JP6267710B2 - 医用画像中の肺結節を自動検出するためのシステム及び方法 - Google Patents
医用画像中の肺結節を自動検出するためのシステム及び方法 Download PDFInfo
- Publication number
- JP6267710B2 JP6267710B2 JP2015531907A JP2015531907A JP6267710B2 JP 6267710 B2 JP6267710 B2 JP 6267710B2 JP 2015531907 A JP2015531907 A JP 2015531907A JP 2015531907 A JP2015531907 A JP 2015531907A JP 6267710 B2 JP6267710 B2 JP 6267710B2
- Authority
- JP
- Japan
- Prior art keywords
- region
- regions
- candidate
- image
- nodule
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000000034 method Methods 0.000 title claims description 51
- 230000002685 pulmonary effect Effects 0.000 title claims description 24
- 210000004072 lung Anatomy 0.000 claims description 49
- 238000002591 computed tomography Methods 0.000 claims description 40
- 230000011218 segmentation Effects 0.000 claims description 38
- 206010056342 Pulmonary mass Diseases 0.000 claims description 17
- 239000007787 solid Substances 0.000 claims description 13
- 239000005337 ground glass Substances 0.000 claims description 10
- 210000000779 thoracic wall Anatomy 0.000 claims description 10
- 210000003484 anatomy Anatomy 0.000 claims description 8
- 238000009499 grossing Methods 0.000 claims description 5
- 230000000916 dilatatory effect Effects 0.000 claims description 4
- 238000000638 solvent extraction Methods 0.000 claims 2
- 238000001514 detection method Methods 0.000 description 17
- 230000006870 function Effects 0.000 description 14
- 238000012545 processing Methods 0.000 description 12
- 238000010586 diagram Methods 0.000 description 8
- 238000004590 computer program Methods 0.000 description 7
- 230000014509 gene expression Effects 0.000 description 4
- 238000004445 quantitative analysis Methods 0.000 description 4
- 230000003902 lesion Effects 0.000 description 3
- 238000005259 measurement Methods 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 230000035945 sensitivity Effects 0.000 description 3
- 238000013459 approach Methods 0.000 description 2
- 210000004204 blood vessel Anatomy 0.000 description 2
- 210000000038 chest Anatomy 0.000 description 2
- 238000002059 diagnostic imaging Methods 0.000 description 2
- 230000010339 dilation Effects 0.000 description 2
- 208000019693 Lung disease Diseases 0.000 description 1
- 206010058467 Lung neoplasm malignant Diseases 0.000 description 1
- 230000002159 abnormal effect Effects 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 238000013475 authorization Methods 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 210000000621 bronchi Anatomy 0.000 description 1
- 231100000504 carcinogenesis Toxicity 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 230000034994 death Effects 0.000 description 1
- 231100000517 death Toxicity 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 238000003745 diagnosis Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000010191 image analysis Methods 0.000 description 1
- 238000001727 in vivo Methods 0.000 description 1
- 238000010348 incorporation Methods 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 201000005202 lung cancer Diseases 0.000 description 1
- 208000020816 lung neoplasm Diseases 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000013425 morphometry Methods 0.000 description 1
- 230000001575 pathological effect Effects 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 238000012827 research and development Methods 0.000 description 1
- 238000012552 review Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
- 238000011179 visual inspection Methods 0.000 description 1
- 238000010626 work up procedure Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
- G06T7/0012—Biomedical image inspection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- 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
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/11—Region-based segmentation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/136—Segmentation; Edge detection involving thresholding
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/155—Segmentation; Edge detection involving morphological operators
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/187—Segmentation; Edge detection involving region growing; involving region merging; involving connected component labelling
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/60—Analysis of geometric attributes
- G06T7/62—Analysis of geometric attributes of area, perimeter, diameter or volume
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
- A61B6/02—Arrangements for diagnosis sequentially in different planes; Stereoscopic radiation diagnosis
- A61B6/03—Computed tomography [CT]
- A61B6/032—Transmission computed tomography [CT]
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
- A61B6/12—Arrangements for detecting or locating foreign bodies
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
- A61B6/50—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment specially adapted for specific body parts; specially adapted for specific clinical applications
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
- A61B6/52—Devices using data or image processing specially adapted for radiation diagnosis
- A61B6/5211—Devices using data or image processing specially adapted for radiation diagnosis involving processing of medical diagnostic data
- A61B6/5217—Devices using data or image processing specially adapted for radiation diagnosis involving processing of medical diagnostic data extracting a diagnostic or physiological parameter from medical diagnostic data
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2200/00—Indexing scheme for image data processing or generation, in general
- G06T2200/04—Indexing scheme for image data processing or generation, in general involving 3D image data
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10072—Tomographic images
- G06T2207/10081—Computed x-ray tomography [CT]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20036—Morphological image processing
- G06T2207/20041—Distance transform
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20112—Image segmentation details
- G06T2207/20152—Watershed segmentation
-
- 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
- G06T2207/30061—Lung
- G06T2207/30064—Lung nodule
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30004—Biomedical image processing
- G06T2207/30096—Tumor; Lesion
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Physics & Mathematics (AREA)
- Radiology & Medical Imaging (AREA)
- Quality & Reliability (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Health & Medical Sciences (AREA)
- Data Mining & Analysis (AREA)
- Geometry (AREA)
- Life Sciences & Earth Sciences (AREA)
- Artificial Intelligence (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Apparatus For Radiation Diagnosis (AREA)
Description
本出願は2012年9月13日に出願された米国仮特許出願第61/700,592号の非仮出願であり、その仮出願の全ては参照により本明細書に援用される。
該当なし
該当なし
本特許文書中の題材の一部は、米国及び他の国の著作権法の下で著作権保護の対象となる。特許文書または特許開示が米国特許商標庁において講習の閲覧に供されるファイルまたは記録に現れた場合に、著作権者は、その特許文書又は特許開示が誰に複製されたとしても、それに反対するものではない。しかしながら、そうでない場合はいかなる場合でも全ての著作権を留保する。これによって、著作権者は、連邦規則法典第37巻セクション1.14にしたがって、本特許文書を秘密に保つためのいかなる権利についても、その権利を限定せず、その権利を放棄しない。
RT(v)=1(ICT(v)≧Tの場合)、RT(v)=0(それ以外の場合) (式1)
IDM(s)(1-pDM)≦IDM(v)≦IDM(s)(1+pDM) (式2)
Claims (32)
- コンピュータが肺結節を自動検出するための方法であって、
コンピュータ断層撮影(CT)画像からデータを入力するステップと、
1以上の肺野領域を得るために前記画像を分割するステップと、
前記1以上の肺野領域の中の解剖学的構造に対応する1以上の高信号領域を含むマスク領域を生成するために、前記1以上の肺野領域を信号強度で閾値処理するステップと、
前記マスク領域のユークリッド距離マップを算出するステップと、
1以上のサブ領域を生成するために、前記ユークリッド距離マップの分水嶺(watershed)セグメンテーションを実行するステップと、
前記1以上のサブ領域のそれぞれのサブ領域について種子点を識別するステップと、
それぞれのサブ領域の前記種子点から1以上の候補領域を拡張するステップと、
前記1以上の候補領域の1以上の幾何学的特徴に基づいて、1以上の候補領域を肺結節として分類するステップと、
を備えることを特徴とする方法。 - 前記画像を分割するステップは、
前記CT画像の中の明るいボクセルを信号強度で閾値処理し、最も大きな連結された3次元成分を選択することにより、前記画像の胸壁領域を分割するステップと、
前記CT画像の中の暗いボクセルを信号強度で閾値処理し、最も大きな連結された3次元成分を選択することにより、前記胸壁領域から肺野領域を分割するステップと、
を備えることを特徴とする請求項1に記載の方法。 - 前記画像を分割するステップは、分割された肺野領域の凸包を算出するステップを更に備えることを特徴とする請求項2に記載の方法。
- 前記1以上の肺野領域を信号強度で閾値処理するステップは、充実性結節の候補領域を検出するための第1の閾値で実行されることを特徴とする請求項1に記載の方法。
- 前記1以上の肺野領域を信号強度で閾値処理するステップは、すりガラス状結節の候補領域を検出するための第2の閾値で実行されることを特徴とする請求項1に記載の方法。
- 分水嶺セグメンテーションに先立って、ガウシアン(Gaussian )平滑化が前記ユークリッド距離マップに適用されることを特徴とする請求項1に記載の方法。
- 分水嶺セグメンテーションから生成された前記1以上のサブ領域は、前記ユークリッド距離マップにおいて極大値に隣接することを特徴とする請求項1に記載の方法。
- それぞれのサブ領域について種子点を識別するステップは、それぞれのサブ領域内で最大のユークリッド距離マップ値を有するボクセルを、そのサブ領域に対応する前記種子点として識別するステップを備えることを特徴とする請求項7に記載の方法。
- 1以上の候補領域を拡張するステップは、
それぞれの種子点の周りを中心とする立方体の関心領域を生成するステップと、
前記関心領域の中の連続したボクセルを候補領域内のボクセルとして含めるステップと、を備え、
含められるボクセルは、所定の閾値範囲内にあるユークリッド距離マップ値を有することを特徴とする請求項8に記載の方法。 - 拡張された前記1以上の候補領域のそれぞれを膨張させる(dilating)ステップを更に備えることを特徴とする請求項9に記載の方法。
- 1以上の候補領域を分類するステップは、
前記候補領域の体積を算出するステップと、
算出された前記体積の関数が閾値範囲にあるときに、前記候補領域を結節として分類するステップと、
を備えることを特徴とする請求項1に記載の方法。 - 1以上の候補領域を分類するステップは、前記候補領域の真球度を算出するステップを更に備え、
前記真球度は、前記候補領域の算出された体積と、前記候補領域の中心を中心とし前記候補領域を取り囲む最小の球の体積との比として算出され、
算出された前記真球度の関数が閾値を超えるとき、前記候補領域を結節として識別することを特徴とする請求項11に記載の方法。 - 識別された肺結節内のそれぞれのボクセルの体積を合計することにより、識別された肺結節の体積を算出するステップを更に備えることを特徴とする請求項1に記載の方法。
- 識別された肺結節の直径を算出するステップとを更に備えることを特徴とする請求項1に記載の方法。
- 前記直径は、
前記肺結節を1以上の平面における複数の2次元関心領域に分割するステップと、
それぞれの2次元関心領域について境界点を抽出するステップと、
それぞれの2次元関心領域における前記境界点から最大直径を識別するステップと、
それぞれの前記平面から最大の最大直径を結節の直径として識別するステップと、
により算出されることを特徴とする請求項14に記載の方法。 - 識別された肺結節の画像を前記CT画像の上に重畳表示するステップを更に備えることを特徴とする請求項1に記載の方法。
- 患者の肺のコンピュータ断層撮影(CT)画像を自動的に分割するためのシステムであって、
プロセッサと、
前記プロセッサ上で実行可能なプログラムと、
を備え、
前記プログラムは、
前記CT画像からデータを入力するステップと、
1以上の肺野領域を得るために前記画像を分割するステップと、
前記1以上の肺野領域の中の解剖学的構造に対応する1以上の高信号領域を含むマスク領域を生成するために、前記1以上の肺野領域を信号強度で閾値処理するステップと、
前記マスク領域のユークリッド距離マップを算出するステップと、
1以上のサブ領域を生成するために、前記ユークリッド距離マップの分水嶺(watershed)セグメンテーションを実行するステップと、
前記1以上のサブ領域のそれぞれのサブ領域について種子点を識別するステップと、
それぞれのサブ領域の前記種子点から1以上の候補領域を拡張するステップと、
前記1以上の候補領域の1以上の幾何学的特徴に基づいて、1以上の候補領域を肺結節として分類するステップと、
のために構成されることを特徴とするシステム。 - 前記画像を分割するステップは、
前記CT画像の中の明るいボクセルを信号強度で閾値処理し、最も大きな連結された3次元成分を選択することにより、前記画像の胸壁領域を分割するステップと、
前記CT画像の中の暗いボクセルを信号強度で閾値処理し、最も大きな連結された3次元成分を選択することにより、前記胸壁領域から肺野領域を分割するステップと、
を備えることを特徴とする請求項17に記載のシステム。 - 前記画像を分割するステップは、分割された肺野領域の凸包を算出するステップを更に備えることを特徴とする請求項18に記載のシステム。
- 前記1以上の肺野領域を信号強度で閾値処理するステップは、充実性結節の候補領域を検出するための第1の閾値で実行されることを特徴とする請求項17に記載のシステム。
- 前記1以上の肺野領域を信号強度で閾値処理するステップは、すりガラス状結節の候補領域を検出するための第2の閾値で実行されることを特徴とする請求項17に記載のシステム。
- 分水嶺セグメンテーションに先立って、ガウシアン(Gaussian )平滑化が前記ユークリッド距離マップに適用されることを特徴とする請求項17に記載のシステム。
- 分水嶺セグメンテーションから生成された前記1以上のサブ領域は、前記ユークリッド距離マップにおいて極大値に隣接することを特徴とする請求項17に記載のシステム。
- それぞれのサブ領域について種子点を識別するステップは、それぞれのサブ領域内で最大のユークリッド距離マップ値を有するボクセルを、そのサブ領域に対応する前記種子点として識別するステップを備えることを特徴とする請求項23に記載のシステム。
- 1以上の候補領域を拡張するステップは、
それぞれの種子点の周りを中心とする立方体の関心領域を生成するステップと、
前記関心領域の中の連続したボクセルを候補領域内のボクセルとして含めるステップと、を備え、
含められるボクセルは、所定の閾値範囲内にあるユークリッド距離マップ値を有することを特徴とする請求項24に記載のシステム。 - 拡張された前記1以上の候補領域のそれぞれを膨張させる(dilating)ステップを更に備えることを特徴とする請求項25に記載のシステム。
- 1以上の候補領域を分類するステップは、
前記候補領域の体積を算出するステップと、
算出された前記体積の関数が閾値範囲にあるときに、前記候補領域を結節として分類するステップと、
を備えることを特徴とする請求項17に記載のシステム。 - 1以上の候補領域を分類するステップは、候補領域の真球度を算出するステップを更に備え、
前記真球度は、候補領域の算出された体積と、前記候補領域の中心を中心とし前記候補領域を取り囲む最小の球の体積との比として算出され、
算出された前記真球度の関数が閾値を超えるとき、候補領域を結節として識別することを特徴とする請求項27に記載のシステム。 - 識別された肺結節内のそれぞれのボクセルの体積を合計することにより、識別された肺結節の体積を算出するステップを更に備えることを特徴とする請求項27に記載のシステム。
- 識別された肺結節の直径を算出するステップとを更に備えることを特徴とする請求項17に記載のシステム。
- 前記直径は、
前記肺結節を1以上の平面における複数の2次元関心領域に分割するステップと、
それぞれの2次元関心領域について境界点を抽出するステップと、
それぞれの2次元関心領域における前記境界点から最大直径を識別するステップと、
それぞれの前記平面から最大の最大直径を結節の直径として識別するステップと、
により算出されることを特徴とする請求項30に記載のシステム。 - 識別された肺結節の画像を前記CT画像の上に重畳表示するステップを更に備えることを特徴とする請求項17に記載のシステム。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US201261700592P | 2012-09-13 | 2012-09-13 | |
US61/700,592 | 2012-09-13 | ||
PCT/US2013/029646 WO2014042678A1 (en) | 2012-09-13 | 2013-03-07 | System and method for automated detection of lung nodules in medical images |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2015528372A JP2015528372A (ja) | 2015-09-28 |
JP6267710B2 true JP6267710B2 (ja) | 2018-01-24 |
Family
ID=50278584
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2015531907A Active JP6267710B2 (ja) | 2012-09-13 | 2013-03-07 | 医用画像中の肺結節を自動検出するためのシステム及び方法 |
Country Status (6)
Country | Link |
---|---|
US (1) | US9418420B2 (ja) |
EP (1) | EP2916737B1 (ja) |
JP (1) | JP6267710B2 (ja) |
CN (1) | CN104619257A (ja) |
CA (1) | CA2884167C (ja) |
WO (1) | WO2014042678A1 (ja) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP7231977B2 (ja) | 2014-12-31 | 2023-03-02 | テクトロニクス・インコーポレイテッド | 試験プローブ及び試験プローブ・チップ |
Families Citing this family (27)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9990743B2 (en) | 2014-03-27 | 2018-06-05 | Riverain Technologies Llc | Suppression of vascular structures in images |
JP6510189B2 (ja) * | 2014-06-23 | 2019-05-08 | キヤノンメディカルシステムズ株式会社 | 医用画像処理装置 |
US9754378B2 (en) | 2016-01-21 | 2017-09-05 | Molecular Devices, Llc | System and method for segmentation of three-dimensional microscope images |
US10706533B2 (en) | 2016-05-13 | 2020-07-07 | National Jewish Health | Systems and methods for automatic detection and quantification of pathology using dynamic feature classification |
JP6862147B2 (ja) * | 2016-11-09 | 2021-04-21 | キヤノン株式会社 | 画像処理装置、画像処理装置の作動方法、画像処理システム |
CN106709930B (zh) | 2016-12-29 | 2020-03-31 | 上海联影医疗科技有限公司 | 三维医学图像的感兴趣体积分割方法及装置 |
CN107184224B (zh) * | 2017-05-18 | 2020-04-21 | 太原理工大学 | 一种基于双模态极限学习机的肺结节诊断方法 |
CN108022238B (zh) * | 2017-08-09 | 2020-07-03 | 深圳科亚医疗科技有限公司 | 对3d图像中对象进行检测的方法、计算机存储介质和*** |
CN107485446A (zh) * | 2017-09-07 | 2017-12-19 | 安徽紫薇帝星数字科技有限公司 | 一种可快速定位腹部的手术导向定位*** |
KR102178803B1 (ko) * | 2018-01-26 | 2020-11-16 | 울산대학교 산학협력단 | 흉부 의료 영상 판독 지원 시스템 및 방법 |
CN108230323B (zh) * | 2018-01-30 | 2021-03-23 | 浙江大学 | 一种基于卷积神经网络的肺结节假阳性筛选方法 |
CN108564566B (zh) * | 2018-03-12 | 2021-08-31 | 东软医疗***股份有限公司 | 医学成像处理方法、装置以及图像处理设备 |
CA3095408C (en) * | 2018-03-30 | 2023-04-11 | Perkinelmer Health Sciences, Inc. | Systems and methods for automated detection and segmentation of vertebral centrum(s) in 3d images |
US11335006B2 (en) | 2018-04-25 | 2022-05-17 | Mim Software, Inc. | Image segmentation with active contour |
CN108615237B (zh) * | 2018-05-08 | 2021-09-07 | 上海商汤智能科技有限公司 | 一种肺部图像处理方法及图像处理设备 |
CN108664971B (zh) * | 2018-05-22 | 2021-12-14 | 中国科学技术大学 | 基于2d卷积神经网络的肺结节检测方法 |
KR102208358B1 (ko) * | 2018-11-30 | 2021-01-28 | 양이화 | 인공지능을 이용한 폐암진단 시스템, 폐암검진 ct 판독서버 및 폐암진단방법 |
CN109671066B (zh) * | 2018-12-14 | 2024-03-26 | 强联智创(北京)科技有限公司 | 一种基于头颅ct影像的脑梗死判断的方法及*** |
CN109886282B (zh) * | 2019-02-26 | 2021-05-28 | 腾讯科技(深圳)有限公司 | 对象检测方法、装置、计算机可读存储介质和计算机设备 |
CN110033462A (zh) * | 2019-04-08 | 2019-07-19 | 中国计量大学 | 基于多层次距离变换的粘连目标分割算法 |
WO2021256096A1 (ja) * | 2020-06-18 | 2021-12-23 | 富士フイルム株式会社 | 領域修正装置、方法およびプログラム |
US11688063B2 (en) | 2020-10-30 | 2023-06-27 | Guerbet | Ensemble machine learning model architecture for lesion detection |
US11436724B2 (en) | 2020-10-30 | 2022-09-06 | International Business Machines Corporation | Lesion detection artificial intelligence pipeline computing system |
US11749401B2 (en) * | 2020-10-30 | 2023-09-05 | Guerbet | Seed relabeling for seed-based segmentation of a medical image |
US11688517B2 (en) | 2020-10-30 | 2023-06-27 | Guerbet | Multiple operating point false positive removal for lesion identification |
WO2024015470A1 (en) * | 2022-07-13 | 2024-01-18 | Hyperfine Operations, Inc. | Simulating structures in images |
CN118071776B (zh) * | 2024-04-22 | 2024-06-21 | 大连云智信科技发展有限公司 | 一种用于家禽肠道健康状况检测的图像处理*** |
Family Cites Families (17)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH11272865A (ja) * | 1998-03-23 | 1999-10-08 | Mitsubishi Electric Corp | 画像セグメンテーション方法およびその装置 |
FR2832832A1 (fr) * | 2001-11-23 | 2003-05-30 | Ge Med Sys Global Tech Co Llc | Procede de detection et de caracterisation automatique de nodules dans une image tomographique et systeme d'imagerie medicale par tomodensimetrie correspondant |
US7499578B2 (en) * | 2002-10-18 | 2009-03-03 | Cornell Research Foundation, Inc. | System, method and apparatus for small pulmonary nodule computer aided diagnosis from computed tomography scans |
EP1455307A1 (en) * | 2003-03-06 | 2004-09-08 | MeVis GmbH | Partial volume visualization |
EP1723906B1 (en) * | 2004-02-26 | 2019-05-15 | Toshiba Medical Systems Corporation | Magnetic resonance imaging device, and data processing method of magnetic resonance imaging device |
GB2451367B (en) * | 2004-05-20 | 2009-05-27 | Medicsight Plc | Nodule Detection |
GB2415563B (en) * | 2004-06-23 | 2009-11-25 | Medicsight Plc | Lesion boundary detection |
WO2006085249A2 (en) * | 2005-02-11 | 2006-08-17 | Philips Intellectual Property & Standards Gmbh | Analysis of pulmonary nodules from ct scans using the contrast agent enhancement as a function of distance to the boundary of the nodule |
JP4599191B2 (ja) * | 2005-03-01 | 2010-12-15 | 国立大学法人神戸大学 | 画像診断処理装置および画像診断処理プログラム |
US7623692B2 (en) * | 2005-07-22 | 2009-11-24 | Carestream Health, Inc. | Pulmonary nodule detection in a chest radiograph |
US20070092864A1 (en) * | 2005-09-30 | 2007-04-26 | The University Of Iowa Research Foundation | Treatment planning methods, devices and systems |
US8073226B2 (en) * | 2006-06-30 | 2011-12-06 | University Of Louisville Research Foundation, Inc. | Automatic detection and monitoring of nodules and shaped targets in image data |
US8165369B2 (en) * | 2007-10-03 | 2012-04-24 | Siemens Medical Solutions Usa, Inc. | System and method for robust segmentation of pulmonary nodules of various densities |
WO2009063363A2 (en) * | 2007-11-14 | 2009-05-22 | Koninklijke Philips Electronics N.V. | Computer-aided detection (cad) of a disease |
US8144949B2 (en) * | 2007-11-15 | 2012-03-27 | Carestream Health, Inc. | Method for segmentation of lesions |
JP5536987B2 (ja) * | 2008-05-16 | 2014-07-02 | 株式会社東芝 | 画像処理装置 |
US9117289B2 (en) * | 2011-11-11 | 2015-08-25 | Konica Minolta, Inc. | Medical imaging system, medical image processing apparatus, and computer-readable medium |
-
2013
- 2013-03-07 CA CA2884167A patent/CA2884167C/en active Active
- 2013-03-07 WO PCT/US2013/029646 patent/WO2014042678A1/en active Application Filing
- 2013-03-07 JP JP2015531907A patent/JP6267710B2/ja active Active
- 2013-03-07 EP EP13836421.1A patent/EP2916737B1/en active Active
- 2013-03-07 CN CN201380046881.4A patent/CN104619257A/zh active Pending
-
2015
- 2015-03-10 US US14/643,791 patent/US9418420B2/en active Active
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP7231977B2 (ja) | 2014-12-31 | 2023-03-02 | テクトロニクス・インコーポレイテッド | 試験プローブ及び試験プローブ・チップ |
Also Published As
Publication number | Publication date |
---|---|
CA2884167A1 (en) | 2014-03-20 |
US20150254842A1 (en) | 2015-09-10 |
EP2916737A4 (en) | 2016-05-18 |
US9418420B2 (en) | 2016-08-16 |
EP2916737B1 (en) | 2019-01-16 |
CN104619257A (zh) | 2015-05-13 |
EP2916737A1 (en) | 2015-09-16 |
JP2015528372A (ja) | 2015-09-28 |
CA2884167C (en) | 2020-05-12 |
WO2014042678A1 (en) | 2014-03-20 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP6267710B2 (ja) | 医用画像中の肺結節を自動検出するためのシステム及び方法 | |
Liu et al. | Multi-view multi-scale CNNs for lung nodule type classification from CT images | |
Shen et al. | An automated lung segmentation approach using bidirectional chain codes to improve nodule detection accuracy | |
Jacobs et al. | Automatic detection of subsolid pulmonary nodules in thoracic computed tomography images | |
Gonçalves et al. | Hessian based approaches for 3D lung nodule segmentation | |
Teramoto et al. | Fast lung nodule detection in chest CT images using cylindrical nodule-enhancement filter | |
JP4708362B2 (ja) | コンピュータで実施される方法 | |
Zhou et al. | Automatic multiscale enhancement and segmentation of pulmonary vessels in CT pulmonary angiography images for CAD applications | |
Alilou et al. | A comprehensive framework for automatic detection of pulmonary nodules in lung CT images | |
CN110036408B (zh) | 活动性出血和血液外渗的自动ct检测和可视化 | |
JP2006521118A (ja) | 3次元形状強調フィルタによる小結節のコンピュータ支援検出を行う方法、システムおよびコンピュータプログラム製品 | |
JP2002503861A (ja) | 胸部x線写真における肺領域と肋骨横隔膜角の自動描画方法とシステム | |
Zhang et al. | Design of automatic lung nodule detection system based on multi-scene deep learning framework | |
Wang et al. | Pulmonary nodule detection in CT images based on shape constraint CV model | |
EP2208183B1 (en) | Computer-aided detection (cad) of a disease | |
Hogeweg et al. | Suppression of translucent elongated structures: applications in chest radiography | |
Zhao et al. | An automated pulmonary parenchyma segmentation method based on an improved region growing algorithmin PET-CT imaging | |
WO2022164374A1 (en) | Automated measurement of morphometric and geometric parameters of large vessels in computed tomography pulmonary angiography | |
WO2013151749A1 (en) | System, method, and computer accessible medium for volumetric texture analysis for computer aided detection and diagnosis of polyps | |
Pereira et al. | Classifier ensemble based on computed tomography attenuation patterns for computer-aided detection system | |
Devaki et al. | Study of computed tomography images of the lungs: A survey | |
CN112862786B (zh) | Cta影像数据处理方法、装置及存储介质 | |
Staal et al. | Automatic rib segmentation in CT data | |
Nomura et al. | Can the spherical gold standards be used as an alternative to painted gold standards for the computerized detection of lesions using voxel-based classification? | |
Fan et al. | Reconstruction of airway tree based on topology and morphological operations |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20160302 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20161124 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20170110 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20170313 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20170509 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20170803 |
|
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: 20171205 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 6267710 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 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |