用于确定重要性评分的方法和系统技术方案

本公开的实施例涉及用于确定重要性评分的方法和系统。本发明专利技术涉及一种用于提供输出数据的方法，优选为计算机实现的方法和系统，所述医学成像数据集包括患者解剖结构的区域的图像数据，所述区域包括多个冠状动脉。所述输出数据是与患者的医学成像数据集相关联的重要性评分。用最通用的术语来说，本发明专利技术的方法包括以下步骤：例如经由第一接口接收所述输入数据，通过对输入数据应用算法操作来生成输出数据，以及例如经由第二接口提供所述输出数据。据。据。

【技术实现步骤摘要】
用于确定重要性评分的方法和系统


[0001]本专利技术涉及一种用于确定与患者的医学成像数据集相关联的重要性评分的方法和系统。

技术介绍

[0002]本专利技术属于医学成像领域，其用于创建用于临床分析和医学干预的身体内部的视觉表示，以及一些器官或组织的功能的视觉表示。特别地，本专利技术属于通过医学成像进行血管分析的领域。
[0003]为了改善诊断和治疗计划，已知对单个患者的病理生理学或疾病状态的表现进行评分或分类。
[0004]本专利技术涉及基于患者的医学成像数据为患者的血管分析分配重要性评分。
[0005]冠心病是全世界世界范围的主要死亡原因之一。它与使冠状动脉变窄的动脉粥样硬化斑块相关。评估和可视化冠状血管结构中这些斑块沉积和对应狭窄的一种方法是通过分析来自医学成像模态的医学成像数据集，诸如计算机断层扫描(CT)，特别是冠状动脉CT血管造影(CCTA)或磁共振成像(磁共振)。
[0006]为了进一步评估患者的医学成像数据集，确定与医学成像数据集相关联的重要性评分是有用的。
[0007]在日常临床实践中，所谓的CAD
‑
RADS评分决定了CCTA检查后推荐的患者管理(Cury，R.C.等人.(2016).“CAD
‑
RADS：冠心病
‑
报告和数据系统:心血管计算机断层摄影学会(SCCT)、美国放射学院(ACR)和北美心血管影像学会(NASCI)的专家共识文件，得到了美国心脏病学院的认可。”J Am Coll Radiol 13(2Pt A):1458
–
1466)。在大多数情况下，此评分是基于在相应患者的冠状动脉树内检测到的最严重狭窄来确定的。然而，此评分目前是由人类读者手动评估的，这使得此过程耗时且容易出错，导致观察者之间和观察者内部的差异很大，特别是对于非专家放射科医生。
[0008]CAD
‑
RADS评分范围从0到5。0表示完全没有斑块的患者，全部其他CAD
‑
RADS评分大多指分为最小、轻度、中度、重度和完全闭塞的在冠状动脉树内的最高的狭窄病变。这种情况的例外是左主动脉内的病变，由于此血管的重要性，如果存在中度病变，则CAD
‑
RADS评分已经达到4分。
[0009]3级及以上建议进一步调查工作流程，其包括功能和/或侵入性评估。与此相反，CAD
‑
RADS评分为2分及以下不需要进一步的心脏调查。
[0010]到目前为止，通过肉眼进行定性评估是临床标准。
[0011]此外，还存在使用2D卷积神经网络预测聚类CAD
‑
RADS分数的方法(Muscogiuri G，Chiesa M，Trotta M，等人.深度学习算法在用CCTA评估CAD
‑
RADS分类中的性能(Performance of a deep learning algorithm for the evaluation of CAD
‑
RADSclassification with CCTA).动脉粥样硬化.2020；294:25
‑
32.doi:10.1016/j.动脉粥样硬化.2019.12.001)。在他们的工作中，他们将CCTA扫描重新格式化为2D网格，并且基
于此表示进行分类。因此，它不需要预先的预处理步骤。然而，网络决策不能在他们的方法中追踪到根源病变的位置，并且他们的方法缺乏冠状动脉的表示。为了使基于AI的方法在临床上可行，方法的决定需要在一定程度上得到解释。此外，这种现有技术方法不能达到允许临床应用的性能水平，并且局限于评分的聚类版本。

技术实现思路

[0012]因此，本专利技术的目的是以自动方式实现基于医学成像数据的重要性评分的改善确定。
[0013]此目的通过根据独立权利要求的专利技术来实现。
[0014]在下文中，根据本专利技术的解决方案针对系统以及方法进行描述。本文的元件、特征、优点或替代实施例可以被分配给其他要求保护的目标，并且反之亦然。换句话说，提供系统的权利要求可以用在方法的上下文中描述或要求的特征来改善，并且反之亦然。在这种情况下，此方法的特征特征由提供系统的目标单元实施。此外，结合特定示例性实施例描述的元件、特征、优点或替代实施例可以用最通用的术语赋予本专利技术。
[0015]用最通用的术语来说，本专利技术涉及一种用于提供输出数据的方法，优选为计算机实现的方法。所述输出数据是与患者的医学成像数据集相关联的重要性评分。用最通用的术语来说，本专利技术的方法包括以下步骤：
[0016]‑
例如经由第一接口接收输入数据，
[0017]‑
通过对输入数据应用算法操作来生成输出数据，
[0018]‑
例如经由第二接口提供输出数据。
[0019]用最通用的术语来说输入数据是医学成像数据集。医学成像数据集基于医学成像装置或模态(诸如CT、MR、超声波或其他合适的医学成像装置或模态)的图像采集。此外，医学成像数据集包括从包括多个血管，特别是多个冠状动脉的患者身体或解剖结构的区域的图像采集中导出的成像数据。医学成像数据可以包括原始数据集、重建图像数据集和/或重建后已经进一步处理的图像数据集。医学成像数据集可以包括其他数据，诸如分割数据和从分割数据导出的数据，诸如与医学成像数据集内的分割结构相关的标识数据。图像划分是将数字图像划分成多个段(像素集，也称为图像对象)的过程。分割的目标是将图像的表示简化和/或改变成更有意义和更容易分析的事物，并且允许解剖结构的分析，诸如血管。例如，关于冠状动脉，从分割数据导出的数据可以包括单个冠状动脉(例如，诸如主冠状动脉、右冠状动脉(RCA)、左回旋动脉(LCX)和左前降支(LAD))的标识数据。从分割数据导出的数据还可以包括血管中心线数据。医学成像数据集可以包括诸如元数据的其他数据，其中所述元数据可以包括患者标识信息、临床信息(诸如关于先前诊断、疾病状态等)、扫描信息(诸如基于所使用的医学成像装置或模态)、用于获取扫描或医学成像数据集的医学成像装置或模态的设置等。
[0020]在用最通用的术语描述本专利技术时，通过对输入数据应用算法操作来生成输出数据的步骤包括以下步骤：
[0021]‑
将由所述多个血管的医学成像数据集所包括的每个血管划分成一个或多个血管段(使得总共获得多个血管段)；
[0022]‑
对于每个血管段，从医学成像数据集提取血管的对应部段的表示；
[0023]‑
对于每个血管段，从血管的对应部段的表示提取或确定一个或多个特征，
[0024]‑
基于提取的全部血管段的特征执行组合操作，以获得基于每个血管段的特征信息的全局特征集，以及
[0025]‑
基于全局特征集确定重要性评分。
[0026]血管的划分通过对有限多个离散血管段执行进一步的步骤来简化和标准化进一步的分析。因此，被分析的血管系统或本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种确定与患者的医学成像数据集相关联的重要性评分的方法，所述医学成像数据集包括患者解剖结构的区域的图像数据，所述解剖结构的区域包括多个冠状动脉；所述方法包括以下步骤：
‑
接收所述医学成像数据集；
‑
将所述多个冠状动脉中的每个冠状动脉自动划分成一个或多个冠状动脉段；
‑
对于每个冠状动脉段，从所述医学成像数据集提取所述冠状动脉的对应部段的表示；
‑
对于每个冠状动脉段，从所述冠状动脉的所述对应部段的所述表示提取一个或多个特征；
‑
基于所提取的全部所述冠状动脉段的特征执行组合操作，以基于每个冠状动脉段的定量信息获得全局特征集，
‑
基于所述全局特征集来确定所述重要性评分；以及
‑
输出所确定的所述重要性评分。2.根据权利要求1所述的方法，其中通过使用经训练的函数来提取所述一个或多个特征。3.根据前述权利要求中任一项所述的方法，其中通过使用经训练的函数来确定所述重要性评分。4.根据前述权利要求中任一项所述的方法，其中所述医学成像数据集包括与所述多个冠状动脉的相应多个中心线有关的信息。5.根据权利要求4所述的方法，其中提取所述冠状动脉的对应部段的表示的步骤包括创建MPR图像堆栈，所述MPR图像堆栈通过针对所述冠状动脉的所述对应部段的所述中心线的多个点内插正交平面而构建。6.根据权利要求4或5所述的方法，其中所述自动划分的步骤包括沿着所述多个冠状动脉中的每个冠状动脉的...

【专利技术属性】
技术研发人员：F，
申请(专利权)人：西门子医疗有限公司，
类型：发明
国别省市：