DE112019005696T5 - Verfahren und Vorrichtung zur Berechnung eines Koronararterien-Kalzium-Scores - Google Patents

Verfahren und Vorrichtung zur Berechnung eines Koronararterien-Kalzium-Scores Download PDF

Info

Publication number
DE112019005696T5
DE112019005696T5 DE112019005696.4T DE112019005696T DE112019005696T5 DE 112019005696 T5 DE112019005696 T5 DE 112019005696T5 DE 112019005696 T DE112019005696 T DE 112019005696T DE 112019005696 T5 DE112019005696 T5 DE 112019005696T5
Authority
DE
Germany
Prior art keywords
coronary artery
artery
myocardium
image
contrast enhancement
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
DE112019005696.4T
Other languages
English (en)
Inventor
Dong Hyun Yang
June Goo LEE
Young-Hak Kim
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.)
Asan Foundation
University of Ulsan Foundation for Industry Cooperation
Original Assignee
Asan Foundation
University of Ulsan Foundation for Industry Cooperation
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 Asan Foundation, University of Ulsan Foundation for Industry Cooperation filed Critical Asan Foundation
Publication of DE112019005696T5 publication Critical patent/DE112019005696T5/de
Pending legal-status Critical Current

Links

Images

Classifications

    • 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
    • A61B6/50—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment specially adapted for specific body parts; specially adapted for specific clinical applications
    • A61B6/503—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment specially adapted for specific body parts; specially adapted for specific clinical applications for diagnosis of the heart
    • 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
    • A61B6/48—Diagnostic techniques
    • 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
    • A61B6/48—Diagnostic techniques
    • A61B6/481—Diagnostic techniques involving the use of contrast agents
    • 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
    • A61B6/50—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment specially adapted for specific body parts; specially adapted for specific clinical applications
    • A61B6/504—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment specially adapted for specific body parts; specially adapted for specific clinical applications for diagnosis of blood vessels, e.g. by angiography
    • 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
    • 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
    • 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
    • G16H50/20—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for computer-aided diagnosis, e.g. based on medical expert systems
    • 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
    • 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
    • G06T2207/10081—Computed x-ray tomography [CT]
    • 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
    • G06T2207/30048—Heart; Cardiac
    • 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
    • G06T2207/30101—Blood vessel; Artery; Vein; Vascular

Landscapes

  • Health & Medical Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Medical Informatics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Public Health (AREA)
  • Biomedical Technology (AREA)
  • General Health & Medical Sciences (AREA)
  • Pathology (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Physics & Mathematics (AREA)
  • Radiology & Medical Imaging (AREA)
  • Optics & Photonics (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Molecular Biology (AREA)
  • Surgery (AREA)
  • Animal Behavior & Ethology (AREA)
  • High Energy & Nuclear Physics (AREA)
  • Biophysics (AREA)
  • Veterinary Medicine (AREA)
  • Data Mining & Analysis (AREA)
  • Primary Health Care (AREA)
  • Databases & Information Systems (AREA)
  • Epidemiology (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • Dentistry (AREA)
  • Vascular Medicine (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Cardiology (AREA)
  • Physiology (AREA)
  • Quality & Reliability (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Apparatus For Radiation Diagnosis (AREA)

Abstract

Ein Verfahren zum Berechnen eines Koronararterien-Kalzium-Scores, wobei das Verfahren umfasst: Erfassen eines Zielbildes für eine Koronararterie und Myokard vor einer Kontrastverstärkung; Identifizieren der Koronararterie, die in dem Zielbild enthalten ist, unter Verwendung eines künstlichen neuronalen Netzwerks; Berechnen eines Koronararterien-Kalzium-Scores basierend auf der identifizierten Koronararterie, wobei das künstliche neuronale Netzwerk auf der Grundlage einer Lerndatenbank angelernt wird, die durch Abgleich zwischen einem vor-erfassten Bild einer Koronararterie und Myokard vor einer Kontrastverstärkung und einem vor-erfassten Bild einer Koronararterie und Myokard nach einer Kontrastverstärkung erzeugt wird.

Description

  • Hintergrund der Offenbarung
  • Bereich der Offenbarung
  • Die vorliegende Offenbarung betrifft ein Verfahren und eine Vorrichtung zur Berechnung eines Koronararterien-Kalzium-Scores unter Verwendung eines künstlichen neuronalen Netzwerks.
  • Stand der Technik
  • Koronare Herzkrankheit ist eine der häufigsten Todesursachen, wobei ein Myokardinfarkt bei etwa 50 % der Menschen mit koronarer Herzkrankheit auftritt und in schweren Fällen zum Tod führt. Für die Diagnose einer solchen koronaren Herzkrankheit gibt es verschiedene Verfahren, zum Beispiel eine Berechnung des Koronararterien-Kalzium-Scores (CAC) und eine Koronararterien-CT-Angiographie.
  • Unterdessen besteht jedoch, bei der Koronararterien-CT-Angiographie, das Problem, dass, da eine Kontrastverstärkung durchgeführt werden soll und dem Patienten somit ein Kontrastmittel injiziert werden muss, eine allergische Reaktion auf das Kontrastmittel oder eine Nierentoxizität auftreten kann. Daher wird zur Diagnose der Koronararterienerkrankung häufig der Koronararterien-Kalzium-Score verwendet, der unter Verwendung der CT vor der Kontrastverstärkung anstelle der Koronararterien-CT-Angiographie berechnet werden kann.
  • Insbesondere kann der Koronararterien-Kalzium-Score durch medizinische Bilder wie die Computertomographie (CT) erfasst werden, und kann als Vorhersagefaktor für kardiovaskuläre Erkrankungen verwendet werden, indem der Grad der Kalziumansammlung in den Blutgefäßen quantifiziert wird.
  • Bei der Berechnung des Koronararterien-Kalzium-Scores besteht eine Schwierigkeit dahingehend, dass ein Arzt oder Analytiker einen Koronararterien-Teil unter verschiedenen Organen finden sollte, die auf dem erfassten CT-Bild erscheinen, und die Menge des Kalziums in dem Koronararterien-Teil bewerten sollte. Außerdem ist im CT-Bild vor der Kontrastverstärkung der Koronararterien-Teil nicht deutlich hervorgehoben, so dass es notwendig ist, sich auf die Erfahrung und das Urteilsvermögen des Arztes oder Analytikers zu verlassen, was den Nachteil mit sich bringt, dass die Genauigkeit oder Objektivität etwas gering ist.
  • (Patentdokument)
  • KR 10-2014-0141526 (veröffentlicht am 10. Dezember 2014)
  • Zusammenfassung
  • Ein Problem, das durch die vorliegende Offenbarung gelöst werden soll, ist die Bereitstellung einer Vorrichtung und eines Verfahrens zur automatischen Berechnung eines Koronararterien-Kalzium-Scores ohne Eingriff eines Arztes oder Analytikers unter Verwendung eines künstlichen neuronalen Netzwerks.
  • Das durch die vorliegende Offenbarung zu lösende Problem ist jedoch nicht auf das oben genannte Problem beschränkt und wird nicht erwähnt, sondern umfasst einen Gegenstand, der für den Fachmann, an den sich die vorliegende Offenbarung richtet, aus der folgenden Beschreibung klar verständlich ist.
  • Gemäß einer Ausführungsform der vorliegenden Offenbarung wird ein Verfahren zum Berechnen eines Koronararterien-Kalzium-Scores bereitgestellt, wobei das Verfahren umfasst: Erfassen eines Zielbildes für eine Koronararterie und Myokard vor einer Kontrastverstärkung; Identifizieren der Koronararterie, die in dem Zielbild enthalten ist, unter Verwendung eines künstlichen neuronalen Netzwerks; und Berechnen eines Koronararterien-Kalzium-Scores basierend auf der identifizierten Koronararterie, wobei das künstliche neuronale Netzwerk auf der Grundlage einer Lerndatenbank angelernt wird, die durch Abgleich zwischen einem vor-erfassten Bild einer Koronararterie und Myokard vor einer Kontrastverstärkung und einem vor-erfassten Bild einer Koronararterie und Myokard nach einer Kontrastverstärkung erzeugt wird.
  • Weiterhin kann das Identifizieren der Koronararterie enthalten: Identifizieren von Informationen von wenigstens einer linken Koronararterie (LCA); einer linken Hauptkoronararterie (LMCA); einer linken anterioren absteigenden Koronararterie (LAD); einer proximalen linken anterioren absteigenden Arterie; einer mittleren linken anterioren absteigenden Arterie; einer distalen linken anterioren absteigenden Arterie; einer rechten Koronararterie (RCA); einer proximalen rechten Koronararterie; einer mittleren rechten Koronararterie; einer distalen rechten Koronararterie; einer posterioren absteigenden Arterie (PDA); und Myokard vom Zielbild unter Verwendung des künstlichen neuronalen Netzwerks.
  • Weiterhin können die Informationen Informationen über wenigstens eines der folgenden Merkmale enthalten: einen Ort, eine Form und eine Länge jeweils der linken Koronararterie, der linken Hauptkoronararterie, der linken anterioren absteigenden Koronararterie, der proximalen linken anterioren absteigenden Arterie, der mittleren linken anterioren absteigenden Arterie, der distalen linken anterioren absteigenden Arterie, der rechten Koronararterie, der proximalen rechten Koronararterie, der mittleren rechten Koronararterie, der distalen rechten Koronararterie, der posterioren absteigenden Arterie und des Myokards.
  • Weiterhin kann das Berechnen des Koronararterien-Kalzium-Scores das Identifizieren eines verkalkten Bereichs in dem Zielbild und das Berechnen des Koronararterien-Kalzium-Scores unter Verwendung eines Bereichs, der der identifizierten Koronararterie in dem identifizierten Bereich entspricht, enthalten.
  • Weiterhin können das vor-erfasste Bild für die Koronararterie und das Myokard vor der Kontrastverstärkung und das vor-erfasste Bild für die Koronararterie und das Myokard nach der Kontrastverstärkung Bilder für dasselbe Ziel sein, wobei das künstliche neuronale Netzwerk ein vollständig konvolutionales Netzwerk (FCN) enthalten kann.
  • Weiterhin kann das Zielbild ein Computertomographie (CT)-Bild sein.
  • Gemäß einer Ausführungsform der vorliegenden Offenbarung ist eine Vorrichtung zum Berechnen eines Koronararterien-Kalzium-Scores bereitgestellt, wobei die Vorrichtung umfasst: eine Zielbilderfassungseinheit, die ein Zielbild für eine Koronararterie und Myokard vor der Kontrastverstärkung erfasst; eine Koronararterien-Identifikationseinheit, die die in dem Zielbild enthaltene Koronararterie unter Verwendung eines künstlichen neuronalen Netzwerks identifiziert; und eine Berechnungseinheit, die einen Koronararterien-Kalzium-Score basierend auf der identifizierten Koronararterie berechnet, wobei das künstliche neuronale Netzwerk auf der Grundlage einer Lerndatenbank angelernt wird, die durch Abgleich zwischen einem vor-erfassten Bild einer Koronararterie und Myokard vor der Kontrastverstärkung und einem vor-erfassten Bild einer Koronararterie und Myokard nach der Kontrastverstärkung erzeugt wird.
  • Weiterhin kann die Koronararterien-Identifikationseinheit Informationen über wenigstens eines der folgenden Merkmale identifizieren: eine linke Koronararterie (LCA); eine linke Hauptkoronararterie (LMCA); eine linke anteriore absteigende Koronararterie (LAD); eine proximale linke anteriore absteigende Arterie; eine mittlere linke anteriore absteigende Arterie; eine distale linke anteriore absteigende Arterie; eine rechte Koronararterie (RCA); eine proximale rechte Koronararterie; eine mittlere rechte Koronararterie; eine distale rechte Koronararterie; eine posteriore absteigende Arterie (PDA); und Myokard vom Zielbild unter Verwendung des künstlichen neuronalen Netzwerks.
  • Weiterhin können die Informationen Informationen über wenigstens eines der folgenden Merkmale enthalten: einen Ort, eine Form und eine Länge jeweils der linken Koronararterie, der linken Hauptkoronararterie, der linken anterioren absteigenden Koronararterie, der proximalen linken anterioren absteigenden Arterie, der mittleren linken anterioren absteigenden Arterie, der distalen linken anterioren absteigenden Arterie, der rechten Koronararterie, der proximalen rechten Koronararterie, der mittleren rechten Koronararterie, der distalen rechten Koronararterie, der posterioren absteigenden Arterie und des Myokards.
  • Weiterhin kann die Berechnungseinheit einen verkalkten Bereich in dem Zielbild identifizieren, und den Koronararterien-Kalzium-Score unter Verwendung eines Bereichs berechnen, der der identifizierten Koronararterie in dem identifizierten Bereich entspricht.
  • Weiterhin können das vor-erfasste Bild für die Koronararterie und das Myokard vor der Kontrastverstärkung und das vor-erfasste Bild für die Koronararterie und das Myokard nach der Kontrastverstärkung Bilder für dasselbe Ziel sein, wobei das künstliche neuronale Netzwerk ein vollständig konvolutionales Netzwerk (FCN) enthalten kann.
  • Weiterhin kann das Zielbild ein Computertomographie (CT)-Bild sein.
  • Gemäß einer Ausführungsform der vorliegenden Offenbarung ist ein computerlesbares Aufzeichnungsmedium bereitgestellt, das ein Computerprogramm speichert, umfassend: Erfassen eines Zielbildes für eine Koronararterie und Myokard vor einer Kontrastverstärkung; Identifizieren der Koronararterie, die in dem Zielbild enthalten ist, unter Verwendung eines künstlichen neuronalen Netzwerks; und Berechnen eines Koronararterien-Kalzium-Scores basierend auf der identifizierten Koronararterie, wobei das künstliche neuronale Netzwerk einen Befehl enthält, der es einem Prozessor ermöglicht, ein Verfahren zum Berechnen eines Koronararterien-Kalzium-Scores durchzuführen, bei dem ein Lernen auf der Grundlage einer Lerndatenbank über einen Abgleich zwischen einem vor-erfassten Bild einer Koronararterie und Myokard vor der Kontrastverstärkung und einem vor-erfassten Bild einer Koronararterie und Myokard nach der Kontrastverstärkung durchgeführt wird.
  • Gemäß einer Ausführungsform der vorliegenden Offenbarung identifizieren die Vorrichtung und das Verfahren zur Berechnung eines Koronararterien-Kalzium-Scores die Koronararterie unter Verwendung des künstlichen neuronalen Netzwerks und berechnen den Koronararterien-Kalzium-Score basierend auf der identifizierten Koronararterie, um Genauigkeit, Zuverlässigkeit und Objektivität für die Berechnung des Koronararterien-Kalzium-Scores zu verbessern.
  • Dabei sind die Effekte, die in der vorliegenden Offenbarung erzielt werden können, nicht auf die oben genannten Effekte beschränkt, wobei andere, nicht erwähnte Effekte vom Fachmann, an den sich die vorliegende Offenbarung richtet, aus der folgenden Beschreibung klar verstanden werden.
  • Figurenliste
    • 1 veranschaulicht ein Beispiel eines Koronararterien-Identifizierungsverfahrens unter Verwendung eines künstlichen neuronalen Netzwerks gemäß einer Ausführungsform der vorliegenden Offenbarung.
    • 2 veranschaulicht ein Beispiel für eine funktionelle Konfiguration einer Vorrichtung zur Berechnung eines Koronararterien-Kalzium-Scores gemäß einer Ausführungsform der vorliegenden Offenbarung.
    • 3 veranschaulicht einen Ablauf jedes Schrittes eines Verfahrens zur Berechnung eines Koronararterien-Kalzium-Scores gemäß einer Ausführungsform der vorliegenden Offenbarung.
    • 4 veranschaulicht Beispiele eines Eingangsbildes und eines Ausgangsbildes einer Vorrichtung zur Berechnung eines Koronararterien-Kalzium-Scores gemäß einer Ausführungsform der vorliegenden Offenbarung.
  • Beschreibung von beispielhaften Ausführungsformen
  • Die Vorteile und Merkmale der vorliegenden Offenbarung und die Verfahren zu ihrer Verwirklichung sind aus der folgenden Beschreibung in Verbindung mit den beigefügten Zeichnungen klar ersichtlich. Die Ausführungsformen sind jedoch nicht auf die beschriebenen Ausführungsformen beschränkt, da die Ausführungsformen in verschiedenen Formen realisiert werden können. Es sollte beachtet werden, dass die vorliegenden Ausführungsformen bereitgestellt sind, um eine vollständige Offenbarung zu geben und auch, um dem Fachmann zu ermöglichen, die volle Bandbreite der Ausführungsformen vermittelt zu bekommen. Daher sind die Ausführungsformen nur durch den Umfang der beigefügten Ansprüche zu definieren.
  • Wenn bei der Beschreibung der Ausführungsformen der vorliegenden Offenbarung festgestellt wird, dass eine detaillierte Beschreibung zugehöriger bekannter Komponenten oder Funktionen das Wesentliche der vorliegenden Offenbarung unnötig verdeckt, dann ist die detaillierte Beschreibung davon weggelassen. Weiterhin sind die im Folgenden zu beschreibenden Begriffe unter Berücksichtigung der Funktionen der Ausführungsformen der vorliegenden Offenbarung definiert und können je nach Absicht oder Praxis eines Benutzers oder Bedieners variieren. Dementsprechend kann die Definition davon auf der Grundlage des Inhalts der gesamten Spezifikation erfolgen.
  • Die vorliegende Offenbarung kann modifiziert werden und verschiedene Ausführungsformen umfassen. Spezifische Ausführungsformen sind beispielhaft in den Zeichnungen dargestellt und in der detaillierten Beschreibung der Ausführungsformen beschrieben. Es sollte jedoch verstanden werden, dass sie nicht dazu gedacht sind, die vorliegende Offenbarung auf bestimmte Ausführungsformen zu beschränken, sondern vielmehr alle Modifikationen, Äquivalente und Alternativen abdecken sollen, die im Grundgedanken und Umfang der vorliegenden Offenbarung enthalten sind.
  • Die hier verwendeten Begriffe, einschließlich Ordnungszahlen wie „erster“ und „zweiter“, können zur Beschreibung und nicht zur Einschränkung verschiedener Komponenten verwendet werden. Die Begriffe unterscheiden die Komponenten lediglich voneinander.
  • Wenn aufgeführt ist, dass eine Komponente mit einer anderen Komponente „verbunden“ oder „verknüpft“ ist, dann ist es so zu verstehen, dass die erstgenannte Komponente direkt mit der letztgenannten Komponente verbunden oder verknüpft sein kann oder dass eine dritte Komponente zwischen den beiden Komponenten eingefügt sein kann.
  • 1 veranschaulicht ein Beispiel eines Koronararterien-Identifizierungsverfahrens unter Verwendung eines künstlichen neuronalen Netzes gemäß einer Ausführungsform der vorliegenden Offenbarung.
  • Bezugnehmend auf 1 kann ein Eingangsbild 101 ein Bild eines menschlichen Herzbereichs sein. Genauer gesagt, kann das Eingangsbild 101 ein Bild einer Koronararterie und eines Myokards vor einer Kontrastverstärkung enthalten.
  • Eine Vorrichtung zur Berechnung eines Koronararterien-Kalzium-Scores kann es ermöglichen, dass ein Bereich der Koronararterie, der im Eingangsbild 10 enthalten ist, durch ein künstliches neuronales Netzwerk 102 identifiziert wird. Wie in 1 dargestellt, kann der identifizierte Koronararterienbereich beispielsweise ein hervorgehobener Teil im Ausgabebild 103 sein, z.B. ein Teil, der durch X, Y oder Z gekennzeichnet ist.
  • Genauer gesagt kann die Vorrichtung zum Berechnen eines Koronararterien-Kalzium-Scores beispielsweise die im Eingangsbild 101 enthaltenen Koronararterien detailliert nach deren Typen klassifizieren, und darüber hinaus auch das Myokard klassifizieren. Die Koronararterien, die von der Vorrichtung zum Berechnen eines Koronararterien-Kalzium-Scores klassifiziert werden, können eine linke Koronararterie (LCA), eine linke Hauptkoronararterie (LMCA), eine linke anteriore absteigende Koronararterie (LAD), eine proximale linke anteriore absteigende Arterie, eine mittlere linke anteriore absteigende Arterie, eine distale linke anteriore absteigende Arterie, eine rechte Koronararterie (RCA), eine proximale rechte Koronararterie, eine mittlere rechte Koronararterie, eine distale rechte Koronararterie, eine posteriore absteigende Arterie (PDA), und dergleichen enthalten. Das Myokard, das von der Vorrichtung zur Berechnung eines Koronararterien-Kalzium-Scores klassifiziert wird, kann z.B. eine linke und eine rechte Herzkammer enthalten.
  • 2 veranschaulicht ein Beispiel für eine funktionelle Konfiguration einer Vorrichtung zur Berechnung eines Koronararterien-Kalzium-Scores gemäß einer Ausführungsform der vorliegenden Offenbarung.
  • Bezugnehmend auf 2 kann die Vorrichtung 10 zur Berechnung eines Koronararterien-Kalzium-Scores eine Zielbilderfassungseinheit 210, eine Koronararterien-Identifizierungseinheit 220 und eine Berechnungseinheit 230 enthalten.
  • Die Zielbilderfassungseinheit 210 kann ein Zielbild der Koronararterie und des Myokards vor der Kontrastverstärkung erfassen. Das Zielbild kann ein medizinisches Bild enthalten. Das Zielbild kann zum Beispiel ein Computertomographie (CT)-Bild enthalten, ist aber nicht darauf beschränkt.
  • In einigen Fällen kann das Zielbild selbstverständlich auch andere Organe als die Koronararterie und das Myokard enthalten. Da das Zielbild jedoch ein Bild ist, bevor ein Kontrastmittel verabreicht wird, kann das Zielbild ein Bild in einem uneindeutigen Zustand sein, in dem eine Grenze jedes Organs nicht eindeutig zu erkennen ist. Ein diesbezügliches spezifisches Beispiel ist unter Bezugnahme auf 4 beschrieben.
  • Die Koronararterien-Identifizierungseinheit 220 kann die im Zielbild enthaltene Koronararterie unter Verwendung des künstlichen neuronalen Netzwerks 102 identifizieren. Hier führt das künstliche neuronale Netzwerk 102 ein Lernen auf der Grundlage einer Lerndatenbank durch, die durch einen Abgleich zwischen dem vor-erfassten Bild der Koronararterie und des Myokards vor der Kontrastverstärkung und dem vor-erfassten Bild der Koronararterie und des Myokards nach der Kontrastverstärkung erzeugt wird.
  • Das vor-erfasste Bild der Koronararterie und des Myokards vor der Kontrastverstärkung und das vor-erfasste Bild der Koronararterie und des Myokards nach der Kontrastverstärkung als ein Bild desselben Ziels, d.h. desselben Patienten, können eine große Menge an im Voraus gespeicherten Daten sein.
  • Dabei kann es eine Mehrzahl von Bildern vor und nach der Kontrastverstärkung geben, die für das Lernen des künstlichen neuronalen Netzwerks 102 verwendet werden, wobei die abgeglichenen Bilder vor und nach der Kontrastverstärkung Bilder desselben Ziels sein können. Der Abgleich der Bilder desselben Ziels ist für den Fachmann einfach, so dass eine detailliertere Beschreibung diesbezüglich entfallen kann.
  • Dabei kann, basierend auf der Verabreichung des Kontrastmittels an den Patienten, ein medizinisches Bild nach der Kontrastverstärkung aufgenommen werden, wobei das medizinische Bild nach der Kontrastverstärkung eine deutlichere Unterscheidung der einzelnen Organe ermöglicht. Das oben beschriebene künstliche neuronale Netzwerk 102 kann ein Algorithmus sein, der angelernt ist, um jedes Organ, das in dem Bild vor der Kontrastverstärkung enthalten ist, bei Empfang des Bildes vor der Kontrastverstärkung als ein Eingangsbild, später unter Verwendung des medizinischen Bildes nach der Kontrastverstärkung genau zu klassifizieren.
  • Die Koronararterien können entsprechend den Typen in dem medizinischen Bild nach der Kontrastverstärkung klassifiziert werden, das für das Lernen des künstlichen neuronalen Netzes 102 verwendet wird, und dementsprechend können die Koronararterien zum Lernen genommen werden, um weiter in detaillierte Typen zusätzlich zur Klassifizierung der Koronararterie selbst unterteilt zu werden.
  • Das künstliche neuronale Netz 102 kann ein vollständig konvolutionales Netz (FCN) enthalten. Das künstliche neuronale Netzwerk 102 ist jedoch nicht darauf beschränkt und kann verschiedene maschinelle Lernalgorithmen (oder einen tiefgehenden Lern-Algorithmus oder einen Algorithmus der künstlichen Intelligenz) enthalten, die mit der Bildidentifikation zusammenhängen.
  • Die Koronararterien-Identifizierungseinheit 220 kann das Myokard und die Koronararterie im Zielbild unter Verwendung des künstlichen neuronalen Netzwerks 102 klassifizieren und die Koronararterie weiter im Detail nach dem Typ klassifizieren. Die Klassifizierung kann auf der Grundlage von Informationen über wenigstens eines der folgenden Merkmale durchgeführt werden: Lage, Form und Länge jeweils der linken Koronararterie, der linken Hauptkoronararterie, der linken anterioren absteigenden Koronararterie, der proximalen linken anterioren absteigenden Arterie, der mittleren linken anterioren absteigenden Arterie, der distalen linken anterioren absteigenden Arterie, der rechten Koronararterie, der proximalen rechten Koronararterie, der mittleren rechten Koronararterie, der distalen rechten Koronararterie, der posterioren absteigenden Arterie und dem Myokard.
  • Die Berechnungseinheit 230 kann den Koronararterien-Kalzium-Score auf der Grundlage der identifizierten Koronararterie berechnen. Die Identifikationseinheit 230 kann einen verkalkten Bereich (oder einen Bereich, in dem sich Kalzium angesammelt hat) im Zielbild identifizieren und einen Bereich bestimmen, der der identifizierten Koronararterie von den identifizierten Bereichen entspricht. Die Berechnungseinheit 230 kann den Koronararterien-Kalzium-Score gemäß einem Kalzium-Score eines Bereichs, der der Koronararterie entspricht, berechnen.
  • Genauer gesagt kann das Zielbild das Myokard oder andere Organe zusätzlich zur Koronararterie enthalten. Dementsprechend kann, wenn der verkalkte Bereich für das gesamte Zielbild identifiziert wird, der verkalkte Bereich aus verschiedenen Gründen in einem anderen Teil als der Koronararterie vorhanden sein. Die Berechnungseinheit 230 kann den Koronararterien-Kalzium-Score berechnen, indem sie den Bereich bestimmt, der der Koronararterie im verkalkten Bereich entspricht, wie es oben beschrieben ist.
  • In diesem Fall kann auch Informationen, welche Koronararterie besonders stark verkalkt ist, basierend auf dem Typ der identifizierten Koronararterie erfasst werden. Mit anderen Worten, die Vorrichtung 10 zur Berechnung eines Koronararterien-Kalzium-Scores kann eine detailliertere Berechnung des Koronararterien-Kalzium-Scores durchführen, und kann weiterhin eine Diagnose eines vorhergesagten Ortes einer kardiovaskulären Erkrankung, einer Wahrscheinlichkeit des Auftretens einer kardiovaskulären Erkrankung, eines Risikoniveaus usw. unter Verwendung der Informationen durchführen.
  • In einigen Fällen kann die Berechnungseinheit 230 zunächst den Bereich identifizieren, der der Koronararterie im Zielbild entspricht, und den Kalzifizierungsgrad für den Bereich bestimmen, und auch gleichzeitig den Bereich identifizieren, der der Koronararterie entspricht, und natürlich den Kalzifizierungsgrad bestimmen.
  • Währenddessen ist der Kalzium-Score ein Wert, der von einer Menge an angesammeltem Kalzium in der Koronararterie abhängt, wobei die Berechnungseinheit 230 den Kalzium-Score automatisch gemäß einem voreingestellten Kriterium berechnen kann. Auf eine detaillierte Beschreibung wird verzichtet, da sie für den Fachmann in Bezug auf das Kriterium zur Berechnung des Kalzium-Scores einfach ist.
  • 3 veranschaulicht den Ablauf der einzelnen Schritte eines Verfahrens zum Berechnen eines Koronararterien-Kalzium-Scores gemäß einer Ausführungsform der vorliegenden Offenbarung. Nachfolgend ist in 3 jede Komponente der Vorrichtung 10 zur Berechnung eines Koronararterien-Kalzium-Scores von 2 beschrieben, wobei weiterhin jeder Schritt des in 3 dargestellten Verfahrens in einigen Fällen natürlich in einer anderen als in der Figur dargestellten Reihenfolge ausgeführt werden kann.
  • Unter Bezugnahme auf 3 kann eine Zielbilderfassungseinheit 210 ein Zielbild einer Koronararterie und des Myokards vor der Kontrastverstärkung erfassen (S110). Genauer gesagt, kann die Zielbilderfassungseinheit 210 als Zielbild ein medizinisches Bild erfassen, das die Koronararterie und das Myokard eines Patienten enthält, dem kein Kontrastmittel verabreicht wird. Das medizinische Bild kann verschiedene Arten von medizinisch verwendeten Bildern, Computertomographie (CT)-Bilder und ähnliches enthalten.
  • Unterdessen kann das von der Zielbilderfassungseinheit 210 als medizinisches Bild vor der Kontrastverstärkung erfasste Zielbild im Allgemeinen ein Bild sein, in dem eine Unterscheidung zwischen der Koronararterie und anderen Organen uneindeutig ist.
  • Eine Koronararterien-Identifizierungseinheit 220 kann die Koronararterie unter Verwendung eines künstlichen neuronalen Netzwerks 102 identifizieren (S120). Insbesondere kann die Koronararterien-Identifizierungseinheit 220 die im Zielbild enthaltene Koronararterie unter Verwendung des künstlichen neuronalen Netzwerks 102 identifizieren. Weiterhin kann die Koronararterien-Identifizierungseinheit 220 das künstliche neuronale Netzwerk 102 verwenden, um die Koronararterie in einem solchen Zielbild deutlicher hervorzuheben.
  • Das künstliche neuronale Netzwerk 102 kann ein Algorithmus sein, der unter Verwendung einer Lerndatenbank angelernt wird, die durch Abgleich zwischen dem Bild der Koronararterie und des Myokards vor der Kontrastverstärkung und dem Bild der Koronararterie und des Myokards nach der Kontrastverstärkung erlangt wird. In diesem Fall können die Bilder vor und nach der Kontrastverstärkung, die für den Abgleich verwendet werden, Bilder für dasselbe Ziel, d.h. denselben Patienten, sein. Die Koronararterien-Identifizierungseinheit 220 kann die Koronararterie und das Myokard im Zielbild im Detail basierend auf dem künstlichen neuronalen Netzwerk 102 identifizieren.
  • Die Berechnungseinheit 230 kann den Koronararterien-Kalzium-Score basierend auf der identifizierten Koronararterie berechnen (S130). Insbesondere kann die Berechnungseinheit 230 Informationen über einen verkalkten Teil durch Bestimmen des Zielbildes erfassen, und den verkalkten Teil und einen Teil der identifizierten Koronararterie vergleichen, um einen Teil zu bestimmen, der der Koronararterie im verkalkten Teil entspricht. Basierend auf der Bestimmung kann die Berechnungseinheit 230 den Koronararterien-Kalzium-Score berechnen, indem eine Analyse eines Kalzifizierungsgrads der Koronararterie durchgeführt wird.
  • In einigen Fällen kann die Berechnungseinheit 230 zunächst einen Bereich identifizieren, der der Koronararterie im Zielbild entspricht, und den Kalzium-Score für den entsprechenden Bereich bestimmen, oder auch gleichzeitig den Koronararterienbereich identifizieren und natürlich den Kalzifizierungsgrad bestimmen.
  • Dabei kann der Koronararterien-Kalzium-Score durch Verwenden verschiedener, allgemein gebräuchlicher Techniken berechnet werden. Beispielsweise kann der Koronararterien-Kalzium-Score unter Verwendung eines Verfahrens zur Messung der in der Koronararterie angesammelten Kalziummenge und Festlegung eines Scores im Verhältnis zum Ausmaß der Menge berechnet werden.
  • 4 veranschaulicht Beispiele für ein Eingangsbild und ein Ausgangsbild einer Vorrichtung zur Berechnung eines Koronararterien-Kalzium-Scores gemäß einer Ausführungsform der vorliegenden Offenbarung.
  • Die Vorrichtung 10 zum Berechnen eines Koronararterien-Kalzium-Scores kann ein Eingangsbild 401 als das Zielbild empfangen. Die Vorrichtung 10 zum Berechnen eines Koronararterien-Kalzium-Scores kann das Eingangsbild 401 basierend auf dem künstlichen neuronalen Netzwerk 102 analysieren und ein Ausgangsbild 402 bereitstellen, in dem die Koronararterie und das Myokard unterschieden sind.
  • Wie in 4 dargestellt, kann das Eingangsbild 401 als medizinisches Bild vor der Kontrastverstärkung ein Bild sein, in dem die Unterscheidung jedes im Bild erscheinenden Organs uneindeutig ist. Der Teil, der der Koronararterie entspricht, kann jedoch hervorgehoben und wie das Ausgangsbild 402 auf der Grundlage des Eingangsbildes 401 angezeigt werden, das von der Koronararterien-Identifizierungseinheit 220 der vorliegenden Offenbarung identifiziert ist.
  • Ein mit A gekennzeichneter Teil im Ausgangsbild 402 kann einen Teil anzeigen, der einer linken Herzkammer entspricht, wobei andere Teile, z.B. die mit B bis E gekennzeichneten Teile, Teile sein können, die der Koronararterie entsprechen. Wie oben beschrieben, kann die Vorrichtung 10 zur Berechnung eines Koronararterien-Kalzium-Scores die Koronararterien im Detail klassifizieren, so dass die Koronararterien entsprechend den Typen, wie sie im Ausgabebild 402 dargestellt sind, klassifiziert und angezeigt werden können. Die Klassifizierung ist jedoch nur ein Beispiel, wobei der Grundgedanke der vorliegenden Offenbarung natürlich nicht darauf beschränkt ist.
  • Weiterhin kann das Ausgabebild 402 bereitgestellt sein, um in der Vorrichtung 10 zur Berechnung eines Koronararterien-Kalzium-Scores angezeigt zu werden, wobei in einigen Fällen das Ausgabebild 402 nicht bereitgestellt wird, weshalb nur ein Kalzium-Score für jede Koronararterie und ein endgültiger durchschnittlicher Kalzium-Score berechnet und bereitgestellt werden kann.
  • Die Kombinationen der jeweiligen Blöcke eines Blockdiagramms und die Kombinationen der jeweiligen Sequenzen eines hier beigefügten Flussdiagramms sind durch Computerprogrammanweisungen ausführbar. Da die Computerprogrammanweisungen vom Prozessor eines Allzweckcomputers, eines Spezialcomputers oder eines anderen programmierbaren Datenverarbeitungsgeräts ausführbar sind, erzeugen die Anweisungen, die vom Prozessor des Computers oder eines anderen programmierbaren Datenverarbeitungsgeräts ausgeführt werden, Mittel zur Ausführung der in den jeweiligen Sequenzen des Flussdiagramms oder den jeweiligen Blöcken des Blockdiagramms beschriebenen Funktionen. Die Computerprogrammanweisungen können, um Funktionen in einer bestimmten Weise umzusetzen, in einem computerlesbaren Speichermedium oder einem computerverwendbaren Speichermedium für ein anderes programmierbares Datenverarbeitungsgerät gespeichert sein, wobei die in dem computerlesbaren Speichermedium oder dem computerverwendbaren Speichermedium gespeicherten Anweisungen Fertigungselemente erzeugen können, die Mittel für Anweisungen enthalten, um die in den jeweiligen Sequenzen des Flussdiagramms oder den jeweiligen Blöcken des Blockdiagramms beschriebenen Funktionen auszuführen. Die Computerprogrammanweisungen können in einen Computer oder ein anderes programmierbares Datenverarbeitungsgerät geladen werden, und daher können die Anweisungen, die eine Reihe von Sequenzen sind, die in einem Computer oder einem anderen programmierbaren Datenverarbeitungsgerät ausgeführt werden, um Prozesse zu erzeugen, die von einem Computer ausgeführt werden, um einen Computer oder ein anderes programmierbares Datenverarbeitungsgerät zu betreiben, Operationen zur Ausführung von Funktionen bereitstellen, die in den jeweiligen Sequenzen des Flussdiagramms oder den jeweiligen Blöcken des Blockdiagramms beschrieben sind.
  • Darüber hinaus können sich der jeweilige Block oder die jeweiligen Sequenzen auf zwei oder mehr Module, Segmente oder Codes beziehen, die wenigstens eine ausführbare Anweisung zum Ausführen einer bestimmten Logikfunktion(en) enthalten. Bei einigen alternativen Ausführungsformen wird darauf hingewiesen, dass die in den Sequenzen beschriebenen Funktionen in einer anderen Reihenfolge ausgeführt werden können. Zum Beispiel können zwei aufeinanderfolgende Sequenzen gleichzeitig oder in umgekehrter Reihenfolge entsprechend der jeweiligen Funktion ausgeführt werden.
  • Die obige Beschreibung veranschaulicht die technische Idee der vorliegenden Erfindung, wobei dem Fachmann, an den die vorliegende Erfindung gerichtet ist, bewusst ist, dass verschiedene Änderungen und Modifikationen vorgenommen werden können, ohne vom Umfang der wesentlichen Merkmale der vorliegenden Erfindung abzuweichen. Daher dienen die hierin offenbarten beispielhaften Ausführungsformen nicht dazu, die technische Idee der vorliegenden Erfindung einzuschränken, sondern dazu, um die vorliegende Erfindung zu erläutern, wobei der Umfang der technischen Idee der vorliegenden Erfindung durch diese Ausführungsformen nicht eingeschränkt ist. Daher sollte der Schutzumfang der vorliegenden Erfindung so ausgelegt werden, wie er in den folgenden Ansprüchen definiert ist, wobei alle technischen Ideen, die unter die technische Idee der vorliegenden Erfindung fallen, vom Umfang der Ansprüche der vorliegenden Erfindung umfasst sein sollen.
  • ZITATE ENTHALTEN IN DER BESCHREIBUNG
  • Diese Liste der vom Anmelder aufgeführten Dokumente wurde automatisiert erzeugt und ist ausschließlich zur besseren Information des Lesers aufgenommen. Die Liste ist nicht Bestandteil der deutschen Patent- bzw. Gebrauchsmusteranmeldung. Das DPMA übernimmt keinerlei Haftung für etwaige Fehler oder Auslassungen.
  • Zitierte Patentliteratur
    • KR 1020140141526 [0006]

Claims (13)

  1. Verfahren zum Berechnen eines Koronararterien-Kalzium-Scores, wobei das Verfahren umfasst: Erfassen eines Zielbildes für eine Koronararterie und Myokard vor einer Kontrastverstärku ng; Identifizieren der Koronararterie, die in dem Zielbild enthalten ist, unter Verwendung eines künstlichen neuronalen Netzwerks; und Berechnen eines Koronararterien-Kalzium-Scores basierend auf der identifizierten Koronararterie, wobei das künstliche neuronale Netzwerk auf der Grundlage einer Lerndatenbank angelernt wird, die durch Abgleich zwischen einem vor-erfassten Bild einer Koronararterie und Myokard vor einer Kontrastverstärkung und einem vor-erfassten Bild einer Koronararterie und Myokard nach einer Kontrastverstärkung erzeugt wird.
  2. Verfahren nach Anspruch 1, wobei das Identifizieren der Koronararterie enthält: Identifizieren von Informationen von wenigstens einer linken Koronararterie (LCA); einer linken Hauptkoronararterie (LMCA); einer linken anteriore absteigende Koronararterie (LAD); einer proximalen linken anterioren absteigenden Arterie; einer mittleren linken anterioren absteigenden Arterie; einer distalen linken anterioren absteigenden Arterie; einer rechten Koronararterie (RCA); einer proximalen rechten Koronararterie; einer mittleren rechten Koronararterie; einer distalen rechten Koronararterie; einer posterioren absteigenden Arterie (PDA); und Myokard vom Zielbild unter Verwendung des künstlichen neuronalen Netzwerks.
  3. Verfahren nach Anspruch 2, wobei die Informationen Informationen über wenigstens eines der folgenden Merkmale enthalten: einen Ort, eine Form und eine Länge jeweils der linken Koronararterie, der linken Hauptkoronararterie, der linken anterioren absteigenden Koronararterie, der proximalen linken anterioren absteigenden Arterie, der mittleren linken anterioren absteigenden Arterie, der distalen linken anterioren absteigenden Arterie, der rechten Koronararterie, der proximalen rechten Koronararterie, der mittleren rechten Koronararterie, der distalen rechten Koronararterie, der posterioren absteigenden Arterie und des Myokards.
  4. Verfahren nach Anspruch 1, wobei das Berechnen des Koronararterien-Kalzium-Scores das Identifizieren eines verkalkten Bereichs in dem Zielbild und das Berechnen des Koronararterien-Kalzium-Scores unter Verwendung eines Bereichs, der der identifizierten Koronararterie in dem identifizierten Bereich entspricht, umfasst.
  5. Verfahren nach Anspruch 1, wobei das vor-erfasste Bild für die Koronararterie und das Myokard vor der Kontrastverstärkung und das vor-erfasste Bild für die Koronararterie und das Myokard nach der Kontrastverstärkung Bilder für dasselbe Ziel sind, und wobei das künstliche neuronale Netzwerk ein vollständig konvolutionales Netzwerk (FCN) enthält.
  6. Verfahren nach Anspruch 1, wobei das Zielbild ein Computertomographie (CT)-Bild ist.
  7. Vorrichtung zum Berechnen eines Koronararterien-Kalzium-Scores, wobei die Vorrichtung umfasst: eine Zielbilderfassungseinheit, die ein Zielbild für eine Koronararterie und Myokard vor der Kontrastverstärkung erfasst; eine Koronararterien-Identifikationseinheit, die die in dem Zielbild enthaltene Koronararterie unter Verwendung eines künstlichen neuronalen Netzwerks identifiziert; und eine Berechnungseinheit, die einen Koronararterien-Kalzium-Score basierend auf der identifizierten Koronararterie berechnet, wobei das künstliche neuronale Netzwerk auf der Grundlage einer Lerndatenbank angelernt wird, die durch Abgleich zwischen einem vor-erfassten Bild einer Koronararterie und Myokard vor der Kontrastverstärkung und einem vor-erfassten Bild einer Koronararterie und Myokard nach der Kontrastverstärkung erzeugt wird.
  8. Vorrichtung nach Anspruch 7, wobei die Koronararterien-Identifikationseinheit Informationen über wenigstens eines der folgenden Merkmale identifiziert: eine linke Koronararterie (LCA); eine linke Hauptkoronararterie (LMCA); eine linke anteriore absteigende Koronararterie (LAD); eine proximale linke anteriore absteigende Arterie; eine rechte Koronararterie (RCA); eine proximale rechte Koronararterie; eine mittlere rechte Koronararterie; eine distale rechte Koronararterie; eine posteriore absteigende Arterie (PDA); und Myokard vom Zielbild unter Verwendung des künstlichen neuronalen Netzwerks.
  9. Vorrichtung nach Anspruch 8, wobei die Informationen Informationen über wenigstens eines der folgenden Merkmale enthalten: einen Ort, eine Form und eine Länge jeweils der linken Koronararterie, der linken Hauptkoronararterie, der linken anterioren absteigenden Koronararterie, der proximalen linken anterioren absteigenden Arterie, der mittleren linken anterioren absteigenden Arterie, der distalen linken anterioren absteigenden Arterie, der rechten Koronararterie, der proximalen rechten Koronararterie, der mittleren rechten Koronararterie, der distalen rechten Koronararterie, der posterioren absteigenden Arterie und des Myokards.
  10. Vorrichtung nach Anspruch 7, wobei die Berechnungseinheit einen verkalkten Bereich in dem Zielbild identifiziert, und den Koronararterien-Kalzium-Score unter Verwendung eines Bereichs berechnet, der der identifizierten Koronararterie in dem identifizierten Bereich entspricht.
  11. Vorrichtung nach Anspruch 7, wobei das vor-erfasste Bild für die Koronararterie und das Myokard vor der Kontrastverstärkung und das vor-erfasste Bild für die Koronararterie und das Myokard nach der Kontrastverstärkung Bilder für dasselbe Ziel sind, und wobei das künstliche neuronale Netzwerk ein vollständig konvolutionales Netzwerk (FCN) enthält.
  12. Vorrichtung nach Anspruch 7, wobei das Zielbild ein Computertomographie (CT)-Bild ist.
  13. Computerlesbares Aufzeichnungsmedium, das ein Computerprogramm speichert, umfassend: Erfassen eines Zielbildes für eine Koronararterie und Myokard vor einer Kontrastverstärkung; Identifizieren der Koronararterie, die in dem Zielbild enthalten ist, unter Verwendung eines künstlichen neuronalen Netzwerks; und Berechnen eines Koronararterien-Kalzium-Scores basierend auf der identifizierten Koronararterie, wobei das künstliche neuronale Netzwerk einen Befehl enthält, der es einem Prozessor ermöglicht, ein Verfahren zum Berechnen eines Koronararterien-Kalzium-Scores durchzuführen, bei dem ein Lernen auf der Grundlage einer Lerndatenbank über einen Abgleich zwischen einem vor-erfassten Bild einer Koronararterie und Myokard vor der Kontrastverstärkung und einem vor-erfassten Bild einer Koronararterie und Myokard nach der Kontrastverstärkung durchgeführt wird.
DE112019005696.4T 2018-11-14 2019-11-07 Verfahren und Vorrichtung zur Berechnung eines Koronararterien-Kalzium-Scores Pending DE112019005696T5 (de)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
KR10-2018-0140024 2018-11-14
KR1020180140024A KR102354396B1 (ko) 2018-11-14 2018-11-14 관상동맥석회화점수 산정 방법 및 장치
PCT/KR2019/015058 WO2020101264A1 (ko) 2018-11-14 2019-11-07 관상동맥석회화점수 산정 방법 및 장치

Publications (1)

Publication Number Publication Date
DE112019005696T5 true DE112019005696T5 (de) 2021-08-26

Family

ID=70732159

Family Applications (1)

Application Number Title Priority Date Filing Date
DE112019005696.4T Pending DE112019005696T5 (de) 2018-11-14 2019-11-07 Verfahren und Vorrichtung zur Berechnung eines Koronararterien-Kalzium-Scores

Country Status (4)

Country Link
US (1) US11877880B2 (de)
KR (1) KR102354396B1 (de)
DE (1) DE112019005696T5 (de)
WO (1) WO2020101264A1 (de)

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102418483B1 (ko) * 2020-09-16 2022-07-06 연세대학교 산학협력단 저전압을 이용한 ct 영상에서 혈관 질환 위험도 계산 방법 및 장치
CN112927196B (zh) * 2021-02-09 2024-03-22 深圳睿心智能医疗科技有限公司 钙化积分方法及装置
WO2023132523A1 (ko) * 2022-01-10 2023-07-13 주식회사 온택트헬스 인공지능 모델에 기반하여 석회화에 대한 진단을 보조하기 위한 방법 및 장치

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20140141526A (ko) 2013-05-31 2014-12-10 지멘스 악티엔게젤샤프트 석회화된 혈관의 분할

Family Cites Families (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2008135946A2 (en) * 2007-05-08 2008-11-13 Koninklijke Philips Electronics N.V. Coronary artery selective calcium assignment using low dose calcium scoring scans
US8867822B2 (en) 2011-10-14 2014-10-21 Fujifilm Corporation Model-based coronary artery calcium scoring
US9642586B2 (en) 2014-08-18 2017-05-09 Siemens Aktiengesellschaft Computer-aided analysis of medical images
KR102522539B1 (ko) * 2015-08-17 2023-04-18 삼성전자주식회사 의료영상 표시장치 및 의료영상 처리방법
KR101902882B1 (ko) * 2016-07-14 2018-11-13 연세대학교 산학협력단 랜덤 트리 워크 알고리즘을 이용하여 삼차원 관상동맥 컴퓨터 단층촬영 혈관 조영 영상에서 관상동맥을 추적하기 위한 방법
US10452813B2 (en) * 2016-11-17 2019-10-22 Terarecon, Inc. Medical image identification and interpretation
CN107016681B (zh) * 2017-03-29 2023-08-25 浙江师范大学 基于全卷积网络的脑部mri肿瘤分割方法

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20140141526A (ko) 2013-05-31 2014-12-10 지멘스 악티엔게젤샤프트 석회화된 혈관의 분할

Also Published As

Publication number Publication date
US11877880B2 (en) 2024-01-23
KR20200056105A (ko) 2020-05-22
KR102354396B1 (ko) 2022-01-24
US20220000441A1 (en) 2022-01-06
WO2020101264A1 (ko) 2020-05-22

Similar Documents

Publication Publication Date Title
DE102011013505B4 (de) Verfahren und System zur automatischen Erkennung und Klassifizierung von Koronarstenosen in Herz-CT-Volumina
DE10311319B4 (de) Verfahren, System und Computerprodukt zur Planung eines Herzinterventionsverfahrens
EP3185215A1 (de) Automatisierte ermittlung von konturen auf basis einer iterativen rekonstruktion
DE112019005696T5 (de) Verfahren und Vorrichtung zur Berechnung eines Koronararterien-Kalzium-Scores
DE102014213408B4 (de) Verfahren zur Ermittlung eines dreidimensionalen Modelldatensatzes eines wenigstens ein Gefäßsegment umfassenden Blutgefäßsystems
DE102017221297A1 (de) Verfahren und Vorrichtung zur automatisierten Auswertung wenigstens eines mit einer medizinischen Bildaufnahmeeinrichtung aufgenommenen Bilddatensatzes, Computerprogramm und elektronisch lesbarer Datenträger
DE102006026695A1 (de) Verfahren, Vorrichtung und Computerprogrammprodukt zum Auswerten von dynamischen Bildern einer Kavität
DE112009001676T5 (de) Diagnosesystem für Gehirnerkrankungen
DE10350438A1 (de) Verfahren und Einrichtung zur medizinischen Interventionsverfahrenplanung
DE102011090047A1 (de) Kontrollverfahren und Kontrollsystem
EP3640894A1 (de) Verfahren zur rekonstruktion eines bilddatensatzes der computertomographie, computertomographieeinrichtung, computerprogramm und elektronisch lesbarer datenträger
DE102018214325A1 (de) Verfahren und Bereitstellungseinheit zum Bereitstellen eines virtuellen tomographischen Schlaganfall-Nachfolgeuntersuchungsbildes
DE102019201079B4 (de) Verfahren und bildgebendes Gerät zum Erzeugen eines bewegungskompensierten Bildes, Computerprogramm und Speichermedium
DE102012214513A1 (de) Automatisierte Qualitätskontrolle für ein Röntgenbild
DE102019210473A1 (de) Verfahren und Vorrichtung zur Bildgebung in der Computertomographie
DE102013220018A1 (de) Berechnung eines Untersuchungsparameters
DE102009032442B4 (de) Verfahren und Vorrichtung zur Nachbearbeitung von mittels eines bildgebenden Systems erfassten Messwerten
DE102019211049A1 (de) Myokardialer blutfluss mit zuverlässigkeitsmerkmal
DE102006031937A1 (de) Verfahren und Vorrichtung zur Bewertung eines Bildes und/oder einer zeitlichen Bildsequenz von Gewebe oder Gewebeproben
DE10312193A1 (de) Verfahren zum Betreiben eines bildgebenden medizinischen Untersuchungsgeräts
EP3420902A1 (de) Verfahren zur ermittlung einer gewebeverteilungsinformation aus röntgenbilddaten, röntgeneinrichtung, computerprogramm und elektronisch lesbarer datenträger
DE102023203884A1 (de) Medizinbilddiagnosehilfsvorrichtung und Verfahren zum Erzeugen und Visualisieren von Hilfsinformationen auf der Basis von Verteilungen von Signalintensitäten in Medizinbildern
DE112019005655T5 (de) Myokardbildanalyseverfahren und -vorrichtung
DE102015206155A1 (de) Ermitteln eines Initialisierungszeitpunkts einer Bildaufnahme unter Einsatz eines Kontrastmittels
DE102020214319B3 (de) Bereitstellen eines optimalen Subtraktionsdatensatzes

Legal Events

Date Code Title Description
R012 Request for examination validly filed