VirtualFlow/DEMMS | 血流动力学仿真：CFD应用与DEM耦合探索
核心应用场景
动脉粥样硬化是冠心病、脑梗死的核心病因。斑块易在血管分叉、弯曲处形成，血流动力学异常是关键诱因。CFD 通过计算壁面剪切应力（WSS）、振荡剪切指数（OSI）等参数，识别斑块高危区域。
可解决：预测斑块易发区域（早期筛查）、评估斑块稳定性（判断是否需要支架介入）
颅内动脉瘤、腹主动脉瘤破裂可能导致致命出血。CFD 模拟瘤腔内血流涡流、压力分布与瘤壁剪切应力，量化破裂风险，区分"高风险"与"低风险"动脉瘤，避免过度治疗。
可解决：未破裂动脉瘤的个性化风险分级、手术方案（弹簧圈/支架）效果预测
针对机械瓣、生物瓣或经导管主动脉瓣（TAVR），CFD 模拟开闭时的血流分布与血液停留时间，优化瓣叶形态与支架设计，减少血栓风险与溶血并发症。
可解决：减少术后血栓与溶血、为复杂解剖结构提供个性化瓣膜选型建议
室间隔缺损、法洛四联症、主动脉缩窄等病变导致血流路径异常。CFD 量化异常分流的流速、压力变化，评估心脏后负荷，指导手术时机与方式选择。
可解决：预测病变对心功能的长期损害、评估修复手术后的血流恢复效果
支架植入后的再狭窄与血栓受血流动力学影响显著。CFD 模拟支架植入后 WSS 分布，比较不同支架设计（开环/闭环、涂层类型）对局部血流的影响，降低术后风险。
结合心脏 MRI 心肌运动数据，CFD 模拟左心室收缩/舒张期血流涡流与充盈效率，补充射血分数等传统指标的局限，为 HFpEF 等复杂心衰病型提供机制层面的量化依据。
血液流动仿真案例：门静脉
门静脉是肝脏的"物流总闸"，血流量占心输出量的 25%，却没有任何瓣膜。一旦血流动力学失衡，便可能引发门脉高压、血栓乃至肝性脑病。受制于伦理与成像极限，活体测量门静脉全域流速、壁面剪切应力（WSS）几乎不可能。
于是，我们把血管"搬进"计算机，截取仿真域，用 CFD 让血管内的流动行为变得可观测、可量化、可干预。
(a)门静脉所处人体 位置
(b)截取门静脉仿真域
通过自研网格剖分引擎生成四面体网格，分别通过某国外商软和自研求解器用该网格进行仿真。从仿真的结果对比可以看出血管壁面上的压力分布基本一致，最大高压绝对值几乎一致，最低低压绝对值相差10%左右。
(a) 某国外商软A计算结果
（b) VirtualFlow计算结果
在此案例中，应用上海积鼎信息科技有限公司的自研VirtualFlow进行仿真。该CFD求解器支持任意的非结构网格，仿真精度不亚于主流商软，同时支持原生GPU计算，可大幅提升仿真速度。
(a) 某国外商软B计算结果
（b) VirtualFlow-GPU求解器计算结果
16核 CPU · 500步
1块 GPU · 500步
VirtualFlow仿真结果与国外某商软高度吻合，压力分布基本一致，精度可信赖；GPU求解器求解效率加速提升明显。
CFD-DEM 耦合：红细胞流动仿真
在多物理场耦合数值方法及 CFD-DEM 单向耦合解析的基础上，针对红细胞与血流场的相互作用，虽正常生理状态下红细胞体积分数为 35%~50%，属于高浓度颗粒体系，二者相互作用具有强耦合特性，但为演示单向耦合，特设计如下测试算例。
该测试算例的核心是对红细胞相关参数进行特殊设定，以满足单向耦合的适用条件。在算例中，我们将红细胞的体积分数大幅降低至 5% 以下，使其处于稀薄颗粒体系范畴。此时，可近似认为红细胞对血流场无显著扰动，仅需考虑血流场对红细胞的作用力，符合单向耦合 “上游计算结果驱动下游仿真，下游结果不反作用于上游” 的特征。
此测试算例的主要目的是直观展示单向耦合的实现流程与核心机制。具体而言，先通过 CFD 求解血流场的连续性方程和动量方程，得到流场的速度场、压力场等参数并存储；再由 DEM 通过耦合接口读取这些流场信息，结合相应的曳力模型计算红细胞所受的流体作用力；最后 DEM 基于流体作用力及红细胞间的接触力等，求解红细胞的运动方程，更新其位置、速度等状态，且整个过程中红细胞的运动状态不会反馈至 CFD 流场计算中。通过这样的测试算例，能清晰地呈现单向耦合在流场与颗粒相互作用模拟中的应用方式，帮助理解单向耦合的仿真流程、信息传递特点及适用场景下的简化逻辑，为进一步学习和应用更复杂的耦合方式奠定基础。
基于公司的颗粒流求解器DEMMS，与CFD求解器耦合，实现红细胞在血管中流动的耦合仿真。通过下图耦合仿真结果可见，红细胞在中间交汇处容易聚集。通过耦合仿真，可以对血栓形成的研究体统理论依据。
自研VirtualFlow-CFD求解器特点
总结
CFD 在血管系统中的应用核心，是将"形态学影像"转化为"力学量化指标"，填补了传统影像学无法回答的机制空白：
如低剪切应力导致血管纤维化的力学机制
如选择更符合血流动力学特性的支架设计
基于患者自身血管模型的术前风险预测与手术规划
随着 CFD 技术与医学研究的深度融合，血管类疾病诊疗将加速从"定性描述"迈向"定量预测"。
