DE19920300A1 - Verfahren und Vorrichtung zum Aufspüren pathologischer Veränderungen im menschlichen Körper unter Verwendung von Magnet-Resonanz-Scannern - Google Patents
Verfahren und Vorrichtung zum Aufspüren pathologischer Veränderungen im menschlichen Körper unter Verwendung von Magnet-Resonanz-ScannernInfo
- Publication number
- DE19920300A1 DE19920300A1 DE19920300A DE19920300A DE19920300A1 DE 19920300 A1 DE19920300 A1 DE 19920300A1 DE 19920300 A DE19920300 A DE 19920300A DE 19920300 A DE19920300 A DE 19920300A DE 19920300 A1 DE19920300 A1 DE 19920300A1
- Authority
- DE
- Germany
- Prior art keywords
- image data
- image
- scanner according
- scanner
- data set
- 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.)
- Ceased
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
- G06T7/0012—Biomedical image inspection
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R33/00—Arrangements or instruments for measuring magnetic variables
- G01R33/20—Arrangements or instruments for measuring magnetic variables involving magnetic resonance
- G01R33/44—Arrangements or instruments for measuring magnetic variables involving magnetic resonance using nuclear magnetic resonance [NMR]
- G01R33/48—NMR imaging systems
- G01R33/54—Signal processing systems, e.g. using pulse sequences ; Generation or control of pulse sequences; Operator console
- G01R33/56—Image enhancement or correction, e.g. subtraction or averaging techniques, e.g. improvement of signal-to-noise ratio and resolution
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R33/00—Arrangements or instruments for measuring magnetic variables
- G01R33/20—Arrangements or instruments for measuring magnetic variables involving magnetic resonance
- G01R33/44—Arrangements or instruments for measuring magnetic variables involving magnetic resonance using nuclear magnetic resonance [NMR]
- G01R33/48—NMR imaging systems
- G01R33/4818—MR characterised by data acquisition along a specific k-space trajectory or by the temporal order of k-space coverage, e.g. centric or segmented coverage of k-space
- G01R33/482—MR characterised by data acquisition along a specific k-space trajectory or by the temporal order of k-space coverage, e.g. centric or segmented coverage of k-space using a Cartesian trajectory
- G01R33/4822—MR characterised by data acquisition along a specific k-space trajectory or by the temporal order of k-space coverage, e.g. centric or segmented coverage of k-space using a Cartesian trajectory in three dimensions
-
- 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
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30004—Biomedical image processing
-
- 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
- G06T2207/30204—Marker
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Radiology & Medical Imaging (AREA)
- Health & Medical Sciences (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- General Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Signal Processing (AREA)
- High Energy & Nuclear Physics (AREA)
- Condensed Matter Physics & Semiconductors (AREA)
- Medical Informatics (AREA)
- Quality & Reliability (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Theoretical Computer Science (AREA)
- Magnetic Resonance Imaging Apparatus (AREA)
Abstract
Verfahren zum Aufspüren pathologischer Veränderungen im menschlichen Körper unter Verwendung von Magnet-Resonanz-Scannern, wobei ein 3-D-Bilddatensatz automatisch mit älteren Bilddatensätzen des gleichen Patienten und/oder mit anatomischen Atlanten zur Ermittlung krankhafter Veränderungen verglichen werden.
Description
Viele pathologische Veränderungen im menschlichen Körper er
folgen sehr langsam über einen Zeitraum von Jahren oder Jahr
zehnten und sind für den Betroffenen erst erkennbar, bzw.
werden häufig erst einer Diagnose durch den Arzt zugeführt,
wenn wertvolle Zeit für eine wirksame Verhaltensänderung oder
Therapie verloren ist.
Heute werden Menschen nur in einer Magnet-Resonanz-Anlage ge
scannt, wenn ein konkreter Verdacht auf eine pathologische
Veränderung besteht oder bereits Anzeichen einer Krankheit
vorhanden sind. Die in der Magnet-Resonanz-Anlage gewonnenen
Bilder werden von einem Radiologen interpretiert, der dann
die Diagnose stellt und optional Therapieempfehlungen gibt.
Diese ständige grundsätzliche Beurteilung aller durch die Ma
gnet-Resonanz gewonnenen Bilder durch einen Radiologen ver
kompliziert und verteuert diese Art der Untersuchung, so dass
eine häufigere Magnet-Resonanz-Untersuchung zur Vermeidung
der eingangs beschriebenen Nachteile eines häufig jahrzehnte
langen Abwartens nicht sinnvoll behebbar ist.
Der Erfindung liegt daher die Aufgabe zugrunde, ein Verfahren
und eine hierzu geeignete Anordnung in Verbindung mit Magnet-
Resonanz-Scannern zu schaffen, die eine häufigere Untersu
chung und eine einfachere Auswertung zulässt.
Zur Lösung dieser Aufgabe ist erfindungsgemäß vorgesehen,
dass ein 3D-Bildsatz automatisch mit älteren Bilddatensätzen
des gleichen Patienten und/oder mit anatomischen Atlanten zur
Ermittlung krankhafter Veränderungen verglichen wird.
Durch das erfindungsgemäße Verfahren, bei dem ein Patient in
regelmäßigen Abständen, z. B. einmal jährlich, mit einem MRI-
Scanner gescannt wird, der vorzugsweise mittels Vielkanal
technik, Panoramik-Array und schneller Bildgebungssequenz das
rasche 3D-Scannen des gesamten Körpers erlaubt, und die auto
matische Auswertung des 3D-Bilddatensatzes lassen sich patho
logische Änderungen mit relativ geringem Aufwand bereits we
sentlich früher feststellen als bei dem bisherigen Verfahren,
bei dem diese pathologischen Veränderungen erst soweit gedie
hen sein mussten, dass sie durch ein davon ausgelöstes Krank
heitsbild äußerlich erkennbar waren.
Zur Durchführung des erfindungsgemäßen Verfahrens kann ein
MRI-Scanner eingesetzt werden, der mit einer Bilddatenanaly
seeinrichtung zum automatisierten Vergleichen eines aktuellen
3D-Bilddatensatzes eines Patienten mit älteren 3D-Bilddaten
sätzen des gleichen Patienten und/oder mit elektronisch ge
speicherten anatomischen Atlanten und/oder zum Vergleichen
von Symmetrien und Unsymmetrien der beiden Körperhälften im
3D-Bilddatensatz versehen ist.
Der Magnet-Resonanz-Scanner zur Durchführung des erfindungs
gemäßen Verfahrens weist vorzugsweise einen 3D-Bilddaten
speicher auf, wobei bei der üblichen Auslegung von Magnet-
Resonanz-Scannern zum abschnittsweisen Scannen des Körpers an
den Magnet-Resonanz-Scanner ein Hochleistungscomputer zum Zu
sammensetzen des in einzelnen Abschnitten gewonnenen Bildma
terials zum 3D-Bilddatensatz angeschlossen ist.
Das Zusammensetzen der Bildabschnitte erfolgt dabei anhand
von natürlichen Landmarken im Körper des Patienten oder an
hand von auf die Haut des Patienten aufgeklebten MR-sicht
baren Fiducial-Markern. Der Bilddatenanalyseeinrichtung ist
bevorzugt eine Bewertungs- und Auswerteeinheit zur Erarbei
tung von Diagnosen und geeigneten Therapievorschlägen, ein
schließlich gegebenenfalls Empfehlungen für gesundheitsrele
vante Verhaltensänderungen des Patienten, nachgeschaltet.
In weiterer Ausgestaltung der Erfindung kann dabei vorgesehen
sein, dass die Bewertungs- und Auswerteeinheit so ausgebildet
ist, dass sie - bei noch im Gerät befindlichen Patienten -
selbsttätig weitere Messungen unter Zugabe von Kontrastmittel
und/oder mit speziellen MR-Sequenztechniken zur Erhöhung des
Kontrastes hinsichtlich bestimmter physikalischer Daten und/
oder unter radiologischer Kompetenz und/oder die Durchführung
einer Biopsie vorschlägt und/oder einleitet.
Zu den ermittelten pathologischen Veränderungen gegenüber
Normwerten und gegenüber den historischen Datensätzen gehören
beispielsweise einzeln und/oder in Kombination: Volumenände
rungen der inneren Organe, Änderungen im Kontrast des betref
fenden Organs im Verhältnis zu umgebenden Organen und Binde
gewebe, Änderungen innerhalb des Organs, Änderungen des Ver
laufs und der Durchmesser der Blutgefäße sowie der Strömungs
geschwindigkeit, Änderungen im Anreicherungsverhalten von
Kontrastmittel, Änderungen Perfusion/Diffusion, Änderung in
funktionellen Daten, Verschiebung von Landmarken, Symmetrien
und Unsymmetrien zum gleichen Organ auf der gegenüberliegen
den Körperhälfte, Fließverlauf von getrunkenem Wasser, 3D-
Oberfläche/Surface Rendering und MR-Spektroskopie.
Gemäß einer Weiterbildung kann die Auswertungs-(Bewertungs-)
und Auswerteeinheit so ausgebildet sein, dass sie eine neuro
nale Netzwerkdatenbank mit eingespeicherten normalen, ver
dächtigen und pathologischen Fällen zur Interpretation der
3D-Bilddatensätze enthält. Durch diese neuronale Netzwerkda
tenbank hat man ein selbstlernendes System.
Die computergestützte Auswertung der 3D-Bilddatensätze kann
auf verschiedene Art realisiert werden. Entsprechend der üb
lichen Arbeitsweise in der klinischen Radiologie, bei der pa
thologische Veränderungen der Leber oder der Prostata heutzu
tage im wesentlichen über die Grauwertunterschiede im MR-Bild
diagnostiziert werden, kann auch die Bilddatenanalyseeinrich
tung eines erfindungsgemäßen MR-Scanners eine Grauwertanaly
seeinrichtung enthalten.
Darüber hinaus kann zweckmäßigerweise vorgesehen sein, dass
die Bilddatenanalyseeinrichtung eine Bildsegmentiereinrich
tung und einen, vorzugsweise auf einem neuronalen Netz basie
renden Pathologieklassifikator umfasst.
Als optimale Analyseeinrichtung hat sich dabei eine Wavlet
basierte Bildsegmentierung mit einem auf einem neuronalen
Netz aufgebauten Klassifikator erwiesen.
Es gibt eine hohe Zahl von Möglichkeiten, die Bildsegmentie
rung als auch die Klassifikation algorithmisch zu implemen
tieren. Kein Verfahren erreicht dabei vermutlich eine hun
dertprozentige Zuverlässigkeit, obgleich die Zuverlässigkeit
für den Erfolg eines Vorsorge-Scanners natürlich eine ent
scheidende Rolle spielt. Andererseits ist aber zu berücksich
tigen, dass auch bei einer konventionellen Magnet-Resonanz-
Untersuchung und einer anschließenden Befundung durch den Ra
diologen eine hundertprozentige Zuverlässigkeit nie gegeben
sein kann.
Weitere Vorteile, Merkmale und Einzelheiten der Erfindung er
geben sich aus der nachfolgenden Beschreibung einiger Ausfüh
rungsbeispiele sowie anhand der Zeichnungen. Dabei zeigen:
Fig. 1 den grundsätzlichen Aufbau der computergestützten
Auswertung der 3D-Bilddatensätze,
Fig. 2 das Schema der Anwendung einer multiskalen Analyse
im Zuge einer Wavelt-basierten Bildsegmentierung,
und
Fig. 3 den diagrammatischen Ablauf der automatisierten
Bildinterpretation.
Zur Detektion einer Pathologie über eine Grauwertanalyse des
MR-Bildes wird prinzipiell ein Aufbau nach Art der Fig. 1 ge
wählt.
Dabei wird in der Stufe 1 das Magnet-Resonanz-Bild erstellt,
das anschließend in der Stufe 2 über eine Bildsegmentierein
richtung segmentiert wird zur Erkennung des Organs und even
tueller Auffälligkeiten. Auf dieses segmentierte Bild in der
dritten Stufe 3 wird ein Pathologieklassifikator angewandt,
also ein Algorithmus, der bestimmte pathologische Auffällig
keiten in Klassen einteilt und mit den segmentierten Bildtei
len vergleicht.
In der Literatur sind verschiedene Beispiele von Verfahren
zur Organsegmentierung bekannt. Neben Verfahren, bei denen
die Grauwertbilder als topographische Oberflächen betrachtet
werden und zusammenhängende Gebiete nach Anwendung eines al
gorithmischen Flutungsprozesses erkannt werden, sind auch Er
gänzungen mit einem lernfähigen System möglich, wobei das ge
messene Magnet-Resonanz-Bild mit Referenzbildern einer Daten
bank korreliert wird.
Nach der erfolgreichen Segmentierung des Organs erfolgt im
zweiten Schritt die Erkennung einer eventuellen Pathologie.
Auch dies ist letztlich eine Segmentierungsaufgabe, jedoch in
Kombination mit einem Klassifikator. Nach der Segmentierung
kann bei Erkennung einer Auffälligkeit, wie z. B. dunkle Be
reiche im Leber-Magnet-Resonanz-Bild, dann mittels des Klas
sifikators entschieden werden, ob es sich um eine Pathologie
handelt, oder ob zufälligerweise eine Lebervene durch die
Bildebene verläuft.
Es gibt eine hohe Anzahl von Möglichkeiten, sowohl die Bild
segmentierung als auch die Klassifikation algorithmisch in
das System zu implementieren. Dabei dürfte nach den der vor
liegenden Erfindung zugrunde liegenden Untersuchungen eine
Wavelet-basierte Bildsegmentierung mit einem auf einem neuro
nalen Netz aufgebauten Klassifikator die höchste Zuverlässig
keit erreichen. Wavelets sind der Oberbegriff für eine Funk
tionenfamilie. Dabei wirkt ein Parameter a als Skalierungs
faktor und ein Parameter b als Translation. Die Diskretisie
rung der Wavelets kann dabei so erfolgen, dass die Wavelets
eine orthogonale Basis darstellen. Dieser Weg wird meist in
Aufgaben der Datenkompression gegangen. Die Diskretisierung
kann aber auch in der Weise erfolgen, das sie eine Multiska
lenanalyse der Funktion erlauben.
Die Anwendung der Multiskalenanalyse auf z. B. ein Bild er
zeugt eine Folge von Teilbildern, die jeweils geglättete Bil
der des Eingangsbildes auf verschiedenen Skalen sowie den
entsprechenden Detailinformationen (Wavelet-Bildern) erzeu
gen. Dies ist schematisch in Fig. 2 dargestellt. Ein Bild der
Größe 2N × 2N kann auf n Skalen zerlegt werden. Die Segmen
tierung der Leber kann dabei auf relativ einfache Weise ge
schehen. Man errechnet ein geglättetes Bild auf einer groben
Skala, wobei aufgrund der Magnet-Resonanz-Sequenzdaten die
ungefähr zu erwartende Größe des Organs vorher bekannt ist.
Ausgehend von dem Original-Bild OB wird dann in einem der ge
glätteten Bilder der unterschiedlichen Stufen GB1 . . . GBn das
Organ segmentiert. Durch die Glättung wird die Segmentation
ganz einfach, wobei teilweise schon ein Schwellwertverfahren
genügt. Dies wird dann als binäre Maske für die Detektion des
Organs im Original-Bild verwendet.
Anschließend wird die Pathologie bestimmt. Hierzu müssen
Strukturen in dem sonst eher homogenen Gewebe, z. B. des Le
berparenchyms erkannt werden. Nach der Wavelet-Zerlegung lie
gen n-Bilder mit Detailinformationen DB1 . . . DBn auf ver
schiedenen Skalen vor. Die Detailinformationen entsprechen
direkt den Strukturänderungen in den Bildern. Es ist aus der
Literatur bekannt, dass sich z. B. Rauschen von echten Struk
turen dadurch unterscheiden lässt, dass das Rauschen nur auf
der ersten oder zweiten Skala vorkommt, während eine Struktur
meist Komponenten auch noch in höheren Skalen enthält. Somit
ist eine effiziente Rauschfilterung durch eine einfache Kopp
lung einer Schwellwertdetektion mit einer Multiskalenanalyse
erreichbar.
Die bekannten anatomischen und pathologischen Strukturen ha
ben eine jeweils für sie typische Darstellung im Wavelet-Raum
der MSA (Wavelet-Koeffizienten). Diese wird in einer Daten
bank hinterlegt. Nach Anwendung der MSA auf das Testbild wer
den Auffälligkeiten nach Übereinstimmung mit der Datenbank
klassifiziert. Wie bereits oben erwähnt, kann eine andere Er
kennung von Auffälligkeiten auch darin bestehen, dass die
Wavelet-Koeffizienten mit denen früher Aufnahmen desselben
Patienten verglichen werden, um so beispielsweise das Wachs
tum einer verdächtigen Region festzustellen. Dabei ist natür
lich durch geeignete Maßnahmen sicherzustellen, dass der Pa
tient relativ zum Magnet-Resonanz-Koordinatensystem genauso
positioniert ist und dieselben Sequenzparametereinstellungen
verwendet werden. Dies kann z. B. dadurch erreicht werden,
dass eine anatomische Landmarke, z. B. die Nasenwurzel, regi
striert und ins Zentrum des Magneten gebracht wird.
Insgesamt stellt sich der Ablauf, wie er in Fig. 3 darge
stellt ist, wie folgt dar:
In der Stufe S1 erfolgt zunächst eine Wavelet-Transformation des Magnet-Resonanz-Bildes, von dem ausgehend in der Stufe S2 eine Schwellwertdetektion des Organs auf dem Skalierungsbild der Skala n stattfindet. Das in der Stufe S2 gewonnene Bild wird in der Stufe S3 als binäre Maske auf die Multiskalenana lyse der Wavelet-Bilder angewandt, wobei optional entspre chend der Stufe S4 auch eine Schwellwertfilterung der Multis kalenanalyse der Wavelet-Bilder zur Datenreduktion erfolgen kann. Darauf erfolg entweder gemäß der Stufe S5A eine Klassifika tion der Pathologien anhand eines Vergleichs mit Wavelet- Koeffizienten aus seiner Datenbank, oder aber die Bestimmung von Auffälligkeiten durch Vergleich der Wavelet-Koeffizienten mit Ergebnissen aus früheren Bildern desselben Patienten (Stufe S5B).
In der Stufe S1 erfolgt zunächst eine Wavelet-Transformation des Magnet-Resonanz-Bildes, von dem ausgehend in der Stufe S2 eine Schwellwertdetektion des Organs auf dem Skalierungsbild der Skala n stattfindet. Das in der Stufe S2 gewonnene Bild wird in der Stufe S3 als binäre Maske auf die Multiskalenana lyse der Wavelet-Bilder angewandt, wobei optional entspre chend der Stufe S4 auch eine Schwellwertfilterung der Multis kalenanalyse der Wavelet-Bilder zur Datenreduktion erfolgen kann. Darauf erfolg entweder gemäß der Stufe S5A eine Klassifika tion der Pathologien anhand eines Vergleichs mit Wavelet- Koeffizienten aus seiner Datenbank, oder aber die Bestimmung von Auffälligkeiten durch Vergleich der Wavelet-Koeffizienten mit Ergebnissen aus früheren Bildern desselben Patienten (Stufe S5B).
Claims (11)
1. Verfahren zum Aufspüren pathologischer Veränderungen im
menschlichen Körper unter Verwendung von Magnet-Resonanz-
Scannern, dadurch gekennzeichnet,
dass ein 3D-Bilddatensatz automatisch mit älteren Bilddaten
sätzen des gleichen Patienten und/oder mit anatomischen At
lanten zur Ermittlung krankhafter Veränderungen verglichen
werden.
2. MR-Scanner zur Durchführung des Verfahrens nach Anspruch
1, dadurch gekennzeichnet,
dass er mit einer Bilddatenanalyseeinrichtung zum automati
sierten Vergleichen eines aktuellen 3D-Bilddatensatzes eines
Patienten mit älteren 3D-Bilddatensätzen des gleichen Patien
ten und/oder mit elektronisch gespeicherten anatomischen At
lanten und/oder zum Vergleichen von Symmetrien und Unsymme
trien der beiden Körperhälften im 3D-Bilddatensatz versehen
ist.
3. MR-Scanner nach Anspruch 2, dadurch ge
kennzeichnet, dass er einen 3D-Bilddatenspei
cher aufweist.
4. MR-Scanner nach Anspruch 2 oder 3, dadurch
gekennzeichnet, dass er einen MR-Scanner zum
abschnittsweisen Scannen des Körpers mit angeschlossenem
Hochleistungscomputer zum Zusammensetzen des in einzelnen Ab
schnitten gewonnenen Bildmaterials zum 3D-Bilddatensatz um
fasst.
5. MR-Scanner nach Anspruch 4, dadurch ge
kennzeichnet, dass das Zusammensetzen der
Bildabschnitte anhand von natürlichen Landmarken im Körper
des Patienten anhand von auf die Haut des Patienten aufge
klebten MR-sichtbaren Fiducial-Markern erfolgt.
6. MR-Scanner nach einem der Ansprüche 2 bis 5, ge
kennzeichnet durch eine der Bildda
tenanalyseeinrichtung nachgeschaltete Bewertungs- und Auswer
teeinheit zur Erarbeitung von Diagnosen und geeigneten Thera
pievorschlägen.
7. MR-Scanner nach einem der Ansprüche 2 bis 6, da
durch gekennzeichnet, dass die Be
wertungs- und Auswerteeinheit so ausgebildet ist, dass sie -
bei noch im Gerät befindlichem Patienten - selbsttätig weite
re Messungen unter Zugabe von Kontrastmitteln und/oder mit
speziellen MR-Sequenztechniken zur Erhöhung des Kontrastes
hinsichtlich bestimmter physikalischer Daten und/oder unter
radiologischer Kompetenz und/oder die Durchführung einer
Biopsie vorschlägt und/oder einleitet.
8. MR-Scanner nach einem der Ansprüche 2 bis 7, ge
kennzeichnet durch eine neuronale
Netzwerkdatenbank mit eingespeicherten normalen, verdächtigen
und pathologischen Fällen zur Interpretation der 3D-
Bilddatensätze.
9. MR-Scanner nach einem der Ansprüche 2 bis 8, da
durch gekennzeichnet, dass die
Bilddatenanalyseeinrichtung eine Grauwertanalyseeinrichtung
enthält.
10. MR-Scanner nach einem der Ansprüche 2 bis 9, da
durch gekennzeichnet, dass die
Bilddatenanalyseeinrichtung eine Bildsegmentiereinrichtung
und einen, vorzugsweise auf einem neuronalen Netz basieren
den, Pathologieklassifikator umfasst.
11. MR-Scanner nach Anspruch 10, gekennzeich
net durch eine Wavelet-basierte Bildsegmen
tiereinrichtung.
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
DE19920300A DE19920300A1 (de) | 1999-05-03 | 1999-05-03 | Verfahren und Vorrichtung zum Aufspüren pathologischer Veränderungen im menschlichen Körper unter Verwendung von Magnet-Resonanz-Scannern |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
DE19920300A DE19920300A1 (de) | 1999-05-03 | 1999-05-03 | Verfahren und Vorrichtung zum Aufspüren pathologischer Veränderungen im menschlichen Körper unter Verwendung von Magnet-Resonanz-Scannern |
Publications (1)
Publication Number | Publication Date |
---|---|
DE19920300A1 true DE19920300A1 (de) | 2000-11-16 |
Family
ID=7906814
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
DE19920300A Ceased DE19920300A1 (de) | 1999-05-03 | 1999-05-03 | Verfahren und Vorrichtung zum Aufspüren pathologischer Veränderungen im menschlichen Körper unter Verwendung von Magnet-Resonanz-Scannern |
Country Status (1)
Country | Link |
---|---|
DE (1) | DE19920300A1 (de) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE102004003381A1 (de) * | 2004-01-22 | 2005-09-01 | Siemens Ag | Verfahren zur Bestimmung der Lage wenigstens einer Schicht in einem Untersuchungsgebiet, in welcher Schicht eine Schichtbildaufnahme erfolgen soll |
DE102005052993A1 (de) * | 2005-11-07 | 2007-05-16 | Siemens Ag | Verfahren zur automatisierten Auswertung eines dreidimensionalen Abbildes eines seitensymmetrischen Organsystems |
DE102008059788A1 (de) | 2008-12-01 | 2010-08-19 | Olympus Soft Imaging Solutions Gmbh | Analyse und Klassifizierung insbesondere biologischer oder biochemischer Objekte auf Basis von Zeitreihen-Bildern, anwendbar bei der zytometrischen Time-Lapse-Zellanalyse in der bildbasierten Zytometrie |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5048103A (en) * | 1989-03-29 | 1991-09-10 | General Electric Cgr S.A. | Method for the automatic resetting of images |
US5779634A (en) * | 1991-05-10 | 1998-07-14 | Kabushiki Kaisha Toshiba | Medical information processing system for supporting diagnosis |
DE19726226A1 (de) * | 1997-06-22 | 1998-12-24 | Zentrum Fuer Neuroinformatik G | Verfahren zum automatisierten Erkennen von Strukturen in Schnitten durch biologische Zellen oder biologisches Gewebe |
DE19829170A1 (de) * | 1998-06-30 | 2000-01-13 | Thorsten Schormann | Berechnung und Darstellung 2- oder 3-dimensionaler Raumdifferenzen von Strukturen |
-
1999
- 1999-05-03 DE DE19920300A patent/DE19920300A1/de not_active Ceased
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5048103A (en) * | 1989-03-29 | 1991-09-10 | General Electric Cgr S.A. | Method for the automatic resetting of images |
US5779634A (en) * | 1991-05-10 | 1998-07-14 | Kabushiki Kaisha Toshiba | Medical information processing system for supporting diagnosis |
DE19726226A1 (de) * | 1997-06-22 | 1998-12-24 | Zentrum Fuer Neuroinformatik G | Verfahren zum automatisierten Erkennen von Strukturen in Schnitten durch biologische Zellen oder biologisches Gewebe |
DE19829170A1 (de) * | 1998-06-30 | 2000-01-13 | Thorsten Schormann | Berechnung und Darstellung 2- oder 3-dimensionaler Raumdifferenzen von Strukturen |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE102004003381A1 (de) * | 2004-01-22 | 2005-09-01 | Siemens Ag | Verfahren zur Bestimmung der Lage wenigstens einer Schicht in einem Untersuchungsgebiet, in welcher Schicht eine Schichtbildaufnahme erfolgen soll |
DE102004003381B4 (de) * | 2004-01-22 | 2007-02-01 | Siemens Ag | Verfahren zur Bestimmung der Lage einer Schicht in einem Untersuchungsgebiet, in welcher Schicht eine Schichtbildaufnahme erfolgen soll |
US7340082B2 (en) | 2004-01-22 | 2008-03-04 | Siemens Aktiengesellschaft | Method and medical imaging apparatus for determining a slice in an examination volume for data acquisition in the slice |
DE102005052993A1 (de) * | 2005-11-07 | 2007-05-16 | Siemens Ag | Verfahren zur automatisierten Auswertung eines dreidimensionalen Abbildes eines seitensymmetrischen Organsystems |
US7724931B2 (en) | 2005-11-07 | 2010-05-25 | Siemens Aktiengesellschaft | Method and apparatus for evaluating a 3D image of a laterally-symmetric organ system |
DE102008059788A1 (de) | 2008-12-01 | 2010-08-19 | Olympus Soft Imaging Solutions Gmbh | Analyse und Klassifizierung insbesondere biologischer oder biochemischer Objekte auf Basis von Zeitreihen-Bildern, anwendbar bei der zytometrischen Time-Lapse-Zellanalyse in der bildbasierten Zytometrie |
DE102008059788B4 (de) | 2008-12-01 | 2018-03-08 | Olympus Soft Imaging Solutions Gmbh | Analyse und Klassifizierung insbesondere biologischer oder biochemischer Objekte auf Basis von Zeitreihen-Bildern, anwendbar bei der zytometrischen Time-Lapse-Zellanalyse in der bildbasierten Zytometrie |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
DE102010043849B3 (de) | Vorrichtung und Computertomograph zur Bestimmung und Darstellung der Durchblutung des Herzmuskels | |
DE102008044844B4 (de) | Verfahren zur Ermittlung einer Schwächungskarte zur Verwendung in der Positronenemissionstomographie und von Homogenitätsinformationen des Magnetresonanzmagnetfeldes | |
DE10353883A1 (de) | Verfahren und Einrichtung zum Messen Krankheits-relevanter Gewebeveränderungen | |
DE102004055767A1 (de) | Verfahren und Vorrichtung zum Verarbeiten von Bilddaten, um die Erfassung einer Erkrankung zu untersützen | |
DE602004003162T2 (de) | Verbesserungen in oder in Bezug auf dynamischer Bilderzeugung | |
DE102005017628A1 (de) | Verfahren und System zum Registrieren von präprozeduralen Bildern mit intraprozeduralen Bilder unter Verwendung einer vorberechneten Informationsdatenbank | |
DE102008002882A1 (de) | System und Verfahren zu von einer elektronischen Krankenakte beeinflusster Datenerfassung, -verarbeitung und -anzeige | |
DE102004061435A1 (de) | Verfahren und Vorrichtung zur Registrierung von Lungenbilddaten | |
DE102005058095A1 (de) | Verfahren zur topographischen Darstellung von Veränderungen in einem untersuchten Gehirn | |
DE102021131242A1 (de) | Medizinbild-Leseassistent-Vorrichtung und Verfahren zum Anpassen eines Schwellenwerts einer Diagnoseassistent-Information basierend auf einer Nachfolgeuntersuchung | |
DE102018214325A1 (de) | Verfahren und Bereitstellungseinheit zum Bereitstellen eines virtuellen tomographischen Schlaganfall-Nachfolgeuntersuchungsbildes | |
EP3287914A1 (de) | Ermittlung von ergebnisdaten auf basis von medizinischen messdaten aus verschiedenen messungen | |
EP1089228A1 (de) | Kontinuierliche Erfassung und Analyse von Gewebeveränderungen | |
DE10054814A1 (de) | Verfahren und Vorrichtung zur Registrierung von Bildern | |
DE102017221830A1 (de) | Charakterisierung eines Störkörpers innerhalb eines Untersuchungsobjektes anhand eines medizinischen Bilddatensatzes | |
DE102019220456A1 (de) | Medizinische Bilddaten für longitudinale Studien | |
DE112015004952T5 (de) | Magnetresonanzabbildungsprotokoll zur Segmentierung eines Bilddetails | |
DE102013220018A1 (de) | Berechnung eines Untersuchungsparameters | |
DE102015221876A1 (de) | Verfahren zum Auswerten von medizinischen Bilddaten eines Untersuchungsobjekts | |
EP3404436A1 (de) | Funktionelle magnetresonanz-bildgebung | |
DE102005022156A1 (de) | Verfahren und Vorrichtung zum Einstufen von Pixeln in medizinischer Bildgebung | |
Fu et al. | Wavelet-based enhancement for detection of left ventricular myocardial boundaries in magnetic resonance images | |
DE102023203884A1 (de) | Medizinbilddiagnosehilfsvorrichtung und Verfahren zum Erzeugen und Visualisieren von Hilfsinformationen auf der Basis von Verteilungen von Signalintensitäten in Medizinbildern | |
DE19920300A1 (de) | Verfahren und Vorrichtung zum Aufspüren pathologischer Veränderungen im menschlichen Körper unter Verwendung von Magnet-Resonanz-Scannern | |
DE102013218047B3 (de) | Verfahren zur automatischen Anzeige und/oder Messung von Knochenveränderungen in medizinischen Bilddaten, sowie medizinisches Bildgebungsgerät und elektronisch lesbarer Datenträger |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
OP8 | Request for examination as to paragraph 44 patent law | ||
8131 | Rejection |