[发明专利]血流储备分数(FFR)指标

说明书

如本文所描述的，基于某些提取的特征来将未知FFR分类。另外，能够基于某些提取的特征来确定对所述未知FFR的估计。此外，能够确定所估计的FFR的置信区间。在另一实例中，确定了用于经由模拟来确定FFR的边界条件。所述边界条件能够被用于将所述未知FFR分类。

技术领域

下文总体涉及血流储备分数指标并且结合对计算机断层摄影(CT)的具体应用加以描述。然而，下文也适用于其他成像模态，包括X-射线、磁共振成像(MRI)和/或其他成像模态。

背景技术

FFR是冠状动脉狭窄的功能严重性的指标，FFR根据在冠状动脉造影期间进行的压力测量来计算并且被定义为在充血情况下相对于(靠近心门的)近端压力的(狭窄后面的)远端血压。换言之，FFR指标表达相较于假定没有狭窄的最大血流量的进入存在狭窄的血管内的最大血流量。FFR值是在0与1之间的绝对数，其中，值0.50指示给定的狭窄引起血压下降50％，并且有助于狭窄程度的诊断。

已经使用压力丝来获得狭窄之前和之后的血压来测量FFR指标。例如，在冠状动脉导管插入期间，使用鞘和导丝来将导管插入股动脉或桡动脉中。附着到导管尖端的传感器被放置在狭窄处。在由影响血管几何结构、依从性和阻力和/或其他特性的各种药剂促进的情况期间，拉回导管并且因此拉回传感器，并且传感器感测压力、温度和流量，记录在狭窄两端的压力、温度和流量。遗憾的是，该方法是昂贵且微创的，从而将患者暴露于健康风险中。

估计FFR指标的无创方法是通过其中模拟通过冠状动脉的血流和压力的计算流体动力学(CFD)模拟。对于该方法，3D冠状动脉几何结构是基于患者的心脏CT扫描的。遗憾的是，利用该方法，没有很好地定义提取的几何结构之外的边界条件(即，流量、压力和/或阻力)，并且在入口(心门)和血管-出口处的流量和压力的值极大地影响FFR估计准确度。该方法也是耗时的，从而需要密集性计算(例如，高达数小时)并且假定非常高质量的几何结构数据(例如，冠状动脉分割)，这通常意味着大量的手动编辑。

发明内容

本文描述的方面解决了以上提到的问题和其他问题。

如下文所描述的，基于某些提取的特征来将未知FFR分类。另外，能够基于某些提取的特征来确定对所述未知FFR的估计。此外，能够确定所估计的FFR的置信区间。在另一实例中，确定了用于经由模拟来确定FFR的边界条件。所述边界条件能够被用于将所述未知FFR分类。

在一个方面中，一种方法包括：基于提取的特征和学习模型来将针对具有狭窄的心血管的未知血流储备分数度量分类为多个不同预定义类别中的一种，并且生成指示所述分类的信号，其中，从其中包括所述心血管和所述狭窄的表示的图像数据分割的经分割的图像数据提取所述提取的特征。

在另一方面中，一种方法包括：基于提取的特征和学习模型来将针对心血管的狭窄的未知血流储备分数度量估计到多个不同预定义类别中的一种中，并且生成指示所述估计的信号，其中，从其中包括所述心血管和所述狭窄的表示的图像数据分割的经分割的图像数据提取所述提取的特征。

在另一方面中，一种方法包括：基于包括血管和狭窄的表示的图像数据来估计所述血管的所述狭窄的边界条件，所述边界条件包括所述狭窄的估计的出口流率或所述狭窄的估计的出口阻力中的至少一个。

在另一方面中，一种系统包括数据分析器，所述数据分析器基于估计的血流储备分数的分类或置信区间或用于计算流体动力学模拟的狭窄的至少一个边界条件来确定针对所述狭窄的未知血流储备分数的血流储备分数分类、所述狭窄的估计的血流储备分数中的至少一个，以确定针对所述狭窄的血流储备分数。

附图说明

本发明可以采用各种部件和部件的布置，以及各种步骤和步骤布置的形式。附图仅出于图示优选实施例的目的，并且不应被解释为对本发明的限制。

图1示意性地图示了与数据分析器连接的成像系统。