JP2017506997A - 4次元(4d)フロー磁気共鳴画像化のための装置、方法、および物品 - Google Patents
4次元(4d)フロー磁気共鳴画像化のための装置、方法、および物品 Download PDFInfo
- Publication number
- JP2017506997A JP2017506997A JP2016565120A JP2016565120A JP2017506997A JP 2017506997 A JP2017506997 A JP 2017506997A JP 2016565120 A JP2016565120 A JP 2016565120A JP 2016565120 A JP2016565120 A JP 2016565120A JP 2017506997 A JP2017506997 A JP 2017506997A
- Authority
- JP
- Japan
- Prior art keywords
- flow
- mri
- processor
- blood
- voxels
- 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
Classifications
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/05—Detecting, measuring or recording for diagnosis by means of electric currents or magnetic fields; Measuring using microwaves or radio waves
- A61B5/055—Detecting, measuring or recording for diagnosis by means of electric currents or magnetic fields; Measuring using microwaves or radio waves involving electronic [EMR] or nuclear [NMR] magnetic resonance, e.g. magnetic resonance imaging
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/0033—Features or image-related aspects of imaging apparatus classified in A61B5/00, e.g. for MRI, optical tomography or impedance tomography apparatus; arrangements of imaging apparatus in a room
- A61B5/004—Features or image-related aspects of imaging apparatus classified in A61B5/00, e.g. for MRI, optical tomography or impedance tomography apparatus; arrangements of imaging apparatus in a room adapted for image acquisition of a particular organ or body part
- A61B5/0044—Features or image-related aspects of imaging apparatus classified in A61B5/00, e.g. for MRI, optical tomography or impedance tomography apparatus; arrangements of imaging apparatus in a room adapted for image acquisition of a particular organ or body part for the heart
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/02—Detecting, measuring or recording pulse, heart rate, blood pressure or blood flow; Combined pulse/heart-rate/blood pressure determination; Evaluating a cardiovascular condition not otherwise provided for, e.g. using combinations of techniques provided for in this group with electrocardiography or electroauscultation; Heart catheters for measuring blood pressure
- A61B5/02007—Evaluating blood vessel condition, e.g. elasticity, compliance
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/02—Detecting, measuring or recording pulse, heart rate, blood pressure or blood flow; Combined pulse/heart-rate/blood pressure determination; Evaluating a cardiovascular condition not otherwise provided for, e.g. using combinations of techniques provided for in this group with electrocardiography or electroauscultation; Heart catheters for measuring blood pressure
- A61B5/02007—Evaluating blood vessel condition, e.g. elasticity, compliance
- A61B5/02014—Determining aneurysm
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/02—Detecting, measuring or recording pulse, heart rate, blood pressure or blood flow; Combined pulse/heart-rate/blood pressure determination; Evaluating a cardiovascular condition not otherwise provided for, e.g. using combinations of techniques provided for in this group with electrocardiography or electroauscultation; Heart catheters for measuring blood pressure
- A61B5/021—Measuring pressure in heart or blood vessels
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/02—Detecting, measuring or recording pulse, heart rate, blood pressure or blood flow; Combined pulse/heart-rate/blood pressure determination; Evaluating a cardiovascular condition not otherwise provided for, e.g. using combinations of techniques provided for in this group with electrocardiography or electroauscultation; Heart catheters for measuring blood pressure
- A61B5/026—Measuring blood flow
- A61B5/0263—Measuring blood flow using NMR
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
- A61B5/7235—Details of waveform analysis
- A61B5/7253—Details of waveform analysis characterised by using transforms
- A61B5/7257—Details of waveform analysis characterised by using transforms using Fourier transforms
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R33/00—Arrangements or instruments for measuring magnetic variables
- G01R33/20—Arrangements or instruments for measuring magnetic variables involving magnetic resonance
- G01R33/44—Arrangements or instruments for measuring magnetic variables involving magnetic resonance using nuclear magnetic resonance [NMR]
- G01R33/48—NMR imaging systems
- G01R33/54—Signal processing systems, e.g. using pulse sequences ; Generation or control of pulse sequences; Operator console
- G01R33/56—Image enhancement or correction, e.g. subtraction or averaging techniques, e.g. improvement of signal-to-noise ratio and resolution
- G01R33/563—Image enhancement or correction, e.g. subtraction or averaging techniques, e.g. improvement of signal-to-noise ratio and resolution of moving material, e.g. flow contrast angiography
- G01R33/56308—Characterization of motion or flow; Dynamic imaging
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R33/00—Arrangements or instruments for measuring magnetic variables
- G01R33/20—Arrangements or instruments for measuring magnetic variables involving magnetic resonance
- G01R33/44—Arrangements or instruments for measuring magnetic variables involving magnetic resonance using nuclear magnetic resonance [NMR]
- G01R33/48—NMR imaging systems
- G01R33/54—Signal processing systems, e.g. using pulse sequences ; Generation or control of pulse sequences; Operator console
- G01R33/56—Image enhancement or correction, e.g. subtraction or averaging techniques, e.g. improvement of signal-to-noise ratio and resolution
- G01R33/565—Correction of image distortions, e.g. due to magnetic field inhomogeneities
- G01R33/56545—Correction of image distortions, e.g. due to magnetic field inhomogeneities caused by finite or discrete sampling, e.g. Gibbs ringing, truncation artefacts, phase aliasing artefacts
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/12—Edge-based segmentation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/168—Segmentation; Edge detection involving transform domain methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/174—Segmentation; Edge detection involving the use of two or more images
-
- 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
- G16H10/00—ICT specially adapted for the handling or processing of patient-related medical or healthcare data
- G16H10/60—ICT specially adapted for the handling or processing of patient-related medical or healthcare data for patient-specific data, e.g. for electronic patient records
-
- 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
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H30/00—ICT specially adapted for the handling or processing of medical images
- G16H30/40—ICT specially adapted for the handling or processing of medical images for processing medical images, e.g. editing
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16Z—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS, NOT OTHERWISE PROVIDED FOR
- G16Z99/00—Subject matter not provided for in other main groups of this subclass
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B2576/00—Medical imaging apparatus involving image processing or analysis
- A61B2576/02—Medical imaging apparatus involving image processing or analysis specially adapted for a particular organ or body part
- A61B2576/023—Medical imaging apparatus involving image processing or analysis specially adapted for a particular organ or body part for the heart
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/08—Detecting, measuring or recording devices for evaluating the respiratory organs
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R33/00—Arrangements or instruments for measuring magnetic variables
- G01R33/20—Arrangements or instruments for measuring magnetic variables involving magnetic resonance
- G01R33/44—Arrangements or instruments for measuring magnetic variables involving magnetic resonance using nuclear magnetic resonance [NMR]
- G01R33/48—NMR imaging systems
- G01R33/54—Signal processing systems, e.g. using pulse sequences ; Generation or control of pulse sequences; Operator console
- G01R33/56—Image enhancement or correction, e.g. subtraction or averaging techniques, e.g. improvement of signal-to-noise ratio and resolution
- G01R33/5608—Data processing and visualization specially adapted for MR, e.g. for feature analysis and pattern recognition on the basis of measured MR data, segmentation of measured MR data, edge contour detection on the basis of measured MR data, for enhancing measured MR data in terms of signal-to-noise ratio by means of noise filtering or apodization, for enhancing measured MR data in terms of resolution by means for deblurring, windowing, zero filling, or generation of gray-scaled images, colour-coded images or images displaying vectors instead of pixels
-
- 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
- G06T2207/10088—Magnetic resonance imaging [MRI]
-
- 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
- G06T2207/20048—Transform domain processing
- G06T2207/20056—Discrete and fast Fourier transform, [DFT, FFT]
-
- 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
- G06T2207/20076—Probabilistic 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
- G06T2207/30—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
- G06T2207/30104—Vascular flow; Blood flow; Perfusion
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Public Health (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Radiology & Medical Imaging (AREA)
- Pathology (AREA)
- Veterinary Medicine (AREA)
- Animal Behavior & Ethology (AREA)
- Biophysics (AREA)
- Surgery (AREA)
- Biomedical Technology (AREA)
- Heart & Thoracic Surgery (AREA)
- Molecular Biology (AREA)
- Cardiology (AREA)
- General Physics & Mathematics (AREA)
- Vascular Medicine (AREA)
- Physiology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Signal Processing (AREA)
- High Energy & Nuclear Physics (AREA)
- Theoretical Computer Science (AREA)
- Epidemiology (AREA)
- Primary Health Care (AREA)
- Condensed Matter Physics & Semiconductors (AREA)
- Psychiatry (AREA)
- Artificial Intelligence (AREA)
- Mathematical Physics (AREA)
- Hematology (AREA)
- Neurosurgery (AREA)
- Magnetic Resonance Imaging Apparatus (AREA)
Abstract
Description
4Dフローローカライザ
4Dフローローカライザは、高忠実度4Dフロースキャンまたは取得のための情報を収集するように調整された固有のパルスシーケンス(すなわち、MRIスキャンまたは取得中にMRIマシンの磁石を制御する命令または駆動信号)である。4Dフローローカライザは、本質的に、第2のパス(すなわち、高忠実度4Dフロースキャンまたは取得)のための適切なまたは最適化された設定を規定するのを助けるための第1のパススキャンまたは取得である。患者がスキャナに入る前に、4Dフローローカライザのタイプが、いくつかの変数に基づいて選択される。臨床的適応、造影剤のタイプ、造影剤の量、患者重さ、患者高さおよび心拍、ハードウェア製造者、使用されるコイルのタイプ、ならびにハードウェアのタイプ(1.5Tまたは3T)が、使用すべき最適ローカライザを予測するために使用される。次いで、ローカライザデータが、患者固有の4Dフロープロトコルを構築するために、プロセッサベースのシステム(たとえば、画像処理および解析システムのサーバ)に送られる。
動脈および静脈血流隔離
左心(すなわち動脈)血流と右心(すなわち静脈)血流との間の差異を強調するために、MRI画像処理および解析システムは、各側に対して一意のカラーマップ(すなわち色勾配マップ)を生成するように動作可能である。MRI画像処理および解析システムは、2Dレンダリングまたは3Dレンダリング(すなわち、流跡線および流線)を使用して、それぞれのカラーマップで着色されたボクセルを有する画像データを生成する。典型的には、動脈血流はカラーマップに基づいて赤を有し、静脈血流はカラーマップに基づいて青を有する。健康な系では、これら2つの血液プールは、たとえば肺における光顕レベルを除いて、決して互いに接触しない。身体内のどのボクセルがどちらの側に属するかを決めるために、MRI画像処理および解析システムは、アルゴリズムを実行し、そのアルゴリズムは、各ボクセルについて、ボクセルがどのビンに属するかを決定し、そのボクセルに適切な色を割り当てる。
フィルタが、有向コヒーレンスを測定することにより血流ボクセルを隔離するために使用され得る。
結果検証
フローデータが正しいかどうかの見通しを提供する物理的原理が存在する。たとえば、取り囲まれたボリュームに入るフローは、取り囲まれたボリュームから出るフローと等しくなければならない。取り囲まれたボリュームに入るフロー値とそれから出るフロー値との間の不一致は、シャントまたは他の解剖学的問題を示し得る。MRI画像処理および解析システムは、この一般的原理を様々な特定のやり方で利用することができる。それは、たとえば、ボリュームをスライスする平面の法線ベクトルと各点またはボクセルにおける速度ベクトルとのドット積として決定され得る。正味のフローに関して、ドット積は時間的に積分され得る。フローは、たとえば、時間あたりの圧力(たとえば、秒あたりのミリバール)、または時間あたりのボリューム(たとえば、秒あたりのリットル)として表されることがある。
フロー駆動されるセグメント化(Flow Driven Segmentation)
本明細書に説明されている種々の実装形態は、有利には、任意のタイプの定量化のために入力として血流データセット(すなわち、x速度、y速度、およびz速度)を利用する。従来、解剖学的(すなわちマグニチュード)データセットのみが磁気共鳴(MR)定量化に使用されている。例として、血流データセットは血流定量化の代用として機能し得るが、脈管または腔の内腔境界を決定する(すなわち、解剖学的データセットをセグメント化する)ための入力としても使用され得る。血流データセットはまた、圧力、壁せん断応力を計算するため、ならびに2Dおよび3D画像をどのようにレンダリングするかを決定するために使用され得る。どのようにフローが画像のレンダリングを変更できるかの例として、MRI画像処理および解析システムは、特定のフロー条件に一致する解剖学的ボクセルのみを(すなわち、そのボクセル内の速度マグニチュードが、特定の定義された閾値、たとえば、ユーザ定義された閾値を上回る場合)レンダリングすることができる
非同期コマンドおよび画像化パイプライン。
コマンドは、ウェブソケットプロトコルを介して持続接続を使用してクライアントからサーバに送られる。画像は、同じウェブソケット接続を介して規格を通して返される。アプリケーションが画像を生成しそれらをクライアントへ返すことができるよりもかなり高い頻度でユーザイベントが起き得るので、いくつかのイベントが抑制されなければならない。非同期コマンドおよび画像パイプラインを使用することで、すべての重要なユーザイベントがサーバへ送られまたはサーバによって処理されることを可能にする。すべての重要なイベントが永続層に捕捉され、可能とする時間を決めて、必要とされる場合、どのイベントが抑制されるか決定し、もしあれば、最良の可能なユーザエクスペリエンスを作り出す。画像は、ネットワークが対応できる速度で単に処理されクライアントに返される
説明:4Dフローの主要な利点の1つは、取得中、放射線科医が現場にいる必要がないことである。技術者は、胸部または関心領域を位置指定し、この関心領域の取得を開始するために1つのボタンを押すことだけが必要である。これは、典型的な心臓MRワークフローを大幅に変更する。加えて、オフライン処理のため、患者は取得後にスキャナから即座に立ち去ることができる。ことによると患者が取得中に移動したために、技術者が画像品質について懸念される場合、5分以下で技術者に1つの心位相の画像を与えるために、加速された再構成が使用され得る。技術者がその画像の品質を確認すると、彼らは患者を退去させることに自信を持つことができる。フル4Dフロースキャンが完了されていると、自動化された画像再構成のために生データが送られる(これは、スキャナでオンラインでまたはオフラインで行われることができる)。これがオフラインで行われる場合、これは、病院ネットワークまたはMorpheusクラウド内で行われることができる。画像再構成の後、ワークフローは、DICOM画像を取り込み、Morpheusソフトウェア内にそれらをインポートする。この時点で、Morpheus技術者または病院技術者は、オフラインのケースを処理するために上記で強調されたワークフローステップ(画像前処理、セグメント化、可視化、および定量化)を通過する。目標は、臨床家がMorpheusソフトウェアの前に座ったときに彼らが行う必要があることのすべては、報告を検証しアノテーションを付けることだけであるように、臨床家のためのケースを設定することである。目標は、このプロセスを10分以下で完了させることである。このワークフローは、今日の市場の他の多くのソフトウェアアプリケーションとは大幅に異なり、その主な理由は、非常に少ないソフトウェアアプリケーションが中央データベースに接続され(すなわちクラウド内)、任意のデバイス(たとえば、家庭のラップトップ、タブレットなど)上のデータに複数のユーザが迅速にアクセスすることを可能にする柔軟性を有するためである。
典型的には保護された医療情報(PHI)と命名されたクラスの情報について多数の規制要件が存在している。多くの臨床施設(たとえば病院)または臨床施設を運用するエンティティは、いかなるPHIも彼らのネットワークまたはコントロールから離れることを望まない。同様に、多数の取り扱いおよびセキュリティ要件を回避するため、および潜在的責任を除去または低減するため、臨床施設にサービスを提供するエンティティは、PHIから隔離されることを望むことがある。ネットワーク化された環境の種々の実装形態は、PHIが臨床施設の自身のネットワークから離れることを防止するサービスを実装することができる。
位相エイリアシングは、典型的には、MRIデータセット内の特定の情報の2πオフセットの結果である。位相エイリアシングは、たとえば、間違った色のボクセルとして出現することがあり、たとえば、黒のボクセルの出現が、第1の方向の血流を表し、すぐに隣接したボクセルが、たとえば第1の方向と逆の第2の方向を表す白である。位相エイリアシングは、速度エンコーディング(VENC)パラメータが不正確に(たとえば過度に大きく)設定された結果であり得る。注目すべきことに、一般に、より良い分解能を達成するためにVENCパラメータを大きく設定することは望ましいが、VENCパラメータを過度に大きく設定することは、ボクセルを「ネガティブ」画像として見えるようにする傾向がある。
いくつかの例では、画像のいくつかの部分の出現が不正確な位置で現れることがある。たとえば、画像の下方部または底部が画像またはフレームの上部に現れる。これは、データまたは情報の不正確な順序からもたらされ、それは、信号が周期的であることが、しばしば、画像の両端部(たとえば、上端、下端)における不正確なレンダリングをもたらすからである。このときのエラーは、画像ラッピングまたはマグニチュードエイリアシングと呼ばれることがある。
いくつかの例では、アーチファクトがMRIデータセットにおいて現れることがある。たとえば患者またはその部分の動きが、もたらされた画像のぶれを生じさせることがある。また、たとえば、金属の存在が、もたらされた画像の縞または他の視覚的アーチファクトを生じることがある。造影剤もアーチファクトを生じることがある。
フロー駆動されるセグメント化
Claims (133)
- 磁気共鳴画像(MRI)ベースの医療用画像システムと共に用いるための動作の方法であって、
少なくとも1つのプロセッサベースのデバイスによって、MRIデータのセットを受け取るステップであって、MRIデータの前記セットは、複数のボクセルの各々についてそれぞれの解剖学的構造および血流情報を含む、ステップと、
少なくとも1つのプロセッサベースのデバイスによって、MRIフローデータの前記セットにおける構造の1または複数のインスタンスを識別するステップと、
少なくとも1つのプロセッサベースのデバイスによって、MRIフローデータの前記セットにおける構造の前記識別された1または複数のインスタンスに基づいて、MRIフローデータの前記セットにおける輪郭を導き出すステップと
を含むことを特徴とする方法。 - MRIフローデータの前記セットにおける構造の1または複数のインスタンスを識別するステップは、MRIフローデータの前記セットにおけるコヒーレンシの1または複数のインスタンスを識別するステップを含むことを特徴とする請求項1に記載の方法。
- MRIフローデータの前記セットにおけるコヒーレンシの1または複数のインスタンスを識別するステップは、MRIフローデータの前記セットにおける有向コヒーレンシの1または複数のインスタンスを識別するステップを含むことを特徴とする請求項2に記載の方法。
- MRIフローデータの前記セットにおけるコヒーレンシの1または複数のインスタンスを識別するステップは、MRIフローデータの前記セットにおける有向流跡線または構造的コヒーレンシの1または複数のインスタンスを識別するステップを含むことを特徴とする請求項2に記載の方法。
- MRIフローデータの前記セットにおけるコヒーレンシの1または複数のインスタンスを識別するステップは、MRIフローデータの前記セットにおける離散フーリエ変換(DFT)成分コヒーレンシの1または複数のインスタンスを識別するステップを含むことを特徴とする請求項2に記載の方法。
- MRIフローデータの前記セットにおけるコヒーレンシの1または複数のインスタンスを識別するステップは、MRIフローデータの前記セットにおける加速度コヒーレンシの1または複数のインスタンスを識別するステップを含むことを特徴とする請求項2に記載の方法。
- 前記少なくとも1つのプロセッサによって、MRIフローデータの前記セットにおける構造の前記識別された1または複数のインスタンスに基づいて、MRIフローデータの前記セットにおける臨床マーカーの1または複数のインスタンスを識別するステップをさらに含むことを特徴とする請求項1に記載の方法。
- MRIフローデータの前記セットにおける臨床マーカーの1または複数のインスタンスを識別するステップは、MRIフローデータの前記セットにおける解剖学的マーカーおよび/または時間的マーカーの1または複数のインスタンスを識別するステップを含むことを特徴とする請求項7に記載の方法。
- MRIフローデータの前記セットにおける臨床マーカーの1または複数のインスタンスを識別するステップは、MRIフローデータの前記セットにおける動脈瘤、狭窄、またはプラークの1または複数のインスタンスを識別するステップを含むことを特徴とする請求項7に記載の方法。
- MRIフローデータの前記セットにおける臨床マーカーの1または複数のインスタンスを識別するステップは、MRIフローデータの前記セットにおける1または複数の圧力勾配を識別するステップを含むことを特徴とする請求項7に記載の方法。
- MRIフローデータの前記セットにおける臨床マーカーの1または複数のインスタンスを識別するステップは、MRIフローデータの前記セットにおける心臓の解剖学的ランドマークの1または複数のインスタンスを識別するステップを含むことを特徴とする請求項7に記載の方法。
- MRIフローデータの前記セットにおける構造の前記識別された1または複数のインスタンスに基づいて、MRIフローデータの前記セットにおける輪郭を導き出すステップは、種々の身体組織を表すMRIフローデータの前記セットにおける輪郭を導き出すステップを含むことを特徴とする請求項1に記載の方法。
- 少なくとも1つのプロセッサベースのデバイスによって、血液身体組織を非血液身体組織から自律的にセグメント化するステップをさらに含むことを特徴とする請求項12に記載の方法。
- 少なくとも1つのプロセッサベースのデバイスによって、空気を身体組織から自律的にセグメント化するステップをさらに含むことを特徴とする請求項12に記載の方法。
- 前記少なくとも1つのプロセッサベースのデバイスによって、複数の使用可能な時点にわたってMRIデータの前記セットにおける複数のボクセルの各々に対して離散フーリエ変換(DFT)を適用するステップと、
前記少なくとも1つのプロセッサベースのデバイスによって、前記使用可能な時点にわたる前記ボクセルの各々における前記DFTのいくつかの成分を検査するステップと
をさらに含むことを特徴とする請求項1に記載の方法。 - 複数の使用可能な時点にわたってMRIデータの前記セットにおける複数のボクセルの各々に対してDFTを適用するステップは、前記血流情報の3つの速度成分(x,y,z)に対してDFTを適用するステップを含むことを特徴とする請求項15に記載の方法。
- 複数の使用可能な時点にわたってMRIデータの前記セットにおける複数のボクセルの各々に対してDFTを適用するステップは、前記血流情報のもたらされた速度マグニチュードに対してDFTを適用するステップを含むことを特徴とする請求項15に記載の方法。
- 前記少なくとも1つのプロセッサによって、前記DFT成分に少なくとも部分的に基づいて、血液プールを静的組織からセグメント化するステップをさらに含むことを特徴とする請求項15に記載の方法。
- 前記DFT成分に少なくとも部分的に基づいて、血液プールを静的組織からセグメント化するステップは、前記少なくとも1つのプロセッサによって自律的に、低次の非DC DFT成分のセットに少なくとも部分的に基づいて、前記血液プールを前記静的組織からセグメント化するステップを含むことを特徴とする請求項18に記載の方法。
- 前記MRIデータにおける肺組織を識別するステップをさらに含むことを特徴とする請求項15に記載の方法。
- 前記少なくとも1つのプロセッサによって、いくつかのDFT要素を相対的マグニチュードまたは位相に関係なく一緒に組み合わせて、胸部スキャン内ですべての血流を突き止めるための汎用マスクを作成するステップをさらに含むことを特徴とする請求項15に記載の方法。
- 前記少なくとも1つのプロセッサによって、いくつかのDFT要素を、前記DFT要素の相対的マグニチュードまたは位相を考慮に入れて一緒に組み合わせて、身体内の血液プールの特定の領域を識別するための洗練されたマスクを作成するステップをさらに含むことを特徴とする請求項15に記載の方法。
- 前記少なくとも1つのプロセッサによって、前記DFTの成分の位相を最大収縮期の時点と比較するステップと、期待される値からの前記位相のずれの量に基づいて、各ボクセルに確率を割り当てるステップとをさらに含むことを特徴とする請求項22に記載の方法。
- 前記少なくとも1つのプロセッサによって、前記洗練されたマスクに少なくとも部分的に基づいて、大動脈における血流と肺動脈における血流とを区別するステップをさらに含むことを特徴とする請求項23に記載の方法。
- 前記少なくとも1つのプロセッサによって自律的に、もたらされた確率値のヒストグラムに少なくとも部分的に基づいて、確率カットオフ値を識別するステップをさらに含むことを特徴とする請求項23に記載の方法。
- 前記少なくとも1つのプロセッサによって自律的に、もたらされた確率値のヒストグラムに少なくとも部分的に基づいて、動脈固有のマスクのための確率カットオフ値を識別するステップと、
前記動脈固有のマスクに少なくとも部分的に基づいて、少なくとも1つの他のマスクのための確率カットオフ値を決定するステップと
をさらに含むことを特徴とする請求項23に記載の方法。 - 前記動脈固有のマスクに少なくとも部分的に基づいて、少なくとも1つの他のマスクのための確率カットオフ値を決定するステップは、汎用血液マスクのフラッドフィルを行って、異質な接続されていない要素を除去するステップを含むことを特徴とする請求項26に記載の方法。
- 前記少なくとも1つのプロセッサによって、いくつかのフロー方向、およびいくつかの勾配、および/または前記もたらされた確率値に沿ったいくつかの流跡線に少なくとも部分的に基づいて、前記動脈固有のマスクを2つの主要部分に分離するステップをさらに含むことを特徴とする請求項26に記載の方法。
- 前記少なくとも1つのプロセッサによって、空間における前記2つの主要部分のフローの平均方向または相対位置の少なくとも一方に少なくとも部分的に基づいて、大動脈と肺動脈を互いに区別するステップをさらに含むことを特徴とする請求項28に記載の方法。
- 前記少なくとも1つのプロセッサによって自律的に、心臓の壁についての確率マスクを作成するステップをさらに含むことを特徴とする請求項23に記載の方法。
- 前記少なくとも1つのプロセッサによって、前記心臓の前記壁についての前記確率マスクを血流マスクと組み合わせるステップをさらに含むことを特徴とする請求項30に記載の方法。
- 前記少なくとも1つのプロセッサによって、渦電流補正を行う際に前記心臓の前記壁についての前記確率マスクを利用するステップをさらに含むことを特徴とする請求項30に記載の方法。
- 前記少なくとも1つのプロセッサによって、前記心臓の前記壁についての前記確率マスクを利用して、画像内の前記心臓の位置および/またはサイズの少なくとも一方を提供するステップをさらに含むことを特徴とする請求項30に記載の方法。
- 少なくとも1つのプロセッサと、前記少なくとも1つのプロセッサに通信可能に結合された少なくとも1つの非一時的プロセッサ可読媒体とを有するプロセッサベースのデバイスであって、請求項1乃至33のいずれか一項に記載の方法を実施するように動作可能であることを特徴とするプロセッサベースのデバイス。
- 磁気共鳴画像(MRI)ベースの医療用画像システムと共に用いるための動作の方法であって、
被検体の第1の調査のために、第1のパスにおいて、第1のMRI取得系列の前に、
プロセッサベースのデバイスにおいて入力を受け取るステップであって、前記入力は、前記第1のMRI取得に固有である、ステップと、
前記受け取られた入力に少なくとも部分的に基づいて、前記プロセッサベースのデバイスによって、4Dフローローカライザを生成するステップと
を含むことを特徴とする方法。 - 入力を受け取るステップは、臨床的適応、造影剤のタイプまたはアイデンティティ、造影剤の量、被検体の重さ、被検体の高さ、および被検体の心拍、ボーラスが被検体に提供された後に経過された時間の量、MRIハードウェア製造者の識別、使用されるコイルのタイプ、ならびに使用されるMRIマシンの少なくとも1つの特性の識別のうちの少なくとも1つを受け取るステップを含むことを特徴とする請求項35に記載の方法。
- 前記被検体の前記第1の調査のために、第2のパスにおいて、第2のMRI取得系列の前に、
プロセッサベースのデバイスにおいて前記第1のMRI取得系列に関する情報を受け取るステップと、
前記受け取られた情報に少なくとも部分的に基づいて、前記プロセッサベースのデバイスによって、高忠実度4Dフローローカライザを生成するステップと
をさらに含むことを特徴とする請求項35に記載の方法。 - プロセッサベースのデバイスにおいて前記第1のMRI取得系列に関する情報を受け取るステップは、前記第1のMRI取得系列から出力を受け取るステップを含むことを特徴とする請求項37に記載の方法。
- プロセッサベースのデバイスにおいて前記第1のMRI取得系列に関する情報を受け取るステップは、前記第1のMRI取得系列の品質を示すメトリクスを受け取るステップを含むことを特徴とする請求項37に記載の方法。
- 前記第1のMRI取得系列の品質を示すメトリクスを受け取るステップは、少なくとも1人の人間によって評価される前記第1のMRI取得系列の品質を示す少なくとも1つの評価を含むことを特徴とする請求項39に記載の方法。
- 前記受け取られた情報に少なくとも部分的に基づいて、前記プロセッサベースのデバイスによって、高忠実度4Dフローローカライザを生成するステップは、取得の期間、VENC、視野、繰り返し時間(TR)、エコー時間(TE)、行分解能、列分解能、スライス分解能、時間分解能、およびフリップ角のうちの1または複数を指定するステップを含むことを特徴とする請求項37に記載の方法。
- 高忠実度4Dフローローカライザを生成するステップは、速度エンコーディング(VENC)パラメータの値を決定するステップを含むことを特徴とする請求項37に記載の方法。
- 速度エンコーディング(VENC)パラメータの値を決定するステップは、内腔における血流の速度の少なくとも近似を決定するステップと、ルックアップテーブルを用いて前記VENCの値を選択するステップとを含むことを特徴とする請求項42に記載の方法。
- 速度エンコーディング(VENC)パラメータの値を決定するステップは、取得で使用されるコイルのチャネルの数を決定するステップと、前記コイルにおけるチャネルの前記数に少なくとも部分的に基づいて、前記VENCの前記値を選択するステップとを含むことを特徴とする請求項42に記載の方法。
- 少なくとも1つのプロセッサと、前記少なくとも1つのプロセッサに通信可能に結合された少なくとも1つの非一時的プロセッサ可読媒体とを有するプロセッサベースのデバイスであって、請求項35乃至44のいずれか一項に記載の方法を実施するように動作可能であることを特徴とするプロセッサベースのデバイス。
- 磁気共鳴画像(MRI)ベースの医療用画像システムと共に用いるための動作の方法であって、
MRI画像データセットの複数のボクセルについて、少なくとも1つのプロセッサベースのデバイスによって、前記ボクセルをいくつかの個数のビンにグループ分けするステップと、
前記少なくとも1つのプロセッサベースのデバイスを介して、前記ビンの個数を減少させるステップと、
前記ビンのうちの第1のビンおよび第2のビンについて、前記ビンのうちの前記第1のビンまたは前記第2のビンのどちらが動脈血流を表すボクセルを含むか、および前記ビンのうちの前記第1のビンまたは前記第2のビンのどちらが静脈血流を表すボクセルを含むかを決定するステップと、
動脈血流を表す前記ボクセルに第1のセットの色を割り当てるステップと、静脈血流を表す前記ボクセルに第2のセットの色を割り当てるステップであって、前記第2のセットの色は前記第1のセットの色と異なる、ステップと
を含むことを特徴とする方法。 - 動脈血流を表す前記ボクセルに第1のセットの色を割り当てるステップは、動脈血流を表す前記ボクセルに単一の青色を割り当てるステップを含み、静脈血流を表す前記ボクセルに前記第2のセットの色を割り当てるステップは、静脈血流を表す前記ボクセルに単一の赤色を割り当てるステップを含むことを特徴とする請求項46に記載の方法。
- 前記ビンのうちの前記第1のビンまたは前記第2のビンのどちらが動脈血流を表すボクセルを含むか、および前記ビンのうちの前記第1のビンまたは前記第2のビンのどちらが静脈血流を表すボクセルを含むかを決定するステップは、前記少なくとも1つのプロセッサベースのデバイスによって、いくつかの解剖学的ランドマークに対する前記ボクセルのうちの少なくとも1つの近接に基づいて、前記ビンのうちの前記第1のビンまたは前記第2のビンのどちらが動脈血流を表すボクセルを含むか、および前記ビンのうちの前記第1のビンまたは前記第2のビンのどちらが静脈血流を表すボクセルを含むかを決定するステップを含むことを特徴とする請求項46に記載の方法。
- 前記ビンのうちの前記第1のビンまたは前記第2のビンのどちらが動脈血流を表すボクセルを含むか、および前記ビンのうちの前記第1のビンまたは前記第2のビンのどちらが静脈血流を表すボクセルを含むかを決定するステップは、前記少なくとも1つのプロセッサベースのデバイスによって、いくつかの解剖学的ランドマークに対する各ビン内の前記ボクセルのうちの最も近い1つに基づいて、前記ビンのうちの前記第1のビンまたは前記第2のビンのどちらが動脈血流を表すボクセルを含むか、および前記ビンのうちの前記第1のビンまたは前記第2のビンのどちらが静脈血流を表すボクセルを含むかを決定するステップを含むことを特徴とする請求項46に記載の方法。
- 前記プロセッサベースのデバイスによって、前記解剖学的ランドマークを自律的に識別するステップをさらに含むことを特徴とする請求項49に記載の方法。
- 前記プロセッサベースのデバイスによって、前記解剖学的ランドマークを識別するユーザ入力を受け取るステップをさらに含むことを特徴とする請求項49に記載の方法。
- 前記複数のボクセルのうちの少なくともいくつかの各々について、前記ボクセルを前記複数のビンにグループ分けする前に、それぞれの前記ボクセルが血流を表すかどうかを決定するステップと、
血流を表すと決定されたボクセルを論理的にマークするステップと
をさらに含むことを特徴とする請求項46に記載の方法。 - 前記それぞれのボクセルが血流を表すかどうかを決定するステップは、前記少なくとも1つのプロセッサベースのデバイスによって、前記それぞれのボクセルが血流を表すかどうかを自律的に決定するステップを含むことを特徴とする請求項52に記載の方法。
- 前記それぞれのボクセルが血流を表すかどうかを決定するステップは、前記少なくとも1つのプロセッサベースのデバイスによって、前記それぞれのボクセルが血流を表すかどうかを示すユーザ入力を受け取るステップを含むことを特徴とする請求項52に記載の方法。
- 前記少なくとも1つのプロセッサベースのデバイスを介して、前記ビンの個数を減少させるステップは、1つのビンの前記ボクセルが別のビンの前記ボクセルと時間をかけて接触している場合に、それらのボクセルを前記ビンの一方へ統合するステップを含むことを特徴とする請求項52に記載の方法。
- 3つ以上のビンがあるかどうかを決定するステップと、
3つ以上のビンがあるかどうかを決定することに応答して、前記少なくとも1つのプロセッサベースのデバイスによって、前記ボクセルのいくつかが潜在的シャントを表すかどうかを決定するステップと
をさらに含むことを特徴とする請求項46に記載の方法。 - 前記少なくとも1つのプロセッサベースのデバイスによって、前記ボクセルのいくつかが潜在的シャントを表すかどうかを決定するステップは、定義された閾値数のボクセルよりも少ない数のボクセルによってまたは定義された閾値領域よりも小さい領域によって隣接ビンが接続されている領域を識別するステップを含むことを特徴とする請求項56に記載の方法。
- 前記潜在的シャントまたは前記潜在的シャントに少なくとも近接する領域を表すボクセルのうちの少なくとも1つに対して視覚的強調を提供するステップをさらに含むことを特徴とする請求項56に記載の方法。
- 前記潜在的シャントまたは前記潜在的シャントに少なくとも近接する領域を表すボクセルのうちの少なくとも1つに対して視覚的強調を提供するステップは、前記潜在的シャントまたは前記潜在的シャントに少なくとも近接する領域を表す前記ボクセルに、第3のセットの色を割り当てるステップであって、前記第3のセットの色は、前記第1のセットの色とも前記第2のセットの色とも異なる、ステップを含むことを特徴とする請求項58に記載の方法。
- 前記少なくとも1つのプロセッサベースのデバイスによって、入力を受け取るステップであって、前記入力は、前記ボクセルが実際のシャントを表すかどうかの人間評価を示す、ステップと、
前記ボクセルが実際のシャントを表すかどうかの前記人間評価を示す前記受け取られた前記入力に基づいて、前記潜在的シャントを表す前記ボクセルの色を更新するステップと
をさらに含むことを特徴とする請求項56に記載の方法。 - 前記ビンのうちの前記第1のビンまたは前記第2のビンのどちらが動脈血流を表すボクセルを含むか、および前記ビンのうちの前記第1のビンまたは前記第2のビンのどちらが静脈血流を表すボクセルを含むかを決定するステップは、
前記ビンの少なくともいくつかの各々について、
閾値コヒーレンス値を上回るコヒーレンス値を有する前記ビン内のあらゆるボクセルを識別するステップと、
前記閾値コヒーレンス値を上回るコヒーレンス値を有する前記ビン内のあらゆるボクセルについて、複数の時点のすべてにわたる平均速度と、それぞれの前記ボクセルの重心を解剖学的構造の重心と接続するベクトルとの間の角度を計算するステップと、
前記ビン内のすべてのボクセルと、前記解剖学的構造の前記重心との間の平均角度を計算するステップと
を含むことを特徴とする請求項46に記載の方法。 - 前記ビンのうちの前記第1のビンまたは前記第2のビンのどちらが動脈血流を表すボクセルを含むか、および前記ビンのうちの前記第1のビンまたは前記第2のビンのどちらが静脈血流を表すボクセルを含むかを決定するステップは、
最も大きい平均角度を有する前記ビンを前記動脈血流を表すものとして割り当てるステップと、
最も小さい平均角度を有する前記ビンを前記静脈血流を表すものとして割り当てるステップと
をさらに含むことを特徴とする請求項61に記載の方法。 - 複数の時点のすべてにわたる平均速度と、前記それぞれのボクセルの重心を解剖学的構造の重心と接続するベクトルとの間の角度を計算するステップは、前記複数の時点のすべてにわたる前記平均速度と、前記それぞれのボクセルの前記重心を心臓の前記重心と接続するベクトルとの間の前記角度を計算するステップを含むことを特徴とする請求項62に記載の方法。
- 少なくとも1つのプロセッサと、前記少なくとも1つのプロセッサに通信可能に結合された少なくとも1つの非一時的プロセッサ可読媒体とを有するプロセッサベースのデバイスであって、請求項46乃至63のいずれか一項に記載の方法を実施するように動作可能であることを特徴とするプロセッサベースのデバイス。
- 磁気共鳴画像(MRI)ベースの医療用画像システムと共に用いるための動作の方法であって、
少なくとも1つのプロセッサベースのデバイスによって、MRIデータのセットを受け取るステップであって、MRIデータの前記セットは、複数のボクセルの各々についてそれぞれの解剖学的構造および血流情報を含む、ステップと、
前記少なくとも1つのプロセッサベースのデバイスによって、有向コヒーレンスに基づいて血流を隔離するための第1のフィルタを、MRIデータの前記受け取られたセットの少なくとも部分に適用するステップと
を含むことを特徴とする方法。 - 有向コヒーレンスに基づいて血流を隔離するための第1のフィルタを、MRIデータの前記受け取られたセットの少なくとも部分に適用するステップは、
いくつかのボクセルの各々について、それぞれの前記ボクセルについての有向コヒーレンスを算出するステップを含むことを特徴とする請求項65に記載の方法。 - それぞれのボクセルについての有向コヒーレンスを算出するステップは、
前記それぞれのボクセルと、前記それぞれのボクセルの近隣要素である複数の近隣ボクセルとの間の重み付けされた有向コヒーレンススコアのセットを合計するステップと、
前記合計の結果を、すべての適用された重みの合計によって割るステップと
を含むことを特徴とする請求項66に記載の方法。 - 前記それぞれのボクセルと前記複数の近隣ボクセルとの間の前記重み付けされた有向コヒーレンススコアを決定するステップをさらに含むことを特徴とする請求項67に記載の方法。
- 前記それぞれのボクセルと前記複数の近隣ボクセルとの間の前記重み付けされた有向コヒーレンススコアを決定するステップは、
正規化された速度ベクトルのドット積を決定するステップと、
三角関数ACOSを前記ドット積の結果に適用して、角度付けされた差を決定するステップと、
0とπとの間の角度差をスケーリングして0と1との間の結果を得るステップと、
前記スケーリングの前記結果を、前記それぞれのボクセルと前記近隣ボクセルのそれぞれ1つとの間の距離を示すそれぞれの重みによって乗じるステップと
を含むことを特徴とする請求項68に記載の方法。 - 前記それぞれの重みを決定するステップをさらに含むことを特徴とする請求項69に記載の方法。
- 前記それぞれの重みを決定するステップは、
3つのすべての次元について最小間隔を求めるステップと、
その最小間隔を前記ボクセルの間の距離によって割るステップと
を含むことを特徴とする請求項70に記載の方法。 - 前記第1のフィルタは、時点ごとに1つのボリュームで適用されることを特徴とする請求項71に記載の方法。
- 前記第1のフィルタは、時点ごとに、すべての時点にわたって平均化された1つのボリュームで適用されることを特徴とする請求項71に記載の方法。
- 前記少なくとも1つのプロセッサベースのデバイスによって、さらにランダムノイズを除去するための第2のフィルタを、MRIデータの前記受け取られたセットの前記少なくとも部分に適用するステップをさらに含むことを特徴とする請求項71に記載の方法。
- 少なくとも1つのプロセッサと、前記少なくとも1つのプロセッサに通信可能に結合された少なくとも1つの非一時的プロセッサ可読媒体とを有するプロセッサベースのデバイスであって、請求項65乃至74のいずれか一項に記載の方法を実施するように動作可能であることを特徴とするプロセッサベースのデバイス。
- 磁気共鳴画像(MRI)ベースの医療用画像システムと共に用いるための動作の方法であって、
少なくとも1つのプロセッサベースのデバイスによって、MRIデータのセットを受け取るステップであって、MRIデータの前記セットは、複数のボクセルの各々についてそれぞれの解剖学的構造および血流情報を含む、ステップと、
MRIデータの前記セットにおける解剖学的ボリュームを識別するステップと、
前記識別された解剖学的ボリューム内への血液のフローを決定するステップと、
前記識別された解剖学的ボリューム外への血液のフローを決定するステップと、
前記少なくとも1つのプロセッサベースのデバイスによって、前記識別された解剖学的ボリューム内への血液の前記フローを、前記識別された解剖学的ボリューム外への血液の前記フローと比較するステップと
を含むことを特徴とする方法。 - 前記識別された解剖学的ボリューム内への血液の前記フローを、前記識別された解剖学的ボリューム外への血液の前記フローと前記比較することの結果に基づいて、先行の動作を検証するステップをさらに含むことを特徴とする請求項76に記載の方法。
- 前記識別された解剖学的ボリューム内への血液の前記フローを、前記識別された解剖学的ボリューム外への血液の前記フローと前記比較することの結果に基づいて、先行のセグメント化動作を検証するステップをさらに含むことを特徴とする請求項76に記載の方法。
- 前記識別された解剖学的ボリューム内への血液の前記フローを、前記識別された解剖学的ボリューム外への血液の前記フローと前記比較することの結果に基づいて、通知を提供するステップをさらに含むことを特徴とする請求項76に記載の方法。
- 前記識別された解剖学的ボリューム内への血液の前記フローを、前記識別された解剖学的ボリューム外への血液の前記フローと前記比較することの結果に基づいて、検出されたシャントの通知を提供するステップをさらに含むことを特徴とする請求項76に記載の方法。
- MRIデータの前記セットにおける解剖学的ボリュームを識別するステップは、内腔、内腔の部分、脈管、脈管の部分、腔、または解剖学的構造内の空洞もしくは空洞の部分のうちの少なくとも1つを識別するステップを含むことを特徴とする請求項76に記載の方法。
- MRIデータの前記セットにおける解剖学的ボリュームを識別するステップは、前記少なくとも1つのプロセッサベースのデバイスによって、前記解剖学的ボリュームを自律的に識別するステップを含むことを特徴とする請求項76に記載の方法。
- MRIデータの前記セットにおける解剖学的ボリュームを識別するステップは、前記少なくとも1つのプロセッサベースのデバイスによって受け取られたユーザ入力に基づいて、前記解剖学的ボリュームを自律的に識別するステップを含むことを特徴とする請求項76に記載の方法。
- 前記識別された解剖学的ボリュームへの天然の入口を識別するステップと、
前記識別された解剖学的ボリュームからの天然の出口を識別するステップと
をさらに含むことを特徴とする請求項76に記載の方法。 - 第1の位置を、前記識別された解剖学的ボリュームへのインレットとして命名するステップと、
第2の位置を、前記識別された解剖学的ボリュームからのアウトレットとして命名するステップであって、前記第2の位置は前記第1の位置から離間されている、ステップと
をさらに含むことを特徴とする請求項76に記載の方法。 - 前記識別された解剖学的ボリューム内への血液のフローを決定するステップは、第1の位置において前記識別された解剖学的ボリュームをスライスする第1の平面の法線ベクトルと、各ボクセルにおける速度ベクトルとのドット積を決定するステップを含み、 前記識別された解剖学的ボリューム外への血液のフローを決定するステップは、第2の位置において前記識別された解剖学的ボリュームをスライスする第2の平面の法線ベクトルと、各ボクセルにおける速度ベクトルとのドット積を決定するステップを含み、前記第2の位置は前記第1の位置と異なることを特徴とする請求項76に記載の方法。
- 前記識別された解剖学的ボリューム内への血液の正味のフローを決定するステップと、
前記識別された解剖学的ボリューム外への血液の正味のフローを決定するステップと
をさらに含むことを特徴とする請求項76に記載の方法。 - 前記識別された解剖学的ボリューム内への血液の正味のフローを決定するステップは、第1の位置において前記識別された解剖学的ボリュームをスライスする第1の平面の法線ベクトルと各ボクセルにおける速度ベクトルとのドット積の結果を時間的に積分するステップを含み、前記識別された解剖学的ボリューム外への血液の正味のフローを決定するステップは、第2の位置において前記識別された解剖学的ボリュームをスライスする第2の平面の法線ベクトルと各ボクセルにおける速度ベクトルとのドット積の結果を時間的に積分するステップを含み、前記第2の位置は前記第1の位置と異なることを特徴とする請求項87に記載の方法。
- 前記識別された解剖学的ボリューム内への血液の前記フローを、前記識別された解剖学的ボリューム外への血液の前記フローと比較するステップは、前記識別された解剖学的ボリュームのインレットおよびアウトレットにおける前記フローの値が、少なくとも定義された閾値内で一致するかどうかを決定するステップを含み、前記方法は、
前記識別された解剖学的ボリュームの前記インレットおよび前記アウトレットにおける前記フローの値が、少なくとも前記定義された閾値内で一致しないと決定することに応答して、不一致の標識を提供するステップをさらに含むことを特徴とする請求項76に記載の方法。 - 前記識別された解剖学的ボリュームのインレットおよびアウトレットにおける前記フローの値が、少なくとも定義された閾値内で一致するかどうかを決定するステップは、前記少なくとも1つのプロセッサベースのデバイスによって、前記インレットおよび前記アウトレットにおける前記フローの値が前記定義された閾値内で一致するかどうかを自律的に決定するステップを含むことを特徴とする請求項89に記載の方法。
- 前記少なくとも1つのプロセッサベースのデバイスによって、前記識別された解剖学的ボリューム内への血液の前記フローを、前記識別された解剖学的ボリューム外への血液の前記フローと比較するステップは、上行胸部大動脈を通る血液のフローを、上大静脈および下行胸部大動脈を通る血液の組み合わされたフローと比較するステップを含むことを特徴とする請求項76に記載の方法。
- 前記少なくとも1つのプロセッサベースのデバイスによって、前記識別された解剖学的ボリューム内への血液の前記フローを、前記識別された解剖学的ボリューム外への血液の前記フローと比較するステップは、上大静脈および下大静脈を通る血液の組み合わされたフローを、肺脈管構造のセットを通る血液のフローと比較するステップを含むことを特徴とする請求項76に記載の方法。
- 前記少なくとも1つのプロセッサベースのデバイスによって、前記識別された解剖学的ボリューム内への血液の前記フローを、前記識別された解剖学的ボリューム外への血液の前記フローと比較するステップは、前記肺脈管構造のセットを通る血液のフローを、右肺脈管構造のセットおよび左肺脈管構造のセットを通る血液の組み合わされたフローと比較するステップを含むことを特徴とする請求項76に記載の方法。
- 前記少なくとも1つのプロセッサベースのデバイスによって、前記識別された解剖学的ボリューム内への血液の前記フローを、前記識別された解剖学的ボリューム外への血液の前記フローと比較するステップは、左肺脈管構造のセットを通る血液のフローを、すべての左肺静脈を通る血液のフローの合計と比較するステップを含むことを特徴とする請求項76に記載の方法。
- 前記少なくとも1つのプロセッサベースのデバイスによって、前記識別された解剖学的ボリューム内への血液の前記フローを、前記識別された解剖学的ボリューム外への血液の前記フローと比較するステップは、右肺脈管構造のセットを通る血液のフローを、すべての右肺静脈を通る血液のフローの合計と比較するステップを含むことを特徴とする請求項76に記載の方法。
- 前記少なくとも1つのプロセッサベースのデバイスによって、前記識別された解剖学的ボリューム内への血液の前記フローを、前記識別された解剖学的ボリューム外への血液の前記フローと比較するステップは、心臓の心腔を出る血液のフローを、前記心臓の各心腔についての収縮期ボリュームおよび拡張期ボリュームの変化と比較するステップを含むことを特徴とする請求項76に記載の方法。
- 少なくとも1つのプロセッサと、前記少なくとも1つのプロセッサに通信可能に結合された少なくとも1つの非一時的プロセッサ可読媒体とを有するプロセッサベースのデバイスであって、請求項76乃至96のいずれか一項に記載の方法を実施するように動作可能であることを特徴とするプロセッサベースのデバイス。
- 磁気共鳴画像(MRI)ベースの医療用画像システムと共に用いるための動作の方法であって、
少なくとも1つのプロセッサベースのデバイスによって、MRIデータのセットを受け取るステップであって、MRIデータの前記セットは、複数のボクセルの各々についてそれぞれの解剖学的構造および血流情報を含む、ステップと、
MRIデータの前記セットにおける解剖学的ボリュームを識別するステップと、
複数の平面を識別するステップであって、前記複数の平面は、各々が共通点を交差し、各々がそれぞれの向きで前記解剖学的ボリュームを横断し、前記向きは互いに異なる、ステップと、
前記少なくとも1つのプロセッサベースのデバイスによって、心周期全体にわたって前記平面の各々を通る血液のフローを自律的に比較するステップと
を含むことを特徴とする方法。 - 心周期全体にわたって前記平面の各々を通る血液のフローを自律的に比較するステップは、前記平面の各々を通る血液の前記フローが前記心周期全体にわたって少なくともある定義された閾値内で一致するかどうかを自律的に決定するステップを含むことを特徴とする請求項98に記載の方法。
- 心周期全体にわたって前記平面の各々を通る血液の前記フローを前記比較することの結果に基づいて、先行の動作を検証するステップをさらに含むことを特徴とする請求項98に記載の方法。
- 心周期全体にわたって前記平面の各々を通る血液の前記フローを前記比較することの結果に基づいて、先行のセグメント化動作を検証するステップをさらに含むことを特徴とする請求項98に記載の方法。
- 心周期全体にわたって前記平面の各々を通る血液の前記フローを前記比較することの結果に基づいて、通知を提供するステップをさらに含むことを特徴とする請求項98に記載の方法。
- 少なくとも1つのプロセッサと、前記少なくとも1つのプロセッサに通信可能に結合された少なくとも1つの非一時的プロセッサ可読媒体とを有するプロセッサベースのデバイスであって、請求項98乃至102のいずれか一項に記載の方法を実施するように動作可能であることを特徴とするプロセッサベースのデバイス。
- 磁気共鳴画像(MRI)ベースの医療用画像システムと共に用いるための動作の方法であって、
少なくとも1つのプロセッサベースのデバイスによって、MRIデータのセットを受け取るステップであって、MRIデータの前記セットは、複数のボクセルの各々についてそれぞれの解剖学的構造および血流速度情報を含む、ステップと、
MRIデータの前記セットに表された脈管におけるシード点を識別するステップと、
前記シード点における最大フローマグニチュードを有する時点を識別するステップと、
前記解剖学的構造および血流速度情報の両方に基づいて、フローの方向に垂直である断面平面を決定するステップと、
前記決定された断面平面に少なくとも部分的に基づいて、前記脈管の内腔境界を決定するステップと
を含むことを特徴とする方法。 - 前記解剖学的構造および血流速度情報の両方に基づいて、フローの方向に垂直である断面平面を決定するステップは、
前記シード点におけるベクトルの粗半球を生成するステップであって、前記フローの方向に最も近い任意のベクトルが最も大きい重みを有する、ステップと、
前記粗半球を構成する前記ベクトルの各々について、前記粗半球上の前記ベクトルに垂直である複数の光線を投射するステップと、
前記光線の各々について、解剖構造ピクセル強度および速度マグニチュードの両方における変化のマグニチュードが、変化閾値に達するかまたは前記変化閾値を超えると、それぞれの前記光線を終端するステップと
を含むことを特徴とする請求項104に記載の方法。 - 前記解剖学的構造および血流速度情報の両方に基づいて、フローの方向に垂直である断面平面を決定するステップは、
いくつかの前記光線の各々について、いくつかのもたらされた三角形のすべての領域の合計を計算するステップであって、前記シード点、前記それぞれの光線の終端および別の1つの前記光線の終端が、前記もたらされた三角形を定義する、ステップと、
血流の前記方向に最も垂直である平面に対する法線ベクトルとして、前記領域の最も小さい計算された合計を有する前記粗半球上のベクトルを選択するステップと
をさらに含むことを特徴とする請求項105に記載の方法。 - 初期のシード点で、最強フロー時点と一緒に、前記法線ベクトルと共に前記解剖学的構造および血流速度情報の両方を組み合わせる多断面再構成を再サンプリングするステップをさらに含むことを特徴とする請求項106に記載の方法。
- 動的輪郭モデルを用いて前記脈管の前記内腔境界を描く輪郭を求めるステップをさらに含むことを特徴とする請求項107に記載の方法。
- 勾配降下を使用してエネルギー最小化関数を適用して、滑らかな輪郭を求めるステップをさらに含むことを特徴とする請求項107に記載の方法。
- 輪郭が領域または曲率で閾値よりも大きく発散しているかどうかを決定するステップと、
前記輪郭が領域または曲率で前記閾値よりも大きく発散していると決定することに応答して、前記輪郭を置換輪郭と置き換えるステップであって、前記置換輪郭は、置き換えられる前記輪郭の時点に隣接した複数の時点における輪郭の線形ブレンドである、ステップと
をさらに含むことを特徴とする請求項107に記載の方法。 - 少なくとも1つのプロセッサと、前記少なくとも1つのプロセッサに通信可能に結合された少なくとも1つの非一時的プロセッサ可読媒体とを有するプロセッサベースのデバイスであって、請求項104乃至110のいずれか一項に記載の方法を実施するように動作可能であることを特徴とするプロセッサベースのデバイス。
- 磁気共鳴画像(MRI)ベースの医療用画像システムと共に用いるための動作の方法であって、
非同期コマンドおよび画像パイプラインの第1のチャネルを介して、複数のクライアントデバイスから複数のユーザイベントを受け取るステップと、
前記ユーザイベントのうちの少なくともいくつかを永続層に捕捉するステップと、
前記捕捉されたイベントのどれを抑制するかを決定するステップと、
画像処理および解析を行うステップと、
前記非同期コマンドおよび画像パイプラインの第2のチャネルを介して、前記ユーザイベントに対するそれぞれの応答をクライアントに提供するステップと
を含むことを特徴とする方法。 - 非同期コマンドおよび画像パイプラインの第1のチャネルを介して、複数のクライアントデバイスから複数のユーザイベントを受け取るステップは、サーバによって前記ユーザイベントを受け取るステップを含み、前記方法は、
前記サーバによって、ユーザイベントを、前記ユーザイベントに関連付けられたMRIデータセットの画像処理および解析のためにMRI画像処理および解析システムに提供するステップをさらに含むことを特徴とする請求項112に記載の方法。 - 前記ユーザイベントのうちの少なくともいくつかを永続層に捕捉するステップおよび前記捕捉されたイベントのどれを抑制するかを決定するステップは、前記ユーザイベントをメッセージとして受け取るステップと、前記画像処理および解析システムがビジーであるかどうかを決定するステップと、計算サーバがビジーでないと決定することに応答して、前記メッセージを前記計算サーバに即座に転送するステップとを含むことを特徴とする請求項112に記載の方法。
- 前記ユーザイベントのうちの少なくともいくつかを永続層に捕捉するステップおよび前記捕捉されたイベントのどれを抑制するかを決定するステップは、前記ユーザイベントをメッセージとして受け取るステップと、前記画像処理および解析システムがビジーであるかどうかを決定するステップと、計算サーバがビジーであると決定することに応答して、前記メッセージをスロット内に置くステップとを含むことを特徴とする請求項112に記載の方法。
- 前記スロット内に置かれた前記メッセージよりも最近のメッセージを前記スロット内に置くステップをさらに含むことを特徴とする請求項115に記載の方法。
- 完了イベントを検出するステップと、
前記ユーザイベントに対する前記それぞれの応答をそれぞれの前記クライアントに転送するステップと
をさらに含むことを特徴とする請求項116に記載の方法。 - 画像データを含む応答に対応して、前記応答を、HTTPS画像要求として、およびHTTPS AJAX要求またはバイナリサポートを有するウェブソケットを介して送ることを特徴とする請求項117に記載の方法。
- 画像データを含まない応答に対応して、前記応答をウェブソケットを介して直接送ることを特徴とする請求項117に記載の方法。
- 前記スロット内にメッセージがあるかどうかを決定するステップと、
前記スロット内にメッセージがあると決定することに応答して、完了イベントが検出されるのを待つステップと、
前記完了イベントを検出することに応答して、前記メッセージを前記スロットから前記計算サーバに送るステップと、前記スロットをクリアするステップと
をさらに含むことを特徴とする請求項116に記載の方法。 - プロパティをリンクした複数の画像を、1つのより大きい画像としてレンダリングするステップと、
前記1つのより大きい画像を単一の応答として送るステップと
をさらに含むことを特徴とする請求項112に記載の方法。 - 前記1つの大きい画像を前記単一の応答として送る前に、前記画像内に線、マーカー、または平面のうちの少なくとも1つをオーバーレイするステップをさらに含むことを特徴とする請求項121に記載の方法。
- 少なくとも1つのプロセッサと、前記少なくとも1つのプロセッサに通信可能に結合された少なくとも1つの非一時的プロセッサ可読媒体とを有するプロセッサベースのデバイスであって、請求項112乃至122のいずれか一項に記載の方法を実施するように動作可能であることを特徴とするプロセッサベースのデバイス。
- 磁気共鳴画像(MRI)ベースの医療用画像システムと共に用いるための動作の方法であって、
第1のファイアウォールを介するセキュアな臨床施設ネットワークからの情報に対するアクセスを遠隔で提供するステップであって、すべてのセキュアな患者健康情報が前記セキュアな臨床施設ネットワーク上で保持される、ステップと、
第2のファイアウォールによって、インターネットからMRI画像処理および解析システムを保護するステップと
を含むことを特徴とする方法。 - 磁気共鳴画像(MRI)ベースの医療用画像システムと共に用いるための動作の方法であって、
臨床施設ネットワーク上で実行している匿名化サービスによって、生のDICOMファイルを受け取るステップと、
前記生のDICOMファイル内の任意のプレーンテキスト患者健康情報のハッシュを生成するステップと、
前記生のDICOMファイル内の任意のプレーンテキスト患者健康情報を、前記プレーンテキスト患者健康情報の前記それぞれのハッシュと置き換えるステップと
を含むことを特徴とする方法。 - 前記生のDICOMファイル内のすべての患者健康情報フィールドを識別するステップをさらに含み、前記生のDICOMファイル内の任意のプレーンテキスト患者健康情報のハッシュを生成するステップは、ソルテッドハッシュを生成するステップを含むことを特徴とする請求項125に記載の方法。
- 前記匿名化サービスによってプレーンテキスト患者健康情報をハッシュに変える前記臨床施設ネットワーク内で維持されるキーにアクセスするステップをさらに含むことを特徴とする請求項125に記載の方法。
- 臨床施設ネットワーク上で実行している前記匿名化サービスに対して、前記臨床施設のVPNを介してのみの前記臨床施設ネットワーク外部からのアクセスを可能にするステップをさらに含むことを特徴とする請求項125に記載の方法。
- 磁気共鳴画像(MRI)ベースの医療用画像システムと共に用いるための動作の方法であって、
第1のプロキシサーバによって、複数の要求にサービスするステップであって、前記要求は、臨床施設ネットワークから、および前記臨床施設ネットワーク外部から来る、ステップと、
前記要求の少なくともいくつかに応答して、前記プロキシサーバによって、ハッシュされた患者健康情報からプレーンテキスト情報を生成するステップと、
前記プロキシサーバによって、前記ハッシュされた患者健康情報を前記プレーンテキスト情報と置き換えるステップと、
もたらされた情報をクライアントデバイスに送信するステップと
を含むことを特徴とする方法。 - 磁気共鳴画像(MRI)ベースの医療用画像システムと共に用いるための動作の方法であって、
クライアントによって前記MRI画像処理および解析システムのサーバに接続するステップであって、前記サーバは臨床施設ネットワーク外部にある、ステップと、
プレーンテキストで前記患者健康情報をレンダリングするのに必要とされる情報を前記クライアントが欠損しているかどうかを示すフラグをチェックするステップと、
プレーンテキストで前記患者健康情報PHIをレンダリングするのに必要とされる情報を前記クライアントが欠損しているという標識に応答して、前記クライアントによって匿名化サービスに接続するステップと、
前記クライアントによって、前記匿名化サービスにプレーンテキストでの前記患者健康情報を要求するステップと
を含むことを特徴とする方法。 - 前記クライアントによって、前記匿名化サービスにプレーンテキストでの前記患者健康情報を要求するステップは、ハッシュまたは識別子を提供するステップを含むことを特徴とする請求項130に記載の方法。
- 前記クライアントによって、受け取られた前記プレーンテキスト患者健康情報をローカルにキャッシュするステップをさらに含むことを特徴とする請求項131に記載の方法。
- ユーザがログアウトすることに応答して、前記クライアントによって、前記キャッシュされたプレーンテキスト患者健康情報をパージするステップをさらに含むことを特徴とする請求項132に記載の方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2020109786A JP7544517B2 (ja) | 2014-01-17 | 2020-06-25 | 4次元(4d)フロー磁気共鳴画像化のための装置、方法、および物品 |
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US201461928702P | 2014-01-17 | 2014-01-17 | |
US61/928,702 | 2014-01-17 | ||
PCT/US2015/011851 WO2015109254A2 (en) | 2014-01-17 | 2015-01-16 | Apparatus, methods and articles for four dimensional (4d) flow magnetic resonance imaging |
Related Child Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2020109786A Division JP7544517B2 (ja) | 2014-01-17 | 2020-06-25 | 4次元(4d)フロー磁気共鳴画像化のための装置、方法、および物品 |
Publications (1)
Publication Number | Publication Date |
---|---|
JP2017506997A true JP2017506997A (ja) | 2017-03-16 |
Family
ID=53543627
Family Applications (3)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2016565120A Pending JP2017506997A (ja) | 2014-01-17 | 2015-01-16 | 4次元(4d)フロー磁気共鳴画像化のための装置、方法、および物品 |
JP2020109786A Active JP7544517B2 (ja) | 2014-01-17 | 2020-06-25 | 4次元(4d)フロー磁気共鳴画像化のための装置、方法、および物品 |
JP2023028376A Pending JP2023058747A (ja) | 2014-01-17 | 2023-02-27 | 4次元(4d)フロー磁気共鳴画像化のための装置、方法、および物品 |
Family Applications After (2)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2020109786A Active JP7544517B2 (ja) | 2014-01-17 | 2020-06-25 | 4次元(4d)フロー磁気共鳴画像化のための装置、方法、および物品 |
JP2023028376A Pending JP2023058747A (ja) | 2014-01-17 | 2023-02-27 | 4次元(4d)フロー磁気共鳴画像化のための装置、方法、および物品 |
Country Status (5)
Country | Link |
---|---|
US (3) | US10117597B2 (ja) |
EP (3) | EP3949837A1 (ja) |
JP (3) | JP2017506997A (ja) |
CN (1) | CN106170246A (ja) |
WO (1) | WO2015109254A2 (ja) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2020513975A (ja) * | 2017-03-20 | 2020-05-21 | コーニンクレッカ フィリップス エヌ ヴェKoninklijke Philips N.V. | 基準グレイスケール値を用いる画像セグメンテーション |
JP2022507136A (ja) * | 2018-11-20 | 2022-01-18 | コーニンクレッカ フィリップス エヌ ヴェ | 磁気共鳴イメージングにおける他の処理ロケーションの決定 |
Families Citing this family (60)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20220084654A1 (en) * | 2006-02-21 | 2022-03-17 | J. Christopher Flaherty | Health management system |
EP4104752A1 (en) | 2010-05-12 | 2022-12-21 | Irhythm Technologies, Inc. | Device features and design elements for long-term adhesion |
WO2014116825A1 (en) | 2013-01-24 | 2014-07-31 | Irhythm Technologies, Inc. | Physiological monitoring device |
WO2015109254A2 (en) | 2014-01-17 | 2015-07-23 | Morpheus Medical, Inc. | Apparatus, methods and articles for four dimensional (4d) flow magnetic resonance imaging |
US10331852B2 (en) | 2014-01-17 | 2019-06-25 | Arterys Inc. | Medical imaging and efficient sharing of medical imaging information |
EP3212061B1 (en) | 2014-10-31 | 2023-06-07 | Irhythm Technologies, Inc. | Physiological monitoring system |
EP3238062B1 (en) * | 2014-12-22 | 2019-02-20 | Koninklijke Philips N.V. | Method and arrangement for determining a quality rating data for a medical data acquisition system |
JP6517031B2 (ja) * | 2015-02-05 | 2019-05-22 | キヤノンメディカルシステムズ株式会社 | 医用画像処理装置および磁気共鳴イメージング装置 |
DE102015117479B4 (de) * | 2015-10-14 | 2024-06-27 | Canon Production Printing Germany Gmbh & Co. Kg | Verfahren zum Synchronisieren von Bedienfeldern eines Produktionssystems |
CN108603922A (zh) * | 2015-11-29 | 2018-09-28 | 阿特瑞斯公司 | 自动心脏体积分割 |
CN108601552B (zh) * | 2015-11-29 | 2021-04-09 | 阿特瑞斯公司 | 医学成像和医学成像信息的有效共享 |
JP6901481B2 (ja) * | 2015-12-03 | 2021-07-14 | コーニンクレッカ フィリップス エヌ ヴェKoninklijke Philips N.V. | 増大した無線チャネル・スループットを有する磁気共鳴(mr)システム及び該システムの動作方法 |
JP7110098B2 (ja) * | 2015-12-18 | 2022-08-01 | ザ リージェンツ オブ ザ ユニバーシティ オブ カリフォルニア | 頭部コンピュータ断層撮影における緊急性の特徴の解釈及び定量化 |
EP3397980B1 (en) * | 2015-12-31 | 2021-07-21 | Koninklijke Philips N.V. | Method and system for combining data from a plurality of medical devices |
US10163211B2 (en) * | 2016-01-26 | 2018-12-25 | General Electric Company | System and method for enhanced visualization of multiple low contrast objects within an imaged subject |
JP6687426B2 (ja) * | 2016-03-02 | 2020-04-22 | キヤノンメディカルシステムズ株式会社 | 磁気共鳴イメージング装置 |
JP6669361B2 (ja) * | 2016-04-12 | 2020-03-18 | Necソリューションイノベータ株式会社 | 血流解析システム、解析依頼受付システム、血流解析方法及びプログラム |
US11284811B2 (en) * | 2016-06-22 | 2022-03-29 | Viewray Technologies, Inc. | Magnetic resonance volumetric imaging |
US11151721B2 (en) | 2016-07-08 | 2021-10-19 | Avent, Inc. | System and method for automatic detection, localization, and semantic segmentation of anatomical objects |
US10417788B2 (en) * | 2016-09-21 | 2019-09-17 | Realize, Inc. | Anomaly detection in volumetric medical images using sequential convolutional and recurrent neural networks |
US10127659B2 (en) * | 2016-11-23 | 2018-11-13 | General Electric Company | Deep learning medical systems and methods for image acquisition |
CN109074665B (zh) | 2016-12-02 | 2022-01-11 | 阿文特公司 | 用于经由医学成像系统导航到目标解剖对象的系统和方法 |
US10845444B2 (en) * | 2017-01-17 | 2020-11-24 | The General Hospital Corporation | System and method for magnetic resonance fingerprinting using neural networks trained with sparsely sampled dictionaries |
US10902598B2 (en) | 2017-01-27 | 2021-01-26 | Arterys Inc. | Automated segmentation utilizing fully convolutional networks |
CN110537178B (zh) * | 2017-04-20 | 2024-06-11 | 皇家飞利浦有限公司 | 用于针对发现的指示而对图像切片进行计算机辅助搜索的系统和方法 |
US11688495B2 (en) | 2017-05-04 | 2023-06-27 | Arterys Inc. | Medical imaging, efficient sharing and secure handling of medical imaging information |
US10402976B2 (en) * | 2017-05-16 | 2019-09-03 | Siemens Healthcare Gmbh | Isolation of aneurysm and parent vessel in volumetric image data |
CN107358588B (zh) * | 2017-07-12 | 2020-07-17 | 上海联影医疗科技有限公司 | 相位去卷褶方法、磁共振成像扫描方法及磁共振成像设备 |
DE102017117022A1 (de) * | 2017-07-18 | 2019-01-24 | Christian-Albrechts-Universität Zu Kiel | Verfahren und Einrichtung zur Untersuchung von Blutflussmustern in den Blutgefäßen eines Patienten sowie Computerprogramm |
US10624599B2 (en) * | 2017-07-31 | 2020-04-21 | Shanghai United Imaging Healthcare Co., Ltd. | Systems and methods for motion signal correction |
US11666307B2 (en) * | 2017-08-10 | 2023-06-06 | Philips Image Guided Therapy Corporation | Devices, systems, and methods for real-time monitoring of fluid flow in an anuerysm |
EP3471054B1 (en) * | 2017-10-16 | 2022-02-09 | Siemens Healthcare GmbH | Method for determining at least one object feature of an object |
US11523736B2 (en) * | 2017-11-16 | 2022-12-13 | Victor X. D. YANG | Systems and methods for performing gabor optical coherence tomographic angiography |
WO2019103912A2 (en) | 2017-11-22 | 2019-05-31 | Arterys Inc. | Content based image retrieval for lesion analysis |
US10970876B2 (en) * | 2017-12-08 | 2021-04-06 | Panton, Inc. | Methods and apparatus for image locating relative to the global structure |
EP4224418A3 (en) * | 2018-01-24 | 2023-08-23 | Pie Medical Imaging BV | Flow analysis in 4d mr image data |
FR3080761A1 (fr) | 2018-05-03 | 2019-11-08 | Alara Expertise | Dispositif et methode animant un debit pulse connu a l'interieur d'une irm, pour effectuer son evaluation de performances dans le domaine des mesures hemodynamiques |
US10937549B2 (en) | 2018-05-22 | 2021-03-02 | Shenzhen Keya Medical Technology Corporation | Method and device for automatically predicting FFR based on images of vessel |
CN109064559A (zh) * | 2018-05-28 | 2018-12-21 | 杭州阿特瑞科技有限公司 | 基于力学方程的血管血流模拟方法及相关装置 |
WO2019241155A1 (en) | 2018-06-11 | 2019-12-19 | Arterys Inc. | Simulating abnormalities in medical images with generative adversarial networks |
US20200045112A1 (en) * | 2018-07-31 | 2020-02-06 | Hyperfine Research, Inc. | Medical imaging device messaging service |
US10726588B2 (en) * | 2018-10-31 | 2020-07-28 | Biosense Webster (Israel) Ltd. | Magnetic resonance imaging (MRI) image filtration according to different cardiac rhythms |
CN109410289B (zh) * | 2018-11-09 | 2021-11-12 | 中国科学院精密测量科学与技术创新研究院 | 一种深度学习的高欠采样超极化气体肺部mri重建方法 |
US11610110B2 (en) | 2018-12-05 | 2023-03-21 | Bank Of America Corporation | De-conflicting data labeling in real time deep learning systems |
US10909681B2 (en) | 2019-01-03 | 2021-02-02 | The Regents Of The University Of California | Automated selection of an optimal image from a series of images |
WO2020167736A2 (en) * | 2019-02-15 | 2020-08-20 | Arterys Inc. | Deep learning-based eddy current correction |
CN111612792B (zh) * | 2019-02-22 | 2024-03-08 | 曹生 | 基于VRDS 4D医学影像的静脉的Ai内镜分析方法及产品 |
US11416653B2 (en) * | 2019-05-15 | 2022-08-16 | The Mitre Corporation | Numerical model of the human head |
CN110400298B (zh) * | 2019-07-23 | 2023-10-31 | 中山大学 | 心脏临床指标的检测方法、装置、设备及介质 |
US11183294B2 (en) * | 2019-08-30 | 2021-11-23 | International Business Machines Corporation | Automatic detection and replacement of identifying information in images using machine learning |
US11704795B2 (en) * | 2019-10-09 | 2023-07-18 | Siemens Medical Solutions Usa, Inc. | Quality-driven image processing |
WO2021081835A1 (zh) * | 2019-10-30 | 2021-05-06 | 未艾医疗技术(深圳)有限公司 | 基于VRDS 4D医学影像的动脉瘤Ai处理方法及产品 |
KR102563372B1 (ko) | 2020-02-12 | 2023-08-03 | 아이리듬 테크놀로지스, 아이엔씨 | 비-침습적 심장 모니터 및 기록된 심장 데이터를 사용하여 환자의 생리학적 특성을 추론하는 방법 |
WO2022032118A1 (en) | 2020-08-06 | 2022-02-10 | Irhythm Technologies, Inc. | Electrical components for physiological monitoring device |
US11350864B2 (en) | 2020-08-06 | 2022-06-07 | Irhythm Technologies, Inc. | Adhesive physiological monitoring device |
US20220261991A1 (en) * | 2021-02-15 | 2022-08-18 | The Regents Of The University Of California | Automated deep correction of mri phase-error |
US11894941B1 (en) | 2022-03-18 | 2024-02-06 | Grammarly, Inc. | Real-time tone feedback in video conferencing |
WO2023235008A1 (en) * | 2022-06-03 | 2023-12-07 | Purdue Research Foundation | Systems and methods for four-dimensional mri datasets |
WO2024035570A1 (en) * | 2022-08-11 | 2024-02-15 | Purdue Research Foundation | Systems and methods for performing vessel segmentation from flow data representative of flow within a vessel |
WO2024108176A2 (en) * | 2022-11-17 | 2024-05-23 | Northwestern University | Fluid-structure instability-based physiomarker |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2001149361A (ja) * | 1999-09-30 | 2001-06-05 | Siemens Corporate Res Inc | 生体部内の血管用の仮想造影剤を提供する方法、生体部内の血管用の仮想造影剤を提供する方法、アンギオスコピ(血管内視鏡法)用の生体部内の血管用の仮想造影剤を提供する方法 |
JP2008510499A (ja) * | 2004-06-23 | 2008-04-10 | エムツーエス・インコーポレーテッド | 解剖学的可視化/測定システム |
JP2013223726A (ja) * | 2012-04-19 | 2013-10-31 | General Electric Co <Ge> | 磁気共鳴血管造影のシステムおよび方法 |
Family Cites Families (74)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5115812A (en) | 1988-11-30 | 1992-05-26 | Hitachi, Ltd. | Magnetic resonance imaging method for moving object |
JP2776844B2 (ja) | 1988-11-30 | 1998-07-16 | 株式会社日立製作所 | 磁気共鳴動体イメージング装置 |
JP3137378B2 (ja) | 1991-09-25 | 2001-02-19 | 株式会社東芝 | 磁気共鳴イメージング装置 |
JP3452400B2 (ja) | 1994-08-02 | 2003-09-29 | 株式会社日立メディコ | 磁気共鳴イメージング装置 |
JP3501182B2 (ja) | 1994-11-22 | 2004-03-02 | 株式会社日立メディコ | 流速画像を算出できる磁気共鳴イメージング装置 |
AU4827700A (en) | 1999-05-05 | 2000-11-17 | Healthgram, Inc. | Portable health record |
US7050984B1 (en) | 1999-12-22 | 2006-05-23 | Ge Medical Systems, Inc. | Integrated interactive service to a plurality of medical diagnostic systems |
US8166381B2 (en) | 2000-12-20 | 2012-04-24 | Heart Imaging Technologies, Llc | Medical image management system |
US6934698B2 (en) | 2000-12-20 | 2005-08-23 | Heart Imaging Technologies Llc | Medical image management system |
DE10117685C2 (de) * | 2001-04-09 | 2003-02-27 | Siemens Ag | Verfahren zur Bearbeitung von Objekten eines standardisierten Kommunikationsprotokolls |
US7139417B2 (en) | 2001-08-14 | 2006-11-21 | Ge Medical Systems Global Technology Company Llc | Combination compression and registration techniques to implement temporal subtraction as an application service provider to detect changes over time to medical imaging |
US7355597B2 (en) | 2002-05-06 | 2008-04-08 | Brown University Research Foundation | Method, apparatus and computer program product for the interactive rendering of multivalued volume data with layered complementary values |
GB0219408D0 (en) | 2002-08-20 | 2002-09-25 | Mirada Solutions Ltd | Computation o contour |
DE602004027479D1 (de) | 2003-04-24 | 2010-07-15 | Koninkl Philips Electronics Nv | Eingriffsfreie links-herzkammervolumenbestimmung |
US7254436B2 (en) | 2003-05-30 | 2007-08-07 | Heart Imaging Technologies, Llc | Dynamic magnetic resonance angiography |
US20050065824A1 (en) * | 2003-07-15 | 2005-03-24 | Mark Kohan | Data privacy management systems and methods |
JP2007531124A (ja) * | 2004-03-26 | 2007-11-01 | コンヴァージェンス シーティー | 患者医療データ記録のアクセス及び利用を制御するためのシステム及び方法 |
JP2005284846A (ja) * | 2004-03-30 | 2005-10-13 | Fuji Photo Film Co Ltd | 診断支援システム並びにそれに用いる方法及びサーバ |
US7292032B1 (en) | 2004-09-28 | 2007-11-06 | General Electric Company | Method and system of enhanced phase suppression for phase-contrast MR imaging |
JP2006107134A (ja) * | 2004-10-05 | 2006-04-20 | Japan Science & Technology Agency | 健康情報提供システム及びその方法 |
US7127095B2 (en) * | 2004-10-15 | 2006-10-24 | The Brigham And Women's Hospital, Inc. | Factor analysis in medical imaging |
EP1659511A1 (en) | 2004-11-18 | 2006-05-24 | Cedara Software Corp. | Image archiving system and method for handling new and legacy archives |
US7736313B2 (en) | 2004-11-22 | 2010-06-15 | Carestream Health, Inc. | Detecting and classifying lesions in ultrasound images |
US8000768B2 (en) | 2005-01-10 | 2011-08-16 | Vassol Inc. | Method and system for displaying blood flow |
US20070061460A1 (en) * | 2005-03-24 | 2007-03-15 | Jumpnode Systems,Llc | Remote access |
JP2007158429A (ja) | 2005-11-30 | 2007-06-21 | Canon Inc | 画像処理装置及び画像データ転送制御方法、並びに制御プログラム及び記憶媒体 |
JP5091644B2 (ja) * | 2006-12-04 | 2012-12-05 | 株式会社東芝 | X線コンピュータ断層撮像装置及び医用画像処理装置 |
US8108211B2 (en) | 2007-03-29 | 2012-01-31 | Sony Corporation | Method of and apparatus for analyzing noise in a signal processing system |
US9171344B2 (en) | 2007-10-30 | 2015-10-27 | Onemednet Corporation | Methods, systems, and devices for managing medical images and records |
JP5191787B2 (ja) | 2008-04-23 | 2013-05-08 | 株式会社日立メディコ | X線ct装置 |
US9427173B2 (en) * | 2008-05-09 | 2016-08-30 | General Electric Company | Determining mechanical force on aneurysms from a fluid dynamic model driven by vessel blood flow information |
WO2009142167A1 (ja) | 2008-05-22 | 2009-11-26 | 株式会社 日立メディコ | 磁気共鳴イメージング装置及び血管画像取得方法 |
FR2932599A1 (fr) | 2008-06-12 | 2009-12-18 | Eugene Franck Maizeroi | Procede et dispositif de traitement d'image, notamment pour le traitement d'images medicales pour la determination de vo lumes 3d |
US20110230756A1 (en) | 2008-09-30 | 2011-09-22 | University Of Cape Town | Fluid flow assessment |
JP5422171B2 (ja) | 2008-10-01 | 2014-02-19 | 株式会社東芝 | X線画像診断装置 |
US8148984B2 (en) | 2008-10-03 | 2012-04-03 | Wisconsin Alumni Research Foundation | Method for magnitude constrained phase contrast magnetic resonance imaging |
US8301224B2 (en) | 2008-10-09 | 2012-10-30 | Siemens Aktiengesellschaft | System and method for automatic, non-invasive diagnosis of pulmonary hypertension and measurement of mean pulmonary arterial pressure |
WO2010056900A1 (en) | 2008-11-13 | 2010-05-20 | Avid Radiopharmaceuticals, Inc. | Histogram-based analysis method for the detection and diagnosis of neurodegenerative diseases |
US8457373B2 (en) | 2009-03-16 | 2013-06-04 | Siemens Aktiengesellschaft | System and method for robust 2D-3D image registration |
WO2010117573A2 (en) | 2009-04-07 | 2010-10-14 | Virginia Commonwealth University | Automated measurement of brain injury indices using brain ct images, injury data, and machine learning |
US8527251B2 (en) | 2009-05-01 | 2013-09-03 | Siemens Aktiengesellschaft | Method and system for multi-component heart and aorta modeling for decision support in cardiac disease |
WO2010138691A2 (en) | 2009-05-28 | 2010-12-02 | Kjaya, Llc | Method and system for fast access to advanced visualization of medical scans using a dedicated web portal |
JP5317916B2 (ja) * | 2009-09-29 | 2013-10-16 | 富士フイルム株式会社 | 放射線撮影管理システム及び放射線撮影管理方法 |
US20120070045A1 (en) * | 2009-12-17 | 2012-03-22 | Gregory Vesper | Global medical imaging repository |
US8938113B2 (en) | 2010-07-26 | 2015-01-20 | Kjaya, Llc | Adaptive visualization for direct physician use |
US8897519B2 (en) | 2010-09-28 | 2014-11-25 | Siemens Aktiengesellschaft | System and method for background phase correction for phase contrast flow images |
US8374414B2 (en) | 2010-11-05 | 2013-02-12 | The Hong Kong Polytechnic University | Method and system for detecting ischemic stroke |
CN103262120B (zh) * | 2010-12-09 | 2017-03-22 | 皇家飞利浦电子股份有限公司 | 图像数据的体积描绘 |
US8745413B2 (en) * | 2011-03-02 | 2014-06-03 | Appature, Inc. | Protected health care data marketing system and method |
US8600476B2 (en) | 2011-04-21 | 2013-12-03 | Siemens Aktiengesellschaft | Patient support table control system for use in MR imaging |
JP5701685B2 (ja) * | 2011-05-26 | 2015-04-15 | 富士フイルム株式会社 | 医用情報表示装置およびその動作方法、並びに医用情報表示プログラム |
US9513357B2 (en) | 2011-07-07 | 2016-12-06 | The Board Of Trustees Of The Leland Stanford Junior University | Comprehensive cardiovascular analysis with volumetric phase-contrast MRI |
US9585568B2 (en) * | 2011-09-11 | 2017-03-07 | Steven D. Wolff | Noninvasive methods for determining the pressure gradient across a heart valve without using velocity data at the valve orifice |
US8837800B1 (en) | 2011-10-28 | 2014-09-16 | The Board Of Trustees Of The Leland Stanford Junior University | Automated detection of arterial input function and/or venous output function voxels in medical imaging |
US8682049B2 (en) | 2012-02-14 | 2014-03-25 | Terarecon, Inc. | Cloud-based medical image processing system with access control |
US8553965B2 (en) | 2012-02-14 | 2013-10-08 | TerraRecon, Inc. | Cloud-based medical image processing system with anonymous data upload and download |
DE102012202701A1 (de) * | 2012-02-22 | 2013-08-22 | Siemens Aktiengesellschaft | Verfahren zur Bearbeitung von patientenbezogenen Datensätzen |
US9165360B1 (en) | 2012-09-27 | 2015-10-20 | Zepmed, Llc | Methods, systems, and devices for automated analysis of medical scans |
US9495752B2 (en) | 2012-09-27 | 2016-11-15 | Siemens Product Lifecycle Management Software Inc. | Multi-bone segmentation for 3D computed tomography |
US20150374237A1 (en) * | 2013-01-31 | 2015-12-31 | The Regents Of The University Of California | Method for accurate and robust cardiac motion self-gating in magnetic resonance imaging |
WO2015031641A1 (en) | 2013-08-29 | 2015-03-05 | Mayo Foundation For Medical Education And Research | System and method for boundary classification and automatic polyp detection |
US9668699B2 (en) | 2013-10-17 | 2017-06-06 | Siemens Healthcare Gmbh | Method and system for anatomical object detection using marginal space deep neural networks |
US20150139517A1 (en) | 2013-11-15 | 2015-05-21 | University Of Iowa Research Foundation | Methods And Systems For Calibration |
WO2015109254A2 (en) | 2014-01-17 | 2015-07-23 | Morpheus Medical, Inc. | Apparatus, methods and articles for four dimensional (4d) flow magnetic resonance imaging |
US20150324690A1 (en) | 2014-05-08 | 2015-11-12 | Microsoft Corporation | Deep Learning Training System |
US9928588B2 (en) | 2014-05-15 | 2018-03-27 | Brainlab Ag | Indication-dependent display of a medical image |
KR20160010157A (ko) | 2014-07-18 | 2016-01-27 | 삼성전자주식회사 | 차원 축소 기반 3차원 컴퓨터 보조 진단 장치 및 방법 |
US9633306B2 (en) | 2015-05-07 | 2017-04-25 | Siemens Healthcare Gmbh | Method and system for approximating deep neural networks for anatomical object detection |
CN110688891B (zh) | 2015-08-15 | 2024-05-31 | 硕动力公司 | 采用3d批归一化的三维(3d)卷积 |
CN108603922A (zh) | 2015-11-29 | 2018-09-28 | 阿特瑞斯公司 | 自动心脏体积分割 |
JP7110098B2 (ja) | 2015-12-18 | 2022-08-01 | ザ リージェンツ オブ ザ ユニバーシティ オブ カリフォルニア | 頭部コンピュータ断層撮影における緊急性の特徴の解釈及び定量化 |
US9589374B1 (en) | 2016-08-01 | 2017-03-07 | 12 Sigma Technologies | Computer-aided diagnosis system for medical images using deep convolutional neural networks |
US10902598B2 (en) | 2017-01-27 | 2021-01-26 | Arterys Inc. | Automated segmentation utilizing fully convolutional networks |
EP3629898A4 (en) | 2017-05-30 | 2021-01-20 | Arterys Inc. | AUTOMATED LESION DETECTION, SEGMENTATION AND LONGITUDINAL IDENTIFICATION |
-
2015
- 2015-01-16 WO PCT/US2015/011851 patent/WO2015109254A2/en active Application Filing
- 2015-01-16 EP EP21198658.3A patent/EP3949837A1/en active Pending
- 2015-01-16 EP EP15737417.4A patent/EP3073915A4/en not_active Ceased
- 2015-01-16 JP JP2016565120A patent/JP2017506997A/ja active Pending
- 2015-01-16 EP EP20193466.8A patent/EP3767630A1/en active Pending
- 2015-01-16 US US15/112,130 patent/US10117597B2/en active Active
- 2015-01-16 CN CN201580008074.2A patent/CN106170246A/zh active Pending
-
2018
- 2018-11-05 US US16/181,038 patent/US10398344B2/en active Active
-
2019
- 2019-08-27 US US16/552,239 patent/US20200054235A1/en not_active Abandoned
-
2020
- 2020-06-25 JP JP2020109786A patent/JP7544517B2/ja active Active
-
2023
- 2023-02-27 JP JP2023028376A patent/JP2023058747A/ja active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2001149361A (ja) * | 1999-09-30 | 2001-06-05 | Siemens Corporate Res Inc | 生体部内の血管用の仮想造影剤を提供する方法、生体部内の血管用の仮想造影剤を提供する方法、アンギオスコピ(血管内視鏡法)用の生体部内の血管用の仮想造影剤を提供する方法 |
JP2008510499A (ja) * | 2004-06-23 | 2008-04-10 | エムツーエス・インコーポレーテッド | 解剖学的可視化/測定システム |
JP2013223726A (ja) * | 2012-04-19 | 2013-10-31 | General Electric Co <Ge> | 磁気共鳴血管造影のシステムおよび方法 |
Non-Patent Citations (1)
Title |
---|
WONG, A.L.N. ET AL.: "Segmentation of Myocardium Using Velocity Field Constrained Front Propagation", PROC. OF 6TH. IEEE WORKSHOP ON APPLICATION OF COMPUTER VISION, JPN6018036501, 3 December 2002 (2002-12-03), US, pages 4 - 89 * |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2020513975A (ja) * | 2017-03-20 | 2020-05-21 | コーニンクレッカ フィリップス エヌ ヴェKoninklijke Philips N.V. | 基準グレイスケール値を用いる画像セグメンテーション |
JP2022507136A (ja) * | 2018-11-20 | 2022-01-18 | コーニンクレッカ フィリップス エヌ ヴェ | 磁気共鳴イメージングにおける他の処理ロケーションの決定 |
JP7420802B2 (ja) | 2018-11-20 | 2024-01-23 | コーニンクレッカ フィリップス エヌ ヴェ | 磁気共鳴イメージングにおける他の処理ロケーションの決定 |
Also Published As
Publication number | Publication date |
---|---|
EP3949837A1 (en) | 2022-02-09 |
EP3073915A4 (en) | 2017-08-16 |
WO2015109254A2 (en) | 2015-07-23 |
US20190069802A1 (en) | 2019-03-07 |
CN106170246A (zh) | 2016-11-30 |
US20200054235A1 (en) | 2020-02-20 |
WO2015109254A3 (en) | 2015-10-08 |
EP3073915A2 (en) | 2016-10-05 |
US10398344B2 (en) | 2019-09-03 |
JP2023058747A (ja) | 2023-04-25 |
US20160338613A1 (en) | 2016-11-24 |
JP2020163213A (ja) | 2020-10-08 |
JP7544517B2 (ja) | 2024-09-03 |
EP3767630A1 (en) | 2021-01-20 |
US10117597B2 (en) | 2018-11-06 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP7544517B2 (ja) | 4次元(4d)フロー磁気共鳴画像化のための装置、方法、および物品 | |
CN108601552B (zh) | 医学成像和医学成像信息的有效共享 | |
US11515032B2 (en) | Medical imaging and efficient sharing of medical imaging information | |
US9141763B2 (en) | Method and system for patient-specific computational modeling and simulation for coupled hemodynamic analysis of cerebral vessels | |
CN105103191B (zh) | 血管分割 | |
EP2693401B1 (en) | Vessel segmentation method and apparatus using multiple thresholds values | |
US20210012883A1 (en) | Systems and methods for longitudinally tracking fully de-identified medical studies | |
JP2018515167A (ja) | 血管網と潅流組織の機能的関連性を特定し可視化するシステム及び方法 | |
CN106510708A (zh) | 用于多对比度脑磁共振数据中异常检测的框架 | |
Sundareswaran et al. | Optimum fuzzy filters for phase‐contrast magnetic resonance imaging segmentation |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20180112 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20180831 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20180918 |
|
A601 | Written request for extension of time |
Free format text: JAPANESE INTERMEDIATE CODE: A601 Effective date: 20181218 |
|
A601 | Written request for extension of time |
Free format text: JAPANESE INTERMEDIATE CODE: A601 Effective date: 20190218 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20190318 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20190611 |
|
A601 | Written request for extension of time |
Free format text: JAPANESE INTERMEDIATE CODE: A601 Effective date: 20190911 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20191111 |
|
A02 | Decision of refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A02 Effective date: 20200225 |