RU2589652C1 - Способ предоперационного определения степени злокачественности и гистологического подтипа опухолей оболочек головного мозга - Google Patents
Способ предоперационного определения степени злокачественности и гистологического подтипа опухолей оболочек головного мозга Download PDFInfo
- Publication number
- RU2589652C1 RU2589652C1 RU2015114345/14A RU2015114345A RU2589652C1 RU 2589652 C1 RU2589652 C1 RU 2589652C1 RU 2015114345/14 A RU2015114345/14 A RU 2015114345/14A RU 2015114345 A RU2015114345 A RU 2015114345A RU 2589652 C1 RU2589652 C1 RU 2589652C1
- Authority
- RU
- Russia
- Prior art keywords
- brain
- histogram
- images
- mri
- intensity
- Prior art date
Links
Images
Classifications
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/05—Detecting, measuring or recording for diagnosis by means of electric currents or magnetic fields; Measuring using microwaves or radio waves
- A61B5/055—Detecting, measuring or recording for diagnosis by means of electric currents or magnetic fields; Measuring using microwaves or radio waves involving electronic [EMR] or nuclear [NMR] magnetic resonance, e.g. magnetic resonance imaging
-
- G—PHYSICS
- G06—COMPUTING OR CALCULATING; COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Physics & Mathematics (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Engineering & Computer Science (AREA)
- Heart & Thoracic Surgery (AREA)
- Animal Behavior & Ethology (AREA)
- Pathology (AREA)
- Radiology & Medical Imaging (AREA)
- Biomedical Technology (AREA)
- High Energy & Nuclear Physics (AREA)
- Medical Informatics (AREA)
- Molecular Biology (AREA)
- Surgery (AREA)
- Biophysics (AREA)
- General Health & Medical Sciences (AREA)
- Public Health (AREA)
- Veterinary Medicine (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Magnetic Resonance Imaging Apparatus (AREA)
Abstract
Изобретение относится к медицине, нейрохирургии и нейрорадиологии. Проводят анализ МРТ снимков в режиме T1 c контрастированием поэтапно. Для этого вначале определяют интенсивность каждого пикселя в области опухоли на контрастных МРТ Т1 взвешенных снимках. Затем выполняют нормализацию интенсивности каждого пикселя на интактную ткань белого вещества головного мозга пациента с учетом коэффициента смещения гистограммы относительно среднего цвета фона базы данных МРТ снимков пациентов с опухолями мозговых оболочек головного мозга. Формируют гистограмму нормализованной интенсивности пикселов на МРТ снимках. Определяют положение пика гистограммы. На основании сравнения его значения с пределами значений разных гистологических типов опухолей мозговых оболочек, указанных в базе данных, определяют гистологический тип опухоли и соответствующую ему степень злокачественности. Способ обеспечивает высокую точность распознавания гистологического типа новообразований по МРТ снимкам в дооперационном периоде. 7 ил., 2 пр., 3 табл.
Description
ОБЛАСТЬ ТЕХНИКИ
Изобретение относится к медицине, а именно к разделам нейрохирургии и нейрорадиологии.
УРОВЕНЬ ТЕХНИКИ
Менингиомы часто встречающиеся опухоли паутинной оболочки головного мозга, методом лечения которых в большинстве случаев является хирургическое удаление. Радикальность и безопасность удаления данных опухолей во многом зависит от их консистенции. Фибропластические и смешанные типы менингиом, как правило, являются более плотными, чем менинготелиоматозные и псамомотозные. В связи с этим неинвазивный способ дооперационного определения гистологического типа и злокачественности опухолей мозговых оболочек важен для оптимального предоперационного планирования.
Известен способ анализа, основанный на определении интенсивности сигнала от менингиомы (зоны интереса) в различных MP-модальностях (T1, Т2, FLAIR, DWI, MD и FA карты) [1, 2, 3]. Плотные опухоли чаще всего имеют изоинтенсивный сигнал на MD-DWI картах и гиперинтенсивный на FA-DWI режиме.
Известен способ [4] измерения динамического изменения концентрации контрастного вещества при проведении МРТ головного мозга с контрастированием. В одной и той же области интереса производится МРТ сканирование в Т1 режиме в разные промежутки времени, а затем графически показывается увеличение интенсивности MP-сигнала, что соотносится с зоной нарушения гематоэнцефалического барьера и перфузией, которая косвенно связана с ангиогенезом.
Известен способ [5] анализа зоны интересы участков головного мозга с помощью волюметрии, который использует суммирование количества вокселов в зоне интереса, представляя это через гистограммы. Известен способ [6] анализа новообразований по снимкам МРТ, в частности с помощью послойного анализа каждого снимка. Метод направлен на сегментацию ткани мозга с помощью построения гистограммы снимков Т1 и Т2 режимов, что позволяет отделить серое и белое вещество головного мозга в каждом конкретном случае и не нацелено сравнивать снимки между разными пациентами.
Известен способ [7] анализа новообразований с помощью построения гистограмм, однако в известном способе не описан принцип нормализации изображения на белое вещество головного мозга. Белое вещество не однородно и его интенсивность MP-сигнала колеблется в пределах от -50 до 120 (в зависимости от томографа), а также оно может содержать сосуды, величина интенсивности которых более 120. Кроме того, границы интенсивности белого вещества головного мозга могут варьироваться и зависеть от времени проведения исследования и от томографов разных производителей. Поэтому просто нормирование без учета этих особенностей снижает чувствительность методов и не позволяет сравнивать гистограммы, полученные из снимков разных томографов, такие как Toshiba, Siemens, GE.
Недостатками вышеприведенных известных способов является невозможность на дооперационном этапе установить гистологический тип опухоли, отдифференцировать менингиомы от других опухолей мозговых оболочек, значительное увеличение протокола и продолжительности МРТ исследования.
РАСКРЫТИЕ ИЗОБРЕТЕНИЯ
Целью разработанного способа анализа МРТ изображений является дооперационное определение гистологического типа, подтипа и степени злокачественности опухолей оболочек головного мозга.
Технический результат - повышение точности распознавания гистологического типа новообразований по МРТ снимкам на дооперационном периоде.
Технический результат достигается за счет способа предоперационного определения степени злокачественности и гистологического типа менингиом головного мозга, включающий анализ МРТ снимков в режиме Т1 с контрастированием, содержащий этапы, на которых:
- определяют интенсивность каждого пикселя в области опухоли на контрастных МРТ Т1 взвешенных снимках;
- выполняют нормализацию интенсивности каждого пикселя на интактную ткань белого вещества головного мозга пациента с учетом коэффициента смещения гистограммы относительно среднего цвета фона базы данных МРТ снимков пациентов с опухолями мозговых оболочек головного мозга;
- формируют гистограмму нормализованной интенсивности пикселов на МРТ снимках;
- определяют положение пика гистограммы и на основании сравнения его значения с пределами значений разных гистологических типов опухолей мозговых оболочек, указанных в базе данных, определяют гистологический тип опухоли и соответствующую ему степень злокачественности.
КРАТКОЕ ОПИСАНИЕ ЧЕРТЕЖЕЙ
На Фиг. 1 - Фиг. 3 изображены вариации яркости МРТ снимков.
На Фиг. 4 изображено предоперационное MP-изображение Т1, взвешенное в аксиальной плоскости, отображающее менинготелиоматозный субтип менингиом.
На Фиг. 5 изображена гистограмма, соответствующая менинготелиамотозному типу опухоли, построенная из снимков Пациента №1.
На Фиг. 6 изображено MP-изображение Т1, взвешенное в аксиальной плоскости, отображающее анапластический субтип менингиомы.
На Фиг. 7 изображена гистограмма, соответствующая анапластическому типу менингиомы, построенная из снимков Пациента №2.
ОСУЩЕСТВЛЕНИЕ ИЗОБРЕТЕНИЯ
Способ выполняется следующим образом.
Пациенту до операции проводится МРТ головного мозга с контрастированием. Затем из полученного пакета данных DICOM изображения экспортируются в расширении JPEG Lossless, визуализирующие опухоль (область интереса) в режиме Т1 с контрастированием.
Производится построение суммированной со всех экспортируемых изображений гистограммы относительной интенсивности MP-сигнала от области интереса. Нормализация области интереса производится на белое вещество головного мозга с учетом коэффициента смещения гистограммы относительно среднего цвета фона базы данных МРТ снимков пациентов с опухолями мозговых оболочек головного мозга.
Формула расчета показателя интенсивности для каждого пикселя в области интереса, на основании которых будет строиться гистограмма.
К=а-а0; X=Х0-К/10а; Y=1000Y0/Z.
Условные обозначения:
Y - Нормированное количество одинаковых значений Х0 на всех срезах.
X - Относительный цвет пикселя (по аддитивной цветовой модели RGB) в области 2.
1 область - фон, область нормальной (интактной) ткани белого вещества головного мозга на MP-изображении
2 область - область интереса, область опухоли на MP-изображении
Y0 - Количество одинаковых значений Х0 на всех срезах.
Х0 - Абсолютный цвет пикселя (по аддитивной цветовой модели RGB) в области 2.
X - Относительный цвет пикселя (по аддитивной цветовой модели RGB) в области 2
а0 - Средний цвет (по аддитивной цветовой модели RGB) белого вещества головного мозга из базы данных
а - Средний цвет (по аддитивной цветовой модели RGB) в области 1.
К - Коэффициент смещения гистограммы относительно среднего цвета фона базы данных МРТ снимков пациентов с опухолями мозговых оболочек головного мозга
Z - Сумма пикселей по всем срезам в области 2.
Для расчета коэффициента К необходимо иметь сформированную базу данных МРТ снимков пациентов с опухолями мозговых оболочек головного мозга. Была сформирована база из снимков 50-ти пациентов, в которой были проанализированы участки белого вещества головного мозга - «фон». Рассчитывается средний цвет в каждом фоне и в целом в базе (а0). Средний цвет в базе (а0) является цветом, который берется за основу, для расчета коэффициента К.
Вычитая из каждого цвета пикселя (Х0) зоны интереса К, мы не меняем структуры распределения цветов, а лишь смещаем гистограмму в одну из сторон, делая изображение ярче либо темнее. При этом каждый пиксель фона новой измененной зоны интереса мы делим на средний цвет фона исходного анализируемого изображения (а). Данное действие необходимо для увеличения чувствительности метода, что позволяет учесть вариации яркости изображений (Фиг. 1-Фиг. 3). При нормализации на наиболее часто встречаемый цвет в белом веществе головного мозга в Фиг. 1 и Фиг. 3 без учета коэффициента К мы не получали адекватного результата о гистологическом типе опухоли.
Строим график функции (f) X=Y. Определяем положение пика графика значений по оси х и сравниваем его с пределами значений разных гистологических типов опухолей мозговых оболочек, указанных в базе.
Гистологический тип и подтип опухоли - это морфологические микроструктурные тканевые характеристики опухоли. Степень злокачественности опухоли - это параметр, указывающий на агрессивность поведения опухоли. Чем выше степень злокачественности, тем больше опухолевая клетка отличается от нормальной клетки и тем менее благоприятен прогноз заболевания.
Два этих понятия связаны друг с другом (Таблица 1).
В таблице 1 представлено соотношение типа опухолей мозговых оболочек и степеней злокачественности согласно классификации WHO 2007 (4-я редакция, крайняя) [8]
На основе анализа МРТ данных ряда пациентов было сформировано соответствие положения пика графика гистограммы гистологическому типу опухолей оболочек головного мозга (Таблица 2).
Дополнительно для отображения примера выявления пиков гистограмм будет приведена дополнительная таблица (Таблица 3).
7
8
На основании приведенной таблицы по пику гистограммы достоверно возможно определить 5 групп опухолей:
Менинготелиоматозные менингиомы (1 группа), фибропластические менингиомы (2 группа), гемангиоперицитомы (3 группа), атипические, анапластические менингиомы (злокачественные менингиомы, 4 группа) и фибросаркомы (5 группа).
Атипические и анапластические менингиомы, несмотря на некоторое различие степени злокачественности опухолей, возможно объединить в одну группу по причине сходного биологическое поведения, что обусловливает идентичный подход в их лечении. Первым этапом проводится резекция опухоли с последующим облучением. Роль химиотерапии в настоящий момент до конца не изучена [9, 10].
Чувствительность данного метода составляет 93,3% верных заключений.
Примеры:
Пример №1: Пациент с менинготелиоматозным субтипом менингиом. На Фиг. 4 изображено выполненное предоперационное MP-изображение Т1, взвешенное в аксиальной плоскости. На построенной с помощью заявленного способа гистограмме (Фиг. 5) и ее последующей обработке был выявлен пик на уровне 16,5, что соответствует менинготелиоматозному субтипу менингиом.
Пример №2: Пациент с анапластическим субтипом менингиомы. На Фиг. 6 изображено выполненное предоперационное MP-изображение Т1, взвешенное в аксиальной плоскости. На построенной с помощью заявленного способа гистограмме (Фиг. 7) и ее последующей обработке был выявлен пик на уровне 9, что соответствует менинготелиоматозному субтипу менингиом.
Заявленное изобретение может быть широко использовано при дооперационной диагностике злокачественных образований головного мозга.
Источники информации
1. The role of advanced MRI techniques in differentiating typical, from atypical and malignant meningiomas Hazim Ibrahim Tantawy a,*, Faten Fawzy Mohamad a,1, Ayman Mohammad Ismael b,2 The Egyptian Journal of Radiology and Nuclear Medicine (2010) 41, 411-419.
2. Neuroradiological findings of atypical meningiomas Noriaki Tomuraa, *, Satoshi Takahashia, Ikuo Sakumaa, Koichi Omachia, Jiro Wataraia, Toshio Sasajimab, Hiroyuki Kinouchib, Kazuo Mizoib CMIG Extra: Cases 28 (2004) 33-39.
3. Romani R, Tang WJ, Mao Y. Diffusion tensor magnetic resonance imaging for predicting the consistency of intracranial meningiomas. Acta Neurochir (Wien). 2014 Oct; 156(10): 1837-45.
4. Magnetic Resonance Imaging Workbench:Analysis and Visualization of Dynamic Contrast-enhanced MR Imaging Data. RadioGraphics 2006; 26:621-632. Published online 10.1148/rg.262045187.
5. Патент США №4856528, JOHN HOPKINS UNIVERSITY, 15.08.1989.
6. MRI Brain image segmentation using graph cuts. Mohammad Shajib Khadem, Signal Processing Group Department of Signals and Systems CHALMERS UNIVERSITY OF TECHNOLOGY Goteborg, Sweden, 2010.
7. Determination of Grade and Subtype of Meningiomas by Using Histogram Analysis of Diffusion-Tensor Imaging Metrics. Sumei Wang et al. Radiology: Volume 262: Number 2-February 2012.
8. David N. Louis, Hiroko Ohgaki, Otmar D. Wiestler, Webster K. Cavenee, Peter C. Burger, Anne Jouvet, Bernd W. Scheithauer, and Paul Kleihuescorresponding author / The 2007 WHO Classification of Tumours of the Central Nervous System. 2007.
9. Prashanth Giridhar, Supriya Mallick, K.P. Haresh, Subhash Gupta, P.K. Julka, G.K. Rath / Intracranial fibrosarcoma treated with adjuvant radiation and temozolomide: Report of a case and review of all published cases / Journal of the Egyptian National Cancer Institute. 4 July 2015.
10. Modha, Ashok M.D.; Gutin, Philip H. M.D.Diagnosis and Treatment of Atypical and Anaplastic Meningiomas: A Review Neurosurgery: September 2005 - Volume 57 - Issue 3 - pp 538-550.
Claims (1)
- Способ предоперационного определения степени злокачественности и гистологического типа менингиом головного мозга, включающий анализ МРТ снимков в режиме T1 c контрастированием, содержащий этапы, на которых:
- определяют интенсивность каждого пикселя в области опухоли на контрастных МРТ Т1 взвешенных снимках;
- выполняют нормализацию интенсивности каждого пикселя на интактную ткань белого вещества головного мозга пациента с учетом коэффициента смещения гистограммы относительно среднего цвета фона базы данных МРТ снимков пациентов с опухолями мозговых оболочек головного мозга;
- формируют гистограмму нормализованной интенсивности пикселов на МРТ снимках;
- определяют положение пика гистограммы и на основании сравнения его значения с пределами значений разных гистологических типов опухолей мозговых оболочек, указанных в базе данных, определяют гистологический тип опухоли и соответствующую ему степень злокачественности.
Priority Applications (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| RU2015114345/14A RU2589652C1 (ru) | 2015-04-17 | 2015-04-17 | Способ предоперационного определения степени злокачественности и гистологического подтипа опухолей оболочек головного мозга |
| PCT/RU2016/000201 WO2016167688A1 (ru) | 2015-04-17 | 2016-04-07 | Способ предоперационного определения степени злокачественности и гистологического подтипа опухолей оболочек головного мозга |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| RU2015114345/14A RU2589652C1 (ru) | 2015-04-17 | 2015-04-17 | Способ предоперационного определения степени злокачественности и гистологического подтипа опухолей оболочек головного мозга |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| RU2589652C1 true RU2589652C1 (ru) | 2016-07-10 |
Family
ID=56371280
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| RU2015114345/14A RU2589652C1 (ru) | 2015-04-17 | 2015-04-17 | Способ предоперационного определения степени злокачественности и гистологического подтипа опухолей оболочек головного мозга |
Country Status (2)
| Country | Link |
|---|---|
| RU (1) | RU2589652C1 (ru) |
| WO (1) | WO2016167688A1 (ru) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| RU2695758C1 (ru) * | 2018-06-04 | 2019-07-25 | Федеральное государственное бюджетное образовательное учреждение высшего образования Иркутский государственный медицинский университет Министерства здравоохранения Российской Федерации | Способ прогнозирования течения заболевания у пациентов с метастазами в головной мозг |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111278349B (zh) * | 2017-10-26 | 2023-03-24 | 富士胶片株式会社 | 医疗图像处理装置 |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| UA37581U (ru) * | 2007-12-20 | 2008-12-10 | Институт Нейрохирургии Им. Акад. А.П. Ромоданова Амн Украины | Способ хирургического удаления менингиом краниобазальной локализации в участке задней черепной ямки |
| RU2008106230A (ru) * | 2005-07-19 | 2009-08-27 | Дзе Борд Оф Трастиз Оф Дзе Юниверсити Оф Иллинойс (Us) | Средства проникновения через гематоэнцефалический барьер и внутрь клеток раковой опухоли мозга и способы их использования |
| RU2472472C1 (ru) * | 2011-09-27 | 2013-01-20 | Федеральное государственное бюджетное учреждение "Московский научно-исследовательский институт глазных болезней имени Гельмгольца" Министерства здравоохранения и социального развития Российской Федерации | Способ диагностики менингиомы и глиомы зрительного нерва |
-
2015
- 2015-04-17 RU RU2015114345/14A patent/RU2589652C1/ru not_active IP Right Cessation
-
2016
- 2016-04-07 WO PCT/RU2016/000201 patent/WO2016167688A1/ru not_active Ceased
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| RU2008106230A (ru) * | 2005-07-19 | 2009-08-27 | Дзе Борд Оф Трастиз Оф Дзе Юниверсити Оф Иллинойс (Us) | Средства проникновения через гематоэнцефалический барьер и внутрь клеток раковой опухоли мозга и способы их использования |
| UA37581U (ru) * | 2007-12-20 | 2008-12-10 | Институт Нейрохирургии Им. Акад. А.П. Ромоданова Амн Украины | Способ хирургического удаления менингиом краниобазальной локализации в участке задней черепной ямки |
| RU2472472C1 (ru) * | 2011-09-27 | 2013-01-20 | Федеральное государственное бюджетное учреждение "Московский научно-исследовательский институт глазных болезней имени Гельмгольца" Министерства здравоохранения и социального развития Российской Федерации | Способ диагностики менингиомы и глиомы зрительного нерва |
Non-Patent Citations (2)
| Title |
|---|
| WANG S.et al. Determination of grade and subtype of meningiomas by using histogram analysis of diffusion-tensor imaging metrics// Radiology, 2012 Feb;262(2):584-92, реф.. * |
| АКБЕРОВ Р.Ф. и др. Диагностика опухолей головного мозга: возможности магнитно-резонансной томографии// Практ.медицина, март 2011, 1(49), с.54-57. КВАША М.С. и др. Результаты комплексной диагностики и комбинированного хирургического лечения больных с кистозными менингиомами головного мозга// Поленовские чтения, тез., СПб, 15-17 апреля 2015, с.129. Усиление МРТ изображения. Визуализация менингиом при контрастном усилении изображения, найдено [07.12.2015] из Интернет, дата размещ.подтв.по адресу архива http://web.archive.org/web/20150323121837/http://dommedika.com/oncology/100.html. * |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| RU2695758C1 (ru) * | 2018-06-04 | 2019-07-25 | Федеральное государственное бюджетное образовательное учреждение высшего образования Иркутский государственный медицинский университет Министерства здравоохранения Российской Федерации | Способ прогнозирования течения заболевания у пациентов с метастазами в головной мозг |
Also Published As
| Publication number | Publication date |
|---|---|
| WO2016167688A1 (ru) | 2016-10-20 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Laukamp et al. | Accuracy of radiomics-based feature analysis on multiparametric magnetic resonance images for noninvasive meningioma grading | |
| Yan et al. | Angiomyolipoma with minimal fat: differentiation from clear cell renal cell carcinoma and papillary renal cell carcinoma by texture analysis on CT images | |
| Bobholz et al. | Radiomic features of multiparametric MRI present stable associations with analogous histological features in patients with brain cancer | |
| Jermyn et al. | Raman spectroscopy detects distant invasive brain cancer cells centimeters beyond MRI capability in humans | |
| Litjens et al. | Computer-extracted features can distinguish noncancerous confounding disease from prostatic adenocarcinoma at multiparametric MR imaging | |
| Cho et al. | Intravoxel incoherent motion (IVIM) histogram biomarkers for prediction of neoadjuvant treatment response in breast cancer patients | |
| Zhang et al. | Quantitative third harmonic generation microscopy for assessment of glioma in human brain tissue | |
| Patel et al. | The value of MR textural analysis in prostate cancer | |
| Goya-Outi et al. | Computation of reliable textural indices from multimodal brain MRI: suggestions based on a study of patients with diffuse intrinsic pontine glioma | |
| Pflüger et al. | Automated detection and quantification of brain metastases on clinical MRI data using artificial neural networks | |
| Cebulla et al. | Multiscale and multi-modality visualization of angiogenesis in a human breast cancer model | |
| Langbein et al. | A pilot study of multidimensional diffusion MRI for assessment of tissue heterogeneity in prostate cancer | |
| Holly et al. | High-grade gliomas exhibit higher peritumoral fractional anisotropy and lower mean diffusivity than intracranial metastases | |
| Rossi et al. | Radiomics of peripheral nerves MRI in mild carpal and cubital tunnel syndrome | |
| Nissan et al. | Diffusion tensor magnetic resonance imaging of the pancreas | |
| Fabijańska | A novel approach for quantification of time–intensity curves in a DCE-MRI image series with an application to prostate cancer | |
| McCammack et al. | In vivo prostate cancer detection and grading using restriction spectrum imaging-MRI | |
| Brabec et al. | Histogram analysis of tensor-valued diffusion MRI in meningiomas: Relation to consistency, histological grade and type | |
| Ivanovska et al. | A level set based framework for quantitative evaluation of breast tissue density from MRI data | |
| You et al. | The value of quantitative CT texture analysis in differentiation of angiomyolipoma without visible fat from clear cell renal cell carcinoma on four-phase contrast-enhanced CT images | |
| Karaman et al. | In vivo assessment of Lauren classification for gastric adenocarcinoma using diffusion MRI with a fractional order calculus model | |
| Widhalm et al. | Value of 1H-magnetic resonance spectroscopy chemical shift imaging for detection of anaplastic foci in diffusely infiltrating gliomas with non-significant contrast-enhancement | |
| Marin et al. | Comparison of semi-automated and manual methods to measure the volume of prostate cancer on magnetic resonance imaging | |
| Mao et al. | Computerized image analysis to differentiate benign and malignant breast tumors on magnetic resonance diffusion weighted image: a preliminary study | |
| RU2589652C1 (ru) | Способ предоперационного определения степени злокачественности и гистологического подтипа опухолей оболочек головного мозга |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| MM4A | The patent is invalid due to non-payment of fees |
Effective date: 20180418 |