基于血流动力学耦合模型的脑组织血流情况预测系统

本发明涉及血流动力学，特别是涉及基于血流动力学耦合模型的脑组织血流情况预测系统。

背景技术：

1、本部分的陈述仅仅是提到了与本发明相关的背景技术，并不必然构成现有技术。

2、血流动力学是生物医学工程学的一个重要分支，主要研究血液在心脏、血管和脑组织等器官中的流动规律和其与周围组织的相互作用。这个学科领域融合了流体力学、生物学、医学、物理学等多学科的知识，通过理论分析和实验研究，探讨血液流动的物理性质，以期揭示生物体内血流变化的规律，解决生理病理问题，进而指导临床治疗。

3、将血流动力学耦合模型应用到实际医学问题中是血流动力学领域的前沿研究方向。该模型主要考虑了血液流动和组织、器官之间的复杂相互影响。血液的流动状态、压力分布，以及其对血管壁、心肌等组织的影响，都被纳入到这一全面的模型中。这一模型对于理解疾病如动脉硬化、高血压的发生机理，或者是对于设计医疗设备如人工心脏，具有巨大的指导意义。

4、利用现有医学技术可以对患者所患疾病进行分析和治疗，但是，由于脑组织血管的复杂性，现有技术无法完整地揭示血液流动和血管的变化情况。

5、而且，利用现有技术的分析过程耗时巨大，无法满足实际生活的需要，增加了患者和医院的就医成本，或者不是用于此目的的最佳技术。在许多情况下，数学技术已经被证明能够忠实有效的解决医学问题。利用先进的数学方法和计算技术，将血液的流动、血压分布以及对组织的影响等多个因素有机结合起来，构建了这个全面的血流动力学耦合模型。该模型的独特之处在于，它不仅可以描绘血液流动的物理过程，还可以预测血流对器官和组织的生理影响，比如引发的血管壁的形变、器官的负荷等。模型还可以模拟各种病理状况，例如动脉硬化、高血压等疾病对血流的影响，帮助医生理解疾病的发生机理，从而制定出更精确的治疗方案。此外，这个模型也有重要的工程应用价值。比如，在设计人工心脏、血管置换物、血流动力学监测设备等医疗器械时，可以利用这个模型进行仿真，优化设计，提高设备的安全性和有效性。

6、由于血流动力学耦合模型的耦合性、多物理性及高维性、奇异性，此类模型在预测脑组织血流情况时的精确解一般很难通过解析方法得到，而现有技术虽给出了基于偏微分方程的血流动力学耦合模型计算方法，但是，在同样广泛的范围内，存在计算时间长、计算效率低的问题。

技术实现思路

1、为了解决现有技术的不足，本发明提供了基于血流动力学耦合模型的脑组织血流情况预测系统，运用龙格库塔方法和有限元方法求解不规则区域上的一维血流动力学耦合模型，在快速算法的实现过程中，借助降阶外推方法，提高了一维血流动力学耦合模型的优化和计算效率，提高了血液流动情况的预测效率。

2、第一方面，本发明提供了基于血流动力学耦合模型的脑组织血流情况预测系统；

3、基于血流动力学耦合模型的脑组织血流情况预测系统，包括：

4、数据获取模块，用于获取初始时刻的血液流动情况；

5、求解模块，用于基于初始时刻的血液流动情况，结合一维血流动力学耦合模型，并运用龙格库塔方法和有限元方法进行数值离散后，借助降阶外推方法对离散后的一维血流动力学耦合模型进行求解，得到若干未来时刻的血液流动情况。

6、进一步地，所述一维血流动力学耦合模型在时间方向使用龙格库塔方法进行离散，在空间方向上使用有限元方法进行离散，得到全离散格式以及矩阵计算形式。

7、进一步地，所述血液流动情况包括：脑组织血液流动系统中的血管横截面积、血管体积流量和血管脉动血压分布。

8、进一步地，所述脑组织血液流动系统包括具有多个分叉点的血流通道。

9、进一步地，所述一维血流动力学耦合模型为：

10、

11、

12、

13、其中，t为时间变量，z为空间变量，满足(z，t)∈ω×(0，t]，t表示未来时刻总数，ω为一维不规则区域；a(z，t)为血管横截面积，q(z，t)为血管体积流量，p(z，t)为血管脉动血压；α为coriolis系数，ρ为血流密度，v为血液的运动粘度系数，pext为血管外压力，a0为血管的参考横截面积。

14、进一步地，所述一维血流动力学耦合模型的初始条件为：

15、a(z，0)＝ah0(z)，q(z，0)＝qh0(z)，p(z，0)＝ph0(z)

16、所述一维血流动力学耦合模型的边界条件为：

17、a(0，t)＝a0(t)，q(0，t)＝q0(t)，p(0，t)＝p0(t)

18、其中，a0(t)、q0(t)和p0(t)分别为边界点处的血管横截面积、血管体积流量和血管脉动血压；ah0(z)、qh0(z)和ph0(z)分别为初始时刻的血管横截面积、血管体积流量和血管脉动血压。

19、第二方面，本发明还提供了一种电子设备，包括：

20、存储器，用于非暂时性存储计算机可读指令；以及

21、处理器，用于运行所述计算机可读指令，

22、其中，所述计算机可读指令被所述处理器运行时，执行以下步骤：

23、获取初始时刻的血液流动情况；

24、基于初始时刻的血液流动情况，结合一维血流动力学耦合模型，并运用龙格库塔方法和有限元方法进行数值离散后，借助降阶外推方法对离散后的一维血流动力学耦合模型进行求解，得到若干未来时刻的血液流动情况。

25、第三方面，本发明还提供了一种存储介质，非暂时性地存储计算机可读指令，其中，当所述非暂时性计算机可读指令由计算机执行时，执行以下步骤：

26、获取初始时刻的血液流动情况；

27、基于初始时刻的血液流动情况，结合一维血流动力学耦合模型，并运用龙格库塔方法和有限元方法进行数值离散后，借助降阶外推方法对离散后的一维血流动力学耦合模型进行求解，得到若干未来时刻的血液流动情况。

28、与现有技术相比，本发明的有益效果是：

29、本发明运用龙格库塔方法和有限元方法求解不规则区域上的一维血流动力学耦合模型，在快速算法的实现过程中，借助降阶外推方法，从算法实现上极大的简化了现有算法，提高了一维血流动力学耦合模型的优化和计算效率，能够降低血流动力学耦合模型在求解过程中的计算量，提高了缺血性脑组织血液流动问题的分析效率、血液流动情况的预测效率和脑组织血管疾病的判断效率，节省患者的就诊时间，降低医疗压力。

30、本发明提供了一种全新的方式来理解和处理血液流动与周围组织相互作用的问题，通过一维血流动力学耦合模型，研究血液流动过程中体积流量、血管横截面积及血管压力的变化情况，揭示脑组织中血液流动机理，更好地解释血流动力学行为，促进血流动力学相关技术更快地应用到实际医学问题中，为临床医学和生物医学工程的实践提供重要的支持，有效提升了疾病的诊断准确性和治疗效果，进一步改进医疗设备的设计和性能。

31、本发明附加方面的优点将在下面的描述中部分给出，或通过本发明的实践了解到。