JP7077319B2 - 解剖学的モデルパラメータの機械学習 - Google Patents
解剖学的モデルパラメータの機械学習 Download PDFInfo
- Publication number
- JP7077319B2 JP7077319B2 JP2019529544A JP2019529544A JP7077319B2 JP 7077319 B2 JP7077319 B2 JP 7077319B2 JP 2019529544 A JP2019529544 A JP 2019529544A JP 2019529544 A JP2019529544 A JP 2019529544A JP 7077319 B2 JP7077319 B2 JP 7077319B2
- Authority
- JP
- Japan
- Prior art keywords
- model
- data
- patient
- machine learning
- parameters
- 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
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
- G06T7/0012—Biomedical image inspection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T11/00—2D [Two Dimensional] image generation
- G06T11/003—Reconstruction from projections, e.g. tomography
-
- 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
- G16H30/40—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
- G16H50/20—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for computer-aided diagnosis, e.g. based on medical expert systems
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20081—Training; Learning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30004—Biomedical image processing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30004—Biomedical image processing
- G06T2207/30101—Blood vessel; Artery; Vein; Vascular
- G06T2207/30104—Vascular flow; Blood flow; Perfusion
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30172—Centreline of tubular or elongated structure
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Public Health (AREA)
- General Health & Medical Sciences (AREA)
- Theoretical Computer Science (AREA)
- Epidemiology (AREA)
- Primary Health Care (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Biomedical Technology (AREA)
- Radiology & Medical Imaging (AREA)
- Data Mining & Analysis (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Pathology (AREA)
- Databases & Information Systems (AREA)
- Quality & Reliability (AREA)
- Software Systems (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Computation (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- Apparatus For Radiation Diagnosis (AREA)
- Image Analysis (AREA)
Description
本願は、2016年12月23日に出願された米国仮特許出願第62/438,509号の優先権を主張し、その全開示は参照により全体が本明細書に組み込まれる。
本開示の種々の実施形態は、一般に医用イメージング及び関連方法に関する。特に、本明細書の特定の実施形態は、生の医療取得情報から解剖学的構造を決定するシステム及び方法に関する。
本明細書は、例えば、以下の項目も提供する。
(項目1)
生の取得データから解剖学的構造を決定する方法であって、
1人以上の個人の身体を透過するエネルギ及び粒子ならびにそこから発生するエネルギ及び粒子の伝達及び収集から生の医療取得データを取得すること、
前記1人以上の個人のそれぞれの解剖学的組織に関連するパラメータ化されたモデルを取得すること、
前記パラメータ化されたモデルの1つまたは複数のパラメータを決定することであって、前記パラメータは前記生の医療取得データに関連する、前記決定すること、
前記生の医療取得データに基づいて、前記パラメータ化されたモデルの前記決定したパラメータのそれぞれについて1つまたは複数の値を予測するために機械学習システムをトレーニングすること、
選択した患者について医療取得情報を取得すること、及び、
前記トレーニングした機械学習システムを使用して前記患者の患者特有のパラメータ化されたモデルについてパラメータ値を決定すること、を備える、前記方法。
