RU2017142603A - Система и способ для навигации к целевому анатомическому объекту в медицинских процедурах на основе визуализации - Google Patents
Система и способ для навигации к целевому анатомическому объекту в медицинских процедурах на основе визуализации Download PDFInfo
- Publication number
- RU2017142603A RU2017142603A RU2017142603A RU2017142603A RU2017142603A RU 2017142603 A RU2017142603 A RU 2017142603A RU 2017142603 A RU2017142603 A RU 2017142603A RU 2017142603 A RU2017142603 A RU 2017142603A RU 2017142603 A RU2017142603 A RU 2017142603A
- Authority
- RU
- Russia
- Prior art keywords
- imaging system
- specified
- medical imaging
- deep learning
- anatomical region
- Prior art date
Links
- 238000000034 method Methods 0.000 title claims 26
- 238000003384 imaging method Methods 0.000 title claims 10
- 210000003484 anatomy Anatomy 0.000 claims 23
- 238000002059 diagnostic imaging Methods 0.000 claims 21
- 238000013135 deep learning Methods 0.000 claims 18
- 238000012549 training Methods 0.000 claims 13
- 238000013528 artificial neural network Methods 0.000 claims 10
- 210000005036 nerve Anatomy 0.000 claims 6
- 238000001514 detection method Methods 0.000 claims 4
- 239000000523 sample Substances 0.000 claims 4
- 230000006870 function Effects 0.000 claims 3
- 238000012795 verification Methods 0.000 claims 3
- 238000012800 visualization Methods 0.000 claims 3
- 230000015572 biosynthetic process Effects 0.000 claims 2
- 238000013527 convolutional neural network Methods 0.000 claims 2
- 238000002595 magnetic resonance imaging Methods 0.000 claims 2
- 230000000306 recurrent effect Effects 0.000 claims 2
- 238000012285 ultrasound imaging Methods 0.000 claims 2
- 230000003187 abdominal effect Effects 0.000 claims 1
- 230000006835 compression Effects 0.000 claims 1
- 238000007906 compression Methods 0.000 claims 1
- 238000002591 computed tomography Methods 0.000 claims 1
- 239000004744 fabric Substances 0.000 claims 1
- 210000003195 fascia Anatomy 0.000 claims 1
- 238000009434 installation Methods 0.000 claims 1
- 230000003601 intercostal effect Effects 0.000 claims 1
- 230000001537 neural effect Effects 0.000 claims 1
- 238000010606 normalization Methods 0.000 claims 1
- 238000005457 optimization Methods 0.000 claims 1
- 210000001698 popliteal fossa Anatomy 0.000 claims 1
- 238000012545 processing Methods 0.000 claims 1
- 210000003497 sciatic nerve Anatomy 0.000 claims 1
- 238000007920 subcutaneous administration Methods 0.000 claims 1
- 210000000115 thoracic cavity Anatomy 0.000 claims 1
- 238000003325 tomography Methods 0.000 claims 1
- 230000009466 transformation Effects 0.000 claims 1
Classifications
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B90/00—Instruments, implements or accessories specially adapted for surgery or diagnosis and not covered by any of the groups A61B1/00 - A61B50/00, e.g. for luxation treatment or for protecting wound edges
- A61B90/36—Image-producing devices or illumination devices not otherwise provided for
- A61B90/361—Image-producing devices, e.g. surgical cameras
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/70—Determining position or orientation of objects or cameras
- G06T7/73—Determining position or orientation of objects or cameras using feature-based methods
- G06T7/74—Determining position or orientation of objects or cameras using feature-based methods involving reference images or patches
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B34/00—Computer-aided surgery; Manipulators or robots specially adapted for use in surgery
- A61B34/20—Surgical navigation systems; Devices for tracking or guiding surgical instruments, e.g. for frameless stereotaxis
-
- 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
- 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
- A61B8/00—Diagnosis using ultrasonic, sonic or infrasonic waves
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B8/00—Diagnosis using ultrasonic, sonic or infrasonic waves
- A61B8/08—Detecting organic movements or changes, e.g. tumours, cysts, swellings
- A61B8/0833—Detecting organic movements or changes, e.g. tumours, cysts, swellings involving detecting or locating foreign bodies or organic structures
- A61B8/0841—Detecting organic movements or changes, e.g. tumours, cysts, swellings involving detecting or locating foreign bodies or organic structures for locating instruments
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B34/00—Computer-aided surgery; Manipulators or robots specially adapted for use in surgery
- A61B34/20—Surgical navigation systems; Devices for tracking or guiding surgical instruments, e.g. for frameless stereotaxis
- A61B2034/2046—Tracking techniques
- A61B2034/2063—Acoustic tracking systems, e.g. using ultrasound
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B34/00—Computer-aided surgery; Manipulators or robots specially adapted for use in surgery
- A61B34/20—Surgical navigation systems; Devices for tracking or guiding surgical instruments, e.g. for frameless stereotaxis
- A61B2034/2046—Tracking techniques
- A61B2034/2065—Tracking using image or pattern recognition
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B8/00—Diagnosis using ultrasonic, sonic or infrasonic waves
- A61B8/08—Detecting organic movements or changes, e.g. tumours, cysts, swellings
- A61B8/0833—Detecting organic movements or changes, e.g. tumours, cysts, swellings involving detecting or locating foreign bodies or organic structures
- A61B8/085—Detecting organic movements or changes, e.g. tumours, cysts, swellings involving detecting or locating foreign bodies or organic structures for locating body or organic structures, e.g. tumours, calculi, blood vessels, nodules
-
- 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
- G06T2207/20—Special algorithmic details
- G06T2207/20084—Artificial neural networks [ANN]
-
- 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
-
- 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
- G16H30/00—ICT specially adapted for the handling or processing of medical images
- G16H30/40—ICT specially adapted for the handling or processing of medical images for processing medical images, e.g. editing
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Surgery (AREA)
- Biomedical Technology (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Medical Informatics (AREA)
- Molecular Biology (AREA)
- General Health & Medical Sciences (AREA)
- Heart & Thoracic Surgery (AREA)
- Animal Behavior & Ethology (AREA)
- Public Health (AREA)
- Veterinary Medicine (AREA)
- Pathology (AREA)
- Biophysics (AREA)
- Theoretical Computer Science (AREA)
- Radiology & Medical Imaging (AREA)
- General Physics & Mathematics (AREA)
- High Energy & Nuclear Physics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Computational Linguistics (AREA)
- Artificial Intelligence (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Data Mining & Analysis (AREA)
- Pulmonology (AREA)
- Evolutionary Computation (AREA)
- Optics & Photonics (AREA)
- Robotics (AREA)
- Measuring And Recording Apparatus For Diagnosis (AREA)
- Ultra Sonic Daignosis Equipment (AREA)
- Image Analysis (AREA)
- Apparatus For Radiation Diagnosis (AREA)
- Magnetic Resonance Imaging Apparatus (AREA)
Claims (47)
1. Способ для выдачи пользователю навигационных указаний для определения местоположения целевого анатомического объекта во время проведения медицинской процедуры с использованием системы медицинской визуализации, причем указанный способ является компьютеризированным и включает в себя следующие этапы
выбирают анатомическую область, окружающую целевой анатомический объект;
формируют в режиме реального времени несколько двумерных изображений видов анатомической области, окружающей целевой анатомический объект, и передают указанные несколько полученных в режиме реального времени двумерных изображений контроллеру;
создают и тренируют сеть глубокого обучения для автоматического обнаружения и распознавания указанных видов анатомической области, окружающей целевой анатомический объект, причем указанная сеть глубокого обучения содержит нейронную сеть прямого распространения, рекуррентную нейронную сеть или их сочетание;
осуществляют автоматическую разметку каждого из указанных нескольких полученных в режиме реального времени двумерных изображений анатомической области, окружающей целевой анатомический объект, в соответствии с пространственным взаиморасположением и временным взаиморасположением каждого из указанных распознанных видов анатомической области при помощи указанной сети глубокого обучения; и
выдают пользователю указания для определения местоположения целевого анатомического объекта во время проведения медицинской процедуры в соответствии с указанным пространственным взаиморасположением и временным взаиморасположением каждого из указанных распознанных видов.
2. Способ по п. 1, отличающийся тем, что медицинская процедура представляет собой осуществление нервной блокады, причем целевой анатомический объект представляет собой целевой нерв.
3. Способ по п. 2, отличающийся тем, что нервная блокада представляет собой межлестничную блокаду, надключичную блокаду, подключичную блокаду, подмышечную блокаду, бедренную блокаду, блокаду седалищного нерва, блокаду нервов Гунтерова канала, блокаду нервов в подколенной ямке, блокаду подкожного нерва, блокаду подвздошной фасции, пояснично-грудную паравертебральную блокаду, блокаду поперечного пространства живота (ППЖ), межреберную блокаду или грудную паравертебральную блокаду.
4. Способ по п. 1, отличающийся тем, что сеть глубокого обучения содержит сверточную нейронную сеть.
5. Способ по п. 1, отличающийся тем, что на этапе создания и тренировки сети глубокого обучения для автоматического обнаружения и распознавания указанных видов анатомической области, окружающей целевой анатомический объект, используют эталонные данные.
6. Способ по п. 5, отличающийся тем, что создание и тренировка сети глубокого обучения для автоматического обнаружения и распознавания указанных видов анатомической области, окружающей целевой анатомический объект, включает в себя этапы, на которых:
сканируют и накапливают набор данных, состоящий из нескольких изображений указанных видов анатомической области, окружающей целевой анатомический объект, у каждого из нескольких пациентов,
маркируют указанный набор изображений в соответствии с информацией, вводимой пользователем, для формирования указанных эталонных данных; разделяют указанный набор изображений и эталонные данные на тренировочный набор данных и поверочный набор данных; и
используют указанный тренировочный набор данных для тренировки указанной сети глубокого обучения.
7. Способ по п. 6, отличающийся тем, что использование указанного тренировочного набора данных для тренировки указанной сети глубокого обучения дополнительно включает в себя этап, на котором оптимизируют целевую функцию для минимизации расхождения между выходными данными указанной сети глубокого обучения и эталонными данными.
8. Способ по п. 7, отличающийся тем, что оптимизация целевой функции для минимизации расхождения дополнительно включает в себя этап, на котором применяют алгоритм стохастического градиентного спуска (СГС), предполагающего итеративную обработку частей указанных эталонных данных и настройку одного или нескольких параметров указанной глубокой нейронной сети в зависимости от указанного расхождения между выходными данными глубокой нейронной сети и эталонными данными.
9. Способ по п. 8, отличающийся тем, что дополнительно включает в себя этап, на котором после оптимизации целевой функции применяют указанную сеть глубокого обучения в режиме реального времени для автоматического прогнозирования указанных поверочных данных и сравнивают результаты прогнозирования с указанными эталонными данными.
10. Способ по п. 6, отличающийся тем, что маркировка указанного набора изображений в соответствии с информацией, вводимой пользователем, для формирования указанных эталонных данных дополнительно включает в себя этап, на котором вручную распознают и маркируют целевой анатомический объект, дополнительные анатомические объекты, ориентиры, ткань или их сочетание на каждом из изображений указанного набора данных.
11. Способ по п. 1, отличающийся тем, что дополнительно включает в себя этап, на котором проводят первоначальную тренировку указанной глубокой нейронной сети для автоматического обнаружения и распознавания указанных видов анатомической области, окружающей целевой анатомический объект, в режиме офлайн.
12. Способ по п. 1, отличающийся тем, что дополнительно включает в себя этап, на котором проводят непрерывную тренировку указанной глубокой нейронной сети для автоматического обнаружения и распознавания указанных видов анатомической области, окружающей целевой анатомический объект, в режиме онлайн.
13. Способ по п. 1, отличающийся тем, что указания выдают пользователю в текстовой форме на пользовательском дисплее системы визуализации по мере сканирования зондом указанной интересующей анатомической области, причем система визуализации одновременно формирует в режиме реального времени указанные несколько двумерных изображений.
14. Способ по п. 1, отличающийся тем, что указания выдают пользователю в звуковой форме по мере сканирования зондом указанной интересующей анатомической области, причем система визуализации одновременно формирует в режиме реального времени указанные несколько двумерных изображений.
15. Способ по п. 1, отличающийся тем, что система медицинской визуализации представляет собой систему ультразвуковой визуализации, систему визуализации методом компьютерной томографии (КТ), систему визуализации методом магнитно-резонансной томографии (МРТ) или систему рентгеноскопической визуализации.
16. Система медицинской визуализации для использования при проведении медицинской процедуры, содержащая
по меньшей мере один контроллер, выполненный с возможностью выполнения одной или нескольких операций, причем в число одной или нескольких операций входят:
прием нескольких полученных в режиме реального времени изображений видов анатомической области, окружающей целевой анатомический объект;
создание и тренировка сети глубокого обучения для автоматического обнаружения и распознавания указанных видов анатомической области, окружающей целевой анатомический объект, причем указанная сеть глубокого обучения содержит нейронную сеть прямого распространения, рекуррентную нейронную сеть или их сочетание;
автоматическая разметка каждого из указанных нескольких полученных в режиме реального времени двумерных изображений анатомической области, окружающей целевой анатомический объект, в соответствии с пространственным взаиморасположением и временным взаиморасположением каждого из указанных распознанных видов анатомической области при помощи указанной сети глубокого обучения; и
выдачу пользователю указаний для определения местоположения целевого анатомического объекта во время проведения медицинской процедуры в соответствии с указанным пространственным взаиморасположением и временным взаиморасположением каждого из указанных распознанных видов; и
пользовательский дисплей, выполненный с возможностью отображения для пользователя указанных нескольких полученных в режиме реального времени двумерных изображений.
17. Система медицинской визуализации по п. 16, отличающаяся тем, что медицинская процедура представляет собой осуществление нервной блокады, причем целевой анатомический объект представляет собой целевой нерв.
18. Система медицинской визуализации по п. 16, отличающаяся тем, что сеть глубокого обучения содержит сверточную нейронную сеть.
19. Система медицинской визуализации по п. 16, отличающаяся тем, что создание и тренировку сети глубокого обучения для автоматического обнаружения и распознавания видов анатомической области, окружающей целевой анатомический объект, производят с использованием эталонных данных.
20. Система медицинской визуализации по п. 19, отличающаяся тем, что создание и тренировка сети глубокого обучения для автоматического обнаружения и распознавания видов анатомической области, окружающей целевой анатомический объект, включают в себя
сканирование и накопление набора данных, состоящих из нескольких изображений видов анатомической области, окружающей целевой анатомический объект, у каждого из нескольких пациентов;
маркировку указанного набора изображений в соответствии с информацией, вводимой пользователем, для формирования указанных эталонных данных;
разделение указанного набора изображений и эталонных данных на тренировочный набор данных и поверочный набор данных; и
использование указанного тренировочного набора данных для тренировки указанной сети глубокого обучения.
21. Система медицинской визуализации по п. 20, отличающаяся тем, что маркировка указанного набора изображений в соответствии с информацией, вводимой пользователем, для формирования указанных эталонных данных предусматривает распознание вручную и маркировку целевого анатомического объекта, дополнительных анатомических объектов, ориентиров, ткани или их сочетаний на каждом из изображений указанного набора данных
22. Система медицинской визуализации по п. 16, отличающаяся тем, что контроллер выполнен с возможностью первоначальной тренировки указанной глубокой нейронной сети для автоматического обнаружения и распознавания видов анатомической области, окружающей целевой анатомический объект, в режиме офлайн.
23. Система медицинской визуализации по п. 16, отличающаяся тем, что контроллер выполнен с возможностью непрерывной тренировки указанной глубокой нейронной сети для автоматического обнаружения и распознавания видов анатомической области, окружающей целевой анатомический объект, в режиме онлайн.
24. Система медицинской визуализации по п. 16, отличающаяся тем, что контроллер выдает пользователю указания в текстовой форме на пользовательском дисплее системы визуализации по мере сканирования зондом указанной интересующей анатомической области, причем система визуализации одновременно формирует в режиме реального времени указанные несколько двумерных изображений.
25. Система медицинской визуализации по п. 16, отличающаяся тем, что контроллер выдает пользователю указания в звуковой форме по мере сканирования зондом указанной интересующей анатомической области, причем система визуализации одновременно формирует в режиме реального времени указанные несколько двумерных изображений.
26. Система медицинской визуализации по п. 16, отличающаяся тем, что представляет собой систему ультразвуковой визуализации, систему визуализации методом компьютерной томографии (КТ), систему визуализации методом магнитно-резонансной томографии (МРТ) или систему рентгеноскопической визуализации.
27. Система медицинской визуализации по п. 16, отличающаяся тем, что выполнена в виде программного пакета, предназначенного для установки и поддержки в других, базовых, системах медицинской визуализации, причем система медицинской визуализации может принимать изображения от базовой системы медицинской визуализации и выводить сигналы, используемые базовой системой медицинской визуализации.
28. Система медицинской визуализации по п. 16, отличающаяся тем, что сеть глубокого обучения использует поинтервальное взвешивание, двоичное взвешивание и другие методы сжатия для снижения использования памяти и сокращения времени исполнения, например, при наличии ограниченных вычислительных мощностей.
29. Система медицинской визуализации по п. 16, отличающаяся тем, что использует методы преобразования, уравнивания и нормализации для обеспечения возможности работы с разными системами медицинской визуализации, имеющими разные настройки, спецификации и уровни качества изображений.
Applications Claiming Priority (3)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| US201662429150P | 2016-12-02 | 2016-12-02 | |
| US62/429,150 | 2016-12-02 | ||
| PCT/US2017/039928 WO2018101985A1 (en) | 2016-12-02 | 2017-06-29 | System and method for navigation to a target anatomical object in medical imaging-based procedures |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| RU2017142603A true RU2017142603A (ru) | 2019-08-07 |
| RU2017142603A3 RU2017142603A3 (ru) | 2019-08-07 |
Family
ID=59363227
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| RU2017142603A RU2017142603A (ru) | 2016-12-02 | 2017-06-29 | Система и способ для навигации к целевому анатомическому объекту в медицинских процедурах на основе визуализации |
Country Status (10)
| Country | Link |
|---|---|
| US (1) | US10657671B2 (ru) |
| EP (1) | EP3549103B1 (ru) |
| JP (1) | JP6796085B2 (ru) |
| KR (2) | KR101886990B1 (ru) |
| CN (1) | CN109074665B (ru) |
| BR (1) | BR112018000197A2 (ru) |
| CA (1) | CA2989159C (ru) |
| MX (1) | MX2017017142A (ru) |
| RU (1) | RU2017142603A (ru) |
| WO (1) | WO2018101985A1 (ru) |
Families Citing this family (36)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US11164679B2 (en) | 2017-06-20 | 2021-11-02 | Advinow, Inc. | Systems and methods for intelligent patient interface exam station |
| US10939806B2 (en) * | 2018-03-06 | 2021-03-09 | Advinow, Inc. | Systems and methods for optical medical instrument patient measurements |
| US11348688B2 (en) * | 2018-03-06 | 2022-05-31 | Advinow, Inc. | Systems and methods for audio medical instrument patient measurements |
| US20210240931A1 (en) * | 2018-04-30 | 2021-08-05 | Koninklijke Philips N.V. | Visual question answering using on-image annotations |
| US20200016396A1 (en) * | 2018-07-11 | 2020-01-16 | Synchron Australia Pty Limited | Systems and methods for improving placement of devices for neural stimulation |
| JP7134017B2 (ja) * | 2018-08-14 | 2022-09-09 | キヤノン株式会社 | 画像処理装置、画像処理方法、及びプログラム |
| KR102179045B1 (ko) * | 2018-10-18 | 2020-11-16 | 한국외국어대학교 연구산학협력단 | 3차원 영상에서의 강화 학습 기반 랜드마크 위치 검출 모델 학습 방법 |
| US20210401407A1 (en) * | 2018-11-01 | 2021-12-30 | Koninklijke Philips N.V. | Identifying an intervntional device in medical images |
| CN109589145A (zh) * | 2018-12-28 | 2019-04-09 | 吴莹 | 一种智能化肾穿刺控制系统 |
| KR102659494B1 (ko) | 2019-01-21 | 2024-04-23 | 삼성전자주식회사 | 전자 장치 및 그 제어 방법 |
| US10970542B2 (en) * | 2019-02-22 | 2021-04-06 | Here Global B.V. | Scalable three dimensional object segmentation |
| US11707255B2 (en) * | 2019-04-02 | 2023-07-25 | Siemens Medical Solutions Usa, Inc. | Image-based probe positioning |
| WO2020201183A1 (en) * | 2019-04-02 | 2020-10-08 | Koninklijke Philips N.V. | Segmentation and view guidance in ultrasound imaging and associated devices, systems, and methods |
| US20220254149A1 (en) * | 2019-04-17 | 2022-08-11 | Nec Corporation | Image processing apparatus, image processing method and non-transitory computer readable medium |
| US20210045716A1 (en) * | 2019-08-13 | 2021-02-18 | GE Precision Healthcare LLC | Method and system for providing interaction with a visual artificial intelligence ultrasound image segmentation module |
| US20210059758A1 (en) * | 2019-08-30 | 2021-03-04 | Avent, Inc. | System and Method for Identification, Labeling, and Tracking of a Medical Instrument |
| US11024027B2 (en) * | 2019-09-13 | 2021-06-01 | Siemens Healthcare Gmbh | Manipulable object synthesis in 3D medical images with structured image decomposition |
| EP3821440A1 (en) * | 2019-09-20 | 2021-05-19 | Brainlab AG | Training a machine learning algorithm using digitally reconstructed radiographs |
| JP7427902B2 (ja) | 2019-10-02 | 2024-02-06 | コニカミノルタ株式会社 | 超音波画像診断用訓練装置、超音波画像診断装置、識別モデルの訓練方法、プログラム及び超音波診断装置 |
| US20210177295A1 (en) * | 2019-12-11 | 2021-06-17 | GE Precision Healthcare LLC | Systems and methods for generating diagnostic scan parameters from calibration images |
| CN113287149A (zh) * | 2019-12-19 | 2021-08-20 | 博医来股份公司 | 使用机器学习和解剖向量的医学图像分析 |
| WO2021145876A1 (en) * | 2020-01-16 | 2021-07-22 | Visa International Service Association | System and computer-implemented method for character recognition in payment card |
| EP3862969A1 (en) * | 2020-02-07 | 2021-08-11 | Siemens Healthcare GmbH | Orientation detection in medical image data |
| EP3881793A1 (en) * | 2020-03-17 | 2021-09-22 | CHU de NICE | Surgical instrument and computer-implemented method for determining the position and orientation of such surgical instrument |
| CN111488985B (zh) * | 2020-04-08 | 2023-11-14 | 华南理工大学 | 深度神经网络模型压缩训练方法、装置、设备、介质 |
| US20210334955A1 (en) * | 2020-04-24 | 2021-10-28 | Nvidia Corporation | Image annotation using one or more neural networks |
| CN111839730B (zh) * | 2020-07-07 | 2022-02-11 | 厦门大学附属翔安医院 | 一种用于引导肿瘤切除的光声成像手术导航平台 |
| DE102020212086A1 (de) * | 2020-09-25 | 2022-03-31 | Siemens Healthcare Gmbh | Ermitteln der Qualität einer Positionierung eines in einen Patientenkörper eingeführten Objekts |
| WO2022080184A1 (ja) | 2020-10-16 | 2022-04-21 | 富士フイルム株式会社 | 超音波診断装置および超音波診断装置の表示方法 |
| CN112766314B (zh) * | 2020-12-31 | 2024-05-28 | 上海联影智能医疗科技有限公司 | 解剖结构的识别方法、电子设备及存储介质 |
| EP4280996A1 (en) * | 2021-01-21 | 2023-11-29 | Epidutech Ltd. | Method for tracking a medical tool during a medical procedure using deep learning |
| EP4059435A1 (en) * | 2021-03-15 | 2022-09-21 | Koninklijke Philips N.V. | Patient preparation for medical imaging |
| JP2022179368A (ja) * | 2021-05-19 | 2022-12-02 | エヌビディア コーポレーション | 機械学習を用いたスーパビジョンの拡張 |
| CN114052795B (zh) * | 2021-10-28 | 2023-11-07 | 南京航空航天大学 | 一种结合超声自主扫描的病灶成像及防误扎治疗系统 |
| WO2023152530A2 (en) * | 2021-12-10 | 2023-08-17 | Mofaip, Llp | Multidimensional anatomic mapping, descriptions, visualizations, and translations |
| CN114840110B (zh) * | 2022-03-17 | 2023-06-20 | 杭州未名信科科技有限公司 | 一种基于混合现实的穿刺导航交互辅助方法及装置 |
Family Cites Families (48)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP3642591B2 (ja) * | 1994-11-29 | 2005-04-27 | 株式会社日立メディコ | 画像処理装置 |
| US20030133611A1 (en) | 2000-05-09 | 2003-07-17 | Siemens Aktiengesellschaft | Method and device for determining an object in an image |
| US7016529B2 (en) | 2002-03-15 | 2006-03-21 | Microsoft Corporation | System and method facilitating pattern recognition |
| JP2005199403A (ja) * | 2004-01-16 | 2005-07-28 | Sony Corp | 情動認識装置及び方法、ロボット装置の情動認識方法、ロボット装置の学習方法、並びにロボット装置 |
| US7876934B2 (en) | 2004-11-08 | 2011-01-25 | Siemens Medical Solutions Usa, Inc. | Method of database-guided segmentation of anatomical structures having complex appearances |
| JP2008017997A (ja) * | 2006-07-12 | 2008-01-31 | Hitachi Medical Corp | 手術支援ナビゲーションシステム |
| US8500451B2 (en) | 2007-01-16 | 2013-08-06 | Simbionix Ltd. | Preoperative surgical simulation |
| CA2702927A1 (en) * | 2007-10-19 | 2009-04-23 | Boston Scientific Scimed, Inc. | Display of classifier output and confidence measure in an image |
| US8172753B2 (en) | 2008-07-11 | 2012-05-08 | General Electric Company | Systems and methods for visualization of an ultrasound probe relative to an object |
| US8073220B2 (en) | 2009-04-20 | 2011-12-06 | Siemens Aktiengesellschaft | Methods and systems for fully automatic segmentation of medical images |
| WO2011087807A2 (en) * | 2009-12-22 | 2011-07-21 | Health Discovery Corporation | System and method for remote melanoma screening |
| US20110182493A1 (en) | 2010-01-25 | 2011-07-28 | Martin Huber | Method and a system for image annotation |
| US20110188715A1 (en) | 2010-02-01 | 2011-08-04 | Microsoft Corporation | Automatic Identification of Image Features |
| US9607373B2 (en) | 2010-08-13 | 2017-03-28 | Smith & Nephew, Inc. | Detection of anatomical landmarks |
| EP2617012B1 (en) | 2010-09-16 | 2015-06-17 | Mor Research Applications Ltd. | Method and system for analyzing images |
| US8867802B2 (en) | 2011-04-19 | 2014-10-21 | Microsoft Corporation | Automatic organ localization |
| US20130249917A1 (en) * | 2012-03-26 | 2013-09-26 | Microsoft Corporation | Profile data visualization |
| BR112014029528A2 (pt) | 2012-05-31 | 2017-06-27 | Koninklijke Philips Nv | método; sistema; e meio de armazenamento nãotransitório legível por computador que armazena um conjunto de instruções executáveis por um processador |
| CN104394771B (zh) | 2012-06-04 | 2017-07-04 | 泰尔哈绍梅尔医学研究基础设施和服务有限公司 | 超声图像处理 |
| EP2690596B1 (en) | 2012-07-24 | 2018-08-15 | Agfa Healthcare | Method, apparatus and system for automated spine labeling |
| US9256962B2 (en) | 2013-01-23 | 2016-02-09 | Orca Health Inc. | Personalizing medical conditions with augmented reality |
| WO2014143697A1 (en) | 2013-03-15 | 2014-09-18 | Stephanie Littell | Evaluating electromagnetic imagery by comparing to other individual's imagery |
| US11278353B2 (en) * | 2016-03-16 | 2022-03-22 | Synaptive Medical Inc. | Trajectory alignment system and methods |
| ES2641480T3 (es) | 2013-03-15 | 2017-11-10 | Ventana Medical Systems, Inc. | Sistema de aprendizaje automático basado en objetos de tejido para puntuación automatizada de portaobjetos digitales completos |
| US9390502B2 (en) * | 2013-04-22 | 2016-07-12 | Kabushiki Kaisha Toshiba | Positioning anatomical landmarks in volume data sets |
| US9129362B2 (en) * | 2013-05-22 | 2015-09-08 | Siemens Aktiengesellschaft | Semantic navigation and lesion mapping from digital breast tomosynthesis |
| US9235781B2 (en) * | 2013-08-09 | 2016-01-12 | Kabushiki Kaisha Toshiba | Method of, and apparatus for, landmark location |
| US9471987B2 (en) * | 2013-08-09 | 2016-10-18 | Siemens Healthcare Gmbh | Automatic planning for medical imaging |
| DE102013218437A1 (de) | 2013-09-13 | 2015-03-19 | Siemens Aktiengesellschaft | Verfahren zur automatischen oder halb-automatischen Segmentierung und Vorrichtung |
| US9730643B2 (en) | 2013-10-17 | 2017-08-15 | Siemens Healthcare Gmbh | Method and system for anatomical object detection using marginal space deep neural networks |
| US9700219B2 (en) | 2013-10-17 | 2017-07-11 | Siemens Healthcare Gmbh | Method and system for machine learning based assessment of fractional flow reserve |
| US20150164605A1 (en) * | 2013-12-13 | 2015-06-18 | General Electric Company | Methods and systems for interventional imaging |
| EP3082615B1 (en) * | 2013-12-20 | 2019-11-27 | Koninklijke Philips N.V. | Automatic ultrasound beam steering and needle artifact suppression |
| WO2015104607A1 (en) | 2014-01-07 | 2015-07-16 | Koninklijke Philips N.V. | Ultrasound imaging modes for automated real time quantification and analysis |
| WO2015109254A2 (en) | 2014-01-17 | 2015-07-23 | Morpheus Medical, Inc. | Apparatus, methods and articles for four dimensional (4d) flow magnetic resonance imaging |
| KR20150108701A (ko) | 2014-03-18 | 2015-09-30 | 삼성전자주식회사 | 의료 영상 내 해부학적 요소 시각화 시스템 및 방법 |
| US9990743B2 (en) * | 2014-03-27 | 2018-06-05 | Riverain Technologies Llc | Suppression of vascular structures in images |
| WO2015175806A1 (en) | 2014-05-16 | 2015-11-19 | The Trustees Of The University Of Pennsylvania | Applications of automatic anatomy recognition in medical tomographic imagery based on fuzzy anatomy models |
| WO2015191414A2 (en) | 2014-06-09 | 2015-12-17 | Siemens Corporation | Landmark detection with spatial and temporal constraints in medical imaging |
| GB2528249B (en) | 2014-07-11 | 2019-03-06 | Siemens Medical Solutions Usa Inc | Automatic background region selection for lesion delineation in medical images |
| KR101579740B1 (ko) | 2014-09-01 | 2015-12-23 | 삼성메디슨 주식회사 | 초음파 진단장치, 그에 따른 초음파 진단 방법 및 그에 따른 컴퓨터 판독 가능한 저장매체 |
| US9779505B2 (en) | 2014-09-30 | 2017-10-03 | Toshiba Medical Systems Corporation | Medical data processing apparatus and method |
| US10068340B2 (en) | 2014-11-03 | 2018-09-04 | Algotec Systems Ltd. | Method for segmentation of the head-neck arteries, brain and skull in medical images |
| US10835210B2 (en) | 2015-03-30 | 2020-11-17 | Siemens Medical Solutions Usa, Inc. | Three-dimensional volume of interest in ultrasound imaging |
| US9633306B2 (en) * | 2015-05-07 | 2017-04-25 | Siemens Healthcare Gmbh | Method and system for approximating deep neural networks for anatomical object detection |
| EP3295374B8 (en) * | 2015-05-11 | 2023-10-18 | Siemens Healthcare GmbH | Method and system for landmark detection in medical images using deep neural networks |
| CN105139454B (zh) * | 2015-08-06 | 2018-01-19 | 北京工业大学 | 一种三维ct图像中肝脏三维感兴趣区域的自动提取方法 |
| US10413366B2 (en) * | 2016-03-16 | 2019-09-17 | Synaptive Medical (Bardbados) Inc. | Trajectory guidance alignment system and methods |
-
2017
- 2017-06-29 EP EP17740527.1A patent/EP3549103B1/en active Active
- 2017-06-29 MX MX2017017142A patent/MX2017017142A/es unknown
- 2017-06-29 CN CN201780002386.1A patent/CN109074665B/zh active Active
- 2017-06-29 CA CA2989159A patent/CA2989159C/en active Active
- 2017-06-29 WO PCT/US2017/039928 patent/WO2018101985A1/en active Application Filing
- 2017-06-29 KR KR1020177035042A patent/KR101886990B1/ko active IP Right Grant
- 2017-06-29 BR BR112018000197A patent/BR112018000197A2/pt not_active IP Right Cessation
- 2017-06-29 KR KR1020187012260A patent/KR101949114B1/ko active IP Right Grant
- 2017-06-29 US US15/736,129 patent/US10657671B2/en active Active
- 2017-06-29 RU RU2017142603A patent/RU2017142603A/ru not_active Application Discontinuation
- 2017-06-29 JP JP2017564130A patent/JP6796085B2/ja active Active
Also Published As
| Publication number | Publication date |
|---|---|
| JP6796085B2 (ja) | 2020-12-02 |
| KR101886990B1 (ko) | 2018-08-08 |
| US10657671B2 (en) | 2020-05-19 |
| WO2018101985A1 (en) | 2018-06-07 |
| BR112018000197A2 (pt) | 2018-09-11 |
| KR101949114B1 (ko) | 2019-02-15 |
| CN109074665A (zh) | 2018-12-21 |
| EP3549103A1 (en) | 2019-10-09 |
| MX2017017142A (es) | 2018-11-09 |
| US20190355149A1 (en) | 2019-11-21 |
| EP3549103B1 (en) | 2021-08-04 |
| JP2019508072A (ja) | 2019-03-28 |
| RU2017142603A3 (ru) | 2019-08-07 |
| CA2989159A1 (en) | 2018-03-05 |
| CA2989159C (en) | 2021-12-28 |
| CN109074665B (zh) | 2022-01-11 |
| KR20180116226A (ko) | 2018-10-24 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| RU2017142603A (ru) | Система и способ для навигации к целевому анатомическому объекту в медицинских процедурах на основе визуализации | |
| JP6240226B2 (ja) | スキャン範囲決定装置 | |
| DK2061556T3 (en) | PROCEDURE AND APPARATUS TO CORRECT A ERROR IN THE CO-REGISTRATION OF COORDINATE SYSTEMS USED TO REPRESENT OBJECTS UNDER NAVIGATED BRAIN STIMULATION | |
| CN107596578B (zh) | 对准标记的识别和位置确定方法、成像设备及存储介质 | |
| US20100246915A1 (en) | Patient registration system | |
| CN110072465B (zh) | 用于肺部超声的目标探头放置 | |
| CN101542532B (zh) | 用于数据处理的方法、设备和计算机程序 | |
| US20140046169A1 (en) | Methods, systems, and devices for spine centrum extraction and intervertebral disk dividing | |
| EP2387949A1 (en) | Ultrasound system for measuring image using figure template and method for operating ultrasound system | |
| CN108765438A (zh) | 一种肝脏边界的识别方法及系统 | |
| KR20140114307A (ko) | 뇌의 3차원 영상들의 뷰의 자동 플래닝을 위한 시스템 및 방법 | |
| CN102567733A (zh) | 一种微波图像非合作情况下人体隐私部位检测与遮挡方法 | |
| US20140348408A1 (en) | Flow diverter detection in medical imaging | |
| WO2013191061A1 (ja) | 画像処理装置 | |
| WO2020246895A1 (en) | Alignment of ultrasound image | |
| US20160210740A1 (en) | Method and system for spine position detection | |
| WO2015040547A1 (en) | Method and system for spine position detection | |
| AU2018214141A1 (en) | System and method for navigation to a target anatomical object in medical imaging-based procedures | |
| JP6191328B2 (ja) | 超音波診断装置、超音波画像解析方法、およびプログラム | |
| JP4344825B2 (ja) | 照射位置照合システム | |
| EP3777686B1 (en) | Medical image processing device, medical image processing method, and program | |
| CN112184664B (zh) | 一种椎骨检测方法及计算机设备 | |
| CN111513765B (zh) | 呼吸肌组织的超声测量方法、超声测量装置及存储介质 | |
| CN116725640B (zh) | 一种身体穿刺打印模板的构建方法 | |
| CN112308821B (zh) | 一种椎骨检测方法及计算机设备 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| FA94 | Acknowledgement of application withdrawn (non-payment of fees) |
Effective date: 20200111 |