RU2014121097A - Формирование изображения кровотока - Google Patents

Формирование изображения кровотока Download PDF

Info

Publication number
RU2014121097A
RU2014121097A RU2014121097/14A RU2014121097A RU2014121097A RU 2014121097 A RU2014121097 A RU 2014121097A RU 2014121097/14 A RU2014121097/14 A RU 2014121097/14A RU 2014121097 A RU2014121097 A RU 2014121097A RU 2014121097 A RU2014121097 A RU 2014121097A
Authority
RU
Russia
Prior art keywords
agent
peak
characteristic
blood flow
processor according
Prior art date
Application number
RU2014121097/14A
Other languages
English (en)
Inventor
Раз КАРМИ
Йехиэль ЛАМАШ
Original Assignee
Конинклейке Филипс Н.В.
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 Конинклейке Филипс Н.В. filed Critical Конинклейке Филипс Н.В.
Publication of RU2014121097A publication Critical patent/RU2014121097A/ru

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
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/02—Detecting, measuring or recording pulse, heart rate, blood pressure or blood flow; Combined pulse/heart-rate/blood pressure determination; Evaluating a cardiovascular condition not otherwise provided for, e.g. using combinations of techniques provided for in this group with electrocardiography or electroauscultation; Heart catheters for measuring blood pressure
    • A61B5/026—Measuring blood flow
    • 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]
    • A61B6/032—Transmission computed tomography [CT]
    • 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
    • A61B6/486—Diagnostic techniques involving generating temporal series of image data
    • 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
    • A61B6/50—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment specially adapted for specific body parts; specially adapted for specific clinical applications
    • A61B6/507—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment specially adapted for specific body parts; specially adapted for specific clinical applications for determination of haemodynamic parameters, e.g. perfusion CT
    • 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
    • A61B6/52—Devices using data or image processing specially adapted for radiation diagnosis
    • A61B6/5211—Devices using data or image processing specially adapted for radiation diagnosis involving processing of medical diagnostic data
    • A61B6/5217—Devices using data or image processing specially adapted for radiation diagnosis involving processing of medical diagnostic data extracting a diagnostic or physiological parameter from medical diagnostic data
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
    • G16H50/30—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for calculating health indices; for individual health risk assessment

Landscapes

  • Health & Medical Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Medical Informatics (AREA)
  • General Health & Medical Sciences (AREA)
  • Public Health (AREA)
  • Physics & Mathematics (AREA)
  • Biomedical Technology (AREA)
  • Pathology (AREA)
  • Surgery (AREA)
  • Molecular Biology (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Radiology & Medical Imaging (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Animal Behavior & Ethology (AREA)
  • Biophysics (AREA)
  • Veterinary Medicine (AREA)
  • High Energy & Nuclear Physics (AREA)
  • Optics & Photonics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Physiology (AREA)
  • Theoretical Computer Science (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • Dentistry (AREA)
  • Pulmonology (AREA)
  • General Physics & Mathematics (AREA)
  • Cardiology (AREA)
  • Hematology (AREA)
  • Quality & Reliability (AREA)
  • Data Mining & Analysis (AREA)
  • Databases & Information Systems (AREA)
  • Epidemiology (AREA)
  • Primary Health Care (AREA)
  • Apparatus For Radiation Diagnosis (AREA)
  • Magnetic Resonance Imaging Apparatus (AREA)

Abstract

1. Процессор (122) данных формирования изображения кровотока, содержащий:определитель (206) характеристического времени пика агента, выполненный с возможностью определения двух или более характеристических времен пиков агента, соответственно, для двух или более циркуляторных подсистем, представляемых в одном и том же поднаборе вокселей набора данных временного ряда данных формирования изображения кровотока;определитель (210) аргумента пика агента, выполненный с возможностью определения аргумента пика агента для каждого из двух или более характеристических времен пиков агента;определитель (212) соотношения аргументов пика агента, выполненный с возможностью определения соотношения между аргументами пика агента из двух или более характеристических времен пиков агента; игенератор (214) карты кровотока, выполненный с возможностью генерации, на основании определенного соотношения и данных формирования изображения кровотока, по меньшей мере, одной карты кровотока, причем, по меньшей мере, одна карта кровотока включает в себя объемные данные изображения, визуально представляющие, по меньшей мере, одно из соотношения или различия между двумя или более циркуляторными подсистемами.2. Процессор по п. 1, дополнительно содержащий:определитель (208) распределения вероятности, выполненный с возможностью определения распределения вероятности каждого издвух или более характеристических времен пиков агента, причем каждое распределение вероятности соответствует одной циркуляторной подсистеме,причем распределение вероятности одного из двух или более характеристических времен пиков агента представляет вероятность того, �

Claims (15)

1. Процессор (122) данных формирования изображения кровотока, содержащий:
определитель (206) характеристического времени пика агента, выполненный с возможностью определения двух или более характеристических времен пиков агента, соответственно, для двух или более циркуляторных подсистем, представляемых в одном и том же поднаборе вокселей набора данных временного ряда данных формирования изображения кровотока;
определитель (210) аргумента пика агента, выполненный с возможностью определения аргумента пика агента для каждого из двух или более характеристических времен пиков агента;
определитель (212) соотношения аргументов пика агента, выполненный с возможностью определения соотношения между аргументами пика агента из двух или более характеристических времен пиков агента; и
генератор (214) карты кровотока, выполненный с возможностью генерации, на основании определенного соотношения и данных формирования изображения кровотока, по меньшей мере, одной карты кровотока, причем, по меньшей мере, одна карта кровотока включает в себя объемные данные изображения, визуально представляющие, по меньшей мере, одно из соотношения или различия между двумя или более циркуляторными подсистемами.
2. Процессор по п. 1, дополнительно содержащий:
определитель (208) распределения вероятности, выполненный с возможностью определения распределения вероятности каждого из
двух или более характеристических времен пиков агента, причем каждое распределение вероятности соответствует одной циркуляторной подсистеме,
причем распределение вероятности одного из двух или более характеристических времен пиков агента представляет вероятность того, что соответствующий пик одного из двух или более характеристических времен пиков агента является истинным пиком циркуляторной подсистемы, и
причем определитель аргумента пика определяет аргумент пика агента для одной из циркуляторных подсистем на основании выбранного одного из характеристических времен пиков агента из множества характеристических времен пиков агента одной и той же циркуляторной подсистемы.
3. Процессор по любому из пп. 1 или 2, в котором определитель характеристического времени пика агента определяет два или более характеристических времени пиков агента на основании первой модели, которая включает в себя алгоритм для определения характеристического времени пика агента.
4. Процессор по любому из пп. 1 или 2, причем определитель аргумента пика определяет аргументы пика на основании второй модели, которая включает в себя алгоритм для определения аргументов пика.
5. Процессор по любому из пп. 1 или 2, в котором определитель характеристического времени пика агента итерационно определяет два или более характеристических времени пиков агента, причем, в одной или более итерациях, характеристическое время пика агента определяется на основании ранее определенного
характеристического времени пика агента.
6. Процессор по п. 5, в котором определитель соотношения аргументов пика агента итерационно определяет соотношение между аргументами пика агента, причем, в одной или более итерациях, соотношение аргументов пика агента определяется на основании характеристического времени пика агента, сгенерированного в ходе той же итерации.
7. Процессор по п. 6, в котором, в одной или более итерациях, проверяется соответствие пиков с моделью, включающей в себя ограничения пиков и критерии согласованности.
8. Процессор по любому из пп. 1, 2, 6, 7, в котором генератор карты кровотока итерационно определяет сигнал, причем, в одной или более итерациях, определитель соотношения аргументов пика агента определяет соотношение между аргументами пика агента для разных характеристических времен пиков агента, и генератор карты кровотока итерационно определяет сигнал для каждого определенного соотношения.
9. Процессор по п. 8, в котором, в одной или более итерациях, используется, по меньшей мере, одно другое характеристическое время пика агента, и, по меньшей мере, одно другое характеристическое время пика агента соответствует характеристическому времени пика агента, которое улучшает условия формирования изображения карты, подвергающиеся одному или более из заранее определенных ограничений или функции стоимости.
10. Процессор по п. 8, в котором, в одной или более итерациях, используется, по меньшей мере, одно другое
характеристическое время пика агента, и, по меньшей мере, одно другое характеристическое время пика агента соответствует характеристическому времени пика агента, которое увеличивает полную вероятность характеристического времени пика агента.
11. Процессор по любому из пп. 1, 2, 6, 7, 9, 10, в котором аргумент пика агента включает в себя, по меньшей мере, одно из интенсивности пика, градиента пика или информации об области вокруг пика.
12. Процессор по любому из пп. 1, 2, 6, 7, 9, 10, дополнительно содержащий:
процессор (218) изображений, выполненный с возможностью визуального представления карты кровотока, причем карта кровотока визуально представляет, по меньшей мере, одно из отдельных изображений или наложенных изображений, причем каждое из изображений соответствует, по меньшей мере, одной из разных циркуляторных подсистем, соотношению между циркуляторными подсистемами или различию между циркуляторными подсистемами.
13. Процессор по п. 12, в котором, по меньшей мере, одно из соотношения или различия между двумя или более циркуляторными подсистемами визуально подчеркивается с использованием разных цветов.
14. Процессор по п. 12, в котором другая информация, соответствующая двум или более циркуляторным подсистемам, также визуально представляется посредством одного или более из графика, гистограммы или таблицы.
15. Способ, содержащий этапы, на которых:
определяют, с помощью процессора (122), по меньшей мере, одно из соотношения или разности между аргументами пика агента, соответствующими двум или более характеристическим временам пиков агента, которые соответствуют двум или более разным циркуляторным подсистемам, представляемым в одном и том же поднаборе вокселей набора данных временного ряда данных формирования изображения кровотока, на основании одного и того же поднабора вокселей; и
визуально представляют, по меньшей мере, одно из соотношения или разности.
RU2014121097/14A 2011-10-24 2012-10-15 Формирование изображения кровотока RU2014121097A (ru)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
US201161550490P 2011-10-24 2011-10-24
US61/550,490 2011-10-24
PCT/IB2012/055594 WO2013061202A2 (en) 2011-10-24 2012-10-15 Perfusion imaging

Publications (1)

Publication Number Publication Date
RU2014121097A true RU2014121097A (ru) 2015-12-10

Family

ID=47226238

Family Applications (1)

Application Number Title Priority Date Filing Date
RU2014121097/14A RU2014121097A (ru) 2011-10-24 2012-10-15 Формирование изображения кровотока

Country Status (8)

Country Link
US (1) US9299142B2 (ru)
EP (1) EP2770910B1 (ru)
JP (1) JP6209520B2 (ru)
CN (1) CN103889328B (ru)
BR (1) BR112014009597A2 (ru)
IN (1) IN2014CN03101A (ru)
RU (1) RU2014121097A (ru)
WO (1) WO2013061202A2 (ru)

Families Citing this family (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8406860B2 (en) 2008-01-25 2013-03-26 Novadaq Technologies Inc. Method for evaluating blush in myocardial tissue
US10278585B2 (en) 2012-06-21 2019-05-07 Novadaq Technologies ULC Quantification and analysis of angiography and perfusion
RU2015120325A (ru) * 2012-10-31 2016-12-20 Конинклейке Филипс Н.В. Визуализация перфузии
CN104217398B (zh) * 2013-05-29 2017-07-14 东芝医疗系统株式会社 图像处理装置、图像处理方法和医学图像设备
EP3007618B1 (en) 2013-06-14 2019-09-04 Novadaq Technologies ULC Quantification of absolute blood flow in tissue using fluorescence mediated photoplethysmography
US10426361B2 (en) 2013-06-14 2019-10-01 Novadaq Technologies ULC Quantification of absolute blood flow in tissue using fluorescence-mediated photoplethysmography
US9750480B2 (en) 2013-12-24 2017-09-05 The Cleveland Clinic Foundation Systems and methods for measurement of tissue perfusion
JP6900144B2 (ja) * 2014-05-08 2021-07-07 信示 芦田 Ｘ線診断装置
CN104287763B (zh) 2014-09-09 2016-08-24 沈阳东软医疗系统有限公司 一种跟踪扫描中监测区域调整方法及装置
EP3915467A1 (en) * 2014-10-09 2021-12-01 Novadaq Technologies ULC Quantification of absolute blood flow in tissue using fluorescence-mediated photoplethysmography
US9990712B2 (en) * 2015-04-08 2018-06-05 Algotec Systems Ltd. Organ detection and segmentation
CN108882896B (zh) * 2015-09-23 2022-05-27 史赛克欧洲运营有限公司 用于评定组织的治愈的方法和系统
WO2017139881A1 (en) 2016-02-16 2017-08-24 Novadaq Technologies Inc. Facilitating assessment of blood flow and tissue perfusion using fluorescence-mediated photoplethysmography
JP6931705B2 (ja) 2017-02-10 2021-09-08 ノバダック テクノロジーズ ユーエルシー オープンフィールドハンドヘルド蛍光イメージングシステムおよび方法

Family Cites Families (25)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5287273A (en) 1990-03-15 1994-02-15 Mount Sinai School Of Medicine Functional organ images
US6505064B1 (en) * 2000-08-22 2003-01-07 Koninklijke Philips Electronics, N.V. Diagnostic imaging systems and methods employing temporally resolved intensity tracing
US20040120559A1 (en) * 2002-12-20 2004-06-24 Hall Anne Lindsay Methods and apparatus for contrast agent time intensity curve analyses
US20060025667A1 (en) 2004-07-29 2006-02-02 Edward Ashton Method for tumor perfusion assessment in clinical trials using dynamic contrast enhanced MRI
JP2007021006A (ja) * 2005-07-20 2007-02-01 Hitachi Medical Corp Ｘ線ｃｔ装置
GB0609610D0 (en) * 2006-05-15 2006-06-21 Stiftelsen Universitetsforskni MR perfusion
US8125484B2 (en) * 2006-11-10 2012-02-28 General Electric Company Method, apparatus and user interface for determining an arterial input function used for calculating hemodynamic parameters
EP2097007B1 (en) 2006-12-21 2015-06-24 Institut Gustave Roussy (IGR) Method and system for quantification of tumoral vascularization
US8233965B2 (en) 2007-03-08 2012-07-31 Oslo Universitetssykehus Hf Tumor grading from blood volume maps
US8195274B2 (en) * 2007-04-27 2012-06-05 The Regents Of The University Of California Mapping of vascular perfusion territories
US7949172B2 (en) 2007-04-27 2011-05-24 Siemens Medical Solutions Usa, Inc. Iterative image processing
EP2157912B1 (en) 2007-05-22 2021-07-07 Imaging Biometrics Multiparameter perfusion imaging with leakage correction
CN101848678B (zh) 2007-11-06 2013-08-14 皇家飞利浦电子股份有限公司 用于ct体积中的新生脉管系统量化的系统
WO2009115935A1 (en) * 2008-03-17 2009-09-24 Koninklijke Philips Electronics N.V. Perfusion imaging
US8437836B2 (en) 2008-06-13 2013-05-07 Koninklijke Philips Electronics N.V. Reverse data reconstruction for optimal time sampling of counts in physiological list-mode nuclear imaging
JP5322548B2 (ja) * 2008-09-17 2013-10-23 株式会社東芝 Ｘ線ｃｔ装置、医用画像処理装置および医用画像処理プログラム
CN102165455B (zh) * 2008-09-30 2015-08-26 皇家飞利浦电子股份有限公司 灌注成像
EP2189112A1 (en) * 2008-11-24 2010-05-26 Bracco Research S.A. Real-time perfusion imaging and quantification
US8233684B2 (en) 2008-11-26 2012-07-31 General Electric Company Systems and methods for automated diagnosis
US9084554B2 (en) * 2009-03-19 2015-07-21 The Regents Of The University Of California Multi-phase pseudo-continuous arterial spin labeling
BRPI1006379A2 (pt) * 2009-03-26 2017-01-10 Koninkl Philips Electronics Nv método e analisador de dados
US9597042B2 (en) * 2009-05-12 2017-03-21 Koninklijke Philips N.V. Perfusion imaging
DE102009021234B4 (de) * 2009-05-14 2011-05-12 Siemens Aktiengesellschaft Verfahren zur Verarbeitung von Messdaten der Perfusions-Computertomographie
US8965484B2 (en) * 2011-04-27 2015-02-24 General Electric Company Method and apparatus for generating a perfusion image
WO2012174495A2 (en) * 2011-06-17 2012-12-20 Carnegie Mellon University Physics based image processing and evaluation process of perfusion images from radiology imaging

Also Published As

Publication number Publication date
WO2013061202A2 (en) 2013-05-02
BR112014009597A2 (pt) 2017-05-09
JP6209520B2 (ja) 2017-10-04
CN103889328B (zh) 2017-02-15
WO2013061202A3 (en) 2013-06-27
CN103889328A (zh) 2014-06-25
US20140254909A1 (en) 2014-09-11
JP2014530706A (ja) 2014-11-20
EP2770910A2 (en) 2014-09-03
EP2770910B1 (en) 2018-05-23
US9299142B2 (en) 2016-03-29
IN2014CN03101A (ru) 2015-07-03

Similar Documents

Publication Publication Date Title
RU2014121097A (ru) Формирование изображения кровотока
Kowalczuk et al. Real-time stereo matching on CUDA using an iterative refinement method for adaptive support-weight correspondences
KR101917947B1 (ko) 딥러닝을 사용하여 재발 부위를 예측하고, pet 이미지를 생성하는 방법과 장치
Tustison et al. Ants andarboles
CN109493347A (zh) 在图像中对稀疏分布的对象进行分割的方法和系统
CN107077736A (zh) 依据基于解剖学界标的特征分割医学图像的系统和方法
US8605973B2 (en) Graph cuts-based interactive segmentation of teeth in 3-D CT volumetric data
RU2013127784A (ru) Создание подходящей модели для оценки дозы облучения пациента в результате сканирований для медицинской визуализации
US10976434B2 (en) Ultrasound devices, ultrasound methods, and computer-readable media
WO2011131029A1 (zh) 一种基于轮廓带图的相似单元的检测方法
Fortmeier et al. Image-based palpation simulation with soft tissue deformations using chainmail on the GPU
JP2015513945A6 (ja) ３ｄ ｃｔ立体データにおける歯のグラフカットベースのインタラクティブセグメンテーション法
RU2721078C2 (ru) Сегментация анатомической структуры на основе модели
RU2019102481A (ru) Обнаружение изменений на медицинских изображениях
US20210052918A1 (en) Clinical target volume delineation method and electronic device
US20180012402A1 (en) Finite element modeling of anatomical structure
US10762693B2 (en) Imaging data processing apparatus and method
CN106570928B (zh) 一种基于图像的重光照方法
GB2515485A (en) Method and apparatus for generating image alignment data
CN105205786B (zh) 一种图像深度恢复方法及电子设备
CN108090953A (zh) 感兴趣区域重建方法、系统以及计算机可读存储介质
WO2018220461A1 (en) Surface-based object identification
Song et al. Super-resolution PET using a very deep convolutional neural network
US20140032180A1 (en) Method and apparatus for computing deformation of an object
CN104239874A (zh) 一种器官血管识别方法及装置

Legal Events

Date Code Title Description
FA92 Acknowledgement of application withdrawn (lack of supplementary materials submitted)

Effective date: 20170220