CN112655020A - 用于识别身体部位中积液的系统及方法 - Google Patents
用于识别身体部位中积液的系统及方法 Download PDFInfo
- Publication number
- CN112655020A CN112655020A CN201980055645.6A CN201980055645A CN112655020A CN 112655020 A CN112655020 A CN 112655020A CN 201980055645 A CN201980055645 A CN 201980055645A CN 112655020 A CN112655020 A CN 112655020A
- Authority
- CN
- China
- Prior art keywords
- body part
- patient
- model
- parameter
- estimated
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 30
- 238000005259 measurement Methods 0.000 claims abstract description 50
- 239000012530 fluid Substances 0.000 claims abstract description 23
- 238000009825 accumulation Methods 0.000 claims abstract description 22
- 238000003384 imaging method Methods 0.000 claims description 8
- 238000003491 array Methods 0.000 claims description 2
- 206010030113 Oedema Diseases 0.000 description 30
- 210000002683 foot Anatomy 0.000 description 25
- 206010019280 Heart failures Diseases 0.000 description 5
- 230000002497 edematous effect Effects 0.000 description 5
- 210000003414 extremity Anatomy 0.000 description 4
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 4
- 210000000577 adipose tissue Anatomy 0.000 description 3
- 206010025282 Lymphoedema Diseases 0.000 description 2
- 210000003423 ankle Anatomy 0.000 description 2
- 238000013459 approach Methods 0.000 description 2
- 210000000988 bone and bone Anatomy 0.000 description 2
- 201000010099 disease Diseases 0.000 description 2
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 2
- 238000006073 displacement reaction Methods 0.000 description 2
- 208000002502 lymphedema Diseases 0.000 description 2
- 208000017667 Chronic Disease Diseases 0.000 description 1
- 208000032912 Local swelling Diseases 0.000 description 1
- 206010028980 Neoplasm Diseases 0.000 description 1
- 206010030124 Oedema peripheral Diseases 0.000 description 1
- 210000000746 body region Anatomy 0.000 description 1
- 201000011510 cancer Diseases 0.000 description 1
- 230000002596 correlated effect Effects 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 230000006866 deterioration Effects 0.000 description 1
- 239000002934 diuretic Substances 0.000 description 1
- 238000011863 diuretic therapy Methods 0.000 description 1
- 229940030606 diuretics Drugs 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 210000001255 hallux Anatomy 0.000 description 1
- 230000003902 lesion Effects 0.000 description 1
- 238000011275 oncology therapy Methods 0.000 description 1
- 238000009877 rendering Methods 0.000 description 1
- 238000000528 statistical test Methods 0.000 description 1
- 238000013517 stratification Methods 0.000 description 1
- 230000008961 swelling Effects 0.000 description 1
- 208000024891 symptom Diseases 0.000 description 1
- 210000004233 talus Anatomy 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 210000003813 thumb Anatomy 0.000 description 1
- 210000001519 tissue Anatomy 0.000 description 1
Images
Classifications
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/48—Other medical applications
- A61B5/4869—Determining body composition
- A61B5/4875—Hydration status, fluid retention of the body
- A61B5/4878—Evaluating oedema
-
- 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
- G06T7/60—Analysis of geometric attributes
- G06T7/62—Analysis of geometric attributes of area, perimeter, diameter or volume
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20036—Morphological image processing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20112—Image segmentation details
- G06T2207/20116—Active contour; Active surface; Snakes
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20112—Image segmentation details
- G06T2207/20124—Active shape model [ASM]
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Radiology & Medical Imaging (AREA)
- Quality & Reliability (AREA)
- Geometry (AREA)
- Molecular Biology (AREA)
- Public Health (AREA)
- Biomedical Technology (AREA)
- Heart & Thoracic Surgery (AREA)
- Biophysics (AREA)
- Surgery (AREA)
- Animal Behavior & Ethology (AREA)
- Pathology (AREA)
- Veterinary Medicine (AREA)
- Measuring And Recording Apparatus For Diagnosis (AREA)
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
- Magnetic Resonance Imaging Apparatus (AREA)
- Measuring Pulse, Heart Rate, Blood Pressure Or Blood Flow (AREA)
- External Artificial Organs (AREA)
Abstract
一种用于识别身体部位中积液的方法,其通过直接或间接测量与患者身体部位的大小有关的第一参数以获取身体部位的实际测量值,通过测量患者的备选预定义参数来获得所述第一参数的估计测量值,所述第一参数与患者的身体部位的大小有关,其中,基于所述备选参数与身体部位的大小之间的数学关系来计算所述估计测量值;以及关联患者身体部位的实际测量值和估计测量值,以评估身体部位中的任何积液。
Description
本发明涉及一种用于识别在诸如脚的身体部位中的积液的系统及方法。
技术领域
水肿(或浮肿)是许多疾病的重要症状,其中身体一部位滞留了过多的水分。这在许多疾病中都很重要,例如心力衰竭(住院的一半以上患者出现外周水肿或足部肿胀)和癌症(淋巴水肿通常是癌症治疗的并发症)。
测量水肿的最常见方法是观察“凹痕”,其中拇指按压在患处几秒钟,然后移开,如果出现水肿,则由于内部组织液缓慢填充“凹坑”,导致凹坑或“凹痕”被缓慢填充。这种方法的困难在于,由于测试的局部性质以及难以对坑深度和重新填充速度进行分级,因此无法进行定量测量。
其他常用的方法是测量患处的周长或体积,并随时间进行跟踪。尽管这些方法提供了一种定量方法,但是除非为该特定患者知道基线,否则要量化水肿对单次测量的影响是有挑战性的,尤其是对肥胖患者的情况下。如果是单侧水肿(常见于淋巴水肿),则可以比较患肢与对侧肢体的测量值(例如,左脚与右脚),在这种情况下,体积(或周长)的差既是定量的又是针对水肿本身的。
本发明的目的是提供一种改进的系统和方法,用于识别在诸如脚的身体部位中的积液,其可以指示与多种疾病相关的水肿。
发明内容
为此,本发明的第一方面提供了一种识别在患者身体部位中的积液的方法,该方法包括:直接或间接地测量与患者身体部位的大小有关的第一参数,以获得身体部位的实际测量值;
通过测量患者的备选预定义参数来获得与所述患者身体部位的大小有关的所述第一参数的估计测量值,其中,基于所述备选参数与身体部位的大小之间的数学关系来计算所述估计测量值;以及
将患者身体部位的实际测量值和估计测量值相关联,以评估身体部位的任何积液。
优选地,测量第一参数的步骤包括:直接或间接地测量身体部位的体积、厚度或周长,更优选地,包括对身体部位进行成像,以获得身体部位的体积、厚度或周长。
在本发明的优选实施例中,所述对身体部位进行成像包括:对所述身体部位进行三维成像,以产生所述第一参数的测量值,优选地,将所述三维数据与所述身体部位的三维模型相关联。
该方法还可包括实质上提取两组测量值。
同时使用数学建模系统提供一个实际模型和一个基于人群导出模型参数的估计模型,并比较模型以确定实际模型是否识别出身体部位的积液。可以通过基于实际身体部位提供具有多个变形参数的第一可变形模型,并将其与基于预定义参数和积液的第二模型(例如具有多个变形参数的第二模型)进行比较,以获得第一体积,第二模型基于代表人群导出值的预定义参数,而没有任何积液或已知的积液量,从而能够很好地模拟患者的总体结构,同时估计身体部位的无积液形状;可选地,计算第一体积和估计体积之间的差,以评估患者体内任何积液情况。
根据本发明,测量第一参数的步骤可以包括直接或间接测量身体部位的体积。
估计第一参数的步骤可以包括:通过测量身体部位的多个其他参数,以基于这些测量值计算身体部位的体积,来直接或间接地测量身体部位的体积。优选地,估计测量值包括身体部位的估计体积,其基于测量与身体部位的体积相关的备选预定义参数,所述估计体积是基于所述备选参数与身体部位之间的数学关系来计算的。优选地,基于选自以下部分的测量值来计算估计体积:身体部位的长度、身体部位的宽度、身体部位的重量、身体部位的高度、身体部位的密度和身体部位的周长。可以根据患者的总体身高、体重和/或生物阻抗来调整所述估计体积。
根据本发明的方法可以包括:随着时间变化,时时获得和处理测量值,以追踪患者体内积液的变化。该方法可以是计算机实现的,并且还包括基于身体部位的实际测量值和估计值之间的识别差异,来评估和/或传达患者的健康状况和风险。
优选地,该身体部位是脚。
根据本发明的第二方面,提供了一种用于识别在患者身体部位中的积液的系统,该系统包括:
测量仪器,用于直接或间接地测量与患者身体部位的大小有关的第一参数,该测量仪器提供身体部位的实际测量值;
测量数据比较单元,其被配置为将身体部位的实际测量值与针对所述身体部位参数的估计测量值进行比较,其中,所述估计测量值基于测量患者的备选参数,并且基于所述备选参数之间的数学关系来计算;以及
诊断单元,其被配置为基于比较单元的比较结果来确定患者体内的积液。
优选地,该测量仪器包括深度感测相机设备。深度感测相机设备可包括至少一个发射器和一个检测器阵列,或至少两个检测器阵列。
附图说明
图1是表示水肿患者和非水肿患者的脚的体积相对于脚长的图。
图2是通过脚部3D成像创建的脚部模型,该脚部没有水肿特定形态(图左侧),而针对患者具有水肿特定形态(图右侧)。
具体实施方式
在评估发明人的共同待决申请(GB2542114B)中描述的3D肢体体积测量系统的临床有效性的过程中,发明人惊奇地发现,通过两个体积之间的差,可以显着定量地测量表示单个肢体水肿的积液。
第一体积是最直接从目标患者身体部位观察到的体积(例如,通过3D成像或水置换、或根据多个周长测量值估计的圆柱体体积、或本领域已知的任何其他方法)。第二体积是基于对患者的某些测量参数(例如,患者身高、体重和骨长)之间的数学关系计算得出的,并得出目标身体部位体积的估计值,其中,数学关系提供了一个与更一般的患者人群有关的估计值,理想情况下没有水肿,但混杂因素有足够的变化,例如体内脂肪变化。
第一体积测量值的一个简单示例是,当患者站在装满水的水桶中时,通过水的位移来测量患者的脚达到离地面20cm高度的体积(以毫升为单位)。这样可提供准确的(尽管不易管理)脚部总体积的测量值。
第二体积测量值的一个简单示例是,将脚的体积(直至20cm的高度)与脚的长度(从大脚趾尖到脚后跟测量)相关联,其中,体积估计值(以毫升为单位)是长度(以厘米为单位)的60倍。
这两个测量值的差(第一体积减去第二体积)给出了一个令人惊讶的数字,它可以有效地将心力衰竭人群中的患者分类为由临床医生在门诊就诊时发现有麻点水肿的人和没有麻点水肿的人。通过这种测量,临床上评估为有麻点水肿的患者中有80%以上的体积差为正值,而通过这种测量,临床上评估为没有麻点水肿或作为健康志愿者的患者中有80%以上的体积差为负值。而且,这种差的大小与患者水肿程度的主观临床分级有很好的相关性。
图1显示了根据临床医生评估的水肿状态将脚长和脚体积分开的图表。
自然地,仅基于脚长的关系会因人体脂肪百分比而产生误差。更复杂的模型,包括例如患者身高、体重或生物阻抗,如体内脂肪作为一个混杂因素,自然会与水肿的存在更好的相关性。
一种替代的优选方法是使用单个数学建模系统一次提取两组体积。例如,当使用3D相机系统时,通常可以将可变形模型拟合到从相机收集的观察到的3D点。该目的通常是允许调整某些模型参数(例如,骨骼关节角度和长度)以最小化虚拟模型表面上的点与观察到的3D点之间的差异。这样的模型通常还包含调整模型形状的参数,在3D渲染领域中通常称为“变形”,例如,这些参数可能会更改虚拟骨骼周围的骨肉体积,并允许将骨肉体积缩放到一个数值范围。
在相同的心力衰竭患者群体上建立和测试这样的模型时,发现这些“变形”中的某些与水肿的主观临床分级之间的相关性远高于其他。例如,发现脚踝周围的体积变化基本上使脚的踝扁平,而与患者的BMI相比,与水肿的临床分级之间的相关性更强。
对于特定患者,图2显示了这样的三维脚部模型,左侧为未应用水肿的特定“变形”的三维脚部模型,右侧为应用这些变形的三维脚部模型。
在正确的模型中,踝骨周围的额外质量特别明显。此外,心力衰竭试验中的许多患者在接受利尿剂治疗过程中受到监测,目的是减少积液,从而减少水肿。因此,有可能观察到特定患者的哪些“变形”与脚体积随时间的变化相关,这暗示着与指示水肿的积液有直接关系。
因此,一种进行水肿估计的方法成为可能,从而使用可变形模型对观察到的3D脚部数据进行建模,并允许所有变形参数自由变化,以提供第一体积。然后通过将发现与水肿相关的那些形态的值重置为人群平均值来计算第二体积。这使得该特定患者的脚的总体结构能够被很好地建模,同时估计脚的无水肿形状。发现在使用利尿剂治疗的患者中,通过这种技术计算出的两个体积之间的差对水肿随时间的变化特别敏感,并且还与水肿的主观临床评估密切相关。
显然,可以进一步处理两个体积之间的差,以提供各种有用的指标。例如,通过表达具有或不具有由临床医生确定的水肿患者所占百分比的差异,该百分比显示出大于或小于各种阈值体积差,可以估计出具有特定体积差的患者被临床医生评估为具有水肿的概率。这对患者的风险评分和风险分层很有用,尤其是与其他也具有概率性质的临床指标结合使用时。
本发明不仅在临床上有用,可提供指示水肿的积液的数值测量,而且如果使用适当的方法(例如3D相机)实施,则可以测量在家中的患者的积液变化。这不仅可以节省患者去医院预约的时间或由临床团队抵达患者的时间,而且如果将其实施为远程医疗系统的一部分,则可以提供有关患者健康状况恶化的警报。这样的系统可能合理地降低目前针对慢性疾病(例如心力衰竭)的极高重复住院率,不仅节省了大量医疗资源,而且为患者提供了更好的生活质量。
显然,体积之间的“差”不必是简单的减法差,而可以是比例关系,或者是任何数量的统计结果测试或其他数值比较。同样明显的是,与严格使用体积相反,在本发明的实施例中可以使用大量与体积相关的模型输出。例如,前述虚拟3D模型可以在各个位置虚拟地测量厚度或周长,并且比较这些虚拟周长测量结果,或者可以比较3D模型的表面积。为了本发明的目的,所有这些类型的比较都被认为是权利要求书中可能的大小比较的非限制性列表。
Claims (13)
1.一种识别患者身体部位中积液的方法,所述方法包括:
测量与所述患者的一身体部位大小有关的第一参数,以获得所述身体部位的实际测量值,其中,所述测量包括对所述身体部位的三维成像,以得出所述第一参数的测量值;
获得与所述患者的所述身体部位大小有关的所述第一参数的估计测量值;以及
关联所述患者的所述身体部位的所述实际测量值和所述估计测量值,以评估身体部位的任何积液;其特征在于:
针对所述第一参数的三维成像提供了基于实际身体部位的具有多个变形参数的第一可变形模型,并将其与包括基于预定义参数和积液的第二模型的所述估计测量值进行比较。
2.根据权利要求1所述的方法,还包括将所述三维数据与所述身体部位的三维模型相关联。
3.根据权利要求1或2所述的方法,其中,所述第二模型是基于人群导出的参数。
4.根据权利要求1、2或3所述的方法,其中,所述第二模型不包含积液。
5.根据权利要求1至4中任一项所述的方法,其中,所述第二模型具有多个变形参数。
6.根据权利要求1所述的方法,其中,根据患者的总体身高、体重和/或生物阻抗,调整所述估计测量值。
7.根据权利要求1所述的方法,还包括随时间变化,时时获得和处理所述测量值,以追踪患者体内积液的变化。
8.根据权利要求1所述的方法,其中,所述身体部位是脚。
9.根据权利要求1所述的方法,其中,所述方法是计算机实现的,并且进一步包括基于所述身体部位的实际测量值与估计测量值之间所识别的差,来评估和/或传达患者的健康状况和风险。
10.一种用于识别患者身体部位中积液的系统,所述系统包括:
测量仪器,其包括深度感测相机设备,以提供身体部位的三维成像并将身体部位的三维数据与三维图像相关联,以基于实际身体部位产生第一参数的测量值;
测量数据比较单元,其被配置为将所述身体部位的实际测量值与针对所述身体部位的所述参数的估计测量值进行比较,其中,所述估计测量值包括第二模型,所述第二模型基于预定参数和积液;以及
诊断单元,其被配置为基于比较单元对实际测量值和估计测量值进行比较的结果来确定患者体内的积液。
11.根据权利要求10所述的系统,其中,所述深度感测相机设备包括至少一个发射器和一个检测器阵列,或者至少两个检测器阵列。
12.根据权利要求10或11所述的系统,其中,所述测量仪器被配置为基于来自针对所述第一参数的三维成像的实际身体部位来提供具有多个变形参数的第一可变形模型。
13.根据权利要求10至12中任一项所述的系统,其中,所述测量数据比较单元被配置为提供包括具有多个变形参数的第二模型的估计测量值。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
GB1814230.7A GB2576770B (en) | 2018-08-31 | 2018-08-31 | System and method for identifying fluid retention in a body part |
GB1814230.7 | 2018-08-31 | ||
PCT/IB2019/057279 WO2020044277A1 (en) | 2018-08-31 | 2019-08-29 | System and method for identifying fluid retention in a body part |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112655020A true CN112655020A (zh) | 2021-04-13 |
Family
ID=63921021
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201980055645.6A Pending CN112655020A (zh) | 2018-08-31 | 2019-08-29 | 用于识别身体部位中积液的系统及方法 |
Country Status (9)
Country | Link |
---|---|
US (1) | US20210393199A1 (zh) |
EP (1) | EP3824437A1 (zh) |
JP (1) | JP7182318B2 (zh) |
CN (1) | CN112655020A (zh) |
AU (1) | AU2019331078B2 (zh) |
CA (1) | CA3110604A1 (zh) |
GB (1) | GB2576770B (zh) |
MX (1) | MX2021002369A (zh) |
WO (1) | WO2020044277A1 (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2024089855A1 (ja) * | 2022-10-27 | 2024-05-02 | 日本電信電話株式会社 | 点群移動推定装置、点群移動推定方法、及びプログラム |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20040186395A1 (en) * | 2003-03-17 | 2004-09-23 | Vastano Gaetano F. | Method for physiological volume measurement and analysis |
US20070135737A1 (en) * | 2003-03-17 | 2007-06-14 | Vastano Gaetano F | Method for physiological volume measurement and analysis for body volume visualization |
US20160235354A1 (en) * | 2015-02-12 | 2016-08-18 | Lymphatech, Inc. | Methods for detecting, monitoring and treating lymphedema |
CN107292884A (zh) * | 2017-08-07 | 2017-10-24 | 北京深睿博联科技有限责任公司 | 一种识别mri图像中水肿和血肿的方法及装置 |
US20180240238A1 (en) * | 2015-09-03 | 2018-08-23 | Heartfelt Technologies Limited | Method and apparatus for determining volumetric data of a predetermined anatomical feature |
Family Cites Families (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CA2555373C (en) * | 2004-02-06 | 2014-04-29 | Wake Forest University Health Sciences | Tissue evaluation using global tissue characteristics of non-invasive imaging and systems for determining global tissue characteristics of images |
US7519210B2 (en) * | 2004-09-09 | 2009-04-14 | Raphael Hirsch | Method of assessing localized shape and temperature of the human body |
US20110208084A1 (en) * | 2008-09-09 | 2011-08-25 | Fernando Seoane Martinez | Method and apparatus for brain damage detection |
JP2011150595A (ja) | 2010-01-22 | 2011-08-04 | Shiseido Co Ltd | 顔形状評価装置、顔形状評価方法、及び顔形状評価プログラム |
EP2758092A4 (en) * | 2011-09-19 | 2015-05-06 | Fresenius Med Care Hldg Inc | ESTIMATING THE DRY WEIGHT OF A DIALYSIS PADIENT |
US9986905B2 (en) * | 2013-04-24 | 2018-06-05 | The Schepens Eye Research Institute, Inc. | Predicting retinal degeneration based on three-dimensional modeling of oxygen concentration |
US20150046183A1 (en) * | 2013-08-12 | 2015-02-12 | James V. Cireddu | Remote, virtual physical exam acquisition and distribution |
US20150216477A1 (en) * | 2014-02-06 | 2015-08-06 | Samir I. Sayegh | Methods for detecting lymphedema |
DE102014224656A1 (de) * | 2014-12-02 | 2016-06-02 | Siemens Aktiengesellschaft | Verfahren und Vorrichtung zum Segmentieren eines medizinischen Untersuchungsobjekts mit quantitativen MR-Bildgebungsmethoden |
AU2016293382B2 (en) * | 2015-07-16 | 2021-03-25 | Impedimed Limited | Fluid level determination |
US20170272728A1 (en) * | 2016-03-16 | 2017-09-21 | Aquifi, Inc. | System and method of three-dimensional scanning for customizing footwear |
CN107122593B (zh) * | 2017-04-06 | 2021-09-17 | 复旦大学 | 基于深度扫描与信息分析的上肢淋巴水肿监测系统 |
-
2018
- 2018-08-31 GB GB1814230.7A patent/GB2576770B/en active Active
-
2019
- 2019-08-29 CN CN201980055645.6A patent/CN112655020A/zh active Pending
- 2019-08-29 JP JP2021511617A patent/JP7182318B2/ja active Active
- 2019-08-29 EP EP19783646.3A patent/EP3824437A1/en active Pending
- 2019-08-29 CA CA3110604A patent/CA3110604A1/en active Pending
- 2019-08-29 WO PCT/IB2019/057279 patent/WO2020044277A1/en unknown
- 2019-08-29 AU AU2019331078A patent/AU2019331078B2/en active Active
- 2019-08-29 MX MX2021002369A patent/MX2021002369A/es unknown
- 2019-08-29 US US17/271,604 patent/US20210393199A1/en active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20040186395A1 (en) * | 2003-03-17 | 2004-09-23 | Vastano Gaetano F. | Method for physiological volume measurement and analysis |
US20070135737A1 (en) * | 2003-03-17 | 2007-06-14 | Vastano Gaetano F | Method for physiological volume measurement and analysis for body volume visualization |
US20160235354A1 (en) * | 2015-02-12 | 2016-08-18 | Lymphatech, Inc. | Methods for detecting, monitoring and treating lymphedema |
US20180240238A1 (en) * | 2015-09-03 | 2018-08-23 | Heartfelt Technologies Limited | Method and apparatus for determining volumetric data of a predetermined anatomical feature |
CN107292884A (zh) * | 2017-08-07 | 2017-10-24 | 北京深睿博联科技有限责任公司 | 一种识别mri图像中水肿和血肿的方法及装置 |
Also Published As
Publication number | Publication date |
---|---|
AU2019331078B2 (en) | 2022-09-08 |
WO2020044277A1 (en) | 2020-03-05 |
GB201814230D0 (en) | 2018-10-17 |
GB2576770A (en) | 2020-03-04 |
CA3110604A1 (en) | 2020-03-05 |
US20210393199A1 (en) | 2021-12-23 |
MX2021002369A (es) | 2021-04-29 |
AU2019331078A1 (en) | 2021-03-11 |
EP3824437A1 (en) | 2021-05-26 |
JP7182318B2 (ja) | 2022-12-02 |
JP2021535787A (ja) | 2021-12-23 |
GB2576770B (en) | 2020-09-23 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP6792768B2 (ja) | 血流予備量比の計算方法およびシステム | |
US20200015775A1 (en) | Method of characterizing the pathological response of tissue to a treatment plan | |
CN108210065B (zh) | 交互式解剖标测和对解剖标测质量的估计 | |
Xu et al. | An optimized strategy for real-time hemorrhage monitoring with electrical impedance tomography | |
JP6339095B2 (ja) | 対象者の生理学的特徴の異常値をモニタし、識別する際に使用するための方法及び機器 | |
CN109498013B (zh) | 基于单层eit电极边缘效应的膀胱体积测量方法 | |
JP2011524754A (ja) | 細胞の損傷および疾患のリスクを測定する方法およびシステム | |
JP2017524458A (ja) | 狭窄評価 | |
Arad et al. | The detection of pleural effusion using a parametric EIT technique | |
CN110545714A (zh) | 扫描和评价肺和血管健康状况的方法 | |
Nebuya et al. | Indirect measurement of lung density and air volume from electrical impedance tomography (EIT) data | |
Mix et al. | Detecting regional stiffness changes in aortic aneurysmal geometries using pressure-normalized strain | |
EP3501399B1 (en) | Method of quantification of visceral fat mass | |
AU2019331078B2 (en) | System and method for identifying fluid retention in a body part | |
Zhou et al. | Assessment of scoliosis using 3-D ultrasound volume projection imaging with automatic spine curvature detection | |
Yow et al. | Automated in vivo 3D high-definition optical coherence tomography skin analysis system | |
Parker et al. | Comparison of quantitative wall‐motion analysis and strain for detection of coronary stenosis with three‐dimensional dobutamine stress echocardiography | |
KR102269745B1 (ko) | 인체의 수분 결핍 측정 방법 | |
Wafai et al. | Asymmetry detection during pathological gait using a plantar pressure sensing system | |
Park et al. | A quantitative evaluation of abdominal aorta aneurysm by CT images | |
US20070282213A1 (en) | Apparatus and computer program for assessing a patient's extravascular lung water volume | |
Brown et al. | Controlled motion strain measurement using lateral speckle tracking in Achilles tendons during healing | |
CA3217703A1 (en) | Method of quantifying an effective volume of a muscle | |
Kim et al. | Computer-Aided Assessment of Foot Posture from Standard Template Model | |
EP2533683A1 (en) | Method of characterizing the pathological response of tissue to a treatmant plan |
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 |