[發明專利]在醫學成像中針對血液動力學量化的不確定性或敏感性的機器學習預測

有效

• 申請號: 201811275839.0
• 申請日: 2018-10-30
• 公開（公告）號: CN109727660B
• 公開（公告）日: 2023-07-07
• 發明（設計）人: L.M.伊圖;T.帕塞里尼;S.拉帕卡;P.沙爾馬
• 申請（專利權）人: 西門子保健有限責任公司
• 主分類號: G16H30/20
• 分類號: G16H30/20;G16H50/20;G16H50/50
• 代理公司: 中國專利代理(香港)有限公司 72001
• 代理人: 周學斌;劉春元

1.一種用于醫學成像系統中的血液動力學量化的方法，所述方法包括：

利用所述醫學成像系統對患者進行掃描(12)，所述掃描(12)提供表示所述患者的心臟系統的部分的心臟數據；

根據所述心臟數據確定(14)患者特定心臟幾何結構；

從所述患者特定心臟幾何結構中提取(20)所述血液動力學量化的機器學習預測器的第一輸入向量的特征值；

響應于所述第一輸入向量的特征值，由所述機器學習預測器預測(22)所述血液動力學量化的值；

提取(24)所述血液動力學量化的不確定性和/或敏感性的機器學習分類器的第二輸入向量的特征值；

響應于所述第二輸入向量的特征值，由所述機器學習分類器將所述血液動力學量化對于所述患者特定心臟幾何結構的不確定性和/或敏感性的一個或多個值進行分類(26)；以及

基于所述血液動力學量化的值和所述不確定性和/或敏感性的一個或多個值來生成(28)輸出。

2.根據權利要求1所述的方法，其中確定(14)所述患者特定心臟幾何結構包括：將模型擬合到所述心臟數據。

3.根據權利要求1所述的方法，其中提取(20、24)所述第一輸入向量和/或所述第二輸入向量的特征值包括：提取沿著由所述患者特定心臟幾何結構表示的血管的半徑。

4.根據權利要求1所述的方法，其中預測(22)包括：利用至少部分地在合成樣本上訓練的機器學習預測器進行預測(22)。

5.根據權利要求1所述的方法，其中預測(22)包括：作為所述血液動力學量化來預測(22)血流儲備分數。

6.根據權利要求1所述方法，其中分類(26)包括：利用基于不確定性水平所訓練的機器學習分類器進行分類(26)，所述不確定性水平是基于掃描配置、所述心臟數據的重建和/或患者特性。

7.根據權利要求1所述的方法，其中分類(26)包括：利用基于考慮到所采樣的噪聲分布的血液動力學量化的分布所訓練的機器學習分類器進行分類(26)。

8.根據權利要求1所述的方法，其中分類(26)包括：利用基于來自所述血液動力學量化的分布的標準偏差的敏感性和不確定變量與所述血液動力學量化的分布的相關性所訓練的機器學習分類器進行分類(26)。

9.根據權利要求1所述的方法，其中預測(22)包括：預測(22)針對第一位置的所述血液動力學量化的值，其中分類(26)包括針對多個第二位置中的每一個進行分類(26)，并且其中生成(28)所述輸出包括：生成(28)第二位置的圖，所述第二位置的圖示出了對針對所述血液動力學量化在所述第一位置處的值的不確定性和/或敏感性的貢獻。

10.根據權利要求1所述的方法，其中預測(22)包括：預測(22)針對多個第一位置的所述血液動力學量化的多個值，其中分類(26)包括將所述多個值對于第二位置處的不確定性的敏感性進行分類(26)。

11.根據權利要求1所述的方法，進一步包括：將所述患者特定心臟幾何結構分離(18)成血管分支，并且針對所述血管分支中的每一個單獨地實行所述預測(22)和分類(26)。

12.根據權利要求1所述的方法，其中生成(28)包括：作為所述患者特定心臟幾何結構的位置的函數來生成(28)所述血液動力學量化的敏感性和/或不確定性的圖。

13.根據權利要求1所述的方法，其中生成(28)包括：作為所述血液動力學量化的值和所述不確定性和/或敏感性的一個或多個值的字母數字文本來生成(28)輸出。