用于确定流量储备分数的对图像数据的自动分析的制作方法

1.本发明涉及来自图像数据的自动管道分析，包括功能测量结果(诸如流量储备分数)的自动确定，并且涉及将分析接口式连接到用户。


背景技术：

2.动脉疾病涉及循环问题，其中窄的动脉减少流向身体器官的血流量。例如，冠状动脉疾病(cad)是最常见的心管道疾病，其涉及由于心脏的动脉中的斑块的积聚而导致的流向心肌的血流量减少。
3.当前的临床实践依赖于对患病管道的视觉评估。例如，血管造影是基于x射线的技术，其用于检查动脉、静脉和器官，以诊断和治疗狭窄部(窄，通常是由于动脉粥样硬化)和其他血管问题。在血管造影期间，将导管从接入点插入动脉或静脉，并通过导管注射造影剂以使血管在x射线图像上可见。
4.虽然提供患病管道的解剖概貌，但视觉评估不提供阻塞的功能意义，即阻塞对通过管道的血流量的影响。
5.流量储备分数(ffr)是用于测量狭窄部两端的压力差以确定狭窄部阻碍氧气输送到心肌的可能性的技术。ffr被定义为狭窄部后(远侧)的压力相对于狭窄部前的压力，因此表示与假设不存在狭窄部时的最大流量相比的存在狭窄部时沿管道向下的最大流量。一些技术使用三维模型或管道重建，从其运算功能测量结果，诸如ffr。在某些情况下，从不同角度获得的管道2d图像用于构建管道的3d模型。
6.一些系统与健康专业人员接口式连接，显示3d模型和基于3d模型的运算结果。
7.然而，从输入到系统的图像重建完整的3d模型通常是缓慢的过程，其需要大量使用即时可用的存储器。
8.另外，现有系统需要用户输入，基于用户输入来运算功能测量结果。例如，要求健康专业人员在管道图像上标记位置，然后对标记的位置进行运算。这种与用户的必要交互占用用户的资源，并意味着无法实时提供结果。
9.因此，现有系统不能提供即时的现场结果，并且没有或具有有限的灵活性来基于现场馈送到系统中的新的或不同的图像来改善结果。


技术实现要素：

10.本发明的实施例提供基于图像数据的管道分析的全自动解决方案。根据本发明的实施例，系统从管道的图像检测病状，而不需要关于管道或病状的位置的用户输入。然后，系统可以贯穿管道的一系列图像跟踪病状，使得可以在不同的图像(可能是从不同角度捕获的图像)中识别相同病状。
11.在一个实施例中，提供了一种用于分析管道(例如，冠状血管)的系统。该系统可以自动检测管道的第一图像中的病状并且将虚拟标记附加到病状，即附加到第一图像中的病状的位置。该系统可以基于虚拟标记检测管道的第二图像中的病状，然后可以基于在第一
图像和第二图像中检测到的病状提供病状的分析(例如，确定ffr值)。该分析可以被显示在用户接口设备上。例如，ffr值和/或病状的指示可以被显示在用户接口设备上。
12.第一图像和第二图像可以各自以不同角度被捕获。
13.在一个实施例中，系统的处理器使用计算机视觉技术来检测第一图像和第二图像中的管道并且检测第一图像和第二图像中的病状。然后，处理器可以在第一图像中创建虚拟标记以指示病状相对于管道的位置，并且可以确定在第二图像中在相对于管道的相同位置处检测到的病状是与第一图像中相同的病状。
14.如本文详述的，识别不同图像中的相同病状的能力实现了改善的自动解决方案并促进了用户(例如，健康专业人员)与系统的交互。
15.虚拟标记可以指示病状在管道的部分内和/或相对于管道的结构的位置。在一些实施例中，处理器基于病状相对于管道的位置来对该病状进行索引。系统的处理器可以根据对病状的用户请求，使病状的指示基于管道内的病状的位置被显示。
16.根据本发明的实施例，处理器可以在第一图像中检测多个病状，并且处理器可以针对多个病状中的每一个创建有区别的虚拟标记。处理器可以使多个病状的指示被显示在单个显示器上。
17.可以基于管道内的每个病状的位置，给多个病状中的每一个分配名称，并且处理器可以使包括多个病状的名称的指示被显示。
18.在一个实施例中，提供了一种用于基于管道的图像进行自动管道分析的灵活系统。根据本发明实施例的方法和系统基于管道的图像提供分析结果(诸如管道的属性、诊断、功能测量结果等)。本发明的实施例使得能够基于管道的图像运算可从那些图像获得的结果的准确度水平，并且可以提供与用户的交互以改善分析的准确度。
19.本发明的实施例从管道的2d图像中提取3d相关特征，并基于提取的3d相关特征输出管道的属性和/或功能测量结果的指示，而不使用处理时间和存储空间来构建或使用管道的3d模型。因此，本发明的实施例提供即时的、基本实时的结果并且可以基于现场提供的新的或不同的图像基本实时地改善结果。
附图说明
20.现在将参照以下说明性附图结合某些实施例和实施例来描述本发明，以便可以更充分地理解本发明。在附图中：
21.图1示意性地示出了根据本发明的实施例的用于分析管道的系统；
22.图2示意性地示出了根据本发明的一个实施例的用于基于在图像之间跟踪病状来分析管道的方法；
23.图3示意性地示出了根据本发明的另一个实施例的用于基于在图像之间跟踪病状来分析管道的方法；
24.图4示意性地示出了根据本发明的又一个实施例的用于基于在图像之间跟踪病状来分析管道的方法；
25.图5示意性地示出了根据本发明的实施例的用于分析管道并与用户接口式连接的方法；
26.图6示意性地示出了根据本发明实施例的用于使用时间和结构数据分析管道的方
法；
27.图7示意性地示出了根据本发明的实施例的用于确定病状的显著性并且与用户接口式连接的方法；并且
28.图8a和图8b示意性地示出了根据本发明实施例的用户接口。
具体实施例
29.本发明的实施例提供用于从管道或管道的部分的图像自动分析管道并显示分析结果的方法和系统。
30.根据本发明的实施例，分析可以包括关于管道的属性的信息，诸如管道的几何相关信息。分析还可以包括可能从管道的一个或多个属性运算的功能测量结果。分析还可以包括诊断信息，诸如病状的存在、病状的识别、病状的位置等。分析结果可以被显示给用户，该分析结果包括功能测量结果、管道属性和/或运算、诊断或基于管道的图像的其他信息。
[0031]“管道”可以包括其中包含并且输送或循环体液的管或通道。因此，术语管道可以包括血静脉或动脉、冠状血管、淋巴管、部分胃肠道等。
[0032]
管道的图像可以使用合适的成像技术获得，例如，x射线成像、超声成像、磁共振成像(mri)和其他合适的成像技术。
[0033]“管道属性”可以包括例如管道和/或管道中的病状的解剖特性(例如，解剖体的部分的形状和/或大小)。例如，病状可以包括管道变窄(例如，狭窄部或细窄部)、管道内的病变等。因此，管道属性可以包括例如管道和/或管道的部分的形状和/或大小、管道的弯曲角度、管道的直径(例如，狭窄部的近侧和远侧)、最小管腔直径(例如，在狭窄部的位置处)、病变长度、狭窄部的入口角、入口长度、狭窄部的出口角、出口长度、被狭窄部阻塞的直径的百分比、被狭窄部阻塞的面积的百分比等。可以基于这些属性运算病状或病状和/或其他诊断的指示。
[0034]“功能测量结果”是病状对通过管道的流量的影响的测量结果。功能测量结果可以包括诸如ffr、瞬时流量储备(ifr)、冠状流量储备(cfr)、定量流量比(qfr)、静息全周期比(rfr)、定量冠状分析(qca)等测量结果。
[0035]
在以下描述中，将描述本发明的各个方面。为了解释的目的，阐述了具体的配置和细节以便提供对本发明的透彻理解。然而，对于本领域技术人员来说也将显而易见的是，本发明可以在没有本文所呈现的具体细节的情况下实践。此外，为了不混淆本发明，可以省略或简化众所周知的特征。
[0036]
除非另有明确说明，否则如从以下讨论中显而易见的，将理解在贯穿说明书讨论中使用诸如“使用”、“分析”、“处理”、“计算”、“运算”、“确定”、“检测”、“识别”等术语是指计算机或计算系统或类似电子计算设备的动作和/或过程，其将表示为计算系统的寄存器和/或存储器内的物理(诸如电子)量的数据操纵和/或变换成类似地表示为计算系统的存储器、寄存器或其他此类信息存储、传输或显示设备内的物理量的其他数据。除非另有说明，否则这些术语是指处理器的自动动作，独立于且无需人类操作员的任何操作。
[0037]
在图1中示意性地示出的一个实施例中，用于分析管道的系统包括与用户接口设备106通信的处理器102。处理器102接收管道113的一个或多个图像103，每个图像103可以从不同角度捕获管道113。处理器102然后对接收到的(一个或多个)图像执行分析并且基于
分析结果经由用户接口设备106将分析结果和/或指令或其他通信传送给用户。在一些实施例中，可以在处理器102处经由用户接口设备106接收用户输入。
[0038]
管道113可以包括一个或多个管道或管道的部分，诸如静脉或动脉、动脉的分支系统(动脉树)或管道的其他部分和配置。
[0039]
处理器102可以包括例如一个或多个处理器并且可以是中央处理单元(cpu)、图形处理单元(gpu)、数字信号处理器(dsp)、现场可编程门阵列(fpga))、微处理器、控制器、芯片、微芯片、集成电路(ic)或任何其他合适的多用途或特定处理器或控制器。处理器102可以本地嵌入或远程，例如，在云端。
[0040]
处理器102通常与存储器单元112通信。在一个实施例中，存储器单元112存储可执行指令，该可执行指令在由处理器102执行时促进处理器102的操作的执行，如下所述。存储器单元112还可以存储图像103的至少一部分的图像数据(其可以包括诸如表示反射光的强度以及部分或全部图像或视频的像素值的数据)。
[0041]
存储器单元112可以包括例如随机存取存储器(ram)、动态ram(dram)、闪存、易失性存储器、非易失性存储器、高速缓存存储器、缓冲器、短期存储器单元、长期存储器单元或其他合适的存储器单元或存储单元。
[0042]
用户接口设备106可以包括显示器，诸如监视器或屏幕，用于向用户显示图像、指令和/或通知(例如，经由监视器上显示的图形、图像、文本或其他内容)。用户接口设备106也可以被设计为接收来自用户的输入。例如，用户接口设备106可以包括用于输入数据的机制，诸如键盘和/或鼠标和/或触摸屏，或者可以与其通信，以使用户能够输入数据。
[0043]
系统的所有或一些部件可以进行有线或无线通信，并且可以包括合适的端口，诸如usb连接器和/或网络集线器。
[0044]
在一个实施例中，处理器102可以从管道的图像确定管道的属性，通常通过对图像103中的一个或多个的至少一部分应用计算机视觉技术，诸如通过应用形状和/或颜色检测算法、对象检测算法和/或其他合适的图像分析算法。在一些实施例中，机器学习模型可以用于检测管道的部分并且从图像103确定管道的属性。在一些实施例中，可以基于所确定的管道属性来确定管道的(例如，在病状的位置处)病状和/或功能测量结果。
[0045]
在一些实施例中，可以直接从管道的一个(或多个)图像确定病状和/或功能测量结果。例如，可以基于管道的单个2d图像确定病状和/或功能测量结果，而不必确定管道的属性。
[0046]
在一些实施例中，可以通过使用从管道的图像获得的结构和时间数据的组合来确定管道的属性和/或功能测量结果，例如，如下面参考图6所描述的。
[0047]
通常，每个图像103从特定角度或视点捕获管道113。
[0048]
在一个实施例中，确定管道的属性可以包括接收管道的2d图像并从图像中提取3d相关特征，无需构建管道的3d模型，例如，无需使用体素和/或点云或其他3d表示。
[0049]
3d相关特征是图像特征，其可以是图像中的特定结构(诸如点、边缘或对象)，或图像中可以用于从图像确定管道的属性的任何其他信息。在一些实施例中，从由不同视图获得的图像中提取3d相关特征。来自这些图像的特征可以用于教导机器学习模型从2d图像中检测管道的属性。例如，从由不同视图获得的2d图像提取的特征可以使用神经网络(例如长短期(lstm)神经网络)进行组合，该神经网络可以计算每个成像元素的特征，整合特征，在
存储器中保持特征的表示(隐藏状态)并随着输入更多图像更新其输出。这种神经网络可以用于学习管道的实行，然后可以用于从2d图像确定管道的属性和/或功能测量结果，而无需重建完整的3d表示或使用管道的3d模型或使用体素和/或点云或其他3d表示。
[0050]
从2d图像提取3d相关特征并且从3d相关特征确定管道属性和/或功能测量结果，而无需构建3d表示和/或无需使用管道的3d表示，提供了具有最小的准确度成本的快速过程。
[0051]
在一个实施例中，可以经由用户接口设备106显示从管道的一个或多个图像(例如，基于提取的3d相关特征)确定的管道特性和/或功能测量结果的指示。
[0052]
medhub的autocathffr
tm
是例如用于从管道的图像自动运算管道的frr的系统。例如，medhub的autocathifr
tm
是用于从管道的图像自动运算ifr程序的系统。
[0053]
在一个实施例中，如上所述的系统包括处理器，例如处理器102，其实施在图2中示意性地示出的方法。
[0054]
系统分析管道的图像序列，诸如血管造影图像的视频电影。处理器102使用计算机视觉技术从图像序列中选择第一图像(步骤202)并且检测第一图像中的病状，诸如狭窄部或病变(步骤204)。病状和/或病状的位置的检测是通过使用计算机视觉技术完成的，而不需要关于病状的位置的用户输入。处理器可以自动检测管道的第二图像中的病状(步骤206)，第二图像以与第一图像不同的角度被捕获，并且处理器然后可以使管道的第一图像和/或第二图像被显示在用户接口设备上，诸如用户接口设备106，伴随有病状的指示(步骤208)。
[0055]
被显示在用户接口设备上的病状指示可以包括例如可以叠加在图像上的图形，诸如字母、数字、符号、不同颜色和形状等。
[0056]
一旦在第一图像中检测到病状，就可以贯穿序列的图像(例如，视频)跟踪病状，使得可以在每个图像中检测到相同病状，即使它的形状或其他视觉特性在图像之间改变。
[0057]
在图3中示意性地示出了在图像之间跟踪病状的一种方法。如上所述，选择来自图像序列中的第一图像(步骤302)并且在第一图像中检测病状(步骤304)。处理器将虚拟标记附加到病状(步骤306)。
[0058]
在一些实施例中，虚拟标记是基于位置的，例如，基于由处理器102自动检测的管道的部分内的病状的位置。在一些实施例中，虚拟标记包括病状相对于管道的结构的位置。管道的结构可以包括管道的解剖体的任何可见指示，诸如通常存在于患者中的管道和/或特定管道的交界处。处理器102可以通过使用计算机视觉技术检测图像中的管道结构，然后可以基于病状相对于检测到的管道结构的位置来对检测到的病状进行索引。
[0059]
例如，可以使用分割算法来确定图像中的哪些像素是病状的一部分，并且可以记录病状相对于管道的结构的位置，例如，记录在查找表或其他类型的虚拟索引中。例如，在第一图像中，在特定位置(例如，在远侧左前降支(lad)中)检测到狭窄部。在第二图像中位于相同特定位置(远侧lad)的狭窄部被确定是在第一图像中检测到的相同狭窄部。例如，如果在远侧lad内检测到不止一个狭窄部，则每个狭窄部都标有它们相对于管道的附加结构(诸如，相对于管道的交界处)的相对位置，从而能够区分第二图像中的狭窄部。
[0060]
因此，处理器102创建每个病状特定的虚拟标记，并且在单个图像中有多个病状的情况下，将多个病状彼此区分开。
[0061]
然后可以基于虚拟标记在管道的第二图像中检测病状(步骤308)。处理器102然后可以使基于虚拟标记显示病状的指示(例如，如上所述)。在一些实施例中，处理器可以基于管道内的病状的位置给病状分配名称，并且病状的指示可以包括分配给病状的名称，如下面进一步说明的。
[0062]
在一些情况下，管道或管道组可以包括不止一个狭窄部或其他病状，使得在不同图像中检测相同病状更加困难。在一些实施例中，处理器检测第一图像中的多个病状并针对多个病状中的每一个创建有区别的虚拟标记。然后，处理器可以使基于虚拟标记显示每个病状的指示。在一些实施例中，指示一起被显示在单个显示器上。
[0063]
因此，根据本发明实施例的处理器可以基于第一图像和第二图像(例如，基于在第一图像和第二图像中检测到的病状)确定病状的功能测量结果(例如，ffr值)，并且可以例如在用户接口设备上显示功能测量结果的指示。
[0064]
在一些实施例中，处理器可以确定功能测量结果的准确度水平并且可以运算改善准确度水平所需的第三图像。然后，处理器可以使第三图像的指示被显示在用户接口上，以建议用户添加哪个图像以改善结果的准确度。
[0065]
第一图像、第二图像和第三图像通常各自以不同角度被捕获，并且被显示在用户接口设备上的指示包括第三图像的角度。
[0066]
在一个实施例中，从管道的图像序列中选择的最佳帧被用作上面讨论的第一图像。
[0067]
在图4中示意性地示出的示例中，接收血管造影图像的视频(步骤402)并且从视频中检测最佳图像(步骤404)。在最佳图像中检测病状(步骤406)。然后可以在序列的图像中跟踪病状并且因此可以在另一个帧中检测病状(步骤408)，从而使得能够在所有图像中显示病状的指示(步骤410)。
[0068]
最佳图像通常是示出最详细的图像。在血管造影图像的情况下，包括向患者注射造影剂以使管道(例如，血管)在x射线图像上可见，最佳图像可以是示出大量/最大量造影剂的血管的图像。因此，可以通过对序列的图像应用图像分析算法来检测最佳图像。
[0069]
在一个实施例中，在与最大心脏舒张相对应的时间捕获的图像是示出最大量的造影剂的图像。因此，可以基于图像的捕获时间与例如患者的心跳的电活动的测量结果(例如，ecg打印输出)相比较来检测最佳图像。
[0070]
在一个实施例中，处理器可以运算每个病状的功能测量结果的值，例如ffr值，并且可以使这些(一个或多个)值被显示。
[0071]
在一些实施例中，处理器102基于第一图像的捕获的角度来运算功能测量结果值(例如，ffr值)的准确度水平，并且可以使准确度水平的指示被显示在用户接口设备106上。
[0072]
在图5中示意性地示出的一个实施例中，处理器102接收管道的图像(例如，图像103)(步骤502)并且从图像提供分析(例如，确定管道的属性和/或功能测量结果)(步骤504)。例如，处理器102可以对接收到的(一个或多个)图像103应用计算机视觉算法(例如，如上所述)以确定一个或多个属性，诸如管道和/或管道的部分的形状和/或大小、管道的弯曲角度、管道的直径、最小管腔直径、病状长度、狭窄部的入口角、入口长度、狭窄部的出口角、出口长度、被狭窄部阻塞的直径的百分比、被狭窄部阻塞的面积的百分比，等。处理器102然后可以基于管道的属性确定功能测量结果。在其他实施例中，处理器102直接从图像
103确定功能测量结果，例如，通过采用机器学习模型运行回归算法以从管道的图像预测功能测量结果(例如，ffr)的值。
[0073]
在一些实施例中，处理器102基于(一个或多个)图像103运算分析的准确度水平(也称为“误差界限”)(步骤506)，并且可以使准确度水平的指示被显示在用户接口设备106上(步骤508)。
[0074]
例如，可以通过使用已知方法(例如，物理测量)获得管道的功能测量结果并将获得的功能测量结果与根据本发明的实施例从管道的图像获得的功能测量结果进行比较，来运算准确度水平。与通过已知方法获得的测量结果的偏差可以用于确定基于本发明的实施例的确定的准确度水平。这可以针对在所有可能角度获得的图像完成，从而创建将不同角度图像和/或图像组合连接到不同准确度水平的映射或回归分析。可以通过执行经验实验或通过使用例如预测模型来创建从图像的角度到准确度水平的映射函数来执行该分析。
[0075]
因此，根据本发明的实施例的处理器可以接收管道的图像，该图像以一角度捕获管道，并且该处理器可以基于角度运算分析(例如，确定管道的属性和/或功能测量结果)的准确度水平。
[0076]
由于根据本发明的实施例，以任何可能的角度获得的任何图像都可以映射到准确度水平，这取决于所需的准确度水平，因此可以基于单个2d图像获得功能测量结果和其他分析。
[0077]
因为处理器102可以检测管道的不同图像(例如，从不同角度捕获的图像)中的特定病状并且可以基于不同图像确定每个病状的准确度水平，所以处理器102可以运算需要哪些(如果有的话)附加图像(以哪个角度捕获)来调整(例如，改善)分析的准确度。
[0078]
在一个实施例中，在步骤508中被显示在用户接口设备上的准确度水平的指示包括关于要添加多少附加图像的对用户(例如，健康专业人员)的指令或通知，通常指定每个附加图像的角度，以改善分析结果的准确度并降低误差界限。
[0079]
在一个实施例中，处理器102可以提供单个图像角度的指示，该指示在添加到用户已经供应的图像时可以提供最大改善的准确度水平。
[0080]
在图6中示意性地示出的一个实施例中，分析图像序列，例如血管造影图像的视频603，例如用于确定成像管道的属性和/或用于运算管道的功能测量结果。处理器从来自视频603的至少一个图像获得管道的结构数据604。处理器还从视频603的图像获得管道的时间数据605。结构数据604和时间数据605被组合并且例如由编码器610分析组合信息以获得相关特征，从相关特征确定管道的属性和/或从相关特征运算管道的功能测量结果。
[0081]
在一个实施例中，处理器从管道的图像确定病状并且可以使病状的指示被显示在用户接口设备606上。
[0082]
在一些实施例中，可以基于管道的属性或基于由编码器610获得的相关特征来运算管道的功能测量结果。然后可以在用户接口设备606上显示功能测量结果的指示。
[0083]
由编码器610运算的相关特征还可以用于确定管道的属性，诸如管道的一部分的形状或大小。
[0084]
在所有情况下，所显示的分析(病状、功能测量结果、管道的属性等)的准确度水平的指示可以被运算并被显示在用户接口设备606上。
[0085]
如上所述，血管造影图像包括注射到患者以使管道(例如，血管)在x射线图像上可
见的造影剂。因此，在一个实施例中，从血管造影视频中选择的图像(从中获得结构数据604)可以是最佳图像，例如示出大量/最大量造影剂的血管的图像。
[0086]
时间数据605可以从估计管道内的点处的血液(由于造影剂而可见)的流速的流量映射图获得。可以通过对视频603应用运动检测算法和/或使用经训练以估计运动并输出光学流量映射图的神经网络来完成计算流量和产生流量映射图。
[0087]
可以通过使用计算机视觉技术(诸如通过对来自视频的至少一个图像(例如，示出最大量造影剂的图像)应用分割算法)以检测图像中的管道和/或病状和/或几何相关信息或其他信息来获得结构数据604。
[0088]
在一些实施例中，可以检测管道的部分并且可以基于由编码器610运算的相关特征来确定管道中病状的位置。然后病状的位置和/或其他指示可以被显示在用户接口设备606上。
[0089]
在一个实施例中，其示例在图7中示意性地示出，处理器(例如处理器102)接收管道的图像(步骤702)并且从管道的图像确定病状(例如，病变或狭窄部)(步骤704)。例如，病状可以从管道的属性和/或从由管道的图像提取的相关特征来确定，例如，如上所述。处理器然后可以运算病状的显着性水平(步骤706)并且可以使病状的指示和/或病状的功能测量结果基于显着性水平被显示。例如，病状的显着性水平可以基于病状的参数来确定，诸如病状的大小和/或形状和/或被病状阻塞的直的径百分比、被病状阻塞的面积的百分比，等。
[0090]
在一个实施例中，如果显着性水平高于阈值(例如，预定阈值)(步骤707)，则将向用户显示病状和/或与病状相关的功能测量结果(708)。然而，如果显着性水平低于预定阈值(步骤707)，则可以不向用户显示病状和/或功能测量结果(步骤710)。在一些实施例中，病状可以基于它们的显著性进行评分并且可以连同它们的评分一起显示给用户，例如每个病状都可以被显示在列出其显著性的表中，如下所述。
[0091]
在另一个实施例中，可以通过将多个病状相互比较和/或与预定标准比较来运算显着性水平。
[0092]
因此，用于分析管道的系统包括与用户接口设备通信的处理器。处理器从管道的图像确定管道的病状，并且运算病状的显着性水平并且基于运算的显着性水平控制设备。例如，处理器可以控制用户接口设备基于运算的显着性水平来控制其显示。
[0093]
在一些实施例中，处理器(诸如处理器102)可以基于管道内的病状的位置和基于功能测量结果(例如ffr值)中的一者或两者对病状进行分类。处理器可以基于管道内的位置和/或基于ffr值接受对病状的用户请求，并且可以根据分类显示病状。
[0094]
根据本发明的实施例的用户接口的示例在图8a和图8b中示意性地示出。
[0095]
在图8a中示意性地示出的一个实施例中，以特定角度捕获冠状血管(例如lad 803)的图像被显示在监视器816上。
[0096]
在一个实施例中，功能测量结果值ffr 801连同用于运算功能测量结果ffr801的图像的数量的指示804一起被显示在用户接口设备的监视器816上。在一个实施例中，可以使用单个图像，从单个图像中获得功能测量结果。在一些实施例中，即使使用数个图像来运算功能测量结果，包括最好或最可见特征的lad803的仅一个图像被显示在监视器816上。
[0097]
一个或多个病状(例如狭窄部807)的指示可以被显示为叠加在所显示的图像上的图形。在一些实施例中，所显示的图像是管道的表示。例如，所显示的表示可以包括管道的
图像的组合，诸如数个图像(通常以不同角度获得)的组合图像或几个图像(以不同角度获得)的平均图像。以其获得(一个或多个)所显示的图像的(一个或多个)角度805可以被指示在显示器816上。
[0098]
在一些实施例中，如图8b所示，被显示在监视器816上的管道的图像是管道的图形说明813，而不是实际图像。
[0099]
可以包括例如字母、数字、符号、不同颜色和形状等的图形可以被叠加显示在管道的表示上。例如，可以对lad的不同部分和一个或多个病状进行参考811。参考811可以用于帮助用户定位病状，如表812所示。例如，表812的第一行与中间lad中的管道编号7相关，两者均在管道的图形说明813上被示出为参考811。
[0100]
参考811可以由处理器分配给由处理器基于计算机视觉技术检测的不同管道部分。
[0101]
在一些实施例中，监视器816包括按钮808以使用户能够至少部分地隐藏叠加在管道的表示(例如，图像或图形说明)上的图形，使得用户可以观察不受不同图形阻碍的管道。例如，激活按钮808可以使所有或指定图形褪色或变得透明。
[0102]
ffr 801的值的准确度水平、误差界限802也被显示在监视器816上。如上所述，误差界限802可以对于以已知角度获得的每个图像是已知的。对于以不同角度获得的图像的组合，可以类似地知道或运算准确度水平。因此，添加以不同角度获得的图像可以改变当前所显示的功能测量结果的准确度水平。例如，用户(例如，健康专业人员)可以添加以不同于角度805的角度获得的图像，以便改变误差界限802。在一些实施例中，监视器816包括窗口815以用于向用户显示应输入到系统以改善准确度水平或最小化系统提供的分析结果的误差界限的附加图像的角度的指示。
[0103]
在一个实施例中，处理器102可以基于管道内的病状的位置及其ffr值中的一者或两者对病状进行分类。在一个实施例中，处理器可以基于管道内的位置和/或基于ffr值接受对显示病状的用户请求。
[0104]
因为本发明的实施例能够自动检测管道的图像中的病状并且能够标记病状相对于解剖结构的位置，所以即使在识别病状之前捕获的管道的图像中也可以追溯地识别和标记病状。因此，根据本发明的实施例，处理器可以基于附加到第一图像中的病状的虚拟标记，在检测第一图像中的病状之前捕获的图像中检测与第一图像中相同的病状。这使得用户能够离线工作以及在图像的捕获时工作。离线工作可以包括追溯地标记图像中的病状以及基于期望参数对图像进行分类并且基于分类显示结果。此外，离线工作可以包括收集分析，如下所述。例如，用户可以请求查看在中间lad中检测到的所有狭窄部。然后，处理器可以控制用户接口设备根据请求的分类显示狭窄部，例如，仅显示中间lad管道的图像或表示及其相应信息(例如，表812中的第一行)。
[0105]
在另一个示例中，用户可以请求查看具有高于阈值的ffr值的狭窄部，在这种情况下，处理器102可以使仅具有相关ffr值的狭窄部被显示或指示在用户接口设备上。
[0106]
本发明的实施例可以与通过任何合适的成像方法获得的图像一起使用，例如，使用定量血管造影方法(诸如定量股骨浅层血管造影)、超声方法(诸如血管内超声(ivus))、断层扫描(诸如光学相干断层扫描(oct))等获得的图像。
[0107]
本发明的实施例提供了用于获得功能测量结果(诸如ffr)的系统和方法，其准确
度可以实时改善，并且可以针对特定用户要求进行定制。
[0108]
在一些实施例中，医疗数据(诸如预期寿命和寿命)和/或其他数据(诸如年龄、性别、医疗历史等)可以输入到系统并且可以与管道的图像和管道中的病状一起使用以创建大数据。例如，本发明的实施例使得能够向用户提供涉及从许多受试者(例如在特定设施或设施网络处检查的所有患者的血管造影)收集的功能测量结果(诸如ffr)的分析。这样的分析可以包括例如每个性别和每个年龄的ffr以及每个解剖区域和/或每个动脉的ffr。根据本发明的实施例的用户接口设备可以提供用于对这样的分析的用户请求的按钮和/或显示这样的分析的数字和/或图形表示的窗口。
[0109]
例如，大数据可以用于长期预测病状的风险水平和每种病状的可能最好治疗实践。例如，medhub的autocathpred
tm
是用于基于大数据分析提供风险病状的预测和对病状的最好治疗的系统。