(項目2)
前記決定したパラメータ値は、血管中心線、解剖学的ポイント、解剖学的表面ポイントもしくは境界、または、その組合わせを含む解剖学的特徴の測定値を含み、
前記パラメータ化されたモデルは、血管モデル、疾患モデル、灌流モデル、運動モデル、血流モデルまたはその組合わせを含む、項目1に記載の方法。
(項目3)
前記選択した患者に対する前記医療取得情報に基づく画像再構成を生成し、
前記決定したパラメータ値に基づく前記画像再構成を検証することを更に備える、項目1に記載の方法。
(項目4)
前記生の医療取得データと前記パラメータ化されたモデルのパラメータとの間の関連を決定し、
前記決定した関連に基づいて、前記パラメータ化したモデルのそれぞれについて前記1つまたは複数の値を予測することを更に備える、項目1に記載の方法。
(項目5)
前記生の医療取得データに関連する取得パラメータのセットを決定すること、及び
前記機械学習システムを前記取得パラメータのセットに基づいてトレーニングすること、を更に備える、項目1に記載の方法。
(項目6)
前記機械学習システムに関連するデータ取得様式を決定すること、及び
前記機械学習システムに関連する前記データ取得様式に基づいて前記選択した患者に対する前記生の医療取得データを取得すること、を更に備える、項目1に記載の方法。
(項目7)
前記医療取得情報は、前記選択された患者以外の1人以上の個人から取得されたサイノグラムまたはk空間データ、前記選択された患者から取得されたデータ、または、シミュレートされたデータを含む、項目1に記載の方法。
(項目8)
前記患者特有のパラメータ化されたモデルに基づく表示を生成すること、を更に備える、項目1に記載の方法。
(項目9)
生の取得データから解剖学的構造を決定するシステムであって、前記システムが、
生の医療取得データから解剖学的構造を決定する命令を記憶するデータ記憶装置、及び
前記命令を実行するように構成されるプロセッサであって、
1人以上の個人の身体を透過するエネルギ及び粒子ならびにそこから発生するエネルギ及び粒子の伝達及び収集から生の医療取得データを取得すること、
前記1人以上の個人のそれぞれの解剖学的組織に関連するパラメータ化されたモデルを取得すること、
前記パラメータ化されたモデルの1つまたは複数のパラメータを決定することであって、前記パラメータは前記生の医療取得データに関連する、前記決定すること、
前記生の医療取得データに基づいて、前記パラメータ化されたモデルの前記決定したパラメータのそれぞれについて1つまたは複数の値を予測するために機械学習システムをトレーニングすること、
選択した患者について医療取得情報を取得すること、及び、
前記トレーニングした機械学習システムを使用して前記患者の患者特有のパラメータ化されたモデルについてパラメータ値を決定すること、を包含する方法を実行する前記命令を実行するように構成される、前記プロセッサを備える、前記システム。
(項目10)
前記決定したパラメータ値は、血管中心線、解剖学的ポイント、解剖学的表面ポイントもしくは境界、または、その組合わせを含む解剖学的特徴の測定値を含み、
前記パラメータ化されたモデルは、血管モデル、疾患モデル、灌流モデル、運動モデル、血流モデルまたはその組合わせを含む、項目9に記載のシステム。
(項目11)
前記少なくとも1つのコンピュータシステムは、
前記選択した患者に対する前記医療取得情報に基づく画像再構成を生成し、
前記決定したパラメータ値に基づく前記画像再構成を検証するように更に構成される、項目9に記載のシステム。
(項目12)
前記少なくとも1つのコンピュータシステムは、
前記生の医療取得データと前記パラメータ化されたモデルのパラメータとの間の関連を決定し、
前記決定した関連に基づいて、前記パラメータ化したモデルパラメータのそれぞれについて前記1つまたは複数の値を予測するように更に構成される、項目10に記載のシステム。
(項目13)
前記少なくとも1つのコンピュータシステムは、
前記生の医療取得データに関連する取得パラメータのセットを決定し、
前記取得パラメータのセットに基づいて前記機械学習システムをトレーニングするように更に構成される、項目9に記載のシステム。
(項目14)
前記少なくとも1つのコンピュータシステムは、
前記機械学習システムに関連するデータ取得様式を決定し、
前記機械学習システムに関連する前記データ取得様式に基づいて前記選択した患者に対する前記生の医療取得データを取得するように更に構成される、項目9に記載のシステム。
(項目15)
前記医療取得情報は、前記選択された患者以外の1人以上の個人から取得されたサイノグラムまたはk空間データ、前記選択された患者から取得されたデータ、または、シミュレートされたデータを含む、項目9に記載のシステム。
(項目16)
前記少なくとも1つのコンピュータシステムは、
前記患者特有のパラメータ化されたモデルに基づく表示を生成するように更に構成される、項目9に記載のシステム。
(項目17)
生の医療取得データから解剖学的構造を決定す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む、コンピュータシステムで使用するための非一時的コンピュータ可読媒体であって、前記方法は、
1人以上の個人の身体を透過するエネルギ及び粒子ならびにそこから発生するエネルギ及び粒子の伝達及び収集から生の医療取得データを取得すること、
前記1人以上の個人のそれぞれの解剖学的組織に関連するパラメータ化されたモデルを取得すること、
前記パラメータ化されたモデルの1つまたは複数のパラメータを決定することであって、前記パラメータは前記生の医療取得データに関連する、前記決定すること、
前記生の医療取得データに基づいて、前記パラメータ化されたモデルの前記決定したパラメータのそれぞれについて1つまたは複数の値を予測するために機械学習システムをトレーニングすること、
選択した患者について医療取得情報を取得すること、及び、
前記トレーニングした機械学習システムを使用して前記患者の患者特有のパラメータ化されたモデルについてパラメータ値を決定すること、を備える、前記方法。
(項目18)
前記決定したパラメータ値は、血管中心線、解剖学的ポイント、解剖学的表面ポイントもしくは境界、または、その組合わせを含む解剖学的特徴の測定値を含み、
