JP2020524064A - コンピュータ支援トリアージの方法とシステム - Google Patents
コンピュータ支援トリアージの方法とシステム Download PDFInfo
- Publication number
- JP2020524064A JP2020524064A JP2020519026A JP2020519026A JP2020524064A JP 2020524064 A JP2020524064 A JP 2020524064A JP 2020519026 A JP2020519026 A JP 2020519026A JP 2020519026 A JP2020519026 A JP 2020519026A JP 2020524064 A JP2020524064 A JP 2020524064A
- Authority
- JP
- Japan
- Prior art keywords
- specialist
- identifying
- centerline
- image group
- images
- 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
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
- G06T7/0012—Biomedical image inspection
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/11—Region-based segmentation
-
- 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
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H40/00—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices
- G16H40/20—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices for the management or administration of healthcare resources or facilities, e.g. managing hospital staff or surgery rooms
-
- 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
- G16H80/00—ICT specially adapted for facilitating communication between medical practitioners or patients, e.g. for collaborative diagnosis, therapy or health monitoring
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L67/00—Network arrangements or protocols for supporting network services or applications
- H04L67/01—Protocols
- H04L67/12—Protocols specially adapted for proprietary or special-purpose networking environments, e.g. medical networks, sensor networks, networks in vehicles or remote metering networks
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/0002—Remote monitoring of patients using telemetry, e.g. transmission of vital signals via a communication network
- A61B5/0015—Remote monitoring of patients using telemetry, e.g. transmission of vital signals via a communication network characterised by features of the telemetry system
- A61B5/002—Monitoring the patient using a local or closed circuit, e.g. in a room or building
-
- 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
- A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
- A61B5/7235—Details of waveform analysis
- A61B5/7264—Classification of physiological signals or data, e.g. using neural networks, statistical classifiers, expert systems or fuzzy systems
-
- 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
- G06T2207/10016—Video; Image sequence
-
- 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
- G06T2207/10—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
- G06T2207/20072—Graph-based 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
- G06T2207/20—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
- G06T2207/20—Special algorithmic details
- G06T2207/20081—Training; Learning
-
- 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
- G06T2207/20084—Artificial neural networks [ANN]
-
- 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
- G06T2207/30016—Brain
-
- 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
-
- 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
- G06T2207/30172—Centreline of tubular or elongated structure
Landscapes
- Health & Medical Sciences (AREA)
- Engineering & Computer Science (AREA)
- Medical Informatics (AREA)
- General Health & Medical Sciences (AREA)
- Public Health (AREA)
- Primary Health Care (AREA)
- Epidemiology (AREA)
- Biomedical Technology (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Radiology & Medical Imaging (AREA)
- Life Sciences & Earth Sciences (AREA)
- Physics & Mathematics (AREA)
- Neurology (AREA)
- Pathology (AREA)
- Business, Economics & Management (AREA)
- General Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Physics & Mathematics (AREA)
- Databases & Information Systems (AREA)
- Quality & Reliability (AREA)
- Data Mining & Analysis (AREA)
- Signal Processing (AREA)
- Computer Networks & Wireless Communication (AREA)
- Computing Systems (AREA)
- Veterinary Medicine (AREA)
- Neurosurgery (AREA)
- Psychology (AREA)
- Biophysics (AREA)
- Molecular Biology (AREA)
- Physiology (AREA)
- Heart & Thoracic Surgery (AREA)
- Animal Behavior & Ethology (AREA)
- Surgery (AREA)
- Measuring And Recording Apparatus For Diagnosis (AREA)
- Apparatus For Radiation Diagnosis (AREA)
- Medical Treatment And Welfare Office Work (AREA)
Abstract
Description
本願は、2017年7月24日に出願された米国仮特許出願第62/535,973号、2017年7月24日に出願された米国仮特許出願第62/535,970号、及び2017年6月19日に出願された米国仮特許出願第62/521,968号の利益を主張するものであり、この引用をもってこれらの各々の全体を援用する。
図1に示されるように、コンピュータ支援トリアージのためのシステム100は、ルータ110と、リモートコンピューティングシステム120と、クライアントアプリケーション130と、を含む。追加的又は代替的に、システム100は、何れの数のコンピューティングシステム(例えば、ローカル、リモート)、サーバ(例えば、PACSサーバ)、ストレージ、ルックアップテーブル、メモリ、又は他のあらゆる適当なコンポーネントも含むことができる。
コンピュータ支援トリアージのためのシステムと方法は、現在のシステムと方法に対して幾つかの利点を提供できる。
コンピュータ支援トリアージのためのシステム100は、図1に示されるように、ルータ110と、リモートコンピューティングシステム120と、クライアントアプリケーション130と、を含む。追加的又は代替的に、システム100は何れの数のコンピューティングシステム(例えば、ローカル、リモート)、サーバ(例えば、PACSサーバ)、ストレージ、ルックアップテーブル、メモリ、又は他の何れの適当なコンポーネントを含むこともできる。
システム100は、ルータ110(例えば、医療用ルーティングシステム)を含むことができ、これは、画像診断装置(例えば、スキャナ)で撮影されたインスタンス(例えば、画像、スキャン、その他)を含むデータパケット(例えば、データセット)を、一次医療地点に関連付けられるコンピューティングシステム(例えば、スキャナ、ワークステーション、PACSサーバ)で受信するように機能する。インスタンスは好ましくは、Digital Imaging and Communications in Medicine(DICOM)ファイルフォーマットによるほか、DICOMプロトコルにしたがって生成され、コンピューティングシステム間で転送されるが、追加的又は代替的に、何れの適当なフォーマットでもよい。追加的又は代替的に、インスタンスは何れの適当な医療データ(例えば、診断データ、患者データ、患者病歴、患者基本情報、その他)を含むこともでき、これはPACSデータ、ヘルス・レベル・セブン(HL7)データ、電子医療記録(EHR:electronic health record)データ、又は他のあらゆる適当なデータであり、これらに限定されず、データをリモートコンピューティングシステムに転送すること。
システム100はリモートコンピューティングシステム120を含むことができ、これは、データパケット(例えば、ルータからのデータセット)を受信して処理し、治療の選択肢を特定し(例えば、二次医療地点を選択する、専門医を選択する、その他)、ユーザデバイス(例えば、携帯機器)とやり取りし、データパケットを圧縮し、メタデータをデータパケットから抽出及び/又は削除し(例えば、規制当局の指示に従うため)、又は他のあらゆる適当な機能を実行するように機能できる。
システム100は、1つ又は複数のアプリケーション130(例えば、クライアント、クライアントアプリケーション、デバイス上で動作するクライアントアプリケーション、その他)、例えば図5A及び5Bに示されるアプリケーションを含むことができ、これは個別に、又は共同で1つ又は複数の出力を(例えば、リモートコンピューティングシステムから)連絡先に提供するように機能する。追加的又は代替的に、これらは個別に、又は共同で、1つ又は複数の入力を連絡先から受け取り、1つ又は複数の出力を医療施設(例えば、一次医療地点、二次医療地点、その他)に提供し、医療施設間の通信を確立し、又は他の何れの適当な機能も実行できる。
システム100及び/又はシステム100の何れのコンポーネントも、任意選択により、動作のための何れの適当なコンポーネントを含み、又はそれに連結することもでき、これは例えば、処理モジュール(例えば、プロセッサ、マイクロプロセッサ、その他)、制御モジュール(例えば、コントローラ、マイクロコントローラ)、パワーモジュール(例えば、電源、バッテリ、充電式バッテリ、主電源、インダクティブ充電器、その他)、センサシステム(例えば、光センサ、カメラ、マイクロフォン、モーションセンサ、位置センサ、その他)、又は他のあらゆる適当なコンポーネントであり、これらに限定されない。
1つの変形形態において、システムはルータ110を含み、これは一次医療地点のコンピューティングシステムで動作し、画像データを画像診断モダリティから受信する。ルータは、画像データをリモートコンピューティングシステムに転送し、リモートコンピューティングシステムで一連のアルゴリズム(例えば、機械学習アルゴリズム)が実行され、これは疑わしい状態が存在するか否かの仮定を画像データ及び/又は何れかの関連付けられるメタデータに基づいて特定する。この特定に基づいて、連絡先がルックアップテーブル(例えば、リモートコンピューティングシステムに保存される)から特定され、この連絡先にユーザデバイス(例えば、パーソナル機器)で通知され、ユーザデバイスで実行されるクライアントアプリケーションを通じて画像データが転送される。アプリケーションにおける連絡先からの1つ又は複数の入力はリモートコンピューティングシステムで受信でき、これは患者のための次の医療地点を特定するために使用できる。
図2に示されるように、方法200は、データパケットに関連付けられるパラメータを特定するステップS220と、パラメータに基づいて治療の選択肢を特定するステップS230と、情報を二次医療地点に関連付けられる機器に転送するステップS250と、を含む。追加的又は代替的に、方法200は、データセットを一次医療地点で受信するステップS205、データをリモートコンピューティングシステムに転送するステップS208、分析のためにデータパケットを準備するステップS210、転送のためにデータパケットを準備するステップS240、データを集約するステップS260、又は何れかの適当な順序で実行される他の何れかの適当なステップのうちの何れか又は全部を含むことができる。
方法200は、一次医療地点からデータ(例えば、データパケット)を受信するステップS205を含むことができ、これは、患者の状態を評価することに関連付けられるデータを収集するように機能する。
方法は、データをリモートコンピューティングシステム(例えば、リモートサーバ、PACSサーバ、その他)に転送するステップS208を含むことができ、これは、データの遠隔処理、データセットのロバストプロセス、又は高速処理(例えば、臨床ワークフローで行われる分析より高速、標準放射線診断ワークフローで行われるより高速、20分未満、10分未満、7分未満の処理、その他)を可能にするように機能する。
方法200は好ましくは、分析のためにデータパケットを準備するステップS210を含み、これは、データパケットを分析するために必要な時間を短縮し、その後の分析に無関係なデータパケットを排除し、無関係なデータ(例えば、無関係な体内領域)をデータパケットから削除し、又は他の何れかの適当な機能を実行するように機能することができる。
方法200は好ましくは、データパケットに関連付けられるパラメータを特定するステップS220(例えば、図4に示される)を含み、これは、患者の状態を評価するように機能し、これはその後、方法200の残りの部分に知らされる。追加的又は代替的に、S220は、患者を二次医療地点に搬送するための時間を短縮し、状態の進行を食い止め、又は他の何れの適当な機能も行うように機能できる。S220は好ましくは、全体的にリモートコンピューティングシステム(例えば、リモートサーバ、クラウドベースサーバ、その他)で、さらに好ましくはグラフィクス処理ユニット(GPU)を有するリモートコンピューティングシステムで実行されるが、追加的又は代替的に、部分的に他の何れの適当なリモートコンピューティングシステムでも実行でき、部分的又は全体的にローカルコンピューティングシステム(例えば、ワークステーション)、サーバ(例えば、PACSサーバ)、ユーザデバイスのプロセッサで、又は他の何れのシステムでも実行できる。S220は好ましくは、部分的又は全体的に、1つ又は複数のアルゴリズム、さらに好ましくは訓練された(例えば、機械学習を通じて訓練される、深層学習を通じて訓練される、連続的に訓練される、その他)、又は訓練されていない(例えば、ルールに基づく画像処理アルゴリズム又はヒューリスティクス)の何れかであるステップを含む、1つ又は複数のマルチステップアルゴリズムを含むソフトウェアを使って実行される。追加的又は代替的に、何れのソフトウェアも実装できる。
方法は、好ましくはある状態が(例えば、閾値との比較に基づいて)検出された場合に、治療の選択肢を特定するステップS230を含むことができるが、追加的又は代替的に、状態が検出されないとき、分析が非決定的であるとき、又は何れの適当な状況でも治療の選択肢を特定できる。S230は、患者の二次医療地点(例えば、専門施設)への搬送を開始し、専門医の一次医療地点への派遣を開始し、若しくは一次医療地点における患者の治療(例えば、機械的血栓除去術)を開始し、又は他の何れかの適当な機能を実行するように機能できる。幾つかの変形形態において、治療の選択肢は、二次医療地点であり、患者を二次医療地点で治療すべきであると特定(例えば、提案、割当て、その他)される。追加的又は代替的に、治療の選択肢は処置(例えば、外科的処置、機械的血栓除去術、動脈瘤コイルの留置、ステントの留置、血栓回収、その他)、治療(例えば、組織プラスミノーゲン活性化因子(TPA:tissue plasminogen activator)、鎮痛剤、抗凝血剤、その他)、回復計画(例えば、物理療法、言語療法、その他)、又は他の何れかの適当な治療とすることができる。
方法200は、転送のためにデータパケットを準備するステップを含むことができ、これは、圧縮データパケットを生成し、データパケットの一部又は全部を匿名化し(例えば、患者のプライバシガイダンスに適合するため、医療保険の相互運用性と説明責任に関する法令(HIPAA)の規則に適合するため、一般データ保護規則(GDRP)プロトコルに適合するため、その他)、データパケットの転送時間を短縮し、他の何れかの適当な機能を実行するように機能できる。追加的又は代替的に、前述のデータパケットの何れか又は全部を転送できる。
二次医療地点(例えば、専門医、連絡先、その他)に関連付けられる機器に情報を転送するステップS250(例えば、図6に示される)は、一次医療地点から二次医療地点へのプルを開始するように機能し、これは、医療を施すまでの時間を短縮し、医療の質を向上させ(例えば、患者の状態と専門医とをよりよくマッチさせる)、又は他の何れかの適当な結果をもたらすことができる。好ましくは、二次医療地点はハブ施設(例えば、専門施設、介入センタ、包括スポークセンタ、その他)である。幾つかの変形形態において、一次医療地点(例えば、患者が最初に現れた医療施設)もまた二次医療地点として機能し、これは例えば、適当な専門医がその一次医療地点に関連している場合、一次医療地点がハブ(例えば、専門施設、介入センタ、包括スポークセンタ、その他)である場合、患者を搬送することが賢明でない場合(例えば、状態が極めて重篤である)、又は他の何れかの理由による。
方法200は、任意選択により、方法200の中に含まれる、及び/又はその中で生成されるデータの集約を含む何れの数のサブステップを含むこともでき、これは、方法200のその後の反復工程を改善する(例えば、患者と専門医をよりよくマッチさせる、患者の治療時間を短縮する、感度を高める、特異度を高める、その他)ように機能できる。集約データは好ましくは、1つ又は複数のアナリティクスステップで使用される(例えば、治療の選択肢を洗練させるため、投薬又は処置の推奨を行うため、その他)が、追加的又は代替的に、他の何れの適当な目的のためにも使用できる。
1つの変形形態において、方法は、方法と平行して行われる標準的放射線診断ワークフローを補強するように機能し、これはリモートコンピューティングシステム(例えば、一次医療地点から離れている)において、画像群(例えば、患者の脳の)を受け取るステップであって、画像群は、方法と平行して行われる標準的放射線診断ワークフローに同時に転送されるステップ及び、画像群から状態(例えば、大血管閉塞の可能性)を自動的に検出するステップのうちの何れか又は全部を含むことができる。状態が検出されると、方法は、標準的放射線診断ワークフローから第二の専門医を特定するステップであって、専門医が二次医療地点に関連付けられるようなステップ、放射線科医が第一の専門医に通知する前に、第二の専門医に第二の専門医に関連付けられる携帯機器上で通知するステップ、及び画像群の圧縮版を携帯機器上で表示するステップのうちの何れか又は全部を含むことができる。
Claims (39)
- コンピュータ支援トリアージの方法において、一次医療地点から離れたリモートコンピューティングシステムにおいて、
・患者に関連付けられるDigital Imaging and Communications in Medicine(DICOM)脳画像群を受信するステップであって、前記DICOM脳画像群は、前記方法と平行に行われる標準的放射線診断ワークフローにも同時に転送され、前記標準的放射線診断ワークフローでは、放射線科医が前記DICOM脳画像群を分析し、ワークステーションにおける前記DICOM脳画像群の目視評価に基づいて専門医への通知を行い、前記標準的放射線診断ワークフローは第一の長さの時間を要するようなステップと、
・前記DICOM脳画像群から大脳動脈閉塞の可能性を自動的に検出するステップであって、
・前記DICOM脳画像群から大血管領域を識別するステップ、
・前記大血管領域から中心線を抽出するステップ、
・前記中心線に基づいて前記大血管領域の中心線の長さを計算するステップ、
・前記中心線の長さを所定の閾値と比較するステップ、
・前記中心線の長さが前記所定の閾値より短い場合、大脳動脈閉塞の可能性を検出するステップ
を含むステップと、
・大脳動脈閉塞が検出されると、自動的に、
・前記標準的放射線診断ワークフローから専門医を特定するステップであって、前記専門医は二次医療地点に関連付けられるようなステップと、
・前記専門医に、前記専門医に関連付けられる携帯機器上で通知するステップであって、前記専門医には前記第一の長さの時間より短い第二の長さの時間内に通知され、前記放射線科医には大脳動脈閉塞の可能性の検出時に自動的に通知されないようなステップと、
・前記DICOM脳画像群の圧縮版を前記携帯機器上で表示するステップと、
・前記専門医に関連付けられるワークステーション上で前記DICOM脳画像群の高解像度版を表示するステップと、
を含むことを特徴とする方法。 - 請求項1に記載の方法において、前記所定の閾値は、前記大血管領域に関連付けられる大血管の標準的な総解剖学的長さの上限より長いことを特徴とする方法。
- 請求項1に記載の方法において、前記第二の長さの時間は8分未満であることを特徴とする方法。
- 請求項1に記載の方法において、前記データパケットを処理するステップは、前記データパケットが前記リモートコンピューティングシステムで受信されてから所定の時間が経過した後に開始されることを特徴とする方法。
- 請求項1に記載の方法において、
・前記ワークステーションにおいて搬送要請を受けるステップであって、前記搬送要請は前記DICOM脳画像群に関連付けられるようなステップと、
・搬送要請を受けたところで、前記患者の前記一次医療地点から前記二次医療地点への搬送を開始するステップと、
をさらに含むことを特徴とする方法。 - 請求項1に記載の方法において、前記専門家に通知するステップは、前記携帯機器上に通知を提示するステップを含み、前記方法は、前記DICOM脳画像群の前記圧縮版を表示する前に、
・前記通知に関連付けられる入力をモニタするステップと、
・前記入力の受信後に、前記携帯機器上に前記画像群の前記圧縮版を表示するステップと、
・前記入力が所定の時間閾値内に受信されない場合、第二の専門医を特定して、前記通知を前記第二の専門医に関連付けられる第二の携帯機器上に表示するステップと、
をさらに含むことを特徴とする方法。 - 請求項6に記載の方法において、
・前記携帯機器上で実行される携帯機器アプリケーションは、前記通知を提示し、前記画像群の前記圧縮版を表示し、前記専門医は専門医のアカウントを通じて前記携帯機器アプリケーションにログインされ、
・前記ワークステーション上で実行されるワーステーションアプリケーションは、前記画像群の前記高解像度版を表示し、前記専門医は前記専門医のアカウントを通じて前記ワークステーションアプリケーションにログインされる
ことを特徴とする方法。 - 請求項1に記載の方法において、前記DICOM脳画像群の各々はメタデータ群に関連付けられ、前記DICOM脳画像群の前記圧縮版を生成するステップをさらに含み、これは、
・前記DICOM脳画像群を圧縮するステップと、
・前記メタデータ群から患者情報を削除するステップと、
を含むことを特徴とする方法。 - 請求項1に記載の方法において、前記専門医を特定するステップは、前記二次医療地点と前記一次医療地点との間の幾何学的近接度に基づいて前記専門医を特定するステップを含むことを特徴とする方法。
- 請求項9に記載の方法において、前記メタデータ群は、前記一次医療地点に関連付けられる識別子を含み、ルックアップテーブルは前記専門医と前記識別子とを相関させ、前記ルックアップテーブルは、前記一次医療地点の位置と前記専門医の位置に基づいて特定されること特徴とする方法。
- 方法と平行に実行される標準的放射線診断ワークフローを補強する方法において、一次医療地点から離れたリモートコンピューティングシステムにおいて、
・患者の脳画像群を受け取るステップであって、前記脳画像群は、前記方法と平行して行われる標準的放射線診断ワークフローにも同時に転送され、前記標準的放射線診断ワークフローにおいて、放射線科医は前記画像群を分析して、大血管閉塞の存在を特定したことに応答して第一の専門医に通知するようなステップと、
・前記画像群から大血管閉塞の可能性を自動的に検出するステップと、
・大血管閉塞の可能性が検出されると、自動的に、
・前記標準的放射線診断ワークフローから第二の専門医を特定するステップであって、前記専門医は二次医療地点に関連付けられるようなステップと、
・前記放射線科医が前記第一の専門医に通知する前に、前記第二の専門医に前記第二の専門医に関連付けられる携帯機器上で通知するステップと、
・前記画像群の圧縮版を前記携帯機器上で表示するステップと、
を含むことを特徴とする方法。 - 請求項11に記載の方法において、前記画像群から大血管閉塞の可能性を自動的に検出するステップは、
・前記画像群から大血管領域を識別するステップと、
・前記大血管領域から中心線を抽出するステップと、
・前記大血管領域の中心線の長さを前記中心線に基づいて計算するステップと、
・前記中心線の長さを所定の閾値と比較するステップと、
・前記中心線の長さが前記所定の閾値より短い場合に、前記大血管閉塞の可能性を検出するステップと、
を含むことを特徴とする方法。 - 請求項12に記載の方法において、前記所定の閾値は、前記大血管領域に関連付けられる大血管の標準的な総解剖学的長さの上限より長いことを特徴とする方法。
- 請求項11に記載の方法において、前記放射線科医には大血管閉塞の可能性が検出されたときに自動的に通知されず、前記放射線科医は、前記標準的放射線診断ワークフローにおいて、前記第二の専門医に携帯機器上で通知されてから第二の時間に前記第一の専門医に通知することを特徴とする方法。
- 請求項11に記載の方法において、
・CTスキャナに接続された医療ルーティングシステムにおいて、前記標準的放射線診断ワークフローまでの途中で前記画像群をインターセプトするステップと、
・前記画像群を前記医療ルーティングシステムからリモートコンピューティングシステムに送信するステップであって、処理システムは前記リモートコンピューティングシステムであるようなステップと、
をさらに含むことを特徴とする方法。 - 請求項11に記載の方法において、前記画像群の高解像度版を前記第二の専門医に関連付けられるワークステーション上に表示するステップをさらに含むことを特徴とする方法。
- 請求項16に記載の方法において、
・前記ワークステーションにおいて搬送要請を受けるステップであって、前記搬送要請は前記画像群に関連付けられるステップ、
・搬送要請を受けたところで前記一次医療地点から前記二次医療地点までの患者の搬送を開始するステップと、
をさらに含むことを特徴とする方法。 - 請求項16に記載の方法において、
・前記携帯機器上で実行される携帯機器は、前記通知を提示し、前記画像群の前記圧縮版を表示し、前記第二の専門医は専門医のアカウントを通じて前記携帯機器アプリケーションにログインされ、
・前記ワークステーション上で実行されるワークステーションアプリケーションは、前記画像群の前記高解像度版を表示し、前記第二の専門医は前記専門医のアカウントを通じて前記ワークステーションアプリケーションにログインされること
を特徴とする方法。 - 請求項18に記載の方法において、
・前記第二の専門医を特定する前に、大血管閉塞の検出に応答して予備専門医に通知するステップと、
・前記予備専門医に関連付けられる予備専門医のアカウントを、前記画像群に関連する活動についてモニタするステップと、
をさらに含み、前記第二の専門医は、前記予備専門医のアカウントの活動が所定の時間範囲内に検出されない場合に特定されることを特徴とする方法。 - 一次医療地点で脳卒中の症状を呈する患者のための専門医を特定する方法において、
・リモートコンピューティングシステムにおいて、前記一次医療地点からデータパケットを受信するステップであって、前記データパケットはコンピュータ断層(CT)画像群と、前記CT画像群に関連付けられるメタデータ群を含むようなステップと、
・前記リモートコンピューティングシステムにおいて前記データパケットを処理するステップであって、
・前記CT画像群を前記メタデータに基づいてシリーズに組織化するステップと、
・前記シリーズからソフトマターマスクに基づいてソフトマターボクセルを識別するステップであって、前記ソフトマターマスクは、所定のハンスフィールド単位(HU)閾値を有するようなステップと、
・前記ソフトマターボクセルを参照CT画像群と位置合わせし、位置合わせされたボクセル群を特定するステップと、
・フィードフォワード深層畳み込みネットワークで、前記位置合わせされたボクセル群の中の大血管領域を分割するステップと、
・前記分割された大血管領域の中心線を抽出するステップと、
・前記分割された大血管領域の長さを前記中心線に基づいて特定するステップと、
・前記中心線の長さを所定の閾値と比較するステップであって、前記所定の閾値は対応する解剖学的長さより大きいようなステップと、
を含むステップと、
・前記中心線の長さが前記所定の閾値より短い場合に、ルックアップテーブルに基づいて専門医を特定するステップと、
・前記専門医に関連付けられるユーザデバイスに、通知と、圧縮画像群を含む第二のデータパケットを転送するステップと、
を含むことを特徴とする方法。 - 請求項21に記載の方法において、前記方法は一次医療地点において標準的放射線診断ワークフローと平行に実行され、前記標準的放射線診断ワークフローにおいて、前記データパケットは放射線科医のワークステーションでも同時に見られ、前記放射線科医は、前記ワークステーションにおける前記コンピュータ断層(CT)画像群の目視評価に基づいて前記専門医を特定し、通知することを特徴とする方法。
- 請求項21に記載の方法において、前記メタデータ群は、前記一次医療地点に関連付けられる識別子を含み、前記ルックアップテーブルは、前記専門医を前記識別子と相関させ、前記ルックアップテーブルは、前記一次医療地点の場所と前記専門医の場所に基づいて特定されることを特徴とする方法。
- 請求項21に記載の方法において、特殊な状態を特定するステップをさらに含み、前記特殊な状態が特定されると、前記方法は、前記第二のデータパケットと前記通知を前記専門医に送信するステップをさらに含むことを特徴とする方法。
- 請求項24に記載の方法において、前記特殊な状態は、部分閉塞と胎児期起源後大脳動脈のうちの少なくとも1つを含むことを特徴とする方法。
- 請求項25に記載の方法において、前記部分閉塞を特定するステップは、
・前記分割された大血管領域の中で、前記大血管中心線に沿っている中心線ボクセルを識別するステップと、
・前記中心線ボクセルのHU値と隣接するボクセルのHU値の差が閾値より大きい場合に、部分閉塞を検出するステップと、
を含むことを特徴とする方法。 - 請求項25に記載の方法において、前記胎児期起源後大脳動脈を特定するステップは、
・前記中心線の向きを特定するステップと、
・前記向きが遠位方向より後方である場合に、前記胎児期起源後大脳動脈を検出するステップと、
を含むことを特徴とする方法。 - 請求項21に記載の方法において、前記圧縮画像群を特定するステップは、前記リモートコンピューティングシステムにおいて、
・前記第一の画像群の中の、空気に対応する部分を特定するステップと、
・前記部分に対応するボクセル群の各々を1つの所定の値に設定するステップと、
を含むことを特徴とする方法。 - 請求項21に記載の方法において、前記リモートコンピューティングシステムにおいて前記データパケットを処理するステップは、前記リモートコンピューティングシステムにおいて前記データパケットを受信してから所定の時間が経過した後に開始されることを特徴とする方法。
- 請求項21に記載の方法において、前記第二のデータパケットを特定するステップは、前記第一のデータパケットの前記メタデータ群から患者情報を削除するステップを含むことを特徴とする方法。
- コンピュータ支援トリアージの方法において、処理システムにおいて、
・一次医療地点でサンプリングされた患者の脳のコンピュータ断層(CT)画像群を含むデータパケットを受信するステップであって、前記データパケットは、前記方法と平行に行われる標準的放射線診断ワークフローにも同時に送信されるステップと、
・前記CT画像群から大血管領域を特定するステップと、
・前記大血管領域から大血管中心線を抽出するステップと、
・前記大血管中心線の中心線長さを計算するステップと、
・前記中心線長さを所定の閾値と比較するステップと、
・前記中心線長さが前記所定の閾値より短い場合に、大血管閉塞を検出するステップと、
・大血管閉塞の検出に応答して、
・標準的放射線診断ワークフローから、専門医に関連付けられる携帯機器上に通知を提示するステップであって、前記専門医は二次医療地点に関連付けられるようなステップと、
・前記通知への対応に応答して、前記CT画像群の圧縮版を前記携帯機器上に表示するステップと、
を含むことを特徴とする方法。 - 請求項31に記載の方法において、前記大血管領域は中大脳動脈M1(MCA−M1)領域と内頚動脈遠位部(t−ICA)領域を含むことを特徴とする方法。
- 請求項31に記載の方法において、
・CTスキャナに接続された医療ルーティングシステムにおいて、前記標準的放射線診断ワークフローまでの途中で前記CT画像群をインターセプトするステップと、
・前記CT画像群を前記医療ルーティングシステムからリモートコンピューティングシステムに送信するステップであって、処理システムは前記リモートコンピューティングシステムであるようなステップと、
をさらに含むことを特徴とする方法。 - 請求項31に記載の方法において、前記CT画像群から大血管領域を特定するステップは、前記処理システムにおいて前記データパケットを受信してから所定の時間が経過した後に開始されることを特徴とする方法。
- 請求項31に記載の方法において、前記大血管領域を特定するステップは、
・前記CT画像群からソフトマター領域を抽出するステップと、
・前記ソフトマター領域を、標的血管領域を有する参照シリーズと位置合わせするステップと、
・位置合わせ後に、前記標的血管領域内に含まれる前記ソフトマター領域を確率論により分割するステップと、
・前記標的領域内に含まれる前記確率論により分割されたソフトマター領域にバイナリマスクを適用するステップであって、閾値確率より高い確率を有するボクセルが前記大血管領域に含められるようなステップと、
を含むことを特徴とする方法。 - 請求項35に記載の方法において、前記ソフトマター領域を抽出するステップは、前記CT画像群にソフトマターマスクを適用するステップを含み、前記ソフトマターマスクは所定のハンスフィールド単位閾値を含むことを特徴とする方法。
- 請求項31に記載の方法において、前記大血管領域を特定するステップは、3次元畳み込みを使用するフィードフォワード深層畳み込みネットワークで前記CT画像群から前記大血管領域を分割するステップを含むことを特徴とする方法。
- 請求項31に記載の方法において、前記所定の閾値は、前記大血管領域に関連付けられる大血管の標準的な解剖学的長さより長く、それによって前記方法における偽陽性の平均発生率が高まることを特徴とする方法。
- 請求項31に記載の方法において、
・部分閉塞を検出するステップであって、
〇前記大血管領域の中で、前記大血管中心線に沿っている中心線ボクセルを識別するステップと、
〇前記中心線ボクセルのHU値と前記中心線ボクセルに隣接する隣接ボクセルのHU値の差が閾値より大きい場合に、部分閉塞を検出するステップと、
を含むステップと、
・前記部分閉塞が検出されたときに、前記専門医を特定し、前記通知を前記携帯機器上に提示するステップと、
をさらに含むことを特徴とする方法。 - 請求項31に記載の方法において、
・前記大血管中心線を前記大血管中心線の中心線端部に隣接する端部ボクセルのHU値に基づいて延長して、延長中心線を生成するステップであって、前記中心線の長さは前記延長中心線から計算されるようなステップと、
・胎児期後大脳動脈(胎児期PCA)を検出するステップであって、
〇中心線の延長の向きを特定するステップと、
〇前記向きが遠位より後方であるときに、胎児期PCAを特定するステップと、
を含むステップと、
・胎児期PCAが検出されたときに、前記専門医を特定し、前記携帯機器上に前記通知を提示するステップと、
をさらに含むことを特徴とする方法。
Applications Claiming Priority (7)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US201762521968P | 2017-06-19 | 2017-06-19 | |
US62/521,968 | 2017-06-19 | ||
US201762535970P | 2017-07-24 | 2017-07-24 | |
US201762535973P | 2017-07-24 | 2017-07-24 | |
US62/535,970 | 2017-07-24 | ||
US62/535,973 | 2017-07-24 | ||
PCT/US2018/038334 WO2018236905A1 (en) | 2017-06-19 | 2018-06-19 | METHOD AND SYSTEM FOR COMPUTER-ASSISTED SORTING |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2020524064A true JP2020524064A (ja) | 2020-08-13 |
JP6964769B2 JP6964769B2 (ja) | 2021-11-10 |
Family
ID=64657480
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2020519026A Active JP6964769B2 (ja) | 2017-06-19 | 2018-06-19 | コンピュータ支援トリアージの方法とシステム作動方法 |
Country Status (10)
Country | Link |
---|---|
US (6) | US10346979B2 (ja) |
EP (2) | EP3973863A1 (ja) |
JP (1) | JP6964769B2 (ja) |
CN (1) | CN111107783B (ja) |
AU (2) | AU2018288766B2 (ja) |
CA (1) | CA3066644A1 (ja) |
DK (1) | DK3642743T3 (ja) |
ES (1) | ES2905660T3 (ja) |
PT (1) | PT3642743T (ja) |
WO (1) | WO2018236905A1 (ja) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US11423115B2 (en) | 2014-03-12 | 2022-08-23 | D-Wave Systems Inc. | Systems and methods for removing unwanted interactions in quantum devices |
US11494683B2 (en) | 2017-12-20 | 2022-11-08 | D-Wave Systems Inc. | Systems and methods for coupling qubits in a quantum processor |
US11526463B2 (en) | 2004-12-23 | 2022-12-13 | D-Wave Systems Inc. | Analog processor comprising quantum devices |
US11816536B2 (en) | 2007-04-05 | 2023-11-14 | 1372934 B.C. Ltd | Physical realizations of a universal adiabatic quantum computer |
Families Citing this family (35)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10733730B2 (en) | 2017-06-19 | 2020-08-04 | Viz.ai Inc. | Method and system for computer-aided triage |
WO2018236905A1 (en) | 2017-06-19 | 2018-12-27 | Viz.ai, Inc. | METHOD AND SYSTEM FOR COMPUTER-ASSISTED SORTING |
WO2019025656A1 (es) * | 2017-07-31 | 2019-02-07 | Servicio Andaluz De Salud | Método para predecir o pronosticar el riesgo de muerte o vasoespasmo de un paciente con hemorragia subaracnoidea |
WO2019033098A2 (en) * | 2017-08-11 | 2019-02-14 | Elucid Bioimaging Inc. | QUANTITATIVE MEDICAL IMAGING REPORT |
US20190290128A1 (en) * | 2018-03-20 | 2019-09-26 | Aic Innovations Group, Inc. | Apparatus and method for user evaluation |
WO2019217809A1 (en) | 2018-05-10 | 2019-11-14 | Jameel Mohamed Anver | Method, apparatus, and computer readible media for artificial intelligence-based treatment guidance for the neurologically impaired patient who may need neurosurgery |
US11389131B2 (en) | 2018-06-27 | 2022-07-19 | Denti.Ai Technology Inc. | Systems and methods for processing of dental images |
US11165694B2 (en) * | 2018-07-31 | 2021-11-02 | Mcafee, Llc | Methods, systems, articles of manufacture and apparatus to identify applications |
JP7309854B2 (ja) | 2018-08-08 | 2023-07-18 | ミネトロニクス ニューロ インコーポレイテッド | 中枢神経系に沿って治療するためのシステム、カテーテル、および方法 |
EP3833243A4 (en) * | 2018-08-12 | 2022-04-27 | The Trustees of Columbia University in the City of New York | SYSTEM, METHOD AND COMPUTER-ACCESSIBLE MEDIA FOR MAGNETIC RESONANCE CONTROLLED AUTONOMOUS SCANNER |
EP3617733A1 (en) * | 2018-08-30 | 2020-03-04 | Max-Planck-Gesellschaft zur Förderung der Wissenschaften e.V. | Method and apparatus for processing magnetic resonance data using machine learning |
US11037030B1 (en) * | 2018-10-29 | 2021-06-15 | Hrl Laboratories, Llc | System and method for direct learning from raw tomographic data |
JP7049974B2 (ja) * | 2018-10-29 | 2022-04-07 | 富士フイルム株式会社 | 情報処理装置、情報処理方法、及びプログラム |
CN109978902B (zh) * | 2019-03-07 | 2023-02-17 | 福建工程学院 | 一种不规则带状目标中心线自动提取方法 |
CN114127859A (zh) * | 2019-04-02 | 2022-03-01 | 皇家飞利浦有限公司 | 用于在非对比头部ct中快速检测和索引危急区域的自动化系统 |
US11514339B2 (en) * | 2019-04-24 | 2022-11-29 | Optum, Inc. | Machine-learning based recommendation engine providing transparency in generation of recommendations |
WO2020264355A1 (en) * | 2019-06-27 | 2020-12-30 | Viz.ai Inc. | Method and system for computer-aided triage of stroke |
EP4004946A4 (en) | 2019-07-30 | 2023-08-02 | Viz.ai, Inc. | METHOD AND SYSTEM FOR COMPUTER ASSISTED STROKE TRIAGE |
CN112446522A (zh) * | 2019-09-02 | 2021-03-05 | 中国林业科学研究院资源信息研究所 | 面对多尺度分割的产草量估算方法、装置及存储介质 |
US11676701B2 (en) | 2019-09-05 | 2023-06-13 | Pearl Inc. | Systems and methods for automated medical image analysis |
US10984529B2 (en) | 2019-09-05 | 2021-04-20 | Pearl Inc. | Systems and methods for automated medical image annotation |
US11278233B2 (en) * | 2019-11-15 | 2022-03-22 | Biosense Webster (Israel) Ltd. | Method and apparatus to find abnormal activations in intra-cardiac electrocardiograms based on specificity and sensitivity |
US11687778B2 (en) | 2020-01-06 | 2023-06-27 | The Research Foundation For The State University Of New York | Fakecatcher: detection of synthetic portrait videos using biological signals |
US11055789B1 (en) | 2020-01-17 | 2021-07-06 | Pearl Inc. | Systems and methods for insurance fraud detection |
KR102165840B1 (ko) * | 2020-05-21 | 2020-10-16 | 주식회사 휴런 | 인공지능 기반 뇌졸중 진단 장치 및 방법 |
US11328400B2 (en) | 2020-07-24 | 2022-05-10 | Viz.ai Inc. | Method and system for computer-aided aneurysm triage |
TR202011991A2 (tr) * | 2020-07-28 | 2020-10-21 | Asli Goerek Dilektasli | Medi̇kal ki̇osk i̇çeren mobi̇l tri̇yaj i̇stasyonu |
JP2023545488A (ja) * | 2020-10-14 | 2023-10-30 | イスキマビュー インコーポレイテッド | 空間パターンを用いた血管閉塞の識別 |
CN112287232B (zh) * | 2020-11-09 | 2024-04-16 | 北京京东拓先科技有限公司 | 生成推荐信息的方法、装置 |
US11776677B2 (en) | 2021-01-06 | 2023-10-03 | Pearl Inc. | Computer vision-based analysis of provider data |
KR102289648B1 (ko) * | 2021-02-03 | 2021-08-18 | 주식회사 휴런 | 의료 영상 기반 허혈성 뇌졸중 검출 및 형태 분류 방법, 장치 및 시스템 |
US11694807B2 (en) * | 2021-06-17 | 2023-07-04 | Viz.ai Inc. | Method and system for computer-aided decision guidance |
WO2023059746A1 (en) * | 2021-10-05 | 2023-04-13 | Neumora Therapeutics, Inc. | Estimating uncertainty in predictions generated by machine learning models |
CN113888690B (zh) * | 2021-10-19 | 2022-08-12 | 柏意慧心(杭州)网络科技有限公司 | 用于确定血管中的目标区段的方法、设备和介质 |
WO2023244673A1 (en) * | 2022-06-14 | 2023-12-21 | Viz.ai Inc. | Method and system for cardiac signal processing |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2004243117A (ja) * | 2003-02-12 | 2004-09-02 | Pie Medical Imaging Bv | 身体構造の物理パラメータを求める方法 |
JP2012027565A (ja) * | 2010-07-20 | 2012-02-09 | Tryfor Co Ltd | 救急患者治療支援システム |
US20160180042A1 (en) * | 2014-12-01 | 2016-06-23 | Quikflo Technologies Inc. | Decision support tool for stroke patients |
Family Cites Families (84)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6349330B1 (en) * | 1997-11-07 | 2002-02-19 | Eigden Video | Method and appparatus for generating a compact post-diagnostic case record for browsing and diagnostic viewing |
US7343195B2 (en) | 1999-05-18 | 2008-03-11 | Mediguide Ltd. | Method and apparatus for real time quantitative three-dimensional image reconstruction of a moving organ and intra-body navigation |
US7244230B2 (en) | 2002-11-08 | 2007-07-17 | Siemens Medical Solutions Usa, Inc. | Computer aided diagnostic assistance for medical imaging |
US7912528B2 (en) | 2003-06-25 | 2011-03-22 | Siemens Medical Solutions Usa, Inc. | Systems and methods for automated diagnosis and decision support for heart related diseases and conditions |
WO2005023086A2 (en) | 2003-08-25 | 2005-03-17 | University Of North Carolina At Chapel Hill | Systems, methods, and computer program products for analysis of vessel attributes for diagnosis, disease staging, and surgical planning |
US20080021502A1 (en) | 2004-06-21 | 2008-01-24 | The Trustees Of Columbia University In The City Of New York | Systems and methods for automatic symmetry identification and for quantification of asymmetry for analytic, diagnostic and therapeutic purposes |
US8396329B2 (en) | 2004-12-23 | 2013-03-12 | General Electric Company | System and method for object measurement |
US8145503B2 (en) | 2005-02-25 | 2012-03-27 | Virtual Radiologic Corporation | Medical image metadata processing |
EP1996959A4 (en) | 2006-03-03 | 2012-02-29 | Medic Vision Brain Technologies Ltd | SYSTEM AND METHOD FOR PRIORITIZE PRIORITIZATION AND AUTOMATIC ANALYSIS OF MEDICAL IMAGES |
EP2194844A4 (en) | 2007-09-07 | 2012-05-16 | Agency Science Tech & Res | METHOD FOR EVALUATING STROKE PICTURES |
US10123803B2 (en) | 2007-10-17 | 2018-11-13 | Covidien Lp | Methods of managing neurovascular obstructions |
US8320647B2 (en) | 2007-11-20 | 2012-11-27 | Olea Medical | Method and system for processing multiple series of biological images obtained from a patient |
WO2009073185A1 (en) * | 2007-12-03 | 2009-06-11 | Dataphysics Research, Inc. | Systems and methods for efficient imaging |
US8116542B2 (en) * | 2008-05-09 | 2012-02-14 | General Electric Company | Determining hazard of an aneurysm by change determination |
EP2321797B1 (en) | 2008-08-07 | 2017-01-11 | Koninklijke Philips N.V. | Interactive method of locating a mirror line for use in determining asymmetry of an image |
JP5562598B2 (ja) | 2008-10-24 | 2014-07-30 | 株式会社東芝 | 画像表示装置、画像表示方法および磁気共鳴イメージング装置 |
US20110172550A1 (en) | 2009-07-21 | 2011-07-14 | Michael Scott Martin | Uspa: systems and methods for ems device communication interface |
US11462314B2 (en) * | 2009-10-14 | 2022-10-04 | Trice Imaging, Inc. | Systems and devices for encrypting, converting and interacting with medical images |
EP2499748A4 (en) | 2009-11-13 | 2017-03-01 | Zoll Medical Corporation | Community-based response system |
WO2011066689A1 (en) | 2009-12-04 | 2011-06-09 | Shenzhen Institute Of Advanced Technology | Method and device for detecting bright brain regions from computed tomography images |
US20180110475A1 (en) | 2010-07-30 | 2018-04-26 | Fawzi Shaya | System, method and apparatus for performing real-time virtual medical examinations |
US20120065987A1 (en) | 2010-09-09 | 2012-03-15 | Siemens Medical Solutions Usa, Inc. | Computer-Based Patient Management for Healthcare |
US8374414B2 (en) * | 2010-11-05 | 2013-02-12 | The Hong Kong Polytechnic University | Method and system for detecting ischemic stroke |
US10460078B2 (en) | 2010-12-03 | 2019-10-29 | Parallel 6, Inc. | Systems and methods for remote demand based data management of clinical locations |
US9345411B2 (en) * | 2011-02-09 | 2016-05-24 | Orsan Medical Technologies, Ltd. | Devices and methods for monitoring cerebral hemodynamic conditions |
CN104126191A (zh) | 2011-07-13 | 2014-10-29 | 多发性骨髓瘤研究基金会公司 | 数据采集和分发方法 |
WO2013036842A2 (en) * | 2011-09-08 | 2013-03-14 | Radlogics, Inc. | Methods and systems for analyzing and reporting medical images |
WO2013111031A1 (en) | 2012-01-26 | 2013-08-01 | Koninklijke Philips N.V. | Method and system for cardiac ischemia detection |
US8553965B2 (en) | 2012-02-14 | 2013-10-08 | TerraRecon, Inc. | Cloud-based medical image processing system with anonymous data upload and download |
US8682049B2 (en) | 2012-02-14 | 2014-03-25 | Terarecon, Inc. | Cloud-based medical image processing system with access control |
US9439622B2 (en) | 2012-05-22 | 2016-09-13 | Covidien Lp | Surgical navigation system |
US10433740B2 (en) | 2012-09-12 | 2019-10-08 | Heartflow, Inc. | Systems and methods for estimating ischemia and blood flow characteristics from vessel geometry and physiology |
US9749232B2 (en) | 2012-09-20 | 2017-08-29 | Masimo Corporation | Intelligent medical network edge router |
US20140142982A1 (en) | 2012-11-20 | 2014-05-22 | Laurent Janssens | Apparatus for Securely Transferring, Sharing and Storing of Medical Images |
US20140222444A1 (en) | 2013-02-04 | 2014-08-07 | Dixit S.R.L. | Method And System For Clinical Trial Management |
US10262108B2 (en) | 2013-03-04 | 2019-04-16 | Board Of Regents Of The University Of Texas System | System and method for determining triage categories |
US9087370B2 (en) | 2013-05-22 | 2015-07-21 | Siemens Aktiengesellschaft | Flow diverter detection in medical imaging |
EP2811458A1 (en) * | 2013-06-05 | 2014-12-10 | Agfa Healthcare | Automated aorta detection in a CTA volume |
WO2014201052A2 (en) | 2013-06-10 | 2014-12-18 | University Of Mississippi Medical Center | Medical image processing method |
US10846370B2 (en) | 2013-08-19 | 2020-11-24 | University Of Virginia Patent Foundation | Techniques facilitating mobile telemedicine for stroke patients |
US20150104102A1 (en) | 2013-10-11 | 2015-04-16 | Universidade De Coimbra | Semantic segmentation method with second-order pooling |
CN105765584B (zh) * | 2013-11-13 | 2019-03-29 | 皇家飞利浦有限公司 | 用于分诊决策制定的临床决策支持系统和计算机存储介质 |
US20150208994A1 (en) | 2014-01-27 | 2015-07-30 | Aspect Imaging Ltd. | Ct/mri integrated system for the diagnosis of acute strokes and methods thereof |
US9504529B2 (en) | 2014-02-24 | 2016-11-29 | Vida Diagnostics, Inc. | Treatment outcome prediction for lung volume reduction procedures |
CN105023073A (zh) * | 2014-04-16 | 2015-11-04 | 北京百和园科技有限公司 | 一种基于人工神经网络的医院智能评估分诊系统 |
US10203389B2 (en) | 2014-04-23 | 2019-02-12 | University of Pittsburgh—of the Commonwealth System of Higher Education | Method and system for monitoring glucose transport and metabolism by spin-lock magnetic resonance |
US10586618B2 (en) | 2014-05-07 | 2020-03-10 | Lifetrack Medical Systems Private Ltd. | Characterizing states of subject |
US10216902B2 (en) | 2014-08-31 | 2019-02-26 | General Electric Company | Methods and systems for improving connections within a healthcare ecosystem |
US20160135706A1 (en) * | 2014-11-14 | 2016-05-19 | Zoll Medical Corporation | Medical Premonitory Event Estimation |
KR20170128232A (ko) * | 2015-01-14 | 2017-11-22 | 뉴로트릭스 엘엘씨 | 뇌 자극에 대한 신경 혈관 반응을 결정하기 위한 시스템들 및 방법들 |
US20160217260A1 (en) * | 2015-01-22 | 2016-07-28 | Koninklijke Philips N.V. | System, method and computer program product for patient triage |
WO2016134125A1 (en) * | 2015-02-18 | 2016-08-25 | Vanderbilt University | Image segmentation via multi-atlas fusion with context learning |
CN109152525A (zh) * | 2015-05-10 | 2019-01-04 | 亚伯拉罕·伯格 | 一种神经保护装置 |
US11638550B2 (en) | 2015-07-07 | 2023-05-02 | Stryker Corporation | Systems and methods for stroke detection |
US20170147765A1 (en) | 2015-11-19 | 2017-05-25 | Penumbra, Inc. | Systems and methods for treatment of stroke |
CN108369642A (zh) | 2015-12-18 | 2018-08-03 | 加利福尼亚大学董事会 | 根据头部计算机断层摄影解释和量化急症特征 |
US10853449B1 (en) | 2016-01-05 | 2020-12-01 | Deepradiology, Inc. | Report formatting for automated or assisted analysis of medical imaging data and medical diagnosis |
US10206646B2 (en) * | 2016-03-10 | 2019-02-19 | Siemens Healthcare Gmbh | Method and system for extracting centerline representation of vascular structures in medical images via optimal paths in computational flow fields |
EP3442404B1 (en) * | 2016-04-15 | 2022-07-27 | BR Invention Holding, LLC | Mobile medicine communication platform and methods and uses thereof |
US10163040B2 (en) | 2016-07-21 | 2018-12-25 | Toshiba Medical Systems Corporation | Classification method and apparatus |
US10025902B2 (en) | 2016-08-12 | 2018-07-17 | Verily Life Sciences Llc | Enhanced pathology diagnosis |
US10582907B2 (en) | 2016-10-31 | 2020-03-10 | Siemens Healthcare Gmbh | Deep learning based bone removal in computed tomography angiography |
US11139079B2 (en) | 2017-03-06 | 2021-10-05 | International Business Machines Corporation | Cognitive stroke detection and notification |
WO2018236905A1 (en) | 2017-06-19 | 2018-12-27 | Viz.ai, Inc. | METHOD AND SYSTEM FOR COMPUTER-ASSISTED SORTING |
US10733730B2 (en) | 2017-06-19 | 2020-08-04 | Viz.ai Inc. | Method and system for computer-aided triage |
US10346728B2 (en) | 2017-10-26 | 2019-07-09 | Hitachi, Ltd. | Nodule detection with false positive reduction |
US10629305B2 (en) | 2017-11-09 | 2020-04-21 | General Electric Company | Methods and apparatus for self-learning clinical decision support |
CN111566695A (zh) | 2017-12-13 | 2020-08-21 | 华盛顿大学 | 确定用于消融的节段的系统和方法 |
US11039783B2 (en) | 2018-06-18 | 2021-06-22 | International Business Machines Corporation | Automatic cueing system for real-time communication |
US20200027556A1 (en) | 2018-07-17 | 2020-01-23 | Petuum Inc. | Systems and Methods for Medical Topic Discovery Based on Large-Scale Machine Learning |
US20200058410A1 (en) | 2018-08-14 | 2020-02-20 | Medris, LLC | Method and apparatus for improving subject treatment and navigation related to a medical transport telepresence system |
CA3127833A1 (en) | 2019-01-29 | 2020-08-06 | Andromeda Medical Imaging Inc. | System and method for generating perfusion functional maps from temporally resolved helical computed tomographic images |
WO2020185660A1 (en) | 2019-03-08 | 2020-09-17 | University Of Southern California | Improved histopathology classification through machine self-learning of "tissue fingerprints" |
US11436732B2 (en) | 2019-03-12 | 2022-09-06 | The General Hospital Corporation | Automatic segmentation of acute ischemic stroke lesions in computed tomography data |
US11195277B2 (en) | 2019-04-25 | 2021-12-07 | GE Precision Healthcare LLC | Systems and methods for generating normative imaging data for medical image processing using deep learning |
JP7100336B2 (ja) | 2019-05-16 | 2022-07-13 | ペイジ.エーアイ インコーポレイテッド | デジタル病理学のために、画像を処理し、処理された画像を分類するためのシステムおよび方法 |
WO2020264355A1 (en) | 2019-06-27 | 2020-12-30 | Viz.ai Inc. | Method and system for computer-aided triage of stroke |
EP4004946A4 (en) | 2019-07-30 | 2023-08-02 | Viz.ai, Inc. | METHOD AND SYSTEM FOR COMPUTER ASSISTED STROKE TRIAGE |
US20210057112A1 (en) | 2019-08-23 | 2021-02-25 | Viz.ai Inc. | Method and system for mobile triage |
US11676704B2 (en) | 2019-12-20 | 2023-06-13 | PAIGE.AI, Inc. | Systems and methods for processing electronic images for health monitoring and forecasting |
TWI791979B (zh) | 2020-04-28 | 2023-02-11 | 長庚醫療財團法人林口長庚紀念醫院 | 三維醫學影像的建立方法 |
US11328400B2 (en) | 2020-07-24 | 2022-05-10 | Viz.ai Inc. | Method and system for computer-aided aneurysm triage |
JP2023546921A (ja) | 2020-10-23 | 2023-11-08 | ペイジ.エーアイ インコーポレイテッド | 診断検査を識別するために電子画像を処理するシステム及び方法 |
US11694807B2 (en) | 2021-06-17 | 2023-07-04 | Viz.ai Inc. | Method and system for computer-aided decision guidance |
-
2018
- 2018-06-19 WO PCT/US2018/038334 patent/WO2018236905A1/en unknown
- 2018-06-19 DK DK18821318.5T patent/DK3642743T3/da active
- 2018-06-19 PT PT188213185T patent/PT3642743T/pt unknown
- 2018-06-19 EP EP21207674.9A patent/EP3973863A1/en active Pending
- 2018-06-19 JP JP2020519026A patent/JP6964769B2/ja active Active
- 2018-06-19 US US16/012,495 patent/US10346979B2/en active Active
- 2018-06-19 ES ES18821318T patent/ES2905660T3/es active Active
- 2018-06-19 US US16/012,458 patent/US10373315B2/en active Active
- 2018-06-19 AU AU2018288766A patent/AU2018288766B2/en active Active
- 2018-06-19 CA CA3066644A patent/CA3066644A1/en active Pending
- 2018-06-19 CN CN201880051238.3A patent/CN111107783B/zh active Active
- 2018-06-19 EP EP18821318.5A patent/EP3642743B1/en active Active
-
2019
- 2019-05-21 US US16/418,908 patent/US10614572B2/en active Active
-
2020
- 2020-02-26 US US16/802,369 patent/US11321834B2/en active Active
-
2021
- 2021-04-06 US US17/224,039 patent/US11295446B2/en active Active
- 2021-04-09 AU AU2021202168A patent/AU2021202168B2/en active Active
-
2022
- 2022-03-25 US US17/704,636 patent/US11967074B2/en active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2004243117A (ja) * | 2003-02-12 | 2004-09-02 | Pie Medical Imaging Bv | 身体構造の物理パラメータを求める方法 |
JP2012027565A (ja) * | 2010-07-20 | 2012-02-09 | Tryfor Co Ltd | 救急患者治療支援システム |
US20160180042A1 (en) * | 2014-12-01 | 2016-06-23 | Quikflo Technologies Inc. | Decision support tool for stroke patients |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US11526463B2 (en) | 2004-12-23 | 2022-12-13 | D-Wave Systems Inc. | Analog processor comprising quantum devices |
US11816536B2 (en) | 2007-04-05 | 2023-11-14 | 1372934 B.C. Ltd | Physical realizations of a universal adiabatic quantum computer |
US11423115B2 (en) | 2014-03-12 | 2022-08-23 | D-Wave Systems Inc. | Systems and methods for removing unwanted interactions in quantum devices |
US11494683B2 (en) | 2017-12-20 | 2022-11-08 | D-Wave Systems Inc. | Systems and methods for coupling qubits in a quantum processor |
Also Published As
Publication number | Publication date |
---|---|
US20210224988A1 (en) | 2021-07-22 |
ES2905660T3 (es) | 2022-04-11 |
CN111107783B (zh) | 2022-08-05 |
WO2018236905A1 (en) | 2018-12-27 |
AU2018288766B2 (en) | 2021-01-21 |
PT3642743T (pt) | 2021-12-07 |
EP3642743A1 (en) | 2020-04-29 |
US11295446B2 (en) | 2022-04-05 |
AU2021202168B2 (en) | 2023-03-09 |
EP3642743B1 (en) | 2021-11-17 |
CN111107783A (zh) | 2020-05-05 |
AU2018288766A1 (en) | 2020-01-16 |
DK3642743T3 (da) | 2021-12-06 |
JP6964769B2 (ja) | 2021-11-10 |
US10614572B2 (en) | 2020-04-07 |
US11321834B2 (en) | 2022-05-03 |
US10373315B2 (en) | 2019-08-06 |
US20180366225A1 (en) | 2018-12-20 |
US20220215549A1 (en) | 2022-07-07 |
AU2021202168A1 (en) | 2021-05-06 |
US10346979B2 (en) | 2019-07-09 |
EP3973863A1 (en) | 2022-03-30 |
US20180365828A1 (en) | 2018-12-20 |
US20190272636A1 (en) | 2019-09-05 |
CA3066644A1 (en) | 2018-12-27 |
EP3642743A4 (en) | 2021-01-20 |
US20200193599A1 (en) | 2020-06-18 |
US11967074B2 (en) | 2024-04-23 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11295446B2 (en) | Method and system for computer-aided triage | |
US11488299B2 (en) | Method and system for computer-aided triage | |
US11462318B2 (en) | Method and system for computer-aided triage of stroke | |
US11328400B2 (en) | Method and system for computer-aided aneurysm triage | |
US11625832B2 (en) | Method and system for computer-aided triage of stroke | |
US12008742B2 (en) | Method and system for computer-aided aneurysm triage | |
US20220148166A1 (en) | Systems and methods for assessing a likelihood of cteph and identifying characteristics indicative thereof |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20200214 |
|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20200214 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20210121 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20210209 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20210430 |
|
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: 20210921 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20211019 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 6964769 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |