NL1031359C2 - Werkwijzen en systemen voor het bewaken van tumorbelasting. - Google Patents

Werkwijzen en systemen voor het bewaken van tumorbelasting. Download PDF

Info

Publication number
NL1031359C2
NL1031359C2 NL1031359A NL1031359A NL1031359C2 NL 1031359 C2 NL1031359 C2 NL 1031359C2 NL 1031359 A NL1031359 A NL 1031359A NL 1031359 A NL1031359 A NL 1031359A NL 1031359 C2 NL1031359 C2 NL 1031359C2
Authority
NL
Netherlands
Prior art keywords
data
volume
interest
index
further adapted
Prior art date
Application number
NL1031359A
Other languages
English (en)
Other versions
NL1031359A1 (nl
Inventor
Saad Ahmed Sirohey
Kelly Lynn Piacsek
Gopal B Avinash
Matthieu Denis Ferrant
Original Assignee
Gen Electric
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Gen Electric filed Critical Gen Electric
Publication of NL1031359A1 publication Critical patent/NL1031359A1/nl
Application granted granted Critical
Publication of NL1031359C2 publication Critical patent/NL1031359C2/nl

Links

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00Image analysis
    • G06T7/0002Inspection of images, e.g. flaw detection
    • G06T7/0012Biomedical image inspection
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00Image analysis
    • G06T7/60Analysis of geometric attributes
    • G06T7/64Analysis of geometric attributes of convexity or concavity
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06VIMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00Arrangements for image or video recognition or understanding
    • G06V10/40Extraction of image or video features
    • G06V10/44Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components
    • G06V10/443Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components by matching or filtering

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • General Physics & Mathematics (AREA)
  • Medical Informatics (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Multimedia (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Radiology & Medical Imaging (AREA)
  • Quality & Reliability (AREA)
  • Geometry (AREA)
  • Apparatus For Radiation Diagnosis (AREA)
  • Magnetic Resonance Imaging Apparatus (AREA)
  • Measuring And Recording Apparatus For Diagnosis (AREA)
  • Ultra Sonic Daignosis Equipment (AREA)

Description

Korte aanduiding: Werkwijzen en systemen voor het bewaken van tumorbelasting.
De uitvinding heeft in het algemeen betrekking op computertomografie (CT) beeldvorming en meer in het bijzonder op kwantificering van een geselecteerde karakteristiek van een beeldvolume en het bewaken van veranderingen van de geselecteerde karakteristiek in 5 een patiënt.
Visualisatie van door beeldvormingsinrichtingen, die 3D-gegevens genereren, verworven anatomische gegevens wordt typisch uitgevoerd door middel van volumebeeldvervaardiging van de intensiteit daarvan en/of dichtheidswaarden (Hounsfield Units (HU) in het geval 10 van computertomografie (CT) bijvoorbeeld). Vele clinische toepassingen zijn gebaseerd op 3D-visualisering van de volumetrische gegevens, die in niet beperkende zin detectie en omvangbepaling van longknobbels, kwantificering van kromming, diameter en toon van een bloedvat, hart-vaatstelseltoepassing en hartfunctietoepassing, en 15 navigatie van de dikke darm voor detectie van poliepen kunnen bevatten. Deze toepassingen berusten op de absolute waarden van de beeldgegevens (intensiteit, dichtheid (HU), "uptake" (Standard Uptake Values (SUV)), en andere met medische beeldvorming verbonden materiaaleigenschappen om meerdimensionale anatomiën van achtergrondruis 20 te kunnen onderscheiden. Enkele clinische beeldvormingstoepassingen zijn ontworpen voor routine-onderzoek van kanker in een vroeg stadium in de vorm van bijvoorbeeld tumoren, knobbels en poliepen.
Vele kankertypen zaaien gewoonlijk vanuit hun primaire orgaan of locatie uit naar een ander orgaan of andere locatie. De meest 25 gebruikelijke locatie, waarnaar tumoren uitzaaien, is naar lymfeklieren, gevolgd door longen, lever en vervolgens bot. Dikwijls presenteert metastatische ziekte zich als een distributie van kleine afwijkingen (2-10mm) door de anatomie van het lichaam heen. Meest gebruikelijke locaties voor metastatische afwijkingen bevinden zich 30 in de longen en de lever. Het visuele contrast van leverafwijkingen op CT-beelden wordt begrensd door het menselijke oog. Magnetische Resonantie Beeldvorming (MRI) en Positron Emissie Tomografie (PET) beeldvorming bleken superieur te zijn ten opzichte van CT voor het visualiseren van levertumoren, maar het contrast blijft beperkt.
1031359 - 2 -
Er zijn vele behandelingsopties voor primaire en secundaire kankertypen. Deze opties kunnen stralingstherapie, chemotherapie, hormoonbehandeling, immuuntherapie, operatie en andere bevatten.
Tot nu toe vertrouwen artsen hoofdzakelijk op de klaarblijke-5 lijke anatomische omvang en vorm van de tumor onder behandeling bij het vaststellen van de responsie van de patiënt op een gekozen therapie. Dit kan problematisch zijn bij patiënten met "omvangrijke ziekte" (hetgeen betekent, dat de tumorbelasting een overschatting van de werkelijke aanwezigheid van kankercellen is), indien de ziekte 10 vermindert, maar de relatieve omvang van de weefselmassa niet verandert. Sinds de komst van PET- en CT/PET-beeldvorming kan de omvang van het actieve gedeelte van de tumor worden vastgesteld om de responsie van een patiënt op therapie te bepalen. Voor de arts kan het wenselijk zijn om de omvang van de afwijking(en) te meten voor en na 15 daaropvolgende behandelingen om de responsie te kwantificeren. In vele gevallen van een primaire kanker kan het ongecompliceerd zijn om het volume van door een afwijking ingenomen anatomie te kwantificeren. Onder sommige omstandigheden kan een tumor een beperkt contrast hebben of ziekte-gedefinieerd zijn, hetgeen betekent, dat de 20 grenzen van de tumor moeilijk te identificeren zijn. In het geval van meer-dere afwijkingen en metastatische ziekte, zijn er vele honderden kleine afwijkingen, die over het lichaam of binnen individuele organen zijn gedistribueerd. Wanneer er meerdere afwijkingen zijn, is het echter uiterst tijdrovend om elke individuele afwijking te iden-25 tificeren en te volgen. Artsen kunnen er bovendien voor kiezen om het somtotaal van het door alle afwijkingen ingenomen volume te representeren in termen van een enkel getal, "Total Tumor Burden" (TTB = totale tumorbelasting). Wanneer een van de tumoren reageert op een gekozen behandelingsplan, zal de TTB op zich veranderen. Zelfs het 30 volgen van TTB over het verloop van een behandelingsregime kan echter ook een moeilijke en tijdrovende procedure vereisen.
In een uitvoeringsvorm is een systeem voor de kwantificering van een geselecteerde karakteristiek van een beeldvolume verschaft. Het systeem is ingericht om een beeldgegevensreeks voor een volume 35 van belang te ontvangen, de gegevensreeks voor een geselecteerde karakteristiek te bewerken op basis van tenminste één van vorm en textuur om een aantal responsies te verkrijgen, en een index van een samenvoeging van een aantal verkregen responsies te berekenen.
- 3 -
Volgens een andere uitvoeringsvorm is een beeldvormingssysteem verschaft. Het beeldvormingssysteem bevat een beeldverwervingdeel voor het verwerven van beeldgegevens, een stuureenheid, die is ingericht om het beeldverwervingsdeel te besturen, en een processor, die 5 is ingericht om een geselecteerde karakteristiek van een beeldvolume te kwantificeren en veranderingen van de geselecteerde karakteristiek te bewaken. De processor is verder geprogrammeerd om een beeldge-gevensreeks voor een volume van belang te ontvangen van tenminste één van een röntgenmodaliteit, een CT-modaliteit, een echografiemodali-10 teit, een magnetische resonantie beeldvorming (MRI) modaliteit, een positronemissietomografie (PET) modaliteit, een nucleair medicijn modaliteit, een optische modaliteit, en een combinatie van modaliteiten, om de gegevensreeks voor een geselecteerde karakteristiek te bewerken op basis van tenminste één van vorm en textuur om een aantal 15 responsies te verkrijgen, en om een index van een samenvoeging van een aantal verkregen responsies te berekenen.
Volgens nog een andere uitvoeringsvorm is een werkwijze voor het kwantificeren van een geselecteerde karakteristiek van een beeldvolume en het bewaken van veranderingen van de geselecteerde karak-20 teristiek verschaft. De werkwijze bevat het ontvangen van een beeld-gegevensreeks voor een volume van belang, het bewerken van de gegevensreeks voor een geselecteerde karakteristiek op basis van tenminste één van vorm en textuur om een aantal responsies te verkrijgen, en het berekenen van een index van een samenvoeging van het 25 aantal verkregen responsies.
Figuur 1 is een illustratief aanzicht van een meerplaks volu-metrisch CT-beeldvormingssysteem;
Figuur 2 is een blokschema van het in Figuur 1 getoonde meerplaks volumetrische CT-beeldvormingssysteem; 30 Figuur 3 is een schematisch aanzicht van een volume van belang (VOI), zoals een deel van een patiënt;
Figuur 4 is een ander schematisch aanzicht van het in Figuur 3 weergegeven volume van belang (VOI);
Figuur 5 is een tabel van bepaalde volumes van elke in Figuur 35 4 weergegeven responsies 1-6;
Figuur 6 is een schematisch aanzicht van het in Figuur 3 weergegeven VOI, dat gegevens, die op een later tijdstip zijn ontvangen, bijvoorbeeld na een therapieverloop, toont; - 4 -
Figuur 7 is een schematisch aanzicht van het in Figuur 6 weergegeven VOI;
Figuur 8 is een tabel 800 van bijgewerkte vastgestelde volumes van in Figuur 7 weergegeven responsies 1-7; 5 Figuur 9 is een stroomschema van een voorbeeldwerkwijze om een tumorbelastingsindex voor een volume van belang te bepalen;
Figuur 10 is een stroomschema van een ander voorbeeld van een werkwijze om een tumorbelastingsindex voor een volume van belang te bepalen; 10 Figuur 11 is een gegevensstroomschema van een voorbeelduitvoe- ringsvorm van de uitvinding, zoals in het algemeen toegepast op een aantal beeldvormingsoplossingen en diagnostische oplossingen; en
Figuur 12 is een gegevensstroomschema van een voorbeelduitvoe-ringsvorm van de uitvinding, zoals in het algemeen toegepast op een 15 longonderzoek, dat gebruik maakt van computertomografie (CT).
Zoals hierin gebruikt, dient een in de enkelvoudvorm vermelde en door het woord "een" voorafgegaan element of stap te worden opgevat als meerdere elementen of stappen niet uitsluitend, tenzij een dergelijke uitsluiting expliciet is vermeld. Verder zijn verwijzingen 20 naar "één uitvoeringsvorm" van de uitvinding niet bedoeld om te worden opgevat als het bestaan van aanvullende uitvoeringsvormen, die ook de vermelde kenmerken bevatten, uitsluitend.
Zoals hierin gebruikt, is ook de zinsnede "reconstrueren van een beeld" niet bedoeld om uitvoeringsvormen van de uitvinding, waar-25 in de een beeld representerende gegevens worden gegenereerd, maar een zichtbaar beeld niet, uit te sluiten. Zoals hierin gebruikt, verwijst de term "beeld" daarom in brede zin naar zichtbare beelden en gegevens, die een zichtbaar beeld representeren. Echter genereren (of zijn ingericht om te genereren) vele uitvoeringsvormen tenminste één 30 zichtbaar beeld.
Figuur 1 is een illustratief aanzicht van een meerplaks volu-metrisch CT-beeldvormingssysteem 10. Figuur 2 is een schematisch blokschema van het in Figuur 1 getoonde systeem. In de voorbeelduit-voeringsvorm is een computertomografie (CT) beeldvormingssysteem 10 35 weergegeven als een portaal 12, dat representatief is voor een CT-beeldvormingssysteem van "derde generatie", bevattend. Het portaal 12 heeft een stralingsbron 14, die een kegelbundel 16 van röntgenstralen naar een detectorarray 18 aan de tegenoverliggende zijde van het portaal 12 projecteert.
- 5 -
De detectorarray 18 wordt gevormd door een aantal detector-rijen (niet weergegeven), die een aantal detectorelementen 20 bevatten, welke detectorelementen tesamen de door een object, zoals een medische patiënt, doorgelaten geprojecteerde röntgenbundels detec-5 teren. Elk detectorelement 20 produceert een elektrisch signaal, dat de intensiteit van een invallende stralingsbundel en daardoor de verzwakking van de bundel bij doorgang door de patiënt 22 representeert. Een beeldvormingssysteem 10, dat een meerplaksdetectorarray 18 heeft, is in staat om een aantal voor de patiënt 22 representatieve beelden 10 te verschaffen. Elk beeld van het aantal beelden correspondeert met een afzonderlijke "plak" van het volume. De "dikte" of apertuur van de plak is afhankelijk van de dikte van de detectorrijen.
Tijdens een aftasting voor het verwerven van stralingspro-jectiegegevens roteren het portaal 12 en de daarop gemonteerde compo-15 nenten rond een rotatie-as 24. Figuur 2 toont slechts een enkele rij van detectorelementen 20 (d.w.z., een detectorrij). De meerplaksdetectorarray 18 bevat echter een aantal parallelle detectorrijen van detectorelementen 20, zodat projectiegegevens, die corresponderen met een aantal quasi-parallelle of parallelle plakken, gelijktijdig 20 kunnen worden verworven tijdens een aftasting.
Rotatie van het portaal 12 en de werking van de stralingsbron 14 worden bestuurd door een stuurmechanisme 26 van het CT-systeem 10. Het stuurmechanisme 26 bevat een stralingbesturingseenheid 28, die energie en timingsignalen aan de stralingsbron 14 verschaft, en een 25 portaalmotorbesturingseenheid 30, die de rotatiesnelheid en positie van het portaal 12 bestuurt. Een gegevensverwervingssysteem (DAS) 32 in het stuurmechanisme 26 bemonstert de van de detectorelementen 20 afkomstige analoge gegevens en zet de gegevens om in digitale signalen voor daaropvolgende bewerking. Een beeldreconstructie-orgaan 34 30 ontvangt bemonsterde en gedigitaliseerde stralingsgegevens van DAS 32 en voert een snelle beeldreconstructie uit. Het gereconstrueerde beeld wordt als een invoer aan een computer 36 toegevoerd, welke computer het beeld in een massa-opslaginrichting 38 opslaat.
De computer 36 ontvangt ook commando's en aftastparameters van 35 een bediener via een console 40, dat een toetsenbord heeft. Een bijbehorende beeldweergave 42 maakt het voor de bediener mogelijk om het gereconstrueerde beeld en andere van de computer 36 afkomstige gegevens te observeren. De door de bediener geleverde .commando's en parameters worden door de computer 36 gebruikt om stuursignalen en - 6 - informatie aan DAS 32, de stralingbesturingseenheid 28 en de portaal-motorbesturingseenheid 30 te verschaffen. Bovendien bestuurt de computer 36 een tafelmotorbesturingseenheid 44, die een gemotoriseerde tafel 46 bestuurt om de patiënt 22 in het portaal 12 te positioneren.
5 In het bijzonder beweegt de tafel 46 delen van de patiënt 22 door de portaalopening 48 heen.
In een uitvoeringsvorm bevat de computer 36 een inrichting 50, bijvoorbeeld een diskettestation of CD-ROM station, voor het lezen van instructies en/of gegevens van een computer-leesbaar medium 52, 10 zoals een diskette of CD-ROM. In een andere uitvoeringsvorm voert de computer 36 instructies, die in firmware (niet weergegeven) zijn opgeslagen, uit. In het algemeen is een processor in tenminste één van DAS 32, reconstructie-orgaan 34 en computer 36, weergegeven in Figuur 2, geprogrammeerd om de hieronder beschreven processen uit te 15 voeren. Vanzelfsprekend is de werkwijze niet beperkt tot uitvoering in een CT-systeem 10 en kan de werkwijze worden gebruikt in verband met vele andere typen en variaties van beeldvormingssystemen. In een uitvoeringsvorm is de computer 36 geprogrammeerd om de hierin beschreven functies uit te voeren, en dientengevolge is de hierin ge-20 bruikte term "computer" niet beperkt tot alleen die geïntegreerde schakelingen, die in de techniek als computers worden aangeduid, maar verwijst deze term in brede zin naar computers, processors, micro-besturingen, microcomputers, programmeerbare logisch besturingen, toepassing specifieke geïntegreerde schakelingen en andere program-25 meerbare schakelingen.
Hieronder is een beschrijving van een voorbeeld van een meer-plaks CT-systeem volgens een uitvoeringsvorm van de uitvinding gegeven. Hoewel één uitvoeringsvorm van het systeem hieronder is beschreven, zal het duidelijk zijn, dat vele alternatieve uitvoerings-30 vormen van de uitvinding mogelijk zijn. Hoewel een bepaalde detector en een bepaald gegevensverwervingssysteem zijn beschreven, kunnen echter andere detectoren of gegevensverwervingssystemen in verband met het systeem worden gebruikt en is de uitvinding niet beperkt tot de toepassing met een bepaald type detector. In het bijzonder bevat de 35 hieronder beschreven detector een aantal modules en bevat elk moduul een aantal detectorcellen. In plaats van de hieronder beschreven specifieke detector kan een detector, die niet-gesegmenteerde cellen langs de z-as heeft, en/of een detector, die meerdere modules met meerdere elementen langs de x-as en/of z-as, samengevoegd in beide - 7 - richtingen, heeft, om meerplaksaftastingsgegevens gelijktijdig te verwerven, worden gebruikt. In het algemeen is het systeem werkzaam in een meerplaksmodus om één of meer plakken van gegevens te verzamelen. Axiale en schroefvormige aftastingen kunnen worden uitgevoerd met het 5 systeem, en dwarsdoorsnedebeelden van een afgetast object kunnen worden bewerkt, gereconstrueerd, weergegeven en/of gearchiveerd.
Figuur 3 is een schematisch aanzicht van een volume van belang (VOI) 300, zoals een deel 302 van een patiënt 22. In de voorbeelduit-voeringsvorm bevat VOI 300 één of meer lichamen, zoals een eerste 10 orgaan 304 en een tweede orgaan 306. Een aftasting van VOI 300 kan verschillende responsies (1-6), zoals anatomiën en pathologiën van belang detecteren.
De hierin beschreven werkwijzen en inrichtingen maken een direkte implementatie van vormfilteringswerkwijzen op anisotrope volu-15 metrische gegevensreeks mogelijk met als doel het opsporen van longitudinale veranderingen in vorm en omvang van verschillende anatomiën en pathalogiën. Uitzaaiingen in de long worden gebruikt om verschillende uitvoeringsvormen van de uitvinding te beschrijven, maar er wordt opgemerkt, dat andere toepassingen, bijvoorbeeld in niet 20 beperkende zin radiologie, oncologie, neurologie, perfusie, bloedvat-analyse, dikke darm-, long- en hartvatensegmentatie, worden beoogd.
Een uitvoeringsvorm van de uitvinding bevat het uitvoeren van anatomische vormfiltering en visualisatie van een 3-dimensionale volumetrische gegevensreeks, die correspondeert met VOI 300. De uit-25 voer van de 3D-vormfiltering kan worden gescheiden in verschillende responsietypen afhankelijk van het huidige proces. In één voorbeeld-illustratie kan de scheiding in de vorm van een mate van cilindervorm! gheid of bolvormigheid van het betreffende object plaatsvinden.
De responsie van deze filtering kan ook een onderliggende schaalcom-30 ponent hebben, die equivalentie met betrekking tot zowel de omvang als de vorm van het betreffende object creëert, dat wil zeggen, dat de filtering kan worden afgestemd om maximaal te reageren op cilinders (en bollen), die een diameter van 8mm hebben, en om niet-maximaal te zijn, indien het betreffende object in omvang of vorm afwijkt van de 35 gewenste afgestemde waarde. De vormresponsies kunnen onafhankelijk of op de beeldgegevens, die in 2D of volumetrische 3D beeldweergave zijn gerepresenteerd, gelegd worden weergegeven. Een werkwijze, soortgelijk aan de huidige beschikbare Window en Level (W/L) bewerking, wordt toegepast op de gefilterde responsies, die de gebruiker in staat stelt om - 8 - de responsies, die hij wenst te zien, selectief weer te geven, hetgeen de gebruiker in wezen van de mogelijkheid voorziet om de gevoeligheid op niet-maximale responsies af te stemmen. Deze werkwijze kan onafhankelijk worden toegepast op de filteringsresponsies. Deze werkwijze 5 maakt ook het samenvoegen van ongelijksoortige responsies voor een gecombineerde weergave mogelijk zonder verlies van de W/L mogelijkheid voor de gebruiker. Deze mogelijkheid wordt verkregen onder gebruikmaking van twee complementaire werkwijzen, waarvan de eerste een kunstmatig gegevenspunt in responsieruimte creëerde, waardoor de res-10 ponsiegegevens kunnen worden gescheiden in gespiegelde zin rond dit gegeven, en de tweede een op soortgelijke wijze gespiegelde kleurkaart met geschikte overdrachtsfuncties gebruikte. Het resultaat van deze werkwijzen is, dat de gebruiker de selectieve W/L kan toepassen en dat de ongelijksoortige responsies van de filtering {bijv., bolvormig en 15 cilindervormig) gelijktijdig onafhankelijk of op de beeldgegevens gelegd worden weergegeven onder gebruikmaking van hun eigen kleurkaart voor visuele onderscheiding.
Het volume, dat het anatomische lichaam van belang bevat, wordt geïdentificeerd onder gebruikmaking van anatomische dichtheidswaarden 20 van de long in verband met morfologische bewerkingen. Meervoudige resolutie bemonstering wordt uitgevoerd, zodat het volume wordt gepresenteerd op verschillende schalen. Neerwaartse bemonstering wordt uitgevoerd in samenhang met een Gaussische vereffening om aliaserings-artefacten te minimaliseren. Een discrete benadering voor de convo-25 lutiebewerking van een volume met de analytische afgeleide van een Gaussisch filter wordt bepaald en responsies op bolvormige en cilindervormige anatomische objecten, knobbels en vaten worden weergegeven .
Figuur 4 is een schematisch aanzicht van een volume van belang 30 (VOI) 300 (weergegeven in Figuur 3). De middens van responsies 1-6 worden geïdentificeerd om driedimensionale referenties aan individuele tumoren binnen het afgebeelde vol 300 te verschaffen. 3D-aanwijzers naar de individuele tumoren worden gebruikt om het volume van elke tumor vast te stellen en de volumes van alle tumoren worden gesommeerd 35 om een totale tumorbelasting (TTB) te berekenen. In een alternatieve uitvoeringsvorm worden de volumes niet vastgesteld voor elk individueel tumor, maar wordt daarentegen het volume globaal vastgesteld voor het lichaam van belang, waarin geen sommatie van individuele tumoren nodig is, aangezien TTB direkt wordt bepaald.
- 9 -
Figuur 5 is een tabel 500 van bepaalde volumes 502 van elke responsie 1-6. Een totale tumorbelasting (TTB) 504 kan worden bepaald en weergegeven. TTB wordt bepaald door middel van het combineren van de volumes van één of meer responsies 1-6. In de voorbeelduitvoerings-5 vorm worden de individuele volumes van responsies 1-6 bij elkaar opgeteld om TTB 504 te bepalen. In andere uitvoeringsvormen kunnen andere werkwijzen van het combineren van de volumes worden gebruikt.
Figuur 6 is een schematisch aanzicht van VOI 300 (weergegeven in Figuur 3), dat op een later tijdstip, bijvoorbeeld na verloop van 10 therapie, ontvangen gegevens toont. De verandering van TTB 504 voor VOI 300 kan worden bepaald tussen opeenvolgende tijdstippen door middel van aftrekbewerking, delingsbewerking of andere mathematische bewerking.
Figuur 7 is een schematisch aanzicht van VOI 300 (weergegeven 15 in Figuur 6). De middens van responsies 1-6 zijn geïdentificeerd en ook is een aanvullende gedetecteerde responsie 7 geïdentificeerd en is het midden daarvan bepaald.
Figuur 8 is een tabel 800 van bijgewerkte vastgestelde volumes 802 van responsies 1-7. Een totale tumorbelasting (TTB) 504 kan worden 20 vastgesteld en weergegeven. TTB wordt vastgesteld door middel van het combineren van de volumes van één of meer responsies 1-7. In de voor-beelduitvoeringsvorm worden de individuele volumes van responsies 1-7 bij elkaar opgeteld om TTB 804 te bepalen. In andere uitvoeringsvormen kunnen andere werkwijzen van het combineren van de volumes worden 25 gebruikt. Een verschilwaarde tussen opeenvolgende tijdstippen voor elk volume kan ook worden bepaald en weergegeven. De verschilwaarde kan worden uitgedrukt als een sterkteverandering ten opzichte van een eerdere waarde of kan worden uitgedrukt als een relatieve verandering met betrekking tot de eerdere waarde, zoals een percentageverandering 30 ten opzichte van de eerdere waarde. In een alternatieve uitvoeringsvorm wordt de TTB direkt bepaald voor het gehele lichaam van belang.
Dit proces kan ook worden herhaald in een secundair beeld, zoals een van een alternatieve beeldvormingsmodaliteit verkregen beeld, dat wordt uitgelijnd met het eerste beeld en het verschil in de 35 gedetecteerde volumes wordt berekend. Het uitvoeren van de vorm-geba-seerde filtering in een CT- en een PET-beeld kan bijvoorbeeld informatie betreffende de anatomische tumorbelasting (ATB), afkomstig van CT, alsmede de fysiologische tumorbelasting (PTB), afkomstig van PET, verschaffen. Het op een later tijdstip herhalen van deze analyse zal - 10 - het niveau openbaren, waarop de therapie een effect heeft gehad, omdat anatomische veranderingen typisch achterblijven bij fysiologische veranderingen.
De detectie van alle volumes kan ook worden gefilterd om auto-5 matisch slechts de evolutie van een subreeks van afwijkingen (zoals bijvoorbeeld de 5 grootste afwijkingen) te volgen, zoals wordt aanbevolen door de WHO en RECIST criteria. Dergelijke metingen bevatten het bepalen van de evolutie van hun gemiddelde of totale volume van een subreeks van afwijkingen, het bepalen van de maximale afname/toename 10 in volume van elk van deze afwijkingen.
Figuur 9 is een stroomschema voor een voorbeeldwerkwijze 900 om een tumorbelastingsindex voor een volume van belang te bepalen. In de voorbeelduitvoeringsvorm wordt de tumorbelasting bepaald uit alle geïdentificeerde voxels na onvertraagde bolvormfiltering.
15 Werkwijze 900 bevat in blok 902 het toegang verkrijgen tot of ontvangen van multidimensionale gegevens afkomstig van bijvoorbeeld een CT-beeldvormingsaftasting. In verschillende alternatieve uitvoeringsvormen kunnen de multidimensionale gegevens worden ontvangen van verschillende aftastingen van bijvoorbeeld , maar niet daartoe 20 beperkt, een röntgenmodaliteit, een CT-modaliteit, een ultrageluid-modaliteit, een magnetische-resonantiebeeldvorming (MRI) modaliteit, een positronemissietomografie (PET) modaliteit, een nucleair medicijn modaliteit, een optische modaliteit, en een combinatie van modaliteiten, die gebruik maken van ruwe gegevens, projectiegegevens, en/of 25 beeldgegevens. De multidimensionale gegevens kunnen bijvoorbeeld, in niet beperkende zin, radiologiegegevens, oncologiegegevens, neurologische gegevens, hartgegevens, borstgegevens, gegevens van het spieren skeletstelsel, gegevens van het vaatstelsel en interventiegegevens zijn. Uit de ontvangen gegevens wordt een gebied of volume van belang 30 bepaald. Het volume van belang kan worden geselecteerd door een gebruiker of kan automatisch worden bepaald onder gebruikmaking van vooraf vastgestelde karakteristieken van de gegevens om tenminste een subreeks van de multidimensionale gegevens binnen het volume van belang te lokaliseren.
35 Het VOI wordt in blok 904 bewerkt onder gebruikmaking van on vertraagde vorm-gebaseerde filtering met FP-reductie nabewerking om tumorachtige bolvormige objecten te bepalen. De filteringsresponsies worden in blok 906 samengevoegd om een effectieve tumorbelastingsindex te bepalen. De bewerking wordt in blok 908 herhaald in longitudinale - 11 - onderzoeken om verandering te bepalen met als doel het rapporteren van versnelling of afremming van kanker.
De hierboven beschreven werkwijzen kunnen verder het detecteren van bolvormige gebieden in een beeld van het object onder gebruik-5 making van 3D vorm-gebaseerde filtering bevatten. De geïdentificeerde locaties van de bolvormige voxels kunnen worden samengevoegd om een tumorbelastingsindex te vormen, waarin de resultaten worden gevolgd over longitudinale onderzoeken voor veranderingsbepaling. De tumorbelastingsindex kan de trend aangeven in de tijd en/of over een popu-10 latie voor verschillende statistische analyses. De tumorbelastingsindex voor een aantal beeldvormingmodaliteiten kan worden gecombineerd om aanvullende informatie te verschaffen voor het beslissings-regelinstrument.
Figuur 10 is een stroomschema voor een voorbeeldwerkwijze 1000 15 om een tumorbelastingsindex voor een volume van belang te bepalen. De werkwijze 1000 kan het totale tumorbelastingsvolume bepalen onder gebruikmaking van onvertraagde vormfiltering gevolgd door bepaling van het massamiddelpunt van elk geïdentificeerd gebied en onder gebruikmaking van deze middelpunten om de tumoren te segmenteren en naar 20 grootte te sorteren. De werkwijze 1000 kan verder het detecteren van bolvormige gebieden in een beeld van het object onder gebruikmaking van 3D vorm-gebaseerde filtering gevolgd door nabewerking bevatten om het massamiddelpunt van elk cluster van detecties te bepalen. Elk van de geïdentificeerde locaties wórdt toegevoerd aan een volumetrische-25 segmentatie-algoritme, dat het volume van individuele kankerkandidaten schat. De individuele volumeschattingen worden samengevoegd om een totaal tumorvolume te vormen. De resultaten worden gevolgd over longitudinale onderzoeken voor veranderingsbepaling.
De werkwijze 1000 bevat in blok 1002 het toegang verkrijgen tot 30 of ontvangen van multidimensionale gegevens afkomstig van bijvoorbeeld een CT-beeldvormingsaftasting. In verschillende alternatieve uitvoeringsvormen kunnen de multidimensionale gegevens worden ontvangen van verschillende aftastingen van bijvoorbeeld , maar niet daartoe beperkt een röntgenmodaliteit, een CT-modaliteit, een ultrageluidmodaliteit, 35 een magnetische-resonantiebeeldvorming (MRI) modaliteit, een positron-emissietomografie (PET) modaliteit, een nucleair medicijn modaliteit, een optische modaliteit, en een combinatie van modaliteiten, die gebruik maken van ruwe gegevens, projectiegegevens, en/of beeldgegevens. De multidimensionale gegevens kunnen bijvoorbeeld, in niet beperkende - 12 - zin, radiologiegegevens, oncologiegegevens, neurologische gegevens, hartgegevens, borstgegevens, gegevens van het spier- en skeletstelsel, gegevens van het vaatstelsel en interventiegegevens zijn. Uit de ontvangen gegevens wordt een gebied of volume van belang bepaald. Het 5 volume van belang kan worden geselecteerd door een gebruiker of kan automatisch worden bepaald onder gebruikmaking van vooraf vastgestelde karakteristieken van de gegevens om tenminste een subreeks van de multidimensionale gegevens binnen het volume van belang te lokaliseren.
10 Het VOI wordt in blok 1004 bewerkt onder gebruikmaking van on vertraagde vorm-gebaseerde filtering met FP-reductie nabewerking om tumorachtige bolvormige objecten te bepalen. Een massamiddelpunt voor elk cluster van bolvormige responsies wordt bepaald en gebruikt om het volume van elk van de bolvormige responsies te segmenteren en te 15 schatten. De volumeschattingen worden in blok 1008 samengevoegd om een effectieve tumorbelastingsindex te bepalen. De bewerking wordt herhaald in blok 1010 in longitudinale onderzoeken om verandering te bepalen met als doel het rapporteren van versnelling of afremming van kanker.
20 Figuur 11 is een gegevensstroomschema 1100 van een voorbeeld- uitvoeringsvorm van de uitvinding, zoals in het algemeen toegepast op een aantal beeldvormingsoplossingen en diagnose-oplossingen. Multidimensionale gegevens worden verkregen onder gebruikmaking van een aftasting van elk van verschillende modaliteiten van beeldvormings-25 systemen 1102. Bijvoorbeeld kunnen gegevens worden verworven tijdens aftastingen door een röntgenmodaliteit, een CT-modaliteit, een ultra-geluidmodaliteit, een magnetische-resonantiebeeldvorming (MRI) modaliteit, een positronemissietomografie (PET) modaliteit, een nucleair medicijn modaliteit, een optische modaliteit, en een combinatie van 30 modaliteiten. De beeldgegevens 1104 kunnen bijvoorbeeld radiologiegegevens, oncologiegegevens, neurologische gegevens, hartgegevens, borstgegevens, gegevens van het spier- en skeletstelsel, gegevens van het vaatstelsel en interventiegegevens zijn. De beeldgegevens 1104 kunnen in blok 1106 worden bewerkt onder gebruikmaking van filtering, 35 zoals 3D vorm-gebaseerde filtering, en/of afleiding van karakteristieken, die niet direkt bepaalbaar zijn. Bijvoorbeeld kunnen de beeldgegevens 1104 worden gefilterd voor een beeldtextuur, een vorm, een Hounsfield-getal, een standaard "uptake" waarde (SUV), een anatomische - 13 - structuur en/of een diameter, en kan bijvoorbeeld een perfusie en/of een stroming uit de beeldgegevensreeks afleiden.
De bewerkte gegevens kunnen worden geanalyseerd onder gebruikmaking van een selecteerbare drempel 1110, zoals een hoge drempel, een 5 lage drempel of hoog-laag drempel om bolvormige gebieden in de beeld-gegevens te detecteren. De bolvormige voxels van de geïdentificeerde locaties worden samengevoegd in blok 1108 om een tumorbelastingsindex te vormen en de resultaten kunnen als trend worden aangemerkt onder gebruikmaking van ruimte-tijd analyse over longitudinale onderzoeken, 10 die eerdere indices 1114 voor veranderingsbepaling gebruiken. In een alternatieve uitvoeringsvorm kan een aantal bolvormige gebieden in de beeldgegevens worden gedetecteerd onder gebruikmaking van 3D vorm-gebaseerde filtering gevolgd door nabewerking om het massamiddelpunt van elk cluster van detecties te bepalen. Elk van de geïdentificeerde 15 locaties wordt ingevoerd in een volumetrische-segmentatie-algoritme, dat het volume van individuele tumorkandidaten schat. De individuele volumeschattingen worden samengevoegd om een totaal tumorvolume te vormen. De resultaten kunnen als trend worden aangemerkt over longitudinale onderzoeken voor veranderingsbepaling.
20 De detectie van alle volumes kan ook worden gefilterd om auto matisch slechts de evolutie van een subreeks van tumoren (zoals bijvoorbeeld de 5 grootste tumoren) te volgen. Dergelijke metingen bevatten het berekenen van de evolutie van het gemiddelde of totale volume van een subreeks van tumoren en/of het berekenen van een maxi-25 male afname/toename in volume van elk van deze tumoren. Een beslis-singsregelinstrument 1116 kan worden toegepast op de samengevoegde gegevens, zodat veranderingen in het aantal tumoren, een individuele tumoromvang, een samengevoegde tumoromvang en/of andere karakteristieken van een volume van belang kunnen worden gebruikt om een diag-30 nose te stellen en/of een aanbevolen behandelingsverloop te bepalen. Het béslissingsregelinstrument 1116 ontvangt gegevens van een bron 1118 van metagegevens van een patiënt, die in niet beperkende zin genetische gegevens, familiehistoriegegevens, histo-pathologie-gegevens, allergiegegevens en een medische historie van de patiënt 35 kunnen bevatten.
Het beslissingsregelinstrument 1116 kan gegevens van verschillende gegevensbestanden 1119, zoals een diagnosekennisbestand en/of een ziektebehandelingskennisbestand, die lokaal in een via gegevens-opslaginrichting 38 toegankelijk geheugen kunnen zijn opgeslagen, - 14 - ontvangen. De gegevensbestanden, die via een netwerk, zoals het Internet, toegankelijk zijn, kunnen ook worden gebruikt door het beslis-singsregelinstrument 1116. De diagnose en aanbevolen behandeling en andere resultaten van het toepassen van het beslissingsregelinstrument 5 1116 kunnen in blok 1120 via een weergave 1122 aan een gebruiker worden gecommuniceerd en kunnen via een netwerk naar andere gebruikers worden gezonden. De resultaten van het toepassen van het beslissingsregel instrument 1116 kunnen binaire responsies, zoals de tumorbelas-ting is beter of slechter, zijn. De responsie kan een metrisch 10 resultaat, zoals een volumekwantiteit van tumorbelasting of aantal tumorknobbels, zijn. De responsie kan een gedetailleerde historie van de patiënt bevatten, welke historie een verloop van een ziekte en/of behandeling in detail beschrijft.
Van een gebruikerinvoermoduul 1124 afkomstige gebruikerinvoer 15 kan worden gebruikt om algoritme, dat wordt gebruikt voor het genereren van uitvoerbijwerkingsparameters, of door het algoritme gebruikte bijwerkingsparameters te modificeren of te redigeren. Het gebruikerinvoermoduul 1124 kan een alleenstaande man-machinekoppeling of kan een deel van een bestaande besturingseenheid van een beeld-20 vormingssysteem zijn. De gebruikerinvoer kan handmatig in het invoer-moduul 1124 worden ingevoerd of kan een uitvoer van een logisch code-segment, dat in voor het systeem 10 toegankelijke programmatuur, firmware en/of apparatuur is opgenomen, zijn.
Figuur 12 is een gegevensstroomdiagram 1200 van een voorbeeld-25 uitvoeringsvorm van de uitvinding, zoals toegepast op een longonderzoek, dat gebruik maakt van computertomografie (CT). Multidimensionale gegevens worden verkregen onder gebruikmaking van een CT-aftasting 1202. De CT-beeldgegevens 1204 kunnen een segment van een patiënt, welk segment longweefsel van belang bevat, bevatten. De beeldgegevens 30 1204 kunnen in blok 1206 worden bewerkt onder gebruikmaking van 3D
vorm-gebaseerde filtering om een massamiddelpunt voor weefsel, dat aan de voorafbepaalde criteria voor de 3D vorm-gebasserde filtering voldoet, te lokaliseren. De bewerkte gegevens kunnen worden geanalyseerd onder gebruikmaking van een selecteerbare drempel 1210, zoals een hoge 35 drempel, een lage drempel, een hoog-laag drempel, om bolvormige gebieden in de beeldgegevens te detecteren. Het totaal van voxels van de geïdentificeerde locaties wordt in blok 1208 samengevoegd om een tumorbelastingsindex te vormen en de resultaten kunnen als trend worden aangemerkt onder gebruikmaking van een analyse, zoals aftrek- - 15 - bewerking 1212, over longitudinale onderzoeken, die eerdere indices 1214 voor veranderingsbepaling gebruiken. In een alternatieve uitvoeringsvorm kan een aantal bolvormige gebieden in de beeldgegevens worden gedetecteerd onder gebruikmaking van 3D vorm-gebaseerde fil-5 tering gevolgd door nabewerking om het massamiddelpunt van elk cluster van detecties te bepalen. Elk van de geïdentificeerde locaties wordt ingevoerd in een volumetrische-segmentatie-algoritme, dat het volume van individuele tumorkandidaten schat. De individuele volumeschat-tingen worden samengevoegd om een totaal tumorvolume te vormen. De 10 resultaten kunnen als trend worden aangemerkt over longitudinale onderzoeken voor veranderingsbepaling.
De detectie van alle gebieden kan ook worden gefilterd om automatisch slechts de evolutie van een subreeks van tumoren te volgen. Dergelijke metingen bevatten het berekenen van de evolutie van het 15 gemiddelde of totale volume van een subreeks van tumoren en/of het berekenen van een maximale afname/toename in volume van elk van deze tumoren. Een beslissingsregelinstrument 1216 kan worden toegepast op de samengevoegde gegevens, zodat veranderingen in het aantal tumoren, een individuele tumoromvang, een samengevoegde tumoromvang en/of 20 andere karakteristieken van een volume van belang kunnen worden gebruikt om een diagnose te stellen en/of een aanbevolen behandelings-verloop te bepalen. Het beslissingsregelinstrument 1216 ontvangt gegevens van een bron 1218 van metagegevens van een patiënt, die in niet beperkende zin genetische gegevens, familiehistoriegegevens, 25 histo-pathologiegegevens, allergiegegevens en een medische historie van de patiënt kunnen bevatten. Het beslissingsregelinstrument 1216 kan verschillende gegevensbestanden 1219, zoals een diagnosekennis-bestand en/of een ziektebehandelingskennisbestand, die lokaal in een via gegevensopslaginrichting 38 toegankelijk geheugen kunnen zijn 30 opgeslagen, bevatten. De gegevensbestanden, die via een netwerk, zoals het Internet, toegankelijk zijn, kunnen ook worden gebruikt door het beslissingsregelinstrument 1216. De diagnose en aanbevolen behandeling en andere resultaten van het toepassen van het beslissingsregelinstrument 1216 kunnen in blok 1220 via een weergave 1222 aan een gebruiker 35 worden gecommuniceerd en kunnen via een netwerk naar andere gebruikers worden gezonden. De resultaten van het toepassen van het beslissingsregelinstrument 1216 kunnen binaire responsies, zoals de tumor-belasting is beter of slechter, zijn. De reactie kan een metrisch resultaat, zoals een volumekwantiteit van tumorbelasting of aantal - 16 - tumorknobbels, zijn. De responsie kan een gedetailleerde historie van de patiënt bevatten, welke historie een verloop van een ziekte en/of behandeling in detail beschrijft.
Van een gebruikerinvoermoduul 1224 afkomstige gebruikerinvoer 5 kan worden gebruikt om het algoritme voor het genereren van uitvoer-bijwerkingsparameters of door het algoritme gebruikte bijwerkings-parameters te modificeren of te redigeren. Het gebruikerinvoermoduul 1224 kan een alleenstaande man-machinekoppeling of kan een deel van een bestaande besturingseenheid van een beeldvormingssysteem zijn. De 10 gebruikerinvoer kan handmatig in het invoermoduul 1224 worden ingevoerd of kan een uitvoer van een logisch codesegment, dat in voor het systeem 10 toegankelijke programmatuur, firmware en/of apparatuur is opgenomen, zijn.
Hoewel de voorgaande uitvoeringsvormen zijn toegelicht met be-15 trekking tot medische beeldvorming, zal het duidelijk zijn, dat de hierin beschreven beeldverwerving- en bewerkingsmethode niet is beperkt tot medische toepassingen, maar ook in niet-medische toepassingen kan worden gebruikt.
De beschrijving, die de bovenstaande uitvoeringsvormen toelicht 20 is louter illustratief. Zoals hierboven beschreven, kunnen uitvoeringsvormen in de vorm van computer-geïmplementeerde processen en apparatuur voor het in praktijk brengen van deze processen worden omvat. Ook kunnen uitvoeringsvormen in de vorm van computerprogramma-code, die in concrete gegevensopslaginrichting 38 op elk computer-25 leesbaar opslagmedium opgenomen instructies bevatten, waarin, wanneer de computerprogrammacode is geladen in en wordt uitgevoerd door een computer, de computer een inrichting is geworden voor het in praktijk brengen van de uitvinding,.worden omvat. Ook kunnen uitvoeringsvormen in de vorm van bijvoorbeeld een computerprogrammacode, of deze nu is 30 opgeslagen in een opslagmedium, is geladen in en/of uitgevoerd door een computer, of als een zich voortplantend gegevenssignaal, al dan niet een gemoduleerde dragergolf, over enig overdrachtsmedium, zoals elektrische bedrading of bekabeling, via vezeloptica of via elektromagnetische straling is verzonden, waarin, wanneer de computerpro-35 grammacode is geladen in en wordt uitgevoerd door een computer, de computer een inrichting is geworden voor het in praktijk brengen van de uitvinding,.worden omvat. Wanneer geïmplementeerd op een microprocessor voor algemene doeleinden, vormen de computerprogrammacode- - 17 - segmenten de microprocessor om specifieke logische schakelingen te creëren.
Het zal duidelijk zijn, dat het gebruik van de termen "eerste" en "tweede" of andere soortgelijke nomenclatuur voor het aanduiden van 5 soortgelijke onderdelen niet is bedoeld om een bepaalde volgorde te specificeren of op te leggen, tenzij anders is vermeld.
De hierboven beschreven uitvoeringsvormen van een beeldvor-mingssysteem verschaffen kostprijs-effectieve en betrouwbare middelen voor het bewaken van tumorbelasting in een patiënt. Meer in het bij-10 zonder kunnen tumoren en tumorkandidaten worden gedetecteerd onder gebruikmaking van vorm-gebaseerde filtering of andere filtering en kan de samenvoeging van de tumorbelasting als een trend worden aangemerkt in de tijd of over een populatie. Beslissingsregels kunnen worden toegepast op de analyse van tumorbelasting, zodat een kennisbestand 15 diagnose en behandelingsaanbevelingen kan vergemakkelijken. Als resultaat hiervan, vergemakkelijken de beschreven werkwijzen de kwantificering en bewaking van tumorbelasting in een patiënt op een kostprijseffectieve en betrouwbare wijze.
Voorbeelduitvoeringsvormen van werkwijzen en inrichtingen van 20 het beeldvormingssysteem zijn hierboven in detail beschreven. De getoonde componenten van het beeldvormingssysteem zijn niet beperkt tot de hierin beschreven specifieke uitvoeringsvormen, maar daarentegen kunnen componenten van elk beeldvormingssysteem onafhankelijk en gescheiden van andere hierin beschreven componenten worden gebruikt.
25 Bijvoorbeeld kunnen de hierboven beschreven componenten van het beeldvormingssysteem ook worden gebruikt in combinatie met verschillende beeldvormingssystemen. Een technisch effect van de hierin beschreven verschillende uitvoeringsvormen van de systemen bevatten het vergemakkelijken van kwantificering en bewaking van tumorbelasting in een 30 patiënt.
Hoewel de uitvinding is beschreven in termen van verschillende specifieke uitvoeringsvormen, zal de vakman onderkennen, dat de uitvinding met modificaties binnen de gedachte en het kader van de conclusies in praktijk kan worden gebracht.
35 1 03 1 359

Claims (10)

1. Systeem (10) voor de kwantificering van een geselecteerde karakteristiek van een beeldvolume (300), welk systeem is ingericht om: een beeldgegevensreeks (1104) voor een volume (300) van belang 5 te ontvangen (1102); de gegevensreeks voor een geselecteerde karakteristiek te bewerken (1106) op basis van tenminste één van vorm en textuur om een aantal responsies te verkrijgen; en een index van een samenvoeging van een aantal verkregen res- 10 ponsies te berekenen (1108).
2. Systeem volgens conclusie 1, waarin het systeem verder is ingericht om een verandering van de index te bewaken.
3. Systeem volgens elk van de voorgaande conclusies, waarin het systeem verder is ingericht om de gegevensreeks te filteren (1106) om 15 een kwantiteit van de geselecteerde karakteristiek te bepalen.
4. Systeem volgens conclusie 3, waarin het systeem verder is ingericht om tenminste één van het filteren (1106) van de gegevensreeks voor tenminste één van een textuur, een vorm, een Hounsfield-getal, een standaard "uptake" waarde (SUV), een anatomische structuur, 20 en een diameter, en het afleiden van tenminste één van een perfusie en een stroming uit de gegevensreeks uit te voeren.
5. Systeem volgens elk van de voorgaande conclusies, waarin het systeem verder is ingericht om een drempelwaarde (1110) voor de geselecteerde karakteristiek van een gebruiker te ontvangen.
6. Systeem volgens elk van de voorgaande conclusies, waarin het systeem verder is ingericht om een index te berekenen (1108) onder gebruikmaking van een globale kwantiteit van de geselecteerde karakteristiek in het volume van belang.
7. Systeem volgens elk van de voorgaande conclusies, waarin het 30 systeem verder is ingericht om een index te berekenen (1108) onder gebruikmaking van een aantal kwantiteiten van de geselecteerde karakteristiek in het volume van belang.
8. Systeem volgens elk van de voorgaande conclusies, waarin het volume van belang een deel (302) van een patiënt (22) representeert, 35 welk systeem verder is ingericht om: metagegevens (1118) voor de patiënt te ontvangen; ‘l Ü 3 I 3 b 9 - 19 - een tweede index uit tenminste één van een eerdere gegevens-reeks van het volume van belang en een gegevensreeks van een tweede volume van belang te ontvangen; een verandering tussen de index en de tweede index te bepalen; 5 en tenminste één beslissingsregel (1116) toe te passen op de bepaalde verandering om een variatie in het volume van belang (300) te bepalen.
9. Systeem volgens conclusie 8, waarin het systeem verder is 10 ingericht om tenminste één van genetische gegevens, familiehistorie- gegevens, histo-pathologiegegevens, allergiegegevens, medische historie en een ziekte-behandelingskennisbestand van een patiënt te ontvangen.
10. Systeem volgens conclusie 8 of 9, waarin het systeem verder 15 is ingericht om een uitvoer van tenminste één van een diagnose, een binaire responsie en een metrische responsie te genereren onder gebruikmaking van de tenminste ene toegepaste beslissingsregel en de metagegevens van de patiënt. 20 1031359
NL1031359A 2005-03-14 2006-03-13 Werkwijzen en systemen voor het bewaken van tumorbelasting. NL1031359C2 (nl)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
US7969405 2005-03-14
US11/079,694 US8229200B2 (en) 2005-03-14 2005-03-14 Methods and systems for monitoring tumor burden

Publications (2)

Publication Number Publication Date
NL1031359A1 NL1031359A1 (nl) 2006-09-18
NL1031359C2 true NL1031359C2 (nl) 2008-04-07

Family

ID=36973822

Family Applications (1)

Application Number Title Priority Date Filing Date
NL1031359A NL1031359C2 (nl) 2005-03-14 2006-03-13 Werkwijzen en systemen voor het bewaken van tumorbelasting.

Country Status (5)

Country Link
US (1) US8229200B2 (nl)
JP (1) JP5081390B2 (nl)
CN (1) CN1861002B (nl)
DE (1) DE102006012015A1 (nl)
NL (1) NL1031359C2 (nl)

Families Citing this family (25)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7996240B2 (en) * 2007-02-20 2011-08-09 Siemens Aktiengesellschaft Knowledge-based system for supporting radiological assessment and diagnostics
US9316752B2 (en) * 2007-09-24 2016-04-19 Koninklijke Philips N.V. Preclinical time of flight imaging
US20090100105A1 (en) * 2007-10-12 2009-04-16 3Dr Laboratories, Llc Methods and Systems for Facilitating Image Post-Processing
WO2010016992A2 (en) * 2008-07-09 2010-02-11 Florida Atlantic University System and method for analysis of spatio-temporal data
US20110105889A1 (en) * 2008-07-17 2011-05-05 Konica Minolta Medical & Graphic, Inc. Nanoparticle labeling and system using nanoparticle labeling
JP2010035634A (ja) * 2008-07-31 2010-02-18 Bio-Visiq Japan Inc Recist判定結果を算出する方法、装置およびプログラム
US8786873B2 (en) 2009-07-20 2014-07-22 General Electric Company Application server for use with a modular imaging system
DE102010027878A1 (de) * 2010-04-16 2011-10-20 Siemens Aktiengesellschaft Auswerteverfahren für eine Auswertung von medizinischen Bilddaten sowie eine medizinische Auswertevorrichtung hierzu
US8243882B2 (en) 2010-05-07 2012-08-14 General Electric Company System and method for indicating association between autonomous detector and imaging subsystem
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
US20150065868A1 (en) * 2012-04-02 2015-03-05 The Research Foundation for the State University New York System, method, and computer accessible medium for volumetric texture analysis for computer aided detection and diagnosis of polyps
EP2720192B1 (en) 2012-10-12 2015-04-08 General Electric Company Method, system and computer readable medium for liver diagnosis
EP3022670B1 (en) * 2013-07-15 2020-08-12 Koninklijke Philips N.V. Imaging based response classification of a tissue of interest to a therapy treatment
US10978184B2 (en) * 2013-11-04 2021-04-13 Terarecon, Inc. Evolving contextual clinical data engine for medical information
JP6640839B2 (ja) 2014-08-29 2020-02-05 コーニンクレッカ フィリップス エヌ ヴェKoninklijke Philips N.V. 確定されていない定量化可能病変の処理
EP3292511B1 (en) * 2015-05-04 2020-08-19 Smith, Andrew Dennis Computer-assisted tumor response assessment and evaluation of the vascular tumor burden
GB201705876D0 (en) 2017-04-11 2017-05-24 Kheiron Medical Tech Ltd Recist
GB201705911D0 (en) 2017-04-12 2017-05-24 Kheiron Medical Tech Ltd Abstracts
JP6656207B2 (ja) * 2017-05-31 2020-03-04 キヤノン株式会社 情報処理装置、その制御方法、及びプログラム
US20190049448A1 (en) * 2017-08-11 2019-02-14 Wipro Limited Method and device for identifying cancer
EP3460751A1 (en) * 2017-09-22 2019-03-27 Koninklijke Philips N.V. Automated tumor partitioning
JP7270917B2 (ja) * 2018-03-20 2023-05-11 Pdrファーマ株式会社 コンピュータプログラム、及び画像処理装置
US10818386B2 (en) * 2018-11-21 2020-10-27 Enlitic, Inc. Multi-label heat map generating system
US11030742B2 (en) * 2019-03-29 2021-06-08 GE Precision Healthcare LLC Systems and methods to facilitate review of liver tumor cases
CN111575377B (zh) * 2020-05-19 2024-02-23 邹畅 用于line-1的检测引物组及其应用

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2003250794A (ja) * 2002-03-04 2003-09-09 Ge Medical Systems Global Technology Co Llc 腫瘍領域検出方法およびx線ct装置
US20050041869A1 (en) * 2003-08-13 2005-02-24 Pascal Cathier Method and system for fast normalized cross-correlation between an image and a gaussian for detecting spherical structures

Family Cites Families (26)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5255187A (en) 1990-04-03 1993-10-19 Sorensen Mark C Computer aided medical diagnostic method and apparatus
US6266435B1 (en) 1993-09-29 2001-07-24 Shih-Ping Wang Computer-aided diagnosis method and system
US6434262B2 (en) 1993-09-29 2002-08-13 Shih-Ping Wang Computer-aided diagnosis system and method
US5571083A (en) 1994-02-18 1996-11-05 Lemelson; Jerome H. Method and system for cell transplantation
US6125194A (en) * 1996-02-06 2000-09-26 Caelum Research Corporation Method and system for re-screening nodules in radiological images using multi-resolution processing, neural network, and image processing
US5917929A (en) 1996-07-23 1999-06-29 R2 Technology, Inc. User interface for computer aided diagnosis system
AU7702798A (en) * 1997-05-30 1998-12-30 Alliance Pharmaceutical Corporation Methods and apparatus for monitoring and quantifying the movement of fluid
US6058322A (en) * 1997-07-25 2000-05-02 Arch Development Corporation Methods for improving the accuracy in differential diagnosis on radiologic examinations
JP2000126182A (ja) * 1998-10-27 2000-05-09 Mitani Sangyo Co Ltd 腫瘍診断方法
US7181058B2 (en) 1999-12-13 2007-02-20 Gsi Group, Inc. Method and system for inspecting electronic components mounted on printed circuit boards
US6944330B2 (en) * 2000-09-07 2005-09-13 Siemens Corporate Research, Inc. Interactive computer-aided diagnosis method and system for assisting diagnosis of lung nodules in digital volumetric medical images
JP4730758B2 (ja) 2001-06-27 2011-07-20 株式会社日立メディコ 医用画像診断支援装置及びその作動方法
US7130457B2 (en) * 2001-07-17 2006-10-31 Accuimage Diagnostics Corp. Systems and graphical user interface for analyzing body images
US20030036083A1 (en) * 2001-07-19 2003-02-20 Jose Tamez-Pena System and method for quantifying tissue structures and their change over time
US6891964B2 (en) * 2001-11-23 2005-05-10 University Of Chicago Computerized method for determination of the likelihood of malignancy for pulmonary nodules on low-dose CT
JP2004152043A (ja) 2002-10-31 2004-05-27 Fuji Photo Film Co Ltd 差分画像の補正方法および画像処理装置
US6597762B1 (en) 2002-11-27 2003-07-22 Ge Medical Systems Global Technology Co., Llc Method and apparatus of lesion detection and validation based on multiple reviews of a CT image
EP1492053B1 (en) 2003-06-26 2006-12-06 Fuji Photo Film Co., Ltd. Method, apparatus and program for image processing, and abnormal shadow detection
JP4571378B2 (ja) * 2003-06-26 2010-10-27 富士フイルム株式会社 画像処理方法および装置並びにプログラム
US7412280B2 (en) * 2003-07-01 2008-08-12 Ge Medical Systems Global Technology Company, Llc Systems and methods for analyzing an abnormality of an object
JP4401121B2 (ja) 2003-07-17 2010-01-20 株式会社日立メディコ 異常陰影検出装置
EP1646980A1 (en) * 2003-07-22 2006-04-19 Humanitas Mirasole S.p.A. Method and apparatus for analyzing biological tissue images
US20050244042A1 (en) * 2004-04-29 2005-11-03 General Electric Company Filtering and visualization of a multidimensional volumetric dataset
US7486812B2 (en) * 2003-11-25 2009-02-03 Icad, Inc. Shape estimates and temporal registration of lesions and nodules
GB2414295B (en) * 2004-05-20 2009-05-20 Medicsight Plc Nodule detection
US8059900B2 (en) * 2004-10-08 2011-11-15 General Electric Company Method and apparatus to facilitate visualization and detection of anatomical shapes using post-processing of 3D shape filtering

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2003250794A (ja) * 2002-03-04 2003-09-09 Ge Medical Systems Global Technology Co Llc 腫瘍領域検出方法およびx線ct装置
US20050041869A1 (en) * 2003-08-13 2005-02-24 Pascal Cathier Method and system for fast normalized cross-correlation between an image and a gaussian for detecting spherical structures

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
DATABASE WPI Week 200362, Derwent World Patents Index; AN 2003-654775, XP002458571 *

Also Published As

Publication number Publication date
JP5081390B2 (ja) 2012-11-28
JP2006255412A (ja) 2006-09-28
CN1861002A (zh) 2006-11-15
NL1031359A1 (nl) 2006-09-18
CN1861002B (zh) 2011-11-16
DE102006012015A1 (de) 2006-09-28
US8229200B2 (en) 2012-07-24
US20060242146A1 (en) 2006-10-26

Similar Documents

Publication Publication Date Title
NL1031359C2 (nl) Werkwijzen en systemen voor het bewaken van tumorbelasting.
US7676257B2 (en) Method and apparatus for segmenting structure in CT angiography
US7072435B2 (en) Methods and apparatus for anomaly detection
US11227391B2 (en) Image processing apparatus, medical image diagnostic apparatus, and program
US7567696B2 (en) System and method for detecting the aortic valve using a model-based segmentation technique
CN110944586B (zh) 来自x射线图像数据的炎症估计
EP3528261A1 (en) Prediction model for grouping hepatocellular carcinoma, prediction system thereof, and method for determining hepatocellular carcinoma group
KR20150047315A (ko) 컴퓨터 보조 진단 방법 및 장치
US20070244389A1 (en) Methods and apparatus for relative perfusion and/or viability
EP3479349B1 (en) Change detection in medical images
US10275946B2 (en) Visualization of imaging uncertainty
CN108209955A (zh) 斑块的表征
CN112106146A (zh) 用于高风险斑块负担评估的交互式自我改进注释系统
NL1034681C2 (nl) Werkwijze en apparatuur voor het aangeven van contouren van ten minste één bloedvat.
EP2619729B1 (en) Quantification of a characteristic of a lumen of a tubular structure
Zhou et al. Computerized analysis of coronary artery disease: performance evaluation of segmentation and tracking of coronary arteries in CT angiograms
US20110194741A1 (en) Brain ventricle analysis
WO2021193548A1 (ja) 文書作成支援装置、方法およびプログラム
WO2023099144A1 (en) A method and processor for analyzing the vasculature of a subject
WO2019219458A1 (en) Systems, methods, and apparatuses for generating regions of interest from voxel mode based thresholds
EP4287195A1 (en) Information processing device, method, and program
JP2004135867A (ja) 異常陰影候補検出方法及び異常陰影候補検出装置
Koc et al. A novel approach for hepatocellular carcinoma detection with region merging segmentation method
Xu et al. Quantification of stenosis in coronary artery via CTA using fuzzy distance transform
Wang et al. Automatic segmentation of the coronary artery in MSCT volume data

Legal Events

Date Code Title Description
AD1A A request for search or an international type search has been filed
RD2N Patents in respect of which a decision has been taken or a report has been made (novelty report)

Effective date: 20071203

PD2B A search report has been drawn up
V1 Lapsed because of non-payment of the annual fee

Effective date: 20141001