CN104027126A - 医用图像处理装置以及医用图像处理方法 - Google Patents
医用图像处理装置以及医用图像处理方法 Download PDFInfo
- Publication number
- CN104027126A CN104027126A CN201410078530.8A CN201410078530A CN104027126A CN 104027126 A CN104027126 A CN 104027126A CN 201410078530 A CN201410078530 A CN 201410078530A CN 104027126 A CN104027126 A CN 104027126A
- Authority
- CN
- China
- Prior art keywords
- measured value
- medical image
- image data
- reliable interval
- parameter
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
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
- G06T7/0014—Biomedical image inspection using an image reference approach
-
- 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
-
- 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
- G06T2207/30056—Liver; Hepatic
Landscapes
- Engineering & Computer Science (AREA)
- Quality & Reliability (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Radiology & Medical Imaging (AREA)
- Health & Medical Sciences (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Measuring And Recording Apparatus For Diagnosis (AREA)
- Apparatus For Radiation Diagnosis (AREA)
- Magnetic Resonance Imaging Apparatus (AREA)
Abstract
本发明提供一种用于与以往相比,更好地决定由医用图像数据得到的结果的可靠区间的方法以及装置。本实施方式所涉及的医用图像处理装置具备:图像数据处理单元,使用规定的算法,计算图像数据中的规定的区域的测量值;确定单元,基于预先取得的初始测量值,确定由所述图像数据处理单元计算出的测量值的可靠区间或者在所述测量值的计算中所使用的参数的可靠区间;以及输出单元,输出与上述可靠区间对应的误差。
Description
技术领域
本发明涉及用于确定由医用图像数据得到的结果的可靠区间的方法以及装置。
背景技术
多种多样的医用摄像技术、例如,CT摄像、MRI摄像、超声波摄像、PET摄像、或者X射线摄像用于提供人体或者其他的被检体的图像。在图像集中发现的对象的特征经常在使用通过医用摄像软件进行的自动或者半自动的算法的测定中显现出来。对临床有用的测定值作为1个或者多个结果提供给用户。作为结果的例子,能够列举出血管的直径、病变、脏器、肿瘤、或者其他的特征的体积等大小、或者百分比狭窄体积等其他的被计算的量的测定值。结果有时利用使用规定的参数或者参数集的算法来确定。在简单的例子中,为了确定特定的特征的边界有时通过算法来使用与明亮度相关的阈值。
有时为了帮助关于外科手术等处置所进行的临床上的确定而使用结果。例如,当肿瘤的体积增大或者减小时,为了能够对随着时间变化而发生的变化进行评价有时希望得到结果。
通常,没有适合结果的有效数字位数的计算,或者没有测定中的能够想到的误差的显示,将结果作为数字而提供给用户,因此,可能难以对计算出的结果的可靠性进行评价。
特定的结果的实用性的评价不仅因为所适用的摄像***和测定技术固有的误差而变得复杂,还因为从1个图像收集到另一图像收集所发生的变化而变得复杂,进而,还因为在利用实际的被检体所观察的特征的生物学定义上固有的不准确性而变得复杂。
有时根据测定技术的手动调整、和/或操作者的经验,使用与结果建立了关联的确实性的程度的主观的评价。然而,这些方法有时不会确实地呈现与特定的结果的准确度或者精度建立关联而产生的能够想到的问题。
作为一个例子,图1a示出表示包含病变的肝脏的扫描的线图。图1b表示原始的扫描。病变(箭头所示)在图像上具有明确的边界能够清楚地看到,从而,期待能够具有与其准确度相关的任何的可靠度来计算其大小(例如,体积)的测定值。另一方面,线图图像1c以及对应的原始图像1d将***内淋巴囊肿瘤(箭头所示)表示为不怎么明确的特征。由于该肿瘤的边界不能明确地被看到,因此,肿瘤的大小的侧定值不那样准确。
发明内容
目的在于,提供一种用于与以往相比,更好地决定由医用图像数据得到的结果的可靠区间的方法以及装置。
本实施方式所涉及的医用图像处理装置具备:图像数据处理单元,使用规定的算法,计算图像数据中的规定的区域的测量值;确定单元,基于预先取得的初始测量值,确定由所述图像数据处理单元计算出的测量值的可靠区间或者在所述测量值的计算中所使用的参数的可靠区间;以及输出单元,输出与上述可靠区间对应的误差。
附图说明
图1a是包含病变的肝脏的线图图像。
图1b是包含病变的肝脏的对应的原始的扫描图像。
图1c是***内淋巴囊肿瘤的线图图像。
图1d是***内淋巴囊肿瘤的对应的原始的扫描图像。
图2是基于一实施方式的医用图像处理装置的概略图。
图3是概括地示出图2的实施方式的动作模式的流程图。
图4a是包含病变的肺的线图图像。
图4b是包含病变的肺的对应的原始的扫描图像。
图5是概括地示出确定在图2的实施方式的动作模式中使用的参数集的方法的流程图。
图6是概略地示出图像明亮度数据的使用的图。
图7是表示作为误差条示出的可靠区间的图。
图8a是伴随着通过边界标记所强调的特征的线图图像。
图8b是伴随着通过边界标记所强调的特征的图像的对应的原始的扫描图像。
符号说明
18:处理装置;20:显示器设备;22:CT扫描仪;24:用户输入设备;26:存储器;28:图像数据处理单元;30:可靠区间确定单元;32:输出单元;34:图像数据集;37:肺;38:小结节。
具体实施方式
根据一实施方式,提供一种医用图像处理装置,上述医用图像处理装置具备:图像数据处理单元,构成为通过使用算法对医用图像数据进行处理来确定结果(测量值);可靠区间(CI)确定单元,构成为根据至少2个初始结果(初始测量值),确定结果的可靠区间;输出单元,构成为向用户提供可靠区间。
另外根据一实施方式,提供一种医用图像处理装置,具备:图像数据处理单元,使用规定的算法,计算图像数据中的规定的区域的测量值;确定单元,基于预先取得的初始测量值,确定由所述图像数据处理单元计算出的测量值的可靠区间或者在所述测量值的计算中所使用的参数的可靠区间;以及输出单元,输出与上述可靠区间对应的误差。
基于一实施方式的医用图像处理装置在图2中概略地示出,构成为实施在之前的段落中说明的方法。装置具备处理装置18,此时具备个人计算机(PC)或者工作站,该处理装置18与显示器设备20、CT扫描仪22、一个或者多个用户输入设备24连接,此时用户输入设备是计算机键盘以及鼠标。另外,装置还包含数据存储器26。
也可以使用任意的合适的类型的CT扫描仪,例如,也可以使用由东芝医疗有限公司制造的Aquilion(RTM)系列的扫描仪中的一个。图2的实施方式关于CT扫描数据进行了叙述,但在另一实施方式中,也可以使用任意的合适的类型的图像数据,例如,也可以使用生成超声波数据、MRI数据、PET数据、或者X射线数据的任意的其他的合适的类型的扫描仪。
处理装置18具备中央处理单元(CPU)27,上述中央处理单元(CPU)27能够加载并执行构成为提供用于将图像数据自动或者半自动地进行处理的处理资源,同时与图3以及图5相关联进行以下详细说明的方法的各种单元。
