CN102754125B - 用于创伤性脑损伤的快速精确定量评估的系统 - Google Patents

用于创伤性脑损伤的快速精确定量评估的系统 Download PDF

Info

Publication number
CN102754125B
CN102754125B CN201080055131.XA CN201080055131A CN102754125B CN 102754125 B CN102754125 B CN 102754125B CN 201080055131 A CN201080055131 A CN 201080055131A CN 102754125 B CN102754125 B CN 102754125B
Authority
CN
China
Prior art keywords
brain
interest
anatomical structure
deformable model
cutting apart
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
Application number
CN201080055131.XA
Other languages
English (en)
Other versions
CN102754125A (zh
Inventor
L·G·扎戈尔谢夫
E·A·莫尔
M·A·加尔林豪斯
R·M·罗思
T·W·麦卡利斯特
R·克内泽尔
D·格勒
J·彼得斯
J·威斯
钱悦晨
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
Dartmouth College
Original Assignee
Koninklijke Philips Electronics NV
Dartmouth College
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, Dartmouth College filed Critical Koninklijke Philips Electronics NV
Publication of CN102754125A publication Critical patent/CN102754125A/zh
Application granted granted Critical
Publication of CN102754125B publication Critical patent/CN102754125B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/149—Segmentation; Edge detection involving deformable models, e.g. active contour models
    • 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
    • G06T2200/00—Indexing scheme for image data processing or generation, in general
    • G06T2200/24—Indexing scheme for image data processing or generation, in general involving graphical user interfaces [GUIs]
    • 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
    • G06T2207/30016—Brain

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Quality & Reliability (AREA)
  • Radiology & Medical Imaging (AREA)
  • Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • General Health & Medical Sciences (AREA)
  • Software Systems (AREA)
  • Magnetic Resonance Imaging Apparatus (AREA)
  • Measuring And Recording Apparatus For Diagnosis (AREA)
  • Apparatus For Radiation Diagnosis (AREA)
  • Ultra Sonic Daignosis Equipment (AREA)
  • Image Processing (AREA)

Abstract

一种用于自动分割的系统和方法，通过以下来执行：选取体积图像中被成像的感兴趣解剖结构的可变形模型，所述可变形模型由多个包括顶点和边的多边形形成；在显示器上显示所述可变形模型；检测与所述多个多边形中的每个对应的所述感兴趣解剖结构的特征点；以及通过将每个所述顶点朝着对应的特征点移动直到所述可变形模型变化至所述感兴趣解剖结构的边界来调整所述可变形模型，从而形成所述感兴趣解剖结构的分割。

Description

用于创伤性脑损伤的快速精确定量评估的系统
背景技术
创伤性脑损伤(TBI)是长期残疾的最常见原因之一。几种皮层下结构例如胼胝体、海马体、小脑、丘脑和尾核的异常与TBI是有关联的。因而，在3D中识别具有TBI的个体的神经病理是很重要的。然而，方法学上的挑战已经妨碍了先前研究提供在TBI之后的结构性萎缩的清晰图形。
发明内容
一种用于对脑结构进行自动分割的方法，其通过以下来执行：选取体积图像中被成像的感兴趣解剖结构的可变形模型，所述可变形模型由多个包括顶点和边的多边形形成，其中，所述感兴趣解剖结构是脑结构，所述脑结构在健康脑中相对于正中矢状面是对称的；在显示器上显示所述可变形模型；检测所述感兴趣解剖结构的多个特征点，所述多个特征点中的每个与所述多个多边形中的每个相对应；通过将所述多个多边形中的每个朝着对应的特征点移动，使得所述多个多边形中的每个的顶点朝着所述感兴趣解剖结构的边界移动来调整所述可变形模型，从而形成所述感兴趣解剖结构的分割；通过识别所述脑部的正中矢状面，并针对所述感兴趣解剖结构识别相对于所述脑部的所述正中矢状面在所述脑部的左和右半球之间的平均顶点值的偏差以指示所述感兴趣解剖结构的变形严重度来识别所述感兴趣解剖结构的所述分割中的变形；并且显示所述变形以示出所述脑结构中的变形。
一种用于分割脑结构的系统，其具有处理器和显示器，所述处理器被配置成选取脑部的体积图像中被成像的感兴趣解剖结构的可变形模型，所述可变形模型由多个包括顶点和边的多边形形成，其中，所述感兴趣解剖结构是脑结构，所述脑结构在健康脑中相对于正中矢状面是对称的，并且所述显示器显示所述可变形模型，其中，所述处理器还被配置成检测所述感兴趣解剖结构的多个特征点，以通过将所述多个多边形中的每个朝着对应的特征点移动，使得所述多个多边形中的每个的顶点朝着所述感兴趣解剖结构的边界移动来变形所述可变形模型，从而形成所述感兴趣解剖结构的分割，所述多个特征点中的每个与所述多个多边形中的每个相对应。所述处理器还被配置成通过识别所述脑部的正中矢状面，并针对所述感兴趣解剖结构识别相对于所述脑部的所述正中矢状面在所述脑部的左和右半球之间的平均顶点值的偏差以指示所述感兴趣解剖结构的变形严重度来识别所述感兴趣解剖结构的所述分割中的变形。所述显示器还被布置成显示所述变形以示出所述脑结构中的变形。
一种计算机可读存储介质，包括能够由处理器执行的指令组。所述指令组用于选取体积图像中被成像的感兴趣解剖结构的可变形模型，所述可变形模型由多个包括顶点和边的多边形形成，在显示器上显示所述可变形模型，检测与所述多个多边形中的每个对应的所述感兴趣解剖结构的特征点，以及通过将每个所述顶点朝着对应的特征点移动直到所述可变形模型变化至所述感兴趣解剖结构的边界来调整所述可变形模型，从而形成所述感兴趣解剖结构的分割。
附图说明
图1示出了根据示例性实施例的系统的示意图。
图2示出了根据示例性实施例的方法的流程图。
图3示出了在于GUI上显示的体积图像中初始化的可变形脑部模型的屏幕截图。
图4示出了在针对体积图像已经进行调整之后的图3的可变形脑部模型的屏幕截图。
具体实施方式
可进一步参照说明书和附图来理解示例性实施例，其中，用相同的附图标记指示相似的元件。示例性实施例涉及用于分割脑部结构的系统和方法。具体而言，示例性实施例生成脑部结构的可变形模型，该可变形模型可以针对诸如MRI的体积图像进行调整。然而，本领域技术人员将理解的是，虽然示例性实施例特定描述了分割脑部结构，但是本发明的系统和方法可用于分割诸如MRI和/或超声图像的体积图像中的任何3维解剖结构。
如图1所示，根据示例性实施例的系统100分割诸如MRI或者超声图像的体积图像的3D脑部结构，例如胼胝体、海马体、小脑、丘脑和尾核。系统100包括处理器102，其能够基于图像中结构的特征来调整脑部结构的可变形模型。该可变形模型选自存储在存储器108中的模型数据库。利用图形用户界面104来输入用户偏好以确定脑部结构的体积，显示脑部结构的变形，观察脑部结构的特定部分，等等。经由诸如鼠标、触控显示器和/或键盘来录入与图形用户界面相关联的输入。在显示器106上显示脑部结构的分割、体积图像和图形用户界面104的用户选项。存储器108可是任何已知类型的计算机可读存储介质。本领域技术人员将理解的是，系统100例如是个人计算机、服务器或者任何其他的处理装置。
图2示出了根据示例性实施例的方法200，其中系统100分割脑部结构以识别该脑部结构中的变形。方法200包括在步骤210中，从存储在存储器108中的结构模型数据库中选取感兴趣脑部结构的可变形模型。在示例性实施例中，通过处理器102将体积图像中感兴趣脑部结构的特征与数据库中的结构模型相比较来自动选取可变形模型。在另一示例性实施例中，通过用户遍览数据库以识别出与感兴趣脑部结构最接近类似的可变形模型来手动选取可变形模型。结构模型数据库可包括来自脑部结构研究的结构模型和/或来自先前患者的分割结果。
在步骤220中，如图3所示，在显示器106上显示可变形模型。该可变形模型被显示为新的图像和/或被显示在体积图像之上。该可变形模型由表面网格形成，该表面网格包括多个三角形状的多边形，每个三角形状的多边形还包括三个顶点和边。然而，本领域技术人员将理解的是表面网格可包括其他形状的多边形。可变形模型被如此定位使得该可变形模型的顶点尽可能接近感兴趣结构的边界而定位。在步骤230中，给每个三角多边形指定最佳边界检测函数。在步骤240中，最佳边界检测函数沿着感兴趣结构的边界检测特征点从而使得每个三角多边形与特征点相关。特征点可与每个三角多边形的中心相关联。与每个三角多边形相关联的特征点可是与该三角多边形最接近的特征点和/或与就位的三角多边形对应的特征点。
在步骤250中，将与特征点相关联的每个三角多边形朝着相关联的特征点移动从而使得朝着感兴趣结构的边界移动每个三角多边形的顶点，将该可变形模型变形以适应体积图像中感兴趣的结构。如图4所示，变形该可变形模型直到每个三角多边形的位置对应于相关联的特征点的位置和/或该三角多边形的顶点基本位于沿着感兴趣结构的边界。一旦可变形模型已经变形从而使得三角多边形对应于感兴趣结构的边界的相关联特征点，那么该可变形模型已经被适应于感兴趣结构从而使得经变形的可变形模型代表感兴趣结构的分割结构。
当完成分割过程时，在步骤260中，用户可关于被分割的脑部结构而录入用户输入。可经由图形用户界面104，选取可显示在图形用户界面104上的用户选项来录入用户输入。例如，用户可选择扩大和/或放大所显示图像的特定部分、改变特定图像的视图、确定感兴趣的参数(例如，被分割结构体积、一点处的曲率)、识别在被分割结构中的变形，等等。其他选项可包括存储被分割结构和/或可变形模型数据库中对应的体积图像或者出于比较目的从数据库取回先前存储的被分割结构。本领域技术人员将理解的是，被分割结构和/或对应的体积图像也可被存储在患者档案中以便于对TBI患者中结构性萎缩的分析。
用户可期望确定被分割结构的体积和/或曲率以评估脑部区域的变化。这种参数可尤其用于将患者过去对TBI的暴露联系于当前承受的病症、缺陷和残疾。此外，已知健康脑部结构相对于正中矢状面是对称的，从而使得脑部的左和右半球是彼此的镜面图像。因而，在健康的脑部中，在脑部一个半球中-例如左半球中-的顶点，应当被反映在另一半球-右半球中。然而，TBI是最不对称的疾病。因而，与平均顶点值的偏差代表指示感兴趣脑部结构的变形严重度的方差。因此，用户可选择观察与被分割结构的平均顶点值的偏差。在另一实施例中，可对不同的偏差进行颜色编码以容易进行结果的可视化和解释。
在步骤270中，处理器102生成对在步骤260中录入的用户输入的响应。例如，如果用户已经要求了被分割结构体积，那么处理器102将计算体积并且在显示器106上显示该体积。如果用户已经指示该用户想要扩大体积图像和/或被分割器官的特定部分，那么处理器102将生成并显示期望的特定部分的扩大视图。在另一实施例中，如果用户已经指示该用户想要识别在被分割结构中的变形，那么处理器102将识别正中矢状面，识别在左和右半球之间的平均顶点值的偏差，并在显示器106上显示变形。如上所述，可对不同的偏差进行颜色编码。可按需求重复步骤260-270，直到用户已经选取了关于脑部被分割结构的所有期望选项。
对本领域技术人员而言显而易见的是，可以对在本文中描述的结构和方法做出各种修改和变型。因而，本发明的公开旨在覆盖任意修改和变型，只要它们落在权利要求书和其等价物的范围之内。
也注意到权利要求可包括根据PCT细则6.2(b)的附图符号/标记。然而，权利要求不应解释为限于与附图符号/标记对应的示例性实施例。

Claims (12)

1.一种用于对脑结构进行自动分割的方法，包括：
选取(210)脑部的体积图像中被成像的感兴趣解剖结构的可变形模型，所述可变形模型由多个包括顶点和边的多边形形成，其中，所述感兴趣解剖结构是脑结构，所述脑结构在健康脑中相对于正中矢状面是对称的；
在显示器(106)上显示(220)所述可变形模型；
检测(240)所述感兴趣解剖结构的多个特征点，所述多个特征点中的每个与所述多个多边形中的每个相对应；
通过将所述多个多边形中的每个朝着对应的特征点移动，使得所述多个多边形中的每个的顶点朝着所述感兴趣解剖结构的边界移动来调整(250)所述可变形模型，从而形成所述感兴趣解剖结构的分割；
通过识别所述脑部的正中矢状面，并针对所述感兴趣解剖结构识别相对于所述脑部的所述正中矢状面在所述脑部的左和右半球之间的平均顶点值的偏差以指示所述感兴趣解剖结构的变形严重度来识别所述感兴趣解剖结构的所述分割中的变形；并且
显示所述变形以示出所述脑结构中的变形。
2.如权利要求1所述的方法，其中，所述可变形模型选自存储在存储器(108)中的结构数据库。
3.如权利要求1所述的方法，其中，所述特征点是基本上沿着所述感兴趣解剖结构的边界的点。
4.如权利要求1所述的方法，还包括：
经由图形用户界面(104)接收(260)用户输入，所述用户输入选择关于分割的选择。
5.如权利要求4所述的方法，其中，所述用户输入包括下列中的一个选择：计算所述分割的体积和确定选取点处的曲率。
6.一种用于分割脑结构的系统，包括：
处理器(102)，其被配置成选取脑部的体积图像中被成像的感兴趣解剖结构的可变形模型，所述可变形模型由多个包括顶点和边的多边形形成，其中，所述感兴趣解剖结构是脑结构，所述脑结构在健康脑中相对于正中矢状面是对称的，以及
显示器(106)，其显示所述可变形模型，
其中，所述处理器(102)还被配置成检测所述感兴趣解剖结构的多个特征点，以通过将所述多个多边形中的每个朝着对应的特征点移动，使得所述多个多边形中的每个的顶点朝着所述感兴趣解剖结构的边界移动来变形所述可变形模型，从而形成所述感兴趣解剖结构的分割，所述多个特征点中的每个与所述多个多边形中的每个相对应，
其中，所述处理器(102)还被配置成通过识别所述脑部的正中矢状面，并针对所述感兴趣解剖结构识别相对于所述脑部的所述正中矢状面在所述脑部的左和右半球之间的平均顶点值的偏差以指示所述感兴趣解剖结构的变形严重度来识别所述感兴趣解剖结构的所述分割中的变形，并且
其中，所述显示器(106)还被布置成显示所述变形以示出所述脑结构中的变形。
7.如权利要求6所述的系统，还包括：
存储器(108)，其存储从中选取所述可变形模型的结构数据库。
8.如权利要求6所述的系统，其中，所述特征点是基本上沿着所述感兴趣解剖结构的边界的点。
9.如权利要求6所述的系统，还包括：
图形用户界面(104)，其接收选择关于分割的选择的用户输入。
10.如权利要求9所述的系统，其中，所述处理器(102)生成对所述用户输入的响应。
11.如权利要求9所述的系统，其中，所述用户输入包括下列中的一个选择：计算所述分割的体积和确定选取点处的曲率。
12.如权利要求6所述的系统，其中，所述显示器(106)以不同的颜色显示不同的偏差。
CN201080055131.XA 2009-12-10 2010-11-17 用于创伤性脑损伤的快速精确定量评估的系统 Active CN102754125B (zh)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
US28521609P 2009-12-10 2009-12-10
US61/285,216 2009-12-10
PCT/IB2010/055246 WO2011070464A2 (en) 2009-12-10 2010-11-17 A system for rapid and accurate quantitative assessment of traumatic brain injury

Publications (2)

Publication Number Publication Date
CN102754125A CN102754125A (zh) 2012-10-24
CN102754125B true CN102754125B (zh) 2016-05-25

Family

ID=44022012

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201080055131.XA Active CN102754125B (zh) 2009-12-10 2010-11-17 用于创伤性脑损伤的快速精确定量评估的系统

Country Status (7)

Country Link
US (1) US9256951B2 (zh)
EP (1) EP2510500B1 (zh)
JP (1) JP5736386B2 (zh)
CN (1) CN102754125B (zh)
BR (1) BR112012013691A8 (zh)
RU (1) RU2565510C2 (zh)
WO (1) WO2011070464A2 (zh)

Families Citing this family (18)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP2510500B1 (en) * 2009-12-10 2017-08-02 Koninklijke Philips N.V. A system for rapid and accurate quantitative assessment of traumatic brain injury
EP2522279A4 (en) * 2010-01-07 2016-11-30 Hitachi Ltd DIAGNOSIS DEVICE WITH MEDICAL PICTURES, METHOD FOR EXTRACTION AND PROCESSING OF THE CONTOUR OF MEDICAL PICTURES
EP2979241A1 (en) * 2013-03-28 2016-02-03 Koninklijke Philips N.V. Improving symmetry in brain scans
CN104414680B (zh) 2013-08-21 2017-06-13 深圳迈瑞生物医疗电子股份有限公司 一种三维超声成像方法及系统
EP3120323B1 (en) * 2014-03-21 2020-05-20 Koninklijke Philips N.V. Image processing apparatus and method for segmenting a region of interest
CN106102585B (zh) * 2015-02-16 2019-07-09 深圳迈瑞生物医疗电子股份有限公司 三维成像数据的显示处理方法和三维超声成像方法及系统
BR112017022425A2 (pt) * 2015-04-23 2018-07-10 Koninklijke Philips N.V. sistema para segmentar uma estrutura anatômica, estação de trabalho ou aparelho de imageamento, método para segmentar uma estrutura anatômica, e produto de programa de computador
CN109688934A (zh) 2016-08-01 2019-04-26 戈尔丹斯医疗公司 超声引导的血脑屏障的打开
JP7337693B2 (ja) 2017-01-06 2023-09-04 コーニンクレッカ フィリップス エヌ ヴェ 皮質奇形識別
CN109620407B (zh) 2017-10-06 2024-02-06 皇家飞利浦有限公司 治疗轨迹引导系统
US11288803B2 (en) 2017-10-09 2022-03-29 Koninklijke Philips N.V. Ablation result validation system
DE102017221720B3 (de) * 2017-12-01 2019-02-07 Siemens Healthcare Gmbh Bereitstellen eines Patientenmodells eines Patienten
WO2019180056A1 (en) 2018-03-21 2019-09-26 Koninklijke Philips N.V. Incidental finding augmentation system for medical radiology
WO2019180054A1 (en) 2018-03-21 2019-09-26 Koninklijke Philips N.V. Neurological examination system
WO2019180120A1 (en) 2018-03-21 2019-09-26 Koninklijke Philips N.V. Medical radiology report validation and augmentation system
US11385310B2 (en) 2018-07-30 2022-07-12 Koninklijke Philips N.V. Functional magnetic resonance imaging systems and methods
WO2020148247A2 (en) 2019-01-14 2020-07-23 Koninklijke Philips N.V. Compartment-specific down-scaling of high-frequency conductivity to low-frequency conductivity for eeg
US11222467B2 (en) 2019-09-19 2022-01-11 Prevu3D Technologies Inc. Methods and systems for extracting data from virtual representation of three-dimensional visual scans

Family Cites Families (31)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5920319A (en) * 1994-10-27 1999-07-06 Wake Forest University Automatic analysis in virtual endoscopy
JP3111024B2 (ja) 1995-07-19 2000-11-20 キヤノン株式会社 カラーフィルタの製造装置及び製造方法及び表示装置の製造方法及び表示装置を備えた装置の製造方法
US6483506B1 (en) * 2000-07-20 2002-11-19 Sony Corporation System and method for generating computer animated graphical images of a vascular structure attached to an anatomical structure
US7538764B2 (en) * 2001-01-05 2009-05-26 Interuniversitair Micro-Elektronica Centrum (Imec) System and method to obtain surface structures of multi-dimensional objects, and to represent those surface structures for animation, transmission and display
AU2002254777B2 (en) * 2001-05-04 2005-02-03 Board Of Regents, The University Of Texas System Apparatus and methods for delivery of transcranial magnetic stimulation
US20030036083A1 (en) 2001-07-19 2003-02-20 Jose Tamez-Pena System and method for quantifying tissue structures and their change over time
US20030160786A1 (en) * 2002-02-28 2003-08-28 Johnson Richard K. Automatic determination of borders of body structures
RU2291488C9 (ru) * 2002-06-24 2007-04-20 Ренат Анатольевич Красноперов Способ стереологического исследования структурной организации объектов
AU2003281649A1 (en) * 2002-07-19 2004-02-09 Koninklijke Philips Electronics N.V. Automated measurement of objects using deformable models
US8032202B2 (en) * 2003-04-04 2011-10-04 Hitachi Medical Corporation Function image display method and device
EP1638459A2 (en) * 2003-06-11 2006-03-29 Case Western Reserve University Computer-aided-design of skeletal implants
DE10357203B4 (de) * 2003-12-08 2018-09-20 Siemens Healthcare Gmbh Verfahren und Steuereinrichtung zum Betrieb eines Magnetresonanztomographie-Geräts sowie Magnetresonanztomographie-Gerät
US8280482B2 (en) 2004-04-19 2012-10-02 New York University Method and apparatus for evaluating regional changes in three-dimensional tomographic images
US7231076B2 (en) * 2004-06-30 2007-06-12 Accuray, Inc. ROI selection in image registration
US7426318B2 (en) * 2004-06-30 2008-09-16 Accuray, Inc. Motion field generation for non-rigid image registration
CN1814323B (zh) * 2005-01-31 2010-05-12 重庆海扶(Hifu)技术有限公司 一种聚焦超声波治疗系统
KR100680232B1 (ko) 2005-04-20 2007-02-08 이화여자대학교 산학협력단 뇌질환의 진단보조를 위한 뇌 해마 분석 방법 및 그 방법이수록되어 컴퓨터로 읽을 수 있는 기록매체
US20060277466A1 (en) * 2005-05-13 2006-12-07 Anderson Thomas G Bimodal user interaction with a simulated object
US7680312B2 (en) 2005-07-13 2010-03-16 Siemens Medical Solutions Usa, Inc. Method for knowledge based image segmentation using shape models
US20080279429A1 (en) * 2005-11-18 2008-11-13 Koninklijke Philips Electronics, N.V. Method For Delineation of Predetermined Structures in 3D Images
US7957808B2 (en) * 2006-01-13 2011-06-07 Vanderbilt University System and methods of deep brain stimulation for post-operation patients
US20090220136A1 (en) * 2006-02-03 2009-09-03 University Of Florida Research Foundation Image Guidance System for Deep Brain Stimulation
WO2008152555A2 (en) * 2007-06-12 2008-12-18 Koninklijke Philips Electronics N.V. Anatomy-driven image data segmentation
US8135189B2 (en) * 2007-10-03 2012-03-13 Siemens Medical Solutions Usa, Inc. System and method for organ segmentation using surface patch classification in 2D and 3D images
US8666128B2 (en) * 2007-10-18 2014-03-04 The University Of North Carolina At Chapel Hill Methods, systems, and computer readable media for mapping regions in a model of an object comprising an anatomical structure from one image data set to images used in a diagnostic or therapeutic intervention
US20100259263A1 (en) 2007-11-14 2010-10-14 Dominic Holland Longitudinal registration of anatomy in magnetic resonance imaging
US20090128553A1 (en) * 2007-11-15 2009-05-21 The Board Of Trustees Of The University Of Illinois Imaging of anatomical structures
US8160345B2 (en) * 2008-04-30 2012-04-17 Otismed Corporation System and method for image segmentation in generating computer models of a joint to undergo arthroplasty
JP5562598B2 (ja) * 2008-10-24 2014-07-30 株式会社東芝 画像表示装置、画像表示方法および磁気共鳴イメージング装置
EP2440129A4 (en) * 2009-06-08 2015-06-03 Mri Interventions Inc MRI-CONTROLLED SURGICAL SYSTEMS WITH PRESET SCAN SURFACES
EP2510500B1 (en) * 2009-12-10 2017-08-02 Koninklijke Philips N.V. A system for rapid and accurate quantitative assessment of traumatic brain injury

Also Published As

Publication number Publication date
EP2510500B1 (en) 2017-08-02
RU2565510C2 (ru) 2015-10-20
US20120327075A1 (en) 2012-12-27
RU2012128871A (ru) 2014-01-20
CN102754125A (zh) 2012-10-24
US9256951B2 (en) 2016-02-09
JP2013513409A (ja) 2013-04-22
WO2011070464A3 (en) 2011-08-04
JP5736386B2 (ja) 2015-06-17
BR112012013691A2 (pt) 2017-10-10
BR112012013691A8 (pt) 2017-11-07
EP2510500A2 (en) 2012-10-17
WO2011070464A2 (en) 2011-06-16

Similar Documents

Publication Publication Date Title
CN102754125B (zh) 用于创伤性脑损伤的快速精确定量评估的系统
Tsagkrasoulis et al. Heritability maps of human face morphology through large-scale automated three-dimensional phenotyping
Golestani et al. Brain structure predicts the learning of foreign speech sounds
CN104394771B (zh) 超声图像处理
CN101027692B (zh) 用于基于滑降的簇的对象表征的系统和方法
Ahammad et al. Image processing based segmentation techniques for spinal cord in MRI
CN109199323B (zh) 皮肤检测装置、产品信息确定方法、装置及系统
KR20130136391A (ko) 건강 상태 판정 방법 및 장치
CN110050276A (zh) 患者识别系统和方法
CN108062749A (zh) 肛提肌裂孔的识别方法、装置和电子设备
JP2017532998A5 (zh)
Schoenfeld et al. Search strategies in a human water maze analogue analyzed with automatic classification methods
Peters et al. Brain tissue tessellation shows absence of canonical microcircuits
Starbuck et al. The Influence of trisomy 21 on facial form and variability
Tan et al. Automated extraction of retinal vasculature
CN116228787A (zh) 图像勾画方法、装置、计算机设备、存储介质
JP5833578B2 (ja) 神経精神医学障害に関する規範的なデータセット
Oriola et al. Virtual anthropology: Forensic applications to cranial skeletal remains from the Spanish Civil War
EP3071985A1 (en) System for measuring cortical thickness from mr scan information
CN115690556B (zh) 一种基于多模态影像学特征的图像识别方法及系统
US20220319002A1 (en) Tumor cell isolines
Pawar et al. Multiclass skin disease classification using Neural Network
KR20220156034A (ko) 수지상 기공을 식별하는 방법
CN113592768A (zh) 肋骨骨折检测方法、肋骨骨折检测信息的显示方法及系统
JP6515426B2 (ja) 認知症介護負担度判定装置、認知症介護負担度判定方法、認知症介護負担度判定プログラム、認知症治療効果判定装置、認知症治療効果判定方法、及び認知症治療効果判定プログラム

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