JP6800975B2 - 医療画像を患者と関連付けるためのシステム及び方法 - Google Patents

医療画像を患者と関連付けるためのシステム及び方法 Download PDF

Info

Publication number
JP6800975B2
JP6800975B2 JP2018528285A JP2018528285A JP6800975B2 JP 6800975 B2 JP6800975 B2 JP 6800975B2 JP 2018528285 A JP2018528285 A JP 2018528285A JP 2018528285 A JP2018528285 A JP 2018528285A JP 6800975 B2 JP6800975 B2 JP 6800975B2
Authority
JP
Japan
Prior art keywords
structure model
anatomical structure
patient
anatomical
generated
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.)
Active
Application number
JP2018528285A
Other languages
English (en)
Other versions
JP2018537782A (ja
Inventor
レオ グラディー，
レオ グラディー，
クリストファー ザリンス，
クリストファー ザリンス，
エドワード カール ザ サード ハーン，
エドワード カール ザ サード ハーン，
イン バイ，
イン バイ，
セスラマン サンカラン，
セスラマン サンカラン，
ピーター ケー． ピーターセン，
ピーター ケー． ピーターセン，
マイケル シャープ，
マイケル シャープ，
Original Assignee
ハートフロー， インコーポレイテッド
ハートフロー， インコーポレイテッド
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by ハートフロー， インコーポレイテッド, ハートフロー， インコーポレイテッド filed Critical ハートフロー， インコーポレイテッド
Publication of JP2018537782A publication Critical patent/JP2018537782A/ja
Application granted granted Critical
Publication of JP6800975B2 publication Critical patent/JP6800975B2/ja
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • G06T7/0014—Biomedical image inspection using an image reference approach
    • G06T7/0016—Biomedical image inspection using an image reference approach involving temporal comparison
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/48—Other medical applications
    • A61B5/4842—Monitoring progression or stage of a disease
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/48—Other medical applications
    • A61B5/4848—Monitoring or testing the effects of treatment, e.g. of medication
    • 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
    • A61B5/7271—Specific aspects of physiological measurement analysis
    • 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
    • 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
    • G16H10/00—ICT specially adapted for the handling or processing of patient-related medical or healthcare data
    • G16H10/60—ICT specially adapted for the handling or processing of patient-related medical or healthcare data for patient-specific data, e.g. for electronic patient records
    • 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
    • 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
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B2576/00—Medical imaging apparatus involving image processing or analysis

Description

関連出願
本出願は、２０１５年１２月３日に出願された米国仮出願第６２／２６２，５５３号に対して優先権を主張しており、この出願の全ての開示は参照により本明細書に組み込まれている。
本開示の種々の実施形態は一般に、医療用の撮像、画像の関連付け及び／またはマッチングならびに関連する方法に関する。より具体的には、本開示の特定の実施形態は、１つまたは複数の医療画像を患者に関連付けるためのシステム及び方法に関する。
患者の病気の進行もしくは退行を調査するため、または治療の効果を判定するために、様々な時点で取得された医療画像を同一の１人の患者と関連付けることが有効であり得る。このような関連付けを助けるために、患者の個人データ（例えば患者の氏名、生年月日、病歴、患者の性別、体重、身長、肥満度指数、髪の色または目の色）を利用することが可能であるが、データ入力に誤字があることによって、医療記録において同じ患者が異なる患者の個人データ（例えば２つのわずかに異なる氏名または生年月日）を有することが生じる可能性がある。これに加えて、一部の患者が、同一の患者の個人データを共有する場合もある。例えば共通の氏名を有する一部の患者は、同一の生年月日を共有する場合がある。さらに、患者が別の病院に移る場合、患者の個人データは、複数の病院の間で異なるやり方で保管される場合がある、あるいは１つまたは複数の場所では利用できない場合もある。
人の身元を確認するために、手のひらまたは指の血管のパターンの２Ｄ赤外線画像をマッチングさせるための生体測定方法が存在し得る。しかしながらこのような方法は、複数の理由のために診断または治療の文脈において医療画像を患者にマッチングさせる際に生じる複雑さに応えない場合がある。セキュリティの目的で取得される手のひらまたは指の血管のパターンの画像とは異なり、患者の医療画像は、年齢、病気の進行または退行、治療、医学的介入（例えばステントの留置、バイパス、切除、アブレーション、塞栓形成、切断術など）、外傷及び／または手当に起因する大幅な変化によって影響を受ける可能性がある。医療用の診断または治療の文脈における患者の画像取得とは異なり、セキュリティの文脈での手のひらまたは指の血管のパターンの画像の取得は、同じ視野を捕らえるように制御される場合があり、撮像機器は、全ての画像に対して同一のデバイスを使用するように標準化されてよい。これとは対照的に、医療画像を患者にマッチングさせる際、医療画像取得プロトコル（例えば再現カーネル、患者の準備プロトコル、撮像時の患者の生理学的状態、撮像視野など）、医用撮像装置（例えば空間的または時間的解像度、スキャナ供給業者またはモデルなど）及び／または医用撮像モダリティ（例えばコンピュータ断層撮影法（ＣＴ）、磁気共鳴（ＭＲ）、陽電子射出断層撮影（ＰＥＴ）、単一光子放射断層撮影（ＳＰＥＣＴ）、血管造影法など）に違いが生じる場合がある。セキュリティ目的のための手のひらまたは指の血管のパターンの画像とは異なり、患者の医療画像は、患者の準備または生理学的状態の結果として変化する可能性がある。手のひらまたは指の画像には、患者の解剖学的構造の医療画像とは異なり、異物（例えば植え込まれた医療デバイス）が存在する可能性はない。血管パターンのマッチングに使用される赤外線撮像とは異なり、患者のために使用される医療用の撮像機器は、撮像用の加工品（例えばＣＴにおける金属加工品）に影響を受けやすい場合がある。
したがって、たとえ誤字、患者の個人データ（例えば氏名、生年月日など）の重複、複数の医療施設及び／または電子カルテのための多様なプラットフォームがあったとしても、同じ患者の医療画像を結びつけ、血管のパターンの２Ｄ赤外線画像をマッチングさせる生体測定方法の制約を克服することができる自動化されたシステム及び方法に対する要望がある。さらに、患者に対する複数の画像の信頼できる関連付けを実現する可能性を高めるために、患者の個人データ（例えば患者の氏名、生年月日、性別、体重、身長、肥満度指数、髪の色または目の色など）を利用して増強され得る医療画像をマッチングさせるシステム及び方法に対する要望もある。
上記の概略的な説明及び以下の詳細な説明は一例であり、単に説明するためのものであり、本開示を限定するものではない。
本開示の特定の態様によって、１つまたは複数の医療画像を患者と関連付けるためのシステム及び方法が開示されている。
１つの方法は、電子記憶媒体において患者の解剖学的構造の２つ以上の医療画像を受信することと、受信した医療画像の各々に関して解剖学的構造モデルを生成することと、生成された解剖学的構造モデルを比較することと、生成された解剖学的構造モデルの比較を利用して２つ以上の医療画像が同じ患者に属する可能性を査定するスコアを決定することと、このスコアを電子記憶媒体またはディスプレイに出力することとを含む。
別の実施形態によると、医療画像を患者と関連付けるシステムは、医療画像を患者と関連付けるための命令を記憶するデータ記憶デバイスと、電子記憶媒体において患者の解剖学的構造の２つ以上の医療画像を受信することと、受信した医療画像の各々に関して解剖学的構造モデルを生成することと、生成された解剖学的構造モデルを比較することと、生成された解剖学的構造モデルの比較を利用して２つ以上の医療画像が同じ患者に属する可能性を査定するスコアを決定することと、このスコアを電子記憶媒体またはディスプレイに出力することと、のために構成されたプロセッサとを備える。
別の実施形態によると、コンピュータシステム上で利用するための非一時的コンピュータ可読媒体は、医療画像を患者と関連付ける方法を実行するためのコンピュータ実行可能プログラミング命令を含んでおり、この方法は、電子記憶媒体において患者の解剖学的構造の２つ以上の医療画像を受信することと、受信した医療画像の各々に関して解剖学的構造モデルを生成することと、生成された解剖学的構造モデルを比較することと、生成された解剖学的構造モデルの比較を利用して、２つ以上の医療画像が同じ患者に属する可能性を査定するスコアを決定することと、このスコアを電子記憶媒体またはディスプレイに出力することとを備える。
本明細書は、例えば、以下の項目も提供する。
（項目１）
医療画像を患者と関連付けるコンピュータ実装方法であって、
電子記憶媒体において患者の解剖学的構造の２つ以上の医療画像を受信することと、
前記受信した医療画像の各々に関して解剖学的構造モデルを生成することと、
前記生成された解剖学的構造モデルを比較することと、
前記生成された解剖学的構造モデルの前記比較を利用して前記２つ以上の医療画像が同じ患者に属する可能性を査定するスコアを決定することと、
前記スコアを電子記憶媒体またはディスプレイに出力することとを含む、前記コンピュータ実装方法。
（項目２）
電子記憶媒体において前記受信した２つ以上の医療画像に関連付けられた患者の経歴を受信することと、
前記２つ以上の医療画像に関する前記患者の経歴を比較することと、
前記２つ以上の医療画像に関する前記患者の経歴が、可能性のある患者に関して十分な識別情報を提供するかを判定することであって、前記識別情報が十分であることは所定の閾値に基づいている、前記判定することと、
前記２つ以上の医学画像が同じ患者に属する可能性を査定する高いスコアが存在する場合、ならびに可能性のある患者に関する十分な識別情報が存在する場合、前記受信した２つ以上の医療画像を可能性のある患者にマッチングさせることと、
前記２つ以上の医療画像に対してマッチングした前記可能性のある患者の前記識別情報を電子記憶媒体またはディスプレイに出力することとをさらに含む、項目１に記載のコンピュータ実装方法。
（項目３）
前記受信した医療画像から生成された各々の解剖学的構造モデルに関して視野を規定することと、
前記規定された視野に基づいて前記生成された解剖学的構造モデルを比較することとをさらに含む、項目１に記載のコンピュータ実装方法。
（項目４）
前記生成された解剖学的構造モデルが、
血管の解剖学的構造モデル、
骨格の解剖学的構造モデル、
筋肉の解剖学的構造モデル、
神経の解剖学的構造モデル、
リンパの解剖学的構造モデル、
組織の解剖学的構造モデル、または
器官の解剖学的構造モデルのうちの１つまたは複数を含む場合がある、項目１に記載のコンピュータ実装方法。
（項目５）
前記生成された解剖学的構造モデルを比較することが、前記解剖学的構造モデルを比較するために利用可能な患者固有の情報を利用することを含んでおり、前記患者固有の情報は、
前記医療画像から生成された１つのタイプの解剖学的構造モデルと、同一の医療画像から生成された別のタイプの解剖学的構造モデルとの関係性と、
前記解剖学的構造モデルの生理学的特性または生体力学的特性と、
前記解剖学的構造モデルの病理学的特性または病気のパターンと、
前記解剖学的構造モデルの異物の特性のうちの１つまたは複数を含む、項目１に記載のコンピュータ実装方法。
（項目６）
前記生成された解剖学的構造モデルを比較することが、
前記受信した医療画像、前記受信した医療画像の前記生成された解剖学的構造モデル、及び前記受信した医療画像に関連付けられた前記患者の経歴のうちの少なくとも１つを埋め込んで埋め込み空間を生成することと、
前記埋め込み空間において、前記受信した医療画像、前記受信した医療画像の前記生成された解剖学的構造モデル、及び前記受信した医療画像に関連付けられた前記患者の経歴のうちの少なくとも１つの類似性を比較することとを含む、項目１に記載のコンピュータ実装方法。
（項目７）
前記生成された解剖学的構造モデルを比較することが、
前記生成された解剖学的構造モデルの中で網状組織を表すグラフを導き出すことと、
前記生成された解剖学的構造モデルから網状組織の分岐を表す点を導き出すことと、
前記導き出されたグラフまたは点と、前記医療画像から生成された別のタイプの解剖学的構造モデル、前記解剖学的構造モデルの生理学的特性もしくは生体力学的特性、前記解剖学的構造モデルの病理学的特性もしくは病気のパターン、または前記解剖学的構造モデルの異物の特性のうちの１つまたは複数との関係性を導き出すことと、
前記導き出された関係性を利用して解剖学的構造モデルの前記網状組織を表すグラフと、受信した医療画像の間で埋め込みを行って埋め込み空間を生成することであって、埋め込まれるべき前記医療画像は、前記グラフが導き出された前記医療画像とは異なる、前記生成することと、
前記埋め込み空間において前記医療画像の前記類似性を比較することを含む、項目１に記載のコンピュータ実装方法。
（項目８）
前記生成された解剖学的構造モデルを比較することが、
前記生成された解剖学的構造モデルの中で網状組織を表すグラフを導き出すことと、
前記導き出されたグラフと、前記医療画像から生成された別のタイプの解剖学的構造モデル、前記解剖学的構造モデルの生理学的特性もしくは生体力学的特性、前記解剖学的構造モデルの病理学的特性もしくは病気のパターン、または前記解剖学的構造モデルの異物の特性のうちの１つまたは複数との関係性を導き出すことと、
前記導き出された関係性を利用して前記網状組織を表すグラフの間でグラフマッチングを行うことのうちの１つまたは複数を含む、項目１に記載のコンピュータ実装方法。
（項目９）
前記生成された解剖学的構造モデルを比較することが、
前記生成された解剖学的構造モデルの中で網状組織の分岐を表す点を導き出すことと、
前記導き出された点と、前記医療画像から生成された別のタイプの解剖学的構造モデル、前記解剖学的構造モデルの生理学的特性もしくは生体力学的特性、前記解剖学的構造モデルの病理学的特性もしくは病気のパターン、または前記解剖学的構造モデルの異物の特性のうちの少なくとも１つとの関係性を導き出すことと、
前記導き出された関係性を利用して網状組織の分岐を表す前記点の間で点マッチングを行うこととを含む、項目１に記載のコンピュータ実装方法。
（項目１０）
前記２つ以上の受信した医療画像が、最初に生成された第１の医療画像と、最初のときに続く２回目に生成された第２の医療画像とを含み、前記生成された解剖学的構造モデルを比較することが、
前記第１の医療画像の前記最初のときと、前記第２の医療画像の前記２回目のときの時差をそれぞれ計算することと、
前記第１の医療画像から第１の解剖学的構造モデルを生成することと、
前記第２の医療画像から第２の解剖学的構造モデルを生成することと、
前記最初のときと、前記２回目のときの前記計算された時差を利用して、かつ１つまたは複数の患者固有の情報を利用して、前記第１の解剖学的構造モデルに対して成長及びリモデリングシミュレーションを行うことで前記２回目の解剖学的構造モデルを予測することのうちの１つまたは複数を含み、前記患者固有の情報が、
生理学的特性もしくは生体力学的特性、
病理学的特性もしくは病気のパターン、または
異物の特性のうちの１つまたは複数を含むことと、
前記２回目の前記予測された解剖学的構造モデルを、前記第２の解剖学的構造モデルと比較することとを含む、項目１に記載のコンピュータ実装方法。
（項目１１）
医療画像を患者と関連付けるためのシステムであって、
医療画像を患者と関連付けるための命令を記憶するデータ記憶デバイスと、
前記命令を実行することで、
電子記憶媒体において患者の解剖学的構造の２つ以上の医療画像を受信することと、
前記受信した医療画像の各々に関して解剖学的構造モデルを生成することと、
前記生成された解剖学的構造モデルを比較することと、
前記生成された解剖学的構造モデルの前記比較を利用して前記２つ以上の医療画像が同じ患者に属する可能性を査定するスコアを決定することと、
前記スコアを電子記憶媒体またはディスプレイに出力することとを含む方法を実施するように構成されたプロセッサとを含む、前記システム。
（項目１２）
電子記憶媒体において前記受信した２つ以上の医療画像に関連付けられた患者の経歴を受信することと、
前記２つ以上の医療画像に関する前記患者の経歴を比較することと、
前記２つ以上の医療画像に関する前記患者の経歴が、可能性のある患者に関して十分な識別情報を提供するかを判定することであって、前記識別情報が十分であることは所定の閾値に基づいている、前記判定することと、
前記２つ以上の医学画像が同じ患者に属する可能性を査定する高いスコアが存在する場合、ならびに可能性のある患者に関する十分な識別情報が存在する場合、前記受信した２つ以上の医療画像を可能性のある患者にマッチングさせることと、
前記２つ以上の医療画像に対してマッチングした前記可能性のある患者の前記識別情報を電子記憶媒体またはディスプレイに出力することとをさらに含む、項目１１に記載のシステム。
（項目１３）
前記受信した医療画像から生成された各々の解剖学的構造モデルに関して視野を規定することと、
前記規定された視野に基づいて前記生成された解剖学的構造モデルを比較することとをさらに含む、項目１１に記載のシステム。
（項目１４）
前記生成された解剖学的構造モデルを比較することが、前記解剖学的構造モデルを比較するために利用可能な患者固有の情報を利用することを含み、前記患者固有の情報は、
前記医療画像から生成された１つのタイプの解剖学的構造モデルと、同一の医療画像から生成された別のタイプの解剖学的構造モデルとの関係性と、
前記解剖学的構造モデルの生理学的特性または生体力学的特性と、
前記解剖学的構造モデルの病理学的特性または病気のパターンと、
前記解剖学的構造モデルの異物の特性のうちの１つまたは複数を含む、項目１１に記載のシステム。
（項目１５）
前記生成された解剖学的構造モデルを比較することが、
前記受信した医療画像、前記受信した医療画像の前記生成された解剖学的構造モデル、及び前記受信した医療画像に関連付けられた前記患者の経歴のうちの少なくとも１つを埋め込んで埋め込み空間を生成することと、
前記埋め込み空間において、前記受信した医療画像、前記受信した医療画像の前記生成された解剖学的構造モデル、及び前記受信した医療画像に関連付けられた前記患者の経歴のうちの少なくとも１つの類似性を比較することとを含む、項目１１に記載のシステム。
（項目１６）
前記生成された解剖学的構造モデルを比較することが、
前記生成された解剖学的構造モデルの中で網状組織を表すグラフを導き出すことと、
前記生成された解剖学的構造モデルから網状組織の分岐を表す点を導き出すことと、
前記導き出されたグラフまたは点と、前記医療画像から生成された別のタイプの解剖学的構造モデル、前記解剖学的構造モデルの生理学的特性もしくは生体力学的特性、前記解剖学的構造モデルの病理学的特性もしくは病気のパターン、または前記解剖学的構造モデルの異物の特性のうちの１つまたは複数との関係性を導き出すことと、
前記導き出された関係性を利用して解剖学的構造モデルの前記網状組織を表すグラフと、受信した医療画像の間で埋め込みを行って埋め込み空間を生成することであって、埋め込まれるべき前記医療画像は、前記グラフが導き出された前記医療画像とは異なる、前記生成することと、
前記埋め込み空間において前記医療画像の前記類似性を比較することを含む、項目１１に記載のシステム。
（項目１７）
前記生成された解剖学的構造モデルを比較することが、
前記生成された解剖学的構造モデルの中で網状組織を表すグラフを導き出すことと、
前記導き出されたグラフと、前記医療画像から生成された別のタイプの解剖学的構造モデル、前記解剖学的構造モデルの生理学的特性もしくは生体力学的特性、前記解剖学的構造モデルの病理学的特性もしくは病気のパターン、または前記解剖学的構造モデルの異物の特性のうちの１つまたは複数との関係性を導き出すことと、
前記導き出された関係性を利用して前記網状組織を表すグラフの間でグラフマッチングを行うことのうちの１つまたは複数を含む、項目１１に記載のシステム。
（項目１８）
前記２つ以上の受信した医療画像が、最初に生成された第１の医療画像と、前記最初のときに続く２回目に生成された第２の医療画像とを含み、前記生成された解剖学的構造モデルを比較することが、
前記第１の医療画像の前記最初のときと、前記第２の医療画像の前記２回目のときの時差をそれぞれ計算することと、
前記第１の医療画像から第１の解剖学的構造モデルを生成することと、
前記第２の医療画像から第２の解剖学的構造モデルを生成することと、
前記最初のときと、前記２回目のときの前記計算された時差を利用して、かつ１つまたは複数の患者固有の情報を利用して、前記第１の解剖学的構造モデルに対して成長及びリモデリングシミュレーションを行うことで前記２回目の解剖学的構造モデルを予測することのうちの１つまたは複数を含み、前記患者固有の情報が、
生理学的特性もしくは生体力学的特性、
病理学的特性もしくは病気のパターン、または
異物の特性のうちの１つまたは複数を含むことと、
前記２回目の前記予測された解剖学的構造モデルを、前記第２の解剖学的構造モデルと比較することとを含む、項目１１に記載のシステム。
（項目１９）
コンピュータによって実行される際、前記コンピュータに、医療画像を患者と関連付けるための方法を実行させる命令を格納する非一時的なコンピュータ可読媒体であって、
前記方法は、
電子記憶媒体において患者の解剖学的構造の２つ以上の医療画像を受信することと、
前記受信した医療画像の各々に関して解剖学的構造モデルを生成することと、
前記生成された解剖学的構造モデルを比較することと、
前記生成された解剖学的構造モデルの前記比較を利用して前記２つ以上の医療画像が同じ患者に属する可能性を査定するスコアを決定することと、
前記スコアを電子記憶媒体またはディスプレイに出力することとを含む、前記コンピュータ可読媒体。
（項目２０）
前記２つ以上の受信した医療画像が、最初に生成された第１の医療画像と、最初のときに続く２回目に生成された第２の医療画像とを含み、前記生成された解剖学的構造モデルを比較することが、
前記第１の医療画像の前記最初のときと、前記第２の医療画像の前記２回目のときの時差をそれぞれ計算することと、
前記第１の医療画像から第１の解剖学的構造モデルを生成することと、
前記第２の医療画像から第２の解剖学的構造モデルを生成することと、
前記最初のときと、前記２回目のときの前記計算された時差を利用して、かつ１つまたは複数の患者固有の情報を利用して、前記第１の解剖学的構造モデルに対して成長及びリモデリングシミュレーションを行うことで前記２回目の解剖学的構造モデルを予測することのうちの１つまたは複数を含み、前記患者固有の情報が、
生理学的特性もしくは生体力学的特性、
病理学的特性もしくは病気のパターン、または
異物の特性のうちの１つまたは複数を含むことと、
前記２回目の前記予測された解剖学的構造モデルを、前記第２の解剖学的構造モデルと比較することとを含む、項目１９に記載のコンピュータ可読媒体。
開示される実施形態の追加の目的及び利点は、以下に続く説明にその一部が記載され、一部はこの説明から明らかになると思われる、または開示される実施形態の実施によって習得される場合もある。開示される実施形態の目的及び利点は、添付の特許請求の範囲に詳細に指摘される要素及び組み合わせを利用して認識され、達成されるであろう。
上述の概略的な説明と、以下の詳細な説明は共に一例であり、単に説明するためのものであり、特許請求するように、開示する実施形態を限定するものではない。
添付の図面は、この明細書の一部に組み込まれ、この明細書の一部を構成しており、種々の例示の実施形態を図示しており、この説明と併せて開示される実施形態の原理を説明する役目を果たしている。
本開示の一例の実施形態による、１つまたは複数の医療画像を患者と関連付けるための一例のシステム及びネットワークのブロック図である。 本開示の一例の実施形態による、医療画像を患者と関連付ける一例の方法のブロック図である。 本開示の別の実施形態よる、受信した医療画像の各々から血管のモデルを抽出し、かつ受信した患者の経歴に基づいてマッチングスコアをさらに調整することによって１つまたは複数の医療画像を患者と関連付ける別の一例の方法のブロック図である。 本開示の実施形態による、グラフマッチングまたは点マッチングを利用して２つ以上の医療画像の間の最初のマッチングスコアを決定するさらに別の一例の方法のブロック図である。 別の実施形態よる、成長及びリモデリングシミュレーションを利用して、２つ以上の医療画像の間の最初のマッチングスコアを決定する別の一例の方法のブロック図である。 ２つ以上の医療画像の間の埋め込み、または医療画像とグラフとの間の埋め込みを算出することによって、２つ以上の医療画像の間の最初のマッチングスコアを決定するための一例の方法のブロック図である。 最初のマッチングスコアと、患者の個人データを用いて、少なくとも２つの医療画像を患者と関連付けための別の一例の方法のブロック図である。
この方法に記載されるステップは、任意の順番で行われる場合、または任意の他のステップと併せて行われる場合がある。また１つまたは複数のステップが、本開示に記載される方法を実行するために省略される場合もあることも企図されている。
次に、本開示の一例の実施形態を詳細に参照するが、その例は、添付の図面に例示されている。可能な限り、同一のもしくは同様の部分または方法のステップを指すのに同一の参照番号が図面を通して使用される。
１人の患者に関して異なる時点で取得された医療画像の関連付けは、患者の病気の進行または退行の調査を向上させたり、治療の効果を判定したりすることができる。このような関連付けを助けるために患者の個人データ（例えば患者の氏名及び生年月日）を利用することが可能であるが、データ入力に誤字があることによって、医療記録において同じ患者が異なる患者の個人データ（例えば２つのわずかに異なる氏名または生年月日）を有するようなことが生じる可能性がある。これに加えて、一部の患者が、同一の患者の個人データを共有する場合もある。さらに、患者が別の病院に移る場合、患者の個人データが複数の病院の間で、及び様々な電子カルテのプラットフォームの間で異なるやり方で保管される場合がある、あるいは１つまたは複数の場所では利用できない場合もある。加えて、患者の医療画像は、例えば様々な形態の処理、分析及び／または保管のために医療施設の間で転送される場合もある。種々の医療施設は、どのタイプの患者の個人データが保管され得るか、または患者の医療画像と共に転送され得るかについて異なる規則に従っている。例えば一部の規則は、患者の医療画像が処理、分析及び／または保管エンティティに転送される／それらのエンティティの間で転送されるような場合は、患者の医療画像を患者の個人データ（例えば氏名または生年月日）の１つまたは複数の形態から分離させる場合がある。
医療画像を患者にマッチングさせる際、診断または治療の文脈で複数の理由のために複雑さが生じる場合がある。患者の医療画像は、年齢、病気の進行または退行、治療、医学的介入（例えばステントまたは他のデバイスの植え込み、バイパス、切除、アブレーション、塞栓形成、切断術など）、外傷及び／または手当に起因する大幅な変化によって影響を受ける可能性がある。医学的な診断及び治療の文脈での患者の画像取得は、通常、同じ視野が常に捕らえられるように制御されることはなく、撮像機器が、全ての画像に対して同一のデバイスを使用するように標準化されることもない。これに加えて、医療画像を患者にマッチングさせる際、医療画像取得プロトコル（例えば復元カーネル、患者の準備プロトコル、撮像時の患者の生理学的状態、撮像視野など）、医用撮像装置（例えば空間的または時間的解像度、スキャナ供給業者またはモデルなど）、及び／または医用撮像モダリティ（例えばＣＴ、ＭＲ、ＰＥＴ、ＳＰＥＣＴ、血管造影法など）に違いが生じる場合がある。これに加えて、患者の医療画像は、患者の準備または生理学的状態の結果として変化する場合、異物（例えば植え込まれた医療デバイス）の存在を明らかにする場合、及び撮像加工品（例えばＣＴにおける金属加工品）に影響を受けやすい場合がある。
したがって、たとえ誤字や患者の個人データ（例えば氏名、生年月日など）の重複があったとしても、及び／または複数の医療施設にまたがっているとしても同じ患者の医療画像を結びつけ、血管のパターンの２Ｄ赤外線画像をマッチングさせる生体測定方法の制約を克服することができる自動化されたシステム及び方法が有効であり得る。医療画像を患者と関連付けるための本開示のシステム及び方法は、上記の問題に対処し、これを克服し、またこの関連付けを完璧にするために新たな生体測定パターン及び追加情報を使用することを可能にすることができる。これに加えて、本開示のシステム及び方法は、患者の個人データ（例えば氏名及び生年月日など）にアクセスすることができ、これはセキュリティの文脈で手のひらまたは指の血管のパターンをマッチングさせる生体測定方法の型にははまらない。患者の個人データを有することは、患者同士の間の、例えば互いに生物学的に関係のある患者の間での信頼できる関連付けを提供する可能性をさらに高めることができる。
次に図面を参照すると、図１は、一例の実施形態による、医療画像を患者と関連付けるための一例のシステム１００及びネットワークのブロック図を描いている。具体的には、図１は、複数の医師１０２と、サードパーティーのプロバイダ１０４とを描いており、そのうちの一部が、１つまたは複数のコンピュータ、サーバ及び／またはハンドヘルドモバイルデバイスなどを通して電子ネットワーク１０１、例えばインターネットなどに接続されてよい。医師１０２及び／またはサードパーティーのプロバイダ１０４は、１人または複数の患者の解剖学的構造の画像を生み出す、またはそうでなければ取得することができる。医師１０２及び／またはサードパーティーのプロバイダ１０４はまた、これに限定するものではないが患者の年齢、生年月日、病歴、及び患者の性別、体重、身長、肥満度指数、髪の色または目の色に関する情報を含めた、患者固有の経歴の任意の組み合わせを取得する場合もある。
医師１０２及び／またはサードパーティーのプロバイダ１０４は、解剖学的構造画像及び／または患者固有の経歴を電子ネットワーク１０１を介してサーバシステム１０６に送信することができる。サーバシステム１０６は、医師１０２及び／またはサードパーティーのプロバイダ１０４から受信した画像及びデータを記憶するための記憶デバイスを含んでよい。サーバシステム１０６はまた、記憶デバイスに記憶された画像及びデータを処理するための処理デバイスも含んでよい。
図２は、医療画像を患者と関連付けるための方法の最初の一例の実施形態を描いている。図３は、図２の方法の別の一例の実施形態を描いており、ここでは医療画像を患者と関連付けるプロセスは、中でも、受信した医療画像の各々から血管のモデルを抽出することと、受信した患者の経歴に基づいてマッチングスコアをさらに調整することとをさらに含む。図４、図５及び図６は、中でも、受信した医療画像の間のマッチング及び／または抽出された血管のモデルの間のマッチングを査定するスコア（例えば最初のマッチングスコア）を決定する目的で、医療画像及び／または医療画像から抽出された血管のモデルを比較するための様々な方法を描いている。図７は、算出された最初のマッチングスコアと、受信した患者の個人データを利用して医療画像を特定可能な患者に関連付ける方法の一例の実施形態を描いている。
図２は、包括的な実施形態による、医療画像を患者と関連付ける方法２００のブロック図である。図２の方法は、サーバシステム１０６によって、医師１０２及び／またはサードパーティーのプロバイダ１０４から電子ネットワーク１０１を介して受信した情報、画像及びデータに基づいて実行されてよい。
一実施形態において、ステップ２０２は、サーバシステム１０６の電子記憶媒体において患者の解剖学的構造の２つ以上の医療画像を受信することを含んでよい。具体的には、患者固有の医療画像を受信することは、患者固有の医療画像をサーバシステム１０６において生成すること、及び／または電子ネットワーク（例えば電子ネットワーク１０１）を介してそれらを受信することのいずれかを含んでよい。一実施形態において、医療画像は、１つまたは複数の利用可能な撮像または走査モダリティ（例えばコンピュータ断層撮影法（ＣＴ）、磁気共鳴撮像法（ＭＲＩ）、単一光子放射断層撮影（ＳＰＥＣＴ）、陽電子射出断層撮影（ＰＥＴ）、超音波撮像、多視点の血管造影法など）を介して取得された１人または複数の患者の画像から得られる場合がある。例えば画像は、複数の施設から受信される場合がある。あるいはまたは追加として、医療画像は、異なる時間に生成される、または取得される場合もある。例えばある医療画像は、最初の患者の診察時に取得されてよく、２つ以上の医療画像のうちの２番目の医療画像は、２回目の患者の診察時に取得される場合がある。２回の患者の診察は、所定の時間だけ離れていてよい。あるシナリオでは、最初の患者の診察は、治療の前に行われてよく、２回目の患者の診察は治療後に行われる場合がある。別のシナリオでは、最初の患者の診察と２回目の患者の診察は（及びひいては患者の解剖学的構造の２つ以上の医療画像）は、治療計画中、または治療計画後の患者の観察期間に行われる場合もある。本開示の実施形態は、２つ以上の時間を空けた医療画像が同じ患者に属するかを確かめることを目指している。一部の実施形態では、２つ以上の医療画像が同じ患者に属するかを確認するために、受信した医療画像から血管のモデルが抽出される場合がある。本開示の目的のために、「患者」は、医療画像及び／または経歴がマッチングする任意の個人または人を指す、あるいは医療画像及び／または経歴、あるいは１つまたは複数の個人の診断もしくは治療の分析の関連付けまたはマッチングに関連付けられた任意の個人または人を指す場合がある。
一実施形態において、ステップ２０４は、電子記憶媒体において受信した医療画像の各々と関連付けられた患者の個人データ（例えば患者の氏名、生年月日、病歴、患者の性別、体重、身長、肥満度指数、髪の色または目の色に関する情報など）を受信することを含んでよい。ステップ２０４はさらに、受信した医療画像の各々と関連付けられた受信した患者の個人データが十分に似ているかを判定することを含んでよい。例えば受信した患者の個人データが十分に似ていない場合、ステップ２０２及びステップ２０４が繰り返されてよい。
一実施形態において、ステップ２０６は、受信した医療画像の各々から血管、骨格、筋肉、神経、リンパ、組織及び／または器官のモデルを抽出することを含んでよい。具体的には、同一の対応する血管系、骨、筋肉、神経、リンパ管、組織及び／または器官が、受信した画像の各々から抽出される。ステップ２０６は、任意の標準的な画像分割または中心線抽出技術を利用して実行されてよい。一実施形態においてステップ２０６は、サーバシステム１０６のプロセッサによって実行される場合もある。
ステップ２０８は、医療画像の各々、及び／または抽出された血管、骨格、筋肉、神経、リンパ、組織及び／または器官のモデルの各々に対して使用されるべき視野を決定することを含んでよく、さらに任意選択で、この視野の外であり得る医療画像またはモデルの任意の部分を取り除くことを含んでよい。同一視野を有する新たなセットの医療画像及び／またはモデルが、サーバシステム１０６の電子記憶媒体に保存されてよい。
一実施形態において、ステップ２０１Ａ、２１０Ｂ及び２１０Ｃは、受信した医療画像の各々及び／または抽出された血管、骨格、筋肉、神経、リンパ、組織及び／または器官のモデルの各々に関する患者固有の生理学的情報及び／または解剖学的構造情報を取得することを含んでよい。この患者固有の生理学的情報及び／または解剖学的構造情報は、サーバシステム１０６の電子記憶媒体に保存されてよい。
例えばステップ２１０Ａは、血管、骨格、筋肉、神経、リンパ、組織及び／または器官のモデルにおける１つまたは複数の場所において生理学的特性及び／または生体力学的特性を判定することを含んでよい。血管のモデルの場合、生理学的特性及び／または生体力学的特性は、血流の特徴（例えば血流、血液速度、血圧、ＦＦＲ、ｉＦＲ、軸方向の応力、壁せん断応力、緊張度、力、形状、サイズ、体積、屈曲度など）を含んでよく、例えば生物物理学的シミュレーション、機械学習及び／またはデータベースとの関連付けなどのうちの１つまたは複数を介して判定されてよい。
別の例では、ステップ２１０Ｂは、血管、骨格、筋肉、神経、リンパ、組織及び／または器官のモデルにおける１つまたは複数の場所において病理学的特性及び／または病気のパターンを判定することを含んでよい。病理学的特性及び／または病気のパターンには、これに限定するものではないが、プラーク、石灰化、破裂のリスク、壊死、虚血、閉塞、腫瘍、損傷、先天性の異常及び／または外傷の影響の場所ならびにタイプが含まれてよい。
別の例では、ステップ２１０Ｃは、血管、骨格、筋肉、神経、リンパ、組織及び／または器官のモデルにおける１つまたは複数の場所において異物の特性を判定することを含んでよい。異物の特性には、これに限定するものではないが、植え込み後のステント、バイパス、ペースメーカ、人工弁、外科用クリップ、ワイヤ、歯科用充填材、榴散弾、弾丸、または人工心臓及び／またはドナーから提供された器官に関する位置及び特徴が含まれてよい。
一実施形態において、ステップ２１２は、血管、骨格、筋肉、神経、リンパ、組織及び／または器官のモデルと、他の血管、骨格、筋肉、神経、リンパ、組織及び／または器官のモデルとの間のそれぞれのマッチングを査定するスコア（「マッチングスコア」または「最初のマッチングスコア」）を決定することを含んでよい。あるいはまたは追加として、このスコアを使用して、受信した医療画像の間のマッチングを査定する場合もある。マッチングスコアは、いくつかの方法で計算されてよく、この方法は、図４、図５及び図６の方法４００、５００及び６００においてそれぞれさらに説明される。例えば、血管のモデルに関するマッチングスコアの計算には、これに限定するものではないが、２つ以上の血管網を表す１つまたは複数のグラフの間でグラフマッチングを算出すること、血管分岐の点マッチングを行うこと、スキャンが行われた時点の間で血管系及び血管壁の成長及びリモデリングシミュレーションを行うこと、及び／または受信した医療画像及び／または抽出されたモデルの埋め込みを算出することとが含まれてよい。ステップ２１２は、サーバシステム１０６のプロセッサによって実行されてよい。
一部の実施形態では、ステップ２０８及び２１０Ａ〜Ｃは、任意選択であってよい。そのような実施形態では、スコアは、例えば視野を決定することなく決定されてよい。
ステップ２１４は、マッチングスコアを電子ディスプレイ及び／または電子記憶媒体に出力することを含んでよい。開示の目的のために、「電子記憶媒体」には、これに限定するものではないがディスプレイスクリーンに取り付けられる場合、または取り付けられない場合があるハードドライブ、ネットワークドライブ、クラウドドライブ、携帯電話、タブレット、データベースなどが含まれてよい。図３の方法３００に記載されるような一実施形態では、マッチングスコアの計算は、第２のスコア（例えば「第２のマッチングスコア」）を計算することによって出力する前にさらに調整される場合があり、この計算は、最初のマッチングスコア、ならびに少なくとも２つの医療画像の患者の個人データの類似性を比較する規定された測定基準に基づいている。別の実施形態において、高いマッチングスコアを有する医療画像及び／またはモデルは、患者に関する治療の選択肢を評価するために時系列データとして使用されてよい。
図３は、一例の実施形態によると、受信した医療画像の各々から血管のモデルを抽出し、かつ受信した患者の経歴に基づいてマッチングスコアをさらに調整することによって医療画像を患者に関連付けるための方法３００のブロック図である。図３の方法は、サーバシステム１０６によって、医師１０２及び／またはサードパーティーのプロバイダ１０４から電子ネットワーク１０１を介して受信した情報、画像及びデータに基づいて実行されてよい。
一実施形態において、ステップ３０２は、サーバシステム１０６の電子記憶媒体において患者の解剖学的構造の２つ以上の医療画像を受信することを含んでよい。具体的には、患者固有の医療画像を受信することは、患者固有の医療画像をサーバシステム１０６において生成すること、または電子ネットワーク（例えば電子ネットワーク１０１）を介してそれらを受信することのいずれかを含んでよい。医療画像は、１つまたは複数の利用可能な撮像ならびに走査モダリティ（例えばコンピュータ断層撮影法（ＣＴ）、磁気共鳴撮像法（ＭＲＩ）、単一光子放射断層撮影（ＳＰＥＣＴ）、陽電子射出断層撮影（ＰＥＴ）、超音波撮像、多視点の血管造影法など）を介して取得された１人または複数の患者の画像から得られてよい。本開示の実施形態は、２つ以上の医療画像が同じ患者に属するかを確かめることを目指している。一部の実施形態では、２つ以上の医療画像が同じ患者に属するかを確認するために、受信した医療画像から血管のモデルが抽出される場合がある。
ステップ３０４は、サーバシステム１０６の電子記憶媒体において受信した医療画像の各々と関連付けられた患者の個人データ（例えば患者の氏名、生年月日、患者の性別、体重、身長、肥満度指数、髪の色または目の色に関する情報など）を受信することを含んでよい。
一実施形態において、ステップ３０６Ａは、受信した医療画像の各々と関連付けられた受信した患者の個人データが十分に似ているかを判定することを含んでよい。受信した画像の患者の個人データ間の十分な類似性は、共通の文字の頻度、場所及び／または重複を算出すること、共通の音素の頻度、場所及び／または重複を算出すること、病歴情報の頻度、場所及び／または重複を算出すること、患者の性別、体重、身長、肥満度指数、髪の色もしくは目の色に関する情報の頻度、場所及び／または重複を算出すること、共通の氏名の誤字のデータベースを用いて、生年月日の中で日にちと月、日にちと年または月と年を入れ替えて類似性を判定すること、及び／または生年月日の中の数値的に似ている日にち、月もしくは年を用いて類似性を判定することのうちの１つまたは複数によって判定されてよい。例えば受信した患者の個人データが十分に似ていない場合、ステップ３０２及びステップ３０４が繰り返されてよい。一部の実施形態では、受信した患者の個人データが十分に似ていない場合、ステップ３０６Ｂが、受信した医療画像が同じ患者に対してマッチングしない（「一致しない」）可能性があることを指摘することを含む場合もある。例えば、「０」のマッチングスコアを使用して、一致しないことを示す場合がある。
ステップ３０６Ａに続いて、患者の個人データ間に十分な類似性が存在する場合、この場合一実施形態において、ステップ３０８は、受信した医療画像の各々から血管のモデルを抽出することを含んでよい。具体的には、同一の対応する血管系が、受信した画像の各々から抽出される。ステップ３０８は、任意の標準的な画像分割または中心線抽出技術を利用して実行されてよい。一実施形態においてステッ３０８は、サーバシステム１０６のプロセッサによって実行される場合もある。
一実施形態において、ステップ３１０は、医療画像及び／または抽出されたモデルの各々において使用されるべき視野を決定することと、任意選択で、この視野の外であり得る血管、骨格、筋肉、神経、リンパ、組織及び／または器官のモデルの任意の部分を取り除くことを含んでよい。同一視野を有する新たなセットの医療画像及び／またはモデルが、サーバシステム１０６の電子記憶媒体に保存されてよい。
一実施形態において、ステップ３１２Ａ、３１２Ｂ及び３１２Ｃは、受信した医療画像の各々及び／または抽出された血管のモデルの各々に関する患者固有の生理学的情報及び／または解剖学的構造情報を取得することを含んでよい。この患者固有の生理学的情報及び／または解剖学的構造情報は、サーバシステム１０６の電子記憶媒体に保存されてよい。
例えばステップ３１２Ａは、血管のモデルにおける１つまたは複数の場所において生理学的特性及び／または生体力学的特性を判定することを含んでよい。血管のモデルの場合、生理学的特性及び／または生体力学的特性は、血流の特徴（例えば血流、血液速度、血圧、ＦＦＲ、ｉＦＲ、軸方向の応力、壁せん断応力、緊張度、力、形状、サイズ、体積、屈曲度など）を含んでよく、生物物理学的シミュレーション、機械学習及び／またはデータベースとの関連付けなどのうちの１つまたは複数を介して判定されてよい。例えば、１つまたは複数の場所における既知の血管の解剖学的構造情報ならびに既知の生理学的特性及び／または生体力学的特性が、機械学習アルゴリズムを教育するために使用される場合がある。その後、この教育された機械学習アルゴリズムを使用して、生理学的特性及び／または生体力学的特性は知られていない既知の血管の形態構造情報によって、血管のモデルの１つまたは複数の場所における生理学的特性及び／または生体力学的特性を予測することができる。
別の例では、ステップ３１２Ｂは、血管のモデルにおける１つまたは複数の場所において病理学的特性及び／または病気のパターンを判定することを含んでよい。病理学的特性及び／または病気のパターンには、これに限定するものではないが、プラーク、石灰化、破裂のリスク、壊死、虚血、閉塞、腫瘍、損傷、先天性の異常、及び外傷の影響の場所ならびにタイプが含まれてよい。
別の例では、ステップ３１２Ｃは、血管のモデルにおける１つまたは複数の場所において異物の特性を判定することを含んでよい。異物の特性には、これに限定するものではないが、植え込み後のステント、バイパス、ペースメーカ、人工弁、外科用クリップ、ワイヤ、歯科用充填材、榴散弾、弾丸、または人工心臓及び／または器官の位置及び特徴が含まれてよい。
一実施形態において、ステップ３１４は、血管のモデルと他の血管のモデルとの間のマッチングを査定するスコア（「マッチングスコア」または「最初のマッチングスコア」）を決定することを含んでよい。あるいはまたは追加として、このスコアは、血管のモデルが抽出された受信した医療画像の間のマッチングを査定するのに使用される場合もある。マッチングスコアは、いくつかの方法で計算されてよく、この方法は、図４、図５及び図６の方法４００、５００及び６００においてそれぞれさらに説明される。血管のモデルに関するマッチングスコアの計算には、これに限定するものではないが、２つ以上の血管網を表す１つまたは複数のグラフの間でグラフマッチングを算出すること、血管分岐の点マッチングを行うこと、スキャンが行われた時点の間で血管系及び血管壁の成長及びリモデリングシミュレーションを行うこと、及び／または受信した医療画像及び／または抽出されたモデルの埋め込みを算出することが含まれてよい。ステップ３１４は、サーバシステム１０６のプロセッサによって実行されてよい。一揃いの特徴ベクトルに関する埋め込みを算出することは、当業者に知られる標準的な技術である。このプロセスは、例えば長さｋの一揃いの特徴ベクトルを取得し、このセットを長さｓの第２のセットの特徴ベクトルとして記録することとを含んでよく、この場合ｓ ＜＜ ｋである。この第２のセットによって生み出される第２の特徴スペースは、より意味のあるものであってよい。例えば新たなスペースにおける特徴ベクトルの間の距離は（点として見たとき）、「近い」または「遠い」のより直感的な及び／またはより有効な意味を表す場合がある。
一実施形態において、ステップ３１０及び３１２Ａ〜Ｃは、任意選択であってよい。そのような実施形態では、スコアは、例えば視野を決定することなく決定されてよい（例えばステップ３１４などにおいて）。
一実施形態において、ステップ３１６は、第２のスコア（例えば「第２のマッチングスコア」）を決定することを含んでよく、この第２のマッチングスコアは、第１のマッチングスコア、ならびに少なくとも２つの医療画像の患者の個人データ（例えば氏名、生年月日など）の類似性を比較する規定された測定基準に基づいている。患者の個人データの類似性を比較する規定された測定基準を計算することは、これに限定するものではないが、共通の文字の頻度、場所及び／または重複を算出すること、共通の音素の頻度、場所及び／または重複を算出すること、病歴情報の頻度、場所及び／または重複を算出すること、患者の性別、体重、身長、肥満度指数、髪の色もしくは目の色に関する情報の頻度、場所及び／または重複を算出すること、共通の氏名の誤字のデータベースを用いて、生年月日の中で日にちと月、日にちと年または月と年を入れ替えて類似性を判定すること、及び／または生年月日の中の数値的に似ている日にち、月もしくは年を用いて類似性を判定することを含んでよい。
一実施形態において、ステップ３１８は、マッチングスコア（例えば最初のマッチングスコア及び第２のマッチングスコア）をサーバシステム１０６の電子ディスプレイ及び／または電子記憶媒体に出力することを含んでよい。高いマッチングスコアを有するそのような医療画像及び／またはモデルは、患者に関する治療の選択肢を評価するために時系列データとして使用されてよい。
図４は、一例の実施形態による、グラフマッチングまたは点マッチングを利用して２つ以上の医療画像の間の最初のマッチングスコアを決定するための方法４００のブロック図である。図４の方法４００は、医師１０２及び／またはサードパーティーのプロバイダ１０４から電子ネットワーク１０１を介して受信した情報、画像及びデータに基づいて、サーバシステム１０６によって実行されてよい。
一実施形態において、ステップ４０２は、２つ以上の血管のモデルを受信することを含んでよい。各々の血管のモデルは、図２及び図３における方法２００及び３００のステップ２０６及び３０８においてそれぞれ説明したように、それぞれの受信した医療画像から抽出されてよい。
一実施形態において、ステップ４０２に続いて、ステップ４０４は、血管のモデルから血管網を表すグラフを導き出すことを含んでよい。あるいはまたは追加として、ステップ４０２に続いて、ステップ４０４は、血管のモデルから血管分岐を表す点を導き出すことを含む場合もある。
ステップ４０６、４０８、４１０及び４１２は、グラフマッチング及び／または点マッチングにおいて使用されるべき追加情報を受信することを記載している。この追加情報には、これに限定するものではないが、グラフまたは点と、他の解剖学的構造モデル、生理学的特性及び／または生体力学的特性、病理学的特性または異物の特性との関係性が含まれてよい。
ステップ４０６は、ステップ４０４において取得されたグラフ及び／または点それぞれと、他の解剖学的構造モデルとのそれぞれの関係性を導き出すことを含んでよい。このような他の解剖学的構造モデルもまた、受信した医療画像から抽出されてよく、これに限定するものではないが、骨格、筋肉、神経、リンパ、組織及び／または器官のモデルが含まれてよい。例えばこの関係性には、グラフの各々の点またはノードから他の解剖学的構造モデルの１つまたは複数の場所までの距離が含まれてよい。
ステップ４０８は、グラフ及び／または点と、血管のモデルの１つまたは複数の場所における生理学的特性及び／または生体力学的特性との関係性を導き出すことを含んでよい。生理学的特性及び／または生体力学的特性には、血流の特徴（例えば血流、血液速度、血圧、ＦＦＲ、ｉＦＲ、軸方向の応力、壁せん断応力、緊張度、力、形状、サイズ、体積、屈曲度など）が含まれてよく、生物物理学的シミュレーション、機械学習及び／またはデータベースとの関連付けなどのうちの１つまたは複数を介して判定されてよい。
ステップ４１０は、グラフ及び／または点と、血管のモデルの１つまたは複数の場所に関する病理学的特性及び／または病気のパターンとの関係性を導き出すことを含んでよい。病理学的特性または病気のパターンには、これに限定するものではないが、プラーク、石灰化、破裂のリスク、壊死、虚血、閉塞、腫瘍、損傷、先天性の異常、外傷の影響の場所及びタイプなどが含まれてよい。
ステップ４１２は、グラフ及び／または点と、血管のモデルの１つまたは複数の場所に関する異物の特性との関係性を導き出すことを含んでよい。異物の特性には、これに限定するものではないが、ステント、バイパス、ペースメーカ、人工弁、外科用クリップ、ワイヤ、歯科用充填材、榴散弾、弾丸、または人工心臓及び／または器官の位置及び特徴が含まれてよい。例えばステップ４１２は、グラフの各々の点またはノードから、介入する器具または植え込まれたデバイスの１つまたは複数の場所までの距離を見つけ出すことを含んでよい。
一実施形態において、ステップ４１４は、血管網を表す複数のグラフの間でグラフマッチングを行うことを含んでよい。グラフマッチングの実行は、サーバシステム１０６のプロセッサによって、これに限定するものではないがグラフ編集距離、スペクトルマッチング、拡散距離、グラフモチーフマッチングまたはそれらの組み合わせを含めたアルゴリズム及び／または技術を利用して行われてよい。ステップ４０６、４０８、４１０及び／または４１２から得られた追加情報（例えばグラフまたは点と、他の解剖学的構造モデル、生理学的特性及び／または生体力学的特性、病理学的特性、異物の特性との関係性など）は、ステップ４１４において行われるグラフマッチングのための特徴ベクトルとして扱われる場合もある。この追加情報はまた、例えばＦＯＣＵＳＲなどの既知の増強されたグラフマッチングアルゴリズムにおいて使用される場合もある。
あるいはまたは追加として、ステップ４１４は、血管網を表す複数のグラフの間で点マッチングを行うことを含む場合がある。点マッチングは、サーバシステム１０６のプロセッサによって、これに限定するものではないが、反復最近傍点マッチング、ロバスト点マッチング、薄板スプラインロバスト点マッチング、カーネル相関、混合ガウスモデル、コヒーレントポイントドリフトマッチングまたはそれらの組み合わせを含めたアルゴリズム及び／または技術を利用して行われてよい。ステップ４０６、４０８、４１０及び／または４１２から得られた追加情報（例えばグラフまたは点と、他の解剖学的構造モデル、生理学的特性及び／または生体力学的特性、病理学的特性、異物の特性との関係性など）は、ステップ４１４において行われる点マッチングのための特徴ベクトルとして扱われる場合もある。
ステップ４１６は、２つ以上の医療画像の間でマッチングを査定するスコア（「最初のマッチングスコア」）を決定することを含んでよい。この決定は、ステップ４１４におけるグラフマッチング及び／または点マッチングの成果に基づいていてよい。スコアは、プロセッサを利用して決定されてよく、サーバシステム１０６の電子記憶媒体に保存されてよい。
図５は、一例の実施形態による、成長及びリモデリングのシミュレーションを利用して、２つ以上の医療画像の間の最初のマッチングスコアを決定するための方法５００のブロック図である。図５の方法５００は、サーバシステム１０６によって、医師１０２及び／またはサードパーティーのプロバイダ１０４から電子ネットワーク１０１を介して受信した情報、画像及びデータに基づいて実行されてよい。
一実施形態において、ステップ５０２Ａ及びステップ５０２Ｂは、これより早い時点から医療画像を受信することと、これより後の時点から医療画像を受信することをそれぞれ含んでよい。受信した医療画像は、サーバシステム１０６の電子記憶媒体に保存されてよい。ステップ５０４は、受信した医療画像が取得された複数の時点の間の時差を計算することを含んでよい。
一実施形態において、ステップ５０６Ａは、これより早い時点の受信した医療画像から血管のモデルを抽出することを含んでよく、ステップ５０６Ｂは、これより後の時点の受信した医療画像から血管のモデルを抽出することを含んでよい。この抽出は、サーバシステム１０６のプロセッサを利用して実行されてよい。抽出された血管のモデルは、サーバシステム１０６の電子記憶媒体に保存されてよい。
ステップ５０８Ａ、５０８Ｂ及び５０８Ｃは、これより早い時点からの血管のモデルの成長及びリモデリングシミュレーションを行う目的で、これより早い時点の抽出された血管のモデルに関する追加情報を判定することを含んでよい。具体的には、ステップ５０８Ａは、これより早い時点の血管のモデルにある１つまたは複数の場所において生理学的特性及び／または生体力学的特性を判定することを含んでよい。生理学的特性及び／または生体力学的特性には、血流の特徴（例えば血流、血液速度、血圧、ＦＦＲ、ｉＦＲ、軸方向の応力、壁せん断応力、緊張度、力、形状、サイズ、体積、屈曲度など）が含まれてよく、生物物理学的シミュレーション、機械学習及び／またはデータベースとの関連付けなどのうちの１つまたは複数を介して判定されてよい。ステップ５０８Ｂは、これより早い時点の血管のモデルにある１つまたは複数の場所において病理学的特性及び病気のパターンを判定することを含んでよい。病理学的特性または病気のパターンには、これに限定するものではないが、プラーク、石灰化、破裂のリスク、壊死、虚血、閉塞、腫瘍、損傷、先天性の異常、外傷の影響の場所及びタイプなどが含まれてよい。ステップ５０８Ｃは、これより早い時点の血管のモデルの１つまたは複数の場所において、もしあるとすれば異物の特性を判定することを含んでよい。異物の特性には、これに限定するものではないが、ステント、バイパス、ペースメーカ、人工弁、外科用クリップ、ワイヤ、歯科用充填材、榴散弾、弾丸、または人工心臓及び／または器官の位置及び特徴が含まれてよい。
一部の実施形態において、ステップ５０８Ａ〜５０８Ｃは任意選択であってよい。
一実施形態において、ステップ５１０は、計算された時差に対して、これより早い時点の血管のモデルの成長及びリモデリングシミュレーションを行うことで、これより後の時点の血管のモデルを予測することを含んでよい。血管のモデルのシミュレーションは、血管の半径及び血管の壁の厚さが、計算された時差にわたってどのように変化し得るかをモデル化することを含んでよい。そのような変化は、集団平均の実質的な特性、または利用可能であるならば血管の壁（複数可）の患者固有の実質的な特性のいずれかと共に、これより早い時点の血管のモデルに対してストレス均衡方程式を解くことによってモデル化されてよい。ステップ５１０は、プロセッサを利用して実行されてよく、これより後の時点のシミュレート後の血管のモデルは、サーバシステム１０６の電子記憶媒体に保存されてよい。
一実施形態において、ステップ５１２は、これより後の時点のシミュレート後の血管のモデルを、ステップ５０６Ｂからのこれより後の時点の実際の血管のモデルと比較することを含んでよい。ステップ５１２は、これより後の時点のシミュレート後の血管モデルと、実際の血管のモデルのグラフマッチング及び／または点マッチングを行うことを含んでよい。グラフマッチング及び／または点マッチングの手法は、例えば図４に記載される方法４００を適用することによって行われてよい。
一実施形態において、ステップ５１４は、２つの医療画像の間のマッチングを査定するスコア（例えば「最初のマッチングスコア」）を決定することを含んでよい。この決定は、これより後の時点のシミュレート後の血管モデルと、実際の血管のモデルとの比較に基づいていてよい。スコアは、プロセッサを利用して決定されてよく、サーバシステム１０６の電子記憶媒体に保存されてよい。
図６は、２つ以上の医療画像の埋め込み、または医療画像とグラフの埋め込みを算出することによって、２つ以上の医療画像の間の最初のマッチングスコアを決定するための方法６００のブロック図である。図６の方法６００は、サーバシステム１０６によって、医師１０２及び／またはサードパーティーのプロバイダ１０４から電子ネットワーク１０１を介して受信した情報、画像及びデータに基づいて実行されてよい。
一実施形態において、ステップ６０２は、電子記憶媒体において２つ以上の医療画像を受信することを含んでよい。患者固有の医療画像を受信することは、患者固有の医療画像をサーバシステム１０６において生成すること、または電子ネットワーク（例えば電子ネットワーク１０１）を介してそれらを受信することのいずれかを含んでよい。医療画像は、１つまたは複数の利用可能な撮像または走査モダリティ（例えばコンピュータ断層撮影法（ＣＴ）、磁気共鳴撮像法（ＭＲＩ）、単一光子放射断層撮影（ＳＰＥＣＴ）、陽電子射出断層撮影（ＰＥＴ）、超音波撮像、多視点の血管造影法など）を介して得られてよい。
ステップ６０４は、受信した２つ以上の医療画像と関連付けられた任意の患者固有の経歴を受信することを含んでよい。経歴には、これに限定するものではないが患者の年齢、生年月日、病歴、患者の性別、体重、身長、肥満度指数、髪の色または目の色に関する情報が含まれてよい。
ステップ６０６、６０８及び６１０Ａ〜Ｄは、医療画像とグラフの埋め込みを可能にすることができる。一実施形態においてステップ６０６は、ステップ６０２で受信した各々の医療画像から１つまたは複数の血管のモデルを抽出することを含んでよい。各々の血管のモデルは、図２及び図３におけるステップ２０６及び／またはステップ３０８にそれぞれ記載されるように抽出されてよい。ステップ６０６は、抽出された血管のモデルから血管網を表すグラフを導き出すことを含んでよい。種々の実施形態において、グラフは、連結部によって接続される点（またはノード）の集合を指す場合がある。この点は、隣り合う点を接続する連結部によって、血管の中心線に沿って分散されてよい。
ステップ６１０Ａ〜Ｄは、グラフとの医療画像の埋め込みに使用されるべき追加情報を受信することを記載している。この追加情報には、これに限定するものではないが、グラフと、他の解剖学的構造モデル、生理学的特性及び／または生体力学的特性、病理学的特性、または異物の特性との関係性が含まれてよい。
ステップ６１０Ａは、ステップ６０８において取得されたグラフと、他の解剖学的構造モデルとの関係性を導き出すことを含んでよい。このような他の解剖学的構造モデルもまた、受信した医療画像から抽出されてよく、これに限定するものではないが、骨格、筋肉、神経、リンパ、組織及び／または器官のモデルが含まれてよい。例えば、この関係性には、グラフの各々のノードから、他の解剖学的構造モデルにおける１つまたは複数の場所までの距離が含まれてよい。
ステップ６１０Ｂは、ステップ６０８において取得したグラフと、血管のモデルの１つまたは複数の場所における他の生理学的特性及び／または生体力学的特性との関係性を導き出すことを含んでよい。生理学的特性及び／または生体力学的特性には、血流の特徴（例えば血流、血液速度、血圧、ＦＦＲ、ｉＦＲ、軸方向の応力、壁せん断応力、緊張度、力、形状、サイズ、体積、屈曲度など）が含まれてよく、生物物理学的シミュレーション、機械学習及び／またはデータベースとの関連付けなどのうちの１つまたは複数を介して判定されてよい。
ステップ６１０Ｃは、ステップ６０８で取得したグラフと、血管のモデルの１つまたは複数の場所に関する病理学的特性または病気のパターンとの関係性を導き出すことを含んでよい。病理学的特性または病気のパターンには、これに限定するものではないが、プラーク、石灰化、破裂のリスク、壊死、虚血、閉塞、腫瘍、損傷、先天性の異常、外傷の影響の場所及びタイプなどが含まれてよい。
ステップ６１０Ｄは、グラフと、血管のモデルの１つまたは複数の場所に関する異物の特性との関係性を導き出すことを含んでよい。異物の特性には、これに限定するものではないが、ステント、バイパス、ペースメーカ、人工弁、外科用クリップ、ワイヤ、歯科用充填材、榴散弾、弾丸、または人工心臓及び／または器官の位置及び特徴が含まれてよい。例えばステップ６１０Ｄは、グラフの各々のノードから、介入する器具または植え込まれたデバイスの１つまたは複数の場所までの距離を見つけ出すことを含んでよい。
一実施形態において、グラフとの医療画像の埋め込みに使用されるべき追加情報は、１つまたは複数の医療画像と関連付けられた患者固有の経歴が含まれる場合もある。
ステップ６１２は、ステップ６０４または６１０Ａ〜Ｄからの何らかの追加で受信した情報を利用して、２つ以上の医療画像の埋め込みまたは医療画像とグラフの埋め込みを算出することを含んでよい。埋め込みは、イソマップ（ｉｓｏｍａｐ）、局所線形埋め込み、または任意の他の線形もしくは非線形の次元縮小技術を利用して、あるいは具体的には畳み込みフィードフォワードまたはリカレント型ニューラルネットワークを利用して概して計算されてよい。埋め込みは場合によって、ツインまたはＳｉａｍｅｓｅネットワークを利用して教育される場合がある。ステップ６１２は、プロセッサによって実行されてよく、埋め込みの結果は、サーバシステム１０６の電子記憶媒体に記憶されてよい。
ステップ６１４は、埋め込み空間において複数の医療画像の類似性、または医療画像と、グラフとの類似性を比較することを含んでよい。一実施形態において、埋め込みは、医療画像及び／またはグラフに関する追加情報を組み込むことを含んでよく、これには、限定するものではないが患者固有の経歴、グラフと、他の解剖学的構造モデル、生理学的特性及び／または生体力学的特性、病理学的特性または異物の特性との関係性が含まれてよい。一実施形態において、この類似性は、フィードフォワード型またはリカレント型ニューラルネットワークを用いて比較されてよい。
ステップ６１６は、２つ以上の医療画像の間のマッチングを査定するスコア（例えば「最初のマッチングスコア」）を決定することを含んでよい。このスコアは、埋め込み空間における複数の医療画像の類似性、または１つの医療画像と、グラフとの類似性の比較に基づいていてよい。ステップ６１４及び６１６は、プロセッサを使用して実行されてよく、その結果はサーバシステム１０６の電子記憶媒体に保存されてよい。
図７は、最初のマッチングスコアと、患者の個人データを用いてと少なくとも２つの医療画像を患者にマッチングさせるための方法７００のブロック図である。図７の方法７００は、サーバシステム１０６によって、医師１０２及び／またはサードパーティーのプロバイダ１０４から電子ネットワーク１０１を介して受信した情報、画像及びデータに基づいて実行されてよい。
一実施形態において、ステップ７０２は、電子記憶媒体において少なくとも２つ以上の医療画像を受信することを含んでよい。これらの医療画像は、図２、図３、図４、図５及び図６の方法２００、３００、４００、５００及び６００にそれぞれ記載されるように、最初の及び／または第２のマッチングスコアを決定するのに使用された医療画像と同一であってよい。
一実施形態において、ステップ７０４は、電子記憶媒体において医療画像に関連付けられた患者の個人データを受信することを含んでよい。受信した患者の個人データは、図２、図３、図４、図５及び図６の方法２００、３００、４００、５００及び６００にそれぞれ記載されるように、最初の及び／または第２のマッチングスコアを決定するのに使用された患者の個人データと同一であってよい。
一実施形態において、ステップ７０６は、２つ以上の医療画像の間のマッチングを査定する最初のマッチングスコアを受信することを含んでよい。最初のマッチングスコアは、例えば２つ以上の血管網を表す１つまたは複数のグラフの間でグラフマッチングを算出すること、血管分岐の点マッチングを行うこと（例えば図４でのように）、スキャンが行われた時点の間で血管系及び血管壁の成長及びリモデリングシミュレーションを行うこと（例えば図５でのように）、及び／または受信した医療画像及び／または抽出されたモデルの埋め込みを算出すること（例えば図６でのように）とによって決定されてよい。
一実施形態において、ステップ７０６に続いて、ステップ７０８は、最初のマッチングスコアが十分に高いかどうか、例えば所定の閾値を上回っているかを判定することを含んでよい。最初のマッチングスコアが十分に高くない場合、ステップ７０２、７０４及び７０６は、新たなセットの少なくとも２つの医療画像を用いて繰り返されてよい。いくつかの実施形態において、最初のマッチングスコアが十分に高くない場合、ステップ７１２Ｂは、受信した医療画像が同じ患者に対してマッチングしない可能性がある（「一致しない」）ことを指摘することを含む場合がある。例えば、「０」の最初のマッチングスコアを使用して一致しないことを示す場合がある。
最初のマッチングスコアが十分に高い場合、ステップ７１０は、受信した患者の個人データが十分に似ているかどうか、例えば所定の閾値の類似性を超えて似ているかどうかを判定することを含んでよい。一実施形態において、患者の個人データは、患者の個人データが関連付けられる医療画像が高い最初のマッチングスコアを有する場合に、十分な類似性のためにのみ比較されてよい。一実施形態において、患者の個人データは、患者の個人データが異なる患者に関係がある可能性が高い場合に、十分に似ていないと判定される。一実施形態において、患者の個人データの間の十分な類似性は、共通の文字の頻度、場所及び／または重複を算出すること、共通の音素の頻度、場所及び／または重複を算出すること、病歴情報の頻度、場所及び／または重複を算出すること、患者の性別、体重、身長、肥満度指数、髪の色もしくは目の色に関する情報の頻度、場所及び／または重複を算出すること、共通の氏名の誤字のデータベースを用いて、生年月日の中で日にちと月、日にちと年または月と年を入れ替えて類似性を判定すること、及び／または生年月日の中の数値的に似ている日にち、月もしくは年を用いて類似性を判定すること、ならびにその組み合わせによって判定されてよい。
ステップ７１０に続いて、患者の個人データが十分似ていると判定された場合、このとき一実施形態では、ステップ７１２Ａは、十分に似ている患者の個人データに関連付けられた患者をこの医療画像にマッチングさせることを含んでよい。
ステップ７１０に続いて、第２のマッチングスコアが十分に高くない場合、ステップ７１２Ｂは、受信した医療画像が、同じ患者に対してマッチングしない可能性がある（「一致しない）」ことを指摘することを含んでよい。例えば「０」の第２のマッチングスコアを使用して、一致しないことを示す場合がある。
一実施形態において、方法７００は、サーバシステム１０６のプロセッサによって実行されてよく、マッチングの結果は、サーバシステム１０６の電子記憶媒体に記憶される、または表示されてよい。
方法３００、４００、５００または６００におけるマッチングさせ、最初の及び／または第２のマッチングスコアを決定するための一次モデルとして血管のモデルを利用することの代替または追加として、骨格、筋肉、神経、リンパ、組織及び／または器官のモデルが同様に使用される場合もある。例えば、方法４００におけるグラフマッチングは、血管のモデルを利用することの代替または追加として、骨格、筋肉、神経、リンパ、組織及び／または器官のパターン（例えば網状組織、配置など）を利用することを含む場合がある。骨格、筋肉、神経、リンパ、組織及び／または器官のモデルの要素（例えば乳頭筋）の形状、場所及び／または病状もまた、マッチングのため、ならびに最初の及び／または第２のマッチングスコアの決定のために使用されてよい。
本発明の他の実施形態は、明細書の理解、及び本明細書に開示される発明の実施から当業者に明らかになるであろう。明細書及び実施例は、単なる一例としてみなすべきであり、本発明の精神及び範囲は、以下の特許請求の範囲によって示されることが意図されている。

Claims (20)

  1. 医療画像を患者と関連付けるコンピュータ実装方法であって、
    電子記憶媒体において第１の時間における第１の患者解剖学的構造の第１の医療画像および第２の時間における第２の患者解剖学的構造の第２の医療画像を受信することであって、前記第２の時間は、前記第１の時間に続く、ことと、
    前記第１の時間から前記第２の時間への前記第１の患者解剖学的構造の変化をシミュレートすることによって前記受信された第１の医療画像に関して第１の解剖学的構造モデルを生成することであって、前記第１の解剖学的構造モデルは、前記第２の時間における前記第１の患者解剖学的構造の予測を表す、前記シミュレートによって得られるシミュレートされたモデルである、ことと、
    前記受信された第２の医療画像に関して第２の解剖学的構造モデルを生成することであって、前記第２の解剖学的構造モデルは、前記第２の時間における前記第２の患者解剖学的構造を表す、ことと、
    （１）前記生成された第１の解剖学的構造モデルの生理学的特性もしくは生体力学的特性を、前記生成された第２の解剖学的構造モデルの生理学的特性もしくは生体力学的特性と、（２）前記生成された第１の解剖学的構造モデルの病理学的特性を、前記生成された第２の解剖学的構造モデルの病理学的特性と、または、（３）前記生成された第１の解剖学的構造モデルの異物の特性を、前記生成された第２の解剖学的構造モデルの異物の特性と比較することと、
    前記生成された第１および第２の解剖学的構造モデルの前記比較の比較結果を利用して前記第１および第２の医療画像が同じ患者に属する可能性を査定するスコアを決定することと、
    前記スコアを電子記憶媒体またはディスプレイに出力することと
    を含む、コンピュータ実装方法。
  2. 電子記憶媒体において前記受信された第１および第２の医療画像に関連付けられた患者の経歴を受信することと、
    前記第１および第２の医療画像に関する前記患者の経歴を比較することと、
    前記第１および第２の医療画像に関する前記患者の経歴が、可能性のある患者に関して十分な識別情報を提供するかを判定することであって、前記識別情報が十分であることは所定の閾値に基づいている、ことと、
    前記第１および第２の医療画像が同じ患者に属する可能性を査定する高いスコアが存在する場合、ならびに可能性のある患者に関する十分な識別情報が存在する場合、前記受信された第１および第２の医療画像を可能性のある患者にマッチングさせることと、
    前記第１および第２の医療画像に対してマッチングされた前記可能性のある患者の前記識別情報を電子記憶媒体またはディスプレイに出力することと
    をさらに含む、請求項１に記載のコンピュータ実装方法。
  3. 前記受信された第１および第２の医療画像から生成された前記第１および第２の解剖学的構造モデルの各々に関して視野を規定することをさらに含み、
    前記生成された第１および第２の解剖学的構造モデルの前記比較は、前記規定された視野に基づいている、請求項１に記載のコンピュータ実装方法。
  4. 前記生成された第１および第２の解剖学的構造モデルの各々が、
    血管の解剖学的構造モデル、
    骨格の解剖学的構造モデル、
    筋肉の解剖学的構造モデル、
    神経の解剖学的構造モデル、
    リンパの解剖学的構造モデル、
    組織の解剖学的構造モデル、または
    器官の解剖学的構造モデルのうちの１つまたは複数を含む場合がある、請求項１に記載のコンピュータ実装方法。
  5. 前記生成された第１および第２の解剖学的構造モデルの前記比較が、前記第１および第２の解剖学的構造モデルを比較するために利用可能な患者固有の情報を利用することを含み、前記患者固有の情報は、
    医療画像から生成された１つのタイプの解剖学的構造モデルと、同一の医療画像から生成された別のタイプの解剖学的構造モデルとの関係性と、
    解剖学的構造モデルの生理学的特性または生体力学的特性と、
    解剖学的構造モデルの病理学的特性または病気のパターンと、
    解剖学的構造モデルの異物の特性と
    のうちの１つまたは複数を含む、請求項１に記載のコンピュータ実装方法。
  6. 前記生成された第１および第２の解剖学的構造モデルの前記比較が、
    前記受信された第１および第２の医療画像、前記生成された第１および第２の解剖学的構造モデル、ならびに、前記受信された第１および第２の医療画像にそれぞれ関連付けられた前記患者の経歴のうちの少なくとも１つを埋め込んで埋め込み空間を生成することと、
    前記埋め込み空間において、前記受信された第１および第２の医療画像、前記生成された第１および第２の解剖学的構造モデル、ならびに、前記受信された第１および第２の医療画像にそれぞれ関連付けられた前記患者の経歴のうちの少なくとも１つの類似性を比較することと
    を含む、請求項１に記載のコンピュータ実装方法。
  7. 前記生成された第１および第２の解剖学的構造モデルの前記比較が、
    前記生成された第１および第２の解剖学的構造モデルの中で網状組織を表すグラフを導き出すことと、
    前記生成された第１および第２の解剖学的構造モデルから網状組織の分岐を表す点を導き出すことと、
    前記導き出されたグラフまたは点と、前記第１および第２の医療画像から生成された別のタイプの解剖学的構造モデル、前記第１および第２の解剖学的構造モデルの生理学的特性もしくは生体力学的特性、前記第１および第２の解剖学的構造モデルの病理学的特性もしくは病気のパターン、または前記第１および第２の解剖学的構造モデルの異物の特性のうちの１つまたは複数との関係性を導き出すことと、
    前記導き出された関係性を利用して解剖学的構造モデルの前記網状組織を表すグラフと、受信された医療画像の間で埋め込みを行って埋め込み空間を生成することであって、埋め込まれるべき前記医療画像は、前記グラフが導き出された前記第１および第２の医療画像とは異なる、ことと、
    前記埋め込み空間において前記第１および第２の医療画像を比較することと
    のうちの１つまたは複数を含む、請求項１に記載のコンピュータ実装方法。
  8. 前記生成された第１および第２の解剖学的構造モデルの前記比較が、
    前記生成された第１および第２の解剖学的構造モデルの中で網状組織を表すグラフを導き出すことと、
    前記導き出されたグラフと、前記第１および第２の医療画像から生成された別のタイプの解剖学的構造モデル、前記第１および第２の解剖学的構造モデルの生理学的特性もしくは生体力学的特性、前記第１および第２の解剖学的構造モデルの病理学的特性もしくは病気のパターン、または前記第１および第２の解剖学的構造モデルの異物の特性のうちの１つまたは複数との関係性を導き出すことと、
    前記導き出された関係性を利用して前記網状組織を表すグラフの間でグラフマッチングを行うことと
    のうちの１つまたは複数を含む、請求項１に記載のコンピュータ実装方法。
  9. 前記生成された第１および第２の解剖学的構造モデルの前記比較が、
    前記生成された第１および第２の解剖学的構造モデルの中で網状組織の分岐を表す点を導き出すことと、
    前記導き出された点と、前記第１および第２の医療画像から生成された別のタイプの解剖学的構造モデル、前記第１および第２の解剖学的構造モデルの生理学的特性もしくは生体力学的特性、前記第１および第２の解剖学的構造モデルの病理学的特性もしくは病気のパターン、または前記第１および第２の解剖学的構造モデルの異物の特性のうちの少なくとも１つとの関係性を導き出すことと、
    前記導き出された関係性を利用して網状組織の分岐を表す前記点の間で点マッチングを行うことと
    のうちの１つまたは複数を含む、請求項１に記載のコンピュータ実装方法。
  10. 前記生成された第１および第２の解剖学的構造モデルの前記比較が、
    前記第１の医療画像の前記第１の時間と前記第２の医療画像の前記第２の時間の時差を計算することと、
    前記第１の医療画像から前記第１の解剖学的構造モデルを生成することと、
    前記第２の医療画像から前記第２の解剖学的構造モデルを生成することと、
    前記第１の時間と前記第２の時間の前記計算された時差を利用して、かつ１つまたは複数の患者固有の情報を利用して、前記第１の解剖学的構造モデルに対して成長およびリモデリングシミュレーションを行うことにより、前記第２の時間における解剖学的構造モデルを予測することであって、前記患者固有の情報が、
    生理学的特性もしくは生体力学的特性、
    病理学的特性もしくは病気のパターン、または
    異物の特性
    のうちの１つまたは複数を含む、ことと、
    前記第２の時間における前記予測された解剖学的構造モデルを、前記第２の解剖学的構造モデルと比較することと
    のうちの１つまたは複数を含む、請求項１に記載のコンピュータ実装方法。
  11. 医療画像を患者と関連付けるためのシステムであって、
    医療画像を患者と関連付けるための命令を記憶するデータ記憶デバイスと、
    前記命令を実行することにより方法を実行するように構成されたプロセッサと
    を含み、
    前記方法は、
    電子記憶媒体において第１の時間における第１の患者解剖学的構造の第１の医療画像および第２の時間における第２の患者解剖学的構造の第２の医療画像を受信することであって、前記第２の時間は、前記第１の時間に続く、ことと、
    前記第１の時間から前記第２の時間への前記第１の患者解剖学的構造の変化をシミュレートすることによって前記受信された第１の医療画像に関して第１の解剖学的構造モデルを生成することであって、前記第１の解剖学的構造モデルは、前記第２の時間における前記第１の患者解剖学的構造の予測を表す、前記シミュレートによって得られるシミュレートされたモデルである、ことと、
    前記受信された第２の医療画像に関して第２の解剖学的構造モデルを生成することであって、前記第２の解剖学的構造モデルは、前記第２の時間における前記第２の患者解剖学的構造を表す、ことと、
    （１）前記生成された第１の解剖学的構造モデルの生理学的特性もしくは生体力学的特性を、前記生成された第２の解剖学的構造モデルの生理学的特性もしくは生体力学的特性と、（２）前記生成された第１の解剖学的構造モデルの病理学的特性を、前記生成された第２の解剖学的構造モデルの病理学的特性と、または、（３）前記生成された第１の解剖学的構造モデルの異物の特性を、前記生成された第２の解剖学的構造モデルの異物の特性と比較することと、
    前記生成された第１および第２の解剖学的構造モデルの前記比較の比較結果を利用して前記第１および第２の医療画像が同じ患者に属する可能性を査定するスコアを決定することと、
    前記スコアを電子記憶媒体またはディスプレイに出力することと
    を含む、システム。
  12. 電子記憶媒体において前記受信された第１および第２の医療画像に関連付けられた患者の経歴を受信することと、
    前記第１および第２の医療画像に関する前記患者の経歴を比較することと、
    前記第１および第２の医療画像に関する前記患者の経歴が、可能性のある患者に関して十分な識別情報を提供するかを判定することであって、前記識別情報が十分であることは所定の閾値に基づいている、ことと、
    前記第１および第２の医療画像が同じ患者に属する可能性を査定する高いスコアが存在する場合、ならびに可能性のある患者に関する十分な識別情報が存在する場合、前記受信された第１および第２の医療画像を可能性のある患者にマッチングさせることと、
    前記第１および第２の医療画像に対してマッチングされた前記可能性のある患者の前記識別情報を電子記憶媒体またはディスプレイに出力することと
    をさらに含む、請求項１１に記載のシステム。
  13. 前記受信された第１および第２の医療画像から生成された前記第１および第２の解剖学的構造モデルの各々に関して視野を規定することをさらに含み、
    前記生成された第１および第２の解剖学的構造モデルの前記比較は、前記規定された視野に基づいている、請求項１１に記載のシステム。
  14. 前記生成された第１および第２の解剖学的構造モデルの前記比較が、前記第１および第２の解剖学的構造モデルを比較するために利用可能な患者固有の情報を利用することを含み、前記患者固有の情報は、
    医療画像から生成された１つのタイプの解剖学的構造モデルと、同一の医療画像から生成された別のタイプの解剖学的構造モデルとの関係性と、
    解剖学的構造モデルの生理学的特性または生体力学的特性と、
    解剖学的構造モデルの病理学的特性または病気のパターンと、
    解剖学的構造モデルの異物の特性と
    のうちの１つまたは複数を含む、請求項１１に記載のシステム。
  15. 前記生成された第１および第２の解剖学的構造モデルの前記比較が、
    前記受信された第１および第２の医療画像、前記生成された第１および第２の解剖学的構造モデル、ならびに、前記受信された第１および第２の医療画像にそれぞれ関連付けられた前記患者の経歴のうちの少なくとも１つを埋め込んで埋め込み空間を生成することと、
    前記埋め込み空間において、前記受信された第１および第２の医療画像、前記生成された第１および第２の解剖学的構造モデル、ならびに、前記受信された第１および第２の医療画像にそれぞれ関連付けられた前記患者の経歴のうちの少なくとも１つの類似性を比較することと
    を含む、請求項１１に記載のシステム。
  16. 前記生成された第１および第２の解剖学的構造モデルの前記比較が、
    前記生成された第１および第２の解剖学的構造モデルの中で網状組織を表すグラフを導き出すことと、
    前記生成された第１および第２の解剖学的構造モデルから網状組織の分岐を表す点を導き出すことと、
    前記導き出されたグラフまたは点と、前記第１および第２の医療画像から生成された別のタイプの解剖学的構造モデル、前記第１および第２の解剖学的構造モデルの生理学的特性もしくは生体力学的特性、前記第１および第２の解剖学的構造モデルの病理学的特性もしくは病気のパターン、または前記第１および第２の解剖学的構造モデルの異物の特性のうちの１つまたは複数との関係性を導き出すことと、
    前記導き出された関係性を利用して解剖学的構造モデルの前記網状組織を表すグラフと、受信された医療画像の間で埋め込みを行って埋め込み空間を生成することであって、埋め込まれるべき前記医療画像は、前記グラフが導き出された前記第１および第２の医療画像とは異なる、ことと、
    前記埋め込み空間において前記第１および第２の医療画像を比較することと
    のうちの１つまたは複数を含む、請求項１１に記載のシステム。
  17. 前記生成された第１および第２の解剖学的構造モデルの前記比較が、
    前記生成された第１および第２の解剖学的構造モデルの中で網状組織を表すグラフを導き出すことと、
    前記導き出されたグラフと、前記第１および第２の医療画像から生成された別のタイプの解剖学的構造モデル、前記第１および第２の解剖学的構造モデルの生理学的特性もしくは生体力学的特性、前記第１および第２の解剖学的構造モデルの病理学的特性もしくは病気のパターン、または前記第１および第２の解剖学的構造モデルの異物の特性のうちの１つまたは複数との関係性を導き出すことと、
    前記導き出された関係性を利用して前記網状組織を表すグラフの間でグラフマッチングを行うことと
    のうちの１つまたは複数を含む、請求項１１に記載のシステム。
  18. 前記生成された第１および第２の解剖学的構造モデルの前記比較が、
    前記第１の医療画像の前記第１の時間と前記第２の医療画像の前記第２の時間の時差を計算することと、
    前記第１の医療画像から前記第１の解剖学的構造モデルを生成することと、
    前記第２の医療画像から前記第２の解剖学的構造モデルを生成することと、
    前記第１の時間と前記第２の時間の前記計算された時差を利用して、かつ１つまたは複数の患者固有の情報を利用して、前記第１の解剖学的構造モデルに対して成長およびリモデリングシミュレーションを行うことにより、前記第２の時間における解剖学的構造モデルを予測することであって、前記患者固有の情報が、
    生理学的特性もしくは生体力学的特性、
    病理学的特性もしくは病気のパターン、または
    異物の特性
    のうちの１つまたは複数を含む、ことと、
    前記第２の時間における前記予測された解剖学的構造モデルを、前記第２の解剖学的構造モデルと比較することと
    のうちの１つまたは複数を含む、請求項１１に記載のシステム。
  19. コンピュータによって実行される際、前記コンピュータに、医療画像を患者と関連付けるための方法を実行させる命令を格納する非一時的なコンピュータ可読媒体であって、
    前記方法は、
    電子記憶媒体において第１の時間における第１の患者解剖学的構造の第１の医療画像および第２の時間における第２の患者解剖学的構造の第２の医療画像を受信することであって、前記第２の時間は、前記第１の時間に続く、ことと、
    前記第１の時間から前記第２の時間への前記第１の患者解剖学的構造の変化をシミュレートすることによって前記受信された第１の医療画像に関して第１の解剖学的構造モデルを生成することであって、前記第１の解剖学的構造モデルは、前記第２の時間における前記第１の患者解剖学的構造の予測を表す、前記シミュレートによって得られるシミュレートされたモデルである、ことと、
    前記受信された第２の医療画像に関して第２の解剖学的構造モデルを生成することであって、前記第２の解剖学的構造モデルは、前記第２の時間における前記第２の患者解剖学的構造を表す、ことと、
    （１）前記生成された第１の解剖学的構造モデルの生理学的特性もしくは生体力学的特性を、前記生成された第２の解剖学的構造モデルの生理学的特性もしくは生体力学的特性と、（２）前記生成された第１の解剖学的構造モデルの病理学的特性を、前記生成された第２の解剖学的構造モデルの病理学的特性と、または、（３）前記生成された第１の解剖学的構造モデルの異物の特性を、前記生成された第２の解剖学的構造モデルの異物の特性と比較することと、
    前記生成された第１および第２の解剖学的構造モデルの前記比較の比較結果を利用して前記第１および第２の医療画像が同じ患者に属する可能性を査定するスコアを決定することと、
    前記スコアを電子記憶媒体またはディスプレイに出力することと
    を含む、コンピュータ可読媒体。
  20. 前記生成された第１および第２の解剖学的構造モデルの前記比較が、
    前記第１の医療画像の前記第１の時間と前記第２の医療画像の前記第２の時間の時差を計算することと、
    前記第１の医療画像から前記第１の解剖学的構造モデルを生成することと、
    前記第２の医療画像から前記第２の解剖学的構造モデルを生成することと、
    前記第１の時間と前記第２の時間の前記計算された時差を利用して、かつ１つまたは複数の患者固有の情報を利用して、前記第１の解剖学的構造モデルに対して成長およびリモデリングシミュレーションを行うことにより、前記第２の時間における解剖学的構造モデルを予測することであって、前記患者固有の情報が、
    生理学的特性もしくは生体力学的特性、
    病理学的特性もしくは病気のパターン、または
    異物の特性
    のうちの１つまたは複数を含む、ことと、
    前記第２の時間における前記予測された解剖学的構造モデルを、前記第２の解剖学的構造モデルと比較することと
    のうちの１つまたは複数を含む、請求項１９に記載のコンピュータ可読媒体。
JP2018528285A 2015-12-03 2016-12-02 医療画像を患者と関連付けるためのシステム及び方法 Active JP6800975B2 (ja)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
US201562262553P 2015-12-03 2015-12-03
US62/262,553 2015-12-03
PCT/US2016/064741 WO2017096242A1 (en) 2015-12-03 2016-12-02 Systems and methods for associating medical images with a patient

Publications (2)

Publication Number Publication Date
JP2018537782A JP2018537782A (ja) 2018-12-20
JP6800975B2 true JP6800975B2 (ja) 2020-12-16

Family

ID=57708737

Family Applications (1)

Application Number Title Priority Date Filing Date
JP2018528285A Active JP6800975B2 (ja) 2015-12-03 2016-12-02 医療画像を患者と関連付けるためのシステム及び方法

Country Status (5)

Country Link
US (2) US10304569B2 (ja)
EP (1) EP3384413A1 (ja)
JP (1) JP6800975B2 (ja)
CN (1) CN108369824B (ja)
WO (1) WO2017096242A1 (ja)

Families Citing this family (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10304569B2 (en) * 2015-12-03 2019-05-28 Heartflow, Inc. Systems and methods for associating medical images with a patient
EP3422949A4 (en) * 2016-03-03 2019-10-30 Geisinger Health System SYSTEM AND METHOD FOR AUTOMATED ANALYSIS IN MEDICAL IMAGING APPLICATIONS
US20180247712A1 (en) 2017-02-24 2018-08-30 Masimo Corporation System for displaying medical monitoring data
US11024064B2 (en) * 2017-02-24 2021-06-01 Masimo Corporation Augmented reality system for displaying patient data
KR102559598B1 (ko) 2017-05-08 2023-07-25 마시모 코오퍼레이션 동글을 이용하여 의료 시스템을 네트워크 제어기에 페어링하기 위한 시스템
US11871995B2 (en) 2017-12-18 2024-01-16 Hemolens Diagnostics Sp. Z O.O. Patient-specific modeling of hemodynamic parameters in coronary arteries
US10828009B2 (en) * 2017-12-20 2020-11-10 International Business Machines Corporation Monitoring body sounds and detecting health conditions
US11537719B2 (en) * 2018-05-18 2022-12-27 Deepmind Technologies Limited Deep neural network system for similarity-based graph representations
US11783165B1 (en) * 2018-10-02 2023-10-10 Koninklijke Philips N.V. Generating vectors from data
US11011257B2 (en) * 2018-11-21 2021-05-18 Enlitic, Inc. Multi-label heat map display system
CN109544550B (zh) * 2018-12-05 2021-10-22 易必祥 基于ct影像智能检测和识别方法及系统
CN109685805B (zh) * 2019-01-09 2021-01-26 银河水滴科技（北京）有限公司 一种图像分割方法及装置
DE102019203192A1 (de) * 2019-03-08 2020-09-10 Siemens Healthcare Gmbh Erzeugung eines digitalen Zwillings für medizinische Untersuchungen
US20210157459A1 (en) * 2019-11-27 2021-05-27 Fujifilm Medical Systems U.S.A., Inc. Methods and systems for displaying associations and timelines of medical studies

Family Cites Families (26)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH01119071A (ja) 1987-10-31 1989-05-11 Nec Corp 化合物半導体電界効果トランジスタ
US6173068B1 (en) * 1996-07-29 2001-01-09 Mikos, Ltd. Method and apparatus for recognizing and classifying individuals based on minutiae
US7251353B2 (en) * 2002-11-26 2007-07-31 University Of Chicago Automated method of patient recognition using chest radiographs
US8019042B2 (en) * 2008-04-22 2011-09-13 Siemens Medical Solutions Usa, Inc. Medical imaging processing and care planning system
JP2011520195A (ja) 2008-05-09 2011-07-14 コーニンクレッカ フィリップス エレクトロニクス エヌ ヴィ イメージング情報によって補強された、パーソナル化されたガイドライン・ベース療法のための方法およびシステム
US8369585B2 (en) * 2008-10-17 2013-02-05 Siemens Aktiengesellschaft Automatic classification of information in images
DE102010012796A1 (de) * 2010-03-25 2012-01-19 Siemens Aktiengesellschaft Medizinische Aufnahme verarbeitendes System sowie Verfahren
US8315812B2 (en) * 2010-08-12 2012-11-20 Heartflow, Inc. Method and system for patient-specific modeling of blood flow
US20140031668A1 (en) * 2010-09-08 2014-01-30 Disruptive Navigational Technologies, Llc Surgical and Medical Instrument Tracking Using a Depth-Sensing Device
JP5976293B2 (ja) * 2010-10-08 2016-08-23 東芝メディカルシステムズ株式会社 画像処理装置及び画像処理方法
EP4056111A3 (en) * 2012-02-22 2022-12-07 Veran Medical Technologies, Inc. Systems, methods, and devices for four dimensional soft tissue navigation
US9179982B2 (en) * 2012-03-20 2015-11-10 Varian Medical Systems, Inc. Method and system for automatic patient identification
US8548778B1 (en) * 2012-05-14 2013-10-01 Heartflow, Inc. Method and system for providing information from a patient-specific model of blood flow
WO2014140808A1 (en) * 2013-03-15 2014-09-18 Materialise Nv Adaptive surface surgical guiding apparatus and systems and methods of manufacturing adaptive surface surgical guiding apparatus
US9375184B2 (en) * 2013-09-12 2016-06-28 Technische Universität München System and method for prediction of respiratory motion from 3D thoracic images
GB201402563D0 (en) * 2014-02-13 2014-04-02 Materialise Nv Adaptive surface surgical guiding apparatuses including stability and/or verification elements
US9514530B2 (en) * 2014-04-16 2016-12-06 Heartflow, Inc. Systems and methods for image-based object modeling using multiple image acquisitions or reconstructions
US20150348260A1 (en) * 2014-05-29 2015-12-03 Siemens Aktiengesellschaft System and Method for Mapping Patient Data from One Physiological State to Another Physiological State
US10130266B2 (en) * 2014-06-30 2018-11-20 Siemens Healthcare Gmbh Method and system for prediction of post-stenting hemodynamic metrics for treatment planning of arterial stenosis
WO2016069788A1 (en) * 2014-10-29 2016-05-06 Spectral Md, Inc. Reflective mode multi-spectral time-resolved optical imaging methods and apparatuses for tissue classification
US20160135738A1 (en) * 2014-11-17 2016-05-19 Elwha Llc Monitoring treatment compliance using passively captured task performance patterns
US10987010B2 (en) * 2015-02-02 2021-04-27 Heartflow, Inc. Systems and methods for vascular diagnosis using blood flow magnitude and/or direction
US9786092B2 (en) * 2015-02-18 2017-10-10 The Regents Of The University Of California Physics-based high-resolution head and neck biomechanical models
US9839483B2 (en) * 2015-04-21 2017-12-12 Heartflow, Inc. Systems and methods for risk assessment and treatment planning of arterio-venous malformation
JP6918794B2 (ja) * 2015-11-10 2021-08-11 ハートフロー， インコーポレイテッド 解剖モデリングシステム及びその作動方法
US10304569B2 (en) * 2015-12-03 2019-05-28 Heartflow, Inc. Systems and methods for associating medical images with a patient

Also Published As

Publication number Publication date
US10854339B2 (en) 2020-12-01
CN108369824A (zh) 2018-08-03
US10304569B2 (en) 2019-05-28
JP2018537782A (ja) 2018-12-20
US20190237198A1 (en) 2019-08-01
EP3384413A1 (en) 2018-10-10
CN108369824B (zh) 2022-04-12
US20170161455A1 (en) 2017-06-08
WO2017096242A1 (en) 2017-06-08

Similar Documents

Publication Publication Date Title
JP6800975B2 (ja) 医療画像を患者と関連付けるためのシステム及び方法
US10402971B2 (en) Matching patient images and images of an anatomical atlas
CN109859833B (zh) 消融手术治疗效果的评估方法和装置
Eder et al. Comparison of different material models to simulate 3-D breast deformations using finite element analysis
US9406130B2 (en) Determining an anatomical atlas
EP3799662B1 (en) Anonymisation of medical patient images using an atlas
KR20210076165A (ko) 근원 위치를 가진 이미지의 확대
US10769240B2 (en) Determining medical outcome quality
US20210133356A1 (en) Anonymization of Medical Image Data
Lange et al. Protective role of false tendon in subjects with left bundle branch block: A virtual population study
WO2014064066A1 (en) Simulation of objects in an atlas and registration of patient data containing a specific structure to atlas data
CN115886999A (zh) 一种基于仿真虚拟技术的手术引导方法、装置和控制系统
Derrick et al. The Computer-Assisted Decedent Identification Method of Computer-Assisted Radiographic Identification
JP2004174220A (ja) 画像処理装置、画像処理方法、及び当該画像処理方法をコンピュータに実行させるプログラムを格納する記録媒体
CN112488289A (zh) 预测数据组的提供
Romero-Garcia et al. Practical application of networks in neurosurgery: combined 3D printing, neuronavigation, and pre-operative surgical planning
JP7430811B2 (ja) 治療支援装置、治療支援方法および治療支援プログラム
Saffarzadeh et al. Pelvic and lower gastrointestinal tract anatomical characterization of the average male
Berry Computerized medicine
Lopez et al. Patient-specific computational modeling
Yao et al. Report of vertebra segmentation challenge in 2014 MICCAI Workshop on computational spine imaging
Rudnicka et al. Health Digital Twins Supported by Artificial Intelligence-based Algorithms and Extended Reality in Cardiology
Allen Automated Segmentation of Temporal Bone Structures
CN116072266A (zh) 医疗图像数据的处理装置以及医疗图像数据的处理方法
WO2014142770A1 (en) A method for creating surgery simulation for surgical planning and providing surgical consultation services over the web and/or network

Legal Events

Date Code Title Description
A621 Written request for application examination

Free format text: JAPANESE INTERMEDIATE CODE: A621

Effective date: 20191010

A977 Report on retrieval

Free format text: JAPANESE INTERMEDIATE CODE: A971007

Effective date: 20200323

A131 Notification of reasons for refusal

Free format text: JAPANESE INTERMEDIATE CODE: A131

Effective date: 20200423

A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20200722

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: 20201124

A61 First payment of annual fees (during grant procedure)

Free format text: JAPANESE INTERMEDIATE CODE: A61

Effective date: 20201125

R150 Certificate of patent or registration of utility model

Ref document number: 6800975

Country of ref document: JP

Free format text: JAPANESE INTERMEDIATE CODE: R150

R250 Receipt of annual fees

Free format text: JAPANESE INTERMEDIATE CODE: R250