论文部分内容阅读
第一部分:应用磁共振成像和流固耦合方法分析颈动脉粥样硬化斑块局部生物力学参数改变 目的:建立基于磁共振成像(magnetic resonance imaging,MRI)的流固耦合(fluid-structure interactions,FSI)模型显示在体颈动脉粥样硬化斑块局部生物力学参数的方法,并评价参数的改变。 材料与方法:搜集2010年至2011年颈动脉粥样硬化患者52例,其中男45例,女7例,平均年龄57.56±12.49岁;以及12例正常志愿者(男11例,女1例,平均年龄50.92±12.86岁)作为对照。对患者及志愿者行颈动脉MRI扫描,利用MRI原始图像建立FSI模型并进行计算,结合斑块形态结构分析斑块周围生物力学参数改变。 结果:52例患者中共得到颈动脉粥样硬化斑块86例。与对照组相比,病变组斑块周围最大von Mises等效应力升高、静态压升高、斑块附近血流为层流,流速增加;斑块周围最大von Mises等效应力、静态压和血流速度相比两组之间差异有显著统计学意义。 结论: 1.FSI与MRI图像结合能够模拟在体生理状态的颈动脉粥样硬化斑块周围的生物力学改变,结合数值分析,实现在体颈动脉的各项生物力学参数的个体化测定。 2.MRI与FSI的结合实现了对颈动脉粥样硬化斑块同时进行形态学和生物力学的综合分析,分析斑块的形态结构,在个体真实解剖基础上评估血管形态结构对血流状态的影响,为探讨血管几何形态及血流状态与动脉粥样硬化病变的关系提供了一个进一步接近人体真实的解剖生理条件的技术平台。 第二部分:颈动脉粥样硬化斑块周围生物力学参数分布特点研究 目的:利用磁共振成像(magnetic resonance imaging,MRI)和流固耦合(fluid-structure interactions,FSI)结合的方法分析颈动脉粥样硬化斑块周围最大von Mises等效应力、静态压及速度分布特点,从而探讨引起斑块破裂的生物力学改变。 材料与方法:搜集2010年至2011年颈动脉粥样硬化患者52例,其中男45例,女7例,平均年龄57.56±12.49岁,对患者行颈动脉MRI成像,利用多物理场耦合分析软件Comsol Multiphysics 4.1进行FSI计算,结合斑块的形态分析斑块周围生物力学参数分布特点。 结果:52例患者共得到颈动脉粥样硬化斑块86例,其中稳定斑块47例,易损斑块39例,易损斑块中斑块破裂16例。易损斑块周围最大vonMises等效应力升高,静态压下降幅度大,速度增大,与稳定斑块组差异有明显统计学意义。易损斑块组中纤维帽破裂组斑块周围的最大von Mises等效应力明显升高,速度增大,与易损斑块组中纤维帽完整组差异有明显的统计学意义;易损斑块组中纤维帽破裂组斑块周围静态压下降幅度较未破裂斑块组大,但差异没有统计学意义。86例斑块中76例最大的Von Mises等效应力位于肩部,其余10例位于体部。易损斑块中斑块破裂16例,均位于最大Von Mises等效应力处。除1例斑块周围最低静态压位于体部对侧,而最大Von Mises等效应力位于肩部,其余85例斑块的最大VonMises等效应力和最低静态压重叠的区域一致。 结论: 1.对斑块局部的生物力学参数分布进行分析证实了生物力学参数在研究斑块易损性及破裂中的价值,评估斑块周围的von Mises等效应力与静态压的改变可以评价斑块易损性及将来破裂的风险。 2.生物力学参数分布与斑块破裂位置的一致性说明可以通过分析斑块周围的最大von Mises等效应力和最低静态压的分布预测将来斑块破裂的位置。 第三部分:强耦合与弱耦合分析颈动脉粥样硬化斑块周围生物力学参数 目的:分析强耦合与弱耦合两种不同FSI计算方法的颈动脉粥样硬化斑块周围的生物力学参数。 材料与方法:搜集2010年至2011年颈动脉粥样硬化患者19例,其中男13例,女6例,平均年龄52.42±17.74岁。对患者行颈动脉MRI成像,然后分别进行强耦合与弱耦合计算,比较两组之间生物力学参数差异。 结果:两种算法的斑块周围的最大VonMises等效应力均位于斑块的肩部或体部,位置基本一致;最小静态压的位置亦基本相一致;斑块周围的流速都明显增加。强耦合组的最大VonMises等效应力及最小静态压均大于弱耦合组,而强耦合组的最大速度小于弱耦合组。差异均有明显的统计学意义。 结论: 1.强耦合和弱耦合两种FSI的计算方法都能实现对颈动脉粥样硬化斑块周围生物力学参数的分析,尽管数值存在差别,但分布趋势一致。 2.颈动脉粥样硬化斑块周围生物力学参数值在强耦合和弱耦合两种FSI的计算方法上有较大的区别;强耦合计算的最大Von Mises等效应力与最小静态压均比弱耦合计算的大,而强耦合计算的最大速度比弱耦合计算的小。 3.强耦合的方法计算量很大,对计算机的要求较高。弱耦合的方法更适合临床工作。强耦合的方法更精确。