CN108431817B - 医学成像和医学成像信息的高效共享 - Google Patents

医学成像和医学成像信息的高效共享 Download PDF

Info

Publication number
CN108431817B
CN108431817B CN201680076806.6A CN201680076806A CN108431817B CN 108431817 B CN108431817 B CN 108431817B CN 201680076806 A CN201680076806 A CN 201680076806A CN 108431817 B CN108431817 B CN 108431817B
Authority
CN
China
Prior art keywords
processor
phi
data
asp
communication network
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
CN201680076806.6A
Other languages
English (en)
Other versions
CN108431817A (zh
Inventor
凯尔·多默
侯赛因·帕特尼
达瑞尔·比杜洛克
约翰·阿克塞里奥-奇列斯
托林·阿尼·泰鲁姆
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.)
Arterys Inc
Original Assignee
Arterys Inc
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 Arterys Inc filed Critical Arterys Inc
Publication of CN108431817A publication Critical patent/CN108431817A/zh
Application granted granted Critical
Publication of CN108431817B publication Critical patent/CN108431817B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/02—Detecting, measuring or recording pulse, heart rate, blood pressure or blood flow; Combined pulse/heart-rate/blood pressure determination; Evaluating a cardiovascular condition not otherwise provided for, e.g. using combinations of techniques provided for in this group with electrocardiography or electroauscultation; Heart catheters for measuring blood pressure
    • A61B5/026—Measuring blood flow
    • A61B5/0263—Measuring blood flow using NMR
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/0002—Remote monitoring of patients using telemetry, e.g. transmission of vital signals via a communication network
    • A61B5/0004—Remote monitoring of patients using telemetry, e.g. transmission of vital signals via a communication network characterised by the type of physiological signal transmitted
    • A61B5/0013—Medical image data
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/0033—Features or image-related aspects of imaging apparatus classified in A61B5/00, e.g. for MRI, optical tomography or impedance tomography apparatus; arrangements of imaging apparatus in a room
    • A61B5/004—Features or image-related aspects of imaging apparatus classified in A61B5/00, e.g. for MRI, optical tomography or impedance tomography apparatus; arrangements of imaging apparatus in a room adapted for image acquisition of a particular organ or body part
    • A61B5/0044—Features or image-related aspects of imaging apparatus classified in A61B5/00, e.g. for MRI, optical tomography or impedance tomography apparatus; arrangements of imaging apparatus in a room adapted for image acquisition of a particular organ or body part for the heart
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/02—Detecting, measuring or recording pulse, heart rate, blood pressure or blood flow; Combined pulse/heart-rate/blood pressure determination; Evaluating a cardiovascular condition not otherwise provided for, e.g. using combinations of techniques provided for in this group with electrocardiography or electroauscultation; Heart catheters for measuring blood pressure
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/02—Detecting, measuring or recording pulse, heart rate, blood pressure or blood flow; Combined pulse/heart-rate/blood pressure determination; Evaluating a cardiovascular condition not otherwise provided for, e.g. using combinations of techniques provided for in this group with electrocardiography or electroauscultation; Heart catheters for measuring blood pressure
    • A61B5/021—Measuring pressure in heart or blood vessels
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/02—Detecting, measuring or recording pulse, heart rate, blood pressure or blood flow; Combined pulse/heart-rate/blood pressure determination; Evaluating a cardiovascular condition not otherwise provided for, e.g. using combinations of techniques provided for in this group with electrocardiography or electroauscultation; Heart catheters for measuring blood pressure
    • A61B5/026—Measuring blood flow
    • 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
    • A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
    • A61B5/7203—Signal processing specially adapted for physiological signals or for diagnostic purposes for noise prevention, reduction or removal
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
    • A61B5/7203—Signal processing specially adapted for physiological signals or for diagnostic purposes for noise prevention, reduction or removal
    • A61B5/7207—Signal processing specially adapted for physiological signals or for diagnostic purposes for noise prevention, reduction or removal of noise induced by motion artifacts
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
    • A61B5/7235—Details of waveform analysis
    • A61B5/725—Details of waveform analysis using specific filters therefor, e.g. Kalman or adaptive filters
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
    • A61B5/7235—Details of waveform analysis
    • A61B5/7253—Details of waveform analysis characterised by using transforms
    • A61B5/7257—Details of waveform analysis characterised by using transforms using Fourier transforms
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R33/00—Arrangements or instruments for measuring magnetic variables
    • G01R33/20—Arrangements or instruments for measuring magnetic variables involving magnetic resonance
    • G01R33/44—Arrangements or instruments for measuring magnetic variables involving magnetic resonance using nuclear magnetic resonance [NMR]
    • G01R33/48—NMR imaging systems
    • G01R33/54—Signal processing systems, e.g. using pulse sequences ; Generation or control of pulse sequences; Operator console
    • G01R33/56—Image enhancement or correction, e.g. subtraction or averaging techniques, e.g. improvement of signal-to-noise ratio and resolution
    • G01R33/5608—Data processing and visualization specially adapted for MR, e.g. for feature analysis and pattern recognition on the basis of measured MR data, segmentation of measured MR data, edge contour detection on the basis of measured MR data, for enhancing measured MR data in terms of signal-to-noise ratio by means of noise filtering or apodization, for enhancing measured MR data in terms of resolution by means for deblurring, windowing, zero filling, or generation of gray-scaled images, colour-coded images or images displaying vectors instead of pixels
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/0002—Inspection of images, e.g. flaw detection
    • G06T7/0012—Biomedical image inspection
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/20—Analysis of motion
    • G06T7/269—Analysis of motion using gradient-based methods
    • 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
    • G16H10/60—ICT specially adapted for the handling or processing of patient-related medical or healthcare data for patient-specific data, e.g. for electronic patient records
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H30/00—ICT specially adapted for the handling or processing of medical images
    • G16H30/20—ICT specially adapted for the handling or processing of medical images for handling medical images, e.g. DICOM, HL7 or PACS
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • 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
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L63/00—Network architectures or network communication protocols for network security
    • H04L63/02—Network architectures or network communication protocols for network security for separating internal from external traffic, e.g. firewalls
    • H04L63/0209—Architectural arrangements, e.g. perimeter networks or demilitarized zones
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L9/00—Cryptographic mechanisms or cryptographic arrangements for secret or secure communications; Network security protocols
    • H04L9/32—Cryptographic mechanisms or cryptographic arrangements for secret or secure communications; Network security protocols including means for verifying the identity or authority of a user of the system or for message authentication, e.g. authorization, entity authentication, data integrity or data verification, non-repudiation, key authentication or verification of credentials
    • H04L9/321—Cryptographic mechanisms or cryptographic arrangements for secret or secure communications; Network security protocols including means for verifying the identity or authority of a user of the system or for message authentication, e.g. authorization, entity authentication, data integrity or data verification, non-repudiation, key authentication or verification of credentials involving a third party or a trusted authority
    • H04L9/3213—Cryptographic mechanisms or cryptographic arrangements for secret or secure communications; Network security protocols including means for verifying the identity or authority of a user of the system or for message authentication, e.g. authorization, entity authentication, data integrity or data verification, non-repudiation, key authentication or verification of credentials involving a third party or a trusted authority using tickets or tokens, e.g. Kerberos
    • 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
    • A61B2576/023—Medical imaging apparatus involving image processing or analysis specially adapted for a particular organ or body part for the heart
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/0002—Remote monitoring of patients using telemetry, e.g. transmission of vital signals via a communication network
    • A61B5/0015—Remote monitoring of patients using telemetry, e.g. transmission of vital signals via a communication network characterised by features of the telemetry system
    • A61B5/0022—Monitoring a patient using a global network, e.g. telephone networks, internet
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/02—Detecting, measuring or recording pulse, heart rate, blood pressure or blood flow; Combined pulse/heart-rate/blood pressure determination; Evaluating a cardiovascular condition not otherwise provided for, e.g. using combinations of techniques provided for in this group with electrocardiography or electroauscultation; Heart catheters for measuring blood pressure
    • A61B5/02007—Evaluating blood vessel condition, e.g. elasticity, compliance
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/02—Detecting, measuring or recording pulse, heart rate, blood pressure or blood flow; Combined pulse/heart-rate/blood pressure determination; Evaluating a cardiovascular condition not otherwise provided for, e.g. using combinations of techniques provided for in this group with electrocardiography or electroauscultation; Heart catheters for measuring blood pressure
    • A61B5/02007—Evaluating blood vessel condition, e.g. elasticity, compliance
    • A61B5/02014—Determining aneurysm
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R33/00—Arrangements or instruments for measuring magnetic variables
    • G01R33/20—Arrangements or instruments for measuring magnetic variables involving magnetic resonance
    • G01R33/44—Arrangements or instruments for measuring magnetic variables involving magnetic resonance using nuclear magnetic resonance [NMR]
    • G01R33/48—NMR imaging systems
    • G01R33/54—Signal processing systems, e.g. using pulse sequences ; Generation or control of pulse sequences; Operator console
    • G01R33/56—Image enhancement or correction, e.g. subtraction or averaging techniques, e.g. improvement of signal-to-noise ratio and resolution
    • G01R33/563—Image enhancement or correction, e.g. subtraction or averaging techniques, e.g. improvement of signal-to-noise ratio and resolution of moving material, e.g. flow contrast angiography
    • G01R33/56308—Characterization of motion or flow; Dynamic imaging
    • G01R33/56316—Characterization of motion or flow; Dynamic imaging involving phase contrast 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
    • G06T2207/10076—4D tomography; Time-sequential 3D tomography
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—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
    • G06T2207/30—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

  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • Public Health (AREA)
  • Surgery (AREA)
  • Animal Behavior & Ethology (AREA)
  • Biomedical Technology (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Pathology (AREA)
  • Molecular Biology (AREA)
  • Veterinary Medicine (AREA)
  • Biophysics (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Physiology (AREA)
  • Signal Processing (AREA)
  • Radiology & Medical Imaging (AREA)
  • Cardiology (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Artificial Intelligence (AREA)
  • Psychiatry (AREA)
  • Primary Health Care (AREA)
  • Epidemiology (AREA)
  • Computer Security & Cryptography (AREA)
  • General Physics & Mathematics (AREA)
  • Hematology (AREA)
  • High Energy & Nuclear Physics (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Theoretical Computer Science (AREA)
  • Vascular Medicine (AREA)
  • Condensed Matter Physics & Semiconductors (AREA)
  • Mathematical Physics (AREA)
  • Quality & Reliability (AREA)
  • Computer Hardware Design (AREA)
  • Computing Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Multimedia (AREA)
  • Magnetic Resonance Imaging Apparatus (AREA)

Abstract

MRI图像处理和分析系统可以确定MRI流数据(例如相干性)中的结构的实例，基于所确定的结构得到轮廓和/或临床标志。系统可以远离一个或更多个MRI获取系统，并且执行：对MRI数据集的误差检测和/或校正(例如，相位误差校正、相位混叠、信号解缠，和/或对其他伪像)；分割；叠加在解剖结构上的流的可视化表示(例如速度、动脉对静脉流、分流)；量化；验证；和/或生成特定于患者的4D流协议。提供一种受保护的健康信息(PHI)服务，用于去识别的医学研究数据，并允许医学提供者控制PHI数据，并将去识别的数据上传到分析服务提供者(ASP)系统。提供一种web应用程序，其将PHI数据与去识别的数据合并，同时保持医学提供者对PHI数据的控制。

