[发明专利]骨骼健康的个性化评估有效
申请号: | 201810155004.5 | 申请日: | 2018-02-23 |
公开(公告)号: | CN108498075B | 公开(公告)日: | 2021-09-24 |
发明(设计)人: | L.M.伊图;C.F.丘斯德尔;P.沙尔马 | 申请(专利权)人: | 西门子保健有限责任公司 |
主分类号: | A61B5/00 | 分类号: | A61B5/00;A61B5/145;A61B6/00;A61B6/03;A61B5/055;A61B8/08 |
代理公司: | 中国专利代理(香港)有限公司 72001 | 代理人: | 杜荔南;刘春元 |
地址: | 德国埃*** | 国省代码: | 暂无信息 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 骨骼 健康 个性化 评估 | ||
1.一种非临时性计算机可读介质,包括机器可读指令,所述机器可读指令在被处理器执行时使得所述处理器实现用于对对象的骨骼健康进行个性化评估的计算机实现的方法,所述方法包括:
从非侵入式对象数据、所述对象的医学图像以及对象特定的骨转换标志物值提取多个感兴趣的特征;
使用代理模型和所述多个感兴趣的特征来预测与骨骼健康有关的一个或多个对象特定的感兴趣的度量;以及
生成所述与骨骼健康有关的所述一个或多个对象特定的感兴趣的度量的可视化,
其中所述代理模型通过过程训练,所述过程包括:
检索训练数据,所述训练数据包括以下各项中的一项或多项:(i)多个骨解剖模型以及(ii)来自数据库的多个体外模型;
使用所述多个骨解剖模型执行基于FEM的计算或者使用所述多个体外模型执行应力实验来得出FEM结果;
从所述FEM结果提取一个或多个感兴趣的度量;
从所述多个骨解剖模型提取多个几何特征;
训练所述代理模型以使用机器学习算法基于所述多个几何特征来预测所述一个或多个感兴趣的度量。
2.根据权利要求1所述的非临时性计算机可读介质,其中所述感兴趣的度量包括应力和应力应变中的一个或多个。
3.根据权利要求1所述的非临时性计算机可读介质,其中所述训练数据的至少一部分包括合成数据。
4.根据权利要求3所述的非临时性计算机可读介质,其中所述合成数据通过以下步骤生成:
生成一个或多个基线模型;
随机地或系统地扰动所述基线模型来获得多个合成模型,所述合成模型包括以下各项中的一项或多项:(a)合成骨解剖模型以及(ii)合成体外模型。
5.根据权利要求4所述的非临时性计算机可读介质,其中所述基线模型是对象特定的解剖模型。
6.根据权利要求3所述的非临时性计算机可读介质,其中所述合成数据包括使用一个或多个被随机地或系统地扰动的参数值根据规则集生成的(i)合成骨解剖模型以及(ii)合成体外模型中的一个或多个。
7.根据权利要求1所述的非临时性计算机可读介质,进一步包括:
将所述一个或多个对象特定的感兴趣的度量中的每个与对象图像上的点相关联;以及
显示所述对象图像;以及
响应于接收到所述对象图像上的选定点的用户选择,显示对应于所述选定点的特别的对象特定的感兴趣的度量。
8.根据权利要求1所述的非临时性计算机可读介质,进一步包括:
将所述一个或多个对象特定的感兴趣的度量中的每个与对象图像上的点相关联;以及
显示基于所述对象特定的感兴趣的度量的值被编码的对象图像颜色。
9.一种非临时性计算机可读介质,包括机器可读指令,所述机器可读指令在被处理器执行时使得所述处理器实现用于对对象的骨骼健康进行个性化评估的方法,所述方法包括:
从多个医学图像提取对象特定的几何数据;
基于所述对象特定的几何数据提取骨解剖模型的几何特征;
使用一个或多个第一机器学习模型来基于所述骨解剖模型的几何特征预测一个或多个对象特定的感兴趣的生物力学特性;
从附加的对象测量数据提取多个对象特定的特征;以及
使用一个或多个第二机器学习模型和所述多个对象特定的特征来(i)预测与骨骼健康有关的一个或多个对象特定的感兴趣的度量;(ii)调整所述一个或多个对象特定的感兴趣的生物力学特性;或(iii)预测与骨骼健康有关的治疗计划的效果。
10.根据权利要求9所述的非临时性计算机可读介质,其中所述多个对象特定的特征包括以下各项中的一项或多项:年龄、种族、性别、体重、身高、骨折史、家族历史、吸烟、酒精、糖皮质激素和类风湿性关节炎、aBMD、vBMD、骨转换标志物以及基于超声的测量。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于西门子保健有限责任公司,未经西门子保健有限责任公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/201810155004.5/1.html,转载请声明来源钻瓜专利网。