RU2019125590A - Система и способ ультразвукового анализа - Google Patents
Система и способ ультразвукового анализа Download PDFInfo
- Publication number
- RU2019125590A RU2019125590A RU2019125590A RU2019125590A RU2019125590A RU 2019125590 A RU2019125590 A RU 2019125590A RU 2019125590 A RU2019125590 A RU 2019125590A RU 2019125590 A RU2019125590 A RU 2019125590A RU 2019125590 A RU2019125590 A RU 2019125590A
- Authority
- RU
- Russia
- Prior art keywords
- procedure
- patient
- heart
- anatomical structure
- diastole
- Prior art date
Links
- 238000000034 method Methods 0.000 title claims 46
- 238000002604 ultrasonography Methods 0.000 title 1
- 210000003484 anatomy Anatomy 0.000 claims 10
- 238000013528 artificial neural network Methods 0.000 claims 10
- 238000001514 detection method Methods 0.000 claims 8
- 230000000747 cardiac effect Effects 0.000 claims 6
- 238000003384 imaging method Methods 0.000 claims 6
- 238000005259 measurement Methods 0.000 claims 6
- 230000011218 segmentation Effects 0.000 claims 6
- 230000002861 ventricular Effects 0.000 claims 6
- 238000009877 rendering Methods 0.000 claims 5
- 238000012800 visualization Methods 0.000 claims 3
- 210000000709 aorta Anatomy 0.000 claims 2
- 210000003709 heart valve Anatomy 0.000 claims 2
- 210000005240 left ventricle Anatomy 0.000 claims 2
- 230000004807 localization Effects 0.000 claims 2
- 210000004115 mitral valve Anatomy 0.000 claims 2
- 210000003102 pulmonary valve Anatomy 0.000 claims 2
- 238000005086 pumping Methods 0.000 claims 2
- 210000003291 sinus of valsalva Anatomy 0.000 claims 2
- 210000000591 tricuspid valve Anatomy 0.000 claims 2
- 238000012285 ultrasound imaging Methods 0.000 claims 2
Classifications
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B8/00—Diagnosis using ultrasonic, sonic or infrasonic waves
- A61B8/52—Devices using data or image processing specially adapted for diagnosis using ultrasonic, sonic or infrasonic waves
- A61B8/5215—Devices using data or image processing specially adapted for diagnosis using ultrasonic, sonic or infrasonic waves involving processing of medical diagnostic data
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B6/00—Apparatus for radiation diagnosis, e.g. combined with radiation therapy equipment
- A61B6/50—Clinical applications
- A61B6/503—Clinical applications involving diagnosis of heart
-
- 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
- A61B8/0883—Detecting organic movements or changes, e.g. tumours, cysts, swellings for diagnosis of the heart
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B8/00—Diagnosis using ultrasonic, sonic or infrasonic waves
- A61B8/48—Diagnostic techniques
- A61B8/488—Diagnostic techniques involving Doppler signals
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B8/00—Diagnosis using ultrasonic, sonic or infrasonic waves
- A61B8/52—Devices using data or image processing specially adapted for diagnosis using ultrasonic, sonic or infrasonic waves
- A61B8/5207—Devices using data or image processing specially adapted for diagnosis using ultrasonic, sonic or infrasonic waves involving processing of raw data to produce diagnostic data, e.g. for generating an image
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B8/00—Diagnosis using ultrasonic, sonic or infrasonic waves
- A61B8/52—Devices using data or image processing specially adapted for diagnosis using ultrasonic, sonic or infrasonic waves
- A61B8/5215—Devices using data or image processing specially adapted for diagnosis using ultrasonic, sonic or infrasonic waves involving processing of medical diagnostic data
- A61B8/5223—Devices using data or image processing specially adapted for diagnosis using ultrasonic, sonic or infrasonic waves involving processing of medical diagnostic data for extracting a diagnostic or physiological parameter from medical diagnostic data
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
- G06T17/20—Finite element generation, e.g. wire-frame surface description, tesselation
-
- 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
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/11—Region-based segmentation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/194—Segmentation; Edge detection involving foreground-background segmentation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/60—Analysis of geometric attributes
- G06T7/62—Analysis of geometric attributes of area, perimeter, diameter or volume
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/82—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using neural networks
-
- 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
-
- 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
- G16H50/20—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for computer-aided diagnosis, e.g. based on medical expert systems
-
- 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
-
- 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
- G06T2207/20081—Training; Learning
-
- 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
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V2201/00—Indexing scheme relating to image or video recognition or understanding
- G06V2201/03—Recognition of patterns in medical or anatomical images
Claims (39)
1. Система для анализа по меньшей мере одной анатомической структуры по меньшей мере одного пациента, содержащая:
по меньшей мере одну нейронную сеть, обученную на множестве процедур распознавания и/или анализа в порядке их уровней сложности; и
специально сконфигурированное аппаратное обеспечение компьютера, выполненное с возможностью:
принимать информацию визуализации, относящуюся по меньшей мере к одной анатомической структуре по меньшей мере одного пациента;
используя упомянутую по меньшей мере одну нейронную сеть, формировать по меньшей мере один не специфичный для процедуры признак по меньшей мере одной анатомической структуры на основе информации визуализации; и
выполнять одну из упомянутых процедур распознавания и/или анализа, используя упомянутые не специфичные для процедуры признаки, для обнаружения по меньшей мере одной аномалии или в качестве входных данных для следующей процедуры.
2. Система по п. 1, отличающаяся тем, что информация визуализации содержит по меньшей мере три изображения по меньшей мере одной анатомической структуры.
3. Система по п. 1, отличающаяся тем, что информация визуализации включает в себя информацию ультразвуковой визуализации.
4. Система по п. 1, отличающаяся тем, что по меньшей мере одна анатомическая структура представляет собой сердце, и упомянутые процедуры распознавания и/или анализа содержат:
процедуру обнаружения проекции для обнаружения проекции конкретного кадра визуализации в информации визуализации;
процедуру обнаружения систолы/диастолы;
процедуру сегментации частей для обнаружения частей сердца по меньшей мере одного пациента из фона;
процедуру локализации клапана для локализации клапана сердца; и процедуру обнаружения аномалии.
5. Система по п. 4, отличающаяся тем, что по меньшей мере одно состояние сердца включает в себя по меньшей мере одно из (i) состояния систолы сердца по меньшей мере одного пациента, (ii) состояние диастолы сердца по меньшей мере одного пациента, (iii) состояние нагнетания сердца по меньшей мере одного пациента или (iv) состояние опустошения сердца по меньшей мере одного пациента.
6. Система по п. 4, отличающаяся тем, что упомянутая следующая процедура служит для определения фракции выброса с использованием выходных данных упомянутых процедур обнаружения проекции и сегментации частей, где сегментация сегментирует левый желудочек.
7. Система по п. 6, отличающаяся тем, что упомянутая следующая процедура служит для определения трехмерных объемов систолы и диастолы левого желудочка и для аппроксимирования трехмерной сеткой каждого из упомянутых объемов.
8. Система по п. 7, отличающаяся тем, что упомянутая следующая процедура служит для определения фракции выброса по упомянутым сеткам.
9. Система по п. 4, отличающаяся тем, что упомянутая следующая процедура служит для формирования результатов измерения сердца, включая по меньшей мере одно из следующего: размер левого желудочка в систоле и диастоле, оценку правого желудочка, размер LA, результат измерения кольца аортального клапана, синусов аорты, восходящей аорты, легочного клапана, кольца митрального клапана и кольца трикуспидального клапана.
10. Система по п. 4, отличающаяся тем, что упомянутая следующая процедура служит для размещения по меньшей мере одной точки доплеровского измерения в пределах соответствующей проекции сердца.
11. Система по п. 1, отличающаяся тем, что информация визуализации содержит множество изображений с разным разрешением, и по меньшей мере одна нейронная сеть включает в себя множество нейронных сетей, причем каждая из нейронных сетей связана с одним из изображений.
12. Способ анализа по меньшей мере одной анатомической структуры по меньшей мере одного пациента, включающий в себя:
обучение по меньшей мере одной нейронной сети на множестве процедур распознавания и/или анализа в порядке их уровней сложности;
прием информации визуализации, относящейся по меньшей мере к одной анатомической структуре по меньшей мере одного пациента;
с использование упомянутой по меньшей мере одной нейронной сети, формирование по меньшей мере одного не специфичного для процедуры признака по меньшей мере одной анатомической структуры на основе информации визуализации; и
выполнение одной из упомянутых процедур распознавания и/или анализа с использованием упомянутых не специфичных для процедуры признаков для обнаружения по меньшей мере одной аномалии или в качестве входных данных для следующей процедуры.
13. Способ по п. 12, отличающийся тем, что информация визуализации содержит по меньшей мере три изображения по меньшей мере одной анатомической структуры.
14. Способ по п. 12, отличающийся тем, что информация визуализации включает в себя информацию ультразвуковой визуализации.
15. Способ по п. 12, отличающийся тем, что по меньшей мере одна анатомическая структура представляет собой сердце, и упомянутые процедуры распознавания и/или анализа содержат:
процедуру обнаружения проекции для обнаружения проекции конкретного кадра визуализации в информации визуализации;
процедуру обнаружения систолы/диастолы;
процедуру сегментации частей для обнаружения частей сердца по меньшей мере одного пациента из фона;
процедуру локализации клапана для локализации клапана сердца; и процедуру обнаружения аномалии.
16. Способ по п. 15, отличающийся тем, что по меньшей мере одно состояние сердца включает в себя по меньшей мере одно из (i) состояния систолы сердца по меньшей мере одного пациента, (ii) состояние диастолы сердца по меньшей мере одного пациента, (iii) состояние нагнетания сердца по меньшей мере одного пациента или (iv) состояние опустошения сердца по меньшей мере одного пациента.
17. Способ по п. 15, отличающийся тем, что упомянутая следующая процедура содержит определение фракции выброса с использованием выходных данных упомянутых процедур обнаружения проекции и сегментации частей, где сегментация сегментирует левый желудочек.
18. Способ по п. 17, отличающийся тем, что упомянутая следующая процедура содержит определение трехмерных объемов систолы и диастолы левого желудочка и аппроксимирование трехмерной сеткой каждого из упомянутых объемов.
19. Способ по п. 18, отличающийся тем, что упомянутая следующая процедура содержит определение фракции выброса по упомянутым сеткам.
20. Способ по п. 15, отличающийся тем, что упомянутая следующая процедура содержит формирование результатов измерения сердца, включая по меньшей мере одно из следующего: размер левого желудочка в систоле и диастоле, оценку правого желудочка, размер LA, результат измерения кольца аортального клапана, синусов аорты, восходящей аорты, легочного клапана, кольца митрального клапана и кольца трикуспидального клапана.
21. Способ по п. 15, отличающийся тем, что упомянутая следующая процедура содержит размещение по меньшей мере одной точки доплеровского измерения в пределах соответствующей проекции сердца.
22. Способ по п. 12, отличающийся тем, что информация визуализации содержит множество изображений с разным разрешением, и по меньшей мере одна нейронная сеть включает в себя множество нейронных сетей, причем каждая из нейронных сетей связана с одним из изображений.
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US201762448061P | 2017-01-19 | 2017-01-19 | |
US62/448,061 | 2017-01-19 | ||
PCT/US2018/014536 WO2018136805A1 (en) | 2017-01-19 | 2018-01-19 | System, method and computer-accessible medium for ultrasound analysis |
Publications (2)
Publication Number | Publication Date |
---|---|
RU2019125590A true RU2019125590A (ru) | 2021-02-19 |
RU2019125590A3 RU2019125590A3 (ru) | 2021-08-30 |
Family
ID=62908785
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
RU2019125590A RU2019125590A (ru) | 2017-01-19 | 2018-01-19 | Система и способ ультразвукового анализа |
Country Status (8)
Country | Link |
---|---|
US (2) | US11478226B2 (ru) |
EP (1) | EP3570752A4 (ru) |
JP (2) | JP2020511190A (ru) |
KR (1) | KR20190119592A (ru) |
CN (1) | CN110461240A (ru) |
IL (1) | IL268141B2 (ru) |
RU (1) | RU2019125590A (ru) |
WO (1) | WO2018136805A1 (ru) |
Families Citing this family (17)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2018178212A1 (en) * | 2017-03-28 | 2018-10-04 | Koninklijke Philips N.V. | Ultrasound clinical feature detection and associated devices, systems, and methods |
US10628919B2 (en) * | 2017-08-31 | 2020-04-21 | Htc Corporation | Image segmentation method and apparatus |
US11534136B2 (en) * | 2018-02-26 | 2022-12-27 | Siemens Medical Solutions Usa, Inc. | Three-dimensional segmentation from two-dimensional intracardiac echocardiography imaging |
US11024025B2 (en) * | 2018-03-07 | 2021-06-01 | University Of Virginia Patent Foundation | Automatic quantification of cardiac MRI for hypertrophic cardiomyopathy |
EP3553740A1 (en) * | 2018-04-13 | 2019-10-16 | Koninklijke Philips N.V. | Automatic slice selection in medical imaging |
EP4218596A1 (en) | 2018-05-15 | 2023-08-02 | New York University | System and method for orientating capture of ultrasound images |
US11486950B2 (en) * | 2018-08-01 | 2022-11-01 | General Electric Company | Systems and methods for automated graphical prescription with deep neural networks |
CN109345498B (zh) * | 2018-10-05 | 2021-07-13 | 数坤(北京)网络科技股份有限公司 | 融合双源ct数据的冠脉分割方法 |
US11651487B2 (en) * | 2019-07-12 | 2023-05-16 | The Regents Of The University Of California | Fully automated four-chamber segmentation of echocardiograms |
JP7471895B2 (ja) * | 2020-04-09 | 2024-04-22 | キヤノンメディカルシステムズ株式会社 | 超音波診断装置及び超音波診断システム |
US20210330285A1 (en) * | 2020-04-28 | 2021-10-28 | EchoNous, Inc. | Systems and methods for automated physiological parameter estimation from ultrasound image sequences |
US11523801B2 (en) * | 2020-05-11 | 2022-12-13 | EchoNous, Inc. | Automatically identifying anatomical structures in medical images in a manner that is sensitive to the particular view in which each image is captured |
CN111598868B (zh) * | 2020-05-14 | 2022-12-30 | 上海深至信息科技有限公司 | 一种肺部超声图像识别方法和系统 |
KR102292002B1 (ko) * | 2021-02-09 | 2021-08-23 | 강기운 | 인공 심박동 유발 심근병 모니터링 심장 초음파 장치 |
JP7475313B2 (ja) * | 2021-04-19 | 2024-04-26 | 富士フイルムヘルスケア株式会社 | 超音波診断システム、超音波診断装置及び診断支援サーバー |
CN113450337A (zh) * | 2021-07-07 | 2021-09-28 | 沈阳先进医疗设备技术孵化中心有限公司 | 心包腔内积液的评价方法、装置、电子设备及存储介质 |
WO2024090810A1 (ko) * | 2022-10-25 | 2024-05-02 | 주식회사 온택트헬스 | 심장 초음파 영상에 대한 정보 제공 방법 및 이를 이용한 심장 초음파 영상에 대한 정보 제공용 디바이스 |
Family Cites Families (20)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6106466A (en) * | 1997-04-24 | 2000-08-22 | University Of Washington | Automated delineation of heart contours from images using reconstruction-based modeling |
WO2004054443A1 (en) | 2002-12-13 | 2004-07-01 | Koninklijke Philips Electronics N.V. | System and method for processing a series of image frames representing a cardiac cycle |
JP2006527619A (ja) | 2003-06-16 | 2006-12-07 | コーニンクレッカ フィリップス エレクトロニクス エヌ ヴィ | 時系列イメージにおけるイメージセグメンテーション |
US7912528B2 (en) | 2003-06-25 | 2011-03-22 | Siemens Medical Solutions Usa, Inc. | Systems and methods for automated diagnosis and decision support for heart related diseases and conditions |
US7545965B2 (en) * | 2003-11-10 | 2009-06-09 | The University Of Chicago | Image modification and detection using massive training artificial neural networks (MTANN) |
US7536044B2 (en) | 2003-11-19 | 2009-05-19 | Siemens Medical Solutions Usa, Inc. | System and method for detecting and matching anatomical structures using appearance and shape |
US20060074315A1 (en) | 2004-10-04 | 2006-04-06 | Jianming Liang | Medical diagnostic ultrasound characterization of cardiac motion |
US8913830B2 (en) * | 2005-01-18 | 2014-12-16 | Siemens Aktiengesellschaft | Multilevel image segmentation |
US8009900B2 (en) | 2006-09-28 | 2011-08-30 | Siemens Medical Solutions Usa, Inc. | System and method for detecting an object in a high dimensional space |
US8073215B2 (en) | 2007-09-18 | 2011-12-06 | Siemens Medical Solutions Usa, Inc. | Automated detection of planes from three-dimensional echocardiographic data |
US8771189B2 (en) * | 2009-03-18 | 2014-07-08 | Siemens Medical Solutions Usa, Inc. | Valve assessment from medical diagnostic imaging data |
US8396268B2 (en) * | 2010-03-31 | 2013-03-12 | Isis Innovation Limited | System and method for image sequence processing |
US9092692B2 (en) | 2012-09-13 | 2015-07-28 | Los Alamos National Security, Llc | Object detection approach using generative sparse, hierarchical networks with top-down and lateral connections for combining texture/color detection and shape/contour detection |
US9700219B2 (en) * | 2013-10-17 | 2017-07-11 | Siemens Healthcare Gmbh | Method and system for machine learning based assessment of fractional flow reserve |
US9730643B2 (en) * | 2013-10-17 | 2017-08-15 | Siemens Healthcare Gmbh | Method and system for anatomical object detection using marginal space deep neural networks |
US9092743B2 (en) * | 2013-10-23 | 2015-07-28 | Stenomics, Inc. | Machine learning system for assessing heart valves and surrounding cardiovascular tracts |
US10271817B2 (en) * | 2014-06-23 | 2019-04-30 | Siemens Medical Solutions Usa, Inc. | Valve regurgitant detection for echocardiography |
US10194888B2 (en) * | 2015-03-12 | 2019-02-05 | Siemens Medical Solutions Usa, Inc. | Continuously oriented enhanced ultrasound imaging of a sub-volume |
CN106156793A (zh) * | 2016-06-27 | 2016-11-23 | 西北工业大学 | 结合深层特征提取和浅层特征提取的医学图像分类方法 |
US10074038B2 (en) * | 2016-11-23 | 2018-09-11 | General Electric Company | Deep learning medical systems and methods for image reconstruction and quality evaluation |
-
2018
- 2018-01-19 CN CN201880016394.6A patent/CN110461240A/zh active Pending
- 2018-01-19 IL IL268141A patent/IL268141B2/en unknown
- 2018-01-19 JP JP2019539232A patent/JP2020511190A/ja active Pending
- 2018-01-19 RU RU2019125590A patent/RU2019125590A/ru unknown
- 2018-01-19 EP EP18741267.1A patent/EP3570752A4/en active Pending
- 2018-01-19 KR KR1020197024209A patent/KR20190119592A/ko not_active Application Discontinuation
- 2018-01-19 WO PCT/US2018/014536 patent/WO2018136805A1/en unknown
- 2018-01-19 US US16/478,507 patent/US11478226B2/en active Active
-
2022
- 2022-09-21 JP JP2022150347A patent/JP7395142B2/ja active Active
- 2022-10-24 US US18/048,873 patent/US20230104045A1/en active Pending
Also Published As
Publication number | Publication date |
---|---|
JP2020511190A (ja) | 2020-04-16 |
IL268141A (en) | 2019-09-26 |
IL268141B1 (en) | 2023-05-01 |
US11478226B2 (en) | 2022-10-25 |
US20190388064A1 (en) | 2019-12-26 |
KR20190119592A (ko) | 2019-10-22 |
RU2019125590A3 (ru) | 2021-08-30 |
JP2022188108A (ja) | 2022-12-20 |
JP7395142B2 (ja) | 2023-12-11 |
EP3570752A1 (en) | 2019-11-27 |
CN110461240A (zh) | 2019-11-15 |
EP3570752A4 (en) | 2020-01-22 |
WO2018136805A1 (en) | 2018-07-26 |
US20230104045A1 (en) | 2023-04-06 |
IL268141B2 (en) | 2023-09-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
RU2019125590A (ru) | Система и способ ультразвукового анализа | |
US9715637B2 (en) | Method and system for automatic aorta segmentation | |
US8218849B2 (en) | Method and system for automatic landmark detection using discriminative joint context | |
CN103294883B (zh) | 用于针对经导管主动脉瓣植入进行介入规划的方法和系统 | |
US20120121152A1 (en) | Method and System for Automatic View Planning for Cardiac Magnetic Resonance Imaging acquisition | |
KR20160049897A (ko) | 연속적인 의료 영상을 이용한 컴퓨터 보조 진단 장치 및 방법 | |
CN109925002A (zh) | 人工智能超声心动图数据采集系统及其数据采集方法 | |
RU2669680C2 (ru) | Инициализация модели на основе классификации видов | |
Smistad et al. | Fully automatic real-time ejection fraction and MAPSE measurements in 2D echocardiography using deep neural networks | |
WO2014112338A1 (ja) | 医用画像処理装置および方法並びにプログラム | |
CN106133789A (zh) | 用于分割感兴趣区域的图像处理装置和方法 | |
CN109620293A (zh) | 一种图像识别方法、装置以及存储介质 | |
US20120232379A1 (en) | Method and System for Regression-Based 4D Mitral Valve Segmentation From 2D+t Magnetic Resonance Imaging Slices | |
Lauzier et al. | The evolving role of artificial intelligence in cardiac image analysis | |
Nizar et al. | Pilot study on machine learning for aortic valve detection in echocardiography images | |
Wolf et al. | ROPES: A semiautomated segmentation method for accelerated analysis of three-dimensional echocardiographic data | |
EP3998023A1 (en) | Method and system for characterizing valvular regurgitation/insufficiency from sequences of images | |
O’Donnell et al. | Comprehensive cardiovascular image analysis using MR and CT at Siemens Corporate Research | |
Voigt et al. | Robust live tracking of mitral valve annulus for minimally-invasive intervention guidance | |
Gearhart et al. | Artificial intelligence in echocardiography to diagnose congenital heart disease and fetal echocardiography | |
Baracho et al. | A hybrid neural system for the automatic segmentation of the interventricular septum in echocardiographic images | |
US20170007201A1 (en) | Ultrasonic diagnostic apparatus and medical image processing apparatus | |
JP5550586B2 (ja) | 医用画像診断装置と超音波診断装置と画像処理方法 | |
Qin et al. | Artificial intelligence: The future for multimodality imaging of right ventricle | |
Wang et al. | Automatic detection and quantification of mitral regurgitation on TTE with application to assist mitral clip planning and evaluation |