[发明专利]改进用于自动量化冠状动脉疾病的机器学习模型的性能

权利要求书

1.一种用于对经训练的机器学习模型进行再训练的方法，包括：

接收一个或多个输入医学图像；

使用经训练的机器学习模型，根据所述一个或多个输入医学图像来预测针对主要任务和次要任务的感兴趣度量；

输出针对主要任务和次要任务的预测的感兴趣度量；

接收关于针对次要任务的预测的感兴趣度量的用户反馈；和

基于关于针对次要任务的输出的用户反馈，对经训练的机器学习模型进行再训练，以用于预测针对主要任务和次要任务的感兴趣度量。

2.根据权利要求1所述的方法，其中，用户不能根据所述一个或多个输入医学图像直接验证针对主要任务的感兴趣度量，并且用户可以根据所述一个或多个输入医学图像直接验证针对次要任务的感兴趣度量。

3.根据权利要求1所述的方法，其中，所述用户反馈包括对针对所述次要任务的所述预测的感兴趣度量的接受或拒绝。

4.根据权利要求1所述的方法，其中，所述用户反馈包括对针对所述次要任务的所述预测的感兴趣度量的修改。

5.根据权利要求1所述的方法，还包括：

使用经再训练的机器学习模型根据所述一个或多个输入医学图像来预测针对主要任务和次要任务的附加感兴趣度量；以及

基于使用经训练的机器学习模型预测的感兴趣度量与使用经再训练的机器学习模型预测的附加感兴趣度量之间的差异来确定针对主要任务和次要任务的预测的附加感兴趣度量中的置信度的度量。

6.根据权利要求1所述的方法，其中，使用经训练的机器学习模型根据所述一个或多个输入医学图像来预测针对主要任务和次要任务的感兴趣度量包括：使用经训练的机器学习模型，根据来自第一图像序列的单个输入医学图像和来自第二图像序列的单个输入医学图像，预测针对主要任务和次要任务的感兴趣度量，并且所述方法还包括：

使用经训练的机器学习模型，根据来自第一图像序列的两个输入医学图像和来自第二图像序列的两个输入医学图像，预测针对主要任务和次要任务的附加感兴趣度量；以及

基于以下两项之间的差异来确定针对主要任务和次要任务的预测的感兴趣度量和/或预测的附加感兴趣度量中置信度的度量：1）使用经训练的机器学习模型根据来自第一图像序列的单个输入医学图像和来自第二图像序列的单个输入医学图像预测的所述感兴趣度量，和2）使用经训练的机器学习模型根据来自第一图像序列的所述两个输入医学图像和来自第二图像序列的所述两个输入医学图像预测的所述附加感兴趣度量。

7.根据权利要求1所述的方法，其中，针对所述主要任务的感兴趣度量包括血液动力学指标。

8.根据权利要求7所述的方法，其中，所述血液动力学指标是虚拟分数血流储备。

9.根据权利要求1所述的方法，其中，针对次要任务的感兴趣度量包括以下各项中的至少一项：测量点的位置、公共图像点的位置、狭窄的位置和血管的分割。

10.根据权利要求1所述的方法，还包括通过以下步骤选择所述一个或多个输入医学图像：

接收在获取第一图像序列和第二图像序列期间获取的相应心电图信号；

基于第一图像序列和第二图像序列的相应的心电图信号将指标与第一图像序列和第二图像序列中的每个图像相关联；

基于第一图像序列和第二图像序列相关联的指标将第一图像序列的图像与第二图像序列的图像相匹配；以及

选择匹配的第一序列的图像和第二序列的图像作为所述一个或多个输入医学图像。