JP2012511337A - ***病変特徴付けのための複数のセグメンテーション結果の概要 - Google Patents
***病変特徴付けのための複数のセグメンテーション結果の概要 Download PDFInfo
- Publication number
- JP2012511337A JP2012511337A JP2011539123A JP2011539123A JP2012511337A JP 2012511337 A JP2012511337 A JP 2012511337A JP 2011539123 A JP2011539123 A JP 2011539123A JP 2011539123 A JP2011539123 A JP 2011539123A JP 2012511337 A JP2012511337 A JP 2012511337A
- Authority
- JP
- Japan
- Prior art keywords
- lesion
- voxels
- segmentation
- segmentation result
- image
- 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- Withdrawn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
-
- 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
- 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]
- G06T2207/10096—Dynamic contrast-enhanced magnetic resonance imaging [DCE-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
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30004—Biomedical image processing
- G06T2207/30096—Tumor; Lesion
Landscapes
- Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Health & Medical Sciences (AREA)
- Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Radiology & Medical Imaging (AREA)
- Quality & Reliability (AREA)
- Apparatus For Radiation Diagnosis (AREA)
- Magnetic Resonance Imaging Apparatus (AREA)
- Image Processing (AREA)
Abstract
腫瘍又は病変を悪性又は良性として特徴付けるとき、システムは、病変ボリュームのイメージを受信し、プロセッサを用いてイメージの未処理のセグメンテーションを実行し、その結果がメモリに格納される。その後、プロセッサは、ほとんど又は全く造影剤を吸収しなかった壊死組織を表す病変のイメージにおけるダーク領域を充填するためホール充填処理を実行し、また任意的に、完全な病変ボリュームを生成するためイメージング中に造影剤があった血管などの非病変組織に係るイメージボクセルを削除するため漏れ削除処理を実行する。ボクセル解析手段は、病変イメージの未処理のセグメンテーションと最終セグメンテーション(充填及び任意的な漏れ削除後など)に含まれるボクセルの個数を評価する。セグメンテーション比較手段は、最終イメージセグメンテーションにおいて検出されるトータルのボクセルに対する未処理のセグメンテーション後に検出された壊死組織に関するダーク領域ボクセルのレシオを計算する。その後、当該レシオは、悪性の可能性を決定するのに用いられ、より高いレシオはより高い可能性を示す。
Description
本発明は、磁気共鳴(MR)イメージング技術を用いて生成される解剖イメージを利用した腫瘍の特徴付けにおいて特に有用である。しかしながら、開示される技術はまた他のタイプのイメージングシステム、患者治療システム及び/又は解剖構造特徴付けアプリケーションに適用されてもよい。
ダイナミックコントラストエンハンストMRIからの***病変や腫瘍のセグメンテーション方法は、このような病変の形態上の多様性のため強度閾値の比較に依存する。不均一なエンハンスメントの場合、病変の内部はこれらのセグメンテーション処理によって欠落する可能性がある。正確なボリューム評価、病変の外郭の形態評価及びコントラスト取り込みの不均一性の正確な定量化を可能にするため、病変の欠落した内部が充填される必要がある。
***MRI技術は、大部分の***病変を明確に強調する。しかしながら、検出された病変のすべてが癌性であるとは限らない。これは、良性の病変と悪性の病変とを区別するタスクと共に、良性腫瘍と悪性腫瘍との既存の各種サブクラスへの分類とを導入する。このため、***MRデータのためのコンピュータ支援診断システムの重要な特徴は、***病変の自動的な特徴付けと分類である。多くの構成が提案されてきた。その大部分は、自動的又は手動により予めセグメント化された関心領域を利用するものである。しかしながら、病変のセグメンテーションの中間結果に固有の貴重な情報は、未利用のままである。
例えば、セグメンテーション、すなわち、腫瘍、病変又は他の構造の輪郭を決定することは、典型的には多数のステップにおいて繰り返し実行される。まず、腫瘍又は他の関心構造は、イメージの通常部分として現れる。壊死組織は造影剤を吸収しないため、腫瘍の壊死領域はコントラストエンハンストされた腫瘍においてホール又は穴として見える。セグメンテーションルーチンは、典型的には、腫瘍のイメージボリュームにおけるホール又はダーク領域を充填し、壊死している領域に関係なく腫瘍全体を規定するホール充填サブルーチンを含む。多くの診断医にとって、壊死領域は診断の価値がある。しかしながら、従来のセグメンテーション処理の終了時には、暗い壊死領域が充填されることによって、腫瘍は明るい領域としてイメージの残りに現れる。従来技術では、最初と最後のフルにセグメント化されたイメージしか保持されない。
