CN108665978A - 用于肿瘤mri影像学动态强化程度的分析方法和系统 - Google Patents

用于肿瘤mri影像学动态强化程度的分析方法和系统 Download PDF

Info

Publication number
CN108665978A
CN108665978A CN201810288245.7A CN201810288245A CN108665978A CN 108665978 A CN108665978 A CN 108665978A CN 201810288245 A CN201810288245 A CN 201810288245A CN 108665978 A CN108665978 A CN 108665978A
Authority
CN
China
Prior art keywords
lesion
maximum
assessed
reinforcing
degree
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN201810288245.7A
Other languages
English (en)
Inventor
鲜军舫
郭健
薛亭
李婷
姜虹
王新艳
刘兆会
陈青华
燕飞
王静
张�杰
符祥晖
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.)
Beijing Tianshi Software Technology Co ltd
Beijing Tongren Hospital
Original Assignee
Beijing Tianshi Software Technology Co ltd
Beijing Tongren Hospital
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 Beijing Tianshi Software Technology Co ltd, Beijing Tongren Hospital filed Critical Beijing Tianshi Software Technology Co ltd
Priority to CN201810288245.7A priority Critical patent/CN108665978A/zh
Publication of CN108665978A publication Critical patent/CN108665978A/zh
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
    • G16H50/30—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for calculating health indices; for individual health risk assessment
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • 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
    • 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
    • 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

Landscapes

  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Public Health (AREA)
  • Engineering & Computer Science (AREA)
  • Medical Informatics (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • General Health & Medical Sciences (AREA)
  • Physics & Mathematics (AREA)
  • Radiology & Medical Imaging (AREA)
  • Pathology (AREA)
  • Biomedical Technology (AREA)
  • Animal Behavior & Ethology (AREA)
  • Surgery (AREA)
  • Molecular Biology (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Biophysics (AREA)
  • Veterinary Medicine (AREA)
  • Epidemiology (AREA)
  • Primary Health Care (AREA)
  • Data Mining & Analysis (AREA)
  • Databases & Information Systems (AREA)
  • High Energy & Nuclear Physics (AREA)
  • Magnetic Resonance Imaging Apparatus (AREA)

Abstract

本申请提供了用于肿瘤MRI影像学动态强化程度的分析方法和系统，所述方法包括：获取要评估的病变的动态强化曲线；从所获取的动态强化曲线获取病变的最大强化信号强度值和第一时相信号强度值；根据所获取的最大强化信号强度值和第一时相信号强度值得到要评估的病变的最大强化指数，其中，最大强化指数为最大强化信号强度值与第一时相信号强度值之间的差值相对于第一时相信号强度值的比值；以及根据所得到的最大强化指数，确定要评估的病变的强化程度。该方法和系统可对强化程度进行量化，使得医生书写的诊断报告内容更为统一，避免了评估因外部因素影响而产生差异。

Description

用于肿瘤MRI影像学动态强化程度的分析方法和系统
技术领域
本申请涉及医学影像学领域、生物信息领域。具体地，涉及病变核磁共振动态增强扫描后，对病变强化程度进行量化的方法和系统。
背景技术
现有技术的MRI动态强化的强化程度是通过人基于肉眼观察来将强化部位的图像与该部位未强化时的图像及与周围未强化组织的图像对比得来的。这种判断基于人的肉眼鉴别和主观判断，这些判断在强化程度位于临界状态时容易混淆，也可受医生疲劳、工作环境光线变化、医学图像显示器性能、检查设备型号性能等外部因素影响，产生差异。
医生评估病变动态强化程度，有着具体的临床意义：MRI增强检查是通过给予对比剂，人为改变组织与病变间T1值或T2值对比，即T1WI或T2WI图像的信号强度对比，以利于病变的检出和诊断。其中，常用对比剂为含钆(gadolinium，Gd)的顺磁性螯合物，其主要缩短T1值，增加T1WI图像上病变与正常组织间的信号强度对比。使用对比剂的目的在于显示病变的血供情况，勾画肿瘤的轮廓，区别病变组织与正常组织，发现平扫不能显示的微小病变，以及进行灌注等功能研究。例如：未见明显强化代表基本没有血供或者灌注，可见明显强化意味着病变的血供丰富、灌注迅速。
申请内容
根据本申请的一方面，提供了用于肿瘤MRI影像学动态强化程度的分析方法，所述方法包括：获取要评估的病变的动态强化曲线；从所获取的动态强化曲线获取病变的最大强化信号强度值和第一时相信号强度值；根据所获取的最大强化信号强度值和第一时相信号强度值得到要评估的病变的最大强化指数，其中，最大强化指数为最大强化信号强度值与第一时相信号强度值之间的差值相对于第一时相信号强度值的比值；以及根据所得到的最大强化指数，确定要评估的病变的强化程度。
确定要评估的病变的强化程度可包括：当所得到的最大强化指数小于第一预设值时，将要评估的病变的强化程度确定为未明显强化。
确定要评估的病变的强化程度可包括：当所得到的最大强化指数大于或等于第一预设值且小于或等于第二预设值时，将要评估的病变的强化程度确定为轻度强化。
确定要评估的病变的强化程度可包括：当所得到的最大强化指数大于第二预设值且小于或等于第三预设值时，将要评估的病变的强化程度确定为中度强化。
确定要评估的病变的强化程度可包括：当所得到的最大强化指数大于第三预设值时，将要评估的病变的强化程度确定为明显强化。
根据本申请的另一方面，提供了用于肿瘤MRI影像学动态强化程度的分析系统，所述系统可包括：人机交互界面，为用户提供预设的指示部并具有输入部，其中，预设的指示部用于指示用户根据MRI设备上的动态强化曲线向输入部输入要评估的病变的最大强化信号强度值和第一时相信号强度值；数据处理模块，根据用户输入的最大强化信号强度值和第一时相信号强度值计算要评估的病变的最大强化指数，以及根据计算出的最大强化指数确定要评估的病变的强化程度，其中，最大强化指数为最大强化信号强度值与第一时相信号强度值之间的差值相对于第一时相信号强度值的比值。
人机交互界面可在用户输入计算最大强化指数的指令后，显示所计算的最大强化指数及所确定的强化程度。
数据处理模块还可配置成在计算出的最大强化指数小于第一预设值时将要评估的病变的强化程度确定为未明显强化。
数据处理模块还可配置成在计算出的最大强化指数大于或等于第一预设值且小于或等于第二预设值时将要评估的病变的强化程度确定为轻度强化。
数据处理模块还可配置成在计算出的最大强化指数大于第二预设值且小于或等于第三预设值时将要评估的病变的强化程度确定为中度强化。
数据处理模块还可配置成在计算出的最大强化指数大于第三预设值时将要评估的病变的强化程度确定为明显强化。
附图说明
本申请的实施方式在附图的各图中以示例而非限制的方式示出。通过阅读参照以下附图对非限制性实施方式所作的详细描述，本申请的其它特征、目的和优点将变得更加明显。附图中，相同的参考标记表示相似的元件或特征。
图1示出了根据本申请的用于肿瘤MRI影像学动态强化程度的分析方法的流程图。
图2A至图2C是根据本申请的一个实施方式的要进行评估的病变的动态强化曲线。
图3示出了根据本申请的实施方式的根据最大强化指数确定病变的强化程度的框图。
图4示出了根据本申请的用于肿瘤MRI影像学动态强化程度的分析系统的示意性框图。
图5示出了根据本申请一个实施方式的用于肿瘤MRI影像学动态强化程度的分析系统的人机交互界面的界面布局。
具体实施方式
将参考以下所讨论的细节来描述本申请的各种实施方式和方面，附图将示出所述各种实施方式。下列描述和附图是对本申请的说明，而不应当解释为限制本申请。描述了许多特定细节以提供对本申请各种实施方式的全面理解。然而，在某些情况下，并未描述众所周知的或常规的细节以提供对本申请的实施方式的简洁讨论。
本说明书中对“一个实施方式”或“实施方式”的提及意味着结合该实施方式所描述的特定特征、结构或特性可以包括在本申请的至少一个实施方式中。短语“在一个实施方式中”在本说明书中各个地方的出现不必全部指同一实施方式。
应理解的是，本文中所描述的具体实施方式仅用于解释本申请，而非对本申请的范围进行限定。需注意的是，在不冲突的情况下，本申请中的实施方式及实施方式中的特征可以相互组合。因此，本领域普通技术人员将认识到，在不背离本公开的范围和精神的情况下，可对本文中所描述的多种实施方式进行多种改变和修改。
除非另有限定，否则本文中使用的所有术语(包括技术术语和科学术语)具有与由本申请所属技术领域的普通技术人员所通常理解的含义相同的含义。还将理解的是，除非本文中明确地如此限定，否则诸如常用词典中定义的那些术语应被解释成具有与其在相关技术领域和/或本说明书的上下文中的含义一致的含义，并且不应以理想化或过于正式的含义进行解释。
图1示出了根据本申请的用于肿瘤MRI影像学动态强化程度的分析方法的流程图。图2A至图2C是根据本申请的一个实施方式的要进行评估的病变的动态强化曲线。
如图1所示，在步骤S110中，通过核磁动态增强技术获取要进行评估的病变的动态强化曲线。例如，在MRI设备上读取所评估的病变的动态强化曲线，如图2A中的曲线1。
在步骤S120中，从所获取的动态强化曲线获取病变的最大强化信号强度值和第一时相信号强度值。例如，获取曲线1的峰值点M的纵坐标值“1315”即获取了曲线1的最大强化信号强度值ymax＝1315，如图2B所示。获取曲线1的第一点N的纵坐标值“870”即获取了曲线1的第一时相信号强度值yfirst＝870，如图2C所示。
在步骤S130中，根据所获取的最大强化信号强度值和第一是想信号强度值得到要进行评估的病变的最大强化指数。在本申请中，最大强化指数(下文用“CImax”表示)定义为CImax＝(ymax-yfirst)/yfirst，即，最大强化指数为最大强化信号强度值与第一时相信号强度值之间的差值相对于第一时相信号强度值的比值。以图2A至图2C的动态强化曲线1为例，其最大强化指数为CImax＝(1315-870)/870＝0.51。
在步骤S140中，根据所得到的最大强化指数，确定要进行评估的病变的强化程度。
图3示出了根据本申请的实施方式的根据最大强化指数确定病变的强化程度的框图。
步骤S140的确定要进行评估的病变的强化程度可包括步骤S142和步骤S143，或者步骤S144和步骤S145，或者步骤S146和步骤S147，或者步骤S148和步骤S149，或者它们的结合。
在步骤S142中，判断所得到的最大强化指数是否小于第一预设值。响应于最大强化指数CImax小于第一预设值，在步骤S143中，将要进行评估的病变的强化程度确定为“未见明显强化”。其中，第一预设值例如但不限于0.2，其可例如通过分析临床上的“未见明显强化”的强化曲线而确定，可随着医学的发展而进行修改。
在步骤S144中，判断所得到的最大强化指数CImax是否大于或等于第一预设值且小于或等于第二预设值。响应于最大强化指数CImax大于或等于第一预设值且小于或等于第二预设值，在步骤S145中，将要进行评估的病变的强化程度确定为“可见轻度强化”。其中，第一预设值例如但不限于0.2，第二预设值例如但不限于1，其可例如通过分析临床上的“可见轻度强化”的强化曲线而确定，也可随着医学的发展而进行修改。
在步骤S146中，判断所得到的最大强化指数CImax是否大于第二预设值且小于或等于第三预设值。响应于最大强化指数CImax大于第二预设值且小于或等于第三预设值，在步骤S147中，将要进行评估的病变的强化程度确定为“可见中度强化”。其中，第二预设值例如但不限于1，第三预设值例如但不限于2，其可例如通过分析临床上的“可见中度强化”的强化曲线而确定，也可随着医学的发展而进行修改。
在步骤S148中，判断所得到的最大强化指数CImax是否大于第三预设值。响应于最大强化指数CImax大于第三预设值，在步骤S149中，将要进行评估的病变的强化程度确定为“可见明显强化”。其中，第三预设值例如但不限于2，其可例如通过分析临床上的“可见明显强化”的强化曲线而确定，也可随着医学的发展而进行修改。
以上所述的第一预设值、第二预设值和第三预设值可例如通过分析临床上大量有效的“未见明显强化”、“可见轻度强化”、“可见中度强化”和“可见明显强化”的强化曲线，依据最大强化信号强度值和第一时相信号强度值与最大强化指数之间的关系计算出相应的最大强化指数，然后依据强化程度与最大强化指数之间的对应关系而获得，但不限于此。
图4示出了根据本申请的用于肿瘤MRI影像学动态强化程度的分析系统的示意性框图。图5示出了根据本申请一个实施方式的用于肿瘤MRI影像学动态强化程度的分析系统的人机交互界面的界面布局。
如图4所示，用于肿瘤MRI影像学动态强化程度的分析系统100包括人机交互界面UI和数据处理模块PM。
如图5所示，人机交互界面UI为用户提供预设的指示部d和输入部Inp，其中，预设的指示部d用于指示用户根据动态强化曲线(例如，MRI设备上的动态强化曲线，如图2A中的动态强化曲线1向输入部Inp输入要进行评估的病变的最大强化信号强度值ymax和第一时相信号强度值yfirst。
数据处理模块PM根据用户输入的最大强化信号强度值ymax和第一时相信号强度值yfirst计算要评估的病变的最大强化指数CImax。其中，最大强化指数CImax为最大信号强度值ymax与第一时相信号强度值ymax之间的差值相对于第一时相信号强度值yfirst的比值(即，CImax＝(ymax-yfirst)/yfirst)。
在用户输入了最大强化信号强度值ymax和第一时相信号强度值yfirst且输入了计算最大强化指数CImax的指令之后，显示所计算的最大强化指数和所确定的强化程度。例如，如图5所示，在用户输入了值为“870”的第一时相信号强度值和值为“1315”的最大强化信号强度值且点击了“点击计算”按钮之后，人机交互界面自动显示所计算的最大强化指数“0.51”并选中“轻度强化”的选项。图5仅仅是根据本申请的一个实施方式的界面布局，但本申请不限于此。
数据处理模块PM可配置成在计算出的最大强化指数小于第一预设值时将强化程度确定为未明显强化。
数据处理模块PM还可配置成在计算处的最大强化指数大于或等于第一预设值且小于或等于第二预设值时将要评估的病变的强化程度确定为轻度强化。
数据处理模块PM还可配置成在计算出的最大强化指数大于第二预设值且小于或等于第三预设值时将要评估的病变的强化程度确定为中度强化。
数据处理模块PM还可配置成在计算出的最大强化指数大于第三预设值时将要评估的病变的强化程度确定为明显强化。
第一预设值例如但不限于0.2，第二预设值例如但不限于1，第三预设值例如但不限于2，它们可通过分析临床上大量有效的“未见明显强化”、“可见轻度强化”、“可见中度强化”和“可见明显强化”的强化曲线，依据最大强化信号强度值和第一时相信号强度值与最大强化指数之间的关系计算出相应的最大强化指数，然后依据强化程度与最大强化指数之间的对应关系而获得，但不限于此，它们可随着医学的发展而进行修改。
利用以上提供的用于肿瘤MRI影像学动态强化程度的分析方法和系统，可对强化程度进行量化，使得医生书写的诊断报告内容更为统一，避免了评估因外部因素影响而产生差异，使临床理解病灶的特点更加精确。同时，该方法更有利于对不同设备、不同检查条件进行评估。
虽然已经参考本公开的各种实施方式示出和描述了本公开，但是本领域的普通技术人员将理解的是，在不偏离由所附权利要求和它们的等同物限定的本公开的精神和范围的情况下，可对本公开在形式和细节上作出多种改变。

Claims (11)

1.用于肿瘤MRI影像学动态强化程度的分析方法，所述方法包括：
获取要评估的病变的动态强化曲线；
从所获取的动态强化曲线获取病变的最大强化信号强度值和第一时相信号强度值；
根据所获取的最大强化信号强度值和第一时相信号强度值得到要评估的病变的最大强化指数，其中，最大强化指数为最大强化信号强度值与第一时相信号强度值之间的差值相对于第一时相信号强度值的比值；以及
根据所得到的最大强化指数，确定要评估的病变的强化程度。
2.根据权利要求1所述的方法，其中，确定所述要评估的病变的强化程度包括：
当所得到的最大强化指数小于第一预设值时，将所述要评估的病变的强化程度确定为未明显强化。
3.根据权利要求1所述的方法，其中，确定所述要评估的病变的强化程度包括：
当所得到的最大强化指数大于或等于第一预设值且小于或等于第二预设值时，将所述要评估的病变的强化程度确定为轻度强化。
4.根据权利要求1所述的方法，其中，确定所述要评估的病变的强化程度包括：
当所得到的最大强化指数大于第二预设值且小于或等于第三预设值时，将所述要评估的病变的强化程度确定为中度强化。
5.根据权利要求1所述的方法，其中，确定所述要评估的病变的强化程度包括：
当所得到的最大强化指数大于第三预设值时，将所述要评估的病变的强化程度确定为明显强化。
6.用于肿瘤MRI影像学动态强化程度的分析系统，所述系统包括：
人机交互界面，为用户提供预设的指示部并具有输入部，其中，所述预设的指示部用于指示用户根据MRI设备上的动态强化曲线向所述输入部输入要评估的病变的最大强化信号强度值和第一时相信号强度值；
数据处理模块，根据用户输入的最大强化信号强度值和第一时相信号强度值计算要评估的病变的最大强化指数，以及根据计算出的最大强化指数确定要评估的病变的强化程度，其中，最大强化指数为最大强化信号强度值与第一时相信号强度值之间的差值相对于第一时相信号强度值的比值。
7.根据权利要求6所述的系统，其中，所述人机交互界面在用户输入计算所述最大强化指数的指令后，显示所计算的最大强化指数及所确定的强化程度。
8.根据权利要求6所述的系统，其中，所述数据处理模块还配置成在计算出的最大强化指数小于第一预设值时将所述要评估的病变的强化程度确定为未明显强化。
9.根据权利要求6所述的方法，其中，所述数据处理模块还配置成在计算出的最大强化指数大于或等于第一预设值且小于或等于第二预设值时将所述要评估的病变的强化程度确定为轻度强化。
10.根据权利要求6所述的方法，其中，所述数据处理模块还配置成在计算出的最大强化指数大于第二预设值且小于或等于第三预设值时将所述要评估的病变的强化程度确定为中度强化。
11.根据权利要求6所述的方法，其中，所述数据处理模块还配置成在计算出的最大强化指数大于第三预设值时将所述要评估的病变的强化程度确定为明显强化。
CN201810288245.7A 2018-04-03 2018-04-03 用于肿瘤mri影像学动态强化程度的分析方法和系统 Pending CN108665978A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201810288245.7A CN108665978A (zh) 2018-04-03 2018-04-03 用于肿瘤mri影像学动态强化程度的分析方法和系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810288245.7A CN108665978A (zh) 2018-04-03 2018-04-03 用于肿瘤mri影像学动态强化程度的分析方法和系统

Publications (1)

Publication Number Publication Date
CN108665978A true CN108665978A (zh) 2018-10-16

Family

ID=63782818

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810288245.7A Pending CN108665978A (zh) 2018-04-03 2018-04-03 用于肿瘤mri影像学动态强化程度的分析方法和系统

Country Status (1)

Country Link
CN (1) CN108665978A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112508896A (zh) * 2020-11-30 2021-03-16 广东欧谱曼迪科技有限公司 一种血供量化评估和表达方法、装置、存储介质和终端
CN113689355A (zh) * 2021-09-10 2021-11-23 数坤(北京)网络科技股份有限公司 图像处理方法、装置、存储介质及计算机设备

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102238905A (zh) * 2008-10-07 2011-11-09 奥森医疗科技有限公司 脑血液动力学参数的测量
CN104008541A (zh) * 2014-05-06 2014-08-27 广州医科大学附属肿瘤医院 一种pet/ct肿瘤靶区自动分割方法
US20170290544A1 (en) * 2016-04-12 2017-10-12 Toshiba Medical Systems Corporation Medical image processing apparatus, medical image diagnosis apparatus and recording medium

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102238905A (zh) * 2008-10-07 2011-11-09 奥森医疗科技有限公司 脑血液动力学参数的测量
CN104008541A (zh) * 2014-05-06 2014-08-27 广州医科大学附属肿瘤医院 一种pet/ct肿瘤靶区自动分割方法
US20170290544A1 (en) * 2016-04-12 2017-10-12 Toshiba Medical Systems Corporation Medical image processing apparatus, medical image diagnosis apparatus and recording medium

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
孙博等: "MR-TRICKS技术在足踝软组织病变诊断中的应用", 《放射学实践》 *
平小夏: "前列腺癌3.0T MR动态增强扫描特征及DWI、MRS的相关性研究", 《中国优秀硕士学位论文全文数据库 医药卫生科技辑》 *

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112508896A (zh) * 2020-11-30 2021-03-16 广东欧谱曼迪科技有限公司 一种血供量化评估和表达方法、装置、存储介质和终端
CN113689355A (zh) * 2021-09-10 2021-11-23 数坤(北京)网络科技股份有限公司 图像处理方法、装置、存储介质及计算机设备
CN113689355B (zh) * 2021-09-10 2022-07-08 数坤(北京)网络科技股份有限公司 图像处理方法、装置、存储介质及计算机设备

Similar Documents

Publication Publication Date Title
Lawonn et al. A survey on multimodal medical data visualization
Lavini et al. Pixel-by-pixel analysis of DCE MRI curve patterns and an illustration of its application to the imaging of the musculoskeletal system
Wang et al. Deep learning detection of penumbral tissue on arterial spin labeling in stroke
Swinburne et al. Machine learning for semiautomated classification of glioblastoma, brain metastasis and central nervous system lymphoma using magnetic resonance advanced imaging
CN105122301B (zh) 对来自不同成像模态的医学图像的同时显示
KR102166647B1 (ko) 블록 기반 유연한 ai 모델을 이용한 지능형 의료 진단 및 진료 시스템
van Bussel et al. On the interplay of microvasculature, parenchyma, and memory in type 2 diabetes
KR102366290B1 (ko) 의료기계 학습 시스템
Roldan et al. Characterization of CSF hydrodynamics in the presence and absence of tonsillar ectopia by means of computational flow analysis
Mastanduno et al. Sensitivity of MRI-guided near-infrared spectroscopy clinical breast exam data and its impact on diagnostic performance
Li et al. A longitudinal MRI study of amygdala and hippocampal subfields for infants with risk of autism
CN108665978A (zh) 用于肿瘤mri影像学动态强化程度的分析方法和系统
Hutter et al. T2* relaxometry to characterize normal placental development over gestation in-vivo at 3T
Chernyak et al. Effect of threshold growth as a major feature on LI-RADS categorization
Sadeghipour et al. Prediction of optimal contrast times post-imaging agent administration to inform personalized fluorescence-guided surgery
Sumithra et al. A brief survey on multi modalities fusion
Vargas et al. Rapid quantification of mitochondrial fractal dimension in individual cells
Divel et al. Development of a realistic, dynamic digital brain phantom for CT perfusion validation
Dimov et al. Assessment of hepatic arterial hemodynamics with 4D flow MRI: in vitro analysis of motion and spatial resolution related error and in vivo feasibility study in 20 volunteers
Stogiannos et al. Analysis of radiomic features derived from post-contrast T1-weighted images and apparent diffusion coefficient (ADC) maps for breast lesion evaluation: A retrospective study
Hudani et al. Whole-heart assessment of turbulent kinetic energy in the repaired tetralogy of Fallot
Bayrak et al. TractEM: fast protocols for whole brain deterministic tractography-based white matter atlas
Elliott et al. Direct characterization of arterial input functions by fluorescence imaging of exposed carotid artery to facilitate kinetic analysis
Saborit-Torres et al. Medical imaging data structure extended to multiple modalities and anatomical regions
Smith et al. A simplified method for postmortem coronary angiography using gastrograffin

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
RJ01 Rejection of invention patent application after publication
RJ01 Rejection of invention patent application after publication

Application publication date: 20181016