JP7426990B2 - 効率的なエコー図比較を支援するための高度なループ選択システム及び方法 - Google Patents
効率的なエコー図比較を支援するための高度なループ選択システム及び方法 Download PDFInfo
- Publication number
- JP7426990B2 JP7426990B2 JP2021510371A JP2021510371A JP7426990B2 JP 7426990 B2 JP7426990 B2 JP 7426990B2 JP 2021510371 A JP2021510371 A JP 2021510371A JP 2021510371 A JP2021510371 A JP 2021510371A JP 7426990 B2 JP7426990 B2 JP 7426990B2
- Authority
- JP
- Japan
- Prior art keywords
- image sequence
- exam
- past
- current
- sequence
- 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 39
- 230000002452 interceptive effect Effects 0.000 claims description 46
- 230000000007 visual effect Effects 0.000 claims description 23
- 238000010801 machine learning Methods 0.000 claims description 14
- 238000013179 statistical model Methods 0.000 claims description 4
- 210000003484 anatomy Anatomy 0.000 claims description 3
- 230000003993 interaction Effects 0.000 description 14
- 230000008569 process Effects 0.000 description 5
- 206010027727 Mitral valve incompetence Diseases 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000004891 communication Methods 0.000 description 1
- 238000013527 convolutional neural network Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000003745 diagnosis Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 208000019622 heart disease Diseases 0.000 description 1
- 238000007477 logistic regression Methods 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000007637 random forest analysis Methods 0.000 description 1
- 238000012552 review Methods 0.000 description 1
- 239000000523 sample Substances 0.000 description 1
- 238000012706 support-vector machine Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 230000002861 ventricular Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H30/00—ICT specially adapted for the handling or processing of medical images
- G16H30/40—ICT specially adapted for the handling or processing of medical images for processing medical images, e.g. editing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/22—Matching criteria, e.g. proximity measures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/40—Software arrangements specially adapted for pattern recognition, e.g. user interfaces or toolboxes therefor
-
- 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
- G16H50/70—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for mining of medical data, e.g. analysing previous cases of other patients
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Data Mining & Analysis (AREA)
- Medical Informatics (AREA)
- Public Health (AREA)
- Theoretical Computer Science (AREA)
- Epidemiology (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Engineering & Computer Science (AREA)
- Bioinformatics & Cheminformatics (AREA)
- General Physics & Mathematics (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Radiology & Medical Imaging (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Artificial Intelligence (AREA)
- Bioinformatics & Computational Biology (AREA)
- Biomedical Technology (AREA)
- Databases & Information Systems (AREA)
- Pathology (AREA)
- Human Computer Interaction (AREA)
- Image Analysis (AREA)
- User Interface Of Digital Computer (AREA)
- Medical Treatment And Welfare Office Work (AREA)
Description
-シーケンスが同じビューの2つ以上の一連において最初である場合は、出力0を割り当てる。
-シーケンスが一連において最後である場合、予測モデルXを適用する。
以下、本願発明の形態に関して更に付記を示す。
(1) 比較されるべき現在の検査及び過去の検査からの画像シーケンスを受信するステップであって、前記画像シーケンスの各々は、前記画像シーケンスのビューに対応するデータを含む、ステップと、
前記現在の検査及び前記過去の検査の前記画像シーケンスの関連ビューを決定するステップと、
比較のために、前記現在の検査及び前記過去の検査の一方の前記関連ビューの画像シーケンスを選択するステップと、
対話型比較パネルを介して、前記現在の検査及び前記過去の検査の一方からの前記画像シーケンスをユーザに表示するステップと、
前記現在の検査及び前記過去の検査の他方の前記関連ビューのどの画像シーケンスが、前記選択された画像シーケンスに最も密接に一致するかを決定するステップと、
前記対話型比較パネルを介して、前記選択された画像シーケンスに最も密接に一致する前記現在の検査及び前記過去の検査の他方からの前記画像シーケンスを表示するステップと、
を含む、方法。
(2) 前記関連ビューの前記画像シーケンスの選択が、比較指示に基づくように、前記比較指示に対応する入力を受信するステップをさらに含む、(1)に記載の方法。
(3) 前記選択された画像シーケンスに対応するユーザ入力を受信するステップをさらに含む、(1)に記載の方法。
(4) 前記選択された画像シーケンスとの視覚的比較のために、前記ユーザによって選択された一致する画像シーケンスに対応するユーザ入力を受信するステップをさらに含む、(1)に記載の方法。
(5) 前記現在の検査及び前記過去の検査の一方からの前記画像シーケンスを選択するために、かつ、前記選択された画像シーケンスに最も密接に一致する前記現在の検査及び前記過去の検査の他方から前記画像シーケンスを決定するための機械学習モデル、統計モデル、及びルールベースのモデルのうちの少なくとも1つを作成するステップをさらに含む、(1)に記載の方法。
(6) 前記現在の検査及び前記過去の検査の一方からの前記画像シーケンスを選択するステップは、前記現在の検査及び前記過去の検査の一方の前記画像シーケンスの各々の取得順序を分析するステップを含む、(1)に記載の方法。
(7) 前記現在の検査及び前記過去の検査の一方からの前記画像シーケンスを選択するステップは、前記現在の検査及び前記過去の検査の一方の各画像シーケンスについて、前記各画像シーケンスが視覚的比較のために前記ユーザによって選択される尤度に対応する出力を生成するステップを含む、(1)に記載の方法。
(8) 所定の値よりも大きい出力を有する前記現在の検査及び前記過去の検査の一方の画像シーケンスが、前記対話型比較パネルを介して表示される、(7)に記載の方法。
(9) 前記現在の検査及び前記過去の検査の他方の前記関連ビューのどの画像シーケンスが前記選択された画像シーケンスに最も密接に一致するかを決定するステップは、前記関連ビューにおける前記現在の検査及び前記過去の検査の他方の各画像シーケンスについて、前記現在の検査及び前記過去の検査の他方の各画像シーケンスと前記選択された画像シーケンスとの間の類似性のレベルに対応するスコアを出力するステップを含む、(1)に記載の方法。
(10) 所定の値よりも大きい出力スコアを有する前記現在の検査及び前記過去の検査の他方の画像シーケンスが、前記対話型比較パネルを介して表示される、(9)に記載の方法。
(11) 実行可能プログラムを記憶する非一時的コンピュータ可読記憶媒体と、
プロセッサと、
を含み、
前記プロセッサは前記実行可能プログラムを実行して、前記実行可能プログラムが前記プロセッサに、
比較されるべき現在の検査及び過去の検査からの画像シーケンスを受信させ、前記画像シーケンスの各々は、前記画像シーケンスのビューに対応するデータを含み、
前記現在の検査及び前記過去の検査の前記画像シーケンスの関連ビューを決定させ、
比較のために、前記現在の検査及び前記過去の検査の一方の前記関連ビューの画像シーケンスを選択させ、
対話型比較パネルを介して、前記現在の検査及び前記過去の検査の一方からの前記画像シーケンスをユーザに表示させ、
前記現在の検査及び前記過去の検査の他方の前記関連ビューのどの画像シーケンスが、
前記選択された画像シーケンスに最も密接に一致するかを決定させ、
前記対話型比較パネルを介して、前記選択された画像シーケンスに最も密接に一致する前記現在の検査及び前記過去の検査の他方からの前記画像シーケンスをさせる、
システム。
(12) 前記プロセッサは前記実行可能プログラムを実行して、前記実行可能プログラムが前記プロセッサに、
前記関連ビューの前記画像シーケンスの選択が比較指示に基づくように、前記比較指示に対応する入力を受信させる、
(11)に記載のシステム。
(13) 前記プロセッサは前記実行可能プログラムを実行して、前記実行可能プログラムが前記プロセッサに、
前記選択された画像シーケンスに対応するユーザ入力を受信させる、
(11)に記載のシステム。
(14) 前記プロセッサは前記実行可能プログラムを実行して、前記実行可能プログラムが前記プロセッサに、
前記選択された画像シーケンスと視覚的に比較するために、前記ユーザによって選択された一致する画像シーケンスに対応するユーザ入力に受信させる、
(11)に記載のシステム。
(15) 前記プロセッサは前記実行可能プログラムを実行して、前記プロセッサに、
前記現在の検査及び前記過去の検査の一方からの前記画像シーケンスを選択するために、かつ、前記選択された画像シーケンスに最も密接に一致する前記現在の検査及び前記過去の検査の他方から前記画像シーケンスを決定するための機械学習モデル、統計モデル、及びルールベースのモデルのうちの少なくとも1つを作成させる、(11)に記載のシステム。
(16) 前記現在の検査及び前記過去の検査の一方からの前記画像シーケンスを選択することは、前記現在の検査及び前記過去の検査の一方の前記画像シーケンスの各々の取得順序を分析することを含む、(11)に記載のシステム。
(17) 前記現在の検査及び前記過去の検査の一方からの前記画像シーケンスを選択することは、前記現在の検査及び前記過去の検査の一方の各画像シーケンスについて、前記各画像シーケンスが視覚的比較のために前記ユーザによって選択される尤度に対応する出力を生成することを含む、(11)に記載のシステム。
(18) 所定の値よりも大きい出力を有する前記現在の検査及び前記過去の検査の一方の画像シーケンスが、前記対話型比較パネルを介して表示される、(17)に記載のシステム。
(19) 前記現在の検査及び前記過去の検査の他方の前記関連ビューのどの画像シーケンスが、前記選択された画像シーケンスに最も密接に一致するかを決定することは、前記関連ビューにおける前記現在の検査及び前記過去の検査の他方の各画像シーケンスについて、前記現在の検査及び前記過去の検査の他方の各画像シーケンスと前記選択された画像シーケンスとの間の類似性のレベルに対応するスコアを出力することを含む、(11)に記載のシステム。
(20) プロセッサによって実行可能な命令のセットを含む非一時的コンピュータ可読記憶媒体であって、前記命令のセットは、前記プロセッサによって実行されると、前記プロセッサに、
比較されるべき現在の検査及び過去の検査からの画像シーケンスを受信する動作であって、前記画像シーケンスの各々は、前記画像シーケンスのビューに対応するデータを含む、受信する動作と、
前記現在の検査及び前記過去の検査の前記画像シーケンスの関連ビューを決定する動作と、
比較のために、前記現在の検査及び前記過去の検査の一方の前記関連ビューの画像シーケンスを選択する動作と、
対話型比較パネルを介して、前記現在の検査及び前記過去の検査の一方からの前記画像シーケンスをユーザに表示する動作と、
前記現在の検査及び前記過去の検査の他方の前記関連ビューのどの画像シーケンスが、
前記選択された画像シーケンスに最も密接に一致するかを決定する動作と、
前記対話型比較パネルを介して、前記選択された画像シーケンスに最も密接に一致する前記現在の検査及び前記過去の検査の他方からの前記画像シーケンスを表示する動作と、
を含む動作を行わせる、非一時的コンピュータ可読記憶媒体。
Claims (15)
- ユーザによって視覚的に比較されるべき現在及び過去の心エコー検査の心エコー図ビューの画像シーケンスを選択するため、コンピュータ実施される方法であって、前記方法は、
比較されるべき現在の心エコー検査及び過去の心エコー検査の各々からの画像シーケンスを受信するステップであって、前記画像シーケンスの各々は、前記画像シーケンスのビューに対応するデータを含む、ステップと、
ユーザから比較指示を受信するステップであって、前記比較指示は、比較される状態又は解剖学的構造を含む、ステップと、
前記比較指示を示す前記現在の検査及び前記過去の検査の前記画像シーケンスの前記心エコー図ビューを決定するステップと、
比較のために、前記現在の検査及び前記過去の検査の一方の前記心エコー図ビューの画像シーケンスを選択するステップと、
対話型比較パネルを介して、前記現在の検査及び前記過去の検査の前記一方からの前記選択された画像シーケンスをユーザに表示するステップと、
前記現在の検査及び前記過去の検査の他方の前記心エコー図ビューのどの画像シーケンスが、前記一方からの前記選択された画像シーケンスに最も密接に一致するかを決定するステップと、
前記対話型比較パネルを介して、前記選択された画像シーケンスに最も密接に一致する前記現在の検査及び前記過去の検査の前記他方からの前記画像シーケンスを表示するステップと、
を含む、方法。 - 前記選択された画像シーケンスに対応するユーザ入力を受信するステップをさらに含む、請求項1に記載の方法。
- 前記選択された画像シーケンスとの視覚的比較のために、前記選択された画像シーケンスに最も密接に一致する前記他方の前記心エコー図ビューの画像シーケンスに対応するユーザ入力を受信するステップをさらに含む、請求項1に記載の方法。
- 前記現在の検査及び前記過去の検査の前記一方からの前記画像シーケンスを選択するために、かつ、前記選択された画像シーケンスに最も密接に一致する前記現在の検査及び前記過去の検査の前記他方から前記画像シーケンスを決定するための機械学習モデル、統計モデル、及びルールベースのモデルのうちの少なくとも1つを作成するステップをさらに含む、請求項1に記載の方法。
- 前記現在の検査及び前記過去の検査の前記一方からの前記画像シーケンスを選択するステップは、前記現在の検査及び前記過去の検査の前記一方の前記画像シーケンスの各々の取得順序を分析するステップを含む、請求項1に記載の方法。
- 前記現在の検査及び前記過去の検査の前記一方からの前記画像シーケンスを選択するステップは、前記現在の検査及び前記過去の検査の前記一方の各画像シーケンスについて、前記各画像シーケンスが視覚的比較のために前記ユーザによって選択される尤度に対応する出力を生成するステップを含む、請求項1に記載の方法。
- 所定の値よりも大きい前記尤度を有する前記現在の検査及び前記過去の検査の前記一方の画像シーケンスが、前記対話型比較パネルを介して表示される、請求項6に記載の方法。
- 前記現在の検査及び前記過去の検査の前記他方の前記心エコー図ビューのどの画像シーケンスが前記選択された画像シーケンスに最も密接に一致するかを決定するステップは、前記心エコー図ビューにおける前記現在の検査及び前記過去の検査の前記他方の各画像シーケンスについて、前記現在の検査及び前記過去の検査の前記他方の各画像シーケンスと前記選択された画像シーケンスとの間の類似性のレベルに対応するスコアを出力するステップを含む、請求項1に記載の方法。
- 所定の値よりも大きい前記スコアを有する前記現在の検査及び前記過去の検査の前記他方の画像シーケンスが、前記対話型比較パネルを介して表示される、請求項8に記載の方法。
- 実行可能プログラムを記憶する非一時的コンピュータ可読記憶媒体と、
プロセッサと、
を含み、
前記プロセッサは前記実行可能プログラムを実行して、前記実行可能プログラムが前記プロセッサに、
比較されるべき現在の心エコー検査及び過去の心エコー検査の各々からの画像シーケンスを受信させ、前記画像シーケンスの各々は、前記画像シーケンスのビューに対応するデータを含み、
ユーザからの比較指示を受信させ、前記比較指示は、比較される状態又は解剖学的構造を含み、
前記比較指示を示す前記現在の検査及び前記過去の検査の前記画像シーケンスの心エコー図ビューを決定させ、
比較のために、前記現在の検査及び前記過去の検査の一方の前記心エコー図ビューの画像シーケンスを選択させ、
対話型比較パネルを介して、前記現在の検査及び前記過去の検査の前記一方からの前記選択された画像シーケンスをユーザに表示させ、
前記現在の検査及び前記過去の検査の他方の前記心エコー図ビューのどの画像シーケンスが、前記一方からの前記選択された画像シーケンスに最も密接に一致するかを決定させ、
前記対話型比較パネルを介して、前記選択された画像シーケンスに最も密接に一致する前記現在の検査及び前記過去の検査の前記他方からの前記画像シーケンスを表示させる、
システム。 - 前記プロセッサは前記実行可能プログラムを実行して、前記実行可能プログラムが前記プロセッサに、
前記選択された画像シーケンスに対応するユーザ入力を受信させる、
請求項10に記載のシステム。 - 前記プロセッサは前記実行可能プログラムを実行して、前記実行可能プログラムが前記プロセッサに、
前記選択された画像シーケンスと視覚的に比較するために、前記選択された画像シーケンスに最も密接に一致する前記他方の前記心エコー図ビューの画像シーケンスに対応するユーザ入力を受信させる、
請求項10に記載のシステム。 - 前記プロセッサは前記実行可能プログラムを実行して、前記プロセッサに、
前記現在の検査及び前記過去の検査の前記一方からの前記画像シーケンスを選択するために、かつ、前記選択された画像シーケンスに最も密接に一致する前記現在の検査及び前記過去の検査の前記他方から前記画像シーケンスを決定するための機械学習モデル、統計モデル、及びルールベースのモデルのうちの少なくとも1つを作成させる、請求項10に記載のシステム。 - 前記現在の検査及び前記過去の検査の前記他方の前記心エコー図ビューのどの画像シーケンスが、前記選択された画像シーケンスに最も密接に一致するかを決定することは、前記心エコー図ビューにおける前記現在の検査及び前記過去の検査の前記他方の各画像シーケンスについて、前記現在の検査及び前記過去の検査の前記他方の各画像シーケンスと前記選択された画像シーケンスとの間の類似性のレベルに対応するスコアを出力することを含む、請求項10に記載のシステム。
- プロセッサによって実行可能な命令のセットを含む非一時的コンピュータ可読記憶媒体であって、前記命令のセットは、前記プロセッサによって実行されると、前記プロセッサに、請求項1から9のいずれか一項に記載の方法の動作を行わせる、非一時的コンピュータ可読記憶媒体。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US201862723678P | 2018-08-28 | 2018-08-28 | |
US62/723,678 | 2018-08-28 | ||
PCT/EP2019/072757 WO2020043684A1 (en) | 2018-08-28 | 2019-08-27 | Advanced loop selection systems and methods for supporting efficient echo comparison |
Publications (3)
Publication Number | Publication Date |
---|---|
JP2021536608A JP2021536608A (ja) | 2021-12-27 |
JPWO2020043684A5 JPWO2020043684A5 (ja) | 2022-09-05 |
JP7426990B2 true JP7426990B2 (ja) | 2024-02-02 |
Family
ID=67847686
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2021510371A Active JP7426990B2 (ja) | 2018-08-28 | 2019-08-27 | 効率的なエコー図比較を支援するための高度なループ選択システム及び方法 |
Country Status (5)
Country | Link |
---|---|
US (1) | US11990226B2 (ja) |
EP (1) | EP3844770A1 (ja) |
JP (1) | JP7426990B2 (ja) |
CN (1) | CN112655050A (ja) |
WO (1) | WO2020043684A1 (ja) |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2006175219A (ja) | 2004-11-26 | 2006-07-06 | Toshiba Corp | 超音波診断装置及びその制御方法 |
JP2010097476A (ja) | 2008-10-17 | 2010-04-30 | Toshiba Corp | 画像検索装置及びその方法 |
Family Cites Families (17)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7458936B2 (en) | 2003-03-12 | 2008-12-02 | Siemens Medical Solutions Usa, Inc. | System and method for performing probabilistic classification and decision support using multidimensional medical image databases |
ATE438161T1 (de) * | 2005-01-19 | 2009-08-15 | Koninkl Philips Electronics Nv | Bildverarbeitungssystem und verfahren zur anordnung von bildern |
US7634121B2 (en) | 2005-03-01 | 2009-12-15 | General Electric Company | Method and system for rule-based comparison study matching to customize a hanging protocol |
US7747050B2 (en) * | 2005-11-23 | 2010-06-29 | General Electric Company | System and method for linking current and previous images based on anatomy |
WO2010029470A1 (en) * | 2008-09-10 | 2010-03-18 | Koninklijke Philips Electronics N.V. | System and method for processing medical images |
EP3242270B1 (en) * | 2010-12-20 | 2021-03-03 | Koninklijke Philips N.V. | System and method for automatic generation of initial radiation treatment plans |
US8891881B2 (en) | 2012-01-25 | 2014-11-18 | General Electric Company | System and method for identifying an optimal image frame for ultrasound imaging |
WO2014053986A2 (en) * | 2012-10-01 | 2014-04-10 | Koninklijke Philips N.V. | Multi-study medical image navigation |
US9542591B2 (en) * | 2013-02-28 | 2017-01-10 | Progyny, Inc. | Apparatus, method, and system for automated, non-invasive cell activity tracking |
JP6461909B2 (ja) * | 2013-03-29 | 2019-01-30 | コーニンクレッカ フィリップス エヌ ヴェKoninklijke Philips N.V. | 放射線所見のコンテキスト駆動型概要ビュー |
US9646389B2 (en) * | 2014-08-26 | 2017-05-09 | Qualcomm Incorporated | Systems and methods for image scanning |
US9842390B2 (en) | 2015-02-06 | 2017-12-12 | International Business Machines Corporation | Automatic ground truth generation for medical image collections |
US9786051B2 (en) * | 2015-04-23 | 2017-10-10 | Derrick K. Harper | System combining automated searches of cloud-based radiologic images, accession number assignment, and interfacility peer review |
JP6748199B2 (ja) | 2015-10-02 | 2020-08-26 | コーニンクレッカ フィリップス エヌ ヴェKoninklijke Philips N.V. | 所見を関連する心エコー図ループにマッピングするためのシステム |
US10667794B2 (en) | 2016-10-17 | 2020-06-02 | International Business Machines Corporation | Automatic detection of disease from analysis of echocardiographer findings in echocardiogram videos |
EP3545523B1 (en) * | 2016-11-23 | 2023-10-18 | Koninklijke Philips N.V. | A closed-loop system for contextually-aware image-quality collection and feedback |
KR101912570B1 (ko) * | 2018-07-11 | 2018-10-26 | 전북대학교산학협력단 | 인공신경망을 이용한 물체 추적시스템 |
-
2019
- 2019-08-27 EP EP19762733.4A patent/EP3844770A1/en active Pending
- 2019-08-27 JP JP2021510371A patent/JP7426990B2/ja active Active
- 2019-08-27 WO PCT/EP2019/072757 patent/WO2020043684A1/en unknown
- 2019-08-27 CN CN201980056556.3A patent/CN112655050A/zh active Pending
- 2019-08-27 US US17/267,955 patent/US11990226B2/en active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2006175219A (ja) | 2004-11-26 | 2006-07-06 | Toshiba Corp | 超音波診断装置及びその制御方法 |
JP2010097476A (ja) | 2008-10-17 | 2010-04-30 | Toshiba Corp | 画像検索装置及びその方法 |
Also Published As
Publication number | Publication date |
---|---|
EP3844770A1 (en) | 2021-07-07 |
US20210216812A1 (en) | 2021-07-15 |
US11990226B2 (en) | 2024-05-21 |
CN112655050A (zh) | 2021-04-13 |
WO2020043684A1 (en) | 2020-03-05 |
JP2021536608A (ja) | 2021-12-27 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10902588B2 (en) | Anatomical segmentation identifying modes and viewpoints with deep learning across modalities | |
EP3982292A1 (en) | Method for training image recognition model, and method and apparatus for image recognition | |
US7653227B2 (en) | Hierarchical modeling in medical abnormality detection | |
AU2004316027B2 (en) | Systems and methods for automated diagnosis and decision support for heart related diseases and conditions | |
US8422752B2 (en) | Diagnosis assisting apparatus, diagnosis assisting method, and storage medium in which a diagnosis assisting program is recorded | |
US7693315B2 (en) | Systems and methods for providing automated regional myocardial assessment for cardiac imaging | |
EP3117771B1 (en) | Direct computation of image-derived biomarkers | |
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 | |
US20210142480A1 (en) | Data processing method and apparatus | |
EP3786972A1 (en) | Improving performance of machine learning models for automatic quantification of coronary artery disease | |
CN108492885A (zh) | 检查工作流推荐方法、装置及终端 | |
Wehbe et al. | Deep learning for cardiovascular imaging: A review | |
Badano et al. | Artificial intelligence and cardiovascular imaging: A win-win combination. | |
EP3896702A1 (en) | Cardiovascular assessment of patients suspected of having covid-19 | |
JP7426990B2 (ja) | 効率的なエコー図比較を支援するための高度なループ選択システム及び方法 | |
US11030490B2 (en) | Performance of machine learning models for automatic quantification of coronary artery disease | |
CN115908330A (zh) | 基于dsa影像的冠脉自动化选帧分类推荐方法及装置 | |
US20240127432A1 (en) | Image sequence analysis | |
JP7408381B2 (ja) | 画像処理装置、プログラム及び方法 | |
US20230196557A1 (en) | Late Gadolinium Enhancement Analysis for Magnetic Resonance Imaging | |
Magyar et al. | RVENet: A large echocardiographic dataset for the deep learning-based assessment of right ventricular function | |
US20230098121A1 (en) | System and method for prognosis management based on medical information of patient | |
Colantonio et al. | Decision Support and Image & Signal Analysis in Heart Failure | |
EP4246526A1 (en) | System and method for providing enhancing or contrast agent advisability indicator | |
Ho et al. | Deep Learning-Based Intravascular Ultrasound Images Segmentation in Coronary Artery Disease: A Start Developing the Cornerstone |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20220826 |
|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20220826 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20230816 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20230920 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20231219 |
|
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: 20231225 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20240123 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 7426990 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |