【技术实现步骤摘要】
【国外来华专利技术】
技术介绍
1、超声心动图(“echo”)是通过使用专用的床边成像系统或便携式成像系统来拍摄心脏的超声图像及其相关联的解剖结构来执行的。使用超声来拍摄心脏结构和功能具有优于其它成像方式的若干优点，包括高时间分辨率、非侵入性、低成本和便携性。在超声心动图研究中拍摄的图像/视频通常由超声医生或心脏病专家手动分析，超声医生或心脏病专家会解释这些结果，以指导不同心血管疾病的诊断、治疗方案和预后。然而，这种手动分析耗时，并且需要高水平的训练，这可能是昂贵的，或者由于在低资源地区专业知识匮乏而受到阻碍。另外，由于导致可能影响患者管理或治疗结果的差的可再现性的特异性因素，人工解释可能具有主观性且缺乏一致性。因此，准确且自动化地分析超声心动图提供了减轻这些问题的潜力：1)它可以提高效率，从而使医师能够获得更多的分析时间；2)它可以提供一致且可再现的结果；以及3)它可以加强临床解释和决策制定。
技术实现思路
1、在本申请的具体方面中，提供了一种用于从超声心动图研究中实时估计下腔静脉(ivc)可塌陷性(collapsibility)和右心房压(rap)的人工智能(ai)系统。该系统包括：图像检索网络，配置为接收来自超声心动图研究的图像，并且执行图像的质量评定，以生成选定图像；区域分割网络，该区域分割网络被配置为对选定图像进行定位和分割，以获得选定图像中的ivc区域；ivc量化和rap估计网络，该ivc量化和rap估计网络被配置为执行距离计算，以找到在不同的空间和时间点的ivc区域中的直径；以及开放世界
2、在本申请的另一方面中，提供了一种由人工智能(ai)系统执行的用于从超声心动图研究实时估计下腔静脉(ivc)可塌陷性和右心房压(rap)的方法。该方法包括：接收来自超声心动图研究的图像，并且执行图像的质量评定，以生成选定图像；对选定图像进行定位和分割，以得到选定图像中的ivc区域；执行距离计算，以找到在不同的空间和时间点的ivc区域中的直径；对选定图像中的已知视图和未知视图进行分类；以及将未知视图分组为用于更新ai系统中的分类能力的一个或多个聚类。通过在不同的空间位置和不同的时间点执行ivc厚度计算和可塌陷性分析，该方法能够更可靠地测量ivc和rap值。
3、在本申请的又一方面中，提供了一种在人工智能(ai)系统中实施的用于从超声心动图研究实时估计下腔静脉(ivc)可塌陷性和右心房压(rap)的非暂时性计算机可读介质。该非暂时性计算机可读介质包括指令，这些指令在由计算机运行时对计算机进行配置，以执行包括以下步骤的步骤：接收来自超声心动图研究的图像，并且执行图像的质量评定，以产生选定图像；对选定图像进行定位和分割，以得到选定图像中的ivc区域；执行距离计算，以找到在不同空间和时间点的ivc区域中的直径；对选定图像中的已知视图和未知视图进行分类；以及将未知视图分组为用于更新ai系统中的分类能力的一个或多个聚类。通过在不同的空间位置和不同的时间点执行ivc厚度计算和可塌陷性分析，ai系统能够更可靠地测量ivc和rap值。
本文档来自技高网...【技术保护点】
1.一种人工智能(AI)系统，用于从超声心动图研究实时估计下腔静脉(IVC)可塌陷性和右心房压(RAP)，所述系统包括：
2.根据权利要求1所述的系统，其中，所述分类引擎配置为检测所述选定图像中的已知视图和所述选定图像中的未知视图。
3.根据权利要求2所述的系统，其中，所述聚类引擎配置为将所述未知视图分组为一个或多个聚类，以用于更新所述分类引擎。
4.根据权利要求3所述的系统，其中，所述开放世界主动学习系统配置为：
5.根据权利要求1所述的系统，其中，所述区域分割网络包括空间变换网络，以聚焦在所述选定图像的特定区域上。
6.根据权利要求5所述的系统，其中，所述区域分割网络还包括：
7.根据权利要求6所述的系统，其中，使用路径融合，将所述空间路径、所述手工提取路径和所述环境路径的输出组合，以获得加权特征向量。
8.根据权利要求7所述的系统，其中，所述路径融合包括：
9.根据权利要求1所述的系统，其中，所述图像检索网络包括：
10.根据权利要求1所述的系统，其中，所述区域分割网
11.一种由人工智能(AI)系统执行的用于从超声心动图研究实时估计下腔静脉(IVC)可塌陷性和右心房压(RAP)的方法，所述方法包括：
12.根据权利要求11所述的方法，还包括：
13.根据权利要求11所述的方法，其中，对所述选定图像进行定位和分割以获得所述选定图像中的IVC区域包括：
14.根据权利要求13所述的方法，还包括：使用路径融合，将所述选定图像的所述特定区域的所述低层级细节、所述选定图像的所述特定区域的所述丰富纹理特征以及所述感受野组合，以获得加权特征向量。
15.根据权利要求14所述的方法，其中，使用所述路径融合将所述选定图像的所述特定区域的所述低层级细节、所述选定图像的所述特定区域的所述丰富纹理特征以及所述感受野组合包括：
16.一种在人工智能(AI)系统中实施的用于从超声心动图研究实时估计下腔静脉(IVC)可塌陷性和右心房压(RAP)的非暂时性计算机可读介质，所述非暂时性计算机可读介质包括指令，所述指令在由计算机运行时配置所述计算机以执行步骤，所述步骤包括：
17.根据权利要求16所述的非暂时性计算机可读介质，还包括指令，所述指令在被运行时配置所述计算机以执行进一步的步骤，所述步骤包括：
18.根据权利要求16所述的方法，其中，对所述选定图像进行定位和分割以获得所述选定图像中的IVC区域包括：
19.根据权利要求18所述的方法，其中，还包括指令，所述指令在被运行时配置所述计算机以执行进一步的步骤，所述步骤包括：使用路径融合将所述选定图像的所述特定区域的所述低层级细节、所述选定图像的所述特定区域的所述丰富纹理特征以及所述感受野组合，以获得加权特征向量。
20.根据权利要求19所述的方法，其中，使用所述路径融合将所述选定图像的所述特定区域的所述低层级细节、所述选定图像的所述特定区域的所述丰富纹理特征以及所述感受野组合包括：
...【技术特征摘要】
【国外来华专利技术】
1.一种人工智能(ai)系统，用于从超声心动图研究实时估计下腔静脉(ivc)可塌陷性和右心房压(rap)，所述系统包括：
2.根据权利要求1所述的系统，其中，所述分类引擎配置为检测所述选定图像中的已知视图和所述选定图像中的未知视图。
3.根据权利要求2所述的系统，其中，所述聚类引擎配置为将所述未知视图分组为一个或多个聚类，以用于更新所述分类引擎。
4.根据权利要求3所述的系统，其中，所述开放世界主动学习系统配置为：
5.根据权利要求1所述的系统，其中，所述区域分割网络包括空间变换网络，以聚焦在所述选定图像的特定区域上。
6.根据权利要求5所述的系统，其中，所述区域分割网络还包括：
7.根据权利要求6所述的系统，其中，使用路径融合，将所述空间路径、所述手工提取路径和所述环境路径的输出组合，以获得加权特征向量。
8.根据权利要求7所述的系统，其中，所述路径融合包括：
9.根据权利要求1所述的系统，其中，所述图像检索网络包括：
10.根据权利要求1所述的系统，其中，所述区域分割网络是轻量级区域分割网络，所述轻量级区域分割网络配置为实现85帧每秒(fps)的ivc分割速率。
11.一种由人工智能(ai)系统执行的用于从超声心动图研究实时估计下腔静脉(ivc)可塌陷性和右心房压(rap)的方法，所述方法包括：
12.根据权利要求11所述的方法，还包括：
13.根据权利要求11所述的方法，其中，对所述选定图像进行定位和分割以获得所述选...
【专利技术属性】
技术研发人员：加达·A·阿尔扎姆兹米，萨米尔·K·安塔尼，徐立岳，万达纳·萨奇德夫，希瓦拉马·克里希南·拉贾拉曼，
申请(专利权)人：美国卫生和人力服务部，
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。