基于人工智能的COPD评估制造技术

为了在医学成像中进行COPD评估，成像数据被用来对气道进行建模并且提取针对表示COPD的特征的值。气道模型提供针对气道的解剖结构和/或气流的值。解剖结构、气流和/或所提取的图像特征的值组合起来指示COPD信息。机器学习模型可以被用来将解剖结构、气流和/或所提取的图像特征与COPD信息相关。可以使用附加的信息，诸如肺活量测定结果和/或问卷答案。作为对COPD模型的输入的信息（包括气道建模）的组合，可以提供对COPD的更全面的理解，以用于协助特定患者的疗法和/或诊断。

【技术实现步骤摘要】
基于人工智能的COPD评估
技术介绍
本实施例涉及慢性阻塞性肺病（COPD）。COPD是一种由于气流不畅所致的阻塞性肺部疾病。COPD的两个主要潜在原因是肺气肿和气道疾病（例如，支气管炎）。对于2020年的预测是，COPD将（在全球）发病率排名第三，并且死亡率排名第五。COPD可以基于初步问卷进行诊断，并且如果根据问卷结果显得必要，则然后在吸入药物和没有吸入药物这两种情况下都进行呼吸测量（肺活量测定）。问卷信息覆盖广泛的信息，包括家族史、症状和习惯（例如，吸烟）史、疾病史和相应的严重程度（例如，哮喘、癌症等)、活动水平以及一般健康度量。肺活量测定测试的主要输出是1秒钟用力呼气值（FEV1）和用力肺活量（FVC）。将这些值基于人口分布进行标准化。慢性阻塞性肺部疾病全球倡议（GOLD）提供了被用来量化COPD严重程度的准则。这些准则是两个肺活量测定度量（FEV1和FVC），并且通常是与来自问卷的信息段有关的1-3种症状。在一些情况下，计算机断层扫描（CT）被用来估计疾病严重程度，特别是在气道的远端部分中针对肺气肿的严重程度。仍然缺乏对COPD的全面理解。这种缺乏理解具有广泛的后果，诸如预测疾病进程和症状变得更糟（例如，需要住院治疗的突然爆发，被称为“恶化”)、与治疗有关的行动（例如，吸入药物），以及患者如何能够最好地继续过上高质量的生活（例如，能够过上积极的生活、室内/室外空气污染)，等等。另一个示例关于COPD的治疗。通常，患者持续不断地服用药物而没有改善，因此气道本身小而微妙的改变可能使得症状能够得到明显改善。r>
技术实现思路
通过介绍的方式，下面描述的优选实施例包括用于在医学成像中进行COPD评估的方法、计算机可读介质和系统。成像数据被用来对气道进行建模，并且提取表示COPD的特征的值。气道模型提供针对气道和/或气流的解剖结构的值。解剖结构、气流和/或所提取的图像特征的值组合起来指示COPD信息。机器学习模型可以被用来将解剖结构、气流和/或所提取的图像特征与COPD信息相关。可以使用附加的信息，诸如肺活量测定结果和/或问卷答案。作为对COPD模型的输入，包括气道建模的信息的组合，可以提供对COPD的更全面的理解，以用于协助特定患者的疗法和/或诊断。在第一方面，提供了一种用于在医学成像系统中进行慢性阻塞性肺病（COPD）评估的方法。医学扫描仪扫描患者的肺部，提供表示患者肺部的多维区域的第一成像数据。图像处理器根据第一成像数据对患者肺部的气道进行建模，提供针对气道中的气流的值。图像处理器响应于针对气流的值、患者问卷答案、肺活量测定结果和第一成像数据中表示的特征的值的输入，根据机器学习模型确定COPD信息。显示患者的COPD信息。在一个实施例中，计算机断层扫描系统扫描患者的三维区域。该建模可以包括：从第一成像数据分割肺部的气道，和/或实行针对气道的计算流动动力学。针对气流的值可以是应力、压力、速度或体积值。在其它实施例中，该建模是利用三维模型对气道的第一部分的建模，以及是利用降阶模型对气道的第二部分的建模。第二部分具有与第一部分的气道相比具有更小直径的气道。所确定的COPD信息可以是COPD严重程度、COPD量化、COPD诊断、COPD疗法或其组合。可以响应于作为在第一成像数据中表示的特征的纹理、疾病指标或纹理和疾病指标这两者来确定COPD信息。可以响应于来自建模的气道的几何特性的输入来确定COPD信息。可以使用各种类型的机器学习、架构和/或对应的机器学习模型中的任何一种，诸如卷积神经网络。在其它实施例中，统计分析被用来标识输入与COPD信息的关系，并且该关系被用来将患者特定的输入与COPD信息相关。例如，标识与其它输入变量相比而言对COPD信息更具决定性的输入变量，并且将该输入变量用于诊断和/或疗法。在一个实施例中，基于对患者问卷答案和肺活量测定结果的分析，选择实行用于气道建模和确定COPD信息的更全面的信息集合。在第二方面，提供了一种用于慢性阻塞性肺病（COPD）评估的系统。医学扫描仪被配置成扫描患者的肺部，产生表示患者肺部的图像数据。图像处理器被配置成利用机器学习模型、基于图像数据中表示的气道的分割和基于图像数据中表示的肺部的特征，从流动模型生成肺部中的COPD指示。该特征可以是疾病的纹理或基于成像的指示。显示器被配置成显示COPD指示。在一个实施例中，医学扫描仪是包括图像处理器的CT扫描仪。机器学习模型可以是卷积神经网络或其它机器学习模型。在另一个实施例中，其它输入被用来生成COPD指示。例如，图像处理器被配置成根据流动模型、特征、患者的肺活量测定结果和患者的问卷答案来生成COPD指示。可以生成任何COPD指示，诸如COPD严重程度、COPD诊断、COPD疗法、COPD量化、COPD恶化风险，或其组合。在第三方面，提供了一种用于在医学成像系统中进行慢性阻塞性肺病（COPD）评估的方法。从CT数据分割气道。利用计算流体动力学来确定气道中的气流，并且根据CT数据确定图像特征。根据气流和图像特征生成COPD数据并且进行显示。在一个实施例中，将气流、图像特征、问卷答案和肺活量测定结果应用于机器学习模型来生成COPD数据。本专利技术由以下权利要求限定，并且本部分中的任何内容都不应当被视为对这些权利要求的限制。本专利技术的另外的方面和优点在下面结合优选实施例进行讨论，并且随后可以独立地或以组合形式要求保护。一种类型（例如，方法）的方面可以应用于其它类型（例如，其它方法、系统或计算机可读介质）。附图说明组件和各图不一定是按比例绘制的，相反，重点在于说明本专利技术的原理。此外，在各图中，相同的附图标记遍及不同的视图指定对应的部分。图1是用于在医学成像系统中进行慢性阻塞性肺病（COPD）评估的方法的一个实施例的流程图；图2是图1的方法中的数据流的示例表示；图3是气道建模的示例输出；以及图4是用于COPD评估的系统的一个实施例的框图。具体实施方式对COPD的基于人工智能（AI）的评估使用气流建模。通过与高维数据特征的统一，为患者诊断和/或治疗提供了对COPD进程和/或严重程度的更准确的诊断和/或量化，该高维数据特征诸如是来自气道建模的大的气道特征（解剖的和气流）、来自气道建模的中至远端气道特征（解剖的和气流）、通过医学成像获得的特征、肺活量测定特征和/或从问卷中获取的数据。该AI工具集成了医学成像（CT）、气流模拟（计算流体动力学，用以捕获血流动态特性）、肺活量测定测量以及机器学习，以更好地理解COPD的关键特性。这种增加的理解和可预测性可以为患者提供更高的生活质量（更好的对疾病风险的初步标识、诊断、管理等），降低与治疗有关的COPD支出的成本，并且为要被实施以用于更彻底地了解病理学的新研究打开大门。通过隔离先前不可分离的疾病特征，可以建立与每个相应特征的相关性。例如，在患有慢性哮喘的一些患者中，使用当前的成像和生理测试技术与COPD进行清楚的区分是不可能的。该AI工具通过根据大型数本文档来自技高网...

【技术保护点】
1.一种用于在医学成像系统中进行慢性阻塞性肺病（COPD）评估的方法，所述方法包括：/n由医学扫描仪扫描患者的肺部，所述扫描提供表示患者肺部的多维区域的第一成像数据；/n由图像处理器根据所述第一成像数据对所述患者肺部的气道进行建模，所述建模提供针对气道中气流的值；/n由所述图像处理器响应于针对气流的值的输入、患者问卷答案、肺活量测定结果和在所述第一成像数据中表示的特征的值，从机器学习模型中确定COPD信息；以及/n显示针对所述患者的COPD信息。/n

【技术特征摘要】
20190411 US 16/3811001.一种用于在医学成像系统中进行慢性阻塞性肺病（COPD）评估的方法，所述方法包括：
由医学扫描仪扫描患者的肺部，所述扫描提供表示患者肺部的多维区域的第一成像数据；
由图像处理器根据所述第一成像数据对所述患者肺部的气道进行建模，所述建模提供针对气道中气流的值；
由所述图像处理器响应于针对气流的值的输入、患者问卷答案、肺活量测定结果和在所述第一成像数据中表示的特征的值，从机器学习模型中确定COPD信息；以及
显示针对所述患者的COPD信息。


2.根据权利要求1所述的方法，其中扫描包括：利用作为计算机断层扫描系统的医学扫描仪进行扫描，并且其中所述多维区域包括三维区域。


3.根据权利要求1所述的方法，其中建模包括：从所述第一成像数据分割肺部的气道。


4.根据权利要求1所述的方法，其中建模包括：实行针对气道的计算流动动力学，针对气流的值包括应力、压力、速度或体积值。


5.根据权利要求1所述的方法，其中建模包括：利用三维模型对气道的第一部分进行建模，以及利用降阶模型对所述气道的第二部分进行建模，所述第二部分具有与所述第一部分的气道相比具有更小直径的气道。


6.根据权利要求1所述的方法，其中确定包括：将COPD严重程度确定为COPD信息。


7.根据权利要求1所述的方法，其中确定包括：将COPD量化确定为COPD信息。


8.根据权利要求1所述的方法，其中确定包括：将COPD诊断、COPD疗法、或COPD诊断和COPD疗法这两者确定为COPD信息。


9.根据权利要求1所述的方法，其中确定包括：响应于作为在所述第一成像数据中表示的特征的纹理、疾病指标、或纹理和疾病指标这两者的输入来进行确定。


10.根据权利要求1所述的方法，其中确定包括：响应于来自建模的气道的几何特性的输入来进行确定。

【专利技术属性】
技术研发人员：S拉帕卡，J霍奇斯，P沙马，
申请(专利权)人：西门子医疗有限公司，
类型：发明
国别省市：德国;DE