JP2021503319A - 人工知能による解剖学的ランドマークのローカライゼーション - Google Patents
人工知能による解剖学的ランドマークのローカライゼーション Download PDFInfo
- Publication number
- JP2021503319A JP2021503319A JP2020524843A JP2020524843A JP2021503319A JP 2021503319 A JP2021503319 A JP 2021503319A JP 2020524843 A JP2020524843 A JP 2020524843A JP 2020524843 A JP2020524843 A JP 2020524843A JP 2021503319 A JP2021503319 A JP 2021503319A
- Authority
- JP
- Japan
- Prior art keywords
- parameter set
- image data
- learning model
- anatomical
- acquisition
- 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
-
- 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
- G01R33/543—Control of the operation of the MR system, e.g. setting of acquisition parameters prior to or during MR data acquisition, dynamic shimming, use of one or more scout images for scan plane prescription
-
- 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
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine 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
- G06T2207/10—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
- G06T2207/20081—Training; Learning
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Signal Processing (AREA)
- High Energy & Nuclear Physics (AREA)
- Condensed Matter Physics & Semiconductors (AREA)
- Radiology & Medical Imaging (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- General Health & Medical Sciences (AREA)
- Health & Medical Sciences (AREA)
- Artificial Intelligence (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- Quality & Reliability (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- Magnetic Resonance Imaging Apparatus (AREA)
Abstract
Description
一態様では、本発明は、予め決められた解剖学的構造の解剖学的ランドマークを位置特定するための医用イメージング方法に関する。この方法は、
−取得パラメータセットを使用して得られた画像データ内の解剖学的ランドマークを予測し、画像データの後続の取得のために取得パラメータセットの後続の取得パラメータセットを予測するための機械学習モデルにアクセスするステップと、
−現在の取得パラメータセットを決定するステップと、
−解剖学的構造のスライス(又は2Dスライス)を表す調査画像データを受け取るステップであって、調査画像データは、現在の取得パラメータセットを有する、ステップと、
−機械学習モデルを用いて、前記受け取られた調査画像データ内の解剖学的ランドマークを識別するステップと、
−機械学習モデルを使用して別の取得パラメータセットを予測し、予測された取得パラメータセットを現在のパラメータセットとして使用して、予め決められた繰り返し回数にわたってステップc)−e)を繰り返すステップと、識別された解剖学的ランドマークを提供するステップと、を有する。
−取得パラメータセットを使用して取得された画像データ内の解剖学的ランドマークを予測し、画像データの後続の取得のために取得パラメータセットの後続の取得パラメータセットを予測するための機械学習モデルを提供するステップと、
−現在の取得パラメータセットを決定するステップと、
−解剖学的構造のスライスを表す調査画像データを受信するステップであって、調査画像データは、現在の取得パラメータセットを有する、ステップと、
−機械学習モデルを使用して、取得された画像データ内の解剖学的ランドマークを識別するステップと、
−機械学習モデルを使用して別の取得パラメータセットを予測し、予測された取得パラメータセットを現在のパラメータセットとして使用して、予め決められた繰り返し回数にわたってステップc)−e)を繰り返すステップと、
−識別された解剖学的ランドマークを提供するステップと、を実行させる。
101 スキャンイメージングシステム
103 プロセッサ
107 メモリ
108 電源
109 バス
111 制御システム
121 ソフトウェア
125 ディスプレイ
129 ユーザインタフェース
150 AIコンポーネント
201−211 方法ステップ
300 磁気共鳴イメージングシステム
304 磁石
306 磁石のボア
308 イメージングゾーン
310 勾配磁場コイル
312 勾配磁場コイル電源
314 高周波コイル
315 RF増幅器
318 対象
Claims (14)
- 予め決められた解剖学的構造の解剖学的ランドマークを位置特定するための医用イメージング方法であって、
