CN103327925B - 用于确定组织中的对象的移动的至少一个适用路径的方法 - Google Patents
用于确定组织中的对象的移动的至少一个适用路径的方法 Download PDFInfo
- Publication number
- CN103327925B CN103327925B CN201280005980.3A CN201280005980A CN103327925B CN 103327925 B CN103327925 B CN 103327925B CN 201280005980 A CN201280005980 A CN 201280005980A CN 103327925 B CN103327925 B CN 103327925B
- Authority
- CN
- China
- Prior art keywords
- path
- movement
- path candidate
- original position
- intensity
- Prior art date
- Legal status (The legal status 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 status listed.)
- Active
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
- A61B17/00—Surgical instruments, devices or methods, e.g. tourniquets
- A61B17/34—Trocars; Puncturing needles
- A61B17/3403—Needle locating or guiding means
-
- 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
- A61B34/10—Computer-aided planning, simulation or modelling of surgical operations
-
- 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
- A61B90/10—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 for stereotaxic surgery, e.g. frame-based stereotaxis
- A61B90/11—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 for stereotaxic surgery, e.g. frame-based stereotaxis with guides for needles or instruments, e.g. arcuate slides or ball joints
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T15/00—3D [Three Dimensional] image rendering
- G06T15/08—Volume rendering
-
- 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
- G16H30/20—ICT specially adapted for the handling or processing of medical images for handling medical images, e.g. DICOM, HL7 or PACS
-
- 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
- G16H50/50—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for simulation or modelling of medical disorders
-
- 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
- A61B34/10—Computer-aided planning, simulation or modelling of surgical operations
- A61B2034/107—Visualisation of planned trajectories or target regions
-
- 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
- G06T2207/10072—Tomographic images
- G06T2207/10088—Magnetic resonance imaging [MRI]
-
- 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
- G06T2207/10136—3D 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
-
- 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
- G06T2207/30241—Trajectory
-
- 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
Landscapes
- Health & Medical Sciences (AREA)
- Engineering & Computer Science (AREA)
- Medical Informatics (AREA)
- Public Health (AREA)
- General Health & Medical Sciences (AREA)
- Surgery (AREA)
- Life Sciences & Earth Sciences (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Biomedical Technology (AREA)
- Pathology (AREA)
- Veterinary Medicine (AREA)
- Molecular Biology (AREA)
- Heart & Thoracic Surgery (AREA)
- Animal Behavior & Ethology (AREA)
- Epidemiology (AREA)
- Primary Health Care (AREA)
- Radiology & Medical Imaging (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Quality & Reliability (AREA)
- Computer Graphics (AREA)
- Robotics (AREA)
- Magnetic Resonance Imaging Apparatus (AREA)
- Processing Or Creating Images (AREA)
- Apparatus For Radiation Diagnosis (AREA)
Abstract
本发明涉及一种凭借通过3D成像技术获得的强度数据的数据集,来确定对象,尤其是手术和/或诊断装置,在人体组织(14)或动物组织中的移动的至少一个适用路径(32)的方法,移动的该适用路径(32)将该装置的起始位置(28)与定义的目标位置(30)相连。根据本发明,该方法包括如下步骤:‑定义该装置的参考点的目标位置(30)并选择该装置的参考点的至少一个可能起始位置(24、26、28);‑确定相应的可能起始位置(24、26、28)与所定义的目标位置(30)之间的移动的候选路径(18、20、22);以及‑根据与从沿移动的候选路径(18、20、22)的强度数据获得的局部强度极值和/或强度变化有关的信息将移动的候选路径(18、20、22)评估为适用路径(32)。本发明还涉及一种相应的计算机可读介质、一种相应的计算机程序产品和一种相应的计算机化***。
Description
技术领域
本发明涉及一种利用通过3D成像技术获得的强度数据的数据集,来确定对象(尤其是手术和/或诊断装置)在人体组织或动物组织中的移动的至少一个适用路径的方法,用于移动的该路径将该装置的起始位置与定义的目标位置相连。本发明还涉及一种计算机可读介质以及一种计算机程序产品和一种计算机化***,该计算机可读介质例如是存储装置、软盘、CD、DVD、蓝光盘或随机存取存储器(RAM),该计算机程序产品包括计算机可用的介质,该介质包括计算机可用的程序代码。
背景技术
在医疗中使用健康护理诊断决策支持***或计算机协助诊断或计算机辅助诊断(CAD)***来辅助诸如医学专家或医生之类的用户解释医疗图像。X射线、磁共振成像(MRI)和超声诊断中的成像技术会产生大量信息,用户必须在短时间内对该信息进行全面分析和评估。CAD***帮助扫描数字图像(例如来自磁共振成像)以发现典型外观并突出显示显而易见的结构(例如是血管、神经通路、心室、功能性功能区域(functionally eloquentregion)和/或肿瘤区域)。通常,利用机器学习技术(例如决策树和神经网络),基于大量具有基础事实的已知病例(即已经通过病理学确认诊断的病例),来构建分类器。针对未知结构病例,分类器使其诊断基于从已知病例和输入特征构建的计算结构。分类器输出指示了未知结构的估计性质并任选地指示了置信度值。因为医学成像设备的精度被改进以检测非常小的结构,并且因为待处理的数字图像的数量增加,作为辅助诸如医生之类的用户的工具,这种类型的CAD就变得越来越重要。计算机产生的分类被认为是提供给诸如医生之类的用户的第二意见,以便提高与诊断相关的精确度和置信度。
计算机辅助手术(CAS)代表一种手术理念和一组方法,该组方法将计算机技术用于术前规划以及引导或执行手术介入。CAS也被称为计算机协助手术、计算机辅助介入、图像引导手术和手术导航,而这些术语或多或少地与CAS同义。
在诸如MRI之类的图像引导疗法中用于确定手术和/或诊断设备的移动的适用路径(安全手术轨迹)的传统方法总是包括以下两个基本步骤:在定义这些区域周围的可能移动路径的空间区域中,分割每个关键结构,以及然后确定相应的安全或适用路径。一个重要的应用领域是脑手术。具体地,传统手术规划大体遵循以下步骤:
在第一步中,手动地或自动地或以半自动方式定义目标位置。这涉及将磁共振(MR)体积与模板(经常在立体定向坐标系中)对准并从该转化中检测解剖结构,或识别某些点和平面地标(例如正中矢状面,和AC/PC点)以确定目标的位置。一旦确定了目标,规划就简化为检测入口点。在许多情况下,入口点和目标点之间的路径必须是直的并且不应碰到关键结构。
第二步是识别关键结构(例如大脑中的血管、脑回和脑沟、脑室和某些功能性脑功能区域)。这涉及通过应用一组图像分割算法,例如从对比度增强的T1加权MR图像,分割这些结构。通过分析fMRI(功能磁共振图像)和/或DTI(扩散张量图像)数据来确定功能性脑功能区域。
发明内容
本发明的目的是提供一种增强的方法和一种增强的***,其用于凭借由3D成像技术获得的数据集来确定用于手术和/或诊断装置在组织中的移动的至少一个适用路径。
这个目的是如由独立权利要求中定义的本发明实现的。
根据本发明的该方法包括如下步骤:(i)定义该装置的参考点的目标位置并选择该装置的该参考点的至少一个可能起始位置;(ii)确定相应的可能起始位置和定义的目标位置之间的用于移动的候选路径;以及(iii)根据与从沿用于移动的所述候选路径的强度数据获得的局部强度极值和/或强度变化有关的信息将用于移动的所述候选路径评估为适用路径。
取代前面提到的两步骤的手术规划方法(首先确定关键结构以避免在多步中分割它们,然后根据这些分割的结果来确定用于移动的适用路径(安全轨迹)),在根据本发明的方法中执行的是通过省略分割步骤来直接搜索用于移动的适用路径。换言之,根据本发明的方法不总体上考虑关键结构的位置和延伸,而是简单地寻找与沿用于移动的候选路径的强度数据获得的强度极大值和/或强度极小值和/或强度变化有关的信息(强度信息),该信息指示在该候选路径的领域中关键结构的存在。关键结构是组织之内的结构,例如血管、神经通路、脑室和/或功能性脑功能区域。因此,直接将关于数据集的强度极值和/或强度变化的信息用于确定至少一个用于移动的适用路径。根据本发明的方法尤其具有以下优点:
通过强度特性直接评估候选路径,而无需分割过程;
自动适应于局部强度特性,由此避免强度不匀一性问题,该问题影响例如MR图像;
在确定可能移动路径的搜索步骤中增加其他类型的约束(例如功能信息的集成)的灵活性,以及
通过将该方法扩展到搜索多个线段来支持非直线路径;
提供路径信息的解释性显示来作为强度图和基于图像的略图的选项。
为了确定候选路径的安全水平,对基于与强度极值和/或强度变化有关的信息的沿可能移动路径的强度分布图进行分析。安全或适用的路径一定不能在路径区域中具有大的极大值(large maxima)或大的极小值(large minima)。通过所谓的滑动窗方法来检测这些极大值和/或极小值,其中对于每个点,窗是居中的,并且计算该窗之内的最小强度。如果中心像素是极大值或极小值,则它可能是关键结构。为了验证此,将窗中的极大值和极小值之差与目标位置处的强度进行比较,以确定峰和谷的显著性。之后,考虑一些空间约束,确定轨迹安全与否。被确定为安全的候选路径是适用路径。
根据本发明的优选实施例,用于移动的候选路径是沿最短路线连接起始位置和目标位置的用于移动的线性路径。用于移动的线性路径是最广泛使用的路径类型。使用线性路径的典型手术和/或诊断装置是针状或杆状装置。
根据本发明的另一优选实施例,该评估考虑用于移动的候选路径附近的区域中强度数据的专家评定。专家评定优选是专家关于强度变化或局部极大值(峰)或局部极小值(谷)是否源自关键结构的逐个病例的决策。对于本发明而言,术语“专家”因此是指具有参考所显示的结构来解释强度数据的知识的人。
根据本发明的又一优选实施例,对用于移动的候选路径的评估是由计算机化***执行的自动评估。该计算机化***优选是CAD(计算机辅助诊断)或CAS(计算机辅助手术)***。
优选地,使用专家评定,连同关于强度和/或强度变化的相应信息,来训练(教导)该计算机化***。计算机化***通过学习输入数据的强度的动态范围来将自适应算法用于强度变化。相应的计算机化***基于机器学习技术,例如基于决策树、支持矢量机、adaboost(一种迭代算法)或神经网络。该***的分类器使其诊断基于从已知病例和输入的沿用于移动的候选路径的强度极值和/或强度变化构建的计算结构。
3D成像技术优选是医疗成像技术,该医疗成像技术用于从单个旋转轴附近拍摄的大系列的二维X射线图像产生对象内部的三维图像。3D成像技术例如是X射线计算机断层摄影(CT)技术或成像超声技术。根据本发明的优选实施例,3D成像技术是磁共振成像(MRI)技术、核磁共振成像(NMRI)技术或磁共振断层摄影(MRT)技术。强度数据是从T1加权的MR扫描和/或T2加权的MR扫描和/或T* 2加权的MR扫描和/或通过磁化强度传递MRI和/或通过流体衰减的逆恢复(FLAIR)和/或通过磁共振血管造影术和/或通过磁共振门控颅内CSF动力学方法(MR-GILD)得到的。
根据本发明的优选实施例,人或动物组织是脑组织。路径确定方法的重要应用是脑手术规划,而对应的组织是脑组织。该组织之内的关键结构是血管、脑回和脑沟、脑室和/或功能性脑功能区域。
在第一替代方案中,确定可允许路径的可允许偏航角与俯仰角。选定的角度满足两个约束条件:1)起始位置应当与目标位置在相同半球上;以及2)搜索应当朝向大脑顶部而非朝向侧面或低于目标位置。已确定偏航角和俯仰角之后,在该预设角度范围之内,从目标位置向脑表面的射线被投射在可能的起始位置所处地点。最后,分析每条候选路径(候选轨迹)的强度分布图并将每条候选路径标记为安全或不安全和/或赋予每条候选路径连续的安全值。被标记为安全或具有相应安全值的候选路径为适用路径。
在第二方法中,确定对应于头顶的轴向切片(直接满足搜索应当朝向脑顶部而非朝向侧面或低于目标位置的约束条件)。对于脑左侧上的目标位置,我们选择切片的左半部,而对于右边的目标位置,仅选择与右脑半球对应的切片区域(满足起始位置应当与目标位置在同一半球的约束条件)。之后,切片上的每个合格点与如上所述的预定目标位置之间的线形成候选路径。
根据本发明的另一实施例,该方法包括下列进一步的步骤:显示至少一个用于移动的候选路径或至少显示至少一个用于移动的候选路径的起始位置。在可能的起始位置的优选图形表达模式中,显示可能的起始位置的感兴趣区域,其中以第一颜色显示适用路径的起始位置,而以第二颜色显示其他路径的起始位置。尤其地,这可以是彩色皮层表面图的形式,其中,例如,第一颜色为绿色,指示了满足避开关键结构的约束条件的适用路径,第二颜色是红色,指示了其他(不安全)起始位置。如果组织为脑组织,则彩色皮层表面图显示颅骨上的候选入口位置。
优选地,将用于移动的候选路径显示为强度分布图。更优选地,与局部极值附近区域的至少一个图像(例如为略图)相关联地显示所述强度分布图。
根据本发明的另一优选实施例,通过给定候选路径的相邻路径来确定或至少部分确定对于所述给定候选路径而言关于局部强度极值和/或强度变化的信息的接受阈值。
根据本发明的另一方面,通过在垂直于沿移动的候选路径的运动方向的装置最大截面上对强度数据进行积分来计算强度分布图。可以通过各种方式实施该积分。在一个实施例中,将得到沿路径的最大强度变化的强度值用于表示该截面。在另一实施例中,独立考虑多条路径以决定每条个体路径的安全性。之后,计算截面的安全性作为所有单个路径的聚集。
根据本发明的另一方面,可以定义截面以指代候选路径附近的安全边界(被定义为与最近关键结构的距离)。在预定义的截面区域之内,不存在由特定强度特性指示的关键结构。
在本发明的另一方面中,将所有候选路径评估为安全或不安全。之后,对于每条路径,通过检测被标记为不安全的最近路径来计算安全边界。然后,对于安全路径,可以根据计算的安全边界对脑的表面上的入口点进行彩色编码。对于不安全的路径,可以使用截然不同的彩色编码,该彩色编码可以是沿路径的强度极小值和极大值的总数量的函数,或是辨别沿路径是否能够观测到仅强度极小值或强度极大值或两者的彩色编码方案。
本发明还涉及一种计算机可读介质,该介质例如是存储装置、软盘、CD、DVD、蓝光盘或随机存取存储器(RAM),该介质包含一组指令,该指令使得计算机执行上面提到的方法,并且本发明还涉及一种计算机程序产品,该程序产品包括计算机可用介质,该计算机可用介质包括计算机可用程序代码,其中计算机可用程序代码适于执行上面提到的方法。
本发明最后涉及一种计算机化***,该***包括处理单元、存储器、数据接口、显示器和输入装置,其中所述***适于执行上面提到的方法。优选地,该计算机化***优选是CAD(计算机辅助诊断)或CAS(计算机辅助手术)***。
附图说明
根据下文描述的实施例,本发明的这些和其他方面将变得清楚,并参考下文描述的实施例来阐述本发明的这些和其他方面。
在附图中:
图1示出了来自人头部的冠状切片的搜索区域视图。通过连接相应起始位置与公共目标位置的许多可能路径(明确示出了其中三个),来构造可能移动路径的区域。
图2是“安全”的可能移动路径(因此是适用移动路径)的强度分布图。
图3是“不安全的”可能移动路径的强度分布图;以及
图4是关于脑的俯视图,具有对可能路径区域的可视化,该可能路径被细分为适用路径和不安全路径。
具体实施方式
图1示出了来自人头部10的冠状切片的搜索区域视图。该图像示出了颅骨12的顶部和颅骨12内部的脑的组织14。通过将相应可能起始位置24、26、28与公共目标位置30相连接的很多候选路径18、20、22(明确示出了其中三个)来构造出在脑组织14中的对象的移动的候选路径的区域16,该对象例如是手术或诊断装置(未示出)。
凭借通过3D磁共振成像技术获得的强度数据的数据集,来确定装置在组织14中的移动的适用路径32,移动的适用路径32将装置的起始位置28与定义的目标位置30连接。相应的确定方法包括如下步骤:
定义装置的参考点的目标位置30,并选择装置的参考点的至少一个可能起始位置24、26、28;
确定在相应的可能起始位置24、26、28和定义的公共目标位置30之间的用于移动的至少一个候选路径18、20、22;以及
根据与沿移动的候选路径18、20、22的强度数据所得的局部强度极小值/极大值(极值)和/或强度变化有关的信息,来将移动的候选路径18、20、22评估为适用路径32。
装置在组织14中的移动的适用路径32是不与关键结构交界的安全路径(图3的插图中所示)。
为了确定候选路径18、20、22的安全水平,对基于与强度极值和/或强度变化有关的信息的沿移动的候选路径18、20、22的强度分布图34、36(图2和3中所示)进行分析。安全适用路径32在(脑)组织区域中一定不能有大的极大值或大的极小值。通常存在各种选项来定义该特征“大的(large)”。
一种用于检测这些类别的极大值和/或极小值的优选方法是滑动窗方法。在用于每个点或体素(由该点表示的体积元)的滑动窗方法中,窗是居中的,并计算该窗之内的最大和最小强度,以确保相应点/体素是局部极大值或极小值或是全局极大值或极小值。然后,可以完成以下步骤的任意组合:
-当前点或体素的强度与目标位置30的强度之间的绝对差异应该在整个组织(例如脑体积)的K*强度标准偏差之内。可以个别地指定因子K(例如K=1),且因子K定义了上下强度阈值。如果当前点或体素的强度低于下强度阈值,则该点或体素就是大的极小值;如果当前点或体素的强度高于上强度阈值,则该点或体素就是大的极大值。
-通过分别获取x、y、z导数来计算围绕当前点/体素的体积的x、y、z梯度。从这些倒数,针对每个点/体素来计算梯度幅值。然后,从梯度幅值构建柱状图。计算柱状图的某个百分位数(例如P=80%)并将该百分位数分配为阈值。将当前点或体素的强度与目标位置30处的强度之间的以上绝对差异与该阈值进行对比,以找到极小值或极大值。
初始给定(或在别处找到)目标位置30并从该目标位置30开始搜索可能起始位置24、26、28。因此,目标位置30处的强度值是已知的并且可以被用于极小值和极大值的检测。
如果像素/体素是最大或最小的,则其指示了关键结构。然后,考虑一些空间约束,来确定候选路径18、20、22是否安全。被确定为安全的用于移动的候选路径22就是适用路径32。所示脑组织之内的关键结构是血管、脑回和脑沟、脑室和/或功能性脑功能区域。
在第一替代方案中,确定适用路径32的可允许偏航角与俯仰角。选定的角度满足两个约束条件:1)起始位置应当与目标位置30在相同半球上;以及2)搜索应当朝向脑顶部而非朝向侧面或低于目标位置30。在已确定偏航角和俯仰角之后,在该预设角度范围之内,从目标位置30朝向脑表面的射线投射在可能起始位置24、26、28所处的地点。最后,分析每条候选路径(候选轨迹)18、20、22的强度分布图,并将每条候选路径标记为安全或不安全和/或给予每条候选路径连续的安全值。被标记为安全或具有相应安全值的候选路径18、20、22为适用路径32。
在第二方法中,确定对应于头顶的轴向切片(直接满足搜索应当朝向大脑顶部而非朝向侧面或低于目标位置的约束条件)。对于脑左侧的目标位置30,选择切片的左半部,而对于右边的目标位置30,仅选择与右脑半球对应的切片的区域(满足起始位置应当与目标位置在相同半球的约束条件)。之后,切片上的每个合格点与如上所述的预定目标位置30之间的线形成候选路径18、20、22。
图2描绘了安全的用于移动的候选路径22的强度分布图34;图3描绘了不安全的用于移动的候选路径20的强度分布图36。两个强度分布图的相应路径起始于目标位置30。图2中的强度分布图34直到路径末尾(其中在强度分布图34中具有显著极大值)才示出强度中的大波动(由目标位置30的强度附近的K*强度标准偏差给出的强度阈值之外的大的极小值或大的极大值)。这是期望的,因为它对应于颅骨12而不是脑组织的强度。作为结果,该候选路径22被标记为安全。图3的候选路径在脑区域之内具有峰值(局部极大值);因此,其被认为是不安全的。只有对应于图2中所示的强度分布图34的安全的用于移动的候选路径22是适用路径32。
该方法的另一方面是增强的可视化策略。除了强度分布图34、36之外,用户通过点击如图2和图3中所示的曲线图可以看到局部极大值或极小值周围区域的图像38(缩略图像)。在两个图中,仅极大值与缩略图像相关联;然而,可以通过相同的方式对极大值和极小值都进行可视化。此外,可以放大缩略图像的尺寸以在空间环境中获取更多的信息。
在另一实施例中,可以向搜索到的轨迹增加非强度约束。这可以是如在候选入口点检测步骤中解释的定义搜索区域的形式。也可以通过使用另一方法的结果,以定义可允许的和不能接受的点的图的形式,来定义搜索区域。可以通过分析不同模态(例如,fMRI、DTI、T2等),来产生该图。其也可以从用于轨迹分析的同一的MR T1对比度来产生。例如,可以使用皮层分割的结果和用于约束搜索区域的脑掩模来用于安全轨迹检测。
图4示出了关于脑的俯视图,其中具有感兴趣区域40的可视化,感兴趣区域40由候选路径的区域16之内的候选路径18、20、22的可能起始位置24、26、28构成,感兴趣区域40被细分为适用路径32的可能起始位置28的区域42和不安全候选路径18、20的剩余区域44。
相应计算机***的用户(例如外科医生)可以在描绘了可能起始位置24、26、28的感兴趣区域(ROI)40的***的显示器上得到脑的视图,该感兴趣区域(ROI)40包括被着色为绿色以指示安全适用路径32的起始位置28的区域42和被着色为红色以指示不安全路径的起始位置24、26的另一区域44。
如果用户将光标46置于可能起始位置,在本发明的一个实施例中,示出了相应的强度曲线图(如图2和3中所示的)。在图4中示出的示例中,光标46指向适用路径32的可能起始位置28的区域42中的一个区域。该***将描绘如图2中所示的安全适用移动路径32的相应强度分布图。在为计算机辅助手术(CAS)***的计算机***中,光标46将跟踪手术和/或诊断装置的移动。
尽管已经在附图和前面的描述中详细例示和描述了本发明,但这样的例示和描述被认为是例示性或示例性的而非限制性的;本发明不限于公开的实施例。通过研究附图、说明书和所附权利要求,本领域的技术人员在实践所请求保护的本发明时能够理解和实现所公开实施例的其他变型。在权利要求中,“包括”一词不排除其他元件或步骤,不定冠词“一”不排除多个。在互不相同的从属权利要求中列举特定手段的简单事实并不表示不能有利地使用这些手段的组合。权利要求中的任何附图标记不应被解释为限制范围。
Claims (27)
1.一种凭借通过3D成像技术获得的强度数据的数据集来确定用于对象在人体组织(14)或动物组织中的移动的至少一个适用路径(32)的方法,所述方法通过执行对用于移动的所述适用路径(32)的直接搜索,而省略用于在根据分割结果确定用于移动的所述适用路径(32)之前确定关键结构的分割步骤,用于移动的所述适用路径(32)将所述对象的起始位置(28)与定义的目标位置(30)相连,其中,所述对象是诊断装置,所述方法包括以下步骤:
-定义所述对象的参考点的目标位置(30)并选择所述对象的所述参考点的至少一个可能起始位置(24、26、28);
-确定相应的可能起始位置(24、26、28)与所述定义的目标位置(30)之间的用于移动的候选路径(18、20、22);并且
-根据与沿用于移动的所述候选路径(18、20、22)的强度数据所获得的局部强度极值和/或强度变化有关的信息将用于移动的所述候选路径(18、20、22)评估为适用路径(32)。
2.根据权利要求1所述的方法,其中,用于移动的所述候选路径(18、20、22)是沿最短路线连接所述可能起始位置(24、26、28)与所述目标位置(30)的用于移动的线性路径。
3.根据权利要求1所述的方法,其中,对用于移动的所述候选路径(18、20、22)的评估还考虑对用于移动的所述候选路径(18、20、22)附近区域中的强度数据的专家评定。
4.根据权利要求1所述的方法,其中,对用于移动的所述候选路径(18、20、22)的所述评估是由计算机化***执行的自动评估。
5.根据权利要求3所述的方法,其中,使用所述专家评定,连同关于所述局部强度极值和/或强度变化的相应信息,来训练计算机化***。
6.根据权利要求1所述的方法,其中,所述3D成像技术是磁共振成像技术。
7.根据权利要求6所述的方法,其中,所述磁共振成像技术包括核磁共振成像技术或磁共振断层摄影技术。
8.根据权利要求1所述的方法,包括以下另外的步骤:显示所述候选路径(18、20、22)或至少显示所述候选路径(18、20、22)的所述可能起始位置(24、26、28)。
9.根据权利要求8所述的方法,其中,显示所述可能起始位置(24、26、28)的感兴趣区域(40),其中,以第一颜色显示适用路径(32)的起始位置(28),而以第二颜色显示其它路径(18、22)的起始位置(24、26)。
10.根据权利要求8所述的方法,其中,所述候选路径(18、20、22)被显示为强度分布图(34、36)。
11.根据权利要求10所述的方法,其中,与所述强度分布图(34、36)的局部极值附近的区域的至少一个图像(38)相关联地显示所述强度分布图(34、36)。
12.根据权利要求1所述的方法,其中,通过用于移动的给定候选路径(18、20、22)的相邻路径,来确定或至少部分确定用于移动的所述给定候选路径(18、20、22)的关于所述局部强度极值和/或强度变化的信息的接受阈值。
13.根据权利要求1所述的方法,其中,通过对在垂直于沿用于移动的所述候选路径(18、20、22)的运动方向的所述对象的最大截面上的强度数据进行积分,来计算关于强度和/或强度变化的所述信息。
14.一种凭借通过3D成像技术获得的强度数据的数据集来确定用于对象在人体组织(14)或动物组织中的移动的至少一个适用路径(32)的设备,所述设备通过执行对用于移动的所述适用路径(32)的直接搜索,而省略用于在根据分割结果确定用于移动的所述适用路径(32)之前确定关键结构的分割,用于移动的所述适用路径(32)将所述对象的起始位置(28)与定义的目标位置(30)相连,其中,所述对象是诊断装置,所述设备包括:
用于定义所述对象的参考点的目标位置(30)并选择所述对象的所述参考点的至少一个可能起始位置(24、26、28)的模块;
用于确定相应的可能起始位置(24、26、28)与所述定义的目标位置(30)之间的用于移动的候选路径(18、20、22)的模块;并且
用于根据与沿用于移动的所述候选路径(18、20、22)的强度数据所获得的局部强度极值和/或强度变化有关的信息将用于移动的所述候选路径(18、20、22)评估为适用路径(32)的模块。
15.根据权利要求14所述的设备,其中,用于移动的所述候选路径(18、20、22)是沿最短路线连接所述可能起始位置(24、26、28)与所述目标位置(30)的用于移动的线性路径。
16.根据权利要求14所述的设备,其中,用于对用于移动的所述候选路径(18、20、22)进行评估的所述模块还包括用于考虑对用于移动的所述候选路径(18、20、22)附近区域中的强度数据的专家评定的模块。
17.根据权利要求14所述的设备,其中,用于对用于移动的所述候选路径(18、20、22)进行评估的所述模块是由计算机化***执行的自动评估模块。
18.根据权利要求16所述的设备,其中,使用所述专家评定,连同关于所述局部强度极值和/或强度变化的相应信息,来训练计算机化***。
19.根据权利要求14所述的设备,其中,所述3D成像技术是磁共振成像技术。
20.根据权利要求19所述的设备,其中,所述磁共振成像技术包括核磁共振成像技术或磁共振断层摄影技术。
21.根据权利要求14所述的设备,还包括用于显示所述候选路径(18、20、22)或至少显示所述候选路径(18、20、22)的所述可能起始位置(24、26、28)的模块。
22.根据权利要求21所述的设备,其中,显示所述可能起始位置(24、26、28)的感兴趣区域(40),其中,以第一颜色显示适用路径(32)的起始位置(28),而以第二颜色显示其它路径(18、22)的起始位置(24、26)。
23.根据权利要求21所述的设备,其中,所述候选路径(18、20、22)被显示为强度分布图(34、36)。
24.根据权利要求23所述的设备,其中,与所述强度分布图(34、36)的局部极值附近的区域的至少一个图像(38)相关联地显示所述强度分布图(34、36)。
25.根据权利要求14所述的设备,其中,通过用于移动的给定候选路径(18、20、22)的相邻路径,来确定或至少部分确定用于移动的所述给定候选路径(18、20、22)的关于所述局部强度极值和/或强度变化的信息的接受阈值。
26.根据权利要求14所述的设备,其中,通过对在垂直于沿用于移动的所述候选路径(18、20、22)的运动方向的所述对象的最大截面上的强度数据进行积分,来计算关于强度和/或强度变化的所述信息。
27.一种计算机化***,包括处理单元、存储器、数据接口、显示器和输入装置,其中,所述***适于执行根据方法权利要求1-13中的任一项所述的方法。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
EP11151552 | 2011-01-20 | ||
EP11151552.4 | 2011-01-20 | ||
PCT/IB2012/050169 WO2012098485A1 (en) | 2011-01-20 | 2012-01-13 | Method for determining at least one applicable path of movement for an object in tissue |
Publications (2)
Publication Number | Publication Date |
---|---|
CN103327925A CN103327925A (zh) | 2013-09-25 |
CN103327925B true CN103327925B (zh) | 2016-12-14 |
Family
ID=45558793
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201280005980.3A Active CN103327925B (zh) | 2011-01-20 | 2012-01-13 | 用于确定组织中的对象的移动的至少一个适用路径的方法 |
Country Status (7)
Country | Link |
---|---|
US (2) | US9286671B2 (zh) |
EP (1) | EP2665437B1 (zh) |
JP (1) | JP6223189B2 (zh) |
CN (1) | CN103327925B (zh) |
BR (1) | BR112013018261A2 (zh) |
RU (1) | RU2599865C2 (zh) |
WO (1) | WO2012098485A1 (zh) |
Families Citing this family (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP5241316B2 (ja) * | 2008-05-13 | 2013-07-17 | キヤノン株式会社 | 画像処理装置及び画像処理方法 |
AU2014231345B2 (en) | 2013-03-15 | 2019-01-17 | Synaptive Medical Inc. | Intelligent positioning system and methods therefore |
JP6568478B2 (ja) | 2013-03-15 | 2019-08-28 | シナプティヴ メディカル (バルバドス) インコーポレイテッドSynaptive Medical (Barbados) Inc. | 低侵襲治療のための計画、誘導およびシミュレーションシステムおよび方法 |
CN105342701B (zh) * | 2015-12-08 | 2018-02-06 | 中国科学院深圳先进技术研究院 | 一种基于影像信息融合的病灶虚拟穿刺*** |
US11842030B2 (en) | 2017-01-31 | 2023-12-12 | Medtronic Navigation, Inc. | Method and apparatus for image-based navigation |
EP3546021A1 (en) * | 2018-03-29 | 2019-10-02 | Koninklijke Philips N.V. | Planning system for planning a radiation therapy procedure |
DE102018108643A1 (de) * | 2018-04-11 | 2019-11-14 | Fraunhofer-Gesellschaft zur Förderung der angewandten Forschung e.V. | Positionsbestimmungsvorrichtung zum Bestimmen einer Position eines Gegenstands innerhalb einer tubulären Struktur |
JP7179877B2 (ja) * | 2019-02-08 | 2022-11-29 | 富士フイルム株式会社 | 開頭術シミュレーション装置、方法およびプログラム |
FR3104934B1 (fr) * | 2019-12-18 | 2023-04-07 | Quantum Surgical | Méthode de planification automatique d’une trajectoire pour une intervention médicale |
US11694375B2 (en) * | 2020-02-18 | 2023-07-04 | Jpmorgan Chase Bank, N.A. | Systems and methods for pixel-based quantum state visualization |
CN112614141B (zh) * | 2020-12-18 | 2023-09-19 | 深圳市德力凯医疗设备股份有限公司 | 血管扫描路径的规划方法、装置、存储介质及终端设备 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1162251A (zh) * | 1994-09-30 | 1997-10-15 | 俄亥俄医疗器械公司 | 用于神经外科手术的立体规划过程用的装置和方法 |
CN1243690A (zh) * | 1997-08-27 | 2000-02-09 | 北京航空航天大学 | 机器人脑外科设备***及其实现方法 |
CN1803102A (zh) * | 2005-12-02 | 2006-07-19 | 北京航空航天大学 | 基于医学图像的预显示穿刺轨迹的受限手术规划方法 |
Family Cites Families (26)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6675037B1 (en) * | 1999-09-29 | 2004-01-06 | Regents Of The University Of Minnesota | MRI-guided interventional mammary procedures |
EP1095628A3 (en) * | 1999-10-29 | 2001-05-16 | Marconi Medical Systems, Inc. | Planning minimally invasive procedures for in - vivo placement of objects |
US6671538B1 (en) * | 1999-11-26 | 2003-12-30 | Koninklijke Philips Electronics, N.V. | Interface system for use with imaging devices to facilitate visualization of image-guided interventional procedure planning |
US6985612B2 (en) | 2001-10-05 | 2006-01-10 | Mevis - Centrum Fur Medizinische Diagnosesysteme Und Visualisierung Gmbh | Computer system and a method for segmentation of a digital image |
US20030220557A1 (en) * | 2002-03-01 | 2003-11-27 | Kevin Cleary | Image guided liver interventions based on magnetic tracking of internal organ motion |
WO2004068300A2 (en) * | 2003-01-25 | 2004-08-12 | Purdue Research Foundation | Methods, systems, and data structures for performing searches on three dimensional objects |
JP3983759B2 (ja) * | 2004-11-26 | 2007-09-26 | 株式会社日立メディコ | 核磁気共鳴撮像装置 |
WO2006090324A2 (en) * | 2005-02-23 | 2006-08-31 | Koninklijke Philips Electronics N. V. | Method for the prediction of the course of a catheter |
US7904135B2 (en) | 2005-05-06 | 2011-03-08 | General Hospital Corporation | Magnetic resonance spatial risk map for tissue outcome prediction |
DE102005037000B4 (de) * | 2005-08-05 | 2011-06-01 | Siemens Ag | Vorrichtung zur automatisierten Planung eines Zugangspfades für einen perkutanen, minimalinvasiven Eingriff |
JP2007130287A (ja) * | 2005-11-11 | 2007-05-31 | Hitachi Medical Corp | 医用画像表示装置 |
US8160676B2 (en) | 2006-09-08 | 2012-04-17 | Medtronic, Inc. | Method for planning a surgical procedure |
US8150497B2 (en) * | 2006-09-08 | 2012-04-03 | Medtronic, Inc. | System for navigating a planned procedure within a body |
EP1905377B1 (de) * | 2006-09-28 | 2013-05-29 | BrainLAB AG | Planung von Bewegungspfaden medizinischer Instrumente |
US20090070143A1 (en) * | 2007-09-10 | 2009-03-12 | Sultan Haider | Method and system for differential diagnosis neuro solution |
US8315689B2 (en) * | 2007-09-24 | 2012-11-20 | MRI Interventions, Inc. | MRI surgical systems for real-time visualizations using MRI image data and predefined data of surgical tools |
JP2009201701A (ja) * | 2008-02-28 | 2009-09-10 | Hitachi Medical Corp | 術具誘導手術支援装置 |
CN102077108B (zh) | 2008-04-28 | 2015-02-25 | 康奈尔大学 | 分子mri中的磁敏度精确量化 |
US8568302B2 (en) * | 2008-11-11 | 2013-10-29 | Intuitive Surgical Operations, Inc. | Method and system for steerable medical device path definition and following during insertion and retraction |
US20110007071A1 (en) * | 2009-07-08 | 2011-01-13 | Marcus Pfister | Method for Supporting Puncture Planning in a Puncture of an Examination Object |
WO2012092511A2 (en) * | 2010-12-29 | 2012-07-05 | The Ohio State University | Automated trajectory planning for stereotactic procedures |
US9141763B2 (en) * | 2011-02-07 | 2015-09-22 | Siemens Aktiengesellschaft | Method and system for patient-specific computational modeling and simulation for coupled hemodynamic analysis of cerebral vessels |
EP2707851B1 (en) * | 2011-05-10 | 2019-10-16 | Koninklijke Philips N.V. | User-steered path planning for image guided endscopy |
US9008414B2 (en) * | 2011-10-04 | 2015-04-14 | Medtronic Navigation, Inc. | Method and apparatus for assisted trajectory planning |
RU2606453C2 (ru) * | 2011-12-03 | 2017-01-10 | Конинклейке Филипс Н.В. | Автоматическое изменение глубины и корректирование ориентации при полуавтоматическом планировании пути |
EP3108447B1 (en) * | 2014-02-17 | 2020-03-25 | Children's National Medical Center | Method and system for providing recommendation for optimal execution of surgical procedures |
-
2012
- 2012-01-13 RU RU2013138570/14A patent/RU2599865C2/ru not_active IP Right Cessation
- 2012-01-13 US US13/979,150 patent/US9286671B2/en active Active
- 2012-01-13 CN CN201280005980.3A patent/CN103327925B/zh active Active
- 2012-01-13 EP EP12701944.6A patent/EP2665437B1/en active Active
- 2012-01-13 WO PCT/IB2012/050169 patent/WO2012098485A1/en active Application Filing
- 2012-01-13 JP JP2013549911A patent/JP6223189B2/ja not_active Expired - Fee Related
- 2012-01-13 BR BR112013018261A patent/BR112013018261A2/pt not_active IP Right Cessation
-
2016
- 2016-03-14 US US15/069,176 patent/US9569844B2/en active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1162251A (zh) * | 1994-09-30 | 1997-10-15 | 俄亥俄医疗器械公司 | 用于神经外科手术的立体规划过程用的装置和方法 |
CN1243690A (zh) * | 1997-08-27 | 2000-02-09 | 北京航空航天大学 | 机器人脑外科设备***及其实现方法 |
CN1803102A (zh) * | 2005-12-02 | 2006-07-19 | 北京航空航天大学 | 基于医学图像的预显示穿刺轨迹的受限手术规划方法 |
Also Published As
Publication number | Publication date |
---|---|
RU2013138570A (ru) | 2015-02-27 |
EP2665437A1 (en) | 2013-11-27 |
RU2599865C2 (ru) | 2016-10-20 |
CN103327925A (zh) | 2013-09-25 |
JP2014502909A (ja) | 2014-02-06 |
JP6223189B2 (ja) | 2017-11-01 |
US9286671B2 (en) | 2016-03-15 |
US9569844B2 (en) | 2017-02-14 |
US20130287280A1 (en) | 2013-10-31 |
EP2665437B1 (en) | 2016-07-13 |
US20160196650A1 (en) | 2016-07-07 |
BR112013018261A2 (pt) | 2016-11-16 |
WO2012098485A1 (en) | 2012-07-26 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103327925B (zh) | 用于确定组织中的对象的移动的至少一个适用路径的方法 | |
Ramzan et al. | Volumetric segmentation of brain regions from MRI scans using 3D convolutional neural networks | |
Yushkevich et al. | ITK-SNAP: an intractive medical image segmentation tool to meet the need for expert-guided segmentation of complex medical images | |
US10255723B2 (en) | Planning, navigation and simulation systems and methods for minimally invasive therapy | |
EP3365869B1 (en) | System and method for image registration in medical imaging system | |
US9672622B2 (en) | Image fusion with automated compensation for brain deformation | |
Gargiulo et al. | New Directions in 3D Medical Modeling: 3D‐Printing Anatomy and Functions in Neurosurgical Planning | |
US11734842B2 (en) | Methods for optimizing the planning and placement of probes in the brain via multimodal 3D analyses of cerebral anatomy | |
Zelmann et al. | Improving recorded volume in mesial temporal lobe by optimizing stereotactic intracranial electrode implantation planning | |
Drakopoulos et al. | Adaptive physics-based non-rigid registration for immersive image-guided neuronavigation systems | |
CN115461790A (zh) | 用于对图像中的结构进行分类的方法和装置 | |
Raidou | Uncertainty visualization: Recent developments and future challenges in prostate cancer radiotherapy planning | |
Zihni et al. | An analysis of the interpretability of neural networks trained on magnetic resonance imaging for stroke outcome prediction | |
Vijayalakshmi et al. | A simple approach for relatively automated hippocampus segmentation from sagittal view of brain MRI | |
Ahmed et al. | Diffusion tensor imaging retrieval for Alzheimer's disease diagnosis | |
Chen | Computer-aided detection of Parkinson's Disease using transcranial sonography. | |
Li | Computer generative method on brain tumor segmentation in MRI images | |
Siddeshappa et al. | 3-Dimensional Neurosurgical Planning Using Multilevel CT-MRI Image Registration and Fusion | |
Suhas et al. | Enhancing Precision in Medical Imaging: A 3D CNN Approach for Fiducial Point Detection in MRI Data | |
Tahmasebi | Quantification of inter-subject variability in human brain and its impact on analysis of fMRI data | |
Parvathaneni | Gray Matter Surface-based Spatial Statistics in Neuroimaging Studies | |
Gargiulo et al. | Research Article New Directions in 3D Medical Modeling: 3D-Printing Anatomy and Functions in Neurosurgical Planning | |
Loss et al. | ALZHEIMER'S PATIENTS AGE-MATCHED CONTROLS | |
Vision | ITK-SNAP July 27, 2017 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C41 | Transfer of patent application or patent right or utility model | ||
TA01 | Transfer of patent application right |
Effective date of registration: 20160330 Address after: Maastricht Applicant after: Medtronic Buchan Research Center Limited Address before: Holland Ian Deho Finn Applicant before: Koninklijke Philips Electronics N.V. |
|
C14 | Grant of patent or utility model | ||
GR01 | Patent grant |