Ischemic stroke and vascular disease are among the leading causes of death worldwide. The development of accurate models of the cerebrovascular system capable of simulating hemodynamics and perfusion promises accelerated development of treatment techniques to counter these diseases. Further, the generation of patient-specific models strives towards individual assessment of diseased states and personalised planning and prediction of treatments and their outcomes. In this work, a processing pipeline for the patient-specific quantification of cerebrovascular perfusion is developed. The major arteries are segmented from magnet resonance images (MRI). Further, the tissue-growth based tree generation is used to extend vessel networks beyond the resolution of the segmentation by the artificial generation of smaller vessels. To investigate the anatomical accuracy of the generated synthetic tree structures, morphological parameters are compared against experimental data obtained from 7T MRI, 9.4T MRI, and dissection data. Segment-specific parameters were found to depend highly on the tissue-mesh resolution. Bifurcation related data is resembled well, however the inability of MRI based segmentation to resolve small branches hinders the comparability. Using the generated vasculature, cerebral blood flow, pressure, and perfusion are estimated. A 1D approximation of the Navier Stokes equations is employed in the vascular model and coupled to a Darcy flow model at the outlets. Different boundary conditions as well as coupling techniques are employed and compared. The simulated tissue perfusion is compared against measured perfusion data. A qualitative similarity is found, however the simulation fails to resolve the steep gradients in perfusion values observed in the measured perfusion.
허혈성 뇌경색 및 뇌혈관 질환은 전 세계적으로 사망의 주요 원인 중 하나이다. 뇌혈관 질환은 뇌조직을 손상시킬 위험 때문에 침습적인 측정을 최소화하고 많은 진단이 해부학 특징에 기반하고 있다. 하지만 해부학 특징에 기반한 진단은 혈액 유동을 고려하지 않기 때문에 제한적이다. 비침습적으로 뇌혈관 시스템을 정확히 모사하고 혈류 유동 및 관류 해석을 진행한다면 뇌혈관 질환 및 뇌경색 진단 기술의 정확도를 향상시킬 수 있다. 본 연구에서 의료영상 데이터를 이용하여 비침습적으로 환자 데이터를 생성하여 혈관 생성 모델 구현 및 뇌혈관 혈류 유동 및 관류 해석을 진행하여 뇌혈관 질환 및 뇌경색의 심각도를 진단하는 방법을 개발하였다. 첫번째 단계로 자기 공명 영상(MRI)에서 혈관을 구획해 주요 뇌혈관을 구현하고 의료 영상 분해능 너머의 미소혈관은 조직 성장 기반 혈관 생성 모델을 이용하여 구현하였다. 구현한 혈관은 7T MRI, 9.4T MRI 및 해부 데이터에서 얻은 실험 데이터와 비교하여 혈관 생성 모델을 이용한 미소혈관이 해부 데이터와 비교하여 비슷한 미소혈관을 생성하는 것으로 밝혀졌다. 두번째 단계로 생성된 혈관 구조를 이용해 뇌 혈류, 압력 및 뇌 조직에 전달되는 관류 해석을 진행하였다. 뇌혈관은 Navier-Stokes 방정식을 1차원 유동으로 단순화한 혈류 유동 방정식을 이용하여 유동 및 혈압을 계산하였다. 계산된 유동 및 혈압 값은 혈관 생성 모델을 이용해 개발한 미소혈관에 연결된 뇌조직에 사용되어 Darcy flow 모델을 이용하여 뇌조직의 모세혈관에 전달된 혈액 유동을 계산하였다. 개발한 뇌혈관 혈류 유동 및 관류 해석 방법을 이용하여 건강한 환자의 데이터에 뇌혈관 생성 및 혈액 유동 및 관류 해석을 진행하였다. 계산한 혈액 유동은 문헌 데이터와 환자의 관류 측정 데이터와 비교하여 비슷한 결과를 얻었다. 개발한 뇌혈관 혈류 유동 및 관류 해석 방법은뇌혈관 질환 및 뇌경색을 진단하고 치료결과를 예측하는 데 사용할 수 있다. 향후 연구를 통해 환자 데이터를 이용, 개발한 방법을 검증할 계획이다.
