【技术实现步骤摘要】
【国外来华专利技术】
技术介绍
1、光学相干断层扫描(oct)是一种广泛应用于眼科学、心脏病学、胃肠病学以及其他医学和科学研究领域的成像技术。oct可与各种其他成像技术结合使用，例如血管内超声(ivus)、近红外光谱(nirs)、血管造影、荧光镜检查和基于x射线的成像。
2、为了执行成像，成像探头可以安装在导管上并被操纵通过感兴趣的点或区域，例如通过患者的血管。成像探头可以返回感兴趣的点的多个图像帧，其可以被进一步处理或分析，例如用于诊断患者的健康状况，或作为科学研究的一部分。正常动脉具有层状结构，其包括内膜、中膜和外膜。由于某些医疗状况，例如动脉粥样硬化闭塞症，内膜或动脉的其他部分可能含有斑块，斑块可由不同类型的纤维、蛋白聚糖、脂质或钙形成。
3、神经网络是包括一层或多层非线性运算以预测接收到的输入的输出的机器学习模型。除了输入层和输出层，一些神经网络还包括一个或多个隐藏层。每个隐藏层的输出可以被输入到另一个隐藏层或神经网络的输出层。神经网络的每一层都可以根据该层的一个或多个模型参数，从接收到的输入中生成相应的输出。模型参数可以是权重或偏差。模型参数值和偏差通过训练算法确定，以使神经网络生成准确的输出。
技术实现思路
1、本公开的各方面提供了自动检测和血管图像中描绘的邻近脂质的区域或池的纤维化帽的特征。一种包括一个或多个处理器的系统，该系统可接收血管的图像，该血管的图像注释有表示所成像的血管周围的脂质池的纤维化帽的片段。系统可以处理这些图像，以进一步注释表示示出背景、血管的管
2、额外或可替代地，系统可以基于测量成像信号强度穿过所成像的管腔的边缘并进入周围组织的衰减率来检测并刻画脂质池的纤维化帽的特征。基于衰减率与已知样本的比较，系统可以预测脂质池的纤维化帽的位置，并估计纤维化帽的特征。示例性特征可包括例如其厚度和/或纤维化帽和脂质池之间的边界。
3、本公开的各方面提供了通过识别血管的医学图像中的纤维化帽来检测脂质的方法、系统和装置，包括计算机可读存储介质。一种方法包括接收血管的一个或多个输入图像，并使用被训练成识别血管中的纤维化帽的位置的机器学习模型来处理一个或多个输入图像。机器学习模型是使用多个训练图像进行训练的，每个图像都注释有一个或多个纤维化帽的位置。一种方法包括基于在输入图像的不同位置测量出的径向信号强度的差异来识别脂质池的纤维化帽和刻画脂质池的纤维化帽的特征。系统可生成一个或多个输出图像，该一个或多个图像具有表示纤维化帽的预测位置的可视化地注释的片段。
4、纤维化帽可覆盖脂质斑块。本公开的各方面提供了识别纤维化帽以识别潜在的脂质斑块。
5、本公开的方面包括一种用于血管中的纤维化帽识别的方法，该方法包括：由一个或多个处理器接收血管的一个或多个输入图像；由一个或多个处理器使用机器学习模型来处理一个或多个输入图像，所述机器学习模型被训练成识别血管中的纤维化帽的位置，其中该机器学习模型使用多个训练图像进行训练，这些训练图像注释有一个或多个纤维化帽的一个或多个位置，每个纤维化帽邻近相应的脂质池；以及由一个或多个处理器接收一个或多个输出图像并且作为机器学习模型的输出，该一个或多个输出图像具有表示纤维化帽的预测位置的可视化地注释的片段。
6、本公开的方面包括一种系统，该系统包括：一个或多个处理器，所述一个或多个处理器被配置为：接收血管的一个或多个输入图像；使用被训练成识别血管中的纤维化帽的位置的机器学习模型来处理一个或多个输入图像，其中使用多个训练图像来训练该机器学习模型，这些训练图像注释有一个或多个纤维化帽的位置，每个纤维化帽邻近相应的脂质池；以及接收一个或多个输出图像作为机器学习模型的输出，该一个或多个输出图像具有表示或纤维化帽的图示预测位置的可视化地注释的片段。
7、本公开的一方面包括存储指令的一种或多种非暂时性计算机可读介质，当所述指令由一个或多个处理器执行时，使得所述一个或多个处理器执行操作，所述操作包括：接收血管的一个或多个输入图像；使用机器学习模型来处理一个或多个输入图像，所述机器学习模型被训练成识别血管中的纤维化帽的位置，其中使用多个训练图像来训练该机器学习模型，每个训练图像注释有一个或多个纤维化帽的位置，每个纤维化帽邻近相应的脂质池；以及接收一个或多个输出图像作为机器学习模型的输出，该一个或多个输出图像具有表示纤维化帽的预测位置的可视化地注释的片段。
8、本公开的一方面提供了一种用于血管中的纤维化帽识别的方法，该方法包括：由一个或多个处理器接收血管的一个或多个输入图像；由所述一个或多个处理器使用机器学习模型来处理所述一个或多个输入图像，所述机器学习模型被训练成识别血管中的纤维化帽的位置，其中使用多个训练图像来训练所述机器学习模型，所述多个训练图像注释有一个或多个纤维化帽的一个或多个位置，每个纤维化帽邻近相应的脂质池；由一个或多个处理器接收作为机器学习模型的输出，该一个或多个输出图像具有表示纤维化帽的预测位置的可视化地注释的片段；基于一个或多个输入图像中的多个点的信号强度，使用一个或多个处理器并且从一个或多个输出图像中生成纤维化帽相对于邻近的脂质池的更新后的边界。多个点可以沿着包围纤维化帽的一个或多个弧线。
9、生成更新后的边界可以包括测量沿着包围纤维化帽的一个或多个的弧线的多个点的信号强度；以及基于对多个点的信号强度的测量出的衰减率与穿过脂质的纤维化帽的信号强度的预先确定的衰减率的比较来确定纤维化帽与邻近的脂质池之间的边界。信号强度可存储为包括信号强度的轮廓的元数据。
10、该方法可进一步包括基于一个或多个纤维化帽的位置来识别脂质斑块。生成更新后的边界可以包括基于包括测量出的信号强度的径向强度轮廓并与一个或多个输入图像相关联来更新边界。
11、上述内容的其他方面包括一种系统，该系统包括一个或多个处理器，该一个或多个处理器被配置为执行用于纤维化帽检测的方法。上述内容的其他方面包括存储指令的一个或多个计算机可读存储介质，当这些指令由一个或多个处理器执行时，使得一个或多个处理器执行用于纤维化帽检测的方法。
12、本公开的一方面提供了一种用于血管中的纤维化帽识别的方法，该方法包括：由一个或多个处理器接收血管的一个或多个输入图像；使用一个或多个处理器来生成一个或多个第一输出图像，该一个或多个第一输出图像包括纤维化帽相对于邻近的脂质池的边界，该生成基于一个或多个输入图像中的多个点的信号强度；以及由所述一个或多个处理器使用机器学习模型来处理所述一个或多个输入图像，所述机器模型被训练成识别血管中的纤维化帽的位置，其中使用多个训练图像来训练所述机器学习模型，所述多个训练图像注释有一个或多个纤维化帽的一个或多个位置，每个纤维化帽邻近相应的脂质池；由一个或多个处理器接收一个或多个第本文档来自技高网...
【技术保护点】
1.一种用于血管中的纤维化帽识别的方法，所述方法包括：
2.根据权利要求1所述的方法，其中所述一个或多个输入图像进一步注释有对应于钙、所述血管中的管腔、或介质中的至少一者的位置的片段。
3.根据权利要求2所述的方法，
4.根据权利要求3所述的方法，其中所述成像探头是光学相干断层扫描(OCT)成像探头、血管内超声(IVUS)成像探头、近红外光谱(NIRS)成像探头、OCT-NIRS成像探头、或微OCT(μOCT)成像探头。
5.根据权利要求1所述的方法，其中所述多个点沿着包围所述纤维化帽的一个或多个弧线。
6.根据权利要求1所述的方法，其中接收所述一个或多个输出图像包括为每个输入图像接收表示纤维化帽的预测位置的所述输入图像的相应的可视化地注释的片段。
7.根据权利要求1所述的方法，其中所述方法进一步包括由所述一个或多个处理器为所述一个或多个输出图像中的每一个接收位置被预测为在所述输出图像中的每一个纤维化帽的厚度的一个或多个测量值。
8.根据权利要求1所述的方法，其中生成所述更新后的边界包括：
...【技术特征摘要】
【国外来华专利技术】
1.一种用于血管中的纤维化帽识别的方法，所述方法包括：
2.根据权利要求1所述的方法，其中所述一个或多个输入图像进一步注释有对应于钙、所述血管中的管腔、或介质中的至少一者的位置的片段。
3.根据权利要求2所述的方法，
4.根据权利要求3所述的方法，其中所述成像探头是光学相干断层扫描(oct)成像探头、血管内超声(ivus)成像探头、近红外光谱(nirs)成像探头、oct-nirs成像探头、或微oct(μoct)成像探头。
5.根据权利要求1所述的方法，其中所述多个点沿着包围所述纤维化帽的一个或多个弧线。
6.根据权利要求1所述的方法，其中接收所述一个或多个输出图像包括为每个输入图像接收表示纤维化帽的预测位置的所述输入图像的相应的可视化地注释的片段。
7.根据权利要求1所述的方法，其中所述方法进一步包括由所述一个或多个处理器为所述一个或多个输出图像中的每一个接收位置被预测为在所述输出图像中的每一个纤维化帽的厚度的一个或多个测量值。
8.根据权利要求1所述的方法，其中生成所述更新后的边界包括：
9.根据权利要求8所述的方法，其中确定所述纤维化帽和所述邻近的脂质池之间的边界包括识别所述多个点中的在预先确定的阈值内具有与所述多个点的峰值信号强度成比例的测量出的信号强度的点。
10.一种系统，包括：
11.根据权利要求10所述的系统，其中所述一个或多个输入图像进一步注释有对应于钙、所述血...
【专利技术属性】
技术研发人员：J·A·布拉伯，A·戈皮纳特，G·P·阿米斯，K·E·萨维奇，
申请(专利权)人：光实验成像公司，
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。