RU2019112787A - Способ - Google Patents
Способ Download PDFInfo
- Publication number
- RU2019112787A RU2019112787A RU2019112787A RU2019112787A RU2019112787A RU 2019112787 A RU2019112787 A RU 2019112787A RU 2019112787 A RU2019112787 A RU 2019112787A RU 2019112787 A RU2019112787 A RU 2019112787A RU 2019112787 A RU2019112787 A RU 2019112787A
- Authority
- RU
- Russia
- Prior art keywords
- attenuation
- pvwi
- perivascular
- vessel
- length
- Prior art date
Links
- 238000000034 method Methods 0.000 title claims 27
- 238000002591 computed tomography Methods 0.000 claims 10
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims 9
- 239000000090 biomarker Substances 0.000 claims 8
- 208000035868 Vascular inflammations Diseases 0.000 claims 6
- 210000000577 adipose tissue Anatomy 0.000 claims 6
- 230000000747 cardiac effect Effects 0.000 claims 6
- 210000000709 aorta Anatomy 0.000 claims 4
- 210000001367 artery Anatomy 0.000 claims 4
- 210000004351 coronary vessel Anatomy 0.000 claims 4
- 210000004204 blood vessel Anatomy 0.000 claims 3
- 210000001715 carotid artery Anatomy 0.000 claims 3
- OYPRJOBELJOOCE-UHFFFAOYSA-N Calcium Chemical compound [Ca] OYPRJOBELJOOCE-UHFFFAOYSA-N 0.000 claims 2
- 229910052791 calcium Inorganic materials 0.000 claims 2
- 239000011575 calcium Substances 0.000 claims 2
- 238000012512 characterization method Methods 0.000 claims 2
- 210000001105 femoral artery Anatomy 0.000 claims 2
- 208000007474 aortic aneurysm Diseases 0.000 claims 1
- 238000007477 logistic regression Methods 0.000 claims 1
- 238000012544 monitoring process Methods 0.000 claims 1
- 238000000926 separation method Methods 0.000 claims 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
- G06T7/0012—Biomedical image inspection
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
- A61B6/02—Arrangements for diagnosis sequentially in different planes; Stereoscopic radiation diagnosis
- A61B6/03—Computed tomography [CT]
- A61B6/032—Transmission computed tomography [CT]
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
- A61B6/50—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment specially adapted for specific body parts; specially adapted for specific clinical applications
- A61B6/504—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment specially adapted for specific body parts; specially adapted for specific clinical applications for diagnosis of blood vessels, e.g. by angiography
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
- A61B6/52—Devices using data or image processing specially adapted for radiation diagnosis
- A61B6/5211—Devices using data or image processing specially adapted for radiation diagnosis involving processing of medical diagnostic data
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T11/00—2D [Two Dimensional] image generation
- G06T11/003—Reconstruction from projections, e.g. tomography
- G06T11/008—Specific post-processing after tomographic reconstruction, e.g. voxelisation, metal artifact correction
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/60—Analysis of geometric attributes
- G06T7/62—Analysis of geometric attributes of area, perimeter, diameter or volume
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H30/00—ICT specially adapted for the handling or processing of medical images
- G16H30/40—ICT specially adapted for the handling or processing of medical images for processing medical images, e.g. editing
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
- G16H50/30—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for calculating health indices; for individual health risk assessment
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
- A61B6/52—Devices using data or image processing specially adapted for radiation diagnosis
- A61B6/5211—Devices using data or image processing specially adapted for radiation diagnosis involving processing of medical diagnostic data
- A61B6/5217—Devices using data or image processing specially adapted for radiation diagnosis involving processing of medical diagnostic data extracting a diagnostic or physiological parameter from medical diagnostic data
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10072—Tomographic images
- G06T2207/10081—Computed x-ray tomography [CT]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30004—Biomedical image processing
- G06T2207/30048—Heart; Cardiac
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30004—Biomedical image processing
- G06T2207/30101—Blood vessel; Artery; Vein; Vascular
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
- Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Physics & Mathematics (AREA)
- General Health & Medical Sciences (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Radiology & Medical Imaging (AREA)
- Public Health (AREA)
- Theoretical Computer Science (AREA)
- Pathology (AREA)
- Biomedical Technology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Physics & Mathematics (AREA)
- Optics & Photonics (AREA)
- High Energy & Nuclear Physics (AREA)
- Animal Behavior & Ethology (AREA)
- Molecular Biology (AREA)
- Heart & Thoracic Surgery (AREA)
- Veterinary Medicine (AREA)
- Surgery (AREA)
- Biophysics (AREA)
- Quality & Reliability (AREA)
- Geometry (AREA)
- Primary Health Care (AREA)
- Epidemiology (AREA)
- Pulmonology (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Dentistry (AREA)
- Vascular Medicine (AREA)
- Physiology (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- Apparatus For Radiation Diagnosis (AREA)
- Measuring Pulse, Heart Rate, Blood Pressure Or Blood Flow (AREA)
- Medical Treatment And Welfare Office Work (AREA)
Claims (36)
1. Способ определения периваскулярного водного индекса (PVWi) кровеносного сосуда, предусматривающий
(i) применение данных, собранных со сканограммы от компьютерной томографии вдоль длины сосуда, для определения общего объема вокселей воды в пределах окна ослабления вокруг ослабления для воды в пределах периваскулярного пространства на заранее определенном расстоянии от наружной стенки сосуда и
(ii) коррекцию общего объема вокселей воды на объем сосуда посредством деления общего объема вокселей воды, определенного на стадии (i), на общий периваскулярный объем.
2. Способ по п. 1, при этом окно ослабления вокруг ослабления воды составляет от -30 до +30 единиц по шкале Хаунсфилда (HU).
3. Способ по п. 2, при этом окно ослабления вокруг ослабления воды составляет от -15 до +15 HU.
4. Способ по любому предыдущему пункту, при этом заранее определенное расстояние от наружной стенки сосуда представляет собой стандартное расстояние, которое не является равным или связанным с диаметром или радиусом нижележащего сосуда.
5. Способ по любому из пп. 1-3, при этом заранее определенное расстояние от наружной стенки сосуда представляет собой либо расстояние, равное радиусу или диаметру нижележащего сосуда, либо расстояние, которое является характерным для размера нижележащего сосуда.
6. Способ по любому предыдущему пункту, при этом данные собирают со сканограммы от компьютерной томографии вдоль длины правой коронарной артерии, левой передней нисходящей артерии, левой огибающей артерии, аорты, сонных артерий или бедренных артерий.
7. Способ по п. 6, при этом данные собирают со сканограммы от компьютерной томографии вдоль длины 4 см, начиная в 1 см в дистальном направлении относительно начала правой коронарной артерии.
8. Способ по любому из пп. 1-5, при этом данные собирают со сканограммы от компьютерной томографии вдоль длины аорты.
9. Применение периваскулярного водного индекса (PVWi) в качестве функционального биологического маркера воспаления сосудов, при этом PVWi определен в соответствии со способом по любому из пп. 1-8.
10. Применение PVWi в качестве функционального биологического маркера по п. 9, при этом биологический маркер применяется для прогнозирования риска смертности по всем причинам или смертности от кардиальных событий у пациента.
11. Применение PVWi в качестве функционального биологического маркера по п. 10, при этом PVWi применяется в комбинации с дополнительными функциональными и/или биологическими маркерами воспаления сосудов.
12. Применение PVWi в качестве функционального биологического маркера по п. 11, при этом структурные биологические маркеры воспаления сосудов включают в себя один или более из кальциевого индекса и индекса фиброзных бляшек, и/или при этом дополнительные функциональные биологические маркеры воспаления сосудов включают в себя один или более из коэффициента ослабления для жира в периваскулярной жировой ткани (FAIPVAT), коэффициента ослабления для жира в эпикардиальной жировой ткани (FAIEpAT) и объемного периваскулярного характеризующего индекса (VPCI).
13. Способ прогнозирования риска смертности или риска у пациента, страдающего от кардиального события, причем указанный способ предусматривает:
(a) применение данных, собранных со сканограммы от компьютерной томографии (КТ) вдоль длины кровеносного сосуда, для определения:
(i) кальциевого индекса (Calcium-i) и/или
(ii) индекса фиброзных бляшек (FPi)
и по меньшей мере одного из
(iii) коэффициента ослабления для жира в периваскулярной жировой ткани (FAIPVAT);
(iv) периваскулярного водного индекса (PVWi) и/или
(v) коэффициента ослабления для жира в эпикардиальной жировой ткани (FAIEpAT); и
(b) сравнение каждого из значений, определенных в (a), с заранее определенным разделительным значением или применение абсолютного значения каждой переменной с целью получения выходного значения, которое указывает на риск того, что пациент страдает от кардиального события.
14. Способ по п. 13, при этом как FAIPVAT, так и PVWi определяют на стадии (a).
15. Способ по п. 13 или 14, при этом данные собирают со сканограммы от компьютерной томографии вдоль длины правой коронарной артерии, левой передней нисходящей артерии, левой огибающей артерии, аорты, сонных артерий или бедренных артерий.
16. Способ по п. 15, при этом данные собирают со сканограммы от компьютерной томографии вдоль длины 4 см, начиная в 1 см в дистальном направлении относительно начала коронарной артерии.
17. Способ по п. 13 или 14, при этом данные собирают со сканограммы от компьютерной томографии вдоль длины аорты.
18. Способ по любому из пп. 13-17, при этом стадия (a) дополнительно предусматривает применение данных, собранных со сканограммы от компьютерной томографии вдоль длины кровеносного сосуда, для определения (v) объемного периваскулярного характеризующего индекса (VPCI), и при этом значение (v) включают на стадии (b) в п. 13.
19. Способ по любому из пп. 13-18, дополнительно предусматривающий определение одного или более из (vi) объема эпикардиальной жировой ткани (EpAT-vol) и (vii) коэффициента ослабления для жира в эпикардиальной жировой ткани (FAIEpAT), и при этом значение из (vi) и/или (vii) включают на стадии (b) в п. 13.
20. Способ по любому из пп. 13-19, дополнительно предусматривающий определение одного или более из (viii) возраста и (ix) пола пациента, и при этом значение из (viii) и/или (ix) включают на стадии (b) в п. 13.
21. Способ по любому из пп. 13-20, при этом коэффициенты для каждого из (i)-(vii) получают из моделей рисков Кокса или логистической регрессии.
22. Способ по любому из пп. 13-20, при этом разделительные точки для каждого из (i)-(vii) получают из рабочих характеристических кривых (ROC).
23. Способ по любому из пп. 13-22, при этом выходное значение представляет собой непрерывную однозначную функцию или значение, которое попадает в пределы одного из трех дискретных интервалов, соответствующих низкому, среднему и высокому риску кардиального события, смерти от кардиального события или смертности по всем причинам.
24. Способ по любому из пп. 13-23, при этом способ применяют для стратификации пациентов в соответствии с их риском смертности по всем причинам или смертности от кардиальных событий.
25. Способ по любому из пп. 13-24, при этом у пациента было диагностировано воспаление сосудов или состояние, известное как ассоциированное с воспалением сосудов.
26. Применение способа по любому из пп. 13-25 для неинвазивного мониторинга аневризм аорты и/или бляшек в сонной артерии, при этом указанный способ не включает в себя определение объема EpAT или FAIEpAT.
Applications Claiming Priority (5)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
GR20160100555 | 2016-10-31 | ||
GR20160100555 | 2016-10-31 | ||
GB1620494.3 | 2016-12-02 | ||
GB1620494.3A GB2557263A (en) | 2016-12-02 | 2016-12-02 | Method |
PCT/GB2017/053262 WO2018078395A1 (en) | 2016-10-31 | 2017-10-31 | Method |
Publications (3)
Publication Number | Publication Date |
---|---|
RU2019112787A true RU2019112787A (ru) | 2020-11-30 |
RU2019112787A3 RU2019112787A3 (ru) | 2021-02-05 |
RU2758548C2 RU2758548C2 (ru) | 2021-10-29 |
Family
ID=60201620
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
RU2019112787A RU2758548C2 (ru) | 2016-10-31 | 2017-10-31 | Периваскулярный водный индекс и его применение для прогнозирования смертности по всем причинам или смертности от кардиальных событий |
Country Status (12)
Country | Link |
---|---|
US (4) | US11393137B2 (ru) |
EP (2) | EP3960087B1 (ru) |
JP (1) | JP7210463B2 (ru) |
KR (1) | KR102487832B1 (ru) |
CN (2) | CN117918872A (ru) |
AU (2) | AU2017351986B2 (ru) |
CA (2) | CA3226114A1 (ru) |
ES (2) | ES2952254T3 (ru) |
HU (1) | HUE063284T2 (ru) |
RU (1) | RU2758548C2 (ru) |
SG (1) | SG11201903840WA (ru) |
WO (1) | WO2018078395A1 (ru) |
Families Citing this family (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
ES2952254T3 (es) | 2016-10-31 | 2023-10-30 | Univ Oxford Innovation Ltd | Método de detección de inflamación vascular |
GB2577349B (en) * | 2018-09-18 | 2023-06-14 | Univ Oxford Innovation Ltd | Radiomic signature of adipose |
GB2578485A (en) * | 2018-09-18 | 2020-05-13 | Univ Oxford Innovation Ltd | Radiomic signature of a perivascular region |
KR20210076944A (ko) * | 2018-10-17 | 2021-06-24 | 하트플로우, 인크. | 지방 조직으로부터 심장혈관 질환 및 치료 유효성을 평가하기 위한 시스템들 및 방법들 |
US10813612B2 (en) * | 2019-01-25 | 2020-10-27 | Cleerly, Inc. | Systems and method of characterizing high risk plaques |
WO2021026125A1 (en) * | 2019-08-05 | 2021-02-11 | Elucid Bioimaging Inc. | Combined assessment of morphological and perivascular disease markers |
EP4276751A3 (en) * | 2019-11-28 | 2024-01-10 | Siemens Healthcare GmbH | Computer-implemented method for evaluating a ct data set regarding perivascular tissue, evaluation device, computer program and electronically readable storage medium |
AU2021205821A1 (en) | 2020-01-07 | 2022-07-21 | Cleerly, Inc. | Systems, methods, and devices for medical image analysis, diagnosis, risk stratification, decision making and/or disease tracking |
CN111150490B (zh) * | 2020-01-15 | 2021-01-29 | 陈挺 | 基于ar和ai技术的心脏射频消融手术智能助手系统 |
RU2738135C1 (ru) * | 2020-02-11 | 2020-12-08 | Общество с ограниченной ответственностью "Научно-технический центр "МТ" (ООО "НТЦ-МТ") | Способ двухэнергетической рентгенографии (варианты) |
CN111738986B (zh) * | 2020-06-01 | 2021-02-09 | 数坤(北京)网络科技有限公司 | 一种脂肪衰减指数的生成方法、装置及计算机可读介质 |
CN111754473B (zh) * | 2020-06-17 | 2024-10-29 | 平安科技(深圳)有限公司 | 用于3d图像的异常图像筛查方法、装置、设备及存储介质 |
WO2023000039A1 (en) * | 2021-07-23 | 2023-01-26 | Navier Medical Ltd | Systems and methods for detecting microcalcification activity |
CN113476068B (zh) * | 2021-07-27 | 2024-11-01 | 中山大学附属第八医院(深圳福田) | 基于胸部动脉钙化对主要不良心血管事件的预测模型及构建方法 |
US20230289963A1 (en) | 2022-03-10 | 2023-09-14 | Cleerly, Inc. | Systems, devices, and methods for non-invasive image-based plaque analysis and risk determination |
Family Cites Families (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2006055498A2 (en) * | 2004-11-15 | 2006-05-26 | Uab Research Foundation | Methods and systems of analyzing clinical parameters and methods of producing visual images |
WO2007058997A2 (en) * | 2005-11-11 | 2007-05-24 | The University Of Houston System | Scoring method for imaging-based detection of vulnerable patients |
WO2010071896A2 (en) * | 2008-12-19 | 2010-06-24 | Piedmont Healthcare, Inc. | System and method for lesion-specific coronary artery calcium quantification |
WO2011069120A1 (en) * | 2009-12-03 | 2011-06-09 | Cedars-Sinai Medical Center | Method and system for plaque characterization |
US8532360B2 (en) * | 2010-04-20 | 2013-09-10 | Atheropoint Llc | Imaging based symptomatic classification using a combination of trace transform, fuzzy technique and multitude of features |
WO2014197460A1 (en) * | 2013-06-04 | 2014-12-11 | The Trustees Of The University Of Pennsylvania | Methods for diagnosing and treating bicuspid aortic valve and/or aortopathies |
WO2015073977A1 (en) * | 2013-11-15 | 2015-05-21 | The Johns Hopkins University | Systems and methods of assessing risk of sudden cardiac death |
ES2655795T3 (es) * | 2014-04-04 | 2018-02-21 | Winfried März | Aproximación de biomarcador múltiple para predicción de mortalidad en pacientes de diálisis |
GB201414496D0 (en) * | 2014-08-15 | 2014-10-01 | Isis Innovation | Method |
ES2952254T3 (es) | 2016-10-31 | 2023-10-30 | Univ Oxford Innovation Ltd | Método de detección de inflamación vascular |
-
2017
- 2017-10-31 ES ES21198980T patent/ES2952254T3/es active Active
- 2017-10-31 RU RU2019112787A patent/RU2758548C2/ru active
- 2017-10-31 JP JP2019546092A patent/JP7210463B2/ja active Active
- 2017-10-31 KR KR1020197015673A patent/KR102487832B1/ko active IP Right Grant
- 2017-10-31 US US16/345,165 patent/US11393137B2/en active Active
- 2017-10-31 EP EP21198980.1A patent/EP3960087B1/en active Active
- 2017-10-31 CA CA3226114A patent/CA3226114A1/en active Pending
- 2017-10-31 ES ES17792171T patent/ES2938857T3/es active Active
- 2017-10-31 CA CA3040391A patent/CA3040391A1/en active Pending
- 2017-10-31 WO PCT/GB2017/053262 patent/WO2018078395A1/en unknown
- 2017-10-31 AU AU2017351986A patent/AU2017351986B2/en active Active
- 2017-10-31 HU HUE21198980A patent/HUE063284T2/hu unknown
- 2017-10-31 EP EP17792171.5A patent/EP3531917B1/en active Active
- 2017-10-31 SG SG11201903840WA patent/SG11201903840WA/en unknown
- 2017-10-31 CN CN202310836385.4A patent/CN117918872A/zh active Pending
- 2017-10-31 CN CN201780081809.3A patent/CN110267596B/zh active Active
-
2021
- 2021-11-11 US US17/454,540 patent/US11880916B2/en active Active
-
2022
- 2022-12-07 US US18/062,829 patent/US11948230B2/en active Active
- 2022-12-12 AU AU2022287535A patent/AU2022287535B2/en active Active
-
2024
- 2024-01-11 US US18/410,350 patent/US20240221249A1/en active Pending
Also Published As
Publication number | Publication date |
---|---|
CA3226114A1 (en) | 2018-05-03 |
CN110267596B (zh) | 2024-04-02 |
WO2018078395A1 (en) | 2018-05-03 |
KR20190072633A (ko) | 2019-06-25 |
RU2758548C2 (ru) | 2021-10-29 |
US11880916B2 (en) | 2024-01-23 |
SG11201903840WA (en) | 2019-05-30 |
EP3531917B1 (en) | 2023-01-25 |
AU2022287535A1 (en) | 2023-02-02 |
CN117918872A (zh) | 2024-04-26 |
CN110267596A (zh) | 2019-09-20 |
JP7210463B2 (ja) | 2023-01-23 |
HUE063284T2 (hu) | 2024-01-28 |
KR102487832B1 (ko) | 2023-01-12 |
US20220139005A1 (en) | 2022-05-05 |
CA3040391A1 (en) | 2018-05-03 |
US11393137B2 (en) | 2022-07-19 |
AU2017351986B2 (en) | 2022-12-08 |
US20190287276A1 (en) | 2019-09-19 |
US11948230B2 (en) | 2024-04-02 |
JP2020501850A (ja) | 2020-01-23 |
AU2022287535B2 (en) | 2024-03-14 |
US20230113005A1 (en) | 2023-04-13 |
AU2017351986A1 (en) | 2019-05-02 |
ES2952254T3 (es) | 2023-10-30 |
ES2938857T3 (es) | 2023-04-17 |
US20240221249A1 (en) | 2024-07-04 |
EP3531917A1 (en) | 2019-09-04 |
EP3960087B1 (en) | 2023-07-12 |
EP3960087A1 (en) | 2022-03-02 |
RU2019112787A3 (ru) | 2021-02-05 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
RU2019112787A (ru) | Способ | |
JP2020501850A5 (ru) | ||
Baumgartner et al. | Diagnostic power of aortic elastic properties in young patients with Marfan syndrome | |
EP3323064A1 (en) | Systems and methods for estimating hemodynamic forces acting on plaque and monitoring risk | |
CN115564737A (zh) | 冠状动脉ct造影图像的分割方法、装置与存储介质 | |
US20190200884A1 (en) | Devices and methods for stratification of patients for renal denervation based on intravascular pressure and wall thickness measurements | |
Zhang et al. | Treatment of fusiform ascending aortic aneurysms: a comparative study with 2 options | |
Qing et al. | Persistent intraluminal pressure after endovascular stent grafting for type B aortic dissection | |
Satdhabudha et al. | A randomized comparison of flow characteristics of semiskeletonized and pedicled internal thoracic artery preparations in coronary artery bypass | |
Conangla-Planes et al. | Imaging diagnosis of portal hypertension | |
Veger et al. | Where to fenestrate in aortic dissection type B? An ex vivo study | |
US20190133540A1 (en) | Epicardial adipose tissue inflammatory index prediction of lesion-specific ischemia as assessed by fractional flow reserve | |
RU2361527C1 (ru) | Способ лечения облитерирующего атеросклероза сосудов нижних конечностей | |
Cerón et al. | Characterization of the volume and thickness of DIEP flap by CTA image processing | |
Orakova et al. | Dynamics of twenty-four hour monitoring of blood pressure in elderly patients with bronchial asthma | |
Mao et al. | The comparison of venous sequential and normal graft patency based on hemodynamics | |
Saito et al. | Left main coronary artery atresia diagnosed by multidetector computed tomography | |
Nair | Systolic and diastolic blood pressure: Do we add or subtract to estimate the blood pressure burden | |
Kotanidis et al. | OP4 Perivascular fat attenuation index mapping around the right and left coronary artery independently predict cardiac mortality | |
Escandón et al. | Fundamentals of Lymphedema | |
Wall et al. | OP5 Pericoronary adipose tissue density is greater in takayasu arteritis than atherosclerosis and is associated with coronary arterial inflammation measured by 68Ga-DOTATATE PET | |
Goitein et al. | Neo Lvot Prediction With The Innovalve Tmvr System-Ct Preliminary Results | |
Tajima et al. | Myocardial Mass Derived From Coronary Ct Angiography | |
Rohani | Recurrent Chest Pain and Lytic Lesion in the Spine | |
Puerto Díaz et al. | Diagnosis of the diseased coronary vessel by calcium score in patients with chest pain. |