Все выпуски

Настоящая статья представляет анализ зависимостей между основными геометрическими параметрами ячейки опорного каркаса и функциональными характеристиками биопротеза клапана аорты. В работе анализировали модели ячеек закрытого типа с различными значениями ширины, толщины и количеством по окружности с оценкой создаваемых радиальных сил, напряженно-деформированного состояния конструкции, остаточной деформации и сил поперечного сжатия. Результаты исследования могут быть использованы при разработке новых моделей транскатетерных протезов клапана аорты или в ходе анализа уже существующих конструкций.

This paper presents the analysis of dependences between frame basic cell geometry parameters and function via finite element analysis. The simplified models of frame cell with varied strut width, thickness and quantity in a circle was researched to evaluate radial forces, maximum stress and strain, permanent residual strain and pinching load forces. The outcomes of this study might help in the development of new artificial heart valves and during the analysis of existing in-clinical TAVI prostheses.

Аортальный стеноз и другие формы дисфункции аортального клапана сопровождаются нарушением внутрисердечной гемодинамики, перегрузкой левого желудочка и повышением риска сердечно-сосудистых осложнений. Для оценки работы клапана важны не только интегральные клинические показатели, но и локальные механические и гемодинамические характеристики, которые, как правило, не могут быть напрямую измерены in vivo. В связи с этим математическое моделирование рассматривается как один из основных инструментов количественного анализа аортального клапана. Несмотря на широкое применение различных моделей деформируемого твердого тела и постановок связанных задач взаимодействия жидкости и твердого тела (fluid-structure interaction, FSI), для описания динамического поведения створок границы применимости упрощенных постановок по отношению к полной сопряженной задаче остаются недостаточно определенными. В работе рассматривалась идеализированная модель корня аорты с синусами Вальсальвы и трехстворчатым клапаном. Створки описывались анизотропной гиперупругой моделью материала. Выполнено сопоставление пяти расчетных сценариев, включающих полную FSI-постановку, учитывающую как динамику твердого тела, так и жидкости, а также модель деформируемого твердого тела с четырьмя вариантами нагружения, заменяющего влияние кровотока, которые отличаются способом учета давления и направлением приложения нагрузки к створкам. В качестве критериев сравнения использовались деформации, перемещения, напряжения по Мизесу, колебательная динамика створок и площадь геометрического открытия клапана. Показано, что FSI-модель обеспечивает наиболее согласованное описание работы клапана, включая асимметричное открытие створок, более плавную динамику раскрытия и отсутствие выраженного нефизиологичного флаттера. Структурные постановки с нагрузкой, приложенной по локальной нормали к поверхности створок, приводят к завышению деформаций и напряжений, а также к более выраженным колебательным режимам. Сценарии с ограничением направления нагрузки дают более умеренный отклик, однако также не воспроизводят пространственную структуру нагрузки и временную организацию раскрытия створок. Сделан вывод, что при моделировании аортального клапана решающее значение имеет не только величина перепада давления, но и способ его пространственно-временного приложения к створкам. Структурные модели деформируемого твердого тела могут использоваться для качественной оценки отдельных механических тенденций, однако не являются полноценной заменой FSI-постановки при анализе кинематики створок, колебательных режимов, напряженно-деформированного состояния и динамики открытия клапана.

Aortic stenosis and other forms of aortic valve dysfunction are associated with impaired intracardiac hemodynamics, left ventricular overload, and an increased risk of cardiovascular complications. Assessment of valve function requires not only integral clinical indicators but also local mechanical and hemodynamic characteristics, which, as a rule, cannot be measured directly in vivo. Therefore, mathematical modeling is regarded as one of the main tools for the quantitative analysis of the aortic valve. Despite the widespread use of various deformable-solid models and coupled fluid-structure interaction formulations, FSI, for describing leaflet dynamics, the limits of applicability of simplified formulations relative to the fully coupled problem remain insufficiently defined. In this study, an idealized model of the aortic root with the sinuses of Valsalva and a tricuspid valve was considered. The leaflets were described using an anisotropic hyperelastic material model. Five computational scenarios were compared, including a fully coupled FSI formulation that accounts for both solid and fluid dynamics, as well as a deformable-solid model with four loading variants replacing the effect of blood flow, differing in the way pressure was represented and in the direction of load application to the leaflets. The comparison criteria included deformation, displacement, von Mises stress, leaflet oscillatory dynamics, and the geometric opening area of the valve. It was shown that the FSI model provides the most consistent description of valve function, including asymmetric leaflet opening, smoother opening dynamics, and the absence of pronounced nonphysiological flutter. Structural formulations with loads applied along the local normal to the leaflet surface lead to overestimation of deformation and stress, as well as to more pronounced oscillatory regimes. Scenarios with restricted load direction produce a more moderate response, but they also fail to reproduce the spatial load structure and the temporal organization of leaflet opening. It was concluded that, in aortic valve modeling, not only the magnitude of the pressure difference but also the way it is applied to the leaflets in space and time is of decisive importance. Structural deformable-solid models may be used for the qualitative assessment of selected mechanical trends, but they cannot serve as a full substitute for the FSI formulation in the analysis of leaflet kinematics, oscillatory regimes, stress-strain state, and valve opening dynamics.

Настоящая статья представляет анализ влияния конструктивных особенностей опорного каркаса транскатетерного протеза на результаты его имплантации в модель корня аорты. В работе анализировали различные подходы к проектированию подобных конструкций, а также модификации последних с целью повышения их функциональных характеристик в условиях имплантации. В качестве основного метода оценки результатов взаимодействия исследуемых объектов был использован метод конечных элементов с нелинейным описанием материалов и с анализом основных параметров: напряженно-деформированного состояния, радиальных сил и сил трения.

This article presents an analysis of the impact of the transcatheter prosthesis frame design features on the results of its implantation in the aortic root model. In this paper we analyzed the various approaches to the design of such structures, as well as modifications in order to improve their functional characteristics during the implantation. As a general method for obtaining the results of interaction of the objects was used finite element method with nonlinear materials description and analysis of the main parameters: the stress-strain state, radial and friction forces.

В статье представлена технология построения систем поддержки принятия врачебных решений (СППВР), основанная на сервис-контейнерах с использованием Docker и веб-интерфейсе, работающем непосредственно в браузере без установки специализированного программного обеспечения на рабочую станцию врача. Предложена модульная архитектура, где для каждого прикладного модуля формируется самостоятельный сервис-контейнер, объединяющий мини-веб-сервер, пользовательский интерфейс и вычислительные компоненты обработки медицинских изображений. Взаимодействие между браузером и серверной частью реализовано через постоянное двунаправленное соединение по веб-сокетам с бинарной сериализацией сообщений в формате MessagePack, что обеспечивает малые задержки и эффективную передачу больших объeмов данных. Для локального хранения изображений и результатов анализа применены средства браузера (IndexedDB) с оболочкой Dexie.js, что ускоряет повторный доступ к данным. Трeхмерная визуализация и базовые операции с DICOM-данными реализованы с использованием библиотек Three.js и AMI.js: такая связка обеспечивает интеграцию интерактивных элементов, возникающих в контексте задачи (аннотации, ориентиры, метки, 3D-модели), в трeхмерные медицинские изображения.

Серверные компоненты и функциональные модули собраны в виде набора взаимодействующих контейнеров, управляемых средствами Docker. Рассмотрены выбор базовых образов, подходы к минимизации контейнеров до уровня исполняемых файлов без внешних зависимостей, организация многоступенчатой сборки, включающей отдельный «сборочный» контейнер. Описан сервис-хаб, выполняющий запуск прикладных контейнеров по обращению пользователя, проксирование запросов, управление сессиями и перевод контейнера из общего режима в монопольный при начале вычислений. Приведены примеры прикладных модулей (оценка фракционного резерва кровотока, расчeт количественного отношения потока, расчет смыкания створок аортального клапана), показана интеграция React-интерфейса и трeхмерной сцены, а также представлены политика версионирования, автоматизированные проверки воспроизводимости результатов и порядок развeртывания на целевой площадке.

Продемонстрировано, что контейнеризация обеспечивает переносимость и воспроизводимость программной среды, изоляцию зависимостей и масштабирование, а браузерный интерфейс — доступность, снижение требований к инфраструктуре и интерактивную визуализацию медицинских данных в реальном времени. Отмечены технические ограничения (зависимость от версий библиотек визуализации и форматов данных) и представлены практические меры их преодоления.

The article presents a technology for building clinical decision support systems (CDSS) based on service containers using Docker and a web interface that runs directly in the browser without installing specialized software on workstation of a clinician. A modular architecture is proposed in which each application module is packaged as an independent service container combining a lightweight web server, a user interface, and computational components for medical image processing. Communication between the browser and the server side is implemented via a persistent bidirectional WebSocket connection with binary message serialization (MessagePack), which provides low latency and efficient transfer of large data. For local storage of images and analysis of results, browser facilities (IndexedDB with the Dexie.js wrapper) are used to speed up repeated data access. Three-dimensional visualization and basic operations with DICOM data are implemented with Three.js and AMI.js: this toolchain supports the integration of interactive elements arising from the task context (annotations, landmarks, markers, 3D models) into volumetric medical images.

Server components and functional modules are assembled as a set of interacting containers managed by Docker. The paper discusses the choice of base images, approaches to minimizing containers down to runtime-only executables without external utilities, and the organization of multi-stage builds with a dedicated build container. It describes a hub service that launches application containers on user request, performs request proxying, manages sessions, and switches a container from shared to exclusive mode at the start of computations. Examples of application modules are provided (fractional flow reserve estimation, quantitative flow ratio computation, aortic valve closure modeling), along with the integration of a React-based interface with a three-dimensional scene, a versioning policy, automated reproducibility checks, and the deployment procedure on the target platform.

It is demonstrated that containerization ensures portability and reproducibility of the software environment, dependency isolation and scalability, while the browser-based interface provides accessibility, reduced infrastructure requirements, and interactive real-time visualization of medical data. Technical limitations are noted (dependence on versions of visualization libraries and data formats) together with practical mitigation measures.

Большинство биомеханических задач, представляющих интерес для клиницистов, могут быть решены только с помощью персонализированных математических моделей. Такие модели позволяют формализовать и взаимоувязать ключевые патофизиологические процессы, на основе клинически доступных данных оценить неизмеряемые параметры, важные для диагностики заболеваний, спрогнозировать результат терапевтического или хирургического вмешательства. Использование моделей в клинической практике накладывает дополнительные ограничения: практикующие врачи требуют валидации модели на клинических случаях, быстроту и автоматизированность всей расчетной технологической цепочки от обработки входных данных до получения результата. Ограничения на время расчета, определяемые временем принятия врачебного решения (порядка нескольких минут), приводят к необходимости использования методов редукции, корректно описывающих исследуемые процессы в рамках численных моделей пониженной размерности или в рамках методов машинного обучения.

Персонализация моделей требует пациентоориентированной оценки параметров модели и создания персонализированной геометрии расчетной области и построения расчетной сетки. Параметры модели оцениваются прямыми измерениями, либо методами решения обратных задач, либо методами машинного обучения. Требование персонализации моделей накладывает серьезные ограничения на количество настраиваемых параметров модели, которые могут быть измерены в стандартных клинических условиях. Помимо параметров, модели включают краевые условия, которые также должны учитывать особенности пациента. Методы задания персонализированных краевых условий существенно зависят от решаемой клинической задачи, зоны ее интереса и доступных клинических данных. Построение персонализированной области посредством сегментации медицинских изображений и построение расчетной сетки, как правило, занимают значительную долю времени при разработке персонализированной вычислительной модели, так как часто выполняются в ручном или полуавтоматическом режиме. Разработка автоматизированных методов постановки персонализированных краевых условий и сегментации медицинских изображений с последующим построением расчетной сетки является залогом широкого использования математического моделирования в клинической практике.

Цель настоящей работы — обзор и анализ наших решений по персонализации математических моделей в рамках трех задач клинической кардиологии: виртуальной оценки гемодинамической значимости стенозов коронарных артерий, оценки изменений системного кровотока после гемодинамической коррекции сложных пороков сердца, расчета характеристик коаптации реконструированного аортального клапана.

Most biomechanical tasks of interest to clinicians can be solved only using personalized mathematical models. Such models allow to formalize and relate key pathophysiological processes, basing on clinically available data evaluate non-measurable parameters that are important for the diagnosis of diseases, predict the result of a therapeutic or surgical intervention. The use of models in clinical practice imposes additional restrictions: clinicians require model validation on clinical cases, the speed and automation of the entire calculated technological chain, from processing input data to obtaining a result. Limitations on the simulation time, determined by the time of making a medical decision (of the order of several minutes), imply the use of reduction methods that correctly describe the processes under study within the framework of reduced models or machine learning tools.

Personalization of models requires patient-oriented parameters, personalized geometry of a computational domain and generation of a computational mesh. Model parameters are estimated by direct measurements, or methods of solving inverse problems, or methods of machine learning. The requirement of personalization imposes severe restrictions on the number of fitted parameters that can be measured under standard clinical conditions. In addition to parameters, the model operates with boundary conditions that must take into account the patient’s characteristics. Methods for setting personalized boundary conditions significantly depend on the clinical setting of the problem and clinical data. Building a personalized computational domain through segmentation of medical images and generation of the computational grid, as a rule, takes a lot of time and effort due to manual or semi-automatic operations. Development of automated methods for setting personalized boundary conditions and segmentation of medical images with the subsequent construction of a computational grid is the key to the widespread use of mathematical modeling in clinical practice.

The aim of this work is to review our solutions for personalization of mathematical models within the framework of three tasks of clinical cardiology: virtual assessment of hemodynamic significance of coronary artery stenosis, calculation of global blood flow after hemodynamic correction of complex heart defects, calculating characteristics of coaptation of reconstructed aortic valve.