METHOD AND SYSTEM FOR TRAINING MACHINE LEARNING MODELS TO PREDICT ABDOMINAL AORTIC ANEURYSM (AAA) GROWTH IN IMAGES

• Main Authors: DI MARTINO, Elena, ABDOLMANAFI, Atefeh, FORNERIS, Arianna
• Format: Patent
• Language: English; French
• Published: 10.05.2024
• Subjects: CALCULATING; COMPUTING; COUNTING; DIAGNOSIS; HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATIONTECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING ORPROCESSING OF MEDICAL OR HEALTHCARE DATA; HUMAN NECESSITIES; HYGIENE; IDENTIFICATION; IMAGE DATA PROCESSING OR GENERATION, IN GENERAL; INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTEDFOR SPECIFIC APPLICATION FIELDS; MEDICAL OR VETERINARY SCIENCE; PHYSICS; SURGERY

There is provided a method and a system for training and using one or more machine learning (ML) models to predict abdominal aortic aneurysm (AAA) growth based on at least one image of a given patient having been previously diagnosed with AAA. Baseline and follow-up images of patients having AAA are received and compared to determine difference in aortic areas, and each baseline image is labelled as showing significant AAA growth or non-significant AAA growth based on the determined differences. Features are extracted from the aortic areas of the baseline images and include one or more of shape features, texture features or deep features. ML models are trained to classify baseline images as showing significant AAA growth or not based on the extracted features. Calcification accumulation in the baseline images is also determined as an indicator of AAA growth. L'invention concerne un procédé et un système d'apprentissage et d'utilisation d'un ou de plusieurs modèles d'apprentissage automatique (ML) pour prédire une croissance d'anévrisme aortique abdominal (AAA) sur la base d'au moins une image d'un patient donné chez lequel a été précédemment diagnostiqué un AAA. Des images de ligne de base et de suivi de patients ayant un AAA sont reçues et comparées pour déterminer une différence dans des zones aortiques, et chaque image de ligne de base est marquée comme présentant une croissance d'AAA significative ou une croissance d'AAA non significative sur la base des différences déterminées. Des caractéristiques sont extraites des zones aortiques des images de ligne de base et comprennent une ou plusieurs caractéristiques de forme, caractéristiques de texture ou caractéristiques de profondeur. Des modèles ML sont entraînés pour classer des images de ligne de base comme montrant une croissance d'AAA significative ou non sur la base des caractéristiques extraites. L'accumulation de calcification dans les images de ligne de base est également déterminée en tant qu'indicateur de croissance d'AAA.