JP6271492B2 - 血管形状及び生理学から血流特性を推定するシステム及び作動方法 - Google Patents
血管形状及び生理学から血流特性を推定するシステム及び作動方法 Download PDFInfo
- Publication number
- JP6271492B2 JP6271492B2 JP2015209558A JP2015209558A JP6271492B2 JP 6271492 B2 JP6271492 B2 JP 6271492B2 JP 2015209558 A JP2015209558 A JP 2015209558A JP 2015209558 A JP2015209558 A JP 2015209558A JP 6271492 B2 JP6271492 B2 JP 6271492B2
- Authority
- JP
- Japan
- Prior art keywords
- individual
- patient
- blood flow
- flow characteristics
- machine learning
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 230000017531 blood circulation Effects 0.000 title claims description 114
- 210000004204 blood vessel Anatomy 0.000 title claims description 12
- 238000011017 operating method Methods 0.000 title claims 7
- 230000035479 physiological effects, processes and functions Effects 0.000 title description 3
- 238000000034 method Methods 0.000 claims description 62
- 238000010801 machine learning Methods 0.000 claims description 56
- 239000013598 vector Substances 0.000 claims description 46
- 210000004351 coronary vessel Anatomy 0.000 claims description 22
- 210000005166 vasculature Anatomy 0.000 claims description 20
- 210000004369 blood Anatomy 0.000 claims description 13
- 239000008280 blood Substances 0.000 claims description 13
- 238000005259 measurement Methods 0.000 claims description 13
- 238000012706 support-vector machine Methods 0.000 claims description 12
- 230000002792 vascular Effects 0.000 claims description 12
- 230000036772 blood pressure Effects 0.000 claims description 11
- 238000004088 simulation Methods 0.000 claims description 10
- 230000035487 diastolic blood pressure Effects 0.000 claims description 6
- 201000010099 disease Diseases 0.000 claims description 6
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 claims description 6
- 230000002107 myocardial effect Effects 0.000 claims description 6
- 230000035488 systolic blood pressure Effects 0.000 claims description 6
- 229940079593 drug Drugs 0.000 claims description 5
- 239000003814 drug Substances 0.000 claims description 5
- 238000005534 hematocrit Methods 0.000 claims description 5
- 208000010125 myocardial infarction Diseases 0.000 claims description 5
- 238000012360 testing method Methods 0.000 claims description 5
- 206010012601 diabetes mellitus Diseases 0.000 claims description 4
- 239000012530 fluid Substances 0.000 claims description 4
- 238000003384 imaging method Methods 0.000 claims description 4
- 238000012417 linear regression Methods 0.000 claims description 4
- 238000007477 logistic regression Methods 0.000 claims description 4
- 238000013500 data storage Methods 0.000 claims description 3
- 238000004335 scaling law Methods 0.000 claims description 3
- 208000028867 ischemia Diseases 0.000 claims 4
- 206010020772 Hypertension Diseases 0.000 claims 2
- 238000002716 delivery method Methods 0.000 claims 2
- 230000000694 effects Effects 0.000 claims 2
- 230000003562 morphometric effect Effects 0.000 claims 2
- 238000013425 morphometry Methods 0.000 claims 2
- 238000009877 rendering Methods 0.000 claims 2
- 238000012546 transfer Methods 0.000 claims 2
- 230000011218 segmentation Effects 0.000 claims 1
- 238000012549 training Methods 0.000 description 27
- 230000003902 lesion Effects 0.000 description 11
- 230000006870 function Effects 0.000 description 10
- 210000000709 aorta Anatomy 0.000 description 9
- 238000011144 upstream manufacturing Methods 0.000 description 7
- 230000002966 stenotic effect Effects 0.000 description 6
- 230000008901 benefit Effects 0.000 description 5
- 230000008859 change Effects 0.000 description 5
- 238000010586 diagram Methods 0.000 description 4
- 206010020565 Hyperaemia Diseases 0.000 description 3
- 230000000747 cardiac effect Effects 0.000 description 3
- 238000002591 computed tomography Methods 0.000 description 3
- 238000013170 computed tomography imaging Methods 0.000 description 3
- 238000012545 processing Methods 0.000 description 3
- 208000031481 Pathologic Constriction Diseases 0.000 description 2
- 238000005452 bending Methods 0.000 description 2
- 230000036541 health Effects 0.000 description 2
- 230000000004 hemodynamic effect Effects 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 238000005070 sampling Methods 0.000 description 2
- 208000037804 stenosis Diseases 0.000 description 2
- 230000036262 stenosis Effects 0.000 description 2
- 200000000007 Arterial disease Diseases 0.000 description 1
- 208000018262 Peripheral vascular disease Diseases 0.000 description 1
- 208000025747 Rheumatic disease Diseases 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 210000001367 artery Anatomy 0.000 description 1
- 210000001772 blood platelet Anatomy 0.000 description 1
- 238000012974 catheter insertion method Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000002059 diagnostic imaging Methods 0.000 description 1
- 210000003743 erythrocyte Anatomy 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 238000005206 flow analysis Methods 0.000 description 1
- 210000000265 leukocyte Anatomy 0.000 description 1
- 230000003211 malignant effect Effects 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 238000000691 measurement method Methods 0.000 description 1
- 210000004165 myocardium Anatomy 0.000 description 1
- 238000011369 optimal treatment Methods 0.000 description 1
- 230000035790 physiological processes and functions Effects 0.000 description 1
- 230000006461 physiological response Effects 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000011282 treatment Methods 0.000 description 1
Classifications
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
- A61B5/7235—Details of waveform analysis
- A61B5/7264—Classification of physiological signals or data, e.g. using neural networks, statistical classifiers, expert systems or fuzzy systems
- A61B5/7267—Classification of physiological signals or data, e.g. using neural networks, statistical classifiers, expert systems or fuzzy systems involving training the classification device
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/0002—Remote monitoring of patients using telemetry, e.g. transmission of vital signals via a communication network
- A61B5/0015—Remote monitoring of patients using telemetry, e.g. transmission of vital signals via a communication network characterised by features of the telemetry system
- A61B5/0022—Monitoring a patient using a global network, e.g. telephone networks, internet
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/02—Detecting, measuring or recording pulse, heart rate, blood pressure or blood flow; Combined pulse/heart-rate/blood pressure determination; Evaluating a cardiovascular condition not otherwise provided for, e.g. using combinations of techniques provided for in this group with electrocardiography or electroauscultation; Heart catheters for measuring blood pressure
- A61B5/02028—Determining haemodynamic parameters not otherwise provided for, e.g. cardiac contractility or left ventricular ejection fraction
- A61B5/02035—Determining blood viscosity
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/02—Detecting, measuring or recording pulse, heart rate, blood pressure or blood flow; Combined pulse/heart-rate/blood pressure determination; Evaluating a cardiovascular condition not otherwise provided for, e.g. using combinations of techniques provided for in this group with electrocardiography or electroauscultation; Heart catheters for measuring blood pressure
- A61B5/021—Measuring pressure in heart or blood vessels
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/02—Detecting, measuring or recording pulse, heart rate, blood pressure or blood flow; Combined pulse/heart-rate/blood pressure determination; Evaluating a cardiovascular condition not otherwise provided for, e.g. using combinations of techniques provided for in this group with electrocardiography or electroauscultation; Heart catheters for measuring blood pressure
- A61B5/026—Measuring blood flow
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/145—Measuring characteristics of blood in vivo, e.g. gas concentration, pH value; Measuring characteristics of body fluids or tissues, e.g. interstitial fluid, cerebral tissue
- A61B5/14535—Measuring characteristics of blood in vivo, e.g. gas concentration, pH value; Measuring characteristics of body fluids or tissues, e.g. interstitial fluid, cerebral tissue for measuring haematocrit
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/74—Details of notification to user or communication with user or patient ; user input means
- A61B5/742—Details of notification to user or communication with user or patient ; user input means using visual displays
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
- G16H50/50—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for simulation or modelling of medical disorders
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
- G16H50/20—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for computer-aided diagnosis, e.g. based on medical expert systems
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
- G16H50/70—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for mining of medical data, e.g. analysing previous cases of other patients
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Public Health (AREA)
- Medical Informatics (AREA)
- Biomedical Technology (AREA)
- General Health & Medical Sciences (AREA)
- Pathology (AREA)
- Physics & Mathematics (AREA)
- Biophysics (AREA)
- Heart & Thoracic Surgery (AREA)
- Molecular Biology (AREA)
- Surgery (AREA)
- Animal Behavior & Ethology (AREA)
- Veterinary Medicine (AREA)
- Cardiology (AREA)
- Physiology (AREA)
- Artificial Intelligence (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- Epidemiology (AREA)
- Primary Health Care (AREA)
- Psychiatry (AREA)
- Fuzzy Systems (AREA)
- Evolutionary Computation (AREA)
- Signal Processing (AREA)
- Vascular Medicine (AREA)
- Hematology (AREA)
- Mathematical Physics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Computer Networks & Wireless Communication (AREA)
- Optics & Photonics (AREA)
- Measuring Pulse, Heart Rate, Blood Pressure Or Blood Flow (AREA)
- Image Analysis (AREA)
- Measuring And Recording Apparatus For Diagnosis (AREA)
- Apparatus For Radiation Diagnosis (AREA)
Description
本特許出願は、2012年9月12日に出願された米国仮特許出願第61/700,213号に対する米国特許法119条に基づく優先権の利益を主張する2013年5月16日に出願された米国特許出願第13/895,893号に対する優先権を主張し、その全体の開示がそれらの全体において参照することによって本願明細書に組み込まれる。
本開示の様々な実施形態は、一般に、医療イメージング及び関連する方法に関する。より具体的には、本開示の特定の実施形態は、血管形状及び生理学から患者固有の血流特性を推定するシステム及び方法に関する。
(項目1)
患者固有の血流特性を判定する方法であって、
複数の個体のそれぞれについて、前記個体の血管系の少なくとも一部の形状モデル及び血流特性を取得することと、
前記複数の個体のそれぞれについての前記形状モデル及び血流特性に対して機械学習アルゴリズムを実行することと、
前記機械学習アルゴリズムを使用して、前記形状モデルにおける複数点に対応する血流特性を予測する特徴を識別することと、
患者について、前記患者の血管系の少なくとも一部の形状モデルを取得することと、
前記識別された特徴を使用して前記患者の形状モデルにおける少なくとも1つの点についての前記患者の血流特性を判定することと、を含む、方法。
(項目2)
前記複数の個体のそれぞれについて、1つ以上の生理学的パラメータを取得することと、
前記1つ以上の生理学的パラメータにさらに基づいて前記機械学習アルゴリズムを実行することと、をさらに含む、項目1に記載の方法。
(項目3)
前記機械学習アルゴリズムを実行することが、
前記複数の個体のそれぞれについての前記形状モデルにおける複数点について、前記点又は前記生理学的パラメータの特徴ベクトルを作成することと、
前記複数の個体のそれぞれについての前記特徴ベクトルを前記対応する個体の前記血流特性に関連付けることと、を含む、項目2に記載の方法。
(項目4)
前記機械学習アルゴリズムを実行することが、
前記関連付けられた特徴ベクトルに基づいて様々な点における血流特性を予測するように前記機械学習アルゴリズムをトレーニングすることをさらに含む、項目3に記載の方法。
(項目5)
各特徴ベクトルが、
収縮期及び拡張期血圧、心拍数、血液特性、個体年齢、個体性別、個体身長、個体体重、疾患の有無、ライフスタイル特性、大動脈の形状特性及び冠動脈枝の形状特性のうちの1つ以上を含む、項目3に記載の方法。
(項目6)
各特徴ベクトルが、断面積特徴セット、強度特徴セット、表面特徴セット、体積特徴セット、中心線特徴セット及び簡略化された物理的特徴セットのうちの1つ以上を含む、項目3に記載の方法。
(項目7)
前記機械学習アルゴリズムを使用して、前記形状モデルにおける複数点に対応する血流特性を予測する特徴の重みを識別することと、
前記識別された重みを記憶装置に記憶することと、をさらに含む、項目1に記載の方法。
(項目8)
前記識別された特徴を使用して前記患者の血流特性を判定することが、
前記患者の形状モデルにおける複数点のそれぞれについて、前記複数の個体のそれぞれについて取得された特徴ベクトルに対応する前記患者の生理学的パラメータの特徴ベクトルを作成することを含む、項目2に記載の方法。
(項目9)
前記生理学的パラメータが、心拍数、ヘマトクリット値、血圧、血液粘度、個体年齢、個体性別、個体体重、個体のライフスタイル特性、及び、供給された組織の質量のうちの1つ以上を含む、項目2に記載の方法。
(項目10)
前記機械学習アルゴリズムが、サポートベクトルマシン(SVM)、多層パーセプトロン(MLP)、多変量回帰(MVR)、ツリーベースの分類、及び、重み付き線形又はロジスティック回帰のうちの1つ以上を含む、項目1に記載の方法。
(項目11)
前記患者の形状モデルにおける少なくとも1つの点についての前記患者の前記判定された血流特性を医師に表示すること、又はネットワークを介して前記判定された血流特性を送信することをさらに含む、項目1に記載の方法。
(項目12)
患者固有の血流特性を推定するシステムであって、
患者固有の血流特性を判定するための命令を記憶するデータ記憶装置と、
プロセッサであって、
複数の個体のそれぞれについて、前記個体の血管系の少なくとも一部の形状モデル及び血流特性を取得するステップと、
前記複数の個体のそれぞれについて、前記形状モデル及び血流特性に対して機械学習アルゴリズムを実行するステップと、
前記機械学習アルゴリズムを使用して、前記形状モデルにおける複数点に対応する血流特性を予測する特徴を識別するステップと、
患者について、前記患者の血管系の少なくとも一部の形状モデルを取得するステップと、
前記識別された特徴を使用して前記患者の形状モデルにおける少なくとも1つの点についての前記患者の血流特性を判定するステップと、を含む方法を実行するための前記命令を実行するように構成されるプロセッサと、を備える、システム。
(項目13)
前記プロセッサが、
複数の個体のそれぞれについて、1つ以上の生理学的パラメータを取得し、
前記1つ以上の生理学的パラメータにさらに基づいて前記機械学習アルゴリズムを実行するようにさらに構成される、項目12に記載のシステム。
(項目14)
前記機械学習アルゴリズムを実行するステップが、
前記複数の個体のそれぞれについての前記形状モデルにおける複数点について、前記生理学的パラメータの特徴ベクトルを作成するステップと、
前記複数の個体のそれぞれについての前記特徴ベクトルを前記対応する前記個体の血流特性に関連付けるステップと、を含む、項目13に記載のシステム。
(項目15)
前記機械学習アルゴリズムを実行するステップが、
前記関連付けられた特徴ベクトルに基づいて様々な点における血流特性を予測するように前記機械学習アルゴリズムをトレーニングするステップをさらに含む、項目14に記載のシステム。
(項目16)
各特徴ベクトルが、
収縮期及び拡張期血圧、心拍数、血液特性、個体年齢、個体性別、個体身長、個体体重、疾患の有無、ライフスタイル特性、大動脈の形状特性及び冠動脈枝の形状特性のうちの1つ以上を含む、項目14に記載のシステム。
(項目17)
各特徴ベクトルが、断面積特徴セット、強度特徴セット、表面特徴セット、体積特徴セット、中心線特徴セット及び簡略化された物理的特徴セットのうちの1つ以上を含む、項目14に記載のシステム。
(項目18)
前記プロセッサが、
前記機械学習アルゴリズムを使用して、前記形状モデルにおける複数点に対応する血流特性を予測する特徴の重みを識別し、
前記識別された重みを記憶装置に記憶するようにさらに構成される、項目12に記載のシステム。
(項目19)
前記識別された特徴を使用して前記患者の血流特性を判定するステップが、
前記患者の形状モデルにおける複数点のそれぞれについて、前記複数の個体のそれぞれについて取得された特徴ベクトルに対応する前記患者の生理学的パラメータの特徴ベクトルを作成するステップを含む、項目13に記載のシステム。
(項目20)
前記生理学的パラメータが、心拍数、ヘマトクリット値、血圧、血液粘度、個体年齢、個体性別、個体体重、個体のライフスタイル特性、及び、供給された組織の質量のうちの1つ以上を含む、項目13に記載のシステム。
(項目21)
前記機械学習アルゴリズムが、サポートベクトルマシン(SVM)、多層パーセプトロン(MLP)、多変量回帰(MVR)、及び、重み付き線形又はロジスティック回帰のうちの1つ以上を含む、項目12に記載のシステム。
(項目22)
コンピュータによって実行された場合に、前記コンピュータに方法を実行させる命令を記憶する非一時的なコンピュータ読み取り可能な媒体であって、前記方法が、
複数の個体のそれぞれについて、前記個体の血管系の少なくとも一部の形状モデル及び推定血流特性を取得することと、
前記複数の個体のそれぞれについての前記形状モデル及び血流特性に対して機械学習アルゴリズムを実行することと、
前記機械学習アルゴリズムを使用して、前記形状モデルにおける複数点に対応する血流特性を予測する特徴を識別することと、
患者について、前記患者の血管系の少なくとも一部の形状モデルを取得することと、
前記識別された特徴を使用して前記患者の形状モデルにおける少なくとも1つの点についての前記患者の血流特性を判定することと、を含む、媒体。
一般的な実施形態において、サーバシステム106は、電子ネットワーク100を介して医師102及び/又は第三者プロバイダ104から受信した画像及びデータに基づいてトレーニングモードを実行してもよい。具体的には、1人以上の患者について、サーバシステム106は、以下の項目、すなわち、(a)1つ以上の患者の血管についての形状の患者固有のモデル、(b)患者の1つ以上の測定又は推定された生理学的又は表現型のパラメータのリスト、及び/又は、(c)予測のために標的とされる全ての血流特性の測定値、推定値又はシミュレート値のディジタル表現(例えば、コンピュータ、ラップトップ、DSP、サーバなどの計算装置のメモリ又はディジタル記憶装置[例えば、ハードドライブ、ネットワークドライブ])を取得する場合がある。1つの実施形態において、形状の患者固有のモデルは、空間が点間の空間的単位(例えば、ミリメートル)にマッピングすることができる(おそらく各点についての近傍のリストを有する)空間内の点のリストによって表される場合がある。1つの実施形態において、患者の1つ以上の測定又は推定された生理学的又は表現型のパラメータのリストは、血圧、血液粘度、患者年齢、患者性別、供給された組織の質量などを含む場合がある。これらの患者固有のパラメータは、全体的であってもよく(例えば、血圧)又は局所的であってもよい(例えば、特定の位置における血管壁の推定密度)。
1つの例示的な実施形態において、サーバシステム106は、電子ネットワーク100を介して医師102及び/又は第三者プロバイダ104から受信した画像及びデータに基づいてトレーニングモードを実行する場合がある。具体的には、1人以上の患者について、サーバシステム106は、以下の項目、すなわち、(a)患者の上行大動脈及び冠動脈樹についての形状の患者固有のモデル、(b)患者の測定又は推定された生理学的又は表現型パラメータのリスト、及び、(c)利用可能な場合にはFFRの測定値のディジタル表現(例えば、コンピュータ、ラップトップ、DSP、サーバなどの計算装置のメモリ又はディジタル記憶装置[例えば、ハードドライブ、ネットワークドライブ])を取得することができる。
を含む血液特性、(iv)患者年齢、性別、身長、体重など、(v)糖尿病、心筋梗塞、悪性及びリウマチ性疾患、末梢血管性疾患などの疾患の有無、(vi)現在の薬物治療/薬品の有無、喫煙者/非喫煙者といったライフスタイル特性、(vii)大動脈の形状特性(大動脈の入口及び出口の断面積、大動脈の表面積及び体積、最小、最大、及び平均断面積など)、(viii)冠動脈枝の形状特性、及び、(ix)1つ以上の特徴セットを含んでもよい。
Claims (25)
- 個体固有の血流特性を判定するシステムの作動方法であって、前記作動方法は、
複数の個体のそれぞれに対して、個体固有の解剖学的データと、個別の個体の1つ以上の生理学的パラメータと、それぞれの個別の個体の血管系の少なくとも一部を通る血流の1つ以上の非侵襲的に算出された血流特性とを取得することと、
前記複数の個体のそれぞれの前記個体固有の解剖学的データ内の複数の点のそれぞれに対して、個別の点と前記個別の個体の前記1つ以上の生理学的パラメータとにおける形状の特徴ベクトルを作成することと、
前記特徴ベクトルの個別の点において、それぞれの作成された特徴ベクトルを、前記個別の個体の血管系の一部を通る血流の非侵襲的に算出された血流特性に関連付けることと、
それぞれの個体の個体固有の解剖学的データと前記個体の非侵襲的に算出された血流特性との関係を生成するために、前記複数の個体の血管系の複数の点の前記関連付けられた特徴ベクトル及び非侵襲的に算出された血流特性に機械学習アルゴリズムを実行することと、
患者に対して、前記患者の血管系の少なくとも一部の患者固有の解剖学的データと、前記患者の1つ以上の生理学的パラメータとを取得することと、
前記患者の患者固有の解剖学的データ内の少なくとも1点に対して、前記機械学習アルゴリズム及び前記生成された関係を使用して、前記患者の血管系の1つ以上の点における前記血流特性の1つ以上の値を推定することと
を含む、作動方法。 - 前記個体の前記血流特性は、虚血、血流、又は血流予備量比を含む、請求項1に記載の作動方法。
- 前記機械学習アルゴリズムを使用して、前記血流特性上の特徴の効果を重み付けることと、
前記機械学習アルゴリズムを使用して、数値的に血流特性を推定し、血管を虚血正又は負として分類し、あるいは個別の個体を虚血正又は負として分類することと
をさらに含む、請求項1に記載の作動方法。 - 前記1つ以上の生理学的パラメータは、心拍数と、血圧と、年齢又は性別のようなデモグラフィックスと、投薬と、糖尿病、高血圧、血管ドミナンスを含む疾患状態と、既往の心筋梗塞(MI)とのうちの1つ以上を含む、請求項1に記載の作動方法。
- 画像、レンダリング、値のテーブル、又は報告を含む媒体のうちの1つ以上に、前記患者の前記血流特性の推定された値を表示又は記憶し、又は、他の電子又は物理的送達方法を通じて前記患者の前記血流特性の推定された値を医師に転送することをさらに含む、請求項1に記載の作動方法。
- 前記患者の前記血流特性の各推定された値と共に、信頼レベル、又は、正、負、又は決定的でない指示を表示することをさらに含む、請求項1に記載の作動方法。
- 解析的流体動的方程式及び形態計測スケーリング則のうちの1つ以上に基づいて前記患者の前記血流特性の推定値を生成することをさらに含む、請求項1に記載の作動方法。
- 前記個体固有の解剖学的データは、血管サイズ、心門における血管サイズ、遠枝における血管サイズ、プラークにおける基準及び最小血管サイズ、心門からプラークまでの距離、プラークの長さ及び最小血管サイズの長さ、心筋体積、測定位置に対して近位/遠位の枝、プラークに対して近位/遠位の枝、並びに測定位置のうちの1つ以上を含む、請求項1に記載の作動方法。
- FFR、虚血検査結果、以前のシミュレーション結果、及びイメージングデータと共に、個体固有の解剖学的データ及び生理学的パラメータのライブラリ又はデータベースをコンパイルすることをさらに含む、請求項1に記載の作動方法。
- 前記ライブラリ又はデータベースに追加されるさらなるデータに基づいて前記機械学習アルゴリズムを改良することをさらに含む、請求項9に記載の作動方法。
- 前記患者又は前記複数の個体に対する前記個体固有の解剖学的データは、医療画像データ、測定、モデル、及びセグメント化のうちの1つ以上から取得される、請求項9に記載の作動方法。
- 個体固有の血流特性を判定するシステムであって、前記システムは、
個体固有の血流特性を推定するための命令を記憶するデータ記憶デバイスと、
方法を行うように前記命令を実行するように構成されたプロセッサと
を備え、
前記方法は、
複数の個体のそれぞれに対して、個体固有の解剖学的データと、個別の個体の1つ以上の生理学的パラメータと、それぞれの個別の個体の血管系の少なくとも一部を通る血流の1つ以上の非侵襲的に算出された血流特性とを取得するステップと、
前記複数の個体のそれぞれの前記個体固有の解剖学的データ内の複数の点のそれぞれに対して、個別の点と前記個別の個体の前記1つ以上の生理学的パラメータとにおける形状の特徴ベクトルを作成するステップと、
前記特徴ベクトルの個別の点において、それぞれの作成された特徴ベクトルを、前記個別の個体の血管系の一部を通る血流の非侵襲的に算出された血流特性に関連付けるステップと、
それぞれの個体の個体固有の解剖学的データと前記個体の非侵襲的に算出された血流特性との関係を生成するために、前記複数の個体の血管系の複数の点の前記関連付けられた特徴ベクトル及び非侵襲的に算出された血流特性に機械学習アルゴリズムを実行するステップと、
患者に対して、前記患者の血管系の少なくとも一部の患者固有の解剖学的データと、前記患者の1つ以上の生理学的パラメータとを取得するステップと、
前記患者の患者固有の解剖学的データ内の少なくとも1点に対して、前記機械学習アルゴリズム及び前記生成された関係を使用して、前記患者の血管系の1つ以上の点における前記血流特性の1つ以上の値を推定するステップと
を含む、システム。 - 前記血流特性は、虚血、血流、又は血流予備量比を含む、請求項12に記載のシステム。
- 前記プロセッサは、
前記機械学習アルゴリズムを使用して、推定された血流特性上の特徴の効果を重み付けることと、
前記機械学習アルゴリズムを使用して、数値的に血流特性を推定し、血管を虚血正又は負として分類し、あるいは個別の個体を虚血正又は負として分類することと
を行うためにさらに構成されている、請求項12に記載のシステム。 - 前記1つ以上の生理学的パラメータは、心拍数と、血圧と、年齢又は性別のようなデモグラフィックスと、投薬と、糖尿病、高血圧、血管ドミナンスを含む疾患状態と、既往の心筋梗塞(MI)とのうちの1つ以上を含む、請求項12に記載のシステム。
- 前記プロセッサは、画像、レンダリング、値のテーブル、又は報告を含む媒体のうちの1つ以上に、前記患者の前記血流特性の推定された値を表示又は記憶し、又は、他の電子又は物理的送達方法を通じて前記患者の前記血流特性の推定された値を医師に転送することを行うためにさらに構成されている、請求項12に記載のシステム。
- 前記プロセッサは、前記患者の前記判定された血流特性の推定された値と共に、信頼レベル、又は、正、負、又は決定的でない指示を表示することを行うためにさらに構成されている、請求項12に記載のシステム。
- 解析的流体動的方程式及び形態計測スケーリング則のうちの1つ以上に基づいて前記患者の前記血流特性の推定値を生成することをさらに含む、請求項12に記載のシステム。
- 前記個体固有の解剖学的データは、血管サイズ、心門における血管サイズ、遠枝における血管サイズ、プラークにおける基準及び最小血管サイズ、心門からプラークまでの距離、プラークの長さ及び最小血管サイズの長さ、心筋体積、測定位置に対して近位/遠位の枝、プラークに対して近位/遠位の枝、並びに測定位置のうちの1つ以上を含む、請求項12に記載のシステム。
- 前記プロセッサは、FFR、虚血検査結果、以前のシミュレーション結果、及びイメージングデータと共に、個体固有の解剖学的データ及び生理学的パラメータのライブラリ又はデータベースをコンパイルすることを行うためにさらに構成されている、請求項12に記載のシステム。
- 前記患者又は前記複数の個体に対する前記個体固有の解剖学的データは、医療画像データ、測定、モデル、及びセグメント化のうちの1つ以上から取得される、請求項12に記載のシステム。
- 命令を記憶する非一時的なコンピュータ読み取り可能な媒体であって、前記命令は、コンピュータによって実行されるとき、前記コンピュータに、
複数の個体のそれぞれに対して、個体固有の解剖学的データと、個別の個体の1つ以上の生理学的パラメータと、それぞれの個別の個体の血管系の少なくとも一部を通る血流の1つ以上の非侵襲的に算出された血流特性とを取得することと、
前記複数の個体のそれぞれの前記個体固有の解剖学的データ内の複数の点のそれぞれに対して、個別の点と前記個別の個体の前記1つ以上の生理学的パラメータとにおける形状の特徴ベクトルを作成することと、
前記特徴ベクトルの個別の点において、それぞれの作成された特徴ベクトルを、前記個別の個体の血管系の一部を通る血流の非侵襲的に算出された血流特性に関連付けることと、
それぞれの個体の個体固有の解剖学的データと前記個体の非侵襲的に算出された血流特性との関係を生成するために、前記複数の個体の血管系の複数の点の前記関連付けられた特徴ベクトル及び非侵襲的に算出された血流特性に機械学習アルゴリズムを実行することと、
患者に対して、前記患者の血管系の少なくとも一部の患者固有の解剖学的データと、前記患者の1つ以上の生理学的パラメータとを取得することと、
前記患者の患者固有の解剖学的データ内の少なくとも1点に対して、前記機械学習アルゴリズム及び前記生成された関係を使用して、前記患者の血管系の1つ以上の点における前記血流特性の1つ以上の値を推定することと
を含む方法を行わせる、コンピュータ読み取り可能な媒体。 - 各特徴ベクトルは、断面積特徴セット、強度特徴セット、表面特徴セット、体積特徴セット、中心線特徴セット、及び簡略化された物理的特徴セットのうちの1つ以上を含む、請求項22に記載のコンピュータ読み取り可能な媒体。
- 前記1つ以上の生理学的パラメータは、収縮期及び拡張期血圧、心拍数、ヘマトクリット値、血圧、血液粘度、個体年齢、個体性別、個体身長、個体体重、個体のライフスタイル特性、大動脈形状の特性、冠動脈枝形状の特性、及び供給された組織の質量のうちの1つ以上を含む、請求項22に記載のコンピュータ読み取り可能な媒体。
- 前記機械学習アルゴリズムは、サポートベクトルマシン(SVM)、多層パーセプトロン(MLP)、多変量回帰(MVR)、及び、重み付き線形又はロジスティック回帰のうちの1つ以上を含む、請求項22に記載のコンピュータ読み取り可能な媒体。
Applications Claiming Priority (4)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US201261700213P | 2012-09-12 | 2012-09-12 | |
US61/700,213 | 2012-09-12 | ||
US13/895,893 | 2013-05-16 | ||
US13/895,893 US10398386B2 (en) | 2012-09-12 | 2013-05-16 | Systems and methods for estimating blood flow characteristics from vessel geometry and physiology |
Related Parent Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2015531136A Division JP5868554B2 (ja) | 2012-09-12 | 2013-08-30 | 血管形状及び生理学から血流特性を推定するシステム及び方法 |
Related Child Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2017165308A Division JP2017205605A (ja) | 2012-09-12 | 2017-08-30 | 血管形状及び生理学から血流特性を推定するシステム及び方法 |
Publications (3)
Publication Number | Publication Date |
---|---|
JP2016028747A JP2016028747A (ja) | 2016-03-03 |
JP2016028747A5 JP2016028747A5 (ja) | 2016-10-20 |
JP6271492B2 true JP6271492B2 (ja) | 2018-01-31 |
Family
ID=50234017
Family Applications (5)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2015531136A Active JP5868554B2 (ja) | 2012-09-12 | 2013-08-30 | 血管形状及び生理学から血流特性を推定するシステム及び方法 |
JP2015209558A Active JP6271492B2 (ja) | 2012-09-12 | 2015-10-26 | 血管形状及び生理学から血流特性を推定するシステム及び作動方法 |
JP2017165308A Withdrawn JP2017205605A (ja) | 2012-09-12 | 2017-08-30 | 血管形状及び生理学から血流特性を推定するシステム及び方法 |
JP2018011463A Active JP6522175B2 (ja) | 2012-09-12 | 2018-01-26 | 血管形状及び生理学から血流特性を推定するシステム及びその作動方法 |
JP2019216120A Active JP7048561B2 (ja) | 2012-09-12 | 2019-11-29 | 血管形状及び生理学から血流特性を推定するシステム及び方法 |
Family Applications Before (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2015531136A Active JP5868554B2 (ja) | 2012-09-12 | 2013-08-30 | 血管形状及び生理学から血流特性を推定するシステム及び方法 |
Family Applications After (3)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2017165308A Withdrawn JP2017205605A (ja) | 2012-09-12 | 2017-08-30 | 血管形状及び生理学から血流特性を推定するシステム及び方法 |
JP2018011463A Active JP6522175B2 (ja) | 2012-09-12 | 2018-01-26 | 血管形状及び生理学から血流特性を推定するシステム及びその作動方法 |
JP2019216120A Active JP7048561B2 (ja) | 2012-09-12 | 2019-11-29 | 血管形状及び生理学から血流特性を推定するシステム及び方法 |
Country Status (8)
Country | Link |
---|---|
US (2) | US10398386B2 (ja) |
EP (3) | EP3282381B1 (ja) |
JP (5) | JP5868554B2 (ja) |
KR (3) | KR102248498B1 (ja) |
CN (2) | CN108992059B (ja) |
AU (2) | AU2013315960B2 (ja) |
CA (3) | CA3114366C (ja) |
WO (1) | WO2014042899A2 (ja) |
Families Citing this family (75)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10433740B2 (en) * | 2012-09-12 | 2019-10-08 | Heartflow, Inc. | Systems and methods for estimating ischemia and blood flow characteristics from vessel geometry and physiology |
US10398386B2 (en) | 2012-09-12 | 2019-09-03 | Heartflow, Inc. | Systems and methods for estimating blood flow characteristics from vessel geometry and physiology |
US10210956B2 (en) | 2012-10-24 | 2019-02-19 | Cathworks Ltd. | Diagnostically useful results in real time |
US10595807B2 (en) | 2012-10-24 | 2020-03-24 | Cathworks Ltd | Calculating a fractional flow reserve |
US9943233B2 (en) | 2012-10-24 | 2018-04-17 | Cathworks Ltd. | Automated measurement system and method for coronary artery disease scoring |
JP2016503685A (ja) * | 2012-12-28 | 2016-02-08 | サイバーハート, インコーポレイテッド | 血液−組織表面を基礎にした放射線手術による腎臓処置の計画 |
US9135381B2 (en) | 2013-05-10 | 2015-09-15 | Stenomics, Inc. | Modeling and simulation system for optimizing prosthetic heart valve treatment |
US9700219B2 (en) * | 2013-10-17 | 2017-07-11 | Siemens Healthcare Gmbh | Method and system for machine learning based assessment of fractional flow reserve |
US9092743B2 (en) | 2013-10-23 | 2015-07-28 | Stenomics, Inc. | Machine learning system for assessing heart valves and surrounding cardiovascular tracts |
EP3061015A2 (en) | 2013-10-24 | 2016-08-31 | Cathworks Ltd. | Vascular characteristic determination with correspondence modeling of a vascular tree |
US9501622B2 (en) | 2014-03-05 | 2016-11-22 | Heartflow, Inc. | Methods and systems for predicting sensitivity of blood flow calculations to changes in anatomical geometry |
US9390232B2 (en) * | 2014-03-24 | 2016-07-12 | Heartflow, Inc. | Systems and methods for modeling changes in patient-specific blood vessel geometry and boundary conditions |
US9785746B2 (en) | 2014-03-31 | 2017-10-10 | Heartflow, Inc. | Systems and methods for determining blood flow characteristics using flow ratio |
US10134129B2 (en) | 2014-04-22 | 2018-11-20 | Siemens Healthcare Gmbh | Method and system for hemodynamic computation in coronary arteries |
JP6667999B2 (ja) * | 2014-05-16 | 2020-03-18 | キヤノンメディカルシステムズ株式会社 | 画像処理装置、画像処理方法、及びプログラム |
US9336354B1 (en) | 2014-11-04 | 2016-05-10 | Heartflow, Inc. | Systems and methods for simulation of hemodialysis access and optimization |
US9594876B2 (en) | 2014-11-04 | 2017-03-14 | Heartflow, Inc. | Systems and methods for simulation of occluded arteries and optimization of occlusion-based treatments |
US10080872B2 (en) | 2014-11-04 | 2018-09-25 | Abbott Cardiovascular Systems Inc. | System and method for FFR guidewire recovery |
CN107427268B (zh) * | 2014-11-14 | 2023-07-28 | 西门子保健有限责任公司 | 用于基于纯几何机器学习的血流储备分数的方法和系统 |
US9349178B1 (en) | 2014-11-24 | 2016-05-24 | Siemens Aktiengesellschaft | Synthetic data-driven hemodynamic determination in medical imaging |
CN107580470B (zh) * | 2015-01-15 | 2021-06-22 | 皇家飞利浦有限公司 | 瞬时流量储备-计算机断层摄影 |
US9839483B2 (en) | 2015-04-21 | 2017-12-12 | Heartflow, Inc. | Systems and methods for risk assessment and treatment planning of arterio-venous malformation |
US9785748B2 (en) | 2015-07-14 | 2017-10-10 | Heartflow, Inc. | Systems and methods for estimating hemodynamic forces acting on plaque and monitoring patient risk |
US12008751B2 (en) | 2015-08-14 | 2024-06-11 | Elucid Bioimaging Inc. | Quantitative imaging for detecting histopathologically defined plaque fissure non-invasively |
TWI545516B (zh) * | 2015-09-16 | 2016-08-11 | 國立交通大學 | 血壓量測系統及其方法、使用該方法之電腦程式產品及其電腦可讀取記錄媒體 |
US10517678B2 (en) * | 2015-10-02 | 2019-12-31 | Heartflow, Inc. | System and method for diagnosis and assessment of cardiovascular disease by comparing arterial supply capacity to end-organ demand |
EP3380968B1 (en) | 2015-11-23 | 2021-04-28 | HeartFlow, Inc. | Systems and methods for assessing organ and/or tissue transplantation by simulating one or more transplant characteristics |
CN107145702B (zh) * | 2016-03-01 | 2022-04-19 | 西门子保健有限责任公司 | 基于医疗图像的心源性栓塞型中风风险预测系统和方法 |
EP3461253B1 (en) | 2016-05-16 | 2023-08-09 | Cathworks Ltd. | Selection of vascular paths from images |
EP3457930B1 (en) | 2016-05-16 | 2023-11-15 | Cathworks Ltd. | System for vascular assessment |
JP7100627B2 (ja) | 2016-09-20 | 2022-07-13 | ハートフロー, インコーポレイテッド | 次数低減モデル及び/または機械学習を使用して血流特性を推定するためのシステム及び方法 |
EP3516559A1 (en) | 2016-09-20 | 2019-07-31 | HeartFlow, Inc. | Systems and methods for monitoring and updating blood flow calculations with user-specific anatomic and physiologic sensor data |
JP2018068428A (ja) * | 2016-10-25 | 2018-05-10 | ソニー株式会社 | 情報処理装置、情報処理方法及びプログラム |
DE102016222102A1 (de) * | 2016-11-10 | 2018-05-17 | Siemens Healthcare Gmbh | Behandlungsplanung für eine Stenose in einem Gefäßsegment anhand einer virtuellen hämodynamischen Analyse |
WO2018133118A1 (zh) | 2017-01-23 | 2018-07-26 | 上海联影医疗科技有限公司 | 血流状态分析系统及方法 |
CN110546646A (zh) | 2017-03-24 | 2019-12-06 | 帕伊医疗成像有限公司 | 用于基于机器学习来评估血管阻塞的方法和系统 |
CN106980899B (zh) * | 2017-04-01 | 2020-11-17 | 北京昆仑医云科技有限公司 | 预测血管树血管路径上的血流特征的深度学习模型和系统 |
EP3404667B1 (en) * | 2017-05-19 | 2024-02-28 | Siemens Healthineers AG | Learning based methods for personalized assessment, long-term prediction and management of atherosclerosis |
JP7092781B2 (ja) * | 2017-05-30 | 2022-06-28 | ディグニティ・ヘルス | 所定の解剖学的、生物力学的、および生理学的プロパティを有する合成解剖モデルを構築するためのシステムおよび方法 |
US11633118B2 (en) * | 2017-06-30 | 2023-04-25 | Koninklijke Philips N.V. | Machine learning spectral FFR-CT |
EP3457404A1 (en) * | 2017-09-18 | 2019-03-20 | Koninklijke Philips N.V. | Estimating flow to vessel bifurcations for simulated hemodynamics |
US11871995B2 (en) | 2017-12-18 | 2024-01-16 | Hemolens Diagnostics Sp. Z O.O. | Patient-specific modeling of hemodynamic parameters in coronary arteries |
US10991465B2 (en) | 2017-12-20 | 2021-04-27 | Heartflow, Inc. | Systems and methods for performing computer-simulated evaluation of treatments on a target population |
EP3729334A1 (en) | 2017-12-20 | 2020-10-28 | Alpvision SA | Authentication machine learning from multiple digital representations |
US10699407B2 (en) | 2018-04-11 | 2020-06-30 | Pie Medical Imaging B.V. | Method and system for assessing vessel obstruction based on machine learning |
CN108665449B (zh) * | 2018-04-28 | 2022-11-15 | 杭州脉流科技有限公司 | 预测血流矢量路径上的血流特征的深度学习模型及装置 |
CN110070534B (zh) * | 2018-05-22 | 2021-11-23 | 深圳科亚医疗科技有限公司 | 用于基于血管图像自动获取特征序列的方法和预测血流储备分数的装置 |
US10937549B2 (en) | 2018-05-22 | 2021-03-02 | Shenzhen Keya Medical Technology Corporation | Method and device for automatically predicting FFR based on images of vessel |
CN108742586B (zh) * | 2018-06-20 | 2021-04-02 | 博动医学影像科技(上海)有限公司 | 基于糖尿病病史信息获取血流特征值的方法及装置 |
CN108784676B (zh) * | 2018-06-20 | 2021-11-09 | 博动医学影像科技(上海)有限公司 | 基于年龄信息获取压力差的方法及装置 |
CN109009037B (zh) * | 2018-06-20 | 2021-11-19 | 博动医学影像科技(上海)有限公司 | 基于个体性别获取血管压力差的计算方法及装置 |
CN108742547B (zh) * | 2018-06-20 | 2021-01-08 | 博动医学影像科技(上海)有限公司 | 基于吸烟史信息获取压力差的方法及装置 |
CN109065170B (zh) * | 2018-06-20 | 2021-11-19 | 博动医学影像科技(上海)有限公司 | 获取血管压力差的方法及装置 |
CN108742587B (zh) * | 2018-06-20 | 2021-04-27 | 博动医学影像科技(上海)有限公司 | 基于病史信息获取血流特征值的方法及装置 |
CN109009061B (zh) * | 2018-06-20 | 2021-11-19 | 博动医学影像科技(上海)有限公司 | 基于血压修正获取血流特征值的计算方法及装置 |
WO2020086130A2 (en) * | 2018-07-21 | 2020-04-30 | The Regents Of The University Of California | Apparatus and method for boundary learning optimization |
KR102135112B1 (ko) * | 2018-07-26 | 2020-07-17 | 장태수 | 뇌 심혈 관계 모델 기반의 혈압 추정 장치 및 방법 |
EP3605554A1 (en) * | 2018-08-03 | 2020-02-05 | Koninklijke Philips N.V. | Blood flow measurement based on vessel-map slope |
CN110664524B (zh) * | 2018-10-08 | 2022-11-25 | 科亚医疗科技股份有限公司 | 用于引导血管中的支架植入的装置、系统和介质 |
CN112840408A (zh) * | 2018-10-17 | 2021-05-25 | 哈特弗罗公司 | 用于根据脂肪组织来评估心血管疾病和治疗效果的系统和方法 |
US10964017B2 (en) | 2018-11-15 | 2021-03-30 | General Electric Company | Deep learning for arterial analysis and assessment |
US10813612B2 (en) | 2019-01-25 | 2020-10-27 | Cleerly, Inc. | Systems and method of characterizing high risk plaques |
CN109805949B (zh) | 2019-03-19 | 2020-05-22 | 苏州润迈德医疗科技有限公司 | 基于压力传感器和造影图像计算血流储备分数的方法 |
DE202020101691U1 (de) | 2019-04-01 | 2020-07-09 | Canon Medical Systems Corporation | Medizinisches Bildverarbeitungsgerät und Programm |
US11969280B2 (en) | 2020-01-07 | 2024-04-30 | Cleerly, Inc. | Systems, methods, and devices for medical image analysis, diagnosis, risk stratification, decision making and/or disease tracking |
US20220392065A1 (en) | 2020-01-07 | 2022-12-08 | Cleerly, Inc. | Systems, methods, and devices for medical image analysis, diagnosis, risk stratification, decision making and/or disease tracking |
AU2021205821A1 (en) | 2020-01-07 | 2022-07-21 | Cleerly, Inc. | Systems, methods, and devices for medical image analysis, diagnosis, risk stratification, decision making and/or disease tracking |
KR102328990B1 (ko) * | 2020-01-17 | 2021-11-18 | 세종대학교산학협력단 | 기계 학습 기반의 분획혈류예비력 예측 방법 |
JP7462925B2 (ja) * | 2020-02-28 | 2024-04-08 | 国立大学法人東北大学 | 血流場推定装置、学習装置、血流場推定方法及びプログラム |
US20220215534A1 (en) * | 2021-01-04 | 2022-07-07 | Shenzhen Keya Medical Technology Corporation | Methods and systems for computer-assisted medical image analysis using sequential model |
US11229504B1 (en) | 2021-01-07 | 2022-01-25 | Ortho Future Technologies (Pty) Ltd | System and method for determining a target orthodontic force |
US11241301B1 (en) | 2021-01-07 | 2022-02-08 | Ortho Future Technologies (Pty) Ltd | Measurement device |
US11291524B1 (en) | 2021-01-07 | 2022-04-05 | Ortho Future Technologies (Pty) Ltd | Orthodontic appliance configuration |
US11278376B1 (en) | 2021-01-07 | 2022-03-22 | Ortho Future Technologies (Pty) Ltd | Orthodontic treatment staging |
US20230289963A1 (en) | 2022-03-10 | 2023-09-14 | Cleerly, Inc. | Systems, devices, and methods for non-invasive image-based plaque analysis and risk determination |
Family Cites Families (44)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
IL78931A0 (en) * | 1985-06-05 | 1986-09-30 | Univ Illinois | Methods and apparatus for monitoring cardiovascular regulation using heart rate power spectral analysis |
JPH01145043A (ja) * | 1987-12-02 | 1989-06-07 | Hitachi Ltd | 超音波診断装置 |
US5533511A (en) | 1994-01-05 | 1996-07-09 | Vital Insite, Incorporated | Apparatus and method for noninvasive blood pressure measurement |
JP3641495B2 (ja) * | 1994-07-19 | 2005-04-20 | 株式会社日立メディコ | 医用画像診断装置 |
CN1055828C (zh) * | 1995-01-10 | 2000-08-30 | 复旦大学 | 脑循环血液动力学分析方法及仪器 |
US6377832B1 (en) | 1998-03-20 | 2002-04-23 | Georgia Tech Research Corporation | System and method for analyzing a medical image |
JP2005502937A (ja) * | 2001-05-15 | 2005-01-27 | サイコジェニックス・インコーポレーテッド | 行動情報工学を監視するシステムおよび方法 |
US20030087244A1 (en) * | 2001-10-09 | 2003-05-08 | Vitivity, Inc | Diagnosis and treatment of vascular disease |
JP2007526016A (ja) | 2003-06-25 | 2007-09-13 | シーメンス メディカル ソリューションズ ユーエスエー インコーポレイテッド | 心撮像の自動局所心筋評価を行うシステム及び方法 |
WO2007117570A2 (en) | 2006-04-05 | 2007-10-18 | University Of California | Data mining system for noninvasive intracranial pressure assessment |
WO2014002095A2 (en) | 2012-06-26 | 2014-01-03 | Sync-Rx, Ltd. | Flow-related image processing in luminal organs |
JP5312752B2 (ja) * | 2007-03-30 | 2013-10-09 | 富士フイルムRiファーマ株式会社 | 推定プログラム、記録媒体および推定方法 |
US8553832B2 (en) | 2007-05-21 | 2013-10-08 | Siemens Aktiengesellschaft | Device for obtaining perfusion images |
CN101313844A (zh) * | 2007-05-31 | 2008-12-03 | 金寿山 | 脑血管性质及血液流动特性分析系统及其分析方法 |
US8098918B2 (en) | 2007-09-21 | 2012-01-17 | Siemens Corporation | Method and system for measuring left ventricle volume |
JP2011500217A (ja) | 2007-10-19 | 2011-01-06 | ボストン サイエンティフィック サイムド,インコーポレイテッド | 分類器出力及び画像中の信頼性測度の表示 |
CN101978375B (zh) * | 2008-03-17 | 2013-07-17 | 皇家飞利浦电子股份有限公司 | 灌注成像 |
US8527251B2 (en) * | 2009-05-01 | 2013-09-03 | Siemens Aktiengesellschaft | Method and system for multi-component heart and aorta modeling for decision support in cardiac disease |
US9349176B2 (en) | 2009-07-15 | 2016-05-24 | Mayo Foundation For Medical Education And Research | Computer-aided detection (CAD) of intracranial aneurysms |
GB0913930D0 (en) | 2009-08-07 | 2009-09-16 | Ucl Business Plc | Apparatus and method for registering two medical images |
US20110235885A1 (en) * | 2009-08-31 | 2011-09-29 | Siemens Medical Solutions Usa, Inc. | System for Providing Digital Subtraction Angiography (DSA) Medical Images |
US8224640B2 (en) | 2009-09-08 | 2012-07-17 | Siemens Aktiengesellschaft | Method and system for computational modeling of the aorta and heart |
ES2660570T3 (es) | 2009-09-23 | 2018-03-23 | Lightlab Imaging, Inc. | Sistemas, aparatos y métodos de recopilación de datos de medición de resistencia vascular y morfología luminal |
US20110081057A1 (en) | 2009-10-06 | 2011-04-07 | Eigen, Llc | Apparatus for stenosis estimation |
CN101849841B (zh) * | 2010-06-10 | 2013-03-13 | 复旦大学 | 基于几何滤波器抑制超声彩色血流成像中杂波的方法 |
US8682626B2 (en) | 2010-07-21 | 2014-03-25 | Siemens Aktiengesellschaft | Method and system for comprehensive patient-specific modeling of the heart |
JP5868052B2 (ja) | 2010-07-21 | 2016-02-24 | シーメンス アクチエンゲゼルシヤフトSiemens Aktiengesellschaft | 包括的な患者固有の心臓のモデリング方法およびシステム |
CN101889861B (zh) * | 2010-07-28 | 2011-10-26 | 沈阳恒德医疗器械研发有限公司 | 心脑血管特性与血流特性分析仪 |
US20120142632A1 (en) | 2010-08-04 | 2012-06-07 | St. Vincent's Institute Of Medical Research | Diagnostic and prognostic assay |
US8315812B2 (en) * | 2010-08-12 | 2012-11-20 | Heartflow, Inc. | Method and system for patient-specific modeling of blood flow |
US8157742B2 (en) * | 2010-08-12 | 2012-04-17 | Heartflow, Inc. | Method and system for patient-specific modeling of blood flow |
US9119540B2 (en) | 2010-09-16 | 2015-09-01 | Siemens Aktiengesellschaft | Method and system for non-invasive assessment of coronary artery disease |
US8684921B2 (en) * | 2010-10-01 | 2014-04-01 | Flint Hills Scientific Llc | Detecting, assessing and managing epilepsy using a multi-variate, metric-based classification analysis |
CN106377312B (zh) * | 2010-10-25 | 2019-12-10 | 美敦力Af卢森堡有限责任公司 | 用于肾神经调节的微波导管设备、系统和方法 |
US20120150003A1 (en) * | 2010-12-09 | 2012-06-14 | Siemens Medical Solutions Usa, Inc. | System Non-invasive Cardiac Output Determination |
GB201100137D0 (en) | 2011-01-06 | 2011-02-23 | Davies Helen C S | Apparatus and method of assessing a narrowing in a fluid tube |
JP5734000B2 (ja) | 2011-01-31 | 2015-06-10 | 株式会社Nttドコモ | 物体識別システムおよび方法、並びに、特徴点位置抽出システムおよび方法 |
US10162932B2 (en) | 2011-11-10 | 2018-12-25 | Siemens Healthcare Gmbh | Method and system for multi-scale anatomical and functional modeling of coronary circulation |
US10373700B2 (en) * | 2012-03-13 | 2019-08-06 | Siemens Healthcare Gmbh | Non-invasive functional assessment of coronary artery stenosis including simulation of hyperemia by changing resting microvascular resistance |
US10398386B2 (en) | 2012-09-12 | 2019-09-03 | Heartflow, Inc. | Systems and methods for estimating blood flow characteristics from vessel geometry and physiology |
US10433740B2 (en) * | 2012-09-12 | 2019-10-08 | Heartflow, Inc. | Systems and methods for estimating ischemia and blood flow characteristics from vessel geometry and physiology |
CN104768465B (zh) | 2012-11-06 | 2018-06-19 | 皇家飞利浦有限公司 | 血流储备分数(ffr)指标 |
US9785746B2 (en) | 2014-03-31 | 2017-10-10 | Heartflow, Inc. | Systems and methods for determining blood flow characteristics using flow ratio |
US9349178B1 (en) | 2014-11-24 | 2016-05-24 | Siemens Aktiengesellschaft | Synthetic data-driven hemodynamic determination in medical imaging |
-
2013
- 2013-05-16 US US13/895,893 patent/US10398386B2/en active Active
- 2013-08-30 AU AU2013315960A patent/AU2013315960B2/en active Active
- 2013-08-30 CA CA3114366A patent/CA3114366C/en active Active
- 2013-08-30 CA CA2882543A patent/CA2882543C/en active Active
- 2013-08-30 KR KR1020167005182A patent/KR102248498B1/ko active IP Right Grant
- 2013-08-30 KR KR1020157006740A patent/KR101834051B1/ko active IP Right Grant
- 2013-08-30 KR KR1020217012997A patent/KR102358996B1/ko active IP Right Grant
- 2013-08-30 WO PCT/US2013/057546 patent/WO2014042899A2/en active Application Filing
- 2013-08-30 JP JP2015531136A patent/JP5868554B2/ja active Active
- 2013-08-30 EP EP17187149.4A patent/EP3282381B1/en active Active
- 2013-08-30 EP EP13756800.2A patent/EP2721543B1/en active Active
- 2013-08-30 CN CN201810916602.XA patent/CN108992059B/zh active Active
- 2013-08-30 CA CA2974349A patent/CA2974349C/en active Active
- 2013-08-30 CN CN201380046745.5A patent/CN104854592B/zh active Active
- 2013-08-30 EP EP21208629.2A patent/EP3979259A1/en active Pending
-
2015
- 2015-10-26 JP JP2015209558A patent/JP6271492B2/ja active Active
-
2016
- 2016-07-13 AU AU2016204888A patent/AU2016204888B2/en active Active
-
2017
- 2017-08-30 JP JP2017165308A patent/JP2017205605A/ja not_active Withdrawn
-
2018
- 2018-01-26 JP JP2018011463A patent/JP6522175B2/ja active Active
-
2019
- 2019-07-17 US US16/514,664 patent/US11382569B2/en active Active
- 2019-11-29 JP JP2019216120A patent/JP7048561B2/ja active Active
Also Published As
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP7048561B2 (ja) | 血管形状及び生理学から血流特性を推定するシステム及び方法 | |
US11013425B2 (en) | Systems and methods for analyzing and processing digital images to estimate vessel characteristics |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20160829 |
|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20160829 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20170619 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20170627 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20170830 |
|
TRDD | Decision of grant or rejection written | ||
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20171207 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20171227 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 6271492 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |