JP6595729B2 - 医療画像における変化検出 - Google Patents
医療画像における変化検出 Download PDFInfo
- Publication number
- JP6595729B2 JP6595729B2 JP2018565653A JP2018565653A JP6595729B2 JP 6595729 B2 JP6595729 B2 JP 6595729B2 JP 2018565653 A JP2018565653 A JP 2018565653A JP 2018565653 A JP2018565653 A JP 2018565653A JP 6595729 B2 JP6595729 B2 JP 6595729B2
- Authority
- JP
- Japan
- Prior art keywords
- image
- intensity
- medical image
- difference
- medical
- 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
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
- G06T7/0014—Biomedical image inspection using an image reference approach
- G06T7/0016—Biomedical image inspection using an image reference approach involving temporal comparison
-
- 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
- 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
- G16H30/00—ICT specially adapted for the handling or processing of medical images
-
- 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
- G06T2207/20076—Probabilistic image processing
-
- 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
- G06T2207/20212—Image combination
- G06T2207/20224—Image subtraction
Landscapes
- Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Radiology & Medical Imaging (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Quality & Reliability (AREA)
- Epidemiology (AREA)
- Public Health (AREA)
- Primary Health Care (AREA)
- Measuring And Recording Apparatus For Diagnosis (AREA)
- Apparatus For Radiation Diagnosis (AREA)
- Image Analysis (AREA)
Description
第1の医療画像及び第2の医療画像にアクセスするよう構成された画像データインタフェースと、
プロセッサと、
を有し、前記プロセッサは、
前記第1の医療画像と前記第2の医療画像との強度差を表す差分画像を生成し、
前記差分画像の強度分布を決定し、
前記強度分布に対して混合モデルをフィッティングして、前記強度分布を集合的にモデル化する複数の確率分布であって、それぞれが異なるタイプの変化を表す確率分布を特定し、
前記強度分布における複数の強度範囲であって、前記複数の強度範囲のそれぞれ1つが、前記複数の確率分布のそれぞれ1つに依存して決定され、異なるタイプの変化を表す、複数の強度範囲を決定し、
ラベル付けされた画像データが前記複数の強度範囲のうちどれに入るかを決定することにより前記差分画像の画像データをラベル付けする
よう構成された、システムを提供する。
第1の医療画像及び第2の医療画像にアクセスするステップと、
前記第1の医療画像と前記第2の医療画像との強度差を表す差分画像を生成するステップと、
前記差分画像の強度分布を決定するステップと、
前記強度分布に対して混合モデルをフィッティングして、前記強度分布を集合的にモデル化する複数の確率分布であって、それぞれが異なるタイプの変化を表す確率分布を特定するステップと、
前記強度分布における複数の強度範囲であって、前記複数の強度範囲のそれぞれ1つが、前記複数の確率分布のそれぞれ1つに依存して決定され、異なるタイプの変化を表す、複数の強度範囲を決定するステップと、
ラベル付けされた画像データが前記複数の強度範囲のうちどれに入るかを決定することにより前記差分画像の画像データをラベル付けするステップと、
を有する方法を提供する。
差分画像は、「マップ」と呼ばれても良く、例えば減算マップ又は変化マップと呼ばれても良い。
、第1の医療画像と第2の医療画像との間の強度差を表す差分画像を生成し、該差分画像の強度分布を決定するよう構成される。プロセッサ160は更に、混合モデルを該強度分布にフィッティングして、該強度分布を集合的にモデル化する複数の確率分布を特定し、該強度分布における複数の強度範囲を決定するよう構成され、ここで該複数の強度範囲の各々は、該複数の確率分布のそれぞれ1つに依存して決定される。プロセッサ160は更に、ラベル付けされた画像データが該複数の強度範囲のうちどれに入るかを決定することにより、差分画像の画像データをラベル付けするよう構成される。
022 第1の医療画像
024 第2の医療画像
040 ユーザ入力装置
042 ユーザ入力命令
062 表示データ
080 ディスプレイ
100 医療画像における変化検出のためのシステム
120 画像データインタフェース
140 ユーザ入力インタフェース
142 データ通信
160 プロセッサ
200 第1の医療画像
210 第2の医療画像
220 差分画像
300 差分画像の強度分布
315 フィッティングされた混合モデルの第1の成分
320 フィッティングされた混合モデルの第2の成分
325 第1の成分と第2の成分との交点
410 ラベル付けされた医療画像
415 画像データのラベル付け
500 医療画像における変化検出のための方法
510 医療画像へのアクセス
520 差分画像の生成
530 強度分布の決定
540 混合モデルのフィッティング
550 強度範囲の決定
560 画像データのラベル付け
670 コンピュータ読み取り可能な媒体
680 持続性データとして保存された命令
Claims (14)
- 医療画像における変化を検出するためのシステムであって、
第1の医療画像及び第2の医療画像にアクセスするよう構成された画像データインタフェースと、
プロセッサと、
を有し、前記プロセッサは、
前記第1の医療画像と前記第2の医療画像との強度差を表す差分画像を生成し、
前記差分画像の強度分布を決定し、
前記強度分布に対して混合モデルをフィッティングして、前記強度分布を集合的にモデル化する複数の確率分布であって、それぞれが異なるタイプの変化を表す確率分布を特定し、
前記強度分布における複数の強度範囲であって、前記複数の強度範囲のそれぞれ1つが、前記複数の確率分布のそれぞれ1つに依存して決定され、異なるタイプの変化を表す、複数の強度範囲を決定し、
ラベル付けされた画像データが前記複数の強度範囲のうちどれに入るかを決定することにより前記差分画像の画像データをラベル付けする
よう構成された、システム。 - 前記混合モデルは、ガウシアン混合モデルであり、前記確率分布は、ガウス分布である、請求項1に記載のシステム。
- 前記プロセッサは、前記複数の確率分布間の交点を決定するよう構成され、前記複数の強度範囲は、前記交点に基づいて定義される、請求項1に記載のシステム。
- 前記プロセッサは、前記差分画像を生成する前に、前記第1の医療画像と前記第2の医療画像との間の、
画像登録、及び
強度正規化
のうちの少なくとも一方を実行するよう構成された、請求項1乃至3のいずれか一項に記載のシステム。 - 前記プロセッサは、前記差分画像を生成した後に、
前記差分画像における少なくとも1つの対象領域を選択し、
前記少なくとも1つの対象領域の強度分布を選択的に表すよう強度分布を決定する
よう構成された、請求項1乃至4のいずれか一項に記載のシステム。 - 前記プロセッサは、非ゼロ差分を表す前記対象領域の画像データに基づいて、前記差分画像における前記少なくとも1つの対象領域を選択するよう構成された、請求項5に記載のシステム。
- 前記差分画像における前記少なくとも1つの対象領域をユーザが示すことを可能とするためのユーザ入力インタフェースを更に有する、請求項5に記載のシステム。
- 前記第1の医療画像及び前記第2の医療画像は、体積画像である、請求項1乃至7のいずれか一項に記載のシステム。
- 前記第1の医療画像及び前記第2の医療画像は、長期的な画像データを表す、請求項1乃至8のいずれか一項に記載のシステム。
- 前記プロセッサは、前記画像データのラベル付けの可視化を有する出力画像を生成するよう構成された、請求項1乃至9のいずれか一項に記載のシステム。
- 前記プロセッサは、前記差分画像、前記第1の医療画像及び前記第2の医療画像のうち少なくとも1つに対する重畳として前記可視化を生成するよう構成された、請求項10に記載のシステム。
- 請求項1乃至11のいずれか一項に記載のシステムを有する、サーバ、ワークステーション又は撮像装置。
- 医療画像における変化を検出する方法であって、
第1の医療画像及び第2の医療画像にアクセスするステップと、
前記第1の医療画像と前記第2の医療画像との強度差を表す差分画像を生成するステップと、
前記差分画像の強度分布を決定するステップと、
前記強度分布に対して混合モデルをフィッティングして、前記強度分布を集合的にモデル化する複数の確率分布であって、それぞれが異なるタイプの変化を表す確率分布を特定するステップと、
前記強度分布における複数の強度範囲であって、前記複数の強度範囲のそれぞれ1つが、前記複数の確率分布のそれぞれ1つに依存して決定され、異なるタイプの変化を表す、複数の強度範囲を決定するステップと、
ラベル付けされた画像データが前記複数の強度範囲のうちどれに入るかを決定することにより前記差分画像の画像データをラベル付けするステップと、
を有する方法。 - 請求項13に記載の方法をプロセッサシステムに実行させるためのコンピュータ・プログラムを記憶したコンピュータ読み取り可能な媒体。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
EP16176819 | 2016-06-29 | ||
EP16176819.7 | 2016-06-29 | ||
PCT/EP2017/066130 WO2018002221A1 (en) | 2016-06-29 | 2017-06-29 | Change detection in medical images |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2019518288A JP2019518288A (ja) | 2019-06-27 |
JP6595729B2 true JP6595729B2 (ja) | 2019-10-23 |
Family
ID=56296582
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2018565653A Active JP6595729B2 (ja) | 2016-06-29 | 2017-06-29 | 医療画像における変化検出 |
Country Status (7)
Country | Link |
---|---|
US (1) | US11182901B2 (ja) |
EP (1) | EP3479349B1 (ja) |
JP (1) | JP6595729B2 (ja) |
CN (1) | CN109416835B (ja) |
CA (1) | CA3029143A1 (ja) |
RU (1) | RU2752690C2 (ja) |
WO (1) | WO2018002221A1 (ja) |
Families Citing this family (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2020209856A1 (en) * | 2019-04-11 | 2020-10-15 | Hewlett-Packard Development Company, L.P. | Identifying differences between physiologically-identified and machine-identified significant portions |
CN111445507B (zh) * | 2020-04-16 | 2023-07-18 | 北京深测科技有限公司 | 一种非视域成像的数据处理方法 |
CN112288639A (zh) * | 2020-07-20 | 2021-01-29 | 深圳市智影医疗科技有限公司 | 影像对比减影方法、装置、终端设备及存储介质 |
EP4083914A1 (en) * | 2021-04-29 | 2022-11-02 | Koninklijke Philips N.V. | Image processing device and method |
WO2023205509A1 (en) * | 2022-04-22 | 2023-10-26 | Veytel, Llc | Method for registering two or more patient images for change assessment over time |
Family Cites Families (35)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH0786914B2 (ja) * | 1986-11-07 | 1995-09-20 | 株式会社日立製作所 | 画像を用いた変化検出方法 |
US5273040A (en) * | 1991-11-14 | 1993-12-28 | Picker International, Inc. | Measurement of vetricle volumes with cardiac MRI |
US20030058237A1 (en) * | 2001-09-27 | 2003-03-27 | Koninklijke Philips Electronics N.V. | Multi-layered background models for improved background-foreground segmentation |
FR2830962B1 (fr) * | 2001-10-12 | 2004-01-30 | Inst Nat Rech Inf Automat | Dispositif et methode de traitement d'image pour detection de lesions evolutives |
US20030156759A1 (en) * | 2002-02-19 | 2003-08-21 | Koninklijke Philips Electronics N.V. | Background-foreground segmentation using probability models that can provide pixel dependency and incremental training |
US7190809B2 (en) * | 2002-06-28 | 2007-03-13 | Koninklijke Philips Electronics N.V. | Enhanced background model employing object classification for improved background-foreground segmentation |
US20040092809A1 (en) * | 2002-07-26 | 2004-05-13 | Neurion Inc. | Methods for measurement and analysis of brain activity |
US20040092829A1 (en) | 2002-11-07 | 2004-05-13 | Simon Furnish | Spectroscope with modified field-of-view |
US20040241670A1 (en) * | 2003-06-02 | 2004-12-02 | Srinka Ghosh | Method and system for partitioning pixels in a scanned image of a microarray into a set of feature pixels and a set of background pixels |
GB0326381D0 (en) * | 2003-11-12 | 2003-12-17 | Inst Of Cancer Res The | A method and means for image processing |
US20050197981A1 (en) * | 2004-01-20 | 2005-09-08 | Bingham Clifton W. | Method for identifying unanticipated changes in multi-dimensional data sets |
US8160296B2 (en) * | 2005-04-15 | 2012-04-17 | Mississippi State University Research And Technology Corporation | Change analyst |
US7653263B2 (en) * | 2005-06-30 | 2010-01-26 | General Electric Company | Method and system for volumetric comparative image analysis and diagnosis |
WO2009003198A1 (en) * | 2007-06-28 | 2008-12-31 | Mayo Foundation For Medical Education And Research | System and method for automatically detecting change in a series of medical images of a subject over time |
US8731334B2 (en) * | 2008-08-04 | 2014-05-20 | Siemens Aktiengesellschaft | Multilevel thresholding for mutual information based registration and image registration using a GPU |
US8731255B2 (en) * | 2008-11-05 | 2014-05-20 | University Of Louisville Research Foundation, Inc. | Computer aided diagnostic system incorporating lung segmentation and registration |
US8265390B2 (en) * | 2008-11-11 | 2012-09-11 | Siemens Medical Solutions Usa, Inc. | Probabilistic segmentation in computer-aided detection |
US20100158332A1 (en) * | 2008-12-22 | 2010-06-24 | Dan Rico | Method and system of automated detection of lesions in medical images |
FR2946171B1 (fr) * | 2009-05-29 | 2011-07-15 | Groupe Des Ecoles De Telecommunications Get Ecole Nationale Superieure Des Telecommunications Enst | Procede de quantification de l'evolution de pathologies impliquant des changements de volumes de corps, notamment de tumeurs |
GB2478329B (en) | 2010-03-03 | 2015-03-04 | Samsung Electronics Co Ltd | Medical image processing |
CN103180878B (zh) * | 2010-10-25 | 2017-03-22 | 皇家飞利浦电子股份有限公司 | 用于医学图像的分割的*** |
CN102005049B (zh) | 2010-11-16 | 2012-05-09 | 西安电子科技大学 | 基于单边广义高斯模型的sar图像变化检测阈值方法 |
CN102005050B (zh) | 2010-11-16 | 2013-04-17 | 西安电子科技大学 | 用于变化检测的高斯对数模型单边曲率拟合阈值方法 |
CN102014240B (zh) * | 2010-12-01 | 2013-07-31 | 深圳市蓝韵实业有限公司 | 一种实时医学视频图像去噪方法 |
CN102013095A (zh) * | 2010-12-09 | 2011-04-13 | 哈尔滨工业大学 | 基于分布变换的多传感器图像融合方法 |
US9710730B2 (en) * | 2011-02-11 | 2017-07-18 | Microsoft Technology Licensing, Llc | Image registration |
EP2686831A1 (en) * | 2011-03-15 | 2014-01-22 | Koninklijke Philips N.V. | Correlated image mapping pointer |
GB201117807D0 (en) * | 2011-10-14 | 2011-11-30 | Siemens Medical Solutions | Identifying hotspots hidden on mip |
US9186086B2 (en) * | 2011-11-30 | 2015-11-17 | Siemens Aktiengesellschaft | Small tissue property change detection in magnetic resonance guided intervention |
US9370304B2 (en) * | 2012-06-06 | 2016-06-21 | The Regents Of The University Of Michigan | Subvolume identification for prediction of treatment outcome |
EP2987106A4 (en) * | 2013-04-18 | 2016-12-14 | Digimarc Corp | ACQUIRING AND ANALYZING PHYSIOLOGICAL DATA |
US9311570B2 (en) * | 2013-12-06 | 2016-04-12 | Kabushiki Kaisha Toshiba | Method of, and apparatus for, segmentation of structures in medical images |
US9697603B2 (en) * | 2014-12-19 | 2017-07-04 | Toshiba Medical Systems Corporation | Medical image data processing system and method for vessel segmentation using pre- and post-contrast data |
US10255526B2 (en) * | 2017-06-09 | 2019-04-09 | Uptake Technologies, Inc. | Computer system and method for classifying temporal patterns of change in images of an area |
US10699410B2 (en) * | 2017-08-17 | 2020-06-30 | Siemes Healthcare GmbH | Automatic change detection in medical images |
-
2017
- 2017-06-29 JP JP2018565653A patent/JP6595729B2/ja active Active
- 2017-06-29 RU RU2019102481A patent/RU2752690C2/ru active
- 2017-06-29 US US16/310,521 patent/US11182901B2/en active Active
- 2017-06-29 CA CA3029143A patent/CA3029143A1/en active Pending
- 2017-06-29 CN CN201780040075.4A patent/CN109416835B/zh active Active
- 2017-06-29 EP EP17742377.9A patent/EP3479349B1/en active Active
- 2017-06-29 WO PCT/EP2017/066130 patent/WO2018002221A1/en unknown
Also Published As
Publication number | Publication date |
---|---|
RU2019102481A (ru) | 2020-07-29 |
EP3479349B1 (en) | 2020-01-22 |
US11182901B2 (en) | 2021-11-23 |
EP3479349A1 (en) | 2019-05-08 |
US20190188853A1 (en) | 2019-06-20 |
RU2752690C2 (ru) | 2021-07-29 |
CA3029143A1 (en) | 2018-01-04 |
JP2019518288A (ja) | 2019-06-27 |
RU2019102481A3 (ja) | 2020-10-20 |
CN109416835A (zh) | 2019-03-01 |
WO2018002221A1 (en) | 2018-01-04 |
CN109416835B (zh) | 2023-06-27 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11610308B2 (en) | Localization and classification of abnormalities in medical images | |
JP6595729B2 (ja) | 医療画像における変化検出 | |
Muschelli et al. | PItcHPERFeCT: primary intracranial hemorrhage probability estimation using random forests on CT | |
Shahzad et al. | Vessel specific coronary artery calcium scoring: an automatic system | |
Zhou et al. | Automated coronary artery tree extraction in coronary CT angiography using a multiscale enhancement and dynamic balloon tracking (MSCAR-DBT) method | |
WO2010115885A1 (en) | Predictive classifier score for cancer patient outcome | |
Gillmann et al. | Uncertainty‐aware Visualization in Medical Imaging‐A Survey | |
US10275946B2 (en) | Visualization of imaging uncertainty | |
Bardera et al. | Semi-automated method for brain hematoma and edema quantification using computed tomography | |
Hachaj et al. | CAD system for automatic analysis of CT perfusion maps | |
Gaweł et al. | Automatic spine tissue segmentation from MRI data based on cascade of boosted classifiers and active appearance model | |
Zhou et al. | Computerized analysis of coronary artery disease: performance evaluation of segmentation and tracking of coronary arteries in CT angiograms | |
US20110194741A1 (en) | Brain ventricle analysis | |
Kujawa et al. | Deep learning for automatic segmentation of vestibular schwannoma: a retrospective study from multi-center routine MRI | |
Cau et al. | Applications of artificial intelligence-based models in vulnerable carotid plaque | |
CN111971751A (zh) | 用于评估动态数据的***和方法 | |
US20220005190A1 (en) | Method and system for generating a medical image with localized artifacts using machine learning | |
Goyal et al. | Development of a Stand‐Alone Independent Graphical User Interface for Neurological Disease Prediction with Automated Extraction and Segmentation of Gray and White Matter in Brain MRI Images | |
Giordano et al. | Classification of hemodynamically significant stenoses from dynamic CT perfusion and CTA myocardial territories | |
Goyal et al. | A computational segmentation tool for processing patient brain MRI image data to automatically extract gray and white matter regions | |
Peter et al. | Novel registration-based framework for CT angiography in lower legs | |
Griffis et al. | Automated lesion segmentation | |
US20220108451A1 (en) | Learning device, method, and program, medical image processing apparatus, method, and program, and discriminator | |
Moussa et al. | Tumor volume fuzzification for intelligent cancer staging | |
O'Brien et al. | Machine Learning Based Cardiac Scar Detection in Computed Tomography |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20181214 |
|
A871 | Explanation of circumstances concerning accelerated examination |
Free format text: JAPANESE INTERMEDIATE CODE: A871 Effective date: 20181214 |
|
A975 | Report on accelerated examination |
Free format text: JAPANESE INTERMEDIATE CODE: A971005 Effective date: 20190507 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20190514 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20190806 |
|
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: 20190919 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20190926 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 6595729 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 |