JP7048561B2 - 血管形状及び生理学から血流特性を推定するシステム及び方法 - Google Patents
血管形状及び生理学から血流特性を推定するシステム及び方法 Download PDFInfo
- Publication number
- JP7048561B2 JP7048561B2 JP2019216120A JP2019216120A JP7048561B2 JP 7048561 B2 JP7048561 B2 JP 7048561B2 JP 2019216120 A JP2019216120 A JP 2019216120A JP 2019216120 A JP2019216120 A JP 2019216120A JP 7048561 B2 JP7048561 B2 JP 7048561B2
- Authority
- JP
- Japan
- Prior art keywords
- patient
- machine learning
- physiological
- extracted
- features
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Images
Classifications
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
- A61B5/7235—Details of waveform analysis
- A61B5/7264—Classification of physiological signals or data, e.g. using neural networks, statistical classifiers, expert systems or fuzzy systems
- A61B5/7267—Classification of physiological signals or data, e.g. using neural networks, statistical classifiers, expert systems or fuzzy systems involving training the classification device
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/0002—Remote monitoring of patients using telemetry, e.g. transmission of vital signals via a communication network
- A61B5/0015—Remote monitoring of patients using telemetry, e.g. transmission of vital signals via a communication network characterised by features of the telemetry system
- A61B5/0022—Monitoring a patient using a global network, e.g. telephone networks, internet
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/02—Detecting, measuring or recording pulse, heart rate, blood pressure or blood flow; Combined pulse/heart-rate/blood pressure determination; Evaluating a cardiovascular condition not otherwise provided for, e.g. using combinations of techniques provided for in this group with electrocardiography or electroauscultation; Heart catheters for measuring blood pressure
- A61B5/02028—Determining haemodynamic parameters not otherwise provided for, e.g. cardiac contractility or left ventricular ejection fraction
- A61B5/02035—Determining blood viscosity
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/02—Detecting, measuring or recording pulse, heart rate, blood pressure or blood flow; Combined pulse/heart-rate/blood pressure determination; Evaluating a cardiovascular condition not otherwise provided for, e.g. using combinations of techniques provided for in this group with electrocardiography or electroauscultation; Heart catheters for measuring blood pressure
- A61B5/021—Measuring pressure in heart or blood vessels
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/02—Detecting, measuring or recording pulse, heart rate, blood pressure or blood flow; Combined pulse/heart-rate/blood pressure determination; Evaluating a cardiovascular condition not otherwise provided for, e.g. using combinations of techniques provided for in this group with electrocardiography or electroauscultation; Heart catheters for measuring blood pressure
- A61B5/026—Measuring blood flow
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/145—Measuring characteristics of blood in vivo, e.g. gas concentration, pH value; Measuring characteristics of body fluids or tissues, e.g. interstitial fluid, cerebral tissue
- A61B5/14535—Measuring characteristics of blood in vivo, e.g. gas concentration, pH value; Measuring characteristics of body fluids or tissues, e.g. interstitial fluid, cerebral tissue for measuring haematocrit
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/74—Details of notification to user or communication with user or patient ; user input means
- A61B5/742—Details of notification to user or communication with user or patient ; user input means using visual displays
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
- G16H50/50—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for simulation or modelling of medical disorders
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
- G16H50/20—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for computer-aided diagnosis, e.g. based on medical expert systems
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
- G16H50/70—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for mining of medical data, e.g. analysing previous cases of other patients
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Medical Informatics (AREA)
- Public Health (AREA)
- Biomedical Technology (AREA)
- General Health & Medical Sciences (AREA)
- Pathology (AREA)
- Physics & Mathematics (AREA)
- Animal Behavior & Ethology (AREA)
- Heart & Thoracic Surgery (AREA)
- Veterinary Medicine (AREA)
- Surgery (AREA)
- Molecular Biology (AREA)
- Biophysics (AREA)
- Cardiology (AREA)
- Physiology (AREA)
- Artificial Intelligence (AREA)
- Data Mining & Analysis (AREA)
- Epidemiology (AREA)
- Primary Health Care (AREA)
- Databases & Information Systems (AREA)
- Psychiatry (AREA)
- Vascular Medicine (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Fuzzy Systems (AREA)
- Evolutionary Computation (AREA)
- Signal Processing (AREA)
- Computer Networks & Wireless Communication (AREA)
- Mathematical Physics (AREA)
- Hematology (AREA)
- Optics & Photonics (AREA)
- Measuring Pulse, Heart Rate, Blood Pressure Or Blood Flow (AREA)
- Image Analysis (AREA)
- Apparatus For Radiation Diagnosis (AREA)
- Measuring And Recording Apparatus For Diagnosis (AREA)
Description
本特許出願は、2012年9月12日に出願された米国仮特許出願第61/700,213号に対する米国特許法119条に基づく優先権の利益を主張する2013年5月16日に出願された米国特許出願第13/895,893号に対する優先権を主張し、その全体の開示がそれらの全体において参照することによって本願明細書に組み込まれる。
本開示の様々な実施形態は、一般に、医療イメージング及び関連する方法に関する。より具体的には、本開示の特定の実施形態は、血管形状及び生理学から患者固有の血流特性を推定するシステム及び方法に関する。
(項目1)
患者固有の血流特性を判定する方法であって、
複数の個体のそれぞれについて、前記個体の血管系の少なくとも一部の形状モデル及び血流特性を取得することと、
前記複数の個体のそれぞれについての前記形状モデル及び血流特性に対して機械学習アルゴリズムを実行することと、
前記機械学習アルゴリズムを使用して、前記形状モデルにおける複数点に対応する血流特性を予測する特徴を識別することと、
患者について、前記患者の血管系の少なくとも一部の形状モデルを取得することと、
前記識別された特徴を使用して前記患者の形状モデルにおける少なくとも1つの点についての前記患者の血流特性を判定することと、を含む、方法。
(項目2)
前記複数の個体のそれぞれについて、1つ以上の生理学的パラメータを取得することと、
前記1つ以上の生理学的パラメータにさらに基づいて前記機械学習アルゴリズムを実行することと、をさらに含む、項目1に記載の方法。
(項目3)
前記機械学習アルゴリズムを実行することが、
前記複数の個体のそれぞれについての前記形状モデルにおける複数点について、前記点又は前記生理学的パラメータの特徴ベクトルを作成することと、
前記複数の個体のそれぞれについての前記特徴ベクトルを前記対応する個体の前記血流特性に関連付けることと、を含む、項目2に記載の方法。
(項目4)
前記機械学習アルゴリズムを実行することが、
前記関連付けられた特徴ベクトルに基づいて様々な点における血流特性を予測するように前記機械学習アルゴリズムをトレーニングすることをさらに含む、項目3に記載の方法。
(項目5)
各特徴ベクトルが、
収縮期及び拡張期血圧、心拍数、血液特性、個体年齢、個体性別、個体身長、個体体重、疾患の有無、ライフスタイル特性、大動脈の形状特性及び冠動脈枝の形状特性のうちの1つ以上を含む、項目3に記載の方法。
(項目6)
各特徴ベクトルが、断面積特徴セット、強度特徴セット、表面特徴セット、体積特徴セット、中心線特徴セット及び簡略化された物理的特徴セットのうちの1つ以上を含む、項目3に記載の方法。
(項目7)
前記機械学習アルゴリズムを使用して、前記形状モデルにおける複数点に対応する血流特性を予測する特徴の重みを識別することと、
前記識別された重みを記憶装置に記憶することと、をさらに含む、項目1に記載の方法。
(項目8)
前記識別された特徴を使用して前記患者の血流特性を判定することが、
前記患者の形状モデルにおける複数点のそれぞれについて、前記複数の個体のそれぞれについて取得された特徴ベクトルに対応する前記患者の生理学的パラメータの特徴ベクトルを作成することを含む、項目2に記載の方法。
(項目9)
前記生理学的パラメータが、心拍数、ヘマトクリット値、血圧、血液粘度、個体年齢、個体性別、個体体重、個体のライフスタイル特性、及び、供給された組織の質量のうちの1つ以上を含む、項目2に記載の方法。
(項目10)
前記機械学習アルゴリズムが、サポートベクトルマシン(SVM)、多層パーセプトロン(MLP)、多変量回帰(MVR)、ツリーベースの分類、及び、重み付き線形又はロジスティック回帰のうちの1つ以上を含む、項目1に記載の方法。
(項目11)
前記患者の形状モデルにおける少なくとも1つの点についての前記患者の前記判定された血流特性を医師に表示すること、又はネットワークを介して前記判定された血流特性を送信することをさらに含む、項目1に記載の方法。
(項目12)
患者固有の血流特性を推定するシステムであって、
患者固有の血流特性を判定するための命令を記憶するデータ記憶装置と、
プロセッサであって、
複数の個体のそれぞれについて、前記個体の血管系の少なくとも一部の形状モデル及び血流特性を取得するステップと、
前記複数の個体のそれぞれについて、前記形状モデル及び血流特性に対して機械学習アルゴリズムを実行するステップと、
前記機械学習アルゴリズムを使用して、前記形状モデルにおける複数点に対応する血流特性を予測する特徴を識別するステップと、
患者について、前記患者の血管系の少なくとも一部の形状モデルを取得するステップと、
前記識別された特徴を使用して前記患者の形状モデルにおける少なくとも1つの点についての前記患者の血流特性を判定するステップと、を含む方法を実行するための前記命令を実行するように構成されるプロセッサと、を備える、システム。
(項目13)
前記プロセッサが、
複数の個体のそれぞれについて、1つ以上の生理学的パラメータを取得し、
前記1つ以上の生理学的パラメータにさらに基づいて前記機械学習アルゴリズムを実行するようにさらに構成される、項目12に記載のシステム。
(項目14)
前記機械学習アルゴリズムを実行するステップが、
前記複数の個体のそれぞれについての前記形状モデルにおける複数点について、前記生理学的パラメータの特徴ベクトルを作成するステップと、
前記複数の個体のそれぞれについての前記特徴ベクトルを前記対応する前記個体の血流特性に関連付けるステップと、を含む、項目13に記載のシステム。
(項目15)
前記機械学習アルゴリズムを実行するステップが、
前記関連付けられた特徴ベクトルに基づいて様々な点における血流特性を予測するように前記機械学習アルゴリズムをトレーニングするステップをさらに含む、項目14に記載のシステム。
(項目16)
各特徴ベクトルが、
収縮期及び拡張期血圧、心拍数、血液特性、個体年齢、個体性別、個体身長、個体体重、疾患の有無、ライフスタイル特性、大動脈の形状特性及び冠動脈枝の形状特性のうちの1つ以上を含む、項目14に記載のシステム。
(項目17)
各特徴ベクトルが、断面積特徴セット、強度特徴セット、表面特徴セット、体積特徴セット、中心線特徴セット及び簡略化された物理的特徴セットのうちの1つ以上を含む、項目14に記載のシステム。
(項目18)
前記プロセッサが、
前記機械学習アルゴリズムを使用して、前記形状モデルにおける複数点に対応する血流特性を予測する特徴の重みを識別し、
前記識別された重みを記憶装置に記憶するようにさらに構成される、項目12に記載のシステム。
(項目19)
前記識別された特徴を使用して前記患者の血流特性を判定するステップが、
前記患者の形状モデルにおける複数点のそれぞれについて、前記複数の個体のそれぞれについて取得された特徴ベクトルに対応する前記患者の生理学的パラメータの特徴ベクトルを作成するステップを含む、項目13に記載のシステム。
(項目20)
前記生理学的パラメータが、心拍数、ヘマトクリット値、血圧、血液粘度、個体年齢、個体性別、個体体重、個体のライフスタイル特性、及び、供給された組織の質量のうちの1つ以上を含む、項目13に記載のシステム。
(項目21)
前記機械学習アルゴリズムが、サポートベクトルマシン(SVM)、多層パーセプトロン(MLP)、多変量回帰(MVR)、及び、重み付き線形又はロジスティック回帰のうちの1つ以上を含む、項目12に記載のシステム。
(項目22)
コンピュータによって実行された場合に、前記コンピュータに方法を実行させる命令を記憶する非一時的なコンピュータ読み取り可能な媒体であって、前記方法が、
複数の個体のそれぞれについて、前記個体の血管系の少なくとも一部の形状モデル及び推定血流特性を取得することと、
前記複数の個体のそれぞれについての前記形状モデル及び血流特性に対して機械学習アルゴリズムを実行することと、
前記機械学習アルゴリズムを使用して、前記形状モデルにおける複数点に対応する血流特性を予測する特徴を識別することと、
患者について、前記患者の血管系の少なくとも一部の形状モデルを取得することと、
前記識別された特徴を使用して前記患者の形状モデルにおける少なくとも1つの点についての前記患者の血流特性を判定することと、を含む、媒体。
一般的な実施形態において、サーバシステム106は、電子ネットワーク100を介して医師102及び/又は第三者プロバイダ104から受信した画像及びデータに基づいてトレーニングモードを実行してもよい。具体的には、1人以上の患者について、サーバシステム106は、以下の項目、すなわち、(a)1つ以上の患者の血管についての形状の患者固有のモデル、(b)患者の1つ以上の測定又は推定された生理学的又は表現型のパラメータのリスト、及び/又は、(c)予測のために標的とされる全ての血流特性の測定値、推定値又はシミュレート値のディジタル表現(例えば、コンピュータ、ラップトップ、DSP、サーバなどの計算装置のメモリ又はディジタル記憶装置[例えば、ハードドライブ、ネットワークドライブ])を取得する場合がある。1つの実施形態において、形状の患者固有のモデルは、空間が点間の空間的単位(例えば、ミリメートル)にマッピングすることができる(おそらく各点についての近傍のリストを有する)空間内の点のリストによって表される場合がある。1つの実施形態において、患者の1つ以上の測定又は推定された生理学的又は表現型のパラメータのリストは、血圧、血液粘度、患者年齢、患者性別、供給された組織の質量などを含む場合がある。これらの患者固有のパラメータは、全体的であってもよく(例えば、血圧)又は局所的であってもよい(例えば、特定の位置における血管壁の推定密度)。
1つの例示的な実施形態において、サーバシステム106は、電子ネットワーク100を介して医師102及び/又は第三者プロバイダ104から受信した画像及びデータに基づいてトレーニングモードを実行する場合がある。具体的には、1人以上の患者について、サーバシステム106は、以下の項目、すなわち、(a)患者の上行大動脈及び冠動脈樹についての形状の患者固有のモデル、(b)患者の測定又は推定された生理学的又は表現型パラメータのリスト、及び、(c)利用可能な場合にはFFRの測定値のディジタル表現(例えば、コンピュータ、ラップトップ、DSP、サーバなどの計算装置のメモリ又はディジタル記憶装置[例えば、ハードドライブ、ネットワークドライブ])を取得することができる。
としてサンプリングされた各位置におけるFFRを算出することができる。断面積の最小値又は血管半径よりも小さい間隔の位置を、サンプリング位置に使用してもよい。サーバシステム106は、FFRiを使用して中心線に沿ってFFRを補間し、FFR値を3次元表面メッシュノードに投影し、αi、βi、γiを変え、パラメータを乱すために上記定義された特徴セットを使用することなどによってトレーニングのために必要に応じてFFR推定値の新たなセットを得てもよく、ここで、αi、βiは、疾患の長さ、狭窄の程度、及び、先細りした血管を構成する先細り比率の関数とすることができ、Qiは、抵抗境界条件(出口抵抗∝出口面積-1.35)としての同じスケーリング則に基づいて各出口の分散流れを合計することによって判定することができる。しかしながら、新たなスケーリング則及び充血仮定を採用することができ、この特徴ベクトルは、その点におけるFFRの値を測定と関連付けるか又はシミュレートする場合がある。サーバシステム106はまた、その点における特徴ベクトルからその点における血流特性を予測するために線形SVMをトレーニングし、ディジタル表現(例えば、コンピュータ、ラップトップ、DSP、サーバなどの計算装置のメモリ又はディジタル記憶装置[例えば、ハードドライブ、ネットワークドライブ])としてSVMの結果を保存してもよい。
Claims (15)
- 患者に対する動脈狭窄のパーソナライズされた非侵襲的な評価のための方法であって、前記方法は、
前記患者の1つ以上の動脈を含む前記患者の血管系の少なくとも一部の医療画像データを受信することと、
前記受信された医療画像データから前記患者の患者固有の動脈形状を抽出することと、
前記患者の前記患者固有の動脈形状から少なくとも1つの特徴を抽出することと、
前記少なくとも1つの抽出された特徴をトレーニングされた機械学習ベースのモデルに入力することによって、前記患者固有の動脈形状における対象の1つ以上の位置に対する生理学的値の少なくとも1つのインデックス値を自動的に算出することであって、
前記トレーニングされた機械学習ベースのモデルは、1つ以上の抽出された特徴と、前記1つ以上の抽出された特徴に対応する1つ以上の生理学的値との間の関連付けを学習するようにトレーニングされ、前記1つ以上の抽出された特徴は、(i)前記患者以外の個体から抽出された1つ以上の解剖学的特徴、又は(ii)1つ以上の合成的に生成された動脈形状の一方または両方から抽出され、
前記患者の前記患者固有の動脈形状から抽出された前記少なくとも1つの特徴は、前記機械学習モデルをトレーニングするために使用された前記1つ以上の特徴に対応し、
前記機械学習モデルは、前記トレーニングを介して、前記学習された関連付けに基づいて、1つ以上の入力された抽出された特徴に応答して前記患者固有の動脈形状における対象の1つ以上の位置に対する前記1つ以上の生理学的値の1つ以上の出力インデックス値を生成するように構成される、ことと、
前記患者の1つ以上のバイオマーカーを受信することと
を含み、
前記1つ以上のインデックス値を算出することは、さらに、前記患者の前記1つ以上のバイオマーカーに対応する1つ以上の特徴に基づく、方法。 - 前記患者の非侵襲的な生理学的測定値又は前記患者の人口統計データのうちの少なくとも1つを受信することをさらに含み、
前記1つ以上のインデックス値を算出することは、さらに、前記患者の前記非侵襲的な生理学的測定値又は前記患者の前記人口統計データのうちの前記少なくとも1つに対応する特徴に基づく、請求項1に記載の方法。 - 前記生理学的値は、生理学的血圧値であり、
前記トレーニングされた機械学習ベースのモデルは、血流循環の1つ以上の患者固有のモデルに基づいてトレーニングされる、請求項1に記載の方法。 - 前記患者の前記患者固有の動脈形状から特徴を抽出することは、前記患者の前記患者固有の動脈形状における1つ以上の動脈狭窄領域に対する複数の形状測定値を抽出することを含む、請求項1に記載の方法。
- 前記対象の1つ以上の位置は、1つ以上の動脈狭窄位置に対応する、請求項1に記載の方法。
- 前記患者固有の動脈形状における対象の1つ以上の位置に対する前記1つ以上のインデックス値を算出することは、前記対象の1つ以上の位置を識別するユーザ入力に応答して実行される、請求項1に記載の方法。
- 前記生理学的値は、生理学的血圧値であり、
前記1つ以上のインデックス値は、1つ以上の血流予備量比(FFR)値である、請求項1に記載の方法。 - 前記トレーニングされた機械学習ベースのモデルは、複数のトレーニングされた機械学習ベースのモデルのうちの1つであり、各々は、1つ以上の特徴のそれぞれのセットに基づいてトレーニングされ、
前記1つ以上のインデックス値を算出することは、前記抽出された特徴に対応する前記複数のトレーニングされた機械学習モデルのうちの1つを使用して各抽出された特徴に基づいて前記患者固有の動脈形状における前記対象の1つ以上の位置の各々に対する前記生理学的値の複数の血行動態インデックスを算出することを含む、請求項1に記載の方法。 - 患者に対する動脈狭窄のパーソナライズされた非侵襲的な評価のためのシステムであって、前記システムは、
電子記憶媒体において患者に対する動脈狭窄のパーソナライズされた非侵襲的な評価のための命令を記憶する少なくとも1つのデータ記憶デバイスと、
前記命令を実行することにより動作を行うように構成された少なくとも1つのプロセッサと
を備え、
前記動作は、
前記患者の1つ以上の動脈を含む前記患者の血管系の少なくとも一部の医療画像データを受信することと、
前記受信された医療画像データから前記患者の患者固有の動脈形状を抽出することと、
前記患者の前記患者固有の動脈形状から少なくとも1つの特徴を抽出することと、
前記少なくとも1つの抽出された特徴をトレーニングされた機械学習ベースのモデルに入力することによって、前記患者固有の動脈形状における対象の1つ以上の位置に対する生理学的値の少なくとも1つのインデックス値を自動的に算出することであって、
前記トレーニングされた機械学習ベースのモデルは、1つ以上の抽出された特徴と、前記1つ以上の抽出された特徴に対応する1つ以上の生理学的値との間の関連付けを学習するようにトレーニングされ、前記1つ以上の抽出された特徴は、(i)前記患者以外の個体から抽出された1つ以上の解剖学的特徴、又は(ii)1つ以上の合成的に生成された動脈形状の一方または両方から抽出され、
前記患者の前記患者固有の動脈形状から抽出された前記少なくとも1つの特徴は、前記機械学習モデルをトレーニングするために使用された前記1つ以上の特徴に対応し、
前記機械学習モデルは、前記トレーニングを介して、前記学習された関連付けに基づいて、1つ以上の入力された抽出された特徴に応答して前記患者固有の動脈形状における対象の1つ以上の位置に対する前記1つ以上の生理学的値の1つ以上の出力インデックス値を生成するように構成される、ことと、
前記患者の1つ以上のバイオマーカーを受信することと
を含み、
前記1つ以上のインデックス値を算出することは、さらに、前記患者の前記1つ以上のバイオマーカーに対応する1つ以上の特徴に基づく、システム。 - 前記動作は、
前記患者の非侵襲的な生理学的測定値又は前記患者の人口統計データのうちの少なくとも1つを受信することをさらに含み、
前記トレーニングされた機械学習ベースのモデルを使用して前記1つ以上のインデックス値を算出することは、さらに、前記患者の前記非侵襲的な生理学的測定値又は前記患者の前記人口統計データのうちの少なくとも1つに対応する特徴に基づく、請求項9に記載のシステム。 - 前記生理学的値は、生理学的血圧値である、請求項9に記載のシステム。
- 前記生理学的値は、生理学的血圧値であり、
前記1つ以上のインデックス値は、1つ以上の血流予備量比(FFR)値である、請求項9に記載のシステム。 - 前記トレーニングされた機械学習ベースのモデルは、複数のトレーニングされた機械学習ベースのモデルのうちの1つであり、各々は、1つ以上の特徴のそれぞれのセットに基づいてトレーニングされ、
前記1つ以上のインデックス値を算出することは、前記抽出された特徴に対応する前記複数のトレーニングされた機械学習モデルのうちの1つを使用して各抽出された特徴に基づいて前記患者固有の動脈形状における前記対象の1つ以上の位置の各々に対する前記生理学的値の複数の血行動態インデックスを算出することを含む、請求項9に記載のシステム。 - 動作を記憶している、患者に対する動脈狭窄のパーソナライズされた非侵襲的な評価のための非一時的なコンピュータ読み取り可能な媒体であって、前記動作は、
前記患者の1つ以上の動脈を含む前記患者の血管系の少なくとも一部の医療画像データを受信することと、
前記受信された医療画像データから前記患者の患者固有の動脈形状を抽出することと、
前記患者の前記患者固有の動脈形状から少なくとも1つの特徴を抽出することと、
前記少なくとも1つの抽出された特徴をトレーニングされた機械学習ベースのモデルに入力することによって、前記患者固有の動脈形状における対象の1つ以上の位置に対する生理学的値の少なくとも1つのインデックス値を自動的に算出することであって、
前記トレーニングされた機械学習ベースのモデルは、1つ以上の抽出された特徴と、前記1つ以上の抽出された特徴に対応する1つ以上の生理学的値との間の関連付けを学習するようにトレーニングされ、前記1つ以上の抽出された特徴は、(i)前記患者以外の個体から抽出された1つ以上の解剖学的特徴、又は(ii)1つ以上の合成的に生成された動脈形状の一方または両方から抽出され、
前記患者の前記患者固有の動脈形状から抽出された前記少なくとも1つの特徴は、前記機械学習モデルをトレーニングするために使用された前記1つ以上の特徴に対応し、
前記機械学習モデルは、前記トレーニングを介して、前記学習された関連付けに基づいて、1つ以上の入力された抽出された特徴に応答して前記患者固有の動脈形状における対象の1つ以上の位置に対する前記1つ以上の生理学的値の1つ以上の出力インデックス値を生成するように構成される、ことと、
前記患者の1つ以上のバイオマーカーを受信することと
を含み、
前記1つ以上のインデックス値を算出することは、さらに、前記患者の前記1つ以上のバイオマーカーに対応する1つ以上の特徴に基づく、コンピュータ読み取り可能な媒体。 - 前記動作は、
前記患者の非侵襲的な生理学的測定値又は前記患者の人口統計データのうちの少なくとも1つを受信することをさらに含み、
前記トレーニングされた機械学習ベースのモデルを使用して前記1つ以上のインデックス値を算出することは、さらに、前記患者の前記非侵襲的な生理学的測定値又は前記患者の前記人口統計データのうちの少なくとも1つに対応する特徴に基づく、請求項14に記載のコンピュータ読み取り可能な媒体。
Applications Claiming Priority (4)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US201261700213P | 2012-09-12 | 2012-09-12 | |
US61/700,213 | 2012-09-12 | ||
US13/895,893 | 2013-05-16 | ||
US13/895,893 US10398386B2 (en) | 2012-09-12 | 2013-05-16 | Systems and methods for estimating blood flow characteristics from vessel geometry and physiology |
Related Parent Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2017165308A Division JP2017205605A (ja) | 2012-09-12 | 2017-08-30 | 血管形状及び生理学から血流特性を推定するシステム及び方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2020028774A JP2020028774A (ja) | 2020-02-27 |
JP7048561B2 true JP7048561B2 (ja) | 2022-04-05 |
Family
ID=50234017
Family Applications (5)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2015531136A Active JP5868554B2 (ja) | 2012-09-12 | 2013-08-30 | 血管形状及び生理学から血流特性を推定するシステム及び方法 |
JP2015209558A Active JP6271492B2 (ja) | 2012-09-12 | 2015-10-26 | 血管形状及び生理学から血流特性を推定するシステム及び作動方法 |
JP2017165308A Withdrawn JP2017205605A (ja) | 2012-09-12 | 2017-08-30 | 血管形状及び生理学から血流特性を推定するシステム及び方法 |
JP2018011463A Active JP6522175B2 (ja) | 2012-09-12 | 2018-01-26 | 血管形状及び生理学から血流特性を推定するシステム及びその作動方法 |
JP2019216120A Active JP7048561B2 (ja) | 2012-09-12 | 2019-11-29 | 血管形状及び生理学から血流特性を推定するシステム及び方法 |
Family Applications Before (4)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2015531136A Active JP5868554B2 (ja) | 2012-09-12 | 2013-08-30 | 血管形状及び生理学から血流特性を推定するシステム及び方法 |
JP2015209558A Active JP6271492B2 (ja) | 2012-09-12 | 2015-10-26 | 血管形状及び生理学から血流特性を推定するシステム及び作動方法 |
JP2017165308A Withdrawn JP2017205605A (ja) | 2012-09-12 | 2017-08-30 | 血管形状及び生理学から血流特性を推定するシステム及び方法 |
JP2018011463A Active JP6522175B2 (ja) | 2012-09-12 | 2018-01-26 | 血管形状及び生理学から血流特性を推定するシステム及びその作動方法 |
Country Status (8)
Country | Link |
---|---|
US (2) | US10398386B2 (ja) |
EP (3) | EP2721543B1 (ja) |
JP (5) | JP5868554B2 (ja) |
KR (3) | KR102358996B1 (ja) |
CN (2) | CN108992059B (ja) |
AU (2) | AU2013315960B2 (ja) |
CA (3) | CA2974349C (ja) |
WO (1) | WO2014042899A2 (ja) |
Families Citing this family (79)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10433740B2 (en) * | 2012-09-12 | 2019-10-08 | Heartflow, Inc. | Systems and methods for estimating ischemia and blood flow characteristics from vessel geometry and physiology |
US10398386B2 (en) | 2012-09-12 | 2019-09-03 | Heartflow, Inc. | Systems and methods for estimating blood flow characteristics from vessel geometry and physiology |
US10595807B2 (en) | 2012-10-24 | 2020-03-24 | Cathworks Ltd | Calculating a fractional flow reserve |
US10210956B2 (en) | 2012-10-24 | 2019-02-19 | Cathworks Ltd. | Diagnostically useful results in real time |
EP3723041A1 (en) | 2012-10-24 | 2020-10-14 | CathWorks Ltd. | Automated measurement system and method for coronary artery disease scoring |
EP2938399B1 (en) * | 2012-12-28 | 2020-04-15 | Cyberheart, Inc. | Blood-tissue surface based radiosurgical renal treatment planning |
WO2014182505A1 (en) | 2013-05-10 | 2014-11-13 | Stenomics, Inc. | Modeling and simulation system for optimizing prosthetic heart valve treatment |
US9700219B2 (en) * | 2013-10-17 | 2017-07-11 | Siemens Healthcare Gmbh | Method and system for machine learning based assessment of fractional flow reserve |
US9092743B2 (en) * | 2013-10-23 | 2015-07-28 | Stenomics, Inc. | Machine learning system for assessing heart valves and surrounding cardiovascular tracts |
WO2015059706A2 (en) | 2013-10-24 | 2015-04-30 | Cathworks Ltd. | Vascular characteristic determination with correspondence modeling of a vascular tree |
US9501622B2 (en) | 2014-03-05 | 2016-11-22 | Heartflow, Inc. | Methods and systems for predicting sensitivity of blood flow calculations to changes in anatomical geometry |
US9390232B2 (en) * | 2014-03-24 | 2016-07-12 | Heartflow, Inc. | Systems and methods for modeling changes in patient-specific blood vessel geometry and boundary conditions |
US9785746B2 (en) | 2014-03-31 | 2017-10-10 | Heartflow, Inc. | Systems and methods for determining blood flow characteristics using flow ratio |
US10134129B2 (en) | 2014-04-22 | 2018-11-20 | Siemens Healthcare Gmbh | Method and system for hemodynamic computation in coronary arteries |
JP6667999B2 (ja) * | 2014-05-16 | 2020-03-18 | キヤノンメディカルシステムズ株式会社 | 画像処理装置、画像処理方法、及びプログラム |
US10080872B2 (en) | 2014-11-04 | 2018-09-25 | Abbott Cardiovascular Systems Inc. | System and method for FFR guidewire recovery |
US9594876B2 (en) | 2014-11-04 | 2017-03-14 | Heartflow, Inc. | Systems and methods for simulation of occluded arteries and optimization of occlusion-based treatments |
US9336354B1 (en) | 2014-11-04 | 2016-05-10 | Heartflow, Inc. | Systems and methods for simulation of hemodialysis access and optimization |
US9349178B1 (en) | 2014-11-24 | 2016-05-24 | Siemens Aktiengesellschaft | Synthetic data-driven hemodynamic determination in medical imaging |
JP6539736B2 (ja) * | 2014-11-14 | 2019-07-03 | シーメンス ヘルスケア ゲゼルシヤフト ミツト ベシユレンクテル ハフツング | 純粋幾何学的機械学習に基づいて血流予備量比を求める方法及びシステム |
CN107580470B (zh) * | 2015-01-15 | 2021-06-22 | 皇家飞利浦有限公司 | 瞬时流量储备-计算机断层摄影 |
US9839483B2 (en) | 2015-04-21 | 2017-12-12 | Heartflow, Inc. | Systems and methods for risk assessment and treatment planning of arterio-venous malformation |
US9785748B2 (en) | 2015-07-14 | 2017-10-10 | Heartflow, Inc. | Systems and methods for estimating hemodynamic forces acting on plaque and monitoring patient risk |
US12026868B2 (en) | 2015-08-14 | 2024-07-02 | Elucid Bioimaging Inc. | Quantitative imaging for detecting histopathologically defined plaque erosion non-invasively |
US11094058B2 (en) | 2015-08-14 | 2021-08-17 | Elucid Bioimaging Inc. | Systems and method for computer-aided phenotyping (CAP) using radiologic images |
US12008751B2 (en) | 2015-08-14 | 2024-06-11 | Elucid Bioimaging Inc. | Quantitative imaging for detecting histopathologically defined plaque fissure non-invasively |
TWI545516B (zh) * | 2015-09-16 | 2016-08-11 | 國立交通大學 | 血壓量測系統及其方法、使用該方法之電腦程式產品及其電腦可讀取記錄媒體 |
US10517678B2 (en) | 2015-10-02 | 2019-12-31 | Heartflow, Inc. | System and method for diagnosis and assessment of cardiovascular disease by comparing arterial supply capacity to end-organ demand |
US10499990B2 (en) | 2015-11-23 | 2019-12-10 | Heartflow, Inc. | Systems and methods for assessing organ and/or tissue transplantation by simulating one or more transplant characteristics |
CN107145702B (zh) * | 2016-03-01 | 2022-04-19 | 西门子保健有限责任公司 | 基于医疗图像的心源性栓塞型中风风险预测***和方法 |
WO2017199245A1 (en) | 2016-05-16 | 2017-11-23 | Cathworks Ltd. | System for vascular assessment |
WO2017199246A1 (en) | 2016-05-16 | 2017-11-23 | Cathworks Ltd. | Vascular selection from images |
CA3037492A1 (en) | 2016-09-20 | 2018-03-29 | Heartflow, Inc. | Systems and methods for estimation of blood flow characteristics using reduced order model and/or machine learning |
EP3516559A1 (en) | 2016-09-20 | 2019-07-31 | HeartFlow, Inc. | Systems and methods for monitoring and updating blood flow calculations with user-specific anatomic and physiologic sensor data |
JP2018068428A (ja) * | 2016-10-25 | 2018-05-10 | ソニー株式会社 | 情報処理装置、情報処理方法及びプログラム |
DE102016222102A1 (de) * | 2016-11-10 | 2018-05-17 | Siemens Healthcare Gmbh | Behandlungsplanung für eine Stenose in einem Gefäßsegment anhand einer virtuellen hämodynamischen Analyse |
EP4393386A2 (en) | 2017-01-23 | 2024-07-03 | Shanghai United Imaging Healthcare Co., Ltd. | Method and system for analyzing blood flow condition |
CN110546646A (zh) | 2017-03-24 | 2019-12-06 | 帕伊医疗成像有限公司 | 用于基于机器学习来评估血管阻塞的方法和*** |
CN107977709B (zh) * | 2017-04-01 | 2021-03-16 | 北京科亚方舟医疗科技股份有限公司 | 预测血管树血管路径上的血流特征的深度学习模型和*** |
EP3404667B1 (en) * | 2017-05-19 | 2024-02-28 | Siemens Healthineers AG | Learning based methods for personalized assessment, long-term prediction and management of atherosclerosis |
CA3054639C (en) * | 2017-05-30 | 2023-09-19 | Dignity Health | Systems and methods for constructing a synthetic anatomical model with predetermined anatomic, biomechanical, and physiological properties |
WO2019002510A1 (en) * | 2017-06-30 | 2019-01-03 | Koninklijke Philips N.V. | DIGITAL TOMOGRAPHY FFR SPECTRAL WITH AUTOMATIC LEARNING |
EP3457404A1 (en) * | 2017-09-18 | 2019-03-20 | Koninklijke Philips N.V. | Estimating flow to vessel bifurcations for simulated hemodynamics |
US11871995B2 (en) | 2017-12-18 | 2024-01-16 | Hemolens Diagnostics Sp. Z O.O. | Patient-specific modeling of hemodynamic parameters in coronary arteries |
EP3729334A1 (en) | 2017-12-20 | 2020-10-28 | Alpvision SA | Authentication machine learning from multiple digital representations |
US10991465B2 (en) | 2017-12-20 | 2021-04-27 | Heartflow, Inc. | Systems and methods for performing computer-simulated evaluation of treatments on a target population |
US10699407B2 (en) * | 2018-04-11 | 2020-06-30 | Pie Medical Imaging B.V. | Method and system for assessing vessel obstruction based on machine learning |
CN108665449B (zh) * | 2018-04-28 | 2022-11-15 | 杭州脉流科技有限公司 | 预测血流矢量路径上的血流特征的深度学习模型及装置 |
CN110070534B (zh) * | 2018-05-22 | 2021-11-23 | 深圳科亚医疗科技有限公司 | 用于基于血管图像自动获取特征序列的方法和预测血流储备分数的装置 |
US10937549B2 (en) | 2018-05-22 | 2021-03-02 | Shenzhen Keya Medical Technology Corporation | Method and device for automatically predicting FFR based on images of vessel |
CN108742586B (zh) * | 2018-06-20 | 2021-04-02 | 博动医学影像科技(上海)有限公司 | 基于糖尿病病史信息获取血流特征值的方法及装置 |
CN108742547B (zh) * | 2018-06-20 | 2021-01-08 | 博动医学影像科技(上海)有限公司 | 基于吸烟史信息获取压力差的方法及装置 |
CN108784676B (zh) * | 2018-06-20 | 2021-11-09 | 博动医学影像科技(上海)有限公司 | 基于年龄信息获取压力差的方法及装置 |
CN109065170B (zh) * | 2018-06-20 | 2021-11-19 | 博动医学影像科技(上海)有限公司 | 获取血管压力差的方法及装置 |
CN109009037B (zh) * | 2018-06-20 | 2021-11-19 | 博动医学影像科技(上海)有限公司 | 基于个体性别获取血管压力差的计算方法及装置 |
CN109009061B (zh) * | 2018-06-20 | 2021-11-19 | 博动医学影像科技(上海)有限公司 | 基于血压修正获取血流特征值的计算方法及装置 |
CN108742587B (zh) * | 2018-06-20 | 2021-04-27 | 博动医学影像科技(上海)有限公司 | 基于病史信息获取血流特征值的方法及装置 |
WO2020086130A2 (en) * | 2018-07-21 | 2020-04-30 | The Regents Of The University Of California | Apparatus and method for boundary learning optimization |
KR102135112B1 (ko) * | 2018-07-26 | 2020-07-17 | 장태수 | 뇌 심혈 관계 모델 기반의 혈압 추정 장치 및 방법 |
EP3605554A1 (en) | 2018-08-03 | 2020-02-05 | Koninklijke Philips N.V. | Blood flow measurement based on vessel-map slope |
CN110664524B (zh) * | 2018-10-08 | 2022-11-25 | 科亚医疗科技股份有限公司 | 用于引导血管中的支架植入的装置、***和介质 |
EP3867927A1 (en) * | 2018-10-17 | 2021-08-25 | HeartFlow, Inc. | Systems and methods for assessing cardiovascular disease and treatment effectiveness from adipose tissue |
US10964017B2 (en) | 2018-11-15 | 2021-03-30 | General Electric Company | Deep learning for arterial analysis and assessment |
US10813612B2 (en) | 2019-01-25 | 2020-10-27 | Cleerly, Inc. | Systems and method of characterizing high risk plaques |
CN109805949B (zh) * | 2019-03-19 | 2020-05-22 | 苏州润迈德医疗科技有限公司 | 基于压力传感器和造影图像计算血流储备分数的方法 |
DE102020108698A1 (de) | 2019-04-01 | 2020-10-01 | Canon Medical Systems Corporation | Medizinisches Bildverarbeitungsgerät und Programm |
WO2021059165A1 (en) | 2019-09-23 | 2021-04-01 | Cathworks Ltd. | Methods, apparatus, and system for synchronization between a three-dimensional vascular model and an imaging device |
WO2021141921A1 (en) | 2020-01-07 | 2021-07-15 | Cleerly, Inc. | Systems, methods, and devices for medical image analysis, diagnosis, risk stratification, decision making and/or disease tracking |
US20220392065A1 (en) | 2020-01-07 | 2022-12-08 | Cleerly, Inc. | Systems, methods, and devices for medical image analysis, diagnosis, risk stratification, decision making and/or disease tracking |
US11969280B2 (en) | 2020-01-07 | 2024-04-30 | Cleerly, Inc. | Systems, methods, and devices for medical image analysis, diagnosis, risk stratification, decision making and/or disease tracking |
KR102328990B1 (ko) * | 2020-01-17 | 2021-11-18 | 세종대학교산학협력단 | 기계 학습 기반의 분획혈류예비력 예측 방법 |
JP7462925B2 (ja) * | 2020-02-28 | 2024-04-08 | 国立大学法人東北大学 | 血流場推定装置、学習装置、血流場推定方法及びプログラム |
US20220215534A1 (en) * | 2021-01-04 | 2022-07-07 | Shenzhen Keya Medical Technology Corporation | Methods and systems for computer-assisted medical image analysis using sequential model |
US11241301B1 (en) | 2021-01-07 | 2022-02-08 | Ortho Future Technologies (Pty) Ltd | Measurement device |
US11278376B1 (en) | 2021-01-07 | 2022-03-22 | Ortho Future Technologies (Pty) Ltd | Orthodontic treatment staging |
US11291524B1 (en) | 2021-01-07 | 2022-04-05 | Ortho Future Technologies (Pty) Ltd | Orthodontic appliance configuration |
US11229504B1 (en) | 2021-01-07 | 2022-01-25 | Ortho Future Technologies (Pty) Ltd | System and method for determining a target orthodontic force |
US20230289963A1 (en) | 2022-03-10 | 2023-09-14 | Cleerly, Inc. | Systems, devices, and methods for non-invasive image-based plaque analysis and risk determination |
WO2024147603A1 (ko) * | 2023-01-02 | 2024-07-11 | 서울대학교병원 | 심전도로 심근변형을 평가하는 인공지능 기반 장치 및 방법 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2007526016A (ja) | 2003-06-25 | 2007-09-13 | シーメンス メディカル ソリューションズ ユーエスエー インコーポレイテッド | 心撮像の自動局所心筋評価を行うシステム及び方法 |
US20110081057A1 (en) | 2009-10-06 | 2011-04-07 | Eigen, Llc | Apparatus for stenosis estimation |
JP2012024582A (ja) | 2010-07-21 | 2012-02-09 | Siemens Corp | 包括的な患者固有の心臓のモデリング方法およびシステム |
WO2012021307A2 (en) | 2010-08-12 | 2012-02-16 | Heartflow, Inc. | Method and system for patient-specific modeling of blood flow |
US20120072190A1 (en) | 2010-09-16 | 2012-03-22 | Siemens Corporation | Method and System for Non-Invasive Assessment of Coronary Artery Disease |
WO2012093266A1 (en) | 2011-01-06 | 2012-07-12 | Medsolve Limited | Apparatus and method of assessing a narrowing in a fluid filled tube |
Family Cites Families (38)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
IL78931A0 (en) * | 1985-06-05 | 1986-09-30 | Univ Illinois | Methods and apparatus for monitoring cardiovascular regulation using heart rate power spectral analysis |
JPH01145043A (ja) * | 1987-12-02 | 1989-06-07 | Hitachi Ltd | 超音波診断装置 |
US5533511A (en) | 1994-01-05 | 1996-07-09 | Vital Insite, Incorporated | Apparatus and method for noninvasive blood pressure measurement |
JP3641495B2 (ja) * | 1994-07-19 | 2005-04-20 | 株式会社日立メディコ | 医用画像診断装置 |
CN1055828C (zh) * | 1995-01-10 | 2000-08-30 | 复旦大学 | 脑循环血液动力学分析方法及仪器 |
US6377832B1 (en) | 1998-03-20 | 2002-04-23 | Georgia Tech Research Corporation | System and method for analyzing a medical image |
WO2002092101A1 (en) * | 2001-05-15 | 2002-11-21 | Psychogenics Inc. | Systems and methods for monitoring behavior informatics |
US20030087244A1 (en) * | 2001-10-09 | 2003-05-08 | Vitivity, Inc | Diagnosis and treatment of vascular disease |
WO2007117570A2 (en) | 2006-04-05 | 2007-10-18 | University Of California | Data mining system for noninvasive intracranial pressure assessment |
JP5312752B2 (ja) * | 2007-03-30 | 2013-10-09 | 富士フイルムRiファーマ株式会社 | 推定プログラム、記録媒体および推定方法 |
US8553832B2 (en) | 2007-05-21 | 2013-10-08 | Siemens Aktiengesellschaft | Device for obtaining perfusion images |
CN101313844A (zh) * | 2007-05-31 | 2008-12-03 | 金寿山 | 脑血管性质及血液流动特性分析***及其分析方法 |
US8098918B2 (en) | 2007-09-21 | 2012-01-17 | Siemens Corporation | Method and system for measuring left ventricle volume |
EP2227783A1 (en) | 2007-10-19 | 2010-09-15 | Boston Scientific Scimed, Inc. | Display of classifier output and confidence measure in an image |
JP2011514227A (ja) * | 2008-03-17 | 2011-05-06 | コーニンクレッカ フィリップス エレクトロニクス エヌ ヴィ | 灌流画像法 |
US8527251B2 (en) * | 2009-05-01 | 2013-09-03 | Siemens Aktiengesellschaft | Method and system for multi-component heart and aorta modeling for decision support in cardiac disease |
WO2011008906A1 (en) | 2009-07-15 | 2011-01-20 | Mayo Foundation For Medical Education And Research | Computer-aided detection (cad) of intracranial aneurysms |
GB0913930D0 (en) | 2009-08-07 | 2009-09-16 | Ucl Business Plc | Apparatus and method for registering two medical images |
US20110235885A1 (en) * | 2009-08-31 | 2011-09-29 | Siemens Medical Solutions Usa, Inc. | System for Providing Digital Subtraction Angiography (DSA) Medical Images |
US8224640B2 (en) | 2009-09-08 | 2012-07-17 | Siemens Aktiengesellschaft | Method and system for computational modeling of the aorta and heart |
ES2660570T3 (es) | 2009-09-23 | 2018-03-23 | Lightlab Imaging, Inc. | Sistemas, aparatos y métodos de recopilación de datos de medición de resistencia vascular y morfología luminal |
CN101849841B (zh) * | 2010-06-10 | 2013-03-13 | 复旦大学 | 基于几何滤波器抑制超声彩色血流成像中杂波的方法 |
US8682626B2 (en) | 2010-07-21 | 2014-03-25 | Siemens Aktiengesellschaft | Method and system for comprehensive patient-specific modeling of the heart |
CN101889861B (zh) * | 2010-07-28 | 2011-10-26 | 沈阳恒德医疗器械研发有限公司 | 心脑血管特性与血流特性分析仪 |
US20120142632A1 (en) | 2010-08-04 | 2012-06-07 | St. Vincent's Institute Of Medical Research | Diagnostic and prognostic assay |
US8157742B2 (en) * | 2010-08-12 | 2012-04-17 | Heartflow, Inc. | Method and system for patient-specific modeling of blood flow |
US8684921B2 (en) * | 2010-10-01 | 2014-04-01 | Flint Hills Scientific Llc | Detecting, assessing and managing epilepsy using a multi-variate, metric-based classification analysis |
EP4059459A1 (en) * | 2010-10-25 | 2022-09-21 | Medtronic Ireland Manufacturing Unlimited Company | Microwave catheter apparatuses for renal neuromodulation |
US20120150003A1 (en) * | 2010-12-09 | 2012-06-14 | Siemens Medical Solutions Usa, Inc. | System Non-invasive Cardiac Output Determination |
JP5734000B2 (ja) | 2011-01-31 | 2015-06-10 | 株式会社Nttドコモ | 物体識別システムおよび方法、並びに、特徴点位置抽出システムおよび方法 |
US10162932B2 (en) | 2011-11-10 | 2018-12-25 | Siemens Healthcare Gmbh | Method and system for multi-scale anatomical and functional modeling of coronary circulation |
US10373700B2 (en) * | 2012-03-13 | 2019-08-06 | Siemens Healthcare Gmbh | Non-invasive functional assessment of coronary artery stenosis including simulation of hyperemia by changing resting microvascular resistance |
EP2863802B1 (en) | 2012-06-26 | 2020-11-04 | Sync-RX, Ltd. | Flow-related image processing in luminal organs |
US10433740B2 (en) * | 2012-09-12 | 2019-10-08 | Heartflow, Inc. | Systems and methods for estimating ischemia and blood flow characteristics from vessel geometry and physiology |
US10398386B2 (en) | 2012-09-12 | 2019-09-03 | Heartflow, Inc. | Systems and methods for estimating blood flow characteristics from vessel geometry and physiology |
US9757073B2 (en) | 2012-11-06 | 2017-09-12 | Koninklijke Philips N.V. | Fractional flow reserve (FFR) index |
US9785746B2 (en) | 2014-03-31 | 2017-10-10 | Heartflow, Inc. | Systems and methods for determining blood flow characteristics using flow ratio |
US9349178B1 (en) | 2014-11-24 | 2016-05-24 | Siemens Aktiengesellschaft | Synthetic data-driven hemodynamic determination in medical imaging |
-
2013
- 2013-05-16 US US13/895,893 patent/US10398386B2/en active Active
- 2013-08-30 AU AU2013315960A patent/AU2013315960B2/en active Active
- 2013-08-30 CN CN201810916602.XA patent/CN108992059B/zh active Active
- 2013-08-30 CA CA2974349A patent/CA2974349C/en active Active
- 2013-08-30 KR KR1020217012997A patent/KR102358996B1/ko active IP Right Grant
- 2013-08-30 KR KR1020167005182A patent/KR102248498B1/ko active IP Right Grant
- 2013-08-30 WO PCT/US2013/057546 patent/WO2014042899A2/en active Application Filing
- 2013-08-30 EP EP13756800.2A patent/EP2721543B1/en active Active
- 2013-08-30 CN CN201380046745.5A patent/CN104854592B/zh active Active
- 2013-08-30 EP EP17187149.4A patent/EP3282381B1/en active Active
- 2013-08-30 EP EP21208629.2A patent/EP3979259A1/en active Pending
- 2013-08-30 CA CA2882543A patent/CA2882543C/en active Active
- 2013-08-30 KR KR1020157006740A patent/KR101834051B1/ko active IP Right Grant
- 2013-08-30 CA CA3114366A patent/CA3114366C/en active Active
- 2013-08-30 JP JP2015531136A patent/JP5868554B2/ja active Active
-
2015
- 2015-10-26 JP JP2015209558A patent/JP6271492B2/ja active Active
-
2016
- 2016-07-13 AU AU2016204888A patent/AU2016204888B2/en active Active
-
2017
- 2017-08-30 JP JP2017165308A patent/JP2017205605A/ja not_active Withdrawn
-
2018
- 2018-01-26 JP JP2018011463A patent/JP6522175B2/ja active Active
-
2019
- 2019-07-17 US US16/514,664 patent/US11382569B2/en active Active
- 2019-11-29 JP JP2019216120A patent/JP7048561B2/ja active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2007526016A (ja) | 2003-06-25 | 2007-09-13 | シーメンス メディカル ソリューションズ ユーエスエー インコーポレイテッド | 心撮像の自動局所心筋評価を行うシステム及び方法 |
US20110081057A1 (en) | 2009-10-06 | 2011-04-07 | Eigen, Llc | Apparatus for stenosis estimation |
JP2012024582A (ja) | 2010-07-21 | 2012-02-09 | Siemens Corp | 包括的な患者固有の心臓のモデリング方法およびシステム |
WO2012021307A2 (en) | 2010-08-12 | 2012-02-16 | Heartflow, Inc. | Method and system for patient-specific modeling of blood flow |
US20120059246A1 (en) | 2010-08-12 | 2012-03-08 | Heartflow, Inc. | Method and system for patient-specific modeling of blood flow |
US20120072190A1 (en) | 2010-09-16 | 2012-03-22 | Siemens Corporation | Method and System for Non-Invasive Assessment of Coronary Artery Disease |
WO2012093266A1 (en) | 2011-01-06 | 2012-07-12 | Medsolve Limited | Apparatus and method of assessing a narrowing in a fluid filled tube |
Also Published As
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP7048561B2 (ja) | 血管形状及び生理学から血流特性を推定するシステム及び方法 | |
US11013425B2 (en) | Systems and methods for analyzing and processing digital images to estimate vessel characteristics |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20191225 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20210113 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20210305 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20210805 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20211011 |
|
TRDD | Decision of grant or rejection written | ||
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20220311 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20220324 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 7048561 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |