JP2020534105A5 - - Google Patents

Download PDF

Info

Publication number
JP2020534105A5
JP2020534105A5 JP2020516745A JP2020516745A JP2020534105A5 JP 2020534105 A5 JP2020534105 A5 JP 2020534105A5 JP 2020516745 A JP2020516745 A JP 2020516745A JP 2020516745 A JP2020516745 A JP 2020516745A JP 2020534105 A5 JP2020534105 A5 JP 2020534105A5
Authority
JP
Japan
Prior art keywords
tumor
image data
voxel
medical
medical device
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
JP2020516745A
Other languages
English (en)
Other versions
JP2020534105A (ja
Filing date
Publication date
Priority claimed from EP17192531.6A external-priority patent/EP3460751A1/en
Application filed filed Critical
Publication of JP2020534105A publication Critical patent/JP2020534105A/ja
Publication of JP2020534105A5 publication Critical patent/JP2020534105A5/ja
Pending legal-status Critical Current

Links

Claims (15)

  1. マシン実行可能命令を保存するためのメモリと、医療機器を制御するためのプロセッサとを備える、当該医療機器であって、
    前記マシン実行可能命令の実行により、前記プロセッサは、
    ボクセルを有し、対象者を描写する3次元医療画像データを受信し、
    前記3次元医療画像データを非腫瘍ボクセルと腫瘍ボクセルとに分割する前記3次元医療画像データのセグメンテーションを受信し、
    前記腫瘍ボクセルの中心点を選択し、
    前記中心点が直交平面の各々内にある当該直交平面のセットを使用して、前記腫瘍ボクセルを複数のボクセルのグループに分割し、
    前記複数のボクセルのグループの各々の放射特性のセットから選択された少なくとも1つのグループ放射特性を計算し、
    前記少なくとも1つのグループ放射特性の各々について統計的測度を計算し、
    各統計的測度に対して一意である所定のグループ重み付け値で乗算される、各統計的測度の総和を計算することによりスカラー値を計算し、
    前記スカラー値が所定のしきい値を超える場合、シグナリングインタフェースデバイスを使用して信号を提供する、
    医療機器。
  2. 前記マシン実行可能命令の実行により、前記プロセッサは更に、前記中心点の周りの前記直交平面のセットの複数の回転位置について前記スカラー値の計算を実行することにより、前記スカラー値のセットを構築させ、前記信号の提供は、前記スカラー値の前記セットから選択された最大スカラー値に対して実行される、請求項1に記載の医療機器。
  3. 前記マシン実行可能命令の実行により、前記プロセッサは更に、
    前記腫瘍ボクセルの前記放射特性の前記セットから選択された少なくとも1つのグローバル放射特性を計算し、
    前記少なくとも1つのグローバル放射特性の各々についてグローバル統計的測度を計算し、前記スカラー値は、各グローバル統計的測度の総和に、所定のグローバル重み付け値を乗じることによって更に計算され、前記所定のグローバル重み付け値は、各グローバル分散に対して一意である、請求項1又は2に記載の医療機器。
  4. 前記マシン実行可能命令の実行により、前記プロセッサは更に、
    ユーザインタフェースから、少なくとも部分的に前記セグメンテーションを受信すること、
    セグメンテーションアルゴリズムを前記3次元画像データに適用することにより、少なくとも部分的に前記セグメンテーションを受信すること、及び
    その組み合わせ、のうちの任意の1つを実行する、請求項1から3のいずれか一項に記載の医療機器。
  5. 前記中心点は、
    前記腫瘍ボクセルの重心を計算すること、
    前記腫瘍ボクセルの全てを囲む最小球の中心を識別すること、
    前記腫瘍ボクセルの所与の割合を囲む最小球の中心を識別すること、
    前記腫瘍ボクセルの全てを囲む最大球の中心を識別すること、
    前記腫瘍ボクセルの前記所与の割合を囲む最大球の中心を識別すること、
    全ての腫瘍ボクセルを囲む最小体積の楕円体の中心を識別すること、
    前記腫瘍ボクセルの前記所与の割合を囲む最小体積の楕円体の中心を識別すること、及び
    それらの線形結合又は平均、のうちの任意の1つを使用して選択される、請求項1から4のいずれか一項に記載の医療機器。
  6. 前記マシン実行可能命令の実行により、前記プロセッサは更に、
    複数の腫瘍を描写している3次元データであるトレーニング医療画像データを受信し、
    前記トレーニング医療画像データを、前記非腫瘍ボクセルと前記腫瘍ボクセルとに分割する、前記トレーニング医療画像データのセグメンテーションを受信し、
    前記トレーニング医療画像データの各々の中心点を選択し、
    前記トレーニング医療画像データの各々の直交平面のセットを使用して、前記腫瘍ボクセルを前記複数のボクセルのグループに分割し、
    前記トレーニング医療画像データの各々の前記複数のボクセルのグループの各々の放射特性のセットから選択された少なくとも1つのグループ放射特性を計算し、
    前記トレーニング医療画像データの各々について前記少なくとも1つのグループ放射特性の各々の統計的測度を計算し、
    前記複数の腫瘍の各々について腫瘍の不均一性測度を受信し、
    最適化を使用して、前記トレーニング医療画像データの各々の前記統計的測度の所定のグループ重み付け値を計算し、前記最適化は、前記複数の腫瘍の各々の前記腫瘍の不均一性測度を、前記トレーニング医療画像データの各々の各統計的測度の総和に、前記所定のグループ重み付け値を乗じたものと等値化させる、請求項1から5のいずれか一項に記載の医療機器。
  7. 前記腫瘍の不均一性測度は、
    空間的に依存する生物分析特性、
    空間的に依存するDNA配列データ、
    空間的に依存するRNA活性化データ、
    空間的に依存する生体受容体濃度、及び
    それらの組み合わせ、のうちのいずれか1つを示す、請求項6に記載の医療機器。
  8. 前記シグナリングインタフェースデバイスは、グラフィカルユーザインタフェースを備え、前記信号は、警告表示、及び/又は、前記スカラー値を示すテキストメッセージを有する、
    前記シグナリングインタフェースデバイスは、音声音生成器を備え、前記信号は、可聴信号を有する、
    前記シグナリングインタフェースデバイスは、生検計画生成器を備え、前記信号は、生検指示を有する、及び
    それらの組み合わせ、のうちのいずれか1つである、請求項1から7のいずれか一項に記載の医療機器。
  9. 前記医療機器は、自動生検システムを備え、前記シグナリングデバイスによって前記信号が提供される場合、前記マシン実行可能命令の実行により、前記プロセッサは更に、前記自動生検システムを制御して前記腫瘍の生検を実行する、請求項1から8のいずれか一項に記載の医療機器。
  10. 放射特性の前記セットは、
    体積、
    最大長特性、
    最小長特性、
    サイズ依存特性、
    体積依存特性、
    ヒストグラム記述子、
    ボクセル間関係記述子、
    グレーレベル共起行列、
    ランレングス行列、
    サイズゾーン行列、
    近傍グレートーン差行列から派生したテクスチャ、
    フィルタの適用後に抽出された1つ又は複数のテクスチャ、
    表面テクスチャ測度、
    フラクタル特性、及び
    それらの組み合わせ、のうちのいずれか1つを有する、請求項1から9のいずれか一項に記載の医療機器。
  11. 前記医療機器は、医療イメージングシステムを更に備え、前記マシン実行可能命令の実行により、前記プロセッサは更に、前記医療イメージングシステムを制御して、前記対象者から前記3次元医療画像データを取得し、前記プロセッサは、前記医療イメージングシステムから前記3次元医療画像データを受信する、請求項1から10のいずれか一項に記載の医療機器。
  12. 前記医療イメージングシステムは、磁気共鳴イメージングシステム、陽電子放射断層撮影システム、単一光子放射コンピュータ断層撮影システム、超音波システム、及びコンピュータ断層撮影システム、のうちのいずれか1つである、請求項11に記載の医療機器。
  13. 前記医療機器は、磁気共鳴イメージングシステムであり、前記3次元医療画像データは、拡散重み付け磁気共鳴画像、動的造影磁気共鳴画像、又はそれらの一連の画像、のうちのいずれか1つである、請求項11に記載の医療機器。
  14. 医療機器を制御するためのプロセッサによる実行のためのマシン実行可能命令を備えたコンピュータプログラムであって、前記マシン実行可能命令の実行により、前記プロセッサは、
    ボクセルを有し、対象者を描写する3次元医療画像データを受信し、
    前記3次元画像データを非腫瘍ボクセルと腫瘍ボクセルとに分割する前記3次元医療画像データのセグメンテーションを受信し、
    前記腫瘍ボクセルの中心点を選択し、
    前記中心点が直交平面の各々内にある前記直交平面のセットを使用して、前記腫瘍ボクセルを複数のボクセルのグループに分割し、
    前記複数のボクセルのグループの各々の放射特性のセットから選択された少なくとも1つのグループ放射特性を計算し、
    前記少なくとも1つのグループ放射特性の各々について統計的測度を計算し、
    各統計的測度に対して一意である所定のグループ重み付け値で乗算される、各統計的測度の総和を計算することによりスカラー値を計算し、
    前記スカラー値が所定のしきい値を超える場合、シグナリングインタフェースデバイスを使用して信号を提供する、
    コンピュータプログラム。
  15. 3次元医療画像データを分析する方法であって、
    ボクセルを有し、対象者を描写する3次元医療画像データを受信するステップと、
    前記3次元医療画像データを非腫瘍ボクセルと腫瘍ボクセルとに分割する前記3次元医療画像データのセグメンテーションを受信するステップと、
    前記腫瘍ボクセルの中心点を選択するステップと、
    前記中心点が直交平面の各々内にある前記直交平面のセットを使用して、前記腫瘍ボクセルを複数のグループに分割するステップと、
    前記複数のボクセルのグループの各々の放射特性のセットから選択された少なくとも1つのグループ放射特性を計算するステップと、
    前記少なくとも1つのグループ放射特性の各々について統計的測度を計算するステップと、
    各統計的測度に対して一意である所定のグループ重み付け値で乗算される、各統計的測度の総和を計算することによりスカラー値を計算するステップと、
    前記スカラー値が所定のしきい値を超える場合、シグナリングインタフェースデバイスを使用して信号を提供するステップとを有する、
    方法。
JP2020516745A 2017-09-22 2018-08-30 自動腫瘍分割 Pending JP2020534105A (ja)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
EP17192531.6A EP3460751A1 (en) 2017-09-22 2017-09-22 Automated tumor partitioning
EP17192531.6 2017-09-22
PCT/EP2018/073296 WO2019057459A1 (en) 2017-09-22 2018-08-30 PARTITIONING OF AUTOMATED TUMOR

Publications (2)

Publication Number Publication Date
JP2020534105A JP2020534105A (ja) 2020-11-26
JP2020534105A5 true JP2020534105A5 (ja) 2021-10-07

Family

ID=59955411

Family Applications (1)

Application Number Title Priority Date Filing Date
JP2020516745A Pending JP2020534105A (ja) 2017-09-22 2018-08-30 自動腫瘍分割

Country Status (5)

Country Link
US (1) US10997726B2 (ja)
EP (2) EP3460751A1 (ja)
JP (1) JP2020534105A (ja)
CN (1) CN111373440A (ja)
WO (1) WO2019057459A1 (ja)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US11398074B1 (en) 2021-04-21 2022-07-26 Hong Kong Applied Science and Technology Research Institute Company Limited Method and apparatus for identifying planes of objects in 3D scenes

Family Cites Families (22)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6842638B1 (en) * 2001-11-13 2005-01-11 Koninklijke Philips Electronics N.V. Angiography method and apparatus
US6843638B2 (en) 2002-12-10 2005-01-18 Honeywell International Inc. Vane radial mounting apparatus
JP2004222864A (ja) * 2003-01-21 2004-08-12 Mitsubishi Research Institute Inc 診断支援システム、診断支援方法及び診断支援プログラム
US8229200B2 (en) * 2005-03-14 2012-07-24 General Electric Company Methods and systems for monitoring tumor burden
US20060247864A1 (en) * 2005-04-29 2006-11-02 Jose Tamez-Pena Method and system for assessment of biomarkers by measurement of response to surgical implant
US20080033302A1 (en) * 2006-04-21 2008-02-07 Siemens Corporate Research, Inc. System and method for semi-automatic aortic aneurysm analysis
CN101152104A (zh) * 2006-04-21 2008-04-02 美国西门子医疗解决公司 半自动主动脉瘤分析用的系统和方法
US9420983B2 (en) * 2007-11-06 2016-08-23 Koninklijke Philips N.V. System for quantification of neovasculature in CT volumes
CN101969852A (zh) * 2008-03-04 2011-02-09 断层放疗公司 用于改进图像分割的方法和系统
WO2010115885A1 (en) * 2009-04-03 2010-10-14 Oslo Universitetssykehus Hf Predictive classifier score for cancer patient outcome
US20170216632A1 (en) * 2010-04-16 2017-08-03 W. Davis Lee Dispersive force corrected gantry based radiation treatment apparatus and method of use thereof
US10751551B2 (en) * 2010-04-16 2020-08-25 James P. Bennett Integrated imaging-cancer treatment apparatus and method of use thereof
US9129391B2 (en) * 2011-09-28 2015-09-08 Siemens Aktiengesellschaft Semi-automated preoperative resection planning
CN103098090B (zh) * 2011-12-21 2015-01-21 中国科学院自动化研究所 多参数三维磁共振图像脑肿瘤分割方法
WO2014113786A1 (en) * 2013-01-18 2014-07-24 H. Lee Moffitt Cancer Center And Research Institute, Inc. Quantitative predictors of tumor severity
GB201316853D0 (en) 2013-09-23 2013-11-06 St Georges Hosp Medical School Analysing MRI Data to Determine tumour type
WO2015054597A2 (en) 2013-10-12 2015-04-16 H. Lee Moffitt Cancer Center And Research Institute, Inc. Systems and methods for diagnosing tumors in a subject by performing a quantitative analysis of texture-based features of a tumor object in a radiological image
WO2015061882A1 (en) 2013-10-28 2015-05-07 London Health Sciences Centre Research Inc. Method and apparatus for analyzing three-dimensional image data of a target region of a subject
GB201321118D0 (en) 2013-11-29 2014-01-15 St Georges Hosp Medical School Analysing MRI data to determine tumour type
WO2015139963A1 (en) * 2014-03-17 2015-09-24 Koninklijke Philips N.V. Interactive 3d image data segmentation
WO2016069633A1 (en) * 2014-10-27 2016-05-06 Elekta, Inc. Image guidance for radiation therapy
US20180325461A1 (en) 2015-05-29 2018-11-15 Northwestern University Systems and Methods for Producing Quantitatively Calibrated Grayscale Values in Magnetic Resonance Images

Similar Documents

Publication Publication Date Title
Jin et al. CT-realistic lung nodule simulation from 3D conditional generative adversarial networks for robust lung segmentation
CN103262120B (zh) 图像数据的体积描绘
EP3109827B1 (en) Organ-specific enhancement filter for robust segmentation of medical images
Hatt et al. PET functional volume delineation: a robustness and repeatability study
JP2021509721A5 (ja)
US8611629B2 (en) Vessel analysis
JP2020516427A5 (ja)
JP2021503319A5 (ja)
JP2019531783A5 (ja)
EP3547257B1 (en) Deformable image registration with awareness of computed tomography (ct) reconstruction area
JP5838195B2 (ja) 画像データのセグメント化
US9600877B2 (en) Quantitative imaging
US20180247407A1 (en) Method and apparatus for segmenting medical images
US20220262049A1 (en) Partial Volume Correction in Multi-Modality Emission Tomography
JP2020535924A (ja) 診断撮像における画像特徴のアノテーション
CN111630562A (zh) 用于评估肺部图像的系统
CN108885786B (zh) 医学图像处理
JP2020534105A5 (ja)
Lopes et al. A methodical approach for detection and 3-D reconstruction of brain tumor in MRI
Funaki et al. Application of CT-PSF-based computer-simulated lung nodules for evaluating the accuracy of computer-aided volumetry
US10997726B2 (en) Automated tumor partitioning
JP2010507438A (ja) セグメント化の向上
Gifford et al. Accounting for anatomical noise in SPECT with a visual-search human-model observer
EP4184435A1 (en) Method and systems for boundary detection
JP6741158B2 (ja) 散乱推定方法および画像処理装置