contrast MRI and computational fluid dynamics: a comparison study in healthy carotid arteries. NMR Biomed. 27 (7), 826-834 (2014).
  21. Liu, X., et al. Functional assessment of the stenotic carotid artery by CFD-based pressure gradient evaluation. Am J Physiol Heart Circ Physiol. 311 (3), H645-H653 (2016).
  22. Raschi, M., et al. CFD and PIV analysis of hemodynamics in a growing intracranial aneurysm. Int J Numer Method Biomed Eng. 28 (2), 214-228 (2012).
  23. Rayz, V. L., et al. Numerical simulations of flow in cerebral aneurysms: comparison of CFD results and in vivo MRI measurements. J Biomech Eng. 130 (5), 051011(2008).
  24. Arthurs, C. J., et al. CRIMSON: an open-source software framework for cardiovascular integrated modelling and simulation. PLoS Comput Biol. 17 (5), e1008881(2021).
  25. Xiao, N., Humphrey, J. D., Figueroa, C. A. Multi-scale computational model of three-dimensional hemodynamics within a deformable full-body arterial network. J Comput Phys. 244, 22-40 (2013).
  26. Barnett, H. J. M., et al. Benefit of carotid endarterectomy in patients with symptomatic moderate or severe stenosis. N Engl J Med. 339 (20), 1415-1425 (1998).
  27. Cai, J. -M., et al. Classification of human carotid atherosclerotic lesions with in vivo multicontrast magnetic resonance imaging. Circulation. 106 (11), 1368-1373 (2002).
  28. Saba, L., et al. Carotid Plaque-RADS: a novel stroke risk classification system. JACC Cardiovasc Imaging. 17 (1), 62-75 (2024).
  29. Buchanan, J. R., Kleinstreuer, C. Simulation of particle-hemodynamics in a partially occluded artery segment with implications to the initiation of microemboli and secondary stenoses. J Biomech Eng. 120 (4), 446-454 (1998).
  30. Augst, A. D., et al. Accuracy and reproducibility of CFD predicted wall shear stress using 3D ultrasound images. J Biomech Eng. 125 (2), 218-222 (2003).
  31. Allott, C. P., et al. Volumetric assessment of carotid artery bifurcation using freehand-acquired, compound 3D ultrasound. Br J Radiol. 72 (855), 289-292 (1999).
  32. He, Y., et al. Comparison of hemodialysis arteriovenous fistula blood flow rates measured by Doppler ultrasound and phase-contrast magnetic resonance imaging. J Vasc Surg. 68 (6), 1848-1857.e2 (2018).
  33. Chatzimavroudis, G. P., et al. Evaluation of the precision of magnetic resonance phase velocity mapping for blood flow measurements. J Cardiovasc Magn Reson. 3 (1), 11-19 (2001).
  34. Khan, M. A., et al. Measurement of cerebral blood flow using phase contrast magnetic resonance imaging and duplex ultrasonography. J Cereb Blood Flow Metab. 37 (2), 541-549 (2017).
  35. Nayak, K. S., et al. Cardiovascular magnetic resonance phase contrast imaging. J Cardiovasc Magn Reson. 17 (1), 71(2015).
  36. Papaharilaou, Y., Doorly, D. J., Sherwin, S. J. Assessing the accuracy of two-dimensional phase-contrast MRI measurements of complex unsteady flows. J Magn Reson Imaging. 14 (6), 714-723 (2001).
  37. Lotz, J., et al. Cardiovascular flow measurement with phase-contrast MR imaging: basic facts and implementation. Radiographics. 22 (3), 651-671 (2002).
  38. Antiga, L., Wasserman, B. A., Steinman, D. A. On the overestimation of early wall thickening at the carotid bulb by black blood MRI, with implications for coronary and vulnerable plaque imaging. Magn Reson Med. 60 (5), 1020-1028 (2008).
  39. Vignon-Clementel, I. E., et al. Outflow boundary conditions for three-dimensional finite element modeling of blood flow and pressure in arteries. Comput Methods Appl Mech Eng. 195 (29-32), 3776-3796 (2006).
  40. Oumer, M., Alemayehu, M., Muche, A. Association between circle of Willis and ischemic stroke: a systematic review and meta-analysis. BMC Neurosci. 22 (1), 3(2021).
  41. Lin, E., et al. Incomplete circle of Willis variants and stroke outcome. Eur J Radiol. 153, 110383(2022).
  42. Zhou, H., et al. Correlation between the integrity of the circle of Willis and the severity of initial noncardiac cerebral infarction and clinical prognosis. Medicine. 95 (10), e2892(2016).
  43. Henderson, R. D., et al. Angiographically defined collateral circulation and risk of stroke in patients with severe carotid artery stenosis. Stroke. 31 (1), 128-132 (2000).
  44. Hendrikse, J., et al. Collateral ability of the circle of Willis in patients with unilateral internal carotid artery occlusion: border zone infarcts and clinical symptoms. Stroke. 32 (12), 2768-2773 (2001).
  45. Henderson, R. D., et al. Effect of contralateral carotid artery stenosis on carotid ultrasound velocity measurements. Stroke. 31 (11), 2636-2640 (2000).
  46. AbuRahma, A. F., et al. Effect of contralateral severe stenosis or carotid occlusion on duplex criteria of ipsilateral stenoses: comparative study of various duplex parameters. J Vasc Surg. 22 (6), 751-762 (1995).
  47. Sachar, R., et al. Severe bilateral carotid stenosis: the impact of ipsilateral stenting on Doppler-defined contralateral stenosis. J Am Coll Cardiol. 43 (8), 1358-1362 (2004).
  48. Busuttil, S. J., et al. Carotid duplex overestimation of stenosis due to severe contralateral disease. Am J Surg. 172 (2), 144-147 (1996).
  49. Braet, D. J., et al. A systematic evaluation of the impact of contralateral stenosis on ipsilateral internal carotid artery hemodynamics. J Vasc Surg. 80 (3), e57(2024).
  50. Tzeng, E., et al. Updated research priorities of the Society for Vascular Surgery. J Vasc Surg. 76 (6), 1432-1439.e2 (2022).

Reprints and Permissions

Request permission to reuse the text or figures of this JoVE article

Request Permission

Tags

Carotid Artery StenosisPlaque MorphologyMagnetic Resonance ImagingComputational Fluid DynamicsPlaque HemodynamicsWall Shear StressPlaque CompositionWindkessel ModelVessel ContouringNon Newtonian Blood Flow

Related Articles