JP2023033308A - 自動冠動脈血管造影分析 - Google Patents

Abstract

【課題】本発明の目的は、信頼できる、反復可能な、客観的かつ効率的な形で診断画像データの取得及び分析を可能にする方法及び装置を提供することである。【解決手段】所定の取得方法で取得された関心血管の複数の取得画像が、訓練された分類装置において受信され、複数の取得画像のうちの少なくとも１つの取得画像から関心血管の少なくとも１つの定量的特徴を抽出するように分類装置によって分類される、診断画像データを分析するための方法及び装置が、提供される。少なくとも１つの定量的特徴は、この場合、診断画像データの取得が依然として進行中である間に、少なくとも１つの取得画像に関連付けられて出力され、１つ又は複数の調整可能な画像取得設定は、診断画像データの取得を最適化するために、少なくとも１つの定量的特徴に基づいて調整される。【選択図】図１

Description

本発明は、診断画像データ、特にＸ線血管造影画像データを分析するための方法、対応する装置、及びそれぞれのコンピュータプログラムに関する。特に、本発明は、事前定義された取得設定を使用して取得された診断画像データから定量的特徴情報を自動的に導出し、このようにして導出された定量的特徴情報を使用して所定の取得設定をそれに応じて調整し、それによって取得プロセスの品質を改善することを可能にする、改善された方法及び装置に関する。

今日、冠状動脈疾患は、多くの社会において広く広がった病気である。様々な冠動脈疾患が、知られている。各冠動脈疾患に対する適切な治療計画を開発するためには、疾患が正しく評価されること、すなわち、冠動脈疾患が評価されうる医学的データが高品質及び高信頼度を持つことが、非常に重要である。

冠動脈疾患の評価のために臨床診療で使用されている１つの十分に確立された方法は、冠動脈Ｘ線血管造影である。冠状動脈造影は、典型的には、血管内に造影剤を注入し、その後に造影剤で満たされた冠状血管にＸ線放射線を照射して、これらの血管、したがって冠状血管系がはっきりと可視である血管造影画像のシーケンスを取得することによって実行される。これによって、これらの血管造影画像シーケンスの数と向き、造影剤の投与量及び画像データのそれぞれの分析は、患者によって異なってもよく、異なる患者について比較可能である客観的分析を非常に困難にする。

これらの問題を克服するために、所定の取得設定が血管造影画像シーケンスを取得するために使用される、改善された取得アプローチが、開発されてきた。これらの所定の取得設定を使用することは、特定の取得設定が各患者について既知であるので、取得されたデータの変動性を低減する。

１つのそのような取得アプローチは、血管造影画像データが、所定の投与量の造影剤を用いて所定の反復可能な軌道に沿って異なる向きで取得される、Xper Swing取得である。これにより、Xper Swing取得は、特定の冠状動脈の評価のために分析される血管造影画像データを単一の画像シーケンスとして提供する。しかしながら、Xper Swingを使用して取得された血管造影画像データの品質は、患者依存である特定の取得設定の最適化のために、解剖学的構造の患者間のばらつきのために、及び取得設定における（残りの）変動性のために、依然として変動する。

その結果、データ分析の自動化は、困難である。すなわち、分析の自動化は、異なる患者についてのデータにおいて生じ得る全ての変動性を考慮に入れる複雑な計算を必要とする。

これまで、血管造影画像データなどの診断画像データ、特に特定の所定の取得設定を使用して取得された診断画像データの、信頼できる、反復可能な、客観的かつ効率的な取得及び分析を可能にするアプローチは、開発されていない。

したがって、本発明の目的は、信頼できる、反復可能な、客観的かつ効率的な形で診断画像データの取得及び分析を可能にする方法及び装置を提供することである。

より具体的には、冠動脈疾患の客観的かつ患者に依存しない評価を可能にする信頼できる結果を得るために、所定の取得設定でＸ線血管造影などの医用撮像モダリティを用いた診断画像データを効率的に取得するための方法及び装置を提供することが、目的である。更に具体的には、本発明の目的は、画像ベースの冠動脈疾患評価中に患者に送達される放射線量及び造影剤量を低減することを可能にする方法及び装置を提供することである。

この目的は、訓練された分類装置において関心の血管の複数の取得画像を有する診断画像データを受信するステップであって、診断画像データが、所定の取得方法を使用して取得されている、ステップと、複数の取得画像のうちの少なくとも１つの取得画像から関心の血管の少なくとも１つの定量的特徴を抽出するように診断画像データを分類するステップと、診断画像データの取得が依然として進行中である間に、少なくとも１つの取得画像と関連付けられた関心の血管の少なくとも１つの定量的特徴を出力するステップと、診断画像データの取得を最適化するために、少なくとも１つの定量的特徴に基づいて１つ又は複数の調整可能な画像取得設定を調整するステップとを有する、診断画像データを分析するための方法によって達成される。

すなわち、この目的は、特定の血管特性、すなわち特定の患者に対するデータ取得を最適化するために、前記進行中の取得中に、特定の取得パラメータなどの調整可能な取得設定のセットを調整するために、前記診断画像データの取得中に既に診断画像データを自動的に分析するために、畳み込みニューラルネットワークなどの訓練された分類装置を使用する方法によって解決される。

ここで、診断画像データという用語は、患者の血管系を表す取得画像のセットを指してもよい。ここで、血管系という用語は、血管樹又は単一の血管を指してもよい。血管系という用語は、特に、関心のある１つ又は複数の血管及び／又はそのセグメントを指してもよい。ここで、関心血管という用語は、診断画像データを使用して、潜在的な病変及び／又は他の疾患に関して、評価されるべき患者の血管を指してもよい。いくつかの実施形態では、診断画像データの取得画像は、各々、冠状血管系の関心血管を表してもよい。

診断画像データは、特に、前記１つ又は複数の関心血管の１つ又は複数の取得画像を有してもよい。ここで、取得画像という用語は、典型的には、関心血管について取得された単一の画像を指すものと理解されてもよく、それによって、複数の取得画像が、診断画像データに含められてもよい。

複数の取得画像は、特に、コンピュータトモグラフィ（ＣＴ）、超音波（ＵＳ）撮像又は磁気共鳴（ＭＲ）撮像などの医用撮像モダリティによって取得されてもよい。いくつかの実施形態では、医用撮像モダリティは、特に、Ｘ線血管造影に対応してもよく、より具体的には、使用される造影剤の所定の撮像軌道及び所定の線量のような、所定の取得設定のセットで実行されるＸ線血管造影に対応してもよい。

いくつかの実施形態では、医用撮像モダリティは、ゲート制御されてもよい。ここで、ゲートされた医用撮像モダリティは、典型的には、取得画像の取得が、心電図（ＥＣＧ）又はフォトプレチスモグラフィ（ＰＰＧ）データのような心周期にわたる情報を提供するデータの取得と並行して実行される、ゲート再構成を使用してもよい。これにより、このデータは、心周期のそれぞれ選択された位相点を用いて、画像取得及び再構成をゲートするために使用され得る。

診断画像データは、訓練された分類装置において受信される。分類装置という用語は、特に、診断画像データを分析するためのそれぞれの装置内に一体化された分類器又は分類ユニットを指してもよい。いくつかの実施形態では、分類装置という用語は、装置とは別に設けられた分類器を指してもよい。いくつかの実施形態では、分類装置は、特に、畳み込みニューラルネットワーク（ＣＮＮ）として実装されてもよい。

分類装置は、訓練された分類装置である。すなわち、分類装置は、診断画像データと、血管長、血管位置、病変重症度などの１つ又は複数の定量的特徴との間の相関を示す訓練データセットを使用して、以前に訓練されている。具体的には、訓練は、それぞれの定量的特徴で注釈付けされた分類対象と同等の診断画像データを含む訓練データセットを用いて実行される。これによって、注釈は、臨床専門家によって診断画像データに手動で注釈を付けることによって得られてもよく、又はシミュレートされた訓練データセットが使用される場合には本質的に既知のグラウンドトゥルースであってもよい。

分類装置、特に畳み込みニューラルネットワークの重み及びパラメータは、訓練データセットの入力に対して、結果として得られるニューラルネットワーク出力が、対応する注釈付き特徴値に数値的に近くなるように、訓練プロセスにおいて最適化される。すなわち、ニューラルネットワークの最適化は、すべての訓練データセットについて、ニューラルネットワーク出力と注釈付き特徴値との間の差を最小化する。ニューラルネットワーク出力と注釈付き特徴値との比較は、様々なタイプの適切なメトリック、例えばＬ２ノルム又は一般化されたダイス損失によって実現されてもよい。いくつかの例では、最適化が、Ａｄａｍオプティマイザを使用してもよい。

分類装置の訓練中に、画像スケーリング、平行移動、又はコントラスト変更のような、典型的には既知の形式のデータ増強が、使用されてもよい。そのようなタスクのための例示的なネットワーク構造は、エンコーダーデコーダニューラルネットワークアーキテクチャであってもよい。

分類装置は、診断画像データから少なくとも１つの定量的特徴を抽出するために、診断画像データを分類するために使用される。すなわち、訓練に基づいて、分類装置は、診断画像データ内の取得画像のうちの１つ又は複数について、関心血管の少なくとも１つの定量的特徴の値を導出するように使用可能にされる。いくつかの実施形態では、１つの特定の定量的特徴についての対応する値が、取得画像ごとに導出されてもよい。したがって、特定の定量的特徴に対する複数の値が、複数の取得画像に対して導出されてもよい。

いくつかの実施形態では、定量的特徴が、個々の取得画像における病変及び／又は血管についての血管長、血管位置、血管直径、病変重症度、心筋濃染値、可視性スコア値などの特徴、すなわち、画像ごとに導出され得る特徴に特に対応し得る。

いくつかの実施形態では、定量的特徴が、代替的に又は追加的に、冠血流予備量比（ＦＦＲ）値、瞬時血流予備量比（ｉＦＲ）値、又は冠血流予備能（ＣＦＲ）値などの、関心血管を通る流体力学を示す値を含んでもよい。従来、これらのパラメータは、例えば国際出願ＷＯ２０１６／０８７３９６、ＷＯ２０２０／０５３０９９Ａ１及びＷＯ２０１９／１０１６３０Ａ１に記載されているように、関心血管を通る流体力学をモデル化することができる流体力学モデルから導出されてもよい。本実施形態では、これらのパラメータの値を分類装置から直接的に導出することが可能であってもよい。すなわち、訓練データセットを使用する訓練によって、分類装置は、（複数の）関心血管の流体特性、したがって、（複数の）関心血管を通る流体流をシミュレート又はモデル化する必要なく、それに関連する流体パラメータを暗示的に学習するように使用可能にされ得る。これは、流体力学モデルの使用を避けることを可能にするが、むしろ訓練された分類装置から流体パラメータを直接的に得ることを可能にする。

他方、定量的特徴は、関心血管についての十分な角度情報が、信頼できる分析を得るために利用可能であるかどうかを示す完全性スコア、可視血管系が、患者の平均された基準に類似しているかどうかを示す基準偏差インデックス、又は現在の軌道が続行される場合に将来の断層撮影再構成が、強いアーチファクトを示す可能性があるかどうかを示す閉塞スコアなど、全体として診断画像データに関連する特徴に対応してもよい。これにより、閉塞スコアは、特に、特定の外部装置のインプラントが視野内にある場合に使用されてもよい。すなわち、特定の軌道が、計画された軌道の将来の投影において視野を妨害する装置をもたらす場合、そのような妨害を回避するために軌道を変更することが、有益であり得る。

この場合、定量的特徴は、１つの取得画像に関連付けられて出力される。すなわち、対応する取得画像に基づいて導出された定量的特徴の値は、前記取得画像に関連付けられ、その後、更なる評価及び／又は更なる処理のために出力される。この出力は、特に、医用撮像モダリティによる画像取得が依然として進行中である間に実行される。

この場合、出力に基づいて、計算ユニット又は他の処理装置が、使用される現在の取得設定が十分な画質をレンダリングするかどうかを決定するために、それぞれの取得画像に関連して、少なくとも１つの定量的特徴、それぞれその値を評価する。いくつかの実施形態では、計算ユニットが、これにより、特に、可視性スコア、完全性スコアなどの定量的特徴を使用してもよい。評価は、現在の取得設定が十分な取得画像を生成しないことを示す場合、調整可能な取得設定のうちの１つ以上が、調整される。これにより、調整は、特に以前の分類に基づいて、自動的に実行されてもよい。

ここで、調整可能な取得設定という用語は、特に、使用される医用撮像モダリティのために予め定義されていない、使用される取得設定を指してもよい。したがって、本文脈では、ばらつきを低減するために変更されない、すなわち同じままである所定の取得設定と、各患者の個々の要件に従って変更され得る調整可能な取得設定との間で区別される。

以前に取得された診断画像データの自動分析に基づいて他の取得設定を調整しながら、特定の取得設定を一定かつ事前定義された状態に保つことによって、信頼性できる、効率的な、再現可能な様式で診断画像データを取得することが可能であり、同時に、異なる患者について異なる測定時間に取得される異なるデータセットのばらつきを低減する。

より具体的には、診断画像データ取得中に、既に取得された診断画像データのサブセットを分析することによって、取得設定の「ライブ」調整を実行することが可能であり、これは、各人についてこれらの取得設定を個別に最適化することを可能にし、それによって、診断画像データを最も効率的な様式で取得することを可能にする。これは、十分な完全性が、他の患者よりも一部の患者に対してより速く達成されうるので、患者に送達される放射線量及び造影剤量の量を減少する。

いくつかの実施形態では、本方法が、分布外検出を実行するように実施されてもよい。すなわち、この方法は、計算ユニット又は他の処理装置に入力される診断画像データが分類装置の訓練に基づいて予想される分布内にあるかどうかを決定するように実施され得る。これは、診断画像データが、分類装置が訓練された診断データの種類と関連付けられることができない計算ユニット又は他の処理装置に入力されるかどうかを検出することを可能にしうる。

もしそうであれば、取得された診断画像データが、評価されることが予想される診断画像データの種類に関連していないために、適切に評価されることができないという標示は、ユーザに出力されてもよい。この標示は、診断画像データが評価されることができない又は不適切にしか評価されることができないという単純な警告であってもよい。代替的に又は追加的に、標示は、新しい又は追加的な診断画像データ取得を実行するための提案を有してもよい。幾つかの実施形態では、本方法は、代替的に又は追加的に、それにもかかわらず、診断画像データの評価を実行するように実施されてもよく、これにより、評価の出力は、それぞれ大きなエラーバーを用いて行われてもよい。

いくつかの実施形態では、１つ又は複数の調整可能な画像取得設定を調整することは、診断画像データの既に取得された部分が少なくとも１つの所定の信頼性基準を満たすと決定された場合に、診断画像データの取得を早まって終了させることを含む。

いくつかの実施形態では、調整可能な取得設定の調整が、特に、十分な診断情報が既に取得されていると決定された場合、その計画された終了の前に取得を終了することを含んでもよい。すなわち、取得された診断画像データは、診断画像データの２つ以上のサブセットに区別され、それによって、第１のサブセットは、第２のサブセットが現在取得されている間に評価される。各サブセットのサイズは、所与の医用撮像モダリティ及び取得品質に大きく依存してもよい。単一の取得画像は、サブセットを形成してもよい。他の実施形態では、より多くの取得画像が、診断画像データのサブセットを形成してもよい。

第１のサブセットは、そこから導出された診断情報が所定の信頼性基準を満たすかどうか、すなわち、関心血管の信頼できる評価を既に提供するのに十分な角度情報が存在するかどうかを決定するように評価される。いくつかの実施形態では、信頼性基準が、完全性スコアに関して特に定量化されてもよい。すなわち、閾値は、完全性スコアについて決定されてもよく、完全性スコアが閾値よりも高くなるとすぐに、信頼できる診断のために十分な角度情報が利用可能であると決定される。代替的に又は追加的に、信頼性基準は、更なるスコア及び／又は基準を含んでもよい。

十分な情報が利用可能であると決定される場合、調整される取得設定は、特に、取得終了時間であってもよい。更に具体的には、取得終了時間は、例えば、終了信号を用いて、取得が直ちに終了されるように、設定され得る。十分な情報が利用可能であるとすぐに取得を終了することによって、患者が受ける放射線量を可能な限り低く保つことが可能である。他方で、信頼性基準が満たされていない、すなわち、十分な情報がまだ利用可能でないと決定された場合、測定が続行しうる、すなわち、調整可能な取得設定の調整が実行されない。取得時間の調整を可能にするこのフィードバックループは、十分な情報が利用可能であるために取得が停止されるまで、頻繁に繰り返されてもよい。

いくつかの実施形態では、１つ又は複数の調整可能な取得設定を調整することは、診断画像データにおける関心血管の可視性を改善するために、画像取得軌道を調整することを含む。いくつかの修正形態では、１つ又は複数の調整可能な取得設定を調整することは、画像取得中に関心血管内への造影剤注入速度を調整することを含む。

いくつかの実施形態では、調整可能画像取得設定の調整が、追加的又は代替的に、画像取得のために使用される撮像軌道の調整を含んでもよい。この場合、関心血管及び／又はその中の病変に対する可視性スコアが、診断画像データの第１のサブセットに対して決定される。この目的のために、個々の取得画像だけでなく、診断画像データの全体が、考慮される。可視性スコアは、予め設定された基準値又は閾値と比較されてもよく、それにより、スコアが前記値の上である（又は前記値の下である）場合に可視性が十分であると見なされ、スコアが前記値の下である（又は前記値の上である）場合に可視性が不十分であると見なされる。可視性スコアは、可視性が十分でない、すなわち、不十分な可視性が与えられることを示す場合、調整可能な撮像設定の調整は、特に、取得画像を取得するために使用される画像取得軌道の調整を含んでもよい。これは、画質を改善することを可能にし、これは、より少ない取得画像が、十分な診断情報を得るために必要であることを意味する。これは、患者に送達される放射線量を効果的に減少させる。また、調整された軌道は、診断が、理想的でない可視性を有する画像に対して行われなければならないことを回避する。

いくつかの実施形態では、１つ又は複数の調整可能な取得設定を調整することは、関心血管への造影剤注入速度の調整を含んでもよい。すなわち、関心血管のコントラストは、分類装置を使用して診断画像データの第１のサブセットについて決定されてもよい。コントラストを再検討することによって、十分な造影剤が関心血管に注入されたかどうかが、決定されてもよい。これにより、より狭い血管を有する患者は、同様の可視性を達成するために幅広い血管を有する患者よりも少ない造影剤を必要としうるので、造影剤の量は、患者によって変化しうる。したがって、関心血管のコントラストに基づいて、関心血管内に十分な造影剤が存在するかどうか、したがって、造影剤注入速度が十分であるかどうか、又は少なすぎる又は多すぎる造影剤が関心血管内に現在注入されているために、造影剤注入速度が調整されるべきかどうかが、評価されてもよい。

この場合、調整可能な取得設定の調整は、関心血管の特性に基づいて造影剤注入速度を調整することを有する。この調整を用いて、各患者に送達される造影剤投与量が、最適化されてもよい。

これらの例は、また、フィードバックループにおいて使用されてもよく、それによって、診断画像データの個々のサブセットが、取得設定のライブ適応を実行するために取得中に頻繁に評価されてもよい。

いくつかの実施形態では、方法は、所定の取得方法に従って関心血管の訓練画像データを取得するステップと、訓練画像データから少なくとも１つの定量的特徴を抽出するステップと、分類装置のための少なくとも１つの訓練データセットを生成するステップであって、訓練データセットが少なくとも１つの定量的特徴に関連付けられた訓練画像データを有するステップと、少なくとも１つの訓練データセットを使用して分類装置を訓練するステップとを更に有する。

分類装置は、それぞれの訓練データセットを使用して訓練されてもよい。いくつかの実施形態では、これらの訓練データセットが、訓練画像データに基づいて導出されてもよい。ここで、訓練画像データという用語は、特に、臨床環境において取得された複数の訓練画像データ、すなわち測定データ、又はシミュレーションによって生成された複数の訓練画像を指しうる。

この後に、１つ又は複数の定量的特徴は、全体としての訓練画像データと同様に、個々の訓練画像から抽出されてもよい。ここで、個々の画像又はデータが全体として使用されるか否かは、それぞれの定量的値に依存する。特徴抽出は、ここで、１人以上のユーザによって手動で、それぞれのアルゴリズムによって自動的に実行されてもよく、又はデータのシミュレーションから容易に利用可能な定量的特徴に対応してもよい。

抽出された定量的特徴及び訓練画像データを使用して、それぞれの訓練データセットが、生成される。すなわち、定量的特徴値は、定量的特徴値とそれぞれの画像データとの間の相関を導出するために、それぞれの訓練画像及び／又は訓練画像データに関連付けられる。このようにして生成された訓練データセットは、分類装置を訓練するために使用されてもよい。

更に別の実施形態では、訓練画像データが、所定の取得方法に従って画像取得をシミュレートすることによって生成されたシミュレートされた訓練画像データを有し、シミュレートすることは、関心血管の少なくとも１つの三次元幾何学モデルを取得するステップと、関心血管の少なくとも１つの二次元背景画像を取得するステップと、少なくとも１つの造影剤流体パラメータに基づいて患者の血管系を通る造影剤流体力学をシミュレートするステップとを有する。いくつかの修正形態において、シミュレートすることは、変形平行移動及び回転データを得ることと、平行移動及び回転データに基づいてシミュレートされた訓練画像データを増強することとを更に有する。いくつかの修正形態では、少なくとも１つの訓練データセットを生成することは、追加の患者データを受信するステップと、追加の患者データに従って少なくとも１つの訓練データセットを調整するステップとを更に有する。

いくつかの実施形態では、訓練画像データは、シミュレーションを用いて生成される。この目的のために、関心血管を含む患者の血管系の少なくとも１つの三次元幾何学的モデルが、得られる。これにより、幾何学的モデルは、三次元医用画像を取得することを可能にする任意の医用撮像モダリティによって取得されてもよい医用画像から取得されてもよい。

いくつかの実施形態では、医用撮像モダリティが、ライブ適応が実行されるべき医用撮像モダリティに対応してもよい。いくつかの実施形態では、医用撮像モダリティが、異なる撮像モダリティであってもよい。幾何学的モデルは、また、純粋に仮想的であってもよく、共通の解剖学的知識によって規定されてもよい。更に、関心血管を含む患者の血管系の少なくとも１つの二次元背景画像が、取得される。背景画像を用いて、血管系における血管の血管識別を適切に実行するために医用画像において背景及び血管系を区別することが、可能である。

背景画像は、シミュレートされたデータに現実的な外観を提供してもよい。これにより、二次元背景画像は、実際の臨床取得から得られたものであってもよく、及び／又は三次元医療画像の前方投影から構築されたものであってもよく、及び／又はシミュレートされるべき診断データに見られる典型的な背景を模倣するように設計された仮想画像であってもよい。

更に、三次元医用画像及び／又は二次元背景画像は、患者の血管系を通る流体力学を表す流体力学モデルを生成するのに使用されてもよい。いくつかの実施形態では、流体力学モデルが、特に、集中パラメータモデルを有してもよい。

集中パラメータモデルという用語は、特に、血管の流体力学が別個のエンティティのトポロジによって近似されるモデルを指しうる。一例として、血管樹などの血管系は、特定の抵抗を各々有する抵抗素子のトポロジによって表されてもよい。したがって、血管の遠位端における出口も、また、特定の抵抗素子によって表される。この場合、この抵抗素子は、血管の終端を表すように接地に接続される。同様に、それぞれの抵抗素子は、例えば、特定の分岐点における関心血管からの流出を表すように、関心血管を表す一連の抵抗素子に接続されてもよい。これらの抵抗素子は、典型的には、接地に接続されてもよい。

これらの集中パラメータモデルは、ナビエストークス等の他のアプローチと比較して次元の数を減少させる。したがって、集中パラメータモデルを使用することは、血管内部の流体力学の単純化された計算を可能にしてもよく、最終的には、減少された処理時間をもたらし得る。このような集中パラメータモデルの使用は、例えば国際出願ＷＯ２０１６／０８７３９６に記載されている。

この場合、このようにして生成された流体力学モデルは、患者の血管系、特に１つ又は複数の関心血管を通る造影剤流体の流れをシミュレートするように使用されてもよい。これは、血管系及びそれを通る対応する流体力学を表す訓練画像データを生成することを可能にする。いくつかの実施形態では、訓練画像データを増強するために、変形平行移動及び回転データが、追加情報としてシミュレーションに追加されてもよい。このようにして生成された訓練画像データは、この場合、訓練のために分類装置に提供されてもよい。

いくつかの実施形態では、少なくとも１つの定量的特徴は、患者の血管系における血管の血管ラベル、及び／又は患者の血管系における血管の血管長、及び／又は患者の血管系における血管における病変の重症度、及び／又は患者の血管系における血管の血管直径、及び／又は患者の血管系における病変及び／又は血管の可視性スコア、及び／又は複数の取得画像及び／又は心筋濃染値のうちの少なくとも１つに対する完全性スコアのうちの１つ以上を有する。

いくつかの実施形態では、特定の患者に対するＥＣＧデータ、大動脈圧力値、又は履歴データなどの追加の患者情報も、訓練データセット及び／又は分類に追加されてもよい。これは、これらの場合に、造影剤の注入も同様に調節されなければならないように、協力に上昇された大動脈圧力のような追加の患者異常が検出され得るという更なる利点を有し得る。

いくつかの実施形態によれば、更なる評価のために少なくとも１つの定量的特徴を出力することは、少なくとも１つの定量的特徴をユーザに表示するステップ、及び／又は報告エンティティに自動的に報告するために所定のフォーマットで少なくとも１つの定量的特徴を出力するステップを有する。いくつかの実施形態では、ユーザは、出力に応答して追加のデータを入力してもよく、それによって、追加のデータは、分類装置を訓練するために、及び／又は診断画像データを評価するために更に使用されてもよい。

更なる態様によれば、診断画像データを分析する装置が、提供され、装置は、関心血管の複数の取得画像を有する診断画像データを受信し、ここで診断画像データは所定の取得方法を使用して取得され、複数の取得画像のうちの少なくとも１つの取得画像から関心血管の少なくとも１つの定量的特徴を抽出するように診断画像データを分類し、診断画像データの取得が依然として進行中である間に、少なくとも１つの取得画像に関連する関心血管の少なくとも１つの定量的特徴を出力するように構成された訓練された分類装置と、診断画像データの取得を最適化するために、少なくとも１つの定量的特徴に基づいて１つ又は複数の調整可能な画像取得設定を調整するように構成された計算ユニットとを有する。

いくつかの実施形態では、装置は、所定の取得方法に従って関心血管の訓練画像データを取得するように構成された入力ユニットと、訓練画像データから関心血管の少なくとも１つの定量的特徴を抽出し、分類装置のための少なくとも１つの訓練データセットを生成し、ここで訓練データセットが少なくとも１つの定量的特徴に関連付けられた訓練画像データを有し、訓練のために少なくとも１つの訓練データセットを分類装置に提供するように構成された訓練データセット生成ユニットとを更に有する。いくつかの実施形態では、装置は、また、複数の取得画像のうちの少なくとも１つの取得画像及び／又は少なくとも１つの定量的特徴のグラフィカル表現を生成するように構成された表示ユニットと、グラフィカル表現に応答してユーザ入力を受信するように構成されたユーザインタフェースとを有してもよい。

更なる態様では、本発明による装置を制御するためのコンピュータプログラムが、提供され、このコンピュータプログラムは、処理ユニットによって実行される場合、本発明による方法ステップを実行するように構成される。更に別の態様では、上で引用されたコンピュータプログラムを記憶したコンピュータ可読媒体が、提供される。

請求項１の方法、請求項１１の装置、請求項１４のコンピュータプログラム、及び請求項１５のコンピュータ可読媒体は、特に従属請求項に規定されるように、類似及び／又は同一の好ましい実施形態を有することを理解されたい。

本発明の好ましい実施形態は、従属請求項又は上記の実施形態とそれぞれの独立請求項との任意の組み合わせであることができることを理解されたい。

本発明のこれら及び他の態様は、以下に記載される実施形態から明らかになり、それらを参照して説明される。

一実施形態による診断画像データ血管を分析する装置を概略的に示す。 一実施形態による診断画像データを分析する方法のフローチャートを示す。 一実施形態による訓練データを生成する方法のフローチャートを示す。

図面中の図は、概略的なものである。異なる図面において、類似又は同一の要素は、同じ参照番号を付されている。

図１は、診断画像データを分析する装置１の例示的な実施形態を概略的に示す。装置１は、入力ユニット１００と、訓練データセット生成ユニット２００と、分類ユニット３００と、計算ユニット４００と、表示ユニット５００とを有する。更に、分類ユニット３００及び通信ユニット４００は、フィードバックループ６００において医用撮像モダリティ２に通信可能に結合される。

入力ユニット１００は、患者の血管系の訓練画像データ１０を受信するように構成される。訓練画像データ１０は、特に、所定の取得方法、すなわち、既知の造影剤投与量及び取得軌道などの１つ又は複数の所定の（既知の）取得設定で実行される取得方法を使用して以前に取得された画像データに対応してもよく又は含んでもよい。図１による特定の実施形態では、訓練画像データ１０は、特に、Ｃアームを使用するＸ線血管造影を用いて取得された臨床データに対応してもよい。すなわち、図１の特定の実施形態では、訓練画像データ１０が、実際の測定データから導出されている。

しかしながら、代替的に又は追加的に、訓練画像データ１０は、シミュレーション等を用いて生成されてもよいことを理解されたい。シミュレートされた訓練画像データ１０に対して、ＣＴ及び／又はＭＲ撮像モダリティを使用して通常取得される三次元医用画像が、取得され、関心血管の三次元モデルを生成するために使用され、動脈の造影剤充填なしに心臓画像を示す二次元背景データと組み合わされてもよい。所定の取得方法に使用される造影剤注入パラメータと、対応する流体力学モデルとに基づいて、訓練画像データ及び対応する訓練データセットが、生成される。従って、変形平行移動及び回転は、データ増強を達成するために、関心血管の三次元表現及び二次元背景投影に加えられてもよい。この場合、取得軌道の全範囲は、典型的には、心臓運動モデルによってカバーされる。

入力ユニット１００は、訓練画像データ１０を訓練データセット生成ユニット２００に提供する。訓練データセット生成ユニット２００は、訓練画像データ１０から、患者の血管系、特に関心血管の１つ又は複数の定量的特徴を抽出するように構成される。いくつかの実施形態では、これらの定量的特徴は、特に、血管系内の血管の血管ラベル、血管番号、血管位置及び／又は血管長、１つ又は複数の関心血管内の病変又は複数の病変の重症度、心筋濃染値、関心血管の血管直径、訓練画像データの各個々の訓練画像についての関心血管内の病変の可視性スコア、所与の血管についての十分な角度情報が信頼できる分析を可能にするために利用可能であるかどうかを示す完全性スコア、可視血管系が基準に類似していることを示す基準偏差指数などに関してもよい。

抽出された定量的特徴を使用して、訓練データセット生成ユニット２００は、訓練画像データ１０と、訓練画像データ１０内の訓練画像のうちの１つ又は複数に関連するそれぞれの所定の特徴とを有する少なくとも１つの訓練データセットを生成するように構成される。したがって、訓練データセット生成ユニット２００は、訓練画像データ１０と抽出された所定の特徴との間の相関を取得し、相関情報を有する対応するデータセットを生成する。この場合、この対応するデータセットは、訓練データセット２０として、分類ユニット又は分類装置３００に提供される。

分類ユニット３００は、訓練データセット生成ユニット２００から訓練データセットを受信するように構成された入力ポート３０１を有する。分類装置３００は、定量的特徴と訓練画像データ１０内の訓練画像との間の関係を訓練するように、訓練データセット２０、又は任意選択で複数の訓練データセット２０を使用する。図１による例示的な実施形態では、分類ユニットは、畳み込みニューラルネットワーク、いくつかの実施形態では、深層畳み込みニューラルネットワークを有する又はに対応する。すなわち、分類ユニット４００は、プーリング層と組み合わせて、複数の畳み込み層を実装する。

図１の特定の実施形態による分類ユニット３００に入力される訓練データセット２０は、Ｘ線血管造影法を使用して取得された複数の訓練画像に対応する。特に、図１の特定の実施形態では、１００００個の個々の血管造影画像が、それぞれの訓練画像として使用される。これらの訓練画像は、各個々の血管造影画像に対して提供されるピクセルマスクの観点から、それぞれの特徴データを提供され、それにより、各ピクセルは、左前下行枝（ＬＡＤ）、左回旋枝（ＬＣＸ）、鈍縁枝（ＯＭ）、右冠動脈などに属するもの、又は背景に属するもののいずれかに分類される。代替的に又は追加的に、訓練画像は、各血管造影画像について、動脈の最小直径を示す、及び／又は動脈（の一部）が見えないことを示す単一の値を有する特徴データを提供されてもよい。

訓練中、分類装置３００、図１による特定の実施形態ではニューラルネットワークの重み及びパラメータは、入力された訓練データセット２０に対して、結果として得られるニューラルネットワーク出力が、対応する注釈付き特徴値に数値的に近くなるように最適化される。すなわち、ニューラルネットワークの最適化は、すべての訓練データセットについて、ニューラルネットワーク出力と注釈付き特徴値との間の差を最小化する。これにより、ニューラルネットワーク出力と注釈付き特徴値との比較は、例えばＬ２ノルム又は一般化されたダイス損失のような、様々なタイプの適切なメトリックによって実現されることができる。図１による特定の実施形態では、最適化が、特にＡｄａｍオプティマイザを使用してもよい。

訓練中に、画像スケーリング、平行移動、又はコントラスト変更などの典型的な既知の形式のデータ増強が、使用されてもよい。そのようなタスクのための例示的なネットワーク構造は、エンコーダーデコーダニューラルネットワークアーキテクチャであってもよい。

訓練データセット２０を使用して訓練を終了すると、分類ユニット３００は、入力ポート３０２を介して、医用撮像モダリティ２から、特定の患者について得られた診断画像データ３０の第１のサブセットを受信ように構成される。診断画像データ３０の第１のサブセットは、特に、所定の取得方法を使用して取得された複数の取得画像３１を有してもよく、それによって、所定の取得方法は、分類ユニット３００が診断画像データ３０を正確に分類するために適切な訓練データセットで訓練されていることを保証するために、訓練画像データのための所定の取得方法に対応する。

図１の特定の実施形態では、分類装置への入力が、診断画像データ３０内の複数の取得画像３１に対応し、各取得画像３１は、単一の二次元Ｘ線血管造影画像に対応する。代わりに、複数の取得画像３１が、それぞれのＣアーム角形成のような、複数の二次元血管造影画像の時系列スタックに対応してもよい。すなわち、分類装置への入力は、視覚的レビューのために医師などのユーザに提示される同じ診断画像データ３０に対応する。

診断画像データの分類後に、診断画像データ３０を分析するのに適した少なくとも１つの定量的特徴が、診断画像データ３０から抽出される。

抽出された定量的特徴値、及び１つ又は複数の取得画像３１を有する診断画像データ３０の第１のサブセットは、この場合、更なる処理のために計算ユニット４００に提供される。診断画像データ３０の第１のサブセットは、診断画像データ３０の第２のサブセットの取得が依然として進行中である間に、更なる処理のために計算ユニット４００に提供されることを理解されたい。これは、可能な場合及び／又は必要な場合に、画像取得を調整するように計算ユニット４００による評価を使用ことを可能にする。

言い換えれば、計算ユニット４００は、診断画像データの第１のサブセット及び抽出された定量的特徴に基づいて、画像取得のための取得パラメータの調整が有益であり得るかどうかを決定する。図１の特定の例では、計算ユニット４００が、その目的のために、診断画像データ３０及び定量的特徴から導出されるべき診断情報に対する信頼性基準を導出する。

更に、計算ユニット４００は、診断画像データ３０の第１のサブセット及びそれから導出された定量的特徴を処理し、信頼性基準が満たされているか否かを決定する。特定の実施形態では、これは、診断画像データ３０の第１のサブセット及び定量的特徴から導出され得る診断情報を、診断情報の十分性を示す閾値と比較することによって達成される。

十分な診断情報が得られる場合に信頼性基準が満たされると考えられる。この場合、計算ユニット４００は、対応する終了信号を医用撮像モダリティ２に出力することによって、すなわち、取得が早期に終了されるように、すなわち、最初に設定された終了点の前に終了されるように、取得設定を調整することによって、調整可能な画像取得設定を調整するように構成される。すなわち、前記終了信号に応答して、医用撮像モダリティ２は、更なる画像取得を終了し、それによって、患者に送達される不必要な放射線及び造影剤投与量を回避する。

一方、計算ユニット４００が、信頼性基準が満たされていない、すなわち、十分な情報がまだ利用可能でないと決定する場合、計算ユニット４００は、任意の終了信号を医用撮像モダリティ２に出力せず、医用撮像モダリティ２は、診断画像データの第２のサブセットの取得を続行する。

信頼性基準が満たされるまで、上述の評価プロセスが、診断画像データ３０の第２のサブセット（及び任意の後続のサブセット）について繰り返されてもよいことを理解されたい。これにより、計算ユニット４００は、十分な診断情報が利用可能であると決定されるとすぐに、取得手順を終了してもよい。

いくつかの実施形態では、調整可能画像取得設定の調整が、追加的又は代替的に、画像取得のために使用される撮像軌道の調整を有してもよい。この場合、診断画像データ３０の第１のサブセットを評価することは、個々の取得画像における関心血管の可視性スコアを決定することを有してもよい。計算ユニット４００が不十分な可視性を登録する場合、計算ユニット４００は、関心血管の可視性を改善するために撮像軌道を自動的に調整するように構成されてもよい。可視性を改善するために撮像軌道を調整することによって、より少ない取得画像３１が、十分な診断情報を得るために必要とされ、それによって、患者に送達される放射線量を最適化する。

他の実施形態では、計算ユニット４００は、関心血管のコントラストを決定するために、抽出された定量的特徴と共に診断画像データ３０の第１のサブセットを評価してもよい。これは、十分な造影剤が関心血管内に注入されたかどうかを決定することを可能にする。関心血管の十分な可視性を提供するために必要な造影剤の量は、患者によって異なり得る。これにより、より狭い血管を有する患者は、より少ない造影剤を必要としてもよく、それにより、広い血管を有する患者は、同様の可視性を達成するために、より多くの造影剤を必要としてもよい。したがって、計算ユニット４００は、更なる調整可能な取得設定として、関心血管の特性に基づいて造影剤注入速度を調整するように構成されてもよく、それによって、より低い速度が、狭い血管を有する（すなわち、より少ない造影剤を必要とする）患者に対して使用され、より高い速度が、より広い血管を有する（すなわち、より多くの造影剤を必要とする）患者に対して使用される。この調整を用いて、各患者に送達される造影剤投与量が、最適化されてもよい。

これらの例についても同様に、上述の評価プロセスは、信頼性基準が満たされるまで、すなわち十分な診断情報が利用可能になるまで、診断画像データ３０の第２のサブセット（及び任意の後続のサブセット）について繰り返されてもよいことを理解されたい。

更に、異なる調整手順が、互いに組み合わされてもよいことを理解されたい。したがって、計算ユニット４００は、患者のそれぞれの血管特性に従って造影剤注入速度を調整し、更に、十分な診断情報が利用可能であると決定されるとすぐに、取得手順を終了するように構成されてもよい。

この構成を用いて、診断画像データ取得を最適化するために取得パラメータのライブ適応を可能にするフィードバックループが、実現される。

図１の例示的な実施形態では、診断画像データ３０は、抽出された特徴と共に、表示ユニット５００に更に提供される。ディスプレイユニット５００は、特に、情報をグラフィカルに表示するためのスクリーン５０１と、ユーザが入力を提供し、一般に装置を操作することを可能にするように構成されたキーボード、タッチパッド、マウス、タッチスクリーンなどのユーザインタフェース５０２とを有してもよい。

表示ユニット５００は、画像データ３０及び抽出された定量的特徴のグラフィック表現を生成し、この情報をスクリーン５０１上でユーザに提示するように構成される。この場合、ユーザは、提示された情報をレビューし、ユーザインタフェース５０２を介してそれぞれの入力を提供してもよい。この場合、ユーザ入力は、データの更なる評価のために使用されてもよい。いくつかの実施形態では、ユーザ入力は、また、訓練された分類ユニット３００に戻されるように使用され、更なる訓練のために分類ユニットによって使用されてもよい。

図２は、図１による装置１を用いて診断画像データを分析する方法１０００のフローチャートを示す。ステップＳ１０１において、入力ユニット１００は、図３に関連して説明されたように生成されてもよい訓練画像データ１０を受信する。代替的に又は追加的に、訓練画像データは、異なる手段によって生成されてもよい。

ステップＳ１０２において、入力部１００は、訓練画像データ１０を訓練データセット生成ユニット２００に提供する。ステップＳ２０１において、訓練データセット生成ユニット２００は、訓練画像データ１０を受信し、ステップＳ２０２において、訓練画像データ１０から、患者の血管系、特に患者の血管系内の１つ又は複数の関心血管の１つ又は複数の定量的特徴を抽出する。任意選択で、訓練データセット生成ユニット２００は、ステップＳ２０３において、１つ又は複数の定量的特徴を訓練画像データ１０に関連付ける。

ステップＳ２０４において、訓練データセット生成ユニット２００は、少なくとも１つの訓練データセットを生成する。この少なくとも１つの訓練データセット２０は、ステップＳ２０５において分類ユニット３００に提供される。

ステップＳ３０１において、分類ユニット３００は、訓練データセット生成ユニット２００から訓練データセット２０を受信する。ステップＳ３０２において、分類ユニット３００は、この場合、図１に関連して説明したように、訓練のために訓練データセット２０を使用する。

この後に、分類ユニット３００は、ステップＳ３０３において、医用撮像モダリティ２によって取得された診断画像データ３０の第１のサブセットを受信する。ステップＳ３０４において、分類ユニット３００は、診断画像データ３０の少なくとも１つの取得画像３１から少なくとも１つの定量的特徴、特に少なくとも１つの定量的特徴に対する少なくとも１つの値を抽出するために、診断画像データ３０の第１のサブセット内の複数の取得画像を分類する。

これにより、分類は、訓練データセット２０を用いて以前の訓練に基づいて実行される。ステップＳ３０５において、分類ユニット３００は、更なる処理のために、抽出された特徴と共に診断画像データ３０を計算ユニット４００に提供する。ここで再び、診断画像データ３０の第１のサブセットは、診断画像データ３０の第２のサブセットの取得が依然として進行中である間に、更なる処理のために計算ユニット４００に提供され、それによって、画像取得を調整するように計算ユニット４００による評価を使用することを可能にすることを理解されたい。

この目的のために、計算ユニット４００は、ステップＳ４０１において、抽出された定量的特徴と共に診断画像データ３０の第１のサブセットを受信し、ステップＳ４０２において、１つ又は複数の調整可能な取得設定の調整が必要であり得るかどうかを決定するために、受信されたデータを評価する。図２の具体的な実施形態では、これは、計算ユニット４００が、診断画像３０の第１のサブセットに基づいて、診断画像３０内の個々の取得画像３１の各々における関心血管の可視性スコアを決定することを意味する。ステップＳ４０３において、計算ユニット４００は、この場合、関心血管の可視性が十分であるかどうか、又は改善される必要があるかどうかを決定するために、可視性スコアを基準値と比較する。

前者の場合（「Ｙ」）、すなわち可視性が十分である場合、方法は、ステップＳ４０４に進む。ステップＳ４０３において、後者の場合（「Ｎ」）、すなわち可視性が改善される必要がある場合、方法は、ステップＳ４０４'に進む。ステップＳ４０４'において、計算ユニット４００は、可視性を改善するために、最適化された撮像軌道を決定し、ステップＳ４０７では、対応する調整信号を生成し、撮像軌道を自動的に調整するように前記調整信号を医用撮像モダリティ２に提供する。調整信号に応答して、医用撮像モダリティは、診断画像データ３０の第２のサブセットを取得するために使用される撮像軌道を調整する。この場合、この方法は、診断画像データ３０の第２のサブセットを用いてステップＳ３０３から始まるループで繰り返される。

上でここに示されたように、ステップＳ４０３において、可視性が十分である（「Ｙ」）と決定された場合、方法は、ステップＳ４０４に進む。ステップＳ４０４において、計算ユニット４００は、十分な診断情報が、診断画像データ３０の第１のサブセットにおける取得画像３１の蓄積から導出され得るかどうかを決定するために、診断画像データ３０の第１のサブセットを評価する。そうである（「Ｙ」）場合、計算ユニット４００は、ステップＳ５４５において、終了信号を生成し、前記終了信号を医用撮像モダリティ２に提供する。これは、ステップＳ４０６における画像取得の終了をもたらす。

そうではない場合（「Ｎ」）、すなわち、ステップＳ４０４において、診断画像データ３０の第１のサブセットにおける取得画像３１の蓄積から導出され得る診断情報が、十分でないと決定された場合、本方法は、ステップＳ４０５'に進む。ステップＳ４０５'では、終了信号が、生成されず、本方法は、ステップＳ３０３乃至Ｓ４０４において診断画像データ３０の第２のサブセット（又は後続のサブセット）が受信及び処理されることに進む。この構成を用いて、診断画像データ取得を最適化するために取得パラメータのライブ適応を可能にするフィードバックループが、実現される。

図３は、一実施形態による、訓練画像データを生成するための方法２０００のフローチャートを示す。ステップＳ２００１において、シミュレーションユニットは、患者の少なくとも１つの医用画像を取得し、そこから前記患者の血管系の三次元幾何学モデルを生成する。医用画像は、特に、医用撮像モダリティによって得られたものであってもよい。医用撮像モダリティは、医用撮像モダリティ２に対応してもよく、又は異なる撮像モダリティであってもよい。

ステップＳ２００２において、シミュレーションユニットは、背景を血管系から正確に区別するために、患者の血管系の少なくとも１つの二次元拝啓画像を更に取得する。

ステップＳ２００３において、シミュレーションユニットは、この場合、血管識別を実行し、血管系内の血管を識別する。更に、ステップＳ２００４において、シミュレーションユニットは、患者の血管系を通る血流の流体力学モデルを生成するように、三次元医用画像及び／又は二次元背景画像を使用する。図３による特定の実施形態では、流体力学モデルが、集中パラメータモデル、すなわち、血管の流体力学が別個エンティティのトポロジによって近似されるモデルを有してもよく又はそれに対応してもよい。

このモデルは、ステップＳ２００５において、患者の血管系を通る造影剤流体の流れをシミュレートするために使用される。ステップＳ２００６において、シミュレーションユニットは、追加情報として、任意に、変形平行移動及び回転データを受信してもよい。ステップＳ２００７において、シミュレーションユニットは、この場合、訓練画像データを増強するために、追加情報を使用してもよい。ステップＳ２００８では、訓練画像データは、分類ユニット４００に提供されるように出力される。

上記の実施形態では、訓練データが、流体力学モデルを使用するシミュレーションに基づいて生成されているが、訓練データは、１人以上の患者の履歴臨床データから導出されてもよいことを理解されたい。

上記の実施形態では、調整可能な取得パラメータの調整が、撮像軌道の変化及び取得プロセスの終了に関するが、他の種類の調整が、ターゲット領域に送達される放射線量の調整及び／又は関心血管への注入速度の調整など、既に受信された診断画像データの分類に基づいて、自動的に行われてもよいことを理解されたい。

開示された実施形態に対する他の変形は、図面、開示、及び添付の請求項の検討から、請求項に記載された発明を実施する際に当業者によって理解され、及び実施されることができる。

請求項において、単語「有する」は、他の要素又はステップを排除するものではなく、不定冠詞「ａ」又は「ａｎ」は、複数性を排除するものではない。

単一のユニット又は装置が、請求項に列挙されるいくつかの項目の機能を満たしてもよい。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。

また、単一のユニットによって実行されると説明されうる、訓練データセットの生成、分類装置の訓練、画像データの分類、訓練画像データを生成するための訓練画像データのシミュレーションなどのプロシージャは、複数のユニットによって実行されてもよい。また、特定の手順は、別個のユニットではなく、同じユニットによって実行されてもよい。

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、光記憶媒体又はソリッドステート媒体などの適切な媒体上に記憶され／配布されてもよいが、インターネット又は他の有線又は無線電気通信システム等を介して、他の形態で配布されてもよい。

請求項におけるいかなる参照符号も、範囲を限定するものとして解釈されるべきではない。

本発明は、訓練された分類装置において関心血管の複数の取得画像を有する診断画像データを受信するステップであって、診断画像データが、所定の取得方法を使用して取得されている、ステップと、複数の取得画像のうちの少なくとも１つの取得画像から関心血管の少なくとも１つの定量的特徴を抽出するように診断画像データを分類するステップと、診断画像データの取得が依然として進行中である間に、少なくとも１つの取得画像に関連する関心血管の少なくとも１つの定量的特徴を出力するステップと、診断画像データの取得を最適化するために、少なくとも１つの定量的特徴に基づいて１つ又は複数の調整可能な画像取得設定を調整するステップとを有する、診断画像データを分析する方法に関する。

Claims (15)

1. 訓練された分類装置において関心血管の複数の取得画像を有する診断画像データを受信するステップであって、前記診断画像データは、所定の取得方法を使用して取得されている、ステップと、
   前記複数の取得画像のうちの少なくとも１つの取得画像から前記関心血管の少なくとも１つの定量的特徴を抽出するように前記診断画像データを分類するステップと、
   前記診断画像データの取得が依然として進行中である間に、前記少なくとも１つの取得画像に関連する前記関心血管の前記少なくとも１つの定量的特徴を出力するステップと、
   前記診断画像データの取得を最適化するために、前記少なくとも１つの定量的特徴に基づいて１つ又は複数の調整可能な画像取得設定を調整するステップと、
   を有する診断画像データを分析する方法。
2. 前記１つ又は複数の調整可能な画像取得設定を調整するステップは、
   前記診断画像データの既に取得された部分が少なくとも１つの所定の信頼性基準を満たすと決定された場合に、前記診断画像データの取得を早期に終了するステップ、
   を有する、請求項１に記載の方法。
3. 前記１つ又は複数の調整可能な取得設定を調整するステップは、
   前記診断画像データにおける前記関心血管の可視性を改善するように画像取得軌道を調整するステップ、
   を有する、請求項１に記載の方法。
4. 前記１つ又は複数の調整可能な取得設定を調整するステップは、
   画像取得中に前記関心血管への造影剤注入速度、
   を有する、請求項１に記載の方法。
5. 前記所定の取得方法に従って前記関心血管の訓練画像データを取得し、前記訓練画像データから前記少なくとも１つの定量的特徴を抽出するステップと、
   前記分類装置のために少なくとも１つの訓練データセットを生成するステップであって、前記訓練データセットは、前記少なくとも１つの定量的特徴に関連する前記訓練画像データを有する、ステップと、
   前記少なくとも１つの訓練データセットを使用して前記分類装置を訓練するステップと、
   を更に有する、請求項１に記載の方法。
6. 前記訓練画像データは、前記所定の取得方法に従って画像取得をシミュレートすることによって生成されたシミュレートされた訓練画像データを有し、前記シミュレートは、
   前記関心血管の少なくとも１つの三次元幾何学モデルを取得するステップと、
   前記関心血管のための少なくとも１つの二次元背景画像を取得するステップと、
   少なくとも１つの造影剤流体パラメータに基づいて前記患者の血管系を通る造影剤流体力学をシミュレートするステップと、
   を有する、請求項５に記載の方法。
7. 前記シミュレートするステップは、
   変形平行移動及び回転データを取得するステップと、
   前記平行移動及び回転データに基づいて前記シミュレートされた訓練画像データを増強するステップと、
   を更に有する、請求項６に記載の方法。
8. 前記少なくとも１つの訓練データセットを生成するステップは、
   追加の患者データを受信するステップと、
   前記追加の患者データに従って前記少なくとも１つの訓練データセットを調整するステップと、
   を更に有する、請求項５に記載の方法。
9. 前記少なくとも１つの定量的特徴が、前記患者の血管系内の血管の血管ラベル並びに／又は前記患者の血管系内の血管の血管長並びに／又は前記患者の血管系内の血管内の病変の重症度並びに／又は前記患者の血管系内の血管の血管直径並びに／又は前記患者の血管系内の病変及び／若しくは血管の可視性スコア並びに／又は前記複数の取得画像及び／若しくは心筋濃染値の少なくとも１つに対する完全性スコアのうち１つまたは複数を有する、請求項１に記載の方法。
10. 前記少なくとも１つの定量的特徴を更なる評価のために出力するステップが、
    前記少なくとも１つの定量的特徴をユーザに表示するステップ、及び／又は
    報告エンティティに自動報告するための所定のフォーマットにおいて前記少なくとも１つの定量的特徴を出力するステップ、
    を有する、請求項１に記載の方法。
11. 関心血管の複数の取得画像を含む診断画像データを受信し、前記診断画像データは、所定の取得方法を使用して取得され、
    前記複数の取得画像のうちの少なくとも１つの取得画像から前記関心血管の少なくとも１つの定量的特徴を抽出するように前記診断画像データを分類し、
    前記診断画像データの取得が依然として進行中である間に、前記少なくとも１つの取得画像に関連する前記関心血管の少なくとも１つの定量的特徴を出力する、
    ように構成された訓練された分類装置と、
    前記診断画像データの取得を最適化するために、前記少なくとも１つの定量的特徴に基づいて１つ又は複数の調整可能な画像取得設定を調整するように構成された計算ユニットと、
    を有する診断画像データを分析する装置。
12. 前記所定の取得方法に従って前記関心血管の訓練画像データを取得するように構成された入力ユニットと、
    前記訓練画像データから前記関心血管の前記少なくとも１つの定量的特徴を抽出し、前記分類装置のための少なくとも１つの訓練データセットを生成し、前記訓練データセットが前記少なくとも１つの定量的特徴に関連する前記訓練画像データを有し、訓練のために前記少なくとも１つの訓練データセットを前記分類装置に提供するするように構成された訓練データセット生成ユニットと、
    を更に有する、請求項１１に記載の装置。
13. 前記複数の取得画像の少なくとも１つの取得画像及び／又は前記少なくとも１つの定量的特徴のグラフィック表現を生成するように構成された表示ユニットと、
    前記グラフィック表現に応答してユーザ入力を受信するように構成されたユーザインタフェースと、
    を更に有する、請求項１１に記載の装置。
14. 処理ユニットによって実行される場合に、請求項１１乃至１３のいずれかに記載の方法を実行するように構成される、請求項１乃至１０のいずれかに記載の装置を制御するためのコンピュータプログラム。
15. 請求項１４に記載のコンピュータプログラムを記憶したコンピュータ可読媒体。

Images