CN101903888A - 用于基于跨模态病例的计算机辅助诊断的方法和系统 - Google Patents

用于基于跨模态病例的计算机辅助诊断的方法和系统 Download PDF

Info

Publication number
CN101903888A
CN101903888A CN2008801223029A CN200880122302A CN101903888A CN 101903888 A CN101903888 A CN 101903888A CN 2008801223029 A CN2008801223029 A CN 2008801223029A CN 200880122302 A CN200880122302 A CN 200880122302A CN 101903888 A CN101903888 A CN 101903888A
Authority
CN
China
Prior art keywords
image
mode
feature
case
characteristic relation
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.)
Granted
Application number
CN2008801223029A
Other languages
English (en)
Other versions
CN101903888B (zh
Inventor
L·阿尼霍特里
L·博罗茨基
L·赵
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.)
Koninklijke Philips NV
Original Assignee
Koninklijke 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 Koninklijke Philips Electronics NV filed Critical Koninklijke Philips Electronics NV
Publication of CN101903888A publication Critical patent/CN101903888A/zh
Application granted granted Critical
Publication of CN101903888B publication Critical patent/CN101903888B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • 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
    • 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
    • G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
    • G16H50/70—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for mining of medical data, e.g. analysing previous cases of other patients
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
    • G16H50/20—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for computer-aided diagnosis, e.g. based on medical expert systems

Abstract

一种用于基于跨模态病例的计算机辅助诊断的系统和方法，其包括存储多个病例，每个病例包括多个模态中的一个的至少一个图像和非图像信息；对来自第一模态的图像的特征和来自第二模态的图像的特征之间的特征关系进行映射；并且存储该关系。

Description

用于基于跨模态病例的计算机辅助诊断的方法和系统
技术领域
本申请大体涉及用于基于跨模态病例的计算机辅助诊断(“CADx”)的系统和方法。具体地说，该系统和方法可以允许CADx系统的用户跨不同的成像模态检索类似的病例。
背景技术
基于病例的CADx系统基于这样的想法：临床医生通过经验并且参考他们之前已经见过的病例获得知识。一种方式是提供已经经过诊断并且类似于被研究病例的先前病例，其中，决策支持系统可以辅助临床医生基于(诸如肺癌的)CT扫描(或者任何其他模态扫描X射线、磁共振成像(MRI)、超声、正电子发射X线断层摄影术(PET)等)进行诊断。基于病例的范例是从具有已知诊断的瘤数据库中检索与将要诊断的肺结节类似的肺结节并且呈现给放射线学者。这是基于病例的CADx系统的基本前提。
基于病例的CADx典型地包括从数据库取回诸如具有已知病状即恶性或良性的肿瘤或者病变的疾病专用信息。为了与将要诊断的肿瘤的诊断扫描进行视觉比较，典型地，该信息包括已经被诊断肿瘤的诊断扫描。例如，肿瘤可以在患者的肺中。可以通过上面已经提到了其中一些的许多成像技术中的任何一种捕获肿瘤的诊断扫描。从扫描中，随后可以计算肿瘤的特征，每个特征代表该肿瘤特定的视觉特性。可以将要诊断的肿瘤、以及数据库的肿瘤放置在共同的特征空间，即N维空间，其中每个维度代表N个经测量特征中的相应的一个。可以基于两个肿瘤在特征空间中的接近程度试验性并且客观估计在数据库中的任何肿瘤和要诊断的肿瘤之间的相似度。典型地，从数据库中取出具有最接近程度的肿瘤作为相似肿瘤。为了视觉比较，可以在将要诊断的肿瘤旁边显示所取的例子。基于病例的CADx还可以在训练医疗人员诊断不同疾病时使用。
发明内容
本发明涉及一种方法，其包括以下步骤：存储多个病例，每个病例包括多个模态中的一个的至少一个图像和非图像信息；对来自第一模态的图像的特征和来自第二模态的图像的特征之间的特征关系进行映射；并且存储该关系。在另一个方面中，该方法还包含以下步骤：从原始图像中提取特征；基于所提取的特征和特征关系检索至少一个病例；并且同时显示原始图像和所检索到的病例。
一种系统，包括存储器，其存储多个病例，每个病例包括多个模态中的一个的至少一个图像和非图像信息；以及处理器，其对来自第一模态的图像的特征和来自第二模态的图像的特征之间的特征关系进行映射，并且将该特征关系存储在存储器中。在另一个方面中，该处理器还从原始图像中提取特征；基于所提取的特征和特征关系检索至少一个所存储的病例；并且同时显示原始图像和所检索到的病例。
一种系统，包括用于存储多个病例的模块，每个病例包括多个模态中的一个的至少一个图像和非图像信息；以及用于对来自第一模态的图像的特征和来自第二模态的图像的特征之间的特征关系进行映射、并且将该关系存储在存储器中的模块。
附图说明
图1示出了根据本发明用于基于跨模态病例的CADx系统的示例性数据库，该基于跨模态病例的CADx系统由具有乳癌的患者和该患者已经具有的成像扫描组成；
图2示出了根据本发明具有跨成像模态的相对特征比率的示例性CADx系统数据库；
图3示出了使用多项式函数在一种图像模态到另一种图像模态中的示例性特征估计；
图4示出了根据本发明的示例性实施例的用于检索多模态的图像的示例性方法；
图5示出了根据本发明的示例性实施例的用于检索多模态的图像的另一个示例性方法；
图6示出了根据本发明的另一个实施例的用于检索多模态的图像的示例性方法。
具体实施方式
可以参考示例性实施例的下列说明和相关附图进一步理解本发明，其中，给相似的元件提供相同的参考标号。本发明的示例性实施例涉及用于使用基于病例的计算机辅助诊断(“CADx”)系统检索先前所诊断的包括多模态的图像(例如，CT扫描、MRI、超声等)和患者信息的病例的系统和方法，该病例类似于基于单一模态图像的被研究病例。具体地，示例性系统和方法可以允许基于病例的CADx系统的用户(例如，临床医生、医师、放射线学者等)基于在原始模态中的特征到其他模态中的特征的映射来检索类似于被研究患者的原始模态扫描(正在被分析的扫描)的具有多模态的图像的病例。为了比较，可以将所检索到的病例与被研究病例同时显示。
通过为特定疾病或病建立患者数据库，创建了基于跨模态病例的CADx系统。图1示出了具有乳癌的患者和患者已具有的成像扫描的示例性数据库。数据库可以包含患者的图像扫描和基于非图像的信息，后者包括以下项：诸如患者身份信息、人口统计信息(例如，年龄、性别)、患者临床病史(例如，之前和当前疾病、主要不适)、家族病史、生命体征统计(血压、体重等)。例如，各种图像扫描模态可以是胶片乳房X线片、超声、MRI、数字乳房X线片等。例如，患者1已有胶片乳房X线片和MRI扫描，但是没有超声。患者2已有胶片乳房X线片、超声和MRI，但是没有数字乳房X线片。可以为不同癌症和病创建类似的数据库，并且其还可以包括诸如CT扫描、X射线、PET扫描等的图像模态。
为了找到从一种模态到另一种模态的特征映射，系统跨不同模态对感兴趣体积(“VOI”)进行进一步分析。使用该信息来填充给出在一种模态相对于另一种模态中的特征值的比率和映射的表。例如，一种该映射方法可以被称为因子分析，可以使用其将一种模态的基于图像的特征映射到另一种模态的基于图像的特征。为了将基于图像的特征从一种模态映射到另一种模态，生成可以从图像中提取的可能的基于图像的特征的列表。使用这些特征构成内容矩阵，矩阵中，特征对应于不同类型的图像模态。随后，基于可利用的患者病例对内容矩阵进行映射。可利用的患者病例可以指示基于非图像的特征(例如，年龄、性别、病)和可利用的图像模态的类型。
因子分析是可以用于将一变量集合减小到一更小数目的变量或因子的集合的统计技术。因子分析检查变量之间互相关的模式，并且确定是否存在彼此高度相关、但是显示与其他子集或因子较低相关的子集。消除具有低方差(varianance)的特征，并且创建概念值矩阵，在其中，在一种模态的图像特征和另一种模态的图像特征之间生成映射。因此，基于从因子分析获得的结果，可以设计给定从原始模态的图像所提取的特征，来生成基于病例的多模态的图像的算法。
一旦存在针对特定疾病而识别到的许多VOI，就计算多模态中所有基于图像的特征。随后，使用因子分析推断特征在不同模态中的趋势。不同特征甚至可以跨各模态相关。例如，一种模态中的密度可以与另一种模态中的纹理成比例。然而，应该注意，本领域的技术人员将理解，因子分析仅仅是一种分析变量之间互相关的方法，并且可以使用任何分析方法，只要它能够对特征进行分析从而推断不同模态中特征的趋势。可选的分析方法将使用多变量回归将一个特征集合映射到另一个特征集合。
图2示出了对于特定疾病或病跨成像模态的示例性相对特征比率的表。如上所述，可以基于因子分析、多变量回归、或者其他分析特征的方法的结果填充特征表。一旦建立了该信息，就可以使用一种模态的VOI检索其他模态中类似的病例。从VOI提取的图像特征向量将允许在相同模态中初始检索类似病变。将图像特征向量转换成用于其他期望模态的图像特征向量。
在图2的示例性表中，将CT模态特征索引到不同图像模态(例如，超声、MRI、X射线)中的对应特征以创建特征映射。特征映射带来不同图像模态中相同特征或者不同特征之间的特征关系。例如，超声的针状体特征是从CT扫描计算的针状体特征的0.2倍，而从MRI扫描计算的针状体特征是CT的针状体特征的5.0倍。因此，根据图2中所示的示例性值，为了将针状体从CT扫描变换到超声，用0.2乘以从CT计算的特征值，而用5乘以同一个CT毛刺征值，从而变换到MRI毛刺征值。可以对其余特征(例如，密度、纹理、平均灰度值等)进行类似的变换。因此，在图2的示例中，映射是基于不同图像模态之间简单的特征值比率进行的。然而，应该注意，本领域的技术人员将理解，可以使用多个特征来估计特定模态中未知的特征值。同时，在上述情况下也可能发生毛刺征在各模态中不相关，并且使用完全不同的特征估计超声扫描中VOI的毛刺征特征。
图3示出了通过拟合多项式函数对来自不同模态的特征进行变换，以从另一个模态中的特征估计一个模态中的特征。在图3的示例中，可以将基于图像的特征绘制在二维曲线图上，x轴代表从一个图像模态计算的特征，并且y轴代表来自另一个图像模态的同一个特征。例如，图3中的曲线图可以是将CT扫描中的毛刺征作为x轴，并且MRI扫描中的毛刺征可以是y轴。随后，可以采用二次多项式模型拟合示例性曲线图。图3中基于曲线值的示例性二次多项式可以为：毛刺征MRI＝0.4981+1.0231*毛刺征CT-0.2942*[毛刺征CT]2。随后，可以使用多项式模型的等式将一个图像模态的特征映射到另一个图像模态的同一个特征。
因此，在完成不同图像模态的特征的映射之后(例如，如上参考图2-3所述)，可以检索对应于被研究病例的不同模态的图像或病例。这可以通过最初从被研究患者的扫描中提取并且映射基于图像的特征来完成。随后，将这些特征与包含在多模态的图像数据库中经映射的特征进行比较。一旦已经对图像特征进行了映射，就可以使用算法检索包括来自其他成像模态扫描的病例。该算法将来自原始图像的特征与相同类型图像中的对应特征进行比较(例如，CT特征比CT特征)，并且与来自不同模态的对应特征进行比较(例如，CT特征比MRI特征)。在Agnihotri等的、经受让的美国申请No.60/804,955、代理人案号004976US1的“Clinician Driven Example BasedCADx”公开了一种这样的算法。然而，本领域的普通技术人员一般将理解，可以使用任何数目的算法检索具有来自其他成像模态的扫描的病例。例如，当要诊断的病例仅伴随患者的CT扫描时，多模态CADx系统可以从数据库中检索类似的CT扫描、以及MRI、超声和其他扫描。
图4示出了示例性多模态CADx系统方法100，在步骤110中，将要诊断的患者的单一模态扫描纳入原始图像模态。在步骤120中，在原始图像上实施基于图像的特征提取。随后，在步骤130中，将该经提取的特征从原始图像映射到多模态的图像。例如，如果原始患者扫描是X射线扫描，就从X射线扫描中提取特征(例如，密度、纹理等)，并且将该特征映射到其他多模态的图像(例如，CT、MRI、超声等)。如上所述，可以如在图2中所示通过使用比率建立不同图像模态中特征之间的关系，或者可以如在图3中所示，通过拟合多项式函数对特征进行估计，来建立不同图像模态中特征之间的关系。随后，在步骤130中，可以使用这些特征的关系、基于要诊断的患者的原始模态的基于图像的特征检索其他具有来自相同或不同模态的图像的病例。
随后，在步骤140中，可以对被研究患者的基于图像的特征(例如，来自原始模态的基于图像的特征和经映射的特征)和基于非图像的信息进行组合。也就是说，可以将来自原始模态的特征与从具有类似模态的图像计算的特征以及从来自不同模态的图像计算的特征(例如，从被研究患者的CT扫描计算的特征与来自所检索的图像的MRI特征)进行组合。例如，如关于图1所描述的，其他患者数据可以与各种所检索到的图像相关联，该其他患者数据例如，患者年龄、性别、主要不适、患者当前和之前的疾病、家族病史、生活方式、吸烟史等。在步骤140中，可以将这些其他基于非图像的特征与基于图像的特征进行组合。在步骤150中，可以使用在患者所有可利用的图像模态上的这些特征与非图像临床信息的组合创建基于病例的多模态CADx。因此，在步骤150中，通过使用来自步骤110的单一模态的图像(例如，X射线)，可以给医师呈现具有类似特征的附加的X射线的、具有类似特征的CT的、MRI的、乳房X线片的图像等、以及对于这些附加检索的病例的非图像患者数据。
图5示出了多模态CADx系统方法200的另一个示例性实施例。方法200可以是在方法100的步骤130和140中执行的子步骤。在方法200中，为了基于原始模态检索类似的病例，在步骤210中，创建基于原始模态的基于病例的CADx。例如，如果被研究患者的扫描是X射线扫描，系统200将基于从被研究患者的X射线扫描提取的特征以及数据库中病例的对应特征来检索类似的、先前经诊断的X射线扫描。在步骤220中，检索非原始模态的图像。如上所述，基于之前所分析的数据，将来自一种模态的特征映射到其他模态的对应特征。可以将从原始X射线提取的特征映射到其他模态中的特征(例如，将对于原始X射线中的特征的值变换为用于另一种模态(CT、MRI等)中的特征的对应值)。随后，使用对应特征从非原始模态中检索类似的病例。例如，可以使用原始X射线扫描检索类似的、之前经诊断、诸如超声、MRI等的扫描。在步骤230中，对来自原始模态210和非原始模态220的类似病例进行组合，用于最后基于原始图像中的特征检索类似的病例。步骤230可以使用任何数目的方法对步骤210和220的两个结果进行组合。距离计算可以检索具有最接近所呈现的扫描的特征的病例，而与图像模态无关。因此，如果呈现X射线扫描，由于MRI具有最接近所呈现扫描的特征，所以距离计算就可以检索MRI。
图6示出了多模态CADx系统方法300的另一个实施例。方法300可以是在方法100的步骤130和140中执行的子步骤。在步骤310中，以与上述用于图4的步骤130相同的方式将针对原始图像的特征映射到其他模态中的特征。然而，在步骤320中，可以使用这些经映射的特征计算到多模态的图像的距离。距离计算可以检索患者数据，其中，患者数据的经组合的图像可以具有比原始模态的单一图像更近的距离。例如，步骤320可以检索患者的组合的X射线和MRI扫描具有比另一个单独X射线扫描更近距离的病例。本领域的技术人员将理解，存在许多基于不同特征得到距离的方式，所述不同特征可以基于诸如图像类型、相关诊断等的多种因子。
通过使用示例性方法和系统，临床医生将能够基于单一模态的图像检索具有不同成像模态的类似病例。这种系统允许临床医生通过经验并且参考具有已知诊断的先前病例的数据库的病例获得知识。因此，跨各种模态搜索并且检索具有图像的病例的能力将有助于临床医生他们的诊断和治疗计划。
对于本领域的技术人员，显而易见的是，可以对本发明进行各种修改，而不脱离本发明的精神或者范围。因此，本发明旨在覆盖这些修改和变化，只要他们落在所附权利要求和他们的等同替代的范围内。

Claims (20)

1.一种方法，包括：
存储多个病例，每个病例包括多个模态中的一个的至少一个图像和非图像信息；
对来自第一模态的图像的特征与来自第二模态的图像的特征之间的特征关系进行映射；以及
存储所述特征关系。
2.如权利要求1所述的方法，还包括：
从原始图像中提取特征；以及
基于所提取的特征和所述特征关系检索至少一个病例。
3.如权利要求1所述的方法，其中，所述映射包括：
对来自所述第一模态的图像和来自所述第二模态的图像的感兴趣体积进行分析。
4.如权利要求1所述的方法，其中，所述非图像特征包括患者身份信息、人口统计信息、患者临床信息和家族病史中的一个。
5.如权利要求1所述的方法，其中，对所述特征关系的映射基于因子分析和多变量回归分析中的一个。
6.如权利要求2所述的方法，还包括：
同时显示所述原始图像和所检索到的病例。
7.如权利要求2所述的方法，其中，所检索到的病例包括所述第一模态的图像和所述第二模态的图像中的至少一个。
8.如权利要求2所述的方法，还包括：
计算所述原始图像的所提取的特征和来自所述多个病例的对应特征之间的距离。
9.如权利要求1所述的方法，其中，所述第一模态是胶片乳房X线片、超声、CT扫描、MRI扫描、PET扫描、X射线和数字乳房X线片中的一个。
10.如权利要求1所述的方法，其中，来自所述第一模态的图像的所述特征是病变的毛刺征、密度特征、纹理特征、平均灰度值、形状特征以及表面特征中的一个。
11.一种系统，包括：
存储器，其存储多个病例，每个病例包括多个模态中的一个的至少一个图像和非图像信息；以及
处理器，其对来自第一模态的图像的特征和来自第二模态的图像的特征之间的特征关系进行映射，并且将所述特征关系存储在所述存储器中。
12.如权利要求11所述的系统，其中，所述处理器还从原始图像中提取特征，并且基于所提取的特征和所述特征关系检索所存储的病例中的至少一个。
13.如权利要求11所述的系统，其中，所述处理器对来自所述第一模态的图像和来自所述第二模态的图像的感兴趣体积进行分析。
14.如权利要求11所述的系统，其中，所述处理器使用因子分析和多变量回归分析中的一个将所述第一模态的所述特征映射到所述第二模态的所述特征。
15.如权利要求12所述的系统，其中，所述处理器基于对所提取的特征和所述多个病例的对应特征之间的距离的计算来检索所述至少一个病例。
16.如权利要求12所述的系统，其中，所述处理器同时显示所述原始图像和所检索到的病例。
17.如权利要求12所述的系统，其中，所检索到的病例包括所述第一模态的图像和所述第二模态的图像中的至少一个。
18.如权利要求11所述的系统，其中，所述第一模态是胶片乳房X线片、超声、CT扫描、MRI扫描、PET扫描、X射线和数字乳房X线片中的一个。
19.如权利要求11所述的系统，其中，来自所述第一模态的图像的所述特征是病变的毛刺征、密度特征、纹理特征、平均灰度值、形状特征、以及表面特征中的一个。
20.一种系统，包括：
用于存储多个病例的模块，其中，每个病例包括多个模态中的一个的至少一个图像和非图像信息；以及
用于对来自第一模态的图像的特征与来自第二模态的图像的特征之间的特征关系进行映射，并且将所述关系存储在所述存储器中的模块。
CN2008801223029A 2007-12-21 2008-12-09 用于基于跨模态病例的计算机辅助诊断的方法和系统 Active CN101903888B (zh)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
US1591907P 2007-12-21 2007-12-21
US61/015,919 2007-12-21
PCT/IB2008/055184 WO2009083837A1 (en) 2007-12-21 2008-12-09 Method and system for cross-modality case-based computer-aided diagnosis

Publications (2)

Publication Number Publication Date
CN101903888A true CN101903888A (zh) 2010-12-01
CN101903888B CN101903888B (zh) 2013-12-04

Family

ID=40545816

Family Applications (1)

Application Number Title Priority Date Filing Date
CN2008801223029A Active CN101903888B (zh) 2007-12-21 2008-12-09 用于基于跨模态病例的计算机辅助诊断的方法和系统

Country Status (6)

Country Link
US (1) US10318709B2 (zh)
EP (1) EP2225683B1 (zh)
JP (1) JP5647522B2 (zh)
CN (1) CN101903888B (zh)
BR (1) BRPI0821291B1 (zh)
WO (1) WO2009083837A1 (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103345576A (zh) * 2013-06-25 2013-10-09 上海交通大学 基于四模态医学影像的病例库诊断系统
CN103345576B (zh) * 2013-06-25 2016-11-30 上海交通大学 基于四模态医学影像的病例库诊断系统

Families Citing this family (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP5538749B2 (ja) * 2009-06-03 2014-07-02 キヤノン株式会社 診断支援システム及びその診断支援方法、プログラム
EP2718865A2 (en) * 2011-06-06 2014-04-16 Koninklijke Philips N.V. Cross-modal application of combination signatures indicative of a phenotype
CN103200861B (zh) * 2011-11-04 2015-10-14 松下电器产业株式会社 类似病例检索装置以及类似病例检索方法
JP5789211B2 (ja) * 2012-03-23 2015-10-07 富士フイルム株式会社 類似画像検索装置、方法及びプログラム
KR101497662B1 (ko) * 2013-03-26 2015-03-03 재단법인대구경북과학기술원 진단 보조용 내시경 시스템 및 그 제어 방법
CN103324852A (zh) * 2013-06-25 2013-09-25 上海交通大学 基于特征匹配的四模态医学影像诊断系统
CN104318500A (zh) * 2014-10-29 2015-01-28 无锡中盛医疗设备有限公司 一种医疗影像工作站
WO2016092394A1 (en) * 2014-12-10 2016-06-16 Koninklijke Philips N.V. Systems and methods for translation of medical imaging using machine learning
US11144785B2 (en) * 2016-03-17 2021-10-12 Imagia Cybernetics Inc. Method and system for processing a task with robustness to missing input information
US10796430B2 (en) 2018-04-24 2020-10-06 General Electric Company Multimodality 2D to 3D imaging navigation
US11532244B2 (en) * 2020-09-17 2022-12-20 Simbionix Ltd. System and method for ultrasound simulation

Family Cites Families (19)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP3424853B2 (ja) * 1994-05-26 2003-07-07 富士ゼロックス株式会社 カラー画像の色変換方法及び装置
US6135117A (en) 1997-05-12 2000-10-24 Cornell Research Foundation, Inc. Non-ocular circadian clock resetting in humans
JPH1170083A (ja) * 1997-08-29 1999-03-16 Fuji Photo Film Co Ltd 画像処理システム
JP3952096B2 (ja) * 1997-08-29 2007-08-01 富士フイルム株式会社 画像処理システム
JP2001346042A (ja) 2000-06-06 2001-12-14 Canon Inc 画像処理装置、画像処理システム、画像処理方法、及び記憶媒体
US7157023B2 (en) 2001-04-09 2007-01-02 E. I. Du Pont De Nemours And Company Conductor compositions and the use thereof
US20030103663A1 (en) * 2001-11-23 2003-06-05 University Of Chicago Computerized scheme for distinguishing between benign and malignant nodules in thoracic computed tomography scans by use of similar images
US7536644B2 (en) * 2002-06-27 2009-05-19 Siemens Medical Solutions Usa, Inc. Method and system for facilitating selection of stored medical images
EP1636731A2 (en) * 2003-06-25 2006-03-22 Siemens Medical Solutions USA, Inc. Systems and methods for automated diagnosis and decision support for breast imaging
JP2006108805A (ja) * 2004-09-30 2006-04-20 Seiko Epson Corp 色変換テーブル作成方法、色変換テーブル作成プログラム、印刷制御方法、印刷制御装置、印刷制御プログラムおよび色変換テーブル
CN101061520B (zh) * 2004-11-22 2010-10-13 皇家飞利浦电子股份有限公司 诊断成像的系统和方法
CN101080746B (zh) * 2004-12-15 2012-07-04 皇家飞利浦电子股份有限公司 多模态图像的配准
JP4799251B2 (ja) 2006-04-05 2011-10-26 富士フイルム株式会社 類似症例検索装置、類似症例検索方法およびそのプログラム
JP2007275440A (ja) 2006-04-11 2007-10-25 Fujifilm Corp 類似画像検索装置および方法並びにプログラム
JP4874701B2 (ja) * 2006-04-18 2012-02-15 富士フイルム株式会社 類似画像検索装置および方法並びにプログラム
JP2007307290A (ja) * 2006-05-22 2007-11-29 Konica Minolta Medical & Graphic Inc 医用画像読影システム
TW200817956A (en) * 2006-06-16 2008-04-16 Koninkl Philips Electronics Nv Clinician-driven example-based computer-aided diagnosis
US7899225B2 (en) * 2006-10-26 2011-03-01 Mcgill University Systems and methods of clinical state prediction utilizing medical image data
US8150192B2 (en) * 2006-11-27 2012-04-03 Merge Cad Inc. System and method for feature score mapping and visualization of medical images

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103345576A (zh) * 2013-06-25 2013-10-09 上海交通大学 基于四模态医学影像的病例库诊断系统
CN103345576B (zh) * 2013-06-25 2016-11-30 上海交通大学 基于四模态医学影像的病例库诊断系统

Also Published As

Publication number Publication date
BRPI0821291A2 (pt) 2015-06-16
EP2225683B1 (en) 2017-07-26
EP2225683A1 (en) 2010-09-08
US10318709B2 (en) 2019-06-11
JP2011508917A (ja) 2011-03-17
JP5647522B2 (ja) 2014-12-24
WO2009083837A1 (en) 2009-07-09
CN101903888B (zh) 2013-12-04
BRPI0821291B1 (pt) 2020-10-06
US20100272338A1 (en) 2010-10-28

Similar Documents

Publication Publication Date Title
CN101903888B (zh) 用于基于跨模态病例的计算机辅助诊断的方法和系统
US20210210177A1 (en) System and method for fusing clinical and image features for computer-aided diagnosis
Yousef et al. A holistic overview of deep learning approach in medical imaging
CN102395975B (zh) 临床决策支持系统和方法
JP6014059B2 (ja) 医療データの知的リンキング方法及びシステム
US20210104044A1 (en) Image processing apparatus, medical image diagnostic apparatus, and program
US20160321427A1 (en) Patient-Specific Therapy Planning Support Using Patient Matching
CN110598722B (zh) 多模态神经影像数据自动信息融合系统
JP7021215B2 (ja) Ｃａｄシステム推薦に関する確信レベル指標を提供するためのｃａｄシステムパーソナライゼーションの方法及び手段
JP2007530160A (ja) 医用画像のための自動決定支援を提供するシステムおよび方法
CN101765843A (zh) 使用医学相关术语访问医学图像数据库
JP2019169049A (ja) 医用画像特定装置、方法およびプログラム
CN112529834A (zh) 病理图像模式在3d图像数据中的空间分布
WO2020110519A1 (ja) 類似度決定装置、方法およびプログラム
US11669960B2 (en) Learning system, method, and program
Huang et al. Image-matching as a medical diagnostic support tool (DST) for brain diseases in children
US11409786B2 (en) Systems and methods for computer-assisted search of image slices for indications of a finding
US10699426B2 (en) Registration apparatus, registration method, and registration program
WO2020110520A1 (ja) 類似度決定装置、方法およびプログラム
EP3667674A1 (en) Method and system for evaluating images of different patients, computer program and electronically readable storage medium
US11749398B2 (en) Medical image recognition system and medical image recognition method
EP4111942A1 (en) Methods and systems for identifying slices in medical image data sets
WO2020241857A1 (ja) 医療文書作成装置、方法およびプログラム、学習装置、方法およびプログラム、並びに学習済みモデル
CN117711576A (zh) 用于提供医学报告的模板数据结构的方法和系统
CN113851202A (zh) 用于标识相似的预存储医学数据集的方法和布置

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