Результаты поиска по 'стеноз сосуда':
Найдено статей: 4
  1. От редакции
    Компьютерные исследования и моделирование, 2026, т. 18, № 3, с. 557-560
    Editor’s note
    Computer Research and Modeling, 2026, v. 18, no. 3, pp. 557-560
  2. Гамилов Т.М., Ланге А., Осипова А.А., Лян Ф., Симаков С.С.
    Физически информированная нейросеть для оценки перепада давления при артериальных стенозах на основе данных моделирования
    Компьютерные исследования и моделирование, 2026, т. 18, № 3, с. 621-641

    В данной работе описана методика генерации синтетической базы данных стенозов, состоящей из 1620 записей. Каждая запись представляет собой результаты численного эксперимента по моделированию трехмерного течения вязкой несжимаемой жидкости через трубку с переменным сечением: перепад давлений, средний поток, усредненная по сечению скорость кровотока на входе в трубку, максимальная степень сужения стеноза, длина стеноза, асимметрия стеноза, радиус трубки, число Рейнольдса. База данных валидировалась путем сравнения с другими моделями (с эластичными стенками) и стендовыми экспериментами и показала отклонение перепадов давлений не выше 4%. База данных синтетических стенозов использовалась для обучения физически информированной нейронной сети для быстрой оценки перепада давления по четырем ключевым входным показателям: число Рейнольдса, длина стеноза, степень стеноза, степень асимметрии стеноза. Физическая информированность достигалась за счет введения штрафов в функцию потерь за отсутствие положительного перепада давления и за отсутствие монотонности перепада давления по входным параметрам. Физически информированная нейронная сеть показала более высокую точность на гемодинамических значимых стенозах при тестировании на валидационной выборке и на новых стенозах, не представленных в базе данных. Средняя относительная ошибка на стенозах длиной в 8 радиусов здорового сосуда составила 6% для физически информированной сети и 13% для классической нейронной сети. Ошибки на коротких стенозах длиной в 4 радиуса оказались почти одинаковы: 9,5% для физически информированной сети и 10% для классической нейронной сети. Разработанный метод функциональной оценки гемодинамической значимости стенозов может использоваться как самостоятельный инструмент для клинической оценки стенозов и как компонент сетевых моделей кровотока. Наибольшую актуальность подход приобретает при моделировании многососудистых поражений, которые доминируют в клинической практике. Ключевое преимущество метода заключается в физической корректности результатов и точности, сопоставимой с классическим моделированием, при значительно меньших вычислительных затратах.

    Gamilov T.M., Lange A., Osipova A.A., Liang F., Simakov S.S.
    Physics-informed neural network for evaluating pressure drop in arterial stenoses based on simulation data
    Computer Research and Modeling, 2026, v. 18, no. 3, pp. 621-641

    This paper describes a method for generating a synthetic database of stenoses, consisting of 1620 entries. Each entry represents the results of a numerical experiment simulating the three-dimensional flow of a viscous incompressible fluid through a tube with a variable cross-section: pressure drop, mean flow rate, cross-sectionally averaged inlet blood flow velocity, maximum stenosis severity, stenosis length, stenosis asymmetry, tube radius, and Reynolds number. The database was validated by comparison with other models (with elastic walls) and bench experiments, showing a deviation in pressure drops of no more than 4%. The synthetic stenosis database was used to train a physics-informed neural network for the rapid estimation of pressure drop based on four key input parameters: Reynolds number, stenosis length, stenosis severity, and stenosis asymmetry coefficient. The physics-informed aspect was achieved by introducing penalties into the loss function for the absence of a positive pressure drop and for the lack of monotonicity of the pressure drop with respect to the input parameters. The physics-informed neural network demonstrated higher accuracy on hemodynamically significant stenoses when tested on a validation set and on new stenoses not represented in the database. The mean relative error for stenoses with a length of 8 healthy vessel radii was 6% for the physics-informed network and 13% for a classical neural network. The errors for short stenoses with a length of 4 radii were nearly identical: 9.5% for the physics-informed network and 10% for the classical neural network. The developed method for the functional assessment of the hemodynamic significance of stenoses can be used both as a standalone tool for clinical stenosis evaluation and as a component of network blood flow models. The approach becomes most relevant when modeling multi-vessel disease, which is predominant in clinical practice. The key advantage of the method lies in the physical correctness of the results and accuracy comparable to classical modeling, but with significantly lower computational costs.

  3. Реброва А.А., Данилов А.А.
    Метод оценки скорости коронарного кровотока по ангиографическим изображениям
    Компьютерные исследования и моделирование, 2026, т. 18, № 3, с. 715-735

    В современной кардиологии точная оценка функциональной значимости стенозов коронарных артерий является критическим фактором для выбора тактики лечения и принятия обоснованных клинических решений. В данной работе представлен автоматизированный алгоритм для обработки динамических последовательностей рентгеновских ангиографических изображений, направленный на оценку скорости кровотока. Данный параметр служит основой для определения количественного соотношения кровотока (QFR), выступающего эффективной неинвазивной альтернативой традиционному инвазивному измерению фракционного резерва кровотока. Предложенная методика успешно преодолевает классические трудности ангиографического анализа, такие как артефакты движения сосудов в ходе сердечно-дыхательного цикла, неравномерная контрастная плотность и геометрическая сложность сосудистого дерева в двумерных проекциях.

    Представленный алгоритм обработки включает в себя несколько ключевых стадий. Первоначально выполняется предобработка кадров для подавления шумов и фильтрации анатомического фона. Далее проводится сегментация с использованием фильтра Сато и пороговой обработки Оцу, после чего производится скелетонизация для извлечения центральных линий сосудов. Особое внимание уделено алгоритму автоматической идентификации точек бифуркации и фильтрации артефактных пересечений, возникающих при наложении сосудов. Для обеспечения непрерывности данных применяется метод временного отслеживания целевого сегмента на основе корреляции шаблонов, что особенно важно в фазах с низкой концентрацией контрастного вещества. Математическое ядро алгоритма основано на решении обратной одномерной задачи для уравнения адвекции – диффузии, что позволяет восстановить скорость кровотока по временным кривым интенсивности.

    В рамках исследования проведена детальная валидация метода путем сопоставления результатов автоматического расчета с ручными экспертными измерениями на десяти наборах клинических данных. Полученные результаты подтверждают устойчивость вычислительной схемы в физиологически значимых диапазонах и ее способность значительно снижать межэкспертную вариабельность. Разработанный подход минимизирует необходимость врачебного вмешательства в процесс обработки данных, открывая перспективы для создания систем поддержки принятия врачебных решений в реальном времени в условиях катетеризационной лаборатории.

    Rebrova A.A., Danilov A.A.
    Method for coronary blood flow velocity estimation based on angiographic images
    Computer Research and Modeling, 2026, v. 18, no. 3, pp. 715-735

    In modern cardiology, accurate assessment of the functional significance of coronary artery stenoses is a critical factor for selecting treatment strategies and making informed clinical decisions. This paper presents an automated algorithm for processing dynamic X-ray angiographic image sequences aimed at estimating blood flow velocity. This parameter serves as the basis for determining the Quantitative Flow Ratio (QFR), which acts as an effective noninvasive alternative to traditional invasive fractional flow reserve (FFR) measurements. The proposed methodology successfully overcomes classic challenges of angiographic analysis, such as vessel motion artifacts during the cardio-respiratory cycle, variable contrast opacification, and the geometric complexity of the vascular tree in two-dimensional projections.

    The presented processing workflow includes several key stages. Initially, frame preprocessing is performed to suppress noise and filter out the anatomical background. Subsequently, segmentation is implemented using a Sato filter and Otsu thresholding, followed by skeletonization to extract vessel centerlines. Particular attention is paid to the algorithm for automated identification of bifurcation points and the filtration of artifactual intersections caused by vessel overlapping. To ensure data continuity, a temporal tracking method for the target segment based on template correlation is applied, which is especially important during phases with low contrast agent concentration. The mathematical core of the algorithm is based on solving a 1D inverse problem for the advection-diffusion equation, allowing for the recovery of blood flow velocity from temporal intensity curves.

    As part of the study, a detailed validation of the method was conducted by comparing automated calculation results with manual expert measurements across ten clinical datasets. The results confirm the robustness of the computational scheme within physiologically relevant ranges and its ability to significantly reduce inter-observer variability. The developed approach minimizes the need for physician intervention in the data processing stage, opening up prospects for creating real-time clinical decision support systems in the catheterization laboratory setting.

  4. Рухленко А.С., Злобина К.Е., Гурия Г.Т.
    Гидродинамическая активация свертывания крови в стенозированных сосудах. Теоретический анализ
    Компьютерные исследования и моделирование, 2012, т. 4, № 1, с. 155-183

    В настоящей работе исследованы гидродинамические механизмы активации плазменного звена системы свертывания крови при числах Рейнольдса в интервале от 10 до 500. Условия активации изучены в рамках модели, предполагающей, что проницаемость сосудистых стенок по отношению к первичным активаторам системы свертывания крови возрастает с увеличением касательного напряжения. Обнаружено несколько характерных сценариев развития процессов тромбообразования. Изучено влияние изменения топологии течения на активацию внутрисосудистого свертывания крови. Установлено, что пороговая активация плазменного звена системы гемостаза в стенозированных сосудах может иметь место не только при ослаблении, но и при интенсификации кровотока. В заключительной части работы обсуждены возможные медицинские приложения полученных результатов.

    Rukhlenko A.S., Zlobina K.E., Guria G.T.
    Hydrodynamical activation of blood coagulation in stenosed vessels. Theoretical analysis
    Computer Research and Modeling, 2012, v. 4, no. 1, pp. 155-183

    The mechanisms of hydrodynamical activation of blood coagulation system are investigated in stenosed vessels for a wide range of Reynolds number values (from 10 up to 500). It is assumed that the vessel wall permeability for procoagulant factors rapidly increases when wall shear stress exceeds specific threshold value. A number of patterns of blood coagulation processes development are described. The influence of blood flow topology changes on activation of blood coagulation is explored. It is established that not only blood flow decrease, but also its increase may promote activation of blood coagulation. It was found that dependence of thrombogenic danger of stenosis on vessel lumen blockage ratio is non-monotonic. The relevance of obtained theoretical results for clinical practice is discussed.

    Views (last year): 2. Citations: 5 (RSCI).

Indexed in Scopus

Full-text version of the journal is also available on the web site of the scientific electronic library eLIBRARY.RU

The journal is included in the Russian Science Citation Index

The journal is included in the RSCI

International Interdisciplinary Conference "Mathematics. Computing. Education"