CN114305384A - 磁振造影的自动分析系统及其运行方法 - Google Patents
磁振造影的自动分析系统及其运行方法 Download PDFInfo
- Publication number
- CN114305384A CN114305384A CN202011055667.3A CN202011055667A CN114305384A CN 114305384 A CN114305384 A CN 114305384A CN 202011055667 A CN202011055667 A CN 202011055667A CN 114305384 A CN114305384 A CN 114305384A
- Authority
- CN
- China
- Prior art keywords
- contrast
- image
- enhanced
- tumor
- cyst
- 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
Images
Landscapes
- Magnetic Resonance Imaging Apparatus (AREA)
Abstract
本发明提出一种磁振造影的自动分析系统及其运行方法，其包含以下步骤。从核磁造影机取得受测者的脑部的多个影像；从多个影影像得出对比增强的T1加权影像与T2加权影像，并对多个影像进行预处理；计算T2加权影像对于对比增强的T1加权影像的比率以产生对比度强化影像；对于对比度强化影像的感兴趣区域进行非监督分群以分出囊肿部分与非囊肿部分，据以计算相关的多个特征参数；在感兴趣区域对应的脑部的肿瘤进行放射手术后，分析肿瘤的体积变化；将多个特征参数与肿瘤的体积变化进行线性回归分析，以作为预后评估的依据。通过本发明的技术方案，可靠地建立回归模型对肿瘤治疗预后的评估。
Description
技术领域
本发明涉及一种系统及其运行方法，且特别涉及一种磁振造影的自动分析系统及其运行方法。
背景技术
身体细胞组织不正常的增生，当生长的数量庞大，便会成为肿瘤。而肿瘤亦可以是良性或恶性的。举例而言，听神经瘤一般是一种良性且生长缓慢的肿瘤，其治疗方面包括放射手术，例如：加马刀放射手术。然而，部分患者接受放射手术后，肿瘤反而增大，从而造成预后评估的困扰。
因此，如何提供一种自动分析系统及其运行方法，便成为一个重要课题。
发明内容
本发明提出一种自动分析系统及其运行方法，改善现有技术的问题。
在本发明的一实施例中，本发明所提出的磁振造影的自动分析系统包含存储器以及处理器。存储器存储至少一指令，处理器通信耦接于存储器。处理器用以存取并执行至少一指令以：从核磁造影机取得受测者的脑部的多个影像；从多个影影像得出对比增强的T1加权影像(contrast-enhanced T1-weighted image)与T2加权影像(T2-weighted image)，并对多个进行预处理；计算T2加权影像对于对比增强的T1加权影像的比率以产生对比度强化影像；对于对比度强化影像的感兴趣区域进行非监督分群以分出囊肿部分与非囊肿部分，据以计算相关的多个特征参数；在感兴趣区域对应的脑部的肿瘤进行放射手术后，分析肿瘤的体积变化；将多个特征参数与肿瘤的体积变化进行线性回归分析，以作为预后评估的依据。
在本发明的一实施例中，预处理对多个影像进行均质性校正后，将T2加权影像对位于对比增强的T1加权影像，进而在T2加权影像与对比增强的T1加权影像上均进行脑分割，并分别产生灰质区域、白质区域、脑脊髓液区域、骨胳区域与软组织区域。
在本发明的一实施例中，计算T2加权影像对于对比增强的T1加权影像的比率以产生对比度强化影像是满足下列关系式：
SI(T2w/T1wC)＝(SI(T2w)/WM mean SI(T2w))/(SI(T1wC)/WM mean SI(T1wC))，
其中，SI(T2w/T1wC)为比率，SI(T2w)为T2加权影像的信号强度，WM mean SI(T2w)为T2加权影像的白质区域的平均信号强度，SI(T1wC)为对比增强的T1加权影像的信号强度，WM mean SI(T1wC)为对比增强的T1加权影像的白质区域的平均信号强度。
在本发明的一实施例中，非监督分群通过中值滤波器以消除对比度强化影像的极端体素信号强度，进而通过模糊C均值群集法根据信号强度差异，将对比度强化影像分出囊肿部分与非囊肿部分。
在本发明的一实施例中，线性回归分析的结果为多个特征参数中肿瘤的体积、对比度强化影像中肿瘤的平均信号强度、对比度强化影像中囊肿部分的平均信号强度、对比度强化影像中非囊肿部分的平均信号强度、年龄、囊肿相较于肿瘤比例分别正相关于放射手术后肿瘤的体积缩小。
在本发明的一实施例中，本发明所提出的磁振造影的自动分析系统的运行方法包含以下步骤：从核磁造影机取得受测者的脑部的多个影像；从多个影像得出对比增强的T1加权影像与T2加权影像，并对多个影像进行预处理；计算T2加权影像对于对比增强的T1加权影像的比率以产生对比度强化影像；对于对比度强化影像的感兴趣区域进行非监督分群以分出囊肿部分与非囊肿部分，据以计算相关的多个特征参数；在感兴趣区域对应的脑部的肿瘤进行放射手术后，分析肿瘤的体积变化；将多个特征参数与肿瘤的体积变化进行线性回归分析，以作为预后评估的依据。
在本发明的一实施例中，预处理对多个影像进行均质性校正后，将T2加权影像对位于对比增强的T1加权影像，进而在T2加权影像与对比增强的T1加权影像上均进行脑分割，并分别产生灰质区域、白质区域、脑脊液区域、骨胳区域与软组织区域。
在本发明的一实施例中，计算T2加权影像对于对比增强的T1加权影像的比率以产生对比度强化影像是满足下列关系式：
SI(T2w/T1wC)＝(SI(T2w)/WM mean SI(T2w))/(SI(T1wC)/WM mean SI(T1wC))，
其中，SI(T2w/T1wC)为比率，SI(T2w)为T2加权影像的信号强度，WM mean SI(T2w)为T2加权影像的白质区域的平均信号强度，SI(T1wC)为对比增强的T1加权影像的信号强度，WM mean SI(T1wC)为对比增强的T1加权影像的白质区域的平均信号强度。
在本发明的一实施例中，非监督分群通过中值滤波器以消除对比度强化影像的极端体素信号强度，进而通过模糊C均值群集法根据信号强度差异，将对比度强化影像分出囊肿部分与非囊肿部分。
在本发明的一实施例中，线性回归分析的结果为多个特征参数中肿瘤的体积、对比度强化影像中肿瘤的平均信号强度、对比度强化影像中囊肿部分的平均信号强度、对比度强化影像中非囊肿部分的平均信号强度、年龄、囊肿相较于肿瘤比例分别正相关于放射手术后肿瘤的体积缩小。
综上所述，本发明的技术方案与现有技术相比具有明显的优点和有益效果。通过本发明的技术方案，可靠地建立回归模型对肿瘤治疗预后的评估。
以下将以实施方式对上述的说明作详细的描述，并对本发明的技术方案提供更进一步的解释。
附图说明
为让本发明的上述和其他目的、特征、优点与实施例能更明显易懂，附图的说明如下：
图1是依照本发明一实施例的一种磁振造影的自动分析系统的方框图；以及
图2是依照本发明一实施例的一种磁振造影的自动分析系统的运行方法的流程图。
其中，附图标记说明如下：
100：磁振造影的自动分析系统
110：存储器
120：处理器
130：显示器
190：核磁造影机
200：运行方法
S201～S206：步骤
具体实施方式
为了使本发明的叙述更加详尽与完备，可参照所附的附图及以下所述各种实施例，附图中相同的号码代表相同或相似的元件。另一方面，众所周知的元件与步骤并未描述于实施例中，以避免对本发明造成不必要的限制。
于实施方式与权利要求中，涉及“连接”的描述，其可泛指一元件通过其他元件而间接耦合至另一元件，或是一元件无须通过其他元件而直接连结至另一元件。
于实施方式与权利要求中，涉及“连线”的描述，其可泛指一元件通过其他元件而间接与另一元件进行有线与/或无线通信，或是一元件无须通过其他元件而实体连接至另一元件。
于实施方式与权利要求中，除非内文中对于冠词有所特别限定，否则“一”与“该”可泛指单一个或多个。
本文中所使用的“约”、“大约”或“大致”是用以修饰任何可些微变化的数量，但这种些微变化并不会改变其本质。于实施方式中若无特别说明，则代表以“约”、“大约”或“大致”所修饰的数值的误差范围一般是容许在百分之二十以内，优选地是于百分之十以内，而更优选地则是于百分之的五以内。
图1是依照本发明一实施例的一种磁振造影的自动分析系统100的方框图。如图1所示，磁振造影的自动分析系统100包含存储器110、处理器120以及显示器130。举例而言，存储器110可为硬盘、快闪存储器或其他存储媒介，处理器120可为中央处理器，显示器130可为内建显示器或外接屏幕。
在架构上，磁振造影的自动分析系统100通信耦接于核磁造影机190，存储器110以及显示器130通信耦接于处理器120。
于使用时，存储器110存储至少一指令，处理器120通信耦接于存储器。处理器120用以存取并执行至少一指令以：从核磁造影机190取得受测者的脑部的多个影像；从多个影像得出对比增强的T1加权影像(contrast-enhanced T1-weighted image)与T2加权影像(T2-weighted image)，并对多个影像进行预处理；计算T2加权影像对于对比增强的T1加权影像的比率以产生对比度强化影像；对于对比度强化影像的感兴趣区域进行非监督分群以分出囊肿部分与非囊肿部分，据以计算相关的多个特征参数；在感兴趣区域对应的脑部的肿瘤进行放射手术后，分析肿瘤的体积变化；将多个特征参数与肿瘤的体积变化进行线性回归分析，以作为预后评估的依据。
在本发明的一实施例中，预处理对多个影像进行均质性校正后，将T2加权影像对位于对比增强的T1加权影像，进而在T2加权影像与对比增强的T1加权影像上均进行脑分割，并分别产生灰质区域、白质区域、脑脊髓液区域、骨胳区域与软组织区域。
肿瘤(如：听神经瘤)的囊肿部分通常在对比增强的T1加权影像上显示低信号强度，在T2加权影像上显示高信号强度。而非囊肿部分通常在对比增强的T1加权影像上显示高信号强度，在T2加权影像上显示低信号强度。因此，为了增强肿瘤的囊肿部分与非囊肿部分之间的对比度，从而提高后续的模糊C均值群集法的性能，在本发明的一实施例中，处理器120存取并执行指令以计算T2加权影像对于对比增强的T1加权影像的比率以产生对比度强化影像是满足下列关系式：
SI(T2w/T1wC)＝(SI(T2w)/WM mean SI(T2w))/(SI(T1wC)/WM mean SI(T1wC))，
其中，SI(T2w/T1wC)为比率，SI(T2w)为T2加权影像的信号强度，WM mean SI(T2w)为T2加权影像的白质区域的平均信号强度，SI(T1wC)为对比增强的T1加权影像的信号强度，WM mean SI(T1wC)为对比增强的T1加权影像的白质区域的平均信号强度。
承上，在本发明的一实施例中，非监督分群通过中值滤波器以消除对比度强化影像的极端体素信号强度，进而通过模糊C均值群集法根据信号强度差异，将对比度强化影像分出囊肿部分与非囊肿部分。借此，处理器120存取并执行指令以计算相关的多个特征参数。
举例而言，中值过滤器可采用Python语言来实现。模糊C均值群集法是一种演算法，其中每个数据点(如：体素)可以属于两个或更多聚类；根据信号强度差异，将对比度强化影像中感兴趣区域的体素分成囊肿部分与非囊肿部分。实作上，对应于肿瘤所在位置的感兴趣区域可由专科医师手动设定，亦可由电脑预设。
举例而言，多个特征参数可包括放射学特征量化。放射学特征包括肿瘤的平均信号强度、囊肿部分的平均信号强度、非囊肿部分的平均信号强度、囊肿相较于肿瘤比例和囊肿形状特征(如：球形度，平坦度和伸长率)。实作上，处理器120用以存取并执行指令以通过对于对比度强化影像上感兴趣区域的信号强度取平均值来计算肿瘤的平均信号强度。囊肿部分的平均信号强度和非囊肿部分的平均信号强度分别通过对肿瘤的囊肿部分和非囊肿部分的信号强度求平均值，然后通过模糊C均值群集法进行分割。囊肿比例定义为囊肿部分的体积与肿瘤的体积之比。处理器120可执行PyRadiomics软件包获得了囊肿部分的球形特征，其包括球形度，平坦度和伸长率。
在感兴趣区域对应的脑部的肿瘤(如：听神经瘤)进行放射手术(如：加马刀放射手术)后，核磁造影机190可拍摄术后的影像，处理器120用以存取并执行指令以基于术后的影像进行肿瘤的体积测量，据以分析肿瘤的体积变化。实作上，指数拟合模型适合于估计放射手术后肿瘤的体积变化。因此，通过比生长速率(specific growth rate)评估对放射手术的肿瘤反应，该比生长速率可从以下公式得出：
SGR＝ln(Vt/Vo)/t，
其中SGR为比生长速率，Vo为放射手术时肿瘤的体积，Vt为最近一次得到的肿瘤的体积，t为放射手术时至最近一次的时间。实作上，受测者(即，被手术者)的性别、年龄以及放射手术的辐射剂量亦可整合于上述多个特征参数。
关于线性回归，在本发明的一实施例中，线性回归可为单变数线性回归与/或多元回归，用于评估放射手术后临床变量和放射学特征与SGR的关系。线性回归分析的结果为多个特征参数中肿瘤的体积、对比度强化影像中肿瘤的平均信号强度、对比度强化影像中囊肿部分的平均信号强度、对比度强化影像中非囊肿部分的平均信号强度、年龄、囊肿比例分别正相关于放射手术后肿瘤的体积缩小。换言之，肿瘤的体积愈大、对比度强化影像中肿瘤的平均信号强度愈强、对比度强化影像中囊肿部分的平均信号强度愈强、对比度强化影像中非囊肿部分的平均信号强度愈强、年龄愈大、囊肿比例愈高，则放射手术后肿瘤的体积愈小。借此，显示器130可显示线性回归分析的结果，借此有效作为预后评估的依据。
为了对上述磁振造影的自动分析系统100的运行方法做更进一步的阐述，请同时参照图1～图2，图2是依照本发明一实施例的一种磁振造影的自动分析系统100的运行方法200的流程图。如图2所示，运行方法200包含步骤S201～S206(应了解到，在本实施例中所提及的步骤，除特别叙明其顺序者外，均可依实际需要调整其前后顺序，甚至可同时或部分同时执行)。
于步骤S201，从核磁造影机190取得受测者的脑部的多个影像。于步骤S202，从多个影像得出对比增强的T1加权影像与T2加权影像，并对多个影像进行预处理。于步骤S203，计算T2加权影像对于对比增强的T1加权影像的比率以产生对比度强化影像。于步骤S204，对于对比度强化影像的感兴趣区域进行非监督分群以分出囊肿部分与非囊肿部分，据以计算相关的多个特征参数。于步骤S205，在感兴趣区域对应的脑部的肿瘤进行放射手术后，分析肿瘤的体积变化。于步骤S206，将多个特征参数与肿瘤的体积变化进行线性回归分析，以作为预后评估的依据。
在步骤S202的一实施例中，预处理对多个影像进行均质性校正后，将T2加权影像对位于对比增强的T1加权影像，进而在T2加权影像与对比增强的T1加权影像上均进行脑分割，并分别产生灰质区域、白质区域、脑脊髓液区域、骨胳区域与软组织区域。
在步骤S203的一实施例中，计算T2加权影像对于对比增强的T1加权影像的比率以产生对比度强化影像是满足下列关系式：
SI(T2w/T1wC)＝(SI(T2w)/WM mean SI(T2w))/(SI(T1wC)/WM mean SI(T1wC))，
其中，SI(T2w/T1wC)为比率，SI(T2w)为T2加权影像的信号强度，WM mean SI(T2w)为T2加权影像的白质区域的平均信号强度，SI(T1wC)为对比增强的T1加权影像的信号强度，WM mean SI(T1wC)为对比增强的T1加权影像的白质区域的平均信号强度。
在步骤S204的一实施例中，非监督分群通过中值滤波器以消除对比度强化影像的极端体素信号强度，进而通过模糊C均值群集法根据信号强度差异，将对比度强化影像分出囊肿部分与非囊肿部分。
在步骤S206的一实施例中，线性回归分析的结果为多个特征参数中肿瘤的体积、对比度强化影像中肿瘤的平均信号强度、对比度强化影像中囊肿部分的平均信号强度、对比度强化影像中非囊肿部分的平均信号强度、年龄、囊肿相较于肿瘤比例分别正相关于放射手术后肿瘤的体积缩小。
综上所述，本发明的技术方案与现有技术相比具有明显的优点和有益效果。通过本发明的技术方案，可靠地建立回归模型对肿瘤治疗预后的评估。
虽然本发明已以实施方式公开如上，然其并非用以限定本发明，任何本领域技术人员，在不脱离本发明的精神和范围内，当可作各种的变动与润饰，因此本发明的保护范围当视后附的权利要求所界定者为准。
Claims (10)
1.一种磁振造影的自动分析系统，其特征在于，包含：
一存储器，存储至少一指令；以及
一处理器，通信耦接于该存储器，其中该处理器用以存取并执行该至少一指令以：
从一核磁造影机取得一受测者的一脑部的多个影像；
从所述影像得出一对比增强的T1加权影像与一T2加权影像，并对所述影像进行预处理；
计算该T2加权影像对于该对比增强的T1加权影像的比率以产生一对比度强化影像；
对于该对比度强化影像的一感兴趣区域进行非监督分群以分出一囊肿部分与一非囊肿部分，据以计算相关的多个特征参数；
在该感兴趣区域对应的该脑部的一肿瘤进行放射手术后，分析该肿瘤的体积变化；以及
将所述特征参数与该肿瘤的该体积变化进行线性回归分析，以作为预后评估的依据。
2.如权利要求1所述的磁振造影的自动分析系统，其特征在于，该预处理对所述影像进行均质性校正后，将该T2加权影像对位于该对比增强的T1加权影像，进而在该T2加权影像与该对比增强的T1加权影像上均进行脑分割，并分别产生灰质区域、白质区域、脑脊髓液区域、骨骼区域与软组织区域。
3.如权利要求2所述的磁振造影的自动分析系统，其特征在于，计算该T2加权影像对于该对比增强的T1加权影像的比率以产生该对比度强化影像是满足下列关系式：
SI(T2w/T1wC)＝(SI(T2w)/WM mean SI(T2w))/(SI(T1wC)/WM mean SI(T1wC))，
其中，SI(T2w/T1wC)为该对比度强化影像的信号强度，SI(T2w)为该T2加权影像的信号强度，WM mean SI(T2w)为该T2加权影像的该白质区域的平均信号强度，SI(T1wC)为该对比增强的T1加权影像的信号强度，WM mean SI(T1wC)为该对比增强的T1加权影像的该白质区域的平均信号强度。
4.如权利要求3所述的磁振造影的自动分析系统，其特征在于，该非监督分群通过一中值滤波器以消除该对比度强化影像的极端体素信号强度，进而通过一模糊C均值群集法根据信号强度差异，将该对比度强化影像分出该囊肿部分与该非囊肿部分。
5.如权利要求4所述的磁振造影的自动分析系统，其特征在于，该线性回归分析的结果为所述特征参数中该肿瘤的体积、该对比度强化影像中该肿瘤的平均信号强度、该对比度强化影像中该囊肿部分的平均信号强度、该对比度强化影像中该非囊肿部分的平均信号强度、年龄、囊肿相较于肿瘤比例分别正相关于该放射手术后该肿瘤的体积缩小。
6.一种磁振造影的自动分析系统的运行方法，其特征在于，该运行方法包含：
从一核磁造影机取得一受测者的一脑部的多个影像；
从所述影像得出一对比增强的T1加权影像与一T2加权影像，并对所述影像进行预处理；
计算该T2加权影像对于该对比增强的T1加权影像的比率以产生一对比度强化影像；
对于该对比度强化影像的一感兴趣区域进行非监督分群以分出一囊肿部分与一非囊肿部分，据以计算相关的多个特征参数；
在该感兴趣区域对应的该脑部的一肿瘤进行放射手术后，分析该肿瘤的体积变化；以及
将所述特征参数与该肿瘤的该体积变化进行线性回归分析，以作为预后评估的依据。
7.如权利要求6所述的运行方法，其特征在于，该预处理对所述影像进行均质性校正后，将该T2加权影像对位于该对比增强的T1加权影像，进而在该T2加权影像与该对比增强的T1加权影像上均进行脑分割，并分别产生灰质区域、白质区域、脑脊髓液区域、骨骼区域与软组织区域。
8.如权利要求7所述的运行方法，其特征在于，计算该T2加权影像对于该对比增强的T1加权影像的比率以产生该对比度强化影像是满足下列关系式：
SI(T2w/T1wC)＝(SI(T2w)/WM mean SI(T2w))/(SI(T1wC)/WM mean SI(T1wC))，
其中，SI(T2w/T1wC)为该比率，SI(T2w)为该T2加权影像的信号强度，WM mean SI(T2w)为该T2加权影像的该白质区域的平均信号强度，SI(T1wC)为该对比增强的T1加权影像的信号强度，WM mean SI(T1wC)为该对比增强的T1加权影像的该白质区域的平均信号强度。
9.如权利要求8所述的运行方法，其特征在于，该非监督分群通过一中值滤波器以消除该对比度强化影像的极端体素信号强度，进而通过一模糊C均值群集法根据信号强度差异，将该对比度强化影像分出该囊肿部分与该非囊肿部分。
10.如权利要求9所述的运行方法，其特征在于，该线性回归分析的结果为所述特征参数中该肿瘤的体积、该对比度强化影像中该肿瘤的平均信号强度、该对比度强化影像中该囊肿部分的平均信号强度、该对比度强化影像中该非囊肿部分的平均信号强度、年龄、囊肿相较于肿瘤比例分别正相关于该放射手术后该肿瘤的体积缩小。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011055667.3A CN114305384A (zh) | 2020-09-30 | 2020-09-30 | 磁振造影的自动分析系统及其运行方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011055667.3A CN114305384A (zh) | 2020-09-30 | 2020-09-30 | 磁振造影的自动分析系统及其运行方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN114305384A true CN114305384A (zh) | 2022-04-12 |
Family
ID=81011666
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202011055667.3A Pending CN114305384A (zh) | 2020-09-30 | 2020-09-30 | 磁振造影的自动分析系统及其运行方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114305384A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117237435A (zh) * | 2023-11-16 | 2023-12-15 | 北京智源人工智能研究院 | 肿瘤预后效果评估的方法、装置、电子设备和存储介质 |
-
2020
- 2020-09-30 CN CN202011055667.3A patent/CN114305384A/zh active Pending
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117237435A (zh) * | 2023-11-16 | 2023-12-15 | 北京智源人工智能研究院 | 肿瘤预后效果评估的方法、装置、电子设备和存储介质 |
| CN117237435B (zh) * | 2023-11-16 | 2024-02-06 | 北京智源人工智能研究院 | 肿瘤预后效果评估的方法、装置、电子设备和存储介质 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US8270695B2 (en) | Diagnostic image processing with automatic self image quality validation | |
| US7636420B2 (en) | Radio-therapeutic treatment planning incorporating functional imaging information | |
| US8331636B2 (en) | Automatic calibration of computer aided diagnosis based on retrospective examination | |
| US20080139920A1 (en) | Apparatus for determining indications helping the diagnosis of rheumatic diseases and its method | |
| Vaidyanathan et al. | Monitoring brain tumor response to therapy using MRI segmentation | |
| US8144953B2 (en) | Multi-scale analysis of signal enhancement in breast MRI | |
| CN113066061B (zh) | 一种基于mra的动脉瘤检测方法、系统、终端及介质 | |
| US20210158523A1 (en) | Method and system for standardized processing of mr images | |
| US10846858B2 (en) | Technologies for diagnosing neurological or psychiatric illnesses | |
| US7760939B2 (en) | Method for automatically generating a background mask for images with noisy background areas, applications to that end and a nuclear magnetic resonance tomography apparatus for carrying out the method | |
| US9218656B2 (en) | Method and system for automatic classification of lesions in breast MRI | |
| US20140180146A1 (en) | System and method for quantification and display of collateral circulation in organs | |
| CN114305384A (zh) | 磁振造影的自动分析系统及其运行方法 | |
| CN112669235B (zh) | 调整图像灰度的方法、装置、电子设备和存储介质 | |
| US8045779B2 (en) | Method and device for evaluation of an image and/or of a time sequence of images of tissue or tissue samples | |
| Osadebey et al. | Bayesian framework inspired no-reference region-of-interest quality measure for brain MRI images | |
| 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 | |
| CN111971751A (zh) | 用于评估动态数据的系统和方法 | |
| TWI755084B (zh) | 磁振造影之自動分析系統及其運作方法 | |
| KR20190068254A (ko) | 병변 발생 시점 추정 방법, 장치 및 프로그램 | |
| US20090080740A1 (en) | Automatic Lesion Detection and Characterization Using Generative Model of Enhancement Dynamics in Breast MR | |
| US20220398732A1 (en) | Pet quantitative localization system and operation method thereof | |
| CN116051467B (zh) | 基于多任务学习的膀胱癌肌层侵犯预测方法及相关装置 | |
| TWI781463B (zh) | 腦部多巴胺轉運體檢查系統及其運作方法 | |
| WO2009035557A1 (en) | Detection of motion artifacts in dynamic contrast-enhanced breast mri |
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 |