【技术实现步骤摘要】
【国外来华专利技术】利用机器学习从急性缺血性脑卒中患者的多期CT血管造影预测缺血性脑组织转归的系统及方法
[0001]本专利技术涉及用于从多期CT血管造影(multi
‑
phase CT
‑
angiography,mCTA)预测缺血性脑组织转归(Fate)的系统和方法。更具体地,描述了能够使用已经通过机器学习训练以解释mCTA图像的软件从mCTA图像有意义地预测核心(Core),半影(Penumbra)和灌注(Perfusion)的系统和方法。
技术介绍
[0002]缺血性脑卒中是一种急性疾病,不同患者的脑内组织死亡(梗塞)将从缺血性事件发生时以不同的速率发展。患者内的梗塞率取决于大量的生理因素。
[0003]对于诊断和治疗缺血性脑卒中的医生来说,当脑卒中患者到达医院时,医生尽可能快地获得关于脑卒中性质的尽可能多的知识,以便作出关于治疗的有效诊断和有效决策是非常重要的。如容易理解的,有效诊断和治疗的时间是非常重要的,因为较快的诊断将影响治疗决策,并且可以将由于脑卒中而最终受影响的脑组织的量降到最低。
[0004]例如,在缺血性脑卒中的情况下,重要的是医生知道血管阻塞的位置,阻塞的大小,任何不可切除的脑组织(“核心”)的位置以及可能受到缺血性事件影响但可能被挽救(“半影”)的脑组织的大小和位置。
[0005]更具体地,半影是缺血事件周围的组织,由于侧支动脉灌注该组织,可能提供足够的血液和氧气以防止该组织在一段时间内死亡,因此在该事件后可能保持存活数小时。
[0006]当医 ...
【技术保护点】
【技术特征摘要】
【国外来华专利技术】1.一种从当前患者获得的一系列当前多期计算机断层摄影(mCTA)图像预测脑卒中患者中的核心,半影和灌注状态中的任一个或组合的方法,其特征在于,所述方法包括以下步骤:在历史数据的数据库内,所述历史数据具有来自已经进行计算机断层摄影灌注(CTP)研究和非对比计算机断层摄影(NCCT)的患者的多个历史图像,并且其中所述历史图像先前已经被分析以识别历史感兴趣特征,所述感兴趣特征包括核心,半影和灌注状态的估计,i.分析所述当前mCTA图像并识别当前感兴趣特征,其中通过从所述当前mCTA图像分析密度值,时间和位置来确定所述当前感兴趣特征;ii.将步骤i的所述当前感兴趣特征与相应的历史特征感兴趣进行比较,并将所述当前感兴趣特征与所述历史感兴趣特征进行拟合,以预测所述当前mCTA图像的核心,半影和灌注状态中的任一个或组合。2.如权利要求1所述的方法,其特征在于,所述mCTA图像包括3
‑
5期图像。3.如权利要求2所述的方法,其特征在于,其中所述历史数据包括与每个患者相关联的治疗数据,所述治疗数据包括与所述历史图像有关的无再灌注治疗或再灌注治疗数据。4.如权利要求3所述的方法,其特征在于,其中所述数据库还包括描述患者结果的所述历史图像的随访非对比CT(NCCT)和/或扩散加权(DW)磁辐射成像(MRI)的数据分析。5.如权利要求4所述的方法,其特征在于,所述数据库还包括对来自第二组患者的过去的mCTA研究的数据分析,所述第二组患者已经经历了mCTA并且没有进行灌注治疗以及随访非对比CT(NCCT)和/或扩散加权(DW)MRI。6.如权利要求5所述的方法,其特征在于,所述数据库还包括对来自第二组患者的过去的mCTA研究的数据分析,所述第二组患者已经经历mCTA和灌注治疗以及随访非对比CT(NCCT)和/或扩散加权(DW)MRI。7.如权利要求1
‑
6中任一项所述的方法,其特征在于,其中在获得所述当前mCTA图像之后,在10分钟或更短的时间内完成步骤i和ii。8.如权利要求1
‑
7中任一项所述的方法,其特征在于,其中所述历史数据包括量化患者在完全恢复到差恢复之间的恢复状态的数据。9.如权利要求1
‑
8中任一项所述的方法,其特征在于,其中所述历史数据包括来自所述历史图像的到最大值的时间(Tmax),脑血容量(CBV)和脑血流量(CBF)值的计算中的任一个或其组合。10.如权利要求1
‑
9中任一项所述的方法,其特征在于,还包括基于所述当前患者的预测的核心,半影和/或灌注状态与来自历史数据的实际结果数据的比较,量化进行再灌注治疗成功的可能性的步骤。11.一种从患者的多个当前多期计算机断层摄影(mCTA)图像量化核心和/或半影的方法,其特征在于,所述方法包括以下步骤:i.将所述多个mCTA图像引入预测模型,所述预测模型从历史计算机断层成像灌注(CTP)图像数据和CTP研究数据导出,所述CTP研究数据从所述历史CTP图像数据量化最大时间(Tmax),脑血容量(CBV)和脑血流量(CBF),并且其中所述预测模型将所述当前mCTA图像拟合到所述预测模型中,以从所述当前mCTA图像预测核心和/或半影。12.如权利要求11所述的方法,其特征在于,其中,所述历史CTP图像数据还包括患者治
疗数据,患者治疗后随访图像和患者结果数据,并且其中,所述预测模型将当前患者核心/半影预测与所述患者结果数据拟合,以获得对所述当前患者的结果的预测。13.如权利要求12所述的方法,其特征在于,其中,所述患者治疗数据包括是否进行手术过程数据。14.如权利要求11
‑
13中的任一项所述的方法,其特征在于,还包括以下步骤:计算预测图并在显示系统上显示所述预测图,并且其中所述预测图包括核心和/或半影作为核心和/或半影预测图。15.如权利要求11
‑
14中任一项所述的方法,其特征在于,还包括以下步骤:基于对总核心和/或半影和/或扩散的计算来计算当前患者的结果得分,将所述总核心和/或半影和/或扩散拟合到具有结果数据的过去的患者数据,以及在显示系统上显示所述结果得分。16.如权利要求11
‑
15中任一项所述的方法,其特征在于,还包括在最初获得当前mCTA图像的10分钟内预测核心/半影区的步骤。17.一种建立和训练机器学习数据库以使得能够从多期计算机断层摄影(mCTA)图像预测核心,半影和灌注状态中的任一个或其组合的方法,其特征在于,包括以下步骤:i.将历史患者数据引入数据库,所述历史患者数据包括来自多个计算机断层摄影灌注(CTP)研究的图像和治疗随访图像;ii.分析所述历史患者数据以提取与闭塞位置,核心,半影和灌注有关的感兴趣特征;iii.在所述数据库中引入历史mCTA患者数据,所述历史mCTA患者数据包括多组mCTA图像,并使用机器学习算法测试步骤i中获得的多组mCTA图像,其中每组mCTA图像包括图像的时期和随访图像;iv.从步骤iii推导出分类器预测模型;以及v.将单组mCTA图像数据引入来自步骤iv的所述预测模型,并分析所述mCTA图像数据以产生所述mCTA图像数据的核心,半影和状态预测概率图中的任一个或其组合。18.如权利要求17所述的方法,其特征在于,其中所述历史患者数据包括来自经历过再灌注的患者和未经历过再灌注的患者的数据。19.如权利要求18所述的方法,其特征在于,其中所述历史mCTA患者数据包括来自经历过再灌注的患者和未经历过再灌注的患者的数据。20.如权利要求17
‑
19中任一项所述的方法,其特征在于,其中所述预测模型计算预测的核心体积。21.如权利要求17
‑
20中任一项所述的方法,其特征在于,其中,所述预测模型计算预测的半影体积。22.如权利要求17
‑
21中任一项所述的方法,其特征在于,其中所述预测模型计算预测的组织灌注状态。23.如权利要求17
‑
22中任一项所述的方法,其特征在于,其中所述预测模型确定随访梗塞体积,并利用所述随访梗塞体积作为步骤v的参考标准。24.如权利要求17
‑
23中任一项所述的方法,其特征在于,其中特征提取步骤包括分析特征的密度和采集时间的步骤。25.如权利要求24所述的方法,其特征在于,其中对于每个体素,密度和采集时间分析包括:
i.计算每期mCTA图像的Hunsfield单位(HU)的平均值和标准偏差;ii.计算所述每期mCTA图像的HU的方差系数;iii.计算mCTA图像任意两期之间的HU斜率;iv.确定所述每期mCTA图像的HU的峰值;和v.确定HU的时间峰值。26.如权利要求25所述的方法,其特征在于,其中在以不同尺度的每个体素为中心的邻域中计算特征。27.如权利要求25或26所述的方法,其特征在于,还包括将所述mCTA预测概率图与随访图像进行比较以测试所述模型的准确性的步骤。28.一种方法,其特征在于,包括以下步骤:i.在一个或多个计算设备处访问来自当前患者的多个多期计算机断层摄影血管造影(mCTA)图像;ii.使用图像分类引擎来确定所访问的图像是否包括核心或半影中的任一个或其组合,其中已经使用无监督学习来训练所述图像分类引擎,以从所述mCTA图像估计核心和半影的量;和iii.通过图形用户界面显示所述核心和/或半影的量的图形表示。29.如权利要求28所述的方法,其特征在于,还包括估计和显示灌注状态的步骤。30.一种建立和训练机器学习数据库和模型的方法,其特征在于,所述方法能够从多期计算机断层摄影(mCTA)图像组和计算机断层摄影灌注(CTP)图像组预测核心,半影和灌注状态中的任一个或其组合,其中每一组mCTA图像包括时期图像和随访图像,所述方法包括以下步骤:i.将历史患者mCTA和CTP图像引入数据库,并对所述mCTA和CTP图像进行分析,以提取与闭塞位置,核心,半影和灌注有关的感兴趣特征;ii.使用机器学习算法,对于在步骤i中获得的图案测试多组mCTA图像;iii.从步骤ii推导分类器预测模型;iv.将单组mCTA图像数据引入步骤iii的所述预测模型,并对所述mCTA图像数据进行分析,以生成所述mCTA图像数据的核心,半影和灌注状态预测概率图中的任意一个或组合;和v.将所述mCTA预测概率图与随访图像进行比较,以确定所述模型的准确性。31.如权利要求30所述的方法,其特征在于,其中步骤ii和iii包括两阶段训练,所述两阶段训练包括推导出半影区域的第一半影阶段和推导出...
【专利技术属性】
技术研发人员:比乔伊,
申请(专利权)人:圆心血管影像有限公司,
类型:发明
国别省市:
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。