CN101578630A - 计算机辅助治疗监测 - Google Patents
计算机辅助治疗监测 Download PDFInfo
- Publication number
- CN101578630A CN101578630A CNA200780049217XA CN200780049217A CN101578630A CN 101578630 A CN101578630 A CN 101578630A CN A200780049217X A CNA200780049217X A CN A200780049217XA CN 200780049217 A CN200780049217 A CN 200780049217A CN 101578630 A CN101578630 A CN 101578630A
- Authority
- CN
- China
- Prior art keywords
- data
- lesion
- functional
- pathology
- patient
- 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.)
- Pending
Links
- 238000002560 therapeutic procedure Methods 0.000 title claims abstract description 23
- 238000012544 monitoring process Methods 0.000 title claims description 7
- 230000003902 lesion Effects 0.000 claims abstract description 103
- 238000002059 diagnostic imaging Methods 0.000 claims abstract description 22
- 230000007170 pathology Effects 0.000 claims description 70
- 238000003384 imaging method Methods 0.000 claims description 52
- 238000000034 method Methods 0.000 claims description 51
- 238000007689 inspection Methods 0.000 claims description 39
- 230000033001 locomotion Effects 0.000 claims description 29
- 239000000700 radioactive tracer Substances 0.000 claims description 24
- 239000003795 chemical substances by application Substances 0.000 claims description 20
- 238000004458 analytical method Methods 0.000 claims description 19
- 238000001514 detection method Methods 0.000 claims description 15
- 201000010099 disease Diseases 0.000 claims description 15
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 claims description 15
- 230000006870 function Effects 0.000 claims description 12
- 230000008859 change Effects 0.000 claims description 10
- 238000012545 processing Methods 0.000 claims description 10
- 230000006399 behavior Effects 0.000 claims description 8
- 206010028980 Neoplasm Diseases 0.000 claims description 7
- 230000000454 anti-cipatory effect Effects 0.000 claims description 7
- 238000010606 normalization Methods 0.000 claims description 7
- 210000003484 anatomy Anatomy 0.000 claims description 6
- 230000005855 radiation Effects 0.000 claims description 5
- 238000001959 radiotherapy Methods 0.000 claims description 5
- 230000004663 cell proliferation Effects 0.000 claims description 4
- 238000002512 chemotherapy Methods 0.000 claims description 4
- 230000004060 metabolic process Effects 0.000 claims description 4
- 238000004891 communication Methods 0.000 claims description 3
- 230000035479 physiological effects, processes and functions Effects 0.000 claims description 3
- 238000009126 molecular therapy Methods 0.000 claims description 2
- 238000002360 preparation method Methods 0.000 claims description 2
- 238000002558 medical inspection Methods 0.000 claims 2
- 238000002679 ablation Methods 0.000 claims 1
- 230000004044 response Effects 0.000 abstract description 9
- 238000002591 computed tomography Methods 0.000 description 14
- 238000002600 positron emission tomography Methods 0.000 description 12
- 230000008569 process Effects 0.000 description 11
- 238000012423 maintenance Methods 0.000 description 10
- 238000005516 engineering process Methods 0.000 description 7
- 230000001932 seasonal effect Effects 0.000 description 7
- ZCXUVYAZINUVJD-AHXZWLDOSA-N 2-deoxy-2-((18)F)fluoro-alpha-D-glucose Chemical compound OC[C@H]1O[C@H](O)[C@H]([18F])[C@@H](O)[C@@H]1O ZCXUVYAZINUVJD-AHXZWLDOSA-N 0.000 description 5
- 238000011161 development Methods 0.000 description 5
- 238000002603 single-photon emission computed tomography Methods 0.000 description 5
- 206010058467 Lung neoplasm malignant Diseases 0.000 description 4
- 201000005202 lung cancer Diseases 0.000 description 4
- 208000020816 lung neoplasm Diseases 0.000 description 4
- 210000000056 organ Anatomy 0.000 description 4
- 238000010176 18-FDG-positron emission tomography Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 230000007246 mechanism Effects 0.000 description 3
- 230000000877 morphologic effect Effects 0.000 description 3
- HIIJZYSUEJYLMX-UHFFFAOYSA-N 1-fluoro-3-(2-nitroimidazol-1-yl)propan-2-ol Chemical compound FCC(O)CN1C=CN=C1[N+]([O-])=O HIIJZYSUEJYLMX-UHFFFAOYSA-N 0.000 description 2
- 238000012879 PET imaging Methods 0.000 description 2
- 206010012601 diabetes mellitus Diseases 0.000 description 2
- 238000003745 diagnosis Methods 0.000 description 2
- NOESYZHRGYRDHS-UHFFFAOYSA-N insulin Chemical compound N1C(=O)C(NC(=O)C(CCC(N)=O)NC(=O)C(CCC(O)=O)NC(=O)C(C(C)C)NC(=O)C(NC(=O)CN)C(C)CC)CSSCC(C(NC(CO)C(=O)NC(CC(C)C)C(=O)NC(CC=2C=CC(O)=CC=2)C(=O)NC(CCC(N)=O)C(=O)NC(CC(C)C)C(=O)NC(CCC(O)=O)C(=O)NC(CC(N)=O)C(=O)NC(CC=2C=CC(O)=CC=2)C(=O)NC(CSSCC(NC(=O)C(C(C)C)NC(=O)C(CC(C)C)NC(=O)C(CC=2C=CC(O)=CC=2)NC(=O)C(CC(C)C)NC(=O)C(C)NC(=O)C(CCC(O)=O)NC(=O)C(C(C)C)NC(=O)C(CC(C)C)NC(=O)C(CC=2NC=NC=2)NC(=O)C(CO)NC(=O)CNC2=O)C(=O)NCC(=O)NC(CCC(O)=O)C(=O)NC(CCCNC(N)=N)C(=O)NCC(=O)NC(CC=3C=CC=CC=3)C(=O)NC(CC=3C=CC=CC=3)C(=O)NC(CC=3C=CC(O)=CC=3)C(=O)NC(C(C)O)C(=O)N3C(CCC3)C(=O)NC(CCCCN)C(=O)NC(C)C(O)=O)C(=O)NC(CC(N)=O)C(O)=O)=O)NC(=O)C(C(C)CC)NC(=O)C(CO)NC(=O)C(C(C)O)NC(=O)C1CSSCC2NC(=O)C(CC(C)C)NC(=O)C(NC(=O)C(CCC(N)=O)NC(=O)C(CC(N)=O)NC(=O)C(NC(=O)C(N)CC=1C=CC=CC=1)C(C)C)CC1=CN=CN1 NOESYZHRGYRDHS-UHFFFAOYSA-N 0.000 description 2
- 210000004072 lung Anatomy 0.000 description 2
- 230000002503 metabolic effect Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000009206 nuclear medicine Methods 0.000 description 2
- 230000000474 nursing effect Effects 0.000 description 2
- 230000001105 regulatory effect Effects 0.000 description 2
- 206010006187 Breast cancer Diseases 0.000 description 1
- 241001269238 Data Species 0.000 description 1
- 240000004859 Gamochaeta purpurea Species 0.000 description 1
- 102000004877 Insulin Human genes 0.000 description 1
- 108090001061 Insulin Proteins 0.000 description 1
- 238000003556 assay Methods 0.000 description 1
- 210000000481 breast Anatomy 0.000 description 1
- 238000009104 chemotherapy regimen Methods 0.000 description 1
- 230000004087 circulation Effects 0.000 description 1
- 238000013170 computed tomography imaging Methods 0.000 description 1
- 238000004195 computer-aided diagnosis Methods 0.000 description 1
- 238000005520 cutting process Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000002224 dissection Methods 0.000 description 1
- 239000003814 drug Substances 0.000 description 1
- 229940079593 drug Drugs 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 238000002599 functional magnetic resonance imaging Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000000977 initiatory effect Effects 0.000 description 1
- 229940125396 insulin Drugs 0.000 description 1
- 238000002595 magnetic resonance imaging Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 230000037323 metabolic rate Effects 0.000 description 1
- 230000000771 oncological effect Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 230000008520 organization Effects 0.000 description 1
- 230000000737 periodic effect Effects 0.000 description 1
- 230000000505 pernicious effect Effects 0.000 description 1
- 238000011002 quantification Methods 0.000 description 1
- 230000002285 radioactive effect Effects 0.000 description 1
- 210000000664 rectum Anatomy 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000000241 respiratory effect Effects 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 230000009897 systematic effect Effects 0.000 description 1
- 230000004797 therapeutic response Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/20—Analysis of motion
-
- 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
- G06T7/0014—Biomedical image inspection using an image reference approach
- G06T7/0016—Biomedical image inspection using an image reference approach involving temporal comparison
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H20/00—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance
- G16H20/40—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance relating to mechanical, radiation or invasive therapies, e.g. surgery, laser therapy, dialysis or acupuncture
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H30/00—ICT specially adapted for the handling or processing of medical images
- G16H30/20—ICT specially adapted for the handling or processing of medical images for handling medical images, e.g. DICOM, HL7 or PACS
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
- G16H50/20—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for computer-aided diagnosis, e.g. based on medical expert systems
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
- G16H50/50—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for simulation or modelling of medical disorders
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
- A61B6/02—Arrangements for diagnosis sequentially in different planes; Stereoscopic radiation diagnosis
- A61B6/03—Computed tomography [CT]
- A61B6/037—Emission tomography
-
- 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)
- Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Public Health (AREA)
- General Health & Medical Sciences (AREA)
- Epidemiology (AREA)
- Primary Health Care (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Biomedical Technology (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Pathology (AREA)
- Databases & Information Systems (AREA)
- Data Mining & Analysis (AREA)
- General Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Radiology & Medical Imaging (AREA)
- Quality & Reliability (AREA)
- Urology & Nephrology (AREA)
- Surgery (AREA)
- Multimedia (AREA)
- Apparatus For Radiation Diagnosis (AREA)
- Magnetic Resonance Imaging Apparatus (AREA)
- Measuring And Recording Apparatus For Diagnosis (AREA)
- Ultra Sonic Daignosis Equipment (AREA)
Abstract
一种计算机辅助治疗装置(100)使用来自对患者的功能性医学成像检查的数据来评价患者对所应用的治疗的反应。病变跟踪器(112)跟踪在医学成像检查中检测的(多个)病变,病变量化器(114)生成表示(多个)病变的功能性特征的定量信息。趋势分析器(116)使用该定量信息来确定功能性特征的趋势。
Description
本申请涉及医学中的计算机辅助治疗。其尤其适用于功能性图像数据在治疗中的使用,例如与来自核医学(NM)和计算机断层摄影(CT)检查的信息在肿瘤学中的使用相关。
近年来计算机辅助诊断(CAD)系统已经有所发展。这些系统支持放射学家或其他医学专家通过分析医学图像数据来识别可疑病变。例如,在X射线乳房摄影中,CAD系统已经被用于帮助识别乳房肿瘤。在CT应用中,CAD系统已经被用于肺癌的识别和分类。事实上,CAD系统的发展以及诸如单光子发射计算机断层摄影(SPECT)、正电子发射断层摄影(PET)的功能性成像模态和诸如PET/CT及SPECT/CT系统的多模态成像系统的进展已经显著地提高了检测和识别癌症的能力。
当然,成功的临床疗效取决于有效的治疗。传统上,治疗反应评估已经使用形态学标准来评估对治疗的反应。在一种这样的技术中,已经通过使用在疗程之前和之后拍摄的图像来确定肿瘤尺寸的变化,从而计量治疗的有效性。然而,应该认识到,这些形态学技术提供的是关于肿瘤的特征或治疗的有效性的相对有限的且不及时的信息。
PET成像技术的进展以及诸如FDG、FLT和FMISO的示踪剂的发展已经使得越来越有兴趣将PET成像用作治疗评估工具。根据诸如特定成像模态、示踪剂和疾病类型的因素,来自成像检查的数据可以用于计量肿瘤的良性或恶性、其对所应用的辐射或其他治疗的预期敏感性等。在很多情况下这一信息不仅可以用于设计初始治疗,而且可以用于计量所应用的治疗的有效性,或者可以用于调节或进一步设计所应用的治疗,例如通过调节所应用的辐射或其他治疗剂量、引入不同的或附属的治疗或将患者重新引导至姑息护理。此外,经常可以在治疗过程中相对较早地获得该信息,由此增强成功疗效的可能性并且潜在地减少无效的或最终不必要的处理的使用。
在当前临床实践中,经常在处理之前获得基线FDG-PET/CT扫描。在疗程期间进行后续扫描,例如在化疗方案的一个或多个循环之后。医师已经手动识别了病变和图像数据中的其他感兴趣区域(ROI),并且所识别的病变的标准摄取值(SUV)的变化已经被用于评估治疗反应。
虽然这一方法展现了相对于传统的形态学评估技术的改进,但仍存在改进的空间。例如,病变的手动识别和描绘经常是相对费力和主观的任务,其受到医师之间甚至医师内部的变化的影响。作为另一示例,源自成像检查的功能性信息或代谢信息可以根据成像协议和患者群体的差异而发生变化。在特定患者的情况下,设备可用性、患者准备时间、代谢状态等的变化可能影响功能性成像数据并因此影响从在疗程期间的不同时间采集的数据推出的结论。所应用的成像协议中的其他变化(例如成像时间、成像器设置和/或示踪剂施予的差异)有可能不仅导致患者内部或患者之间的变化,而且导致各个医师和机构之间的变化。此外,功能性数据及其评估可能由于疾病和示踪剂特异性因素而发生变化。
因此,在特定患者的一时间序列的图像的情况下,这些变化可能导致更难以评估肿瘤的代谢状态和对特定治疗的反应。更一般地,这些变化也使得更广泛的患者群体之间的客观治疗和治疗反应评估标准的发展更复杂。
本申请的各方面解决了这些问题及其他问题。
根据一个方面,一种装置包括检测来自对患者的成像检查的医学图像数据中的病变的病变检测器、与所述病变检测器可工作地通信的病变量化器,以及趋势分析器。所述病变量化器使用来自在对所述患者应用治疗之前实施的对所述患者的第一成像检查的第一功能性图像数据,以生成第一检测病变的第一病变功能性数据,并且使用来自在应用所述治疗之后实施的对所述患者的第二成像检查的第二功能性图像数据,以生成所述第一检测病变的第二病变功能性数据。所述趋势分析器识别所述第一病变功能性数据与所述第二病变功能性数据之间的差异。
根据另一方面,一种方法包括检测来自对患者的第一成像检查的第一医学图像数据中的病变,检测来自在对所述患者应用治疗之后实施的对所述患者的第二成像检查的第二医学图像数据中的所述病变,使用来自所述第一成像检查的数据以生成表示所述病变的功能性特征的第一功能性数据,使用来自所述第二成像检查的数据以生成表示所述功能性特征的第二功能性数据,校准所述第一功能性数据以生成第一校准功能性数据,校准所述第二功能性数据以生成第二校准功能性数据,以及使用所述第一校准功能性数据和所述第二校准功能性数据来评价所述病变对所述治疗的反应。
根据另一方面,一种计算机可读存储介质包含当被计算机执行时使所述计算机执行一方法的指令。所述方法包括使用来自对患者的第一功能性医学成像检查的医学图像数据,以生成出现在所述患者的解剖结构中的病变的第一病变功能性数据。所述方法还包括使用所述第一病变功能性数据和从对所述患者的第二功能性医学成像检查中获得的所述病变的第二病变功能性数据,以评价所述病变对应用的治疗的反应。
根据另一方面,一种计算机可读存储介质包含数据结构。所述数据结构包括第一运动模型和第一生理模型。所述运动模型包含当被病变跟踪器访问时描述在来自对患者的医学成像检查的数据中检测的病变的预期运动的数据。所述生理模型包含当被病变量化器访问时描述应用于所述患者的第一示踪剂与功能性医学成像检查相关的预期行为的数据。
根据另一方面,一种方法包括接收生理模型,当被病变量化器访问时,所述生理模型对与功能性医学成像检查相关的成像剂的预期行为和患者的生理特征中的至少一个进行建模;以及将计算机可读数据存储在可被病变量化器访问的计算机可读存储器中。
根据另一方面,一种用于计算机辅助治疗监测的方法包括使用描述连同对患者的功能性成像检查一起使用的图像协议的信息以选择模型数据,以及使用所选择的模型数据以改变计算机辅助治疗监测系统的部件的操作。
在阅读和理解以下详细描述的基础上,本领域普通技术人员将会认识到本发明的更多方面。
本发明可以以各种部件和部件的布置以及各种步骤和步骤的布置而变得明显。附图仅用于图示说明优选实施例的意图,而不应被解读为限制本发明。
图1描述一种计算机辅助治疗装置;
图2描述一种计算机辅助治疗方法。
通过参考图1,计算机辅助治疗监测系统100包括功能性医学成像器102和结构性医学成像器104,它们生成表示主体患者或其他被检查对象的体积图像数据106。功能性医学成像器102提供功能性或代谢信息,而结构性成像器104提供表示对象的结构或形态的信息。示例性的功能性成像模态包括PET、SPECT、功能性磁共振成像(fMRI)以及分子成像。PET和SPECT系统测量被引入患者解剖结构内的放射性核素的衰减。根据所使用的示踪剂,这种检查可以用于提供表示功能性特征的信息,该功能性特征例如在FDG的情况下为代谢,在FLT的情况下为细胞增殖,而在FMISO的情况下为缺氧。
结构性成像模态的示例包括CT、MRI、X射线和超声(US)。虽然图示说明为分离的系统,应该认识到功能性成像器102和结构性成像器104可以组合成单一系统,例如组合成PET/CT、SPECT/CT、PET/MR或其他这种扫描器。当然,上述示例是非限制性的;单一模态也可以既用作结构性成像器,也用作功能性成像器。
系统100还包括图像处理部件,诸如病变检测器108、配准处理器110、病变跟踪器112、病变量化器114和趋势分析器116。图像处理部件有利地经由计算机可读指令来实现,当被(多个)计算机处理器执行时,这些指令使(多个)计算机执行相应部件的功能。模型数据118(其包括一个或多个解剖模型120、运动模型122、生理模型124和疾病模型126)以及患者特异性数据128被存储在计算机可读存储器或者作为各种部件的一部分或否则可被各种部件访问的存储器中。
模型数据118有利地保存在与各种图像处理部件的可执行代码截然不同的(多个)模块数据结构中。在一种这样的实现方式中,模型118和患者特异性数据128被存储在医院信息系统/放射学信息系统(HIS/RIS)中并经由适当的通信网络来访问。在另一实现方式中,一些或所有数据118、128被保存在与系统100的一个或多个计算机相关联的存储器上。在又一实现方式中,一些或所有数据被存储在数据库中,该数据库被保存在远程位置并经由广域网(WAN)或其他适当的通信网络进行访问。根据特定应用的需求,可以采用这种数据结构以便于公共图像处理部件使用不同模型数据118、针对特定患者或在多个患者、医师或机构之间一致应用模型数据118,和/或实现对模型数据118的升级、更新或其他变化。
包括显示器或其他(多个)输出设备和输入设备(诸如鼠标和/或键盘)的操作者接口130允许用户使用图形用户界面(GUI)或其他适当接口来控制系统100的各种部件的操作或以其他方式与其交互。
有利地实现为CAD系统的病变检测器108分析图像数据106以识别候选病变,例如基于对可用的形态图像数据和功能性图像数据的组合分析。病变检测器108结合(多个)解剖模型120进行操作,这些解剖模型提供表示要识别的结构或特性的先验信息。示例性的解剖模型包括器官边界的基于表面的表示以及三维解剖结构的基于体积的表示或体积表示。
病变检测器108还结合附属信息进行操作,该附属信息将解剖模型数据120链接到患者特异性数据128。这种附属信息的示例包括解剖标记点、全局几何关系等。应该认识到,由于各种成像模态的特征差异,(多个)解剖模型120和附属数据可以基于为功能性成像器102和结构性成像器104选择的模态而发生变化。
应该注意,通常可以预期模型数据118和其他信息的一致应用以改进针对特定患者或者在多个患者之间的病变检测和描绘的一致性。但是,可能期望经由操作者接口130向医师呈现候选病变,其中给医师提供机会来接受或拒绝一个或多个病变、调节它们的描绘等。也可以给医师提供机会来手动识别更多其他病变。在另一实现方式中,自动执行病变检测而不需要操作者干预。在任一情况下,所识别的(多个)病变被加标签或以其他方式识别,并且该信息被存储在适当的计算机可读存储器中以便将来使用。
配准处理器110配准图像数据106的坐标系以说明各种图像之间的未对准。例如,配准处理器110使图像数据106的坐标系与功能性成像器102和形态成像器104相一致以说明给定的扫描过程中总的和/或周期性的患者运动。在处理方案过程中的不同时间采集图像数据106的情况下,配准处理器110使一时间序列的图像的坐标系相一致。
示例性的配准技术包括基于表面的技术和基于体积的技术。基于表面的配准通常使用器官、病变或其他边界(例如由病变检测器108识别)以对准坐标系。基于表面的配准特别好地适用于辐射治疗应用,因为辐射治疗的施予计划具有源自CT图像的传统上使用的器官或病变表面轮廓。另一方面,体积配准技术通常避开显式分割操作而改为在体积数据上操作。
配准处理器110结合(多个)运动模型122进行操作,这些运动模型可以用于提供关于预期运动的先验信息或其他信息,该预期运动例如是由于呼吸运动、心脏运动或者膀胱或直肠的填充物的差异造成的。通常期望提供预期运动模式的适当数学描述,确定用于描述未对准的合理的初始值,并且指导这些参数的最优化以实现期望的对准。示例性的运动模型120包括一种或多种可替代的数学变换,可以基于预期运动模式、给出在视场(FOV)或感兴趣区域(ROI)上或在解剖标记点处的典型运动的矢量场或者可以以动态表面模型等形式直接集成到(多个)解剖模型120中的模型来选择这些可替代的数学变换。虽然可以同样预期模型数据118和其他信息的一致应用以改进配准过程的一致性,但可以与病变检测类似以半自动或自动方式执行所述配准。
同样结合(多个)运动模型120进行操作的病变跟踪器112在一时间序列的图像的过程中跟踪一个或多个候选病变。在这一点上,应该注意,也可以在缺少完全图像配准的情况下完成病变跟踪。例如,病变跟踪器112可以结合解剖模型120和运动模型122之一或二者进行操作以确定在所述时间序列的图像中的一个或多个图像中检测的(多个)病变的对应关系。病变跟踪器112可以同样以半自动或自动方式操作。例如,在半自动实现方式中,可以给用户提供机会来接受或拒绝在一时间序列的图像中的各个图像中检测的病变之间的所提议的对应关系、定义新的或不同的对应关系等。同样,病变跟踪器112将适当数据结构中的各种病变之间的对应关系存储在存储器中,该存储器是系统100的一部分或者否则可以被系统100访问。
病变量化器114提供各种被跟踪病变的量化信息。更具体地,期望图像数据被校准或归一化以得到数量上正确的且可再现的病变功能性数据。因此,病变量化器114结合患者特异性数据128进行操作,例如使用患者特异性解剖形态来补偿可能由功能性成像器102和结构性成像器104的不同空间分辨率导致的局部体积效应。病变量化器还结合(多个)生理模型124进行操作以说明示踪剂的动态行为或患者之间的生理变化。因此,(多个)生理模型包括诸如预期示踪剂摄取位置、摄取和排空时间、生理关系中的一个或多个的信息或者对特定示踪剂与感兴趣的生理相关的预期行为进行建模的其他信息。
病变量化器114有利地使用这一信息来说明由成像协议(例如患者准备、示踪剂剂量或成像器设置)的差异、患者生理的差异等中的一个或多个等因素导致的变化。功能性数据可以被校准或归一化以降低机构之间、医师之间、患者之间、患者内部或其他变化的影响。由病变量化器114生成的与诸如FDG的示踪剂相关而特别有用的病变功能性数据的一个示例包括各种病变的归一化标准摄取值(SUV)。其他功能性指标包括细胞增殖、缺氧或其他功能性指标,应该理解,所述功能性指标通常取决于所应用的示踪剂。
可以以各种形式提供(多个)生理模型124。在一种实现方式中,通过解析表达式(即药代动力学模型)来提供生理模型信息124,所述解析表达式描述不同的解剖隔室或生理隔室之间的示踪剂的交换。根据特定病理和示踪剂、要给予的治疗以及期望的准确度等因素,这些参数和值可以从药物数据库中导出。也可以基于观察到的在特定机构的患者的反应、特定患者类别或同类者的反应、个体患者模型的反应,或者基于观察到的变化来根据经验导出该模型数据,所述观察到的变化是由使用不同模型或不同厂商制造的不同类型成像器102、104等导致的。
趋势分析器116评价由病变量化器114生成的归一化病变功能性数据,以生成在所述时间序列的图像采集的中的一个或多个点上的治疗反应指标,并因此评估对所应用的治疗的反应。除了功能性反应指标,趋势分析器也可以考虑形态反应指标,诸如使用来自结构性成像器104的信息确定的病变的尺寸、形状、边界或其他形态特征。为此,趋势分析器126结合(多个)疾病模型126和患者特异性数据128进行操作以说明病理和/或患者特异性因素。
在一种同样特别好地适用于基于FDG的成像技术的实现方式中,趋势分析器116的治疗反应指标包括用于评价由病变量化器114生成的归一化SUV(或归一化SUV的变化)的基于阈值的标准。还可预期更多其他分析,例如基于期望的功能反应指标或形态反应指标的时间发展的解析的、统计的或启发式评估。应该认识到,由(多个)疾病模型126提供各种评估和相关标准。还要注意,基于非图像的数据(例如,患者人口统计信息、化学测定的结果或其他研究信息)也可以包括在治疗反应评估过程中。
也结合(多个)疾病模型126和患者特异性数据128进行操作的治疗系统132使用由趋势分析器提供的(多个)反应评估来确定或否则建议特定的治疗。例如,如上述所注意到的,治疗系统132可能建议对治疗的调整、不同的或附加的疗程或转向姑息护理。治疗或治疗调整也可以呈现表示治疗的预期成就或疗效的置信水平或其他信息,从而使得医师可以使用该信息来在各种备选方案之间进行选择。通常是病理特异性或患者特异性的示例性治疗包括外部应用的放疗、化疗、射频(RF)或其他消融、近距离治疗、手术和分子治疗。尽管也可预期自动化的实现方式,但治疗系统132有利地在半自动的基础上进行操作,从而给临床医生提供机会来接受或调整处理。
还如图所示,可以使用知识维护引擎134来选择适当的模型数据118或者另外实现在应用特异性标准的基础上管理各种系统部件的操作的规则。因此,一个或多个解剖模型120、运动模型122、生理模型124或疾病模型126可以包括基于特定患者、示踪剂、成像协议、疾病等选择的多个参数值。类似地,知识维护引擎134可以用于在多于一个可能的算法中进行选择以便由各种图像处理部件使用。例如,如上述所注意到的,病变检测器108可以利用取决于功能性成像器102和结构性成像器104的模态的不同参数值或检测算法。
同样,通常预期模型数据118和系统配置规则的一致应用以改进治疗反应评估。在任何情况下,可以向用户呈现配置选项的菜单或以其他方式给用户提供机会来影响系统配置,其中知识维护引擎134基于适当的应用特异性标准进行检查,以确保各种选择的有效性和/或一致性(例如,在处理来自使用FDG的PET扫描的图像时,知识维护引擎可以用于确保使用适于FDG的解剖模型120、运动模型122、生理模型124或疾病模型126)。在半自动的实现方式中,知识维护引擎134使用应用特异性标准来提议被用户接受的适当模型118。在全自动的实现方式中,自动执行该配置。
现在将结合图2描述系统100的操作,其针对与处理肺癌相关的FDGPET/CT检查的示例性情况。在200处,在处理之前获得基线扫描。基线扫描包括提供患者特异性形态信息的诊断质量CT扫描和提供在203处大体表示的功能性数据的PET扫描。信息203也可以包括表示可能影响病变功能性数据的代谢率或其他因素的患者特异性生理信息。
在201处,使用知识维护引擎134来配置该系统,例如以便选择适当的模型数据(118)和/或确保适当的系统规则的一致应用。因此,知识维护引擎134可以用于选择运动模型122(例如在示例性肺癌应用中适用于肺部的运动模型)、解剖模型120和生理模型124(例如用于FDG-PET图像的肺部解剖模型)以及疾病模型126(例如肺癌的疾病模型)。要注意,知识维护引擎134也可以根据需要在过程中的不同点处操作,例如以便确保所选择的模型与该情况下先前选择的模型或者类似情况下使用的模型相一致。各种成像处理部件也可以直接访问用于执行知识维护引擎134的一些或全部功能的规则库或规则集。
在204处,病变检测器108分析由基线扫描生成的图像数据106,以检测是否存在一个或多个肿瘤。
在步骤206处,配准处理器110配准图像。在组合PET/CT成像检查的示例性情况下,配准处理器通常将被用于补偿在图像采集的PET和CT部分或否则在图像采集过程中出现的患者和/或器官运动。
在208处,病变量化器114结合(多个)生理模型124进行操作,以生成归一化的病变功能性数据。例如,在FDG-PET检查的情况下,病变量化器114计算表征各种病变的初始活性的经基线校准的SUV。要注意,根据患者、协议、疾病或其他应用特异性需求,也可以生成表示附加的或不同的病变功能性数据、功能性属性或结构性属性的经校准的数据。
在步骤210处,获得第一后续扫描,这通常是在一个或多个化疗、外部放疗或其他期望的处理过程之后进行的。CT扫描可能具有较低的诊断质量,例如使用相对较低的剂量,其生成具有用于图像配准目的的足够质量的图像数据106。还要注意,不管故意与否,后续功能性图像采集的协议可能与基线采集的协议不同。作为一个示例,FDG或其他示踪剂的施予与功能性成像检查之间的时间可能由于设备或技术人员的可用性、患者准备时间的差异或其他因素而发生变化。患者生理变化也可能开始起作用。例如,糖尿病患者在初始扫描时间和后续扫描时间可能表现出不同的胰岛素水平。
在212处,病变检测器108分析来自后续扫描的图像数据106,以检测是否存在(多个)病变。
在214处,病变跟踪器112识别在基线和后续图像中识别的病变之间的对应关系,或者是单独的,或者与来自配准处理器110的信息相结合。
在216处,病变量化器114为在后续扫描中识别的(多个)病变生成经校准的或归一化的病变功能性数据。因此,在相关示踪剂的施予与功能性成像检查之间的时间不同的示例性情况下,或者在糖尿病患者的示例性情况下,来自(多个)生理模型124的信息用于校正或否则降低变化的影响。
在218处,趋势分析器116分析经校准的功能性数据以评价(多个)病变对所应用的治疗的反应,其中该反应同样被存储在适当的存储器中。同样在FDG PET图像采集的示例性情况下,除其他因素之外,趋势分析器可以考虑各种病变的经校准的SUV的变化。要注意,可以独立地分析和评价所识别的各种病变的反应,从而可以分别考虑各种病变的反应。
在220处,使用来自趋势分析器116的信息来预测对所提议的疗程的反应。也可以提议替代性的处理。
如在222、224、226、228处大体所表示的,可以获得一个或多个附加的后续扫描并且根据需要应用处理。同样在示例性肿瘤应用中,可以在多个化疗周期的每个之后获得后续扫描。
要注意,前述步骤的次序以及由此带来的各种系统部件之间的功能性关系可以在知识维护引擎134等的控制下发生变化。在一个这样的示例中,可以在病变检测器110之前应用配准处理器110,从而在病变检测操作之前执行图像配准。在另一示例中,在该过程中可以相对较早地执行病变量化,例如在所述时间序列的图像中的各个图像的配准或者病变跟踪器112的操作之前。
已经通过参考优选实施例描述了本发明。在阅读和理解前述详细描述的基础上,其他人员可以进行各种修改和变化。本发明意在被解读为包括所有这些修改和变化,只要它们落在所附权利要求及其等价物的范围内。
Claims (49)
1、一种装置,包括:
病变检测器(108),其检测来自对患者的成像检查的医学图像数据中的病变;
病变量化器(114),其与所述病变检测器可工作地通信,其中,所述病变量化器使用来自在对所述患者应用治疗之前实施的对所述患者的第一成像检查的第一功能性图像数据,以生成第一检测病变的第一病变功能性数据,并且其中,所述病变量化器使用来自在应用所述治疗之后实施的对所述患者的第二成像检查的第二功能性图像数据,以生成所述第一检测病变的第二病变功能性数据;
趋势分析器(116),其识别所述第一病变功能性数据与所述第二病变功能性数据之间的差异。
2、如权利要求1所述的装置,还包括病变跟踪器(112),所述病变跟踪器确定在来自所述第一成像检查的图像数据中检测的病变与在来自所述第二成像检查的图像数据中检测的病变之间的对应关系。
3、如权利要求2所述的装置,包括运动模型(122),其中,所述病变跟踪器使用所述运动模型来确定所检测的病变的预期运动。
4、如权利要求1所述的装置,还包括配准处理器(110),所述配准处理器配准所述第一功能性图像数据和所述第二功能性图像数据。
5、如权利要求1所述的装置,还包括生理模型(124),其中,所述病变量化器使用所述生理模型来对应用于所述患者的示踪剂与第一功能性医学成像检查相关的预期行为进行建模。
6、如权利要求5所述的装置,其中,所述生理模型是根据经验导出的。
7、如权利要求1所述的装置,其中,所述第一成像检查是根据第一协议实施的,而所述第二成像是根据第二协议实施的,并且所述病变量化器应用校正以降低所述第一协议与所述第二协议之间变化的影响。
8、如权利要求1所述的装置,其中,所述病变量化器应用患者特异性形态校正。
9、如权利要求1所述的装置,其中,所述病变量化器应用患者特异性生理校正。
10、如权利要求1所述的装置,还包括疾病模型(126),其中,所述趋势分析器使用所述疾病模型来对所述第一检测病变对所应用的处理的反应进行建模。
11、如权利要求1所述的装置,还包括PET/CT扫描器。
12、如权利要求1所述的装置,其中,所述病变是肿瘤,并且应用的治疗包括外部放疗、化疗、近距离治疗、消融治疗和分子治疗中的至少一个。
13、如权利要求1所述的装置,其中,所述病变功能性数据包括缺氧、细胞增殖或标准摄取值。
14、如权利要求1所述的装置,其中,所述病变量化器使用由在对所述患者应用第二治疗之后实施的对所述患者的第三功能性成像检查生成的第三功能性图像数据,以生成所述第一检测病变的第三病变功能性数据。
15、如权利要求1所述的装置,其中,所述病变量化器使用所述第一功能性图像数据以生成第二检测病变的第一病变功能性数据,并且所述病变量化器使用所述第二功能性图像数据以生成所述第二检测病变的第二病变功能性数据,并且所述趋势分析器识别所述第二检测病变的所述第一病变功能性数据与应用所述治疗之后所述第二检测病变的所述第二病变功能性数据之间的变化。
16、一种方法,包括:
校准通过使用来自对患者的第一成像检查的数据而生成的第一功能性数据,以生成表示病变的功能性特征的第一校准功能性数据;
校准通过使用来自在对所述患者应用第一治疗之后实施的对所述患者的第二成像检查的数据而生成的第二功能性数据,以生成表示所述病变的功能性特征的第二校准功能性数据;
使用所述第一校准功能性数据和所述第二校准功能性数据来评价所述病变对所述第一治疗的反应。
17、如权利要求16所述的方法,包括
使用来自对所述患者的所述第一成像检查的数据,以生成所述第一功能性数据;
使用来自对所述患者的第二成像检查的数据,以生成所述第二功能性数据。
18、如权利要求16所述的方法,包括
识别来自所述第一成像检查的第一医学图像数据中的所述病变;
识别来自所述第二成像检查的第二医学图像数据中的所述病变。
19、如权利要求18所述的方法,其中,所述第一医学成像数据包括在第一辐射剂量下采集的第一功能性成像数据和第一结构性成像数据,并且所述第二医学成像数据包括在低于所述第一辐射剂量的第二辐射剂量下采集的第二功能性成像数据和第二结构性成像数据。
20、如权利要求18所述的方法,包括识别所述第一医学图像数据中的多个病变、识别所述第二医学图像数据中的多个病变以及确定在所述第一医学图像数据中识别的病变与在所述第二医学图像数据中识别的病变之间的对应关系。
21、如权利要求16所述的方法,其中,所述方法包括使用所述病变对所述第一治疗的反应以建立第二治疗。
22、如权利要求21所述的方法,包括呈现所述第二治疗对人类用户的置信水平。
23、如权利要求16所述的方法,其中,校准所述第一功能性数据包括应用患者特异性代谢校正。
24、如权利要求16所述的方法,其中,校准所述第二功能性数据包括应用生理模型,该生理模型包括示踪剂摄取位置、示踪剂摄取时间或示踪剂排空时间中的至少一个。
25、如权利要求16所述的方法,其中,所述校准所述第二功能性数据包括确定用于所述第二成像检查的协议并且使用所确定的协议来校准所述第二功能性数据。
26、如权利要求16所述的方法,包括
识别所述第二成像数据中的多个病变;
确定在所述第二图像数据中检测的病变与在所述第一图像数据中识别的病变之间的对应关系。
27、如权利要求16所述的方法,包括使用运动模型来对检测的病变的预期运动进行建模。
28、如权利要求16所述的方法,包括使用来自所述第二成像检查的数据来计算所检测的病变的病变功能性数据。
29、如权利要求16所述的方法,包括在计算机通信网络上接收生理模型数据。
30、一种计算机可读存储介质,其包含当被计算机执行时使所述计算机执行一方法的指令,所述方法包括:
使用来自对患者的第一功能性医学成像检查的医学图像数据,以生成出现在所述患者的解剖结构中的病变的第一病变功能性数据;
使用所述第一病变功能性数据和从对所述患者的第二功能性医学成像检查中获得的所述病变的第二病变功能性数据,以评价所述病变对应用的治疗的反应。
31、如权利要求30所述的计算机可读存储介质,其中,所述方法包括使用来自对所述患者的所述第二功能性医学成像检查的医学图像数据,以生成所述第二病变功能性数据。
32、如权利要求30所述的计算机可读存储介质,其中,所述第二功能性医学检查是在应用所述治疗之前实施的,并且所述第一功能性医学检查是在应用所述治疗之后实施的。
33、如权利要求30所述的计算机可读存储介质,其中,所述第一病变功能性数据和所述第二病变功能性数据包括缺氧、细胞增殖或标准摄取值。
34、如权利要求30所述的计算机可读存储介质,其中,所述方法包括检测来自所述第一功能性医学成像检查的医学图像数据中的所述病变。
35、如权利要求30所述的计算机可读存储介质,其中,所述方法包括使用生理模型来归一化所述第一病变功能性数据。
36、一种计算机可读存储介质,其包含数据结构,所述数据结构包括:
第一运动模型(122),其包含当被病变跟踪器(112)访问时描述在来自对患者的医学成像检查的数据中检测的病变的预期运动的数据;
第一生理模型(124),其包含当被病变量化器(124)访问时描述应用于所述患者的第一示踪剂与功能性医学成像检查相关的预期行为的数据。
37、如权利要求36所述的计算机可读存储介质,其中,所述数据结构包括当被趋势分析器(116)访问时描述所述病变对应用的治疗的预期反应的疾病模型(126)。
38、如权利要求36所述的计算机可读存储介质,其中,所述数据结构包括当被病变检测器访问时提供表示所述患者的结构性解剖结构的信息的解剖模型。
39、如权利要求36所述的计算机可读存储介质,其中,所述生理模型包括解析模型。
40、如权利要求36所述的计算机可读存储介质,其中,所述存储介质是医院HIS/RIS系统的存储介质。
41、如权利要求36所述的计算机可读存储介质,其中,所述数据结构包括
第二生理模型(124),其包含当被所述病变量化器(124)访问时描述应用于患者的第二示踪剂与功能性医学成像检查相关的预期行为的数据。
42、一种方法,包括:
接收生理模型(124),当被病变量化器访问时,所述生理模型对与功能性医学成像检查相关的成像剂的预期行为和患者的生理特征中的至少一个进行建模;
将计算机可读数据存储在可被病变量化器访问的计算机可读存储器中。
43、如权利要求42所述的方法,其中,所述方法包括接收多个生理模型。
44、一种用于计算机辅助治疗监测的方法,所述方法包括:
使用描述连同对患者的功能性成像检查一起使用的图像协议的信息,以选择模型数据(118);
使用所选择的模型数据以改变计算机辅助治疗监测系统的部件的操作。
45、如权利要求44所述的方法,其中,所述模型数据包括生理模型(124),并且所述部件包括病变量化器(114)。
46、如权利要求44所述的方法,包括使用描述感兴趣解剖结构的信息以选择所述模型数据。
47、如权利要求46所述的方法,其中,所述模型数据包括运动模型和解剖模型中的至少一个。
48、如权利要求44所述的方法,其中,所述图像协议包括成像模态和示踪剂中的至少一个。
49、如权利要求44所述的方法,其中,所述使用包括应用一致性规则以选择与先前为所述患者选择的模型数据一致或者与为类似患者选择的模型数据一致的模型数据。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US88318007P | 2007-01-03 | 2007-01-03 | |
US60/883,180 | 2007-01-03 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN101578630A true CN101578630A (zh) | 2009-11-11 |
Family
ID=39589066
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CNA200780049217XA Pending CN101578630A (zh) | 2007-01-03 | 2007-12-05 | 计算机辅助治疗监测 |
Country Status (5)
Country | Link |
---|---|
US (1) | US20100317967A1 (zh) |
EP (1) | EP2115697A2 (zh) |
JP (1) | JP2010516301A (zh) |
CN (1) | CN101578630A (zh) |
WO (1) | WO2008081365A2 (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102647945A (zh) * | 2009-12-08 | 2012-08-22 | 皇家飞利浦电子股份有限公司 | 用于校正示踪剂摄取测量结果的方法和校正系统 |
WO2015127795A1 (zh) * | 2014-02-25 | 2015-09-03 | 华为技术有限公司 | 存储医疗图像的方法、交互信息的方法和装置 |
CN107167830A (zh) * | 2017-03-25 | 2017-09-15 | 浙江君安检测技术有限公司 | 一种基于电子计算机断层扫描装置的辐射监测系统 |
CN112154514A (zh) * | 2018-04-16 | 2020-12-29 | 西门子医疗有限公司 | 用于癌症筛查的综合方法 |
Families Citing this family (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2010018477A2 (en) | 2008-08-15 | 2010-02-18 | Koninklijke Philips Electronics N.V. | Model enhanced imaging |
JP2010082428A (ja) * | 2008-09-04 | 2010-04-15 | Toshiba Corp | X線コンピュータ断層撮影装置 |
CN102282589A (zh) * | 2009-01-19 | 2011-12-14 | 皇家飞利浦电子股份有限公司 | 列表模式pet成像中的区域重建和定量评估 |
CN102317971B (zh) | 2009-02-11 | 2015-02-25 | 皇家飞利浦电子股份有限公司 | 基于运动模型的组间图像配准 |
RU2556590C2 (ru) * | 2009-03-19 | 2015-07-10 | Конинклейке Филипс Электроникс Н.В. | Функциональная визуализация |
WO2010115885A1 (en) * | 2009-04-03 | 2010-10-14 | Oslo Universitetssykehus Hf | Predictive classifier score for cancer patient outcome |
EP2407927B1 (en) | 2010-07-16 | 2013-01-30 | BVBA dr. K. Coenegrachts | A method and device for evaluating evolution of tumoral lesions |
DE112012002671T5 (de) | 2011-06-29 | 2014-04-03 | Philips Intellectual Property & Standards Gmbh | Anzeigen einer Vielzahl von registrierten Bildern |
RU2653635C2 (ru) * | 2012-01-27 | 2018-05-11 | Конинклейке Филипс Н.В. | Медицинская система выбора |
CN105979872A (zh) * | 2013-09-25 | 2016-09-28 | 理查德·R·布莱克 | 正电子发射断层摄影数据的病人特异性分析 |
JP6548393B2 (ja) | 2014-04-10 | 2019-07-24 | キヤノンメディカルシステムズ株式会社 | 医用画像表示装置および医用画像表示システム |
JP6531821B2 (ja) * | 2015-03-23 | 2019-06-19 | 日本電気株式会社 | 予測モデル更新システム、予測モデル更新方法および予測モデル更新プログラム |
CA3119658A1 (en) * | 2018-12-18 | 2020-06-25 | Molnlycke Health Care Ab | A method for selecting a wound product for a patient |
US11501442B2 (en) | 2019-08-04 | 2022-11-15 | Brainlab Ag | Comparison of a region of interest along a time series of images |
US11590367B2 (en) | 2020-12-16 | 2023-02-28 | Varian Medical Systems International Ag | Neural network calibration for radiotherapy |
CN116687353B (zh) * | 2023-08-01 | 2023-12-19 | 宁波杜比医疗科技有限公司 | 新辅助化疗疗效评估系统、设备及介质 |
Family Cites Families (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CA2459557A1 (en) * | 2001-09-17 | 2003-03-27 | Virtualscopics, Llc | System and method for quantitative assessment of cancers and their change over time |
US7343030B2 (en) * | 2003-08-05 | 2008-03-11 | Imquant, Inc. | Dynamic tumor treatment system |
US7910093B2 (en) * | 2003-08-19 | 2011-03-22 | New York University | Method for detecting cancer cells and monitoring cancer therapy |
EP1665113A2 (en) * | 2003-09-17 | 2006-06-07 | Koninklijke Philips Electronics N.V. | Repeated examination reporting |
US7935055B2 (en) * | 2003-09-19 | 2011-05-03 | Siemens Medical Solutions Usa, Inc. | System and method of measuring disease severity of a patient before, during and after treatment |
US20070160312A1 (en) * | 2004-02-13 | 2007-07-12 | Koninklijke Philips Electronics N.V. | Apparatus and method for registering images of a structured object |
US7616799B2 (en) * | 2004-06-18 | 2009-11-10 | Siemens Medical Solutions Usa, Inc. | System and method for monitoring disease progression or response to therapy using multi-modal visualization |
WO2006119340A2 (en) * | 2005-05-04 | 2006-11-09 | Imquant, Inc. | Dynamic tumor diagnostic and treatment system |
-
2007
- 2007-12-05 JP JP2009544460A patent/JP2010516301A/ja active Pending
- 2007-12-05 WO PCT/IB2007/054935 patent/WO2008081365A2/en active Application Filing
- 2007-12-05 CN CNA200780049217XA patent/CN101578630A/zh active Pending
- 2007-12-05 EP EP07849345A patent/EP2115697A2/en not_active Withdrawn
- 2007-12-05 US US12/521,601 patent/US20100317967A1/en not_active Abandoned
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102647945A (zh) * | 2009-12-08 | 2012-08-22 | 皇家飞利浦电子股份有限公司 | 用于校正示踪剂摄取测量结果的方法和校正系统 |
CN102647945B (zh) * | 2009-12-08 | 2015-07-29 | 皇家飞利浦电子股份有限公司 | 用于校正示踪剂摄取测量结果的方法和校正系统 |
WO2015127795A1 (zh) * | 2014-02-25 | 2015-09-03 | 华为技术有限公司 | 存储医疗图像的方法、交互信息的方法和装置 |
US10013528B2 (en) | 2014-02-25 | 2018-07-03 | Huawei Technologies Co., Ltd. | Medical image storing method, information exchanging method, and apparatuses |
CN107167830A (zh) * | 2017-03-25 | 2017-09-15 | 浙江君安检测技术有限公司 | 一种基于电子计算机断层扫描装置的辐射监测系统 |
CN107167830B (zh) * | 2017-03-25 | 2019-02-26 | 浙江君安检测技术有限公司 | 一种基于电子计算机断层扫描装置的辐射监测系统 |
CN112154514A (zh) * | 2018-04-16 | 2020-12-29 | 西门子医疗有限公司 | 用于癌症筛查的综合方法 |
Also Published As
Publication number | Publication date |
---|---|
EP2115697A2 (en) | 2009-11-11 |
US20100317967A1 (en) | 2010-12-16 |
WO2008081365A2 (en) | 2008-07-10 |
JP2010516301A (ja) | 2010-05-20 |
WO2008081365A3 (en) | 2009-06-04 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN101578630A (zh) | 计算机辅助治疗监测 | |
US9275451B2 (en) | Method, a system, and an apparatus for using and processing multidimensional data | |
US20230148980A1 (en) | Systems and methods for automated and interactive analysis of bone scan images for detection of metastases | |
US9662083B2 (en) | Medical image display apparatus and medical image display system | |
US8929624B2 (en) | Systems and methods for comparing different medical images to analyze a structure-of-interest | |
US8630467B2 (en) | Diagnosis assisting system using three dimensional image data, computer readable recording medium having a related diagnosis assisting program recorded thereon, and related diagnosis assisting method | |
US9168007B2 (en) | Computer-aided diagnostic apparatus | |
US11751947B2 (en) | Soft tissue tracking using physiologic volume rendering | |
Salimi et al. | Deep learning-based fully automated Z-axis coverage range definition from scout scans to eliminate overscanning in chest CT imaging | |
CN105120738A (zh) | 狭窄治疗规划 | |
WO2019176407A1 (ja) | 学習支援装置、学習支援方法、学習支援プログラム、関心領域判別装置、関心領域判別方法、関心領域判別プログラム及び学習済みモデル | |
JP2019106122A (ja) | 病院情報装置、病院情報システム及びプログラム | |
US8892577B2 (en) | Apparatus and method for storing medical information | |
WO2022012541A1 (zh) | 一种医学设备的图像扫描方法和系统 | |
US11087475B2 (en) | Heatmap and atlas | |
JP6734111B2 (ja) | 所見情報作成装置及びシステム | |
JP2021513054A (ja) | 画像位置合わせ及び回帰解析を用いたシリアルポジトロンエミッショントモグラフィ(pet)検査における標準取り込み値(suv)のスケーリング差の補正 | |
Qu et al. | Construction and evaluation of a gated high-resolution neural network for automatic brain metastasis detection and segmentation | |
US20080181474A1 (en) | Method and apparatus for registering at least three different image data records for an object | |
EP4343781A1 (en) | Information processing apparatus, information processing method, and information processing program | |
Henrysson | Evaluation of Quantitative PET/CT Usage for Cancer Treatment | |
Reiling | To Buy or Not to Buy |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C02 | Deemed withdrawal of patent application after publication (patent law 2001) | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20091111 |