JP2019088838A - 診断ベクトル分類サポートのためのシステムおよび方法 - Google Patents
診断ベクトル分類サポートのためのシステムおよび方法 Download PDFInfo
- Publication number
- JP2019088838A JP2019088838A JP2019007937A JP2019007937A JP2019088838A JP 2019088838 A JP2019088838 A JP 2019088838A JP 2019007937 A JP2019007937 A JP 2019007937A JP 2019007937 A JP2019007937 A JP 2019007937A JP 2019088838 A JP2019088838 A JP 2019088838A
- Authority
- JP
- Japan
- Prior art keywords
- tumor
- feature
- operator
- image
- zone
- 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
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
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/0033—Features or image-related aspects of imaging apparatus classified in A61B5/00, e.g. for MRI, optical tomography or impedance tomography apparatus; arrangements of imaging apparatus in a room
- A61B5/0035—Features or image-related aspects of imaging apparatus classified in A61B5/00, e.g. for MRI, optical tomography or impedance tomography apparatus; arrangements of imaging apparatus in a room adapted for acquisition of images from more than one imaging mode, e.g. combining MRI and optical tomography
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/0093—Detecting, measuring or recording by applying one single type of energy and measuring its conversion into another type of energy
- A61B5/0095—Detecting, measuring or recording by applying one single type of energy and measuring its conversion into another type of energy by applying light and detecting acoustic waves, i.e. photoacoustic measurements
-
- 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
- A61B8/0825—Detecting organic movements or changes, e.g. tumours, cysts, swellings for diagnosis of the breast, e.g. mammography
-
- 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
-
- 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
- A61B8/5292—Devices using data or image processing specially adapted for diagnosis using ultrasonic, sonic or infrasonic waves using additional data, e.g. patient information, image labeling, acquisition parameters
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/211—Selection of the most significant subset of features
- G06F18/2113—Selection of the most significant subset of features by ranking or filtering the set of features, e.g. using a measure of variance or of feature cross-correlation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
-
- 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
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B2576/00—Medical imaging apparatus involving image processing or analysis
-
- 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
- G06T2207/30096—Tumor; Lesion
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Medical Informatics (AREA)
- General Health & Medical Sciences (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Public Health (AREA)
- Pathology (AREA)
- Biomedical Technology (AREA)
- Animal Behavior & Ethology (AREA)
- Veterinary Medicine (AREA)
- Surgery (AREA)
- Molecular Biology (AREA)
- Biophysics (AREA)
- Heart & Thoracic Surgery (AREA)
- Radiology & Medical Imaging (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- General Physics & Mathematics (AREA)
- Physiology (AREA)
- Acoustics & Sound (AREA)
- Quality & Reliability (AREA)
- Artificial Intelligence (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Databases & Information Systems (AREA)
- Epidemiology (AREA)
- Primary Health Care (AREA)
- Ultra Sonic Daignosis Equipment (AREA)
- Medical Treatment And Welfare Office Work (AREA)
- Measuring And Recording Apparatus For Diagnosis (AREA)
Abstract
Description
ion in an Optoacoustic Imaging System」を発
明の名称とする米国特許出願第61/799,213号の一部継続出願である。本願は、
2013年4月9日に出願された「Functional Modality with
Histopathologic Correlation in an Optoa
coustic Imaging System」を発明の名称とする米国特許出願第6
1/810,238号の一部継続出願でもある。本願はまた、2013年10月31日に
出願された「Functional Ultrasound Modality in
Optoacoustic Breast Imaging」を発明の名称とする米国特
許出願整理番号第61/898,392号の一部継続出願でもある。これらの出願の開示
全体は参照により本明細書に援用される。
またはレコードに開示されている本特許開示内容を複製することについては、著作権所有
者はこれを禁止しないが、すべての著作権についてはこれを放棄しない。
ングの解釈に対するサポートに関するシステムに関する。
、添付の図に示す好適な実施形態に関する以下のより詳細な説明から明らかとなるであろ
う。なお係る図面では、参照符号は様々な図を通して同じ部分を指す。これらの図面は、
必ずしも縮尺が一定であるとは限らず、本発明の原理を示すにあたり強調されることもあ
る。
色彩図面(単数または複数)が付されたこの特許または特許出願の写しは請求および所要
の手数料の納付により、米国特許商標庁により提供される。
て例示として示され、詳細に説明されるであろう。しかし、本発明を説明する特定の実施
形態に限定することを意図するものでないことを理解すべきである。逆に、本発明の趣旨
および範囲に含まれる全ての改変例、均等物、および代替物を含むことを意図するもので
ある。
い。多数の特定的な詳細が完全な理解を提供するために説明される。しかし特定的な事例
では、周知の詳細または従来の詳細については、説明が不明瞭とならないよう説明しない
。本開示において1つの実施形態を参照することは必ずしも同一の実施形態を参照するこ
とではなく、また、係る参照は少なくとも1つを意味する。
明される特定的な特徴、構造、または特性が本開示の少なくとも1つの実施形態に含まれ
ることを意味する。本明細書では様々な箇所で「1つの実施形態では」という文言が現れ
るが、係る文言の全部が必ずしも同一の実施形態を参照するものではなく、また別個の実
施形態または他の実施形態と相互排他的ではない代替的な実施形態でもない。さらに様々
な特徴が説明されるが、係る特徴は、いくつかの実施形態により示される場合があり、他
の実施形態により示されない場合もある。同様に、様々な要件について説明され、係る要
件はいくつかの実施形態に対する要件である場合があるが、他の実施形態に対しては要件
ではない場合もある。
り、「少なくとも1つ」または「1つまたは複数」を意味する。加えて、単数形の「a」
、「an」、および「the」は、別段の明確な指示がない限り、複数の指示対象を含む
。したがって例えば「1つの化合物」を含む組成物は、2つ以上の化合物の混合物を含む
。
な指示がない限り、「および/または」を含む意味(すなわち結合および仮定(subj
unctive)の両方)において用いられる。
全ての数を含む(例えば1〜5は1、1.5、2,2.75、3、3.80、4、および
5を含む)。
の他を表現する全部の数値は、全ての事例において文脈が明確に別段の指示を述べていな
い限り、「約」という用語により修飾されたものとして理解されるべきである。したがっ
てこれに反するとの特記なき限り、前述の明細書および添付の請求項において記載される
数値パラメータは近似値であり、本発明の教示を利用する当業者が求める所望の特性に応
じて変動する可能性がある。少なくとも、請求項の範囲を限定することなく、各数値パラ
メータは少なくとも、報告される有効桁の数値に照らして、通常の丸め技法を適用するこ
とにより、解釈されるべきである。一方、任意の数値は、それぞれの検査測定値において
見られる標準偏差に起因して必ず生じる特定の誤差を本質的に含むものである。
法および装置のブロック図、操作図、アルゴリズムを参照して、以下で説明する。ブロッ
ク図、操作図、ならびにアルゴリズムの各ブロック、およびブロック図、操作図、ならび
にアルゴリズムにおけるブロックの組み合わせは、アナログまたはデジタルのハードウェ
アおよびコンピュータプログラム命令による実装が可能であることが理解される。
タ、ASIC、または他のプログラム可能データ処理装置のプロセッサに提供されると、
係る命令がコンピュータまたは他のプログラム可能データ処理装置のプロセッサを介して
実行され、ブロック図、動作ブロック(単数または複数)、および/またはアルゴリズム
に指定される機能/動作が具体化される。
本技術の理解がより完全ものとなるよう例示として提供される。本開示に係る方法は本明
細書に提示される動作および論理フローに限定されない。代替的な実施形態も考えられ、
係る代替的な実施形態では、様々な動作の順序が変更され、且つ、より大きい動作の部分
として説明される下位動作が独立的に実行される。
れる順序とは異なった順序で実行され得る。例えば、連続して図示される2つのブロック
は、実際上は、関連する機能/動作に応じて、実質的に並列的に実行される場合もあり、
またはこれらのブロックが、逆の順序または異なる順序で実行される場合もある。
放射線学は、人体内で視覚化された疾患の診断および/または治療を実行するためにイ
メージングを用いる医学専門分野である。放射線専門医は、様々な医療撮像技術により創
造された画像を解釈し、所見、印象、および/または診断に関する報告書を作成する。放
射線専門医は様々な医療撮像技術により創造された様々な種類の画像のうちの1つまたは
複数を解釈することに関して、高度な訓練を受けている。
を解釈するべく放射線専門医を訓練することに関しては、多大な時間および労力が必要で
ある。本明細書で開示される診断ベクトル分類サポートシステムおよび方法は、光音響デ
ータから創造された画像を解釈するよう放射線専門医を訓練するにあたり必要となる時間
および労力を軽減するとともに、訓練を受けた放射線専門医(たとえ訓練を受けたとして
も関連する発見を見逃す可能性は依然としてある)に対して決定サポートシステムを提供
する。本明細書で説明するシステムは、光音響データから創造された画像に関して、特に
超音波および光音響のデータから創造された画像に関して図示されているが、本システム
は必ずしも係る限定を受けるものではなく、他種類の医用画像に対しても等しく適用され
る。
全般的に図示される。1つの実施形態では、システム100は、「System and
Method for Producing Parametric Maps of
Optoacoustic Data」を発明の名称とする2013年6月13日に出
願された米国特許出願整理番号第13/507,222号(同特許出願は以後「パラメー
タマップ出願」と呼称される)で説明される多モード光音響・超音波システムなどのイメ
ージングシステムの処理サブシステムとしてとして具体化される。1つの実施形態ではシ
ステム100は、別個または多モードの光音響および/または超音波システムを含む1つ
または複数の別個のイメージングシステムにより生成された画像を処理するよう適応され
た、本明細書で説明される適切なソフトウェアおよびユーザインターフェースを含む、ス
タンドアロン型のシステムまたは汎用コンピュータ上で実装される。後者の場合、画像は
好適な画像供給源から取得されなければならないか、または、例えばインターネットを介
してもしくはストレージ媒体とリーダとにより、システムに伝達されなければならない。
画像を取得し、これらの画像を空間的に位置合わせする。係る画像は、他のモダリティの
中でもとりわけMRI、CTスキャン、X線、超音波、光音響を含むがこれらに限定され
ない様々なイメージング技術により生成された画像を含む場合がある。1つの実施形態で
は図示されるように、構造的画像(例えば超音波により生成される)と、機能的画像(例
えば光音響イメージングにより生成される)と、が空間的に位置合わせされる。1つの実
施形態では、複数の光音響画像またはパラメータマップが空間的に位置合わせされる。1
つの実施形態では、システム100により取得される画像が既に空間的に位置合わせ済み
であるため、コレジストレーションサブシステム103は不必要である。1つの実施形態
では、画像は部分的にのみ空間的に位置合わせされる。1つの実施形態では、画像は周知
の境界標識または注記と空間的に位置合わせされる。コレジストレーション技法に関する
さらなる詳細に関してはパラメータマップ出願を参照されたい。
05により受け取られる。図示の実施形態では、診断サポートサブシステム105は画像
および他の出力を、ディスプレイ装置107を介して観察者に提示する能力を有する。1
つの実施形態では、ディスプレイ装置107はビデオモニタ、スクリーン、ホログラフィ
ディスプレイ、プリンタ、または2次元もしくは3次元画像を提示する能力を有する当該
技術分野で周知の他の技術を含む。1つの実施形態では、音響による方法、触覚による方
法、または当該技術分野で周知である他の出力方法が情報を伝達するために使用される。
1つの実施形態では、音響および画像の両方を含むビデオが提示され場合がある。1つの
実施形態では、診断サポートサブシステム105は複数のディスプレイ装置を介して情報
を提示する能力を有する。
たは観察者もしくは他のオペレータからの他の入力を入力装置109を介して受け取る能
力も有する。1つの実施形態では、入力装置105はポインティング装置(例えばマウス
、トラックボール、タッチスクリーン、または他のポインティング装置など)を含む。1
つの実施形態では、入力装置105はキーボード、キーパッド、またはテキスト入力用の
他の装置を含む。1つの実施形態では、入力装置105はマイクロフォンまたは他の音響
入力装置を含む。他の入力装置が使用されてもよい。1つの実施形態では、診断サポート
サブシステム105は複数の入力装置から入力を受け取る能力を有する。
いて重要となる、少なくとも1つの画像の少なくとも1つの特徴を特定する。1つの実施
形態では、オペレータは特徴を特定するために入力を提供する。例えばオペレータは、体
積の構造または他の重要な領域に対応する少なくとも1つの画像内の1つまたは複数のピ
クセルを選択する場合がある。本明細書および以下の請求項の全体を通して使用される「
〜に対応する」という用語は、画像またはパラメータマップの要素が組織体積内の箇所ま
たは領域に関する情報を、空間的に表現すること、または提供することを意味し、この用
語は箇所または領域を推定および近似することを含む。特徴特定について、組織体積内に
おける病変または腫瘍の特定に関する事例を通して、以下でさらに論じる。
る質的解析または量的解析を提供する。1つの実施形態では、オペレータまたは他のユー
ザも、少なくとも1つの特徴に関する質的解析を提供する。1つの実施形態では、システ
ムによる解析の結果と、オペレータの結論と、が比較される。オペレータは、システムに
よる評価の前または後に、追加的入力も提供する場合がある。例えば1つの実施形態では
、オペレータは、システムによる特徴特定を、変更、増強、または修正する。1つの実施
形態では、オペレータはシステムによる評価を確認する。1つの実施形態ではシステムは
、追加的入力を受け取る前に、追加的画像または他の情報をオペレータに表示する。例え
ばシステムは、体積に関する追加的画像(他のモダリティからの画像を含む)、画像特徴
を強調表示または別様に指示する注記、特徴に関する追加的解析、他の組織体積に提示さ
れる特徴の例(例えば画像)、または異なるアルゴリズム、モデル、またはシステムによ
り取得される特徴の評価、を表示する場合がある。
くとも1つの特徴は、病変の複数の特徴を含む特徴ベクトルを含む。1つの実施形態では
、病変の内部領域に対応する画像の内部ゾーンで見出された特徴が評価される。1つの実
施形態では、病変に対して外部に位置する体積の領域に対応する画像の外部ゾーンまたは
外側ゾーンで見出された特徴が評価される。
例では、組織体積の光音響画像は2つの境界曲線を使用して3つの領域に分割される。白
色の「腫瘍」境界曲線は腫瘍の内部領域に対応する画像の内部ゾーンを画定する。1つの
実施形態では、腫瘍の内部領域は腫瘍の中心病巣(central nidus)により
定められる。1つの実施形態では、中心病巣は超音波に対して低エコー性である。内部ゾ
ーンを体積の1つまたは複数の超音波画像上で特定した後、係る超音波画像を、体積の光
音響画像または他のパラメータマップとコレジスタすることができる。
境界曲線も含む。1つの実施形態では、腫瘍境界曲線と腫瘍周縁境界曲線との間の画像部
分は画像の「境界ゾーン」と呼称される。1つの実施形態では2つ以上の境界ゾーンが存
在する場合があり、これらの境界ゾーンは、腫瘍の中心病巣の外部に位置するが中心病巣
に隣接する体積の領域に対応する場合がある。境界ゾーンが必ずしも腫瘍境界曲線の各縁
部に隣接して存在するとは限らない。1つの実施形態では、腫瘍周縁境界曲線と腫瘍境界
曲線とが重なり合い、その場合には別個の境界ゾーンは存在しない。
の領域、すなわち(1)腫瘍の内部に対応する内部ゾーン、(2)腫瘍に隣接する体積の
腫瘍周縁領域に対応する境界ゾーン、および(3)腫瘍の腫瘍領域および腫瘍周縁領域の
両方の外側に位置する体積の領域に対応する周縁ゾーン、に対応する、画像の少なくとも
3つのゾーンを画定するために使用される。特徴ベクトルは、これらのゾーンのうちの1
つまたは複数からの特徴を含み得る。係る特徴は、限定ではなく例示として、病変に関す
る他の可能性のある特徴の中でも、病変の内的血管分布状態、病変の内的脱酸素化、病変
の腫瘍周縁境界の血管分布状態、病変の腫瘍周縁の脱酸素化、内的脱酸素化ブラッシュ、
内的全血量、外的腫瘍周縁放射状血管、および1つまたは複数の干渉アーチファクトの存
在、を含む場合がある。以下でさらに論じるように、1つの実施形態では、これらの特徴
および他の特徴が組織体積の超音波画像、光音響画像、パラメータマップ、または他の空
間表現上に現れて、評価される場合がある。
像またはマップを解析することにより、病変の少なくとも1つの特徴を評価する。1つの
実施形態では、診断サポートサブシステム105は特徴の評価に基づいて質的値または量
的値を提供する。1つの実施形態では、評価される特徴は体積に関連付けられた特徴ベク
トルの一部である。1つの実施形態では特徴の評価は、訓練された特徴グレードまたは別
様に周知の特徴グレードにより、特徴をスコア評価することを含む。
により、病変に関するオペレータによる分類およびコンピュータによる分類を取得し、こ
れらの分類を比較し、コンピュータによる分類とオペレータによる分類とが異なる場合に
診断サポートを提供することが可能となるよう、適応される。1つの実施形態では、コン
ピュータおよびオペレータが同一の分類に到達した場合にも診断サポートは提供される。
積の特徴のベクトルの評価に基づいて行われる。1つの実施形態では、診断サポートサブ
システム105は、特徴ベクトル内の体積の複数の特徴を評価するためのプロセスを通し
て、ユーザを案内する。1つの実施形態では、診断サポートサブシステム105は特徴の
それぞれに関する情報を並列的に(例えばディスプレイ装置107の異なる部分を使用す
ることにより)提示する。ユーザインターフェース例が図6に提供される。1つの実施形
態では、診断サポートサブシステム105は特徴のそれぞれに関する情報を連続的に提示
する。例えば1つの実施形態では、診断サポートサブシステム105は、診断サポートサ
ブシステム105が体積内の各特徴を評価するために使用した体積の画像の部分を強調表
示または別様に注記することを、ディスプレイ装置107に行わせる。次いで診断サポー
トサブシステム105は、特徴に関するユーザの評価または他の入力を要請する場合があ
る。
に到達してもよい。1つの実施形態では、ユーザによる評価が特徴に関するサブシステム
105による評価と異なるかまたは実質的に異なる場合、サブシステム105はユーザに
よる評価に応答して係る注記を表示する。1つの実施形態では、ユーザ入力は、診断サポ
ートサブシステム105が特徴ベクトル内の1つまたは複数の特徴を評価するために使用
した画像のゾーンの修正を含む場合がある。1つの実施形態では例えば、病変の周縁部を
画定するために使用された境界曲線のうちの1つがユーザにより修正または増強されると
、診断サポートサブシステム105は修正された周縁部に基づいて病変の1つまたは複数
の特徴を再評価する場合がある。
るサブシステム105自体による評価をディスプレイ装置107を介してユーザに表示ま
たは別様に提示する。1つの実施形態では診断サポートサブシステム105は、評価を生
成するために解析された画像またはマップの特徴を表示または強調表示し得る。1つの実
施形態では、診断サポートサブシステム105はユーザからの入力に応答してこの情報を
ユーザに提示する。1つの実施形態では、診断サポートサブシステム105がサブシステ
ム105自体による評価を提示した後または提示する前に、ユーザは入力装置109を介
して、特徴に関するユーザ自身による評価を入力する。1つの実施形態では、ユーザによ
る評価がサブシステム105による評価と異なるかまたは実質的に異なる場合、サブシス
テム105はサブシステム105自体による評価を表示する。
有益となり得る他の情報も表示する場合がある。例えばサブシステム105は、(同一の
または異なる組織体積内の)同じ特徴を評価するために内容領域専門家または他の主体が
以前に使用した画像を表示する場合がある。1つの実施形態では、サブシステム105は
、特徴に関するサブシステム105による評価と同様の評価を生成した画像を表示する場
合がある。この実施形態では、サブシステム105は、特徴に関するユーザによる評価と
同様の評価を生成した画像を表示する場合がある。1つの実施形態では、次にサブシステ
ム105は特徴に関する入力をユーザから要請する場合がある。例えば1つの実施形態で
は、サブシステム105は、特徴に関するサブシステム105による評価を確認または変
更することをユーザに求める。
ブシステム105による評価および/またはユーザによる評価に基づいて、病変に対する
特徴ベクトルを計算する。1つの実施形態では、サブシステム105による計算結果がユ
ーザに提示される。1つの実施形態では、係る結果は病変に関して示唆される分類を含む
。1つの実施形態ではユーザは、サブシステム105がサブシステム105による分類を
提示する前または提示した後、病変に関するユーザ自身による分類を入力する。1つの実
施形態では、病変に関するサブシステム105による分類を確認または変更する機会がユ
ーザに与えられる。病変に関するユーザによる分類がサブシステム105による分類と異
なるかまたは実質的に異なる場合、サブシステム105は、追加的情報を提示する場合が
あり、かつ/または追加的なユーザ入力を要請する場合がある。1つの実施形態では、オ
ペレータによる特徴グレードとサブシステムによる特徴グレードとの間の差異がサブシス
テムによる分類が変更されることになる場合にのみ、サブシステム105は、その差異の
追加的情報を提示するか、または、係る追加的ユーザ入力を要請する。
図2を参照すると、診断ベクトル分類サポート方法200の1つの実施形態が全般に図
示される。203において画像は、係る画像の供給源(例えばパラメータマップ出願で説
明されるシステムなどの多モード光音響・超音波システム)から取得される。1つの実施
形態では、画像データは1つの画像を含む場合がある。1つの実施形態では、画像データ
は複数の画像を含む場合がある。本明細書で図示する事例の大部分は2次元の画像または
マップであるが、本明細書で論じられるシステムおよび方法は組織体積の3次元以上の表
現にも適用されてもよい。
いると好都合である。1つの実施形態では、画像データは組織体積の放射線学的情報を含
む。1つの実施形態では、画像データの画像は(これらの画像が各画像のモダリティによ
り描写されるように利用可能なとき)体積内の視認可能な機能的構造または形態学的構造
を描写する。1つの実施形態では、画像データは図4に全般的に反映されるように6つの
画像を含む。
を含む画像410(「超音波」)と、光音響イメージングから導出され、光のより長い主
波長の応答を表現する、画像情報を含む画像420(「長波長画像」)と、光音響イメー
ジングから導出され、光のより短い主波長の応答を表現する、画像情報を含む画像430
(「短波長画像」)と、光音響イメージングから導出された画像情報を含む多モード画像
である3つの画像、すなわち合計ヘモグロビンをパラメータ的に反映する画像440(「
合計ヘモグロビンマップ」)、脱酸素化ヘモグロビンをパラメータ的に反映する画像45
0(「相対的光音響マップ」)、および合計ヘモグロビンをパラメータ的に反映する画像
440を使用してマスクされた脱酸素化ヘモグロビン450をパラメータ的に反映する画
像460(「組み合わせ光音響マップ」)と、を図示する。6つの画像種類に関するより
詳細な説明については、パラメータマップ出願を参照されたい。
1つの実施形態では205において、病変または腫瘍が203で取得された画像内で特
定される。画像内で病変を特定するプロセスは分類のために取得された画像の種類に応じ
て異なる場合がある。1つの実施形態では、概略的に述べるならば目的は病変の外辺部、
および潜在的に周縁部を、可能な限り正確に画定することである。病変外辺部を適切に特
定することは、発見事項が病変に対して外的であるかまたは内的であるかどうかの判定を
支援する。1つの実施形態では、超音波などの形態学的画像が、組織体積内の構造に対応
する特徴を特定するために使用される。次に、係る特徴が形態学的画像をセグメント化す
るために使用される。1つの実施形態では、次に、係るセグメント化が同一体積のコレジ
スタされた空間表現に適用される。
ント化される。1つの実施形態では、セグメント化は、病変の輪郭を描くこと、または別
様に病変の境界を特定すること、を含む。1つの実施形態では、超音波画像(例えば従来
の超音波画像410)内の病変がセグメント化される場合がある。1つの実施形態では、
光音響画像内の病変がセグメント化される場合がある(例えば画像420、430、44
0、450、460)。全般に画像は、セグメント化されるためには十分な情報を含む必
要がある。
により実行される。1つの実施形態では、画像または画像の一部がコンピュータスクリー
ン上に表示され、訓練を受けたオペレータが、画像内に存在するデータに依存して、ディ
スプレイ上で病変の境界を(例えばマウスまたはその他のポインティング装置を描画また
は操作し、それにより境界上または境界付近の少なくとも1つの地点を選択することによ
り)注意深くセグメント化する。1つの実施形態では、複数のコレジスタされた画像がセ
グメント化のための情報の供給源として使用される場合があり、訓練を受けたオペレータ
は、例えば複数の画像および/またはモダリティから得られたデータに依存して、セグメ
ント化を決定することができる。1つの実施形態では第1境界が特定される。1つの実施
形態では、第1境界は図3を参照して説明する腫瘍境界である。
白色曲線を含む。これらの境界は、点、破線、または他の注記によって表現することもで
きる。オペレータが腫瘍境界を例えば超音波画像410上で特定したとしても、診断ベク
トル分類サポートシステムは腫瘍境界を他の画像(例えば画像420、430、440、
450、460)上にも表示することができることに注意すべきである。1つの実施形態
ではオペレータは、境界を注意深く特定するよりもむしろ、病変を大まかに近似する場合
がある(例えば正方形、長方形、三角形、点の不完全な集合、またはフリーハンドによる
略図)。オペレータが係る大まかな近似を行った場合、以下でより詳細に説明するように
、病変の境界は、診断ベクトル分類サポートシステム内に実装されたセグメント化技法を
使用することにより、より正確な推定が可能である。1つの実施形態では、診断ベクトル
分類サポートシステムがユーザによる近似を改良、調節、または別様に変更した場合、ユ
ーザはさらに、診断ベクトル分類サポートシステムによる結果を改良、調節、または別様
に変更することができる。かくして境界の最終的な選択はオペレータに委ねられる。
態では、図示された画像において腫瘍周縁境界を近似する青色曲線も各画像内に見られる
。第1境界の特定に関して上記で論じた技法は、第2境界の特定にも適用され得る。上述
のように、第2境界曲線はこれらの画像のうちの1つ(例えば超音波)のみの上で特定さ
れているが、診断ベクトル分類サポートシステムは第2境界を複数の画像上に表示するこ
とができる。1つの実施形態では第2境界曲線は、第2境界曲線と第1境界曲線との間の
病変周縁領域を画定するために使用される。第1境界の場合と同様に1つの実施形態では
、第2境界は、オペレータにより描画または別様に特定することができ、または概略的(
例えば大まか)に特定された後、コンピュータにより実装されたセグメント化技法の使用
によりさらなる正確化が図られてもよい。1つの実施形態では、第2境界はコンピュータ
化されたプロセスにより自動的に特定される。1つの実施形態では、第2境界は第1境界
との関連で画定される。1つの実施形態では、第2境界は第1境界の外向き法線方向に一
定距離だけ離間する。境界上の所与地点における第1境界の外向き法線方向は、ほとんど
の状況では外向き法線方向が第1境界により囲まれた領域の内部領域から離間する方向に
向けられるよう、当該所与地点において第1境界の接線ベクトルに対して垂直である。
が第2境界を特定したとしても、または診断ベクトル分類サポートシステムが第2境界に
関するユーザによる特定を改良、調節、または別様に変更したとしても、さらにユーザが
、診断ベクトル分類サポートシステムによる結果を改良、調節、または別様に変更するこ
とができる。かくして境界の最終的な選択はオペレータに委ねられる。
)と呼称され、腫瘍境界の外部に位置するが腫瘍周縁境界の内部に位置する領域は腫瘍周
縁ゾーンまたは境界ゾーンと呼称される。腫瘍周縁境界の外側に位置する領域は周縁領域
と呼称される。
像を、表現された腫瘍の内部または中心病巣に対応する内的ゾーンと、表現された腫瘍の
中心病巣に対して外部に位置する表現された体積の領域に対応する外的ゾーンと、にセグ
メント化する。青色「腫瘍周縁」曲線はさらに、外側(または外部)ゾーンを境界(また
は腫瘍周縁)ゾーンおよび周縁ゾーンにセグメント化する。1つの実施形態では、境界ゾ
ーンは、腫瘍の中心病巣に隣接するが腫瘍の中心病巣の外側に位置する、表現された体積
の部分に対応する。1つの実施形態では、境界ゾーンは、その厚さが変動し、腫瘍の表面
の一部に沿っては存在しないこともある。1つの実施形態では、腫瘍周縁境界曲線は、体
積の超音波画像上で特定される厚い低エコー性ハロに対応する。1つの実施形態では周縁
ゾーンは、腫瘍の中心病巣および境界ゾーンの両方の外側に位置する、体積の部分に対応
する。1つの実施形態では、周縁ゾーンは腫瘍に対して外向き法線方向に中心病巣から境
界ゾーンよりもさらに遠位置にある。図3に図示する画像では、厚い黄色線は周縁ゾーン
内の特徴についての注記である。
ゾーン内に含まれる特徴が評価される。1つの実施形態では、ある特徴が特定のゾーン内
に部分的に含まれた場合、その特徴は特定ゾーン内に含まれるものとみなされる。したが
って例えば1つの実施形態では、境界ゾーンの特徴は境界ゾーンから周縁ゾーン内に延長
する場合がある。または組織体積の周縁領域内にあるとみなされる構造は体積の腫瘍周縁
領域に延長し得る。
ーンは、腫瘍が成長し隣接組織に浸潤するゾーンであること、(2)境界ゾーンは、宿主
反応が腫瘍の拡大を阻止しようとするゾーンであること、および、(3)境界ゾーンは、
癌細胞がいくつかの宿主細胞(線維芽細胞およびマクロファージ)を癌細胞へと変換させ
、それにより癌の成長が促進される可能性があるゾーンであること、のために、腫瘍の分
類に関する情報の重要な供給源であるとみなされる。さらに境界ゾーンは、供給のための
動脈と、流出のための静脈とを放射状に広げ、これらが、血液および酸素を腫瘍に供給し
、腫瘍から廃物を除去することを特徴とする場合がある。これらの血管は、寄生された生
体血管である場合もあり、腫瘍新生血管である場合もある。
在し得、係る要因としては、増殖または浸潤する腫瘍細胞、腫瘍新生血管(その大部分が
腫瘍の表面に対して略90度の角度に向く)の豊かな網状組織(これらの新生血管は境界
ゾーンの「ヒゲ」と呼称されることもある)、腫瘍に関連するコラージュIII型繊維(
これらも腫瘍の表面に対して垂直方向に向く)、腫瘍に関連するマクロファージ、腫瘍を
抑制するために送られた生体リンパ球、腫瘍の周囲に壁部を造るために宿主により構築さ
れた、線維形成−線維性組織、異常性の腫瘍血管に由来する液体により生じた浮腫、また
は異常性の腫瘍血管に由来するタンパク質性デブリ、が挙げられる。薄い境界ゾーンまた
はカプセルゾーンは良性病変に対応する一方で、厚いエコー性ハロにより示される厚い境
界ゾーンは浸潤性病変に対応する場合がある。
巣および周囲の正常な組織の両方からエコー反射性の点で異なるため、超音波画像上で境
界ゾーンを特定することができる。エコー反射性は組織の機械的特性とみなすことができ
る。コレジスタされた光音響画像の特徴も、いくつかの場合では境界ゾーンの特定を支援
する場合がある。例えば、いくつかの光音響画像は、良性領域と比較すると、悪性病変の
境界ゾーン(またはカプセルゾーン)において差異を示す。悪性病変が「境界ゾーン・ヒ
ゲ」と呼称される垂直に向く短い腫瘍新生血管を有する傾向を有する一方で、良性病変は
、境界ゾーンまたは被膜血管がまったく存在しない状態を示すか、またはほとんどの悪性
血管のより垂直に向くものではなく、腫瘍もしくはカプセルの表面に対して平行に向く長
い湾曲した血管を有するか、のいずれかの傾向を有する。被膜血管は、中心病巣の外側縁
部に近接するか、または係る外側縁部に接触する傾向を有する。境界ゾーン血管は、より
短くなる傾向を有し、且つ方向がより垂直となる傾向を有する。いくつかの場合では、被
膜血管は中心病巣の約1〜3mm内にある場合がある。他の場合では、被膜血管は中心病
巣からさらに遠位置に見られる場合がある。末梢血管も境界ゾーンよりも遠位置に見られ
る場合がある。末梢血管は全般的に中心病巣には触れず、境界ゾーンに対しては触れる場
合もあり、触れない場合もある。末梢血管は全般的に中心病巣の表面に対して略垂直な方
向に中心病巣から放射状に広がる。可能性のある境界ゾーン・ヒゲの例が図5ではオレン
ジ色線で注記される。可能性のある放射状血管の例が図5では黄色線で注記される。
れた境界曲線が計算または別様に取得される。この場合、境界ゾーンは、外側境界により
画定されるゾーンから、内側境界により画定されるゾーンを、差し引くことにより画定す
ることができる。1つの実施形態では、取得された第1境界および第2境界は、病変の内
部および周縁部の1部分のみを画定する場合がある。例えば1つの実施形態では、第1境
界および第2境界は病変の上方部分のみ、すなわちセンサに近い病変の部分のみ、を画定
する。係る実施形態は、病変全体が画像のそれぞれにおいて現れていない場合には、また
は病変の一定の深さよりも深い場所では入手可能な情報が減少することにより境界を特定
するための詳細が十分に見出されない場合には、必然的に生じてしまう。
得される場合がある。1つの実施形態では、開かれた境界曲線は、その端点を接続するこ
とにより閉じることができる。閉じられた曲線が図3におけるように腫瘍境界を表現する
実施形態では、開かれた境界曲線を腫瘍境界に接続するために様々な方法を使用すること
ができる。例えば1つの実施形態では、開かれた境界曲線から腫瘍境界まで接続曲線を描
画するために画像コンテキストが使用される。1つの実施形態では接続線が、境界曲線の
各端点から腫瘍境界曲線の最も近い点まで描画される。1つの実施形態では接続線が、腫
瘍境界曲線と直角に交わる境界曲線の各端点から描画される。腫瘍境界曲線上の複数の点
がこれらの条件を満たす場合、端点から最近位または最遠位にある点、腫瘍の中心から最
近位または最遠位にある点、腫瘍の表面に対して最も垂直な接続線を作る点、を含む接続
点が様々な方法で選択される場合がある。
境界曲線が取得される実施形態では、腫瘍境界曲線は、その端点を接続することまたは当
該技術分野で周知の他の技法により閉じることができ、次いで上述の1つまたは複数の技
法を適用することができる。1つの実施形態では腫瘍周縁境界曲線の各端点に対して、線
が、腫瘍境界曲線の最も近い端点まで描画される。1つの実施形態では、接続点を選択す
るために画像コンテキストを使用することができる。当該技術分野で周知の他の技法を適
用することも可能である。1つの実施形態では、第1接続線は上述の1つまたは複数の技
法を使用して描画され、次いで、直線状の接続線を修正するために画像コンテキストが使
用され、その結果、係る直線状の接続線が接続曲線となる場合がある。
1つの実施形態では207において、解析および入力のために画像データがオペレータ
に表示される。1つの実施形態では上述のように、画像データはセグメント化のために表
示される場合がある。1つの実施形態では、画像データは、セグメント化の後、曲線、点
線、強調表示、または画像をセグメント化するために使用された1つまたは複数の境界を
示す他の注記とともに、表示または再表示される。1つの実施形態では、オペレータはこ
の時点で入力装置109を介して1つまたは複数の境界曲線を調節する場合がある。
より表示される。1つの実施形態では、画像データは上述のように体積の複数のコレジス
タされた画像を含む場合がある。1つの実施形態では、同一の組織体積または異なる組織
体積に由来する特徴表現の例が比較のために表示される。1つの実施形態では、同一患者
の以前のイメージングに由来する特徴が、進行または動向を解析するために表示される。
例えば同一患者の以前のイメージングを、腫瘍の分類、成長、血管分布状態、全血量、お
よび他の特徴を含む癌などの疾患の進行を追跡するために表示することができる。1つの
実施形態では、様々なグレード評価またはスコア評価を示す特徴の標準的な例が示される
。1つの実施形態では、画像データは図6に示す画像的なユーザインターフェースを介し
て表示される。1つの実施形態では以下でさらに説明するように、画像データは腫瘍の分
類および/または画像特徴に関する評価、再評価、およびオペレータ入力のために表示さ
れる。
1つの実施形態では、画像セグメント化(205)が完了すると、ただちに分類は、コ
ンピュータによって生成される分類(211)により、オペレータによる分類(221)
により、またはその両方により、実施される場合がある。1つの実施形態では、画像デー
タは、コンピュータによる分類/グレード評価が実施される場合がある(211)前に、
オペレータに対して表示(207)される必要はない。
される場合がある。1つの実施形態では、病変の内部領域および周縁領域が病変の分類の
ために使用される場合がある。1つの実施形態では、複数の特徴は序数尺度などの尺度を
使用してグレード評価される場合がある。1つの実施形態では、別個にグレード評価され
た特徴から形成された1つのベクトルは、有望な分類または診断に対応する。1つの実施
形態では、複数の可能性のある特徴ベクトルが単一の分類を示唆することができる。
な特徴、すなわち、
1)内的血管分布状態および脱酸素化、
2)腫瘍周縁境界ゾーンの血管分布状態および脱酸素化、
3)内的脱酸素化ブラッシュ、
4)内的全血量、
5)外的腫瘍周縁放射状血管、および、
6)干渉アーチファクト、
を序数尺度で査定することにより、実施される。1つの実施形態では、これら6つの特定
的な特徴は0〜5の序数尺度でグレード評価される。1つの実施形態では、1つまたは複
数の特徴が0〜6の序数尺度でグレード評価される。これらの特徴スコアの特定的なベク
トルが、特定の病変分類と相関することが示されている。1つの実施形態では、特徴グレ
ードを合計すると、合計内的スコア、合計外的スコア、および/または合計全体スコア、
が求められる。1つの実施形態では、2側面(two−sided)の正確なヨンキー・
タプストラ検定が、増加するスコア(内的、外的、合計)と、より高い癌のグレードと、
の間の関係を検定するために使用される。
加えて、または係る特徴に代わって、内的、腫瘍周縁、および周縁の、
a)血管分布状態、
b)血管分布の密度、
c)脱酸素化、
d)斑点、
e)ブラッシュ、
f)ヘモグロビンの量、
g)血液の量、
h)酸素化血液と脱酸素化血液の比、
i)血中酸素飽和度、
j)全血量蓄積量、および
k)干渉アーチファクトの量、
を含むがこれらに限定されない、他の特徴もグレード評価することができる。
m)腫瘍の表面に対して実質的に平行方向に向く血管の量、
n)腫瘍の表面に対して実質的に垂直方向に向く血管の量、
o)血管の長さ、および、
p)血管の真直度、
を含むがこれらに限定されない追加的な特徴も、腫瘍周縁領域および周縁領域において評
価することができる。
r)浸潤する腫瘍細胞の量、
s)腫瘍に関連するマクロファージの量、
t)腫瘍により影響されている生体細胞の量、
u)リンパ球の量、
v)線維形成の量、
w)浮腫の量、
x)タンパク質性デブリの量、
y)境界ゾーンの厚さ、および、
z)腫瘍の表面に対して実質的に垂直方向に向く腫瘍に関連するコラージュIII型繊
維の量、
を含むがこれらに限定されない追加的な腫瘍周縁特徴も評価することができる。
bb)放射状静脈の量、
を含むがこれらに限定されない追加的な周縁部特徴も評価することができる。1つの実施
形態では、上述の特徴のうちの一部または全部をグレード評価することに加えて、分子指
標もグレード評価される。
1つの実施形態では、221において、オペレータ(一般的に放射線専門医)は、病変
に関連する画像データが提示され、病変に関連する1つまたは複数の特徴に対するスコア
を入力するよう促される。1つの実施形態では、1つの画像を含む画像データがユーザに
提示される。1つの実施形態では、画像データは複数の画像を含む場合がある。画像デー
タが複数の画像から構成される実施形態では、複数の画像はコレジスタされていると好都
合である。1つの実施形態では、画像データは組織体積の放射線学的情報を含む。1つの
実施形態では、画像データの画像は(これらの画像が各画像のモダリティにより描写され
る際に)体積内の視認可能な機能的構造または形態学的構造を描写する。1つの実施形態
では、画像データは図4に全般的に反映されるように6つの画像を含む。1つの実施形態
では、画像データは、図3および図5に示すように、体積の1つまたは複数の画像上に重
ね合わされた境界曲線および/または他の注記を含む。
ィカル・ユーザ・インターフェース(「GUI」)を提示される。1つの実施形態では、
GUIは特徴グレード評価のためのインターフェースを含む。図6に図示する実施形態で
は、特徴グレード評価のためのインターフェースはGUIのボトム部分に沿って配置され
、ユーザは病変に関連する6つの特徴のそれぞれに対するグレードを入力することができ
る(7つ以上の特徴または5つ以下の特徴に対するグレードが求められてもよい)。1つ
の実施形態では、オペレータはこのインターフェースを介して病変の1つまたは複数の特
徴のグレードを入力する場合がある。1つの実施形態では、オペレータは0〜5の尺度(
他の尺度が使用されてもよい)で1つまたは複数の特徴に対する序数グレードを選択また
は入力する。1つの実施形態ではシステムは、システムおよび/または他のユーザにより
以前に実施された解析に基づいて、1つまたは複数の推奨される特徴グレードをオペレー
タに提示する。1つの実施形態では、オペレータは推奨された特徴グレードを確認または
変更することができる。1つの実施形態では、ユーザ入力のフォーカスを変更するために
、オペレータは、特定の特徴に対する入力の受け取りのための専用のスクリーンのエリア
上をクリックしてもよく、または特徴入力の間で選定してもよい。
たは複数のグレードを示す画像例も提示される。図6に図示する実施形態では、画像例は
、GUIの右部分に沿って見られ、0〜5の序数グレードを示す。1つの実施形態では、
画像例は特徴に対する可能性のあるグレードを示す病変を図示する。画像例は現在の患者
または他の被験者から以前に収集された画像データを含む場合がある。1つの実施形態で
は、画像例は、(同一のまたは別の組織体積内の)同一の特徴を評価するために内容領域
専門家または他のユーザが以前に使用した画像を含む。1つの実施形態ではシステムは、
特徴に関してシステムにより計算されたグレードにマッチするスコアまたは係るグレード
と同様のスコアを生成した画像を表示する。係る実施形態ではシステムは、オペレータに
より入力された特徴に関するグレードにマッチするスコアまたは係るグレードと同様のス
コアを生成した画像を表示する。1つの実施形態では、画像例は特徴グレードの理想化さ
れた表現を示す図面を含む。1つの実施形態では、画像例は、病変の1部分(例えばグレ
ード評価される特徴に関連する部分など)のみを示す。例えば内的断酸素化ブラッシュに
関して、画像例は病変例に対して内的であるエリアのみを示す場合がある。または画像例
はブラッシュを示す内的エリアの部分のみを示す場合がある。1つの実施形態では、示さ
れる画像例は、システムが現在グレードを探している特定の特徴(すなわち、現在フォー
カスされている特徴)に依存する。1つの実施形態では、オペレータは、示される画像例
のうちの1つをクリックまたは別様に選択することより、現在フォーカスされている特徴
のグレードを示す場合がある。1つの実施形態では、示される画像例は、オペレータがグ
レード評価のために異なる特徴を選定または別様に選択すると、それに応じて変わる。1
つの実施形態では、同一の画像例が使用されるが、注記(例えば強調表示など)が現在フ
ォーカスされている特徴に関連する情報を強調するために加えられる。
る。1つの実施形態では、係るガイドラインは、以下で図7〜図12を参照してさらに例
示するように、画像例または基準画像に基づく場合がある。本明細書で議論される基準画
像およびガイドラインは説明的な例である。他種類の画像、ガイドライン、および特徴が
使用されてもよい。
基準画像を示す。例示的な実施形態では、グレード0は内的血管が存在しないことにより
特徴付けられ、グレード1は、1つのみの赤色血管(脱酸素化ヘモグロビンを運ぶ血管を
指す)を有する2つまでの内的血管により特徴付けられ、グレード2は、分岐を有する2
つまでの内部血管により特徴付けられ(分岐の全部または大部分が緑色(酸素化されたヘ
モグロビンを運ぶ血管を指す)である)、グレード3は内的斑点により特徴付けられ(内
的緑色および赤色の斑点の量は実質的に等しく、外的斑点の量よりも少ない)、グレード
4は適度の内的斑点により特徴付けられ(内的赤色斑点の量は内的緑色斑点の量よりも大
きく、内的赤色斑点の量は外的赤色斑点の量よりも大きい)、グレード5は複数の内的赤
色血管により特徴付けられる。
像を図示する。例示的な実施形態では、グレード0は内的血管が存在しないことにより特
徴付けられ、グレード1は最少の内的斑点により特徴付けられ(斑点の全部が緑色である
)、グレード2は軽度な内的斑点により特徴付けられ(緑色斑点および赤色斑点は実質的
に等しく、赤色斑点および緑色斑点の両方の合計は外部斑点の量より少ないかまたは等し
い)、グレード3は軽度な内的斑点により特徴付けられ(内的赤色斑点の量は内的緑色斑
点の量よりも多く、赤色斑点および緑色斑点の両方の合計は外部斑点の量より少ないかま
たは等しい)、グレード4は適度の内的斑点により特徴付けられ(内的赤色斑点の量は内
的緑色斑点の量よりも大きく、内的赤色斑点の量は外的赤色斑点の量よりも多い)、グレ
ード5は内的ゾーンをほぼ充填する内的赤色ブラッシュにより特徴付けられる。
基準画像を図示する。例示的な実施形態では、グレード0は内的血管が存在しないことに
より特徴付けられ、グレード1は最少の内的ヘモグロビン(外的ヘモグロビンよりも少な
いかまたは等しい)により特徴付けられ、グレード2は最少個数の内的個別血管により特
徴付けられ(内的血管分布状態は外部血管分布状態に実質的に等しい)、グレード3は適
度な個数の内的個別血管により特徴付けられ(内的血管分布状態は外部血管分布状態に実
質的に等しい)、グレード4は多数の大きい内的血管により特徴付けられ(内的血管分布
状態は外部血管分布状態よりも大きい)、グレード5は、内的ゾーンをほぼ充填する、多
数の大きく且つ不均一な血管により特徴付けられる。
に対する基準画像を図示する。例示的な実施形態では、グレード0は被膜血管が存在しな
いことにより特徴付けられ(血管は腫瘍の表面に対して平行に向く)、グレード1は少な
くとも1つの緑色血管を有する2つまでの被膜血管により特徴付けられ、グレード2は、
通常の先細りする、鋭角的な分岐を有し、大部分が緑色である、2つまでの被膜血管によ
り特徴付けられ、グレード3は境界ゾーン斑点により特徴付けられ(緑色斑点および赤色
斑点は実質的に等しく、赤色境界ゾーン斑点および緑色境界ゾーン斑点の両方の合計は外
部斑点の量よりも少ないかまたは等しい)、グレード4は境界ゾーン斑点により特徴付け
られ(赤色斑点の量は緑色斑点の量よりも多く、境界ゾーン赤色斑点の量は外部赤色斑点
の量よりも多い)、グレード5は、3つ以上の赤色境界ゾーン血管により特徴付けられ、
グレード6は境界ゾーンブラッシュにより特徴付けられる。
を図示する。例示的な実施形態では、グレード0は腫瘍周縁血管が存在しないことにより
特徴付けられ、グレード1は、少なくとも1つの緑色血管を有する2つまでの腫瘍周縁血
管により特徴付けられ、グレード2は、ランダム方向に向く(ただし病変の表面に対して
垂直方向に放射状でない)3つ以上の腫瘍周縁血管により特徴付けられ、グレード3は1
つまたは2つの放射状の腫瘍周縁血管により特徴付けられ、グレード4は、病変の1つの
側部における3つ以上の放射状血管により特徴付けられ、グレード5は、病変の2つ以上
の側部における3つ以上の放射状血管により特徴付けられる。
る基準画像を図示する。例示的な実施形態では、グレード0は顕著なアーチファクトが存
在しないことにより特徴付けられ、グレード1は、グレードとは干渉しない最少のアーチ
ファクトにより特徴付けられ、グレード2はグレードとは干渉しない適度なアーチファク
トにより特徴付けられ、グレード3はグレードに干渉する適度なアーチファクトにより特
徴付けられ、グレード4はグレードに干渉する重大なアーチファクトにより特徴付けられ
、グレード5は画像の解釈を不可能にする重大なアーチファクトにより特徴付けられる。
られた入力に基づいて変更される。1つの実施形態では、ユーザに提示される画像データ
は現在フォーカスされている特徴に基づいて変更または注記される。例えばシステムによ
り特定された干渉アーチファクトが強調表示されてもよく、または腫瘍周縁境界上で示さ
れた放射状血管が注記されてもよい。
1つの実施形態では、オペレータは病変分類のためのインターフェースを提示される。
1つの実施形態では、221でオペレータ(一般的に放射線専門医)は、画像データを提
示され、分類を入力するよう促される。1つの実施形態ではオペレータは、選択された分
類に対してテキストまたは略号を入力することにより、病変の分類を入力する。1つの実
施形態では、オペレータはドロップ・ダウン・メニューから分類を選択する。他のデータ
入力方法が当該技術分野で周知であり、使用されてもよい。1つの実施形態では、システ
ムは、オペレータにより入力された複数の特徴グレードに基づいて病変の1つまたは複数
の可能性のある分類を提示する。1つの実施形態では、システムは、システムおよび/ま
たは他のユーザにより以前に実施された解析に基づいて病変の1つまたは複数の可能性の
ある分類を提示する。1つの実施形態では、オペレータは、システムにより示唆された病
変分類を、選択、確認、または変更することが可能である。
1つの実施形態では、211で診断ベクトル分類・サポートシステムは、グレード評価
することができる複数の特徴のうちの1つまたは複数に対する予測値を決定する場合があ
る。1つの実施形態では、診断ベクトル分類・サポートシステムは上述の6つの特定的な
特徴に対する予測値を決定する場合がある。様々な異なる手法が採用される場合がある。
1つの実施形態では、画像処理または他の技法が、上述のオペレータによる分類およびグ
レード評価技法の一部または全部を再現するために使用される。1つの実施形態では、係
る技法は、異なる手段により同一または同様の結果に到達するために適用される。1つの
実施形態では、係る技法は異なる目的のために適用される。以下で論じる技法は説明的な
例である。他種類の技法も使用される場合がある。
使用される。係る画像はこのセクションでは処理済み画像と呼称される。処理済み画像は
、特徴検出に先だって、1つまたは複数の好適なフィルタによりフィルタ処理される場合
がある。1つの実施形態では、1つの好適なフィルタは平滑化フィルタである。1つの実
施形態では、1つの好適なフィルタは形状検出フィルタであり、これによって、1つのピ
クセルが、検出されるべき形状により取り囲まれている場合、当該フィルタは結果的に当
該ピクセルに対する強度が高くなり、1つのピクセルが検出されるべき形状により取り囲
まれていない場合、フィルタ処理された画像において生成される強度は低くなる。1つの
実施形態では、形状検出フィルタは血管を検出するよう最適化される。1つの実施形態で
は、形状フィルタは方向性を有するか、または係るさらなる方向性情報(例えば直線また
は血管の角度など)を含む場合がある。腫瘍周縁領域から周縁領域へと放射状に広がる放
射状血管は、腫瘍周縁境界を通過し、第2境界に対して接線方向よりもむしろ垂直方向に
向く傾向を有する場合があるため、方向性フィルタがこの状況を検出するために使用され
る場合がある。1つの実施形態では、2つ以上の形状フィルタを使用することができる。
酸素化は処理済み酸素化画像から決定される場合がある。このように血管分布状態に関す
る特徴は処理済みヘモグロビン画像から見出される場合がある。酸素化に関する特徴は処
理済み酸素化画像から見出される場合がある。最終的に、合計ヘモグロビンをパラメータ
的に反映する画像を使用してマスクされた脱酸素化ヘモグロビンをパラメータ的に反映す
る組み合わせ画像(例えば画像460)が、血管の酸素化に関する特徴グレードを予測す
るために、処理済み酸素化画像に代わって、または処理済み酸素化画像に加えて、使用さ
れる場合がある。
決定するために、内的領域、周縁領域、および周縁部に隣接する外的領域が使用される場
合がある。
ピクセルの量を判定することにより測定される。1つの実施形態では、脱酸素化ブラッシ
ュのグレードは、合計すると閾値を越える脱酸素化を反映するピクセルの個数の計算する
結果として、または、重み付けられた合計として、決定される場合がある。1つの実施形
態では、脱酸素化ブラッシュのグレードは、脱酸素化を反映する、または閾値を越える脱
酸素化を反映する、内部領域のピクセルの総個数の比率(例えばパーセンテージ)の結果
として決定される場合がある。
用する場合がある。1つの実施形態では、パラメータ画像オーバーレイ(画像460に示
される)は、1つの機能的決定(すなわち脱酸素化ヘモグロビンの濃度)を含むエリアを
示すために赤色を使用することができ、異なる機能的決定(すなわち酸素化ヘモグロビン
の濃度を含むエリア)を示すために緑色を使用することができる。1つの実施形態では、
赤色ピクセルの個数および緑色ピクセルの個数が、例えば内的脱酸素化ブラッシュのグレ
ード評価などの病変分類で使用される場合がある。例えば1つの実施形態では、内的赤色
ピクセルおよび内的緑色ピクセルの個数の重み付きバージョン(各ピクセルの赤色の度合
いまたは緑色の度合いに関する情報を含む)は、合計内的赤色度(閾値よりも赤色度が大
きいピクセルの重み付き合計)、合計内的緑色度(閾値よりも赤色度が大きいピクセルの
重み付き合計)、および/または合計内的測定規準(全ピクセルの重み付き合計、緑色の
正の重み、および赤色の負の重み)を生成するために使用される場合がある。内的赤色ピ
クセルと内的緑色ピクセルの比、または合計赤色度と合計緑色度の比が、内的脱酸素化ブ
ラッシュのグレード評価において使用される場合がある。
を実行することにより計算される場合がある。
る場合がある。1つの実施形態では、他の分子指標を、光音響画像をもたらす刺激的応答
を生成する異なる主波長または追加的な主波長を使用することにより決定することができ
る。
る分子)測定規準に基づいて決定される絶対コントラスト(または以下で議論するように
、相対的コントラスト)に適用される場合がある。1つの実施形態では関心領域はコント
ラストを改善するために使用される場合がある。病変の近位にある、または病変の上方に
位置する関心領域を使用すること(「Statistical Mapping in
an Optoacoustic Imaging System」を発明の名称とする
2013年3月11日に出願された米国特許出願第13/793,808号で全般に説明
されるように)により、内的、周縁部、および外的なパラメータ画像データのカラライゼ
ーションをカラライゼーションに依存する上述の技法の適用に対してより好適にする場合
がある。したがって上述の特徴評価技法は組織の統計的特性に基づいて相対的コントラス
トに適用され得る。相対的コントラストが使用される場合、上述の重み付けを基準レベル
に対して決定することができる。1つの実施形態では基準レベルがゼロの重みに対応する
場合がある。1つの実施形態では1(+1)およびマイナス1(−1)の重みは、基準レ
ベルより大きい値または基準レベルより小さい値に対応する場合がある。1つの実施形態
では、単位重み付け規模(+1または−1)に対応する画像振幅は、一定であってもよく
、または組織の統計的特性に基づいてもよい(例えば関心領域の標準偏差に比例)。代表
的な実施形態では+1は、K標準偏差に等しい基準レベルより小さい画像強度を有するピ
クセルに対応する。1つの実施形態では基準レベルは関心領域の平均である場合がある。
ーブレットパケットドメインなどのパターン分類ドメインに変換される。パターン分類ド
メインの空間係数が係るフィルタ内における特徴の存在をいつ示すかを示す演繹的な知識
が、アルゴリズムのトレーニング段階により習得される場合がある。1つの実施形態では
、係る技法は、パターンクラスタを発見して分類器(classifier)を生成する
ために、サポートベクトルマシン(SVM)もしくは他の同様の方法、または別の技法を
使用する。したがって係る特徴が画像内に存在することはピクセル毎に空間的に定量化さ
れる場合があり、画像セグメントの画定された境界内での係る定量化された測定の発生を
計数するための方法が、画像の当該ゾーンにおける特徴を査定するために使用される場合
がある。
は血管を例えば模倣する場合があるためである。1つの実施形態では、縞状アーチファク
トを抑制するために、または係るアーチファクトをフィルター除去するために、フィルタ
が用いられる場合がある。1つの実施形態では検出された係るアーチファクトの量は、フ
ィルタにより定量化され、上記の技法において判断基準として使用される場合がある。1
つの実施形態では反復的復元処理(iterative reconstruction
processing)が、縞状アーチファクトを除去するために使用される場合があ
る。画像からアーチファクトを除去するための多数の他の技法が当該技術分野で周知であ
り、当業者は適用することができる。
、
1)内的血管分布状態および脱酸素化:スコアは第1境界内のヘモグロビン画像におい
て検出された血管に基づき、これらの血管の酸素化の度合いは酸素化画像に由来する。1
つの実施形態では、組み合わせ画像(例えば図4、460)が使用される場合がある。1
つの実施形態では、血管検出器が使用される場合がある。1つの実施形態では、血管分布
状態はヘモグロビン量から推測される場合がある。1つの実施形態では、スコアは組み合
わせ画像内における赤色度と緑色度との比率に関連する。
2)腫瘍周縁境界ゾーンの血管分布状態および脱酸素化:スコアは腫瘍周縁境界内(す
なわち第1境界と第2境界との間)のヘモグロビン画像において検出された血管に基づき
、これらの血管の酸素化の度合いは酸素化画像に由来する。1つの実施形態では、組み合
わせ画像(例えば図4、460)が使用される場合がある。1つの実施形態では、血管検
出器が使用される場合がある。1つの実施形態では、血管分布状態はヘモグロビン量から
推測され得る。1つの実施形態では、スコアは組み合わせ画像内における赤色度と緑色度
との比率に関連する。
3)内的脱酸素化ブラッシュ:スコアは内的領域に対して上述のように酸素化画像から
決定される。1つの実施形態では、スコアは処理済み酸素化マップ(例えば図4、450
)の赤色ピクセルのパーセンテージに関連する。
4)内的全血量:スコアは内的領域において上述のようにヘモグロビン画像強度または
血管検出画像から決定される。1つの実施形態では、スコアは処理済みヘモグロビンマッ
プ(例えば図4、440)を使用して閾値を越える内的ピクセルのパーセンテージに関連
する。
5)外的腫瘍周縁放射状血管:スコアは腫瘍周縁境界上で検出される放射状血管から決
定される。1つの実施形態では、スコアは外部境界の近位に位置する方向性フィルタ処理
が施されたヘモグロビン画像の合計に関連する。なお境界に対して垂直方向付近の係る血
管は高いスコアが付与され、他の特徴は抑制される。
6)干渉アーチファクト:スコアは上述のように決定される。1つの実施形態では、ア
ーチファクトはスコア評価の前に除去され、したがって干渉アーチファクトのスコアはゼ
ロである。
のうちの1つまたは複数を使用することができる。
1つの実施形態では、被膜血管/境界ゾーン血管の存在は、0〜6の序数尺度でスコア評
価される。1つの実施形態では、序数尺度に対する特徴は複雑なロジックを伴い、係るロ
ジックは、特定の状況における序数尺度をランク評価することを記述するための条件付き
ステートメント(例えば「if」)を含み、上述のように2つ以上の係る測定規準を使用
することができる。
分類ベクトルは、病変に対する分類の予測に対応する。1つの実施形態では分類ベクトル
は、特徴に対するコンピュータスコアと、試料の分布に対する組織学的データデータと、
を比較することにより、経験的に決定される。この経験的方法を使用して、分布に対する
概要を表現する分類ベクトルを、新しい分類器および組織学的情報が利用可能になるにつ
れて更新することができる。
1つの実施形態では、231において、ユーザから受け取られた分類が、システムによ
り計算された分類と比較される。1つの実施形態では、これらの分類が異なるか、その差
異が閾値を越えた場合、235において診断サポートがユーザに提供される。1つの実施
形態では、オペレータの生成による分類およびコンピュータの生成による分類が、同一で
あるか、またはその差異が閾値を越えない場合、オペレータによる特徴分類が241で出
力される。1つの実施形態では診断サポートは、オペレータの生成による分類とコンピュ
ータの生成による分類とがすでに同一である場合でさえも、提供される。
ムにより計算された特徴グレードと比較することができる。これらの特徴グレードが異な
るか、またはその差異が閾値を越えた場合、235において診断サポートがユーザに提供
される場合がある。1つの実施形態では診断サポートは、オペレータの生成によるグレー
ドおよびコンピュータの生成によるグレードがすでに同一である場合でさえも、提供され
る。1つの実施形態では、オペレータの生成によるグレードおよびコンピュータの生成に
よるグレードが同一であるかまたはその差異が閾値を越えない場合、241においてオペ
レータによる特徴グレードが出力される。オペレータの生成による特徴グレードと、コン
ピュータの生成による特徴グレードと、の差異が、結果的に生成される腫瘍の分類に影響
を及ぼさない実施形態では、診断サポートは提供されず、方法は241に進行する。
ること、追加的入力をユーザから要請すること、またはその両方を、含む場合がある。1
つの実施形態では、ユーザを特定の情報に対して集中させるために、より少ない情報がユ
ーザに提示される。
たは特徴グレードと異なるか、または実質的に異なる実施形態では、システムは追加的な
画像データ、画像例、または他の情報をユーザに提示する。例えば1つの実施形態ではシ
ステムは、システムによる分類またはグレード評価の基礎となった情報を強調するために
、表示された画像データを、強調表示または別様に注記する。1つの実施形態ではシステ
ムは、オペレータの注意を、システムによる分類またはグレード評価の基盤となった情報
に集中させるために、画像データのサブセットまたは一部を表示する。1つの実施形態で
は、システムは追加的画像をオペレータに表示する。例えば1つの実施形態では、システ
ムは上述の画像例を表示する。1つの実施形態では、システムは追加的画像データをオペ
レータに表示する。
り計算された分類または特徴グレードと異なるか、または実質的に異なる場合、システム
はオペレータからの追加的入力を要請する。係る要請は、追加的情報をオペレータに提示
する前、提示した後、提示する間、または係る提示を実行する代わりに、行われる場合が
ある。例えば1つの実施形態では、オペレータは病変の1つまたは複数の特徴をグレード
評価または再グレード評価するよう、求められる。1つの実施形態では、オペレータは、
オペレータによる特徴のグレード評価の基盤となった画像の部分を選択するよう、求めら
れる。1つの実施形態では、オペレータは、画像の第1境界曲線または第2境界曲線およ
び/またはセグメント化を、確認、変更、または増強するよう、求められる。1つの実施
形態では、オペレータは、オペレータによる分類または特徴グレードがシステムにより計
算された分類または特徴グレードと異なるかどうかに関わらず、係る追加的情報を提供す
る場合がある。1つの実施形態では、システムは、オペレータによる分類または特徴グレ
ードがシステムにより計算された分類または特徴グレードと異なるかどうかに関わらず、
係る追加的情報を要請する。1つの実施形態では、オペレータはシステムによる要請の有
無に関わらず、係る追加的情報を提供し得る。
病変の分類を、オペレータにより提供された任意の追加的情報(例えば変更された境界、
画像セグメント化、または特徴グレード)に基づいて再評価する場合がある。次いでシス
テムは、追加的画像データを再び表示するか、またはオペレータからの追加的入力を要請
する場合がある。
ペレータによる分類または特徴グレードを確認する場合がある。1つの実施形態では、再
確認により、241において、方法は、確認された結論を返して停止する。1つの実施形
態では、方法が、確認された値を返して停止する前に、システムは2つ以上の確認または
再確認を要求する。
よる分類または特徴グレードを変更すると、方法は231に戻り、変更された分類または
特徴グレードがシステムにより計算された分類または特徴グレードと比較される。変更さ
れたオペレータによる分類または特徴グレードが、ここで計算された分類または特徴グレ
ードと一致するか、または実質的に一致した場合、241において、方法は、変更された
オペレータによる分類または特徴グレードを返して終了する。
たは複数を確認し、それにより、231において、積極的な比較が実施され、241にお
いて、確認された分類または特徴グレードを返して終了する。
さらなる例示的な実施形態について、***のしこりに関する構造的特徴および機能的特
徴を同時に査定するために診断用超音波とコレジスタされた光音響(OA)二重エネルギ
ーレーザ技術を使用する研究を参照して、以下で説明する。OAでは薬剤の注入は不必要
であり、放射線は利用されない。光音響装置およびその特徴の説明はパラメータマップ出
願に見出だすことができる。
用するかについての新しい方法およびシステムに関する研究を実施した。1つの実施形態
では、6つの特定的なOA特徴が0〜5の序数尺度、すなわち、
1)内的血管分布状態および脱酸素化、
2)腫瘍周縁境界ゾーンの血管分布状態および脱酸素化、
3)内的脱酸素化ブラッシュ、
4)内的全血量、
5)外的腫瘍周縁放射状血管、および、
6)干渉アーチファクト、
を使用して査定された。
ー(CT)、ランダムフォレスト(RF)、およびk近傍法(KNN)を使用して実施さ
れた。10−分割交差検証が使用された。なお66の場合が10の群にランダムに分割さ
れた。次いで分類規則を開発するために、各群が66の観察から取り除かれ、分類器が残
余の群に対して訓練された。次にこの規則が除去された群に対して適用された。以上が1
0回反復された後、各観察は、当該観察を使用して以前は開発されなかった分類器により
割り当てられた。
各方法による感度および特異度の査定が以下の表にまとめられている。KNNおよびS
VMの性能が最良である一方で、LRの性能が最悪であった。しかしこれらの結果は5つ
の解析全部に対して一貫しており、好適であった。感度は95%〜100%の範囲であり
、特異度の範囲は52%〜79%であった。調査研究の結果は、生検を控える可能性(b
iopsy−sparing potential)をOAイメージングに対して裏付け
る。
おいて臨床的に有効な感度および特異度を達成したことを示唆する。
解析の結果、特徴の集合が得られ、この特徴の集合は、データ(IDCおよびFAのみ
が検査された)を3つのクラスタ(クラスタ#1はFAであり、クラスタ#2はIDC−
GR1であり、クラスタ#3はIDC−GR2、IDC−GR3(および少数のILC−
GR2)である)に振り分けることができる。一般に、これはStavros博士により
提案された規則と一致する。このレポートは、さらにその解析を公式化し、またはルール
セットの使用に対する、さらなる洞察を提供する場合がある。
特徴は選択され、ランク評価(値1〜5)された。使用されたランク評価判断基準が図
13に図示される。どの判断基準が2つのクラスを区別するにあたり重要であるかを決定
するために、解析が、FAおよびIDC−GR1、IDC−GR2、およびIDC−GR
3の患者に対して実施された。matlab anova analysisツールが使
用された。結果は非公式なフォーマットで提示される。
データには80名の患者が含まれた。これら80名の患者のうち、まだグレード評価さ
れていない(未完成)の患者が13名いた。80名のうち、28名のFA、3名のILC
、および48名のIDCがいた。51名が悪性、29名が良性であった。悪性に対して、
11名のGR1、18名のGR2、および22名のGR3がいた。実現可能性調査で遭遇
される他種類の病変に由来するデータは、この解析に対する入力のためにスプレッドシー
ト上でまだグレード評価されておらず、したがって解析されなかった。
図14は特徴の分散図を図示する。各ドットは患者を表現する。赤色ドットは良性患者
である。良性の患者は画像の底部左側に集まっている。x軸は特徴ベクトルc2に基づく
スコアを表現する。y軸は特徴ベクトルc1に基づくスコアを表現する。各特徴ベクトル
は、重みがANOVA解析により解決された特徴の組み合わせを表現する。特徴ベクトル
c1およびc2が図15に図示される。図2bでは、異常値の患者IDが図示される。
布状態、低い内的ブラッシュ、低い内的血液を含み、それにより少量の包囲血管分布状態
が可能であるかどうか、を検出する。これらの特徴の組み合わせが主に存在する場合、c
2スコアは、FAとIDCとの間で選択するならば、診断がIDC−GR3でない可能性
が高いことを示すであろう。特徴ベクトルc2はANOVA解析から決定された最良より
2番目の予測であった。一方、特徴ベクトルc2は、IDC−GR1をx軸上で良性とは
別に集めることも可能である。
ッシュ(内的ブラッシュはグラフにおいて最も大きく重み付けられている)、顕著な包囲
血管分布状態、および大量の内的血液を含むかどうかを検出する。特徴ベクトルc1上で
スコアが低い場合、IDC−GR1およびIDC−GR2、ならびにILC−GR2を、
FAおよびIDC−GR1(y軸)のカテゴリーから分離することができる。
解析の結果、特徴の集合が得られ、この特徴の集合は、データ(IDCとFAとの間で
選択する場合)を、3つのクラスタ(クラスタ#1はFAであり、クラスタ#2はIDC
−GR1であり、クラスタ#3はIDC−GR2、IDC−GR3、およびILC−GR
2である)に振り分けることができる。一般に、これはStavros博士により提案さ
れた規則と一致する。賞賛情報がこの解析において得られ得る。
場合がある。
状態、低い内的ブラッシュ、低い内的血液を含み、それにより少量の包囲血管分布状態が
可能となる場合、患者を、IDC−GR1を他のクラスと区別するクラスにグループ化す
ることができる。主に以下、すなわち任意の内的ブラッシュ(内的ブラッシュはグラフに
おいて最も大きい重みが付与される)、顕著な包囲血管分布状態、および大量の内部血液
を含む患者画像を、他のクラスからIDC−GR1を区別するクラスにグルーブ化するこ
とができる。
超音波特徴はこの解析では考慮されなかった。多くの場合、超音波特徴は、異なる病変
を区別し、いかなる状況下で光音響特徴が適用可能となるかを決定するために、必要とな
りる場合がある。
って前述の代表的な実施形態および事例により限定されないことを、認識するであろう。
換言すると、ハードウェアおよびソフトウェアまたはファームウェアの様々な組み合わせ
において、単一または複数の構成要素(またはサブシステム)によって実行される機能的
要素、および個々の機能は、クライアントレベルまたはサーバーレベルもしくはその両方
で、ソフトウェアアプリケーション間で分散されてもよい。この点に関して、本明細書で
説明された異なる実施形態の任意個数の特徴は、単一の実施形態または複数の実施形態へ
と組み合わされる場合があり、本明細書で説明した特徴の全部よりも少数の特徴または多
数の特徴を有する代替的な実施形態も可能である。機能はまた、全体的にまたは部分的に
、現在周知の手法または将来周知となる手法で、複数の構成要素間に分散される場合があ
る。したがって無数のソフトウェア/ハードウェア/ファームウェアの組み合わせが、本
明細書で説明される機能、サブシステム、特徴、インターフェース、および選好を達成す
る上で可能である。さらに本開示の範囲は、本開示で説明される特徴ならびに機能および
インターフェースを達成するための従来から周知の手法を含むとともに、現在または将来
において当業者に理解されるであろう、本明細書に説明されるハードウェアもしくはソフ
トウェアまたはファームウェアの構成要素に加えられる場合があるこれらの変化例および
変形例も含む。
となく、当業者に明らかになるであろう。本発明が、本明細書に説明される特定の実施形
態および実施例により不当に限定されることは意図されるところではないこと、および係
る実施形態および実施例が、本発明を例示するためにのみ提示されたものであり、本発明
の範囲が本明細書に添付の請求項によってのみ限定されることを、理解すべきである。し
たがって、本発明について、本発明の好適な実施形態を参照して具体的に図示および説明
したが、本発明の趣旨および範囲から逸脱することなく、形態および詳細において様々な
変更が本発明においてなされる場合があることが当業者により理解されるであろう。
Claims (41)
- 低エコー性中心病巣を有する腫瘍を含む組織体積の光音響画像の1つまたは複数の特徴
をグレード評価することにおいてサポートを提供するための方法であって、
前記組織体積の超音波画像を取得することであって、前記超音波画像が、前記低エコー
性中心病巣の少なくとも1部分、および腫瘍周縁領域の少なくとも1部分を表現する、超
音波画像を取得することと、
前記組織体積の光音響画像を取得することであって、前記光音響画像が、前記超音波画
像とコレジスタされ、且つ前記低エコー性中心病巣の前記部分の少なくとも1部分、およ
び前記腫瘍周縁領域の前記部分の少なくとも1部分を表現する、光音響画像を取得するこ
とと、
前記腫瘍の前記低エコー性中心病巣の外辺部の少なくとも1部分を近似する腫瘍境界曲
線を前記超音波画像上で特定することと、
前記腫瘍の前記腫瘍周縁領域の周縁部の少なくとも1部分を近似する腫瘍周縁境界曲線
を前記超音波画像上で特定することであって、前記腫瘍周縁領域の前記周縁部の外側部分
は前記腫瘍の前記低エコー性中心病巣の前記外辺部から空間的に離間し、前記腫瘍周縁境
界曲線の少なくとも1部分は、前記腫瘍周縁領域の前記周縁部の前記外側部分の少なくと
も1部分に対応し、前記腫瘍境界曲線から空間的に離間する、腫瘍周縁境界曲線を前記超
音波画像上で特定することと、
前記腫瘍境界曲線および前記腫瘍周縁境界曲線が前記光音響画像上で重ね合わされた状
態で、前記光音響画像の少なくとも1部分をディスプレイ上に提示することと、
前記腫瘍境界曲線および前記腫瘍周縁境界曲線に基づく境界ゾーンを前記表示された画
像内で画定し、前記腫瘍の前記腫瘍周縁領域の前記部分の少なくとも1部分に対応するこ
とと、
前記境界ゾーン内に少なくとも部分的に含まれる、少なくとも1つの腫瘍周縁特徴に対
するオペレータによる特徴スコアを取得することと、
前記境界ゾーン内に含まれる情報に少なくとも部分的に基づいて、前記少なくとも1つ
の腫瘍周縁特徴に対する1つまたは複数のコンピュータの生成による特徴スコアをコンピ
ュータにより計算することと、
前記オペレータによる特徴スコアが、前記1つまたは複数のコンピュータの生成による
特徴スコアのうちの少なくとも1つと異なる場合、1つまたは複数の補助的入力を前記オ
ペレータから取得することと、
前記オペレータによる特徴スコアに基づいて、前記少なくとも1つの腫瘍周縁特徴に対
するグレードを決定することと、
を含む方法。 - 改定された腫瘍境界曲線および改定された腫瘍周縁境界曲線のうちの少なくとも1つを
前記オペレータから取得し、それにより前記境界ゾーンを変更することと、
前記境界ゾーン内に含まれる情報に少なくとも部分的に基づいて、前記少なくとも1つ
の腫瘍周縁特徴に対する前記1つまたは複数のコンピュータの生成による特徴スコアをコ
ンピュータにより再計算することと、
をさらに含む、請求項1に記載の方法。 - 前記1つまたは複数の補助的入力のうちの少なくとも1つが、改定された腫瘍境界曲線
および改定された腫瘍周縁境界曲線のうちの少なくとも1つであり、それにより前記境界
ゾーンを変更し、
前記境界ゾーン内に含まれる情報に少なくとも部分的に基づいて、前記少なくとも1つ
の腫瘍周縁特徴に対する前記1つまたは複数のコンピュータの生成による特徴スコアをコ
ンピュータにより再計算することと、
前記オペレータによる特徴スコアが、前記1つまたは複数のコンピュータの生成による
特徴スコアのうちの少なくとも1つと異なる場合、前記1つまたは複数の補助的入力を前
記オペレータから再取得することと、
をさらに含む、請求項1に記載の方法。 - 前記1つまたは複数の補助的入力のうちの少なくとも1つが、前記オペレータによる特
徴スコアに対する改変であり、前記オペレータによる特徴スコアが、前記1つまたは複数
のコンピュータの生成による特徴スコアのうちの少なくとも1つと異なる場合、前記1つ
または複数の補助的入力を前記オペレータから再取得することをさらに含む、請求項1に
記載の方法。 - 前記1つまたは複数の補助的入力のうちの少なくとも1つは前記オペレータによる特徴
スコアの確認である、請求項1に記載の方法。 - 前記1つまたは複数の補助的入力のうちの少なくとも1つが、オペレータの画定による
特徴ゾーンであり、
前記オペレータの画定による特徴ゾーン内に含まれる情報に少なくとも部分的に基づい
て、前記少なくとも1つの腫瘍周縁特徴に対する前記1つまたは複数のコンピュータの生
成による特徴スコアをコンピュータにより再計算することと、
前記オペレータによる特徴スコアが、前記1つまたは複数のコンピュータの生成による
特徴スコアのうちの少なくとも1つと異なる場合、前記1つまたは複数の補助的入力を前
記オペレータから再取得することと、
をさらに含む、請求項1に記載の方法。 - 前記境界ゾーンが、前記光音響画像の再検討に基づいて変更される、請求項3に記載の
方法。 - 前記境界ゾーンが、前記超音波画像の再検討に基づいて変更される、請求項3に記載の
方法。 - 前記境界ゾーンが、前記超音波画像および前記光音響画像の再検討に基づいて変更され
る、請求項3に記載の方法。 - a)組織の他の体積において提示される前記少なくとも1つの腫瘍周縁特徴のうちの1
つの1つまたは複数の例と、
b)前記体積の1つまたは複数の追加的画像と、
c)前記表示された画像の1つまたは複数のエリアを強調表示し、それにより、前記1
つまたは複数のコンピュータの生成による特徴スコアのうちの少なくとも1つがそれに基
づいて計算された、前記表示された画像の少なくとも1部分を示すことと、
d)前記超音波画像と、
e)前記1つまたは複数のコンピュータの生成による特徴スコアのうちの少なくとも1
つと、
からなる集合から選択される、少なくとも1つの出力を含む追加的情報を前記オペレー
タに表示すること、
をさらに含む、請求項1に記載の方法。 - 前記腫瘍境界曲線に基づく内的ゾーンを前記表示された画像内で画定し、前記腫瘍の前
記低エコー性中心病巣の前記部分の前記部分の少なくとも1部分を近似することと、
前記腫瘍の前記低エコー性中心病巣内に含まれる少なくとも1つの内的特徴に対するグ
レードを決定するために、前記内的ゾーン内に含まれる前記表示された画像の少なくとも
1部分を評価することと、
をさらに含む、請求項1に記載の方法。 - 前記少なくとも1つの内的特徴グレードおよび前記少なくとも1つの腫瘍周縁特徴グレ
ードに基づいて、前記腫瘍の分類を特定することをさらに含む、請求項11に記載の方法
。 - 前記腫瘍の前記低エコー性中心病巣に対して外部に位置し且つ前記腫瘍の前記腫瘍周縁
領域に対して少なくとも部分的に外部に位置する少なくとも1つの周縁部特徴に対するグ
レードを決定するために、前記内的ゾーンの外側および前記境界ゾーンの外側に含まれる
前記表示された画像の1部分を評価することをさらに含む、請求項11に記載の方法。 - 前記少なくとも1つの内的特徴グレードと、前記少なくとも1つの腫瘍周縁特徴グレー
ドと、前記少なくとも1つの周縁部特徴グレードと、に基づいて前記腫瘍の分類を特定す
ることをさらに含む、請求項13に記載の方法。 - 前記少なくとも1つの腫瘍周縁特徴は、
a)血管分布状態と、
b)酸素化と、
c)斑点と、
d)ブラッシュと、
e)ヘモグロビンの量と、
f)血液の量と、
g)酸素化血液と脱酸素化血液との比と、
h)増殖する腫瘍細胞の量と、
i)浸潤する腫瘍細胞の量と、
j)腫瘍に関連するマクロファージの量と、
k)前記腫瘍により影響されている生体細胞の量と、
l)リンパ球の量と、
m)線維形成の量と、
n)浮腫の量と、
o)タンパク質性デブリの量と、
p)腫瘍新生血管の量と、
q)前記腫瘍の表面に対して実質的に平行方向に向く血管の量と、
r)前記腫瘍の表面に対して実質的に垂直方向に向く血管の量と、
s)血管の長さと、
t)血管の真直度と、
u)境界ゾーンの厚さと、
v)前記腫瘍の表面に対して実質的に垂直方向に向く腫瘍に関連するコラージュIII
型繊維の量と、
w)干渉アーチファクトの量と、
からなる集合から選択される、請求項1に記載の方法。 - 前記腫瘍周縁境界曲線の少なくとも1部分は前記腫瘍の低エコー性ハロに対応する、請
求項1に記載の方法。 - 前記少なくとも1つの内的特徴は、
a)血管分布状態と、
b)酸素化と、
c)斑点と、
d)ブラッシュと、
e)ヘモグロビンの量と、
f)血液の量と、
g)酸素化血液と脱酸素化血液との比と、
h)干渉アーチファクトの量と、
からなる集合から選択される、請求項11に記載の方法。 - 前記少なくとも1つの周縁部特徴は、
a)血管分布状態と、
b)酸素化と、
c)斑点と、
d)ブラッシュと、
e)ヘモグロビンの量と、
f)血液の量と、
g)酸素化血液と脱酸素化血液との比と、
h)放射状動脈の量と、
i)放射状静脈の量と、
j)腫瘍新生血管の量と、
k)前記腫瘍の表面に対して実質的に平行方向に向く血管の量と、
l)前記腫瘍の表面に対して実質的に垂直方向に向く血管の量と、
m)血管の長さと、
n)血管の真直度と、
o)干渉アーチファクトの量と、
からなる集合から選択される、請求項13に記載の方法。 - 中心病巣と、前記中心病巣の近位にある腫瘍周縁領域と、を有する腫瘍を評価するため
の方法であって、
前記腫瘍を含む組織体積の少なくとも1部分の光音響画像をディスプレイ上で提示する
ことと、
前記腫瘍の前記腫瘍周縁領域の少なくとも1部分を近似する前記光音響画像の境界ゾー
ンを前記ディスプレイ上で特定することと、
前記境界ゾーン内に少なくとも部分的に含まれる少なくとも1つの腫瘍周縁特徴に対す
る特徴スコアをオペレータから取得することと、
前記少なくとも1つの腫瘍周縁特徴に対する1つまたは複数のコンピュータの生成によ
る特徴スコアをコンピュータにより計算することであって、前記1つまたは複数のコンピ
ュータの生成による特徴スコアが前記境界ゾーン内に含まれる情報に少なくとも部分的に
基づく、コンピュータにより計算することと、
前記オペレータによる特徴スコアが、前記1つまたは複数のコンピュータの生成による
特徴スコアのうちの少なくとも1つと異なる場合、1つまたは複数の補助的入力を前記オ
ペレータから取得することと、
前記オペレータによる特徴スコアに基づいて、前記少なくとも1つの腫瘍周縁特徴に対
するグレードを取得することと、
を含む方法。 - 改定された境界ゾーンをオペレータから取得することと、
前記少なくとも1つの腫瘍周縁特徴に対する前記1つまたは複数のコンピュータの生成
による特徴スコアをコンピュータにより再計算することであって、前記1つまたは複数の
コンピュータの生成による特徴スコアが、前記改定された境界ゾーン内に含まれる情報に
少なくとも部分的に基づく、コンピュータにより再計算することと、
をさらに含む、請求項19の方法。 - 前記1つまたは複数の補助的入力のうちの少なくとも1つが、改定された境界ゾーンで
あり、
前記少なくとも1つの腫瘍周縁特徴に対する前記1つまたは複数のコンピュータの生成
による特徴スコアをコンピュータにより再計算することであって、前記1つまたは複数の
コンピュータの生成による特徴スコアが、前記改定された境界ゾーン内に含まれる情報に
少なくとも部分的に基づく、コンピュータにより再計算することと、
前記オペレータによる特徴スコアが、前記1つまたは複数のコンピュータの生成による
特徴スコアのうちの少なくとも1つと異なる場合、前記1つまたは複数の補助的入力を前
記オペレータから再取得することと、
をさらに含む、請求項19に記載の方法。 - 前記1つまたは複数の補助的入力のうちの少なくとも1つが、前記オペレータによる特
徴スコアに対する改変であり、前記オペレータによる特徴スコアが、前記1つまたは複数
のコンピュータの生成による特徴スコアのうちの少なくとも1つと異なる場合、前記1つ
または複数の補助的入力を前記オペレータから再取得することをさらに含む、請求項19
に記載の方法。 - 前記1つまたは複数の補助的入力のうちの前記少なくとも1つは前記オペレータによる
特徴スコアの確認である、請求項19に記載の方法。 - 前記1つまたは複数の補助的入力のうちの前記少なくとも1つはオペレータの画定によ
る特徴ゾーンであり、
前記オペレータの画定による特徴ゾーン内に含まれる情報に少なくとも部分的に基づい
て、前記少なくとも1つの腫瘍周縁特徴に対する前記1つまたは複数のコンピュータの生
成による特徴スコアをコンピュータにより再計算することと、
前記オペレータによる特徴スコアが、前記1つまたは複数のコンピュータの生成による
特徴スコアのうちの少なくとも1つと異なる場合、前記1つまたは複数の補助的入力を前
記オペレータから再取得することと、
をさらに含む、請求項19に記載の方法。 - 中心病巣と、前記中心病巣の近位にある腫瘍周縁領域と、を有する腫瘍を分類すること
に対してサポートを提供するための方法であって、
前記腫瘍を含む組織体積の少なくとも1部分の光音響画像をディスプレイ上で提示する
ことと、
前記腫瘍の前記中心病巣の少なくとも1部分を近似する前記光音響画像の内的ゾーンを
前記ディスプレイ上で特定することと、
前記腫瘍の前記中心病巣内に含まれる少なくとも1つの内的特徴に対するグレードを決
定するために、前記内的ゾーン内に含まれる前記光音響画像の少なくとも1部分を評価す
ることと、
前記腫瘍の前記腫瘍周縁領域の少なくとも1部分を近似する前記光音響画像の境界ゾー
ンを前記ディスプレイ上で特定することと、
前記腫瘍の前記腫瘍周縁領域内に少なくとも部分的に含まれる少なくとも1つの腫瘍周
縁特徴に対するグレードを決定するために、前記境界ゾーン内に含まれる前記光音響画像
の少なくとも1部分を評価することと、
前記腫瘍の前記中心病巣に対して外部に位置し、且つ前記腫瘍の前記腫瘍周縁領域に対
して少なくとも部分的に外部に位置する、少なくとも1つの周縁部特徴に対するグレード
を決定するために、前記内的ゾーンの外側および前記境界ゾーンの外側に含まれる前記光
音響画像の1部分を評価することと、
前記少なくとも1つの内的特徴グレードと、前記少なくとも1つの腫瘍周縁特徴グレー
ドと、前記少なくとも1つの周縁部特徴グレードと、に基づいて、前記腫瘍の分類を特定
することと、
を含み、
グレードを決定することが、
前記少なくとも1つの特徴に対する1つまたは複数のコンピュータの生成による特徴ス
コアをコンピュータにより計算することと、
前記少なくとも1つの特徴に対するオペレータによる特徴スコアを取得することと、
前記1つまたは複数のコンピュータの生成による特徴スコアのうちの少なくとも1つと
、前記オペレータによる特徴スコアと、を比較することと、
を含む、
方法。 - 前記中心病巣が低エコー性であり、
前記組織体積の超音波画像を取得することであって、前記超音波画像が前記光音響画像
とコレジスタされ、且つ前記腫瘍を含む前記組織体積の前記部分の少なくとも1部分を表
現する超音波画像を取得することと、
前記腫瘍の前記低エコー性中心病巣の外辺部の少なくとも1部分を近似する腫瘍境界曲
線を前記超音波画像上で特定することと、
前記腫瘍の前記腫瘍周縁領域の周縁部の少なくとも1部分を近似する腫瘍周縁境界曲線
を前記超音波画像上で特定することであって、前記腫瘍周縁領域の前記周縁部の外側部分
が、前記腫瘍の前記低エコー性中心病巣の前記外辺部から空間的に離間し、前記腫瘍周縁
境界曲線の少なくとも1部分が、前記腫瘍周縁領域の前記周縁部の前記外側部分の少なく
とも1部分に対応し、且つ前記腫瘍境界曲線から空間的に離間する、前記超音波画像上で
特定することと、
前記腫瘍境界曲線および前記腫瘍周縁境界曲線に基づいて、前記光音響画像内で前記境
界ゾーンを画定することと、
をさらに含む、請求項25に記載の方法。 - 追加的入力を前記オペレータから受け取ることであって、前記追加的入力が、
a)前記腫瘍境界曲線に対する修正と、
b)前記腫瘍境界曲線に対する追加と、
c)前記腫瘍周縁境界曲線に対する修正と、
d)前記腫瘍周縁境界曲線に対する追加と、
e)前記1つまたは複数のコンピュータの生成による特徴スコアのうちの少なくとも1
つの確認と、
f)前記オペレータによる特徴スコアの確認と、
g)前記オペレータによる特徴スコアの改変と、
h)オペレータによる特徴スコアを通知した前記光音響画像のエリアの表示と、
からなる集合から選択される少なくとも1つの入力を含む、追加的入力を前記オペレータ
から受け取ることをさらに含む、請求項25に記載の方法。 - 前記腫瘍周縁境界曲線が、前記光音響画像の再検討に基づいて修正される、請求項27
に記載の方法。 - 前記腫瘍周縁境界曲線が、前記超音波画像の再検討に基づいて修正される、請求項27
に記載の方法。 - 前記腫瘍周縁境界曲線が、前記光音響画像および前記超音波画像の両方の再検討に基づ
いて修正される、請求項27に記載の方法。 - 追加的情報を前記オペレータに表示することであって、前記追加的情報は、
a)他の組織体積において提示される前記少なくとも1つの特徴のうちの1つの1つま
たは複数の例と、
b)前記体積の1つまたは複数の追加的画像と、
c)前記光音響画像の1つまたは複数のエリアを強調表示し、それにより、前記1つま
たは複数のコンピュータの生成による特徴スコアのうちの少なくとも1つがそれに基づい
て計算された、前記光音響画像の少なくとも1部分を示すことと、
d)前記超音波画像と、
e)前記1つまたは複数のコンピュータの生成による特徴スコアのうちの少なくとも1
つと、
からなる集合から選択される少なくとも1つの出力を含む、追加的情報を前記オペレータ
に表示することをさらに含む、請求項26に記載の方法。 - 前記少なくとも1つの腫瘍周縁特徴が、
a)血管分布状態と、
b)酸素化と、
c)斑点と、
d)ブラッシュと、
e)ヘモグロビンの量と、
f)血液の量と、
g)酸素化血液と脱酸素化血液との比と、
h)増殖する腫瘍細胞の量と、
i)浸潤する腫瘍細胞の量と、
j)腫瘍に関連するマクロファージの量と、
k)前記腫瘍により影響されている生体細胞の量と、
l)リンパ球の量と、
m)線維形成の量と、
n)浮腫の量と、
o)タンパク質性デブリの量と、
p)腫瘍新生血管の量と、
q)前記腫瘍の表面に対して実質的に平行方向に向く血管の量と、
r)前記腫瘍の表面に対して実質的に垂直方向に向く血管の量と、
s)血管の長さと、
t)血管の真直度と、
u)境界ゾーンの厚さと、
v)前記腫瘍の表面に対して実質的に垂直方向に向く腫瘍に関連するコラージュIII
型繊維の量と、
w)干渉アーチファクトの量と、
からなる集合から選択される、請求項25に記載の方法。 - 前記腫瘍周縁境界曲線の少なくとも1部分は前記腫瘍の低エコー性ハロに対応する、請
求項32に記載の方法。 - 前記少なくとも1つの内的特徴は、
a)血管分布状態と、
b)酸素化と、
c)斑点と、
d)ブラッシュと、
e)ヘモグロビンの量と、
f)血液の量と、
g)酸素化血液と脱酸素化血液との比と、
h)干渉アーチファクトの量と、
からなる集合から選択される、請求項25に記載の方法。 - 前記少なくとも1つの周縁部特徴は、
a)血管分布状態と、
b)酸素化と、
c)斑点と、
d)ブラッシュと、
e)ヘモグロビンの量と、
f)血液の量と、
g)酸素化血液と脱酸素化血液との比と、
h)放射状動脈の量と、
i)放射状静脈の量と、
j)腫瘍新生血管の量と、
k)前記腫瘍の表面に対して実質的に平行方向に向く血管の量と、
l)前記腫瘍の表面に対して実質的に垂直方向に向く血管の量と、
m)血管の長さと、
n)血管の真直度と、
o)干渉アーチファクトの量と、
からなる集合から選択される、請求項25に記載の方法。 - 中心病巣を有する腫瘍を含む組織体積の光音響画像の1つまたは複数の特徴をグレード
評価することにおいてサポートを提供するための方法であって、
前記組織体積の超音波画像を取得することであって、前記超音波画像が、前記中心病巣
の少なくとも1部分と、腫瘍周縁領域の少なくとも1部分とを表現する、超音波画像を取
得することと、
前記組織体積の光音響画像を取得することであって、前記光音響画像が、前記超音波画
像とコレジスタされ、且つ前記中心病巣の前記部分の少なくとも1部分と、前記腫瘍周縁
領域の前記部分の少なくとも1部分と、の光学的コントラストを表現する光音響画像を取
得することと、
前記腫瘍の前記中心病巣の外辺部の少なくとも1部分を近似する腫瘍境界曲線を前記超
音波画像上で特定することと、
前記腫瘍の前記腫瘍周縁領域の周縁部の少なくとも1部分を近似する腫瘍周縁境界曲線
を前記超音波画像上で特定することであって、前記腫瘍周縁領域の前記周縁部の外側部分
が、前記腫瘍の前記中心病巣の前記外辺部から空間的に離間し、前記腫瘍周縁境界曲線の
少なくとも1部分は、前記腫瘍周縁領域の前記周縁部の前記外側部分の少なくとも1部分
に対応し、前記腫瘍境界曲線から空間的に離間する、腫瘍周縁境界曲線を前記超音波画像
上で特定することと、
前記腫瘍境界曲線および前記腫瘍周縁境界曲線が前記光音響画像上に重ね合わされた状
態で、前記光音響画像の少なくとも1部分をディスプレイ上に提示することと、
を含む方法。 - 中心病巣と、前記中心病巣の近位にある腫瘍周縁領域と、を有する腫瘍を評価するため
の方法であって、
前記腫瘍を含む組織体積の少なくとも1部分の光音響画像をディスプレイ上で提示する
ことと、
前記腫瘍の前記腫瘍周縁領域の少なくとも1部分を近似する前記光音響画像の境界ゾー
ンを前記ディスプレイ上で特定することと、
前記境界ゾーン内に少なくとも部分的に含まれる少なくとも1つの腫瘍周縁特徴に対す
る特徴スコアをオペレータから取得することと、
前記境界ゾーン内に少なくとも部分的に含まれる前記少なくとも1つの腫瘍周縁特徴に
対する少なくとも1つの追加的特徴スコアを取得することと、
前記オペレータによる特徴スコアと、前記少なくとも1つの追加的特徴スコアと、を比
較することと、
前記オペレータによる特徴スコアが、前記少なくとも1つの追加的特徴スコアのうちの
少なくとも1つと異なる場合、1つまたは複数の補助的入力を前記オペレータから取得す
ることと、
前記オペレータによる特徴スコアに基づいて、前記少なくとも1つの腫瘍周縁特徴に対
するグレードを決定することと、
を含む方法。 - 前記少なくとも1つの腫瘍周縁特徴に対する前記少なくとも1つの追加的特徴スコアで
あって、前記境界ゾーン内に含まれる情報に少なくとも部分的に基づく前記少なくとも1
つの追加的特徴スコアをコンピュータにより計算すること、
をさらに含む、請求項37に記載の方法。 - 前記少なくとも1つの追加的特徴スコアが、別のオペレータから取得される、請求項3
7に記載の方法。 - 中心病巣を有する腫瘍を含む組織体積の光音響画像を使用して病変を分類することにお
いてサポートを提供するための方法であって、
前記組織体積の超音波画像を取得することであって、前記超音波画像が、前記中心病巣
の少なくとも1部分と、腫瘍周縁領域の少なくとも1部分とを表現する、超音波画像を取
得することと、
前記組織体積の光音響画像を取得することであって、前記光音響画像が、前記超音波画
像とコレジスタされ、且つ前記中心病巣の前記部分の少なくとも1部分と、前記腫瘍周縁
領域の前記部分の少なくとも1部分と、の光学的コントラストを表現する光音響画像を取
得することと、
前記腫瘍の前記中心病巣の外辺部の少なくとも1部分を近似する腫瘍境界曲線を前記超
音波画像上で特定することと、
前記腫瘍境界曲線が前記光音響画像上に重ね合わされた状態で、前記光音響画像の少な
くとも1部分をディスプレイ上で提示することと、
前記腫瘍境界曲線に基づいて、前記表示された画像内で内的ゾーンを画定すること、
前記内的ゾーン内に含まれる腫瘍特徴に対するオペレータによる特徴スコアをオペレー
タから取得することと、
前記内的ゾーンの少なくとも部分的に外側に含まれる腫瘍外特徴に対するオペレータに
よる特徴スコアを前記オペレータから取得することと、
前記表示された画像の前記内的ゾーン内に含まれる情報に少なくとも部分的に基づいて
、前記腫瘍特徴に対する1つまたは複数のコンピュータの生成による特徴スコアをコンピ
ュータにより計算することと、
前記表示された画像の前記内的ゾーンの外側に含まれる情報に少なくとも部分的に基づ
いて、前記腫瘍外特徴に対する1つまたは複数のコンピュータの生成による特徴スコアを
コンピュータにより計算することと、
前記オペレータによる特徴スコアのうちのいずれか1つが、前記対応する少なくとも1
つのコンピュータの生成による特徴スコアと異なる場合、1つまたは複数の補助的入力を
前記オペレータから取得することと、
前記オペレータによる特徴スコアに基づいて、前記病変を分類することと、
を含む方法。 - 中心病巣を有する腫瘍を含む組織体積の光音響画像を使用して病変を分類することにお
いてサポートを提供するための方法であって、
前記組織体積の超音波画像を取得することであって、前記超音波画像が、前記中心病巣
の少なくとも1部分と、腫瘍周縁領域の少なくとも1部分とを表現する、超音波画像を取
得することと、
前記組織体積の光音響画像を取得することであって、前記光音響画像が、前記超音波画
像とコレジスタされ、且つ前記中心病巣の前記部分の少なくとも1部分と、前記腫瘍周縁
領域の前記部分の少なくとも1部分と、の光学的コントラストを表現する、光音響画像を
取得することと、
前記腫瘍の前記中心病巣の外辺部の少なくとも1部分を近似する腫瘍境界曲線を前記超
音波画像上で特定することと、
前記腫瘍境界曲線が前記光音響画像上に重ね合わされた状態で、前記光音響画像の少な
くとも1部分をディスプレイ上で提示することと、
前記腫瘍境界曲線に基づいて、前記表示された画像内で内的ゾーンを画定することと、
前記病変に対する分類をオペレータから取得することと、
前記表示された画像の前記内的ゾーン内に含まれる情報に少なくとも部分的に基づいて
、前記腫瘍特徴に対する1つまたは複数のコンピュータの生成による特徴スコアをコンピ
ュータにより計算することと、
前記表示された画像の前記内的ゾーンの外側に含まれる情報に少なくとも部分的に基づ
いて、前記腫瘍外特徴に対する1つまたは複数のコンピュータの生成による特徴スコアを
コンピュータにより計算することと、
前記腫瘍外特徴に対する少なくとも前記1つまたは複数のコンピュータの生成による特
徴スコアと、前記腫瘍特徴に対する前記少なくとも1つまたは複数のコンピュータの生成
による特徴スコアと、に基づいて、前記病変に対する1つまたは複数のコンピュータの生
成による分類を決定することと、
前記オペレータによる分類が、前記病変に対する前記1つまたは複数のコンピュータの
生成による分類のうちの全部と異なる場合、1つまたは複数の補助的入力を前記オペレー
タから取得することと、
前記病変に対する前記オペレータによる分類に基づいて、前記病変を分類することと、
を含む方法。
Applications Claiming Priority (6)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US201361799213P | 2013-03-15 | 2013-03-15 | |
US61/799,213 | 2013-03-15 | ||
US201361810238P | 2013-04-09 | 2013-04-09 | |
US61/810,238 | 2013-04-09 | ||
US201361898392P | 2013-10-31 | 2013-10-31 | |
US61/898,392 | 2013-10-31 |
Related Parent Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2016501312A Division JP2016515019A (ja) | 2013-03-15 | 2014-03-11 | 診断ベクトル分類サポートのためのシステムおよび方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2019088838A true JP2019088838A (ja) | 2019-06-13 |
JP6743202B2 JP6743202B2 (ja) | 2020-08-19 |
Family
ID=51580782
Family Applications (2)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2016501312A Pending JP2016515019A (ja) | 2013-03-15 | 2014-03-11 | 診断ベクトル分類サポートのためのシステムおよび方法 |
JP2019007937A Active JP6743202B2 (ja) | 2013-03-15 | 2019-01-21 | 診断ベクトル分類サポートのためのシステムおよび方法 |
Family Applications Before (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2016501312A Pending JP2016515019A (ja) | 2013-03-15 | 2014-03-11 | 診断ベクトル分類サポートのためのシステムおよび方法 |
Country Status (11)
Country | Link |
---|---|
US (5) | US9398893B2 (ja) |
EP (1) | EP2973405A4 (ja) |
JP (2) | JP2016515019A (ja) |
KR (1) | KR20150131018A (ja) |
AU (1) | AU2014237034A1 (ja) |
BR (1) | BR112015021807A2 (ja) |
CA (1) | CA2902161C (ja) |
IL (1) | IL240653A0 (ja) |
MX (1) | MX2015012569A (ja) |
SG (1) | SG11201506836YA (ja) |
WO (1) | WO2014150578A1 (ja) |
Families Citing this family (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US11311270B2 (en) | 2015-07-02 | 2022-04-26 | Siemens Healthcare Gmbh | Intervolume lesion detection and image preparation |
US10458895B2 (en) * | 2016-06-06 | 2019-10-29 | Case Western Reserve University | Predicting response to pemetrexed chemotherapy in non-small cell lung cancer (NSCLC) with baseline computed tomography (CT) shape and texture features |
EP3488366B1 (en) * | 2016-07-22 | 2022-01-05 | Case Western Reserve University | Methods and apparatus for predicting benefit from immunotherapy using tumoral and peritumoral radiomic features |
JP6661787B2 (ja) * | 2016-11-11 | 2020-03-11 | 富士フイルム株式会社 | 光音響画像評価装置、方法およびプログラム並びに光音響画像生成装置 |
US11100633B2 (en) * | 2018-06-13 | 2021-08-24 | Cosmo Artificial Intelligence—Al Limited | Systems and methods for processing real-time video from a medical image device and detecting objects in the video |
JP2021535484A (ja) * | 2018-08-30 | 2021-12-16 | アプライド マテリアルズ インコーポレイテッドApplied Materials, Incorporated | 自動的な腫瘍検出及び分類のためのシステム |
EP3843638A4 (en) * | 2018-08-31 | 2022-05-18 | Seno Medical Instruments, Inc. | METHODS AND SYSTEMS FOR DETERMINING MOLECULAR CANCER SUBTYPES BASED ON ULTRASOUND AND/OR OPTOACOUSTIC (OA/US) PROPERTIES |
US11375984B2 (en) * | 2018-08-31 | 2022-07-05 | Seno Medical Instruments, Inc. | Method and system for managing feature reading and scoring in ultrasound and/or optoacoustic images |
US20220117544A1 (en) * | 2018-08-31 | 2022-04-21 | Seno Medical Instruments, Inc. | Optoacoustic feature score correlation to ipsilateral axillary lymph node status |
US11246527B2 (en) * | 2018-08-31 | 2022-02-15 | Seno Medical Instruments, Inc. | Method and system for managing feature reading and scoring in ultrasound and/or optoacoustice images |
US20200113505A1 (en) * | 2018-10-11 | 2020-04-16 | Seno Medical Instruments, Inc. | Optoacoustic image analysis method and system for automatically estimating lesion traits |
WO2020257482A1 (en) * | 2019-06-19 | 2020-12-24 | Seno Medical Instruments, Inc. | Method and system for managing feature reading and scoring in ultrasound and/or optoacoustice images |
CN110705575A (zh) * | 2019-09-27 | 2020-01-17 | Oppo广东移动通信有限公司 | 定位方法及装置、设备、存储介质 |
US11896349B2 (en) * | 2019-12-09 | 2024-02-13 | Case Western Reserve University | Tumor characterization and outcome prediction through quantitative measurements of tumor-associated vasculature |
CN114489829B (zh) * | 2021-12-22 | 2023-04-18 | 北京市遥感信息研究所 | 一种基于ArcMap的遥感图像样本标注方法 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH04333972A (ja) * | 1991-05-10 | 1992-11-20 | Toshiba Corp | 医用診断支援システム |
JP2005218684A (ja) * | 2004-02-06 | 2005-08-18 | Toshiba Corp | 非侵襲生体情報映像装置及び非侵襲生体情報映像方法 |
WO2007046272A1 (ja) * | 2005-10-19 | 2007-04-26 | Hitachi Medical Corporation | 弾性画像を生成する超音波診断装置 |
JP2009028253A (ja) * | 2007-07-26 | 2009-02-12 | Fujita Gakuen | ニードルアセンブリ |
JP2009039472A (ja) * | 2007-08-13 | 2009-02-26 | Hitachi Medical Corp | 超音波診断装置 |
JP2010017426A (ja) * | 2008-07-11 | 2010-01-28 | Canon Inc | 生体検査装置 |
JP2013039166A (ja) * | 2011-08-12 | 2013-02-28 | Hitachi Medical Corp | 光音響システム及び薬剤 |
Family Cites Families (60)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US4267732A (en) | 1978-11-29 | 1981-05-19 | Stanford University Board Of Trustees | Acoustic microscope and method |
NO880891L (no) | 1987-03-03 | 1988-09-05 | Elizabeth May Dowling | Fremgangsmaate og apparat for maaling eller deteksjon av konsentrasjonen av en substans. |
US5504281A (en) | 1994-01-21 | 1996-04-02 | Minnesota Mining And Manufacturing Company | Perforated acoustical attenuators |
US6309352B1 (en) * | 1996-01-31 | 2001-10-30 | Board Of Regents, The University Of Texas System | Real time optoacoustic monitoring of changes in tissue properties |
US5840023A (en) | 1996-01-31 | 1998-11-24 | Oraevsky; Alexander A. | Optoacoustic imaging for medical diagnosis |
US5713356A (en) | 1996-10-04 | 1998-02-03 | Optosonics, Inc. | Photoacoustic breast scanner |
US5977538A (en) | 1998-05-11 | 1999-11-02 | Imarx Pharmaceutical Corp. | Optoacoustic imaging system |
US6236455B1 (en) | 1998-06-26 | 2001-05-22 | Battelle Memorial Institute | Photoacoustic spectroscopy sample cells and methods of photoacoustic spectroscopy |
US6949081B1 (en) * | 1998-08-26 | 2005-09-27 | Non-Invasive Technology, Inc. | Sensing and interactive drug delivery |
US6263094B1 (en) | 1999-04-02 | 2001-07-17 | Agilent Technologies, Inc. | Acoustic data acquisition/playback system and method |
US6751490B2 (en) | 2000-03-01 | 2004-06-15 | The Board Of Regents Of The University Of Texas System | Continuous optoacoustic monitoring of hemoglobin concentration and hematocrit |
US6593101B2 (en) * | 2000-03-28 | 2003-07-15 | Board Of Regents, The University Of Texas System | Enhancing contrast in biological imaging |
JP4241038B2 (ja) * | 2000-10-30 | 2009-03-18 | ザ ジェネラル ホスピタル コーポレーション | 組織分析のための光学的な方法及びシステム |
WO2002082988A2 (en) * | 2001-04-16 | 2002-10-24 | The Johns Hopkins University | Method for imaging and spectroscopy of tumors and determination of the efficacy of anti-tumor drug therapies |
WO2003070102A2 (en) * | 2002-02-15 | 2003-08-28 | The Regents Of The University Of Michigan | Lung nodule detection and classification |
US6984211B2 (en) * | 2003-01-03 | 2006-01-10 | Mayo Foundation For Medical Education And Research | Detection of tumor halos in ultrasound images |
US20040215072A1 (en) * | 2003-01-24 | 2004-10-28 | Quing Zhu | Method of medical imaging using combined near infrared diffusive light and ultrasound |
JP4406226B2 (ja) | 2003-07-02 | 2010-01-27 | 株式会社東芝 | 生体情報映像装置 |
IL166408A0 (en) | 2005-01-20 | 2006-01-15 | Ultraview Ltd | Combined 2d pulse-echo ultrasound and optoacousticsignal for glaucoma treatment |
US20090054763A1 (en) | 2006-01-19 | 2009-02-26 | The Regents Of The University Of Michigan | System and method for spectroscopic photoacoustic tomography |
JP5432708B2 (ja) | 2006-06-23 | 2014-03-05 | コーニンクレッカ フィリップス エヌ ヴェ | 光音響及び超音波合成撮像器のタイミング制御装置 |
ATE526882T1 (de) | 2006-12-19 | 2011-10-15 | Koninkl Philips Electronics Nv | Kombiniertes photoakustisches und ultraschall- darstellungssystem |
US8460195B2 (en) | 2007-01-19 | 2013-06-11 | Sunnybrook Health Sciences Centre | Scanning mechanisms for imaging probe |
NZ579125A (en) | 2007-01-19 | 2012-06-29 | Sunnybrook Health Sciences Ct | Scanning mechanisms comprising drive mechanism for imparting rotational motion to imaging conduit |
US8073214B2 (en) * | 2007-05-14 | 2011-12-06 | Siemens Aktiengesellschaft | Computer aided lesion assessment in dynamic contrast enhanced breast MRI images |
JP5219440B2 (ja) * | 2007-09-12 | 2013-06-26 | キヤノン株式会社 | 測定装置 |
US20090082637A1 (en) * | 2007-09-21 | 2009-03-26 | Michael Galperin | Multi-modality fusion classifier with integrated non-imaging factors |
WO2009055705A2 (en) | 2007-10-25 | 2009-04-30 | Washington University In St. Louis | Confocal photoacoustic microscopy with optical lateral resolution |
WO2009073979A1 (en) | 2007-12-12 | 2009-06-18 | Carson Jeffrey J L | Three-dimensional photoacoustic imager and methods for calibrating an imager |
US8353833B2 (en) | 2008-07-18 | 2013-01-15 | University Of Rochester | Low-cost device for C-scan photoacoustic imaging |
EP2344019B1 (en) | 2008-07-25 | 2013-11-27 | Helmholtz Zentrum München Deutsches Forschungszentrum für Gesundheit und Umwelt (GmbH) | Quantitative multi-spectral opto-acoustic tomography (msot) of tissue biomarkers |
JP4900979B2 (ja) | 2008-08-27 | 2012-03-21 | キヤノン株式会社 | 光音響装置および光音響波を受信するための探触子 |
US20100094134A1 (en) | 2008-10-14 | 2010-04-15 | The University Of Connecticut | Method and apparatus for medical imaging using near-infrared optical tomography combined with photoacoustic and ultrasound guidance |
CN102264304B (zh) | 2008-10-15 | 2014-07-23 | 罗切斯特大学 | 利用多功能声透镜的光声成像 |
US9528966B2 (en) | 2008-10-23 | 2016-12-27 | Washington University | Reflection-mode photoacoustic tomography using a flexibly-supported cantilever beam |
JP5641723B2 (ja) | 2008-12-25 | 2014-12-17 | キヤノン株式会社 | 被検体情報取得装置 |
US20120150048A1 (en) * | 2009-03-06 | 2012-06-14 | Bio-Tree Systems, Inc. | Vascular analysis methods and apparatus |
WO2010107930A1 (en) | 2009-03-17 | 2010-09-23 | The Uwm Research Foundation, Inc. | Ultrasonic imaging device |
WO2010127199A2 (en) | 2009-05-01 | 2010-11-04 | Visualsonics Inc. | System for photoacoustic imaging and related methods |
US8391603B2 (en) * | 2009-06-18 | 2013-03-05 | Omisa Inc. | System and method for image segmentation |
JP2011224346A (ja) * | 2010-03-31 | 2011-11-10 | Toshiba Corp | 超音波診断装置、画像処理装置および画像処理方法 |
CA2797784A1 (en) | 2010-04-30 | 2011-11-03 | Visualsonics Inc. | Photoacoustic transducer and imaging system |
JP5587046B2 (ja) | 2010-06-10 | 2014-09-10 | キヤノン株式会社 | 光音響測定装置 |
JP2012005624A (ja) | 2010-06-24 | 2012-01-12 | Fujifilm Corp | 超音波光音響撮像装置およびその作動方法 |
AU2011344876B2 (en) * | 2010-12-17 | 2017-05-25 | Aarhus Universitet | Method for delineation of tissue lesions |
TWI430778B (zh) | 2010-12-24 | 2014-03-21 | Pai Chi Li | 醫學成像系統及其醫學成像方法 |
JP5624505B2 (ja) * | 2011-03-08 | 2014-11-12 | 株式会社東芝 | 画像処理装置 |
JP5796896B2 (ja) | 2011-03-10 | 2015-10-21 | 富士フイルム株式会社 | 断層画像生成装置及び方法 |
JP5896623B2 (ja) | 2011-05-02 | 2016-03-30 | キヤノン株式会社 | 被検体情報取得装置およびその制御方法 |
CA2861979C (en) | 2012-01-23 | 2022-05-24 | Tomowave Laboratories, Inc. | Laser optoacoustic ultrasonic imaging system (louis) and methods of use |
WO2013155300A1 (en) * | 2012-04-11 | 2013-10-17 | The Trustees Of Columbia University In The City Of New York | Techniques for segmentation of organs and tumors and objects |
US9610043B2 (en) | 2012-06-13 | 2017-04-04 | Seno Medical Instruments, Inc. | System and method for producing parametric maps of optoacoustic data |
US8781202B2 (en) * | 2012-07-26 | 2014-07-15 | International Business Machines Corporation | Tumor classification based on an analysis of a related ultrasonic attenuation map |
EP2742854B1 (en) | 2012-12-11 | 2021-03-10 | iThera Medical GmbH | Handheld device and method for tomographic optoacoustic imaging of an object |
JP6112861B2 (ja) | 2012-12-28 | 2017-04-12 | キヤノン株式会社 | 被検体情報取得装置、信号処理装置および表示装置 |
JP6292836B2 (ja) * | 2012-12-28 | 2018-03-14 | キヤノン株式会社 | 被検体情報取得装置、表示方法、プログラム、処理装置 |
EP2754388B1 (en) | 2013-01-15 | 2020-09-09 | Helmholtz Zentrum München Deutsches Forschungszentrum für Gesundheit und Umwelt GmbH | System and method for quality-enhanced high-rate optoacoustic imaging of an object |
US9639933B2 (en) * | 2013-02-14 | 2017-05-02 | The Research Foundation For The State University Of New York | Method for adaptive computer-aided detection of pulmonary nodules in thoracic computed tomography images using hierarchical vector quantization and apparatus for same |
US9277902B2 (en) * | 2013-11-22 | 2016-03-08 | General Electric Company | Method and system for lesion detection in ultrasound images |
JP6541363B2 (ja) * | 2015-02-13 | 2019-07-10 | キヤノン株式会社 | 画像処理装置、画像処理方法およびプログラム |
-
2014
- 2014-03-11 CA CA2902161A patent/CA2902161C/en active Active
- 2014-03-11 KR KR1020157024504A patent/KR20150131018A/ko not_active Application Discontinuation
- 2014-03-11 SG SG11201506836YA patent/SG11201506836YA/en unknown
- 2014-03-11 WO PCT/US2014/023673 patent/WO2014150578A1/en active Application Filing
- 2014-03-11 EP EP14770526.3A patent/EP2973405A4/en active Pending
- 2014-03-11 AU AU2014237034A patent/AU2014237034A1/en not_active Abandoned
- 2014-03-11 BR BR112015021807A patent/BR112015021807A2/pt not_active IP Right Cessation
- 2014-03-11 JP JP2016501312A patent/JP2016515019A/ja active Pending
- 2014-03-11 US US14/205,005 patent/US9398893B2/en active Active
- 2014-03-11 MX MX2015012569A patent/MX2015012569A/es unknown
-
2015
- 2015-08-18 IL IL240653A patent/IL240653A0/en unknown
-
2016
- 2016-07-19 US US15/213,889 patent/US10026170B2/en active Active
-
2018
- 2018-06-28 US US16/022,138 patent/US10949967B2/en active Active
-
2019
- 2019-01-21 JP JP2019007937A patent/JP6743202B2/ja active Active
-
2021
- 2021-02-03 US US17/166,313 patent/US11651489B2/en active Active
-
2023
- 2023-04-04 US US18/295,648 patent/US20230245310A1/en active Pending
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH04333972A (ja) * | 1991-05-10 | 1992-11-20 | Toshiba Corp | 医用診断支援システム |
JP2005218684A (ja) * | 2004-02-06 | 2005-08-18 | Toshiba Corp | 非侵襲生体情報映像装置及び非侵襲生体情報映像方法 |
WO2007046272A1 (ja) * | 2005-10-19 | 2007-04-26 | Hitachi Medical Corporation | 弾性画像を生成する超音波診断装置 |
JP2009028253A (ja) * | 2007-07-26 | 2009-02-12 | Fujita Gakuen | ニードルアセンブリ |
JP2009039472A (ja) * | 2007-08-13 | 2009-02-26 | Hitachi Medical Corp | 超音波診断装置 |
JP2010017426A (ja) * | 2008-07-11 | 2010-01-28 | Canon Inc | 生体検査装置 |
JP2013039166A (ja) * | 2011-08-12 | 2013-02-28 | Hitachi Medical Corp | 光音響システム及び薬剤 |
Also Published As
Publication number | Publication date |
---|---|
US11651489B2 (en) | 2023-05-16 |
US20210158518A1 (en) | 2021-05-27 |
IL240653A0 (en) | 2015-10-29 |
SG11201506836YA (en) | 2015-09-29 |
BR112015021807A2 (pt) | 2017-07-18 |
US10026170B2 (en) | 2018-07-17 |
EP2973405A4 (en) | 2016-12-07 |
US10949967B2 (en) | 2021-03-16 |
AU2014237034A1 (en) | 2015-09-24 |
US20140301619A1 (en) | 2014-10-09 |
KR20150131018A (ko) | 2015-11-24 |
US20230245310A1 (en) | 2023-08-03 |
WO2014150578A1 (en) | 2014-09-25 |
MX2015012569A (es) | 2016-06-06 |
CA2902161C (en) | 2021-05-04 |
JP2016515019A (ja) | 2016-05-26 |
JP6743202B2 (ja) | 2020-08-19 |
EP2973405A1 (en) | 2016-01-20 |
US20160343132A1 (en) | 2016-11-24 |
US9398893B2 (en) | 2016-07-26 |
CA2902161A1 (en) | 2014-09-25 |
US20180322630A1 (en) | 2018-11-08 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP6743202B2 (ja) | 診断ベクトル分類サポートのためのシステムおよび方法 | |
Kumar et al. | Automated and real-time segmentation of suspicious breast masses using convolutional neural network | |
Ikedo et al. | Development of a fully automatic scheme for detection of masses in whole breast ultrasound images | |
Schellenberg et al. | Semantic segmentation of multispectral photoacoustic images using deep learning | |
Wardhana et al. | Toward reliable automatic liver and tumor segmentation using convolutional neural network based on 2.5 D models | |
Niu et al. | Surface roughness detection of arteries via texture analysis of ultrasound images for early diagnosis of atherosclerosis | |
McDermott et al. | Sonographic diagnosis of COVID-19: A review of image processing for lung ultrasound | |
JP2013519455A (ja) | 患者の組織を特徴づける方法 | |
KR102128325B1 (ko) | 이미지 처리 시스템 | |
Nitkunanantharajah et al. | Three-dimensional optoacoustic imaging of nailfold capillaries in systemic sclerosis and its potential for disease differentiation using deep learning | |
Han et al. | Pulmonary nodules detection assistant platform: An effective computer aided system for early pulmonary nodules detection in physical examination | |
Domingues et al. | Computer vision in esophageal cancer: a literature review | |
Huang et al. | Evaluation of carotid plaque echogenicity based on the integral of the cumulative probability distribution using gray-scale ultrasound images | |
Mohajerani et al. | Spatiotemporal analysis for indocyanine green-aided imaging of rheumatoid arthritis in hand joints | |
Casper et al. | Optimization-based vessel segmentation pipeline for robust quantification of capillary networks in skin with optical coherence tomography angiography | |
Diao et al. | Highly sensitive computer aided diagnosis system for breast tumor based on color Doppler flow images | |
Sheha et al. | Automated imaging system for pigmented skin lesion diagnosis | |
Amini | Head circumference measurement with deep learning approach based on multi-scale ultrasound images | |
Matsumoto et al. | Quantitative sonographic image analysis for hepatic nodules: a pilot study | |
Kollorz et al. | Using power watersheds to segment benign thyroid nodules in ultrasound image data | |
Yu et al. | Registration of photoacoustic tomography vascular images: Comparison and analysis of automatic registration approaches | |
Gudadhe et al. | Multivariate analysis of ischaemic lesions using Computed Tomography and CT Perfusion Imaging: Critical review | |
Archana et al. | Segmentation of intima–media thickness in intravascular ultrasound images for detection of atherosclerosis | |
CN112862822B (zh) | 一种超声乳腺肿瘤检测与分类方法、装置与介质 | |
Archana et al. | Diagnosis of Coronary Artery Diseases and Carotid Atherosclerosis Using Intravascular Ultrasound Images |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20190125 |
|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20190125 |
|
A871 | Explanation of circumstances concerning accelerated examination |
Free format text: JAPANESE INTERMEDIATE CODE: A871 Effective date: 20190125 |
|
A975 | Report on accelerated examination |
Free format text: JAPANESE INTERMEDIATE CODE: A971005 Effective date: 20190208 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20190215 |
|
A601 | Written request for extension of time |
Free format text: JAPANESE INTERMEDIATE CODE: A601 Effective date: 20190515 |
|
A02 | Decision of refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A02 Effective date: 20190730 |
|
C60 | Trial request (containing other claim documents, opposition documents) |
Free format text: JAPANESE INTERMEDIATE CODE: C60 Effective date: 20191202 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A821 Effective date: 20191203 |
|
C22 | Notice of designation (change) of administrative judge |
Free format text: JAPANESE INTERMEDIATE CODE: C22 Effective date: 20200403 |
|
C23 | Notice of termination of proceedings |
Free format text: JAPANESE INTERMEDIATE CODE: C23 Effective date: 20200602 |
|
C03 | Trial/appeal decision taken |
Free format text: JAPANESE INTERMEDIATE CODE: C03 Effective date: 20200630 |
|
C30A | Notification sent |
Free format text: JAPANESE INTERMEDIATE CODE: C3012 Effective date: 20200630 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20200729 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 6743202 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |