【技术实现步骤摘要】
【国外来华专利技术】本申请要求在2013年10月17日提交的美国临时申请号61/891,920的权益,它的公开通过引用被并入本文中。
技术介绍
本专利技术涉及冠状动脉狭窄的无创性功能评估,并且更特别地涉及根据医学图像数据的冠状动脉狭窄的基于机器学习的无创性功能评估。心血管疾病(CVD)是世界范围内的死亡的主要原因。在各种CVD之间,冠状动脉疾病(CAD)导致那些死亡中的几乎百分之五十。尽管在医学成像和其他诊断形式中的显著提高,但是CAD病人的提早的发病率和死亡率中的增加仍非常高。用于冠状动脉狭窄的诊断和管理的当前临床实践涉及视觉上地或者通过定量冠状动脉血管造影术(QCA)评估患病血管。这样的评估给临床医生提供对狭窄段和载瘤血管(parentvessel)的解剖概观,包括断面收缩(areareduction)、病变长度和最小管腔直径,但是不提供病变对通过血管的血流的影响的功能评估。通过将压力导丝插入到变窄的血管中来测量血流储备分数(FFR)已经被证明是用于指导血运重建决定的较好选项,因为与无创性血管造影术相比,FFR在标识局部缺血引起的病变中更有效。QCA仅评估狭窄的形态意义并且具有多个其他限制。基于压力导丝的FFR测量涉及与对将压力导丝插入到血管中所必需的干预相关联的风险,并且对于非常窄的狭窄,压力导丝可能诱发附加的压降。近来,提出了使用数学方程在从医学图像提取的病人的冠状动脉血管的三维解剖模型中模拟血流的物理现象(physics)的机械模型。这样的方法依赖基于物理现象的数学方程来模拟休息时和充血时的生理学,从而允许人们在计算机上数字上解出方程并针对单个病人确定流和压降。最广泛使用 ...
【技术保护点】
一种用于针对病人确定针对感兴趣的狭窄的血流储备分数(FFR)的方法,包括:接收包括感兴趣的狭窄的病人的医学图像数据;从病人的医学图像数据提取针对感兴趣的狭窄的特征的集合;以及使用被训练的基于机器学习的映射基于特征的被提取的集合确定针对感兴趣的狭窄的FFR值。
【技术特征摘要】
【国外来华专利技术】2013.10.17 US 61/891920;2014.10.16 US 14/5161631.一种用于针对病人确定针对感兴趣的狭窄的血流储备分数(FFR)的方法,包括:接收包括感兴趣的狭窄的病人的医学图像数据;从病人的医学图像数据提取针对感兴趣的狭窄的特征的集合;以及使用被训练的基于机器学习的映射基于特征的被提取的集合确定针对感兴趣的狭窄的FFR值。2.根据权利要求1所述的方法,其中被训练的基于机器学习的映射被基于地面实况FFR值和从训练数据的集合提取的特征训练。3.根据权利要求1所述的方法,其中被训练的基于机器学习的映射是经验学习模型,其将来自特征的集合的特征与相应的所学习的权重组合。4.根据权利要求1所述的方法,其中被训练的基于机器学习的映射是使用基于图像的推进的岭回归训练的回归函数。5.根据权利要求1所述的方法,其中从病人的医学图像数据提取针对感兴趣的狭窄的特征的集合包括:提取表征感兴趣的狭窄的几何形状的多个特征。6.根据权利要求5所述的方法,其中表征感兴趣的狭窄的几何形状的特征包括近端和远端参考直径、最小管腔直径、病变长度。7.根据权利要求6所述的方法,其中表征感兴趣的狭窄的几何形状的特征进一步包括入口角、入口长度、出口角、出口长度、被狭窄阻塞的直径的百分比以及被狭窄阻塞的面积的百分比。8.根据权利要求5所述的方法,其中从病人的医学图像数据提取针对感兴趣的狭窄的特征的集合进一步包括:提取表征狭窄的形态的一个或多个特征。9.根据权利要求5所述的方法,其中从病人的医学图像数据提取针对感兴趣的狭窄的特征的集合进一步包括:提取表征感兴趣的狭窄位于其中的冠状动脉分支的几何形状的一个或多个特征。10.根据权利要求10所述的方法,其中从病人的医学图像数据提取针对感兴趣的狭窄的特征的集合进一步包括:提取表征病人的整个冠状动脉树的几何形状的一个或多个特征。11.根据权利要求5所述的方法,其中从病人的医学图像数据提取针对感兴趣的狭窄的特征的集合进一步包括:提取表征冠状动脉解剖和功能的一个或多个特征。12.根据权利要求1所述的方法,进一步包括:接收病人的功能测量结果;从病人的功能测量结果提取一个或多个特征;以及将从病人的功能测量结果提取的一个或多个特征包括在被用于确定FFR值的特征的集合中。13.根据权利要求1所述的方法,进一步包括:接收病人的人口统计;从病人的人口统计信息提取一个或多个特征;以及将从病人的人口统计信息提取的一个或多个特征包括在被用于确定FFR值的特征的集合中。14.根据权利要求5所述的方法,其中从病人的医学图像数据提取针对感兴趣的狭窄的特征的集合进一步包括:提取表征体外血液化验的一个或多个特征。15.根据权利要求1所述的方法,进一步包括:接收修改特征的集合中的一个或多个特征的用户输入,产生反映治疗情况的特征的被修改的集合;以及使用被训练的基于机器学习的映射基于特征的被修改的集合确定针对感兴趣的狭窄的FFR值。16.根据权利要求1所述的方法,其中被训练的基于机器学习的映射被基于在训练数据的集合中使用用以仿真血流的机械模型计算的FFR值训练。17.根据权利要求1所述的方法,其中被训练的基于机器学习的映射被基于从综合生成的狭窄几何形状提取的几何形状特征和使用对综合生成的狭窄几何形状执行的计算流体动力学(CFD)仿真计算的对应于综合生成的狭窄几何形状的FFR值训练。18.一种用于针对病人确定针对感兴趣的狭窄的血流储备分数(FFR)的设备,包括:用于接收包括感兴趣的狭窄的病人的医学图像数据的装置;用于从病人的医学图像数据提取针对感兴趣的狭窄的特征的集合的装置;以及用于使用被训练的基于机器学习的映射基于特征的被提取的集合确定针对感兴趣的狭窄的FFR值的装置。19.根据权利要求18所述的装置,其中被训练的基于机器学习的映射是使用基于图像的推进的岭回归训练的回归函数。20.根据权利要求18所述的装置,其中用于从病人的医学图像数据提取针对感兴趣的狭窄的特征的集合的装置包括:用于提取表征感兴趣的狭窄的几何形状的多个特征的装置。21.根据权利要求20所述的装置,其中用于从病人的医学图像数据提取针对感兴趣的狭窄的特征的集合的装置进一步包括:用于提取表征狭窄的形态的一个或多个特征的装置。22.根据权利要求20所述的装置,其中用于从病人的医学图像数据提取针对感兴趣的狭窄的特征的集合的装置进一步包括:用于提取表征感兴趣的狭窄位于其中的冠状动脉分支的几何形状的一个或多个特征的装置。23.根据权利要求22所述的装置,其中用于从病人的医学图像数据提取针对感兴趣的狭窄的特征的集合的装置进一步包括:用于提取表征病人的整个冠状动脉树的几何形状的一个或多个特征的装置。24.根据权利要求20所述的装置,其中用于从病人的医学图像数据提取针对感兴趣的狭窄的特征的集合的装置进一步包括:用于提取表征冠状动脉解剖和功能的一个或多个特征的装置。25.根据权利要求18所述的装置,其中被训练的基于机器学习的映射被基于从综合生成的狭窄几何形状提取的几何形状特征和使用对综合生成的狭窄几何形状执行的计算流体动力学(CFD)仿真计算的对应于综合生成的狭窄几何形状的FFR值训练。26.一种存储计算机程序指令的非瞬时计算机可读介质,所述计算机程序指令用于针对病人确定针对感兴趣的狭窄的血流储备分数(FFR),计算机程序指令当在处理器上执行时使得处理器执行包括如下的操作:接收包括感兴趣的狭窄的病人的医学图像数据;从病人的医学图像数据提取针对感兴趣的狭窄的特征的集合;以及使用被训练的基于机器学习的映射基于特征的被提取的集合确定针对感兴趣的狭窄的FFR值。27.根据权利要求26所述的非瞬时计算机可读介质,其中被训练的基于机器学习的映射是使用基于图像的推进的岭回归训练的回归函数。28.根据权利要求26所述的非瞬时计算机可读介质,其中从病人的医学图像数据提取针对感兴趣的狭窄的特征的集合包括:提取表征感兴趣的狭窄的几何形状的多个特征。29.根据权利要求28所述的非瞬时计算机可读介质,其中从病人的医学图像数据提取针对感兴趣的狭窄的特征的集合进一步包括:提取表征狭窄的形态的一个或多个特征。30.根据权利要求28所述的非瞬时计算机可读介质,其中从病人的医学图像数据提取针对感兴趣的狭窄的特征的集合进一步包括:提取表征感兴趣的狭窄位于其中的冠状动脉分支的几何形状的一个或多个特征。31.根据权利要求30所述的非瞬时计算机可读介质,其中从病人的医学图像数据提取针对感兴趣的狭窄的特征的集合进一步包括:提取表征病人的整个冠状动脉树的几何形状的一个或多个特征。32.根据权利要求28所述的非瞬时计算机可读介质,其中从病人的医学图像数据提取针对感兴趣的狭窄的特征的集合进一步包括:提取表征冠状动脉解剖和功能的一个或多个特征。33.根据权...
【专利技术属性】
技术研发人员:P沙尔马,A卡门,B乔治斯库,F绍尔,D科马尼丘,郑冶枫,H阮,VK辛格,
申请(专利权)人:西门子保健有限责任公司,
类型:发明
国别省市:德国;DE
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。