エンハンスト診断情報を提供するシステム及び方法が必要とされる。
一態様によると、病変特徴付けシステムは、病変ボリュームのイメージの解剖イメージデータを受信し、前記イメージデータに対してセグメンテーションプロトコルを実行し、前記セグメンテーションプロトコルの1以上のアクションが実行された後に前記イメージデータの中間セグメンテーション結果を特定するプロセッサを有する。本システムはさらに、少なくとも前記イメージデータと、中間及び最終セグメンテーション結果とを格納するメモリと、前記中間及び最終セグメンテーション結果が確認のためユーザに少なくとも提示されるユーザインタフェースとを有する。
他の態様によると、中間イメージセグメンテーション結果を用いて病変又は腫瘍を特徴付ける方法は、初期のセグメンテーション結果を生成するため、病変の解剖イメージをセグメント化するステップと、ホール充填されたセグメンテーション結果を生成するため、閾値強度以下の前記病変における1以上のボリュームを充填するためのホール充填処理を前記セグメント化された解剖イメージに対して実行するステップとを有する。本方法はさらに、前記閾値強度以下の1以上のボリュームに係るボクセルの個数を決定するため、前記ホール充填されたセグメンテーション結果におけるボクセルの総数から前記病変の初期のセグメンテーション結果におけるボクセルの総数を差し引くステップを有する。さらに、本方法は、前記病変におけるトータルのボクセルに対する前記閾値強度以下の1以上のボリュームにおけるボクセルのレシオであるダーク領域レートを決定するため、前記閾値強度以下の1以上のボリュームに係るボクセルの個数を前記ホール充填されたセグメンテーション結果におけるボクセルの総数によって除すステップを有する。
他の態様によると、中間イメージセグメンテーション結果を用いて病変又は腫瘍を特徴付ける装置は、ホール充填されたセグメンテーション結果を生成するために、初期のセグメンテーション結果を生成するため、解剖イメージから病変をセグメント化し、前記病変の壊死組織に係る、造影剤の限定的な取り込み又は非取り込みを示す1以上のダーク領域を充填するためのホール充填処理を前記セグメント化された解剖イメージに対して実行する手段を有する。本装置はさらに、前記1以上のダーク領域に係るボクセルの個数を決定するため、前記病変の初期のセグメンテーション結果におけるボクセルの総数と前記ホール充填されたセグメンテーション結果におけるボクセルの総数とを減算的に合成し、前記病変におけるトータルのボクセルに対するダーク領域のボクセルのレシオであるダーク領域レートを決定するため、前記1以上のダーク領域に係るボクセルの個数を前記ホール充填されたセグメンテーション結果におけるボクセルの総数によって除す手段を有する。さらに、本装置は、初期のセグメンテーション結果とホール充填されたセグメンテーション結果、及び前記病変のイメージにおけるトータルのボクセルに対するダーク領域のボクセルのレシオの表示を表示する手段を有する。
1つの効果は、***病変の評価を向上させるということである。
他の効果は、追加的な診断情報を生成することである。
他の効果は、中間セグメンテーション結果の視覚的表示に関する。
他の効果は、個別に選択されるスライスに関する視覚的比較より再生可能な結果をもたらすセグメンテーション結果の3D計算に関する。
本発明のさらなる効果は、以下の詳細な説明を参照及び理解した当業者に理解されるであろう。
本発明は、各種コンポーネントとコンポーネントの各種構成、及び各種ステップとステップの各種構成とよる形態をとるものであってもよい。図面は、各種態様を説明するためのものであって、限定的に解釈されるべきでない。
図1は、病変ボリュームにおける非エンハンスト腫瘍ボクセルの出現レシオ又はレートを決定するため中間セグメンテーション結果を解析することによって、***病変などの被検者の病変の特徴付けを実現するシステム10を示す。非エンハンスト腫瘍ボクセルは、患者に投入される造影剤を吸収しない腫瘍又は関心病変のイメージなどの解剖イメージのボクセルであり、病変ボリュームにおける壊死領域を表すイメージ内のダーク領域をもたらす。システム10は、ユーザがイメージ化された病変における潜在的な悪性をより容易に評価することを可能にするため、壊死領域を示す中間結果を含むセグメンテーション結果の概要をユーザ(医師、技師など)に提供する。
システム10は、解剖イメージデータ(MR装置、CT(Computer Tomography)スキャナなどを用いて生成された)を受信するプロセッサ12と、イメージデータ(各種セグメンテーション段階のセグメント化されたイメージデータなどを含む)が格納されるメモリ14とを有する。プロセッサとメモリとは、互いに接続され、またイメージがユーザに表示されるユーザインタフェース16に接続される。プロセッサは、ボクセルに対して強度閾値を計算するのに利用される強度レベルを評価するため、解剖イメージデータのボクセルを解析するボクセル解析手段18を有する。例えば、イメージ又は関心病変のボクセルの平均(又は他の閾値)強度が計算され、閾値強度未満の強度を有するボクセルが非エンハンストボクセル(イメージ生成時に利用された造影剤を吸収しなかったボクセルなど)とみなされる。病変内の非エンハンストボクセルは、壊死した病変組織のダークイメージ領域に関連付けされる。腫瘍外部の非エンハンスト領域は、周囲の組織に関連付けされる。
明るい領域と暗い領域とにセグメント化された病変イメージを示す未処理のセグメンテーション結果は、メモリ14に格納される。その後、プロセッサ12は、ボリューム計算、輪郭検出などを可能にするため、壊死していない病変組織ボクセル(イメージング前及びイメージング中に造影剤を吸収したボクセルなど)に一致する補間されたボクセルデータによって、病変イメージのダーク領域を充填する“ホール充填”アルゴリズムを実行する。各種ホール充填技術が想定される。例えば、コントラストエンハンストボクセルによって完全に囲まれているボクセルは、隣接する周囲組織の値によってそれらの値を置換させることが可能である。他の例として、壊死領域の端のボクセルの値が、最近傍エンハンストボクセルの平均値又は加重平均値によって置換可能である。この処理は、ホールが充填されるまで繰り返し実行することが可能である。
病変ボリュームがダーク領域を充填することによって閉じられると、“閉じられた又はクローズされた(closed)”セグメンテーション結果がメモリ14に格納される。プロセッサはまた、腫瘍に隣接する血管における造影剤など、造影剤の“漏れ”を処理する。造影剤は、典型的には、循環器系に注入され、好ましくはそれを吸収する組織まで血液によって搬送される。腫瘍は血管の拡大がそれの血液供給を高めることを促すため、造影剤によって供給する血管を強調するため、腫瘍に供給される血液内に十分な造影剤があるようにしてもよく、これにより、腫瘍ボリュームの拡張として見えることになる。セグメンテーションルーチンは、例えば、エッジ又は輪郭スムージングアルゴリズムを繰り返し適用することによって、セグメント化された領域から血管を取り除くことが可能であるが、血管の有無及び本数を知ることもまた、診断上の価値がある。例えば、このような知識は、以前のイメージと比較するときの処置の効果を推測するのに利用可能である。すなわち、処置による血管の供給の増減は、処置の効率性を示す。このため、閉じられたセグメンテーション結果をメモリに格納することは、ユーザ又はシステム10による貴重な比較観察を可能にする。
漏れは、いくつかの例において病変ボリュームをより正確に示すために削除される。プロセッサ12は、任意的には、造影剤を吸収した血管又は非病変ボリュームを示すイメージ内のボクセルを削除又は強調しないよう実行される後処理漏れ削除アルゴリズムを実行する。例えば、典型的には血管を示す薄く細長い領域は、非エンハンストボクセルのものに縮小された管を有するようにすることができ、エッジ又は輪郭スムージングが繰り返される。その後、取り除かれた又はクリーニングされた(cleaned)最終結果(漏れ後の削除など)がメモリ14に格納される。
セグメンテーション比較手段20は、イメージボリュームの繰り返しのセグメンテーションの異なる段階からの異なる(最初の、中間の、最後のなど)セグメンテーション結果(未処理、閉じられた、充填された、取り除かれたセグメンテーション結果など)を比較し、ユーザインタフェース上の1以上の表示ポート22を介しユーザに最初の結果、1以上の中間結果及び最終結果を提供する。例えば、未処理セグメンテーション結果は第1表示ポート22Aに表示され、閉じられた又は充填されたセグメンテーション結果は第2表示ポート22Bに表示され、取り除かれた最終セグメンテーション結果は第3表示ポート22Cに表示される。
他の実施例では、未処理(最初など)のセグメンテーション結果が第1表示ポート22Aに表示され、精緻化された中間セグメンテーション結果(閉じられた又は取り除かれた)が第3表示ポート22Cに表示される一方、第2表示ポート22Bは、未処理及び閉じられた又は取り除かれたセグメンテーション結果のオーバレイを表示する。ユーザは、ユーザ入力ツール(キーボード、スタイラス、マウスなど)を使用して、セグメンテーション処理のリムエンハンスメント又は他の効果を認識して、病変の悪性を評価するため、未処理のセグメンテーション結果と閉じられた又は取り除かれたセグメンテーション結果との間のオーバレイイメージを操作する。任意的には、繰り返しのセグメンテーション処理の各中間イメージは、シネモードにより順番に表示可能である。
セグメンテーション解析手段20はまた、任意的には、トータルの病変ボクセルに対する非エンハンスト病変ボクセル(造影剤を吸収しない病変組織を示す壊死病変ボクセルなど)のレシオを計算可能である。結果として得られる“ダーク領域レート”は、トータルの病変組織に対する壊死病変組織のレシオを説明し、病変の悪性を評価するのに利用される。例えば、高い壊死組織のレシオは、悪性の可能性の増大に関連付けされる。このように、システム10は、中間セグメンテーション結果を利用し、中間及び最終セグメンテーション結果の概要から病変の特徴付けに関連する情報を抽出することを可能にする。ここに開示されるシステム及び方法はさらに、限定することなく、CT肺結節セグメンテーションを含む他の病変セグメンテーションアプリケーションに適用可能である。充填及び漏れ訂正処理はセグメント化されるように説明されるが、それらはまた同時に又は何れかの順序で実行可能である。
図2〜4は、セグメンテーションの各種段階後の病変ボリューム50のイメージ表現のためのセグメンテーション結果を示す。図2において、ボクセル解析手段18(図1)によって決定されるなど、自動的に決定された閾値によるコントラストエンハンスメントの後の病変50が示される。不均一な造影剤の取り込みは病変ボリュームには含まれないため、壊死中心部52とより小さな腫瘍部分54とが暗くなる。
図3において、部分54のいくつかが補間ボクセルデータを用いて充填又は明るくされるパーシャルホール充填の後の病変50の中間セグメンテーション結果が示される。この段階では、壊死中心部52のボリュームが病変のボリュームと比較可能である。
図4において、病変50の充填されたセグメンテーションが示される。ここでは、ホール充填アルゴリズムが実行され、壊死中心部52と他の部分54とが、完全な病変ボリュームをレンダリングするため補間されたボクセルデータにより充填されている。すなわち、病変50の以前にエンハンスされていない内部がセグメント化された領域に含まれている。図5及び6は、漏れ削除処理の実行前後の病変50を示す。図5では、造影剤が周辺の血管又は病変周辺の他の組織に漏れている各種漏れ発生60が検出されたホール充填処理後のセグメンテーション結果病変50が示される。図6では、漏れ発生60が、漏れ削除処理を利用してセグメンテーション結果から削除されている。
臨床的に関係のある特徴を抽出するために中間及び最終セグメンテーション結果の統合的な可視化及び利用は、***病変の特徴付けを実現する。病変のリムエンハンスメント(より暗い病変中央に対するリム強度のエンハンスなど)は、所与の病変の悪性を決定するための重要な特徴である。漏れ補正前後の病変のボリュームの相違は、血管の腫瘍により誘発される増加を評価するのに利用可能な病変への血液供給量を示す。リムエンハンスメントは、図6の最終(閉じられた)セグメンテーション結果と図5の未処理の最初のセグメンテーションとを比較することによって検出可能である。
一実施例によると、例えば、コントラストされていない純粋なスキャンが造影剤の注入後に取得されるスキャンから減算されるように、サブトラクションイメージが計算される。病変50は、ユーザによりインタラクティブに選択されるか(図1のユーザ入力ツール24などを用いて)、又は自動的に検出される。最初の未処理のセグメンテーションに対して強度閾値が計算され、当該レベルにおけるセグメンテーション結果が、図2に示されるように、ユーザに提供される。限定的な造影剤の取り込みによる未処理のセグメンテーション結果に含まれなかった病変50の部分52,54が、図4及び6に示されるように、上述されたホール充填アルゴリズムを用いて充填される。病変に付着した血管がある場合、未処理のセグメンテーションは、これらの血管に漏れ出している可能性がある。さらなる後処理段階において、このような漏れが削除される。
図7は、トータルボリューム70がトータルの未処理セグメンテーションぼっくせる72とトータルのダーク領域ボクセル74(壊死組織を示す非エンハンストボクセルなど)とを有するものとして病変50が示されるセグメンテーション結果比較の図を示す。ダーク領域ボクセルカウントは、削除された最終ボクセルカウント(ホール充填と任意的な漏れ削除後など)から未処理セグメンテーションボクセルカウントを差し引くことによって決定される。このようにして、ボクセルの総数に対する壊死組織に係るボクセルの個数のレシオを決定することが可能である。
一実施例によると、既存の中間及び最終結果は、計算された強度閾値における未処理セグメンテーション後の接続されているコンポーネントにおける病変イメージボクセルを記述する“Segraw”、ホール充填処理を用いて非エンハンスト部分が含まれた後の病変イメージボクセルを記述する“Segclosed”、及び漏れが削除された後の病変イメージボクセルを記述する“Segcleaned”として示される。これらの結果が与えられると、病変の一部である非エンハンスト又は“ダーク領域”ボクセルのレシオが、
ダーク領域レート=#(Segcleaned−Segraw)/#(Segcleaned)
として直接計算される。
ダーク領域レート=#(Segcleaned−Segraw)/#(Segcleaned)
として直接計算される。
ここで、“#(Seg)”は、セグメント化されたボリューム“Seg”におけるボクセル数を示す。ダーク領域レートは、0から1までの数であり、0はセグメンテーション処理のクロージングステップにボクセルが含まれる必要がないことを示す。より大きな値は、病変内の非エンハンストダーク領域のパーセンテージが高いことを示し、病変の悪性の確率が高くなることに関連する。
図7において、非エンハンストダークボクセル領域74は、セグメント化されたボリュームの端に沿っている。ダークボクセル領域74がボリュームの端に沿っているとき、セグメンテーションルーチンのクロージング処理はセグメント化されたボリュームを閉じ、すなわち、ダークボクセル領域74を取り囲むようにセグメント化されたボリュームの表面を規定する。例えば、壊死組織は、健全な非エンハンスト組織と区別することができ、セグメント化されたボリュームに含めることができる。
図8は、セグメンテーション結果の比較のグラフィカル表示を示す。本実施例では、ダーク領域レートは、数値としてユーザに提供されず、半径によって決定される(病変表面からの距離など)。非エンハンストボクセルの個数(#Segclosed)に加えて、本実施例は病変の非エンハンスト部分の空間分布を視覚的に提供する。
この図は、病変1、病変2及び病変3とラベル付けされた3つの病変をそれぞれ示す。各病変は、各病変のダークボリュームレートと病変表面への正規化された距離との間の相関をプロットするグラフ80上の対応する直線によって示される。例えば、病変1は、この表面からの距離が増加するに従って約0.8に減少する表面近傍の高いダーク領域レートを示す。病変2は、表面からの距離が増加するに従って一貫して減少するダーク領域レートを示す。病変3は、病変全体でダーク領域レートが一様であり、表面との距離の増加に従って減少しないように、全体的にやや一定の高いダーク領域レートを示す。
いくつかの実施例を参照して、本発明が説明された。上述した詳細な説明を参照及び理解した者には、変更及び改良が想到するであろう。本発明は、これらの改良及び変更が添付した請求項又はこれに均等な範囲内に含まれるものとして解釈されるべきである。
Claims (18)
- 病変ボリュームのイメージの解剖イメージデータを受信し、前記イメージデータに対してセグメンテーションプロトコルを実行し、前記セグメンテーションプロトコルの1以上のアクションが実行された後に前記イメージデータの中間セグメンテーション結果を特定するプロセッサと、
少なくとも前記イメージデータと、中間及び最終セグメンテーション結果とを格納するメモリと、
前記中間及び最終セグメンテーション結果が確認のためユーザに少なくとも提示されるユーザインタフェースと、
を有する病変特徴付けシステム。 - 前記中間セグメンテーション結果は、未処理のセグメンテーション結果、閉じられたセグメンテーション結果及び最終セグメンテーション結果を含む、請求項1記載のシステム。
- 前記プロセッサは、前記中間及び最終セグメンテーション結果に基づき、セグメント化されたイメージにおける前記病変ボリュームの一部である非エンハンストボクセルの出現レートを計算するセグメンテーション比較手段を有する、請求項1記載のシステム。
- 前記プロセッサは、ダーク領域における非エンハンストボクセルの出現レートを、
ダーク領域レート=(Segcleaned−Segraw)/(Segcleaned)
として計算し、Segrawは、非エンハンストボクセルの削除前のセグメント化されたボリュームにおける接続されるコンポーネントにおけるエンハンストボクセルの個数であり、Segcleanedは、非エンハンストボクセルの削除後の最終の前記セグメント化ボリュームにおけるボクセルの個数である、請求項3記載のシステム。 - 前記ダーク領域レートは0〜1であり、0のダーク領域レートは、前記セグメント化されたボリュームに非エンハンストボクセルが存在しないことを示す、請求項4記載のシステム。
- より高いダーク領域レートは、前記病変ボリュームにおける壊死組織の領域が高いことに関連し、病変の悪性の確率が高いことに関連する、請求項4記載のシステム。
- 前記プロセッサは、前記セグメンテーションプロトコルを実行するための前記メモリに格納されているマシーン実行可能な命令を実行し、
前記命令は、
造影剤によりエンハンストされていないそのままのスキャンボクセルと、造影剤の注入後のスキャンにより取得されるボクセルとを減算的に合成することによってサブトラクションイメージを生成し、未処理のセグメンテーション結果を生成する命令と、
前記病変を検出する命令と、
前記未処理のセグメンテーションに対して、限定された造影剤の取り込みに対応する強度閾値を計算する命令と、
前記強度閾値以下の前記病変の領域を充填する命令と、
存在する場合には前記病変に供給される血管を表す前記強度閾値以上のボクセルを削除する命令と、
を含む、請求項1記載のシステム。 - 前記プロセッサは、前記未処理のセグメンテーション結果、前記閾値以下の前記病変の領域を充填した後に取得される閉じられたセグメンテーション結果、及び前記血管を表すボクセルを削除した後に取得される削除された最終セグメンテーション結果を前記メモリに格納する、請求項7記載のシステム。
- 前記解剖イメージデータは、磁気共鳴(MR)イメージング装置とCT(Computed Tomography)イメージング装置からなる群から選択されるイメージスキャナにより生成される、請求項1記載のシステム。
- 請求項1記載のシステムを用いて病変を特徴付ける方法であって、
初期のセグメンテーション結果を生成するため、病変を含む解剖イメージをセグメント化するステップと、
ホール充填されたセグメンテーション結果を生成するために、閾値強度以下の前記病変における1以上のボリュームを充填するためのホール充填処理を前記セグメント化された解剖イメージに対して実行するステップと、
前記閾値強度以下の前記1以上のボリュームに係るボクセルの個数を決定するため、前記ホール充填されたセグメンテーション結果におけるボクセルの総数から前記病変の初期のセグメンテーション結果におけるボクセルの総数を差し引くステップと、
前記病変におけるトータルのボクセルに対する前記閾値強度以下の1以上のボリュームにおけるボクセルのレシオであるダーク領域レートを決定するため、前記閾値強度以下の1以上のボリュームに係るボクセルの個数を前記ホール充填されたセグメンテーション結果におけるボクセルの総数によって除すステップと、
を有する方法。 - 中間イメージセグメンテーション結果を用いて病変又は腫瘍を特徴付ける方法であって、
初期のセグメンテーション結果を生成するため、病変の解剖イメージをセグメント化するステップと、
ホール充填されたセグメンテーション結果を生成するため、閾値強度以下の前記病変における1以上のボリュームを充填するためのホール充填処理を前記セグメント化された解剖イメージに対して実行するステップと、
前記閾値強度以下の1以上のボリュームに係るボクセルの個数を決定するため、前記ホール充填されたセグメンテーション結果におけるボクセルの総数から前記病変の初期のセグメンテーション結果におけるボクセルの総数を差し引くステップと、
前記病変におけるトータルのボクセルに対する前記閾値強度以下の1以上のボリュームにおけるボクセルのレシオであるダーク領域レートを決定するため、前記閾値強度以下の1以上のボリュームに係るボクセルの個数を前記ホール充填されたセグメンテーション結果におけるボクセルの総数によって除すステップと、
を有する方法。 - 前記病変に隣接し、前記セグメント化された病変ボリュームに含まれる血管構造における1以上の造影剤ボクセルを検出するステップと、
エッジ訂正されたセグメンテーション結果を生成するために、前記血管構造に係るボクセルを削除するため前記ホール充填処理後に漏れ削除処理を実行するステップと、
をさらに有する、請求項11記載の方法。 - 前記病変におけるトータルのボクセルに対する前記閾値強度以下の前記病変におけるボクセルのレシオの表示をユーザに表示するステップをさらに有する、請求項11記載の方法。
- 前記病変の表面への距離に基づき、ダーク領域レートを示す前記表示をグラフィカルに表示するステップをさらに有する、請求項13記載の方法。
- 比較のため、前記初期のセグメンテーション結果と前記ホール充填されたセグメンテーション結果とを少なくともユーザに表示するステップをさらに有する、請求項11記載の方法。
- 磁気共鳴(MR)データとCT(Computed Tomography)スキャニング装置の1つから前記病変の解剖イメージを再構成するステップをさらに有する、請求項11記載の方法。
- 中間イメージセグメンテーション結果を用いて病変又は腫瘍を特徴付ける装置であって、
ホール充填されたセグメンテーション結果を生成するために、初期のセグメンテーション結果を生成するため、解剖イメージから病変をセグメント化し、前記病変の壊死組織に係る、造影剤の限定的な取り込み又は非取り込みを示す1以上のダーク領域を充填するためのホール充填処理を前記セグメント化された解剖イメージに対して実行する手段と、
前記1以上のダーク領域に係るボクセルの個数を決定するため、前記病変の初期のセグメンテーション結果におけるボクセルの総数と前記ホール充填されたセグメンテーション結果におけるボクセルの総数とを減算的に合成し、前記病変におけるトータルのボクセルに対するダーク領域のボクセルのレシオであるダーク領域レートを決定するため、前記1以上のダーク領域に係るボクセルの個数を前記ホール充填されたセグメンテーション結果におけるボクセルの総数によって除す手段と、
初期のセグメンテーション結果とホール充填されたセグメンテーション結果、及び前記病変のイメージにおけるトータルのボクセルに対するダーク領域のボクセルのレシオの表示を表示する手段と、
を有する装置。 - 前記セグメント化する手段は、循環器系に対応する前記セグメント化されたボリュームの部分を削除するため、前記病変のイメージに対して漏れ削除処理を実行する、請求項17記載の装置。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US12097908P | 2008-12-09 | 2008-12-09 | |
US61/120,979 | 2008-12-09 | ||
PCT/IB2009/055105 WO2010067219A1 (en) | 2008-12-09 | 2009-11-16 | Synopsis of multiple segmentation results for breast lesion characterization |
Publications (1)
Publication Number | Publication Date |
---|---|
JP2012511337A true JP2012511337A (ja) | 2012-05-24 |
Family
ID=41800653
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2011539123A Withdrawn JP2012511337A (ja) | 2008-12-09 | 2009-11-16 | ***病変特徴付けのための複数のセグメンテーション結果の概要 |
Country Status (5)
Country | Link |
---|---|
US (1) | US8718341B2 (ja) |
EP (1) | EP2377097A1 (ja) |
JP (1) | JP2012511337A (ja) |
CN (1) | CN102246207A (ja) |
WO (1) | WO2010067219A1 (ja) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9305349B2 (en) | 2013-06-28 | 2016-04-05 | Samsung Electronics Co., Ltd. | Apparatus and method for detecting lesion |
US10383602B2 (en) | 2014-03-18 | 2019-08-20 | Samsung Electronics Co., Ltd. | Apparatus and method for visualizing anatomical elements in a medical image |
Families Citing this family (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8811693B2 (en) * | 2010-07-13 | 2014-08-19 | Siemens Aktiengesellschaft | Method and system for indicating a feeding vessel of a malformation in a medical image |
US20120014577A1 (en) * | 2010-07-13 | 2012-01-19 | Sigrid Ferschel | Method and System for Indicating a Feeding Vessel of a Malformation |
JP6174490B2 (ja) * | 2010-10-19 | 2017-08-02 | コーニンクレッカ フィリップス エヌ ヴェKoninklijke Philips N.V. | 特別な特性を実証する事例を用いて、患者データベースの動的成長を行うシステム及び方法 |
JP5844296B2 (ja) * | 2012-06-11 | 2016-01-13 | 富士フイルム株式会社 | 放射線画像処理装置および方法 |
US9262834B2 (en) * | 2012-07-30 | 2016-02-16 | General Electric Company | Systems and methods for performing segmentation and visualization of images |
US10083278B2 (en) * | 2014-02-12 | 2018-09-25 | Edda Technology, Inc. | Method and system for displaying a timing signal for surgical instrument insertion in surgical procedures |
CN104881858B (zh) * | 2014-02-27 | 2017-09-29 | 上海联影医疗科技有限公司 | 一种***内增强背景组织的提取方法和装置 |
US10319119B2 (en) * | 2016-03-08 | 2019-06-11 | Siemens Healthcare Gmbh | Methods and systems for accelerated reading of a 3D medical volume |
CN106529188B (zh) * | 2016-11-25 | 2019-04-19 | 苏州国科康成医疗科技有限公司 | 应用于手术导航的图像处理方法 |
CN110613486B (zh) * | 2019-09-30 | 2022-04-22 | 深圳大学总医院 | 一种乳腺超声图像的检测方法及装置 |
EP3843038B1 (en) * | 2019-12-23 | 2023-09-20 | HTC Corporation | Image processing method and system |
JP2022074921A (ja) * | 2020-11-05 | 2022-05-18 | キヤノンメディカルシステムズ株式会社 | 医用画像処理装置及び医用画像処理プログラム |
Family Cites Families (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE69629732T2 (de) * | 1995-01-23 | 2004-07-15 | Fuji Photo Film Co., Ltd., Minami-Ashigara | Vorrichtung zur rechnerunterstützten Diagnose |
US6058322A (en) * | 1997-07-25 | 2000-05-02 | Arch Development Corporation | Methods for improving the accuracy in differential diagnosis on radiologic examinations |
US6112112A (en) * | 1998-09-18 | 2000-08-29 | Arch Development Corporation | Method and system for the assessment of tumor extent in magnetic resonance images |
US6754374B1 (en) * | 1998-12-16 | 2004-06-22 | Surgical Navigation Technologies, Inc. | Method and apparatus for processing images with regions representing target objects |
US6898303B2 (en) * | 2000-01-18 | 2005-05-24 | Arch Development Corporation | Method, system and computer readable medium for the two-dimensional and three-dimensional detection of lesions in computed tomography scans |
US7597663B2 (en) * | 2000-11-24 | 2009-10-06 | U-Systems, Inc. | Adjunctive ultrasound processing and display for breast cancer screening |
AU2003225508A1 (en) * | 2002-05-17 | 2003-12-02 | Pfizer Products Inc. | Apparatus and method for statistical image analysis |
US7251374B2 (en) * | 2003-10-03 | 2007-07-31 | Confirma, Inc. | System and method for hierarchical analysis of contrast enhanced medical imaging information |
JP2008525126A (ja) * | 2004-12-22 | 2008-07-17 | バイオ−ツリー システムズ, インコーポレイテッド | 病気の診断およびモニタリングのための医療画像化方法および装置ならびにその用途 |
US7756317B2 (en) * | 2005-04-28 | 2010-07-13 | Carestream Health, Inc. | Methods and systems for automated detection and analysis of lesion on magnetic resonance images |
US8014576B2 (en) * | 2005-11-23 | 2011-09-06 | The Medipattern Corporation | Method and system of computer-aided quantitative and qualitative analysis of medical images |
WO2008050280A1 (en) * | 2006-10-25 | 2008-05-02 | Koninklijke Philips Electronics N.V. | Improved segmentation |
-
2009
- 2009-11-16 JP JP2011539123A patent/JP2012511337A/ja not_active Withdrawn
- 2009-11-16 CN CN2009801494063A patent/CN102246207A/zh active Pending
- 2009-11-16 US US13/131,140 patent/US8718341B2/en active Active
- 2009-11-16 EP EP09796811A patent/EP2377097A1/en not_active Withdrawn
- 2009-11-16 WO PCT/IB2009/055105 patent/WO2010067219A1/en active Application Filing
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9305349B2 (en) | 2013-06-28 | 2016-04-05 | Samsung Electronics Co., Ltd. | Apparatus and method for detecting lesion |
US10383602B2 (en) | 2014-03-18 | 2019-08-20 | Samsung Electronics Co., Ltd. | Apparatus and method for visualizing anatomical elements in a medical image |
Also Published As
Publication number | Publication date |
---|---|
CN102246207A (zh) | 2011-11-16 |
EP2377097A1 (en) | 2011-10-19 |
US8718341B2 (en) | 2014-05-06 |
US20110229004A1 (en) | 2011-09-22 |
WO2010067219A1 (en) | 2010-06-17 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US8718341B2 (en) | Synopsis of multiple segmentation results for breast lesion characterization | |
Kuhnigk et al. | Morphological segmentation and partial volume analysis for volumetry of solid pulmonary lesions in thoracic CT scans | |
US7903853B2 (en) | Automated methods for pre-selection of voxels and implementation of pharmacokinetic and parametric analysis for dynamic contrast enhanced MRI and CT | |
JP5474758B2 (ja) | 医療画像データを分析するための方法、装置およびコンピュータプログラム | |
US20110150309A1 (en) | Method and system for managing imaging data, and associated devices and compounds | |
US8311301B2 (en) | Segmenting an organ in a medical digital image | |
Behrens et al. | Computer assistance for MR based diagnosis of breast cancer: present and future challenges | |
US8144953B2 (en) | Multi-scale analysis of signal enhancement in breast MRI | |
Scherl et al. | Semi-automatic level-set based segmentation and stenosis quantification of the internal carotid artery in 3D CTA data sets | |
US8160344B2 (en) | Iterative segmentation of images for computer-aided detection | |
JP2013059620A (ja) | 血管狭窄の視覚化及びナビゲーションのシステム及び方法 | |
US7486812B2 (en) | Shape estimates and temporal registration of lesions and nodules | |
US7593762B2 (en) | System and method for automatically segmenting bones in computed tomography angiography data | |
JP2017503551A (ja) | スペクトル画像データ処理 | |
US20090069665A1 (en) | Automatic Lesion Correlation in Multiple MR Modalities | |
Teßmann et al. | Automatic detection and quantification of coronary calcium on 3D CT angiography data | |
Sukanya et al. | Region based coronary artery segmentation using modified Frangi's vesselness measure | |
US9600875B2 (en) | Tissue surface roughness quantification based on image data and determination of a presence of disease based thereon | |
WO2009035559A1 (en) | Correction of intensity inhomogeneity in breast mri | |
US20090080740A1 (en) | Automatic Lesion Detection and Characterization Using Generative Model of Enhancement Dynamics in Breast MR | |
JP2010507438A (ja) | セグメント化の向上 | |
WO2012083350A1 (en) | Coronary calcium measurement | |
WO2009035557A1 (en) | Detection of motion artifacts in dynamic contrast-enhanced breast mri | |
Baazaoui et al. | Semi-automated segmentation of multiple tumors in liver CT images using cooperative region growing | |
Mendoza et al. | Maximal contrast adaptive region growing for CT airway tree segmentation |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20121113 |
|
A761 | Written withdrawal of application |
Free format text: JAPANESE INTERMEDIATE CODE: A761 Effective date: 20130405 |