CN109381161A - 癌症鉴别方法和装置 - Google Patents

癌症鉴别方法和装置 Download PDF

Info

Publication number
CN109381161A
CN109381161A CN201810239881.0A CN201810239881A CN109381161A CN 109381161 A CN109381161 A CN 109381161A CN 201810239881 A CN201810239881 A CN 201810239881A CN 109381161 A CN109381161 A CN 109381161A
Authority
CN
China
Prior art keywords
cancer
processor
profile diagram
oscillation wave
gammaphoton
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN201810239881.0A
Other languages
English (en)
Other versions
CN109381161B (zh
Inventor
R·达斯
S·穆迪
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.)
Wipro Ltd
Original Assignee
Wipro Ltd
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 Wipro Ltd filed Critical Wipro Ltd
Publication of CN109381161A publication Critical patent/CN109381161A/zh
Application granted granted Critical
Publication of CN109381161B publication Critical patent/CN109381161B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
    • G01N33/48—Biological material, e.g. blood, urine; Haemocytometers
    • G01N33/50—Chemical analysis of biological material, e.g. blood, urine; Testing involving biospecific ligand binding methods; Immunological testing
    • G01N33/53—Immunoassay; Biospecific binding assay; Materials therefor
    • G01N33/574—Immunoassay; Biospecific binding assay; Materials therefor for cancer
    • 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
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/0093—Detecting, measuring or recording by applying one single type of energy and measuring its conversion into another type of energy
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/06—Devices, other than using radiation, for detecting or locating foreign bodies ; determining position of probes within or on the body of the patient
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16B—BIOINFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR GENETIC OR PROTEIN-RELATED DATA PROCESSING IN COMPUTATIONAL MOLECULAR BIOLOGY
    • G16B40/00—ICT specially adapted for biostatistics; ICT specially adapted for bioinformatics-related machine learning or data mining, e.g. knowledge discovery or pattern finding
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
    • G16H50/70—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for mining of medical data, e.g. analysing previous cases of other patients
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
    • A61B6/42—Arrangements for detecting radiation specially adapted for radiation diagnosis
    • A61B6/4208—Arrangements for detecting radiation specially adapted for radiation diagnosis characterised by using a particular type of detector
    • A61B6/4241—Arrangements for detecting radiation specially adapted for radiation diagnosis characterised by using a particular type of detector using energy resolving detectors, e.g. photon counting
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
    • A61B6/42—Arrangements for detecting radiation specially adapted for radiation diagnosis
    • A61B6/4208—Arrangements for detecting radiation specially adapted for radiation diagnosis characterised by using a particular type of detector
    • A61B6/4258—Arrangements for detecting radiation specially adapted for radiation diagnosis characterised by using a particular type of detector for detecting non x-ray radiation, e.g. gamma radiation
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
    • A61B6/52—Devices using data or image processing specially adapted for radiation diagnosis
    • A61B6/5211—Devices using data or image processing specially adapted for radiation diagnosis involving processing of medical diagnostic data
    • A61B6/5217—Devices using data or image processing specially adapted for radiation diagnosis involving processing of medical diagnostic data extracting a diagnostic or physiological parameter from medical diagnostic data

Landscapes

  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Medical Informatics (AREA)
  • Public Health (AREA)
  • General Health & Medical Sciences (AREA)
  • Physics & Mathematics (AREA)
  • Biomedical Technology (AREA)
  • Pathology (AREA)
  • Molecular Biology (AREA)
  • Biophysics (AREA)
  • Epidemiology (AREA)
  • Data Mining & Analysis (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Surgery (AREA)
  • Animal Behavior & Ethology (AREA)
  • Veterinary Medicine (AREA)
  • Databases & Information Systems (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Radiology & Medical Imaging (AREA)
  • Primary Health Care (AREA)
  • Immunology (AREA)
  • Biotechnology (AREA)
  • Urology & Nephrology (AREA)
  • Hematology (AREA)
  • Chemical & Material Sciences (AREA)
  • Optics & Photonics (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Theoretical Computer Science (AREA)
  • Spectroscopy & Molecular Physics (AREA)
  • Evolutionary Biology (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Software Systems (AREA)
  • High Energy & Nuclear Physics (AREA)
  • Evolutionary Computation (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Bioethics (AREA)
  • Artificial Intelligence (AREA)
  • Hospice & Palliative Care (AREA)
  • Oncology (AREA)

Abstract

本发明公开癌症鉴别方法和装置。该方法包括通过至少一个感光单元接收生物体内癌细胞发出的伽马光子。该方法还包括将通过所述至少一个感光单元接收的伽马光子转换为具有多个频率的多个振荡波。该方法还包括通过投影所述多个振荡波当中每个振荡波的正负峰值，创建轮廓图。该方法还包括将所述轮廓图的图形与多个训练轮廓图相比较，以对影响所述生物的至少一个身体部位的癌症的类型进行鉴别，其中，所述多个训练轮廓图中的每一个标记有相关的癌症的类型。

Description

癌症鉴别方法和装置
技术领域
本发明内容总体涉及癌症的鉴别，尤其涉及一种癌症鉴别方法。
背景技术
在全世界范围内，癌症是促使死亡率升高的罪魁祸首。癌症类型的早期检测和分类有助于为患者提供更好的护理。癌症分为不同类型，如皮肤癌、骨癌或恶性肉瘤癌等。目前，存在多种针对上述各类型癌症对患者进行筛查的技术。这些技术例如包括计算机断层扫描、磁共振成像、正电子发射计算机断层扫描(PET)、超声波检查或乳房X光检查。然而，这些技术不仅非常昂贵，而且其形成的图像需要专业的分析才能鉴别癌细胞的类型。此类手动分类是一项耗时的工作，而且极易发生人为错误。
一种现有癌症检测系统包括辐射接收装置，相应信号处理器以及分析器。然而，该现有系统需要在不同角度拍摄患者的图像，并且利用衍生自细胞所发X射线的输出鉴别患癌区域。由此可见，该现有系统的构造在于与特定类型的计算设备联用，因此存在着硬件约束。相应地，该现有系统所捕获的数据无法与任何供多个生理学研究者访问的平台同步。
因此，需要一种能够为患者提供精确的癌症检测和鉴别结果的高成本效益系统和方法。
发明内容
在一实施方式中，公开一种癌症鉴别装置。该癌症鉴别装置包括感光单元阵列，该感光单元阵列包括多个感光单元并设置为接收生物体内的癌细胞发出的伽马光子。所述癌症鉴别装置还包括以可通信方式连接于所述感光单元阵列的处理器。该所述癌症鉴别装置还包括以可通信方式连接于所述处理器的存储器，该存储器具有存于其上的处理器指令，该指令在执行时使得所述处理器：将通过所述多个感光单元当中的至少一个感光单元接收的伽马光子转换为具有多个频率的多个振荡波；通过投影所述多个振荡波当中每个振荡波的正负峰值，创建轮廓图；以及将所述轮廓图的图形与多个训练轮廓图相比较，以对影响所述生物的至少一个身体部位的癌症的类型进行鉴别，其中，所述多个训练轮廓图当中的每一个均标记有癌症类型。
在另一实施方式中，公开一种非暂时性计算机可读存储介质。该非暂时性计算机可读存储介质具有存于其上的指令，该指令使得包括一个或多个处理器的癌症鉴别装置执行步骤，该步骤包括：通过至少一个感光单元接收生物体内癌细胞发出的伽马光子；将通过所述至少一个感光单元接收的伽马光子转换为具有多个频率的多个振荡波；通过投影所述多个振荡波当中每个振荡波的正负峰值，创建轮廓图；以及将所述轮廓图的图形与多个训练轮廓图相比较，以对影响所述生物的至少一个身体部位的癌症的类型进行鉴别，其中，所述多个训练轮廓图当中的每一个均标记有癌症类型。
需要理解的是，以上概略描述与以下详细描述均仅在于例示和说明，而不在于限制所要求保护的发明。
附图说明
所附各图并入本发明内容之内并构成本发明内容的一部分，用于对例示实施方式进行描述，并与说明书一道阐明所公开的原理。
图1所示为可供各种实施方式在其内应用的环境。
图2为示出根据本发明实施方式的癌症鉴别装置的各种部件的框图。
图3为根据本发明实施方式鉴别生物体内癌症的方法流程图。
图4为根据本发明实施方式鉴别生物体内癌症并描绘患癌身体部位的方法流程图。
图5为根据例示实施方式的毫米图。
图6A和图6B所示为根据例示实施方式在个人体内癌细胞分散的情况下对患癌区域的鉴别。
图7所示为根据例示实施方式在个人体内癌细胞以肿块形式存在的情况下对患癌区域的鉴别。
图8为根据本发明实施方式在一段时间内为患癌生物提供治疗跟踪的方法流程图。
图9为根据本发明实施方式将经感光单元接收的伽马光子转换为多个振荡波的方法流程图。
图10为用于实施各种实施方式的例示计算机系统框图。
具体实施方式
以下，参考附图，对例示实施方式进行描述。在任何方便之处，各图中均采用相同附图标记指代相同或类似部件。虽然本文中描述了所公开原理的实施例和特征，但是在不脱离所公开实施方式的精神和范围的前提下，还可进行修改、调整以及做出其他实施方式。以下具体描述意在仅视作例示，而真正的范围及精神如所附权利要求书所示。
以下列出其他说明性实施方式。在一种实施方式中，图1所示为可供各种实施方式在其内应用的例示环境100。环境100包括正在被癌症鉴别装置104扫描的个人102。对于本领域技术人员容易理解的是，个人102可由可能罹患各类型癌症的活的生物代替。癌症鉴别装置104例如可包括，但不限于，智能电话、平板电脑或以下结合图2所述的配备必要部件的专用移动装置。
为了实现癌症的检测及癌症类型的鉴别，个人102的体内经肠道外注射引入放射性示踪剂或放射性标记物。对于本领域技术人员容易理解的是，还可采用其他方式引入放射性示踪剂。放射性示踪剂附于个人102体内的癌细胞上，并产生具有不同频率的伽马光子。此类伽马光子由癌症鉴别装置104内的感光单元接收。为了精确接收个人102体内癌细胞所发出的每一个伽马光子，癌症鉴别装置104可一次性地扫描个人102的整个身体。或者，癌症鉴别装置104也可分别扫描个人102的特定身体部位或身体部分。举例来说，癌症鉴别装置104的显示器106描绘出正在被扫描的个人102的头部和躯干。
个人102可由另一用户以癌症鉴别装置104手动扫描。或者，对癌症鉴别装置104的扫描操作进行控制的机械装置可在每一预设时间间隔之后垂直或水平移动癌症鉴别装置104，从而对个人102的整个身体分段扫描，或者仅扫描个人102身体的目标部分。
现在参考图2，该图为示出根据本发明实施方式的癌症鉴别装置104的各种部件的框图。癌症鉴别装置104包括感光单元阵列202、解复用器204、电子转换二极管206、电压转换二极管208、增益电路210、模数转换器212、振荡器214、存储器216以及显示器218。在一种实施方式中，癌症鉴别装置104可由癌症鉴别系统替代，以使得感光单元阵列202、解复用器204、电子转换二极管206、电压转换二极管208、增益电路210、模数转换器212、振荡器214和显示器218可设于具有配备伽马光子捕获单元的相机的移动装置内。在此情形中，含人工智能(AI)平台220包含记录模块222、振荡波投影单元224、矩阵图像变换单元226及图形比较单元228的存储器216可设于具有高级计算能力的计算设备中。
为了实现癌症的检测和鉴别，可将放射性示踪剂经肠道外注射引入生物体内。所述放射性示踪剂附于生物体内的癌细胞上，并产生不同频率的伽马光子。该伽马光子由设于距生物身体最小距离处的感光单元阵列202的感光单元202a～202l中的一个或多个感光单元接收。感光单元202a～202l中的每一个均以可通信方式连接于解复用器204，该解复用器设置为从被所述伽马光子触发的感光单元接受输入。随后，电子转换二极管206将所述伽马光子转换为电子，该电子进一步被电压转换二极管208转换为电压信号。
由于接收自生物体内的伽马光子并不是非常强，在增益电路210将上述电压信号放大后，模数转换器212将放大后的电压信号转换为数字信号。振荡器214随后将该数字信号转换为具有不同频率的多个振荡波，以使得每一振荡波均与癌细胞所发的伽马光子相关联。振荡器214还有助于将上述频率最大化并检测正常频率和受癌症影响的频率之间的差异。
在此之后，振荡器214将所述多个振荡波提供给存储器216内的人工智能平台220。存储器216包括存于其上的指令，该指令在执行时使得处理器对癌症进行鉴别。存储器216可以为非易失性存储器或易失性存储器。非易失性存储器例如可包括，但不限于，闪存、只读存储器(ROM)，可编程只读存储器(PROM)、可擦除可编程只读存储器(EPROM)及电可擦除可编程只读存储器(EEPROM)。易失性存储器例如可包括，但不限于，动态随机存取存储器(DRAM)及静态随机存取存储器(SRAM)。
人工智能平台220设置为了解和鉴别各种癌细胞，以为患癌生物提供治疗跟踪。人工智能平台220还有助于持续跟踪患者数据，以供将来研究，并使得研究人员能够分析和研究各种癌症疾病。在人工智能平台220中，记录模块222从振荡器214接收上述多个振荡波。其后，振荡波投影单元224通过投影所述多个振荡波当中每个振荡波的正负峰值创建轮廓图。该轮廓图为所述患癌生物的一个或多个身体部位的轮廓投影，因此勾勒出患癌区域的外形。
在一种实施方式中，矩阵图像变换单元226通过将所述轮廓图转换为矩阵图像视图而将该轮廓图转换为像素值。如此，利用该像素值，可容易地将所述轮廓图存储于癌症鉴别装置104的存储器216内。这可在稍后用于评价一段时间内所述生物体内癌细胞的生长。
最后，为了鉴别影响所述生物的一个或多个身体部位的癌症的类型，图形比较单元228将所述轮廓图的图形与多个训练轮廓图相比较，以找出匹配图。所述多个训练轮廓图当中的每一个都标记有相关癌症类型。也就是说，给定训练轮廓图标记有与该训练轮廓图内的癌症类型和程度相关的数据。因此，当所述轮廓图与该训练轮廓图匹配时，即表示所述生物同样罹患有与该训练轮廓图所标记的同样类型和程度的癌症。
在鉴别出影响所述生物的一个或多个身体部位的癌症类型后，在显示器218上显示描绘罹患上述类型癌症的所述一个或多个身体部位及指示该类型癌症在该一个或多个身体部位内扩散程度的图形图像。以下将结合图3、图4和图8，对此进行进一步详细描述。
现在参考图3，该图为根据本发明实施方式的生物体内癌症鉴别方法流程图。该生物例如可包括但不限于人或动物。为了实现癌症的检测和鉴别，所述生物体内通过肠道外注射引入放射性示踪剂。该放射性示踪剂附于所述生物体内的癌细胞上，且生成不同频率的伽马光子。
在步骤302中，癌症鉴别装置104通过感光单元阵列202的一个或多个感光单元接收所述癌细胞所发出的伽马光子。在步骤304中，癌症鉴别装置104将所述伽马光子转换为具有多个频率的多个振荡波。也就是说，每个振荡波均具有不同频率且代表一个伽马光子。以下结合图8，对所述伽马光子向所述多个振荡波的转换进行详细描述。振荡波既可以为异步振荡波，也可以为同步振荡波(如正弦波)。异步振荡波与癌细胞所发伽马光子相关联，而同步振荡波与含有葡萄糖的健康细胞所发伽马光子相关联。癌症鉴别装置104被训练为忽略同步振荡波而仅处理异步振荡波。
在步骤306中，癌症鉴别装置104通过投影所述多个振荡波中每个振荡波的正负峰值，创建轮廓图。癌症鉴别装置104利用振荡波投影单元224创建该轮廓图。该轮廓图为所述患癌生物的一个或多个身体部位的轮廓投影，因此勾勒出患癌区域的外形。
在一种实施方式中，所述轮廓图投影至含正正象限的毫米图上。该毫米图包括虚拟X平面(表示为：X(v))以及虚拟Y平面(表示为：Y(v))。在这些虚拟平面中，(v)为一个或多个参数的预设函数，所述参数包括：振荡波的正峰(或称正向凸峰)值，振荡波的负峰(或称负向凸峰)值，伽马光子(与该振荡波相关联)在抵达感光单元阵列202前所覆盖的距离，以及该伽马光子在被感光单元阵列202检测到之前所花费的时间。正如图5毫米图500所清晰示出的一样，X(v)和Y(v)的交点将该图划分为上方平面和下方平面。
上述一个或多个参数有助于确定生物体内的患癌部位以及所患癌症的类型。所述正峰(或称正向凸峰)和负峰(或称负向凸峰)的参数用于判断癌细胞在所述生物体内是否以与某个对象相关的形式(即影响某个器官)或以线性或分散的形式生长。癌细胞的在所述生物体内的分散既可为局部分散，也可为全身扩散。同时具有负峰和正峰的振荡波(与伽马光子相关联)表示发出该伽马光子的癌细胞以肿块的形式存在。也就是说，该癌细胞为患癌器官的一部分。
对于同时含负峰和正峰的一个或多个振荡波，该正峰绘制或投影于所述正正象限的上方平面，而所述负峰绘制或投影该正正象限的下方平面。以下将结合图7例示实施方式，对此进行进一步详细描述。举例而言，如果癌细胞形成肿瘤，则上述图将与某个体积或对象相关，并将同时投影于所述上方和下方平面。此外，当某个物体被拍摄为患癌区域时，振荡波的正向凸峰将表示该物体的正面部分存在癌细胞，而振荡波的负向凸峰将表示该物体的反面部分存在癌细胞。这将有助于鉴别该物体在体内的朝向。
理想地，轮廓图内形成的物体可以所述毫米图的虚拟X平面和虚拟Y平面的交点为中心。然而，根据对所述生物进行扫描的癌症鉴别装置104的位置，呈现于所述轮廓图上的物体也可偏离上述交点。在此情况下，必须对癌症鉴别装置104的位置进行调整，以使得该物体靠近所述毫米图的交点。在另一种情形中，所述轮廓图上可呈现多个物体，而且每个该物体均偏离所述交点。在此情况下，必须对癌症鉴别装置104的位置进行调整，以使其仅关注特定身体区域，从而仅拍摄单个物体。
仅具有正峰或仅具有负峰的振荡波表示癌细胞分散于所述生物的血液或皮肤内。在此情况下，对于仅含正峰或仅含负峰的一个或多个振荡波，该正峰和负峰都将绘制于所述正正象的上方平面。以下将结合图6A和图6B的例示实施方式，对此进行进一步详细描述。举例而言，如果癌细胞位于皮肤之下，则所述轮廓图将仅投影所述上方平面。
为了清楚地鉴别患癌区域的位置，可对所述多个振荡波中的每个振荡波的振幅和波长进行分析。其中，可将生物的身体划分为以下三个部分：前部(如皮肤(即表皮、真皮或皮下组织)或血液)；中部(如器官)；以及后部(如皮肤或血液)。振荡波的振幅与相应伽马光子从患癌细胞到达感光单元阵列202的感光单元前的移动距离成正比。也就是说，振荡波的振幅越大，相应伽马光子的移动距离越长。此外，振荡波的波长与相应伽马光子到达感光单元前所花费的时间成正比。也就是说，振荡波的波长越长，相应伽马光子到达感光单元阵列202所花费的时间越多。
由此可见，振幅和波长均较大的振荡波表示患癌区域位于身体后部。类似地，振幅和波长均较小的振荡波表示患癌区域位于身体前部。振幅较大而波长较小的振荡波表示患癌区域位于身体中部。类似地，振幅较小而波长较大的振荡波表示表示患癌区域位于生物体内器官(位于身体中部)内。
在一种实施方式中，为了确定振幅或波长是大、中等、还是小，可自动设定多个阈值，并根据振荡器214所产生的振幅或波长的范围，对该阈值进行调整。以下结合图6A、图6B和图7的例示实施方式，对毫米图上的轮廓图绘制进行进一步详细描述。
在步骤308中，癌症鉴别装置104将所述轮廓图的图形与多个训练轮廓图相比较，以鉴别出影响所述生物的一个或多个身体部位的癌症类型。癌症鉴别装置104的图形比较单元228可实施该比较，以从所述多个训练轮廓图中找出匹配图。所述多个训练轮廓图当中的每一个均标记有相应癌症类型。也就是说，给定训练轮廓图标记有与该训练轮廓图内的癌症类型及程度相关的数据。
因此，当癌症鉴别装置104创建的轮廓图与该训练轮廓图匹配时，即表示所述生物同样罹患有与该训练轮廓图所标记的同样类型和程度的癌症。举例而言，如果从受影响区域或从整个身体看来，所述轮廓图呈现为分布形式，则可推断上皮细胞已受到影响，而且该生物已罹患皮肤癌。作为另一例，当所述伽马光子浓度的大部分由结缔组织发出，则可推断存在恶性肉瘤癌细胞。作为又一例，如果所述轮廓图的投影图像绘制出骨样结构的轮廓，则可推断该生物患有白血病。
在一种实施方式中，当图形比较单元228无法从所述多个训练轮廓图中找出匹配图时，癌症鉴别装置104即开始与生理学研究者、医生、教授或本领域的其他专家通信，以对新类型的癌细胞进行鉴别。以下结合图8进行进一步详细描述。现在参考图4，该图为根据本发明实施方式对生物体内的癌症进行鉴别并绘制出患癌身体部位的方法的流程图。在步骤402中，通过肠道外注射，在所述生物体内引入放射性示踪剂。注射后，所述放射性示踪剂附于所述生物体内的癌细胞上，并发出伽马光子。在步骤404中，经感光单元阵列202的一个或多个感光单元，接收所述癌细胞发出的伽马光子。在步骤406中，将经所述一个或多个感光单元接收的伽马光子转换为多个振荡波。以下结合图8进行进一步详细描述。
在步骤408中，通过将所述多个振荡波中的每个振荡波的正负峰投影于毫米图上，创建轮廓图。以上已结合图3，对此进行了详细描述。在步骤410中，将所述轮廓图转换为矩阵图像视图，从而将该轮廓图转换为像素值。如此，利用该像素值，可容易地将所述轮廓图存储于癌症鉴别装置104的存储器216内。这可在稍后用于评价一段时间内所述生物体内癌细胞的生长。其中，可利用矩阵图像变换单元226，进行所述轮廓图的转换。
在此之后，在步骤412中，将所述轮廓图的图形与多个训练轮廓图相比较，以鉴别出影响所述生物的一个或多个身体部位的癌症的类型。以上已结合图3，对此进行了详细描述。在从所述多个训练轮廓图中找出一个或多个匹配图后，或者根据从接收自癌症专家的评论，在步骤414中，对描绘罹患上述癌症类型的所述一个或多个身体部位及指示所述癌症类型在该一个或多个身体部位内扩散程度的图形图像进行显示。该图形图像显示于癌症鉴别装置104的显示器218或可与癌症鉴别装置104通信的计算设备的显示器上。图6B和图7示出了描绘患癌区域及癌症类型的例示图形图像。
现在参考图5，该图所示为根据例示实施方式的毫米图500。对于本领域技术人员容易理解的是，为了便于解释，毫米图500并未按比例绘制。毫米图500包含正正象限。也就是说，毫米图500绘制于具有正X平面502和正Y平面504的象限内。在该正正象限内，毫米图500包括虚拟X平面506(表示为：X(v))，虚拟Y平面508(表示为：Y(v))，镜像正X平面510(表示为：X(m))以及镜像正Y平面512(表示为：Y(m))。
因此，所述轮廓的创建仅考虑正X平面502，镜像正X平面510，正Y平面504和镜像正Y平面512所包围的区域，而不使用毫米图500的其余部分。此外，虚拟X平面506和虚拟Y平面508的交点划分出上方平面514和下方平面516。也就是说，毫米图500含有大小相等的象限，而且毫米图500内的每个该象限均包括正x和正y平面，如此，所述轮廓图的任何部分均不会投影至负平面内。
现在参考图6A和图6B，该图所示为根据例示实施方式在个人体内癌细胞分散的情况下对患癌区域的鉴别。振荡器输出图602描绘了绘制于距离－时间图内的多个振荡波，其中，Y平面表示距离，而X平面表示时间。振荡器输出图602内的每个振荡波均表示癌细胞发出的伽马光子。对于本领域技术人员容易理解的是，为了便于解释，振荡器输出图602内仅绘制出有限数量的振荡波。
振荡器输出图602内的每个振荡波均仅具有正峰，或称正向凸峰。也就是说，发出所述伽马光子的癌细胞分散于所述个人的某个身体部分内。其中，通过在毫米图604上投影轮廓图，描绘出所述癌细胞的分散情况，而且该轮廓图仅描绘于正正象限的上方平面。在振荡器输出图602中，振荡波606具有最大振幅和最大波长。也就是说，振荡波606对应的伽马光子从癌细胞移动至感光单元阵列202的过程中移动了最远的距离且花费了最多的时间。因此，该癌细胞在所述个人体内位于离感光单元阵列202最远的位置(后部或中部)，且在毫米图604中投影于最远的点608上。
与此相对，振荡波610具有最小的振幅和最小的波长。振荡波610对应的伽马光子从癌细胞移动至感光单元阵列202的过程中移动了最短的距离且花费了最少的时间。因此，该癌细胞在所述个人体内位于离感光单元阵列202最近的位置(前部)，且在毫米图604中投影于最近的点612上。从毫米图604中的该轮廓图可看出，投影于毫米图604上的各点较为分散，且未形成确定的轮廓或形状。
在此之后，将该轮廓图与多个训练轮廓图相比较，以找出匹配图并鉴别出所述个人所患癌症的类型。该轮廓图可与标记为淋巴癌的训练轮廓图相匹配。如此，癌症鉴别装置104即显示出描述所述个人患有位于颈部周围的淋巴癌的图形图像614。图形图像614可显示给医生，管理人员或所述个人本身，以指示该个人的患癌身体部位。虽然图中未示出，但图形图像614还可包括与所述癌症的类型以及就该癌症的治疗所需的治疗流程所给出的建议相关的细节。
现在参考图7，该图所示为根据例示实施方式在个人体内癌细胞以肿块形式存在的情况下对患癌区域的鉴别。振荡器输出图702描绘了绘制于距离－时间图内的多个振荡波，其中，Y平面表示距离，而X平面表示时间。振荡器输出图702内的每个振荡波均表示癌细胞发出的伽马光子。对于本领域技术人员容易理解的是，为了便于解释，振荡器输出图702内仅绘制出有限数量的振荡波。
振荡器输出图702中，仅有一个振荡波(即振荡波704)仅具有正峰，或称正向凸峰。振荡器输出图702中的其他振荡波均既有正峰，也有负峰。这表明癌细胞以肿块为中心分布或位于器官之内，而且癌细胞在该器官内分散分布。也就是说，虽然器官为患癌器官，但是癌细胞在该器官内分散分布。根据振荡器输出图702内的振荡波将所述肿块投影于毫米图706内后，该肿块的轮廓线即描绘出该肿块的构成形状。
由于振荡波704具有最大振幅和最大波长且仅具有正向凸峰，因此其表示与振荡波704相关联的癌细胞分散于所述器官内离感光单元阵列202最远的位置。随后，将该轮廓图与多个训练轮廓图相比较，以找出匹配图并鉴别出所述个人所患癌症的类型。该轮廓图可与标记为胰腺癌的训练轮廓图相匹配。如此，癌症鉴别装置104即显示出描述所述个人患有胰腺癌的图形图像708。图形图像708还描绘出所述癌细胞在胰腺中心密集分散，并朝中心浓度左右两侧稀疏分散。个人在查看图形图像708后，可容易地鉴别出胰腺内具有高浓度癌细胞的区域以及癌细胞在胰腺内的扩散方向。
现在参考图8，该图为根据本发明实施方式在一段时间内为患癌生物提供治疗跟踪的方法的流程图。在步骤802中，从一个或多个医生接收针对多个生物创建的轮廓图的诊断。这些轮廓图可在可由一个或多个医师、医生、教授或其他专家访问的平台上分享，以供其提供轮廓图的诊断及确诊癌症所需的治疗。根据该诊断及多个训练轮廓图，癌症鉴别装置104在步骤804中被训练为鉴别出针对注射有放射性示踪剂的患癌生物创建的轮廓图中的癌症类型。
在步骤806中，癌症鉴别装置104根据在一段时间内针对所述患癌生物创建的多个轮廓图，计算在该段时间内癌细胞在该患癌生物体内的扩散率。为此目的，癌症鉴别装置104对一段时间内仅具有正峰或仅具有负峰的振荡波的个数比进行计算。这有助于确定所述一段时间内的癌细胞扩散量。癌细胞在一段时间内的扩散量越大，则癌症在该生物体内的扩散速度越快。此外，还将与所述患癌生物相关联的该数据存储，以供将来分析和训练。
在步骤808中，通过所述训练及由所述一个或多个医生诊断的所述多个轮廓图，癌症鉴别装置104在所述一段时间内定期提供针对所述癌症类型的治疗跟踪。其中，还可将所述癌症的扩散速度考虑在内，以在所述一段时间内对所述治疗跟踪进行改进。该治疗跟踪可通过显示器218提供给最终用户。
现在参考图9，该图为根据本发明实施方式将经感光单元接收的伽马光子转换为多个振荡波的方法流程图。在步骤902中，通过感光单元阵列202的一个或多个感光单元，接收生物体内癌细胞所发出的伽马光子。其后，在步骤904中，利用电子转换二极管206和电压转换二极管208等转换元件，将伽马光子转换为多个电信号。在步骤906中，利用模数转换器212，将所述多个电信号转换为多个数字信号。随后，在步骤908中，利用振荡器214，将所述多个数字信号转换为多个振荡波。振荡器214还有助于将所述多个数字信号的频率最大化并检测正常频率和受癌症影响的频率之间的差异。在此之后，将所述多个振荡波发送给记录模块222。以上已结合图2，对此进行了详细描述。
现在参考图10，该图为用于实施各种实施方式的例示计算机系统框图。计算机系统1002可包括中央处理单元(“CPU”或“处理器”)1004，该处理器可包括至少一个用于执行程序组件的数据处理器，所述程序组件用于执行用户或系统生成的请求。用户可包括个人，使用设备(例如，本发明内容范围内的设备)的个人或此类设备本身。处理器1004可包括集成系统(总线)控制器、内存管理控制单元、浮点单元、图形处理单元、数字信号处理单元等专用处理单元。处理器1004可包括微处理器，例如速龙微处理器、毒龙微处理器或皓龙微处理器，ARM应用处理器，嵌入式或安全处理器，Intel处理器、安腾处理器、至强处理器、赛扬处理器或其他处理器产品线等。处理器1004可通过主机、分布式处理器、多核、并行、网格或其他架构实现。一些实施方式可使用专用集成电路(ASIC)、数字信号处理器(DSP)、现场可编程门阵列(FPGA)等嵌入式技术。
处理器1004可设置为通过输入/输出(I/O)接口1006与一个或多个I/O设备进行通信。I/O接口1006可采用通信协议/方法，例如但不限于，音频、模拟、数字、单声道、RCA、立体声、IEEE-1394、串行总线、通用串行总线(USB)、红外、PS/2、BNC、同轴、组件、复合、数字视觉接口(DVI)、高清晰度多媒体接口(HDMI)、射频天线、S视频，VGA、IEEE802.n/b/g/n/x、蓝牙、蜂窝(例如码分多址(CDMA)、高速分组接入(HSPA+)、移动通信全球系统(GSM)、长期演进(LTE)、WiMax等)等。
通过I/O接口1006，计算机系统1002可与一个或多个I/O设备通信。举例而言，输入设备1008可以为天线、键盘、鼠标、操纵杆、(红外)遥控、摄像头、读卡器、传真机、加密狗、生物计量阅读器、麦克风、触摸屏、触摸板、轨迹球、传感器(例如加速度计、光传感器、GPS、陀螺仪、接近传感器等)、触控笔、扫描仪、存储设备、收发器、视频设备/视频源、头戴式显示器等。输出设备1010可以为打印机、传真机、视频显示器(如阴极射线管(CRT)、液晶显示器(LCD)、发光二极管(LED)、等离子等)、音频扬声器等。在一些实施方式中，收发器1012可与处理器1004连接。收发器1012可促进各类无线传输或接收。例如，收发器1012可包括以可操作方式连接至收发器芯片(例如德州仪器(Texas)WiLink收发器、博通收发器、英飞凌科技(Infineon)X-Gold 618-收发器等)的天线，以实现IEEE802.11a/b/g/n、蓝牙、FM、全球定位系统(GPS)、2G/3GHSDPA/HSUPA通信等。
在一些实施方式中，处理器1004可设置为通过网络接口1016与通信网络1014通信。网络接口1016可与通信网络1014通信。网络接口1016可采用连接协议，包括但不限于，直接连接，以太网(例如双绞线10/100/1000Base T)，传输控制协议/网际协议(TCP/IP)，令牌环，IEEE802.11a/b/g/n/x等。通信网络1014可包括，但不限于，直接互连、局域网(LAN)、广域网(WAN)、无线网络(例如使用无线应用协议)、因特网等。通过网络接口1016和通信网络1014，计算机系统1002可与设备1018、1020和1022通信。这些设备可包括，但不限于，个人计算机，服务器，传真机，打印机，扫描仪，以及各种移动设备，例如蜂窝电话、智能电话(例如苹果智能电话、黑莓智能电话、安卓类电话等)、平板电脑、电子书阅读器(亚马逊电子书阅读器，平板电脑等)、膝上型计算机、笔记本电脑、游戏机(微软游戏机、任天堂游戏机，索尼游戏机等)等。在一些实施方式中，计算机系统1002可本身包含一个或多个上述设备。
在一些实施方式中，处理器1004可配置为通过存储接口1024与一个或多个存储设备(例如RAM 1026、ROM 1028等)通信。存储接口1024可采用串行高级技术连接(SATA)、集成驱动电子设备(IDE)、IEEE1394、通用串行总线(USB)、光纤通道、小型计算机系统接口(SCSI)等连接协议连接至存储设备，该存储设备包括，但不限于，存储驱动器、可移除磁盘驱动器等。所述存储驱动器还可包括磁鼓、磁盘驱动器、磁光驱动器、光盘驱动器、独立磁盘冗余阵列(RAID)、固态存储设备、固态驱动器等。
存储设备1030可存储一系列程序或数据库组件，包括但不限于，操作系统1032、用户界面应用程序1034、网页浏览器1036、邮件服务器1038、邮件客户端1040、用户/应用程序数据1042(例如本发明内容中所述的任何数据变量或数据记录)等。操作系统1032可促进计算机系统1002的资源管理和运行。操作系统1032例如包括，但不限于，苹果OSX平台、Unix平台、Unix类系统套件(例如伯克利软件套件(BSD)、FreeBSD、NetBSD、OpenBSD等)、Linux套件(如Red等)、OS/2平台、微软Windows平台(XP，Vista/7/8等)、苹果平台、谷歌和平台、黑莓操作系统平台等。用户界面1034可利用文本或图形工具促进程序组件的显示、执行、互动、操控或操作。例如，用户界面可在以可操作方式连接至计算机系统1002的显示系统上提供光标、图标、复选框、菜单、滚动条、窗口、窗口部件等计算机交互界面元件。此外，还可采用图形用户界面(GUI)，包括但不限于，苹果Macintosh操作系统的平台、OS/平台、微软平台(例如平台、平台等)、Unix X-Windows、网页界面库(例如平台、编程语言、编程语言、编程语言、HTML、平台等)等。
在一些实施方式中，计算机系统1002可执行网页浏览器1036存储的程序组件。网页浏览器1036可以为微软Internet网页浏览器、谷歌网页浏览器、谋智火狐网页浏览器、苹果网页浏览器等超文本浏览应用程序。其中，可通过HTTPS(安全超文本传输协议)、安全套接字层(SSL)、安全传输层(TLS)等实现安全网页浏览。网页浏览器可使用AJAX、DHTML、平台、编程语言、编程语言、应用程序编程接口(API)等工具。在一些实施方式中，计算机系统1002可执行邮件服务器1038存储的程序组件。邮件服务器1038可以为微软邮件服务器等因特网邮件服务器。邮件服务器1038可使用ASP、ActiveX、ANSIC++/C#、微软编程语言、CGI脚本、编程语言、编程语言、编程语言、编程语言、编程语言、WebObjects等工具。邮件服务器1038还可使用因特网信息访问协议(IMAP)，邮件应用程序编程接口(MAPI)，微软Exchange，邮局协议(POP)，简单邮件传输协议(SMTP)等通信协议。在一些实施方式中，计算机系统1002可执行邮件客户端1040存储的程序组件。邮件客户端1040可为苹果邮件客户端、微软邮件客户端、微软邮件客户端、谋智邮件客户端等邮件查看程序。
在一些实施方式中，计算机系统1002可存储用户/应用程序数据1042，例如本发明内容中所述数据、变量、记录等。此类数据库可以为容错、关系、可扩展、安全数据库，例如甲骨文数据库或赛贝斯数据库。或者，上述数据库可通过数组、散列、链表、结构、结构化文本文件(例如XML)、表格等标准化数据结构实现，或者实施为面向对象的数据库(例如通过对象数据库、对象数据库、对象数据库等)。上述数据库可以为合并或分布数据库，有时分布于本发明内容所讨论的上述各种计算机系统之间。应该理解的是，上述任何计算机或数据库组件的结构及操作可以以任何可行的组合形式进行组合、合并或分布。
可以理解的是，为了清楚起见，以上已参考不同功能单元和处理器对本发明实施方式进行了描述。然而，容易理解的是，在不脱离本发明的前提下，还可将功能在不同功能单元、处理器或域之间进行任何合适的分布。例如，描述为由各不同处理器或控制器实现的功能也可由同一处理器或控制器实现。因此，所指的特定功能单元仅视为指代用于提供所描述功能的合适手段，而不严格表示逻辑上或物理上的结构或组织。
本发明的各种实施方式提供了用于鉴别癌症的方法和装置。通过采用软件智能，该方法成为一种高成本效益且所需时间更少的癌细胞检测和鉴别方法。此外，本发明可使得癌细胞检测、计数和定位误差最小化。本发明还可提供针对癌细胞生长及一段时间内控制该生长的药物有效性的数据统计。本发明还可实现检测前分析(癌细胞扩散率)，基本治疗指导以及不同策略报告(不同癌细胞的生长)的分析。本发明可在便携式装置上实施，并可由非医学领域专家的人员使用。此外，与现有装置不同，本发明并不从多个角度拍摄患者的图像，因此无需对生物的身体进行物理旋转。
本说明书已对用于鉴别癌症的方法和系统进行了描述。所示步骤用于说明所述例示实施方式，并且应当预想到的是，随着技术的不断发展，特定功能的执行方式也将发生改变。本文所呈现的上述实施例用于说明而非限制目的。此外，为了描述的方便性，本文对各功能构建模块边界的定义为任意性的，只要其上述功能及其关系能够获得适当执行，也可按其他方式定义边界。根据本申请的教示内容，替代解(包括本申请所述解的等同方案、扩展方案、变形方案、偏差方案等)对于相关领域技术人员是容易理解的。这些替代解均落入所公开实施方式的范围和精神内。
此外，一个或多个计算机可读存储介质可用于实施本发明内容的实施方式。计算机可读存储介质是指可对处理器可读取的信息或数据进行存储的任何类型的物理存储器。因此，计算机可读存储介质可对由一个或多个处理器执行的指令进行存储，包括用于使处理器执行根据本申请实施方式的步骤或阶段的指令。“计算机可读介质”一词应理解为包括有形物件且不包括载波及瞬态信号，即为非暂时性介质，例如包括随机存取存储器(RAM)、只读存储器(ROM)、易失性存储器、非易失性存储器、硬盘驱动器、CD-ROM、DVD、闪存驱动器、磁盘以及其他任何已知物理存储介质。
以上发明内容及实施例旨在仅视为示例性内容及实施例，所公开实施方式的真正范围和精神由以下权利要求给出。

Claims (10)

1.一种癌症鉴别装置，其特征在于，包括：
感光单元阵列，包括多个感光单元并设置为接收生物体内的癌细胞发出的伽马光子；
处理器，以可通信方式连接于所述感光单元阵列；以及
存储器，以可通信方式连接于所述处理器，所述存储器具有存于所述存储器上的处理器指令，所述指令在执行时使得所述处理器：
将通过所述多个感光单元中的至少一个感光单元接收的所述伽马光子转换为具有多个频率的多个振荡波；
通过投影所述多个振荡波中每个振荡波的正负峰值，创建轮廓图；以及
将所述轮廓图的图形与多个训练轮廓图相比较，以对影响所述生物的至少一个身体部位的癌症的类型进行鉴别，其中，所述多个训练轮廓图中的每一个标记有相关的癌症的类型。
2.如权利要求1所述的装置，其特征在于，所述处理器指令还使得所述处理器显示描绘受所述类型的癌症影响的所述至少一个身体部位并指示所述类型的癌症在所述至少一个身体部位内的扩散程度的图形图像。
3.如权利要求1所述的装置，其特征在于，所述轮廓图创建于含正正象限的毫米图上，所述多个振荡波中的至少一个振荡波的正峰绘制于所述正正象限的上方平面内，所述多个振荡波中的至少一个振荡波的负峰绘制于所述正正象限的下方平面内。
4.如权利要求1所述的装置，其特征在于，所述处理器指令还使得所述处理器通过将所述轮廓图转换为矩阵图像视图而将所述轮廓图转换为像素值。
5.如权利要求1所述的装置，其特征在于，所述处理器指令还使得所述处理器根据在一段时间内针对所述生物创建的多个轮廓图，计算所述一段时间内所述生物体内的癌细胞的扩散率。
6.如权利要求5所述的装置，其特征在于，所述处理器指令还使得所述处理器根据所述多个轮廓图，在所述一段时间内定期提供针对所述类型的癌症的治疗跟踪。
7.如权利要求1所述的装置，其特征在于，所述处理器指令还使得所述处理器通过从至少一个医师接收对针对多个生物创建的轮廓图的诊断，训练所述癌症鉴别装置，以鉴别癌症的类型。
8.如权利要求1所述的装置，其特征在于，为了将所述伽马光子转换为所述多个振荡波，所述处理器指令还使得所述处理器：
将所述伽马光子转换为多个电信号；
通过模数转换器将所述多个电信号转换为多个数字信号；以及
通过振荡器将所述多个数字信号转换为所述多个振荡波。
9.如权利要求1所述的装置，其特征在于，通过振荡波投影仪创建所述轮廓图，所述轮廓图表示受癌症影响的所述至少一个身体部位的外形轮廓。
10.一种非暂时性计算机可读存储介质，所述非暂时性计算机可读存储介质具有存于其上的指令，所述指令使得包括一个或多个处理器的癌症鉴别装置执行步骤，其特征在于，所述步骤包括：
通过至少一个感光单元接收生物体内癌细胞发出的伽马光子；
将通过所述至少一个感光单元接收的所述伽马光子转换为具有多个频率的多个振荡波；
通过投影所述多个振荡波中每个振荡波的正负峰值，创建轮廓图；以及
将所述轮廓图的图形与多个训练轮廓图相比较，以对影响所述生物的至少一个身体部位的癌症的类型进行鉴别，其中，所述多个训练轮廓图中的每一个标记有相关的癌症的类型。
CN201810239881.0A 2017-08-11 2018-03-22 癌症鉴别方法和装置 Active CN109381161B (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
IN201741028668 2017-08-11
IN201741028668 2017-08-11

Publications (2)

Publication Number Publication Date
CN109381161A true CN109381161A (zh) 2019-02-26
CN109381161B CN109381161B (zh) 2022-02-08

Family

ID=60954717

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810239881.0A Active CN109381161B (zh) 2017-08-11 2018-03-22 癌症鉴别方法和装置

Country Status (3)

Country Link
US (1) US20190049448A1 (zh)
EP (1) EP3441897B1 (zh)
CN (1) CN109381161B (zh)

Citations (18)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
GB1434982A (en) * 1973-09-12 1976-05-12 Ohio Nuclear Radiation sensing devices
US4458688A (en) * 1982-07-06 1984-07-10 Siemens Gammasonics, Inc. Method and apparatus for cardiac nuclear imaging
CN1355055A (zh) * 2000-11-24 2002-06-26 胡逸民 X(γ)射线调强治疗装置
US20020165837A1 (en) * 1998-05-01 2002-11-07 Hong Zhang Computer-aided image analysis
JP2005249411A (ja) * 2004-03-01 2005-09-15 Foundation For Biomedical Research & Innovation ポジトロン画像化装置
US20060173355A1 (en) * 2003-04-17 2006-08-03 Alfano Robert R Detecting human cancer through spectral optical imaging using key water absorption wavelengths
CN1861002A (zh) * 2005-03-14 2006-11-15 通用电气公司 监视肿瘤负荷的方法和系统
CN101479625A (zh) * 2006-09-19 2009-07-08 株式会社岛津制作所 核医学诊断装置
CN201591544U (zh) * 2009-12-21 2010-09-29 中国科学院高能物理研究所 用于乳腺癌诊断的俯卧式正电子发射成像设备
CN102177528A (zh) * 2008-10-10 2011-09-07 皇家飞利浦电子股份有限公司 高对比度成像和快速成像重建
WO2013028926A2 (en) * 2011-08-23 2013-02-28 The Methodist Hospital Research Institute Label-free, knowledge-based, high-specificity, coherent, anti-stokes raman scattering imaging system and related methods
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
CN104119439A (zh) * 2003-06-27 2014-10-29 艾默根佛蒙特有限公司 针对表皮生长因子受体的缺失突变体的抗体及其使用
WO2014197599A1 (en) * 2013-06-04 2014-12-11 The Johns Hopkins University Peg-prom mediated surface expression of avidin/streptavidin
CN104969091A (zh) * 2013-01-23 2015-10-07 Ag医疗公司 放射学设备
CN105349438A (zh) * 2015-12-15 2016-02-24 武汉佳成生物制品有限公司 一种功能红曲菌种及其生产工艺
CN106202968A (zh) * 2016-07-28 2016-12-07 北京博源兴康科技有限公司 癌症的数据分析方法及装置
US20170128029A1 (en) * 2010-04-16 2017-05-11 Scott Penfold Simultaneous / single patient position x-ray and proton imaging apparatus and method of use thereof

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9134392B2 (en) * 2010-10-12 2015-09-15 Siemens Medical Solutions Usa, Inc. Dual imaging acquisition using common time-base frequency

Patent Citations (18)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
GB1434982A (en) * 1973-09-12 1976-05-12 Ohio Nuclear Radiation sensing devices
US4458688A (en) * 1982-07-06 1984-07-10 Siemens Gammasonics, Inc. Method and apparatus for cardiac nuclear imaging
US20020165837A1 (en) * 1998-05-01 2002-11-07 Hong Zhang Computer-aided image analysis
CN1355055A (zh) * 2000-11-24 2002-06-26 胡逸民 X(γ)射线调强治疗装置
US20060173355A1 (en) * 2003-04-17 2006-08-03 Alfano Robert R Detecting human cancer through spectral optical imaging using key water absorption wavelengths
CN104119439A (zh) * 2003-06-27 2014-10-29 艾默根佛蒙特有限公司 针对表皮生长因子受体的缺失突变体的抗体及其使用
JP2005249411A (ja) * 2004-03-01 2005-09-15 Foundation For Biomedical Research & Innovation ポジトロン画像化装置
CN1861002A (zh) * 2005-03-14 2006-11-15 通用电气公司 监视肿瘤负荷的方法和系统
CN101479625A (zh) * 2006-09-19 2009-07-08 株式会社岛津制作所 核医学诊断装置
CN102177528A (zh) * 2008-10-10 2011-09-07 皇家飞利浦电子股份有限公司 高对比度成像和快速成像重建
CN201591544U (zh) * 2009-12-21 2010-09-29 中国科学院高能物理研究所 用于乳腺癌诊断的俯卧式正电子发射成像设备
US20170128029A1 (en) * 2010-04-16 2017-05-11 Scott Penfold Simultaneous / single patient position x-ray and proton imaging apparatus and method of use thereof
WO2013028926A2 (en) * 2011-08-23 2013-02-28 The Methodist Hospital Research Institute Label-free, knowledge-based, high-specificity, coherent, anti-stokes raman scattering imaging system and related methods
CN104969091A (zh) * 2013-01-23 2015-10-07 Ag医疗公司 放射学设备
WO2014197599A1 (en) * 2013-06-04 2014-12-11 The Johns Hopkins University Peg-prom mediated surface expression of avidin/streptavidin
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
CN105349438A (zh) * 2015-12-15 2016-02-24 武汉佳成生物制品有限公司 一种功能红曲菌种及其生产工艺
CN106202968A (zh) * 2016-07-28 2016-12-07 北京博源兴康科技有限公司 癌症的数据分析方法及装置

Non-Patent Citations (13)

* Cited by examiner, † Cited by third party
Title
ANTHONY ATALA等: "Translational Approaches in Tissue Engineering and Regenerative Medicine", 《TRANSLATIONAL APPROACHES IN TISSUE ENGINEERING AND REGENERATIVE MEDICINE》 *
D.S. LALUSH等: "Simulation evaluation of Gibbs prior distributions for use in maximum a posteriori SPECT reconstructions", 《IEEE TRANSACTIONS ON MEDICAL IMAGING》 *
DALE BAILEY等: "Nuclear Medicine: from Photons to Physiology", 《CURRENT PHARMACEUTICAL DESIGN》 *
PRIYA DARSHINI VELUSAMY等: "Medical image processing schemes for cancer detection: A survey", 《INTERNATIONAL CONFERENCE ON GREEN COMPUTERING COMMUNICATION AND ELECTRICAL ENGINEERING》 *
TAN, I-CHIH等: "Fluorescence-enhanced optical tomography and nuclear imaging system for small animals", 《MULTIMODAL BIOMEDICAL IMAGING VII》 *
张志文等: "甲状腺癌的影像学诊断进展", 《医学影像学杂志》 *
李萍: "核医学图像重建算法与定量分析的研究", 《中国优秀硕士学位论文全文数据库（医药卫生科技）》 *
田嘉禾: "《正电子发射体层显像PET图谱》", 31 January 2002, 中国协和医科大学出版社 *
胡平等编著: "《临床核素影响诊断学》", 31 January 2003, 广东科学出版社 *
许全盛等: "SPECT影像呼吸运动参数辨识与伪影校正的体模研究", 《清华大学学报(自然科学版)》 *
赵于等: "应用伽马射线对垂直上升管内环状流液膜及扰动波特性研究", 《热能动力工程》 *
陈英茂等: "正电子发射断层显像中感兴趣区选取及标准摄取值分界点的优化", 《中国医学影像技术》 *
霍纪文等: "《医学成像技术》", 31 October 1994, 辽宁科学技术出版社 *

Also Published As

Publication number Publication date
EP3441897B1 (en) 2023-09-20
EP3441897A1 (en) 2019-02-13
CN109381161B (zh) 2022-02-08
US20190049448A1 (en) 2019-02-14

Similar Documents

Publication Publication Date Title
US10839520B2 (en) Eye tracking applications in computer aided diagnosis and image processing in radiology
Srinivasulu et al. Advanced lung cancer prediction based on blockchain material using extended CNN
Collins et al. Automatic recognition of colon and esophagogastric cancer with machine learning and hyperspectral imaging
US20200234444A1 (en) Systems and methods for the analysis of skin conditions
Yang et al. StoolNet for color classification of stool medical images
CN113473896A (zh) 分析主体
Lan et al. Robot-controlled acupuncture—an innovative step towards modernization of the ancient traditional medical treatment method
JP6915102B2 (ja) 骨に沿った人工ランドマークを使用した三次元画像の自動歪み補正および／または同時位置合わせのためのシステムおよび方法
Ferrato et al. Using deep learning for collecting data about museum visitor behavior
Kaur et al. Computational Intelligence and Metaheuristic Techniques for Brain Tumor Detection through IoMT‐Enabled MRI Devices
CN105228507A (zh) 用于进行非侵入式健康监测的系统与方法
Althnian et al. Neonatal jaundice diagnosis using a smartphone camera based on eye, skin, and fused features with transfer learning
Lindholm et al. Differentiating malignant from benign pigmented or non-pigmented skin tumours—A pilot study on 3D hyperspectral imaging of complex skin surfaces and convolutional neural networks
Almubarak et al. Fuzzy color clustering for melanoma diagnosis in dermoscopy images
Yang et al. Deep-learning-based automated identification and visualization of oral cancer in optical coherence tomography images
Gopalan et al. Reconstructing the photoacoustic image with high quality using the deep neural network model
Ganatra A comprehensive study of applying object detection methods for medical image analysis
WO2022012541A1 (zh) 一种医学设备的图像扫描方法和系统
Haque et al. Noninvasive in vivo estimation of blood-glucose concentration by Monte Carlo Simulation
Sarker et al. Case studies on x-ray imaging, mri and nuclear imaging
Kho et al. Feasibility of ex vivo margin assessment with hyperspectral imaging during breast-conserving surgery: From imaging tissue slices to imaging lumpectomy specimen
Zhang et al. Eliminate the hardware: Mobile terminals-oriented food recognition and weight estimation system
CN109381161A (zh) 癌症鉴别方法和装置
Gomez et al. PRETUS: A plug-in based platform for real-time ultrasound imaging research
Perpetuini et al. Fast Optical Signals for Real-Time Retinotopy and Brain Computer Interface

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