[发明专利]用于基于可穿戴传感器网络进行个人化血流建模的方法和系统

说明书

本申请要求于2016年4月12日提交的美国临时申请号62/321,441的权益，其公开以其整体通过引用并入在本文中。

技术领域

本发明涉及用于模拟患者的血管中的血流的基于医学图像的血流计算，并且更特别地，涉及使用侵入性生理测量来增强基于医学图像的血流计算。

背景技术

心血管疾病(CVD)是全世界死亡的主要原因。原发性高血压是最常见的年龄相关慢性心血管障碍之一，其影响超过10亿人。世界卫生组织认为在其列出的19种影响全球健康的主要风险因素之中，高血压是发病率和死亡率的最重要来源。由于使人易患心力衰竭、肾病、中风、及痴呆，以及对于社会的后续成本，高血压是用于改进低、中和高收入国家中的老年人的健康和幸福的主要治疗目标。高血压占中风的54％和全部缺血性心脏事件的47％。通常在肱动脉处使用振动测定法测量血压。不幸的是，由于动脉波反射的存在，中心动脉收缩压(CASP)常常显著地低于肱动脉收缩BP(BASP)。压力放大的人员特定性质导致CASP和BASP之间的仅中度的相关性。

下肢的外周动脉疾病(PAD)是影响近似1200万美国人民的常见疾病。动脉粥样硬化是下肢的PAD的主要原因。PAD的流行基于调查的人口和计算踝臂指数(ABI)的方法而不同。ABI是用以帮助诊断腿中的外周动脉疾病(PAD)的严重性并对其分等级的最初筛选测试。

主动脉缩窄(CoA)是先天性心脏缺陷，其通常由主动脉中层(aortic media)至主动脉管腔中的离散平层状(shelf like)变窄构成，发生在具有先天性心脏病的全部患者中的5至8％中。出生时具有CoA的患者需要终身医学/外科护理，其包括侵入性和无创性成像、药物治疗，以及如果CoA复发，则包括侵入性导管插入或外科介入以减小升主动脉中的血压。用于评估主动脉缩窄的功能严重性的一种技术是测量臂和腿之间的血压差异。

近年来，在用于对人体心血管系统中的血流建模的计算途径方面已经存在相当多关注。使用计算流体动力学(CFD)算法执行的血流计算，在结合从医学图像提取的患者特定解剖模型使用时，已经被提出用于诊断、风险分级、以及手术规划。

发明内容

本发明提供用于基于从可穿戴传感器网络获取的患者数据执行个人化(personalize)血流计算和提取针对患者的感兴趣的血流动力学度量的方法和系统。本发明的实施例利用整个体循环的患者特定血流模型，其根据从可穿戴传感器网络导出的连续测量结果的集合和初始临床测量结果的集合而是个人化的。由于可穿戴传感器网络能够连续地获取数据，血流模型能够针对多种患者状态而个人化。

在本发明的一个实施例中，基于患者数据来生成患者的血管的个人化解剖模型。从患者身上的可穿戴传感器网络接收患者的一个或多个连续心血管测量结果。基于来自所述可穿戴传感器网络的所述一个或多个连续心血管测量结果来使用于模拟患者的血管的患者特定解剖模型中的血流的计算血流模型个人化。使用个人化计算血流模型来模拟患者的血管的所述患者特定解剖模型中的血流和血压。基于模拟的血流和血压来计算针对患者的一个或多个感兴趣的血流动力学度量。

在本发明的另一个实施例中，基于患者数据来生成患者的血管的个人化解剖模型。从患者身上的可穿戴传感器网络接收患者的一个或多个连续心血管测量结果。基于患者的血管的个人化解剖模型和来自可穿戴传感器网络的一个或多个连续心血管测量结果使用训练的机器学习模型来预测针对患者的一个或多个感兴趣的血流动力学度量。

通过参考下面的详细描述和附图，本发明的这些和其他优点对于本领域普通技术人员来说将是显而易见的。

附图说明

图1图示根据本发明的实施例的用于执行个人化血流计算并提取针对患者的感兴趣的血流动力学度量的方法；

图2图示根据本发明的实施例的用于执行个人化血流计算并提取针对患者的感兴趣的血流动力学度量的系统；

图3图示根据本发明的实施例的执行个人化全身血流计算并提取针对患者的感兴趣的血流动力学度量的方法；

图4图示根据本发明的实施例的示例性全身系统动脉模型；

图5图示根据本发明另一实施例的用于执行个人化血流计算并提取针对患者的感兴趣的血流动力学度量的方法；

图6图示根据本发明的实施例的基于可穿戴传感器网络预测针对患者的感兴趣的血流动力学度量的基于机器学习的方法；以及