单元包含:图像数据处理单元28,构成为根据图像数据确定结果;可靠区间(CI)确定单元30,构成为确定结果的可靠区间;输出单元32,例如,构成为通过将所确定的可靠区间向显示器设备20输出从而对用户提供可靠区间。
另外,处理装置18包含RAM、ROM、数据总线、包含各种设备驱动程序的操作***、包含显卡的硬件设备,还包含PC的硬盘驱动器以及其他的组件。为了清楚,这样的组件在图2中没有示出。在另一实施方式中,也可以使用任意的合适的处理装置。
在图2的实施方式中,从远程数据存储器(未图示)或者从CT扫描仪22由处理装置18取得一系列的图像数据集34,同时存储于数据存储器26并由处理装置进行处理。图2的实施方式所示的扫描仪22是CT扫描仪,但在另一实施方式中,为了得到图像数据集能够使用任意的其他的合适的类型的扫描仪。
图2的***构成为进行具有图3的流程图所概括地示出的一系列的阶段的过程。
在第1阶段36中,处理装置18由扫描仪22,经由图像数据存储器26接收新的图像数据集34。为了对图像数据集进行处理,例如,为了生成图像,使用各种既知的图像处理技术。例如,为了提供一个或者多个特定的3D显示或者2D显示,也可以自动地、或者按照用户选择来对图像数据进行处理。例如,可以使用多剖面重建(MPR:multi-planar reformat)等特定的3D投影来生成图像,另外,也可以对图像进行各种用户操作(摆动(pan)、修剪、或者缩放等)。也可以使用各种自动或者半自动的检测方法来鉴定对象的解剖学部位或者特征。
在本例子中,对图像数据进行处理,以使得得到基于表示肺结节的数据的剖面。想要参照分别由线图和原始的扫描示出与肺37相关联的小结节38的图4a以及图4b。在另一例子中,图像数据能够表示患者或者其他的被检体的任意的其他的部位。
在第2阶段39中,图像数据处理单元28为了确定小结节的边界抽出与小结节对应的区域,通过利用算法对图像数据集进行处理来计算小结节中的测量值(例如体积值),该算法使用最佳的明亮度阈值或者其他的1个或者多个参数。或者,也可以使用多个参数集来计算体积,由各个参数集提供体积中的不同的初始结果。之后,例如,为了确定作为初始结果的平均或者中央值的结果,通过初始结果的统计分析来确定结果。在几个实施方式中,也可以在进行统计分析之前排除异常值。
在第3阶段40中,可靠区间确定单元30确定结果的可靠区间,向输出单元32提供该可靠区间,为了用户的信息,该输出单元32能够将表示可靠区间(CI)的信号向显示器设备20发送。通常,CI与结果一起向显示器供给。
CI并不是基于由机器或者过程的任意的特定的一部分产生的特定的错误或者错误源的推定,而根据使用不同的所选择的参数集得到的结果的变化来确定。因此,所确定的CI不需要确定任意的各个错误的确定的根源或者大小,例如,可能受到由包含图像收集噪音以及变形、自动分割中不准确以及错误、生物学定义的不准确但并不限定于此的测定管线的所有的部分产生的错误的影响,或者可能表示那样的错误。
CI也可以根据所得到的最大结果与最小结果之间的差异来计算。或者,可靠区间根据结果间的任意的其他的差异来确定,或者通过来自多个参数集的结果的任意的其他的合适的统计分析来确定。
CI也可以以百分比值、a±绝对值、或者图上的误差条的形态来供给。例如,希望将与测量值和可靠区间对应的标准误差(例如,测量值8.2±0.5cm3等)与涉及图1c或者图1d所示的肿瘤的图像一起显示。另外,也可以与测量值或者在该测量值的计算中所使用的参数的值一起,或者代替与测量值和可靠区间对应的标准误差,明确地显示与误差对应的信息。例如,也可以将与测量值对应的区域、和与在测量值上加算了与可靠区间对应的标准误差的值对应的区域(或者与减算了的值对应的区域)与涉及肿瘤的图像一起明确地显示。进而,CI也可以作为图像上的边界标记来提供,或者也可以作为图像上的阴影或者着色来提供,此时,阴影或者着色的变化或者边界表示CI的范围。
在另一实施方式中,也可以在用户浏览中的结果的选择或者动画序列所使用的结果的选择中使用CI,此时,例如,只选择进入CI的范围内的结果。此时,用户还有时能够根据进入到CI的范围内的结果,选择自己希望的结果。
在几个实施方式中,输出单元构成为,具有由所确定的可靠区间的大小确定的数值精度将结果提供给用户。
CI可以根据至少2个初始结果来确定,此时,为了计算各自的初始结果,例如,使用也可以称之为参数向量的不同的规定的参数集。不同的规定的参数集也可以通过关于图像数据的表面实况(groundtruth)集进行的参数摄动分析来得到。通常,参数摄动分析在早期的开发阶段进行,另外,作为该参数摄动分析的结果得到的参数集为了在由之后的图像处理步骤确定CI时由可靠区间(CI)确定单元30使用而提供给处理装置18。作为参数摄动分析的结果得到的参数集也可以包含于设置于之后的图像处理步骤所使用的任意的合适的图像处理装置的软件或者数据集。
进行基于一实施方式的参数摄动分析的方法在图5的流程图中概括地示出。
在第1阶段44中,得到代表性的表面实况数据集。在上述的肺的小结节的例子中,该数据集也可以是与具有通常通过图像数据的严格的检查由专家准确地确定了其尺寸的小结节的肺相关的图像数据集。表面实况具有针对被认为是准确的结果的值。
在第2阶段46中,得到最佳的参数集。最佳的参数集是为了以能够接受的准确的形态确定结果(此时,小结节的体积)而能够使用的参数集。最佳的参数可以基于表面实况,或者也可以基于伴随着应该测定的特征的经验。该阶段是随意的。这是由于也可以通过使用多个参数集提供与体积相关的不同的初始结果从而关于新的图像数据计算结果。结果可以通过初始结果的统计分析来确定,例如,通过平均化法来确定。
参数能够表示通过用于根据医用图像数据确定对象的结果的算法所使用的任意的合适的特性,例如,能够表示阈值、适用于明亮度的阈值、适用于水平集区域的阈值、内核大小、用于卷积的内核大小、用于形态学运算的内核大小、基于分类的方法中的先验概率、以及基于曲折移动(snake)的方法中的内力以及/或者外力加权,但并不限定于此。
在第3阶段48中,用于得到结果的多个参数集被确定为,由各参数集计算的初始结果是准确的值的95%内。这些参数集也可以跨越真正的结果。95%的数字是可靠程度的指标。也可以使用任意的其他的规定的范围,也可以选择90%等其他的规定的可靠程度。
作为另一方法,也可以通过选择得到的结果进入到各自作为真的结果的阈值时的95%的范围内的参数集来得到多个参数集。
参数集的参数的数量由计算的结果的类型和所使用的特定的算法来决定。在某种情况下,在设定了单一的参数之后通过进行计算来得到结果。在其他的情况下,在计算中使用可能变化的参数集,因此,多个参数包含于集合内。
接着,在关于需要测定的图像数据以及所希望的可靠区间进行图3的过程时使用多个参数集。在步骤39中,使用多个参数集得到初始结果。结果本身通过初始结果的统计分析,或者通过使用最佳的参数集或者参数集中的其他的所选择的参数集来确定。在步骤40中,关于结果使用初始结果,例如,通过得到初始结果的最大与最小之间的差异来确定可靠区间。然而,例如,为了除去异常的(范围外的)初始结果也可以使用其他的统计分析。
例如,能够根据处理要素以及速度要素,使用任意的合适的数量的参数集以及初始结果。在某种情况下,知道4个初始结果/参数集足够提供有用的结果。
一般包含关于图像数据的表面实况集进行的参数摄动分析,同时根据最佳的参数集计算结果的实施方式如以下那样记载。
用于得到结果的测定过程能够表示为标量函数f(D;p)。在此,D是图像数据,p是为了计算结果所需的参数集。p的最佳的值在对于表面实况的算法“调谐”中发现,将其称为p*。
当希望95%的可靠程度时,以真的结果此时进入推定范围95%内的方式来选择多个参数集。即,找出与p相关的几个(通常情况下,少数,例如,4个)的进一步的值。以在代表性的表面实况f(D;q)整体上,这些参数集跨越此时的准确值t(D)95%(或者,量化制约内的尽可能接近的值)的方式来选择表示为Q={q}的多个参数集q。
在形式上,如以下那样规定。
【数学公式1】
★
S(D)=1if max[q in Q]f(D;q)>t(D)>min[q in Q]f(D;q),else0
关于i=1~n(n是参数集的数量),求出以下的结果。
【数学公式2】
★
∑iS(Di)/n≈0.95.
此时,在新的图像数据集D中,CI通过max[q in Q]f(D;q)-min[q in Q]f(D;q)来找出。
±绝对值是CI的一半。结果的最好的推定值被报告为f(D;p*)。
上述的实施方式的适用能够就图6的例子所示的简化后的例子进行理解。该例子示出贯通体积的剖面A,B,此时,明亮度根据图像数据来绘制,另外,目的在于为了得到剖面直径等结果而对特征2和特征4进行测定。特征2和特征4表示比周围组织高的明亮度。为了该简化后的例子,假设分析根据简单的明亮度阈值来进行。
为了计算结果而使用的特征的边界通过设定参数,此时通过设定明亮度阈值来确定。在该例子中,示出参数中的2个值,即,高的明亮度阈值6(tu)以及低的明亮度阈值8(tl)。在特征2中,如果使用任一明亮度值,则能够得到由相互接近的垂直线10或者垂直线12表示的边界。从而,如果使用任一参数(6或者8),则能够关于直径或者体积得到同样的结果。结果的可靠区间(CI)狭窄。
另一方面,在特征4中,如果使参数从值6向值8变化,则如垂直线14、16表示的那样,边界发生大的变化。其表示能够仅仅以小的可靠度进行特征4的直径或者体积的计算,结果的可靠区间变高。该现象可能是由于特征4实际上与特征2相比具有不明确的边界,或者由于特征4中的图像数据比特征2中的图像数据的质量低。
关于图6进行了说明的例子表示各个参数集具有单一的参数值,此时具有阈值的简单的案例。在另一实施方式中,参数集的参数能够根据医用图像数据的性质、应该使用的算法、以及应该求得的结果,表示大范围的不同的量的任一个。能够使用任意的合适的参数集以及算法。
在图6的例子中,应该求得的结果是特征的体积。在另一实施方式中,为了得到任意的合适的结果,但并不限定于此,例如,为了得到长度、直径、面积、体积、狭窄指数、1个点的明亮度、在1个部位整体上的平均明亮度、角度,也可以与医用图像数据的处理相关联来使用该方法。
通过提供根据各个结果的每一个确定的可靠区间(CI),能够对用户提供比计算出的结果的准确度更客观的显示。
可靠区间可以根据至少2个初始结果来确定,该情况下,为了计算各个初始结果而使用不同的规定的参数集。在该例子中,明亮度阈值构成参数集。能够使用来自不同的参数集的初始结果的计算来确定可靠区间。当计算更复杂时,在结果的计算中可以使用多个参数,因此,参数集规定为了计算初始结果所需的各个参数。
可靠区间也可以根据至少2个初始结果的最大与最小之间的差异来确定。为了提供a±绝对值也可以简单地将初始结果的最大与最小之间的差异分成两份,或者将差异作为结果的百分比值或者以任意的其他的合适形态来表示。
能够在大量的方法中使用可靠程度的提供。在图7中,以例示的目的,示出了随着时间的变化而表示肿瘤的体积的假定的行进的图。各个结果49中的可靠区间表示为误差条。另外,各个可靠区间基于与各结果建立了关联的图像数据,误差条根据各自的测定的每个而大小发生变化。时间点T1、T2的肿瘤体积结果中的误差条50、52的范围重合。这暗示T2的肿瘤体积的外观的增大在统计上小。另一方面,时间点T2、T3的肿瘤体积中的误差条50、54不重合,这表示T3中的肿瘤体积的外观的减少在统计上大。
图8a表示包含对象的特征56,此时包含脑膜瘤的扫描的线图,另外,对应的图8b表示原始的扫描。在该例子中,可靠区间计算为了对特征提供外侧边界标记58以及内侧边界标记60而使用。外侧边界标记58也可以作为利用使用图5的流程图的方法找出的多个规定的参数集而取得的结果的和集合来得到。内侧边界标记60也可以根据使用图5的流程图的方法找出的多个规定的参数集作为结果的公共部分来得到。或者,那样的边界也可以根据与由可靠区间确定的结果相关的最大值和最小值配置在图像上。
实施方式能够通过具有为了进行实施方式的方法而能够执行的计算机可读的命令的计算机程序来实现特定的功能性。计算机程序功能性能够在硬件(例如,通过CPU)、软件、或者硬件与软件的混合体中实现。另外,实施方式也可以在1个或者多个ASIC(特定用途集成电路)、FPGA(现场可编程门阵列)、图形处理单元(GPU)、或者任意的其他的合适的处理设备中实施。
在本说明书中针对特定的单元进行了说明,但在另一实施方式中,能够通过单一的单元、处理源、或者其他的组件来提供这些单元中的1个或者多个功能性,或者能够将由单一的单元提供的功能性由2个以上的单元或者其他的组件的组合来提供。不管这样的组件是否相互分离,对单一的单元的言及都包含提供该单元的功能性的多个组件,另外,对多个单元的言及包含提供这些单元的功能性的单一的组件。
虽然说明了本发明的几个实施方式,但这些实施方式是作为例子而提示的,并不意图限定本发明的范围。即使上,在本说明书中记载的新的方法以及***能够以各种其他的方式进行实施,在不脱离发明的要旨的范围内,在本说明书中记载的方法以及***能够进行各种的省略、置换、变更。这些实施方式或其变形与包含于发明的范围或要旨中一样,包含于权利要求书记载的发明及其均等的范围中。
Claims (10)
1.一种医用图像处理装置,其特征在于,具备:
图像数据处理单元,使用规定的算法,计算图像数据中的规定的区域的测量值;
确定单元,基于预先取得的初始测量值,确定由所述图像数据处理单元计算出的测量值的可靠区间或者在所述测量值的计算中所使用的参数的可靠区间;以及
输出单元,输出与上述可靠区间对应的误差。
2.根据权利要求1所述的医用图像处理装置,其特征在于:所述输出单元将上述可靠区间的误差与所述计算出的测量值或者在所述测量值的计算中所使用的参数一起进行输出。
3.根据权利要求1或者2所述的医用图像处理装置,其特征在于:所述输出单元将与上述误差对应的信息和所述计算出的测量值或者在所述测量值的计算中所使用的参数一起在医用图像上显示。
4.根据权利要求1-3中的任意一项所述的医用图像处理装置,其特征在于:所述输出单元使用上述初始测量值的最大值与最小值,显示上述可靠区间。
5.根据权利要求1-4中的任意一项所述的医用图像处理装置,其特征在于:所述输出单元以百分比值、偏离基准值的标准误差值、图上的误差条中的至少1个形态显示上述可靠区间。
6.根据权利要求1-5中的任意一项所述的医用图像处理装置,其特征在于:所述确定单元将至少两个所述初始测量值的最大值与最小值作为基准,来确定上述可靠区间。
7.根据权利要求1-5中的任意一项所述的医用图像处理装置,其特征在于:所述图像数据处理单元通过对至少两个所述初始测量值进行统计解析,来计算所述规定的测量值。
8.根据权利要求1-5中的任意一项所述的医用图像处理装置,其特征在于:所述图像数据处理单元通过对所述图像数据的表面实况集所进行的解析,来计算所述规定的测量值。
9.根据权利要求1-8中的任意一项所述的医用图像处理装置,其特征在于:作为各参数包含适用于明亮度的阈值、适用于水平集区域的阈值、内核大小、用于卷积的内核大小、用于形态学运算的内核大小、基于分类的方法中的先验概率、基于曲折移动的方法中的内力以及外力加权中至少1个。
10.一种医用图像处理方法,其特征在于,包含:
使用规定的算法,计算图像数据中的规定的区域的测量值;
基于预先取得的初始测量值,确定由所述图像数据处理单元计算出的测量值的可靠区间或者在所述测量值的计算中所使用的参数的可靠区间;以及
输出与上述可靠区间对应的误差。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US13/785,264 | 2013-03-05 | ||
US13/785,264 US9378549B2 (en) | 2013-03-05 | 2013-03-05 | Estimation of confidence limits for measurements derived from image data |
Publications (1)
Publication Number | Publication Date |
---|---|
CN104027126A true CN104027126A (zh) | 2014-09-10 |
Family
ID=51458288
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201410078530.8A Pending CN104027126A (zh) | 2013-03-05 | 2014-03-05 | 医用图像处理装置以及医用图像处理方法 |
Country Status (3)
Country | Link |
---|---|
US (1) | US9378549B2 (zh) |
JP (1) | JP2014171883A (zh) |
CN (1) | CN104027126A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110913749A (zh) * | 2017-07-03 | 2020-03-24 | 富士胶片株式会社 | 医疗图像处理装置、内窥镜装置、诊断支持装置、医疗业务支持装置及报告书制作支持装置 |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2019076374A (ja) * | 2017-10-24 | 2019-05-23 | 日本光電工業株式会社 | 生体情報測定装置及びプログラム |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1679030A (zh) * | 2002-07-03 | 2005-10-05 | 电脑医师美国公司 | 用于显示用于源重构的置信区间的方法和*** |
US20060072817A1 (en) * | 2004-09-29 | 2006-04-06 | Shih-Jong J. Lee | Method for robust analysis of biological activity in microscopy images |
CN1997998A (zh) * | 2004-03-05 | 2007-07-11 | 皇家飞利浦电子股份有限公司 | 交互式计算机辅助诊断 |
CN101861125A (zh) * | 2007-10-01 | 2010-10-13 | 皇家飞利浦电子股份有限公司 | 定量临床和临床前成像 |
US20110160546A1 (en) * | 2008-06-02 | 2011-06-30 | Jamila Ahdidan Madsen | System and method for volumetric analysis of medical images |
Family Cites Families (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6571005B1 (en) * | 2000-04-21 | 2003-05-27 | The Regents Of The University Of California | Feature extraction and normalization algorithms for high-density oligonucleotide gene expression array data |
US20040172401A1 (en) * | 2000-06-15 | 2004-09-02 | Peace Terrence B. | Significance testing and confidence interval construction based on user-specified distributions |
US7397935B2 (en) * | 2004-05-10 | 2008-07-08 | Mediguide Ltd. | Method for segmentation of IVUS image sequences |
EP1815430A1 (en) | 2004-11-19 | 2007-08-08 | Koninklijke Philips Electronics N.V. | System and method for automated detection and segmentation of tumor boundaries within medical imaging data |
JP4849449B2 (ja) | 2006-04-24 | 2012-01-11 | 株式会社日立メディコ | 医用画像診断支援装置 |
US8081811B2 (en) | 2007-04-12 | 2011-12-20 | Fujifilm Corporation | Method, apparatus, and program for judging image recognition results, and computer readable medium having the program stored therein |
US8160365B2 (en) * | 2008-06-30 | 2012-04-17 | Sharp Laboratories Of America, Inc. | Methods and systems for identifying digital image characteristics |
WO2011142725A1 (en) * | 2010-05-14 | 2011-11-17 | Agency For Science, Technology And Research | Method and device for processing a computed tomography measurement result |
-
2013
- 2013-03-05 US US13/785,264 patent/US9378549B2/en active Active
-
2014
- 2014-03-05 CN CN201410078530.8A patent/CN104027126A/zh active Pending
- 2014-03-05 JP JP2014043135A patent/JP2014171883A/ja active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1679030A (zh) * | 2002-07-03 | 2005-10-05 | 电脑医师美国公司 | 用于显示用于源重构的置信区间的方法和*** |
CN1997998A (zh) * | 2004-03-05 | 2007-07-11 | 皇家飞利浦电子股份有限公司 | 交互式计算机辅助诊断 |
US20060072817A1 (en) * | 2004-09-29 | 2006-04-06 | Shih-Jong J. Lee | Method for robust analysis of biological activity in microscopy images |
CN101861125A (zh) * | 2007-10-01 | 2010-10-13 | 皇家飞利浦电子股份有限公司 | 定量临床和临床前成像 |
US20110160546A1 (en) * | 2008-06-02 | 2011-06-30 | Jamila Ahdidan Madsen | System and method for volumetric analysis of medical images |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110913749A (zh) * | 2017-07-03 | 2020-03-24 | 富士胶片株式会社 | 医疗图像处理装置、内窥镜装置、诊断支持装置、医疗业务支持装置及报告书制作支持装置 |
US11416985B2 (en) | 2017-07-03 | 2022-08-16 | Fujifilm Corporation | Medical image processing apparatus, endoscope apparatus, diagnostic support apparatus, medical service support apparatus, and report creation support apparatus |
Also Published As
Publication number | Publication date |
---|---|
US9378549B2 (en) | 2016-06-28 |
US20140254903A1 (en) | 2014-09-11 |
JP2014171883A (ja) | 2014-09-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
KR102204437B1 (ko) | 컴퓨터 보조 진단 방법 및 장치 | |
US9697639B2 (en) | Three-dimensional model data generation device, method and program | |
US10748291B2 (en) | Liver boundary identification method and system | |
KR101805619B1 (ko) | 3차원 의료 영상으로부터 최적의 2차원 의료 영상을 자동으로 생성하는 방법 및 장치 | |
JP5814504B2 (ja) | 統計モデルを用いた医療画像自動セグメンテーションシステム、装置並びにプロセッサ | |
KR102154733B1 (ko) | 의료 영상을 이용하여 대상체에 악성 종양이 존재하는지 여부를 예측하는 장치 및 방법 | |
US20170367685A1 (en) | Method for processing 3d image data and 3d ultrasonic imaging method and system | |
EP2710957B1 (en) | Method and system for intelligent qualitative and quantitative analysis of digital radiography softcopy reading | |
US7773791B2 (en) | Analyzing lesions in a medical digital image | |
CN103180878B (zh) | 用于医学图像的分割的*** | |
CN106651895B (zh) | 一种分割三维图像的方法和装置 | |
CN107767962B (zh) | 基于来自不同测量的医学测量数据确定结果数据 | |
CN104622495A (zh) | 医用图像处理装置以及医用图像处理方法 | |
CN103514597A (zh) | 图像处理装置 | |
KR20150002284A (ko) | 병변 검출 장치 및 방법 | |
JP2016514614A (ja) | 画質インデックス及び/又はそれに基づく画像化パラメータ推奨 | |
JP2008515466A (ja) | 対象物のクラスの画像表現を識別する方法及びシステム | |
CN105654490A (zh) | 一种基于超声弹性图像的病变区域提取方法及装置 | |
CN105488781A (zh) | 一种基于ct影像肝脏肿瘤病灶的分割方法 | |
KR20130023735A (ko) | 장기 모델 영상 생성 방법 및 장치 | |
JP2016195764A (ja) | 医用画像処理装置およびプログラム | |
EP2577604B1 (en) | Processing system for medical scan images | |
CN104915989A (zh) | 基于ct影像的血管三维分割方法 | |
CN104027126A (zh) | 医用图像处理装置以及医用图像处理方法 | |
Uher et al. | 3D brain tissue selection and segmentation from MRI |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C41 | Transfer of patent application or patent right or utility model | ||
TA01 | Transfer of patent application right |
Effective date of registration: 20160705 Address after: Japan Tochigi Applicant after: Toshiba Medical System Co., Ltd. Address before: Tokyo, Japan, Japan Applicant before: Toshiba Corp Applicant before: Toshiba Medical System Co., Ltd. |
|
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20140910 |
|
WD01 | Invention patent application deemed withdrawn after publication |