JP2022533165A - 磁気共鳴イメージングのための自動的な視野整列 - Google Patents
磁気共鳴イメージングのための自動的な視野整列 Download PDFInfo
- Publication number
- JP2022533165A JP2022533165A JP2021568555A JP2021568555A JP2022533165A JP 2022533165 A JP2022533165 A JP 2022533165A JP 2021568555 A JP2021568555 A JP 2021568555A JP 2021568555 A JP2021568555 A JP 2021568555A JP 2022533165 A JP2022533165 A JP 2022533165A
- Authority
- JP
- Japan
- Prior art keywords
- magnetic resonance
- training
- field alignment
- alignment data
- algorithm
- 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
- 238000002595 magnetic resonance imaging Methods 0.000 title claims abstract description 79
- 230000015654 memory Effects 0.000 claims abstract description 50
- 230000004044 response Effects 0.000 claims abstract description 36
- 230000000007 visual effect Effects 0.000 claims abstract description 26
- 238000010801 machine learning Methods 0.000 claims abstract description 20
- 238000012549 training Methods 0.000 claims description 122
- 238000001208 nuclear magnetic resonance pulse sequence Methods 0.000 claims description 32
- 238000000034 method Methods 0.000 claims description 30
- 239000013598 vector Substances 0.000 claims description 15
- 238000004590 computer program Methods 0.000 claims description 14
- 238000002059 diagnostic imaging Methods 0.000 claims description 12
- 238000013528 artificial neural network Methods 0.000 claims description 8
- 238000003066 decision tree Methods 0.000 claims description 4
- 238000013527 convolutional neural network Methods 0.000 claims description 3
- 239000000284 extract Substances 0.000 claims description 3
- 238000010586 diagram Methods 0.000 description 10
- 230000006870 function Effects 0.000 description 10
- 238000003384 imaging method Methods 0.000 description 9
- 230000005855 radiation Effects 0.000 description 6
- 230000003287 optical effect Effects 0.000 description 5
- 238000012545 processing Methods 0.000 description 5
- 241000282412 Homo Species 0.000 description 3
- 230000009471 action Effects 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 210000004556 brain Anatomy 0.000 description 2
- 230000001419 dependent effect Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 230000000644 propagated effect Effects 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 238000012800 visualization Methods 0.000 description 2
- 125000002066 L-histidyl group Chemical group [H]N1C([H])=NC(C([H])([H])[C@](C(=O)[*])([H])N([H])[H])=C1[H] 0.000 description 1
- 241000699670 Mus sp. Species 0.000 description 1
- 230000003187 abdominal effect Effects 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000009125 cardiac resynchronization therapy Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 238000013136 deep learning model Methods 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 230000007257 malfunction Effects 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 210000000056 organ Anatomy 0.000 description 1
- 239000002245 particle Substances 0.000 description 1
- 238000003908 quality control method Methods 0.000 description 1
- 238000004445 quantitative analysis Methods 0.000 description 1
- 238000012552 review Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000002560 therapeutic procedure Methods 0.000 description 1
- 210000003813 thumb Anatomy 0.000 description 1
- 230000001052 transient effect Effects 0.000 description 1
Images
Classifications
-
- 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
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/0033—Features or image-related aspects of imaging apparatus classified in A61B5/00, e.g. for MRI, optical tomography or impedance tomography apparatus; arrangements of imaging apparatus in a room
- A61B5/0037—Performing a preliminary scan, e.g. a prescan for identifying a region of interest
-
- 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
- A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
- A61B5/7235—Details of waveform analysis
-
- 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
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/74—Details of notification to user or communication with user or patient ; user input means
- A61B5/742—Details of notification to user or communication with user or patient ; user input means using visual displays
- A61B5/7425—Displaying combinations of multiple images regardless of image source, e.g. displaying a reference anatomical image with a live image
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
- G06F18/2413—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches based on distances to training or reference patterns
- G06F18/24133—Distances to prototypes
- G06F18/24137—Distances to cluster centroïds
- G06F18/2414—Smoothing the distance, e.g. radial basis function networks [RBFN]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/25—Determination of region of interest [ROI] or a volume of interest [VOI]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/82—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using neural networks
-
- 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
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V2201/00—Indexing scheme relating to image or video recognition or understanding
- G06V2201/03—Recognition of patterns in medical or anatomical images
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V2201/00—Indexing scheme relating to image or video recognition or understanding
- G06V2201/10—Recognition assisted with metadata
Abstract
Description
1. 3つの直交平面での低解像度のローカライザ画像の取得。
2. 解剖学的ランドマークの視覚的認識及びマーキング。
3. 認識された解剖学的ランドマークに対するFOVの整列。全ての結果的な臨床画像は新たに整列された視野において得られる。
1) 正確性が人間に依存すること。シーケンスプランニングの正確性は、包括的で信頼性の高いMRI調査のために欠くことのできない要件である。しかしながら、これは、医療スタッフの技能に強く依存し、これを制御する容易な手法はない。
2) 再現性の不足。シーケンスプランニングの再現性は、フォローアップ調査の量的分析及び比較のために重要な要件である。しかしながら、患者間及び患者内でのFOV配向の著しいばらつきがあり、フォローアップスキャンが、先の調査と同じ配向で手動で整列されることを保証することはほとんど不可能である。
1. 適切な訓練用放射線データセットを収集し、準備する。ローカライザ画像及び患者メタ情報は特徴として働き、結果的な臨床画像の空間的FOV配向は目標グラウンドトゥルー値として働く。
2. 選択された特徴を使用してFOVの空間的配向を予測を可能にする予測器アーキテクチャを選択する。
3. FOVの予測配向と現実の配向との不一致を最小化するように予測器のパラメータを最適化する。
4. ASPアルゴリズム及びその最適化されたパラメータを、コンピュータハードドライブなどの書き込み可能媒体上に記憶する。
1. 利用可能な患者メタ情報を収集し、適切な放射線機器によってローカライザ画像を取得する。
2. 記憶されたASPアルゴリズム及びその最適化されたパラメータをロードする。
3. 患者メタ情報及びローカライザ画像を予測器に送信する。
4. 予測された最適なFOV配向を得る。
5. 提案された最適なFOV配向を使用してFOVを整列する。
6. 必要とされる臨床画像を取得する。
102 コンピュータ
104 プロセッサ
106 ハードウェアインタフェース
108 任意選択的なユーザインタフェース
110 メモリ
120 マシン実行可能命令
122 予測器アルゴリズム
124 1つ又は複数のローカライザ磁気共鳴画像
126 対象者メタデータ
128 予測視野整列データ
128’ 予測視野整列データ
200 1つ又は複数のローカライザ磁気共鳴画像及び対象者メタデータを受信する
202 予測器アルゴリズムへの1つ又は複数のローカライザ磁気共鳴画像の入力に応答して、及び対象者メタデータの入力に応答して、予測器アルゴリズムから予測視野整列データを受信する
300 訓練用アルゴリズム
302 訓練用エントリ
304 1つ又は複数の訓練用磁気共鳴画像
306 訓練用対象者メタデータ
308 訓練用視野整列データ
310 比較
312 医療イメージングデータベース
400 予測器アルゴリズムへの1つ又は複数の訓練用磁気共鳴画像の入力に応答して、及び訓練用対象者メタデータの入力に応答して、予測器アルゴリズムから予測視野整列データを受信する
402 予測視野整列データと訓練用視野整列データとの比較を判定する
404 予測視野整列データと訓練用視野整列データとの比較を使用して予測器アルゴリズムを訓練する
500 医療システム
502 磁気共鳴イメージングシステム
504 磁石
506 磁石のボア
508 イメージングゾーン
509 関心領域
510 磁場勾配コイル
512 磁場勾配コイル電源
514 無線周波数コイル
516 トランシーバ
518 対象者
520 対象者支持体
530 ローカライザパルスシーケンスコマンド
532 ローカライザ磁気共鳴イメージングデータ
534 臨床パルスシーケンスコマンド
536 修正済みパルスシーケンスコマンド
538 臨床磁気共鳴イメージングデータ
540 臨床磁気共鳴画像
600 ローカライザパルスシーケンスコマンドによって磁気共鳴イメージングシステムを制御することによりローカライザ磁気共鳴イメージングデータを取得する
602 ローカライザ磁気共鳴イメージングデータから1つ又は複数のローカライザ磁気共鳴画像を再構成する
604 予測視野整列データによって臨床パルスシーケンスコマンドを修正することにより修正済みパルスシーケンスコマンドを生成する
606 修正済みパルスシーケンスコマンドによって磁気共鳴イメージングシステムを制御することにより臨床磁気共鳴イメージングデータを取得する
Claims (15)
- マシン実行可能命令と、1つ又は複数のローカライザ磁気共鳴画像及び対象者メタデータの入力に応答して磁気共鳴イメージングシステムのための予測視野整列データを出力するための予測器アルゴリズムとを記憶するメモリと、医療システムを制御するためのプロセッサとを備える、医療システムであって、
前記予測器アルゴリズムは訓練可能機械学習アルゴリズムを含み、
前記マシン実行可能命令の実行は、前記プロセッサに、
前記1つ又は複数のローカライザ磁気共鳴画像及び前記対象者メタデータを受信することと、
前記予測器アルゴリズムへの前記1つ又は複数のローカライザ磁気共鳴画像の入力に応答して、及び前記対象者メタデータの入力に応答して、前記予測器アルゴリズムから前記予測視野整列データを受信することと
を実施させる、医療システム。 - 前記メモリは、更に、訓練用エントリを含む訓練用データを記憶し、前記訓練用エントリの各々は、1つ又は複数の訓練用磁気共鳴画像、訓練用対象者メタデータ、及び訓練用視野整列データを含み、前記メモリは、更に、前記予測視野整列データと前記訓練用視野整列データとの比較を使用して前記予測器アルゴリズムを訓練するための訓練用アルゴリズムを含み、前記マシン実行可能命令の前記実行は、更に、前記プロセッサに、
前記予測器アルゴリズムへの前記1つ又は複数の訓練用磁気共鳴画像の入力に応答して、及び前記訓練用対象者メタデータの入力に応答して、前記予測器アルゴリズムから前記予測視野整列データを受信することと、
前記予測視野整列データと前記訓練用視野整列データとの前記比較を判定することと、
前記予測視野整列データと前記訓練用視野整列データとの前記比較を使用して前記予測器アルゴリズムを訓練することと
を実施させる、請求項1に記載の医療システム。 - 前記マシン実行可能命令の前記実行は、更に、前記プロセッサに、医療画像データベースから、前記1つ又は複数の訓練用磁気共鳴画像、前記訓練用対象者メタデータ、及び前記訓練用視野整列データを抽出することによって、前記訓練用データを生成させる、請求項2に記載の医療システム。
- 前記予測器アルゴリズムは畳み込みニューラルネットワークである、請求項1から3のいずれか一項に記載の医療システム。
- 前記予測器アルゴリズムは、前記対象者メタデータ及び前記1つ又は複数のローカライザ磁気共鳴画像を使用して特徴ベクトルを提供するための特徴抽出器を含み、前記訓練可能機械学習アルゴリズムは、前記特徴ベクトルの入力に応答して前記予測視野整列データを出力する、請求項1から3のいずれか一項に記載の医療システム。
- 前記訓練可能機械学習アルゴリズムは、決定木アルゴリズム、及びk近傍法アルゴリズムのうちの任意の1つである、請求項5に記載の医療システム。
- 前記特徴抽出器は、前記特徴ベクトルを提供するための訓練済みニューラルネットワーク、可変形状モデルを適合することによって前記特徴ベクトルを提供するための訓練済みニューラルネットワーク、及び解剖学的地図を使用して前記特徴ベクトルを提供するための訓練済みニューラルネットワークのうちの任意の1つである、請求項5又は6に記載の医療システム。
- 前記医療システムは、医療イメージングワークステーション、及びクラウドベース磁気共鳴イメージングプランニングシステムのうちの任意の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システム。
- 前記医療システムは、更に、磁気共鳴イメージングシステムを備える、請求項1から7のいずれか一項に記載の医療システム。
- 前記メモリは、更に、ローカライザ磁気共鳴イメージングデータを取得するように前記磁気共鳴イメージングシステムを制御するためのローカライザパルスシーケンスコマンドを含み、前記マシン実行可能命令の前記実行は更に、前記プロセッサに、
前記ローカライザパルスシーケンスコマンドによって前記磁気共鳴イメージングシステムを制御することにより前記ローカライザ磁気共鳴イメージングデータを取得することと、
前記ローカライザ磁気共鳴イメージングデータから前記1つ又は複数のローカライザ磁気共鳴画像を再構成することと
を実施させる、請求項9に記載の医療システム。 - 前記メモリは、更に、臨床磁気共鳴イメージングデータを取得するように前記磁気共鳴イメージングシステムを制御するための臨床パルスシーケンスコマンドを含み、前記マシン実行可能命令の前記実行は更に、前記プロセッサに、
前記予測視野整列データによって前記臨床パルスシーケンスコマンドを修正することにより修正済みパルスシーケンスコマンドを生成することと、
前記修正済みパルスシーケンスコマンドによって前記磁気共鳴イメージングシステムを制御することにより前記臨床磁気共鳴イメージングデータを取得することと
を実施させる、請求項9又は10に記載の医療システム。 - 医療システムを制御するプロセッサによる実行のためのマシン実行可能命令を含むコンピュータプログラムであって、前記コンピュータプログラムは、更に、1つ又は複数のローカライザ磁気共鳴画像及び対象者メタデータの入力に応答して予測視野整列データを出力するための予測器アルゴリズムを含み、前記予測器アルゴリズムは訓練可能機械学習アルゴリズムを含み、前記マシン実行可能命令の実行は、前記プロセッサに、
前記1つ又は複数のローカライザ磁気共鳴画像及び前記対象者メタデータを受信することと、
前記予測器アルゴリズムへの前記1つ又は複数のローカライザ磁気共鳴画像の入力に応答して、及び前記対象者メタデータの入力に応答して、前記予測器アルゴリズムから前記予測視野整列データを受信することと
を実施させる、コンピュータプログラム。 - 医療システムを動作させる方法であって、前記医療システムは予測器アルゴリズムを記憶するメモリを備え、前記予測器アルゴリズムは、1つ又は複数のローカライザ磁気共鳴画像及び対象者メタデータの入力に応答して予測視野整列データを出力するように構成され、前記予測器アルゴリズムは訓練可能機械学習アルゴリズムを含み、前記メモリは、更に、訓練用エントリを含む訓練用データを記憶し、前記訓練用エントリの各々は、1つ又は複数の訓練用磁気共鳴画像、訓練用対象者メタデータ、及び訓練用視野整列データを含み、前記メモリは、更に、前記予測視野整列データと前記訓練用視野整列データとの比較を使用して前記予測器アルゴリズムを訓練するための訓練用アルゴリズムを含み、前記方法は、
前記予測器アルゴリズムへの前記1つ又は複数の訓練用磁気共鳴画像の入力に応答して、及び前記訓練用対象者メタデータの入力に応答して、前記予測器アルゴリズムから前記予測視野整列データを受信するステップと、
前記予測視野整列データと前記訓練用視野整列データとの前記比較を判定するステップと、
前記予測視野整列データと前記訓練用視野整列データとの前記比較を入力することによって、前記訓練用アルゴリズムによって前記予測器アルゴリズムを訓練するステップと
を有する、方法。 - 医療画像データベースから、前記1つ又は複数の訓練用磁気共鳴画像、前記訓練用対象者メタデータ、及び前記訓練用視野整列データを抽出することによって、前記訓練用データを生成するステップを更に有する、請求項13に記載の方法。
- 1つ又は複数のローカライザ磁気共鳴画像及び対象者メタデータを受信するステップと、
前記予測器アルゴリズムへの前記1つ又は複数のローカライザ磁気共鳴画像の入力に応答して、及び前記対象者メタデータの入力に応答して、前記予測器アルゴリズムから前記予測視野整列データを受信するステップと
を有する、請求項13又は14に記載の方法。
Applications Claiming Priority (5)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
EP19175092.6 | 2019-05-17 | ||
EP19175092 | 2019-05-17 | ||
RU2019120557 | 2019-07-02 | ||
RU2019120557 | 2019-07-02 | ||
PCT/EP2020/063744 WO2020234204A1 (en) | 2019-05-17 | 2020-05-16 | Automated field of view alignment for magnetic resonance imaging |
Publications (3)
Publication Number | Publication Date |
---|---|
JP2022533165A true JP2022533165A (ja) | 2022-07-21 |
JPWO2020234204A5 JPWO2020234204A5 (ja) | 2023-05-23 |
JP7391112B2 JP7391112B2 (ja) | 2023-12-04 |
Family
ID=70680522
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2021568555A Active JP7391112B2 (ja) | 2019-05-17 | 2020-05-16 | 磁気共鳴イメージングのための自動的な視野整列 |
Country Status (5)
Country | Link |
---|---|
US (1) | US20220225888A1 (ja) |
EP (1) | EP3969923A1 (ja) |
JP (1) | JP7391112B2 (ja) |
CN (1) | CN113853526A (ja) |
WO (1) | WO2020234204A1 (ja) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117222906A (zh) | 2021-03-04 | 2023-12-12 | 海珀菲纳运营有限公司 | 用于通过减少的操作员交互进行磁共振成像的系统和方法 |
CN117671284B (zh) * | 2023-12-06 | 2024-04-30 | 广州科松医疗智能科技有限公司 | 侵入性胎盘植入影像特征ai智能提取系统 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20100158338A1 (en) * | 2008-12-19 | 2010-06-24 | Martin Harder | Method and apparatus for acquisition of a magnetic resonance image |
US20150043774A1 (en) * | 2013-08-09 | 2015-02-12 | Siemens Aktiengesellschaft | Automatic Planning For Medical Imaging |
JP2016513486A (ja) * | 2013-03-06 | 2016-05-16 | コーニンクレッカ フィリップス エヌ ヴェKoninklijke Philips N.V. | スキャン範囲決定装置 |
US20180035892A1 (en) * | 2016-08-05 | 2018-02-08 | Siemens Healthcare Gmbh | Deep learning based isocenter positioning and fully automated cardiac mr exam planning |
WO2018093865A1 (en) * | 2016-11-17 | 2018-05-24 | Terarecon, Inc. | Medical image identification and interpretation |
Family Cites Families (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CA3030629A1 (en) * | 2016-07-11 | 2018-01-18 | Synaptive Medical (Barbados) Inc. | Adaptive shim coils for mr imaging |
US11868852B1 (en) * | 2017-05-04 | 2024-01-09 | Amazon Technologies, Inc. | Introspection of machine learning estimations |
WO2019118640A1 (en) * | 2017-12-13 | 2019-06-20 | Washington University | System and method for determining segments for ablation |
US11191281B1 (en) * | 2018-01-05 | 2021-12-07 | Tyson Foods, Inc. | Method and apparatus for conveying a meat product and using an ultrasonic knife for automated cutting of meat |
EP3557274A1 (en) * | 2018-04-19 | 2019-10-23 | Koninklijke Philips N.V. | Automatic artifact detection and pulse sequence modification in magnetic resonance imaging |
TW202001804A (zh) * | 2018-04-20 | 2020-01-01 | 成真股份有限公司 | 用精細解析進行資料管理和機器學習的方法 |
US10852379B2 (en) * | 2018-06-07 | 2020-12-01 | Siemens Healthcare Gmbh | Artifact reduction by image-to-image network in magnetic resonance imaging |
SG11202106762UA (en) * | 2018-12-24 | 2021-07-29 | Body Composition Tech Pty Ltd | Analysing a body |
US11344219B2 (en) * | 2019-03-14 | 2022-05-31 | Hyperfine Operations, Inc. | Deep learning techniques for alignment of magnetic resonance images |
US11087172B2 (en) * | 2019-12-31 | 2021-08-10 | Plus One Robotics, Inc. | Systems and methods for creating training data |
US11651518B2 (en) * | 2021-06-03 | 2023-05-16 | Meta Platforms Technologies, Llc | System for determining an expected field of view |
US11868672B1 (en) * | 2023-03-30 | 2024-01-09 | Brelyon, Inc. | Methods and systems for interactive displays with intelligent generative content and tandem computing |
-
2020
- 2020-05-16 EP EP20725193.5A patent/EP3969923A1/en active Pending
- 2020-05-16 CN CN202080036637.XA patent/CN113853526A/zh active Pending
- 2020-05-16 US US17/610,455 patent/US20220225888A1/en active Pending
- 2020-05-16 JP JP2021568555A patent/JP7391112B2/ja active Active
- 2020-05-16 WO PCT/EP2020/063744 patent/WO2020234204A1/en active Application Filing
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20100158338A1 (en) * | 2008-12-19 | 2010-06-24 | Martin Harder | Method and apparatus for acquisition of a magnetic resonance image |
JP2016513486A (ja) * | 2013-03-06 | 2016-05-16 | コーニンクレッカ フィリップス エヌ ヴェKoninklijke Philips N.V. | スキャン範囲決定装置 |
US20150043774A1 (en) * | 2013-08-09 | 2015-02-12 | Siemens Aktiengesellschaft | Automatic Planning For Medical Imaging |
US20180035892A1 (en) * | 2016-08-05 | 2018-02-08 | Siemens Healthcare Gmbh | Deep learning based isocenter positioning and fully automated cardiac mr exam planning |
WO2018093865A1 (en) * | 2016-11-17 | 2018-05-24 | Terarecon, Inc. | Medical image identification and interpretation |
Also Published As
Publication number | Publication date |
---|---|
US20220225888A1 (en) | 2022-07-21 |
CN113853526A (zh) | 2021-12-28 |
JP7391112B2 (ja) | 2023-12-04 |
WO2020234204A1 (en) | 2020-11-26 |
EP3969923A1 (en) | 2022-03-23 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111356930B (zh) | 用于定位预定义的解剖结构的解剖界标的方法和系统 | |
US11373304B2 (en) | Medical analysis method for predicting metastases in a test tissue sample | |
JP7399102B2 (ja) | 医用イメージングにおける自動スライス選択 | |
CN110476075A (zh) | 针对解剖区域的磁共振指纹识别词典的选择 | |
US20210156940A1 (en) | Automatic artifact detection and pulse sequence modification in magnetic resonance imaging | |
JP7391112B2 (ja) | 磁気共鳴イメージングのための自動的な視野整列 | |
US11435422B2 (en) | Anomaly detection using magnetic resonance fingerprinting | |
US20220165004A1 (en) | Removal of false positives from white matter fiber tracts | |
US20220237787A1 (en) | Fmri task settings with machine learning | |
JP7420802B2 (ja) | 磁気共鳴イメージングにおける他の処理ロケーションの決定 | |
EP4306983A1 (en) | Making anatomical measurements using magnetic resonance imaging | |
JP7437397B2 (ja) | 球状ニューラルネットワークを用いた拡散磁気共鳴撮像 | |
EP4266074A1 (en) | Segmentation of medical images reconstructed from a set of magnetic resonance images | |
EP4321890A1 (en) | Reconstruction parameter determination for the reconstruction of synthesized magnetic resonance images | |
EP4231036A1 (en) | Detection of artifical structures in magentic resonance images due to neural networks |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20230512 |
|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20230512 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20231018 |
|
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: 20231024 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20231121 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 7391112 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |