CN101091656B - 用于相对灌注和/或活性的装置 - Google Patents
用于相对灌注和/或活性的装置 Download PDFInfo
- Publication number
- CN101091656B CN101091656B CN200710103586.4A CN200710103586A CN101091656B CN 101091656 B CN101091656 B CN 101091656B CN 200710103586 A CN200710103586 A CN 200710103586A CN 101091656 B CN101091656 B CN 101091656B
- Authority
- CN
- China
- Prior art keywords
- tissue
- blood
- contrast agent
- data
- trooping
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
- G06T7/0012—Biomedical image inspection
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B6/00—Apparatus for radiation diagnosis, e.g. combined with radiation therapy equipment
- A61B6/50—Clinical applications
- A61B6/507—Clinical applications involving determination of haemodynamic parameters, e.g. perfusion CT
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B6/00—Apparatus for radiation diagnosis, e.g. combined with radiation therapy equipment
- A61B6/50—Clinical applications
- A61B6/508—Clinical applications for non-human patients
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10072—Tomographic images
- G06T2207/10081—Computed x-ray tomography [CT]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30004—Biomedical image processing
- G06T2207/30048—Heart; Cardiac
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30004—Biomedical image processing
- G06T2207/30101—Blood vessel; Artery; Vein; Vascular
- G06T2207/30104—Vascular flow; Blood flow; Perfusion
Abstract
一种成像系统(10),包括被配置来接收关于患者能量的采集设备;以及耦合到所述采集设备的计算机,所述计算机被配置来执行至少下列之一:a)从采集设备获得图像数据,其中图像数据包括数据的三维的、单相或多相数据集,并且分类或群集处理以显像并表征组织或器官的成分,用于评估疾病;b)来自采集设备的图像数据,其中图像数据包括器官中感兴趣特征的数据的三维的、单相或多相数据集,所述器官包含从中连同显像剂、血液、造影剂和生物药剂中至少一个而采集数据的组织;以及执行分类处理和群集处理中至少一个,以获取经处理的数据集,从而显示:显像剂、血液、造影剂和生物药剂中至少一个在组织中的分布;组织中显像剂、血液、造影剂和生物药剂中至少一个的相对区域吸收量;显像剂、血液、造影剂和生物药剂中至少一个的相对区域流量;以及组织中显像剂、血液、造影剂和生物药剂中至少一个的清除或存留。
Description
技术领域
本发明基本涉及用于诊断成像(DI)的方法和装置,并且尤其涉及提供3D及2D相对灌注活性的方法和装置。
背景技术
当患者进入急救室或其它临床环境,并评估可能的心脏病发作时,通常可能有三种关于心肌健康的结果。1.无疾病(并且医生将不对患者进行治疗),2.确定的疾病(小病,并且医生通常使用药物进行治疗),以及3.确定的疾病(严重疾病,并且医生通常使用诸如冠状动脉搭桥术(CABG)或血管成形术(AP)的血管再造进行治疗)。
简单的计算机断层摄影(CT)血管造影能够确定是否无疾病存在。然而,如果存在疾病,则需要附加信息以确定疾病的严重性。
CT使用了解剖的和功能性的方法以确定灌注和心肌的活性。CT还提供了关于在注射造影剂之后心肌成像中流过微脉管系统的功能信息。这允许对灌注或血液流过可能染病的心肌区域的显像。缺乏微脉管系统血流的区域显示为低增强(hypo-enhancement),这是由于缺乏流过该区域的造影剂。使用核子成像能够测量大的或中等的灌注缺陷,但是也能够使用简单低剂量技术用较大分辨率评估。该技术基于心肌内对造影剂的吸收。正常心肌显示了对造影剂的更快的吸收,而相当快地清除。轻微损伤或较少灌注的组织将逐步达到对造影剂的最大吸收量。然而,在正常心肌和轻微受损心肌之间存在时间差。由于缺乏灌注,损伤较严重的心肌将不再具有对造影剂的最大吸收量,并且其将需要更长的时间来清除。
此外,可以使用称为延迟高增强(hyper-enhancement)CT的技术,以显示功能异常的心肌组织中受损心肌的程度,因而显示一旦在自然地或血管再造之后恢复了输送氧气和基质的血流时恢复可收缩功能的能力。在延迟高增强中,连续注射或经静脉推注来注入辅助药剂,并且在注射之后10-15分钟获取图像。在正常心肌中,注入的造影剂被排除在细胞膜外,然而,在受损心肌 中,肌细胞的肌膜成为具有允许造影剂积累的渗透性,这导致所观察到的高增强。因此,缺乏收缩功能(运动功能减退)和高增强的缺乏(心肌肌膜保持完整)可能指示存在休眠心肌,这可能在血管再造供应特定区域的动脉之后得到改善。CT成像使用上述解剖性和功能性组合的方法,能可靠地从心脏病发作之后的受损(无活性)心肌中区分出休眠(活性)区域。
测量信号强度的改变,允许人们评估可能的灌注不足或高增强,由此指示异常组织。
当人们对心肌进行成像时,由定时推注测量的正常心肌吸收峰(peakuptake),在正常心肌和受损心肌之间存在最大差别。对于具有如下将更详细说明的交迭区域中的强度水平的那些像素,在此描述的群集算法(clusteringalgorithm)帮助区分其属于哪个库(bin)。换句话说,交迭区域中的独立像素或两个可能在统计上不重要。
发明内容
一方面,提供了一种评估器官组织的方法。该方法包括从成像医疗设备(imaging modality)采集系统获得图像数据,其中图像数据包括器官中感兴趣特征的三维单相数据集和三维多相数据集中的至少一个,所述器官包含从中连同显像剂、血液、造影剂和生物药剂中至少一个而采集数据的组织。该方法还包括执行统计处理和群集处理中至少一个,以获取经处理的数据集,从而显示:显像剂、血液、造影剂及生物药剂中至少一个在组织中的分布;组织中的显像剂、血液、造影剂及生物药剂中至少一个的相对的区域吸收量;显像剂、血液、造影剂及生物药剂中至少一个的相对的区域流量;以及组织中的显像剂、血液、造影剂及生物药剂中至少一个的清除或存留。
另一方面,提供了一种评估疾病成分的方法。该方法包括从任何成像医疗设备系统中获得图像数据,其中图像数据包括数据的三维的、单相或多相数据集。该方法还包括统计或群集处理以显示和表征组织或器官的成分,用于评估疾病。
又一方面,成像系统包括配置为接收穿过患者的发射能量和患者发出的能量中至少一个的采集设备,和耦合到采集设备的计算机。该计算机配置以执行a)和b)中至少一个,其中a)包括从采集设备中获得图像数据,其中所述图像数据包括数据的三维的、单相或多相数据集;以及统计或群集处理以显示和 表征组织或器官的成分,用于评估疾病。其中b)包括从影像采集系统获得图像数据,其中图像数据包括器官中感兴趣特征的三维单相数据集和三维多相数据集中的至少一个,所述器官包含从中连同显像剂、血液、造影剂和生物药剂中至少一个而采集数据的组织,以及执行统计处理和群集处理中至少一个以获取经处理的数据集,而显示:显像剂、血液、造影剂和生物药剂中至少一个在组织中的分布;组织中的显像剂、血液、造影剂和生物药剂中至少一个的相对区域吸收量;显像剂、血液、造影剂和生物药剂中至少一个的相对区域流量;以及组织中显像剂、血液、造影剂和生物药剂中至少一个的清除或存留。
附图说明
该专利或申请文件至少包括一幅上色的附图。在需要时并且支付必须费用之后,可由专利局提供带有彩色附图的本专利或专利申请公开本的副本。
图1示出了具有相关显示器的成像医疗设备采集系统。
图2示出了严重受损心肌、轻微受损心肌和正常心肌中药剂/血液的不同吸收峰。
图3示出了如关于图2阐述的不同组织中的CT数值(用Hounsfield(豪恩斯弗尔德)单位HU)中的交迭。
图4在部分(a)中示出了根据在此描述的方法和装置的右冠状动脉(RCA)阻塞的群集图像,而在部分(b)中示出标准轴图像。
具体实施方式
在此提供了有利于成像系统的群集及分类方法和装置,所述成像系统例如,举例来说,但不局限于计算机断层摄影(CT)系统。参考附图示出了该装置和方法,其中所有附图中的相同附图标记指示相同的元件。这种附图的目的为说明性的,而不是限制性的,并且包括在此以便于说明本发明中装置和方法的典型实施例。尽管是在CT设备中描述的,但是可预期的是,本发明的益处也可以出现在所有DI医疗设备中,包括磁共振成像(MRI)、正电子发射断层摄影(PET)、电子束CT(EBCT)、单光子发射CT(SPECT)、超声、光学相干断层摄影(optical coherence tomography)等。
图1示出了具有相关显示器20的成像医疗设备采集系统10。成像系统10可以是任何医疗设备,但是在一个实施例中,系统10是CT系统。在另一实施例中,系统10是双医疗设备成像系统,例如CT/PET组合的系统,并且下面 所述的群集和统计方法可以在一个医疗设备(例如,CT)中完成,而经处理的数据可以传输到另一医疗设备中(例如,PET)。显示器20可以独立于系统10或者与系统10集成。系统10包括采集设备,例如x-射线辐射检测器、Gamma照相机和/或超声探针或RF线圈。注意,在CT、EBCT和超声中,采集设备接收穿过患者传播的能量,而在PET和SPECT中,采集设备接收患者发出的能量。在MRI中,传播能量并且接收来自此的无源信号(passive signal)。所有医疗设备共有的是,采集设备接收关于患者或其它受扫描对象的能量。
图2示出了严重受损心肌、轻微受损心肌和正常心肌中药剂/血液的不同吸收峰。图3示出了如关于图2所阐述的不同组织中的CT数值(用Hounsfield单位HU)中的交迭。图4在部分(a)中示出了根据在此描述的方法和装置的右冠状动脉(RCA)阻塞的群集图像,而在部分(b)中示出标准轴图像。
在此所述的方法和装置基于这样的前提,即必须区分出心肌或其它组织的区域之间的信号强度的微小差别。与正常心肌相比,受损心肌显示为低增强或高增强。在图3中可见一些像素交迭区域。这是难于区分特定像素所属于的组织区域之处。有多种方法用于区分像素强度。在此公开的是后处理图像的协议和方法,其将有助于确定相对区域的血流。
可以在比色刻度尺(a color scale)上显示图像,并且可计算出平均像素强度和标准偏差,并且能够使用z-得分或T-检验来确定在考虑中的组织和心肌的之间存在差别的概率。可以赋予像素值,其中它落入高斯或正态分布中。
此外,z-得分/T-检验可利用或不利用群集算法运行,以确定受损心肌明显不同于正常心肌的概率。该概率或Z-得分自身能够被映射在图像上。在心肌或其他类型组织的范围中的映射的概率允许改进感兴趣区域的显像。
群集分析将数据分组(群集),从而相似的数据对象(具有相似信号强度的那些数据对象)属于相同的群集,而不同的数据对象属于不同的群集。由此产生的数据划分提高了数据理解力并且显示了其内部结构。划分群集算法将数据集分割成群集或类,其中将相似数据对象指定给相同群集,而不同的数据对象应当属于不同的群集。
使用如K-平均分析的简单化方法的问题是,选择群集的初始质心(centroid)将决定结果。
在医疗应用中,通常在群集之间不存在明显的分界线,从而模糊群集通常更适于图像数据。将0和1之间的隶属度用于模糊群集,而不是将数据明确指派到群集。模糊群集允许计算每个象素可属于的隶属函数。将每个象素赋值到每个群集,大约0和1之间。这种类型的群集的目的是最小化每个点和群集的质心之间的距离。这通过下面等式所述的迭代方法实现。
一旦达到最小距离,每个象素的最大系数可以显示为图像。
这仅是一种类型的群集分析,其可以用于计划(map out)Hounsfield单位。为此目的,还可以使用群集算法的其他方法。
群集和记分的图像可显示为2D或3D数据集,其可以被重定格式。可将该2D集平行于另一标准灰阶数据集进行读出用于比较。同样,该3D数据集可以作为透明3D数据集顶部的彩色群集而被布置。这给出了梗塞的相对布置,其可能与血管疾病有关。除此之外,应当可以对象素数量进行计数,从而可以确定梗塞的尺寸、透壁性(transmurality)和体积。这允许计算心肌的缺血性负荷,并且完善标尺(scale),其将允许医生更好地确定疾病的严重性。
此外,直方图分析和/或均值漂移算法可以添加到后处理中以提高其速度并增加附加信息。通过开始使质心接近它们的最终位置并且因此减少确定其中聚合达到最小值的最优点所需的交迭量,而完成的质心位置的快速确定可以提高模糊群集算法的速度。
此外,与使用2D数据集相比,使用3D数据集的显像方法将允许更好的显像。来自群集和z-记分方法的数据可以显示为3D绘制图以及重定格式的2D显示图像。这可包括群集图像,作用为标准图像数据的遮蔽(mask),并且显 示具有与下面灰阶图像相关的彩色色标。这允许更精确地评定缺损处的透壁性。然后,该3D数据集可以映射到“靶心(bulls-eye)”图上,以允许熟悉核医疗学的医生易于理解疾病的位置和程度。
对于群集,一个实施例使用模糊C-均值群集,并且可以使用下列等式:
其中c=群集数量,u=象素与群集质心之间的距离象素在群集中的隶属关系描述为:
如在此所用,以单数形式叙述或者用词“一”继续描述的元件或步骤,应当理解为并不排除复数个所述元件或步骤,除非明确陈述这种排除。此外,参考本发明的“一个实施例”的意图并非解释为排除同样包括所述特征的附加实施例的存在。
同样如在此所用,措词“重建图像”的意图并非排除那些在其中产生了表示图像的数据而不产生可见图像的本发明实施例。因此,如在此所用的术语,“图像”,广义地涉及可见图像和表示可见图像的数据。然而,许多实施例产生(或者配置以产生)至少一副可见图像。
在一个实施例中,系统10包括用于数据存储的设备,例如,软盘驱动器、CD-ROM驱动器、DVD驱动器、磁光盘(MOD)设备或者包括诸如以太网设备的网络连接设备的任何其它数字设备,用于从计算机可读媒体中读取指令和/或数据,所述计算机可读媒体例如软盘、CD-ROM、DVD或诸如网络或因特网的其他数字源,以及有待发展的数字手段。在另一实施例中,该计算执行存储在固件(未示出)中的指令。一般地,处理器被编程以执行在此描述的处理。当然,该方法不局限于在CT中实践,并且系统10可以与许多其他类型的成像系统和成像系统的变化方案一起使用。在一个实施例中,计算机被编程以执行在此描述的功能,因此,如在此所用,术语计算机不局限于在本领域中称作计算机的那些集成电路,而是广义地指代计算机、处理器、微控制器、微计算机、可编程逻辑控制器、特定用途集成电路以及其他可编程电路。另外,计算机可操作地耦合到采集设备。虽然在此描述的方法描述在人类患者装置 中,所预期的是,本发明的益处可以产生在非人类成像系统中,诸如通常在小动物研究中使用的那些系统。
技术效果包括获取相对灌注信息,而不需要来自扫描的额外剂量。使用来自额外扫描的附加剂量获取流动信息的能力。在提供功能信息的同时提供血管信息的能力。并且,为更精确地评估心肌状态而在2&3维中的显像和检查能力。
上面详细描述了典型实施例。组件和方法不局限于在此描述的特定实施例,而是,每个组件的部件和/或方法可以独立并与在此描述的其他部件分离使用。
虽然已经根据各种特定实施例描述了本发明,但是本领域技术人员将意识到本发明可以用权利要求的精神和范围内的修改方案而实施。
Claims (4)
1.一种成像系统(10),包括:
采集设备,被配置来接收关于患者的能量;以及
耦合到所述采集设备的计算机,所述计算机被配置来执行至少下列之一:
a)从采集设备获得图像数据,其中图像数据包括图像数据的三维的、单相或多相数据集;并且
执行第一群集处理以显像并表征组织或器官的成分,用于评估疾病;
以及
b)从采集设备获得图像数据,其中图像数据包括器官中感兴趣特征的图像数据的三维的、单相或多相数据集,所述器官包含从中连同显像剂、血液、造影剂和生物药剂中至少一个而采集图像数据的组织;以及
执行第二群集处理,以获取经处理的数据集,从而显示:显像剂、血液、造影剂和生物药剂中至少一个在组织中的分布;组织中的显像剂、血液、造影剂和生物药剂中至少一个的相对区域吸收量;显像剂、血液、造影剂和生物药剂中至少一个的相对区域流量;以及组织中的显像剂、血液、造影剂和生物药剂中至少一个的清除或存留,
其中所述第一群集处理和第二群集处理将图像数据分为群集,使得相似信号强度的相似数据对象属于相同的群集,而不同的数据对象属于不同的群集,以及
其中来自所述第一群集处理和第二群集处理的图像数据被显示为3D绘制图或者重定格式的2D显示图像,其中包括群集图像,作用为标准图像数据的遮蔽,并且显示具有与下层灰阶图像相关的彩色色标。
2.根据权利要求1的系统,其中所述计算机被配置来执行a)和b)两者。
3.根据权利要求1的系统,其中所述系统是CT系统,所述采集设备是辐射检测器,而所述计算机还被配置来将图像数据发送到不同于CT的一个或多个医疗设备的成像系统。
4.根据权利要求1的系统,其中所述计算机还被配置来执行至少下列之一:组织的z-记分、统计分析、至少一个t-检验、多变量分析、基于分类器的分析、专有群集算法、交迭和模糊群集算法、划分算法、概率群集、分等级群集、K-均值分析、模糊C-均值分析、最大期望值分析、基于密度的算法、基于网格的算法和基于模型的算法,以及它们的组合。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US11/403,656 US8626263B2 (en) | 2006-04-13 | 2006-04-13 | Methods and apparatus for relative perfusion and/or viability |
US11/403656 | 2006-04-13 | ||
US11/403,656 | 2006-04-13 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN101091656A CN101091656A (zh) | 2007-12-26 |
CN101091656B true CN101091656B (zh) | 2013-01-02 |
Family
ID=38514894
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN200710103586.4A Active CN101091656B (zh) | 2006-04-13 | 2007-04-13 | 用于相对灌注和/或活性的装置 |
Country Status (4)
Country | Link |
---|---|
US (1) | US8626263B2 (zh) |
JP (1) | JP2007283103A (zh) |
CN (1) | CN101091656B (zh) |
DE (1) | DE102007018260A1 (zh) |
Families Citing this family (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
HUE034171T2 (en) | 2004-11-24 | 2018-02-28 | Bayer Healthcare Llc | Tools, systems and procedures for fluid transfer |
US20070242863A1 (en) * | 2006-04-13 | 2007-10-18 | Bernice Eland Hoppel | Methods and Apparatus for Contouring at Least One Vessel |
US20090100105A1 (en) * | 2007-10-12 | 2009-04-16 | 3Dr Laboratories, Llc | Methods and Systems for Facilitating Image Post-Processing |
US8315449B2 (en) * | 2008-06-24 | 2012-11-20 | Medrad, Inc. | Identification of regions of interest and extraction of time value curves in imaging procedures |
JP5361410B2 (ja) * | 2009-01-22 | 2013-12-04 | 株式会社東芝 | 画像処理装置 |
RU2016138172A (ru) | 2010-06-24 | 2018-12-12 | Байер Медикэл Кер Инк. | Моделирование распространения фармацевтического препарата и генерирование параметров для инъекционных протоколов |
JP2012143548A (ja) * | 2010-12-21 | 2012-08-02 | Fujifilm Corp | 放射線画像取得方法および放射線画像撮影装置 |
US8965484B2 (en) | 2011-04-27 | 2015-02-24 | General Electric Company | Method and apparatus for generating a perfusion image |
US20140184608A1 (en) * | 2011-05-05 | 2014-07-03 | Richard A. Robb | Systems and methods for analyzing in vivo tissue volumes using medical imaging data |
US8754888B2 (en) | 2011-05-16 | 2014-06-17 | General Electric Company | Systems and methods for segmenting three dimensional image volumes |
RU2605272C2 (ru) | 2012-05-14 | 2016-12-20 | БАЙЕР ХелсКер ЛЛСи | Системы и способы определения протоколов инъекции фармацевтической жидкости исходя из напряжения на рентгеновской трубке |
JP6325270B2 (ja) * | 2014-02-07 | 2018-05-16 | キヤノンメディカルシステムズ株式会社 | 超音波診断装置及び医用画像処理プログラム |
DE102015222853A1 (de) * | 2015-11-19 | 2017-05-24 | Siemens Healthcare Gmbh | Verfahren zum automatischen Ermitteln eines Kontrastmittel-Injektionsprotokolls |
DE102016209032B3 (de) * | 2016-05-24 | 2017-09-14 | Siemens Healthcare Gmbh | Bildbegebendes Verfahren zum Durchführen einer medizinischen Untersuchung nebst zugehörigem Bildgebenden System und zugehörigem Computerprogrammprodukt |
EP3512431A1 (en) * | 2016-09-16 | 2019-07-24 | Institut National de la Sante et de la Recherche Medicale (INSERM) | Method for imaging a sample with blood and associated devices |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5812691A (en) * | 1995-02-24 | 1998-09-22 | Udupa; Jayaram K. | Extraction of fuzzy object information in multidimensional images for quantifying MS lesions of the brain |
CN1518955A (zh) * | 2002-11-27 | 2004-08-11 | GEҽ��ϵͳ����������˾ | 软组织容积可视化的方法和装置 |
US6836528B2 (en) * | 2002-07-23 | 2004-12-28 | Ge Medical Systems Global Technology Company, Llc | Methods and apparatus for detecting structural, perfusion, and functional abnormalities |
CN1706344A (zh) * | 2004-06-11 | 2005-12-14 | 株式会社东芝 | X射线ct装置和心肌灌注图像产生系统 |
Family Cites Families (17)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP3974946B2 (ja) * | 1994-04-08 | 2007-09-12 | オリンパス株式会社 | 画像分類装置 |
JP2000126178A (ja) | 1998-10-27 | 2000-05-09 | Mitani Sangyo Co Ltd | 立体表面形状定量化方法、及びこれを応用した悪性腫瘍自動識別方法 |
WO2001059071A2 (en) * | 2000-02-09 | 2001-08-16 | Genvec, Inc. | Methods of preparing and using a viral vector library |
US6671541B2 (en) * | 2000-12-01 | 2003-12-30 | Neomed Technologies, Inc. | Cardiovascular imaging and functional analysis system |
JP4730758B2 (ja) | 2001-06-27 | 2011-07-20 | 株式会社日立メディコ | 医用画像診断支援装置及びその作動方法 |
US7058210B2 (en) | 2001-11-20 | 2006-06-06 | General Electric Company | Method and system for lung disease detection |
AU2003252103A1 (en) | 2002-07-23 | 2004-02-09 | Ge Medical Systems Global Technology Company, Llc | Methods and systems for detecting components of plaque |
US6574304B1 (en) | 2002-09-13 | 2003-06-03 | Ge Medical Systems Global Technology Company, Llc | Computer aided acquisition of medical images |
US6918769B2 (en) | 2002-09-27 | 2005-07-19 | Philip A. Rink | Video game for assisting healing of the human body |
US7727153B2 (en) | 2003-04-07 | 2010-06-01 | Sonosite, Inc. | Ultrasonic blood vessel measurement apparatus and method |
CN1929781A (zh) | 2003-08-21 | 2007-03-14 | 依斯克姆公司 | 用于脉管斑块检测和分析的自动化方法和系统 |
JP4537681B2 (ja) | 2003-09-24 | 2010-09-01 | 株式会社東芝 | 血流解析装置 |
JP4379706B2 (ja) | 2004-03-04 | 2009-12-09 | 横河電機株式会社 | 領域抽出方法 |
JP4505805B2 (ja) | 2004-08-02 | 2010-07-21 | 横河電機株式会社 | 領域抽出方法およびその装置 |
US20060052690A1 (en) | 2004-09-08 | 2006-03-09 | Sirohey Saad A | Contrast agent imaging-driven health care system and method |
US7912260B2 (en) | 2004-11-29 | 2011-03-22 | Koninklijke Philips Electronics N. V. | Multi-component vessel segmentation |
JP2006246941A (ja) | 2005-03-08 | 2006-09-21 | Toshiba Corp | 画像処理装置及び管走行トラッキング方法 |
-
2006
- 2006-04-13 US US11/403,656 patent/US8626263B2/en active Active
-
2007
- 2007-04-13 JP JP2007105798A patent/JP2007283103A/ja active Pending
- 2007-04-13 DE DE102007018260A patent/DE102007018260A1/de not_active Withdrawn
- 2007-04-13 CN CN200710103586.4A patent/CN101091656B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5812691A (en) * | 1995-02-24 | 1998-09-22 | Udupa; Jayaram K. | Extraction of fuzzy object information in multidimensional images for quantifying MS lesions of the brain |
US6836528B2 (en) * | 2002-07-23 | 2004-12-28 | Ge Medical Systems Global Technology Company, Llc | Methods and apparatus for detecting structural, perfusion, and functional abnormalities |
CN1518955A (zh) * | 2002-11-27 | 2004-08-11 | GEҽ��ϵͳ����������˾ | 软组织容积可视化的方法和装置 |
CN1706344A (zh) * | 2004-06-11 | 2005-12-14 | 株式会社东芝 | X射线ct装置和心肌灌注图像产生系统 |
Non-Patent Citations (1)
Title |
---|
蒋茂松,唐熙.~(201)Tl心肌灌注显像潘生丁试验在心肌梗塞诊断中的应用.核技术.1991,14(11),第641-646页. * |
Also Published As
Publication number | Publication date |
---|---|
DE102007018260A1 (de) | 2007-10-18 |
US20070244389A1 (en) | 2007-10-18 |
JP2007283103A (ja) | 2007-11-01 |
US8626263B2 (en) | 2014-01-07 |
CN101091656A (zh) | 2007-12-26 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN101091656B (zh) | 用于相对灌注和/或活性的装置 | |
Kurgan et al. | Knowledge discovery approach to automated cardiac SPECT diagnosis | |
Fryback et al. | The efficacy of diagnostic imaging | |
JP5814504B2 (ja) | 統計モデルを用いた医療画像自動セグメンテーションシステム、装置並びにプロセッサ | |
CN102652317B (zh) | 用于连续存储以及联合分析图像和非图像医学数据的诊断技术 | |
US20080069446A1 (en) | ROI-based assessment of abnormality using transformation invariant features | |
EP3425589A1 (en) | Method for assessing a likelihood that an ischemia in a brain tissue area results in an infarction of this brain tissue area by image analysis | |
Champier et al. | Delineation and quantitation of brain lesions by fuzzy clustering in positron emission tomography | |
Basu et al. | Magnetic resonance imaging based bone marrow segmentation for quantitative calculation of pure red marrow metabolism using 2-Deoxy-2-[F-18] fluoro-D-glucose-positron emission tomography: a novel application with significant implications for combined structure–function approach | |
Simpson et al. | Impact of quantization algorithm and number of gray level intensities on variability and repeatability of low field strength magnetic resonance image-based radiomics texture features | |
CN103871025A (zh) | 医学影像增强方法及其系统 | |
WO2021229223A1 (en) | Functional imaging features from computed tomography images | |
Stefano et al. | An automatic method for metabolic evaluation of gamma knife treatments | |
WO2018019202A1 (zh) | 一种检测图像结构变化的方法及装置 | |
Shim et al. | Fully automated breast segmentation on spiral breast computed tomography images | |
Aubert-Broche et al. | Detection of inter-hemispheric asymmetries of brain perfusion in SPECT | |
Tripoliti et al. | Automated segmentation and quantification of inflammatory tissue of the hand in rheumatoid arthritis patients using magnetic resonance imaging data | |
Akbarzadeh et al. | Impact of using different tissue classes on the accuracy of MR-based attenuation correction in PET-MRI | |
Deng et al. | Application of 18F-FDG PET/CT in the diagnosis of extrapulmonary tuberculosis | |
Crookston et al. | Verification of a method to detect glass microspheres via micro‐CT | |
Thireou et al. | Feasibility study of the use of similarity maps in the evaluation of oncological dynamic positron emission tomography images | |
Boussion et al. | Extraction of epileptogenic foci from PET and SPECT images by fuzzy modeling and data fusion | |
Magnussen et al. | Optimization of the scintigraphic segmental anatomy of the lungs | |
Faber et al. | SPECT processing, quantification, and display | |
Sobral | Automatic detection and segmentation of malignant lesions from [18F] FDG PET/CT images using machine learning techniques: application in lymphomas |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant |