[发明专利]在医学成像中针对血液动力学量化的不确定性或敏感性的机器学习预测

权利要求书

1.一种用于医学成像系统中的血液动力学量化的方法，所述方法包括：

利用所述医学成像系统对患者进行扫描(12)，所述扫描(12)提供表示所述患者的心脏系统的部分的心脏数据；

根据所述心脏数据确定(14)患者特定心脏几何结构；

从所述患者特定心脏几何结构中提取(20)所述血液动力学量化的机器学习预测器的第一输入向量的特征值；

响应于所述第一输入向量的特征值，由所述机器学习预测器预测(22)所述血液动力学量化的值；

提取(24)所述血液动力学量化的不确定性和/或敏感性的机器学习分类器的第二输入向量的特征值；

响应于所述第二输入向量的特征值，由所述机器学习分类器将所述血液动力学量化对于所述患者特定心脏几何结构的不确定性和/或敏感性的一个或多个值进行分类(26)；以及

基于所述血液动力学量化的值和所述不确定性和/或敏感性的一个或多个值来生成(28)输出。

2.根据权利要求1所述的方法，其中确定(14)所述患者特定心脏几何结构包括：将模型拟合到所述心脏数据。

3.根据权利要求1所述的方法，其中提取(20、24)所述第一输入向量和/或所述第二输入向量的特征值包括：提取沿着由所述患者特定心脏几何结构表示的血管的半径。

4.根据权利要求1所述的方法，其中预测(22)包括：利用至少部分地在合成样本上训练的机器学习预测器进行预测(22)。

5.根据权利要求1所述的方法，其中预测(22)包括：作为所述血液动力学量化来预测(22)血流储备分数。

6.根据权利要求1所述方法，其中分类(26)包括：利用基于不确定性水平所训练的机器学习分类器进行分类(26)，所述不确定性水平是基于扫描配置、所述心脏数据的重建和/或患者特性。

7.根据权利要求1所述的方法，其中分类(26)包括：利用基于考虑到所采样的噪声分布的血液动力学量化的分布所训练的机器学习分类器进行分类(26)。

8.根据权利要求1所述的方法，其中分类(26)包括：利用基于来自所述血液动力学量化的分布的标准偏差的敏感性和不确定变量与所述血液动力学量化的分布的相关性所训练的机器学习分类器进行分类(26)。

9.根据权利要求1所述的方法，其中预测(22)包括：预测(22)针对第一位置的所述血液动力学量化的值，其中分类(26)包括针对多个第二位置中的每一个进行分类(26)，并且其中生成(28)所述输出包括：生成(28)第二位置的图，所述第二位置的图示出了对针对所述血液动力学量化在所述第一位置处的值的不确定性和/或敏感性的贡献。

10.根据权利要求1所述的方法，其中预测(22)包括：预测(22)针对多个第一位置的所述血液动力学量化的多个值，其中分类(26)包括将所述多个值对于第二位置处的不确定性的敏感性进行分类(26)。

11.根据权利要求1所述的方法，进一步包括：将所述患者特定心脏几何结构分离(18)成血管分支，并且针对所述血管分支中的每一个单独地实行所述预测(22)和分类(26)。

12.根据权利要求1所述的方法，其中生成(28)包括：作为所述患者特定心脏几何结构的位置的函数来生成(28)所述血液动力学量化的敏感性和/或不确定性的图。

13.根据权利要求1所述的方法，其中生成(28)包括：作为所述血液动力学量化的值和所述不确定性和/或敏感性的一个或多个值的字母数字文本来生成(28)输出。