量评估。如在图10中示出，在一个实施方案中，每个病例可被显示为具有“良好”、“及格”或“差”的图像质量中的一个。诸如通过在柱状图或其它图标显示，也可将图像质量与图像质量的某些基准性能标准进行比较。界面可生成并显示质量报告，和/或做出用于提高所获取的质量的建议。通过举例的方式，如果检测到高电平的噪声，则用户界面可建议查看“mA/kV设定”，并且可提供到关于噪声的指导的链接。当然，用户界面和指南可向用户提供图像质量的评估和用于提高关于本文讨论的任何图像质量问题的图像质量的建议。
[0154]目前公开的系统和方法可实现对图像质量问题的解剖学估计和校正，从而在如今与图像数据的质量控制评审相关联之前减少人类时间和可变性。此外，目前公开的系统和方法可提供对模拟与建模准确度(例如，FFR误差)与图像质量分数之间的关系的更好理解。仍进一步地，目前公开的系统和方法可使用户能够更好地且自动化地选择可期望的图像基体相以供分析师评审，并且提供更好的“红色标记”以进一步评审或拒绝某些扫描。
[0155]在一个实施方案中，目前公开的技术可包括根据于2013年4月17日提交的美国申请案第13/864,996号(该申请案的全部内容以引用的方式并入)中描述的任何一种技术来定义输入不确定性，计算FFR分析敏感性，以及计算FFR的置信区间。
[0156]在一个实施方案中，目前公开的技术可包括执行在2012年9月24日提交的美国申请案第13/625,628号中描述的各种预求解技术中的任何一种技术，该申请案的全部内容以引用的方式并入。
[0157]在一个实施方案中，FFR值可使用与基于物理的模拟相反的机器学习估计来获取。换言之，并非执行有关多个配置点中的每一个的冠状动脉求解程序(诸如在’812患者中)，而是所公开的系统和方法可基于从分析许多其他患者的血流而得出的知识来估计血流特性。例如，所公开的系统和方法可包括执行于2012年9月12日提交的美国临时专利申请案第61/700，213号(其全部内容以引用的方式并入)中描述的各种机器学习技术中的任何一种技术。因此，在一个实施方案中，FFR值可通过以下方式获取:基于患者生理学参数和测量的血流特性，训练机器学习算法以估计患者的几何结构的各个点的FFR值，并且随后将机器学习算法应用到特定患者的几何结构和生理学参数，以获取预测的FFR值。
[0158]本文描述的一个或多个步骤可由一个或多个人工操作员(例如，心脏病专家或其他医师、患者、提供基于网络的服务或由第三方提供的其它服务的服务提供者的雇员、其他用户等)或由这类人工操作员所使用的一个或多个计算机系统，诸如台式计算机或便携式计算机、工作台、服务器、个人数字助理等执行。计算机系统可经由网络或传送数据的其它方法连接。
[0159]任何实施方案中阐述的任何方面可与本文阐述的任何其它实施方案一起使用。本文中阐述的每一设备和装置可用于任何合适的医学程序，可被推送通过任何合适的身体内腔和体腔，并且可用于使任何合适的身体部分成像。
[0160]在不脱离本公开的范围的情况下，可在公开系统和方法中进行各种修改和变化。考虑本文公开的公开内容的说明书和实践后，本领域的技术人员将显而易知其它实施方案。旨在将说明书和实施例视为仅具有示例性，公开内容的真实范围和精神由以下权利要求指示。
【主权项】
1.一种用于使用计算机系统评估患者的解剖结构的至少一部分的医学图像的质量的方法，所述方法包括: 接收所述患者的解剖结构的至少一部分的一个或多个图像； 使用所述计算机系统的处理器确定所述接收的图像的一个或多个图像属性； 使用所述计算机系统的处理器基于所述接收的图像执行所述患者的解剖结构的至少一部分的解剖学定位或建模； 基于所述解剖学定位或建模获取与所述患者的解剖结构的解剖特征相关联的一个或多个图像特性的识别；以及 使用所述计算机系统的处理器基于所述一个或多个图像属性和所述一个或多个图像特性计算图像质量分数。2.根据权利要求1所述的方法，其中基于接收自用户的输入识别所述一个或多个图像特性。3.根据权利要求1所述的方法，其中使用所述计算机系统的处理器识别所述一个或多个图像特性。4.根据权利要求1所述的方法，其中所述一个或多个图像特性包括下列项中的一个或多个:局部对比度、局部噪声电平、误配准、错位、局部运动异常、局部模糊异常、部分容积效应、浮散效应和伪影。5.根据权利要求1所述的方法，其中所述一个或多个图像属性包括下列项中的一个或多个:图像分辨率、医学解剖切片厚度、扫描仪切片的数量、药物参数和患者特性。6.根据权利要求1所述的方法，其进一步包括: 计算关于所述一个或多个图像特性中的每一个的局部分数；以及进一步基于为所述一个或多个图像特性中的每一个计算的所述局部分数而计算所述图像质量分数。7.根据权利要求1所述的方法，其进一步包括: 基于所述解剖学定位或建模生成所述患者的解剖结构的至少一部分的解剖模型；基于所述一个或多个图像属性和所述一个或多个图像特性预测所述解剖模型的局部不确定值； 基于所述预测的局部不确定值计算模拟的血流计算的置信区间；以及 将所述解剖模型的总不确定值计算为所述一个或多个图像的图像质量的定量度量。8.根据权利要求1所述的方法，其进一步包括: 基于所述解剖学定位或建模生成所述患者的解剖结构的至少一部分的解剖模型； 基于所述解剖模型创建血流特性的计算模型；以及 基于所述患者的血管结构的所述血流特性的所述解剖模型和所述计算模型确定所述患者的解剖结构内的血流特性。9.根据权利要求1所述的方法，其中所述患者的解剖结构包括所述患者的血管结构的一部分，所述方法进一步包括: 基于所述解剖学定位或建模创建血流特性的计算模型；以及 基于所述确定的血流特性确定在所述患者的血管结构的血管中功能性显著狭窄的位置。10.根据权利要求9所述的方法，其中: 所述血流特性是血流储备分数值； 所述血流储备分数指示所述患者的血管结构中的第一位置中的压力与第二位置中的压力之间的比率；以及 所述血流储备分数是在所述患者的血管结构中的多个位置处确定。11.一种用于评估患者的解剖结构的至少一部分的医学图像的质量的系统，所述系统包括: 数字存储设备，其存储用于评估患者的解剖结构的至少一部分的医学图像的质量的指令；和 处理器，其被配置来执行所述指令以执行包括下列项的方法: 接收所述患者的解剖结构的至少一部分的一个或多个图像； 使用所述计算机系统的处理器确定所述接收的图像的一个或多个图像属性； 使用所述计算机系统的处理器基于所述接收的图像执行所述患者的解剖结构的至少一部分的解剖学定位或建模； 基于所述解剖学定位或建模获取与所述患者的解剖结构的解剖特征相关联的一个或多个图像特性的识别；以及 使用所述计算机系统的处理器基于所述一个或多个图像属性和所述一个或多个图像特性计算图像质量分数。12.根据权利要求11所述的系统，其中基于接收自用户的输入识别所述一个或多个图像特性。13.根据权利要求11所述的系统，其中使用所述计算机系统的处理器识别所述一个或多个图像特性。14.根据权利要求11所述的系统，其中所述一个或多个图像特性包括下列项中的一个或多个:局部对比度、局部噪声电平、误配准、错位、局部运动异常、局部模糊异常、部分容积效应、浮散效应和伪影。15.根据权利要求11所述的系统，其中所述一个或多个图像属性包括下列项中的一个或多个:图像分辨率、医学解剖切片厚度、扫描仪切片的数量、药物参数和患者特性。16.根据权利要求11所述的系统，其中所述处理器被进一步配置用于: 计算关于所述一个或多个图像特性中的每一个的局部分数；以及 进一步基于为所述一个或多个图像特性中的每一个计算的所述局部分数而计算所述图像质量分数。17.根据权利要求11所述的系统，其中所述处理器被进一步配置用于: 基于所述解剖学定位或建模生成所述患者的解剖结构的至少一部分的解剖模型；基于所述一个或多个图像属性和所述一个或多个图像特性预测所述解剖模型的局部不确定值； 基于所述预测的局部不确定值计算模拟的血流计算的置信区间；以及 将所述解剖模型的总不确定值计算为所述一个或多个图像的图像质量的定量度量。18.根据权利要求11所述的系统，其中所述患者的解剖结构包括患者的血管结构的至少一部分，且所述处理器被进一步配置用于: 基于所述解剖学定位或建模生成所述患者的解剖结构的至少一部分的解剖模型； 基于所述解剖模型创建血流特性的计算模型；以及 基于所述患者的血管结构的所述血流特性的所述解剖模型和所述计算模型确定所述患者的解剖结构内的血流特性。19.根据权利要求11所述的系统，其中所述患者的解剖结构包括所述患者的血管结构的至少一部分，且其中所述处理器被进一步配置用于: 基于所述解剖学定位或建模创建血流特性的计算模型；以及 基于所述确定的血流特性确定在所述患者的血管结构的血管中功能显著狭窄的位置。20.一种非临时性计算机可读存储介质，其在包含计算机可执行编程指令的至少一个计算机系统上使用，所述计算机可执行编程指令用于评估患者的解剖结构的至少一部分的医学图像的质量，且当所述计算机可执行编程指令被所述至少一个计算机系统执行时，促使执行包括下列项的方法: 接收所述患者的解剖结构的至少一部分的一个或多个图像； 使用所述计算机系统的处理器确定所述接收的图像的一个或多个图像属性； 使用所述计算机系统的处理器基于所述接收的图像执行所述患者的解剖结构的至少一部分的解剖学定位或建模； 基于所述解剖学定位或建模获取与所述患者的解剖结构的解剖特征相关联的一个或多个图像特性的识别；以及 使用所述计算机系统的处理器基于所述一个或多个图像属性和所述一个或多个图像特性计算图像质量分数。
【专利摘要】本发明公开了用于使用计算机系统评估患者的解剖结构的至少一部分的医学图像的质量的系统和方法。一种方法包括：接收所述患者的解剖结构的至少一部分的一个或多个图像；使用所述计算机系统的处理器确定所述接收的图像的一个或多个图像属性；使用所述计算机系统的处理器基于所述接收的图像执行所述患者的解剖结构的至少一部分的解剖学定位或建模；基于所述解剖学定位或建模获取与所述患者的解剖结构的解剖特征相关联的一个或多个图像特性的识别；以及使用所述计算机系统的处理器基于所述一个或多个图像属性和所述一个或多个图像特性计算图像质量分数。
【IPC分类】A61B8/08, G06T7/00, A61B8/06
【公开号】CN105051784
【申请号】CN201480015889
【发明人】蒂莫西·A·方特, 莱昂·J·格雷迪, 吴仲乐, 米希尔·沙普, 斯坦利·C·洪利, 苏马·森古普塔
【申请人】哈特弗罗公司
【公开日】2015年11月11日
【申请日】2014年2月27日
【公告号】CA2904832A1, EP2803038A1, US8824752, US8831314, US8831315, US8861820, US9008405, US20140270427, US20140275945, US20140275946, US20140275947, US20140376797, US20150086093, WO2014149496A1