JP7313284B2 - 冠血流予備量比シミュレーションパラメータのカスタマイズ、キャリブレーション、及び／又はトレーニング - Google Patents

Description

以下は、一般的にはイメージング、特に冠血流予備量比シミュレーション（FFR）のカスタマイズ、キャリブレーション、及び/又はトレーニングに関するものであり、FFR－コンピューター断層撮影（FFR－CT）への特定のアプリケーションで説明され、X線FFRにも対応している。

冠血流予備量比（FFR）は、FFRインデックスを介して、石灰化プラーク又は軟質プラークによる冠動脈病変の血行動態的重要性を定量化するためのカテーテル検査室（Cath Lab）の侵襲性測定である。インデックスは、冠動脈造影中に行われた圧力測定から計算された冠動脈狭窄の機能的重症度を示し、充血状態での近位圧力（口の近く）に対する遠位血圧（狭窄の背後）として定義される。つまり、FFRインデックスは、狭窄が存在しない状態での最大流量と比較して、狭窄が存在する状態での血管を流れる最大流量を表する。 FFR値は0乃至1の絶対値であり、値0.50は、特定の狭窄により血圧が50％低下することを示する。

侵襲性FFRプロシージャでは、カテーテルを大腿動脈又は放射状骨動脈に挿入し、カテーテルを狭窄部まで前進させる必要があり、カテーテルの先端のセンサーは、血管の形状、コンプライアンス及び抵抗、及び/又は他の特性に影響するさまざまな造影剤によって促進される状態の間、狭窄部の間の圧力を検出する。非侵襲性アプローチでは、冠動脈を通る血流と圧力をシミュレートする計算流体力学（CFD）シミュレーションを通じて、心臓のCT画像データ（たとえば、造影冠動脈CT血管造影、CCTA）からFFRインデックスを推定する。これには、CCTA画像データを使用して冠動脈ツリーの幾何モデルを導出し、そこから特徴を抽出し、シミュレーションの特徴から境界条件を決定することが含まれる。

FFR－CTシミュレーションソフトウェアは、CCTA画像から冠動脈をセグメント化するために、工場で調整されたプリセットアルゴリズムパラメータ、又は冠動脈を通じてシミュレートされた血流を制御する末梢抵抗のスケーリングファクターを備えた臨床現場で展開されている。しかしながら、使用パターン、個人の習慣、及び/又は患者集団は、サイトごとに異なる場合がある。たとえば、血管をセグメント化するとき、ある臨床医は血管壁の内面の内側でセグメント化することができ、別の臨床医は血管壁でセグメント化することができる。別の例では、血管壁の実際の周囲は、より低い画質の画像と比較してより高い画質の画像においてより明瞭であり得る。その結果、FFR－CTシミュレーションの結果の精度は、臨床医の間で、施設ごとに異なる場合がある。

本明細書で説明される態様は、上記で参照された問題及びその他に対処する。

一態様では、計算システムは、セグメンタ及び境界条件決定器を備えた生物物理シミュレータを含む、コンピュータ実行可能命令を備えたコンピュータ可読記憶媒体を含む。計算システムは、生物物理シミュレータを実行して、適応冠動脈ツリーセグメンテーション及び適応境界条件の少なくとも一方と心臓撮像データとを用いて冠血流予備量比指数を計算するように構成されたプロセッサをさらに含む。

別の態様では、コンピュータ可読記憶媒体は、コンピュータ可読命令でエンコードされ、計算システムのプロセッサによって実行されるとき、プロセッサに、心臓撮像データを受信させ、生物物理シミュレータを実行させて、適応した冠動脈ツリーセグメンテーション及び適応した境界条件の少なくとも1つ及び心臓撮像データを用いて冠血流予備量比インデックスを計算させる。

別の態様において、方法は、心臓撮像データを受信するステップと、適応した冠動脈ツリーセグメンテーション及び適応した境界条件の少なくとも1つ及び心臓撮像データを用いて冠血流予備量比インデックス計算するステップを含む。

当業者は、添付の説明を読んで理解すると、本出願のさらに他の態様を認識するであろう。

本発明は、様々な構成要素及び構成要素の配置、ならびに様々なステップ及びステップの配置の形をとることができる。図面は、好ましい実施形態を説明するためだけのものであり、本発明を限定するものとして解釈されるべきではない。

計算システム及び撮像システムを含むシステムを概略的に示している。 生物物理シミュレータの例を示している。 冠動脈のセグメント化の例を示している。 冠動脈の解剖学的モデルの例を示している。 本明細書の一実施形態による例示的な方法を示す図である。 本明細書の一実施形態による別の例示的な方法を示す。 本明細書の一実施形態による別の例示的な方法を示す。

図１は、ＣＴスキャナなどの撮像システム１０２を含むシステム１００を概略的に示している。変形形態では、システム１００はＸ線撮像装置を含む。撮像システム１０２は、ほぼ静止したガントリ１０４と、静止したガントリ１０４によって回転可能に支持され、ｚ軸を中心に検査領域１０８の周りを回転する回転ガントリ１０６とを含む。カウチなどの被験者支持部110は、検査領域108内の対象又は被験者を支持する。

Ｘ線管などの放射線源１１２は、回転ガントリ１０６によって回転可能に支持され、回転ガントリ１０６と共に回転し、検査領域１０８を横断する放射線を放出する。放射線感受性検出器アレイ１１４は、検査領域１０８の間で放射線源１１２の反対側の角度の弧を定める。放射線感受性検出器アレイ１１４は、検査領域１０８を横断する放射線を検出し、それを示す電気信号（投影データ）を生成する。再構成器１１６は、投影データを再構成し、検査領域１０８内に位置する被験者又は対象のスキャン部分を示す体積画像データを生成する。

この例では、計算システム118はオペレータコンソールとして機能する。コンソール１１８は、プロセッサ１２０（例えば、マイクロプロセッサ、中央処理装置など）と、一時的媒体を除外し、物理メモリデバイスなどの非一時的媒体を含むコンピュータ可読記憶媒体１２２とを含む。コンソール１１８は、モニタなどの人間が読み取り可能な出力装置、及びキーボード、マウスなどの入力装置をさらに含む。

コンピュータ可読記憶媒体１２２は、少なくとも生物物理シミュレータ１２６のための命令１２４を含む。プロセッサ１２０は、オペレータがグラフィカルユーザインターフェース（GUI）又はそれ以外を介してスキャナ１０２と対話し、及び／又はスキャナ１０２を操作できるようにする命令１２４及び／又はソフトウェアを実行するように構成される。プロセッサ１２０は、追加的又は代替的に、搬送波、信号及び／又は他の一時的な媒体によって運ばれるコンピュータ可読命令を実行してもよい。

変形例では、生物物理シミュレータ１２６は、コンソール１１８及びシステム１００とは分離される他の計算システムの一部である。この例では、他の計算システムは、プロセッサ、コンピュータ読み取り可能な媒体を含むが、オペレータがスキャナ102と対話し、及び/又はスキャナ102を操作することを可能にするソフトウェアを含まないという点でコンソール１１８に類似している。

生物物理シミュレータ１２６は、少なくとも体積画像データを処理して生物物理シミュレーションを実行するように構成される。 FFRに関して、生物物理シミュレータは、FFRインデックスに基づくCCTA画像データ（又はX線血管造影図）を決定する。ＦＦＲインデックスは、ディスプレイモニタを介して表示され、保存され、別のデバイスに伝達されることができる。以下により詳細に説明するように、生物物理シミュレータ１２６は、セグメンテーションフィードバックループ及び／又は境界条件フィードバックループなどの１つ以上のフィードバックループを含む。フィードバックループは、個々の臨床医、施設などのトレーニング、シミュレーションのカスタマイズ及び/又はキャリブレーション、及び/又は予測目的に使用できる。

このように、生物物理シミュレータ１２６は臨床現場に配備され、例えば、ＣＣＴＡ画像データ（又はＸ線血管造影図）からの冠動脈ツリーのセグメント化、又は冠動脈を通る血流のシミュレートされた流れを制御する末梢抵抗のためのスケーリングファクタのために、個々のユーザ及び／又は現場に合わせられる。一例では、これにより、使用パターン、個々の習慣、及び/又はサイトごとに異なる患者集団のさまざまな結果が緩和される。結果として、臨床医の間、サイトの間からのFFR－CT（又はX線FFR）シミュレーション結果の精度は、本明細書に記載のアプローチが利用されない構成及び/又は本明細書で説明される生物物理シミュレータ１２６は省略される構成と比較して改善される可能性がある。

図２は、ＦＦＲ－ＣＴに関連した生物物理シミュレータ１２６の例を概略的に示している。この例では、生物物理シミュレータ126は、セグメンテーションフィードバックループ204を備えたセグメンタ202、境界条件フィードバックループ208を備えた境界条件決定器206、及びフローシミュレータ210を含む。変形例では、セグメンテーションフィードバックループ204は省略される。別の変形例では、境界条件フィードバックループ208は省略される。生物物理シミュレータ１２６は、入力として、撮像システム１００、データリポジトリ（例えば、放射線情報システム（ＲＩＳ）、写真及びアーカイブシステム（ＰＡＣＳ）など）、及び／又は他の装置からＣＣＴＡ撮像データを受け取る。

セグメンタ２０２は、セグメンテーションアルゴリズムを使用して、ＣＣＴＡ撮像データから冠動脈ツリーをセグメント化する。セグメンテーションは、自動的に（たとえば、機械学習など）又は半自動で（たとえば、ユーザ支援を受けて）実行できる。一例では、セグメンテーションは、そこから冠動脈の中心線及び/又は管腔形状（たとえば、直径、周囲、断面積など）を識別及び/又は抽出することを含む。セグメンテーションは、ボクセルの強度、オブジェクトの形状、及び/又はその他の特性に基づくことができる。図３は、血管管腔の対向する壁３０２を示す個々の血管の一部のセグメンテーションを示し、図４は、セグメント化された冠動脈ツリー４００を示す。

CCTA撮像データから冠動脈ツリーを抽出するための適切なアプローチの例は、Zhengらの「モデル駆動型アプローチとデータ駆動型アプローチとの組み合わせによるCTAでの堅牢かつ正確な冠動脈中心線抽出」（Med Image Comput Assist Interv、 2013; 16（Pt 3）：74－81）、Ecabertらの「モデルベースの適応フレームワークを使用したCT画像での心臓と大血管とのセグメンテーション」（Med Image Anal、 2011年 12月; 15（6）：863－76）、及びFreimanらの「自動冠動脈内腔セグメンテーションにおける部分ボリュームモデリングを考慮することによるCCTAベースの病変の血行動態の重要性評価の改善」（Med Phys、 2017年3月; 44（3）：1040－1049）に開示される。本明細書では他のアプローチも考えられる。

ある例では、CCTA撮像データはトレーニングセットであり、専門家はすでに既知の「グラウンドトゥルース」侵襲性FFR測定値と一致するFFRインデックスのシミュレーションをもたらす正確な冠動脈ツリーセグメンテーションを実行しており、トレーニングセットのための基準セグメンテーションが提供される。セグメンタ202は、トレーニングセットから冠動脈ツリーをセグメント化し、ユーザは、セグメンタ202のツールを使用して冠動脈ツリーセグメンテーションを自由に操作する。セグメンタ202は、ユーザ調整冠動脈ツリーセグメンテーションを基準セグメンテーションと比較する。セグメンタ２０２は、フィードバックループ２０４を介して、ユーザ調整された冠動脈ツリーセグメンテーションと基準セグメンテーションとの違いを示すフィードバックを提供する。フィードバックは、後続の調整された冠動脈のセグメンテーションが基準セグメンテーション、セグメンテーションを改善するための推奨、及び/又はセグメンテーションに関する他の情報に近いかを示してもよい。

別の例では、CCTA撮像データはトレーニングセットである。この場合、セグメンタ202は、ユーザ調整された冠動脈のセグメンテーションと基準セグメンテーションとの間の差を学習し、偏差をユーザ固有の較正データとして保存する。セグメンタ２０２は、例えば、評価又は分析中の患者ＣＣＴＡ撮像データ（非トレーニングデータセット）からの後続のユーザ調整冠動脈ツリーセグメンテーションを自動的に適応させるために、ユーザ固有の較正データを利用する。このために、セグメンタ２０２は、フィードバックループ２０４を介して、ユーザ固有の較正データに基づいて、適応された調整冠動脈のセグメンテーションを視覚的に表示する。適応のために、セグメンタ２０２は、セグメンテーションの１つ以上のポイントをシフトし得る。例えば、セグメンタ２０２は、セグメント化された冠状血管の直径を増加又は減少させ、セグメント化された冠状血管の壁を移動させることができる。

ユーザは、視覚的に表示され調整された冠動脈ツリーセグメンテーションを受け入れ、拒否及び/又は変更できる。ユーザはセグメンテーションをやり直すこともできる。ユーザは定期的にトレーニングセット（及び/又は別のトレーニングセット）を使用して、ユーザ固有のキャリブレーションデータを更新できる。たとえば、時間の経過とともに、基準に対してより正確な調整された冠動脈のセグメンテーションを作成するユーザの能力は、経験とともに向上する可能性がある。このような場合、現在のユーザ固有のキャリブレーションデータが過剰に修正される可能性がある。このため、ユーザはトレーニングセット（及び/又は他のトレーニングセット）を処理でき、セグメンタ202は、そこからの偏差に基づいてユーザ固有のキャリブレーションデータを更新できる。追加的又は代替的に、セグメンタ２０２は、起動時又は別の方法で、トレーニングセットをユーザに提示して、ユーザ固有の較正データを更新することができる。

境界条件決定器２０６は、ユーザ調整冠動脈ツリーセグメンテーション及び／又はセグメンタ適合ユーザ調整冠動脈ツリーセグメンテーション２０２から血管内の血流の計算流体力学シミュレーションの境界条件を決定する。 1つのアプローチでは、パラメトリック集中モデルが採用される。このモデルは非線形抵抗を使用する中心線表示を含み、要素は流入及び流出境界条件を示し、要素は、血管形状及び/又は油圧効果（たとえば、表1の1乃至6）を反映する一連の線形及び非線形抵抗要素を含むツリーセグメント伝達関数（直径、周囲、断面積など）を表す。

集中モデルの例は、Nickisch他、「インタラクティブな冠動脈血流シミュレーションのための患者固有の集中モデルの学習」（医用画像計算及びコンピュータ支援介入－MICCAI 2015：18th International Conference、LNCS巻9350、2015、vol、 9350、pp 433－441）に開示される。境界条件を導出する例は、2014年6月30日に出願された「FFR－CTに対する患者の特定のモデリングの強化」と題されたEP14174891.3に記載されており、本明細書に参照により含まれる。本明細書では他のアプローチも考えられる。

図示の例では、FFR－CTシミュレーション後に収集された患者固有のデータが境界条件決定器206に提供される。そのようなデータの非限定的な例には、ヘマトクリット、糖尿病の有無、急性冠動脈症候群、血圧が含まれるが、これらに限定されない。データは、ユーザが提供したり、電子患者記録から抽出したり、その他の方法で取得したりできる。患者固有のデータは、フィードバックループ208を介して、境界条件を更新するために使用される。たとえば、以前にFFR－CTシミュレーションを受けた患者の侵襲性FFR測定を使用して、将来のシミュレーションを改善できる。さらに、文書化された結果、追加の生物物理学的及び/又は機能的測定を使用して、境界条件を再調整することができる。

以下は、患者固有のデータを利用する方法の非限定的な例を示している。ヘマトクリットは、赤血球の体積割合の尺度である。一般的に、ヘマトクリットの増加は、血液の粘度が高いことを意味する。血液の粘度は、経験曲線、たとえば40％から45％の間の線形スケーリングを使用して調整できる。糖尿病の存在は一般に、硬い壁と高い心筋抵抗を意味する。対応する抵抗境界条件は、たとえばデフォルト値に10％を追加することで調整できる。治療のカットオフFFR閾値が0.80である場合、急性冠症候群（ACS）の患者に対して、この閾値を例えば0.85に上げて、境界患者を確実に治療することができる。

特定の患者に対する追加の侵襲性基準FFR測定を使用して、（現在のセグメンテーションが与えられた場合）基準とモデル予測の間のより良い一致を得るように、何れかのモデルパラメータ、例えば心筋抵抗を適合させることができる。これは、勾配降下、パラメータ検索などによって行うことができる。心臓イベント又は生存データなどの文書化された患者の結果を同様に使用して、以前に取得したモデル予測と治療を考慮してパラメータを調整できる。たとえば、CT－FFR評価で病変が重要でないと見なされ、その病変が主要な心臓イベントを引き起こした場合、評価を再検討し、FFRしきい値などのパラメータを更新して、結果とよりよく一致させることができる。

さらに、又は代わりに、1つ又は複数の入力パラメータについて、境界条件決定器206は、入力パラメータの1つ又は複数の所定の変動の境界条件も決定する。例えば、Ｘの測定された血圧について、境界条件決定器２０６は、少なくとも（Ｘ）（±０．Ｚ）の血圧値について境界条件を決定することもできる。ここで、Ｚは１％、２％、５％、１０％、２５％などの百分率としての許容範囲を表す。これにより、計算システム１１８は、入力パラメータ及び入力値周辺の値のＦＦＲ値を計算することができる。計算されたFFR値は、パラメータの値がFFR－CTシミュレーションの結果にどのように影響するかを示す。

パラメータ値の信頼性（たとえば、測定された血圧）が低く、値の小さな変化がFFR値に大きな影響を与える場合（たとえば、患者を治療するために患者を観察することにより推奨を変更する）、ユーザは、現在の値を使用するのではなく、より正確な値を取得して使用することを選択できる。代わりに、ユーザは、このパラメータ値がFFR値にどのように影響するかを理解することもできる。代わりに、このパラメータ値を使用せずに、及び/又はこのパラメータの影響を受ける境界条件を調整せずに続行することもできる。パラメータ値の信頼度が高い場合、ユーザは値を続行できる。

フローシミュレータ２１０は、境界条件でフローシミュレーションを実行し、ＦＦＲ値を生成及び出力する。例えば、計算流体力学（CFD）アプローチ及び/又は他のアプローチを使用して、フローシミュレーションを実行できる。 FFR値の計算例は、2013年5月10日に出願された「血管の狭窄に対する冠血流予備量比（FFR）値の決定」と題されるUS 2015/0092999 A1、及び2013年10月24日に出願された「冠血流予備量比（FFR）インデックス」と題されるUS 2015/0282765 A1に開示されており、本明細書に参照として含まれる。

図５は、本明細書で説明される実施形態による例示的な方法を示す。

５０２では、ＣＣＴＡ撮像データのトレーニングセットから冠状血管がセグメント化される。

５０４で、セグメンテーションの調整を示すユーザ入力が受信され、セグメント化された血管に適用され、ユーザ調整された冠状血管セグメンテーションが生成される。

５０６で、ユーザ調整された冠状血管セグメンテーションは、トレーニングセットの基準血管セグメンテーションと比較される。

５０８で、セグメンテーション間の違いが視覚的に表示される。違いは、グラフィック及び/又は数値にすることができる。

この方法は、冠動脈ツリーのセグメンテーショントレーニングに適している。

図６は、本明細書で説明される実施形態による別の例示的な方法を示す。

602では、冠動脈ツリーがCCTA撮像データのトレーニングセットからセグメント化される。

６０４で、セグメンテーションの調整を示すユーザ入力が受信され、セグメント化されたツリーに適用され、ユーザ調整された冠動脈ツリーのセグメンテーションを生成する。

６０６で、ユーザ調整された冠動脈ツリーのセグメンテーションは、心臓撮像データのトレーニングセットについての基準ツリーセグメンテーションと比較される。

６０８で、それらの間の偏差がユーザ固有の較正として保存される。

610で、冠動脈ツリーが評価中の患者のCCTA撮像データからセグメント化される。

６１２で、セグメンテーションに対する調整を示すユーザ入力が受信され、セグメント化されたツリーに適用され、ユーザ調整された冠動脈ツリーセグメンテーションを生成する。

６１４で、ユーザ固有の較正がユーザ調整の冠状血管セグメンテーションに適用され、患者用に適合されたユーザ調整された冠動脈ツリーセグメンテーションが生成される。

６１６で、適合されたユーザ調整冠動脈ツリーセグメンテーションを使用してＦＦＲインデックスが生成される。

図７は、本明細書で説明される実施形態による別の例示的な方法を示す。

７０２で、冠動脈ツリーが患者のＣＣＴＡ撮像データからセグメント化される。一例では、冠動脈ツリーは、図6に関連して説明したように適合される。

７０４で、冠動脈ツリーに基づいて境界条件が決定される。

７０６で、境界条件を用いてＦＦＲ値が決定される。

７０８で、患者固有のデータ及び／又は他のデータに基づいて境界条件が更新される。

上記は、コンピュータ可読記憶媒体にエンコード又は埋め込まれたコンピュータ可読命令により実装され、コンピュータプロセッサによって実行されると、プロセッサに記述された行為を実行させる。それに加えて、又はその代わりに、コンピュータ可読命令の少なくとも1つは、コンピュータ可読記憶媒体ではない信号、搬送波又は他の一時的な媒体によって運ばれる。さらに、行為の順序は限定的ではないことを理解されたい。したがって、本明細書では他の順序付けが考えられる。加えて、１つ以上の行為が省略されてもよく、及び／又は１つ以上の追加の行為が含まれてもよい。

本発明は、図面及び前述の説明において詳細に図示及び説明されたが、そのような図示及び説明は、限定的ではなく例示的又は例示的であると見なされるべきである。本発明は開示された実施形態に限定されない。開示された実施形態に対する他の変形は、図面、開示、及び添付の特許請求の範囲の検討から、請求された発明を実施する際に当業者によって理解及び達成され得る。

請求項において、「含む」という語は他の要素又はステップを除外せず、不定冠詞「a」又は「an」は複数を除外しない。単一のプロセッサ又は他のユニットは、特許請求の範囲に記載されたいくつかのアイテムの機能を果たし得る。特定の測定値が相互に異なる従属請求項に記載されているという単なる事実は、これらの測定値の組み合わせが有利に使用できないことを示すものではありません。

コンピュータプログラムは、他のハードウェアとともに、又はその一部として提供される光学式記憶媒体又はソリッドステート媒体などの適切な媒体に格納/配布できるが、インターネットやその他の有線又は無線の通信システム。請求項中の参照符号は、範囲を限定するものとして解釈されるべきではない。

Claims (23)

1. 計算システムであって、
   セグメンタ及び境界条件決定器を備える生物物理シミュレータを含む、コンピュータ実行可能命令を備えるコンピュータ可読記憶媒体と、
   前記生物物理シミュレータに、
   第１のユーザ調整冠動脈ツリーセグメンテーションと既知のグラウンドトゥルース侵襲性冠血流予備量比インデックス測定値に一致する冠血流予備量比インデックスをもたらす基準冠動脈ツリーセグメンテーションとの間の偏差を学習させ、
   前記第１のユーザ調整冠動脈ツリーセグメンテーションと前記基準冠動脈ツリーセグメンテーションとの間の前記学習される偏差に基づいて、非トレーニングデータセットからの第２のユーザ調整冠動脈ツリーセグメンテーションを適応させ、
   心臓撮像データと、前記適応冠動脈ツリーセグメンテーション及び適応境界条件の少なくとも一方とを用いて冠血流予備量比インデックスを計算させる
   ように構成される処理回路と
   を有する、
   計算システム。
2. 前記心臓撮像データはトレーニング撮像を含み、セグメンタはユーザインタラクションで前記心臓撮像データから前記第１のユーザ調整冠動脈ツリーセグメンテーションを生成し、前記第１のユーザ調整冠動脈ツリーセグメンテーションと前記基準冠動脈ツリーセグメンテーションとの間の前記偏差を示す情報を視覚的に表示する、請求項1に記載のシステム。
3. 前記心臓撮像データはトレーニング撮像を含み、セグメンタはユーザインタラクションで前記心臓撮像データから第１のユーザ調整冠動脈ツリーセグメンテーションを生成し、前記第１のユーザ調整冠動脈ツリーセグメンテーションと前記基準冠動脈ツリーセグメンテーションとの間の前記偏差を較正データとして記憶する、請求項1に記載のシステム。
4. 前記セグメンタが、後続して患者の心臓画像データを処理し、ユーザインタラクションで前記心臓撮像データから第２のユーザ調整冠動脈ツリーセグメンテーションを生成する、請求項3に記載のシステム。
5. 前記適応は、前記第２のユーザ調整冠動脈ツリーセグメンテーションの少なくとも１つのポイントをシフトするステップを含み、前記シフトするステップは、セグメント化される冠状血管の直径を変化させるステップを含む、請求項４に記載のシステム。
6. 前記セグメンタは、確認又は拒否のために前記適応セグメンテーションを視覚的に表示する、請求項４に記載のシステム。
7. 前記セグメンタは、前記トレーニング撮像又は他のトレーニング撮像の後続のセグメンテーションに基づいて前記較正データを更新する、請求項３に記載のシステム。
8. 前記セグメンタは、患者の心臓撮像データを処理し、ユーザインタラクションで前記心臓撮像データから前記第１のユーザ調整冠動脈ツリーセグメンテーションを生成し、
   前記境界条件決定器は、前記適応セグメンテーション又は前記第１のユーザ調整冠動脈ツリーセグメンテーションに基づいて境界条件を決定し、前記適応セグメンテーション又は前記第１のユーザ調整冠動脈ツリーセグメンテーションに基づいて前記冠血流予備量比インデックスを計算するように構成されるフローシミュレータをさらに有する、
   請求項1に記載のシステム。
9. 前記境界条件決定器は、患者固有のデータに基づいて前記境界条件を更新する、請求項８に記載のシステム。
10. 前記境界条件決定器は、前記患者固有のデータにおける所定の変動のセットに対する境界条件のセットを決定し、前記フローシミュレータは、前記境界条件のセットに基づいて冠血流予備量比値を計算するように構成される、請求項９に記載のシステム。
11. 前記境界条件決定器は、文書化される結果に基づいて前記境界条件を更新し、前記フローシミュレータは、前記境界条件のセットに基づいて冠血流予備量比値を計算するように構成される、請求項８に記載のシステム。
12. 前記患者固有のデータはヘマトクリットを含み、前記境界条件決定器は、上昇するヘマトクリットに応じて血液境界条件の粘度の初期値を所定の範囲の間でスケーリングすることにより前記血液境界条件の粘度を増加させる、請求項８に記載のシステム。
13. 前記患者固有のデータは糖尿病の存在を示し、前記境界条件決定器は、前記糖尿病の存在の表示に応じて抵抗境界条件の初期値に所定の割合を加えることにより、心筋壁の抵抗境界条件を増加させる、請求項８に記載のシステム。
14. 前記患者固有のデータは急性冠動脈症候群の存在を示し、前記処理回路は、前記急性冠動脈症候群の存在の表示に応じて治療のためのカットオフ冠血流予備量比閾値を増加させる、請求項８に記載のシステム。
15. コンピュータ可読命令でエンコードされるコンピュータ可読記憶媒体であって、処理回路によって実行されるとき、前記処理回路に、
    心臓撮像データを受信させ、
    第１のユーザ調整冠動脈ツリーセグメンテーションと既知のグラウンドトゥルース侵襲性冠血流予備量比インデックス測定値に一致する冠血流予備量比インデックスをもたらす基準冠動脈ツリーセグメンテーションとの間の偏差を学習させ、
    前記第１のユーザ調整冠動脈ツリーセグメンテーションと前記基準冠動脈ツリーセグメンテーションとの間の前記学習される偏差に基づいて、非トレーニングデータセットからの第２のユーザ調整冠動脈ツリーセグメンテーションを適応させ、
    前記適応冠動脈ツリーセグメンテーション及び適応境界条件の少なくとも1つ並びに前記心臓撮像データを用いて冠血流予備量比インデックスを計算する
    ように生物物理シミュレータを実行させる、
    コンピュータ可読記憶媒体。
16. 前記心臓撮像データはトレーニング撮像を含み、前記処理回路はユーザインタラクションで前記心臓撮像データから前記第１のユーザ調整冠動脈ツリーセグメンテーションを生成し、前記第１のユーザ調整冠動脈ツリーセグメンテーションと前記基準冠動脈ツリーセグメンテーションとの間の前記偏差を示す情報を視覚的に表示するか、又は前記偏差を較正データとして記憶する、請求項１５に記載のコンピュータ可読記憶媒体。
17. 前記心臓撮像データは、評価中の患者の撮像データを含み、前記処理回路は、ユーザインタラクションで前記撮像データから前記第１のユーザ調整冠動脈ツリーセグメンテーションを生成する、請求項１６に記載のコンピュータ可読記憶媒体。
18. 前記受信心臓撮像データは患者の心臓撮像データを含み、前記処理回路は、ユーザインタラクションで前記心臓撮像データから前記第１のユーザ調整冠動脈ツリーセグメンテーションを生成し、前記適応セグメンテーション又は前記第１のユーザ調整冠動脈ツリーセグメンテーションに基づいて境界条件を決定し、前記境界条件に基づいて前記冠血流予備量比インデックスを計算し、前記冠血流予備量比インデックスの計算後に収集される患者固有のデータに基づいて前記境界条件を更新する、請求項１５に記載のコンピュータ可読記憶媒体。
19. 計算システムの作動方法であって、前記計算システムは処理回路を有し、
    前記処理回路が、心臓撮像データを受信するステップと、
    前記処理回路が、第１のユーザ調整冠動脈ツリーセグメンテーションと既知のグラウンドトゥルース侵襲性冠血流予備量比インデックス測定値に一致する冠血流予備量比インデックスをもたらす基準冠動脈ツリーセグメンテーションとの間の偏差を学習するステップと、
    前記処理回路が、前記第１のユーザ調整冠動脈ツリーセグメンテーションと前記基準冠動脈ツリーセグメンテーションとの間の前記学習される偏差に基づいて、非トレーニングデータセットからの第２のユーザ調整冠動脈ツリーセグメンテーションを適応するステップと、
    前記処理回路が、適応冠動脈ツリーセグメンテーション及び適応境界条件の少なくとも1つ及び前記心臓撮像データを用いて冠血流予備量比インデックス計算するステップと
    を有する、方法。
20. 前記心臓撮像データはトレーニング撮像を含み、
    前記処理回路が、ユーザインタラクションで前記心臓撮像データから前記第１のユーザ調整冠動脈ツリーセグメンテーションを生成するステップと、
    前記処理回路が、前記第１のユーザ調整冠動脈ツリーセグメンテーションと前記基準冠動脈ツリーセグメンテーションとの間の前記偏差を示す情報を視覚的に表示するステップ、又は前記偏差を較正データとして記憶するステップのうちの少なくとも一つと
    を更に有する、請求項１９に記載の方法。
21. 前記心臓撮像データは、評価中の患者の撮像データを含み、
    前記処理回路が、ユーザインタラクションで前記撮像データから前記第１のユーザ調整冠動脈ツリーセグメンテーションを生成するステップ
    を更に有する、請求項２０に記載の方法。
22. 前記受信心臓撮像データは、患者の心臓撮像データを含み、
    前記処理回路が、ユーザインタラクションで前記心臓撮像データから前記第１のユーザ調整冠動脈ツリーセグメンテーションを生成するステップと、
    前記処理回路が、前記適応セグメンテーション又は前記第１のユーザ調整冠動脈ツリーセグメンテーションに基づいて境界条件を決定するステップと、
    前記処理回路が、前記境界条件に基づいて前記冠血流予備量比インデックスを計算するステップと、
    前記処理回路が、前記冠血流予備量比インデックスの計算後に収集される患者固有のデータに基づいて前記境界条件を更新するステップと
    を更に有する、請求項１９に記載の方法。
23. 前記計算される冠血流予備量比インデックスは、既知のグラウンドトゥルース侵襲性冠血流予備量比インデックス測定値に一致する、請求項１に記載のシステム。

Images