JP7696776B2 - 複数の画像化モダリティを使用する有機組織内の瘢痕領域の自動識別 - Google Patents

Description

（関連出願の相互参照）
本願は、２０２０年７月２９日に出願された米国仮特許出願第６３／０５８，４３９号の利益を主張し、当該特許文献は、参照により完全に記載されるかのように組み込まれる。

（発明の分野）
本発明は、人工知能及び機械学習の方法及びシステムに関する。より具体的には、本発明は、複数の画像化モダリティに基づいて有機組織内の瘢痕領域を自動的に識別するシステム及び方法に関する。

心不整脈などの心臓疾患の治療には、多くの場合、心臓撮像（すなわち、心臓組織、心腔、静脈、動脈及び／又は経路などの画像化。これは、心臓スキャン又は心撮像としても知られる）が必要である。心臓撮像では、瘢痕組織を識別できるため、心臓基質の特性評価と不整脈メカニズムの理解を可能にする。例として超音波撮像及び磁気共鳴画像法（ＭＲＩ）を含む従来の画像化モダリティは、瘢痕組織を識別するために使用することができるが、それらに限定されない。超音波撮像はすぐに利用できるリアルタイムツールであるが、超音波撮像はオペレータに依存し（それによって結果を主観的な解釈にさらし）、他の従来の画像化モダリティと比較して解像度が低い。ＭＲＩは、ガドリニウム遅延造影（ＬＧＥ）技術を利用し、超音波画像診断よりも高い解像度を出力する。

しかし、ＭＲＩにはリアルタイムの可用性がなく、比較的高価であり、結果として得られた電圧マッピングは、心臓組織の深さ全体を評価する能力がない。従来の画像化モダリティの制限により、心臓撮像のための改善方法を提供する必要がある。

一実施形態によれば、メモリに結合されたプロセッサを使用して瘢痕組織識別子を実装するための方法及び装置が提供される。方法及び装置は、第１のモダリティ及び第２のモダリティを受信する。第１のモダリティは第１のタイプである。第２のモダリティは、第１のタイプとは異なる第２のタイプである。第１のモダリティ及び第２のモダリティのそれぞれは、第１のタイプ及び第２のタイプに従って患者の有機組織をそれぞれ示す。方法及び装置は、第１のモダリティ及び第２のモダリティを相互参照し、相互参照に基づいて第１のモダリティの改善された画像データを生成する。改善された画像データは、第１のモダリティの元のデータよりも高い精度又はより高い解像度を含む。

１つ以上の実施形態によれば、上記方法の実施形態は、装置、システム、及び／又はコンピュータプログラム製品内で実施することができる。

より詳細な理解は、添付の図面と併せて例として示される以下の説明より得ることができ、図中の同様の参照番号は、同様の要素を示す。
本開示の主題の１つ以上の特徴が実施され得る例示的なシステムの略図である。 患者の生体指標を遠隔監視及び伝達するための例示的なシステムのブロック図である。 人工知能システムの図解である。 図３の人工知能システムで実行される方法のブロック図である。 複数の画像化モダリティに基づいて有機組織内の瘢痕領域を自動的に識別する方法のブロック図である。 複数の画像化モダリティに基づいて有機組織内の瘢痕領域を自動的に識別する方法のブロック図である。 本システムのデータ準備及び訓練を示す図である。 本システムの例示的なアーキテクチャを示す図である。 図９は図８のマップマージ段階の可能なアーキテクチャを示す図である。 本明細書に記載の実施形態によるニューラルネットワークを使用するシステムを示す図である。 本明細書に記載の実施形態によるニューラルネットワークを使用するシステムを示す図である。

人工知能及び機械学習の方法及びシステムが本明細書に開示される。より具体的には、本開示は、複数の画像化モダリティに基づいて有機組織（例えば、心臓）内の瘢痕領域を自動的に識別するシステム及び方法に関する。システム及び方法は、あるモダリティを、他のモダリティに基づいて改善するために、医療デバイス機器によるプロセス操作及びそのハードウェアの処理に必然的に根ざしたプロセッサ実行可能コード又はソフトウェアを含む。一実施形態によれば、システム及び方法は、複数の画像化モダリティの特定のマルチステップデータ操作を提供し、これは、より良い診断をサポートする従来の画像化モダリティよりも正確で高い解像度のリアルタイム画像データを提供する（例えば、このリアルタイム画像データは従来の画像化モダリティでは利用できないため）。この点に関して、また操作中に、システム及び方法は異なるモダリティを相互参照し、単一のモダリティの発見を強化する。

例えば、瘢痕組織を識別するために動作するシステム及び方法は、患者（例えば、心臓）の有機組織の超音波からの１つ以上の画像（例えば、第１の／同じタイプの第１のモダリティの少なくとも１つ）及びＬＧＥ－ＭＲＩからのデータ（例えば、第２の／異なるタイプの第２のモダリティ）にアクセスする、又はそれを受信する。次に、瘢痕組織を識別するように動作するシステム及び方法は、超音波画像のそれぞれの場所をＬＧＥ－ＭＲＩデータ上の対応する場所と比較及び照合することにより、それらの超音波画像をＬＧＥ－ＭＲＩデータに相互参照する（例えば、電圧に基づく）。このように、瘢痕組織を識別するように動作するシステム及び方法は、画像化処理（及び／又は他の方法）を利用し、相互参照を実施し、ＬＧＥ－ＭＲＩデータに基づいて超音波画像のデータを調整及び解釈する。調整及び解釈後の超音波画像のデータは、瘢痕組織を識別して有機組織内の瘢痕領域を自動的に識別するように動作するシステム及び方法によって使用される。

瘢痕組織を識別するために動作するシステム及び方法の技術的効果及び利点は、（従来の画像化モダリティのように）人間のオペレータの主観的な解釈に依存することなく、超音波画像のより正確で高い解像度のリアルタイム画像データ（例えば、第１のモダリティの元のデータよりも高い精度又はより高い解像度）を生成することを含んでいる。瘢痕組織と生成されたリアルタイム画像データとを識別するために動作するシステム及び方法はまた、有機組織の深さ全体の評価も可能にし、従来の超音波撮像の低解像度を克服し、ＭＲＩと比較して比較的安価で利用可能である。瘢痕組織を識別するために動作するシステム及び方法は、心房細動、心房粗動、一般的な電気生理学、不整脈、心室細動、心室頻拍などの１つ以上の病状に対処するために、アブレーション超音波技術、損傷部の計画と診断、及び磁気共鳴の評価と診断に実際に適用され得るが、それらに限定されない。

図１は、本開示の主題の１つ以上の特徴が実施され得る例示的なシステム１００（例えば、医療デバイス機器）の略図である。システム１００の全て若しくは一部を使用して、画像化データセット（例えば、訓練データセット）の情報を収集することができ、かつ／又はシステム１００の全て若しくは一部を使用して、本明細書に記載の瘢痕組織識別子を実装することができる。

システム１００は、血管内超音波及び／又はＭＲＩカテーテル法を使用して体内器官を画像化するように構成されたカテーテル１０５などの構成要素を含み得る。カテーテル１０５はまた、心臓の電気信号（例えば、心内信号）を含む生体データを取得するように更に構成することができる。カテーテル１０５はポイントカテーテルであることが示されるが、１つ以上の要素（例えば、電極、トラッキングコイル、圧電変換器など）を含む任意の形状のカテーテルを使用し、本明細書に開示される実施形態を実施することができることが理解される。

システム１００は、プローブ１１０を含み、そのプローブは、医師又は医療専門家１１５がベッド（又はテーブル）１３０上に横たわっている患者１２５の心臓１２０などの身体部分の中にナビゲートすることができる、シャフトを有する。実施形態によれば、複数のプローブが提供されてもよいが、簡潔にするため、本明細書には単一のプローブ１１０が記載される。しかし、プローブ１１０は、複数のプローブを表し得ることが理解される。

例示的なシステム１００は、心臓疾患を検出、診断、及び治療するために利用することができる（例えば、瘢痕組織識別子を使用する）。心不整脈（特に、心房細動）などの心臓疾患は、特に老年人口において一般的かつ危険な医療疾患として持続している。正常な洞調律を有する患者（例えば、患者１２５）において、心臓（例えば、心臓１２０）は、心房、心室、及び興奮伝達組織を含み、電気的に刺激され、同期的にパターン化された様式で脈動する（この電気的な興奮が、心内信号などとして検出され得ることに留意する）。

心不整脈を有する患者（例えば、患者１２５）において、心組織の異常領域は、正常な洞調律を有する患者内におけるような、正常な導電性組織に関連した同期鼓動周期には従わない。逆に、心組織の異常領域は、隣接組織に異常に伝わり、それによって、心サイクルを非同期心臓リズムへと混乱させる（この非同期心臓リズムもまた、心内信号として検出され得ることに留意されたい）。このような異常な伝導は、以前から知られており、房室（atrioventricular、ＡＶ）ノードの伝導路に沿った、例えば、洞房（sino-atrial、ＳＡ）ノードの領域内において、又は心室及び心房の心腔の壁を形成する心筋組織内において、心臓（例えば、心臓１２０）の様々な領域で起こる。

更に、心房不整脈を含む心不整脈は、多重小波リエントラント型である場合があり、心房の周りで散乱され、また多くの場合、自己伝播する電気インパルスの複数の非同期ループによって特徴付けられる（例えば、心内信号の別の例）。代替的に、又は多重小波リエントラント型に追加して、心不整脈はまた、心房内の組織の孤立領域が急速な反復の様式で自律的に興奮するときなどの、局所的な起源を有する可能性もある（例えば、心内信号の別の例）。心室頻拍（Ｖ－ｔａｃｈ又はＶＴ）は、心室のうちの１つにおいて起こる頻脈症又は高速な心律動である。これは、心室細動及び突然死につながり得るため、潜在的に致死性の不整脈である。

不整脈の１つのタイプである心房細動は、洞房結節によって生成される正常な電気インパルス（例えば、心内信号の別の例）が、心房及び肺静脈内で生じる無秩序な電気インパルス（例えば、信号干渉）によって圧倒され、不規則なインパルスを心室に伝導させるときに発生する。結果的に不規則な心拍が生じ、これは、数分から数週間、又は更に数年間、持続する場合がある。心房細動（ＡＦ）は、多くの場合、脳卒中による場合が多い死亡のリスクの僅かな増加を招く、慢性的な症状である。ＡＦに関する第一選択の治療法は、心拍数を減らすか、又は心拍リズムを正常に戻す投薬治療である。更には、ＡＦを有する患者は、脳卒中のリスクから守るために、抗凝血剤を与えられる場合が多い。そのような抗凝血剤の使用は、それ自体のリスクである内出血を伴う。一部の患者では、投薬治療は十分ではなく、それら患者のＡＦは、薬剤不応、すなわち、標準的な薬理学的介入では治療不可能であると判断される。同期電気的除細動もまた、ＡＦを通常の心律動に変換するために使用することができる。あるいは、ＡＦの患者は、カテーテルアブレーションによって治療される。

カテーテルアブレーションベースの治療に、心臓組織、特に心内膜及び心臓容積の電気的特性をマッピングすること、並びにエネルギーの印加によって心臓組織を選択的にアブレーションすることが含まれてもよい。心臓マッピング（心臓撮像の例）は、心臓組織に沿った波動伝搬の電位のマップ（例えば、電圧マップ）、又は様々な組織に位置する点への到着時間のマップ（例えば、現地時間活性化（ＬＡＴ）マップ）の作成を含む。心臓マッピング（例えば、心臓マップ）は、局所的な心臓組織の機能不全を検出するために使用され得る。心臓マッピングに基づくアブレーションなどのアブレーションは、心臓のある部分から他の部分への不要な電気信号の伝播を停止又は変更し、正常な洞調律を回復させることができる。

アブレーション法は、非伝導性の損傷部を形成することによって望ましくない電気経路を破壊するものである。損傷部を形成するための様々なエネルギー送達様式が開示され、心臓組織壁に沿って伝導ブロックを作成するためのマイクロ波、レーザー、冷凍アブレーション、及びより一般的には、無線周波エネルギーの使用が含まれる。マッピングに続いてアブレーションを行う２段階の処置において、心臓内の各点における電気活動は、通常、１つ以上の電気センサ（例えば、カテーテル１０５の少なくとも１つのアブレーション電極１３４）を含むカテーテル（例えば、カテーテル１０５）を心臓（例えば、心臓１２０）内部に前進させること、及び多数の点におけるデータを取得することによって、検知及び測定される。次に、このデータ（例えば、心内信号及び３Ｄ位置を含む生体データ）は、アブレーションが実行される心内膜の標的領域を識別するために使用される。例示的なシステム１００（例えば、医療デバイス機器）によって採用される瘢痕組織識別子の使用により、より正確でより高い解像度のリアルタイム画像データが、より良い診断をサポートするために提供されることに留意されたい。

臨床医が心房細動及び心室頻拍などの困難な疾患を治療する際の心臓アブレーション及び他の心臓電気生理学的処置は、ますます複雑化している。複雑な不整脈の治療は現在、関心対象の心腔の解剖学的構造を再構成するために、３次元（３Ｄ）マッピングシステムの使用に依存している。この点については、本明細書の例示的なシステム１００（例えば、医療デバイス機器）によって使用される瘢痕組織識別子は、心臓疾患を治療するための改善された画像、スキャン、及び／又はマップを生成できるように、基礎となるリアルタイム画像データを提供する。

例えば、心臓内科医は、心内電気記録図（ＥＧＭ）を生成及び分析するために、Ｂｉｏｓｅｎｓｅ Ｗｅｂｓｔｅｒ Ｉｎｃ．（Ｉｒｖｉｎｅ，Ｃａｌｉｆ．）製ＣＡＲＴＯ（登録商標）３ ３ＤマッピングシステムのＣｏｍｐｌｅｘ Ｆｒａｃｔｉｏｎａｔｅｄ Ａｔｒｉａｌ Ｅｌｅｃｔｒｏｇｒａｍｓ（ＣＦＡＥ）モジュールなどのソフトウェアに依存する。例示的なシステム１００（例えば、医療デバイス機器）の瘢痕組織識別子は、このソフトウェアを強化し、改善された心内画像、スキャン、及び／又はマップを生成及び分析し、非通常型心房粗動及び心室頻拍を含む広範囲の心臓疾患の治療のために切除点を決定できるようにする。

瘢痕組織識別子によってサポートされる改善された画像、スキャン、及び／又はマップは、それらの困難な不整脈の心臓基質（解剖学的及び機能的）を表す体内器官（例えば、心臓及び／又は瘢痕組織を含む有機組織）の電気生理学的特性に関する複数の情報を提供できる。

病因の異なる心筋症（虚血性、拡張型心筋症（dilated cardiomyopathy、ＤＣＭ）、肥大型心筋症（hypertrophic cardiomyopathy、ＨＣＭ）、不整脈原右室異形成症（arrhythmogenic right ventricular dysplasia、ＡＲＶＤ）、左心室緻密化障害（left ventricular non-compaction、ＬＶＮＣ）等）は、識別可能な基質を有し、正常に機能している心筋細胞領域で囲まれている不健康な組織領域を特徴とする。

異常組織は、一般に、低電圧のＥＧＭを特徴とする。しかしながら、心内膜－心外膜マッピングにおける初期の臨床経験によって、低電圧の領域は、こうした患者における唯一の不整脈発生機序として常に存在するとは限らないことが示されている。実際に、低又は中間電圧の領域は、洞調律中にＥＧＭ細分化及び遅延活動を示す場合があり、これは、持続性及びまとまりのある心室不整脈時に特定される重大な狭窄部に対応し、例えば、不耐用心室頻拍のみに当てはまる。更に、多くの場合、ＥＧＭ細分化及び遅延活動は、正常な又はほぼ正常な電圧振幅（１超～０．５ｍＶ）を示す領域で観察される。後者の領域は、電圧振幅に従って評価することができるが、心内信号によれば正常とはみなされず、したがって真の不整脈原性基質を表している。３Ｄマッピングは、主要疾患の進展によって分布にばらつきがあり得る、右／左心室の心内膜及び／又は心外膜層上の不整脈原性基質の位置を特定することができる。

これらの心臓疾患に関係している基質が、心室腔（右及び左）の心内膜及び／又は心外膜層の細分化された遅延ＥＧＭの存在と関連付けられる。ＣＡＲＴＯ（登録商標）３などの３Ｄマッピングシステムは、異常ＥＧＭ検出に関して、心筋症の潜在的な不整脈惹起性基質の位置を特定することができる。

電極カテーテル（例えば、カテーテル１０５）は、医療行為中に使用される。電極カテーテルを使用して、心臓内の電気活動を刺激及びマッピングし、異常な電気活動の部位をアブレーションする。使用中、電極カテーテルは、大腿動脈などの主要な静脈又は動脈に挿入され、次に心腔にガイドされる。典型的なアブレーション処置は、その遠位端に少なくとも１つの電極を有するカテーテルを心腔内に挿入することを伴う。参照電極が、一般的には患者の皮膚にテープで貼り付けられるか、あるいは心臓内又は心臓付近に位置付けられている第２のカテーテルによって、提供される。高周波（Radio frequency、ＲＦ）電流がアブレーションカテーテルの先端電極に印加され、基準電極に向かって先端電極の周囲の媒質、すなわち、血液及び組織に電流が流れる。電流の分布は、組織より高い導電性を有する血液と比較した場合、組織と接触している電極表面の量に依存する。組織の加熱は、組織の電気抵抗に起因して生じる。組織が十分に加熱されると、心臓組織において細胞破壊が引き起こされ、結果として、非電導性である心臓組織内に損傷部が形成される。このプロセスの間に、加熱された組織から電極自体への伝導によって電極も加熱される。電極温度が十分に高くなる、場合によっては、摂氏６０度を上回る場合、脱水した血液たんぱく質の薄い透明被膜が、電極の表面上に形成され得る。温度が上昇し続けると、この脱水層が徐々に厚くなり得、電極表面上に血液が凝固する。脱水された生物学的材料は、心内膜組織よりも高い電気抵抗を有するため、電気エネルギーの組織内部への流れに対するインピーダンスもまた増大する。インピーダンスが十分に高くなる場合、インピーダンス上昇が起こり、カテーテルを身体から抜き取り、先端電極を洗浄しなければならない。

心不整脈などの心臓疾患の治療は、多くの場合、心組織、心腔、静脈、動脈、及び／又は電気的経路の詳細なマッピングを取得することを必要とする。例えば、カテーテルアブレーションを支障なく実施するための前提条件は、心不整脈の原因を心腔内で正確に位置特定することである。そのような位置特定は、電気生理学的調査によって行われ得、その調査の間に、電位は、心腔内に導入されるマッピングカテーテルによって空間的に分解されて検出される。この電気生理学的検査、いわゆる電気解剖学的マッピングは３Ｄマッピングデータを提供し、これをモニタ上に表示することができる。多くの場合、マッピング機能及び治療機能（例えば、アブレーション）は単一のカテーテル又は一群のカテーテルによって提供され、マッピングカテーテルはまた、同時に治療（例えば、アブレーション）カテーテルとしても動作する。この場合、瘢痕組織識別子は、カテーテル１０５によって直接記憶及び実行することができる。

心臓（例えば、１２０）の心臓領域、組織、静脈、動脈、及び／又は電気的経路などの心臓領域のマッピングにより、結果として、瘢痕組織、不整脈源（例えば、電気ロータ）、健康領域などの問題領域を特定することができる。心臓領域は、本明細書で更に開示されるように、マッピングされた心臓領域の視覚的レンダリングがディスプレイを使用して提供されるようにマッピングすることができる。更に、心臓マッピング（心臓撮像の例）は、局所活性化時間（ＬＡＴ）、電気活動、トポロジー、双極マッピング、優位周波数、又はインピーダンスなどであるがそれらに限定されない１つ以上のモダリティに基づくマッピングを含み得る。複数のモダリティに対応するデータは、患者の身体内に挿入されたカテーテルを使用して捕捉することができ、対応する設定値及び／又は医療専門家の選好に基づいて、同時に又は異なる時点でレンダリングするために提供することができる。

心臓マッピングは、１つ以上の技術を使用して実施することができる。第１の技術の一例として、心臓マッピングは、心臓組織、例えば、ＬＡＴの電気的特性を、心臓内の正確な場所の関数として検知することによって、実施することができる。その対応するデータは、遠位先端に電気及び場所センサを有するカテーテルを使用して、心臓内に前進される１つ以上のカテーテルを用いて取得することができる。具体的な例として、場所及び電気活動は、心臓の内側表面上の約１０～約２０箇所の点で最初に測定することができる。これらのデータ点は一般的に、心臓表面の予備復元又はマップを満足な品質で生成するのに十分であり得る。この予備マップは、心臓の電気活動のより包括的なマップを生成するために、追加の点において取得されたデータと結合され得る。臨床的な状況において、心腔の電気活動の詳細で包括的なマップを生成するために、１０００以上の部位にデータを集積することは珍しいことではない。その後、生成された詳細なマップは、心臓の電気活動の伝播を改変させ正常な心調律を回復させるための治療上の行動指針、例えば、組織のアブレーションに関する決定を下すための基準となり得る。

図１に戻ると、注目の心臓撮像を実施するために、医療専門家１１５は、カテーテル１０５の近位端近くのマニピュレータ１３８及び／又はシース１３６からのたわみを使用してシャフト１３７の遠位端を操作しながら、シース１３６を通してシャフト１３７を挿入し得る。挿入図１４０に示すように、カテーテル１０５は、シャフト１３７の遠位端において装着することができる。カテーテル１０５は、折り畳まれた状態でシース１３６を通して挿入されてもよく、次いで、心臓１２０内で拡張されてもよい。本明細書に更に記載されるように、カテーテル１０５は、少なくとも１つのアブレーション電極１３４及びカテーテル針を含むことができる。

実施形態によれば、カテーテル１０５は、心臓１２０の心腔の組織領域をアブレーションするように構成することができる。挿入図１５０は、心臓１２０の心腔内のカテーテル１０５を拡大図で示す。図に示すように、カテーテル１０５は、カテーテルの本体に結合された少なくとも１つのアブレーション電極１３４を含むことができる。他の実施形態によれば、カテーテル１０５の形状を形成するスプラインを介して複数の要素を接続することができる。１つ以上の他の要素（図示せず）を設けることができ、それらは、アブレーションを行うか又は生体データを取得するように構成された任意の要素であってよく、電極、トランスデューサ又は１つ以上の他の要素であり得る。

本明細書に開示される実施形態によれば、少なくとも１つのアブレーション電極１３４などのアブレーション電極は、エネルギーを心臓１２０などの体内器官の組織領域に供給するように構成することができる。エネルギーは、熱エネルギーであってもよく、組織領域の表面から始まって組織領域の厚さに延びる組織領域への損傷を引き起こす可能性がある。

本明細書に開示される複数の実施形態によれば、生体データは、ＬＡＴ、電気活動、トポロジー、双極マッピング、優位周波数、インピーダンスなどのうちの１つ以上を含んでもよい。このＬＡＴは、正規化された初期開始点に基づいて計算された局所活性化に対応する閾値活動の時点であり得る。電気活動は、１つ以上の閾値に基づいて測定され得る任意の適用可能な電気信号であってよく、信号対ノイズ比及び／又は他のフィルタに基づいて、検知及び／又は拡張され得る。トポロジーは、身体部分又は身体部分の一部の物理的構造に対応し得、身体部分の異なる部分に関する、又は異なる身体部分に関する物理的構造における変化に対応し得る。インピーダンスは、身体部分の所与の領域における抵抗測定値であり得る。

図１に示すように、プローブ１１０及びカテーテル１０５は、コンソール１６０に接続することができる。コンソール１６０は、本明細書に記載の瘢痕組織識別子を使用するコンピューティングデバイス１６１を含み得る。一実施形態によれば、コンソール１６０及び／又はコンピューティングデバイス１６１は、少なくともプロセッサ及びメモリを含み、プロセッサは、本明細書に記載の瘢痕組織識別子に関してコンピュータ命令を実行し、メモリは、プロセッサによる実行のための命令を記憶する。

コンピューティングデバイス１６１は、汎用コンピュータなどの、ソフトウェア及び／又はハードウェアを含む任意のコンピューティングデバイスとすることができ、カテーテル１０５間で信号を送信及び受信し、並びにシステム１００の他の構成要素を制御するための適切なフロントエンド及びインターフェース回路１６２を備える。コンピューティングデバイス１６１は、通常、フィールドプログラマブルゲートアレイ（field programmable gate array、ＦＰＧＡ）として構成されるリアルタイムノイズ削減回路を含むことができ、その後に、アナログデジタル（analog-to-digital、Ａ／Ｄ）心電計又は筋電図（electromyogram、ＥＭＧ）信号変換集積回路が続く。コンピューティングデバイス１６１は、Ａ／Ｄ ＥＣＧ又はＥＭＧ回路から別のプロセッサに信号を通過させることができ、かつ／又は本明細書に開示される１つ以上の機能を実行するようにプログラムすることができる。例えば、１つ以上の機能は、第１のモダリティ及び第２のモダリティを受信することと、第１のモダリティ及び第２のモダリティを相互参照することと、相互参照に基づいて第１のモダリティの改善された画像データを生成することとを含む。フロントエンド及びインターフェース回路１６２は、コンソール１６０が少なくとも１つのアブレーション電極１３４から信号を受信し、かつ／又はそのアブレーション電極に信号を伝送するのを可能にする入力／出力（input/output、Ｉ／Ｏ）通信インターフェースを含む。

いくつかの実施形態では、コンピューティングデバイス１６１は、電気活動などの生体データを受信し、所与の組織領域が電気を伝導するかどうかを判定するように更に構成することができる。ある実施形態によれば、コンピューティングデバイス１６１は、コンソール１６０の外部にあってもよく、例えば、カテーテル内、外部デバイス内、モバイルデバイス内、クラウドベースデバイス内に配置されてもよく、又は独立型プロセッサであってもよい。

上述したように、コンピューティングデバイス１６１は、本明細書に記載の瘢痕組織識別子の機能を実行するようにソフトウェアでプログラムされ得る汎用コンピュータを含み得る。ソフトウェアは、例えば、ネットワーク上で、電子形式で汎用コンピュータにダウンロードされてもよく、あるいは代替的に又は追加的に、磁気メモリ、光学メモリ、若しくは電子メモリなどの非一時的有形媒体（例えば、ランダムアクセスメモリ又はハードディスクドライブなどの任意の適切な揮発性及び／又は不揮発性メモリ）上に提供及び／又は記憶されてもよい。図１に示す例示的な構成は、本明細書に開示される実施形態を実施するように修正され得る。本開示の実施形態は、他のシステム構成要素及び設定を使用して、同様に適用することができる。更に、システム１００は、電気活動を検知するための要素、有線又は無線コネクタ、処理及びディスプレイデバイスなどの追加の構成要素を含み得る。

ある実施形態によれば、ディスプレイ１６５が、コンピューティングデバイス１６１に接続される。処置中、コンピューティングデバイス１６１は、ディスプレイ１６５上での医療専門家１１５に対する身体部分レンダリングの提示を容易にし、身体部分レンダリングを表すデータをメモリ内に記憶することができる。いくつかの実施形態では、医療専門家１１５は、タッチパッド、マウス、キーボード、ジェスチャ認識装置などの１つ以上の入力デバイスを使用して身体部分レンダリングを操作することが可能であってもよい。例えば、入力デバイスを使用して、カテーテル１０５の位置を変更することができ、その結果、レンダリングが更新される。代替的な実施形態では、ディスプレイ１６５は、身体部分レンダリングを提示することに加えて、医療専門家１１５からの入力を受け取るように構成され得るタッチスクリーンを含むことができる。ディスプレイ１６５は、同じ場所、若しくは別個の病院などの遠隔地、又は別個の健康管理提供業者ネットワーク内に設置されてもよいことに留意されたい。更に、システム１００は、外科手術システムの一部であってもよく、その外科手術システムは、心臓１２０などの患者の器官の解剖学的及び電気的測定値を取得し、心臓のアブレーション処置を実行するように構成される。かかる外科用システムの一例は、Ｂｉｏｓｅｎｓｅ Ｗｅｂｓｔｅｒにより販売されているＣａｒｔｏ（登録商標）システムである。

コンソール１６０は、ケーブルによって、身体表面電極に接続することができ、その身体表面電極は、患者１２５に貼り付けられる粘着性皮膚パッチを含むことができる。プロセッサは、電流追跡モジュールと連動して、患者１２５の身体部分（例えば、心臓１２０）の内側のカテーテル１０５の位置座標を決定することができる。位置座標は、身体表面電極と、カテーテル１０５の電極又は他の電磁部品（例えば、少なくとも１つのアブレーション電極１３４）との間で測定されるインピーダンス又は電磁場に基づくことができる。追加的に、又は代替的に、位置パッドが、ベッド１３０の表面上に配置されてもよく、またベッド１３０から分離されてもよい。

システム１００はまた、及び任意選択で、超音波、コンピュータ断層撮影（ＣＴ）、ＭＲＩ、又は当技術分野で知られている他の医用画像技術を使用して心臓１２０の解剖学的測定などの生体データを取得することができる。システム１００は、カテーテル、又は心臓１２０の電気的特性を測定する他のセンサを使用して、ＥＣＧ又は電気的測定値を取得することができる。次いで、解剖学的及び電気的測定値を含む生体データは、コンソール１６０の非一時的有形媒体内に記憶することができる。生体データは、非一時的有形媒体からコンピューティングデバイス１６１に送信することができる。代替的に、又は追加的に、生体データは、本明細書で更に記載するようなネットワークを使用して、ローカル又はリモートであってよいサーバに送信されてもよい。

１つ以上の実施形態によれば、位置センサを含むカテーテルを使用して、心臓表面上の点の軌跡を決定することができる。これらの軌跡を使用して、組織の収縮力などの運動特性を推測することができる。このような運動特性を示すマップは、軌跡情報が心臓１２０内の十分な数の点においてサンプリングされるときに構築することができる。

心臓１２０内のある点における電気活動は、通常、遠位先端（例えば、少なくとも１つのアブレーション電極１３４）に又はその近くに電気的センサを収容するカテーテル１０５を、心臓１２０内のその点へと前進させることによって測定することができ、組織をセンサに接触させて、その点でのデータを取得する。単一の遠位先端電極のみを収容するカテーテル１０５を使用して、心腔をマッピングするのに伴う１つの欠点は、全体としての心腔の詳細マップのために必要とされる必須の点の数にわたって、点ごとにデータを蓄積するのに必要とされる期間が長いことである。したがって、心腔内の複数の点における電気活動を同時に測定するために、多電極カテーテルが開発されてきた。

多電極カテーテルは、複数の電極を有する線形カテーテル、バルーンを形作る複数の骨材上に配設された電極を含むバルーンカテーテル、複数の電極を有するラッソーカテーテル若しくはループカテーテル、又は任意の他の適用可能な形状などの任意の適用可能な形状を使用して実装することができる。線形カテーテルは、受信した信号に基づいて及び／又は線形カテーテルへの外力（例えば、心組織）の印加に基づいてねじれる、屈曲する、又は別様にその形状を変化させることができるように、全体的に又は部分的に弾性であってもよい。バルーンカテーテルは、患者の身体内に展開されたときに、その電極が心内膜表面に対して密着して保持され得るように設計されてもよい。例として、バルーンカテーテルは、肺静脈（pulmonary vein、ＰＶ）などの管腔内に挿入されることができる。バルーンカテーテルは、収縮した状態でＰＶ内に挿入されることができ、その結果、バルーンカテーテルは、ＰＶ内に挿入されている間、ＰＶの最大容量を占有しない。バルーンカテーテルは、ＰＶの内側でバルーンカテーテル上のそのようなそれらの電極がＰＶの円形領域全体と接触している状態で膨張することができる。ＰＶの円形部分全体、又は任意の他の管腔とのこのような接触は、効率的なマッピング及び／又はアブレーションを可能にし得る。

ある例によれば、多電極カテーテルを心臓１２０の心腔内に前進させることができる。背腹方向（anteroposterior、ＡＰ）及び横方向の蛍光図を取得して、電極の各々の位置及び配向を確立することができる。ＥＧＭは、身体表面ＥＣＧからの洞調律におけるＰ波の発生などの一時的な基準に対して、心臓表面と接触している電極の各々から記録することができる。本明細書で更に開示されるシステムは、電気的活動を記録する電極と、心内膜壁に近接していないことにより電気的活動を記録しない電極とを区別することができる。最初のＥＧＭが記録された後、カテーテルを再配置することができ、蛍光図及びＥＧＭを再度記録することができる。次いで、電気マップが、上記のプロセスの繰り返しから構築され得る。

ある例によれば、心臓マッピングは、心内電位場の検出に基づいて生成され得る。大量の心臓電気的情報を同時に取得するために非接触的な方法を実施することができる。例えば、遠位端部分を有するカテーテルが、その表面全体にわたって分布され、かつ信号感知及び処理手段に接続するための絶縁導電体に接続された一連のセンサ電極を備え得る。端部のサイズ及び形状は、電極が心腔の壁から大きな間隔を隔てて配置されるようなものとすることができる。心内電位場は、１回の心拍の間に検出することができる。一例によれば、センサ電極は、平面内に互いに間隔を置いて位置する一連の円周上に分布させることができる。これらの平面は、カテーテルの端部の長軸に対して垂直であってよい。少なくとも２個の更なる電極を、端部の長軸の両端に隣接して設けることができる。より具体的な例として、カテーテルは、各円周上に等角で間隔を置いて配置された８個の電極を有する４つの円周を含んでもよい。したがって、この特定の実施形態では、カテーテルは、少なくとも３４個の電極（３２個の周方向電極と２個の端部電極）を含むことができる。

別の例によれば、非接触及び非拡張多電極カテーテルに基づく電気生理学的心臓マッピングシステム及び技術を実施することができる。ＥＧＭは、複数の電極（例えば、４２～１２２個の電極）を有するカテーテルを用いて得ることができる。この実現形態によれば、プローブ及び心内膜の相対的な幾何学的形状の知識を、経食道心エコー法などの独立した画像化モダリティなどによって得ることができる。独立した撮像の後、非接触電極を使用して、心臓表面電位を測定し、そこからマップを構築することができる。この技術は、以下のステップ（独立した撮像ステップの後）を含んでもよい。すなわち、（ａ）心臓１２０内に配置されたプローブ上に配設された複数の電極を用いて電位を測定するステップ、（ｂ）プローブ表面と心内膜表面との幾何学的関係を決定するステップ、（ｃ）プローブ表面と心内膜表面との幾何学的関係を表す係数の行列を生成するステップ、及び（ｄ）電極電位及び係数の行列に基づいて心内膜電位を決定するステップ。

別の例によれば、心腔の電位分布をマッピングするための技術及び装置を実施することができる。心臓内多電極マッピングカテーテルアセンブリが、患者の心臓１２０内に挿入されてもよい。このマッピングカテーテルアセンブリは、一体型基準電極を有する多電極アレイ、又は好ましくは、コンパニオン基準カテーテルを含むことができる。これらの電極は、実質的に球状のアレイの形態で展開することができる。電極アレイは、基準電極によって、又は心内膜表面に接触する基準カテーテルによって、心内膜表面上のある点に対して空間的に参照され得る。好ましい電極アレイカテーテルは、多数の個々の電極部位（例えば、少なくとも２４個）を有することができる。加えて、この例の方法は、アレイ上の各電極部位の場所を知ること、及び心臓の幾何学的形状を知ることで実施することができる。これらの場所は好ましくは、インピーダンスプレチスモグラフィ法によって決定される。

別の例によれば、心臓マッピングカテーテルアセンブリは、多数の電極部位を画定する電極アレイを含むことができる。このマッピングカテーテルアセンブリはまた、心臓壁を精査するために使用され得る遠位先端電極アセンブリを有する基準カテーテルを受け入れるための管腔を含むこともできる。マッピングカテーテルは、絶縁線の編組を含んでもよく、線のそれぞれは、電極部位を形成するために使用され得る。このカテーテルは、非接触電極部位の第１のセット及び／又は接触電極部位の第２のセットから電気活動情報を取得するために使用されるように、心臓１２０で容易に配置可能であり得る。

別の例によれば、心臓内の電気生理学的活動をマッピングするための別のカテーテルを実装することができる。カテーテル本体は、心臓をペーシングするための刺激パルスを供給するように適合される遠位先端、又はその先端と接触する組織をアブレーションするためのアブレーション電極を含むことができる。カテーテルは、少なくとも一対の直交電極を更に含んでもよく、その直交電極は、その直交電極に隣接する局所的な心臓電気活動を示す差信号を生成する。

別の実施例によれば、心腔内の電気生理学データを測定するためのプロセスを実施することができる。この方法は、部分的に、能動電極と受動電極のセットを心臓１２０内に配置すること、電流を能動電極に供給することによって心腔内に電場を発生させること、及び受動電極部位において電場を測定すること、を含むことができる。受動電極は、バルーンカテーテルの膨張可能なバルーン上に配置されたアレイに含まれる。好ましい実施形態では、アレイは６０～６４個の電極を有すると言われる。

別の例によれば、心臓マッピングは、１つ以上の超音波トランスデューサを使用して実施することができる。超音波トランスデューサは、患者の心臓１２０に挿入することができ、心臓１２０内の様々な場所及び向きの複数の超音波スライス（例えば、２次元又は３次元スライス）を収集することができる。特定の超音波トランスデューサの場所及び向きが分かる場合もあり、収集された超音波スライスは、後で表示することができるように記憶しておくことができる。プローブ（例えば、治療カテーテル）の位置に対応する１つ以上の超音波スライスを後で表示することができ、プローブは、１つ以上の超音波スライス上に重ね合わせることができる。

他の例によれば、身体パッチ及び／又は身体表面電極は、患者の身体上に、又はそれに近接して配置することもできる。１つ以上の電極を有するカテーテルは、患者の身体内（例えば、患者の心臓１２０内）に配置することができ、カテーテルの位置は、カテーテルの１つ以上の電極と、身体パッチ及び／又は身体表面電極との間で送信及び／又は受信される信号に基づいて、システムによって判定することができる。更に、カテーテル電極は、患者の身体内（例えば、心臓１２０内）から生体データ（例えば、ＬＡＴ値）を感知することができる。生体データは、判定されたカテーテルの位置に関連付けることができ、その結果、患者の身体部分（例えば、心臓１２０）のレンダリングを表示することができ、身体の形状の上に重ね合わされた生体データを示すことができる。

ここで、図２を参照すると、生体データ（すなわち、患者の生体情報、患者データ、又は患者生体データ）をリモートで監視及び伝達するための例示的なシステム２００のブロック図が示される。図２に示された例において、システム２００は、患者２０４に関連付けられた監視及び処理装置２０２（すなわち、患者データ監視及び処理装置）、ローカルコンピューティングデバイス２０６、リモートコンピューティングシステム２０８、第１のネットワーク２１０、及び第２のネットワーク２１１を含む。１つ以上の実施形態によれば、監視及び処理装置２０２は、図１のカテーテル１０５の例とすることができ、患者２０４は、図１の患者１２５の例とすることができ、ローカルコンピューティングデバイス２０６は、図１のコンソール１６０の例とすることができる。

監視及び処理装置２０２は、患者生体センサ２１２、プロセッサ２１４、ユーザ入力（user input、ＵＩ）センサ２１６、メモリ２１８、及び送信機－受信機（すなわち、送受信機）２２２を含む。手術中、監視及び処理装置２０２は、患者２０４の生体データ（例えば、電気信号、血圧、温度、血糖値、又は他の生体データ）を取得し、かつ／又は任意の取得された患者の生体情報、並びに１つ以上の他の患者の生体情報監視及び処理装置からの任意の取得された患者の生体情報に関連付けられた追加情報を表す生体データの少なくとも一部分を受信する。追加情報は、例えば、ウェアラブルデバイスなどの追加のデバイスから得られる診断情報及び／又は追加情報であってもよい。監視及び処理装置２０２は、本明細書に記載の瘢痕組織識別子を使用し、取得された生体データ、並びに１つ以上の他の患者の生体情報監視及び処理装置から受信した任意の生体データを含むデータを処理することができる。例えば、この点に関し、データを処理する場合、瘢痕組織識別子は、第１のモダリティ及び第２のモダリティを受信することと、第１のモダリティ及び第２のモダリティを相互参照することと、相互参照に基づいて第１のモダリティの改善された画像データを生成することとを含む。

監視及び処理装置２０２は、ネットワーク２１０を介して、任意の数の様々な患者の生体情報（例えば、取得された生体データ）を継続的又は定期的に監視、記憶、処理、及び伝達することができる。本明細書に記載されるように、患者の生体情報の例には、電気信号（例えば、ＥＣＧ信号及び脳生体情報）、血圧データ、血糖データ、及び温度データが含まれる。患者の生体指標は、心臓血管疾患（例えば、不整脈、心筋症、及び冠動脈疾患）及び自己免疫疾患（例えば、Ｉ型及びＩＩ型糖尿病）などの任意の数の様々な疾患にわたって治療するために監視及び伝達され得る。

患者生体センサ２１２は、例えば、１つ以上の環境条件を電気信号に変換するように構成された１つ以上のトランスデューサを含み、その結果、異なるタイプの生体データが取得される。例えば、患者生体センサ２１２は、電気信号（例えば、心臓信号、脳信号、又は他の生体電気信号）を取得するように構成された電極、温度センサ（例えば、熱電対）、血圧センサ、血糖センサ、血中酸素センサ、ｐＨセンサ、加速度計、及びマイクロフォンのうちの１つ以上を含んでもよい。

本明細書でより詳細に説明されるように、監視及び処理装置２０２は、単一及び／又は複数の患者から少なくとも画像、データなど（例えば、そのインスタンスは一般にモダリティと呼ばれ得る）を受信するために瘢痕組織識別子を実装し得る。モダリティは、超音波タイプ、コンピュータ断層撮影（ＣＴ）タイプ、ＭＲＩタイプ、又は他の医用画像／スキャンタイプなどの１つ以上のタイプにすることができる。例えば、第１のモダリティは第１のタイプであることができ、第２のモダリティは第１のタイプとは異なる第２のタイプであることができる。監視及び処理装置２０２は、瘢痕組織識別子を実装し、第１のモダリティと第２のモダリティを相互参照し、相互参照に基づいて第１のモダリティの改善された画像データを生成し得る。改善された画像データは、第１のモダリティの元のデータよりも高い精度又はより高い解像度を含むことに注意する。

他の例において、監視及び処理装置２０２は、心臓（例えば、図１の心臓１２０）のＥＣＧ信号を監視するためのＥＣＧモニタであり得る。これに関して、ＥＣＧモニタの患者生体センサ２１２は、ＥＣＧ信号を取得するための１つ以上の電極（例えば、図１のカテーテル１０５の電極）を含むことができる。ＥＣＧ信号は、様々な心臓血管疾患の治療に使用され得る。

別の例では、監視及び処理装置２０２は、Ｉ型及びＩＩ型糖尿病などの様々な疾患を治療するために、患者の血糖値を継続ベースで連続的に監視するための連続グルコースモニタ（continuous glucose monitor、ＣＧＭ）であってもよい。この点に関して、ＣＧＭの患者生体センサ２１２は、皮下に配設された電極（例えば、図１のカテーテル１０５の電極）を含むことができ、これは、患者の間質液から血糖値を監視することができる。ＣＧＭは、例えば、ユーザの介入のない計算されたインスリンの送達のために、血糖データがインスリンポンプに送られる閉ループシステムの構成要素であってもよい。

プロセッサ２１４は、患者生体センサ２１２によって取得された生体データを受信、処理、及び管理し、かつその生体データを、記憶するためにメモリ２１８に、及び／又は送受信機２２２を介してネットワーク２１０全体に伝達するように構成することができる。本明細書に更に詳細に説明されるように、１つ以上の他の監視及び処理装置２０２からのデータはまた、送受信機２２２を通じてプロセッサ２１４によって受信することもできる。また、本明細書に更に詳細に説明されるように、プロセッサ２１４は、ＵＩセンサ２１６（例えば、内部の静電容量センサ）から受信した異なるタッピングパターン（例えば、シングルタップ又はダブルタップ）に選択的に応答するように構成することができ、その結果、パッチの異なるタスク（例えば、データの取得、記憶、又は送信）が、検出されたパターンに基づいて起動され得る。いくつかの実施形態では、プロセッサ２１４は、ジェスチャの検出に関して可聴フィードバックを生成することができる。

ＵＩセンサ２１６は、例えば、タップ又はタッチなどのユーザ入力を受信するように構成された圧電センサ又は静電容量センサを含む。例えば、ＵＩセンサ２１６は、患者２０４が監視及び処理装置２０２の表面をタップ又はタッチすることに応じ、容量結合を実装するように制御され得る。ジェスチャ認識は、抵抗容量性、表面容量性、投影容量性、表面弾性波、圧電及び赤外線タッチなどの、様々な容量型のうちのいずれか１つを介して実装することができる。静電容量センサは、表面のタップ又はタッチが監視デバイスを起動させるように、表面の小さい領域又は長さにわたって配置されてもよい。

メモリ２１８は、磁気、光学、又は電子メモリ（例えば、ランダムアクセスメモリ又はハードディスクドライブなどの任意の適当な揮発性及び／又は不揮発性メモリ）などの任意の非一時的有形媒体である。

送受信機２２２は、別個の送信機と別個の受信機を含み得る。あるいは、送受信機２２２は、単一のデバイスに一体化された送信機と受信機を含み得る。

ある実施形態によれば、監視及び処理装置２０２は、患者２０４の身体の内部にある（例えば、皮下に埋め込み可能である）装置であってもよい。監視及び処理装置２０２は、経口注入、静脈若しくは動脈を介した外科手術挿入、内視鏡手技、又は腹腔鏡手技を含む任意の適用可能な方法を介して、患者２０４に挿入することができる。

ある実施形態によれば、監視及び処理装置２０２は、患者２０４の外部にある装置であってもよい。例えば、本明細書に更に詳細に説明されるように、監視及び処理装置２０２は、取り付け可能なパッチ（例えば、患者の皮膚に取り付ける）を含んでもよい。監視及び処理装置２０２はまた、１つ以上の電極を有するカテーテル、プローブ、血圧計カフ、体重計、ブレスレット又はスマートウォッチ生体計測トラッカ、グルコースモニタ、持続気道陽圧（ＣＰＡＰ）機器、又は患者の健康若しくは生体指標に関する入力を提供し得る実質上任意のデバイスを含み得る。

一実施形態によれば、監視及び処理装置２０２は、患者の内部にある構成要素及び患者の外部にある構成要素の両方を含み得る。

単一の監視及び処理装置２０２が図２に示されるが、例示的なシステムは、複数の患者の生体情報監視及び処理装置を含むことができる。例えば、監視及び処理装置２０２は、１つ以上の他の患者の生体情報監視及び処理装置と通信してもよい。追加的に、又は代替的に、１つ以上の他の患者の生体情報監視及び処理装置は、システム２００のネットワーク２１０及び他の構成要素と通信することができる。

ローカルコンピューティングデバイス２０６及び／又はリモートコンピューティングシステム２０８は、監視及び処理装置２０２と共に、瘢痕組織識別子及びその機能を個別に若しくは集合的に記憶、実行、及び実装するソフトウェア及び／又はハードウェアの任意の組み合わせであり得る。更に、本明細書に記載されるように、ローカルコンピューティングデバイス２０６及び／又はリモートコンピューティングシステム２０８は、監視及び処理装置２０２と共に、様々な通信技術を利用するコンピューティングデバイス及びネットワークの任意の数及び組み合わせを包含かつ／又は使用する電子的なコンピュータの枠組みであり得る。ローカルコンピューティングデバイス２０６及び／又はリモートコンピューティングシステム２０８は、監視及び処理装置２０２と共に、容易に、拡大縮小可能、拡張可能、またモジュール式であることができ、異なるサービスに変更し、又は他の特徴とは独立に一部の特徴を再構成する能力を有する。

一実施形態によれば、ローカルコンピューティングデバイス２０６及びリモートコンピューティングシステム２０８は、監視及び処理装置２０２と共に、少なくともプロセッサ及びメモリを含み、プロセッサは、瘢痕組織識別子に関するコンピュータ命令を実行し、メモリは、そのプロセッサによって実行されたそれらのコンピュータ命令を記憶する。

システム２００のローカルコンピューティングデバイス２０６は、監視及び処理装置２０２と通信し、第２のネットワーク２１１を通じてリモートコンピューティングシステム２０８へのゲートウエイとしての役割を果たすように構成することができる。ローカルコンピューティングデバイス２０６は、例えば、ネットワーク２１１を介して他のデバイスと通信するように構成されたスマートフォン、スマートウォッチ、タブレット、又は他のポータブルスマートデバイスであり得る。代替的に、ローカルコンピューティングデバイス２０６は、例えば、モデム及び／又はルータ能力を含む固定式基地局、ＰＣの無線モジュールを介して処理装置２０２とリモートコンピューティングシステム２０８との間で情報を通信するための実行可能プログラムを使用するデスクトップコンピュータ又はラップトップコンピュータ、又はＵＳＢドングルなどの固定式又は独立型デバイスであってもよい。生体データは、ローカルエリアネットワーク（local area network、ＬＡＮ）（例えば、パーソナルエリアネットワーク（personal area network、ＰＡＮ））などの短距離無線ネットワーク２１０を介する短距離無線技術標準規格（例えば、ブルートゥース、Ｗｉ－Ｆｉ、ＺｉｇＢｅｅ、Ｚ－ｗａｖｅ、及び他の短距離無線標準規格）を使用して、ローカルコンピューティングデバイス２０６と監視及び処理装置２０２との間で通信され得る。いくつかの実施形態では、本明細書に更に詳細に説明されるように、ローカルコンピューティングデバイス２０６はまた、取得された患者電気信号、及び取獲得された患者電気信号に関連付けられる情報を表示するように構成することもできる。

いくつかの実施形態では、リモートコンピューティングシステム２０８は、監視された患者の生体情報、及び長距離ネットワークであるネットワーク２１１を介して監視された患者に関連付けられる情報のうちの少なくとも一方を受信するように構成することができる。例えば、ローカルコンピューティングデバイス２０６が携帯電話である場合、ネットワーク２１１は、無線セルラーネットワークであってもよく、情報は、上記の無線技術のいずれかなどの無線技術標準を介して、ローカルコンピューティングデバイス２０６とリモートコンピューティングシステム２０８との間で通信され得る。本明細書に更に詳細に説明されるように、リモートコンピューティングシステム２０８は、患者の生体情報及びその関連する情報のうちの少なくとも一方を、医療専門家、医師、健康管理専門家などに提供する（例えば、視覚的に表示し、かつ／又は音声で提供する）ように構成することができる。

図２において、ネットワーク２１０は、短距離ネットワーク（例えば、ローカルエリアネットワーク（ＬＡＮ）、又はパーソナルエリアネットワーク（ＰＡＮ））の一例である。情報は、短距離ネットワーク２１０を介して、ブルートゥース、Ｗｉ－Ｆｉ、ＺｉｇＢｅｅ、Ｚ－ｗａｖｅ、近距離無線通信（near field communication、ＮＦＣ）、超広帯域無線、Ｚｉｇｂｅｅ、又は赤外線（infrared、ＩＲ）などの様々な短距離無線通信プロトコルのいずれか１つを使用して、監視及び処理装置２０２とローカルコンピューティングデバイス２０６との間で送信され得る。

ネットワーク２１１は、有線ネットワーク、無線ネットワークであってもよく、又はイントラネット、ローカルエリアネットワーク（ＬＡＮ）、ワイドエリアネットワーク（wide area network、ＷＡＮ）、メトロポリタンエリアネットワーク（metropolitan area network、ＭＡＮ）、直接接続若しくは一連の接続、セルラー電話ネットワーク、若しくはローカルコンピューティングデバイス２０６とリモートコンピューティングシステム２０８との間の通信を容易にすることが可能な任意の他のネットワーク若しくは媒体などの１つ以上の有線及び無線ネットワークを含むことができる。情報は、様々な長距離無線通信プロトコル（例えば、ＴＣＰ／ＩＰ、ＨＴＴＰ、３Ｇ、４Ｇ／ＬＴＥ、又は５Ｇ／Ｎｅｗ Ｒａｄｉｏ）のいずれか１つを使用するネットワーク２１１を介して送信され得る。有線接続は、イーサネット、ユニバーサルシリアルバス（Universal Serial Bus、ＵＳＢ）、ＲＪ－１１、又は当該技術分野において一般的に知られている任意の他の有線接続を使用して実装することができる。無線接続は、Ｗｉ－Ｆｉ、ＷｉＭＡＸ、及びブルートゥース、赤外線、セルラー式ネットワーク、衛星、又は任意の他の無線接続技法を使用して、実装することができる。更に、いくつかのネットワークは、ネットワーク２１１内の通信を容易にするために、単独で、又は互いに通信して動作し得る。いくつかの事例では、リモートコンピューティングシステム２０８は、ネットワーク２１１上の物理的なサーバとして、実装することができる。他の事例では、リモートコンピューティングシステム２０８は、ネットワーク２１１のパブリッククラウドコンピューティングプロバイダ（例えば、Ａｍａｚｏｎ Ｗｅｂ Ｓｅｒｖｉｃｅｓ（ＡＷＳ）（登録商標））の仮想サーバとして実装することができる。

図３は、１つ以上の実施形態による人工知能システム３００の図解を示す。この人工知能システム３００は、データ３１０、マシン３２０、モデル３３０、複数の成果３４０、及び基礎的なハードウェア３５０を含む。図４は、図３の人工知能システムにおいて実行される方法４００のブロック図を示す。図３及び図４の説明は、理解を容易にするために、図２を参照して行われる。

概して、人工知能システム３００は、（予測される）複数の成果３４０を可能にするためのモデル３３０を構築しながら、マシン３２０（例えば、図２のローカルコンピューティングデバイス２０６）を訓練するためのデータ３１０を使用することによって、方法４００を動作させる。そのような構成では、人工知能システム３００は、ハードウェア３５０（例えば、図２の監視及び処理装置２０２）に対して動作させて、マシン３２０を訓練し、モデル３３０を構築し、アルゴリズムを使用して成果を予測することができる。これらのアルゴリズムを使用して、訓練されたモデル３３０を解き、ハードウェア３５０に関連付けられた成果３４０を予測することができる。これらのアルゴリズムは、通常、分類アルゴリズム、回帰アルゴリズム、及びクラスタリングアルゴリズムに区分することができる。

ブロック４１０において、この方法４００は、ハードウェア３５０からデータ３１０を収集することを含む。マシン３２０は、ハードウェア３５０に関連付けられたコントローラ若しくはデータ収集として動作し、かつ／又はそのハードウェアに関連付けられている。データ３１０（例えば、図２の監視及び処理装置２０２に由来し得る生体データ）は、ハードウェア３５０に関連し得る。例えば、データ３１０は、進行中のデータ、又はハードウェア３５０に関連付けられた出力データであってもよい。データ３１０はまた、現在収集されたデータ、履歴データ、又はハードウェア３５０からの他のデータを含むこともできる。例えば、データ３１０は、外科処置中の測定値を含んでもよく、外科処置の成果に関連付けられてもよい。例えば、心臓の温度（例えば、患者２０４の）又は心腔の寸法が収集され、心臓処置の成果と相関されてもよい。

ブロック４２０において、この方法４００は、ハードウェア３５０３５０などに関して、マシン３２０を訓練するステップを含む。この訓練には、ブロック４１０において収集されたデータ３１０の分析及び相関が含まれ得る。例えば、心臓の場合、温度及び成果のデータ３１０を訓練して、心臓処置中の心臓（例えば、患者２０４の）の温度とその成果との間に相関又は関連が存在するかどうかを判定することができる。

ブロック４３０において、この方法４００は、モデル３３０を、ハードウェア３５０に関連付けられたデータ３１０上に構築することを含む。モデル３３０を構築することは、物理的なハードウェア若しくはソフトウェアのモデル化、アルゴリズムのモデル化、及び／又はその同様のものを含むことができる。このモデル化は、収集され、訓練されたデータ３１０を表すことを目指してもよい。ある実施形態によれば、モデル３３０は、ハードウェア３５０の動作をモデル化し、ハードウェア３５０から収集されたデータ３１０をモデル化して、ハードウェア３５０によって達成される成果を予測するように構成することができる。１つ以上の実施形態によれば、モデル３３０は、瘢痕組織識別子に関して、第１のモダリティ及び第２のモダリティを受信し、第１のモダリティ及び第２のモダリティを相互参照し、相互参照に基づいて第１のモダリティの改善された画像データを生成する。

ブロック４４０において、この方法４００は、ハードウェア３５０に関連付けられたモデル３３０の複数の成果３４０を予測することを含む。複数の成果３４０についてのこの予測は、訓練されたモデル３３０に基づくことができる。例えば、本開示の理解を高めるために、心臓の場合、処置中の温度が３６．５℃～３７．８９℃（すなわち、９７．７°Ｆ～１００．２°Ｆ）であり、心臓処置からより肯定的な結果を生じさせる場合、その成果は、心臓処置中のその心臓の温度に基づいて、所与の処置において予測することができる。したがって、予測される成果３４０を使用して、ハードウェア３５０は、ハードウェア３５０からの特定の所望の成果３４０を提供するように構成することができる。

ここで図５を見ると、複数の画像化モダリティに基づいて有機組織内の瘢痕領域を自動的に識別する方法５００のブロック図が、１つ以上の実施形態に従って示される。一実施形態によれば、方法５００は、瘢痕組織を識別するためのシステムによって実施される。瘢痕組織を識別するためのシステムは、単一のモダリティの発見を強化するために異なるモダリティを相互参照する機械学習アルゴリズムとして具現化されてもよい。ソフトウェア及び／又はハードウェアの任意の組み合わせ（例えば、ローカルコンピューティングデバイス２０６及びリモートコンピューティングシステム２０８、並びに監視及び処理装置２０２）は、瘢痕組織及びその機能を識別するためのシステムを個別に又は集合的に記憶、実行、及び実装することができる。一般に、瘢痕組織を識別するためのシステムは、有機組織内の瘢痕領域を識別できるように、単一のモダリティの発見を強化するために異なるモダリティを相互参照する。例えば、瘢痕組織を識別するためのシステムは、機械学習ソフトウェア／ハードウェアが、前のモダリティの比較、相互参照、及び識別操作に基づき、比較、相互参照、及び後続のモダリティの識別を実施するという点で成果指向のものであり得る。機械学習ソフトウェア／ハードウェアは、ニューラルネットワーク、人工ニューラルネットワーク、複雑なニューラルネットワーク、エンコーダ、デコーダ、ツリー構造、及びオートエンコーダを含み得るが、それらに限定されない。

プロセスフロー５００は、ブロック５１０で始まり、瘢痕組織を識別するためのシステムは、第１のモダリティ及び第２のモダリティを受信する。１つ以上の実施形態によれば、第１のモダリティは、それぞれが第１のタイプである１つ以上の第１のモダリティを表す。例えば、第１のモダリティは、画像又は画像の基礎となるデータであり得る。場合によっては、第１のモダリティのデータが元のデータと見なされ得る。第２のモダリティは、第１のタイプとは異なる第２のタイプである。同様に、例えば、第２のモダリティは、画像又は画像の基礎となるデータであり得る。第１のタイプは、超音波画像又はそのデータであ得るが、第２のタイプの第２のモダリティは、ＬＧＥ－ＭＲＩ画像又はそのデータであ得る。瘢痕組織を識別するためのシステムは、医療デバイス機器からリアルタイムで第１のモダリティ及び／又は第２のモダリティを受信し得るか、あるいはメモリ内の第１のモダリティ及び／又は第２のモダリティにアクセスし得る。受信は自動又はユーザ起動の場合がある。

ブロック５２０において、瘢痕組織を識別するためのシステムは、第１のモダリティ及び第２のモダリティを相互参照する。第１のモダリティ及び第２のモダリティを相互参照するために、瘢痕組織を識別するためのシステムは、第１のモダリティを第２のモダリティと比較する。この点で、瘢痕組織を識別するためのシステムは、第１のモダリティの場所を第１のモダリティの対応する場所に一致させる。例えば、超音波データは電圧に応じてＬＧＥ－ＭＲＩデータにマッピングできる。１つ以上の実施形態によれば、相互参照は、モダリティ間の相互のものであってもよい。即ち、第１のモダリティは第２のモダリティを改善でき、第２のモダリティは第１のモダリティを改善できる。

ブロック５３０において、瘢痕組織を識別するためのシステムは、相互参照に基づいて第１のモダリティの改善された画像データを生成する。即ち、一旦マッピングされると、瘢痕組織を識別するためのシステムは、第２のモダリティに基づいて第１のモダリティの元のデータを調整及び解釈し、第１のモダリティの改善された画像データを生成する。したがって、調整及び解釈されると、改善された画像データはより正確になり、（従来の画像化モダリティのように）人間のオペレータの主観的な解釈に依存することなく、元のデータよりも高い解像度を含む。１つ以上の実施形態によれば、第１のモダリティ及び第２のモダリティを利用し、ブロック５２０の相互参照操作の相互の性質を利用するハイブリッドモダリティを生成／作り出すことができる。ハイブリッドモダリティは、２つ以上のタイプの２つ以上のモダリティの組み合わせ（例えば、改善されたデータの組み合わせ）を含むため、各モダリティタイプが他のモダリティに提供できる相互改善が組み込まれている。第１のモダリティ及び第２のモダリティは患者固有であり得、その後、時間の経過と共に、後続のモダリティ及び／又は二次データ（身長、体重、心臓病など）がプロセス５００によって使用され、組み合わされた改善されたデータに役立つことができる。更に、時間の経過と共に、患者固有のデータ、モダリティ、及び／又は二次データがプロセス５００によって使用され、他の患者のために組み合わされた改善されたデータに役立つことができる。

図６は、１つ以上の実施形態による複数の画像化モダリティに基づいて有機組織内の瘢痕領域を自動的に識別する方法６００のブロック図を示す。一実施形態によれば、方法６００は、瘢痕組織を識別するためのシステムによって実施される。ソフトウェア及び／又はハードウェアの任意の組み合わせ（例えば、ローカルコンピューティングデバイス２０６及びリモートコンピューティングシステム２０８、並びに監視及び処理装置２０２）は、瘢痕組織及びその機能を識別するためのシステムを個別に又は集合的に記憶、実行、及び実装することができる。一般に、瘢痕組織を識別するためのシステムは、単一のモダリティの発見を強化するために、異なるモダリティを相互参照する。例えば、患者の心臓に関して、単一のモダリティの発見を強化することにより、瘢痕組織を識別するためのシステムは、カテーテルが検出できない既存の瘢痕及び他の到達困難な領域をモデル化することができる。このモデリングは、本明細書に記載されるように心臓病の診断を支援する。

方法６００は、瘢痕組織を識別するためのシステムが第１のモダリティを受信又は第１のモダリティにアクセスするブロック６１０で始まる。１つ以上の実施形態によれば、瘢痕組織を識別するためのシステムは、第１のタイプの複数のモダリティを受信又はそれらにアクセスする。例えば、データは、患者からの特定のタイプのセンサ（例えば、カテーテル、電極、超音波トランスデューサ、医療データベースなど）から取得することができる。第１のモダリティは、患者の心臓の超音波データ、ＭＲＩデータ、及びカルドデータ（例えば、心臓マップ）のうちの１つ、又はそれらの組み合わせであり得る。１つ以上の実施形態によれば、第１のタイプの第１のモダリティは、超音波データを含む。データは、データがどのように取得され、データがどのように機能するかに適した任意のデータ構造（例えば、テーブル、ツリー、マトリックスなど）で記憶及び／又は編成され得る。

ブロック６２０において、瘢痕組織を識別するためのシステムは、第２のモダリティを受信又は第２のモダリティにアクセスする。１つ以上の実施形態によれば、瘢痕組織を識別するためのシステムは、患者の心臓に関して第２のタイプの複数のモダリティを受信又はそれらにアクセスする（例えば、データは、図２のローカルコンピューティングデバイス２０６又はリモートコンピューティングシステム２０８内のデータベースから取得することができる）。第２のモダリティは、第１のタイプとは異なる第２のタイプであってもよい。１つ以上の実施形態によれば、第２のタイプの第２のモダリティは、ＬＧＥ－ＭＲＩデータを含む。

ブロック６３０において、瘢痕組織を識別するためのシステムは、第３のモダリティにアクセスする。１つ以上の実施形態によれば、瘢痕組織を識別するためのシステムは、患者の心臓に関して第３のタイプの複数のモダリティを受信又はそれらにアクセスする（例えば、データは、図２のローカルコンピューティングデバイス２０６又はリモートコンピューティングシステム２０８内のデータベースから取得することができる）。第３のモダリティは、第１のタイプ及び第２のタイプとは異なる第３のタイプであってもよい。１つ以上の実施形態によれば、第３のタイプの第３のモダリティは、心臓マップを含む。

ブロック６４０において、瘢痕組織を識別するためのシステムは、第１のモダリティを第３のモダリティ及び第２のモダリティと相互参照する。相互参照は、第１のモダリティを第３のモダリティと比較し、第２のモダリティを対応する場所と比較することを含み、それによって心臓の特定の領域に冗長性を提供する。このように、データはモダリティ間で相関するため、第２のモダリティと第３のモダリティは第１のモダリティを補完し、到達困難な領域に追加のデータを提供する。例えば、超音波データが低解像度の基本データと見なされる場合、超音波データをＬＧＥ－ＭＲＩデータ及び心臓マップと相関させることにより、瘢痕組織を識別するためのシステムは、診断用のより大きなデータセットを作成する。１つ以上の実施形態によれば、相互参照は、モダリティ間の相互のものであってもよい。即ち、第１のモダリティ、第２のモダリティ、及び第３のモダリティは互いに改善することができる。更に、（ブロック６５０及び６６０から６４０への破線の矢印によって示すように）方法６００が複数の反復を経て進行するにつれて、相互参照は、ブロック６５０の改善されたモダリティ及びブロック６６０のデータベースを利用し、機械学習を実施することができる。

ブロック６５０において、瘢痕組織を識別するためのシステムは、複数の改善されたモダリティ（例えば、生成されたデータを格納する対応するデータ構造）を生成する。この点で、第１のモダリティのそれぞれの元のデータは、相互参照に基づいて改善される。例えば、瘢痕組織を識別するためのシステムは、第２のモダリティ及び第３のモダリティに基づいて第１のモダリティのそれぞれの元のデータに調整及び解釈し、改善された画像データを生成する。複数の改善されたモダリティは、第１のモダリティの元のデータと比較し、より高い精度及び／又はより高い解像度を有する改善された画像データを含む。瘢痕組織を識別するためのシステムは、改善された画像データから対応する改善された画像を生成することができる。１つ以上の実施形態によれば、第１のモダリティ、第２のモダリティ、及び第３のモダリティは、ブロック６４０の相互参照操作の相互の性質を利用してハイブリッドモダリティを生成／作り出すために利用されてもよい。

１つ以上の実施形態によれば、モダリティの元のデータ及び／又は改善された画像データに、重み（例えば、英数字値）が割り当てられ得る（例えば、データ構造内に関連付けられる）。具体的には、最大の重みは、瘢痕組織の実際の識別に起因することができる。具体的には、一実施形態において、瘢痕組織の重症度を示すための第１の重みと、第１の重みの尤度を提供するための第２の重みとを含む複数の重みを使用することができる。組み合わせて、改善されたデータが「改善された」のは、データが、基礎となる各モダリティから利益を収集するためである（例えば、超音波データは組織の深さの分析を可能にし、ＭＲＩデータは実行可能性を追加し、心臓マッピングは心電図データを生成する）。

ブロック６６０において、データベースは、改善された画像データ及び／又は改善された画像（任意のハイブリッドモダリティ及び／又は重みを含む）を使用して構築される。改善された画像データは、訓練プロセスの一部として新しいデータベースを作成するために使用したり、モダリティのデータを格納するデータベースに追加したりすることができる。１つ以上の実施形態によれば、データベースは、コンピューティングシステム（例えば、図２のローカルコンピューティングデバイス２０６又はリモートコンピューティングシステム２０８内）に常駐することができる。データベースは、機能／最適化をサポートするために、医師及び／又は医療専門家から収集されたデータなどの他の患者からの追加情報を更に含んでもよい。

次に、ブロック６７０において、データベース及び改善された画像データ並びに／又はその中の改善された画像を、医師及び／又は医療専門家に提供する。次に、医師及び／又は医療専門家は、改善された画像データ及び／又は改善された画像を、病状に対処するためのアブレーション超音波技術、損傷部の計画及び診断、並びに磁気共鳴の評価及び診断のうちの１つ以上に利用することができる。具体的には、改善された画像データ及び／又は改善された画像は、他の方法で従来の画像化モダリティでは識別されない瘢痕組織を識別するため、診断能力は、改善された画像データ及び／又は改善された画像によって強化される。

システム及び方法は、３Ｄシェル及び少なくとも１つの画像化モダリティを含む入力に基づく尤度スコアを有する瘢痕領域を含む心腔組織の３Ｄモデルを生成する。少なくとも１つの画像化モダリティは、ＣＴ、ＭＲ又はＵＬＳ画像セットのうちの１つ以上を含むことができる。追加の入力は、人口統計データ、３Ｄマッピングシステムからの電気解剖学的情報、並びに以下でより詳細に開示される心内及び体表関連情報を含むことができる。システム及び方法は、瘢痕レベルのスコアと各ボクセルに関連付けられたスコアの信頼性を備えた３Ｄボクセルを出力する。

図７は、本システムのデータ準備及び訓練を示す。以前の患者症例７１０からのデータは、そのような各症例のシステムを訓練するために使用される。以前の患者症例７１０からのデータは、年齢、性別、病歴などの３Ｄマッピング７３５（本明細書で詳細に説明される）及び患者パラメータ７２５データ（本明細書で詳細に説明される）、並びにカテーテル７１５に基づく３Ｄマッピングを含むことができる。カテーテル７１５及び患者パラメータ７２５データに基づく３Ｄマッピングを含む以前の臨床症例７１０からのデータは、明細書に記載のシステムへのシステム入力７２０として使用されてもよく、データは、出力の計算のために使用され、それによって訓練ステップ７５０でシステムを訓練する。

以前の臨床症例７１０からのデータは、システム及びアルゴリズムを訓練することに関連する以前の臨床症例を含むことができる。そのような場合のそれぞれについて、利用可能なデータは、本明細書に記載される入力、並びに患者ＩＤ７２５及び出力を説明するデータを含むべきである。

所望の出力７４０の計算に使用されるデータ７３５は、心臓組織の３Ｄモデルを含むことができ、ここで各ボクセルには、専門家又は自動ツールによって決定されたＬＧＥ－ＭＲＩ読み取り値からのデータに基づいてそのボクセルでの瘢痕密度が示される。所望の出力７４０の計算に使用されるデータ７３５は、心臓組織の３Ｄモデルを含むことができ、ここで各ボクセルには、専門家又は自動ツールによって決定された超音波測定値からのデータに基づいてそのボクセルでの放射線不透過性と組織弾性が示される。所望の出力７４０の計算に使用されるデータ７３５は、心臓組織の３Ｄモデルを含むことができ、各ボクセルには、専門家又は自動ツールによって決定された遅延強化ＣＴ読み取り値からのデータに基づいてそのボクセルでの放射線不透過性と組織弾性が示される。

前処理７３０は、３Ｄマッピング７３５で発生し、所望の出力形式に一致することができる。データ７３５は、各ボクセルが０から１の間の値を有し、瘢痕（１＝最も重症、電気を通さない、０＝瘢痕なし）密度及び信頼スコアを示す、所望の出力７４０フォーマットに適合するように前処理される。信頼スコアの計算は、ＵＬＳ／ＭＲＩ／ＣＴマッピング７３５に基づく３Ｄ組織モデルでの専門家による手動スコアリング、及び／又はＵＬＳ／ＭＲＩ／ＣＴの閾値－放射線不透過性スケールを指定することによる自動スコアリングに依存し得る。

一実施形態によれば、信頼スコアが９０％を超えるデータ７３５ボクセルは、より低い信頼スコアを除外又は重み付けしながら使用することができる。更に、一実施形態において、データ７１０は、データ７１０に含まれるべき９０％を超える信頼スコアを有するボクセルの少なくとも８５％を含むことが期待される。信頼スコアが低い他のスコアは、重み付け又は除外されてもよい。一実施形態では、信頼閾値は、術中に医師によって選択される。

３Ｄマッピング７３５で前処理７３０が完了した後、ステップ７５０でニューラルネットワークを訓練するために、所望の出力７４０が含まれ、提供されてもよい。

訓練７５０が行なわれると、７６０でニューラルネットワークを訓練する。データセットは、訓練セット、検証セット、及び試験セットに分割されてもよい。訓練セット及び検証セットは、システム開発中に使用されてもよく、試験セットは、システムの精度を評価するために使用される。相互検証を使用してパフォーマンスを向上させることができる。

図８及び図９は、本システムの例示的な組み合わせアーキテクチャを示す。マッピングは、本明細書に記載されるように、ステップ８１０でシステムに入力することができる。

マッピングの登録は、登録段階８２０で起こり得る。パターンを学習し、様々な患者の登録から与えられたデータを正しく一般化できるシステムが必要になる。様々な入力の相互の整列を計算することができ、これは「登録」と呼ばれる。登録段階８２０での登録は、患者内整列及び患者間整列を含む様々な次元で起こり得る。

一実施形態によれば、患者内整列の場合、心腔の心外膜表面と心内膜表面の両方のカテーテルから３Ｄマッピングが作成される場合、登録は３Ｄマッピングシステムの機能に固有であってもよい。例えば、ＣＡＲＴＯ（登録商標）３では、症例中に収集されたマップが登録される。ＭＲＩ、ＣＴ、ＵＬＳなどの他の画像は、３Ｄカテーテルマップ及び他のそのような画像への登録が必要である場合がある。例えば、ＵＬＳ画像がナビゲートされたカテーテルによって収集されるとき、ＵＬＳ画像は自動的に３Ｄマップに登録され得る。文献にすでに記載される他の登録技術も使用することができる。

一実施形態によれば、患者間整列のために、データは、心腔の「標準モデル」に正規化されてもよい。様々なマッピングがこの標準モデルに「投影」される。次に、結果として得られた投影は、マップマージ段階８３０に提供される。

マップマージ８３０が発生することがあり、通過する電気のマッピングの出力がステップ８４０で発生し得る。所望の出力を計算するためにマップマージ８３０で使用され、本明細書に記載されるような多くの可能なニューラルアーキテクチャが存在する。それらのアーキテクチャのいくつかは本明細書で上述され、いくつかの詳細なアーキテクチャは更に以下に記載される。データの性質に応じて、より複雑なアーキテクチャが望ましい場合がある。

登録段階８２０に関して上で論じたように、マップマージ段階８３０への入力は、３Ｄ入力マッピングを「標準化された」３Ｄマッピングに整列させる登録段階８２０の出力である。マップマージ段階８３０への入力は、Ｎ個のマッピングを含み、各マッピングは、ボクセル（３Ｄ「ピクセル」である）を備えたサイズＨｘＷｘＤの３Ｄ「立体画像」である。各ボクセルは、例えば電圧、弾性、ＭＲ／ＣＴによる瘢痕、壁運動を含む、それに関連する複数の値を持つことができる。

一実施形態によれば、マップマージ段階８３０は、いくつかの線形結合を使用して入力マッピングを組み合わせる。Ｎ個の立体画像のそれぞれの位置（ｉ、ｊ、ｋ）の値がニューロン（ｉ、ｊ、ｋ）に供給される、サイズＨｘＷｘＤの１つのニューラル層が使用され得る。マップマージ段階８３０のこの実施形態は、各入力マップ内の各ボクセルが、それ自体で、瘢痕組織のいくらか信頼できる指標を提示し、入力マップの単純な線形結合（又は平均化）が統合に十分である場合に使用することができる。マップマージ段階８３０のそのような実施形態は、より複雑なモデルと比較してより少ないデータで、訓練が容易であるとして有益であり得る。マップマージ段階８３０のそのような実施形態は、十分に正確ではない結果を提供する可能性がある。

精度を高め、マップマージ８３０の利益を増やすために、追加の層、つまり、より深いネットワークを使用することができる。追加の層は、より複雑な機能を表す能力を提供できる。より大きな層を使用することができる。より大きな層は、データ内のより多くのニュアンスをキャプチャする能力を可能にする。個別の処理もまた使用することができる。情報を組み合わせる前に各入力マップを個別に処理すると、追加の利点が得られる。追加的に、又は代替的に、本明細書で説明するように、異なるタイプの層アーキテクチャ、例えば、完全に接続された畳み込みニューラルネットワーク（ＣＮＮ）、最大プーリングなどを使用することができる。

精度を高め、マップマージ段階８３０の利益を増大させるためのそれらの技術を以下に説明する。マップマージ段階８３０は、サイズＨｘＷｘＤｘｋの第１の（「隠蔽」）層（即ち、「厚さ」ｋ＞１の３Ｄ層ＨｘＷｘＤ）、及びサイズＨｘＷｘＤの第２の（「出力」）層を含む２つの層を利用することによって強化され得る。第１の層の位置（ｉ、ｊ、ｋ）にあるｋ個のニューロンのそれぞれについて、Ｎ個の入力マップのそれぞれからの位置（ｉ、ｊ、ｋ）からＮ個の信号が供給され、その出力は第２の層のニューロン（ｉ、ｊ、ｋ）に与えられる。各ボクセルのＮ値の非線形結合を表すことができる。

所与の立体領域内のボクセルを瘢痕組織の潜在的な候補として考慮する場合、マップマージ段階８３０は強化されてもよく、そのような決定は、マッピング全体ではなく、候補ボクセルの周囲の立体領域の入力マッピング値に依存し得る。計算では、ＣＮＮを使用した深層学習の標準的な技術を利用し、この周辺領域の情報の利益を取得し得る。

マップマージ段階８３０は、例えば、入力Ｎ画像のそれぞれがそれ自身の畳み込みモデルを有し得る、すなわち、各入力画像が別個のＣＮＮに供給されることを提供することによって強化され得る。ＣＮＮ層の各畳み込みフィルタは、入力としてボクセルの小さな立方体を利用してもよく、１つの値を出力する。各ＣＮＮの出力は、１つの入力マッピングのみに基づいた予備的な出力推奨マップを提供する３次画像である。

追加の層は、ＣＮＮ、最大プーリング、及び当技術分野の技術を有する者によって知られている本明細書で論じられる他の標準パラダイムを使用する画像／領域処理のための深層学習に従って、Ｎ個のマップ「トラック」の１つに別々に適用することによってマップマージ段階８３０を強化することができる。

組み合わせ層は、データを１つの表現に組み合わせるために説明されるように、入力マップ及び／又は前の別個の処理層の出力を受信するために利用され得る。組み合わせは、本明細書で説明されるような単純な線形結合を使用し、又はより複雑な組み合わせ、即ち非線形結合、及び／又はＣＮＮ、最大プーリング、及び画像処理の他の標準層を使用して実行され得る。

図９は、マップマージ段階８３０の可能なアーキテクチャを示す。グラフィックを明確にするために、アーキテクチャは２Ｄ画像を処理するＮＮを示すが、このアイデアは３Ｄ立体画像にも同じように適用できる。

左側の入力は、Ｎ＝８の２Ｄマッピングからなる（それぞれが入力８１０の登録８２０の出力を表す。そのような各マッピングは、層１ ９１０で異なるＣＮＮグリッドによって個別に処理される。層１ ９１０の出力は、層２ ９２０に供給されるＮ＝８の複雑なマッピングを含む。次に、それらのマッピングは、上記でも説明した非線形結合を可能にするために深さｋ＝５を有する組み合わせ層として本明細書及び上記で説明した組み合わせ層３ ９３０に供給される。ｋ個の組み合わされた層は層４ ９４０によって出力マップにマージされる。ここでの値Ｎ＝８及びｋ＝５は単なる例示的な値であり、当技術分野の技術を有する者は、他の値が使用され得ることを理解する。データの性質と出力の必要な精度に応じて、図示されるものと比較し、追加の層又はより少ない層を使用できる。

年齢、性別、投薬治療、医療履歴、及び心房細動のタイプなどの患者パラメータは、結果に影響を及ぼし得る。別個のモデルを、入力患者パラメータの一部に基づいて訓練することができる。あるいは、患者入力は、これらのパラメータに基づいて差を学習するのを助けるために、ＮＮアーキテクチャ内の層に提供されてもよい。

異なる患者の心臓は、異なる場合があり、記録されたデータにばらつきが生じる場合がある。一実施形態によれば、システムは、バッチで訓練される必要があり得、バッチのそれぞれは、単一の患者のデータに限定される。データは、システムの訓練を堅固にするために、少なくとも特定の数の患者から収集される必要がある。

システムが準備され、病院に配備された後であっても、追加のデータが蓄積されてもよい。精度を継続的に向上させるために、追加のデータを訓練データセットに追加してもよく、システムを再訓練してもよい。具体的には、追加の手術からのデータは、システムの推奨事項に従って実行されたアブレーションの成功率を考慮することにより、フィードバックを提供し得る。

図１０は、本明細書に記載の実施形態によるニューラルネットワークを使用するシステム１０００を示す。システム１０００は、患者データ７２５、追加のデータ１０１０、並びに例えばカテーテル７１５に基づくＭＲＩ／ＣＴ、ＵＬＳ及び他の３Ｄマッピングを含む３Ｄマッピング７３５を含む。この入力データ７１０は、患者からの読み取り値を分析するいくつかのアルゴリズムからの３Ｄマッピング及び画像化を含み得る。このデータ７１０は、ある期間にわたる空間内の場所（３軸から６軸－Ｘ、Ｙ、Ｚ＋ピッチ、ロール、ヨー）、ある期間にわたる心内心電図（例えば、２５００ミリ秒）を伴う電極／チャネルごとのデータを含み得る。このデータ７１０は、メッシュ形式であり得る３Ｄ再構成、少なくとも１つの画像化モダリティ７３５（ＣＴ、ＭＲ、又は超音波ファンのセット）を含む心腔ごとのデータを含み得る。患者データ７２５は、人口統計情報、年齢、性別、体重、身長、肥満度指数、民族性、及び左心房主軸長（幅、高さ、長さ）、左心室駆出分画率、高血圧、真性糖尿病を含む他の患者固有の詳細を含み得る。睡眠時無呼吸、冠動脈疾患、心臓弁膜症（僧帽弁逆流など）、うっ血性心疾患を含む他の基本的な併存疾患が追加のデータ１０１０に含まれ得る。患者の病歴は、患者データ７２５に含まれてよく、不整脈の病歴、症状、及び文書化された方法、最初の診断からの時間、抗不整脈薬（ＡＡＤ）の薬歴、以前の心臓アブレーション、抗凝固療法、ＣＨＡ２ＤＳ２－ＶＡＳｃスコア、血栓性疾患の病歴、ニューヨーク心臓協会（ＮＹＨＡ）心臓機能のグレード、出血性疾患の病歴、ＨＳＡ－ＢＬＥＤ、呼吸パターン、心室周期長、心房周期長を含み得る。電極／チャネル７１５ごとのデータ及びこのデータに対して実行される分析（例えば、導関数、アルゴリズム計算）は、局所的活性化時間、一定期間のインピーダンス、時間の経過に伴うインピーダンスの変化、場所の変化の速度（時間の経過に伴う位置の導関数）、最大ピークツーピーク電圧、遠く離れた領域（そのポイントでもごく周囲のことでもない）からの単極と双極測定、及びカテーテルがそのポイントに配置された期間の開始と終了時点を含み得る。３Ｄマッピングの様々なポイントが様々な時間に行われた測定に基づいて計算されたため、このような時間タグ付きデータは洞察を提供し得る。特定のポイント値が、そのポイントでのカテーテルの訪問から取得されるのではなく、アルゴリズムによって三角測量された場合、関連する時点の三角測量が使用され得る。心腔ごとのデータ（心外膜マップ及び／又は心内膜マップであってもよい）は、ＵＬＳからの壁運動、ＵＬＳからのドップラー、ＭＲＩからの瘢痕ゾーン、心腔の寸法、周期長マップ、永続的な心房細動焦点ソースマップ（例えば、ＣＡＲＴＯＦＩＮＤＥＲ、又は同等のもの）、永続的な心房細動回転ソースマップ（例えば、ＣＡＲＴＯＦＩＮＤＥＲ、又は同等のもの）、リエントリー／細動活性化マッピング（コヒーレント又は同等のものなど）、リップルマップ、ＣＦＡＥ、ＥＣＧフラクショネーション、及び心臓組織の３Ｄモデルを含み得、各ボクセルは、超音波測定値からのデータに基づいてそのボクセルでの組織弾性を示す。

出力８４０は、心臓組織を表すボクセルのセットであり、各ボクセルは、瘢痕のレベル及び瘢痕のレベルに関連する信頼値を含む２つの値を有する。瘢痕のレベルは、１＝最も重症、電気を通さない、１未満かつ０超の境界ゾーン、０＝瘢痕なしという０から１までの数値を含む。信頼値は０から１の間で提供され得る。

入力７１０と出力８４０との間で、３Ｄマッピングは、上記のように登録段階８２０を介して登録され得る。登録された３Ｄマッピング７３５は、上記のように、患者データ及び任意の追加のデータ１０１０と共にニューラルネットワーク８３０に入力され得る。ニューラルネットワーク８３０は、入力層９１０、層９２０、９３０として記述した層などの隠蔽層、並びに図８及び図９に関して上で説明され、それぞれが出力８４０を提供するための出力層９４０を含み得る。

図１０のニューラルネットワークと同様に、図１１のシステム１１００は、本明細書に記載の実施形態によるニューラルネットワークを利用する。システム１１００は、患者７２５、追加のデータ１０１０、並びにカテーテル７１５に基づくＭＲＩ／ＣＴ、ＵＬＳ及び他の３Ｄマッピングなどを含む３Ｄマッピング７３５を含む。この入力データ７１０は、システム１０００を含む他の実施形態に入力されるデータである。

入力７１０と出力８４０との間で、３Ｄマッピングは、上記のように登録段階８２０を介して登録され得る。登録された３Ｄマッピング７３５は、上記のように、患者データ及び任意の追加のデータ１０１０と共にニューラルネットワーク８３０に入力され得る。ニューラルネットワーク８３０は、第１の畳み込み及びプーリング１１１０、続いて第２の畳み込み及びプーリング１１２０を含み得る。畳み込み及びプーリング１１１０、１１２０からの出力は、再成形１１５０と、高密度層１１３０及び高密度出力層１１４０に直列に再成形されたデータ入力とを使用して再成形され得る。データが分類されると、データは、出力層９４０と同様の出力層に到達する。出力層は出力８４０を提供する。

本明細書で説明するように、出力８４０は、心臓組織を表すボクセルのセットであり、各ボクセルは、瘢痕のレベル及び瘢痕のレベルに関連する信頼値を含む２つの値を有する。瘢痕のレベルは、１＝最も重症、電気を通さない、１未満かつ０超の境界ゾーン、０＝瘢痕なしという０から１までの数値を含む。信頼値は０から１の間で提供され得る。

１つ以上の実施形態によれば、瘢痕組織を識別するためのシステムと方法の技術的効果と利点は、人間のオペレータの主観的な解釈に依存することなく、超音波撮像のより正確で高い解像度のリアルタイム画像データの生成を含む（例えば、生成されたリアルタイム画像データは、有機組織の深さ全体の評価を可能にし、従来の超音波画像の低解像度を克服し、ＭＲＩと比較して比較的安価で利用可能である）。

図中のフロー図及びブロック図は、本発明の様々な実施形態に基づくシステム、方法、及びコンピュータプログラム製品の可能な実施態様のアーキテクチャ、機能性、及び動作を示す。これに関して、フロー図又はブロック図中の各ブロックは、モジュール、セグメント、又は命令の部分を表してもよく、その命令の部分には、特定の論理機能を実施するための１つ以上の実行可能命令を含む。いくつかの代替的実施態様では、ブロック内に記述された機能は、図に記述された順序以外でも生じることができる。例えば、連続して示す２つのブロックは、実際に、実質的に同時に実行されてもよく、あるいはそれらのブロックは、時には、関連する機能性に応じて、逆の順序で実行されてもよい。また留意されたい点として、ブロック図及び／又はフロー図の各ブロック、並びにブロック図及び／又はフロー図のブロックの組み合わせは、特定の機能又は動作を実行する専用のハードウェアベースシステムによって実施されてもよく、あるいは、専用のハードウェアとコンピュータ命令との組み合わせを動作させる、又は実行することもできる。

特徴及び要素が特定の組み合わせで上に記載されるが、当業者であれば、特徴又は要素の各々を単独で又は他の特徴及び要素と組み合わせて使用することができることを理解するであろう。加えて、本明細書に記載される方法は、コンピュータ又はプロセッサで実行するために、コンピュータ可読媒体に組み込まれるコンピュータプログラム、ソフトウェア、又はファームウェアにおいて実施され得る。本明細書で使用するコンピュータ可読媒体とは、電波又は他の自由に伝搬する電磁波、導波管若しくは他の伝送媒体を通って伝搬する電磁波（例えば、光ファイバーケーブルを通過する光パルス）、又は動線を通って伝送される電気信号などの、それ自体が一過性の信号であるものとして解釈されるべきではない。

コンピュータ可読媒体の例としては、電気信号（有線又は無線接続を介して送信される）及びコンピュータ可読記憶媒体が挙げられる。コンピュータ可読記憶媒体の例としては、これらに限定されるものではないが、レジスタ、キャッシュメモリ、半導体メモリデバイス、内部ハードディスク及びリムーバブルディスクなどの磁気媒体、光磁気媒体、コンパクトディスク（ＣＤ）及びデジタル多用途ディスク（ＤＶＤ）などの光学媒体、ランダムアクセスメモリ（ＲＡＭ）、読み出し専用メモリ（ＲＯＭ）、消去可能プログラマブル読み出し専用メモリ（ＥＰＲＯＭ又はフラッシュメモリ）、スタティックランダムアクセスメモリ（ＳＲＡＭ）、及びメモリスティックなどが挙げられる。プロセッサをソフトウェアと共に使用して、端末、基地局、又は任意のホストコンピュータで使用するための無線周波数送受信機を実施することができる。

本明細書で使用される用語は、あくまで特定の実施形態を説明する目的のものに過ぎず、限定を目的としたものではない。本明細書で使用するとき、文脈上特に明記されない限り、単数形「ａ」、「ａｎ」及び「ｔｈｅ」は複数の形態をも含むものとする。用語「備える（comprise）」及び／又は「備えている（comprising）」は、本明細書で用いられる場合、記載された特徴、整数、工程、動作、要素、及び／又は構成部品の存在を示すものであるが、１つ以上の他の特徴、整数、工程、動作、要素、構成要素及び／又はそれらの群の存在を除外するものではない点を理解されたい。

本明細書の異なる実施形態の説明は例示の目的で示されたものであるが、網羅的であることも開示される実施形態に限定されることも意図していない。多くの改変及び変形が、記載される実施形態の範囲及び趣旨から逸脱することなく、当業者には明らかとなろう。本明細書で使用される用語は、実施形態の原理、実用的な用途、又は市場に見られる技術と比較した技術的改良点を最も良く説明するため、又は当業者による本明細書に開示される実施形態の理解を可能とするために選択されたものである。

〔実施の態様〕
（１） 方法であって、
メモリに結合されたプロセッサによって実行される瘢痕組織識別子によって、第１のモダリティ及び第２のモダリティを受信することであって、前記第１のモダリティは第１のタイプであり、前記第２のモダリティは前記第１のタイプとは異なる第２のタイプであり、前記第１のモダリティ及び前記第２のモダリティのそれぞれは、前記第１のタイプ及び前記第２のタイプに従って患者の有機組織をそれぞれ示す、受信することと、
前記瘢痕組織識別子によって、前記第１のモダリティ及び前記第２のモダリティを相互参照することと、
前記瘢痕組織識別子によって、前記相互参照に基づいて前記第１のモダリティの改善された画像データを生成することであって、前記改善された画像データは前記第１のモダリティの元のデータよりも高い精度又はより高い解像度を含む、生成することと、を含む、方法。
（２） 前記瘢痕組織識別子は、前記第１のモダリティ及び前記第２のモダリティの相互改善を利用してハイブリッドモダリティを生成する、実施態様１に記載の方法。
（３） 前記瘢痕組織識別子は、前記改善された画像データを利用して、前記有機組織内の瘢痕領域を自動的に識別するように構成されている、実施態様１に記載の方法。
（４） 前記瘢痕組織識別子は、画像化処理を利用して、前記第２のモダリティに基づいて前記第１のモダリティを調整及び解釈することにより、前記改善された画像データを生成するように構成されている、実施態様１に記載の方法。
（５） 前記第１のタイプの前記第１のモダリティは超音波画像を含む、実施態様１に記載の方法。

（６） 前記第２のタイプの前記第２のモダリティは、ガドリニウム遅延造影－磁気共鳴画像データを含む、実施態様１に記載の方法。
（７） 前記瘢痕組織識別子は、前記改善された画像データを利用して、後続の相互参照操作のための機械学習を実施する、実施態様１に記載の方法。
（８） 前記第１のモダリティ及び前記第２のモダリティを相互参照することは、前記第１のモダリティを前記第２のモダリティと比較し、前記第１のモダリティの場所を前記第１のモダリティの対応する場所に一致させることを含む、実施態様１に記載の方法。
（９） 前記瘢痕組織識別子は、前記第１のタイプの複数のモダリティを受信して前記第２のモダリティと相互参照する、実施態様１に記載の方法。
（１０） 前記瘢痕組織識別子は、前記相互参照に基づいて前記複数のモダリティのそれぞれについて対応する改善された画像データを生成する、実施態様９に記載の方法。

（１１） 前記瘢痕組織識別子は、前記第１のタイプ及び前記第２のタイプとは異なる第３のタイプの第３のモダリティを受信するように構成されている、実施態様１に記載の方法。
（１２） 前記瘢痕組織識別子は、
前記第１のモダリティを前記第２のモダリティ及び前記第３のモダリティと相互参照し、
前記相互参照に基づいて前記改善された画像データを生成するように構成されている、実施態様１１に記載の方法。
（１３） 前記第３のタイプの前記第３のモダリティは心臓マップを含む、実施態様１１に記載の方法。
（１４） 前記瘢痕組織識別子は、病状に対処するために、超音波技術、損傷部の計画及び診断、ＥＣＧ測定、３Ｄマッピングシステム、並びに磁気共鳴の評価及び診断のうちの１つ以上に組み込まれている、実施態様１に記載の方法。
（１５） 病状は、心房細動、心房粗動、一般的な電気生理学、不整脈、心室細動、又は心室頻拍を含む、実施態様１に記載の方法。

（１６） システムであって、
瘢痕組織識別子のプロセッサ実行可能命令を記憶するメモリと、
プロセッサであって、前記瘢痕組織識別子の前記プロセッサ実行可能命令を実行し、前記システムに、
第１のモダリティ及び第２のモダリティを受信することであって、前記第１のモダリティは第１のタイプであり、前記第２のモダリティは前記第１のタイプとは異なる第２のタイプであり、前記第１のモダリティ及び前記第２のモダリティのそれぞれは、前記第１のタイプ及び前記第２のタイプに従って患者の有機組織をそれぞれ示す、受信することと、
前記第１のモダリティ及び前記第２のモダリティを相互参照することと、
前記相互参照に基づいて前記第１のモダリティの改善された画像データを生成することであって、前記改善された画像データは前記第１のモダリティの元のデータよりも高い精度又はより高い解像度を含む、生成することと、を行わせるように構成されたプロセッサと、を含む、システム。
（１７） 前記瘢痕組織識別子は、前記第１のモダリティ及び前記第２のモダリティの相互改善を利用してハイブリッドモダリティを生成する、実施態様１６に記載のシステム。
（１８） 前記瘢痕組織識別子は、前記改善された画像データを利用して、前記有機組織内の瘢痕領域を自動的に識別するように構成されている、実施態様１６に記載のシステム。
（１９） 前記瘢痕組織識別子は、画像化処理を利用して、前記第２のモダリティに基づいて前記第１のモダリティを調整及び解釈することにより、前記改善された画像データを生成するように構成されている、実施態様１６に記載のシステム。
（２０） 前記第１のタイプの前記第１のモダリティは超音波画像を含む、実施態様１６に記載のシステム。

（２１） 前記第２のタイプの前記第２のモダリティは、ガドリニウム遅延造影－磁気共鳴画像データを含む、実施態様１６に記載のシステム。
（２２） 前記瘢痕組織識別子は、前記改善された画像データを利用して、後続の相互参照操作のための機械学習を実施する、実施態様１６に記載のシステム。
（２３） 前記第１のモダリティ及び前記第２のモダリティを相互参照することは、前記第１のモダリティを前記第２のモダリティと比較し、前記第１のモダリティの場所を前記第１のモダリティの対応する場所に一致させることを含む、実施態様１６に記載のシステム。
（２４） 前記瘢痕組織識別子は、前記第１のタイプの複数のモダリティを受信して前記第２のモダリティと相互参照する、実施態様１６に記載のシステム。
（２５） 前記瘢痕組織識別子は、前記相互参照に基づいて前記複数のモダリティのそれぞれについて対応する改善された画像データを生成する、実施態様２４に記載のシステム。

（２６） 前記瘢痕組織識別子は、前記第１のタイプ及び前記第２のタイプとは異なる第３のタイプの第３のモダリティを受信するように構成されている、実施態様１６に記載のシステム。
（２７） 前記瘢痕組織識別子は、
前記第１のモダリティを前記第２のモダリティ及び前記第３のモダリティと相互参照し、
前記相互参照に基づいて前記改善された画像データを生成するように構成されている、実施態様２６に記載のシステム。
（２８） 前記第３のタイプの前記第３のモダリティは心臓マップを含む、実施態様２６に記載のシステム。
（２９） 前記瘢痕組織識別子は、病状に対処するために、超音波技術、損傷部の計画及び診断、ＥＣＧ、及び３Ｄマッピング、並びに磁気共鳴の評価及び診断のうちの１つ以上に組み込まれている、実施態様１６に記載のシステム。
（３０） 病状は、心房細動、心房粗動、一般的な電気生理学、不整脈、心室細動、又は心室頻拍を含む、実施態様１６に記載のシステム。

Claims (14)

1. システムであって、
   心臓撮像の瘢痕組織識別子のプロセッサ実行可能命令を記憶するメモリと、
   プロセッサであって、前記瘢痕組織識別子の前記プロセッサ実行可能命令を実行し、前記システムに、
   患者の有機組織をそれぞれ示す、超音波画像データ、ガドリニウム遅延造影－磁気共鳴（ＬＧＥ－ＭＲＩ）画像データ、及び心臓マップの画像データを受信することと、
   前記超音波画像データが低解像度の基本データと見なされる場合、前記超音波画像データを、前記ＬＧＥ－ＭＲＩ画像データ及び前記心臓マップの画像データと比較し、前記超音波画像データの場所を、前記ＬＧＥ－ＭＲＩ画像データの対応する場所及び前記心臓マップの画像データの対応する場所に一致させて、前記超音波画像データと、前記ＬＧＥ－ＭＲＩ画像データ、及び前記心臓マップの画像データとを相互参照することと、
   前記相互参照に基づいて前記超音波画像データの改善された画像データを生成することであって、前記改善された画像データは前記超音波画像データの元のデータよりも高い精度又はより高い解像度を含む、生成することと、
   前記改善された画像データを利用して、機械学習を通じて、前記有機組織内の瘢痕領域を自動的に識別することと、を行わせるように構成されたプロセッサと、を含む、システム。
2. 前記瘢痕組織識別子は、画像化処理を利用して、前記ＬＧＥ－ＭＲＩ画像データ、及び前記心臓マップの画像データに基づいて前記超音波画像データを調整及び解釈することにより、前記改善された画像データを生成するように構成されている、請求項１に記載のシステム。
3. 前記瘢痕組織識別子は、前記改善された画像データを利用して、後続の相互参照操作のための前記機械学習を実施する、請求項１に記載のシステム。
4. 前記瘢痕組織識別子は、複数の前記超音波画像データを受信して前記ＬＧＥ－ＭＲＩ画像データ、及び前記心臓マップの画像データと相互参照する、請求項１に記載のシステム。
5. 前記瘢痕組織識別子は、前記相互参照に基づいて複数の前記超音波画像データのそれぞれについて対応する改善された画像データを生成する、請求項４に記載のシステム。
6. 前記瘢痕組織識別子は、病状に対処するために、超音波技術、損傷部の計画及び診断、ＥＣＧ、及び３Ｄマッピング、並びに磁気共鳴の評価及び診断のうちの１つ以上に組み込まれている、請求項１に記載のシステム。
7. 病状は、心房細動、心房粗動、一般的な電気生理学、不整脈、心室細動、又は心室頻拍を含む、請求項１に記載のシステム。
8. 方法であって、
   メモリに結合されたシステムのプロセッサによって実行される心臓撮像の瘢痕組織識別子によって、患者の有機組織をそれぞれ示す、超音波画像データ、ガドリニウム遅延造影－磁気共鳴（ＬＧＥ－ＭＲＩ）画像データ、及び心臓マップの画像データを受信することと、
   前記超音波画像データが低解像度の基本データと見なされる場合、前記超音波画像データを、前記ＬＧＥ－ＭＲＩ画像データ、及び前記心臓マップの画像データと比較し、前記超音波画像データの場所を、前記ＬＧＥ－ＭＲＩ画像データの対応する場所及び前記心臓マップの画像データの対応する場所に一致させて、前記超音波画像データと、前記ＬＧＥ－ＭＲＩ画像データ、及び前記心臓マップの画像データとを相互参照することと、
   前記瘢痕組織識別子によって、前記相互参照に基づいて前記超音波画像データの改善された画像データを生成することであって、前記改善された画像データは前記超音波画像データの元のデータよりも高い精度又はより高い解像度を含む、生成することと、
   前記改善された画像データを利用して、機械学習を通じて、前記有機組織内の瘢痕領域を自動的に識別することと、を含む、方法。
9. 前記瘢痕組織識別子は、画像化処理を利用して、前記ＬＧＥ－ＭＲＩ画像データ、及び前記心臓マップの画像データに基づいて前記超音波画像データを調整及び解釈することにより、前記改善された画像データを生成するように構成されている、請求項８に記載の方法。
10. 前記瘢痕組織識別子は、前記改善された画像データを利用して、後続の相互参照操作のための前記機械学習を実施する、請求項８に記載の方法。
11. 前記瘢痕組織識別子は、複数の前記超音波画像データを受信して前記ＬＧＥ－ＭＲＩ画像データ、及び前記心臓マップの画像データと相互参照する、請求項８に記載の方法。
12. 前記瘢痕組織識別子は、前記相互参照に基づいて複数の前記超音波画像データのそれぞれについて対応する改善された画像データを生成する、請求項１１に記載の方法。
13. 前記瘢痕組織識別子は、病状に対処するために、超音波技術、損傷部の計画及び診断、ＥＣＧ測定、３Ｄマッピングシステム、並びに磁気共鳴の評価及び診断のうちの１つ以上に組み込まれている、請求項８に記載の方法。
14. 病状は、心房細動、心房粗動、一般的な電気生理学、不整脈、心室細動、又は心室頻拍を含む、請求項８に記載の方法。

Images