提供了侧支冠状动脉的评估。提供了用于评估患者侧支循环的系统和方法。接收患者的患者数据。使用经训练的机器学习网络基于患者数据计算侧支循环评分。侧支循环评分表示患者侧支循环的运作。输出侧支循环评分。
【技术实现步骤摘要】
侧支冠状动脉的评估
本专利技术总体上涉及侧支冠状动脉的评估，并且更特别地涉及训练和应用用于侧支冠状动脉评估的机器学习模型。
技术介绍
冠状动脉疾病（CAD）是由于斑块的积聚而使冠状动脉窄化，从而阻塞去往心脏的心肌区域的血流。在一些患者中，当通过天然冠状动脉去往心肌区域的血流由于CAD而受阻塞时，侧支动脉扩张以提供血流去往该心肌区域的替换路径，从而绕过阻塞。侧支动脉可以是相对小且在正常状况下通常不起作用的预先存在的侧支血管，或者可以是在相邻血管之间形成的新形成的侧支血管。这样的侧支血管形成可能是由病理状况引发的，该病理状况可能随着时间推移而发展或可能是先天性的。研究已经表明，患者的良好运作的冠状侧支循环独立地预测患有慢性CAD和急性CAD的患者中的降低死亡率。由这样的侧支动脉提供的保护效果导致改进的左心室功能（例如，较高的射血分数），减小的重塑，以及较低的心律失常风险。在一种常规的方法中，使用侵入性地获取的压力和/或速度测量来对侧支动脉进行功能评估。侧支动脉的这样的功能评估可以由压力导出侧支流指数、侧支压力指数、侧支阻力指数和侧支流速储备来表示。然而，由于相关联的成本和风险，这样的用于侧支动脉功能评估的常规方法实际上不能用在例行临床实践中。其他常规方法使用替代量度从冠状血管造影术提供侧支动脉的功能评估，所述替代量度诸如例如Rentrop分级、侧支计帧和侧支流等级。然而，这样的用于侧支动脉替代功能评估的常规方法实际上也不能用在例行临床实践中，因为它们耗时且依赖于手动执行的注释和观察。在仍其他的常规方法中，通过测量侧支动脉、受体动脉和供体动脉的大小或长度，通过确定分叉计数等级等，对侧支动脉进行解剖评估。然而，研究尚未能够证实这样的侧支动脉解剖评估相对于患者中的临床结果的益处。
技术实现思路
根据一个或多个实施例，提供了用于评估患者侧支循环的系统和方法。接收患者的患者数据。使用经训练的机器学习网络基于患者数据计算侧支循环评分。侧支循环评分表示患者侧支循环的运作。输出侧支循环评分。在一个实施例中，患者数据包括患者侧支动脉的一个或多个医学图像、患者的人口统计信息、针对患者的实验室测试结果和针对患者的基因测试结果。可以基于在所述一个或多个医学图像上执行的侧支动脉的解剖评估的结果，或者基于在所述一个或多个医学图像上执行的侧支动脉的功能评估的结果，来计算侧支循环评分。侧支动脉的功能评估结果可以包括虚拟侧支流指数、侧支压力指数、侧支阻力指数或侧支流速储备中的至少一个。可以使用另一个经训练的机器学习网络来计算虚拟侧支流指数。侧支动脉的功能评估结果还可以包括微血管呈色等级、虚拟冲刷侧支组学（collaterometry）、Rentrop分级、侧支计帧或侧支流等级中的至少一个。在一个实施例中，使用生成对抗网络从侧支动脉的一个或多个医学图像生成没有侧支动脉的合成图像。在一个实施例中，使用利用生成对抗网络生成的侧支动脉的合成图像来训练经训练的机器学习网络。可以使用经训练的机器学习网络来确定临床决策或心血管疾病相关事件的可能性。通过参考以下详细描述和附图，本专利技术的这些和其他优点对于本领域普通技术人员而言将是清楚的。附图说明图1示出了患者心脏的示例性血管造影术图像；图2示出了用于评估患者侧支循环的高级工作流程；图3示出了用于训练和应用机器学习网络以便评估患者侧支循环的工作流程；图4示出了用于生成侧支动脉的合成图像的工作流程；图5示出了用于训练和应用机器学习网络以便计算侧支动脉的虚拟侧支流指数的工作流程；和图6示出了计算机的高级框图。具体实施方式本专利技术总体上涉及侧支冠状动脉的评估。本文描述了本专利技术的实施例，以给出对用于侧支冠状动脉评估的方法的视觉理解。数字图像经常由一个或多个对象（或形状）的数字表示组成。对象的数字表示在本文经常是依据标识和操控对象来描述的。这样的操控是在计算机系统的存储器或其他电路/硬件中完成的虚拟操控。因此，要理解，本专利技术的实施例可以使用存储在计算机系统内的数据在计算机系统内执行。此外，应当理解的是，虽然本专利技术的实施例可以关于针对冠状动脉疾病（CAD）对患者侧支冠状动脉的评估来描述，但是本专利技术不限于此。本专利技术的实施例可以应用于任何疾病的任何血管的评估。在一个示例中，本专利技术的实施例可以被应用于针对主动脉缩窄（CoA）评估侧支循环。CoA是一种先天性心脏缺陷，其通常由进入主动脉内腔的主动脉介质的离散架状窄化组成，并且可能发生在患有先天性心脏疾病的一些患者中。在存在严重CoA的情况下，可能发展侧支循环。在另一个示例中，本专利技术的实施例可以被应用于评估视网膜中央静脉闭塞之后恢复去往视网膜的血流的新生血管化。新形成的血管通过阻断水状体的排出来表示急性青光眼的风险。在另一个示例中，本专利技术的实施例可以被应用于评估来自肝硬化的侧支循环。由肝门静脉中淤血产生的肝硬化可能在肝脏的门静脉与腔静脉的分支之间或在两个腔静脉之间引起侧支循环。由门脉高压产生的新建立的静脉侧支的后果包括食道静脉曲张和痔疮（门腔侧支循环）。还设想到本专利技术实施例用于（例如，在心血管系统中）评估各种类型侧支的其他应用。图1示出了患者心脏的示例性血管造影术图像100。血管造影术图像100描绘了左冠状动脉（LCA）、旋动脉（Cx）、左前降动脉（LAD）、钝性边缘动脉（OM）和对角动脉（D）。如图1中所示，Cx动脉具有限制去往OM动脉的血流的阻塞102。阻塞102可能是CAD的结果。由于Cx动脉中的阻塞102，侧支动脉104扩张以使得血流能够从LAD动脉的对角分支去往OM动脉，从而绕过Cx动脉中的阻塞102。临床研究已经表明，良好运作的侧支动脉104独立地预测患有慢性和急性CAD的患者中的降低死亡率。有利的是，本专利技术的实施例提供了一种基于人工智能的方法来从例行医学检查（例如，冠状血管造影术检查）中自动提取和量化侧支循环相关特征。与其他临床生物标志物组合的这样的侧支循环相关特征可以导致改进的CAD患者分层。图2示出了根据一个或多个实施例的用于评估患者侧支循环的高级工作流程200。在工作流程200中，经训练的机器学习网络214接收患者的各种患者数据，以预测侧支循环评分216。患者数据可以包括例如以下各项中的一个或多个：非侵入性医学图像202、侵入性医学图像204（例如，冠状血管造影术）、人口统计和实验室/血液测试结果210以及基因测试和分析212。在一个实施例中，可以执行非侵入性医学图像202和/或侵入性医学图像204中的侧支动脉的解剖评估206和/或功能评估208。侧支动脉的解剖评估206可以包括例如通过标识和标记侧支动脉、确定冠状动脉的测量等对与侧支动脉相关的解剖体的评估。侧支动脉的功能评估208可以包括通过确定指数或替代量度对侧支动脉功能的评估。解剖评估206和功能评估208的结果被输入到经训练的机器学习网络214中。经训练的机器学习网络214输出表示患者中侧支循环运作的侧支循环评分216。由于良好运作的侧支循环与针对CAD降低的死亡率相关，本文档来自技高网...
【技术保护点】
1.一种用于评估患者侧支循环的方法，包括：/n接收患者的患者数据；/n使用经训练的机器学习网络基于患者数据计算侧支循环评分，侧支循环评分表示患者侧支循环的运作；和/n输出侧支循环评分。/n
【技术特征摘要】
20191105 EP 19464020.7;20191105 US 16/6740331.一种用于评估患者侧支循环的方法，包括：
接收患者的患者数据；
使用经训练的机器学习网络基于患者数据计算侧支循环评分，侧支循环评分表示患者侧支循环的运作；和
输出侧支循环评分。
2.根据权利要求1所述的方法，其中患者数据包括患者的侧支动脉的一个或多个医学图像，并且其中使用经训练的机器学习网络基于患者数据计算侧支循环评分包括：
基于在所述一个或多个医学图像上执行的侧支动脉的解剖评估的结果来计算侧支循环评分。
3.根据权利要求1所述的方法，其中患者数据包括患者的侧支动脉的一个或多个医学图像，并且其中使用经训练的机器学习网络基于患者数据计算侧支循环评分包括：
基于在所述一个或多个医学图像上执行的侧支动脉的功能评估的结果来计算侧支循环评分。
4.根据权利要求3所述的方法，其中侧支动脉的功能评估的结果包括虚拟侧支流指数、侧支压力指数、侧支阻力指数或侧支流速储备中的至少一个。
5.根据权利要求4所述的方法，进一步包括：
使用另一个经训练的机器学习网络计算虚拟侧支流指数。
6.根据权利要求3所述的方法，其中侧支动脉的功能评估的结果包括微血管呈色等级、虚拟冲刷侧支组学、Rentrop分级、侧支计帧或侧支流等级中的至少一个。
7.根据权利要求1所述的方法，进一步包括：
使用利用生成对抗网络生成的侧支动脉的合成图像来训练经训练的机器学习网络。
8.根据权利要求1所述的方法，其中患者数据包括患者的侧支动脉的一个或多个医学图像，所述方法进一步包括：
使用生成对抗网络从侧支动脉的一个或多个医学图像生成没有侧支动脉的合成图像。
9.根据权利要求1所述的方法，进一步包括：
使用经训练的机器学习网络确定临床决策。
10.根据权利要求1所述的方法，进一步包括：
使用经训练的机器学习网络确定心血管疾病相关事件的可能性。
11.根据权利要求1所述的方法，其中患者数据包括患者的人口统计信息、针对患者的实验室测试结果和针...
【专利技术属性】
技术研发人员：L·M·伊图，T·帕塞里尼，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
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。