[发明专利]基于医疗图像的心源性栓塞型中风风险预测系统和方法

权利要求书

1.一种用于基于医疗图像的患者特定的中风风险预测的装置，包括：

用于从患者的医疗图像数据提取左心房LA和左心耳LAA测量结果的构件；

用于基于从患者的医疗图像数据提取的LA和LAA测量结果使用患者特定的心功能计算模型来针对患者的LA和LAA计算导出度量的构件；以及

用于基于提取出的LA和LAA测量结果以及针对患者的LA和LAA计算出的导出度量使用经训练的基于机器学习的分类器来计算针对患者的中风风险分值的构件，其中将提取出的LA和LAA测量结果以及针对LA和LAA计算出的导出度量作为特征输入到经训练的基于机器学习的分类器以及经训练的基于机器学习的分类器将提取出的LA和LAA测量结果以及针对LA和LAA计算出的导出度量映射到中风风险分值。

2.根据权利要求1所述的装置，其中用于从患者的医疗图像数据提取左心房LA和左心耳测量结果的构件包括：

用于在患者的医疗图像数据中分割LA的构件。

3.根据权利要求2所述的装置，其中作为特征输入到经训练的基于机器学习的分类器的左心房LA和左心耳测量结果包括基于分割出的LA确定的LA容积、LAA容积和LAA波瓣数目。

4.根据权利要求2所述的装置，其中用于从患者的医疗图像数据提取左心房LA和左心耳测量结果的构件还包括：

用于从患者的医疗图像数据针对LA和LAA提取血液动力学测量结果的构件。

5.根据权利要求1所述的装置，其中用于基于从患者的医疗图像数据提取的LA和LAA测量结果使用患者特定的心功能计算模型来针对患者的LA和LAA计算导出度量的构件包括：

用于使用患者特定的心功能计算模型来仿真LA和LAA中的血流的构件；以及

用于基于LA和LAA中的仿真出的血流来针对LA和LAA计算血液动力学特征的构件，其中将血液动力学特征输入到经训练的基于机器学习的分类器。

6.根据权利要求5所述的装置，其中用于基于LA和LAA中的仿真出的血流来针对LA和LAA计算血液动力学特征的构件包括：

用于基于LA和LAA中的仿真出的血流来针对LAA中的至少多个位置计算导出的血液动力学参数的构件，其中，导出的血液动力学参数包括以下中的一个或多个：相对停留时间RRT、能量损耗、压力损耗系数、壁切变应力WSS或震荡指数OSI。

7.根据权利要求5所述的装置，其中用于基于LA和LAA中的仿真出的血流来针对LA和LAA计算血液动力学特征的构件包括：

用于基于LA和LAA中的仿真出的血流来针对LAA中的至少多个位置计算血流速度或压力中的至少一个的统计学特性的构件。

8.根据权利要求5所述的装置，其中用于基于从患者的医疗图像数据提取的LA和LAA测量结果使用患者特定的心功能计算模型来针对患者的LA和LAA计算导出度量的构件还包括：

用于使用患者特定的心功能计算模型来仿真LA中的电信号传播的构件；以及

用于从LA中的仿真出的电信号传播针对LA和LAA计算电生理学特征的构件，其中，将计算出的电生理学特征作为特征输入到基于机器学习的分类器。

9.根据权利要求1所述的装置，其中作为特征输入到基于机器学习的分类器的提取出的LA和LAA测量结果包括LA容积、LAA容积和LAA波瓣数目，并且作为特征输入到基于机器学习的分类器的计算出的导出度量包括在LA和LAA中一个或多个点处的以下中的一个或多个：相对停留时间RRT、能量损耗、压力损耗系数、壁切变应力WSS、震荡指数OSI、平均血流速度或平均血压。