CN104812314A - 使用图像分析诊断子宫收缩水平的方法和系统 - Google Patents
使用图像分析诊断子宫收缩水平的方法和系统 Download PDFInfo
- Publication number
- CN104812314A CN104812314A CN201380061298.0A CN201380061298A CN104812314A CN 104812314 A CN104812314 A CN 104812314A CN 201380061298 A CN201380061298 A CN 201380061298A CN 104812314 A CN104812314 A CN 104812314A
- Authority
- CN
- China
- Prior art keywords
- uterus
- record
- image
- contour
- uterine contraction
- 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
Links
Classifications
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B17/00—Surgical instruments, devices or methods, e.g. tourniquets
- A61B17/42—Gynaecological or obstetrical instruments or methods
- A61B17/425—Gynaecological or obstetrical instruments or methods for reproduction or fertilisation
- A61B17/435—Gynaecological or obstetrical instruments or methods for reproduction or fertilisation for embryo or ova transplantation
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/43—Detecting, measuring or recording for evaluating the reproductive systems
- A61B5/4306—Detecting, measuring or recording for evaluating the reproductive systems for evaluating the female reproductive systems, e.g. gynaecological evaluations
- A61B5/4343—Pregnancy and labour monitoring, e.g. for labour onset detection
- A61B5/4356—Assessing uterine contractions
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B8/00—Diagnosis using ultrasonic, sonic or infrasonic waves
- A61B8/08—Detecting organic movements or changes, e.g. tumours, cysts, swellings
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B8/00—Diagnosis using ultrasonic, sonic or infrasonic waves
- A61B8/48—Diagnostic techniques
- A61B8/485—Diagnostic techniques involving measuring strain or elastic properties
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B8/00—Diagnosis using ultrasonic, sonic or infrasonic waves
- A61B8/52—Devices using data or image processing specially adapted for diagnosis using ultrasonic, sonic or infrasonic waves
- A61B8/5215—Devices using data or image processing specially adapted for diagnosis using ultrasonic, sonic or infrasonic waves involving processing of medical diagnostic data
- A61B8/5223—Devices using data or image processing specially adapted for diagnosis using ultrasonic, sonic or infrasonic waves involving processing of medical diagnostic data for extracting a diagnostic or physiological parameter from medical diagnostic data
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61P—SPECIFIC THERAPEUTIC ACTIVITY OF CHEMICAL COMPOUNDS OR MEDICINAL PREPARATIONS
- A61P15/00—Drugs for genital or sexual disorders; Contraceptives
- A61P15/04—Drugs for genital or sexual disorders; Contraceptives for inducing labour or abortion; Uterotonics
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T11/00—2D [Two Dimensional] image generation
- G06T11/20—Drawing from basic elements, e.g. lines or circles
- G06T11/206—Drawing of charts or graphs
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/12—Edge-based segmentation
-
- 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
- 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
- A61B2576/00—Medical imaging apparatus involving image processing or analysis
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B2576/00—Medical imaging apparatus involving image processing or analysis
- A61B2576/02—Medical imaging apparatus involving image processing or analysis specially adapted for a particular organ or body part
-
- 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
- G06T2207/10132—Ultrasound image
-
- 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
- G06T2207/20112—Image segmentation details
- G06T2207/20116—Active contour; Active surface; Snakes
-
- 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
-
- 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
- G06T2207/30044—Fetus; Embryo
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2210/00—Indexing scheme for image generation or computer graphics
- G06T2210/41—Medical
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Public Health (AREA)
- Medical Informatics (AREA)
- General Health & Medical Sciences (AREA)
- Surgery (AREA)
- Veterinary Medicine (AREA)
- Animal Behavior & Ethology (AREA)
- Biomedical Technology (AREA)
- Heart & Thoracic Surgery (AREA)
- Molecular Biology (AREA)
- Pathology (AREA)
- Biophysics (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Radiology & Medical Imaging (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Gynecology & Obstetrics (AREA)
- Reproductive Health (AREA)
- Pregnancy & Childbirth (AREA)
- Physiology (AREA)
- Software Systems (AREA)
- Transplantation (AREA)
- Pharmacology & Pharmacy (AREA)
- Chemical & Material Sciences (AREA)
- Epidemiology (AREA)
- Databases & Information Systems (AREA)
- Data Mining & Analysis (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Endocrinology (AREA)
- Primary Health Care (AREA)
- Organic Chemistry (AREA)
- Medicinal Chemistry (AREA)
- General Chemical & Material Sciences (AREA)
- Chemical Kinetics & Catalysis (AREA)
- Measuring And Recording Apparatus For Diagnosis (AREA)
- Medicines That Contain Protein Lipid Enzymes And Other Medicines (AREA)
Abstract
通过使用可变形模型网络分析子宫图像来分析子宫收缩以支持胚胎移植技术的方法。所述方法也被用于诊断哺乳动物中过早的子宫收缩活动。当与催产素拮抗剂一起使用时,所述方法可以用于控制胚胎移植期间的收缩活动或早产。
Description
背景技术
检测子宫收缩活动在多种医学程序中是必要的,包括体外受精期间的胚胎移植,以及怀孕期间的检测和预防早产。
进行胚胎移植(“ET”)的女性中的提高的子宫收缩活动可能影响ET成功率。与具有升高的子宫收缩活动的患者相比,在具有“沉寂的”子宫的ET受者中,成功移植率可达3倍高。目前猜测施用催产素拮抗剂可以降低子宫收缩并且可以提高怀孕率。在小鼠上进行的移植研究试验中,确认催产素拮抗剂逆转催产素的负作用。
在人中,伦理问题不允许使用侵入式技术用于评估子宫收缩,如在将要经历胚胎移植程序的患者上的子宫内压测量。即使不存在那些伦理问题,在胚胎移植程序之前使用任何侵入式测量方法也是不可行的,并且因此必须使用间接的且非侵入式的方法用于评估收缩。在多种背景中的文献中已经提出了评估子宫内膜界面移动的经阴道的声图描计法,并且已经想出若干方法以尝试解决收缩评估的问题。声图描计法,通常是基于超声的诊断成像技术,被用于可视化皮下身体结构。典型的诊断声图描计扫描仪在2至18兆赫的频率范围内运行,但是高达50-100兆赫的频率已经在实验上被用于在特殊区域(如眼睛的前房)中的被称为活组织显微镜检查(biomicroscopy)的技术。频率的选择是图像的空间分辨率和成像深度之间的平衡:较低的频率产生较低的分辨率但较深入身体的图像。较高的频率声波具有较小的波长并且因此能够自较小的结构反射或散射。较高的频率声波还具有较大的衰减系数并且因此更容易被吸收到组织中,从而限制了声波穿透到身体中的深度。
声图描计法(超声波检查法)被广泛地用于医学中。使用超声指导干预程序(例如活组织检查或流体收集物排出),可能的是进行诊断和治疗程序两者。声图描计法对于对身体的软组织进行成像是有效的。表面结构如肌肉,肌腱,精巢,胸部和新生的脑部以较高的频率(7–18MHz)成像,所述频率提供更好的轴向和横向分辨率。深层结构如肝和肾以较低的频率1-6MHz成像,并具有较低的轴向和横向分辨率,但是具有较好的穿透。
在1998年,R.Fanchin在Human Reproduction 1998:13(7):1968上发表了一篇文章,所述文章提出了一种方法,所述方法是基于分析线段的横截面和使用连续帧产生二维图像的视频序列;水平分量表示线段长度并且垂直分量表示时间。虽然简单并且易于操作,但是该方法具有明显的缺点。在噪声或整个器官的移动的量稍微增加的情况下,该方法倾向于产生不正确的结果或不能提供关于收缩性的有用信息的结果。这些缺点是由于在过程中不结合模型以及在分析中仅使用低水平图像数据所致。已经测试了所述方法,但是由于出现多种真实输入,所以未发现其对于收缩性的测量是一种准确的工具。
无模型技术,如以上提及的,包括大量方法并且是最早用于图像分析的。它们全体的区别特征在于其仅使用低水平图像数据并且因此不能得益于关于对象形状和位置的先验假设。因此,其应用受限于医学成像所特有的许多情况。一些这样的方法,例如阈值,甚至忽视使用由像素的空间位置提供的信息-精确图像处理框架中的关键因素-而宁愿仅使用其数值。无模型技术包括使用幅度模式(A-模式),亮度模式(B-模式)和运动模式(M-模式)声图描计法。
M-模式声图描计法通过陆陆续续地发射超声脉冲产生器官的图像,典型地将A-模式或B-模式图像与每个脉冲一起使用。随时间,并且将多个连续的图像连接在一起,可以确定移动的器官的边界和速度。M-模式方法在检测子宫收缩中的缺点在于,其不提供分割整个子宫的手段,仅是存在于使用者指定的相交处内的上部和下部边界。此提供的缺失在可能改变之前标记的子宫边界中的间隙的位置的加剧的肠或呼吸运动的情况中变得显著。另外,子宫可能相对于已被设定的相交处前后移动。此种移动可能看起来是不相关的,但是其可能导致产生不能与收缩区分的部分图。进一步的问题表现为噪声或假边缘。因为所述方法不考虑整个子宫的形状,所以仅穿过相交处的边界是可追踪的并且这可能使得测量困难。即使在边界清晰并且易于跟踪的理想情况下,仍然难以实现精确测量。类似地,同样困难的是解释这样的图像,其中虽然存在收缩性,但是边界的移动保持静止,仅子宫内膜的结构变化被影响。所述技术还取决于适当的子宫的可视化,这是高度可变的并且受因素如其后倾位置或膀胱填充的影响。
发明概述
本发明的一个目的是提供用于检测子宫收缩的系统和方法。本发明的另一个目的是在胚胎移植程序期间使用可变形模型网络检测子宫收缩。本发明的另一个目的是在怀孕期间检测在早产的早期阶段子宫的收缩。
在本发明的一个实施方案中,方法包括采集目标子宫(subject uterus)在一段时间内的超声图像,使用可变形模型网络分析所述图像以识别子宫收缩,并且以图形格式显示子宫收缩。在本发明的另一个实施方案中,子宫收缩被确定为在以强度或频率计的最小或最大阈值内。收缩的频率可以为0至15次收缩/分钟。
在本发明的另一个实施方案中,提供用于将胚胎递送和转移到子宫的方法,所述方法包括:自目标患者收集一个或多个卵子;使用例如微粉化的黄体酮,给所述患者提供黄体素支持;使所述一个或多个卵子受精以提供可存活的胚胎;通过记录子宫收缩的图像并使用可变形模型网络评估所述图像来对患者中的子宫收缩进行定性;降低收缩的水平至4次收缩/分钟以下;将胚胎转移至子宫;通过施用例如微粉化的黄体酮继续黄体素支持。
在本发明的另一个实施方案中,分析子宫图像的方法包括:记录在一段时间内的子宫图像;设定用于可变形模型网络的基准轴;设定环绕目标子宫的子宫内膜的外周线(snake);设定在目标子宫的子宫内膜内的内周线;应用一个或多个图像滤波器以增强一个或多个所关心的特征;放松所述周线(所述周线通过采取各个点周围的可能的点的最小能量量度移动至所述点)直至两者在子宫内膜周界处相交;在用户显示器上显示所述记录和周线移动。内周线和外周线的参数(如刚性,弹性,轴的数目等)是针对平均超声图像预定义的,因此所述周线最好地描绘了子宫内膜;其也可以由使用者自定义修改。在分析期间,观察者在屏幕上实时监视周线移动,如果任何噪声(如患者的突然移动导致图像参数的意想不到的改变)在周线定位中引入偏差,则可以停止分析,并且可以重设所述轴和活动轮廓(周线)。
在本发明的另一个实施方案中,提供在早产临产女性中使用可变形模型网络检测子宫收缩的方法,所述方法包括:采集目标子宫在一段时间内的超声图像,使用可变形模型网络分析所述图像以识别子宫收缩,和以图形格式显示子宫收缩,确定所测量的子宫收缩是否在以强度或频率计的最小或最大阈值内,其中收缩的频率可以为0至15次收缩/分钟。
在本发明的另一个实施方案中,提供检测并终止早产收缩的方法,所述方法包括:采集目标子宫在一段时间内的超声图像,使用可变形模型网络分析所述图像以识别子宫收缩,和以图形格式显示子宫收缩,确定所测量的子宫收缩是否在以强度或频率计的最小或最大阈值内,其中收缩的频率可以为0至15次收缩/分钟;以及施用催产素拮抗剂。催产素拮抗剂可以是任何催产素拮抗剂,如但不限于阿托西班(atosiban)或巴芦西班(barusiban)。阿托西班可以以一个或多个剂量施用。阿托西班可以三个剂量施用。阿托西班可以这样施用:第一次注入是在一分钟内的0.9ml静脉内推注,剂量为6.75mg;第二次注入是在三小时内的24ml/小时的静脉内加载(loading),剂量为18mg/小时;并且,第三次注入是经由8ml/小时的静脉内输注,剂量为6mg/小时。
本发明的一个或多个实施方案的细节描述于附图和以下说明中。由说明书和附图以及权利要求,本发明的其他特征、目的和优点将是明显的。
附图描述
图1是记录子宫横断面的M-模式。
图2是基于可变形模型网络的记录。
图3是记录子宫的横断面的M-模式。
图4是基于可变形模型网络的记录。
图5是M-模式记录。
图6是基于可变形模型网络的记录。
图7是IUP记录和CPP记录的比较。
图8是M-模式记录。
图9是基于可变形模型网络的记录。
图10是M-模式记录。
图11是基于可变形模型网络的记录。
图12是M-模式记录。
图13是基于可变形模型网络的记录。
图14是子宫内压记录。
图15是M-模式记录。
图16是基于可变形模型网络的记录。
图17是M-模式记录。
图18是基于可变形模型网络的记录。
图19是子宫内压记录。
图20是M-模式记录。
图21是基于可变形模型网络的记录。
图22是M-模式记录。
图23是基于可变形模型网络的记录。
图24是子宫内压记录。
图25是M-模式记录。
图26基于可变形模型网络的记录。
图27是M-模式记录。
图28是基于可变形模型网络的记录。
图29是子宫内压记录。
图30是M-模式记录。
图31基于可变形模型网络的记录。
图32是子宫内压记录。
同样的参考符号在不同的图中指示同样的元件。
发明详述
子宫收缩活动,子宫感受性的一个关键组分,已被证明影响辅助生殖疗法(ART)患者中的怀孕率。已经证明,催产素/血管加压素V1A拮抗剂在动物模型中促进移植。在人胚胎移植受者中,预期此种治疗减少收缩并且提高怀孕率。
胚胎移植(ET)程序是影响IVF-ET治疗成功率的独立因素。为了是有效的,理想地,其应当是非侵入式的。当考虑以下事实时这尤其重要:据信高雌激素的子宫环境促进子宫肌层催产素受体的表达,并且因此潜在地增加对催产素和其他收缩剂的敏感性。已经证明,应激源刺激物如胚胎转移期间使用的挟钩,使收缩增加达高达60分钟(Lesny P,HumanReproduction 1998;13(6):1540.)。还证明,子宫颈插入和扩张可能引起子宫收缩(Handler J等,Theriogenology 2003;59:1381.)。因此,在胚胎移植前和期间应当避免任何侵入式程序,包括子宫内压评估。需要有效工具用于在ET前和期间非侵入式测量子宫收缩,其使得潜在药物的评估成为可能。
子宫收缩之前已经通过如上所述的M-模式测量技术监测。虽然是非侵入式的,但是M-模式测量技术具有若干限制。所述限制包括:对子宫的不同尺寸和子宫内膜厚度,图像噪声,呼吸运动等的敏感性。
本发明的实施方案在图像分析方法中使用可变形模型网络,这可以应用于M-模式测量中使用的相同的胶片序列,导致更精确的数据。在本发明的一个实施方案中,与使用M-模式评估的那些相比,基于计算机的可变形模型网络应用提供更加强的、抗噪的和更一致的结果。所述方法提供关于在整个径向横断面中图像结构的整体改变的数据,不仅是单个图像区段(如在M-模式评估中那样)或单个点(如在子宫内压评估中那样)。因此,相对于现有技术,使用可变形模型网络提供更全面且更精确的测量。
在本发明的一个实施方案中,基于计算机的可变形模型网络应用还使得来自表示子宫收缩的图形的原始数据能够用于进一步处理和分析。使用可变形模型网络还自动排除了异常值,并且对图像的技术不稳定性更不敏感地多。本发明的实施方案提供相对值,并且结果不取决于子宫的直径或图像的放大率。
子宫成像的可变形模型方法,如基于计算机的可变形模型网络应用还描绘收缩的幅度。信号的统计学处理还允许计算曲线下面积以反映收缩的强度。子宫内压(IUP)记录和周线摄影室(Snake Studio)测量之间的差异可以归因于以下事实,即在子宫的单个点处测量IUP,这与由周线摄影室提供的全面评估相反。IUP不仅取决于子宫肌层收缩的强度,还取决于腹内压,呼吸运动,导管的放置,以及最终,子宫内膜的状态和厚度。因此,不可能将使用IUP记录的子宫内压变化与通过基于计算机的可变形模型网络应用测量的那些直接比较(即,子宫内膜的不连续的结构变化可以被联系到明显的IUP变化,或相反地)。然而,可变形模型网络方法提供可以被认为是优于IUP的记录,就其提供更全面的数据而言。
使用志愿患者并且同时采用IUP和超声评估,使得可能比较两种类型的记录。已经显示的是,与子宫内压相比,基于计算机的可变形模型网络应用是高度一致的。其尤其可以用于M-模式提供不一致或不确定的数据的情况中。已经证明,该方法提供相对于M-模式记录的优点。
例如,可变形模型网络提供关于在整个径向横断面中图像结构的整体变化的数据,从而导致与M-模式方法分析相比更全面和精确的测量,M-模式方法分析不提供手段用以分割整个子宫,而仅是存在于使用者指定的相交处(intersection)内的上部和下部边界。可变形模型还提供关于整个器官的测量并且对于声图描计法中的可变放大率较不敏感,而M-模式记录对于尺寸是敏感的(即绝对幅度将取决于图像尺寸)。可变形模型不要求对记录的材料的任何操作,而M-模式记录可能需要胶片序列的转换和操作。并且,M-模式记录不允许以与可变形模型相同的方式排除伪像。
另外,来自子宫收缩的图形表示的原始数据支持在可变形模型网络中的进一步处理和分析,而M-模式方法不允许自图形数据的进一步分析。可变形模型还允许计算表现子宫收缩活动的统计信息;对于身体移动和其他图像不稳定性不敏感,更独立于子宫的可视化,并且对于信号噪声较不敏感。
为了克服子宫收缩监测的基于M-模式表示的程序包的缺点,本发明的实施方案使用基于可变形物体框架进行成像的全面方法,所述方法产生极大增强并且更有用的输出。可变形模型(也被称为“周线(snakes)”)于1988年被引入,(参见,Kass M.,Witkin A.和Terzopooulos,International Journal ofComputer Vision;1988;1(4):321)。
可变形模型已经成为用于图像分析的有力方法,其在使用中具有若干变量。这样的图像被表征为多种的提取的对象,例如噪声,由于获取方法所致的伪像,不一致的对象边界,空间亮度变化等。可变形模型能够减小这些讹误的影响以提供更强且精确的分割。这通常允许排除人工分割,人工分割作为一种方法是费力的,不可重复的并且-由于存在基于人的误差-通常是不可靠的。虽然人因素对于监控方法仍然是必要的,但是使用可变形模型,大部分前述问题得以克服。极大地得益于可变形对象的其他区域是运动跟踪;所述模型可以自然地扩大以适应随时间的形状变化。
这种新方法是首先由Liang,McInerey和Terzopolous在2006年在Medical Image Analysis(医学图像分析)中提出的被称为“统一的周线(United Snakes)”的框架(Liang等,Medical Image Analysis 2006;10(2):215-233)和由Gunn和Nixon在1997年提出的被称为“双活动轮廓(Dual Active Contour)”的方法(Gunn SR和Nixon MS,IEEE Transactions onPattern Analysis and Machine Intelligence Archive 1997;19(1):63)的结合。所述方法被微调并且使用一组图像过滤工具以解决需要视频序列展示的具体问题。此外,其能够自不同的图像和视频序列提取多种对象。
在本发明的实施方案中,二维可变形模型由闭合曲线表示。初始的两个周线由操作者置于图像中,一个在要被提取的对象(子宫内膜)外,另一个在其内。不需要在边界附近放置初始的周线,唯一的约束条件是周线不能穿过它们。施用相反的力以使周线相向移动,这之后,允许其在其他具体的力之下变形。一个力被称为扣留(intern)并且其目的是保持所需的形状。通过调整此力,操作者可以使得周线表现得像是刚性杆,或软绳,或这两个极端之间的任何程度的展性。第二个力被称为“外部的(external)”,并且这确定图像数据(例如亮度变化)如何影响周线。周线在指定的力下变形以达到适合图像的可能的最低的能级,由此允许保持所需的形状。
利用关于要被提取的对象的先验信息进行分割,这是被大部分其他分割方法所省略的。基本上,周线的行为方式类似于人脑。脑具有关于对象位置和形状的总体概念,其然后通过使模型适应于可用的图像数据来将所述对象位置和形状的总体概念转化为具体图像。对象的一些区域与亮度变化重叠并且被接受,而其他区域如果导致被认为是不能接受的形状,则被忽略。周线分割可以被认为是非常类似的过程。先验模型被嵌入在图像中并且与低水平数据一起配合从而产生精确结果。此外,存在确定对象的输出特性的高次约束条件。例如,周线可以被设定成形成将更少地受噪声及其他伪像影响或能够更精确地拟合图像数据的刚性对象。
在识别所述对象后,计算一组统计信息。然后将周线移开(达预定的距离)并且再次在随后的帧上放松(如果连续的数帧区别略微,则可以跳过一些帧)。
使用反映子宫内膜形状和图像结构(texture)的动态变化(包括在收缩期间发生的变化)的统计信息的组合,评估子宫收缩活动。收缩出现概率(Contractility Presence Probability,CPP)值可以在0(缺少子宫收缩)至1000(基于数学模型的模拟的子宫收缩)的范围内。
包括在基于计算机的可变形模型网络应用内的统计信息模块试图将一组预定义的统计信息与"模型/理想收缩模式"匹配,其被认为反映在收缩的不同阶段形状(尤其是子宫沿模型的厚度)和结构(其在局部流动还是均匀分布)如何变化。如果沿整个时间线统计信息都准确地遵循模型收缩,则视频得分为100(从未发生),对于不变的形状和结构-得分为0。存在后处理步骤以排除异常值并且在小的时帧内"平均统计数字"(以消除小的帧间不一致性)。
所述方法足够快速从而能够实时进行并且相对易于解析。其还可能标记不同类型的收缩(其本身具有相当的值)。为了使该方法较易于用作子宫收缩工具,可以建立默认设定的轮廓,从而仅将周线的初始化留给使用者,这是简单的并且与基于M-模式超声的方法的初始化相比并不更复杂。另一个重要的优点在于基于计算机的可变形模型网络应用提供更高水平的输出数据,这简化了解析并且呈现了子宫收缩活动的更具细节的图像;这是一个在子宫收缩活动导致图像结构变化而不影响子宫内膜形状的情况中具有显著重要性的因素。
所述应用使用Microsoft DirectX技术来访问视频存储器并且处理记录的视频帧,之后将其呈现在屏幕上。所述应用提供的工作环境是可定制的和灵活的,并且由可以进行不同操作的模块组成:
·格式性质-显示关于视频文件格式和性能统计的信息
·回放性质-准许访问回放速率和尺寸选项
·预处理过滤器-允许将不同的图形过滤器应用于图像
·周线性质-准许访问周线参数
·周线坐标-显示周线节点的坐标
·时间线分析-提供手段用以在视频时间线上标记所关心的间隔
·时间线图-显示周线统计信息如何随时间变化。
这些模块允许分割的几乎所有方面受独立控制并且可以用于过滤图像并且调整周线以配合新类型的视频。
实时地进行分析,并且将其由快速生成的统计信息图可视化。所述应用还提供许多其他特征,例如视频窗滚动,单帧步,帧捕获,控制控制信息的α通道以及以视频坐标显示光标位置的能力。
由连续帧之间的相对轻微的差异导致的冗余度可以通过指定重新计算周线位置的速率来避免。这使得能够产生反映表示子宫收缩的子宫内膜图像中的扰动的图形数据。
所述方法被设计成用作半诊断工具,所述工具提供对结果的快速获取并且可以用于确定子宫收缩活动和对药物的需要。
实施例
为了证实基于计算机的可变形模型网络应用方法,提出临床研究以提供本方法相对于子宫内压测量的交叉验证。所述研究涉及经历受控的卵巢刺激并且志愿参与模拟(mock)胚胎移植(模拟ET)和子宫内压评估的患者。所有志愿者都经历了受控的卵巢刺激并且具有模拟ET。虽然最初,包括的患者中的刺激周期被设计成治疗周期,但是在所有情况中,进行进一步治疗都是不可能的,这是由于加剧的卵巢反应或受精失败。在同意所述程序后,患者接受标准黄体素支持(200mg tid的微粉化的黄体酮,经阴道)。在卵母细胞收集后2天或在未开始卵母细胞收集的人中施用hCG后2天+36小时进行模拟ET和超声扫描。开始在两名经期志愿者中的评估以用于验证可变形模型网络在具有相对薄的子宫内膜的情况下的适用性。
采用以下方法。每个患者具有在进行IUP测量前记录的径向子宫横断面的声图描计法胶片序列。接下来,在移除阴道探头并且放置具有侧通路的窥镜后,根据经腹部的扫描,将载有Micro Tip压力导管SPC 330的Labotect Embryo Transfer Catheter(Millar Instruments,US)的外片引入到子宫中并置于子宫峡部中。随后,在固定ET导管后,将窥镜小心地移除并再次将经阴道的探头小心地引入到阴道内。Labotect导管和子宫内压导管的外壳的弹性使得我们能够小心地移除窥镜并且再次引入超声阴道探头。在确认导管的放置后,开始子宫内压的测量,并且同时进行声图描计法扫描记录。
通过使用优良且柔软的子宫内压导管,整个程序类似于模拟ET。ET导管的末端被放置成就在内部的子宫颈口后,并且IUP导管被引入到子宫内1.5cm,但是不触及底部,因为这本身会引起收缩和有偏差的记录。一般,整个子宫内压测量的时间被限制到小于10分钟。未将其与患者的任何显著不适相关联,然而,由于子宫内感染的潜在风险,在转移后,开出5天强力霉素(100mg bid)的预防措施。在处理前,所有患者都提供了对于所述程序的书面同意。没有观察到有害作用。
使用以下设备:
子宫内压测量:
-微末端导管(Micro Tip Catheters)型号SPC 330–被批准用于人的柔软的聚氨酯导管,French尺寸3(0.9mm),安装在末端的压力传感器(MillarInstruments Inc.,US)。
-胚胎移植导管(Embryo Transfer Catheters)–(Labotect GmbH,Germany)
-Power Lab 2000数据采集系统(Millar Instruments Inc.,US)。
-用于Windows数据采集软件的Chart 5(ADInstruments,US)
-PC计算机
扫描
-Aloka SSD 1700扫描仪,具有7.5Mhz扇形阴道2d探头
-Sony摄像机
-Pinnacle Studio视频处理程序包
声图描计法胶片序列的分析
-用于数据采集的PC计算机工作站
-用于评估子宫收缩的Snake Studio程序包
-M-模式测量程序包(产生子宫收缩的M-模式图形的专门制作的操作程序包)
结果的格式
-子宫内压的测量–Chart v 5.5.9图形
-子宫收缩的M-模式评估–显示子宫内膜界面移动的图形
-子宫收缩的可变形模型网络评估-显示随时间的收缩出现概率(Contractility Presence Probability,CPP)的图形
结果:
将子宫内压记录与通过Snake Studio记录的CPP记录和M模式记录比较。每名患者的结果分开呈现。
患者SS01
年龄:25
卵泡期早期的生育力特征:FSH 7.4IU/ml;LH 5.5IU/ml;E2 25.9pg/ml;PRL 59ng/ml;T 0.38ng/ml
刺激方案:短效方案,利用布舍瑞林(buserelin),枸橼酸氯米芬(Clomiphene citrate)(50mg,5天)和福特蒙(Fostimon)(50IU,每隔一天–给予3个剂量)
卵巢反应:2个卵泡,16-18mm,触发当天存在于卵巢中
子宫反应:子宫内膜厚度9mm
在COS结束时的雌二醇浓度:296pg/ml
补充数据;在12天的IVF卵巢刺激后取消周期,在同意IUP测量后,患者接受10.000IU的hCG并且开始微粉化的黄体酮直至IUP测量当天(触发后2天+36小时)
图1显示径向子宫横断面的M-模式记录。图2显示基于可变形模型网络的收缩出现概率(CPP)的记录–通过软件计算的量度,其表示子宫收缩。
在M模式方法中,不能识别清晰的收缩(图1)。当通过可变形模型网络进行分析时,采用相同输入数据(相同的超声胶片序列)的记录允许识别总计12次收缩,所述收缩是通过大致在时刻4,33,62,75,110,150,160,175,190,220,230和240处的峰识别的(图2)。
在该患者中,子宫内压导管的放置并非最佳,这不允许具有令人满意质量的记录并且没有压力测量是可用的。
M模式测量实际上不显示可以归因于收缩或明显不同于噪声的变化。Snake Studio测量提供良好品质的信号和测量,其可以被用于对收缩的次数进行计数。此外,与M模式结果形成对比的是,Snake Studio数据是数值格式的并且可以用于统计学分析。M模式提供用于产生超声图像的方法,所述方法使得可能量化收缩的次数,然而,输出是图形文件,其需要进行进一步的费力的分析。
患者SS02
年龄:29
卵泡期早期的生育力特征:FSH 9.8IU/l;LH 3.6IU/l;E2 65.1pg/ml;PRL 29ng/ml;T 0.43ng/ml.
刺激方案:短效方案,利用布舍瑞林;COS:福特蒙150IU/d,5天+美诺孕(Menopur)150IU/d,3天
卵巢反应:10个成熟卵泡
子宫反应:子宫内膜厚度11mm
在COS结束时的实验室测量:雌二醇2807pg/ml;PGS 0,81ng/ml
注释:较差的卵母细胞质量,在ICSI后在所有卵母细胞中都不能受精,在卵母细胞收集后患者同意IUP测量,患者接受10.000IU的hCG和开始微粉化的黄体酮直至IUP测量当天(卵母细胞收集后2天)。
图3显示在放置子宫内导管(模拟胚胎移植)前进行的径向子宫横断面的M-模式记录。在该图上可以识别12次收缩。图4显示使用可变形模型网络分析的相同的信号。使用与M方法相同的输入数据的收缩出现概率(CPP)测量与M模式方法相比允许更精确地识别收缩–在此记录中确认了总计18次收缩(与图3中显示的12次收缩形成对比)。
在上述记录后,直接将子宫内导管插入通过患者的子宫颈并且将其置于子宫腔内。重新开始同时的超声扫描记录和子宫内压记录。图5显示在测量子宫内压时获得的M-模式记录。图6显示通过基于可变形网络的方法使用与M模式记录(显示在图5中)相同的输入数据产生的CPP记录。
图7显示与超声扫描记录同时的子宫内压记录(其分析显示在图5和6中)。子宫内压记录与超声扫描同时获得,通过使用柔软的Labotect胚胎移植导管作为IUP导管的外壳使得这成为可能。在所述扫描上验证IUP导管的合适放置。在子宫内压记录中,在被分析的250秒的区段内,总计识别了19次收缩(图7)。使用Snake Studio,在超声记录上识别了相同数目的收缩(图6)。而M模式检测到12次收缩(图5)。该实施例显示,相比M模式方法,由Snake Studio产生的结果更精确。
子宫内压值和CPP值(由可变形模型网络产生)是原始数据文件形式的,这允许对其的进一步分析。在M模式记录的结果中,产生表示子宫内膜界面移动的图像。由所述图像提取数值数据是复杂的和主观性的。另外,考虑到可变形模型网络提供表现子宫内膜的径向横断面的整个区域的变化的数据,其也可以被认为是至少与参比子宫内压记录一样可靠–虽然子宫内压记录提供非常可靠的数据,但是其仅在子宫的单个点处进行其测量。
患者SS03
年龄:31
卵泡期早期的生育力特征:FSH 11.6IU/ml;LH 3.0IU/ml;E2 27.2pg/ml;PRL 17.2ng/ml;T 0.47ng/ml.
刺激方案:短效方案,利用达菲林(Diphereline)(0,1mg/天,始于CD1)+150IU福特蒙,在CD 2-10
卵巢反应:4个成熟卵泡
子宫反应:子宫内膜厚度12mm
在COS结束时的雌二醇浓度:576pg/ml
补充数据:最初计划用于IUI,由于多胎妊娠的风险而取消周期。在同意IUP测量后,施用hCG 10.000,4天后进行IUP测量,患者使用屏障避孕直至周期结束,并且没有观察到并发症。
图8显示子宫收缩活动的M-模式记录。图9显示基于与图8所示的M模式记录相同的研究的基于可变形网络的图像参数变化记录。
在该患者中,由于子宫内压的意外断开所致,子宫内压的同时记录不提供结论性的读数。子宫收缩在Snake Studio记录和M-模式记录上被容易地识别到。Snake Studio产生更综合的记录,从而提供更多关于该患者中子宫收缩活动的信息。
患者SS04
年龄:25
卵泡期早期的生育力特征:FSH 4.9IU/ml;LH 2.2IU/ml;E2 53.4pg/ml;PRL 25ng/ml;T 0.44ng/ml
刺激方案:短效方案,利用0.1mg达菲林/天+150IU福特蒙,自CD3至8
卵巢反应:21个成熟卵泡
子宫反应:正常
在COS结束时的雌二醇浓度:E2>3000pg/ml(由于明显的临床图片,未测量准确的浓度);PGS 1.1ng/ml
注释:收回12个卵母细胞,患者决定在该周期中不进行ET(胚胎被冷冻)。在卵母细胞收集后2天进行IUP测量。在卵母细胞收集前36小时施用5000IU的hCG,给予标准黄体素支持,并且在卵母细胞收集2天后进行测量。
图10显示在子宫内压测量前进行的径向子宫横断面的M-模式记录。图11显示基于与图10的M模式记录相同的胶片序列的基于可变形模型网络的收缩出现概率(CPP)的记录。
图12显示在子宫内压测量期间进行的M-模式记录。图13显示基于与图13的M模式记录相同的胶片序列的基于可变形网络的分析。
图14显示子宫内压记录。M-模式记录的质量明显受患者的呼吸运动影响。与M-模式记录相比,Snake Studio记录更耐噪并且更可靠。另外,Snake Studio记录类似于IUP测量,其适当地反映子宫收缩活动。
患者SS05
年龄:21
卵泡期早期的生育力特征:FSH 12.0IU/l;LH 4.4IU/l;E2 78pg/ml;PRL 41.9ng/ml;T 0.64ng/ml.
刺激方案:短效方案,利用布舍瑞林,150IU的福特蒙,10天(CD 3-13)
卵巢反应:两个成熟卵泡
子宫反应:子宫内膜厚度13mm
在COS结束时的雌二醇浓度-291pg/ml,PGS-1,36ng/ml
注释:由于不足的卵巢反应而放弃周期,良好的子宫内膜图片,可识别的子宫收缩,患者在波热尼乐(Pregnyl)施用后志愿进行IUP测量。
图15是模拟胚胎移植期间进行的径向子宫横断面的M模式记录和Snake Studio记录。由于涉及IUP导管的技术故障所致,没有开始子宫内压记录。超声记录为约7分钟持续时间,并且由于技术原因,M-模式图形必须被分成两部分(注意180s-240s段中的垂直的虚线)。M-模式记录允许识别总计10次收缩,而基于可变形模型的方法识别了16次收缩。该图与检测到15次收缩的超声扫描的胶片序列(其被用于M-模式和基于可变形网络的收缩评估两者)的观察一致。由基于可变形模型网络的方法进行的记录显示在图16中。
患者SS06
年龄:43
处于经期的志愿患者在超声图像记录的同时测量IUP。
补充数据:在检查超声记录的同时,子宫收缩是可识别的。IUP记录显示强烈的子宫收缩活动。
图17显示与子宫内压测量同时取得的M-模式记录。其允许识别3次收缩。要注意,在此例中,收缩的可视化相当复杂,有可能是由于薄的子宫内膜。图18显示通过基于可变形模型网络的方法评估的子宫收缩活动记录。其允许识别5次收缩,这与图19中所示的子宫内压测量一致。应用可变形模型网络允许准确地识别收缩,其是可与参比的子宫内压的侵入式方法相比的。形成对比的是,M-模式记录产生非结论性结果。相反地,Snake Studio证明其能够提供关于子宫收缩的有意义的数据,即使是基于较差质量图像(薄的子宫内膜)。
患者SS07
年龄:28
卵泡期早期的生育力特征:FSH 4.4IU/ml;LH 2.8IU/ml;E2 32.7pg/ml;PRL 48ng/ml;T 0.41ng/ml
刺激方案:短效方案,利用布舍瑞林;福特蒙150IU/d 5天+美诺孕150IU/d 3天
卵巢反应:10个成熟卵泡,HOSS的显著风险
子宫内膜反应:良好,子宫内膜厚度11mm
在COS结束时的雌二醇浓度:4243pg/ml;PGS 1.24ng/ml
注释:由于OHSS的风险而不进行ET。在卵母细胞收集后2天进行IUP测量,收集5个COC,2个达到胚泡期并且被冷冻保存。施用标准黄体素支持直至IUP测量。
图20显示在子宫内压测量(模拟胚胎移植)前进行的径向子宫横断面的M-模式记录。患者的呼吸运动产生关于超声的相当嘈杂的“信号”。因此,在图20中所示的M模式测量中,没有收缩可以被识别。图21显示基于与图20中所示的相同的源数据进行的子宫内膜界面的图像参数(收缩出现概率,CPP)测量的变化的基于可变形模型网络的记录。在该分析中,子宫收缩活动可以区别显示。
图22显示子宫内压测量(模拟胚胎移植)期间进行的M-模式记录。由于高水平的噪声(呼吸运动),没有收缩可以被识别。
图23显示与子宫内压测量同时进行的基于可变形网络的记录。其允许识别11次收缩。图24显示与用于图22和23中显示的分析的超声扫描记录同时进行的子宫内压记录。其允许识别总计11次收缩,正如基于可变形模型的方法。可变形模型网络表现为优于M-模式记录,M-模式记录不提供关于子宫收缩活动的有意义的信息。图20和22是M模式方法对噪声信号的较高敏感性的实例。在该具体实例中,患者呼吸运动导致整个器官(子宫)移动,这影响使用该方法产生的图像的质量。如可以注意到的,Snake Studio方法产生可能解释为子宫收缩的结果。如图24中进一步显示的,仅由Snake Studio产生的记录可与子宫内压变化相比。应用前述方法产生与客观的子宫内压测量相同的收缩次数。在该例子中,M模式方法显示对噪声敏感并且其没有产生可以被进一步分析的结果。
患者SS08
年龄:28
卵泡期早期的生育力特征:FSH 12,4IU/ml;LH 2,0IU/ml;E2 15,2pg/ml;PRL 24ng/ml;T 0,62ng/ml
刺激方案:短效方案,利用0,1mg达菲林/天+300IU福特蒙自CD5至11
卵巢反应:1个卵泡生长
子宫内膜反应:良好,子宫内膜厚度10mm
在COS结束时的雌二醇浓度:319pg/ml,PG 0,75ng/ml
注释:由于不足的卵巢反应而放弃周期,进行IUP测量。
图25显示在插入子宫内压导管(模拟胚胎移植)前进行的径向子宫横断面的M-模式记录。图26显示子宫内膜界面的图像参数(收缩出现概率,CPP)的变化的基于可变形模型网络的记录。该图使用与图25中所示的相同的源数据构建。图27显示模拟胚胎移植期间进行的M-模式记录。图28显示模拟胚胎移植期间进行的子宫内膜界面测量的图像参数变化的基于可变形网络的记录。图28显示模拟胚胎移植期间进行的子宫内压的测量。变化由收缩出现概率的变化反映。在图2中所示的M模式记录中,可能的是在记录的头120秒内识别4次收缩。噪声信号使得不可能进一步识别收缩。然而,在基于可变形模型网络的方法中,可能自相同的信号提取更多的信息并且识别8次收缩。相似的收缩次数由子宫内压测量进一步确认(图29)。类似地,当在模拟胚胎移植期间进行基于超声的对子宫收缩的评估时,在M模式中不可能识别收缩。基于可变形模型网络的方法提供9次收缩的识别。仅Snake Studio记录可与子宫内压变化相比。基于可变形模型网络的程序包提供的结果与由M-模式记录产生的结果相比更精确并且更容易定义。
患者SS09
年龄:42
处于经期的志愿患者在超声图像记录的同时测量IUP。
补充数据:在检查超声记录的同时,子宫收缩是可识别的。IUP记录显示强烈的子宫收缩活动。
图30显示模拟胚胎移植期间进行的M-模式记录。图31显示模拟胚胎移植期间进行的子宫内膜界面测量的图像参数变化的基于可变形网络的记录。图32是子宫内压(IUP)和CPP的记录的比较。CPP记录使用由Snake Studio产生的原始数据文件的分析进行。使用Graph Pad Prism程序包来实时地产生CPP变化的图形。缺乏合适的子宫内膜厚度使得In-模式评估是非结论性的。在反映子宫内压的变化方面,Snake Studio图明显更好。
图29显示子宫收缩的M模式记录,其是不清楚的,并且任何收缩存在的确定是复杂的/有争议的。形成对比的是,图30中所示的基于相同超声序列的Snake Studio记录显示表示子宫收缩的CPP的可见且显著的变化,这更好地对应于子宫内压变化,如图31中所示。总之,对于这组数据,基于可变形模型网络的程序包提供的结果与由M-模式记录产生的结果相比更精确并且更易定义。
如上所述,本发明的实施方案提供子宫收缩活动的清晰表示。这可以用于胚胎移植程序,其中子宫收缩活动通过施用催产素拮抗剂来控制。催产素拮抗剂可以是任何催产素拮抗剂,如但不限于阿托西班或巴芦西班。阿托西班是一款在欧洲出售的Ferring产品阿托西班被描述于欧洲专利号EP 0112809中,该专利题为加压催产素衍生物(VasotocinDerivatives),其通过引用结合于此,并且被包括在此临时申请中作为附件1。巴芦西班被描述于PCT公布号WO 1998/027636和WO 2006/121362中,这两者通过引用结合于此,并且被包括在此临时专利申请中分别作为附件2和3。
催产素拮抗剂也被用于延迟早产。例如,在延迟或预防早产的方法中,以三次推注施用阿托西班,并且目标子宫成像方法可以有助于确定在早产中是否以及何时施用第一剂推注。在本发明的实施方案中,通过如上所述确定子宫收缩的频率和强度来诊断早产。施用阿托西班以减慢或终止收缩从而防止早产。阿托西班可以三剂施用。可以这样施用阿托西班:第一次注入是在一分钟内的0.9ml静脉内推注,剂量为6.75mg;第二次注入是在三小时内的24ml/小时的静脉内加载,剂量为18mg/小时;并且,第三次注入是经由8ml/小时的静脉内输注,剂量为6mg/小时。
将被理解的是,巴芦西班也可以用于防止,减慢或终止未到时候的子宫收缩活动。
本说明书中描述的主题和操作的实施方案可以在数字电子电路中,或在计算机软件,固件或硬件中实施,包括本说明书中公开的结构及其结构等效物,或在其中的一个或多个的组合中实施。本说明书中描述的主题的实施方案可以作为一个或多个计算机程序来实施,即作为计算机程序指令的一个或多个模块,其被编码在计算机存储介质上用于由数据处理装置执行,或用于控制数据处理装置的运行。
备选地或此外,程序指令可以被编码在人工生成的传播信号上,例如,在机器生成的电信号、光信号或电磁信号上,生成所述信号以编码用于传递到合适接收装置的信息以用于由数据处理装置执行。计算机存储介质可以是计算机可读存储设备,计算机可读存储基质,随机或串行存取存储器阵列或设备,或其中一个或多个的组合,或被包括在其中。此外,虽然计算机存储介质不是传播的信号,但是计算机存储介质可以是在人工生成的传播信号中编码的计算机程序指令的源或目的地。计算机存储介质也可以是,或被包括在,一个或多个单独的物理部件或介质(例如,多个CD,磁盘或其他存储设备)。本说明书中描述的操作可以被执行成由数据处理装置在存储在一个或多个计算机可读存储设备上或接收自其他源的数据上进行的操作。
术语“数据处理装置”包括用于处理数据的所有类型的装置,设备和机器,包括例如,可编程处理器,计算机,单片系统,或上述中的多个或其组合。所述装置可以包括专用逻辑电路,例如,FPGA(现场可编程门阵列)或ASIC(特定用途集成电路)。除了硬件以外,所述装置还可以包括为所述计算机程序生成执行环境的代码,例如,构成处理器固件,协议栈,数据库管理系统,操作系统,跨平台运行期环境,虚拟机,或其中一个或多个的组合的代码。所述装置和执行环境可以实现多种不同的计算模型基础结构,如网络服务,分布式计算和网格计算基础结构。
计算机程序(也被称为程序,软件,软件应用,脚本或代码)可以任何形式的编程语言书写,所述编程语言包括已编译的或解释语言,说明性或过程语言,并且其可以任何形式配置,包括作为独立程序或作为模块,部件,子例程,目标,或适用于计算环境的其他元件。计算机程序可以,但不需要,对应于文件系统中的文件夹。程序可以被存储在盛放其他程序或数据(例如,在置标语言文档中存储的一个或多个脚本)的文件的部分中,在指定用于所述程序的单个文件中,或在多个并列的文件(例如,存储一个或多个模块,子程序或代码的部分的文件)中。计算机程序可以被配置成在一个计算机上或在位于一个位置或分布在多个位置并且通过通讯网络互连的多个计算机上执行。
本说明书中描述的方法和逻辑流程可以通过执行一个或多个计算机程序的一个或多个可编程处理器来进行,从而通过在输入数据上操作和生成输出来执行动作。方法和逻辑流程也可以由专用逻辑电路,例如,FPGA(现场可编程门阵列)或ASIC(特定用途集成电路)来执行,并且装置也可以被实施成专用逻辑电路,例如,FPGA(现场可编程门阵列)或ASIC(特定用途集成电路)。
适用于执行计算机程序的处理器包括,例如,通用及专用微处理器,以及任何类型的数字计算机的任何一种或多种处理器。通常,处理器将自只读存储器或随机存取存储器或两者接收指令和数据。计算机的必要元件是用于根据指令执行动作的处理器和用于存储指令和数据的一个或多个存储器设备。通常,计算机将还包括以下各项,或被可操作地连接以自以下各项接收数据或将数据传递到以下各项:一个或多个用于存储数据的大容量存储设备,例如,磁盘,磁光盘或光盘。然而,计算机不需要具有此种设备。此外,计算机可以被嵌入到另一个设备中,所述设备例如移动电话,智能电话,桌上设备,个人数字助理(PDA),移动音频或视频播放器,游戏主机,全球定位系统(GPS)接收器,或便携存储设备(例如,通用串行总线(USB)快速驱动器),等等。适用于存储计算机程序指令和数据的设备包括所有形式的非易失性存储器,介质和存储设备,包括例如半导体存储设备,例如,EPROM,EEPROM,和闪存设备;磁盘,例如,内部硬盘或可移动磁盘;磁光盘;以及CD ROM和DVD-ROM磁盘。处理器和存储器可由专用逻辑电路补充或与被整合到其中。
为了提供与使用者的交互,本说明书中描述的主题的实施方案可以在这样的计算机上实施,所述计算机具有用于向使用者显示信息的显示设备,例如CRT(阴极射线管)或LCD(液晶显示器)监视器,以及键盘和指示设备,例如,鼠标或跟踪球,通过其使用者可以向计算机提供输入。也可以使用其他类型的设备来提供与使用者的交互;例如,提供给使用者的反馈可以是任何形式的感觉反馈,例如,视觉反馈,听觉反馈,或触觉反馈;并且来自使用者的输入可以任何形式被接收,包括声音,语音或触觉输入。此外,计算机可以通过将文件发送至使用者使用的设备以及自其接收文件来与使用者进行交互;例如,通过发送网页至使用者的客户设备上的网络浏览器以响应于接收自网络浏览器的请求。
本说明书中描述的主题的实施方案可以在这样的计算系统中实施,所述计算系统包括后端部件,例如,数据服务器,或包括中间件部件,例如,应用服务器,或包括前端部件,例如,具有图形用户界面或网络浏览器的客户计算机,使用者通过所述图形用户界面或网络浏览器可以与本说明书中所述的主题的实施方案交互,或所述后端,中间件或前端部件中的一个或多个的任意组合。所述系统的部件可以通过任何形式或介质的数字数据通讯(例如,通讯网络)互连。通讯网络的实例包括局域网(“LAN”)和广域网(“WAN”),互联网(例如,Internet),和对等网络(例如,ad hoc对等网络)。
所述计算系统可以包括客户和服务器。客户和服务器通常彼此远离并且典型地通过通讯网络交互。客户和服务器的关系依靠在相应的计算机上运行的并且彼此具有客户-服务器关系的计算机程序产生。在一些实施方案中,服务器发送数据(例如,HTML页面)至客户设备(例如,为了向与客户设备交互的使用者显示数据并且自其接收用户输入)。在客户设备处产生的数据(例如,用户交互的结果)可以接收自服务器处的客户设备。
虽然本说明书包含许多具体实施方案细节,这些不应当被视为对任何发明或可能要求保护的范围的限制,而是应当被视为对具体发明的具体实施方案的特定特征的描述。在本说明书中在分开的实施方案的语境中描述的某些特征也可以在单个实施方案中被组合地实施。相反地,在单个实施方案的语境中描述的多个特征也可以在多个实施方案中单独地或以任何合适的子组合实施。此外,虽然特征在以上可以被描述为以某些组合作用并且甚至最初如此要求保护,但是来自要求保护的组合一个或多个特征在一些情况下可以自所述组合去除,并且要求保护的组合可以指向子组合或子组合的变化。
类似地,虽然在附图中操作被以特定次序描绘,这不应当被理解为要求所述操作以显示的特定次序执行或顺序执行,或要求执行所有显示的操作,以实现所需的结果。在某些情况下,多任务和并行处理可能是有利的。此外,上述实施方案中的多种系统部件的分开不应当被理解为在所有实施方案中都要求这样分开,并且应当理解,描述的程序部件和系统通常可以在单个软件产品中被集成在一起或被打包在多个软件产品中。
因此,已经描述了主题的具体实施方案。其他实施方案在以下权利要求的范围内。在某些情况中,权利要求中列出的操作可以不同次序执行并且仍然获得所需的结果。此外,附图中描绘的过程不一定需要显示的特定次序或顺序才能实现所需的结果。在某些实施方案中,多任务和并行处理可以是有利的。
本文中公开或讨论了以下文献和出版物,并且其作为附件完整地结合:
附件1:欧洲专利号EP 0112809,“加压催产素衍生物(VasotocinDerivatives)”
附件2:Fanchin R.Human Reproduction 1998;13(7):1968
附件3:Lesny P,Human Reproduction 1998;13(6):1540
附件4:Handler J等.Theriogenology 2003,59:1381
附件5:Kass M,Witkin A.,以及Terzopooulos,International Journal ofComputer Vision;1988;1(4):321
附件6:Liang等,Medical Image Analysis 2006;10(2):215-233
附件7:Gunn SR和Nixon MS,IEEE Transactions on Pattern Analysisand Machine Intelligence Archive 1997;19(1):63。
已经描述了本发明的一些实施方案。然而,将被理解的是,可以在不背离本发明的实质和范围的情况下进行多种改进。因此,其他实施方案在以下权利要求的范围内。
Claims (23)
1.计算机执行的方法,所述方法包括:
记录目标子宫在一段时间内的超声图像,
使用可变形模型网络分析所述图像以识别子宫收缩,并且
以图形格式显示子宫收缩。
2.权利要求1的计算机执行的方法,其中:子宫收缩被确定为在0至15次收缩/分钟的频率范围内。
3.胚胎移植方法,所述方法包括:
自目标患者收集一个或多个卵子;
给所述患者提供黄体素支持;
使所述一个或多个卵子受精以提供可存活的胚胎;
通过记录子宫收缩的图像并且使用可变形模型网络评估所述图像,将所述患者中的子宫收缩定性;
降低收缩的水平至4次收缩/分钟以下;
将所述胚胎转移到所述子宫;
继续黄体素支持。
4.权利要求3的方法,其中给所述患者提供黄体素支持的步骤包括施用微粉化的黄体酮。
5.权利要求4的方法,其中继续黄体素支持的步骤包括施用微粉化的黄体酮。
6.权利要求3的方法,其中降低子宫收缩的水平至4次收缩/分钟以下的步骤包括施用催产素拮抗剂。
7.权利要求6的方法,其中所述催产素拮抗剂是阿托西班或巴芦西班。
8.计算机执行的分析子宫图像的方法,所述方法包括:
记录在一段时间内的子宫图像;
设定用于可变形模型网络的基准轴;
设定环绕目标子宫的子宫内膜的外周线;
设定在目标子宫的子宫内膜内的内周线;
应用一个或多个图像滤波器以增强一个或多个所关心的特征;
放松所述周线直至两者在子宫内膜周界处相会;
在用户显示器上显示所述记录和周线移动。
9.用于确定患者对胚胎移植的敏感性的诊断方法,所述方法包括:
使用计算机执行的方法测量子宫收缩活动,所述计算机执行的方法进一步包括;
记录在一段时间内的超声子宫图像;
设定用于可变形模型网络的基准轴;
设定环绕目标子宫的子宫内膜的外周线;
设定在目标子宫的子宫内膜内的内周线;
应用一个或多个图像滤波器以增强一个或多个所关心的特征;
放松所述周线直至两者在子宫内膜周界处相会;
在用户显示器上显示所述记录和周线移动;
识别在显示的记录上的子宫收缩活动并且确定此种收缩活动是否在周期和强度的最小或最大范围内。
10.控制子宫收缩活动的方法,所述方法包括:
使用权利要求7的方法识别子宫收缩活动的水平;和
施用催产素拮抗剂。
11.权利要求10的控制子宫收缩活动的方法,其中所述催产素拮抗剂是阿托西班或巴芦西班。
12.用于确定怀孕的哺乳动物中的过早收缩的诊断方法,所述方法包括:
使用计算机执行的方法测量子宫收缩活动,所述计算机执行的方法进一步包括;
记录在一段时间内的超声子宫图像;
设定用于可变形模型网络的基准轴;
设定环绕目标子宫的子宫内膜的外周线;
设定在目标子宫的子宫内膜内的内周线;
应用一个或多个图像滤波器以增强一个或多个所关心的特征;
放松所述周线直至两者在子宫内膜周界处相会;
在用户显示器上显示所述记录和周线移动;
识别在显示的记录上的子宫收缩活动;和
确定此种收缩活动是否在周期和强度的最小或最大范围内。
13.控制哺乳动物中过早收缩的方法,所述方法包括:
使用权利要求10的方法识别子宫收缩活动的水平;和
施用催产素拮抗剂。
14.权利要求11的方法,其中所述催产素拮抗剂是巴芦西班。
15.权利要求11的方法,其中所述催产素拮抗剂是阿托西班。
16.权利要求13的方法,其中所述阿托西班以三个剂量施用。
17.权利要求13的方法,其中这样施用阿托西班:第一次注入是在一分钟内的0.9ml静脉内推注,剂量为6.75mg;第二次注入是在三小时内的24ml/小时的静脉内加载,剂量为18mg/小时;并且,第三次注入是经由8ml/小时的静脉内输注,剂量为6mg/小时。
18.用于分析子宫图像的系统,所述系统包括:
数据处理装置,所述数据处理装置被配置成分析记录的在一段时间内获取的目标子宫的超声图像,其中所述数据处理装置被配置成使用可变形模型网络分析所述图像,所述数据处理装置被配置成执行以下步骤:
设定用于所述可变形模型网络的基准轴;
设定环绕所述目标子宫的子宫内膜的外周线;
设定在所述目标子宫的子宫内膜内的内周线;
应用一个或多个图像滤波器以增强一个或多个所关心的特征;
放松所述周线直至两者在子宫内膜周界处相会;
在用户显示器上显示所述记录和周线移动。
19.用于检测子宫收缩的系统,所述系统包括:
超声装置,所述超声装置用于对子宫进行成像;
数据记录装置,所述数据记录装置用于记录在一段时间内的超声子宫图像;
数据处理装置,所述数据处理装置被配置成使用可变形模型网络分析记录的图像以识别子宫收缩;和
显示装置,所述显示装置用于以图形格式显示子宫收缩。
20.权利要求19的用于检测子宫收缩的系统,其中所述数据处理装置被配置成执行以下步骤:
设定用于所述可变形模型网络的基准轴;
设定环绕子宫的子宫内膜的外周线;
设定在子宫的子宫内膜内的内周线;
应用一个或多个图像滤波器以增强一个或多个所关心的特征;
放松所述周线直至两者在子宫内膜周界处相会;和
在所述显示装置上显示所述记录和周线移动。
21.被布置成用于分析子宫图像的系统,所述系统包括:
数据处理装置,所述数据处理装置被配置成分析记录的在一段时间内获取的目标子宫的超声图像,其中所述数据处理装置被配置成使用可变形模型网络分析所述图像,所述数据处理装置被配置成执行以下步骤:
设定用于所述可变形模型网络的基准轴;
设定环绕目标子宫的子宫内膜的外周线;
设定在目标子宫的子宫内膜内的内周线;
应用一个或多个图像滤波器以增强一个或多个所关心的特征;
放松所述周线直至两者在子宫内膜周界处相会;
在用户显示器上显示所述记录和周线移动。
22.被布置成用于检测子宫收缩的系统,所述系统包括:
超声装置,所述超声装置用于对所述子宫进行成像;
数据记录装置,所述数据记录装置用于记录在一段时间内的超声子宫图像;
数据处理装置,所述数据处理装置被配置成使用可变形模型网络分析记录的图像以识别子宫收缩;和
显示装置,所述显示装置用于以图形格式显示子宫收缩。
23.权利要求19的被布置成用于检测子宫收缩的系统,其中所述数据处理装置被配置成执行以下步骤:
设定用于所述可变形模型网络的基准轴;
设定环绕子宫的子宫内膜的外周线;
设定在子宫的子宫内膜内的内周线;
应用一个或多个图像滤波器以增强一个或多个所关心的特征;
放松所述周线直至两者在子宫内膜周界处相会;和
在所述显示装置上显示所述记录和周线移动。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US201261729870P | 2012-11-26 | 2012-11-26 | |
US61/729,870 | 2012-11-26 | ||
PCT/EP2013/074712 WO2014080032A1 (en) | 2012-11-26 | 2013-11-26 | Method and system for diagnosing uterine contraction levels using image analysis |
Publications (2)
Publication Number | Publication Date |
---|---|
CN104812314A true CN104812314A (zh) | 2015-07-29 |
CN104812314B CN104812314B (zh) | 2017-05-31 |
Family
ID=49726719
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201380061298.0A Expired - Fee Related CN104812314B (zh) | 2012-11-26 | 2013-11-26 | 使用图像分析诊断子宫收缩水平的方法和系统 |
Country Status (7)
Country | Link |
---|---|
US (1) | US20160278688A1 (zh) |
EP (1) | EP2922475A1 (zh) |
JP (1) | JP2016503324A (zh) |
CN (1) | CN104812314B (zh) |
CA (1) | CA2892000A1 (zh) |
HK (1) | HK1213454A1 (zh) |
WO (1) | WO2014080032A1 (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109875556A (zh) * | 2019-03-05 | 2019-06-14 | 广州爱听贝科技有限公司 | 一种智能临产监测系统 |
CN112704517A (zh) * | 2021-02-02 | 2021-04-27 | 深圳华声医疗技术股份有限公司 | 子宫内膜蠕动超声图像处理方法、系统、设备及存储介质 |
Families Citing this family (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP2845850A1 (en) | 2013-09-10 | 2015-03-11 | ObsEva S.A. | Pyrrolidine derivatives as oxytocin/vasopressin V1a receptors antagonists |
EP2886107A1 (en) | 2013-12-17 | 2015-06-24 | ObsEva S.A. | Oral formulations of pyrrolydine derivatives |
US9718772B2 (en) | 2014-07-02 | 2017-08-01 | ObsEva S.A. | Crystalline (3Z,5S)-5-(hydroxymethyl)-1-[(2′-methyl-1,1′-biphenyl-4-yl)carbonyl]pyrrolidin-3-one O-methyloxime, and methods of using the same |
ES2716862T3 (es) | 2014-12-22 | 2019-06-17 | Ferring Bv | Terapia con antagonistas del receptor de oxitocina en la fase lútea para la implantación y embarazo en mujeres que se someten a tecnologías de reproducción asistida |
UA127283C2 (uk) * | 2016-07-21 | 2023-07-12 | Обсева С.А. | Спосіб застосування антагоніста окситоцину для сприяння імплантації ембріона і запобігання викидню |
US20200187896A1 (en) * | 2017-06-02 | 2020-06-18 | Samsung Electronics Co., Ltd. | Apparatus and method for assessing uterine parameters |
EP3682416A1 (en) | 2017-09-15 | 2020-07-22 | Technische Universiteit Eindhoven | Two-dimensional and three-dimensional strain mapping for uterine contractions |
KR20200107615A (ko) | 2019-03-08 | 2020-09-16 | 삼성메디슨 주식회사 | 초음파 영상 장치, 그 제어 방법, 및 컴퓨터 프로그램 제품 |
EP4168979A1 (en) * | 2020-06-19 | 2023-04-26 | Technische Universiteit Eindhoven | Quantitative analysis of uterine spatiotemporal motion patterns and coordination |
WO2022260740A1 (en) | 2021-06-10 | 2022-12-15 | Alife Health Inc. | Machine learning for optimizing ovarian stimulation |
KR20230150028A (ko) * | 2022-04-21 | 2023-10-30 | 이희운 | 축우 번식 초음파분석 시스템 |
CN115105682B (zh) * | 2022-06-26 | 2023-08-01 | 广州爱听贝科技有限公司 | 一种连续乳酸监测指导缩宫素使用的方法及系统 |
Family Cites Families (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPS6399844A (ja) * | 1986-10-17 | 1988-05-02 | トーイツ株式会社 | 多胎用胎児監視装置 |
DE9004824U1 (de) * | 1990-04-27 | 1990-08-02 | Hewlett-Packard GmbH, 71034 Böblingen | Wandlerkopf für ein medizinisches Gerät |
US5301680A (en) * | 1992-12-09 | 1994-04-12 | Hygeia Biomedical Research Inc. | Apparatus and method for the diagnosis of labor |
UA65566C2 (uk) * | 1997-05-05 | 2004-04-15 | Тріг Медікал Лтд | Спосіб та пристрій для контролю за перебігом пологів |
WO2008073491A1 (en) * | 2006-12-11 | 2008-06-19 | University Of Florida Research Foundation, Inc. | System and method for analyzing progress of labor and preterm labor |
IT1391829B1 (it) * | 2008-11-21 | 2012-01-27 | C N R Consiglio Naz Delle Ricerche | Apparato basato sugli ultrasuoni per misurare parametri indicatori di avanzamento di un parto |
GB2471667B (en) * | 2009-07-06 | 2011-11-09 | Monica Healthcare Ltd | Monitoring uterine activity |
US9717412B2 (en) * | 2010-11-05 | 2017-08-01 | Gary And Mary West Health Institute | Wireless fetal monitoring system |
-
2013
- 2013-11-26 JP JP2015543466A patent/JP2016503324A/ja active Pending
- 2013-11-26 CA CA2892000A patent/CA2892000A1/en not_active Abandoned
- 2013-11-26 US US14/442,620 patent/US20160278688A1/en not_active Abandoned
- 2013-11-26 CN CN201380061298.0A patent/CN104812314B/zh not_active Expired - Fee Related
- 2013-11-26 WO PCT/EP2013/074712 patent/WO2014080032A1/en active Application Filing
- 2013-11-26 EP EP13802286.8A patent/EP2922475A1/en not_active Withdrawn
-
2016
- 2016-02-05 HK HK16101425.5A patent/HK1213454A1/zh unknown
Non-Patent Citations (3)
Title |
---|
PIERZYNSKI ET AL: "Oxytocin antagonists may improve infertility treatment", 《FERTILITY AND STERILITY》 * |
R.FANCHIN ET AL: "Uterine contractions at the time of embryo transfer alter pregnancy rates after in-vitro fertilization", 《HUMAN REPRODUCTION》 * |
VAN RAAD V: "Active contour models-a multiscale implementation for anatomical feature delineation in cervical images", 《2004 INTERNATIONAL CONFERENCE ON IMAGE PROCESSING》 * |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109875556A (zh) * | 2019-03-05 | 2019-06-14 | 广州爱听贝科技有限公司 | 一种智能临产监测系统 |
CN109875556B (zh) * | 2019-03-05 | 2021-08-31 | 广州爱听贝科技有限公司 | 一种智能临产监测系统 |
CN112704517A (zh) * | 2021-02-02 | 2021-04-27 | 深圳华声医疗技术股份有限公司 | 子宫内膜蠕动超声图像处理方法、系统、设备及存储介质 |
CN112704517B (zh) * | 2021-02-02 | 2021-08-03 | 深圳华声医疗技术股份有限公司 | 子宫内膜蠕动超声图像处理方法、系统、设备及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
JP2016503324A (ja) | 2016-02-04 |
WO2014080032A1 (en) | 2014-05-30 |
EP2922475A1 (en) | 2015-09-30 |
HK1213454A1 (zh) | 2016-07-08 |
CA2892000A1 (en) | 2014-05-30 |
US20160278688A1 (en) | 2016-09-29 |
CN104812314B (zh) | 2017-05-31 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104812314A (zh) | 使用图像分析诊断子宫收缩水平的方法和系统 | |
EP2291136B1 (en) | System for performing biopsies | |
US20180228471A1 (en) | Method and apparatus for analyzing elastography of tissue using ultrasound waves | |
US20140037168A1 (en) | Image processing apparatus, method of controlling the same and storage medium | |
US20130072797A1 (en) | 3d ultrasound apparatus and method for operating the same | |
US11389133B2 (en) | Method and apparatus for follicular quantification in 3D ultrasound images | |
KR102060895B1 (ko) | 의료 영상 생성 방법 및 디바이스 | |
CN106880900A (zh) | 用于自动确定造影剂注射方案的方法 | |
Carlson et al. | Quantitative assessment of cervical softening during pregnancy with shear wave elasticity imaging: an in vivo longitudinal study | |
CN102125444B (zh) | 超声波诊断装置和超声波图像处理装置 | |
CN107789056A (zh) | 一种医学影像匹配融合方法 | |
CN105025807B (zh) | 用来对静止流体池进行识别和定界的扫描 | |
Suthasmalee et al. | Cervical shear wave elastography as a predictor of preterm delivery during 18–24 weeks of pregnancy | |
KR20120032182A (ko) | 객체에 대한 슬라이스 표시 초음파 검사기 및 그 방법 | |
Yabunaka et al. | Three-dimensional ultrasound imaging of the pressure ulcer. A case report | |
Kolb et al. | Shear wave elastography for assessment of muscular abnormalities related to systemic sclerosis | |
CA2668016A1 (en) | Detection of viable sperm using high frequency ultrasonic imaging | |
KR20200058441A (ko) | 인체 조직 준-탄성 계수 및 탄성 측정 방법 및 장치 | |
CN108720870A (zh) | 一种基于超声衰减系数的脂肪肝检测系统 | |
US11547383B2 (en) | Ultrasound imaging apparatus and method of generating ultrasound image | |
Guruvare et al. | Accuracy of 3-D Surface Rendering of 2-D Ultrasound Images of the Uterus Using a Novel Software in Mapping Uterine Fibroids | |
Czajkowska et al. | Biopsy needle and tissue deformations detection in elastography supported ultrasound | |
Ren et al. | Contribution of ventricular motion and sampling location to discrepancies in two-dimensional versus three-dimensional fetal ventricular strain measures | |
US20240225588A1 (en) | Method and Apparatus of Intelligent Analysis for Liver Tumor | |
US12048507B2 (en) | Stroke monitoring |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
EXSB | Decision made by sipo to initiate substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20170531 Termination date: 20171126 |