用于利用用户特定解剖和生理传感器数据来监测和更新血流计算的系统和方法与流程

本申请要求2016年9月20日提交的美国临时申请no.62/397,133的优先权，所述申请的全部公开内容在此以引用的方式整体并入本文中。

引言

最近已将个人化的解剖和生理模型引入临床实践中以支持冠状动脉疾病的评估和治疗。个人化的解剖和生理模型可能具有局限性，例如，(1)在解剖和生理模型模拟计算中做出的生理假设可能不是用户特定的，(2)即使当用户可能改变时，假设也可能保持不变，以及(3)生理假设可能模仿不未并入实时输入(例如，实际用户活动)的测试程序。因此，个人化模拟在一个时间点可能是准确的，但当用户特征或用户活动改变时(例如，当用户体重减轻，更改活动习惯，停止吸烟，降低血糖水平等时)，诊断结果可能失去适用性、准确性或相关性。

因此期望利用用户特定活动数据来告知和监测血流模拟。前文的概括描述和下文的详细描述仅仅是示例性和解释性的，而不对本公开进行限制。根据一个实施方案，本公开是关于例如ffrct、pci和cabg计划、灌注建模、移动观察器以及与充血模拟、计划和长期随访相关的任何事物。

技术实现要素：

根据本公开的某些方面，公开了用于利用包括传感器数据的用户特定活动数据来告知和监测血流计算的系统和方法。

一种方法包括：接收或访问用户特定解剖模型和用户的第一生理特征集合；基于所述用户特定解剖模型和所述第一生理特征集合而计算所述用户的血流指标的第一值；通过访问或接收所述用户的血流的传感器数据和/或所述用户的生理特征的传感器数据来接收或计算所述用户的第二生理特征集合；以及基于所述用户特定解剖模型和所述用户的所述第二生理特征集合而计算所述用户的所述血流指标的第二值。

根据另一实施方案，一种用于使用传感器数据来计算血流指标的系统包括：数据存储装置，所述数据存储装置存储使用传感器数据来计算血流指标的指令；以及处理器，所述处理器被配置用于：接收或访问用户特定解剖模型和用户的第一生理特征集合；基于所述用户特定解剖模型和所述第一生理特征集合而计算所述用户的血流指标的第一值；通过访问或接收所述用户的血流的传感器数据和/或所述用户的生理特征的传感器数据来接收或计算所述用户的第二生理特征集合；以及基于所述用户特定解剖模型和所述用户的所述第二生理特征集合而计算所述用户的所述血流指标的第二值。

根据另一实施方案，一种用于计算机系统上的非暂时性计算机可读介质，所述非暂时性计算机可读介质含有计算机可执行编程指令以执行使用传感器数据来计算血流指标的方法，所述方法包括：接收或访问用户特定解剖模型和用户的第一生理特征集合；基于所述用户特定解剖模型和所述第一生理特征集合而计算所述用户的血流指标的第一值；通过访问或接收所述用户的血流的传感器数据和/或所述用户的生理特征的传感器数据来接收或计算所述用户的第二生理特征集合；以及基于所述用户特定解剖模型和所述用户的所述第二生理特征集合而计算所述用户的所述血流指标的第二值。

所公开的实施方案的其他目标和优点将在以下描述中进行部分阐述，并且部分将根据该描述而为显而易见的，或者可以通过实践所公开的实施方案来了解。所公开的实施方案的目标和优点将借助于在所附权利要求书中特别指出的元件和组合来实现和获得。

应当理解的是，前文的概括描述和下文的详细描述仅仅是示例性和解释性的，而不像权利要求书那样对所公开的实施方案进行限制。

附图说明

并入本说明书中且构成其一部分的附图示出了各种示例性实施方案，并且与描述一起用于解释所公开的实施方案的原理。

图1是根据本公开的示例性实施方案的使用用户特定活动数据的示例性血流监测系统的框图。

图2是根据本公开的示例性实施方案的用于基于用户特定活动数据而计算血流的示例性血流指标平台的框图。

图3是根据本公开的示例性实施方案的使用用户特定活动数据来增强血流计算中采用的模型和假设的示例性分析平台的框图。

图4是根据本公开的示例性实施方案的基于用户特定活动数据而初始化用户的血流模型以进行血流计算的示例性方法的流程图。

图5是根据本公开的示例性实施方案的使用用户特定活动数据来实时地确定用户的健康状态的流程图。

图6a和图6b是根据本公开的示例性实施方案的基于用户特定活动数据而确定对血流模型的更新的流程图。

如本文中所使用的，术语“示例性”在“示例”而不是“理想”的意义上使用。此外，术语“第一”、“第二”等在本文中不表示任何顺序、数量或重要性，而是用于将一个概念或结构与另一概念或结构进行区分。此外，本文中的术语“一个”和“一种”并不表示对数量的限制，而使表示存在所提及项目中的一个或多个。出于本公开的目的，“患者”和“用户”可以指代正被进行诊断或治疗分析(例如，数据分析)的任何个体或人，或与一个或多个个体的诊断或治疗分析相关联的任何个体或人。此外，“健康状态”可以指医疗状况，包括与医疗状况相关联的症状、特征、触发、原因或指示符的集合。

具体实施方式

现将详细参考本公开的示例性实施方案，在附图中示出了所述实施方案的示例。在任何可能的情况下，相同的附图标记在整个附图中将用以指代相同或相似部分。

本公开的实施方案包括用于捕获、分析和使用用户特定活动数据来告知生理血流模拟，以及基于血流模拟和活动数据而监测和预测未来事件的系统和方法。

冠状动脉疾病可能导致向心脏提供血液的血管发展出病变，例如狭窄。因此，到心脏的血流可能受限制。患有冠状动脉疾病的用户可能在身体运动期间经历胸痛(例如，慢性稳定性心绞痛)或在用户静止时经历不稳定的心绞痛。更严重的疾病表现可能导致心肌梗塞或心脏病发作。期望提供与冠状动脉病变相关的更准确的数据，这些数据包括关于每个病变的大小、形状、位置、功能意义(例如，病变是否影响血流)等的信息。患有胸痛和/或展现冠状动脉疾病的症状的用户可以进行一个或多个测试(例如，基于医疗成像的测试)，所述测试可以提供与冠状动脉病变相关的一些间接证据。心脏病的许多其他领域可能具有诊断动脉粥样硬化、先天性异常或其他血管疾病(例如，外周、脑、肾和肺血管系统的疾病)的类似需要。

常见的心血管成像技术包括ct、spect、mr和超声心动图。除了使用医疗成像来进行非侵入性冠状动脉评定之外，冠状动脉评定还可以包括心电图，血液测试的生物标志评定和跑步机运动测试。然而，这些非侵入性测试可能无法提供对冠状动脉病变的直接评估或无法评估通过可能需要或可能不需要治疗的个别血管的血液流率。非侵入性测试可以通过寻找心脏电活动(例如，使用心电图(ecg))、心肌的运动(例如，使用负荷超声心动图)、心肌的整体灌注(例如，使用pet或spect)的变化，或代谢变化(例如，使用生物标志)来提供冠状动脉病变的间接证据。

可以使用冠状动脉计算机断层扫描血管造影(ccta)来非侵入性地获得解剖数据。ccta可以用于患有胸痛的用户的成像，并且涉及在静脉输注造影剂之后使用ct技术来对心脏和冠状动脉成像。然而，ccta可能无法提供关于冠状动脉病变的功能意义(例如，病变是否影响血流)的直接信息。此外，单独使用的ccta既不能用于预测各种生理状态(例如，运动、静止、充血等)下冠状动脉血流、压力或心肌灌注的变化，也不能用于预测干预的结果。

因此，用户可以进行侵入性测试，例如诊断性心导管插入术，以使冠状动脉病变可视化。诊断性心导管插入术可以包括执行常规冠状动脉血管造影(cca)以通过向医生提供动脉大小和形状的图像来搜集关于冠状动脉病变的解剖数据。然而，cca可能无法提供用于评估冠状动脉病变的功能意义的数据。例如，医生可能无法在不确定病变是否具有功能意义的情况下诊断冠状动脉病变是否有害。因此，cca已经导致称为“目视狭窄反射”的程序，其中介入性心脏病专家可能对利用cca发现的每个病变插入支架，而不管病变是否具有功能意义。因此，cca可能导致对用户的不必要操作，这可能给用户带来额外的风险并且可能导致用户不必要的医疗保健成本。

在诊断性心导管插入术期间，可以通过测量观察到的病变的血流储备分数(ffr)来侵入性地评估冠状动脉病变的功能意义。ffr可以被定义为在例如通过静脉内施用腺苷诱发时冠状动脉血流增加的条件下，病变下游的平均血压除以病变上游的平均血压(例如，主动脉压)的比。可以通过将压力线插入到用户体内来测量血压。因此，在诊断性心导管插入术的初始成本和风险已经发生之后，可以做出基于确定的ffr而治疗病变的决定。如果进行治疗，即使是ffr也可能不提供预测特定用户在近期或远期未来可能发生的事情的能力。

为了填补上述纯医疗成像和侵入性程序中的每一者留下的空白，已经开发了基于用户特定成像数据的模拟和建模技术。例如，各种模拟、建模和计算技术包括但不限于：计算力学、计算流体动力学(cfd)、数值模拟、多尺度建模、蒙特卡罗模拟，机器学习、人工智能以及对数学模型求解的各种其他计算方法。这些技术可以提供关于生物力学、流体力学、解剖和生理随时间的变化、电生理学、组织上的应力和应变、器官功能和神经功能等的信息。该信息可以在成像研究时提供和/或示出为由于医疗程序或者由于时间的推移和疾病的进展而随着时间过去发生的预测变化。

计算模拟和建模的一个说明性应用可以包括从非侵入性成像数据对血管血流进行建模，包括评估各种医学、介入或手术治疗的效果。具体地说，已经开发了用于非侵入性地评估冠状动脉解剖结构、心肌灌注和冠状动脉流的方法，以减少侵入性ffr测量的以上缺点。具体地说，cfd模拟已成功用于预测动脉中的血液流率和血压的空间和时间变化，包括ffr。用于执行和使用非侵入性血流建模的示例性方法在2013年3月26日颁发的美国专利no.8,386,188、2012年11月27日颁发的美国专利no.8,321,150、2012年11月20日颁发的美国专利no.8,315,814、2012年11月20日颁发的美国专利no.8,315,813、2012年11月20日颁发的美国专利no.8,315,812、2012年11月13日颁发的美国专利no.8,311,750、2012年11月13日颁发的美国专利no.8,311,748、2012年11月13日颁发的美国专利no.8,311,747，以及2012年4月17日颁发的美国专利no.8,157,742中进行了描述，所有所述专利在此以引用的方式整体并入。

这些方法和系统对于为疑似具有冠状动脉疾病的用户诊断和计划治疗，并预测在导管插入实验室中无法直接测量的条件(例如，运动)下的冠状动脉流和心肌灌注的心脏病专家是有益的。这些系统和方法进一步准许预测对冠状动脉血流和心肌灌注的医学、介入和手术治疗的结果。

当前应力测试程序(例如，ffr或灌注成像)通常使用药物诱发的充血来模拟用户的最大运动。或者，应力-跑步机测试可以在用户在跑步机上运动时利用超声心动图或ecg测量，从而模拟他们的实际活动。两种方法，跑步机测试和药物诱发的充血，可能在其试图模拟用户的实际感受和他们可能经历的缺血症状方面受到限制。用户可能在将他/她的感受描述为无缺血症状的同时具有阳性ffr结果；这可能是因为用户可能限制他/她的活动水平以减轻症状，从而限制他/她的生活方式。或者，用户可能报告跑步机测试在实验室中不能复制的症状。例如，用户在寒冷天气沿地铁楼梯向上走时可能会经历症状。期望一种测试以更好地将用户的实际活动与他们的血流、血压和可用于诊断心血管疾病的其他生理指标的测量结合起来。

另外，在决定如何治疗用户(例如，利用监测进行的医学疗法、像对狭窄植入支架的经皮介入，或像冠状动脉旁路的外科血管重建)之后，期望了解用户的状况随着时间过去可能如何进展。通过适当运动和医学治疗，进行医疗管理的用户随着时间过去可以成功地减轻他们的症状。或者，由于疾病进展或活动和生活方式改变，用户的症状可能仍然存在并且随着时间过去而变得更糟。期望预测和监测用户活动与随时间过去的症状和疾病进展的关系。

本公开包括可以单独地或组合地实现的至少四个示例性实施方案：

1)一种出于告知心血管分析并使用户为与所述分析相关的任何程序做准备的目的而在心血管分析之前搜集用户特定活动数据的系统和方法。

2)一种出于告知用户和医师用户状况的变化的目的而在心血管分析之后跟踪和监测用户活动数据的系统和方法。

3)一种用于获得具有病变特定功能数据的ct得到的跑步机或运动测试的系统和方法，其可以提供单独利用ct或利用当前应力跑步机测试当前不可能实现的细节水平。

4)一种用于基于用户的活动数据而预测用户状况的长期变化的系统和方法。

在第一实施方案中，描述了用以捕获用户特定活动数据并分析数据以计算血流指标的血流监测系统和方法。可选地或另外地，用户特定活动数据可用于执行用户特定血流模拟。在一些情况下，血流指标可以与用户的心血管活动相关。软件可以安装在能够利用传感器检测活动或生理数据的硬件装置上，所述传感器包括但不限于加速度计、陀螺仪、高度计压力传感器、心率传感器、血压传感器、血液测试传感器、图像传感器、gps传感器等。含有这种传感器的装置可以包括手持式装置，例如电话、平板计算机或葡萄糖监测器；以及可穿戴装置，例如手表、手镯、戒指、垂饰、别针、监测器等。在心血管分析之前，可以获取用户解剖结构的医疗图像数据。在安排检查之前，可以将软件安装在用户的现有装置上。可选地或另外地，可以向用户提供具有预先安装的软件的装置，以在其成像检查之前佩戴或使用。

在一个实施方案中，血流监测系统可以包括用以接受输入并向用户显示输出的用户接口。软件可以提示用户(例如，用户或医疗专业人员)设置以输入关于用户的数据，例如他们的身高、体重、年龄、性别、安排的检查日期等。该数据可以由软件使用以从活动数据确定血流指标。显示器可以允许软件向用户传达通知、图像或其他信息。

在一个实施方案中，血流监测系统可以进一步以预先指定的间隔(例如，每10ms、每5秒、每一小时等)捕获传感器数据。传感器数据可以被编译成表示数据随时间过去的变化的数据结构。在示例性实施方案中，可以随时间过去跟踪与运动相关的加速度计数据、气压高度数据、心率数据和陀螺仪数据并将其存储在数据库中。数据可以存储在装置上和/或远程地传输到另一计算机系统以进行分析。远程传送可以通过任何方式发生，例如，无线网络、蜂窝数据网络或其他近距离或远距离电磁频率等。

在装置上或远程的血流监测系统可以分析活动数据以得到心血管或生理指标。可以在获取数据时使用多个数据点一起以设置的时间间隔实时地分析数据，或者在已经获取所有相关数据之后一次性分析数据。指标可以包括：用户的心输出量、工作和能量输出、微血管阻力、充血反应水平等。这些血流指标可能不是由装置的传感器直接测量的。指标可以从用户的活动数据(如由一个或多个传感器提供)得到。

一旦定义了血流指标，血流监测系统便可以确定与用户活动相关的多个指标中的至少一者(例如，经历缺血的时间百分比、用户可能已经经历症状的特定时间、在该点用户可能经历症状的活动水平、来自活动的最大充血反应与最大药物诱发的充血的比较、模拟跑步机测试)，使用机器学习(例如，没有计算流体动力学)来分析与活动数据相关的事件以预测事件等。

一旦用户使用血流监测系统的活动跟踪装置，血流监测系统便可以提示活动跟踪装置提醒或警示用户进行各种活动。血流监测系统可以进一步监测用户并确认用户进行活动。例如，装置可以提醒用户在特定时间服用药物或者在成像检查之前指定时间量内不吃东西。装置可以进一步检测用户是否遵循提醒的指令(例如，响应于药物或食物消耗而检测到血流或血糖的变化)。血流监测系统可以通过消息传递、图像、警示或物理响应(例如，振动或其他触觉信号)来提供通知。系统还可以提示用户确认他们遵循了来自他们的医生或医疗专业人员的某些指令。

另外，血流监测系统可以接收和使用用户输入。例如，如果用户在进行剧烈活动时感到胸痛，则用户可以经由血流监测系统记录该胸痛事件。作为另一示例，血流监测系统可以提示用户描述他/她的症状或健康状况。血流监测系统可以记录和存储事件类型和时间。在一种情况下，血流监测系统可以指定各种活动或活动水平(例如，轻微活动、剧烈活动等)，并且血流监测系统可以将检测到的或用户报告的事件与检测到的活动/活动水平相关联。血流监测系统还可以使医疗事件/症状与在事件之前、期间和之后记录的活动数据相关。如前所述，活动数据可以由传感器数据和/或用户输入提供。

在本公开中，初始个人化模拟可以受益于与实际用户活动(例如，运动能力、频率、实际活动、峰值生理状况与药物诱发的生理状况等)相联系以提供可以代表用户的实际生理状况的初始模拟。通过扩展，模拟系统可以最初由用户特定活动告知，并且可以在用户改变时重新计算或定期更新诊断模拟。例如，如果计算揭示用户可能已经展现出危险或令人担忧的计算的指标/特征，则可以警示用户或医生。在另一示例中，如果计算指示对于用户来说可能有危险的身体状况，则可以自动将药物分配给用户。虽然所描述的实施方案中的许多涉及血流模拟和血流计算，但是所公开的系统和方法可以应用于任何诊断模拟和指标。

可选地或另外地，指标的计算也可以受益于用户输入信息，例如症状。在一个实施方案中，用户输入可以与利用可穿戴装置、医疗装置和/或家庭健康装置搜集的信息相关，并用于细化模拟。例如，用户可以定义与各种身体活动相关的症状。这些症状可能产生可测量的生理信号，所述生理信号可用于细化模拟以更好地预测该用户的血流特征与其健康状态之间的关系。例如，用户输入和来自心跳监测器的传感器数据可用于更好地预测用户的血流与缺血水平之间的关系。血流与缺血水平之间的关系则可以是用户特定的并且不断更新，而不是基于与经验数据的相关性或来自早期研究的假设。

换句话说，可以利用与用户相关联的可穿戴装置、医疗装置或家庭健康装置提供的数据或者利用由用户直接输入的数据不断更新用户血流模拟。可选地或另外地，可以使用用户数据(例如，收集的数据、测量的数据、用户输入的数据等)和/或来自其他用户和与那些其他用户中的每一者相关联的可穿戴装置、医疗装置或家庭健康装置的数据来不断更新或细化提供用户血流模拟的基础的血流模型。例如，本公开可以包括用于更新边界条件、用户特定解剖模型，或用于计算血流指标(和用户的医疗状况)的初始条件的方法。更新可以从用户输入和传感器数据得到。例如，用户在中等活动(例如，缓慢步行)期间显示运动生理状态(例如，升高的心率)的症状可以触发所公开的系统和方法以推断对与用户相关联的解剖模型的修改。一种这样的修改可以包括使血管系统变窄。然后，血管变窄接着可以在与用户相关联的解剖模型的几何变化，以及对应于血管变窄的边界条件模型中反映，其中更新后的解剖模型和更新后的边界条件模型都可以用于计算用户血流指标的值。计算出的血流指标的值可以指示用户的医疗状况。

可选地或另外地，一个实施方案可以包括定义用户组(例如，按年龄、人口统计、运动水平/方案、病史、雇主、医疗保健提供者、医疗保健计划、保险提供者、所使用的可穿戴装置等)。可以在用户组中的每一者内特别地训练血流模型。例如，18-35岁的第一组用户可以具有对于该第一用户组特定的选定血流模型，而36-50岁的第二组用户可以具有对于该第二用户组特定的选定血流模型。如上所述，每个血流模型可以包括根据与各个个体相关的数据训练(例如，经由机器学习)的用户特定计算模型(例如，具有定义的边界条件)、用户特定解剖模型和/或用户特定血流模型。可以使用来自与该用户组的用户相关联的可穿戴装置、医疗装置或家庭健康装置的数据来不断更新和细化这些血流模型中的每一者。

可以使用这些传感器数据进一步细化健康的个体的基线或阈值。例如，聚合的传感器数据可以指示用于每个用户组的不同阈值或基线。例如，成年人静止时的平均静息心率通常为每分钟60-100次。运动员的平均静息心率为每分钟约40-60次。聚合的传感器数据可用于进一步估计某些年龄范围(例如，18-35岁或36-50岁)的成年人、参与某些运动的成年人和/或维持某些饮食的成年人的平均静息心率。该数据可以通过确定给定用户是否可能具有医疗状况来进一步告知血流模型。以这种方式，传感器数据可用于提高血流模拟和预测的准确性。

替代或额外分组可能涉及各种保险提供者的用户。例如，第一保险提供者的用户可以对应于一个血流模型并且使该血流模型由与该第一保险提供者覆盖的用户相关联的可穿戴装置数据补充，而第二保险提供者的用户可以使其血流模拟基于由来自该第二保险提供者覆盖的用户的可穿戴装置数据补充的血流模型。在一种情况下，第一保险提供者可以提供或鼓励他们的客户/用户使用一组可穿戴装置，而第二保险提供者可以鼓励他们的客户使用不同组的可穿戴装置。在这种情况下，所得血流模型可以在各组之间不同地发展。

另外，可以基于用于收集用户数据的装置来定义组。例如，对来自这些组的模拟数据的分析可以准许指示哪些可穿戴装置为各种血流模拟提供或收集最相关的数据。例如，对于给定血流模拟，心率监测器相比血压袖带可以产生更好的血流模型。可选地或另外地，血流模型最终可以指示一个可穿戴装置、医疗装置或家庭健康装置在提供用于血流模拟的数据方面优于另一可穿戴装置、医疗装置或家庭健康装置。例如，一个品牌的心率监测器与另一品牌的心率监测器相比可以提供得到更准确的血流模型/模拟的数据。

对于社会团体(例如健身房会员或雇主/工作场所)，类似的用例场景可能发生，其中作为社会团体的一部分的用户/消费者可以通过可穿戴装置来跟踪其数据，所述可穿戴装置的数据可以不断修改血流模型。在本公开中，基于可穿戴装置数据的血流模型可用于评定作为社会团体的成员的用户/消费者以及不是社会团体的一部分的用户/消费者的健康/血流。

示例性系统和方法还可以包括将各个用户组的血流模型进行比较，例如以在各组之间找到趋势或推断健康状况。还可以将组之间的用户血流模拟信息进行比较，例如以便为各种年龄、人口统计、病史、专业等的消费者/用户设置保险费或映射风险。在这种分析中使用可穿戴装置数据可能需要例如，基于消费者/用户的运动水平而可能是流动的或在较短时间间隔内变化的保险费。当使用传感器数据来定制血流模型和模拟时，风险映射也可能更加精细。例如，一个实施方案可以包括慢跑俱乐部，其中成员可以使他们在其慢跑期间或在选定时间段的过程内的心脏衰竭风险可视化。地方政府、学校或其他团体也可以经由基于来自可穿戴装置、医疗装置或家庭健康装置的数据的血流模拟来评定各种健康行动对其构成者的健康是否有影响。

一个示例性实施方案可以包括产生将用户组的各个用户进行比较和/或将用户与他或她的整个用户组进行比较的可视化。例如，可视化可以包括针对运动员“a”的将他或她的风险与运动员“b”的风险进行比较的选项。例如，运动员a和运动员b可能具有他们正在努力的目标低风险等级，并且基于可穿戴装置数据的可视化可以在两个运动员之间提供责任和鼓励以达到该风险等级。用户对照整个用户组的示例性比较可以包括用户支付给定的保险费，其中可以根据用户疾病风险等级来设置保险费。用户可以将他或她的基于可穿戴装置数据的血流模拟计算与他或她的保险项目中的其他用户的血流模拟测量进行比较。在另一实施方案中，如果用户的风险等级超过预定风险等级，则保险费可以增加。使血流模拟数据基于来自可穿戴装置的数据可以意味着用户可以看到他或她达到预定风险等级的接近程度。

在一个实施方案中，如果用户的输入(经由可穿戴装置)以某种方式进行，则所公开的系统和方法可以提供包括健康状态改变的预计结果或时间的报告。例如，在给定用户当前的运动方案的情况下，他或她可能处于第一健康状态。如果用户继续他或她当前的运动方案，则报告可以包括在给定时间量内的预计健康状态。可选地或另外地，如果用户增加或减少他或她当前的运动方案，则报告可以提供预计健康状态。可以基于使用用户生成的传感器数据和用户输入不断更新的血流模拟或模型来确定预计健康状态，所述传感器数据和用户输入均来自单个用户和用户组。

上文关于来自可穿戴装置的数据描述的所有实施方案也可以应用于医疗装置或家庭健康装置。

图1是使用传感器数据来计算特定用户的血流指标的系统的一般实施方案。传感器数据可以包括用户的活动数据，例如，指示用户的生理状态的传感器数据。计算出的血流指标可以指示用户的健康状态。因此，系统可以包括传感器(例如，来自可穿戴装置)、用户医疗数据(例如，病史或解剖图像/测量)、血流计算能力以及产生与计算出的血流和用户健康相关联的输出的能力(例如，用于预测用户未来健康进展，报告用户健康，和/或分配药物的功能)。图2是用于根据传感器数据计算血流的示例性平台的框图。图3是用于定制在那些血流计算中使用的假设和模型的示例性分析平台的框图。具体地说，图3的示例性分析平台可以基于用户传感器数据和过去的血流计算来更新假设和模型。

图4和图5示出了使用用户特定活动数据来监测和计算用户的血流指标的过程的流程图。具体地说，图4是初始化用户的血流计算并确定用户的初始健康状态的过程。图5包括基于传感器数据不断更新用户的血流计算并且不断更新对用户的健康状态的理解的过程。

图1示出了根据示例性实施方案的用于使用正在进行的传感器数据来监测和模拟用户的血流的示例性血流监测系统100的框图。血流监测系统100可以从可穿戴装置或其他消费者装置接收传感器数据，并基于传感器数据而检测用户的健康状态。血流监测系统100还可以根据检测到的健康状态而警示或提示医疗专业人员或装置的动作。例如，如果从用户的血流模拟计算的指标指示用户可能需要药物，则血流监测系统100可以致使医疗装置分配药物。如果用户的血流模拟输出落入将告知医疗专业人员的预定范围内的血流指标，则血流监测系统100也可以警示医疗专业人员。此外，血流监测系统100可以例如在医疗检查之前和/或在过去、现在和将来的时间范围内提供用户正在进行的活动和血流模拟指标的报告。

血流监测系统100还可以基于传感器数据而细化其模拟。例如，血流监测系统100可以使用传感器数据和关于用户活动的实时输入来更新作为血流模拟基础的生理假设。血流监测系统100可以进一步使用传感器数据来确定用户特定计算。例如，适用于一个人的生理假设可能不适用于另一个人。以相同速度跑步的两个人可能会经历不同的心率，并且因此表现不同的血流状况。血流监测系统100可以使用实时输入来提供利用用户特定生理假设计算的血流指标，这意味着血流模型可以基于每个个别用户独有的假设，实时地进行。

在一个实施方案中，血流监测系统100可以包括各种组件，包括一个或多个传感器101a-101n(例如，传感器101)、一个或多个医疗数据接口103a-103n(例如，医疗数据接口103)、血流指标平台105、数据储存库107、分析平台109、一个或多个医疗装置111a-111n(例如，医疗装置111)和网络113。

在一个实施方案中，传感器101可以接收正在进行的用户活动数据。传感器101可以包括任何消费者装置，包括心率监测器、霍尔特监测器、起搏器或其他心律监测装置、电话、智能手表、血压袖带、加速度计(例如，在智能电话或手表中)、运动设备(例如，跑步机、固定自行车、椭圆机等)、浴室秤、智能马桶、睡眠监测器、葡萄糖监测器、胰岛素泵、智能手机应用程序(例如，记录睡眠、运动、饮食、食物摄入、生育周期等的应用程序)等。在一个实施方案中，医疗数据接口103可以接收用户健康数据，例如，由医疗专业人员或设施生成的数据。用户健康数据可以包括医疗报告、图像、解剖模型(例如，ct扫描)等。

在一个实施方案中，血流指标平台105可以基于从传感器101和/或医疗数据接口103接收的数据而计算用户的血流指标。在一个实施方案中，血流指标平台105可以从医疗数据接口103接收用户特定解剖模型。用户特定解剖模型可以包括用户的脉管系统和/或组织的一部分的解剖模型。可选地或另外地，用户特定解剖模型可以包括用户的整个循环系统或组织的模型。在一个实施方案中，来自传感器101的数据可以提供指示用户的生理状态的数据。血流指标平台105可以使用来自医疗数据接口103的用户特定解剖模型并使用来自传感器101的生理特征来计算用户的血流特征或组织特征。

在一个实施方案中，血流指标平台105可以通过经由所接收的用户特定解剖模型模拟血流来计算用户特定血流特征或组织特征，其中在考虑传感器数据提供的生理特征的情况下执行模拟。例如，可以根据所接收的生理特征来调整解剖模型的脉管系统的几何形状和/或流模拟的边界条件。在2015年12月1日颁发的美国专利no.9,202,010中描述了用于基于生理状况而调整血流模拟的示例性系统和方法，该专利的全部公开内容在此以引用的方式整体并入。

在一个实施方案中，数据储存库107可以接收和存储计算出的血流指标。例如，数据储存库107可以为特定用户或用户组提供纵向数据。在一个实施方案中，分析平台109可以更新血流指标平台105的计算和/或提供聚合用户数据。更新计算可能需要在用户分组之间形成关联。例如，用户分组可以包括按照可穿戴装置类型/传感器类型、人口统计、保险单、年龄、健康目标、用户自选分组(例如，健身房会员或跑步俱乐部)等对用户进行分组。可选地或另外地，分析平台109可以确定一种或多种推荐的治疗方案、疗法任务、报告、随访测试/分析等。

血流指标平台105、数据储存库107和/或分析平台109可以进一步提供例如在各种生理状态下、在不同时间点，或者在用户的传感器数据反映某些生理状态或用户健康实践的情况下对用户健康状态的预测。例如，血流指标平台105可以在用户当前没有经历的生理状态下计算用户血流指标的值。在一个这种情况下，用户可能处于静止生理状态，并且血流指标平台105可以基于血流模拟和从用户从用户之前的运动阶段接收的传感器数据来估计当用户处于运动状态时用户血流指标的值。如果用户参与某些实践，则血流指标平台105还可以预测用户血流指标的值。例如，如果用户每天运动持续一个月或一年，则血流指标平台105可以计算用户血流指标(例如，ffr)的值。血流指标平台105还可以对照组内的其他用户评定用户的健康或进展。这些组可以由用户自愿定义(例如，健康俱乐部或用户安装的移动应用程序)。可选地或另外地，这些组可以由在给定用户控制之外的因素决定。例如，分组还可以由医院、保险公司、可穿戴装置或传感器的制造商等来定义。血流指标平台105的这种计算可以用由数据储存库107和/或分析平台109提供的所存储数据或分析进行补充。

在一个实施方案中，医疗装置111可以基于血流指标平台105和/或分析平台109的数据而分配药物或发起警示。可以向用户、与用户相关联的个体(例如，家庭成员或邻居)和/或医疗专业人员提供警示。例如，如果检测到用户可能正经历中风，则医疗装置111可以向用户的医生、本地诊所或用户的家人提供警报。医疗装置111可以进一步请求来自用户的输入，从而提示用户响应并确认/否认用户可能正经历的症状。警报或警示可以采取任何形式，例如，用户界面上的视觉指示符、听觉信号、触觉触发器等。

在一个实施方案中，医疗装置111可以包括用户或医疗保健专业人员可以跟踪或监测用户的健康状态的入口。在一个实施方案中，医疗装置111可以进一步提供推荐的治疗方案、疗法任务、报告、随访测试/分析等。推荐的治疗方案、疗法、报告或随访测试/分析可以是用户特定的，例如，基于从用户特定血流模拟和用户的传感器数据或输入计算的指标，和/或基于用户已经历的先前治疗/测试/分析。

在一个实施方案中，医疗装置111还可以包括各个用户可以访问血流指标数据或日志的界面和/或入口。例如，医疗装置111可以为用户(例如，患者)/医疗专业人员生成一个或多个用户界面以查看用户的血流指标。用户界面可以包括一个或多个交互式显示器，包括彩色视觉指示符、图形、图表、表格、与先前患者/用户报告或群体数据的比较、治疗推荐等。显示器可以包括示出分析进度的指示符和/或跟踪所分析数据的指示符。当报告可用于访问时，医疗装置111可以提示通知(例如，在用户或医疗专业人员的装置处接收的消息)。可选地或另外地，医疗装置111可以显示用户界面，该用户界面指示“报告在3天后可获得”或“请在周五下午3点复查”。

在一个实施方案中，医疗装置111还可以在用户界面上显示视觉指示符，示出用户或医疗专业人员已经访问过用户报告。例如，医疗专业人员可以充当“用户a”和“用户b”的护理者。医疗专业人员可以访问医疗装置111并且看到用户a已经访问了她的血流指标数据/日志并查看了她下午的疗法推荐。医疗专业人员还可以访问医疗装置111并将用户b的当前血流指标(来自最新的用户b特定血流模拟)与当天早些时候为用户b计算的血流指标进行比较。医疗专业人员可以根据用户b的健康状态在一天中的进展来审查或调整为用户b提供的疗法推荐。

网络113可以包括因特网、内容分发网络或任何其他有线、无线和/或电话或本地网络。传感器101、医疗数据接口103、血流指标平台105、数据储存库107、分析平台109、医疗装置111以及各种用户和/或管理员装置可以经由网络113彼此通信。

可穿戴传感器101、医疗数据接口103和/或医疗装置111可以包括被配置为经由网络113收集、发送和/或接收数据(诸如网站和多媒体内容)的任何类型的电子装置。装置可以包括医疗装置，例如医疗成像装置、医疗监测器等。装置还可以包括设置成与网络113通信的一个或多个移动装置、智能电话、个人数字助理(“pda”)、平板计算机或任何其他种类的具有触摸屏能力的装置、个人计算机，膝上型计算机和/或服务器。装置中的每一者可以具有被安装以用于接收和显示从附属于血流监测系统100的网络服务器中的一者或多者接收的电子内容的网络浏览器和/或移动浏览器。装置可以包括客户端装置，其可以具有被配置为执行网络浏览器或移动浏览器的操作系统，以及任何类型的应用程序，例如移动应用程序。在一个实施方案中，各种装置可以配置有网络适配器，以经由网络113传达数据或分析的报告。可选地或另外地，各种可以被配置为经由本地连接传输数据或接收分析的数据。

图2是根据本公开的示例性实施方案的用于基于传感器数据而计算血流指标的血流指标平台105的框图200。如图2b所示，示例性血流指标平台105可以包括控制逻辑201。控制逻辑201可以指导可以作为血流指标平台105的一部分操作的各种模块和处理器之间的功能和交互。

在一个实施方案中，健康状态模块203和控制逻辑201可以确定用户健康的各种状态。健康状态模块203和控制逻辑201可以进一步确定与用户相关联的血流指标，所述血流指标可以提供对用户健康状态的指示。健康状态模块203和控制逻辑201可以进一步确定可以指示或表征各种状态的血流指标的范围或阈值。例如，控制逻辑201和健康状态模块203可以使用血流指标、血流储备分数将健康状态识别为“缺血”与“健康”。在一个这种情形中，控制逻辑201和健康状态模块203可以确定小于0.75-0.8的血流储备分数值指示用户正经历心肌缺血，而为1.0或大于0.8的血流储备分数值指示用户是健康的。

在另一种情形中，健康状态可以包括“有梗塞的风险”与“健康”。在这种情况下，控制逻辑201和健康状态模块203可以确定斑块易损性指数，其中如果用户的斑块易损性指数值超过阈值或范围则用户可能“有梗塞的风险”。根据斑块易损性指数的定义方式，控制逻辑201和健康状态模块203“有梗塞的风险”范围可以替代地是斑块易损性指数是否下降到低于阈值或范围。如果用户的斑块易损性指数值落入被认为“健康”的范围内，则可以认为他/她是“健康的”。斑块易损性指数可以包括斑块应力与材料强度的计算/模拟。斑块易损性指数还可以包括计算出的破裂风险。可能影响斑块易损性或破裂风险计算的其他元素可以包括斑块形态、管腔表面几何形状、血管中的糜烂或炎症、血压、血液流率、血液粘度或用户血液的其他化学性质、斑块在脉管系统中的位置、斑块、血管段或血管壁的机械(应力/应变/拉伸)性质等。简而言之，控制逻辑201和健康状态模块203可以确定评定梗塞风险所需的指标，以及可以指示用户有风险还是没有风险的指标的阈值或范围。

其他健康状态可以包括“体重减轻”、“体重增加”或“维持稳定体重”。可以指示体重变化的血流指标可以包括与代谢需求相比的门静脉中的营养物流。另一健康状态可以包括“血管窃血”与“无血管窃血”，并且可以指示这些状态的血流指标可以包括血流量值/方向与参考(例如，正常)量值/方向的比较。又一健康状态可以包括“高血压”与“健康”，其中血压可以是指示用户是否正经历高血压的血流指标。

在一个实施方案中，用户状态模块205和控制逻辑201可以接收用户传感器数据和/或用户医疗数据。传感器或医疗数据可以包括心率、血压、热量燃烧率、热量摄入、活动水平、出汗水平、体温、心电图、睡眠量/类型/质量/时间等、葡萄糖水平、胆固醇、尿液测试数据、血液测试数据、体脂百分比、饮食/营养数据(如高钠、高钠、高热量摄入、低热量摄入等)、组织的材料性质(例如组织强度、拉伸强度、密度等)。该数据都可以提供对用户生理状态的指示。医疗数据还可以包括用户的组织或脉管系统的一个或多个解剖模型、用户的解剖结构的图像(例如，计算机断层扫描、x射线图像、超声图像、血管内图像、血管造影图像等)。医疗数据还可以包括用户的患者健康信息，包括用户的患者病史、处方、过敏、医生、病史或用户亲属状况等。用户状态模块205和控制逻辑201可以进一步接收用户输入，包括症状(例如心绞痛、头晕、昏厥等)或身体状态(例如，不能运动或进行某些活动)。用户状态模块205和控制逻辑201还可以接收组(例如，存储的集体)数据或人口统计数据，包括年龄、体重、身高、性别、种族、位置、保险计划或与用户组或人口统计的成员相关联或代表用户组或人口统计的成员的任何医疗数据/健康信息/传感器信息。

在一个实施方案中，指标选择模块207和控制逻辑201可以选择要执行的一个或多个血流计算。在一个实施方案中，指标选择模块207和控制逻辑201可以确定要为用户计算的一个或多个指标。例如，如果用户有患心脏病的风险，则指标可以包括ffr、灌注指数或斑块易损性/斑块破裂风险指标。如果用户正试图增加或减轻体重，则将要计算的指标可以包括营养物流或代谢需求。在一个实施方案中，指标选择模块207和控制逻辑201可以根据用户输入或来自医疗专业人员的输入来选择或确定将要为用户计算的指标。可选地或另外地，指标选择模块207和控制逻辑201可以根据检测到与用户相关联的传感器来选择或确定将要为用户计算的指标。例如，如果用户与跑步机的传感器数据相关联，则指标选择模块207和控制逻辑201可以选择营养物流和代谢需求指标以为用户计算，因为用户可能正在尝试减肥。在另一实例中，如果用户与心律监测装置的传感器数据相关联，则指标选择模块207和控制逻辑201可以选择ffr作为将要为用户计算的指标。

在一个实施方案中，计算模块209和控制逻辑201可以基于所接收的用户传感器数据、用户医疗数据和选定血流计算来计算用户的选定血流指标。血流指标计算可以包括描述用户特定解剖模型中的血流的一系列流方程。计算血流指标的值可以包括使用数值方法来使用计算机对血流的三维方程求解。数值方法可以是已知方法，诸如有限差分、有限体积、光谱、格子波尔兹曼、基于粒子、水平集、等几何，或有限元方法，或其他计算流体动力学(cfd)数值技术。计算血流指标的值还可以包括机器学习、深度学习或其他技术，例如，如2013年5月16日提交的美国专利公告no.2014/0073977a1中所描述的，该专利公告在此以引用的方式整体并入。

在一些实施方案中，可以将血液作为牛顿流体、非牛顿流体或多相流体建模。对于计算可以考虑各种因素，包括血液粘度、血管壁刚度或顺应性、血管壁反应性、血管壁动力学等。几种血流计算因素可能受生理状态的影响。例如，血管的大小在不同的生理状态期间可能改变。在一些情况下，响应于来自调节血流需求的交感神经和副交感神经系统的信号，血管大小可以改变以适应更多或更少的血流。这种改变意味着生理状态可以决定血流模拟或计算的边界条件。在2012年11月20日颁发的美国专利no.8,315,812、2012年8月21日颁发的美国专利no.8,249,815、2015年12月1日颁发的美国专利no.9,202,010中描述了在各种生理状态条件下模拟血流和估计血流参数/指标的实例，所有这些专利在此以引用的方式整体并入。

在一个实施方案中，评估模块211和控制逻辑201可以解释选定血流指标的用户特定的计算出的值。例如，评估模块211和控制逻辑201可以基于计算出的值而推断用户的医疗状况或健康状态。在一个实施方案中，评估模块211和控制逻辑201可以将计算出的用户特定血流指标与由健康状态模块203和控制逻辑201确定的预定阈值/范围进行比较。评估模块211和控制逻辑201可以基于计算出的用户特定血流指标与由健康状态模块203和控制逻辑201定义的指标的比较而确定例如用户的健康状态。

在一个实施方案中，通知模块213和控制逻辑201可以基于评估模块211的结果而发起警示。例如，如果用户被检测为“有高梗塞风险”，则通知模块213和控制逻辑201可以向医疗装置发送警示以分配药物和/或通知医疗专业人员。如果用户被检测为“有中等梗塞风险”，则通知模块213和控制逻辑201可以向用户提供警示和/或请求用户输入。通知模块213和控制逻辑201可以从评估模块211、计算模块209、控制逻辑201和/或数据储存库107生成的数据进一步提供报告和/或风险映射。通知模块213和控制逻辑201可以生成任何形式的通知、显示、表示或输出，其可以向用户和/或医疗专业人员提供关于用户的健康状态和医疗状况的信息。在2012年11月20日颁发的美国专利no.8,315,812和2014年9月9日提交的美国专利公告no.2015/0342537中描述了各种显示或表示，所述专利和专利公告在此都以引用的方式整体并入。

图3是根据本公开的示例性实施方案的用于基于传感器数据而细化血流模拟的分析平台109的框图300。如图3所示，示例性分析平台109可以包括控制逻辑301。控制逻辑301可以指导可以作为分析平台109的一部分操作的各种模块和处理器之间的功能和交互。

在一个实施方案中，用户分类模块303和控制逻辑301可以确定一个或多个用户组。示例性用户组可以包括自选用户组。例如，用户可以提供指示用户将想要与之关联的一个或多个社交网络或用户的输入(例如，使用他们的可穿戴装置)。用户组的其他类别可以包括以下内容：年龄、位置、保险单等。

在一个实施方案中，传感器数据分类模块305和控制逻辑301可以选择将用于每个血流指标计算的传感器数据。例如，血流监测系统100可以包括若干传感器101。传感器数据分类模块305和控制逻辑301可以检测与用户相关联的传感器数据源，并且确定所述传感器数据可以用于计算哪个血流指标。例如，传感器数据分类模块305和控制逻辑301可以确定血压传感器数据可以用于计算用户的ffr值。

可选地或另外地，传感器数据分类模块305和控制逻辑301可以对传感器数据源进行优先排序或识别优选的传感器数据以用于每个血流指标计算。例如，可以从各种因素计算斑块易损性的指标，所述因素包括血压、血液流率、血液粘度或用户血液的其他化学性质。传感器数据分类模块305和控制逻辑301可以确定使用哪个数据源或传感器数据来计算每个指标。例如，传感器数据分类模块305和控制逻辑301可以确定由专用血流传感器提供的血液流率是胜于由移动应用程序提供的血液流率的优选数据源。然后，传感器数据分类模块305和控制逻辑301可以提示计算(例如，通过血流指标平台105)将使用来自专用血流传感器的传感器数据与通过移动应用程序来计算。作为另一示例，传感器数据分类模块305和控制逻辑301可以确定一个移动应用程序相比于第二应用程序提供更可靠或更频繁的血压传感器数据。传感器数据分类模块305和控制逻辑301还可以提示将优先于第二应用程序的传感器数据从第一应用程序的传感器数据来计算血流指标。

在一个实施方案中，模型修正模块307和控制逻辑301可以改进用于计算血流指标的基础假设和公式。例如，模型修正模块307和控制逻辑301可以基于传感器数据、用户输入和所存储的数据(包括与用户相关联的数据和/或与除用户之外的个体相关联的数据)来更新血流计算模型。例如，当用户处于不同的生理状态时，作为血流计算模型的基础的边界条件或材料性质可以改变。模型修正模块307和控制逻辑301可以细化血流计算模型。在一些情况下，模型修正模块307和控制逻辑301可以训练机器学习或深度学习算法以计算血流指标。例如，如果用户报告缺血症状或传感器数据检测到用户可能正经历缺血症状(例如，心悸)，则模型修正模型307和控制逻辑301可以调整用于计算血流指标的模型，使得模型反映用户可能的缺血。例如，在这种情况下，模型修正模型307和控制逻辑301可以调整血流模型的边界条件以反映用户可能正经历缺血的血流。或者，如果用户特定解剖模型示出用户可能患有动脉粥样硬化，但是用户没有报告缺血症状并且传感器数据也示出在正常/健康范围内的数据，则模型修正模型307和控制逻辑301可以调整血流模型的边界条件以反映健康血液。如前所述，在2012年11月20日颁发的美国专利no.8,315,812、2012年8月21日颁发的美国专利no.8,249,815、2015年12月1日颁发的美国专利no.9,202,010中描述了在各种生理状态条件下模拟血流的示例性方法和系统，所有专利在此以引用的方式整体并入。

可选地或另外地，模型修正模块307和控制逻辑301可以改进计算血流指标的预备步骤。例如，可以基于用户特定解剖模型和流模拟/计算(例如，基于物理的模型、降阶模型、集总参数模型等)基于用户特定解剖模型来确定血流指标。模型修正模块307和控制逻辑301可以基于所接收的传感器数据或来自用户或其他用户的输入来增强用户特定解剖模型和流模拟/计算。在一些情形中，增强可以随着时间过去而发生，因为在一段时间内从用户或其他用户接收到传感器数据或输入。

例如，如果用户的传感器数据示出在一天中的大部分时间用户处于略高于正常的活动状态，则模型修正模块307和控制逻辑301可以更新用户特定解剖模型的几何形状。这种生理特征传感器数据可以指示用户的血管可能受到限制，从而致使用户在较长的时间段内示出活动水平升高的迹象。模型修正模块307和控制逻辑301可以例如通过使血管的直径变窄以反映将产生传感器数据的解剖结构来更新用户特定解剖模型。该随时间变化的用户特定解剖模型可以用作输入以确定用户的血流指标的当前值和未来值。

在一个实施方案中，评估修正模块309和控制逻辑301可以增强或训练计算出的血流指标的解释。例如，评估修正模块309和控制逻辑301可以更新可以将用户识别为处于一个健康状态与另一健康状态的阈值/范围。例如，评估修正模块309和控制逻辑201可以调整由血流指标平台105使用以确定用户的医疗状况的血流指标的范围或阈值。例如，如果血流指标平台105将ffr值0.8设置为指示用户正经历心肌缺血，但是用户没有报告(或呈现传感器数据)指示任何心肌缺血症状，而计算出的用户特定ffr值为0.8，则评估修正模块309和控制逻辑301可以将0.8阈值更新为0.75。

在一些实施方案中，评估修正模块309和控制逻辑301可以增强或训练计算出的血流指标的解释可以提供对计算出的用户特定血流指标的更精细的解释。例如，血流监测系统100最初可以设置0.75-0.8的任何ffr值作为用户处于健康状态，“用户正经历心肌缺血”的信号。在收集和聚合数据之后，评估修正模块309和控制逻辑301可以确定ffr值0.8指示“有心肌缺血的风险”，并且ffr值0.75指示“用户处于危险中”。收集和聚合的数据可以包括用户特定数据。换句话说，评估修正模块309和控制逻辑301的细化或更新后的解释可以是用户特定的。对于一个用户，评估修正模块309和控制逻辑301可以确定用户未处于危险的医疗状况，直到用户的ffr值为0.75为止。对于第二用户，评估修正模块309和控制逻辑301可以在用户的ffr值为0.82时确定第二用户正经历危险的医疗状况。可选地或另外地，收集和聚合的数据可以包括与除用户之外的个体相关联的数据。在一些情况下，个体可以是由血流监测系统监测的任何个体。在其他实施方案中，个体可以包括与用户相关联的个体，例如，个体可以在生物学上与用户相关。可选地或另外地，可以基于与用户在人口统计、健康状况、医疗计划、医院位置、医生、传感器数据类型等方面的相似性来将个体与用户分类在一起。

在一个实施方案中，作为对评估的反应，通知修正模块311和控制逻辑301可以训练、设置和/或调整提示。例如，通知修正模块311和控制逻辑301可以在用户摄入药物之后基于用户输入或传感器数据来调整剂量。通知修正模块311和控制逻辑301还可以在评估修正模块309和控制逻辑301细化评估时更新响应。例如，血流监测系统100最初可以在用户的ffr值下降到0.8以下的任何时间提示医生。随着时间过去，通知修正模块311和控制逻辑301可以确定对于特定用户，ffr值0.8触发对用户的通知以监测他/她的活动和饮食，并且除非用户的ffr值下降到0.75，否则不通知医生。

在一个实施方案中，群体数据模块313和控制逻辑301可以聚合数据以用于分析。例如，群体数据模块313和控制逻辑301可以执行风险映射并使用从血流指标平台105和数据储存库107输出的数据来提供血流指标平台105和/或医疗装置111的比较。例如，群体数据模块313和控制逻辑301可以确定对特定治疗最有反应的用户。然后，群体数据模块313和控制逻辑301可以识别用户可以共享的特征，使得可以针对未来用户或在不同时间点针对当前用户进行预测。

例如，群体数据模块313和控制逻辑301可以确定生活在城市地区的用户比生活在农村地区的用户对运动方案更有反应。这种相关性可以增强新用户，或可能在他/她的一生中移动到不同位置的受监测用户的治疗计划。例如，可以调整治疗推荐，使得可以向城市用户建议运动方案，同时可以向农村用户建议饮食变化或药物。群体数据模块313和控制逻辑301可以进一步与传感器数据分类模块305、模型修正模块307、评估修正模块309和/或通知修正模块311协调，以使用从其他用户搜集的集体数据、经验数据、研究数据等来改进用户分析。

图4是用于初始化用户的血流模型或确定用户的初始状况(包括用户在初始时间点的血流特征或组织特征)的示例性方法的流程图。图4的示例性初始化方法还包括确定用户在第一时间点的医疗状况或健康状态。图5是用于确定用户在初始时间点之后的时间点的血流特征或组织特征的示例性方法的流程图。具体地说，图5的方法使用在初始时间点之后接收的传感器数据来更新用户的血流特征或组织特征。图5还描述了使用传感器数据来确定用户的医疗状况或健康状态的变化，使得可以基于传感器数据而监测用户的医疗状况。

除了使用传感器数据来更新或跟踪用户的血流特征或组织特征之外，传感器数据还可以用于更新作为血流特征或组织特征的计算的基础的血流模型。图6a和图6b描述了基于传感器数据对用户的血流模型的示例性更新。图6a包括用于基于针对特定用户收集的传感器数据而随时间更新血流模型的示例性方法。例如，可以基于用户特定边界条件或用户特定解剖模型来构建血流模型。随时间收集的用户的传感器数据可以导致对用户特定边界条件或用户特定解剖模型的修改。在图6a中更详细地描述了这些修改。图6b包括用于基于与除用户之外的个体相关联的传感器数据来更新血流模型的示例性方法。例如，可以根据从与用户在年龄、身高、体重、病史、位置等方面相似的个体收集的传感器数据来细化血流模型。

图4是根据示例性实施方案的初始化用户的血流模型的示例性方法400的流程图，其中血流模型并入了实时传感器数据。可以由血流指标平台105基于经由电子网络113从传感器101接收的数据而执行图4的方法。可以使用处理器(例如，膝上型计算机、台式计算机、云计算架构、图形处理单元(gpu)、数字信号处理器(dsp)、移动电话、平板计算机等)来执行方法400。

在一个实施方案中，步骤401可以包括在电子存储介质(例如，硬盘驱动器、网络驱动器、智能电话、平板计算机、云驱动器等)中接收用户脉管系统的至少一部分的用户特定解剖模型。示例性用户脉管系统可以包括：冠状动脉脉管系统、外周脉管系统、脑脉管系统、肾脉管系统、内脏脉管系统、肝脉管系统、门静脉等。可选地或另外地，步骤401可以包括接收由解剖模型表示的脉管系统供应的组织的至少一部分的用户特定解剖模型。由解剖模型表示的脉管系统供应的示例性组织可以包括：心肌心脏组织、身体外周方面的肌肉、脑组织、肾组织，或其他内部器官(包括肝、胃、脾、肠、结肠、肺、胰腺等)的组织。

在一个实施方案中，步骤403可以包括接收用户特定解剖模型(例如，步骤401的用户特定解剖模型)的初始生理特征集合。初始生理特征集合可以包括处于初始生理状态，和/或与所接收的用户特定解剖模型相关联的生理状态的用户的特征。示例性用户生理特征可以包括心率、舒张压或收缩压、热量燃烧率、热量摄入、活动水平、出汗水平、体温、心电图指标(例如，包括用户的心跳)、睡眠量和/或类型、葡萄糖水平、胆固醇、尿液测试、体脂百分比、饮食/营养(例如，高钠或低钠饮食)、组织的材料性质(包括组织强度、拉伸强度、密度等)的值。

在一个实施方案中，初始用户生理特征集合可以是基于群体的平均值或者从先前用户数据/特征中了解。可选地或另外地，可以从一个或多个传感器接收初始生理特征集合。例如，传感器可以是用户的可穿戴装置、医疗装置或家庭健康装置的传感器。示例性装置包括：心率监测器、霍尔特监测器、起搏器或其他心律监测装置、电话、智能手表、血压袖带、加速度计(例如，在智能电话或手表中)、运动设备(例如，跑步机、固定自行车、椭圆机等)、浴室秤、智能马桶、睡眠监测器、葡萄糖监测器、胰岛素泵、智能手机应用程序(例如，记录睡眠、运动、饮食、食物摄入、生育周期等的应用程序)等。

在一个实施方案中，步骤405可以包括基于用户特定解剖模型和初始生理特征集合而确定用户的初始血流特征或初始组织特征。在一个实施方案中，用户脉管系统的用户特定解剖模型和/或用户组织的用户特定解剖模型可以用于确定用户的初始血流特征或初始组织特征。在一个实施方案中，可以使用以下中的一个或多个来计算初始血流特征和/或初始组织特征：稳态或基于时间的基于物理的模型、基于机器学习的模型，或图像驱动的模型(例如，使用对比度强度梯度来计算血流、管腔内衰减梯度(tag)等)、任何非物理模型等。用户特定解剖模型中的一个或多个部位处的血流特征或组织特征可以包括：血压、血流量值和/或方向、血流剪切应力和/或轴向应力、营养物、药物等的浓度、一个或多个组织部位的血液充足、材料应力/应变(例如，组织或血管壁的应力/应变)、两个或更多个部位的这些血流特征中的一个或多个的比较等。

在一个实施方案中，步骤407可以包括定义血流特征或组织特征的一个或多个阈值，其中每个阈值与健康状态或医疗状况相关联。例如，步骤407可以包括定义多种健康状态或医疗状况，包括缺血、高血压、充血、体温过低等)。步骤407还可以包括确定或定义对健康的一个或多个指示。例如，指示可以包括可以示出用户正经历缺血、高血压、梗塞的风险或预后、体重减轻/增加、血管窃血现象等的血流特征。在一些情况下，步骤407可以包括确定与每种健康状态相关联的血流特征或组织特征。例如，步骤407可以包括确定阈值，所述阈值定义可以将用户分类为处于与一种健康状态与另一健康状态的点。

在一个实施方案中，用户特定的计算出的血流特征或用户特定的计算出的组织特征与阈值的比较可以指示用户的健康状态。例如，缺血可以通过血流储备分数(ffr)、冠状动脉血流储备(cfr)等来证明。作为另一示例，高血压可以通过血压来证明；梗塞的风险或预后可以通过斑块易损性示出，如通过斑块应力与强度或计算出的破裂风险的比较可证明。作为又一实例，体重减轻或体重增加可以通过门静脉中的营养物流与代谢需求的比较证明。此外，血管窃血综合征可以通过血流量值/方向与参考正常量值/方向的比较来证明。

在一个实施方案中，步骤409可以包括将(例如，步骤405的)用户的初始血流特征或初始组织特征与(例如，步骤407的)对应阈值进行比较，以确定用户的初始健康状态。例如，步骤409可以包括确定用户在特定组织或组织部分缺血还是不缺血、高血压还是非高血压、是否有易损斑块的风险、体重减轻还是体重增加、是否有梗塞风险、经历血管窃血还是未经历血管窃血等。

在一个实施方案中，步骤407和409还可以包括：如果所接收的初始数据包括用户血流特征，则确定用户组织特征，或者相反，如果所接收的初始数据包括组织特征，则确定用户血流特征。例如，如果所接收的用户血流特征包括血液流率，则步骤407和409可以包括使用所接收的用户血液速率来确定用户的灌注指数的组织特征。可选地或另外地，如果所接收的用户组织特征包括对组织传导率的测量，则步骤407和409可以包括使用用户的组织传导率测量来确定用户的血液供应或血液流率的血流特征。用户血流特征和/或用户组织特征可用于确定用户的初始健康状态。

图5是根据示例性实施方案的使用传感器数据来实时地确定用户的健康状态的示例性方法500的流程图。可以由血流指标平台105基于经由电子网络113从传感器101接收的数据而执行图5的方法。可以使用处理器(例如，膝上型计算机、台式计算机、云计算架构、图形处理单元(gpu)、数字信号处理器(dsp)、移动电话、平板计算机等)来执行方法500。

在一个实施方案中，步骤501可以包括使用户与一个或多个传感器相关联。在一个实施方案中，传感器可以是与用户相关联的可穿戴装置、医疗装置或家庭健康装置的传感器。这种可穿戴装置、医疗装置或家庭健康装置的示例可以包括心率监测器、霍尔特监测器、起搏器或其他心律监测装置、电话、智能手表、血压袖带、加速度计(例如，在智能电话或手表中)、运动设备(例如，跑步机、固定自行车、椭圆机等)、浴室秤、智能马桶、睡眠监测器、葡萄糖监测器、胰岛素泵、智能手机应用程序(例如，记录睡眠、运动、饮食、食物摄入、生育周期等的应用程序)等。可选地或另外地，步骤501可以包括使用户与由可穿戴装置、医疗装置或家庭健康装置生成的其他数据相关联。例如，用户可以在医院进行ct，被给予装置，并且接着在跑步机上运动。在这种实例中，步骤501可以包括接收ct数据和针对初始模拟运动测试的装置收集的活动数据。

在一个实施方案中，步骤503可以包括从与用户相关联的一个或多个传感器和/或可穿戴装置、医疗装置或家庭健康装置接收数据。在一个实施方案中，可以在检测到与用户相关联的传感器、装置和/或应用程序后自动执行步骤503。可选地或另外地，步骤503可以由用户执行。例如，步骤503可以包括接收关于用户状况的用户输入。在一个实例中，可以自动从传感器、装置或应用程序接收输入。在另一实例中，用户可以录入数据(例如，从装置、网站、可穿戴装置、电话、手表等)。用户输入可以基于医生观察、自我报告、先前状况等。用户输入可以包括症状(例如，心绞痛、头晕、昏厥等)或身体状态(例如，不能运动或进行活动。

在一些情况下，步骤503可以包括生成寻求用户输入的提示，其中用户可以响应于提示而提供输入。在给定所接收的传感器/装置/应用程序数据的情况下，可以在接收到可能对应于用户可能正在经历的某些症状或状况的传感器、装置和/或应用程序数据后生成提示。例如，血糖仪传感器数据可以指示用户具有低血糖，或者心率监测器可以示出用户具有不寻常的心律。步骤503可以包括检测异常并提示用户响应或录入他/她当前的症状或状况。

在一个实施方案中，步骤505可以包括基于所接收的传感器数据而确定一个或多个用户生理特征。示例性用户生理特征可以包括心率、舒张压或收缩压、热量燃烧率、热量摄入、活动水平、出汗水平、体温、心电图指标(例如，包括用户的心跳)、睡眠量和/或类型、葡萄糖水平、胆固醇、尿液测试、体脂百分比、饮食/营养(例如，高钠或低钠饮食)、组织的材料性质(包括组织强度、拉伸强度、密度等)的值。步骤505还可以包括基于用户输入而确定或调整一个或多个用户生理特征。

在一个实施方案中，步骤507可以包括接收(例如，步骤401的)用户特定解剖模型，以及(例如，步骤403的)血流特征的阈值或组织特征的阈值。在一些情况下，步骤507还可以包括接收(例如，步骤405的)用户的初始健康状态。

在一个实施方案中，步骤509可以包括基于(例如，步骤503的)所接收数据、(例如，步骤505的)用户生理特征和(例如，步骤507的)用户特定解剖模型而计算第二用户特定血流特征或第二用户特定组织特征。用户特定解剖模型中的一个或多个部位处的血流特征或组织特征可以包括：血压、血流量值和/或方向、血流剪切应力和/或轴向应力、营养物、药物等的浓度、一个或多个组织部位的血液充足、材料应力/应变(例如，组织或血管壁的应力/应变)、两个或更多个部位的这些血流特征中的一个或多个的比较等。

在一个实施方案中，步骤509还可以包括基于从所接收数据确定的生理特征而细化步骤507的所接收的用户特定解剖模型。例如，如果确定用户处于运动状态，则步骤509可以包括更新所接收的用户特定解剖模型以反映运动状态并使用更新后的用户特定解剖模型来进一步计算第二用户特定血流特征或第二用户特定组织特征。例如，如果原始的用户特定解剖模型反映用户在基线/静止状态下的脉管系统，则更新模型以反映运动状态可以包括扩张模型的血管。还可以基于步骤505的所接收的用户生理特征来修改用于计算第二用户特定血流特征或第二用户特定组织特征的分析。例如，在用户从静止状态改变为运动状态的以上实例中，血流特征或组织特征计算可以包括边界条件，所述边界条件包括较低阻力。

可以基于用户输入而进一步调整对用户特定解剖模型和血流/组织分析的修改。对于例如涉及缺血的实例，步骤509可以包括更新用户特定血流模型以反映缺血并基于用户的输入症状而进一步调整模型。例如，用户特定血流模型可以包括使用户的血管解剖结构的几何形状变窄(相对于用户的预期/健康血管解剖结构，或者用户在较早时间点的解剖结构)。如果用户报告他/她的胸部感觉不舒服或紧绷(例如，响应于用户输入的提示)，则可以更新用户特定血流模型以示出建模血管的进一步变窄。如果用户报告没有症状，则可以维持更新后的用户特定血流模型，而不进一步使建模的脉管系统变窄。作为另一示例，可以基于用户描述或输入的事件而改变用户特定斑块破裂风险的模型。例如，如果用户经历心脏病发作或中风或用户报告的任何其他事件，则可以更新用户特定血流模型。

在一个实施方案中，步骤511可以包括在给定传感器数据或从传感器数据确定的用户生理特征的情况下确定与用户相关联的第二医疗状况。在一个实施方案中，步骤511可以包括将(例如，步骤509的)计算出的用户特定血流特征与(例如，步骤403的)血流特征的阈值进行比较，以确定用户的第二医疗状况。可选地或另外地，步骤511可以包括将(例如，步骤509的)计算出的用户特定组织特征与(例如，步骤403的)组织特征的阈值进行比较，以确定用户的第二医疗状况。

在一个实施方案中，步骤513可以包括基于(例如，步骤511的)所确定的第二医疗状况而更新(例如，步骤409的)初始健康状态。在一个实施方案中，步骤513可以包括确定用户的初始健康状态与用户的第二健康状态之间的差异，以及基于用户的第二健康状态而生成警示或新报告。在一个实施方案中，可以将警示或报告传输到医疗装置111、用户、医生、医院网络、保险提供者、医疗保健专业人员。可选地或另外地，可以将警示和/或报告存储在电子存储介质中。在一个实施方案中，步骤513可以包括响应于第二健康状态而进一步生成对来自用户的输入的提示。例如，如果确定用户处于具有高缺血可能性的第二健康状态，则步骤513可以包括发起提示以请求来自用户的输入。该提示可以用于检查用户仍然响应，或用户是否正经历危险的健康事件(例如，缺血性中风)。

图6a和图6b描述了更新作为用户特定血流特征或用户特定组织特征的计算的基础的血流模型。在一些实施方案中，这些图中描述的方法可以多次执行，例如，从而得到日益精细的用户特定血流模型。在一个实施方案中，图6a和图6b中描述的方法可以在接收到更多传感器数据时连续地执行，和/或周期性地(例如，以预设时间间隔，或者在指示用户的生理状态可能在变化后)执行。

图6a是根据示例性实施方案的使用来自传感器数据的用户特定活动数据来更新用户特定血流模型的示例性方法600的流程图。可以由分析平台109基于经由电子网络113从传感器101接收的数据而执行图6a的方法。可以使用处理器(例如，膝上型计算机、台式计算机、云计算架构、图形处理单元(gpu)、数字信号处理器(dsp)、移动电话、平板计算机等)来执行方法600。

在一个实施方案中，步骤601可以包括接收与用户相关联的传感器数据，其中传感器数据是在第一时间点收集。在一个实施方案中，步骤603可以包括接收用户特定血流模型。用户特定血流模型可以包括用户特定边界条件和/或用户特定解剖模型。边界条件可以提供关于解剖或血流模型在某些边界(例如，流入边界、流出边界、血管壁边界等处的信息。每个边界可以包括例如血液流速、血液流率或血压的规定值或字段。在一个实施方案中，步骤605可以包括基于在第一时间点收集的传感器数据而更新用户特定血流模型。例如，步骤605可以包括接收指示在第一时间点的血液流率或心率“x”的传感器数据。步骤605可以包括确定血液流率或心率值“x”指示血管直径或血液流速值“y”。这样，步骤605可以包括更新或确定用户在第一时间点的血流模型，所述血流模型并入了具有血管直径的用户特定解剖模型或具有值“y”的用户特定边界条件。

在一个实施方案中，步骤607可以包括接收与用户相关联的传感器数据，传感器数据是在第二时间点收集。然后，步骤609可以包括基于更新后的用户特定血流模型和在第二时间点收集的传感器数据，计算用户在第二时间点的血流特征值或组织特征值。例如，步骤609可以使用并入了具有血管直径的用户特定解剖模型或具有值“y”的用户特定边界条件的血流模型来计算用户在第二时间点的血流特征值或组织特征值。

图6b是根据示例性实施方案的使用传感器数据来实时地确定用户的健康状态的示例性方法620的流程图。可以由分析平台109基于经由电子网络113从传感器101接收的数据而执行图6b的方法。可以使用处理器(例如，膝上型计算机、台式计算机、云计算架构、图形处理单元(gpu)、数字信号处理器(dsp)、移动电话、平板计算机等)来执行方法620。

在一个实施方案中，步骤621可以包括接收用户特定血流模型。血流模型可以包括用户特定边界条件和/或用户特定解剖模型。在一个实施方案中，步骤623可以包括接收与除用户之外的个体相关联的传感器数据。例如，个体可以与用户共享一个或多个用户特征(例如，年龄、病史、健康状态、医疗状况等)。在一个实施方案中，步骤623还可以包括访问与用户相关联的所存储的传感器数据。所存储的传感器数据可以包括先前从用户收集的传感器数据。步骤625可以包括使用与个体相关联的传感器数据和/或用户的所存储传感器数据来更新所接收的用户特定血流模型。

在一个实施方案中，步骤627可以包括接收与用户相关联的传感器数据。该传感器数据可以包括晚于与个体相关联的传感器数据和/或用户的所存储传感器数据的收集时间收集的传感器数据。在一个实施方案中，步骤629可以包括基于更新后的用户特定血流模型和与用户相关联的所接收的传感器数据来计算用户的血流特征值或组织特征值。

本公开包括用于使用用户特定活动数据来提供基于血流指标的健康评估的系统和方法。在一个实施方案中，可以通过来自可穿戴装置的正在进行的传感器数据来提供用户特定活动数据。本公开还包括可以使用用户特定活动数据来更新血流或用户健康评估模型和/或算法的系统和方法。因此，所公开的系统和方法可以提供用户的医疗状况的最新分析和预测，其由用户的最新生理状态补充。所公开的系统和方法可以为用户进一步提供不断更新的诊断数据和预测，包括基于用户的跟踪的传感器数据和在提供传感器数据之时用户的身体可能所处的生理状态而更新的计算方法。

可以修改所描述的实施方案中的任一者，例如，以包括可以保持在区域内的数据的变体。可以修改所公开的系统和方法以对循环的任何变化范围进行建模和评估。

所述技术的程序方面可以被视为通常呈在一个类型的机器可读介质中携载或体现的可执行代码和/或相关联数据的形式的“产品”或者“制品”。“存储”类型介质包括计算机、处理器等的有形存储器或其相关联的模块中的任一者或全部，诸如各种半导体存储器、磁带驱动器、磁盘驱动器等，其可以在任何时间为软件编程提供非暂时性存储。软件的全部或部分有时可以通过因特网或各种其他电信网络传达。例如，这种通信可以使软件能够从一个计算机或处理器加载到另一计算机或处理器，例如，从移动通信网络的管理服务器或主计算机加载到服务器的计算机平台和/或从服务器加载到移动装置。因此，可以承载软件元件的另一类型的介质包括光波、电波和电磁波，诸如跨越本地装置之间的物理接口，通过有线和光学陆地线网络以及经由各种空中链路使用的。携载这种波的物理元件(诸如有线或无线链路，光链路等)也可以被认为是承载软件的介质。如本文中所使用的，除非限于非暂时性有形“存储”介质，否则诸如计算机或机器“可读介质”的术语是指参与向处理器提供指令以供执行的任何介质。

根据本文中公开的本发明的说明书的考虑和实践，本发明的其他实施方案对本领域技术人员而言将为显而易见的。旨在将本说明书和示例仅视为示例性的，其中本发明的真实范围和精神由所附权利要求书所指示。