当前位置: 首页 > 专利查询>西门子公司专利>正文

医学成像中的个性化全身循环制造技术

技术编号:13768186 阅读:76 留言:0更新日期:2016-09-29 02:35
本发明专利技术涉及医学成像中的个性化全身循环。提供个性化全身循环计算。在一个实施例中,不同尺度上的模型以及机器学习的组合可以被用以个性化以及计算特殊病人的循环。在另一个实施例中,成像、ECG、和压力数据被用以使多尺度全身循环模型个性化。不同的参数、例如(但是不限制于)心脏的时变流速、心脏的压力变化、心血管系统阻抗、以及心血管肺阻抗针对病人被确定并且被用以使模型个性化。模型于是被用以确定、可视化、或者报告那个病人的诊断上或治疗上有用的循环度量。

【技术实现步骤摘要】
本专利文件要求2015年1月6日提交的美国临时专利申请序列号62/100,271的根据35 U.S.C.§119(e)的申请日的权益,该美国临时专利申请特此通过引用方式被合并。
本实施例涉及根据医学成像和临床数据对与全身循环有关的综合参数的估计。
技术介绍
心脏的泵送足够的血液以匹配心脏自身的需求以及身体的需求的能力取决于内在以及外在因素。对这些因素的建模可以导致评估以及管理心脏疾病的更好的方法以及导致更好的病人分层以及治疗计划。然而,全身循环的很多模型是过度地简化的、过程密集的、太一般的(即不反映病人的生理机能)、和/或不精确以致于在用于辅助给定病人的临床设定中没有用。
技术实现思路
通过介绍,下面所描述的优选的实施例包括用于个性化全身循环计算的方法、计算机可读介质以及系统。在一个实施例中,不同尺度上的模型以及机器学习的组合可以被用以个性化以及计算特殊病人的循环。在另一个实施例中,成像、ECG(心电图)和压力数据被用以使多尺度全身循环模型个性化。不同的参数、例如心脏的时变流速、心脏的压力变化、心血管系统阻抗、以及心血管肺阻抗针对病人被确定并且被用以使模型个性化。模型于是被用以确定以及可视化那个病人的诊断上或治疗上有用的循环度量。在第一方面中,提供用于个性化全身循环计算的方法。医学扫描仪捕获病人的心血管空间数据,ECG传感器捕获病人的ECG数据,并且套囊捕获病人的压力数据。病人的心脏的心血管空间数据在心动周期的至少两个阶段中被分割。根据所分割的心血管空间数据、ECG数据和压力数据来确定对病人被个性化的心脏的时变流速、心脏的压力变化、心血管系统阻抗和心血管肺阻抗。根据、但是不限制于对病人被个性化的心脏的时变流速、心脏的压力变化、心血管系统阻抗和心血管肺阻抗利用多尺度全身循环模型来估算度量。该度量为病人被指示在显示器上。在第二方面中,非暂时性计算机可读存储介质具有储存在其中的数据,所述数据表示能够由用于个性化全身循环计算的被编程的处理器执行的指令。存储介质包括指令,用以:运行病人的全身循环的第一模型;运行病人的全身循环的第二模型,第二模型相对于第一模型被降阶(即利用更少数量的参数或变量来表示);并且训练机器学习的回归量以基于第一模型和第二模型的输出来估计。在第三方面中,提供用于个性化全身循环计算的系统。配置扫描仪以扫描病人的心血管系统的整体或部分。配置处理器以针对病人根据扫描基于包括集总模型、三维模型、或者集总和三维模型的组合的第一模型以及基于包括根据第一模型的降阶的第二模型来应用机器训练的分类器。本专利技术通过下列的权利要求来限定,并且在这部分中的任何内容都不应当被看作是对那些权利要求的限制。本专利技术的进一步的方面以及优点下面结合优选的实施例来论述并且稍后可以独立地或者组合地要求保护。附图说明组件和图不一定按比例,反而重点被放在图解本专利技术的原理上。此外,在图中,相似的参考数字指明贯穿不同视图的相应部分。图1是用于个性化全身循环计算的方法的一个实施例的流程图;图2图解心血管以及调节系统之间的交换的一个示例;图3图解图2的心血管以及调节系统的组件;图4图解心血管系统的集总参数闭环模型的一个实施例;图5图解心血管系统的组合的集总以及三维闭环模型的一个实施例;图6图解扩展或更大尺度集总系统和肺模型;图7是用于个性化的方法的一个实施例的流程图;图8示出将基于模型的计算相对于针对容积-压力环的所测量的结果进行比较的图表;图9是用于个性化全身循环计算的方法的一个实施例的流程图;图10是图9的方法的进一步的实施例的流程图;图11是图9的方法的另一进一步的实施例的流程图;以及图12是用于个性化全身循环计算的系统的一个实施例的框图。具体实施方式使用病人的医学图像和信号来执行全身循环的个性化计算。心血管系统的综合的病人特定的多尺度计算模型由耦合到全身循环模型的全尺度或降阶心脏电力学模型构成。多尺度计算模型被用以估计参数以及计算心脏和整个心血管系统的动力学。要被个性化的参数可以被先验地指定或者基于感兴趣度量集被自动识别。一旦这些参数已知,所述参数的个性化被自动地执行。所估算的心血管的感兴趣度量被用在病人分层、疾病估计和/或治疗计划中。得到的计算模型被用以通过计算敏锐的预测值来测试不同的治疗配置,所述预测值被用以在计划阶段中确定病人是否将对处治作出反应或者在干预中将临床医生引向治疗目标(例如用于心脏再同步治疗(CRT)的左心室(LV)引线的放置)。在一个实施例中,采集心血管图像、信号和数据,包括病人的至少一个医学图像,ECG、心脏收缩以及心脏舒张套囊压力的采集。为了建立在心动周期的至少两个时间阶段(例如峰值心脏收缩和峰值心脏舒张)中心脏或者至少一个腔(例如左心室)的几何结构,图像被分割。包括一个或两个心腔的时变的参数化的流速函数和压力变化函数、以及心血管系统以及肺阻抗的血液动力学参数被个性化。多尺度全身循环模型动力学利用个性化参数来估算。所估算的数据被可视化为成果曲线,或者被可视化为被覆盖或被显示为所分割的几何结构或成像数据的属性的标量和/或向量场。综合的闭环心血管系统(CLCS)模型能够模拟生理以及病理生理特性,并且根据那些特性来量化心脏的工作负荷。该方法使得能够更好地理解心脏病和心脏上的由于各种病理引起的额外工作负荷之间的复杂关系,所述病理例如是肥大、心肌病(致心律失常性右心室心肌病、孤立性心室致密不全、线粒体肌病、扩张型心肌病、限制性心肌病、围生期心肌病、应激性(takotsubo)心肌病、勒夫勒心内膜炎等)、二尖瓣反流、主动脉瓣狭窄、主动脉瓣反流、和高血压。个性化耦合到循环模型的多尺度心脏模型。典型的使用情况是左或右心室压力-容积环的非侵入性计算,但是可以估算其它的诊断上或治疗上有用的度量。基于机器学习的工作流程可以改进生理降阶模型和/或可以被用以导出具有从降阶生理模型中提取的特征的数据驱动的前向模型。全尺度或比降阶模型更大的尺度被用在训练机器学习分类器中。图2示出用于个性化全身循环计算的方法。所述方法由医学诊断成像系统、审阅站、工作站、计算机、图片和归档和通信系统(PACS)站、服务器、其组合或者用于图像处理医学扫描数据的其它的设备来实现。例如,在图12中示出的系统、计算机可读介质和/或处理器实现所述方法,但是可以使用其它的系统。所述方法以所示出的顺序或不同的顺序实现。可以执行附加的、不同的或更少的动作。例如,动作22不被执行,其中个性化在没有分割的情况下对图像数据起作用。在另一示例中,提供用于储存所扫描的数据和/或结果的传递的动作。在又一示例中,不提供动作34和/或36。动作实时地、例如在手术过程期间被执行。在该过程期间执行允许临床医生基于根据扫描数据所估算的流量信息来诊断和/或处治以辅助正在进行的过程。在其它的实施例中,在过程(例如作为审阅的部分来执行)之后,作为诊断的部分,或者在用于计划的过程之前执行动作。所述方法可以被重复以提供在时间上的比较信息。动作被处理器自动地执行。用户引起病人被扫描或者从先前扫描获取病人的扫描数据。用户可以激活进程并且输入病人特定的信息、例如感兴趣度量、年龄、性别、和/或体重。一旦个性化和/或度量计算被激活,在没有任何用户输入的情况下,例如在没有位置和/或值的本文档来自技高网...

【技术保护点】
用于个性化全身循环计算的方法,所述方法包括:利用医学扫描仪来捕获病人的心血管空间数据;利用心脏电生理学传感器来捕获所述病人的心脏电生理学数据;利用压力传感器来捕获所述病人的压力数据;根据所述心血管空间数据来测量心脏血液动力学参数;根据所述心血管空间数据、ECG数据和所述压力数据来确定对所述病人被个性化的心脏的时变流速、心脏的压力变化、心血管系统阻抗、和心血管肺阻抗;根据对所述病人被个性化的心脏的时变流速、心脏的压力变化、心血管系统阻抗、和心血管肺阻抗利用多尺度全身循环模型来估算度量;以及为所述病人在显示器上指示所述度量。

【技术特征摘要】
2015.01.06 US 62/100271;2015.12.17 US 14/9733451.用于个性化全身循环计算的方法,所述方法包括:利用医学扫描仪来捕获病人的心血管空间数据;利用心脏电生理学传感器来捕获所述病人的心脏电生理学数据;利用压力传感器来捕获所述病人的压力数据;根据所述心血管空间数据来测量心脏血液动力学参数;根据所述心血管空间数据、ECG数据和所述压力数据来确定对所述病人被个性化的心脏的时变流速、心脏的压力变化、心血管系统阻抗、和心血管肺阻抗;根据对所述病人被个性化的心脏的时变流速、心脏的压力变化、心血管系统阻抗、和心血管肺阻抗利用多尺度全身循环模型来估算度量;以及为所述病人在显示器上指示所述度量。2.根据权利要求1所述的方法,其中捕获所述心血管空间数据包括利用包括超声扫描仪的医学扫描仪来捕获心脏的超声数据。3.根据权利要求1所述的方法,进一步包括在心动周期的至少两个阶段中分割所述病人的心脏的心血管空间数据。4.根据权利要求1所述的方法,其中所述多尺度全身循环模型包括所述心脏的至少一部分的集总模型和三维模型的组合,以及其中确定包括利用对所述病人被个性化的解剖模型、血液动力学模型、电生理学模型、和生物力学模型来确定。5.根据权利要求4所述的方法,其中利用所述生物力学模型来确定包括利用所述生物力学模型的主动和被动组件来确定,所述主动元件由所述电生理学模型来控制。6.根据权利要求1所述的方法,其中确定对所述病人被个性化的心血管系统阻抗和心血管肺阻抗包括利用动脉窦、主动脉、和/或肺动脉的电感来确定、和/或利用动脉树的电阻来确定。7.根据权利要求1所述的方法,其中确定心脏的时变流速和心脏的压力变化包括确定是心脏瓣膜动力学的模型。8.根据权利要求1所述的方法,其中利用所述多尺度全身循环模型来估算所述度量包括利用包括闭环心血管系统模型的多尺度全身循环模型来估算所述度量。9.根据权利要求8所述的方法,进一步包括基于调节系统模型来变更所述闭环心血管系统模型的参数。10.根据权利要求9所述的方法,其中变更包括利用包括耦合到所述闭环心血管系统模型的压力反射系统模...

【专利技术属性】
技术研发人员:D科马尼西尤LM伊图T曼斯V米哈勒夫D纽曼恩T帕斯塞里尼P沙马
申请(专利权)人:西门子公司
类型:发明
国别省市:德国;DE

网友询问留言 已有0条评论
  • 还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。

1