TWI810498B - 肝腫瘤智慧分析裝置 - Google Patents

肝腫瘤智慧分析裝置 Download PDF

Info

Publication number
TWI810498B
TWI810498B TW109140492A TW109140492A TWI810498B TW I810498 B TWI810498 B TW I810498B TW 109140492 A TW109140492 A TW 109140492A TW 109140492 A TW109140492 A TW 109140492A TW I810498 B TWI810498 B TW I810498B
Authority
TW
Taiwan
Prior art keywords
liver
unit
liver tumor
tumor
tumors
Prior art date
Application number
TW109140492A
Other languages
English (en)
Other versions
TW202121435A (zh
Inventor
吳志宏
粘曉菁
許金川
林大翔
周培廉
Original Assignee
國立臺灣大學醫學院附設醫院
醫療財團法人好心肝基金會
粘曉菁
聰泰科技開發股份有限公司
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by 國立臺灣大學醫學院附設醫院, 醫療財團法人好心肝基金會, 粘曉菁, 聰泰科技開發股份有限公司 filed Critical 國立臺灣大學醫學院附設醫院
Publication of TW202121435A publication Critical patent/TW202121435A/zh
Application granted granted Critical
Publication of TWI810498B publication Critical patent/TWI810498B/zh

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
    • 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
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B8/00—Diagnosis using ultrasonic, sonic or infrasonic waves
    • A61B8/08—Detecting organic movements or changes, e.g. tumours, cysts, swellings
    • A61B8/0833—Detecting organic movements or changes, e.g. tumours, cysts, swellings involving detecting or locating foreign bodies or organic structures
    • A61B8/085—Detecting organic movements or changes, e.g. tumours, cysts, swellings involving detecting or locating foreign bodies or organic structures for locating body or organic structures, e.g. tumours, calculi, blood vessels, nodules
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B8/00—Diagnosis using ultrasonic, sonic or infrasonic waves
    • A61B8/08—Detecting organic movements or changes, e.g. tumours, cysts, swellings
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B8/00—Diagnosis using ultrasonic, sonic or infrasonic waves
    • A61B8/48—Diagnostic techniques
    • A61B8/483—Diagnostic techniques involving the acquisition of a 3D volume of 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
    • 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
    • A61B8/5292—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
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00—Machine learning
    • 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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/40—Extraction of image or video features
    • G06V10/44—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components
    • G06V10/443—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components by matching or filtering
    • G06V10/449—Biologically inspired filters, e.g. difference of Gaussians [DoG] or Gabor filters
    • G06V10/451—Biologically inspired filters, e.g. difference of Gaussians [DoG] or Gabor filters with interaction between the filter responses, e.g. cortical complex cells
    • G06V10/454—Integrating the filters into a hierarchical structure, e.g. convolutional neural networks [CNN]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/82—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using neural networks
    • 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
    • G16H50/20—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for computer-aided diagnosis, e.g. based on medical expert systems
    • 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
    • G06T2207/20—Special algorithmic details
    • G06T2207/20081—Training; Learning
    • 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
    • G06T2207/20084—Artificial neural networks [ANN]
    • 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
    • G06T2207/30056—Liver; Hepatic
    • 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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V2201/00—Indexing scheme relating to image or video recognition or understanding
    • G06V2201/03—Recognition of patterns in medical or anatomical images
    • G06V2201/031—Recognition of patterns in medical or anatomical images of internal organs

Landscapes

  • Engineering & Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Physics & Mathematics (AREA)
  • Medical Informatics (AREA)
  • General Health & Medical Sciences (AREA)
  • Biomedical Technology (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Theoretical Computer Science (AREA)
  • Radiology & Medical Imaging (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Molecular Biology (AREA)
  • Public Health (AREA)
  • Pathology (AREA)
  • General Physics & Mathematics (AREA)
  • Evolutionary Computation (AREA)
  • Biophysics (AREA)
  • Veterinary Medicine (AREA)
  • Surgery (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Animal Behavior & Ethology (AREA)
  • Artificial Intelligence (AREA)
  • Multimedia (AREA)
  • Software Systems (AREA)
  • Computing Systems (AREA)
  • Databases & Information Systems (AREA)
  • Vascular Medicine (AREA)
  • Biodiversity & Conservation Biology (AREA)
  • Data Mining & Analysis (AREA)
  • Quality & Reliability (AREA)
  • Geometry (AREA)
  • Primary Health Care (AREA)
  • Epidemiology (AREA)
  • General Engineering & Computer Science (AREA)
  • Mathematical Physics (AREA)
  • Physiology (AREA)
  • Ultra Sonic Daignosis Equipment (AREA)
  • Investigating Or Analysing Biological Materials (AREA)

Abstract

一種肝腫瘤智慧分析裝置，係以超音波檢測搭配深度學習演算法的分析方法來判斷肝腫瘤良惡性風險。該肝腫瘤智慧分析裝置採用依據為經驗豐富之腹部超音波專科醫師將具有肝腫瘤影像點區域之超音波影像標示出來，此等經驗資料的參數及係數經過深度學習演算法的訓練建立一準確率高達86%的推論模型。因而可透過超音波檢測掃描影像，經此肝腫瘤智慧分析裝置立即協助醫生或超音波技術員判讀肝腫瘤的良惡性風險，從而提供醫生進行肝臟腫瘤類型診斷之參考依據。

Description

肝腫瘤智慧分析裝置
本發明係有關於一種肝腫瘤智慧分析裝置，尤指涉及一種以超音波檢測搭配深度學習演算法的分析方法來判斷肝腫瘤良惡性風險，特別係指可透過超音波檢測掃描影像，經此肝腫瘤智慧分析裝置立即協助醫生或超音波技術員判讀肝腫瘤的良惡性風險，從而提供醫生進行肝臟腫瘤類型診斷之參考依據者。
肝癌高居全球癌症死因第四位，且為國人十大癌症死因第二位。肝癌常見的原因在亞洲大多為B型、C型肝炎病毒及黃麴毒素所導致，歐美國家常見於C型肝炎病毒所導致，而脂肪性肝炎、糖尿病及高三酸甘油酯所引發肝癌的產生亦日趨嚴重。
外科手術係目前最直接治療肝癌之方法，然而肝癌之早期診斷以及術後病患相關預後之指標也是很重要的課題。早期確診之肝癌病人通常擁有較多的治療選擇，而治療的功效往往反應在病患的存活率上。因此，定期檢查及早診斷早期治療，是提高病患生存品質、延長生存期之關鍵。
早期診斷除了抽血檢查肝功能、B型C型肝炎病毒及甲種胎兒蛋白外，研究指出腹部超音波為完整肝病的重要檢查之一，根據台大名譽教授許金川教授早年研究指出1/3小型肝癌病人其抽血檢查肝癌指數-甲種胎兒蛋白仍為正常，必須輔以超音波檢查，才能早期發現肝癌，再者加上腹部超音波檢查 特性，快速、方便且無輻射，成為肝癌篩檢的重要工具。
對於肝癌診斷有別於其他癌症，其確診不一定需要經由病理切片，可直接透過影像檢查而確診，如：腹部超音波(abdominal ultrasound,US)、電腦斷層(computed tomography,CT)、以及核磁共振(magnetic resonance imaging,MRI)等，而其敏感度(sensitivity)與特異度(specificity)分別為：0.78~0.73與0.89~0.93、0.84~0.83與0.99~0.91、以及0.83與0.88。
雖然超音波檢查有其便利性，但也有所限制，如：操作者的經驗度、病人肥胖程度、肝纖維化或肝硬化有無等因素，都會影響超音波的精準度，因此當超音波檢查懷疑為惡性腫瘤時，大多安排第二項影像檢查如：CT或MRI輔助確診，而此兩項檢查除醫療成本費用昂貴且檢查排程冗長外，CT檢查更有較多輻射暴露的考量。
有鑑於此，相關技術領域一直亟需一種人工智慧分析技術，輔助超音波檢測即可有效分析肝腫瘤良惡性之方法；而相較於核磁共振成像及/或電腦斷層攝影，本肝腫瘤智慧分析裝置，將協助超音波影像分析準確度與CT及MRI準確度相當，藉此協助醫師利用超音波檢查快速進行精準的肝臟腫瘤類型診斷。
本發明之主要目的係在於，克服習知技藝所遭遇之上述問題並提供一種以超音波檢測搭配深度學習演算法的分析方法來判斷肝腫瘤性質，其準確率可高達86%與CT或MRI準確度相近，藉此協助醫師利用無輻射又安全的超音波檢查，快速進行精準的肝臟腫瘤類型診斷。
為達以上之目的，本發明係一種肝腫瘤智慧分析裝置，其至少包 含有下列步驟：步驟一：輸入數個參考肝臟腫瘤超音波影像，該數個參考肝臟腫瘤超音波影像包含肝臟腫瘤良性與惡性之超音波影像；步驟二：根據現有肝臟腫瘤超音波影像中的明暗、陰影的面積及形狀對現有肝臟腫瘤進行分類，並依此自動對該數個參考肝臟腫瘤超音波影像中帶有腫瘤影像點區域的肝臟腫瘤超音波影像進行標示並辨別肝臟腫瘤之類型；步驟三：將該些帶有腫瘤影像點區域的肝臟腫瘤超音波影像，結合深度學習演算法用於訓練一分類器模型以進行肝臟腫瘤類型的判別；以及步驟四：將一目標肝臟腫瘤超音波影像以該分類器模型進行分析，產生相關於該目標肝臟腫瘤超音波影像的一肝臟腫瘤類型，並預測相關於該目標肝臟腫瘤超音波影像的一肝腫瘤良惡性風險機率值。
於本發明上述實施例中，更包含有一超音波檢測模組、以及一連接該超音波檢測模組之分析模組。
於本發明上述實施例中，該超音波檢測模組包括一超音波探頭，係提供發射超音波掃描取得一目標肝臟腫瘤超音波影像。
於本發明上述實施例中，該分析模組包含有一控制單元、一連接該控制單元之影像採集單元、一連接該控制單元之參考儲存單元、一連接該控制單元之肝腫瘤標示單元、一連接該控制單元之分類單元、一連接該控制單元之比對單元、以及一連接該控制單元之預測肝腫瘤良惡性風險報告產生單元。
於本發明上述實施例中，該控制單元為中央處理器，可作為該影像採集單元、該參考儲存單元、該肝腫瘤標示單元、該分類單元、該比對單元與該預測肝腫瘤良惡性風險報告產生單元，運作時之運算、控制、處理、編碼、解碼與各式驅動指令之下達。
於本發明上述實施例中，該影像採集單元可獲取一目標肝臟腫瘤 超音波影像，且該影像採集單元可為數位視訊介面(Digital Visual Interface,DVI)。
於本發明上述實施例中，該參考儲存單元儲存有數個參考肝臟腫瘤超音波影像，其包含肝臟腫瘤良性與惡性之超音波影像，且該參考儲存單元為硬碟。
於本發明上述實施例中，該肝腫瘤標示單元根據現有肝臟腫瘤超音波影像中的明暗、陰影的面積及形狀對現有肝臟腫瘤進行分類，並依此對該些參考肝臟腫瘤超音波影像中帶有腫瘤影像點區域的肝臟腫瘤超音波影像進行標示並辨別肝臟腫瘤的類型。
於本發明上述實施例中，該肝腫瘤標示單元係依據基於具有配合經驗資料的係數及/或參數，從該數個參考肝臟腫瘤超音波影像中自動標示出帶有腫瘤影像點區域之肝臟腫瘤超音波影像。
於本發明上述實施例中，該分類單元將該肝腫瘤標示單元標示出帶有腫瘤影像點區域之肝臟腫瘤超音波影像，結合深度學習演算法用於訓練一分類模型以進行肝臟腫瘤類型的判別。
於本發明上述實施例中，該比對單元將該影像採集單元獲取之目標肝臟腫瘤超音波影像以該分類單元建立之分類器模型進行分析，產生相關於該目標肝臟腫瘤超音波影像的一肝臟腫瘤類型，並預測相關於該目標肝臟腫瘤超音波影像的一肝腫瘤良惡性風險機率值。
於本發明上述實施例中，該預測肝腫瘤良惡性風險報告產生單元將該比對單元所產生相關於一目標肝臟腫瘤超音波影像的一肝臟腫瘤類型，並預測相關於該目標肝臟腫瘤超音波影像的一肝腫瘤良惡性風險機率值輸入至該 預測肝腫瘤良惡性風險報告產生單元之中，以製作出一份肝腫瘤性質診斷報告。
於本發明上述實施例中，該肝臟腫瘤類型包含良性腫瘤及惡性腫瘤。
1:超音波檢測模組
11:超音波探頭
2:分析模組
21:影像採集單元
22:參考儲存單元
23:控制單元
24:肝腫瘤標示單元
25:分類單元
26:比對單元
27:預測肝腫瘤良惡性風險報告產生單元
s1~s4:步驟一~步驟四
第1圖，係本發明之流程示意圖。
第2圖，係本發明之方塊示意圖。
請參閱『第1圖及第2圖』所示，係分別為本發明之流程示意圖、以及本發明之方塊示意圖。如圖所示：本發明係一種肝腫瘤智慧分析裝置，其包含有下列步驟：
步驟一s1：輸入數個參考肝臟腫瘤超音波影像，該數個參考肝臟腫瘤超音波影像包含肝臟腫瘤良性與惡性之超音波影像。
步驟二s2：根據現有肝臟腫瘤超音波影像中的明暗、陰影的面積及形狀對現有肝臟腫瘤進行分類，並依此自動對該數個參考肝臟腫瘤超音波影像中帶有腫瘤影像點區域的肝臟腫瘤超音波影像進行標示並辨別肝臟腫瘤之類型。
步驟三s3：將該些帶有腫瘤影像點區域的肝臟腫瘤超音波影像，結合深度學習演算法用於訓練一分類器模型以進行肝臟腫瘤類型的判別。
步驟四s4將一目標肝臟腫瘤超音波影像以該分類器模型進行分析，產生相關於該目標肝臟腫瘤超音波影像的一肝臟腫瘤類型，並預測相關於該目標肝臟腫瘤超音波影像的一肝腫瘤良惡性風險機率值。如是，藉由上述揭露之結構及其 執行流程構成一全新之肝腫瘤智慧分析裝置。
於本發明之一較佳具體實施例中，更包含有一超音波檢測模組1、以及一分析模組2。
上述所提之超音波檢測模組1包括一超音波探頭11。
該分析模組2連接該超音波檢測模組1，係包括一影像採集單元21、一參考儲存單元22、一控制單元23、一肝腫瘤標示單元24、一分類單元25、一比對單元26、以及一預測肝腫瘤良惡性風險報告產生單元27。其中，該控制單元23可為中央處理器(Central Processing Unit,CPU)，用以作為該影像採集單元21、該參考儲存單元22、該肝腫瘤標示單元24、該分類單元25、該比對單元26與該預測肝腫瘤良惡性風險報告產生單元27，運作時之運算、控制、處理、編碼、解碼與各式驅動指令之下達。
當本發明於運用時，本發明之肝腫瘤智慧分析裝置可實施於一電腦中，而該控制單元23為電腦之中央處理器，該肝腫瘤標示單元24、該分類單元25、該比對單元26與該預測肝腫瘤良惡性風險報告產生單元27可為電腦中之程式，並儲存於硬碟或記憶體中，且該影像採集單元21為電腦的數位視訊介面(Digital Visual Interface,DVI)，而該參考儲存單元22可為硬碟，並進一步具有螢幕、滑鼠及鍵盤作為相關之輸出與操作。另外，亦可將本發明之肝腫瘤智慧分析裝置實施於一伺服器中。
當使用時，由該超音波檢測模組1之超音波探頭11提供發射超音波掃描一受試者外部相對應於肝臟之區域，藉以取得該受試者複數組肝臟腫瘤超音波影像，而在掃描期間，醫生亦可能察覺到至少一張可疑腫瘤超音波影像而進行選定為一目標肝臟腫瘤超音波影像。
該分析模組2可由該影像採集單元21獲取透過該超音波檢測模組1成像而形成的該受試者之目標肝臟腫瘤超音波影像，並以該參考儲存單元22儲存有數個參考肝臟腫瘤超音波影像，其包含肝臟腫瘤良性及惡性之超音波影像。該分析模組2儲存一程式，其中當該程式由該控制單元23執行時，該程式可提供臨床人員判斷該受試者之一肝臟腫瘤類型與預測該受試者之一肝腫瘤良惡性風險機率，該程式包含該肝腫瘤標示單元24、該分類單元25、該比對單元26與該預測肝腫瘤良惡性風險報告產生單元27。
該肝腫瘤標示單元24依據基於具有配合經驗資料的係數及/或參數，從該數個參考肝臟腫瘤超音波影像中自動標示出帶有腫瘤影像點區域的肝臟腫瘤超音波影像並辨別肝臟腫瘤的類型。例如：該肝腫瘤標示單元24可依據基於配合醫師經驗進行標示。該分類單元25再將該些帶有腫瘤影像點區域之肝臟腫瘤超音波影像，結合深度學習演算法(是一種以人工神經網路為架構，對資料進行表徵學習的演算法，為現有技術)用於訓練一分類器模型(利用人工神經網路對影像做特徵抽取，最後使用全連接網路對特徵進行分類)以進行肝臟腫瘤類型的判別。由該比對單元26將該目標肝臟腫瘤超音波影像以該分類器模型進行分析，以提供臨床人員判斷該受試者之一肝臟腫瘤性質，並進一步預測該受試者之一肝腫瘤良惡性風險機率。最後透過該預測肝腫瘤良惡性風險報告產生單元27將該比對單元26所產生之提供臨床人員判斷該受試者之一肝臟腫瘤類型與預測該受試者之一肝腫瘤良惡性風險機率輸入至該預測肝腫瘤良惡性風險報告產生單元27之中，以製作出一份協助醫師判斷肝腫瘤性質的診斷報告。
藉此，本發明所提肝腫瘤智慧分析裝置，採用根據現有肝臟腫瘤 超音波影像中的明暗、陰影的面積及形狀對現有肝臟腫瘤進行分類，並依此自動對數個參考肝臟腫瘤超音波影像中帶有腫瘤影像點區域的肝臟腫瘤超音波影像進行標示並辨別肝臟腫瘤之類型，將該些帶有腫瘤影像點區域之肝臟腫瘤超音波影像，結合深度學習演算法用於訓練一準確率高達86%的分類器模型以進行肝臟腫瘤類型的判別。因而可透過超音波檢測掃描影像，經此肝腫瘤智慧分析裝置立即協助醫生或超音波技術員判讀肝腫瘤的良惡性風險，從而提供醫生進行肝臟腫瘤類型診斷之參考依據。
綜上所述，本發明係一種肝腫瘤智慧分析裝置，可有效改善習用之種種缺點，以超音波檢測搭配深度學習演算法的分析方法來判斷肝腫瘤良惡性風險，利用根據現有肝臟腫瘤超音波影像中的明暗、陰影的面積及形狀對現有肝臟腫瘤進行分類，並依此自動對數個參考肝臟腫瘤超音波影像中帶有腫瘤影像點區域的肝臟腫瘤超音波影像進行標示並辨別肝臟腫瘤之類型，將該些帶有腫瘤影像點區域之肝臟腫瘤超音波影像，結合深度學習演算法用於訓練一準確率高達86%的分類器模型以進行肝臟腫瘤類型的判別，藉此協助醫師利用無輻射又安全的超音波檢查，快速進行精準的肝臟腫瘤類型診斷，進而使本發明之產生能更進步、更實用、更符合使用者之所須，確已符合發明專利申請之要件，爰依法提出專利申請。
惟以上所述者，僅為本發明之較佳實施例而已，當不能以此限定本發明實施之範圍；故，凡依本發明申請專利範圍及發明說明書內容所作之簡單的等效變化與修飾，皆應仍屬本發明專利涵蓋之範圍內。
1:超音波檢測模組
11:超音波探頭
2:分析模組
21:影像採集單元
22:參考儲存單元
23:控制單元
24:肝腫瘤標示單元
25:分類單元
26:比對單元
27:預測肝腫瘤良惡性風險報告產生單元

Claims (5)

  1. 一種肝腫瘤智慧分析裝置，應用於一分析模組並且對該分析模組中一控制單元、一連接該控制單元之影像採集單元、一連接該控制單元之參考儲存單元、一連接該控制單元之肝腫瘤標示單元、一連接該控制單元之分類單元、一連接該控制單元之比對單元、以及一連接該控制單元之預測肝腫瘤良惡性風險報告產生單元進行執行，該裝置係包含有下列執行步驟：步驟一：通過該影像採集單元從受試者的外部位置掃描肝臟區域，以獲取該受試者的目標肝臟腫瘤超音波影像；步驟二：由該控制單元輸入數個現有參考肝臟腫瘤超音波影像至該參考儲存單元中，該數個現有參考肝臟腫瘤超音波影像包含肝臟腫瘤良性與惡性之超音波影像；步驟三：由該肝腫瘤標示單元根據基於具有配合經驗資料的係數及/或參數，以該數個現有參考肝臟腫瘤超音波影像中的明暗、陰影的面積及形狀從該數個現有參考肝臟腫瘤超音波影像中獲取數個肝臟腫瘤類型，以自動標示該數個現有參考肝臟腫瘤超音波影像中的數個腫瘤影像點區域，並辨別該數個腫瘤影像點區域的該些肝臟腫瘤類型；步驟四：由該分類單元獲取該數個現有參考肝臟腫瘤超音波影像中的該數個腫瘤影像點區域，用以結合深度學習演算法訓練一分類器模型；以及步驟五：由該比對單元將該影像採集單元獲取之該受試者的該目標肝臟腫瘤超音波影像以該分類單元建立之該分類器模型進行分析，以提供該分析。
  2. 依申請專利範圍第1項所述之肝腫瘤智慧分析裝置，其中，將該控制單元設置為中央處理器，作為該影像採集單元、該參考儲存單元、該肝腫瘤標示單元、該分類單元、該比對單元與該預測肝腫瘤良惡性風險報告產生 單元，在各步驟中運作時之運算、控制、處理、編碼與解碼等驅動指令之下達。
  3. 依申請專利範圍第1項所述之肝腫瘤智慧分析裝置，其中，該影像採集單元之介面為數位視訊介面(Digital Visual Interface,DVI)。
  4. 依申請專利範圍第1項所述之肝腫瘤智慧分析裝置，其中，該參考儲存單元為硬碟。
  5. 依申請專利範圍第1項所述之肝腫瘤智慧分析裝置，其中，該肝臟腫瘤類型包含良性腫瘤及惡性腫瘤。
TW109140492A 2019-11-21 2020-11-19 肝腫瘤智慧分析裝置 TWI810498B (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
TW108142298 2019-11-21
TW108142298 2019-11-21

Publications (2)

Publication Number Publication Date
TW202121435A TW202121435A (zh) 2021-06-01
TWI810498B true TWI810498B (zh) 2023-08-01

Family

ID=73543209

Family Applications (1)

Application Number Title Priority Date Filing Date
TW109140492A TWI810498B (zh) 2019-11-21 2020-11-19 肝腫瘤智慧分析裝置

Country Status (6)

Country Link
EP (1) EP3825910B1 (zh)
CN (1) CN112927179A (zh)
ES (1) ES2949835T3 (zh)
GB (1) GB2591177A (zh)
PL (1) PL3825910T3 (zh)
TW (1) TWI810498B (zh)

Families Citing this family (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112862822B (zh) * 2021-04-06 2023-05-30 华侨大学 一种超声乳腺肿瘤检测与分类方法、装置与介质
CN113436158B (zh) * 2021-06-21 2023-04-18 遂宁市中心医院 一种基于深度学习的肝脏肿块辅助鉴别方法
CN113743463B (zh) * 2021-08-02 2023-09-26 中国科学院计算技术研究所 一种基于影像数据和深度学习的肿瘤良恶性识别方法和***
TWI802243B (zh) * 2022-01-22 2023-05-11 臺北醫學大學 超音波影像處理系統及其運作方法
TWI830161B (zh) * 2022-02-25 2024-01-21 國立陽明交通大學 腦部腫瘤種類自動判別系統、其伺服計算機裝置及計算機可讀取的儲存媒體
JP2023182996A (ja) * 2022-06-15 2023-12-27 富士フイルム株式会社 超音波診断装置および超音波診断装置の制御方法

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2007524461A (ja) * 2003-06-25 2007-08-30 シーメンス　メディカル　ソリューションズ　ユーエスエー　インコーポレイテッド ***撮像の自動診断及び決定支援システム及び方法
JP2010029481A (ja) * 2008-07-29 2010-02-12 Univ Of Tsukuba 腫瘍の経過観察レポート自動作成診断支援システム
CN105447872A (zh) * 2015-12-03 2016-03-30 中山大学 一种在超声影像中自动识别肝脏肿瘤类型的方法
US20180165809A1 (en) * 2016-12-02 2018-06-14 Panagiotis Stanitsas Computer vision for cancerous tissue recognition
CN110167449A (zh) * 2016-11-16 2019-08-23 德拉工业公司 便携式超声***
CN110288574A (zh) * 2019-06-13 2019-09-27 南通市传染病防治院(南通市第三人民医院) 一种超声辅助诊断肝肿块***及方法

Family Cites Families (16)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2010063010A2 (en) * 2008-11-26 2010-06-03 Guardian Technologies International Inc. System and method for texture visualization and image analysis to differentiate between malignant and benign lesions
JP2017000364A (ja) * 2015-06-09 2017-01-05 コニカミノルタ株式会社 超音波診断装置、及び超音波画像処理方法
CN106530298A (zh) * 2016-11-14 2017-03-22 同济大学 一种基于三支决策的肝脏肿瘤ct图像分类方法
CN108364293A (zh) * 2018-04-10 2018-08-03 复旦大学附属肿瘤医院 一种在线训练甲状腺肿瘤超声图像识别方法及其装置
CN108847286A (zh) * 2018-06-04 2018-11-20 暨南大学附属第医院（广州华侨医院） 基于影像特征数据的肿瘤预测方法
WO2019243344A1 (en) * 2018-06-22 2019-12-26 Koninklijke Philips N.V. Ultrasound lesion assessment and associated devices, systems, and methods
CN109166105B (zh) * 2018-08-01 2021-01-26 中国人民解放军东部战区总医院 人工智能医学影像的肿瘤恶性风险分层辅助诊断***
CN110288542A (zh) * 2019-06-18 2019-09-27 福州数据技术研究院有限公司 一种基于随机变换的肝部病理图像样本增强方法
CN110264462B (zh) * 2019-06-25 2022-06-28 电子科技大学 一种基于深度学习的乳腺超声肿瘤识别方法
CN110866893B (zh) * 2019-09-30 2021-04-06 中国科学院计算技术研究所 基于病理图像的tmb分类方法、***及tmb分析装置
CN110837859A (zh) * 2019-11-01 2020-02-25 越亮传奇科技股份有限公司 一种融合多维度医疗数据的肿瘤精细分类***及方法
TWM594253U (zh) * 2019-11-21 2020-04-21 粘曉菁 肝腫瘤智慧分析裝置
CN111243042A (zh) * 2020-02-28 2020-06-05 浙江德尚韵兴医疗科技有限公司 基于深度学习的超声甲状腺结节良恶性特征可视化的方法
CN111402207B (zh) * 2020-03-02 2023-05-30 中山大学附属第一医院 一种基于复合神经网络的超声造影视频数据分析方法
CN111539930B (zh) * 2020-04-21 2022-06-21 浙江德尚韵兴医疗科技有限公司 基于深度学习的动态超声乳腺结节实时分割与识别的方法
US11436724B2 (en) * 2020-10-30 2022-09-06 International Business Machines Corporation Lesion detection artificial intelligence pipeline computing system

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2007524461A (ja) * 2003-06-25 2007-08-30 シーメンス　メディカル　ソリューションズ　ユーエスエー　インコーポレイテッド ***撮像の自動診断及び決定支援システム及び方法
JP2010029481A (ja) * 2008-07-29 2010-02-12 Univ Of Tsukuba 腫瘍の経過観察レポート自動作成診断支援システム
CN105447872A (zh) * 2015-12-03 2016-03-30 中山大学 一种在超声影像中自动识别肝脏肿瘤类型的方法
CN110167449A (zh) * 2016-11-16 2019-08-23 德拉工业公司 便携式超声***
US20180165809A1 (en) * 2016-12-02 2018-06-14 Panagiotis Stanitsas Computer vision for cancerous tissue recognition
CN110288574A (zh) * 2019-06-13 2019-09-27 南通市传染病防治院(南通市第三人民医院) 一种超声辅助诊断肝肿块***及方法

Also Published As

Publication number Publication date
GB2591177A (en) 2021-07-21
TW202121435A (zh) 2021-06-01
PL3825910T3 (pl) 2023-09-11
ES2949835T3 (es) 2023-10-03
EP3825910B1 (en) 2023-05-03
GB202018273D0 (en) 2021-01-06
CN112927179A (zh) 2021-06-08
EP3825910A1 (en) 2021-05-26

Similar Documents

Publication Publication Date Title
TWI810498B (zh) 肝腫瘤智慧分析裝置
Soomro et al. Artificial intelligence (AI) for medical imaging to combat coronavirus disease (COVID-19): A detailed review with direction for future research
Park et al. Key principles of clinical validation, device approval, and insurance coverage decisions of artificial intelligence
Xue et al. Modality alignment contrastive learning for severity assessment of COVID-19 from lung ultrasound and clinical information
CN110060774A (zh) 一种基于生成式对抗网络的甲状腺结节识别方法
US20210153838A1 (en) Method and Apparatus of Intelligent Analysis for Liver Tumor
JP2004000609A (ja) 多重エネルギ画像による計算機支援診断
McDermott et al. Sonographic diagnosis of COVID-19: A review of image processing for lung ultrasound
BRPI0618949A2 (pt) método e sistema para analisar uma pluralidade de dados de imagem médicos de uma região em uma anatomia, método para adquirir e analisar dados de imagem médicos mrs de uma região em uma anatomia e sistema para analisar dados de imagem médicos de uma região em uma anatomia
Jiang et al. Deep learning for COVID-19 chest CT (computed tomography) image analysis: A lesson from lung cancer
JP2007524461A (ja) ***撮像の自動診断及び決定支援システム及び方法
Panetta et al. Automated detection of COVID-19 cases on radiographs using shape-dependent Fibonacci-p patterns
JP3228085U (ja) 肝腫瘍知能分析装置
US20230154006A1 (en) Rapid, accurate and machine-agnostic segmentation and quantification method and device for coronavirus ct-based diagnosis
Dong et al. One step further into the blackbox: a pilot study of how to build more confidence around an AI-based decision system of breast nodule assessment in 2D ultrasound
KR102531400B1 (ko) 인공 지능 기반 대장 내시경 영상 진단 보조 시스템 및 방법
WO2022110525A1 (zh) 一种癌变区域综合检测装置及方法
JP2013010009A (ja) 診断支援装置、診断支援装置の制御方法、およびそのプログラム
Xiao et al. A cascade and heterogeneous neural network for CT pulmonary nodule detection and its evaluation on both phantom and patient data
Dinesh et al. Machine learning in the detection of oral lesions with clinical intraoral images
Lasker et al. Application of machine learning and deep learning techniques for Covid-19 screening using radiological imaging: a comprehensive review
JP2006325640A (ja) 異常陰影候補の表示方法及び医用画像処理システム
Kumar et al. A Novel Approach for Breast Cancer Detection by Mammograms
Khanna A Review of AI Devices in Cancer Radiology for Breast and Lung Imaging and Diagnosis
JP2006340835A (ja) 異常陰影候補の表示方法及び医用画像処理システム