颅内动脉瘤的数值模拟研究进展

张凯旋 邱收 胡霖霖

摘  要： 随着医学检查技术和医学设备的发展，颅内动脉瘤患者被发现的越来越多，对于颅内动脉瘤的治疗以及预防其破裂是十分紧迫的。近期研究表明，数值模拟血流动力学的参数与动脉瘤发生、发展、破裂都有密切的联系，且可以对治疗进行干预，模拟治疗后的效果。数值模拟能够成为研究颅内动脉瘤血流动力学的重要手段。

关键词： 颅内动脉瘤;血流动力学;数值模拟;计算流体力学

中图分类号： TP319    文献标识码： A    DOI：10.3969/j.issn.1003-6970.2019.08.008

本文著录格式：张凯旋，邱收，胡霖霖，等. 颅内动脉瘤的数值模拟研究进展[J]. 软件，2019，40（8）：3841

【Abstract】： With the development of medical examination technology and medical equipment， more and more patients with intracranial aneurysms have been found. It is very urgent to treat and prevent the rupture of intracranial aneurysms. Recent studies have shown that the parameters of numerical simulation of hemodynamics are closely related to the occurrence， development and rupture of aneurysms， and can intervene in the treatment and simulate the effect of treatment. The numerical simulation can be an important means to study the hemodynamics of intracranial aneurysms.

【Key words】： Intracranial aneurysm; Hemodynamics; Numerical simulation; Computational fluid dynamics

0  引言

颅内动脉瘤是局部血管的异常改变而产生的病理性囊性膨出，是造成蛛网膜下腔出血的首位病因。非创伤性自发蛛网膜下腔出血（subarachnoid hemorrhage，SAH）是一种神经系统急症，占所有中风的1-7%，与SAH相关的发病率和死亡率非常高[1]。其中，动脉瘤性SAH占81.4%，非动脉瘤性SAH占18.6%。在我国，颅内动脉瘤破裂是造成SAH的主要因素[2]。发病原因尚不十分清楚，通常认为与动脉硬化、感染、创伤、血流动力学等诸多因素有关[3]。Steinman等人[4]首次提出使用基于图像的计算流体力学（computational fluid dynamics，CFD）的方法对颅内动脉瘤进行分析，随着计算机技术的发展以及计算流体力学软件的应用，使用该方法对颅内动脉瘤血流动力学的分析也越来越多。本文对颅内动脉瘤血流动力学特征及数值模拟在颅内动脉瘤临床中的应用进行如下综述。

1  颅内动脉瘤血流动力学特征

颅内动脉瘤血流动力学特征主要是从血流速度、壁切应力、壁切应力梯度、壁压力、切应力震荡指数等血流动力学参数来进行研究，其中对于壁切应力的研究十分重要。壁切应力（Wall shear

stress，WSS）是血液流动时血流对血管壁的切向作用力，其作用方向平行于血管壁。血流速度与壁切应力呈正相关[5]，由此可见血流的变化会对壁切应力产生一定的影响。内动脉瘤的自然病史包括三个阶段：起始阶段、生长阶段、稳定阶段或破裂阶段，只有少数动脉瘤发展到破裂阶段[6]。颅内动脉瘤的形成是动脉壁和血液动力之间相互作用的结果[7]。由于缺乏外部弹性板、内侧弹性蛋白以及支持血管外和周围组织的支持，脑血管系统在本质上容易受到血流动力学力的影响，所以容易受到血流动力学应力的损伤，以及随后的内部弹性椎板损伤和动脉瘤的形[8-10]。目前对壁切应力的研究分为高壁切应力和低壁切应力两个方面。高WSS引发动脉瘤形成，而低WSS导致内皮细胞的空间紊乱和致动脉粥样硬化和促炎信号途径的激活[11]。对此，不同的学者对其的影响看法迥异不同。巨大基底梭状动脉瘤的最大生长区域始终具有最低的壁切应力[12]。而有学者认为高壁切应力和低壁切应力都与动脉瘤的生长有关，并且發现动脉瘤的生长与高壁切应力冲击瘤顶有关，而动脉瘤在瘤顶部的成长与低壁切应力有关[13-14]。低壁切应力可促进巨噬细胞相关的慢性炎症和动脉粥样硬化改变。这些由巨噬细胞引起的动脉粥样硬化炎症改变和金属蛋白酶产生可使壁易于变薄并进一步破裂。颅内动脉瘤破裂可以通过低壁切应力来预测[15]。局部壁切应力减少可能是导致颅内动脉瘤破裂的重要预测参数[16]。另有人发现动脉瘤顶处存在低壁切应力区域，破裂点处壁切应力最低，动脉瘤内壁切应力低于载瘤动脉内壁切应力，较之未破裂动脉瘤，破裂动脉瘤的平均和最大壁切应力值均较低，而低切应力区域面积（low shear area，LSA）可作为预测动脉瘤破裂的独立危险因素[17]。颅内动脉瘤破裂与最高壁切应力有关，在动脉瘤易破裂区域其壁切应力值最高[18-19]。而有人证明动脉瘤破裂点处壁切应力最低[20]。

2  数值模拟在颅内动脉瘤临床中的应用

颅内动脉瘤的手术治疗包括开颅手术、血管内介入治疗。这些治疗是通过将颅内动脉瘤排除在血液循环之外、将某种物质填充动脉瘤腔，使得动脉瘤囊内血流消失等改变颅内动脉瘤血流动力学的方式，对颅内动脉瘤进行治疗。

2.1  开颅手术

开颅夹闭术作为颅内动脉瘤治疗的一种手段，有学者对这种方法进行了数值模拟研究，Miura[21]等在左侧小脑后动脉近端进行左侧椎动脉闭塞，对一例左侧椎动脉动脉瘤进行流量改变处理，并且进行了CFD模拟以预测效果，通过CFD模拟，确定未破裂的椎动脉梭形动脉瘤的手术策略。Rayz[22]等基于图像的计算流体动力学模型用来模拟四个基底动脉动脉瘤的血流，使用MRI血管造影和测速数据构建患者特异性几何形状，将针对术前流动条件进行的CFD模拟与在干预之前获得的体内相位对比MRI测量进行比較，以评估血流改变干预所导致的术后血流动力学。

2.2  血管内介入治疗

2.2.1  血管内介入栓塞术

血管内介入栓塞术是治疗颅内动脉瘤的一种标准的治疗手法，因其侵入性小，失败率低而优于开颅夹闭术。有不少学者对血管内介入栓塞术进行了研究，Wang[23]等根据支架置入前后患者动脉瘤的特定几何形状，建立虚拟支架计算立体力学仿真模型，调查了支架置入术后动脉瘤内血流动力学改变及其与动脉瘤位置的关系，结果表明支架置入后，动脉瘤内血流速度和WSS下降，与动脉瘤类型无关。Nambu[24]等首次比较线圈栓塞前和线圈栓塞后模型动脉瘤复发的血流动力学因素，使用50例颅内动脉瘤患者特异性三维旋转血管造影数据，通过对应于虚拟线圈表面的平面创建了线圈栓塞前模型和通过手动切割动脉瘤制作的线圈栓塞后的模型，进行CFD分析后，发现压力差可能是线圈栓塞后复发的最强预测因子。另有学者对颅内动脉瘤内填充的线圈进行研究，Umeda[25]等通过计算流体力学使用多孔介质模型评估动脉瘤的形态学参数，线圈填充密度和血流动力学变量与动脉瘤复发的相关性，发现残余流量是唯一独立显著的因素，可能是预测栓塞后复发更有用的参数，也可用于弹簧圈栓塞计划，有助于更有效的动脉瘤线圈栓塞。Fujimura[26]等采用有限元和计算流体力学分析方法，研究了随着线圈刚度和长度的变化，线圈的血流动力学和分布规律。通过改变线圈的刚度和长度，对线圈栓塞进行数值模拟。发现较硬的弹簧圈更容易进入动脉瘤顶的外侧，短线圈更多分布在颈部区域，且当弹簧圈在动脉瘤颈区和瘤顶外侧分布较集中时，动脉瘤内的流速明显降低。另外，动脉瘤顶外侧和颈部的高密度线圈对有效降低速度也很重要。有学者对颅内动脉瘤内填充物进行研究，其在尸体上重建巨大动脉瘤模型的基础上，采用多孔介质建模，通过计算流体力学模拟，比较了未经治疗的动脉瘤、线圈充盈的动脉瘤以及屈服应力流体材料充盈的动脉瘤之间血流动力学参数的差异，探讨了屈服应力流体材料栓塞动脉瘤的可能性[27]。线圈在颅内动脉瘤的位置也很重要，Byun[28]等对线圈位于动脉瘤不同位置进行CFD模拟，来分析线圈栓塞巨大或多叶动脉瘤的情况下，线圈的位置，对动脉瘤产生不同的效果。该研究表明线圈最佳的栓塞位置位于动脉瘤的远端颈部。Leng[29]等人开发了可靠和使用的虚拟线圈栓塞和支架植入的方法，来用于颅内动脉瘤手术计划，其为后续的计算流体力学分析提供几何形状。在治疗过程中，支架被放置在合适的位置，实现了良好的扩张和支架与动脉壁的贴合。对于宽颈动脉瘤和复杂动脉瘤需要使用支架辅助线圈栓塞，支架也是血管内介入栓塞中的重要一部分。Tremmel[30]等首次采用CFD对Enterprise支架进行分析，利用计算流体力学量化单个和多个自扩张Enterprise支架和球囊扩张式支架对动脉瘤血流动力学的影响，支架置入可抑制复杂动脉瘤的血流，动脉瘤壁切应力随着支架数量增加而降低。Wang[31]等通过计算流体力学来量化新型低轮廓可视化管腔内支架的效果以及与管道装置和Enterprise支架相比的流体分流效果。这是第一个分析Low-profile Visualized Intraluminal Support（LVIS）支架血流变化的研究。发现LVIS支架对脑动脉瘤有一定的血流动力学效应：单支LVIS支架比双支enterprise支架减少的流量更多，但比管道支架少。然而，双LVIS支架比管道支架具有更好的分流效果。Kim[32]等为了评估不对称支架贴片对动脉瘤血流动力学的影响，将其置入患者的动脉瘤几何结构中，进行计算流体力学分析。通过计算和实验比较未治疗和支架治疗动脉瘤的血流动力学发现，不对称支架有效地阻挡了进入动脉瘤的强流入射流并消除了穹顶出动脉瘤壁上的流动冲击，消除了壁切应力升高的冲击区域，动脉瘤血流活性大大减少，血流明显减少，实验观察结果和CFD结果定性吻合较好。所证明的不对称支架可以导致一种新的微创影像指导介入，以减少动脉瘤的生长

和破裂。Zhang[33]等开发了一种快速虚拟支架技术（fast virtual stenting，FVS）来模拟支架在特定患者动脉瘤中的部署，并使用计算流体力学的方法分析三种情况：支架从动脉瘤模型的现实部署，快速虚拟支架技术部署，有限元部署，来评估快速虚拟支架技术在脑动脉瘤支架植入术的应用效果。通过数值验证，这是一种用于虚拟支架释放的新方法。结果表明，FVS具有虚拟支架植入的能力，可以对脑动脉瘤之家植入术后的血流动力学进行评估。且可提供有效的支架动脉瘤模型，结合CFD研究之后的血流动力学。

2.2.2  分流术

分流器（Flow Diverter，FD）是一种密集编织的支架网，具有高金属覆盖率和低孔隙率，最近已成为颅内动脉瘤的首选治疗方式，特别是对于传统上具有挑战性的宽颈和梭形动脉瘤。FD可以使血液从动脉瘤中流出，破坏动脉瘤内的血液流动，诱导血栓形成前的状态，并作为内皮细胞生长和动脉重构的支架。Paliwal[34]等首次展示了虚拟支架工作流程在商用血管栓塞装置FD治疗颅内动脉瘤的临床应用。采用硅胶模型对15例采用FD治疗的动脉瘤患者进行临床干预，获得治疗前和治疗后的血流动力学，血流动力学参数显示两组的平均流入率和动脉瘤的速度均有相似程度的降低。Xu[35]等人构建四种不同载瘤动脉曲度的颅内动脉瘤模型，采用5种分流策略（单个FD，5%和10%线圈填充密度的单个FD，重叠率为25%和50%的两个FD）对分流前后的血流动力学进行CFD模拟，表明在所有的分流策略中，重叠FD诱导最有利的血流动力学变化，且治疗后的血流动力学变化主要受载瘤动脉曲度的影响。Damiano[36]等测试了四种临床干预策略：线圈、单个分流器、有线圈的分流器和重叠的分流器，通过计算流体力学评价治疗后的血流动力学，结果表明，分流器的主要作用时分流流入，而线圈的作用时在动脉瘤内产生瘀滞。Sindeev[37]等应用CFD和相位对比MRI在相似的流动条件下进行模拟和体外测量血流动力学，对比术前和术后的血流动力学参数分布，CFD模拟和PC-MRI的速度测试结果相似，三种模型治疗后均未观察到漩涡。Zhang[38]等进行CFD研究分析FD植入后血流动脉血的影响，CFD分析表明，在FD治疗后动脉瘤内的血流量应减少。为了保证FD治疗的成功，FD支架的抗力必须大于动力。另一方面，高速射流是动脉瘤残留和破裂的另一个原因。因此，降低射流速度的方法对于FD的设计和处理至关重要。

3  结论

CFD数值模拟可用于评价治疗前后的颅内动脉瘤血流动力学，这些局部血流动力学参数可用于预测治疗结果，从而帮助临床医生对不同的治疗策略进行先验评估。CFD模拟的潜在有用性决定了治疗策略，CFD模拟可以帮助确定哪些手术选项可能减少流入动脉瘤的流量，使用基于预处理血管造影的虚拟线圈栓塞解剖模型的血流动力学分析可用于预测动脉瘤复发。虚拟线圈栓塞和分流技术能够再现复杂的血管内干预策略和详细的血流动力学，从而确定影响治疗结果的血流动力学因素。

参考文献

[1] Feigin VL， Lawes CM， Bennett DA， Anderson CS. Stroke epidemiology： A review of population-based studies of incidence， prevalence， and case-fatality in the late 20th century. Lancet Neurol 2003， 2： 43-53. doi： 10. 1016/S1474- 4422（03）00266-7.

[2] Song， J. P.， et al.， Epidemiological Features of Nontraumatic Spontaneous Subarachnoid Hemorrhage in China： A Nation?wide Hospital-based Multicenter Study. Chin Med J （Engl）， 2017. 130（7）： p. 776-781.

[3] Seibert B， Tummala RP， Chow R， et al. Intracranial aneurysms： review of current treatment options and outcomes. Front Neurol， 2011， 2： 45.

[4] Steinman， D. A.， et al.， Image-based computational simulation of flow dynamics in a giant intracranial aneurysm. AJNR Am J Neuroradiol， 2003. 24（4）： p. 559-66.

[5] 呂楠， 徐瑾瑜， 李强， 许奕， 刘建民， 黄清海. 致死性术中破裂前交通动脉瘤血流动力学特征分析[J]. 中华脑血管病杂志（电子版）， 2013， 7（06）： 310-313.

[6] Rinkel GJ， Djibuti M， Algra A， et al. Prevalence and risk of rupture of intracranial aneurysms： a systematic review. Stroke 1998， 29： 251–56.

[7] Hashimoto T， Meng H， Young WL. Intracranial aneurysms： links among inflammation， hemodynamics and vascular remodeling. Neurol Res 2006， 28： 372–80.

[8] Stehbens WE. Pathology and pathogenesis of intracranial berry aneurysms. Neurol Res 1990， 12： 29–34.

[9] Inci S， Spetzler RF. Intracranial aneurysms and arterial hypertension： a review and hypothesis. Surg Neurol 2000， 53： 530–40， discussion 540–42.

[10] Steiger HJ. Pathophysiology of development and rupture of cerebralaneurysms. Acta Neurochir Suppl （Wien） 1990， 48： 1–57.

[11] Dolan， J. M.， Meng， H.， Sim， F. J. & Kolega， J. Differential gene expression by endothelial cells under positive and negative streamwise gradients of high wall shear stress. Am J Physiol Cell Physiol 305， C854–866 （2013）.

[12] 付凯亮， 王春霞， 刘怀军， 宗会迁， 柳青. 颅内动脉瘤计算流体力学有限元分析[J]. 河北医药， 2013， 35（16）： 2413-2415.

[13] Zhou， G.， et al.， Association of wall shear stress with intrac?ranial aneurysm rupture： systematic review and meta-analysis. Scientific Reports， 2017. 7（1）： p. 5331.

[14] Sugiyama SI， Meng H， Funamoto K， et al. Hemodynamic analysis of growing intracranial aneurysms arising from a posterior inferior cerebellar artery. World Neurosurg 2012， 78： 462–68.

[15] Sforza DM， Putman CM， Tateshima S， et al. Hemodynamics characteristics of growing and stable aneurysms. ASME Summer Bioengineering Conference， Fajardo， Puerto Rico， June 20–23， 2012.

[16] Acevedo-Bolton G， Jou LD， Dispensa BP， et al. Estimating the hemodynamic impact of interventional treatments of aneurysms： numerical simulation with experimental valida-tion： technical case report. Neurosurgery 2006， 59： E429 –30， author reply E429–30

[17] Xiang J， Natarajan SK， Tremmel M， et al. Hemodynamic- morphologic discriminants for intracranial aneurysm rupture. Stroke 2011， 42： 144–52

[18] Valen-Sendstad， K.， Mardal， K. A.， Mortensen， M.， Reif， B. A. & Langtangen， H. P. Direct numerical simulation of transitional flow in a patient-specific intracranial aneurysm. J Biomech. 44， 2826–2832 （2011）.

[19] Castro MA， Putman CM， Sheridan MJ， et al. Hemodynamic patterns of anterior communicating artery aneurysms： a poss?ible association with rupture. AJNR Am J Neuroradiol 2009， 30： 297–302

[20] RUSSELL JH， KELSON N， BARRY M， et al. Computational fluid dynamic analysis of intracranial aneurysmal bleb formation[J]. Neurosurgery， 2013， 73（6）： 1061-1068.

[21] Miura， Y.， et al.， A Case of Vertebral Artery Fusiform Aneurysm Treated by Flow Alteration： Successful Prediction of Therapeutic Effects Using Computational Fluid Dynamics. NMC Case Report Journal， 2017. 4（4）： p. 107-110.

[22] Rayz， V. L.， et al.， Computational Modeling of Flow-Altering Surgeries in Basilar Aneurysms. Annals of Biomedical Engineering， 2015. 43（5）： p. 1210-1222.

[23] Wang， C.， et al.， Hemodynamic alterations after stent implantation in 15 cases of intracranial aneurysm. Acta Neurochirurgica， 2016. 158（4）： p. 811-819.

[24] Nambu， I.， et al.， High Pressure in Virtual Postcoiling Model is a Predictor of Internal Carotid Artery Aneurysm Recurr?ence After Coiling. Neurosurgery， 2019. 84（3）： p. 607-615.

[25] Umeda， Y.， et al.， Computational fluid dynamics （CFD） using porous media modeling predicts recurrence after coiling of cerebral aneurysms. PLOS ONE， 2017. 12（12）： p. e0190222.

[26] Fujimura， S.， et al.， Hemodynamics and coil distribution with changing coil stiffness and length in intracranial aneurysms. J Neurointerv Surg， 2018. 10（8）： p. 797-801.

[27] Wang， W.， et al.， Giant intracranial aneurysm embolization with a yield stress fluid material： insights from CFD analysis. Biorheology， 2013. 50（3-4）： p. 99.

[28] Byun， H. S. and K. Rhee， CFD modeling of blood flow following coil embolization of aneurysms. Medical Engi-neering & Physics， 2004. 26（9）： p. 755-761.

[29] Leng， X.， et al.， Numerical simulation of patient-specific endovascular stenting and coiling for intracranial aneurysm surgical planning. J Transl Med， 2018. 16（1）： p. 208.

[30] Tremmel， M.， et al.， Alteration of Intraaneurysmal Hemod-ynamics for Flow Diversion Using Enterprise and Vision Stents. World Neurosurgery， 2010. 74（2-3）： p. 306-315.

[31] Wang， C.， et al.， Flow diverter effect of LVIS stent on cerebral aneurysm hemodynamics： a comparison with Enterprise stents and the Pipeline device. Journal of Translational Medicine， 2016. 14（1）： 199.

[32] Kim， M.， et al.， Evaluation of an asymmetric stent patch design for a patient specific intracranial aneurysm using Computational Fluid Dynamic （CFD） calculations in the Computed Tomography （CT） derived lumen. Proc SPIE Int Soc Opt Eng， 2006. 6143： p. 61432G-61432G-8.

[33] Zhang， Q.， et al.， Phantom-based experimental validation of fast virtual deployment of self-expandable stents for cerebral aneurysms. Biomed Eng Online， 2016. 15（Suppl 2）： p. 125.

[34] Paliwal， N.， et al.， Association between hemodynamic modifications and clinical outcome of intracranial aneurysms treated using flow diverters. Proc SPIE Int Soc Opt Eng， 2017. 11， 10135.

[35] Xu， J.， et al.， Combined Effects of Flow Diverting Strategies and Parent Artery Curvature on Aneurysmal Hemodynamics： A CFD Study. PLOS ONE， 2015. 10（9）： p. e0138648.

[36] Damiano， R. J.， et al.， Finite element modeling of endovas-cular coiling and flow diversion enables hemod?ynamic prediction of complex treatment strategies for intracranial aneurysm. Journal of Biomechanics， 2015. 48（12）： p. 3332- 3340.

[37] Sindeev， S.， et al.， Phase-contrast MRI versus numerical simulation to quantify hemodynamical changes in cerebral aneurysms after flow diverter treatment. PLOS ONE， 2018. 13（1）： p. e0190696.

[38] Zhang， Y.， W. Chong and Y. Qian， Investigation of intracranial aneurysm hemodynamics following flow diverter stent treatment. Medical Engineering & Physics， 2013. 35（5）： p. 608-615.