[发明专利]用于使用降阶模型和机器学习估计血流特性的系统和方法

权利要求书

1.一种确定患者的血流特性的计算机实施的方法，所述方法包括：

在电子存储介质中接收所述患者的脉管系统的至少一部分的患者特定解剖模型，所述患者特定解剖模型包括一个或多个点处的几何特征；

在将要确定其血流特性的所述患者特定解剖模型的位置处截断所述患者特定解剖模型，其中所述截断的患者特定解剖模型与在所述截断的患者特定解剖模型的血流流入、血流流出和血管壁处应用的边界条件相关联；

确定在所述截断的患者特定解剖模型的一个或多个位置处的血流特性的值；

从所接收的患者特定解剖模型和所述血流特性的所述确定的值生成患者特定降阶模型，所述患者特定降阶模型包括简化在所述患者的所述脉管系统的所述一个或多个点处的所述几何特征的值的估计；

创建特征向量，所述特征向量包括简化针对所述患者特定降阶模型的所述一个或多个点中的每一个的所述几何特征的值的估计；以及

使用基于与所述患者特定降阶模型相关联的误差的机器学习回归器，使用被训练来基于所述一个或多个点处的所创建的特征向量而预测血流特性的机器学习算法来确定所述患者特定降阶模型的所述一个或多个点处的血流特性。

2.如权利要求1所述的计算机实施的方法，其中使用被训练来基于所述一个或多个点处的所述所创建的特征向量而预测血流特性的所述机器学习算法来确定所述患者特定降阶模型的所述一个或多个点处的血流特性包括：

针对多个个体中的每一个，接收脉管系统的个体特定解剖模型，所述个体特定解剖模型具有所述个体特定解剖模型的一个或多个点处的血流特性的已知值，并且具有对应于所述个体的所述脉管系统的所述个体特定解剖模型的所述一个或多个点处的一个或多个几何特征；

针对具有所述一个或多个点处的所述血流特性的已知值的所述多个个体中的每一个，形成特征向量，所述特征向量包括：(i)有关所述一个或多个点的位置的信息，以及(ii)所述一个或多个点处的几何特征；

针对具有所述一个或多个点处的所述血流特性的已知值的所述多个个体中的每一个，使所述特征向量与所述一个或多个点处的所述血流特性的所述已知值相关联；以及

使用相关联的特征向量来训练所述机器学习算法，以从包括所述一个或多个点处的几何特征的特征向量预测脉管系统的一个或多个点处的所述血流特性的值；以及

使用经过训练的机器学习算法来确定对应于所述患者的脉管系统的所述患者特定降阶模型的所述一个或多个点处的血流特性。

3.如权利要求1所述的计算机实施的方法，

其中每个特征向量还包括所述患者特定降阶模型的一个或多个点处的所述患者的生理和/或表型参数；并且

其中所述机器学习算法被训练来从包括所述患者的脉管系统的一个或多个点处的几何特征以及生理和/或表型参数的特征向量预测所述患者的脉管系统的一个或多个点处的所述血流特性的值。

4.如权利要求3所述的计算机实施的方法，其中所述生理和/或表型参数包括以下中的一者或多者：收缩压和舒张压、心率、血细胞压积水平、血压、血液粘度、所述患者的年龄、所述患者的性别、所述患者的身高、所述患者的体重、所述患者的生活方式特性以及供应组织的质量。

5.如权利要求1所述的计算机实施的方法，其中使用被训练来基于所述一个或多个点处的所述所创建的特征向量而预测血流特性的机器学习算法来确定所述患者特定降阶模型的所述一个或多个点处的血流特性包括：

形成特征向量，所述特征向量包括：(i)有关所述截断的患者特定解剖模型的所述一个或多个位置的信息，以及(ii)所述患者特定解剖模型的所述一个或多个点处的所接收的几何特征；

使所述特征向量与所述截断的患者特定解剖模型的所述一个或多个位置处的所述血流特性的确定的值相关联；

使用相关联的特征向量来训练所述机器学习算法，以从包括所述一个或多个点处的几何特征的特征向量预测所述患者的脉管系统的一个或多个点处的所述血流特性的值；以及使用经过训练的机器学习算法来确定对应于所述患者的脉管系统的所述患者特定降阶模型的所述一个或多个点处的血流特性。