JP2016523165A - マルチモード組織分類のための方法およびシステム - Google Patents
マルチモード組織分類のための方法およびシステム Download PDFInfo
- Publication number
- JP2016523165A JP2016523165A JP2016522913A JP2016522913A JP2016523165A JP 2016523165 A JP2016523165 A JP 2016523165A JP 2016522913 A JP2016522913 A JP 2016522913A JP 2016522913 A JP2016522913 A JP 2016522913A JP 2016523165 A JP2016523165 A JP 2016523165A
- Authority
- JP
- Japan
- Prior art keywords
- tissue
- voxel
- image
- anatomical
- feature
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 22
- 238000002604 ultrasonography Methods 0.000 claims abstract description 64
- 238000000605 extraction Methods 0.000 claims abstract description 14
- 239000013598 vector Substances 0.000 claims description 48
- 210000003484 anatomy Anatomy 0.000 claims description 23
- 239000000284 extract Substances 0.000 claims description 4
- 238000002405 diagnostic procedure Methods 0.000 claims description 3
- 210000001519 tissue Anatomy 0.000 description 124
- 238000002595 magnetic resonance imaging Methods 0.000 description 49
- 206010060862 Prostate cancer Diseases 0.000 description 11
- 208000000236 Prostatic Neoplasms Diseases 0.000 description 11
- 238000003384 imaging method Methods 0.000 description 11
- 238000001514 detection method Methods 0.000 description 9
- 238000003709 image segmentation Methods 0.000 description 9
- 210000002307 prostate Anatomy 0.000 description 7
- 206010028980 Neoplasm Diseases 0.000 description 6
- 230000003595 spectral effect Effects 0.000 description 6
- 230000002503 metabolic effect Effects 0.000 description 5
- 230000035945 sensitivity Effects 0.000 description 5
- 238000013459 approach Methods 0.000 description 4
- 230000008901 benefit Effects 0.000 description 4
- 238000002059 diagnostic imaging Methods 0.000 description 4
- 230000003902 lesion Effects 0.000 description 4
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 4
- 102000007066 Prostate-Specific Antigen Human genes 0.000 description 3
- 108010072866 Prostate-Specific Antigen Proteins 0.000 description 3
- 201000011510 cancer Diseases 0.000 description 3
- 238000009792 diffusion process Methods 0.000 description 3
- 210000004907 gland Anatomy 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 238000012216 screening Methods 0.000 description 3
- 238000001574 biopsy Methods 0.000 description 2
- 238000003745 diagnosis Methods 0.000 description 2
- 238000013535 dynamic contrast enhanced MRI Methods 0.000 description 2
- 238000010348 incorporation Methods 0.000 description 2
- 210000000056 organ Anatomy 0.000 description 2
- 230000009897 systematic effect Effects 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 238000011282 treatment Methods 0.000 description 2
- 230000005653 Brownian motion process Effects 0.000 description 1
- 230000002159 abnormal effect Effects 0.000 description 1
- 238000005537 brownian motion Methods 0.000 description 1
- 238000000701 chemical imaging Methods 0.000 description 1
- 210000000038 chest Anatomy 0.000 description 1
- 238000002591 computed tomography Methods 0.000 description 1
- 238000004195 computer-aided diagnosis Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 210000003128 head Anatomy 0.000 description 1
- 238000007489 histopathology method Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000036210 malignancy Effects 0.000 description 1
- 230000003211 malignant effect Effects 0.000 description 1
- 238000011275 oncology therapy Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000002559 palpation Methods 0.000 description 1
- 210000004197 pelvis Anatomy 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 238000012831 peritoneal equilibrium test Methods 0.000 description 1
- 238000012636 positron electron tomography Methods 0.000 description 1
- 238000012877 positron emission topography Methods 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 230000005855 radiation Effects 0.000 description 1
- 238000011472 radical prostatectomy Methods 0.000 description 1
- 238000001959 radiotherapy Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 239000000523 sample Substances 0.000 description 1
- 238000002603 single-photon emission computed tomography Methods 0.000 description 1
- 238000001228 spectrum Methods 0.000 description 1
- 230000002123 temporal effect Effects 0.000 description 1
- 230000001225 therapeutic effect Effects 0.000 description 1
- 238000012285 ultrasound imaging Methods 0.000 description 1
- 230000002792 vascular Effects 0.000 description 1
Images
Classifications
-
- 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
- A61B8/0833—Detecting organic movements or changes, e.g. tumours, cysts, swellings involving detecting or locating foreign bodies or organic structures
- A61B8/085—Detecting organic movements or changes, e.g. tumours, cysts, swellings involving detecting or locating foreign bodies or organic structures for locating body or organic structures, e.g. tumours, calculi, blood vessels, nodules
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/05—Detecting, measuring or recording for diagnosis by means of electric currents or magnetic fields; Measuring using microwaves or radio waves
- A61B5/055—Detecting, measuring or recording for diagnosis by means of electric currents or magnetic fields; Measuring using microwaves or radio waves involving electronic [EMR] or nuclear [NMR] magnetic resonance, e.g. magnetic resonance imaging
-
- 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
-
- 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
- A61B8/5238—Devices using data or image processing specially adapted for diagnosis using ultrasonic, sonic or infrasonic waves involving processing of medical diagnostic data for combining image data of patient, e.g. merging several images from different acquisition modes into one image
- A61B8/5261—Devices using data or image processing specially adapted for diagnosis using ultrasonic, sonic or infrasonic waves involving processing of medical diagnostic data for combining image data of patient, e.g. merging several images from different acquisition modes into one image combining images from different diagnostic modalities, e.g. ultrasound and X-ray
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T15/00—3D [Three Dimensional] image rendering
- G06T15/08—Volume rendering
-
- 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
- G06T7/30—Determination of transform parameters for the alignment of images, i.e. image registration
-
- 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
- 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
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30004—Biomedical image processing
- G06T2207/30024—Cell structures in vitro; Tissue sections in vitro
-
- 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
- G06T2207/30081—Prostate
Landscapes
- Health & Medical Sciences (AREA)
- Engineering & Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Physics & Mathematics (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Medical Informatics (AREA)
- General Health & Medical Sciences (AREA)
- Radiology & Medical Imaging (AREA)
- Public Health (AREA)
- Biomedical Technology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Pathology (AREA)
- Molecular Biology (AREA)
- Animal Behavior & Ethology (AREA)
- Biophysics (AREA)
- Heart & Thoracic Surgery (AREA)
- Veterinary Medicine (AREA)
- Surgery (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Quality & Reliability (AREA)
- Vascular Medicine (AREA)
- High Energy & Nuclear Physics (AREA)
- Physiology (AREA)
- Computer Graphics (AREA)
- Evolutionary Computation (AREA)
- Artificial Intelligence (AREA)
- General Engineering & Computer Science (AREA)
- Evolutionary Biology (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Primary Health Care (AREA)
- Epidemiology (AREA)
- Databases & Information Systems (AREA)
- Magnetic Resonance Imaging Apparatus (AREA)
- Ultra Sonic Daignosis Equipment (AREA)
Abstract
解剖学的組織のマルチモダリティー組織分類のための方法が、前記解剖学的組織の一つまたは複数のMRI特徴および前記解剖学的組織の一つまたは複数の超音波画像特徴の空間的位置合わせおよび画像抽出から導出される前記解剖学的組織の組織分類体積（４０）を生成することに関わる。本方法はさらに、前記組織分類体積（４０）の各ボクセルを、健全組織ボクセルおよび不健全組織ボクセルを含む複数の組織型のうちの一つとして分類することに関わる。
Description
本発明は概括的には解剖学的組織の撮像に関する。本発明は特に、不健全な（たとえば癌性の）解剖学的組織のスクリーニング、検出および処置のための複数の撮像モダリティーの利用に関する。
前立腺癌は米国人男性のうちで最も一般的な臓器悪性腫瘍である。歴史的に、前立腺癌診断についての「黄金基準」は、生検組織の組織病理学的分析である。それによれば、高まった前立腺特異抗原（PSA: prostate specific antigen）レベルおよび直腸内触診（DRE: digital rectal exam）試験の結果がスクリーニングとして考えられる。しかしながら、PSA試験は低い特異性および感度を与え、DREを通じた触診による検出は、比較的大きく、表面的な病変に限られる。
超音波（US）撮像では、無線周波（RF: radio frequency）エコー信号から抽出された音響パラメータ（たとえば、減衰および後方散乱される係数）に基づく組織分類が1970年代初期以来研究されている。より具体的には、BモードUS画像から抽出されるテクスチャー特徴およびRFエコー信号の較正された平均スペクトルから抽出されるスペクトル特徴が、多数の分類アプローチとともに、健全または癌性としての組織型別（typing）のために使われてきた。しかしながら、US撮像は、関心対象の解剖学的組織の高い時間的分解能の撮像を提供するものの、超音波ベースの癌検出技法の精度は、貧弱な信号対雑音比および低い空間的分解能のため、限られていることが判明した。
より具体的には、経直腸超音波（TRUS: transrectal ultrasound）は時に、前立腺癌についてのスクリーニング・プロセスにおける代替ステップとして使われる。しかしながら、周辺ゾーン低エコー病変の約40%が悪性であると判明している。したがって、TRUSの臨床的な価値は生検案内ツールに限られている。
近年、前立腺癌の診断のために磁気共鳴撮像（MRI: magnetic resonance imaging）を使うことにかなりの関心が寄せられている。その高い解剖学的分解能のためである。しかしながら、前立腺癌を良性の前立腺病変から区別することにおける解剖学的なT2強調（T2W: T2-weighted）MRIの診断上の価値は限られている。たとえば、直径1.0cmより大きな腫瘍病巣についてMRIを使う前立腺癌検出の精度、感度および陽性予測力はそれぞれ79.8%、85.3%および92.6%であることが示されている。さらに、MRIを使う前立腺癌検出の精度、感度および陽性予測力は、1.0cmより小さな腫瘍病巣についてはそれぞれ24.2%、26.2%および75.9%に低下する。
しかしながら、マルチパラメータMRIによってもたらされる解剖学的、生物学的、代謝的および機能的な動的情報の組み合わせが前立腺癌検出精度を改善することが示されている。前立腺癌検出のための利用されてきた一般的な機能的MR撮像技法の若干は、動的コントラスト向上MR撮像（DCE: dynamic contrast enhanced MR imaging）、プロトンMR分光撮像（MRSI: MR spectroscopic imaging）および拡散強調MR撮像（DWI: diffusion-weighted MR imaging）である。より詳細には、DCEは組織脈管分布を視覚化し、MRSIは代謝情報を提供し、DWIは細胞外水分子のブラウン運動を視覚化する。
重要なことに、前立腺癌療法におけるケアの標準は「腺全体」アプローチ（たとえば、根治的前立腺摘除、腺全体放射および短距離放射線療法）から、前立腺内の特定の癌性領域のみを処置するよう設計された、より焦点を絞られ、局所化された処置パラダイムに移行しつつある。この方向における一歩は、これらの局所化された癌性領域を正確に特定する能力である。しかしながら、マルチパラメータMRIの改善された能力にもかかわらず、一貫した仕方で癌性領域を正確に特定することは、観察者にとっていまだ本来的に難しい。さらに、超音波画像において、BモードUS画像処理パイプラインは、癌性の組織を正常な組織から区別することにおいて支援しうる潜在的な組織シグネチャーを抑制してしまう。
一般に、本発明は、画像位置合わせ、画像セグメンテーション、画像特徴抽出、画像輪郭描出および組織分類をマルチモダリティー画像に対して実行するための種々のアルゴリズムを含む自動化された決定支援システムまたはコンピュータ援用診断が、種々の型の画像からの情報を融合するための系統的かつ客観的なアプローチを提供しうることを認識する。特に、本発明は、空間的に位置合わせされたMRI画像（たとえばT1W、T2W、DWI、DCEおよびMRSI）およびUS画像（たとえばBモード画像およびRFエコー画像）から抽出された組織情報を組み合わせることを、位置合わせされた画像の各ボクセルについての一意的な画像特徴のベクトルを形成するために前提としている。特徴のそのようなマルチモード（US-RF-MRI）ベクトルは、マルチモダリティーの諸利点を組み合わせて、前立腺癌検出におけるより高い精度、感度および特異性を達成する。
本発明の一つの形は、一つまたは複数のMRIシステム、一つまたは複数の超音波システムおよびワークステーションを用いる解剖学的組織のマルチモード組織分類のためのシステムである。動作では、MRIシステム（単数または複数）が解剖学的組織の一つまたは複数のMRI特徴を生成し、超音波システム（単数または複数）が解剖学的組織の一つまたは複数の超音波画像特徴を生成する。ワークステーションは、解剖学的組織の前記MRI特徴および前記超音波画像特徴の空間的位置合わせおよび画像抽出から導出される解剖学的組織の組織分類体積を生成する。ワークステーションはさらに、前記組織分類体積の各ボクセルを、健全組織ボクセルおよび不健全組織ボクセルを含む複数の組織型のうちの一つとして分類する。
本発明の第二の形は、画像位置合わせ器、特徴抽出器および組織分類器を用いる解剖学的組織のマルチモード組織分類のためのワークステーションである。動作では、前記画像位置合わせ器および前記特徴抽出器は、前記解剖学的組織の一つまたは複数のMRI特徴および前記解剖学的組織の一つまたは複数の超音波画像特徴の空間的位置合わせおよび画像抽出から導出される前記解剖学的組織の組織分類体積を生成する。前記組織分類器は、前記組織分類体積の各ボクセルを、健全組織ボクセルおよび不健全組織ボクセルを含む複数の組織型のうちの一つとして分類する。
本発明の第三の形は、解剖学的組織の一つまたは複数のMRI特徴および解剖学的組織の一つまたは複数の超音波画像特徴の空間的位置合わせおよび画像抽出から導出される解剖学的組織の組織分類体積の生成に関わる、解剖学的組織のマルチモード組織分類のための方法である。本方法はさらに、前記組織分類体積の各ボクセルの、健全組織ボクセルおよび不健全組織ボクセルを含む複数の組織型のうちの一つとしての分類に関わる。
本発明の上記の形および他の形ならびに本発明のさまざまな特徴および利点は、付属の図面との関連で読まれる本発明のさまざまな実施形態の以下の詳細な説明からさらに明白となるであろう。詳細な説明および図面は、付属の請求項およびその等価物によって定義される本発明の範囲を限定するのではなく、単に例解するものである。
図１を参照するに、MRIシステム２０は、スキャナ２１およびワークステーション２２を用いて、たとえば図のような患者１０の前立腺１１の解剖学的組織のMRI画像２３のような、患者の解剖学的組織のMRI画像を生成する。実際上、本発明は、解剖学的組織のMRI特徴を取得するためにさまざまな型の一つまたは複数のMRIシステム２０を利用する。MRIシステムおよび解剖学的特徴の関連するMRI特徴の型の例は、解剖学的組織の規格化された強度値および／またはテクスチャー・ベースの特徴を示すT2W MRIシステム、解剖学的組織の水の見かけの拡散係数（ADC: apparent diffusion coefficient）を示すDWI-MRIシステム、解剖学的組織の薬物動態学的パラメータを示すDCE-MRIおよび解剖学的組織の代謝情報を示すMRSIシステムを含むがそれに限られない。
超音波システム３０は、プローブ３１およびワークステーション３２を用いて、たとえば図のような患者１０の前立腺１１の解剖学的組織のUS画像３３のような、患者の解剖学的組織の超音波画像を生成する。実際上、本発明は、解剖学的組織のUS画像特徴を取得するためにさまざまな型の一つまたは複数の超音波システム３０を利用する。超音波撮像システムおよび解剖学的特徴の関連するUS画像特徴の型の例は、解剖学的組織のテクスチャー・ベースの特徴を示すBモードUS撮像システムおよび解剖学的組織のスペクトル特徴を示すUS RFエコー撮像を含むがそれに限られない。
本発明は、画像セグメンテーション、画像位置合わせ、画像特徴抽出、画像輪郭描出および組織分類を含むがそれに限られないさまざまな既知の技法を、解剖学的組織のMRI画像および超音波画像に対して実行して、MRI画像および超音波画像からの特徴情報を融合するための系統的かつ客観的なアプローチを提供する。特に、本発明は、空間的に位置合わせされたMRI画像（たとえばT2W-MRI、DWI-MRI、DCE-MRIおよびMRSI）および超音波画像（たとえばBモード画像およびRFエコー画像）から抽出された画像特徴を組み合わせることを、たとえば図１に示す組織分類体積４０ａおよび組織分類体積４０ｂのような組織分類体積の各ボクセルについての画像特徴のベクトルを形成するために前提としている。
実際上、組織分類体積の各ボクセルは、空間的に位置合わせされたMRI画像および超音波画像の抽出された画像特徴から導出される当該ボクセルの画像特徴ベクトルに基づいて、健全組織ボクセルと不健全組織ボクセル（たとえば癌性）との間で分類される。分類の量および線形性は、本発明によって限定されない。
たとえば、組織分類体積４０ａの各ボクセルは、空間的に位置合わせされたMRI画像および超音波画像の抽出された画像特徴から導出される当該ボクセルの画像特徴ベクトルに基づいて、健全組織ボクセルまたは不健全組織ボクセル（たとえば癌性）であるとして分類される。図１に示されるように、健全組織ボクセルは白いボクセルであり、不健全組織ボクセルは黒いボクセルである。
さらなる例により、組織分類体積４０ｂの各ボクセルは、空間的に位置合わせされたMRI画像および超音波画像の抽出された画像特徴から導出される当該ボクセルの画像特徴ベクトルに基づいて、健全組織ボクセル、不健全組織ボクセル（たとえば癌性）またはボーダーライン不健全組織ボクセルのいずれかであるとして分類される。図１に示されるように、健全組織ボクセルは白いボクセルであり、不健全組織ボクセルは黒いボクセルであり、ボーダーライン不健全組織ボクセルは灰色のボクセルである。
図１には示されないもう一つの例は、白い健全組織ボクセルから、対応する組織の不健全性のさまざまな確率を示す複数の灰色のボクセルを通じて黒い不健全組織ボクセル（たとえば癌性）までの範囲にわたる、ボクセルのグレースケールの利用である。
本発明の理解を容易にするため、ここで前立腺の解剖学的組織の組織分類体積の生成に向けられる本発明の例示的実施形態について本稿で記述される。本発明の目的のためには、用語「画像セグメンテーション」、「画像（空間的）位置合わせ」、「画像輪郭描出」、「画像特徴抽出」、「組織分類」および「次元低減（dimensionality reduction）」ならびに関連する用語は、本発明の技術分野において知られているように広く解釈される。また、実際上、本発明は、任意の解剖学的領域（たとえば頭、胸郭、骨盤など）および任意の解剖学的構造（たとえば器官）の解剖学的組織に適用される。
図２を参照するに、例示的なワークステーション５０は、本発明のマルチモード組織分類方法を表わすフローチャート１００（図３）を実装するためのモジュール５１〜５３を用いる。
動作では、ワークステーション５０は、一つまたは複数のMRI画像７０および一つまたは複数のUS画像８０を受領するためのマルチモード・データ入力チャネル（図示せず）を提供する。
第二に、画像位置合わせ器５１がMRI画像７０および超音波画像８０のボクセルの空間的位置合わせのための技法を用いる。
第三に、特徴抽出器５２は、MRI画像７０および超音波画像８０のボクセルからの画像特徴を抽出するための技法を用いる。
実際上、本稿でさらに述べるように、画像位置合わせ器５１および特徴抽出器５２は、空間的に位置合わせされたMRI画像７０および超音波画像８０とのボクセル対応をもつ組織分類体積を生成する目的のためおよび該組織分類体積の各ボクセルについての連結されたn次元画像特徴ベクトルを生成するために、MRI画像７０および超音波画像８０の空間的に位置合わせされたボクセルから画像特徴を抽出するよう縦続的に動作する。ここで、nは画像特徴の総数に等しい。
第四に、組織分類器５３は、教師なしまたは教師付きで、組織分類体積の各ボクセルの組織型を、各ボクセルの画像特徴ベクトルによって示されるように、分類するための技法を用いる。
最後に、ワークステーション５０のユーザー・インターフェース（図示せず）は、たとえば図２に示される組織分類体積４０ａの表示のような、ズームおよびパン機能を含むボクセルごとの組織分類体積の表示を提供する。
実際上は、ワークステーション５０は、MRI画像７０およびUS画像８０から解剖学的組織のボクセルをセグメンテーションするための画像セグメンテーション・ツールと、MRI画像７０およびUS画像８０の、不健全（たとえば癌性）である疑いのあるボクセルを輪郭描出するための画像輪郭描出ツールとを含むモジュール５１〜５３のためのツールを提供してもよい。
また、実際上は、ワークステーション５０は、本発明のマルチモード組織分類方法、特にフローチャート１００を実装するために好適な任意の仕方で構造的に構成されていてもよい。ある実施形態では、ワークステーション５０は、ワークステーション５０内のソフトウェア／ファームウェアとしてプログラムされ、インストールされているモジュール５１〜５３を実行するためのハードウェア／回路（たとえばプロセッサ、メモリなど）をもって構造的に構成されていてもよい。
加えて、実際上は、ワークステーション５０は組織分類体積（単数または複数）を、必要に応じて診断手順に組み込むために画像診断システム９０（たとえばMRIシステムまたは超音波システム）に対して提供するおよび／または必要に応じて介入手順に組み込むために介入案内システム９１（たとえば、電磁追跡システム、光学式追跡システムまたは画像追跡システム）に対して提供するスタンドアローンのワークステーションであってもよい。あるいはまた、ワークステーション５０は、画像診断システム９０内に組み込まれるまたは介入案内システム９１内に組み込まれるのであってもよい。
図４および図５に示されるようなワークステーション５０によるフローチャート１００（図３）の例示的な実行について、これから、T2W画像７１、DWI画像７２、DCE画像７３およびMRSI画像７４からなるMRI画像７０ならびにBモード画像８１およびRFエコー画像８２からなるUS画像８０のコンテキストにおいて、ここで記述される。この記述から、当業者は、本発明のマルチモード組織分類方法を実装するための代替的なシステムおよび装置を認識するであろう。
図３を参照するに、フローチャート１００の段階S101は、画像位置合わせ器５１がモード内空間的位置合わせおよび／またはマルチモード空間的位置合わせを実行することを含む。空間的に位置合わせされた画像とのボクセル対応をもつ組織分類体積を生成するためである。たとえば、図４および図５に示されるように、画像位置合わせ器５１はまず、諸MRI画像７０のモード内空間的位置合わせを実行し、次いで、諸MRI画像７０と諸US画像８０のマルチモード空間的位置合わせを実行する。空間的に位置合わせされたMIR画像７０およびUS画像８０とのボクセル対応をもつ組織分類体積を生成するためである。MRI画像７０およびUS画像８０から解剖学的組織（たとえば前立腺）のボクセルをセグメンテーションするために、画像セグメンテーション・ツール（図示せず）が、前記空間的位置合わせ（単数または複数）の前または後に、画像位置合わせ器５１によって利用されてもよい。MRI画像７０およびUS画像８０の、結果として得られる空間的位置合わせは、特徴抽出器５２に通信され、それにより、フローチャート１００の段階S102は、特徴抽出器５２が空間的に位置合わせされたMRI画像（単数または複数）７０およびUS画像（単数または複数）８０から画像特徴を抽出し、連結して、組織分類体積の各ボクセルについてのn次元画像特徴ベクトルを生成することを含む。
たとえば、図４に示されるように、特徴抽出器５２ａは、解剖学的組織の規格化された強度値および／またはテクスチャー・ベースの特徴をT2W画像７１から、解剖学的組織の水の見かけの拡散係数（ADC）をDWI画像７２から、解剖学的組織の薬物動態学的パラメータをDCE画像７３から、解剖学的組織の代謝情報をMRS画像７４から、解剖学的組織のテクスチャー・ベースの画像特徴をBモード画像８１から、解剖学的組織のスペクトル画像特徴をRF画像８２から抽出する。空間的に位置合わせされた諸抽出から、特徴抽出器５２ａは、組織分類体積の各ボクセルについて六次元画像特徴のベクトル４０ａを生成する。
画像位置合わせ器５１によって利用されない場合、画像セグメンテーション・ツール（図示せず）は、各ボクセルについての画像特徴ベクトル４０ａの生成前または生成後に特徴抽出器５２ａによって利用されてもよい。
さらなる例により、図５に示されるように、特徴抽出器５２ｂは、解剖学的組織の不健全な（たとえば癌性の）部分を表わすMRI画像７０のボクセルを輪郭描出するために画像輪郭描出器５４を利用し、空間的に位置合わせされた諸MRI画像７０からの各ボクセルについての解剖学的構造の境界からの距離の重みWiを生成する。特徴抽出器５２ｂは次いで、解剖学的組織のテクスチャー・ベースの画像特徴をBモード画像８１から、解剖学的組織のスペクトル画像特徴をRF画像８２から抽出する。空間的に位置合わせされた諸抽出から、特徴抽出器５２ｂは、組織分類体積の各ボクセルについて二次元画像特徴の重み付けされたベクトル４０ｂを生成する。
画像位置合わせ器５１によって利用されない場合、画像セグメンテーション・ツール（図示せず）は、各ボクセルについての画像特徴ベクトル４０ｂの生成前または生成後に特徴抽出器５２ｂによって利用されてもよい。
段階S102が完了すると、組織分類体積の各ボクセルについての、結果として得られる画像特徴ベクトル（たとえば、画像特徴ベクトル４０ａまたは画像特徴ベクトル４０ｂ）は組織分類器５３に通信され、それによりフローチャート１００の段階S103は、組織分類器５３が、教師なしまたは教師付きで、組織分類体積（たとえば、組織分類体積４０ａおよび組織分類体積４０ｂ）についての各ボクセルの組織型を、各ボクセルの画像特徴ベクトルによって示されるように、分類することを含む。
たとえば、特定のボクセルの画像特徴ベクトルの画像特徴の全部が、関連付けられた解剖学的組織が健全である（すなわち、正常な細胞であるまたはいかなる細胞の変則もない）ことを示すことがありうる。逆に、特定のボクセルの画像特徴ベクトルの画像特徴の一つまたは複数が、関連付けられた解剖学的組織が何らかの度合いで不健全であるかもしれないまたは不健全である（すなわち、異常細胞であるまたは何らかの細胞の変則を含む）ことを示すことがありうる。
図２を参照するに、フローチャート１００を完了すると、組織分類体積はワークステーション５０、画像診断システム９０および／または介入案内システム９１によって表示されてもよい。加えて、組織分類体積の重畳または融合が、画像診断システム９０および／または介入案内システム９１によって生成された解剖学的組織の画像上／画像内に表示されてもよい。
図１〜図５を参照するに、当業者は、本発明の数多くの恩恵を認識するであろう。それには、任意の解剖学的組織（たとえば前立腺）についての癌検出の感度および特異性における改善が含まれるがそれに限られない。よって、本発明は、腺／組織セクション内での腫瘍の位置およびサイズを局所化する能力から恩恵を受けるあらゆる診断および療法シナリオにおいて適用可能である。
当業者はさらに、代替的な撮像モダリティー（たとえば、計算機断層撮影およびSPECT、PETなど）を用いた本発明の実装を認識するであろう。
本発明のさまざまな実施形態が図示され、記述されてきたが、本稿に記載される本発明の実施形態は例解するものであり、本発明の真の範囲から外れることなく、さまざまな変更および修正がなされてもよく、その要素の代わりに等価物が代用されてもよいことは当業者によって理解されるであろう。加えて、本発明の教示を適応させるために、その中心的な範囲から外れることなく多くの修正がなされてもよい。したがって、本発明は本発明を実施するために考えられている最良の形態として開示される個別的な実施形態に限定されることなく、本発明は付属の請求項の範囲内にはいるあらゆる実施形態を含むことが意図されている。
たとえば、図４に示されるように、特徴抽出器５２ａは、解剖学的組織の規格化された強度値および／またはテクスチャー・ベースの特徴をT2W画像７１から、解剖学的組織の水の見かけの拡散係数（ADC）をDWI画像７２から、解剖学的組織の薬物動態学的パラメータをDCE画像７３から、解剖学的組織の代謝情報をMRS画像７４から、解剖学的組織のテクスチャー・ベースの画像特徴をBモード画像８１から、解剖学的組織のスペクトル画像特徴をRF画像８２から抽出する。空間的に位置合わせされた諸抽出から、特徴抽出器５２ａは、組織分類体積の各ボクセルについて六次元画像特徴のベクトル４１ａを生成する。
画像位置合わせ器５１によって利用されない場合、画像セグメンテーション・ツール（図示せず）は、各ボクセルについての画像特徴ベクトル４１ａの生成前または生成後に特徴抽出器５２ａによって利用されてもよい。
さらなる例により、図５に示されるように、特徴抽出器５２ｂは、解剖学的組織の不健全な（たとえば癌性の）部分を表わすMRI画像７０のボクセルを輪郭描出するために画像輪郭描出器５４を利用し、空間的に位置合わせされた諸MRI画像７０からの各ボクセルについての解剖学的構造の境界からの距離の重みWiを生成する。特徴抽出器５２ｂは次いで、解剖学的組織のテクスチャー・ベースの画像特徴をBモード画像８１から、解剖学的組織のスペクトル画像特徴をRF画像８２から抽出する。空間的に位置合わせされた諸抽出から、特徴抽出器５２ｂは、組織分類体積の各ボクセルについて二次元画像特徴の重み付けされたベクトル４１ｂを生成する。
画像位置合わせ器５１によって利用されない場合、画像セグメンテーション・ツール（図示せず）は、各ボクセルについての画像特徴ベクトル４１ｂの生成前または生成後に特徴抽出器５２ｂによって利用されてもよい。
段階S102が完了すると、組織分類体積の各ボクセルについての、結果として得られる画像特徴ベクトル（たとえば、画像特徴ベクトル４１ａまたは画像特徴ベクトル４１ｂ）は組織分類器５３に通信され、それによりフローチャート１００の段階S103は、組織分類器５３が、教師なしまたは教師付きで、組織分類体積（たとえば、組織分類体積４０ａおよび組織分類体積４０ｂ）についての各ボクセルの組織型を、各ボクセルの画像特徴ベクトルによって示されるように、分類することを含む。
Claims (20)
- 解剖学的組織のマルチモダリティー組織分類のためのシステムであって：
前記解剖学的組織の少なくとも一つのMRI特徴を生成するよう構造的に構成された少なくとも一つのMRIシステムと；
前記解剖学的組織の少なくとも一つの超音波画像特徴を生成するよう構造的に構成された少なくとも一つの超音波システムと；
前記解剖学的組織の前記少なくとも一つのMRI特徴および前記少なくとも一つの超音波画像特徴の空間的位置合わせおよび画像抽出から導出される前記解剖学的組織の組織分類体積を生成するよう構造的に構成されたワークステーションとを有しており、
前記ワークステーションはさらに、前記組織分類体積の各ボクセルを、少なくとも健全組織ボクセルおよび不健全組織ボクセルを含む複数の組織型のうちの一つとして分類するよう構造的に動作可能である、
システム。 - 前記組織分類体積の生成が：
前記ワークステーションが、前記解剖学的組織の前記少なくとも一つのMRI特徴および前記少なくとも一つの超音波画像特徴を空間的に位置合わせし、画像抽出する段階と；
前記ワークステーションが、各ボクセルについて画像特徴ベクトルを生成する段階とを含み、
各画像特徴ベクトルは、対応するボクセルに関連付けられた、前記解剖学的組織の空間的に位置合わせされ、画像抽出された少なくとも一つのMRI特徴および少なくとも一つの超音波画像特徴の連結を含む、
請求項１記載のシステム。 - 前記組織分類体積の各ボクセルの、前記複数の組織型のうちの一つとしての分類が、対応する画像特徴ベクトル内に含まれる前記解剖学的組織の画像特徴の連結から導出される、請求項２記載のシステム。
- 前記組織分類体積の生成が：
前記ワークステーションが、前記解剖学的組織の少なくとも二つの超音波画像特徴を抽出する段階と；
前記ワークステーションが、各ボクセルについての画像特徴ベクトルを生成する段階とを含み、
各画像特徴ベクトルは、対応するボクセルに関連付けられた、前記解剖学的組織の前記画像抽出された少なくとも二つの超音波画像特徴の連結を含む、
請求項１記載のシステム。 - 前記組織分類体積の生成が：
前記ワークステーションが、前記少なくとも一つのMRI特徴および前記少なくとも二つの超音波画像特徴を空間的に位置合わせする段階と；
前記ワークステーションが、各ボクセルについての重み付けされた因子を生成する段階であって、各重み付けされた因子は、前記解剖学的組織の不健全な部分を表わす前記解剖学的組織のそれぞれの空間的に位置合わせされた少なくとも一つのMRI特徴の輪郭描出から導出される、段階と；
前記ワークステーションが、対応する画像特徴ベクトルに各重み付けされた因子を適用する段階とを含む、
請求項４記載のシステム。 - 前記組織分類体積の各ボクセルの、前記複数の組織型のうちの一つとしての分類が、対応する画像特徴ベクトル内の前記解剖学的組織の画像特徴の連結から導出される、請求項５記載のシステム。
- 前記複数の組織型がさらに、ボーダーラインの不健全組織ボクセルを含む、請求項１記載のシステム。
- 前記複数の組織型がさらに、前記健全組織ボクセルと前記不健全組織ボクセルとの間の範囲にわたる複数の可能性のある不健全組織ボクセルを含む、請求項１記載のシステム。
- 前記組織分類体積を診断手順に組み込むよう構造的に構成されている、請求項１記載のシステム。
- 前記組織分類体積を診断手順に組み込むよう構造的に構成されている介入案内システムをさらに有する、請求項１記載のシステム。
- 解剖学的組織のマルチモダリティー組織分類のためのワークステーションであって：
前記解剖学的組織の少なくとも一つのMRI特徴および前記解剖学的組織の少なくとも一つの超音波画像特徴の空間的位置合わせおよび画像抽出から導出される前記解剖学的組織の組織分類体積を生成するよう構造的に構成された画像位置合わせ器および特徴抽出器と；
前記組織分類体積の各ボクセルを、少なくとも健全組織ボクセルおよび不健全組織ボクセルを含む組織型のうちの一つとして分類するよう構造的に構成されている組織分類器とを有する、
ワークステーション。 - 前記組織分類体積の生成が：
前記画像位置合わせ器が、前記解剖学的組織の前記少なくとも一つのMRI特徴および前記少なくとも一つの超音波画像特徴を空間的に位置合わせすることと；
前記特徴抽出器が、前記解剖学的組織の前記空間的に位置合わせされた少なくとも一つのMRI特徴および少なくとも一つの超音波画像特徴を抽出することと；
前記特徴抽出器が、各ボクセルについて画像特徴ベクトルを生成することとを含み、
各画像特徴ベクトルは、対応するボクセルに関連付けられた、前記解剖学的組織の前記空間的に位置合わせされ、画像抽出された少なくとも一つのMRI特徴および少なくとも一つの超音波画像特徴の連結を含む、
請求項１１記載のワークステーション。 - 前記組織分類体積の各ボクセルの、前記複数の組織型のうちの一つとしての分類が、対応する画像特徴ベクトル内に含まれる前記解剖学的組織の画像特徴の連結から導出される、請求項１２記載のワークステーション。
- 前記組織分類体積の生成が：
前記画像位置合わせ器が、前記解剖学的組織の前記少なくとも一つのMRI特徴および少なくとも二つの超音波画像特徴を空間的に位置合わせすることと；
前記特徴抽出器が、前記解剖学的組織の前記少なくとも二つの超音波画像特徴を抽出することと；
前記特徴抽出器が、各ボクセルについての画像特徴ベクトルを生成することであって、各画像特徴ベクトルは、対応するボクセルに関連付けられた、前記解剖学的組織の前記画像抽出された少なくとも二つの超音波画像特徴の連結を含む、ことと；
前記特徴抽出器が、各ボクセルについての重み付けされた因子を生成することであって、各重み付けされた因子は、前記解剖学的組織の疑いのある不健全な部分を表わす前記解剖学的組織のそれぞれの空間的に位置合わせされた少なくとも一つのMRI特徴の輪郭描出から導出される、ことと；
前記特徴抽出器が、対応するボクセルの各画像特徴ベクトルに各重み付けされた因子を適用することとを含む、
請求項１１記載のワークステーション。 - 前記組織分類体積の各ボクセルの、前記複数の組織型のうちの一つとしての分類が、対応する画像特徴ベクトル内に含まれる前記解剖学的組織の画像特徴の連結から導出される、請求項１４記載のワークステーション。
- 解剖学的組織のマルチモダリティー組織分類のための方法であって：
前記解剖学的組織の少なくとも一つのMRI特徴および少なくとも一つの超音波画像特徴の空間的位置合わせおよび画像抽出から導出される前記解剖学的組織の組織分類体積を生成する段階と；
前記組織分類体積の各ボクセルを、少なくとも健全組織ボクセルおよび不健全組織ボクセルを含む組織型のうちの一つとして分類する段階とを含む、
方法。 - 前記組織分類体積の生成が：
前記解剖学的組織の前記少なくとも一つのMRI特徴および前記少なくとも一つの超音波画像特徴を空間的に位置合わせし、画像抽出する段階と；
各ボクセルについて画像特徴ベクトルを生成する段階とを含み、
各画像特徴ベクトルは、対応するボクセルに関連付けられた、前記解剖学的組織の前記空間的に位置合わせされ、画像抽出された少なくとも一つのMRI特徴および少なくとも一つの超音波画像特徴の連結を含む、
請求項１６記載の方法。 - 前記組織分類体積の各ボクセルの、前記複数の組織型のうちの一つとしての分類が、対応する画像特徴ベクトル内に含まれる前記解剖学的組織の画像特徴の連結から導出される、請求項１７記載の方法。
- 前記組織分類体積の生成が：
前記解剖学的組織の前記少なくとも一つのMRI特徴および前記少なくとも一つの超音波画像特徴を空間的に位置合わせする段階と；
前記解剖学的組織の前記少なくとも一つの超音波画像特徴を抽出する段階と；
各ボクセルについての画像特徴ベクトルを生成する段階であって、各画像特徴ベクトルは、対応するボクセルに関連付けられた、前記解剖学的組織の前記画像抽出された少なくとも一つの超音波画像特徴の連結を含む、段階と；
各ボクセルについての重み付けされた因子を生成する段階であって、各重み付けされた因子は、前記解剖学的組織の疑いのある不健全な部分を表わす前記解剖学的組織のそれぞれの空間的に位置合わせされた少なくとも一つのMRI特徴の輪郭描出から導出される、段階と；
対応するボクセルの各画像特徴ベクトルに各重み付けされた因子を適用する段階とを含む、
請求項１６記載の方法。 - 前記組織分類体積の各ボクセルの、前記複数の組織型のうちの一つとしての分類が、対応する画像特徴ベクトル内に含まれる前記解剖学的組織の画像特徴の連結から導出される、請求項１９記載の方法。
Applications Claiming Priority (3)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| US201361839424P | 2013-06-26 | 2013-06-26 | |
| US61/839,424 | 2013-06-26 | ||
| PCT/IB2014/062422 WO2014207627A1 (en) | 2013-06-26 | 2014-06-19 | Method and system for multi-modal tissue classification |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JP2016523165A true JP2016523165A (ja) | 2016-08-08 |
| JP6445548B2 JP6445548B2 (ja) | 2018-12-26 |
Family
ID=51177105
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP2016522913A Active JP6445548B2 (ja) | 2013-06-26 | 2014-06-19 | マルチモード組織分類のためのシステム |
Country Status (5)
| Country | Link |
|---|---|
| US (1) | US11660065B2 (ja) |
| EP (1) | EP3013241B1 (ja) |
| JP (1) | JP6445548B2 (ja) |
| CN (1) | CN105338905B (ja) |
| WO (1) | WO2014207627A1 (ja) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2020508143A (ja) * | 2017-02-22 | 2020-03-19 | ザ ユナイテッド ステイツ オブ アメリカ， アズ リプレゼンテッド バイ ザ セクレタリー， デパートメント オブ ヘルス アンド ヒューマン サービシーズ | インスタンス重み付けを伴うランダムフォレストを使用するマルチパラメトリックｍｒｉにおける前立腺がんの検出、およびホリスティックネスト型ネットワークを用いたディープラーニングによるｍｒ前立腺セグメント化 |
Families Citing this family (18)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US10716536B2 (en) | 2013-07-17 | 2020-07-21 | Tissue Differentiation Intelligence, Llc | Identifying anatomical structures |
| US10154826B2 (en) | 2013-07-17 | 2018-12-18 | Tissue Differentiation Intelligence, Llc | Device and method for identifying anatomical structures |
| US11734592B2 (en) | 2014-06-09 | 2023-08-22 | Tecnotree Technologies, Inc. | Development environment for cognitive information processing system |
| EP3164079B1 (en) * | 2014-07-02 | 2022-12-28 | Koninklijke Philips N.V. | Lesion signature to characterize pathology for specific subject |
| WO2016198990A1 (en) | 2015-06-12 | 2016-12-15 | Koninklijke Philips N.V. | System and method for identifying cancerous tissue |
| US10909675B2 (en) * | 2015-10-09 | 2021-02-02 | Mayo Foundation For Medical Education And Research | System and method for tissue characterization based on texture information using multi-parametric MRI |
| WO2017165801A1 (en) * | 2016-03-24 | 2017-09-28 | The Regents Of The University Of California | Deep-learning-based cancer classification using a hierarchical classification framework |
| US11986341B1 (en) | 2016-05-26 | 2024-05-21 | Tissue Differentiation Intelligence, Llc | Methods for accessing spinal column using B-mode imaging to determine a trajectory without penetrating the the patient's anatomy |
| US11701086B1 (en) | 2016-06-21 | 2023-07-18 | Tissue Differentiation Intelligence, Llc | Methods and systems for improved nerve detection |
| EP3511866A1 (en) * | 2018-01-16 | 2019-07-17 | Koninklijke Philips N.V. | Tissue classification using image intensities and anatomical positions |
| CN109316202B (zh) * | 2018-08-23 | 2021-07-02 | 苏州佳世达电通有限公司 | 影像校正方法及检测装置 |
| US20200293918A1 (en) | 2019-03-15 | 2020-09-17 | Cognitive Scale, Inc. | Augmented Intelligence System Assurance Engine |
| WO2020223798A1 (en) | 2019-05-03 | 2020-11-12 | Huron Technologies International Inc. | Image diagnostic system, and methods of operating thereof |
| CN110674872B (zh) * | 2019-09-24 | 2022-03-01 | 广州大学 | 一种高维磁共振影像的分类方法及装置 |
| US11571185B2 (en) | 2019-11-08 | 2023-02-07 | Samsung Medison Co., Ltd. | Medical image displaying apparatus and method of displaying medical image using the same |
| CN111080658A (zh) * | 2019-12-16 | 2020-04-28 | 中南民族大学 | 基于可形变配准和dcnn的宫颈mri图像分割方法 |
| IL274016A (en) * | 2020-04-18 | 2021-10-31 | Highrad Ltd | Methods for automated lesion analysis in longitudinal volumetric medical image studies |
| CN117218419B (zh) * | 2023-09-12 | 2024-04-12 | 河北大学 | 一种胰胆肿瘤分型分级分期的评估***和评估方法 |
Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH07284090A (ja) * | 1994-04-08 | 1995-10-27 | Olympus Optical Co Ltd | 画像分類装置 |
| WO2005001740A2 (en) * | 2003-06-25 | 2005-01-06 | Siemens Medical Solutions Usa, Inc. | Systems and methods for automated diagnosis and decision support for breast imaging |
| US20050075566A1 (en) * | 2003-09-19 | 2005-04-07 | Fuji Photo Film Co., Ltd. | Ultrasonice diagnosing apparatus |
| JP2005111258A (ja) * | 2003-09-19 | 2005-04-28 | Fuji Photo Film Co Ltd | 超音波診断装置 |
| WO2006126109A1 (en) * | 2005-05-26 | 2006-11-30 | Koninklijke Philips Electronics, N.V. | Radio-therapeutic treatment planning incorporating functional imaging information |
| US20080037851A1 (en) * | 2006-08-09 | 2008-02-14 | Takuzo Takayama | Medical image synthesis method and apparatus |
| JP2010057649A (ja) * | 2008-09-03 | 2010-03-18 | Kanazawa Univ | 診断支援システム、方法及びコンピュータプログラム |
| EP2437216A1 (en) * | 2010-10-01 | 2012-04-04 | Fujifilm Corporation | Apparatus, method and medium storing program for reconstructing intra-tubular-structure image |
| WO2012063928A1 (ja) * | 2010-11-11 | 2012-05-18 | オリンパスメディカルシステムズ株式会社 | 超音波観測装置、超音波観測装置の作動方法および超音波観測装置の作動プログラム |
Family Cites Families (12)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US6317617B1 (en) | 1997-07-25 | 2001-11-13 | Arch Development Corporation | Method, computer program product, and system for the automated analysis of lesions in magnetic resonance, mammogram and ultrasound images |
| US20080132782A1 (en) | 2004-02-02 | 2008-06-05 | Rueckmann Bogdan Von | Combined MR-ultrasound (US) coil for prostate-, cevix- and rectum cancer imaging diagnostics |
| JP2007536973A (ja) * | 2004-05-14 | 2007-12-20 | コーニンクレッカ フィリップス エレクトロニクス エヌ ヴィ | 情報強調された画像誘導介入 |
| US20070167705A1 (en) | 2005-08-04 | 2007-07-19 | Chiang Alice M | Integrated ultrasound imaging system |
| US20110178389A1 (en) | 2008-05-02 | 2011-07-21 | Eigen, Inc. | Fused image moldalities guidance |
| US9521994B2 (en) | 2009-05-11 | 2016-12-20 | Siemens Healthcare Gmbh | System and method for image guided prostate cancer needle biopsy |
| GB0913930D0 (en) * | 2009-08-07 | 2009-09-16 | Ucl Business Plc | Apparatus and method for registering two medical images |
| US20110137148A1 (en) | 2009-12-07 | 2011-06-09 | Irvine Sensors Corporation | Method and device comprising fused ultrasound and magnetic resonance imaging |
| US9208556B2 (en) | 2010-11-26 | 2015-12-08 | Quantitative Insights, Inc. | Method, system, software and medium for advanced intelligent image analysis and display of medical images and information |
| US20130046168A1 (en) * | 2011-08-17 | 2013-02-21 | Lei Sui | Method and system of characterization of carotid plaque |
| DE102011085894B4 (de) * | 2011-11-08 | 2014-03-27 | Siemens Aktiengesellschaft | Verfahren und elektronische Recheneinrichtung zur Bildgebung und Bildgebungssystem |
| GB201121307D0 (en) * | 2011-12-12 | 2012-01-25 | Univ Stavanger | Probability mapping for visualisation of biomedical images |
-
2014
- 2014-06-19 EP EP14738901.9A patent/EP3013241B1/en active Active
- 2014-06-19 JP JP2016522913A patent/JP6445548B2/ja active Active
- 2014-06-19 WO PCT/IB2014/062422 patent/WO2014207627A1/en active Application Filing
- 2014-06-19 CN CN201480036465.0A patent/CN105338905B/zh active Active
- 2014-06-19 US US14/891,768 patent/US11660065B2/en active Active
Patent Citations (15)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US5754676A (en) * | 1994-04-08 | 1998-05-19 | Olympus Optical Co., Ltd. | Image classification apparatus |
| JPH07284090A (ja) * | 1994-04-08 | 1995-10-27 | Olympus Optical Co Ltd | 画像分類装置 |
| JP2007524461A (ja) * | 2003-06-25 | 2007-08-30 | 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 | ***撮像の自動診断及び決定支援システム及び方法 |
| WO2005001740A2 (en) * | 2003-06-25 | 2005-01-06 | Siemens Medical Solutions Usa, Inc. | Systems and methods for automated diagnosis and decision support for breast imaging |
| US20050075566A1 (en) * | 2003-09-19 | 2005-04-07 | Fuji Photo Film Co., Ltd. | Ultrasonice diagnosing apparatus |
| JP2005111258A (ja) * | 2003-09-19 | 2005-04-28 | Fuji Photo Film Co Ltd | 超音波診断装置 |
| WO2006126109A1 (en) * | 2005-05-26 | 2006-11-30 | Koninklijke Philips Electronics, N.V. | Radio-therapeutic treatment planning incorporating functional imaging information |
| JP2008545468A (ja) * | 2005-05-26 | 2008-12-18 | コーニンクレッカ フィリップス エレクトロニクス エヌ ヴィ | 機能イメージング情報を組み込んだ放射線治療計画 |
| US20080037851A1 (en) * | 2006-08-09 | 2008-02-14 | Takuzo Takayama | Medical image synthesis method and apparatus |
| JP2008036284A (ja) * | 2006-08-09 | 2008-02-21 | Toshiba Corp | 医用画像合成方法及びその装置 |
| JP2010057649A (ja) * | 2008-09-03 | 2010-03-18 | Kanazawa Univ | 診断支援システム、方法及びコンピュータプログラム |
| EP2437216A1 (en) * | 2010-10-01 | 2012-04-04 | Fujifilm Corporation | Apparatus, method and medium storing program for reconstructing intra-tubular-structure image |
| JP2012075702A (ja) * | 2010-10-01 | 2012-04-19 | Fujifilm Corp | 管状構造物内画像再構成装置、管状構造物内画像再構成方法および管状構造物内画像再構成プログラム |
| WO2012063928A1 (ja) * | 2010-11-11 | 2012-05-18 | オリンパスメディカルシステムズ株式会社 | 超音波観測装置、超音波観測装置の作動方法および超音波観測装置の作動プログラム |
| US20130035594A1 (en) * | 2010-11-11 | 2013-02-07 | Olympus Medical Systems Corp. | Ultrasonic observation apparatus, operation method of the same, and computer readable recording medium |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2020508143A (ja) * | 2017-02-22 | 2020-03-19 | ザ ユナイテッド ステイツ オブ アメリカ， アズ リプレゼンテッド バイ ザ セクレタリー， デパートメント オブ ヘルス アンド ヒューマン サービシーズ | インスタンス重み付けを伴うランダムフォレストを使用するマルチパラメトリックｍｒｉにおける前立腺がんの検出、およびホリスティックネスト型ネットワークを用いたディープラーニングによるｍｒ前立腺セグメント化 |
| JP7293118B2 (ja) | 2017-02-22 | 2023-06-19 | ザ ユナイテッド ステイツ オブ アメリカ， アズ リプレゼンテッド バイ ザ セクレタリー， デパートメント オブ ヘルス アンド ヒューマン サービシーズ | インスタンス重み付けを伴うランダムフォレストを使用するマルチパラメトリックｍｒｉにおける前立腺がんの検出、およびホリスティックネスト型ネットワークを用いたディープラーニングによるｍｒ前立腺セグメント化 |
Also Published As
| Publication number | Publication date |
|---|---|
| JP6445548B2 (ja) | 2018-12-26 |
| CN105338905B (zh) | 2019-10-18 |
| US20160098621A1 (en) | 2016-04-07 |
| EP3013241A1 (en) | 2016-05-04 |
| WO2014207627A1 (en) | 2014-12-31 |
| US11660065B2 (en) | 2023-05-30 |
| EP3013241B1 (en) | 2020-01-01 |
| CN105338905A (zh) | 2016-02-17 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| JP6445548B2 (ja) | マルチモード組織分類のためのシステム | |
| Sun et al. | Multiparametric MRI and radiomics in prostate cancer: a review | |
| Haider et al. | Combined T2-weighted and diffusion-weighted MRI for localization of prostate cancer | |
| US20180240233A1 (en) | Deep Convolutional Encoder-Decoder for Prostate Cancer Detection and Classification | |
| Madabhushi et al. | Automated detection of prostatic adenocarcinoma from high-resolution ex vivo MRI | |
| Azizi et al. | Detection and grading of prostate cancer using temporal enhanced ultrasound: combining deep neural networks and tissue mimicking simulations | |
| JP6849611B2 (ja) | がん組織を同定するシステム及び方法 | |
| McClure et al. | In-vitro and in-vivo diagnostic techniques for prostate cancer: A review | |
| Brock et al. | Fusion of magnetic resonance imaging and real-time elastography to visualize prostate cancer: a prospective analysis using whole mount sections after radical prostatectomy | |
| Moradi et al. | Multiparametric 3D in vivo ultrasound vibroelastography imaging of prostate cancer: Preliminary results | |
| US20090069665A1 (en) | Automatic Lesion Correlation in Multiple MR Modalities | |
| Mohareri et al. | Multi-parametric 3D quantitative ultrasound vibro-elastography imaging for detecting palpable prostate tumors | |
| Imani et al. | Ultrasound-based characterization of prostate cancer using joint independent component analysis | |
| Imani et al. | Augmenting MRI–transrectal ultrasound-guided prostate biopsy with temporal ultrasound data: a clinical feasibility study | |
| Sammouda et al. | Intelligent Computer‐Aided Prostate Cancer Diagnosis Systems: State‐of‐the‐Art and Future Directions | |
| Chen et al. | A self-tuned graph-based framework for localization and grading prostate cancer lesions: An initial evaluation based on multiparametric magnetic resonance imaging | |
| Uniyal et al. | Ultrasound-based predication of prostate cancer in MRI-guided biopsy | |
| Reda et al. | A new fast framework for early detection of prostate cancer without prostate segmentation | |
| Garg et al. | Anatomical visions of prostate Cancer in Different modalities | |
| Lenkinski | The role of magnetic resonance imaging in prostate cancer imaging and staging | |
| Jensen | Prostate Cancer Diagnosis Using Magnetic Resonance Imaging-A Machine Learning Approach | |
| Fei | 15 Precision Imaging of | |
| Fei | Precision Imaging of Prostate Cancer: Computer-Aided Detection and Their Clinical Applications | |
| Ghavami | Automatic analysis of medical images for change detection in prostate cancer | |
| Skerl et al. | First step for computer assisted evaluation of qualitative supersonic shear wave elastography characteristics in breast tissue |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20170615 |
|
| A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20180227 |
|
| A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20180228 |
|
| A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20180522 |
|
| A02 | Decision of refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A02 Effective date: 20180605 |
|
| A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20181004 |
|
| A911 | Transfer to examiner for re-examination before appeal (zenchi) |
Free format text: JAPANESE INTERMEDIATE CODE: A911 Effective date: 20181015 |
|
| TRDD | Decision of grant or rejection written | ||
| A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20181106 |
|
| A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20181129 |
|
| R150 | Certificate of patent or registration of utility model |
Ref document number: 6445548 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
| R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
| R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
| R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |