JP2023529730A - 磁気共鳴スキャナのシミュレーション方法 - Google Patents
磁気共鳴スキャナのシミュレーション方法 Download PDFInfo
- Publication number
- JP2023529730A JP2023529730A JP2022576442A JP2022576442A JP2023529730A JP 2023529730 A JP2023529730 A JP 2023529730A JP 2022576442 A JP2022576442 A JP 2022576442A JP 2022576442 A JP2022576442 A JP 2022576442A JP 2023529730 A JP2023529730 A JP 2023529730A
- Authority
- JP
- Japan
- Prior art keywords
- slice selection
- cloud
- image
- simulator
- web interface
- 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
Links
Images
Classifications
-
- 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
- G09—EDUCATION; CRYPTOGRAPHY; DISPLAY; ADVERTISING; SEALS
- G09B—EDUCATIONAL OR DEMONSTRATION APPLIANCES; APPLIANCES FOR TEACHING, OR COMMUNICATING WITH, THE BLIND, DEAF OR MUTE; MODELS; PLANETARIA; GLOBES; MAPS; DIAGRAMS
- G09B23/00—Models for scientific, medical, or mathematical purposes, e.g. full-sized devices for demonstration purposes
- G09B23/28—Models for scientific, medical, or mathematical purposes, e.g. full-sized devices for demonstration purposes for medicine
- G09B23/286—Models for scientific, medical, or mathematical purposes, e.g. full-sized devices for demonstration purposes for medicine for scanning or photography techniques, e.g. X-rays, ultrasonics
-
- 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
-
- 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
- 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
- G16H50/50—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for simulation or modelling of medical disorders
Landscapes
- Health & Medical Sciences (AREA)
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Medical Informatics (AREA)
- General Health & Medical Sciences (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Public Health (AREA)
- Radiology & Medical Imaging (AREA)
- General Physics & Mathematics (AREA)
- Epidemiology (AREA)
- Primary Health Care (AREA)
- Life Sciences & Earth Sciences (AREA)
- Biomedical Technology (AREA)
- High Energy & Nuclear Physics (AREA)
- Pathology (AREA)
- Medicinal Chemistry (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Mathematical Physics (AREA)
- Pure & Applied Mathematics (AREA)
- Business, Economics & Management (AREA)
- Educational Administration (AREA)
- Educational Technology (AREA)
- Theoretical Computer Science (AREA)
- Mathematical Analysis (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- Computational Mathematics (AREA)
- Artificial Intelligence (AREA)
- Mathematical Optimization (AREA)
- Signal Processing (AREA)
- Algebra (AREA)
- Condensed Matter Physics & Semiconductors (AREA)
- Chemical & Material Sciences (AREA)
- Biophysics (AREA)
- Heart & Thoracic Surgery (AREA)
- Molecular Biology (AREA)
- Surgery (AREA)
- Animal Behavior & Ethology (AREA)
- Veterinary Medicine (AREA)
- Magnetic Resonance Imaging Apparatus (AREA)
Abstract
本発明は、ＭＲＩシミュレータにおける磁気共鳴（ＭＲ）スキャナのシミュレーションのための方法を説明し、前記方法は、- ＭＲＩシミュレータのウェブインターフェースへのデータパラメータの入力であって、データパラメータの入力は、少なくともパルスシーケンス及び解剖学的モデルであることと、- データパラメータをクラウドベースシミュレータエンジンに転送するためにウェブインターフェースをＭＲＩシミュレータのクラウドベースシミュレータエンジンに接続することであって、前記方法は、- パルスシーケンス計算モデルをインポートすることと、- 入力データを設定することと、- ウェブインターフェースにおいて、得られた画像においてスライス選択を行うこと、をも含み、前記方法は、- １つ以上のシミュレートされたＭＲ信号を提供するためのデータパラメータの再計算であって、前記再計算はクラウドで実行されること、をも含み、前記方法は、- 前記１つ以上のシミュレートされたＭＲ信号に基づいてＭＲ画像を再構成すること、前記ＭＲ画像の再構成は、クラウドで実行されることと、- 前記ＭＲ画像を前記ウェブインターフェースに送信すること、を含む。【選択図】図１
Description
本発明は、磁気共鳴スキャナのシミュレーション方法に関する。
本発明は、ＭＲＩシミュレータにおける磁気共鳴（ＭＲ）スキャナのシミュレーションのための方法に関するものであり、前記方法は、以下を含む。
- ＭＲＩシミュレータのウェブインターフェースへのデータパラメータの入力であって、前記データパラメータの入力は、少なくともパルスシーケンス及び解剖学的モデルであることと、
- データパラメータをクラウドベースシミュレータエンジンに転送するために前記ウェブインターフェースを前記ＭＲＩシミュレータの前記クラウドベースシミュレータエンジンに接続することであって、前記方法は、
- パルスシーケンス計算モデルをインポートすることと、
- 入力データを設定することと、
- ウェブインターフェースにおいて、得られた画像においてスライス選択を行うこと、
も含み、前記方法は、
- １つ以上のシミュレートされたＭＲ信号を提供するためのデータパラメータの再計算であって、前記再計算はクラウドで実行されること、をも含み、前記方法は、
- 前記１つ以上のシミュレートされたＭＲ信号に基づいてＭＲ画像を再構成すること、前記ＭＲ画像の再構成はクラウドで実行されることと、
- 前記ＭＲ画像を前記ウェブインターフェースに送信すること、
も含む。
- ＭＲＩシミュレータのウェブインターフェースへのデータパラメータの入力であって、前記データパラメータの入力は、少なくともパルスシーケンス及び解剖学的モデルであることと、
- データパラメータをクラウドベースシミュレータエンジンに転送するために前記ウェブインターフェースを前記ＭＲＩシミュレータの前記クラウドベースシミュレータエンジンに接続することであって、前記方法は、
- パルスシーケンス計算モデルをインポートすることと、
- 入力データを設定することと、
- ウェブインターフェースにおいて、得られた画像においてスライス選択を行うこと、
も含み、前記方法は、
- １つ以上のシミュレートされたＭＲ信号を提供するためのデータパラメータの再計算であって、前記再計算はクラウドで実行されること、をも含み、前記方法は、
- 前記１つ以上のシミュレートされたＭＲ信号に基づいてＭＲ画像を再構成すること、前記ＭＲ画像の再構成はクラウドで実行されることと、
- 前記ＭＲ画像を前記ウェブインターフェースに送信すること、
も含む。
“coreMRI: A high-performance, publicly available MR simulation platform on the cloud”, PLOSONE, Christos G. Xanthis, Anthony H. Aletrasにおいて、高度なＭＲＩシミュレーションのためのクラウド向きのエンジン（coreMRI）が開示されている。この研究の目的は、オンデマンドでスケーラブルなクラウドベース及びＧＰＵベースのインフラを通じて、ウェブサービスとして提供される最初の高度なＭＲシミュレーションプラットフォームを開発することであった。前述の通り、このオンラインＭＲシミュレーションプラットフォームは、仮想ＭＲＩスキャナとしてだけでなく、シミュレーションベースの定量ＭＲ（ｑＭＲ）法における高度なＭＲシミュレーションのためのクラウドベースの高性能エンジンとしても利用することができる。使用される方法では、ＭＲＩシミュレーション手順を可能にするためにスライシングも実行される。本発明に従って提案されたアプローチは、この論文で開示又は示唆されていないことに留意されたい。
本発明は、上記の論文で提供される手順のような、クラウドベースのＭＲシミュレーションの実装のための改良された方法を提供する。本発明によって提供される改善は、スライス手順に関連し、例えば、異なるユニットがどのように相互作用するか（ＣＰＵ、ＧＰＵ、ユーザインターフェースなど）に言及するシステムレベルにも関連する。
本発明によるいくつかの具体的な実施形態が以下に提供され、さらに説明される。
本発明によれば、この方法は、前記１つ以上のシミュレーションされたＭＲ信号に基づいてＭＲ画像を再構成すること、ＭＲ画像の前記再構成はクラウドで行われること、及びＭＲ画像をウェブインターフェースに送信することを含む。
上記から理解されるべきこととして、再構成は、本発明による実際のシミュレーションに続くステップである。
再構成は、本発明による方法の一部であってもよいが、本発明による方法は、生データが指示された意図された出力である場合、又はシミュレーションに基づく定量的ＭＲの場合も具現化すると言うべきである。
再構成は、本発明による方法の一部であってもよいが、本発明による方法は、生データが指示された意図された出力である場合、又はシミュレーションに基づく定量的ＭＲの場合も具現化すると言うべきである。
本発明のさらに別の具体的な実施形態によれば、データパラメータの入力は、少なくともパルスシーケンスと解剖学的モデルである。また、本発明による方法において、他のパラメータが入力されてもよい。例えば、一般的な構成がそのような入力として指定されてもよい。
さらに、上記から理解され得るように、本発明による方法は、本発明によるプラットフォーム・システムに関与する異なるインターフェースとユニットの相互作用に向けた明確な方向性を有している。この文脈において、本発明は、プラットフォームがＧＰＵ（グラフィック処理ユニット）ベース、クラウドベース、及びウェブベースでもある、教育目的のための解析的又は数値的ＭＲＩシミュレーションのためのプラットフォームの提供に対する明確な方向性を有することを言及することができる。また、研究及びＡＩ目的のためのような、本発明による他の興味ある応用もある。
さらに、これに関して、１つの特定の実施形態によれば、クラウドベースシミュレータエンジンが再計算を実行し、再計算されたデータをＭＲＩシミュレータの１つ又は複数のＧＰＵ（グラフィック処理ユニット）に送り、このＧＰＵが前記１つ又は複数のシミュレーションされたＭＲ信号を送り返すとも言うことができる。
さらに、本発明のさらに別の具体的な実施形態によれば、ＭＲ画像の再構成のステップは、クラウド内のＭＲＩシミュレータの１つ以上のＣＰＵ（中央処理装置）及び／又は１つ以上のＧＰＵ（グラフィック処理ユニット）によって実行される。
この文脈では、ＧＰＵカードの特性／仕様が、実験がどのように小さく分割されるかを定義することも言及され得る。さらに、ＧＰＵリソースの制限（最大スレッド数、共有メモリ容量、スレッドあたりの最大レジスタ数、レジスタファイル容量など）があり、ＧＰＵの利用率に上限がある場合がある。最適なＧＰＵカードは、実験を細かく分割することなく、またＧＰＵの使用率を低下させることなく、１回の反復で実験全体を転送、ホスト及び実行できるようにする。そのような最適なＧＰＵカードは、リソースの累積要求がカーネルの要求に関してＧＰＵのリソース容量に等しいとき、最大ＧＰＵ使用率を達成するであろう。本発明によれば、実行される方法の部分のコーディングのためにも、異なるタイプの計算ツール及びソフトウェアが使用され得る。１つの具体的な実施形態によれば、再計算の少なくとも一部を実行するために、ＭＡＴＬＡＢ（登録商標）が使用される。
上述したように、本発明によるシステムには、すなわち方法が実行され得るように、異なる形式の入力が提供される。そのようなパラメータの１つは、使用されるパルスシーケンスである。これに沿って、定義を設定すると、１つの特定の実施形態によれば、パルスシーケンスは、信号を生成するために空間内のあらゆる点がどのように振る舞うべきかを変更するイベントのシーケンスである。再び、また一般的な構成は、本発明に従って入力を設定することができる。例としては、使用される座標系のタイプや、例えば３Ｄモデル又は４Ｄモデルに基づいているかどうかが挙げられる。さらに、実際に使用される解剖学的モデルも、システム及び本発明による方法の出発点を定義するパラメータの１つである。この点に関して、解剖学的モデルは人間であっても動物であってもよいことも言及され得る。また、幻像物体(phantom objects)や、実際には他のあらゆるタイプのオブジェクトが全て可能である。しかしながら、人間又は動物の解剖学的モデルが、本発明による方法及びシステムのための重要な焦点であることは言及されるべきである。
本発明によれば、
- ＭＲＩシミュレータのウェブインターフェースへのデータパラメータの入力と、
- データパラメータをクラウドベースシミュレータエンジンに転送するためにウェブインターフェースをＭＲＩシミュレータのクラウドベースシミュレータエンジンに接続すること、の手順があり、
好ましくは、
- パルスシーケンス計算モデルをインポートすることと、
- 入力データを設定することと、
- ウェブインターフェースにおいて、得られた画像においてスライス選択を行うこと、
とを含む。
- ＭＲＩシミュレータのウェブインターフェースへのデータパラメータの入力と、
- データパラメータをクラウドベースシミュレータエンジンに転送するためにウェブインターフェースをＭＲＩシミュレータのクラウドベースシミュレータエンジンに接続すること、の手順があり、
好ましくは、
- パルスシーケンス計算モデルをインポートすることと、
- 入力データを設定することと、
- ウェブインターフェースにおいて、得られた画像においてスライス選択を行うこと、
とを含む。
この点に関して、パルスシーケンス計算モデルはいくつかのパラメータを含むことがあり、それらの少なくともいくつかは調整可能であることが言及されるべきである。そのような調整可能な例の１つは、コントラストである。また、そのようなものとしてのスライシングは、本発明による関連する態様である。本発明の１つの具体的な実施形態によれば、各新しいスライス選択は、次のスライス選択のための基準として機能する。さらに、別の実施形態によれば、位相エンコード方向及び周波数エンコード方向は、スライス選択方向と直交する各１軸を表す。例えば、所定のＸ、Ｙ、Ｚ座標において、これら２つのパラメータは、それぞれＸ、Ｙで表されてもよい。
さらに、一実施形態によれば、スライス選択は、単一スライス選択２Ｄ収集（複数可）又は３Ｄ収集（複数可）におけるスラブ(slab)である。
さらに、上記の続きとして、本発明のさらに別の具体的な実施形態によれば、以下の手順が実行される。
- ウェブインターフェースにおいて得られた画像においてスライス選択を行うことと、
- 新たな画像を取得することと、
- 異なる方向で新たなスライス選択を実行することと、
- 新たな画像を取得し、最後に
- さらに別のスライス選択が実行されること、
であって、好ましくは、得られた各画像は、スライス選択が実行された画像に対する断面の平面である。
- ウェブインターフェースにおいて得られた画像においてスライス選択を行うことと、
- 新たな画像を取得することと、
- 異なる方向で新たなスライス選択を実行することと、
- 新たな画像を取得し、最後に
- さらに別のスライス選択が実行されること、
であって、好ましくは、得られた各画像は、スライス選択が実行された画像に対する断面の平面である。
本発明による方法で使用することが可能なスライス時の方向の転換は、場合によっては、さらに改善された画像を、得ることを可能にする。
一般に、本発明による方法は、ＭＲイメージングの分野における教育目的に大いに役立つ。例えば、本発明による方法を使用すると、スライシングの計画を非常に効率的な方法で訓練することができる。さらに、本方法は、ＭＲイメージングの観点から解剖学的モデルの背後にある物理を理解することも可能である。しかし、本発明は、他のいくつかのアプリケーション、例えば、研究、ＡＩなどでも使用されると言うことができる。
さらに、本発明による方法は、異なるパルスシーケンス、計算モデル、及び異なるタイプのスライスプロトコルを使用すること、すなわちインポートすることを可能にするので、この方法は、多かれ少なかれ、人間又は動物のあらゆるタイプの解剖学的モデルに使用され得る。
Claims (9)
- ＭＲＩシミュレータにおける磁気共鳴（ＭＲ）スキャナのシミュレーションのための方法であって、前記方法は、
- ＭＲＩシミュレータのウェブインターフェースへのデータパラメータの入力であって、データパラメータの入力は、少なくともパルスシーケンス及び解剖学的モデルであることと、
- データパラメータをクラウドベースシミュレータエンジンに転送するために前記ウェブインターフェースを前記ＭＲＩシミュレータの前記クラウドベースシミュレータエンジンに接続することであって、前記方法は、
- パルスシーケンス計算モデルをインポートすることと、
- 入力データを設定することと、
- 前記ウェブインターフェースにおいて、得られた画像においてスライス選択を行うこと、も含み、前記方法は、
- １つ以上のシミュレートされたＭＲ信号を提供するためのデータパラメータの再計算であって、前記再計算は前記クラウドで実行されること、も含み、前記方法は、
- 前記１つ以上のシミュレートされたＭＲ信号に基づいてＭＲ画像を再構成すること、前記ＭＲ画像の再構成は、前記クラウドで実行されることと、
- 前記ＭＲ画像を前記ウェブインターフェースに送信すること、
を含む方法。 - 前記クラウドベースシミュレータエンジンは、前記再計算を行い、再計算されたデータを前記ＭＲＩシミュレータの１つ以上のＧＰＵ（グラフィック処理ユニット）に送り、このＧＰＵは、前記１つ以上のシミュレートされたＭＲ信号を送り返す、請求項１に記載の方法。
- ＭＲ画像を再構成するステップは、前記クラウド内の前記ＭＲＩシミュレータの１つ以上のＣＰＵ（中央処理装置）及び／又は１つ以上のＧＰＵ（グラフィック処理ユニット）により実行される、請求項１－２のいずれかに記載の方法。
- 前記再計算の少なくとも一部を実行するためにＭＡＴＬＡＢが使用される先行する請求項のいずれかに記載の方法。
- パルスシーケンスは、信号を生成するために空間内の各点がどのように振る舞うべきかを変更するイベントのシーケンスである先行する請求項のいずれかに記載の方法。
- 各新しいスライス選択は、次のスライス選択のための基準として機能する先行する請求項のいずれかに記載の方法。
- 位相エンコード方向と周波数エンコード方向は、前記スライス選択方向と直交する各１軸を表す先行する請求項のいずれかに記載の方法。
- 前記スライス選択は、単一スライス選択２Ｄ収集又は３Ｄ収集におけるスラブである先行する請求項のいずれかに記載の方法。
- 以下の手順を実行すること、
- 前記ウェブインターフェースにおいて得られた画像においてスライス選択を行うことと、
- 新たな画像を取得することと、
- 異なる方向で新たなスライス選択を行うことと、
- 新たな画像を取得し、最後に
- さらに別のスライス選択が実行されること、
であって、好ましくは、得られた各画像は、前記スライス選択が実行された前記画像に対する断面の平面である、
先行する請求項のいずれかに記載の方法。
Applications Claiming Priority (3)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| SE2050683-8 | 2020-06-10 | ||
| SE2050683 | 2020-06-10 | ||
| PCT/SE2021/050550 WO2021251884A1 (en) | 2020-06-10 | 2021-06-09 | A method for simulation of a magnetic resonance scanner |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| JP2023529730A true JP2023529730A (ja) | 2023-07-11 |
Family
ID=78845809
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP2022576442A Pending JP2023529730A (ja) | 2020-06-10 | 2021-06-09 | 磁気共鳴スキャナのシミュレーション方法 |
Country Status (6)
| Country | Link |
|---|---|
| US (1) | US20230245759A1 (ja) |
| EP (1) | EP4165423A1 (ja) |
| JP (1) | JP2023529730A (ja) |
| KR (1) | KR20230022961A (ja) |
| CN (1) | CN115667967A (ja) |
| WO (1) | WO2021251884A1 (ja) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| DE102022206848A1 (de) | 2022-07-05 | 2024-01-11 | Siemens Healthcare Gmbh | Magnetresonanztomografiesystem und Verfahren zum Betreiben eines Magnetresonanztomografiesystems |
Family Cites Families (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US10254369B2 (en) * | 2014-10-29 | 2019-04-09 | Heartvista, Inc. | Pipeline engine for specifying, visualizing, and analyzing MRI image reconstructions |
| WO2017079178A1 (en) * | 2015-11-02 | 2017-05-11 | Schlumberger Technology Corporation | Cloud-based digital rock analysis and database services |
| WO2017090044A1 (en) * | 2015-11-26 | 2017-06-01 | Tpm Medical Systems Ltd. | Systems and methods for mri based imaging of peripheral nerves |
| US10222441B2 (en) * | 2016-04-03 | 2019-03-05 | Q Bio, Inc. | Tensor field mapping |
| US11013475B2 (en) * | 2016-11-10 | 2021-05-25 | Memorial Sloan Kettering Cancer Center | Methods and systems for synthetic computed tomography (CT) image creation |
| EP3551052A4 (en) * | 2016-12-06 | 2020-05-06 | Darmiyan, Inc. | METHODS AND SYSTEMS FOR IDENTIFYING BRAIN DISORDERS |
| CN107137083B (zh) * | 2017-06-16 | 2020-05-15 | 上海联影医疗科技有限公司 | 一种磁共振扫描方法、系统及计算机可读存储介质 |
| EP3531159A1 (en) * | 2018-02-22 | 2019-08-28 | Koninklijke Philips N.V. | Patient-specific pattern model for control of the mr guided radiation therapy |
| 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 |
-
2021
- 2021-06-09 US US18/008,281 patent/US20230245759A1/en active Pending
- 2021-06-09 EP EP21821238.9A patent/EP4165423A1/en active Pending
- 2021-06-09 CN CN202180035765.7A patent/CN115667967A/zh active Pending
- 2021-06-09 KR KR1020237000552A patent/KR20230022961A/ko active Search and Examination
- 2021-06-09 JP JP2022576442A patent/JP2023529730A/ja active Pending
- 2021-06-09 WO PCT/SE2021/050550 patent/WO2021251884A1/en unknown
Also Published As
| Publication number | Publication date |
|---|---|
| EP4165423A1 (en) | 2023-04-19 |
| US20230245759A1 (en) | 2023-08-03 |
| CN115667967A (zh) | 2023-01-31 |
| WO2021251884A1 (en) | 2021-12-16 |
| KR20230022961A (ko) | 2023-02-16 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Jiménez et al. | A Web platform for the interactive visualization and analysis of the 3D fractal dimension of MRI data | |
| CN109949219B (zh) | 一种超分辨率图像的重构方法、装置及设备 | |
| DE102018113845A1 (de) | Systeme und Verfahren zum Trainieren von neuronalen Netzwerken mit dünnbesetzten Daten | |
| DE102009039231A1 (de) | Einzeldurchgang-Kachelung | |
| DE112017001703T5 (de) | Verfahren und Vorrichtung zum effizienteren Ray-Tracing von instanziierter Geometrie | |
| Choi et al. | Vivaldi: A domain-specific language for volume processing and visualization on distributed heterogeneous systems | |
| DE102021102589A1 (de) | Berechnungsgraph-optimierung | |
| DE102021116109A1 (de) | Bilderzeugung unter verwendung eines oder mehrerer neuronaler netzwerke | |
| DE102018128699A1 (de) | Einstellen einer Winkelabtastrate während eines Renderings unter Verwendung von Blickinformationen | |
| DE112021002657T5 (de) | Bilderzeugung unter verwendung eines oder mehrerer neuronaler netzwerke | |
| US20180211434A1 (en) | Stereo rendering | |
| DE112022001140T5 (de) | Durchführung einer matrixwertangabe | |
| JP2023529730A (ja) | 磁気共鳴スキャナのシミュレーション方法 | |
| Van Aart et al. | CUDA-accelerated geodesic ray-tracing for fiber tracking | |
| TW201246123A (en) | System and method for meshing curved surface | |
| WO2018140223A1 (en) | Stereo rendering | |
| DE102022114520A1 (de) | Pixel-blending zur bilderzeugung basierend auf neuronalen netzwerken | |
| DE112021000174T5 (de) | Upsampling eines bildes unter verwendung eines oder mehrerer neuronaler netze | |
| DE112021000999T5 (de) | Bilderzeugung unter verwendung eines oder mehrerer neuronaler netzwerke | |
| Ciżnicki et al. | Efficient isosurface extraction using marching tetrahedra and histogram pyramids on multiple GPUs | |
| Tian et al. | A multi‐GPU finite element computation and hybrid collision handling process framework for brain deformation simulation | |
| DE102022107673A1 (de) | Räumlich-zeitliches resampling mit entkoppeltem shading und wiederverwendung | |
| TWI616844B (zh) | 當複合物件在圖形影像中無法產生可見改變時促進圖形處理單元中此等物件之淘汰的技術 | |
| Al-Oraiqat et al. | Specialized Computer systems for environment visualization | |
| Magnoux et al. | GPU-friendly data structures for real time simulation |