CN106605226A - 处理未确定的可量化病灶 - Google Patents

处理未确定的可量化病灶 Download PDF

Info

Publication number
CN106605226A
CN106605226A CN201580047325.8A CN201580047325A CN106605226A CN 106605226 A CN106605226 A CN 106605226A CN 201580047325 A CN201580047325 A CN 201580047325A CN 106605226 A CN106605226 A CN 106605226A
Authority
CN
China
Prior art keywords
targeted site
measurement result
undetermined
quantization
classification
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
Application number
CN201580047325.8A
Other languages
English (en)
Inventor
M·塞芬斯特
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Koninklijke Philips NV
Original Assignee
Koninklijke Philips Electronics NV
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Koninklijke Philips Electronics NV filed Critical Koninklijke Philips Electronics NV
Publication of CN106605226A publication Critical patent/CN106605226A/zh
Pending legal-status Critical Current

Links

Classifications

    • 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
    • G16H50/70—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for mining of medical data, e.g. analysing previous cases of other patients
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/05—Detecting, measuring or recording for diagnosis by means of electric currents or magnetic fields; Measuring using microwaves or radio waves 
    • A61B5/055—Detecting, measuring or recording for diagnosis by means of electric currents or magnetic fields; Measuring using microwaves or radio waves  involving electronic [EMR] or nuclear [NMR] magnetic resonance, e.g. magnetic resonance imaging
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/41—Detecting, measuring or recording for evaluating the immune or lymphatic systems
    • A61B5/414—Evaluating particular organs or parts of the immune or lymphatic systems
    • A61B5/418—Evaluating particular organs or parts of the immune or lymphatic systems lymph vessels, ducts or nodes
    • 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]
    • A61B6/032—Transmission 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
    • A61B6/46—Arrangements for interfacing with the operator or the patient
    • A61B6/461—Displaying means of special interest
    • 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
    • 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
    • A61B6/5205—Devices using data or image processing specially adapted for radiation diagnosis involving processing of raw data to produce diagnostic data
    • 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
    • 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
    • G16H30/40—ICT specially adapted for the handling or processing of medical images for processing medical images, e.g. editing
    • 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
    • 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
    • G16H10/00—ICT specially adapted for the handling or processing of patient-related medical or healthcare data
    • G16H10/20—ICT specially adapted for the handling or processing of patient-related medical or healthcare data for electronic clinical trials or questionnaires

Landscapes

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

Abstract

一种病灶跟踪系统(10)，包括：数据接口(12)、计算引擎(18)以及可视化引擎(26)。数据接口(12)被配置为接收至少一个目标病灶(42)的标识(44)和测量结果(56)，所述至少一个目标病灶包括根据多个确定的类别(54)的至少一个未确定的目标病灶(52)，并且每个未确定的目标病灶(52)根据所述多个确定的类别(54)中的每个被不同地量化。计算引擎(18)被配置为根据针对每个未确定的目标病灶(52)的每个确定的类别来计算量化的测量结果的范围，并且基于针对每个确定的目标病灶的量化的测量结果(62)和针对所述至少一个未确定的目标病灶中的每个的所计算的范围来计算针对所述至少一个目标病灶的量化的总范围(70)。可视化引擎(26)被配置为生成针对所述至少一个目标病灶的所计算的量化的总范围(70)的人类可读显示。

Description

处理未确定的可量化病灶
技术领域
下文总体涉及医学信息学。其尤其结合对癌症病灶的测量和报告来应用，并且将具体参考其加以描述。然而，应当理解，其同样应用于其他使用情形，而不必限于上述应用。
背景技术
实体瘤响应评价准则(RECIST)指南是用于跟踪癌症病灶的主导指南。RECIST指南是响应于对处置的响应的先前主观测量而标准化和量化癌症肿瘤的测量结果的国际合作的结果。量化和标准化对于评价针对个体患者的癌症处置和作为临床测试的部分的方法的有效性是至关重要的。
RECIST指南区分目标病灶与非目标病灶，并且还区分增大的淋巴结与恶性瘤(例如肿瘤)之间的目标病灶。在通常为X射线计算机断层摄影(CT)图像和磁共振图像(MRI)的图像切片中沿着该图像中的最长轴针对每个器官来跟踪和测量高于指定尺寸的肿瘤。沿着短轴测量淋巴结，所述短轴垂直于图像切片中的最长轴。RECIST指南需要将患者上的总疾病负担计算作为肿瘤的长轴和淋巴结的短轴的总和。在每个处置间隔处跟踪相同的目标病灶。每个处置间隔包括新的测量和新的计算的总疾病负担。
新的计算的总疾病负担与患者的处置事件中记录的最小疾病负担(其被称为“最低点”，意味着最小点)进行比较。最低点是在处置事件中记录的最小总疾病负担。相对于最低点的总疾病负担的百分比增加/减小被用于对疾病状态进行分类，诸如“响应”、“稳定”或“发展”中的一个。“响应”意味着患者正在改善。“发展”意味着肿瘤的尺寸正在增加，这可能意味着当前处置是无效的。因为肿瘤和淋巴结被不同地测量，将病灶分类为肿瘤或淋巴结将影响所计算的总疾病负担。不正确分类会导致不正确的响应评估以及处置的不合时宜的或不公正的终止。
根据CT或MR图像将病灶归类为肿瘤或淋巴结会是困难的。结果，对一些目标病灶进行归类仅仅根据图像被不清楚地指示，并且可能在放射学报告中被模糊地报告。另外，报告中的病灶描述对于没有临床背景或具有有限临床背景的消费者而言可能也是模糊的。在对目标病灶的归类不能够由个人制表病灶测量确定时，测量是未确定的，例如，是否基于短轴或长轴进行测量。利用未确定的测量，对疾病的分类和疾病负担因此是未知的或未确定的。
发明内容
下文公开了对未确定的可量化病灶的新的、经改进的处理，其解决了上述问题和其他问题。
根据一个方面，一种病灶跟踪系统，包括：数据接口、计算引擎以及可视化引擎。所述数据接口被配置为接收对至少一个目标病灶的标识和测量结果，所述至少一个目标病灶包括根据多个确定的类别的至少一个未确定的目标病灶，并且每个未确定的目标病灶根据所述多个确定的类别中的每个被不同地量化。所述计算引擎被配置为根据针对每个未确定的目标病灶的每个确定的类别来计算量化的测量结果的范围，并且基于针对每个确定的目标病灶的量化的测量结果以及针对所述至少一个未确定的目标病灶中的每个的所计算的范围来计算针对所述至少一个目标病灶的量化的总范围。所述可视化引擎被配置为生成针对所述至少一个目标病灶的所计算的量化的总范围的人类可读显示。
根据另一方面，一种病灶跟踪的方法，包括：接收至少一个目标病灶的标识和测量结果，所述至少一个目标病灶包括根据多个确定的类别的至少一个未确定的目标病灶，并且每个未确定的目标病灶根据所述多个确定的类别中的每个被不同地量化。根据针对每个未确定的目标病灶的每个确定的类别来计算量化的测量结果的范围，并且基于针对每个确定的目标病灶的量化的测量结果以及针对所述至少一个未确定的目标病灶中的每个的所计算的范围来计算针对所述至少一个目标病灶的量化的总范围。针对所述至少一个目标病灶生成所计算的量化的总范围的人类可读显示。
根据另一方面，一种病灶跟踪系统，包括：一个或多个处理器，其被配置为接收针对至少一个目标病灶的长轴测量结果和短轴测量结果，并且所述至少一个目标病灶包括至少一个未确定的目标病灶。所述一个或多个处理器还被配置为计算总疾病负担范围，所述总疾病负担范围在以下之间：从针对所述至少一个未确定的目标病灶中的每个的所接收的测量结果的最小值以及针对所述至少一个目标病灶的每个肿瘤的长轴测量结果和针对所述至少一个目标病灶的每个淋巴结的短轴测量结果的第一加和，到针对所述至少一个未确定的目标病灶中的每个的所接收的测量结果的最大值以及针对所述至少一个目标病灶的每个肿瘤的长轴测量结果和针对所述至少一个目标病灶的每个淋巴结的短轴测量结果的第二加和。所述一个或多个处理器还被配置为控制显示设备以显示计算的总疾病负担范围。
一个优点是与指南相一致的评价，其适应未确定的病灶。
另一优点在于向健康护理从业者警告需要确定针对未确定的目标病灶的类别。
另一优点在于适应病灶跟踪的改变和模糊。
本领域普通技术人员在阅读并理解了下文的详细说明之后将意识到又进一步的优点。
附图说明
本发明可以采取各种部件和部件布置，以及各种步骤和步骤安排的形式。附图仅是出于图示优选实施例的目的，而不应当被解读为对本发明的限制。
图1图解地图示了用于对未确定的可量化病灶的处理的系统的实施例。
图2图示了未确定的可量化病灶的示范性可视化的显示。
图3A-3D图示了根据一个实施例的未确定的可量化病灶的示范性计算。
图4以流程图示出了处理未确定的可量化病灶的实施例的一种方法。
具体实施方式
参考图1，图解地图示了被配置为处理可量化病灶的纵向病灶跟踪系统10的实施例。所述系统包括数据接口、设备或器件12，其接收包括针对被跟踪的每个目标病灶的标识、测量结果和类别的数据。示范性数据接口器件包括计算设备，诸如通信性连接的服务器、台式机、膝上型电脑、手持式、身体安装或佩戴的计算机处理器，其被配置为通过触摸、声音、运动和/或与其他系统的通信性连接等来接收数据。跟踪的目标病灶能够包括确定的目标病灶，例如，针对目标病灶或未确定的目标病灶而识别的类别，例如，所述类别被指定为未确定的或未知的。所述测量结果包括根据每个类别来量化目标病灶的值。例如，肿瘤目标病灶在图像中的长轴上被量化，并且淋巴结目标病灶在图像中的短轴或垂直于长轴的轴上被量化。长轴测量结果和短轴测量结果表示作为两个确定的类别的不同的量化的测量结果。所述图像或来自所述图像的测量结果能够从影像归档和通信系统(PACS)、放射学信息系统(RIS)、医院信息系统(HIS)等中接收，或者由用户输入。在其他实施例中，设想到了额外的类别，每个与一个或多个具体测量结果相关联，并且至少两个类别不同地量化病灶。在另一实施例中，基于长轴和短轴的平均来确定病灶的第三类别。数据接口从便携式或固定计算设备或器件14和/或另一系统接收数据，所述便携式或固定计算设备或器件14诸如是台式机、膝上型电脑、平板电脑、智能手机、身体安装设备等，所述另一系统诸如是PACS、RIS、HIS等。数据接口12接收针对多个发作(occurrence)处(其中，进行对发展的测量)和/或在每个处置间隔处的每个跟踪的病灶的数据。例如，每次患者被成像或者进行测量时，数据被接收。数据接口12被配置为接收针对跟踪的全部病灶(包括非目标病灶)的数据。数据接口12在病灶数据存储设备16中存储所接收的数据。
计算机处理器、计算引擎或其他计算单元、设备或器件18基于根据每个确定的类别的可能结果来计算针对每个未确定的目标病灶的量化的测量结果的范围。计算单元18被配置为从病灶数据存储设备16检索数据或者直接从数据接口12接收数据。计算单元18计算量化的总范围，其包括针对每个确定的目标病灶的量化的测量结果和针对每个未确定的目标病灶的计算的范围的总和。在一个实施例中，针对每个未确定的目标病灶的计算的范围是来自可能结果的值的集合的最小值以及针对可能结果的值的集合的最大值。计算单元18针对每个发作来计算量化的总范围。计算单元18计算值的最低点范围，其是在发作上的最低量化的总范围。计算单元18计算指示疾病状态的响应范围，其包括总最低点范围与计算的量化的总范围之间的改变。例如，给定具有两个测量结果(12.1-14.2mm的总最低点范围以及13.6-15.1mm的计算的量化的总范围)的单个未确定的病灶，响应范围是6.3-12.4％，其表示相对于与第一确定的类别相对应的第一测量结果的6.3％的增加，以及相对于与第二确定的类别相对应的第二测量结果的12.4％的增加。
警告引擎、单元、设备或器件20构建对诸如计算设备14的计算设备中的一个或多个的警告。所述警告向健康护理从业者警告针对响应范围的疾病状态的改变，其包括贡献于疾病状态的该改变的至少一个未确定的目标病灶的测量结果的改变、增加或减小。例如，警告包括基于与确定的类别相对应的测量结果中的一个利用确定的病灶的两个类别、从最低点值不改变的两个确定的目标病灶、以及在至少一个测量结果中从最低点范围增加以改变疾病状态(例如，“发展”)的一个未确定的目标病灶而构建的文本和/或图形消息。例如，针对未确定的目标病灶的两个测量结果中，至少一个在测量结果中充分地增加，以改变疾病状态。警告单元20能够包括在警告中的通知，其识别贡献于疾病状态的改变的一个或多个未确定的病灶。所述通知能够包括指示所述疾病状态的改变的类别或测量结果。所述警告能够包括对要分辨对未确定的病灶的确定的通知，例如，针对未确定的病灶而确定的类别。例如，未确定的目标病灶从一个发作到下一个发作而增长，使得响应范围超过为20％的阈值，其将疾病状态分类为“发展”，同时，其他被跟踪的病灶的尺寸并未改变。在范例中，未确定的目标病灶仅在一个测量结果中充分增长，以改变疾病状态。在另一范例中，确定的目标病灶充分地增长以改变疾病状态，同时，未确定的目标病灶的测量结果保持恒定。在前面的范例中，警告识别未确定的病灶和对应的类别，其指示疾病状态的改变。在后者范例中，未确定的病灶会保持未分辨的，例如，类别保持被指定为未确定的。所述警报可以包括音频分量。
可视化引擎、单元、设备或器件22将针对至少一个目标病灶的计算的量化的总范围可视化。可视化单元22被配置为将每个目标病灶的标识、针对发作的每个病灶的测量结果、和/或计算的响应范围可视化。可视化单元22被配置为将针对一个或多个发作的测量结果和计算的值可视化。可视化单元22被配置为显示图像和/或到来自患者扫描数据储存设备24的可视化中的图像的链接，其对应于发作和目标病灶。被可视化的量化的总范围、每个目标病灶的标识、测量结果、计算的最低点范围和/或计算的响应范围被显示在计算设备的显示设备26上，诸如工作站显示器、移动计算机显示器、身体安装或佩戴的显示器等。
各种引擎、单元、器件或接口12、18、20、22适于由一个或多个数据处理设备(诸如计算设备14的电子处理器或电子处理设备28)或者由通过网络32与计算设备18操作性连接的基于网络的服务器计算机30等来实现。各种单元、器件或接口能够被实施为基于网络的，例如使用超文本传输协议(HTTP)支持的计算机服务器的HTML、XML等。此外，所公开的计算、警告和可视化技术适于使用存储指令(例如，软件)的非瞬态存储介质来实施，所述指令能由数据处理设备读取并且能由所述数据处理设备执行，以执行计算、警告和可视化技术。
数据存储设备16、24适于由计算机存储器来实施，其能够包括文件结构、包括关系和/或基于对象的数据结构、本地或云存储设备、存储介质，包括随机存取盘、固态盘、可移除存储设备等。可视化单元或器件22能够由处理器来实现，所述处理器被配置为控制显示设备，诸如计算机监测器、电视屏幕、触摸屏、触觉电子显示器、盲文屏幕、阴极射线管(CRT)、存储管、双稳态显示器、电子纸、矢量显示器、平板显示器、真空荧光显示器(VF)、发光二极管(LED)显示器、电致发光显示器(ELD)、等离子体显示器面板(PDP)、液晶显示器(LCD)、有机发光二极管显示器(OLED)、投影器以及头戴式显示器。
参考图2，图示了未确定的可量化病灶的示范性可视化的显示40。所述显示能够是交互性的，其包括数据输入和/或显示。交互式显示能够包括数据输入辅助，诸如下拉框、单选按钮等。显示40包括病灶42，其包括标识或描述44。病灶42能够包括非目标病灶。每个目标病灶46在可视化的显示40中由类型指示符48识别，例如，目标病灶＝“Y”(是)，非目标病灶＝“N”(否)或者为空。每个目标病灶46包括类别50，其或者是未确定52，或者是确定54的类别中的一个，诸如，肿瘤、淋巴结等。可视化的显示40包括测量结果56，其包括长轴测量结果58和短轴测量结果60。针对确定的目标病灶54，量化的测量结果62被识别。例如，肿瘤目标病灶基于3.4mm的长轴测量结果而被量化，而淋巴结基于1.1mm的短轴测量结果而被量化。
可视化的显示40包括发作64，其是其中获取病灶的测量结果的时间点。在示范性显示中，三个发作被可视化。额外的发作能够由例如被添加的滚动条来可视化，以纵向延伸可视化的显示，例如水平滚动。
可视化的显示40包括图标66，其表示到对应于从中获取测量结果的图像的患者扫描数据存储设备24中的图像的链接。例如，选择根据目标病灶和发作的行和列图标显示在发作或处置的时间处被成像或扫描的病灶的图像。选择所述链接能够包括将图像显示聚焦在显示交叠(诸如闪动屏幕)中或分立的窗口显示中的对应病灶上，突出显示图像中的病灶，指示测量点等。
可视化的显示40包括量化的总范围70、最低点范围72以及响应范围74。量化的总范围70包括针对每个确定的目标病灶54的量化的测量结果62。肿瘤在长轴中被量化在3.4处，并且淋巴结在短轴中被量化在1.1处，总共4.5。量化的总范围70包括针对每个未确定的目标病灶52的范围。跨第一未确定的目标病灶76的长轴测量结果58和短轴测量结果60的第一发作中的值的范围是3.1-3.1。在跨第二未确定的目标病灶78的长轴测量结果58和短轴测量结果60的第一发作中的值的范围是1.9-2.1。未确定的目标病灶52的总范围是3.1+1.9到3.1+2.1或5.0-5.2。将确定的以及未确定的值加和产生4.5+5.0或9.5到4.5+5.2或9.7(例如9.5-9.7)的量化的总范围。由针对发作64接收的病灶，根据测量结果56，针对每个发作64来计算量化的总范围70。
最低点范围72被计算为在发作64上的量化的总范围的最小值。例如，利用保持稳定或发展的跟踪的病灶，最低点将可能是第一发作的量化的总范围。如果跟踪的病灶响应于处置，之后的发作的最低点是可能的。最低点范围72在每个发作64之后被计算或重新计算。
响应范围74在每个发作处64被计算，其表示从先前的发作的最低点值的目标病灶的改变。在示范性显示中。第一发作的量化的总范围是9.5-9.7。第二发作的量化的总范围是9.8-10.5，其在最低点值上增加了3.16-8.25％，所述最低点值在该实例中是第一发作的量化的总范围。在第三发作中，被描述为“软组织病灶”的未确定的病灶在长轴中增加到4.8，其贡献于大于20％的阈值的响应范围，指示从“稳定”到“发展”的疾病状态的改变。
警告75能能够基于疾病状态的改变来构建。警告75(诸如文本和/或图形消息、闪动屏幕或突出显示的文本或数字)指示疾病状态的改变。警告75能够包括对未确定的目标病灶的标识，例如“软组织病灶”描述；量化的测量结果，例如4.8的长轴测量结果；以及可能的类别，其被分辨为贡献于疾病状态(例如肿瘤)的改变。
在另一实施例中，可视化的显示包括图形地示出的测量结果，诸如线图形、条图形等。所述图形能够包括对分别勾画的确定的病灶和未确定的病灶和/或被指示为错误的边缘的未确定的病灶的指定。所述图形能够被表达为发作的时间线。针对疾病状态的改变的阈值能够被视觉指示，诸如为虚线、颜色区等。
参考图3A-3D，图示了根据一个实施例的未确定的可量化病灶的示范性计算。在一个实施例中，所述计算能够被可视化，诸如被示出。示范性计算图示了针对分辨未确定的目标病灶的可能结果，如参考图2所描述的。所计算的可能结果被表示为Xn，其中，X是针对确定的目标病灶的类别的数量，而n是未确定的目标病灶的数量。例如，基于图2D的范例，利用肿瘤和淋巴结的确定的类别，X＝2，并且利用2个未确定的病灶，n＝2，其给出22或4个可能结果或解决方案，其在图3A-3D中加以描述。
图3A描绘了图2的被分辨为淋巴结(即，淋巴结的确定的类别)的第一未确定的目标病灶76和被分辨为肿瘤(即，肿瘤的确定的类别)的第二未确定的目标病灶78。利用所分辨的目标病灶，基于在三个发作上的短轴测量结果60或常量3.1将作为淋巴结的第一分辨的病灶进行量化。基于跨三个发作的长轴测量结果或常量2.1将作为肿瘤的第二分辨的目标病灶进行量化。图2的量化的总范围70、最低点范围72以及响应范围74的范围被分辨为单个值，作为量化的总和80、最低点82和响应84。在最低点上的第二发作中的4.12％的响应和在第三发作中的7.22％的响应是由于肝肿块和左肝门淋巴结的两个确定的目标病灶的增加。响应84小于针对疾病状态的改变的阈值，诸如小于20％，并且不生成警告。
图3B描绘了被分辨为淋巴结的第一未确定的目标病灶76和第二未确定的目标病灶78。两者分辨的淋巴结目标病灶基于短轴测量结果60来量化。响应84小于针对疾病状态的改变的阈值，并且不生成警告。
图3C描绘了被分辨有肿瘤的确定的类别的第一未确定的目标病灶76和第二未确定的目标病灶78。肿瘤基于长轴测量结果58来量化。针对从“稳定”到“发展”的疾病状态的改变，24.74％的第三发作64中的响应84超过20％的阈值。疾病状态的改变使得生成警告75。
图3D描绘了被分辨为肿瘤的第一未确定的目标病灶76和被分辨为淋巴结的第二未确定的目标病灶68。第三发作64中的响应84超过疾病状态的改变的阈值，并且生成警告。第一未确定的目标病灶贡献于疾病状态的改变，例如，独立于其他的未确定的目标病灶，将可能的类别从肿瘤改变到淋巴结；将响应84减小到小于阈值。一个或多个未确定的目标病灶能够被识别为贡献于疾病的改变，其指示要分辨贡献的未确定的目标病灶，例如，类别由一些手段实际确定。
在一个实施例中，在图3A-3D中描绘的示范性可视化的显示能够被用于对图2的示范性显示的深度探索。例如，对响应范围和/或(一个或多个)未确定的病灶的选择能够返回一个或多个显示或显示的部分，如在图3A-3D中所指示的，诸如选定的未确定的目标病灶对加和或量化的总疾病负担、最低点和/或响应的影响。
参考图4，以流程图示出了处理未确定的可量化病灶的实施例的一种方法。在步骤中或者通过模块90，病灶数据被接收。所述病灶数据包括一个或多个未确定的目标病灶。病灶数据能够包括目标和非目标病灶。所述病灶数据包括对目标病灶的指定，要么通过放置，例如以特定方式输入或接收，要么通过实际指定，例如输入或者接收的类型指示符48。所述病灶数据或者通过用户输入和/或通过来自一个或多个系统的电子传输来接收。针对每个病灶，所述病灶数据包括对病灶的描述以及测量结果。所述测量结果针对每个发作64被接收。所述测量结果包括至少两个测量结果，其基于所确定的类别针对目标病灶被不同地量化。针对所接收的确定的目标病灶，类别被接收。针对所接收的未确定的目标病灶，未确定的类别被接收，例如空值或表示未确定的一些指示符。所述病灶数据还能够包括对病灶的描述信息，诸如器官和/或身体位置等，或者参考信息，诸如其中病灶被测量的对应图像、活检状态等。所述病灶数据针对每个发作64被接收。所述病灶数据能够被连续地、例如在可用时间歇地、或者例如按批积累地接收。所述病灶数据包括患者或对象指示符或者其他指示符，以对跟踪的病灶进行分组，从而用于计算量化的总范围、最低点范围以及响应范围。所接收的病灶数据被存储在病灶数据存储设备16中。
在步骤中或者通过模块92来计算可能的结果。所述可能的结果包括根据每个可能的确定的类别的针对未确定的目标病灶的组合。针对每个组合或可能的类别，针对未确定的目标病灶的测量结果被量化。针对每个确定的目标病灶，跨所述组合来量化所述测量结果。步骤或模块包括计算跨所述组合的量化的总范围、最低点范围和响应范围，例如跨所述组合的最小和最大量化的测量结果。所述步骤包括计算针对所接收的发作的范围。针对第一发作，所述最低点范围被设置到量化的总范围，并且所述响应范围不可应用。在随后的发作处，所述最低点范围是最当前的量化的总范围之前的量化的总范围的集合的最小值，并且所述响应范围被计算为从最低点范围的改变。所述响应范围能够被表达为绝对测量值，例如，根据测量结果的比例的值和/或作为百分比值。
针对警告的呼叫能够在决策步骤中或者通过模块94来评价。将响应范围与针对疾病状态的改变的预定阈值进行比较。所述疾病状态能够包括任意数量的状态和/或阈值。例如，疾病状态能够包括五个类别，诸如显著响应、响应、稳定、具有增长的稳定或者发展。每个状态被勾画有阈值。在另一范例中，针对从稳定到发展的状态的改变的阈值是18％。在步骤中或者通过模块96，警告基于决策步骤评价来构建。警告被表达为消息，诸如为文本消息或邮件，或者被表达为结果的可视化的显示的部分。
人类可读显示是在步骤中或者通过模块98所生成的计算的结果的人类可读显示。可视化的结果能够是文本显示，如在图2和图3A-3D中所图示的。可视化的结果能够是图形显示，诸如线图形、条线图等。可视化的显示包括跟踪的病灶和针对至少一个发作的测量结果。可视化的显示包括量化的总范围70、(一个或多个)最低点范围72和(一个或多个)响应范围74。可视化的显示能够包括疾病状态和/或构建的警告。在步骤中或者通过模块100，视觉结果被显示在显示设备26上。
前述步骤90-96能够由一个或多个计算机处理器或计算单元(诸如接口和单元12、18、20和22)来执行。步骤98和100能够由被配置为控制显示器26的计算设备14来执行。
应当意识到，结合在本文中所提出的具体说明性实施例，特定的结构和/或功能特征被描述为并入在定义的元件和/或部件中。然而，设想到了，出于相同或相似的益处，这些特征在合适时也可以类似地被并入在其他元件和/或部件中。还应当意识到，示范性实施例的不同方面可以被选择性地采用作为适于实现其他备选实施例，适于期望的应用，其他备选实施例从而实现在本文中并入的各方面的相应的优点。
还将意识到，在本文中所描述的具体元件或部件可以令其功能适于经由硬件、软件、固件或者其组合来适当地实施。另外，应当意识到，在本文中所描述的特定元件，如被并入在一起的，可以在适合的情况中，是单机元件或者以其他方式分开。类似地，由一个特定元件执行的所描述的多个特定功能可以由多个不同的元件来执行，所述多个不同的元件独立地动作以执行个体功能。同样地，特定个体功能可以被分裂并且由一致动作的多个不同元件来执行。备选地，在本文中以其他方式描述和/或示出为彼此不同的一些元件或步骤可以在适当时被物理地或功能的组合。
简言之，本说明书已经参考优选实施例进行了阐述。明显地，他人在阅读和理解了本说明书之后将做出修改和变动。本发明旨在被解读为包括全部这样的修改和变动，只要它们落入权利要求或其等价方案的范围内。亦即，将意识到，上文所公开的各种和其他特征和功能或者其备选可以被期望地组合到许多其他不同的系统或应用中，并且同样地，在本文中的各种当前未预见或未意料到的备选、修改、变型或改进可以随后地由本领域技术人员来进行，其类似的旨在由权利要求所涵盖。

Claims (20)

1.一种病灶跟踪系统(10)，包括：
数据接口(12)，其被配置为接收至少一个目标病灶(42)的标识(44)和测量结果(56)，所述至少一个目标病灶包括根据多个确定的类别(54)的至少一个未确定的目标病灶(52)，并且每个未确定的目标病灶(52)根据所述多个确定的类别(54)中的每个被不同地量化；
计算引擎(18)，其被配置为根据针对每个未确定的目标病灶(52)的每个确定的类别来计算量化的测量结果的范围，并且被配置为基于针对每个确定的目标病灶的量化的测量结果(62)和针对所述至少一个未确定的目标病灶中的每个的所计算的范围来计算针对所述至少一个目标病灶的量化的总范围(70)；以及
可视化引擎(26)，其被配置为生成针对所述至少一个目标病灶的所计算的量化的总范围(70)的人类可读显示。
2.根据权利要求1所述的病灶跟踪系统(10)，其中，所述数据接口(12)接收根据针对所述至少一个目标病灶中的每个的发作(66)的所述测量结果(56)；并且
其中，所述计算引擎(18)针对每个发作(64)来计算针对所述至少一个目标病灶的所述量化的总范围(70)。
3.根据权利要求1和2中的任一项所述的病灶跟踪系统(10)，其中，所述测量结果(56)包括所述至少一个目标病灶的第一测量结果(58)和所述至少一个目标病灶的第二测量结果(60)，所述第二测量结果不同于所述第一测量结果，并且所述类别包括基于所述第一测量结果被量化的第一类别和基于所述第二测量结果被量化的第二类别。
4.根据权利要求1-3中的任一项所述的病灶跟踪系统(10)，其中，所述量化的总范围(70)包括：针对所述确定的目标病灶中的每个的所述量化的测量结果和针对所述未确定的目标病灶中的每个的根据所述多个确定的类别的量化的测量结果的集合的最小值的加和，以及针对所述确定的目标病灶中的每个的所述量化的测量结果和针对所述未确定的目标病灶中的每个的根据所述多个确定的类别的量化的测量结果的集合的最大值的加和。
5.根据权利要求1-4中的任一项所述的病灶跟踪系统(10)，其中，所述计算引擎(18)还被配置为：
计算针对所述至少一个目标病灶(42)的最低点范围(72)；并且
计算指示疾病状态的响应范围(74)，其包括所计算的最低点范围(72)与所计算的量化的总范围(70)之间的改变。
6.根据权利要求1-5中的任一项所述的病灶跟踪系统(10)，还包括：
警告引擎(20)，其被配置为构建针对所述响应范围(74)的疾病状态的改变的警告(75)，所述改变包括所确定的类别(54)的一个类别中的所述至少一个未确定的目标病灶(52)中的一个的测量结果(56)的改变。
7.根据权利要求1-6中的任一项所述的病灶跟踪系统(10)，其中，所述警告(75)包括：所述至少一个未确定的目标病灶中的至少一个的通知和标识，以及指示疾病状态的改变的针对所确定的类别中的至少一个的对应的测量结果。
8.根据权利要求1-7中的任一项所述的病灶跟踪系统(10)，其中，所述数据接口(12)还被配置为接收根据多个发作(64)的针对所述至少一个目标病灶(42)中的每个的测量结果；并且其中，所述计算引擎针对每个发作(64)来计算所述至少一个目标病灶的所述量化的总范围(70)，并且基于包括所述至少一个未确定的目标病灶(52)的所计算的量化的总范围(70)来计算最低点范围(72)和响应范围(74)。
9.根据权利要求1-8中的任一项所述的病灶跟踪系统(10)，其中，针对所述至少一个目标病灶的可视化的量化的总范围(70)包括如下中的至少一项：
文本显示，其包括针对所述至少一个目标病灶(44)中的每个的所述测量结果(56)和所确定的类别以及所述量化的总范围(70)、所述最低点范围(72)和所述响应范围(74)；以及
图形显示，其包括所述量化的总范围(70)、所述最低点范围(72)和所述响应范围(74)。
10.根据权利要求1-9中的任一项所述的病灶跟踪系统(10)，其中，所述警告(75)包括消息，所述消息具有对如下中的至少一项的超链接：
所述系统(10)；
所述至少一个未确定的目标病灶的至少一幅图像；以及
分辨未确定的类别的程序。
11.一种病灶跟踪的方法，包括：
接收(90)至少一个目标病灶(42)的标识(44)和测量结果(56)，所述至少一个目标病灶包括根据多个确定的类别(54)的至少一个未确定的目标病灶(52)，并且每个未确定的目标病灶(52)根据所述多个确定的类别(54)中的每个被不同地量化；
针对每个未确定的目标病灶(52)根据每个确定的类别来计算(92)量化的测量结果的范围，并且基于针对每个确定的目标病灶的量化的测量结果(62)和针对所述至少一个未确定的目标病灶中的每个的所计算的范围来计算针对所述至少一个目标病灶的量化的总范围(70)；并且
生成(98)针对所述至少一个目标病灶的所计算的量化的总范围(70)的人类可读显示。
12.根据权利要求11所述的病灶跟踪的方法，其中，所述测量结果(56)包括所述至少一个目标病灶的第一测量结果(58)和所述至少一个目标病灶的第二测量结果(60)，所述第二测量结果不同于所述第一测量结果，并且所述类别包括基于所述第一测量结果被量化的第一类别和基于所述第二测量结果被量化的第二类别。
13.根据权利要求11和12中的任一项所述的病灶跟踪的方法，其中，所述量化的总范围(70)包括：针对所述确定的目标病灶中的每个的所述量化的测量结果和针对所述未确定的目标病灶中的每个的根据所述多个确定的类别的量化的测量结果的集合的最小值的加和，以及针对所述确定的目标病灶中的每个的所述量化的测量结果和针对所述未确定的目标病灶中的每个的根据所述多个确定的类别的量化的测量结果的集合的最大值的加和。
14.根据权利要求11-13中的任一项所述的病灶跟踪的方法，其中，计算(92)还包括：
计算针对所述至少一个目标病灶(42)的最低点范围(72)；并且
计算指示疾病状态的响应范围(74)，其包括所计算的最低点范围(72)与所计算的量化的总范围(70)之间的改变。
15.根据权利要求11-13中的任一项所述的病灶跟踪的方法，还包括：
构建(96)针对所述响应范围(74)的疾病状态的改变的警告(75)，所述改变包括所确定的类别(54)中的一个的所述至少一个未确定的目标病灶(52)的一个中的测量结果(56)的改变。
16.根据权利要求15所述的病灶跟踪的方法，其中，所述警告(75)包括：所述至少一个未确定的目标病灶中的至少一个的通知和标识，以及指示疾病状态的改变的针对所确定的类别中的至少一个。
17.根据权利要求11-13中的任一项所述的病灶跟踪的方法，其中，接收(90)包括：
接收根据多个发作(64)的针对所述至少一个病灶(42)中的每个的测量结果；并且其中，计算单元针对每个发作(64)来计算所述至少一个目标病灶的所述量化的总范围(70)，并且基于包括所述至少一个未确定的目标病灶(52)的所计算的量化的总范围(70)来计算最低点范围(72)和响应范围(74)。
18.一种承载软件的非暂态计算机可读存储介质，所述软件控制一个或多个数据处理设备来执行根据权利要求11-17中的任一项所述的方法。
19.一种被配置为执行根据权利要求11-17中的任一项所述的方法的数据处理设备。
20.一种病灶跟踪系统(10)，包括：
一个或多个处理器，其被配置为：
接收(90)针对至少一个目标病灶的长轴测量结果和短轴测量结果，并且所述至少一个目标病灶包括至少一个未确定的目标病灶；
计算(92)总疾病负担范围，所述总疾病负担范围在以下之间：从针对所述至少一个未确定的目标病灶中的每个的所接收的测量结果的最小值以及针对所述至少一个目标病灶的每个肿瘤的长轴测量结果和针对所述至少一个目标病灶的每个淋巴结的短轴测量结果的第一加和，到针对所述至少一个未确定的目标病灶中的每个的所接收的测量结果的最大值以及针对所述至少一个目标病灶的每个肿瘤的长轴测量结果和针对所述至少一个目标病灶的每个淋巴结的短轴测量结果的第二加和；并且
控制显示设备(26)以显示所计算的总疾病负担范围。
CN201580047325.8A 2014-08-29 2015-08-17 处理未确定的可量化病灶 Pending CN106605226A (zh)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
US201462043440P 2014-08-29 2014-08-29
US62/043,440 2014-08-29
PCT/IB2015/056239 WO2016030792A1 (en) 2014-08-29 2015-08-17 Handling undetermined quantifiable lesions

Publications (1)

Publication Number Publication Date
CN106605226A true CN106605226A (zh) 2017-04-26

Family

ID=54261039

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201580047325.8A Pending CN106605226A (zh) 2014-08-29 2015-08-17 处理未确定的可量化病灶

Country Status (5)

Country Link
US (1) US11031137B2 (zh)
EP (1) EP3186738A1 (zh)
JP (1) JP6640839B2 (zh)
CN (1) CN106605226A (zh)
WO (1) WO2016030792A1 (zh)

Families Citing this family (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP3292511B1 (en) * 2015-05-04 2020-08-19 Smith, Andrew Dennis Computer-assisted tumor response assessment and evaluation of the vascular tumor burden
JP7249940B2 (ja) * 2016-12-05 2023-03-31 コーニンクレッカ フィリップス エヌ ヴェ インテリジェントな腫瘍サイズの変更通知を伴う腫瘍追跡
US11900265B2 (en) * 2017-11-13 2024-02-13 Merative Us L.P. Database systems and interactive user interfaces for dynamic conversational interactions
CN111311635A (zh) * 2020-02-08 2020-06-19 腾讯科技（深圳）有限公司 一种目标定位方法、装置及系统

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1663530A (zh) * 2003-11-19 2005-09-07 Ge医药系统环球科技公司 用于处理图像数据以帮助检测疾病的方法和装置
US20120033863A1 (en) * 2010-08-06 2012-02-09 Maciej Wojton Assessing features for classification
US20120130223A1 (en) * 2010-11-19 2012-05-24 Dr Systems, Inc. Annotation and assessment of images

Family Cites Families (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8229200B2 (en) 2005-03-14 2012-07-24 General Electric Company Methods and systems for monitoring tumor burden
JP2007299064A (ja) * 2006-04-27 2007-11-15 Masanori Fukushima 医療情報管理支援装置
DE102006035617A1 (de) 2006-07-31 2008-02-21 Siemens Ag Automatische Bestimmung von Tumorlast
KR20080084528A (ko) 2007-03-15 2008-09-19 제네렉스 바이오테라퓨틱스 인크. 종양살상형 백시니아 바이러스 암 치료
JP5198883B2 (ja) * 2008-01-16 2013-05-15 富士フイルム株式会社 腫瘍領域サイズ測定方法および装置ならびにプログラム
JP2010035634A (ja) * 2008-07-31 2010-02-18 Bio-Visiq Japan Inc Ｒｅｃｉｓｔ判定結果を算出する方法、装置およびプログラム
EP2228451A1 (en) 2009-03-11 2010-09-15 Universiteit Maastricht Method for determining the primary site of cup
US8929624B2 (en) 2010-11-26 2015-01-06 General Electric Company Systems and methods for comparing different medical images to analyze a structure-of-interest
EP2661505A4 (en) 2011-01-07 2015-01-14 Univ Jefferson SYSTEM AND METHOD FOR DETERMINING THE PROGNOSIS OF CANCER AND PREDICTING A RESPONSE TO THERAPY
JP5868231B2 (ja) 2012-03-16 2016-02-24 株式会社日立製作所 医用画像診断支援装置、医用画像診断支援方法ならびにコンピュータプログラム
JP6345487B2 (ja) * 2013-07-11 2018-06-20 キヤノンメディカルシステムズ株式会社 医用レポート作成装置、及び医用画像診断装置

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1663530A (zh) * 2003-11-19 2005-09-07 Ge医药系统环球科技公司 用于处理图像数据以帮助检测疾病的方法和装置
US20120033863A1 (en) * 2010-08-06 2012-02-09 Maciej Wojton Assessing features for classification
US20120130223A1 (en) * 2010-11-19 2012-05-24 Dr Systems, Inc. Annotation and assessment of images

Also Published As

Publication number Publication date
JP2017532088A (ja) 2017-11-02
EP3186738A1 (en) 2017-07-05
JP6640839B2 (ja) 2020-02-05
US11031137B2 (en) 2021-06-08
WO2016030792A1 (en) 2016-03-03
US20170231592A1 (en) 2017-08-17

Similar Documents

Publication Publication Date Title
US11185228B2 (en) Control method of information terminal and computer-readable recording medium
Mallett et al. Tracking eye gaze during interpretation of endoluminal three-dimensional CT colonography: visual perception of experienced and inexperienced readers
KR101636876B1 (ko) 의료 영상 처리 장치 및 방법
US10492883B2 (en) Case display apparatus having tomographic image display including of slice position shift and image capture time shift, case displaying method, and non-transitory storage medium
JP6743588B2 (ja) 医用画像システム及びプログラム
CN106605226A (zh) 处理未确定的可量化病灶
CN105684040B (zh) 支持肿瘤响应测量的方法
EP2984594A2 (en) Enabling a user to study image data
WO2023088986A1 (en) Optimized 2-d projection from 3-d ct image data
JP2023021231A (ja) 情報処理装置、医用画像表示装置及びプログラム
Haygood et al. On the choice of acceptance radius in free-response observer performance studies
US20130236078A1 (en) X-ray imaging apparatus
Eckstein et al. Evaluation of search strategies for microcalcifications and masses in 3D images
JP2007159934A (ja) 比較読影支援装置
Lago et al. Foveated model observers to predict human performance in 3D images
EP3362925B1 (en) Systems and methods for generating correct radiological recommendations
JP2004295184A (ja) 診断支援画像処理サービスシステム
JP2010057727A (ja) 医用画像読影システム
Brambilla et al. Impact of target‐to‐background ratio, target size, emission scan duration, and activity on physical figures of merit for a 3D LSO‐based whole body PET/CT scanner
Pokrajac et al. Estimation of adipose compartment volumes in CT images of a mastectomy specimen
JP2014171883A (ja) 医用画像処理装置及び医用画像処理方法
WO2022103659A1 (en) System and method for detecting medical conditions
KR20140047488A (ko) 도플러 데이터를 이용한 초음파 영상 표시 방법 및 초음파 의료 장치
JP2008099929A (ja) 異常陰影候補表示装置
Soares et al. Assessing the impact of correlated noise in digital mammography: a virtual clinical trial

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
WD01 Invention patent application deemed withdrawn after publication

Application publication date: 20170426

WD01 Invention patent application deemed withdrawn after publication