JP2020516348A

JP2020516348A - Ｅｃｇ信号からの心筋微小血管抵抗の推定に基づく冠状動脈疾患メトリック

Info

Publication number: JP2020516348A
Application number: JP2019554674A
Authority: JP
Inventors: マイケルグラス; スヴェンプレブラール
Original assignee: Koninklijke Philips NV
Current assignee: Koninklijke Philips NV
Priority date: 2017-04-06
Filing date: 2018-03-05
Publication date: 2020-06-11
Anticipated expiration: 2038-03-05
Also published as: US11710569B2; WO2018184779A1; JP7229170B2; US20210118569A1; CN110494081A; EP3606421A1

Abstract

コンピューティングシステム１１８は、生物物理シミュレータ１２６及び心電図信号アナライザ１２８を有するコンピュータ実行可能命令１２４を備えたコンピュータ可読記憶媒体１２２を有する。コンピューティングシステムは、心電図信号アナライザを実行して入力心電図から心筋梗塞特性を決定し、生物物理シミュレータを実行して、入力心臓画像データ及び決定された心筋梗塞特性から部分冠血流予備量比指標又は瞬時血流予備量比指標をシミュレートするように構成されたプロセッサ１２０を更に有する。

Description

本発明は、一般に、冠状動脈疾患のメトリック（測定基準）に関し、より具体的には、心電図（ＥＣＧ）信号からの心筋微小血管抵抗の推定に基づく冠状動脈疾患メトリックに関する。本発明は、コンピュータトモグラフィ（ＣＴ）への特定の適用に関して記述されるが、磁気共鳴（ＭＲ）血管造影及び／又は他の撮像モダリティにも適用可能である。

血管ツリーを有する冠状動脈は、通常、冠状動脈を心筋に接続する微小血管構造を通じて、動脈血を、ゆえに酸素を、心臓筋肉又は心筋に送る。冠状動脈疾患（ＣＡＤ）の場合、脂質及びカルシウムの複合冠状動脈プラーク沈着物が、血管（狭窄）の１又は複数を塞ぐ。プラークが破裂して下流の動脈を塞ぐと、狭窄は、心臓及び胸部の痛み（狭心症）を引き起こし、更には、急性心筋梗塞及び脳卒中を引き起こすことがある。冠状動脈微小血管機能障害（ＣＭＤ）は、心血管疾患、例えば狭心症患者の心筋虚血に関与することがある。

冠状動脈コンピュータトモグラフィ血管造影（ＣＣＴＡ）は、胸痛患者のＣＡＤを検出するための非侵襲的検査であり、カテーテル検査室の侵襲的冠状動脈造影（ＣＡ）に対するゲートキーパー技術である。ＣＡの最中、侵襲的な圧力センサ又はフローセンサを備えたカテーテルによる冠状動脈機能のアセスメントも実行され、部分冠血流予備量比（ＦＦＲ）又は瞬時血流予備量比（ｉＦＲ）測定における狭窄の機能的影響が測定される。非侵襲的手法は、計算流体力学（ＣＦＤ）及び関連する計算手法（ＦＦＲ−ＣＴ、ｉＦＲ−ＣＴ）を使用したＣＴデータに基づくＦＦＲ及びＩＦＲのシミュレーションを含む。これらの技法は、解剖学的画像データに依存するだけでなく、冠状動脈の近位入口、小さい開口、及び冠状動脈の先端における血流及び圧力の境界条件にも依存する。

境界条件は、一般に、画像データから忠実に抽出されるには細すぎる先端のポイントにおける条件を含むことが想定される。すべてのアプローチの基本的な制限は、患者特有の境界条件が汎用モデルを使用して割り当てられる必要があるということである。モデルは通常、外的に測定される血圧及び動脈先端の直径を含む。残念ながら、これらは主に、実際の患者の解剖学的構造ではなくＣＴスキャンの品質によって決定されるため、ＦＦＲ−ＣＴの結果にエラーが導入され、誤った推奨又は診断につながることがある。問題は、冠状動脈から心筋微小血管構造まで遷移する血流への抵抗が考慮されないことであり、これはＣＭＤの罹患によって悪化し、微小血管抵抗の直接的な測定は利用可能でない。

本明細書に記載の態様は、上述した問題及び他の問題に対処する。

１つの態様において、コンピューティングシステムは、生物物理シミュレータ及び心電図信号アナライザを有するコンピュータ実行可能命令を具備するコンピュータ可読記憶媒体を有する。コンピューティングシステムは更に、心電図信号アナライザを実行して入力心電図から心筋梗塞特性を決定し、生物物理シミュレータを実行して部分冠血流予備量比指標又は瞬時血流予備量比指標をシミュレートするように構成されるプロセッサを有する。

別の態様において、コンピュータ可読記憶媒体は、コンピュータ可読命令によりエンコードされ、かかるコンピュータ可読命令は、コンピューティングシステムのプロセッサによって実行されるとき、心臓画像データを受け取るステップと、心電図信号を受け取るステップと、心臓画像データ及び心電図信号の心筋梗塞特性から、部分冠血流予備量比指標又は瞬時血流予備量比指標をシミュレートするステップであって、決定される心筋梗塞特性が、心筋梗塞の存在、心筋梗塞の位置、心筋梗塞のサイズのうち１又は複数の推定を含む、ステップと、をプロセッサに実行させる。

別の態様において、方法は、心臓画像データを入力するステップと、心電図信号を入力するステップと、心臓画像データ及び心電図信号の心筋梗塞特性から部分冠血流予備量比指標又は瞬時血流予備量比指標をシミュレートするステップであって、心筋梗塞特性が、心筋梗塞の存在、心筋梗塞の位置及び心筋梗塞のサイズのうち１又は複数の推定を含む、ステップと、を有する。

当業者は、添付の説明を読み理解することにより、本願発明の更に別の態様を認識する。

本発明は、さまざまな構成要素及び構成要素の取り合わせ並びにさまざまなステップ及びステップの取り合わせの形をとることができる。図面は、好適な実施形態を例示する目的のためだけにあり、本発明を制限するものとして解釈されるべきではない。

生物物理シミュレータ及びＥＣＧ信号アナライザを有するコンピューティングシステムと、撮像システムとを具備する例示のシステムを概略的に示す図。生物物理シミュレータの例を概略的に示す図。１２リードＥＣＧの電極の配置例を概略的に示す図。「正常な」ＥＣＧ信号の例を概略的に示す図。冠状動脈のセグメント化の例を示す図。冠状動脈の解剖学的モデルの例を示す図。生物物理シミュレータの別の例を概略的に示す図。本願明細書における一実施形態による例示の方法を示す図。本願明細書における一実施形態による別の例示の方法を示す図。梗塞を示すＥＣＧ信号の例を示す図。別のタイプの梗塞を示すＥＣＧ信号の例を示す図。更に別のタイプの梗塞を示すＥＣＧ信号の例を示す図。更に別のタイプの梗塞を示すＥＣＧ信号の例を示す図。

図１は、ＣＴスキャナのような撮像システム１０２を有するシステム１００を概略的に示す。変形例において、撮像システム１００はＭＲスキャナを有する。図示される撮像システム１０２は、概して静止したガントリ１０４及び回転ガントリ１０６を有し、回転ガントリ１０６は、静止ガントリ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。寝台のような被験者支持体１１０は、検査領域１０８内の物体又は被験者を支持する。

Ｘ線管のような放射線源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とともに回転し、検査領域１０８を横切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１０８８を横切って放射線源１１２の反対側で円弧をなす。アレイ１１４は、検査領域１０８を横切る放射線を検出し、検出された放射線を示す電気信号（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を示すボリュメトリック画像データを生成する。

システム１００は更に、この例においてオペレータコンソールとして機能するコンピューティングシステム１１８を有する。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、中央処理ユニット、その他）と、コンピュータ可読記憶媒体１２２と、を有し、コンピュータ可読記憶媒体１２２は、一時的媒体を除外し、物理記憶装置その他の非一時的媒体を含む。コンソール１１８は更に、表示モニタのような（複数の）人間可読の出力装置と、キーボード、マウス、その他の（複数の）入力装置と、を有する。

コンピュータ可読記憶媒体１２２は、生物物理シミュレータ１２６及び心電図（ＥＣＧ、又はＥＫＧ）アナライザ１２８用の命令１２４を有する。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フェース（ＧＵＩ）等を介してスキャナ１０２と対話する及び／又はスキャナを操作することを可能にする命令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、付加的又は代替的に、搬送波、信号、及び／又は他の一時的媒体によって担持されるコンピュータ可読命令を実行することができる。

変形例において、生物物理シミュレータ１２６及びＥＣＧアナライザ１２８は、コンソール１１８及びシステム１００とは別のコンピューティングシステムの一部である。この場合、他のコンピューティングシステムは、プロセッサ、コンピュータ可読記憶媒体、入力装置、及び出力装置を有する点でコンソール１１８に似ているが、オペレータがスキャナ１０２と対話する及び／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有しない。

ＥＣＧアナライザ１２８は、評価中の患者のＥＣＧ信号を入力信号として受け取る。ＥＣＧ信号は、患者のスキャンと同時に、患者をスキャンする前に、及び／又は患者をスキャンした後に、取得されることができる。一例では、ＥＣＧ信号は、１２リードのＥＣＧ信号を含む。代替的又は付加的に、ＥＣＧ信号は、３リード、５リード、１２より多くのリードのＥＣＧ信号を含む。代替的又は付加的に、ＥＣＧ信号は、米国オハイオ州のCardioInsightの製品であるＥＣＶＵＥベストのような電極ベストを使用した心臓マッピングから決定される。ＥＣＧアナライザ１２８は、以下で詳細に説明するように、ＥＣＧ信号を解析し、解析に基づき心筋梗塞（ＭＩ）の存在、位置、及び／又はサイズを推定する。

生物物理シミュレータ１２６は、ボリュメトリック画像データ及びＥＣＧ推定値を処理し、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、ＣＣＴＡ画像データに基づいて指標を決定する。一例では、これは、ＣＣＴＡ画像データを使用して冠状動脈樹の幾何学的モデルを導出し、シミュレーションのためにそこから境界条件を決定することを含む。以下で詳細に説明するように、生物物理シミュレータ１２６は、ＥＣＧ推定値に基づいて境界条件（例えば、微小血管抵抗）を調整し、及び／又は最初にＥＣＧ推定値をＣＣＴＡ画像データに組み込む。ＥＣＧ信号を考慮することにより、生物物理シミュレータ１２６は、この情報を考慮しない構成と比較して、より正確な指標（例えば、仮定、モデル、画像品質などにより誤差の導入が少ない）を提供することができる。

図２は、生物物理シミュレータ１２６の一例を概略的に示す。この例において、生物物理シミュレータ１２６は、セグメンタ２０２、境界条件決定器２０４、境界条件アダプタ２０６、及びフローシミュレータ２０８を有する。生物物理シミュレータ１２６は、入力として、イメージングシステム１００、データリポジトリ（例えば、放射線情報システム（ＲＩＳ）、医療用画像管理システム（ＰＡＣＳ）、その他）、及び／又は他の装置から、ＣＣＴＡ画像データを受け取る。生物物理シミュレータ１２６は更に、入力として、ＥＣＧアナライザ１２８から（存在、位置、梗塞の大きさ、等）ＭＩ推定値を受け取る。

簡単に図３を参照して、１２リードＥＣＧの１０個の電極のおよその電極配置の例が概略的に示されている。電極は、右腕（ＲＡ）電極３０２、左腕（ＬＡ）電極３０４、右脚（ＲＬ）電極３０６、左脚（ＬＧ）電極３０８、胸骨（胸骨）の右側に対する第４の肋間腔（肋骨４と５の間）のＶ１電極３１０、胸骨の左側に対する第４肋間腔（肋骨４と５の間）のＶ２電極３１２、肋骨５の上の第３電極３１４、鎖骨中央線の第５肋間腔（肋骨５と６の間）のＶ４電極３１６、左前腋窩線のＶ４電極と水平であるＶ５電極３１８、並びに腋窩中央線のＶ４及びＶ５電極と水平であるＶ６電極３２０を含む。

１２のリードは、Ｉ、ＩＩ、ＩＩＩ、ａＶＲ、ａＶＬ、ａＶＦ、Ｖ１、Ｖ２、Ｖ３、Ｖ４、Ｖ５、及びＶ６である。リードＩは、電極３０４と電極３０２の間の電圧である（Ｉ＝ＬＡ−ＲＡ）。リードＩＩは、電極３０８と電極３０６間の電圧である（ＩＩ＝ＬＬ-ＲＡ）。リードＩＩＩは、電極３０８と電極３０４の間の電圧である（ＩＩＩ＝ＬＬ−ＬＡ）。リードａＶＲは、電極３０２と、電極３０４と電極３０８の組み合わせとの間の電圧である（ａＶＲ＝ＲＡ−１／２（ＬＡ＋ＬＬ））。リードａＶＬは、電極３０４と、電極３０２と電極３０８の組み合わせとの間の電圧である（ａＶＬ＝ＬＡ−１／２（ＲＡ＋ＬＬ））。リードａＶＦは、電極３０８と、電極３０２と電極３０４の組み合わせとの間の電圧である（ａＶＦ＝ＬＬ−１／２（ＲＡ＋ＬＡ））。

図４は、「正常な」洞調律おけるＥＣＧ信号４００の例を概略的に示している。信号４００は、Ｐ波４０２、Ｑ波４０４、Ｒ波４０６、Ｓ波４０８、Ｔ波４１０、及びＵ波４１２を有する。Ｑ波、Ｒ波及びＳ波は、ＱＲＳ群４１４を構成する。Ｐ波４０２は心房脱分極を表し、ＱＲＳ群４１４は、心室脱分極を表し、Ｔ波４１０は、心室再分極を表し、Ｕ波４１２は、乳頭筋再分極を表す。ＰＲ間隔４１６は、Ｐ波４０２の開始からＱＲＳ群４１４の開始までの間隔である。ＳＴセグメント４１８は、ＱＲＳ群４１４とＴ波４１０を接続し、心室が脱分極された期間を示す。

図１乃至図４を参照すると、ＥＣＧアナライザ１２８はＥＣＧ信号を解析し、その解析から心筋梗塞（ＭＩ）の存在を推定する。一例において、ＥＣＧアナライザ１２８は、波４０２乃至４１２の１又は複数を解析することによりこれを実現する。例えば、ＥＣＧアナライザ１２８は、ＳＴセグメント４１８を解析することができ、この場合、低下した又は上昇したＳＴセグメント４１８は、ＭＩを示し得る。別の例において、ＥＣＧアナライザ１２８は、Ｔ波４１０を解析することができ、反転したＴ波４１０はＭＩを示し得る。このデータは、患者の以前に取得された既知の正常なＥＣＧ信号との比較、モデルの正常及び／又は異常なＥＣＧ信号との比較、患者集団からの既知の正常及び／又は異常なＥＣＧ信号の比較を通じて、解析されることができる。

付加的又は代替的に、ＥＣＧアナライザ１２８は、ＭＩの位置を推定する。このため、ＥＣＧアナライザ１２８は、左前下行冠状動脈（ＬＡＤ）によって供給される心臓の前部からの電気活動を測定するリードＶ１−Ｖ４を使用して、心臓の前部領域のＭＩを推定することができる。ＥＣＧアナライザ１２８は、左回旋冠状動脈（ＬＣ）によって供給される心臓の左側からの電気活動を測定するリード線Ｉ、ａＶＬ、Ｖ５及びＶ６を使用して、心臓の側方領域のＭＩを推定することができる。ＥＣＧアナライザ１２８は、心臓の下側領域のＭＩを推定するために、右冠状動脈（ＲＣＡ）によって供給される心臓の下からの電気活動を測定するＩＩ、ＩＩＩ及びａＶＦを使用することができる。

付加的又は代替的に、ＥＣＧアナライザ１２８は、ＭＩのサイズを推定する。例えば、ＭＩサイズは、さまざまなリード上において、Ｑ波の深さ、Ｒ波の振幅の減少、ＳＴセグメントの上昇、Ｔ波の反転のようなＥＣＧ信号特性によって推定されることができる。ＥＣＧアナライザ１２８は、これらの特徴のいずれか又はすべてを推定することができる。更に、ＥＣＧアナライザ１２８は、２０１１年４月２５日出願の"Visualization of myocardial infarct size in diagnostic ECG"というタイトルの米国特許第８，６８８，２０６Ｂ２号公報に記載されている特性を解析することができる。付加的又は代替的に、臨床医は、ＥＣＧ信号を視覚的に解析し、付加情報をＥＣＧアナライザ１２８に提供することができ、ＥＣＧアナライザ１２８は、この情報を使用してＭＩを推定することができる。

概して、ＥＣＧ信号のすべての波とそれらの間隔は、予測可能な持続時間、許容可能な振幅（電圧）のレンジ、及び典型的な形態を有する。ＥＣＧアナライザ１２８は、正常なトレーシングからのわずかな逸脱を使用して、ＭＩを推定することができる。図１０、図１１、図１２及び図１３は、図４に示される「正常な」ＥＣＧ信号からの逸脱を伴う例示のＥＣＧ信号を示す。図１０は、ステージＩの拡張期前心尖部梗塞を示すＥＣＧ信号を示す。図１１は、ステージＩＩＩの前壁中隔梗塞を示すＥＣＧ信号を示す。図１２は、中間ステージの後側壁梗塞を示すＥＣＧ信号を示す。図１３は、ステージＩの後壁梗塞を示すＥＣＧ信号を示す。

図１及び図２を参照して、セグメンタ２０２は、セグメント化アルゴリズムを使用して、ＣＣＴＡイメージングデータから冠状動脈樹をセグメント化する。セグメント化は、自動的に（例えば機械学習等により）又は半自動的に（例えばユーザ支援により）実施されることができる。一例において、セグメント化は、セグメント化に基づき冠状動脈中心線及び／又は管腔ジオメトリ（例えば、直径、周囲、断面積など）を識別する及び／又は抽出することを含む。セグメント化は、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５は、血管管腔の向き合う壁５０２を示す個々の血管の部分５００のセグメント化を示し、図６は、セグメント化された冠状動脈樹６００を示す。

ＣＣＴＡイメージングデータから冠状動脈樹を抽出する適切なアプローチの例は、Zheng et al., "Robust and accurate coronary artery centerline extraction in CTA by combining model-driven and data-driven approaches," Med Image Comput Assist Interv. 2013;16(Pt 3):74-81、Ecabert et al., "Segmentation of the heart and great vessels in CT images using a model-based adaptation framework," Med Image Anal. 2011 Dec;15(6):863-76、及びFreiman et al., "Improving CCTA-based lesions' hemodynamic significance assessment by accounting for partial volume modeling in automatic coronary lumen segmentation," Med Phys. 2017 Mar;44(3):1040-1049に記載されている。本願明細書において他のアプローチも企図される。

境界条件決定器２０４は、ユーザ調整された冠状動脈セグメント化及び／又はセグメンタ２０２により適応されたユーザ調整冠状動脈セグメント化から、血管内の血流の計算流体力学シミュレーションのための境界条件を決定する。１つのアプローチにおいて、集中定数モデルが採用される。このモデルには、流入及び流出境界条件を示す要素と、血管ジオメトリを反映する一連の線形及び非線形抵抗要素（直径、周囲、断面積など）及び／又は水圧効果を含むツリーセグメント伝達関数を表す要素とともに、非線形抵抗を使用する中心線表現が含まれる。

集中モデルの例は、Nickisch, et al., "Learning Patient-Specific Lumped Models for Interactive Coronary Blood Flow Simulations," in Medical Image Computing and Computer-Assisted Intervention -- MICCAI 2015: 18th International Conference, LNCS, Vol. 9350, 2015, vol. 9350, pp. 433-441に記載されている。境界条件を導出する一例は、２０１４年６月３０日出願の"Enhanced Patient's Specific Modelling For FFR-CT"というタイトルの欧州特許出願公開第１４１７４８９１．３号公報に記載されており、その内容は全体が参照により本明細書に組み込まれる。本願明細書において、他のアプローチも企図される。

境界条件アダプタ２０６は、境界条件を適応させるように構成される。ＭＩ推定が、ＬＡＤ（及び／又はＬＣ、ＲＣＡ、など）によって血液供給される心臓組織の梗塞を示す例では、境界条件アダプタ２０６は、ＬＡＤ（及び／又はＬＣ、ＲＣＡ、など）に関する心筋血管抵抗（ＭＶＲ）境界条件（例えば、Ｒ_ａ＝Ｒ_ｉ＋ΔＲ、Ｒ_ａ＝適応された抵抗、Ｒ_ｏ＝初期抵抗、ΔＲは増分である）を増やして、筋細胞ダメージによるＭＶＲの増加及び／又はそれが梗塞中に起きる死亡を反映することができる。境界条件の変化量（ΔＲ）は、心臓生理学から知られているデータから推定されることができる。例えば、心臓ＣＴ及びＭＲにおいて、後期増強は、虚血後の心筋梗塞瘢痕組織で通常見られるとともに心内膜下組織層の微小循環抵抗の変化によって引き起こされる造影剤の遅延した心筋流入を表す。代替的又は付加的に、集中パラメータモデルが使用され、心筋梗塞に応じた既知のＥＣＧ修正を含む測定されたＦＦＲ（及び／又はｉＦＲ）データが利用可能である場合、モデルは、データに対して訓練されることができ、境界条件は、計算された及び測定されたＦＦＲ（及び／又はｉＦＲ）データが合致するように、訓練されることができる。

フローシミュレータ２１０は、境界条件を用いてフローシミュレーションを実行し、ＦＦＲ値を生成し出力する。フローシミュレーションは、例えば計算流体力学（ＣＦＤ）アプローチ及び／又はその他のアプローチを使用して、実行されることができる。ＦＦＲ値の計算例は、２０１３年５月１０日出願の"Determination of a fractional flow reserve (FFR) value for a stenosis of a vessel"というタイトルの米国特許出願公開第２０１５／００９２９９９Ａ１号公報、及び２０１３年１０月２４日出願の"Fractional flow reserve (FFR) index"というタイトルの米国特許出願公開第２０１５／０２８２７６５Ａ１号公報に記載されており、それらの内容はその全体が参照によって本願明細書に盛り込まれる。ＦＦＲ指標は、表示モニタを介して表示され、記憶され、別の装置に伝送される等行われることができる。一般に、図７は、生物物理シミュレータ１２６が、ＭＩ推定値を心臓画像データの空間座標に組み込むように構成される画像データアダプタ７０２を有する変形例を概略的に示す。この例において、生物物理シミュレータ１２６は、境界条件アダプタ２０６を有する。変形例において、生物物理シミュレータ１２６は、境界条件アダプタ２０６及び画像データアダプタ７０２の両方を有する。

一例において、画像データアダプタ７０２は、ＥＣＧ推定値をＣＣＴＡ画像データに組み込む。これは、例えば、１又は複数の関連する心臓血液供給領域に関連する冠状動脈を推測することによって及び／又はその他の方法で、個人化された心臓形状モデルを通じて、実現されることができる。次いで、生物物理シミュレータ１２６は、セグメンタ２０２、境界条件決定器２０４、及びフローシミュレータ２０８を用いて、本願明細書に記載されるように画像データを処理する。この場合、境界条件は、境界条件の決定前に画像データに組み込まれるＭＩ推定値を反映する。

別の変形例において、図２及び図７に関連して説明したアプローチは、侵襲性カテーテル測定と組み合わされることができ、これにより冠状動脈フローの改善された定量データを提供することができる。

図１、図２、図７は、冠状動脈疾患の機能的な重症度の尺度として、ＦＦＲを使用する例を説明した。変形例において、本願明細書に記述されるアプローチは、瞬時血流予備量比及び／又は他の尺度にも適用されることができる。一般に、ｉＦＲは、冠状動脈狭窄より遠位に通される圧力ワイヤを使用して実行され、無波期間と呼ばれる拡張期の特定の期間を区別し、この期間にわたって大動脈において観察される圧力に対する遠位冠状動脈圧力の比を計算する。

図８は、本願明細書に記述される実施形態による例示的な方法を示す。

処理も順序は限定的ではないことを理解されたい。従って、本願明細書において他の順序付けも企図される。加えて、１又は複数の処理が省略されることができ、及び／又は１又は複数の追加の処理が含められることができる。

８０２において、本願明細書に記載されるように及び／又は別の方法で、心臓画像データが取得される。

８０４において、本願明細書に記載されるように及び／又は別の方法で、ＥＣＧ信号が取得される。

８０６において、本願明細書に記載されるように及び／又は別の方法で、ＭＩの特性（例えば、存在、位置、サイズなど）がＥＣＧ信号から決定される。

８０８において、本願明細書に記載されるように及び／又は別の方法で、境界条件が画像データから決定される。

８１０において、本願明細書に記載されるように及び／又は別の方法で、境界条件が、ＭＩ特性に基づいて適応される。

８１２において、本願明細書に記載されるように及び／又は別の方法で、適応された境界条件を使用して冠状動脈機能が評価される。

上記は、コンピュータ可読記憶媒体上に符号化された又は埋め込まれたコンピュータ可読命令によって実現されることができ、かかるコンピュータ可読命令は、コンピュータプロセッサによって実行されるとき、１又は複数のプロセッサに上述の処理を実行させる。付加的に又は代替的に、コンピュータ可読命令の少なくとも１つは、信号、搬送波、又はコンピュータ可読記憶媒体ではない他の一時的媒体によって担持される。

図９は、本願明細書に記載される実施形態による例示的な方法を示す。

処理の順序は限定的ではないことを理解されたい。従って、本願明細書において、他の順序付けも企図される。加えて、１又は複数の処理が省略されることができ、及び／又は１又は複数の追加の処理が含められることができる。

９０２において、本願明細書に記載されるように及び／又は別の方法で、心臓画像データが取得される。

９０４において、本願明細書に記載されるように及び／又は別の方法で、ＥＣＧ信号が取得される。

９０６において、本願明細書に記載されるように及び／又は別の方法で、ＭＩの特性（例えば、存在、位置、サイズなど）がＥＣＧ信号から決定される。

９０８において、本願明細書に記載されるように及び／又は別の方法で、ＭＩ特性が画像データに組み込まれる。

９１０において、本願明細書に記載されるように及び／又は別の方法で、ＭＩ特性が組み込まれた画像データから、境界条件が決定される。

９１２において、本願明細書に記載されるように及び／又は別の方法で、適応された境界条件を使用して冠状動脈機能が評価される。

本発明は、図面及び前述の説明において詳しく図示され説明されたが、そのような図示及び説明は、説明的又は例示的であり、限定的なものではないと考えられるべきである。本発明は開示された実施形態に限定されない。開示される実施形態に対する他の変更は、図面、開示、及び添付の特許請求の範囲の検討から、請求項に記載の発明を実施する際に当業者によって理解され、達成されることができる。

請求項において、「含む、有する（comprising）」という語は、他の構成要素又はステップを除外せず、不定冠詞「a」又は「an」は複数性を除外しない。単一のプロセッサ又は他のユニットが、特許請求の範囲に記載されるいくつかのアイテムの機能を実現することもできる。特定の手段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、これらの手段の組み合わせが有利に使用されることができないことを示すものではない。

コンピュータプログラムは、他のハードウェアと一緒に又はその一部として供給される光学記憶媒体又は固体媒体のような適切な媒体に記憶／配布されることができるが、他の形態で、例えばインターネット又は他の有線若しくは無線の電気通信システムを介して、配布されることもできる。請求項中の如何なる参照符号も請求項の範囲を制限するものとして解釈されるべきでない。

Claims

生物物理シミュレータ及び心電図信号アナライザを有するコンピュータ実行可能命令を具備するコンピュータ可読記憶媒体と、
前記心電図信号アナライザを実行して、入力心電図から心筋梗塞特性を決定し、前記生物物理シミュレータを実行して、入力心臓画像データ及び前記決定される心筋梗塞特性から部分冠血流予備量比指標又は瞬時血流予備量比指標をシミュレートするプロセッサと、
を有する、コンピューティングシステム。
前記決定される心筋梗塞特性は、心筋梗塞の存在の推定を含む、請求項１に記載のコンピューティングシステム。
前記決定される心筋梗塞特性は、心筋梗塞の位置の推定を含む、請求項２に記載のコンピューティングシステム。
前記決定される心筋梗塞特性は、心筋梗塞のサイズの推定を含む、請求項３に記載のコンピューティングシステム。
前記生物物理シミュレータは、境界条件決定器及び境界条件アダプタを有し、前記境界条件決定器は、前記入力心臓画像データからセグメント化される冠状動脈樹から、境界条件を決定し、前記境界条件アダプタは、前記心筋梗塞特性を用いて前記境界条件を適応させる、請求項１に記載のコンピューティングシステム。
前記適応が、冠状動脈モデルの構成要素の微小血管抵抗を変更することを含む、請求項５に記載のコンピューティングシステム。
前記適応が、梗塞組織に血液を供給するモデルの冠状動脈の微小血管抵抗を増加させることを含む、請求項５に記載のコンピューティングシステム。
前記適応は、心臓生理学から推定される、請求項５乃至７のいずれか１項に記載のコンピューティングシステム。
前記境界条件アダプタは、前記シミュレートされた部分冠血流予備量比指標又は前記瞬時血流予備量比指標が部分冠血流予備量比測定値又は瞬時血流予備量比測定値と合致するように、訓練を通じて、前記部分冠血流予備量比測定値又は前記瞬時血流予備量比測定値により前記境界条件を適応させる、請求項５に記載のコンピューティングシステム。
前記生物物理シミュレータが画像データアダプタを有し、前記プロセッサが更に、前記画像データアダプタを実行して、前記決定された心筋梗塞特性を前記入力心臓画像データに組み込むように構成される、請求項１に記載のコンピューティングシステム。
前記プロセッサは、個人化された心臓形状モデルを使用して、前記決定された心筋梗塞特性を前記入力心臓画像データの空間座標に組み込む、請求項１０に記載のコンピューティングシステム。
前記生物物理シミュレータは、前記決定された心筋梗塞特性が組み込まれた前記入力心臓画像データから、境界条件を決定し、該境界条件から前記部分冠血流予備量比指標を決定する境界条件決定器を有する、請求項１０に記載のコンピューティングシステム。
コンピュータ可読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、前記コンピュータ可読命令は、コンピューティングシステムのプロセッサ上で実行されるとき、プロセッサに、
心臓画像データを入力するステップと、
心電図信号を入力するステップと、
前記心臓画像データ及び前記心電図信号の心筋梗塞特性から、部分冠血流予備量比指標又は瞬時血流予備量比指標をシミュレートするステップであって、前記心筋梗塞特性が、心筋梗塞の存在、心筋梗塞の位置及び心筋梗塞のサイズのうち１又は複数の推定を含む、ステップと、
を実行させる、コンピュータ可読記憶媒体。
前記プロセッサは、前記心臓画像データからセグメント化された冠状動脈樹から、境界条件を決定し、前記心筋梗塞特性を用いて前記境界条件を適応させ、前記適応された境界条件を用いて前記部分冠血流予備量比指標又は前記瞬時血流予備比指標をシミュレートする、請求項１３に記載のコンピュータ可読記憶媒体。
前記プロセッサは、前記心筋梗塞特性を前記入力心臓画像データの空間座標に組み込み、前記心筋梗塞特性が組み込まれた前記心臓画像データを用いて前記部分冠血流予備量比指標又は瞬時血流予備量比指標をシミュレートする、請求項１３に記載のコンピュータ可読記憶媒体。
前記プロセッサは、訓練アルゴリズム及び部分冠血流予備量比測定値又は瞬時血流予備量比測定値の一方を使用して、前記部分冠血流予備量比測定値又は前記瞬時血流予備量比測定値と合致する部分冠血流予備量比指標又は瞬時血流予備量比指標をシミュレートする、請求項１３に記載のコンピュータ可読記憶媒体。
心臓画像データの入力するステップと、
心電図信号を入力するステップと、
前記心臓画像データ及び前記心電図信号の心筋梗塞特性から、部分冠血流予備量比指標又は瞬時血流予備量比指標をシミュレートするステップであって、前記心筋梗塞特性は、心筋梗塞の存在、心筋梗塞の位置及び心筋梗塞のサイズのうち１又は複数の推定を含む、ステップと
を実行する方法。
心臓画像データから冠状動脈樹をセグメント化するステップと、
前記セグメント化された心臓画像データから境界条件を決定するステップと、
前記心筋梗塞特性を用いて前記境界条件を適応させるステップと、
前記適応された境界条件を用いて前記部分冠血流予備量比指標又は前記瞬時血流予備量比指標をシミュレートするステップと、
を更に有する、請求項１７に記載の方法。
前記心筋梗塞特性を前記入力心臓画像データの空間座標に組み込むステップと、
前記心筋梗塞特性が組み込まれた前記心臓画像データから、冠状動脈樹をセグメント化するステップと、
前記セグメント化された心臓画像データから、境界条件を決定するステップと、
前記境界条件を用いて、前記部分冠血流予備量比指標又は前記瞬時血流予備量比指標をシミュレートするステップと、
を更に有する、請求項１８に記載の方法。
前記心臓画像データから冠状動脈樹をセグメント化するステップと、
前記部分冠血流予備量比測定値又は瞬時血流予備量比測定値の一方を入力するステップと、
前記シミュレートされた部分冠血流予備量比指標又は前記シミュレートされた瞬時血流予備量比指標が部分冠血流予備量比測定値又は瞬時血流予備量比測定値と合致するように、前記セグメント化された心臓画像データ及び前記部分冠血流予備量比測定値又は前記瞬時血流予備量比測定値の一方から、境界条件を決定するステップと、
前記境界条件を用いて、前記部分冠血流予備量比指標又は瞬時血流予備量比指標をシミュレートするステップと、
を更に有する、請求項１９に記載の方法。