JPWO2020219620A5 - - Google Patents
Download PDFInfo
- Publication number
- JPWO2020219620A5 JPWO2020219620A5 JP2021562965A JP2021562965A JPWO2020219620A5 JP WO2020219620 A5 JPWO2020219620 A5 JP WO2020219620A5 JP 2021562965 A JP2021562965 A JP 2021562965A JP 2021562965 A JP2021562965 A JP 2021562965A JP WO2020219620 A5 JPWO2020219620 A5 JP WO2020219620A5
- Authority
- JP
- Japan
- Prior art keywords
- hotspot
- hotspots
- processor
- region
- human subject
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Description
本発明について、特定の好ましい実施形態に関して詳細に図示し、説明してきたが、当業者には、添付の特許請求の範囲によって定められる本発明の主旨および範囲から逸脱することなく、各種の形態および詳細の変更が行われ得ることが理解されるべきである。
本発明は、例えば、以下の項目を提供する。
(項目１)
ヒト対象の核医学画像の病変マーキングおよび定量分析のための方法であって、
（ａ）コンピューティングデバイスのプロセッサにより、前記ヒト対象の骨スキャン画像セットにアクセスするステップであって、前記骨スキャン画像セットは、前記ヒト対象への薬剤の投与後に得られたものである、ステップと、
（ｂ）前記プロセッサにより、前記骨スキャン画像セット内の各画像を自動的にセグメント化して、前記ヒト対象の骨格の特定の解剖学的領域に各々が対応する１つまたは複数の骨格関心領域を特定し、それによりアノテーションされた画像のセットを得るステップであって、前記１つまたは複数の骨格関心領域は、
（ｉ）前記ヒト対象の大腿骨の一部分に対応する大腿骨領域であって、前記大腿骨の一部分は、前記大腿骨の長さに沿って前記大腿骨の少なくとも４分の３を包含する大腿骨領域、および
（ｉｉ）前記ヒト対象の上腕骨の一部分に対応する上腕骨領域であって、前記上腕骨の一部分は、前記上腕骨の長さに沿って前記上腕骨の少なくとも４分の３を包含する上腕骨領域、
のうち少なくとも一方を含む、ステップと、
（ｃ）前記プロセッサにより、１つまたは複数のホットスポットの初期のセットを自動的に検出するステップであって、各ホットスポットは、前記アノテーションされた画像のセット内の高い強度のエリアに対応し、前記自動的に検出することは、前記アノテーションされた画像のセット内の画素の強度を使用して、かつ１つまたは複数の領域依存閾値を使用して、前記１つまたは複数のホットスポットを特定することを含み、前記１つまたは複数の領域依存閾値は、当該領域内での前記薬剤の取り込みの低下を補償するために前記大腿骨領域および／または前記上腕骨領域内で高められたホットスポット検出感度を提供する、前記大腿骨領域および／または前記上腕骨領域に関連付けられた１つまたは複数の値を含む、ステップと、
（ｄ）前記ホットスポットの初期のセット内の各ホットスポットについて、前記プロセッサにより、前記ホットスポットに関連するホットスポット特徴のセットを抽出するステップと、
（ｅ）前記ホットスポットの初期のセット内の各ホットスポットについて、前記プロセッサにより、前記ホットスポットに関連する前記ホットスポット特徴のセットに基づいて、前記ホットスポットが転移を表す見込みに対応する転移見込み値を計算するステップと、
（ｆ）前記プロセッサにより、前記ホットスポットの初期のセットの少なくとも一部分のグラフィック表現を、グラフィカルユーザインターフェース（ＧＵＩ）内に表示するためにレンダリングさせるステップと、を含む方法。
(項目２)
ステップ（ｂ）が、
前記骨スキャン画像セットの各メンバを、アトラス画像セットのうちの対応するアトラス画像と比較するステップであって、各アトラス画像が、前記１つまたは複数の骨格関心領域の１つまたは複数の特定を含み、前記骨格関心領域は、前記大腿骨領域および／または前記上腕骨領域を含む、ステップと、
前記骨スキャン画像セットの各画像について、前記アトラス画像の前記１つまたは複数の骨格関心領域の前記特定が前記骨スキャン画像セットの前記画像に適用されるように、前記対応するアトラス画像を、前記骨スキャン画像セットの前記画像と位置合わせするステップと、を含む、項目１に記載の方法。
(項目３)
各アトラス画像が、（ｉ）前記ヒト対象の膝領域の少なくとも一部分を含む前記大腿骨領域、および／または（ｉｉ）前記ヒト対象の肘領域の少なくとも一部分を含む前記上腕骨領域、の特定を含み、前記骨スキャン画像セットの各画像について、前記骨スキャン画像への前記対応するアトラス画像の前記位置合わせが、前記特定された膝領域および／または前記特定された肘領域を、前記画像内でランドマークとして使用することを含む、項目２に記載の方法。
(項目４)
前記初期のホットスポットセットのうち少なくとも１つの検出されたホットスポットの場所が、前記ヒト対象の殿部の方を向いた大腿骨の端部から前記ヒト対象の膝の方を向いた前記大腿骨の端部までの前記大腿骨に沿った距離の４分の３超のところにある、前記大腿骨の中または上の物理的場所に対応する、前記項目のいずれか一項に記載の方法。
(項目５)
前記初期のホットスポットセットのうち少なくとも１つの検出されたホットスポットの場所が、前記ヒト対象の肩の方を向いた上腕骨の端部から前記ヒト対象の肘の方を向いた前記上腕骨の端部までの前記上腕骨に沿った距離の４分の３超のところにある、前記上腕骨の中または上の物理的場所に対応する、前記項目のいずれか一項に記載の方法。
(項目６)
ステップ（ｃ）が、
前記プロセッサにより、前記骨スキャン画像セットのうちホットスポットを全く含まないと判定された画像内で健康な組織領域を特定するステップと、
前記プロセッサにより、正規化係数を、前記正規化係数と前記特定された健康な組織領域の平均強度との積が事前に定められた強度レベルになるように計算するステップと、
前記プロセッサにより、前記正規化係数によって前記骨スキャン画像セットの前記画像を正規化するステップと、を含む、前記項目のいずれか一項に記載の方法。
(項目７)
（ｇ）前記プロセッサにより、前記ホットスポットの初期のセットによって占められている前記ヒト対象の前記骨格の算出された割合に少なくとも部分的に基づいて、前記ヒト対象についての１つまたは複数のリスク指標値を計算するステップ、をさらに含む、前記項目のいずれか一項に記載の方法。
(項目８)
（ｈ）前記プロセッサにより、前記転移見込み値に少なくとも部分的に基づいて、前記ホットスポットの初期のセットの第１のサブセットを選択するステップと、
（ｉ）前記プロセッサにより、前記第１のサブセットのグラフィック表現を、グラフィカルユーザインターフェース（ＧＵＩ）内に表示するためにレンダリングさせるステップと、
を含む、前記項目のいずれか一項に記載の方法。
(項目９)
（ｊ）前記プロセッサにより、ホットスポットの前記第１のサブセットによって占められる前記ヒト対象の前記骨格の算出された割合に少なくとも部分的に基づいて、前記ヒト対象についての１つまたは複数のリスク指標値を計算するステップ、をさらに含む、項目８に記載の方法。
(項目１０)
（ｋ）前記プロセッサにより、前記ＧＵＩを介して、前記ホットスポットの初期のセットの第２のサブセットのユーザ選択を受け取るステップと、
（ｌ）前記プロセッサにより、ホットスポットの前記第２のサブセットによって占められる前記ヒト対象の前記骨格の算出された割合に少なくとも部分的に基づいて、前記ヒト対象についての１つまたは複数のリスク指標値を計算するステップ、
を含む、前記項目のいずれか一項に記載の方法。
(項目１１)
前記リスク指標値の少なくとも１つが、前記ヒト対象が転移性がんを有するおよび／または発症するリスクを示す、項目７から１０のいずれか一項に記載の方法。
(項目１２)
前記転移性がんが転移性前立腺がんである、項目１１に記載の方法。
(項目１３)
前記リスク指標値の少なくとも１つが、前記ヒト対象が特定の状態の転移性がんを有することを示す、項目７から１０のいずれか一項に記載の方法。
(項目１４)
前記プロセッサが、クラウドベースのシステムのプロセッサである、前記項目のいずれか一項に記載の方法。
(項目１５)
前記ＧＵＩが、一般的な写真保管および通信システム（ＰＡＣＳ）の一部である、前記項目のいずれか一項に記載の方法。
(項目１６)
前記薬剤が、メチレンジホスホン酸テクネチウム９９ｍ（ ９９ｍ Ｔｃ－ＭＤＰ）を含む、前記項目のいずれか一項に記載の方法。
(項目１７)
ヒト対象の核医学画像の病変マーキングおよび定量分析のための方法であって、
（ａ）コンピューティングデバイスのプロセッサにより、前記ヒト対象の骨スキャン画像セットにアクセスするステップであって、前記骨スキャン画像セットは、前記ヒト対象への薬剤の投与後に得られたものである、ステップと、
（ｂ）前記プロセッサにより、前記骨スキャン画像セット内の各画像を自動的にセグメント化して、前記ヒト対象の骨格の特定の解剖学的領域に各々が対応する１つまたは複数の骨格関心領域を特定し、それによりアノテーションされた画像のセットを得るステップと、
（ｃ）前記プロセッサにより、１つまたは複数のホットスポットの初期のセットを自動的に検出するステップであって、各ホットスポットは、前記アノテーションされた画像のセット内の高い強度のエリアに対応し、前記自動的に検出することは、
（ｉ）前記アノテーションされた画像のセット内の画素の強度、および（ｉｉ）複数の事前閾値、を使用して、潜在的なホットスポットのセットを検出すること、
前記潜在的なホットスポットのセットを使用してグローバル閾値スケーリング率を算出すること、
前記グローバル閾値スケーリング率を使用して前記複数の事前閾値を調節し、それにより複数の調節済みの閾値を得ること、および
（ｉ）前記アノテーションされた画像のセット内の画素の強度、および（ｉｉ）前記複数の調節済みの閾値、を使用して、前記ホットスポットの初期のセットを特定すること、を含む、ステップと、
（ｄ）前記ホットスポットの初期のセット内の各ホットスポットについて、前記プロセッサにより、前記ホットスポットに関連するホットスポット特徴のセットを抽出するステップと、
（ｅ）前記ホットスポットの初期のセット内の各ホットスポットについて、前記プロセッサにより、前記ホットスポットに関連する前記ホットスポット特徴のセットに基づいて、前記ホットスポットが転移を表す見込みに対応する転移見込み値を計算するステップと、
（ｆ）前記プロセッサにより、前記ホットスポットの初期のセットの少なくとも一部分のグラフィック表現を、グラフィカルユーザインターフェース（ＧＵＩ）内に表示するためにレンダリングさせるステップと、を含む方法。
(項目１８)
前記グローバル閾値スケーリング率が、前記ヒト対象の疾病負荷の測度の関数であり、ステップ（ｃ）で行われる前記複数の事前閾値を前記調節することが、増大する疾病負荷に伴って発生するホットスポット面積の過小推定を補償するために、疾病負荷が増大するのに従って前記調節済みの閾値を低減させることを含む、項目１７に記載の方法。
(項目１９)
前記グローバル閾値スケーリング率が、前記特定された骨格領域のうち前記潜在的なホットスポットのセットによって占められる割合の関数である、項目１７または１８に記載の方法。
(項目２０)
前記グローバル閾値スケーリング率が、前記潜在的なホットスポットのセットを使用して計算されたリスク指標値に基づく、項目１７から１９のいずれか一項に記載の方法。
(項目２１)
ヒト対象の核医学画像の病変マーキングおよび定量分析のための方法であって、
（ａ）コンピューティングデバイスのプロセッサにより、前記ヒト対象の骨スキャン画像セットにアクセスするステップであって、前記骨スキャン画像セットは、前記ヒト対象への薬剤の投与後に得られたものである、ステップと、
（ｂ）前記プロセッサにより、前記骨スキャン画像セット内の各画像を自動的にセグメント化して、前記ヒト対象の骨格の特定の解剖学的領域に各々が対応する１つまたは複数の骨格関心領域を特定し、それによりアノテーションされた画像のセットを得るステップと、
（ｃ）前記プロセッサにより、１つまたは複数のホットスポットの初期のセットを自動的に検出するステップであって、各ホットスポットは、前記アノテーションされた画像のセット内の高い強度のエリアに対応する、ステップと、
（ｄ）前記ホットスポットの初期のセット内の各ホットスポットについて、前記プロセッサにより、前記ホットスポットに関連するホットスポット特徴のセットを抽出するステップと、
（ｅ）前記ホットスポットの初期のセット内の各ホットスポットについて、前記プロセッサにより、前記ホットスポットに関連する前記ホットスポット特徴のセットに基づいて、前記ホットスポットが転移を表す見込みに対応する転移見込み値を計算するステップと、
（ｆ）前記プロセッサにより、前記ホットスポットの初期のセットの第１のサブセットを選択するステップであって、前記第１のサブセットに含める特定のホットスポットの選択が、
（ｉ）前記特定のホットスポットについて計算された前記転移見込み値、および
（ｉｉ）１つまたは複数のグローバルホットスポット特徴であって、各々が前記ホットスポットの初期のセット内の複数のホットスポットを使用して決定される、グローバルホットスポット特徴、
に少なくとも部分的に基づく、ステップと、
（ｇ）前記プロセッサにより、ホットスポットの前記第１のサブセットの少なくとも一部分のグラフィック表現を、グラフィカルユーザインターフェース（ＧＵＩ）内に表示するためにレンダリングさせるステップと、を含む方法。
(項目２２)
前記１つまたは複数のグローバルホットスポット特徴が、前記初期のホットスポットセット内のホットスポットの総数を含む、項目２１に記載の方法。
(項目２３)
ステップ（ｆ）が、前記初期のホットスポットセット内の前記ホットスポットの総数に基づいて、前記第１のサブセットに含めるホットスポットの選択の基準を調節することを含む、項目２２に記載の方法。
(項目２４)
ステップ（ｆ）が、機械学習モジュールを使用して前記第１のサブセットを選択することを含む、項目２１から２３のいずれか一項に記載の方法。
(項目２５)
ヒト対象の核医学画像の病変マーキングおよび定量分析のための方法であって、
（ａ）コンピューティングデバイスのプロセッサにより、前記ヒト対象の骨スキャン画像セットにアクセスするステップと、
（ｂ）前記プロセッサにより、前記骨スキャン画像セット内の各画像を自動的にセグメント化して、前記ヒト対象の骨格の特定の解剖学的領域に各々が対応する１つまたは複数の骨格関心領域を特定し、それによりアノテーションされた画像のセットを得るステップと、
（ｃ）前記プロセッサにより、１つまたは複数のホットスポットの初期のセットを自動的に検出するステップであって、各ホットスポットは、前記アノテーションされた画像のセット内の高い強度のエリアに対応する、ステップと、
（ｄ）前記ホットスポットの初期のセット内の各ホットスポットについて、前記プロセッサにより、前記ホットスポットに関連するホットスポット特徴のセットを抽出するステップと、
（ｅ）前記ホットスポットの初期のセット内の各ホットスポットについて、前記プロセッサにより、前記ホットスポットに関連する前記ホットスポット特徴のセットに基づいて、前記ホットスポットが転移を表す見込みに対応する見込み値を計算するステップと、
（ｆ）前記プロセッサにより、前記ホットスポットの初期のセットの各ホットスポットについて計算された前記見込み値に少なくとも部分的に基づいて、前記ホットスポットの初期のセットの前記ホットスポットのうち第１のサブセットを選択するステップと、
（ｇ）前記プロセッサにより、ホットスポットの前記第１のサブセットの少なくとも一部分を使用して１つまたは複数のリスク指標値を計算するステップと、を含み、前記計算することが、
第１のサブセットの前記一部分の各特定のホットスポットについて、（ｉｉ）前記特定のホットスポットが前記アノテーションされた画像のセット内における自身の場所に基づいて割り当てられた特定の骨格領域のサイズに対する、（ｉ）前記特定のホットスポットのサイズ（例えば面積）、の比に基づいて骨浸潤率を算出し、それにより１つまたは複数の骨浸潤率を決定するステップ、
１つまたは複数の領域依存補正率を使用して前記骨浸潤率を調節し、それにより１つまたは複数の調節済みの骨浸潤率を得るステップ、および
前記調節済みの骨浸潤率を合計して、前記１つまたは複数のリスク指標値を決定するステップ、を含む、方法。
(項目２６)
各特定のホットスポットについて、前記算出された骨浸潤率が、総骨格質量のうち前記特定のホットスポットに関連する物理的体積によって占められる比率を推定する、項目２５に記載の方法。
(項目２７)
前記骨浸潤率を前記算出するステップが、
前記プロセッサにより、前記対応する骨格関心領域の面積に対する前記特定のホットスポットの面積の比を計算し、それにより前記特定のホットスポットの面積割合を算出することと、
前記特定のホットスポットが割り当てられている前記骨格関心領域に関連付けられた密度係数で前記面積割合をスケーリングし、それにより前記特定のホットスポットの前記骨浸潤率を算出することと、を含む、項目２６に記載の方法。
(項目２８)
前記第１のサブセットの前記ホットスポットの少なくとも一部分が、骨盤領域、腰領域、および仙骨領域からなる群から選択されるメンバである骨格関心領域に割り当てられる、項目２５から２７のいずれか一項に記載の方法。
(項目２９)
前記１つまたは複数の領域依存補正率が、仙骨領域内に位置するとして特定されたホットスポットの骨浸潤率を調節するために使用される、前記仙骨領域に関連付けられた仙骨領域補正率を含み、前記仙骨領域補正率は１未満の値を有する、項目２５から２８のいずれか一項に記載の方法。
(項目３０)
前記１つまたは複数の領域依存補正率が、１つまたは複数の補正率ペアを含み、各補正率ペアは、特定の骨格関心領域に関連付けられ、（前記ペアの）第１のメンバおよび第２のメンバを含み、
前記ペアの前記第１のメンバは、腹側画像補正率であり、前記アノテーションされた画像セットのアノテーションされた腹側骨スキャン画像内で検出されたホットスポットについて算出された骨浸潤率を調節するために使用され、
前記ペアの前記第２のメンバは、背側画像補正率であり、前記アノテーションされた画像セットのアノテーションされた背側骨スキャン画像内で検出されたホットスポットについて算出された骨浸潤率を調節するために使用される、項目２５から２９のいずれか一項に記載の方法。
(項目３１)
ヒト対象の核医学画像の病変マーキングおよび定量分析のためのシステムであって、
プロセッサと、
命令を有しているメモリと、を備え、前記命令は、前記プロセッサによって実行されたときに、前記プロセッサに、
（ａ）前記ヒト対象の骨スキャン画像セットにアクセスすることであって、前記骨スキャン画像セットは、前記ヒト対象への薬剤の投与後に得られたものである、ことと、
（ｂ）前記骨スキャン画像セット内の各画像を自動的にセグメント化して、前記ヒト対象の骨格の特定の解剖学的領域に各々が対応する１つまたは複数の骨格関心領域を特定し、それによりアノテーションされた画像のセットを得ることであって、前記１つまたは複数の骨格関心領域は、
（ｉ）前記ヒト対象の大腿骨の一部分に対応する大腿骨領域であって、前記大腿骨の一部分は、前記大腿骨の長さに沿って前記大腿骨の少なくとも４分の３を包含する大腿骨領域、および
（ｉｉ）前記ヒト対象の上腕骨の一部分に対応する上腕骨領域であって、前記上腕骨の一部分は、前記上腕骨の長さに沿って前記上腕骨の少なくとも４分の３を包含する上腕骨領域、
のうち少なくとも一方を含む、ことと、
（ｃ）１つまたは複数のホットスポットの初期のセットを自動的に検出することであって、各ホットスポットは、前記アノテーションされた画像のセット内の高い強度のエリアに対応し、前記自動的に検出することは、前記アノテーションされた画像のセット内の画素の強度を使用して、かつ１つまたは複数の領域依存閾値を使用して、前記１つまたは複数のホットスポットを特定することを含み、前記１つまたは複数の領域依存閾値は、当該領域内での前記薬剤の取り込みの低下を補償するために前記大腿骨領域および／または前記上腕骨領域内で高められたホットスポット検出感度を提供する、前記大腿骨領域および／または前記上腕骨領域に関連付けられた１つまたは複数の値を含む、ことと、
（ｄ）前記ホットスポットの初期のセット内の各ホットスポットについて、前記ホットスポットに関連するホットスポット特徴のセットを抽出することと、
（ｅ）前記ホットスポットの初期のセット内の各ホットスポットについて、前記ホットスポットに関連する前記ホットスポット特徴のセットに基づいて、前記ホットスポットが転移を表す見込みに対応する転移見込み値を計算することと、
（ｆ）前記ホットスポットの初期のセットの少なくとも一部分のグラフィック表現を、グラフィカルユーザインターフェース（ＧＵＩ）内に表示するためにレンダリングさせることと、を行わせる、システム。
(項目３２)
ヒト対象の核医学画像の病変マーキングおよび定量分析のためのシステムであって、
プロセッサと、
命令を有しているメモリと、を備え、前記命令は、前記プロセッサによって実行されたときに、前記プロセッサに、
（ａ）コンピューティングデバイスのプロセッサにより、前記ヒト対象の骨スキャン画像セットにアクセスすることであって、前記骨スキャン画像セットは、前記ヒト対象への薬剤の投与後に得られたものである、ことと、
（ｂ）前記骨スキャン画像セット内の各画像を自動的にセグメント化して、前記ヒト対象の骨格の特定の解剖学的領域に各々が対応する１つまたは複数の骨格関心領域を特定し、それによりアノテーションされた画像のセットを得ることと、
（ｃ）１つまたは複数のホットスポットの初期のセットを自動的に検出することであって、各ホットスポットは、前記アノテーションされた画像のセット内の高い強度のエリアに対応し、前記自動的に検出することは、
（ｉ）前記アノテーションされた画像のセット内の画素の強度、および（ｉｉ）複数の事前閾値、を使用して、潜在的なホットスポットのセットを検出すること、
前記潜在的なホットスポットのセットを使用してグローバル閾値スケーリング率を算出すること、
前記グローバル閾値スケーリング率を使用して前記複数の事前閾値を調節し、それにより複数の調節済みの閾値を得ること、および
（ｉ）前記アノテーションされた画像のセット内の画素の強度、および（ｉｉ）前記複数の調節済みの閾値、を使用して、前記ホットスポットの初期のセットを特定すること、を含む、ことと、
（ｄ）前記ホットスポットの初期のセット内の各ホットスポットについて、前記ホットスポットに関連するホットスポット特徴のセットを抽出することと、
（ｅ）前記ホットスポットの初期のセット内の各ホットスポットについて、前記ホットスポットに関連する前記ホットスポット特徴のセットに基づいて、前記ホットスポットが転移を表す見込みに対応する転移見込み値を計算することと、
（ｆ）前記ホットスポットの初期のセットの少なくとも一部分のグラフィック表現を、グラフィカルユーザインターフェース（ＧＵＩ）内に表示するためにレンダリングさせることと、を行わせる、システム。
(項目３３)
ヒト対象の核医学画像の病変マーキングおよび定量分析のためのシステムであって、
プロセッサと、
命令を有しているメモリと、を備え、前記命令は、前記プロセッサによって実行されたときに、前記プロセッサに、
（ａ）前記ヒト対象の骨スキャン画像セットにアクセスすることであって、前記骨スキャン画像セットは、前記ヒト対象への薬剤の投与後に得られたものである、ことと、
（ｂ）前記骨スキャン画像セット内の各画像を自動的にセグメント化して、前記ヒト対象の骨格の特定の解剖学的領域に各々が対応する１つまたは複数の骨格関心領域を特定し、それによりアノテーションされた画像のセットを得ることと、
（ｃ）１つまたは複数のホットスポットの初期のセットを自動的に検出することであって、各ホットスポットは、前記アノテーションされた画像のセット内の高い強度のエリアに対応する、ことと、
（ｄ）前記ホットスポットの初期のセット内の各ホットスポットについて、前記ホットスポットに関連するホットスポット特徴のセットを抽出することと、
（ｅ）前記ホットスポットの初期のセット内の各ホットスポットについて、前記ホットスポットに関連する前記ホットスポット特徴のセットに基づいて、前記ホットスポットが転移を表す見込みに対応する転移見込み値を計算することと、
（ｆ）前記ホットスポットの初期のセットの第１のサブセットを自動的に選択することであって、前記第１のサブセットに含める特定のホットスポットの選択が、
（ｉ）前記特定のホットスポットについて計算された前記転移見込み値、および
（ｉｉ）１つまたは複数のグローバルホットスポット特徴であって、各々が前記ホットスポットの初期のセット内の複数のホットスポットを使用して決定される、グローバルホットスポット特徴、
に少なくとも部分的に基づく、ことと、
（ｇ）ホットスポットの前記第１のサブセットの少なくとも一部分のグラフィック表現を、グラフィカルユーザインターフェース（ＧＵＩ）内に表示するためにレンダリングさせることと、を行わせる、システム。
(項目３４)
ヒト対象の核医学画像の病変マーキングおよび定量分析のためのシステムであって、
プロセッサと、
命令を有しているメモリと、を備え、前記命令は、前記プロセッサによって実行されたときに、前記プロセッサに、
（ａ）前記ヒト対象の骨スキャン画像セットにアクセスすることと、
（ｂ）前記骨スキャン画像セット内の各画像を自動的にセグメント化して、前記ヒト対象の骨格の特定の解剖学的領域に各々が対応する１つまたは複数の骨格関心領域を特定し、それによりアノテーションされた画像のセットを得ることと、
（ｃ）１つまたは複数のホットスポットの初期のセットを自動的に検出することであって、各ホットスポットは、前記アノテーションされた画像のセット内の高い強度のエリアに対応する、ことと、
（ｄ）前記ホットスポットの初期のセット内の各ホットスポットについて、前記ホットスポットに関連するホットスポット特徴のセットを抽出することと、
（ｅ）前記ホットスポットの初期のセット内の各ホットスポットについて、前記ホットスポットに関連する前記ホットスポット特徴のセットに基づいて、前記ホットスポットが転移を表す見込みに対応する見込み値を計算することと、
（ｆ）前記ホットスポットの初期のセットの各ホットスポットについて計算された前記見込み値に少なくとも部分的に基づいて、前記ホットスポットの初期のセットの前記ホットスポットのうち第１のサブセットを選択することと、
（ｇ）ホットスポットの前記第１のサブセットの少なくとも一部分を使用して１つまたは複数のリスク指標値を計算することと、を行わせ、前記計算することが、
第１のサブセットの前記一部分の各特定のホットスポットについて、（ｉｉ）前記特定のホットスポットが前記アノテーションされた画像のセット内における自身の場所に基づいて割り当てられた特定の骨格領域のサイズに対する、（ｉ）前記特定のホットスポットのサイズ、の比に基づいて骨浸潤率を算出し、それにより１つまたは複数の骨浸潤率を決定すること、
１つまたは複数の領域依存補正率を使用して前記骨浸潤率を調節し、それにより１つまたは複数の調節済みの骨浸潤率を得ること、および
前記調節済みの骨浸潤率を合計して、前記１つまたは複数のリスク指標値を決定すること、を含む、システム。
(項目３５)
項目３１から３４のいずれか一項のシステムを備える、コンピュータ支援画像分析デバイス。
(項目３６)
前記デバイスが、訓練された健康管理の専門家および／または研究者によって使用されるためにプログラムされる、項目３５に記載のデバイス。
(項目３７)
前記デバイスが、転移性がんの評価および／または検出を行うための骨スキャン画像の分析に使用されるためにプログラムされる、項目３６に記載のデバイス。
(項目３８)
前記デバイスが、前立腺がんの評価および／または検出を行うための骨スキャン画像の分析に使用されるためにプログラムされる、項目３６または３７に記載のデバイス。
(項目３９)
前記デバイスが訓練された健康管理の専門家および／または研究者によって使用されることを意図されることを指定するラベルを備える、項目３５から３８のいずれか一項に記載のデバイス。
(項目４０)
前記ラベルは、前記デバイスが転移性がんの評価および／または検出を行うための骨スキャン画像の分析に使用されることを意図されることをさらに指定する、項目３９に記載のデバイス。
(項目４１)
前記ラベルは、前記デバイスが前立腺がんの評価および／または検出を行うための骨スキャン画像の分析に使用されることを意図されることをさらに指定する、項目３９または４０に記載のデバイス。
本発明は、例えば、以下の項目を提供する。
(項目１)
ヒト対象の核医学画像の病変マーキングおよび定量分析のための方法であって、
（ａ）コンピューティングデバイスのプロセッサにより、前記ヒト対象の骨スキャン画像セットにアクセスするステップであって、前記骨スキャン画像セットは、前記ヒト対象への薬剤の投与後に得られたものである、ステップと、
（ｂ）前記プロセッサにより、前記骨スキャン画像セット内の各画像を自動的にセグメント化して、前記ヒト対象の骨格の特定の解剖学的領域に各々が対応する１つまたは複数の骨格関心領域を特定し、それによりアノテーションされた画像のセットを得るステップであって、前記１つまたは複数の骨格関心領域は、
（ｉ）前記ヒト対象の大腿骨の一部分に対応する大腿骨領域であって、前記大腿骨の一部分は、前記大腿骨の長さに沿って前記大腿骨の少なくとも４分の３を包含する大腿骨領域、および
（ｉｉ）前記ヒト対象の上腕骨の一部分に対応する上腕骨領域であって、前記上腕骨の一部分は、前記上腕骨の長さに沿って前記上腕骨の少なくとも４分の３を包含する上腕骨領域、
のうち少なくとも一方を含む、ステップと、
（ｃ）前記プロセッサにより、１つまたは複数のホットスポットの初期のセットを自動的に検出するステップであって、各ホットスポットは、前記アノテーションされた画像のセット内の高い強度のエリアに対応し、前記自動的に検出することは、前記アノテーションされた画像のセット内の画素の強度を使用して、かつ１つまたは複数の領域依存閾値を使用して、前記１つまたは複数のホットスポットを特定することを含み、前記１つまたは複数の領域依存閾値は、当該領域内での前記薬剤の取り込みの低下を補償するために前記大腿骨領域および／または前記上腕骨領域内で高められたホットスポット検出感度を提供する、前記大腿骨領域および／または前記上腕骨領域に関連付けられた１つまたは複数の値を含む、ステップと、
（ｄ）前記ホットスポットの初期のセット内の各ホットスポットについて、前記プロセッサにより、前記ホットスポットに関連するホットスポット特徴のセットを抽出するステップと、
（ｅ）前記ホットスポットの初期のセット内の各ホットスポットについて、前記プロセッサにより、前記ホットスポットに関連する前記ホットスポット特徴のセットに基づいて、前記ホットスポットが転移を表す見込みに対応する転移見込み値を計算するステップと、
（ｆ）前記プロセッサにより、前記ホットスポットの初期のセットの少なくとも一部分のグラフィック表現を、グラフィカルユーザインターフェース（ＧＵＩ）内に表示するためにレンダリングさせるステップと、を含む方法。
(項目２)
ステップ（ｂ）が、
前記骨スキャン画像セットの各メンバを、アトラス画像セットのうちの対応するアトラス画像と比較するステップであって、各アトラス画像が、前記１つまたは複数の骨格関心領域の１つまたは複数の特定を含み、前記骨格関心領域は、前記大腿骨領域および／または前記上腕骨領域を含む、ステップと、
前記骨スキャン画像セットの各画像について、前記アトラス画像の前記１つまたは複数の骨格関心領域の前記特定が前記骨スキャン画像セットの前記画像に適用されるように、前記対応するアトラス画像を、前記骨スキャン画像セットの前記画像と位置合わせするステップと、を含む、項目１に記載の方法。
(項目３)
各アトラス画像が、（ｉ）前記ヒト対象の膝領域の少なくとも一部分を含む前記大腿骨領域、および／または（ｉｉ）前記ヒト対象の肘領域の少なくとも一部分を含む前記上腕骨領域、の特定を含み、前記骨スキャン画像セットの各画像について、前記骨スキャン画像への前記対応するアトラス画像の前記位置合わせが、前記特定された膝領域および／または前記特定された肘領域を、前記画像内でランドマークとして使用することを含む、項目２に記載の方法。
(項目４)
前記初期のホットスポットセットのうち少なくとも１つの検出されたホットスポットの場所が、前記ヒト対象の殿部の方を向いた大腿骨の端部から前記ヒト対象の膝の方を向いた前記大腿骨の端部までの前記大腿骨に沿った距離の４分の３超のところにある、前記大腿骨の中または上の物理的場所に対応する、前記項目のいずれか一項に記載の方法。
(項目５)
前記初期のホットスポットセットのうち少なくとも１つの検出されたホットスポットの場所が、前記ヒト対象の肩の方を向いた上腕骨の端部から前記ヒト対象の肘の方を向いた前記上腕骨の端部までの前記上腕骨に沿った距離の４分の３超のところにある、前記上腕骨の中または上の物理的場所に対応する、前記項目のいずれか一項に記載の方法。
(項目６)
ステップ（ｃ）が、
前記プロセッサにより、前記骨スキャン画像セットのうちホットスポットを全く含まないと判定された画像内で健康な組織領域を特定するステップと、
前記プロセッサにより、正規化係数を、前記正規化係数と前記特定された健康な組織領域の平均強度との積が事前に定められた強度レベルになるように計算するステップと、
前記プロセッサにより、前記正規化係数によって前記骨スキャン画像セットの前記画像を正規化するステップと、を含む、前記項目のいずれか一項に記載の方法。
(項目７)
（ｇ）前記プロセッサにより、前記ホットスポットの初期のセットによって占められている前記ヒト対象の前記骨格の算出された割合に少なくとも部分的に基づいて、前記ヒト対象についての１つまたは複数のリスク指標値を計算するステップ、をさらに含む、前記項目のいずれか一項に記載の方法。
(項目８)
（ｈ）前記プロセッサにより、前記転移見込み値に少なくとも部分的に基づいて、前記ホットスポットの初期のセットの第１のサブセットを選択するステップと、
（ｉ）前記プロセッサにより、前記第１のサブセットのグラフィック表現を、グラフィカルユーザインターフェース（ＧＵＩ）内に表示するためにレンダリングさせるステップと、
を含む、前記項目のいずれか一項に記載の方法。
(項目９)
（ｊ）前記プロセッサにより、ホットスポットの前記第１のサブセットによって占められる前記ヒト対象の前記骨格の算出された割合に少なくとも部分的に基づいて、前記ヒト対象についての１つまたは複数のリスク指標値を計算するステップ、をさらに含む、項目８に記載の方法。
(項目１０)
（ｋ）前記プロセッサにより、前記ＧＵＩを介して、前記ホットスポットの初期のセットの第２のサブセットのユーザ選択を受け取るステップと、
（ｌ）前記プロセッサにより、ホットスポットの前記第２のサブセットによって占められる前記ヒト対象の前記骨格の算出された割合に少なくとも部分的に基づいて、前記ヒト対象についての１つまたは複数のリスク指標値を計算するステップ、
を含む、前記項目のいずれか一項に記載の方法。
(項目１１)
前記リスク指標値の少なくとも１つが、前記ヒト対象が転移性がんを有するおよび／または発症するリスクを示す、項目７から１０のいずれか一項に記載の方法。
(項目１２)
前記転移性がんが転移性前立腺がんである、項目１１に記載の方法。
(項目１３)
前記リスク指標値の少なくとも１つが、前記ヒト対象が特定の状態の転移性がんを有することを示す、項目７から１０のいずれか一項に記載の方法。
(項目１４)
前記プロセッサが、クラウドベースのシステムのプロセッサである、前記項目のいずれか一項に記載の方法。
(項目１５)
前記ＧＵＩが、一般的な写真保管および通信システム（ＰＡＣＳ）の一部である、前記項目のいずれか一項に記載の方法。
(項目１６)
前記薬剤が、メチレンジホスホン酸テクネチウム９９ｍ（ ９９ｍ Ｔｃ－ＭＤＰ）を含む、前記項目のいずれか一項に記載の方法。
(項目１７)
ヒト対象の核医学画像の病変マーキングおよび定量分析のための方法であって、
（ａ）コンピューティングデバイスのプロセッサにより、前記ヒト対象の骨スキャン画像セットにアクセスするステップであって、前記骨スキャン画像セットは、前記ヒト対象への薬剤の投与後に得られたものである、ステップと、
（ｂ）前記プロセッサにより、前記骨スキャン画像セット内の各画像を自動的にセグメント化して、前記ヒト対象の骨格の特定の解剖学的領域に各々が対応する１つまたは複数の骨格関心領域を特定し、それによりアノテーションされた画像のセットを得るステップと、
（ｃ）前記プロセッサにより、１つまたは複数のホットスポットの初期のセットを自動的に検出するステップであって、各ホットスポットは、前記アノテーションされた画像のセット内の高い強度のエリアに対応し、前記自動的に検出することは、
（ｉ）前記アノテーションされた画像のセット内の画素の強度、および（ｉｉ）複数の事前閾値、を使用して、潜在的なホットスポットのセットを検出すること、
前記潜在的なホットスポットのセットを使用してグローバル閾値スケーリング率を算出すること、
前記グローバル閾値スケーリング率を使用して前記複数の事前閾値を調節し、それにより複数の調節済みの閾値を得ること、および
（ｉ）前記アノテーションされた画像のセット内の画素の強度、および（ｉｉ）前記複数の調節済みの閾値、を使用して、前記ホットスポットの初期のセットを特定すること、を含む、ステップと、
（ｄ）前記ホットスポットの初期のセット内の各ホットスポットについて、前記プロセッサにより、前記ホットスポットに関連するホットスポット特徴のセットを抽出するステップと、
（ｅ）前記ホットスポットの初期のセット内の各ホットスポットについて、前記プロセッサにより、前記ホットスポットに関連する前記ホットスポット特徴のセットに基づいて、前記ホットスポットが転移を表す見込みに対応する転移見込み値を計算するステップと、
（ｆ）前記プロセッサにより、前記ホットスポットの初期のセットの少なくとも一部分のグラフィック表現を、グラフィカルユーザインターフェース（ＧＵＩ）内に表示するためにレンダリングさせるステップと、を含む方法。
(項目１８)
前記グローバル閾値スケーリング率が、前記ヒト対象の疾病負荷の測度の関数であり、ステップ（ｃ）で行われる前記複数の事前閾値を前記調節することが、増大する疾病負荷に伴って発生するホットスポット面積の過小推定を補償するために、疾病負荷が増大するのに従って前記調節済みの閾値を低減させることを含む、項目１７に記載の方法。
(項目１９)
前記グローバル閾値スケーリング率が、前記特定された骨格領域のうち前記潜在的なホットスポットのセットによって占められる割合の関数である、項目１７または１８に記載の方法。
(項目２０)
前記グローバル閾値スケーリング率が、前記潜在的なホットスポットのセットを使用して計算されたリスク指標値に基づく、項目１７から１９のいずれか一項に記載の方法。
(項目２１)
ヒト対象の核医学画像の病変マーキングおよび定量分析のための方法であって、
（ａ）コンピューティングデバイスのプロセッサにより、前記ヒト対象の骨スキャン画像セットにアクセスするステップであって、前記骨スキャン画像セットは、前記ヒト対象への薬剤の投与後に得られたものである、ステップと、
（ｂ）前記プロセッサにより、前記骨スキャン画像セット内の各画像を自動的にセグメント化して、前記ヒト対象の骨格の特定の解剖学的領域に各々が対応する１つまたは複数の骨格関心領域を特定し、それによりアノテーションされた画像のセットを得るステップと、
（ｃ）前記プロセッサにより、１つまたは複数のホットスポットの初期のセットを自動的に検出するステップであって、各ホットスポットは、前記アノテーションされた画像のセット内の高い強度のエリアに対応する、ステップと、
（ｄ）前記ホットスポットの初期のセット内の各ホットスポットについて、前記プロセッサにより、前記ホットスポットに関連するホットスポット特徴のセットを抽出するステップと、
（ｅ）前記ホットスポットの初期のセット内の各ホットスポットについて、前記プロセッサにより、前記ホットスポットに関連する前記ホットスポット特徴のセットに基づいて、前記ホットスポットが転移を表す見込みに対応する転移見込み値を計算するステップと、
（ｆ）前記プロセッサにより、前記ホットスポットの初期のセットの第１のサブセットを選択するステップであって、前記第１のサブセットに含める特定のホットスポットの選択が、
（ｉ）前記特定のホットスポットについて計算された前記転移見込み値、および
（ｉｉ）１つまたは複数のグローバルホットスポット特徴であって、各々が前記ホットスポットの初期のセット内の複数のホットスポットを使用して決定される、グローバルホットスポット特徴、
に少なくとも部分的に基づく、ステップと、
（ｇ）前記プロセッサにより、ホットスポットの前記第１のサブセットの少なくとも一部分のグラフィック表現を、グラフィカルユーザインターフェース（ＧＵＩ）内に表示するためにレンダリングさせるステップと、を含む方法。
(項目２２)
前記１つまたは複数のグローバルホットスポット特徴が、前記初期のホットスポットセット内のホットスポットの総数を含む、項目２１に記載の方法。
(項目２３)
ステップ（ｆ）が、前記初期のホットスポットセット内の前記ホットスポットの総数に基づいて、前記第１のサブセットに含めるホットスポットの選択の基準を調節することを含む、項目２２に記載の方法。
(項目２４)
ステップ（ｆ）が、機械学習モジュールを使用して前記第１のサブセットを選択することを含む、項目２１から２３のいずれか一項に記載の方法。
(項目２５)
ヒト対象の核医学画像の病変マーキングおよび定量分析のための方法であって、
（ａ）コンピューティングデバイスのプロセッサにより、前記ヒト対象の骨スキャン画像セットにアクセスするステップと、
（ｂ）前記プロセッサにより、前記骨スキャン画像セット内の各画像を自動的にセグメント化して、前記ヒト対象の骨格の特定の解剖学的領域に各々が対応する１つまたは複数の骨格関心領域を特定し、それによりアノテーションされた画像のセットを得るステップと、
（ｃ）前記プロセッサにより、１つまたは複数のホットスポットの初期のセットを自動的に検出するステップであって、各ホットスポットは、前記アノテーションされた画像のセット内の高い強度のエリアに対応する、ステップと、
（ｄ）前記ホットスポットの初期のセット内の各ホットスポットについて、前記プロセッサにより、前記ホットスポットに関連するホットスポット特徴のセットを抽出するステップと、
（ｅ）前記ホットスポットの初期のセット内の各ホットスポットについて、前記プロセッサにより、前記ホットスポットに関連する前記ホットスポット特徴のセットに基づいて、前記ホットスポットが転移を表す見込みに対応する見込み値を計算するステップと、
（ｆ）前記プロセッサにより、前記ホットスポットの初期のセットの各ホットスポットについて計算された前記見込み値に少なくとも部分的に基づいて、前記ホットスポットの初期のセットの前記ホットスポットのうち第１のサブセットを選択するステップと、
（ｇ）前記プロセッサにより、ホットスポットの前記第１のサブセットの少なくとも一部分を使用して１つまたは複数のリスク指標値を計算するステップと、を含み、前記計算することが、
第１のサブセットの前記一部分の各特定のホットスポットについて、（ｉｉ）前記特定のホットスポットが前記アノテーションされた画像のセット内における自身の場所に基づいて割り当てられた特定の骨格領域のサイズに対する、（ｉ）前記特定のホットスポットのサイズ（例えば面積）、の比に基づいて骨浸潤率を算出し、それにより１つまたは複数の骨浸潤率を決定するステップ、
１つまたは複数の領域依存補正率を使用して前記骨浸潤率を調節し、それにより１つまたは複数の調節済みの骨浸潤率を得るステップ、および
前記調節済みの骨浸潤率を合計して、前記１つまたは複数のリスク指標値を決定するステップ、を含む、方法。
(項目２６)
各特定のホットスポットについて、前記算出された骨浸潤率が、総骨格質量のうち前記特定のホットスポットに関連する物理的体積によって占められる比率を推定する、項目２５に記載の方法。
(項目２７)
前記骨浸潤率を前記算出するステップが、
前記プロセッサにより、前記対応する骨格関心領域の面積に対する前記特定のホットスポットの面積の比を計算し、それにより前記特定のホットスポットの面積割合を算出することと、
前記特定のホットスポットが割り当てられている前記骨格関心領域に関連付けられた密度係数で前記面積割合をスケーリングし、それにより前記特定のホットスポットの前記骨浸潤率を算出することと、を含む、項目２６に記載の方法。
(項目２８)
前記第１のサブセットの前記ホットスポットの少なくとも一部分が、骨盤領域、腰領域、および仙骨領域からなる群から選択されるメンバである骨格関心領域に割り当てられる、項目２５から２７のいずれか一項に記載の方法。
(項目２９)
前記１つまたは複数の領域依存補正率が、仙骨領域内に位置するとして特定されたホットスポットの骨浸潤率を調節するために使用される、前記仙骨領域に関連付けられた仙骨領域補正率を含み、前記仙骨領域補正率は１未満の値を有する、項目２５から２８のいずれか一項に記載の方法。
(項目３０)
前記１つまたは複数の領域依存補正率が、１つまたは複数の補正率ペアを含み、各補正率ペアは、特定の骨格関心領域に関連付けられ、（前記ペアの）第１のメンバおよび第２のメンバを含み、
前記ペアの前記第１のメンバは、腹側画像補正率であり、前記アノテーションされた画像セットのアノテーションされた腹側骨スキャン画像内で検出されたホットスポットについて算出された骨浸潤率を調節するために使用され、
前記ペアの前記第２のメンバは、背側画像補正率であり、前記アノテーションされた画像セットのアノテーションされた背側骨スキャン画像内で検出されたホットスポットについて算出された骨浸潤率を調節するために使用される、項目２５から２９のいずれか一項に記載の方法。
(項目３１)
ヒト対象の核医学画像の病変マーキングおよび定量分析のためのシステムであって、
プロセッサと、
命令を有しているメモリと、を備え、前記命令は、前記プロセッサによって実行されたときに、前記プロセッサに、
（ａ）前記ヒト対象の骨スキャン画像セットにアクセスすることであって、前記骨スキャン画像セットは、前記ヒト対象への薬剤の投与後に得られたものである、ことと、
（ｂ）前記骨スキャン画像セット内の各画像を自動的にセグメント化して、前記ヒト対象の骨格の特定の解剖学的領域に各々が対応する１つまたは複数の骨格関心領域を特定し、それによりアノテーションされた画像のセットを得ることであって、前記１つまたは複数の骨格関心領域は、
（ｉ）前記ヒト対象の大腿骨の一部分に対応する大腿骨領域であって、前記大腿骨の一部分は、前記大腿骨の長さに沿って前記大腿骨の少なくとも４分の３を包含する大腿骨領域、および
（ｉｉ）前記ヒト対象の上腕骨の一部分に対応する上腕骨領域であって、前記上腕骨の一部分は、前記上腕骨の長さに沿って前記上腕骨の少なくとも４分の３を包含する上腕骨領域、
のうち少なくとも一方を含む、ことと、
（ｃ）１つまたは複数のホットスポットの初期のセットを自動的に検出することであって、各ホットスポットは、前記アノテーションされた画像のセット内の高い強度のエリアに対応し、前記自動的に検出することは、前記アノテーションされた画像のセット内の画素の強度を使用して、かつ１つまたは複数の領域依存閾値を使用して、前記１つまたは複数のホットスポットを特定することを含み、前記１つまたは複数の領域依存閾値は、当該領域内での前記薬剤の取り込みの低下を補償するために前記大腿骨領域および／または前記上腕骨領域内で高められたホットスポット検出感度を提供する、前記大腿骨領域および／または前記上腕骨領域に関連付けられた１つまたは複数の値を含む、ことと、
（ｄ）前記ホットスポットの初期のセット内の各ホットスポットについて、前記ホットスポットに関連するホットスポット特徴のセットを抽出することと、
（ｅ）前記ホットスポットの初期のセット内の各ホットスポットについて、前記ホットスポットに関連する前記ホットスポット特徴のセットに基づいて、前記ホットスポットが転移を表す見込みに対応する転移見込み値を計算することと、
（ｆ）前記ホットスポットの初期のセットの少なくとも一部分のグラフィック表現を、グラフィカルユーザインターフェース（ＧＵＩ）内に表示するためにレンダリングさせることと、を行わせる、システム。
(項目３２)
ヒト対象の核医学画像の病変マーキングおよび定量分析のためのシステムであって、
プロセッサと、
命令を有しているメモリと、を備え、前記命令は、前記プロセッサによって実行されたときに、前記プロセッサに、
（ａ）コンピューティングデバイスのプロセッサにより、前記ヒト対象の骨スキャン画像セットにアクセスすることであって、前記骨スキャン画像セットは、前記ヒト対象への薬剤の投与後に得られたものである、ことと、
（ｂ）前記骨スキャン画像セット内の各画像を自動的にセグメント化して、前記ヒト対象の骨格の特定の解剖学的領域に各々が対応する１つまたは複数の骨格関心領域を特定し、それによりアノテーションされた画像のセットを得ることと、
（ｃ）１つまたは複数のホットスポットの初期のセットを自動的に検出することであって、各ホットスポットは、前記アノテーションされた画像のセット内の高い強度のエリアに対応し、前記自動的に検出することは、
（ｉ）前記アノテーションされた画像のセット内の画素の強度、および（ｉｉ）複数の事前閾値、を使用して、潜在的なホットスポットのセットを検出すること、
前記潜在的なホットスポットのセットを使用してグローバル閾値スケーリング率を算出すること、
前記グローバル閾値スケーリング率を使用して前記複数の事前閾値を調節し、それにより複数の調節済みの閾値を得ること、および
（ｉ）前記アノテーションされた画像のセット内の画素の強度、および（ｉｉ）前記複数の調節済みの閾値、を使用して、前記ホットスポットの初期のセットを特定すること、を含む、ことと、
（ｄ）前記ホットスポットの初期のセット内の各ホットスポットについて、前記ホットスポットに関連するホットスポット特徴のセットを抽出することと、
（ｅ）前記ホットスポットの初期のセット内の各ホットスポットについて、前記ホットスポットに関連する前記ホットスポット特徴のセットに基づいて、前記ホットスポットが転移を表す見込みに対応する転移見込み値を計算することと、
（ｆ）前記ホットスポットの初期のセットの少なくとも一部分のグラフィック表現を、グラフィカルユーザインターフェース（ＧＵＩ）内に表示するためにレンダリングさせることと、を行わせる、システム。
(項目３３)
ヒト対象の核医学画像の病変マーキングおよび定量分析のためのシステムであって、
プロセッサと、
命令を有しているメモリと、を備え、前記命令は、前記プロセッサによって実行されたときに、前記プロセッサに、
（ａ）前記ヒト対象の骨スキャン画像セットにアクセスすることであって、前記骨スキャン画像セットは、前記ヒト対象への薬剤の投与後に得られたものである、ことと、
（ｂ）前記骨スキャン画像セット内の各画像を自動的にセグメント化して、前記ヒト対象の骨格の特定の解剖学的領域に各々が対応する１つまたは複数の骨格関心領域を特定し、それによりアノテーションされた画像のセットを得ることと、
（ｃ）１つまたは複数のホットスポットの初期のセットを自動的に検出することであって、各ホットスポットは、前記アノテーションされた画像のセット内の高い強度のエリアに対応する、ことと、
（ｄ）前記ホットスポットの初期のセット内の各ホットスポットについて、前記ホットスポットに関連するホットスポット特徴のセットを抽出することと、
（ｅ）前記ホットスポットの初期のセット内の各ホットスポットについて、前記ホットスポットに関連する前記ホットスポット特徴のセットに基づいて、前記ホットスポットが転移を表す見込みに対応する転移見込み値を計算することと、
（ｆ）前記ホットスポットの初期のセットの第１のサブセットを自動的に選択することであって、前記第１のサブセットに含める特定のホットスポットの選択が、
（ｉ）前記特定のホットスポットについて計算された前記転移見込み値、および
（ｉｉ）１つまたは複数のグローバルホットスポット特徴であって、各々が前記ホットスポットの初期のセット内の複数のホットスポットを使用して決定される、グローバルホットスポット特徴、
に少なくとも部分的に基づく、ことと、
（ｇ）ホットスポットの前記第１のサブセットの少なくとも一部分のグラフィック表現を、グラフィカルユーザインターフェース（ＧＵＩ）内に表示するためにレンダリングさせることと、を行わせる、システム。
(項目３４)
ヒト対象の核医学画像の病変マーキングおよび定量分析のためのシステムであって、
プロセッサと、
命令を有しているメモリと、を備え、前記命令は、前記プロセッサによって実行されたときに、前記プロセッサに、
（ａ）前記ヒト対象の骨スキャン画像セットにアクセスすることと、
（ｂ）前記骨スキャン画像セット内の各画像を自動的にセグメント化して、前記ヒト対象の骨格の特定の解剖学的領域に各々が対応する１つまたは複数の骨格関心領域を特定し、それによりアノテーションされた画像のセットを得ることと、
（ｃ）１つまたは複数のホットスポットの初期のセットを自動的に検出することであって、各ホットスポットは、前記アノテーションされた画像のセット内の高い強度のエリアに対応する、ことと、
（ｄ）前記ホットスポットの初期のセット内の各ホットスポットについて、前記ホットスポットに関連するホットスポット特徴のセットを抽出することと、
（ｅ）前記ホットスポットの初期のセット内の各ホットスポットについて、前記ホットスポットに関連する前記ホットスポット特徴のセットに基づいて、前記ホットスポットが転移を表す見込みに対応する見込み値を計算することと、
（ｆ）前記ホットスポットの初期のセットの各ホットスポットについて計算された前記見込み値に少なくとも部分的に基づいて、前記ホットスポットの初期のセットの前記ホットスポットのうち第１のサブセットを選択することと、
（ｇ）ホットスポットの前記第１のサブセットの少なくとも一部分を使用して１つまたは複数のリスク指標値を計算することと、を行わせ、前記計算することが、
第１のサブセットの前記一部分の各特定のホットスポットについて、（ｉｉ）前記特定のホットスポットが前記アノテーションされた画像のセット内における自身の場所に基づいて割り当てられた特定の骨格領域のサイズに対する、（ｉ）前記特定のホットスポットのサイズ、の比に基づいて骨浸潤率を算出し、それにより１つまたは複数の骨浸潤率を決定すること、
１つまたは複数の領域依存補正率を使用して前記骨浸潤率を調節し、それにより１つまたは複数の調節済みの骨浸潤率を得ること、および
前記調節済みの骨浸潤率を合計して、前記１つまたは複数のリスク指標値を決定すること、を含む、システム。
(項目３５)
項目３１から３４のいずれか一項のシステムを備える、コンピュータ支援画像分析デバイス。
(項目３６)
前記デバイスが、訓練された健康管理の専門家および／または研究者によって使用されるためにプログラムされる、項目３５に記載のデバイス。
(項目３７)
前記デバイスが、転移性がんの評価および／または検出を行うための骨スキャン画像の分析に使用されるためにプログラムされる、項目３６に記載のデバイス。
(項目３８)
前記デバイスが、前立腺がんの評価および／または検出を行うための骨スキャン画像の分析に使用されるためにプログラムされる、項目３６または３７に記載のデバイス。
(項目３９)
前記デバイスが訓練された健康管理の専門家および／または研究者によって使用されることを意図されることを指定するラベルを備える、項目３５から３８のいずれか一項に記載のデバイス。
(項目４０)
前記ラベルは、前記デバイスが転移性がんの評価および／または検出を行うための骨スキャン画像の分析に使用されることを意図されることをさらに指定する、項目３９に記載のデバイス。
(項目４１)
前記ラベルは、前記デバイスが前立腺がんの評価および／または検出を行うための骨スキャン画像の分析に使用されることを意図されることをさらに指定する、項目３９または４０に記載のデバイス。
Claims (45)
- ヒト対象の核医学画像の病変マーキングおよび定量分析のための方法であって、
（ａ）コンピューティングデバイスのプロセッサにより、前記ヒト対象の骨スキャン画像セットにアクセスするステップであって、前記骨スキャン画像セットは、前記ヒト対象への薬剤の投与後に得られたものである、ステップと、
（ｂ）前記プロセッサにより、前記骨スキャン画像セット内の各画像を自動的にセグメント化して、前記ヒト対象の骨格の特定の解剖学的領域に各々が対応する１つまたは複数の骨格関心領域を特定し、それによりアノテーションされた画像のセットを得るステップであって、前記１つまたは複数の骨格関心領域は、
（ｉ）前記ヒト対象の大腿骨の一部分に対応する大腿骨領域、および
（ｉｉ）前記ヒト対象の上腕骨の一部分に対応する上腕骨領域、
のうち少なくとも一方を含む、ステップと、
（ｃ）前記プロセッサにより、１つまたは複数のホットスポットの初期のセットを自動的に検出するステップであって、各ホットスポットは、前記アノテーションされた画像のセット内の高い強度のエリアに対応し、前記自動的に検出することは、前記アノテーションされた画像のセット内の画素の強度を使用して、かつ１つまたは複数の領域依存閾値を使用して、前記１つまたは複数のホットスポットを特定することを含み、前記１つまたは複数の領域依存閾値は、当該領域内での前記薬剤の取り込みの低下を補償するために前記大腿骨領域および／または前記上腕骨領域内で高められたホットスポット検出感度を提供する、前記大腿骨領域および／または前記上腕骨領域に関連付けられた１つまたは複数の値を含む、ステップと、
（ｄ）前記ホットスポットの初期のセット内の各ホットスポットについて、前記プロセッサにより、前記ホットスポットに関連するホットスポット特徴のセットを抽出するステップと、
（ｅ）前記ホットスポットの初期のセット内の各ホットスポットについて、前記プロセッサにより、前記ホットスポットに関連する前記ホットスポット特徴のセットに基づいて、前記ホットスポットが転移を表す見込みに対応する転移見込み値を計算するステップと、
（ｆ）前記プロセッサにより、前記ホットスポットの初期のセットの少なくとも一部分のグラフィック表現を、グラフィカルユーザインターフェース（ＧＵＩ）内に表示するためにレンダリングさせるステップと、を含む方法。 - ステップ（ｂ）が、
前記骨スキャン画像セットの各メンバを、アトラス画像セットのうちの対応するアトラス画像と比較するステップであって、各アトラス画像が、前記１つまたは複数の骨格関心領域の１つまたは複数の特定を含み、前記骨格関心領域は、前記大腿骨領域および／または前記上腕骨領域を含む、ステップと、
前記骨スキャン画像セットの各画像について、前記アトラス画像の前記１つまたは複数の骨格関心領域の前記特定が前記骨スキャン画像セットの前記画像に適用されるように、前記対応するアトラス画像を、前記骨スキャン画像セットの前記画像と位置合わせするステップと、を含む、請求項１に記載の方法。 - 各アトラス画像が、（ｉ）前記ヒト対象の膝領域の少なくとも一部分を含む前記大腿骨領域、および／または（ｉｉ）前記ヒト対象の肘領域の少なくとも一部分を含む前記上腕骨領域、の特定を含み、前記骨スキャン画像セットの各画像について、前記骨スキャン画像への前記対応するアトラス画像の前記位置合わせが、前記特定された膝領域および／または前記特定された肘領域を、前記画像内でランドマークとして使用することを含む、請求項２に記載の方法。
- 前記初期のホットスポットセットのうち少なくとも１つの検出されたホットスポットの場所が、前記ヒト対象の殿部の方を向いた大腿骨の端部から前記ヒト対象の膝の方を向いた前記大腿骨の端部までの前記大腿骨に沿った距離の４分の３超のところにある、前記大腿骨の中または上の物理的場所に対応する、請求項１から３のいずれか一項に記載の方法。
- 前記初期のホットスポットセットのうち少なくとも１つの検出されたホットスポットの場所が、前記ヒト対象の肩の方を向いた上腕骨の端部から前記ヒト対象の肘の方を向いた前記上腕骨の端部までの前記上腕骨に沿った距離の４分の３超のところにある、前記上腕骨の中または上の物理的場所に対応する、請求項１から４のいずれか一項に記載の方法。
- ステップ（ｃ）が、
前記プロセッサにより、前記骨スキャン画像セットのうちホットスポットを全く含まないと判定された画像内で健康な組織領域を特定するステップと、
前記プロセッサにより、正規化係数を、前記正規化係数と前記特定された健康な組織領域の平均強度との積が事前に定められた強度レベルになるように計算するステップと、
前記プロセッサにより、前記正規化係数によって前記骨スキャン画像セットの前記画像を正規化するステップと、を含む、請求項１から５のいずれか一項に記載の方法。 - （ｇ）前記プロセッサにより、前記ホットスポットの初期のセットによって占められている前記ヒト対象の前記骨格の算出された割合に少なくとも部分的に基づいて、前記ヒト対象についての１つまたは複数のリスク指標値を計算するステップ、をさらに含む、請求項１から６のいずれか一項に記載の方法。
- （ｈ）前記プロセッサにより、前記転移見込み値に少なくとも部分的に基づいて、前記ホットスポットの初期のセットの第１のサブセットを選択するステップと、
（ｉ）前記プロセッサにより、前記第１のサブセットのグラフィック表現を、グラフィカルユーザインターフェース（ＧＵＩ）内に表示するためにレンダリングさせるステップと、
を含む、請求項１から７のいずれか一項に記載の方法。 - （ｊ）前記プロセッサにより、ホットスポットの前記第１のサブセットによって占められる前記ヒト対象の前記骨格の算出された割合に少なくとも部分的に基づいて、前記ヒト対象についての１つまたは複数のリスク指標値を計算するステップ、をさらに含む、請求項８に記載の方法。
- （ｋ）前記プロセッサにより、前記ＧＵＩを介して、前記ホットスポットの初期のセットの第２のサブセットのユーザ選択を受け取るステップと、
（ｌ）前記プロセッサにより、ホットスポットの前記第２のサブセットによって占められる前記ヒト対象の前記骨格の算出された割合に少なくとも部分的に基づいて、前記ヒト対象についての１つまたは複数のリスク指標値を計算するステップ、
を含む、請求項１から９のいずれか一項に記載の方法。 - 前記リスク指標値の少なくとも１つが、前記ヒト対象が転移性がんを有するおよび／または発症するリスクを示す、請求項７から１０のいずれか一項に記載の方法。
- 前記転移性がんが転移性前立腺がんである、請求項１１に記載の方法。
- 前記リスク指標値の少なくとも１つが、前記ヒト対象が特定の状態の転移性がんを有することを示す、請求項７から１０のいずれか一項に記載の方法。
- 前記プロセッサが、クラウドベースのシステムのプロセッサである、請求項１から１３のいずれか一項に記載の方法。
- 前記ＧＵＩが、一般的な写真保管および通信システム（ＰＡＣＳ）の一部である、請求項１から１４のいずれか一項に記載の方法。
- 前記薬剤が、メチレンジホスホン酸テクネチウム９９ｍ（９９ｍＴｃ－ＭＤＰ）を含む、請求項１から１５のいずれか一項に記載の方法。
- ヒト対象の核医学画像の病変マーキングおよび定量分析のための方法であって、
（ａ）コンピューティングデバイスのプロセッサにより、前記ヒト対象の骨スキャン画像セットにアクセスするステップであって、前記骨スキャン画像セットは、前記ヒト対象への薬剤の投与後に得られたものである、ステップと、
（ｂ）前記プロセッサにより、前記骨スキャン画像セット内の各画像を自動的にセグメント化して、前記ヒト対象の骨格の特定の解剖学的領域に各々が対応する１つまたは複数の骨格関心領域を特定し、それによりアノテーションされた画像のセットを得るステップと、
（ｃ）前記プロセッサにより、１つまたは複数のホットスポットの初期のセットを自動的に検出するステップであって、各ホットスポットは、前記アノテーションされた画像のセット内の高い強度のエリアに対応し、前記自動的に検出することは、
（ｉ）前記アノテーションされた画像のセット内の画素の強度、および（ｉｉ）複数の事前閾値、を使用して、潜在的なホットスポットのセットを検出すること、
前記潜在的なホットスポットのセットを使用してグローバル閾値スケーリング率を算出すること、
前記グローバル閾値スケーリング率を使用して前記複数の事前閾値を調節し、それにより複数の調節済みの閾値を得ること、および
（ｉ）前記アノテーションされた画像のセット内の画素の強度、および（ｉｉ）前記複数の調節済みの閾値、を使用して、前記ホットスポットの初期のセットを特定すること、を含む、ステップと、
（ｄ）前記ホットスポットの初期のセット内の各ホットスポットについて、前記プロセッサにより、前記ホットスポットに関連するホットスポット特徴のセットを抽出するステップと、
（ｅ）前記ホットスポットの初期のセット内の各ホットスポットについて、前記プロセッサにより、前記ホットスポットに関連する前記ホットスポット特徴のセットに基づいて、前記ホットスポットが転移を表す見込みに対応する転移見込み値を計算するステップと、
（ｆ）前記プロセッサにより、前記ホットスポットの初期のセットの少なくとも一部分のグラフィック表現を、グラフィカルユーザインターフェース（ＧＵＩ）内に表示するためにレンダリングさせるステップと、を含む方法。 - 前記グローバル閾値スケーリング率が、前記ヒト対象の疾病負荷の測度の関数であり、ステップ（ｃ）で行われる前記複数の事前閾値を前記調節することが、増大する疾病負荷に伴って発生するホットスポット面積の過小推定を補償するために、疾病負荷が増大するのに従って前記調節済みの閾値を低減させることを含む、請求項１７に記載の方法。
- 前記グローバル閾値スケーリング率が、前記特定された骨格領域のうち前記潜在的なホットスポットのセットによって占められる割合の関数である、請求項１７または１８に記載の方法。
- 前記グローバル閾値スケーリング率が、前記潜在的なホットスポットのセットを使用して計算されたリスク指標値に基づく、請求項１７から１９のいずれか一項に記載の方法。
- ヒト対象の核医学画像の病変マーキングおよび定量分析のための方法であって、
（ａ）コンピューティングデバイスのプロセッサにより、前記ヒト対象の骨スキャン画像セットにアクセスするステップであって、前記骨スキャン画像セットは、前記ヒト対象への薬剤の投与後に得られたものである、ステップと、
（ｂ）前記プロセッサにより、前記骨スキャン画像セット内の各画像を自動的にセグメント化して、前記ヒト対象の骨格の特定の解剖学的領域に各々が対応する１つまたは複数の骨格関心領域を特定し、それによりアノテーションされた画像のセットを得るステップと、
（ｃ）前記プロセッサにより、１つまたは複数のホットスポットの初期のセットを自動的に検出するステップであって、各ホットスポットは、前記アノテーションされた画像のセット内の高い強度のエリアに対応する、ステップと、
（ｄ）前記ホットスポットの初期のセット内の各ホットスポットについて、前記プロセッサにより、前記ホットスポットに関連するホットスポット特徴のセットを抽出するステップと、
（ｅ）前記ホットスポットの初期のセット内の各ホットスポットについて、前記プロセッサにより、前記ホットスポットに関連する前記ホットスポット特徴のセットに基づいて、前記ホットスポットが転移を表す見込みに対応する転移見込み値を計算するステップと、
（ｆ）前記プロセッサにより、前記ホットスポットの初期のセットの第１のサブセットを選択するステップであって、前記第１のサブセットに含める特定のホットスポットの選択が、
（ｉ）前記特定のホットスポットについて計算された前記転移見込み値、および
（ｉｉ）１つまたは複数のグローバルホットスポット特徴であって、各々が前記ホットスポットの初期のセット内の複数のホットスポットを使用して決定される、グローバルホットスポット特徴、
に少なくとも部分的に基づく、ステップと、
（ｇ）前記プロセッサにより、ホットスポットの前記第１のサブセットの少なくとも一部分のグラフィック表現を、グラフィカルユーザインターフェース（ＧＵＩ）内に表示するためにレンダリングさせるステップと、を含む方法。 - 前記１つまたは複数のグローバルホットスポット特徴が、前記初期のホットスポットセット内のホットスポットの総数を含む、請求項２１に記載の方法。
- ステップ（ｆ）が、前記初期のホットスポットセット内の前記ホットスポットの総数に基づいて、前記第１のサブセットに含めるホットスポットの選択の基準を調節することを含む、請求項２２に記載の方法。
- ステップ（ｆ）が、機械学習モジュールを使用して前記第１のサブセットを選択することを含む、請求項２１から２３のいずれか一項に記載の方法。
- ヒト対象の核医学画像の病変マーキングおよび定量分析のための方法であって、
（ａ）コンピューティングデバイスのプロセッサにより、前記ヒト対象の骨スキャン画像セットにアクセスするステップと、
（ｂ）前記プロセッサにより、前記骨スキャン画像セット内の各画像を自動的にセグメント化して、前記ヒト対象の骨格の特定の解剖学的領域に各々が対応する１つまたは複数の骨格関心領域を特定し、それによりアノテーションされた画像のセットを得るステップと、
（ｃ）前記プロセッサにより、１つまたは複数のホットスポットの初期のセットを自動的に検出するステップであって、各ホットスポットは、前記アノテーションされた画像のセット内の高い強度のエリアに対応する、ステップと、
（ｄ）前記ホットスポットの初期のセット内の各ホットスポットについて、前記プロセッサにより、前記ホットスポットに関連するホットスポット特徴のセットを抽出するステップと、
（ｅ）前記ホットスポットの初期のセット内の各ホットスポットについて、前記プロセッサにより、前記ホットスポットに関連する前記ホットスポット特徴のセットに基づいて、前記ホットスポットが転移を表す見込みに対応する見込み値を計算するステップと、
（ｆ）前記プロセッサにより、前記ホットスポットの初期のセットの各ホットスポットについて計算された前記見込み値に少なくとも部分的に基づいて、前記ホットスポットの初期のセットの前記ホットスポットのうち第１のサブセットを選択するステップと、
（ｇ）前記プロセッサにより、ホットスポットの前記第１のサブセットの少なくとも一部分を使用して１つまたは複数のリスク指標値を計算するステップと、を含み、前記計算することが、
第１のサブセットの前記一部分の各特定のホットスポットについて、（ｉｉ）前記特定のホットスポットが前記アノテーションされた画像のセット内における自身の場所に基づいて割り当てられた特定の骨格領域のサイズに対する、（ｉ）前記特定のホットスポットのサイズ、の比に基づいて骨浸潤率を算出し、それにより１つまたは複数の骨浸潤率を決定するステップ、
１つまたは複数の領域依存補正率を使用して前記骨浸潤率を調節し、それにより１つまたは複数の調節済みの骨浸潤率を得るステップ、および
前記調節済みの骨浸潤率を合計して、前記１つまたは複数のリスク指標値を決定するステップ、を含む、方法。 - 各特定のホットスポットについて、前記算出された骨浸潤率が、総骨格質量のうち前記特定のホットスポットに関連する物理的体積によって占められる比率を推定する、請求項２５に記載の方法。
- 前記骨浸潤率を前記算出するステップが、
前記プロセッサにより、前記対応する骨格関心領域の面積に対する前記特定のホットスポットの面積の比を計算し、それにより前記特定のホットスポットの面積割合を算出することと、
前記特定のホットスポットが割り当てられている前記骨格関心領域に関連付けられた密度係数で前記面積割合をスケーリングし、それにより前記特定のホットスポットの前記骨浸潤率を算出することと、を含む、請求項２６に記載の方法。 - 前記第１のサブセットの前記ホットスポットの少なくとも一部分が、骨盤領域、腰領域、および仙骨領域からなる群から選択されるメンバである骨格関心領域に割り当てられる、請求項２５から２７のいずれか一項に記載の方法。
- 前記１つまたは複数の領域依存補正率が、仙骨領域内に位置するとして特定されたホットスポットの骨浸潤率を調節するために使用される、前記仙骨領域に関連付けられた仙骨領域補正率を含み、前記仙骨領域補正率は１未満の値を有する、請求項２５から２８のいずれか一項に記載の方法。
- 前記１つまたは複数の領域依存補正率が、１つまたは複数の補正率ペアを含み、各補正率ペアは、特定の骨格関心領域に関連付けられ、（前記ペアの）第１のメンバおよび第２のメンバを含み、
前記ペアの前記第１のメンバは、腹側画像補正率であり、前記アノテーションされた画像セットのアノテーションされた腹側骨スキャン画像内で検出されたホットスポットについて算出された骨浸潤率を調節するために使用され、
前記ペアの前記第２のメンバは、背側画像補正率であり、前記アノテーションされた画像セットのアノテーションされた背側骨スキャン画像内で検出されたホットスポットについて算出された骨浸潤率を調節するために使用される、請求項２５から２９のいずれか一項に記載の方法。 - ヒト対象の核医学画像の病変マーキングおよび定量分析のためのシステムであって、
プロセッサと、
命令を有しているメモリと、を備え、前記命令は、前記プロセッサによって実行されたときに、前記プロセッサに、
（ａ）前記ヒト対象の骨スキャン画像セットにアクセスすることであって、前記骨スキャン画像セットは、前記ヒト対象への薬剤の投与後に得られたものである、ことと、
（ｂ）前記骨スキャン画像セット内の各画像を自動的にセグメント化して、前記ヒト対象の骨格の特定の解剖学的領域に各々が対応する１つまたは複数の骨格関心領域を特定し、それによりアノテーションされた画像のセットを得ることであって、前記１つまたは複数の骨格関心領域は、
（ｉ）前記ヒト対象の大腿骨の一部分に対応する大腿骨領域、および
（ｉｉ）前記ヒト対象の上腕骨の一部分に対応する上腕骨領域、
のうち少なくとも一方を含む、ことと、
（ｃ）１つまたは複数のホットスポットの初期のセットを自動的に検出することであって、各ホットスポットは、前記アノテーションされた画像のセット内の高い強度のエリアに対応し、前記自動的に検出することは、前記アノテーションされた画像のセット内の画素の強度を使用して、かつ１つまたは複数の領域依存閾値を使用して、前記１つまたは複数のホットスポットを特定することを含み、前記１つまたは複数の領域依存閾値は、当該領域内での前記薬剤の取り込みの低下を補償するために前記大腿骨領域および／または前記上腕骨領域内で高められたホットスポット検出感度を提供する、前記大腿骨領域および／または前記上腕骨領域に関連付けられた１つまたは複数の値を含む、ことと、
（ｄ）前記ホットスポットの初期のセット内の各ホットスポットについて、前記ホットスポットに関連するホットスポット特徴のセットを抽出することと、
（ｅ）前記ホットスポットの初期のセット内の各ホットスポットについて、前記ホットスポットに関連する前記ホットスポット特徴のセットに基づいて、前記ホットスポットが転移を表す見込みに対応する転移見込み値を計算することと、
（ｆ）前記ホットスポットの初期のセットの少なくとも一部分のグラフィック表現を、グラフィカルユーザインターフェース（ＧＵＩ）内に表示するためにレンダリングさせることと、を行わせる、システム。 - ヒト対象の核医学画像の病変マーキングおよび定量分析のためのシステムであって、
プロセッサと、
命令を有しているメモリと、を備え、前記命令は、前記プロセッサによって実行されたときに、前記プロセッサに、
（ａ）コンピューティングデバイスのプロセッサにより、前記ヒト対象の骨スキャン画像セットにアクセスすることであって、前記骨スキャン画像セットは、前記ヒト対象への薬剤の投与後に得られたものである、ことと、
（ｂ）前記骨スキャン画像セット内の各画像を自動的にセグメント化して、前記ヒト対象の骨格の特定の解剖学的領域に各々が対応する１つまたは複数の骨格関心領域を特定し、それによりアノテーションされた画像のセットを得ることと、
（ｃ）１つまたは複数のホットスポットの初期のセットを自動的に検出することであって、各ホットスポットは、前記アノテーションされた画像のセット内の高い強度のエリアに対応し、前記自動的に検出することは、
（ｉ）前記アノテーションされた画像のセット内の画素の強度、および（ｉｉ）複数の事前閾値、を使用して、潜在的なホットスポットのセットを検出すること、
前記潜在的なホットスポットのセットを使用してグローバル閾値スケーリング率を算出すること、
前記グローバル閾値スケーリング率を使用して前記複数の事前閾値を調節し、それにより複数の調節済みの閾値を得ること、および
（ｉ）前記アノテーションされた画像のセット内の画素の強度、および（ｉｉ）前記複数の調節済みの閾値、を使用して、前記ホットスポットの初期のセットを特定すること、を含む、ことと、
（ｄ）前記ホットスポットの初期のセット内の各ホットスポットについて、前記ホットスポットに関連するホットスポット特徴のセットを抽出することと、
（ｅ）前記ホットスポットの初期のセット内の各ホットスポットについて、前記ホットスポットに関連する前記ホットスポット特徴のセットに基づいて、前記ホットスポットが転移を表す見込みに対応する転移見込み値を計算することと、
（ｆ）前記ホットスポットの初期のセットの少なくとも一部分のグラフィック表現を、グラフィカルユーザインターフェース（ＧＵＩ）内に表示するためにレンダリングさせることと、を行わせる、システム。 - ヒト対象の核医学画像の病変マーキングおよび定量分析のためのシステムであって、
プロセッサと、
命令を有しているメモリと、を備え、前記命令は、前記プロセッサによって実行されたときに、前記プロセッサに、
（ａ）前記ヒト対象の骨スキャン画像セットにアクセスすることであって、前記骨スキャン画像セットは、前記ヒト対象への薬剤の投与後に得られたものである、ことと、
（ｂ）前記骨スキャン画像セット内の各画像を自動的にセグメント化して、前記ヒト対象の骨格の特定の解剖学的領域に各々が対応する１つまたは複数の骨格関心領域を特定し、それによりアノテーションされた画像のセットを得ることと、
（ｃ）１つまたは複数のホットスポットの初期のセットを自動的に検出することであって、各ホットスポットは、前記アノテーションされた画像のセット内の高い強度のエリアに対応する、ことと、
（ｄ）前記ホットスポットの初期のセット内の各ホットスポットについて、前記ホットスポットに関連するホットスポット特徴のセットを抽出することと、
（ｅ）前記ホットスポットの初期のセット内の各ホットスポットについて、前記ホットスポットに関連する前記ホットスポット特徴のセットに基づいて、前記ホットスポットが転移を表す見込みに対応する転移見込み値を計算することと、
（ｆ）前記ホットスポットの初期のセットの第１のサブセットを自動的に選択することであって、前記第１のサブセットに含める特定のホットスポットの選択が、
（ｉ）前記特定のホットスポットについて計算された前記転移見込み値、および
（ｉｉ）１つまたは複数のグローバルホットスポット特徴であって、各々が前記ホットスポットの初期のセット内の複数のホットスポットを使用して決定される、グローバルホットスポット特徴、
に少なくとも部分的に基づく、ことと、
（ｇ）ホットスポットの前記第１のサブセットの少なくとも一部分のグラフィック表現を、グラフィカルユーザインターフェース（ＧＵＩ）内に表示するためにレンダリングさせることと、を行わせる、システム。 - ヒト対象の核医学画像の病変マーキングおよび定量分析のためのシステムであって、
プロセッサと、
命令を有しているメモリと、を備え、前記命令は、前記プロセッサによって実行されたときに、前記プロセッサに、
（ａ）前記ヒト対象の骨スキャン画像セットにアクセスすることと、
（ｂ）前記骨スキャン画像セット内の各画像を自動的にセグメント化して、前記ヒト対象の骨格の特定の解剖学的領域に各々が対応する１つまたは複数の骨格関心領域を特定し、それによりアノテーションされた画像のセットを得ることと、
（ｃ）１つまたは複数のホットスポットの初期のセットを自動的に検出することであって、各ホットスポットは、前記アノテーションされた画像のセット内の高い強度のエリアに対応する、ことと、
（ｄ）前記ホットスポットの初期のセット内の各ホットスポットについて、前記ホットスポットに関連するホットスポット特徴のセットを抽出することと、
（ｅ）前記ホットスポットの初期のセット内の各ホットスポットについて、前記ホットスポットに関連する前記ホットスポット特徴のセットに基づいて、前記ホットスポットが転移を表す見込みに対応する見込み値を計算することと、
（ｆ）前記ホットスポットの初期のセットの各ホットスポットについて計算された前記見込み値に少なくとも部分的に基づいて、前記ホットスポットの初期のセットの前記ホットスポットのうち第１のサブセットを選択することと、
（ｇ）ホットスポットの前記第１のサブセットの少なくとも一部分を使用して１つまたは複数のリスク指標値を計算することと、を行わせ、前記計算することが、
第１のサブセットの前記一部分の各特定のホットスポットについて、（ｉｉ）前記特定のホットスポットが前記アノテーションされた画像のセット内における自身の場所に基づいて割り当てられた特定の骨格領域のサイズに対する、（ｉ）前記特定のホットスポットのサイズ、の比に基づいて骨浸潤率を算出し、それにより１つまたは複数の骨浸潤率を決定すること、
１つまたは複数の領域依存補正率を使用して前記骨浸潤率を調節し、それにより１つまたは複数の調節済みの骨浸潤率を得ること、および
前記調節済みの骨浸潤率を合計して、前記１つまたは複数のリスク指標値を決定すること、を含む、システム。 - 請求項３１から３４のいずれか一項のシステムを備える、コンピュータ支援画像分析デバイス。
- 前記デバイスが、訓練された健康管理の専門家および／または研究者によって使用されるためにプログラムされる、請求項３５に記載のデバイス。
- 前記デバイスが、転移性がんの評価および／または検出を行うための骨スキャン画像の分析に使用されるためにプログラムされる、請求項３６に記載のデバイス。
- 前記デバイスが、前立腺がんの評価および／または検出を行うための骨スキャン画像の分析に使用されるためにプログラムされる、請求項３６または３７に記載のデバイス。
- 前記デバイスが訓練された健康管理の専門家および／または研究者によって使用されることを意図されることを指定するラベルを備える、請求項３５から３８のいずれか一項に記載のデバイス。
- 前記ラベルは、前記デバイスが転移性がんの評価および／または検出を行うための骨スキャン画像の分析に使用されることを意図されることをさらに指定する、請求項３９に記載のデバイス。
- 前記ラベルは、前記デバイスが前立腺がんの評価および／または検出を行うための骨スキャン画像の分析に使用されることを意図されることをさらに指定する、請求項３９または４０に記載のデバイス。
- （ｉ）前記大腿骨は、前記大腿骨の長さに沿って前記大腿骨の少なくとも４分の３を包含する、および／または
（ｉｉ）前記上腕骨は、前記上腕骨の長さに沿って前記上腕骨の少なくとも４分の３を包含する、請求項１に記載の方法。 - 前記１つまたは複数の領域依存閾値が異なる骨格領域ごとに変動し、前記大腿骨および／または上腕骨領域では、それらの領域における検出感度を上げるために、より低い値を有する、請求項１に記載の方法。
- （ｉ）前記大腿骨は、前記大腿骨の長さに沿って前記大腿骨の少なくとも４分の３を包含する、および／または
（ｉｉ）前記上腕骨は、前記上腕骨の長さに沿って前記上腕骨の少なくとも４分の３を包含する、請求項３１に記載のシステム。 - 前記１つまたは複数の領域依存閾値が異なる骨格領域ごとに変動し、前記大腿骨および／または上腕骨領域では、それらの領域における検出感度を上げるために、より低い値を有する、請求項３１に記載のシステム。
Applications Claiming Priority (3)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| US201962837955P | 2019-04-24 | 2019-04-24 | |
| US62/837,955 | 2019-04-24 | ||
| PCT/US2020/029435 WO2020219620A1 (en) | 2019-04-24 | 2020-04-23 | Systems and methods for automated and interactive analysis of bone scan images for detection of metastases |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JP2022530039A JP2022530039A (ja) | 2022-06-27 |
| JPWO2020219620A5 true JPWO2020219620A5 (ja) | 2023-05-01 |
Family
ID=70617271
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP2021562965A Pending JP2022530039A (ja) | 2019-04-24 | 2020-04-23 | 転移を検出するための骨スキャン画像の自動化された対話型の分析のためのシステムおよび方法 |
Country Status (9)
| Country | Link |
|---|---|
| US (2) | US11534125B2 (ja) |
| EP (1) | EP3959684A1 (ja) |
| JP (1) | JP2022530039A (ja) |
| CN (1) | CN113710159A (ja) |
| AU (1) | AU2020261370A1 (ja) |
| BR (1) | BR112021021011A2 (ja) |
| CA (1) | CA3136127A1 (ja) |
| TW (1) | TW202105407A (ja) |
| WO (1) | WO2020219620A1 (ja) |
Families Citing this family (14)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113035327A (zh) | 2016-10-27 | 2021-06-25 | 普罗热尼奇制药公司 | 用于医学图像分析的网络、决策支持系统和相关图形用户界面(gui)应用 |
| US10973486B2 (en) | 2018-01-08 | 2021-04-13 | Progenics Pharmaceuticals, Inc. | Systems and methods for rapid neural network-based image segmentation and radiopharmaceutical uptake determination |
| AU2020206584A1 (en) | 2019-01-07 | 2021-06-17 | Exini Diagnostics Ab | Systems and methods for platform agnostic whole body image segmentation |
| JP2022530040A (ja) * | 2019-04-24 | 2022-06-27 | プロジェニクス ファーマシューティカルズ， インコーポレイテッド | 核医学画像における強度ウィンドウ処理の双方向調節のためのシステムおよび方法 |
| CA3136127A1 (en) | 2019-04-24 | 2020-10-29 | Progenics Pharmaceuticals, Inc. | Systems and methods for automated and interactive analysis of bone scan images for detection of metastases |
| US11544407B1 (en) | 2019-09-27 | 2023-01-03 | Progenics Pharmaceuticals, Inc. | Systems and methods for secure cloud-based medical image upload and processing |
| US11900597B2 (en) | 2019-09-27 | 2024-02-13 | Progenics Pharmaceuticals, Inc. | Systems and methods for artificial intelligence-based image analysis for cancer assessment |
| US11564621B2 (en) | 2019-09-27 | 2023-01-31 | Progenies Pharmacenticals, Inc. | Systems and methods for artificial intelligence-based image analysis for cancer assessment |
| US11386988B2 (en) | 2020-04-23 | 2022-07-12 | Exini Diagnostics Ab | Systems and methods for deep-learning-based segmentation of composite images |
| US11321844B2 (en) | 2020-04-23 | 2022-05-03 | Exini Diagnostics Ab | Systems and methods for deep-learning-based segmentation of composite images |
| US11721428B2 (en) | 2020-07-06 | 2023-08-08 | Exini Diagnostics Ab | Systems and methods for artificial intelligence-based image analysis for detection and characterization of lesions |
| KR102283673B1 (ko) * | 2020-11-30 | 2021-08-03 | 주식회사 코어라인소프트 | 병변 추적 검사에 기반하여 진단 보조 정보의 임계치를 조정하는 의료 영상 판독 지원 장치 및 방법 |
| CN114496177B (zh) * | 2022-01-24 | 2022-09-16 | 佳木斯大学 | 一种基于大数据的感染科临床感染源的检测方法及系统 |
| CN114577122B (zh) * | 2022-02-28 | 2023-08-18 | 长三角先进材料研究院 | 一种基于图像处理的自冲铆接剖面几何参数自动测量方法 |
Family Cites Families (106)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US5165410A (en) * | 1987-05-15 | 1992-11-24 | Medical & Scientific Enterprises, Inc. | Position indicating system for a multidiagnostic scanner |
| CN1111823C (zh) | 1997-05-27 | 2003-06-18 | 力捷电脑股份有限公司 | 使用分段加权校正的影像处理装置及其处理方法 |
| US6058322A (en) | 1997-07-25 | 2000-05-02 | Arch Development Corporation | Methods for improving the accuracy in differential diagnosis on radiologic examinations |
| WO2002061457A2 (en) | 2001-01-30 | 2002-08-08 | Decharms R Christopher | Methods for physiological monitoring, training, exercise and regulation |
| US7295691B2 (en) | 2002-05-15 | 2007-11-13 | Ge Medical Systems Global Technology Company, Llc | Computer aided diagnosis of an image set |
| US7450747B2 (en) | 2002-07-12 | 2008-11-11 | Ge Medical Systems Global Technology Company, Llc | System and method for efficiently customizing an imaging system |
| SE524500C2 (sv) | 2002-09-16 | 2004-08-17 | Weaidu In Europ Ab | Förfarande och anordning för bestämning av en tredimensionell kontur av ett organ i en patients kropp |
| EP1508872A1 (en) | 2003-08-22 | 2005-02-23 | Semeion | An algorithm for recognising relationships between data of a database and a method for image pattern recognition based on the said algorithm |
| US7935055B2 (en) | 2003-09-19 | 2011-05-03 | Siemens Medical Solutions Usa, Inc. | System and method of measuring disease severity of a patient before, during and after treatment |
| DE10356272B4 (de) | 2003-11-28 | 2006-02-23 | Siemens Ag | Verfahren zur Navigation in 3-dimensionalen Bilddaten |
| US20090311182A1 (en) * | 2004-03-31 | 2009-12-17 | Dong Wang | Macromolecular Delivery Systems for Non-Invasive Imaging, Evaluation and Treatment of Arthritis and Other Inflammatory Diseases |
| CN101076724B (zh) | 2004-04-14 | 2012-11-14 | 美国医软科技公司 | 肝病诊断系统，方法和图形用户界面 |
| DE102004027710A1 (de) | 2004-06-07 | 2006-01-26 | Siemens Ag | Verfahren zur automatischen Detektion einer Struktur bei bildgebenden medizinischen Verfahren, Computertomografiegerät, Arbeitsstation und Comupterprogrammprodukt |
| US7397475B2 (en) | 2004-09-02 | 2008-07-08 | Siemens Medical Solutions Usa, Inc. | Interactive atlas extracted from volume data |
| US20140193336A1 (en) * | 2005-07-19 | 2014-07-10 | Biosensors International Group, Ltd. | Imaging protocols |
| US7668342B2 (en) | 2005-09-09 | 2010-02-23 | Carl Zeiss Meditec, Inc. | Method of bioimage data processing for revealing more meaningful anatomic features of diseased tissues |
| US7876938B2 (en) | 2005-10-06 | 2011-01-25 | Siemens Medical Solutions Usa, Inc. | System and method for whole body landmark detection, segmentation and change quantification in digital images |
| US7920730B2 (en) | 2005-10-07 | 2011-04-05 | Siemens Medical Solutions Usa, Inc. | Automatic bone detection in MRI images |
| DE102005048853A1 (de) | 2005-10-12 | 2007-04-26 | Siemens Ag | Bildgebende medizinische Modalität |
| US20080298657A1 (en) | 2005-11-23 | 2008-12-04 | Junji Shiraishi | Computer-Aided Method for Detection of Interval Changes in Successive Whole-Body Bone Scans and Related Computer Program Program Product and System |
| DE102005059209B4 (de) | 2005-12-12 | 2010-11-25 | Siemens Ag | Verfahren und Vorrichtung zur Visualisierung einer Folge von tomographischen Bilddatensätzen |
| WO2007110420A2 (en) | 2006-03-24 | 2007-10-04 | Exini Diagnostics Ab | Automatic interpretation of 3-d medicine images of the brain and methods for producing intermediate results |
| JP5127276B2 (ja) | 2006-05-26 | 2013-01-23 | 株式会社東芝 | 画像処理装置および磁気共鳴イメージング装置 |
| US20080027315A1 (en) | 2006-07-31 | 2008-01-31 | Icad, Inc. | Processing and presentation of electronic subtraction for tagged colonic fluid and rectal tube in computed colonography |
| CN101528267A (zh) | 2006-10-25 | 2009-09-09 | 皇家飞利浦电子股份有限公司 | 用于检测前列腺癌的造影剂 |
| EP2618102A2 (en) | 2006-11-21 | 2013-07-24 | Mantisvision Ltd. | 3d geometric modeling and 3d video content creation |
| EP2227784B1 (en) | 2007-12-28 | 2014-07-16 | Exini Diagnostics AB | System for detecting bone cancer metastases |
| US8562945B2 (en) | 2008-01-09 | 2013-10-22 | Molecular Insight Pharmaceuticals, Inc. | Technetium- and rhenium-bis(heteroaryl) complexes and methods of use thereof |
| GB0803064D0 (en) | 2008-02-20 | 2008-03-26 | Siemens Medical Solutions | System for defining volumes of interest with reference to anatomical features |
| US20090309874A1 (en) | 2008-06-11 | 2009-12-17 | Siemens Medical Solutions Usa, Inc. | Method for Display of Pre-Rendered Computer Aided Diagnosis Results |
| JP2010029481A (ja) | 2008-07-29 | 2010-02-12 | Univ Of Tsukuba | 腫瘍の経過観察レポート自動作成診断支援システム |
| ES2914593T3 (es) | 2008-08-01 | 2022-06-14 | Univ Johns Hopkins | Agentes de unión a PSMA y usos de los mismos |
| US8705887B2 (en) | 2008-08-22 | 2014-04-22 | Weyerhaeuser Nr Company | Method and apparatus for filling in or replacing image pixel data |
| ES2595128T3 (es) | 2008-12-05 | 2016-12-27 | Molecular Insight Pharmaceuticals, Inc. | Complejos de tecnecio y renio-bis(heteroarilo) y métodos de uso de los mismos para inhibir PSMA |
| US10311971B2 (en) | 2009-03-26 | 2019-06-04 | Koninklijke Philips N.V. | PET/CT based monitoring system supported by a clinical guideline navigator |
| US8073220B2 (en) | 2009-04-20 | 2011-12-06 | Siemens Aktiengesellschaft | Methods and systems for fully automatic segmentation of medical images |
| US8588486B2 (en) | 2009-06-18 | 2013-11-19 | General Electric Company | Apparatus and method for isolating a region in an image |
| US8467856B2 (en) | 2009-07-17 | 2013-06-18 | Koninklijke Philips Electronics N.V. | Anatomy modeling for tumor region of interest definition |
| JP2011067594A (ja) | 2009-08-25 | 2011-04-07 | Fujifilm Corp | 肝機能造影像を用いた医用画像診断装置および方法、並びにプログラム |
| US20110063288A1 (en) | 2009-09-11 | 2011-03-17 | Siemens Medical Solutions Usa, Inc. | Transfer function for volume rendering |
| WO2011077303A1 (en) | 2009-12-23 | 2011-06-30 | Koninklijke Philips Electronics N.V. | Methods and apparatuses for prostate cancer detection, staging, and therapy response assessment |
| JP5687714B2 (ja) | 2010-01-22 | 2015-03-18 | ザ リサーチ ファウンデーション オブ ザ ステート ユニバーシティ オブ ニューヨーク | 前立腺の視覚化のためのシステムおよび方法 |
| CA2789286A1 (en) | 2010-02-08 | 2011-08-11 | Piramal Imaging Sa | F18-tyrosine derivatives for imaging bone metastases |
| US9401047B2 (en) | 2010-04-15 | 2016-07-26 | Siemens Medical Solutions, Usa, Inc. | Enhanced visualization of medical image data |
| WO2012168813A1 (en) | 2011-06-10 | 2012-12-13 | Koninklijke Philips Electronics N.V. | Dose-optimized protocol for ac and localization on hybrid scanners |
| US9123155B2 (en) | 2011-08-09 | 2015-09-01 | Covidien Lp | Apparatus and method for using augmented reality vision system in surgical procedures |
| US9002081B2 (en) | 2011-10-18 | 2015-04-07 | Matthew Sherman Brown | Computer-aided bone scan assessment with automated lesion detection and quantitative assessment of bone disease burden changes |
| WO2013078370A1 (en) | 2011-11-23 | 2013-05-30 | The Regents Of The University Of Michigan | Voxel-based approach for disease detection and evolution |
| US20130211231A1 (en) | 2012-02-14 | 2013-08-15 | Manivannan Sundarapandian | Method and system for visualization of treatment volumes |
| US8682049B2 (en) | 2012-02-14 | 2014-03-25 | Terarecon, Inc. | Cloud-based medical image processing system with access control |
| JP6501524B2 (ja) | 2012-02-24 | 2019-04-17 | コーネル ユニヴァーシティー | Ｐｓｍａ上昇により致死性前立腺癌が同定される |
| WO2013168111A2 (en) * | 2012-05-08 | 2013-11-14 | Spectrum Dynamics Llc | Nuclear medicine tomography systems, detectors and methods |
| JP6170284B2 (ja) | 2012-06-22 | 2017-07-26 | 富士フイルムＲｉファーマ株式会社 | 画像処理プログラム、記録媒体、画像処理装置、及び画像処理方法 |
| JP6013042B2 (ja) | 2012-06-27 | 2016-10-25 | 富士フイルムＲｉファーマ株式会社 | 画像処理プログラム、記録媒体、画像処理装置、及び画像処理方法 |
| US9721340B2 (en) | 2013-08-13 | 2017-08-01 | H. Lee Moffitt Cancer Center And Research Institute, Inc. | Systems, methods and devices for analyzing quantitative information obtained from radiological images |
| EP3057620A4 (en) | 2013-10-18 | 2017-05-24 | Molecular Insight Pharmaceuticals, Inc. | Methods of using spect/ct analysis for staging cancer |
| US20150331995A1 (en) | 2014-05-14 | 2015-11-19 | Tiecheng Zhao | Evolving contextual clinical data engine for medical data processing |
| US11495355B2 (en) | 2014-05-15 | 2022-11-08 | The Johns Hopkins University | Method, system and computer-readable media for treatment plan risk analysis |
| GB2528249B (en) | 2014-07-11 | 2019-03-06 | Siemens Medical Solutions Usa Inc | Automatic background region selection for lesion delineation in medical images |
| US10061003B2 (en) | 2014-09-01 | 2018-08-28 | bioProtonics, L.L.C. | Selective sampling for assessing structural spatial frequencies with specific contrast mechanisms |
| US20160203263A1 (en) | 2015-01-08 | 2016-07-14 | Imbio | Systems and methods for analyzing medical images and creating a report |
| JP6545591B2 (ja) | 2015-09-28 | 2019-07-17 | 富士フイルム富山化学株式会社 | 診断支援装置、方法及びコンピュータプログラム |
| US10058393B2 (en) * | 2015-10-21 | 2018-08-28 | P Tech, Llc | Systems and methods for navigation and visualization |
| EP3380859A4 (en) | 2015-11-29 | 2019-07-31 | Arterys Inc. | AUTOMATED SEGMENTATION OF CARDIAC VOLUME |
| CN108472002A (zh) | 2015-12-17 | 2018-08-31 | 皇家飞利浦有限公司 | 用于医学图像分析的方法和设备 |
| US10210634B2 (en) | 2016-07-20 | 2019-02-19 | Shanghai United Imaging Healthcare Co., Ltd. | System and method for segmenting medical image |
| EP3488417B1 (en) | 2016-07-20 | 2020-09-16 | Tel Hashomer Medical Research Infrastructure and Services Ltd. | A system and method for automated characterization of solid tumors using medical imaging |
| CN106558045B (zh) | 2016-10-20 | 2019-07-19 | 上海联影医疗科技有限公司 | 一种肺组织分割方法、装置，医学图像处理系统 |
| CN113035327A (zh) | 2016-10-27 | 2021-06-25 | 普罗热尼奇制药公司 | 用于医学图像分析的网络、决策支持系统和相关图形用户界面(gui)应用 |
| US10902598B2 (en) | 2017-01-27 | 2021-01-26 | Arterys Inc. | Automated segmentation utilizing fully convolutional networks |
| US10492723B2 (en) | 2017-02-27 | 2019-12-03 | Case Western Reserve University | Predicting immunotherapy response in non-small cell lung cancer patients with quantitative vessel tortuosity |
| KR101754291B1 (ko) | 2017-04-04 | 2017-07-06 | 이현섭 | 개인 맞춤형 뇌질병 진단 및 상태 판정을 위한 의료 영상 처리 시스템 및 방법 |
| GB201705876D0 (en) | 2017-04-11 | 2017-05-24 | Kheiron Medical Tech Ltd | Recist |
| US10152571B1 (en) | 2017-05-25 | 2018-12-11 | Enlitic, Inc. | Chest x-ray differential diagnosis system |
| WO2018222755A1 (en) | 2017-05-30 | 2018-12-06 | Arterys Inc. | Automated lesion detection, segmentation, and longitudinal identification |
| EP3646240A4 (en) | 2017-06-26 | 2021-03-17 | The Research Foundation for The State University of New York | SYSTEM, PROCEDURE AND COMPUTER-ACCESSIBLE MEDIUM FOR VIRTUAL PANCREATOGRAPHY |
| EP3437559B1 (de) | 2017-08-03 | 2020-06-24 | Siemens Healthcare GmbH | Ermitteln eines funktionsparameters betreffend eine lokale gewebefunktion für mehrere gewebebereiche |
| EP3470006B1 (en) | 2017-10-10 | 2020-06-10 | Holo Surgical Inc. | Automated segmentation of three dimensional bony structure images |
| US10223610B1 (en) | 2017-10-15 | 2019-03-05 | International Business Machines Corporation | System and method for detection and classification of findings in images |
| US11551353B2 (en) | 2017-11-22 | 2023-01-10 | Arterys Inc. | Content based image retrieval for lesion analysis |
| US10973486B2 (en) | 2018-01-08 | 2021-04-13 | Progenics Pharmaceuticals, Inc. | Systems and methods for rapid neural network-based image segmentation and radiopharmaceutical uptake determination |
| US20200342600A1 (en) | 2018-01-08 | 2020-10-29 | Progenics Pharmaceuticals, Inc. | Systems and methods for rapid neural network-based image segmentation and radiopharmaceutical uptake determination |
| WO2019136349A2 (en) | 2018-01-08 | 2019-07-11 | Progenics Pharmaceuticals, Inc. | Systems and methods for rapid neural network-based image segmentation and radiopharmaceutical uptake determination |
| EP3514756A1 (en) * | 2018-01-18 | 2019-07-24 | Koninklijke Philips N.V. | Medical analysis method for predicting metastases in a test tissue sample |
| US11542234B2 (en) | 2018-03-16 | 2023-01-03 | Universität Zu Köln | 2-alkoxy-6-[18F]fluoronicotinoyl substituted lys-c(O)-glu derivatives as efficient probes for imaging of PSMA expressing tissues |
| US11026649B2 (en) | 2018-06-25 | 2021-06-08 | Siemens Medical Solutions Usa, Inc. | Method and system for determining tumor burden in medical images |
| US10902588B2 (en) | 2018-08-13 | 2021-01-26 | International Business Machines Corporation | Anatomical segmentation identifying modes and viewpoints with deep learning across modalities |
| US11011257B2 (en) | 2018-11-21 | 2021-05-18 | Enlitic, Inc. | Multi-label heat map display system |
| US11145059B2 (en) | 2018-11-21 | 2021-10-12 | Enlitic, Inc. | Medical scan viewing system with enhanced training and methods for use therewith |
| US11457871B2 (en) | 2018-11-21 | 2022-10-04 | Enlitic, Inc. | Medical scan artifact detection system and methods for use therewith |
| US11282198B2 (en) | 2018-11-21 | 2022-03-22 | Enlitic, Inc. | Heat map generating system and methods for use therewith |
| US20200170604A1 (en) * | 2018-12-04 | 2020-06-04 | Howmedica Osteonics Corp. | CT Based Probabilistic Cancerous Bone Region Detection |
| US11514571B2 (en) | 2018-12-17 | 2022-11-29 | Siemens Healthcare Gmbh | Hierarchical analysis of medical images for identifying and assessing lymph nodes |
| CN113226183A (zh) | 2019-01-07 | 2021-08-06 | 美国西门子医疗系统股份有限公司 | 根据静态pet扫描对代谢速率的确定 |
| AU2020206584A1 (en) | 2019-01-07 | 2021-06-17 | Exini Diagnostics Ab | Systems and methods for platform agnostic whole body image segmentation |
| CN113711271A (zh) | 2019-03-15 | 2021-11-26 | 豪夫迈·罗氏有限公司 | 用于通过正电子发射断层摄影进行肿瘤分割的深度卷积神经网络 |
| EP3664034B1 (en) | 2019-03-26 | 2021-09-01 | Siemens Healthcare GmbH | Method and data processing system for providing lymph node information |
| JP2022530040A (ja) | 2019-04-24 | 2022-06-27 | プロジェニクス ファーマシューティカルズ， インコーポレイテッド | 核医学画像における強度ウィンドウ処理の双方向調節のためのシステムおよび方法 |
| CA3136127A1 (en) | 2019-04-24 | 2020-10-29 | Progenics Pharmaceuticals, Inc. | Systems and methods for automated and interactive analysis of bone scan images for detection of metastases |
| US11564621B2 (en) | 2019-09-27 | 2023-01-31 | Progenies Pharmacenticals, Inc. | Systems and methods for artificial intelligence-based image analysis for cancer assessment |
| US11900597B2 (en) | 2019-09-27 | 2024-02-13 | Progenics Pharmaceuticals, Inc. | Systems and methods for artificial intelligence-based image analysis for cancer assessment |
| US11386988B2 (en) | 2020-04-23 | 2022-07-12 | Exini Diagnostics Ab | Systems and methods for deep-learning-based segmentation of composite images |
| US11321844B2 (en) | 2020-04-23 | 2022-05-03 | Exini Diagnostics Ab | Systems and methods for deep-learning-based segmentation of composite images |
| US11721428B2 (en) | 2020-07-06 | 2023-08-08 | Exini Diagnostics Ab | Systems and methods for artificial intelligence-based image analysis for detection and characterization of lesions |
| WO2022008374A1 (en) | 2020-07-06 | 2022-01-13 | Exini Diagnostics Ab | Systems and methods for artificial intelligence-based image analysis for detection and characterization of lesions |
| WO2023057411A1 (en) | 2021-10-08 | 2023-04-13 | Exini Diagnostics Ab | Systems and methods for automated identification and classification of lesions in local lymph and distant metastases |
-
2020
- 2020-04-23 CA CA3136127A patent/CA3136127A1/en active Pending
- 2020-04-23 JP JP2021562965A patent/JP2022530039A/ja active Pending
- 2020-04-23 BR BR112021021011A patent/BR112021021011A2/pt unknown
- 2020-04-23 WO PCT/US2020/029435 patent/WO2020219620A1/en unknown
- 2020-04-23 EP EP20725041.6A patent/EP3959684A1/en active Pending
- 2020-04-23 CN CN202080030140.7A patent/CN113710159A/zh active Pending
- 2020-04-23 TW TW109113698A patent/TW202105407A/zh unknown
- 2020-04-23 AU AU2020261370A patent/AU2020261370A1/en active Pending
- 2020-04-23 US US16/856,120 patent/US11534125B2/en active Active
-
2022
- 2022-11-18 US US17/989,863 patent/US11937962B2/en active Active
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US11937962B2 (en) | Systems and methods for automated and interactive analysis of bone scan images for detection of metastases | |
| Geraghty et al. | Normal organ volume assessment from abdominal CT | |
| RU2544479C2 (ru) | Построение анатомической модели для обозначения границ представляющей интерес опухолевой области | |
| NL1024869C2 (nl) | Werkwijze en systeem voor het meten van voor ziekte relevante weefselveranderingen. | |
| CN102171724B (zh) | 医学图像序列快照的选择 | |
| JPWO2020219620A5 (ja) | ||
| CN111402260A (zh) | 一种基于深度学习的医学影像分割方法、系统、终端及存储介质 | |
| CN111047591A (zh) | 基于深度学习的病灶体积测量方法、系统、终端及存储介质 | |
| CN103908254B (zh) | 用于病变候选探测的系统和方法 | |
| KR20210095654A (ko) | 영상을 사용하여 유방암 위험을 평가하기 위한 시스템 및 방법 | |
| ES2618908T3 (es) | Una técnica de procesamiento de imágenes y un sistema de procesamiento de imágenes | |
| Chakraborty | Recent advances in observer performance methodology: jackknife free-response ROC (JAFROC) | |
| US9585627B2 (en) | Histological differentiation grade prediction of hepatocellular carcinoma in computed tomography images | |
| Grainger et al. | Deep learning-based quantification of abdominal subcutaneous and visceral fat volume on CT images | |
| US7539332B1 (en) | Method and system for automatically identifying regions of trabecular bone tissue and cortical bone tissue of a target bone from a digital radiograph image | |
| US20110148861A1 (en) | Pet data processing system, an arrangement, a method and a computer program product for determining a distribution of a tracer uptake | |
| Juszczyk et al. | Automated size-specific dose estimates using deep learning image processing | |
| Chang et al. | Subchondral bone length in knee osteoarthritis: A deep learning–derived imaging measure and its association with radiographic and clinical outcomes | |
| US10445878B2 (en) | Image enhancement system for bone disease evaluation | |
| Attia et al. | Tailored logistic regression models for sex estimation of unknown individuals using the published population data of the humeral epiphyses | |
| CN102171725B (zh) | 脑室分析 | |
| Huang et al. | Fully automated computer-aided volume estimation system for thyroid planar scintigraphy | |
| Takaki et al. | Calculating the target exposure index using a deep convolutional neural network and a rule base | |
| Chauvie et al. | Automatic liver detection and standardised uptake value evaluation in whole-body positron emission tomography/computed tomography scans | |
| US20220202356A1 (en) | Objective Assessment of Joint Damage |