利索-全球专利检索

  1. 登录
  2. 注册

搜索结果

79 条记录 (耗时 0.025 秒)

    SYSTEM AND METHOD FOR AUTOMATIC TRIGGER-ROI DETECTION AND MONITORING DURING BOLUS TRACKING
    61.
    发明申请
    SYSTEM AND METHOD FOR AUTOMATIC TRIGGER-ROI DETECTION AND MONITORING DURING BOLUS TRACKING 有权
    用于自动跟踪ROI检测和监控的系统和方法

    公开(公告)号：US20100249582A1

    公开(公告)日：2010-09-30

    申请号：US12729274

    申请日：2010-03-23

    申请人： Ute Feuerlein ,  Arun Krishnan ,  Xiang Sean Zhou

    发明人： Ute Feuerlein ,  Arun Krishnan ,  Xiang Sean Zhou

    IPC分类号： A61B6/00

    CPC分类号： A61B6/504 ,  A61B5/7285 ,  A61B6/032 ,  A61B6/469 ,  A61B6/481 ,  A61B6/488 ,  A61B6/541

    摘要： A method for bolus tracking includes acquiring one or more baseline images. One or more trigger regions are automatically established within the baseline images. A bolus is administered. The automatically established trigger regions are monitored for bolus arrival at the one or more trigger regions. Bolus arrival at a volume of interest is forecasted based on the bolus arrival at the one or more trigger regions. A diagnostic scan of the volume of interest is acquired at the forecasted time.

    摘要翻译： 用于推注跟踪的方法包括获取一个或多个基线图像。 在基线图像内自动建立一个或多个触发区域。 施用推注。 监视自动建立的触发区域，以便推动到达一个或多个触发区域。 基于在一个或多个触发区域的推迟到达来预测到达感兴趣的体积。 在预测时间内获取感兴趣体积的诊断扫描。

    Prior-constrained mean shift analysis
    62.
    发明授权
    Prior-constrained mean shift analysis 失效
    先前约束平均偏移分析

    公开(公告)号：US07680335B2

    公开(公告)日：2010-03-16

    申请号：US11371698

    申请日：2006-03-09

    申请人： Kazunori Okada ,  Maneesh K. Singh ,  Arun Krishnan ,  Visvanathan Ramesh

    发明人： Kazunori Okada ,  Maneesh K. Singh ,  Arun Krishnan ,  Visvanathan Ramesh

    IPC分类号： G06K9/46 ,  G06K9/66

    CPC分类号： G06K9/6226 ,  G06T7/0012 ,  G06T7/11 ,  G06T7/143 ,  G06T2207/10081 ,  G06T2207/20101 ,  G06T2207/30064

    摘要： A system and method are provided for prior-constrained mean shift analysis of a data array, the system including a processor, an input adapter in signal communication with the processor for receiving at least one data array, and a prior constraints unit in signal communication with the processor for performing a prior-constrained mean shift analysis on the at least one data array; and the method including receiving initialization data, selecting an initial point relative to the initialization data, Gaussian fitting with a prior-constrained mean shift responsive to the initial point to parse a structure, and setting the parsed structure as a prior constraint.

    摘要翻译： 提供了一种用于数据阵列的先前约束平均移位分析的系统和方法，该系统包括处理器，与处理器进行信号通信的输入适配器，用于接收至少一个数据阵列，以及与信号通信中的先前约束单元， 所述处理器用于对所述至少一个数据阵列执行先前约束的平均移位分析; 并且所述方法包括接收初始化数据，相对于初始化数据选择初始点，响应于初始点解析结构的先验约束平均移位的高斯拟合，以及将解析结构设置为先前约束。

    Scale selection for anisotropic scale-space: application to volumetric tumor characterization
    65.
    发明申请
    Scale selection for anisotropic scale-space: application to volumetric tumor characterization 有权
    各向异性尺度空间的尺度选择：应用于体积肿瘤表征

    公开(公告)号：US20050135663A1

    公开(公告)日：2005-06-23

    申请号：US10990888

    申请日：2004-11-17

    申请人： Kazunori Okada ,  Dorin Comaniciu ,  Arun Krishnan

    发明人： Kazunori Okada ,  Dorin Comaniciu ,  Arun Krishnan

    IPC分类号： G06K9/52 ,  G06T5/00 ,  G06K9/00 ,  G01N1/00 ,  G01N19/00 ,  G06F15/00 ,  H03F1/26 ,  H04B15/00

    CPC分类号： G06K9/527 ,  G06T7/0012 ,  G06T7/11 ,  G06T2207/10081 ,  G06T2207/30064

    摘要： A method for determining a structure in volumetric data includes determining an anisotropic scale-space for a local region around a given spatial local maximum, determining L-normalized scale-space derivatives in the anisotropic scale-space, and determining the presence of noise in the volumetric data and upon determining noise in the volumetric data, determining the structure by a most-stable-over-scales determination, and upon determining noise below a desirable level, determining the structure by one of the most-stable-over-scales determination and a maximum-over-scales determination.

    摘要翻译： 一种用于确定体积数据中的结构的方法包括确定围绕给定空间局部最大值的局部区域的各向异性尺度空间，确定各向异性尺度空间中的L归一化尺度空间导数，以及确定在 体积数据和确定体积数据中的噪声，通过最稳定的超标度确定来确定结构，并且在将噪声确定在理想水平之下时，通过最稳定的超尺度确定之一来确定结构;以及 最大超尺度测定。

    Density modulated catheter for use in fluoroscopy based 3-D neural navigation
    67.
    发明授权
    Density modulated catheter for use in fluoroscopy based 3-D neural navigation 有权
    用于基于荧光透视的3-D神经导航的密度调制导管

    公开(公告)号：US06370421B1

    公开(公告)日：2002-04-09

    申请号：US09607901

    申请日：2000-06-30

    申请人： James Williams ,  Arun Krishnan ,  Ali Bani-Hashemi

    发明人： James Williams ,  Arun Krishnan ,  Ali Bani-Hashemi

    IPC分类号： A61M2500

    CPC分类号： A61B6/481 ,  A61B6/12 ,  A61B6/504 ,  A61B6/5235 ,  A61B6/5247

    摘要： A method and apparatus for providing a high-quality representation of a volume having a real-time 3-D reconstruction therein of movement of a catheter, wherein its real-time movement is determined using a lower-quality representation of only a portion of the volume. Movement of the catheter is detected in a 2-D X-ray fluoroscopy image and is reconstructed in a 3-D angiography (X-ray) reconstruction. Described is a catheter design for easier detection, and a technique for 3-D reconstruction of a catheter from real-time 2-D fluoroscopic images and stored 3-D angiography data, so as to present the 3-D reconstructed catheter in the common coordinate frame.

    摘要翻译： 一种用于提供其中具有导管运动的实时3维重建的体积的高质量表示的方法和装置，其中其实时运动使用仅仅一部分的一部分的较低质量的表示来确定 卷。 在2-D X射线荧光透视图像中检测导管的移动，并在3-D血管造影（X射线）重建中重建。 描述的是用于更容易检测的导管设计，以及用于从实时二维透视图像和存储的三维血管造影数据中导管进行三维重建的技术，以将3-D重建的导管呈现在共同的 坐标框。

    Systems and methods for computer aided diagnosis and decision support in whole-body imaging
    69.
    发明授权
    Systems and methods for computer aided diagnosis and decision support in whole-body imaging 有权
    全身成像计算机辅助诊断和决策支持的系统和方法

    公开(公告)号：US08588495B2

    公开(公告)日：2013-11-19

    申请号：US12968492

    申请日：2010-12-15

    申请人： Alok Gupta ,  Arun Krishnan ,  Xiang Sean Zhou

    发明人： Alok Gupta ,  Arun Krishnan ,  Xiang Sean Zhou

    IPC分类号： G06K9/00 ,  A61B5/00 ,  A61B5/05 ,  G06Q10/00

    CPC分类号： G06T7/0012 ,  G06F19/00 ,  G06F19/321 ,  G06T7/41 ,  G06T2207/10081 ,  G06T2207/10104 ,  G06T2207/20101 ,  G06T2207/30004 ,  G16H50/20

    摘要： A system for providing automatic diagnosis and decision support includes: a medical image database; generative learning and modeling modules that build distributional appearance models and spatial relational models of organs or structures using images from the medical image database; a statistical whole-body atlas that includes one or more distributional appearance models and spatial relational models of organs or structure, in one or more whole-body imaging modalities, built by the generative learning and modeling modules; and discriminative learning and modeling modules that build two-class or multi-class classifiers for performing at least one of organ, structure or disease detection or segmentation.

    摘要翻译： 一种用于提供自动诊断和决策支持的系统包括：医学图像数据库; 生成学习和建模模块，使用医学图像数据库中的图像构建器官或结构的分布外观模型和空间关系模型; 统计全身图集，包括一个或多个分布式外观模型和器官或结构的空间关系模型，在一个或多个全身成像模式中，由生成学习和建模模块构建; 以及构建用于执行器官，结构或疾病检测或分割中的至少一种的两类或多类分类器的辨别性学习和建模模块。