CN112040908A - 患者特异性的虚拟经皮结构性心脏介入方法和系统 - Google Patents
患者特异性的虚拟经皮结构性心脏介入方法和系统 Download PDFInfo
- Publication number
- CN112040908A CN112040908A CN201980028440.9A CN201980028440A CN112040908A CN 112040908 A CN112040908 A CN 112040908A CN 201980028440 A CN201980028440 A CN 201980028440A CN 112040908 A CN112040908 A CN 112040908A
- Authority
- CN
- China
- Prior art keywords
- cardiac
- patient
- implant
- region
- specific
- 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.)
- Pending
Links
Images
Classifications
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61F—FILTERS IMPLANTABLE INTO BLOOD VESSELS; PROSTHESES; DEVICES PROVIDING PATENCY TO, OR PREVENTING COLLAPSING OF, TUBULAR STRUCTURES OF THE BODY, e.g. STENTS; ORTHOPAEDIC, NURSING OR CONTRACEPTIVE DEVICES; FOMENTATION; TREATMENT OR PROTECTION OF EYES OR EARS; BANDAGES, DRESSINGS OR ABSORBENT PADS; FIRST-AID KITS
- A61F2/00—Filters implantable into blood vessels; Prostheses, i.e. artificial substitutes or replacements for parts of the body; Appliances for connecting them with the body; Devices providing patency to, or preventing collapsing of, tubular structures of the body, e.g. stents
- A61F2/02—Prostheses implantable into the body
- A61F2/24—Heart valves ; Vascular valves, e.g. venous valves; Heart implants, e.g. passive devices for improving the function of the native valve or the heart muscle; Transmyocardial revascularisation [TMR] devices; Valves implantable in the body
- A61F2/2412—Heart valves ; Vascular valves, e.g. venous valves; Heart implants, e.g. passive devices for improving the function of the native valve or the heart muscle; Transmyocardial revascularisation [TMR] devices; Valves implantable in the body with soft flexible valve members, e.g. tissue valves shaped like natural valves
- A61F2/2415—Manufacturing methods
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B34/00—Computer-aided surgery; Manipulators or robots specially adapted for use in surgery
- A61B34/10—Computer-aided planning, simulation or modelling of surgical operations
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61F—FILTERS IMPLANTABLE INTO BLOOD VESSELS; PROSTHESES; DEVICES PROVIDING PATENCY TO, OR PREVENTING COLLAPSING OF, TUBULAR STRUCTURES OF THE BODY, e.g. STENTS; ORTHOPAEDIC, NURSING OR CONTRACEPTIVE DEVICES; FOMENTATION; TREATMENT OR PROTECTION OF EYES OR EARS; BANDAGES, DRESSINGS OR ABSORBENT PADS; FIRST-AID KITS
- A61F2/00—Filters implantable into blood vessels; Prostheses, i.e. artificial substitutes or replacements for parts of the body; Appliances for connecting them with the body; Devices providing patency to, or preventing collapsing of, tubular structures of the body, e.g. stents
- A61F2/02—Prostheses implantable into the body
- A61F2/24—Heart valves ; Vascular valves, e.g. venous valves; Heart implants, e.g. passive devices for improving the function of the native valve or the heart muscle; Transmyocardial revascularisation [TMR] devices; Valves implantable in the body
- A61F2/2412—Heart valves ; Vascular valves, e.g. venous valves; Heart implants, e.g. passive devices for improving the function of the native valve or the heart muscle; Transmyocardial revascularisation [TMR] devices; Valves implantable in the body with soft flexible valve members, e.g. tissue valves shaped like natural valves
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B34/00—Computer-aided surgery; Manipulators or robots specially adapted for use in surgery
- A61B34/10—Computer-aided planning, simulation or modelling of surgical operations
- A61B2034/101—Computer-aided simulation of surgical operations
- A61B2034/102—Modelling of surgical devices, implants or prosthesis
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B34/00—Computer-aided surgery; Manipulators or robots specially adapted for use in surgery
- A61B34/10—Computer-aided planning, simulation or modelling of surgical operations
- A61B2034/101—Computer-aided simulation of surgical operations
- A61B2034/102—Modelling of surgical devices, implants or prosthesis
- A61B2034/104—Modelling the effect of the tool, e.g. the effect of an implanted prosthesis or for predicting the effect of ablation or burring
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B34/00—Computer-aided surgery; Manipulators or robots specially adapted for use in surgery
- A61B34/10—Computer-aided planning, simulation or modelling of surgical operations
- A61B2034/101—Computer-aided simulation of surgical operations
- A61B2034/105—Modelling of the patient, e.g. for ligaments or bones
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B34/00—Computer-aided surgery; Manipulators or robots specially adapted for use in surgery
- A61B34/10—Computer-aided planning, simulation or modelling of surgical operations
- A61B2034/108—Computer aided selection or customisation of medical implants or cutting guides
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61F—FILTERS IMPLANTABLE INTO BLOOD VESSELS; PROSTHESES; DEVICES PROVIDING PATENCY TO, OR PREVENTING COLLAPSING OF, TUBULAR STRUCTURES OF THE BODY, e.g. STENTS; ORTHOPAEDIC, NURSING OR CONTRACEPTIVE DEVICES; FOMENTATION; TREATMENT OR PROTECTION OF EYES OR EARS; BANDAGES, DRESSINGS OR ABSORBENT PADS; FIRST-AID KITS
- A61F2240/00—Manufacturing or designing of prostheses classified in groups A61F2/00 - A61F2/26 or A61F2/82 or A61F9/00 or A61F11/00 or subgroups thereof
- A61F2240/001—Designing or manufacturing processes
- A61F2240/002—Designing or making customized prostheses
Landscapes
- Health & Medical Sciences (AREA)
- Engineering & Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Biomedical Technology (AREA)
- Animal Behavior & Ethology (AREA)
- General Health & Medical Sciences (AREA)
- Cardiology (AREA)
- Heart & Thoracic Surgery (AREA)
- Veterinary Medicine (AREA)
- Surgery (AREA)
- Public Health (AREA)
- Molecular Biology (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Medical Informatics (AREA)
- Robotics (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Transplantation (AREA)
- Vascular Medicine (AREA)
- Manufacturing & Machinery (AREA)
- Apparatus For Radiation Diagnosis (AREA)
- Image Processing (AREA)
- Prostheses (AREA)
Abstract
一种用于从具有不同尺寸的一系列心脏植入物中选择为患者植入的具有最佳尺寸的心脏植入物的系统和方法。该方法包括获取表示患者特异性的心脏区域的数据,以及预测当在心脏区域内部署时与预定义标准最匹配的心脏植入物的最佳尺寸。预测包括:查询数据库;确定患者特异性的心脏区域的参数模型表达的参数值;和/或将表示患者特异性的心脏区域的数据输入人工智能设备。
Description
技术领域
本发明涉及经皮(例如经导管)结构性心脏介入的术前规划领域,所述结构性心脏介入例如瓣膜治疗,诸如瓣膜植入和/或修复。更特别地,本发明涉及对患者因经导管瓣膜治疗而出现异常的风险的术前预测。
背景技术
心脏的左心室通过主动脉瓣将血液泵送至主动脉。主动脉(瓣)狭窄是当主动脉瓣因小叶钙化、变厚和变硬而没有完全打开时发生的病理,结果造成从心脏到体循环的血流减少。主动脉狭窄在老年人中比较显著,患病率从65岁以上人群的1.3%到85岁以上人群的4%。这是目前西方世界最常见的瓣膜性心脏病,并且其患病率随着人口老龄化而升高。
主动脉狭窄的标准治疗是主动脉瓣置换术(SAVR),其目的在于用植入瓣膜复原天然瓣膜的正确功能。这种介入性手术需要全麻、胸骨切开术(心内直视手术)和心肺转流术(使用外部机器进行血液泵送和充氧),并且,这种介入性手术对于超过65岁的患者的相关住院死亡率为约6%。此外,由于手术相关风险太高,至少三分之一的严重主动脉狭窄患者无法进行瓣膜手术。
经导管主动脉瓣植入(TAVI)或经导管主动脉瓣置换(TAVR)是用于治疗主动脉狭窄的微创手术:(1)将瓣膜(例如由缝合在金属支架上的猪心包制成的人工生物瓣膜)卷曲在导管内,(2)将导管插入例如股动脉中,(3)沿主动脉向上游推至主动脉瓣环,并且(4)将新瓣膜部署在患病天然瓣膜内。TAVI具有治疗高危患者和用微创介入(不需要心内直视手术或心肺转流术)代替SAVR的潜力,微创介入可在例如约80分钟内进行。主要的TAVI并发症是血管损伤、中风、心脏损伤(心脏传导阻滞、冠状动脉阻塞、心脏穿孔)、主动脉反流、心脏传导异常和瓣膜错位。精确的术前规划对于选择最佳设备尺寸和预测潜在困难是至关重要的。
瓣膜植入物的尺寸过小可能导致瓣膜周围的主动脉反流,而尺寸过大可能导致主动脉瓣环破裂或植入物的次优功能行为。当前可用的规划工具(Philips、Siemens、PieMedical、Paeion)提供了对患者解剖的认识,并且可以例如用于确定主动脉瓣环的尺寸,或者用于测量瓣膜平面与冠状动脉口之间的距离。这些工具的问题在于,无法提供对某种植入设备与特异性的患者解剖之间相互作用的术前认识,并且因此无法用于预测诸如反流等并发症。这种认识对于介入心脏病专家来说是非常有价值的。
另一个问题是难以根据例如CT图像重建原生小叶。当前采用的方法会获得包括间隙的不完整小叶图像,其中,间隙表示缺少数据。
文献US2011/0153286A1公开了一种虚拟经皮瓣膜植入方法和系统。在本申请的一个实施例中,基于3D心脏医学图像数据来评估心脏瓣膜的患者特异性的解剖模型。表示瓣膜植入物的植入物模型虚拟地部署在心脏瓣膜的患者特异性的解剖模型中。可以保持植入物模型的库,其中,每个模型模拟相应瓣膜植入物的几何特性。库中所保持的植入物模型可以虚拟地部署在心脏瓣膜的患者特异性的解剖模型中,以选择一个植入物模型用于经皮瓣膜植入手术。
在WO2013/171039A1中,本发明的发明人描述了一种改进方法,用于提供植入设备与特异性的患者解剖的相互作用的术前认识,用于更好地预测并发症,诸如反流,用于更好地预测部署在主动脉瓣中的植入物的血液动力性能,以及用于更好地选择患者和分层。WO2013/171039A1还提供了一种应用计算机模拟对TAVI进行基于网络的术前规划服务,所述计算机模拟预测支架框变形和不完整框架并置,从而允许在介入之前评估反流和其它并发症(诸如冠状动脉阻塞和传导异常)的风险。
在WO2016/177647A1中,本发明的发明人描述了一种用于确定患者因经导管结构性心脏介入,诸如经导管心脏瓣膜植入/置换或修复而造成的心脏传导异常和/或失调,诸如左束支传导阻滞(LBBB)的风险度量的方法。
上述方法可能在计算上比较繁重。这可能导致临床医生需要经过几个小时或甚至几天的等待时间才能获得确定的结果。因此,需要更快的处理。
发明内容
根据一个方面,提供了一种计算机实现方法,用于从不同尺寸的一系列心脏植入物中选择具有最佳尺寸的心脏植入物,并且可选地预测心脏植入物的最佳部署位置,用于对患者进行心脏植入。该方法包括获取表示心脏区域的患者特异性的三维图像的数据。此类数据可以包括例如通过计算机机断层摄影(CT)或磁共振成像(MRI)获取的三维医学图像。该方法可以包括获取表示一系列植入物模型的数据,该一系列植入物模型表示具有不同尺寸的一系列心脏植入物。此类数据可以包括三维模型,诸如计算机辅助设计(CAD)模型或有限元模型。该方法包括预测当在心脏区域内部署时与预定义标准最匹配的心脏植入物的最佳尺寸,并可选地预测当在心脏区域内部署时与预定义标准最匹配的心脏植入物的最佳位置。确定最佳尺寸并可选地确定位置可以考虑心脏植入物的部署和心脏区域的变形。预定义标准可以是在患者的实际心脏区域内部署实际植入物期间和/或之后,并发症的风险最低。并发症可以例如是机械并发症(诸如应力、应变、机械压力、接触面积)、电并发症(诸如导电问题)、水力并发症(诸如血流、泄漏、反流)、植入物错位风险等。该标准可以例如与植入物和心脏区域之间的最佳相互作用相关。相互作用可以是机械相互作用,诸如接触压力、应变、接触面积;泄漏;反流;心脏传导异常;植入物错位风险等中的至少一个。
预定义标准也可以是用于给定心脏区域的心脏植入物尺寸的最佳整体匹配。尤其是当比较心脏区域内先前心脏植入物的大量临床数据时,对于给定心脏区域,可以考虑临床数据中遇到的所有潜在并发症来确定最佳平均尺寸并可选地确定位置。
预测可以包括查询包括多个记录的数据库,每个记录包括表示心脏区域的三维图像的数据,以及例如作为心脏植入物部署和心脏区域变形的结果,心脏区域内该系列心脏植入物的相关尺寸的数据并可选地包括心脏区域内该系列心脏植入物的位置的数据。记录可以包括表示预定尺寸的心脏植入物(表示预定尺寸的心脏植入物的植入物模型)的数据。因此,不同的记录可以应用于不同尺寸的心脏植入物。预测可以包括确定患者特异性的心脏区域的参数模型表达的参数值。基于参数值,例如作为心脏植入物部署和与其相关的心脏区域变形的结果,第二参数模型预测心脏区域内该系列心脏植入物的最佳尺寸以及可选地预测心脏区域内该系列心脏植入物的最佳位置。预测可以包括将表示心脏区域的患者特异性的三维图像的数据输入人工智能设备,诸如机器学习设备、深度学习设备、神经网络。人工智能设备布置为用于输出对该系列心脏植入物的最佳尺寸的预测并可选地用于输出对该系列心脏植入物的最佳位置的预测。如下文中进一步阐明的,这提供了以下优点:可以省略心脏区域内心脏植入物的最佳尺寸并可选地省略心脏区域内心脏植入物的最佳位置的实际计算。这对于处理时间来说可能是有益的。
该方法提供的优点在于,可以预测当在心脏区域内部署时,与预定义标准最匹配的心脏植入物的尺寸。可选地,当有多种类型的植入物可用时,该方法允许预测当在心脏区域内部署时,与预定义标准最匹配的心脏植入物的类型。可选地,当有多种类型的植入物可用,其中至少一些具有多个尺寸时,该方法允许预测当在心脏区域内部署时,与预定义标准最匹配的心脏植入物的尺寸和类型。可选地,该方法允许预测当在心脏区域内部署时,与预定义标准最匹配的心脏植入物的植入位置。
根据一个方面,预测可以包括查询包括多个记录的数据库,每个记录包括表示心脏区域的三维图像的数据,以及心脏区域内心脏植入物的相关尺寸的数据并可选地包括表示心脏区域内心脏植入物的位置的数据。记录可以包括表示预定义标准的数据。记录可以例如包括心脏区域的三维医学图像。记录可以包括表示心脏区域的模型,诸如有限元模型。
可选地,数据库包括记录,每个记录与相应的患者特异性的临床数据相关。数据库可以包括各个患者的心脏区域的多个三维医学图像。记录可以包括表示植入相应患者心脏区域内的植入物的数据。记录可以包括表示预定标准的数据。数据库可以包括表示相应患者的心脏区域的多个模型,诸如有限元模型。替代地,或额外地,数据库包括与模拟数据相关的记录。模拟数据可以是各个患者的心脏区域的医学图像的模拟。模拟数据可以是表示相应患者的心脏区域的模型,诸如有限元模型。
可选地,数据库包括通过对其它记录应用增强技术而获取的记录,所述增强技术诸如缩放、修改直方图等。因此,可以基于临床数据或模拟数据的单个数据集来生成多个记录。
可选地,数据库的查询包括例如使用极端梯度增强,确定与下述数据相关的记录:其表示与表示心脏区域的患者特异性的三维图像的数据最匹配的心脏区域的三维图像。可选地,数据库的查询包括确定与下述数据相关的记录:其表示与表示心脏区域的患者特异性的三维图像的数据最匹配且最匹配预定标准的心脏区域的三维图像。查询数据库可以包括将心脏区域的患者特异性的三维图像与数据库记录中的心脏区域的三维图像进行比较。患者特异性的数据与特异性记录之间的最匹配可以基于量化的相似性,例如相似性阈值。一旦确定了与表示心脏区域的患者特异性的三维图像的数据最匹配的记录,就可以选择与该记录相关的尺寸并可选地选择与该记录相关的位置,作为对与预定义标准最匹配的患者实际心脏区域内实际心脏植入物的最佳尺寸的预测和可选地作为对与预定义标准最匹配的患者实际心脏区域内实际心脏植入物的最佳位置的预测。
根据一个方面,预测可以包括确定患者特异性的心脏区域的参数模型表达的参数值。基于参数值,作为心脏植入物部署和与其相关的心脏区域变形的结果,第二参数模型预测心脏区域内心脏植入物的尺寸并可选地预测心脏区域内心脏植入物的位置。一旦确定了心脏区域的参数模型根据其提供与表示心脏区域的患者特异性的三维图像的数据的最接近匹配的参数值,这些参数,以及可选地预定标准,可以在第二参数模型中用于尺寸并可选地用于位置,以确定对与预定义标准最匹配的患者特异性的心脏区域内的心脏植入物的最佳尺寸的预测并可选地确定对与预定义标准最匹配的患者特异性的心脏区域内的心脏植入物的最佳位置的预测。参数模型可以例如对心脏区域的三维图像(诸如三维医学图像)或模型(诸如有限元模型)进行建模。
根据一个方面,预测可以包括将表示心脏区域的患者特异性的三维图像的数据输入人工智能设备。可选地,预测可以包括将表示预定标准的数据输入人工智能设备。人工智能设备可以使用表示心脏区域的患者特异性的三维图像的数据和可选地表示预定标准的数据作为输入,并且返回对与预定义标准最匹配的患者特异性的心脏区域内的心脏植入物的最佳尺寸的预测并可选地返回对与预定义标准最匹配的患者特异性的心脏区域内的心脏植入物的最佳位置的预测。表示心脏区域的患者特异性的三维图像的数据可以例如包括诸如医学图像等三维图像,或诸如有限元模型等模型。
可选地,该方法包括确定患者特异性的心脏区域的参数模型表达的参数值,以及查询包括多个记录的数据库,每个记录包括表示参数值以及心脏植入物的相关尺寸的数据并可选地包括包括表示参数值以及心脏植入物的位置的数据。因此,可以基于参数模型和查询数据库的组合来预测尺寸并可选地预测位置。查询数据库可以包括将患者的心脏解剖相关参数与数据库记录中的解剖相关参数进行比较。
可选地,通过查询包括多个记录的数据库来确定用于患者特异性的心脏区域的参数模型表达的参数值,每个记录包括表示心脏区域的三维图像及相关参数值的数据。替代地,或额外地,患者特异性的心脏区域的参数模型表达的参数值可以通过以下方式确定:将表示心脏区域的患者特异性的三维图像的数据输入人工智能设备,该人工智能设备布置为用于输出参数值。
可选地,表示一系列植入物模型的数据表示不同类型和尺寸的一系列心脏植入物。然后,预测可以包括,作为心脏植入物部署和心脏区域变形的结果,预测当在心脏区域内部署时,最匹配预定义标准的心脏植入物的类型和尺寸并可选地预测最匹配预定义标准的心脏植入物的位置。不同类型可以例如涉及不同制造商、不同材料等。
可选地,预测还基于患者的元数据,诸如人口统计数据、已知病理、药物使用等。
根据一个方面,在用于从不同尺寸的一系列心脏植入物中选择具有最佳尺寸的心脏植入物,并且可选地预测最佳部署位置,以用于患者的心脏植入的计算机实现方法中,预测当在心脏区域内部署时与预定义标准最匹配的心脏植入物的最佳尺寸并可选地预测当在心脏区域内部署时与预定义标准最匹配的心脏植入物的最佳位置的步骤包括:a)查询数据库以识别比预定相似性阈值更匹配患者特异性的数据的记录,以及b)如果没有找到此类记录,则计算患者特异性的心脏区域内心脏植入物的最佳尺寸并可选地计算患者特异性的心脏区域内心脏植入物的最佳位置。计算可以包括基于表示心脏区域的患者特异性的三维图像的数据,获取表示患者特异性的心脏区域的患者特异性的三维解剖模型,患者特异性的解剖模型包括有限元网格。计算可以包括获得多个植入物模型,每个植入物模型表示预定尺寸的心脏植入物的有限元表达。计算可以包括虚拟地将植入物模型部署在患者特异性的解剖模型中。计算可以包括计算每个部署的植入物模型与患者特异性的解剖模型之间的相互作用,可选地在植入物模型的多个部署位置处进行。计算可以包括基于所计算的相互作用,确定最佳尺寸并可选地确定最佳位置。
可以生成记录,记录包括表示心脏区域的三维图像的数据,以及植入物的相关尺寸的数据并可选地包括表示植入物的位置的数据。记录可以存储在数据库中。
根据一个方面,提供了一种计算机实现方法,用于评估在结构性心脏介入中和/或之后出现并发症的风险。该方法包括获取表示心脏区域的患者特异性的三维图像的数据。该方法包括获取表示待植入患者心脏区域内的心脏植入物的尺寸并可选地包括获取表示待植入患者心脏区域内的心脏植入物的类型的数据。该方法包括例如作为心脏植入物部署和心脏区域变形的结果,预测心脏植入物与心脏区域之间的相互作用。预测包括查询包括多个记录的数据库,每个记录包括表示心脏区域的三维图像的数据、心脏植入物的相关尺寸的数据,并可选地包括表示心脏植入物的类型的数据,以及相互作用的数据;和/或确定患者特异性的心脏区域和植入物组合的参数模型表达的参数值,并在预测相互作用的第三参数模型中使用该参数值;和/或将表示心脏区域的患者特异性的三维图像的数据,以及心脏植入物的尺寸的数据,并可选地将表示心脏植入物的类型的数据输入人工智能设备,人工智能设备布置为用于输出对相互作用的预测。对相互作用的预测可以是评估风险的度量。
相互作用可以是机械相互作用,诸如接触压力、应变、接触面积;泄漏;反流;心脏传导异常;植入物错位等中的至少一个。
查询数据库可以包括将心脏区域的患者特异性的三维图像与数据库记录中的心脏区域的三维图像进行比较。患者特异性的数据与特异性的记录之间的最匹配可以基于量化的相似性,例如相似性阈值。
根据一个方面,提供了一种计算机实现方法,用于规划结构性心脏介入。该方法包括获取表示心脏区域的患者特异性的三维图像的数据。该方法包括获取表示待植入患者的心脏区域内的心脏植入物的数据,诸如尺寸并可选地诸如类型。该方法包括例如作为心脏植入物部署和心脏区域变形的结果,预测心脏区域内心脏植入物的部署形状。预测包括查询包括多个记录的数据库,每个记录包括表示心脏区域的三维图像、心脏植入物和心脏植入物的部署形状的数据;和/或确定患者特异性的心脏区域和植入物组合的参数模型表达的参数值,并在预测心脏植入物的部署形状的第三参数模型中使用该参数值;和/或将表示心脏区域的患者特异性的三维图像和心脏植入物的数据输入人工智能设备,人工智能设备布置为用于输出对心脏植入物的部署形状的预测。对部署形状的预测可以呈现给用户,例如呈现为心脏区域的患者特异性的三维图像例如视图上的叠加。
可选地,在用于规划结构性心脏介入的计算机实现方法中,预测心脏区域内心脏植入物的部署形状的步骤包括a)查询数据库以识别比预定相似性阈值更匹配患者特异性的数据的记录,以及b)在没有找到此类记录的情况下,计算患者特异性的心脏区域内心脏植入物的部署形状。计算可以包括基于表示心脏区域的患者特异性的三维图像的数据,获取表示患者特异性的心脏区域的患者特异性的三维解剖模型,患者特异性的解剖模型包括有限元网格。计算可以包括获取表示心脏植入物的有限元表达的植入物模型。计算可以包括虚拟地将植入物模型部署在患者特异性的解剖模型中。计算可以包括计算心脏植入物的部署形状,可选地包括在植入物模型的多个部署位置处的心脏植入物的部署形状。
可选地,该用于规划结构性心脏介入的方法包括:例如根据叠加,确定新-LVOT面积。
可以生成记录,记录包括表示心脏区域的三维图像和心脏区域内心脏植入物的相关部署形状的数据。记录可以存储在数据库中。
根据一个方面,提供了一种用于确定新LVOT面积的计算机实现方法。该方法包括获取表示心脏区域的患者特异性的三维图像的数据。该方法包括获取表示待植入患者的二尖瓣环区域中的二尖瓣植入物的数据,例如尺寸并可选地例如类型。该方法包括例如作为二尖瓣植入物部署和二尖瓣环区域变形的结果,预测二尖瓣植入物在二尖瓣环区域中的部署形状。预测包括查询包括多个记录的数据库,每个记录包括表示二尖瓣环区域的三维图像和二尖瓣植入物的相关部署形状的数据;和/或确定患者特异性的二尖瓣环区域和二尖瓣植入物组合的参数模型表达的参数值,并在预测部署的二尖瓣植入物形状的第三参数模型中使用该参数值;和/或将表示二尖瓣环区域的患者特异性的三维图像和二尖瓣植入物的数据输入人工智能设备,人工智能设备布置为用于输出对二尖瓣植入物的部署形状的预测。对部署形状的预测可以呈现给用户,例如呈现为二尖瓣环区域的患者特异性的三维图像例如视图上的叠加。该方法可以包括从二尖瓣环区域的患者特异性的三维图像和二尖瓣植入物的预测部署形状,例如从二尖瓣植入物的预测部署形状在二尖瓣环区域的患者特异性的三维图像的例如视图上的叠加,确定新LVOT面积。新LVOT面积可由计算机确定。替代地,新LVOT面积可以由人确定,例如评估,例如基于二尖瓣环区域的患者特异性的三维图像例如视图上的二尖瓣植入物的预测部署形状的叠加。
可选地,在用于确定新LVOT面积的计算机实现方法中,预测二尖瓣环区域中二尖瓣植入物的部署形状的步骤包括a)查询数据库以识别比预定相似性阈值更匹配患者特异性的数据的记录,以及b)在没有找到此类记录的情况下,计算患者特异性的二尖瓣环区域中二尖瓣植入物的部署形状。计算可以包括基于表示二尖瓣环区域的患者特异性的三维图像的数据,获取表示患者特异性的二尖瓣环区域的患者特异性的三维解剖模型,患者特异性的解剖模型包括有限元网格。计算可以包括获取表示二尖瓣植入物的有限元表达的二尖瓣植入物模型。计算可以包括虚拟地将二尖瓣植入物模型部署在患者特异性的解剖模型中。计算可以包括计算部署的二尖瓣植入物模型与患者特异性的解剖模型之间的相互作用。计算可以包括基于所计算的相互作用,确定二尖瓣植入物的部署形状并可选地确定二尖瓣植入物的位置。
可以生成记录,记录包括表示心脏区域的三维图像和心脏区域内心脏植入物的相关部署形状的数据。记录可以存储在数据库中。
根据一个方面,上述方法可以包括用于生成记录以存储在数据库中的子方法。这些记录可以用于查询、用于生成(一个或多个)参数模型和/或用于训练神经网络。该子方法可以包括基于表示心脏区域的患者特异性的三维图像的数据,获取表示患者特异性的心脏区域的患者特异性的三维解剖模型,患者特异性的解剖模型包括有限元网格。该子方法可以包括获取表示预定尺寸心脏植入物的有限元表达的植入物模型。该子方法可以包括虚拟地将植入物模型部署在患者特异性的解剖模型中。该子方法可以包括计算部署的植入物模型与患者特异性的解剖模型之间的相互作用。该子方法可以包括生成记录,记录包括表示心脏区域的三维图像及相关尺寸和相互作用的数据。该子方法可以包括将记录存储在数据库中。应当理解的是,这些计算可以离线执行,并且不需要影响根据上述方法从表示心脏区域的患者特异性的三维图像的数据确定尺寸并可选地确定位置和/或相互作用的速度。
可选地,针对获取的表示心脏区域的患者特异性的三维图像的每个数据执行该子方法,从而能够增加数据库的大小,并进而提高方法的准确度。
根据一个方面,该方法可以包括替代或附加子方法。该子方法可以包括获取表示心脏区域的术后患者特异性的三维图像的数据,心脏区域包括部署的心脏植入物。该子方法可以包括确定患者特异性的心脏区域内部署的植入物的尺寸和/或位置。该子方法可以包括确定部署的植入物与患者特异性的心脏区域之间的相互作用。该子方法可以包括生成记录,记录包括表示心脏区域的术后三维图像的数据,以及心脏区域内特异性尺寸心脏植入物的相关尺寸的数据并可选地包括表示心脏区域内特异性尺寸心脏植入物的位置的数据和/或相互作用的数据。该子方法可以包括将记录存储在数据库中。该子方法提供了以下优点:生成的记录与实际真实世界数据相关,并且因此可以用于使该方法更准确。
根据一个方面,该方法可以包括替代或附加子方法。该子方法可以包括使用神经网络来生成记录,记录包括表示心脏区域的三维图像的数据,以及心脏区域内预定尺寸心脏植入物的相关尺寸的数据并可选地包括表示心脏区域内预定尺寸心脏植入物的位置的数据和/或相互作用的数据,并且将记录存储在数据库中。
根据一个方面,提供了一种方法,包括基于表示心脏区域的患者特异性的三维图像的数据,使用人工智能设备确定患者特异性的心脏区域的有限元模型。
根据一个方面,提供了一种方法,包括作为心脏植入物部署和心脏区域变形的结果,使用人工智能设备基于患者特异性的心脏区域的有限元模型,确定心脏区域内心脏植入物的形状和/或位置。
根据一个方面,提供了一种计算机实现方法,用于诸如经导管的患者特异性的虚拟经皮结构性心脏介入。该方法包括获取表示心脏区域的患者特异性的三维图像的数据。该方法包括通过以下步骤确定包括表示患者特异性的心脏区域的有限元网格的患者特异性的三维解剖模型:查询包括多个记录的数据库,每个记录包括表示心脏区域的三维图像的数据和表示相关三维解剖模型的数据;和/或确定患者特异性的心脏区域的参数模型表达的参数值;和/或将表示心脏区域的患者特异性的三维图像的数据输入人工智能设备(诸如神经网络)中。该方法包括获取表示心脏植入物的有限元表达的植入物模型。该方法包括虚拟地将植入物模型部署在患者特异性的解剖模型中。该方法包括作为植入物模型部署和患者特异性的解剖模型变形的结果,计算部署的植入物模型的形状和/或位置。
数据库可以包括多个记录,每个记录包括表示心脏区域的三维图像的数据和表示相关三维解剖模型的数据。确定与表示最匹配患者特异性的心脏区域的三维图像的数据相关的记录提供了表示患者特异性的解剖模型评估的数据。
参数模型对患者特异性的心脏区域进行建模。确定可以包括确定患者特异性的心脏区域的参数模型表达的参数值。参数模型可以具有用于解剖模型的参数模型。一旦确定了心脏区域的参数模型根据其提供与表示心脏区域的患者特异性的三维图像的数据的最接近匹配的参数值,这些参数就可以用于解剖模型的参数模型,以确定对患者特异性的解剖模型的预测。
人工智能设备可以使用表示心脏区域的患者特异性的三维图像的数据作为输入,并且返回对患者特异性的解剖模型的预测。
根据一个方面,提供了一种系统,用于从不同尺寸的一系列心脏植入物中选择具有最佳尺寸的心脏植入物,并且可选地预测最佳部署位置以用于患者植入。该系统包括处理器。处理器布置为用于获取表示心脏区域的患者特异性的三维图像的数据。处理器布置为用于获取表示不同尺寸的一系列心脏植入物的数据。处理器布置为用于例如作为心脏植入物部署和心脏区域变形的结果,预测当在心脏区域内部署时最匹配预定义标准的心脏植入物的最佳尺寸并可选地预测当在心脏区域内部署时最匹配预定义标准的心脏植入物的位置。预测包括查询包括多个记录的数据库,每个记录包括表示心脏区域的三维图像的数据和该系列心脏植入物的相关尺寸的数据并可选地包括表示该系列心脏植入物的位置的数据;和/或确定患者特异性的心脏区域的参数模型表达的参数值,并在预测该系列心脏植入物的最佳尺寸并可选地预测该系列心脏植入物的最佳位置的第二参数模型中使用该参数值;和/或将表示心脏区域的患者特异性的三维图像的数据输入人工智能设备,人工智能设备布置为用于输出对该系列心脏植入物的最佳尺寸的预测并可选地输出对该系列心脏植入物的最佳位置的预测。
根据一个方面,提供了一种系统,用于评估在结构性心脏介入期间或之后出现并发症的风险。该系统包括处理器。处理器布置为用于获取表示心脏区域的患者特异性的三维图像的数据。处理器布置为用于获取表示待植入患者心脏区域内的心脏植入物的尺寸的数据并可选地获取表示待植入患者心脏区域内的心脏植入物的类型的数据。处理器布置为用于例如作为心脏植入物部署和心脏区域变形的结果,预测心脏植入物与心脏区域之间的相互作用。预测包括查询包括多个记录的数据库,每个记录包括表示心脏区域的三维图像的数据、心脏植入物的相关尺寸的数据并可选地包括表示心脏植入物的类型的数据,以及相互作用的数据;和/或确定患者特异性的心脏区域和植入物组合的参数模型表达的参数值,并在预测相互作用的第三参数模型中使用该参数值;和/或将表示心脏区域的患者特异性的三维图像的数据,以及心脏植入物的尺寸的数据并可选地的表示心脏植入物的类型的数据输入人工智能设备,人工智能设备布置为用于输出对相互作用的预测;其中,对相互作用的预测是评估风险的度量。
可选地,处理器包含在网络服务器中,网络服务器布置为用于经由网络从用户设备接收表示心脏区域的患者特异性的三维图像的数据,并且用于将表示所确定的尺寸和/或相互作用的数据传输给用户设备。网络可以是因特网。
根据一个方面,提供了一种计算机程序产品,用于从不同尺寸的一系列心脏植入物中选择具有最佳尺寸的心脏植入物,并且可选地预测最佳部署位置以用于患者植入,该计算机程序产品包括计算机可执行指令,当由可编程计算机执行时,该计算机可执行指令使得计算机获取表示心脏区域的患者特异性的三维图像的数据;例如作为心脏植入物部署和心脏区域变形的结果,预测当在心脏区域内部署时最匹配预定义标准的心脏植入物的最佳尺寸并可选地预测当在心脏区域内部署时最匹配预定义标准的心脏植入物的最佳位置;其中,预测包括查询包括多个记录的数据库,每个记录包括表示心脏区域的三维图像的数据,以及该系列心脏植入物的相关尺寸的数据并可选地包括表示该系列心脏植入物的位置的数据;和/或确定患者特异性的心脏区域的参数模型表达的参数值,并在预测该系列心脏植入物的最佳尺寸并可选地预测该系列心脏植入物的最佳位置的第二参数模型中使用该参数值;和/或将表示心脏区域的患者特异性的三维图像的数据输入人工智能设备,人工智能设备布置为用于输出对该系列心脏植入物的最佳尺寸的预测并可选地输出对该系列心脏植入物的最佳位置的预测。
根据一个方面,提供了一种计算机程序产品,用于评估在结构性心脏介入期间或之后出现并发症的风险,该计算机程序包括计算机可执行指令,当由可编程计算机执行时,该计算机可执行指令使得计算机获取表示心脏区域的患者特异性的三维图像的数据;获取表示待植入患者心脏区域内的心脏植入物的尺寸的数据并可选地获取表示待植入患者心脏区域内的心脏植入物的类型的数据;例如作为心脏植入物部署和心脏区域变形的结果,预测心脏植入物与心脏区域之间的相互作用;其中,预测包括查询包括多个记录的数据库,每个记录包括表示心脏区域的三维图像的数据、心脏植入物的相关尺寸的数据并可选地包括表示心脏植入物的类型的数据,以及相互作用的数据;和/或确定患者特异性的心脏区域和植入物组合的参数模型表达的参数值,并在预测相互作用的第三参数模型中使用该参数值;和/或将表示心脏区域的患者特异性的三维图像的数据,以及心脏植入物的尺寸的数据输入人工智能设备并可选地将表示心脏植入物的类型的数据输入人工智能设备,人工智能设备布置为用于输出对相互作用的预测。
根据一个方面,提供了一种用于预测患者因经导管结构性心脏介入,诸如经导管心脏瓣膜治疗而出现心脏传导异常和/或失调,诸如左束支传导阻滞(LBBB)的风险度量的方法。治疗可以是经导管瓣膜植入/置换或经导管瓣膜修复。经导管心脏瓣膜可以是例如经导管主动脉瓣或二尖瓣。该方法包括提供表示患者特异性的心脏区域(诸如患者特异性的心脏瓣膜区域)的患者特异性的数据集(诸如图像)。患者特异性的数据集可以表示患者特异性的主动脉。该方法包括预测植入物模型与患者特异性的心脏瓣膜区域之间的机械相互作用的度量。该预测可以通过与上述方式类似的方式进行。机械相互作用的度量表示对心脏植入物与患者的心脏区域之间机械相互作用的预测。基于所预测的机械相互作用,确定患者出现心脏传导异常和/或失调的风险度量。
预测心脏瓣膜植入物与患者的心脏瓣膜区域之间的机械相互作用是本发明的一个示例。本发明也可以应用于其它植入物,诸如支架。虽然下文特别涉及患者的心脏瓣膜植入物和心脏瓣膜区域,但应当理解的是,这些特征和优点也适用于心脏的其它植入物。因此,为了理解本发明,下文中涉及心脏瓣膜植入物和心脏瓣膜区域也类似地适用于其它心脏植入物和/或其它心脏区域。
机械相互作用的度量可以包括对心脏瓣膜植入物与患者的心脏瓣膜区域之间的接触压力的度量。预测接触压力表示对心脏瓣膜植入物与患者的心脏瓣膜区域之间的压力的预测。基于预测接触压力,可以确定患者出现心脏传导异常和/或失调的风险度量。替代地,或额外地,机械相互作用的度量可以包括对因心脏瓣膜植入物的存在而引起的患者心脏瓣膜区域中的组织应变的度量。预测应变表示对患者的心脏瓣膜区域中的组织中的应变的预测。基于预测应变,可以确定患者出现心脏传导异常和/或失调的风险度量。
应当理解的是,本方法提供的优点在于,可以在术前预测患者因经导管心脏瓣膜治疗而出现心脏传导异常和/或失调(诸如左束支传导阻滞(LBBB))的风险的度量。因此,可以预测TAVI或TAVR手术导致心脏传导问题的可能性。结果,可以预测最终TAVI或TAVR手术是否必须植入心脏起搏器。替代地,该方法允许预测多个不同经导管心脏瓣膜出现传导问题的风险。这转而又可允许为特异性的患者选择最佳经导管心脏瓣膜。
可选地,预测机械相互作用的度量包括预测表面积的度量,在该表面积内,预测的机械相互作用超过预定阈值。例如,预测接触压力的度量包括预测表面积的度量,在该表面积内,预测压力超过预定阈值,即在该表面积内,预测压力不低于预定阈值。可以通过预测患者特异性的解剖模型上的表面积来量化患者出现心脏传导异常和/或失调的风险,在该表面积内,由植入物模型施加到患者特异性的解剖模型上的接触压力超过预定阈值。表面积越大可以指示风险越高。应当理解的是,可以通过校准来确定适当的阈值水平。校准可能需要确定多个患者的术前解剖模型中的表面积,并且术后确定这些患者是否出现心脏传导异常和/或问题。替代地,或额外地,预测应变的度量可以包括预测表面积的度量,在该表面积内,预测应变超过预定阈值,即在该表面积内,预测应变不低于预定阈值。
可选地,预测接触压力的度量包括预测总接触力。总接触力可以是整个接触表面积上整合的预测接触压力。总力越大可以指示风险越高。
可选地,预测应变的度量包括预测总应变。总应变可以是整个接触表面积上整合的预测应变。总应变越大可以指示风险越高。
可选地,预测接触压力的度量包括对预测压力的峰值压力进行预测。峰值压力越高可以指示风险越高。
可选地,预测应变的度量包括对预测应变的峰值应变进行预测。峰值应变越高可以指示风险越高。
可选地,预测机械相互作用的度量包括预测患者特异性的解剖模型中出现峰值压力或峰值应变的位置。峰值压力或峰值应变的位置可以指示风险的度量。峰值压力的位置和峰值压力值的组合可以指示风险的度量。峰值应变的位置和峰值应变值的组合可以指示风险的度量。
可选地,预测接触压力的度量包括限定患者特异性的解剖模型的预定区域,以及预测该预定区域内接触压力的度量。预定区域可以例如是主动脉瓣环下方的区域。预定区域可以例如是主动脉瓣环下方左心室流出道上的区域。预定区域可以例如是非冠状小叶与右冠状小叶的基底附着点之间的主动脉瓣环下方左心室流出道上的区域。应当理解的是,区域可以通过如上所述的校准加以必要的变更来确定。类似地,预测应变的度量包括限定患者特异性的解剖模型的预定区域,以及预测预定区域内应变的度量。
可选地,预测机械相互作用的度量包括限定患者特异性的解剖模型的预定区域,以及预测预定区域内表面积的度量,在该表面积内,预测压力或应变超过预定阈值。
可选地,预测机械相互作用的度量包括限定患者特异性的解剖模型的预定区域,以及预测预定区域内的总接触力或总应变。预定区域中的总接触力可以是预定区域的整个表面积上整合的预测接触压力。预定区域中的总力或应变越大可以指示风险越高。
可选地,预测机械相互作用的度量包括限定患者特异性的解剖模型的预定区域,以及预测预定区域内预测压力的峰值压力或峰值应变。峰值压力或应变越高可以指示风险越高。
可选地,预测机械相互作用的度量包括限定患者特异性的解剖模型的预定区域,以及预测患者特异性的解剖模型中预定区域内出现峰值压力或峰值应变的位置。预定区域内的峰值压力或峰值应变的位置可以指示风险的度量。预定区域中峰值压力或应变的位置与峰值压力或应变的值的组合可以指示风险的度量。
应当理解的是,患者发生心脏传导异常和/或失调的风险可以通过采用上述确定的组合来量化。
可选地,该方法包括基于(优选术前)心血管2D或3D医学图像数据,诸如CT扫描、MRI图像、超声心动图图像等,评估患者特异性的解剖模型。
可选地,该方法包括使用例如参数化心脏模型,基于解剖度量评估患者特异性的解剖模型。
可选地,该方法包括向用户报告机械相互作用的度量。机械相互作用的度量可以例如显示在显示器上、打印在硬拷贝中等等。也可以向用户报告患者出现心脏传导异常风险的指示。
根据一个方面,提供了一种用于预测因经导管结构性心脏介入,诸如经导管心脏瓣膜治疗而导致的血液动力损害的度量的方法。治疗可以是经导管瓣膜植入/置换或经导管瓣膜修复。经导管心脏瓣膜可以是例如经导管主动脉瓣或二尖瓣或三尖瓣。
该方法包括提供表示患者特异性的心脏区域的患者特异性的数据集,诸如图像,该患者特异性的心脏区域包括心脏植入物在第一血流路径(诸如患者特异性的心脏瓣膜区域)和第二血流路径(诸如LVOT或主动脉)中的部署部位。患者特异性的心脏区域的表达可以表示患者特异性的左心室和/或心房和/或主动脉或其一部分。该方法包括,例如通过预测心脏区域内心脏植入物的形状和/或位置,预测患者特异性的心脏区域的变形表达中血液动力损害的度量。该预测可以通过与上述方式类似的方式进行。基于血液动力损害的预测度量,如果对应于植入物模型的实际植入物实际上植入对应于患者特异性的数据集的患者的解剖区域中,则可以确定患者出现并发症的风险的度量。
替代地,该方法可以包括预测最佳植入物尺寸,并可选地的包括预测最佳植入物类型和/或位置。植入物可以例如是经导管二尖瓣TMV,或经导管主动脉瓣TAV,或经导管三尖瓣。
该方法可以用于预测第二血流路径的阻塞。然后,根据虚拟部署的植入物模型和患者特异性的心脏区域的变形表达,预测患者特异性的心脏区域的变形表达中第二血流路径的阻塞的度量。基于预测的阻塞度量,如果对应于植入物模型的实际植入物实际上植入对应于患者特异性的心脏区域表达的患者的解剖区域中,则可以确定患者出现并发症的风险的度量。
该方法可以用于预测第一血流路径的阻塞。例如,有可能在瓣膜小叶打开的情况下,例如因瓣膜未良好地扩张或部署,瓣膜的打开面积减小。这可能导致通过瓣膜的血流中的压降(或梯度)。然后,根据虚拟部署的植入物模型和患者特异性的心脏区域的变形表达,预测变形的患者特异性的心脏区域内第一血流路径的阻塞的度量。基于预测的阻塞度量,如果对应于植入物模型的实际植入物实际上植入对应于患者特异性的心脏区域表达的患者的解剖区域中,则可以确定患者出现并发症的风险的度量。
该方法可以用于预测第一血流路径的泄漏。例如,有可能在瓣膜小叶闭合的情况下,血液围绕植入瓣膜的外侧,在瓣膜与周围组织之间泄漏。替代地,或额外地,在闭合位置,瓣膜小叶可能不完全闭合,从而允许血液通过植入瓣膜泄漏。然后,根据虚拟部署的植入物模型和患者特异性的心脏区域的变形表达,预测变形的患者特异性的心脏区域内第一血流路径的泄漏的度量。基于预测的泄漏度量,如果对应于植入物模型的实际植入物实际上植入对应于患者特异性的心脏区域表达的患者的解剖区域中,则可以确定患者出现并发症的风险的度量。
患者的心脏瓣膜植入物和心脏瓣膜区域是本发明的一个示例。本发明也可以应用于其它植入物,诸如支架。虽然下文特别涉及患者的心脏瓣膜植入物和心脏瓣膜区域,但应当理解的是,这些特征和优点也适用于心脏的其它植入物。因此,为了理解本发明,本文中涉及心脏瓣膜植入物和心脏瓣膜区域也类似地适用于其它心脏植入物和/或其它心脏区域,包括LAA、心房或心室间隔缺损闭合。
可选地,该方法包括提供心动周期内多个时刻的患者特异性的心脏区域的表达,以及预测多个时刻的血液动力损害的度量。应当理解的是,心脏的几何形状在心动周期内显著变化。因此,血液动力损害的度量也可能在心动周期内显著变化。因此,预测心动周期内多个时刻的血液动力损害的度量允许确定血液动力损害的最小值和最大值。
可选地,第二血流路径的阻塞度量是第二血流路径的横截面积。例如,已经证明与血流方向例如基本正交的横截面积是对阻塞的可靠度量。部署植入物模型之后的第二血流路径的横截面积可以与未部署植入物模型的患者特异性的心脏区域表达中的第二血流路径的横截面积进行比较。这提供了对部署植入物之后可用于血流的横截面积的预测变化的认识。此外,第二血流路径区段的容积减小可以是量化阻塞的良好度量。
可选地,第二血流路径的阻塞度量是部署植入物模型时第二血流路径的横截面积除以未部署植入物模型的患者特异性的心脏区域表达中的第二血流路径的横截面积得到的比率。这考虑了解剖结构的变形,例如TMVR设备推压LVOT而减小LVOT面积,并且考虑了设备的存在,例如剩余面积是变形面积减去由设备占据的面积。该比率提供了对因部署植入物而导致的横截面积的预测变化的认识。
可选地,第一血流路径的阻塞的度量是第一血流路径的横截面积,例如考虑瓣膜小叶位置。例如,已经证明与血流方向例如基本正交的横截面积是对阻塞的可靠度量。部署植入物模型之后的第一血流路径的横截面积可以与未部署植入物模型的患者特异性的心脏区域表达中的第一血流路径的横截面积进行比较。这提供了对部署植入物之后可用于血流的横截面积的预测变化的认识。此外,第一血流路径区段的容积减小可以是量化阻塞的良好度量。
可选地,第一血流路径的阻塞的度量是部署植入物模型时第一血流路径的横截面积除以未部署植入物模型的患者特异性的心脏区域表达中的第一血流路径的横截面积得到的比率。该比率提供了对因部署植入物而导致的横截面积的预测变化的认识。
可选地,患者特异性的心脏区域的表达还包括心脏区域内的流体压力。因此,可以考虑流体压力来计算患者特异性的心脏区域表达的变形。还可以使用计算流体动力学CFD。因此,可以确定阻塞和/或泄漏。
可选地,该方法包括以下步骤:模拟心脏瓣膜植入物的至少一个瓣膜小叶的位移。之后,血液动力损害的度量,例如第二血流路径的阻塞的度量,也可以基于小叶位移来预测。
可选地,该方法包括以下步骤:模拟因设备-解剖相互作用并可选地因流体动力而出现的至少一个瓣膜天然小叶的位移。之后,血液动力损害的度量,例如第二血流路径的阻塞的度量,也可以基于小叶位移来预测。
可选地,可以使用CFD或流体结构相互作用FSI来计算(植入物和/或天然瓣膜的)瓣膜小叶的位移。例如,二尖瓣前叶通过TMVR朝LVOT移动,但在心脏收缩期间,可能因血流而进一步移动。这可以如所建议的那样建模。
可选地,第二血流路径的阻塞度量是第二血流路径处的压力梯度。可选地,第一血流路径的阻塞的度量是第一血流路径处的压力梯度。可选地,第一血流路径的阻塞的度量是跨植入物例如瓣膜的压力梯度(即瓣膜打开时跨瓣膜的非零压力差)。
可选地,第二血流路径的阻塞度量是第二血流路径处的流度量。可选地,流度量是第二血流路径处,或速度大于阈值的第二血流路径横截面部分的延伸部处的最大速度。可选地,第一血流路径的阻塞的度量是第一血流路径处的流度量。可选地,流度量是第一血流路径处,或速度大于阈值的第一血流路径横截面部分的延伸部处的最大速度。
应当理解的是,本方法提供的优点在于,可以在术前预测患者因经导管治疗心脏瓣膜而发生血液动力损害(诸如阻塞和/或泄漏)的风险的度量。因此,可以预测例如规划的TAVI或TMVR手术导致血液动力问题的可能性。
可选地,预测血液动力损害的度量包括预测部署过程中血液动力损害随时间的演变。可以预测第一时刻和第二时刻的血液动力损害的度量。第一时刻可以是植入物模型完全部署在患者特异性的解剖模型中之前的时刻。第二时刻可以是植入物模型已经完全部署在患者特异性的心脏区域的表达中之后的时刻。也可以预测多个第一时刻的血液动力损害的度量。因此,可以预测植入物模型部署期间血液动力损害的时间演变。可选地,还预测部署之后血液动力损害的时间演变。因此,可以考虑因植入物长期存在导致心脏解剖变化而引起的心脏重塑。例如,可以预测治疗后一周、一个月和一年的血液动力损害。
可选地,预测血液动力损害的度量可以包括预测将植入物模型渐进部署在患者特异性的心脏区域的表达中的一系列情况。这些情况可以逐渐地相差预定量或比率的部署。部署可以包括将植入物模型插入患者特异性的心脏区域的表达中。插入可以包括折叠的植入物模型沿血管行进。一系列情况可以包括插入位置逐渐不同,直到预期部署位置的情况。部署可以包括植入物模型在患者特异性的心脏区域的表达中扩张。一系列情况可以包括植入物模型的扩张阶段逐渐不同情况。对于上述一系列情况中的每一种情况,血液动力损害的度量可以如上所述进行预测。因此,可以对部署的所有阶段进行建模。处理单元可以布置为确定一系列情况中预测的血液动力损害最显著(例如阻塞最高)的情况。处理单元可以布置为在一系列情况中预测的机械相互作用最显著,例如用于预测血液动力问题的机械相互作用例如最高的情况下,确定血液动力损害的度量。可以针对多个不同部署部位生成一系列情况。处理单元可以布置为选择最佳部署部位。
应当理解的是,患者出现血液动力问题的风险可以通过采用上述确定的组合来量化。
可选地,该方法包括基于(优选术前)心血管2D或3D或4D医学图像数据,诸如X射线、CT扫描、MRI图像、超声心动图图像等或其组合,评估患者特异性的解剖模型。
可选地,该方法包括使用例如参数化心脏模型,基于解剖度量评估患者特异性的解剖模型。
可选地,植入物模型包括有限元网格。网格中的每个元素可以由节点集表征。元素的相邻元素可以包括与该元素相互共享的节点。上述元素的特征在于材料相关参数。网格中的每个元素可以在材料相关参数上与网格中该元素的相邻元素不同。
可选地,心脏区域的表达是有限元解剖模型。可选地,向解剖模型的网格中的多个节点提供刚度元素。刚度元素引起网格相应节点上的反作用力,其中,该力取决于节点的位移,或取决于节点与等于或非常接近所述节点的初始位置的固定位置之间的距离。
可选地,该方法包括在部署部位和/或其附近的多个不同位置处,预测植入物模型在患者特异性的心脏区域的表达中的部署。因此,可以针对每个不同位置预测形状、位置、机械相互作用的度量和/或阻塞的度量。因此,可以评估植入物多个不同位置的风险。因此,也可以选择与出现问题的最低风险相关的植入物的位置。这种选定位置可以用于TAVI或TMVR手术的术前规划。
可选地,该方法包括提供多个植入物模型的预测,每个模型模拟相应植入物的几何和/或材料特性;以及将每个植入物模型虚拟地部署在患者特异性的心脏区域的表达中。因此,可以针对每个植入物模型预测形状、位置、机械相互作用的度量和/或阻塞的度量。因此,可以评估多个不同植入物模型中每一个的风险。因此,也可以选择与出现问题的最低风险相关的植入物模型。这种选定植入物模型可以用于TAVI或TMVR或TTVR手术的术前规划。该方法可以包括选择与多个植入物模型中的一个相对应的心脏瓣膜植入物,用于经皮植入手术。与选定植入物模型相关的心脏瓣膜植入物可以用于经皮植入手术,以使患者出现问题的风险最小化。应当理解的是,还可以在部署部位和/或其附近的多个不同位置处,预测多个植入物模型中的每个植入物模型在患者特异性的解剖模型中的部署。因此,可以在植入物模型的最佳位置处比较每个植入物模型。
可选地,该方法包括向用户报告结果。例如形状、位置、机械相互作用的度量和/或阻塞的度量结果可以例如显示在显示器上、打印在硬拷贝中等。也可以向用户报告患者出现问题的风险的指示。
应当理解的是,鉴于方法而提及的所有方面、特征和选项同样适用于系统和计算机程序产品,反之亦然。
附图说明
下面将结合附图详细描述本发明的实施例。在附图中:
图1示出一种系统的示例,
图2示出一种系统的示例,
图3示出一种系统的示例,
图4示出一种系统的示例,
图5示出一种系统的示例,
图6示出一种系统的示例,
图7示出一种方法的示例。
具体实施方式
图1示出用于选择心脏植入物的系统1的示例。该系统布置为用于从不同尺寸的一系列心脏植入物中选择具有最佳尺寸的心脏植入物。另外,该系统可以布置为用于预测用于植入患者的选定心脏植入物的最佳部署位置。
该系统包括处理器2。处理器2布置为用于获取表示心脏区域的患者特异性的三维(3D)图像的数据4。为此,处理器2可以包括第一接收单元6。在该示例中,表示心脏区域的患者特异性的三维图像的数据4包括例如通过计算机机断层摄影(CT)或磁共振成像(MRI)获取的3D医学图像。表示心脏区域的患者特异性的三维图像的数据4可以是所研究患者的心脏区域的3D CT图像和/或3D MRI图像。第一接收单元6可以布置为用于从医学成像设备8和/或数据库10获取数据4。数据4可以例如经由诸如因特网等通信网络从成像设备8和/或数据库10获取。
处理器2布置为用于获取表示不同尺寸的一系列心脏植入物的数据12。该系列心脏植入物可以例如包括例如来自一个制造商的以多个不同尺寸提供的一系列第一类型的心脏植入物。该系列心脏植入物可以包括例如来自多个制造商的具有不同尺寸的多种不同类型的心脏植入物。该系列心脏植入物可以包括具有不同尺寸的第一类型的第一系列心脏植入物和第二类型的心脏植入物(或一系列心脏植入物)。这里,处理器2包括第二接收单元14,用于例如从数据库16获取表示不同尺寸的一系列心脏植入物的数据12。表示不同尺寸的一系列心脏植入物的数据12可以包括关于植入物类型的指示和关于植入物尺寸的指示。应当理解的是,植入物在横向尺寸(例如直径)上可以不同。同样可能的是,植入物在纵向尺寸(例如长度)上也不同。
处理器2布置为用于预测当在心脏区域内部署时,与预定义标准最匹配的心脏植入物的最佳尺寸。可选地,处理器2还布置为用于预测心脏区域内选定心脏植入物的最佳位置。
预定义标准可以是在患者的实际心脏区域内部署实际植入物期间和/或之后,并发症的风险最低。并发症可以例如是机械并发症(诸如应力、应变、机械压力、接触面积)、电并发症(诸如导电问题)、水力并发症(诸如血流、泄漏、反流)、植入物错位风险等。该标准可以例如与植入物和心脏区域之间的最佳相互作用相关。相互作用可以是机械相互作用,诸如接触压力、应变、接触面积;泄漏;反流;心脏传导异常;植入物错位风险等中的至少一个。预定义标准也可以是用于给定心脏区域的心脏植入物尺寸的最佳整体匹配。尤其是当比较心脏区域内先前心脏植入物的大量临床数据时,对于给定心脏区域,可以考虑临床数据中遇到的所有潜在并发症来确定最佳平均尺寸并可选地确定位置。
在该示例中,处理单元包括:第三接收单元18。第三接收单元18布置为用于接收用户对待应用预定义标准的选择。第三接收单元18可以联接至用户界面20。用户界面可以选择性地向用户呈现多个标准,从而允许用户选择待应用标准。处理器2还可以布置为用于在没有用户选择的情况下选择默认预定义标准。也可以省略第三接收单元18,并且处理器布置为用于使用预定的预定义标准,和/或例如基于规则选择标准。
在图1的示例中,处理器2布置为用于预测当在心脏区域内部署时,与预定义标准最匹配的心脏植入物的最佳尺寸。对此,处理单元2包括查询单元22,其布置为用于查询数据库24。数据库24包括多个记录26。每个记录26包括表示心脏区域的三维图像的数据,以及该系列心脏植入物的相关尺寸的数据并可选地包括表示该系列心脏植入物的位置的数据。每个记录26还可以包括表示符合一个或多个标准顺应性的数据。查询单元22布置为用于查询数据库24以确定记录26,记录26包括表示与数据4最匹配的心脏区域的三维图像的数据,数据4表示由第一接收单元例如利用极端梯度增强获取的心脏区域的患者特异性的三维图像。在本文中,查询单元可以考虑预定义标准(例如,如果没有选择特异性标准,则是最佳总体匹配)。一旦找到这个最匹配记录,查询单元22就从该记录中提取表示心脏植入物的尺寸的数据并可选地提取表示心脏植入物的位置的数据。处理器2使用该尺寸作为部署在心脏区域内时,最匹配预定义标准的心脏植入物的最佳尺寸的预测。该预测可以例如经由用户界面和/或经由通信单元27(诸如消息单元,例如电子邮件单元)让用户知道。
数据库24可以包括与相应的患者特异性的临床数据相关的记录26,和/或与模拟数据相关的记录。数据库24可以包括通过对其它记录应用增强技术而获取的记录,诸如缩放、修改直方图等。
图2示出用于选择心脏植入物的系统1的另一示例。图2的系统与基于图1描述的系统非常相似。
在图2的示例中,处理器2布置为用于预测当在心脏区域内部署时,与预定义标准最匹配的心脏植入物的最佳尺寸。对此,处理单元2包括确定单元28,其布置为用于基于表示心脏区域的患者特异性的三维图像的数据4来确定第一参数模型的参数值,从而提供患者特异性的心脏区域的模型表达。因此,确定单元28将心脏区域的患者特异性的三维图像概括为第一参数模型的一个或多个参数值。应当理解的是,预定义标准也可以是第一参数模型的参数。如果没有选择特异性标准,则标准可以不是第一参数模型的参数,并且可以使用默认标准,例如总体最匹配。
处理器2包括建模单元30。建模单元30包括第二参数模型。第二参数模型采用第一参数模型的参数值来预测心脏植入物的最佳尺寸并可选地预测心脏植入物的最佳位置。
图3示出用于选择心脏植入物的系统1的另一示例。图3的系统与基于图1和图2描述的系统非常相似。
在图3的示例中,处理器2布置为用于预测当在心脏区域内部署时,与预定义标准最匹配的心脏植入物的最佳尺寸。对此,处理单元2包括人工智能设备32。处理单元2布置为用于将表示心脏区域的患者特异性的三维图像的数据输入人工智能设备32。例如,将所研究患者的心脏区域的3D CT图像和/或3D MRI图像输入人工智能设备32。人工智能设备32布置为用于输出对该系列心脏植入物的最佳尺寸的预测并可选地布置为用于输出对该系列心脏植入物的最佳位置的预测。应当理解的是,也可以将预定义标准输入人工智能设备。如果没有选择特异性标准,则可以不向人工智能设备输入标准,并且可以使用默认标准,例如总体最匹配。
应当理解的是,可以对结合图1、图2和图3描述的系统进行组合。例如,在图2的系统中,第一参数模型的参数值可以例如通过查询包括多个记录的数据库来确定,每个记录包括表示心脏区域的三维图像及相关参数值的数据。第一参数模型的参数值也可以通过下述方式来确定:将表示心脏区域的患者特异性的三维图像的数据输入人工智能设备,该人工智能设备布置为用于输出参数值。
还应当理解的是,系统可以应用步进式方法。例如,查询单元22可以在第一步骤中查询数据库24以确定包括表示与数据4最匹配的心脏区域的三维图像的数据的记录26的集,并且在第二步骤中查询记录集以确定与预定义标准最匹配的记录。
预测还可以基于患者的元数据,诸如人口统计数据、已知病理、药物使用等。
例如,结合图3描述的系统1可以如下文图7中所阐释的那样使用。
在步骤201中,提供表示心脏区域的患者特异性的三维图像的数据4,这里是多个CT图像。在步骤202中,将表示心脏区域的患者特异性的三维图像的数据4转换为3D CT图像。在步骤203中,将数据4输入人工智能设备,这里是深度学习设备。在步骤204中,人工智能设备在3D CT图像中确定多个界标。在步骤205中,将表示界标的数据输入人工智能设备。在步骤206中,人工智能设备根据CT图像输出对待植入心脏区域的心脏植入物的最佳尺寸的预测。
应当理解的是,图1、图2和图3的系统可以用于术前规划。使用这种系统,可以确定多个尺寸的植入物中哪个尺寸的植入物成功机会最大,例如,最佳拟合和/或患者出现并发症的风险最低。然后,可以选择与预测植入物相对应的心脏植入物,用于现实生活的经皮植入手术。
图4、图5和图6示出系统101的示例,用于评估在结构性心脏介入期间或之后出现并发症的风险。系统101包括处理器102。处理器包括第一接收单元106,其布置为用于获取表示心脏区域的患者特异性的三维图像的数据4。在该示例中,表示心脏区域的患者特异性的三维图像的数据4包括例如通过计算机机断层摄影(CT)或磁共振成像(MRI)获取的3D医学图像。表示心脏区域的患者特异性的三维图像的数据4可以是所研究患者的心脏区域的3D CT图像和/或3D MRI图像。第一接收单元106可以布置为用于从医学成像设备8和/或数据库10获取数据4。数据4可以例如经由诸如因特网等通信网络从成像设备8和/或数据库10获取。
系统101包括第二接收单元114,其布置为用于例如从数据库16获取表示待植入患者心脏区域内的心脏植入物的尺寸的数据并可选地获取表示待植入患者心脏区域内的心脏植入物的类型的数据。
系统101包括预测单元140。预测单元140布置为用于预测心脏植入物与心脏区域之间的相互作用。相互作用可以是机械相互作用,诸如接触压力、应变、接触面积;泄漏;反流;心脏传导异常;植入物错位风险等中的至少一个。
预测单元140可以包括查询单元122,其布置为用于查询数据库124,如图4所示。数据库124包括多个记录126。每个记录126包括表示心脏区域的三维图像的数据、心脏植入物的相关尺寸的数据并可选地包括表示心脏植入物的类型,以及相互作用的数据。查询单元122布置为用于查询数据库124以确定记录126,记录126包括表示心脏区域的三维图像的数据,以及与数据4和预期心脏植入物最匹配的心脏植入物的尺寸的数据并可选地包括表示和预期心脏植入物最匹配的心脏植入物的类型的数据,数据4表示由第一接收单元获取的心脏区域的患者特异性的三维图像。一旦找到这个最匹配记录,查询单元122就从该记录中提取表示相互作用的数据。处理器2使用该数据作为对预期心脏植入物与所研究患者的心脏区域之间的相互作用的预测。
预测单元140可以包括确定单元128,其布置为用于基于表示心脏区域的患者特异性的三维图像的数据4,以及预期心脏植入物的尺寸的数据4并可选地布置为用于基于表示预期心脏植入物的类型的数据4,确定第一参数模型的参数值,从而提供患者特异性的心脏区域和植入组合的模型表达,如图5所示。预测单元140包括建模单元130。建模单元130包括第三参数模型。第三参数模型采用第一参数模型的参数值来预测预期心脏植入物与所研究患者的心脏区域之间的相互作用。
预测单元140包括如图6所示的人工智能设备132。处理单元2布置为用于将表示心脏区域的患者特异性的三维图像的数据,以及预期心脏植入物的尺寸的数据输入人工智能设备132,并可选地将布置为用于将表示预期心脏植入物的类型的数据输入人工智能设备132。人工智能设备132布置为用于输出对预期心脏植入物与所研究患者的心脏区域之间的相互作用的预测。
对预期心脏植入物与所研究患者的心脏区域之间的相互作用的预测是对结构性心脏介入期间或之后出现并发症的风险评估的度量。相互作用和/或评估风险的度量可以例如经由用户界面和/或经由通信单元127(诸如消息单元,例如电子邮件单元)让用户知道。
应当理解的是,可以对结合图4、图5和图6描述的系统进行组合。
应当理解的是,图4、图5和图6的系统可以用于术前规划。应当理解的是,表示心脏植入物的数据可以涉及不同心脏植入物。每个植入物可以表示心脏植入物的几何和/或材料特性。植入物可以例如在尺寸、品牌、构造、材料等方面不同。可以针对每个植入物确定患者出现并发症的风险度量。从该分析可以确定多个植入物中哪个与患者出现并发症的风险最低相关。然后,可以选择与患者出现并发症的相关风险最低的植入物相对应的心脏植入物,用于现实生活的经皮植入手术。
基于图1-6所描述的系统1、101也可以用于规划结构性心脏介入。第一接收单元6、106可以获取表示心脏区域的患者特异性的三维图像的数据。第二接收单元14、114可以获取表示待植入患者的心脏区域内的心脏植入物的数据,诸如尺寸并可选地诸如类型。系统1、101可以例如作为心脏植入物部署和心脏区域变形的结果,预测心脏区域内心脏植入物的部署形状。查询单元22、122可以查询包括多个记录26的数据库24,每个记录包括表示心脏区域的三维图像、心脏植入物和心脏植入物的部署形状的数据。确定单元28、128可以确定患者特异性的心脏区域和植入物组合的参数模型表达的参数值,并且建模单元30、130可以在预测心脏植入物的部署形状的第三参数模型中使用该参数值。表示心脏区域的患者特异性的三维图像和心脏植入物的数据可以输入人工智能设备32、132,人工智能设备32、132可以布置为用于输出对心脏植入物的部署形状的预测。对部署形状的预测可以由通信单元27、127呈现给用户,例如呈现为心脏区域的患者特异性的三维图像例如视图上的叠加。
可选地,系统1、101中包括检查单元40、140,其布置为用于检查数据库是否包含比预定相似性阈值更匹配患者特异性的数据的记录。系统1、101还可以包括计算单元42、142,其布置为用于在没有找到此类记录的情况下,计算患者特异性的心脏区域内心脏植入物的部署形状。计算可以包括基于表示心脏区域的患者特异性的三维图像的数据,获取表示患者特异性的心脏区域的患者特异性的三维解剖模型,患者特异性的解剖模型包括有限元网格。计算可以包括获取表示心脏植入物的有限元表达的植入物模型。计算可以包括虚拟地将植入物模型部署在患者特异性的解剖模型中。计算可以包括可选地在植入物模型的多个部署位置处,计算心脏植入物的部署形状。
基于图1-6所描述的系统1、101也可以用于确定新LVOT面积。第一接收单元6、106可以获取表示心脏区域的患者特异性的三维图像的数据。第二接收单元14、114可以获取表示待植入患者的二尖瓣环区域中的二尖瓣植入物的数据,例如尺寸并可选地例如类型。系统1、101可以例如作为二尖瓣植入物部署和二尖瓣环区域变形的结果,预测二尖瓣植入物在二尖瓣环区域中的部署形状。查询单元22、122可以查询包括多个记录26的数据库24,每个记录包括表示二尖瓣环区域的三维图像和二尖瓣植入物的相关部署形状的数据。确定单元28、128可以确定患者特异性的二尖瓣环区域和二尖瓣植入物组合的参数模型表达的参数值,并且建模单元30、130可以在预测部署的二尖瓣植入物形状的第三参数模型中使用该参数值。表示二尖瓣环区域的患者特异性的三维图像和二尖瓣植入物的数据可以输入人工智能设备32、132,人工智能设备32、132可以布置为用于输出对二尖瓣植入物的部署形状的预测。对部署形状的预测可以由通信单元27、127呈现给用户,例如呈现为二尖瓣环区域的患者特异性的三维图像例如视图上的叠加。该方法可包括新LVOT单元44、144,其布置为用于从二尖瓣环区域的患者特异性的三维图像和二尖瓣植入物的预测部署形状,例如从二尖瓣植入物的预测部署形状在二尖瓣环区域的患者特异性的三维图像的例如视图上的叠加,确定新LVOT面积。
可选地,系统1、101中包括检查单元40、140,其布置为用于检查数据库是否包含比预定相似性阈值更匹配患者特异性的数据的记录。系统1、101还可以包括计算单元42、142,其布置为用于在没有找到此类记录的情况下,计算患者特异性的心脏区域内心脏植入物的部署形状。
计算可以包括基于表示二尖瓣环区域的患者特异性的三维图像的数据,获取表示患者特异性的二尖瓣环区域的患者特异性的三维解剖模型,患者特异性的解剖模型包括有限元网格。计算可以包括获取表示二尖瓣植入物的有限元表达的二尖瓣植入物模型。计算可以包括虚拟地将二尖瓣植入物模型部署在患者特异性的解剖模型中。计算可以包括计算部署的二尖瓣植入物模型与患者特异性的解剖模型之间的相互作用。计算可以包括基于所计算的相互作用,确定二尖瓣植入物的部署形状并可选地确定二尖瓣植入物的位置。
可以生成记录,记录包括表示心脏区域的三维图像和心脏区域内心脏植入物的相关部署形状的数据。记录可以存储在数据库24中。
鉴于基于图1-6所描述的系统1和101,应当理解的是,处理器2、102可以包含在网络服务器中,网络服务器布置为用于经由网络从用户设备接收表示心脏区域的患者特异性的三维图像的数据,并且用于将表示所确定的尺寸或相互作用和/或风险的数据传输给用户设备。
在此,参考本发明实施例的具体示例来描述本发明。然而,明显的是,在不脱离本发明实质的情况下,可以在其中进行各种修改和改变。为了清楚和简明的描述,本文将特征描述为相同或单独实施例的一部分,然而,具有在这些单独实施例中描述的所有或一些特征的组合的替代实施例也是可以预见的。
应当理解的是,处理器可以实现为可能包括软件代码部分的专用电子电路。处理器还可以实现为在诸如计算机、平板电脑或智能电话等可编程装置的存储器上执行,并且例如存储在其中的软件代码部分。
虽然参考附图描述的本发明实施例包括计算机装置和在计算机装置中执行的处理,但是本发明还扩展到计算机程序,特别是载体上或载体中的计算机程序,其适于将本发明付诸实践。程序可以是源或目标代码的形式,或是适合在本发明过程的实施方式中使用的任何其它形式。载体可以是能够携带程序的任何实体或设备。
例如,载体可以包括存储介质,诸如ROM,例如CD ROM或半导体ROM,或磁记录介质,例如软盘或硬盘。此外,载体可以是可传输载体,诸如可以经由线缆或光缆或通过无线电或其它方式,例如经由因特网或云传送的电信号或光信号。
当程序包含在可以通过线缆或其它设备或方式直接传送的信号中时,载体可以由此类线缆或其它设备或方式构成。替代地,载体可以是嵌有程序的集成电路,该集成电路适用于执行相关过程或在相关过程的执行中使用。
然而,其它修改、变型和替代也是可能的。因此,说明书、附图和示例应视为说明性的而非限制性的。
为了清楚和简明的描述,本文将特征描述为相同或单独实施例的一部分,然而,应当理解的是,本发明的范围可以包括具有全部或一些所描述特征的组合的实施例。
在权利要求书中,括号内的任何附图标记不得解释为对权利要求的限制。词语“包括”不排除存在权利要求所列特征或步骤以外的其它特征或步骤。此外,词语“一”和“一个”不应解释为限于“仅一个”,而是用于表示“至少一个”,并且不排除多个。某些措施被记载在相互不同的权利要求中的事实不指示这些措施的组合不能被用于获得优势。
Claims (33)
1.一种计算机实现方法,用于从具有不同尺寸的一系列心脏植入物中选择用于为患者植入的具有最佳尺寸的心脏植入物,并且可选地预测最佳部署位置,所述方法包括:
——获取表示心脏区域的患者特异性的三维图像的数据;
——预测当在所述心脏区域内部署时与预定义标准最匹配的所述心脏植入物的最佳尺寸并可选地预测当在所述心脏区域内部署时与预定义标准最匹配的所述心脏植入物的最佳位置;
其中,所述预测包括:
——查询包括多个记录的数据库,每个记录包括表示心脏区域的三维图像的数据以及表示所述一系列心脏植入物的相关尺寸的数据并可选地包括表示所述一系列心脏植入物的位置的数据;和/或
——确定所述患者特异性的心脏区域的参数模型表达的参数值,并在预测所述一系列心脏植入物的最佳尺寸并可选地预测所述一系列心脏植入物的最佳位置的第二参数模型中使用所述参数值;和/或
——将表示所述心脏区域的患者特异性的三维图像的数据输入人工智能设备,所述人工智能设备布置为用于输出对所述一系列心脏植入物的最佳尺寸的所述预测并可选地布置为用于输出对所述一系列心脏植入物的最佳位置的所述预测。
2.根据权利要求1所述的方法,其中,所述数据库包括与相应的患者特异性的临床数据相关的记录,和/或与模拟数据相关的记录。
3.根据权利要求1或2所述的方法,其中,所述数据库包括通过对其它记录应用增强技术而获取的记录,所述增强技术诸如缩放、修改直方图等。
4.根据权利要求1、2或3所述的方法,其中,所述数据库的查询包括例如使用极端梯度增强来确定与表示心脏区域的三维图像的数据相关联的所述记录,该心脏区域的三维图像的数据与表示所述心脏区域的所述患者特异性的三维图像最匹配。
5.根据权利要求1-4中任意一项所述的方法,包括确定所述患者特异性的心脏区域的参数模型表达的参数值,并查询包括多个记录的数据库,每个记录包括表示参数值以及所述一系列心脏植入物的相关最佳尺寸的数据并可选地包括表示所述一系列心脏植入物的最佳位置的数据。
6.根据权利要求1-5中任意一项所述的方法,其中,所述患者特异性的心脏区域的参数模型表达的参数值通过以下方式确定:
——查询包括多个记录的数据库,每个记录包括表示心脏区域的三维图像及相关参数值的数据;和/或
——将表示所述心脏区域的患者特异性的三维图像的数据输入人工智能设备,所述人工智能设备布置为用于输出所述参数值。
7.根据权利要求1-6中任意一项所述的方法,其中,所述预测还基于与所述患者相关的元数据,诸如人口统计数据、已知病理、药物使用等。
8.根据权利要求1-7中任意一项所述的方法,其中,所述预定义标准是在所述患者的实际心脏区域内部署实际植入物期间和/或之后并发症的风险最低。
9.一种计算机实现方法,用于评估在结构性心脏介入期间和/或之后出现并发症的风险,所述方法包括:
——获取表示心脏区域的患者特异性的三维图像的数据;
——获取表示待植入所述患者心脏区域内的心脏植入物的尺寸的数据并可选地获取表示待植入所述患者心脏区域内的心脏植入物的类型的数据;
——预测所述心脏植入物与所述心脏区域之间的相互作用;
其中,所述预测包括:
——查询包括多个记录的数据库,每个记录包括表示心脏区域的三维图像的数据、心脏植入物的相关尺寸的数据并可选地包括表示心脏植入物类型的数据,以及相互作用的数据;和/或
——确定所述患者特异性的心脏区域和所述植入物组合的参数模型表达的参数值,并在预测所述相互作用的第三参数模型中使用所述参数值;和/或
——将表示所述心脏区域的患者特异性的三维图像的数据以及所述心脏植入物的尺寸的数据输入人工智能设备,并可选地将表示所述心脏植入物的类型的数据输入人工智能设备,所述人工智能设备布置为用于输出对所述相互作用的所述预测;
其中,对所述相互作用的所述预测是用于评估风险的度量。
10.根据权利要求9所述的方法,其中,所述相互作用是以下项中的至少一个:诸如接触压力、应变、接触面积的机械相互作用;泄漏;反流;心脏传导异常;植入物错位风险等。
11.根据权利要求1-10中任意一项所述的方法,包括:
——使用神经网络来生成记录,所述记录包括表示心脏区域的三维图像的数据,以及所述心脏区域内所述心脏植入物的相关尺寸和/或相互作用的数据;以及
——将所述记录存储在数据库中。
12.一种用于规划结构性心脏介入的计算机实现方法,包括:
——获取表示心脏区域的患者特异性的三维图像的数据;
——获取表示待植入所述患者的心脏区域内的心脏植入物的数据,诸如尺寸和可选地诸如类型;
——例如作为心脏植入物部署和所述心脏区域变形的结果,预测所述心脏区域内所述心脏植入物的部署形状;
其中,所述预测包括:
——查询包括多个记录的数据库,每个记录包括表示心脏区域的三维图像、心脏植入物和所述心脏植入物的部署形状的数据;和/或
——确定所述患者特异性的心脏区域和所述植入物组合的参数模型表达的参数值,并在预测所述心脏植入物的部署形状的第三参数模型中使用所述参数值;
——和/或将表示所述心脏区域的患者特异性的三维图像和所述心脏植入物的数据输入人工智能设备,所述人工智能设备布置为用于输出对所述心脏植入物的部署形状的预测。
13.根据权利要求12所述的方法,其中:将对所述部署形状的所述预测呈现给用户,例如呈现为所述心脏区域的患者特异性的三维图像的例如视图上的叠加。
14.根据权利要求12或13所述的方法,其中,所述预测所述心脏区域内所述心脏植入物的部署形状的步骤包括:
a)查询所述数据库以识别比预定相似性阈值更匹配所述患者特异性的数据的记录,以及
b)如果没有找到此类记录,则计算所述患者特异性的心脏区域内所述心脏植入物的部署形状。
15.根据权利要求14所述的方法,其中,所述计算包括:
——基于表示所述心脏区域的患者特异性的三维图像的所述数据,获取表示所述患者特异性的心脏区域的患者特异性的三维解剖模型,所述患者特异性的解剖模型包括有限元网格;
——获取表示所述心脏植入物的有限元表达的植入物模型;
——虚拟地将所述植入物模型部署在所述患者特异性的解剖模型中;以及
——可选地在所述植入物模型的多个部署位置处,计算所述心脏植入物的部署形状。
16.一种用于确定新LVOT面积的计算机实现方法,包括:
——获取表示心脏区域的患者特异性的三维图像的数据;
——获取表示待植入所述患者的二尖瓣环区域中的二尖瓣植入物的数据,例如尺寸,可选地例如类型;
——例如作为二尖瓣植入物部署和所述二尖瓣环区域变形的结果,预测所述二尖瓣植入物在所述二尖瓣环区域中的部署形状;
其中,所述预测包括:
——查询包括多个记录的数据库,每个记录包括表示二尖瓣环区域的三维图像和所述二尖瓣植入物的相关部署形状的数据;
——和/或确定所述患者特异性的二尖瓣环区域和所述二尖瓣植入物组合的参数模型表达的参数值,并在预测部署的二尖瓣植入物形状的第三参数模型中使用所述参数值;
——和/或将表示所述二尖瓣环区域的患者特异性的三维图像和所述二尖瓣植入物的所述数据输入人工智能设备,所述人工智能设备布置为用于输出对所述二尖瓣植入物的部署形状的预测。
17.根据权利要求16所述的方法,其中,将对所述部署形状的所述预测呈现给用户,例如呈现为所述二尖瓣环区域的患者特异性的三维图像的例如视图上的叠加。
18.根据权利要求16或17所述的方法,包括:
——根据所述二尖瓣环区域的患者特异性的三维图像和所述二尖瓣植入物的预测部署形状,例如根据所述二尖瓣植入物的预测部署形状在所述二尖瓣环区域的患者特异性的三维图像的例如视图上的叠加,确定所述新LVOT面积。
19.根据权利要求16、17或18所述的方法,其中,所述预测所述二尖瓣环区域中所述二尖瓣植入物的部署形状的步骤包括:
a)查询所述数据库以识别比预定相似性阈值更匹配所述患者特异性的数据的记录,以及
b)如果没有找到此类记录,则计算所述患者特异性的二尖瓣环区域中所述二尖瓣植入物的部署形状。
20.根据权利要求19所述的方法,其中,所述计算包括:
——基于表示所述二尖瓣环区域的患者特异性的三维图像的所述数据,获取表示所述患者特异性的二尖瓣环区域的患者特异性的三维解剖模型,所述患者特异性的解剖模型包括有限元网格;
——获取表示所述二尖瓣植入物的有限元表达的二尖瓣植入物模型;
——虚拟地将所述二尖瓣植入物模型部署在所述患者特异性的解剖模型中;
——计算部署的二尖瓣植入物模型与所述患者特异性的解剖模型之间的相互作用,其中,所述计算能够包括基于所计算的相互作用,确定所述二尖瓣植入物的部署形状并可选地确定所述二尖瓣植入物的位置。
21.一种用于从不同尺寸的一系列心脏植入物中选择用于为患者植入的具有最佳尺寸的心脏植入物并且可选地预测最佳部署位置的系统,所述系统包括处理器,所述处理器布置为用于:
——获取表示心脏区域的患者特异性的三维图像的数据;
——获取表示不同尺寸的一系列心脏植入物的数据;
——预测当在所述心脏区域内部署时与预定义标准最匹配的所述心脏植入物的最佳尺寸并可选地预测当在所述心脏区域内部署时与预定义标准最匹配的所述心脏植入物的最佳位置;
其中,所述预测包括:
——查询包括多个记录的数据库,每个记录包括表示心脏区域的三维图像的数据以及表示所述一系列心脏植入物的相关尺寸的数据,并可选地包括表示所述一系列心脏植入物的位置的数据;和/或
——确定所述患者特异性的心脏区域的参数模型表达的参数值,并在预测所述一系列心脏植入物的最佳尺寸并可选地预测所述一系列心脏植入物的最佳位置的第二参数模型中使用所述参数值;和/或
——将表示所述心脏区域的患者特异性的三维图像的数据输入人工智能设备,所述人工智能设备布置为用于输出对所述一系列心脏植入物的最佳尺寸的所述预测以及可选地用于输出对所述一系列心脏植入物的最佳位置的所述预测。
22.一种用于评估在结构性心脏介入期间或之后出现并发症的风险的系统,所述系统包括处理器,所述处理器布置为用于:
——获取表示心脏区域的患者特异性的三维图像的数据;
——获取表示待植入所述患者心脏区域内的心脏植入物的尺寸的数据并可选地获取表示待植入所述患者心脏区域内的心脏植入物的类型的数据;
——预测所述心脏植入物与所述心脏区域之间的相互作用;
其中,所述预测包括:
——查询包括多个记录的数据库,每个记录包括表示心脏区域的三维图像的数据、表示心脏植入物的相关尺寸的数据,并可选地包括表示心脏植入物的类型的数据,以及相互作用的数据;和/或
——确定所述患者特异性的心脏区域和所述植入物组合的参数模型表达的参数值,并在预测所述相互作用的第三参数模型中使用所述参数值;和/或
——将表示所述心脏区域的患者特异性的三维图像的数据以及所述心脏植入物的尺寸的数据输入人工智能设备,并可选地将表示所述心脏植入物的类型的数据输入人工智能设备,所述人工智能设备布置为用于输出对所述相互作用的所述预测;
其中,对所述相互作用的所述预测是用于评估风险的度量。
23.一种用于规划结构性心脏介入的系统,所述系统包括处理器,所述处理器布置为用于:
——获取表示心脏区域的患者特异性的三维图像的数据;
——获取表示待植入所述患者的心脏区域内的心脏植入物的数据,诸如尺寸并可选地诸如类型;
——例如作为心脏植入物部署和所述心脏区域变形的结果,预测所述心脏区域内所述心脏植入物的部署形状;
其中,所述预测包括:
——查询包括多个记录的数据库,每个记录包括表示心脏区域的三维图像、心脏植入物和所述心脏植入物的部署形状的数据;和/或
——确定所述患者特异性的心脏区域和所述植入物组合的参数模型表达的参数值,并在预测所述心脏植入物的部署形状的第三参数模型中使用所述参数值;
——和/或将表示所述心脏区域的患者特异性的三维图像和所述心脏植入物的数据输入人工智能设备,所述人工智能设备布置为用于输出对所述心脏植入物的部署形状的预测;
24.一种用于确定新LVOT面积的系统,所述系统包括处理器,所述处理器布置为用于:
——获取表示心脏区域的患者特异性的三维图像的数据;
——获取表示待植入所述患者的二尖瓣环区域中的二尖瓣植入物的数据,例如尺寸并可选地例如类型;
——例如作为二尖瓣植入物部署和所述二尖瓣环区域变形的结果,预测所述二尖瓣植入物在所述二尖瓣环区域中的部署形状;
其中,所述预测包括:
——查询包括多个记录的数据库,每个记录包括表示二尖瓣环区域的三维图像和所述二尖瓣植入物的相关部署形状的数据;
——和/或确定所述患者特异性的二尖瓣环区域和所述二尖瓣植入物组合的参数模型表达的参数值,并在预测部署的二尖瓣植入物形状的第三参数模型中使用所述参数值;
——和/或将表示所述二尖瓣环区域的患者特异性的三维图像和所述二尖瓣植入物的所述数据输入人工智能设备,所述人工智能设备布置为用于输出对所述二尖瓣植入物的部署形状的预测。
25.根据权利要求23或24所述的系统,其中,所述处理器布置为用于将对所述部署形状的所述预测呈现给用户,例如呈现为所述二尖瓣环区域的患者特异性的三维图像的例如视图上的叠加。
26.根据权利要求24或25所述的系统,其中,所述处理器布置为用于根据所述二尖瓣环区域的患者特异性的三维图像和所述二尖瓣植入物的预测部署形状,例如根据所述二尖瓣植入物的预测部署形状在所述二尖瓣环区域的患者特异性的三维图像的例如视图上的叠加,确定所述新LVOT面积。
27.根据权利要求23-26中任意一项所述的系统,其中,所述处理器布置为用于:
a)查询所述数据库以识别比预定相似性阈值更匹配所述患者特异性的数据的记录,以及
b)如果没有找到此类记录,则计算所述患者特异性的二尖瓣环区域中所述二尖瓣植入物的部署形状。
28.根据权利要求27所述的系统,其中,所述处理器布置为用于执行所述计算,所述计算包括:
——基于表示所述二尖瓣环区域的患者特异性的三维图像的所述数据,获取表示所述患者特异性的二尖瓣环区域的患者特异性的三维解剖模型,所述患者特异性的解剖模型包括有限元网格;
——获取表示所述二尖瓣植入物的有限元表达的二尖瓣植入物模型;
——虚拟地将所述二尖瓣植入物模型部署在所述患者特异性的解剖模型中;
——计算部署的二尖瓣植入物模型与所述患者特异性的解剖模型之间的相互作用,其中,所述计算能够包括基于所计算的相互作用,确定所述二尖瓣植入物的部署形状并可选地确定所述二尖瓣植入物的位置。
29.根据权利要求21-28中任意一项所述的系统,其中,所述处理器包括在网络服务器中,所述网络服务器布置为用于经由网络从用户设备接收表示所述心脏区域的患者特异性的三维图像的所述数据,并且用于将表示处理结果的数据传输给所述用户设备。
30.一种计算机程序产品,用于从不同尺寸的一系列心脏植入物中选择为患者植入的具有最佳尺寸的心脏植入物,并且可选地预测最佳部署位置,其包括计算机可执行指令,当由可编程计算机执行时,所述计算机可执行指令使所述计算机:
——获取表示心脏区域的患者特异性的三维图像的数据;
——预测当在所述心脏区域内部署时与预定义标准最匹配的所述心脏植入物的最佳尺寸并可选地预测当在所述心脏区域内部署时与预定义标准最匹配的所述心脏植入物的最佳位置;
其中,所述预测包括:
——查询包括多个记录的数据库,每个记录包括表示心脏区域的三维图像的数据以及表示所述一系列心脏植入物的相关尺寸的数据并可选地包括表示所述一系列心脏植入物的位置的数据;和/或
——确定所述患者特异性的心脏区域的参数模型表达的参数值,并在预测所述一系列心脏植入物的最佳尺寸并可选地预测所述一系列心脏植入物的最佳位置的第二参数模型中使用所述参数值;和/或
——将表示所述心脏区域的患者特异性的三维图像的数据输入人工智能设备,所述人工智能设备布置为用于输出对所述一系列心脏植入物的最佳尺寸的所述预测并可选地用于输出对所述一系列心脏植入物的最佳位置的所述预测。
31.一种计算机程序产品,用于评估在结构性心脏介入期间或之后出现并发症的风险,所述计算机程序包含计算机可执行指令,当由可编程计算机执行时,所述计算机可执行指令使所述计算机:
——获取表示心脏区域的患者特异性的三维图像的数据;
——获取表示待植入所述患者心脏区域内的心脏植入物的尺寸的数据并可选地获取表示待植入所述患者心脏区域内的心脏植入物的类型的数据;
——预测所述心脏植入物与所述心脏区域之间的相互作用;
其中,所述预测包括:
——查询包括多个记录的数据库,每个记录包括表示心脏区域的三维图像的数据、心脏植入物的相关尺寸的数据,并可选地包括表表示心脏植入物的类型的数据,以及相互作用的数据;和/或
——确定所述患者特异性的心脏区域和所述植入物组合的参数模型表达的参数值,并在预测所述相互作用的第三参数模型中使用所述参数值;和/或
——将表示心脏区域的患者特异性的三维图像的数据以及心脏植入物的尺寸的数据输入人工智能设备,并可选地将表示心脏植入物的类型的数据输入人工智能设备,人工智能设备布置为用于输出对相互作用的预测。
32.一种用于规划结构性心脏介入的计算机程序产品,包含计算机可执行指令,当由可编程计算机执行时,所述计算机可执行指令使所述计算机:
——获取表示心脏区域的患者特异性的三维图像的数据;
——获取表示待植入所述患者的心脏区域内的心脏植入物的数据,诸如尺寸并可选地诸如类型;
——例如作为心脏植入物部署和所述心脏区域变形的结果,预测所述心脏区域内所述心脏植入物的部署形状;
其中,所述预测包括:
——查询包括多个记录的数据库,每个记录包括表示心脏区域的三维图像、心脏植入物和所述心脏植入物的部署形状的数据;和/或
——确定所述患者特异性的心脏区域和所述植入物组合的参数模型表达的参数值,并在预测所述心脏植入物的部署形状的第三参数模型中使用所述参数值;
——和/或将表示所述心脏区域的患者特异性的三维图像和所述心脏植入物的数据输入人工智能设备,所述人工智能设备布置为用于输出对所述心脏植入物的部署形状的预测。
33.一种用于确定新LVOT面积的计算机程序产品,包含计算机可执行指令,当由可编程计算机执行时,所述计算机可执行指令使所述计算机:
——获取表示心脏区域的患者特异性的三维图像的数据;
——获取表示待植入所述患者的二尖瓣环区域中的二尖瓣植入物的数据,例如尺寸并可选地例如类型;
——例如作为二尖瓣植入物部署和所述二尖瓣环区域变形的结果,预测所述二尖瓣植入物在所述二尖瓣环区域中的部署形状;
其中,所述预测包括:
——查询包括多个记录的数据库,每个记录包括表示二尖瓣环区域的三维图像和所述二尖瓣植入物的相关部署形状的数据;
——和/或确定所述患者特异性的二尖瓣环区域和所述二尖瓣植入物组合的参数模型表达的参数值,并在预测部署的二尖瓣植入物形状的第三参数模型中使用该参数值;
——和/或将表示所述二尖瓣环区域的患者特异性的三维图像和所述二尖瓣植入物的所述数据输入人工智能设备,所述人工智能设备布置为用于输出对所述二尖瓣植入物的部署形状的预测。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
EP18163655.6 | 2018-03-23 | ||
EP18163655.6A EP3542757A1 (en) | 2018-03-23 | 2018-03-23 | Method and system for patient-specific virtual percutaneous structural heart intervention |
PCT/EP2019/055907 WO2019179793A1 (en) | 2018-03-23 | 2019-03-08 | Method and system for patient-specific virtual percutaneous structural heart intervention |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112040908A true CN112040908A (zh) | 2020-12-04 |
Family
ID=61763897
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201980028440.9A Pending CN112040908A (zh) | 2018-03-23 | 2019-03-08 | 患者特异性的虚拟经皮结构性心脏介入方法和系统 |
Country Status (5)
Country | Link |
---|---|
US (1) | US20210022806A1 (zh) |
EP (2) | EP3542757A1 (zh) |
JP (1) | JP2021518235A (zh) |
CN (1) | CN112040908A (zh) |
WO (1) | WO2019179793A1 (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112992313A (zh) * | 2021-03-30 | 2021-06-18 | 华南理工大学 | 一种心脏二尖瓣力学性能优化方法、系统及设备 |
Families Citing this family (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2013171039A1 (en) | 2012-05-16 | 2013-11-21 | Feops Bvba | Pre -operative simulation of trans - catheter valve implantation |
WO2016177647A1 (en) | 2015-05-01 | 2016-11-10 | Feops Nv | Method and system for determining a risk of cardiac conduction abnormalities |
EP3358482A1 (en) | 2017-02-03 | 2018-08-08 | FEops NV | Method and system for determining a risk of hemodynamic compromise after cardiac intervention |
US11331149B2 (en) | 2012-05-16 | 2022-05-17 | Feops Nv | Method and system for determining a risk of hemodynamic compromise after cardiac intervention |
AU2022272995A1 (en) * | 2021-05-11 | 2023-12-21 | Emory University | Systems and methods for modeling risk of transcatheter valve deployment |
WO2023062093A1 (en) | 2021-10-14 | 2023-04-20 | Feops Nv | Systems and methods for automatically detecting anatomical features for preoperative cardiac implant simulations |
EP4227953A1 (en) * | 2022-02-10 | 2023-08-16 | FEops NV | A method and system for determining a model of a cardiac implant |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE102012205504A1 (de) * | 2012-04-04 | 2013-10-10 | Siemens Aktiengesellschaft | Eine minimalinvasive Herzklappenimplantation begleitendes Verfahren |
US20150223773A1 (en) * | 2014-02-11 | 2015-08-13 | Siemens Medical Solutions Usa, Inc. | Method and Apparatus for Image Fusion Based Planning of C-Arm Angulation for Structural Heart Disease |
CN105264573A (zh) * | 2013-06-07 | 2016-01-20 | 皇家飞利浦有限公司 | 规划对心脏植入体的植入 |
WO2016177647A1 (en) * | 2015-05-01 | 2016-11-10 | Feops Nv | Method and system for determining a risk of cardiac conduction abnormalities |
Family Cites Families (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7650179B2 (en) * | 2005-12-09 | 2010-01-19 | Siemens Aktiengesellschaft | Computerized workflow method for stent planning and stenting procedure |
US9280837B2 (en) * | 2008-10-10 | 2016-03-08 | Koninklijke Philips N.V. | Angiographic image acquisition system and method with automatic shutter adaptation for yielding a reduced field of view covering a segmented target structure or lesion for decreasing X-radiation dose in minimally invasive X-ray-guided interventions |
US10719986B2 (en) | 2009-12-22 | 2020-07-21 | Siemens Healthcare Gmbh | Method and system for virtual percutaneous valve implantation |
WO2013171039A1 (en) | 2012-05-16 | 2013-11-21 | Feops Bvba | Pre -operative simulation of trans - catheter valve implantation |
US9043190B2 (en) * | 2013-08-16 | 2015-05-26 | Heartflow, Inc. | Systems and methods for identifying personalized vascular implants from patient-specific anatomic data |
US9092743B2 (en) * | 2013-10-23 | 2015-07-28 | Stenomics, Inc. | Machine learning system for assessing heart valves and surrounding cardiovascular tracts |
US9693830B2 (en) * | 2014-12-10 | 2017-07-04 | Henry Ford Health System | Evaluating prosthetic heart valve placement |
US9931790B2 (en) * | 2015-04-16 | 2018-04-03 | Siemens Healthcare Gmbh | Method and system for advanced transcatheter aortic valve implantation planning |
US10321992B2 (en) * | 2016-02-01 | 2019-06-18 | Medtronic, Inc. | Heart valve prostheses having multiple support arms and methods for percutaneous heart valve replacement |
EP4042939B1 (en) * | 2017-04-05 | 2023-11-22 | Medtronic Vascular Inc. | Sizing catheters, methods of sizing anatomies and methods of selecting a prosthesis for implantation |
-
2018
- 2018-03-23 EP EP18163655.6A patent/EP3542757A1/en not_active Withdrawn
-
2019
- 2019-03-08 WO PCT/EP2019/055907 patent/WO2019179793A1/en active Application Filing
- 2019-03-08 JP JP2020551376A patent/JP2021518235A/ja active Pending
- 2019-03-08 US US16/982,526 patent/US20210022806A1/en active Pending
- 2019-03-08 EP EP19708561.6A patent/EP3768193A1/en active Pending
- 2019-03-08 CN CN201980028440.9A patent/CN112040908A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE102012205504A1 (de) * | 2012-04-04 | 2013-10-10 | Siemens Aktiengesellschaft | Eine minimalinvasive Herzklappenimplantation begleitendes Verfahren |
CN105264573A (zh) * | 2013-06-07 | 2016-01-20 | 皇家飞利浦有限公司 | 规划对心脏植入体的植入 |
US20150223773A1 (en) * | 2014-02-11 | 2015-08-13 | Siemens Medical Solutions Usa, Inc. | Method and Apparatus for Image Fusion Based Planning of C-Arm Angulation for Structural Heart Disease |
WO2016177647A1 (en) * | 2015-05-01 | 2016-11-10 | Feops Nv | Method and system for determining a risk of cardiac conduction abnormalities |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112992313A (zh) * | 2021-03-30 | 2021-06-18 | 华南理工大学 | 一种心脏二尖瓣力学性能优化方法、系统及设备 |
Also Published As
Publication number | Publication date |
---|---|
US20210022806A1 (en) | 2021-01-28 |
EP3768193A1 (en) | 2021-01-27 |
JP2021518235A (ja) | 2021-08-02 |
WO2019179793A1 (en) | 2019-09-26 |
EP3542757A1 (en) | 2019-09-25 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11069136B2 (en) | Pre-operative simulation of trans-catheter valve implantation | |
US11051885B2 (en) | Method and system for determining a risk of hemodynamic compromise after cardiac intervention | |
US11141220B2 (en) | Method and system for determining a risk of cardiac conduction abnormalities | |
CN112040908A (zh) | 患者特异性的虚拟经皮结构性心脏介入方法和系统 | |
US11315690B2 (en) | Modeling and simulation system for optimizing prosthetic heart valve treatment | |
US10695131B2 (en) | Medical imaging system | |
US20220273369A1 (en) | Method and system for determining a risk of hemodynamic compromise after cardiac intervention | |
WO2023152326A1 (en) | A method and system for determining a model of a cardiac implant |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination |