使用机器学习(ML)来引导心脏消融制造技术

本发明专利技术题为“使用机器学习(ML)来引导心脏消融”。本发明专利技术公开了一种系统，所述系统包括接口和处理器。所述接口被配置为接收表征施加到患者的心脏的区域的初始消融操作的数据。如果发现需要，所述处理器被配置为基于所接收的数据来自动指定要施加到所述区域的补充消融操作。

【技术实现步骤摘要】
使用机器学习(ML)来引导心脏消融相关申请的交叉引用本专利申请要求2019年9月22日提交的美国临时专利申请62/903,850的权益，该美国临时专利申请的公开内容以引用方式并入本文。
本专利技术整体涉及电生理信号和消融的处理，并且具体地讲，涉及使用机器学习(ML)来优化心脏消融参数。
技术介绍
先前在专利文献中报告了用于基于患者数据来计划和引导消融规程以治疗心律失常的方法和系统。例如，美国专利号9,463,072描述了用于电生理干预的患者特异性计划和引导的方法和系统。从患者的心脏图像数据生成患者特异性解剖心脏模型。基于患者的患者特异性解剖心脏模型和患者特异性电生理测量结果来生成患者特异性心脏电生理模型。使用患者特异性心脏电生理模型来执行虚拟电生理干预。响应于每个虚拟电生理干预而计算模拟心电图(ECG)信号。本专利技术的实施方案利用高级机器学习算法、用于心脏电生理的几乎实时建模的LBM-EP(针对电生理的Lattice-Boltzmann方法)技术，以及ECG信号的生成的模型，以预测和显示虚拟EP治疗之后的患者特异性心电图。作为另一个示例，美国专利号9,277,970描述了用于针对心律失常的消融规程的患者特异性计划和引导的方法和系统。基于术前心脏图像数据来生成患者特异性解剖心脏模型。将患者特异性解剖心脏模型配准到在消融规程期间获取的术中图像的坐标系。基于已配准的患者特异性解剖心脏模型和在消融规程期间获取的术中患者特异性测量结果来生成一个或多个消融位点引导标测图。消融位点引导标测图可包括心肌扩散和动作电位持续时间标测图。使用心脏电生理的计算模型来生成消融位点引导标测图，该计算模型通过使用术中患者特异性测量结果来拟合心脏电生理模型的参数而被个性化。由显示设备在消融规程期间显示消融位点引导标测图。在一个实施方案中，将患者特异性解剖心脏模型配准到在消融规程期间获取的术中三维旋转血管造影图像包括使用机器学习算法来计算三维旋转血管造影图像中的心包膜的概率标测图。
技术实现思路
下文所述的本专利技术的实施方案提供一种包括接口和处理器的系统。所述接口被配置为接收表征施加到患者的心脏的区域的初始消融操作的数据。如果发现需要，所述处理器被配置为基于所接收的数据来自动指定要施加到所述区域的补充消融操作。在一些实施方案中，所述处理器被配置为通过以下方式来指定所述补充消融：评估所述初始消融操作的质量，并且响应于发现所述初始消融操作的所述质量不满足质量标准而指定所述补充消融操作。在一些实施方案中，表征所述初始消融操作的所述数据包括以下中的至少一者：消融灶(lesion)深度；消融灶半径；消融灶长轴；消融灶短轴；消融灶3D位置；消融灶解剖位置；以及消融灶表面积。在一个实施方案中，在指定所述补充消融操作时，所述处理器被配置为指定重复消融的位置。在另一个实施方案中，在指定所述补充消融操作时，所述处理器被配置为指示消融点的片段中的间隙。在又另一个实施方案中，在指定所述补充消融操作时，所述处理器被配置为实时指定将在消融点的片段附近执行附加消融。在一些实施方案中，在指定所述补充消融操作时，所述处理器被进一步配置为指定将在所述补充消融中使用的一个或多个消融参数的值。在一些实施方案中，表征所述初始消融操作的所述数据包括以下中的至少一者：体表心电图(ECG)信号；体表ECG信号的变化；心内ECG信号；心内ECG信号的变化；消融电极的阻抗；消融电极的阻抗的变化；消融组织的温度；消融组织的温度的变化；消融组织上的力；消融组织上的力的变化；消融导管类型；消融点的3D位置；消融点的预测解剖位置；消融点的消融持续时间；冲洗速率；以及在消融期间递送的功率。在其他实施方案中，表征所述初始消融操作的所述数据包括以下中的一者或两者：消融组织的超声反射的变化，以及消融组织的磁共振图像(MRI)的变化。在一些实施方案中，所述处理器被配置为通过应用经训练机器学习(ML)模型来自动指定所述补充消融操作。在一个实施方案中，所述ML模型包括自动编码器、变分自动编码器、通用对抗网络(GAN)、随机森林(RF)、受监督的ML和增强型ML中的至少一者。根据本专利技术的另一个实施方案，另外地提供了一种方法，所述方法包括接收表征施加到患者的心脏的区域的初始消融操作的数据。如果发现需要，处理器基于所接收的数据来自动指定要施加到所述区域的补充消融操作。附图说明结合附图，通过以下对本专利技术的实施方案的详细描述，将更全面地理解本专利技术，其中：图1是根据本专利技术的示例性实施方案的基于导管的电生理(EP)感测、信号分析和IRE消融系统的示意性图解；图2示出了根据本专利技术的示例性实施方案的用于基于自动编码器和随机森林(RF)进行消融灶估计的深度学习算法；图3是根据本专利技术的另选示例性实施方案的用于估计和校正消融结果的机器学习(ML)模型的训练和推断用途的流程图；并且图4是根据本专利技术的示例性实施方案的使用图3的ML模型来计划的肺静脉隔离(PVI)的可视化的屏幕截图。具体实施方式概述心脏消融是用于通过在患者的心脏组织中形成消融灶来治疗心律失常的常见规程。此类消融灶可通过不可逆电穿孔(IRE)或使用其他类型的消融能量诸如射频(RF)来形成，这两者均可使用导管来施加。在IRE消融中，操纵导管以使得设置在导管的远侧端部上的电极与组织接触。然后，在电极之间施加高电压双极脉冲，并且在组织中产生的强电场脉冲导致细胞死亡和消融灶产生。在RF消融中，通过一个或多个电极将交变RF电流施加到组织，从而通过热量导致细胞死亡。通常，在用于矫正心律失常的心脏腔室中的消融规程中，重要的是在消融中实现邻接性和透壁性(足够的消融灶深度)。任一者的不存在通常导致波前“泄漏”通过消融的组织。为了检查渗漏，例如在用于实现肺静脉隔离(PVI)的规程中，医师在消融线的一侧对心脏进行起搏(即，将信号注入心脏中)以便刺激心脏，并且检查信号是否出现在另一侧。如果信号不出现，则按照预期已经实现电隔离。然而，如果信号确实出现，则医师通常添加消融点。可限定参数，诸如消融线邻接性指数(ACLI)，以用于对消融线的邻接度和透壁性进行评分。然而，仅在已完成消融规程之后可估计此类参数，使得仅在已执行完整循环之后可检查PVI。因此，典型的当前工作流程可具有以下步骤：1.PV隔离的第一“消融循环”2.经由刺激进行测试3.基于刺激消融组织以闭合间隙；以及/或者2.经由引发心律失常的药物(例如，腺苷)进行测试3.消融组织以闭合间隙应当理解，上述腺苷挑战步骤2可不在每日临床工作流程中实施，因为其通常用于研究环境。即使在规程期间实现隔离，心律失常也可在某个稍后日期返回。在这种情况下，规程的“重新进行”可能是必要的。下文所述的本专利技术的实施方案提供了用于仅基于在治疗期间获取(例如，使用消融导管本身来获取)的信息来预测心脏消融规程成功的系统和机器学习(本文档来自技高网...

【技术保护点】
1. 一种用于引导心脏消融的系统，所述系统包括：/n接口，所述接口被配置为接收表征施加到患者的心脏的区域的初始消融操作的数据；以及/n处理器，所述处理器被配置为基于所接收的数据来自动指定要施加到所述区域的补充消融操作。/n

【技术特征摘要】
20190922 US 62/903850;20200910 US 17/0166081.一种用于引导心脏消融的系统，所述系统包括：
接口，所述接口被配置为接收表征施加到患者的心脏的区域的初始消融操作的数据；以及
处理器，所述处理器被配置为基于所接收的数据来自动指定要施加到所述区域的补充消融操作。


2.根据权利要求1所述的系统，其中所述处理器被配置为通过以下方式来指定所述补充消融：评估所述初始消融操作的质量，并且响应于发现所述初始消融操作的所述质量不满足质量标准而指定所述补充消融操作。


3.根据权利要求1所述的系统，其中表征所述初始消融操作的所述数据包括以下中的至少一者：
消融灶深度；
消融灶半径；
消融灶长轴；
消融灶短轴；
消融灶3D位置；
消融灶解剖位置；以及
消融灶表面积。


4.根据权利要求1所述的系统，其中在指定所述补充消融操作时，所述处理器被配置为指定重复消融的位置。


5.根据权利要求1所述的系统，其中在指定所述补充消融操作时，所述处理器被配置为指示消融点的片段中的间隙。


6.根据权利要求1所述的系统，其中在指定所述补充消融操作时，所述处理器被配置为实时指定将在消融点的片段附近执行附加消融。


7.根据权利要求1所述的系统，其中在指定所述补充消融操作时，所述处理器被进一步配置为指定将在所述补充消融中使用的一个或多个消融参数的值。


8.根据权利要求1所述的系统，其中表征所述初始消融操作的所述数据包括以下中的至少一者：
体表心电图（ECG）信号；
体表ECG信号的变化；
心内ECG信号；
心内ECG信号的变化；
消融电极的阻抗；
消融电极的阻抗的变化；
消融组织的温度；
消融组织的温度的变化；
消融组织上的力；
消融组织上的力的变化；
消融导管类型；
消融点的3D位置；
消融点的预测解剖位置；
消融点的消融持续时间；
冲洗速率；以及
在消融期间递送的功率。


9.根据权利要求8所述的系统，其中表征所述初始消融操作的所述数据包括以下中的一者或两者：
消融组织的超声反射的变化；以及
消融组织的磁共振图像（MRI）的变化。


10.根据权利要求1所述的系统，其中所述处理器被配置为通过应用经训练机器学习（ML）模型来自动指定所述补充消融操作。


11.根据权利要求1...

【专利技术属性】
技术研发人员：M·阿米特，L·措雷夫，Y·A·阿莫斯，A·沙吉，
申请(专利权)人：伯恩森斯韦伯斯特以色列有限责任公司，
类型：发明
国别省市：以色列;IL