1.一种用于确定针对患者的冠状动脉中的感兴趣的一个或多个位置的血液动力学指标的方法，包括：
接收患者的医学图像数据；
从所述医学图像数据提取患者的患者特定冠状动脉树几何结构；
从患者的所述患者特定冠状动脉树几何结构提取几何特征；以及
使用基于从综合生成的冠状动脉树几何结构提取的几何特征而训练的经训练的基于机器学习的代理模型、基于所提取的几何特征来计算针对所述患者特定冠状动脉树中的感兴趣的一个或多个位置的血液动力学指标。
2.权利要求1所述的方法，其中使用基于从综合生成的冠状动脉树几何结构提取的几何特征而训练的经训练的基于机器学习的代理模型、基于所提取的几何特征来计算针对所述患者特定冠状动脉树中的感兴趣的一个或多个位置的血液动力学指标包括：
使用所述经训练的基于机器学习的代理模型、纯粹地基于来自所述患者特定冠状动脉树几何结构的所提取的几何特征来计算针对所述感兴趣的一个或多个位置的血液动力学指标。
3.权利要求1所述的方法，其中所述经训练的基于机器学习的代理模型关于排他性地从综合生成的非患者特定冠状动脉树几何结构提取的几何特征进行训练。
4.权利要求1所述的方法，其中从患者的所述患者特定冠状动脉树几何结构提取几何特征包括：
基于所述患者特定冠状动脉树几何结构来计算针对冠状动脉区段的缺血权重；以及基于所述缺血权重来计算针对冠状动脉区段的缺血贡献得分。
5.权利要求4所述的方法，其中基于所述患者特定冠状动脉树几何结构来计算针对冠状动脉区段的缺血权重包括：
基于针对多个冠状动脉区段中的每一个计算的相应参考半径值而单独地计算针对所述多个冠状动脉区段中的每一个的初始局部缺血权重；
基于针对所述多个冠状动脉区段的初始局部缺血权重来计算针对所述患者特定冠状动脉树的全局缺血权重；以及
通过在所述多个冠状动脉区段之上分配所述全局缺血权重来计算针对所述多个冠状动脉区段中的每一个的最终局部缺血权重。
6.权利要求5所述的方法，其中基于针对所述多个冠状动脉区段的所述初始局部缺血权重来计算针对所述患者特定冠状动脉树的全局缺血权重包括：
计算针对所述患者特定冠状动脉树的多个全局缺血权重估计，其中所述多个全局缺血权重估计中的每一个从来自冠状动脉区段的多个世代中的相应一个的冠状动脉区段的初始局部缺血权重来计算；以及
基于所述多个全局缺血权重估计来计算所述患者特定冠状动脉树的全局缺血权重。
7.权利要求6所述的方法，其中计算针对所述患者特定冠状动脉树的多个全局缺血权重估计，其中所述多个全局缺血权重估计中的每一个从来自冠状动脉区段的多个世代中的相应一个的冠状动脉区段的初始局部缺血权重来计算，包括，针对冠状动脉区段的所述多个世代中的每一个：
向冠状动脉区段的该世代中的冠状动脉区段和具有小于冠状动脉区段的该世代的世代号的叶冠状动脉区段中的每一个分派权重；
计算针对所述患者特定冠状动脉树的所述全局缺血权重的估计，其作为冠状动脉区段的该世代中的冠状动脉区段和具有小于冠状动脉区段的该世代的世代号的叶冠状动脉区段的所述初始缺血权重、和向分支的该世代中的冠状动脉区段和具有小于冠状动脉区段的该世代的世代号的所述叶冠状动脉区段中的每一个分派的权重的函数。
8.权利要求6所述的方法，其中基于所述多个全局缺血权重估计来计算所述患者特定冠状动脉树的所述全局缺血权重包括：
计算所述患者特定冠状动脉树的所述全局缺血权重，其作为所述多个全局缺血权重估计和对应于冠状动脉区段的所述多个世代的权重的函数。
9.权利要求5所述的方法，其中通过在所述多个冠状动脉区段之上分配所述全局缺血权重来计算针对所述多个冠状动脉区段中的每一个的最终局部缺血权重包括：
通过基于所述叶冠状动脉区段的初始局部缺血权重而在叶冠状动脉区段之上分配所述全局缺血权重来计算多个叶冠状动脉区段的所述最终局部缺血权重；以及计算针对所述多个冠状动脉区段中的每一个其余一个冠状动脉区段的所述最终局部缺血权重，其作为自该冠状动脉区段下游的叶区段的最终局部缺血权重之和。
10.权利要求4所述的方法，其中基于所述缺血权重计算针对冠状动脉区段的缺血贡献得分包括：
将冠状动脉区段划分成非异常部分和异常部分；
基于所述非异常部分的空间变化的半径和所述非异常部分位于其中的冠状动脉区段的缺血权重来计算针对每一个非异常部分的缺血贡献得分；以及
基于以下来计算针对每一个异常部分的缺血贡献得分：所述异常部分位于其中的冠状动脉区段的缺血权重与应用于所述异常部分的空间变化的半径的第一数学运算符的第一乘积、和所述异常部分位于其中的冠状动脉区段的缺血权重的平方和应用于所述异常部分的空间变化的半径的第二数学运算符的第二乘积。
11.权利要求10所述的方法，其中从患者的所述患者特定冠状动脉树几何结构提取几何特征还包括：
对于所述感兴趣的一个或多个位置中的每一个，计算以下中的一个或多个：来自处于根区段与当前位置之间的所有冠状动脉区段的累积缺血贡献得分、来自处于根区段与当前位置之间的冠状动脉区段的非异常部分的累积缺血贡献得分、来自处于根区段与当前位置之间的冠状动脉区段的异常部分的累积缺血贡献得分、来自处于当前位置与叶区段之间的所有冠状动脉区段的累积缺血贡献得分、来自处于当前位置与叶区段之间的冠状动脉区段的非异常部分的累积缺血贡献得分、或来自处于当前位置与叶区段之间的冠状动脉区段的异常部分的累积缺血贡献得分。
12.权利要求4所述的方法，其中从患者的所述患者特定冠状动脉树几何结构提取几何特征还包括：
提取针对患者的所述患者特定冠状动脉树几何结构中的一个或多个狭窄区的多个几何测量结果。
13.权利要求1所述的方法，其中所述感兴趣的一个或多个位置对应于一个或多个狭窄位置，并且使用基于从综合生成的冠状动脉树几何结构提取的几何特征而训练的经训练的基于机器学习的代理模型、基于所提取的几何特征来计算针对所述患者特定冠状动脉树中的感兴趣的一个或多个位置的血液动力学指标包括：
使用所述经训练的基于机器学习的代理模型、基于所提取的几何特征而自动计算针对所述患者特定冠状动脉树中的所述一个或多个狭窄位置的血液动力学指标。
14.权利要求1所述的方法，其中使用基于从综合生成的冠状动脉树几何结构提取的几何特征而训练的经训练的基于机器学习的代理模型、基于所提取的几何特征来计算针对所述患者特定冠状动脉树中的感兴趣的一个或多个位置的血液动力学指标包括：
响应于标识所述感兴趣的一个或多个位置的用户输入来计算针对所述患者特定冠状动脉树中的所述感兴趣的一个或多个位置的血液动力学指标。
15.权利要求1所述的方法，其中血液动力学指标是血流储备分数（FFR）。
16.权利要求1所述的方法，其中血液动力学指标是壁应力。
17.权利要求16所述的方法，还包括使用所述经训练的基于机器学习的代理模型、基于针对所述感兴趣的一个或多个位置计算的壁应力来确定所述感兴趣的一个或多个位置处的斑块破裂的风险。
18.权利要求1所述的方法，其中使用基于从综合生成的冠状动脉树几何结构提取的几何特征而训练的经训练的基于机器学习的代理模型、基于所提取的几何特征来计算针对所述患者特定冠状动脉树中的感兴趣的一个或多个位置的血液动力学指标包括：
使用基于从综合生成的冠状动脉树几何结构提取的几何特征而训练的多个经训练的基于机器学习的代理模型中的相应一个、基于所提取的几何特征来计算针对所述患者特定冠状动脉树中的所述感兴趣的一个或多个位置中的每一个的多个血液动力学指标。
19.权利要求1所述的方法，还包括：
确定从所述患者特定冠状动脉树几何结构提取的几何特征中的至少一个在包括用于训练所述基于机器学习的代理模型的综合生成的冠状动脉树几何结构的综合训练数据库中的对应特征的范围之外；
基于从所述患者特定冠状动脉树几何结构提取的特征而生成一个或多个新的综合冠状动脉树几何结构以扩展所述综合训练数据库；以及
使用机器学习算法、基于从经扩展的综合训练数据库中的综合冠状动脉树几何结构提取的几何特征而重新训练所述基于机器学习的代理模型。
20.一种纯粹从冠状动脉树的几何特征训练用于预测血液动力学指标的数据驱动的代理模型的方法，包括：
生成具有带有变化的几何结构的异常区的多个综合冠状动脉树；
在所述多个综合冠状动脉树中执行血液流动模拟；
基于血液流动模拟计算所述多个综合冠状动脉树中的每一个中的多个位置处的血液动力学指标值；
从所述多个综合冠状动脉树提取几何特征；以及
使用机器学习算法训练代理模型，其用以将从所述多个综合冠状动脉树提取的几何特征映射到在所述多个综合冠状动脉树中的每一个中的所述多个位置处计算的血液动力学指标值。
21.一种用于确定针对患者的冠状动脉中的感兴趣的一个或多个位置的血液动力学指标的装置，包括：
用于接收患者的医学图像数据的部件；
用于从所述医学图像数据提取患者的患者特定冠状动脉树几何结构的部件；
用于从患者的所述患者特定冠状动脉树几何结构提取几何特征的部件；以及用于如下的部件：使用基于从综合生成的冠状动脉树几何结构提取的几何特征而训练的经训练的基于机器学习的代理模型、基于所提取的几何特征来计算针对所述患者特定冠状动脉树中的感兴趣的一个或多个位置的血液动力学指标。
22.权利要求21所述的装置，其中用于如下的部件：使用基于从综合生成的冠状动脉树几何结构提取的几何特征而训练的经训练的基于机器学习的代理模型、基于所提取的几何特征来计算针对所述患者特定冠状动脉树中的感兴趣的一个或多个位置的血液动力学指标，包括：
用于使用所述经训练的基于机器学习的代理模型、纯粹地基于来自所述患者特定冠状动脉树几何结构的所提取的几何特征来计算针对所述感兴趣的一个或多个位置的血液动力学指标的部件。
23.权利要求21所述的装置，其中所述经训练的基于机器学习的代理模型关于排他性地从综合生成的非患者特定冠状动脉树几何结构提取的几何特征进行训练。
24.权利要求21所述的装置，其中用于从患者的所述患者特定冠状动脉树几何结构提取几何特征的部件包括：
用于基于所述患者特定冠状动脉树几何结构来计算针对冠状动脉区段的缺血权重的部件；以及
用于基于所述缺血权重来计算针对冠状动脉区段的缺血贡献得分的部件。
25.权利要求24所述的装置，其中用于从患者的所述患者特定冠状动脉树几何结构提取几何特征的部件还包括：
用于提取针对患者的所述患者特定冠状动脉树几何结构中的一个或多个狭窄区的多个几何测量结果的部件。
26.权利要求21所述的装置，其中血液动力学指标是血流储备分数（FFR）。
27.权利要求21所述的装置，其中血液动力学指标是壁应力。
28.权利要求21所述的装置，其中用于如下的部件：使用基于从综合生成的冠状动脉树几何结构提取的几何特征而训练的经训练的基于机器学习的代理模型、基于所提取的几何特征来计算针对所述患者特定冠状动脉树中的感兴趣的一个或多个位置的血液动力学指标，包括：
用于如下的部件：使用基于从综合生成的冠状动脉树几何结构提取的几何特征而训练的多个经训练的基于机器学习的代理模型中的相应一个、基于所提取的几何特征来计算针对所述患者特定冠状动脉树中的所述感兴趣的一个或多个位置中的每一个的多个血液动力学指标。
29.一种存储用于确定针对患者的冠状动脉中的感兴趣的一个或多个位置的血液动力学指标的计算机程序指令的非暂时性计算机可读介质，所述计算机程序指令定义在由处理器执行时使所述处理器执行包括以下的操作：
接收患者的医学图像数据；
从所述医学图像数据提取患者的患者特定冠状动脉树几何结构；
从患者的所述患者特定冠状动脉树几何结构提取几何特征；以及
使用基于从综合生成的冠状动脉树几何结构提取的几何特征而训练的经训练的基于机器学习的代理模型、基于所提取的几何特征来计算针对所述患者特定冠状动脉树中的感兴趣的一个或多个位置的血液动力学指标。
30.权利要求29所述的非暂时性计算机可读介质，其中使用基于从综合生成的冠状动脉树几何结构提取的几何特征而训练的经训练的基于机器学习的代理模型、基于所提取的几何特征来计算针对所述患者特定冠状动脉树中的感兴趣的一个或多个位置的血液动力学指标包括：
使用所述经训练的基于机器学习的代理模型、纯粹地基于来自所述患者特定冠状动脉树几何结构的所提取的几何特征来计算针对所述感兴趣的一个或多个位置的血液动力学指标。
31.权利要求29所述的非暂时性计算机可读介质，其中所述经训练的基于机器学习的代理模型关于排他性地从综合生成的非患者特定冠状动脉树几何结构提取的几何特征进行训练。
32.权利要求29所述的非暂时性计算机可读介质，其中从患者的所述患者特定冠状动脉树几何结构提取几何特征包括：
基于所述患者特定冠状动脉树几何结构来计算针对冠状动脉区段的缺血权重；以及基于所述缺血权重来计算针对冠状动脉区段的缺血贡献得分。
33.权利要求32所述的非暂时性计算机可读介质，其中基于所述患者特定冠状动脉树几何结构来计算针对冠状动脉区段的缺血权重包括：
基于针对多个冠状动脉区段中的每一个计算的相应参考半径值来单独地计算针对所述多个冠状动脉区段中的每一个的初始局部缺血权重；
基于针对所述多个冠状动脉区段的所述初始局部缺血权重来计算针对所述患者特定冠状动脉树的全局缺血权重；以及
通过在所述多个冠状动脉区段之上分配所述全局缺血权重来计算针对所述多个冠状动脉区段中的每一个的最终局部缺血权重。
34.权利要求32所述的非暂时性计算机可读介质，其中基于所述缺血权重计算针对冠状动脉区段的缺血贡献得分包括：
将冠状动脉区段划分成非异常部分和异常部分；
基于所述非异常部分的空间变化的半径和所述非异常部分位于其中的冠状动脉区段的缺血权重来计算针对每一个非异常部分的缺血贡献得分；以及
基于以下来计算针对每一个异常部分的缺血贡献得分：所述异常部分位于其中的冠状动脉区段的缺血权重与应用于所述异常部分的空间变化的半径的第一数学运算符的第一乘积、和所述异常部分位于其中的冠状动脉区段的缺血权重的平方和应用于所述异常部分的空间变化的半径的第二数学运算符的第二乘积。
35.权利要求36所述的非暂时性计算机可读介质，其中从患者的所述患者特定冠状动脉树几何结构提取几何特征还包括：
对于所述感兴趣的一个或多个位置中的每一个，计算以下中的一个或多个：来自处于根区段与当前位置之间的所有冠状动脉区段的累积缺血贡献得分、来自处于根区段与当前位置之间的冠状动脉区段的非异常部分的累积缺血贡献得分、来自处于根区段与当前位置之间的冠状动脉区段的异常部分的累积缺血贡献得分、来自处于当前位置与叶区段之间的所有冠状动脉区段的累积缺血贡献得分、来自处于当前位置与叶区段之间的冠状动脉区段的非异常部分的累积缺血贡献得分、或来自处于当前位置与叶区段之间的冠状动脉区段的异常部分的累积缺血贡献得分。
36.权利要求32所述的非暂时性计算机可读介质，其中从患者的所述患者特定冠状动脉树几何结构提取几何特征还包括：
提取针对患者的所述患者特定冠状动脉树几何结构中的一个或多个狭窄区的多个几何测量结果。
37.权利要求29所述的非暂时性计算机可读介质，其中血液动力学指标是血流储备分数（FFR）。
38.权利要求29所述的非暂时性计算机可读介质，其中血液动力学指标是壁应力。
39.权利要求29所述的非暂时性计算机可读介质，其中使用基于从综合生成的冠状动脉树几何结构提取的几何特征而训练的经训练的基于机器学习的代理模型、基于所提取的几何特征来计算针对所述患者特定冠状动脉树中的感兴趣的一个或多个位置的血液动力学指标包括：
使用基于从综合生成的冠状动脉树几何结构提取的几何特征而训练的多个经训练的基于机器学习的代理模型中的相应一个、基于所提取的几何特征来计算针对所述患者特定冠状动脉树中的所述感兴趣的一个或多个位置中的每一个的多个血液动力学指标。