CN101171608A - 虚拟损伤量化 - Google Patents

虚拟损伤量化 Download PDF

Info

Publication number
CN101171608A
CN101171608A CN200680015206.5A CN200680015206A CN101171608A CN 101171608 A CN101171608 A CN 101171608A CN 200680015206 A CN200680015206 A CN 200680015206A CN 101171608 A CN101171608 A CN 101171608A
Authority
CN
China
Prior art keywords
virtual lesion
medical image
lesion
virtual
group
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.)
Granted
Application number
CN200680015206.5A
Other languages
English (en)
Other versions
CN101171608B (zh
Inventor
M·布什
R·布林克斯
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Koninklijke Philips NV
Original Assignee
Koninklijke Philips Electronics NV
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Koninklijke Philips Electronics NV filed Critical Koninklijke Philips Electronics NV
Publication of CN101171608A publication Critical patent/CN101171608A/zh
Application granted granted Critical
Publication of CN101171608B publication Critical patent/CN101171608B/zh
Expired - Fee Related legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/73—Deblurring; Sharpening
    • 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
    • G06T2207/10104—Positron emission tomography [PET]
    • 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

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Radiology & Medical Imaging (AREA)
  • Quality & Reliability (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • General Health & Medical Sciences (AREA)
  • Nuclear Medicine (AREA)
  • Apparatus For Radiation Diagnosis (AREA)
  • Measuring And Recording Apparatus For Diagnosis (AREA)
  • Image Processing (AREA)
  • Lubricants (AREA)
  • Investigating Or Analysing Materials By Optical Means (AREA)

Abstract

一种对医疗图像、尤其是PET图像中感兴趣区域进行量化的系统和方法。该系统和方法允许临床医生对感兴趣区域进行实时的量化分析。通过产生一组虚拟损伤用于和实际损伤进行比较，该系统和方法可以用于对感兴趣区域中的微小损伤进行量化。可以获得量化信息，例如损伤尺寸和示踪剂活动性或SUV，以帮助临床医生或内科医生对损伤进行诊断和治疗。

Description

虚拟损伤量化
实用医疗图像、例如正电子发射断层成像(PET)的可靠量化对于医学异常现象的检测和治疗来说正变得日益重要。PET图像用于向临床医生或内科医生提供关于感兴趣区域(ROI)生理状况的信息。
PET中的部分容积效应(PVE)对于量化示踪研究来说是一个难题，因为其产生对所收集数据的错误判读。部分容积效应由成像设备的有限空间分辨率引起，并且在图像重建之后削弱在两个点之间的分辨能力。PET成像系统的有限分辨率是PVE的主要原因，其导致对于微小目标的对比度和峰值恢复的下降。部分容积效应由放射能溢出到邻近区域以及特定区域潜在组织的不均匀性引起。部分容积效应造成数据的模糊以及难于提供数据的量化。例如，PVE可以导致对于微小损伤的活动性或标准摄取值(SUV)的低估。
解决这一问题的两种主要策略是基于体素的和基于区域的去卷积。后者的一个例子是GTM方法，其需要例如来自融合(co-registered)的CT图像的额外解剖信息。然而，这种额外信息并非总是可以获得。此外，不准确的配准可能引入新的伪像，其限制了该方法的优势。因而GTM方法依赖于临床医生的准确输入(具有均匀活动性集中度的感兴趣区域的限定、配准误差的手动修正等)。
另一方面，例如迭代RL方法的基于体素的去卷积方法不需要来自临床医生的额外输入，并且因此易于处理。然而，PET图像的噪声特性使得去卷积方法成为一个不适定问题，其很少产生让人满意的量化结果。需要正则化的迭代算法来防止噪声放大，这使其成为一种耗时的并且容易出错的过程。
本发明致力于一种对医疗图像、尤其是PET图像中感兴趣区域进行量化的系统和方法。该系统和方法允许临床医生对感兴趣区域进行实时的量化分析，而不需要来自CT图像的解剖信息以及用于正则化的复杂迭代算法。
在一个实施例中，该系统和方法用于对感兴趣区域中的微小损伤进行量化。可以产生一组虚拟损伤，然后将其与实际损伤进行视觉比较。可以获得量化信息，例如损伤尺寸和示踪剂活动性或SUV，以帮助临床医生或内科医生对损伤进行诊断和治疗。
在附图中图解了本发明的实施例，这些附图结合并构成说明书的一部分，这些附图与上面给出的本发明的概括描述、以及下面给出的详细描述起到说明本发明原理的作用。本领域技术人员应当了解，这些示例性实施例并不是为了限制本发明，而仅仅是提供了体现本发明原理的例子。
图1图解了图形用户界面(GUI)，允许对虚拟损伤进行浏览以确定变量例如尺寸和活动性的正确集合。
图2图解了图1中所示损伤，伴随着以减法模式激活的虚拟损伤(没有设定为正确参数)。
图3图解了一组图像，其中虚拟损伤的活动性被正确地选择而虚拟损伤的尺寸设定为15mm(左侧)、16mm(中间)、和17mm(右侧)。
图4图解了一组图像，其中虚拟损伤的尺寸被正确地选择而虚拟损伤的活动性设定为正确数值的(从左到右)90％、95％、100％、105％、和110％。
图5是NEMA-IEC幻像测量的原始图像(左侧)、减去22mm球形的虚拟损伤(中间)、以及减去17mm球形的虚拟损伤(右侧)。
图6图解了伴随着覆盖模式虚拟损伤的一个损伤。
这里提供的PET图像定量分析系统和方法允许临床医生或内科医生使用自己的知识和背景进行实时比较，以在感兴趣区域内进行损伤的量化。这种途径尤其有帮助在于，其提供了解决定量问题的快速且简单的视觉途径，该问题例如确定损伤尺寸或损伤SUV。
在本发明的一个实施例中，临床医生可以简便地为损伤建立定量参数，在PET图像中显示为热区。一旦临床医生识别出损伤，将该损伤和一组计算的虚拟损伤相比较，这些虚拟损伤在预定的参数，例如诸如尺寸和活动性方面不同。临床医生可以快速并且方便地调整虚拟损伤的参数，直到虚拟损伤和PET图像中的损伤“匹配”。通过将虚拟损伤“匹配”到PET图像中的损伤，意味着可以对虚拟图像和PET图像损伤进行视觉比较以确定虚拟损伤的参数是否被正确地选择。例如，虚拟损伤可以显示为减法模式或者覆盖模式。在减法模式中，如图2中最佳显示，如果虚拟损伤的参数选择正确，被减的图像将产生没有损伤的感兴趣区域的图像。在覆盖模式中，如图6中最佳显示，虚拟损伤可以自由地放置在PET图像之上以确定虚拟损伤的参数。在任何一种模式中，一般都希望保持原始的PET图像，照此被减的图像或者覆盖图像可以产生为可替代的图像或视图。
