RU2008126210A - Способ обнаружения нервного дегенеративного заболевания, программа обнаружения и детектор - Google Patents
Способ обнаружения нервного дегенеративного заболевания, программа обнаружения и детектор Download PDFInfo
- Publication number
- RU2008126210A RU2008126210A RU2008126210/14A RU2008126210A RU2008126210A RU 2008126210 A RU2008126210 A RU 2008126210A RU 2008126210/14 A RU2008126210/14 A RU 2008126210/14A RU 2008126210 A RU2008126210 A RU 2008126210A RU 2008126210 A RU2008126210 A RU 2008126210A
- Authority
- RU
- Russia
- Prior art keywords
- image
- interest
- region
- area
- cluster
- Prior art date
Links
- 238000000034 method Methods 0.000 title claims abstract 20
- 208000015122 neurodegenerative disease Diseases 0.000 title claims abstract 10
- PWPJGUXAGUPAHP-UHFFFAOYSA-N lufenuron Chemical compound C1=C(Cl)C(OC(F)(F)C(C(F)(F)F)F)=CC(Cl)=C1NC(=O)NC(=O)C1=C(F)C=CC=C1F PWPJGUXAGUPAHP-UHFFFAOYSA-N 0.000 title 1
- 238000006243 chemical reaction Methods 0.000 claims abstract 9
- 238000010606 normalization Methods 0.000 claims abstract 7
- 210000004556 brain Anatomy 0.000 claims abstract 4
- 238000009206 nuclear medicine Methods 0.000 claims abstract 4
- 238000001514 detection method Methods 0.000 claims abstract 3
- 201000010099 disease Diseases 0.000 claims 6
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 claims 6
- 230000015572 biosynthetic process Effects 0.000 claims 5
- 206010012289 Dementia Diseases 0.000 claims 2
- 101150041689 SLC25A5 gene Proteins 0.000 claims 2
- 208000024827 Alzheimer disease Diseases 0.000 claims 1
- 230000009466 transformation Effects 0.000 abstract 2
Classifications
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/05—Detecting, measuring or recording for diagnosis by means of electric currents or magnetic fields; Measuring using microwaves or radio waves
- A61B5/055—Detecting, measuring or recording for diagnosis by means of electric currents or magnetic fields; Measuring using microwaves or radio waves involving electronic [EMR] or nuclear [NMR] magnetic resonance, e.g. magnetic resonance imaging
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/40—Detecting, measuring or recording for evaluating the nervous system
- A61B5/4076—Diagnosing or monitoring particular conditions of the nervous system
- A61B5/4088—Diagnosing of monitoring cognitive diseases, e.g. Alzheimer, prion diseases or dementia
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
- A61B6/02—Arrangements for diagnosis sequentially in different planes; Stereoscopic radiation diagnosis
- A61B6/03—Computed tomography [CT]
- A61B6/037—Emission tomography
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
- A61B6/48—Diagnostic techniques
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
- A61B6/48—Diagnostic techniques
- A61B6/481—Diagnostic techniques involving the use of contrast agents
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01T—MEASUREMENT OF NUCLEAR OR X-RADIATION
- G01T1/00—Measuring X-radiation, gamma radiation, corpuscular radiation, or cosmic radiation
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01T—MEASUREMENT OF NUCLEAR OR X-RADIATION
- G01T1/00—Measuring X-radiation, gamma radiation, corpuscular radiation, or cosmic radiation
- G01T1/16—Measuring radiation intensity
- G01T1/161—Applications in the field of nuclear medicine, e.g. in vivo counting
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
- G06T7/0012—Biomedical image inspection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10072—Tomographic images
- G06T2207/10104—Positron emission tomography [PET]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20092—Interactive image processing based on input by user
- G06T2207/20104—Interactive definition of region of interest [ROI]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30004—Biomedical image processing
- G06T2207/30016—Brain
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Medical Informatics (AREA)
- Physics & Mathematics (AREA)
- General Health & Medical Sciences (AREA)
- Molecular Biology (AREA)
- Biomedical Technology (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Biophysics (AREA)
- Pathology (AREA)
- Heart & Thoracic Surgery (AREA)
- High Energy & Nuclear Physics (AREA)
- Surgery (AREA)
- Animal Behavior & Ethology (AREA)
- Public Health (AREA)
- Veterinary Medicine (AREA)
- Radiology & Medical Imaging (AREA)
- Neurology (AREA)
- Optics & Photonics (AREA)
- General Physics & Mathematics (AREA)
- Hospice & Palliative Care (AREA)
- Psychiatry (AREA)
- Spectroscopy & Molecular Physics (AREA)
- Child & Adolescent Psychology (AREA)
- Developmental Disabilities (AREA)
- Physiology (AREA)
- Neurosurgery (AREA)
- Psychology (AREA)
- Theoretical Computer Science (AREA)
- Quality & Reliability (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Nuclear Medicine (AREA)
- Image Analysis (AREA)
- Apparatus For Radiation Diagnosis (AREA)
Abstract
1. Способ обнаружения нервного дегенеративного заболевания, содержащий ! этап стандартизации, на котором создают первое изображение путем применения анатомической стандартизации к изображению мозга, полученному методами ядерной медицины, ! этап преобразования, на котором создают второе изображение путем преобразования пиксельного значения каждого пикселя изображения на основе первого изображения в Z-показатель или значение t, ! этап сложения, на котором вычисляют сумму пиксельных значений отдельных пикселей в заранее определенной области, представляющей интерес, во втором изображении, и ! этап обнаружения, на котором получают результаты обнаружения нервного дегенеративного заболевания посредством операции сравнения суммы с заранее определенным порогом. ! 2. Способ по п.1, дополнительно содержащий этап нормализации, на котором создают нормализованное изображение путем нормализации каждого пиксельного значения первого изображения, между этапом стандартизации и этапом преобразования, причем на этапе преобразования используют нормализованное изображение в качестве изображения на основе первого изображения. ! 3. Способ по п.2, в котором на этапе нормализации создают нормализованное изображение путем вычисления среднего пиксельного значения в области, соответствующей первичной сенсомоторной области в первом изображении, для нормализации пиксельного значения каждого пикселя первого изображения с использованием среднего значения. ! 4. Способ по любому из пп.1-3, в котором область, представляющую интерес, предварительно задают как область, сформированную путем выделения пикселей, имеющих Z-показатель, рав�
Claims (25)
1. Способ обнаружения нервного дегенеративного заболевания, содержащий
этап стандартизации, на котором создают первое изображение путем применения анатомической стандартизации к изображению мозга, полученному методами ядерной медицины,
этап преобразования, на котором создают второе изображение путем преобразования пиксельного значения каждого пикселя изображения на основе первого изображения в Z-показатель или значение t,
этап сложения, на котором вычисляют сумму пиксельных значений отдельных пикселей в заранее определенной области, представляющей интерес, во втором изображении, и
этап обнаружения, на котором получают результаты обнаружения нервного дегенеративного заболевания посредством операции сравнения суммы с заранее определенным порогом.
2. Способ по п.1, дополнительно содержащий этап нормализации, на котором создают нормализованное изображение путем нормализации каждого пиксельного значения первого изображения, между этапом стандартизации и этапом преобразования, причем на этапе преобразования используют нормализованное изображение в качестве изображения на основе первого изображения.
3. Способ по п.2, в котором на этапе нормализации создают нормализованное изображение путем вычисления среднего пиксельного значения в области, соответствующей первичной сенсомоторной области в первом изображении, для нормализации пиксельного значения каждого пикселя первого изображения с использованием среднего значения.
4. Способ по любому из пп.1-3, в котором область, представляющую интерес, предварительно задают как область, сформированную путем выделения пикселей, имеющих Z-показатель, равный трем или более, полученный путем сравнения группы больных, имеющей определенное количество лиц, со здоровой группой, имеющей определенное количество лиц, формирования кластеров из пикселей, соседствующих друг с другом, среди выделенных пикселей, и выбора кластера, имеющего наибольший размер, среди сформированных кластеров для выделения очертания выбранного кластера.
5. Способ по любому из пп.1-3, в котором порог задают согласно следующей формуле (1), где S - порог, Anz - средняя сумма Z-показателей в области, представляющей интерес, во втором изображении для здоровых людей, SDnz - стандартное отклонение суммы Z-показателей в области, представляющей интерес, во втором изображении для здоровых людей, и C - константа от 1,5 до 2,5
[Формула (1)]
6. Способ по любому из пп.1-3, в котором порог задают согласно следующей формуле (2) где S - порог, Ant - средняя сумма значений t в области, представляющей интерес, во втором изображении для здоровых людей, SDnt - стандартное отклонение суммы значений t в области, представляющей интерес, во втором изображении для здоровых людей, и C - константа от 1,5 до 2,0
[Формула (2)]
7. Способ по п.5, в котором константа C находится в пределах от 1,5 до 1,6.
8. Способ по п.6, в котором константа C находится в пределах от 1,5 до 1,6.
9. Способ по любому из пп.1-3, в котором область, представляющую интерес, предварительно задают как область, сформированную путем выделения пикселя, имеющего Z-показатель, равный 1,5 или более, полученный путем сравнения первой группы больных, включающей в себя определенное количество лиц, со здоровой группой, включающей в себя определенное количество лиц, формирования кластеров из пикселей, соседствующих друг с другом, среди выделенных пикселей, выбора кластера, имеющего наибольший размер, среди сформированных кластеров, в качестве кластера первой области, выделения пикселя, имеющего Z-показатель, равный 1,5 или более, путем сравнения второй группы больных, включающей в себя определенное количество лиц, имеющих тот же тип заболевания, что и первая группа больных, или первой группы больных с третьей группы больных, включающей в себя определенное количество лиц, имеющих тип заболевания, отличный от первой группы больных, формирования кластеров из пикселей, соседствующих друг с другом, среди выделенных пикселей, выбора кластера, имеющего наибольший размер, среди сформированных кластеров, в качестве кластера второй области, формирования кластера третьей области из общих пикселей в кластере первой области и кластере второй области и выделения очертания кластера третьей области.
10. Способ по п.9, в котором порог задают согласно следующей формуле (3) где S - порог, Anz2 - средняя сумма Z-показателей в области, представляющей интерес, во втором изображении для здоровых людей, SDnz2 - стандартное отклонение суммы Z-показателей в области, представляющей интерес, во втором изображении для здоровых людей, и C - константа от 1,5 до 1,6
[Формула (3)]
11. Способ по п.9, в котором порог задают согласно следующей формуле (4) где S - порог, Ant2 - средняя сумма значений t в области, представляющей интерес, во втором изображении для здоровых людей, SDnt2 - стандартное отклонение суммы значений t в области, представляющей интерес, во втором изображении для здоровых людей, и C - константа от 1,5 до 1,6
[Формула (4)]
12. Способ по любому из пп.8-11, в котором тип заболевания первой и второй групп больных является слабоумием с телами Леви, тип заболевания третьей группы больных является болезнью Альцгеймера, и нервное дегенеративное заболевание является слабоумием с телами Леви.
13. Программа обнаружения нервного дегенеративного заболевания, предписывающая компьютеру осуществлять
этап стандартизации, на котором создают первое изображение путем применения анатомической стандартизации к изображению мозга, полученному методами ядерной медицины,
этап преобразования, на котором создают второе изображение путем преобразования пиксельного значения каждого пикселя изображения на основе первого изображения в Z-показатель или значение t,
этап сложения, на котором вычисляют сумму пиксельных значений отдельных пикселей в заранее определенной области, представляющей интерес, во втором изображении, и
этап определения, на котором получают результаты определения нервного дегенеративного заболевания посредством операции сравнения суммы с заранее определенным порогом.
14. Программа по п.13, в которой программа предписывает компьютеру дополнительно осуществлять этап нормализации, на котором создают нормализованное изображение путем нормализации каждого пиксельного значения первого изображения, между этапом стандартизации и этапом преобразования и предписывает на этапе преобразования использовать нормализованное изображение в качестве изображения на основе первого изображения.
15. Программа по п.14, в котором программа предписывает компьютеру осуществлять этап нормализации для создания нормализованного изображения путем вычисления среднего пиксельного значения в области, соответствующей первичной сенсомоторной области в первом изображении, для нормализации пиксельного значения каждого пикселя первого изображения с использованием среднего значения.
16. Программа по любому из пп.13-15, в которой область, представляющая интерес, предварительно задается как область, сформированная путем выделения пикселей, имеющих Z-показатель, равный трем или более, полученный путем сравнения группы больных, имеющей определенное количество лиц, со здоровой группой, имеющей определенное количество лиц, формирования кластеров из пикселей, соседствующих друг с другом, среди выделенных пикселей и выбора кластера, имеющего наибольший размер, среди сформированных кластеров для выделения очертания выбранного кластера.
17. Программа по любому из пп.13-15, в которой порог задают согласно следующей формуле (1), где S - порог, Anz - средняя сумма Z-показателей в области, представляющей интерес, во втором изображении для здоровых людей, SDnz - стандартное отклонение суммы Z-показателей в области, представляющей интерес, во втором изображении для здоровых людей, и C - константа от 1,5 до 2,5
[Формула (5)]
18. Программа по любому из пп.13-15, в которой порог задают согласно следующей формуле (2), где S - порог, Ant - средняя сумма значений t в области, представляющей интерес, во втором изображении для здоровых людей, SDnt - стандартное отклонение суммы значений t в области, представляющей интерес, во втором изображении для здоровых людей, и C - константа от 1,5 до 2,0
[Формула (6)]
19. Программа по п.17, в которой константа C находится в пределах от 1,5 до 1,6.
20. Программа по п.18, в которой константа C находится в пределах от 1,5 до 1,6.
21. Программа по любому из пп.13-15, в которой область, представляющая интерес, предварительно задается как область, сформированная путем выделения пикселя, имеющего Z-показатель, равный 1,5 или более, полученный путем сравнения первой группы больных, включающей в себя определенное количество лиц, со здоровой группой, включающей в себя определенное количество лиц, формирования кластеров из пикселей, соседствующих друг с другом, среди выделенных пикселей, выбора кластера, имеющего наибольший размер, среди сформированных кластеров в качестве кластера первой области, выделения пикселя, имеющего Z-показатель, равный 1,5 или более, путем сравнения второй группы больных, включающей в себя определенное количество лиц, имеющих тот же тип заболевания, что и первая группа больных, или первой группы больных с третьей группы больных, включающей в себя определенное количество лиц, имеющих тип заболевания, отличный от первой группы больных; формирования кластеров из пикселей, соседствующих друг с другом, среди выделенных пикселей, выбора кластера, имеющего наибольший размер, среди сформированных кластеров, в качестве кластера второй области, формирования кластера третьей области из общих пикселей в кластере первой области и кластере второй области и выделения очертания кластера третьей области.
22. Программа по п.21, в которой порог задают согласно следующей формуле (3), где S - порог, Anz2 - средняя сумма Z-показателей в области, представляющей интерес, во втором изображении для здоровых людей, SDnz2 - стандартное отклонение суммы Z-показателей в области, представляющей интерес, во втором изображении для здоровых людей, и C - константа от 1,5 до 1,6
[Формула (7)]
23. Программа по п.21, в которой порог задают согласно следующей формуле (4), где S - порог, Ant2 - средняя сумма значений t в области, представляющей интерес, во втором изображении для здоровых людей, SDnt2 - стандартное отклонение суммы значений t в области, представляющей интерес, во втором изображении для здоровых людей, и C - константа от 1,5 до 1,6
[Формула (8)]
24. Детектор нервного дегенеративного заболевания, содержащий
средство стандартизации для создания первого изображения путем применения анатомической стандартизации к изображению мозга, полученному методами ядерной медицины,
средство преобразования для создания второго изображения путем преобразования пиксельного значения каждого пикселя изображения на основе первого изображения в Z-показатель или значение t,
средство сложения для вычисления суммы пиксельных значений отдельных пикселей в заранее определенной области, представляющей интерес, во втором изображении, и
средство определения для получения результатов определения нервного дегенеративного заболевания посредством операции сравнения суммы с заранее определенным порогом.
25. Детектор по п.24, дополнительно содержащий средство нормализации для создания нормализованного изображения путем нормализации каждого пиксельного значения первого изображения,
в котором средство преобразования использует нормализованное изображение в качестве изображения на основе первого изображения.
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2005-346190 | 2005-11-30 | ||
JP2005346190 | 2005-11-30 |
Publications (1)
Publication Number | Publication Date |
---|---|
RU2008126210A true RU2008126210A (ru) | 2010-01-10 |
Family
ID=38091995
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
RU2008126210/14A RU2008126210A (ru) | 2005-11-30 | 2006-10-24 | Способ обнаружения нервного дегенеративного заболевания, программа обнаружения и детектор |
Country Status (12)
Country | Link |
---|---|
US (1) | US8165362B2 (ru) |
EP (1) | EP1959273A4 (ru) |
JP (1) | JP4435234B2 (ru) |
KR (1) | KR20080081005A (ru) |
CN (1) | CN101322045A (ru) |
AU (1) | AU2006321133A1 (ru) |
BR (1) | BRPI0619257A2 (ru) |
CA (1) | CA2632040C (ru) |
IL (1) | IL191712A0 (ru) |
NO (1) | NO20082843L (ru) |
RU (1) | RU2008126210A (ru) |
WO (1) | WO2007063656A1 (ru) |
Families Citing this family (28)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8199982B2 (en) | 2008-06-18 | 2012-06-12 | International Business Machines Corporation | Mapping of literature onto regions of interest on neurological images |
US8126228B2 (en) | 2008-06-18 | 2012-02-28 | International Business Machines Corporation | Determining efficacy of therapeutic intervention in neurosychiatric disease |
JP5243865B2 (ja) * | 2008-07-07 | 2013-07-24 | 浜松ホトニクス株式会社 | 脳疾患診断システム |
US7996242B2 (en) | 2008-07-08 | 2011-08-09 | International Business Machines Corporation | Automatically developing neuropsychiatric treatment plans based on neuroimage data |
US8548823B2 (en) | 2008-07-08 | 2013-10-01 | International Business Machines Corporation | Automatically determining ideal treatment plans for complex neuropsychiatric conditions |
US9198612B2 (en) | 2008-07-08 | 2015-12-01 | International Business Machines Corporation | Determination of neuropsychiatric therapy mechanisms of action |
US8388529B2 (en) * | 2008-07-08 | 2013-03-05 | International Business Machines Corporation | Differential diagnosis of neuropsychiatric conditions |
WO2010013300A1 (ja) * | 2008-07-28 | 2010-02-04 | 日本メジフィジックス株式会社 | 脳神経疾患検出技術 |
US10052076B2 (en) | 2011-04-26 | 2018-08-21 | Koninklijke Philips N.V. | Diagnostic brain imaging |
WO2013086580A1 (en) * | 2011-12-15 | 2013-06-20 | Commonwealth Scientific And Industrial Research Organisation | Method and apparatus for the assessment of medical images |
KR20140013142A (ko) * | 2012-07-18 | 2014-02-05 | 삼성전자주식회사 | 이미지에서 목표를 검출하는 목표 검출 방법 및 이미지 처리 장치 |
JP5469739B2 (ja) * | 2012-12-26 | 2014-04-16 | 富士フイルムRiファーマ株式会社 | 画像診断支援システム |
JP2014127011A (ja) * | 2012-12-26 | 2014-07-07 | Sony Corp | 情報処理装置、情報処理方法、およびプログラム |
JP2016517325A (ja) | 2013-03-15 | 2016-06-16 | サイモン、アダム、ジェイ. | 多面的生理的刺激を行うシステムおよびシグネチャ、および脳の健康評価 |
WO2014152110A1 (en) * | 2013-03-15 | 2014-09-25 | Simon Adam J | Multi-modal pharmaco-diagnostic assessment of brian helath |
JP5779676B2 (ja) * | 2014-01-31 | 2015-09-16 | 富士フイルムRiファーマ株式会社 | 画像診断支援システム |
JP5689205B1 (ja) * | 2014-11-21 | 2015-03-25 | 日本メジフィジックス株式会社 | 頭部核医学画像の評価法 |
JP6703323B2 (ja) * | 2015-09-17 | 2020-06-03 | 公益財団法人神戸医療産業都市推進機構 | 生体の画像検査のためのroiの設定技術 |
US10211660B2 (en) | 2016-02-08 | 2019-02-19 | Cree, Inc. | LED lighting device with adaptive profiles for controlling power consumption |
US10465869B2 (en) | 2017-01-30 | 2019-11-05 | Ideal Industries Lighting Llc | Skylight fixture |
US10451229B2 (en) | 2017-01-30 | 2019-10-22 | Ideal Industries Lighting Llc | Skylight fixture |
US11229810B2 (en) * | 2017-05-17 | 2022-01-25 | University Of Virginia Patent Foundation | Methods and systems for producing neuronal lesions using magnetic resonance and acoustic energy |
JP6910205B2 (ja) * | 2017-05-22 | 2021-07-28 | 富士フイルム富山化学株式会社 | 疾患鑑別支援装置およびコンピュータプログラム |
US9894740B1 (en) | 2017-06-13 | 2018-02-13 | Cree, Inc. | Intelligent lighting module for a lighting fixture |
US10165650B1 (en) | 2017-08-21 | 2018-12-25 | Cree, Inc. | Occupant tracking |
JP6882136B2 (ja) | 2017-10-12 | 2021-06-02 | 日本メジフィジックス株式会社 | 画像処理装置、画像処理方法およびプログラム |
US10830400B2 (en) | 2018-02-08 | 2020-11-10 | Ideal Industries Lighting Llc | Environmental simulation for indoor spaces |
WO2021086943A1 (en) | 2019-10-28 | 2021-05-06 | Ideal Industries Lighting Llc | Systems and methods for providing dynamic lighting |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5027817A (en) * | 1989-06-22 | 1991-07-02 | New York University | Statistical based display for positron emission tomography scans |
JP4025524B2 (ja) | 2001-09-28 | 2007-12-19 | 富士フイルムRiファーマ株式会社 | 異条件下における脳機能画像の画像間差補正法 |
JP4025823B2 (ja) * | 2004-02-24 | 2007-12-26 | 国立精神・神経センター総長 | 脳疾患の診断支援方法及び装置 |
US20050197560A1 (en) * | 2004-03-05 | 2005-09-08 | Rao Stephen M. | System for detecting symptoms, determining staging and gauging drug efficacy in cases of Alzheimer's disease |
JP4162242B2 (ja) | 2005-01-28 | 2008-10-08 | 富士フイルムRiファーマ株式会社 | 画像診断支援システム |
-
2006
- 2006-10-24 EP EP06822118A patent/EP1959273A4/en not_active Withdrawn
- 2006-10-24 RU RU2008126210/14A patent/RU2008126210A/ru unknown
- 2006-10-24 JP JP2007547872A patent/JP4435234B2/ja active Active
- 2006-10-24 CA CA2632040A patent/CA2632040C/en not_active Expired - Fee Related
- 2006-10-24 BR BRPI0619257-2A patent/BRPI0619257A2/pt not_active Application Discontinuation
- 2006-10-24 US US12/095,474 patent/US8165362B2/en not_active Expired - Fee Related
- 2006-10-24 KR KR1020087015825A patent/KR20080081005A/ko not_active Application Discontinuation
- 2006-10-24 CN CNA2006800451584A patent/CN101322045A/zh active Pending
- 2006-10-24 WO PCT/JP2006/321138 patent/WO2007063656A1/ja active Application Filing
- 2006-10-24 AU AU2006321133A patent/AU2006321133A1/en not_active Abandoned
-
2008
- 2008-05-26 IL IL191712A patent/IL191712A0/en unknown
- 2008-06-23 NO NO20082843A patent/NO20082843L/no not_active Application Discontinuation
Also Published As
Publication number | Publication date |
---|---|
AU2006321133A1 (en) | 2007-06-07 |
CA2632040C (en) | 2014-09-16 |
JP4435234B2 (ja) | 2010-03-17 |
IL191712A0 (en) | 2008-12-29 |
US8165362B2 (en) | 2012-04-24 |
US20090290765A1 (en) | 2009-11-26 |
CN101322045A (zh) | 2008-12-10 |
CA2632040A1 (en) | 2007-06-07 |
WO2007063656A1 (ja) | 2007-06-07 |
EP1959273A4 (en) | 2011-01-26 |
AU2006321133A2 (en) | 2008-07-17 |
NO20082843L (no) | 2008-09-01 |
BRPI0619257A2 (pt) | 2011-09-27 |
KR20080081005A (ko) | 2008-09-05 |
JPWO2007063656A1 (ja) | 2009-05-07 |
EP1959273A1 (en) | 2008-08-20 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
RU2008126210A (ru) | Способ обнаружения нервного дегенеративного заболевания, программа обнаружения и детектор | |
WO2005023086A3 (en) | Systems, methods, and computer program products for analysis of vessel attributes for diagnosis, disease staging, and surgical planning | |
CN104298753B (zh) | 基于人脸图像处理的人才测评方法 | |
US8170347B2 (en) | ROI-based assessment of abnormality using transformation invariant features | |
RU2013145154A (ru) | Анализ экспрессии биомаркеров в клетках с помощью кластеров | |
Li et al. | Texton analysis for mass classification in mammograms | |
US20190102882A1 (en) | Evaluation of an x-ray image of a breast produced during a mammography | |
CN101479762A (zh) | 用于在包含图像值的图像中确定阈值的方法、系统和计算机程序 | |
CN103871054A (zh) | 一种基于组合指标的图像分割结果定量评价方法 | |
Nikita | Αge‐associated variation and sexual dimorphism in adult cranial morphology: Implications in anthropological studies | |
Cappella et al. | Preliminary study on sexual dimorphism of metric traits of cranium and mandible in a modern Italian skeletal population and review of population literature | |
CN110313916A (zh) | 一种糖尿病足患者足底压力特征识别方法 | |
He et al. | Mammographic segmentation and risk classification using a novel binary model based bayes classifier | |
CN103544695A (zh) | 一种高效的基于博弈框架的医学图像分割方法 | |
Sheets et al. | Shape measurement tools in footwear analysis: A statistical investigation of accidental characteristics over time | |
Chovalopoulou et al. | Sex determination by three-dimensional geometric morphometrics of the vault and midsagittal curve of the neurocranium in a modern Greek population sample | |
JP2009082338A (ja) | エントロピーを用いた肌の鑑別方法 | |
CN101533475A (zh) | 一种基于形状自适应邻域的遥感图像特征提取方法 | |
Manthey et al. | Population specific data improves Fordisc®’s performance in Italians | |
Imaizumi et al. | Development of an age estimation method for bones based on machine learning using post-mortem computed tomography images of bones | |
Knapp et al. | How to tuna fish: constraint, convergence, and integration in the neurocranium of pelagiarian fishes | |
Gomes Rodrigues et al. | Differential influences of allometry, phylogeny and environment on the rostral shape diversity of extinct South American notoungulates | |
WO2007095284A3 (en) | Systems and methods for automatic symmetry identification and for quantification of asymmetry for analytic, diagnostic and therapeutic purposes | |
Hoogendoorn et al. | Utilizing data mining for predictive modeling of colorectal cancer using electronic medical records | |
US9773307B2 (en) | Quantification and imaging methods and system of the echo texture feature |