前記パラメータ化されたモデルは、血管モデル、疾患モデル、灌流モデル、運動モデル、血流モデルまたはその組合わせを含む、項目17に記載の非一時的コンピュータ可読媒体。
(項目19)
前記方法は、
前記選択した患者に対する前記医療取得情報に基づく画像再構成を生成し、
前記決定したパラメータ値に基づく前記画像再構成を検証するように更に構成される、項目17に記載の非一時的コンピュータ可読媒体。
(項目20)
前記方法は、
前記生の医療取得データと前記パラメータ化されたモデルのパラメータとの間の関連を決定し、
前記決定した関連に基づいて、前記パラメータ化したモデルパラメータのそれぞれについて前記1つまたは複数の値を予測することを更に備える、項目17に記載の非一時的コンピュータ可読媒体。
Claims (20)
- 生の医療取得データから解剖学的構造を決定する方法であって、前記方法が、
1人以上の個人の身体を透過するエネルギ及び粒子ならびにそこから発生するエネルギ及び粒子の伝達及び収集から生の医療取得データを取得すること、
前記1人以上の個人のそれぞれの解剖学的構造に関連するパラメータ化されたモデルを取得すること、
前記パラメータ化されたモデルのパラメータの1つまたは複数のタイプを決定すること、
前記生の医療取得データに基づいて、前記パラメータ化されたモデルのパラメータの前記決定したタイプのそれぞれについて1つまたは複数の値を予測するために機械学習システムをトレーニングすること、
選択した患者について生の医療取得データを取得すること、及び、
前記トレーニングした機械学習システムを使用して前記患者の患者特有のパラメータ化されたモデルについてパラメータ値を決定すること、を備える、方法。 - 前記決定したパラメータ値は、血管中心線、解剖学的ポイント、解剖学的表面ポイントもしくは境界、または、その組合わせを含む解剖学的特徴の測定値を含み、
前記パラメータ化されたモデルは、血管モデル、疾患モデル、灌流モデル、運動モデル、血流モデルまたはその組合わせを含む、請求項1に記載の方法。 - 前記選択した患者に対する前記生の医療取得データに基づく画像再構成を生成すること、及び、
前記決定したパラメータ値に基づく前記画像再構成を検証することを更に備える、請求項1に記載の方法。 - 前記生の医療取得データと前記パラメータ化されたモデルのパラメータとの間の関連を決定すること、及び、
前記決定した関連に基づいて、前記パラメータ化されたモデルのパラメータのそれぞれについて前記1つまたは複数の値を予測することを更に備える、請求項1に記載の方法。 - 前記生の医療取得データに関連する取得パラメータのセットを決定すること、及び、
前記機械学習システムを前記取得パラメータのセットに基づいてトレーニングすること、を更に備える、請求項1に記載の方法。 - 前記機械学習システムに関連するデータ取得様式を決定すること、及び、
前記機械学習システムに関連する前記データ取得様式に基づいて前記選択した患者に対する前記生の医療取得データを取得すること、を更に備える、請求項1に記載の方法。 - 前記生の医療取得データは、前記選択した患者以外の1人以上の個人から取得されたサイノグラムまたはk空間データ、前記選択した患者から取得されたデータ、または、シミュレートされたデータを含む、請求項1に記載の方法。
- 前記患者特有のパラメータ化されたモデルに基づく表示を生成すること、を更に備える、請求項1に記載の方法。
- 生の医療取得データから解剖学的構造を決定するシステムであって、前記システムが、
生の医療取得データから解剖学的構造を決定する命令を記憶するデータ記憶装置、及び、
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るプロセッサを備え、
前記方法が、
1人以上の個人の身体を透過するエネルギ及び粒子ならびにそこから発生するエネルギ及び粒子の伝達及び収集から生の医療取得データを取得すること、
前記1人以上の個人のそれぞれの解剖学的構造に関連するパラメータ化されたモデルを取得すること、
前記パラメータ化されたモデルのパラメータの1つまたは複数のタイプを決定すること、
前記生の医療取得データに基づいて、前記パラメータ化されたモデルのパラメータの前記決定したタイプのそれぞれについて1つまたは複数の値を予測するために機械学習システムをトレーニングすること、
選択した患者について生の医療取得データを取得すること、及び、
前記トレーニングした機械学習システムを使用して前記患者の患者特有のパラメータ化されたモデルについてパラメータ値を決定すること、を包含する、システム。 - 前記決定したパラメータ値は、血管中心線、解剖学的ポイント、解剖学的表面ポイントもしくは境界、または、その組合わせを含む解剖学的特徴の測定値を含み、
前記パラメータ化されたモデルは、血管モデル、疾患モデル、灌流モデル、運動モデル、血流モデルまたはその組合わせを含む、請求項9に記載のシステム。 - 前記プロセッサは、
前記選択した患者に対する前記生の医療取得データに基づく画像再構成を生成すること、及び、
前記決定したパラメータ値に基づく前記画像再構成を検証すること
を含む命令を実行するように更に構成される、請求項9に記載のシステム。 - 前記プロセッサは、
前記生の医療取得データと前記パラメータ化されたモデルのパラメータとの間の関連を決定すること、及び、
前記決定した関連に基づいて、前記パラメータ化されたモデルのパラメータのそれぞれについて前記1つまたは複数の値を予測すること
を含む命令を実行するように更に構成される、請求項10に記載のシステム。 - 前記プロセッサは、
前記生の医療取得データに関連する取得パラメータのセットを決定すること、及び、
前記取得パラメータのセットに基づいて前記機械学習システムをトレーニングすること
を含む命令を実行するように更に構成される、請求項9に記載のシステム。 - 前記プロセッサは、
前記機械学習システムに関連するデータ取得様式を決定すること、及び、
前記機械学習システムに関連する前記データ取得様式に基づいて前記選択した患者に対する前記生の医療取得データを取得すること
を含む命令を実行するように更に構成される、請求項9に記載のシステム。 - 前記生の医療取得データは、前記選択した患者以外の1人以上の個人から取得されたサイノグラムまたはk空間データ、前記選択した患者から取得されたデータ、または、シミュレートされたデータを含む、請求項9に記載のシステム。
- 前記プロセッサは、
前記患者特有のパラメータ化されたモデルに基づく表示を生成することを含む命令を実行するように更に構成される、請求項9に記載のシステム。 - 生の医療取得データから解剖学的構造を決定す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む、コンピュータシステムで使用するための非一時的コンピュータ可読媒体であって、前記方法は、
1人以上の個人の身体を透過するエネルギ及び粒子ならびにそこから発生するエネルギ及び粒子の伝達及び収集から生の医療取得データを取得すること、
前記1人以上の個人のそれぞれの解剖学的構造に関連するパラメータ化されたモデルを取得すること、
前記パラメータ化されたモデルのパラメータの1つまたは複数のタイプを決定すること、
前記生の医療取得データに基づいて、前記パラメータ化されたモデルのパラメータの前記決定したタイプのそれぞれについて1つまたは複数の値を予測するために機械学習システムをトレーニングすること、
選択した患者について生の医療取得データを取得すること、及び、
前記トレーニングした機械学習システムを使用して前記患者の患者特有のパラメータ化されたモデルについてパラメータ値を決定すること、を備える、非一時的コンピュータ可読媒体。 - 前記決定したパラメータ値は、血管中心線、解剖学的ポイント、解剖学的表面ポイントもしくは境界、または、その組合わせを含む解剖学的特徴の測定値を含み、
前記パラメータ化されたモデルは、血管モデル、疾患モデル、灌流モデル、運動モデル、血流モデルまたはその組合わせを含む、請求項17に記載の非一時的コンピュータ可読媒体。 - 前記方法は、
前記選択した患者に対する前記生の医療取得データに基づく画像再構成を生成すること、及び、
前記決定したパラメータ値に基づく前記画像再構成を検証することを更に備える、請求項17に記載の非一時的コンピュータ可読媒体。 - 前記方法は、
前記生の医療取得データと前記パラメータ化されたモデルのパラメータとの間の関連を決定すること、及び、
前記決定した関連に基づいて、前記パラメータ化されたモデルのパラメータのそれぞれについて前記1つまたは複数の値を予測することを更に備える、請求項17に記載の非一時的コンピュータ可読媒体。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US201662438509P | 2016-12-23 | 2016-12-23 | |
US62/438,509 | 2016-12-23 | ||
PCT/US2017/068125 WO2018119366A1 (en) | 2016-12-23 | 2017-12-22 | Machine learning of anatomical model parameters |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2020503095A JP2020503095A (ja) | 2020-01-30 |
JP7077319B2 true JP7077319B2 (ja) | 2022-05-30 |
Family
ID=61022427
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2019529544A Active JP7077319B2 (ja) | 2016-12-23 | 2017-12-22 | 解剖学的モデルパラメータの機械学習 |
Country Status (4)
Country | Link |
---|---|
US (4) | US10789706B2 (ja) |
EP (1) | EP3559903B1 (ja) |
JP (1) | JP7077319B2 (ja) |
WO (1) | WO2018119366A1 (ja) |
Families Citing this family (36)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10667790B2 (en) | 2012-03-26 | 2020-06-02 | Teratech Corporation | Tablet ultrasound system |
US9877699B2 (en) | 2012-03-26 | 2018-01-30 | Teratech Corporation | Tablet ultrasound system |
WO2015059706A2 (en) * | 2013-10-24 | 2015-04-30 | Cathworks Ltd. | Vascular characteristic determination with correspondence modeling of a vascular tree |
US12008751B2 (en) | 2015-08-14 | 2024-06-11 | Elucid Bioimaging Inc. | Quantitative imaging for detecting histopathologically defined plaque fissure non-invasively |
US12026868B2 (en) | 2015-08-14 | 2024-07-02 | Elucid Bioimaging Inc. | Quantitative imaging for detecting histopathologically defined plaque erosion non-invasively |
IL263066B2 (en) | 2016-05-16 | 2023-09-01 | Cathworks Ltd | Selecting blood vessels from images |
EP3457930B1 (en) | 2016-05-16 | 2023-11-15 | Cathworks Ltd. | System for vascular assessment |
EP3559903B1 (en) * | 2016-12-23 | 2023-03-22 | HeartFlow, Inc. | Machine learning of anatomical model parameters |
US11871995B2 (en) | 2017-12-18 | 2024-01-16 | Hemolens Diagnostics Sp. Z O.O. | Patient-specific modeling of hemodynamic parameters in coronary arteries |
WO2019126372A1 (en) | 2017-12-20 | 2019-06-27 | Heartflow, Inc. | Systems and methods for performing computer-simulated evaluation of treatments on a target population |
US10952705B2 (en) * | 2018-01-03 | 2021-03-23 | General Electric Company | Method and system for creating and utilizing a patient-specific organ model from ultrasound image data |
EP3571997B1 (de) * | 2018-05-23 | 2022-11-23 | Siemens Healthcare GmbH | Verfahren und vorrichtung zum bestimmen eines patientenge-wichts und/oder eines body-mass-index |
US11341647B2 (en) * | 2018-09-14 | 2022-05-24 | The Board Of Regents Of The University Of Texas System | Systems and methods for evaluating the brain after onset of a stroke using computed tomography angiography |
CN109671499B (zh) * | 2018-10-22 | 2023-06-13 | 南方医科大学 | 一种直肠毒性预测系统构建方法 |
US10835761B2 (en) | 2018-10-25 | 2020-11-17 | Elekta, Inc. | Real-time patient motion monitoring using a magnetic resonance linear accelerator (MR-LINAC) |
US11083913B2 (en) | 2018-10-25 | 2021-08-10 | Elekta, Inc. | Machine learning approach to real-time patient motion monitoring |
US10803987B2 (en) * | 2018-11-16 | 2020-10-13 | Elekta, Inc. | Real-time motion monitoring using deep neural network |
US11241208B2 (en) * | 2018-11-19 | 2022-02-08 | Terumo Kabushiki Kaisha | Diagnostic method, method for validation of diagnostic method, and treatment method |
EP3667618A1 (en) * | 2018-12-11 | 2020-06-17 | Koninklijke Philips N.V. | Deep partial-angle coronary restoration |
US11605455B2 (en) | 2018-12-22 | 2023-03-14 | GE Precision Healthcare LLC | Systems and methods for predicting outcomes using raw data |
KR102001790B1 (ko) * | 2018-12-24 | 2019-07-23 | (주)제이엘케이인스펙션 | 인공지능 기반 혈류 구간 분류 방법 및 시스템 |
US20220071497A1 (en) * | 2019-01-16 | 2022-03-10 | General Electric Company | Vascular assessment using acoustic sensing |
US10813612B2 (en) | 2019-01-25 | 2020-10-27 | Cleerly, Inc. | Systems and method of characterizing high risk plaques |
CN111820947B (zh) * | 2019-04-19 | 2023-08-29 | 无锡祥生医疗科技股份有限公司 | 超声心脏反流自动捕捉方法、系统及超声成像设备 |
CN110706803B (zh) * | 2019-08-20 | 2023-06-27 | 南京医基云医疗数据研究院有限公司 | 一种确定心肌纤维化的方法、装置、可读介质及电子设备 |
EP4087486A4 (en) | 2020-01-07 | 2024-02-14 | Cleerly, Inc. | SYSTEMS, METHODS AND DEVICES FOR MEDICAL IMAGE ANALYSIS, DIAGNOSIS, RISK STRATIFICATION, DECISION-MAKING AND/OR DISEASE MONITORING |
US11969280B2 (en) | 2020-01-07 | 2024-04-30 | Cleerly, Inc. | Systems, methods, and devices for medical image analysis, diagnosis, risk stratification, decision making and/or disease tracking |
US20220392065A1 (en) | 2020-01-07 | 2022-12-08 | Cleerly, Inc. | Systems, methods, and devices for medical image analysis, diagnosis, risk stratification, decision making and/or disease tracking |
US11580390B2 (en) | 2020-01-22 | 2023-02-14 | Canon Medical Systems Corporation | Data processing apparatus and method |
JP7370903B2 (ja) * | 2020-02-28 | 2023-10-30 | キヤノン株式会社 | 超音波診断装置、学習装置、画像処理方法およびプログラム |
CN111489360A (zh) * | 2020-03-18 | 2020-08-04 | 上海商汤智能科技有限公司 | 一种图像分割方法及相关设备 |
US20220068066A1 (en) * | 2020-08-25 | 2022-03-03 | SchoolSuite | Student life organization, population and emergency management system and method |
WO2023097314A1 (en) | 2021-11-29 | 2023-06-01 | Heartflow, Inc. | Systems and methods for processing electronic images for physiology-compensated reconstruction |
US20230165544A1 (en) | 2021-11-29 | 2023-06-01 | Heartflow, Inc. | Systems and methods for processing electronic images using user inputs |
US20230289963A1 (en) | 2022-03-10 | 2023-09-14 | Cleerly, Inc. | Systems, devices, and methods for non-invasive image-based plaque analysis and risk determination |
WO2024118949A1 (en) * | 2022-11-30 | 2024-06-06 | Popcheck Technologies, Inc. | Non-invasive apparatus, system and methods for monitoring blood flow and coagulation |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2005185560A (ja) | 2003-12-25 | 2005-07-14 | Konica Minolta Medical & Graphic Inc | 医用画像処理装置及び医用画像処理システム |
JP2010094422A (ja) | 2008-10-20 | 2010-04-30 | National Institute Of Advanced Industrial Science & Technology | 組織境界判別装置、組織境界判別方法、組織境界判別プログラムおよび当該プログラムを記録した記録媒体 |
JP2010504578A5 (ja) | 2007-09-17 | 2010-11-18 | ||
WO2015113895A1 (en) | 2014-01-28 | 2015-08-06 | Ventana Medical Systems, Inc. | Adaptive classification for whole slide tissue segmentation |
JP2016195748A (ja) | 2015-04-06 | 2016-11-24 | 国立大学法人 熊本大学 | 診断装置及び診断方法 |
Family Cites Families (20)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2010504578A (ja) * | 2006-09-22 | 2010-02-12 | 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 | 分類器アンサンブルを用いた遺伝的アルゴリズムに基づく特徴選択のための方法 |
US20080228040A1 (en) * | 2007-03-16 | 2008-09-18 | Arthur Solomon Thompson | International medical expert diagnosis |
US11395634B2 (en) * | 2008-10-29 | 2022-07-26 | Flashback Technologies, Inc. | Estimating physiological states based on changes in CRI |
US8315812B2 (en) * | 2010-08-12 | 2012-11-20 | Heartflow, Inc. | Method and system for patient-specific modeling of blood flow |
US9117289B2 (en) * | 2011-11-11 | 2015-08-25 | Konica Minolta, Inc. | Medical imaging system, medical image processing apparatus, and computer-readable medium |
US8548778B1 (en) | 2012-05-14 | 2013-10-01 | Heartflow, Inc. | Method and system for providing information from a patient-specific model of blood flow |
US20140241602A1 (en) * | 2013-02-28 | 2014-08-28 | Lawrence A. Lynn | System for Presentation of Sequential Blood Laboratory Measurements to Image Recognition Systems |
RU2526752C1 (ru) * | 2013-03-18 | 2014-08-27 | Корпорация "САМСУНГ ЭЛЕКТРОНИКС Ко., Лтд." | Система и способ для автоматического планирования двухмерных видов в объемных медицинских изображениях |
WO2015017571A1 (en) * | 2013-07-30 | 2015-02-05 | Heartflow, Inc. | Method and system for modeling blood flow with boundary conditions for optimized diagnostic performance |
US10296707B2 (en) * | 2014-04-10 | 2019-05-21 | Siemens Healthcare Gmbh | System and method for patient-specific image-based guidance of cardiac arrhythmia therapies |
US9058692B1 (en) * | 2014-04-16 | 2015-06-16 | Heartflow, Inc. | Systems and methods for image-based object modeling using multiple image acquisitions or reconstructions |
EP3278254A1 (en) * | 2015-04-02 | 2018-02-07 | HeartFlow, Inc. | Systems and methods for predicting tissue viability deficits from physiological, anatomical, and patient characteristics |
US20170132383A1 (en) * | 2015-11-10 | 2017-05-11 | Sentrian, Inc. | Systems and methods for automated rule generation and discovery for detection of health state changes |
US20180071452A1 (en) * | 2016-09-13 | 2018-03-15 | Siemens Healthcare Gmbh | System and Method for Optimizing Contrast Imaging of a Patient |
AU2017332031B2 (en) * | 2016-09-20 | 2022-12-08 | Heartflow, Inc. | System and methods for estimation of blood flow characteristics using reduced order model and machine learning |
US10127659B2 (en) * | 2016-11-23 | 2018-11-13 | General Electric Company | Deep learning medical systems and methods for image acquisition |
EP3559903B1 (en) * | 2016-12-23 | 2023-03-22 | HeartFlow, Inc. | Machine learning of anatomical model parameters |
US20190122073A1 (en) * | 2017-10-23 | 2019-04-25 | The Charles Stark Draper Laboratory, Inc. | System and method for quantifying uncertainty in reasoning about 2d and 3d spatial features with a computer machine learning architecture |
US10522253B2 (en) * | 2017-10-30 | 2019-12-31 | Siemens Healthcare Gmbh | Machine-learnt prediction of uncertainty or sensitivity for hemodynamic quantification in medical imaging |
US11564641B2 (en) * | 2018-04-26 | 2023-01-31 | Vektor Medical, Inc. | Generating simulated anatomies of an electromagnetic source |
-
2017
- 2017-12-22 EP EP17833053.6A patent/EP3559903B1/en active Active
- 2017-12-22 US US15/852,183 patent/US10789706B2/en active Active
- 2017-12-22 WO PCT/US2017/068125 patent/WO2018119366A1/en unknown
- 2017-12-22 JP JP2019529544A patent/JP7077319B2/ja active Active
-
2020
- 2020-08-25 US US17/001,767 patent/US11398029B2/en active Active
-
2022
- 2022-06-21 US US17/808,000 patent/US11847781B2/en active Active
-
2023
- 2023-11-06 US US18/502,344 patent/US20240070863A1/en active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2005185560A (ja) | 2003-12-25 | 2005-07-14 | Konica Minolta Medical & Graphic Inc | 医用画像処理装置及び医用画像処理システム |
JP2010504578A5 (ja) | 2007-09-17 | 2010-11-18 | ||
JP2010094422A (ja) | 2008-10-20 | 2010-04-30 | National Institute Of Advanced Industrial Science & Technology | 組織境界判別装置、組織境界判別方法、組織境界判別プログラムおよび当該プログラムを記録した記録媒体 |
WO2015113895A1 (en) | 2014-01-28 | 2015-08-06 | Ventana Medical Systems, Inc. | Adaptive classification for whole slide tissue segmentation |
JP2016195748A (ja) | 2015-04-06 | 2016-11-24 | 国立大学法人 熊本大学 | 診断装置及び診断方法 |
Also Published As
Publication number | Publication date |
---|---|
EP3559903B1 (en) | 2023-03-22 |
US11398029B2 (en) | 2022-07-26 |
EP3559903A1 (en) | 2019-10-30 |
US11847781B2 (en) | 2023-12-19 |
US20240070863A1 (en) | 2024-02-29 |
US20220327701A1 (en) | 2022-10-13 |
JP2020503095A (ja) | 2020-01-30 |
WO2018119366A1 (en) | 2018-06-28 |
US10789706B2 (en) | 2020-09-29 |
US20200388035A1 (en) | 2020-12-10 |
US20180182096A1 (en) | 2018-06-28 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP7077319B2 (ja) | 解剖学的モデルパラメータの機械学習 | |
CN108830848B (zh) | 利用计算机确定血管上的血管状况参数的序列的装置和系统 | |
US11501485B2 (en) | System and method for image-based object modeling using multiple image acquisitions or reconstructions | |
CN110853029B (zh) | 用于基于医学图像自动预测血流特征的方法、系统和介质 | |
CN111192316B (zh) | 用于动脉分析和评估的深度学习 | |
US9805168B2 (en) | Method and system for sensitivity analysis in modeling blood flow characteristics | |
EP3277169B1 (en) | Systems and methods for estimating virtual perfusion images | |
CN112640000A (zh) | 根据医学数据对预测性数字孪生体模型的数据驱动的估计 | |
CN112237436A (zh) | 针对医学成像中的灌注的深度学习 | |
JP2014100249A (ja) | 血管解析装置、医用画像診断装置、血管解析方法、及び血管解析プログラム | |
Tmenova et al. | CycleGAN for style transfer in X-ray angiography | |
JP6425916B2 (ja) | 処理装置、画像処理方法、プログラム、および、造形装置 | |
JP2015097759A (ja) | 血管解析装置、および血管解析方法 | |
CN106062754A (zh) | 用于健康计划管理的方法和系统 | |
US20220054022A1 (en) | Calculating boundary conditions for virtual ffr and ifr calculation based on myocardial blush characteristics | |
CN114072838A (zh) | 根据2d医学图像进行3d血管中心线重建 | |
US10463334B2 (en) | System and method for non-invasive, quantitative measurements of blood flow parameters in vascular networks | |
JP7443197B2 (ja) | 医用画像処理装置、システム及び方法 | |
JP2022171345A (ja) | 医用画像処理装置、医用画像処理方法及びプログラム |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20201221 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20211126 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20211206 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20220224 |
|
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: 20220427 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20220518 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 7077319 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |