一、CFD在心血管系統中的應用

計算流體力學（CFD）在心血管系統中的應用是其在醫學領域中最成熟、最深入的方向之一。它通過數值模擬血液流動的動力學特征如，流速、壓力、剪切應力等，結合患者的影像數據重建個性化血管模型，為理解心血管疾病的發病機制、優化診療方案提供了量化依據。以下是其核心應用場景及解決的問題：

1、動脈粥樣硬化的機制研究與風險預測

動脈粥樣硬化是冠心病、腦梗死等疾病的核心病因，其斑塊易在血管分叉、彎曲處，如頸動脈分叉、冠狀動脈左前降支的形成，而血流動力學異常是關鍵誘因。

應用場景：

• 基于患者CT/MRI影像重建頸動脈、冠狀動脈等血管的三維模型，模擬血流在血管內的流動狀態，計算壁面剪切應力WSS、壓力梯度、血流停滯區等參數。
• 分析斑塊形成與發展的力學環境：低WSS（<0.4Pa）會導致血管內皮細胞功能紊亂，促進脂質沉積和炎癥反應；高振蕩剪切指數OSI則會增強內皮細胞的凋亡，加速斑塊進展。

可解決的問題：

• 預測斑塊易發生區域：通過WSS分布識別“高危區域”，提前預警動脈粥樣硬化風險。
• 評估斑塊穩定性：斑塊表面的高剪切應力或血流沖擊可能導致斑塊破裂，CFD可量化斑塊承受的機械力，輔助判斷是否需要提前介入治療。

2、動脈瘤的生長與破裂風險評估

動脈瘤，如顱內動脈瘤、腹主動脈瘤，是血管壁局部膨出形成的“薄弱點”，其破裂可能導致致命性出血，而血流對瘤壁的力學作用是決定其生長和破裂的核心因素。

應用場景：

• 基于影像重建動脈瘤的三維形態，模擬瘤腔內的血流渦流、壓力分布、瘤壁剪切應力（WSS）和瘤壁壓力（TBP）。
• 分析血流動力學參數與動脈瘤特性的關聯：例如，瘤腔內的渦流紊亂程度、高壓力梯度區域與破裂風險正相關；低WSS則可能促進瘤壁退化，加速動脈瘤生長。

可解決的問題：

• 量化破裂風險：對未破裂動脈瘤，通過CFD參數區分“高風險”與“低風險”動脈瘤，避免過度治療。
• 優化治療方案：評估手術干預后的血流動力學變化，預測治療效果，如是否有效降低瘤壁壓力。

3、心臟瓣膜疾病的評估與人工瓣膜優化

心臟瓣膜的狹窄或反流會導致血流紊亂，而人工瓣膜的設計需平衡血流動力學性能與并發癥風險。

應用場景：

• 天然瓣膜病變評估：模擬二尖瓣反流時的反流束形態、流速和壓力損失，量化瓣膜功能障礙程度，輔助判斷手術時機。
• 人工瓣膜優化：對機械瓣、生物瓣或經導管主動脈瓣，模擬其打開/關閉時的血流分布、WSS和血液停留時間，優化瓣膜的瓣葉形態、開口角度、支架設計。

可解決的問題：

• 避免術后并發癥：通過CFD優化人工瓣膜設計，減少血流停滯區，降低血栓風險，和過度湍流，以減少紅細胞破裂導致的溶血。
• 個性化瓣膜選擇：對復雜解剖結構，如瓣膜鈣化嚴重的患者，通過CFD模擬不同型號瓣膜的適配性，提高手術成功率。

4、先天性心臟病的血流動力學分析

先天性心臟病，如室間隔缺損、法洛四聯癥、主動脈縮窄等，會導致血流路徑異常，引發心功能損害，而CFD可量化異常血流對心臟和血管的影響。

應用場景：

• 重建先天性心臟病患者的心臟和血管三維模型，模擬異常分流的流速、流量和壓力變化。
• 分析血流動力學對心功能的影響：例如，主動脈縮窄會導致上肢高血壓和下肢低灌注，CFD可計算縮窄處的壓力降，評估對心臟后負荷的影響。

可解決的問題：

• 指導手術時機與方式：通過模擬不同年齡段的血流變化，預測病變對心功能的長期損害，確定最佳手術干預時間。
• 評估術后效果：模擬手術修復后的血流恢復情況，優化手術方案，如補片大小、形狀等。

5、支架植入與血管重建的優化

冠心病、外周動脈疾病等需通過支架植入擴張狹窄血管，但術后可能出現再狹窄或支架血栓，血流動力學是關鍵影響因素。

應用場景：

• 模擬支架植入后的血管形態，如支架貼壁性、擴張程度，計算支架附近的血流速度、WSS分布。
• 分析分叉血管支架植入后的血流分配，評估分支血管的血流是否受主支支架影響。

可解決的問題：

• 優化支架選擇與植入策略：通過CFD比較不同支架設計對血流的影響，選擇更易維持正常WSS的支架。
• 降低術后再狹窄風險：預測支架植入后可能出現的血流紊亂區域，輔助醫生調整植入位置或采用藥物涂層支架，從而抑制平滑肌細胞增殖。

6、心功能評估與心力衰竭機制研究

心力衰竭的核心是心臟泵血功能下降，而心室血流動力學與心肌收縮功能密切相關。

應用場景：

• 結合心臟MRI的心肌運動數據，模擬左心室收縮/舒張過程中的血流渦流、充盈效率，量化心室的“泵血能力”。
• 分析心力衰竭患者心室形態改變，對血流動力學的影響。

可解決的問題：

• 量化心功能指標：通過CFD計算心室的血流動能、壓力升高速率等參數，補充傳統心功能指標的不足，更精準評估病情。
• 指導治療方案：例如，對射血分數保留的心力衰竭（HFpEF），通過血流模擬分析心室舒張期的充盈障礙機制，優化利尿劑或血管擴張劑的使用

二、基于VirtualFlow軟件的血液流動仿真案例

門靜脈是肝臟的“物流總閘”，其位置如下圖(a)所示。血流量占心輸出量的25 %，卻沒有任何瓣膜；一旦血流動力學失衡，就可能引發門脈高壓、血栓乃至肝性腦病。受制于倫理與成像極限，活體測量門靜脈全域流速、壁面剪切應力（WSS）幾乎不可能。

于是我們把血管“搬進”計算機，截取一段如下圖（b）所示，用CFD讓在血管內的行為變得可觀測、可量化、可干預。

 

 

在此案例中，采用上海積鼎信息科技有限公司的自研CFD軟件VirtualFlow 2025的非結構求解器進行仿真。該求解器支持任意的非結構網格，仿真精度不亞于主流上軟，同時支持原生GPU計算，可大幅提升仿真速度。

 

a、CPU求解結果與主流商軟對比

采用VirtualFlow進行網格劃生成軟件生成四面體網格，分別通過國外F軟件和自研求解器用該網格進行仿真。從仿真的結果對比可以看出血管壁面上的壓力分布基本一致，最大高壓絕對值幾乎一致，最低低壓絕對值相差10%左右。

b、GPU求解結果與主流商軟對比

積鼎科技VirtualFlow 2025版已支持GPU求解能力，其特色表現為：

1. 同時支持CPU和GPU計算

• GPU原生支持，性能不亞于國際主流GPU求解器
• CPU支持多線程和多進程混合并行模式
• 同時適配國際主流和國內多種CPU/GPU

2. 支持任意多面體網格，適用于具有復雜幾何外形的快速網格生成

3. 采用穩定高效的數值求解方法，可以求解多種流動特別是多相流問題

4. 支持定常和非定常求解

5. 支持多種湍流模型，包括但不限于k-epsilon、sst k-omega等

6. 具有全面的前后處理功能

• 高度自動化網格劃分能力
• 高性能仿真結果后處理

7. 具有腳本功能，能夠支持自動化運行

8. AI友好，可與AI模型連接

 

仿真結果對比

從上圖的仿真結果比較來看，VirtualFlowGPU版與商軟國外S軟件的計算結果幾乎一致，可見VirtualFlow GPU版本求解器數學模型的精度是可以信賴的。

 

仿真性能對標

國外S軟件核并行時間

自研GPU版1卡并行時間

國外S軟件在16核配置下仿真500步，耗時378s。相同的網格與模型配置下，采用VirtualFlow非結構求解器求解，在1塊GPU顯卡的情況下，同樣計算500步，需要51s。可見自研非結構求解器的GPU版本計算效率是商軟CPU計算的7~8倍。

 

c、與離散元軟件DEMms耦合

在多物理場耦合數值方法及 CFD-DEM 單向耦合解析的基礎上，針對紅細胞與血流場的相互作用，雖正常生理狀態下紅細胞體積分數為 35%~50%，屬于高濃度顆粒體系，二者相互作用具有強耦合特性，但為演示單向耦合，特設計如下測試算例。

 

該測試算例的核心是對紅細胞相關參數進行特殊設定，以滿足單向耦合的適用條件。在算例中，我們將紅細胞的體積分數大幅降低至5% 以下，使其處于稀薄顆粒體系范疇。此時，可近似認為紅細胞對血流場無顯著擾動，僅需考慮血流場對紅細胞的作用力，符合單向耦合 “上游計算結果驅動下游仿真，下游結果不反作用于上游” 的特征。

 

基于積鼎的顆粒流求解器DEMms，與非結構求解器耦合，實現紅細胞在血管中流動的耦合仿真。通過下圖耦合仿真結果可見，紅細胞在中間交匯處容易聚集。通過耦合仿真，可以對血栓形成的研究體統理論依據。

 

三、VirtualFlow非結構求解器的特點

1. VirtualFlow2025版中的求解器可分結構模塊求解器和非結構模塊求解器。比于傳統國外F軟件等商軟，只能提供一種模式，軟件的仿真場景有更大適用性。

2. 同時支持CPU和GPU計算

a. GPU原生支持，性能不亞于國際主流GPU求解器

b. CPU支持多線程和多進程混合并行模式

c.同時適配國際主流和國內多種CPU/GPU

3. 支持任意多面體網格，適用于具有復雜幾何外形的快速網格生成

4. 采用穩定高效的數值求解方法，可以求解多種流動特別是多相流問題

5. 支持定常和非定常求解

6. 支持多種湍流模型，包括但不限于k-epsilon、sst k-omega等

具有全面的前后處理功能 

a. 高度自動化網格劃分能力

b.高性能仿真結果后處理

7. 具有腳本功能，能夠支持自動化運行

8. AI友好，可與AI模型連接

 

四、總結

CFD在心血管系統中的應用核心是將“形態學影像”轉化為“力學量化指標”，解決了傳統影像學無法回答的“力學機制”問題：

• 從“是什么病變”到“為什么發生”；
• 從“如何治療”到“如何優化治療”；
• 從“群體經驗治療”到“個性化精準治療”。

隨著CFD技術與醫學研究的結合，其在臨床中的轉化應用將更加廣泛，推動心血管疾病診療從“定性描述”向“定量預測”發展。