a)取得パラメータセットを使用して取得された画像データ内の解剖学的ランドマークを予測し、画像データの後続の取得のために前記取得パラメータセットの後続の取得パラメータセットを予測するための機械学習モデルにアクセスするステップと、
b)現在の取得パラメータセットを決定するステップと、
c)解剖学的構造のスライスを表す調査画像データを受け取るステップであって、前記調査画像データは、前記現在の取得パラメータセットを有する、ステップと、
d)前記機械学習モデルを用いて、前記受け取られた調査画像データ内の解剖学的ランドマークを識別するステップと、
e)前記機械学習モデルを使用して別の取得パラメータセットを予測し、前記予測された取得パラメータセットを前記現在のパラメータセットとして使用して、予め決められた繰り返し回数にわたってステップc)−e)を繰り返すステップと、
f)前記識別された解剖学的ランドマークを提供するステップと、
を有する方法。 - 前記機械学習モデルを使用して、前記識別された解剖学的ランドマークに信頼レベルを割り当てるステップを更に有し、前記繰り返し回数は、予め決められた閾値よりも高い信頼レベルを得るために必要とされる繰り返し回数である、請求項1に記載の方法。
- 画像データのトレーニングセットに、既知のランドマークのセット及び複数の取得パラメータセットを提供するステップと、前記機械学習モデルを生成するために、前記トレーニングセットに対し学習アルゴリズムを実行するステップと、を更に有する、請求項1又は2に記載の方法。
- 前記トレーニングセットは、前記ランドマークのセットの各々のロケーションを示す、請求項3に記載の方法。
- 前記トレーニングセットは、前記解剖学的構造の3Dボリュームを表す画像データを有する、請求項3又は4に記載の方法。
- 前記学習アルゴリズムの実行は、前記トレーニングセットから、所与のパラメータセットに対応するスライスを表す画像データを決定するステップと、前記スライスに対し前記学習アルゴリズムを実行するステップと、を有する、請求項3乃至5のいずれか1項に記載の方法。
- 前記トレーニングセットから前記所与のパラメータセットに対応するスライスを表す画像データを決定する前記ステップは、マルチプラナリフォーマット方法を使用して実行される、請求項6に記載の方法。
- 前記取得パラメータセットが、
前記解剖学的構造のスライスの標示、
前記画像データのボクセルサイズ、
前記画像データのボクセル数、
前記画像データ内のボクセル中心、
前記スライスの3D方向、
のうちの少なくとも1つを含む、請求項1乃至7のいずれか1項に記載の方法。 - 前記機械学習モデルが深層学習モデルである、請求項1乃至8のいずれか1項に記載の方法。
- 前記予測された取得パラメータセットが、前記取得パラメータセット及び/又は修正された取得パラメータセットについてそれぞれ異なる値を有し、前記修正された取得パラメータセットが、前記画像データのエコー時間(TE)、反復時間(TR)、及び/又はフリップ角度を有する、請求項1乃至9のいずれか1項に記載の方法。
- 前記提供された解剖学的ランドマークを使用して、後続の医用画像のスキャン計画を実行するステップを更に有する、請求項1乃至10に記載の方法。
- プロセッサにより実行されるマシン実行可能命令を有する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は、前記プロセッサに、請求項1乃至11のいずれか1項に記載の方法を実行させる、コンピュータプログラム。
- 医用分析システムであって、マシン実行可能命令を有するメモリと、前記医用分析システムを制御するプロセッサと、を有し、前記マシン実行可能命令の実行は、前記プロセッサに、
a)取得パラメータセットを使用して取得された画像データ内の解剖学的ランドマークを予測し、画像データの後続の取得のために前記取得パラメータセットの後続の取得パラメータセットを予測するための機械学習モデルにアクセスするステップと、
b)現在の取得パラメータセットを決定するステップと、
c)前記解剖学的構造のスライスを表す調査画像データを受信するステップであって、前記調査画像データは、前記現在の取得パラメータセットを有する、ステップと、
d)前記機械学習モデルを用いて、前記取得された調査画像データ内の解剖学的ランドマークを識別するステップと、
e)前記機械学習モデルを使用して別の取得パラメータセットを予測し、前記予測された取得パラメータセットを前記現在のパラメータセットとして使用して、予め決められた繰り返し回数にわたってステップc)−e)を繰り返すステップと、
f)前記識別された解剖学的ランドマークを提供するステップと、
を実行させる、医用分析システム。 - 請求項13に記載の医用分析システムを有する磁気共鳴イメージングシステムであって、前記調査画像データを取得するように構成される、磁気共鳴イメージングシステム。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
EP17202250.1 | 2017-11-17 | ||
EP17202250.1A EP3486674A1 (en) | 2017-11-17 | 2017-11-17 | Artificial intelligence-enabled localization of anatomical landmarks |
PCT/EP2018/081530 WO2019096981A1 (en) | 2017-11-17 | 2018-11-16 | Artificial intelligence-enabled localization of anatomical landmarks |
Publications (3)
Publication Number | Publication Date |
---|---|
JP2021503319A true JP2021503319A (ja) | 2021-02-12 |
JP2021503319A5 JP2021503319A5 (ja) | 2021-11-25 |
JP7183265B2 JP7183265B2 (ja) | 2022-12-05 |
Family
ID=60484122
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2020524843A Active JP7183265B2 (ja) | 2017-11-17 | 2018-11-16 | 人工知能による解剖学的ランドマークのローカライゼーション |
Country Status (5)
