JP2018201569A - 地図情報生成方法、判定方法、及びプログラム - Google Patents
地図情報生成方法、判定方法、及びプログラム Download PDFInfo
- Publication number
- JP2018201569A JP2018201569A JP2017106643A JP2017106643A JP2018201569A JP 2018201569 A JP2018201569 A JP 2018201569A JP 2017106643 A JP2017106643 A JP 2017106643A JP 2017106643 A JP2017106643 A JP 2017106643A JP 2018201569 A JP2018201569 A JP 2018201569A
- Authority
- JP
- Japan
- Prior art keywords
- thinned
- cerebral
- blood vessel
- information
- map information
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Classifications
-
- 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
- A61B5/05—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
- A61B5/40—Detecting, measuring or recording for evaluating the nervous system
- A61B5/4058—Detecting, measuring or recording for evaluating the nervous system for evaluating the central nervous system
- A61B5/4064—Evaluating the brain
-
- 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
- A61B5/7221—Determining signal validity, reliability or quality
-
- 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
- A61B2576/026—Medical imaging apparatus involving image processing or analysis specially adapted for a particular organ or body part for the brain
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Animal Behavior & Ethology (AREA)
- Veterinary Medicine (AREA)
- Biophysics (AREA)
- Pathology (AREA)
- Neurology (AREA)
- Biomedical Technology (AREA)
- Heart & Thoracic Surgery (AREA)
- Medical Informatics (AREA)
- Molecular Biology (AREA)
- Surgery (AREA)
- Public Health (AREA)
- General Health & Medical Sciences (AREA)
- Physiology (AREA)
- Vascular Medicine (AREA)
- Neurosurgery (AREA)
- Cardiology (AREA)
- Psychology (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Signal Processing (AREA)
- Psychiatry (AREA)
- Artificial Intelligence (AREA)
- High Energy & Nuclear Physics (AREA)
- Radiology & Medical Imaging (AREA)
- Magnetic Resonance Imaging Apparatus (AREA)
- Apparatus For Radiation Diagnosis (AREA)
Abstract
Description
放射線医師を支援するために、MRA画像を用いた無症候性未破裂脳動脈瘤の検出において、多くのコンピュータ支援診断(CAD:Computer−aided diagnostic)システムの枠組みが開発されてきた。研究によれば、CADシステムを用いることで、経験の比較的浅い放射線医師の診断実績の向上と、画像読み込み時間の短縮とにおいて、顕著な改善がみられたことが統計的に示されている。
以下、図面を参照しながら本発明の実施形態について詳しく説明する。
図1は、実施形態の脳血管画像における脳動脈瘤と、偽陽性との分布の一例を示す図である。当該脳血管画像は、脳を前方からみた場合の脳血管の画像である。
しかしながら、図1に示すように、いくつかの偽陽性が、画像化された血管V1における画像領域への入り口部分FP1、あるいは画像化された血管V1の末端FP2、FP3に検出されてしまっていた。なお、場所A0においては、真陽性が検出されている。
確率アトラスは、肝臓のような臓器の断片や、脳の構造において用いられてきた。しかしながら、脳動脈瘤が発生する共通の場所の事前情報を用いた方法はあまり知られていない。
脳動脈瘤の場所は血管の構造に依存し、血管の構造は共通のパターンをもつが、血管の形状は個体により異なる。基準となるデータと複数の臨床データとを、剛体レジストレーションのみを用いて、位置合わせを行うことは困難である。本方法においては、脳血管の主要血管間の位置合わせに対して、非剛体レジストレーションの手法であるTPS−RPM(TPS−RPM:Thin Plate Spline−Robust Point Matching)を利用する。
本実施形態における脳動脈瘤の確率アトラスを、確率アトラスPAと称する。
本実施形態のデータベースは、72人の患者のデータを含み、全員で89個の非破裂脳動脈瘤をもつ。ここで、72人の患者は、36歳から89歳までの、男性17人、女性55人からなる。データベースは、1人の健常者のデータを基準データとして含む。当該基準データは、2006年から2007年の間、あるいは2010年から2014年の間にMRA診断を受けた45歳の女性のデータである。当該基準データは、健常者の血管の形状の基準を用いて、30人の脳動脈瘤に罹患していない人のデータから選んだものである。
データベースに含まれる脳動脈瘤は、2人の経験のある神経放射線科医により、日本脳卒中学会のガイドラインに従って、CT血管造影法、あるいはデジタル差分血管造影法(DSA:Digital Subtraction Angiography)を用いて確認されたものである。患者のMRA画像は、3.0テスラの磁気共鳴画像スキャナを用いて得られたものである。3次元のMRA画像は、症例あたり112枚から172枚のスライスを含む。ここで、当該スライスは、1ミリメートルから1.2ミリメートルの厚さと、0.5ミリメートルから0.7ミリメートルの距離とからなるスライスである。スライスの画像は、ピクセルサイズが0.3516ミリメートルの512×512ピクセルである。元の3次元のMRA画像は、512×512×(224−258)のサイズのマトリックスと、サイズが0.3516ミリメートルの等方ボクセルとからなる等方的な体積データに、3次元内挿法を用いて変換される。
脳動脈瘤の、長径、及び2つの短径は、各々楕円体の長軸、中軸、短軸に沿って、手作業により測定された。ここで、楕円体の長軸、中軸、短軸は、互いに直交している。当該測定は、多断面再構成(MPR:Multi−Planar Reconstruction)ソフトウェアを用いて、MRA画像上で、2人の測定者により各々2回ずつ行われた。89個の脳動脈瘤の長径は、1.4ミリメートルから10.6ミリメートルの範囲の値を取り、平均値は4.4ミリメートルであった。
40パーセントの脳動脈瘤が、中大脳動脈(MCA:Middle Cerebral Artery)において発生し、38パーセントの脳動脈瘤が内頚動脈(ICA:Internal Carotid Artery)、及び内頚動脈後交通動脈(ICA−Pcom:ICA−Posterior Communicating Artery)において発生している。このように、大半の脳動脈瘤は、MCA、ICA及びICA−Pcomにおいて発生している。
10パーセントの脳動脈瘤は、前交通動脈(Acom:Anterior Communicating Artery)において発生している。5パーセントの脳動脈瘤は、前大脳動脈(ACA:Anterior Cerebral Artery)において発生している。3パーセントの脳動脈瘤は、脳底動脈先端部(BAtip:Tip of Basilar Artery)、あるいは脳底動脈−上小脳動脈(BA−SCA:Basilar Artery−Superior cerebellar Artery)分岐部において発生している。2パーセントの脳動脈瘤は、椎骨動脈−後下小脳動脈(VA−PICA:vertebral arteries―posterior inferior cerebellar arteries)分岐部において発生している。
確率アトラスPAは、基準となる血管画像において、データベースの脳動脈瘤の場所と大きさを示すガウス球を用いて決定される。基準となる血管画像における各脳動脈瘤の場所は、変形ベクトル場を用いて、臨床画像の脳動脈瘤の場所を、基準となる血管画像の場所に変換することにより決定される。ここで、変形ベクトル場は、TPS−RPM法を用いて、臨床症例と、基準となる血管画像との間で、主要血管の細線化画像の位置合わせを行うことにより生成される。その後、ガウス球は、位置合わせをされた脳動脈瘤の場所に配置される。ここで、ガウス球のガウス分布の標準偏差は、各脳動脈瘤の長径の値の4分の1である。
血管の堅牢な位置合わせを行うため、主要血管の細線化画像を抽出する。ここで、主要血管を用いる理由は、主要血管が、脳動脈瘤が共通して発生する場所に囲まれていることと、主要血管の分布は枝分かれした血管の分布に比べ不定性が少ないこととである。
血管内の空洞を除くため、クロージング処理を行う。ここで、クロージング処理とは、膨張処理の後に収縮処理を行うことを繰り返す処理である。膨張処理とは、注目するボクセルの近傍の最大の信号強度を、当該ボクセルの信号強度に置き換える処理である。収縮処理とは、注目するボクセルの近傍の最少の信号強度を、当該ボクセルの信号強度に置き換える処理である。
枝分かれした血管を除くため、収縮処理を行う。3次元細線化アルゴリズムを適用し、主要血管の細線化画像を生成する。
ステップS10において、臨床症例の細線化画像SV2が生成される。生成された細線化画像SV2に対して、脳動脈瘤患者の脳血管の座標情報、及び脳動脈瘤の座標情報がそれぞれ対応づけられ、細線化画像情報SVI2が生成される。なお、細線化画像情報SVI2は、各脳動脈瘤の大きさを示すサイズ情報を含む。
基準となる細線化画像SV1が生成される。生成された細線化画像SV1に対して、脳動脈瘤患者の脳血管の座標情報、及び脳動脈瘤の座標情報がそれぞれ対応づけられ、細線化画像情報SVI1が生成される。
脳動脈瘤のアトラスを作成するためには、臨床症例の脳動脈瘤の位置から基準となる細線化画像の位置への、非剛体位置合わせが必要である。
まず、TPS−RPM法を用いて、基準となる主要血管の細線化画像の点の集合と、臨床症例の主要血管の細線化画像の点の集合との間の非剛体位置合わせを行う。これにより、各点で定義された変形ベクトル場を得る。
次に、臨床症例の脳動脈瘤の位置を、基準となる主要血管の細線化画像上の位置に、基準となる主要血管の細線化画像の最も近い点における変形ベクトルを用いて、位置合わせを行う。
このように、ステップS20においては、基準となる細線化画像情報SVI1が示す、脳血管が細線化された細線化基準画像が示す脳血管の基準座標に対して、ステップS10において生成された臨床症例の細線化画像情報SVI2が示す細線化された脳血管の座標を対応付ける。
図4は、位置合わせを行った後の、基準となる主要血管の細線化画像SV1−2と、臨床症例の主要血管の細線化画像SV3との一例を示す図である。細線化画像SV1−2と、細線化画像SV2とでは血管の位置が対応づけられ、図3に比べずれが小さい。
(ステップS30)位置合わせの完了した脳動脈瘤から確率アトラスPAを作成する。
ステップS20における位置合わせにより、基準となる主要血管の細線化画像上の脳動脈瘤の位置が得られた。当該脳動脈瘤の位置を囲う脳動脈瘤の発生確率は、正規分布に従うことを仮定する。確率アトラスPAは、位置合わせをされた脳動脈瘤の位置の周りの式(1)で表されるガウス分布に基づき作成される。
また、ステップS30においては、脳動脈瘤の長径の長さに基づいて、確率アトラスPAを生成する。
基準となる主要血管の細線化画像SV1上に、脳動脈瘤の確率分布が示されている。例えば、場所A1、A2、A3、A4、A5、A6、A7には、臨床症例の脳動脈瘤の位置が多く分布していることに対応して、脳動脈瘤が多く発生している。一方、例えば、場所R1には、臨床症例の脳動脈瘤の位置が殆ど分布していないことに対応して、脳動脈瘤は殆ど発生していない。
確率アトラスPAに基づくベイズ推定を用いたCADフレームワークについて説明する。
図6は、確率アトラスPAを用いたベイズ推定を用いたCADフレームワークを示す図である。以下では、ベイズ推定を用いたCADフレームワークを、ベイジアンCADフレームワークと称する。
ステップS120において、ステップS110で取得したMRA画像DIに、ECEフィルターを適用する。ステップS120において、ECEフィルター適用後の画像と、及び各脳動脈瘤の候補を楕円体とみなしたときの楕円体を表す2次式のヘッセ行列の固有値の比とを得る。ECEフィルター適用後の画像では、脳動脈瘤の候補の形状が選択的に強調される。
ステップS140において、ステップS10、S20、S30で示す地図情報生成方法Mにより、確率アトラスPAを生成する。
脳動脈瘤は常に血管の表面において発生する。このため、確率アトラスPAのガウス球に対して局所的な位置の調整を行う。細線化画像SV4において、各ガウス球を、最も近い血管の表面へと移動させ、確率アトラスPA−1を得る。
ECEフィルターは、位置ベクトルvで表されるボクセルにおける楕円体を表す2次式のヘッセ行列の固有値に基づいて設計されている。固有値の最大値と、最小値との比は、局所的な信号強度の形状を楕円体でモデル化したときの楕円体のおける短軸の中軸への比に対応する。この対応は、式2のように表される。
図7は、偽陽性と、脳動脈瘤とに対する固有値の比の分布を示す図である。脳動脈瘤に対する固有値の比の分布RD1は、式(3)により表される正規分布である。
偽陽性に対する固有値の比の分布RD2は、式(4)により表される正規分布である。
固有値の比I(v)が得られた場合に、位置ベクトルvで表されるボクセルが脳動脈瘤内に位置する事後確率は、確率P(v|I(v))で与えられる。確率P(v|I(v))は、式(5)で与えられる。
ステップS160において得られた、式(5)で与えられる脳動脈瘤の発生確率P(v|I(v))に基づき、確率アトラスPA−1の脳動脈瘤の確率分布を更新し、確率アトラスPA−2を生成する。確率アトラスPA−2を用いることで、偽陽性を判定する。
評価のために、Leave−One−Out交差検証を用いる。89個の臨床症例から1個を選び、判定用症例とし、残り88個を臨床症例とし、ベイジアンCADフレームワークを実行する。この操作を、89個の臨床症例の全てが1回ずつ判定用症例として選ばれるまで、合計89回繰り返す。
図8は、本実施形態の確率アトラスPA−2を前方から後方にみた最大値投映法による画像の一例を示す図である。
本実施例で得られた結果においては、大半の脳動脈瘤は、血管V3において、場所A12(大脳動脈輪)、場所A8、A11(MCA)、及び場所A9、A10(ICA屈曲部分)を囲むように発生している。一方、例えば、場所R2には、脳動脈瘤は殆ど発生していない。
この結果は、未破裂脳動脈瘤の有病率の研究における、脳動脈瘤の大きさと場所についての割合を示すデータを再現している。
確率アトラスと、ECEフィルターから得られる固有値の比とに基づくベイズ推定を用いる場合のFROC(free−response receiver operating characteristic)曲線G1と、用いない場合のFROC曲線G2とを比較する。
本実施形態によれば、89個の症例を用いた場合、感度が最も高い結果において偽陽性の数を比較した場合。確率アトラスを、ベイジアンCADフレームワークに取り入れることで、偽陽性の初期値は、25.2個から7.2個へと、93.1パーセントの感度で減少することが確認されている。また、症例あたりの偽陽性の平均個数は、19個から5.4個へと80パーセントの感度で減少することが確認されている。
フレームワークFは、脳動脈瘤場所推定装置1と、画像供給部2と、提示部3とを備える。
PA細線化画像生成部132は、基準画像取得部131から取得したMRA画像RIから、細線化画像情報SVI1を生成する。ここで、細線化画像情報SVI1は、基準となる健常者の脳血管の座標情報を含む、細線化画像SV1を示す情報である。
PA細線化画像生成部132は、生成した細線化画像情報SVI2と、細線化画像情報SVI1とを、PA座標対応づけ部133に供給する。
PA座標対応づけ部133は、細線化画像情報SVI1と、細線化された脳血管の座標が、細線化画像情報SVI1が示す脳血管の基準座標に対応づけられた細線化画像情報SVI2とを、地図情報生成部134に供給する。
地図情報生成部134は、取得した細線化画像情報SVI1が示す脳血管の基準座標に対する脳動脈瘤の座標における発生確率を示す確率アトラスPAを生成する。ここで、地図情報生成部134は、PA座標対応づけ部133により対応付けられた細線化画像情報SVI2の示す脳動脈瘤の座標、座標情報、及びサイズ情報に基づいて、確率アトラスPAを生成する。
地図情報生成部134は、生成した確率アトラスPAを、座標対応づけ部14に供給する。
座標対応づけ部14は、判定対象細線化画像情報SVI4が示す脳血管の座標に対応づけられた確率アトラスPA−1を、第1偽陽性判定部15に供給する。
第1偽陽性判定部15は、ベイズ推定により確率アトラスPA−2を生成する。第1偽陽性判定部15は、生成した確率アトラスPA−2を用いて、MRA画像DIに含まれる脳動脈瘤の候補から偽陽性を判定する。
剛体位置合わせや、脳細胞に基づく位置合わせでは、解剖学的に血管の場所が異なっていることに対する限界があったが、地図情報生成方法Mによれば、血管の細線化画像に基づく非剛体位置合わせにより、克服することができた。
また、「コンピュータ読み取り可能な記録媒体」とは、フレキシブルディスク、光磁気ディスク、ROM、CD−ROM等の可搬媒体、コンピュータシステムに内蔵されるハードディスク等の記憶装置のことをいう。さらに「コンピュータ読み取り可能な記録媒体」とは、インターネット等のネットワークや電話回線等の通信回線を介してプログラムを送信する場合の通信線のように、短時間の間、動的にプログラムを保持するもの、その場合のサーバやクライアントとなるコンピュータシステム内部の揮発性メモリのように、一定時間プログラムを保持しているものも含むものとする。また上記プログラムは、前述した機能の一部を実現するためのものであってもよく、さらに前述した機能をコンピュータシステムにすでに記録されているプログラムとの組み合わせで実現できるものであってもよい。
Claims (5)
- 脳動脈瘤患者の脳血管の座標情報及び脳動脈瘤の座標情報がそれぞれ対応づけられ、当該脳血管が細線化された細線化患者画像情報を生成する細線化患者画像生成ステップと、
脳血管が細線化された細線化基準画像が示す脳血管の基準座標に対して、前記細線化患者画像生成ステップにおいて生成された前記細線化患者画像情報が示す細線化された脳血管の座標を対応付ける座標対応付けステップと、
複数の脳動脈瘤患者の前記細線化患者画像情報についての前記座標対応付けステップにおいて対応付けられた脳血管の座標及び座標情報に基づいて、前記基準座標に対する脳動脈瘤の座標における発生確率を示す確率的地図情報を生成する地図情報生成ステップと
を有する地図情報生成方法。 - 前記地図情報生成ステップにおいて、前記脳動脈瘤の大きさに基づいて、前記確率的地図情報を生成する
請求項1に記載の地図情報生成方法。 - 判定対象の脳動脈瘤患者の脳血管の座標情報及び脳動脈瘤の座標情報がそれぞれ対応づけられ、当該脳血管が細線化された判定対象細線化患者画像情報を生成する判定対象細線化患者画像生成ステップと、
請求項1または請求項2に記載の前記地図情報生成方法により前記確率的地図情報を生成する確率的地図情報生成ステップと、
前記判定対象細線化患者画像情報が示す脳血管の基準座標に対して、前記確率的地図情報生成ステップにおいて生成された前記確率的地図情報が示す細線化された脳血管の座標を対応付ける第2の座標対応付けステップと、
前記第2の座標対応付けステップにおいて対応付けられた脳血管の座標及び座標情報に基づいて、第2の確率的地図情報を生成する第2の地図情報生成ステップと、
前記第2の確率的地図情報に含まれる偽陽性をベイズ推定によって判定する偽陽性判定ステップと、
を有する判定方法。 - 前記偽陽性判定ステップにおいて、脳動脈瘤を楕円体とみなしたときの当該楕円体を表す2次式のヘッセ行列の固有値の比を用いる
請求項3に記載の判定方法。 - コンピュータに、
脳動脈瘤患者の脳血管の座標情報及び脳動脈瘤の座標情報がそれぞれ対応づけられ、当該脳血管が細線化された細線化患者画像情報を生成する細線化患者画像生成ステップと、
脳血管が細線化された細線化基準画像が示す脳血管の基準座標に対して、前記細線化患者画像生成ステップにおいて生成された前記細線化患者画像情報が示す細線化された脳血管の座標を対応付ける座標対応付けステップと、
複数の脳動脈瘤患者の前記細線化患者画像情報についての前記座標対応付けステップにおいて対応付けられた脳血管の座標及び座標情報に基づいて、前記基準座標に対する脳動脈瘤の座標における発生確率を示す確率的地図情報を生成する地図情報生成ステップと、
を実行させるためのプログラム。
Priority Applications (5)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2017106643A JP6847453B2 (ja) | 2017-05-30 | 2017-05-30 | 地図情報生成方法、作動方法、及びプログラム |
PCT/JP2018/018115 WO2018221152A1 (ja) | 2017-05-30 | 2018-05-10 | 地図情報生成方法、判定方法、及びプログラム |
CN201880046075.XA CN110868924A (zh) | 2017-05-30 | 2018-05-10 | 地图信息生成方法、判定方法以及程序 |
EP18808734.0A EP3632306A4 (en) | 2017-05-30 | 2018-05-10 | MAPPING INFORMATION GENERATION PROCESS, DETERMINATION PROCESS, AND PROGRAM |
US16/617,906 US20210145291A1 (en) | 2017-05-30 | 2018-05-10 | Method for Generating Map Information, Determination Method, and Program |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2017106643A JP6847453B2 (ja) | 2017-05-30 | 2017-05-30 | 地図情報生成方法、作動方法、及びプログラム |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2018201569A true JP2018201569A (ja) | 2018-12-27 |
JP6847453B2 JP6847453B2 (ja) | 2021-03-24 |
Family
ID=64456244
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2017106643A Active JP6847453B2 (ja) | 2017-05-30 | 2017-05-30 | 地図情報生成方法、作動方法、及びプログラム |
Country Status (5)
Country | Link |
---|---|
US (1) | US20210145291A1 (ja) |
EP (1) | EP3632306A4 (ja) |
JP (1) | JP6847453B2 (ja) |
CN (1) | CN110868924A (ja) |
WO (1) | WO2018221152A1 (ja) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP4252656A4 (en) * | 2020-11-25 | 2024-05-22 | Panasonic Holdings Corp | MEDICAL IMAGES DISPLAY SYSTEM, MEDICAL IMAGES DISPLAY METHOD AND PROGRAM |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2007026598A1 (ja) * | 2005-08-31 | 2007-03-08 | Gifu University | 医用画像処理装置及び画像処理方法 |
JP3928978B1 (ja) * | 2006-09-22 | 2007-06-13 | 国立大学法人岐阜大学 | 医用画像処理装置、医用画像処理方法及びプログラム |
WO2013031741A1 (ja) * | 2011-08-26 | 2013-03-07 | イービーエム株式会社 | 血流性状診断のためのシステム、その方法及びコンピュータソフトウエアプログラム |
US20150317442A1 (en) * | 2014-04-30 | 2015-11-05 | Siemens Aktiengesellschaft | Method and system for advanced aneurysm analysis |
WO2017047819A1 (ja) * | 2015-09-18 | 2017-03-23 | イービーエム株式会社 | 血管形状分析装置、その方法、及びそのコンピュータソフトウェアプログラム |
Family Cites Families (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP5181124B2 (ja) | 2008-03-31 | 2013-04-10 | サイバネットシステム株式会社 | 動脈瘤計測方法、及びその装置並びにコンピュータプログラム |
US9349176B2 (en) * | 2009-07-15 | 2016-05-24 | Mayo Foundation For Medical Education And Research | Computer-aided detection (CAD) of intracranial aneurysms |
JP2014100249A (ja) * | 2012-11-19 | 2014-06-05 | Toshiba Corp | 血管解析装置、医用画像診断装置、血管解析方法、及び血管解析プログラム |
CN103810754A (zh) * | 2014-03-04 | 2014-05-21 | 姜卫剑 | 医用图像处理方法 |
WO2016094586A1 (en) * | 2014-12-09 | 2016-06-16 | Jan Medical, Inc. | Noninvasive detection of human brain conditions and anomalies |
JP2017106643A (ja) | 2015-12-07 | 2017-06-15 | 三菱重工業株式会社 | チラーユニット |
-
2017
- 2017-05-30 JP JP2017106643A patent/JP6847453B2/ja active Active
-
2018
- 2018-05-10 WO PCT/JP2018/018115 patent/WO2018221152A1/ja unknown
- 2018-05-10 CN CN201880046075.XA patent/CN110868924A/zh active Pending
- 2018-05-10 US US16/617,906 patent/US20210145291A1/en active Pending
- 2018-05-10 EP EP18808734.0A patent/EP3632306A4/en not_active Withdrawn
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2007026598A1 (ja) * | 2005-08-31 | 2007-03-08 | Gifu University | 医用画像処理装置及び画像処理方法 |
JP3928978B1 (ja) * | 2006-09-22 | 2007-06-13 | 国立大学法人岐阜大学 | 医用画像処理装置、医用画像処理方法及びプログラム |
WO2013031741A1 (ja) * | 2011-08-26 | 2013-03-07 | イービーエム株式会社 | 血流性状診断のためのシステム、その方法及びコンピュータソフトウエアプログラム |
US20150317442A1 (en) * | 2014-04-30 | 2015-11-05 | Siemens Aktiengesellschaft | Method and system for advanced aneurysm analysis |
WO2017047819A1 (ja) * | 2015-09-18 | 2017-03-23 | イービーエム株式会社 | 血管形状分析装置、その方法、及びそのコンピュータソフトウェアプログラム |
Non-Patent Citations (1)
Title |
---|
ZE JIN ET AL.: "An ellipsoid convex enhancement filter for detection of asymptomatic intracranial aneurysm candidate", MEDICAL PHYSICS, vol. vol.43, no.2, pp.951-960, JPN6020035984, February 2016 (2016-02-01), ISSN: 0004353274 * |
Also Published As
Publication number | Publication date |
---|---|
EP3632306A1 (en) | 2020-04-08 |
WO2018221152A1 (ja) | 2018-12-06 |
EP3632306A4 (en) | 2021-03-03 |
JP6847453B2 (ja) | 2021-03-24 |
US20210145291A1 (en) | 2021-05-20 |
CN110868924A (zh) | 2020-03-06 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US20220265239A1 (en) | Systems and methods for assessing the severity of plaque and/or stenotic lesions using contrast distribution predictions and measurements | |
Coenen et al. | Integrating CT myocardial perfusion and CT-FFR in the work-up of coronary artery disease | |
El-Gamal et al. | Current trends in medical image registration and fusion | |
US10565710B2 (en) | Systems and user interfaces for determination of electro magnetically identified lesions as included in medical images of differing perspectives | |
US9471987B2 (en) | Automatic planning for medical imaging | |
US8311303B2 (en) | Method and system for semantics driven image registration | |
US9378550B2 (en) | Image processing device for finding corresponding regions in two image data sets of an object | |
US10997475B2 (en) | COPD classification with machine-trained abnormality detection | |
US10755453B2 (en) | Image processing apparatus, image processing method, and ultrasound imaging apparatus having image processing unit | |
US10628963B2 (en) | Automatic detection of an artifact in patient image | |
Hachaj et al. | CAD system for automatic analysis of CT perfusion maps | |
US20150235364A1 (en) | Feature validation using motion registration | |
WO2018221152A1 (ja) | 地図情報生成方法、判定方法、及びプログラム | |
JP2014050527A (ja) | 画像処理装置及び画像処理方法 | |
Jadhav et al. | 3D virtual pancreatography | |
Bevers et al. | Association between bone shape and the presence of a fracture in patients with a clinically suspected scaphoid fracture | |
Hachaj | Pattern classification methods for analysis and visualization of brain perfusion CT maps | |
Hopp et al. | Automatic multimodal 2D/3D image fusion of ultrasound computer tomography and x-ray mammography for breast cancer diagnosis | |
JP7153261B2 (ja) | 画像処理装置および画像処理装置の作動方法並びに画像処理プログラム | |
Kakadiaris et al. | Cardiovascular informatics | |
Renz et al. | Computer Assisted Radiology-25th International Congress and Exhibition | |
Zhu et al. | A Method of Time–Intensity Curve Calculation for Vascular Perfusion of Uterine Fibroids Based on Subtraction Imaging with Motion Correction | |
Yoshida et al. | Abdominal Imaging. Computational and Clinical Applications: 5th International Workshop, Held in Conjunction with MICCAI 2013, Nagoya, Japan, September 22, 2013, Proceedings | |
WO2017018230A1 (ja) | 画像処理装置、方法、及びプログラム | |
Mahmud et al. | Kidney Abnormality Detection and Classification Using Ultrasound Vector Graphic Image Analysis |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20200416 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20200929 |
|
A601 | Written request for extension of time |
Free format text: JAPANESE INTERMEDIATE CODE: A601 Effective date: 20201125 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20210122 |
|
TRDD | Decision of grant or rejection written | ||
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20210209 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20210224 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 6847453 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |