JP6378715B2 - 血管検出装置、磁気共鳴イメージング装置、およびプログラム - Google Patents
血管検出装置、磁気共鳴イメージング装置、およびプログラム Download PDFInfo
- Publication number
- JP6378715B2 JP6378715B2 JP2016085200A JP2016085200A JP6378715B2 JP 6378715 B2 JP6378715 B2 JP 6378715B2 JP 2016085200 A JP2016085200 A JP 2016085200A JP 2016085200 A JP2016085200 A JP 2016085200A JP 6378715 B2 JP6378715 B2 JP 6378715B2
- Authority
- JP
- Japan
- Prior art keywords
- image
- region
- images
- blood vessel
- axial
- 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
-
- 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
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/48—Other medical applications
- A61B5/4887—Locating particular structures in or on the body
- A61B5/489—Blood vessels
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
- A61B5/7235—Details of waveform analysis
- A61B5/7264—Classification of physiological signals or data, e.g. using neural networks, statistical classifiers, expert systems or fuzzy systems
-
- 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
- G01R33/483—NMR imaging systems with selection of signals or spectra from particular regions of the volume, e.g. in vivo spectroscopy
- G01R33/4833—NMR imaging systems with selection of signals or spectra from particular regions of the volume, e.g. in vivo spectroscopy using spatially selective excitation of the volume of interest, e.g. selecting non-orthogonal or inclined slices
- G01R33/4835—NMR imaging systems with selection of signals or spectra from particular regions of the volume, e.g. in vivo spectroscopy using spatially selective excitation of the volume of interest, e.g. selecting non-orthogonal or inclined slices of multiple slices
-
- 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
- G01R33/5608—Data processing and visualization specially adapted for MR, e.g. for feature analysis and pattern recognition on the basis of measured MR data, segmentation of measured MR data, edge contour detection on the basis of measured MR data, for enhancing measured MR data in terms of signal-to-noise ratio by means of noise filtering or apodization, for enhancing measured MR data in terms of resolution by means for deblurring, windowing, zero filling, or generation of gray-scaled images, colour-coded images or images displaying vectors instead of pixels
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/243—Classification techniques relating to the number of classes
- G06F18/2431—Multiple classes
-
- 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
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/32—Normalisation of the pattern dimensions
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/42—Global feature extraction by analysis of the whole pattern, e.g. using frequency domain transformations or autocorrelation
-
- 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
- G06V10/764—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using classification, e.g. of video objects
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B2576/00—Medical imaging apparatus involving image processing or analysis
- A61B2576/02—Medical imaging apparatus involving image processing or analysis specially adapted for a particular organ or body part
-
- 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
- G06T2207/30101—Blood vessel; Artery; Vein; Vascular
-
- 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
- G06V2201/031—Recognition of patterns in medical or anatomical images of internal organs
-
- 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
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Health & Medical Sciences (AREA)
- Artificial Intelligence (AREA)
- High Energy & Nuclear Physics (AREA)
- Medical Informatics (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Multimedia (AREA)
- Surgery (AREA)
- Animal Behavior & Ethology (AREA)
- Veterinary Medicine (AREA)
- Biophysics (AREA)
- Pathology (AREA)
- Biomedical Technology (AREA)
- Heart & Thoracic Surgery (AREA)
- Public Health (AREA)
- Molecular Biology (AREA)
- Condensed Matter Physics & Semiconductors (AREA)
- Radiology & Medical Imaging (AREA)
- Evolutionary Computation (AREA)
- Signal Processing (AREA)
- Spectroscopy & Molecular Physics (AREA)
- Optics & Photonics (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- Data Mining & Analysis (AREA)
- Computing Systems (AREA)
- Mathematical Physics (AREA)
- Vascular Medicine (AREA)
- Psychiatry (AREA)
- Physiology (AREA)
- Fuzzy Systems (AREA)
- Bioinformatics & Cheminformatics (AREA)
- General Engineering & Computer Science (AREA)
- Evolutionary Biology (AREA)
Description
前記複数の画像の各々が前記撮影部位のどの部分の画像であるかに基づいて、前記複数の画像を複数のクラスに分類する分類手段と、
前記画像が、前記複数のクラスのうちのどのクラスに分類されたかに基づいて、前記画像の中から前記血管を検索するための検索領域を設定する設定手段と、
を有する血管検出装置である。
前記複数の画像の各々が前記撮影部位のどの部分の画像であるかに基づいて、前記複数の画像を複数のクラスに分類する分類処理と、
前記画像が、前記複数のクラスのうちのどのクラスに分類されたかに基づいて、前記画像の中から前記血管を検索するための検索領域を設定する設定処理と、
をコンピュータに実行させるためのプログラムである。
磁気共鳴イメージング装置(以下、「MRI装置」と呼ぶ。MRI:Magnetic Resonance Imaging)1は、マグネット2、テーブル3、受信コイル4、造影剤注入装置5などを有している。
造影剤注入装置5は、被検体14に造影剤を注入する。
勾配磁場電源8は、制御部6から受け取ったデータに基づいて、勾配コイル23に電流を供給する。
平面計算手段105は、検出手段104により検出された大動脈Aの位置PA1〜PA10(図31参照)に基づいて、大動脈を縦断する平面を計算する。
操作部12は、オペレータにより操作され、種々の情報をコンピュータ8に入力する。表示部13は種々の情報を表示する。
MRI装置1は、上記のように構成されている。
本形態では、ローカライザスキャンLSと本スキャンMSなどが実行される。
ローカライザスキャンLSは、スライス位置やトラッカー領域Rt(図33参照)を設定するときに使用される画像を取得するためのスキャンである。トラッカー領域Rtは、大動脈Aに流れる造影剤を検出するために設定される領域である。
ローカライザスキャンLSの後に本スキャンMSが実行される。
ステップST1では、ローカライザスキャンLS(図2参照)を実行する。
ローカライザスキャンLSは、被検体の肝臓および肝臓の周辺の臓器を含む部位の画像を取得するためのスキャンである。図6には、ローカライザスキャンLSを実行するときのスライスが示されている。ローカライザスキャンLSでは、アキシャル、サジタル、およびコロナルの画像が取得されるが、図6では、説明の便宜上、アキシャルの画像を取得するための複数枚のスライス(ここでは、10枚のスライスSL1〜SL10)が示されている。
アキシャル画像D1〜D10を作成した後、ステップST2に進む。
クラスI:肺の断面積が大きいアキシャル画像
クラスII:肺と肝臓の境界の近傍を横切るアキシャル画像
クラスIII:肝臓の断面積が大きいアキシャル画像
クラスIV:肝臓および腎臓を横切るアキシャル画像
先ず、分類マップを作成するために使用する腹部のアキシャル画像を複数枚用意する。図7に、m人の被検体SU1〜SUmから、腹部の複数枚のアキシャル画像DA1〜DAn、DAn+1〜DAn+a、・・・DAj+1〜DAkを用意した例が示されている。各アキシャル画像には、胴部領域C1、左腕領域C2、および右腕領域C3が表示されている。本形態では、m人の被検体SU1〜SUmから、k枚のアキシャル画像DA1〜DAkが用意された例が示されている。
図10は、スケールダウン後の画像a1’〜an’ごとに求められたベクトルを示す図である。
αi=(αi1,αi2,αi3,αi4,αi5,・・・,αit)・・・(1)
αi1,αi2,αi3,αi4,αi5,・・・,αitは、画像ai’の各ピクセルのピクセル値を表しており、ベクトルαiは、t個の要素を有するベクトルで表される。
α1=(α11,α12,α13,α14,α15,・・・,α1t)・・・(2)
ステップST2は、ステップST21〜ST29を有している。以下、ステップST21〜ST29について順に説明する。
ステップST23では、2値画像DB1から、左腕領域と右腕領域とを削除するための画像処理を実行する。これにより、腕部が削除された2値画像DC1を得ることができる。腕部を削除する方法としては、例えば、“Med Imag Tech Vol.31 No.2 March 2013”に記載されているにように、縮小処理、領域拡張処理、および拡大処理を実行する方法を用いることができる。腕部が削除された2値画像DC1を得た後、ステップST24に進む。
アキシャル画像D1から胴部領域の画像部分を切り取った後、ステップST25に進む。
ベクトルβ1は、スケールダウン後の画像D1”の各ピクセルのピクセル値を要素として規定されるベクトルである。ベクトルβ1は、以下の式で表すことができる。
β1=(β11,β12,β13,β14,β15,・・・,β1t)・・・(3)
ここで、β11,β12,β13,β14,β15,・・・,β1tは、スケールダウン後の画像D1”の各ピクセルのピクセル値を表している。
ベクトルβ1を求めた後、ステップST27に進む。
このようにして、アキシャル画像D1に対応する点Eが分類マップCMにマッピングされる。マッピングした後、ステップST28に進む。
図22では、分類マップCMにマッピングされた点Eの周辺を拡大して示してある。
7個の点e1〜e7を特定した後、ステップST29に進む。
アキシャル画像D1〜D10を分類した後、ステップST3に進む。
記憶部11には、4つの確率分布モデルM1〜M4が記憶されている。
検索領域設定手段103は、確率分布モデルM1〜M4の中から、アキシャル画像D1の検索領域を決定するために使用される確率分布モデルを選択する。アキシャル画像D1はクラスIに分類されているので(図23参照)、検索領域設定手段103は、確率分布モデルM1〜M4の中から、クラスIに対応する確率分布モデルM1を選択する。
検索領域R1〜R10を決定した後、ステップST4に進む。
ウィンドウWのサイズは、a×bのピクセル数で示されている。検出手段104は、脳脊髄液CSFを基準にして、ラインLs上にウィンドウWを設定する。ウィンドウWを設定した後、検出手段104は、ラインLsとLeとで規定される範囲内で、脳脊髄液CSFを中心としてウィンドウWを回転させることによりウィンドウWの回転角θを変更し、更にウィンドウWのサイズ(ピクセル数a、ピクセル数b)も変更する。そして、後述する識別器C(図30参照)を用いて、検索領域R1の中から、大動脈Aを検出する。
検出手段104は、θをθ1〜θ2の間で変化させ、θを変化させるたびに、ウィンドウWのaおよびbの値を変更する。そして、ウィンドウWの3つのパラメータ(θ,a,b)のうちのいずれかのパラメータを変更するたびに、ウィンドウW内のピクセルデータを抽出する。識別器Cは、抽出されたデータに基づいて、アキシャル画像D1の大動脈AがウィンドウWの先端部に内接している可能性が高いか低いかを判断するための出力値Outを出力するものであり、被検体を撮影する前に、予め作成されている。識別器Cは、例えば、大動脈の信号値の情報を含む教師データと、大動脈とは別の組織の信号値の情報を含む教師データとを学習することにより、作成することができる。本形態では、ウィンドウWの先端部に大動脈Aが内接している可能性が高いほど出力値Outが大きくなるように、識別器Cが構成されている。したがって、識別器Cの出力値Outが最大のときに、アキシャル画像D1の大動脈AがウィンドウWの先端部に内接している可能性が最も高いと判断することができる。ここでは、回転角θ=θ1、ピクセル数a=a1、およびピクセル数b=b1のときに、識別器Cの出力値Outが最大になったとする。したがって、ウィンドウWのパラメータ(θ,a,b)=(θ1,a1,b1)のときに、アキシャル画像D1の大動脈AがウィンドウWの先端部に内接していると判断されるので、検索領域R1の中から大動脈Aを検出することができる。
オペレータは、操作部12(図1参照)を操作し、ステップST3で求められた平面FSを表示部13に表示させるための命令を入力する。この命令が入力されると、表示部13に、ステップST3で求められた平面FSが表示される。
2 マグネット
3 テーブル
3a クレードル
4 受信コイル
5 造影剤注入装置
6 制御部
7 送信器
8 勾配磁場電源
9 受信器
10 処理装置
11 記憶部
12 操作部
13 表示部
14 被検体
21 ボア
22 超伝導コイル
23 勾配コイル
24 RFコイル
101 画像生成手段
102 分類手段
103 検索領域設定手段
104 検出手段
105 平面計算手段
106 トラッカー領域設定手段
Claims (9)
- 血管を含む撮影部位に設定された複数のスライスにおける複数の画像を生成する画像生成手段と、
前記複数の画像の各々が前記撮影部位のどの部分の画像であるかを特定するためのマップに基づいて、前記複数の画像を複数のクラスに分類する分類手段と、
前記画像が、前記複数のクラスのうちのどのクラスに分類されたかに基づいて、前記画像の中から前記血管を検索するための検索領域を設定する設定手段と、
を有する血管検出装置。 - 前記クラスごとに、前記血管の存在確率を表すモデルが対応付けられており、
前記設定手段は、前記モデルに基づいて前記検索領域を設定する、請求項1に記載の血管検出装置。 - 前記複数のクラスは、
肺の断面積が大きい画像に対応する第1のクラスと、
肺と肝臓の境界の近傍を横切る画像に対応する第2のクラスと、
肝臓の断面積が大きい画像に対応する第3のクラスと、
肝臓および腎臓を横切る画像に対応する第4のクラスと、
を含む、請求項1又は2に記載の血管検出装置。 - 前記分類手段は、
前記画像のピクセルのピクセル値を要素として持つベクトルを求め、前記ベクトルに基づいて前記画像に対応する点を前記マップにマッピングし、前記マップの中の前記点がマッピングされた位置に基づいて、前記画像が、前記複数のクラスのうちのどのクラスに分類されるかを求める、請求項1〜3のうちのいずれか一項に記載の血管検出装置。 - 前記複数の画像の各々は、被検体の胴部の断面を表す第1の領域、前記被検体の左腕の断面を表す第2の領域、前記被検体の右腕の断面を表す第3の領域を含み、
前記分類手段は、
前記画像の中から、前記第1の領域を含むが、前記第2の領域および前記第3の領域は含まない画像部分を切り取り、前記画像部分を切り取ることにより得られた画像に基づいて、前記ベクトルを求める、請求項4に記載の血管検出装置。 - 前記複数の画像の各々は、被検体の胴部の断面を表す第1の領域、前記被検体の左腕の断面を表す第2の領域、前記被検体の右腕の断面を表す第3の領域を含み、
前記分類手段は、
前記画像の中から、前記第1の領域の中心部分を含むが、前記第1の領域の体表部分、前記第2の領域および前記第3の領域は含まない画像部分を切り取り、前記画像部分を切り取ることにより得られた画像に基づいて、前記ベクトルを求める、請求項4に記載の血管検出装置。 - 前記検索領域から前記血管の位置を検出する検出手段を有する、請求項1〜6のうちのいずれか一項に記載の血管検出装置。
- 血管を含む撮影部位のスキャンを行うスキャン手段を有する磁気共鳴イメージング装置であって、
請求項1〜7のうちのいずれか一項に記載の血管検出装置を有する磁気共鳴イメージング装置。 - 血管を含む撮影部位に設定された複数のスライスにおける複数の画像を生成する画像生成処理と、
前記複数の画像の各々が前記撮影部位のどの部分の画像であるかを特定するためのマップに基づいて、前記複数の画像を複数のクラスに分類する分類処理と、
前記画像が、前記複数のクラスのうちのどのクラスに分類されたかに基づいて、前記画像の中から前記血管を検索するための検索領域を設定する設定処理と、
をコンピュータに実行させるためのプログラム。
Priority Applications (4)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2016085200A JP6378715B2 (ja) | 2016-04-21 | 2016-04-21 | 血管検出装置、磁気共鳴イメージング装置、およびプログラム |
PCT/US2017/028105 WO2017184585A1 (en) | 2016-04-21 | 2017-04-18 | Blood vessel detecting apparatus, magnetic resonance imaging apparatus, and program |
CN201780024842.2A CN109069058B (zh) | 2016-04-21 | 2017-04-18 | 血管检测装置、磁共振成像装置以及非瞬态存储介质 |
US16/094,614 US10824919B1 (en) | 2016-04-21 | 2017-04-18 | Blood vessel detecting apparatus, magnetic resonance imaging apparatus, and program |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2016085200A JP6378715B2 (ja) | 2016-04-21 | 2016-04-21 | 血管検出装置、磁気共鳴イメージング装置、およびプログラム |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2017192591A JP2017192591A (ja) | 2017-10-26 |
JP6378715B2 true JP6378715B2 (ja) | 2018-08-22 |
Family
ID=60116995
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2016085200A Active JP6378715B2 (ja) | 2016-04-21 | 2016-04-21 | 血管検出装置、磁気共鳴イメージング装置、およびプログラム |
Country Status (4)
Country | Link |
---|---|
US (1) | US10824919B1 (ja) |
JP (1) | JP6378715B2 (ja) |
CN (1) | CN109069058B (ja) |
WO (1) | WO2017184585A1 (ja) |
Family Cites Families (33)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6845260B2 (en) * | 2001-07-18 | 2005-01-18 | Koninklijke Philips Electronics N.V. | Automatic vessel indentification for angiographic screening |
US6842638B1 (en) * | 2001-11-13 | 2005-01-11 | Koninklijke Philips Electronics N.V. | Angiography method and apparatus |
WO2003070102A2 (en) * | 2002-02-15 | 2003-08-28 | The Regents Of The University Of Michigan | Lung nodule detection and classification |
JP3980374B2 (ja) * | 2002-02-20 | 2007-09-26 | 株式会社東芝 | Mri装置 |
DE102004003081A1 (de) * | 2004-01-21 | 2005-08-18 | Siemens Ag | Verfahren zur Bestimmung der Position und/oder Orientierung der Bildebene von zur Kontrastmittelbolus-Messung vorzunehmenden Schichtbildaufnahmen eines Gefäßbereichs |
US7317821B2 (en) | 2004-11-22 | 2008-01-08 | Carestream Health, Inc. | Automatic abnormal tissue detection in MRI images |
DE102005050344A1 (de) * | 2005-10-20 | 2007-05-03 | Siemens Ag | Kryokatheter zur Einführung in ein Körpergefäß sowie medizinische Untersuchungs- und Behandlungsvorrichtung |
US8170642B2 (en) * | 2007-01-11 | 2012-05-01 | Siemens Aktiengesellschaft | Method and system for lymph node detection using multiple MR sequences |
WO2008100386A2 (en) * | 2007-02-09 | 2008-08-21 | Board Of Regents, The University Of Texas System | Intravascular photoacoustic and ultrasound echo imaging |
US20100119136A1 (en) * | 2007-05-09 | 2010-05-13 | Hiroyuki Itagaki | Magnetic resonance imaging apparatus and image classification method |
DE102007060689B4 (de) * | 2007-12-17 | 2017-07-13 | Siemens Healthcare Gmbh | Verfahren zur Aufnahme von angiographischen Datensätzen und Magnetresonanzanlage dafür |
US9235887B2 (en) | 2008-02-19 | 2016-01-12 | Elucid Bioimaging, Inc. | Classification of biological tissue by multi-mode data registration, segmentation and characterization |
WO2009105530A2 (en) * | 2008-02-19 | 2009-08-27 | The Trustees Of The University Of Pennsylvania | System and method for automated segmentation, characterization, and classification of possibly malignant lesions and stratification of malignant tumors |
JP5523718B2 (ja) | 2008-04-02 | 2014-06-18 | 株式会社東芝 | 医用撮像装置 |
DE102008060048A1 (de) * | 2008-12-02 | 2010-06-17 | Siemens Aktiengesellschaft | Gefäßabhängige Kippwinkelmodulation bei der TOF-MR-Angiographie |
BRPI1004218A2 (pt) * | 2009-03-31 | 2016-02-23 | Fujifilm Corp | dispositivo e método de processamento de imagem, e programa |
JP5449843B2 (ja) * | 2009-04-24 | 2014-03-19 | 株式会社東芝 | 画像表示装置及び画像表示方法 |
CN101925108A (zh) | 2009-06-10 | 2010-12-22 | 中兴通讯股份有限公司 | 一种长期演进***中测量配置的修改方法及装置 |
DE102010018261B4 (de) * | 2010-04-26 | 2012-07-12 | Siemens Aktiengesellschaft | Verfahren und Computersystem zur automatischen Vektorisierung eines Gefäßbaumes |
JP5944645B2 (ja) * | 2010-11-02 | 2016-07-05 | 東芝メディカルシステムズ株式会社 | 磁気共鳴イメージング装置 |
US8600476B2 (en) * | 2011-04-21 | 2013-12-03 | Siemens Aktiengesellschaft | Patient support table control system for use in MR imaging |
US9295406B2 (en) * | 2011-05-05 | 2016-03-29 | Siemens Medical Solutions Usa, Inc. | Automatic or semi-automatic whole body MR scanning system |
JP5879217B2 (ja) * | 2012-06-29 | 2016-03-08 | ジーイー・メディカル・システムズ・グローバル・テクノロジー・カンパニー・エルエルシー | 検出装置、医用装置、およびプログラム |
JP2014100249A (ja) * | 2012-11-19 | 2014-06-05 | Toshiba Corp | 血管解析装置、医用画像診断装置、血管解析方法、及び血管解析プログラム |
JP5977158B2 (ja) * | 2012-11-30 | 2016-08-24 | ジーイー・メディカル・システムズ・グローバル・テクノロジー・カンパニー・エルエルシー | 検出装置、磁気共鳴装置、検出方法、およびプログラム |
JP6066197B2 (ja) * | 2013-03-25 | 2017-01-25 | 富士フイルム株式会社 | 手術支援装置、方法およびプログラム |
JP5992853B2 (ja) * | 2013-03-27 | 2016-09-14 | 富士フイルム株式会社 | 手術支援装置、方法およびプログラム |
JP6176843B2 (ja) * | 2013-07-25 | 2017-08-09 | ジーイー・メディカル・システムズ・グローバル・テクノロジー・カンパニー・エルエルシー | 血管検出装置、磁気共鳴装置、およびプログラム |
US20150073535A1 (en) * | 2013-09-12 | 2015-03-12 | Abbott Cardiovascular Systems Inc. | Treatment of coronary artery lesions with a scaffold having vessel scaffold interactions that reduce or prevent angina |
JP6450519B2 (ja) * | 2013-12-27 | 2019-01-09 | ジーイー・メディカル・システムズ・グローバル・テクノロジー・カンパニー・エルエルシー | 血管検出装置、磁気共鳴装置、およびプログラム |
JP6224560B2 (ja) * | 2014-09-12 | 2017-11-01 | ジーイー・メディカル・システムズ・グローバル・テクノロジー・カンパニー・エルエルシー | 磁気共鳴装置およびプログラム |
CN104239874B (zh) * | 2014-09-29 | 2017-11-03 | 青岛海信医疗设备股份有限公司 | 一种器官血管识别方法及装置 |
KR20160143178A (ko) * | 2015-06-04 | 2016-12-14 | 삼성전자주식회사 | 의료 영상 처리 장치 및 의료 영상 처리 방법 |
-
2016
- 2016-04-21 JP JP2016085200A patent/JP6378715B2/ja active Active
-
2017
- 2017-04-18 CN CN201780024842.2A patent/CN109069058B/zh active Active
- 2017-04-18 WO PCT/US2017/028105 patent/WO2017184585A1/en active Application Filing
- 2017-04-18 US US16/094,614 patent/US10824919B1/en active Active
Also Published As
Publication number | Publication date |
---|---|
US10824919B1 (en) | 2020-11-03 |
CN109069058B (zh) | 2022-10-28 |
CN109069058A (zh) | 2018-12-21 |
WO2017184585A1 (en) | 2017-10-26 |
US20200327361A1 (en) | 2020-10-15 |
JP2017192591A (ja) | 2017-10-26 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP4319031B2 (ja) | 対象のセグメンテーション方法及び装置 | |
US10210612B2 (en) | Method and system for machine learning based estimation of anisotropic vessel orientation tensor | |
EP2823464B1 (en) | Intelligent landmark selection to improve registration accuracy in multimodal image fusion | |
US8948484B2 (en) | Method and system for automatic view planning for cardiac magnetic resonance imaging acquisition | |
EP2120208A1 (en) | Method and system for lesion segmentation | |
US20160117797A1 (en) | Image Processing Apparatus and Image Processing Method | |
CN107545579B (zh) | 一种心脏分割方法、设备和存储介质 | |
CN109087708B (zh) | 用于斑块分割的模型训练方法、装置、设备及存储介质 | |
US20150324999A1 (en) | Method and System for Segmentation of the Liver in Magnetic Resonance Images Using Multi-Channel Features | |
CN107633514B (zh) | 一种肺结节周边血管量化评估***及方法 | |
US8050470B2 (en) | Branch extension method for airway segmentation | |
JP2009211138A (ja) | 対象領域抽出方法および装置ならびにプログラム | |
JP5879217B2 (ja) | 検出装置、医用装置、およびプログラム | |
JP6450519B2 (ja) | 血管検出装置、磁気共鳴装置、およびプログラム | |
JP6139151B2 (ja) | 境界検出装置、磁気共鳴装置、およびプログラム | |
JP6378715B2 (ja) | 血管検出装置、磁気共鳴イメージング装置、およびプログラム | |
JP6234426B2 (ja) | 画像処理装置、医用装置、およびプログラム | |
US9978143B2 (en) | Centerline determining apparatus, medical apparatus, and program | |
JP5403431B2 (ja) | 断層画像処理方法及び装置 | |
US20240104721A1 (en) | Anatomy-aware contour editing method and system for implementing said method | |
EP4270311A1 (en) | Image identification program, image identification method, image identification device | |
Peszor et al. | Estimation of marker placement based on fiducial points for automatic facial animation | |
US9367913B2 (en) | Choosing anatomical variant model for image segmentation | |
CN116342860A (zh) | 标记球的定位方法、计算机可读存储介质及导航*** | |
CN114445338A (zh) | 图像处理方法、装置、存储介质及电子设备 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20171010 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20180110 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20180115 |
|
TRDD | Decision of grant or rejection written | ||
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20180703 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20180727 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 6378715 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |