Traitement en cours

Veuillez attendre...

Paramétrages

Paramétrages

Aller à Demande

1. WO2020163539 - SYSTÈME ET MÉTHODE DE SEGMENTATION LV ENTIÈREMENT AUTOMATIQUE D'IMAGES DE PERFUSION DE PREMIER PASSAGE MYOCARDIQUE

Numéro de publication WO/2020/163539
Date de publication 13.08.2020
N° de la demande internationale PCT/US2020/016892
Date du dépôt international 05.02.2020
CIB
G01R 33/56 2006.1
GPHYSIQUE
01MÉTROLOGIE; TESTS
RMESURE DES VARIABLES ÉLECTRIQUES; MESURE DES VARIABLES MAGNÉTIQUES
33Dispositions ou appareils pour la mesure des grandeurs magnétiques
20faisant intervenir la résonance magnétique
44utilisant la résonance magnétique nucléaire
48Systèmes d'imagerie RMN
54Systèmes de traitement du signal, p.ex. utilisant des séquences d'impulsions
56Amélioration ou correction de l'image, p.ex. par des techniques de soustraction ou d'établissement de moyenne
CPC
G01R 33/243
GPHYSICS
01MEASURING; TESTING
RMEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
33Arrangements or instruments for measuring magnetic variables
20involving magnetic resonance
24for measuring direction or magnitude of magnetic fields or magnetic flux
243Spatial mapping of the polarizing magnetic field
G01R 33/4824
GPHYSICS
01MEASURING; TESTING
RMEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
33Arrangements or instruments for measuring magnetic variables
20involving magnetic resonance
44using nuclear magnetic resonance [NMR]
48NMR imaging systems
4818MR characterised by data acquisition along a specific k-space trajectory or by the temporal order of k-space coverage, e.g. centric or segmented coverage of k-space
4824using a non-Cartesian trajectory
G01R 33/4835
GPHYSICS
01MEASURING; TESTING
RMEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
33Arrangements or instruments for measuring magnetic variables
20involving magnetic resonance
44using nuclear magnetic resonance [NMR]
48NMR imaging systems
483with selection of signals or spectra from particular regions of the volume, e.g. in vivo spectroscopy
4833using spatially selective excitation of the volume of interest, e.g. selecting non-orthogonal or inclined slices
4835of multiple slices
G01R 33/5602
GPHYSICS
01MEASURING; TESTING
RMEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
33Arrangements or instruments for measuring magnetic variables
20involving magnetic resonance
44using nuclear magnetic resonance [NMR]
48NMR imaging systems
54Signal processing systems, e.g. using pulse sequences ; , Generation or control of pulse sequences
56Image enhancement or correction, e.g. subtraction or averaging techniques ; , e.g. improvement of signal-to-noise ratio and resolution
5602by filtering or weighting based on different relaxation times within the sample, e.g. T1 weighting using an inversion pulse
G01R 33/5607
GPHYSICS
01MEASURING; TESTING
RMEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
33Arrangements or instruments for measuring magnetic variables
20involving magnetic resonance
44using nuclear magnetic resonance [NMR]
48NMR imaging systems
54Signal processing systems, e.g. using pulse sequences ; , Generation or control of pulse sequences
56Image enhancement or correction, e.g. subtraction or averaging techniques ; , e.g. improvement of signal-to-noise ratio and resolution
5607by reducing the NMR signal of a particular spin species, e.g. of a chemical species for fat suppression, or of a moving spin species for black-blood imaging
G01R 33/5608
GPHYSICS
01MEASURING; TESTING
RMEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
33Arrangements or instruments for measuring magnetic variables
20involving magnetic resonance
44using nuclear magnetic resonance [NMR]
48NMR imaging systems
54Signal processing systems, e.g. using pulse sequences ; , Generation or control of pulse sequences
56Image enhancement or correction, e.g. subtraction or averaging techniques ; , e.g. improvement of signal-to-noise ratio and resolution
5608Data processing and visualization specially adapted for MR, e.g. for feature analysis and pattern recognition on the basis of measured MR data, segmentation of measured MR data, edge contour detection on the basis of measured MR data, for enhancing measured MR data in terms of signal-to-noise ratio by means of noise filtering or apodization, for enhancing measured MR data in terms of resolution by means for deblurring, windowing, zero filling, or generation of gray-scaled images, colour-coded images or images displaying vectors instead of pixels
Déposants
  • UNIVERSITY OF VIRGINIA PATENT FOUNDATION [US]/[US]
  • MEYER, Craig H. [US]/[US]
  • FENG, Xue [CN]/[US]
  • SALERNO, Michael [US]/[US]
Inventeurs
  • MEYER, Craig H.
  • FENG, Xue
  • SALERNO, Michael
Mandataires
  • JOHNSON, R. Brian
  • GLASS, Christopher W.
Données relatives à la priorité
62/801,32905.02.2019US
Langue de publication anglais (EN)
Langue de dépôt anglais (EN)
États désignés
Titre
(EN) SYSTEM AND METHOD FOR FULLY AUTOMATIC LV SEGMENTATION OF MYOCARDIAL FIRST-PASS PERFUSION IMAGES
(FR) SYSTÈME ET MÉTHODE DE SEGMENTATION LV ENTIÈREMENT AUTOMATIQUE D'IMAGES DE PERFUSION DE PREMIER PASSAGE MYOCARDIQUE
Abrégé
(EN)
A computerized system and method of modeling myocardial tissue perfusion can include acquiring a plurality of original frames of magnetic resonance imaging (MRI) data representing images of a heart of a subject and developing a manually segmented set of ground truth frames from the original frames. Applying training augmentation techniques to a training set of the originals frame of MRI data can prepare the data for training at least one convolutional neural network (CNN). The CNN can segment the training set of frames according to the ground truth frames. Applying the respective input test frames to a trained CNN can allow for segmenting an endocardium layer and an epicardium layer within the respective images of the input test frames. The segmented images can be used in calculating myocardial blood flow into the myocardium from segmented images of the input test frames.
(FR)
L'invention concerne un système informatisé et une méthode de modélisation de perfusion de tissu myocardique pouvant comprendre l'acquisition d'une pluralité de trames d'origine de données d'imagerie par résonance magnétique (IRM) représentant des images d'un cœur d'un sujet et le développement d'un ensemble segmenté manuellement de trames de réalité de terrain à partir des trames d'origine. L'application de techniques d'augmentation d'apprentissage à un ensemble d'apprentissage de la trame d'origine de données IRM peut préparer les données afin d'entraîner au moins un réseau neuronal convolutif (CNN). Le CNN peut segmenter l'ensemble d'apprentissage de trames en fonction des trames de réalité de terrain. L'application des trames d'essai d'entrée respectives à un CNN entraîné peut permettre de segmenter une couche d'endocarde et une couche d'épicarde dans les images respectives des trames d'essai d'entrée. Les images segmentées peuvent être utilisées pour calculer un flux sanguin myocardique dans le myocarde à partir d'images segmentées des trames d'essai d'entrée.
Dernières données bibliographiques dont dispose le Bureau international