摘要：本发明涉及一种用于冠状动脉狭窄的非侵入性评估的方法和系统。从在静止状态期间采集的患者的医学图像数据中提取所述冠状动脉的患者特异性解剖学测量。基于处于静止的所述患者的所述患者特异性解剖学测量和非侵入性临床测量来计算表示所述冠状动脉的冠状循环的模型的患者特异性静止状态边界条件。基于所述静止边界条件和用于模拟充血的模型来计算所述冠状循环的模型的患者特异性充血边界条件。使用所述冠状循环的模型和所述患者特异性充血边界条件来模拟横跨所述冠状动脉的至少一个狭窄区的充血血流量和压力。基于所述模拟的充血血流量和压力来计算所述至少一个狭窄区的血流储备分数(FFR)。

摘要：本发明涉及血管的粘弹性建模。一种用于对血管进行建模的方法，其包括：(a)基于从研究对象获取的医学成像数据来对血管的第一片段进行建模；(b)计算第一片段的内部点处的第一建模参数；以及(c)使用粘弹性壁模型来计算第一片段的边界点处的第二建模参数。描述了用于对血管进行建模的系统。

摘要：本发明公开了一种基于医学图像数据对冠状动脉狭窄进行无创评价的方法和系统。从患者的医学图像数据中提取患者特定的冠状动脉解剖测量。基于患者特定的冠状动脉解剖测量计算表示冠状动脉的冠状循环的计算模型的患者特定的边界条件。使用冠状动脉的计算模型和患者特定的边界条件来模拟冠状循环的血流和血压，并且在冠状动脉的血流和血压的模拟过程中对冠脉自我调节进行建模。在模拟的心动周期中识别无波期，并基于无波期中的模拟血压值计算狭窄区域处的瞬时无波型比率(iFR)。

摘要：公开了用于基于可穿戴传感器网络进行个人化血流建模的方法和系统。基于初始患者数据来生成患者的血管的个人化解剖模型。从患者身上的可穿戴传感器网络接收患者的连续心血管测量结果。基于来自所述可穿戴传感器网络的连续心血管测量结果来使用于模拟患者的血管的患者特定解剖模型中的血流的计算血流模型个人化。使用个人化计算血流模型来模拟患者的血管的所述患者特定解剖模型中的血流和血压。基于模拟的血流和血压来计算针对患者的感兴趣的血流动力学度量。

摘要：提供了用于将人工智能模型训练成用于在输入医学图像中检测血管的钙化部分的系统和方法。接收以第一模态的血管的一个或多个第一医学图像和以第二模态的血管的一个或多个第二医学图像。在一个或多个第一医学图像中检测血管的钙化部分。基于一个或多个第二医学图像以及在一个或多个第一医学图像中检测到的血管的钙化部分将所述人工智能模型训练成用于在以第二模态的输入医学图像中检测血管的钙化部分。

摘要：提供了侧支冠状动脉的评估。提供了用于评估患者侧支循环的系统和方法。接收患者的患者数据。使用经训练的机器学习网络基于患者数据计算侧支循环评分。侧支循环评分表示患者侧支循环的运作。输出侧支循环评分。

摘要：针对围手术期并发症（诸如，围手术期心肌梗塞（PMI））提供了基于机器的风险预测或辅助。机器学习模型用于预测PMI的风险和/或推荐动作方针以避免PCI中的PMI。在预测中，使用信息的类型或模式的各种组合，诸如成像和非成像数据两者。可以在PCI之前、期间和/或之后使用机器学习模型来进行预测，以更快地减少PMI的机会。用于PCI前、PCI期间和/或PCI后的工作流程并入了风险预测和/或基于风险的推荐，以减少患者的PMI。

摘要：提供了用于确定基于机器学习的医学分析网络的鲁棒性的系统和方法，该医学分析网络用于对输入医学数据执行医学分析任务。接收输入医学数据。接收使用基于机器学习的医学分析网络基于输入医学数据执行的医学分析任务的结果。使用基于机器学习的审计网络基于输入医学数据和医学分析任务的结果来确定用于执行医学分析任务的基于机器学习的医学分析网络的鲁棒性。输出基于机器学习的医学分析网络的鲁棒性的确定。

摘要：本公开的各个方面通常涉及基于冠状动脉系统的血管造影x射线检查来确定血液动力学特性的估计。本公开的各个方面具体涉及基于对二维图像操作的单帧度量来确定这种估计。例如，可以计算血流储备分数(FFR)。

摘要：血液动力学指数的确定。公开了用于处理多个心脏图像的技术。该处理可以在感兴趣的冠状动脉的血管造影术检查期间或之后进行。在血管造影术检查期间或之后获得多个心脏图像。多个心脏图像中的每一个描绘感兴趣的冠状动脉的相应段。基于多个心脏图像确定感兴趣的冠状动脉的几何结构。基于几何结构确定感兴趣的冠状动脉的集总参数模型，并且基于感兴趣的冠状动脉的集总参数模型确定感兴趣的冠状动脉的位置处的至少一个血液动力学指数的相应值。