0 引言

       血管病理生理事件如高血压，狭窄和动脉粥样硬化等，会引发血管病理性改变^{[1, 2]}，这种变化与血流动力学密切相关。血流动力学参数包括血流速度、血流量、压力梯度、压力差及壁面剪应力（wall shear stress, WSS）等。四维血流磁共振成像（four-dimensional flow magnetic resonance imaging, 4D Flow MRI）能直接量化体内血流的流动参数^[3]。作为无创测量的工具，4D Flow MRI成像逐渐被临床医生所接受。但由于时空分辨率较低^[4]、采集时间长^[5]，后处理软件不易获取，限制了4D Flow MRI在临床推广应用。而计算流体力学（computational fluid dynamics, CFD）可直观、可视化地模拟血流的模式及状态对血流进行量化并计算出一系列流体力学参数，凭借高精度模拟与深层参数推导能力，弥补了物理扫描在时空分辨率上的局限。但CFD模拟结果高度依赖于血管几何重建及边界条件的设定，且计算资源要求较高^[6]，显著影响流场的保真度。此外，近年来人工智能（artificial intelligence, AI）的引入为4D Flow MRI与CFD的融合提供了新的思路，有望提高保真度、降低成本、简化流程、促进临床转化。

       然而，目前相关研究多为小样本或单中心探索，缺乏统一标准与大规模临床验证，研究结果的稳定性与可推广性仍有待提高。此外，针对4D Flow MRI与CFD在血管疾病中联合应用的系统性综述仍相对有限，已有综述多侧重单一技术，缺乏对两者融合机制、临床价值及发展趋势的全面分析。因此，有必要对4D Flow MRI与CFD联合应用在血管疾病中的研究进展进行系统梳理。

       本文将回顾近几年4D Flow MRI与CFD相结合在血管疾病中的研究进展与临床应用，重点总结其在病情评估、治疗决策支持、疗效监测与预后预测等方面的潜在价值，分析目前该技术面临的局限并提出未来研究方向，旨在为临床了解血管性疾病的血流动力学变化提供新的思路。

1 文献检索方法

       本综述对PubMed和中华医学期刊全文数据库进行了从2016年3月至2026年3月期间的文献检索，中文检索词包括“血流动力学”“4D flow MRI”“四维血流磁共振成像”“计算流体动力学”和“血管”等，英文检索表达式为（“4D flow MRI”OR “4D-flow”OR “four-dimensional flow MRI”OR “phase-contrast MRI”) AND（“Computational Fluid Dynamics”OR“CFD”）。纳入标准：（1）研究对象为人体或体模血管系统；（2）研究内容涉及4D Flow MRI、CFD或两者联合应用于血流动力学分析；（3）文献类型为原创性研究或具有代表性的综述；（4）中文或英文文献。排除标准：（1）非血管相关研究；（2）非流体力学分析的研究；（3）重复发表文献、会议摘要、个案报道及数据不完整的文献；（4）无法获取全文的文献。

       文献筛选由两名研究者独立完成，首先对检索所得文献进行去重处理，通过标题与摘要进行初筛，随后阅读全文进行复筛，对存在分歧的文献经讨论后达成一致。最终对纳入文献按照研究部位、成像技术、CFD建模方法、数据量及主要血流动力学参数进行分类整理与总结。

2 技术原理及特点

2.1 4D Flow MRI技术发展

       4D Flow MRI是一种基于相位对比磁共振成像（phase contrast magnetic resonance imaging, PC-MRI）原理的先进影像技术^[7]，通过双极磁场梯度测量运动质子的相位移，获取血流速度信息。该技术以时间分辨的三维速度编码为基础，能够在三维空间内对任意血管的血流进行回顾性分析与量化^[8]，生成动态血流可视化图像，并提供复杂的血流动力学参数^{[9, 10]}。这一技术在血流动力学评估领域具有里程碑意义，为个性化血流特征的揭示提供了前沿工具。然而，受限于空间分辨率、时间分辨率^[11]以及信噪比（signal-to-noise ratio, SNR）^[12]，4D Flow MRI在量化关键血流动力学参数（如WSS^[13]、相对压力和峰值速度^[14]）时，可能引入显著误差。相比之下，CFD模拟则拥有在高分辨率网格上评估流速、压力及相关生物标志物的能力。

2.2 CFD技术发展

       CFD作为流体力学数值模拟的重要工具，通过求解Navier-Stokes方程并结合特定边界条件，预测血管几何结构内的流速和压力分布^[15]。利用计算机模拟研究流体运动及其相关现象的应用可追溯至20世纪50年代美国麻省理工学院对超音速流经尖锥的数值模拟研究^[16]。近年来，CFD被广泛应用于分析病变主动脉的血流特性，例如主动脉瘤^{[17, 18]}、主动脉夹层^{[19, 20]}以及血管腔内修复术前后的血流模式变化^{[21, 22]}。CFD与4D Flow MRI均可实现随时间变化的血流结构可视化，并通过流体力学指标（如体积流率、壁面剪切应力和能量损失）量化血流特性。然而，WSS的精确估算依赖于近壁面速度梯度的准确测量。在4D Flow MRI中，WSS的误差核心源于近壁区域速度梯度估计的困难，其受体素大小限制。而CFD通过高分辨率网格能够提供更精确的WSS分布^[23]。4D Flow MRI所测WSS绝对值通常低于CFD，但其空间分布趋势与数值模拟具有良好的一致性。

2.3 4D Flow MRI与CFD技术的本质差异

       CFD模拟通常基于计算机断层扫描（computed tomography, CT）、计算机体层成像血管造影（computed tomography angiography, CTA）获取影像，也可基于数字减影血管造影、MRA、3D黑血序列。但其模拟结果并非体内血流的真实再现，而是基于假设的近似模拟^[24]。例如，CFD常假设血管壁为刚性，入口和出口边界条件则依赖统计数据、估计值或生理模型。这些假设使得CFD的准确性高度依赖于血管几何结构和边界条件的精确定义^[25]。相比之下，4D Flow MRI能够提供体内实测血流速度场和血管解剖信息，为CFD模拟提供可靠的边界条件。研究表明，将两者结合使用可以在严格控制的条件下显著提升流场模拟的保真度和血流参数的可靠性^[26]，从而为血流动力学研究提供更精确的数据支持（表1）。

点击查看表格

表1  4D Flow MRI 与 CFD 在血管血流动力学分析中的比较
Tab. 1  Comparison of 4D Flow MRI and CFD in vascular hemodynamic analysis

2.4 4D Flow MRI与CFD结合研究的模拟过程

       （1）解剖重建：基于患者DICOM影像利用Mimics或3D slicer等软件构建感兴趣血管的三维解剖模型，并执行平滑算法优化表面拓扑结构。（2）数值仿真：仿真过程涵盖网格划分、边界条件设定及迭代求解。将STL格式模型导入ANSYS软件，利用有限体积法构建非结构化四面体网格；通过优化网格密度确保计算结果的收敛性与真实性。随后在Fluent模块中进行物理设定：血液建模为层流、不可压缩的牛顿或非牛顿流体,管壁设定为刚性无滑移边界。出、入口边界条件可采用理想化假设,或整合2D PC-MRI与4D Flow MRI 获取的患者特异性流速数据以提升仿真精度。（3）后处理分析：通过后处理软件提取感兴趣区的血流动力学参数进行定量分析^[11]。

3 4D Flow MRI与CFD结合在血管疾病中的应用

3.1 主动脉疾病

       主动脉疾病是一类严重的心血管疾病，包括主动脉夹层、主动脉瘤等^[23]。而动脉几何形态和血流状态的准确描述在疾病诊断、分期、治疗计划和患者预后监测的临床实践中起着至关重要的作用^[27]。

       PARK等^[28]使用3D打印的正常主动脉体模，将4D PC MRI与CFD在脉动流和稳定流中进行比较，发现两种方法所获得的峰值速度和平均速度的误差均在5%以内。CHERRY等^[29]讨论了不同4D Flow MRI空间分辨率对正常胸主动脉的CFD模拟的影响，结果显示，与基于1.5 mm×1.5 mm×1.5 mm的CFD模拟相比，使用4 mm×4 mm×4 mm的空间分辨率大大低估了收缩期峰值的最大速度幅度，这可能提示较粗的空间分辨率将在流场和几何形状内产生显著差异。

       为探究血管老化对主动脉血流动力学的影响，ADEEB等^[30]将4D flow MRI作为CFD输入，其中包括主动脉几何重建，速度测量，边界条件建立和血流动力学分析。研究表明，健康年轻者与老年受试者的主动脉血流动力学参数在CFD与4D flow MRI中吻合良好。相比之下，老年人的主动脉血流速度较低，可能是由于输入速度降低和主动脉直径增加。

       目前关于不同分辨率对4D Flow MRI血流速度、图像质量以及CFD模型精度的影响在心脑血管领域已得到初步探讨。但在腹部血管系统中的应用研究尚显不足。因此，未来研究可聚焦于腹部血流动力学的深度探索，克服现有技术瓶颈，挖掘4D Flow MRI与CFD技术在腹部疾病诊疗中的临床转化价值。

3.1.1 主动脉狭窄和主动脉缩窄

       主动脉狭窄是发达国家最常见的瓣膜性心脏病，与主动脉扩张和动脉瘤等严重继发性并发症的发展有关^[31]。近年来，4D Flow MRI结合CFD的综合分析方法广泛应用于主动脉狭窄的研究，为血流动力学量化评估及个体化诊疗提供了新的技术途径。

       DIRIX等^[32]基于一例主动脉狭窄患者的血管几何模型，结合4D Flow MRI数据，系统探究了欠采样、不同速度编码（velocity encoding, VENC）及呼吸运动对流速测量、湍流量化分析及图像质量的综合影响。另一项研究^[33]则利用4D Flow MRI耦合CFD技术，构建了健康及病理状态下的患者特异性主动脉血管模型。该研究验证了此方法在表征主动脉弓整体血流及由狭窄诱发的血流动力学改变方面的准确性。随后，研究团队^[33]将该方法应用于大规模患者队列并对比健康与病理流场结构，结果证实其能够精确捕捉主动脉弓内的整体流动模式及局部湍流特性。比较发现，病理主动脉中出现的高速射流、涡流区及剪切应力异常分布显著改变了局部血流场，这些异常动力学模式可能与红细胞机械性损伤及内皮功能障碍密切相关。

       主动脉缩窄是一种以主动脉弓或降主动脉近端缩窄为特征的先天性心脏缺陷。针对主动脉缩窄血流动力学评估的局限性，SHAHID等^[34]构建了一种引入自适应网格细化（adaptive mesh refinement, AMR）技术的CFD框架，旨在增强4D Flow MRI的可视化表征与定量分析能力。结果显示CFD模拟的流量与4D Flow MRI测量的流量误差小于 9.6%，处于临床可接受范围内。CFD成功预测了4D Flow MRI未能捕捉到的慢速动脉瘤血流和支架内血流。通过应用AMR技术，该框架将空间分辨率提高了10~1000倍，时间分辨率提高了四倍。更重要的是，CFD成功揭示了4D Flow MRI未能捕捉的低速血流区域与支架内复杂流动结构，为术后血流监测与干预策略优化提供了新思路。

       综合上述所探讨的各类4D Flow MRI结合CFD模型均表明其能准确表征主动脉疾病，从而为临床诊断、手术规划、疗效监测及术后随访提供显著的辅助决策支持。AMR技术的引入有效弥补了4D Flow MRI固有空间分辨率不足的问题，从而实现血流动力学的高精度可视化。在MRI序列中，VENC参数仅允许在特定相移区间内优化血流捕获。然而，现有研究普遍采用单一VENC^[35]。因此，未来前瞻性试验应采用多VENC 4D Flow MRI协议，以期在单次扫描中实现对跨数量级流速动态范围的精准覆盖。然而，值得注意的是：该技术在提升高、低速血流捕获精度的同时，往往伴随着扫描时间的成倍增加。这要求在临床转化过程中，必须在检测精度与采集效率之间寻求最佳平衡点。

3.1.2 主动脉瘤

       升主动脉瘤（thoracic aortic aneurysm, TAA）是一种危及生命的主动脉扩张性疾病^[36]，如不及时治疗，可能导致主动脉夹层或破裂等严重并发症^[37]。目前，保留瓣膜的主动脉根部置换术（valve-sparing root replacement, VSRR）被认为是TAA的主要外科治疗方式^[38]。该术式在维持瓣膜功能和改善生存率方面具有显著优势，但在术后，未置换的远端主动脉仍可出现病变进展甚至再次扩张的风险。研究认为，这一现象可能与人工血管与天然主动脉组织之间的顺应性差异有关，该差异会导致局部血流动力学环境改变，进而引起远端主动脉的不良重塑。

       因此，NANNINI等^[39]首次采用双向流体-结构相互作用（fluid-structure interaction, FSI）模型，结合患者特异性4D Flow MRI数据，系统评估了VSRR术前与术后主动脉的血流动力学和生物力学变化。结果显示，FSI模型在考虑血管顺应性方面较传统刚性壁假设的CFD模型更为准确。在术后模型中，降主动脉的血流速度、WSS及时间平均壁面剪切力显著升高，而振荡切应力指数（oscillatory shear index, OSI）降低，提示人工血管的植入可引发远端主动脉的不良力学重塑。该研究不仅验证了4D Flow MRI与FSI耦合分析的可行性与可靠性，也强调了血管顺应性在主动脉血流动力学模拟中的关键作用。

       除血流动力学因素外，分子层面的传质过程（如氧气与一氧化氮的扩散）在TAA的发病机制中也具有潜在意义。PERINAJOVÁ等^[40]创新性地将分子传输分析引入TAA研究，基于患者特异性几何结构与4D Flow MRI数据，利用CFD模型模拟O₂与NO在血管腔及主动脉壁中的分布特征。结果显示，动脉瘤形态的改变可显著影响管腔与壁内的物质传输与浓度分布，这一发现为理解TAA的分子病理机制提供了新视角。该方法将分子级传输与影像学数据相结合，为实现TAA的个体化与精准化诊疗提供了新的理论基础。

       在腹主动脉瘤（abdominal aortic aneurysm, AAA）的研究中，SHI等^[41]提出的改良CFD建模策略成功实现了基于患者特异性MRI数据的腹主动脉及内脏动脉血流动力学模拟，并通过4D Flow MRI验证了其可行性与准确性。该方法为后续AAA及内脏动脉狭窄等病变的血流动力学研究提供了重要技术基础，也为实现个体化、非侵入性的主动脉疾病评估与预测开辟了新的方向。

       血流成像成为研究新趋势的原因不仅因其可视化五颜六色的流速流线，而且能量化血管结构上的机械应力：4D Flow MRI能够清晰显示腹主动脉瘤体内复杂的涡流和滞留流动现象，并量化局部WSS的分布。CFD模拟进一步证实，低WSS区域（通常指小于0.4 Pa）往往与瘤壁炎症反应、细胞凋亡及组织退变密切相关。这种结合成像与数值模拟的方法，不仅可实现瘤体内壁面应力与流场特征的精确量化，还可用于预测动脉瘤的扩张进展与破裂风险，为手术时机评估与个体化治疗提供参考。

       尽管4D Flow MRI与CFD/FSI技术的融合极大地推动了主动脉瘤的研究进展，但目前对血管壁材料参数（如线弹性或各向同性）的简化假设，仍难以精准表征主动脉复杂的生物力学特性。未来可以结合高分辨率4D Flow MRI与多尺度CFD/FSI建模，实现主动脉血流动力学与壁面应力的高保真耦合分析；融合分子传质、代谢信号与影像学分析，从多尺度层面揭示TAA与AAA的发病机制。

3.2 颈动脉狭窄、脑卒中和房颤相关卒中

       颈动脉狭窄（carotid artery stenosis, CAS）是缺血性卒中的危险因素^[42]。已有团队^[43]利用4D Flow MRI技术来全面表征颈动脉斑块的结构和血液动力学因素，增强我们对颈动脉斑块参与卒中发生的理解。也有团队^[44]对颈动脉体膜进行4D Flow MRI扫描，并实现超分辨率（super-resolution, SR）重建。经过SR处理后，颈动脉分叉处的再循环血流区域与CFD模拟的参考结果更加接近。

       对于CAS或脑卒中患者，研究团队^[45]通过将4D Flow MRI、CTA、CFD相结合，计算Willis环外的灌注压，提供了一种评估大脑主要动脉供血区脑血管阻力的新方法。EL SAYED等^[46]探讨了4D flow MRI在颈动脉分叉处不同空间和时间分辨率对复杂血流动力学的影响。对于复杂血流区域，优化后的4D flow MRI将在临床可行的扫描时间内（约10 min），与CFD计算得到的速度及时间平均壁面剪切力呈现良好相关性。

       心房颤动的特点是左心房的快速且不规则收缩，这种异常收缩会显著影响左心房的血流动力学，进而增加血栓形成和中风的风险^[47]。已有研究^[48]通过模拟左心房血流动力学发现阵发性房颤患者左心耳血流缓慢，这与中风的发生密切相关。另有研究^[49]基于7T-MRI提取豆纹动脉几何形态并结合CFD，评估各几何特征对房颤相关血流动力学的潜在影响。然而，这些研究未结合4D Flow MRI，缺乏基于真实血流数据的个体化分析。而PARKER等^[23]提出多模态方法：将高分辨率CT扫描所得左心房的重建与4D Flow MRI肺流入相结合，创建了一种新的多模态计算流体力学模型，然后将该模型应用于一个小型房颤患者队列，以评估现有的理论并提出关于这些患者卒中发生的新假设。

       CFD能够补充和改进4D Flow MRI，以解决心、脑血管系统中面临的局限性，但现有的CFD模型往往依赖刚性壁或统计边界条件，忽略壁运动和脉动流变异，降低模拟保真度，尤其在小样本房颤队列中泛化性差。此外这些方法多基于多基于回顾性或小型队列，缺乏大规模活体验证，限制了临床转化和个体变异性分析。

3.3 内脏血管应用

3.3.1 门静脉高压与经颈静脉肝内门体分流术后评估

       经颈静脉肝内门体分流术（transjugular intrahepatic portosystemic shunt, TIPS）通过建立肝-门静脉分流路径以降低门静脉压力，是治疗静脉曲张出血及顽固性腹水等门脉高压并发症的关键微创手段^[50]。而在血流动力学评估方面，4D Flow MRI 凭借广泛的解剖覆盖能力，展现出卓越的腹部血管整体成像能力^[51]。

       鉴于4D Flow MRI的固有安全性，有研究提出的策略特别适用于重构覆膜支架植入患者的血管几何形态，因为此类患者需多次影像检查，而CT扫描会带来不可避免的累积辐射暴露，尤其在对辐射高度敏感的腹盆腔区^[52]。

       在终末期肝硬化患者接受TIPS术后，虽然4D Flow MRI无法直接评估门静脉压力，但通过与CFD数据的融合，已实现门体压力梯度的无创性量化^[15]。4D Flow MRI可清晰呈现静脉扩张形态、术后支架与邻近血管的空间位置，以及流动方向与速度分布；同时，CFD可提供互补的多维度血流动力学参数。尽管该项调查^[15]首次验证了无创测量门体压力梯度的可行性，但受限于样本规模，需通过后续大规模试验予以验证。此外，可开展4D Flow MRI与CFD的横向流体力学对比，探索新型门静脉高压预测模型；还可在分析中融入额外定量指标，如壁面剪切应力和动能水平，挖掘具有临床转化价值的血流动力学特征。

3.3.2 肝移植术前规划与监测

       肝脏移植是终末期肝病患者的最佳选择^[53]。肝移植术前，将4D Flow MRI与CFD整合，并辅以机器学习驱动的纹理识别分类以及手术规划算法，能够模拟多种血管重建策略对门静脉流体动力学的影响，从而优化手术决策，提升移植受体门静脉血栓的诊断精确度和疗效跟踪。该整合方法还在术前阶段预测术后供体血流变化^[54]。RUTKOWSKI及其团队^[55]采用4D Flow MRI结合计算流体力学进行虚拟手术，预测活体肝脏捐献者肝脏部分切除术后肝血流动力学的特异性改变。他们假设餐后门静脉分支的扩张相当于术后最大程度，利用术前采集的4D Flow MRI数据预测术后速度、流量、压力以及壁面剪切应力等关键指标。该研究结论表明，这种术前联合模拟框架有助于预估供体肝脏的术后血流状况。

       数字孪生是物理实体、过程或系统的虚拟表示，它通过实时数据和模拟技术来反映和预测物理世界中该实体的行为与状态。在医学领域，数字孪生技术能够创建特定于患者的虚拟模型，用于精准诊断、治疗规划和术后跟踪^[56]。已有研究引入左心房的数字孪生模型，结合CFD模拟，进行个性化的中风风险评估^[57]。

       数字孪生依赖于高分辨率成像，以进行准确的分割和解剖重建。较差的图像质量或复杂的解剖结构可能会导致分割错误，从而影响模拟的保真度。这限制了某些患者群体的可行性，需要手动校正，增加了时间和资源需求^[56]。未来研究可通过整合4D Flow MRI的实时动力学数据与CFD的高精度模拟能力，构建患者特异性血管数字孪生模型，实现个体化精准医疗。

4 人工智能整合：技术融合的新前沿

       RUTKOWSKI等^[58]针对脑血管的4D flow MRI数据研究，与CFD神经网络相结合，在这项初步研究中，通过使用高分辨率的患者特异性CFD数据来训练卷积神经网络，然后使用训练好的网络来增强MRI，在脑血管解剖中提供高分辨率、基于物理的、患者特异性的流场，这种新方法成为稳健的机器学习范式。SAITTA等^[7]在一个已知真实速度场和压力场的参考CFD模拟的合成4D flow数据上测试，使用正弦表示网络来改善胸主动脉4D flow MRI测量的速度场的去噪和SR，实现了SR和优于传统去噪滤波的去噪效果，并在体外4D Flow测量上验证方法有效性。

       CFD训练数据的准确性受限于几何建模精度、边界条件设定、湍流模型的选择等。这些假设可能与真实生理条件存在偏差，导致训练后的神经网络引入系统性误差，进而影响增强后流场的物理保真度。随着技术的迭代，AI正成为推动技术融合领域发展的核心驱动力;依托机器学习在图像增强与物理重构方面的不断突破,未来血管动力学模拟的保真度将得到提升,为临床诊断提供更为可靠的量化依据。

5 小结与展望

       本综述概述了4D Flow MRI与CFD结合在血管疾病的应用与研究进展。4D Flow MRI提供了全空间的三维血流速度场，具有无创、解剖覆盖广的优势。CFD则通过数值模拟弥补4D Flow MRI在空间分辨率、WSS计算及压力梯度测量上的局限性。AI被用于4D Flow MRI数据的去噪与SR重建，而数字孪生技术则为个体化精准医疗提供了虚拟实验平台。

       但目前4D Flow MRI与CFD的联合研究主要局限于单中心、小样本或个案验证，仍需大规模。此外，部分验证工作依赖于体外模型，因此开展系统性、在体前瞻性研究以获取具有临床代表性的血流动力学数据显得尤为必要。血管解剖结构的分割与模型重建是制约该技术向临床转化的关键问题；目前尚缺乏标准化处理流程与高效自动化软件，现有的人工处理方式不仅耗时长，且易受操作者经验影响而引入系统性偏倚^[59]。尽管4D Flow MRI能够提供全面、丰富的血流动力学信息，但精准提取解剖结构及定义边界条件仍具挑战。未来需依托AI辅助分割与自动化重建技术，以期提升数据处理的效率与准确性。

       未来研究可聚焦于以下两个维度：一是扩大样本量并进行多中心、前瞻性临床研究，以获取高质量、具有临床代表性的血流动力学数据，从而明确该技术在血管疾病诊断、预后评估与治疗指导中的价值；二是推进技术优化，包括利用加速成像序列（如k-t技术），缩短扫描时长，优化受试者依从性；另一方面，引入深度学习算法实现解剖结构的自动分割与建模，以减少人工干预衍生的主观偏差，从而增强临床工作的效率与结果的可重复性。

       综上所述，4D Flow MRI与CFD的结合为无创、全方位评估血管血流动力学提供了强有力的技术框架，可在生理与病理状态下对血流特征进行精确量化，为风险分层、临床决策与随访评估提供重要依据。随着加速采集序列的应用、自动化后处理算法的优化以及行业标准化流程的建立，该技术有望在个体化精准医学领域发挥变革性作用，推动临床诊疗路径的全面优化。