JP5926728B2 - 内科医が直接用いるのに適応したビジュアライゼーション - Google Patents
内科医が直接用いるのに適応したビジュアライゼーション Download PDFInfo
- Publication number
- JP5926728B2 JP5926728B2 JP2013521851A JP2013521851A JP5926728B2 JP 5926728 B2 JP5926728 B2 JP 5926728B2 JP 2013521851 A JP2013521851 A JP 2013521851A JP 2013521851 A JP2013521851 A JP 2013521851A JP 5926728 B2 JP5926728 B2 JP 5926728B2
- Authority
- JP
- Japan
- Prior art keywords
- image
- prototype
- neural network
- genotype
- mdtf
- 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
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T15/00—3D [Three Dimensional] image rendering
- G06T15/08—Volume rendering
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
- G06N3/086—Learning methods using evolutionary algorithms, e.g. genetic algorithms or genetic programming
-
- 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
-
- 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
- G06T7/143—Segmentation; Edge detection involving probabilistic approaches, e.g. Markov random field [MRF] modelling
-
- 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]
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/05—Detecting, measuring or recording for diagnosis by means of electric currents or magnetic fields; Measuring using microwaves or radio waves
- A61B5/055—Detecting, measuring or recording for diagnosis by means of electric currents or magnetic fields; Measuring using microwaves or radio waves involving electronic [EMR] or nuclear [NMR] magnetic resonance, e.g. magnetic resonance imaging
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B6/00—Apparatus for radiation diagnosis, e.g. combined with radiation therapy equipment
- A61B6/02—Devices for diagnosis sequentially in different planes; Stereoscopic radiation diagnosis
- A61B6/03—Computerised tomographs
- A61B6/032—Transmission computed tomography [CT]
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B6/00—Apparatus for radiation diagnosis, e.g. combined with radiation therapy equipment
- A61B6/46—Apparatus for radiation diagnosis, e.g. combined with radiation therapy equipment with special arrangements for interfacing with the operator or the patient
- A61B6/461—Displaying means of special interest
- A61B6/466—Displaying means of special interest adapted to display 3D 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
-
- 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
- G06T2207/20—Special algorithmic details
- G06T2207/20092—Interactive image processing based on input by user
- G06T2207/20104—Interactive definition of region of interest [ROI]
-
- 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
-
- 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
Description
Claims (61)
- 解剖学的構造の所望部分を分離するように解剖学的構造の三次元(3D)ボリュームビジュアライゼーション画像をリアルタイムで修正する方法であって、
解剖学的構造の3Dボリュームビジュアライゼーション画像の二次元(2D)画像 スライスを用意し、
関心のある解剖学的構造の所望の部分を特定し、
解剖学的構造の所望の部分を有する二次元(2D)画像スライスのプロトタイプ画 像を用意し、
プロトタイプ画像に十分に合致する画像を生成するように関心のある解剖学的構造 の所望の部分と一致する光学的特性を強度値にマッピングするように伝達関数を用い るアルゴリズムのパラメータを進化させるようにエボルバを使用し、
生成された画像のパラメータがプロトタイプ画像に十分に適合したとき、修正され た解剖学的構造の3Dボリュームビジュアライゼーション画像を生成するように3D ボリュームビジュアライゼーション画像の追加の2D画像スライスに伝達関数を適用 する、
方法。 - 光学的特性は色度および/または透明度値である、請求項1に記載の方法。
- エボルバは遺伝的アルゴリズムである、請求項1に記載の方法。
- パラメータ値はヒストグラムを選択するグラフィカルエレメントの組を画定する、請求項1に記載の方法。
- アルゴリズムは伝達関数を生成するようにヒストグラムを選択するグラフィカルエレメントを用いる、請求項1に記載の方法。
- 伝達関数生成画像がプロトタイプ画像と十分に合致するかを評価し、画像が適合する度合いを示す0.0から1.0の間の適合度値を割り当てることにより遺伝的アルゴリズムの適合度関数を決定するようにパターン認識装置が用いられる、請求項3に記載の方法。
- 中央サーバアプリケーションにより画像が正常か異常かのフラグを付されるかを決定しそして画像に異常性を特定するようにパターン認識装置が用いられる、請求項1に記載の方法。
- パターン認識装置は神経回路網モデルである、請求項6に記載の方法。
- 神経回路網モデルは類似した画像を認識するように前もって学習される、請求項8に記載の方法。
- 伝達関数生成画像がプロトタイプ画像と適合するかを決定するように神経回路網モデルが用いられ、神経回路網は伝達関数生成画像およびプロトタイプ画像のピクセル画像から視覚的パターンを直接認識するように適合される、請求項1に記載の方法。
- 神経回路網は畳み込み神経回路網モデルを用いる、請求項1に記載の方法。
- 伝達関数生成画像がプロトタイプ画像に十分に合致しているかを決定し、画像が一致する度合いを示す0.0と1.0の間の適合度値を与えるように二乗平均平方根誤差(Ei)適合度関数が用いられる、請求項1に記載の方法。
- 伝達関数生成画像がプロトタイプ画像に十分には合致していないときに、アルゴリズムのパラメータの進化を継続しそして前記工程を繰り返すことをさらに含む、請求項1に記載の方法。
- 解剖学的構造の所望の部分を分離するように解剖学的構造の3Dボリュームビジュアライゼーション画像のさらなる修正に適合遺伝子型または伝達関数を用いて前記工程を使用することをさらに含む、請求項1に記載の方法。
- スキャン検査技師のセグメンテーションプロトコルの代わりに画像を生成するように適合遺伝子型または伝達関数を使用することをさらに含む、請求項1に記載の方法。
- 遠隔クライアントアプリケーションに適応ビジュアライゼーションをそしてその中央サーバアプリケーションで三次元(3D)ボリュームビジュアライゼーション画像を表示する方法であって、
解剖学的構造の3Dボリュームビジュアライゼーション画像の二次元(2D)画像 スライスを用意し、
遠隔クライアントアプリケーションで関心のある部分の画像表示を認定し、
関心のある部分の画像表示の情報を中央サーバアプリケーションに伝達し、
レンダリング画像の形態で関心のある部分の画像表示を作るように光学的特性を強 度値にマッピングするアルゴリズムの伝達関数パラメータを進化させるようにエボル バを使用し、
レンダリング画像を圧縮するための圧縮アルゴリズムを最適化するアルゴリズムの 圧縮パラメータを進化させるようにエボルバを使用し、
中央サーバから遠隔クライアントアプリケーションへの圧縮画像の伝達を最適化す るアルゴリズムの伝達パラメータを進化させるようにエボルバを使用する
ことを含む、方法。 - 圧縮パラメータの最適化は最高の圧縮率を作り出すと同時に診断に関する品質を維持する、請求項16に記載の方法。
- 伝達パラメータの最適化は遠隔クライアントアプリケーションへの最速の伝達を作り出す、請求項16に記載の方法。
- エボルバは遺伝的アルゴリズムである、請求項16に記載の方法。
- 伝達関数パラメータ値はヒストグラムを選択するグラフィカルエレメントの組を画定する、請求項16に記載の方法。
- アルゴリズムは伝達関数パラメータを生成するようにヒストグラムを選択するグラフィカルエレメントを用いる、請求項16に記載の方法。
- パターン認識装置は、レンダリング画像が関心のある部分の画像表示に十分に合致しているかを評価しそして画像の適合の度合いを示す0.0と1.0の間の適合度値を付与することにより遺伝的アルゴリズムの適合度関数を決定するように用いられる、請求項16に記載の方法。
- 中央サーバアプリケーションにより画像表示が正常または異常としてフラグを付されているかを決定するようにパターン認識装置が用いられる、請求項16に記載の方法。
- 中央サーバアプリケーションにより画像表示が正常または異常としてフラグを付されているかを決定しそして画像表示に異常性を特定するようにパターン認識装置が用いられる、請求項16に記載の方法。
- パターン認識装置は神経回路網モデルである、請求項23に記載の方法。
- 類似のレンダリング画像を認識するように神経回路網モデルが前もって教え込まれる、請求項25に記載の方法。
- レンダリング画像がプロトタイプ画像に適合するかを決定するように神経回路網モデルが用いられ、神経回路網はレンダリング画像およびプロトタイプ画像のピクセル画像から視覚的パターンを直接認識するように適合される、請求項16に記載の方法。
- 神経回路網は畳み込み神経回路網モデルを用いる、請求項27に記載の方法。
- 神経回路網モデルは正常または異常画像表示を認識するように前もって教え込まれる、請求項28に記載の方法。
- 画像表示が正常か異常かをユーザに警告するようにフラグまたは警告が遠隔クライアントアプリケーションに送られる、請求項16に記載の方法。
- 画像表示の異常区域は特定されそしてユーザに警告するように遠隔クライアントアプリケーションに送られる、請求項30に記載の方法。
- ユーザは放射線科医である、請求項31に記載の方法。
- ユーザは内科医である、請求項31に記載の方法。
- レンダリング画像がプロトタイプ画像と十分に合致するかを決定しそして画像の適合の度合いを示す0.0と1.0の間の適合度値を付与するように二乗平均平方根誤差(Ei)適合度関数が用いられる、請求項16に記載の方法。
- レンダリング画像がプロトタイプ画像と十分に合致しないとき、アルゴリズムの進化を継続しそして前述のステップを繰り返すことをさらに含む、請求項16に記載の方法。
- 解剖学的構造の所望の部分を分離するように解剖学的構造の3Dボリュームビジュアライゼーション画像の将来的な修正でプロトタイプ画像に適合するレンダリング画像を生成する伝達関数パラメータを使用して前記工程を用いることをさらに含む、請求項16に記載の方法。
- スキャン検査技師のセグメンテーションプロトコルの代わりに画像を生成するようにプロトタイプ画像に適合したレンダリング画像を作り出す伝達関数パラメータを使用することをさらに含む、請求項16に記載の方法。
- 解剖学的構造の所望の部分を分離するように解剖学的構造の三次元(3D)ボリュームビジュアライゼーション画像をリアルタイムで修正する方法であって、
解剖学的構造の3Dボリュームビジュアライゼーション画像スキャンの二次元(2 D)画像スライス用意し、
2D画像スライスの領域を特定し、
解剖学的構造の所望の部分のプロトコル画像を用意し、
プロトタイプ画像に対応する2D画像スライスの、2D画像スライスの特定領域の 強度値を含む仮想ヒストグラムを作り、
遺伝的アルゴリズムを使用し、仮想ヒストグラムの領域を選択し、そしてその各々 が遺伝的アルゴリズムの遺伝子型からなる1つまたはそれ以上の仮想グラフィカルエ レメントで選択された領域をマーキングし、
多次元伝達関数(MDTF)を使用し、画像を生成するようにヒストグラムのマー クを付した領域のプロトタイプ画像と一致する強度値に光学的特性をマッピングし、
遺伝子型のMDTF生成画像がプロトタイプ画像と十分に合致するかを決定するよ うにマークを付した部分のMDTF生成画像をプロトタイプ画像と比較し、
MDTF生成画像がプロトタイプ画像と十分に合致するとき、解剖学的構造の修正 された3Dビジュアライゼーション画像を作るように3Dビジュアライゼーション画 像の追加の2D画像スライスにMDTFを適用する、
方法。 - 光学的特性は色度および/または透明度値を含む、請求項38に記載の方法。
- 仮想ヒストグラムは数学的に表わされる、請求項38に記載の方法。
- 仮想グラフィカルエレメントは数学的に表わされる、請求項38に記載の方法。
- 遺伝子型は仮想グラフィカルエレメントを表す数学的表現のパラメータを表す、請求項38に記載の方法。
- 遺伝的アルゴリズムは1つまたはそれ以上のグラフィカルエレメントを生成するように遺伝子型を適合することにより仮想ヒストグラムの領域を選択する、請求項38に記載の方法。
- 遺伝的アルゴリズムは1つまたはそれ以上のグラフィカルエレメントのためにBスプラインを用いる、請求項38に記載の方法。
- 遺伝子型は仮想グラフィカルエレメントのBスプラインを表わすパラメトリック方程式を表わす、請求項38に記載の方法。
- 遺伝子型のMDTF生成画像がプロトタイプ画像に十分に合致するかを評価することにより神経回路網モデルが遺伝的アルゴリズムの適合度関数を決定するように用いられそして画像の適合の度合いを示す0.0と1.0の間の適合度値を付与する、請求項38に記載の方法。
- 神経回路網モデルは類似の画像を認識するように前もって教え込まれる、請求項46に記載の方法。
- 遺伝子型のMDTF生成画像がプロトタイプ画像と十分に合致するかを決定するように神経回路網モデルが用いられ、神経回路網はMDTF生成画像およびプロトタイプ画像のピクセル画像から視覚的パターンを直接認識するように適合される、請求項38に記載の方法。
- 神経回路網は畳み込み神経回路網モデルを用いる、請求項48に記載の方法。
- 関心のある画像がMDTF生成画像の形態でありそして画像が中央サーバアプリケーションによって正常または異常としてフラグを付されているかをけっていするように神経回路網モデルが用いられる、請求項38に記載の方法。
- 神経回路網モデルは正常または異常な画像を認識するように前もって教え込まれる、請求項50に記載の方法。
- 画像が正常か異常かをユーザに警告するようにフラグまたは警告が遠隔クライアントアプリケーションに送られる、請求項50に記載の方法。
- 画像の異常領域は特定されそしてユーザに警告するように遠隔クライアントアプリケーションに送られる、請求項52に記載の方法。
- ユーザは放射線科医である、請求項53に記載の方法。
- ユーザは内科医である、請求項53に記載の方法。
- 遺伝子型のMDTF生成画像がプロトタイプ画像と十分に合致するかを決定し、そして画像の適合の度合いを示す0.0と1.0の間の適合度値を付与するように二乗平均平方根誤差(Ei)適合度関数が用いられる、請求項38に記載の方法。
- 遺伝子型のMDTF生成画像がプロトタイプ画像と十分に合致しないとき、新しいグラフィカルエレメントを生成するように遺伝子型を修正し、そして前記の工程を繰り返すことをさらに含む、請求項38に記載の方法。
- 解剖学的構造の所望の部分を分離するように解剖学的構造の3Dボリュームビジュアライゼーション画像の将来的な修正において適合された遺伝子型またはMDTFを使用し、前述の工程を用いることをさらに含む、請求項38に記載の方法。
- スキャン検査技師のセグメンテーションプロトコルの代わりに画像を生成するように適合された遺伝子型またはMDTFを用いることをさらに含む、請求項38に記載の方法。
- 解剖学的構造の所望の部分を分離するように解剖学的構造の三次元(3D)ボリュームビジュアライゼーション画像をリアルタイムで修正するためのシステムであって、該システムはスキャンの仮想ヒストグラムを受け取るように適合され、該スキャンは解剖学的構造の3Dボリュームビジュアライゼーション画像の二次元(2D)画像スライスに基づくものであり、ヒストグラムは2D画像スライスの特定領域の強度値を含むシステムにおいて;遺伝的アルゴリズムを使用し、1つまたはそれ以上の仮想グラフィカルエレメントで仮想ヒストグラムの選択領域のマーキングを可能にし、グラフィカルエレメントの各々は遺伝的アルゴリズムの遺伝子型からなり;多次元伝達関数(MDTF)を使用し、ヒストグラムのマーキング領域の強度値に光学的特性をマッピングし;遺伝子型がプロトタイプ画像と十分に合致するかを決定するようにマーキング領域のMDTF生成光学的特性をプロトタイプ画像と比較でき;そして遺伝子型がプロトタイプ画像に十分に合致するとき、解剖学的構造の修正された3Dボリュームビジュアライゼーション画像を生成するように3Dボリュームビジュアライゼーション画像の追加の2D画像スライスに遺伝子型またはMDTFを適用する、システム。
- 遺伝子型のMDTF生成画像がプロトタイプ画像に十分に合致するかを決定するように畳み込み神経回路網モデルが使用され、神経回路網はマーキング領域およびプロトタイプ画像のピクセル画像から視覚的パターンを直接認識するように適合される、請求項60に記載のシステム。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US36761010P | 2010-07-26 | 2010-07-26 | |
US61/367,610 | 2010-07-26 | ||
PCT/US2011/045047 WO2012018560A2 (en) | 2010-07-26 | 2011-07-22 | Adaptive visualization for direct physician use |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2013537445A JP2013537445A (ja) | 2013-10-03 |
JP5926728B2 true JP5926728B2 (ja) | 2016-05-25 |
Family
ID=45559977
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2013521851A Active JP5926728B2 (ja) | 2010-07-26 | 2011-07-22 | 内科医が直接用いるのに適応したビジュアライゼーション |
Country Status (4)
Country | Link |
---|---|
US (1) | US8938113B2 (ja) |
EP (1) | EP2598034B1 (ja) |
JP (1) | JP5926728B2 (ja) |
WO (1) | WO2012018560A2 (ja) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2018155765A1 (ko) * | 2017-02-22 | 2018-08-30 | 연세대학교 산학협력단 | 컴퓨터 단층촬영 영상에서 플라크를 분석하기 위한 방법 및 장치 |
Families Citing this family (50)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8442283B2 (en) * | 2006-08-30 | 2013-05-14 | Anatomage Inc. | Patient-specific three-dimensional dentition model |
US9002483B1 (en) | 2011-03-18 | 2015-04-07 | Rockwell Collins, Inc. | Diploid control of water heaters |
US8849737B1 (en) | 2011-03-18 | 2014-09-30 | Rockwell Collins, Inc. | Prediction method of predicting a future state of a system |
DE102011076929A1 (de) * | 2011-06-03 | 2012-12-06 | Siemens Ag | Verfahren und Vorrichtung zur Darstellung von Volumendaten für eine Untersuchung von Dichteeigenschaften |
US8682817B1 (en) * | 2011-09-02 | 2014-03-25 | Rockwell Collins, Inc. | Product testing process using diploid evolutionary method |
US9196091B2 (en) * | 2012-01-24 | 2015-11-24 | Kabushiki Kaisha Toshiba | Image processing method and system |
US20140253544A1 (en) * | 2012-01-27 | 2014-09-11 | Kabushiki Kaisha Toshiba | Medical image processing apparatus |
JP2016508757A (ja) * | 2012-12-21 | 2016-03-24 | ジェイソン スペンサー, | 医療データのグラフィカル処理のためのシステムおよび方法 |
US10331852B2 (en) | 2014-01-17 | 2019-06-25 | Arterys Inc. | Medical imaging and efficient sharing of medical imaging information |
JP2017506997A (ja) | 2014-01-17 | 2017-03-16 | アーテリーズ インコーポレイテッド | 4次元(4d)フロー磁気共鳴画像化のための装置、方法、および物品 |
CA2944829C (en) * | 2014-05-23 | 2022-10-25 | Ting Chen | Systems and methods for detection of biological structures and/or patterns in images |
KR102276339B1 (ko) | 2014-12-09 | 2021-07-12 | 삼성전자주식회사 | Cnn의 근사화를 위한 학습 장치 및 방법 |
US10013758B2 (en) * | 2015-05-29 | 2018-07-03 | 3D Imaging Partners | Systems and methods for assessing nerve inflammation based on a segmented magnetic resonance image volume |
US10542961B2 (en) | 2015-06-15 | 2020-01-28 | The Research Foundation For The State University Of New York | System and method for infrasonic cardiac monitoring |
US9940577B2 (en) * | 2015-07-07 | 2018-04-10 | Adobe Systems Incorporated | Finding semantic parts in images |
JP6993334B2 (ja) * | 2015-11-29 | 2022-01-13 | アーテリーズ インコーポレイテッド | 自動化された心臓ボリュームセグメンテーション |
US10853449B1 (en) * | 2016-01-05 | 2020-12-01 | Deepradiology, Inc. | Report formatting for automated or assisted analysis of medical imaging data and medical diagnosis |
EP3220357A3 (de) * | 2016-03-15 | 2018-01-10 | Siemens Healthcare GmbH | Modellhaftes erzeugen und darstellen von dreidimensionalen objekten |
CN109952070B (zh) | 2016-10-05 | 2022-02-01 | 纽文思公司 | 手术导航系统及相关方法 |
US11132529B2 (en) | 2016-11-16 | 2021-09-28 | Ventana Medical Systems, Inc. | Convolutional neural networks for locating objects of interest in images of biological samples |
KR20180060149A (ko) | 2016-11-28 | 2018-06-07 | 삼성전자주식회사 | 컨볼루션 처리 장치 및 방법 |
US10510171B2 (en) * | 2016-11-29 | 2019-12-17 | Biosense Webster (Israel) Ltd. | Visualization of anatomical cavities |
US10813595B2 (en) | 2016-12-09 | 2020-10-27 | General Electric Company | Fully automated image optimization based on automated organ recognition |
JP2020510463A (ja) * | 2017-01-27 | 2020-04-09 | アーテリーズ インコーポレイテッド | 全層畳み込みネットワークを利用する自動化されたセグメンテーション |
JP6955303B2 (ja) * | 2017-04-12 | 2021-10-27 | 富士フイルム株式会社 | 医用画像処理装置および方法並びにプログラム |
CN110998602B (zh) * | 2017-06-30 | 2023-12-01 | 普罗马顿控股有限责任公司 | 使用深度学习方法对3d牙颌面结构的分类和3d建模 |
EP3445048A1 (en) | 2017-08-15 | 2019-02-20 | Holo Surgical Inc. | A graphical user interface for a surgical navigation system for providing an augmented reality image during operation |
EP3470006B1 (en) | 2017-10-10 | 2020-06-10 | Holo Surgical Inc. | Automated segmentation of three dimensional bony structure images |
EP3443888A1 (en) * | 2017-08-15 | 2019-02-20 | Holo Surgical Inc. | A graphical user interface for displaying automatically segmented individual parts of anatomy in a surgical navigation system |
TWI630525B (zh) * | 2017-09-05 | 2018-07-21 | 友達光電股份有限公司 | 非嵌入式顯示觸控裝置及其觸控偵測方法 |
US10692602B1 (en) * | 2017-09-18 | 2020-06-23 | Deeptradiology, Inc. | Structuring free text medical reports with forced taxonomies |
US10496884B1 (en) | 2017-09-19 | 2019-12-03 | Deepradiology Inc. | Transformation of textbook information |
US10499857B1 (en) | 2017-09-19 | 2019-12-10 | Deepradiology Inc. | Medical protocol change in real-time imaging |
EP3462373A1 (en) | 2017-10-02 | 2019-04-03 | Promaton Holding B.V. | Automated classification and taxonomy of 3d teeth data using deep learning methods |
WO2019088121A1 (ja) * | 2017-10-30 | 2019-05-09 | 公益財団法人がん研究会 | 画像診断支援装置、資料収集方法、画像診断支援方法および画像診断支援プログラム |
US11551353B2 (en) | 2017-11-22 | 2023-01-10 | Arterys Inc. | Content based image retrieval for lesion analysis |
EP3503038A1 (en) | 2017-12-22 | 2019-06-26 | Promaton Holding B.V. | Automated 3d root shape prediction using deep learning methods |
WO2019138001A1 (en) * | 2018-01-10 | 2019-07-18 | Institut de Recherche sur les Cancers de l'Appareil Digestif - IRCAD | Automatic segmentation process of a 3d medical image by one or several neural networks through structured convolution according to the anatomic geometry of the 3d medical image |
KR101894278B1 (ko) * | 2018-01-18 | 2018-09-04 | 주식회사 뷰노 | 일련의 슬라이스 영상을 재구성하는 방법 및 이를 이용한 장치 |
KR102656563B1 (ko) | 2018-02-06 | 2024-04-12 | 삼성메디슨 주식회사 | 초음파 진단 장치 및 초음파 진단 장치의 제어 방법 |
US10957072B2 (en) * | 2018-02-21 | 2021-03-23 | Cognex Corporation | System and method for simultaneous consideration of edges and normals in image features by a vision system |
EP3553740A1 (en) * | 2018-04-13 | 2019-10-16 | Koninklijke Philips N.V. | Automatic slice selection in medical imaging |
EP3561778A1 (en) | 2018-04-26 | 2019-10-30 | Promaton Holding B.V. | Automated correction of metal affected voxel representations of x-ray data using deep learning techniques |
JP7240657B2 (ja) * | 2018-05-15 | 2023-03-16 | Tokyo Artisan Intelligence株式会社 | ニューラルネットワーク回路装置、ニューラルネットワーク、ニューラルネットワーク処理方法およびニューラルネットワークの実行プログラム |
KR102240237B1 (ko) * | 2018-08-09 | 2021-04-14 | 순천향대학교 산학협력단 | 유전자 정보를 이용한 얼굴 재현 장치 및 방법 |
EP3608870A1 (en) | 2018-08-10 | 2020-02-12 | Holo Surgical Inc. | Computer assisted identification of appropriate anatomical structure for medical device placement during a surgical procedure |
KR102219378B1 (ko) * | 2018-10-31 | 2021-02-24 | 주식회사 휴이노 | 인공 신경망을 이용하여 부정맥을 인식하기 위한 방법, 시스템 및 비일시성의 컴퓨터 판독 가능한 기록 매체 |
US20220198689A1 (en) * | 2019-04-10 | 2022-06-23 | The Board Of Trustees Of The Leland Stanford Junior University | High Resolution Alignment of 3D Imaging with 2D Imaging |
KR102108418B1 (ko) * | 2019-08-13 | 2020-05-07 | 주식회사 뷰노 | 재구성된 영상군에 기초한 영상 제공 방법 및 이를 이용한 장치 |
KR102567428B1 (ko) * | 2020-12-21 | 2023-08-17 | 한국과학기술원 | 관심 물질 및 경계면 강조를 위한 전이 함수를 제어하는 사용자 인터페이스 제공 방법 및 장치 |
Family Cites Families (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
GB2278250B (en) * | 1990-08-31 | 1995-03-15 | Canon Kk | Image processing |
JP3788847B2 (ja) * | 1997-06-23 | 2006-06-21 | 東芝医用システムエンジニアリング株式会社 | 画像処理装置 |
IL122361A0 (en) * | 1997-11-29 | 1998-04-05 | Algotec Systems Ltd | Image compression method |
US6690371B1 (en) * | 2000-05-03 | 2004-02-10 | Ge Medical Systems Global Technology, Llc | Relevant image data extraction from a medical image data volume |
JP2004520923A (ja) | 2001-06-20 | 2004-07-15 | コーニンクレッカ フィリップス エレクトロニクス エヌ ヴィ | デジタル画像をセグメント化する方法 |
US7190836B2 (en) | 2002-03-18 | 2007-03-13 | Siemens Corporate Research, Inc. | Efficient ordering of data for compression and visualization |
US6950494B2 (en) * | 2003-09-11 | 2005-09-27 | Siemens Medical Solutions, Usa | Method for converting CT data to linear attenuation coefficient map data |
US20070276214A1 (en) * | 2003-11-26 | 2007-11-29 | Dachille Frank C | Systems and Methods for Automated Segmentation, Visualization and Analysis of Medical Images |
EP1828961A2 (en) * | 2004-12-17 | 2007-09-05 | Koninklijke Philips Electronics N.V. | Method and apparatus for automatically developing a high performance classifier for producing medically meaningful descriptors in medical diagnosis imaging |
US8358819B2 (en) * | 2005-06-24 | 2013-01-22 | University Of Iowa Research Foundation | System and methods for image segmentation in N-dimensional space |
US20070127791A1 (en) * | 2005-11-15 | 2007-06-07 | Sectra Ab | Automated synchronization of 3-D medical images, related methods and computer products |
DE102006015291B4 (de) * | 2006-04-01 | 2015-10-29 | Drägerwerk AG & Co. KGaA | Verfahren zur Einstellung eines Patientenmonitors |
US7920669B2 (en) | 2007-07-25 | 2011-04-05 | Siemens Aktiengesellschaft | Methods, apparatuses and computer readable mediums for generating images based on multi-energy computed tomography data |
CN102576471B (zh) * | 2008-12-18 | 2015-09-23 | 皇家飞利浦电子股份有限公司 | 生成医学图像的视图 |
EP2548511A1 (en) * | 2010-03-17 | 2013-01-23 | FUJIFILM Corporation | Medical image conversion device, method, and program |
-
2011
- 2011-07-22 JP JP2013521851A patent/JP5926728B2/ja active Active
- 2011-07-22 EP EP11815027.5A patent/EP2598034B1/en not_active Not-in-force
- 2011-07-22 WO PCT/US2011/045047 patent/WO2012018560A2/en active Application Filing
- 2011-07-22 US US13/811,559 patent/US8938113B2/en active Active
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2018155765A1 (ko) * | 2017-02-22 | 2018-08-30 | 연세대학교 산학협력단 | 컴퓨터 단층촬영 영상에서 플라크를 분석하기 위한 방법 및 장치 |
Also Published As
Publication number | Publication date |
---|---|
US8938113B2 (en) | 2015-01-20 |
EP2598034A2 (en) | 2013-06-05 |
EP2598034A4 (en) | 2015-06-24 |
US20130121548A1 (en) | 2013-05-16 |
WO2012018560A2 (en) | 2012-02-09 |
EP2598034B1 (en) | 2018-07-18 |
WO2012018560A3 (en) | 2012-04-26 |
JP2013537445A (ja) | 2013-10-03 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP5926728B2 (ja) | 内科医が直接用いるのに適応したビジュアライゼーション | |
JP7383010B2 (ja) | 医用画像認識方法及びシステム、並びに、モデルトレーニング方法、コンピュータ装置、及びプログラム | |
WO2019068741A2 (en) | AUTOMATED CLASSIFICATION AND TAXONOMY OF 3D TEXT DATA USING DEEP LEARNING PROCESSES | |
CN110517238B (zh) | Ct医学影像ai三维重建与人机交互可视化网络系统 | |
CN106682435A (zh) | 一种多模型融合自动检测医学图像中病变的系统及方法 | |
CN108537794A (zh) | 医学图像数据处理方法、装置和计算机可读存储介质 | |
JP2007503629A (ja) | 画像などの既存の位相情報を有するデータ配列を処理するためのニューラルネットワーク及び該ネットワーク使用方法 | |
Smith et al. | Genetic and evolutionary computation: medical applications | |
CN113096137B (zh) | 一种oct视网膜图像领域适应分割方法及系统 | |
Angkoso et al. | Multiplane Convolutional Neural Network (Mp-CNN) for Alzheimer’s Disease Classification. | |
Osadebey et al. | Three-stage segmentation of lung region from CT images using deep neural networks | |
CN113160120A (zh) | 基于多模态融合与深度学习的肝脏血管分割方法及系统 | |
Majanga et al. | A survey of dental caries segmentation and detection techniques | |
US20240062498A1 (en) | Systems and methods for rendering models based on medical imaging data | |
CN111918611B (zh) | 胸部x线图像的异常显示控制方法、记录介质及装置 | |
CN113362360B (zh) | 基于流体速度场的超声颈动脉斑块分割方法 | |
EP3989172A1 (en) | Method for use in generating a computer-based visualization of 3d medical image data | |
CN113850796A (zh) | 基于ct数据的肺部疾病识别方法及装置、介质和电子设备 | |
CN113205472A (zh) | 基于循环生成对抗网络CycleGAN模型的跨模态MR影像互生成方法 | |
WO2014030262A1 (ja) | 形状データ生成プログラム、形状データ生成方法及び形状データ生成装置 | |
Pepe et al. | Deep learning and generative adversarial networks in oral and maxillofacial surgery | |
Santhi et al. | Oral disease detection from dental X-Ray images using Densenet | |
CN113822904B (zh) | 一种图像标注装置、方法及可读存储介质 | |
Khalili et al. | Automatic lung segmentation in chest X-ray images using SAM with prompts from YOLO | |
Upadhyay et al. | Medical Imaging in Artificial Intelligence: a Literature Survey |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20140714 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20150227 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20150303 |
|
A601 | Written request for extension of time |
Free format text: JAPANESE INTERMEDIATE CODE: A601 Effective date: 20150525 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20150828 |
|
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: 20160329 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20160422 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 5926728 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 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |