【技术实现步骤摘要】
本专利技术总体上涉及血管造影图像中冠状动脉的全自动评估，并且尤其涉及用于血管造影图像中冠状动脉的全自动评估的多任务学习框架。
技术介绍
1、冠状动脉血管造影是一种使冠状动脉中的血液可视化的医疗程序。冠状动脉血管造影允许对冠状动脉进行评估，用于诊断报告和干预计划。传统上，已经提出了基于机器学习的方法，用于根据冠状动脉造影来进行冠状动脉评估。这种传统方法训练一套单独的基于机器学习的模型来执行每个任务，例如狭窄检测、狭窄分级和分段分类，并在后处理步骤中导出评估结果。然而，这种传统方法遭受不同任务的结果和整个系统的结果之间的不一致性，以及在每个任务中引入的误差传播。此外，在这种传统方法中，每个基于机器学习的模型都是单独训练的，并因此缺乏跨不同的基于机器学习的模型的结果的可解释性和可解读性。
技术实现思路
1、根据一个或多个实施例，提供了用于血管自动评估的系统和方法。接收患者血管的医学图像的时间序列。使用基于机器学习的模型来生成多组输出嵌入，所述基于机器学习的模型是使用多任务学习来训练的。基于从所述...
【技术保护点】
1.一种计算机实现的方法，包括：
2.根据权利要求1所述的计算机实现的方法，其中所述医学图像的时间序列是血管造影序列。
3.根据权利要求1所述的计算机实现的方法，其中所述医学图像的时间序列是以多个不同的采集角度采集的。
4.根据权利要求1所述的计算机实现的方法，其中使用基于机器学习的模型来生成多组输出嵌入包括以下操作，所述基于机器学习的模型是使用多任务学习来训练的：
5.根据权利要求1所述的计算机实现的方法，其中通过在相应的概率分布中对所述多组输出嵌入中的每一组进行建模来执行多个血管评估任务包括：
6.根据权...
【技术特征摘要】
1.一种计算机实现的方法，包括：
2.根据权利要求1所述的计算机实现的方法，其中所述医学图像的时间序列是血管造影序列。
3.根据权利要求1所述的计算机实现的方法，其中所述医学图像的时间序列是以多个不同的采集角度采集的。
4.根据权利要求1所述的计算机实现的方法，其中使用基于机器学习的模型来生成多组输出嵌入包括以下操作，所述基于机器学习的模型是使用多任务学习来训练的：
5.根据权利要求1所述的计算机实现的方法，其中通过在相应的概率分布中对所述多组输出嵌入中的每一组进行建模来执行多个血管评估任务包括：
6.根据权利要求5所述的计算机实现的方法，其中通过在相应的概率分布中对所述多组输出嵌入中的每一组进行建模来执行多个血管评估任务包括：
7.根据权利要求1所述的计算机实现的方法，其中所述多个血管评估任务包括所述血管中狭窄的定位。
8.根据权利要求1所述的计算机实现的方法，其中所述多个血管评估任务包括所述血管中狭窄的基于图像的狭窄分级。
9.根据权利要求1所述的计算机实现的方法，其中所述多个血管评估任务包括所述血管中狭窄的分段标记和所述狭窄的分段。
10.一种装置，包括：
11.根据权利要求10所述的装置，其中所述医学图像的时间序列是血管造影序列。
12.根据权利要求10所...
【专利技术属性】
技术研发人员：M·A·古尔松，D·I·斯托扬，V·辛格，P·沙尔玛，M·贝格尔，
申请(专利权)人：西门子医疗有限公司，
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。