冠状動脈ツリーは、脈管の中心線(38)との最善フィットがみられる基準球体(32)によって近似される。基準表面(32)をグリッド化して画素(52)の範囲を定める。基準球体(32)は、真の形態の表面(56)が判定されるように中心線(38)にフィットさせるようマッピングされる。真の形態の表面(56)までの、壁の厚さは、好ましくは、ユーザによって規定される。各画素の法線が、ボクセルのグレイスケール値についてサーチされる。各画素(52)は、相当する法線が交差する、規定される、壁の厚さ内のボクセルのグレイスケール値の最大値が割り当てられる。結果として生じる、真の形態の表面は、脈管にわたって描かれる真の表面上に延びる動脈ツリーをそのコンテキストにおいて明らかにする、歪みのない視覚化モードである。割り当てグレイスケール値を基準表面(32)上にマッピングすることによって、球体として、回転できるように検査し得る球体表面(84)上に動脈ツリーが視覚化される。割り当てグレイスケール値を平坦な表面にマッピングすることによって、2次元マップ上に動脈ツリーが視覚化される。

（もっと読む）

患者の共通領域の現行診断画像及びアーカイブ診断画像が第１メモリ(14)及び第２メモリ(18)にロードされる。診断画像は、特徴画像(24)に変換され、スケーリングされ（40）、正規化される(42)。アフィン変換判定プロセッサ(50)は、現行画像とアーカイブ画像との間の誤差を表すアフィン変換を生成する。変換処理手段(90)は、アフィン変換によって診断画像のうちの一方を処理して、2つの画像を登録させる。ディスプレイ・プロセッサ(104)は、登録された第１画像及び第２画像の断面の相当する対をモニタ(22)上に表示する。ステップ・プロセッサ(102)は、登録画像の表示断面対を、連係して一緒に進めさせる。
（もっと読む）

本発明は、医用イメージングにおける解剖学的構造の集合の効率的なセグメンテーションの分野に関する。例えば、放射線治療計画においては、リスク器官内のターゲットボリュームを表すいくつかの解剖学的構造の集合のセグメンテーションが要求される。モデルに基づくセグメンテーションを使用するとき、フレキシブルな表面によって表される器官モデルが、関心のあるオブジェクトの境界に適応される。本発明の１つの見地によれば、オブジェクト特有のアプリオリな情報が、セグメンテーションプロセスに組み込まれ、これにより、改善されたセグメンテーションを提供することを可能にする。更に、本発明によるセグメンテーションプロセスは、改善されたロバストネスを有することができ、更に、セグメンテーションに必要な時間が低減されることができる。
（もっと読む）

【課題】光および画像化の第２形態を用いてマルチモーダル画像化を行うシステムおよび方法を提供する。
【解決手段】光学画像化は、発光対象物からの低強度の光をキャプチャすることを伴う。カメラは、対象物の表面から放射された光の２次元空間分布を得る。カメラと通信するコンピュータによって操作されるソフトウェアは、１つ以上の画像からの２次元空間分布を３次元空間表現へ変換しえる。第２画像化モードは、光学画像化を補完する任意の画像化技術を含みえる。例としては、磁気共鳴画像（ＭＲＩ）およびコンピュータトモグラフィ（ＣＴ）が含まれる。対象物ハンドリングシステムは、画像化される対象物を光学画像化システムおよび第２画像化システム間で移動させ、それぞれのシステムをインタフェースするよう構成される。 （もっと読む）

心臓灌流を定量的に評価するためのコンピュータ可読媒体、装置及び方法。一連の心臓画像に表される心筋は、画像セグメントに分割され、画像セグメントは、少なくとも１の画像ピクセルを有する。心臓灌流パラメータが、前記画像セグメントの各々について決定される。正規灌流パラメータ値を有する少なくとも１の画像セグメントが、選択される。そののち、残りの画像セグメントの心臓灌流パラメータは、正常灌流を有する前記画像セグメントの前記正規灌流パラメータ値に基づくものにされる。一実施例によれば、灌流パラメータは、前記心筋におけるコントラスト剤の分布に関する時間−強度プロファイルの最大上り勾配である。正規最大上り勾配が、少なくとも１の画像セグメントについて導き出され、相対的な最大上り勾配が、それぞれのセグメントについて、正規最大上り勾配に対して計算される。これらの値に基づいて、負荷時に導き出される心筋灌流パラメータと、安静時に導き出される心筋灌流パラメータとの比率が、それぞれのセグメントについて計算されることができる。例えば心筋灌流予備能指数（ＭＰＲＩ）が、安静時及び負荷時に導き出される相対的な最大上り勾配の比率として、それぞれの画像セグメントについて計算される。
（もっと読む）

乳房撮像ＣＡＤ（コンピュータ診断）システム及びアプリケーションは、患者から収集した情報（画像データ及び／又は非画像データを含む）から特徴を自動的に抽出し分析することにより、例えば、乳癌の自動診断及び、例えば、乳癌のスクリーニング及び段階付け等の決定支援を可能にする他の自動決定機能を含む医師のワークフローの種々の局面について決定支援を行う。ＣＡＤシステムは、１またはそれ以上の関連の臨床ドメインにおける標識化された患者症例のデータベースから取得（学習）される訓練データセット及びかかるデータの専門家による解釈を用いることにより、ＣＡＤシステムが患者データの分析について「学習」し、医師のワークフローを支援する適切な診断評価及び決定を行えるようにする機械学習法を実施する。

（もっと読む）