[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

说明书

一种用于为患者提供动脉粥样硬化斑块的评定的个性化评估的计算机实现的方法获取患者数据，该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并且一个或多个机器学习模型被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。

技术领域

本发明一般地涉及用于通过使用机器学习技术对动脉粥样硬化斑块进行个性化评估的方法、系统和装置。

背景技术

心血管疾病（CVD）在全球都是主要死因。最普遍和毁灭性的CVD是动脉粥样硬化，主要是大型和中型导管动脉的慢性、炎症性、纤维增生性失调。其发起和发展与血管内皮紧密联系，所述血管内皮对应于由于动脉的复杂几何结构以及诸如动脉粥样硬化斑块之类的病理学特性的后天存在所致的作用于血管壁的动态力。

大多数心血管事件、比如中风和心肌梗塞是由引起末梢栓塞的动脉粥样硬化斑块破裂引起的。在先的研究已经示出了血液动力学的量与动脉粥样硬化斑块的发起、发展和破裂有关系。这些血液动力学的量进而既受系统性质也受局部几何结构（某些区、比如分支易受斑块形成）影响。因而，血液动力学的量、即压力、速度、流率和流生成的内皮切变应力（ESS）在对斑块发起、发展和破裂的理解中起着关键作用。此外，血液动力学因素与其它患者信息（比如人口统计学、血液生物标记信息、过去的历史等等）的组合可以用于获得对患者状况的一致理解以及对患者恢复结果的更好理解。

发明内容

本发明的实施例通过提供与使用机器学习技术对动脉粥样硬化斑块的个性化评定有关的方法、系统和装置而解决和克服上述缺点和缺陷中的一个或多个。

根据一些实施例，一种用于为患者提供动脉粥样硬化斑块的评定的个性化评估的计算机实现的方法获取患者数据，该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并且一个或多个机器学习模型被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。在一些实施例中，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。该报告可以被存储在患者特定的医学记录中。

在先前提及的方法的一些实施例中，通过使用包括进行于电脑中的解剖模型（insilico anatomical model）和体外解剖模型中的一个或多个的综合数据的数据库来训练机器学习模型。可以通过首先为进行于电脑中的解剖模型执行流体固体增长（FSG）计算或为体外解剖模型执行流实验以产生输出数据而训练机器学习模型。从输出数据提取感兴趣的度量，并且从综合数据的数据库提取几何特征和斑块有关的特征。然后，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。

进行于电脑中的解剖模型可以通过在冠状动脉树的每个生成时规定多个血管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并且为冠状动脉树的每个生成定义健康几何信息而被生成。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。然后可以确立冠状动脉树中的狭窄，其修改所述健康几何信息。此外，可以为冠状动脉树中的每个狭窄确立斑块组成。接下来，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新的进行于电脑中的解剖模型。一旦被更新，所述新的进行于电脑中的解剖模型就被存储在综合数据的数据库中。

在一些实施例中，可以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针对每个狭窄的斑块组成。例如，在一个实施例中，针对每个狭窄的斑块组成包括通过如下确立的斑块材料：（i）随机选择斑块材料的每个体积的中心；（ii）随机选择针对斑块材料的大小和形状；（iii）随机选择针对斑块组成的材料性质；以及（iv）通过使用所述中心、大小、形状和材料性质而确立斑块材料。在一个实施例中，针对每个狭窄的斑块组成模仿预定义的高风险斑块组成。