基於模型的分割的概率細化的製作方法

2023-09-18 15:39:50 2

專利名稱：基於模型的分割的概率細化的製作方法
技術領域：
本申請涉及圖像分割。其尤其可以與用於描繪目標體積、器官等的醫療診斷成像結合來應用。
背景技術：
諸如CT、MRI、PET、SPECT和超聲波的各種診斷成像模態生成患者的內部解剖體的三維圖像。通常採用不同的灰度水平描繪不同的器官、不同的組織、與非癌變組織形成對比的癌變組織等，可以將所述灰度水平映射成不同顏色以便更易於區分。相鄰的器官、組織體積等往往幾乎沒有或者沒有顯著的灰度差異。例如，一些軟組織在CT數據中可能具有很差的對比度。這樣的差的或者模糊的對比度使得對應的邊界部分只能部分可見，即，不清楚，沒有得到明確的界定。
已經採用基於模型的分割解決了這一問題。通常，所述邊界的一些區域是清晰的，而其他區域則不清晰。在先前的基於模型的分割技術中，開發出一種目標模型庫，例如，具體的器官模型庫。通常對這些器官模型進行配準，例如，對其進行旋轉、縮放等，從而使其與清晰界定的分割邊界對準。可以通過對經過準確地人工分割的對象或器官等求平均而生成器官模型，由此開發出所述對象或器官的標稱模型。一種用於將所述模型擬合至所述邊界的有效的基於模型的分割技術包括將模型定義成柔性的三角形網格，並調整所述三角形網格，使其與所研究的對象或器官的邊界匹配。一種將網格模型擬合至當前圖像數據的技術包括在數學上向所述網格模型施加反向力。具體而言，所述技術確定將網格朝向圖像中的諸如邊緣或邊界的已知圖像特徵吸引的外能與促使模型保持其形狀的反向的形狀保持內能之間的平衡。令人遺憾的是，對模型形狀施加限制可能不利於準確地遵循所研究的結構或器官的邊界。找到兩個能量項之間的最佳平衡通常不是一項容易的工作，可能導致歧義解或多個潛在解。

發明內容
本申請描述了一種細化的方案，該方案對處於被調整網格附近的區帶內的體素分類，從而在很多情況下獲得更加準確的最終分割結果，其中，所述被調整網格表示具有分割不確定的區域。根據一個方面，提供了一種用於對當前診斷圖像進行分割的系統。一個或多個工作站對由多個其他患者生成的選定研究體積的先前生成的高對比度診斷圖像中的研究體積進行分割。一個或多個處理器被編程為使所述經分割的先前生成的圖像配準，並將所述經分割的先前生成的圖像合併到概率圖內，所述概率圖描繪每一體素代表研究體積的概率、每一體素代表背景的概率和均值分割邊界。分割處理器將所述概率圖與當前患者體內的研究體積的當前診斷圖像配準，以生成經變換的概率圖。根據另一方面，提供了一種對診斷圖像進行分割的方法。對從多個患者生成的選定研究體積的先前診斷圖像中的研究體積進行分割。對經分割的先前圖像配準，並將配準的經分割的先前圖像合併到概率圖內，所述概率圖描繪每一體素代表所述研究體積的概率、每一體素代表背景的概率以及均值分割邊界。根據另一方面，提供了一種由上述方法生成的概率圖。根據另一方面，提供了一種記錄了一個或多個電腦程式的有形計算機可讀介質，所述電腦程式用於控制一個或多個處理器執行上述方法。一個優點在於充分地促進了自動的準確分割。另一個優點在於得到了更加可靠的分割結果。在閱讀並理解了下述詳細說明的情況下，本領域技術人員將認識到本發明的其他優點。


本發明可以採取各種部件和部件設置的形式，以及各種步驟和步驟設置的形式。附圖的作用僅在於對優選實施例進行圖示，不應認為其對本發明構成限制。圖I是用於對診斷圖像進行自動分割的設備或系統的示意圖；圖2是腦幹模型的概率圖的軸向切片的示意圖；圖3是描繪必定屬於腦幹的體素、必定屬於背景的體素和具有不確定的區域的圖；圖4是示意性地示出了一種對圖像進行分割的自動方法的流程圖；以及圖5是示意性地示出了分割圖像的操作者輔助方法的流程圖。
具體實施例方式參考圖I,諸如CT掃描器、MRI掃描器、PET掃描器、核掃描器、超聲波掃描器等的診斷成像掃描器10生成圖像數據，重建處理器12對所述圖像數據重建，以生成當前3D診斷圖像，當前3D診斷圖像存儲在存儲器、存儲段或緩衝器14內。繼續參考圖1，並進一步參考圖2，存儲器或存儲段20存儲3D概率圖22的庫。所述概率圖定義了研究區域24的體積，已知其是所研究的區域或體積的部分，即當前例子中的腦幹的部分。背景區域26定義了已知為背景，S卩非腦幹的對象或組織。也就是說，腦幹區域24中的體素具有100%的概率描繪腦幹和0%的概率描繪背景。相反，背景區域26中的體素具有100%的概率描繪背景和0%概率的描繪腦幹。不確定區域28處於腦幹區域24和背景區域26之間。在所述不確定區域中，每一體素處於所研究的對象或器官(諸如腦幹)內的概率在100%和0%之間，其處於背景內的概率在0%和100%之間。為了生成腦幹或其他研究體積的概率圖22，在工作站30中對具有良好對比度，即，具有可準確分割的邊界的圖像進行人工分割，以定義二值掩模(mask)，在掩模中，向對應於諸如腦幹的研究體積的所有體素賦予最大概率值，例如，一，向對應於背景的所有體素賦予最小概率值，例如，零。二值掩模的最小概率區域和最大概率區域之間的邊界界定了掩模的邊界，即，能夠由三角形網格表面界定的分割邊界。一個或多個處理器32具有二值掩模配準計算機例程34，該例程被編程以將多個二值掩模與所述分割邊界配準。也就是說，對二值掩模進行縮放，從而針對各個患者或者具有不同尺寸的研究對象做出調整，並且可以對二值掩模進行旋轉、移動等，也可以任選使其發生彈性形變，從而針對(例如)在研究對象的不同運動狀態下生成的圖像做出補償，進而使它們對準。所述一個或多個處理器32也被編程以或者具有二值掩模合併計算機例程36，該例程將多個對準的二值掩模合併。在當前的例子中，被所有的二值掩模定義為背景的背景區域被賦予概率值零，而被所有的二值掩模定義為腦幹的部分的腦幹區域被分配值一，即，被分配給腦幹區域24。基於多幅圖像中的邊界的相對位置，向對應於不確定區域28的其他體素分配大於零小於一的概率。例如，為不確定區域中的每一體素賦予其在各二值圖中的值的平均值。如果所述體素在半數的圖中為背景，即，具有零值，在半數的圖中處於腦幹中，即，具有值一，那麼為該體素分配平均值或O. 5。處理器32還被編程以或者具有計算機例程38，該例程確定中值或均值分割邊界40，即，所有的二值掩模的分割邊界的均值或中值位置或者其它平均位置。每一體素的概率和所述均值分割邊界定義了分割圖22。通常，針對多個器官或者多個研究體積執行相同的處理，從而建立適於很多不同的成像位置或應用的概率圖的庫。在一個實施例中，基於模型的分割處理器50被編程為包括計算機例程52，該例程從模型庫54中提取常規體積或器官模型，並將其擬合至所研究的體積或器官。所述分割處理器還被編程為包括計算機例程56，該例程將來自概率模型的均值分割邊界40與常規模·型配準，所述分割處理器還被編程以或者包括計算機例程58，該例程確定將所述均值分割邊界與經配準的常規模型配準的變換。所述分割處理器還被編程以或者具有計算機例程60，該例程根據所確定的這一變換對所述概率圖進行變換，從而使所述概率圖與當前圖像中的研究體積或器官配準。經變換的概率圖被存儲到緩衝器或存儲器62內。或者，可以採用來自所述概率圖的均值分割邊界作為模型，而不是將常規模型用於基於模型的配準56。在全自動的實施例中，預先對諸如處理器或計算機例程的分類器70進行訓練，從而基於圖像特性，例如，強度、梯度、紋理等將圖像的體素分類為屬於所研究的體積或器官、屬於背景或者屬於它們的概率。預先採用虛擬數據(du_y data)對所述分類器進行離線訓練。可以採用多種已知的分類技術中的任何一種，例如，最近鄰域、支持向量機等。例如，所研究的體積可以具有已知的表面特性屬性，例如，平滑、圓化、無突變等。所述分類器對來自緩衝器14的當前圖像進行操作，以生成每一體素屬於背景或者屬於所研究的體積或器官的概率。參考圖3，為了節省處理時間，可以只對對應於經變換的概率圖的不確定區域28的體素執行所述分類過程。而不對區域24、26進行處理，所述區域24、26已經通過概率掩模被確定為明確地處於所研究的器官或體積內，或者明確地處於背景內。任選地，閾電路或處理器可以對經變換的概率圖進行操作，從而通過去除具有零或一的確定性的體素來識別不確定區域28，所述零或一的確定性表示具有處於所研究的器官或體積內的100%概率和處於背景內的100%概率。任選地，可以將所述閾值設置得更低一些，從而只對所述概率圖確定為具有(例如)小於95 %的處於所研究的體積或器官內或者處於背景內的概率的體素執行分類。合併處理器或計算機例程80被編程為逐體素合併分類器70確定的概率和來自經變換的概率圖62的概率。在一個實施例中,所述合併對每一體素的分類概率和概率圖概率求平均。也可以設想其他用於合併概率的技術。作為一個例子，可以提供操作員控制或第一滑塊82，以調整分類器概率和概率圖概率的相對權重設置。人類操作員可以有選擇地調整相對權重設置，以調整閾值邊界。基於合併後的概率，所述合併處理器判斷每一體素是否具有處於所研究的體積或器官內或者處於背景內的更高可能性。由兩個區域之間的界面確定所確定的分割邊界，並將其存儲到適當的存儲器或緩衝器84內。圖像處理器90被編程以或者包括計算機例程92，該例程將來自存儲器或緩衝器14的當前圖像與所確定的分割邊界84組合，以創建經分割的圖像。任選地，圖像處理器90還被編程以或者具有計算機例程94，該例程對與分割邊界組合的當前圖像，S卩，對經分割的當前圖像執行進一步的圖像處理，例如，著色、平滑化等。將經分割的當前圖像作為患者醫療記錄的部分存儲到患者醫療資料庫96內。視頻處理器98從經分割的圖像94提取選定的切片、3D體積表示等，並將它們顯示在人類可讀顯示器100上，例如視頻監視器上。在半自動的實施例中，閾電路、處理器或計算機例程110判斷經變換的概率圖的每一體素的概率是否超過了閾值。例如，最初可以將所述閾值設定為上述例子中的O. 5，其表示該體素具有相同的可能性處於研究體積內和處於背景內。處理器或計算機例程112基於更可能處於背景內的體素與更可能處於所研究的體積或器官內的體素之間的界面定義分割邊界。在這一實施例中，將分割邊界114提供給圖像處理器例程92，該例程使所述分 割邊界與當前圖像組合。觀看顯示器100上的經分割圖像的操作員採用用戶輸入裝置116調整閾值110，在當前例子中，使閾值O. 5朝I升高，或者朝O降低。隨著對閾值的調整，所研究的體積或器官和背景之間的界面隨著分割邊界114的移動而移動。在一個實施例中，操作員用滑鼠移動滑塊，選擇更高和更低的閾值，直到操作員對顯示器100上顯示的分割滿意為止。一旦操作員完成了對分割的優化，經優化的分割就被存儲在患者醫療資料庫96內。一旦完成了圖像分割，經分割的圖像就可以具有各種應用。例如，可以在放射治療系統120中採用經分割圖像對放射治療規程進行規劃。當然可以設想經分割圖像的很多其他應用。在前述討論中，應當理解可以通過一個或多個計算機或處理器執行各種處理、計算機例程和步驟。單個處理器能夠執行一個或多個計算機處理或步驟，並且可以在多個計算機處理器之間分配計算機例程或步驟中的任意一個或多個例程或步驟。類似地，上文所述的存儲器、存儲段和緩衝器可以採取單個大存儲器、分布式存儲器等形式。此外，可以將根據上面描述的用於對一個或多個處理器加以控制以生成經分割圖像的電腦程式記錄到計算機可讀介質上，尤其是有形介質上，例如，CD或DVD或其他可攜式存儲器、硬碟驅動器、常駐計算機存儲器等。也可以通過諸如數字或模擬信號等的無形介質承載所述程序。參考圖4，在步驟130中生成多個患者中的每個體內的選定研究區域的多幅圖並對其進行分割。在步驟132中，將多幅經分割圖像配準。在步驟134中，將經配準的圖像合併，從而生成研究區域的具有多個疊加的分割邊界的合成圖像。在步驟136中確定均值分割邊界。在步驟138中確定每一體素處於研究體積內或者處於背景內的概率。例如，將處於所有疊加的分割邊界內的所有的體素分配給研究體積，將處於所有疊加的分割邊界以外的所有的體素分配給背景。對於那些處於一些分割邊界以內並處於其它分割邊界以外的體素而言，根據所述體素處於其內的分割邊界或所述體素處於其外的分割邊界的相對百分比向這些體素分配概率。例如，可以向處於研究體積之內的所有體素分配值一，可以向處於背景內的所有體素分配值零，向處於一些疊加的分割邊界之內，處於其它疊加的分割邊界之外的所有體素，根據所述體素處於其內的疊加的分割邊界或所述體素處於其外的疊加的分割邊界的百分比，分配處於零和一之間的分數值。在步驟140中，將所述概率與所述均值閾值邊界組合以生成概率圖。可以將多個圖像體積中的每個的概率圖存儲到庫內，使其可用來對來自當前患者的當前圖像進行分割。在準備當前患者的分割圖像時，在步驟150中生成多個當前圖像。在步驟152中，從存儲器檢索器官模型，並且在步驟154中，將所述器官模型擬合到當前圖像。在步驟156中，確定將器官模型與當前圖像配準的變換。設想到各種器官模型，例如，常規器官模型、均值分割邊界等。在步驟160中，採用所確定的變換對所述概率圖進行變換，以生成經變換的概率圖162，其表示每一體素處於研究體積內或者處於背景內的概率。與此並行地，在步驟170中，基於諸如強度、梯度、紋理等的圖像屬性對當前圖像的每一體素分類，並基於所述圖像屬性為其分配其屬於研究體積或者屬於背景的概率。
在步驟180中，逐體素地合併來自經變換的概率圖的概率和基於分類的概率。在步驟182中，基於合併的概率生成當前圖像中的研究區域的分割邊界。例如將處於研究體積內的具有大於預選或可調閾值的概率的所有體素分配給研究體積，並且將所述概率低於所述閾值的那些體素分配給背景。界面代表研究體積的分割邊界。在上述為研究體積分配值一，為背景分配值零的例子中，可以將所述閾值設為(例如)O. 5。在步驟190中，將所述分割邊界與(例如)當前圖像組合，例如，疊加於其上，以生成經分割的當前圖像。在步驟192中，將經分割的當前圖像存儲到存儲器內，例如，存儲到患者醫療資料庫內。在步驟194中，將經分割的當前圖像顯示到監視器上或者其他臨床醫生可讀顯示器上。參考圖5，在操作輔助模式中，在步驟200中使概率圖受到閾值分割。在上述研究體積具有值一，背景具有值零的例子中，可以將所述閾值最初設定為(例如)0. 5。在步驟202中，將分割邊界定義為更可能處於研究區域內的體素和更可能處於背景內的體素(例如，高於或低於O. 5)之間的界面。在步驟204中，將分割邊界疊加到所生成的當前圖像150上，以生成經分割的當前圖像。在步驟206中，將經分割的當前圖像顯示給放射科醫師或其他技術人員。在步驟208中，放射科醫師或醫療技術人員查看所顯示的經分割的圖像，並判斷所述分割是否令人滿意。如果所述分割令人滿意，那麼在步驟210中，存儲所述經分割的當前圖像，例如，存儲到患者醫療資料庫內。如果所述分割圖像不令人滿意，那麼放射科醫師或其他醫療技術人員在步驟212中調整閾值。在所述閾值受到調整時，分割邊界定義步驟202重新定義分割邊界，在步驟204中使所述重新定義的分割邊界疊加到當前圖像上，並在步驟206中將其顯示出來。這一調整過程以迭代的方式繼續下去，直到放射科醫師或其他醫療技術人員對所述分割滿意為止。已經參考優選實施例描述了本發明。在閱讀並理解了前述詳細說明之後，本領域技術人員可以想到修改和變化。旨在將本發明構建為包括所有此類修改和變化，只要它們落在所附權利要求及其等同要件的範圍內。
權利要求
1.一種用於對當前診斷圖像進行分割的系統，其包括 一個或多個工作站(30)，其對從多個患者生成的選定研究體積的預先生成的診斷圖像中的研究體積進行分割； 一個或多個處理器(32)，其被編程為 將經分割的預先生成的圖像配準(34)，並且 將所述經分割的預先生成的圖像合併(36)到概率圖(22)內，所述概率圖描繪了(I)每一體素代表所述研究體積的概率，(2)每一體素代表背景的概率，和(3)均值分割邊界(40);以及 分割處理器(50)，其將所述概率圖(40)與當前患者體內的所述研究體積的當前診斷圖像(14)配準，以生成經變換的概率圖(62)。
2.根據權利要求I所述的系統，其中，所述分割處理器(50)被編程為通過執行下述步驟將所述概率圖與所述當前圖像配準 將所述均值分割邊界與所述當前圖像和配準到所述當前圖像的模型這兩者之一的所述研究體積配準； 確定將所述均值分割邊界變換成與當前圖像模型配準所利用的變換； 採用所確定的變換對所述概率圖進行變換，以生成所述經變換的概率圖。
3.根據權利要求I和2中的任一項所述的系統，還包括 分類器(70)，其已經被預先訓練，以基於所述研究體積的診斷圖像的特徵對所述診斷圖像分類，從而確定所述當前圖像的至少選定體素描繪(I)所述研究體積和(2)所述背景的概率；以及 合併處理器或計算機例程(80)，其合併來自所述分類器的概率和來自與所述當前圖像配準的所述經變換的概率圖的對應體素的概率。
4.根據權利要求3所述的系統，還包括 用戶輸入裝置(82)，通過所述用戶輸入裝置調整將所述分類器的概率和概率圖的概率合併所採用的相對權重設置。
5.根據權利要求3或4中的任一項所述的系統，還包括 分割邊界處理器或計算機例程(84)，其基於合併後的概率確定所述當前圖像中的所述研究體積的分割邊界；以及 處理器或計算機例程(90)，其將所確定的分割邊界與所述當前圖像(14)組合。
6.根據權利要求I和2中的任一項所述的系統，還包括 閾值限定裝置或處理器(110)，其將所述當前圖像的在所述經變換的概率圖中具有高於閾值的概率的體素分配給所述研究體積和所述背景中的一個，並且如果所述體素具有低於所述閾值的概率，那麼將所述體素分配給所述研究體積和所述背景中的另一個。
7.根據權利要求6所述的系統，還包括 分割邊界處理器(112)，其從分配給所述研究體積的體素和分配給所述背景的體素之間的界面來確定所述分割邊界； 圖像處理器(90)，其被編程為將所述分割邊界與所述當前圖像組合； 顯示器(100)，其上顯示經分割的當前圖像；以及 輸入裝置(116)，用戶通過所述輸入裝置調整概率閾值，以調整所述分割邊界並且調整所顯示的經分割的當前圖像的分割。
8.根據前述權利要求中的任一項所述的系統，還包括 醫療資料庫(96)，其中存儲所述經分割的當前圖像；以及 放射治療規劃系統(120)，其採用所述經分割的當前圖像來執行放射治療規划過程。
9.一種用於對診斷圖像進行分割的方法，其包括 對從多個患者生成的選定研究體積的先前診斷圖像中的研究體積進行分割； 將經分割的先前圖像配準；以及 將所述經分割的先前圖像合併到概率圖內，所述概率圖描繪了(I)每一體素代表所述研究體積的概率，(2)每一體素代表背景的概率，和(3)均值分割邊界。
10.根據權利要求9所述的方法，還包括 將所述概率圖與來自當前患者的所述研究體積的當前診斷圖像配準，以生成經變換的概率圖。
11.根據權利要求10所述的方法，其中，將所述概率圖與所述當前圖像配準包括 將所述均值分割邊界與所述當前圖像的所述研究體積和配準到所述當前圖像的模型之一配準； 確定將所述均值分割邊界變換成與所述當前圖像配準所利用的變換；以及 採用所確定的變換對所述概率圖進行變換，以生成所述經變換的概率圖。
12.根據權利要求10和11中的任一項所述的方法，還包括 採用預先訓練的分類器例程基於所述當前圖像的特徵對所述研究體積的所述當前圖像進行分類，從而確定所述當前圖像的至少選定體素描繪(I)所述研究體積和(2)所述背景的概率；以及 合併來自所述分類器例程的概率和來自與所述當前圖像配準的經變換的概率圖的概率。
13.根據權利要求12所述的方法，還包括 基於合併後的概率確定所述當前圖像的所述研究體積的分割邊界；以及 將所確定的分割邊界與所述當前圖像組合。
14.根據權利要求10和11中的任一項所述的方法，還包括 將所述當前圖像的在所述經變換的概率圖中具有高於閾值的概率的體素分配給所述研究體積和所述背景中的一個，將低於所述閾值的體素分配給所述研究體積和所述背景中的另一個； 從分配給所述研究體積的體素和分配給所述背景的體素之間的界面確定所述分割邊界； 將所述分割邊界與所述當前圖像組合，以生成經分割的當前圖像；以及 顯示所述經分割的當前圖像。
15.根據權利要求14所述的方法，還包括 調整所述閾值，以調整所述分割邊界並且調整所顯示的經分割的當前圖像的分割。
16.一種記錄了一個或多個電腦程式的有形計算機可讀介質，所述電腦程式用於控制一個或多個處理器以執行根據權利要求9-15中的任一項所述的方法。
17.—種通過根據權利要求9所述的方法生成的概率圖。
18.一種診斷成像系統，包括 用於生成當前診斷成像數據的診斷成像掃描器(10)； 用於將所述當前診斷成像數據重建成當前圖像的重建處理器(12); 被編程為執行根據權利要求10-17中的任一項所述的方法以生成經分割的當前圖像的一個或多個處理器(58，70，80，82，90，110，112);以及在其上顯示所述經分割的當前圖像的顯示裝置(100 )。
19.一種用於對當前診斷圖像進行分割的系統，包括 分割處理器(50)，其通過執行下述步驟使描繪(I)每一體素代表研究體積的概率，(2)每一體素代表背景的概率和(3)均值分割邊界(40)的概率圖(40)與當前患者體內的研究體積的當前診斷圖像(14)配準，以生成經變換的概率圖(62)，所述步驟包括 將所述均值分割邊界與所述當前診斷圖像和配準到所述當前圖像的模型這兩者之一的所述研究體積配準， 確定將所述均值分割邊界變換成與所述當前圖像的模型配準所利用的變換，以及 採用所確定的變換對所述概率圖進行變換，以生成經變換的概率圖； 邊界處理器或計算機例程(84)，其基於由所述概率圖描繪的概率確定所述當前圖像中的所述研究體積的分割邊界； 組合處理器或計算機例程(90)，其將所確定的分割邊界與所述當前診斷圖像(14)組合；以及 顯示器(100)，在其上顯示經分割的當前診斷圖像。
20.根據權利要求19所述的系統，還包括 用於生成所述概率圖的一個或多個概率圖處理器(32)，所述概率圖處理器被編程為將從多個其他患者生成的所述研究體積的先前生成的診斷圖像中的所述研究體積的多個經分割的先前生成的圖像配準(34)，以及 將所述經分割的先前生成的圖像合併(36 )，以形成所述概率圖(22 )。
全文摘要
一種用於對當前診斷圖像進行分割的系統包括對從多個患者生成的選定研究體積的先前生成的診斷圖像中的研究體積進行分割的工作站(30)。一個或多個處理器(32)被編程用於將經分割的先前生成的圖像配準，並將所述經分割的先前生成的圖像合併到概率圖內，所述概率圖描繪每一體素代表研究體積(24)或背景(26)的概率以及均值分割邊界(40)。分割處理器(50)將所述概率圖與當前診斷圖像(14)配準，以生成經變換的概率圖(62)。先前訓練的分類器(70)採用概率對診斷圖像中的體素分類，所述概率是每一體素描繪研究體積或背景的概率。合併處理器(80)合併來自所述分類器的概率和來自經變換的概率圖的概率。分割邊界處理器(84)基於合併後的概率、基於當前圖像確定研究體積的分割邊界。
文檔編號G06T7/00GK102947862SQ201180013397
公開日2013年2月27日 申請日期2011年2月14日 優先權日2010年3月11日
發明者V·佩卡爾, A·A·卡齊 申請人:皇家飛利浦電子股份有限公司, 大學健康網絡