| 54 |
Titel |
TI |
[DE] Verfahren zur Segmentierung eines Organs in Volumendatensätzen der Magnetresonanztomographie |
| 71/73 |
Anmelder/Inhaber |
PA |
Siemens Aktiengesellschaft, 80333, München, DE
|
| 72 |
Erfinder |
IN |
Gloger, Oliver, 10967, Berlin, DE
|
| 22/96 |
Anmeldedatum |
AD |
21.08.2009 |
| 21 |
Anmeldenummer |
AN |
102009038436 |
|
Anmeldeland |
AC |
DE |
|
Veröffentlichungsdatum |
PUB |
23.02.2012 |
33
31
32 |
Priorität |
PRC
PRN
PRD |
|
| 51 |
IPC-Hauptklasse |
ICM |
G06T 7/40
(2006.01)
|
| 51 |
IPC-Nebenklasse |
ICS |
A61B 19/00
(2006.01)
A61B 5/055
(2006.01)
G06T 7/00
(2006.01)
|
|
IPC-Zusatzklasse |
ICA |
|
|
IPC-Indexklasse |
ICI |
|
|
Gemeinsame Patentklassifikation |
CPC |
G06T 2200/04
G06T 2207/10088
G06T 2207/20076
G06T 2207/20081
G06T 2207/30056
G06T 7/11
G06T 7/143
G06T 7/187
|
|
MCD-Hauptklasse |
MCM |
G06T 7/40
(2006.01)
|
|
MCD-Nebenklasse |
MCS |
A61B 19/00
(2006.01)
A61B 5/055
(2006.01)
G06T 7/00
(2006.01)
|
|
MCD-Zusatzklasse |
MCA |
|
| 57 |
Zusammenfassung |
AB |
[DE] Die vorliegende Erfindung betrifft ein Verfahren zur Segmentierung eines Organs, insbesondere der Leber, in n-kanaligen Volumendatensätzen der Magnetresonanztomographie. Bei dem Verfahren werden auf Basis von Segmentierungsergebnissen aus n-kanaligen Trainingsdatensätzen Wahrscheinlichkeitsverteilungen generiert, die Wahrscheinlichkeiten angeben, mit denen Positionen von Voxeln und mit Hilfe einer Diskriminanzreduktion aus n Dimensionen auf eine Dimension projizierte Intensitätswerte von Voxeln der Trainingsdatensätze zu dem Organ gehören. Aus den n-kanaligen Volumendatensätzen wird dann auf Basis der Wahrscheinlichkeitsverteilungen wenigstens ein 3D-Wahrscheinlichkeitsdatensatz generiert, in dem jedem Voxel eine Wahrscheinlichkeit zugeordnet ist, zu dem Organ zu gehören. Ein Maximum des 3D-Wahrscheinlichkeitsdatensatzes wird als Startpunkt für die Segmentierung gesetzt und die Segmentierung des Organs anschließend auf Basis des 3D-Wahrscheinlichkeitsdatensatzes mit einer Region-Growing-Technik durchgeführt. Das Verfahren ermöglicht eine vollautomatische Segmentierung des Organs mit hoher Zuverlässigkeit. |
| 56 |
Entgegengehaltene Patentdokumente/Zitate,
in Recherche ermittelt |
CT |
EP000001080449B1
|
| 56 |
Entgegengehaltene Patentdokumente/Zitate,
vom Anmelder genannt |
CT |
|
| 56 |
Entgegengehaltene Nichtpatentliteratur/Zitate,
in Recherche ermittelt |
CTNP |
Cline, Harvey E., Lorensen, William E., Kikinis, Ron, Jolesz, Ferenc: "Three-Dimensional Segmentation of MR Images of the Head Using Probability and Connectivity", Lippincott-Raven Publishers, Journal of Computer Assisted Tomography, November/December 1990, Volume 14, Issue 6 p 0;
Yen-Chieh Ouyang, Hsian-Min Chen,Jyh-Wen Chai, Cheng-Chieh Chen, Clayton Chi-Chang Chen, Sek-Kwong Poon, Ching-Wen Yang, San-Kan Lee : "Independent Component Analysis for Magnetic Resonance Image Analysis"; EURASIP Journal on Advances in Signal Processing; Volume 2008 (2008), Article ID 780656, doi:10.1155/2008/780656 p 0
|
| 56 |
Entgegengehaltene Nichtpatentliteratur/Zitate,
vom Anmelder genannt |
CTNP |
|
|
Zitierende Dokumente |
|
keine Treffer
|
|
Sequenzprotokoll |
|
|
|
Prüfstoff-IPC |
ICP |
A61B 19/00 R
A61B 19/00
A61B 34/00
A61B 34/10
A61B 34/20
A61B 90/00
A61B 90/90
A61B 90/94
A61B 90/98
G01R 33/56
G06T 7/00
G06T 7/40
|