Country | Link |
---|---|
US (1) | US11475559B2 (ja) |
EP (2) | EP3486674A1 (ja) |
JP (1) | JP7183265B2 (ja) |
CN (1) | CN111356930B (ja) |
WO (1) | WO2019096981A1 (ja) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2024172332A1 (ko) * | 2023-02-15 | 2024-08-22 | 성균관대학교산학협력단 | 데이터베이스 기반의 실시간 환자 맞춤형 승모판 성형술 시뮬레이션 방법 및 이를 위한 시뮬레이션 장치 |
Families Citing this family (25)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10678244B2 (en) | 2017-03-23 | 2020-06-09 | Tesla, Inc. | Data synthesis for autonomous control systems |
US10671349B2 (en) | 2017-07-24 | 2020-06-02 | Tesla, Inc. | Accelerated mathematical engine |
US11157441B2 (en) | 2017-07-24 | 2021-10-26 | Tesla, Inc. | Computational array microprocessor system using non-consecutive data formatting |
US11409692B2 (en) | 2017-07-24 | 2022-08-09 | Tesla, Inc. | Vector computational unit |
US11893393B2 (en) | 2017-07-24 | 2024-02-06 | Tesla, Inc. | Computational array microprocessor system with hardware arbiter managing memory requests |
US11561791B2 (en) | 2018-02-01 | 2023-01-24 | Tesla, Inc. | Vector computational unit receiving data elements in parallel from a last row of a computational array |
US11215999B2 (en) | 2018-06-20 | 2022-01-04 | Tesla, Inc. | Data pipeline and deep learning system for autonomous driving |
US11361457B2 (en) | 2018-07-20 | 2022-06-14 | Tesla, Inc. | Annotation cross-labeling for autonomous control systems |
US11636333B2 (en) | 2018-07-26 | 2023-04-25 | Tesla, Inc. | Optimizing neural network structures for embedded systems |
US11562231B2 (en) | 2018-09-03 | 2023-01-24 | Tesla, Inc. | Neural networks for embedded devices |
CN115512173A (zh) | 2018-10-11 | 2022-12-23 | 特斯拉公司 | 用于使用增广数据训练机器模型的系统和方法 |
US11196678B2 (en) | 2018-10-25 | 2021-12-07 | Tesla, Inc. | QOS manager for system on a chip communications |
US11816585B2 (en) | 2018-12-03 | 2023-11-14 | Tesla, Inc. | Machine learning models operating at different frequencies for autonomous vehicles |
US11537811B2 (en) | 2018-12-04 | 2022-12-27 | Tesla, Inc. | Enhanced object detection for autonomous vehicles based on field view |
US11610117B2 (en) | 2018-12-27 | 2023-03-21 | Tesla, Inc. | System and method for adapting a neural network model on a hardware platform |
WO2020142110A1 (en) * | 2018-12-31 | 2020-07-09 | Intel Corporation | Securing systems employing artificial intelligence |
US11150664B2 (en) | 2019-02-01 | 2021-10-19 | Tesla, Inc. | Predicting three-dimensional features for autonomous driving |
US10997461B2 (en) | 2019-02-01 | 2021-05-04 | Tesla, Inc. | Generating ground truth for machine learning from time series elements |
US11567514B2 (en) | 2019-02-11 | 2023-01-31 | Tesla, Inc. | Autonomous and user controlled vehicle summon to a target |
US10956755B2 (en) | 2019-02-19 | 2021-03-23 | Tesla, Inc. | Estimating object properties using visual image data |
EP3799063A1 (en) * | 2019-09-26 | 2021-03-31 | Siemens Healthcare GmbH | Mri imaging with interleaved white marker contrast projections for ai-based passive device tracking |
EP3875992A1 (en) * | 2020-03-04 | 2021-09-08 | Hexagon Technology Center GmbH | Improving gpr scanning through the use of external scene knowledge |
EP4059435A1 (en) * | 2021-03-15 | 2022-09-21 | Koninklijke Philips N.V. | Patient preparation for medical imaging |
KR102470875B1 (ko) * | 2022-05-13 | 2022-11-25 | 주식회사 쓰리디오엔에스 | 3d 의료 영상 기반의 목표 영상 생성방법, 장치 및 컴퓨터프로그램 |
CN115343623B (zh) * | 2022-08-31 | 2023-06-16 | 中国长江三峡集团有限公司 | 一种电化学储能电池故障的在线检测方法及装置 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20130336553A1 (en) * | 2010-08-13 | 2013-12-19 | Smith & Nephew, Inc. | Detection of anatomical landmarks |
US20150043774A1 (en) * | 2013-08-09 | 2015-02-12 | Siemens Aktiengesellschaft | Automatic Planning For Medical Imaging |
JP2015217039A (ja) * | 2014-05-15 | 2015-12-07 | 富士フイルム株式会社 | 画像処理装置、方法およびプログラム |
JP2016522708A (ja) * | 2013-05-03 | 2016-08-04 | インパック メディカル システムズ、 インク.Impac Medical Systems Inc. | 診療計画を導くための画像の構造形状を自動的に表示する方法及び装置 |
Family Cites Families (28)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20050031082A1 (en) * | 2001-07-24 | 2005-02-10 | Haaga John R. | X-ray dose control based on patient size |
US7676257B2 (en) * | 2003-11-25 | 2010-03-09 | General Electric Company | Method and apparatus for segmenting structure in CT angiography |
EP1742569A1 (en) * | 2004-04-26 | 2007-01-17 | Koninklijke Philips Electronics N.V. | Apparatus and method for planning magnetic resonance imaging |
US7742800B2 (en) * | 2004-05-10 | 2010-06-22 | General Electric Company | Methods and systems for detection and monitoring of neurodegenerative diseases using magnetic resonance spectroscopy |
EP1780672A1 (en) * | 2005-10-25 | 2007-05-02 | Bracco Imaging, S.P.A. | Method of registering images, algorithm for carrying out the method of registering images, a program for registering images using the said algorithm and a method of treating biomedical images to reduce imaging artefacts caused by object movement |
DE102006043910B4 (de) * | 2006-09-19 | 2010-02-25 | Siemens Ag | Ergebnisfilter und Verfahren zur Selektion der Ergebnisdaten einer Applikation zur automatischen Mustererkennung |
US20100100560A1 (en) * | 2007-03-30 | 2010-04-22 | Koninklijke Philips Electronics N.V. | Learning anatomy dependent viewing parameters on medical viewing workstations |
EP2160135B1 (en) * | 2007-06-21 | 2012-08-15 | Koninklijke Philips Electronics N.V. | Adjusting acquisition protocols for dynamic medical imaging using dynamic models |
JP5629582B2 (ja) * | 2007-12-13 | 2014-11-19 | コーニンクレッカ フィリップス エヌ ヴェ | 医療画像データの組からデータを検索する方法、システム及びコンピュータ・プログラム |
CN102016922A (zh) * | 2008-01-10 | 2011-04-13 | 新加坡科技研究局 | 从核磁共振成像扫描数据的伪像中区别梗塞的方法 |
US8218849B2 (en) | 2008-09-04 | 2012-07-10 | Siemens Corporation | Method and system for automatic landmark detection using discriminative joint context |
JP5667066B2 (ja) * | 2008-11-05 | 2015-02-12 | コーニンクレッカ フィリップス エヌ ヴェ | Mrスキャンの自動シーケンシャルプランニング |
EP2194486A1 (en) * | 2008-12-04 | 2010-06-09 | Koninklijke Philips Electronics N.V. | A method, apparatus, and computer program product for acquiring medical image data |
RU2541887C2 (ru) * | 2009-04-02 | 2015-02-20 | Конинклейке Филипс Электроникс Н.В. | Автоматизированное оконтуривание анатомии для планирования терапии с управлением по изображениям |
US9202387B2 (en) * | 2009-11-11 | 2015-12-01 | Stryker Leibinger Gmbh & Co. Kg | Methods for planning and performing percutaneous needle procedures |
US8837791B2 (en) * | 2010-12-22 | 2014-09-16 | Kabushiki Kaisha Toshiba | Feature location method and system |
US20120220855A1 (en) | 2011-02-24 | 2012-08-30 | Siemens Corporation | Method and System for MR Scan Range Planning |
RU2634636C2 (ru) * | 2012-06-20 | 2017-11-02 | Конинклейке Филипс Н.В. | Графический пользовательский интерфейс для медицинских инструментов |
GB201217372D0 (en) * | 2012-09-28 | 2012-11-14 | Ucl Business Plc | A system and method for annotating images by propagating information |
WO2014080305A2 (en) * | 2012-11-20 | 2014-05-30 | Koninklijke Philips N.V. | Integrated phenotyping employing image texture features. |
JP6292726B2 (ja) * | 2013-03-26 | 2018-03-14 | コーニンクレッカ フィリップス エヌ ヴェKoninklijke Philips N.V. | 診断プロセスにおいてユーザを支援する支援装置 |
US9592095B2 (en) * | 2013-05-16 | 2017-03-14 | Intuitive Surgical Operations, Inc. | Systems and methods for robotic medical system integration with external imaging |
EP3136972A1 (en) * | 2014-05-02 | 2017-03-08 | Koninklijke Philips N.V. | Systems for linking features in medical images to anatomical models and methods of operation thereof |
US9740710B2 (en) * | 2014-09-02 | 2017-08-22 | Elekta Inc. | Systems and methods for segmenting medical images based on anatomical landmark-based features |
KR101636876B1 (ko) | 2014-11-03 | 2016-07-06 | 삼성전자주식회사 | 의료 영상 처리 장치 및 방법 |
JP6405054B2 (ja) * | 2015-01-30 | 2018-10-17 | コーニンクレッカ フィリップス エヌ ヴェKoninklijke Philips N.V. | フォローアップ磁気共鳴撮像のための自動化スキャン計画 |
US9569736B1 (en) * | 2015-09-16 | 2017-02-14 | Siemens Healthcare Gmbh | Intelligent medical image landmark detection |
US9792531B2 (en) * | 2015-09-16 | 2017-10-17 | Siemens Healthcare Gmbh | Intelligent multi-scale medical image landmark detection |
-
2017
- 2017-11-17 EP EP17202250.1A patent/EP3486674A1/en not_active Withdrawn
-
2018
- 2018-11-16 WO PCT/EP2018/081530 patent/WO2019096981A1/en unknown
- 2018-11-16 US US16/764,009 patent/US11475559B2/en active Active
- 2018-11-16 JP JP2020524843A patent/JP7183265B2/ja active Active
- 2018-11-16 CN CN201880074354.7A patent/CN111356930B/zh active Active
- 2018-11-16 EP EP18800213.3A patent/EP3710847A1/en active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20130336553A1 (en) * | 2010-08-13 | 2013-12-19 | Smith & Nephew, Inc. | Detection of anatomical landmarks |
JP2016522708A (ja) * | 2013-05-03 | 2016-08-04 | インパック メディカル システムズ、 インク.Impac Medical Systems Inc. | 診療計画を導くための画像の構造形状を自動的に表示する方法及び装置 |
US20150043774A1 (en) * | 2013-08-09 | 2015-02-12 | Siemens Aktiengesellschaft | Automatic Planning For Medical Imaging |
JP2015217039A (ja) * | 2014-05-15 | 2015-12-07 | 富士フイルム株式会社 | 画像処理装置、方法およびプログラム |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2024172332A1 (ko) * | 2023-02-15 | 2024-08-22 | 성균관대학교산학협력단 | 데이터베이스 기반의 실시간 환자 맞춤형 승모판 성형술 시뮬레이션 방법 및 이를 위한 시뮬레이션 장치 |
Also Published As
Publication number | Publication date |
---|---|
US11475559B2 (en) | 2022-10-18 |
CN111356930A (zh) | 2020-06-30 |
JP7183265B2 (ja) | 2022-12-05 |
CN111356930B (zh) | 2023-09-12 |
WO2019096981A1 (en) | 2019-05-23 |
EP3486674A1 (en) | 2019-05-22 |
US20200279371A1 (en) | 2020-09-03 |
EP3710847A1 (en) | 2020-09-23 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP7183265B2 (ja) | 人工知能による解剖学的ランドマークのローカライゼーション | |
JP7399102B2 (ja) | 医用イメージングにおける自動スライス選択 | |
US11249160B2 (en) | Image segmentation using reference gray scale values | |
EP3514756A1 (en) | Medical analysis method for predicting metastases in a test tissue sample | |
JP6790119B2 (ja) | 磁気共鳴イメージングのためのパルスシーケンスパラメータの変更 | |
WO2016120086A1 (en) | Automated scan planning for follow-up magnetic resonance imaging | |
JP2021510613A (ja) | 画像強度および解剖学的位置を用いた組織分類 | |
CN112292732A (zh) | 用于实现对对象的磁共振成像的方法 | |
EP3542176B1 (en) | Intensity corrected magnetic resonance images | |
US11906608B2 (en) | Automated detection of water-fat swaps in Dixon magnetic resonance imaging | |
CN114080184A (zh) | 电学属性断层摄影的深度学习 | |
US20240156346A1 (en) | Staged reconstruction of planning images for cardiac magnetic resonance imaging | |
EP3785227B1 (en) | Automated subject monitoring for medical imaging | |
CN114175111A (zh) | 利用机器学习的fMRI任务设置 | |
CN114097041A (zh) | 针对深度学习电特性断层摄影的不确定度图 | |
EP3828579A1 (en) | Adaptive reconstruction of magnetic resonance images | |
WO2023020948A1 (en) | Selection of magnetic resonance imaging acquisitions for radiation therapy planning | |
CN118805094A (en) | Detection of false structures in magnetic resonance images using neural networks |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20211015 |
|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20211015 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20220913 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20221026 |
|
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: 20221115 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20221122 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 7183265 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |