【技术实现步骤摘要】
本公开的各种示例涉及估计患者的血液动力学特性的技术。本公开的各种示例具体涉及估计造影剂通过患者心血管系统的药代动力学。各种示例涉及基于这种信息来配置血管造影成像方案。
技术介绍
1、造影剂增强的血管造影成像方案被用于研究患者的心血管系统，例如血管腔、狭窄、血栓形成、钙化斑块、器官灌注、动脉输入功能等。血管造影成像方案可以被用于肿瘤学领域。
2、例如，处理病变血管状况(诸如阻塞)的血管医疗干预通常依赖于导管或一些其他手段。取决于待处理的具体病变血管，导管被插入到血管中，例如，从肘前静脉处或股静脉中开始，经由主要血管前进到达病变血管的一般附近。由于血管往往至少从病变血管的一般附近开始就广泛分支，医疗专家或操作员依靠基于造影剂和辐射的成像方法(诸如荧光检查)来确定穿过血管到达病变血管的路径。取决于病变血管在血管树中的位置(定义感兴趣区域(roi))，需要对造影剂的注射进行调整。此外，图像采集将与造影剂到达roi同步。
3、因此，血管造影成像数据的质量和诊断价值依赖于成像系统(例如，能力和/或配置)、工作人员的训练/经验，而且还依赖于注射和患者特定因素。
4、已知用以估计造影剂通过心血管系统的药代动力学的各种分析模型。一个示例是所谓的隔室模型(com)，它依赖于与血管和器官相关联的多个隔室并且通过微分方程对造影剂的时空浓度进行建模。该微分方程将隔室特定的浓度变化率建模为局部浓度以及流入和流出的函数。例如，在sahbaee、pooyan等人的“the effect of contrast materia
5、另一示例是线性时不变模型(ltim)。在此，对于患者主动脉中的给定位置，随时间的流出浓度可以被确定为患者特定响应函数与随时间的流入浓度的卷积。细节在us 9,271,656 b2中被描述。
6、然而，虽然这种分析模型是全面的并且示出可接受的时序适应结果，但它们在对比度增强预测方面，特别是在存在影响对比度动态影响病理学(狭窄、出血、夹层、肿瘤相关血管生成、纤维化、肝硬化等)的情况下常常缺乏精度和准确度。
7、应用基于人工智能的方法(具体地，神经网络(nn)算法)是之前提出的另一种技术，因为它们可以更精确地学习器官中的造影剂增强曲线。例如，参见us10,925,565b2。然而，nn常常缺乏可解释性，需要比分析模型更多的训练数据，并且还容易受到对抗性攻击，即，在从训练数据推理期间使用的数据的微小偏差可能会导致完全不可信的预测。
技术实现思路
1、因此，需要配置血管造影成像方案的先进技术。需要一种减轻或克服至少一些上述限制和缺点的技术。
2、这需要通过独立权利要求的特征来满足。从属权利要求的特征限定了实施例。
3、在下文中，公开了一种配置血管造影成像方案的技术。基于造影剂通过患者心血管系统的药代动力学的一个或多个估计来配置血管造影成像方案。公开了有助于确定药代动力学的一个或多个估计的各种技术。可以采用分析模型和/或神经网络算法，或者可以更一般地采用机器学习来确定估计。公开了一种使得能够依靠分析模型和神经网络算法的组合来实现任务的技术，从而获得更准确的结果。
4、在一个示例中，计算机实现的方法包括执行神经网络算法的训练。训练神经网络算法以估计造影剂通过患者心血管系统的药代动力学。该训练是基于指示参考造影剂团注的测量。该方法还包括基于造影剂的药代动力学的估计来配置血管造影成像方案。该估计是通过神经网络算法获得的。至少一种算法包括基于心血管系统的隔室模型而确定的损失。隔室模型基于心血管系统到多个隔室的分割以及相关联的微分方程，该微分方程将造影剂的浓度变化定义为时间和造影剂在相应隔室处的浓度的函数。
5、因此，该方法可以包括神经网络算法的训练以及无需可用的真实数据即可获得药代动力学的估计的推断。
6、该神经网络算法可以相应地至少获得指示参考造影剂团注的测量作为输入。这可以包括团注跟踪或测试团注测量。
7、使用基于隔室模型而确定的至少一个损失仅是一个示例。其他示例也是可能的。
8、在示例中，一种计算机实现的方法包括执行神经网络算法的训练。神经网络算法被训练，以基于指示参考造影剂团注的测量来估计造影剂通过患者心血管系统的药代动力学。该训练取决于至少一个损失。该方法还包括基于从神经网络算法获得的造影剂的药代动力学的估计来配置血管造影成像方案。该至少一个损失包括基于心血管系统的线性时不变模型而确定的损失。线性时不变模型是基于心血管系统的血管关于造影剂的时间相关流入的响应函数。
9、使用参考造影剂团注测量作为神经网络算法的输入是一种示例。在另外的示例中，可以附加地或备选地考虑其他类型的输入数据。
10、在一个示例中，一种计算机实现的方法包括获得造影剂通过患者心血管系统的药代动力学的估计。该估计是通过神经网络算法获得的。该神经网络算法进而又至少获得患者的三维图像作为输入。该计算机实现的方法还包括基于造影剂的药代动力学的估计来配置血管造影成像方案。
11、在各种示例中，神经网络算法可以被用于确定造影剂的药代动力学的估计。在一些示例中，该神经网络算法可以由分析模型进行补充或替代。
12、在一个示例中，一种计算机实现的方法包括确定分析模型的至少一个自由参数的一个或多个参数值，该分析模型估计造影剂通过患者心血管系统的药代动力学。所述确定是使用优化算法实现的。该优化算法基于包括测量的输入进行操作，该测量指示参考造影剂团注。该方法还包括基于从分析模型获得的造影剂的药代动力学的估计来配置血管造影成像方案。
13、因此，首先使用优化算法对分析模型进行参数化；然后，从参数化的分析模型获得的估计被用于配置血管造影成像方案。
14、在一个示例中，一种计算机实现的方法包括获得造影剂通过患者心血管系统的药代动力学的估计。该估计是通过神经网络算法获得的。该神经网络算法包括已知的算子层。已知的算子层实现了分析模型。该分析模型还估计造影剂通过患者心血管系统的药代动力学。该方法还包括基于从神经网络算法获得的造影剂的药代动力学的估计来配置血管造影成像方案。
15、因此，可以采用多种模型和/或神经网络算法来估计造影剂通过患者心血管系统的药代动力学。根据示例，这种估计技术可以彼此组合。
16、在一个示例中，一种计算机实现的方法包括确定造影剂通过患者心血管系统的药代动力学的多个预先估计。该多个预先估计是基于多个模型(例如，分析模型)和/或神经网络算法来确定的。该方法还包括基于多个预先估计的加权组合来确定药代动力学的估计。该方法还包括基于药代动力学的估计来配置血管造影成像本文档来自技高网...
【技术保护点】
1.一种计算机实现的方法，所述方法包括：
2.根据权利要求1所述的计算机实现的方法，
3.一种计算机实现的方法，所述方法包括：
4.根据前述权利要求中任一项所述的计算机实现的方法，
5.根据前述权利要求中任一项所述的计算机实现的方法，
6.一种计算机实现的方法，所述方法包括：
7.一种计算机实现的方法，所述方法包括：
8.根据权利要求7所述的计算机实现的方法，
9.一种计算机实现的方法，所述方法包括：
10.根据权利要求9所述的计算机实现的方法，
11.一种计算机实现的方法，所述方法包括：
12.根据权利要求11所述的计算机实现的方法，还包括：
13.一种由计算设备(812)的至少一个处理器在从所述计算设备的存储器加载程序代码时执行的方法，所述方法包括：
14.一种计算设备，所述计算设备包括至少一个处理器和存储器，所述至少一个处理器被配置为从所述存储器加载程序代码以及执行所述程序代码，其中所述至少一个处理器在执行所述程序代码时
15.一种计算机程序，所述计算机程序包括能够由至少一个处理器加载和执行的程序代码，其中，所述至少一个处理器在执行所述程序代码时被配置为执行根据权利要求1至13中任一项所述的方法。
...【技术特征摘要】
1.一种计算机实现的方法，所述方法包括：
2.根据权利要求1所述的计算机实现的方法，
3.一种计算机实现的方法，所述方法包括：
4.根据前述权利要求中任一项所述的计算机实现的方法，
5.根据前述权利要求中任一项所述的计算机实现的方法，
6.一种计算机实现的方法，所述方法包括：
7.一种计算机实现的方法，所述方法包括：
8.根据权利要求7所述的计算机实现的方法，
9.一种计算机实现的方法，所述方法包括：
10.根据权利要求9所述的计算机实现的方法，
11.一种计算机实现的方法，所述方法包括：
【专利技术属性】
技术研发人员：P·萨巴伊·巴格尔扎德，R·古特雅尔，A·米尔贝格，M·赖曼，E·萨梅，
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。