在醫(yī)學(xué)成像中合成數(shù)據(jù)驅(qū)動的血液動力學(xué)測定的制作方法
【專利摘要】本發(fā)明涉及在醫(yī)學(xué)成像中的合成數(shù)據(jù)驅(qū)動的血液動力學(xué)測定，其中分類器根據(jù)合成數(shù)據(jù)訓(xùn)練，而不是依賴于來自其他患者的訓(xùn)練數(shù)據(jù)。針對每個所得到的示例計算流量。針對每個所得到的示例計算流量。機器學(xué)習(xí)的分類器使用來自特定患者的醫(yī)學(xué)掃描數(shù)據(jù)的特征，以基于特征到從合成數(shù)據(jù)學(xué)習(xí)的流量的映射來估計血流量。擾動或改變可以考慮治療，使得機器訓(xùn)練的分類器可以估計在治療上改變患者特定的輸入特征的結(jié)果。不確定性可以通過訓(xùn)練分類器以在給定不確定輸入分布的情況下預(yù)測可能性分布來進行處理。可以提供不確定性，合成訓(xùn)練數(shù)據(jù)的使用以及治療預(yù)測中的一個或多個的組合。
【專利說明】在醫(yī)學(xué)成像中合成數(shù)據(jù)驅(qū)動的血液動力學(xué)測定 相關(guān)申請
[0001 ]本專利文檔要求保護2014年11月24日提交的臨時美國專利申請序列號62/083373 的在35U.S.C.§119(e)下的提交日的權(quán)益，其由此通過引用并入。
【背景技術(shù)】
[0002] 本實施例涉及計算患者血管中的血流量。特別地，從非侵入性醫(yī)學(xué)成像數(shù)據(jù)估計 血液動力學(xué)度量。
[0003] 為了估計流量值，使用血管的計算機模型。對于特定患者中的流量，解剖模型適于 用于該患者的成像數(shù)據(jù)。計算流體動力學(xué)根據(jù)這個患者特定的模型來估計流量。然而，這種 方法僅依賴于根據(jù)醫(yī)學(xué)成像數(shù)據(jù)可得到的幾何結(jié)構(gòu)信息。
[0004] 在其他方法中，使用機器學(xué)習(xí)。醫(yī)學(xué)圖像或從影像數(shù)據(jù)提取的幾何結(jié)構(gòu)模型填充 訓(xùn)練數(shù)據(jù)庫。特征從這些示例提取以進行訓(xùn)練?；A(chǔ)事實(ground truth)血流量測量來自 于患者或計算流體動力學(xué)測量。執(zhí)行機器訓(xùn)練以創(chuàng)建分類器，所述分類器能夠根據(jù)輸入特 征估計血流量。由于依賴患者特定的信息，機器學(xué)習(xí)可能有限的。訓(xùn)練數(shù)據(jù)應(yīng)該包括盡可能 多的示例，例如數(shù)百或數(shù)千的示例。給定患者群體中的廣泛可變性，應(yīng)該收集更大得多的數(shù) 量的示例以進行訓(xùn)練。這些示例的可用性是有限的。用來收集充足的訓(xùn)練數(shù)據(jù)的成本和時 間是不利因素，并且異常值條件不太可能在機器學(xué)習(xí)的分類器中加以考慮。

【發(fā)明內(nèi)容】

[0005] 作為介紹，下面描述的優(yōu)選實施例包括用于在醫(yī)學(xué)成像中的血液動力學(xué)測定的方 法、計算機可讀介質(zhì)和系統(tǒng)。分類器根據(jù)合成數(shù)據(jù)進行訓(xùn)練，而不是依賴于來自其他患者的 訓(xùn)練數(shù)據(jù)。計算機模型(在計算機中（in silico))可以被以許多不同的方式擾動以產(chǎn)生許 多不同的示例。計算每個所得到的示例的流量。小型模型（在體外）可以以許多不同的方式 類似地改變。測量每個所得到的示例的流量。機器學(xué)習(xí)的分類器使用來自特定患者的醫(yī)學(xué) 掃描數(shù)據(jù)的特征，以基于特征到從合成數(shù)據(jù)學(xué)習(xí)的流量的映射來估計血流量。擾動或改變 可以計及治療，使得機器訓(xùn)練的分類器可以估計在治療上改變患者特定的輸入特征的結(jié) 果。不確定性可以通過訓(xùn)練分類器以在給定不確定輸入分布的情況下預(yù)測可能性分布來處 理?？梢蕴峁┎淮_定性、合成訓(xùn)練數(shù)據(jù)的使用以及治療預(yù)測中的一個或多個的組合。
[0006] 在第一方面，提供了一種用于在醫(yī)學(xué)成像中的血液動力學(xué)測定的方法。獲取表示 患者血管結(jié)構(gòu)的醫(yī)學(xué)掃描數(shù)據(jù)。從醫(yī)學(xué)掃描數(shù)據(jù)提取特征的集合。該集合的特征中的第一 特征被修改以表示由于治療導(dǎo)致的對血管結(jié)構(gòu)的改變。不確定性被分配給該集合中的第一 特征。處理器將特征輸入到機器訓(xùn)練的分類器。該特征包括修改后且具有不確定性的第一 特征。機器訓(xùn)練的分類器僅根據(jù)不特定于任何患者的合成數(shù)據(jù)進行訓(xùn)練。在應(yīng)用機器訓(xùn)練 的分類器的情況下，處理器輸出具有用于血液動力學(xué)度量的不同值的置信度區(qū)間的血液動 力學(xué)度量。
[0007]在第二方面，提供了一種用于在醫(yī)學(xué)成像中的血液動力學(xué)測定的方法。利用計算 機建模、物理建?；蛘哂嬎銠C及物理建模兩者生成血管布置的多個示例。為血管布置的示 例中的每一個存儲流量特性的值。從示例中的每一個提取輸入特征向量。分類器利用根據(jù) 輸入特征向量和血管布置的流量特性的值的機器學(xué)習(xí)進行訓(xùn)練。
[0008] 在第三方面，提供了一種用于在醫(yī)學(xué)成像中的血液動力學(xué)測定的系統(tǒng)。掃描器被 配置為掃描患者的血管。存儲器被配置為存儲患者的血管的多個特征，所述特征根據(jù)血管 掃描來確定。處理器被配置為將所述特征的第一特征從異常狀態(tài)修改為在治療上校正的狀 態(tài)，以將包括所修改的第一特征的所述特征應(yīng)用到機器訓(xùn)練的預(yù)測器，所述機器訓(xùn)練的預(yù) 測器利用在治療上校正的狀態(tài)中血管示例的訓(xùn)練數(shù)據(jù)進行訓(xùn)練，以及以基于特征到機器訓(xùn) 練的預(yù)測器的應(yīng)用來輸出血液動力學(xué)變量的值的預(yù)測。顯示器被配置為指示與在治療上校 正的狀態(tài)相關(guān)聯(lián)的血液動力學(xué)變量的值。
[0009] 本發(fā)明由下面的權(quán)利要求限定，并且該部分中什么也不應(yīng)被視為對這些權(quán)利要求 的限制。本發(fā)明的另外方面和優(yōu)點在下面結(jié)合優(yōu)選實施例進行討論，并且以后可以獨立或 結(jié)合被要求保護。
【附圖說明】
[0010]組件和附圖不必按比例，而是將重點放在圖示本發(fā)明的原理。此外，在附圖中，遍 及不同的視圖的相同的附圖標記標示相應(yīng)的部件。
[0011]圖1是用于在醫(yī)學(xué)成像中的血液動力學(xué)測定的方法的一個實施例的流程圖；
[0012] 圖2是用于在醫(yī)學(xué)成像中的血液動力學(xué)測定的方法的另一個實施例的流程圖；
[0013] 圖3是示例虛擬血管造影照片；
[0014] 圖4是作為時間的函數(shù)的示例強度曲線；
[0015] 圖5圖示了合成血管模型；
[0016]圖6圖不了分叉不對稱性和分叉角度；
[0017]圖7圖示了狹窄的合成模型；
[0018]圖8圖示了動脈段的半徑的示例正態(tài)分布；
[0019] 圖9圖示了示例血管樹；
[0020] 圖10圖示了分叉狹窄的合成創(chuàng)造的示例進展；
[0021] 圖11示出了描述狹窄形狀的示例幾何結(jié)構(gòu)特征；
[0022] 圖12示出了在血管上感興趣識別的示例區(qū)域；
[0023] 圖13示出了在血管造影術(shù)中目測的血管上所感興趣的遠端和近端區(qū)域的示例放 置；
[0024]圖14示出了所感興趣的近端和遠端區(qū)域的薩維茲凱-戈雷(Savitzky-Golay)濾波 的不例曲線圖；
[0025] 圖15圖示了時間強度曲線的伽馬變量濾波的示例；
[0026] 圖16是用于計算冠狀動脈段的缺血性權(quán)重的方法的一個實施例的流程圖；
[0027] 圖17示出了由段標記的示例冠狀動脈樹；
[0028] 圖18示出了具有缺血性權(quán)重以及在健康解剖模型中縱向變化的截面半徑的示例 冠狀動脈樹；
[0029]圖19不出了不例部分有病的血管段和相應(yīng)的缺血性貢獻記分(score);
[0030] 圖20示出了用于分叉病變的缺血性貢獻記分的示例計算；
[0031] 圖21圖示了在上游位置的預(yù)測的血液動力學(xué)度量作為用來預(yù)測在下游位置的血 液動力學(xué)度量的特征的示例使用；
[0032]圖22圖示了血管之間流動相互作用的示例；
[0033]圖23示出了具有在側(cè)分支上的狹窄的示例血管樹；
[0034]圖24是用于二維血管分割的示例血管造影投影；
[0035] 圖25圖示了示例距離注釋；
[0036] 圖26圖示了示例中心線注釋；
[0037]圖27圖示了針對不同的合成解剖表示的可選的示例模板選項；
[0038]圖28圖示了用于生成合成數(shù)據(jù)的體外模型的一個示例；
[0039]圖29示出了具有高缺血性貢獻記分的示例段；
[0040] 圖30A和30B示出了在處理的同時血液動力學(xué)度量的規(guī)則或連續(xù)計算的一個實施 例；
[0041] 圖31是在用戶選擇位置的血液動力學(xué)值的示例顯示；
[0042] 圖32是根據(jù)一個實施例的具有顏色編碼的輸出；
[0043]圖33是示例內(nèi)部飛行(fly-through)可視化；
[0044] 圖34是在動脈樹中血管的示例展開視圖；
[0045] 圖35是示例輸出，其中使用統(tǒng)計信息表示微粒；
[0046] 圖36是在血管內(nèi)的路徑上不同血液動力學(xué)度量的示例血管可視化；
[0047] 圖37是具有橫截面信息的示例血管可視化；
[0048]圖38是用于在醫(yī)學(xué)成像中使用不確定性的血液動力學(xué)測定的方法的一個實施例 的流程圖；
[0049]圖39圖示了用于更新合成數(shù)據(jù)和機器學(xué)習(xí)的分類器的方法的一個實施例；
[0050]圖40是用于在醫(yī)學(xué)成像中使用順序?qū)W習(xí)的血液動力學(xué)測定的方法的一個實施例 的流程圖；
[0051 ]圖41圖示了由于虛擬治療而導(dǎo)致的修改；
[0052]圖42圖示了狹窄的近端和遠端平面的自動檢測；
[0053]圖43是用于在醫(yī)學(xué)成像中使用治療修改的血液動力學(xué)測定的方法的一個實施例 的流程圖；
[0054]圖44是用于在醫(yī)學(xué)成像中從一個生理狀態(tài)到另一個生理狀態(tài)的血液動力學(xué)測定 的方法的一個實施例的流程圖；
[0055]圖45是用于在醫(yī)學(xué)成像中使用降階建模的血液動力學(xué)測定的方法的一個實施例 的流程圖；
[0056]圖46示出了機器學(xué)習(xí)與血液動力度量的計算流體動力學(xué)計算對比的示例比較；
[0057]圖47是用于在醫(yī)學(xué)成像中的血液動力學(xué)測定的系統(tǒng)的一個實施例的框圖。
【具體實施方式】
[0058]數(shù)據(jù)驅(qū)動方法提供了血液動力學(xué)計算。該方法包括在圖1中所示的機器訓(xùn)練階段 和預(yù)測階段。訓(xùn)練階段是離線過程，在此期間在動作12和16中首先匯編(assemble)利用相 應(yīng)血液動力學(xué)度量合成地生成的幾何結(jié)構(gòu)的數(shù)據(jù)庫。在這個數(shù)據(jù)庫中，表征幾何結(jié)構(gòu)或其 他特性的許多特征表示每個樣本。在動作12中提取這些特征。特征和血液動力學(xué)度量之間 的映射在動作14中使用基于機器學(xué)習(xí)的算法進行學(xué)習(xí)。
[0059]預(yù)測階段是在線過程。在動作18中加載針對特定患者的數(shù)據(jù)。在動作20中從新的 患者數(shù)據(jù)集提取所需的特征。然后特征值作為輸入用于預(yù)學(xué)習(xí)的模型。在動作22中機器學(xué) 習(xí)的分類器計算新患者數(shù)據(jù)(例如，未見過數(shù)據(jù)）的血液動力學(xué)度量的值。從訓(xùn)練階段學(xué)習(xí) 的映射應(yīng)用于患者數(shù)據(jù)?；颊咛囟ǖ难簞恿W(xué)度量的機器學(xué)習(xí)的計算使用患者特定的幾 何結(jié)構(gòu)特征，盡管其關(guān)于合成數(shù)據(jù)進行訓(xùn)練。
[0000]圖2示出了計算患者特定的冠狀動脈測量(measure)的另一工作流程或方法?；颊?特定的醫(yī)學(xué)成像信息用于確定一個或多個血液動力學(xué)度量。為了預(yù)測一個或多個血液動力 學(xué)指標，在動作14中使用機器學(xué)習(xí)方法對替代品模型進行訓(xùn)練。為了訓(xùn)練，在動作10中只生 成作為訓(xùn)練數(shù)據(jù)的合成動脈樹的數(shù)據(jù)庫28。數(shù)據(jù)庫28是通用數(shù)據(jù)庫?？商鎿Q地，數(shù)據(jù)庫28特 定于機構(gòu)，例如已經(jīng)在機構(gòu)的控制下被創(chuàng)建。在計算機中或在體外生成合成示例。在動作16 中，在計算機中解剖模型中的計算流體動力學(xué)(cro)計算或在體外解剖模型的流量實驗被 執(zhí)行以確定每個示例的血液動力學(xué)度量的基礎(chǔ)事實或值。取決于感興趣的一個或者多個度 量，一個或多個感興趣的測量在動作24被提取。例如，對于冠狀動脈血液動力學(xué)，這些指標 可以是分數(shù)血流儲備(FFR)、冠狀動脈血流儲備(CFR)、瞬時無波比（iFR)和/或相關(guān)量。 [0061]并行地，在動作12中從合成示例(例如從解剖模型)提取幾何結(jié)構(gòu)和/或其他特征。 在動作14中，一個或多個數(shù)據(jù)驅(qū)動替代品模型使用幾何結(jié)構(gòu)特征以及一個或多個目標測量 進行訓(xùn)練。
[0062] 一旦替代品模型已經(jīng)被訓(xùn)練，在動作22中可以針對從醫(yī)學(xué)圖像(X射線血管造影 術(shù)，計算斷層照相血管造影術(shù)、磁共振、或其他掃描)和/或其他數(shù)據(jù)獲得的患者特定的幾何 結(jié)構(gòu)對感興趣的測量進行預(yù)測。在動作26中提取患者特定的血管幾何結(jié)構(gòu)。在動作20中從 血管幾何結(jié)構(gòu)提取與用于合成數(shù)據(jù)的特征相同的特征或者特征的子集。這些特征被用作替 代品模型的輸入數(shù)據(jù)。
[0063]如果患者特定的數(shù)據(jù)不包括一個或多個特征，那么缺少的特征可以在動作32中根 據(jù)分開的機器學(xué)習(xí)的模型進行預(yù)測或者在動作30中使用合成幾何結(jié)構(gòu)的數(shù)據(jù)庫28中的類 似解剖體進行估計。
[0064]為了訓(xùn)練以及為了預(yù)測（即，機器學(xué)習(xí)的分類器的應(yīng)用），提取特征。因為相同的特 征集合用于訓(xùn)練分類器，所以針對分類器的應(yīng)用從醫(yī)學(xué)掃描數(shù)據(jù)和/或其他患者特定的數(shù) 據(jù)提取相同的特征集合。機器訓(xùn)練可以確定更多的有區(qū)別的特征，因此可以提供使用更少 的預(yù)測特征的分類器。對于下面關(guān)于特征提取的討論，相同或不同的過程用于從合成數(shù)據(jù) 提取特征，以用于訓(xùn)練和以用于針對預(yù)測的患者特定數(shù)據(jù)。
[0065] 在動作10和26中，從數(shù)據(jù)提取冠狀動脈樹或其他血管結(jié)構(gòu)。為了從合成數(shù)據(jù)生成， 提取可以采用以下形式:改變現(xiàn)有模型、創(chuàng)建不是從醫(yī)學(xué)掃描直接提取的模型。為了從患者 特定的數(shù)據(jù)生成，提取來自表示二維或三維血管的醫(yī)學(xué)掃描數(shù)據(jù)。
[0066] 在動作10中，為了使用機器學(xué)習(xí)方法訓(xùn)練替代品模型，僅使用合成地生成的幾何 結(jié)構(gòu)(血管樹）。在訓(xùn)練階段所使用的合成幾何結(jié)構(gòu)是完整血管樹或完整血管樹的某部分。 在其他實施例中，幾何結(jié)構(gòu)具有血管樹的單段或分支。
[0067] 初始模型可以從給定的患者創(chuàng)建，但是大多數(shù)訓(xùn)練示例是基于來自初始模型的變 更?？商鎿Q地，一個或多個初始模型是平均值或者不與給定患者直接相關(guān)的其他模型。數(shù)據(jù) 通過不是從特定患者的數(shù)據(jù)提取來合成的。合成血管樹可以具有物理(在體外）或數(shù)字(在 計算機中）表示。數(shù)字表示在計算機上生成并存儲。在替換實施例中，從針對多個患者的患 者特定的數(shù)據(jù)提取訓(xùn)練示例中的一些或大多數(shù)，并且示例中的僅一些是那些模型的變更。 如果真的患者解剖體是可用的，那么進一步，合成樹可以通過推測地擾動患者解剖體的特 征來構(gòu)建。這個增加的合成數(shù)據(jù)可以用于得到更豐富的表示，其可以解決數(shù)據(jù)中的不確定 性。
[0068] 在體外合成模型是用管或其他裝置人工建模的三維血管樹。在計算機中模型是全 比例(三維)或縮小比例模型（二維、一維或零維模型）。合成的在計算機中幾何結(jié)構(gòu)的參數(shù) 的數(shù)量和性質(zhì)以及配置可以取決于模型逼真度或比例。最高級別的細節(jié)是用于全比例模 型。幾何結(jié)構(gòu)由三維網(wǎng)格、掩模、表不動脈壁的三維點云或任何其他描述血管樹內(nèi)腔的表不 來表示。中心線樹可以被用作用于生成三維網(wǎng)格或點云的輸入數(shù)據(jù)。對于二維表示，內(nèi)腔邊 界由線而不是表面或者由點云來表示。在一維表示中，提供了中心線和在每個中心線點的 有效半徑。中心線可以在一維、二維或三維空間中表示。對于零維在計算機中模型，血管樹 由一個或若干集總段來表示，而每段由一系列參數(shù)(例如，流阻(resistance)、依從性、或慣 性)連同描述不同段之間相互作用的進一步參數(shù)一起來描述?？s小比例模型可以通過提取 相關(guān)信息從全比例模型來確定或者可以直接生成。
[0069]在動作10中為了填充數(shù)據(jù)庫28,可以使用不同的方法。創(chuàng)建一個或多個基準模型， 這些模型的性質(zhì)然后被隨機地或系統(tǒng)地擾動以獲得大量的模型?；鶞誓Ｐ涂梢酝ㄟ^健康人 群平均冠狀動脈幾何結(jié)構(gòu)、圖譜模型、和/或動物數(shù)據(jù)來表示。可以使用其他基準模型。
[0070] 在另一個方法中，每個模型通過遵循規(guī)則的集合或者通過隨機地或系統(tǒng)地擾動這 些規(guī)則的參數(shù)值來分開地生成。比例法則可以用于生成逼真的合成模型。
[0071] 合成數(shù)據(jù)的生成可以包括生成合成圖像，例如圖3中表示的。合成圖像被人工創(chuàng)建 為類似于從不同成像模態(tài)(血管造影術(shù)、計算斷層照相(CT)、超聲(例如，回波)或其他)獲得 的那些圖像。然后在動作10中使用與在真的患者圖像情況中相同的技術(shù)從這些合成圖像提 取合成幾何結(jié)構(gòu)。
[0072] 圖3示出了示例虛擬血管造影照片，其被生成以模仿介入檢查。然后虛擬血管造影 照片可以進一步用于提取合成幾何結(jié)構(gòu)的與造影劑傳播相關(guān)的特征。例如，在動作12中可 以直接從人工圖像或從由人工圖像提取的血管幾何結(jié)構(gòu)確定時間密度曲線、通過時間、血 流速度、血流速率和/或其他特征。
[0073] 圖4示出了從虛擬血管造影照片提取的時間密度曲線。時間密度曲線包括多種特 征:tfa(首次出現(xiàn)的時間），t hm(半峰值渾濁化的時間），tpk(峰值梯度的時間），以及tP。(峰值 渾濁化的時間）。可以使用附加、不同或更少的特征。
[0074] 在另一個實施例中，在動作12中直接提取合成特征向量而不是首先生成合成幾何 結(jié)構(gòu)，然后從所述合成幾何結(jié)構(gòu)提取特征向量。算法在動作24中沒有在動作16生成感興趣 的血液動力學(xué)度量，以及在動作12中生成特征向量。這個算法可以使用數(shù)據(jù)庫28,其中合成 幾何結(jié)構(gòu)用合成特征向量映射，并且學(xué)習(xí)如何直接生成合成向量。
[0075] 大量的可用變化是使用用于訓(xùn)練的合成數(shù)據(jù)的一個好處。通過改變用于幾何結(jié)構(gòu) 和/或用于生成幾何結(jié)構(gòu)的變量的一個或多個值來創(chuàng)建用于訓(xùn)練的附加示例。任何數(shù)量的 不同參數(shù)可以被改變。用于訓(xùn)練的數(shù)百或數(shù)千的不同示例可以從單個初始模型生成。
[0076] 圖5示出了示例血管樹模型以及可以被改變的相應(yīng)參數(shù)。可以使用任何數(shù)量的自 由度、變化的步長、或針對給定變量或變量組合的變化模式。
[0077] -個參數(shù)是半徑。該半徑可以在每個位置獨立地被變化或沿著血管段系統(tǒng)地被變 化?？梢蕴峁╆P(guān)于變化的限制，例如強加特定程度的血管錐形?？梢詾槊總€血管段限定參考 半徑值。參考半徑被用作確定沿著該段在每個位置處的半徑的基準?？梢允褂貌煌腻F形 率。還可以使用表征局部血管尺寸的其他幾何結(jié)構(gòu)特征，例如面積或有效(水壓)半徑。每個 血管段(其中血管段由分叉劃界）的長度可以被變化。血管曲率可以被變化。
[0078] 分叉參數(shù)可以被變化。連接在分叉處的血管段的半徑值之間的關(guān)系是變化的。例 如，冪定律可以在分叉處使用以描述兩個子血管的半徑(radiuses)
其中下標p，dl和d2分別指代父血管以及兩個子血管。分叉可以具有兩個以上的子血 管，在這種情況下模型可以按要求被適應(yīng)?？梢允褂迷?.0和3.0之間變化的不同層流值ξ。
[0079] -般地，分叉被認為是不對稱的，并且因此子血管的半徑可以基于父血管的半徑 通過使用圖6中表示的兩個參數(shù)來確定： rdi = arP，rd2 = ftrP， 其中a和β是分叉不對稱的兩個比例因數(shù)。引入兩個附加參數(shù)，即分別是面積比和不對 稱比，被定義為：
參數(shù)ξ，η和γ通過以下關(guān)系相互聯(lián)系：
因此兩個比例參數(shù)可以被計算為： α=(1+γ^2)-^
其他參數(shù)和/或幾何結(jié)構(gòu)的參數(shù)可以被變化。
[0080] 圖6示出了另一個分叉參數(shù)，其可以被變化以創(chuàng)建數(shù)據(jù)庫28的附加示例。分叉角度 被變化。
[0081] 把血液吸離主分支的側(cè)分支的存在、數(shù)量和位置，或者不存在是變化的。側(cè)分支可 能對感興趣的血液動力學(xué)度量具有重大影響，因為在整個幾何結(jié)構(gòu)中的血液流動分布被修 改。血管壁性質(zhì)可以變化。例如，壁可以被建模為剛性、彈性、粘彈性或其他表達。取決于用 于表示血管壁的模型，不同的性質(zhì)可以被設(shè)置，如壁厚度或楊氏模量。病理性段(例如，狹 窄、動脈瘤、縮窄、或斑塊性質(zhì)）的存在和/或不存在可以變化。
[0082]病理性段的位置可以變化。病理性段的性質(zhì)可以變化。這些性質(zhì)取決于為每個幾 何結(jié)構(gòu)考慮的特定病理。例如，如果為合成模型考慮動脈粥樣硬化，那么可以沿著血管樹放 置若干狹窄?？梢陨刹煌愋偷莫M窄:單段/分叉狹窄、病灶性、長、彌漫或其他。
[0083]為了生成這些各種類型的狹窄，可以使用各種狹窄性質(zhì)。圖7示出了將變化的狹窄 參數(shù)的一個示例集合，但是可以使用其他參數(shù)集合。在具有最小半徑的位置處的半徑的百 分比減少、總長度、入口長度、出口長度、百分比直徑狹窄、狹窄的始端和末端之間的錐形、 與狹窄長度相比具有最小狹窄半徑的區(qū)域的相對長度、與整個狹窄的中心位置相比具有最 小半徑的位置的相對方位、進口角度、排出口角度、偏心率、曲率、鈣化或斑塊的存在和程 度、和/或斑塊的形態(tài)(例如，脂質(zhì)，纖維狀，鈣化或壞死)可以變化。
[0084] 上述參數(shù)和/或其他參數(shù)可以被修改以在數(shù)據(jù)庫28中產(chǎn)生更多病理學(xué)案例。當生 成合成示例的數(shù)據(jù)庫時，為每個合成示例隨機選擇參數(shù)的值(例如，二進制變量的真或假， 或者連續(xù)變量在預(yù)定范圍內(nèi)的值），或者在有限范圍內(nèi)系統(tǒng)地探索整個參數(shù)空間。任何類型 的分布可以用于連續(xù)變量，例如均勻、正態(tài)或其他。圖8示出了左冠狀動脈樹的根半徑的正 態(tài)分布的示例?？梢允褂靡阎?、估計或標準正態(tài)分布。所生成的合成示例基于分布被指派左 冠狀動脈樹的根半徑的值(例如，使用分布為每個示例指派給定值的概率）。
[0085] 其他可變性的源可以用于創(chuàng)建用于訓(xùn)練的合成示例。表征冠狀動脈形態(tài)的參數(shù)是 變化的。這些參數(shù)包括類型、特性、和/或存在或不存在鈣化、斑塊(例如，纖維組織、脂質(zhì)組 織、壞死組織、鈣化組織）、血栓存在、彌漫疾病特性、全部或幾乎全部閉塞、心肌橋(表面或 深處）、冠狀動脈的先天性異常(例如，從在大動脈之間的具有動脈內(nèi)路線的異常主動脈竇 (sinus of valsalva)的冠狀動脈異常起源;從肺動脈干的一個冠狀動脈的異常起源，或其 他）、動脈瘤擴張和疊加的動脈粥樣硬化、"高位開口（high take off)"冠狀動脈（即，口在 竇管接合點之上的幾毫米(動脈可以具有急劇下降的角度并且部分地穿過大動脈壁））、心 肌橋(如表面或深處）、冠狀動脈痿、冠狀動脈夾層、冠狀動脈血管炎(如類風(fēng)濕關(guān)節(jié)炎、系統(tǒng) 性紅斑狼瘡(SLE)或白塞氏病、川崎病、結(jié)節(jié)性多動脈炎、或持續(xù)性(后)炎性動脈瘤）、纖維 肌性發(fā)育不良、冠狀動脈微栓塞、和/或左或右的單側(cè)性優(yōu)勢?？梢允褂酶郊?、不同或更少的 形態(tài)參數(shù)。
[0086] 圖9示出了由圖譜生成的合成血管的一個訓(xùn)練示例。圖譜模型被表示為血管段列 表，而每段鏈接到其父段或子段，并且每段的類型被設(shè)置為主分支段或側(cè)分支段。合成幾何 結(jié)構(gòu)可以以不同方式從圖譜在算法上生成。作為一個示例，算法遞歸地生成合成模型的一 維表示。首先，如果當前段是合成模型的根段，那么計算段的起始半徑。接下來，如果段是側(cè) 分支段，那么隨機二進制變量用于確定當前段是否應(yīng)該用于當前合成模型中。接下來，使用 選擇的分布函數(shù)來設(shè)置血管段的長度和錐形水平，并且基于這些值來計算段的底部半徑。 然后確定中心線和沿著中心線在每個位置處的半徑。然后，另一個隨機二進制變量用于確 定是否應(yīng)該為這個血管段生成狹窄。如果狹窄被放置在當前段上，那么根據(jù)可用參數(shù)來隨 機地設(shè)置狹窄的性質(zhì)。最后，如果當前段具有子段，為每個子段調(diào)用函數(shù)，以致遍歷整個圖 譜模型。用于這種生成合成幾何結(jié)構(gòu)的方法的采樣算法呈現(xiàn)為： 在下面
可以提供使用不同或附加的序列、參數(shù)或過程動作的其他程序。
[0087] 一旦生成合成幾何結(jié)構(gòu)，其可以被進一步修改，例如適應(yīng)狹窄性質(zhì)。圖10表示用于 創(chuàng)建合成分叉狹窄的示例方法，其中自動地或手動地決定狹窄的限制。模型用于使幾何結(jié) 構(gòu)變形。一旦分叉位置被識別為指派的狹窄，對狹窄參數(shù)進行指派，從而導(dǎo)致給定水平和/ 或類型的狹窄。
[0088]通過再次處理相同圖譜和/或通過處理好像圖譜的得到的示例來生成其他示例。 可以使用其他方法來創(chuàng)建其他合成示例，例如以三維模型開始。要改變的參數(shù)可以被隨機 地選擇并且然后被指派隨機值，而不是逐步地改變。
[0089] 使用合成建模而不要求來自用于訓(xùn)練數(shù)據(jù)的大量患者的示例提供了若干優(yōu)點?？?以自動地生成非常大量的案例，從而導(dǎo)致廣大的數(shù)據(jù)庫?？梢陨蓮?fù)雜的病理學(xué)配置，例如 串行狹窄、多分支狹窄、分叉狹窄、彌漫疾病、或其他，盡管在實際患者當中是罕見的。罕見 的病理學(xué)案例可以被更好采樣。因為合成的在計算機中幾何結(jié)構(gòu)的生成可以完全自動化， 與匯編患者示例相比減少了生成大數(shù)據(jù)庫的成本。示例可以容易地被擴展到不同的人群。 訓(xùn)練可以以全局方式或位點特定方式來完成，允許系統(tǒng)基于患者人口統(tǒng)計學(xué)和流行病學(xué)來 考慮解剖趨勢。在局部區(qū)域中找到充足示例可能是困難的。訓(xùn)練可以用更多數(shù)據(jù)或用更好 的特征表示進行反復(fù)改進。
[0090] 一旦合成幾何結(jié)構(gòu)已經(jīng)被生成，在動作12中提取用于訓(xùn)練機器學(xué)習(xí)算法的特征。 在動作20中相同的特征或特征的某一子集從患者的醫(yī)學(xué)圖像提取，并且用于使用訓(xùn)練的模 型預(yù)測血液動力學(xué)度量。取決于輸入數(shù)據(jù)的源和類型，提取的特征可以是二進制的、數(shù)值 的、屬于范疇的、順序的、二項式的、區(qū)間、基于文本的或其組合。
[0091] 提取包括指派特征或計算特征。例如，用于創(chuàng)建合成血管樹的隨機生成的幾何結(jié) 構(gòu)特征被用作通過指派提取的特征。作為另一個示例，從創(chuàng)建的血管樹計算兩個特征之間 的差。
[0092] 可以使用任何類型的特征?？梢允褂眯螒B(tài)特征。機器學(xué)習(xí)過程可以提供要使用的 特定特征和未使用的其他特征。為了訓(xùn)練，可以由程序員選擇要使用的特征。
[0093] 如上所述，一些示例特征包括用來或選擇以限定或創(chuàng)建血管結(jié)構(gòu)的參數(shù)。可以附 加地或替換地提取其他或不同的特征。
[0094] 血管結(jié)構(gòu)的幾何結(jié)構(gòu)特征被提取。表征狹窄的幾何結(jié)構(gòu)的幾何結(jié)構(gòu)特征可以被提 取。表征狹窄的幾何結(jié)構(gòu)的參數(shù)包括參考直徑(例如，近端或遠端）、最小內(nèi)腔直徑(MLD )、病 變長度(LL)、最小半徑長度(例如，在最小半徑區(qū)域中狹窄的長度一一容許界限可以用于在 具有最小半徑的位置周圍檢測這個區(qū)域）、入口角度、入口長度、出口角度、出口長度、狹窄 的百分比直徑(例如，基于近端和/或遠端參考半徑計算的）、或百分比面積狹窄（例如，基于 近端和/或遠端參考面積計算的）。圖11示出了狹窄特征的示例集合?？梢蕴崛「郊?、不同或 更少的特征。可以附加地使用應(yīng)用于近端、遠端和狹窄的最小半徑或任何其他狹窄特定的 通過代數(shù)、積分或微分操作獲得的各種組合。
[0095] 可以為帶有病變的分支的幾何結(jié)構(gòu)提取特征。表征分支幾何結(jié)構(gòu)的特征包括沿著 中心線采樣的血管半徑、沿著中心線采樣的面積、血管樹的終端半徑、血管樹中心線彎曲度 測量的終端面積、在冠狀動脈樹中狹窄的位置、病變近端變窄的血管的累積或聚集數(shù)量、病 變近端的鈣化的累積數(shù)量、和/或血管類型（例如，左前體面(LAD)、左回旋支(LCx)、右冠狀 動脈(RCA)、對角線(diagond)(D)、最佳模量(0M)、和/或其他）?？梢允褂酶郊?、不同或更少 的參數(shù)。
[0096] 可以使用一個或多個冠狀動脈彎曲度測量。給定離散曲線作為三維中的點的集 合，首先執(zhí)行樣條插值以確定連續(xù)曲線C=(x(t)，y(t)，z(t))，其中t取to和ti之間的值。接 下來，計算下面的測量：
曲率
^其中V (1:) = (17 (thy7 (thz7 (t))以及r〃（t) = (x〃（t)，y〃 總曲率 0
其中S是沿著曲線的弧長變量;以及 總平方曲率
基于這些測量，許多彎曲度測量可以被定義，其中的一些被給定為：
， 可以使用附加、不同或更少的測量。
[0097] 表征整個冠狀動脈樹的特征可以被提取。用于冠狀動脈樹的特征可以包括:左或 右的單側(cè)性優(yōu)勢、冠狀動脈地區(qū)的尺寸和相關(guān)聯(lián)的心肌質(zhì)量、每個冠狀動脈分支的終端半 徑、病變數(shù)量、具有病變的段、具有任何數(shù)量的子血管的分叉(例如，類型和成角）、已經(jīng)植入 的支架的數(shù)量和位置、和/或旁路移植的數(shù)量和位置?？梢允褂酶郊?、不同或更少的用于整 個冠狀動脈樹的特征。
[0098] 其他幾何結(jié)構(gòu)特征可以被提取。對于幾何結(jié)構(gòu)或其他特征，描述了限定血管結(jié)構(gòu) 的方面的命名約定的集合。為給定的冠狀動脈樹構(gòu)建中心線樹。在中心線樹中的無窮多個 點可以被分類為起始點（即，中心線樹的第一個點，對應(yīng)于口），零個、一個或多個分枝點 (BP，在其處中心線分叉成兩個或多個中心線段的點），結(jié)束點（即，針對其沒有進一步下游 中心線點存在的點），以及內(nèi)部點（即，位于起始/分枝點和分枝/結(jié)束點之間的點）。每個冠 狀動脈段被分類為根段（即，由起始和分枝點劃界的段），分支段（即，由兩個分枝點劃界的 段），或葉段（即，由分枝和結(jié)束點劃界的段）。每個冠狀動脈段(例如，根、分支或葉)被標記 為不健康段(即，具有異常內(nèi)腔變窄或擴張的段)或健康段（即，沒有異常內(nèi)腔變窄或擴張的 段）?？梢允褂闷渌s定、分類或標記。
[0099] 所提取的其他特征包括用于血管結(jié)構(gòu)的一個或多個異常性的參數(shù)。異常形態(tài)可以 由以下來表征:鈣化的特性、斑塊的特性(例如，纖維組織，脂質(zhì)組織，壞死組織，鈣化組織）、 血栓的特性、彌漫疾病的特性、全部或幾乎全部的閉塞的存在、心肌橋的存在（表面或深 處）、冠狀動脈的先天性異常(例如，從在大動脈之間的具有動脈內(nèi)進程的異常主動脈竇的 冠狀動脈的異常起源，從肺動脈干或其他的一個冠狀動脈的異常起源，或其他）、動脈瘤擴 張和疊加的動脈粥樣硬化、"高位開口"冠狀動脈(例如，口在竇管接合點之上的幾毫米(動 脈可以具有急劇下降的角度并且部分地穿過大動脈壁））、心肌橋:表面或深處、冠狀動脈 痿、冠狀動脈夾層、冠狀動脈血管炎(例如，類風(fēng)濕關(guān)節(jié)炎、系統(tǒng)性紅斑狼瘡(SLE)或白塞氏 病、川崎病、結(jié)節(jié)性多動脈炎、或持續(xù)性(后)炎性動脈瘤）、纖維肌性發(fā)育不良、冠狀動脈微 栓塞、和/或左或右的單側(cè)性優(yōu)勢。可以使用附加、不同或更少的異常性特征。
[0100] 表示血管結(jié)構(gòu)的操作的功能特征可以被提取。功能信息包括功能成像(例如，攝取 的測量），或其他操作信息（例如，造影劑測量）。對于訓(xùn)練數(shù)據(jù)，功能特征可以從模擬、合成 地創(chuàng)建圖像、建模、和/或血管操作的其他表示來確定。
[0101] 除了來自血管樹的醫(yī)學(xué)圖像或合成表示的解剖和形態(tài)特征以外，還可以提取功能 特征。例如，來自灌注掃描或其他醫(yī)學(xué)成像掃描(例如，單光子發(fā)射計算斷層照相(SPECT)、 正電子發(fā)射斷層照相(PET)、或灌注成像）的數(shù)據(jù)還可以用于提取特征，例如表征在靜止和/ 或在應(yīng)激期間每個冠狀動脈地區(qū)內(nèi)的相對和/或絕對的組織灌注的度量。作為另一個示例， 血管造影數(shù)據(jù)可以表征造影劑傳播。一些特征表征在給定位置的造影(contrast)的流動， 例如時間-對-峰值示蹤劑濃度，以及在分叉處跨越不同子血管的分裂。
[0102] 基于為血管樹限定的兩個感興趣區(qū)域(R0I)提取一些特性。圖12示出了用于血管 段的合成表示的兩個R0I。由于功能的直接測量(例如，灌注或通過時間）不可用于在計算機 中的合成數(shù)據(jù)，因此可以使用建模。對于體外合成數(shù)據(jù)，可以使用直接測量，例如醫(yī)學(xué)掃描 或光學(xué)測量?？商鎿Q地，生成一個或多個合成圖像來表示功能。圖13示出了在來自合成或?qū)?際患者血管造影術(shù)掃描的三個血管上的遠端和近端R0I。
[0103] 要提取的一個度量是通過時間或造影劑穿過兩個R0I之間的距離所需的時間。通 過時間可以使用手動、半自動或全自動的方法來估計。手動方法包括對造影劑穿過R0I之間 的距離所需的幀數(shù)進行計數(shù)。結(jié)合序列的幀速率，對通過時間進行估計。半自動方法包括在 每幀上的R0I的手動放置。由于冠狀動脈血管是連續(xù)移動的，因此R0I的實際位置從一幀到 另一幀改變。根據(jù)手動放置的R0I和數(shù)據(jù)來自動地估計通過時間。通過時間的自動估計是基 于時間密度曲線(TDC)?？缭窖芨信d趣區(qū)域的TDC是R0I內(nèi)的像素強度的表面積分： D(t)=//I(x,y,t)dxdy 其中I(x，y，t)表示在采集時間t的像素強度以及D(t)是時間密度曲線。
[0104] 若干噪聲源可能歪曲時間密度曲線的形狀，并因此將誤差引入通過時間的估計 中。噪聲源包括造影材料的再循環(huán)，產(chǎn)生較低峰值和較慢清除的造影材料的血管外積累、造 影丸劑的形狀(尤其對于手動注射）、當造影劑不完全與血液混合時可觀察到的非穩(wěn)定流 動、和/或背景結(jié)構(gòu)（骨骼）的渾濁化。在應(yīng)用用于通過時間估計的不同方法之前，計算的時 間密度曲線通過歸一化、濾波和曲線擬合進行后處理。作為示例，使用具有高斯加權(quán)移動平 均的濾波或Savitzky-Golay(維茲凱-戈雷)濾波。圖13示出了在Savitzky-Golay濾波之后 的血管造影圖像。可以使用其它濾波。圖14示出了用于近端R0I (左）和遠端R0I (右）的 Savitzky-Golay濾波?？商鎿Q地，可以執(zhí)行時間密度曲線的擬合，因此識別例如復(fù)雜指數(shù)函 數(shù)(高斯或伽馬變量函數(shù)-圖14)，或者多項式函數(shù)，其保留了關(guān)鍵的斜率特性(例如，峰值、 造影出現(xiàn)的延遲、和/或清除斜率）。
[0105] 在一個實施例中，通過時間通過選擇沿著相同血管的兩個R0I來確定。提取用于兩 個R0I的時間密度曲線。時間密度曲線例如利用Savitzky-Golay或其他濾波來平滑。曲線與 時間密度曲線相擬合?？梢允褂萌魏吻€擬合，例如在圖15中表示的伽馬變量函數(shù)的擬合。 通過時間基于兩個時間密度曲線（原始、平滑的和/或擬合的）進行估計?？梢允褂酶鞣N通過 時間，例如： 平均通過時間
曲線閾值化后的平均通過時間：
峰值渾濁化的時間（即，當時間密度曲線達到其峰值時丸劑被認為已經(jīng)到達R0I); 到半最大值的時間（即，一旦時間密度曲線達到其峰值密度的一半，丸劑被認為已經(jīng)到 達)； 第一出現(xiàn)時間（即，當密度達到其峰值的5%時丸劑被認為已經(jīng)到達)D(tfa) = 0.05 · Dmax ； 平均到達時間 其中tmat是平均到達時間，tre3f是參考 上升時間:trt = tmax_tf a，其中參考時間是tf a (第一出現(xiàn)時間）；平均濃縮時間（即，當密度第一次達到平均值時丸劑被認為已經(jīng)到達）；
時間，以及tmax是峰仁w.j， 峰值梯度時間（即，當時間密度曲線的梯度達到其最大值時丸劑被假定已經(jīng)到達）；和/ 或 交叉相關(guān)方法（即，在第一 ROI獲得的時間密度曲線按時移位使得該曲線疊加在第二 ROI獲得的曲線，其中使交叉相關(guān)函I
最大化的At值 被認為是丸劑在兩個ROI之間運輸?shù)臅r間?？梢蕴崛「郊?、不同或更少的通過時間特征。
[0106] -旦通過時間被確定，其他特征可以被估計。作為示例，其他特征包括:造影劑的 速度(例如，可以從通過時間和沿著血管中心線的兩個R0I之間的距離來計算）、和/或造影 劑的流速可以從通過時間和兩個R0I之間的血管體積來計算。可以使用附加、不同或更少的 特征。
[0107] 要提取的特征的又另一個示例是缺血性權(quán)重和/或缺血性貢獻。完全基于幾何結(jié) 構(gòu)的一些特征包括缺血性權(quán)重W和缺血性貢獻記分S。缺血性權(quán)重值與每個冠狀動脈段(根、 內(nèi)部或葉段)相關(guān)聯(lián)。針對冠狀動脈幾何結(jié)構(gòu)(包括一個或多個分支)的特定非零、有限長度 段計算缺血性貢獻記分。缺血性貢獻記分從一系列幾何結(jié)構(gòu)性質(zhì)以及從特定段的缺血性權(quán) 重來計算。
[0108] 對于缺血性權(quán)重，每個冠狀動脈段的缺血性權(quán)重值w對應(yīng)于所有下游段的缺血性 權(quán)重值的總和。為了計算權(quán)重，使用在圖16中示出的三步驟局部到全局到局部的方法。在動 作40中針對每個分支計算分開的缺血性權(quán)重。使用段的幾何結(jié)構(gòu)特征（例如參考半徑、長 度、錐形率和其他特征)來獨立地估計用于每個根/分支/葉段的局部缺血性權(quán)重值。作為示 例，缺血性權(quán)重可以使用下式來計算：
其中，rref是段的參考半徑，lu是比例常數(shù)，以及η是冪系數(shù)。因為，有規(guī)則地，沿著段的 中心線的半徑r(x)是連續(xù)變化的，所以數(shù)學(xué)運算符(f〇適用于計算參考值： rref = fl(r(X) ) 〇 計算整個分支或分支的部分的健康半徑的平均值、當除去整個分支或分支的部分的半 徑值的最大X%和最小y%時獲得的健康半徑的平均值、或者整個分支或分支的部分的健康 半徑的最大或最小值。
[0109] 由于局部權(quán)重是獨立計算的，所以不保證兩個子分支的缺血性權(quán)重的總和等于父 分支的缺血性權(quán)重的假設(shè)成立。因此，通過對不同代中不同分支的權(quán)重取平均來計算整個 樹的一個全局缺血性權(quán)重。例如，基于缺血性權(quán)重Wi來確定整個冠狀動脈樹(左或右冠狀動 脈樹)的全局缺血性權(quán)重值。在動作42中，計算血管的每個代的全局缺血性值。圖17示出了 冠狀動脈樹的示例，其中代的數(shù)g附如到每個分支。根分支具有〇的代的數(shù)，其然后在每個分 叉增加一。在估計全局缺血性權(quán)重之前，置信度值cji加到每個分支。置信度值表示在計算 的參考半徑或其他幾何結(jié)構(gòu)參數(shù)的正確性方面的置信度。非常短的分支(例如在圖17中具 有等于1的代的數(shù)的底部分支)或完全有病的分支(例如在圖17中具有等于2的代的數(shù)的彌 漫有病分支)接收低的置信度值，而沒有半徑不規(guī)則的長血管接收大的置信度值。在模型開 發(fā)期間，使用已知的優(yōu)化方法還可以應(yīng)用其他約束。
[0110] 在動作44中，使用數(shù)學(xué)運算符f2來計算g代的全局缺血性值： (Wglobal ) g - f2(Ci，Wi)， 其中下標i指的是g代的所有分支以及具有小于g的代的數(shù)所有終端分支。例如， (Wglobal)g從下式計算：
接下來，從對應(yīng)于單個代的各個全局權(quán)重(Wgl〇bal)g來計算最終的全局權(quán)重值。再次，置 信度值可以或可以不附加到每個代山，以及最終的全局權(quán)重值使用數(shù)學(xué)運算符f3來確定： Wglobal - f3 ( dj j ( Wglobal ) j ) j 其中下標j指的是代的數(shù)。例如，全局權(quán)重被計算為加權(quán)平均：
可以使用其他函數(shù)。
[0111] 在圖16的動作46和48中，全局缺血性權(quán)重以滿足原始假設(shè)的方式被分配到各個分 支。在第三步驟(局部)期間，開始于全局缺血性權(quán)重，為每個根/分支/葉段計算最終的局部 缺血性權(quán)重值。在動作46中，冠狀動脈葉段的局部權(quán)重：
被計算，其中k指的是冠狀動脈葉段。最后，在動作48中分支和根段的缺血性權(quán)重被計 算為日If右下游Π + 姑· rfn性權(quán)重值的總和：
其中k指的是位于從當前段1下游的所有葉段?？梢允褂闷渌瘮?shù)?？梢允褂萌毖詸?quán) 重的其他表不。
[0112] 缺血性貢獻記分可以被計算為血管樹的特征。缺血性貢獻是缺血性權(quán)重和幾何結(jié) 構(gòu)參數(shù)(例如，半徑）的函數(shù)。缺血性貢獻記分針對可以或可以不包括分枝的非零有限長度 冠狀動脈段進行計算。
[0113] 缺血性貢獻記分針對健康和不健康段進行不同計算。健康段具有低的缺血性貢獻 記分。對于健康冠狀動脈段，如圖18中的冠狀動脈段，缺血性貢獻記分s使用以下公式進行 計算：
其中L是段的整個長度，k21是比例常數(shù)，η是冪系數(shù)，r(x)是沿著中心線變化的半徑，w (X)是缺血性權(quán)重，如果存在分枝則其可以沿著中心線變化。圖18示出了在健康解剖模型中 具有多個分叉、相應(yīng)缺血性權(quán)重和縱向變化的截面半徑的血管段的表示。
[0114] 不健康段，如圖17中所示，具有更高的缺血性貢獻記分。更高的病變嚴重性導(dǎo)致更 高的缺血性記分。在這個示例中，該段由于狹窄而是不健康的，但是相同或相似的方法可以 用于其他類型的病理(例如，動脈瘤）。對于沿著單個根/分支/葉段伸展的狹窄，缺血性貢獻 記分使用以下公式進行計算：
其中f4Pf5是應(yīng)用于縱向變化的半徑的數(shù)學(xué)運算符，以及W1是該段的權(quán)重。在貢獻記分 中的兩個分量可以分開地用作訓(xùn)練替代品模型的特征，和/或每個分量可以被分成子分量， 其然后被用作特征?？梢允褂闷渌瘮?shù)。
[0115] 圖19示出了血管分支或段的一個實施例，血管分支或段包括健康部分和不健康部 分，部分有病的血管。為這些不同的部分分開地計算缺血性記分。在如圖20中表不的分叉狹 窄的情況下，狹窄沿著若干根/分支/葉段伸展。如圖20中表示的，為屬于父或子分支的狹窄 的每個根/分支/葉段計算分開的缺血性貢獻記分。可以使用其他方法，例如使用用于分叉 的組合記分。
[0116] 可以計算其他缺血性特征。例如，基于各個段的缺血性貢獻記分，可以在冠狀動脈 樹中的任何位置計算表示累積缺血性貢獻記分的特征。各種特征包括:從位于根段和當前 位置之間的所有段計算的累積缺血性貢獻記分、從位于根段和當前位置之間的健康段計算 的累積缺血性貢獻記分、從位于根段和當前位置之間的病理段計算的累積缺血性貢獻記 分、從位于當前位置和葉段之間的所有段(例如，從當前位置到葉段的路徑可以通過在每個 分枝處選擇沿著主子段的路徑來確定，如根據(jù)諸如參考半徑、下游總長度以及下游代的總 數(shù)的性質(zhì)的組合確定的）計算的累積缺血性貢獻記分、從位于當前位置和葉分支之間的健 康段計算的累積缺血性貢獻記分、和/或從位于當前位置和葉分支之間的病理段計算的累 積缺血性貢獻記分。可以計算附加、不同或更少的缺血性特征。
[0117] 可以為位于從當前位置上游和下游的所有病理段分開地計算上面支持的缺血性 貢獻記分和/或其他幾何結(jié)構(gòu)特征。然后，可以基于所選擇的標準(例如，缺血性貢獻記分或 一些其他特征)對特征進行排序，并且所述特征用作有序的特征列表。
[0118] 用于描述血管分支之間相互作用的特征可以被提取。例如，在血管樹中的上游位 置使用機器學(xué)習(xí)算法估計的血液動力學(xué)度量本身可以被用作用于在下游位置的血液動力 學(xué)度量的估計的特征，并且反之亦然。例如，如圖21中顯示的，在點A預(yù)測的血液動力學(xué)度量 可以被用作用來預(yù)測在點B的血液動力學(xué)度量的特征。
[0119] 可以定義其他特征，其考慮到跨越不同的、可能不相鄰的血管段的流動的相互作 用。例如，在圖22中，在點A和B的血液動力學(xué)受到在側(cè)分支上的狹窄的影響。狹窄的存在導(dǎo) 致在父分支中的減小的流量，并且因此導(dǎo)致在父分支中的更低的壓力。這轉(zhuǎn)而影響點B所屬 于的子分支中的絕對壓力。類似地，在主分支中狹窄的存在影響在點C的血液動力。狹窄導(dǎo) 致在父分支中更低的流量以及更低的壓降，并且因此導(dǎo)致在側(cè)分支中不同的絕對壓力水 平。
[0120]任何方法可以用于考慮血管間的相互作用。新特征可以捕獲該相互作用。替換地 或附加地，現(xiàn)有特征被修改以考慮反復(fù)。對于新特征，針對不同側(cè)分支或段的所述特征的組 合用于主分支上的位置。類似地，對于側(cè)分支上的位置，可以使用針對主分支計算的附加特 征。例如，在圖23中當生成位置A的特征向量時，具有最嚴重狹窄的上游側(cè)分支的總貢獻記 分以及具有最嚴重狹窄的下游分支的總貢獻記分可以被添加為特征。任何其他特征或特征 組合可以用于此目的。
[0121] 為了修改其他特征以考慮相互作用，在一個實施例中各個段的缺血性權(quán)重被修 改。這種修改可以轉(zhuǎn)而導(dǎo)致基于缺血性貢獻記分的所有特征的適應(yīng)。第一步驟是將分別確 定用于每個段的缺血性權(quán)重的局部減?。?A Wl = f6(wi,Sl(wi)), 其中們是當前段的缺血性權(quán)重，以及81是當前段的缺血性權(quán)重，以及f6是數(shù)學(xué)運算符。
[0122] 由于每段具有不同的△?1值，這些改變在全局級別使用以使缺血性權(quán)重適應(yīng)，從 而確保原始假設(shè)成立(即，兩個子分支的缺血性權(quán)重的總和等于父分支的缺血性權(quán)重）。
[0123] 缺血性權(quán)重以自頂向下或自底向上的方法進行全局適應(yīng)。對于自頂向下方法，權(quán) 重從樹的根被適應(yīng)。因此，父(根)分支的新缺血性權(quán)重被確定為： W7 l = f7(wi, Δ Wl) 其中V 1是父分支的新缺血性權(quán)重。接下來，從當前段下游的葉段的新缺血性權(quán)重被計 算為： K
位于當前分支1和葉分支k之間的分支的缺血性權(quán)重被計算為所有下游葉段的缺血性 權(quán)重的總和。然后，對當前分支的所有子分支進行重復(fù)計算，并且遞歸地重復(fù)該過程直到遍 歷整個樹以及達到葉分支為止。
[0124] 對于自底向上方法，葉分支的缺血性權(quán)重被適應(yīng)為： W k = f8(Wk，Awk)〇 接下來，使用下式使父分支的缺血性權(quán)重適應(yīng)： w7 i = fg(wi, Δ wi,w71, . . . ,w7 j), 其中1這里指的是父分支，而w、，. . .，￥、指的是中間子分支的新缺血性權(quán)重。遞歸地 重復(fù)這個過程直到達到根分支為止。
[0125] 可以從醫(yī)學(xué)圖像直接提取幾何結(jié)構(gòu)特征中的任何特征，以應(yīng)用到患者特定的掃描 數(shù)據(jù)。例如，從二維投影直接提取冠狀動脈樹上的半徑信息，而不必重新構(gòu)建三維血管。圖 24示出了示例X射線或血管造影照片投影圖像，從其提取在各種位置的半徑。醫(yī)學(xué)圖像可以 被處理，例如濾波、分段和/或掩蔽，或者不處理。
[0126] 醫(yī)學(xué)圖像是從合成數(shù)據(jù)生成的合成或人工圖像。例如，圖像是作為來自從模型創(chuàng) 建的合成血管幾何結(jié)構(gòu)的投影的渲染。為了訓(xùn)練，合成圖像用于提取訓(xùn)練所使用的特征。在 其他實施例中，圖像來自患者，例如通過執(zhí)行患者的醫(yī)學(xué)掃描。為了學(xué)習(xí)的分類器的應(yīng)用， 從圖像提取特征。
[0127] 特征提取在醫(yī)學(xué)成像掃描器或其他裝置(例如，成像工作站)上執(zhí)行。在具有或不 具有通過具有顯示器和用戶輸入(例如，鍵盤、鼠標、軌跡球、觸摸板和/或觸摸屏）的用戶輸 入的情況下，處理器執(zhí)行提取。
[0128] 來自圖像的特征提取的處理完全自動化、半自動化、手動或其組合。在手動方法 下，解剖或其他特征被輸入，由人類操作員或用戶進行注釋或測量。例如，用戶編譯用于給 定血液動力學(xué)度量(例如，F(xiàn)FR)計算所需特征的列表。該列表在顯示器上被呈現(xiàn)給用戶或者 用戶從另一源獲得該列表。例如，成像掃描器或工作站顯示對話，用戶可以編輯該對話以插 入特征。用戶可以變更列表上的特征，例如添加、移除或改變特征。然后，用戶將值指派給列 表的特征。圖像用于確定用于特征的值。用于特征的值的得到的列表被存儲為訓(xùn)練數(shù)據(jù)庫 28的部分或用于機器學(xué)習(xí)的分類器的應(yīng)用。
[0129] 在其他實施例中，用戶編譯多個特征列表，每個關(guān)于醫(yī)學(xué)圖像的不同部分。每個列 表可以與感興趣的解剖結(jié)構(gòu)的不同視圖和/或不同空間區(qū)域相關(guān)聯(lián)。用戶選擇圖像的一個 或多個部分。對于每個所選擇的部分，系統(tǒng)提供特征列表。用戶可以編輯列表以及將值指派 給特征。系統(tǒng)將該列表組合在全局特征列表中。得到的組合列表被存儲或用于應(yīng)用。在其他 實施例中，這些列表被分開保持。
[0130] 為了幫助用戶，系統(tǒng)自動地提出感興趣的解剖結(jié)構(gòu)的一個或多個視圖、醫(yī)學(xué)圖像 的切割部分(例如，段或掩模）、和/或提供測量工具，所述測量工具允許測量感興趣的解剖 結(jié)構(gòu)的幾何結(jié)構(gòu)特征。圖25示出了用于測量距離的示例注釋工具，例如血管長度（左邊圖 像)或血管直徑(右邊圖像）。標尺允許計算圖像上所選擇的點之間的歐幾里得距離。圖26示 出了用于跟蹤血管的中心線或其他結(jié)構(gòu)的示例注釋工具。例如，用戶點擊醫(yī)學(xué)圖像上的多 個點，并且系統(tǒng)繪制連接它們的線。系統(tǒng)沿著中心線的曲線橫坐標計算血管的長度。
[0131] 可以提供其他注釋工具，例如提供模板列表的系統(tǒng)，在其當中用戶選擇最能表示 感興趣的一個或多個解剖對象(例如，錐形血管、分叉、三根分叉部、和/或具有不同形狀的 狹窄）的模板。圖27示出了用于感興趣的解剖體的合成表示的示例工具，其用于創(chuàng)建幾何結(jié) 構(gòu)以及提取特征。用戶選擇幾何結(jié)構(gòu)模板并且連接模板以表示整個解剖體。每個幾何結(jié)構(gòu) 模板基于(幾何形狀、血液動力學(xué)、解剖和/或分類的）任何特征被標記和顏色編碼。幾何結(jié) 構(gòu)模板可以由用戶進行編輯（例如，改變血管半徑、血管長度、血管曲率、色碼、或其他特 性）?；谒x擇的幾何結(jié)構(gòu)模板，自動地填充特征列表。系統(tǒng)可以為醫(yī)學(xué)圖像的每個部分 和/或感興趣對象的每個視圖提供相同或不同的幾何結(jié)構(gòu)模板列表。
[0132] 在半自動方法下，特征中的一些可以由算法自動提取，而一些其他特征可以由用 戶注釋或編輯、輸入、和/或校正。系統(tǒng)提供動脈樹或子樹的幾何結(jié)構(gòu)特征的全部或部分識 另IJ。所檢測到的特征可以在可用于進一步用戶相互作用或注釋的醫(yī)學(xué)圖像的頂部示出。在 一個實施例中，解剖由處理器自動檢測。用戶可以編輯和/或校正檢測結(jié)果。處理器自動計 算中心線和截面輪廓。用戶可以編輯和/或校正檢測結(jié)果。特征列表被顯示給用戶。與處理 器相互作用的用戶針對要計算的處理器確定的值而輸入值或指示測量的位置。在由用戶進 行的任何編輯和/或校正之后，具有相應(yīng)值的一個或多個特征列表被存儲或在應(yīng)用中使用。
[0133] 可以使用具有半自動特征值確定的其他實施例。提供了一個或多個各種選項或差 異。系統(tǒng)共同地執(zhí)行中心線和截面輪廓的自動檢測(例如，心肌、冠狀動脈口、和/或主分支） 和計算。用戶通過交互地改變其在醫(yī)學(xué)圖像上的位置和/或形狀來編輯中心線和截面血管 輪廓。除了由系統(tǒng)自動生成的那些之外，用戶創(chuàng)建新的中心線分支和附加輪廓。系統(tǒng)使用自 動檢測到的特征和由用戶手動添加的特征兩者來填充幾何結(jié)構(gòu)特征列表。系統(tǒng)保持跟蹤當 前添加到列表的特征，并且如果有的話提示用戶添加缺少的特征。系統(tǒng)基于特征對最終計 算值的影響而具有特征的預(yù)定義分級，并且特征列表基于這個分級被示出顏色編碼。這其 中的一個可能應(yīng)用是在特征識別期間的用戶引導(dǎo)，使得用戶可以確保大多數(shù)相關(guān)特征被仔 細地捕獲。系統(tǒng)隨著特征正被添加到列表而連續(xù)地計算感興趣的血液動力學(xué)度量，并且交 互地示出了得到的值或?qū)Ξ斍罢惶砑拥奶卣鞯亩攘棵舾卸取?br>[0134] 在一個實施例中，系統(tǒng)基于例如數(shù)據(jù)庫、群體平均、文獻搜索、來自相同患者的先 前數(shù)據(jù)、或其他源顯示針對每個特征的建議的范圍。系統(tǒng)比較當前的特征列表與來自任何 源的參考值，并且在計算值在預(yù)期或建議的變量范圍之外的情況下提示用戶校正和/或確 認特征。系統(tǒng)自動地提出表示感興趣的解剖對象的幾何結(jié)構(gòu)模板的選擇。系統(tǒng)基于例如數(shù) 據(jù)庫、群體平均、文獻搜索、來自相同患者的先前數(shù)據(jù)、或其他源為幾何結(jié)構(gòu)模塊的參數(shù)顯 示建議的范圍。系統(tǒng)自動填充特征列表，并且提示用戶編輯、添加和/或校正列表。當用戶添 加或編輯特征時，所有或部分的其他特征被相應(yīng)地更新?？梢蕴峁└郊?、不同或更少的用于 半自動提取特征的值的變量。
[0135] 此外，當提供用于特征提取的手動輸入時，特征值可以用于向用戶指示要在幾何 結(jié)構(gòu)的哪個部分上聚焦。例如，如果特定分支的缺血性貢獻記分是高的，那么在提供輸入信 息時（例如，當執(zhí)行分段時）用戶應(yīng)該聚焦在該特定的分支上。圖29示出了具有高缺血性貢 獻的分支的示例，在準備特征提取所需的數(shù)據(jù)的同時，用戶應(yīng)該聚焦具有高缺血性貢獻的 分支。
[0136] 在全自動方法下，根本的圖像處理算法首先檢測感興趣的解剖區(qū)域。例如，算法自 動地檢測狹窄、冠狀動脈血管、冠狀動脈口、心腔、心肌、骨小梁和乳頭肌、和/或主動脈。接 下來，算法在檢測的區(qū)域中從醫(yī)學(xué)圖像提取解剖特征。系統(tǒng)提供全自動檢測以及針對感興 趣的血液動力學(xué)指標的計算的特征的量化。自動方法的結(jié)果是具有填充值的完整特征列 表。因此所識別的幾何結(jié)構(gòu)或其他特征的收集可以或可以不足以重新構(gòu)建精確的三維幾何 結(jié)構(gòu)模型。
[0137] 再次參考圖2,在動作16中確定感興趣的一個或多個血液動力學(xué)度量的值。為合成 數(shù)據(jù)中的血管布置的示例中的每一個確定和存儲流量特性的值。流量的值是用于訓(xùn)練分類 器的基礎(chǔ)事實。該值與每個示例的特征一起存儲在數(shù)據(jù)庫28中。
[0138] 機器學(xué)習(xí)將輸入特征映射到一個或多個血液動力學(xué)度量的一個或多個值?？梢允?用任何血液動力學(xué)度量。度量用于血管結(jié)構(gòu)的部分或用于感興趣的整個血管結(jié)構(gòu)。各種示 例度量包括壓力（例如，平均、瞬時、隨時間變化、無波區(qū)間、在心動周期的特定子區(qū)間之上 平均、或其它）、流速(例如，平均、瞬時、隨時間變化、無波區(qū)間、在心動周期的特定子區(qū)間之 上平均、或其它）、壁剪切應(yīng)力(例如，平均、瞬時、或其他），振蕩剪切指數(shù)、血管壁的應(yīng)變、血 管壁應(yīng)力、或由任何數(shù)學(xué)運算符(例如，加、減、乘、除、積分、導(dǎo)數(shù)、或其它）限定的上面的任 何組合。特別地針對冠狀動脈計算的示例血液動力學(xué)度量包括分數(shù)血流儲備(FFR)、瞬時無 波比（iFR)、平均遠端壓力與平均近端壓力的比率(基本Pd/Pa)、基本狹窄流阻(BSR)、充血 狹窄流阻(HSR)、鈣化記分、斑塊破裂的風(fēng)險(例如，分開地針對每個類型的組織:纖維組織、 脂質(zhì)組織、壞死組織、和鈣化組織），內(nèi)皮功能紊亂、或其任何組合。
[0139] 為合成示例中的每一個提取一個或多個血液動力學(xué)度量值，所述合成示例用在訓(xùn) 練數(shù)據(jù)中以及用于提取特征。針對例如每個設(shè)置確定幾何結(jié)構(gòu)和其他特征，并且連同血液 動力學(xué)度量值一起，特征和值用于填充訓(xùn)練數(shù)據(jù)庫?；诤铣赡Ｐ偷谋硎?例如，在體外或 在計算機中），不同的方法可以用于提取訓(xùn)練階段期間所需的血液動力學(xué)度量。流量模擬 和/或?qū)嶒炗糜谠隗w外模型。例如基于計算流體動力學(xué)的流量計算用于在計算機中模型。
[0140] 對于在體外模型，血液動力學(xué)度量基于模擬期間的測量來確定。用于計算血液動 力學(xué)度量的值的壓力、流量、速度、或其他血液動力學(xué)信息被測量。圖28示出了示例在體外 模型23。模型23包括管或模擬血管的其他材料。管的形狀或通過使管成形，可以建立血管的 各種幾何結(jié)構(gòu)。圖28的簡化模型23包括:在體外血管樹，用管進行建模;栗，通過在體外模型 23在具有類似于人類血液的性質(zhì)的情況下使流體循環(huán);水力流阻（即，流量限制器），耦合到 終端在體外段以生成在體外模型內(nèi)的逼真的壓力水平;貯液器，用于收集流體;一個或若干 封堵器，用于生成在體外模型中的縮窄；以及一個或多個測量裝置(例如，壓力換能器、流量 計、用于測量速度的多普勒探針、和/或其他傳感器），用于確定血液動力學(xué)度量。可以提供 附加、不同或更少的裝置，例如用于改變分支位置和/或段數(shù)量的接頭或夾具。
[0141] 在體外模型23和流動條件可以以多種方式進行修改以生成大量的設(shè)置。例如，改 變封堵器的數(shù)量、位置和形狀。作為另一個示例，改變在一個或多個位置的流阻。在又另一 個實施例中，改變栗的操作?？梢愿淖儌?cè)分支和任何閉塞的數(shù)量。不同改變的組合的其他改 變用于創(chuàng)建不同的模型，其具有相應(yīng)特征和所得到的流量特性。這些改變用于填充具有合 成示例的數(shù)據(jù)庫，所述合成示例包括許多模型23中的每一個的一個或多個血液動力學(xué)度量 值和提取的特征。
[0142] 對于在計算機中模型，不存在用來測量流量的實驗桌面設(shè)置。相反，使用計算流體 動力學(xué)(cro)或其他流動建模?？梢允褂糜糜谠谌祟愋难芟到y(tǒng)中對血液的流動建模的任 何計算方法。已經(jīng)提出了具有不同復(fù)雜性和規(guī)模的模型，范圍從集總(或零維模型）、一維模 型、二維模型到具有剛性或順從壁的三維模型(例如，流體結(jié)構(gòu)相互作用模型）。這些模型的 非線性偏微分方程式用有限差分法、有限元法、有限體積法、譜元法、邊界元法、晶格玻爾茲 曼(1^1：1：；[06-801丨21]^1111)方法、其他方法、或其組合來求解。為了指定在合成幾何結(jié)構(gòu)中執(zhí) 行血液量計算所需的邊界條件，可以使用個性化邊界條件(例如，使用基于血管形態(tài)的異速 生長比例法則）或通用邊界條件。可以使用穩(wěn)定狀態(tài)和/或瞬時流量計算。當基于異速生長 比例法則使計算個性化時，個性化可以指的是任何流動狀態(tài)，例如靜止、充血或鍛煉。
[0143] 與在體外設(shè)置相比，對于在計算機中建模的單個合成情況，這個情況的每個位置 可以用于生成在訓(xùn)練數(shù)據(jù)中的特征向量。此外，對于每個合成情況，可以強加不同的流動條 件，并且可以針對每個流動條件提取分開的特征向量。
[0144] 再次參考圖2,在動作14中機器學(xué)習(xí)訓(xùn)練分類器。在機器學(xué)習(xí)中使用用于許多血管 布置的輸入特征向量和相應(yīng)的流量特性的值。合成地生成數(shù)十、數(shù)百或數(shù)千個示例。相應(yīng)特 征值和血液動力學(xué)度量值用于將特征值映射到度量值。一旦合成血管樹的特征和血液動力 學(xué)度量已經(jīng)被提取，下一步驟是將訓(xùn)練用于預(yù)測血液動力學(xué)度量的機器學(xué)習(xí)算法。
[0145] 可以使用任何類型的機器學(xué)習(xí)算法。機器學(xué)習(xí)算法是監(jiān)督、半監(jiān)督或無人監(jiān)督的。 使用監(jiān)督的學(xué)習(xí)的一些示例包括回歸、基于實例的方法、正則化方法、決策樹學(xué)習(xí)、貝葉斯 定理、核方法、聚類方法、關(guān)聯(lián)規(guī)則學(xué)習(xí)、人工神經(jīng)網(wǎng)絡(luò)、降維、和集合方法?？梢允褂酶怕噬?壓樹、分層、或其它過程。
[0146] 機器學(xué)習(xí)可以使用所有輸入特征。可替換地，機器學(xué)習(xí)確定鑒別性特征并且選擇 設(shè)置以用于分類的特征。提取的特征的子集可以用于按照如根據(jù)特征選擇和分級、特征組 合或其他過程所確定的來學(xué)習(xí)。
[0147] 可以創(chuàng)建一個以上的分類器。由于在血管樹中存在不同類型的分支和區(qū)域，不同 的分類器可以被機器訓(xùn)練以用于不同的分支和/或區(qū)域。例如，不同的分類器被訓(xùn)練以用于 主和側(cè)分支、分叉區(qū)域和單分支區(qū)域、不同類型的病理區(qū)域(例如，不同類型的單分支狹窄 區(qū)域(例如，病灶性、長、彌漫、再狹窄、或其他）、不同類型的分叉狹窄（例如，用于在麥地那 (medina)分類中每個分叉狹窄類型的分開的模型）、不同類型的動脈瘤、不同類型的斑塊、 不同類型的全部和/或幾乎全部閉塞、狹窄和回流閥、各種心臟的病理(例如，過去梗死或肌 ?。⒒虿煌愋偷姆种?例如，在冠狀動脈樹的情況下:111、1^、^^、1^、對角線、01、或其 他）。由于訓(xùn)練是基于合成幾何結(jié)構(gòu)的，可以為這些不同分類器中的每一個生成足夠大數(shù)量 的訓(xùn)練實例。另一個可能性是將使幾何結(jié)構(gòu)分成分開的段(例如，對于冠狀動脈幾何結(jié)構(gòu)： 近端LAD、中間LAD、以及遠端LAD)，并且在分開地針對每段的前述部分中提取所討論的特 征。此后，這些特征可以被合并成累積特征或分開地針對單個或多個機器學(xué)習(xí)算法使用，所 述機器學(xué)習(xí)算法用于預(yù)測感興趣的血液動力學(xué)度量。
[0148] 一旦訓(xùn)練完畢，機器學(xué)習(xí)的分類器被實例化為一個或多個矩陣。矩陣將輸入特征 的值映射到血液動力學(xué)度量的值。在22中這種映射用于預(yù)測血液動力學(xué)度量。在這個預(yù)測 階段，在動作20中從患者特定的數(shù)據(jù)提取特征。這些患者特定的特征被輸入到機器學(xué)習(xí)的 分類器，所述機器學(xué)習(xí)的分類器輸出一個或多個用于血液動力學(xué)度量的值。例如，基于從患 者的掃描的醫(yī)學(xué)圖像提取的特征，訓(xùn)練的模型被應(yīng)用來計算該患者的FFR。
[0149] 機器學(xué)習(xí)的分類器可以用于反饋方法中。在執(zhí)行預(yù)備步驟以提取附加特征和/或 血管其他部分的特征時，中間結(jié)果可能已經(jīng)使用機器學(xué)習(xí)算法進行計算并且顯示給用戶。 這可能潛在地給出用于獲得最終結(jié)果的有用反饋。圖30A和30B示出了示例。圖30A示出了部 分處理的幾何結(jié)構(gòu)的示例，針對該幾何結(jié)構(gòu)可以預(yù)測和顯示血液動力學(xué)度量。圖30B示出了 在這種情況下使用的工作流程，其包括回路以便在動作52中在正處理輸入數(shù)據(jù)的同時連續(xù) 地生成新的預(yù)測。這種方法由于從特征的集合來預(yù)測血液動力學(xué)度量幾乎是瞬時的事實而 是可行的。
[0150] 與其說訓(xùn)練一個分類器，不如說分類器可以被學(xué)習(xí)為不同模型的網(wǎng)絡(luò)，其中每個 模型對特征空間的某子集或全部進行工作。來自每個模型的輸出可以被用作其他模型的輸 入，進而創(chuàng)建新的特征。作為一個示例，上游節(jié)點的輸出可以被用作用來預(yù)測在下游位置所 需數(shù)量的特征，并且這個程序可以反復(fù)地應(yīng)用以重新構(gòu)建整個動脈樹上的量。來自一個模 型的輸出可以被用作相同模型的輸入以產(chǎn)生遞歸模型估計。分類器可以被訓(xùn)練以從分類， 離散和/或連續(xù)的特征學(xué)習(xí)。預(yù)測分類器可以是多個相互作用的機器學(xué)習(xí)的分類器的組合， 其中的每一個使用相同或不同的特征子集。
[0151] 一旦訓(xùn)練完畢，一個或多個機器學(xué)習(xí)的分類器用于預(yù)測。為了預(yù)測針對特定患者 的流量，獲取表示患者的醫(yī)學(xué)掃描數(shù)據(jù)。掃描數(shù)據(jù)通過醫(yī)學(xué)掃描器來獲取并且表示患者的 血管結(jié)構(gòu)。例如，醫(yī)學(xué)掃描數(shù)據(jù)是血管造影照片數(shù)據(jù)?？梢垣@取計算機斷層照相、磁共振、超 聲、PET、SPECT、X射線、其組合或其他類型的醫(yī)學(xué)掃描數(shù)據(jù)。在替換實施例中，掃描數(shù)據(jù)通過 從存儲器的上傳或從傳輸?shù)慕邮諄慝@取。掃描數(shù)據(jù)特定于給定患者，所以是來自患者的掃 描而不是來自合成數(shù)據(jù)。
[0152]醫(yī)學(xué)掃描數(shù)據(jù)表示患者的三維區(qū)域。提供了表示在三維空間之上分布的不同體素 處的強度的掃描數(shù)據(jù)的集合。在其他實施例中，醫(yī)學(xué)掃描數(shù)據(jù)是血管結(jié)構(gòu)的零維、一維或二 維表示。二維或三維掃描數(shù)據(jù)被處理以創(chuàng)建特定患者的血管結(jié)構(gòu)的零維、一維或二維表示。
[0153] 為了預(yù)測，從醫(yī)學(xué)掃描數(shù)據(jù)提取特征。特征也可以從患者的其他數(shù)據(jù)提取。類似 地，可以為不可用于給定患者的特征提供替代特征，例如使用平均值。
[0154] 上述方法用于從特定患者的醫(yī)學(xué)掃描數(shù)據(jù)和其他數(shù)據(jù)提取值。在預(yù)測期間來自患 者數(shù)據(jù)的特征的整個集合被提取，并且然后機器學(xué)習(xí)算法用于預(yù)測血液動力學(xué)度量。用于 提取特征的數(shù)據(jù)的準備使用手動、半自動或自動方法。對于患者數(shù)據(jù)集，其中一些血液動力 學(xué)參數(shù)將被計算，相關(guān)特征從患者圖像提取，并且然后作為輸入應(yīng)用于學(xué)習(xí)的機器學(xué)習(xí)模 型。
[0155] 由用戶選擇的特征來自相同的視圖或者來自不同的解剖視圖。特征還可以選自多 個成像模態(tài)。作為示例，如果患者具有手術(shù)前的CT掃描，則一些特征在CT掃描上選擇，而一 些在外科手術(shù)進行時的血管造影捕獲上選擇。這些附加圖像可以來自任何模態(tài)，包括但不 限于:MRI、CT、X射線血管造影術(shù)、靜脈超聲（IVUS)和光學(xué)相干斷層照相(0CT)。特征可以包 括關(guān)于患者過去歷史的信息。例如，特征中的一些與來自過去經(jīng)皮冠狀動脈介入治療(PCI) 程序的已經(jīng)在患者內(nèi)的支架有關(guān)。如果患者遭受嚴重擴大的心臟則具有來自過去梗塞形成 的心臟疤痕、或者其他條件，這個信息可以被用作特征。預(yù)測分類器適于考慮這個特征并且 增加準確度。特征從醫(yī)學(xué)圖像或從醫(yī)學(xué)掃描數(shù)據(jù)的處理后的表示直接提取。處理后的版本 可以是不同解剖特征存在的網(wǎng)格、掩模或概率描述符。
[0156] 在圖2的動作22中，提取的特征值被輸入到機器訓(xùn)練的分類器。處理器輸入這些值 作為分類器的應(yīng)用的部分。機器訓(xùn)練的分類器僅根據(jù)合成數(shù)據(jù)或根據(jù)來自患者的收集的數(shù) 據(jù)和合成數(shù)據(jù)的組合進行訓(xùn)練。對于合成數(shù)據(jù)，機器訓(xùn)練的分類器根據(jù)用計算機建模、物理 建模、或者計算機和物理建模兩者生成的血管布置的示例進行訓(xùn)練，所述計算機和物理建 模使用在體外和在計算機中模型以及相應(yīng)基礎(chǔ)事實血液動力學(xué)測量或計算。在動作20中用 于應(yīng)用的從患者醫(yī)學(xué)掃描數(shù)據(jù)提取的特征被輸入到分類器。
[0157] 作為輸入的結(jié)果，處理器輸出一個或多個用于血液動力學(xué)度量的值。處理器應(yīng)用 機器訓(xùn)練的分類器來確定流量。流量被輸出為值、圖、注釋、顯示或圖像。
[0158]預(yù)測的量是任何血液動力學(xué)量，包括但不限于從其導(dǎo)出的壓力、速度和數(shù)量。例 如，替代品模型預(yù)測是??1^?1^?1^31?、!^、基本?(1/^、壓力梯度或另一個量。流速、剪切 應(yīng)力、這些量的時間積分、斑塊破裂的可能性、斑塊的性質(zhì)分類、或其他度量可以被預(yù)測。一 個以上的度量可以被預(yù)測。
[0159]預(yù)測是連續(xù)變量，例如壓力或相關(guān)變量、或分類變量，例如存在或不存在疾病的離 散預(yù)測或者疾病嚴重性的離散分等級。預(yù)測的指標可以是周期平均量或瞬時量，從而示出 心臟收縮和心臟舒張變化。此外，模型預(yù)測可以用于推斷出器官灌注以及預(yù)測器官可能是 脆弱的部分。模型預(yù)測還可以結(jié)合其他成像數(shù)據(jù)(例如，灌注和應(yīng)力回波(stress echo))使 用，以改進圖像以及識別另外的特征。
[0160]在一個實施例中，一個或多個預(yù)測值是以血管結(jié)構(gòu)圖像在顯示器上的輸出，所述 血管結(jié)構(gòu)根據(jù)醫(yī)學(xué)掃描數(shù)據(jù)生成。計算的血液動力學(xué)指標可以交互地顯示以允許在特征集 中的改變。如果用戶選擇改變?nèi)魏翁卣髦?，那么得到的值被反映在所有點處計算的指標值 中。模型預(yù)測還可以被示出為最嚴重病理的分級，其中對于患者，介入可能有最有利的影 響。對于冠狀動脈，模型可以按照嚴重程性的降序?qū)Σ∽冞M行排序。一旦病變中的一個是支 架植入，模型可以立即更新血液動力學(xué)指標，例如FFR，并且根據(jù)新的預(yù)測重新對剩余的病 變進彳丁排序。
[0161] 來自模型的預(yù)測可以用于引導(dǎo)介入裝置(例如，導(dǎo)管、壓力線以及對于支架部署） 的放置。預(yù)測可以用于查明支架已經(jīng)以向患者提供最佳益處的方式放置。由來自特征的有 效預(yù)測提供的互動性質(zhì)使得支架一被放置就立即更新預(yù)測以確認部署是否是成功的成為 可能。
[0162] 在一個示例輸出中，計算的FFR結(jié)果被可視化在醫(yī)學(xué)掃描器的顯示器上或另一裝 置上，例如成像工作站。顯示醫(yī)學(xué)圖像，例如血管造影照片。圖像上的任何點可以針對相關(guān) 聯(lián)的度量被查詢(例如，點和點擊），以及相應(yīng)度量值被示出為疊加到圖像。圖31示出了其中 用戶選擇血管結(jié)構(gòu)的根部上點的示例。作為示例，選擇冠狀動脈樹中感興趣的點，以及如在 圖31中展示的圖像中示出相應(yīng)FFR值。用戶可以激活"不點擊"模式，在這種情況下，通過僅 將光標定位在感興趣的位置上在光標的對應(yīng)中顯示感興趣的值。
[0163] 通過顯示度量值，可以提供與用戶的其他相互作用。例如，系統(tǒng)提供觸摸屏，使得 能夠?qū)崿F(xiàn)與感興趣的解剖對象的相互作用，例如用于旋轉(zhuǎn)、縮放和平移(pan)的姿勢。點和 觸摸使系統(tǒng)在觸摸點處顯示感興趣的值。作為另一個示例，系統(tǒng)提供眼睛跟蹤裝置，使得感 興趣的值顯示在正由用戶觀察的位置處。
[0164] 取代顯示二維圖像或根據(jù)三維醫(yī)學(xué)掃描數(shù)據(jù)渲染，動脈樹作為抽象圖或樹在顯示 器上表示。該圖可以基于感興趣的特征進行顏色編碼。為了點對點對應(yīng)，系統(tǒng)可以自動地同 步示意圖的遍歷與圖像的遍歷。
[0165] 可以使用用于血管樹的子部分或少于所有血管樹的血液動力學(xué)度量值的其他輸 出。圖32示出了一個實施例，其中感興趣的解剖體的合成表示基于感興趣的血液動力學(xué)指 標進行顏色編碼。系統(tǒng)同步圖像的遍歷與圖表的遍歷。通過選擇提取的編碼的表示或通過 選擇圖像的編碼部分，相應(yīng)的一個或多個度量值被輸出。
[0166] 圖33示出了另一個示例輸出?；谔崛〉奶卣骰驇缀谓Y(jié)構(gòu)，動脈樹被表示為三維 結(jié)構(gòu)，其可以被可視化并且在內(nèi)部飛行模式下交互地導(dǎo)航。類似的合成三維結(jié)構(gòu)還可以基 于感興趣的特征進行顏色編碼。血管表面可以基于感興趣的任何量進行顏色編碼。
[0167] 圖34示出了又另一個示例輸出。每個血管被映射到平面并且表示"展開"。在這個 視圖中，冠狀動脈樹看起來像二維樹。每個血管可以由感興趣的特征或度量值進行顏色編 碼。在這種表示中，血管上的附加信息也是可視化的（例如，內(nèi)皮功能、壁剪切應(yīng)力、或斑塊 負荷）。
[0168] 在另一個實施例中，冠狀動脈樹被映射到圖譜或解剖結(jié)構(gòu)的圖示表示。圖像基于 感興趣的特征或度量的值進行顏色編碼或以其他方式編碼。系統(tǒng)提供圖譜和圖像的導(dǎo)航的 自動同步。
[0169] 圖35示出了輸出的另一個實施例。通過示出沿著中心線(或更一般地在圖像內(nèi)）移 動的(或固定的）一個或多個微粒(點符)來表示感興趣的任何特征或度量。這些點基于感興 趣的特征或度量值進行顏色編碼或以其他方式編碼。相同的微粒(點符)可以與在微粒的位 置估計的感興趣的特征或度量的統(tǒng)計數(shù)相關(guān)聯(lián)。通過選擇微粒，示出統(tǒng)計數(shù)或值。
[0170] 圖36示出了輸出的另一個實施例。示出了在脈管樹中的路徑(表示為線），并且基 于感興趣的特征或度量的值進行顏色編碼。相同或不同的路徑可以針對不同的特征來確 定。
[0171] 圖37示出了另一個輸出。血管被表示為具有不同截面標記的三維渲染。截面標記 基于特征或度量的值進行顏色編碼或以其他方式編碼。
[0172] 在其他實施例中，流跡線或流線被添加并且基于感興趣的值進行顏色編碼。冠狀 動脈樹的圖像可以基于在預(yù)處理階段期間提取的任何特征、基于任何計算的特征、或基于 預(yù)測的度量值進行顏色編碼。作為示例，計算的FFR值用于給冠狀動脈樹著色。
[0173] 圖38示出了圖2的整個過程的另一個實施例。動作60，62，64和66被添加以處理不 確定性。在動作60中，不確定性被分配給一個或多個特征。不確定性是用于特征的可能值的 分布。例如，半徑可能被測量為0.25cm，但是測量的準確度或公差規(guī)定半徑在0.20cm和 0.30cm之間，其對于更接近于0.25cm的值具有更大的概率?？梢允褂每赡芑蚋怕实闹档娜?何分布，例如正態(tài)分布、來自學(xué)習(xí)的分布、或來自其他源的分布。
[0174] -個或多個不確定輸入變量的集合的分布在形成合成數(shù)據(jù)中被使用。在一個示例 中，在訓(xùn)練階段期間通過推測地擾動合成幾何結(jié)構(gòu)來獲得置信度區(qū)間以獲得預(yù)測的范圍。 創(chuàng)建用于可能值中的每一個的合成示例。結(jié)果，機器學(xué)習(xí)的分類器可以輸出作為結(jié)果的范 圍或者給定特征值的不確定性時度量值的分布。不確定性通過正向模型傳播，并且確定用 于血液動力學(xué)度量的不確定性。可替換地，度量值的不確定性通過機器學(xué)習(xí)算法基于提取 的特征以及反映被用作輸入的特征值的不確定性的分布進行學(xué)習(xí)。
[0175] 為了預(yù)測，為患者特定的幾何結(jié)構(gòu)提取相同特征以及自動或由用戶指定輸入數(shù)據(jù) 中的不確定性。用戶可以輸入或選擇分布。使用機器學(xué)習(xí)算法，提供了估計血液動力學(xué)度量 的置信度。為一個度量值提供置信度或概率?？商鎿Q地，來自學(xué)習(xí)模型的預(yù)測還可以是范圍 或置信度區(qū)間，在其內(nèi)預(yù)測量是預(yù)期的。為患者預(yù)測的置信度區(qū)間可以從模型直接預(yù)測或 者從來自合成模型的保存數(shù)據(jù)庫的類似解剖體的集合估計。
[0176] 表示給定不確定性的度量值的分布的曲線圖被輸出。作為由給定特征的輸入值分 布產(chǎn)生的不同度量值分布的置信度區(qū)間的任何表述可以被使用。輸出血液動力學(xué)度量包括 由在輸入特征中的一個或多個的值中不確定性產(chǎn)生的不同度量值的置信度和置信度區(qū)間。
[0177] 在另一個實施例中，提供了自動適應(yīng)。在線機器學(xué)習(xí)被使用，其中關(guān)于一個或多個 預(yù)測準確度的反饋用于添加非合成示例到數(shù)據(jù)庫28,使得機器學(xué)習(xí)的重復(fù)可以導(dǎo)致更精確 的分類器。系統(tǒng)能夠包括已知測量的影響。如果針對給定患者的血液動力學(xué)參數(shù)的測量被 在任何位置提供，那么系統(tǒng)使用這個信息來改進任何隨后的預(yù)測的準確度。此外，在提供數(shù) 據(jù)的位置的原始預(yù)測中的誤差可以用于改進模式的未來行為表現(xiàn)。在替換實施例中，使用 沒有反饋或更新的機器訓(xùn)練的分類器。
[0178] 對于特征提取，用來改進自動識別的特征所采取的用戶的校正行動可以用于改進 未來的特征檢測。系統(tǒng)從用戶輸入學(xué)習(xí)。特征提取的改進和/或分類器的自適應(yīng)學(xué)習(xí)可以是 在全局方式或位點特定方式上。這允許系統(tǒng)基于患者人口統(tǒng)計狀況來考慮解剖趨勢。
[0179] 可能出現(xiàn)機器學(xué)習(xí)的其他適應(yīng)。如果血液動力學(xué)度量的測量變得可用，那么系統(tǒng) 可以自動地或半自動地識別異常值案例或其中度量值具有給定規(guī)范的標準偏差的案例。這 些案例然后用于創(chuàng)建合成幾何結(jié)構(gòu)的新集合，其模仿異常值的特征，連同已經(jīng)可用的訓(xùn)練 集合一起以改進模型預(yù)測。利用更新的數(shù)據(jù)庫28,分類器再次進行訓(xùn)練。
[0180] 除了解剖，如果流量測量也是可用的（例如，多普勒），那么測量值作為給定示例的 基礎(chǔ)事實被并入機器學(xué)習(xí)方法中。訓(xùn)練數(shù)據(jù)利用作為輸入的表征流量的新特征來進行更 新。在預(yù)測階段中，如果這些"流量"相關(guān)的特征的測量值是可用的，那么這些流量特征被用 作特征向量中的輸入。在缺乏流量特征的情況下，類似的患者或與患者的類似模型位于來 自幾何結(jié)構(gòu)特征的數(shù)據(jù)庫中，以得到不同分支中流量的數(shù)據(jù)驅(qū)動的估計。這個流量被用作 預(yù)測的替代特征。
[0181] 雖然為了訓(xùn)練可以生成非常大量的合成案例，但是示例將不覆蓋所有患者特定的 案例。因此，當使用機器學(xué)習(xí)的分類器來預(yù)測患者特定數(shù)據(jù)的結(jié)果時，在驗證機器學(xué)習(xí)分類 器的同時在預(yù)測和測量的血液動力學(xué)度量之間的不良匹配可能出現(xiàn)。在這種情況下，在圖 39中顯示的工作流程用于豐富合成案例的數(shù)據(jù)庫，從而改進對于導(dǎo)致不良匹配的患者特定 的案例的預(yù)測。在圖38中顯示的過程還可以直接在工作站上執(zhí)行，因為合成案例的生成可 以是全自動的。在動作70中，具有不良匹配的案例被識別。所述特征向量距示例的特征向量 的距離用于識別不良匹配?？商鎿Q地，預(yù)測值與測量值進行比較以識別不良匹配。在動作72 中，不良匹配的原因被找到。所述原因可能是不存在的特征值、最不同的特征值、和/或最決 定流量值的特征值。在動作74中，具有類似特征的新合成示例被生成并且被添加到數(shù)據(jù)庫 28。用于添加的示例的血液動力學(xué)度量值被計算或測量。在動作76中，利用更新或適應(yīng)的數(shù) 據(jù)庫示例再次執(zhí)行機器學(xué)習(xí)。
[0182] 在另一個實施例中，順序機器學(xué)習(xí)被使用。機器學(xué)習(xí)的分類器的順序被創(chuàng)建。例 如，血液動力學(xué)度量從幾何結(jié)構(gòu)特征進行預(yù)測。該值和其他特征用于使用不同分類器預(yù)測 相同的度量。任何層級的分類器和相應(yīng)機器訓(xùn)練可以被使用。
[0183] 在一個示例中，第一機器學(xué)習(xí)的分類器在訓(xùn)練階段期間用完全合成數(shù)據(jù)進行訓(xùn) 練。由機器學(xué)習(xí)的分類器為患者特定的輸入特征向量預(yù)測的結(jié)果可以通過使用患者特性進 行改進。圖40示出了使用順序的改進。首先，在動作26中從患者特定的醫(yī)學(xué)掃描數(shù)據(jù)提取幾 何結(jié)構(gòu)，以及在動作20中從血管幾何結(jié)構(gòu)提取特征。在動作22中，通過在純合成數(shù)據(jù)上訓(xùn)練 的分類器來預(yù)測流量度量。在動作78中，進一步患者特定的特征被提取，例如，年齡、性別、 BMI、來自其他成像模態(tài)的測量、或其他信息。在動作80中，連同患者特性，第二機器學(xué)習(xí)的 分類器使用由第一分類器預(yù)測的結(jié)果作為特征，以便改進最終預(yù)測。用于訓(xùn)練第二機器學(xué) 習(xí)的分類器的數(shù)據(jù)庫可以使用非合成數(shù)據(jù)，例如來自對實際患者應(yīng)用第一分類器的數(shù)據(jù)， 其中患者特定的流量被測量并且用作基礎(chǔ)事實。
[0184] 任何特征可以用于隨后的分類器。例如，在冠狀動脈循環(huán)情況下的左或右的單側(cè) 性優(yōu)勢、如例如在syntax記分中描述的所指定的病變類型（例如，具有病變的冠狀動脈段、 病變類型、分叉病變的麥地那分等級、分叉角度、開口病變、彎曲度、病變的長度、鈣化、血 栓、彌漫疾病、或其他測量）、患者人口統(tǒng)計狀況(例如，年齡、性別、BMI、高度、質(zhì)量、吸煙者/ 非吸煙者，或其他）、病理歷史(例如，存在高血壓、存在高血脂、糖尿病、心絞痛類型(穩(wěn)定/ 不穩(wěn)定/無聲）、先前的心血管病史（中風(fēng)、梗塞、PCI、支架、CABG等）、非侵入性的應(yīng)力測試 (例如，應(yīng)力回波）、周圍脈管疾病、腎臟疾病、運動ECG-一應(yīng)力測試、運動放射性同位素測 試(核應(yīng)力測試、心肌閃爍照相術(shù)））、血液生物標志（例如，紅細胞壓積、脂蛋白水平、甘油三 酯、或其他）、過去或現(xiàn)在使用的藥物(例如，阿司匹林、β受體阻滯劑、硝酸鹽、他汀類藥物、 ACE抑制劑、鈣通道阻滯劑、或ARB)、使用任何成像模態(tài)提取的測量(例如，MRI-血液速度、 血液流速、動脈壁的運動；多普勒-血液速度；IVUS-斑塊特性、內(nèi)腔信息、病變偏心;血管 造影術(shù)-造影劑傳播;和/或超聲心動圖-如心肌勞損的心肌特性）、來自導(dǎo)管插入的侵入 性測量(例如，侵入性壓力、流量、和/或在心血管系統(tǒng)中的任何位置的流阻測量）、其他測 量、或其組合。來自順序方法第一階段的任何特征可以從該階段中被去除，并且僅在第二階 段期間使用。
[0185] 順序機器學(xué)習(xí)方法還可以用于預(yù)測患者的未來進展。例如，幾何結(jié)構(gòu)特征連同預(yù) 測的血液動力學(xué)度量以及上面列出的任何其他特征一起可以用于預(yù)測再狹窄的風(fēng)險。在這 種情況下，第二分類器在過去獲取的患者進展數(shù)據(jù)上進行訓(xùn)練。
[0186] -個可能性是將用先前案例的患者特定的數(shù)據(jù)來建立數(shù)據(jù)庫，并且將在順序或第 二分類器的訓(xùn)練期間使用這個數(shù)據(jù)庫。如上所述，在第一步驟期間，在合成數(shù)據(jù)上學(xué)習(xí)的分 類器用于生成血液動力學(xué)度量的第一預(yù)測。在第二階段期間，針對患者特定的數(shù)據(jù)提取的 特征用于找到患者數(shù)據(jù)庫中的類似案例，以及第二機器學(xué)習(xí)算法被應(yīng)用來預(yù)測血液動力學(xué) 度量的最終值。
[0187] 在又另一個實施例中，機器訓(xùn)練的分類器針對治療計劃進行訓(xùn)練?？梢詧?zhí)行用于 血管的各種治療中的任何一個，例如支架植入、燒灼、切割、切除、移植、藥物暴露、或其他程 序。執(zhí)行治療以具有血液動力學(xué)影響。分類器可以用于通過類型、位置、和/或治療量來預(yù)測 血液動力學(xué)度量。
[0188] 類似地，分類器可以用于確定要治療的各種異常中的哪一個。分類器用于評估脈 管樹中各個病變的血液動力學(xué)影響。圖41示出了具有三個狹窄的冠狀動脈樹。相同的方法 和工作流程可以應(yīng)用于其他脈管病理。為了評估每個狹窄的影響，并因此為了確定哪些狹 窄可能需要PCI，可以使用各種方法。在一個方法中，用戶標記要治療的狹窄。幾何結(jié)構(gòu)被修 改以致反映支架的放置，所述支架的大小和定位由用戶來選擇。圖41示出了幾何結(jié)構(gòu)作為 結(jié)果的變化。在另一個方法中，狹窄被自動檢測。圖42示出了限定狹窄的近端和遠端平面的 檢測。血液動力學(xué)度量被適應(yīng)以致去除每個狹窄對血液動力學(xué)的影響。初始幾何結(jié)構(gòu)不必 須被修改，而是度量值被改變。
[0189] 雖然從算法觀點簡單明了，但是第一方法具有依賴于廣泛用戶相互作用的缺點。 狹窄被識別，支架尺寸被選擇，以及支架放置對幾何結(jié)構(gòu)的影響被評估，都由用戶來進行。 第二方法是全自動的并且用戶僅需要選擇狹窄，所述狹窄對血液動力學(xué)度量的影響需要被 評估。對于第二方法，用于評估血液動力學(xué)度量的分類器必須被修改。如果血流建模方法被 使用，那么壓降模型可以被修改以反映支架對血液動力學(xué)的影響
[0190] 在合成數(shù)據(jù)上使用機器學(xué)習(xí)，另一個方法被提供。提取的特征值和/或提取的幾何 結(jié)構(gòu)被修改。圖43示出了一種用于修改一個或多個特征或者幾何結(jié)構(gòu)以考慮治療以便確定 哪一個狹窄要治療的方法。在動作82和20中，提取的特征值或特征的集合被修改。在動作82 中，從合成幾何結(jié)構(gòu)提取的特征值被修改以考慮治療。在預(yù)測期間，在動作20中提取的特征 被修改以考慮治療。一個或兩個修改被使用。分類器可以在許多示例上被訓(xùn)練。從患者特定 的數(shù)據(jù)提取的特征被修改以仿真計劃的治療的影響，使得對所得到的血液動力學(xué)度量值進 行預(yù)測。在另一個實施例中，機器訓(xùn)練并入很可能的修改，從而為考慮可能治療的更精確訓(xùn) 練，創(chuàng)建相關(guān)合成示例以及相應(yīng)計算或測量的度量值。
[0191 ]例如，一個方法修改與狹窄段的缺血性貢獻記分相關(guān)的特征： 5 = /41 (K4K + /51 (，WK 其中€41和€51是運算符f4Pf5的修改版本。此外，由于對相應(yīng)分支的總貢獻記分的不同 影響，或由于分支之間的不同相互作用，所以包含狹窄的分支的缺血性權(quán)重也可以被修改。 修改的特征、相應(yīng)的值以及得到的血液動力學(xué)基礎(chǔ)事實用于訓(xùn)練分類器。修改的特征和來 自患者特定的數(shù)據(jù)的相應(yīng)值用于根據(jù)分類器進行預(yù)測。在一個示例中，修改是關(guān)于對應(yīng)于 狹窄的特征和值被修改成對應(yīng)于健康血管、支架或來自治療的結(jié)果(其中得到更小流量限 制）的特征和值。
[0192] 在所有可能的后支架植入方案可以被估計以及綜合分析可以被顯示給用戶的這 種意義上，該方法可以被進一步擴展。狹窄基于它們對血液動力學(xué)度量的影響進行分級。向 用戶給出關(guān)于需要治療的狹窄的建議。
[0193] 圖44示出了一種用于解決不同生理狀態(tài)的方法的實施例。生理狀態(tài)可以是靜止、 藥物引起的充血(例如，冠狀動脈內(nèi)或靜脈內(nèi)）、由球囊膨脹、運動、治療后期生成的充血，或 另一個狀態(tài)中的任何生理狀態(tài)。機器學(xué)習(xí)用于從一個生理狀態(tài)映射到另一個生理狀態(tài)。通 過使從合成幾何結(jié)構(gòu)提取的特征適應(yīng)以及通過改變流量模擬中的流動條件和/或針對合成 幾何結(jié)構(gòu)執(zhí)行的計算，可以為任何患者特定的狀態(tài)預(yù)測血液動力學(xué)度量中的任何度量。圖 44表示了不同的方法。
[0194] 機器訓(xùn)練的分類器用于將針對患者的特定生理狀態(tài)獲得的血液動力學(xué)度量映射 到患者的不同生理狀態(tài)?；陧樞驒C器學(xué)習(xí)的策略被應(yīng)用。在動作84中提取的特征用于給 定狀態(tài)，使得針對該狀態(tài)對血液動力學(xué)度量值進行預(yù)測。按照順序，在動作86中提取具有或 不具有在動作84中使用的特征中的一些或全部的進一步特征。提取的特征用于不同的生理 狀態(tài)。在動作88中第二機器學(xué)習(xí)的分類器被訓(xùn)練和使用以將來自第一生理狀態(tài)的結(jié)果映射 到第二生理狀態(tài)。這個第二分類器算法可以依賴于任何特征，例如:特定于第一生理狀態(tài)的 幾何結(jié)構(gòu)特征、特定于第二生理狀態(tài)的幾何結(jié)構(gòu)特征、和/或為第一生理狀態(tài)預(yù)測的血液動 力學(xué)度量。特定于第二生理狀態(tài)的幾何結(jié)構(gòu)特征可以通過修改例如在缺血性權(quán)重和缺血性 貢獻記分的計算中使用的常數(shù)和運算符來導(dǎo)出。
[0195] 圖45示出了用于使用機器學(xué)習(xí)來改進降階模型的另一個實施例。機器學(xué)習(xí)方法可 以用于改進降階模型。與降階模型相比，當計算血流量時，全比例(三維)血流量模型提供更 高的保真度。例如，在一維血流量模型中不捕獲血管曲率的影響。附加系數(shù)可以被添加到降 階模型中以考慮不由降階模型捕獲的性質(zhì)的影響。
[0196] 為了確定這些系數(shù)的值，機器學(xué)習(xí)方法可以被使用。首先，在動作10中生成大量的 全比例幾何結(jié)構(gòu)，并且在動作90中執(zhí)行用于這些幾何結(jié)構(gòu)的全比例血流量計算。從幾何結(jié) 構(gòu)提取描述不由降階模型捕獲的性質(zhì)的特征的集合，并且在動作92從計算結(jié)果提取血液動 力學(xué)度量的集合(例如，在曲率效應(yīng)的情況下，可以使用在先前部分中描述的彎曲度特征）。 接下來，在動作94中執(zhí)行降階計算，并且在動作96中，降階模型中的系數(shù)被適應(yīng)，以致匹配 從全比例模型提取的血液動力學(xué)度量。在動作14中機器學(xué)習(xí)算法被訓(xùn)練，以致能夠在動作 22中僅從幾何結(jié)構(gòu)特征預(yù)測系數(shù)值。
[0197] 例如，附加項可以被添加到一維模型的動量守恒方程中，以致捕獲曲率對粘性能 量損失的影響：
在這種情況下要被估計的系數(shù)將是c?rvat_，同時從全比例模擬提取的血液動力學(xué)度 量是壓降。可以使用其他系數(shù)。
[0198] 各個附圖示出了用于預(yù)測血液動力學(xué)度量的值或執(zhí)行其他操作的方法。所述方法 由醫(yī)學(xué)診斷成像系統(tǒng)、查驗站、工作站、計算機、圖片和存檔及通信系統(tǒng)(PACS)站、服務(wù)器、 其組合、或者用于圖像處理醫(yī)學(xué)診斷數(shù)據(jù)的其他裝置來執(zhí)行。相比于用于預(yù)測，不同的裝置 可以被用于根據(jù)數(shù)據(jù)庫中的示例進行訓(xùn)練。在一個實施例中，下面參考圖47描述了用于訓(xùn) 練的計算機。在另一個實施例中，圖47的系統(tǒng)使用機器訓(xùn)練的分類器預(yù)測。其他系統(tǒng)可以用 于訓(xùn)練和預(yù)測中的任意一個或兩者。網(wǎng)絡(luò)可以用于提供輸入、分布式處理、輸出結(jié)果、或其 他通信。醫(yī)學(xué)掃描器提供表示患者的掃描數(shù)據(jù)。掃描數(shù)據(jù)是圖像數(shù)據(jù)或處理后的數(shù)據(jù)。
[0199] 方法以所示或所述的次序或者不同的次序來執(zhí)行。附加、不同或更少的動作可以 被執(zhí)行。例如，與預(yù)測相關(guān)的動作被提供而沒有用于訓(xùn)練的動作。作為另一個示例，用于訓(xùn) 練的動作被提供而沒有用于預(yù)測的動作。
[0200] 用于預(yù)測的動作可以實時地(例如在外科手術(shù)期間、在治療計劃期間、或在由醫(yī)學(xué) 專業(yè)人員診斷期間）執(zhí)行。在用戶相互作用期間執(zhí)行允許更通用的診斷和/或計劃。為了實 時性能，血液動力學(xué)度量值可以在小于一分鐘內(nèi)被預(yù)測。在其他實施例中，動作不是實時執(zhí) 行，這樣的服務(wù)在幾分鐘、幾小時或幾天的延遲后從遠程服務(wù)器得到。
[0201] 由于機器學(xué)習(xí)的分類器用于預(yù)測血液動力學(xué)度量值，因此預(yù)測可以比用計算流體 動力學(xué)更快地發(fā)生。為了示出這個差別，可以分析FFR。
[0202] FFR是一個侵入性測量的功能參數(shù)，其用于表征冠狀動脈狹窄的血液動力學(xué)重要 性。FFR被定義為狹窄遠端的周期平均壓力與周期平均主動脈壓的比率。多年來，多個臨床 試驗已經(jīng)示出了 FFR指導(dǎo)的支架植入（臨床上稱為經(jīng)皮冠狀動脈介入治療PCI)在長期臨床 成果方面(在不必要的血管重建上的減少）和在成本效益方面兩者都優(yōu)于血管造影術(shù)指導(dǎo) 的PCI。雖然強大臨床數(shù)據(jù)目前存在，其示出了為冠狀動脈狹窄治療做出的基于FFR的決定 的優(yōu)越性，但是使用FFR還是相對少見的。絕大多數(shù)的冠狀動脈診斷仍是基于在醫(yī)學(xué)圖像中 觀察到的純粹的解剖信息。這個已經(jīng)部分地歸因于引起充血的要求(在測量FFR之前增加血 流的條件）。
[0203] 當結(jié)合從醫(yī)學(xué)圖像提取的患者特定的解剖模型一起使用時，使用計算流體動力學(xué) 執(zhí)行的血流量計算已經(jīng)被提出用于診斷、風(fēng)險分層、和手術(shù)計劃?；贑H)的血流量建模方 法最近已經(jīng)應(yīng)用于估計冠狀動脈血液動力學(xué)，以及估計FFR。研究已經(jīng)主要聚焦在兩種類型 的醫(yī)學(xué)圖像數(shù)據(jù)上:計算機斷層照相血管造影術(shù)(CTA)和X射線冠狀動脈血管造影術(shù)(XA)。 在CTA的情況下，計算整個冠狀動脈幾何結(jié)構(gòu)（即，左和右冠狀動脈）中的血流量特性。兩個 不同的方法可以被使用：當在超級計算機上非現(xiàn)場執(zhí)行時，全階(3D)血流量建模，其中處理 時間在2到6小時之間變化，或者當在工作站上現(xiàn)場執(zhí)行時，降階血流量建模，其中處理時間 需要10-12分鐘。在XA的情況下，由于冠狀動脈幾何結(jié)構(gòu)可以僅被部分重建，針對動脈段的 子集計算血流量特性。先前的研究報告了處理時間，其在5分鐘和24小時之間變化。由于XA 是侵入性的，所以血流量計算理想情況下應(yīng)該以實時或接近實時的方式在程序期間執(zhí)行， 以致使得能夠?qū)崿F(xiàn)立即診斷以及指導(dǎo)患者治療。與侵入性測量的FFR相比，這些方法產(chǎn)生了 好的結(jié)果。重要的是，當使用侵入性測量的FFR作為金標準，F(xiàn)FR的基于(FD的估計能夠比純 粹的解剖估計在血液動力學(xué)顯著的和不顯著的冠狀動脈病變之間更好區(qū)分。
[0204] 機器學(xué)習(xí)的分類器在從合成冠狀動脈幾何結(jié)構(gòu)提取的特征上以及在感興趣的血 液動力學(xué)度量FFR上進行訓(xùn)練，F(xiàn)FR使用血流量建模(CFD)方法進行計算。在這種設(shè)置的初步 實現(xiàn)中，基于機器學(xué)習(xí)的FFR預(yù)測器產(chǎn)生對患者特定數(shù)據(jù)的結(jié)果，所述結(jié)果與相同數(shù)據(jù)的基 于CFD的結(jié)果尚度相關(guān)(例如，相關(guān)性:0.9973)。圖46不出了兩種方法之間的相關(guān)性。
[0205]此外，基于機器學(xué)習(xí)的方法使得能夠?qū)崿F(xiàn)冠狀動脈血液動力學(xué)指標的接近實時的 估計，針對特征提取和預(yù)測在常規(guī)臺式計算機(英特爾i7 8內(nèi)核，3.4GHz，8GB RAM)上總共 需要3-7秒。因此，提出的方法是比降階血流量建模方法快至少兩個數(shù)量級，以及比使用CFD 的全階血流量建模方法快至少3個數(shù)量級。FFR的實時計算被提供在標準放射性后處理工作 站上，而無需傳遞非現(xiàn)場數(shù)據(jù)或等待長時間來評估結(jié)果。
[0206] 給定急診室中冠狀動脈CTA的出現(xiàn)，準確診斷（例如，劃入或排除顯著冠狀動脈疾 病）的快速周轉(zhuǎn)時間是改進整體成果以及降低成本的關(guān)鍵。臨床醫(yī)生可以執(zhí)行由輸入數(shù)據(jù) 中的不確定性來推動的輸入數(shù)據(jù)(例如，狹窄的嚴重性）中的改變，并且實時地重新估計冠 狀動脈病變。此外，治療計劃還可以接近實時地執(zhí)行：由用戶標記或自動選擇的一個或多個 病變可以被虛擬治療(例如，虛擬的支架放置），以及剩余的病變可以被重新估計。
[0207] 代替使用血液動力學(xué)量作為基礎(chǔ)事實，其他度量也可以被用作基礎(chǔ)事實。作為血 液動力學(xué)計算的結(jié)果，標簽可以被附著到沿著中心線的每個位置。標簽可以具有任何分辨 率，例如兩種類型"顯著"以及"不顯著"，其指的是上游病變是否是血液動力學(xué)顯著的事實。 多個標簽可以用于描述病變是否對循環(huán)沒有影響、輕微影響、中間影響、嚴重或非常嚴重的 影響、或其他影響。此外，標簽可以基于結(jié)合血液動力學(xué)計算執(zhí)行的灌注分析。灌注地區(qū)可 以與每個分支相關(guān)聯(lián)，并且在訓(xùn)練階段期間，"灌注缺陷"或"無灌注缺陷"類型的標簽可以 被用作基礎(chǔ)事實。
[0208] 在另一個實施例中，基礎(chǔ)事實可以通過內(nèi)腔放射性衰減的改變給出。當訓(xùn)練階段 期間使用合成醫(yī)學(xué)圖像時可以使用這個方法，但是在針對合成幾何結(jié)構(gòu)執(zhí)行造影劑傳播分 析的情況下，這個方法也可以被應(yīng)用。內(nèi)腔放射性衰減中的改變可以通過每l〇mm或冠狀動 脈的其他長度的改變來描述，并且然后腔內(nèi)放射性衰減和離心門的長度之間線性回歸系數(shù) 可以被計算以用作基礎(chǔ)事實。
[0209] 基礎(chǔ)事實可以是來自虛擬經(jīng)皮冠狀動脈介入治療(PCI)的結(jié)果。在一個實施例中， 系統(tǒng)對每個創(chuàng)建或檢測的狹窄執(zhí)行虛擬PCI。結(jié)果被計算(例如，在FFR方面，與健康情況相 比對下游區(qū)域的百分比灌注）以及每個病變基于對灌注缺陷的貢獻來分等級。然后，基礎(chǔ)事 實是針對沿著中心線的每個位置在虛擬PCI后的健康灌注的測量。
[0210] 多個優(yōu)化標準（即，成本函數(shù)，其懲罰預(yù)測和基礎(chǔ)事實之間的不匹配)可以被考慮。 以下度量中的一個或多種:PPV、NPV、特異性、靈敏度、診斷準確度、和相關(guān)性可以被最大化。 這些度量的任何組合還可以被使用。例如，特異性被最大化，同時保持靈敏度小于90%。成 本函數(shù)可以使用限定可接受FFR范圍的兩個截止點以加權(quán)重方式進行描述。例如，在所有 FFRcfd<x或FFRcFD>y之上的最小| |FFRml-FFRfcd| |。在臨床設(shè)置中，ML-FFR的下和上截止點 可以不同于針對侵入性FFR規(guī)定的0.8截止值。
[0211] 此外，成本函數(shù)可以被使用，對于成本函數(shù)，不同的權(quán)重可以附著到基礎(chǔ)事實量值 的不同區(qū)間。為了實現(xiàn)高的分類準確度，更接近于臨床截止點的值可以具有比更遠離截止 的值更大的權(quán)重(例如，在FFR的情況下，區(qū)間0.7-0.9可以具有比這個范圍外的值更大的權(quán) 重）。此外，在最小和最大值方面的附加約束可以被引入，附加約束反映在臨床實踐中量的 最大變化(例如，在臨床實踐中FFR值位于0到1之間）。這些方法中的任何方法可以應(yīng)用于任 何機器學(xué)習(xí)預(yù)測器的訓(xùn)練，而不管正被訓(xùn)練的預(yù)測器僅是在應(yīng)用中使用的預(yù)測器還是順序 機器學(xué)習(xí)預(yù)測器被應(yīng)用。
[0212] 圖47示出了一種用于在醫(yī)學(xué)成像中的血液動力學(xué)測定的系統(tǒng)。該系統(tǒng)包括醫(yī)學(xué)成 像系統(tǒng)11、處理器13、存儲器15、以及顯示器16。處理器13和存儲器15被示出為與醫(yī)學(xué)成像 系統(tǒng)11分離，這樣相關(guān)聯(lián)的是與遠離醫(yī)學(xué)成像系統(tǒng)11的計算機或工作站。在其他實施例中， 處理器13和/或存儲器15是醫(yī)學(xué)成像系統(tǒng)11的一部分。在替換實施例中，該系統(tǒng)是用于在醫(yī) 學(xué)成像中血液動力學(xué)測定的工作站、計算機、或服務(wù)器。例如，醫(yī)學(xué)成像系統(tǒng)11被提供用于 獲取表示體積的數(shù)據(jù)，以及分開的數(shù)據(jù)庫、服務(wù)器、工作站和/或計算機被提供用于提取幾 何結(jié)構(gòu)和/或特征，以及應(yīng)用分類器來預(yù)測一個或多個血液動力學(xué)度量。附加、不同或更少 的組件可以被使用。
[0213] 該系統(tǒng)用于應(yīng)用。在替換實施例中，該系統(tǒng)用于訓(xùn)練和/或生成數(shù)據(jù)庫中的示例。
[0214] 系統(tǒng)（例如醫(yī)學(xué)成像系統(tǒng)11和/或處理器13)的計算組件、裝置、或機器由硬件、軟 件、和/或用來執(zhí)行計算或其他動作的設(shè)計進行配置。計算組件獨立地或彼此結(jié)合操作來執(zhí) 行任何給定動作，例如上述方法中的任何方法的動作。該動作由計算機組件中的一個、計算 組件中的另一個或計算組件的組合來執(zhí)行。其他組件可以由計算組件使用或控制以掃描或 執(zhí)行其他功能。
[0215] 所述醫(yī)學(xué)成像系統(tǒng)11是任何現(xiàn)在已知或以后開發(fā)的用于掃描患者的模態(tài)。醫(yī)學(xué)成 像系統(tǒng)11掃描患者的血管區(qū)域。例如，使用C形臂X射線系統(tǒng)（例如，來自西門子的DynaCT)、 類CT系統(tǒng)或CT系統(tǒng)。其他模態(tài)包括MR、X射線，血管造影術(shù)、熒光透視法、PET、SPECT或超聲 波。醫(yī)學(xué)成像系統(tǒng)11被配置為獲取表示一個或多個血管的醫(yī)學(xué)成像數(shù)據(jù)。數(shù)據(jù)通過使用由 掃描器進行的傳輸來掃描患者和/或通過從患者接收信號來獲取。掃描的類型或模式可以 導(dǎo)致接收僅血管的數(shù)據(jù)。可替換地，體積區(qū)域的數(shù)據(jù)被接收，并且從其他解剖信息分割血管 信息。
[0216] 存儲器15是緩沖器、高速緩存、RAM、可移動介質(zhì)、硬盤驅(qū)動器、磁、光、數(shù)據(jù)庫、或其 他現(xiàn)在已知或以后開發(fā)的存儲器。存儲器15是單個裝置或者兩個或更多裝置的組合。存儲 器15在系統(tǒng)11內(nèi)，是具有處理器13的計算機的部分，或者在其他組件外部或遠離其他組件。
[0217] 存儲器15被配置為存儲醫(yī)學(xué)掃描數(shù)據(jù)，提取的血管樹的幾何結(jié)構(gòu)，從醫(yī)學(xué)掃描數(shù) 據(jù)提取的特征，幾何結(jié)構(gòu)或其他源，示例(例如，來自合成數(shù)據(jù)的幾何結(jié)構(gòu)、從幾何結(jié)構(gòu)提取 的特征、以及基礎(chǔ)事實血液動力學(xué)度量值），和/或其他信息。例如，存儲器15存儲缺血性值， 例如權(quán)重和貢獻。
[0218] 附加地或替換地，存儲器15是具有處理指令的非瞬態(tài)計算機可讀存儲介質(zhì)。存儲 器15存儲表示用于在醫(yī)學(xué)成像中的血液動力學(xué)度量估計的由編程處理器13執(zhí)行的指令的 數(shù)據(jù)。本文中所討論的用于實現(xiàn)過程，方法和/或技術(shù)的指令被提供在計算機可讀存儲介質(zhì) 或存儲器(例如高速緩存、緩沖器、RAM、可拆卸介質(zhì)、硬盤驅(qū)動或其它計算機可讀存儲介質(zhì)） 上。計算機可讀存儲介質(zhì)包括各種類型的易失性和非易失性存儲介質(zhì)。附圖中所示或本文 所述的功能、動作或任務(wù)響應(yīng)于存儲在計算機可讀存儲介質(zhì)中或上的指令的一個或多個集 合來執(zhí)行。功能、動作或任務(wù)獨立于特定類型的指令集、存儲介質(zhì)、處理器或處理策略，并且 可以由軟件、硬件、集成電路、固件、微代碼等來執(zhí)行，從而單獨或組合進行操作。同樣，處理 策略可以包括多處理、多任務(wù)、并行處理等。在一個實施例中，指令被存儲在可移動介質(zhì)裝 置上，用于由本地或遠程系統(tǒng)讀取。在其他實施例中，指令被存儲在遠程位置中，用于通過 計算機網(wǎng)絡(luò)或通過電話線轉(zhuǎn)移。在又另一個實施例中，指令被存儲在給定計算機、CPU、GPU 或系統(tǒng)內(nèi)。
[0219] 處理器13是通用處理器、數(shù)字信號處理器、三維數(shù)據(jù)處理器、圖形處理單元、專用 集成電路、現(xiàn)場可編程門陣列、數(shù)字電路、模擬電路、其組合、或者其他現(xiàn)在已知或以后開發(fā) 的用于處理數(shù)據(jù)的裝置。處理器13是單個裝置，多個裝置，或網(wǎng)絡(luò)。對于一個以上的裝置，可 以使用處理的并行或順序劃分。組成處理器13的不同裝置可以執(zhí)行不同的功能，例如由一 個裝置提取幾何結(jié)構(gòu)或特征值，以及由另一個裝置進行流量計算。在一個實施例中，處理器 13是醫(yī)學(xué)成像系統(tǒng)11的控制處理器或其他處理器。處理器13依照存儲的指令操作以執(zhí)行本 文中所述的各種動作。
[0220]處理器13被配置為提取幾何結(jié)構(gòu)、提取特征值、在提取中與用戶相互作用、應(yīng)用特 征到機器訓(xùn)練的預(yù)測器、以及生成圖像或其他輸出。在實施例中，處理器13被配置為修改一 個或多個特征或特征值以從異常狀態(tài)仿真處于在治療上校正的狀態(tài)中的幾何結(jié)構(gòu)。通過修 改特征，在治療后血管的血液動力學(xué)操作可以被預(yù)測。處理器13被配置為應(yīng)用特征(包括任 何修改的特征或具有不確定性的特征)到機器訓(xùn)練的預(yù)測器，機器訓(xùn)練的預(yù)測器利用血管 示例的訓(xùn)練數(shù)據(jù)進行訓(xùn)練。機器訓(xùn)練的預(yù)測器可以根據(jù)在治療上校正的狀態(tài)中的訓(xùn)練示例 進行訓(xùn)練以用于治療結(jié)果的預(yù)測。對于治療計劃，針對特征或與不同的在治療上校正的狀 態(tài)相關(guān)聯(lián)的特征的不同修改，應(yīng)用被處理器13重復(fù)多次。對于不確定性，應(yīng)用被執(zhí)行一次， 其中預(yù)測器在不確定性信息上進行訓(xùn)練或被執(zhí)行多次以在給定輸入特征值的不確定性的 情況下確定血液動力學(xué)度量值的分布。
[0221] 處理器13被配置為輸出預(yù)測。通過應(yīng)用輸入特征向量到機器學(xué)習(xí)的預(yù)測器，預(yù)測 器輸出血液動力學(xué)變量(例如FFR)的預(yù)測或估計。輸出預(yù)測采用文本、圖，顏色編碼或其它 表示的形式。
[0222]顯示器16是CRT、IXD，等離子、投影儀、打印機或用于示出圖像的其它輸出裝置。顯 示器16顯示由處理器13輸出的一個或多個量。量可以顯示在圖表、圖中和/或在圖像上。顯 示器16通過顯示值來配置以指示血液動力學(xué)度量值。值可以與幾何結(jié)構(gòu)、特征、和/或圖像 聯(lián)合顯示。在一個實施例中，血液動力學(xué)度量值與表示在治療上校正的狀態(tài)的圖像一起顯 示。在附加或替換實施例中，與度量值相關(guān)聯(lián)的不確定性被顯示，例如顯示作為不確定性區(qū) 間的值。
[0223] 盡管已經(jīng)在上面通過參考各種實施例描述了本發(fā)明，但是應(yīng)該理解的是，在不脫 離本發(fā)明的范圍的情況下可以做出許多改變和修改。因此，意圖的是，前述詳細描述應(yīng)被視 為說明性的而不是限制性的，并且應(yīng)當理解的是:下面的權(quán)利要求(包括所有等同物）意在 限定本發(fā)明的精神和范圍。
【主權(quán)項】
1. 一種用于在醫(yī)學(xué)成像中血液動力學(xué)測定的方法，所述方法包括： 獲取表示患者的血管結(jié)構(gòu)的醫(yī)學(xué)掃描數(shù)據(jù)； 從醫(yī)學(xué)掃描數(shù)據(jù)提取特征的集合； 修改所述集合的特征中的第一特征，所述修改表示由于治療而導(dǎo)致的對血管結(jié)構(gòu)的改 變； 分配不確定性給所述集合的第一特征； 由處理器將特征輸入到機器訓(xùn)練的分類器，該特征包括修改后且具有不確定性的第一 特征，機器訓(xùn)練的分類器僅根據(jù)不特定于任何患者的合成數(shù)據(jù)進行訓(xùn)練；以及 由處理器應(yīng)用機器訓(xùn)練的分類器而輸出血液動力學(xué)度量，血液動力學(xué)度量具有血液動 力學(xué)度量的不同值的置信度區(qū)間。2. 權(quán)利要求1所述的方法，其中獲取包括獲取血管造影術(shù)數(shù)據(jù)。3. 權(quán)利要求1所述的方法，其中獲取包括用包括血管結(jié)構(gòu)的二維或三維表示的醫(yī)學(xué)掃 描數(shù)據(jù)獲取。4. 權(quán)利要求1所述的方法，其中提取特征的集合包括： 提取血管結(jié)構(gòu)的幾何結(jié)構(gòu)特征；以及 提取血管結(jié)構(gòu)的一個或多個異常性的特征。5. 權(quán)利要求1所述的方法，其中提取特征的集合包括提取表示血管結(jié)構(gòu)的操作的功能 特征，其中機器訓(xùn)練的分類器根據(jù)血管的操作的虛擬表示來訓(xùn)練。6. 權(quán)利要求1所述的方法，其中提取特征的集合包括提取缺血性權(quán)重和缺血性貢獻記 分，所述缺血性貢獻記分是缺血性權(quán)重的函數(shù)。7. 權(quán)利要求6所述的方法，其中提取缺血性權(quán)重包括根據(jù)全局缺血性權(quán)重來計算分支 缺血性權(quán)重。8. 權(quán)利要求6所述的方法，其中提取缺血性貢獻記分包括根據(jù)缺血性權(quán)重和半徑來計 算缺血性貢獻記分。9. 權(quán)利要求1所述的方法，其中提取特征的集合包括提取分支相互作用特征。10. 權(quán)利要求1所述的方法，其中修改第一特征包括用對應(yīng)于流量限制的緩解的特征值 來取代對應(yīng)于流量限制的特征值，并且其中合成數(shù)據(jù)對從流量限制到支架的改變建模。11. 權(quán)利要求1所述的方法，其中分配不確定性包括估計第一特征的輸入值分布，并且 其中輸出包括輸出作為由第一特征的輸入值分布產(chǎn)生的血液動力學(xué)度量的不同值分布的 置信度區(qū)間，機器訓(xùn)練的分類器用不確定性信息來訓(xùn)練。12. 權(quán)利要求1所述的方法，其中輸入包括輸入到僅根據(jù)合成數(shù)據(jù)訓(xùn)練的機器訓(xùn)練的分 類器，所述合成數(shù)據(jù)包括在體外模型，其具有從在體外模型測量的血液動力學(xué)度量的基礎(chǔ) 事實。13. 權(quán)利要求1所述的方法，其中輸入包括輸入到僅根據(jù)合成數(shù)據(jù)訓(xùn)練的機器訓(xùn)練的分 類器，所述合成數(shù)據(jù)包括在計算機中模型，其具有用計算流體動力學(xué)計算的血液動力學(xué)度 量的基礎(chǔ)事實。14. 權(quán)利要求1所述的方法，其中輸入包括輸入特征的集合的子集，所述子集用于血管 結(jié)構(gòu)的子部分，并且其中輸出包括輸出血管樹的子部分的血液動力學(xué)度量;以及 進一步包括隨后重復(fù)用于血管結(jié)構(gòu)的另一部分的集合的剩余特征的輸入和輸出。15. 權(quán)利要求1所述的方法，其中輸出包括與從醫(yī)學(xué)掃描數(shù)據(jù)生成的血管結(jié)構(gòu)的圖像一 起在顯示器上輸出所述不同值中的至少一個。16. 權(quán)利要求1所述的方法，進一步包括用另一個機器訓(xùn)練的分類器使用患者特性和所 述不同值中的至少一個作為輸入特征來預(yù)測血液動力學(xué)度量的另一個值。17. 權(quán)利要求1所述的方法，其中輸入包括輸入到根據(jù)合成數(shù)據(jù)訓(xùn)練的機器訓(xùn)練的分類 器，合成數(shù)據(jù)包括由在體外模型、在計算機中模型或在體外和在計算機中模型兩者的規(guī)則 變化生成的示例。18. -種用于在醫(yī)學(xué)成像中血液動力學(xué)測定的方法，所述方法包括： 利用計算機建模、物理建?；蛘哂嬎銠C及物理建模兩者生成血管布置的多個示例； 存儲血管布置的示例中的每一個的流量特性的值； 從示例的每一個提取輸入特征向量；以及 利用機器學(xué)習(xí)訓(xùn)練來自輸入特征向量和血管布置的流量特性的值的映射。19. 權(quán)利要求18所述的方法，其中生成包括在系統(tǒng)模式中擾動計算機建模、物理建模、 或這兩者。20. -種用于在醫(yī)學(xué)成像中血液動力學(xué)測定的系統(tǒng)，所述系統(tǒng)包括： 掃描器，其配置為掃描患者的血管； 存儲器，其配置為存儲患者血管的多個特征，所述特征根據(jù)血管的掃描來確定； 處理器，其配置為將所述特征的第一特征從異常狀態(tài)修改成在治療上校正的狀態(tài)，以 將包括所修改的第一特征的所述特征應(yīng)用到機器訓(xùn)練的預(yù)測器，所述機器訓(xùn)練的預(yù)測器利 用在治療上校正的狀態(tài)中血管示例的訓(xùn)練數(shù)據(jù)進行訓(xùn)練，以及以基于特征到機器訓(xùn)練的預(yù) 測器的應(yīng)用來輸出血液動力學(xué)變量的值的預(yù)測；以及 顯示器，其配置為指示與在治療上校正的狀態(tài)相關(guān)聯(lián)的血液動力學(xué)變量的值。21. 權(quán)利要求20所述的系統(tǒng)，其中第一特征包括缺血性值，并且其中針對與不同在治療 上校正的狀態(tài)相關(guān)聯(lián)的第一特征的不同修改，應(yīng)用被重復(fù)多次。
【文檔編號】A61B5/026GK106037710SQ201511036147
【公開日】2016年10月26日
【申請日】2015年11月24日
【發(fā)明人】D·科馬尼丘, L·M·伊圖, T·帕塞里尼, S·拉帕卡, T·雷德爾, C·施韋默, M·舍賓格, P·沙爾馬
【申請人】西門子公司