公开(公告)号：US20130197884A1

公开(公告)日：2013-08-01

申请号：US13757517

申请日：2013-02-01

申请人： Tommaso Mansi ,  Viorel Mihalef ,  Xudong Zheng ,  Bogdan Georgescu ,  Saikiran Rapaka ,  Puneet Sharma ,  Ali Kamen ,  Dorin Comaniciu

发明人： Tommaso Mansi ,  Viorel Mihalef ,  Xudong Zheng ,  Bogdan Georgescu ,  Saikiran Rapaka ,  Puneet Sharma ,  Ali Kamen ,  Dorin Comaniciu

IPC分类号： G06F19/00

CPC分类号： G06F19/3437 ,  G06F19/00 ,  G06T19/00 ,  G06T2210/41 ,  G16H50/50

摘要： Method and system for computation of advanced heart measurements from medical images and data; and therapy planning using a patient-specific multi-physics fluid-solid heart model is disclosed. A patient-specific anatomical model of the left and right ventricles is generated from medical image patient data. A patient-specific computational heart model is generated based on the patient-specific anatomical model of the left and right ventricles and patient-specific clinical data. The computational model includes biomechanics, electrophysiology and hemodynamics. To generate the patient-specific computational heart model, initial patient-specific parameters of an electrophysiology model, initial patient-specific parameters of a biomechanics model, and initial patient-specific computational fluid dynamics (CFD) boundary conditions are marginally estimated. A coupled fluid-structure interaction (FSI) simulation is performed using the initial patient-specific parameters, and the initial patient-specific parameters are refined based on the coupled FSI simulation. The estimated model parameters then constitute new advanced measurements that can be used for decision making.

摘要翻译： 用于从医学图像和数据计算先进心脏测量的方法和系统; 并且公开了使用患者特定的多物理流体 - 固体心脏模型的治疗计划。 从医学图像患者数据生成左心室和右心室的患者特异性解剖模型。 基于左心室和右心室的患者特异性解剖模型和患者特异性临床数据生成患者特异性计算心脏模型。 计算模型包括生物力学，电生理学和血液动力学。 为了产生患者特异性计算心脏模型，电生理模型的初始患者特异性参数，生物力学模型的初始患者特异性参数和初始患者特异性计算流体动力学（CFD）边界条件被轻微估计。 使用初始患者特异性参数进行耦合的流体结构相互作用（FSI）模拟，并且基于耦合的FSI模拟来改进初始的患者特异性参数。 估计的模型参数然后构成可用于决策的新的高级测量。

公开(公告)号：US20120232853A1

公开(公告)日：2012-09-13

申请号：US13416216

申请日：2012-03-09

申请人： Ingmar Voigt ,  Razvan Ioan Ionasec ,  Bogdan Georgescu ,  Tommaso Mansi ,  Dorin Comaniciu ,  Helene C. Houle ,  Etienne Assoumou Mengue

发明人： Ingmar Voigt ,  Razvan Ioan Ionasec ,  Bogdan Georgescu ,  Tommaso Mansi ,  Dorin Comaniciu ,  Helene C. Houle ,  Etienne Assoumou Mengue

IPC分类号： G06G7/60 ,  G06F17/50

CPC分类号： G06F19/3437 ,  G06F19/00 ,  G06F19/321 ,  G06T7/149 ,  G06T7/344 ,  G06T2207/20081 ,  G06T2207/30048 ,  G16H50/50

摘要： Physically-constrained modeling of a heart is provided. Patient-specific data may be used to estimate heart anatomy locations. A model is applied to the data for estimation. For increased accuracy of estimation, the biomechanics of the heart, such as the valve, may be used to constrain the estimation. By applying a dynamic system between estimated anatomy locations of different times, the locations may be deformed or refined. The modeled heart and/or valve may be used to estimate hemodynamics. The resulting velocities or other motion information may be used to emulate ultrasound Doppler imaging for comparing with acquired ultrasound Doppler data. The comparison may validate the modeling.

摘要翻译： 提供了心脏的物理约束建模。 患者特异性数据可用于估计心脏解剖位置。 将模型应用于数据进行估计。 为了提高估计精度，可以使用心脏的生物力学（例如阀）来限制估计。 通过在不同时间的估计解剖位置之间应用动态系统，位置可以变形或改进。 建模的心脏和/或阀可用于估计血液动力学。 所得到的速度或其他运动信息可用于模拟超声多普勒成像以与获得的超声多普勒数据进行比较。 比较可以验证建模。

公开(公告)号：US08218849B2

公开(公告)日：2012-07-10

申请号：US12549461

申请日：2009-08-28

申请人： Xiaoguang Lu ,  Bogdan Georgescu ,  Dorin Comaniciu ,  Arne Littmann ,  Edgar Mueller

发明人： Xiaoguang Lu ,  Bogdan Georgescu ,  Dorin Comaniciu ,  Arne Littmann ,  Edgar Mueller

IPC分类号： A61B6/03

CPC分类号： G06K9/72 ,  G06T7/13 ,  G06T7/73 ,  G06T2207/10088 ,  G06T2207/20164 ,  G06T2207/30048

摘要： A method and system for detecting anatomic landmarks in medical images is disclosed. In order to detect multiple related anatomic landmarks, a plurality of landmark candidates are first detected individually using trained landmark detectors. A joint context is then generated for each combination of the landmark candidates. The best combination of landmarks in then determined based on the joint context using a trained joint context detector.

摘要翻译： 公开了用于检测医学图像中的解剖学标记的方法和系统。 为了检测多个相关的解剖标志，首先使用训练有素的地标检测器单独检测多个地标候选物。 然后为地标候选人的每个组合生成联合上下文。 使用训练有素的联合上下文检测器，基于联合上下文确定的地标的最佳组合。

公开(公告)号：US08194955B2

公开(公告)日：2012-06-05

申请号：US12231770

申请日：2008-09-05

申请人： Benjamin J. Sapp ,  Wei Zhang ,  Bogdan Georgescu ,  Simone Prummer ,  Dorin Comaniciu

发明人： Benjamin J. Sapp ,  Wei Zhang ,  Bogdan Georgescu ,  Simone Prummer ,  Dorin Comaniciu

IPC分类号： G06K9/00

CPC分类号： G06K9/00 ,  G06K2209/05 ,  G06T7/0012

摘要： A method and system for detecting a spatial and temporal location of a contrast injection in a fluoroscopic image sequence is disclosed. Training volumes generated by stacking a sequence of 2D fluoroscopic images in time order are annotated with ground truth contrast injection points. A heart rate is globally estimated for each training volume, and local frequency and phase is estimated in a neighborhood of the ground truth contrast injection point for each training volume. Frequency and phase invariant features are extracted from each training volume based on the heart rate, local frequency and phase, and a detector is trained based on the training volumes and the features extracted for each training volume. The detector can be used to detect the spatial and temporal location of a contrast injection in a fluoroscopic image sequence.

摘要翻译： 公开了一种用于检测透视图像序列中的对比度注入的空间和时间位置的方法和系统。 通过以时间顺序堆叠一系列2D透视图像而产生的训练体积用地面真实对比度注入点注释。 对于每个训练体积，全局估计心率，并且在每个训练体积的地面真实对比度注入点的邻域中估计局部频率和相位。 基于心率，局部频率和相位从每个训练体积中提取频率和相位不变特征，并且基于训练量和针对每个训练体积提取的特征来训练检测器。 检测器可用于检测透视图像序列中对比度注入的空间和时间位置。

公开(公告)号：US08121367B2

公开(公告)日：2012-02-21

申请号：US12229663

申请日：2008-08-26

申请人： Richard Socher ,  Adrian Barbu ,  Bogdan Georgescu ,  Wei Zhang ,  Peter Durlak ,  Stefan Böhm ,  Dorin Comaniciu

发明人： Richard Socher ,  Adrian Barbu ,  Bogdan Georgescu ,  Wei Zhang ,  Peter Durlak ,  Stefan Böhm ,  Dorin Comaniciu

IPC分类号： G06K9/00

CPC分类号： G06K9/6256 ,  G06K2009/00932 ,  G06T7/12 ,  G06T7/162 ,  G06T2207/10121 ,  G06T2207/30048 ,  G06T2207/30101

摘要： A method and system for vessel segmentation in fluoroscopic images is disclosed. Hierarchical learning-based detection is used to perform the vessel segmentation. A boundary classifier is trained and used to detect boundary pixels of a vessel in a fluoroscopic image. A cross-segment classifier is trained and used to detect cross-segments connecting the boundary pixels. A quadrilateral classifier is trained and used to detect quadrilaterals connecting the cross segments. Dynamic programming is then used to combine the quadrilaterals to generate a tubular structure representing the vessel.

摘要翻译： 公开了一种用于荧光镜图像中血管分割的方法和系统。 使用基于层次学习的检测来执行血管分割。 边界分类器被训练并用于检测透视图像中血管的边界像素。 训练跨段分类器，用于检测连接边界像素的交叉段。 四边形分类器被训练并用于检测连接横截面的四边形。 然后使用动态规划来组合四边形以产生代表该容器的管状结构。

公开(公告)号：US08050482B2

公开(公告)日：2011-11-01

申请号：US11860588

申请日：2007-09-25

申请人： Adrian Barbu ,  Vassilis Athitsos ,  Bogdan Georgescu ,  Peter Durlak ,  Dorin Comaniciu

发明人： Adrian Barbu ,  Vassilis Athitsos ,  Bogdan Georgescu ,  Peter Durlak ,  Dorin Comaniciu

IPC分类号： G06K9/00

CPC分类号： A61B6/12 ,  G06T5/002 ,  G06T5/003 ,  G06T5/20 ,  G06T2207/10121 ,  G06T2207/30021 ,  G06T2207/30048 ,  G06T2207/30101

摘要： A method for online optimization of guidewire visibility in fluoroscopic images includes providing an digitized image acquired from a fluoroscopic imaging system, the image comprising an array of intensities corresponding to a 2-dimensional grid of pixels, detecting a guidewire in the fluoroscopic image, enhancing the visibility of the guidewire in the fluoroscopic image, calculating a visibility measure of the guidewire in the fluoroscopic image, and readjusting acquisition parameters of the fluoroscopic imaging system wherein the guidewire visibility is improved.

摘要翻译： 一种用于在荧光镜图像中在线优化导丝可视性的方法包括提供从荧光成像系统获取的数字化图像，所述图像包括对应于像素的二维网格的强度阵列，检测透视图像中的导丝，增强 在透视图像中的导丝的可视性，计算透视图像中的导丝的可见度测量，以及重新调整荧光镜成像系统的获取参数，其中导丝可视性得到改善。

公开(公告)号：US07995820B2

公开(公告)日：2011-08-09

申请号：US12056107

申请日：2008-03-26

申请人： Gustavo Henrique Monteiro de Barros Carneiro ,  Bogdan Georgescu ,  Sara Good ,  Dorin Comaniciu

发明人： Gustavo Henrique Monteiro de Barros Carneiro ,  Bogdan Georgescu ,  Sara Good ,  Dorin Comaniciu

IPC分类号： G06K9/00

CPC分类号： G06K9/46 ,  A61B8/0866 ,  G06K9/3233 ,  G06K9/38 ,  G06K9/4614 ,  G06K9/6282 ,  G06K2009/366 ,  G06K2209/051

摘要： A method for detecting fetal anatomic features in ultrasound images includes providing an ultrasound image of a fetus, specifying an anatomic feature to be detected in a region S determined by parameter vector θ, providing a sequence of probabilistic boosting tree classifiers, each with a pre-specified height and number of nodes. Each classifier computes a posterior probability P(y|S) where yε{−1,+1}, with P(y=+1|S) representing a probability that region S contains the feature, and P(y=−1|S) representing a probability that region S contains background information. The feature is detected by uniformly sampling a parameter space of parameter vector θ using a first classifier with a sampling interval vector used for training said first classifier, and having each subsequent classifier classify positive samples identified by a preceding classifier using a smaller sampling interval vector used for training said preceding classifier. Each classifier forms a union of its positive samples with those of the preceding classifier.

摘要翻译： 一种用于检测超声图像中的胎儿解剖特征的方法，包括提供胎儿的超声图像，指定在由参数矢量和姿势确定的区域S中要检测的解剖特征;提供一系列概率增强树分类器，每个具有预先 指定的高度和节点数。 每个分类器计算出一个后验概率P（y | S），其中y（e）= { - 1，+ 1}，其中P（y = + 1 | S）表示区域S包含特征的概率，P（y = -1 | S），表示区域S包含背景信息的概率。 通过对参数矢量和参数的参数空间进行均匀采样来检测该特征; 使用具有用于训练所述第一分类器的采样间隔向量的第一分类器，并且每个后续分类器使用用于训练所述先前分类器的较小采样间隔向量来对由先前分类器标识的正样本进行分类。 每个分类器形成其正样本与上一分类器的并集。

公开(公告)号：US07949173B2

公开(公告)日：2011-05-24

申请号：US11866572

申请日：2007-10-03

申请人： Shaohua Kevin Zhou ,  Jinghao Zhou ,  Bogdan Georgescu ,  Dorin Comaniciu

发明人： Shaohua Kevin Zhou ,  Jinghao Zhou ,  Bogdan Georgescu ,  Dorin Comaniciu

IPC分类号： G06K9/00 ,  A61B6/00

CPC分类号： G06K9/00 ,  G06K9/6256 ,  G06K9/72 ,  G06K2209/05

摘要： A method and system for regression-based object detection in medical images is disclosed. A regression function for predicting a location of an object in a medical image based on an image patch is trained using image-based boosting ridge regression (IBRR). The trained regression function is used to determine a difference vector based on an image patch of a medical image. The difference vector represents the difference between the location of the image patch and the location of a target object. The location of the target object in the medical image is predicted based on the difference vector determined by the regression function.

摘要翻译： 公开了一种用于医学图像中基于回归的物体检测的方法和系统。 使用基于图像的增强脊回归（IBRR）训练用于基于图像块预测医学图像中的对象的位置的回归函数。 训练回归函数用于基于医学图像的图像块来确定差分矢量。 差分向量表示图像块的位置与目标对象的位置之间的差异。 基于由回归函数确定的差分向量来预测目标对象在医学图像中的位置。

公开(公告)号：US07831074B2

公开(公告)日：2010-11-09

申请号：US11539989

申请日：2006-10-10

申请人： Shaohua Kevin Zhou ,  Jie Shao ,  Jonathan Dowdall ,  Adrian Barbu ,  Bogdan Georgescu ,  Dorin Comaniciu

发明人： Shaohua Kevin Zhou ,  Jie Shao ,  Jonathan Dowdall ,  Adrian Barbu ,  Bogdan Georgescu ,  Dorin Comaniciu

IPC分类号： G06K9/00 ,  G06K9/62 ,  H04N5/225

CPC分类号： G06K9/6257 ,  G06K2209/05 ,  G06T7/33 ,  G06T2207/10124 ,  G06T2207/10132 ,  G06T2207/30048

摘要： The present invention is directed to a method for populating a database with a set of images of an anatomical structure. The database is used to perform appearance matching in image pairs of the anatomical structure. A set of image pairs of anatomical structures is received, where each image pair is annotated with a plurality of location-sensitive regions that identify a particular aspect of the anatomical structure. Weak learners are iteratively selected and an image patch is identified. A boosting process is used to identify a strong classifier based on responses to the weak learners applied to the identified image patch for each image pair. The responses comprise a feature response and a location response associated with the image patch. Positive and negative image pairs are generated. The positive and negative image pairs are used to learn a similarity function. The learned similarity function and iteratively selected weak learners are stored in the database.

摘要翻译： 本发明涉及一种用解剖结构的一组图像填充数据库的方法。 该数据库用于在解剖结构的图像对中执行外观匹配。 接收一组解剖结构的图像对，其中每个图像对用多个识别解剖结构的特定方面的位置敏感区域注释。 迭代选择弱学习者，并识别图像补丁。 基于对应用于每个图像对的所识别的图像补丁的弱学习者的响应，使用增强过程来识别强分类器。 响应包括与图像块相关联的特征响应和位置响应。 产生正负图像对。 正负图像对用于学习相似度函数。 学习的相似度函数和迭代选择的弱学习者存储在数据库中。

公开(公告)号：US20100280352A1

公开(公告)日：2010-11-04

申请号：US12770850

申请日：2010-04-30

申请人： Razvan Ioan Ionasec ,  Puneet Sharma ,  Bogdan Georgescu ,  Andrey Torzhkov ,  Fabian Moerchen ,  Gayle M. Wittenberg ,  Dmitriy Fradkin ,  Dorin Comaniciu

发明人： Razvan Ioan Ionasec ,  Puneet Sharma ,  Bogdan Georgescu ,  Andrey Torzhkov ,  Fabian Moerchen ,  Gayle M. Wittenberg ,  Dmitriy Fradkin ,  Dorin Comaniciu

IPC分类号： A61B5/05 ,  A61B5/00 ,  G06F17/50 ,  G06G7/60 ,  G06N5/02

CPC分类号： A61B5/0263 ,  G01R33/56 ,  G01R33/5608 ,  G06F19/00 ,  G06F19/321 ,  G06T17/00 ,  G16H50/20 ,  G16H50/50

摘要： A method and system for generating a patient specific anatomical heart model is disclosed. Volumetric image data, such as computed tomography (CT), echocardiography, or magnetic resonance (MR) image data of a patient's cardiac region is received. Individual models for multiple heart components, such as the left ventricle (LV) endocardium, LV epicardium, right ventricle (RV), left atrium (LA), right atrium (RA), mitral valve, aortic valve, aorta, and pulmonary trunk, are estimated in said volumetric cardiac image data. A multi-component patient specific anatomical heart model is generated by integrating the individual models for each of the heart components. Fluid Structure Interaction (FSI) simulations are performed on the patient specific anatomical model, and patient specific clinical parameters are extracted based on the patient specific heart model and the FSI simulations. Disease progression modeling and risk stratification are performed based on the patient specific clinical parameters.

摘要翻译： 公开了一种用于产生患者特异性解剖心脏模型的方法和系统。 接收患者心脏区域的体积图像数据，例如计算机断层摄影（CT），超声心动图或磁共振（MR）图像数据。 用于多个心脏组件的单独模型，例如左心室（LV）心内膜，LV心外膜，右心室（RV），左心房（LA），右心房（RA），二尖瓣，主动脉瓣，主动脉和肺动脉干， 在所述体积心脏图像数据中估计。 通过对每个心脏组件的各个模型进行整合，产生多组分患者特异性解剖心脏模型。 对患者特异性解剖模型进行流体结构相互作用（FSI）模拟，并根据患者特异性心脏模型和FSI模拟提取患者特异性临床参数。 疾病进展模型和风险分层是根据患者的具体临床参数进行的。