RU2012141887A - Нормативный набор данных для нейропсихических расстройств - Google Patents
Нормативный набор данных для нейропсихических расстройств Download PDFInfo
- Publication number
- RU2012141887A RU2012141887A RU2012141887/08A RU2012141887A RU2012141887A RU 2012141887 A RU2012141887 A RU 2012141887A RU 2012141887/08 A RU2012141887/08 A RU 2012141887/08A RU 2012141887 A RU2012141887 A RU 2012141887A RU 2012141887 A RU2012141887 A RU 2012141887A
- Authority
- RU
- Russia
- Prior art keywords
- segmentation
- patient
- control
- data set
- brain
- Prior art date
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
- G06T7/0012—Biomedical image inspection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10072—Tomographic images
- G06T2207/10081—Computed x-ray tomography [CT]
-
- 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
- G06T2207/10132—Ultrasound image
-
- 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
- Engineering & Computer Science (AREA)
- Quality & Reliability (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Radiology & Medical Imaging (AREA)
- Health & Medical Sciences (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Magnetic Resonance Imaging Apparatus (AREA)
- Apparatus For Radiation Diagnosis (AREA)
Abstract
1. Способ идентификации нарушений по меньшей мере одной части всего мозга, включающий в себя:сегментацию (210), с использованием процессора (102), всего мозга, изображенного в объемном изображении множества контрольных пациентов, для создания контрольной сегментации всего мозга у каждого из контрольных пациентов;получение (220) нормативного набора данных посредством извлечения статистических представлений морфологии контрольных сегментаций;сегментацию (230) всего мозга пациента, анализируемого на нарушения, для создания сегментации пациента;сравнение (270) сегментации пациента с нормативным набором данных, полученным от контрольных сегментаций,причем нормативный набор данных содержит информацию, относящуюся к взаимосвязи между различными структурами мозга в контрольных сегментациях.2. Способ по п. 1, в котором сравнение (270) сегментации пациента включает в себя определение интересующих параметров, соответствующих типу данных нормативного набора данных.3. Способ по п. 1, дополнительно включающий в себя:отображение (280) на дисплее (106) сегментации пациента и результатов сравнения между сегментацией пациента и нормативным набором данных с помощью одной из: текстовой и визуальной индикации.4. Способ по п. 3, в котором визуальные индикации показывают диапазон отклонений интересующих параметров сегментации пациента от нормативного набора данных контрольных пациентов с помощью по меньшей мере одного из: цвета и цветового градиента.5. Способ по п. 1, в котором сегментация (230) всего мозга дополнительно включает в себя:выбор (310) деформируемой модели всего мозга, причем деформируемую модель, сформированную из множества поли�
Claims (15)
1. Способ идентификации нарушений по меньшей мере одной части всего мозга, включающий в себя:
сегментацию (210), с использованием процессора (102), всего мозга, изображенного в объемном изображении множества контрольных пациентов, для создания контрольной сегментации всего мозга у каждого из контрольных пациентов;
получение (220) нормативного набора данных посредством извлечения статистических представлений морфологии контрольных сегментаций;
сегментацию (230) всего мозга пациента, анализируемого на нарушения, для создания сегментации пациента;
сравнение (270) сегментации пациента с нормативным набором данных, полученным от контрольных сегментаций,
причем нормативный набор данных содержит информацию, относящуюся к взаимосвязи между различными структурами мозга в контрольных сегментациях.
2. Способ по п. 1, в котором сравнение (270) сегментации пациента включает в себя определение интересующих параметров, соответствующих типу данных нормативного набора данных.
3. Способ по п. 1, дополнительно включающий в себя:
отображение (280) на дисплее (106) сегментации пациента и результатов сравнения между сегментацией пациента и нормативным набором данных с помощью одной из: текстовой и визуальной индикации.
4. Способ по п. 3, в котором визуальные индикации показывают диапазон отклонений интересующих параметров сегментации пациента от нормативного набора данных контрольных пациентов с помощью по меньшей мере одного из: цвета и цветового градиента.
5. Способ по п. 1, в котором сегментация (230) всего мозга дополнительно включает в себя:
выбор (310) деформируемой модели всего мозга, причем деформируемую модель, сформированную из множества полигонов, включающих в себя вершины и грани;
отображение (320) деформируемой модели на дисплее;
обнаружение (340) ключевой точки интересующего всего мозга, соответствующих каждому из множества полигонов, причем ключевая точка является точкой в основном вдоль границы интересующего всего мозга; и
адаптацию (350) деформируемой модели посредством смещения каждой из вершин в направлении соответствующих ключевых точек, до тех пор пока деформируемая модель не трансформируется в границу интересующего всего мозга, формируя сегментацию интересующего всего мозга.
6. Способ по п. 1, в котором нормативный набор данных включает в себя количественные значения, соответствующие по меньшей мере одному из: объема и формы контрольных сегментаций.
7. Способ по п. 6, в котором количественные значения включают в себя значение, соответствующее, по меньшей мере одному из: кривизне поверхности, смещению из средней сагиттальной плоскости и локальной деформации поверхности контрольных сегментаций.
8. Система (100) для идентификации нарушений по меньшей мере одной части всего мозга включает в себя:
процессор (102), сегментирующий весь мозг, изображенный в объемном изображении множества контрольных пациентов, для создания контрольной сегментации всего мозга у каждого из контрольных пациентов, и получающий нормативный набор данных посредством извлечения статистического воспроизведения морфологии контрольных сегментаций, и
при этом процессор (102) сегментирует весь мозг пациента, анализируемый на нарушения, для создания сегментации пациента, чтобы сравнить сегментацию пациента с нормативным набором данных, полученным от контрольных сегментаций, и
при этом, нормативный набор данных содержит информацию, относящуюся к взаимосвязи между различными структурами мозга в контрольных сегментациях.
9. Система по п. 8, в которой процессор (102) определяет значения интересующих параметров, соответствующих типу данных нормативного набора данных, для сравнения сегментации пациента с нормативным набором данных.
10. Система по п. 8, дополнительно включающая в себя:
дисплей (106), отображающий сегментацию пациента и результаты сравнения между сегментацией пациента и нормативным набором данных, с помощью одной из: текстовой и визуальной индикации.
11. Система по п. 10, в которой визуальные индикации показывают диапазон отклонений интересующих параметров сегментации пациента от нормативного набора данных контрольных пациентов с помощью по меньшей мере одного из: цвета и цветового градиента.
12. Система по п. 8, в которой сегментация всего мозга включает в себя процессор (102), выбирающий деформируемую модель всего мозга анатомической структуры, причем деформируемую модель, сформированную множеством полигонов, включающих в себя вершины и грани,
при этом дисплей (106) отображает деформируемую модель,
причем процессор (102) дополнительно обнаруживает ключевую точку интересующего всего мозга, соответствующую каждому из множества полигонов, и адаптирует деформируемую модель посредством смещения каждой из вершин в направлении соответствующих ключевых точек, до тех пор, пока деформируемая модель не трансформируется в границу интересующего всего мозга, формируя сегментацию интересующего всего мозга, и
при этом ключевая точка является точкой в основном вдоль границы интересующего всего мозга.
13. Система по п. 8, в которой нормативный набор данных включает в себя количественные значения, соответствующие, по меньшей мере, одному из: объема и формы контрольных сегментаций, и при этом количественные значения включают в себя значение соответствующее, по меньшей мере, одному из: кривизне поверхности, смещению из средней сагиттальной плоскости, и локальной деформации поверхности контрольных сегментаций.
14. Система, по п. 8, дополнительно включающая в себя:
память (108), хранящую нормативный набор данных, который следует повторно вызвать и сравнить с сегментацией пациента.
15. Система, по п. 8, дополнительно включающая в себя:
пользовательский интерфейс (104) принимающий пользовательский ввод, касающейся сегментации пациента.
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US30954310P | 2010-03-02 | 2010-03-02 | |
US61/309,543 | 2010-03-02 | ||
PCT/IB2011/050450 WO2011107892A1 (en) | 2010-03-02 | 2011-02-02 | A normative dataset for neuropsychiatric disorders |
Publications (2)
Publication Number | Publication Date |
---|---|
RU2012141887A true RU2012141887A (ru) | 2014-04-27 |
RU2573740C2 RU2573740C2 (ru) | 2016-01-27 |
Family
ID=43798317
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
RU2012141887/08A RU2573740C2 (ru) | 2010-03-02 | 2011-02-02 | Нормативный набор данных для нейропсихических расстройств |
Country Status (6)
Country | Link |
---|---|
US (1) | US20130066189A1 (ru) |
EP (1) | EP2543019A1 (ru) |
JP (1) | JP5833578B2 (ru) |
CN (1) | CN102844790B (ru) |
RU (1) | RU2573740C2 (ru) |
WO (1) | WO2011107892A1 (ru) |
Families Citing this family (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP2522279A4 (en) * | 2010-01-07 | 2016-11-30 | Hitachi Ltd | DIAGNOSIS DEVICE WITH MEDICAL PICTURES, METHOD FOR EXTRACTION AND PROCESSING OF THE CONTOUR OF MEDICAL PICTURES |
DE102014213409A1 (de) * | 2014-07-10 | 2016-01-14 | Centre Hospitalier Universitaire Vaudois | Verfahren und Vorrichtung zur Darstellung von pathologischen Veränderungen in einem Untersuchungsobjekt basierend auf 3D-Datensätzen |
US9530206B2 (en) * | 2015-03-31 | 2016-12-27 | Sony Corporation | Automatic 3D segmentation and cortical surfaces reconstruction from T1 MRI |
JP7337693B2 (ja) | 2017-01-06 | 2023-09-04 | コーニンクレッカ フィリップス エヌ ヴェ | 皮質奇形識別 |
CN110300547A (zh) * | 2017-01-25 | 2019-10-01 | 全息眼株式会社 | 医疗信息虚拟现实服务器系统,医疗信息虚拟现实程序,医疗信息虚拟现实系统,医疗信息虚拟现实用数据的创建方法,以及医疗信息虚拟现实用数据 |
EP3373247A1 (en) * | 2017-03-09 | 2018-09-12 | Koninklijke Philips N.V. | Image segmentation and prediction of segmentation |
Family Cites Families (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
RU11039U1 (ru) * | 1999-03-23 | 1999-09-16 | Российский научно-исследовательский нейрохирургический институт им.проф.А.Л.Поленова | Устройство для диагностики функциональных нарушений ствола головного мозга |
US8090164B2 (en) * | 2003-08-25 | 2012-01-03 | The University Of North Carolina At Chapel Hill | Systems, methods, and computer program products for analysis of vessel attributes for diagnosis, disease staging, and surgical planning |
US7957808B2 (en) * | 2006-01-13 | 2011-06-07 | Vanderbilt University | System and methods of deep brain stimulation for post-operation patients |
US20090220136A1 (en) * | 2006-02-03 | 2009-09-03 | University Of Florida Research Foundation | Image Guidance System for Deep Brain Stimulation |
CN101478912A (zh) * | 2006-06-21 | 2009-07-08 | 莱克西克医疗技术有限公司 | 评估痴呆与痴呆型紊乱 |
AU2008211786B2 (en) * | 2007-01-30 | 2014-07-03 | Ge Healthcare Limited | Tools for aiding in the diagnosis of neurodegenerative diseases |
WO2008152555A2 (en) * | 2007-06-12 | 2008-12-18 | Koninklijke Philips Electronics N.V. | Anatomy-driven image data segmentation |
US8135189B2 (en) * | 2007-10-03 | 2012-03-13 | Siemens Medical Solutions Usa, Inc. | System and method for organ segmentation using surface patch classification in 2D and 3D images |
-
2011
- 2011-02-02 WO PCT/IB2011/050450 patent/WO2011107892A1/en active Application Filing
- 2011-02-02 US US13/580,390 patent/US20130066189A1/en not_active Abandoned
- 2011-02-02 JP JP2012555513A patent/JP5833578B2/ja not_active Expired - Fee Related
- 2011-02-02 RU RU2012141887/08A patent/RU2573740C2/ru not_active IP Right Cessation
- 2011-02-02 EP EP11707700A patent/EP2543019A1/en not_active Withdrawn
- 2011-02-02 CN CN201180011569.2A patent/CN102844790B/zh not_active Expired - Fee Related
Also Published As
Publication number | Publication date |
---|---|
JP5833578B2 (ja) | 2015-12-16 |
US20130066189A1 (en) | 2013-03-14 |
WO2011107892A1 (en) | 2011-09-09 |
JP2013521039A (ja) | 2013-06-10 |
CN102844790A (zh) | 2012-12-26 |
EP2543019A1 (en) | 2013-01-09 |
RU2573740C2 (ru) | 2016-01-27 |
CN102844790B (zh) | 2016-06-29 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10722181B2 (en) | Systems, methods, and computer-readable media for using descriptors to identify when a subject is likely to have a dysmorphic feature | |
RU2565510C2 (ru) | Система для быстрой и точной количественной оценки черепно-мозговой травмы | |
US20170178327A1 (en) | Detecting tooth wear using intra-oral 3d scans | |
RU2012141887A (ru) | Нормативный набор данных для нейропсихических расстройств | |
CN110175502A (zh) | 一种脊柱Cobb角测量方法、装置、可读存储介质及终端设备 | |
JP2018102916A (ja) | 制御方法、情報端末、及びプログラム | |
US20120027277A1 (en) | Interactive iterative closest point algorithm for organ segmentation | |
JP2013513409A5 (ru) | ||
CN113284090B (zh) | 一种脊柱侧弯检测方法与医疗平台 | |
KR101989156B1 (ko) | 장기의 영상에서 장기에 포함된 객체의 영상을 분리하는 방법, 장치 및 의료 영상 시스템 | |
Miao et al. | CoWRadar: Visual Quantification of the Circle of Willis in Stroke Patients. | |
CN117495693B (zh) | 用于内窥镜的图像融合方法、系统、介质及电子设备 | |
US20230036757A1 (en) | Concurrent display of hemodynamic parameters and damaged brain tissue | |
Fabijańska et al. | The quantitative assessment of the pre-and postoperative craniosynostosis using the methods of image analysis | |
Klemm et al. | Visualization and Exploration of Shape Variance for the Analysis of Cohort Study Data. |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
MM4A | The patent is invalid due to non-payment of fees |
Effective date: 20180203 |