[发明专利]用于动脉粥样硬化的个性化评定、长期预测和管理的基于学习的方法

权利要求书

1.一种用于为患者提供动脉粥样硬化斑块评定的个性化评估的计算机实现的方法，所述方法包括：

获取患者数据，所述患者数据包括非侵入性患者数据、患者的医学图像以及血液生物标记；

从患者数据提取感兴趣的特征；以及

将一个或多个机器学习模型应用于所述感兴趣的特征以预测与动脉粥样硬化斑块有关的感兴趣的一个或多个度量；

此外包括通过使用一个或多个进行于电脑中的解剖模型的综合数据的数据库来训练机器学习模型；

其中所述进行于电脑中的解剖模型通过如下被生成：

通过在冠状动脉树的每次生成时规定血管的数目来初始化冠状动脉树解剖模型的新进行于电脑中的解剖模型骨架；

在冠状动脉树的每次生成时定义健康几何信息，其中所述健康几何信息包括血管半径、锥化度以及分支长度中的一个或多个；

确立冠状动脉树中的一个或多个狭窄，所述狭窄修改所述健康几何信息；以及

为冠状动脉树中的每个狭窄来确立斑块组成；

基于经修改的健康几何信息以及针对冠状动脉树中每个狭窄的斑块组成而更新所述进行于电脑中的解剖模型；以及

将所述进行于电脑中的解剖模型存储在综合数据的数据库中。

2.根据权利要求1所述的方法，此外包括：

以结构化格式生成报告，其描述与动脉粥样硬化斑块有关的感兴趣的度量；以及

将所述报告存储在患者特定的医学记录中。

3.根据权利要求1所述的方法，其中通过使用包括以下各项的过程来训练机器学习模型：

为进行于电脑中的解剖模型执行流体固体增长计算或为体外解剖模型执行流动实验以产生输出数据；

从输出数据提取感兴趣的度量；

从综合数据的数据库提取几何特征和斑块有关的特征；以及

训练机器学习模型，从而通过使用来自输出数据的感兴趣的度量、几何特征和斑块有关的特征来预测与动脉粥样硬化斑块有关的感兴趣的度量。

4.根据权利要求1所述的方法，其中通过从多个预定义的斑块组成类型中随机选择特定斑块组成而确立每个狭窄的斑块组成。

5.根据权利要求4所述的方法，其中所述每个狭窄的斑块组成包括通过如下确立的斑块材料：

随机选择斑块材料的每个体积的中心；

随机选择斑块材料的大小和形状；以及

随机选择斑块组成的材料性质；以及

通过使用所述中心、大小、形状和材料性质而确立斑块材料。

6.根据权利要求4所述的方法，其中所述每个狭窄的斑块组成模拟预定义的高风险斑块组成。

7.根据权利要求1所述的方法，其中所述一个或多个机器学习模型包括：

被训练成预测斑块信息的第一机器模型，

被训练成预测斑块发展的第二机器模型，以及

被训练成预测斑块破裂的第三机器模型。

8.根据权利要求1所述的方法，其中机器学习模型被并行地应用到感兴趣的特征。

9.根据权利要求1所述的方法，其中所述一个或多个机器学习模型包括：

被训练成预测每个分支的缺血性权重的第一机器学习模型；

被训练成预测缺血性贡献评分的第二机器学习模型，

被训练成预测感兴趣的血液动力学度量的第三机器学习模型，

被训练成预测感兴趣的斑块有关的度量的第四机器学习模型，以及

被训练成预测将来心血管事件的风险的第五机器学习模型。

10.根据权利要求9所述的方法，其中以级联工作流来应用机器学习模型，所述级联工作流通过在级联工作流中将每个机器学习模型的输出用作后续机器学习模型的输入而顺序地应用机器学习模型。

11.根据权利要求1所述的方法，此外包括：

生成与动脉粥样硬化斑块有关的感兴趣的度量的可视化。