[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

说明书

提供了基于医疗图像的心源性栓塞型中风风险预测系统和方法。公开了用于基于医疗图像的患者特定的缺血性中风风险预测的系统和方法。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。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计算针对患者的LA和LAA的导出度量。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，其输入提取出的LA和LAA测量结果以及针对患者的LA和LAA计算出的导出度量作为特征。

本申请主张提交于2016年3月1日的美国临时申请号62/301,861的权益，其公开内容通过引用以其整体被并入到本文中。

技术领域

本发明涉及患者特定的中风风险预测，并且更特别地涉及基于医疗图像的患者特定的心源性栓塞型中风风险预测。

背景技术

中风在美国中是成人残疾的主要原因以及死亡的第五主要原因。有两种类型的中风，出血性和缺血性，其中发生的中风近似13%为出血性并且87%为缺血性。缺血性中风又可以是栓塞型（~20%）或血栓型（~80%）类型。在栓塞型中风中，血凝块或血小板碎片形成在人体中的某处（通常是心脏）并且运送到大脑，其在大脑处阻塞小血管。在血栓型中风中，血凝块形成在向大脑供给血液的动脉内部。

由于较大颅内动脉阻塞和较大的缺血性脑容积，栓塞型中风比非栓塞型中风不成比例地更加致残。已估算出45-50%的栓塞型中风发生在具有心房纤颤（Afib）的心脏中。此外，已估算出2011年美国中大约230万到320万人受心房纤颤影响，并且基于流行病学数据，到2050年，患有心房纤颤的患者的未来推测可能超过1200万。

关于针对心源性栓塞型中风患者的风险预测的当前临床实践是大量的，并且包括详细病史、体检（包括针对杂音的心脏听诊和针对心律不齐的评估）、神经成像、心电图以及实验室和超声心动图数据。然而，从这样的评估提取的风险指标受限于具有大的方差的简单统计指示符，其通常是基于临床纵向数据。该风险预测方法存在多种缺点，包括时间可塑性（即，不确定性）和大范围的这些指标，以及弱/降低的患者特异性。

发明内容

本发明提供了一种用于患者特定的缺血性中风风险的预测的方法和系统。本发明的实施例提供基于对左心房（LA）和左心耳（LAA）的自动化分析的缺血性中风风险预测。

在本发明的一个实施例中，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。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计算针对患者的LA和LAA的导出度量。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，其中将提取出的LA和LAA测量结果以及针对患者的LA和LAA计算出的导出度量作为特征输入到经训练的基于机器学习的分类器。

通过参考以下详细描述和附图，本发明的这些和其它优点对本领域技术人员将是清楚的。

附图说明

图1图示出根据本发明的实施例的基于医疗图像的患者特定的缺血性中风风险预测的方法；

图2图示出从CT数据分割的左心房（LA）的示例性三角形网格；

图3A和图3B图示出根据本发明的实施例的基于部分的左心房（LA）模型；

图4图示出LA中的仿真血流的示例；

图5图示出其中在LA的表面上视觉化血液动力学特征区域的示例性特征图；以及

图6是能够实现本发明的计算机的高级框图。

具体实施方式