[发明专利]用于基于机器学习来评估血管阻塞的方法和系统

权利要求书

1.一种用于评估血管阻塞的严重性的方法，包括：

a）获得对于目标器官的对比增强体积图像数据集合；

b）将所述体积图像数据集合中的至少一部分分割成对应于所述目标器官的壁区的数据段；

c）分析所述数据段以提取指示依据所述目标器官的壁区的灌注经历的量的特征；

d）获得从所灌注器官的训练集合中导出的特征灌注分类（FPC）模型；

e）基于所述提取的特征并且基于所述FPC模型对所述数据段进行分类；以及

f）基于所述特征的所述分类来提供指示血管阻塞的严重性的预测作为输出。

2.根据权利要求1所述的方法，其中：

所述FPC模型包括训练特征与参考流体动力学参数之间的关系，所述参考流体动力学参数指示用于所灌注器官的所述训练集合的对应壁区的血管灌注的基线量；以及

所述参考流体动力学参数优选地包括有创流量储备分数测量结果。

3.根据任何前述权利要求所述的方法，其中：

所述特征是纹理和/或形态特征和/或

所述特征使用卷积自动编码器、高斯滤波器、透壁灌注比率、Haralick特征、心肌厚度或所述目标器官的形状来确定；和/或

所述器官是所述心肌和所述血管所述冠状动脉；和/或

以无监督的方式将所述心肌压缩成多个编码，其中所述编码被分析为数据段以在c）中提取特征以用于在e）中的分类；和/或

是输出的所述指示，其指示所述血管阻塞相对于训练血管阻塞的严重性。

4.根据任何前述权利要求所述的方法，其中：

e）的所述分类利用从以下参数中的一个或多个中选择的辅助信息：冠状动脉树解剖构造、所述患者的人口统计信息、冠状动脉钙化、冠状动脉斑块、光谱多能量或光子计数、ECG参数、心脏生物标记、所述心脏周围或所述心脏内的脂肪组织、心肌的形状等。

5.根据任何前述权利要求所述的方法，其中：

c）的所述分析包括针对所述数据段中的每个提取特征向量，所述特征向量包括从所述对应数据段中测量或提取的多个因子，其中所述多个因子描述或表征了所述对应壁区的本质。

6.根据任何前述权利要求所述的方法，其中：

从对比增强体积图像数据集合的数据库以及从所述对比增强体积图像数据集合中提取的相关联训练特征向量中获得所述FPC模型，所述训练特征向量包括已知标签；以及

e）的所述分类利用基于所述已知标签训练的机器学习算法，所述机器学习算法基于所述特征对所述数据段进行分类。

7.根据任何前述权利要求所述的方法，还包括：

实现训练阶段以形成所述FPC模型，所述FPC模型将用于来自所述训练集合的所述器官的对比增强体积图像数据集合的所灌注器官的所述训练集合的训练特征和与灌注所述器官的一个或多个血管相关的参考流体动力学参数进行分类，所述训练阶段包括：

i）在所述训练集合中提供所述器官中的每个的对比增强体积图像数据集合；

ii）分割所述训练集合的所述器官；

iii）分析所述数据段以提取指示依据所述训练集合的所述器官的壁区的灌注经历的量的训练特征；以及

iv）将所述训练集合的所述器官的所述训练特征相对于参考流体动力学参数进行分类，所述参考流体动力学参数指示用于所灌注器官的所述训练集合的对应区的血管灌注的基线量，以形成所述FPC模型。

8.根据权利要求1或7所述的方法，其中：

在执行e）的所述分类之前，（c）的所述分析对提取的特征进行聚类；和/或

在执行iv）的所述分类之前，iii）的所述分析对提取的训练特征进行聚类。