CN1969295A - 用于间隔分析的数据处理系统 - Google Patents

用于间隔分析的数据处理系统 Download PDF

Info

Publication number
CN1969295A
CN1969295A CNA2005800149570A CN200580014957A CN1969295A CN 1969295 A CN1969295 A CN 1969295A CN A2005800149570 A CNA2005800149570 A CN A2005800149570A CN 200580014957 A CN200580014957 A CN 200580014957A CN 1969295 A CN1969295 A CN 1969295A
Authority
CN
China
Prior art keywords
parameter
data
handling system
data handling
view data
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
CNA2005800149570A
Other languages
English (en)
Other versions
CN1969295B (zh
Inventor
T·帕卢斯
D·-N·佩里加拉德
L·斯皮斯
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.)
Koninklijke Philips NV
Original Assignee
Koninklijke Philips Electronics NV
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 Koninklijke Philips Electronics NV filed Critical Koninklijke Philips Electronics NV
Publication of CN1969295A publication Critical patent/CN1969295A/zh
Application granted granted Critical
Publication of CN1969295B publication Critical patent/CN1969295B/zh
Expired - Fee Related legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • 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
    • G06T2200/00—Indexing scheme for image data processing or generation, in general
    • G06T2200/04—Indexing scheme for image data processing or generation, in general involving 3D image data
    • 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
    • G06T2207/10104—Positron emission tomography [PET]
    • 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
    • G06T2207/20092—Interactive image processing based on input by user
    • 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
    • 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

  • Engineering & Computer Science (AREA)
  • Quality & Reliability (AREA)
  • General Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Radiology & Medical Imaging (AREA)
  • Health & Medical Sciences (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Measuring And Recording Apparatus For Diagnosis (AREA)
  • Nuclear Medicine (AREA)
  • Ultra Sonic Daignosis Equipment (AREA)

Abstract

本发明涉及数据处理系统(1)，用于评估代表在物体(20)中如F－MISO的示踪物质的时变浓度的图像数据，特别是PET图像。数据处理系统(1)包括库模块(48)，它具有对于几个间隔段模型的分析解(Cj (t))。优选地，该库还包含相对于感兴趣参数的分析梯度。用户可从该库选择对每个研究的适当的解。分析函数连同有关输入数据的误差 (σA (i))的信息(经由噪声模型43或经由仿真44)一起的使用，允许实时地以鲁棒的方式基于每个三维像素提取为完全理解复杂模型(一个以上的组织间隔段)的动力学所必须遵循的所有参数。

Description

用于间隔分析的数据处理系统
本发明涉及用于评估代表物体中至少一种示踪物质的时变浓度的图像数据的数据处理系统，还涉及具有用于这样的数据处理系统的计算机程序的记录载体，以及具有这样的数据处理系统的检查设备。
当使用诸如CT(计算机X射线层析术)、MR(磁共振)、PET(正电子发射X射线层析术)、SPECT(单光子发射计算机X射线层析术)或US(超声)的医疗成像设备以显示待研究的病人的功能性或形态特性时，要记录多个静态扫描或接连的时间序列的动态扫描。为了得到在某些应用中在这些图像中已编码的感兴趣的医疗信息，必须完成基础的化学、生物、和生理过程的间隔分析。间隔分析是以用于描述被观察的数据的专门类型的数学模型为基础的，其中(示踪)物质的生理上分开的区被定义为间隔段。然后模型描述在不同的间隔段(例如在一个手臂上动脉血管的间隔段和在另一个手臂上组织的间隔段)上所述物质的浓度(然而，应当指出，通常各间隔段不需要是空间上紧凑的或连接的)。典型地，在各个间隔段之间有物质的交换，这种交换由如交换速率那样(未知的)参数的微分方程所支配。为了评估对于给定观察的间隔段模型，必须求解微分方程以及估算它们的参数，以使得最终得到的解最佳地适配于观察数据。有关间隔分析技术的细节可以在文献中找到(例如S.Huang和M.Phelps，″Principles of TracerKinetic Modeling in Positron Emission Tomography and Autoradiography(正电子发射X射线层析术和自动射线照相术的示踪动力学建模的原理)″，M.Phelps，J.Mazziotta，和H.Schelbert(eds.)，Positron Emission Tomography和Autoradiography；Principles and Applications for the Brain and Heart.(正电子发射X射线层析术和自动射线照像术：脑和心脏的原理和应用)，pp 287-346，Raven Press，New York，1986)。
当前的方法或者应用在较大的感兴趣区域上的间隔段模型(这些模型必须在分析之前以及根据以前的知识来规定，这会把不需要的偏移引入分析)；或者使用简化的(例如，线性化的)模型(这些模型不提供被包括在记录数据内的全部信息)。
根据这种情形，本发明的目的是提供用于相对于间隔段模型评估图像数据的装置，它产生精确的结果而同时容易合并到医疗工作流程中。
这个目的是通过按照权利要求1的数据处理系统、按照权利要求9的记录载体、和按照权利要求10的检查设备达到的。优选实施例在从属权利要求中公开。
按照本发明的数据处理系统用来评估代表物体中至少一种示踪物质的时变浓度的图像数据。图像数据例如可以是PET数据，它记录病人内示踪物质的放射性衰减，其中所述物质的空间分布包含身体内生理的或新陈代谢过程。数据处理系统包括以下部件：
(a)库模块，包括取决于参数的分析函数，它代表至少一个给定的生理间隔段模型的解。优选地，分析函数相对于它们的独立变量(时间)和/或参数是非线性的。库模块典型地通过存储在数据处理系统的存储器(例如RAM，硬盘，CD)中的软件和数据而实施。如上所述，间隔段模型描述在不同的间隔段之间物质的分布和在这些间隔段之间物质的交换。典型地，间隔段模型的类型的特征在于所考虑的不同的间隔段的数目和在间隔段之间交换的可能性。
(b)分析模块，它被耦合到库模块，和用来把(对于给定的间隔段模型的)库模块的所述分析函数的参数与图像数据拟合。分析模块典型地是作为可以执行所需的数学运算的计算机软件而实现的，所述软件被存储在数据处理系统的存储器中。而且，分析模块包括(微)处理器以便对图像数据执行算法。
上述的那种数据处理系统具有优点：它利用了一个或多个给定的间隔段模型的分析解，这允许实时计算复杂的间隔段模型和以高的空间分辨率(即基于一个三维像素)来估算图像数据。而且，最终得到的解是非常鲁棒的。
在最简单的情形下，库包含仅仅用于一个间隔段的分析函数，使得数据处理系统适合于执行图像数据的快速常规分析。然而优选地，库模块包括用于一组几个不同的复杂性和设计的间隔段模型的分析函数，用户可以通过诸如键盘或鼠标那样的某些互动输入装置在其中进行选择。用户因此可以选择一个被认为对于基础生理过程的说明是最佳的间隔段模型。
按照库模块的另一个发展，库模块包括对于分析函数相对于它们的参数的梯度的分析表示式。这些表示式然后可被用于在如梯度递减(相对于所述参数)、Gauss-Newton、或Levenberg-Marquard那样的拟合过程中对观察到的图像数据的快速和精确地评估参数(参阅J.Dennis，″Nonlinear Least-Squares(非线性最小平方)″in：D.Jacobs(ed.)，State of the Art in NumericalAnalysis(数值分析技术的状况)，pp.269-312，Academic Press；K.Levenberg，″A Method for theSolution of Certain Problems in Least Squares(求解最小平方中的某些问题的方法)″，Quart.Appl.Math.，Vol. 2，pp 164-168，1944；D.Marquardt，″An Algorithm for Least-SquaresEstimation of Nonlinear Parameters(非线性参数的最小平方估算的算法)。″，SIAM J.Appl.Math.Vol.11，pp 431-441，1963所以对于梯度的表示式是对于描述间隔段模型的分析函数的合理的增补。
按照库模块的优选实施例，分析函数具有按照以下公式的一般的形式：
C j ( t ) ∝ e - λ k i Σ i = 1 n a i ( c i - λ k ) b i + 1 [ Γ ( b i + 1 ) - Γ ( b i + 1 , ( c i - λ k ) t ) ]
其中Cj是在间隔段j中示踪物浓度；
ai，bi，ci，λk是参数，其中至少某些要与图像数据拟合； Γ ( x ) = ∫ 0 ∞ e - i t x - 1 dt 是伽玛函数；以及 Γ ( a , x ) = ∫ x ∞ e - i t a - 1 dt 是不完全伽玛函数。
正如可以通过数学分析显示的，这些分析函数适合于描述一大类不同的间隔段模型和输入函数。在典型的情形下，参数ai，bi，ci描述示踪物质的血浆(plasma)浓度，而λk取决于间隔段模型的交换速率。这样，参数ai，bi，ci可以通过把它们与示踪物的测量的等离子体浓度拟合而分开地确定。
按照另一个优选实施例，数据处理系统适用于估计拟合的参数的误差。这个估计典型地基于来自图像数据的误差数据组的计算，其中这个计算可以或者藉助于噪声模型或者通过图像获取过程的仿真而完成。参数误差的估值是对于数据处理系统的用户的宝贵的附加信息，这允许判断计算的结果的可靠度。而且，在加权拟合中考虑到误差会提高参数估值的稳定度。
数据处理系统优选地用来对于图像数据的每个图像单元(像素)和体积单元(位置)或对于包括几个像素或三维像素的较大的感兴趣区域评估间隔段模型。因此，用户可以决定以哪种空间分辨率来评估图像数据，其中由于使用分析函数，可得到像素或三维像素的最好的分辨率。
数据处理系统任选地可用来登记图像数据和/或登记适配的参数的映射等等，并连同从相同的或不同的模态(例如，PET，SPECT，CT，MR，或US)起源的另外的图像一起登记。在预处理期间，原始的图像数据例如可以连同从同一物体和同样模态的以前的图像帧一起共同登记。在输出级，计算的参数映射连同如CT扫描那样的图像一起进行的登记将提供生理和形态数据的融合。
数据处理系统还可包括显示单元，用于显示图像数据、拟合的参数的映射、估计的参数误差的映射等等。可得到的信息的图形显示是数据处理系统的重要的方面，因为它允许内科医生快速、直观地使用可得到的信息。
本发明还包括记录载体，例如软盘、硬盘、或光盘(CD)，其上可以存储用于评估代表物体中至少一种示踪物质的时变浓度的图像数据的计算机程序，其中所述程序用来使得分析函数的参数(这些函数代表至少一个给定的生理间隔段模型的解)与所述图像数据拟合。
最后，本发明包括具有用于生成代表物体中至少一种示踪物质的时变浓度的图像数据的成像装置的检查设备，以及上述的那种类型的数据处理系统。成像装置例如可以是PET扫描仪。
上述的记录载体和检查设备依赖于正如以上描述的数据处理系统的特性。因此，对于有关记录媒体和检查设备的细节、优点和另外的开发的更多的信息，可参考数据处理系统的说明。
通过参考此后描述的实施例将明白和阐述本发明的这些和其它方面。
下面将藉助于附图作为例子描述本发明，其中：
图1示意地显示按照本发明的用于图像数据的间隔分析的检查设备；
图2显示具有四个间隔段的间隔段模型的例子和某些相应的数学公式。
在图1的左上角，示意地显示PET扫描仪10。扫描仪10包围物体，例如在病人的感兴趣的组织区域20。组织包含如F-MISO(F-Fluoromisonidazole)那样的示踪物质。所述示踪物质按照外部输入(典型地通过注射)的速率、在不同的器官/空间之间的交换速率、新陈代谢衰变速率等等而被不同地分布在血液和组织中。示踪物质包含放射性标记原子，它发射正电子，后者湮没成两个γ量子。这些γ量子可以由PET扫描仪10产生的并被传送到计算机40的原始图像数据I所确定。这些图像数据代表总的放射性，它来自按照PET-扫描仪10的图像分辨率在组织20中位置(x，y)处的三维像素。
可以使用任何其它医疗成像装置(如PET，SPECT，CT，MR或US)以替代所描述的PET扫描仪10，如果它适用于映射被监视区域中(示踪)物质的空间分布的话。
下面，将更详细地描述数据处理系统1。这个数据处理系统1主要包含上述的数据处理单元或计算机40、如监视器60那样的显示单元、和如具有鼠标的键盘70那样的输入装置被耦合到该计算机。
计算机40接收全部的记录图像I的组(或者是几个静态扫描或者是4维时间序列的扫描)作为输入，以及根据这个输入在每个三维像素的基础上生成所有的相关的化学、生物、和生理参数的映射。计算机40包含通常的硬件部件，如存储器、I/O接口、和微处理器。对于本发明更重要的是计算机40的功能结构，它主要由被存储在可得到的存储器和由可得到的处理器执行的软件所确定。这种功能结构由图1的块表示，以及将结合以下的数据处理系统1的操作说明进行阐述：
1.数据获取和预处理：
a.输入数据I(静态/动态时间序列)从医疗成像装置10到计算机40的传送。
b.模块41中的数据校正(例如局部体积效应等)。
c.不同的数据子组共同登记到模块42(例如来自如CT扫描仪30那样的不同模态的不同的时间帧或数据I’)，产生预处理的输入数据A(t)(模块45)。共同登记例如允许补偿病人在不同的时间或在不同的成像装置上的不同的定位。
d.藉助于噪声模型43或者通过包含例如几何关系和医疗成像装置10的硬件技术规范等方面的仿真模块44，从而根据输入数据A(t)计算误差数据组σA(t)(模块46)。
2.输入数据的输入数据的误差可视化和：
任选地，输入数据A(t)(模块45)和输入数据的误差σA(t)(模块46)在监视器60上是看得到的。
3.选择感兴趣区域(ROI)：
任选地，用户可以选择输入数据A(t)上的感兴趣区域(ROC)，其中需要进一步的分析。
4.数学分析
a.由用户从一个包含多个替换例的表中选择间隔段模型。
b.由用户规定模型参数：开始值、下限和上限、附加的固定的参数。
c.由用户选择分析方法：按ROI(一遍/多遍，首先以低的然后以增加的分辨率)或区域(ROI的平均)内的每个三维像素。
d.任选地为模块43选择噪声模型(例如，泊松)。
e.由用户选择最佳化方法(例如Levenberg-Marquard、Gauss-Newton、Simplex)。
f.利用由库模块48提供的分析函数，对分析模块47中的中间隔段模型的基础微分方程进行分析求解。如果必要的话，执行相对于模型参数的梯度的分析计算，其中梯度优选地也由库模块48提供。
g.使用输入数据的加权最小平方拟合对相关参数的解实行最佳化(按a.和b.所规定的)。拟合过程优选地可以考虑输入数据的误差(典型地对具有高误差的数据比起具有较小误差的数据要给出较小的权因子)，因为加权拟合会提高参数估值的稳定度。
h.把最佳化的最后的结果(即，参数k1，k2，...)、参数误差估值和统计信息(χ2/d.o.f.，相关矩阵等等)贮存到块49中。
5.结果的可视化：
a.在监视器60上对块49的所有的相关参数(k1，k2，...)的参数化映射的可视化。
b.在模块50中汇合映射与附加的医疗图像I’(例如，来自CT的解剖扫描)的可能性，因此，把功能的、形态的、和解剖的信息合在一起。
c.通过使用叠加在输入数据上的最佳化的参数组而最终得到的模型曲线的可视化(例如，对于动态扫描的时间活动性曲线)。
上述的设备易于适配于医疗工作流程中，这允许按每个三维像素提取检查的相关的参数和作为参数图把它们可视化，它们可以与附加的(例如解剖的)信息汇合以改进诊断和最终处理。它把从来自医疗输入装置的输入数据的传送开始到结果的可视化的所有的步骤集合在一起。输入数据不必在用于每个处理步骤的各种格式之间作多次变换。设备使得基于每个三维像素的全部间隔分析对于各种类别的间隔段模型成为可能，这些模型是易于扩展的。模型可以通过由用户互动地修改参数特性(例如边界)而适配于感兴趣的专门检查。
该设备例如可用于在肿瘤学中应用于动态PET数据的间隔分析，这允许确定各种生理参数，例如肿瘤细胞的供氧，它在RTP(射频治疗规划)中起重要的作用。使用建议的设备的数据分析能改进包含从参数图上提取的信息的规划。此外，RT成功的量化在后随的跟踪研究中根据在RT之前和之后的参数图的比较结果而易于实现。
图2显示具有四个间隔段的示例性间隔段模型和相应的公式(参阅J.J Casciari等人，“A Modeling Approach for Quantifying TumorHypoxia with[F-18]fluormisonidazole PET time-activity data(利用[F-18]fluormisonidazole PET时间活动性数据对肿瘤缺氧定量的建模方法)”，Med.Mhys.22(7)(1995)，pp 1127-1139)。间隔段模型描述示踪物F-MISO从动脉血液的摄入和它在组织中的分布。示踪物存在于具有由医疗规定(注射时序等等)预定的血浆浓度Cp的血液中。示踪物从血液传送到组织，在其中它分布在细胞外与细胞内空间之间。在细胞内空间中，示踪物还划分成一个边界部分C2和一个最后将经由细胞外间隔段C4而离开组织的部分C3。这个模型的所有的符号的定义在下面的表中给出：
符号                   单位                注解
A                      Bq                  示踪物的测量到的活动性
Cp，C1，C2C3C4  Bq/ml               示踪物浓度
K1                   l/min               速率常数
k2，k3，k4，k5   l/min               速率常数
α                                           l                   边界产物的部分
β                                           l                   血管空间的部分
η                                           l                   细胞外空间的部分
V                     ml
方程(1)描述在图像的一个三维像素(例如，由图1的PRT装置10)测量到的总的活动性A(t)，它是从在所有的间隔段中示踪物的浓度的贡献的叠加。方程(2)-(5)描述对于示踪物在模型的不同的间隔段中单个浓度C1，C2，C3，和C4的微分方程。示踪物在血液中的浓度Cp是对于模型给定的输入函数，它在本方法中由方程(6)的总的函数所近似。方程(2)-(6)的一般解在公式(7)中给出，其中Γ(x)是伽玛函数，Γ(a，x)是不完全伽玛函数，以及参数λk按照公式(8)来定义。
在图1的计算机40中，库模块48特别地可包括按照公式(7)的分析函数或它的简化的版本，其中公式(8)的参数通过最终得到的活动性A(t)(公式(1))对测量的数据的最佳拟合而被估算。如果Cp可从测量值，例如通过从病人提取血液样本或通过从适用的ROI(例如，心脏的左心室)非侵入地评估血浆浓度而获知，则参数ai，bi，ci首先可拟合于这些测量值Cp，而参数λk在此后拟合于图像数据。
而且，库模块48可以包含函数Cj(t)相对于它们的参数的梯度的分析表达式，即对于 和
Figure A20058001495700112
的分析表达式(图2上未示出)。
最后应当指出，在本申请中，术语“包括”不排除其它单元或步骤，“一个”不排除多个，以及单个处理器或其它单元可以满足几个装置的功能。而且，在权利要求中的标号不应当被看作为限制它们的范围。

Claims (10)

1.一种数据处理系统(1)，用于估算代表在物体(20)中至少一种示踪物质的时变浓度(A(t))的图像数据(I)，包括：
-库模块(48)，包括取决于参数的分析函数，该函数代表至少一个给定的生理间隔段模型的解；
-分析模块(47)，它适合于使所述分析函数的参数(k1，k2，...)与图像数据(I)拟合。
2.按照权利要求1的数据处理系统(1)，其特征在于，库模块(48)包括对于几个间隔段模型的一个组的分析函数，用户可以从该组间隔段模型中进行选择。
3.按照权利要求1的数据处理系统(1)，其特征在于，库模块(48)还包括分析函数相对于它们的参数的梯度的分析表达式。
4.按照权利要求1的数据处理系统(1)，其特征在于，分析函数具有以下形式：
C j ( t ) ∝ e - λ A t Σ i = 1 n a i ( c i - λ k ) b i + 1 [ Γ ( b i + 1 ) - Γ ( b i + 1 , ( c i - λ k ) t ) ] , 其中：
Cj是在间隔段j中示踪物浓度；
ai，bi，ci，和λk是参数，其中至少某些应该与图像数据拟合；
Г(x)是伽玛函数；以及Г(a，x)是不完全伽玛函数。
5.按照权利要求1的数据处理系统(1)，其特征在于，它适合于估算拟合后的参数的误差。
6.按照权利要求1的数据处理系统(1)，其特征在于，它适合于为图像数据(I)的每个图像单元或体积单元或为较大的感兴趣区域有选择地估算间隔段模型。
7.按照权利要求1的数据处理系统(1)，其特征在于，它适合于连同来自相同的或不同的模态的图像(I’)一起登记图像数据(I)和/或拟合后的参数(k1，k2，...)的映射。
8.按照权利要求1的数据处理系统(1)，其特征在于，它包括显示单元(60)，用于显示图像数据(I)、适配的参数(k1，k2，...)的映射，和/或估算的参数误差(σk1，σk2，...)的映射。
9.一种记录载体，其上存储着用于估算代表物体(20)中至少一种示踪物质的时变浓度(A(t))的图像数据(I)的计算机程序，其中所述程序适合于使得代表对于至少一个给定的生理间隔段模型的分析函数的参数(k1，k2，...)与所述图像数据(I)拟合。
10.检查设备，包括：
-用于生成代表物体(20)中至少一种示踪物质的时变浓度(A(t))的图像数据(I)的成像装置(10)，特别是PET扫描仪；
-按照权利要求1的数据处理系统(1)。
CN2005800149570A 2004-05-10 2005-05-03 数据处理系统以及使用该系统的检查设备 Expired - Fee Related CN1969295B (zh)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
EP04102015 2004-05-10
EP04102015.7 2004-05-10
PCT/IB2005/051446 WO2005109343A2 (en) 2004-05-10 2005-05-03 Image data processing system for compartmental analysis

Publications (2)

Publication Number Publication Date
CN1969295A true CN1969295A (zh) 2007-05-23
CN1969295B CN1969295B (zh) 2011-06-08

Family

ID=34966223

Family Applications (1)

Application Number Title Priority Date Filing Date
CN2005800149570A Expired - Fee Related CN1969295B (zh) 2004-05-10 2005-05-03 数据处理系统以及使用该系统的检查设备

Country Status (5)

Country Link
US (1) US20070165926A1 (zh)
EP (1) EP1747535A2 (zh)
JP (1) JP4901725B2 (zh)
CN (1) CN1969295B (zh)
WO (1) WO2005109343A2 (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105426911A (zh) * 2015-11-13 2016-03-23 浙江大学 一种基于狄利克雷过程混合模型的tac聚类方法

Families Citing this family (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1961322A (zh) * 2004-05-28 2007-05-09 皇家飞利浦电子股份有限公司 用于估计参照组织和目标区域中的示踪物浓度的系统
US7127095B2 (en) * 2004-10-15 2006-10-24 The Brigham And Women's Hospital, Inc. Factor analysis in medical imaging
US20100054559A1 (en) * 2006-11-22 2010-03-04 Koninklijke Philips Electronics N. V. Image generation based on limited data set
GB2449686A (en) * 2007-06-01 2008-12-03 Siemens Medical Solutions Processing medical scan data using both general purpose and task specific reconstruction methods
WO2009019535A1 (en) 2007-08-03 2009-02-12 Koninklijke Philips Electronics N.V. A method, apparatus, computer-readable medium and use for pharmacokinetic modeling
GB2463141B (en) * 2008-09-05 2010-12-08 Siemens Medical Solutions Methods and apparatus for identifying regions of interest in a medical image
US20110268339A1 (en) * 2010-04-30 2011-11-03 Lana Volokh Systems and methods for determining a location of a lesion in a breast
JP6864819B2 (ja) * 2016-06-30 2021-04-28 富士フイルムビジネスイノベーション株式会社 情報処理装置及びプログラム
CN110827930B (zh) * 2020-01-13 2020-05-12 四川大学华西医院 一种医疗数据的处理方法及装置、可读存储介质

Family Cites Families (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5672877A (en) * 1996-03-27 1997-09-30 Adac Laboratories Coregistration of multi-modality data in a medical imaging system
US20010041964A1 (en) * 1998-09-14 2001-11-15 George M. Grass Pharmacokinetic-based drug design tool and method
JP4103377B2 (ja) * 2000-11-27 2008-06-18 アステラス製薬株式会社 コンパートメントモデルを用いた薬物の体内動態解析方法
US7187790B2 (en) * 2002-12-18 2007-03-06 Ge Medical Systems Global Technology Company, Llc Data processing and feedback method and system

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105426911A (zh) * 2015-11-13 2016-03-23 浙江大学 一种基于狄利克雷过程混合模型的tac聚类方法
CN105426911B (zh) * 2015-11-13 2018-12-25 浙江大学 一种基于狄利克雷过程混合模型的tac聚类方法

Also Published As

Publication number Publication date
EP1747535A2 (en) 2007-01-31
US20070165926A1 (en) 2007-07-19
JP4901725B2 (ja) 2012-03-21
WO2005109343A2 (en) 2005-11-17
WO2005109343A3 (en) 2006-10-12
CN1969295B (zh) 2011-06-08
JP2007536551A (ja) 2007-12-13

Similar Documents

Publication Publication Date Title
CN1969295B (zh) 数据处理系统以及使用该系统的检查设备
CN101884054B (zh) 图像分析
US9275451B2 (en) Method, a system, and an apparatus for using and processing multidimensional data
Ashrafinia Quantitative nuclear medicine imaging using advanced image reconstruction and radiomics
Mazziotta et al. A probabilistic atlas and reference system for the human brain: International Consortium for Brain Mapping (ICBM)
Kurgan et al. Knowledge discovery approach to automated cardiac SPECT diagnosis
US8170347B2 (en) ROI-based assessment of abnormality using transformation invariant features
Decuyper et al. Artificial intelligence with deep learning in nuclear medicine and radiology
CN102622743B (zh) 用于比较3d和2d图像数据的方法和设备
CN102743181B (zh) 图像处理装置及图像处理方法
CN101032423A (zh) 实时交互式数据分析管理工具
CN102301394B (zh) 透壁灌注梯度图像分析
CN101542530B (zh) 估计映射生物过程图像的方法、信号处理器、设备和系统
CN104114091B (zh) 空间校正核图像重建
Karakatsanis et al. Quantitative whole-body parametric PET imaging incorporating a generalized Patlak model
Taylor et al. Open environment for multimodal interactive connectivity visualization and analysis
US7668359B2 (en) Automatic detection of regions (such as, e.g., renal regions, including, e.g., kidney regions) in dynamic imaging studies
Rajagopal et al. Synthetic PET via domain translation of 3-D MRI
US20220058804A1 (en) Image data processing to increase follow-up analysis fidelity
Murugesan et al. Automatic Whole Body FDG PET/CT Lesion Segmentation using Residual UNet and Adaptive Ensemble
El Rafaie et al. On the use of SPECT imaging datasets for automated classification of ventricular heart disease
US20120308097A1 (en) Data processing of group imaging studies
Hao et al. Site effects depth denoising and signal enhancement using dual-projection based ICA model
Ma et al. Design and development of an ethnically-diverse imaging informatics-based eFolder system for multiple sclerosis patients
Sanguansuttigul et al. A diffusion model of 18 F-FDOPA in the diagnosis of Parkinson's disease and its numerical simulation.

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
C14 Grant of patent or utility model
GR01 Patent grant
C17 Cessation of patent right
CF01 Termination of patent right due to non-payment of annual fee

Granted publication date: 20110608

Termination date: 20140503