JP7421689B2 - 介入装置形状の決定 - Google Patents
介入装置形状の決定 Download PDFInfo
- Publication number
- JP7421689B2 JP7421689B2 JP2023528482A JP2023528482A JP7421689B2 JP 7421689 B2 JP7421689 B2 JP 7421689B2 JP 2023528482 A JP2023528482 A JP 2023528482A JP 2023528482 A JP2023528482 A JP 2023528482A JP 7421689 B2 JP7421689 B2 JP 7421689B2
- Authority
- JP
- Japan
- Prior art keywords
- image data
- interventional device
- neural network
- dimensional shape
- received
- 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
- 238000013528 artificial neural network Methods 0.000 claims description 109
- 238000000034 method Methods 0.000 claims description 92
- 230000002792 vascular Effects 0.000 claims description 54
- 230000006870 function Effects 0.000 claims description 40
- 238000012549 training Methods 0.000 claims description 39
- 238000002591 computed tomography Methods 0.000 claims description 9
- 210000004204 blood vessel Anatomy 0.000 claims description 8
- 238000004590 computer program Methods 0.000 claims description 8
- 238000007408 cone-beam computed tomography Methods 0.000 claims description 4
- 239000000835 fiber Substances 0.000 claims description 4
- 238000013507 mapping Methods 0.000 claims description 4
- 238000002604 ultrasonography Methods 0.000 claims description 4
- 230000000306 recurrent effect Effects 0.000 claims description 3
- 230000004044 response Effects 0.000 claims description 3
- 239000002775 capsule Substances 0.000 claims description 2
- 239000003795 chemical substances by application Substances 0.000 claims description 2
- 238000013527 convolutional neural network Methods 0.000 claims description 2
- 230000002787 reinforcement Effects 0.000 claims description 2
- 230000006403 short-term memory Effects 0.000 claims description 2
- 230000002123 temporal effect Effects 0.000 claims description 2
- 238000012545 processing Methods 0.000 description 18
- 238000003384 imaging method Methods 0.000 description 17
- 210000002569 neuron Anatomy 0.000 description 16
- 238000010586 diagram Methods 0.000 description 15
- 210000005166 vasculature Anatomy 0.000 description 14
- 230000011218 segmentation Effects 0.000 description 9
- 230000008569 process Effects 0.000 description 8
- 230000004913 activation Effects 0.000 description 6
- 210000003484 anatomy Anatomy 0.000 description 5
- 238000004422 calculation algorithm Methods 0.000 description 5
- 230000001537 neural effect Effects 0.000 description 5
- 230000003287 optical effect Effects 0.000 description 5
- 238000013152 interventional procedure Methods 0.000 description 4
- 230000015654 memory Effects 0.000 description 4
- 238000010968 computed tomography angiography Methods 0.000 description 3
- 230000008901 benefit Effects 0.000 description 2
- 210000000988 bone and bone Anatomy 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 239000002872 contrast media Substances 0.000 description 2
- 230000005855 radiation Effects 0.000 description 2
- 239000000523 sample Substances 0.000 description 2
- 239000004065 semiconductor Substances 0.000 description 2
- 210000004872 soft tissue Anatomy 0.000 description 2
- ORILYTVJVMAKLC-UHFFFAOYSA-N Adamantane Natural products C1C(C2)CC3CC1CC2C3 ORILYTVJVMAKLC-UHFFFAOYSA-N 0.000 description 1
- 238000002679 ablation Methods 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 238000002583 angiography Methods 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 210000001367 artery Anatomy 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 238000001574 biopsy Methods 0.000 description 1
- 230000017531 blood circulation Effects 0.000 description 1
- 230000036772 blood pressure Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000010102 embolization Effects 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 238000002608 intravascular ultrasound Methods 0.000 description 1
- 238000002595 magnetic resonance imaging Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 238000012014 optical coherence tomography Methods 0.000 description 1
- 238000012552 review Methods 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 230000003595 spectral effect Effects 0.000 description 1
- 238000013179 statistical model Methods 0.000 description 1
- 238000010200 validation analysis Methods 0.000 description 1
- 238000012800 visualization Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/50—Depth or shape recovery
- G06T7/55—Depth or shape recovery from multiple images
- G06T7/564—Depth or shape recovery from multiple images from contours
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/50—Depth or shape recovery
- G06T7/55—Depth or shape recovery from multiple images
-
- 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
-
- 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
- G06T2207/10116—X-ray 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
- 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
- G06T2207/30021—Catheter; Guide wire
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Image Analysis (AREA)
- Apparatus For Radiation Diagnosis (AREA)
- Magnetic Resonance Imaging Apparatus (AREA)
- Ultra Sonic Daignosis Equipment (AREA)
Description
血管領域の3次元形状を表す体積画像データを受信するステップと、
血管領域内の介入装置の1つ以上の2次元投影を表すX線画像データを受信するステップと、
介入装置の1つ以上の2次元投影に対応する血管領域内の介入装置の3次元形状を表すグラウンドトゥルース介入装置形状データを受信するステップと、
受信されたX線画像データ及び受信された体積画像データをニューラルネットワークに入力し、ニューラルネットワークによって予測される介入装置の3次元形状と受信されたグラウンドトゥルース介入装置形状データとの差を表す第1の損失関数に基づいて、ニューラルネットワークのパラメータを調整し、ニューラルネットワークによって予測される介入装置の3次元形状が、受信された体積画像データによって表される血管領域の3次元形状内にフィットするように、前記調整を束縛することによって、受信されたX線画像データ及び受信された体積画像データから、血管領域によって制約される介入装置の3次元形状を予測するようにニューラルネットワークを訓練するステップと、
を含む。
血管領域の3次元形状を表す体積画像データを受信するステップと、
血管領域内の介入装置の2次元投影を表すX線画像データを受信するステップと、
受信されたX線画像データ及び受信された体積画像データから、血管領域によって制限される介入装置の3次元形状を予測するように訓練されたニューラルネットワークに、受信されたX線画像データ及び受信された体積画像データを入力し、入力に応答して、ニューラルネットワークを使用して、受信されたX線画像データ及び受信された体積画像データから、血管領域によって制限される介入装置の3次元形状を予測するステップと、
を含む。
血管領域の3次元形状を表す体積画像データ110を受信するステップS110と、
血管領域内の介入装置の1つ又は複数の2次元投影を表すX線画像データ120を受信するステップS120と、
介入装置の1つ以上の2次元投影に対応する血管領域内の介入装置の3次元形状を表すグラウンドトゥルース介入装置形状データ130を受信するステップS130と、
受信されたX線画像データ120及び受信された体積画像データ110をニューラルネットワーク140に入力するステップS150、ニューラルネットワーク150によって予測される介入装置の3次元形状と、受信されたグラウンドトゥルース介入装置形状データ130との間の差異を表す第1の損失関数160に基づいて、ニューラルネットワーク140のパラメータを調整するステップS160、ニューラルネットワーク150によって予測される介入装置の3次元形状が、受信された体積画像データ110によって表される血管領域の3次元形状内にフィットするように、調整を拘束するステップによって、受信されたX線画像データ120及び受信された体積画像データ110から、血管領域150によって拘束される介入装置の3次元形状を予測するステップS140と、
を含む。
造影コンピュータ断層撮影画像データ、
3D超音波画像データ、
コーンビームコンピュータ断層撮影画像データ、
磁気共鳴画像データ、
解剖学的アトラスモデルデータ、
血管領域の1つ以上の2次元投影を表すX線画像データを再構成することによって生成される再構成された体積画像データ、
の1つ以上によって提供されてもよい。
コンピュータ断層撮影画像データ、
造影コンピュータ断層撮影画像データ、
コーンビームコンピュータ断層撮影画像データ、
国際公開第2007/109778(A1)号に開示されているような介入装置に機械的に結合された複数の光ファイバ形状センサによって生成された光ファイバ形状感知位置データ、
国際公開第2015/165736(A1)号に開示されているような介入装置に機械的に結合された1つ又は複数の電磁追跡センサ又はエミッタによって生成された電磁追跡位置データ、
米国特許出願公開第2019/254564(A1)号明細書に開示されているような介入装置に機械的に結合された1つ又は複数の誘電体センサによって生成された誘電マッピング位置データ、及び
国際公開第2020/030557(A1)号明細書に開示されているような介入装置に機械的に結合された1つ又は複数の超音波追跡センサ又はエミッタによって生成された超音波追跡位置データ、
の1つ以上を含み得る。
受信されたX線画像データ120から、介入装置の3次元形状に対する解剖学的特徴の位置を予測するためにニューラルネットワーク140を訓練するステップと、
介入装置の3次元形状に対する解剖学的特徴の予測された位置と受信された体積画像データ110における血管領域の3次元形状に対する解剖学的特徴の位置との間の差に基づいて、調整を拘束するステップと、
を有する。
血管領域の3次元形状を表す体積画像データ210を受信するステップS210と、
血管領域内の介入装置の2次元投影を表すX線画像データ220を受信するステップS220と、
受信されたX線画像データ220及び受信された体積画像データ210から、血管領域150によって拘束される介入装置の3次元形状を予測するように、受信されたX線画像データ220及び受信された体積画像データ210を、訓練されたニューラルネットワーク140に入力するステップS230と、
入力するステップS230に応答して、ニューラルネットワーク140を使用して、受信されたX線画像データ220及び受信された体積画像データ210から、血管領域150によって拘束される介入装置の3次元形状を予測するステップS240と、
を含む。
Claims (15)
- 血管領域内に配置された介入装置の3次元形状を予測するためのニューラルネットワークを提供するシステムの作動方法において、前記システムは、プロセッサを有し、前記方法は、
前記プロセッサが、前記血管領域の3次元形状を表す体積画像データを受信するステップと、
前記プロセッサが、前記血管領域内の前記介入装置の1つ又は複数の2次元投影を表すX線画像データを受信するステップと、
前記プロセッサが、前記介入装置の前記1つ又は複数の2次元投影に対応する前記血管領域内の前記介入装置の3次元形状を表すグラウンドトゥルース介入装置形状データを受信するステップと、
前記プロセッサが、前記受信されたX線画像データ及び前記受信された体積画像データから、前記血管領域によって拘束された前記介入装置の3次元形状を予測するためのニューラルネットワークを訓練するステップであって、前記受信されたX線画像データ及び前記受信された体積画像データを前記ニューラルネットワークに入力し、前記ニューラルネットワークによって予測される前記介入装置の3次元形状と、前記受信されたグラウンドトゥルース介入装置形状データとの間の差を表す第1の損失関数に基づいて前記ニューラルネットワークのパラメータを調整し、前記ニューラルネットワークによって予測される前記介入装置の前記3次元形状が、前記受信された体積画像データによって表される前記血管領域の前記3次元形状内にフィットするように、前記調整を拘束することによって、訓練するステップと、
を有する、方法。 - 前記ニューラルネットワークのパラメータの前記調整は、前記ニューラルネットワークによって予測された前記介入装置の前記3次元形状の2次元投影と、前記受信されたX線画像データとの間の差を表す第2の損失関数に更に基づいており、前記介入装置の前記3次元形状の前記2次元投影、及び前記受信されたX線画像データが、共通の表面上に投影される、請求項1に記載の方法。
- 前記プロセッサが、前記ニューラルネットワークによって予測される前記介入装置の前記3次元形状の推定される不確実性さを計算するステップを更に有する、請求項1又は2に記載の方法。
- 前記体積画像データは、
コンピュータ断層撮影画像データと、
造影コンピュータ断層撮影画像データと、
3D超音波画像データと、
コーンビームコンピュータ断層撮影画像データと、
磁気共鳴画像データと、
解剖学的アトラスモデルデータと、
前記血管領域の1つ又は複数の2次元投影を表すX線画像データを再構成することによって生成される再構成された体積画像データと、
のうちの1つ又は複数を有する、請求項1乃至3のいずれか一項に記載の方法。 - 前記プロセッサが、前記介入装置の前記1つ又は複数の2次元投影を提供するために、前記受信されたX線画像データをセグメント化するステップを有し、前記受信されたX線画像データを前記ニューラルネットワークに入力することが、前記セグメント化された受信されたX線画像データを前記ニューラルネットワークに入力することを含む、請求項1乃至4のいずれか一項に記載の方法。
- 前記グラウンドトゥルース介入装置形状データは、
コンピュータ断層撮影画像データと、
造影コンピュータ断層撮影画像データと、
コーンビームコンピュータ断層撮影画像データと、
前記介入装置に機械的に結合された複数の光ファイバ形状センサによって生成された光ファイバ形状感知位置データと、
前記介入装置に機械的に結合された1つ又は複数の電磁追跡センサ又はエミッタによって生成された電磁追跡位置データと、
前記介入装置に機械的に結合された1つ又は複数の誘電体センサによって生成された誘電体マッピング位置データと、
前記介入装置に機械的に結合された1つ又は複数の超音波追跡センサ又はエミッタによって生成された超音波追跡位置データと、
のうちの1つ又は複数を有する、請求項1乃至5のいずれか一項に記載の方法。 - 前記ニューラルネットワークを訓練するステップは、前記ニューラルネットワークによって予測される前記介入装置の前記3次元形状が、前記介入装置の1つ又は複数の機械的拘束を満たすように、前記調整を制約することを含む、請求項1乃至6のいずれか一項に記載の方法。
- 前記ニューラルネットワークは、畳み込みニューラルネットワーク、エンコーダデコーダネットワーク、敵対的生成ネットワーク、カプセルネットワーク、回帰ネットワーク、強化学習エージェント、再帰ニューラルネットワーク、長期短期メモリネットワーク、時間畳み込みネットワーク、及び変換器のうちの1つ又は複数を有する、請求項1乃至7のいずれか一項に記載の方法。
- 前記受信された体積画像データが、解剖学的特徴の3次元形状を更に表し、前記受信されたX線画像データが、前記解剖学的特徴の2次元投影を更に表し、前記ニューラルネットワークの前記訓練が、前記受信されたX線画像データから、前記介入装置の前記3次元形状に対する前記解剖学的特徴の位置を予測するように前記ニューラルネットワークを訓練することを更に含み、更に、前記介入装置の前記3次元形状に対する前記解剖学的特徴の前記予測された位置と、前記受信された体積画像データにおける前記血管領域の前記3次元形状に対する前記解剖学的特徴の前記位置との間の差に基づいて前記調整を拘束することを含む、請求項1乃至8のいずれか一項に記載の方法。
- 血管領域内に配置された介入装置の3次元形状を予測するシステムの作動方法において、前記システムは、プロセッサを有し、前記方法は、
前記プロセッサが、前記血管領域の3次元形状を表す体積画像データを受信するステップと、
前記プロセッサが、前記血管領域内の前記介入装置の1つ又は複数の2次元投影を表すX線画像データを受信するステップと、
前記プロセッサが、前記受信されたX線画像データ及び前記受信された体積画像データから、前記血管領域によって拘束される前記介入装置の3次元形状を予測するように訓練されたニューラルネットワークに、前記受信されたX線画像データ及び前記受信された体積画像データを入力し、前記入力に応答して、前記ニューラルネットワークを使用して、前記受信されたX線画像データ及び前記受信された体積画像データから、前記血管領域によって拘束される前記介入装置の3次元形状を予測するステップと、
を有する方法。 - 前記プロセッサが、前記介入装置の少なくとも1つの予測された2次元投影を提供するように、前記ニューラルネットワークによって予測された前記介入装置の前記予測された3次元形状を、少なくとも1つの表面上に投影するステップを更に有する、請求項10に記載の方法。
- 前記投影するステップは、前記ニューラルネットワークによって予測された前記介入装置の前記予測された3次元形状を複数の交差する表面上に投影することを含む、請求項11に記載の方法。
- 前記ニューラルネットワークは、前記血管領域内の前記介入装置の1つのみの2次元投影と、前記受信された体積画像データとから、前記血管領域によって拘束される前記介入装置の前記3次元形状を予測するように訓練される、請求項10乃至12のいずれか一項に記載の方法。
- 血管領域内に配置された介入装置の3次元形状を予測するためのシステムにおいて、請求項10に記載の方法を実行するように構成された1つ又は複数のプロセッサを有する、システム。
- 1つ又は複数のプロセッサによって実行されると、前記1つ又は複数のプロセッサに、請求項1又は請求項10に記載の方法を実行させる命令を有するコンピュータプログラム。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US202063116184P | 2020-11-20 | 2020-11-20 | |
US63/116,184 | 2020-11-20 | ||
PCT/EP2021/081758 WO2022106377A1 (en) | 2020-11-20 | 2021-11-16 | Determining interventional device shape |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2023546521A JP2023546521A (ja) | 2023-11-02 |
JP7421689B2 true JP7421689B2 (ja) | 2024-01-24 |
Family
ID=78806493
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2023528482A Active JP7421689B2 (ja) | 2020-11-20 | 2021-11-16 | 介入装置形状の決定 |
Country Status (5)
Country | Link |
---|---|
US (1) | US20230334686A1 (ja) |
EP (1) | EP4248404B1 (ja) |
JP (1) | JP7421689B2 (ja) |
CN (1) | CN116472553A (ja) |
WO (1) | WO2022106377A1 (ja) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2024110335A1 (en) | 2022-11-21 | 2024-05-30 | Koninklijke Philips N.V. | Providing projection images |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20180279974A1 (en) | 2017-04-03 | 2018-10-04 | Katharina Breininger | Determining stiffness information of a medical instrument |
CN111798451A (zh) | 2020-06-16 | 2020-10-20 | 北京理工大学 | 基于血管3d/2d匹配的3d导丝跟踪方法及装置 |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP5631585B2 (ja) | 2006-03-22 | 2014-11-26 | 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. | 光ファイバ機器センシングシステム |
RU2016145933A (ru) | 2014-04-29 | 2018-05-29 | Конинклейке Филипс Н.В. | Устройство для определения конкретного положения катетера |
US10278616B2 (en) | 2015-05-12 | 2019-05-07 | Navix International Limited | Systems and methods for tracking an intrabody catheter |
WO2020030557A1 (en) | 2018-08-08 | 2020-02-13 | Koninklijke Philips N.V. | Tracking an interventional device respective an ultrasound image plane |
-
2021
- 2021-11-16 CN CN202180078019.6A patent/CN116472553A/zh active Pending
- 2021-11-16 EP EP21815421.9A patent/EP4248404B1/en active Active
- 2021-11-16 US US18/034,589 patent/US20230334686A1/en active Pending
- 2021-11-16 WO PCT/EP2021/081758 patent/WO2022106377A1/en active Application Filing
- 2021-11-16 JP JP2023528482A patent/JP7421689B2/ja active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20180279974A1 (en) | 2017-04-03 | 2018-10-04 | Katharina Breininger | Determining stiffness information of a medical instrument |
CN111798451A (zh) | 2020-06-16 | 2020-10-20 | 北京理工大学 | 基于血管3d/2d匹配的3d导丝跟踪方法及装置 |
Also Published As
Publication number | Publication date |
---|---|
US20230334686A1 (en) | 2023-10-19 |
WO2022106377A1 (en) | 2022-05-27 |
EP4248404B1 (en) | 2024-06-26 |
CN116472553A (zh) | 2023-07-21 |
JP2023546521A (ja) | 2023-11-02 |
EP4248404A1 (en) | 2023-09-27 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP7312301B2 (ja) | 次数低減モデル及び/または機械学習を使用して血流特性を推定するためのシステム及び方法 | |
CN106037710B (zh) | 在医学成像中合成数据驱动的血液动力学测定 | |
US10646185B2 (en) | iFR-CT | |
US11931195B2 (en) | Assessment of coronary artery calcification in angiographic images | |
JP7421689B2 (ja) | 介入装置形状の決定 | |
CN111954907A (zh) | 基于机器学习的血管成像中的分辨和操纵决策焦点 | |
US20230102246A1 (en) | Probabilistic tree tracing and large vessel occlusion detection in medical imaging | |
US20240020877A1 (en) | Determining interventional device position | |
EP4186455A1 (en) | Risk management for robotic catheter navigation systems | |
JP7426824B2 (ja) | 非侵襲的イメージングベースのffrのインタラクションモニタリング | |
JP2024515068A (ja) | 介入装置のナビゲート | |
EP4181058A1 (en) | Time-resolved angiography | |
EP4173585A1 (en) | Method for identifying a vascular access site | |
US20230178248A1 (en) | Thrombus treatment metric | |
US20240029868A1 (en) | Ai-based analysis of coronary angiograms | |
WO2024110335A1 (en) | Providing projection images | |
WO2023186610A1 (en) | Intravascular procedure step prediction | |
WO2023083700A1 (en) | Time-resolved angiography | |
WO2023072973A1 (en) | Identifying a vascular access site | |
WO2023104559A1 (en) | Thrombus treatment metric | |
Manandhar et al. | Automated IVUS Segmentation using Deformable Template Model with Feature Tracking |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20230512 |
|
A871 | Explanation of circumstances concerning accelerated examination |
Free format text: JAPANESE INTERMEDIATE CODE: A871 Effective date: 20230512 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20230921 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20231215 |
|
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: 20240105 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20240112 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 7421689 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |