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 PDFInfo
- 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
Links
- 238000000034 method Methods 0.000 title claims description 94
- 210000003484 anatomy Anatomy 0.000 claims description 170
- 210000004204 blood vessel Anatomy 0.000 claims description 40
- 230000001575 pathological effect Effects 0.000 claims description 36
- 210000001519 tissue Anatomy 0.000 claims description 34
- 201000010099 disease Diseases 0.000 claims description 33
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 claims description 33
- 210000000056 organ Anatomy 0.000 claims description 22
- 238000004088 simulation Methods 0.000 claims description 21
- 210000003205 muscle Anatomy 0.000 claims description 17
- 210000005036 nerve Anatomy 0.000 claims description 17
- 238000007634 remodeling Methods 0.000 claims description 13
- 230000001926 lymphatic effect Effects 0.000 claims description 7
- 230000008859 change Effects 0.000 claims description 4
- 238000013500 data storage Methods 0.000 claims description 3
- 230000001766 physiological effect Effects 0.000 claims 6
- 230000002792 vascular Effects 0.000 description 48
- 238000003384 imaging method Methods 0.000 description 14
- 238000010586 diagram Methods 0.000 description 13
- 238000002591 computed tomography Methods 0.000 description 12
- 230000017531 blood circulation Effects 0.000 description 10
- 210000002751 lymph Anatomy 0.000 description 10
- 208000008589 Obesity Diseases 0.000 description 9
- 208000014674 injury Diseases 0.000 description 9
- 235000020824 obesity Nutrition 0.000 description 9
- 210000002356 skeleton Anatomy 0.000 description 9
- 230000037308 hair color Effects 0.000 description 8
- 238000010801 machine learning Methods 0.000 description 7
- 238000002059 diagnostic imaging Methods 0.000 description 6
- 238000002600 positron emission tomography Methods 0.000 description 6
- 239000013598 vector Substances 0.000 description 6
- 208000004434 Calcinosis Diseases 0.000 description 5
- 206010010356 Congenital anomaly Diseases 0.000 description 5
- 206010028851 Necrosis Diseases 0.000 description 5
- 206010028980 Neoplasm Diseases 0.000 description 5
- 206010061876 Obstruction Diseases 0.000 description 5
- 208000027418 Wounds and injury Diseases 0.000 description 5
- 238000002583 angiography Methods 0.000 description 5
- 239000008280 blood Substances 0.000 description 5
- 210000004369 blood Anatomy 0.000 description 5
- 230000036772 blood pressure Effects 0.000 description 5
- 230000002308 calcification Effects 0.000 description 5
- 238000004422 calculation algorithm Methods 0.000 description 5
- 230000006378 damage Effects 0.000 description 5
- 238000009795 derivation Methods 0.000 description 5
- 238000003745 diagnosis Methods 0.000 description 5
- 239000000945 filler Substances 0.000 description 5
- 238000002513 implantation Methods 0.000 description 5
- 208000028867 ischemia Diseases 0.000 description 5
- 230000017074 necrotic cell death Effects 0.000 description 5
- 238000002603 single-photon emission computed tomography Methods 0.000 description 5
- 238000004364 calculation method Methods 0.000 description 4
- 239000007943 implant Substances 0.000 description 4
- 230000007170 pathology Effects 0.000 description 4
- 238000002360 preparation method Methods 0.000 description 4
- 238000003325 tomography Methods 0.000 description 4
- 230000008733 trauma Effects 0.000 description 4
- 206010061818 Disease progression Diseases 0.000 description 3
- 230000005750 disease progression Effects 0.000 description 3
- 238000000605 extraction Methods 0.000 description 3
- 238000002595 magnetic resonance imaging Methods 0.000 description 3
- 238000012545 processing Methods 0.000 description 3
- 230000000472 traumatic effect Effects 0.000 description 3
- 238000002679 ablation Methods 0.000 description 2
- 238000002266 amputation Methods 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 2
- 238000013528 artificial neural network Methods 0.000 description 2
- 230000008901 benefit Effects 0.000 description 2
- 238000013479 data entry Methods 0.000 description 2
- 230000010102 embolization Effects 0.000 description 2
- 239000002184 metal Substances 0.000 description 2
- 230000004962 physiological condition Effects 0.000 description 2
- 230000035479 physiological effects, processes and functions Effects 0.000 description 2
- 230000035790 physiological processes and functions Effects 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 230000000306 recurrent effect Effects 0.000 description 2
- 230000002123 temporal effect Effects 0.000 description 2
- 238000012546 transfer Methods 0.000 description 2
- 210000000988 bone and bone Anatomy 0.000 description 1
- 230000001427 coherent effect Effects 0.000 description 1
- 238000009792 diffusion process Methods 0.000 description 1
- 238000003709 image segmentation Methods 0.000 description 1
- 238000003331 infrared imaging Methods 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 238000000691 measurement method Methods 0.000 description 1
- 230000000877 morphologic effect Effects 0.000 description 1
- 210000003540 papillary muscle Anatomy 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000001228 spectrum Methods 0.000 description 1
- 238000010561 standard procedure Methods 0.000 description 1
- 239000003826 tablet Substances 0.000 description 1
- 238000012285 ultrasound imaging Methods 0.000 description 1
- 210000005166 vasculature Anatomy 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
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
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。
Claims (20)
- 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。 - 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。 - 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。 - 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。 - 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。 - 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。 - 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。 - 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。 - 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。 - 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。 - 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。 - 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。 - 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。 - 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。 - 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。 - 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。 - 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。 - 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。 - 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。 - 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。
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)
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)
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 |
-
2016
- 2016-12-02 US US15/367,885 patent/US10304569B2/en active Active
- 2016-12-02 EP EP16820399.0A patent/EP3384413A1/en active Pending
- 2016-12-02 WO PCT/US2016/064741 patent/WO2017096242A1/en active Application Filing
- 2016-12-02 CN CN201680070534.9A patent/CN108369824B/zh active Active
- 2016-12-02 JP JP2018528285A patent/JP6800975B2/ja active Active
-
2019
- 2019-04-10 US US16/380,710 patent/US10854339B2/en active Active
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 |