NL1032602C2 - Werkwijzen, systeem en computerprogrammaproduct voor het detecteren van een protrusie. - Google Patents

Werkwijzen, systeem en computerprogrammaproduct voor het detecteren van een protrusie. Download PDF

Info

Publication number
NL1032602C2
NL1032602C2 NL1032602A NL1032602A NL1032602C2 NL 1032602 C2 NL1032602 C2 NL 1032602C2 NL 1032602 A NL1032602 A NL 1032602A NL 1032602 A NL1032602 A NL 1032602A NL 1032602 C2 NL1032602 C2 NL 1032602C2
Authority
NL
Netherlands
Prior art keywords
surface area
curvature
protrusion
distorted
normal
Prior art date
Application number
NL1032602A
Other languages
English (en)
Inventor
Cornelis Van Wijk
Original Assignee
Koninkl Philips Electronics Nv
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 Koninkl Philips Electronics Nv filed Critical Koninkl Philips Electronics Nv
Priority to NL1032602A priority Critical patent/NL1032602C2/nl
Priority to EP07826528A priority patent/EP2074591B1/en
Priority to JP2009529821A priority patent/JP5551935B2/ja
Priority to AT07826528T priority patent/ATE470203T1/de
Priority to CN200780036170.3A priority patent/CN101558429B/zh
Priority to US12/442,764 priority patent/US8712117B2/en
Priority to PCT/IB2007/053885 priority patent/WO2008038222A2/en
Priority to RU2009116272/08A priority patent/RU2459261C2/ru
Priority to DE602007006976T priority patent/DE602007006976D1/de
Application granted granted Critical
Publication of NL1032602C2 publication Critical patent/NL1032602C2/nl

Links

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00Image analysis
    • G06T7/0002Inspection of images, e.g. flaw detection
    • G06T7/0012Biomedical image inspection
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06VIMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00Arrangements for image or video recognition or understanding
    • G06V10/20Image preprocessing
    • G06V10/34Smoothing or thinning of the pattern; Morphological operations; Skeletonisation
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00Indexing scheme for image analysis or image enhancement
    • G06T2207/10Image acquisition modality
    • G06T2207/10072Tomographic images
    • G06T2207/10081Computed x-ray tomography [CT]
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00Indexing scheme for image analysis or image enhancement
    • G06T2207/30Subject of image; Context of image processing
    • G06T2207/30004Biomedical image processing
    • G06T2207/30028Colon; Small intestine
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00Indexing scheme for image analysis or image enhancement
    • G06T2207/30Subject of image; Context of image processing
    • G06T2207/30004Biomedical image processing
    • G06T2207/30096Tumor; Lesion
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00Indexing scheme for image analysis or image enhancement
    • G06T2207/30Subject of image; Context of image processing
    • G06T2207/30004Biomedical image processing
    • G06T2207/30101Blood vessel; Artery; Vein; Vascular

Description

Korte aanduiding: Werkwijzen, systeem en computerprogrammaproduct voor het detecteren van een protrusie
De uitvinding heeft betrekking op een werkwijze voor het detecteren van een protrusie van ten minste een deel van een oppervlak van een inwendig deel van een menselijk of dierlijk lichaam uit driedimensionale digitale data.
5 De uitvinding heeft tevens betrekking op een werkwijze waarin gebruik wordt gemaakt van driedimensionale digitale data van een colonwand aan de binnenzijde van een colon.
De uitvinding heeft voorts betrekking op een werkwijze voor het detecteren van een protrusie aan het binnenoppervlak van een 10 buisvormig en gebogen deel van een menselijk of dierlijk lichaam.
Het detecteren van laesies die gevormd zijn als protrusies in menselijke of dierlijke lichamen kan belangrijk zijn ter voorkoming en/of detectie van carcinomateuze ziekten als colonkanker in een vroeg stadium. Gewoonlijk wordt er bijv. naar laesies gezocht op 15 tweedimensionale CT (computerized tomography) of MRI (magnetic resonance imaging) beelden van het colon van een patiënt. Indien een arts een laesie onderscheidt op een CT- of MRI-scan van de colonwand kan hij beslissen al dan niet colonoscopie uit te voeren. Deze beslissing kan gebaseerd zijn op de afmeting van de laesie. Indien de afmeting 20 groter is dan een bepaalde drempel, bijvoorbeeld ongeveer een doorsnede van 1 cm, zal actie ondernomen worden. In principe betekent een grotere laesie een groter risico op kanker. Indien kleine laesies worden gedetecteerd, is opereren misschien niet nodig. Regelmatige controles kunnen dan worden uitgevoerd om te zien of de laesie gegroeid is.
25 Voordat CT- of MRI-scans worden uitgevoerd, dient het colon van de patiënt gereinigd te worden, hetgeen een ongerieflijke ingreep voor de patiënt is. Daarom wordt een tweede scan van dezelfde patiënt bij 1032602 2 voorkeur vermeden. Voorts is het maken en controleren van CT- en MRI-scans een tijdrovende handeling voor de arts, waarbij fouten kunnen optreden. Zo zijn bijvoorbeeld op de scan met het menselijk oog laesies moeilijk te onderscheiden van plooien in het colon, zodanig dat de arts 5 mogelijk laesies die geen echte laesies zijn ten onrechte detecteert, en/of sommige laesies aan detectie kunnen ontsnappen doordat zij niet als zodanig herkend worden. Om alle bovenstaande en andere redenen is het in het belang van de patiënt, en van het ziekenhuis, verzekeringen, enz., dat er zo weinig mogelijk fouten optreden.
10 Voor een nauwkeuriger detectie worden driedimensionale oppervlak-weergaven verkregen uit CT- of MRI-scans, zodat de laesies automatisch of halfautomatisch binnen een korter tijdsbestek herkend kunnen worden. Door de omzetting naar driedimensionale data kunnen laesies met het blote oog relatief makkelijker van plooien worden 15 onderscheiden. Ook kan de computer mogelijke laesies op basis van driedimensionale kenmerken van de laesie markeren. De automatische of halfautomatische laesiedetectie zal bijdragen aan de verbetering van de doeltreffendheid van de arts.
In de Amerikaanse octrooiaanvrage US 2003/0223627 Al wordt 20 een werkwijze voor detectie van colonlaesies in driedimensionale digitale data beschreven. Deze bekende werkwijze omvat het afleiden van een driedimensionaal digitaal beeld van de colonwand uit CT-data, en het detecteren en groeperen van verdachte oppervlak-gebieden op de colonwand op basis van bepaalde parameters zoals de SI (shape index).
25 De hoofdgedachte van deze bekende werkwijze is dat laesies goed gemodelleerd worden door halfronde objecten, welke een SI (shape index) van 1 hebben. Anderzijds hebben plooien een SI van 0.75. Bij de bekende werkwijze worden in principe oppervlak-gebieden op de colonwand die een SI hebben die dicht bij 1 ligt herkend als verdachte 30 oppervlak-gebieden.
3
Om de meeste of alle laesies te detecteren, ook de laesies die er niet uitzien als halve bollen, moeten de drempelwaarden zeer gevoelig, d.w.z. relatief laag, ingesteld worden. Omdat laesies zelden een bijna volmaakte halve-bolvorm hebben, kan een relatief gevoelige SI relatief 5 dicht bij 0.75 ingesteld worden. Met een gevoelige drempel kunnen echter bobbeltjes op plooien in een colon of kleine veranderingen in de plooibreedte eveneens als verdachte gebieden herkend worden, zodat een gevoelige SI-drempelinstelling tot te veel foute detecties kan leiden. Anderzijds kunnen bij een minder gevoelige SI-drempel, bijvoorbeeld een 10 SI dichter bij 1, sommige laesies, bijvoorbeeld die welke minder halve-bolvormig zijn, aan detectie ontsnappen.
Om te compenseren voor fouten zoals niet-gedetecteerde laesies of te veel onjuiste detecties omvat de bekende werkwijze naast de SI ook andere parameters in het detectieproces, zoals een kromheids- en/of 15 gradiëntwaarde van de CT-scan. Voorts kunnen verdachte oppervlak-gebieden verder vergroot worden middels hysterese-drempeltoepassing, in welk geval oppervlak-gebieden grenzend aan het verdachte gebied worden toegevoegd indien de SI en/of genoemde andere parameters van het aangrenzende gebied boven een tweede drempel liggen. Tenslotte 20 wordt een volumedrempel geïmplementeerd, zodanig dat alleen laesies die groot genoeg zijn worden gedetecteerd. Bijvoorbeeld een minimumvolume van 38 mm3.
Bij de bekende werkwijze treden nog te veel fouten op. Het is bijvoorbeeld zo dat doordat in veel gevallen laesies onregelmatig en niet-25 symmetrisch zijn, een halve bol een laesie niet adequaat kwalificeert. Ook zullen SI- en kromheidsdrempels alleen convexe delen en niet alle delen van de protrusie uitselecteren. Doordat in eerste instantie de selectie van laesies in het algemeen gebaseerd is op vorm, kunnen fouten optreden bij zowel kleine als grote laesies.
4
Een doel van de uitvinding is te voorzien in een oplossing die effectiever is.
In een eerste aspect omvat de uitvinding een werkwijze voor het detecteren van een protrusie van ten minste een deel van een 5 oppervlak van een inwendig deel van een menselijk of dierlijk lichaam uit driedimensionale digitale data welke genoemd oppervlak of genoemd deel daarvan weergeeft, omvattende de volgende stappen. Een oppervlak-gebied wordt gedetecteerd uit de driedimensionale digitale data, welk oppervlak-gebied ten minste één punt heeft waar een eerste en tweede 10 normaalkromming elkaar snijden welke beide een oorspronkelijke krommingswaarde hebben die groter is dan nul of beide een oorspronkelijke krommingswaarde hebben die kleiner is dan nul, waarbij de tweede normaalkromming een krommingswaarde heeft die dichter bij nul ligt dan de krommingswaarde van de eerste normaalkromming.
15 Vervolgens wordt de tweede normaalkromming digitaal gemodificeerd, zodanig dat deze een gemodificeerde krommingswaarde heeft die dichter bij nul ligt dan de oorspronkelijk krommingswaarde daarvan. Hierdoor wordt een vervormd oppervlak-gebied gevormd, waarbij de mate van vervorming van het vervormde oppervlak-gebied in vergelijking met het 20 gedetecteerde oppervlak-gebied wordt gerelateerd aan een protrusie-omvang.
Oppervlak-gebieden met een punt waar twee normaalkrommingen elkaar snijden die allebei krommingswaarden boven nul of allebei onder nul hebben, zijn dubbel gekromd in een 25 normaalrichting op het oppervlak. Deze oppervlak-gebieden zullen protrusies genoemd worden en kunnen bijvoorbeeld laesies omvatten.
Na detectie van een protrusie kan het visuele beeld van de protrusie ten minste deels verwijderd worden door vermindering van een tweede kromming die een krommingswaarde het dichtst bij nul van de 30 twee krommingen heeft. Op deze wijze wordt het gedetecteerde 5 oppervlak-gebied vervormd, zodat een beeld van een mate van protrusie verkregen kan worden. Zo kan bijvoorbeeld een bobbel op een plooi ten minste deels worden teruggebracht, zodat een globaal inzicht verkregen kan worden in hoe de plooi eruit zou zijn wanneer de bobbel ten minste 5 deels wordt weggenomen. Dit inzicht kan dienen als hulpmiddel bij het, handmatig of automatisch, beslissen of de bobbel een laesie kan omvatten. Voorts kan, handmatig of (half)automatisch, een beslissing of een protrusie al dan niet een laesie of andere schadelijke entiteit is of omvat, genomen worden op basis van de mate van vervorming, met 10 andere woorden de protrusie-omvang. Het zal duidelijk zijn dat het beeld dat van het vervormde oppervlakgebied verkregen wordt een virtueel beeld kan zijn. Het dient duidelijk te zijn dat alle stappen van de werkwijze volgens de uitvinding slechts virtuele rekenstappen in de computer kunnen behelzen.
15 Bij een werkwijze volgens de uitvinding kunnen ook asymmetrische, onregelmatig gevormde laesies en holle delen van een protrusie gedetecteerd worden. Ook kan een selectieproces van kandidaat-laesies gebaseerd worden op een direct inzicht in de omvang van de protrusie, zodanig dat met toenemende om vang van een laesie de 20 kans dat deze aan detectie ontsnapt, afneemt. Aldus kan een werkwijze volgens de uitvinding ook zeer effectief zijn doordat grotere laesies relatief schadelijker en kleinere laesies in het algemeen minder urgent zijn. Vooral in het bereik van laesies die van belang zouden zijn, met name relatief grote laesies, zullen relatief minder fouten dan bij de 25 bekende werkwijzen optreden. Ook kan door het vergelijken van het vervormde oppervlak-gebied met het oorspronkelijke oppervlak-gebied een werkwijze volgens de uitvinding relatief minder gevoelig zijn voor afbeeldingscondities zoals bijvoorbeeld ruis, parameters van de CT-scanner, toebereiding van de patiënt, schalen aan de hand waarvan 30 eventuele vormindex en kromming worden berekend.
6
Als gevolg van een eerste vervorming van het gedetecteerde oppervlak-gebied door modificatie van de tweede normaalkromming wordt het snijpunt verplaatst en worden zowel de eerste als tweede normaalkrommingen gemodificeerd. In een uitvoeringsvorm wordt na 5 deze vervorming weer een punt op het vervormde oppervlak-gebied gezocht waarop twee gemodificeerde normaalkrommingen elkaar snijden met gemodificeerde krommingswaarden boven of onder nul. De gemodificeerde krommingswaarde van de gemodificeerde tweede normaalkromming wordt weer gemodificeerd tot een waarde dichter bij 10 nul, zodanig dat het vervormde oppervlak-gebied weer vervormd wordt. Na iedere vervorming kan nog een vervorming worden toegepast totdat het oppervlak-gebied tot een voldoende niveau vervormd is.
In een andere uitvoeringsvorm wordt de stap van het vervormen van het oppervlak-gebied herhaald totdat de gemodificeerde 15 krommingswaarde van de tweede normaalkromming ongeveer nul is. Wanneer de krommingswaarde van de tweede normaalkromming ongeveer nul is, is het oppervlak-gebied afgevlakt ten opzichte van de omgeving daarvan, zodanig dat een inzicht kan worden verkregen bijvoorbeeld in hoe een colonwand eruit zou zien zonder de protrusie. Het 20 is ook mogelijk voldoende stappen uit te voeren zodat een inzicht verkregen kan worden in de afmeting van de protrusie, zodat in specifieke uitvoeringsvormen k2 niet gelijk aan nul hoeft te zijn. Ook kan de mate van vervorming worden berekend en kan de totale omvang van de afgebeelde protrusie worden geschat. Verschillende afmetingen van de 25 protrusie, bijvoorbeeld de breedte, lengte, oppervlakte, basislengte, volume, hoogte, enz., kunnen digitaal bepaald of verzameld worden. Voorts kan door vervorming van het verdachte oppervlak-gebied totdat de tweede normaalkromming nul is bijvoorbeeld de grootte van een laesie handmatig worden geschat uit een driedimensionaal digitaal beeld op een 7 display, waarop een beeld van de colonwand met en zonder een protrusie getoond kan worden.
In een uitvoeringsvorm wordt de mate van vervorming gebruikt voor vergelijking met een drempel, zodanig dat de geschatte omvang van 5 de protrusie bepaalt of een protrusie wordt geselecteerd als een mogelijke laesie. Doordat omvang kan bepalen of de protrusie een mogelijke gezondheidsbedreiging vormt, is dit een directe manier van selecteren. Afhankelijk van de drempel kunnen relatief kleine protrusies, die bijvoorbeeld kleine bobbels of relatief onschadelijke laesies omvatten, van 10 selectie uitgesloten worden. Relatief grote protrusies, die bijvoorbeeld relatief grote en mogelijk schadelijke laesies omvatten, worden geselecteerd. Door gebruik te maken van genoemde drempel worden in één stap mogelijk schadelijke protrusies gescheiden van onschadelijke protrusies.
15 In een andere uitvoeringsvorm betreffen de eerste en tweede normaalkrommingen eerste en tweede hoofdkrommingen, waarvan de waarden worden aangegeven als kl resp. k2. Als definitie: kl > k2. Een protrusie aan een oppervlak kan worden gekarakteriseerd middels een punt waar hetzij kl>k2>0 hetzij 0>kl>k2. In het eerste geval zal k2 20 gewijzigd worden in een waarde van ongeveer nul en in het tweede geval zal kl gewijzigd worden in een waarde van ongeveer nul. Hoe kl en k2 gedefinieerd worden kan bijvoorbeeld afhangen van de gekozen richting van de normaal door genoemd punt. Bijvoorbeeld kunnen bobbels in een oppervlak worden gedetecteerd door kl>k2>0, en holtes door 0>kl>k2, of 25 afhankelijk van de relatieve locatie, holtes door kl>k2>0 en bobbels door 0>kl>k2.
In een uitvoeringsvorm wordt het vervormde oppervlak verkregen door oplossing van de vergelijking L(X) = F^/c^. Het zal 8 duidelijk zijn voor de vakman dat het oplossen van deze vergelijking een k2 ongeveer gelijk of gelijk aan nul op levert.
In een ander aspect omvat de uitvinding een werkwijze waarin driedimensionale digitale data welke een colonwand aan de 5 binnengelegen zijde van een colon weergeeft, digitaal vervormd wordt ter plaatse van gebieden die dubbel gekromd zijn in de richting van het inwendige van het colon, welke gebieden protrusies in de colonwand weergeven, zodanig dat driedimensionale digitale data wordt verkregen van hoe de colonwand er zonder genoemde protrusies uit zou zien.
10 In nog een verder aspect omvat de uitvinding een werkwijze voor het detecteren van protrusies op het binnenoppervlak van een buisvormig deel van een menselijk of dierlijk lichaam, omvattende de stappen van het scannen van het lichaam of delen daarvan ter verkrijging van driedimensionale digitale data van ten minste een deel van een 15 inwendig oppervlak van het buisvormige deel, het detecteren van een oppervlak-gebied uit de driedimensionale digitale data, waarbij het oppervlak-gebied ten minste één punt heeft waar een eerste en tweede normaalkromming elkaar snijden welke beide een oorspronkelijke krommingswaarde hebben die groter is dan nul, waarbij de tweede 20 normaalkromming een lagere krommingswaarde dan de eerste normaalkromming heeft, het digitaal modificeren van de tweede normaalkromming, zodanig dat deze een gemodificeerde krommingswaarde heeft die lager is dan de oorspronkelijke krommingswaarde daarvan, door welke modificatie het oppervlak-gebied 25 digitaal vervormd wordt, zodanig dat een vervormd oppervlak-gebied wordt gevormd, waarbij de mate van vervorming van het vervormde oppervlak-gebied in vergelijking met het gedetecteerde oppervlak-gebied wordt gerelateerd aan een protrusie-omvang.
9
Ter verduidelijking van de uitvinding worden uitvoeringsvormen daarvan verder toegelicht onder verwijzing naar de tekening:
Figuur 1 toont een schematische weergave van een 5 uitvoeringsvorm van een systeem volgens de uitvinding;
Figuur 2A, 2B en 2C tonen drie screenshots van een display die driedimensionale medische beelden weergeeft;
Figuur 3 illustreert een schematische weergave van hoofdkrommingen op een oppervlak; 10 Figuur 4 illustreert een schematisch doorsnede-aanzicht van een oorspronkelijk oppervlak-gebied en een vervormd oppervlak-gebied;
Figuur 5 illustreert eveneens een oorspronkelijk oppervlak-gebied en een vervormd oppervlak-gebied.
In deze beschrijving hebben identieke of overeenkomende 15 onderdelen identieke of overeenkomende nummers. De getoonde uitvoeringsvoorbeelden dienen slechts als illustratie en dienen niet op enigerlei wijze als beperkend opgevat te worden. Hoewel bijvoorbeeld in het bijzonder detectie van colonlaesies beschreven wordt, heeft de uitvinding betrekking op de detectie van protrusies in inwendige delen 20 van het lichaam in het algemeen. Ook worden in de beschrijving krommingswaarden kl en k2 verondersteld boven nul te liggen voor de detectie van protrusies. De vakman zal evenwel onderkennen dat kl en k2 ook allebei onder nul kunnen liggen, waarbij indien nodig verschillende vergelijkingen dienovereenkomstig gewijzigd kunnen zijn. 25 Figuur 1 illustreert schematisch een uitvoeringsvorm van een systeem 1 voor de detectie van protrusies in inwendige delen van een menselijk of dierlijk lichaam, in vivo of in vitro, d.w.z. een patiënt. Dit systeem 1 omvat bijvoorbeeld een scanapparaat 2, voor het scannen van inwendige delen van een lichaam 3 van een patiënt, een computer 4 en 30 een display 5. In de figuur omvat de computer 4 een verwerkingscircuit 6 10 en een opslaginrichting 7. In gebruik wordt de opslaginrichting 7 geladen met een computerprogrammaproduct. De display 5 is ingericht om medische data weer te geven, in het bijzonder driedimensionale digitale data. Het scanapparaat 2 stuurt twee- en/of driedimensionale data naar 5 de computer 4. De computer 4, in het bijzonder het verwerkingscircuit 6, verwerkt de ontvangen data verder, zodanig dat deze omgezet wordt in genoemde driedimensionale medische data, weer te geven op de display 5. Uiteraard kan de computer 4 scandata ontvangen via ieder geschikte middel, bijvoorbeeld via een al dan niet draadloos netwerk, een 10 gegevensdrager zoals bijvoorbeeld een CD, DVD, harde schijf, enz., of via het scanapparaat 2.
Scanapparaat 2 is ingericht om data van een inwendig deel van het lichaam 3 te verkrijgen. In een uitvoeringsvoorbeeld omvat het inwendige deel een colonwand. Uit het scanproces wordt 15 driedimensionale medische data verkregen, waaruit een digitaal beeld 12 wordt afgeleid, zie bijvoorbeeld Figuur 2C. Dit digitale beeld 12 kan bijvoorbeeld een screenshot van een virtuele weergave van inwendige delen van het lichaam 3 van een patiënt vormen, welke weergave bijvoorbeeld bewegende beelden kan omvatten en/of driedimensionale 20 animatie-achtige kenmerken kan hebben. Genoemd digitaal beeld 12 kan bijvoorbeeld bestudeerd worden door een arts en een bepaald gebied 11 dat speciale aandacht van de arts behoeft kan door de computer 4 gemarkeerd worden. Wanneer bijvoorbeeld een laesie 11 in een colonwand aanwezig is, wordt deze door de computer 3 gedetecteerd uit 25 het digitaal beeld 12, zoals te zien valt in Figuur 2A en 2C. Als hulpmiddel bij de detectie van een laesie 11 door de arts kan de protrusie gemarkeerd worden, bijvoorbeeld met een onderscheidbare kleur 13 of een donkerder of lichtere tint, als getoond in Figuur 2C. Na het markeren van de protrusie door de computer 4 kan de arts direct of in een aparte 30 sessie beslissen of medische actie ondernomen dient te worden.
11
In een uitvoeringsvorm geldt dat voor de detectie en classificatie van laesies een verdacht oppervlak-gebied 9 dat een laesie omvat wordt vervormd, d.w.z. afgeplat of afgevlakt, bij voorkeur geleidelijk. Door genoemd verdacht oppervlak-gebied 9 te vervormen, kan 5 een beeld 12 verkregen worden van hoe de colonwand eruit zou zien zonder dat die deze laesie zou hebben. Dit wordt geïllustreerd in Figuur 2A, 2B en 2C. Figuur 2A laat een driedimensionaal digitaal beeld 12 van een colonwand 8 met een plooi 10 zien. Op de plooi 10 is een verdacht oppervlak-gebied 9 gelegen dat een laesie 11 omvat. Het systeem 1 kan 10 vervolgens de laesie 11 detecteren middels een werkwijze die hieronder in Λ meer detail beschreven wordt.
Zoals te zien valt bij het voorbeeld in Figuur 2B wordt het verdachte oppervlak-gebied 9 digitaal vervormd tot een vervormd oppervlak-gebied 9'. Met andere woorden, het verdachte oppervlak-gebied 15 9 dat de laesie 11 omvat wordt afgevlakt in vergelijking met de omgevende colonwand tot een vervormd oppervlak-gebied 9', dat de colonwand 8 weergeeft alsof er geen laesie 11 was. In dit specifieke voorbeeld omvat de wand 8 een plooi 10, op welke plooi de laesie 11 is gelegen. De vervorming van een beeld volgens Figuur 2A tot een volgens 20 Figuur 2B kan een aantal tussenstappen vergen. Het kan een iteratief proces zijn. Ter plaatse van de plooi wordt dus de colonwand 8 afgevlakt, zodanig dat de plooi 10 eruit ziet alsof er geen laesie aanwezig is.
Na de laatste in Figuur 2B geïllustreerde stap kan een berekening gemaakt worden van de mate van vervorming die het 25 vervormde oppervlak-gebied 9' heeft ondergaan in vergelijking met het oorspronkelijk oppervlak-gebied 9. In deze uitvoeringsvorm komt de mate van vervorming overeen met een schatting van een totale protrusie-omvang van de laesie 11. De protrusie-omvang kan bijvoorbeeld worden weergegeven door een van de dimensieparameters volume, lengte, 30 breedte, oppervlakte, basisoppervlakte, hoogte h, enz. Ieder van deze 12 parameters kan afzonderlijk worden berekend en/of weergegeven, naast of in plaats van het digitaal beeld 12. Indien de waarde van een van deze parameters boven een specifieke drempel ligt, kan een computer de bijbehorende protrusie classificeren.
5 In een uitvoeringsvorm geldt dat een protrusie wordt gedetecteerd door het detecteren van ten minste één punt p op het colonwandoppervlak 8 waar de normaalkrommingswaarden boven nul liggen. Om een vloeiende vervorming uit te voeren en de dimensies van de vervorming te berekenen, worden vergelijkingen toegepast die gebruik 10 maken van krommingswaarden kl en k2 van eerste resp. tweede hoofdkrommingen, waarbij kl en k2 boven nul liggen. Alle nabijgelegen punten p die een kl en k2 boven nul hebben vormen een oppervlak-gebied dat een protrusie is. Men zou kunnen betogen dat dergelijke protrusies talrijk zijn en dat de werkwijze volgens de uitvinding tot relatief veel 15 kandidaat-laesies zal leiden, doordat bijvoorbeeld kleine bobbels ook als protrusies worden gedetecteerd. Zo kan bijvoorbeeld een protrusie bijna plat zijn maar toch een kl en k2 boven nul hebben. De werkwijze volgens de uitvinding zal evenwel leiden tot de mogelijkheid van een kwantitatieve schatting van de protrusie en maakt intuïtieve beoordeling 20 van de kandidaat-protrusies door de specialist mogelijk, zoals uit de beschrijving zal volgen.
In principe is een protrusie gericht naar de binnenkant 14 van een colon en heeft deze ten minste één punt p met normaalkrommingswaarden boven nul, zie ook Figuur 3. Bij genoemd punt p heeft de 25 normaal N een positieve richting in de richting van de binnenkant van het colon 14, in de richting van de pijl a. De buitenkant 15 is het weefsel dat de colonwand 8 vormt en wat daarachter ligt. Holtes in een colonwand 8 zijn gericht naar de buitenzijde 15 en worden verondersteld ten minste één punt met een kl en k2 onder nul te hebben. Het zal de 30 vakman duidelijk zijn dat in een systeem 1 volgens de uitvinding 13 protrusies ook een kl en k2 onder nul en holtes ook een kl en k2 boven nul kunnen hebben. In dat geval zou een normaal gericht zijn in de richting tegengesteld aan die van de normaal N die in Figuur 3 is aangegeven. In principe is het een kwestie van keuze in welke van de 5 normaalrichtingen de normaal gericht is. In ieder geval worden kl en k2 gedefinieerd als de maximum· resp. minimumwaarden van de normaalkrommingen door punt p. Normaalkrommingen en hoofdkrommingen behoren tot de algemene kennis van de vakman [1].
Omdat algemeen wordt aangenomen dat grotere protrusies een 10 hogere kans hebben schadelijk te zijn dan kleinere, hoeven in principe alleen die protrusies in aanmerking genomen te worden die met een voldoende omvang uitsteken. In een uitvoeringsvorm geldt dat het oppervlak-gebied 9 waar kl>k2>0 wordt vervormd, zodanig dat k2 wordt vervormd tot een waarde dichter bij nul en p wordt getranslateerd naar 15 pl, zoals te zien in Figuur 4. Ook kl verandert. Bij pl wordt een nieuwe tweede hoofdkromme waarde k2i berekend. Na vervorming van het oppervlak-gebied 9 wordt weer naar punten gezocht waar kl>k2>0, waarna het vervormde oppervlak-gebied 9 opnieuw vervormd wordt en pl wordt getranslateerd naar p2 met een nieuwe gewijzigde tweede 20 hoofdkromme k22. Deze stap kan bijvoorbeeld n maal herhaald worden totdat de vervormde tweede hoofdkrommingswaarde k2n ongeveer nul is voor alle punten pn op het vervormde oppervlak-gebied 9'. Op deze wijze worden protrusies, gekromd in twee positieve richtingen, zoals laesies 11, vervormd, zodanig dat de colonwand 8 wordt vervormd, zodat deze eruit 25 ziet alsof er geen protrusie is terwijl plooien onaangetast zullen blijven.
Ook zullen in deze uitvoeringsvorm de concave gebieden 16 en de convexe gebieden 17 van de protrusie in aanmerking worden genomen voor de totale vervorming en berekening van de protrusie-omvang.
In bepaalde uitvoeringsvormen kan de gemodificeerde tweede 30 hoofdkromming k2n naar een waarde lager dan nul gebracht worden, 14 bijvoorbeeld wanneer de te vervormen protrusie gelegen is in een concave plooi 18 van de colonwand 8. Dit wordt geïllustreerd in Figuur 5.
De mate van vervorming om te komen tot het vervormd oppervlak-gebied 9' in vergelijking met het oorspronkelijk oppervlak-5 gebied 9 is een maatstaf voor de protrusie-omvang. In verschillende uitvoeringsvormen kunnen verschillende parameters de mate van vervorming aanduiden. In een uitvoeringsvorm kan de maximumhoogte van een protrusie bijvoorbeeld gedetecteerd worden door het meten van de hoogte h van de grootste verplaatsing van een punt p naar een punt pn 10 op het oppervlak-gebied 9. Aangezien de hoogte h van de protrusie een indicatie kan zijn van het mogelijke risico dat een gedetecteerde protrusie een schadelijke laesie 11 is, kan de drempel voor het selecteren van een protrusie op een specifieke hoogte h, bijvoorbeeld 1, 3 of 5 mm, ingesteld worden. Wanneer de protrusie deze drempel te boven gaat, wordt deze 15 geselecteerd als een opvallende laesie 11. De hoogte van de drempel kan tevens bepalen hoe gevoelig het selectieproces van de laesie is.
Ook kunnen tweede en/of meerdere drempels ingesteld worden. Zo kan bijvoorbeeld hysterese-drempelinstelling (hysteresis thresholding) worden toegepast, waarbij aangrenzende gebieden van een geselecteerd 20 oppervlak-gebied eveneens in de protrusie worden opgenomen. Dan worden bijvoorbeeld gebieden die een protrusie omgeven die een eerste drempel te boven gaat, vergeleken met een tweede drempel die lager is dan de eerste drempel. Zo wordt bijvoorbeeld een protrusie gevonden waarbij de hoogte h van de protrusie een eerste drempel van 1, 3 of 5 25 millimeter te boven gaat. Daarna worden de omgevende gebieden vergeleken met een tweede drempel van bijvoorbeeld 0.5, 1.5 resp. 2 mm. Dan worden de omgevende gebieden die de tweede drempel te boven gaan in de protrusie opgenomen en als de volledige protrusie wordt dan beschouwd het gehele gebied van het oppervlak dat de tweede drempel te 30 boven gaat en een, veelal kleiner, gebied omvat dat de eerste drempel te 15 boven gaat. Meerdere oppervlak-gebieden en aangrenzende gebieden kunnen in de protrusie opgenomen worden, bijvoorbeeld omdat zij overlappen of omdat zij zich binnen een specifieke afstand van de protrusie bevinden. Uiteraard dient dit voorbeeld van de toepassing van 5 een hysterese-drempel louter als illustratie en meerdere methoden van hysterese-drempelinstelling kunnen worden toegepast zoals bekend in de techniek.
In verschillende uitvoeringsvormen kunnen andere drempelparameters toegepast worden in plaats van of in combinatie met 10 de hoogte h. Zo kan bijvoorbeeld het volume tussen het oorspronkelijk oppervlak-gebied 9 waar kl>k2>0 en het vervormde oppervlak-gebied 9' een maatstaf zijn voor de protrusiegrootte, zodat een drempel kan worden toegepast op volume. Andere parameters die gebruikt kunnen worden voor een drempel en om de protrusie te meten zijn bijvoorbeeld breedte, 15 lengte, oppervlakte, en basislengte.
In een uitvoeringsvoorbeeld kan een techniek voor het vervormen van een oorspronkelijk oppervlak-gebied 9 tot een vervormd oppervlak-gebied 9’ gebruik maken van de volgende principes.
In een uitvoeringsvoorbeeld hanteert een systeem voor detectie 20 van protrusies vervorming op zgn. triangle meshes. Een driehoeksmesh wordt gegenereerd door een zgn. marching cubes-algoritme toegepast op driedimensionale CT-data onder toepassing van een drempel -750 Hu (Hounsfield eenheden). Een typische meshafmeting omvat bijvoorbeeld rond 106 vertexen.
25 In [2] wordt een methode gepresenteerd om snel ruwe kenmerken (ruis) te verwijderen uit onregelmatig getrianguleerde data. Deze was gebaseerd op de diffusie-vergelijking: ^T = AZW)· ot 16 «*.>=(ν- Σχ,)-χ.
JV1 J el ring waarbij L(Xi) een onderscheiden (1-ring) schatting van de 5 Laplacian bij vertex i is. X zijn de posities van de meshpunten, Ni is het aantal vertexen in de 1-ring omgeving van vertex Xi en λ is de diffusie-coëfficiënt. De oplossing op tijdstip t werd gevonden met behulp van een achterwaartse Euler methode die het probleem vertaalde in een matrix-vector vergelijking 10 (ƒ - MLjx'* = x'
De matrix M = I-XdiL is verspreid en de structuur ervan wordt gegeven door de mesh één-ring relaties, X is een vector die alle 15 meshpunten bevat en I is de identiteitsmatrix. Dit systeem kan efficiënt worden opgelost met behulp van de zgn. bi-conjugate gradiëntmethode.
In [2] werd de diffusie toegepast op alle meshpunten. Een algemeen bekend effect van verlengde diffusie op de volledige mesh is het zgn. global mesh shrinking en in [2] werd een oplossing voorgesteld door 20 te compenseren voor de reductie van het meshvolume. Wij passen echter de diffusie alleen toe op een beperkt aantal van de meshpunten, namelijk de punten waar k2>0. Het merendeel van de punten heeft een negatieve of nulwaardige tweede hoofdkromming en blijft op de oorspronkelijk positie daarvan. Zij leveren de grensvoorwaarden voor de andere punten. 25 Derhalve is in tegenstelling tot de in [2] voorgestelde methode global shrinking geen probleem en kunnen we zoek naar de steady-state oplossing van de diffusievergelijking: 17 ot
De onderscheiden Laplacian schat de nieuwe positie van vertex Xi middels een lineaire combinatie van de 1-ring naburen daarvan, Xj.
5 Herschrijven van de vergelijking L{Xt) = {— YXj)-Xj levert dan een
W, A
matrix-vector vergelijking op: (— ΥΧ:)-Χ:=ΜΧ = 0 N f·' 1 10 Gelukkig is M verspreid en wordt de structuur ervan gegeven door de 1-ring meshrelaties. Het aantal niet-nul elementen in iedere rij is gelijk aan het aantal 1-ring deelachtige vertexen. Net als de achterwaartse Euler formulering, kan deze vergelijking ook efficiënt opgelost worden met behulp van de bi-conjugate gradiëntmethode].
15 Het is algemeen bekend dat de oplossing voor de Laplace- vergelijking de membraanenergie minimaliseert onder voorbehoud van de opgelegde grensvoorwaarden. Ons doel is echter niet de gemiddelde kromming te minimaliseren, maar de tweede hoofdkromming te minimaliseren. Derhalve breiden wij de bovenstaande vergelijking uit 20 door een 'kracht' term te introduceren. De resulterende vergelijking is een Poisson vergelijking: L(X) = F{k7).
25 Deze vergelijking leest als volgt: de nieuwe posities van de meshpunten worden gevonden door in eerste instantie elke meshvertex te verplaatsen naar een positie als voorgeschreven door de Laplacian 18 operator. Vervolgens "duwt" de term aan de rechterkant het punt "terug", zodanig dat de resulterende tweede hoofdkromming nul is. De 'kracht' term F is bedoeld af te hangen van k2 en wordt bijgewerkt na oplossing van de vergelijking L(X) = F(ic2) . Met andere woorden, we lossen 5 L(X) = F(k2) iteratief op. De 'kracht' term wordt geïnitialiseerd met L(X), zodanig dat we starten met: Γ°=ΐ(ϊ).
10 Aldus brengt het 'krachtveld' F de door de Laplacian voorgeschreven verplaatsing in eerste instantie in balans en laat deze de mesh ongewijzigd. Na iedere iteratie wordt F bijgewerkt met: Τ;,+1 Τ:' ring ~ F = F -k7--n 2 2π 15 waarbij Alrirlg de oppervlakte is van de 1-ring omgeving en n is de vertexnormaal. De laatste term kan geïnterpreteerd worden als een correctieterm. Merk op dat indien k2 positief is, |F| dient te worden verminderd. Anderzijds hangt de grootte van de reductieterm daarbij af 20 van de bemonsteringsdichtheid van de mesh. Indien de bemonstering dicht is en Alrmg klein, dient de grootte van de correctieterm klein te zijn.
Omdat k2 gelijk is aan de reciproke van de straal van de oppervlak- 1 2^ tangentiële cirkel (K — —) in k2 -richting, is de term —- de helft van de k2 k2 oppervlakte van de passende bol. Derhalve wordt de verplaatsing R 25 benodigd om de kromming in de tweede hoofdrichting te verwijderen, 19 genormaliseerd door de verhouding van deze twee oppervlakten. De geschatte verplaatsing wordt gegeven door:: d„ = 2π / k2 2π 5
De resulterende verplaatsing van de meshpunten levert een vervormde mesh op, welke een schatting is van hoe de colonwand eruit ziet bij afwezigheid van protrusies. De mate van verplaatsing van elk meshpunt (b.v. in millimeters) is een voorbeeld van een kwantitatieve 10 maatstaf voor de protrusie-omvang. Kandidaatobjecten worden gegenereerd door toepassing van een drempel op het verplaatsingsveld.
In verschillende uitvoeringsvormen kunnen meerdere typen scanapparaten 2 geschikt zijn om driedimensionale digitale data van een inwendig deel van het lichaam te verkrijgen. In principe kan het 15 scanapparaat 2 ieder apparaat zijn waarmee een beeld verkregen kan worden van het inwendige van het lichaam, van buiten af of van binnen uit. Het scanapparaat 2 kan bijvoorbeeld omvatten een CT-scanapparaat, een MRI (magnetic resonance imaging)-apparaat, een US (ultrasound)/sonar-scanapparaat, intravasculaire sonde of ander 20 scanapparaat 2 om driedimensionale digitale data van een inwendig deel van het lichaam te verkrijgen. Andere afbeeldingstechnieken kunnen bijvoorbeeld omvatten: röntgenapparaten, invasieve sondes, camera's, zoals CCD (charge coupled device)-camera's, televisietechnieken, analoge camera's en/of combinaties van deze of andere technieken. Vanuit het 25 scanapparaat 2 wordt data naar de computer 4 verstuurd. Deze data kan driedimensionale digitale data van een inwendig deel van het lichaam omvatten of kan tweedimensionale beelden omvatten, of andere data dat door een computer 4 moet worden verwerkt voor conversie naar driedimensionale digitale data.
20
Voorts, hoewel een werkwijze, systeem en computerprogrammaproduct volgens de uitvinding geschikt zijn voor de mogelijke detectie en/of preventie van laesies in de colon, zijn andere toepassingen eveneens geschikt. Zulke toepassingen kunnen iedere 5 toepassing omvatten waarbij een protrusie zoals een deformatie en/of element moet worden gedetecteerd op het oppervlak van een inwendig deel van het lichaam, in het bijzonder een buisvormig en gebogen deel van het inwendige van het lichaam. Dergelijke delen kunnen bijvoorbeeld een colon, luchtwegen, slagaderen of aderen zijn. Elementen en 10 deformaties die kunnen worden gedetecteerd met een werkwijze, systeem en/of computerprogrammaproduct volgens de uitvinding zijn onder andere, doch niet daartoe beperkt, poliepen, knobbeltjes, cysten, endobronchiale laesies, endovasculaire laesies, propjes, tumoren of andere laesies, plaque in slagaderen of aderen, stenose en andere 15 elementen en/of deformaties die aanwezig kunnen zijn binnen een buisvormig en gebogen deel van het lichaam. De protrusies kunnen bijvoorbeeld ieder element omvatten dat blokkade van de bloedstroom in een slagader of ader kan veroorzaken.
Het zal duidelijk zijn dat de uitvinding geenszins beperkt is tot 20 de in de beschrijving en de tekeningen weergegeven uitvoeringsvormen. Vele variaties en combinaties zijn mogelijk binnen het kader van de uitvinding als door de conclusies geschetst. Combinaties van een of meer aspecten van de uitvoeringsvormen of combinaties van verschillende uitvoeringsvormen zijn mogelijk binnen het kader van de uitvinding. Alle 25 vergelijkbare variaties worden geacht binnen het kader van de uitvinding als door de conclusies geschetst te vallen.
30 21
REFERENTIES
[1] M. Do Carmo, "Differential geometry of curves and surfaces", Prentice Hall 1976 [2] M. Desbrun et al., Implicit fairing of irregular meshes using diffusion 5 and curvature flow. In SIGGRAPH 99, 1999 1032602

Claims (19)

1. Werkwijze voor het detecteren van een protrusie van ten minste een deel van een oppervlak van een inwendig deel van een menselijk of dierlijk lichaam uit driedimensionale digitale data welke genoemd oppervlak of genoemd deel daarvan weergeeft, omvattende de 5 volgende stappen: het detecteren van een oppervlak-gebied uit de driedimensionale digitale data,waarbij het oppervlak-gebied ten minste één punt heeft waar een eerste en tweede normaalkromming elkaar snijden welke beide een oorspronkelijke krommingswaarde hebben die 10 groter is dan nul of beide een oorspronkelijke krommingswaarde hebben die kleiner is dan nul, waarbij de tweede normaalkromming een krommingswaarde heeft die dichter bij nul ligt dan de krommingswaarde van de eerste normaalkromming; het digitaal modificeren van de tweede normaalkromming, 15 zodanig dat deze een gemodificeerde krommingswaarde heeft die dichter bij nul ligt dan de oorspronkelijk krommingswaarde daarvan, door welke modificatie het oppervlak-gebied digitaal wordt vervormd, zodanig dat een vervormd oppervlak-gebied wordt gevormd, waarbij de mate van vervorming van het vervormde oppervlak-gebied in vergelijking met het 20 gedetecteerde oppervlak-gebied wordt gerelateerd aan een protrusie-omvang.
2. Werkwijze waarbij de stappen van de werkwijze van conclusie 1 worden herhaald voor het vervormd oppervlak-gebied, waarbij de mate van vervorming van het vervormde oppervlak-gebied na elke herhaling 25 toeneemt.
3. Werkwijze volgens conclusie 1 of 2, waarbij het oppervlak-gebied wordt vervormd totdat de gemodificeerde krommingswaarde van 1032602 de gemodificeerde tweede normaalkromming van het vervormde oppervlak-gebied ongeveer nul is, waarbij de totale mate van vervorming van het vervormde oppervlak-gebied een totale protrusie-omvang aangeeft.
4. Werkwijze volgens een of meer van de voorgaande conclusies, waarbij indien de oorspronkelijke krommingswaarde van de eerste en tweede normaalkromming groter is dan nul, de eerste en tweede normaalkromming eerste resp. tweede hoofdkromming zijn, en waarbij indien de oorspronkelijke krommingswaarde van de eerste en tweede 10 normaalkromming kleiner is dan nul, de eerste en tweede normaalkromming tweede resp. eerste hoofdkromming zijn.
5. Werkwijze volgens één of meer der voorgaande conclusies, waarbij de mate van vervorming een hoogte van de protrusie omvat.
6. Werkwijze volgens één of meer der voorgaande conclusies, 15 waarbij de driedimensionale digitale data van het vervormde oppervlak wordt gepresenteerd.
7. Werkwijze volgens één of meer der voorgaande conclusies, waarbij de mate van vervorming wordt vergeleken met een drempel, waarbij, wanneer de mate van vervorming de drempel te boven gaat, een 20 signaal wordt gegeven.
8. Werkwijze volgens conclusie 7, waarbij het signaal een markering van het gedetecteerde oppervlak-gebied omvat, bij voorkeur middels een kleur.
9. Werkwijze volgens één of meer der voorgaande conclusies, 25 waarbij genoemd inwendig deel een in hoofdzaak buisvormige en/of gebogen vorm heeft.
10 MRI-scan.
10. Werkwijze volgens conclusie 9, waarbij genoemd inwendig deel een colon, luchtweg, slagader of ader omvat, en/of genoemd oppervlak een wand van een colon, luchtweg, aorta, slagader of ader omvat.
11. Werkwijze volgens één of meer der voorgaande conclusies, waarbij de protrusie een laesie omvat.
12. Werkwijze volgens één of meer der voorgaande conclusies, welke een werkwijze is voor het voorkomen en/of detecteren van 5 colonkanker, endobronchiale laesies, endovasculaire laesies, plaque in een slagader of ader en/of stenose of enige andere mechanismen welke blokkade van de bloedstroom in een slagader of ader veroorzaken.
13. Werkwijze volgens één of meer der voorgaande conclusies, waarbij de driedimensionale digitale data wordt verkregen uit een CT- of
14. Werkwijze volgens één of meer der voorgaande conclusies, waarbij de hoogte van de protrusie geschat wordt door oplossen van de vergelijking: L(X) = F(k2).
15. Werkwijze waarin driedimensionale digitale data welke een colonwand aan de binnenzijde van een colon weergeeft digitaal vervormd wordt ter plaatse van gebieden die dubbel gekromd zijn naar de binnenkant van het colon, welke gebieden protrusies in de colonwand weergeven, zodanig dat driedimensionale digitale data wordt verkregen 20 van hoe de colonwand er zonder genoemde protrusies uit zou zien.
16. Protrusiesdectectiesysteem, voorzien van of verbonden met een circuit en een weergeefapparaat, welk circuit geprogrammeerd is om een werkwijze volgens een of meer der voorgaande conclusies uit te voeren en waarbij het weergeefapparaat is ingericht om genoemde oppervlak- 25 gebieden weer te geven.
17. Protrusiesdectectiesysteem volgens conclusie 15, waarbij het circuit is ingericht om data te ontvangen vanuit een CT (computed tomography)-, MRI (magnetic resonance imaging)- en/of ultrasound-scanapparaat.
18. Computerprogrammaproduct, wanneer dit in een computer geladen is en wordt aangestuurd, ingericht om een protrusie van ten minste een deel van een oppervlak van een inwendig deel van een menselijk of dierlijk lichaam te detecteren uit driedimensionale digitale 5 data, omvattende de stappen van een werkwijze volgens een of meer van de conclusies 1-14.
19. Werkwijze voor het detecteren van protrusies op het binnenoppervlak van een buisvormig deel van een menselijk of dierlijk lichaam, omvattende de volgende stappen: 10 het scannen van het lichaam of delen daarvan ter verkrijging van driedimensionale digitale data van ten minste een deel van een inwendig oppervlak van het buisvormige deel; het detecteren van een oppervlak-gebied uit de driedimensionale digitale data, waarbij het oppervlak-gebied ten minste 15 één punt heeft waar een eerste en tweede normaalkromming elkaar snijden welke beide een oorspronkelijke krommingswaarde hebben die groter is dan nul, waarbij de tweede normaalkromming een lagere krommingswaarde heeft dan de eerste normaalkromming; het digitaal modificeren van de tweede normaalkromming, 20 zodanig dat deze een gemodificeerde krommingswaarde heeft die lager is dan de oorspronkelijke krommingswaarde daarvan, door welke modificatie het oppervlak-gebied digitaal wordt vervormd, zodanig dat een vervormd oppervlak-gebied wordt gevormd, waarbij de mate van vervorming van het vervormde oppervlak-gebied in vergelijking met het 25 gedetecteerde oppervlak-gebied wordt gerelateerd aan een protrusie-omvang. 1032602
NL1032602A 2006-09-29 2006-09-29 Werkwijzen, systeem en computerprogrammaproduct voor het detecteren van een protrusie. NL1032602C2 (nl)

Priority Applications (9)

Application Number Priority Date Filing Date Title
NL1032602A NL1032602C2 (nl) 2006-09-29 2006-09-29 Werkwijzen, systeem en computerprogrammaproduct voor het detecteren van een protrusie.
EP07826528A EP2074591B1 (en) 2006-09-29 2007-09-25 Methods, system and computer program product for detecting a protrusion
JP2009529821A JP5551935B2 (ja) 2006-09-29 2007-09-25 突起検出方法、システム及びコンピュータプログラム
AT07826528T ATE470203T1 (de) 2006-09-29 2007-09-25 Verfahren, system und computerprogrammprodukt zur erkennung einer protrusion
CN200780036170.3A CN101558429B (zh) 2006-09-29 2007-09-25 检测突起的方法、系统
US12/442,764 US8712117B2 (en) 2006-09-29 2007-09-25 Methods, systems, and computer program product for virtually modifying surface region curvature to detect protrusions
PCT/IB2007/053885 WO2008038222A2 (en) 2006-09-29 2007-09-25 Methods, system and computer program product for detecting a protrusion
RU2009116272/08A RU2459261C2 (ru) 2006-09-29 2007-09-25 Способы, системы и компьютерный программный продукт для обнаружения выбухания
DE602007006976T DE602007006976D1 (de) 2006-09-29 2007-09-25 Verfahren, system und computerprogrammprodukt zur erkennung einer protrusion

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
NL1032602 2006-09-29
NL1032602A NL1032602C2 (nl) 2006-09-29 2006-09-29 Werkwijzen, systeem en computerprogrammaproduct voor het detecteren van een protrusie.

Publications (1)

Publication Number Publication Date
NL1032602C2 true NL1032602C2 (nl) 2008-04-01

Family

ID=37923481

Family Applications (1)

Application Number Title Priority Date Filing Date
NL1032602A NL1032602C2 (nl) 2006-09-29 2006-09-29 Werkwijzen, systeem en computerprogrammaproduct voor het detecteren van een protrusie.

Country Status (9)

Country Link
US (1) US8712117B2 (nl)
EP (1) EP2074591B1 (nl)
JP (1) JP5551935B2 (nl)
CN (1) CN101558429B (nl)
AT (1) ATE470203T1 (nl)
DE (1) DE602007006976D1 (nl)
NL (1) NL1032602C2 (nl)
RU (1) RU2459261C2 (nl)
WO (1) WO2008038222A2 (nl)

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP5595750B2 (ja) * 2010-02-17 2014-09-24 株式会社東芝 医用画像処理装置、及び医用画像処理プログラム
WO2013148687A2 (en) * 2012-03-26 2013-10-03 The Cleveland Clinic Foundation Volumetric analysis of pathologies
WO2016149586A1 (en) * 2015-03-18 2016-09-22 Imricor Medical Systems, Inc. System and method for enhanced magnetic resonance imaging of tissue

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2000032106A1 (en) * 1998-07-02 2000-06-08 Wake Forest University Virtual endoscopy with improved image segmentation and lesion detection
WO2001078005A2 (en) * 2000-04-11 2001-10-18 Cornell Research Foundation, Inc. System and method for three-dimensional image rendering and analysis
WO2003034176A2 (en) * 2001-10-16 2003-04-24 The University Of Chicago Computer-aided detection of three-dimensional lesions
US20040064029A1 (en) * 2002-09-30 2004-04-01 The Government Of The Usa As Represented By The Secretary Of The Dept. Of Health & Human Services Computer-aided classification of anomalies in anatomical structures
DE102005048524A1 (de) * 2004-10-08 2006-04-13 General Electric Co. Verfahren und System zur Erkennung anatomischer Formen in einem CAD-System

Family Cites Families (22)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE3734979A1 (de) * 1986-10-16 1988-04-28 Olympus Optical Co Endoskop
US7194117B2 (en) * 1999-06-29 2007-03-20 The Research Foundation Of State University Of New York System and method for performing a three-dimensional virtual examination of objects, such as internal organs
US6343936B1 (en) * 1996-09-16 2002-02-05 The Research Foundation Of State University Of New York System and method for performing a three-dimensional virtual examination, navigation and visualization
US7747055B1 (en) * 1998-11-25 2010-06-29 Wake Forest University Health Sciences Virtual endoscopy with improved image segmentation and lesion detection
RU2152174C1 (ru) * 1999-10-05 2000-07-10 Центральный научно-исследовательский рентгено-радиологический институт Способ диагностики подслизистых опухолей желудочно-кишечного тракта
JP2003260052A (ja) * 2002-03-08 2003-09-16 Hitachi Medical Corp 画像診断支援装置
CN100405973C (zh) * 2002-03-14 2008-07-30 Netkisr有限公司 分析和显示计算机体层摄影术数据的方法
US7286693B2 (en) * 2002-04-16 2007-10-23 Koninklijke Philips Electronics, N.V. Medical viewing system and image processing method for visualization of folded anatomical portions of object surfaces
JP4336083B2 (ja) * 2002-06-20 2009-09-30 株式会社日立メディコ 画像診断支援装置、画像診断支援方法
US20040097791A1 (en) * 2002-11-13 2004-05-20 Olympus Corporation Endoscope
JP4421203B2 (ja) 2003-03-20 2010-02-24 株式会社東芝 管腔状構造体の解析処理装置
US7391893B2 (en) * 2003-06-27 2008-06-24 Siemens Medical Solutions Usa, Inc. System and method for the detection of shapes in images
US7894646B2 (en) * 2003-08-01 2011-02-22 Hitachi Medical Corporation Medical image diagnosis support device and method for calculating degree of deformation from normal shapes of organ regions
US7412084B2 (en) * 2003-08-13 2008-08-12 Siemens Medical Solutions Usa, Inc. Method of analysis of local patterns of curvature distributions
US7742629B2 (en) * 2003-09-25 2010-06-22 Paieon Inc. System and method for three-dimensional reconstruction of a tubular organ
WO2005101314A2 (en) * 2004-04-12 2005-10-27 The General Hospital Corporation Method and apparatus for processing images in a bowel subtraction system
US8317327B2 (en) * 2005-03-16 2012-11-27 Lc Technologies, Inc. System and method for eyeball surface topography as a biometric discriminator
US8577101B2 (en) * 2006-03-13 2013-11-05 Kitware, Inc. Change assessment method
US8900124B2 (en) * 2006-08-03 2014-12-02 Olympus Medical Systems Corp. Image display device
JP4528322B2 (ja) * 2007-09-28 2010-08-18 富士フイルム株式会社 画像表示装置、画像表示方法、および画像表示プログラム
US8483803B2 (en) * 2008-09-15 2013-07-09 Varian Medical Systems, Inc. Systems and methods for tracking and targeting object in a patient using imaging techniques
EP2480124B1 (en) * 2009-09-23 2017-11-22 Lightlab Imaging, Inc. Lumen morphology and vascular resistance measurement data collection systems, apparatus and methods

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2000032106A1 (en) * 1998-07-02 2000-06-08 Wake Forest University Virtual endoscopy with improved image segmentation and lesion detection
WO2001078005A2 (en) * 2000-04-11 2001-10-18 Cornell Research Foundation, Inc. System and method for three-dimensional image rendering and analysis
WO2003034176A2 (en) * 2001-10-16 2003-04-24 The University Of Chicago Computer-aided detection of three-dimensional lesions
US20040064029A1 (en) * 2002-09-30 2004-04-01 The Government Of The Usa As Represented By The Secretary Of The Dept. Of Health & Human Services Computer-aided classification of anomalies in anatomical structures
DE102005048524A1 (de) * 2004-10-08 2006-04-13 General Electric Co. Verfahren und System zur Erkennung anatomischer Formen in einem CAD-System

Non-Patent Citations (7)

* Cited by examiner, † Cited by third party
Title
BITTER I ET AL: "Candidate determination for computer aided detection of colon polyps (honorable mention poster award)", MEDICAL IMAGING 2005: PHYSIOLOGY, FUNCTION, AND STRUCTURE FORM MEDICAL IMAGES 13 FEB. 2005 SAN DIEGO, CA, USA, vol. 5746, no. 1, 13 February 2005 (2005-02-13), Proceedings of the SPIE - The International Society for Optical Engineering SPIE-Int. Soc. Opt. Eng USA, pages 804 - 809, XP007902222, ISSN: 0277-786X *
CEES VAN WIJK ET AL: "Detection of Protrusions in Curved Folded Surfaces Applied to Automated Polyp Detection in CT Colonography", MEDICAL IMAGE COMPUTING AND COMPUTER-ASSISTED INTERVENTION - MICCAI 2006 LECTURE NOTES IN COMPUTER SCIENCE;;LNCS, SPRINGER BERLIN HEIDELBERG, BE, vol. 4191, 29 September 2006 (2006-09-29), pages 471 - 478, XP019043616, ISBN: 978-3-540-44727-6 *
DESBRUN M ET AL: "IMPLICIT FAIRING OF IRREGULAR MESHES USING DIFFUSION AND CURVATURE FLOW", COMPUTER GRAPHICS PROCEEDINGS. ANNUAL CONFERENCE SERIES. SIGGRAPH, 8 August 1999 (1999-08-08), pages 317 - 324, XP001024734 *
DIJKERS J J ET AL: "Segmentation and Size Measurement of Polyps in CT Colonography", MEDICAL IMAGE COMPUTING AND COMPUTER-ASSISTED INTERVENTION-MICCAI 2005. 8TH INTERNATIONAL CONFERENCE. PROCEEDINGS, PART I 26-29 OCT. 2005 PALM SPRINGS, CA, USA, 26 October 2005 (2005-10-26), Medical Image Computing and Computer-Assisted Intervention-MICCAI 2005. 8th International Conference. Proceedings, Part I (Lecture Notes in Computer Science Vol.3749) Springer-Verlag Berlin, Germany, pages 712 - 719, XP019021701, ISBN: 3-540-29327-2 *
HIROYUKI YOSHIDA* ET AL: "Three-Dimensional Computer-Aided Diagnosis Scheme for Detection of Colonic Polyps", IEEE TRANSACTIONS ON MEDICAL IMAGING, IEEE SERVICE CENTER, PISCATAWAY, NJ, US, vol. 20, no. 12, December 2001 (2001-12-01), XP011036187, ISSN: 0278-0062 *
NÄPPI JANNE ET AL: "Feature-guided analysis for reduction of false positives in CAD of polyps for computed tomographic colonography", MEDICAL PHYSICS, AIP, MELVILLE, NY, US, vol. 30, no. 7, July 2003 (2003-07-01), pages 1592 - 1601, XP012012133, ISSN: 0094-2405 *
VAN WIJK C; TRUYEN R; VAN GELDER R E; VAN VLIET L J; VOS F M: "On normalized convolution to measure curvature features for automatic polyp detection", LECT. NOTES COMPUT. SCI.; LECTURE NOTES IN COMPUTER SCIENCE; MEDICAL IMAGE COMPUTING AND COMPUTER-ASSISTED INTERVENTION, MICCAI 2004 - 7TH INTERNATIONAL CONFERENCE, PROCEEDINGS 2004, vol. 3216, no. PART 1, 2004, pages 200 - 208, XP007902242 *

Also Published As

Publication number Publication date
EP2074591A2 (en) 2009-07-01
US20110235882A1 (en) 2011-09-29
WO2008038222A2 (en) 2008-04-03
WO2008038222A3 (en) 2009-02-05
RU2459261C2 (ru) 2012-08-20
ATE470203T1 (de) 2010-06-15
EP2074591B1 (en) 2010-06-02
JP5551935B2 (ja) 2014-07-16
JP2010504794A (ja) 2010-02-18
CN101558429B (zh) 2015-07-29
US8712117B2 (en) 2014-04-29
CN101558429A (zh) 2009-10-14
DE602007006976D1 (de) 2010-07-15
RU2009116272A (ru) 2010-11-10

Similar Documents

Publication Publication Date Title
Girish et al. Segmentation of intra-retinal cysts from optical coherence tomography images using a fully convolutional neural network model
Wang et al. Cerebral micro-bleed detection based on the convolution neural network with rank based average pooling
Sazak et al. The multiscale bowler-hat transform for blood vessel enhancement in retinal images
Fraz et al. Application of morphological bit planes in retinal blood vessel extraction
Tsantis et al. Automatic vessel lumen segmentation and stent strut detection in intravascular optical coherence tomography
Staal et al. Ridge-based vessel segmentation in color images of the retina
CA2732647C (en) Image processing apparatus, image processing method, and image processing program
Goatman et al. Detection of new vessels on the optic disc using retinal photographs
Martínez-Pérez et al. Retinal blood vessel segmentation by means of scale-space analysis and region growing
JP5864542B2 (ja) 画像の異常を検出するための画像データの処理方法、システムおよびプログラム
Panda et al. New binary Hausdorff symmetry measure based seeded region growing for retinal vessel segmentation
Garg et al. Unsupervised curvature-based retinal vessel segmentation
Ashwin et al. Efficient and reliable lung nodule detection using a neural network based computer aided diagnosis system
Kanadam et al. Mammogram classification using sparse-ROI: A novel representation to arbitrary shaped masses
David et al. A Comprehensive Review on Partition of the Blood Vessel and Optic Disc in RetinalImages
Hu et al. Automated segmentation of geographic atrophy using deep convolutional neural networks
Patil et al. Caries detection using multidimensional projection and neural network
NL1032602C2 (nl) Werkwijzen, systeem en computerprogrammaproduct voor het detecteren van een protrusie.
US11883099B2 (en) Noninvasive techniques for identifying choroidal neovascularization in retinal scans
Matsopoulos et al. Detection of glaucomatous change based on vessel shape analysis
Mukherjee et al. Automatic detection and classification of solitary pulmonary nodules from lung CT images
Raza et al. Hybrid classifier based drusen detection in colored fundus images
Kakhandaki et al. Identification of normal and abnormal brain hemorrhage on magnetic resonance images
JP2005034211A (ja) 画像判別装置、方法およびプログラム
JP2004195080A (ja) 異常陰影検出装置

Legal Events

Date Code Title Description
PD2B A search report has been drawn up
V1 Lapsed because of non-payment of the annual fee

Effective date: 20100401