【技术实现步骤摘要】
在医学成像中针对血液动力学量化的不确定性或敏感性的机器学习预测
技术介绍
本实施例涉及医学成像中的血液动力学量化。血流计算提供了对心血管系统的结构和功能的重要的深刻理解。对于冠状动脉疾病(CAD)而言,根据通过采用计算流体动力学(CFD)进行的医学成像而已经预测了血流储备分数(FFR)的功能指数。这些基于CFD的模型将根据医学成像所提取的几何信息与关于系统的生理学的背景知识(其被编码在由偏微分方程组成的复杂数学流体流动模型中)进行组合。该方法导致大量的代数方程,使得其在计算上是非常要求高的,从而防止了将该技术针对诸如干预措施的术中指导之类的实时应用进行采用。一种替换的且在计算上不那么昂贵的方法是基于机器学习(ML)算法。通过根据具有已知特性和成果的样本数据库所构建的模型来表示输入数据与关注的量(例如,FFR)之间的关系。预测的准确度取决于输入信息的质量和准确度或精确度,以及取决于模型的假设。针对根据患者特定的血流计算所提取的关注的量的不确定性的主要来源可以由根据医学图像重建的解剖模型来表示。采集扫描、分割、重建和特定患者条件(例如,年龄、性别或BMI)的分辨率和精确度表示了针对不确定性的一些原因。所预测的量具有未知水平的准确度,从而使得医师更难以使用该量化。涉及对几何敏感性进行估计的先前方法通常着重于几何不确定性对同一区域中的FFR值的影响。该信息可以帮助决定是否使用量化,但是不提供可以被用来改善针对该患者的量化的信息。
技术实现思路
借助于简介,下面所描述的优选实施例包括针对血液动力学量化的方法、系统、指令和非临时性计算机可读介质。确定了针对患者特定的血液动力学量 ...
【技术保护点】
1.一种用于医学成像系统中的血液动力学量化的方法,所述方法包括:利用所述医学成像系统对患者进行扫描(12),所述扫描(12)提供表示所述患者的心脏系统的部分的心脏数据;根据所述心脏数据确定(14)患者特定心脏几何结构;从所述患者特定心脏几何结构中提取(20)所述血液动力学量化的机器学习预测器的第一输入向量的特征值;响应于所述第一输入向量的特征值,由所述机器学习预测器预测(22)所述血液动力学量化的值;提取(24)所述血液动力学量化的不确定性和/或敏感性的机器学习分类器的第二输入向量的特征值;响应于所述第二输入向量的特征值,由所述机器学习分类器将所述血液动力学量化对于所述患者特定心脏几何结构的不确定性和/或敏感性的一个或多个值进行分类(26);以及基于所述血液动力学量化的值和所述不确定性和/或敏感性的一个或多个值来生成(28)输出。
【技术特征摘要】
2017.10.30 EP 17465566.2;2017.10.30 US 15/7969331.一种用于医学成像系统中的血液动力学量化的方法,所述方法包括:利用所述医学成像系统对患者进行扫描(12),所述扫描(12)提供表示所述患者的心脏系统的部分的心脏数据;根据所述心脏数据确定(14)患者特定心脏几何结构;从所述患者特定心脏几何结构中提取(20)所述血液动力学量化的机器学习预测器的第一输入向量的特征值;响应于所述第一输入向量的特征值,由所述机器学习预测器预测(22)所述血液动力学量化的值;提取(24)所述血液动力学量化的不确定性和/或敏感性的机器学习分类器的第二输入向量的特征值;响应于所述第二输入向量的特征值,由所述机器学习分类器将所述血液动力学量化对于所述患者特定心脏几何结构的不确定性和/或敏感性的一个或多个值进行分类(26);以及基于所述血液动力学量化的值和所述不确定性和/或敏感性的一个或多个值来生成(28)输出。2.根据权利要求1所述的方法,其中确定(14)所述患者特定几何结构包括:将模型拟合到所述心脏数据。3.根据权利要求1所述的方法,其中提取(20、24)所述第一输入向量和/或所述第二输入向量的特征值包括:提取沿着由所述患者特定心脏几何结构表示的血管的半径。4.根据权利要求1所述的方法,其中预测(22)包括:利用至少部分地在合成样本上训练的机器学习预测器进行预测(22)。5.根据权利要求1所述的方法,其中预测(22)包括:作为所述血液动力学量化来预测(22)血流储备分数。6.根据权利要求1所述方法,其中分类(26)包括:利用基于不确定性水平所训练的机器学习分类器进行分类(26),所述不确定性水平是基于扫描配置、所述心脏数据的重建和/或患者特性。7.根据权利要求1所述的方法,其中分类(26)包括:利用基于考虑到所采样的噪声分布的血液动力学量化的分布所训练的机器学习分类器进行分类(26)。8.根据权利要求1所述的方法,其中分类(26)包括:利用基于来自所述血液动力学量化的分布的标准偏差的敏感性和不确定变量与所述血液动力学量化的分布的相关性所训练的机器学习分类器进行分类(26)。9.根据权利要求1所述的方法,其中预测(22)包括:预测(22)针对第一位置的所述血液动力学量化的值,其中分类(26)包括针对多个第二位置中的每一个进行分类(26),并且其中生成(28)所述输出包括:生成(28)第二位置的图,所述第二位置的图示出了对针对所述血液动力学量化在所述第一位置处的值的不确定性和/或敏感性的贡献。10.根据权利要求1所述的方法,其中预测(22)包括:预...
【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,
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。