实现本发明的方法的一个例子如下。为临床医生提供软件，允许以有效的方式实施该方法。该软件包括用于建模的算法，对来自模拟或者幻像图像的点扩散函数(PSF)进行建模。该点扩散函数用于计算一组虚拟损伤，如下面进一步详细讨论的。
参考图1，对感兴趣区域获取PET图像10，其包括一个或多个待量化的损伤20。该损伤在PET图像10中将显示为热点20。临床医生通过选择特定的损伤而聚焦到该损伤。这可以通过例如使用鼠标或者其它用户输入设备点击热点20完成。临床医生还提供预期虚拟损伤的大体几何形状。例如对于大多数PET肿瘤学研究可以使用球形虚拟损伤。还可以使用其它的预定形状，例如诸如正方形、三角形或者椭圆形。在某些情况下，临床医生可能需要基于感兴趣的区域或者损伤或热点的形状来限定特殊的几何形状。临床医生可以输入预期的几何形状，或者软件可以缺省为标准形状，例如球形，其后可以在需要的情况下改变。
一旦确定了热点20的中心和虚拟损伤的预期形状，软件使用点扩展函数计算多个仿真图像、或者虚拟损伤，其在预选的参数方面不同。例如，可以使用不同的尺寸或活动性产生一组虚拟损伤。作为一个特定的例子，可以产生20个虚拟损伤30(参见图2)，直径在1mm到20mm的范围以1mm的增量步长进行变化。通常，为了改变虚拟损伤的活动性不需要计算不同的虚拟损伤，因为可以通过乘以一个因数来确定活动性。在点扩散函数中还可以结合附加的参数，例如噪声特性，这对于本领域技术人员来说是显而易见的，这些参数由虚拟图像确定，然而这种附加参数典型地是不需要的并且通常仅是使过程复杂化。
虚拟损伤30中的一个出现在图形用户界面(GUI)40中，该界面包括一组滑块50，用于改变虚拟损伤的参数。还可以使用用于改变虚拟损伤30参数的其它装置，例如诸如数字式输入或者上/下箭头。PET图像10同样出现在GUI 40中。如上面提到的，虚拟损伤30可以如图2中所示的减法模式出现，或者以如图3中所示的覆盖模式出现。在减法模式中，虚拟损伤位于热点20的中心，并且改变虚拟损伤的参数直到热点从被减的图像中消失。在覆盖模式中，虚拟损伤产生在单独的窗口中，可以自由地移动直到其使用正确的尺寸和活动性参数覆盖热点。在任一种模式中，可以将滑块50的组调整到正确的数值以确定正确的虚拟损伤参数。虽然调整滑块以确定正确的虚拟损伤尺寸可能表现为实际改变虚拟损伤30的尺寸，但软件实际上是移动到了虚拟损伤的组中产生的下一个虚拟损伤尺寸。在这一点上，尺寸滑块的移动不需要重新计算虚拟损伤。这提供了信息的无缝显示而不需要处理时间。
临床医生可以在实时观察交替视图的同时交互式地改变虚拟损伤的参数，例如半径和活动性。连续调整参数，直到确定正确的参数。结果为损伤尺寸以及损伤活动性或SUV的准确估计。
下面将进一步详细讨论附图，其图解了上面所讨论方法的例子。图1图解了具有两个球形热点20的圆柱形幻像。球形热点20由于成像系统有限的分辨率而显示模糊。因而难于准确确定活动性和尺寸。
图2演示了虚拟损伤30的使用，以确定热点20的活动性和尺寸。临床医生将大的球形热点20标记为感兴趣的损伤。在此情况下，以亚体素(sub-voxel)准确性自动地确定热点20的中心。在热点的中心位置计算一组虚拟损伤30。随机选择的一个虚拟损伤30作为初始虚拟损伤，将其进行显示。图2以减法模式显示虚拟损伤。临床医生将需要通过移动滑块50调整虚拟损伤30的参数，直到确定正确的参数。在图2中，所选择的虚拟损伤30尺寸数值太小。这可以从图中围绕虚拟损伤30的明亮圆环看出。此外，为虚拟损伤活动性所选择的数值选得过大。这可以从虚拟损伤30的中心过暗看出。临床医生将需要调整虚拟损伤的尺寸和活动性，直到参数正确。
图3和4进一步图解了如何确定虚拟损伤的参数。在图3中，已经恰当选择了虚拟损伤的活动性，并且改变虚拟损伤的尺寸以确定正确的数值。在左侧地图像中，虚拟损伤的尺寸设定为15mm。在中间的图像中，虚拟损伤的尺寸设定为16mm。在右侧的图像中，虚拟损伤的尺寸设定为17mm。可以看出，对于虚拟损伤尺寸的正确数值是16mm。在左侧的图像中，虚拟损伤太小，如在虚拟损伤周围的明亮圆环所证实。在右侧的图像中，虚拟损伤过大，如在虚拟损伤周围的暗色圆环所证实。
在图4中，已经恰当选择了虚拟损伤的尺寸，并且改变虚拟损伤的活动性以确定正确的数值。从左到右，虚拟损伤的活动性设定为正确数值的90％、95％、100％、105％和110％。左侧的两个图像在虚拟损伤活动性的正确数值之下，如较亮的虚拟损伤所证实。右侧的两个图像在虚拟损伤的正确数值之上，如较暗的虚拟损伤所证实。
图3和4中显示的例子演示了十分简单的图像，简单到以致于整个参数匹配过程可以容易地自动完成。然而在实际的临床应用中，图像要复杂的多。如图5所示，PET图像典型地具有噪声并且可能包含各种解剖组织，难于使用完全自动的算法正确处理。但对于临床医生来说，仍然可以简单地交互式调整参数并且找到正确的一组参数。这是因为临床医生具有大量关于图像的知识，可以相对容易地确定虚拟损伤的正确参数。
这里描述的方法允许临床医生快速并且容易地确定虚拟损伤的参数数值，然后这些数值转换为实际损伤的物理特性。相对于常规技术来说，明显改善了临床医生确定损伤的活动性、或SUV、和尺寸的速度和准确性。对于众所周知难以解决的微小损伤情况尤其如此，这些微小损伤由于成像系统有限的分辨率而显示出很差的对比度校正。
应当指出，上面所讨论方法的变形同样可以实现。例如，可以自动完成参数确定过程或者其一部分。例如，可能通过交互式迭代过程手动确定虚拟损伤的半径，而虚拟损伤的活动性使用实时优化算法来确定。该过程还可以修改为考虑空间分辨率以外的其它影响。例如，点扩散函数还可以考虑其它参数，例如PET图像中的噪声。此外，该方法不限于PET图像的量化，还可以应用在其它医疗成像系统中，例如SPECT。
本发明还致力于一种用于医疗图像定量分析的系统，在PET成像系统中具有特殊的应用。该系统使用标准成像设备，包括一个或多个探测器、机架和患者台。该系统还包括用于产生图像的放射源，以及用于接收和处理数据并且产生该源的图像的软件系统。应当指出，也可以使用其它的成像系统，这里描述的系统不意味着作为一种限制。
该系统进一步包括图像量化改进组件。这个组件通常由软件包组成，可以结合在标准图像获取和感兴趣区域软件中，或者可以单独实施。图像量化改进软件包括成像系统点扩散函数的模型。由仿真或幻像图像提供的数据可以用于开发点扩散函数的模型。然后一旦临床医生提供了具有所选择感兴趣区域的PET图像，使用该算法产生一组虚拟损伤。所产生的一组虚拟图像可以存储在永久性存储器源中，或者更优选地存储在临时性存储器源中，当下一组虚拟损伤产生时可以重新写到该临时性存储器源中。
该系统进一步包括图形用户界面40，例如在图1和2中所显示的。本领域技术人员应当了解，图中显示的图形用户界面仅是一个示例性的例子，并且可以使用其它的图形用户界面。期望的是提供这样一种图形用户界面，其能够以有组织的并且易于理解的方式提供数据和图像，并且允许容易地并且快速地操作一个或多个参数。如图1和2中所示，图形用户界面40包括PET图像10和虚拟损伤30的组合图像，在这里显示为减法模式，以及一组用于调整虚拟损伤参数的滑块50。图形用户界面40还可以显示未改变的PET图像视图并可以以覆盖模式显示虚拟损伤。通过移动滑块50、或者另外改变参数的数值，图像量化改进软件或者根据感兴趣区域的那组虚拟损伤图像产生不同的虚拟损伤，或者将当前虚拟损伤乘以一个因数从而改变虚拟损伤的参数、例如活动性。在任何一种情况下，滑块50的操作允许临床医生以视觉方式比较具有不同参数的虚拟损伤和PET图像中所示的实际损伤。这允许临床医生能够确定虚拟损伤的参数的正确数值，接下来这些数值提供了实际损伤的物理特性。该系统可选地包括存储器源，以保存最终的组合图像或者虚拟损伤参数数据或者输出源，例如打印机用于打印虚拟损伤参数数据的最终组合图像。
以上参考一个或多个优选实施例描述了本发明。显然，在阅读并理解上述说明的基础上可以想到其它的修改和替换形式。本发明意图包括所有的这些修改和替换形式，只要其属于所附权利要求或其等同形式的范围。

Claims (20)

1.一种提供医疗图像的量化分析的系统，该系统包括：
(a)用于产生医疗图像(10)的系统，所述医疗图像(10)包括至少一个损伤(20)；以及
(b)图像量化改进组件，包括：
i)系统点扩散函数模型，用于在医疗图像(10)中的所选择点处产生一组虚拟损伤(30)；
ii)图形用户界面(40)，提供医疗图像(10)与从所述一组虚拟损伤(30)中选择的虚拟损伤(30)的视觉比较，其中所述图形用户界面(40)包含一个或多个参数调整机构(50)，该机构改变可与医疗图像(10)进行视觉比较的虚拟损伤(30)。
2.权利要求1所述的系统，其中所述医疗图像(10)是PET图像。
3.权利要求1所述的系统，其中所述参数调整机构(50)中的至少一个在操作中从所述一组虚拟损伤(30)选择一个不同的虚拟损伤(30)。
4.权利要求1所述的系统，其中所述参数调整机构(50)中的至少一个在操作中改变虚拟损伤(30)一个因数。
5.权利要求1所述的系统，其中所述一组虚拟损伤(30)包括不同尺寸的虚拟损伤(30)，其每个相差一个增量数值。
6.权利要求1所述的系统，其中医疗图像(10)与虚拟损伤(30)的所述视觉比较是相减的视图。
7.权利要求1所述的系统，其中医疗图像(10)与虚拟损伤(30)的所述视觉比较是覆盖视图。
8.权利要求1所述的系统，其中所述用于产生医疗图像(10)的系统包括一个或多个探测器、支架、患者台和包含放射性元件的源。
9.一种医疗图像量化改进组件，包括：
使用系统点扩散函数的模型在医疗图像(10)中所选择的点处产生一组虚拟损伤(30)的装置；
图形用户界面(40)，提供医疗图像(10)与从所述一组虚拟损伤(30)中选择的虚拟损伤(30)的视觉比较，其中所述图形用户界面(40)包含一个或多个参数调整机构(50)，该机构改变可与医疗图像(10)进行视觉比较的虚拟损伤(30)。
10.权利要求9所述的系统，其中所述医疗图像(10)是PET图像。
11.权利要求9所述的系统，其中所述参数调整机构(50)中的至少一个在操作中从所述一组虚拟损伤(30)选择一个不同的虚拟损伤(30)。
12.权利要求9所述的系统，其中所述参数调整机构(50)中的至少一个在操作中改变虚拟损伤(30)一个因数。
13.权利要求9所述的系统，其中所述一组虚拟损伤(30)包括不同尺寸的虚拟损伤(30)，其每个相差一个增量数值。
14.权利要求9所述的系统，其中医疗图像(10)与虚拟损伤(30)的所述视觉比较是相减的视图。
15.权利要求9所述的系统，其中医疗图像(10)与虚拟损伤(30)的所述视觉比较是覆盖视图。
16.一种改进医疗图像(10)的量化分析的方法，所述方法包括以下步骤：
基于一组仿真或幻像图像产生点扩散函数；
获取包含至少一个损伤(20)的医疗图像(10)；
在医疗图像(10)内确定感兴趣的区域；
根据所述点扩散函数在所述感兴趣区域产生一组虚拟损伤(30)；
产生所述医疗图像(10)与从所述一组损伤(30)中选择的虚拟损伤(30)的比较视图；
操作一个或多个虚拟损伤参数以改变比较视图中的虚拟损伤(30)；
将所述一个或多个虚拟损伤参数转换为所述至少一个损伤(20)的物理特性。
17.权利要求16所述的方法，其中操作一个或多个虚拟损伤参数以改变虚拟损伤(30)的步骤进一步包括在对所述一个或多个虚拟损伤参数中的至少一个的操作中从所述一组虚拟损伤(30)选择一个不同的虚拟损伤(30)。
18.权利要求16所述的方法，其中产生比较视图的步骤包括以减法模式产生比较视图。
19.权利要求16所述的方法，其中产生比较视图的步骤包括以覆盖模式产生比较视图。
20.权利要求16所述的方法，其中所述一组虚拟损伤(30)包括不同尺寸的虚拟损伤(30)，其每个相差一个增量数值。
CN200680015206.5A 2005-05-03 2006-04-19 虚拟损伤量化 Expired - Fee Related CN101171608B (zh)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
US67717205P 2005-05-03 2005-05-03
US60/677,172 2005-05-03
PCT/IB2006/051208 WO2006117706A1 (en) 2005-05-03 2006-04-19 Virtual lesion quantification

Publications (2)

Publication Number Publication Date
CN101171608A true CN101171608A (zh) 2008-04-30
CN101171608B CN101171608B (zh) 2010-06-16

Family

ID=36698630

Family Applications (1)

Application Number Title Priority Date Filing Date
CN200680015206.5A Expired - Fee Related CN101171608B (zh) 2005-05-03 2006-04-19 虚拟损伤量化

Country Status (8)

Country Link
US (1) US20090273610A1 (zh)
EP (1) EP1880362B1 (zh)
JP (1) JP2008541794A (zh)
CN (1) CN101171608B (zh)
AT (1) ATE412950T1 (zh)
DE (1) DE602006003424D1 (zh)
RU (1) RU2007144703A (zh)
WO (1) WO2006117706A1 (zh)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104114091A (zh) * 2012-02-16 2014-10-22 皇家飞利浦有限公司 空间校正核图像重建
CN104814754A (zh) * 2015-04-01 2015-08-05 王有彬 正电子发射神经断层扫描装置
CN102576471B (zh) * 2008-12-18 2015-09-23 皇家飞利浦电子股份有限公司 生成医学图像的视图
CN108292443A (zh) * 2015-11-20 2018-07-17 皇家飞利浦有限公司 使用病变代理的pet图像重建和处理

Families Citing this family (36)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP5207683B2 (ja) * 2006-08-11 2013-06-12 ゼネラル・エレクトリック・カンパニイ 撮像データを処理するシステム及び方法
GB0913314D0 (en) * 2009-07-31 2009-09-02 Siemens Medical Solutions Facilitated percist evaluation
US20110268339A1 (en) * 2010-04-30 2011-11-03 Lana Volokh Systems and methods for determining a location of a lesion in a breast
US8918219B2 (en) 2010-11-19 2014-12-23 Google Inc. User friendly interface for control unit
US9489062B2 (en) 2010-09-14 2016-11-08 Google Inc. User interfaces for remote management and control of network-connected thermostats
US9104211B2 (en) 2010-11-19 2015-08-11 Google Inc. Temperature controller with model-based time to target calculation and display
US8727611B2 (en) 2010-11-19 2014-05-20 Nest Labs, Inc. System and method for integrating sensors in thermostats
US9092039B2 (en) 2010-11-19 2015-07-28 Google Inc. HVAC controller with user-friendly installation features with wire insertion detection
US9453655B2 (en) 2011-10-07 2016-09-27 Google Inc. Methods and graphical user interfaces for reporting performance information for an HVAC system controlled by a self-programming network-connected thermostat
US8850348B2 (en) 2010-12-31 2014-09-30 Google Inc. Dynamic device-associated feedback indicative of responsible device usage
US8195313B1 (en) 2010-11-19 2012-06-05 Nest Labs, Inc. Thermostat user interface
US9552002B2 (en) 2010-11-19 2017-01-24 Google Inc. Graphical user interface for setpoint creation and modification
US9075419B2 (en) 2010-11-19 2015-07-07 Google Inc. Systems and methods for a graphical user interface of a controller for an energy-consuming system having spatially related discrete display elements
US10346275B2 (en) 2010-11-19 2019-07-09 Google Llc Attributing causation for energy usage and setpoint changes with a network-connected thermostat
US9256230B2 (en) 2010-11-19 2016-02-09 Google Inc. HVAC schedule establishment in an intelligent, network-connected thermostat
US11334034B2 (en) 2010-11-19 2022-05-17 Google Llc Energy efficiency promoting schedule learning algorithms for intelligent thermostat
US9459018B2 (en) 2010-11-19 2016-10-04 Google Inc. Systems and methods for energy-efficient control of an energy-consuming system
US20120128265A1 (en) * 2010-11-23 2012-05-24 Toshiba Medical Systems Corporation Method and system utilizing iterative reconstruction with adaptive parameters for computer tomography (ct) images
BR112013016409A2 (pt) * 2010-12-29 2016-10-04 Koninkl Philips Electronics Nv sistema (sys) para a classificação de um tumor de interesse, estação de trabalho (ws), método (m) para a classificação de um tumor de interesse e produto de programa de computador
US9222693B2 (en) 2013-04-26 2015-12-29 Google Inc. Touchscreen device user interface for remote control of a thermostat
US8893032B2 (en) 2012-03-29 2014-11-18 Google Inc. User interfaces for HVAC schedule display and modification on smartphone or other space-limited touchscreen device
KR101916855B1 (ko) * 2011-10-17 2019-01-25 삼성전자주식회사 병변 수정 장치 및 방법
JP2014534405A (ja) 2011-10-21 2014-12-18 ネスト・ラブズ・インコーポレイテッド ユーザフレンドリーな、ネットワーク接続された学習サーモスタットならびに関連するシステムおよび方法
WO2013059671A1 (en) 2011-10-21 2013-04-25 Nest Labs, Inc. Energy efficiency promoting schedule learning algorithms for intelligent thermostat
USD682304S1 (en) 2012-01-06 2013-05-14 Path, Inc. Display screen with graphical user interface
EP2831687B1 (en) 2012-03-29 2020-01-01 Google LLC Processing and reporting usage information for an hvac system controlled by a network-connected thermostat
US9256967B2 (en) * 2012-11-02 2016-02-09 General Electric Company Systems and methods for partial volume correction in PET penalized-likelihood image reconstruction
USD732576S1 (en) * 2013-03-29 2015-06-23 Deere & Company Display screen or portion thereof with icon
USD738386S1 (en) * 2013-03-29 2015-09-08 Deere & Company Display screen with an animated graphical user interface
KR20150002284A (ko) * 2013-06-28 2015-01-07 삼성전자주식회사 병변 검출 장치 및 방법
USD765091S1 (en) * 2013-12-05 2016-08-30 Visa International Service Association Display screen or portion thereof with animated user interface
USD772908S1 (en) * 2014-07-11 2016-11-29 Huawei Technologies Co., Ltd. Portion of a display screen with graphical user interface
USD788120S1 (en) * 2015-08-26 2017-05-30 Google Inc. Display screen or portion thereof with an animated graphical user interface
USD788119S1 (en) * 2015-08-26 2017-05-30 Google Inc. Display screen or portion thereof with an animated graphical user interface
US9702582B2 (en) 2015-10-12 2017-07-11 Ikorongo Technology, LLC Connected thermostat for controlling a climate system based on a desired usage profile in comparison to other connected thermostats controlling other climate systems
EP3633613A1 (en) 2018-10-02 2020-04-08 Koninklijke Philips N.V. Simultaneous partial volume correction and segmentation refinement

Family Cites Families (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5768413A (en) * 1995-10-04 1998-06-16 Arch Development Corp. Method and apparatus for segmenting images using stochastically deformable contours
CN1095354C (zh) * 1996-06-04 2002-12-04 浙江大学 用于心血管疾病的无损定量诊断系统的使用方法
US5859891A (en) * 1997-03-07 1999-01-12 Hibbard; Lyn Autosegmentation/autocontouring system and method for use with three-dimensional radiation therapy treatment planning
DE19829230A1 (de) * 1998-06-30 2000-03-23 Brainlab Med Computersyst Gmbh Verfahren zur Erfassung der exakten Kontur, insbesondere Außenkontur von Behandlungszielen
US6901156B2 (en) * 2000-02-04 2005-05-31 Arch Development Corporation Method, system and computer readable medium for an intelligent search workstation for computer assisted interpretation of medical images
JP2005506140A (ja) * 2001-10-16 2005-03-03 ザ・ユニバーシティー・オブ・シカゴ コンピュータ支援の３次元病変検出方法
US7127096B2 (en) * 2001-11-20 2006-10-24 Accuimage Diagnostics Corp. Method and software for improving coronary calcium scoring consistency
US7298883B2 (en) * 2002-11-29 2007-11-20 University Of Chicago Automated method and system for advanced non-parametric classification of medical images and lesions
US7660448B2 (en) * 2003-11-26 2010-02-09 Icad, Inc. Automated lesion characterization
US7639848B2 (en) * 2004-04-14 2009-12-29 Edda Technology, Inc. Lesion marking and characterization quality assurance method and system
EP1744671B1 (en) * 2004-04-26 2013-10-23 David F. Yankelevitz Medical imaging system for accurate measurement evaluation of changes in a target lesion
WO2006042077A2 (en) * 2004-10-09 2006-04-20 Viatronix Incorporated Sampling medical images for virtual histology
US7518114B2 (en) * 2004-11-10 2009-04-14 General Electric Company Method and system for imaging a patient

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102576471B (zh) * 2008-12-18 2015-09-23 皇家飞利浦电子股份有限公司 生成医学图像的视图
CN104114091A (zh) * 2012-02-16 2014-10-22 皇家飞利浦有限公司 空间校正核图像重建
CN104814754A (zh) * 2015-04-01 2015-08-05 王有彬 正电子发射神经断层扫描装置
CN108292443A (zh) * 2015-11-20 2018-07-17 皇家飞利浦有限公司 使用病变代理的pet图像重建和处理

Also Published As

Publication number Publication date
ATE412950T1 (de) 2008-11-15
CN101171608B (zh) 2010-06-16
JP2008541794A (ja) 2008-11-27
US20090273610A1 (en) 2009-11-05
RU2007144703A (ru) 2009-06-10
WO2006117706A1 (en) 2006-11-09
EP1880362A1 (en) 2008-01-23
EP1880362B1 (en) 2008-10-29
DE602006003424D1 (de) 2008-12-11

Similar Documents

Publication Publication Date Title
CN101171608B (zh) 虚拟损伤量化
JP5331299B2 (ja) 解剖学的構造内の疾患に関する疾患関連の変化の患者特異的解析を実行するための方法及びシステム
Calvini et al. The basal ganglia matching tools package for striatal uptake semi-quantification: description and validation
US8150112B2 (en) Regional reconstruction of spatially distributed functions
Won Kim et al. Realistic simulation of reduced‐dose CT with noise modeling and sinogram synthesis using DICOM CT images
US7860331B2 (en) Purpose-driven enhancement filtering of anatomical data
Ohno et al. Comparative evaluation of newly developed model-based and commercially available hybrid-type iterative reconstruction methods and filter back projection method in terms of accuracy of computer-aided volumetry (CADv) for low-dose CT protocols in phantom study
Wang et al. An MR image‐guided, voxel‐based partial volume correction method for PET images
Nuyts Unconstrained image reconstruction with resolution modelling does not have a unique solution
US11816764B2 (en) Partial volume correction in multi-modality emission tomography
CN106388843A (zh) 医学影像设备及其扫描方法
Han et al. Human and model observer performance for lesion detection in breast cone beam CT images with the FDK reconstruction
Golla et al. Partial volume correction of brain PET studies using iterative deconvolution in combination with HYPR denoising
CN102804228B (zh) 功能图像数据增强和/或增强器
CN112351739A (zh) 使用深度学习进行准确快速的正电子发射断层扫描的系统和方法
EP2401719A1 (fr) Méthodes de segmentation d'images et de détection de structures particulières
JP2020519863A (ja) 定量的分子撮像のための正確なハイブリッドデータセットの生成
Liang et al. Guest editorial low-dose CT: what has been done, and what challenges remain?
CN109416833B (zh) 根据谱ct数据确定钙含量
Rousset et al. Correction for partial volume effects in emission tomography
CN112529977A (zh) 一种pet图像重建的方法和系统
KR101493683B1 (ko) 콘-빔 기반 반응선 재구성을 이용한 초고해상도 ｐｅｔ 영상 재구성 장치 및 그 방법
Prenosil et al. Transconvolution and the virtual positron emission tomograph—A new method for cross calibration in quantitative PET/CT imaging
Samei et al. CT-based quantification
King et al. Computerized method for evaluating diagnostic image quality of calcified plaque images in cardiac CT: Validation on a physical dynamic cardiac phantom

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
C17 Cessation of patent right
CF01 Termination of patent right due to non-payment of annual fee

Granted publication date: 20100616

Termination date: 20110419