本発明は、医療測定データを自動的に表示する方法であって、コンピュータが前記医療測定データを受け取り、該受領された測定データを自動的にリアルタイムでヒストグラム用データに変換し、変換されたデータを画像信号として出力する方法に関する。
（もっと読む）

コンピュータ化されたモデルが、ヒト脊髄をシミュレーションし、将来の損傷の確率または過去に起こった特定の損傷が起きる見込みについての推測を引き出すことを可能にする。脊髄は、多数の有限要素から形成される複数の２次元グラフによってモデル化される。２次元グラフは、患者の様々な脊椎レベルで、測定された脊髄の位置に対応する位置に積み重ねられる。積み重ねられたグラフは、他の患者から取得した同様のデータと比較することのできる３次元モデルを生成する。モデルは脊髄の全部または一部に加えられる応力のシミュレーションを含むことができ、それによって摂動された３次元モデルが生成され、それを既知の損傷を有する患者から取得した同様のデータと再度比較することができる。したがって、本発明を使用して、特に車両またはスポーツ事故の結果として起こる脊髄損傷の主張を検証することができる。
（もっと読む）

データ内の関心ボリュームを決定するための方法が、複数の分析帯域幅の固定帯域幅の評価を決定することを含み、それにおいて固定帯域幅の評価は、データ内の関心ボリュームのモード・ロケーションの評価を提供すること、および局所的ヘッセ行列を使用して関心ボリュームの共分散を決定することを包含する。さらにこの方法は、複数の分析帯域幅のそれぞれにわたってもっとも安定した固定帯域幅の評価として関心ボリュームを決定することを含む。
（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）

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）

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）

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）

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）

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）