Description

医学成像和医学成像信息的高效共享
背景
技术领域
本公开总体涉及磁共振成像(MRI)，例如四维(4D)流MRI，并涉及通过通信网络或信道共享医学成像和其他信息。
背景技术
MRI最常用于医学成像领域，但也能够用于其他领域。MRI机包括主磁体，主磁体通常是具有中心孔或纵向孔的环形线圈阵列。主磁体能够产生强大的稳定磁场(例如，0.5特斯拉至3.0特斯拉)。孔的尺寸被确定成容纳待成像对象(例如人体)的至少一部分。用于医学成像应用时，MRI机可以包括患者台，患者台允许使俯卧的患者容易地滑入或滚入以及滑出或滚出孔。
MRI机还包括梯度磁体。梯度磁体产生比主磁体产生的磁场更小的可变磁场(例如，180高斯至270高斯)，从而允许对待成像对象(例如患者)的选定部分进行成像。MRI机还包括射频(RF)线圈，RF线圈用于向待成像对象(例如，患者)的选定部分施加射频能。不同的RF线圈可以用来对不同的结构(例如解剖结构)进行成像。例如，一组RF线圈可以适用于对患者的颈部进行成像，而另一组RF线圈可以适用于对患者的胸部或心脏进行成像。MRI机通常包括另外的磁体，例如电阻式磁体和/或永磁体。
MRI机通常包括计算机系统或者通信地耦合到计算机系统，计算机系统用于控制磁体和/或线圈和/或用于执行成像处理以生成对象的待成像部分的图像。常规地，MRI机生成表示身体结构(例如解剖结构)的幅值数据集。该数据集通常符合医学数字成像和通信(DICOM)标准。DICOM文件通常包括预定格式的元数据和像素数据。
发明内容
一种操作医学分析平台的方法，该医学分析平台包括分析服务提供者(ASP)系统和受保护的健康信息(PHI)系统，可以将该方法概括为包括：ASP系统的至少一个处理器将去识别的医学研究数据存储在ASP系统的至少一个非暂时性处理器可读存储介质上；PHI系统的至少一个处理器将与去识别的医学研究数据相关联的PHI数据存储在PHI系统的至少一个非暂时性处理器可读存储介质上；PHI系统的至少一个处理器经由至少一个通信网络向基于处理器的客户端设备发送用于所请求的医学研究的PHI数据；以及ASP系统的至少一个处理器经由至少一个通信网络向基于处理器的客户端设备发送用于所请求的医学研究的去识别的医学研究数据。
PHI系统可以通信地耦合到专用网络，该方法还可以包括：ASP系统的至少一个处理器或PHI系统的至少一个处理器验证基于客户端处理器的设备有权访问专用网络。该方法还可以包括：ASP系统的至少一个处理器经由至少一个通信网络接收来自基于处理器的客户端设备的对PHI访问令牌的请求；ASP系统的至少一个处理器经由至少一个通信网络向基于处理器的客户端设备发送加密的PHI访问令牌；PHI系统的至少一个处理器接收来自基于处理器的客户端设备的对医学研究的PHI数据的请求，该请求包括加密的PHI访问令牌；PHI系统的至少一个处理器经由至少一个通信网络将加密的PHI访问令牌发送给ASP系统；ASP系统的至少一个处理器验证接收到的加密的PHI访问令牌；以及ASP系统的至少一个处理器通知PHI系统PHI访问令牌有效，其中可以响应于PHI系统的至少一个处理器接收到来自ASP系统的验证通知，向基于处理器的客户端设备发送所请求的PHI数据。该方法还可以包括：PHI系统的至少一个处理器接收包括PHI数据的医学研究数据；PHI系统的至少一个处理器从医学研究数据中去除PHI数据以生成去识别医学研究数据；PHI系统的至少一个处理器将PHI数据存储在PHI系统的至少一个非暂时性处理器可读存储介质中；以及PHI系统的至少一个处理器经由至少一个通信网络将去识别医学研究数据发送给ASP系统。接收包括PHI数据的医学研究数据可以包括：接收来自扫描仪的医学成像数据。将去识别医学研究数据发送到ASP系统可以包括：使用表述性状态转移(REST)应用程序编程接口将去识别医学研究数据发送到ASP系统。从医学研究数据中去除PHI数据可以包括：PHI系统的至少一个处理器去除允许删除的字段；以及PHI系统的至少一个处理器使用混淆的替换数据替换不允许删除的字段中的数据。该方法还可以包括：PHI系统的至少一个处理器将唯一标识符与用于医学研究的医学研究数据相关联；PHI系统的至少一个处理器将唯一标识符存储在PHI系统的至少一个非暂时性处理器可读存储介质中；以及PHI系统的至少一个处理器经由至少一个通信网络向ASP系统发送唯一标识符与医学研究的去识别医学数据。该方法还可以包括：基于处理器的客户端设备的至少一个处理器经由至少一个通信网络接收来自PHI系统的PHI数据；基于处理器的客户端设备的至少一个处理器经由至少一个通信网络接收来自ASP系统的去识别医学研究数据；基于处理器的客户端设备的至少一个处理器合并PHI数据和去识别医学研究数据以生成重识别的医学研究数据；以及基于处理器的客户端设备的至少一个处理器向基于处理器的客户端设备的用户呈现重识别的医学研究数据。该方法还可以包括：ASP系统的至少一个处理器生成与去识别医学研究数据有关的分析数据；以及ASP系统的至少一个处理器经由至少一个通信网络将所生成的分析数据发送到PHI系统。该方法还可以包括：ASP系统的至少一个处理器经由至少一个通信网络接收来自基于处理器的客户端设备的生成分析数据的请求，其中可以响应于接收来自基于处理器的客户端设备的生成分析数据的请求，生成分析数据。生成分析数据可以包括：生成报告或辅助捕获对象中的至少一者；将生成的分析数据发送到PHI系统可以包括：经由至少一个通信网络将报告或辅助捕获对象中的至少一者发送到PHI系统，以用于存储在与PHI系统通信地耦合的至少一个非暂时性处理器可读存储介质上。该方法还可以包括：PHI系统的至少一个处理器经由至少一个通信网络向基于处理器的客户端设备提供可用研究的列表；以及PHI系统的至少一个处理器经由至少一个通信网络接收来自基于处理器的客户端设备的、对列表中可用研究中的至少一个可用研究的选择。该方法还可以包括：PHI系统的至少一个处理器经由至少一个通信网络周期性地向ASP系统发送更新检查；ASP系统的至少一个处理器确定是否需要对PHI系统进行任何更新；以及响应于确定需要对PHI系统进行至少一次更新，ASP的至少一个处理器经由至少一个通信网络向PHI系统发送更新数据。
一种操作医学分析平台的分析服务提供者(ASP)系统的方法，该医学分析平台包括ASP系统和受保护的健康信息(PHI)系统，PHI系统在PHI系统的至少一个非暂时性处理器可读存储介质上存储与去识别医学研究数据相关联的PHI数据，该方法可以概括为包括：ASP系统的至少一个处理器将去识别医学研究数据存储在ASP系统的至少一个非暂时性处理器可读存储介质上；以及ASP系统的至少一个处理器经由至少一个通信网络向基于处理器的客户端设备发送所请求医学研究的去识别医学研究数据，以由基于处理器的客户端设备将其与由基于处理器的客户端设备经由至少一个通信网络从PHI系统接收到的PHI数据合并。
该方法还可以包括：ASP系统的至少一个处理器经由至少一个通信网络接收来自基于处理器的客户端设备的对PHI访问令牌的请求；ASP系统的至少一个处理器经由至少一个通信网络向基于处理器的客户端设备发送加密的PHI访问令牌；ASP系统的至少一个处理器经由至少一个通信网络接收来自PHI系统的加密的PHI访问令牌；ASP系统的至少一个处理器验证接收到的加密的PHI访问令牌；以及ASP系统的至少一个处理器通知PHI系统PHI访问令牌有效。该方法还可以包括：ASP系统的至少一个处理器经由至少一个通信网络接收来自PHI系统的去识别医学研究数据。该方法还可以包括：ASP系统的至少一个处理器生成与去识别医学研究数据有关的分析数据；以及ASP系统的至少一个处理器经由至少一个通信网络将所生成的分析数据发送到PHI系统。该方法还可以包括：ASP系统的至少一个处理器经由至少一个通信网络接收来自基于处理器的客户端设备的生成分析数据的请求，其中可以响应于接收来自基于处理器的客户端设备的生成分析数据的请求，生成分析数据。生成分析数据可以包括：生成报告或辅助捕获对象中的至少一者；将生成的分析数据发送到PHI系统可以包括：经由至少一个通信网络将报告或辅助捕获对象中的至少一者发送到PHI系统，以存储在与PHI系统通信地耦合的至少一个非暂时性处理器可读存储介质上。该方法还可以包括：ASP系统的至少一个处理器经由至少一个通信网络周期性地接收来自ASP系统的更新检查；ASP系统的至少一个处理器确定是否需要对PHI系统进行任何更新；以及响应于确定需要对PHI系统进行至少一次更新，ASP的至少一个处理器经由至少一个通信网络向PHI系统发送更新数据。该方法还可以包括：基于处理器的客户端设备的至少一个处理器经由至少一个通信网络接收来自PHI系统的PHI数据；基于处理器的客户端设备的至少一个处理器经由至少一个通信网络接收来自ASP系统的去识别医学研究数据；基于处理器的客户端设备的至少一个处理器合并PHI数据和去识别医学研究数据以生成重识别的医学研究数据；以及基于处理器的客户端设备的至少一个处理器向基于处理器的客户端设备的用户呈现重识别的医学研究数据。
一种医学分析平台的分析服务提供者(ASP)系统，该医学分析平台包括ASP系统和受保护的健康信息(PHI)系统，PHI系统将与去识别医学研究数据相关联的PHI数据存储在PHI系统的至少一个非暂时性处理器可读存储介质上，该ASP系统可以概括为包括：至少一个非暂时性处理器可读存储介质，其存储处理器可执行指令或数据中的至少一者；和至少一个处理器，其可通信地耦合到至少一个非暂时性处理器可读存储介质，在操作中，至少一个处理器：将去识别医学研究数据存储在至少一个非暂时性处理器可读存储介质上；以及经由所述至少一个通信网络向基于处理器的客户端设备发送所请求医学研究的去识别医学研究数据，以由基于处理器的客户端设备将其与由基于处理器的客户端设备经由至少一个通信网络从PHI系统接收到的PHI数据合并。
该至少一个处理器可以：经由至少一个通信网络接收来自基于处理器的客户端设备的对PHI访问令牌的请求；经由至少一个通信网络向基于处理器的客户端设备发送加密的PHI访问令牌；经由至少一个通信网络接收来自PHI系统的加密的PHI访问令牌；验证接收到的加密的PHI访问令牌；以及经由至少一个通信网络通知PHI系统PHI访问令牌有效。该至少一个处理器可以：经由至少一个通信网络接收来自PHI系统的去识别医学研究数据。该至少一个处理器可以：生成与去识别的医学研究数据有关的分析数据；以及经由至少一个通信网络将生成的分析数据发送到PHI系统。该至少一个处理器可以：经由至少一个通信网络接收来自基于处理器的客户端设备的生成分析数据的请求，其中至少一个处理器可以响应于接收到来自基于处理器的客户端设备的生成分析数据的请求，生成分析数据。该分析数据可以包括报告或辅助捕获对象中的至少一者，并且该至少一个处理器可以：经由至少一个通信网络将报告或辅助捕获对象中的至少一者发送到PHI系统，以用于存储在与PHI系统通信地耦合的至少一个非暂时性处理器可读存储介质上。该至少一个处理器可以：经由至少一个通信网络周期性地接收来自PHI系统的更新检查；确定是否需要更新PHI系统；以及响应于确定需要对PHI系统进行至少一次更新，经由至少一个通信网络向PHI系统发送更新数据。
一种操作医学分析平台的受保护的健康信息(PHI)系统的方法，该医学分析平台包括PHI系统和分析服务提供者(ASP)系统，ASP系统在ASP系统的至少一个非暂时性处理器可读存储介质上存储去识别医学研究数据，该方法可以概括为包括：PHI系统的至少一个处理器将与去识别医学研究数据相关联的PHI数据存储在PHI系统的至少一个非暂时性处理器可读存储介质上；以及PHI系统的至少一个处理器经由至少一个通信网络向基于处理器的客户端设备发送所请求医学研究的PHI数据，以由基于处理器的客户端设备将其与由基于处理器的客户端设备经由至少一个通信网络从ASP系统接收到的去识别医学研究数据合并。
该方法还可以包括：PHI系统的至少一个处理器接收来自基于处理器的客户端设备的对医学研究的PHI数据的请求，该请求包括加密的PHI访问令牌；PHI系统的至少一个处理器经由至少一个通信网络将加密的PHI访问令牌发送给ASP系统，用于验证；以及PHI系统的至少一个处理器接收来自ASP系统的关于PHI访问令牌有效的通知。该方法还可以包括：PHI系统的至少一个处理器接收包括PHI数据的医学研究数据；PHI系统的至少一个处理器从医学研究数据中去除PHI数据以生成去识别医学研究数据；PHI系统的至少一个处理器将PHI数据存储在PHI系统的至少一个非暂时性处理器可读存储介质中；以及PHI系统的至少一个处理器经由至少一个通信网络将去识别医学研究数据发送给ASP系统。接收包括PHI数据的医学研究数据可以包括：接收来自扫描仪的医学成像数据。将去识别医学研究数据发送到ASP系统可以包括：使用表述性状态转移(REST)应用程序编程接口将去识别医学研究数据发送到ASP系统。从医学研究数据中去除PHI数据可以包括：PHI系统的至少一个处理器去除允许删除的字段；以及PHI系统的至少一个处理器使用混淆的替换数据替换不允许删除的字段中的数据。该方法还可以包括：PHI系统的至少一个处理器将唯一标识符与用于医学研究的医学研究数据相关联；PHI系统的至少一个处理器将唯一标识符存储在PHI系统的至少一个非暂时性处理器可读存储介质中；以及PHI系统的至少一个处理器经由至少一个通信网络向ASP系统发送唯一标识符与医学研究的去识别医学数据。该方法还可以包括：PHI系统的至少一个处理器经由至少一个通信网络接收来自ASP系统的与去识别医学研究数据相关联的分析数据；以及PHI系统的至少一个处理器将所接收到分析数据存储在与PHI系统通信地耦合的至少一个非暂时性处理器可读存储介质中。该方法还可以包括：PHI系统的至少一个处理器经由至少一个通信网络接收向ASP系统提供可用研究的列表；以及PHI系统的至少一个处理器经由至少一个通信网络接收来自基于处理器的客户端设备的、对列表中可用研究中的至少一个可用研究的选择。该方法还可以包括：PHI系统的至少一个处理器经由至少一个通信网络周期性地向ASP系统发送更新检查；以及PHI系统的至少一个处理器经由至少一个通信网络接收来自ASP系统的更新数据。该方法还可以包括：基于处理器的客户端设备的至少一个处理器经由至少一个通信网络接收来自PHI系统的PHI数据；基于处理器的客户端设备的至少一个处理器经由至少一个通信网络接收来自ASP系统的去识别医学研究数据；基于处理器的客户端设备的至少一个处理器合并PHI数据和去识别医学研究数据以生成重识别的医学研究数据；以及基于处理器的客户端设备的至少一个处理器向基于处理器的客户端设备的用户呈现重识别的医学研究数据。
一种医学分析平台的受保护的健康信息(PHI)系统，该医学分析平台包括PHI系统和分析服务提供者(ASP)系统，ASP系统在ASP系统的至少一个非暂时性处理器可读存储介质上存储去识别医学研究数据，PHI系统可以概括为包括：至少一个非暂时性处理器可读存储介质，其存储处理器可执行指令或数据中的至少一者；和至少一个处理器，其可通信地耦合到至少一个非暂时性处理器可读存储介质，在操作中，至少一个处理器：将与去识别医学研究数据相关联的PHI数据存储在PHI系统的至少一个非暂时性处理器可读存储介质上；以及经由所述至少一个通信网络向基于处理器的客户端设备发送所请求医学研究的PHI数据，以由基于处理器的客户端设备将其与由基于处理器的客户端设备经由至少一个通信网络从ASP系统接收到的去识别医学研究数据合并。
该至少一个处理器可以：接收来自基于处理器的客户端设备的对医学研究的PHI数据的请求，该请求包括加密的PHI访问令牌；经由至少一个通信网络向所ASP系统发送加密的PHI访问令牌；以及接收来自ASP系统的关于PHI访问令牌有效的通知。该至少一个处理器可以：接收包括PHI数据的医学研究数据；从医学研究数据中去除PHI数据以生成去识别医学研究数据；将PHI数据存储在PHI系统的至少一个非暂时性处理器可读存储介质中；以及经由至少一个通信网络将去识别医学研究数据发送到ASP系统。该医学研究数据可以包括来自扫描仪的医学成像数据。至少一个处理器可以使用表述性状态转移(REST)应用程序编程接口将去识别医学研究数据发送到ASP系统。该至少一个处理器可以：去除允许删除的医学研究数据中的字段；以及将医学研究数据中不允许删除的字段中的数据替换为混淆替换数据。该至少一个处理器可以：将唯一标识符与用于医学研究的医学研究数据相关联；将唯一标识符存储在PHI系统的至少一个非暂时性处理器可读存储介质中；以及经由至少一个通信网络向ASP系统发送唯一标识符与医学研究的去识别医学数据。该至少一个处理器可以：经由至少一个通信网络从ASP系统接收与去识别医学研究数据有关的分析数据；以及将接收到的分析数据存储在与PHI系统通信地耦合的至少一个非暂时性处理器可读存储介质上。该至少一个处理器可以：经由至少一个通信网络向基于处理器的客户端设备提供可用研究的列表；经由至少一个通信网络接收来自基于处理器的客户端设备的、对列表中可用研究中的至少一个可用研究的选择。该至少一个处理器可以：经由至少一个通信网络周期性地向ASP系统发送更新检查；以及经由至少一个通信网络接收来自ASP系统的更新数据。
附图说明
在附图中，相同的附图标志表示相似的元件或动作。附图中元件的大小和相对位置不一定按比例绘制。例如，各个元件的形状和角度不一定按比例绘制，其中一些元件可能被任意放大和定位以提高附图的易读性。另外，所绘制的元件的特定形状不一定旨在传递关于该特定元件的真实形状的任何信息，选择该特定形状可能仅仅是为了便于在附图中识别。
图1是根据一个图示实施例的网络环境的示意图，该网络环境包括至少一个MRI获取系统和至少一个图像处理系统，MRI获取系统位于临床环境中，图像处理系统远离MRI获取系统并通过一个或更多个网络与其通信地耦合。
图2是根据一个图示实施例的MRI获取系统以及MRI图像处理和分析系统的功能框图，其中MRI图像处理和分析系统提供MRI图像处理和分析服务。
图3A-3B是根据一个图示实施例的可由至少一个处理器执行的示例性推送过程的流程图。
图4A-4B是根据一个图示实施例的可由至少一个处理器执行的监视工件(artifact)和存档的示例过程的流程图。
图5是根据一个图示实施例的PHI服务管道的示意图。
图6是根据一个图示实施例的、图5的PHI服务的示意图，示出了医疗提供者网络内保存的PHI数据通过分析服务提供者(ASP)的Web应用程序与来自ASP系统的像素数据的合并。
图7是根据一个图示实施例的、图5的PHI服务的示意图，示出了从DICOM文件剥离出PHI数据。
图8是根据一个图示实施例的PHI服务的示意图，示出了用户操作Web应用程序来请求ASP系统将报告存储在用户的组织的已注册PACS服务器上。
图9是根据一个图示实施方式的PHI服务的示意图，示出了PHI服务的PHI服务器如何处理DICOM文件。
图10是根据一个图示实施例的PHI服务的示意图，示出了如何组织PHI服务依赖关系。
图11A-11B是根据一个图示实施例的示出了PHI服务的启动顺序过程的系统序列图。
图12是根据一个图示实施例的实现PHI服务的去识别服务的过程的流程图。
图13A-13B是根据一个图示实施例的示出了PHI服务的推送器或上传者服务的过程的流程图。
图14A-14B是根据一个图示实施例的示出了web浏览器重识别过程的系统序列图。
图15A-15B是根据一个图示实施例的示出了实现工件重识别服务的系统序列图。
具体实施方式
在以下描述中，阐述了一些具体细节以提供对各个公开的实施例的充分理解。但是，相关领域的技术人员会认识到，可以在没有这些具体细节中的一个或更多个细节的情况下实践实施例，或者利用其他方法、部件、材料等实践实施例。在其他实例中，没有详细示出或描述与MRI机、计算机系统、服务器计算机和/或通信网络有关的公知结构，以避免不必要地模糊实施例的描述。
除非上下文另有需要，否则在整个本说明书和所附权利要求中，词语“包括”及其变型与“包含”同意，并且是包括性的或者是开放式的(即，不排除其他未记载的元件或者方法动作)。
在本说明书中，提到“一个实施例”或者“实施例”时，指的是结合该实施例描述的特定特征、结构或者特性包含在至少一个实施例中。因此，在本说明书中多个地方出现的短语“在一个实施例中”或者“在实施例中”不一定都是指同一实施例。此外，特定特征、结构或者特性可以以任何合适的方式结合在一个或更多个实施例中。
除非内容另有明确指示，否则在本说明书和附图中使用的单数形式“一个”、“一种”、“该”包括多个所表示的对象。还应注意，除非内容另有明确指示，否则术语“或者”通常用来包括“和/或”的意义。
本文中提供的公开内容的标题和摘要仅是为了方便，不用于解释实施例的范围或意义。
本文中描述的许多实施方式利用4-D流MRI数据集，其基本上捕获一段时间内的针对三维(3-D)空间的MRI幅值和相位信息。该方法可以允许在不需要屏气或者对患者的心动周期或肺动周期的同步或门控的情况下，捕获或获取MRI数据集。而是，捕获或获取MRI数据集，并且利用图像处理和分析来获得期望的信息，例如通过基于心动和肺动周期重新组合所获取的信息。这实质上是将通常为时间密集型的获取操作推到图像处理和分析阶段。作为简化的比喻，在一些方面，这可以被认为是不在关注患者的肺动或心动周期的情况下捕获解剖结构(例如，胸、心脏)的影像，对所捕获的影像进行处理以将由肺动周期和心动周期引入的相对运动考虑在内。所捕获的信息包括指示解剖结构的幅值信息和指示速度的相位信息。相位信息允许区分静态和非静态组织，例如允许将非静态组织(例如，血液、空气)与静态组织(例如，脂肪、骨骼)区分开。相位信息还允许将某些非静态组织(例如，空气)与其他非静态组织(例如，血液)区分开。这可以有利地允许自动甚或自主地在组织之间进行分割，和/或将动脉血流与静脉血流区分开。这可以有利地允许自动甚或自主地生成可以叠加到解剖信息上的流可视化信息。这还可以有利地允许自动甚或自主地进行流量化，识别出异常和/或验证结果。
工作流可以大致分为三部分，依次为：1)图像获取，2)图像重构，以及3)图像处理或后处理及分析。可替代地，工作流可以分为：1)操作，2)预处理，以及3)可视化及量化。
图像获取可以包括确定、定义、生成或设置一个或更多个脉冲序列，该脉冲序列用于运行MRI机(例如控制磁体)并获取原始的MRI。使用4D流脉冲序列不仅允许捕获由幅值表示的解剖结构，而且允许捕获由相位表示的速度。在本文描述的方法或技术中的至少一个中，特定于患者的4D脉冲序列的生成在图像获取部分期间进行或者是图像获取部分的一部分。图像重构可以例如采用快速傅里叶变换，并且生成通常格式与DICOM标准兼容的MRI数据集。常规地，图像重构是计算密集型的，其通常依赖于超级计算机。对此的需求对于许多临床机构而言是显著的负担。本文描述的方法和技术中的许多在成像处理或者后处理和分析期间进行或者是其一部分。这能够包括误差检测和/或误差校正、分割、可视化(包括流相关信息与解剖结构的图像的融合)、量化、异常识别(包括分流)、验证(包括对伪数据的识别)。可替代地，误差检测和/或误差校正可以在预处理部分期间进行。
图1示出了根据一个图示实施例的网络环境100，其中，一个或更多个MRI获取系统102(示出了一个)经由一个或更多个网络106a、106b(示出了两个，统称为106)通信地耦合到至少一个图像处理和分析系统104。
MRI获取系统102通常位于临床机构处，例如医院或专用医学成像中心。如本文解释的，各种技术和结构可以有利地允许图像处理和分析系统104远离MRI获取系统102。图像处理和分析系统104可以例如位于另一建筑物、城市、州、省乃至国家。
MRI获取系统102可以例如包括MRI机108、计算机系统110和MRI操作员系统112。MRI机108可以包括主磁体114，主磁体114通常是具有中心孔或纵向孔116的环形线圈阵列。主磁体108能够产生强的稳定磁场(例如0.5至2.0特斯拉)。孔116的尺寸被确定成容纳待成像对象(例如人体118)的至少一部分。用于医学成像应用时，MRI机108通常包括患者台120，患者台120允许使俯卧患者118容易地滑入或滚入以及滑出或滚出孔116。
MRI机还包括一组梯度磁体122(仅示出一个)。梯度磁体122产生比主磁体114产生的磁场更小的可变磁场(例如，180高斯至270高斯)，允许对待成像对象(例如患者)的选定部分进行成像。
MRI机108还包括射频(RF)线圈124(仅示出一个)，RF线圈124被操作来向待成像对象(例如，患者118)的选定部分施加射频能。不同的RF线圈124可以用来对不同的结构(例如解剖结构)进行成像。例如，一组RF线圈124可以适用于对患者颈部进行成像，而另一组RF线圈124可以适用于对患者的胸部或者心脏进行成像。MRI机108通常包括另外的磁体，例如电阻式磁体和/或永磁体。
MRI机108通常包括或者通信地耦合到用于控制磁体和/或线圈114、122、124的基于处理器的MRI控制系统126。基于处理器的控制系统126可以包括一个或更多个处理器、非暂时性计算机可读或处理器可读存储器、驱动电路和/或与MRI机108连接的接口部件。在一些实施方式中，基于处理器的控制系统126还可以对由MRI操作生成的数据执行一些预处理。
MRI操作员系统128可以包括：计算机系统130；监视器或显示器132；小键盘和/或键盘134；和/或光标控制设备136，例如鼠标、操纵杆、触控板、轨迹球等。MRI操作员系统128可以包括或者从一个或更多个非暂时性计算机可读或处理器可读介质(例如，诸如磁盘或光盘之类的旋转介质138)读取计算机可执行或处理器可执行指令。操作员系统128可以允许技术人员操作MRI机108以捕获来自患者118的MRI数据。本文描述的各种技术、结构和特征可以允许技术人员操作MRI机108而不需要临床医师或内科医师在场。这样可以有利地显著降低MRI过程的成本。仍如本文所述，与利用传统技术相比，各种技术、结构和特征可以允许更快地执行MRI过程。这可以有利地允许每个MRI设备具有更高的吞吐率，从而通过大量过程来摊分资本密集型设备的成本。例如，高计算能力计算机可以远离临床环境，并且可以为多个临床机构提供服务。本文所述的各种技术、结构和特征还可以另外地或者可替代地有利地缩短每位患者暴露于MRI过程的时间，减少或者减轻通常伴随着经受MRI过程的焦虑。例如，通过本文描述的图像处理和分析技术消除了对屏气和/或与患者肺动周期和/或心动周期同步的需要，这可以显著地将获取时间减小至例如8至10分钟。
图像处理和分析系统104可以包括用以处理进入的请求和响应的一个或更多个服务器139，以及一个或更多个渲染或图像处理和分析计算机140。服务器139的形式例如可以是执行服务器软件或指令一个或更多个服务器计算机、工作站计算机、超级计算机或者个人计算机。一个或更多个渲染或图像处理和分析计算机140的行驶可以是执行图像处理和/或分析软件或指令一个或更多个计算机、工作站计算机、超级计算机或者个人计算机。一个或更多个渲染或图像处理和分析计算机140通常会采用一个、优选地多个图形处理单元(GPU)或者GPU核。
图像处理和分析系统104可以包括存储处理器可执行指令和/或数据或其他信息的一个或更多个非暂时性计算机可读介质142(例如，磁性或光学硬盘驱动器、RAID、RAM、闪存)。图像处理和分析系统104可以包括一个或更多个图像处理和分析操作员系统144。图像处理和分析操作员系统144可以包括：计算机系统146；监视器或显示器148；小键盘和/或键盘150；和/或光标控制设备152，例如鼠标、操纵杆、触控板、轨迹球等。图像处理和分析操作员系统144可以经由一个或更多个网络(例如LAN 154)通信地耦合到渲染或图像处理和分析计算机140。虽然许多图像处理技术和分析可以完全自动地进行，但是所述图像处理和分析操作员系统可以允许技术人员对从患者处捕获的MRI数据执行特定的图像处理和/或分析操作。
虽然被图示为单个非暂时性计算机可读或处理器可读存储介质142，但是在许多实施方式中，非暂时性计算机可读或处理器可读存储介质142可以由多个非暂时性存储介质构成。多个非暂时性存储介质通常可以位于共同的位置，或者分布在多个远程位置处。因此，可以在一个非暂时性计算机可读或处理器可读存储介质中(或一个以上的介质上)实现原始MRI数据、预处理后的MRI数据和/或处理后的MRI数据的数据库。这种数据库可以彼此独立地存储在单独的计算机可读或处理器可读存储介质142上，或者可以存储在同一计算机可读或处理器可读存储介质142上。计算机可读或处理器可读存储介质142可以与图像处理和分析系统104共置一处，例如在同一房间、建筑物或者机构中。可替代地，计算机可读或处理器可读存储介质142可以远离图像处理和分析系统104，例如在不同机构、城市、州或者国家中。电子或数字信息、文件或记录或其他信息集可以储存在非暂时性计算机可读或处理器可读介质142中的特定位置，因此它们可以是这种介质的连续或者不连续的可逻辑寻址的部分。
如上所述，图像处理和分析系统104可以远离MRI获取系统102。MRI获取系统102和图像处理和分析系统104能够例如经由一个或更多个通信信道(例如局域网(LAN)106a和广域网(WAN)106b)进行通信。网络106可以例如包括分组交换通信网络，例如互网络、互网络的万维网部分、外网络、和/或内网络。网络106可以采取各种其他类型的电信网络的形式，例如蜂窝电话和数据网络和普通老式电话系统(POTS)网络。通信基础机构的类型不应认为是限制性的。
如图1所示，MRI获取系统102通信地耦合到第一LAN 106a。第一LAN106a可以是由临床机构操作的或者用于临床机构的网络，为临床机构提供了局域通信。第一LAN 106a通信地耦合到WAN(例如互网络)106b。第一防火墙156a可以为第一LAN提供安全性。
仍如图1所示，图像处理和分析系统104通信地耦合到第二LAN 154。第二LAN 154可以是由图像处理机构或者实体操作或者用于图像处理机构或者实体的网络，为图像处理机构或者实体提供了局域通信。第二LAN 154通信地耦合到WAN 106b(例如互网络)。第二防火墙156b可以为第二LAN 154提供安全性。
图像处理机构或者实体可以独立于临床机构，例如，向一个、两个或许多临床机构提供服务的独立公司。
虽然未示出，但是通信网络可以包括一个或更多个另外的网络设备。该网络设备可以可以有众多形式，包括：服务器、路由器、网络交换机、网桥和/或调制解调器(例如，DSL调制解调器、电缆调制解调器)等。
虽然图1示出了代表性网络环境100，通常的网络环境可以包括许多另外的MRI获取系统、图像处理和分析系统104、计算机系统、和/或实体。本文教导的构思可以以相似的方式用于比图示的更加稠密的网络环境。例如，单个实体可以向多个诊断实体提供图像处理和分析服务。诊断实体中的一个或更多个可以操作两个或更多个MRI获取系统102。例如，大型医院或专业医学成像中心可以在一个机构处操作两个、三个乃至更多个MRI获取系统。通常，提供图像处理和分析服务的实体会操作多个实体，所述多个实体可以提供可以包括两个、三个乃至几百个渲染或图像处理和分析计算机140的多个图像处理和分析系统104。
图2示出了网络环境200，其包括一个或更多个图像处理和分析系统104(仅图示了一个)和一个或更多个相关联的非暂时性计算机可读或处理器可读存储介质204(仅图示了一个)。相关联的非暂时性计算机可读或处理器可读存储介质204经由一个或更多个通信信道通信地耦合到图像处理和分析系统104，例如，经由一个或更多个并行电缆、串行电缆或者能够进行高速通信的无线信道，比如经由
Figure BDA0001711579750000151
通用串行
Figure BDA0001711579750000152
(USB)2或3、和/或
Figure BDA0001711579750000153
千兆字节以
Figure BDA0001711579750000154
等。
网络环境200还包括一个或更多个终端MRI获取系统102(仅图示一个)。MRI获取系统102通过一个或更多个通信信道(例如一个或更多个广域网(WAN)210，比如互网络或者其万维网部分)通信地耦合到图像处理和分析系统104。
在操作中，MRI获取系统102通常充当图像处理和分析系统104的客户端。在操作中，图像处理和分析系统104通常充当服务器，接收来自MRI获取系统102的请求或信息(例如，MRI数据集)。本文描述的是采用异步命令和成像管道的整个过程，该成像管道允许从MRI获取远离系统102(例如，通过WAN)执行图像处理和分析。该方法提供了诸多显著的优点，例如允许技术人员操作MRI获取系统102，而不需要临床医师(例如，内科医师)在场。还描述了允许在访问医学成像数据以及特定于私人患者的健康信息的同时增强安全性的各种技术或方法。
虽然图示为远离MRI获取系统102，但是在一些实施方式中，图像处理和分析系统104可以与MRI获取系统102共置一处。在其他实施方式中，本文描述的操作或功能中的一个或更多个可以由MRI获取系统102来执行或者经由与MRI获取系统102共置一处的基于处理器的设备来执行。
图像处理和分析系统104接收MRI数据集，对MRI数据集执行图像处理，并将处理后的MRI数据集提供给例如临床医师查看。图像处理和分析系统104可以例如对MRI数据集执行误差检测和/或校正，例如，相位误差校正、相位混叠检测、信号解缠、和/或对各种伪像的检测和/或校正。相位误差与相位相关，相位混叠也是如此。信号解缠与幅值相关。各种其他伪像可能与相位和/或幅值相关。
图像处理和分析系统104可以例如执行分割、在各种组织类型之间进行区分。图像处理和分析系统104可以例如执行量化，例如比较流入和流出闭合的解剖结构或者流过两个或更多个解剖结构的血流。图像处理和分析系统104可以有利地利用量化来验证结果，例如确认对某一种组织的识别和/或提供对结果的确定程度的指示。此外，图像处理和分析系统104可以有利地利用量化来确定分流的存在。
在一些实施方式中，图像处理和分析系统104可以生成反映血流的图像，例如包括区分动脉血流和静脉血流的图像。例如，图像处理和分析系统104可以采用第一色图(例如，蓝色)来指示动脉血流，并采用第二色图(例如，红色)来指示静脉血流。图像处理和分析系统104可以利用一些其他区别性颜色或者视觉上着重显示来指示畸变(例如，分流)。描述了用于区分不同组织以及动脉血流和静脉血流的多种不同的技术。流可视化可以例如作为一个或更多个层叠加在解剖结构或幅值数据的可视化表示上。
在一些实施方式中，图像处理和分析系统104可以生成特定于患者的4D流协议，以便用于操作针对特定患者的MRI获取系统102。这可以包括设置用于操作MRI机的适当的速度编码(VENC)。
图像处理和分析系统104可以在没有人工输入的情况下自主地执行这些操作或者功能中的一个或更多个。可替代地，图像处理和分析系统104可以基于人工输入(例如确定点、位置或平面或者识别解剖组织的特征的人工输入)来执行这些操作或者功能中的一个或更多个。可以预先定义一些平面和/或视图，允许操作员、用户或临床医师仅仅选择平面(例如，瓣膜平面)或者命名的视图(例如，2个腔室的视图、3个腔室的视图、4个腔室的视图)来快速且容易地获取期望的视图。
网络环境200可以采用其他计算机系统和网络装置，例如另外的服务器、代理服务器、防火墙、路由器和/或网桥。本文有时会以单数的形式提及图像处理和分析系统104，但这并非旨在将实施例限制成单个设备，因为在通常的实施例中，可能涉及多于一个的图像处理和分析系统104。除非另有描述，否则图2中所示的各块的结构和操作为常规设计。因此，由于相关领域的技术人员会理解这些块，所以本文不需要进一步详细地描述这些块。
图像处理和分析系统104可以包括一个或更多个处理单元212a、212b(统称为212)、系统存储器214、以及将各个系统部件(包括系统存储器214)耦合到处理单元212的系统总线216。处理单元212可以是任何逻辑处理单元，比如一个或更多个中央处理单元(CPU)212a、数字信号处理器(DSP)212b、专用集成电路(ASIC)、现场可编程门阵列(FPGA)等。系统总线216能够采用任何已知的总线结构或者构架，包括具有存储控制器的存储器总线、外围总线和/或局部总线。系统存储器214包括只读存储器(“ROM”)218和随机存取存储器(“RAM”)220。能够构成ROM 218的一部分的基本输入输出系统(BIOS)222包含有助于例如在启动期间在图像处理和分析系统104内的元件之间进行信息传递的基本例程。
图像处理和分析系统104可以包括：用于读写硬盘226的硬盘驱动器224、用于读写可移除光盘232的光盘驱动器228和/或用于读写磁盘234的磁盘驱动器230。光盘232能够是CD-ROM，而磁盘234能够是磁性软盘或软磁盘。硬盘驱动器224、光盘驱动器228和磁盘驱动器230可以经由系统总线216与处理单元212通信。如相关领域技术人员了解的，硬盘驱动器224、光盘驱动器228和磁盘驱动器230可以包括耦合在这些驱动器和系统总线216之间的接口或控制器(未示出)。驱动器224、228和230及其相关联的计算机可读介质226、232、234向图像处理和分析系统104提供了对计算机可读指令、数据结构、程序模块和其他数据的非暂时性存储。虽然所描绘的图像处理和分析系统104图示为采用了硬盘224、光盘228和磁盘230，但是相关领域技术人员会理解可以采用能够存储可由计算机访问的数据的其他类型的计算机可读介质，例如WORM驱动器、RAID驱动器、磁带盒、闪存卡、数字视频光盘(“DVD”)、伯努利盒式磁带、RAM、ROM、智能卡等。
系统存储器214能够存储程序模块，例如操作系统236、一个或更多个应用程序238、其它程序或模块240和程序数据242。应用程序238可以包括使处理器212对MRI图像数据集执行图像处理和分析的指令。例如，应用程序238可以包括使处理器212对与相位或者速度相关的数据执行相位误差校正的指令。例如，应用程序238可以包括使处理器212校正相位混叠的指令。又例如，应用程序238可以包括使处理器212执行信号解缠的指令。可替代地或者另外地，应用程序238可以包括使处理器212确定和/或校正伪像的指令。
应用程序238可以包括使处理器212例如执行分割、区分各种组织类型指令。应用程序238可以包括使处理器212执行量化(例如，比较流入和流出闭合的解剖结构或者流过两个或更多个解剖结构的血流)的指令。应用程序238可以包括使处理器212利用量化来验证结果(例如确认对某一种组织的识别和/或提供对结果的确定程度的指示)的指令。应用程序238可以包括使处理器212利用量化来确定分流的存在性的指令。
应用程序238可以包括使处理器212生成反映血流(例如区分动脉血流和静脉血流)的图像的指令。例如，可以采用第一色图(例如，蓝色)指示动脉血流，并采用第二色图(例如红色)指示静脉血流。可以利用一些其他区别性颜色或视觉着重显示来指示畸变(例如分流)。可以应用色彩变换功能来生成色图。应用程序238可以包括使处理器212将流的可视化表示(例如，指示血流速度和/或体积的MRI相位数据)叠加在解剖的可视化表示或渲染图像(例如MRI幅值数据)上的指令。指令可以使得流可视化表示被渲染为解剖结构的图像上的一个或更多个层，以提供解剖信息(即，幅值)和流信息(即，相位)的融合，例如渲染为彩色热图和/或具有方向和幅值(例如，由长度、线宽表示)的矢量(例如，箭头图标)。指令可以另外地或者可替代地使得生成信号散射、紊流和/或压力的空间映射或可视化表示，其可覆盖或叠加到解剖结构的空间映射或可视化表示上。将与相位或速度相关的信息的可视化表示与解剖信息的可视化表示或者解剖结构的可视化表示进行融合可以促进对解剖标志的识别。指令可以利用图形处理单元或者GPU的集合或者阵列来快速地对可视化表示进行渲染。
还可以应用变换功能来确定将哪种视觉效果(例如，颜色)应用于哪种组织。例如，可以用蓝色色调为动脉血流着色，并且可以用红色色调为静脉血流着色，而脂肪组织可以着色为黄色。可以例如利用灰度等级来对用MRI图像数据集中的幅值表示的解剖结构进行可视化。视图深度可以是能够由操作员或者用户例如通过图形化用户界面上的滑块控件调节的。因此，可视化表示可以是融合视图的形式，其有利地将速度信息的可视化表示与解剖信息的可视化表示或表示进行融合。
应用程序238可以包括使处理器212生成用于操作针对特定患者的MRI获取系统102的4D流协议的指令。其可以基于例如技术人员提供的特定于患者的输入，并且可以基于用于获取MRI数据集的特定MRI机。
应用程序238可以包括使处理器212从MRI获取系统接收图像数据集，处理和/或分析该图像数据集，并以时间敏感和安全的方式将处理后和/或分析后的图像和其他信息提供给远离图像处理的用户。本文参照各个附图对此进行了详细的描述。
系统存储器214还可以包括通信程序，例如下文所述的使图像处理和分析系统104通过互联网、内联网、外联网、电信网络或其他网络提供电子信息或文件的服务器程序244。在描绘的实施例中，服务器244是基于标志语言的，例如超文本标志语言(HTML)、可扩展标志语言(XML)或无线标志语言(WML)，并使用标志语言进行操作，其中标志语言使用添加到文档数据中的语法分隔字符来表示文档的结构。可以在市场上购买到多种合适的服务器程序，例如Mozilla、Google、Microsoft和苹果电脑的服务器程序。
虽然在图2中示出为存储在系统存储器214中，但是操作系统236、应用程序238、其他程序/模块240、程序数据242和服务器244能够存储在硬盘驱动器224的硬盘226上、光盘驱动器228的光盘232上和/或磁盘驱动器230的磁盘234上。
操作员能够通过输入设备(例如触摸屏或键盘246和/或定位设备(例如鼠标248))和/或经由图形化用户界面，将命令和信息输入到图像处理和分析系统104中。其他输入设备能够包括麦克风、操纵杆、游戏板、平板电脑、扫描仪等。这些和其他输入设备通过接口250连接到处理单元212中的一个或更多个，接口250例如是耦合到系统总线216的串行端口接口，但是还可以使用其他的接口，例如并行端口、游戏端口或无线接口或通用串行总线(“USB”)。监视器252或者其他显示设备通过视频接口254(例如视频适配器)耦合到系统总线216。图像处理和分析系统104能够包括其他输出设备，例如扬声器、打印机等。
图像处理和分析系统104能够利用到一个或更多个远程计算机和/或设备的逻辑连接在网络环境200中工作。例如，图像处理和分析104能够利用到一个或更多个MRI获取系统102的逻辑连接在网络环境200中工作。可以通过有线和/或无线网络架构(例如，有线和无线的企业范围的计算机网络、内联网、外联网和/或互联网)进行通信。其他实施例可以包括其他类型的通信网络，包括电信网络、蜂窝网络、寻呼网络和其他移动网络。在图像处理和分析系统104、MRI获取系统102之间的通信路径中可以存在各种类型的计算机、交换设备、路由器、网桥、防火墙以及其他设备。
MRI获取系统102通常会采用MRI机108以及一个或更多个相关联的基于处理器的设备(例如，MRI控制系统126和/或MRI操作员系统128)的形式。MRI获取系统102从患者捕获MRI信息或者数据集。因此，在一些情况下，MRI获取系统102可以命名为前端MRI获取系统或MRI捕获系统，以将其与MRI图像处理和分析系统104区分开，在一些情况下，MRI图像处理和分析系统104可以命名为MRI后端系统。本文有时会以单数形式提及MRI获取系统102，但是其不旨在将实施例限制为单个MRI获取系统102。在典型实施例中，可能会存在多于一个的MRI获取系统102，并且在网络环境200中很可能会存在大量的MRI获取系统102。
MRI获取系统102可以通信地耦合到一个或更多个服务器计算机(未示出)。例如，MRI获取系统102可以经由一个或更多个诊断机构服务器计算机(未示出)、路由器(未示出)、网桥(未示出)、LAN 106a(图l)等通信地耦合，其可以包括或者实现防火墙156a(图1)。服务器计算机(未示出)可以执行服务器指令集，以充当用于通过临床机构处或者场所处的LAN 106a通信地耦合的多个MRI获取系统102(即客户端)的服务器，并且因此充当MRI获取系统102和MRI图像处理和分析系统104之间的中介。MRI获取系统102可以执行一组客户端指令，以充当通过WAN通信地耦合的服务器计算机的客户端。
MRI控制系统126通常包括一个或更多个处理器(例如，微处理器、中央处理单元、数字信号处理器、图形处理单元)和非暂时性处理器可读存储器(例如，ROM、RAM、闪存、磁盘和/或光盘)。MRI操作员系统128的形式可以是执行适当指令的计算机，例如个人计算机(例如，台式计算机或膝上型计算机)、上网本计算机、平板计算机、智能电话、个人数字助理、工作站计算机和/或大型机计算机等。
MRI操作员系统128可以包括一个或更多个处理单元268、系统存储器269和将各个系统部件(包括系统存储器269)耦合到处理单元268的系统总线(未示出)。
处理单元268可以是任何逻辑处理单元，例如，一个或更多个中央处理单元(CPU)、数字信号处理器(DSP)、专用集成电路(ASIC)、现场可编程门阵列(FPGA)、图形处理单元(GPU)等。在市场上可购买的计算机系统的非限制性示例包括(但不限于)英特尔公司的80x86或奔腾系列微处理器、IBM公司的PowerPC微处理器、Sun Microsystems公司的Sparc微处理器、惠普公司的PA-RISC系列微处理器、摩托罗拉公司的68xxx系列微处理器、ATOM处理器、或A4或A5处理器。除非另外描述，否则图2所示的MRI获取系统102的各个块的构造和操作为常规设计。因此，由于相关领域的技术人员会理解这些块，所以本文不需要进一步详细地描述这些块。
所述系统总线能够采用任何已知的总线结构或者构架，包括具有存储控制器的存储器总线、外围总线和局部总线。系统存储器269包括只读存储器(“ROM”)270和随机存取存储器(“RAM”)272。能够构成ROM 270的一部分的基本输入输出系统(“BIOS”)271包含有助于例如在启动期间在MRI获取系统102内的元件之间进行信息传递的基本例程。
MRI操作员系统128还可以包括用于读写计算机可读介质274(例如，硬盘、光盘和/或磁盘)的一个或更多个介质驱动器273(例如，硬盘驱动器、磁盘驱动器、WORM驱动器和/或光盘驱动器)。非暂时性计算机可读存储介质274可以例如采用可移动介质的形式。例如，硬盘可以采用温彻斯特(Winchester)驱动器的形式，光盘能够采用CD-ROM的形式，而磁盘能够采用磁性软盘或软磁盘的形式。介质驱动器273经由一个或更多个系统总线与处理单元268通信。如相关领域技术人员了解的，介质驱动器273可以包括耦合在这些驱动器和系统总线之间的接口或控制器(未示出)。介质驱动器273及其相关联的非暂时性计算机可读存储介质274为MRI获取系统102提供了对计算机可读指令、数据结构、程序模块和其他数据的非暂时性存储。虽然被描述为采用计算机可读存储介质274(诸如硬盘、光盘和磁盘)，但是相关领域技术人员会理解，MRI操作员系统128可以采用能够存储可由计算机访问的数据的其他类型的非暂时性计算机可读存储介质，例如磁带盒、闪存卡、数字视频光盘(“DVD”)、伯努利墨盒式磁带、RAM、ROM、智能卡等。数据或信息(例如电子或数字文件或与此相关的数据或元数据)能够存储在非暂时性计算机可读存储介质274中。
在系统存储器269中，能够存储程序模块，比如操作系统、一个或更多个应用程序、其他程序或模块以及程序数据。程序模块可以包括用于访问由MRI处理和分析系统104托管或提供的网站、外联网站点或其他站点或服务(例如，网页服务)和相关联的网页、其他页面、屏幕或服务的指令。
特别地，系统存储器269可以包括通信程序，该通信程序允许MRI获取系统102与由MRI处理和分析系统104提供的MRI图像处理和/或分析服务交换电子或数字信息或文件或数据或元数据。该通信程序例如可以是Web客户端或者浏览器，其允许MRI获取系统102访问信息、文件、数据和/或元数据以及与源(例如互网络、企业内联网、外联网或其他网络的网站)交换信息、文件、数据和/或元数据。这可能需要终端用户客户端具有足够的权限、许可、特权或职权以访问给定网站，例如由MRI处理和分析系统104托管的网站。如本文所论述的，患者识别数据可以存在于由临床机构操作或者用于临床机构的系统上，并且不可以通过或经由用于图像处理机构或由图像处理机构人员操作的系统访问。浏览器可以例如是基于标志语言的，例如超文本标志语言(HTML)、可扩展标志语言(XML)或无线标志语言(WML)，并可以使用标志语言进行操作，其中标志语言使用添加到文档数据中的语法分隔字符来表示文档的结构。
虽然被描述为存储在系统存储器269中，但是操作系统、应用程序、其他程序/模块、程序数据和/或浏览器能够存储在介质驱动器273的计算机可读存储介质274上。操作员能够通过输入设备(例如触摸屏或键盘276和/或定位设备277(例如鼠标))经由用户界面275将命令和信息输入到MRI操作员系统128中。其他输入设备能够包括麦克风、操纵杆、游戏板、平板电脑、扫描仪等。这些和其他输入设备通过接口连接到处理单元269，所述接口例如是耦合到系统总线的串行端口接口，但是还可以使用其他的接口，例如并行端口、游戏端口或无线接口或通用串行总线(“USB”)。显示器或者监视器278可以经由视频接口(例如视频适配器)耦合到系统总线。MRI操作员系统128能够包括其他输出设备，例如扬声器、打印机等。
所述MRI图像处理和分析系统可以构造静态接口，该静态接口允许将各种不同组织类型从MRI 4D流数据集去掉或者增加到MRI 4D流数据集中。例如，可以将静态组织(例如脂肪或骨骼)与非静态组织(例如空气或流动的血液)区分开。MRI图像处理和分析系统还可以自主地区分各种非静态组织，例如区分空气(例如，肺)与流动的血液。此外，MRI图像处理和分析系统可以区分动脉血流与静脉血流。
例如，MRI图像处理和分析系统可以用快速傅里叶变换来识别预期具有脉动的模式或波形的血液组织。在比较相邻体素的速度时，空气或肺倾向于在限定的体积上具有随机出现的模式。例如，具有较强或较快速度的体素通常表示空气。MRI数据集可以相当大，例如256x 256x 256x 20时间点。MRI图像处理和分析系统可以根据梯度(例如，梯度下降法)来检测不同的组织类型，并且可以有利地采用数值法而不是解析解法来快速地处理相对较大的MRI数据集。通过控制数值法的有效数字的数量(例如，2)，MRI图像处理和分析系统可以非常快(例如1秒，而不是30分钟)地获得结果，同时仍然获得对于特定应用而言足够精确的结果。
在一些实施方式中，可以从患者MRI数据集中去掉不同的组织类型，一次一种。例如，去掉空气或肺，去掉血液，分离动脉流与静脉流，去掉骨骼，留下脂肪。值得注意的是，脂肪是静态的，因此与代表脂肪的每个体素的相关联的速度应当为零。MRI图像处理和分析系统可以有利地采用这一基本事实来校正所有组织类型的校正MRI数据集。
如果发现脂肪类型组织的速度非零，则这能够用于调节整个数据集(例如，对于所有组织)。例如，MRI图像处理和分析系统可以基于确定的面积或体积(例如脂肪或软组织)来生成或创建多项式模型。其可以是简单的多项式(例如，ax2+bx+c)或者复杂得多的多项式(例如，非有理均匀b样条)。MRI图像处理和分析系统可以例如利用线性回归技术或者线性代数技术来找到拟合图像的多项式的系数。这产生可以被MRI图像处理和分析系统应用到整个范围(例如，从其中去掉)，而不仅是应用到脂肪或软组织的模型。
在一个实施方式中，对仿真身体进行成像，以创建能够从实际的患者数据中去掉的参考数据集或“幻影”模型。仿真身体可以由模拟实际身体的MRI响应的材料构成，但是不会具有血流。参考数据集或者“幻影”模型中的相位梯度可以代表噪声(例如，随机噪声)，并且能够用于校正相位偏移。该方法有利地避免了对生成3D数据的多项式拟合的需要。所生成的参考集或幻影模型在MRI机操作的数月期间都可以是有效的，但当检修或者移动MRI机时应该生成新的参考数据集或幻影模型。
MRI图像处理和分析系统可以定义用于移除不同的组织类型或者用于移除静脉血流或动脉血流的各种过滤器或掩模。过滤器或掩模可以移除异常血流，例如在一定合理范围外(例如，太高或太快、太慢或太低)的血流或者似乎在不应该有血流的的解剖结构(例如，骨骼)中流动的血流。过滤器或掩模还可以被定义为仅显示幅值的绝对值大于某一阈值的体素。过滤器或掩模还可以被定义为仅显示幅值和速度矢量的叉积的绝对值大于某一限定阈值的体素。此外，过滤器或掩模可以被定义为仅显示矢量与相邻体素的矢量在相同方向的体素，以例如确定或者查看高速度射流。值得注意的是，相邻体素的速度矢量处于不同的方向上可能表示噪声。
预处理
质量守恒校正误差减少
该预处理算法的目标是校正流数据(分割、流量化和背景相位误差校正)。有3个流数据集需要校正：i)x速度，ii)y速度，和iii)z速度。由于成像伪像(例如，紊流)和噪声，流数据会有偏差。为了对此进行校正，使用质量守恒(例如，物理原理)来校正流数据。质量守恒告诉我们，一个封闭系统的质量必然随时间保持恒定，因为如果没有添加或去除系统质量，则系统质量不能改变总量。因此，如果在心脏内定义了边界(即心室和血管的腔边界)，那么如果流体不可压缩，则进入固定体积的流应当与离开该体积的流相当。该理论能够应用于任何体积。就血流而言，假设血密度是恒定的，因此连续性方程被简化成表示速度场的散度为零。物理上，这相当于说局部体积扩大率为零(即，du/dx+dv/dy+dw/dz＝0)。不可能强迫在各个位置都是这种情况，但是可以在所有时间点上使局部体积扩大最小化。存在最小化du/dx+dv/dy+dw/dz的几种不同类型的算法，但最常见的算法是生成流场的最小二乘散度自由近似结果。有几种方法可以利用使散度最小化的约束来构造流场的最小二乘近似，以及几种不同的算法来实现这一点。
通常涉及到迭代方法，迭代方法试图将每回的残余散度最小化。此外，知道血管/腔室的确切边界对于确保通过边界的零通量很重要。如果没有所述边界，流可能被允许流入心脏肌肉和脂肪。另外，图像中可能存在伪像(即，由紊流引起的)。如果用户确定了存在伪像(“坏数据”)的区域，则不使用该区域来影响“好数据”区域中的速度值校正。
解决这个问题的另一方法是使用优化：尝试将散度最小化，同时确保尽可能少地改变原始矢量场(以便仍捕获局部效应并防止平滑)。
除了壁面剪应力之外，动量守恒还能够在稍后的动作中用于估计整个血管的压力梯度。质量守恒步骤对确保准确的压力估计至关重要。
利用时域的自动相位混叠校正
当设置用于4D流扫描的VENC过低导致速度值“缠绕”时，发生相位混叠；从大的正值到大的负值或者相反。理论上，这种缠绕可能发生不止一次。
通过分析速度数据的随时间的整体变化，可以确定心动周期的主要点(在其他地方描述)。假设图像中舒张峰处没有速度混叠现象，并且假设现实中空间单点处的速度从一个时间点到下一个时间点的变化不超过±VENC，则能够通过如下检查每个空间点的随时间的变化来校正相位混叠：
i)确定舒张峰时间点，并假设在该点没有相位混叠。
ii)分别检查每个获取到的速度分量的时间特性。
iii)对于每个速度图像中的每个空间点(体素)，跟踪从一个时间点到下一个时间点的速度变化。如果观察到速度变化超过±VENC，则假定发生了混叠。
iv)当检测到混叠时，如果观察到的速度的减少多于VENC，则增加该点的缠绕计数；如果观察到的速度的增加多于VENC，则减少该点的缠绕计数。
v)在每个时间点，通过将缠绕计数的结果加上两倍的VENC来根据该点的当前累计缠绕计数改变速度。
vi)当前时间点一回到初始舒张峰起始点，就检查缠绕计数是否已回到零值。如果缠绕计数没有回到零，那么就应该认为该空间点(体素)的处理错误。
使用其他方法来确定目标像素，可以改进该方法并使其更加高效。例如，可以使用其他方法来确定最有可能代表血流的像素，并仅处理这些像素。
该方法还具有自我诊断的特点和优点。所有有效的血液体素(例如，不是空气)的缠绕计数应在随着时间对该体素的处理已经完成后返回到零。能够逐体素的跟踪误差，尽管这具有如下弱点：这种误差检测方法不能保证捕捉到每个错误体素。然而，另外，通过查找低整体误差率作为被校正的像素数量的分数，可以确定该方法所需的必要初始假设是否基本正确。
自动相位混叠校正
当设置用于4D流扫描的VENC过低时，会发生相位混叠。由于以下原因，很容易找到混叠的体素：
i)每次扫描的VENC都是已知的，因为这些信息位于所有DICOM图像的头文件中。
ii)识别±VENC速度附近的流速度的急剧变化(即，如果VENC设为100cm/s，则查找速度在±99cm/s附近的急剧变化)。速度的急剧变化意味着体素可具有100cm/s的速度值，并且相邻体素具有-99cm/s的速度值。
iii)然后通过连接所有在±VENC附近具有尖锐梯度的体素来找到混叠区域的边界。
iv)这产生了一个闭合的边界。确定闭合的边界区域内的所有体素是否都有混叠。通过从边界开始朝向3D区域的质心移动，系统可以询问每个体素以确保没有(越过VENC的)显著跳变。
v)如果没有急剧的跳变，则能够将VENC速度加到混叠区域内的所有体素。
vi)如果有急剧的跳变，则问题变得更具挑战性(但仍然可以解决)。在这种情况下，体素可能被缠绕多次(即，如果VENC设为100cm/s，但体素的速度实际上是499cm/s，则可能被缠绕2次，速度会显示为99cm/s)。校正数据的方法是查看相邻体素的速度。如果跳变超过VENC的1.5倍，则该闭合区域需要加上或减去2*VENC。选择加或减是为了尽量减少相邻体素间的不连续性。
vii)为了进一步改进算法，关于静态组织在哪里的信息对确定速度一定是绝对零的位置是至关重要的。由于静态组织的速度为0，因此那些被确定是静态组织的体素一定没有被缠绕。由于物理特性(即流体边界层)，离开壁的速度必然连续增加。所有这一切的唯一假设是：相邻体素彼此之间的跳变不会超过1.5*VENC。
样条实时涡流校正
当执行MRI获取时，由于磁场中的涡流，数据可能包含伪像。在获取颗粒速度的4D流获取中，伪像会使速度值不正确。至关重要的是，4D流具有精确的速度数据以便量化通过血管的血流。
校正涡流伪像的至少一种技术涉及：
-静态(零速度)组织的体积分割；以及
-使用这些静态位置处的速度数据来对可以从原始数据中减去的体积进行曲线拟合。
给定代表静态组织的体积掩模，对任意大小的3D块进行评估。
如果体积中的块包含足够的被掩蔽的体素，则它被视为静态组织。然后将每个静态组织块的平均速度作为三个主轴方向中的每一个的一组样条函数的控制值。在评估了所有三个方向上的所有样条函数之后，结果得到值的规则网格，可以将其上采样到原始分辨率，然后从原始数据中减去。减去后，静态组织的有效速度应为零，而非静态组织的涡流伪像会被移除。这允许准确地进行流量化。
给定了分割的体积，会产生一个分辨率显著降低的新体积。新体积中的值是对较大体积的值进行平均的结果，但由于一些元素会通过分割而被掩蔽掉，因此低分辨率体积中的元素可能具有少的多的高分辨率数据，也可能不具有高分辨率数据。没有数据或数据不足的元素被丢弃。此时的结果是一个有孔的规则网格。为了评估样条体积的张量积，第一遍，评估每行元素的样条基函数，其中样条的阶数可能由于可用的控制值数量而变化。第一遍过后，不再存在孔，因此能够评估张量积的其余部分。基于对我们的测试数据的分析，这种新颖且有创新性的方法的结果是一个平滑的3D时变函数，其代表了体积误差并且计算非常快。
对于第三步，我们应用校正算法的一个方法是使用来自校正体积的三线性采样，这被证明是成功的。对于源体积中的每个元素，我们对校正体积中的八个元素执行三线性混合，并从源数据中减去该值。在应用了我们的新校正函数后，发现流量测量值误差在3％以内。此外，当过程的一部分需要用户交互时，对实时性能的需求也得到满足，这时因为评估和应用我们的新的校正需要几毫秒而不是几小时。
用于背景相位误差校正的固体
4D流MRI扫描中的血流速度信息存在误差，需要进行校正以获得准确的血流计算结果。静态组织中的误差信号能够用于为非静态组织提供校正功能(在其他地方描述)。能够创建称为固体的三维组织体积，以识别静态或非静态组织的一部分。能够使用两种方法创建固体：
正交轮廓：用户可以手动绘制三条相交的闭合轮廓。这些轮廓的交集表示静态或非静态组织的三维固体体积。轮廓不需要完全正交，并且用户能够在任何位置创建轮廓。
3D泛洪：用户也能够选择通过指定三维泛洪的起始点来自动创建固体。泛洪能够用于任何图像，包括相位图像。基于低于和高于用户点击的位置处的值的阈值来对图像进行泛洪。用户能够控制生成的泛洪的阈值和半径。
能够使用任一种方法创建多个固体，以掩蔽掉静态和非静态组织的区域，并且能够相互重叠地使用多个固体来解蔽已有固体内的区域。
在某些情况下，图像中会出现伪像。需要删除或突出显示伪像，以防止用户提供不正确的诊断。我们的软件具有预处理步骤(即涡流校正)，其基于数据集中的所有体素来计算度量。为了避免这些预处理步骤，使用工具来识别具有伪像的体素，将这些体素从任何预处理步骤中移除(但不是为了可视化而移除这些体素)。该工具可以是手动分割工具(即，用户圈出具有伪像的区位)，或者识别伪像的半自动/自动分割工具。无论具体的工具特性如何，我们的软件都需要用于移除“坏体素”以使其免于被量化的特征。
自动背景相位误差校正
准确测量4D流MRI扫描中的速度需要对由涡流引入的错误信号进行校正。通过检查静态(非移动)组织中的速度信号来确定涡流校正(ECC)。这需要掩蔽掉所有移动的组织、血液和空气。此声明描述了一种自动完成此操作的方法，无需用户干预。自动校正非常有用，它不仅使得能更简单、更快速地使用软件，还允许在用户首次开始研究时预先计算和应用校正。它也是非常重要的，因为它允许其他预处理算法(例如，进行自动分割和测量等的算法)从ECC中受益。
自动ECC通过计算用户在开始研究后自由调整的三个过滤器的初始开始值来完成。通过掩蔽掉解剖图像值低于设定阈值的区域来掩蔽掉空气。该阈值是通过分析整个扫描体积上的解剖图像值的直方图而自动确定的。胸腔上的这些值的直方图显示了允许自动检测与空气对应的图像值的模式。
此外，还开发了两种过滤器，可以可靠地检测血流区域和心脏壁运动区域。通过适当设置这两个过滤器，能够令人满意地掩蔽掉心脏区域。由于这些过滤器的生产中使用的标准化以及这些过滤器自然一致的性质，仅通过将这些过滤器设置为预定值(例如50％)就能够获得令人满意的结果。能够通过分析这些过滤器产生的值来进一步改善(或调整)对这些过滤器的自动设置，类似于前面段落中针对空气区域的检测所述的。也能够通过检查产生的ECC并寻找在心动周期中表现出很大变化的区域来调整这些设置。
然后将这些过滤器的正确值(在预处理研究时确定的)与其他研究信息一起存储在数据库中，从而允许客户端软件在首次开始研究时将其设置为默认值。
可视化
时间标志量化与可视化
能够识别身体(特别是心脏)中的标志(即点、线、平面、面积、体积)是有用的。几个标志本质上是动态的(例如，二尖瓣平面)，因此重要的是及时跟踪它们的运动：
点：随着时间跟踪3-D路径(这是一条线)。
线：随着时间跟踪两个端点的3-D路径。
平面：随着时间跟踪面上的一个点和面的法向量。
面积：随着时间跟踪扩张轮廓、轮廓质心和轮廓法向量。
体积：使体积表面离散化并随着时间跟踪每个离散点。
暂时性的标志量化和可视化有两个动作：
1)检测：第一步是随着时间确定标志。这能够手动或自动完成。
手动检测：用户能够指出每个标志的位置和方向。这样做的一种方法可以是使用平移和转动来操纵图像，以便图像的中心位于期望的标志的位置。在不同的时间点，标志的位置可能不同，并且对于用户没有明确设置标志的时间点会执行内插。向用户指示是否内插了标志。
2)显示：根据标志的类型，使用不同类型的显示数据的方法。例如，如果轮廓不随时间移动或改变其法向量(即仅扩张)，则用户的视图平面不变并始终与轮廓对齐。如果这个轮廓确实移动了，我们可以想象跟随该平面以使得视图始终在每个时间点与平面对齐。视图平面可以是拉格朗日视角，也可以是欧拉视角。对于体积来说，在体积表面扩张的情况下，欧拉视角更适合，并且能够使用固定在空间中的相机(用户能够根据需要更改相机位置)将表面扩张可视化。
心动视图：一旦检测到标志，左心室心尖、右心室心尖、二尖瓣、三尖瓣、主动脉瓣和肺动脉瓣就能够用于创建右心室和左心室的双腔室视图、三腔室视图、四腔室视图和短轴视图。在Mayo诊所心动MR指南中指定了这些视图的方向。能够根据标志的位置计算每个视图的方向和缩放级别。如果标志的位置随时间改变，则视图将相应地随时间改变。
每个视图的示例标志：
左二腔室：主动脉瓣、二尖瓣、三尖瓣、左心室心尖
左三腔室：主动脉瓣、二尖瓣、左心室心尖
左四腔室：三尖瓣、二尖瓣、左心室心尖
左短轴：二尖瓣、左心室心尖
右二腔室：肺动脉瓣、三尖瓣、二尖瓣、右心室心尖
右三腔室：肺动脉瓣、三尖瓣、右心室心尖
右四腔室：三尖瓣、二尖瓣、右心室心尖
右短轴：三尖瓣、右心室心尖
基于交互式标志的视图
一旦设置了某些标志(例如主动脉瓣、二尖瓣、左心室心尖、前乳头肌、后乳头肌、肺动脉瓣、三尖瓣、右心室心尖、LPA、RPA、SVC、IVC、降主动脉)就能够创建自动视图来显示目标解剖结构。临床医生习惯于以3个垂直视图观察特定标志，或者如果是心脏，则使用4腔室视图，或着左心室或右心室的2或3腔室视图。通过更新针对时间点之一的仅1个标志的位置，所有视图都会相应更新，以使视图始终垂直或者2、3和4腔室视图保持完整。一旦设置了标志并且自动生成了视图，就能够将这些视图保存在软件的报告部分并且以任何格式(即图像)导出，包括电影格式(即随时间的多个图像)。由闭合轮廓创建4D网格
一旦沿着(可能是弯曲的)短轴为每个时间点设置轮廓后，就为每个时间点独立地生成网格。这通过如下操作来完成：旋转短轴堆栈中的每个轮廓以最小化扭曲，然后生成连接每个轮廓中第一个点的开放三次样条、连接第二个点的第二个样条、对于轮廓中的每个点以此类推(每个切片的轮廓都具有相同的点数)。这个过程的结果是点的圆柱形网，我将其作为网格的顶点。
最小化扭曲的过程如下：计算从一个轮廓的质心到上面的轮廓的质心的开放三次Hermite样条，从下方轮廓上的每个点延伸该样条，直到它与其上方的轮廓所在的平面相交。系统计算该交点，然后确定这些交点中的哪个交点与上方轮廓中的实际轮廓点最接近。然后转动轮廓，使得这两个点位于同一长轴样条上。
当轮廓为合理的圆形并且相邻轮廓之间的空间差异最小时，当前的实施方式对于弯轴和直轴都能产生相当好的效果。然而，对于轮廓不是圆形的右心室的情况下，当前实施方式有时引入过度扭曲。为了将其最小化，我们应该摆脱长轴样条方法，并切换到任何两个切片之间的三角形数量可能不同的方法。这样做可以最局部地最小化扭曲，从而产生整体更平滑的网格。
对准流工具
准确观察或测量4D流扫描中的血流需要用户对准MPR，使其垂直于流的方向。这描述了一种创建允许用户自动设置MPR的正确方向的工具的方法。
为了对准MPR，用户首先激活工具，然后点击相关血流的中心区域。然后，MPR对准时，点击的点作为转动中心，将点击的点移动到生成的MPR的中心。通过对点击的点周围的小区域中的血流进行平均计算来完成对准。为了准确地做到这一点，无论用户使用工具时当前正在查看的时间点如何，都会使用与峰值血流相对应的时间点来完成测量。这通常意味着在收缩峰进行测量。
虽然允许用户调整收缩峰的时间点，但是这个点首先由执行软件在预处理数据集期间自动确定，并且当用户首次开始研究时，该自动值被用作默认值。已经开发了一种过滤器(在其他地方描述)，用于自动确定扫描体积内的血流区域。然后通过检查被确定为对应于血的过滤或掩模区域内的整体流的时间依赖性来确定收缩峰。
一旦流的方向已准确确定，调整MPR的方向以使其位于垂直于流的平面上就简单了。
量化
自动血流量化
通过首先隔离血池(参见本文描述的分割方法)并在标志(其能够使用上述方法来定义)上设置大致垂直于腔室/血管中的流的平面(即，平面的法线与流对齐)，能够自动量化腔室和/或血管中的血流。一旦完成了这两个动作，平面和血池之间的交叉就会形成轮廓。标记轮廓内的所有体素。接下来对于每个体素，(除了通过体素的面积进行归一化之外)对平面的法向量与该体素的速度矢量的点积求和，以给出总流量。该轮廓处的流量能够自动显示在屏幕上或在最终可以输出的报告中。
允许用户选择图像上的位置有许多重要的应用。在进行测量时，用户可能想要测量从一点到另一点的距离。在使用来自一定量数据的MPR的应用中，图像上的点表示3D空间中的位置。很容易从与图像相关的元数据中计算出这些3D点。在使用体积渲染的应用中，由于每个像素可能处于不同的深度，因此更难允许用户选择3D空间中的点。
在典型具有递增alpha合成函数的前至后体积射线投射中，一旦alpha达到1.0，alpha合成函数就终止，通过跟踪射线终止的位置来确定像素的深度。对于后至前射线投射，没有很快的射线终止。仅根据合成函数来更新结果颜色。通常，合成函数会将使空气透明，因此当射线离开最接近眼睛的物质时，颜色停止变化。通过记录颜色何时停止变化，每个像素的深度能够用于将用户选择的2D坐标转换回空间中的3D位置。这种3D位置的选择能够用于选择血管，然后自动量化流。
自动分流检测
第一个操作是确定分流是否存在，而不是试图找到分流的确切位置。确定分流是否存在的一种简单方法是测量左心血流(Qs)和右心血流(Qp)。能够手动(例如通过设置轮廓)测量Qp和Qs，或者如果已经完成标志和血池分割，也能够自动测量Qp和Qs。如果这些数字在某个阈值内不匹配，则可以将扫描结果标记为可能有分流。
能够使用以下技术自动完成这些测量：
i)自动测量心动输出(Qs)，其在其他地方描述为：生成主动脉和肺动脉流的掩模，以及自动估计主动脉瓣和肺动脉瓣的位置。
ii)一旦识别出瓣膜区域，将它们和已经确定的肺动脉流区域从瓣膜稍微向下游移动并以与针对心动输出类似的方式产生流测量轮廓就是一项简单的任务。一旦确定了用于测量肺动脉流的适当的轮廓，就能够使用现有的流量测量算法来确定右心室的输出。
iii)使用自动流量测量来指示分流存在的可能性。
自动检测峰值和末期收缩和舒张
许多自动处理依赖于首先确定出与心动周期中的主要时间标志(峰值和末期收缩和舒张)对应的时间点的能力。
如其他地方所述，我们能够对速度图像使用傅里叶分析技术，以便识别心脏内的血流区域以及心脏周围的主要动脉和静脉。一旦识别出这些主要血流区域，我们就可以得到每个时间点(通常为20个时间点)的识别出的体素上的总血流。系统然后能够分析所产生的时间函数以确定心动周期中的标志。流最多的时间点首先被分配为收缩峰标志。从那里在时间上在两个方向上分析函数，以确定血流趋于平稳的点。收缩峰前的、总流量趋于平稳的点(恰好在开始快速上升之前的点)对应于末期舒张。在收缩峰后，总流量迅速下降，直至趋于平稳，这对应于末期收缩。舒张峰通常不是一个明确定义的点，因此我们将此时间标志设置在末期收缩和末期舒张之间的中点。
自动心动输出和体积测量
使用以下方法自动测量心动输出：
i)速度图像的主要DFT分量之间的关系与已确定的收缩峰标志(在其他地方描述)被用来识别来自左心室和右心室的动脉流的主要区域。
ii)相继使用各种流连续性过滤器，以将动脉流区域分成主动脉和肺动脉流两块。初始动脉流掩模中速度最大的点提供已知位于主动脉或肺动脉中的可靠点。例如，能够通过检查所得到的过滤器内从最大流的点开始被泛洪的区域的大小来确定两个流区域的分离。一旦确定了第一块，例如，就能够通过从其余区域中最大流量的点开始泛洪来确定第二块。
iii)一旦识别出两个区域，一个对应于主动脉流且一个对应于肺动脉流，就可以允许这两个区域有限地重新生成(单个像素仅被分配到一个掩模或另一个掩模)并且原始的动脉流掩模提供生成量的绝对限值。至少允许掩模的一些扩展也可能是非常重要的，因为前面的过程操作可能在产生的区域中产生了小孔，这会妨碍该方法的下面的步骤。
iv)根据它们彼此之间的空间关系以及它们在空间中的非常不同的预期形状和取向，可以将两个流区域识别为主动脉和肺动脉流。一旦完成，原始动脉流掩模基本上分为两个区域，一个标记为主动脉流，另一个标记为肺动脉流。
v)由于主动脉本质上是一根连续的管道，所以能够从动脉内的起始点追踪主动脉的路径直到到达两端。在每个点上，能够通过对点周围的小区域进行平均计算来确定主收缩峰流动方向。然后能够以规则的角度间隔从起始点向流动方向正交投射，以确定与被掩蔽的主动脉区域的边界，从而确定围绕起始点的近似圆形的轮廓。
vi)一旦针对某个起始点将轮廓确定为与主流动方向正交的平面上的多边形。该起始点被再次设置在多边形的中心。此时可以从中心点沿正向或负向流动方向移动一小步(例如，一毫米)，这取决于我们从起始点追踪的方向，然后重复该过程。这一直持续到我们在每一端走出掩模。
vii)一旦沿着主动脉以固定间隔产生了轮廓，基本上产生网格，就通过使用解剖图像(如果处理血流增强数据集)或通过使用收缩时间点和两者之间的插值的通过速度，在每个单独的时间点对它们进行细化。一种可能的方法是使用蛇算法在每个时间点准确地识别每个轮廓的期望边界。
viii)一旦确定了细化的轮廓，就测量每个轮廓的大直径和小直径，大直径是最大直径，小直径是与大直径正交的最大直径。
viii)接下来的任务是识别主动脉瓣与主动脉顶部的分叉处之间的升主动脉的主要区域中的好轮廓，因为这是测量心动输出时需要使用的区域。这可以通过许多动作完成。首先，通过流动方向将升主动脉区域与降主动脉区域容易地分开。然后能够使用轮廓面积和直径(大和小)在主动脉中的一个点处的空间和时间上的连续性和可变性的组合对剩余的轮廓进行评分。能够沿着主动脉对得分进行平均计算，以查找良好评分的区域，而不是简单地识别单个评分很高的轮廓。使用这种方法，能够消除主动脉顶部分叉附近的区域以及可能存在于主动脉瓣附近并进入左心室的区域，因为这些区域因其性质不会得到好的评分。
ix)一旦识别出升主动脉的良好区域，就能够为实际心动输出测量选择得分最高的各个轮廓。如果可能的话，沿升主动脉的多个点进行测量，这通过平均计算以及通过检查可变性提供对测量的质量的自动确定(由此还提供对测量不确定性的估计)来改善结果。此外，检查沿升主动脉的多次流测量结果允许判断当前正在应用的速度涡流校正的质量。
x)一旦沿着升主动脉选择了理想的轮廓，心动输出就由通常的流测量技术来确定。
4D体积测量
为了计算特定区域的体积，我们用Arterys云接口开发了三个选项。
选项1：固定轴线
3D空间中的两个点定义目标体积的主轴线。一条直线连接这两个点(即固定轴线)。该轴线然后被分成离散点(例如2到40个)，这些离散点定义要设置切片的位置。切片与轴线正交地对齐，以使它们不相交。切片不必均匀间隔开。在所有切片位置渲染MPR，以允许用户看到该切片位置处的医学图像的样子。然后在每个切片上手动或自动创建一个闭合轮廓，以定义该切片位置处的体积边界。在每个切片位置可能有多个闭合轮廓。在一个或更多个切片上也可能没有轮廓。在4D或更高维度研究(即显示体积变化的研究，或对于每个切片具有不同的多个帧)的情况下，每帧能够有单独的轮廓。一旦为所有的帧和切片设置了所有轮廓，就会针对特定帧创建一个连接所有切片的轮廓的3D表面。在“由闭合轮廓创建4D网格”中解释了由一组闭合轮廓创建3D表面的方法。如果存在4D或更高维度的体积，则能够通过计算每个帧的体积并将其与另一帧的体积相减来计算体积的变化。当试图量化给出心搏量和射血分数的心室功能时，这一点尤其重要。
选项2：移动直轴线
此方法类似于选项1，不同之处在于：在4D体积的情况下，定义轴线的两个端点的标志或点能够在每个帧(例如时间点)上移动。这会使体积有可能在不改变体积的情况下在3D空间中移动位置。
选项3：固定弯曲轴线
此方法与选项1类似，不同之处在于连接2个端点的线不必是直的。这条线可以是弯曲的或有多个直的和弯曲的部分。这在系统中用连接2个端点之间的点/位置的样条来处理。这些点/位置能够在任何地方，而不一定总是在该2个端点之间。
选项4：移动弯曲轴线
此方法类似于选项2，不同之处在于：在4D体积的情况下，定义弯曲轴线的两个端点的标志或点能够在每个帧(例如时间点)上移动。这会使体积有可能在不改变体积的情况下在3D空间中移动位置。
在以上所有选项中，可以有多条轴线。例如，可能有一个“Y”形轴线，从1分成2。也可以选择使用分开又合并的直轴线和弯曲轴线创建体积。这一点主要是考虑到更复杂的形状，这些形状仍然有主轴线(即中心线)。
在以上所有选项中，还可以选择显示3D体积与MPR如何相交。交叉部分必须是一个或更多个闭合轮廓的集合。能够在MPR上渲染这些闭合轮廓。此外，能够通过在新(非正交)视图中移动轮廓来编辑这些闭合轮廓。交叉轮廓既能够在客户端也能够在服务器上计算，或根据本地资源进行自适应。对于心动成像，常见的非正交视图是2、3和4腔室视图。通过仅允许在特定方向(即沿着切片平面)上进行编辑，能够在这些视图中编辑轮廓。
平面外测量和跟踪模式之外
根据体积MRI数据进行的心脏系统中的测量具有几个复杂方面。例如，瓣膜平面的形状、位置、方向和速度可能在心动周期内明显改变。我们通过使用移动通过3D空间的2D轮廓来解决这个问题。无论是手动还是自动，轮廓设置在最垂直于流动方向的平面上开放的瓣膜的边界处。跟踪心动周期各个相位的瓣膜平面的位置和方向。流评估通过标准的有限方法积分来完成，但是，如果瓣膜平面在移动，那么瓣膜平面的线性速度和角速度可以包含在该相位的流计算中。在可视化过程中，当循环遍历相位时，MPR的位置和方向可以跟踪瓣膜平面。如果在当前MPR在平面外时将测量结果可视化，轮廓将渲染为半透明的。
分割
连续性方程驱动的血池分割
再一次，质量守恒(即连续性)和不可压缩性假设能够用来表明血池中各处的散度必然为零。通过计算各处的散度，系统能够通过阈值散度值来定义血池的范围。血池外的散度会更大(即肺中的空气)或速度会很低(即静态组织中的速度信号)，这二者有助于识别内腔边界。散度图不需要是分割算法的唯一输入，相反能够将其添加到其他输入并适当加权。
自动标志检测
创建自动标志检测算法的典型方法是查找图像中的某些形状，并测量这些形状之间的距离和角度。如果测量结果位于特定带内，则对其进行分类。能够将其他几个生理输入添加到该算法。例如，定位随着每次心跳大幅增加和减少的流的体积(这很可能是心室)。一旦找到心室，就能够通过下面的流线找到瓣膜的入口和出口。一旦找到一个瓣膜，就更容易找到其余的瓣膜，因为它们通常总是相距特定的距离和角度。
选择用来查找标志的算法可以是机器学习类型。由于Arterys不断收集利用由临床医生设置的正确标志验证过的数据，因此需要将此数据用作训练集(例如数据的统计汇总)。每个需要分析的数据集都可以与用训练集数据构建的“地图集”共同注册。一旦收集到足够数量的数据集，就能够在分析之前使用额外的输入参数，例如疾病类型(即健康、法洛四联症等)，对数据集进行入箱分类。根据疾病的类型和预期的病理情况，每个箱能够有略微不同的标志和测量。如果已知数据集是具有单个心室的患者的，则自动标志检测算法需要对此进行调整，因为它永远不会找到4个瓣膜。
特别地，主动脉和肺动脉瓣标志能够通过以下过程确定：
i)识别与来自左心室和右心室的动脉血流对应的区域。已经开发了能够以高可靠性实现这一点的过滤器(在其他地方描述)。
ii)将动脉血流区域分成两个区域，一个对应于主动脉，一个对应于肺动脉。该过程在心动输出中有详细描述。
iii)一旦确定了对应于来自左心室或右心室的任一流的一个区域，则通过从与两个流对应的起始区域中减去这个区域来确定另一个区域。然后根据这些区域在空间中的物理尺寸和方向，能够容易地识别出区域为左心室流或右心室流(也在心动输出中有描述)。
iv)一旦确定了两个流的区域，就能够通过仔细追踪整体流回到其明显的起源来确定主动脉和肺动脉瓣膜的位置的初始近似值。
v)一旦为两个瓣膜的位置生成了可靠的初始估计结果，就能够使用其他技术来改进瓣膜位置。例如，能够检查初始估计结果周围的区域中的血流加速度和强度，以便细化瓣膜的位置。
交互式4D体积分割
从心动扫描中分割心室对于确定心室功能至关重要。自动心室功能技术可以涉及：
-代表样条控制点的两个或更多个点的输入；
-样条的端点表示出口瓣膜(肺的或主动脉的)和心室的心尖；
-使用这些点生成MPR，其平面法线沿着样条曲线以规则间隔设置为曲线的切线；
-在每个MPR上应用活动轮廓模型来查找心室的边界(心外膜或心内膜)；以及
-使用这些轮廓中的每一个的点生成3D网格。
活动轮廓模型受作用于其上的力的不稳定性的影响。为了减少这种不稳定性，系统不是简单地生成轮廓来使它们以期望的输出间距(轮廓之间的距离)间隔开，而是产生很多间距非常紧密的轮廓。而且，如果输入数据具有时间数据，则使用来自相邻时间点的数据来生成同一位置处的轮廓。然后对照心室的典型轮廓，测量轮廓形状和质量。如果认为轮廓具有足够的质量，则将其包括在生成的最终结果中。通过对沿着输入曲线接近位置和时间的所包括的轮廓进行平均计算而生成最终结果。利用在收缩末期和舒张末期构建的网格，体积的差异表示了心动输出和心室功能。
在一个示例实施方式中，Arterys系统和软件会提供单击4D体积分割。这允许用户在自由操纵(即，旋转、平移、缩放、切片滚动、时间滚动)3D体积的同时点击目标区域(例如血池、心肌、骨骼等)。由于难以构建完全的3D体积分割算法并且难以使其精确，因此第二种选择是在用户绘制其想要分割的区域的边界时向用户显示3个正交视图。对于心脏，显示的视图除了短轴视图之外还可以是心脏的2、3和4腔室视图。用户只需要在长轴上创建2个正交轮廓，然后软件能够基于对两个轮廓进行插值而自动或自主地创建3D表面。3D表面可以在短轴上显示给用户以进行快速修改。在交互式3D体积分割过程中，除了显示解剖图像之外，还能够将血流速度图像(具有或不具有矢量)叠加到解剖图像上，以进一步阐明血池边界的位置。
自适应泛洪填充
系统利用多种类型的泛洪，其可以通过在泛洪期间使用的连通性(6、18或26路连通性)区分为2D与3D，以及通过最多数量的步骤区分为半径受限与泛洪受限。在所有情况下，泛洪的工作方式是从指定的种子点向外移动，并且在泛洪的结果中包括满足以下条件的像素：1)(使用指定的任何连通性)与泛洪的其余部分相连，2)强度在种子点处像素的指定阈值内，以及3)像素在种子点的最大步数的指定半径内。泛洪的结果是一个二维或三维连接的掩模。泛洪算法用于固体中，以3D泛洪的形式，以标志静态/非静态组织；用于体积中，其中能够使用2D泛洪在短轴堆栈中生成轮廓；以及用于流量化中，其中2D泛洪可以用于对血管进行泛洪，以确定泛洪内包含的流。
为了通过半径受限的2D泛洪生成轮廓，我们利用这样的事实，即泛洪必然会被连接并且它是一个二值图像。由于这些事实，我们可以应用标准的边界追踪算法来创建轮廓，其会忽略泛洪内部可能存在的任何孔。
从生成的轮廓，下一步操作是将生成的轮廓从潜在的数百个点减少到一小的控制点集合，以供闭合的三次样条使用，从而准确地逼近实际轮廓。一个简单的下采样(其中系统简单地在轮廓周围等间隔地分布固定数量的控制点)，并不像其他方法那样好，因为这种方法经常导致轮廓中的重要特征丢失，例如在乳头肌周围的泛洪的凹陷部分。为了解决这个问题，我们采用了一种“聪明的”下采样方法，这种方法由许多动作来实施。首先，为轮廓中的每个点分配一个从-1到1的拐角强度分数，并为每个点分配一个“影响力”区域。一旦完成，轮廓就会减少为其拐角强度在其影响力区域内最大的那些点。在这个阶段还执行额外的标准，例如确保我们有最小的点间距并确保我们检测到的拐角足够强。上述操作的结果是泛洪中检测到的“拐角”列表。通过将这些用作样条曲线中的控制点，此方法确保样条不会丢失轮廓中的任何目标特征。然而，原始轮廓中相对较低曲率的任何长延伸不会被检测为拐角，这可能导致所产生轮廓的重要部分不具有任何控制点，导致这些分段中的通过样条获得的近似结果较差。为了解决这个问题，通过计算由通过这些点的原始轮廓分段和通过这些点的样条分段形成的闭合轮廓的面积，为每对控制点计算一个误差度量。如果误差高于某个固定容差，则在原始轮廓分段的中点添加另一个控制点。重复此操作，直到每个段的计算误差都低于所需容差。
这种泛洪到轮廓的工具至少能够在应用的两种场合中使用：在进行体积分割的同时对心室的切片进行泛洪，以及在流量化中。在对体积进行泛洪的情况下，返回的轮廓扩大了8％，以便捕获更多的心室，因为原始泛洪填充往往被低估，这仅仅是由于接近心脏壁的像素强度不同。对于流泛洪，结果扩大了12％，因为泛洪工具对解剖结构起作用，这意味着未扩大的泛洪往往会漏掉血管壁附近的流。
全过程
自动化报告
以类似于生成超声心动图报告的方式，能够通过允许用户点击他们拥有的患者类型来创建基于4D流MR数据的自动化报告。Arterys具有特定于特定病理或用户类型(即患者或临床医生)的独特报告模板。此报告中的所有值、曲线、图像和电影影像都可以自动输入到报告模板中。由于标志是预处理步骤的一部分，因此所有重要信息都能够自动保存在数据库中并导出到此报告中。
自动化集成测试
一个称为node-webkit的工具被设计用于使客户端侧Web应用程序使用node.js来执行自动化集成测试。虽然不是为此目的而设计的，但它允许我们在同一环境中运行客户端和服务器软件栈，以便同时完全控制客户端和服务器应用程序。使用混合了称为mocha的测试工具的基础架构，我们编写测试：模拟客户与客户端的交互，同时确定客户端和服务器对该交互的处理以及应用程序的结果状态。对于此类用户界面测试，这种集成测试方法是新颖的，并且优于其他基本基于视觉的工具。
混合客户端服务器渲染
说明：某些工作流需要在具有链接属性的同一时刻渲染一个或更多个图像。在一些情况下，当前的工作流可能需要同时查看20个图像。如果利用不同的HTTP请求来检索这些图像中的每一个，则由于在创建和发送请求中的显著开销，因此效能会大大降低。相反，我们将所有图像渲染到一个大图像上，并且只针对该“精灵表”提出单个HTTP请求。客户端然后通过使用像素错位显示所述图像。例如，如果视图具有四个256x256的图像，则精灵表可以为256x1024，其中图像中的每个堆叠在另一个之上。客户端然后会通过利用0、256、512和768的错位来显示256x256的4个图像。
此外，图像中的任何线、标志、平面都在客户端上绘制成覆层，并且通知客户端如何渲染覆层的信息来自于服务器的JSON消息。相比在服务器端对覆层进行渲染、进而编码成JPEG并且进行传输的情况，这提供对覆层数据更高质量的渲染。
自动全局耐久性和压力测试
为了执行负载测试和耐久性测试，我们在多台(能够是地理分散的)计算机上启动多个客户端进程，以便启动专门的Web浏览器，我们完全控制其执行环境。它们被引导到应用程序并像普通浏览器那样加载客户端，然后我们直接与客户端状态进行交互，从而控制软件并使其表现为特定的工作负载。在负载测试期间记录客户端和服务器指标，并运行较长时间以进行耐久性测试。
从医疗设备推送数据到远程服务器的推送器
我们开发了用于监视活跃研究的软件，并将结果推送到云中的远程服务。监视由扫描仪生成的文件的文件夹，完成后，将所有相关数据压缩在一起，并经由安全连接将其推送给我们的远程云服务器，该连接使用针对每台扫描仪的唯一密码和密钥进行授权。通过立即删除任何中间文件来最小化磁盘空间(例如，非暂时性存储介质)使用率。
一旦传输成功，通过重现封装进程并比较密码散列函数的输出，对照本地内容验证传输内容的数据完整性。重复此过程以确保在扫描过程中出现延迟的情况下(这可能会引发数据比预期早地传输至Arterys服务器)不会错过扫描可能产生的任何新数据。
在由于服务器或网络错误而导致传输失败的情况下，在推送器认为传输失败之前，进行可配置次数的尝试，每次尝试之间的停顿间隔逐渐增加。但是，传输(包括所有后续尝试)失败后，推送器将继续监视传入的文件，并在稍后再次尝试重新传输。
一旦证实数据传输成功，我们的软件就会删除该数据以节省扫描仪上的磁盘空间。
每台扫描仪上运行的各个推送软件都会发送心跳消息，提供扫描仪的本地日志数据和详细状态信息，提供持续监视和增加的响应时间，以确保在关键扫描时间期间的扫描仪功能。
在初始安装期间，扫描仪将自动向Arterys注册，注册方法是请求唯一的密码和密钥，用来签署所有将来的请求，以进行授权。扫描仪将在我们的系统数据库中注册，但不附接到任何组织。然后技术人员能够通过网络门户将所有最近注册的扫描仪附接到正确的组织。
在进行了配置的情况下，推送器能够通过定期从Arterys请求新版本来自动更新。如果提供了新版本，它将安装自身的新副本，然后重启。这允许将安全性和功能更新部署到扫描仪，而不需要技术人员的干预。心跳消息提供确保在Arterys服务器上成功进行此操作所需的信息。心跳使我们能够确定最近未更新的任何推送器，并直接与医院联系，主动确保所有软件都是最新且安全的。
图3A-3B示出了示例过程300。
拉取器-工件(artifact)存档
拉取器软件用于存档医院(例如PACS)生成的工件。它安装在医院网络中，并使用与推送器相似的方法自动向Arterys注册。发出具有一些识别信息的请求，并返回密码和密钥对，用来签署将来的请求，以进行身份验证和授权。然后技术人员通过门户网站将拉取器附接到组织。
也可以直接下载针对组织的版本，并在安装过程中自动包含一个唯一的密钥和密码，因此安装后就不需要自动注册和附接拉取器。
在Arterys服务器上完成对工件端点的配置。可以使用主机名、端口、AE标题以及拉取器将数据传输到其所需的任何其他信息来配置多个位置。能够为这些端点命名，并且可以由临床医生在选择想要存档工件(报告/屏幕截图/视频)的位置时从Arterys的网络UI中进行选择。
通过以规则的间隔频繁地请求Arterys API中的列表来监视工件。工件列表包括唯一ID以及工件所存储到的端点的所有配置信息。唯一ID用作另一个API请求的输入，以从Arterys服务器检索工件。对工件进行解压缩(如果需要)，并使用列表请求中包含的配置(例如，storescp)定义的配置和方法进行传输。一旦所有数据传输完毕，就向Arterys发出使用所提供的ID的另一个API请求以将工件标记为存档，并且过程循环中它不会再出现在第一个请求生成的列表中。一旦工件被标记为存档，Arterys服务器就通知用户存档已完成。
拉取器向Arterys发送心跳请求，提供详细日志以帮助验证并确保一切按预期运行。拉取器还会不定期-在可配置的时间(例如，每小时一次或每天一次)-向Arterys发出对新版本拉取器软件的API请求。如果有新版本可用，则下载、安装该新版本，并且拉取器会自行重启。
检索工件列表的示例请求：
Figure BDA0001711579750000461
图4A-4B示出了用于监视工件和存档的示例过程400。
我们开发了一种方法，在不向服务提供者透露敏感患者信息的情况下，将敏感患者信息从服务安全地传送到客户端应用程序。
在发送给服务提供者之前，除去了数据中向服务注册的所有可识别患者的健康信息，并且原始敏感数据被替换为由服务提供的唯一令牌标识符。
在与服务提供者交互时，客户端识别这些令牌并使用独立的传输层将令牌替换为敏感患者健康信息。
以下为这种系统的可行实施方式的示例：
角色：
与客户端软件交互的用户(用户)
客户端应用程序(客户端)
持有敏感患者信息的服务(服务)
应用服务提供者
1、用户向软件指示其想要发送给应用服务提供者的一组文件。
2、对于每个文件，将所有敏感信息以JSON格式封装，并通过http请求向服务注册。
示例：
Figure BDA0001711579750000471
3、使用占位符(比如#{PatientName})代替敏感信息，然后同时上传该数据和由服务返回的Location的url。
4、当客户端从应用服务提供者加载数据时，包含这些敏感令牌的字符串使得客户端应用程序向服务提供者(单独或批量地)请求数据。
示例：
GET
https：//sensitive.arterys.com/4217ad2b78fff7eb9129a58b474efb3e#Patient
Name
returns
″Franklin\Benjamin″
5、客户端用敏感信息替换令牌。
注意：对于授权，我们可以使用sso，比如saml2。
工作空间
工作空间是针对整个医疗软件中存储和共享应用程序状态子集的问题的解决方案。
工作空间包含研究的应用程序状态(包括任何分析)，在加载时它们将应用程序恢复到以前的状态。应用程序状态包括与特定问题有关的组件状态的子集，例如包括测量和ECC校正值等的研究评论。
在用户与软件交互时，工作空间能够不断加载和更新。首次加载研究时，用户以私有默认工作空间开始；当重新加载时，加载最近使用的可适用的工作空间。
用户能够向一组或更多个用户发布研究，这也能够作为生成报告和通知外部系统的触发器。
首次打开已发布的工作空间时，会创建工作空间的私有副本，并在后续重新加载时加载该私有副本。已发布的研究是不可变的，永远不能修改。
机器学习与医学成像
借助云接口，现在可以汇总来自多个源的统计数据，以使用机器学习进行预测。这些多个源可以是由组织内的多人或甚至分散在世界各地的多个组织产生的结果。能够汇总的统计数据可以是医学成像像素数据、医学成像元数据(例如DICOM头)以及例如患者的电子病历(EMR)。可以在用户级、组织级或者甚至大级别(例如全球级)上进行学习。
在试图自动量化(例如，注释、测量、分割)医学图像的情况下，能够有两种不同类型的深度学习、机器学习或人工智能：对于医学成像应用，监督式学习更合适，因为没有足够的数据可供学习。为了尽可能有效地学习，云用户接口被定制为允许用户以结构化的方式为数据添加标签。例如，在心血管成像的情况下，用户能够进行多次测量并按照他们的意愿标记测量结果。用户可以从Arterys提供的预定义列表中选择一个标签，而不允许完全由用户定义字段。通过这样做，我们能够以结构化和自动化的方式给数据添加标签。被标记的数据充当训练数据集，输入机器学习算法内(即，比如随机森林或深度学习CNN或RNN)，以便算法能够基于新的未标记数据预测结果。例如，用户评论过程中的一个可选步骤是让他们“发布”其工作空间或状态，以确认他们对添加到数据中的标签感到满意。“发布”机制可以是用户为“保存”在用户界面中点击的图标，也可以是要发送(例如到医院的PACS服务器)以进行存档的结果。只需要能够区分用户创建的虚拟测量及注释和真实的临床测量及注释。
云接口的好处是，每当用户在系统界面中对提供的建议进行任何修改时，该修改就会被保存并反馈到机器学习标记数据中。这创建了添加了非常有价值的训练数据的强化学习循环。只要用户登录或实时地每当用户在会话期间进行修改时，能够提供由机器学习算法提供的建议。例如，当用户识别解剖结构的医学图像中的体素时，能够在他们的会话中实时地识别所有相似的体素。
在试图预测特定治疗的结果(并给出所得到的可能性度量)或预测哪种治疗方案更适合特定患者的情况下，来自EMR的数据至关重要。能够访问标记的医疗设备数据(例如，医学成像、基因数据、可穿戴设备)不足以确定最佳治疗决策。这些数据需要在所有回顾性病例中进行汇总，以向具有相似医疗设备数据的新患者提供预测。
机器学习也能够用于医疗图像的搜索。用户能够键入搜索字段并查找例如具有特定类型病症的所有图像。然后用户能够验证呈现给他们的所有研究都有这种病症，然后能够将这些数据反馈到训练数据集中。
图片和视频服务
我们希望用户能够捕捉他们工作流的当前状态的图片和视频。这些图像和视频需要包含我们服务器上生成的图像数据和客户端浏览器上渲染的覆层。为了实现这一点，我们有基于node-webkit的视频服务，其允许我们在同一环境中运行我们的客户端和服务器软件栈。然后，我们在node-webkit环境中恢复用户工作空间的当前状态，并充分利用为该用户的会话分配的相同计算节点。如果用户请求单个图片，则服务仅截取恢复的工作空间的屏幕截图，并返回生成的图像文件。在请求视频的情况下，该服务截取当前工作流的每一帧的屏幕截图，并使用视频编码器将屏幕截图图像编译成视频文件，然后将其返回。返回的图像或视频能够存储在服务器上或发送回客户端以供查看。
以下为图片和视频服务的详细软件设计的示例：
屏幕截图和视频捕获
～～～～～～～～～～～～～～～～～～～～～～～～～～～～～
需求
^^^^^^^^^^^^
*屏幕截图应该是用户当前在视口区域中看到的内容的渲染
*视频能够是随着时间循环的mpr
*可以由一组关键帧生成视频，在其间可以内插插值参数
*视频能够是用户交互式录制品
*输出应当包含视口上的所有内容(图像、webgl覆层、css覆层、……)
*屏幕截图和视频帧应当是全质量的
设计
^^^^^^
由于我们在客户端渲染所有内容，因此需要客户端来生成图像。
不幸的是，在大多数网络情况下，上传视频会令人望而却步。
因此，屏幕截图/视频服务会在使用客户端渲染技术的群集中运行。
它开放http接口来提供需求中定义的功能。
该服务根据需求加速node webkit进程，以便当收到请求时渲染视频和屏幕截图。
在收到渲染图像或一组图像的请求后，
该服务启动node webkit进程并将其重定向到用户工作表的签名URL。
然后，node-webkit进程加载研究并注入用户工作空间
接下来，以全质量渲染每一帧。
在渲染帧时，node-webkit执行X11屏幕捕获并裁切到画布视口。
将图像存储到磁盘。
一旦捕获了所有帧，服务将返回视频截图，或者如果是视频，
则对视频进行编码并返回。
数据流
^^^^^^^^^
*用户发起对屏幕截图或视频的请求。
*网络服务器接收请求
*node-webkit进程开启
*node-webkit进程打开已被认证加载所需研究的会话
*加载请求的研究
*将请求中的工作空间注入到研究中
*完成工作空间加载(包括streamline等长时间运行的任务)后，开始渲染关键帧
*每帧都以全质量渲染，没有去抖动图像命令
*渲染图像时，在窗口上执行X11屏幕抓取(xwd)
*将图像裁切到视口并保存到磁盘
*如果请求视频，则在生成图像后运行编码操作
*完成所有图像后，返回带有.png或.mp4的http响应
*网络服务器收到结果后，将结果保存在S3中，并将引用保存到数据库
附加工具和优化
Figure BDA0001711579750000501
Figure BDA0001711579750000511
Figure BDA0001711579750000521
网络服务器控制器
+++++++++++++++++
“generate-screenshot”的消息控制器将当前工作空间附加到发送给webkit服务的参数。
然后使用webkit-client模块向webkit服务之一发送请求。
一旦收到响应，就将记录插入数据库中并存储图像或视频。
Webkit-Client
+++++++++++++
webkit-client模块负责将屏幕截图请求发送给能够处理它的节点。
webkit-client订阅当前运行的webkit节点发布的Redis消息。
这些消息包括运行app-id的node-webkit的现有实例。
当接收到请求时，webkit-client尝试查找已具有运行所请求的app-id的node-webkit的节点。
替选地，如果还没有建立会话，那么它选择运行会话数量最少的节点。
一旦确定了节点，它就通过HTTP向该主机发送消息。
参数在消息体中以JSON的格式使用POST方式发送到'/webkit/execute'路径。
当返回结果时，使用二进制数和包含类型(例如，图像/png或视频/mp4)的JSON二进制大型对象以及收集的其他有用信息(例如，定时信息、大小)来调用回调函数。
Figure BDA0001711579750000531
Webkit-Service
++++++++++++++
webkit-service是一种微服务，其开放HTTPS接口，用来生成屏幕截图和视频。
webkit-service在'/webkit/execute'处仅监听POST请求。
在接收到'/webkit/execute'的POST后，它会创建一个webkit-context，并将屏幕截图或视频请求入队。
此模块还负责通过附加与特殊的'webkit-屏幕截图'用户关联的auth_token，对将从node-webkit发送到网络服务器的请求进行授权。
Webkit-Context
++++++++++++++
webkit-context模块负责管理通过运行来生成屏幕截图或视频的node-webkit进程。
创建后，webkit-context会创建工作目录来存储中间结果。
接下来，它通过将简单的'index.html'和'package.json'文件复制到工作目录中来配置node-webkit，并配置包含传递到该context中的参数的'args.json'来渲染屏幕截图/视频。
然后开启node-webkit，并在生成屏幕截图的整个过程中运行。
当node-webkit退出时，webkit-context查找适当的屏幕截图或视频文件以用此做出响应。
每次只能运行一个app-id的屏幕截图。
webkit-context将其本身注册在redis中，以便网络服务器能够发送屏幕截图和视频请求。
Node-Main
+++++++++
node-main模块是在node-webkit中运行的桥接模块。
当node-webkit开启时，它会一直等到定义了'global.window'变量，然后读入args.json文件并开始执行生成屏幕截图的步骤。
这些参数表示用于制作窗口的宽度x高度以及将window.location.href重定向到的位置。
假定重定向指向设置global.window.io的网站，global.window.io是Arterys定义的表示websocket连接的变量。
一旦websocket连接完成，它会调用一个'load-study'命令，并等待'load-workspace-complete'。
一旦可能通过恢复工作空间调用的所有命令完成，node-main就开始捕获图像。
如果'args.json'包含'render_frames'字段，它会遍历每一个来生成图像。
通过调用xwd来转储Xwindow，从而生成图像。
然后使用ImageMagick convert来转换为png并裁切到'.ar-content-body-canvas'。
如果生成了多于一个的图像，则调用ffmpeg将一组图像编码为h.264编码视频。
屏幕截图或视频创建完成后，node-webkit会完全退出。
任何错误都会导致node-webkit以非零代码退出，这提示了webkit-context屏幕截图失败。
PHI服务
图5示出根据一个图示实施例的用于医疗分析系统或平台500的网络环境。该平台包括分析服务提供者(ASP)网络502，其包括ASP系统504(例如，一个或更多个基于处理器的设备)，ASP系统504通过防火墙506与和医疗提供者(例如医院)网络508(示出一个)相关联的各种系统进行通信。ASP系统504提供上面讨论的各种功能的一些或全部。例如，ASP系统504可以与图1的图像处理和分析系统104相似或相同。可以使用云架构来实现ASP系统504，并且因此可以包括多个分布式的基于处理器的设备。例如，ASP系统504可以通过能够经由防火墙506访问的一个或更多个通信网络来访问外部系统。
医疗提供者或医院网络508可以包括一个或更多个受保护的健康信息(PHI)系统510(示出一个)，PHI系统510经由防火墙518可操作地耦合到一个或更多个外部网络(例如，因特网)。医疗提供者网络508还可以包括可操作地耦合到PHI服务510的安全声明标记语言(SAML)服务512。这里讨论的实施方式中的至少一些中，SAML服务512可以被认为是PHI系统或服务510的一部分或与其集成。
PHI系统510可以操作地耦合到MRI获取系统514，MRI获取系统514包括MRI机515(图7)和主机系统517(图7)。PHI系统510还可以通信地耦合到数据库524或其它非暂时性处理器可读存储介质，除其他数据之外，该非暂时性处理器可读存储介质还存储从MRI获取系统接收的医学研究数据。医学研究数据可以包括MRI数据、4D流数据或可以具有PHI或其他受保护或个人信息的任何其他类型的数据。如图8所示，PHI系统510可以通信地耦合到与医疗提供者相关联的图像存档和通信系统(PACS)525或其它目的地存储装置。
MRI获取系统514通常设置于临床机构处，例如医院或专用医学成像中心。MRI获取系统514可以与图1的MRI获取系统102相似或相同。如本文解释的，各种技术和结构可以有利地允许ASP系统504远离MRI获取系统514。ASP系统504可以例如位于另一建筑物、城市、州、省乃至国家。
ASP系统504可以包括用来处理到来的请求和响应的一个或更多个服务器，以及一个或更多个渲染或图像处理和分析计算机。服务器的形式可以例如是执行服务器软件或指令的一个或更多个服务器计算机、工作站计算机、超级计算机或者个人计算机的形式。一个或更多个渲染或图像处理和分析计算机的形式可以是执行图像处理和/或分析软件或指令的一个或更多个计算机、工作站计算机、超级计算机或者个人计算机的形式。一个或更多个渲染或图像处理和分析计算机通常会采用一个、优选地多个图像处理单元(GPU)或者GPU核。
虽然图5图示了代表性网络环境，通常的网络环境可以包括许多另外的MRI获取系统、ASP系统、PHI系统、计算机系统、和/或实体。本文中教导的构思可以以相似的方式用于比图示的更加稠密的网络环境。例如，单个ASP实体可以向多个诊断实体提供图像处理和分析服务。诊断实体中的一个或更多个可以操作两个或更多个MRI获取系统。例如，大型医院或专业医学成像中心可以在一个机构处操作两个、三个乃至更多个MRI获取系统。
通常，PHI系统510可以为医学研究数据(例如DICOM文件)创建安全终端。PHI系统510可以自动或自主剥离出PHI的文件，并将去识别医学研究数据上传到ASP系统504以进行处理和/或分析。此外，如以下讨论的，可以向操作基于处理器的客户端设备520的用户提供web应用，该客户端的基于处理器的设备520能够安全访问医疗提供者网络508(例如，经由VPN访问)。web应用用于合并来自PHI系统510的本地PHI数据和来自ASP系统504的去识别的数据，而不向ASP系统提供任何PHI数据。
组织(例如医院、其他医疗提供者)可以在现场或在云中实现PHI系统510。实现PHI服务的PHI系统510允许PHI数据驻留在医疗提供者网络内并进行控制，同时允许ASP系统504在满足监管法律并确保患者隐私的同时在云中运行。
如图6的过程600所示，当用户使用运行在能够安全访问医疗提供者网络508的基于处理器的客户端设备520上的web浏览器加载医学研究(例如，MRI)时，在web浏览器内根据需要重识别医学研究数据。web应用同时从ASP系统504(例如，经由ASP系统的web应用)和PHI系统510的网络API请求数据。然后，PHI数据和去识别的数据在活动会话期间在用户的web浏览器内无缝地合并，其中该web浏览器在基于处理器的客户端设备520上运行。
PHI系统510可以为医疗设备(例如，MRI获取系统514)提供API以通过加密连接传输医学研究数据。然后可以以有效的方法将数据安全地上传到ASP系统504。这使得易于与当前医疗设备集成，同时为医疗提供者网络508外部传输的数据提供安全性。通过确保医疗提供者网络508内部和外部的所有通信(例如通过HTTP端口上的HTTP协议)安全地完成，PHI系统510可以减少复杂的每个设备网络配置。
如下面进一步讨论的，诸如在ASP系统504的web应用内生成的辅助捕获对象和报告之类的工件，可能需要被推送回医疗提供者的报告系统和/或PACS。PHI系统510充当安全代理，从ASP系统504拉取工件并将重识别的数据推送到医疗提供者网络508内配置的位置。这允许医疗提供者使用由ASP系统504提供的服务而不允许任何入站网络请求，这保证了医疗提供者网络的安全。
PHI系统510也可以是自更新的，并且可以允许安全性更新以及功能性更新而不需要医疗提供者的工作人员干预。
图7示出了操作PHI系统510以从DICOM文件剥离出PHI数据的示例过程700。PHI系统510接收来自MRI获取系统514的主机系统517的DICOM文件，该DICOM文件包括PHI数据和像素数据。PHI系统510从DICOM文件中剥离出PHI数据并将PHI数据存储在数据库524中。PHI系统510经由防火墙518将去识别的像素数据上传到ASP系统504，供ASP系统504用来执行上述各种功能。
图8示出了在与医疗提供者相关联的已注册PACS服务器525上存储用户生成的报告的示例过程800。如图所示，操作基于基于处理器的客户端设备520的用户可以经由web应用请求ASP系统504创建报告。响应于该请求，ASP系统504生成报告。PHI服务510可以不时地轮询ASP系统504以获取去识别的报告。当ASP系统504具有可用的一个或更多个去识别的报告时，ASP系统504经由加密传输将一个或更多个去识别的报告发送到PHI系统510。然后，PHI系统510将接收到的报告存储到PACS服务器525供以后使用。
图9是PHI系统510的示意图900，其示出了PHI系统510是如何处理由MRI获取系统514的主机系统517接收的DICOM文件。除了其他服务，PHI服务510还可以包括扫描仪上传服务902、去识别器服务904、上传器服务906、PHI存储器服务908和状态汇总器服务910。下面进一步讨论这些服务中的每一个。
通常，扫描仪上传服务902负责从MRI获取系统514的主机系统517上传DICOM文件。扫描仪上传服务902还向状态汇总器服务910发布DICOM文件处理的状态。扫描仪上传服务902还将提取的DICOM文件发送到去识别器服务904。
如以下参照图12进一步讨论的，去识别器服务904用于从DICOM文件中剥离出或去除任何PHI数据。去识别器服务904然后将去识别的DICOM文件发送到上传器服务906，并将剥离出的PHI数据发送到PHI存储器服务908，PHI存储器服务908将PHI数据存储在数据库524中。去识别器服务904还将去识别状态信息发布到状态汇总器服务910。上传器服务906通过加密传输协议将去识别的DICOM文件发送给ASP系统504，以供ASP系统处理。
图10是PHI系统510的示意图1000，示出了如何组织PHI服务的依赖关系。PHI系统510包括基本操作系统(例如，Ubuntu/SL7)，其包括bash脚本1004、Docker 1006和本机可执行文件1008。Docker 1006包括多个Docker容器，Docker容器用于实现PHI系统510的各种微服务1002。如图9和11所示，这样的微服务1002例如可以包括扫描仪上传服务902、去识别器服务904、上传器服务906、存储器服务908、状态汇总器服务910、SSL代理服务1106、工件服务1108和启动服务1110。
图11A-11B(统称为图11)是示出PHI服务510的启动序列的系统序列图1100。与实现启动序列相关联的组件包括服务控制节点1102、PHI服务510的密钥管理服务1104、ASP系统504、扫描仪上传服务902、去识别器服务904、存储器服务908、SSL代理服务1106、工件服务1108和启动服务1110。
在1112和1114，服务控制1102创建经由存储器服务908到ASP系统504的签署的请求。在1116，ASP系统504从密钥管理服务1104请求明文数据密钥。在1118，密钥管理服务1104将密钥返回给ASP系统504，ASP系统504在1120将明文数据密钥和加密的数据密钥返回给PHI系统510的存储器服务908。在1122，存储器服务908向服务控制1102提供存储器服务908已开启的指示。
在1124，服务控制器1102向启动服务1110发送开始命令。在1126-1130，启动服务1110经由ASP系统504从密钥管理服务1104请求明文密钥。在1134，如果不存在卷密钥(volume key)，则启动服务1110生成卷密钥。然后用明文数据密钥加密卷密钥，现在称为加密的卷密钥。加密的卷密钥与加密的数据密钥一起存储。加密的数据密钥唯一地标识明文数据密钥，其允许PHI系统510在后续启动时滚动密钥。在1136，启动服务1110通知服务控制1102启动服务已经开启。
在至少一些实施方式中，卷密钥用于使用aes-256-gcm将挂载的卷(例如，Docker卷)初始化为偏执(paranoia)模式的EncFS文件系统。需要将数据写入磁盘的所有其他服务需要首先从启动服务1110请求卷密钥。由于卷密钥可能未被保存在存储器中，所以启动服务1110根据请求利用存储器内明文数据密钥对加密的卷密钥进行解密，并将卷密钥返回给请求服务。请求服务然后使用该卷密钥来以解密的方式挂载共享EncFS卷。
在1138，服务控制器1102开启去识别服务904。在1140，去识别服务904从启动服务1110获得卷密钥，在1142，启动服务1110将卷密钥返回给去识别服务。在1144，去识别服务904使用该卷密钥来挂载共享EncFS卷。在1146，去识别服务1110通知服务控制1102去识别服务已经开启。
在1148，服务控制1102开启扫描仪上传服务902。在1150，扫描仪上传服务902从启动服务1110获得卷密钥，在1152，启动服务1110将卷密钥返回给扫描仪上传服务。在1154，扫描仪上传服务902使用该卷密钥来挂载EncFS卷。在1156，扫描仪上传服务902通知服务控制1102扫描仪上传服务已经开启。
在1158，服务控制器1102开启工件服务1108。在1160，工件服务1108从启动服务1110获得卷密钥，在1162，启动服务1110将卷密钥返回给工件服务。在1164，工件服务1108使用该卷密钥来挂载EncFS卷。在1166，工件服务1108通知服务控制器1102工件服务已经开启。
在1168，服务控制器1102开启SSL代理服务1106。SSL代理服务1106是最后开启的。SSL代理服务1106控制对所有内部服务的外部访问。在1170，SSL代理服务1106通知服务控制1102SSL代理服务已经开启。
图12是示出PHI服务的去识别服务904的过程1200的流程图。去识别服务904负责处理由扫描仪上传服务902上传的研究，收集所有信息，并确保上传到ASP系统504是安全的。去识别服务904的主要组成部分是对DICOM数据执行的实际去识别动作。在至少一些实施方式中，可以使用来自GDCM工程的修改的gdcmanon实用程序。
例如，当扫描仪上传服务902将用于研究的提取的DICOM文件发送到去识别服务904时，过程1200在1202处开始。在1204，启动PHI处理模块。在1206，执行多个处理动作1208-1222。具体地，在1208，重命名包含待处理研究的文件夹。在1210，删除所有非研究文件(例如，sha1和)。在1212，去识别服务904从DICOM文件中提取PHI。在1214，去识别服务对DICOM文件执行去识别操作。例如，可以为每个DICOM文件收集并存储所有提取的PHI数据，并且可以在处理结束时将其发送到存储器服务908。
在1216，去识别服务904提取混淆的UID。去识别动作1214用混淆值替换研究实例UID(StudyInstanceUID)。原始数据通过该值与发送给ASP系统504的研究相关联。
在1218，去识别服务904对混淆的UID执行冲突检查以确保研究实例UID与混淆的UID之间存在唯一映射。如果存在冲突，则可以生成不同的混淆UID以确保研究实例UID和混淆的UID之间的唯一映射。
在1220，例如，去识别服务904将PHI数据发送到存储器服务909，存储器服务909将PHI数据1220存储在数据库524中。在1222，去识别服务904将文件夹移至去识别的状态。在1224，一旦处理动作1206一完成，去识别的数据就排队等待上传器服务906将其上传到ASP系统504。在1226，过程1200结束，直到例如发现需要处理的另一研究为止。在1228，如果在处理动作1208-1222中任何一处检测到错误，则可以运行PHI错误处理模块。
收集到的PHI数据可以组织在具有两级(一个研究级和一个系列级)信息的文档中。可以通过混淆的研究实例UID来索引数据，其提供与ASP系统504存储的数据的链接。可以将PHI数据发送到存储器服务908，存储器服务908将数据加密并存储在数据库524中。
可以使用(来自dcmtk工程的)dcmconv实用程序来处理ISO2022数据。在从精简的DICOM文件集中读取PHI数据之前，可以将DICOM文件转换为UTF-8格式。这可以通过限制需要转换的文件数量来加速进程，同时确保收集的所有PHI数据采用一致的格式。
实用程序gdcmanon处理DICOM数据文件夹中的去识别。然而，该工程仅对2008NEMA标准进行了去识别。因此，至少在一些实施方式中，使用了gdcmanon实用程序的修改版本，其添加符合最新的DICOM标准所需的DICOM标签。
该实用程序还对PHI进行加密并将PHI存储在每个DICOM文件中作为新标签。即使在加密时，PHI系统510也不发送任何去识别的数据，因此实用程序被进一步修改为跳过插入加密数据的新标签的步骤。这进一步加速了该过程，因为后面不再需要增加额外的步骤来删除该标签。
为了使PHI系统510起作用，只需研究级和系列级的PHI的很小的子集。但是，DICOM标准删除了更多的字段。为了使PHI系统510的数据库524更小(这增强了用户端的性能)，PHI系统可以仅将所需数据存储在数据库524中。在需要附加字段的情况下，或者需要重新处理PHI数据时，可以存储从每个DICOM文件移除的去识别数据(例如，作为被压缩和存档的JSON文件)。
图13A-13B(统称为图13)是示出用于PHI系统510的上传器或推送器服务906的过程1300的流程图。推送器服务906有两个主要任务。第一项任务是将识别的研究转移到ASP系统504。第二项任务是监视上传的研究的状态，并更新PHI系统510的内部状态，直到达到结束状态。这允许主机系统517从PHI系统510请求研究的状态，并从ASP系统504接收信息。
在1302，推送器服务906监视由去识别服务904提供的去识别研究的文件夹。推送器服务906然后开启上传文件过程1304。在1306，推送器服务906压缩去识别数据(例如，将研究压缩成tar和gzip)。在1308，推送器服务906计算新压缩的文件(例如，tar文件)的sha1和(sha1sum)，该sha1和用于验证上传的完整性并且还提供用于请求状态更新的密钥。在1310，推送器服务906可以重命名文件(例如，“<sha1sum>.tgz”)以确保文件名不包含PHI。
在1312，然后可以使用发送重试循环1314将重命名的文件上传到ASP系统504。发送方重试循环将不断地尝试上传文件，但尝试之间的延迟时间会延长。如果在多次尝试之后文件未能上传，则可以运行错误上传模块1316。如果上传成功，则验证sha1和以确保数据完整性。在1318，上传的文件然后排队等待由ASP系统504处理。
在1320，上传器服务906可以远程监视上传文件的状态。作为示例，上传器服务906可以将sha1和作为查找关键字。上传的文件的可能状态可以包括表示发生错误的“错误处理”、表示正在处理文件的“处理中”、或者表示已处理完文件的“已处理”。
存储器服务908负责存储提取的PHI数据，以便稍后可以检索它以进行重识别。当存储器服务运行时，存储器服务与ASP系统504通信并检索明文数据密钥和加密的数据密钥，如以上描述的。然后，将这些密钥存储在存储器中。存储器服务908写入磁盘的任何数据都用明文数据密钥加密，并与加密的数据密钥一起存储，该加密的数据密钥标识用于加密数据的明文数据密钥。
图14A-14B(统称为图14)是示出用于在客户端的基于处理器的设备520(图5)上运行web应用的web浏览器中重识别数据的过程1400的系统序列图1400。在1402，web浏览器向ASP系统504发送请求以加载应用。在1404，ASP系统504在web浏览器上加载应用程序。可以向已在ASP系统504的web应用上成功认证的用户给予web令牌(例如，JSON Web令牌)。如上面所讨论的，当请求数据时，该网络令牌通过web浏览器发送到PHI系统510。SSL代理服务1106(图11)将所有数据请求转发给PHI系统510的授权服务以确保用户仍然具有对该web应用的有效且已认证的访问权限。就用户而言，这一过程是透明的。
在1406，web浏览器从ASP系统504请求关于PHI系统510的信息。在1408，ASP系统504将PHI系统信息发送给web浏览器。在1410，web浏览器向ASP系统504请求PHI访问令牌。PHI访问令牌被加密并且只能由ASP系统504读取。在1412，ASP系统504将加密的PHI访问令牌发送给web浏览器。
在1414，web浏览器向PHI系统510查询可用研究的工作列表。到PHI系统510的所有请求包含加密的PHI访问令牌。在1416，PHI系统510将加密的访问令牌发送给ASP系统504以供验证。ASP系统504确认访问令牌是有效的(即访问令牌属于有效会话)。在1418，ASP系统504向PHI系统510发送指示访问令牌有效的通知。
在适当的认证/授权之后，PHI系统510经由存储器服务908的API检索工作列表并研究PHI数据。在1420，PHI系统510将工作列表PHI数据发送给web浏览器。
在1422，在从工作列表中选择研究后，web浏览器向ASP系统504发送请求以加载研究。响应于这样的请求，ASP系统开始将研究加载到计算系统(例如，计算集群)上。在1424，web浏览器向PHI系统510发送对与所选研究相关联的PHI数据的请求。可以短时间缓存授予的访问权限，因此，此请求可能不需要验证。在1426，PHI系统510将所选研究的PHI数据发送给web浏览器。在1428，研究一加载到计算集群上，ASP系统504就将研究数据发送到web浏览器520。
在1430，web浏览器将从ASP系统504接收到的研究数据与从PHI系统510接收到的PHI数据合并，并将其呈现给用户以使用由ASP提供的服务。因此，利用过程1400，用户可以访问ASP系统504提供的完整研究数据和分析数据，而不需要向ASP系统提供对PHI数据的任何访问。
图15A-15B(统称为图15)是示出用于实现工件重识别服务1108的过程1500的系统序列图。工件重识别服务1108负责联系ASP系统504，下载任何待处理工件，重识别下载的工件，并将它们存储到医疗提供者目的地系统，比如PACS 525、基于网络的放射信息系统(WRIS)等。
在1502，工件重识别服务1108向ASP系统504发送请求，请求待处理工件的列表。在1504，ASP系统504向工件重识别服务1108提供待处理工件的列表。
在1506，工件重识别服务1108向ASP系统504发送请求，以获得接收到的待处理工件列表中的一个待处理工件。工件可以是ASP系统508可能想要推送到医疗提供者目的地存储设备525的辅助捕获对象、报告或任何其他事物。在1508，ASP系统504将所请求的工件发送到工件重识别服务1108。
在1512，工件服务1108从存储器服务908请求工件的PHI数据。该请求可以利用在响应中提供的混淆的StudyInstanceUID标签，来向存储器服务908查询该StudyInstanceUID的原始的关联标签信息。在1514，PHI系统510的存储器服务908将PHI数据发送给工件服务1108。
在1516，工件服务1108重识别工件。例如，对于DICOM数据，可以使用dcmodify实用程序来重写工件的DICOM标签，以与最初存储的工件相匹配。
当重识别成功时，工件被推送到医疗提供者目的地存储器525。目的地可能是PACS、WRIS或任何其他支持的终端。可以从ASP系统504提供连接细节和工件细节。
在1522，工件服务1108向ASP系统504发送指示针对该工件的工件重识别过程已完成的通知。在1524，ASP系统504通知工件服务1104该工件的状态已被更新，指示在下一次迭代期间，不再在待处理工件的列表中返回该工件。
上述自动方法去除了常规方法中特有的在识别解剖结构和流方面的主观性，提供了高级别的可重复性。该可重复性实现了MRI数据的新用途。例如，可以跨不同会话可靠地检查单个患者的MRI数据，以观察趋势。更加令人惊讶的是，可以跨人群或人口可靠地检查多个患者的MRI数据，以观察趋势。
能够组合上述各种实施例能够以提供进一步的实施例。在不与本文中的具体教导和定义冲突的情况下，通过引用将本说明书涉及的和/或在申请表中列出的美国专利、美国专利申请公开、美国专利申请、外国专利、外国专利申请和非专利出版物的全部内容并入本文，包括但不限于2011年7月7日提交的美国临时专利申请61/571,908；2012年7月5日提交的国际专利申请PCT/US2012/045575；2014年1月17日提交的美国临时专利申请61/928,702；2015年1月16日提交的国际专利申请PCT/US2015/011851；2016年7月15日提交的美国专利申请，申请号15/112130；2015年11月29日提交的美国临时专利62/260,565；2016年12月31日提交的美国临时专利62/415,203；和2016年11月1日提交的美国临时专利62/415,666。如有必要，可以修改实施例的方面以采用该各个专利、申请和公开的系统、电路和构思，从而提供更进一步的实施例。
可以对根据上面详细描述的说明书的实施例做出这些和其他改变。通常，在所附权利要求中，所使用的术语不应解释为将权利要求限定为在本说明书和权利要求书中公开的具体实施例，而应该理解为包括所附权利要求所要求保护的所有可行实施例以及等同物的范围。因此，权利要求不受公开内容限制。

Claims (42)

1.一种操作医学分析平台的方法，所述医学分析平台包括分析服务提供者ASP系统和受保护的健康信息PHI系统，所述方法包括：
所述ASP系统的至少一个处理器将去识别的医学研究数据存储在所述ASP系统的至少一个非暂时性处理器可读存储介质上；
所述PHI系统的至少一个处理器将与所述去识别的医学研究数据相关联的PHI数据存储在所述PHI系统的至少一个非暂时性处理器可读存储介质上；
验证访问令牌，所述访问令牌用于供基于处理器的客户端设备访问存储在PHI系统的至少一个非暂时性处理器可读存储介质上的PHI数据；其中所述验证包括：
所述ASP系统的至少一个处理器通过所述至少一个通信网络接收来自所述基于处理器的客户端设备的对PHI访问令牌的请求，其中PHI访问令牌是用于供基于处理器的客户端设备访问存储在PHI系统的至少一个非暂时性处理器可读存储介质上的PHI数据的访问令牌；
所述ASP系统的至少一个处理器通过所述至少一个通信网络向所述基于处理器的客户端设备发送加密的PHI访问令牌；
所述PHI系统的至少一个处理器接收来自所述基于处理器的客户端设备的对用于所述医学研究的PHI数据的请求，所述请求包括所述加密的PHI访问令牌；
所述PHI系统的至少一个处理器通过所述至少一个通信网络将所述加密的PHI访问令牌发送给所述ASP系统；
所述ASP系统的至少一个处理器验证接收到的加密的PHI访问令牌；以及
所述ASP系统的至少一个处理器通知所述PHI系统：所述PHI访问令牌有效，
响应于所述PHI系统的至少一个处理器接收到来自所述ASP系统的验证通知，至少部分地基于ASP系统的至少一个处理器对访问令牌的成功验证，所述PHI系统的至少一个处理器通过至少一个通信网络向基于处理器的客户端设备发送用于所请求的医学研究的PHI数据；
所述ASP系统的至少一个处理器通过至少一个通信网络向所述基于处理器的客户端设备发送用于所请求的医学研究的去识别的医学研究数据；
所述ASP系统的至少一个处理器生成与所述去识别的医学研究数据有关的分析数据；以及
所述ASP系统的至少一个处理器通过至少一个通信网络将所生成的分析数据发送到所述PHI系统。
2.根据权利要求1所述的方法，其中所述PHI系统通信地耦合到专用网络，所述方法还包括：
所述ASP系统的至少一个处理器或所述PHI系统的至少一个处理器验证所述基于处理器的客户端设备能够访问所述专用网络。
3.根据权利要求1所述的方法，还包括：
所述PHI系统的至少一个处理器接收包括PHI数据的医学研究数据；
所述PHI系统的至少一个处理器从所述医学研究数据中去除所述PHI数据以生成去识别的医学研究数据；
所述PHI系统的至少一个处理器将所述PHI数据存储在所述PHI系统的至少一个非暂时性处理器可读存储介质中；以及
所述PHI系统的至少一个处理器通过所述至少一个通信网络将所述去识别的医学研究数据发送给所述ASP系统。
4.根据权利要求3所述的方法，其中接收包括PHI数据的医学研究数据包括：接收来自扫描仪的医学成像数据。
5.根据权利要求3所述的方法，其中将所述去识别的医学研究数据发送到所述ASP系统包括：使用表述性状态转移REST应用程序编程接口将所述去识别的医学研究数据发送到所述ASP系统。
6.根据权利要求3所述的方法，其中从所述医学研究数据中去除所述PHI数据包括：
所述PHI系统的至少一个处理器去除允许删除的字段；以及
所述PHI系统的至少一个处理器使用混淆的替换数据替换不允许删除的字段中的数据。
7.根据权利要求3所述的方法，还包括：
所述PHI系统的至少一个处理器将唯一标识符与用于医学研究的医学研究数据相关联；
所述PHI系统的至少一个处理器将所述唯一标识符存储在所述PHI系统的至少一个非暂时性处理器可读存储介质中；以及
所述PHI系统的至少一个处理器通过所述至少一个通信网络向所述ASP系统发送所述唯一标识符与用于所述医学研究的去识别的医学数据。
8.根据权利要求1所述的方法，还包括：
所述基于处理器的客户端设备的至少一个处理器通过所述至少一个通信网络接收来自所述PHI系统的PHI数据；
所述基于处理器的客户端设备的至少一个处理器通过所述至少一个通信网络接收来自所述ASP系统的去识别的医学研究数据；
所述基于处理器的客户端设备的至少一个处理器合并所述PHI数据和所述去识别的医学研究数据以生成重识别的医学研究数据；以及
所述基于处理器的客户端设备的至少一个处理器向基于处理器的客户端设备的用户呈现所述重识别的医学研究数据。
9.根据权利要求1所述的方法，还包括：
所述ASP系统的至少一个处理器通过所述至少一个通信网络接收来自所述基于处理器的客户端设备的生成分析数据的请求，
其中，响应于接收来自所述基于处理器的客户端设备的生成分析数据的请求，生成所述分析数据。
10.根据权利要求1所述的方法，其中生成分析数据包括生成报告或辅助捕获对象中的至少一者，并且将生成的分析数据发送到所述PHI系统包括：通过所述至少一个通信网络将所述报告或辅助捕获对象中的至少一者发送到所述PHI系统，以存储在与所述PHI系统通信地耦合的至少一个非暂时性处理器可读存储介质上。
11.根据权利要求1所述的方法，还包括：
所述PHI系统的至少一个处理器通过所述至少一个通信网络向所述基于处理器的客户端设备提供可用研究的列表；以及
所述PHI系统的至少一个处理器通过所述至少一个通信网络接收来自所述基于处理器的客户端设备的、对所述列表中可用研究中的至少一个可用研究的选择。
12.根据权利要求1所述的方法，还包括：
所述PHI系统的至少一个处理器通过所述至少一个通信网络周期性地向所述ASP系统发送更新检查；
所述ASP系统的至少一个处理器确定是否需要对所述PHI系统进行任何更新；以及
响应于确定需要对所述PHI系统进行至少一次更新，所述ASP系统的至少一个处理器通过所述至少一个通信网络向所述PHI系统发送更新数据。
13.一种操作医学分析平台的分析服务提供者ASP系统的方法，所述医学分析平台包括ASP系统和受保护的健康信息PHI系统，所述PHI系统在所述PHI系统的至少一个非暂时性处理器可读存储介质上存储与去识别的医学研究数据相关联的PHI数据，所述方法包括：
所述ASP系统的至少一个处理器将所述去识别的医学研究数据存储在ASP系统的至少一个非暂时性处理器可读存储介质上；
验证用于供基于处理器的客户端设备访问所述PHI系统的访问令牌，其中，至少部分地基于对访问令牌的成功验证，基于处理器的客户端设备经由至少一个通信网络接收来自PHI系统的PHI数据，其中所述验证包括：
所述ASP系统的至少一个处理器通过所述至少一个通信网络接收来自所述基于处理器的客户端设备的对PHI访问令牌的请求，其中，所述PHI访问令牌是用于供基于处理器的客户端设备访问PHI系统的访问令牌；
所述ASP系统的至少一个处理器通过所述至少一个通信网络向所述基于处理器的客户端设备发送加密的PHI访问令牌；
所述ASP系统的至少一个处理器通过所述至少一个通信网络接收来自所述PHI系统的加密的PHI访问令牌；
所述ASP系统的至少一个处理器验证接收到的加密的PHI访问令牌；以及
所述ASP系统的至少一个处理器通知所述PHI系统：所述PHI访问令牌有效；
所述ASP系统的至少一个处理器通过至少一个通信网络向基于处理器的客户端设备发送用于所请求的医学研究的去识别的医学研究数据，以由所述基于处理器的客户端设备将其与由所述基于处理器的客户端设备通过所述至少一个通信网络从所述PHI系统接收到的PHI数据合并；
所述ASP系统的至少一个处理器生成与所述去识别的医学研究数据有关的分析数据；以及
所述ASP系统的至少一个处理器通过至少一个通信网络将所生成的分析数据发送到所述PHI系统。
14.根据权利要求13所述的方法，还包括：
所述ASP系统的至少一个处理器通过所述至少一个通信网络接收来自所述PHI系统的去识别的医学研究数据。
15.根据权利要求13所述的方法，还包括：
所述ASP系统的至少一个处理器通过所述至少一个通信网络接收来自所述基于处理器的客户端设备的生成分析数据的请求，
其中，响应于接收来自所述基于处理器的客户端设备的生成分析数据的请求，生成所述分析数据。
16.根据权利要求13所述的方法，其中生成分析数据包括生成报告或辅助捕获对象中的至少一者，并且将生成的分析数据发送到所述PHI系统包括：通过所述至少一个通信网络将所述报告或辅助捕获对象中的至少一者发送到所述PHI系统，以存储在与所述PHI系统通信地耦合的至少一个非暂时性处理器可读存储介质上。
17.根据权利要求13所述的方法，还包括：
所述ASP系统的至少一个处理器通过所述至少一个通信网络周期性地接收来自所述ASP系统的更新检查；
所述ASP系统的至少一个处理器确定是否需要对所述PHI系统进行任何更新；以及
响应于确定需要对所述PHI系统进行至少一次更新，所述ASP系统的至少一个处理器通过所述至少一个通信网络向所述PHI系统发送更新数据。
18.根据权利要求13所述的方法，还包括：
所述基于处理器的客户端设备的至少一个处理器通过所述至少一个通信网络接收来自所述PHI系统的PHI数据；
所述基于处理器的客户端设备的至少一个处理器通过所述至少一个通信网络接收来自所述ASP系统的去识别的医学研究数据；
所述基于处理器的客户端设备的至少一个处理器合并所述PHI数据和所述去识别的医学研究数据以生成重识别的医学研究数据；以及
所述基于处理器的客户端设备的至少一个处理器向所述基于处理器的客户端设备的用户呈现所述重识别的医学研究数据。
19.一种医学分析平台的分析服务提供者ASP系统，所述医学分析平台包括ASP系统和受保护的健康信息PHI系统，所述PHI系统将与去识别的医学研究数据相关联的PHI数据存储在所述PHI系统的至少一个非暂时性处理器可读存储介质上，所述ASP系统包括：
至少一个非暂时性处理器可读存储介质，其存储处理器可执行指令或数据中的至少一者；和
至少一个处理器，其通信地耦合到所述至少一个非暂时性处理器可读存储介质，在操作中，所述至少一个处理器：
将所述去识别的医学研究数据存储在所述至少一个非暂时性处理器可读存储介质上；
至少通过以下方式来验证用于供基于处理器的客户端设备访问所述PHI系统的访问令牌，其中，至少部分地基于对访问令牌的成功验证，基于处理器的客户端设备经由至少一个通信网络接收来自PHI系统的PHI数据：
通过至少一个通信网络接收来自所述基于处理器的客户端设备的对PHI访问令牌的请求，其中，所述PHI访问令牌是用于供基于处理器的客户端设备访问PHI系统的访问令牌；
通过所述至少一个通信网络向所述基于处理器的客户端设备发送加密的PHI访问令牌；
通过所述至少一个通信网络接收来自所述PHI系统的加密的PHI访问令牌；
验证接收到的加密的PHI访问令牌；以及
通过所述至少一个通信网络通知所述PHI系统：所述PHI访问令牌有效；
通过至少一个通信网络向基于处理器的客户端设备发送用于所请求的医学研究的去识别医学研究数据，以由所述基于处理器的客户端设备将其与由所述基于处理器的客户端设备通过所述至少一个通信网络从所述PHI系统接收到的PHI数据合并；
生成与所述去识别的医学研究数据有关的分析数据；以及
通过所述至少一个通信网络将生成的分析数据发送到PHI系统。
20.根据权利要求19所述的ASP系统，其中所述至少一个处理器：
通过所述至少一个通信网络接收来自所述PHI系统的去识别的医学研究数据。
21.根据权利要求19所述的ASP系统，其中所述至少一个处理器：
通过所述至少一个通信网络接收来自所述基于处理器的客户端设备的生成分析数据的请求，
其中，所述至少一个处理器响应于接收到来自所述基于处理器的客户端设备的生成分析数据的请求，生成所述分析数据。
22.根据权利要求19所述的ASP系统，其中所述分析数据包括报告或辅助捕获对象中的至少一者，并且所述至少一个处理器：
通过所述至少一个通信网络将所述报告或辅助捕获对象中的至少一者发送到所述PHI系统，以存储在与所述PHI系统通信地耦合的至少一个非暂时性处理器可读存储介质上。
23.根据权利要求19所述的ASP系统，其中所述至少一个处理器：
通过所述至少一个通信网络周期性地接收来自所述PHI系统的更新检查；
确定是否需要对所述PHI系统进行任何更新；以及
响应于确定需要对所述PHI系统进行至少一次更新，通过所述至少一个通信网络向所述PHI系统发送更新数据。
24.一种操作医学分析平台的受保护的健康信息PHI系统的方法，所述医学分析平台包括所述PHI系统和分析服务提供者ASP系统，所述ASP系统在所述ASP系统的至少一个非暂时性处理器可读存储介质上存储去识别的医学研究数据，所述方法包括：
所述PHI系统的至少一个处理器将与所述去识别的医学研究数据相关联的PHI数据存储在所述PHI系统的至少一个非暂时性处理器可读存储介质上；
所述PHI系统的至少一个处理器接收来自基于处理器的客户端设备的对用于所述医学研究的PHI数据的请求，所述请求包括加密的PHI访问令牌，其中所述加密的PHI访问令牌通过以下方式来获得：
所述ASP系统的至少一个处理器通过所述至少一个通信网络接收来自所述基于处理器的客户端设备的对PHI访问令牌的请求；
所述ASP系统的至少一个处理器通过所述至少一个通信网络向所述基于处理器的客户端设备发送加密的PHI访问令牌；
所述PHI系统的至少一个处理器通过所述至少一个通信网络将所述加密的PHI访问令牌发送给所述ASP系统，以用于由所述ASP系统验证，其中由所述ASP系统验证包括：
所述ASP系统的至少一个处理器通过所述至少一个通信网络接收来自所述PHI系统的加密的PHI访问令牌；
所述ASP系统的至少一个处理器验证接收到的加密的PHI访问令牌；以及
所述ASP系统的至少一个处理器通知所述PHI系统：所述PHI访问令牌有效；
所述PHI系统的至少一个处理器接收来自所述ASP系统的关于所述PHI访问令牌有效的通知；以及
至少部分地基于ASP系统已经验证的PHI访问令牌，所述PHI系统的至少一个处理器通过至少一个通信网络向所述基于处理器的客户端设备发送用于所请求的医学研究的PHI数据，以由所述基于处理器的客户端设备将其与由所述基于处理器的客户端设备通过所述至少一个通信网络从所述ASP系统接收到的去识别的医学研究数据合并。
25.根据权利要求24所述的方法，还包括：
所述PHI系统的至少一个处理器接收包括PHI数据的医学研究数据；
所述PHI系统的至少一个处理器从所述医学研究数据中去除所述PHI数据以生成去识别的医学研究数据；
所述PHI系统的至少一个处理器将所述PHI数据存储在所述PHI系统的至少一个非暂时性处理器可读存储介质中；以及
所述PHI系统的至少一个处理器通过所述至少一个通信网络将所述去识别的医学研究数据发送给所述ASP系统。
26.根据权利要求25所述的方法，其中接收包括PHI数据的医学研究数据包括：接收来自扫描仪的医学成像数据。
27.根据权利要求25所述的方法，其中将所述去识别的医学研究数据发送到所述ASP系统包括：使用表述性状态转移REST应用程序编程接口将所述去识别医学研究数据发送到所述ASP系统。
28.根据权利要求25所述的方法，其中从所述医学研究数据中去除所述PHI数据包括：
所述PHI系统的至少一个处理器去除允许删除的字段；以及
所述PHI系统的至少一个处理器使用混淆的替换数据替换不允许删除的字段中的数据。
29.根据权利要求25所述的方法，还包括：
所述PHI系统的至少一个处理器将唯一标识符与用于医学研究的医学研究数据相关联；
所述PHI系统的至少一个处理器将所述唯一标识符存储在所述PHI系统的至少一个非暂时性处理器可读存储介质中；以及
所述PHI系统的至少一个处理器通过所述至少一个通信网络向所述ASP系统发送所述唯一标识符与用于所述医学研究的去识别的医学数据。
30.根据权利要求24所述的方法，还包括：
所述PHI系统的至少一个处理器通过所述至少一个通信网络接收来自所述ASP系统的与所述去识别的医学研究数据相关联的分析数据；以及
所述PHI系统的至少一个处理器将所接收到分析数据存储在与所述PHI系统通信地耦合的至少一个非暂时性处理器可读存储介质上。
31.根据权利要求24所述的方法，还包括：
所述PHI系统的至少一个处理器通过所述至少一个通信网络向所述基于处理器的客户端设备提供可用研究的列表；以及
所述PHI系统的至少一个处理器通过所述至少一个通信网络接收来自所述基于处理器的客户端设备的、对所述列表中的可用研究中的至少一个可用研究的选择。
32.根据权利要求24所述的方法，还包括：
所述PHI系统的至少一个处理器通过所述至少一个通信网络周期性地向所述ASP系统发送更新检查；以及
所述PHI系统的至少一个处理器通过所述至少一个通信网络接收来自所述ASP系统的更新数据。
33.根据权利要求24所述的方法，还包括：
所述基于处理器的客户端设备的至少一个处理器通过所述至少一个通信网络接收来自所述PHI系统的PHI数据；
所述基于处理器的客户端设备的至少一个处理器通过所述至少一个通信网络接收来自所述ASP系统的去识别的医学研究数据；
所述基于处理器的客户端设备的至少一个处理器合并所述PHI数据和所述去识别的医学研究数据以生成重识别的医学研究数据；以及
所述基于处理器的客户端设备的至少一个处理器向所述基于处理器的客户端设备的用户呈现所述重识别的医学研究数据。
34.一种医学分析平台的受保护的健康信息PHI系统，所述医学分析平台包括PHI系统和分析服务提供者ASP系统，所述ASP系统在所述ASP系统的至少一个非暂时性处理器可读存储介质上存储去识别的医学研究数据，所述PHI系统包括：
至少一个非暂时性处理器可读存储介质，其存储处理器可执行指令或数据中的至少一者；和
至少一个处理器，其通信地耦合到所述至少一个非暂时性处理器可读存储介质，在操作中，所述至少一个处理器：
将与所述去识别的医学研究数据相关联的PHI数据存储在所述PHI系统的至少一个非暂时性处理器可读存储介质上；以及接收来自基于处理器的客户端设备的对用于医学研究的PHI数据的请求，所述请求包括加密的PHI访问令牌，其中，所述加密的PHI访问令牌通过以下方式来获得：
所述ASP系统的至少一个处理器通过所述至少一个通信网络接收来自所述基于处理器的客户端设备的对PHI访问令牌的请求；
所述ASP系统的至少一个处理器通过所述至少一个通信网络向所述基于处理器的客户端设备发送加密的PHI访问令牌；通过所述至少一个通信网络从所述PHI系统向所ASP系统发送所述加密的PHI访问令牌，以用于由所述ASP系统验证，其中由所述ASP系统验证包括：
所述ASP系统的至少一个处理器通过所述至少一个通信网络接收来自所述PHI系统的加密的PHI访问令牌；
所述ASP系统的至少一个处理器验证接收到的加密的PHI访问令牌；以及
所述ASP系统的至少一个处理器通知所述PHI系统：所述PHI访问令牌有效；
接收来自所述ASP系统的关于PHI访问令牌有效的通知；以及
至少部分地基于ASP系统已经验证的PHI访问令牌，通过所述至少一个通信网络向所述基于处理器的客户端设备发送用于所请求的医学研究的PHI数据，以由所述基于处理器的客户端设备将其与由所述基于处理器的客户端设备通过所述至少一个通信网络从所述ASP系统接收到的去识别的医学研究数据合并。
35.根据权利要求34所述的PHI系统，其中所述至少一个处理器：
接收包括PHI数据的医学研究数据；
从所述医学研究数据中去除所述PHI数据以生成去识别的医学研究数据；
将所述PHI数据存储在所述PHI系统的至少一个非暂时性处理器可读存储介质中；以及
通过所述至少一个通信网络将所述去识别的医学研究数据发送到所述ASP系统。
36.根据权利要求35所述的PHI系统，其中所述医学研究数据包括：来自扫描仪的医学成像数据。
37.根据权利要求35所述的PHI系统，其中所述至少一个处理器使用表述性状态转移REST应用程序编程接口将去识别的医学研究数据发送到所述ASP系统。
38.根据权利要求35所述的PHI系统，其中所述至少一个处理器：
去除医学研究数据中的允许删除的字段；以及
使用混淆替换数据来替换医学研究数据中不允许删除的字段中的数据。
39.根据权利要求35所述的PHI系统，其中所述至少一个处理器：
将唯一标识符与用于所述医学研究的医学研究数据相关联；
将所述唯一标识符存储在所述PHI系统的至少一个非暂时性处理器可读存储介质中；以及
通过所述至少一个通信网络向所述ASP系统发送所述唯一标识符与用于所述医学研究的去识别的医学数据。
40.根据权利要求34所述的PHI系统，其中所述至少一个处理器：
通过所述至少一个通信网络从所述ASP系统接收与所述去识别的医学研究数据有关的分析数据；以及
将接收到的分析数据存储在与所述PHI系统通信地耦合的至少一个非暂时性处理器可读存储介质上。
41.根据权利要求34所述的PHI系统，其中所述至少一个处理器：
通过所述至少一个通信网络向所述基于处理器的客户端设备提供可用研究的列表；以及
通过所述至少一个通信网络接收来自所述基于处理器的客户端设备的、对所述列表中的可用研究中的至少一个可用研究的选择。
42.根据权利要求34所述的PHI系统，其中所述至少一个处理器：
通过所述至少一个通信网络周期性地向所述ASP系统发送更新检查；以及
通过所述至少一个通信网络接收来自所述ASP系统的更新数据。
CN201680076806.6A 2015-11-29 2016-11-29 医学成像和医学成像信息的高效共享 Active CN108431817B (zh)

Applications Claiming Priority (5)

Application Number Priority Date Filing Date Title
US201562260565P 2015-11-29 2015-11-29
US62/260,565 2015-11-29
US201662415203P 2016-10-31 2016-10-31
US62/415,203 2016-10-31
PCT/US2016/064029 WO2017091834A1 (en) 2015-11-29 2016-11-29 Medical imaging and efficient sharing of medical imaging information

Publications (2)

Publication Number Publication Date
CN108431817A CN108431817A (zh) 2018-08-21
CN108431817B true CN108431817B (zh) 2022-09-16

Family

ID=58763677

Family Applications (2)

Application Number Title Priority Date Filing Date
CN201680079851.7A Active CN108601552B (zh) 2015-11-29 2016-11-29 医学成像和医学成像信息的有效共享
CN201680076806.6A Active CN108431817B (zh) 2015-11-29 2016-11-29 医学成像和医学成像信息的高效共享

Family Applications Before (1)

Application Number Title Priority Date Filing Date
CN201680079851.7A Active CN108601552B (zh) 2015-11-29 2016-11-29 医学成像和医学成像信息的有效共享

Country Status (5)

Country Link
US (5) US10869608B2 (zh)
EP (3) EP3380008B1 (zh)
JP (3) JP6828034B2 (zh)
CN (2) CN108601552B (zh)
WO (2) WO2017091835A2 (zh)

Families Citing this family (43)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10331852B2 (en) 2014-01-17 2019-06-25 Arterys Inc. Medical imaging and efficient sharing of medical imaging information
WO2017091835A2 (en) 2015-11-29 2017-06-01 Arterys Inc. Medical imaging and efficient sharing of medical imaging information
EP3300021B1 (en) * 2016-09-22 2018-12-05 RaySearch Laboratories AB Image processing system and method for interactive contouring of three-dimensional medical data
JP6817775B2 (ja) * 2016-10-11 2021-01-20 株式会社東芝 補正装置、補正方法及び磁気共鳴画像装置
WO2018204698A1 (en) 2017-05-04 2018-11-08 Arterys Inc. Medical imaging, efficient sharing and secure handling of medical imaging information
US10129269B1 (en) 2017-05-15 2018-11-13 Forcepoint, LLC Managing blockchain access to user profile information
CN107290700B (zh) * 2017-08-08 2020-12-04 上海联影医疗科技股份有限公司 一种相位校正方法、装置及磁共振系统
US10949966B2 (en) * 2017-08-18 2021-03-16 Siemens Healthcare Gmbh Detecting and classifying medical images based on continuously-learning whole body landmarks detections
US10677873B2 (en) * 2017-08-29 2020-06-09 General Electric Company System and method for correcting an artifact within magnetic resonance data
WO2019103912A2 (en) 2017-11-22 2019-05-31 Arterys Inc. Content based image retrieval for lesion analysis
FR3080761A1 (fr) 2018-05-03 2019-11-08 Alara Expertise Dispositif et methode animant un debit pulse connu a l'interieur d'une irm, pour effectuer son evaluation de performances dans le domaine des mesures hemodynamiques
US10918344B2 (en) * 2018-05-29 2021-02-16 Wisconsin Alumni Research Foundation Methods and systems for determining vascular velocity using CT imaging
WO2019241155A1 (en) 2018-06-11 2019-12-19 Arterys Inc. Simulating abnormalities in medical images with generative adversarial networks
CN109450985B (zh) * 2018-10-17 2021-09-21 中电万维信息技术有限责任公司 一种基于Html5高性能的Web影像加载展现系统
US10916027B2 (en) 2018-11-02 2021-02-09 International Business Machines Corporation Determining centerlines in elongated structures in images to detect abnormalities
JP7475344B2 (ja) 2018-11-21 2024-04-26 アーテリーズ インコーポレイテッド 保護された健康情報を追跡し、それにアクセスし、それをマージするためのシステムおよび方法
KR102001790B1 (ko) * 2018-12-24 2019-07-23 (주)제이엘케이인스펙션 인공지능 기반 혈류 구간 분류 방법 및 시스템
US10909681B2 (en) 2019-01-03 2021-02-02 The Regents Of The University Of California Automated selection of an optimal image from a series of images
US20220155398A1 (en) * 2019-02-15 2022-05-19 Arterys Inc. Deep learning-based eddy current correction
CN111613301B (zh) * 2019-02-22 2023-09-15 曹生 基于VRDS 4D医学影像的动脉与静脉Ai处理方法及产品
JP2022530040A (ja) 2019-04-24 2022-06-27 プロジェニクス ファーマシューティカルズ， インコーポレイテッド 核医学画像における強度ウィンドウ処理の双方向調節のためのシステムおよび方法
US10853496B2 (en) * 2019-04-26 2020-12-01 Forcepoint, LLC Adaptive trust profile behavioral fingerprint
EP3664036B1 (de) 2019-04-30 2022-08-17 Siemens Healthcare GmbH Verfahren und system zur berechnung einer ausgabe von einem durch einen tomographen bereitgestellten scrollbaren bildstapel
US11854281B2 (en) 2019-08-16 2023-12-26 The Research Foundation For The State University Of New York System, method, and computer-accessible medium for processing brain images and extracting neuronal structures
US11676701B2 (en) 2019-09-05 2023-06-13 Pearl Inc. Systems and methods for automated medical image analysis
EP3792925A1 (de) * 2019-09-11 2021-03-17 Siemens Healthcare GmbH Verfahren und vorrichtung zur datentechnischen kommunikation in einem netzwerk
EP3799056A1 (en) * 2019-09-24 2021-03-31 Siemens Healthcare GmbH Cloud-based patient data exchange
US11544407B1 (en) 2019-09-27 2023-01-03 Progenics Pharmaceuticals, Inc. Systems and methods for secure cloud-based medical image upload and processing
US11521345B2 (en) * 2019-09-30 2022-12-06 GE Precision Healthcare LLC Method and system for providing rotation previews for three-dimensional and four-dimensional ultrasound images
TWI728553B (zh) 2019-11-14 2021-05-21 財團法人資訊工業策進會 資料去識別處理裝置及方法
CN111083200B (zh) * 2019-11-25 2022-07-05 武汉联影医疗科技有限公司 智能服务网络系统
US20210177295A1 (en) * 2019-12-11 2021-06-17 GE Precision Healthcare LLC Systems and methods for generating diagnostic scan parameters from calibration images
CN111553360B (zh) * 2019-12-12 2020-12-18 电子科技大学中山学院 触控滑动图案标识的产品功能耐久性测试自学习方法
CN111158649A (zh) * 2019-12-23 2020-05-15 中国建设银行股份有限公司 多层级参数配置的方法和装置
CN111179252B (zh) * 2019-12-30 2021-02-05 山东大学齐鲁医院 基于云平台的消化道病灶辅助识别与正反馈系统
CN111214255B (zh) * 2020-01-12 2023-07-25 刘涛 一种医学超声图像计算机辅助方法
US11055789B1 (en) * 2020-01-17 2021-07-06 Pearl Inc. Systems and methods for insurance fraud detection
US11720704B1 (en) 2020-09-01 2023-08-08 Cigna Intellectual Property, Inc. System and method for authenticating access to private health information
WO2022075994A1 (en) * 2020-10-09 2022-04-14 Hewlett-Packard Development Company, L.P. Correcting scanned documents based on determined corrective functions
US11776677B2 (en) 2021-01-06 2023-10-03 Pearl Inc. Computer vision-based analysis of provider data
CN115906144B (zh) * 2021-08-26 2024-04-19 抖音视界有限公司 数据处理方法、数据处理装置、电子设备和可读存储介质
KR102657226B1 (ko) * 2021-10-18 2024-04-15 주식회사 온택트헬스 심장 초음파 이미지 데이터를 증강하기 위한 방법 및 장치
US11886955B2 (en) 2022-02-16 2024-01-30 Protopia AI, Inc. Self-supervised data obfuscation in foundation models

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2000067185A1 (en) * 1999-05-05 2000-11-09 Healthgram, Inc. Portable health record
CN102743171A (zh) * 2011-04-21 2012-10-24 美国西门子医疗解决公司 用于在mr成像中使用的患者支撑台控制系统

Family Cites Families (75)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6032120A (en) 1997-12-16 2000-02-29 Acuson Corporation Accessing stored ultrasound images and other digital medical images
US6377832B1 (en) * 1998-03-20 2002-04-23 Georgia Tech Research Corporation System and method for analyzing a medical image
US8073712B2 (en) 1999-04-02 2011-12-06 Cybernet Systems Corporation Method for consolidating medical records through the world wide web
US6317620B1 (en) * 2000-05-04 2001-11-13 General Electric Company Method and apparatus for rapid assessment of stenosis severity
US7587368B2 (en) 2000-07-06 2009-09-08 David Paul Felsher Information record infrastructure, system and method
US20020073138A1 (en) * 2000-12-08 2002-06-13 Gilbert Eric S. De-identification and linkage of data records
DE10117685C2 (de) 2001-04-09 2003-02-27 Siemens Ag Verfahren zur Bearbeitung von Objekten eines standardisierten Kommunikationsprotokolls
US7523505B2 (en) 2002-08-16 2009-04-21 Hx Technologies, Inc. Methods and systems for managing distributed digital medical data
GB0219408D0 (en) * 2002-08-20 2002-09-25 Mirada Solutions Ltd Computation o contour
US7519591B2 (en) 2003-03-12 2009-04-14 Siemens Medical Solutions Usa, Inc. Systems and methods for encryption-based de-identification of protected health information
WO2005098736A2 (en) 2004-03-26 2005-10-20 Convergence Ct System and method for controlling access and use of patient medical data records
US9820658B2 (en) * 2006-06-30 2017-11-21 Bao Q. Tran Systems and methods for providing interoperability among healthcare devices
US8989349B2 (en) * 2004-09-30 2015-03-24 Accuray, Inc. Dynamic tracking of moving targets
US7049816B2 (en) * 2004-09-30 2006-05-23 Wisconsin Alumni Research Foundation Magnetic resonance imaging with dual velocity encoded projection reconstruction acquisition
US7127095B2 (en) 2004-10-15 2006-10-24 The Brigham And Women's Hospital, Inc. Factor analysis in medical imaging
EP1659511A1 (en) 2004-11-18 2006-05-24 Cedara Software Corp. Image archiving system and method for handling new and legacy archives
US20060229911A1 (en) 2005-02-11 2006-10-12 Medcommons, Inc. Personal control of healthcare information and related systems, methods, and devices
US20060242159A1 (en) * 2005-03-10 2006-10-26 Bishop Robert J Methods and apparatus for distributing digital medical images via a redirected system
US20070061460A1 (en) 2005-03-24 2007-03-15 Jumpnode Systems,Llc Remote access
US20070255704A1 (en) 2006-04-26 2007-11-01 Baek Ock K Method and system of de-identification of a record
US8458202B2 (en) 2006-06-08 2013-06-04 Rita Noumeir Methods and systems for consolidating medical information
US7974924B2 (en) 2006-07-19 2011-07-05 Mvisum, Inc. Medical data encryption for communication over a vulnerable system
US8719047B2 (en) 2008-06-17 2014-05-06 American Well Corporation Patient directed integration of remotely stored medical information with a brokerage system
WO2008115534A1 (en) * 2007-03-20 2008-09-25 The University Of North Carolina At Chapel Hill Methods, systems, and computer readable media or flexible occlusion rendering
US20090099862A1 (en) * 2007-10-16 2009-04-16 Heuristic Analytics, Llc. System, method and computer program product for providing health care services performance analytics
US8065166B2 (en) 2007-10-30 2011-11-22 Onemednet Corporation Methods, systems, and devices for managing medical images and records
US8108912B2 (en) 2008-05-29 2012-01-31 Red Hat, Inc. Systems and methods for management of secure data in cloud-based network
US20100082369A1 (en) 2008-09-29 2010-04-01 General Electric Company Systems and Methods for Interconnected Personalized Digital Health Services
US8527251B2 (en) 2009-05-01 2013-09-03 Siemens Aktiengesellschaft Method and system for multi-component heart and aorta modeling for decision support in cardiac disease
US9118641B1 (en) 2009-07-01 2015-08-25 Vigilytics LLC De-identifying medical history information for medical underwriting
US20120070045A1 (en) * 2009-12-17 2012-03-22 Gregory Vesper Global medical imaging repository
WO2011133917A2 (en) 2010-04-23 2011-10-27 Datcard Systems, Inc. Event notification in interconnected content-addressable storage systems
US8696579B2 (en) * 2010-06-04 2014-04-15 Siemens Medical Solutions Usa, Inc. Cardiac flow quantification with volumetric imaging data
US8898798B2 (en) * 2010-09-01 2014-11-25 Apixio, Inc. Systems and methods for medical information analysis with deidentification and reidentification
US8948478B2 (en) 2010-10-08 2015-02-03 Codonics, Inc. Multi-media medical record system
EP2649587B1 (en) 2010-12-09 2019-04-03 Koninklijke Philips N.V. Volumetric rendering of image data
CN106308767B (zh) * 2011-07-07 2020-01-10 小利兰·斯坦福大学托管委员会 使用体相位对比mri的全面的心血管分析
CN104126191A (zh) 2011-07-13 2014-10-29 多发性骨髓瘤研究基金会公司 数据采集和分发方法
US20130041686A1 (en) 2011-08-10 2013-02-14 Noah S. Prywes Health care brokerage system and method of use
US9585568B2 (en) 2011-09-11 2017-03-07 Steven D. Wolff Noninvasive methods for determining the pressure gradient across a heart valve without using velocity data at the valve orifice
US8682049B2 (en) 2012-02-14 2014-03-25 Terarecon, Inc. Cloud-based medical image processing system with access control
KR101285281B1 (ko) 2012-03-29 2013-08-23 주식회사 씨디에스 자가조직 저장매체의 보안 시스템 및 그 방법
US20140109239A1 (en) 2012-03-30 2014-04-17 Alexander Calhoun Flint Collaborative cloud-based sharing of medical imaging studies with or without automated removal of protected health information
US20130259651A1 (en) 2012-04-02 2013-10-03 Daniel Bernard Kupratis Differential geared architecture for gas turbine engine
CN102790761B (zh) * 2012-06-13 2015-05-06 浙江浙大中控信息技术有限公司 一种区域医疗信息系统及访问权限控制方法
EP2909803A1 (en) 2012-10-19 2015-08-26 Apixio, Inc. Systems and methods for medical information analysis with deidentification and reidentification
GB2509064A (en) * 2012-12-18 2014-06-25 Completegp Ltd Method and system for distributing health data
US8908951B2 (en) * 2012-12-27 2014-12-09 General Electric Company Complex reconstruction of Q-space for simultaneous detection of coherent and incoherent motion
US20140309521A1 (en) * 2013-04-11 2014-10-16 Vassol Inc. Aliasing correction in pcmr imaging
CN104156935B (zh) 2013-05-14 2018-01-02 东芝医疗系统株式会社 图像分割装置、图像分割方法和医学图像设备
US10152688B2 (en) 2014-05-15 2018-12-11 Deroyal Industries, Inc. System for sensing and recording information regarding medical items in a medical facility
US10607726B2 (en) 2013-11-27 2020-03-31 Accenture Global Services Limited System for anonymizing and aggregating protected health information
US9396355B2 (en) 2013-12-17 2016-07-19 International Business Machines Corporation Multi-part encrypted messages for support of sensitive systems
EP3767630A1 (en) 2014-01-17 2021-01-20 Arterys Inc. Methods for four dimensional (4d) flow magnetic resonance imaging
US10331852B2 (en) 2014-01-17 2019-06-25 Arterys Inc. Medical imaging and efficient sharing of medical imaging information
US10049185B2 (en) * 2014-01-28 2018-08-14 3M Innovative Properties Company Perfoming analytics on protected health information
US10803466B2 (en) 2014-01-28 2020-10-13 3M Innovative Properties Company Analytic modeling of protected health information
US20150223057A1 (en) 2014-01-31 2015-08-06 Quick Release Lifescan, LLC System and method for communicating protected health information
WO2015123540A1 (en) 2014-02-14 2015-08-20 Optum, Inc. Clinical population analytics and healthcare user interface and incentives
US9203814B2 (en) 2014-02-24 2015-12-01 HCA Holdings, Inc. Providing notifications to authorized users
US9824193B2 (en) * 2014-07-29 2017-11-21 Aruba Networks, Inc. Method for using mobile devices with validated user network identity as physical identity proof
US10216902B2 (en) * 2014-08-31 2019-02-26 General Electric Company Methods and systems for improving connections within a healthcare ecosystem
US20160085915A1 (en) 2014-09-23 2016-03-24 Ims Health Incorporated System and method for the de-identification of healthcare data
US20150149362A1 (en) * 2015-02-04 2015-05-28 vitaTrackr, Inc. Encryption and Distribution of Health-related Data
US20150161413A1 (en) * 2015-02-16 2015-06-11 vitaTrackr, Inc. Encryption and distribution of health-related data
WO2016134307A1 (en) 2015-02-19 2016-08-25 Doc Buddy, Inc. Coordinated mobile access to electronic medical records
US20160300223A1 (en) 2015-04-08 2016-10-13 Portable Data Corporation Protected data transfer across disparate networks
US10600506B2 (en) 2015-05-13 2020-03-24 Iqvia Inc. System and method for creation of persistent patient identification
US20160350482A1 (en) 2015-05-27 2016-12-01 University Of Utah Research Foundation Agent for healthcare data application delivery
US11599672B2 (en) 2015-07-31 2023-03-07 PME IP Pty Ltd Method and apparatus for anonymized display and data export
WO2017091835A2 (en) 2015-11-29 2017-06-01 Arterys Inc. Medical imaging and efficient sharing of medical imaging information
KR101981583B1 (ko) 2017-02-27 2019-05-23 재단법인 아산사회복지재단 의료영상 내 정보처리방법
WO2018204698A1 (en) 2017-05-04 2018-11-08 Arterys Inc. Medical imaging, efficient sharing and secure handling of medical imaging information
WO2019103913A1 (en) 2017-11-22 2019-05-31 Arterys Inc. Systems and methods for longitudinally tracking fully de-identified medical studies
JP7475344B2 (ja) 2018-11-21 2024-04-26 アーテリーズ インコーポレイテッド 保護された健康情報を追跡し、それにアクセスし、それをマージするためのシステムおよび方法

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2000067185A1 (en) * 1999-05-05 2000-11-09 Healthgram, Inc. Portable health record
CN102743171A (zh) * 2011-04-21 2012-10-24 美国西门子医疗解决公司 用于在mr成像中使用的患者支撑台控制系统

Also Published As

Publication number Publication date
JP7046240B2 (ja) 2022-04-01
CN108431817A (zh) 2018-08-21
EP3380008A4 (en) 2019-08-14
US20210085195A1 (en) 2021-03-25
JP6828034B2 (ja) 2021-02-10
EP3380008B1 (en) 2020-09-09
US20180256041A1 (en) 2018-09-13
JP2018536488A (ja) 2018-12-13
CN108601552B (zh) 2021-04-09
WO2017091835A3 (en) 2017-07-27
US20230284924A1 (en) 2023-09-14
EP3380971A4 (en) 2019-08-07
US10869608B2 (en) 2020-12-22
EP4332603A2 (en) 2024-03-06
EP3380008A2 (en) 2018-10-03
JP6871250B2 (ja) 2021-05-12
WO2017091835A2 (en) 2017-06-01
JP2021077389A (ja) 2021-05-20
EP3380971B1 (en) 2024-01-03
EP4332603A3 (en) 2024-05-22
CN108601552A (zh) 2018-09-28
US20180256042A1 (en) 2018-09-13
US20230270346A1 (en) 2023-08-31
US11633119B2 (en) 2023-04-25
EP3380971A1 (en) 2018-10-03
JP2018538050A (ja) 2018-12-27
WO2017091834A1 (en) 2017-06-01

Similar Documents

Publication Publication Date Title
CN108431817B (zh) 医学成像和医学成像信息的高效共享
US11515032B2 (en) Medical imaging and efficient sharing of medical imaging information
US20230290460A1 (en) Medical imaging, efficient sharing and secure handling of medical imaging information
JP7475344B2 (ja) 保護された健康情報を追跡し、それにアクセスし、それをマージするためのシステムおよび方法
US10398344B2 (en) Apparatus, methods and articles for four dimensional (4D) flow magnetic resonance imaging
US20210012883A1 (en) Systems and methods for longitudinally tracking fully de-identified medical studies

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
GR01 Patent grant
GR01 Patent grant