JP2005526583A - 車輪状投影分析を用いた肺結節検出 - Google Patents
車輪状投影分析を用いた肺結節検出 Download PDFInfo
- Publication number
- JP2005526583A JP2005526583A JP2004508075A JP2004508075A JP2005526583A JP 2005526583 A JP2005526583 A JP 2005526583A JP 2004508075 A JP2004508075 A JP 2004508075A JP 2004508075 A JP2004508075 A JP 2004508075A JP 2005526583 A JP2005526583 A JP 2005526583A
- Authority
- JP
- Japan
- Prior art keywords
- wheel
- interest
- projection image
- image slices
- projection
- 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.)
- Withdrawn
Links
Images
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
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)
- Apparatus For Radiation Diagnosis (AREA)
- Image Processing (AREA)
Abstract
車輪状投影分析を用いて高解像度マルチスライスCT画像において肺結節を自動的に検出する方法が開示される。投影分析は、関心容積内の定義された軸(202)を中心として回転させられる一連の2次元切断面(201)から得られる加重面積曲線を使用する。結節は、加重面積曲線の形状分析が一揃いのテスト基準を満たす場合に検出される(313,314)。
Description
本発明はコンピュータ支援診断(CAD)に関するものであり、より詳細には、車輪状投影分析(cartwheel projection analysis)を用いて肺結節を検出するCAD方法に関する。
肺癌は、男女ともに最もよく診断される癌の第2位であり、またアメリカ合衆国内での癌による死亡の主因であるとも報告されている。肺癌の全体的な治癒率は非常に低いままであるが、初期段階で発見され治療された肺癌については5年間生存率の見込みがある。それゆえ、明らかに、初期段階で肺癌を発見することが非常に望ましい。
残念ながら、通常の胸部X線はしばしば初期段階での肺癌の発見に失敗することがある。しかし、コンピュータトモグラフィ(CT)における最近の進歩によって、通常の胸部X線を使用していたのでは発見されなかったような肺癌を発見することができるようになった。CTスキャンでは、X線のビームは、肺組織の横断面画像(画像スライス)を得るために、回転装置によってさまざまな角度から関心対象に向けられる。
マルチスライス高解像度コンピュータトモグラフィ(MSHRCT)スキャンによれば、直径2〜30mm程度の結節が撮像可能である。しかしながら、大量のデータが放射線医にとって手に負えない課題となる。スライスの厚さが1〜1.5mmである典型的なマルチスライス高解像度スキャンでは、画像スライスは300枚以上になる。肺癌スクリーニング用のMSHRCTが普及すれば、そのような検査に対する需要は莫大なものとなる。放射線医が個々のスライス画像をすべて検討するのでは時間がかかると同時に実際的でない。
最近では、膨大な努力が自動結節検出に注がれている。しかし、自動結節検出は血管に付着した結節をしばしば検出し損ねることがあり、また誤って高い正のレートを出すという欠点を有している。通常、結節はスライス画像において血管の横断面に類似したほぼ円形の不透明部分として現れる。従来の自動結節検出方法では、結節の微妙さと正常構造のカムフラージュ効果とに対処するのは非常に困難であった。
したがって、従来の方法に付随する問題を回避する肺結節検出のためのコンピュータ支援診断技術を有することが望ましくかつ非常に有利である。
発明の概要
放射線医を何百もの画像スライスを読み通す重荷から解放し、また肺結節検出をより正確且つより短時間で行うことのできる自動肺結節検出の技術が開示される。
放射線医を何百もの画像スライスを読み通す重荷から解放し、また肺結節検出をより正確且つより短時間で行うことのできる自動肺結節検出の技術が開示される。
本発明の種々の実施形態によれば、関心構造を中心として異なる角度で一連のスライスが得られるように、画像スライスの車輪状投影が行われる。2次元画像を車輪状に回転させると、一般的に、対象物の3次元的形状及びこの対象物が血管に結合しているか否かが把握し易くなる。
車輪状投影スライスが肺結節の特徴を示しているか否かを判定するために、車輪状投影スライスに対してコンピュータ分析を行うことができる。この分析は自動的に選択されたある車輪状投影スライスに対する形状分析を含んでいてよい。これらの車輪状投影スライスの各々に関して、関心対象の主軸は固有ベクトル分析により計算することができ、主軸に沿った関心対象のサイズ/面積の曲線が形成される。これらの曲線の形状は分析され、関心対象が結節であるか否かが判定される。
本発明の第1の側面によれば、容積画像データセット内の関心対象の車輪状投影分析を用いた肺結節検出方法が提供される。この方法は、容積画像データセット内の関心対象を中心とした車輪状投影を適用することによって車輪状投影画像スライスの集合を形成するステップを含んでいる。車輪状投影画像スライスの部分集合は、肺結節の特徴が示されているか否かを判定するために分析される。肺結節の特徴が示されていれば、関心対象は肺結節として識別される。
本発明の第2の側面によれば、この方法は車輪状投影画像スライスの各々に関して関心対象を抽出するステップも含んでいる。そして、抽出された関心対象の真円度の値が求められる。車輪状投影画像スライスの部分集合は、真円度値下位M位までの車輪状投影画像スライスを含むように定義される。
本発明の第3の側面によれば、車輪状投影画像スライスの部分集合を分析するステップは、真円度値下位M位までの画像スライス部分集合内の車輪状投影画像スライスの加重面積曲線を形成するステップを含んでいる。加重面積曲線の形状は分析されて、肺結節の特徴を示しているか否かが判定される。
本発明の第4の側面によれば、真円度値上位N位までの車輪状投影画像スライスを用いて肺結節マスクが形成される。加重面積曲線の形状は肺結節マスクにより推定された位置に沿って調べられる。肺結節マスクにより推定された位置に沿った加重面積曲線の形状がガウス形である場合、関心対象は肺結節として識別される。
本発明の第5の側面によれば、加重面積曲線の形成は、真円度値下位M位までの車輪状投影画像スライスの各々において関心対象の主軸を確定することを含んでいる。いったん主軸が確定されると、この主軸に沿って関心対象のサイズ/面積が測定され、加重面積曲線を生成することができる。
本発明の第6の側面によれば、関心対象は、真円度値下位M位までの車輪状投影画像スライスが所定の閾値を上回る真円度値を有する場合に肺結節と見なされる。
本発明の第7の側面によれば、関心対象は、真円度値上位N位までの車輪状投影画像スライスが所定の閾値を下回る真円度値を有する場合に肺結節ではないと見なされる。
本発明の第8の側面によれば、容積画像データはマルチスライス高解像度CT(MSHRCT)スキャンから取得される。
本発明の第9の側面によれば、車輪状投影の回転角が事前設定される。
本発明のこれらの側面及び他の側面、ならびに特徴及び利点は、以下の有利な実施形態の詳細な説明を添付図面と関連させて読むことで明らかとなる。
図面の簡単な説明
図1は、本発明の実施形態に従って、本発明が適用されるコンピュータ処理システムのブロック図を示しており、
図2は、関心対象を中心とした、画像スライスの車輪状投影を図解した図を示しており、
図3は、車輪状投影分析を用いて肺結節を自動的に検出するコンピュータ支援診断(CAD)方法のブロック図を示しており、
図4(a)は、血管に付着した結節を軸方向から見た図を示しており、
図4(b)は、血管に付着した結節の表面の3D表現を示しており、
図4(c)〜4(e)は、血管に付着した結節の検出に適用された車輪状投影分析を描写しており、
図5(a)は、軸方向画像上で結節のように見える小さな弱い血管を示しており、
図5(b)〜5(d)は、小さな弱い血管を結節から区別することにより誤った陽性の診断を無くすための車輪状投影分析を描写している。
図1は、本発明の実施形態に従って、本発明が適用されるコンピュータ処理システムのブロック図を示しており、
図2は、関心対象を中心とした、画像スライスの車輪状投影を図解した図を示しており、
図3は、車輪状投影分析を用いて肺結節を自動的に検出するコンピュータ支援診断(CAD)方法のブロック図を示しており、
図4(a)は、血管に付着した結節を軸方向から見た図を示しており、
図4(b)は、血管に付着した結節の表面の3D表現を示しており、
図4(c)〜4(e)は、血管に付着した結節の検出に適用された車輪状投影分析を描写しており、
図5(a)は、軸方向画像上で結節のように見える小さな弱い血管を示しており、
図5(b)〜5(d)は、小さな弱い血管を結節から区別することにより誤った陽性の診断を無くすための車輪状投影分析を描写している。
有利な実施形態の説明
本発明は、車輪状投影分析を用いて肺結節を検出するコンピュータ支援診断(CAD)方法に関している。分析は、車輪状投影スライスが肺結節の特徴を示しているか否かを判定するために、車輪状投影スライスに対して行うことができる。
本発明は、車輪状投影分析を用いて肺結節を検出するコンピュータ支援診断(CAD)方法に関している。分析は、車輪状投影スライスが肺結節の特徴を示しているか否かを判定するために、車輪状投影スライスに対して行うことができる。
本発明の明快な理解を容易にするため、本発明のいくつかの側面(例えば、図2に示されている車輪状投影)を説明する図解例が示される。しかしながら、これらの図解は本発明の範囲を限定するためのものではなく、本発明に関連したいくつかのコンセプトを図解するために提供されていることが理解されなければならない。
また、本発明は種々の形態のハードウェア、ソフトウェア、ファームウェア、専用プロセッサ、またはこれらの組み合わせにおいて実施しうることが理解されなければならない。有利には、本発明はプログラム記憶装置上で具体的に実行されるプログラムとしてソフトウェア内で実施される。このプログラムは適切なアーキテクチャを有するマシンにアップロードでき、またこのマシンにより実行可能であってよい。有利には、このマシンは、1つ又は複数の中央処理ユニット(CPU)、ランダムアクセスメモリ(RAM)、および入力/出力(I/O)インタフェースなどのようなハードウェアを有するコンピュータプラットフォーム上で実施される。このコンピュータプラットフォームはまたオペレーティングシステム及びマイクロ命令コードを含んでいる。本明細書に記載された種々のプロセス及び機能は、マイクロ命令コードの一部であるか又はオペレーティングシステムを介して実行されるプログラムの一部(又はこれらの組み合わせ)であってよい。さらに、付加的なデータ記憶装置や印刷装置のような他の種々の周辺装置がコンピュータプラットフォームに接続されていてもよい。
添付した図に示されているシステムコンポーネント及び方法ステップのいくつかは有利にはソフトウェアで実施されるので、システムコンポーネント(又はプロセスステップ)間の実際の結合は、本発明がプログラムされる仕方に応じて異なることがあることが理解されなければならない。
図1は、本発明の実施形態に従って本発明が適用されうるコンピュータ処理システム100のブロック図である。システム100は、システムバス104を介して他のコンポーネントに作用結合された少なくとも1つのプロセッサ(以下ではプロセッサ)102を含んでいる。リードオンリメモリ(ROM)106,ランダムアクセスメモリ(RAM)108,ディスプレイアダプタ110,I/Oアダプタ112,オーディオアダプタ113,及びユーザインタフェースアダプタ114は、システムバス104に作用結合されている。
ディスプレイ装置116はディスプレイアダプタ110によってシステムバス104に作用結合されている。ディスク記憶装置(例えば、磁気又は光学式ディスク記憶装置)118はI/Oアダプタ112によってシステムバス104に作用結合されている。スピーカ119はオーディオアダプタ113によってシステムバス104に作用結合されている。
マウス120及びキーボード124はユーザインタフェースアダプタ114によってシステムバス104に作用結合されている。マウス120及びキーボード124はシステム100への情報の入力及びシステム100からの情報の出力に使用される。
当業者には、図1に図解されているコンピュータ処理システム100の例が本発明を限定するものではないことが認識されるであろう。当業者には、他の択一的なコンピュータ環境が本発明の意図と範囲から逸脱することなく使用されうることが理解されるであろう。
図2は関心対象の車輪状投影を図解している。車輪状投影を受ける各々の軸方向画像スライスは、CT装置(以下ではCTという用語は高解像度CTおよび他の類似した画像スキャン装置を含む)を用いた肺200の画像スキャンから得られ、疑いのある組織などのような関心対象が中心に置かれる。図2に示されているように、回転面201は関心点202を中心として180度回転され、車輪状投影画像スライス203及び204のような一連の車輪状投影画像スライスが得られる。回転角は、例えば5度ごとのような、予め決められた間隔で設定することができる。5度ごとの間隔で設定した場合、入力された各関心対象について36の個別の車輪状投影画像スライスが生成される。同様に、間隔を1度に設定した場合、入力された各関心対象について180の個別の車輪状投影画像スライスが生成される。
図3は、車輪状投影分析を用いて肺結節を自動的に検出するコンピュータ支援診断方法のブロック図である。
まず始めに、肺容積内の検査すべき関心構造に関して、複数のシードポイントが生成される(ステップ301)。一般的に、シードポイントは肺画像内のポイント/ボクセルを表しており、比較的精密な検査を保証する。例えば、シードポイントは詳細な検査を要する疑いのある構造を指し示す。
肺結節の解剖学的性質のゆえに、所定の閾値よりも高い強度値を有するポイント/ボクセルを考慮するだけでよい。さらに、シードポイントを生成するために、自動シード候補生成アルゴリズムを本発明と組み合わせて使用することが勧められる。択一的に、シードポイントをインタラクティブに選択するために、例えばマウス装置によってシードポイントを手動で指定してもよい。
いったんシードポイントが生成されると、車輪状投影が(図2に示されているように)各シードポイントにおいて適用され、結果として得られた2次元車輪状投影画像スライスがさらなる分析のために格納される(ステップ302)。
次のステップは、各々の車輪状投影画像スライスから関心対象を抽出することである(ステップ303)。これは、弱い血管でさえもその連結性を保つことができるように比較的低い閾値を用いて、画像をグレースケールフォーマットからバイナリフォーマットに変換することで達成しうる。このような強度閾値の一例が、−624Huである。関心対象に結合していないすべての周辺組織は背景に設定することができる。
つぎに、各々の(バイナリ)車輪状投影画像スライス上の関心対象の幾何学的特性が調べられる(ステップ304)。より詳細には、各車輪状投影画像スライス上の関心対象に関して、次の式を用いて真円度が計算される。
つぎに、真円度上位N位までのバイナリ車輪状投影画像スライスを取得する(ステップ205)。これは、例えば、バイナリ車輪状投影画像スライスを真円度値の順にソートし、上位N枚のスライスを選択することにより達成しうる。
真円度値下位M位までの車輪状投影画像スライスが所定の閾値TLを上回る真円度を有しているか否かに関して、判定が行われる(ステップ310)。閾値TLを上回る真円度を有していれば、その丸い形状のゆえに関心構造は結節であると即座に判定される(ステップ316)。そうでなければ、各車輪状投影画像スライスに関して加重面積曲線が計算される。加重面積曲線を求める第1のステップは、行列
つぎに、各々の面積曲線を得るために、主軸に対して垂直な方向に沿って対象の幅又は面積を測定することにより面積加重曲線が計算される。このステップでは、ピクセルの強度もまた正規化され、記録される。選択的に、セグメンテーションによって生じるアーチファクトが減少し、面積曲線が平滑化されるように、メジアンフィルタリングを面積曲線に適用してもよい。面積曲線はつぎに、解剖学的構造のより納得のいく解釈が行われるように、正規化された強度によって重み付けされる。
この時点で、加重面積曲線を分析できる状態となる。これらの加重面積曲線は、解剖学的構造の形状特性を表しているので、結節の曲線と血管の曲線とでは異なる形状的特徴を示す。通常は、結節の加重面積曲線は結節が単独でも又は血管に付着していてもガウス形となる傾向にあり、その一方で、血管の加重面積曲線はこのような性質を有していない。加重面積曲線の形状は結節マスクから推定される位置の周りで分析される(ステップ313)。
一揃いの基準に従って、加重面積曲線が結節マスクによって大雑把に推定された位置の周りで十分にガウス形であるか否かが判定される(ステップ314)。この基準は一例として曲線あてはめ法であってよい。検査のもとで現在のシードがこの基準を満たしていることが判定されると、それは結節であると見なされ(ステップ316)、検査の対象は保存される。そうでなければ、シードは結節であると見なされない(ステップ315)。
この後、次のシードを処理することができる(ステップ317)。このプロセスは検査すべきシードがなくなるまで繰り返される。
本発明をより良く理解するために、つぎにいくつかの例を提示する。第1の例では、血管に付着した結節の検出のために車輪状投影分析が行われる。第2の例は、小さな弱い血管を結節から区別するためにどのようにして車輪状投影分析が使用されうるかを示している。
A.血管に付着した結節の検出に車輪状投影分析を用いる
図4(a)及び4(b)は血管に付着した結節の一例を示している。図4(a)には、軸方向から見た結節が示されており、図4(b)には表面の3D表現が示されている。
図4(a)及び4(b)は血管に付着した結節の一例を示している。図4(a)には、軸方向から見た結節が示されており、図4(b)には表面の3D表現が示されている。
図4(c)には、真円度上位5位までのオリジナル(上段)及びバイナリ(下段)車輪状投影画像スライスが示されている。この例では、Nは5に等しい。図4(d)は、下位M位までの真円度値を有する5つのオリジナル及びバイナリ車輪状投影画像スライスを示している。この例では、Mも5に等しい。主軸が示される。
図4(e)には、真円度下位5位までの車輪状投影スライスの加重面積曲線が示されている。最後のサブイメージは結節マスクを示している。結節マスクはN枚のバイナリ車輪状投影スライスのOR演算から形成されることを思い出してもらいたい。したがって、この結節マスクは図4(c)に示されている5つのバイナリ車輪状投影スライスのOR演算から形成されたものである。図4(e)に示されたこれらの加重面積曲線は見たところ結節マスクにより大雑把に推定された位置の周りでガウス形であることに注意されたい。加重面積曲線がこの形状を有していることから、加重面積曲線は関心対象が結節であることが示している。なぜなら、結節はこの性質を有しているからである。
B.車輪状投影分析を用いて小さな弱い血管を結節から区別する
図5(a)は、結節のように見える小さな弱い血管の例を示している。
図5(a)は、結節のように見える小さな弱い血管の例を示している。
図5(b)には、真円度上位5位までのオリジナル車輪状投影スライスが示されている。図5(c)は、真円度下位5位までのオリジナル(上段)及びバイナリ(下段)車輪状投影スライスを示している。主軸が示される。前の例と同様に、M及びNは両方とも5に設定されている。
図5(d)は、真円度下位5位までの車輪状投影スライスの加重面積曲線を示している。最後のサブイメージは、大雑把に推定された対象のサイズと位置とを示す結節マスクを表示している。これらの加重面積曲線は見たところ比較的直線状の形状を有しており、結節マスクにより大雑把に推定された位置の周りでガウス形をしていないことに注意されたい。このことはこのシードが結節ではないことを示唆している。このケースでは、関心対象は実際には小さな弱い血管なので、曲線は直線状の形をしている。
上記の例は、自動的に肺結節を検出する車輪状投影分析の主要な利点のいくつかを示したものである。しかしながら、これらの例は本発明の範囲を限定するものではないことが理解されなければならない。さらに、いくつかの場合においては、本発明は加重面積曲線を用いずに関心対象の特性を判定するということも理解されなければならない。すでに述べたように、例えば、本発明は、単純に対象の真円度が所定の閾値を超えれば対象が結節であることを検出することができ、また真円度が別の所定の閾値よりも低ければ対象が結節でないことを判定することができる。
本明細書では添付した図面を参照して本発明の実施例を図解したが、本発明はこれらの詳細な実施例に限定されるものではなく、他の種々の変更及び改良が当業者により本発明の範囲又は意図から逸脱することなく行われうることが理解されなければならない。
Claims (20)
- 容積画像データセット内の関心対象の車輪状投影分析を用いて肺結節を検出する方法において、
容積画像データセット内の関心対象を中心とした車輪状投影を適用することにより車輪状投影画像スライスの集合を形成するステップと、
前記車輪状投影画像スライスの部分集合を分析して、肺結節の特徴が示されているか否かを判定するステップと、
肺結節の特徴が示されていると判定された場合に前記関心対象を肺結節として識別するステップとを有することを特徴とする、容積画像データセット内の関心対象の車輪状投影分析を用いて肺結節を検出する方法。 - 車輪状投影画像スライスの各々に関して関心対象を抽出するステップと、
抽出した各関心対象の真円度の値を求めるステップと、
真円度値下位M位までの車輪状投影画像スライスを含むように前記車輪状投影画像スライスの部分集合を定義するステップとをさらに有する、請求項1記載の方法。 - 車輪状投影画像スライスの部分集合を分析するステップが、
前記部分集合内の車輪状投影画像スライスの加重面積曲線を形成するステップと、
前記加重面積曲線の形状が肺結節の特徴を示しているか否かを判定するステップとを有する、請求項2記載の方法。 - 加重面積曲線の形状が肺結節の特徴を示しているか否かを判定するステップが、
真円度値上位N位までの車輪状投影画像スライスを用いて肺結節マスクを形成するステップと、
真円度値下位M位までの車輪状投影画像スライス上で得られた加重面積曲線の形状を前記肺結節マスクにより推定された位置に沿って調べるステップと、
前記肺結節マスクにより推定された位置に沿った加重面積曲線の形状がガウス形である場合に関心対象を肺結節として識別するステップとを有する、請求項3記載の方法。 - 加重面積曲線を形成するステップが、
真円度値下位M位までの車輪状投影画像スライスの各々において関心対象の主軸を決定するステップと、
前記主軸に沿って関心対象のサイズ/面積を測定するステップと、
加重面積曲線を生成するステップとを有する、請求項3記載の方法。 - 車輪状投影画像スライスの部分集合を分析するステップは、真円度値下位M位までの車輪状投影画像スライスが所定の閾値を上回る真円度値を有する場合に関心対象を肺結節と見なす、請求項1記載の方法。
- 車輪状投影画像スライスの部分集合を分析するステップは、真円度値上位N位までの車輪状投影画像スライスが所定の閾値を下回る真円度値を有する場合に関心対象を肺結節でないと見なす、請求項1記載の方法。
- 容積画像データをマルチスライス高解像度CTスキャンから取得する、請求項1記載の方法。
- 車輪状投影の回転角を事前設定する、請求項1記載の方法。
- 容積画像データセット内の関心対象の車輪状投影分析を用いた肺結節の検出方法ステップを実施する、マシン上で実施可能な命令のプログラムを具体的に実現したマシン読取り可能なプログラム記憶装置において、
前記方法ステップが、
容積画像データセット内の関心対象を中心とした車輪状投影を適用することにより車輪状投影画像スライスの集合を形成するステップと、
前記車輪状投影画像スライスの部分集合を分析して、肺結節の特徴が示されているか否かを判定するステップと、
肺結節の特徴が示されていると判定された場合に前記関心対象を肺結節として識別するステップとを含んでいることを特徴とするマシン読取り可能なプログラム記憶装置。 - 車輪状投影画像スライスの各々に関して関心対象を抽出するステップと、
抽出した各関心対象の真円度の値を求めるステップと、
真円度値下位M位までの車輪状投影画像スライスを含むように前記車輪状投影画像スライスの部分集合を定義するステップとをさらに有する、請求項10記載のプログラム記憶装置。 - 車輪状投影画像スライスの部分集合を分析するステップが、
前記真円度値下位M位までの画像スライス部分集合内の車輪状投影画像スライスに関して加重面積曲線を形成するステップと、
前記加重面積曲線の形状が肺結節の特徴を示しているか否かを判定するステップとを有する、請求項11記載のプログラム記憶装置。 - 加重面積曲線の形状が肺結節の特徴を示しているか否かを判定するステップが、
真円度値上位N位までの車輪状投影画像スライスを用いて肺結節マスクを形成するステップと、
真円度値下位M位までの車輪状投影画像スライス上で得られた加重面積曲線の形状を前記肺結節マスクにより推定された位置に沿って調べるステップと、
前記肺結節マスクにより推定された位置に沿った加重面積曲線の形状がガウス形である場合に関心対象を肺結節として識別するステップとを有する、請求項12記載のプログラム記憶装置。 - 加重面積曲線を形成するステップが、
真円度値下位M位までの車輪状投影画像スライスの各々において関心対象の主軸を決定するステップと、
前記主軸に沿って関心対象のサイズ/面積を測定するステップと、
加重面積曲線を生成するステップとを有する、請求項12記載のプログラム記憶装置。 - 車輪状投影画像スライスの部分集合を分析するステップは、真円度値下位M位までの車輪状投影画像スライスが所定の閾値を上回る真円度値を有する場合に関心対象を肺結節と見なす、請求項10記載のプログラム記憶装置。
- 車輪状投影画像スライスの部分集合を分析するステップは、真円度値上位N位までの車輪状投影画像スライスが所定の閾値を下回る真円度値を有する場合に関心対象を肺結節でないと見なす、請求項10記載のプログラム記憶装置。
- 容積画像データをマルチスライス高解像度CTスキャンから取得する、請求項10記載のプログラム記憶装置。
- 車輪状投影の回転角が事前設定される、請求項10記載のプログラム記憶装置。
- 容積画像データセット内の関心対象を中心とした車輪状投影を適用することにより車輪状投影画像スライスの集合を形成するようにした、容積画像データセット内の関心対象の車輪状投影分析を用いた肺結節の検出方法において、
前記車輪状投影画像スライスの部分集合を分析して、肺結節の特徴が示されているか否かを判定するステップと、
肺結節の特徴が示されていると判定された場合に前記関心対象を肺結節として識別するステップとを有することを特徴とする、容積画像データセット内の関心対象の車輪状投影分析を用いた肺結節の検出方法。 - 肺癌の診断を補助する肺結節検出装置において、
関心対象に関連した車輪状投影画像スライスの集合を取得するための入力ユニットと、
車輪状投影画像スライスの前記集合に対して車輪状投影分析を行うための分析器と、
関心対象が肺結節であるか否かを識別するための出力ユニットとを有することを特徴とする、肺癌の診断を補助する肺結節検出装置。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US10/151,661 US6609021B1 (en) | 2002-05-20 | 2002-05-20 | Pulmonary nodule detection using cartwheel projection analysis |
PCT/US2003/007571 WO2003100700A2 (en) | 2002-05-20 | 2003-03-13 | Pulmonary nodule detection using cartwheel projection analysis |
Publications (1)
Publication Number | Publication Date |
---|---|
JP2005526583A true JP2005526583A (ja) | 2005-09-08 |
Family
ID=27733681
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2004508075A Withdrawn JP2005526583A (ja) | 2002-05-20 | 2003-03-13 | 車輪状投影分析を用いた肺結節検出 |
Country Status (5)
Country | Link |
---|---|
US (1) | US6609021B1 (ja) |
JP (1) | JP2005526583A (ja) |
CN (1) | CN1656499A (ja) |
DE (1) | DE10392482T5 (ja) |
WO (1) | WO2003100700A2 (ja) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2009518143A (ja) * | 2005-12-09 | 2009-05-07 | ブラウン ユニバーシティ | 表示データ内の関心対象物を識別するための方法および装置 |
JP2017131454A (ja) * | 2016-01-28 | 2017-08-03 | 富士通株式会社 | 医療画像表示システム、医療画像表示プログラム及び医療画像表示方法 |
Families Citing this family (26)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7327866B2 (en) * | 2001-04-09 | 2008-02-05 | Bae Kyongtae T | Method and apparatus for compressing computed tomography raw projection data |
WO2004049777A2 (en) * | 2002-12-04 | 2004-06-17 | Washington University | Method and apparatus for automated detection of target structures from medical images using a 3d morphological matching algorithm |
CN102708270A (zh) | 2003-08-13 | 2012-10-03 | 美国西门子医疗解决公司 | 计算机辅助决策支持***和方法 |
US7352882B2 (en) * | 2003-08-14 | 2008-04-01 | Siemens Medical Solutions Usa, Inc. | System and method for determining compactness in images |
US7447342B2 (en) * | 2003-09-22 | 2008-11-04 | Siemens Medical Solutions Usa, Inc. | Method and system for using cutting planes for colon polyp detection |
JP4463817B2 (ja) * | 2003-09-22 | 2010-05-19 | シーメンス メディカル ソリューションズ ユーエスエー インコーポレイテッド | 脈管構造の局部画像を自動的に配向する方法及びシステム |
JP4242796B2 (ja) * | 2004-03-12 | 2009-03-25 | パナソニック株式会社 | 画像認識方法及び画像認識装置 |
JP4549093B2 (ja) * | 2004-04-12 | 2010-09-22 | キヤノン株式会社 | 画像処理装置及びその方法、プログラム |
GB2414357A (en) * | 2004-05-18 | 2005-11-23 | Medicsight Plc | Nodule boundary detection |
US7333646B2 (en) * | 2004-06-01 | 2008-02-19 | Siemens Medical Solutions Usa, Inc. | Watershed segmentation to improve detection of spherical and ellipsoidal objects using cutting planes |
US7684602B2 (en) * | 2004-11-18 | 2010-03-23 | Siemens Medical Solutions Usa, Inc. | Method and system for local visualization for tubular structures |
US7738683B2 (en) * | 2005-07-22 | 2010-06-15 | Carestream Health, Inc. | Abnormality detection in medical images |
US7734080B2 (en) * | 2005-12-08 | 2010-06-08 | Electronics And Telecommunications Research Institute | Method and device for measuring pulmonary nodule volume using dual-energy substraction image |
US7986827B2 (en) * | 2006-02-07 | 2011-07-26 | Siemens Medical Solutions Usa, Inc. | System and method for multiple instance learning for computer aided detection |
WO2007126932A1 (en) * | 2006-03-28 | 2007-11-08 | Xoran Technologies, Inc. | Ct scanner with automatic determination of volume of interest |
US20070248206A1 (en) * | 2006-04-19 | 2007-10-25 | Predrag Sukovic | Ct scanner with untracked markers |
US20090016589A1 (en) * | 2007-07-10 | 2009-01-15 | Siemens Medical Solutions Usa, Inc. | Computer-Assisted Detection of Colonic Polyps Using Convex Hull |
WO2009009099A2 (en) * | 2007-07-10 | 2009-01-15 | Siemens Medical Solutions Usa, Inc. | Computer-assisted detection of colonic polyps using convex hull |
US8588492B2 (en) * | 2007-11-20 | 2013-11-19 | Koninklijke Philips N.V. | Visualization of vascularization |
EP2068281A1 (en) * | 2007-11-28 | 2009-06-10 | Dublin City University | A method for detecting flat polyps in the colon |
US8675933B2 (en) | 2010-04-30 | 2014-03-18 | Vucomp, Inc. | Breast segmentation in radiographic images |
WO2011137409A1 (en) | 2010-04-30 | 2011-11-03 | Vucomp, Inc. | Malignant mass detection and classification in radiographic images |
US9256799B2 (en) | 2010-07-07 | 2016-02-09 | Vucomp, Inc. | Marking system for computer-aided detection of breast abnormalities |
CN103345740B (zh) * | 2013-06-13 | 2016-04-13 | 沈阳航空航天大学 | 基于多投影图像配准的肺结节检测方法 |
WO2015092622A2 (en) * | 2013-12-20 | 2015-06-25 | Koninklijke Philips N.V. | Density guided attenuation map generation in pet/mr systems |
US12008689B2 (en) | 2021-12-03 | 2024-06-11 | Canon Medical Systems Corporation | Devices, systems, and methods for deep-learning kernel-based scatter estimation and correction |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP3378401B2 (ja) * | 1994-08-30 | 2003-02-17 | 株式会社日立メディコ | X線装置 |
US6141437A (en) * | 1995-11-22 | 2000-10-31 | Arch Development Corporation | CAD method, computer and storage medium for automated detection of lung nodules in digital chest images |
US5987094A (en) * | 1996-10-30 | 1999-11-16 | University Of South Florida | Computer-assisted method and apparatus for the detection of lung nodules |
-
2002
- 2002-05-20 US US10/151,661 patent/US6609021B1/en not_active Expired - Fee Related
-
2003
- 2003-03-13 WO PCT/US2003/007571 patent/WO2003100700A2/en active Application Filing
- 2003-03-13 DE DE10392482T patent/DE10392482T5/de not_active Withdrawn
- 2003-03-13 JP JP2004508075A patent/JP2005526583A/ja not_active Withdrawn
- 2003-03-13 CN CNA038115115A patent/CN1656499A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2009518143A (ja) * | 2005-12-09 | 2009-05-07 | ブラウン ユニバーシティ | 表示データ内の関心対象物を識別するための方法および装置 |
JP2017131454A (ja) * | 2016-01-28 | 2017-08-03 | 富士通株式会社 | 医療画像表示システム、医療画像表示プログラム及び医療画像表示方法 |
Also Published As
Publication number | Publication date |
---|---|
WO2003100700A2 (en) | 2003-12-04 |
WO2003100700A3 (en) | 2004-08-19 |
US6609021B1 (en) | 2003-08-19 |
DE10392482T5 (de) | 2005-07-07 |
CN1656499A (zh) | 2005-08-17 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US6609021B1 (en) | Pulmonary nodule detection using cartwheel projection analysis | |
Wiemker et al. | Aspects of computer-aided detection (CAD) and volumetry of pulmonary nodules using multislice CT | |
US8229200B2 (en) | Methods and systems for monitoring tumor burden | |
JP4708362B2 (ja) | コンピュータで実施される方法 | |
EP1315125B1 (en) | Image processing method and system for disease detection | |
JP6267710B2 (ja) | 医用画像中の肺結節を自動検出するためのシステム及び方法 | |
US7072435B2 (en) | Methods and apparatus for anomaly detection | |
US20020028008A1 (en) | Automatic detection of lung nodules from high resolution CT images | |
US8059900B2 (en) | Method and apparatus to facilitate visualization and detection of anatomical shapes using post-processing of 3D shape filtering | |
US9014456B2 (en) | Computer aided diagnostic system incorporating appearance analysis for diagnosing malignant lung nodules | |
EP1381997A2 (en) | Method and system for automatically detecting lung nodules from multi-slice high resolution computed tomography (mshr ct) images | |
US20070053560A1 (en) | Method and system for performing patient specific analysis of disease relevant changes of a disease in an anatomical structure | |
JP2004174254A (ja) | 疾患関連組織変化を測定する方法及びシステム | |
US20070248254A1 (en) | System and Method for Automatic Detection of Internal Structures in Medical Images | |
CN111724356B (zh) | 一种用于ct影像肺炎识别的图像处理方法和*** | |
US7961923B2 (en) | Method for detection and visional enhancement of blood vessels and pulmonary emboli | |
CA2531871C (en) | System and method for detecting a protrusion in a medical image | |
Wiemker et al. | Computer-aided detection (CAD) and volumetry of pulmonary nodules on high-resolution CT data | |
Wormanns et al. | Clinical evaluation of the reproducibility of volume measurements of pulmonary nodules | |
Novak et al. | Identification of missed pulmonary nodules on low-dose CT lung cancer screening studies using an automatic detection system | |
Park et al. | Separation of left and right lungs using 3D information of sequential CT images and a guided dynamic programming algorithm | |
Hanisan et al. | Development of Cyst Detection System for Liver Ultrasound Images | |
JP2007534352A (ja) | すりガラス様小結節(ggn)セグメンテーションを行うためのシステムおよび方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20051206 |
|
A761 | Written withdrawal of application |
Free format text: JAPANESE INTERMEDIATE CODE: A761 Effective date: 20070605 |