导　　师： 刘辉;俞祝良

授予学位： 硕士

作　　者： (）;

机构地区： 华南理工大学

摘　　要： 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 pr

关 键 词： 主动脉缩窄 主动脉瓣狭窄 计算流体力学 机器学习

领　　域： [] [] []