公开(公告)号：US08812431B2

公开(公告)日：2014-08-19

申请号：US13016259

申请日：2011-01-28

申请人： Ingmar Voigt ,  Dime Vitanovski ,  Razvan Ioan Ionasec ,  Alexey Tsymbal ,  Bogdan Georgescu ,  Shaohua Kevin Zhou ,  Martin Huber ,  Dorin Comaniciu

发明人： Ingmar Voigt ,  Dime Vitanovski ,  Razvan Ioan Ionasec ,  Alexey Tsymbal ,  Bogdan Georgescu ,  Shaohua Kevin Zhou ,  Martin Huber ,  Dorin Comaniciu

IPC分类号： G06F17/30 ,  G06F19/12 ,  G06F19/26 ,  A61B5/05 ,  G06N5/00 ,  G06G7/60

CPC分类号： G06G7/60 ,  G06N5/00

摘要： A method and system for providing medical decision support based on virtual organ models and learning based discriminative distance functions is disclosed. A patient-specific virtual organ model is generated from medical image data of a patient. One or more similar organ models to the patient-specific organ model are retrieved from a plurality of previously stored virtual organ models using a learned discriminative distance function. The patient-specific valve model can be classified into a first class or a second class based on the previously stored organ models determined to be similar to the patient-specific organ model.

摘要翻译： 公开了一种基于虚拟器官模型和基于学习的辨别距离函数提供医学决策支持的方法和系统。 从患者的医学图像数据生成患者特异性虚拟器官模型。 使用学习的鉴别距离函数从多个先前存储的虚拟器官模型检索与患者特异器官模型的一个或多个相似的器官模型。 基于先前存储的被确定为类似于患者特异器官模型的器官模型，患者特异性瓣膜模型可以分为第一类或第二类。

公开(公告)号：US20110191283A1

公开(公告)日：2011-08-04

申请号：US13016259

申请日：2011-01-28

申请人： Ingmar Voigt ,  Dime Vitanovski ,  Razvan Ioan Ionasec ,  Alexey Tsymbal ,  Bogdan Georgescu ,  Shaohua Kevin Zhou ,  Martin Huber ,  Dorin Comaniciu

发明人： Ingmar Voigt ,  Dime Vitanovski ,  Razvan Ioan Ionasec ,  Alexey Tsymbal ,  Bogdan Georgescu ,  Shaohua Kevin Zhou ,  Martin Huber ,  Dorin Comaniciu

IPC分类号： G06N5/00 ,  G06G7/60

CPC分类号： G06G7/60 ,  G06N5/00

摘要： A method and system for providing medical decision support based on virtual organ models and learning based discriminative distance functions is disclosed. A patient-specific virtual organ model is generated from medical image data of a patient. One or more similar organ models to the patient-specific organ model are retrieved from a plurality of previously stored virtual organ models using a learned discriminative distance function. The patient-specific valve model can be classified into a first class or a second class based on the previously stored organ models determined to be similar to the patient-specific organ model.

摘要翻译： 公开了一种基于虚拟器官模型和基于学习的辨别距离函数提供医学决策支持的方法和系统。 从患者的医学图像数据生成患者特异性虚拟器官模型。 使用学习的鉴别距离函数从多个先前存储的虚拟器官模型检索与患者特异器官模型的一个或多个相似的器官模型。 基于先前存储的被确定为类似于患者特异器官模型的器官模型，患者特异性瓣膜模型可以分为第一类或第二类。

公开(公告)号：US09033887B2

公开(公告)日：2015-05-19

申请号：US13905690

申请日：2013-05-30

申请人： Razvan Ioan Ionasec ,  Dime Vitanovski ,  Yang Wang ,  Bogdan Georgescu ,  Ingmar Voigt ,  Saurabh Datta ,  Dorin Comaniciu

发明人： Razvan Ioan Ionasec ,  Dime Vitanovski ,  Yang Wang ,  Bogdan Georgescu ,  Ingmar Voigt ,  Saurabh Datta ,  Dorin Comaniciu

IPC分类号： A61B8/06 ,  A61B5/00 ,  A61B8/08 ,  A61B8/00 ,  A61B8/14 ,  A61B5/107

CPC分类号： A61B8/065 ,  A61B5/1075 ,  A61B5/7264 ,  A61B8/085 ,  A61B8/14 ,  A61B8/463 ,  A61B8/466 ,  A61B8/483 ,  A61B8/486 ,  A61B8/488 ,  A61B8/5223

摘要： A mitral valve is detected in transthoracic echocardiography. The ultrasound transducer is positioned against the chest of the patient rather than being inserted within the patient. While data acquired from such scanning may be noisier or have less resolution, the mitral valve may still be automatically detected. Using both B-mode data representing tissue as well as flow data representing the regurgitant jet, the mitral valve may be detected automatically with a machine-learnt classifier. A series of classifiers may be used, such as determining a position and orientation of a valve region with one classifier, determining a regurgitant orifice with another classifier, and locating mitral valve anatomy with a third classifier. One or more features for some of the classifiers may be calculated based on the orientation of the valve region.

摘要翻译： 经胸超声心动图检测二尖瓣。 超声换能器位于患者胸部的位置，而不是插入患者体内。 虽然从这种扫描获取的数据可能噪声较大或分辨率较低，但仍可能自动检测二尖瓣。 使用表示组织的B模式数据以及表示反流喷射的流动数据，可以用机器学习的分类器自动检测二尖瓣。 可以使用一系列分类器，例如用一个分类器确定瓣膜区域的位置和取向，使用另一分类器确定反流孔，以及用第三分类器定位二尖瓣解剖。 可以基于阀区域的取向来计算一些分类器的一个或多个特征。

公开(公告)号：US08682626B2

公开(公告)日：2014-03-25

申请号：US13091076

申请日：2011-04-20

申请人： Razvan Ioan Ionasec ,  Ingmar Voigt ,  Viorel Mihalef ,  Sasa Grbic ,  Dime Vitanovski ,  Yang Wang ,  Yefeng Zheng ,  Bogdan Georgescu ,  Dorin Comaniciu ,  Puneet Sharma ,  Tommaso Mansi

发明人： Razvan Ioan Ionasec ,  Ingmar Voigt ,  Viorel Mihalef ,  Sasa Grbic ,  Dime Vitanovski ,  Yang Wang ,  Yefeng Zheng ,  Bogdan Georgescu ,  Dorin Comaniciu ,  Puneet Sharma ,  Tommaso Mansi

IPC分类号： G06G7/48

CPC分类号： G06T13/20 ,  G06F19/321 ,  G06T2210/24 ,  G06T2210/41 ,  G16H50/50

摘要： A method and system for patient-specific modeling of the whole heart anatomy, dynamics, hemodynamics, and fluid structure interaction from 4D medical image data is disclosed. The anatomy and dynamics of the heart are determined by estimating patient-specific parameters of a physiological model of the heart from the 4D medical image data for a patient. The patient-specific anatomy and dynamics are used as input to a 3D Navier-Stokes solver that derives realistic hemodynamics, constrained by the local anatomy, along the entire heart cycle. Fluid structure interactions are determined iteratively over the heart cycle by simulating the blood flow at a given time step and calculating the deformation of the heart structure based on the simulated blood flow, such that the deformation of the heart structure is used in the simulation of the blood flow at the next time step. The comprehensive patient-specific model of the heart representing anatomy, dynamics, hemodynamics, and fluid structure interaction can be used for non-invasive assessment and diagnosis of the heart, as well as virtual therapy planning and cardiovascular disease management. Parameters of the comprehensive patient-specific model are changed or perturbed to simulate various conditions or treatment options, and then the patient specific model is recalculated to predict the effect of the conditions or treatment options.

摘要翻译： 公开了一种用于针对4D医学图像数据的整个心脏解剖结构，动力学，血流动力学和流体结构相互作用的患者特异性建模的方法和系统。 通过从患者的4D医学图像数据估计心脏的生理模型的患者特异性参数来确定心脏的解剖学和动力学。 患者特异性解剖学和动力学被用作3D Navier-Stokes求解器的输入，该解算器在整个心脏周期中导出由局部解剖结构约束的现实血液动力学。 流体结构相互作用是通过在给定的时间步长模拟血液流动而在心脏周期上迭代地确定的，并且基于模拟的血液流量计算心脏结构的变形，使得心脏结构的变形用于模拟 血液流动在下一个时间步。 代表解剖学，动力学，血液动力学和流体结构相互作用的心脏综合患者特异性模型可用于心脏的非侵入性评估和诊断，以及虚拟治疗计划和心血管疾病管理。 全面的患者特异性模型的参数被改变或扰动以模拟各种条件或治疗选择，然后重新计算患者特异性模型以预测条件或治疗选择的影响。

公开(公告)号：US20140052001A1

公开(公告)日：2014-02-20

申请号：US13905690

申请日：2013-05-30

申请人： Razvan Ioan Ionasec ,  Dime Vitanovski ,  Yang Wang ,  Bogdan Georgescu ,  Ingmar Voigt ,  Saurabh Datta ,  Dorin Comaniciu

发明人： Razvan Ioan Ionasec ,  Dime Vitanovski ,  Yang Wang ,  Bogdan Georgescu ,  Ingmar Voigt ,  Saurabh Datta ,  Dorin Comaniciu

IPC分类号： A61B8/06 ,  A61B5/00 ,  A61B8/08 ,  A61B8/00 ,  A61B8/14

CPC分类号： A61B8/065 ,  A61B5/1075 ,  A61B5/7264 ,  A61B8/085 ,  A61B8/14 ,  A61B8/463 ,  A61B8/466 ,  A61B8/483 ,  A61B8/486 ,  A61B8/488 ,  A61B8/5223

摘要： A mitral valve is detected in transthoracic echocardiography. The ultrasound transducer is positioned against the chest of the patient rather than being inserted within the patient. While data acquired from such scanning may be noisier or have less resolution, the mitral valve may still be automatically detected. Using both B-mode data representing tissue as well as flow data representing the regurgitant jet, the mitral valve may be detected automatically with a machine-learnt classifier. A series of classifiers may be used, such as determining a position and orientation of a valve region with one classifier, determining a regurgitant orifice with another classifier, and locating mitral valve anatomy with a third classifier. One or more features for some of the classifiers may be calculated based on the orientation of the valve region.

摘要翻译： 经胸超声心动图检测二尖瓣。 超声换能器位于患者胸部的位置，而不是插入患者体内。 虽然从这种扫描获取的数据可能噪声较大或分辨率较低，但仍可能自动检测二尖瓣。 使用表示组织的B模式数据以及表示反流喷射的流动数据，可以用机器学习的分类器自动检测二尖瓣。 可以使用一系列分类器，例如用一个分类器确定瓣膜区域的位置和取向，使用另一分类器确定反流孔，以及用第三分类器定位二尖瓣解剖。 可以基于阀区域的取向来计算一些分类器的一个或多个特征。

公开(公告)号：US20120022843A1

公开(公告)日：2012-01-26

申请号：US13091076

申请日：2011-04-20

申请人： Razvan Ioan Ionasec ,  Ingmar Voigt ,  Viorel Mihalef ,  Sasa Grbic ,  Dime Vitanovski ,  Yang Wang ,  Yefeng Zheng ,  Bogdan Georgescu ,  Dorin Comaniciu ,  Puneet Sharma ,  Tommaso Mansi

发明人： Razvan Ioan Ionasec ,  Ingmar Voigt ,  Viorel Mihalef ,  Sasa Grbic ,  Dime Vitanovski ,  Yang Wang ,  Yefeng Zheng ,  Bogdan Georgescu ,  Dorin Comaniciu ,  Puneet Sharma ,  Tommaso Mansi

IPC分类号： G06G7/60 ,  G06G7/57

CPC分类号： G06T13/20 ,  G06F19/321 ,  G06T2210/24 ,  G06T2210/41 ,  G16H50/50

摘要： A method and system for patient-specific modeling of the whole heart anatomy, dynamics, hemodynamics, and fluid structure interaction from 4D medical image data is disclosed. The anatomy and dynamics of the heart are determined by estimating patient-specific parameters of a physiological model of the heart from the 4D medical image data for a patient. The patient-specific anatomy and dynamics are used as input to a 3D Navier-Stokes solver that derives realistic hemodynamics, constrained by the local anatomy, along the entire heart cycle. Fluid structure interactions are determined iteratively over the heart cycle by simulating the blood flow at a given time step and calculating the deformation of the heart structure based on the simulated blood flow, such that the deformation of the heart structure is used in the simulation of the blood flow at the next time step. The comprehensive patient-specific model of the heart representing anatomy, dynamics, hemodynamics, and fluid structure interaction can be used for non-invasive assessment and diagnosis of the heart, as well as virtual therapy planning and cardiovascular disease management. Parameters of the comprehensive patient-specific model are changed or perturbed to simulate various conditions or treatment options, and then the patient specific model is recalculated to predict the effect of the conditions or treatment options.

摘要翻译： 公开了一种用于针对4D医学图像数据的整个心脏解剖结构，动力学，血流动力学和流体结构相互作用的患者特异性建模的方法和系统。 通过从患者的4D医学图像数据估计心脏的生理模型的患者特异性参数来确定心脏的解剖学和动力学。 患者特异性解剖学和动力学被用作3D Navier-Stokes求解器的输入，该解算器在整个心脏周期中导出由局部解剖结构约束的现实血液动力学。 流体结构相互作用是通过在给定的时间步长模拟血液流动而在心脏周期上迭代地确定的，并且基于模拟的血液流量计算心脏结构的变形，使得心脏结构的变形用于模拟 血液流动在下一个时间步。 代表解剖学，动力学，血液动力学和流体结构相互作用的心脏综合患者特异性模型可用于心脏的非侵入性评估和诊断，以及虚拟治疗计划和心血管疾病管理。 全面的患者特异性模型的参数被改变或扰动以模拟各种条件或治疗选择，然后重新计算患者特异性模型以预测条件或治疗选择的影响。

公开(公告)号：US08538109B2

公开(公告)日：2013-09-17

申请号：US12724612

申请日：2010-03-16

申请人： Dime Vitanovski ,  Razvan Ioan Ionasec ,  Bogdan Georgescu ,  Martin Huber ,  Dorin Comaniciu

发明人： Dime Vitanovski ,  Razvan Ioan Ionasec ,  Bogdan Georgescu ,  Martin Huber ,  Dorin Comaniciu

IPC分类号： G06T7/00

CPC分类号： G06K9/4638 ,  G06K9/6224 ,  G06K2209/051 ,  G06T7/0012 ,  G06T2207/10076 ,  G06T2207/20081 ,  G06T2207/20108 ,  G06T2207/30048 ,  G06T2207/30101

摘要： A method and system for modeling the pulmonary trunk in 4D image data, such as 4D CT data, and model-based percutaneous pulmonary valve implantation (PPVI) intervention is disclosed. A patient-specific dynamic pulmonary trunk data is generated from 4D image data of a patient. The patient is automatically classified as suitable for PPVI intervention or not suitable for PPVI intervention based on the generated patient-specific dynamic pulmonary trunk model.

摘要翻译： 公开了4D图像数据（如4D CT数据）和基于模型的经皮肺动脉瓣植入（PPVI）干预对肺动脉干线进行建模的方法和系统。 从患者的4D图像数据生成患者特异的动态肺动脉干数据。 根据生成的患者特异性动态肺动脉模型，患者自动分类为适合PPVI干预或不适合PPVI干预。

公开(公告)号：US20100239147A1

公开(公告)日：2010-09-23

申请号：US12724612

申请日：2010-03-16

申请人： Dime Vitanovski ,  Razvan Ioan Ionasec ,  Bogdan Georgescu ,  Martin Huber ,  Dorin Comaniciu

发明人： Dime Vitanovski ,  Razvan Ioan Ionasec ,  Bogdan Georgescu ,  Martin Huber ,  Dorin Comaniciu

IPC分类号： G06K9/00

CPC分类号： G06K9/4638 ,  G06K9/6224 ,  G06K2209/051 ,  G06T7/0012 ,  G06T2207/10076 ,  G06T2207/20081 ,  G06T2207/20108 ,  G06T2207/30048 ,  G06T2207/30101

摘要： A method and system for modeling the pulmonary trunk in 4D image data, such as 4D CT data, and model-based percutaneous pulmonary valve implantation (PPVI) intervention is disclosed. A patient-specific dynamic pulmonary trunk data is generated from 4D image data of a patient. The patient is automatically classified as suitable for PPVI intervention or not suitable for PPVI intervention based on the generated patient-specific dynamic pulmonary trunk model.

摘要翻译： 公开了4D图像数据（如4D CT数据）和基于模型的经皮肺动脉瓣植入（PPVI）干预对肺动脉干线进行建模的方法和系统。 从患者的4D图像数据生成患者特异的动态肺动脉干数据。 根据生成的患者特异性动态肺动脉模型，患者自动分类为适合PPVI干预或不适合PPVI干预。

公开(公告)号：US09196049B2

公开(公告)日：2015-11-24

申请号：US13416168

申请日：2012-03-09

申请人： Razvan Ioan Ionasec ,  Dime Vitanovski ,  Alexey Tsymbal ,  Gareth Funka-Lea ,  Dorin Comaniciu ,  Andreas Greiser ,  Edgar Mueller

发明人： Razvan Ioan Ionasec ,  Dime Vitanovski ,  Alexey Tsymbal ,  Gareth Funka-Lea ,  Dorin Comaniciu ,  Andreas Greiser ,  Edgar Mueller

IPC分类号： A61B5/055 ,  G06T7/00

CPC分类号： G06T7/0083 ,  G06T7/12 ,  G06T2207/10088 ,  G06T2207/20076 ,  G06T2207/20081 ,  G06T2207/30048

摘要： A system and method for regression-based segmentation of the mitral valve in 2D+t cardiac magnetic resonance (CMR) slices is disclosed. The 2D+t CMR slices are acquired according to a mitral valve-specific acquisition protocol introduced herein. A set of mitral valve landmarks is detected in each 2D CMR slice and mitral valve contours are estimated in each 2D CMR slice based on the detected landmarks. A full mitral valve model is reconstructed from the mitral valve contours estimated in the 2D CMR slices using a trained regression model. Each 2D CMR slice may be a cine image acquired over a full cardiac cycle. In this case, the segmentation method reconstructs a patient-specific 4D dynamic mitral valve model from the 2D+t CMR image data.

摘要翻译： 公开了一种用于2D + t心脏磁共振（CMR）切片二尖瓣回归分割的系统和方法。 根据本文引入的二尖瓣特异性获取方案获取2D + t CMR切片。 在每个2D CMR切片中检测到一组二尖瓣地标，并且基于检测到的界标在每个2D CMR切片中估计二尖瓣轮廓。 使用训练有素的回归模型，从2D CMR切片中估算的二尖瓣轮廓重建完整的二尖瓣模型。 每个2D CMR切片可以是在整个心动周期上获取的电影图像。 在这种情况下，分割方法从2D + t CMR图像数据重建患者特有的4D动态二尖瓣模型。

公开(公告)号：US20120232379A1

公开(公告)日：2012-09-13

申请号：US13416168

申请日：2012-03-09

申请人： Razvan Ioan Ionasec ,  Dime Vitanovski ,  Alexey Tsymbal ,  Gareth Funka-Lea ,  Dorin Comaniciu ,  Andreas Greiser ,  Edgar Mueller

发明人： Razvan Ioan Ionasec ,  Dime Vitanovski ,  Alexey Tsymbal ,  Gareth Funka-Lea ,  Dorin Comaniciu ,  Andreas Greiser ,  Edgar Mueller

IPC分类号： A61B5/055

CPC分类号： G06T7/0083 ,  G06T7/12 ,  G06T2207/10088 ,  G06T2207/20076 ,  G06T2207/20081 ,  G06T2207/30048

摘要： A system and method for regression-based segmentation of the mitral valve in 2D+t cardiac magnetic resonance (CMR) slices is disclosed. The 2D+t CMR slices are acquired according to a mitral valve-specific acquisition protocol introduced herein. A set of mitral valve landmarks is detected in each 2D CMR slice and mitral valve contours are estimated in each 2D CMR slice based on the detected landmarks. A full mitral valve model is reconstructed from the mitral valve contours estimated in the 2D CMR slices using a trained regression model. Each 2D CMR slice may be a cine image acquired over a full cardiac cycle. In this case, the segmentation method reconstructs a patient-specific 4D dynamic mitral valve model from the 2D+t CMR image data.

摘要翻译： 公开了一种用于2D + t心脏磁共振（CMR）切片二尖瓣回归分割的系统和方法。 根据本文引入的二尖瓣特异性获取方案获取2D + t CMR切片。 在每个2D CMR切片中检测到一组二尖瓣地标，并且基于检测到的界标在每个2D CMR切片中估计二尖瓣轮廓。 使用训练有素的回归模型，从2D CMR切片中估算的二尖瓣轮廓重建完整的二尖瓣模型。 每个2D CMR切片可以是在整个心动周期上获取的电影图像。 在这种情况下，分割方法从2D + t CMR图像数据重建患者特定的4D动态二尖瓣模型。