ES2965710T3 - Método y sistema de identificación del contorno hepático - Google Patents

Método y sistema de identificación del contorno hepático Download PDF

Info

Publication number
ES2965710T3
ES2965710T3 ES15853412T ES15853412T ES2965710T3 ES 2965710 T3 ES2965710 T3 ES 2965710T3 ES 15853412 T ES15853412 T ES 15853412T ES 15853412 T ES15853412 T ES 15853412T ES 2965710 T3 ES2965710 T3 ES 2965710T3
Authority
ES
Spain
Prior art keywords
liver tissue
contour
liver
information
detection
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.)
Active
Application number
ES15853412T
Other languages
English (en)
Inventor
Jinhua Shao
Jin Sun
Houli Duan
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Wuxi Hisky Medical Technologies Co Ltd
Original Assignee
Wuxi Hisky Medical Technologies Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Wuxi Hisky Medical Technologies Co Ltd filed Critical Wuxi Hisky Medical Technologies Co Ltd
Application granted granted Critical
Publication of ES2965710T3 publication Critical patent/ES2965710T3/es
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/13—Edge detection
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B8/00—Diagnosis using ultrasonic, sonic or infrasonic waves
    • A61B8/08—Detecting organic movements or changes, e.g. tumours, cysts, swellings
    • A61B8/0858—Detecting organic movements or changes, e.g. tumours, cysts, swellings involving measuring tissue layers, e.g. skin, interfaces
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B8/00—Diagnosis using ultrasonic, sonic or infrasonic waves
    • A61B8/52—Devices using data or image processing specially adapted for diagnosis using ultrasonic, sonic or infrasonic waves
    • A61B8/5215—Devices using data or image processing specially adapted for diagnosis using ultrasonic, sonic or infrasonic waves involving processing of medical diagnostic data
    • A61B8/5223—Devices using data or image processing specially adapted for diagnosis using ultrasonic, sonic or infrasonic waves involving processing of medical diagnostic data for extracting a diagnostic or physiological parameter from medical diagnostic data
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • 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
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/11—Region-based segmentation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/12—Edge-based segmentation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/136—Segmentation; Edge detection involving thresholding
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/187—Segmentation; Edge detection involving region growing; involving region merging; involving connected component labelling
    • 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
    • G16H30/20—ICT specially adapted for the handling or processing of medical images for handling medical images, e.g. DICOM, HL7 or PACS
    • 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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2218/00—Aspects of pattern recognition specially adapted for signal processing
    • G06F2218/08—Feature extraction
    • 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
    • G06T2207/10—Image acquisition modality
    • G06T2207/10072—Tomographic images
    • G06T2207/10088—Magnetic resonance imaging [MRI]
    • 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
    • G06T2207/10132—Ultrasound image
    • 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
    • G06T2207/20—Special algorithmic details
    • G06T2207/20076—Probabilistic image processing
    • 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
    • G06T2207/30008—Bone
    • 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
    • G06T2207/30008—Bone
    • G06T2207/30012—Spine; Backbone
    • 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)
  • Health & Medical Sciences (AREA)
  • Physics & Mathematics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Medical Informatics (AREA)
  • General Health & Medical Sciences (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Radiology & Medical Imaging (AREA)
  • Public Health (AREA)
  • Biomedical Technology (AREA)
  • Pathology (AREA)
  • Surgery (AREA)
  • Animal Behavior & Ethology (AREA)
  • Molecular Biology (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Veterinary Medicine (AREA)
  • Biophysics (AREA)
  • Physiology (AREA)
  • Quality & Reliability (AREA)
  • Primary Health Care (AREA)
  • Data Mining & Analysis (AREA)
  • Epidemiology (AREA)
  • Evolutionary Biology (AREA)
  • Artificial Intelligence (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Databases & Information Systems (AREA)
  • Evolutionary Computation (AREA)
  • General Engineering & Computer Science (AREA)
  • Ultra Sonic Daignosis Equipment (AREA)
  • Apparatus For Radiation Diagnosis (AREA)
  • Image Processing (AREA)
  • High Energy & Nuclear Physics (AREA)
  • Magnetic Resonance Imaging Apparatus (AREA)
  • Pulmonology (AREA)
  • Optics & Photonics (AREA)
  • Image Analysis (AREA)

Abstract

La presente invención se refiere al campo técnico del procesamiento de imágenes médicas y, en particular, se refiere a un método y un sistema de identificación de límites hepáticos. El método comprende: obtener información del tejido hepático a identificar; usar tecnología de procesamiento de imágenes o tecnología de procesamiento de señales para identificar un límite de tejido hepático dentro de la información del tejido hepático de acuerdo con una característica del tejido hepático correspondiente a la información del tejido hepático y una característica de límite del tejido hepático; generar información de posición del límite de tejido hepático identificado. Mediante el presente método, se identifica automáticamente el límite del tejido hepático, se aumenta la eficacia de identificación del límite hepático y, de este modo, se implementa el posicionamiento automático del límite hepático. (Traducción automática con Google Translate, sin valor legal)

Description

DESCRIPCIÓN
Método y sistema de identificación del contomo hepático
Campo técnico
La presente invención se refiere al campo técnico del procesamiento de imágenes médicas y, en particular, a un método y un sistema de identificación del contorno hepático.
Antecedentes
Muchas aplicaciones clínicas requieren identificar un contorno del tejido hepático a partir de una formación de imágenes médicas convencional, incluidas la formación de imágenes por ultrasonidos, resonancia magnética nuclear (RMN), tomografía computarizada (TC), etcétera, para ubicar una región de exploración del hígado, tal como para explorar la elasticidad hepática y el color del hígado por ultrasonografía Doppler, etc.
En la actualidad, el contorno del tejido hepático se identifica manualmente en la mayoría de casos. Sin embargo, seleccionar el contorno hepático manualmente según la información del tejido hepático requiere que el operador esté muy familiarizado con la estructura del tejido hepático y la información de la imagen, de modo que el contorno del tejido hepático pueda seleccionarse con precisión, lo que es muy difícil para el operador. Además, el tiempo relativamente largo que se tarda en llevar a cabo manualmente la identificación en el proceso de identificación puede hacer la identificación del contorno hepático poco eficiente.
H. YOSHIDA, "Segmentation of Liver Tumors in Ultrasound Images based on Scale-Space Analysis of the Continuous Wavelet Transform", PROCEEDINGS / 1998 IEEE ULTRASONICS SYMPOSIUM: 5-8 DE OCTUBRE DE 1998, HOTEL METROPOLITAN SENDAI, SENDAI, MIYAGI, JAPÓN; SIMPOSIO INTERNACIONAL, IEEE, PISCATAWAY, NJ, EE. UU., vol. 2, 5 de octubre de 1998 (05-10-1998), páginas 1713-1716, XP010331143, describió un método para identificar los contornos de tumores hepáticos en imágenes de ultrasonido por ecografía bidimensional a lo largo de perfiles radiales, usando el máximo del módulo de la ondícula continua en forma de sombrero mejicano.
Li en "A Machine Learning Approach for Locating Boundaries of Liver Tumors in CT Images", IEEE Proc ICPR Conf. Int. sobre Reconocimiento de Patrones, 2006, páginas 400-403, XP031001453, describió un método para identificar los contornos de tumores hepáticos en imágenes de TC a lo largo de perfiles de intensidad 1D usando la ruta de puntuación máxima del número de deceleraciones prolongadas por segundo de clasificadores de histograma empleando el algoritmo adaptativo AdaBoost.
Sumario
Un objetivo de la presente invención radica en proponer un método de identificación del contorno hepático y un sistema para mejorar la eficiencia de la identificación del contorno hepático.
En un aspecto, la presente invención proporciona un método de identificación del contorno hepático según la reivindicación 1.
En otro aspecto, la presente invención proporciona un sistema de identificación del contorno hepático según la reivindicación 3.
El método y el sistema de identificación del contorno hepático proporcionados en las realizaciones de la presente invención pueden identificar la región del contorno hepático eficazmente. Según el método de identificación del contorno hepático proporcionado en realizaciones de la presente invención, se obtiene la información de tejido hepático del tejido hepático que identificar, y luego se identifica el contorno del tejido hepático según las características de las señales del tejido hepático y su contorno. Mediante el uso del método descrito, el contorno del tejido hepático se puede identificar automáticamente, y se puede mejorar la eficiencia de identificación del contorno del tejido hepático.
Breve descripción de los dibujos
Las figuras descritas en la presente descripción pretenden proporcionar una mejor comprensión sobre las realizaciones de la presente invención, y constituyen una parte, en lugar de una limitación, de las realizaciones de la presente invención. En las figuras:
la Fig. 1 es un diagrama de flujo que implementa un método de identificación del contorno hepático proporcionado en una primera realización de la presente invención;
la Fig. 2 es un diagrama de flujo que implementa un método de identificación del contorno hepático proporcionado en una segunda realización de la presente invención;
la Fig. 3 es una vista esquemática que ilustra un efecto de identificación del contorno basándose en una señal ultrasónica de tipo M de un tejido hepático en la segunda realización de la presente invención; y
la Fig. 4 es una vista estructural esquemática que ilustra un sistema de identificación del contorno hepático proporcionado en una tercera realización de la presente invención.
Descripción detallada
A continuación, las realizaciones de la presente invención se describirán de forma más completa y exhaustiva junto con las figuras adjuntas y realizaciones particulares.
Primera realización:
La Fig. 1 es un diagrama de flujo que implementa un método de identificación del contorno hepático proporcionado en una primera realización de la presente invención. El método puede realizarse mediante un sistema de identificación del contorno hepático. Como se ilustra en la Fig. 1, el proceso de implementación incluye:
Etapa 11: obtener la información de tejido hepático de un tejido hepático que identificar.
La información del tejido hepático es una señal ultrasónica de tipo A del tejido hepático, una señal ultrasónica de tipo M del tejido hepático.
Según la información del tejido hepático, se puede obtener el tipo de información del tejido hepático. Es decir, el tipo de información del tejido hepático es una señal ultrasónica, por ejemplo, una señal ultrasónica de tipo A del tejido hepático y una señal ultrasónica de tipo M del tejido hepático.
Etapa 12: dividir la información del tejido hepático en una pluralidad de subregiones de detección; calcular un valor de una característica de la información del tejido hepático en cada subregión de detección; y determinar el contorno del tejido hepático según los valores de las características de la información del tejido hepático en las subregiones de detección. Donde el cálculo del valor de una característica de la información de tejido hepático en cada una de las subregiones de detección y la determinación del contorno del tejido hepático según el valor de la característica de la información del tejido hepático en las subregiones de detección incluye:
calcular un valor de distribución de Nakagami m<i>para una señal ultrasónica unidimensional R<i>del tejido hepático en cada subregión S<i>de detección; y
calcular un peso W¡ de cada subregión S¡ de detección según la siguiente fórmula, y determinar la subregión de detección w I = 100 * m correspondiente a un valor de peso máximo como una región de contorno del tejido hepático:~1*Tdonde d<i>es la profundidad de escaneo correspondiente a la subregión S<i>de detección e i es un número natural. Etapa 13: emitir información de posición del contorno del tejido hepático identificado.
La emisión de información de posición del contorno del tejido hepático identificado puede incluir: emitir una posición de coordenadas del contorno del tejido hepático identificado; y/o mostrar una imagen del contorno del tejido hepático identificado. Es decir, solo se puede emitir la posición de coordenadas del contorno del tejido hepático identificado, o solo se puede mostrar la imagen del contorno del tejido hepático identificado, o no solo puede emitirse la posición de coordenadas del contorno del tejido hepático identificado, sino que también se puede mostrar la imagen del contorno del tejido hepático identificado, cuando se emite la información de posición del contorno del tejido hepático identificado. Según el método de identificación del contorno del tejido hepático proporcionado en la primera realización de la presente invención, el contorno del tejido hepático puede identificarse de forma automática y eficiente según las características del tejido hepático y el contorno del tejido hepático correspondiente a la información del tejido hepático, donde la información del tejido hepático puede ser una señal ultrasónica de tipo A que refleja la información estructural unidimensional del tejido hepático o una señal ultrasónica de tipo M que refleja la información dinámica estructural unidimensional del tejido. Segunda realización:
La segunda realización es una optimización particular dirigida hacia la Etapa 12 en la primera realización de la presente invención. El método es aplicable a una señal ultrasónica unidimensional del tejido hepático. La Fig. 2 es un diagrama de flujo que implementa un método de identificación del contorno hepático proporcionado en una segunda realización de la presente invención, y la Fig. 3 es una vista esquemática que ilustra un efecto de identificación del contorno basándose en una señal ultrasónica de tipo M del tejido hepático en la segunda realización de la presente invención. Combinado con las Figs. 2 y 3, el método incluye:
Etapa 21: partición de la señal ultrasónica unidimensional del tejido hepático en una pluralidad de subregiones Si de detección.
La señal ultrasónica unidimensional del tejido hepático puede ser una señal ultrasónica de tipo A del tejido hepático o una señal ultrasónica de tipo M del tejido hepático. Suponiendo que una señal ultrasónica contiene n puntos de muestreo y la profundidad de escaneo correspondiente de la señal ultrasónica del tejido hepático es d (en mm), se puede saber que cada profundidad de 1 mm contiene n/d puntos. Los n puntos de muestreo se dividen en múltiples subregiones S<i>de detección, donde la subregión S<i>de detección corresponde a la profundidad de escaneo de d<i>, donde i es un número entero, la profundidad de escaneo d<i>puede ser un valor medio de profundidad o un valor final de profundidad de la subregión S<i>de detección, y lo siguiente se basará en el caso del valor final.
Por ejemplo, n puntos de muestreo se dividen en múltiples subregiones S<i>de detección con una separación z. La información sobre la parte más al fondo de una imagen producida a partir de imágenes ultrasónicas (que corresponde a la parte más profunda de la profundidad de escaneo) puede ignorarse porque la parte más al fondo de la imagen típicamente no contiene ningún objetivo de detección. En este caso, i=1, 2,...,[d/z]-1, donde z es la longitud de sección de una subregión de detección (en mm), y [] indica redondeo por exceso hasta un número entero. En este caso, cada segmento de la subregión de detección contiene puntos de muestreo [zn/d], respectivamente. Por ejemplo, cuando la profundidad de escaneo d de la señal ultrasónica es de 20 mm y la separación z es de 3 mm, los n puntos de muestreo se dividen en [d/z]-1=6 subregiones S<1>~S<6>de detección, donde S<1>corresponde a la sección de 0~3 mm, S<2>corresponde a la sección de 3~6 mm,..., S<6>corresponde a la sección de 15~18 mm, y la parte más al fondo de la imagen (que corresponde a la sección de 18~20 mm) se ignora porque típicamente no contiene ningún objetivo de análisis.
Etapa 22: calcular un valor de distribución de Nakagami m<i>para la señal ultrasónica unidimensional R<i>del tejido hepático en cada subregión S<i>de detección.
El modelo estadístico de Nakagami es un tipo de tecnología de caracterización de tejido ultrasónico. En particular, el valor de distribución de Nakagami m<i>se calcula para la señal ultrasónica R<i>correspondiente a la imagen del tejido hepático en cada subregión S<i>de detección según la siguiente fórmula:
donde la función de densidad de probabilidad de la distribución de Nakagami es:
donde E(.) es una función de valor medio,<r>(.) indica una función gamma,<Q>=E(r<2>), U(.) indica una función de etapa unitaria, m es el valor de distribución de Nakagami, r es una variable dependiente de una función de distribución de probabilidad f(r), r<>>0, m<>>0; y para cada subregión S<i>de detección, m<i>es el valor m en la región S<i>, y R<i>es un valor de envolvente de la señal ultrasónica.
Cuando el valor m está incluido en el intervalo de (0, 1), la señal ultrasónica del tejido hepático sigue la distribución pre-Rayleigh. Cuando el valor m es igual a 1, la señal de eco ultrasónica sigue la distribución de Rayleigh. Cuando el valor m es mayor que 1, la señal de eco ultrasónica sigue la distribución post-Rayleigh.
Etapa 23: calcular un peso W<i>para cada subregión S<i>de detección según la siguiente fórmula, y determinar la subregión de detección correspondiente al valor de peso máximo como una región de contorno del tejido hepático:
donde d<i>es la profundidad de escaneo correspondiente a la subregión S<i>de detección, y también puede ser un valor medio de profundidad o un valor final de profundidad de la subregión S<i>de detección. Los pesos W<i>de las subregiones de detección respectivas se recorren para elegir la subregión de detección correspondiente al valor de peso máximo como una región de contorno del tejido hepático, logrando así el posicionamiento automático del contorno del tejido hepático.
El método de identificación del contorno hepático proporcionado en la segunda realización de la presente invención es capaz de realizar un posicionamiento automático en tiempo real del contorno del tejido hepático mediante señales ultrasónicas de tipo A o de tipo M del tejido hepático. Además, este algoritmo tiene un nivel de complejidad bajo, lo que puede ofrecer una mayor eficiencia en la identificación del contorno del tejido hepático, permitiendo de este modo el posicionamiento automático en tiempo real del contorno del tejido hepático.
Tercera realización:
La Fig.4 ilustra el sistema según la reivindicación 3 o la reivindicación 4. La Fig.4 es una vista estructural esquemática que ilustra un sistema de identificación del contorno hepático proporcionado en una tercera realización de la presente invención. Como se ilustra en la Fig. 4, un sistema de identificación del contorno hepático descrito en esta realización incluye un dispositivo 51 de obtención de información, un dispositivo 52 de identificación del contorno hepático y un dispositivo 53 de visualización del contorno hepático, donde el dispositivo 51 de obtención de información está configurado para obtener información de tejido hepático de un tejido hepático que identificar; el dispositivo 52 de identificación de contorno hepático está configurado para identificar un contorno de tejido hepático en la información del tejido hepático según una característica del tejido hepático correspondiente a la información del tejido hepático y una característica del contorno del tejido hepático correspondiente a la información del tejido hepático y el dispositivo 53 de visualización del contorno hepático está configurado para emitir información de posición del contorno del tejido hepático identificado.
Si la información del tejido hepático es una señal ultrasónica unidimensional del tejido hepático, el dispositivo 52 de identificación del contorno hepático incluye: una unidad de división de regiones, configurada para dividir la información del tejido hepático en una pluralidad de subregiones de detección; y una unidad de determinación del contorno configurada para: calcular el valor de una característica de la información del tejido hepático en cada una de las subregiones de detección y determinar el contorno del tejido hepático según los valores de la característica de la información del tejido hepático en las subregiones de detección.
Si la información del tejido hepático es una señal ultrasónica unidimensional del tejido hepático, la unidad de determinación del contorno incluye: una primera subunidad de cálculo del valor de una característica, configurada para calcular un valor de distribución de Nakagami m<i>para una señal ultrasónica unidimensional R<i>del tejido hepático en cada subregión S<i>de detección; y una primera subunidad de determinación del contorno, configurada para: calcular un peso W<i>de cada subregión S<i>de detección según la siguiente fórmula, y determinar la subregión de detección correspondiente al valor de peso máximo como una región de contorno del tejido hepático:
donde d<i>es la profundidad de escaneo correspondiente a la subregión S<i>de detección.
En otro ejemplo, el dispositivo 53 de visualización del contorno hepático incluye: una unidad de emisión de posición, configurada para emitir una posición de coordenadas del contorno del tejido hepático identificado; y/o una unidad de visualización de imágenes, configurada para mostrar una imagen del contorno del tejido hepático identificado.
Según el sistema de identificación del contorno hepático proporcionado en la tercera realización de la presente invención, el contorno del tejido hepático puede identificarse de forma automática y eficiente según la característica del contorno del tejido hepático correspondiente a la información del tejido hepático, donde la información del tejido hepático puede ser una señal ultrasónica de tipo A que refleja la información estructural unidimensional del tejido hepático o una imagen ultrasónica de tipo M o una señal ultrasónica de tipo M que refleja la información dinámica estructural unidimensional del tejido.

Claims (4)

  1. REIVINDICACIONES Un método de identificación del contorno hepático implementado por un sistema de identificación del contorno hepático, que comprende: obtener información de tejido hepático de un tejido hepático que identificar; en donde la información de tejido hepático es una señal ultrasónica unidimensional del tejido hepático, dividir la información del tejido hepático en una pluralidad de subregiones de detección; calcular el valor de una característica de la información del tejido hepático en cada una de las subregiones de detección, y determinar el contorno del tejido hepático según el valor de la característica de la información del tejido hepático en las subregiones de detección; y emitir información de posición del contorno del tejido hepático identificado caracterizado por que, el cálculo del valor de una característica de la información del tejido hepático en cada una de las subregiones de detección, y la determinación del contorno del tejido hepático según el valor de la característica de la información del tejido hepático en las subregiones de detección comprende: calcular un valor de distribución de Nakagami m<i>para una señal ultrasónica unidimensional R<i>del tejido hepático en cada subregión S<i>de detección; y calcular un peso W<i>de cada subregión S<i>de detección según la siguiente fórmula, y determinar la subregión de detección correspondiente a un valor de peso máximo como una región de contorno del tejido hepático:
  2. donde d<i>es la profundidad de escaneo correspondiente a la subregión S<i>de detección e i es un número natural. El método según la reivindicación 1,caracterizado por queen donde la emisión de información de posición del contorno del tejido hepático identificado comprende: emitir una posición de coordenadas del contorno del tejido hepático identificado; y/o mostrar una imagen del contorno del tejido hepático identificado. Un sistema de identificación del contorno hepático que comprende: un dispositivo de obtención de información, un dispositivo de identificación del contorno hepático y un dispositivo de visualización del contorno hepático, en donde, el dispositivo de obtención de información está configurado para obtener información de tejido hepático de un tejido hepático que identificar, en donde la información de tejido hepático es una señal ultrasónica unidimensional del tejido hepático; la identificación del contorno hepático comprende una unidad de partición de región, configurada para dividir la información de tejido hepático en una pluralidad de subregiones de detección; y una unidad de determinación del contorno configurada para: calcular el valor de una característica de la información de tejido hepático en cada una de las subregiones de detección y determinar el contorno del tejido hepático según el valor de una característica de la información del tejido hepático en las subregiones de detección; y el dispositivo de visualización del contorno hepático está configurado para emitir información de posición del contorno del tejido hepático identificado caracterizado por que, la unidad de determinación del contorno comprende además: una primera subunidad de cálculo del valor de una característica, configurada para calcular un valor de distribución de Nakagami m<i>para una señal ultrasónica unidimensional R<i>del tejido hepático en cada subregión S<i>de detección; y una primera subunidad de determinación del contorno configurada para: calcular un peso W<i>de cada subregión S<i>de detección según la siguiente fórmula, y determinar la subregión de detección correspondiente a un valor de peso máximo como una región de contorno del tejido hepático:
  3. donde d<¡>es la profundidad de escaneo correspondiente a la subregión S<i>de detección e i es un número natural.
  4. 4. El sistema según la reivindicación 3,caracterizado por que, en donde el dispositivo de visualización del contorno hepático comprende: una unidad de emisión de posición, configurada para emitir una posición de coordenadas del contorno del tejido hepático identificado; y/o una unidad de visualización de imágenes, configurada para mostrar una imagen del contorno del tejido hepático identificado.
ES15853412T 2014-10-21 2015-08-10 Método y sistema de identificación del contorno hepático Active ES2965710T3 (es)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
CN201410564295.5A CN104408398B (zh) 2014-10-21 2014-10-21 一种肝脏边界的识别方法及***
PCT/CN2015/081838 WO2016062108A1 (zh) 2014-10-21 2015-08-10 一种肝脏边界的识别方法及***

Publications (1)

Publication Number Publication Date
ES2965710T3 true ES2965710T3 (es) 2024-04-16

Family

ID=52646029

Family Applications (1)

Application Number Title Priority Date Filing Date
ES15853412T Active ES2965710T3 (es) 2014-10-21 2015-08-10 Método y sistema de identificación del contorno hepático

Country Status (11)

Country Link
US (2) US10354390B2 (es)
EP (2) EP4276757A3 (es)
JP (2) JP6735738B2 (es)
KR (2) KR101894212B1 (es)
CN (2) CN108765438B (es)
AU (3) AU2015335555B2 (es)
BR (1) BR112017008006B1 (es)
ES (1) ES2965710T3 (es)
PL (1) PL3211561T3 (es)
RU (2) RU2707032C2 (es)
WO (1) WO2016062108A1 (es)

Families Citing this family (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108765438B (zh) 2014-10-21 2020-10-30 无锡海斯凯尔医学技术有限公司 一种肝脏边界的识别方法及***
CN105678746B (zh) * 2015-12-30 2018-04-03 上海联影医疗科技有限公司 一种医学图像中肝脏范围的定位方法及装置
EP3787518B1 (en) * 2018-05-03 2023-07-19 Koninklijke Philips N.V. Shear wave amplitude reconstruction for tissue elasticity monitoring and display
JP7032533B2 (ja) * 2018-07-13 2022-03-08 古野電気株式会社 超音波撮像装置、超音波撮像システム、超音波撮像方法および超音波撮像プログラム
CN110555833B (zh) * 2019-08-30 2023-03-21 联想(北京)有限公司 图像处理方法、装置、电子设备以及介质
CN110772281B (zh) * 2019-10-23 2022-03-22 哈尔滨工业大学（深圳） 基于改进射线追踪法的超声ct成像***
CN111161293B (zh) * 2019-11-25 2023-03-21 新绎健康科技有限公司 基于直角坐标空间确定gdv能量图像的轮廓的方法及***
CN112037234B (zh) * 2020-08-19 2022-09-30 大连理工大学 用骨骼信息对ct图像中肝脏与肌肉进行分离的方法
CN112245006B (zh) * 2020-11-13 2022-03-04 范宁 一种基于三角模型的肝脏肿瘤手术方法及***
CN112614123A (zh) * 2020-12-29 2021-04-06 深圳开立生物医疗科技股份有限公司 一种超声图像识别方法及相关装置
CN114399493B (zh) * 2022-01-14 2024-06-11 汕头市超声仪器研究所股份有限公司 超声颅脑异常区域自动检测及显示方法
CN117653163A (zh) * 2023-12-05 2024-03-08 上海长征医院 一种肝脏图像采集处理的方法、***、计算机及终端

Family Cites Families (43)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP3109749B2 (ja) * 1991-04-17 2000-11-20 株式会社東芝 超音波映像化装置
JP3720839B2 (ja) * 1994-05-27 2005-11-30 フクダ電子株式会社 超音波診断装置
EP0864075A1 (en) 1995-11-28 1998-09-16 DORNIER MEDICAL SYSTEMS, Inc. Method and system for non-invasive temperature mapping of tissue
US6370480B1 (en) 1999-05-21 2002-04-09 General Electric Company Quantitative analysis system and method for certifying ultrasound medical imaging equipment
US6925200B2 (en) 2000-11-22 2005-08-02 R2 Technology, Inc. Graphical user interface for display of anatomical information
JP3655830B2 (ja) * 2001-02-08 2005-06-02 アロカ株式会社 超音波診断装置
JP4907798B2 (ja) * 2001-08-24 2012-04-04 株式会社東芝 超音波診断装置
JP4105452B2 (ja) * 2002-03-04 2008-06-25 フクダ電子株式会社 超音波診断装置
US7819806B2 (en) * 2002-06-07 2010-10-26 Verathon Inc. System and method to identify and measure organ wall boundaries
CN1788284A (zh) * 2003-05-14 2006-06-14 西门子共同研究公司 对虚拟内窥镜检查进行快速自动中心线提取的方法和设备
WO2005106474A2 (en) * 2004-04-14 2005-11-10 Edda Technology, Inc. Liver disease diagnosis system, method and graphical user interface
US7519209B2 (en) * 2004-06-23 2009-04-14 Vanderbilt University System and methods of organ segmentation and applications of same
JP4575738B2 (ja) * 2004-09-29 2010-11-04 富士フイルム株式会社 超音波画像境界抽出方法及び超音波画像境界抽出装置、並びに、超音波撮像装置
KR100747093B1 (ko) * 2005-01-12 2007-08-07 주식회사 메디슨 초음파 진단 영상을 이용한 대상체의 경계를 자동으로검출하는 방법 및 초음파 진단 시스템
JP4713921B2 (ja) * 2005-04-15 2011-06-29 株式会社東芝 超音波診断装置及び超音波信号処理プログラム
US7702153B2 (en) * 2005-10-07 2010-04-20 Siemens Medical Solutions Usa, Inc. Systems and methods for segmenting object of interest from medical image
EP2047803A4 (en) 2006-05-19 2014-02-26 Hitachi Medical Corp ULTRASONIC DEVICE AND METHOD
JP5038304B2 (ja) 2006-06-06 2012-10-03 株式会社日立メディコ 超音波診断装置
EP2081494B1 (en) * 2006-11-16 2018-07-11 Vanderbilt University System and method of compensating for organ deformation
CA2718343A1 (en) 2007-03-15 2008-09-18 Jean Meunier Image segmentation
DE102007028270B4 (de) 2007-06-15 2013-11-14 Siemens Aktiengesellschaft Verfahren zur Segmentierung von Bilddaten zur Erkennung einer Leber
EP2006803A1 (en) * 2007-06-19 2008-12-24 Agfa HealthCare NV Method of segmenting anatomic entities in 3D digital medical images
WO2009060751A1 (ja) * 2007-11-09 2009-05-14 Hitachi Medical Corporation 超音波診断装置とその作動方法及び超音波画像診断プログラム
CN100589124C (zh) * 2008-03-04 2010-02-10 浙江大学 多排螺旋ct影像中的自动分割肝脏区域的方法
CN101425186B (zh) * 2008-11-17 2012-03-28 华中科技大学 一种基于ct图像的肝脏分段方法及其***
CN101601585B (zh) * 2009-07-02 2011-01-12 厦门强本科技有限公司 基于ct增强扫描技术的肝脏分段体积测量方法
RU2407426C1 (ru) * 2009-07-30 2010-12-27 Государственное учреждение Московский областной научно-исследовательский клинический институт им. М.Ф. Владимирского (МОНИКИ им. М.Ф. Владимирского) Способ определения размеров и глубины залегания анатомо-морфологических структур в живой биологической ткани при ее обследовании с помощью оптико-когерентной томографии
CN102711626B (zh) 2010-01-07 2014-12-10 株式会社日立医疗器械 医用图像诊断装置和医用图像的轮廓提取处理方法
JP5542454B2 (ja) * 2010-01-14 2014-07-09 株式会社東芝 超音波診断装置、超音波画像処理装置及び超音波画像処理プログラム
JP5599683B2 (ja) 2010-09-07 2014-10-01 株式会社日立メディコ 医用画像処理装置、医用画像処理方法
US9117259B2 (en) * 2010-09-22 2015-08-25 Siemens Aktiengesellschaft Method and system for liver lesion detection
CN103402453B (zh) 2011-03-03 2016-11-16 皇家飞利浦有限公司 用于导航***的自动初始化和配准的***和方法
CN102956035A (zh) * 2011-08-25 2013-03-06 深圳市蓝韵实业有限公司 用于乳腺x线图像中提取乳腺区域的预处理方法及***
KR20130080640A (ko) * 2012-01-05 2013-07-15 삼성메디슨 주식회사 초음파 영상 제공 방법 및 초음파 영상 제공 장치
JP5797124B2 (ja) * 2012-01-31 2015-10-21 富士フイルム株式会社 手術支援装置、手術支援方法および手術支援プログラム
JP5922465B2 (ja) * 2012-03-30 2016-05-24 ジーイー・メディカル・システムズ・グローバル・テクノロジー・カンパニー・エルエルシー 磁気共鳴装置、ナビゲータ領域設定方法、およびプログラム
EP2873017B1 (en) * 2012-07-11 2021-09-01 University of Mississippi Medical Center Method for the detection and staging of liver fibrosis from image acquired data
KR102001219B1 (ko) * 2012-11-26 2019-07-17 삼성전자주식회사 의료 영상들의 정합 방법 및 장치
CN104838421B (zh) 2012-11-30 2019-01-29 皇家飞利浦有限公司 基于图像数据的组织表面粗糙度量化和基于所述组织表面粗糙度量化对疾病存在的确定
CN103914710A (zh) * 2013-01-05 2014-07-09 北京三星通信技术研究有限公司 从图像中检测对象的设备和方法
CN105025803B (zh) * 2013-02-28 2018-02-23 皇家飞利浦有限公司 从多个三维视图对大对象的分割
EP3021753B1 (en) * 2013-07-17 2019-08-28 Hepatiq, Inc. Systems and methods for determining hepatic function from liver scans
CN108765438B (zh) * 2014-10-21 2020-10-30 无锡海斯凯尔医学技术有限公司 一种肝脏边界的识别方法及***

Also Published As

Publication number Publication date
CN108765438A (zh) 2018-11-06
RU2756779C2 (ru) 2021-10-05
JP6735738B2 (ja) 2020-08-05
CN108765438B (zh) 2020-10-30
KR20180058228A (ko) 2018-05-31
AU2018206807B2 (en) 2019-09-26
BR112017008006B1 (pt) 2022-12-13
WO2016062108A1 (zh) 2016-04-28
EP3211561A4 (en) 2018-10-10
EP4276757A3 (en) 2024-02-28
AU2015335555B2 (en) 2018-04-26
RU2017117302A3 (es) 2018-11-20
RU2019131112A3 (es) 2020-04-02
EP3211561A1 (en) 2017-08-30
US20190272644A1 (en) 2019-09-05
CN104408398A (zh) 2015-03-11
JP7016549B2 (ja) 2022-02-07
AU2018206807A1 (en) 2018-08-09
JP2017532996A (ja) 2017-11-09
KR20170042677A (ko) 2017-04-19
JP2020127831A (ja) 2020-08-27
AU2018206807B9 (en) 2020-01-23
BR112017008006A2 (pt) 2018-06-19
AU2018206806A1 (en) 2018-08-09
CN104408398B (zh) 2019-02-22
EP3211561C0 (en) 2023-11-01
RU2017117302A (ru) 2018-11-20
EP3211561B1 (en) 2023-11-01
KR101913977B1 (ko) 2018-10-31
KR101894212B1 (ko) 2018-08-31
EP4276757A2 (en) 2023-11-15
RU2707032C2 (ru) 2019-11-21
AU2015335555A1 (en) 2017-05-11
US20170221215A1 (en) 2017-08-03
US10748291B2 (en) 2020-08-18
PL3211561T3 (pl) 2024-02-12
US10354390B2 (en) 2019-07-16
RU2019131112A (ru) 2019-10-25
AU2018206806B2 (en) 2019-08-29

Similar Documents

Publication Publication Date Title
ES2965710T3 (es) Método y sistema de identificación del contorno hepático
KR101913976B1 (ko) 검출영역을 선택하는 방법 및 장치 및 탄성 검출 시스템
CN106600609B (zh) 一种医学图像中脊柱的分割方法及***
CN110338844B (zh) 三维成像数据的显示处理方法和三维超声成像方法及***
ES2706542T3 (es) Sistema de diagnóstico para mamografía multimodal
US8811701B2 (en) Systems and method for automatic prostate localization in MR images using random walker segmentation initialized via boosted classifiers
KR101805624B1 (ko) 장기 모델 영상 생성 방법 및 장치
WO2017114479A1 (zh) 图像处理的方法及***
US20220245821A1 (en) Automated lung cancer detection from pet-ct scans with hierarchical image representation
EP3664034B1 (en) Method and data processing system for providing lymph node information
Yaqub et al. Automatic detection of local fetal brain structures in ultrasound images
Yaqub et al. Volumetric segmentation of key fetal brain structures in 3D ultrasound
JP2020531182A (ja) 扁平な解剖学的構造を評定するための画像処理
KR20150080820A (ko) 관심 영역 표시 장치 및 방법
Lei et al. Organ-at-Risk (OAR) segmentation in head and neck CT using U-RCNN
Udupa et al. Fuzzy model-based body-wide anatomy recognition in medical images
Olesch et al. Fast intra-operative non-linear registration of 3D-CT to tracked, selected 2D-ultrasound slices
ES2929051T3 (es) Sistema de detección de masas tumorales basado en imágenes de resonancia magnética
Bajger et al. Full-body CT segmentation using 3D extension of two graph-based methods: a feasibility study
RU2812866C1 (ru) Способ обработки снимков компьютерной томографии (КТ-снимков)
Aboaba et al. Region and active contour-based segmentation technique for medical and weak-edged images
Wu et al. A textural features extraction algorithm for abdominal wall hernia mesh detection in automated 3D ultrasound images