用于动脉粥样硬化的个性化评定、长期预测和管理的基于学习的方法技术

一种用于为患者提供动脉粥样硬化斑块的评定的个性化评估的计算机实现的方法获取患者数据，该患者数据包括非侵入性患者数据、患者的医学图像以及血液生物标记。从患者数据提取感兴趣的特征并且一个或多个机器学习模型被应用于所述感兴趣的特征以预测与动脉粥样硬化斑块有关的感兴趣的一个或多个度量。

【技术实现步骤摘要】
用于动脉粥样硬化的个性化评定、长期预测和管理的基于学习的方法
本专利技术一般地涉及用于通过使用机器学习技术对动脉粥样硬化斑块进行个性化评估的方法、系统和装置。
技术介绍
心血管疾病（CVD）在全球都是主要死因。最普遍和毁灭性的CVD是动脉粥样硬化，主要是大型和中型导管动脉的慢性、炎症性、纤维增生性失调。其发起和发展与血管内皮紧密联系，所述血管内皮对应于由于动脉的复杂几何结构以及诸如动脉粥样硬化斑块之类的病理学特性的后天存在所致的作用于血管壁的动态力。大多数心血管事件、比如中风和心肌梗塞是由引起末梢栓塞的动脉粥样硬化斑块破裂引起的。在先的研究已经示出了血液动力学的量与动脉粥样硬化斑块的发起、发展和破裂有关系。这些血液动力学的量进而既受系统性质也受局部几何结构（某些区、比如分支易受斑块形成）影响。因而，血液动力学的量、即压力、速度、流率和流生成的内皮切变应力（ESS）在对斑块发起、发展和破裂的理解中起着关键作用。此外，血液动力学因素与其它患者信息（比如人口统计学、血液生物标记信息、过去的历史等等）的组合可以用于获得对患者状况的一致理解以及对患者恢复结果的更好理解。
技术实现思路
本专利技术的实施例通过提供与使用机器学习技术对动脉粥样硬化斑块的个性化评定有关的方法、系统和装置而解决和克服上述缺点和缺陷中的一个或多个。根据一些实施例，一种用于为患者提供动脉粥样硬化斑块的评定的个性化评估的计算机实现的方法获取患者数据，该患者数据包括非侵入性患者数据、患者的医学图像以及血液生物标记。从患者数据提取感兴趣的特征并且一个或多个机器学习模型被应用于所述感兴趣的特征以预测与动脉粥样硬化斑块有关的感兴趣的一个或多个度量。在一些实施例中，以结构化格式生成报告，其描述与动脉粥样硬化斑块有关的感兴趣的度量。该报告可以被存储在患者特定的医学记录中。在先前提及的方法的一些实施例中，通过使用包括进行于电脑中的解剖模型（insilicoanatomicalmodel）和体外解剖模型中的一个或多个的综合数据的数据库来训练机器学习模型。可以通过首先为进行于电脑中的解剖模型执行流体固体增长（FSG）计算或为体外解剖模型执行流实验以产生输出数据而训练机器学习模型。从输出数据提取感兴趣的度量，并且从综合数据的数据库提取几何特征和斑块有关的特征。然后，训练机器学习模型，从而通过使用来自输出数据的感兴趣的度量、几何特征和斑块有关的特征来预测与动脉粥样硬化斑块有关的感兴趣的度量。进行于电脑中的解剖模型可以通过在冠状动脉树的每个生成时规定多个血管初始化冠状动脉树解剖模型的新进行于电脑中的解剖模型骨架并且为冠状动脉树的每个生成定义健康几何信息而被生成。所述健康几何信息包括血管半径、锥化度以及分支长度中的一个或多个。然后可以确立冠状动脉树中的狭窄，其修改所述健康几何信息。此外，可以为冠状动脉树中的每个狭窄确立斑块组成。接下来，基于经修改的健康几何信息以及针对冠状动脉树中每个狭窄的斑块组成而更新所述新的进行于电脑中的解剖模型。一旦被更新，所述新的进行于电脑中的解剖模型就被存储在综合数据的数据库中。在一些实施例中，可以通过从多个预定义的斑块组成类型中随机选择特定斑块组成而确立针对每个狭窄的斑块组成。例如，在一个实施例中，针对每个狭窄的斑块组成包括通过如下确立的斑块材料：（i）随机选择斑块材料的每个体积的中心；（ii）随机选择针对斑块材料的大小和形状；（iii）随机选择针对斑块组成的材料性质；以及（iv）通过使用所述中心、大小、形状和材料性质而确立斑块材料。在一个实施例中，针对每个狭窄的斑块组成模仿预定义的高风险斑块组成。在一些实施例中，在先前提及的方法的情况下可以使用多个机器学习模型。例如，在一个实施例中，机器学习模型包括被训练成预测斑块形成的第一机器模型、被训练成预测斑块发展的第二机器模型以及被训练成预测斑块破裂的第三机器模型。在其它实施例中，机器学习模型包括被训练成预测每个分支的缺血性权重的第一机器学习模型、被训练成预测缺血性贡献评分的第二机器学习模型、被训练成预测感兴趣的血液动力学度量的第三机器学习模型、被训练成预测感兴趣的斑块有关的度量的第四机器学习模型、以及被训练成预测将来的心血管事件的风险的第五机器学习模型。在其中采用多个机器学习模型的情况下，在一些实施例中它们可以被并行地应用于感兴趣的特征。在一些实施例中，以级联工作流来应用机器学习模型，所述级联工作流通过在级联工作流中将每个机器学习模型的输出用作用于后续机器学习模型的输入而循序地应用机器学习模型。先前提及的方法的一些实施例还包括可视化方面。例如，在一个实施例中，生成可视化，其描绘与动脉粥样硬化斑块有关的感兴趣的度量。在一些实施例中，可视化包括冠状动脉图像，并且响应于所述冠状动脉图像内的位置的用户选择，在可视化中呈现对应于所述位置的感兴趣的度量。根据本专利技术的另一方面，一种用于训练机器学习模型以为患者提供动脉粥样硬化斑块的评定的个性化评估的计算机实现的方法包括：生成包括进行于电脑中的解剖模型中的一个或多个的综合数据的数据库以及为所述进行于电脑中的解剖模型执行FSG计算以产生输出数据。所述方法此外包括从所述输出数据提取感兴趣的度量，以及从综合数据的数据库提取进行于电脑中的解剖模型的几何特征以及斑块有关的特征。一个或多个机器学习模型被训练以基于进行于电脑中的解剖模型树的几何特征以及斑块有关的特征而生成与动脉粥样硬化斑块有关的经预测的测量。根据本专利技术的其它实施例，一种用于预测治疗计划的效果的计算机实现的方法包括从医学图像中提取患者特定的几何结构，以及从患者特定的几何结构中提取感兴趣的几何特征以及感兴趣的斑块有关的特征。一个或多个机器学习模型用于通过使用感兴趣的几何特征以及感兴趣的斑块有关的特征而预测治疗计划的效果，其中通过使用患者特定的特征以及与治疗计划的效果有关的纵向数据来训练机器学习模型。另外，在一些实施例中，以结构化格式生成报告，其描述治疗计划的效果，并且所述报告可以被存储在患者特定的医学记录中。从参考附图进行的对说明性实施例的以下详细描述中将使得本专利技术的附加的特征和优点显而易见。附图说明从当结合附图阅读的以下详细描述中最好地理解本专利技术的前述和其它方面。为了说明本专利技术的目的，在附图中示出了目前优选的示例性实施例，然而，理解到本专利技术不限于所公开的特定手段。在附图中所包括的是以下各图：图1示出了根据一些实施例的用于预测与人体心血管系统中的斑块的形成、发展和破裂有关的感兴趣的度量的工作流；图2示出了根据一些实施例的用于训练一个或多个数据驱动的替代模型以用于预测与人体心血管系统中的斑块的形成、发展和破裂有关的感兴趣的度量的工作流；图3示出了根据一些实施例的用于计算感兴趣的患者特定的斑块有关的度量的工作流；图4A呈现了根据一些实施例的用于生成综合的进行于电脑中的病理学冠状几何结构的方法的可视化；图4B呈现了图4A中所示的方法的第一步骤的可视化；图4C呈现了图4A中所示的方法的第二步骤的可视化；图4D呈现了图4A中所示的方法的第三步骤的可视化；图4E呈现了图4A中所示的方法的第四步骤的可视化；图5图示了根据一些实施例的对斑块形成、发展和破裂的基于并行机器学习的预测；图6示出了根据一些实施例的用于感兴趣的斑块有关本文档来自技高网...

【技术保护点】
1.一种用于为患者提供动脉粥样硬化斑块评定的个性化评估的计算机实现的方法，所述方法包括：获取患者数据，所述患者数据包括非侵入性患者数据、患者的医学图像以及血液生物标记；从患者数据提取感兴趣的特征；以及将一个或多个机器学习模型应用于所述感兴趣的特征以预测与动脉粥样硬化斑块有关的感兴趣的一个或多个度量。

【技术特征摘要】
2017.05.19 EP 17464007.8;2017.05.19 US 15/5995051.一种用于为患者提供动脉粥样硬化斑块评定的个性化评估的计算机实现的方法，所述方法包括：获取患者数据，所述患者数据包括非侵入性患者数据、患者的医学图像以及血液生物标记；从患者数据提取感兴趣的特征；以及将一个或多个机器学习模型应用于所述感兴趣的特征以预测与动脉粥样硬化斑块有关的感兴趣的一个或多个度量。2.根据权利要求1所述的方法，此外包括：以结构化格式生成报告，其描述与动脉粥样硬化斑块有关的感兴趣的度量；以及将所述报告存储在患者特定的医学记录中。3.根据权利要求1所述的方法，此外包括通过使用包括进行于电脑中的解剖模型和体外解剖模型中的一个或多个的综合数据的数据库来训练机器学习模型。4.根据权利要求3所述的方法，其中通过使用包括以下各项的过程来训练机器学习模型：为进行于电脑中的解剖模型执行流体固体增长（FSG）计算或为体外解剖模型执行流实验以产生输出数据；从输出数据提取感兴趣的度量；从综合数据的数据库提取几何特征和斑块有关的特征；以及训练机器学习模型，从而通过使用来自输出数据的感兴趣的度量、几何特征和斑块有关的特征来预测与动脉粥样硬化斑块有关的感兴趣的度量。5.根据权利要求3所述的方法，其中所述进行于电脑中的解剖模型通过如下被生成：通过在冠状动脉树的每个生成时规定多个血管初始化冠状动脉树解剖模型的新进行于电脑中的解剖模型骨架；为冠状动脉树的每个生成定义健康几何信息，其中所述健康几何信息包括血管半径、锥化度以及分支长度中的一个或多个；确立冠状动脉树中的一个或多个狭窄，其修改所述健康几何信息；以及为冠状动脉树中的每个狭窄确立斑块组成；基于经修改的健康几何信息以及针对冠状动脉树中每个狭窄的斑块组成而更新所述新的进行于电脑中的解剖模型；以及将所述新的进行于电脑中的解剖模型存储在综合数据的数据库中。6.根据权利要求5所述的方法，其中通过从多个预定义的斑块组成类型中随机选择特定斑块组成而确立针对每个狭窄的斑块组成。7.根据权利要求6所述的方法，其中所述针对每个狭窄的斑块组成包括通过如下确立的斑块材料：随机选择斑块材料的每个体积的中心；随机选择针对斑块材料的大小和形状；以及随机选择针对斑块组成的材料性质；以及通过使用所述中心、大小、形状和材料性质而确立斑块材料。8.根据权利要求6所述的方法，其中所述针对每个狭窄的斑块组成模仿预定义的高风险斑块组成。9.根据权利要求1所述的方法，其中所述一个或多个机器学习模型包括：被训练成预测斑块信息的第一机器模型，被训练成预测斑块发展的第二机器模型，以及被训练成预测斑块破裂的第三机器模型。10.根据权利要求1所述的方法，其中机器学习模型被并行地应用到感兴趣的特征。11.根据权利要求1所述的方法，其...

【专利技术属性】
技术研发人员：LM伊图，T帕塞里尼，S拉帕卡，P沙尔马，D科马尼丘，
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