結腸のディジタル画像におけるポリープの識別方法が提供され、結腸のディジタル画像は３次元空間内のボクセルのドメインに対応する複数の強度から成る。本発明による方法は、画像に３つの互いに直交する軸のセットを付与するステップと、画像の軸に関して異なる方位にある複数の切断面を付与するステップと、画像の各ボクセルについて、中心ボクセルのまわりに切断面の各々を心出しするステップ（１０１）と、画像の各ボクセルのまわりの複数の切断面の各々について、結腸との切断面の交差を決定し、前記交差内での切断面のトレースを調べるステップ（１０２）と、各切断面のトレースが小さく丸い場合、交差におけるそれらのボクセルを以後の分析のためにマークするステップ（１０３）とを含む。
（もっと読む）

被験者の興味のある領域の複数の診断用画像が生成され、患者のデータベース（１０）に記憶される。これら画像の１つにおいて、例えば腫瘍のような興味のある領域が特定される。同じ興味のある領域の他の画像を前記データベースから検索される。腫瘍の特徴を示すパラメタ値は、各画像から抽出され、時間毎に表又はグラフ形式で表示される。これら画像は、興味のある領域の腫瘍の時間的進展を説明するために、再フォーマット、スケーリング及びシネフォーマット(cine format)で表示される。
（もっと読む）

対象の空間−時間（４Ｄ）モデリング用の方法及びシステムは、３Ｄモデルを形成するための時間点と同一時間点で４Ｄモデルをサンプリングすることを有している。それから、この３Ｄモデルは、ユーザが供給したガイドポイント、画像フォース（例えば、画像エッジ）及び先行の形状モデルに基づいて適合される。3Ｄモデルの適合が完了すると、全４Ｄ形状モデルが更新される。心臓画像は、空間−時間的にモデリングされて、左心室（ＬＶ）の状態を決定することができる。
（もっと読む）

患者血管系の１つまたは複数の領域におけるプラークの検出および分析のための自動化方法およびシステムが記載される。
（もっと読む）

本発明は、画像配置システムまたは方法（該「システム」）である。定義サブシステムは、第１の画像、第２の画像、１以上の対象基準点、１以上のひな型基準点、及び幾何学目標を含む。定義サブシステムは、第２の画像に関して第１の画像の位置を定めるための幾何学目標を提供することにより、第１の画像に関連付けられた１以上の対象基準点と第２の画像に関連付けられた１以上のひな型基準点とを識別する。結合サブシステムは、第１の画像と第２の画像とから配置画像を生成するように構成される。インターフェースサブシステムは、ユーザとシステムとの対話を容易にするために使用可能である。
（もっと読む）

ディジタル画像中の球形対象を識別する方法を提案する。画像は複数の３Ｄ空間点を含む。この方法は画像ドメイン内の各点において画像の勾配を計算し（１００）；画像ドメイン内の各点において基本構造テンソルを計算し（１０２）；画像ドメイン内の各点の構造テンソルを求め（１０３）；構造テンソルの固有値を求め（１０４）；各構造テンソルについて、前記構造テンソルの最小固有値と前記構造テンソルの最大固有値の比で表される等方性値を計算し(１０５)、球形対象であることを示す等方性度=１を見出すステップから成る。
（もっと読む）

発明者は対象の空間的位置に基づく複数の異なる分類子を使用することを提案する。このアプローチの背景には、複数の分類子の方が特徴空間全体をカバーする“ユニバーサル”分類子よりも正確に局所コンセプトを学習できるのではないか、という直感的なアイデアがある。局所分類子を採用すれば、特定の類に属する複数の対象がこの特定類中において互いに高度の類似性を有することになる。局所分類子の採用は、特に分類子がカーネル方式である場合、メモリー、ストレージ及び性能全般の向上にもつながる。ここで使用する語“カーネル方式分類子”とは元の訓練データを、分類タスクを容易にする、より高い次元の空間にマップするためにマッピング機能（即ち、カーネル）が使用されている分類子を意味する。
（もっと読む）

複数の３Ｄボリューム・ポイントを含むディジタル画像中の病変部位及びポリープを検出する方法を提供する。この方法は、画像中の曲面を識別し（１０１）、曲面中のそれぞれのポイントに関して、第１曲率測度を計算し（１０２）、曲面中のそれぞれのポイントに関して、それぞれのポイントが１組のリングの中心点となり、それぞれのリングがこのリングの中心点から測地学的に等距離であるようにそれぞれのポイントを中心に１組のリングを形成し(１０３)、それぞれのリングに関して、第１曲率測度の標準偏差を計算し（１０４）、第１曲率測度の標準偏差が最小のリングを選択する（１０５）ステップを含む。選択されたリングに関して、第１曲率勾配を計算し(１０７)、曲率勾配がポリープまたは病変部位として予測されるパターンから逸脱しているポイントを曲面から消去する（１０８）。
（もっと読む）

本発明は、特特徴部位視覚化のための器官画像展開処理システム（１００）と方法（２００）に関している。前記システム（１００）は、プロセッサ（１０２）と、器官の走査データを受信するためにプロセッサと信号通信している結像アダプタ（１３０）と、走査データにモデルを適合化させるためにプロセッサと信号通信しているモデリングユニット（１７０）と、三次元モデル走査データを展開処理するためにプロセッサと信号通信している展開処理ユニット（１８０）を含み、これに対応している前記方法（２００）は、器官の外表面をセグメント化するステップと、器官の三次元モデルをパラメータ化するステップと、器官中心から三次元モデル表面への射線キャスティングステップと、前記射線キャスティングに対応して器官の三次元モデルを展開処理するステップを含んでいる。
（もっと読む）

本発明の医用画像診断支援装置は、医用画像装置によって得られた被検者の医用画像から臓器部位を設定する臓器部位設定手段と、この臓器部位設定手段によって設定された臓器部位の変形度を算出する変形度算出手段と、前記臓器部位の変形度の指標を基準値として記憶する基準値記憶手段と、この基準値記憶手段によって記憶された基準値と前記変形度算出手段によって算出された変形度とを比較し、その比較結果からの前記臓器部位の病変の存在を判別する病変判別手段と、この病変判別手段によって判別された前記臓器部位の病変の存在を検者の視覚、聴覚の少なくとも一つの感覚に通知する通知手段とを備える。 これにより、臓器部位が疾患により変形した箇所だけを選択的に診断し、その診断部位の形状変化を画像表示などの検者の視覚や音声などの検者の聴覚で通知できるようになるから、診断の効率を向上できる。 （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）

患者のために低侵襲的直接冠動脈バイパス（ＭＩＤＣＡＢ）を計画する方法（２００）は、医用撮像システムから獲得データを取得するステップと、関心のある冠動脈及び１つ又は複数の心腔の３Ｄモデル（１３０）を生成するステップとを含む。３Ｄモデル（１３０）上で１つ又は複数の解剖学的ランドマークが識別され、３Ｄモデル（１３０）のセーブされたビューが介入システム上に登録される。登録された１つ以上のセーブされたビューは介入システムによって視覚化される。
（もっと読む）

医用画像中の問題部位を自動的に検出し、マークするために機械学習分類を利用するＣＡＤ（コンピュータ援用決定）支援システム、方法及びツールを提供する。機械学習方法は日常のＣＡＤシステム利用の過程において得られるトレイニング・データを利用して絶えずＣＡＤプロセスに医師としての知識を組み込むことによってＣＡＤプロセスを適合させ/最適化するのに利用される。
（もっと読む）

【課題】患者の医療記録から取得した患者情報（画像データと非画像データ）の様々な特徴／パラメータを解析する壁運動解析法を使用して局所心筋機能を自動的に評価するシステム及び方法を提供する。
【解決手段】心撮像の自動診断支援を提供する方法は、一般に、患者の心臓の画像データを取得する段階と、心臓の画像データから心臓の心筋運動と関連した特徴を取得する段階と、取得した特徴を使用して心筋壁の一以上の領域の局所心筋機能を自動的に評価する段階とを含む。
（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）