特表 2025-502799 血管画像コレジストレーションのためのシステム及び方法

(19)【発行国】日本国特許庁(JP)

(12)【公報種別】公表特許公報(A)

(11)【公表番号】

(43)【公表日】2025-01-28

(54)【発明の名称】血管画像コレジストレーションのためのシステム及び方法

(51)【国際特許分類】

   A61B 8/12 20060101AFI20250121BHJP

   A61B 6/03 20060101ALI20250121BHJP

   A61B 6/00 20240101ALI20250121BHJP

   A61B 1/00 20060101ALI20250121BHJP

   A61B 1/313 20060101ALI20250121BHJP

   A61B 5/0215 20060101ALI20250121BHJP

   A61B 5/026 20060101ALI20250121BHJP

【ＦＩ】

A61B8/12

A61B6/03 560G

A61B6/03 560T

A61B6/00 560

A61B6/00 550P

A61B1/00 526

A61B1/313 510

A61B5/0215

A61B5/026 120

【審査請求】有

【予備審査請求】未請求

(21)【出願番号】P 2024539496

(86)(22)【出願日】2022-12-30

(85)【翻訳文提出日】2024-08-28

(86)【国際出願番号】 US2022054355

(87)【国際公開番号】W WO2023129722

(87)【国際公開日】2023-07-06

(31)【優先権主張番号】63/295,722

(32)【優先日】2021-12-31

(33)【優先権主張国・地域又は機関】US

(31)【優先権主張番号】63/298,801

(32)【優先日】2022-01-12

(33)【優先権主張国・地域又は機関】US

(81)【指定国・地域】

(71)【出願人】

【識別番号】506192652

【氏名又は名称】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

【氏名又は名称原語表記】ＢＯＳＴＯＮ ＳＣＩＥＮＴＩＦＩＣ ＳＣＩＭＥＤ，ＩＮＣ．

(74)【代理人】

【識別番号】100105957

【弁理士】

【氏名又は名称】恩田 誠

(74)【代理人】

【識別番号】100068755

【弁理士】

【氏名又は名称】恩田 博宣

(74)【代理人】

【識別番号】100142907

【弁理士】

【氏名又は名称】本田 淳

(72)【発明者】

【氏名】ブロムス、ケビン

(72)【発明者】

【氏名】リー、ウェングアン

(72)【発明者】

【氏名】アカキン、ハティジェ

(72)【発明者】

【氏名】シャン、アレクサンダー

【テーマコード（参考）】

4C017

4C093

4C161

4C601

【Ｆターム（参考）】

4C017AA08

4C017AA11

4C017AC26

4C017BC11

4C093AA01

4C093AA22

4C093AA24

4C093DA02

4C093EC16

4C093FF37

4C093FF42

4C161AA22

4C161BB08

4C161CC06

4C161DD03

4C161HH51

4C161MM09

4C601DD14

4C601EE09

4C601FE04

4C601JC15

4C601LL33

(57)【要約】

複数の血管外画像データセットと、各々が対応する血管外画像データセットとコレジストレーションされる複数の血管内画像データセットを使用して、患者血行動態データを評価するために、ニューラルネットワークがトレーニングされる。複数の血行動態データセットが提供され、各血行動態データセットは、対応する血管外画像データセットとコレジストレーションされる。ニューラルネットワークは、所与の血管内画像データセットに対してどの血行動態データが予想されるかを学習する。その後、血管内イメージング素子が患者の血管内で移動されて１つ以上の血管内画像を生成する血管内イメージング動作が実行される。ニューラルネットワークは、そのトレーニングを使用して、血管内イメージング動作から１つ以上の血管内画像に対応する血行動態値を予測し、１つ以上の血管内画像は、予測された血行動態値と組み合わせて出力される。

【特許請求の範囲】

【請求項1】

ニューラルネットワークをトレーニングすることを備え、前記ニューラルネットワークをトレーニングすることは、
複数の血管外画像データセットを前記ニューラルネットワークに提供することと、
複数の血管内画像データセットを前記ニューラルネットワークに提供することであって、各血管内画像データセットは、開始位置から終了位置までの血管の一部分を示す血管内画像データを含み、各血管内画像データセットは、前記複数の血管外画像データセットのうちの対応する血管外画像データセットとコレジストレーションされることと、
複数の血行動態データセットを前記ニューラルネットワークに提供することであって、各血行動態データセットは、前記複数の血管外画像データセットのうちの前記対応する血管外画像データセットとコレジストレーションされることと、
提供された前記複数の血管内画像データセット及び提供された前記複数の血行動態データセットであって各々が前記対応する血管外画像データセットとコレジストレーションされたものを使用する前記ニューラルネットワークが、所与の血管内画像データセットに対してどの血行動態データが予想されるかを学習し、それによってトレーニングされたニューラルネットワークを作成することと、を備え、
本方法は、前記トレーニングされたニューラルネットワークを後続の患者と共に使用することを備え、前記トレーニングされたニューラルネットワークを後続の患者と共に使用することは、
１つ以上の血管内画像を生成するために、血管内イメージング素子が前記患者の血管内で開始位置から終了位置まで移動される血管内イメージング動作を実行することと、
前記トレーニングされたニューラルネットワークが、そのトレーニングを使用して、前記血管内イメージング動作からの前記１つ以上の血管内画像に対応する血行動態値を予測することと、
予測された前記血行動態値と組み合わせて前記１つ以上の血管内画像を出力することと、
を備える、患者血行動態データを評価するための方法。

【請求項2】

前記ニューラルネットワークをトレーニングする過程で提供された前記複数の血行動態データセットのうちの少なくともいくつかは、任意の充血指数又は非充血指数によって取得された血圧データからなる、請求項１に記載の方法。

【請求項3】

前記複数の血管内画像データセットのうちの少なくともいくつかと、前記対応する血行動態データセットのうちの少なくともいくつかとは、前記対応する血管外画像データセット上の２Ｄ又は３Ｄ空間内のそれらの対応する点を使用してコレジストレーションされる、請求項１又は２に記載の方法。

【請求項4】

前記ニューラルネットワークが、ニューラルネットワークのアンサンブル、トランスフォーマーを有するＣＮＮ（畳み込みニューラルネットワーク）、又は多層ニューラルネットワークのうちの１つ以上からなる、請求項１～３のいずれか一項に記載の方法。

【請求項5】

前記ニューラルネットワークをトレーニングする過程で提供された前記複数の血管内画像データセットのうちの少なくともいくつかは、内腔境界、血管境界、側枝境界、血液スペックル密度、及び心周期パラメータなどの定量的データを含み、
前記定量的データは、前記ニューラルネットワークをトレーニングする際に使用される、
請求項１～４のいずれか一項に記載の方法。

【請求項6】

前記血管内イメージング動作からの前記１つ以上の血管内画像は、解剖学的ランドマークを含み、
予測された前記血行動態値は、前記解剖学的ランドマークに近接する予測された血圧値を含む、
請求項１～５のいずれか一項に記載の方法。

【請求項7】

予測された前記血行動態値と組み合わせて前記１つ以上の血管内画像を出力することは、前記１つ以上の血管内画像及び予測された前記血行動態値を信号処理ユニットのグラフィカルユーザインターフェース上に表示することを備える、請求項１～６のいずれか一項に記載の方法。

【請求項8】

信号処理ユニットのグラフィカルユーザインターフェース上に前記１つ以上の血管内画像及び予測された前記血行動態値を表示することは、完全とコレジストレーションされた予測された前記血行動態値の表示を前記血管内画像と共に表示することを備える、請求項７に記載の方法。

【請求項9】

信号処理ユニットのグラフィカルユーザインターフェース上に前記１つ以上の血管内画像及び予測された前記血行動態値を表示することは、予測された前記血行動態値の完全にトリレジストレーションされた表示を前記血管内画像及び対応する血管外画像と共に表示することを含む、請求項７に記載の方法。

【請求項10】

複数の血管内画像データセットをニューラルネットワークに提供することを備え、各血管内画像データセットは、開始位置から終了位置まで、対応する血管外画像データセットから血管外画像とコレジストレーションされた、血管の一部分を示す血管内画像データを含み、
複数の血行動態データセットを前記ニューラルネットワークに提供することを備え、各血行動態データセットは、前記複数の血管内画像データセットのうちの１つによって表されるように、開始位置から終了位置まで、前記対応する血管外画像データセットから対応する血管外画像とコレジストレーションされた、前記血管の対応する部分からの血行動態データを含み、
提供された血管内画像データセット及び前記対応する提供された血行動態データセットであって同じ血管外画像に対する各データセットのコレジストレーションからのものを使用する前記ニューラルネットワークが、所与の血管内画像データセットに対してどの血行動態データが予想されるかを学習し、それによって前記ニューラルネットワークをトレーニングすることを備え、
１つ以上の血管内画像を生成するために、イメージング素子が血管内で開始位置から終了位置まで移動される血管内イメージング動作を新規患者に対して実行することを備え、
前記ニューラルネットワークが、そのトレーニングを使用して、前記血管内イメージング動作からの前記１つ以上の血管内画像に対応する血行動態値を予測することを備え、
予測された前記血行動態値と組み合わせて前記１つ以上の血管内画像を出力することを備える、
画像データを処理するための方法。

【請求項11】

血管内画像データを血管内イメージング装置から取得することを備え、この取得は、前記血管内イメージング素子が血管内で開始位置から終了位置まで移動される移動処置の過程におけるイメージング動作を含み、前記血管内画像データは１つ以上の血管内画像を含み、
１つ以上の血管内画像の各々について予測された血圧測定値を決定するために、前記１つ以上の血管内画像をトレーニングされたニューラルネットワークに入力することを備え、
前記１つ以上の血管外画像の各々の血管内位置に対応する前記血管内の一連の血圧値を計算することを備え、
前記一連の血圧値に基づいて血圧比を計算することを備える、
患者画像データを処理するための方法。

【請求項12】

前記血管内画像データと、
血管内の点に対応する計算された血圧と
を出力することを更に備える、請求項１１に記載の方法。

【請求項13】

１つ以上の血管外画像を含む血管外画像データを取得することと、
前記１つ以上の血管外画像の各々の血管内位置を決定するために、前記血管内画像データを前記血管外画像データとコレジストレーションすることと
を更に備える、請求項１１又は１２のいずれか一つに記載の方法。

【請求項14】

前記血管内画像データ及び前記血管内の点に対応する計算された血圧点と組み合わせて、コレジストレーションされた前記血管外画像データを出力することをも更に備える、請求項１３に記載の方法。

【請求項15】

血管外画像データを取得することは、前記開始位置から前記終了位置までの前記血管に対応する血管外画像データを取得することを含む、請求項１１～１４のいずれか一項に記載の方法。

【発明の詳細な説明】

【技術分野】

【0001】

本開示は、医用イメージング、並びに医用イメージングのためのシステム及び方法に関する。より詳細には、本開示は、血管内イメージング及び血管外イメージング並びとコレジストレーション（ｃｏ－ｒｅｇｉｓｔｒａｔｉｏｎ）を含む、血管イメージングのためのシステム及び方法に関する。

【背景技術】

【0002】

医療用途、例えば、血管解剖学的構造のイメージングにおける用途のために、多種多様な医用イメージングシステム及び方法が開発されてきた。これらのシステム及び方法のいくつかは、血管構造をイメージングするための血管内イメージングモダリティ及び血管外イメージングモダリティを含む。これらのシステム及び方法は、様々な構成を含み、様々な方法のうちのいずれか１つに従って動作するか、又は使用され得る。既知の血管イメージングシステム及び方法の各々は、特定の利点及び欠点を有する。従って、血管イメージング及び評価のための代替的なシステム及び方法、並びにイメージングのコレジストーションを提供することが継続的に必要とされている。

【発明の概要】

【0003】

本開示は、代替的な医用イメージングシステム及び方法を提供する。一例は、患者血行動態データを評価するための方法を含む。方法は、ニューラルネットワークをトレーニングすることと、続いてその後患者の血管内画像を取得することと、対応する血行動態データを評価するために、トレーニングされたニューラルネットワークを使用することと、を含む。ニューラルネットワークをトレーニングすることは、複数の血管外画像データセットをニューラルネットワークに提供することと、複数の血管内画像データセットをニューラルネットワークに提供することとを含む。各血管内画像データセットは、開始位置から終了位置までの血管の一部分を示す血管内画像データを含み、各血管内画像データセットは、複数の血管外画像データセットのうちの対応する血管外画像データセットとコレジストレーションされる。ニューラルネットワークをトレーニングすることはまた、複数の血行動態データセットをニューラルネットワークに提供することを含み、各血行動態データセットは、複数の血管外画像データセットのうちの対応する血管外画像データセットとコレジストレーションされる。提供された複数の血管内画像データセット及び提供された複数の血行動態データセットであって各々が対応する血管外画像データセットとコレジストレーションされたものを使用するニューラルネットワークは、所与の血管内画像データセットに対してどの血行動態データが予想されるかを学習し、それによってトレーニングされたニューラルネットワークを作成する。トレーニングされたニューラルネットワークを後続の患者と共に使用することは、１つ以上の血管内画像を生成するために、血管内イメージング素子が患者の血管内で開始位置から終了位置まで移動される血管内イメージング動作（イベント）を実行することを含む。トレーニングされたニューラルネットワークは、そのトレーニングを使用して、血管内イメージング動作からの１つ以上の血管内画像に対応する血行動態値を予測し、１つ以上の血管内画像は、予測された血行動態値と組み合わせて出力される。

【0004】

代替的又は追加的に、ニューラルネットワークをトレーニングする過程で提供された複数の血管内画像データセットのうちの少なくともいくつかは、血管内超音波データを含み得る。

【0005】

代替的又は追加的に、ニューラルネットワークをトレーニングする過程で提供された複数の血管内画像データセットのうちの少なくともいくつかは、光干渉断層法データを含み得る。

【0006】

代替的又は追加的に、ニューラルネットワークのトレーニング中に提供された複数の血管外画像データセットのうちの少なくともいくつかは、蛍光透視画像データを含み得る。
代替的又は追加的に、ニューラルネットワークのトレーニング中に提供された複数の血管外画像データセットのうちの少なくともいくつかは、血管造影画像データを含み得る。

【0007】

代替的又は追加的に、血管造影データは、２次元血管造影画像データを含み得る。
代替的又は追加的に、血管造影データは、３次元血管造影画像データを含み得る。
代替的又は追加的に、血管造影データは、３Ｄ ＣＴＡ（３次元コンピュータ断層撮影血管造影法）を含み得る。

【0008】

代替的又は追加的に、ニューラルネットワークをトレーニングする過程で提供された複数の血行動態データセットのうちの少なくともいくつかは、任意の充血指数又は非充血指数によって取得された血圧データを含み得る。

【0009】

代替的又は追加的に、複数の血管内画像データセットのうちの少なくともいくつかと、対応する血行動態データセットのうちの少なくともいくつかとは、対応する血管外画像データセット上の２Ｄ又は３Ｄ空間内のそれらの対応する点を使用してコレジストレーションされ得る。

【0010】

代替的又は追加的に、ニューラルネットワークは、ニューラルネットワークのアンサンブルを含み得る。
代替的又は追加的に、ニューラルネットワークは、トランスフォーマーを有するＣＮＮ（畳み込みニューラルネットワーク）を含み得る。

【0011】

代替的又は追加的に、ニューラルネットワークは、多層ニューラルネットワークを含み得る。
代替的又は追加的に、多層ニューラルネットワークは、損失関数内に血行動態項を含み得る。

【0012】

代替的又は追加的に、ニューラルネットワークをトレーニングする過程で提供された複数の血管内画像データセットのうちの少なくともいくつかは、内腔境界、血管境界、側枝境界、血液スペックル密度及び心周期パラメータなどの定量的データを含んでもよく、定量的データはニューラルネットワークをトレーニングする際に使用され得る。

【0013】

代替的又は追加的に、血管内イメージング動作からの１つ以上の血管内画像は、解剖学的ランドマークを含み、予測された血行動態値は、解剖学的ランドマークに近接する予測された血圧値を含む。

【0014】

代替的又は追加的に、予測された血行動態値と組み合わせて１つ以上の血管内画像を出力することは、１つ以上の血管内画像及び予測された血行動態値を信号処理ユニットのグラフィカルユーザインターフェース上に表示することを含み得る。

【0015】

代替的又は追加的に、信号処理ユニットのグラフィカルユーザインターフェース上に１つ以上の血管内画像及び予測された血行動態値を表示することは、完全とコレジストレーションされた予測された血行動態値の表示を血管内画像と共に表示することを含み得る。

【0016】

代替的又は追加的に、信号処理ユニットのグラフィカルユーザインターフェース上に１つ以上の血管内画像及び予測された血行動態値を表示することは、予測された血行動態値の完全にトリレジストレーションされた表示を血管内画像及び対応する血管外画像と共に表示することを含み得る。

【0017】

別の例は、画像データを処理するための方法を含む。本方法は、複数の血管内画像データセットをニューラルネットワークに提供することを含み、各血管内画像データセットは、開始位置から終了位置まで、対応する血管外画像データセットから血管外画像とコレジストレーションされた、血管の一部分を示す血管内画像データを含む。複数の血行動態データセットがニューラルネットワークに提供され、各血行動態データセットは、複数の血管内画像データセットのうちの１つによって表されるように、開始位置から終了位置まで、対応する血管外画像データセットから対応する血管外画像とコレジストレーションされた、血管の対応する部分からの血行動態データを含む。提供された血管内画像データセット及び対応する提供された血行動態データセットであって、同じ血管外画像に対する各データセットのコレジストレーションからのものを使用するニューラルネットワークは、所与の血管内画像データセットに対してどの血行動態データが予想されるかを学習し、それによってニューラルネットワークをトレーニングする。１つ以上の血管内画像を生成するために、イメージング素子が血管内で開始位置から終了位置まで移動される血管内イメージング動作が、新規患者に対して実行される。ニューラルネットワークは、そのトレーニングを使用して、血管内イメージング動作からの１つ以上の血管内画像に対応する血行動態値を予測する。１つ以上の血管内画像は、予測された血行動態値と組み合わせて出力される。

【0018】

代替的又は追加的に、複数の血管内画像データセットのうちの少なくともいくつかは、血管内超音波データを含み得る。
代替的又は追加的に、複数の血管内画像データセットのうちの少なくともいくつかは、光干渉断層法データを含み得る。

【0019】

代替的又は追加的に、複数の血管外画像データセットのうちの少なくともいくつかは、蛍光透視画像データを含み得る。
代替的又は追加的に、複数の血管外画像データセットのうちの少なくともいくつかは、血管造影画像データを含み得る。

【0020】

代替的又は追加的に、複数の血行動態データセットのうちの少なくともいくつかは、任意の充血指数又は非充血指数によって取得された血圧データを含み得る。
別の例は、患者画像データを処理するための方法を含む。本方法は、血管内画像データを血管内イメージング装置から取得することを含み、この取得は、イメージング素子が血管内で開始位置から終了位置まで移動される移動処置の過程におけるイメージング動作を含み、血管内画像データは１つ以上の血管内画像を含む。１つ以上の血管内画像の各々について予測された血圧測定値を決定するために、１つ以上の血管内画像は、トレーニングされたニューラルネットワークに入力される。１つ以上の血管外画像の各々の血管内位置に対応する血管内の一連の血圧値が計算され、一連の血圧値に基づいて血圧比が計算される。

【0021】

代替的又は追加的に、本方法は、血管内画像データ及び血管内の点に対応する計算された血圧を出力することを更に含み得る。
代替的又は追加的に、本方法は、１つ以上の血管外画像を含む血管外画像データを取得することと、１つ以上の血管外画像の各々の血管内位置を決定するために、血管内画像データを血管外画像データとコレジストレーションすることと、を更に含み得る。

【0022】

代替的又は追加的に、方法は、血管内画像データ及び血管内の点に対応する計算された血圧点と組み合わせて、コレジストレーションされた血管外画像データを出力することを更に含み得る。

【0023】

代替的又は追加的に、血管外画像データを取得することは、開始位置から終了位置までの血管に対応する血管外画像データを取得することを含み得る。
代替的又は追加的に、血管内画像データは、血管内超音波データを含み得る。

【0024】

代替的又は追加的に、血管内画像データは、光干渉断層法データを含み得る。
代替的又は追加的に、血管外画像データは、蛍光透視画像データを含み得る。
代替的又は追加的に、血管外画像データセットは、血管造影画像データを含み得る。

【0025】

別の例は、画像データを処理するための方法を含む。本方法は、ＩＶＵＳプルバック実行中に生成された複数のＩＶＵＳフレームからの物理的特徴を符号化することを含む。生理学安静時指標（ｐｈｙｓｉｏｌｏｇｙ ｒｅｓｔｉｎｇ ｉｎｄｅｘ、ＰＲＩ）プルバックデータが収集される。血管造影画像データが収集され、ＰＲＩプルバックデータとコレジストレーションされる。ＩＶＵＳフレームは、ＰＲＩプルバックデータをＩＶＵＳフレームとコレジストレーションするために、血管造影画像データとコレジストレーションされる。コレジストレーションされたＩＶＵＳフレーム、血管造影画像データ、及びＰＲＩプルバックデータは、後続のＩＶＵＳプルバック実行に基づいてＰＲＩデータをどのように予測するかについてニューラルネットワークをトレーニングするために使用される。その後、ニューラルネットワークが各ＩＶＵＳフレームについて予測されたＰＲＩ値を計算することができるように、複数のＩＶＵＳフレームを含む新しいＩＶＵＳプルバック実行データをニューラルネットワークに提供するために、新しいＩＶＵＳプルバック実行が実行される。

【0026】

代替的又は追加的に、本方法は、新しいＩＶＵＳプルバック実行データを対応する血管造影実行とコレジストレーションすることを更に含み得る。
いくつかの実施形態の上記の概要は、本開示の各開示された実施形態又は全ての実装形態を説明することを意図していない。以下の図面及び「発明を実施するための形態」は、これらの実施形態をより具体的に例示する。

【0027】

本開示は、添付の図面に関連して以下の「発明を実施するための形態」を考慮することにより、より完全に理解することができる。

【図面の簡単な説明】

【0028】

【図1】血管内画像データに基づいて血行動態値を予測するためのニューラルネットワークをトレーニングし、使用することについての概略図。

【図2A】患者の血行動態データを評価することについての例示的な方法を示すフロー図。

【図2B】図２Ａの方法の一部としてニューラルネットワークをトレーニングすることについての例示的な方法を示すフロー図。

【図2C】図２Ａの方法の一部としてトレーニングされたニューラルネットワークを使用することについての例示的な方法を示すフロー図。

【図3】画像データを処理することについての例示的な方法を示すフロー図。

【図4】患者の画像データを処理することについての例示的な方法を示すフロー図。

【図5】画像データを処理することについての例示的な方法を示すフロー図。

【図6】例示的なモデルの概略図。

【図7】例示的なモデルの概略図。

【図8】例示的なモデルの概略図。

【図9】血管イメージングコレジストレーションにおいて使用するための例示的なシステムの概略図。

【図10】部分断面図で示された、例示的な血管内イメージングカテーテルの概略図。

【図11】断面で示された、図１０の例示的な血管内イメージングカテーテルの遠位部分の概略図。

【発明を実施するための形態】

【0029】

本開示は、様々な修正形態及び代替形態に適用可能であるが、その詳細が図面において例として示されており、詳細に説明される。しかしながら、その意図は、本発明を記載された特定の実施形態に限定することではないことを理解されたい。逆に、本発明は、本開示の趣旨及び範囲内に入る全ての修正形態、均等物、及び代替形態を包含するものである。

【0030】

以下に定義される用語については、特許請求の範囲又は本明細書の他の箇所において異なる定義が与えられない限り、これらの定義が適用されるものとする。
全ての数値は、本明細書において、明示的に示されているか否かにかかわらず、用語「約」によって修飾されると想定される。「約」という用語は、一般に、当業者が列挙された値と同等である（例えば、同じ機能又は結果を有する）と考え得る数の範囲を指す。多くの場合、「約」という用語は、最も近い有効数字に丸められた数を含むことができる。

【0031】

端点による数値範囲の記載は、その範囲内の全ての数を含む（例えば、１～５は、１、１．５、２、２．７５、３、３．８０、４、及び５を含む）。
本明細書及び添付の特許請求の範囲において使用されるとき、単数形「１つの（ａ）」、「１つの（ａｎ）」、及び「その（ｔｈｅ）」は、内容が明らかに他のことを示さない限り、複数の指示対象を含む。本明細書及び添付の特許請求の範囲において使用されるとき、「又は」という用語は、内容が明らかに他のことを示さない限り、「又は」を含む意味で一般に使用される。

【0032】

本明細書における「一実施形態」、「いくつかの実施形態」、「他の実施形態」などへの言及は、説明される実施形態が１つ以上の特定の特徴、構造、又は特性を含むことができることを示すことに留意されたい。しかしながら、そのような記述は、全ての実施形態が特定の特徴、構造、又は特性を含むことを必ずしも意味しない。加えて、特定の特徴、構造、又は特性が一実施形態に関連して説明される場合、そのような特徴、構造、又は特性は、特段の記載がない限り、明示的に説明されているか否かにかかわらず、他の実施形態にも関連して使用され得ることを理解されたい。

【0033】

以下の詳細な説明は、図面を参照して読まれるべきであり、図面において、異なる図面における同様の要素は同じ番号が付されている。図面は、必ずしも縮尺通りではなく、例示的な実施形態を示しており、本発明の範囲を限定することを意図していない。

【0034】

血管を評価又は治療するために、いくつかの異なる医療イメージングモダリティが使用され得る。２つの一般的なタイプのイメージングモダリティは、血管外イメージングモダリティ及び血管内イメージングモダリティを含む。本開示は、これらのモダリティの使用及びコレジストレーションに関する。

【0035】

様々な形態の放射線イメージングなどの血管外イメージングモダリティは、血管の一部分の血管外画像データを提供する。いくつかの例は、２次元血管造影法／蛍光透視法、３次元血管造影法／蛍光透視法、又はコンピュータ断層撮影血管造影法／蛍光透視法などの血管造影法又は蛍光透視法イメージングモダリティを含む。血管造影法は、典型的には、多くの場合、放射線不透過性造影剤を使用して、１つ以上の血管の放射線像をレンダリングすることを伴う。血管造影画像は、蛍光透視法によってリアルタイムで見ることもできる。一般に、蛍光透視法は、血管造影法よりも少ない放射線を使用し、多くの場合、血管内又は血管内を通る放射線不透過性マーカーを含む医療装置を誘導するために使用される。血管の血管外画像データは、血管、解剖学的構造、又は血管若しくは解剖学的構造内の装置の位置若しくは位置決めに関する有用な情報を提供し得る。例えば、血管外画像データ（例えば、血管造影図）は、対象となる血管（複数可）の包括的な全体画像又は一連の画像若しくはビデオを提供することができ、血管（複数可）の一般的な評価又は血管内の装置のナビゲーションのための良好な時間分解能を有する「ロードマップ」を提供することができる。

【0036】

血管内イメージングモダリティは、血管の一部分の血管内画像データを提供する。血管内イメージングモダリティのいくつかの例は、血管内超音波（ＩＶＵＳ）及び光干渉断層法（ＯＣＴ）を含む。これらのモダリティは、典型的には、血管内に配置されたイメージング素子を含む装置搭載型血管内プローブを使用して、血管自体をイメージングすることを含む。いくつかのタイプの装置システムが、血管内画像データを提供するために血管構造を通って追跡するように設計されている。これらは、血管内超音波（ＩＶＵＳ）装置及び光干渉断層法（ＯＣＴ）装置（例えば、カテーテル、ガイドワイヤなど）を含むことができるが、それらに限定されない。動作時には、イメージング素子を含む血管内装置搭載型プローブは、イメージングが所望される領域内の血管に沿って移動される。プローブが関心領域を通過すると、血管、内腔、及び周囲組織の一連の「スライス」又は断面に対応する血管内画像データのセットが得られる。これらの装置は、放射線不透過性材料又はマーカーを含み得る。このようなマーカーは、一般に、遠位先端の近く、又はプローブの近く若しくはプローブ上に位置決めされる。従って、イメージングプローブ又はイメージング素子のおおよその位置は、蛍光透視鏡又は血管造影画像（複数可）のいずれかにおける処置を観察することによって、識別され得る。典型的には、そのようなイメージング装置は、処理ハードウェア及びソフトウェア、並びにディスプレイを含む、専用処理ユニット又は制御モジュールに接続される。生の画像データは、コンソールによって受信され、関心のある特徴を含む画像をレンダリングするように処理され、表示装置上にレンダリングされる。血管の血管内画像データは、血管外画像データによって提供された情報とは異なるか、又はそれに加えて、血管に関する有用な情報を提供することができる。例えば、血管内画像データは、内腔の断面、血管壁上の沈着物の厚さ、血管の非罹患部分の直径、罹患区分の長さ、血管壁上の沈着物又はプラークの構成、プラーク負荷の評価、又はステント展開の評価に関するデータを提供し得る。

【0037】

これら２つの一般的なタイプのイメージングモダリティは、異なる画像データを提供し、従って、互いに相補的であり得る。従って、特定の状況では、血管を評価又は治療するために、両方の一般的なタイプの医用イメージングモダリティを提供又は使用することが望ましい場合がある。加えて、取得された血管内画像データ／画像の位置が、血管外画像データ／画像によって得られた血管ロードマップ上のそれらの位置と相関付けられることが有用であり得る。２つの異なるモダリティによってレンダリングされた画像データを調整又は「レジストレーション」（例えば、コレジストレーション）することが有用であり得る。コレジストレーションされた血管外画像データ及び血管内画像データを、例えば、共通の表示モニタ上に共に表示することも有用であり得る。本明細書で開示されるいくつかの例示的な実施形態は、これらの態様のいくつか又は全部を含み得るか、又はそれらに関連し得る。

【0038】

本開示のいくつかの実施形態によれば、例示的な方法（複数可）、システム（複数可）、装置（複数可）、又はソフトウェアが本明細書で説明される。これらの例は、２つの別個のイメージングモダリティ（例えば、血管外画像データ及び血管内画像データ）によってレンダリングされた画像データを取得及びレジストレーション（例えば、コレジストレーション）するための、画像データ取得機器及びデータ／画像プロセッサ、並びに関連するソフトウェアを含む。追加的又は代替的に、例示的な方法（複数可）、システム（複数可）又はソフトウェアは、血管内装置に取り付けられたイメージングプローブ（例えば、ＩＶＵＳ又はＯＣＴプローブ）に関連付けられた位置情報及び血管内画像を有する血管外画像を同時に提供する単一のディスプレイ上に像を生成し得る。

【0039】

血行動態データは、患者の健康を確認するのに有用であり得る。いくつかの場合では、血圧データなどであるが、それに限定されない血行動態情報は、患者の血管系の健康を確認するのに役立ち得る。血行動態データを取得するための様々なシステムが使用され得る。血行動態データを取得するためのこれらのシステムは、データを取得するために１つ以上のプルバック実行を必要とする可能性がある。いくつかの場合では、任意の追加のプルバック実行、又は血圧情報及び／若しくは他の血行動態データを取得するための任意の他のプロセス若しくは技法を必要とせずに、血行動態データを提供することが有用であり得る。

【0040】

図１は、特定の血管内画像に対応する評価された血行動態値を提供するために、ニューラルネットワーク１２がトレーニングされ得る例示的なシステム１０の概略図を提供する。ニューラルネットワーク１２は、様々な異なるタイプのニューラルネットワークのうちのいずれかであり得る。いくつかの場合では、ニューラルネットワーク１２は、単一のニューラルネットワーク又は複数のニューラルネットワークを表し得る。いくつかの場合では、ニューラルネットワーク１２は、例えば、クラウドベースのサーバ内に明示され得る。ニューラルネットワーク１２は、１つ以上のトランスフォーマーを有するＣＮＮ（畳み込みニューラルネットワーク）を表し得る。いくつかの場合では、ニューラルネットワーク１２は、多層ニューラルネットワークを含み得る。これらは単なる例である。

【0041】

ニューラルネットワーク１２は、学習するように適合され得る。いくつかの場合では、ニューラルネットワーク１２は、ＡＩ（人工知能）を含むとみなすことができ、随意に、ＭＬ（機械学習）が可能であると見なされ得る。ニューラルネットワーク１２をトレーニングするために、ニューラルネットワーク１２は、ニューラルネットワーク１２が学習することができる既存のデータを提供し得る。いくつかの場合では、ニューラルネットワーク１２は、特定の血行動態特性又は値を対応する血管内画像とどのように関連付けるかをトレーニングし得る。ニューラルネットワーク１２は、図９～図１１に関して説明されるように、血管内超音波及び光干渉断層法データなどであるがこれらに限定されない、様々な異なるイメージングモダリティから提供された複数の血管内画像データセットを提供し得る。ニューラルネットワーク１２は、複数の血管外画像データセット１６を提供し得る。血管外画像データセット１６は、蛍光透視画像データ及び／又は血管造影画像データを含み得る。血管造影画像データの例は、２Ｄ（２次元）血管造影データ、３Ｄ（３次元）血管造影データ、及び３Ｄ ＣＴＡ（３次元コンピュータ断層撮影血管造影法）を含むが、これらに限定されない。

【0042】

ニューラルネットワーク１２に提供される複数の血管外画像データセット１６の各々は、特定の血管内画像データセット１４が、患者の特定の開始点から特定の終了点までの血管の特定の部分の特定の血管内画像データ取得セッション（イメージングプルバック実行など）に対応し、対応する血管外画像データセット１６が、同じ患者の同じ血管の同じ部分、同じ開始点から同じ終了点までの血管外画像データに対応する場合などに、複数の血管内画像データセット１４のうちの対応する１つとコレジストレーションされ得る。いくつかの場合では、特定の血管内画像データセット１４によって表された患者の解剖学的構造の部分と、特定の血管外画像データセット１６によって表された患者の解剖学的構造の部分とは、正確に一致しない場合があるが、重なり合う場合がある。いずれの動作でも、各血管内画像データセット１４は、ブロック１８に示されるように、対応する血管外画像データセット１６とコレジストレーションすることができる。血管内画像データセット１４及び血管外画像データセット１６をコレジストレーションする方法は、図９～図１１に関して詳述され、その後説明される。

【0043】

ニューラルネットワーク１２は、既存の血行動態データセット２０が提供され得る。いくつかの場合では、特定の血行動態データセットは、特定患者の血圧データなどであるがこれに限定されない血行動態データを表す。いくつかの場合では、各血行動態データセット２０は、特定の患者の特定の血管内の特定の位置で取得された、１つ以上の血圧測定値に対応する。いくつかの場合では、１つ以上の血圧測定値は、特定の血管外画像データセット１６によって表された解剖学的構造と一致する特定の血管内の特定の位置に対応する。換言すれば、ブロック２２に示されるように、血行動態データセット２０の各々は、対応する血管外画像データセット１６とコレジストレーションされ得る。

【0044】

血管内画像データセット１４の各々を血管外画像データセット１６の対応する１つとコレジストレーションすることによって、かつ、血行動態データセット２０の各々を血管外画像データセット１６の対応する１つとコレジストレーションすることによって、ニューラルネットワーク１２は、血管内画像データと血管外画像データと血行動態データとの間の相関を確認することができることが理解されるであろう。結果として、ニューラルネットワーク１２は、いくつかの血管内画像データセット１４、いくつかの対応する血管外画像セット１６、及びいくつかの対応する血行動態データセット２０を処理することによって、かつ、血管内データと血管外データとの間のコレジストレーション、血管外データと血行動態データとの間のコレジストレーション、従って血管内データと血行動態データとの間のコレジストレーションを与えられるか又は他の方法で決定することによって、ニューラルネットワーク１２が特定の血管内画像（複数可）像において何を見ているかの結果として、血圧測定値などの血行動態データをどのように評価又は予測するかを学習することができる。

【0045】

血管内画像データセット１４の少なくともいくつか、血管外画像データセット１６の少なくともいくつかと、血行動態データセット２０の少なくともいくつかは、以前に取得され保存された履歴データを表すことができる。血管内画像データセット１４の少なくともいくつか、血管外画像データセット１６の少なくともいくつかと、血行動態データセット２０の少なくともいくつかは、ニューラルネットワーク１２をトレーニングするための有用なデータに寄与するために、これらのイメージングプロセスを受けるボランティアから取得されたデータを表し得る。血管内画像データセット１４の少なくともいくつか、血管外画像データセット１６の少なくともいくつかと、血行動態データセット２０の少なくともいくつかは、患者が様々な異なる臨床目的のいずれかのために血管内イメージング、血管外イメージング、及び血行動態測定を受ける際に、研究目的のために独立して取得することができる患者データを表し得る。

【0046】

トレーニングの結果として、ニューラルネットワーク１２は、トレーニングされたニューラルネットワーク２４に進化したと見なされ得る。ここで、ニューラルネットワーク１２とトレーニングされたニューラルネットワーク２４との区別は、単にバイナリでなくてもよく、すなわち、ニューラルネットワーク１２は、十分なトレーニングが完了するとトレーニングされたニューラルネットワーク２４に変わる。いくつかの場合では、トレーニングは無期限に継続し得る。トレーニングされたと見なされるニューラルネットワークは、ニューラルネットワーク２４に血管内データを提供することなどによって定期的に試験されてもよく、一方、同じ患者から、同じ解剖学的構造から、本質的に同時に得られた血行動態データは、トレーニングされたニューラルネットワーク２４によって提供された、評価された血行動態測定値に対するチェックとして使用され得る。実際の血行動態測定値が予測された血行動態測定値に近い場合、これは、トレーニングされたニューラルネットワーク２４が実際に良好にトレーニングされていることを示すものとして解釈することができる。しかしながら、実際の血行動態測定値と予測された血行動態測定値との間に不一致又は実質的な不一致さえある場合、これは、トレーニングされたニューラルネットワーク２４が追加のトレーニングから利益を得る可能性があることを示すものとして解釈することができる。

【0047】

ニューラルネットワーク１２がトレーニングされたニューラルネットワーク２４になると、トレーニングされたニューラルネットワーク２４は、限定はしないが、ＩＶＵＳ（血管内超音波）プルバック実行などの血管内プルバック実行に応答して、評価された血行動態値を提供するために使用され得る。血管内プルバック実行を実行することにより、血管内画像２６のソースを提供することができる。血管内画像２６をトレーニングされたニューラルネットワーク２４に供給することは、予測された血行動態値２８をもたらすことができる。トレーニングされたニューラルネットワーク２４は、トレーニングを通して、血管内画像を定義するパラメータの特定のセットから、血行動態値２８が過去にどのような結果であったかを学習している。例えば、血管内の閉塞の特定のタイプ及びサイズは、歴史的に、血圧測定値の特定の変化をもたらす。トレーニングされたニューラルネットワーク２４が評価された血行動態値を決定すると、ブロック３０に示されるように、血管内画像及び対応する予測された血行動態値を任意の利用可能な画面上に出力することができる。いくつかの場合では、例えば、血管内画像及び対応する予測された血行動態値の出力は、図９に関して説明されたコンピュータシステム／サブシステム１３０などを介してであるが、これに限定されないコンピュータでもよい。

【0048】

図２Ａ、図２Ｂ及び図２Ｃは、患者の血行動態データを評価するための例示的な方法３２を組み合わせて提供するフロー図である。図２Ｂ及び図２Ｃは、図２Ａに概説されていない詳細を提供する。方法３２は、ブロック３４に示されるように、ニューラルネットワーク（ニューラルネットワーク１２など）をトレーニングすることと、ブロック２６に示されるように、トレーニングされたニューラルネットワーク（トレーニングされたニューラルネットワーク２４など）を後続の患者と共に使用することと、を含む。

【0049】

いくつかの場合では、ニューラルネットワークは、ニューラルネットワークのアンサンブルを含み得る。ニューラルネットワークは、トランスフォーマーを有するＣＮＮ（畳み込みニューラルネットワーク）を含み得る。いくつかの場合では、ニューラルネットワークは、多層ニューラルネットワークを含み得る。多層ニューラルネットワークは、例えば、損失関数内に血行動態項を含み得る。

【0050】

図２Ｂは、ニューラルネットワークをトレーニングするための方法３４に関する詳細を示す。ブロック３４ａに示されるように、複数の血管外画像データセットがニューラルネットワークに提供される。ブロック３４ｂに示されるように、複数の血管内画像データセットがニューラルネットワークに提供され、各血管内画像データセットは、開始位置から終了位置までの血管の一部分を示す血管内画像データを含み、各血管内画像データセットは、複数の血管外画像データセットのうちの対応する血管外画像データセットとコレジストレーションされる。ニューラルネットワークをトレーニングする過程で提供された複数の血管内画像データセットのうちの少なくともいくつかは、血管内超音波データを含む。ニューラルネットワークをトレーニングする過程で提供された複数の血管内画像データセットのうちの少なくともいくつかは、光干渉断層法データを含む。

【0051】

ブロック３４ｃに示されるように、複数の血行動態データセットがニューラルネットワークに提供され、各血行動態データセットは、複数の血管外画像データセットのうちの対応する血管外画像データセットとコレジストレーションされる。ブロック３４ｄに示されるように、ニューラルネットワークは、提供された複数の血管内画像データセット及び提供された複数の血行動態データセットを使用して、各々が対応する血管外画像データセットとコレジストレーションされ、所与の血管内画像データセットに対してどの血行動態データが予想されるかを学習し、それによってトレーニングされたニューラルネットワークを作成する。いくつかの場合では、ニューラルネットワークをトレーニングする過程で提供された複数の血行動態データセットのうちの少なくともいくつかは、任意の充血指数又は非充血指数によって取得された血圧データからなる。

【0052】

いくつかの場合では、ニューラルネットワークをトレーニングする過程で提供された複数の血管外画像データセットのうちの少なくともいくつかは、蛍光透視画像データを含む。ニューラルネットワークをトレーニングする過程で提供された複数の血管外画像データセットのうちの少なくともいくつかは、血管造影画像データを含み得る。血管造影データは、例えば、２次元血管造影画像データを含んでもよく、かつ／又は３次元血管造影画像データを含み得る。いくつかの場合では、血管造影データの少なくともいくつかは、３Ｄ ＣＴＡ（３次元コンピュータ断層撮影血管造影法）を含み得る。

【0053】

いくつかの場合では、複数の血管内画像データセットのうちの少なくともいくつかと、対応する血行動態データセットのうちの少なくともいくつかとは、対応する血管外画像データセット上の２Ｄ又は３Ｄ空間内のそれらの対応する点を使用して、コレジストレーションされ得る。いくつかの場合では、ニューラルネットワークをトレーニングする過程で提供された複数の血管内画像データセットのうちの少なくともいくつかは、内腔境界、血管境界、側枝境界、血液スペックル密度及び心周期パラメータなどの定量的データを含み、定量的データは、ニューラルネットワークをトレーニングする際に使用される。

【0054】

図２Ｃは、トレーニングされたニューラルネットワーク（トレーニングされたニューラルネットワーク２４など）を後続の患者と共に使用するための方法３６に関する詳細を示す。ブロック３６ａに示されるように、１つ以上の血管内画像を生成するために、血管内イメージング素子が患者の血管内で開始位置から終了位置まで移動される血管内イメージング動作が実行される。ブロック３６ｂに示されるように、トレーニングされたニューラルネットワークは、そのトレーニングを使用して、血管内イメージング動作からの１つ以上の血管内画像に対応する血行動態値を予測する。ブロック３６ｃに示されるように、１つ以上の血管内画像は、予測された血行動態値と組み合わせて出力される。

【0055】

いくつかの場合では、血管内イメージング動作からの１つ以上の血管内画像は、解剖学的ランドマークを含み、予測された血行動態値は、解剖学的ランドマークに近接する予測された血圧値を含む。いくつかの場合では、（ニューラルネットワークをトレーニングするために使用される）複数の血管内画像データセットは、近位基準、最小内腔及び遠位基準などの重要な動脈位置の指示を含んでもよく、血管内イメージング動作からの１つ以上の血管内画像は、これらの重要な位置を含む。いくつかの場合では、予測された血圧値は、重要な位置に近接する予測された血圧値を含む。

【0056】

いくつかの場合では、予測された血行動態値と組み合わせて１つ以上の血管内画像を出力することは、１つ以上の血管内画像及び予測された血行動態値を信号処理ユニットのグラフィカルユーザインターフェース上に表示することを含み得る。信号処理ユニットのグラフィカルユーザインターフェース上に１つ以上の血管内画像及び予測された血行動態値を表示することは、完全とコレジストレーションされた予測された血行動態値の表示を血管内画像と共に表示することを含み得る。いくつかの場合では、信号処理ユニットのグラフィカルユーザインターフェース上に１つ以上の血管内画像及び予測された血行動態値を表示することは、予測された血行動態値の完全にトリレジストレーションされた表示を血管内画像及び対応する血管外画像と共に表示することを含み得る。

【0057】

図３は、画像データを処理するための例示的な方法３８を示すフロー図である。方法３８は、複数の血管内画像データセットをニューラルネットワーク（ニューラルネットワーク１２など）に提供することを含み、各血管内画像データセットは、ブロック４０に示されるように、開始位置から終了位置まで、対応する血管外画像データセットからの血管外画像とコレジストレーションされた、血管の一部分を示す血管内画像データを含む。複数の血管内画像データセットのうちの少なくともいくつかは、血管内超音波データを含み得る。複数の血管内画像データセットのうちの少なくともいくつかは、光干渉断層法データを含み得る。複数の血管外画像データセットのうちの少なくともいくつかは、蛍光透視画像データを含み得る。複数の血管外画像データセットのうちの少なくともいくつかは、血管造影画像データを含み得る。

【0058】

複数の血行動態データセットがニューラルネットワークに提供され、各血行動態データセットは、ブロック４２に示されるように、複数の血管内画像データセットのうちの１つによって表されるように、開始位置から終了位置まで、対応する血管外画像データセットから対応する血管外画像とコレジストレーションされた、血管の対応する部分からの血行動態データを含む。複数の血行動態データセットのうちの少なくともいくつかは、任意の充血指数又は非充血指数によって取得された血圧データを含み得る。ブロック４４に示されるように、ニューラルネットワークは、提供された血管内画像データセット及び対応する提供された血行動態データセットを使用して、同じ血管外画像に対する各データセットのコレジストレーションから、所与の血管内画像データセットに対してどの血行動態データが予想されるかを学習し、それによってニューラルネットワークをトレーニングする。

【0059】

方法３８は、ブロック４６に示されるように、１つ以上の血管内画像を生成するために、イメージング素子が血管内で開始位置から終了位置まで移動される血管内イメージング動作を新規患者に対して実行することを含む。ブロック４８に示されるように、ニューラルネットワークは、そのトレーニングを使用して、血管内イメージング動作からの１つ以上の血管内画像に対応する血行動態値を予測する。ブロック５０に示されるように、１つ以上の血管内画像は、予測された血行動態値と組み合わせて出力される。

【0060】

図４は、患者画像データを処理する例示的な方法５２を示すフロー図である。方法５２は、ブロック５４に示されるように、血管内画像データを血管内イメージング装置から取得することが、イメージング素子が血管内で開始位置から終了位置まで移動される移動処置の過程におけるイメージング動作を含み、血管内画像データは１つ以上の血管内画像を含む。ブロック５６に示されるように、１つ以上の血管内画像の各々について予測された血圧測定値を決定するために、１つ以上の血管内画像は、トレーニングされたニューラルネットワーク（トレーニングされたニューラルネットワーク２４など）に入力される。ブロック５８に示されるように、１つ以上の血管外画像の各々の血管内位置に対応する血管内の一連の血圧値が計算される。ブロック６０に示されるように、一連の血圧値に基づいて血圧比が計算される。

【0061】

いくつかの場合では、方法５２は、ブロック６２に示されるように、血管内画像データ及び血管内の点に対応する計算された血圧を出力することを更に含むことができる。いくつかの場合では、方法５２は、ブロック６４に示されるように、１つ以上の血管外画像を含む血管外画像データを取得することと、１つ以上の血管外画像の各々の血管内位置を決定するために、血管内画像データを血管外画像データとコレジストレーションすることと、を更に含むことができる。例えば、血管外画像データを取得することは、開始位置から終了位置までの血管に対応する血管外画像データを取得することを含み得る。いくつかの場合では、方法５２は更に、ブロック６６に示されるように、血管内画像データ及び血管内の点に対応する計算された血圧点と組み合わせて、コレジストレーションされた血管外画像データを出力することも含み得る。

【0062】

いくつかの場合では、血管内画像データは、血管内超音波データを含む。いくつかの場合では、血管内画像データは、光干渉断層法データを含む。血管外画像データは、蛍光透視画像データ、例えば、又は血管造影画像データを含み得る。

【0063】

図５は、画像データを処理する例示的な方法６８を示すフロー図である。方法６８は、ブロック７０に示されるように、複数のＩＶＵＳフレームを生成するＩＶＵＳプルバック実行から、ＩＶＵＳフレームからの物理的特徴を符号化することを含む。ブロック７２に示されるように、生理学安静時指標（Ｐｈｙｓｉｏｌｏｇｙ Ｒｅｓｔｉｎｇ Ｉｎｄｅｘ、ＰＲＩ）プルバックデータが収集される。ブロック７４に示されるように、血管造影収集での画像データが収集される。ブロック７６に示されるように、血管造影画像は、ＰＲＩプルバックデータとコレジストレーションされる。ブロック７８に示されるように、ＩＶＵＳフレームは、ＰＲＩプルバックデータをＩＶＵＳフレームとコレジストレーションするために、血管造影画像データとコレジストレーションされる。ブロック８０に示されるように、コレジストレーションされたＩＶＵＳフレーム、血管造影画像データ、及びＰＲＩプルバックデータを使用して、ニューラルネットワークをトレーニングし、後続のＩＶＵＳプルバック実行に基づいてＰＲＩデータを予測する。ブロック８２に示されるように、その後、各ＩＶＵＳフレームについて予測されたＰＲＩ測定値を計算するために、複数のＩＶＵＳフレームを含む新しいＩＶＵＳプルバック実行データをニューラルネットワークに提供する。いくつかの場合では、方法６８は、ブロック８４に示されるように、新しいＩＶＵＳプルバック実行データを対応する血管造影実行とコレジストレーションすることを更に含み得る。

【0064】

図６～図８は、ニューラルネットワーク１２をトレーニングする際に使用され得る例示的なモデルの概略図を提供する。図６は、ニューラルネットワーク１２内に実装され得るモデル８６の概略図である。モデル８６は、内腔境界、血管境界、側枝及び血液スペックル密度を含むがこれらに限定されないいくつかの入力８６ａを含む。入力８６ａは、Ｎｘ１ ８６ｂを介してニューラルネットワークブロック８６ｃに提供される。ニューラルネットワーク８６ｃは、ｉＦＲ予測８６ｄを出力する。モデル８６は、損失関数８６ｅを使用する。モデル８６は、ＰＲＩ予測ユニットの精度を高めるために、損失関数における追加項としてＰＲＩ血行動態モデルを統合する。モデル８６は入力を、導出された内腔境界、血管境界、側枝、血液スペックル密度、心周期などの特徴ベクトルとして受け取る。入力特徴ベクトルは、血行動態ＰＲＩ方程式の変数を表す。

【0065】

図７は、ニューラルネットワーク１２内に実装され得るモデル８８の概略図である。ＩＶＵＳ（血管内超音波）画像８８ａは、ＣＮＮブロック８８ｂに提供される。埋め込まれたパッチは、トランスフォーマーブロック８８ｃに提供される。そこから、信号はＭＬＰヘッド８８ｅに渡され、ＩＦＲ予測８８ｆをもたらす。モデル８８は、ＣＮＮ及び／又はＶｉＴを用いてＩＶＵＳ画像を直接処理して、ＰＲＩ値を予測する。

【0066】

図８は、モデル８６とモデル８８との組み合わせであるモデル９０を概略的に示す。モデル８６及びモデル８８からの出力は、平均化ブロック９２に提供される。平均化ブロック９２からの出力は最終ＰＲＩ ９４である。モデル９０は、特定の、正確な、効率的な、リアルタイムのＡＩ（人工知能）モデルを提供する。

【0067】

図９は、血管外画像データ（例えば、血管造影図／蛍光透視法）及び血管内画像データ（例えば、ＩＶＵＳ又はＯＣＴ画像）を取得し、かつコレジストレーションすることによって本開示の実施形態を実行することに関連して使用され得る、例示的なシステム１０２の概略図である。システム１０２は、血管外画像データを取得／生成するための血管外イメージングシステム／サブシステム１０４（例えば、血管造影／蛍光透視システム）を含み得る。システム１０２はまた、血管内画像データを取得／生成するための血管内イメージングシステム／サブシステム１０６（例えば、ＩＶＵＳ又はＯＣＴ）を含み得る。システム１０２は、取得された血管外画像データ及び取得された血管内画像データの血管イメージングレジストレーションのための方法を実行するように構成された１つ以上のコントローラ若しくはプロセッサ、メモリ及び／又はソフトウェアを含むコンピュータシステム／サブシステム１３０を含み得る。

【0068】

血管外画像データは、血管造影／蛍光透視システム１０４によって取得された放射線画像データであり得る。そのような血管造影／蛍光透視システムは、一般に、当該技術分野で周知である。血管造影／蛍光透視システム１０４は、血管造影テーブル１１０上の患者１００に対して操作位置に血管造影／蛍光透視ユニットＣアーム１１４を位置決めするための十分な空間を提供するように配置され得る血管造影テーブル１１０を含み得る。血管造影／蛍光透視Ｃアーム１１４によって取得された生の放射線画像データは、伝送ケーブル１１６を介して血管外データ入力ポート１１８に渡され得る。入力ポート１１８は、別個の構成要素であってもよく、又はコンピュータシステム／サブシステム１３０に統合されるか、若しくはその一部であり得る。血管造影／蛍光透視入力ポート１１８は、それによって受信された生の放射線画像データを、例えば、ライブビデオ、ＤＩＣＯＭ、又は一連の個々の画像の形態の血管外画像データ（例えば、血管造影／蛍光透視画像データ）に変換するプロセッサを含み得る。血管外画像データは、最初に入力ポート１１８内のメモリに記憶されてもよく、又はコンピュータ１３０内に記憶され得る。入力ポート１１８がコンピュータ１３０とは別個の構成要素である場合、血管外画像データは、ケーブル１１７を介してコンピュータ１３０に転送され得、コンピュータ１３０内の入力ポートに入力され得る。いくつかの代替形態では、装置又はプロセッサ間の通信は、ケーブルではなく無線通信を介して実行され得る。

【0069】

血管内画像データは、例えば、血管内イメージングシステム／サブシステム１０６（例えば、ＩＶＵＳ又はＯＣＴシステム）によって取得されたＩＶＵＳデータ又はＯＣＴデータであり得る。そのようなＩＶＵＳ及びＯＣＴシステムは、一般的に当該技術分野において周知である。血管内サブシステム１０６は、イメージングカテーテル１２０、例えばＩＶＵＳ又はＯＣＴカテーテルなどの血管内イメージング装置を含み得る。イメージング装置１２０は、診断アセンブリ又はプローブ１２２（例えば、ＩＶＵＳ又はＯＣＴプローブ）を含むその遠位端が血管の所望のイメージング位置の近傍にあるように、患者１００内に挿入されるように構成されている。プローブ１２２上又はその付近に位置する放射線不透過性材料すなわちマーカー１２３は、放射線画像におけるプローブ１２２の現在の位置の印を提供し得る。

【0070】

例として、ＩＶＵＳ血管内画像データの場合、診断プローブ１２２は、超音波を生成し、診断プローブ１２２に近接する領域を表す超音波エコーを受信する。プローブ１２２又はカテーテル１２０は、超音波エコーを電気又は光学信号などの対応する信号に変換することができる。対応する信号は、イメージングカテーテル１２０の長さに沿って近位コネクタ１２４に送信される。カテーテル１２０の近位コネクタ１２４は、処理ユニット又は制御モジュール１２６に通信可能に結合される。プローブ１２２のＩＶＵＳバージョンは、単一及び複数のトランスデューサ素子配列を含む様々な構成になる。ＩＶＵＳの状況において、トランスデューサはイメージング素子と見なされ得ることが理解されるべきである。複数のトランスデューサ素子配列の場合、トランスデューサの配列は、イメージングカテーテル１２０の長さ方向軸に沿って直線的に、カテーテル１２０の長さ方向軸の周りに曲線的に、長さ方向軸の周りに円周方向になど、に配置される可能性がある。

【0071】

ＩＶＵＳ血管内イメージングカテーテル１２０の一例が図１０及び図１１に示される。イメージングカテーテル１２０は、近位端部分１７２及び遠位端部分１７４を有する細長シャフト１７０を含み得る。近位ハブ又はコネクタ１２４は、近位端部分１７２に結合されるか、又はそうでなければ近位端部分１７２に隣接して配置され得る。先端部材１７６は、遠位端部分１７４に結合され得るが、又はそうでなければ遠位端部分１７４に隣接して配置され得る。先端部材１７６は、ガイドワイヤ内腔、非外傷性遠位端、１つ以上の放射線不透過性マーカー、又は他の特徴を含み得る。イメージングアセンブリ１７７は、シャフト１７０内に配置され得る。一般に、イメージングアセンブリ１７７（イメージング素子１８２を含むイメージングプローブ１２２を含み得る）は、血管の画像を捕捉／生成するために使用され得る。いくつかの場合では、医療装置は、米国特許出願公開第２０１２／００５９２４１号明細書及び米国特許出願公開第２０１７／０１６４９２５号明細書に開示されているものと同様の装置又は特徴を含んでもよく、その開示全体は、参照により本明細書に組み込まれる。少なくともいくつかの場合では、医療装置１２０は、ＢＯＳＴＯＮ ＳＣＩＥＮＴＩＦＩＣ（Ｍａｒｌｂｏｒｏｕｇｈ，ＭＡ）から市販されているＯＰＴＩＣＲＯＳＳ（商標）イメージングカテーテルに類似する、又は類似する特徴を含み得る。

【0072】

図１１に示されるように、イメージングアセンブリ１７７は、ドライブケーブル又はシャフト１７８と、ハウジング１８０及びイメージング素子を含むイメージングプローブ１２２又はトランスデューサ１８２とを含み得る。イメージングプローブ１２２又はハウジング１８０は、ドライブケーブル１７８に結合され得る。トランスデューサ１８２は、シャフト１７０に対して回転可能又は軸方向に移動可能であり得る。例えば、ドライブケーブル１７８は、トランスデューサ１８２を回転又は移動させるために、回転又は移動され得る。プローブ１２２又はハウジング１８０は、例えば、放射線不透過性材料又はマーカー１２３を含み得るか、又は放射線不透過性材料又はマーカー１２３で作製されてもよく、放射線画像内のプローブ１２２の現在位置の印を提供し得る。

【0073】

図９に戻って参照すると、別の例として、装置１２０は、ＯＣＴ血管内データを収集するために使用されたＯＣＴカテーテルであり得る。ＯＣＴカテーテル１２０は、組織に向けられる光ビームを生成又は伝搬する診断プローブ１２２を含んでもよく、表面下の特徴から反射するこの光の一部分は収集され、診断プローブ１２２に近接する領域を表す。ＯＣＴでは、診断プローブ１２２は、光の送達及び収集のための光学撮像装置を含む。ＯＣＴの状況では、プローブ１２２内の光学撮像装置は、イメージング素子と見なされ得ることを理解されたい。干渉分光法と呼ばれる技術を使用して、受光した光子の光路長を記録することができ、検出前に複数回散乱するほとんどの光子を除去することができる。従って、ＯＣＴは、対象の表面から直接反射された光を収集しながら、バックグラウンド信号を除去することによって、厚い試料の画像を構築することができる。プローブ１２２又はカテーテル１２０は、シャフトに沿って光学信号又は光信号を伝送し得る、又は光信号を、イメージングカテーテル１２０の長さに沿って近位コネクタ１２４に伝送され得る電気又は光学信号などの対応する信号に変換し得る。カテーテル１２０の近位コネクタ１２４は、処理ユニット又は制御モジュール１２６に通信可能に結合される。プローブ１２２又はハウジング１８０は、放射線不透過性材料又はマーカー１２３を含むか、又は放射線不透過性材料又はマーカー１２３で作製されてもよく、放射線画像内のプローブ１２２の現在位置の印を提供し得る。

【0074】

生の血管内画像データ（例えば、生のＩＶＵＳ又はＯＣＴデータ）は、イメージングカテーテル１２０によって取得されてもよく、例えば、コネクタ１２４を介して制御モジュール１２６に渡され得る。制御モジュール１２６は、別個の構成要素であってもよく、又はコンピュータシステム／サブシステム１３０に統合されるか、若しくはその一部であり得る。制御モジュール１２６は、カテーテル１２０を介して受信された生の血管内画像データを、例えばライブビデオ、ＤＩＣＯＭ、若しくは一連の個々の画像の形態の血管内画像データ（例えばＩＶＵＳ又はＯＣＴ画像データ）に変換するか、又は変換するように構成されているプロセッサを含み得る。血管内画像データは、血管セグメントの横断面画像を含み得る。加えて、血管内画像データは、血管の長さに沿って取られた血管のスライスに対応する長手方向断面画像を含み得る。制御モジュール１２６は、コンピュータシステム／サブシステム１３０のための入力ポートとみなすことができ、又は、例えばケーブル１１９若しくは無線接続を介して、コンピュータ１３０の入力ポートに接続されると見なされ得る。血管内画像データは、最初に制御モジュール１２６内のメモリに記憶され得る、又はコンピュータシステム／サブシステム１３０内のメモリに記憶され得る。制御モジュール１２６がコンピュータシステム／サブシステム１３０とは別個の構成要素である場合、血管内画像データは、例えばケーブル１１９を介してコンピュータ１３０に転送され、コンピュータ１３０内の入力ポートの中に転送され得る。代替的に、装置又はプロセッサ間の通信は、ケーブル１１９ではなく、無線通信を介して実行され得る。

【0075】

制御モジュール１２６はまた、イメージング装置１２０を動作させるか、又は血管内画像データの収集を制御するように構成され得る、１つ以上の構成要素を含み得る。例えば、ＩＶＵＳシステムの場合、制御モジュール１２６は、プロセッサ、メモリ、パルス発生器、モータドライブユニット、又はディスプレイのうちの１つ以上を含み得る。別の例として、ＯＣＴシステムの場合、制御モジュール１２６は、プロセッサ、メモリ、光源、干渉計、光学系、モータドライブユニット、又はディスプレイのうちの１つ以上を含み得る。いくつかの場合では、制御モジュール１２６は、イメージングカテーテル１２０の運動を制御するように構成されているモータドライブユニットであってもよく、又はそれを含み得る。そのようなモータドライブユニットは、イメージングカテーテル１２０又はその構成要素の回転又は移動を制御し得る。いくつかの場合では、制御モジュール１２６又はモータドライブユニットは、患者１００内の制御／測定された対象内でイメージングカテーテル１２０を移動させるように構成され得る、自動移動システムを含み得る。そのような自動移動システムは、移動処置中に、イメージングカテーテル１２０（イメージング素子を含む）が血管内で開始位置から終了位置まで、一定又は既知の速度で移動されるように使用され得る。（例えば、イメージングカテーテル１２０は、既知の時間量にわたって特定の速度で移動される）。他の実施形態では、移動は手動で行われてもよい。移動処置は、例えば、「プルバック」処置（カテーテル１２０が血管を通って引っ張られる）又は「プッシュスルー」処置（カテーテル１２０が血管を通って押される）であり得る。制御モジュール１２６はまた、血管内イメージング及びデータ収集を制御するように構成されたハードウェア及びソフトウェアから構成されてもよく、又はそれらを含み得る。例えば、制御モジュール１２６は、カテーテル１２０から／カテーテル１２０へのイメージング又はデータ収集をオン／オフするための制御特徴を含み得る。

【0076】

コンピュータシステム／サブシステム１３０は、１つ以上のコントローラ若しくはプロセッサ、１つ以上のメモリ、１つ以上の入力ポート、１つ以上の出力ポート、及び／又は１つ以上のユーザインターフェースを含むことができる。コンピュータ１３０は、血管内イメージングシステム／サブシステム１０６（例えば、ＩＶＵＳ又はＯＣＴ）から又はそれを通って血管内画像データを取得し、血管外イメージングシステム／サブシステム１０４（例えば、血管造影／蛍光透視システム）から又はそれを通って血管外画像データを取得する、又は取得するように構成されている。コンピュータ１３０又はその構成要素は、標準的なカテーテル法処置に組み込まれ、画像又はビデオ取得により血管外画像データ（例えば、血管造影／蛍光透視法）及び血管内画像データ（例えば、ＩＶＵＳ又はＯＣＴ）の両方を自動的に取得するように設計されたソフトウェア及びハードウェアを含むことができる。

【0077】

コンピュータシステム／サブシステム１３０又はその構成要素は、取得された血管外画像データ及び取得された血管内画像データの血管イメージングコレジストレーションのための方法を実行するように構成されているソフトウェア又はハードウェアを含むことができる。その状況において、コンピュータ１３０は、本明細書に開示されるような血管イメージングコレジストレーションのための方法を実行するためのコンピュータ可読命令又はソフトウェアを含み得る。例えば、いくつかの点において、コンピュータは、本明細書に開示されるような血管イメージングコレジストレーションのための方法をコンピュータに実行させるプログラムコードを含むソフトウェアを含むプロセッサ又はメモリを含み得る。例えば、コンピュータ／コンピューティング装置は、本明細書に開示される血管イメージングコレジストレーションのための方法を実行するためにプロセッサによって実行可能な命令を含むプロセッサ又はメモリを含むことができる。その状況において、コンピュータ／コンピューティング装置１３０による使用のためのプログラムコードを非一時的状態で格納したコンピュータ可読媒体も本明細書に開示され、プログラムコードは、コンピューティング装置１３０に、本明細書に開示されるような血管イメージングコレジストレーションのための方法を実行させることも理解されたい。加えて、コンピュータ／コンピューティング装置１３０は、画像データを受信するための１つ以上の入力ポートと、１つ以上の出力ポートと、入力ポート及び出力ポートと通信するコントローラであって、本明細書に開示されるような血管内イメージングレジストレーションのための方法を実行するように構成されたコントローラと、を含む、血管内イメージングレジストレーションのためのシステムの一部であってもよく、又はそれを含み得る。

【0078】

コンピュータシステム／サブシステム１３０はまた、例えば、受信された画像データ又はコレジストレーション方法から導出される血管外イメージング又は血管内イメージングを含む、イメージングをレンダリング又は表示するために構成されているソフトウェア及びハードウェアを含むことができる。いくつかの場合では、コンピュータ１３０又はソフトウェアは、血管外イメージング及び血管内イメージングの両方を単一のディスプレイ上にレンダリングするように構成することができる。この点に関して、システムは、コンピュータ１３０によってレンダリングされた血管外画像データ及び血管内画像データを同時に表示するために構成されたディスプレイ１５０を含むことができる。ディスプレイ１５０は、コンピュータシステム１３０の一部であってもよく、又は、例えばコンピュータ１３０上の出力ポート及び伝送ケーブル１２１を介してコンピュータシステム１３０と通信する別個の構成要素であり得る。しかしながら、いくつかの他の場合では、出力ポートによる通信は、ケーブルによるよりもむしろ無線であり得る。いくつかの場合では、コンピュータ１３０又はディスプレイ１５０は、血管造影図、ＩＶＵＳ横断面図、及びＩＶＵＳ縦断面図を同時に提供するように構成されてもよく、これらはすべて同時とコレジストレーションされても、されなくてもよい。他の例では、ディスプレイは、血管造影図、ＯＣＴ横断面図、及びＯＣＴ縦断面図を同時に提供するように構成されてもよく、これらは同時とコレジストレーションされても、されなくてもよい。

【0079】

コンピュータシステム／サブシステム１３０はまた、他の装置にデータを転送するための１つ以上の追加の出力ポートを含むことができる。例えば、コンピュータは、データをデータアーカイブ又はメモリ１３１に転送するための出力ポートを含むことができる。コンピュータシステム／サブシステム１３０はまた、オペレータがシステムを使用するか又はシステムと相互作用することを可能にするように構成されているソフトウェア及びハードウェアを含み得る、ユーザインターフェースを含むことができる。

【0080】

システム１０２の構成要素は、移動処置中の血管外画像データ及び血管内画像データの収集を伴う血管イメージング方法又は処置中に協働して使用され得る。そのような処置を実行し、必要な画像データを取得する状況において、血管内イメージングレジストレーションのための例示的な方法が実行又は実行され得る。

【0081】

例えば、患者１００は、関心のある血管の一部分の血管外イメージングのためにテーブル１１０上に配置され得る。患者１００又はテーブルは、血管外画像データの収集に備えて、関心のある血管の所望の図を提供するように配列又は調整され得る。加えて、血管内イメージングカテーテル１２０は、血管内画像データを収集するための移動処置に備えて、関心のある血管の一部分の中へ導入され得る。血管内イメージングカテーテル１２０は、イメージング素子が移動処置のための所望の開始位置に位置するように、（多くの場合、蛍光透視下で）血管内でナビゲートされ、位置決めされることができる。ガイドカテーテルは、ナビゲーションを補助するために使用され得る。適切な位置に配置されると、移動処置が実行又は実施され得る。移動処置の前又は間に、必要な血管外及び血管内画像データを得ることができる。この状況において、又はこのプロセスの一部として、血管イメージングコレジストレーション又はレジストレーションのための例示的な方法が実行又は実施され得る。

【0082】

血管内画像データを血管外画像データとコレジストレーションすることに関する更なる詳細は、２０２１年３月５日に出願された米国特許出願第６３／１５７，４２７号に見出すことができ、この出願は、参照によりその全体が本明細書に組み込まれる。

【0083】

いくつかの場合では、血行動態データは血圧データを含み得る。一例として、大動脈内で測定された血圧を冠状動脈内などの他の場所で測定された血圧と比較する冠血流予備量比（ｆｒａｃｔｉｏｎａｌ ｆｌｏｗ ｒｅｓｅｒｖｅ、ＦＦＲ）データを取得することができる。冠状動脈を通る血流を妨げる閉塞又は他のものがない場合、冠状動脈内で測定された血圧は、大動脈で測定された血圧と同じであると予想される。ＦＦＲは、２つの血圧値の比率であると見なされ得る。比率が１未満である場合、これは、現在検査されている冠状動脈内の血圧が大動脈圧よりも低いことを意味する。これは、その特定の冠状動脈内の血流に対する遮断又は他の障害を示すことができる。いくつかの場合では、ＦＦＲ（冠血流予備量比）データなどの血行動態データは、血管造影データなどの血管外画像データとコレジストレーションされ得る。ＩＶＵＳ（血管内超音波）などの血管内画像データは、血管外画像データ内の関心のある各位置について血行動態と血管内画像データとの両方を取得するために、同じ血管外画像データとコレジストレーションされ得る。

【0084】

本開示は、多くの点で例示にすぎないことを理解されたい。本開示の範囲を超えることなく、詳細に、特に形状、サイズ、及び工程の構成に関して変更を行うことができる。これは、適切な範囲で、１つの例示的な実施形態の特徴のいずれかを他の実施形態で使用することを含むことができる。本発明の範囲は、当然のことながら、添付の特許請求の範囲が表現される言語で定義される。

【図1】

【図2A】

【図2B】

【図2C】

【図3】

【図4】

【図5】

【図6】

【図7】

【図8】

【図9】

【図10】

【図11】

【手続補正書】

【提出日】2024-08-28

【手続補正1】

【補正対象書類名】特許請求の範囲

【補正対象項目名】全文

【補正方法】変更

【補正の内容】

【特許請求の範囲】

【請求項1】

ニューラルネットワークをトレーニングすることを備え、前記ニューラルネットワークをトレーニングすることは、
複数の血管外画像データセットを前記ニューラルネットワークに提供することと、
複数の血管内画像データセットを前記ニューラルネットワークに提供することであって、各血管内画像データセットは、開始位置から終了位置までの血管の一部分を示す血管内画像データを含み、各血管内画像データセットは、前記複数の血管外画像データセットのうちの対応する血管外画像データセットとコレジストレーションされることと、
複数の血行動態データセットを前記ニューラルネットワークに提供することであって、各血行動態データセットは、前記複数の血管外画像データセットのうちの前記対応する血管外画像データセットとコレジストレーションされることと、
提供された前記複数の血管内画像データセット及び提供された前記複数の血行動態データセットであって各々が前記対応する血管外画像データセットとコレジストレーションされたものを使用する前記ニューラルネットワークが、所与の血管内画像データセットに対してどの血行動態データが予想されるかを学習し、それによってトレーニングされたニューラルネットワークを作成することと、を備え、
本方法は、前記トレーニングされたニューラルネットワークを後続の患者と共に使用することを備え、前記トレーニングされたニューラルネットワークを後続の患者と共に使用することは、
１つ以上の血管内画像を生成するために、血管内イメージング素子が前記患者の血管内で開始位置から終了位置まで移動される血管内イメージング動作を実行することと、
前記トレーニングされたニューラルネットワークが、そのトレーニングを使用して、前記血管内イメージング動作からの前記１つ以上の血管内画像に対応する血行動態値を予測することと、
予測された前記血行動態値と組み合わせて前記１つ以上の血管内画像を出力することと、
を備える、患者血行動態データを評価するための方法。

【請求項2】

前記ニューラルネットワークをトレーニングする過程で提供された前記複数の血行動態データセットのうちの少なくともいくつかは、任意の充血指数又は非充血指数によって取得された血圧データからなる、請求項１に記載の方法。

【請求項3】

前記複数の血管内画像データセットのうちの少なくともいくつかと、前記対応する血行動態データセットのうちの少なくともいくつかとは、前記対応する血管外画像データセット上の２Ｄ又は３Ｄ空間内のそれらの対応する点を使用してコレジストレーションされる、請求項１に記載の方法。

【請求項4】

前記ニューラルネットワークが、ニューラルネットワークのアンサンブル、トランスフォーマーを有するＣＮＮ（畳み込みニューラルネットワーク）、又は多層ニューラルネットワークのうちの１つ以上からなる、請求項１に記載の方法。

【請求項5】

前記ニューラルネットワークをトレーニングする過程で提供された前記複数の血管内画像データセットのうちの少なくともいくつかは、内腔境界、血管境界、側枝境界、血液スペックル密度、及び心周期パラメータなどの定量的データを含み、
前記定量的データは、前記ニューラルネットワークをトレーニングする際に使用される、
請求項１に記載の方法。

【請求項6】

前記血管内イメージング動作からの前記１つ以上の血管内画像は、解剖学的ランドマークを含み、
予測された前記血行動態値は、前記解剖学的ランドマークに近接する予測された血圧値を含む、
請求項１に記載の方法。

【請求項7】

予測された前記血行動態値と組み合わせて前記１つ以上の血管内画像を出力することは、前記１つ以上の血管内画像及び予測された前記血行動態値を信号処理ユニットのグラフィカルユーザインターフェース上に表示することを備える、請求項１～６のいずれか一項に記載の方法。

【請求項8】

信号処理ユニットのグラフィカルユーザインターフェース上に前記１つ以上の血管内画像及び予測された前記血行動態値を表示することは、完全とコレジストレーションされた予測された前記血行動態値の表示を前記血管内画像と共に表示することを備える、請求項７に記載の方法。

【請求項9】

信号処理ユニットのグラフィカルユーザインターフェース上に前記１つ以上の血管内画像及び予測された前記血行動態値を表示することは、予測された前記血行動態値の完全にトリレジストレーションされた表示を前記血管内画像及び対応する血管外画像と共に表示することを含む、請求項７に記載の方法。

【請求項10】

複数の血管内画像データセットをニューラルネットワークに提供することを備え、各血管内画像データセットは、開始位置から終了位置まで、対応する血管外画像データセットから血管外画像とコレジストレーションされた、血管の一部分を示す血管内画像データを含み、
複数の血行動態データセットを前記ニューラルネットワークに提供することを備え、各血行動態データセットは、前記複数の血管内画像データセットのうちの１つによって表されるように、開始位置から終了位置まで、前記対応する血管外画像データセットから対応する血管外画像とコレジストレーションされた、前記血管の対応する部分からの血行動態データを含み、
提供された血管内画像データセット及び前記対応する提供された血行動態データセットであって同じ血管外画像に対する各データセットのコレジストレーションからのものを使用する前記ニューラルネットワークが、所与の血管内画像データセットに対してどの血行動態データが予想されるかを学習し、それによって前記ニューラルネットワークをトレーニングすることを備え、
１つ以上の血管内画像を生成するために、イメージング素子が血管内で開始位置から終了位置まで移動される血管内イメージング動作を新規患者に対して実行することを備え、
前記ニューラルネットワークが、そのトレーニングを使用して、前記血管内イメージング動作からの前記１つ以上の血管内画像に対応する血行動態値を予測することを備え、
予測された前記血行動態値と組み合わせて前記１つ以上の血管内画像を出力することを備える、
画像データを処理するための方法。

【請求項11】

血管内画像データを血管内イメージング素子から取得することを備え、この取得は、前記血管内イメージング素子が血管内で開始位置から終了位置まで移動される移動処置の過程におけるイメージング動作を含み、前記血管内画像データは１つ以上の血管内画像を含み、
１つ以上の血管内画像の各々について予測された血圧測定値を決定するために、前記１つ以上の血管内画像をトレーニングされたニューラルネットワークに入力することを備え、
前記１つ以上の血管外画像の各々の血管内位置に対応する前記血管内の一連の血圧値を計算することを備え、
前記一連の血圧値に基づいて血圧比を計算することを備える、
患者画像データを処理するための方法。

【請求項12】

前記血管内画像データと、
血管内の点に対応する計算された血圧と
を出力することを更に備える、請求項１１に記載の方法。

【請求項13】

１つ以上の血管外画像を含む血管外画像データを取得することと、
前記１つ以上の血管外画像の各々の血管内位置を決定するために、前記血管内画像データを前記血管外画像データとコレジストレーションすることと
を更に備える、請求項１１に記載の方法。

【請求項14】

前記血管内画像データ及び前記血管内の点に対応する計算された血圧点と組み合わせて、コレジストレーションされた前記血管外画像データを出力することをも更に備える、請求項１３に記載の方法。

【請求項15】

血管外画像データを取得することは、前記開始位置から前記終了位置までの前記血管に対応する血管外画像データを取得することを含む、請求項１１～１４のいずれか一項に記載の方法。

【国際調査報告】