CN100507928C - 用于确保医学图像中计算机标记的人工审查的计算机辅助检测系统和方法 - Google Patents

用于确保医学图像中计算机标记的人工审查的计算机辅助检测系统和方法 Download PDF

Info

Publication number
CN100507928C
CN100507928C CNB2004800062680A CN200480006268A CN100507928C CN 100507928 C CN100507928 C CN 100507928C CN B2004800062680 A CNB2004800062680 A CN B2004800062680A CN 200480006268 A CN200480006268 A CN 200480006268A CN 100507928 C CN100507928 C CN 100507928C
Authority
CN
China
Prior art keywords
view data
mark
cad
image data
error flag
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.)
Expired - Fee Related
Application number
CNB2004800062680A
Other languages
English (en)
Other versions
CN1759399A (zh
Inventor
A·克里什南
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Siemens Medical Solutions USA Inc
Original Assignee
Siemens Medical Solutions USA Inc
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 Siemens Medical Solutions USA Inc filed Critical Siemens Medical Solutions USA Inc
Publication of CN1759399A publication Critical patent/CN1759399A/zh
Application granted granted Critical
Publication of CN100507928C publication Critical patent/CN100507928C/zh
Anticipated expiration legal-status Critical
Expired - Fee Related legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/0002—Inspection of images, e.g. flaw detection
    • G06T7/0012—Biomedical image inspection
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H30/00—ICT specially adapted for the handling or processing of medical images
    • G16H30/20—ICT specially adapted for the handling or processing of medical images for handling medical images, e.g. DICOM, HL7 or PACS
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H30/00—ICT specially adapted for the handling or processing of medical images
    • G16H30/40—ICT specially adapted for the handling or processing of medical images for processing medical images, e.g. editing
    • 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

Landscapes

  • Engineering & Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Radiology & Medical Imaging (AREA)
  • Primary Health Care (AREA)
  • Epidemiology (AREA)
  • Public Health (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Quality & Reliability (AREA)
  • Apparatus For Radiation Diagnosis (AREA)
  • Measuring And Recording Apparatus For Diagnosis (AREA)
  • Magnetic Resonance Imaging Apparatus (AREA)

Abstract

提供CAD(计算机辅助检测)系统、方法和工具，用于将“错误”标记(例如不正确标记、误导标记等)自动插入医学图像中，以确保内科医生、临床医生、放射科医生等对加标记的医学图像进行无偏见CAD辅助审查。例如，自动检测医学图像中病症的方法包括以下步骤：接收图像数据(30)、处理图像数据以检测图像数据中的潜在病症(31)、在图像数据中添加指示所检测病症的标记(32)、在图像数据中添加错误标记(33)、输出标记的图像数据，该数据包括指示所检测病症的一个或多个标记或者一个或多个错误标记或者二者(34)。对“加标记的”图像数据执行CAD辅助审查的人意识到在显示图像中可能包括一个或多个“错误”标记，这防止盲目依赖CAD结果。

Description

用于确保医学图像中计算机标记的人工审查的计算机辅助检测系统和方法
相关申请的交叉引用
本申请要求2003年3月11日提交的序号为60/453564的美国临时申请的优先权，通过引用将其完全结合于本文。
发明的技术领域
一般来说，本发明涉及用于自动检测和标记医学图像中所关注的特征的CAD(计算机辅助检测)系统、方法和工具，更具体地说，涉及自动将“错误”标记(例如，不正确标记、误导标记等)插入医学图像以确保内科医生、临床医生、放射科医生等对所标记的医学图像进行无偏见CAD辅助审查的CAD系统、方法和工具。
背景
在医学成像领域，为了筛选检查和评估病症已开发出各种系统，用于产生个体的各种解剖结构的医学图像。这些成像系统包括例如CT(计算机x射线断层扫描)成像、MRI(磁共振成像)、x射线系统、超声波系统、PET(正电子放射断层扫描)系统等等。对于筛选检查和评估特定类型的疾病、病症或解剖异常，包括例如结肠息肉、动脉瘤、肺小结、心脏或动脉组织钙化、乳腺组织中的癌微钙化或块、以及其它各损害或异常，每种成像方式可提供优于其它方式的独特优势。
例如，如本领域中众所周知的，可使用CT(计算机x射线断层扫描)成像系统以获得患者ROI(关注区域)的一组截面图像或2D“切片”，用于对器官和其它解剖进行成像。CT成像方式常用于诊断疾病的目的，因为这种方式提供说明各种解剖结构(例如器官、软组织和骨头)的大小、形状和位置的精确图像，并且也能对诸如肿瘤、息肉等损害和异常解剖结构进行更准确的评估。
内科医生、临床医生、放射科医生用于诊断和评估病症的一种传统方法是人工审查从获得的图像数据集重构的医学图像的硬拷贝(x射线胶片、印刷品、照片等)，以辨认所关注的特性特征。例如，在CT检查期间获得的CT图像数据可用于产生一组2D医学图像(x射线胶片)，该组医学图像可被见察以识别潜在异常解剖结构或损害，例如，基于正在审查的内科医生、临床医生、放射科医生等的技术和知识。例如，乳x线照片过程可产生包括对应于乳腺组织的正常解剖结构的医学图像，但是经过训练的放射科医生能够识别出这些结构中可能是癌的小损害。然而，经过训练的放射科医生、内科医生或临床医生可能会因人为错误而误诊病症，例如乳腺癌。
因此，已开发出各种图像数据处理系统和工具以辅助内科医生、临床医生、放射科医生等评估医学图像以便诊断病症。例如，已开发出CAD(计算机辅助检测)工具用于各种临床应用，以提供医学图像中病症的自动检测。通常，CAD系统采用图像数据(例如，CT数据)的数字信号处理方法来自动检测损害和其它异常解剖结构，诸如结肠息肉，动脉瘤、肺小结、心脏或动脉组织钙化、乳腺组织中的微钙化或块等。
更具体地说，传统CAD工具包括用于分析图像数据以自动检测并标记图像数据中被识别为潜在损害、异常、疾病状态等的所关注特征区域的方法。当呈现和显示加标记的图像数据时，所标记的区域或特征是“带标记的”或者以其它方式突出显示，以便引起放射科医生对医学图像中潜在病症的注意。
虽然CAD系统可能对于诊断目的非常有用，但是各种政府机关(例如FDA)和其它团体担心内科医生会变得太依赖于CAD系统并盲目依靠CAD结果，而不对医学图像进行独立审查/分析以确认/验证/拒绝计算机产生的标记所指示的潜在病症。的确，如果内科医生变得过于依赖和相信他/她日常使用的CAD工具，如果CAD处理产生不正确结果，则内科医生可能会误诊潜在的病症，或者不能识别潜在的病症。例如，CAD分析结果可能包括由于不正确标记正常区域的“假阳性”，或者CAD分析可能得到“未标记”但是却异常的区域。
在这种情况下，内科医生盲目依赖不正确的CAD标记会由于放射科医生的额外测试或活组织检查以及时间损失、增加的保健成本、对病人的创伤而在患者管理过程中引起重大/实质性变化，以及导致对计算机辅助诊断系统缺乏信任。
发明概述
本发明的示范实施例通常包括用于自动检测和标记医学图像中所关注特征的CAD(计算机辅助检测)系统、方法和工具。更具体地说，本发明的示范实施例包括将“错误”标记(例如，不正确标记、误导标记等)自动插入医学图像以确保内科医生、临床医生、放射科医生等对标记的医学图像进行无偏CAD辅助审查的CAD系统、方法和工具。
依照根据本发明示范实施例的CAD系统、工具和方法，假设，例如，对CAD工具产生的“加标记的”图像执行CAD辅助审查的个人意识到一个或多个“错误”标记(或注释)可能包括在显示的图像中，它们不正确或有意误导。设计根据本发明的CAD过程以确保内科医生不完全信任计算机产生的显示图像的CAD标记，从而强迫审查者仔细审查显示图像中的每个标记区域和未标记区域，而不是盲目依靠CAD结果。
在本发明的一个示范实施例中，CAD系统、工具或方法能够向图像数据集添加固定数量或随机数量的错误标记，其中可将错误标记随机插入确定没有异常结构或损害的区域中，或者其中可插入错误标记以标出类似于所关注的损害或异常的解剖结构。例如，诊断癌症时，可将错误标记添加到包括可能具有类似于癌症的特征的疤痕组织的区域中。
在本发明的另一个示范实施例中，CAD系统、工具或方法并非总是添加固定数量的错误标记，而是可能为检测过程的每次调用添加随机数量的标记。例如，随机数量的错误标记可包括添加零(0)个标记或1个或更多的错误标记。
在本发明的又一个示范实施例中，CAD系统、工具或方法可随机扰乱计算机产生的标记的位置，以确保内科医生分析围绕和包括计算机产生的标记的区域/位置。例如，CAD处理可从认为潜在损害或异常所在的位置移动标记，从而确保内科医生仔细审查围绕该标记的区域。
在本发明的另一个示范实施例中，CAD系统、工具或方法可产生加标记的图像，该图像具有可能错误的标记，但在医学图像中也具有确定为实际具有潜在损害或异常的未标记区域或位置，但是这些标记被有意地排除。以这种方式，如果内科医生意识到从CAD处理输出的加标记的图像可能未包括CAD检测系统检测的区域或特征的所有标记，则内科医生会不得不仔细审查加标记的图像。
将描述本发明的这些和其它示范实施例、特征和优点，通过下面结合附图对示范实施例的详细描述，它们会是显而易见的。
附图简述
图1是根据本发明示范实施例的用于分析患者图像数据的系统的示意图，该系统包括将错误或误导标记添加到医学图像中以确保内科医生审查并分析患者图像数据的CAD工具。
图2是根据本发明的示范实施例，使用图1的系统的内科医生审查患者数据的工作流程的流程图。
图3是根据本发明的示范实施例的CAD方法的流程图。
示范实施例的详细描述
本文描述的本发明的示范实施例一般包括用于自动检测和标记医学图像中所关注特征的CAD(计算机辅助检测)系统、方法和工具。更具体地说，本发明的示范实施例包括将“错误”标记(例如，不正确标记、误导标记等)自动插入医学图像以确保内科医生、临床医生、放射科医生等对加标记的医学图像进行无偏见CAD辅助审查的CAD系统、方法和工具。
参照图1、2和3描述本发明的示范实施例。通常，图1是说明根据本发明的示范实施例、用于分析医学图像的系统的示意图。如下所述，图1的示范系统包括CAD系统/工具，该CAD系统/工具包括根据本发明示范实施例的一个或多个方法(例如，参照图3详细描述)，用于自动检测和正确标记受检者图像数据集中的潜在异常解剖结构，并用于采用“错误”标记来错误地标记图像数据集中的一个或多个区域。图2是说明根据本发明的示范实施例、用于内科医生审查并分析医学图像的工作流的流程图，其中使用根据本发明的在医学图像中产生“错误”标记的CAD工具实现对加标记的图像的CAD辅助审查。
依照本发明的示范实施例，正审查“加标记的”图像(由根据本发明的CAD工具产生)的从业者(内科医生、临床医生、放射科医生等等)意识到一个或多个错误标记可能或可能不包括在加标记的图像中以有意误导审查者。因此，正审查的从业者不能完全信任或盲目依赖计算机产生的CAD标记，从而确保仔细和无偏见地审查CAD图像。
可以理解，可采用硬件、软件、固件、专用处理器或它们的组合的各种形式来实现依照本发明的本文描述的系统和方法。在本发明的一个示范实施例中，本文描述的系统和方法以软件实现为包括程序指令的应用，所述程序指令具体包含在一个或多个程序存储装置(例如，软磁盘RAM、CD Rom、DVD、ROM和闪速存储器)中，并且可由包括适当体系结构的任何装置或机器执行。
还可以理解，因为在附图中描述的构成系统模块和方法步骤可以用软件实现，系统组件之间的实际连接(或处理步骤的流程)可能随对应用编程的方式而不同。给出本文的理论，相关领域的普通技术人员能够设想本发明的这些和类似的实现或配置。
现在参考图1，用于分析患者图像数据的示范系统(10)通常包括患者记录和文件库(11)(其中包括患者电子图像数据)、屏幕显示/观察系统(12)、2D/3D图像呈现和可视化系统(13)和图像数据处理系统(14)。如下所述，依照本发明的一个实施例，图像数据处理系统(14)包含CAD模块(15)，该模块包括用于自动检测和标记受检者图像数据集中的潜在异常解剖结构、并在未检测为包含异常解剖结构的区域中添加“错误”标记的一个或多个方法。在另一个实施例中，图像数据处理系统(14)可包括用于执行图像数据的其它自动诊断或评估功能(16)的一个或多个模块或方法。
患者数据记录和文件(11)包括一个或多个受检患者的患者图像数据和/或医学图像。更具体地说，患者数据记录和文件(11)可包括原始图像数据形式的数字图像数据(18)，例如在CT扫描期间获得的原始CT数据(氡数据)或者使用其它成像方式获得的原始数据。而且，数字图像数据(18)可包括一个或多个2D切片或三维立体图像，它们从原始图像数据来重构并持久存储。此外，患者数据记录和文件(11)可包括从获得的图像数据重构的2D和/或3D医学图像(17)硬拷贝，包括X射线胶片、印刷品、照片等。例如，医学图像(17)可包括一组X射线胶片，其中包括从在患者的关注区域的CT扫描期间获得的图像数据集再生的患者的2D切片。可以理解，虽然可参照使用计算机x射线断层扫描(CT)系统获得的CT图像数据来描述本发明的示范性实施例，但是本发明也适用于其它成像方式，例如MRI、PET等。
可使用适合观察再生医学图像(17)的任何系统实现屏幕显示/观察系统(12)。例如、屏幕显示观察系统(12)可包括发光屏幕设备，它可由内科医生、临床医生、放射科医生等用来观察安装在设备上的从获得的多个CT切片(17)的图像数据集产生的多个X射线胶片。在本发明的另一个示范实施例中，例如，可使用适合滚动通过多个重构2D切片的任何系统实现屏幕显示/观察系统(12)。
图像呈现和可视化系统(13)可包括能处理获得的图像数据集(或它的一部分)的数字图像数据(18)、以产生并在计算机监视器上显示2D和/或3D图像的任何适当系统/工具/应用。更具体地说，成像系统(13)可以是提供图像数据(18)的3D/2D呈现和可视化的任何应用，它在具有监视器的通用或特定计算机工作站上运行。而且，成像系统(13)包括GUI(图形用户接口)，例如，GUI使用户能够浏览3D图像或多个2D切片。
图像数据处理系统(14)包括用于处理数字图像数据(18)以提供计算机辅助检测和诊断的方法、功能和模块。图像数据处理系统(14)可包括在通用计算机或带有专用硬件的计算机上运行的应用或工具。图像数据处理系统(14)接收并处理如上所述的、可以是原始图像数据、2D重构数据(例如，轴切片)或3D重构数据(例如，立体图像数据或多平面重定格式)或这些格式的任意组合的形式的数字图像数据(18)。依照系统(14)的处理结果(例如，标记的叠加、器官或解剖结构的分割、颜色或亮度变化等)，可将图像数据处理系统(14)的数据处理结果输出到图像呈现/可视化系统(13)以产生图像数据的2D和/或3D呈现。
在本发明的一个示范实施例中，图像数据处理系统(14)包括处理图像数据(18)以检测并标记图像数据(18)中潜在异常解剖特征的检测模块/方法(15)(或CAD模块)。更具体地说，检测模块(15)能够识别、或至少定位某种关注的特征，例如输入图像数据集(18)中的解剖异常，并向图像数据添加标记以指示这样的特征或区域。标记可包括指示符(箭头，十字准线等)，指示符指向具有潜在异常结构的关注区域，或指向潜在损害或异常的中心位置。而且，标记可以是围绕潜在损害的周围或边缘形成的虚线，或者通常环绕被检测为具有潜在异常结构的关注区域。
而且，检测模块(15)包括用于向图像数据添加“错误”标记(例如，不正确或误导标记)的一个或多个方法。在图像数据(18)中添加“错误”标记的过程确保内科医生在分析期间无偏见地审查所显示图像上的计算机产生的标记。例如，下面会参照图2和3更详细地讨论各种用于包括错误标记的方法。
在本发明的其它实施例中，图像数据处理系统(14)可包括提供诸如分割数据或图像或特征提取和分类的其它图像数据处理功能的一个或多个附加模块(16)或方法。分割是通过参考已知或预期的图像特征(诸如边缘、可识别的结构、边界、颜色或亮度的改变或过渡、摄谱信息的改变或过渡等等)识别所关注特征的方法。分类可用于明确识别所关注的区域，例如作为正常或异常解剖或损害进行分类。
可以理解，根据本发明的用于向图像数据添加错误标记的CAD系统和方法可以作为用于处理图像数据的传统CAD方法或其它自动诊断方法的扩展来实现。而且，要理解，本文描述的示范系统和方法可以容易地与3D医学成像和CAD系统或应用结合实现，这些系统或应用适用于范围很广的成像方式(CT、MRI等等)，以及适用于诊断和评估各种异常解剖结构或损害，诸如结肠息肉、动脉瘤、肺小结等。在这点上，虽然本文参照特定成像方式或特定解剖特征描述了示范实施例，但是不应当被解释为限制本发明的范围。
现在参考图2，流程图说明根据本发明的一个示范实施例、内科医生审查和分析患者图像数据的工作流。更具体地说  图2说明用于确保内科医生无偏见地审查使用根据本发明一个实施例的CAD工具产生的计算机标记的工作流。为了说明，将参照图1的系统描述图2的示范方法。
首先，内科医生、临床医生、放射科医生等将对受检患者的患者图像数据执行初步(无CAD辅助)审查和分析(步骤20)，以识别潜在异常解剖结构或疾病状态。例如，在本发明的一个实施例中，内科医生能使用屏幕显示/观察系统(12)(图1)来审查2D图像切片的一个或多个X射线胶片，例如X射线胶片从通过CT检查得到的图像数据集产生。
在另一个示范实施例中，内科医生可审查在计算机监视器上显示的图像数据集的2D和/或3D呈明，以识别可能的异常特征。例如，内科医生可使用图像可视化系统(13)(图1)从输入图像数据集来呈现和显示2D和/或3D图像，并使用适合的GUI浏览显示的图像以识别潜在异常特征。在这种情况下，可视化系统(13)仅构造并显示2D和/或3D图像供内科医生审查，但是不执行CAD相关功能来帮助分析，也没有显示基于CAD结果呈现和显示的图像。
内科医生基于对患者图像数据的无CAD辅助审查会产生他/她的最初判定的初步报告(步骤21)。该报告可包括内科医生的初步诊断决定和判定，包括引用所关注的特定区域(或特征)，内科医生认为这些关注的特定区域或特征包括(或者是)潜在损害或解剖异常。
此后，内科医生会对患者图像数据执行CAD辅助审查以验证或调整他/她的初步决定。更具体地说，在本发明的一个示范实施例中，通过使用根据本发明的能够检测和标记图像数据中潜在损害或其它异常解剖结构并且可能在图像数据集中添加个或多个错误标记的CAD工具来处理图像数据集(是初步审查的主题)，开始CAD辅助审查(步骤22)。更具体地说，例如参照图1，可将CT图像数据集(18)输入CAD模块(15)，以检测图像数据(18)中的潜在异常解剖特征，并产生在图像数据中所检测的潜在异常周围或附近设置的标记。而且，取决于在检测模块(15)中实现的方法，可以(或可以不)将一个或多个错误标记添加到图像数据中。下面会详细讨论根据本发明的向图像数据添加错误标记的各种方法。
内科医生则会基于在显示装置上显示的“加标记的”图像数据的2D和/或3D呈现来执行患者图像数据的CAD辅助审查(步骤23)。例如，可将CAD模块(15)的输出(“加标记的”图像数据)输到图像呈现/可视化系统(13)，从而产生并显示一个或多个示出计算机产生的标记的2D和/或3D医学图像，这些计算机产生的标记基于检测过程结果可能是对的和/或错的标记。换言之，标记或以其它方式注释所显示图像，使其具有由CAD模块(15)检测的潜在异常的定位标识，并且还可具有一个或多个错误标记或注释。
有利的是，依照本发明，CAD模块(15)对一个或多个错误标记或注释的替在增加确保在内科医生的CAD辅助分析期间无偏见地审查所显示图像中的计算机产生的标记。特别是，假设内科医生意识到CAD工具(15)可能会在医学图像中添加一个或多个错误标记，则内科医生不会完全信任CAD标记，并不得不对计算机产生的标记执行更详细和仔细的分析。换言之，一个或多个错误标记的潜在增加确保内科医生会执行独立的无CAD辅助的审查和/或详细的CAD辅助审查，而不是“盲目地”依赖CAD工具的“加标记的输出”。
在CAD辅助审查之后，内科医生能扩充他/她的基于初步报告的最终诊断决定(步骤24)。这个最终诊断报告可能或可能不与初步报告相同，取决于内科医生是否确定CAD工具所提供的附加诊断信息有效。在最终诊断报告之后，内科医生可以推荐进一步行动的过程，这可包括没有进一步动作或者继续下面的检查或过程。
图3是说明根据本发明的一个示范实施例的CAD方法的流程图。在本发明的一个实施例中，图3描述了用于实现图2的步骤22的方法。在本发明的另一个实施例中，图3说明图1的CAD模块(15)的工作方式。参考图3，将受检患者的图像数据集输入到CAD工具中(步骤30)。处理输入的图像数据集以检测并识别图像数据集中具有潜在异常解剖结构的所关注的区域(或特征)(步骤31)，可以理解，可使用任何检测方法实现检测过程(步骤31)，所述检测方法适合输入图像数据的成像方式(例如，(T)并且特别或一般适合检测作为诊断主题的解剖异常(例如，肿瘤、息肉、小结等)。检测过程会标记输入图像数据集中被确定为潜在损害或其它异常结构的那些关注的区域(步骤32)。而且，依照本发明，检测过程可以在图像数据集中添加一个或多个错误标记(步骤33)。然后，将“加标记的”图像数据集从CAD检测模块输出(步骤34)，再对其进一步处理，以便呈现和显示示出计算机产生的正确和/或错误标记的2D和/或3D图像。
应当知道，可使用根据本发明示范实施例的各种方法来实现错误标记过程(步骤33)。如上所述，依照本文描述的示范实施例，假定对CAD工具产生的“加标记的”图像执行CAD辅助审查的人意识到在显示的图像中可能包括一个或多个错误标记(或注释)，或更一般地说，可能包括有意误导审查者的一个或多个标记。
在本发明的一个实施例中，检测过程会向图像数据集添加固定数量或随机数量的错误标记。更具体地说，在本发明的一个实施例中，可对检测过程编程，以便在图像数据中添加固定数量的错误标记。可将错误标记随机插入确定为没有异常结构或损害的随机区域，或者可对检测过程编程，以便错误地标记类似正研究的所关注损害或异常的解剖结构。例如，当进行癌症诊断时，错误标记可被添加到包括可能有与癌类似的特征的疤痕组织的区域。
在本发明的另一个实施例中，不是总添加固定数量的错误标记，CAD方法会为检测过程的每次调用添加随机数量的标记。例如，随机数量的错误标记可包括添加零(O)个标记或1个或更多的错误标记。如果内科医生知道总是将固定数量的错误标记添加到图像数据中，则他会在找到固定数量的明显不正确标记后消除戒心，而每次使用CAD工具就添加随机数量的标记会防止这种情况。而且。可将随机标记添加到随机位置，或者可添加到具有类似于正研究的异常结构的结构的区域。
在本发明的又一本实施例中，可将检测过程配置为随机扰乱计算机产生的标记的位置，以确保内科医生分析环绕标记的区域或结构的区域。可限定扰乱的最大范围。更具体地说，检测过程可能从认为潜在损害或异常所在的位置移动标记，从而确保科医生仔细审查环绕该标记的区域。例如，假定内科医生正在审查结肠的图像数据以便发现潜在的息肉。如果计算机标记被插入到结肠腔的位置，内科医生会不能假定该标记是错误的。而是，内科医生会不得不搜查周围区域(结肠壁组织)以识别潜在的息肉。
在本发明的另一个实施例中，根据本发明的CAD检测工具不但适合添加错误标记，而且适合在检测方法确定实际具有潜在损害或异常的图像数据中的位置不包括一个或多个标记。以这种方式，如果内科医生意识到计算机产生的图像不包括CAD检测系统检测的所有潜在标记，则内科医生不能够盲目相信输出而不得不仔细审查标记的图像。
可以理解，可有效实现根据本发明的提供用于确保内科医生审查计算机产生的标记的自动CAD方法的系统和方法，以提高临床数据和患者记录的价值和质量。根据本发明的系统和方法确保较高质量的患者数据能够用于自动系统中，自动系统提供护理结果和过程的标准评估、健康护理提供者的管理监督、医疗计费和费用或赔偿的准确计算等。
虽然本文参照附图描述了本发明的说明性实施例，但是应当理解本发明不限于这些精确的实施例，本领域的技术人员可实现各种其它的改变和修改而没有偏离本发明的范围或精神。所有这样的改变和修改要包括在所附权利要求定义的本发明的范围之内。

Claims (12)

1.一种用于处理图像的方法，包括以下步骤：
接收图像数据；
处理所述图像数据以检测所述图像数据中的潜在病症；
在所述图像数据中添加指示所检测病症的标记；
在所述图像数据中添加错误标记；以及
输出包括指示所检测病症的一个或多个标记和一个或多个错误标记的加标记的图像数据。
2.如权利要求1所述的方法，其特征在于，所述添加错误标记的步骤包括在所述图像数据中添加固定数量的错误标记。
3.如权利要求2所述的方法，其特征在于，所述固定数量的错误标记被添加到所述图像数据中的随机位置。
4.如权利要求1所述的方法，其特征在于，所述添加错误标记的步骤包括为所述自动检测方法的每次调用在所述图像数据中添加随机数量的错误标记。
5.如权利要求4所述的方法，其特征在于，所述添加随机数量的错误标记的步骤包括为给定的调用添加一个或多个错误标记。
6.如权利要求1所述的方法，其特征在于，所述添加错误标记的步骤包括标记所述图像数据中具有类似于正评估的病症的特征的区域或结构。
7.如权利要求1所述的方法，其特征在于，所述添加错误标记的步骤包括随机扰乱在所述图像数据中为指示所检测病症而插入标记的位置。
8.如权利要求1所述的方法，其特征在于，所述病症包括异常解剖结构。
9.如权利要求1所述的方法，其特征在于，所述病症包括损害。
10.如权利要求1所述的方法，其特征在于，还包括呈现所述加标记的图像数据以显示具有标记和错误标记的一个或多个2D图像、3D图像、或者同时显示2D和3D图像。
11.如权利要求1所述的方法，其特征在于，还包括在图像数据中被检测为具有潜在病症的位置或区域中不包括标记的步骤。
12.一种用于处理图像的装置，所述装置包括：
用于接收图像数据的单元；
用于处理所述图像数据以检测所述图像数据中的潜在病症的单元；
用于在所述图像数据中添加指示所检测病症的标记的单元；
用于在所述图像数据中添加错误标记的单元；
用于输出包括指示所检测病症的一个或多个标记和一个或多个错误标记的加标记的图像数据的单元。
CNB2004800062680A 2003-03-11 2004-03-11 用于确保医学图像中计算机标记的人工审查的计算机辅助检测系统和方法 Expired - Fee Related CN100507928C (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
US45356403P 2003-03-11 2003-03-11
US60/453,564 2003-03-11

Publications (2)

Publication Number Publication Date
CN1759399A CN1759399A (zh) 2006-04-12
CN100507928C true CN100507928C (zh) 2009-07-01

Family

ID=32990786

Family Applications (1)

Application Number Title Priority Date Filing Date
CNB2004800062680A Expired - Fee Related CN100507928C (zh) 2003-03-11 2004-03-11 用于确保医学图像中计算机标记的人工审查的计算机辅助检测系统和方法

Country Status (7)

Country Link
US (1) US7492933B2 (zh)
EP (1) EP1602056A2 (zh)
JP (1) JP4326563B2 (zh)
CN (1) CN100507928C (zh)
AU (1) AU2004219199B2 (zh)
CA (1) CA2517738C (zh)
WO (1) WO2004081843A2 (zh)

Families Citing this family (18)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH08222585A (ja) * 1995-02-14 1996-08-30 Nec Corp 半導体装置
US7809175B2 (en) 2005-07-01 2010-10-05 Hologic, Inc. Displaying and navigating computer-aided detection results on a review workstation
DE102005036998B4 (de) * 2005-08-05 2014-11-20 Siemens Aktiengesellschaft Vorrichtung zur automatischen Detektion von Auffälligkeiten in medizinischen Bilddaten
US7876936B2 (en) * 2006-01-31 2011-01-25 Mevis Medical Solutions, Inc. Method for segmenting arteries and veins
US7903857B2 (en) * 2006-04-17 2011-03-08 Siemens Medical Solutions Usa, Inc. Robust click-point linking with geometric configuration context: interactive localized registration approach
US20070259158A1 (en) * 2006-05-05 2007-11-08 General Electric Company User interface and method for displaying information in an ultrasound system
EP1865464B1 (en) * 2006-06-08 2013-11-20 National University Corporation Kobe University Processing device and program product for computer-aided image based diagnosis
JP2011505225A (ja) * 2007-12-03 2011-02-24 データフィジクス リサーチ， インコーポレイテッド 効率的な撮像システムおよび方法
US8553952B2 (en) * 2008-11-29 2013-10-08 Supratik Kumar Moulik Method and system for automated interpretation of computer tomography scan data
CN102073909B (zh) * 2010-12-28 2013-07-17 成都鹏业软件股份有限公司 一种高效半自动人工智能软件的实现方法
CN103501699B (zh) * 2011-02-24 2016-01-13 卡丹医学成像股份有限公司 用于隔离成像数据中的潜在异常的方法和装置和其对医学图像的应用
CN104809331A (zh) * 2015-03-23 2015-07-29 深圳市智影医疗科技有限公司 一种计算机辅助诊断技术(cad)检测放射图像发现病灶的方法和系统
EP3477655A1 (en) 2017-10-30 2019-05-01 Samsung Electronics Co., Ltd. Method of transmitting a medical image, and a medical imaging apparatus performing the method
US10213174B1 (en) 2018-01-05 2019-02-26 General Electric Company Nuclear medicine imaging systems and methods having multiple detector assemblies
CN110288577A (zh) * 2019-06-20 2019-09-27 翼健(上海)信息科技有限公司 一种3d实现多器官病灶整合的控制方法及控制装置
CN111143912B (zh) * 2019-12-11 2023-04-07 万翼科技有限公司 展示标注方法及相关产品
TWI779284B (zh) * 2020-05-06 2022-10-01 商之器科技股份有限公司 用於影像資料標註的裝置
CN114783575B (zh) * 2022-04-20 2023-09-29 广州唯顶软件科技有限公司 一种医疗用图像处理系统及方法

Family Cites Families (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5289374A (en) * 1992-02-28 1994-02-22 Arch Development Corporation Method and system for analysis of false positives produced by an automated scheme for the detection of lung nodules in digital chest radiographs
US6266435B1 (en) * 1993-09-29 2001-07-24 Shih-Ping Wang Computer-aided diagnosis method and system
US6574357B2 (en) * 1993-09-29 2003-06-03 Shih-Ping Wang Computer-aided diagnosis method and system
US20020097902A1 (en) * 1993-09-29 2002-07-25 Roehrig Jimmy R. Method and system for the display of regions of interest in medical images
JP3296193B2 (ja) * 1996-06-26 2002-06-24 富士写真光機株式会社 超音波画像生成装置
US5801810A (en) * 1996-10-11 1998-09-01 Visual Resources, Inc. Method and apparatus for testing visual attention capabilities of a subject
US6014452A (en) * 1997-07-28 2000-01-11 R2 Technology, Inc. Method and system for using local attention in the detection of abnormalities in digitized medical images
JP2000137793A (ja) * 1998-08-25 2000-05-16 Fuji Photo Film Co Ltd 異常陰影検出処理システムおよび画像表示端末機
JP4104036B2 (ja) * 1999-01-22 2008-06-18 富士フイルム株式会社 異常陰影検出処理方法およびシステム
JP2002112986A (ja) 2000-10-06 2002-04-16 Konica Corp 画像診断支援装置
US7072501B2 (en) * 2000-11-22 2006-07-04 R2 Technology, Inc. Graphical user interface for display of anatomical information
EP1356419B1 (en) 2000-11-22 2014-07-16 MeVis Medical Solutions AG Graphical user interface for display of anatomical information

Also Published As

Publication number Publication date
EP1602056A2 (en) 2005-12-07
WO2004081843A3 (en) 2005-05-26
JP2006520031A (ja) 2006-08-31
US20040223633A1 (en) 2004-11-11
CA2517738C (en) 2009-09-01
CA2517738A1 (en) 2004-09-23
JP4326563B2 (ja) 2009-09-09
AU2004219199B2 (en) 2007-10-04
CN1759399A (zh) 2006-04-12
WO2004081843A2 (en) 2004-09-23
AU2004219199A1 (en) 2004-09-23
US7492933B2 (en) 2009-02-17

Similar Documents

Publication Publication Date Title
CN100507928C (zh) 用于确保医学图像中计算机标记的人工审查的计算机辅助检测系统和方法
AU2004266022B2 (en) Computer-aided decision support systems and methods
AU2004252917B2 (en) CAD (computer-aided decision) support for medical imaging using machine learning to adapt CAD process with knowledge collected during routine use of CAD system
EP2888686B1 (en) Automatic detection and retrieval of prior annotations relevant for an imaging study for efficient viewing and reporting
US7162061B1 (en) Abnormal pattern detection processing method and system
CN102915400B (zh) 用于计算机支持地显示或分析医学检查数据的方法和装置
US8031917B2 (en) System and method for smart display of CAD markers
WO2012032734A1 (ja) 誤診原因検出装置及び誤診原因検出方法
US10916010B2 (en) Learning data creation support apparatus, learning data creation support method, and learning data creation support program
JP2005533578A (ja) コンピュータ支援検出アプリケーションをデジタル画像に割り当てるシステム及び方法
Liong-Rung et al. Using artificial intelligence to establish chest x-ray image recognition model to assist crucial diagnosis in elder patients with dyspnea
JP2008159078A (ja) 異常陰影検出処理システム
Brigham Analysis of Report Addenda as a Novel Approach to Characterization and Quantification of Errors in Diagnostic Radiology

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
C14 Grant of patent or utility model
GR01 Patent grant
CF01 Termination of patent right due to non-payment of annual fee
CF01 Termination of patent right due to non-payment of annual fee

Granted publication date: 20090701

Termination date: 20190311