CN103957807B - 导出系统及评价系统 - Google Patents

导出系统及评价系统 Download PDF

Info

Publication number
CN103957807B
CN103957807B CN201380003368.7A CN201380003368A CN103957807B CN 103957807 B CN103957807 B CN 103957807B CN 201380003368 A CN201380003368 A CN 201380003368A CN 103957807 B CN103957807 B CN 103957807B
Authority
CN
China
Prior art keywords
unit
aneurysm
evaluation
skewness
aneurysmal
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
CN201380003368.7A
Other languages
English (en)
Other versions
CN103957807A (zh
Inventor
大石悟
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.)
Canon Medical Systems Corp
Original Assignee
Toshiba Corp
Toshiba Medical Systems Corp
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 Toshiba Corp, Toshiba Medical Systems Corp filed Critical Toshiba Corp
Publication of CN103957807A publication Critical patent/CN103957807A/zh
Application granted granted Critical
Publication of CN103957807B publication Critical patent/CN103957807B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • 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
    • A61B6/50—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment specially adapted for specific body parts; specially adapted for specific clinical applications
    • A61B6/504—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment specially adapted for specific body parts; specially adapted for specific clinical applications for diagnosis of blood vessels, e.g. by angiography
    • 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
    • A61B6/52—Devices using data or image processing specially adapted for radiation diagnosis
    • A61B6/5211—Devices using data or image processing specially adapted for radiation diagnosis involving processing of medical diagnostic data
    • A61B6/5217—Devices using data or image processing specially adapted for radiation diagnosis involving processing of medical diagnostic data extracting a diagnostic or physiological parameter from medical diagnostic data
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/70—Denoising; Smoothing
    • 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
    • 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
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/60—Analysis of geometric attributes
    • G06T7/64—Analysis of geometric attributes of convexity or concavity
    • 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
    • G16H50/30—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for calculating health indices; for individual health risk assessment
    • 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]
    • 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
    • A61B6/48—Diagnostic techniques
    • 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
    • G06T2207/10—Image acquisition modality
    • G06T2207/10072—Tomographic images
    • G06T2207/10088—Magnetic resonance imaging [MRI]
    • 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
    • G06T2207/20—Special algorithmic details
    • G06T2207/20036—Morphological image processing
    • 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
    • G06T2207/20—Special algorithmic details
    • G06T2207/20172—Image enhancement details
    • G06T2207/20182—Noise reduction or smoothing in the temporal domain; Spatio-temporal filtering
    • 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
    • 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
    • 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

Landscapes

  • Engineering & Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Physics & Mathematics (AREA)
  • General Health & Medical Sciences (AREA)
  • Radiology & Medical Imaging (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Public Health (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Pathology (AREA)
  • Biomedical Technology (AREA)
  • Surgery (AREA)
  • Biophysics (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Animal Behavior & Ethology (AREA)
  • Optics & Photonics (AREA)
  • High Energy & Nuclear Physics (AREA)
  • Veterinary Medicine (AREA)
  • Molecular Biology (AREA)
  • Quality & Reliability (AREA)
  • Dentistry (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • Vascular Medicine (AREA)
  • Physiology (AREA)
  • Geometry (AREA)
  • Data Mining & Analysis (AREA)
  • Databases & Information Systems (AREA)
  • Epidemiology (AREA)
  • Primary Health Care (AREA)
  • Apparatus For Radiation Diagnosis (AREA)
  • Magnetic Resonance Imaging Apparatus (AREA)
  • Measuring And Recording Apparatus For Diagnosis (AREA)

Abstract

本发明的实施方式所涉及的系统具有存储器、动脉瘤鉴定单元、歪斜度评价单元以及破裂风险解析单元。所述存储器存储医用图像数据。所述动脉瘤鉴定单元鉴定所述医用图像数据中的动脉瘤。所述歪斜度评价单元对所述动脉瘤的歪斜度定量地进行评价。所述破裂风险导出单元根据所述评价的结果导出该动脉瘤的破裂风险。

Description

导出系统及评价系统
技术领域
本发明的实施方式涉及系统及导出方法。
背景技术
头部动脉瘤一般来说在破裂的危险性(以下，称作破裂风险)高的情况下进行手术，在破裂风险低的情况下通过药物治疗进行跟踪(经过观察)。在跟踪头部动脉瘤时，使用用于评价动脉瘤的形态的各种各样的方式。
第1方式是通过CTA(computedtomographyangiography：CT血管造影)或者MRI(magneticresonanceimaging：核磁共振成像)拍摄动脉瘤的图像、基于该图像对动脉瘤的形状以视觉方式进行评价的方法。
第2方式是基于上述的图像、利用计算机对向动脉瘤流入的血流进行解析、并评价内壁的剪应力(WSS：wallshearstress)的方法。
现有技术文献
非专利文献
非专利文献1DharS，TremmelM，MoccoJ，YamamotoJ，SiddiquiAH，HopkinsLN，KimM，MengH：“用于颅内动脉瘤破裂风险评估的形态学参数(MorphologyParametersforIntracranialAneurysmRuptureRiskAssessment).”，神经外科，63：185-197，2008.
发明内容
通过近年来的研究得知：头部动脉瘤在由于血流引起对内壁的过大的压力(stress)下产生，并且随着压力的下降导致内壁变得脆弱而破裂。
因此，根据本发明的发明人的研究，在对动脉瘤的破裂风险进行解析(导出)时，对使向内壁施加的压力降低那样的动脉瘤的形状、大小或者歪斜进行解析是有用的。
然而，这样的对动脉瘤的形状、大小或者歪斜进行解析的方法尚未被提出。
本发明的目的是提供能够对使向内壁施加的压力降低那样的动脉瘤的形状、大小或者歪斜进行解析的系统以及导出方法。
本发明的实施方式涉及的系统具备存储器、动脉瘤鉴定单元、歪斜度评价单元以及破裂风险解析单元。
所述存储器存储医用图像数据。
所述动脉瘤鉴定单元鉴定所述医用图像数据中的动脉瘤。
所述歪斜度评价单元定量地评价所述动脉瘤的歪斜度。
所述破裂风险导出单元根据所述评价的结果，导出该动脉瘤的破裂风险。
附图说明
图1是表示第1实施方式中的系统及其周边构成的示意图。
图2是表示该实施方式中的动脉瘤、椭圆体以及两者的差异的示意图。
图3是用于说明该实施方式中的动作的流程图。
图4是用于说明该实施方式中的动脉瘤的提取动作的一个例子的示意图。
图5是用于说明该实施方式中的椭圆体近似的一个例子的示意图。
图6是用于说明第2实施方式中的动作的流程图。
图7是用于说明该实施方式的变形例的动作的流程图。
图8是用于说明第3实施方式中的动作的流程图。
图9是用于说明该实施方式中的两个图像的差分的示意图。
图10是用于说明第4实施方式中的动作的流程图。
图11是用于说明第5实施方式中的动作的流程图。
图12是用于说明第6实施方式中的动作的流程图。
图13A是用于说明该实施方式中的效果的示意图。
图13B是用于说明该实施方式中的效果的示意图。
图13C是用于说明该实施方式中的效果的示意图。
具体实施方式
以下，参照附图对各实施方式涉及的系统以及导出方法进行说明。以下的系统也可以分别通过硬件结构、或者硬件资源和软件的组合结构中的任意一个实施。作为组合结构的软件，可以使用预先从网络或者存储介质中安装到计算机、并且用于使该计算机实现系统的各功能的程序。此外，“系统”的用语也可以替代解读为“破裂风险导出系统”或者“导出系统”等。另外，“导出”的用语也可以替代解读为“解析”等。
<第1实施方式>
图1是表示第1实施方式涉及的系统及其周边构成的示意图。系统通过医用图像工作台10以及监视装置14构成。在医用图像工作台10的内部具有硬盘11、计算机12以及网络I／F(例如，Ethernet(注册商标)Card等)13。
硬盘11中保存有解析用软件(程序)11s以及医用三维图像(医用图像数据)11g。计算机12包括主存储器12m以及处理器12p。
处理器12p将硬盘11内的解析用软件11s以及医用三维图像11g读出到主存储器12m中，执行解析用软件11s的处理。
处理器12p通过网络I／F13经由网络从PACS(picturearchivingcommunicationsystem：图像存档和传输系统)系统20、CT(computedtomography：计算机断层扫描)装置30、以及MRI装置40等中获取医用三维图像11g，并保存在硬盘11中。
但是，处理器12p将医用三维图像11g发送到主存储器12m而不保存在硬盘11中，并执行从硬盘11中读出的解析用软件11s，从而对主存储器12m内的医用三维图像11g进行解析。
此外，解析用软件11s由处理器12p执行，并且包括用于使计算机12实现动脉瘤鉴定功能、歪斜度评价功能以及破裂风险导出功能的程序。
在此，动脉瘤鉴定功能是鉴定医用图像中的动脉瘤的功能。
歪斜度评价功能是对动脉瘤的歪斜度定量地进行评价的功能。在本实施方式中，歪斜度评价功能如图2所示，包括：用椭圆体EI来近似动脉瘤An的形状的椭圆体近似功能；以及将动脉瘤和椭圆体EI的差异d评价为歪斜度的差异评价功能。
破裂风险导出功能是根据评价的结果导出该动脉瘤An的破裂风险的功能。另外，基于歪斜度评价功能的评价的结果、以及基于破裂风险导出功能的导出结果被显示在监视器装置14上。
接下来，使用图3的流程图以及图4至图5的示意图对如上所述构成的系统的动作进行说明。此外，系统的医用图像工作台10设为通过操作者的操作、处理器12p将硬盘11内的解析用软件11s读出到主存储器12m中进行执行的装置。另外，医用图像工作台10设为通过操作者的操作、处理器12p将解析对象医用三维图像11g从硬盘11中读出到主存储器12m中的装置。另外，处理器12p将该医用三维图像11g发送至监视装置14，监视装置14显示该医用三维图像11g。
处理器12p从主存储器12m内的医用三维图像11g中提取动脉瘤An(ST11)。动脉瘤An的提取也可以由操作者利用图未示的GUI(graphicaluserinterface：图像用户界面)手动地提取。另外，动脉瘤An的提取也可以如图4所示，通过指定通过动脉瘤An的中心An0和载瘤血管PV的中心Pv0的线段L来自动地判断颈口NK，也可以通过将从颈口NK开始动脉瘤An的中心侧识别为动脉瘤An的半自动处理进行。另外，动脉瘤An的提取也可以通过自动识别方法进行，在自动识别方法中，进行血管的细化发现在中途位置终止的分支，对该分支的粗细的变化进行解析，从而自动识别动脉瘤An。这些动脉瘤An的提取方法在以下的各实施方式中也是同样的。
接下来，处理器12p用椭圆体EI来近似在步骤ST11中所提取的动脉瘤An(ST12)。如图5以及下式所示，通过在x轴、y轴、z轴的正交坐标系中，以将误差E最小化的方式，鉴定(x0，y0，z0)、(a，b，c)以及(θx，θy，θz)，来执行近似。此外，(x0，y0，z0)表示动脉瘤An以及椭圆体EI的中心坐标。(a，b，c)表示x轴、y轴、z轴方向的直径的一半的长度。(a，b，c)、(θx，θy，θz)表示x轴、y轴、z轴方向的转角。
【式1】
E=||An(x，y，z)-EI(x，y，z)||2，(1)
在此，An(x，y，z)表示所提取的动脉瘤，如果是动脉瘤，则为1，除此以外，则为0。EI(x，y，z)是椭圆体的公式，在满足下式时，为1，除此以外，则为0。
【式2】
X 2 a 2 + Y 2 b 2 + Z 2 c 2 < 1 , - - - ( 2 )
X Y Z = cos &theta; z - sin &theta; z 0 sin &theta; z cos &theta; z 0 0 0 1 cos &theta; y 0 sin &theta; y 0 1 0 - sin &theta; y 0 cos &theta; y 1 0 0 0 cos &theta; x - sin &theta; x 0 sin &theta; x cos &theta; z x - x 0 y - y 0 z - z 0 , - - - ( 3 )
接下来，处理器12p对椭圆体EI的形状和动脉瘤An的形状进行比较，将动脉瘤和椭圆体EI的差异d评价为歪斜度(ST13)。作为评价方法，例如，对椭圆体EI的形状和动脉瘤An的形状进行减法运算，将残余差的各表面位置上的厚度求解为歪斜度。
在此之后，处理器12p生成将与所求出的厚度相当的厚度区域作为彩色区域或者高亮度区域重叠在动脉瘤An的表面上所得到的图像数据，并将该图像数据发送到监视装置14。监视装置14显示该图像数据(ST14)。
另外，处理器12p也可以使用通过椭圆体的公式求出的a、b、c计算最短径和最长径之比，将该比值作为动脉瘤An整体的歪斜度，向监视装置14输出。
最后，处理器12p根据歪斜度的评价结果，导出该动脉瘤An的破裂风险，将导出结果发送至监视装置14。关于破裂风险，例如，在将动脉瘤和椭圆体EI的差异d作为歪斜度时，根据差异d的大小，破裂风险被导出为“高”、“中”或者“低”。此外，差异d的范围、与破裂风险的“高”、“中”以及“低”只要预先相关联地设定在解析用软件11s中即可。以下的各实施方式也是同样的，评价结果的范围和破裂风险的导出结果被预先相关联地设定在解析用软件11s中。另外，监视装置14显示破裂风险的导出结果。
如上所述，根据本实施方式，通过以下构成：鉴定医用三维图像(医用图像数据)11g中的动脉瘤An，对动脉瘤An的歪斜度定量地进行评价，根据评价的结果来导出该动脉瘤An的破裂风险，由此能够对使向内壁施加的压力降低那样的动脉瘤An的歪斜进行解析。
如果进行补充时的话，当动脉瘤An的形状存在歪斜，则可认为在歪斜的部位上血流沉淀，向内壁施加的压力下降。另外，根据近年的研究，由于压力的下降，发生破裂。即，歪斜引起压力的下降，压力的下降引起破裂，因此，根据歪斜度的定量的评价结果，能够导出破裂风险。
另外，在本实施方式中，通过用椭圆体EI来近似动脉瘤An的形状、将动脉瘤An和椭圆体EI的差异评价为歪斜度的构成，能够高精度且迅速地获得上述的效果。如果进行补充的话，因为用椭圆体EI来近似动脉瘤An的形状，所以，例如，与用球体来近似的情况相比，能够高精度地获得上述的效果。另外，由于用椭圆体EI来近似动脉瘤An的形状，因此，例如，与用重叠大小不同的球体的多重球体来近似的情况相比，能够迅速地获得上述的效果。
<第2实施方式>
接下来，使用图1对第2实施方式涉及的系统进行说明。此外，对于与上述的部分相同的部分，省略其详细的说明，在此主要对不同的部分进行叙述。另外，以下的各实施方式也同样地省略重复的部分的说明。
第2实施方式是第1实施方式中的“歪斜度评价功能”的变形例。在第2实施方式中，取代上述的“椭圆体近似功能”以及“差异评价功能”，“歪斜度评价功能”包含鉴定动脉瘤An的表面的表面鉴定功能、计算表面的切面的切面计算功能、以及将切面的变化度评价成歪斜度的切面变化度评价功能。
在此，切面计算功能也可以包含用曲面来近似表面的功能、鉴定曲面的第1切面的功能、以及鉴定第1切面的附近的多个第2切面的功能。
另外，切面变化度评价功能也可以包含将所述多个第2切面进行平均并进行鉴定后的平面和第1切面之间的误差计算成变化度的功能。
其他的构成与第1实施方式相同。
接下来，使用图6的流程图对如上所构成的系统的动作进行说明。此外，从开始时至步骤ST21的动作与第1实施方式中从开始时至步骤ST11的动作相同。
处理器12p从主存储器12m内的医用三维图像11g中提取动脉瘤An(ST21)。
接下来，处理器12p将动脉瘤An的边界鉴定成表面(ST22)。
另外，处理器12p计算所鉴定出的表面的切面(ST23～ST24)。例如，处理器12p用多维的曲面式来近似所鉴定出的表面(ST23)，根据该曲面式鉴定(计算)切面(ST24)。
另外，处理器12p将所鉴定出的切面与附近的切面进行比较。另外，将附近的切面进行平均并进行鉴定后的平面和切面之间的误差评价作为歪斜度(ST25)。
在此之后，处理器12p生成将具有评价出的歪斜度的切面作为彩色区域或者高亮度区域、重叠在动脉瘤An的表面上所得到的图像数据，并将该图像数据发送至监视装置14。监视装置14显示该图像数据(ST26)。
以下，与上述同样地，处理器12p从歪斜度的评价结果导出该动脉瘤An的破裂风险，将导出结果发送至监视装置14。监视装置14显示破裂风险的导出结果。
如上所述，根据本实施方式，将对歪斜度进行评价的构成取代成鉴定动脉瘤An的表面、计算表面的切面、将切面的变化度评价成歪斜度的构成。在取代成这样的构成的情况下，与第1实施方式同样地，也能够对使向内壁施加的压力降低那样的动脉瘤An的歪斜进行解析。
此外，在第2实施方式中，“切面计算功能”包含：根据表面鉴定动脉瘤的中心的功能、计算连结动脉瘤的中心和表面的第1向量的功能；以及计算连结动脉瘤的中心和该表面的附近的多个表面的多个第2向量的功能，“切面变化度评价功能”也可以以包含将对多个第2向量进行平均并进行鉴定后的向量与第1向量之间的误差计算成变化度的功能的方式，进行变形。
在该变形例的情况下，如图7所示，步骤ST21～ST22如上所述地执行。接下来，处理器12p计算鉴定后的表面的切面(ST23乙ST24’)。在此，处理器12p根据鉴定后的表面将动脉瘤An的重心鉴定成中心点(ST23’)，将连结该中心点和表面的第1向量计算作为法线(ST24’)。
进而，处理器12p将附近的表面上的法线进行平均并进行鉴定后的向量与法线之间的误差评价成歪斜度(ST25’)。
在此之后，处理器12p生成将具有评价后的歪斜度的表面作为彩色区域或者高亮度区域重叠在动脉瘤An的表面上所得到的图像数据，并将该图像数据发送至监视装置14。监视装置14显示该图像数据(ST26’)。
此外，步骤ST26’的结束后的动作如上所述。
作为这样的变形例也能够获得与第2实施方式同样的效果。
<第3实施方式>
接下来，使用图1对第3实施方式所涉及的系统进行说明。
第3实施方式是第1实施方式中的“歪斜度评价功能”的变形例。在第3实施方式中，取代上述的“椭圆体近似功能”以及“差异评价功能”，“歪斜度评价功能”包含：对动脉瘤的图像实施收缩处理以及扩张处理并创建图像的单元；以及对该创建的图像和实施该收缩处理以及扩张处理之前的图像进行比较、将两图像的差分评价成歪斜度的功能。
其他的构成与第1实施方式同样。
接下来，使用图8的流程图对如上所述构成的系统的动作进行说明。此外，从开始时至步骤ST31的动作与第1实施方式中从开始时至步骤ST11的动作相同。
处理器12p从主存储器12m内的医用三维图像11g中提取动脉瘤An(ST31)。
接下来，处理器12p对动脉瘤An的图像实施N次收缩处理(ST32)。1次的收缩处理由下式表示。
【式3】
在此，在f(i，j，k)中，动脉瘤区域表示为1，除此之外的区域表示为0。
接下来，处理器12p对进行收缩处理之后的图像实施N次扩张处理(ST33)。1次扩张处理由下式表示。
【式4】
另外，处理器12p对实施收缩和扩张处理并创建后的图像和原动脉瘤An的图像进行比较(ST34)，并将两图像的差分评价成歪斜度。
在此之后，处理器12p生成将具有评价后的歪斜度的区域作为彩色区域或者高亮度区域重叠在动脉瘤An的表面上的图像数据，将该图像数据发送至监视装置14。监视装置14显示该图像数据(ST35)。
在步骤ST35之后，破裂风险的导出动作以及导出结果的显示动作与上述同样地执行。
此外，在上述的步骤ST32～ST34的处理中，例如，在对图9的(a)所示的图像实施了一次收缩处理和扩张处理的情况下，创建图9的(c)所示的图像。如果取图9的(a)所示的原图像和图9的(c)所示的收缩和扩张处理后的图像的差分，如图9的(d)所示，原来的图像中突出的部分或凹陷的部分(即，歪斜的部分)被提取。
另外，在此，虽然对进行了一次收缩和扩张处理的情况进行了说明，但本实施方式不限于此。根据本实施方式，例如，通过将收缩和扩张处理分别进行N次，并将该差分使用各个颜色表示，将N为小值并且作为差异所提取的部分设为歪斜度大的部分，将N为大值并且作为差异所提取的部分设为歪斜度小的部分，由此能够将歪斜度定量化。
如上所述，根据本实施方式，将对歪斜度进行评价的构成替换成以下的构成：对动脉瘤An的图像实施收缩处理以及扩张处理并且创建图像，将该创建出的图像与实施该收缩处理以及扩张处理之前的图像进行比较，基于两个图像的差分来计算歪斜度。在替换成这样的构成的情况下，也与第1实施方式同样地，能够对使向内壁施加的压力降低那样的动脉瘤An的歪斜进行解析。
<第4实施方式>
接下来，使用图1对第4实施方式涉及的系统进行说明。
第4实施方式是第1实施方式中的“歪斜度评价功能”的变形例。在第4实施方式中，取代上述的“椭圆体近似功能”以及“差异评价功能”，“歪斜度评价功能”包含：对动脉瘤的图像实施低通滤波并创建图像的功能；以及将该创建出的图像与实施该低通滤波之前的图像进行比较并将两个图像的差异评价成歪斜度的功能。
其他的构成与第1实施方式相同。
接下来，使用图10的流程图对如上述所构成的系统的动作进行说明。此外，从开始时至步骤ST41的动作与第1实施方式中从开始时至步骤ST11的动作相同。
处理器12p从主存储器12m内的医用三维图像11g中提取动脉瘤An(ST41)。
接下来，处理器12p对动脉瘤An的图像实施低通滤波并创建图像(ST42)。
另外，处理器12p对该创建出的图像与实施该低通滤波之前的图像进行比较，并鉴定两个图像的差异(ST43)。
接下来，处理器12p将两个图像的差异评价成歪斜度(ST44)。
在此之后，处理器12p生成将具有评价出的歪斜度的区域作为彩色区域或者高亮度区域重叠在动脉瘤An的表面上所得到的图像数据，并将该图像数据发送到监视装置14。监视装置14显示该图像数据(ST45)。
步骤ST45之后的、破裂风险的导出动作以及导出结果的显示动作与上述同样地被执行。
此外，在上述的步骤ST42中所使用的低通滤波根据程度准备多个，在步骤ST43～ST44中，将轻的低通滤波(模糊少)的处理结果和原动脉瘤进行比较，并将该差分记录成歪斜部分。同样地，将逐渐地程度变强的低通滤波(模糊多)的处理结果和原动脉瘤进行比较，并将该差分记录成歪斜部分。在此，将在最初的阶段中作为差异所提取的部分记录成歪斜度大的部分，将分段地作为差异所提取的部分记录成歪斜度更小的部分，并使用各个颜色表示。例如，用红色表示歪斜度大的部分，用蓝色表示歪斜度小的部分，用黄色等表示歪斜度大和歪斜度小的中间阶段。
如上所述，根据本实施方式，将对歪斜度进行评价的构成替换成以下构成：对动脉瘤An的图像实施低通滤波并创建图像，将该创建出的图像和实施该低通滤波之前的图像进行比较，将两个图像的差异评价成歪斜度。在替换成这样的构成的情况下，也与第1实施方式同样地，能够对使向内壁施加的压力降低那样的动脉瘤An的歪斜度进行解析。
<第5实施方式>
接下来，使用图1对第5实施方式所涉及的系统进行说明。
第5实施方式是第1实施方式中的“歪斜度评价功能”的变形例。在第5实施方式中，取代上述的“椭圆体近似功能”以及“差异评价功能”，“歪斜度评价功能”包含：提取动脉瘤An的表面形状的功能；将该表面形状平滑化的平滑化功能；将该平滑化后的表面形状和进行该平滑化之前的表面形状进行比较、并基于两者的误差来计算歪斜度的功能。
其他的构成与第1实施方式相同。
接下来，使用图11的流程图对如上述所构成的系统的动作进行说明。此外，从开始时至步骤ST51的动作与第1实施方式中从开始时至步骤ST11的动作相同。
处理器12p从主存储器12m内的医用三维图像11g中提取动脉瘤An(ST51)。
接下来，处理器12p将动脉瘤An的边界鉴定成表面(ST52)。
另外，处理器12p对鉴定后的表面实施平滑化(ST53)。平滑化可以对低次的曲面进行适用，也可以使用B-SPLINE那样的曲面近似函数进行平滑化。
另外，处理器12p基于平滑化后的曲面和表面之间的误差，根据误差来评价歪斜度(ST54)。例如，对与误差的大小成比例地歪斜度也增大这样的内容进行评价。
在此之后，处理器12p生成将具有评价后的歪斜度的区域作为彩色区域或者高亮度区域重叠在动脉瘤An的表面上的图像数据，并将该图像数据发送至监视装置14。监视装置14显示该图像数据(ST55)。
步骤ST55之后的、破裂风险的导出动作以及导出结果的显示动作与上述同样地被执行。
如上所述，根据本实施方式，将对歪斜度进行评价的构成替换成以下的构成：提取动脉瘤An的表面形状，将该表面形状平滑化，将该平滑化的表面形状与进行这种平滑化之前的表面形状进行比较，根据两者的误差来评价歪斜度。在替换成这样的构成的情况下，也与第1实施方式同样地，能够对使向内壁施加的压力降低那样的动脉瘤An的歪斜进行解析。
<第6实施方式>
接下来，使用图1对第6实施方式所涉及的系统进行说明。
第6实施方式是第1实施方式的变形例。在第6实施方式中，所述的程序为用于使计算机12取代实现“歪斜度评价功能”、而实现对产生动脉瘤的载瘤血管进行鉴定的血管鉴定功能、对该动脉瘤和载瘤血管的倾斜度定量地进行评价的倾斜度评价功能的程序。
在此，倾斜度评价功能也可以包含：用椭圆体来近似动脉瘤的形状的功能；对载瘤血管的倾斜度进行鉴定的功能；计算载瘤血管的倾斜度与椭圆体的直径所形成的角度的功能；以及将所形成的角度当中最接近于垂直而形成的角度确定成动脉瘤和载瘤血管的倾斜度的功能。
其他的构成与第1实施方式相同。
接下来，使用图12的流程图对如上构成的系统的动作进行说明。此外，从开始时至步骤ST62的动作与第1实施方式中从开始时至步骤ST12的动作相同。
处理器12p从主存储器12m内的医用三维图像11g中提取动脉瘤An(ST61)，用椭圆体EI来近似该动脉瘤An(ST62)。
另外，处理器12p鉴定产生动脉瘤An的载瘤血管的倾斜度(ST63)。鉴定载瘤血管的倾斜度的处理可以在从医用三维图像11g中删除动脉瘤An之后在动脉瘤An的位置的附近进行细线化从而对倾斜度进行鉴定，也可以操作者进行指定。
另外，处理器12p计算鉴定后的倾斜度与椭圆体的各轴所形成的角度(ST64)，将该形成角度中的最接近于垂直的角度确定(评价)成动脉瘤和载瘤血管所形成的角度。
另外，处理器12p生成在动脉瘤An的颈口附近表示所确定的形成角度的值的图像数据，并将该图像数据发送至监视装置14。监视装置14显示该图像数据(ST65)。
步骤ST65之后的、破裂风险的导出动作以及导出结果的显示动作与上述同样地执行。
如上所述，根据本实施方式，通过以下构成：鉴定医用三维图像11g中的动脉瘤An，鉴定产生动脉瘤An的载瘤血管，对该动脉瘤An和载瘤血管的倾斜度定量地进行评价，根据评价的结果导出该动脉瘤An的破裂风险，由此能够对使向内壁施加的压力降低那样的动脉瘤An的形状进行解析。
如果进行补充的话，如图13A或者图13B所示，当动脉瘤An为从载瘤血管Pv开始倾斜度较小的形状时，则可认为在动脉瘤An的前端的部位上血流沉淀，向内壁施加的压力下降(相反地，如图13C所示，在倾斜度较大时，则可认为血流不沉淀、压力没有下降)。另外，根据近年的研究，由于压力的下降，产生破裂。即，由于与载瘤血管Pv的倾斜度较小的形状引起压力的下降，压力的下降引起破裂，因此，根据动脉瘤An的形状的定量的评价结果，能够导出破裂风险。另外，在图13A或者图13B所示的形状中，在还考虑血流的方向的情况下，对于图13A所示的形状，与图13B所示的形状相比，血流更容易进入动脉瘤An，因此可认为压力难以下降。在此，血流的方向例如从载瘤血管Pv的粗的一方流向细的一方那样，可以由处理器12p进行判定或者也可以由操作者进行指定。
<第7实施方式>
接下来，使用图1对第7实施方式所涉及的系统进行说明。
第7实施方式是第1～第6各实施方式的变形例。在第7实施方式中，上述的程序的“动脉瘤鉴定功能”包含鉴定同一被检测体中的两个以上的医用三维图像11g中的同一位置的动脉瘤An的功能。
在此，在第7实施方式是第1～第5各实施方式的变形例的情况下，上述的“歪斜度评价功能”包含对所鉴定后的动脉瘤An的歪斜度的变化进行评价的功能。
另外，上述的程序为使计算机12作为大小评价功能、输出功能而进一步发挥功能的程序。大小评价功能是对所鉴定的动脉瘤An的大小(比例、体积、表面积)的变化进行评价的功能。输出功能是输出大小评价功能以及歪斜度评价功能中的任意一个的评价结果、或者双方的评价结果的功能。
另一方面，在第7实施方式是第6实施方式的变形例的情况下，上述的“倾斜度评价功能”包含对所鉴定的动脉瘤An和载瘤血管Pv的倾斜度的变化进行评价的功能。
另外，上述的程序为使计算机12作为大小评价功能、输出功能而进一步发挥功能的程序。大小评价功能是对所鉴定后的动脉瘤An的大小的变化进行评价的功能。输出功能是输出大小评价功能以及倾斜度评价功能的任意一个的评价结果、或者双方的评价结果的功能。
其他的构成与第1实施方式相同。
接下来，对如上所构成的系统的动作进行说明。
处理器12p从多个医用三维图像11g中提取动脉瘤An，并且以能够对该动脉瘤An的体积与使用上述的第1～第5实施方式的任意一个实施方式计算出的歪斜度(或者使用第6实施方式所计算出的倾斜度)进行比较的方式，将评价结果显示在监视装置14上。
例如，图的横轴可以表示时间，图的纵轴可以表示体积、动脉瘤An整体的歪斜度(或者倾斜度)或者局部的歪斜度的最大值。此外，对于体积以及歪斜度，可以根据期望显示其中的任意一个或者双方。同样地，对于体积以及倾斜度，根据期望，显示其中的任意一个或者双方即可。
另外，处理器12p例如也可以鉴定动脉瘤An的中心，在从中心开始的极坐标绘制局部的歪斜度，计算不同的时间的歪斜度的比率或者变化率，并将计算结果显示在监视装置14上。在此，不同的时间t1、t2的歪斜度d1、d2的比率r或者变化率rc例如以如下式子计算即可(其中，t1<t2)。
r=d2／d1
rc=(d2-d1)／(t2-t1)
在两个医用三维图像11g的比较的情况，如果在最新的动脉瘤An的图像表面上重叠地显示与比率或者变化率相对应的彩色区域，则能够明显地获知歪斜度的变化。
或者，处理器12p也可以鉴定动脉瘤An的中心，在从中心开始的极坐标系上鉴定从中心开始的距离，与上述同样地计算不同的时间上的距离彼此之间的比率或者变化率，并将计算结果显示在监视装置14上。
如上所述，根据本实施方式，除了第1至第6的各实施方式的效果以外，能够显示基于评价结果的时间产生的变化。
根据以上所说明的至少一个实施方式，通过以下构成：鉴定医用三维图像11g中的动脉瘤An，定量地评价动脉瘤An的歪斜度(或者倾斜度)，根据评价的结果来导出该动脉瘤An的破裂风险，由此能够对使向内壁施加的压力降低那样的动脉瘤An的歪斜(或者形状)进行解析。
此外，虽然对本发明的若干实施方式进行了说明，但这些实施方式是作为示例给出的，并不意图地限定本发明的范围。这些实施方式能够以其他的各种各样的方式实施，并且在不脱离本发明的主旨的范围内，能够进行各种省略、替换、以及变更。这些实施方式及其变形被包含在本发明的范围或主旨内，同样地，被包含在与权利要求书所记载的发明及其等同的范围内。

Claims (7)

1.一种导出系统，其特征在于包括：
存储器，存储医用图像数据；
动脉瘤鉴定单元，鉴定所述医用图像数据中的动脉瘤；
歪斜度评价单元，对所述动脉瘤的歪斜度定量地进行评价；以及
破裂风险导出单元，从所述评价的结果导出该动脉瘤的破裂风险，
所述歪斜度评价单元包含：
表面鉴定单元，鉴定所述动脉瘤的表面；
切面计算单元，计算所述表面的切面；以及
切面变化度评价单元，将所述切面的变化度评价成歪斜度。
2.如权利要求1所述的导出系统，其特征在于：
所述切面计算单元包含：
用曲面来近似所述表面的单元；
鉴定所述曲面的第1切面的单元；以及
鉴定所述第1切面的附近的多个第2切面的单元，
所述切面变化度评价单元包含将所述多个第2切面进行平均并进行了鉴定的平面和所述第1切面之间的误差计算成所述变化度的单元。
3.如权利要求1所述的导出系统，其特征在于：
所述切面计算单元包含：
根据所述表面鉴定所述动脉瘤的中心的单元；
计算连结所述动脉瘤的中心和所述表面的第1向量的单元；以及
计算连结所述动脉瘤的中心和所述表面的附近的多个表面的多个第2向量的单元，
所述切面变化度评价单元包含将所述多个第2向量进行平均并进行了鉴定的向量和所述第1向量之间的误差计算成所述变化度的单元。
4.一种评价系统，其特征在于包括：
存储器，存储医用图像数据；
动脉瘤鉴定单元，鉴定所述医用图像数据中的动脉瘤；
血管鉴定单元，鉴定产生所述动脉瘤的载瘤血管；以及
倾斜度评价单元，对所述动脉瘤和载瘤血管的倾斜度定量地进行评价。
5.如权利要求4所述的评价系统，其特征在于：
所述倾斜度评价单元包含：
用椭圆体来近似所述动脉瘤的形状的单元；
鉴定所述载瘤血管的倾斜度的单元；
计算所述载瘤血管的倾斜度与所述椭圆体的直径所形成的角度的单元；以及
将形成的所述角度当中最接近于垂直而成的角度确定成所述动脉瘤和载瘤血管之间的倾斜度的单元。
6.如权利要求4所述的评价系统，其特征在于：
所述动脉瘤鉴定单元包含对同一被检测体中的两个以上的医用图像数据中的同一位置的动脉瘤进行鉴定的单元，
所述倾斜度评价单元包含对鉴定出的所述动脉瘤和载瘤血管之间的倾斜度的变化进行评价的单元，
所述评价系统包括：
大小评价单元，对鉴定出的所述动脉瘤的大小的变化进行评价；以及
输出单元，输出所述大小评价单元以及所述倾斜度评价单元的某一方的评价结果或者双方的评价结果。
7.如权利要求6所述的评价系统，其特征在于：
所述评价结果包含表示所述变化的图、以及表示所述变化的变化率或比率的某一方或者双方。
CN201380003368.7A 2012-11-15 2013-11-15 导出系统及评价系统 Active CN103957807B (zh)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
JP2012251416A JP6230782B2 (ja) 2012-11-15 2012-11-15 動脈瘤破裂リスク解析プログラム
JP2012-251416 2012-11-15
PCT/JP2013/080894 WO2014077360A1 (ja) 2012-11-15 2013-11-15 システム及び導出方法

Publications (2)

Publication Number Publication Date
CN103957807A CN103957807A (zh) 2014-07-30
CN103957807B true CN103957807B (zh) 2016-06-29

Family

ID=50731269

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201380003368.7A Active CN103957807B (zh) 2012-11-15 2013-11-15 导出系统及评价系统

Country Status (4)

Country Link
US (1) US9345442B2 (zh)
JP (1) JP6230782B2 (zh)
CN (1) CN103957807B (zh)
WO (1) WO2014077360A1 (zh)

Families Citing this family (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP6647796B2 (ja) * 2015-04-15 2020-02-14 キヤノンメディカルシステムズ株式会社 画像処理装置及びｘ線診断装置
IL246009B (en) 2016-06-02 2018-11-29 Ezer Haim A system and method for monitoring the condition of a cerebral aneurysm
US10869644B2 (en) * 2016-07-30 2020-12-22 Shanghai United Imaging Healthcare Co., Ltd. Method and system for extracting lower limb vasculature
CN106859620B (zh) * 2017-01-16 2019-06-18 清华大学 一种动脉血管瘤破裂预警系统及其预警方法
FR3062498B1 (fr) 2017-02-02 2019-06-07 Casis - Cardiac Simulation & Imaging Software Systeme et procede pour l'evaluation de risques vasculaires
JP6774520B2 (ja) * 2019-04-05 2020-10-28 有限会社 ライブエイド 血管瘤の破裂リスク評価方法、評価装置およびプログラム
JP7271277B2 (ja) * 2019-04-10 2023-05-11 キヤノンメディカルシステムズ株式会社 医用画像処理装置及び医用画像処理システム
JP7500091B2 (ja) 2022-07-21 2024-06-17 株式会社マックスネット 脳動脈瘤の瘤ネック平面の生成方法とコンピュータプログラム

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101080201A (zh) * 2004-12-17 2007-11-28 皇家飞利浦电子股份有限公司 从动脉瘤的三维模型预测动脉瘤的物理特性的系统和方法

Family Cites Families (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2005278690A (ja) * 2004-03-26 2005-10-13 Hiroshima Industrial Promotion Organization コンピュータを用いた３次元胸部ｃｔ画像から結節状陰影を検出する方法およびその装置並びにコンピュータプログラム
JP4585907B2 (ja) * 2005-04-28 2010-11-24 株式会社イシダ Ｘ線検査装置
JP5047686B2 (ja) * 2007-05-08 2012-10-10 株式会社日立メディコ 血管画像表示方法と装置
WO2008138140A1 (en) * 2007-05-15 2008-11-20 Val-Chum, Societe En Commandite A method for tracking 3d anatomical and pathological changes in tubular-shaped anatomical structures
DE102007026519A1 (de) * 2007-06-08 2008-12-18 Siemens Ag Verfahren zur Bestimmung eines Rupturrisikos wenigstens eines Aneurysmas eines Patienten und zugehöriges System
US8116542B2 (en) * 2008-05-09 2012-02-14 General Electric Company Determining hazard of an aneurysm by change determination
JP2010207531A (ja) * 2009-03-12 2010-09-24 Toshiba Corp Ｍｒｉ装置及びデータ処理装置
WO2010121146A2 (en) * 2009-04-17 2010-10-21 Malek Adel M Aneurysm detection
CN102481134B (zh) * 2010-08-17 2014-06-18 株式会社东芝 医用图像诊断装置
JP5496067B2 (ja) * 2010-11-22 2014-05-21 株式会社東芝 動脈瘤診断支援装置及び制御プログラム
WO2012167277A1 (en) * 2011-06-02 2012-12-06 The Research Foundation Of State University Of New York Method and device for imaging a region of interest

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101080201A (zh) * 2004-12-17 2007-11-28 皇家飞利浦电子股份有限公司 从动脉瘤的三维模型预测动脉瘤的物理特性的系统和方法

Also Published As

Publication number Publication date
US20140334678A1 (en) 2014-11-13
WO2014077360A1 (ja) 2014-05-22
US9345442B2 (en) 2016-05-24
JP2014097237A (ja) 2014-05-29
CN103957807A (zh) 2014-07-30
JP6230782B2 (ja) 2017-11-15

Similar Documents

Publication Publication Date Title
CN103957807B (zh) 导出系统及评价系统
CN102208105B (zh) 医学图像处理技术
US9141763B2 (en) Method and system for patient-specific computational modeling and simulation for coupled hemodynamic analysis of cerebral vessels
US8611623B2 (en) Network construction apparatus, method and program
US8781194B2 (en) Aneurysm detection
Kim et al. Automatic hippocampal segmentation in temporal lobe epilepsy: impact of developmental abnormalities
CN110036408B (zh) 活动性出血和血液外渗的自动ct检测和可视化
KR101919866B1 (ko) 뼈 스캔 영상에서 암 전이 여부의 판정을 지원하는 방법 및 이를 이용한 장치
JP3928978B1 (ja) 医用画像処理装置、医用画像処理方法及びプログラム
EP2375378A1 (en) Medical image diagnosis assisting apparatus and method, and computer readable recording medium on which is recorded program for the same
KR102629045B1 (ko) 의료용 인공 신경망 기반 사용자 선호 스타일을 제공하는 의료 영상 판독 지원 장치 및 방법
US20090214097A1 (en) Method for generating analytical tool for analyzing abnormalities in human organs
JP6487001B2 (ja) 動脈瘤破裂リスク解析プログラム及びシステム
US11996182B2 (en) Apparatus and method for medical image reading assistant providing representative image based on medical use artificial neural network
KR20240054248A (ko) 의료 영상 분석 장치 및 방법, 의료 영상 시각화 장치 및 방법
WO2021120069A1 (zh) 基于解剖结构差异先验的低剂量图像重建方法和系统
Khalifa et al. A generalized MRI-based CAD system for functional assessment of renal transplant
Ren et al. Investigation of a novel deep learning-based computed tomography perfusion mapping framework for functional lung avoidance radiotherapy
JP2011104206A (ja) 動脈瘤候補の検出支援装置および検出方法
KR20220122540A (ko) 의료 영상에서 임상 지표를 검출하기 위한 방법 및 장치
Ni et al. Asymmetry disentanglement network for interpretable acute ischemic stroke infarct segmentation in non-contrast CT scans
Chauvie et al. Automatic liver detection and standardised uptake value evaluation in whole-body positron emission tomography/computed tomography scans
Werner et al. Validation and comparison of a biophysical modeling approach and non-linear registration for estimation of lung motion fields in thoracic 4D CT data
Assis et al. Aneurysm pose estimation with deep learning
EP2889001B1 (en) Shape data-generating program, shape data-generating method and shape data-generating device

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
C41 Transfer of patent application or patent right or utility model
TR01 Transfer of patent right

Effective date of registration: 20160711

Address after: Japan Tochigi

Patentee after: Toshiba Medical System Co., Ltd.

Address before: Tokyo, Japan, Japan

Patentee before: Toshiba Corp

Patentee before: Toshiba Medical System Co., Ltd.