CN103220974A - 图像报告方法 - Google Patents
图像报告方法 Download PDFInfo
- Publication number
- CN103220974A CN103220974A CN2011800453839A CN201180045383A CN103220974A CN 103220974 A CN103220974 A CN 103220974A CN 2011800453839 A CN2011800453839 A CN 2011800453839A CN 201180045383 A CN201180045383 A CN 201180045383A CN 103220974 A CN103220974 A CN 103220974A
- Authority
- CN
- China
- Prior art keywords
- sample
- image
- interest
- composition
- region
- 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.)
- Pending
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
- G06T7/0014—Biomedical image inspection using an image reference approach
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/30—Determination of transform parameters for the alignment of images, i.e. image registration
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/70—Determining position or orientation of objects or cameras
- G06T7/73—Determining position or orientation of objects or cameras using feature-based methods
- G06T7/74—Determining position or orientation of objects or cameras using feature-based methods involving reference images or patches
-
- 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
- G16H15/00—ICT specially adapted for medical reports, e.g. generation or transmission thereof
-
- 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
- G06T2207/10—Image acquisition modality
- G06T2207/10004—Still image; Photographic image
- G06T2207/10008—Still image; Photographic image from scanner, fax or copier
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10072—Tomographic images
- G06T2207/10081—Computed x-ray tomography [CT]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10116—X-ray image
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30004—Biomedical image processing
- G06T2207/30068—Mammography; Breast
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
- G16H50/20—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for computer-aided diagnosis, e.g. based on medical expert systems
-
- G—PHYSICS
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Radiology & Medical Imaging (AREA)
- Epidemiology (AREA)
- Primary Health Care (AREA)
- Public Health (AREA)
- Quality & Reliability (AREA)
- Apparatus For Radiation Diagnosis (AREA)
- Measuring And Recording Apparatus For Diagnosis (AREA)
- Medical Treatment And Welfare Office Work (AREA)
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
Abstract
提供了一种图像报告方法。该图像报告方法包括如下步骤:从图像源检索样本结构的图像表达;将一般结构映射到样本结构,所述一般结构与所述样本结构相关并且至少具有其中所定义的坐标数据;基于所述样本结构的图像表达的内容来确定所述样本结构之内的一个或多个感兴趣区;将注解关联到感兴趣区中的至少一个;以及至少部分基于所述感兴趣区之一和注解来产生报告。
Description
技术领域
本公开一般涉及图像判读(image interpretation),更具体而言,涉及用于产生图像报告的系统和方法。
背景技术
在当前的图像判读实践中,例如放射诊断学,在判读图像和识别异常方面受到培训的专家可以观察图像显示器上的图像并通过向报告模板中口述或键入发现来报告任何目视发现。口述或键入通常包括与被报告的图像之内的视觉现象、异常或感兴趣区的位置有关的描述。通常留给报告的接收者来在不可以简单访问底层图像的情况下进一步分析文本报告的内容。更具体而言,在当前的报告实践中,在图像中的特定位置和图像中与视觉现象、异常或感兴趣区相关联的发现之间没有链接。专家还可能不得不将当前图像与先前完成的图像和报告进行比较。这让判读者在图像和报告之间来回参照。
尽管这样的不便可能会带来似乎无关紧要的错误风险,但典型的专家必须要在短时间段内判读相当大量的这种图像,这进一步混合了专家的疲劳和疏忽的弱点。在要被判读的图像是其健康正有风险的患者的医疗图像时,这是尤其关键的。
可以参考结构化报告模板或知识表达来促进图像判读的一般联接。以语义网络的形式的知识表达的一个范例是医学临床术语的系统化命名法(SNOMED-CT),其是系统组织的且计算机可处理的医疗术语的集合,覆盖临床信息的大部分领域,例如疾病、发现、过程、微生物、药品等。SNOMED-CT提供了在各位专家和护理点间索引、存储、检索和聚集临床数据的一致方式。SNOMED-CT还有助于组织医疗记录的内容,并减少为患者临床护理和研究而捕获、编码和使用数据的方式上的不一致性。
另一个范例是乳房成像-报告和数据系统(BI-RADS),其是一种为了供乳房造影使用而最初设计的质量保证工具。又一个范例是RadLex,即一种用于放射学信息资源的统一索引和检索的辞典,其当前包括超过30000条术语。应用包括放射学决策支持、报告工具和用于放射学研究和教育的搜索应用。由北美放射学会报告委员会(Radiological Society of North America (RSNA)Reporting Committee)所开发的报告模板在其内容中使用了RadLex术语。使用RadLex术语的报告更清楚且更一致,减少了错误和混淆的可能性。RadLex包括其他词典和语义网络,例如SNOMED-CT、BI-RADS以及为了帮助标准化报告而开发的任何其他系统或系统的组合。在知识表达方面更丰富形式的语义网络是本体论。本体论是利用本体论语言所编码的,并且通常包括以下成分:实例(基本或“地平面”对象)、类别(组、集合、概念、编程中的类别、对象的类型或事物的种类)、属性(方面、性质、特征、特性或对象的参数)、关系(类别和个体可以彼此相关的方式)、功能术语(根据特定关系形成的复合结构,可以使用该特定关系来替代语句中的个别术语)、约束(为了接受一些主张作为输入,什么必须是真实的正式陈述的描述)、规则(以如果-那么(if-then)句子形式的语句,其描述可以从以特定形式的主张提取的逻辑推理)、公理(以逻辑形式的主张,包括规则,其一起包括本体论在其应用领域中描述的总体理论)、以及事件(属性或关系的改变)。
当前现有的图像报告机制未充分利用知识表达来辅助在使报告自动化同时进行判读。具体而言,当前现有的系统未完全与知识表达相集成以在联接发现期间提供对知识表达的无缝和省力参考。此外,为了使这样的知识表达接口有效,在各种形式的标准和一直演进的知识表达之间必须存在中介服务(brokering service)。尽管在大部分领域的实体之间普遍缺乏这样的中介服务,但在促进术语(尤其是图像报告应用中的)之间共同一致的可用手段中存在甚至更大的缺乏。此外,由于在图像报告中的知识表达之间缺乏更流畅的一致性,当前现有的系统还缺乏用于自动跟踪用于不一致性或差错的特定和相关情况的发展的手段,以便可以更新知识表达来在后续情况中提供更精确的信息。这样的跟踪手段为知识表达的概率模型提供了基础。
考虑到上述内容,需要一种用于产生和管理图像报告的改进的系统和方法。还需要使涉及当今现有的图像报告和调用图像报告的中间步骤中的若干步骤自动化。更具体而言,需要将自动化计算机辅助的图像绘制、识别和重构技术与自动化图像报告技术相结合。此外,需要将图像报告方案与知识表达数据库相集成并提供用于跟踪后续且相关的情况的手段。
发明内容
根据本公开的一个方面,提供了一种图像报告方法。该图像报告方法包括如下步骤:从图像源检索样本结构的图像表达;将一般结构映射到样本结构,所述一般结构与所述样本结构相关并且至少具有其中所定义坐标数据;基于所述样本结构的图像表达的内容来确定所述样本结构之内的一个或多个感兴趣区;将注解自动关联到感兴趣区中的至少一个;以及至少部分地基于所述感兴趣区之一和注解来产生报告。
在一种细化方案中,基于所述样本结构的内容与参考结构内容的比较来确定一般结构。
在相关细化方案中,该图像报告方法还包括如下步骤:显示同一样本结构的多个不同视图;以及如果在视图之一中确定了感兴趣区,则自动近似其余视图中感兴趣区的对应空间位置。
在另一细化方案中,该图像报告方法还包括如下步骤:基于所述感兴趣区的注解和空间坐标中的至少一个来自动产生用于所述感兴趣区的描述。
在相关细化方案中,所述描述是描述所述感兴趣区的空间坐标的位置语句。
在另一相关细化方案中,所述描述是描述与所述感兴趣区的空间坐标相对应的样本结构之内的底层对象的位置语句。
在另一相关细化方案中,至少部分基于一个或多个知识表达数据库产生所述描述。
在又一相关细化方案中,为不一致性跟踪两个或更多相关报告的描述。
在又一细化方案中,近似步骤包括:确定每个视图中样本结构的两个共享界标之间的基线;向通往第一视图中的投影点的基线上投影感兴趣区;确定界标之一和投影点之间的第一距离;确定感兴趣区到基线之间的第二距离;基于第一距离来确定第二视图中的感兴趣带;确定第二视图的感兴趣带之内的对应感兴趣区;确定第二视图的对应感兴趣区和基线之间的第三距离;以及基于第一、第二和第三距离来近似感兴趣区的三维空间位置。
根据本公开的另一个方面,提供了另一种图像报告方法。该图像报告方法包括如下步骤:从图像源检索样本结构的图像表达;提供与所述样本结构相关的三维结构,所述三维结构至少具有其中所定义的空间坐标;将所述三维结构映射到所述样本结构,以便将所述样本结构的区域与所述三维结构的空间坐标相关联;显示所述样本结构的至少一个视图;基于所述样本结构的图像表达的内容来确定所述样本结构之内的一个或多个感兴趣区;将注解关联到感兴趣区中的至少一个;以及至少部分基于所述感兴趣区之一和注解来产生报告。
在细化方案中,该图像报告方法还包括如下步骤:从所述感兴趣区的注解和空间坐标自动产生用于所述感兴趣区的描述。
在相关细化方案中,至少部分基于一个或多个知识表达数据库来自动产生所述描述。
根据本公开的又一个方面,提供了一种图像报告设备。该图像报告装置包括用户接口,为用户提供对图像报告设备的访问,所述用户接口具有输入装置和输出装置;以及与输入装置、输出装置和图像源中的每个进行通信的计算装置,所述计算装置具有微处理器和存储器,所述存储器用于存储用于执行图像判读和报告的算法。该算法配置计算装置以从图像源检索样本结构的图像表达,提供与所述样本结构相关并至少具有其中所定义的坐标数据的一般结构,将所述一般结构映射到所述样本结构,使得所述样本结构的区域由所述坐标数据在空间上定义,在所述输出装置上显示样本结构的至少一个视图,基于所述样本结构的图像表达的内容来确定所述样本结构之内的感兴趣区,将从所述输入装置接收的注解关联到至少一个感兴趣区,以及至少部分基于所述感兴趣区和注解来产生报告。
在一种细化方案中,所述算法进一步配置所述计算装置以从所述感兴趣区的注解和空间坐标自动产生用于所述感兴趣区的描述。
在相关细化方案中,至少部分基于动态知识表达数据库来自动产生所述描述。
在另一相关细化方案中,至少部分基于医学临床术语系统化命名法(SNOMED-CT)数据库、乳房成像报告和数据系统(BI-RADS)数据库和RadLex数据库中的一个或多个来自动产生所述描述。
在另一相关细化方案中,为不一致性跟踪两个或更多相关报告的描述。
在又一相关细化方案中,基于检测到的不一致性来自动修订所述报告。
在阅读结合附图所进行时的以下详细描述时,本公开的这些和其他方面将变得更加显而易见。
附图说明
图1是用于支持图像报告方法的示范性系统的图示;
图2是根据公开的教导所构造的示范性图像报告装置的示意图;
图3是用于图像报告的示范性算法的图示;
图4A-4B是样本结构的图示;
图5是三维映射技术的图示;
图6是相关三维映射技术的图示;
图7A-7C是一般结构的图示;
图8A-8D是翘曲过程的例示图;
图9A-9B是另一种样本结构的图示;
图10A-10B是又一种样本结构的图示;
图11A-11C是示范性图像报告的图示;
图12是与知识表达系统相集成的示范性图像报告系统的示意图;以及
图13是也说明了知识表达的样本结构的另一图示。
尽管本公开容许各种修改和替代构造,但其特定例示性实施例已经在附图中被示出并将在下文被详细描述。不过应当理解,并非意图将本发明限制于所公开的具体形式,而是相反,意图覆盖落在本发明的精神和范围之内的所有修改、替代构造和等价物。
具体实施方式
现在参考图1,提供了一种示范性系统100,在其之内可以集成图像判读和报告方法。如所示的,系统100可以包括中央网络102,系统100的不同部件可以通过该中央网络102进行通信。例如,网络102可以采取有线和/或无线局域网(LAN)、诸如因特网的广域网(WAN)、无线局域网(WLAN)、存储或服务器区域网(SAN)等等的形式。系统100还可以包括图像捕获装置104,其被配置成捕获或产生二维和/或三维图像。在医疗成像中,例如,图像捕获装置104可以包括乳房造影装置、计算层析成像(CT)装置、超声装置、X射线装置、荧光检查装置、胶片打印机、胶片数字化装置等等中的一个或多个。可以直接或通过网络102将由图像捕获装置104所捕获的样本结构的一幅或多幅图像发送到图像服务器106和/或图像数据库108。
图1的图像服务器106、图像数据库108和/或网络102可以被配置成管理图像的总体存储、检索和传送,例如,如根据医疗标准中的数字成像和通信(DICOM)的图片存档及通信系统(PACS)中那样。在医疗应用中,DICOM数据库中所存储的每个医疗图像都可以包括例如包含相关信息的报头,相关信息诸如是患者姓名、患者标识编号、图像类型、扫描类型或可以检索图像的任何其他分类类型。基于分类类型,服务器106可以确定在哪里以及如何存储特定图像、将图像与调用图像所需要的任何附加信息相关联、根据相关的类别对图像进行分类以及管理用户对那些图像的访问。在进一步的替代方案中,可以在网络102自身之内管理和维护图像的存储、检索和传送,以便能够从可访问网络102的任何节点为个别用户在例如开源平台中实现服务。在与医疗成像相关的应用中,例如可以将每个医疗图像关联到特定患者、医生、症状、诊断等。然后可以在主机110处选择性地调用或检索存储的图像。
如图1中所示,一个或多个主机110可以被提供于系统100之内并被配置成通过网络102与系统100的其他节点进行通信。具体而言,具有适当授权的用户可以通过网络102连接到图像服务器106和/或图像数据库108以访问图像数据库108之内存储的图像。在医疗应用中,例如,主机110可以被医生、患者、放射科医师或对其授予访问的任何其他用户所使用。在替代实施例中,可以将系统100结合到更加局域化的配置中,其中主机110可以与一个或多个图像捕获装置104和/或图像数据库108直接通信。
现在转到图2,提供了一种如应用于主机110处的示范性图像报告装置200。图像报告装置200实质上可以包括计算装置202和用户接口204,该用户接口204为用户提供对计算装置202的访问。用户接口204可以包括至少一个输入装置206,其提供例如小键盘、键盘、指示装置、麦克风、相机、触摸屏或用于接收用户输入的任何其他适当装置中的一个或多个。用户接口204还可以包括至少一个输出或观察装置208,诸如监视器、屏幕、投影仪、触摸屏、打印机或用于向用户输出信息的任何其他适当装置。输入装置206和观察装置208中的每个都可以被配置成与计算装置202通信。
在图2的特定图像报告装置200中,计算装置202可以包括被配置成执行图像判读和/或报告的至少一个控制器或微处理器210和存储装置或存储器212。更具体而言,存储器212可以被配置成存储用于执行图像报告功能的至少一个算法,而微处理器210可以被配置成执行用于根据所存储的算法执行的计算和动作。在替代实施例中,微处理器210可以包括板上存储器213,其类似地能够存储算法并允许微处理器210对其进行访问。该算法也可以被提供于以计算机程序产品形式的可移除计算机可读介质214上。具体而言,该算法可以作为控制逻辑或一组程序代码而被存储于可移除介质214上,其配置计算装置202以根据该算法来执行。可以将可移除介质214提供为例如光盘(CD)、软盘、可移除硬盘驱动器、通用串行总线(USB)驱动器、闪速驱动器或任何其他形式的计算机可读可移除存储装置。
仍然参考图2,可以配置图像报告装置200,使得计算装置202与至少一个图像源216通信。图像源216可以包括例如图像捕获装置104和/或可检索的图像的数据库,如图1中所示。在局域化配置中,计算装置202可以与图像源216直接有线或无线通信。在另外其他替代方案中,可以在计算装置202的存储器212之内建立图像源216。在网络配置中,可以为计算装置202提供任选的网络或通信装置218,以便能够通过网络102连接到图像源216。
如图3中所示,提供了示范性算法300的流程图,图像报告装置200通过该算法300可以进行图像报告会话。在初始步骤302中,可以捕获和/或记录要判读的样本结构的一幅或多幅图像。图像可以包括,例如一个或多个二维医疗图像、一个或多个三维医疗图像、或其任何组合。要判读的样本结构例如可以是患者、患者解剖结构的一部分等。更具体而言,在用于医疗应用的图像报告会话中,在步骤302中捕获和/或记录的图像可以与乳房造影筛选、计算机层析成像(CT)扫描、超声、X射线、荧光检查等有关。
在任选步骤304中,可以在图像服务器106、图像数据库108、本地主机110或任何其他适当的图像源216处拷贝并可检索地存储捕获或记录的图像。拷贝和存储的图像中的每幅都可以与将图像链接到要判读的样本主题或结构的信息相关联。例如,特定患者的医疗图像可以与患者身份、病史、诊断信息或任何其他这样的相关信息相关联。图像的这种分类可以允许用户根据期望的感兴趣区域更容易地选择和检索某些图像,如在相关步骤306中那样。例如,为诊断乳腺癌目的而需要患者的乳房造影图像的医生可以通过经由输入装置206之一查询患者的信息来检索图像。在相关的范例中,对乳房的特定区域进行病例研究的医生可以通过针对那些特定区域查询图像服务器106和/或数据库108来检索属于多位患者的多个乳房造影图像。
在步骤306中选择特定研究时,可以在图像报告装置200的观察装置208上显示一个或多个检索的图像,供用户观察,如在步骤308中那样。在替代实施例中,例如,其中图像源216或捕获装置104对于主机110是本地的,可以省略步骤304和306,并且可以直接显示记录的图像而不将图像拷贝到图像数据库108。
在图4A-4B中提供了可以在观察装置208处呈现的示范性图像310。可以在观察装置208的单个显示器上向读取者同时呈现图4A-4B的每个中包含的视图,以便促进读取者检查并理解底层的解剖对象。或者,也可以提供图4A-4B中的每个之内的一个或多个成分或视图作为能够在观察装置208的多个显示器处同时和/或相继呈现的个别视图。图像310可以包括要判读的图像312的图像表达的一个或多个二维或三维视图。在图4A-4B的特定视图中,提供了乳房312的二维医疗图像表达或乳房造影图像310。此外,图4A-4B的显示可以包括样本乳房312的右中侧倾斜(RMLO)视图,以及对应样本乳房312的右头尾向(RCC)视图。替代地,可以在图像判读和报告装置200的观察装置208处显示样本乳房结构312的一个或多个三维视图。
此外,图像310还可以提供参考结构314的图像表达的视图以供比较。参考结构314可以是以下中的任意一个:样本结构312的先前视图、与样本结构312相关的一般结构的视图、样本结构312的基准视图,等等。此外,可以由图像报告装置200响应于所检索的样本结构312来自动选择和供应参考结构314。此外,基于讨论中的样本结构312的某些特征,图像报告装置200可以从图像源216、图像数据库108等处存储的参考结构314的集合自动检索可比较的参考结构314。替代地,用户可以人工选择和检索可比较的参考结构314以供观察。
尽管一些检索到的样本结构312的图像表达可能已经是三维形式,但很多检索到的样本结构312的图像表达可能仅能够以二维形式被检索。因此,显示样本结构312的图像表达的步骤308还可以执行映射序列,以便通过利用各种已知映射技术中的任意一种来重构和显示样本结构312的三维图像表达。例如,如图5所示,可以检索人头的样本结构316的计算机层析成像(CT)图像表达作为二维图像318的集合,其中每个图像318可以显示样本头部结构316的一个横向截面图。在这种情况下,可以将个别截面图像318进行组合以重构所示的三维头部结构316。可以扩展这样的映射技术以重构完整人体解剖结构的三维表达作为一个样本结构312。可以存在用于映射的其他已知技术,例如如图6中所示的,其中覆盖在已知数据分布上的可变形网格320可以定义在局部配准的几次迭代之后向未知数据分布的三维结构322的几何变换。可以使用额外的映射技术,其中可以由三维网格表示三维结构的变形,该三维网格例如由四面体(tetraeder)构成,或者具有s个三维辐射基函数。根据应用的分辨率,三维图像的内部内容可以被明确定义并分割,以便由例如软件自动辨别。对于医疗图像判读实践而言,可以使用这样的体素数据和所得的三维内容来在人体解剖的三维部分的任何底层组织、器官、骨骼等之间进行表示和区分。例如,可以根据Hans Lamecker,Thomas Hermann Wenckebach,Hans-Christian Hege的如下文献来应用针对映射的更进一步细化:Atlas-based 3D-shape reconstruction from x-ray images,Int. Conf. of Pattern Recognition (ICPR 2006),volume I,p. 371-374,2006,其中可以根据其已知的三维模型来处理和变化通常观察到的二维图像,以便重构最初观察到的图像的细化三维表达。
通过类似方式,该算法300可以将如图7A-7C中所示的一般结构324映射到图4A-4B的样本结构312。一般结构324可以包括任何已知或明确定义的结构,其与样本结构312相关和/或在尺寸、维度、面积、体积、重量、密度、取向、或其他相关属性方面与样本结构312可比较。一般结构324也可以与已知坐标数据相关联。坐标数据可以包括像素数据、位图数据、三维数据、体素数据或适于向样本结构312上映射已知结构的任何其他数据类型或数据组合。例如,图7A-7C的实施例说明了在尺寸和取向上可以与对应样本乳房结构312比较的一般乳房结构324的图像表达,并且进一步,包括与其关联的坐标数据。此外,在图7A-7C的乳房造影图像310中,可以根据由任何样本乳房结构312共享且足以重构其三维图像、模型或结构的坐标系来定义坐标数据。通过向样本结构312上映射或覆盖一般结构324的坐标数据,可以使得图像报告算法300能够在空间上定义样本结构312之内的共享区域,并因此,促进对其进行任何进一步判读和/或注解。例如,通过向图4A-4B的样本结构312映射图7A-7C的一般乳房结构324,算法300可以能够区分例如样本乳房结构312的上、下、后、中和前部分以及相应的时钟位置。
如参考结构314那样,可以由图像报告装置200和/或其中实现的算法300来对相容的一般结构324的选择进行自动化。具体而言,图像数据库108可以包括先前映射和存储的各种类别的样本结构312的知识库,从该知识库可以指定最佳拟合的结构作为用于特定研究的一般结构324。在一种替代方案中,可以基于所有先前映射和存储的与讨论中的研究相关的样本结构312的属性的平均来构造近似的一般结构324。因此,算法300近似给定样本结构312的能力可以随着每次相继迭代而改善。替代地,用户可以对图像源216和/或图像数据库108进行人工过滤,以检索可比较的一般结构324以供观察。
返回参照图3的算法300,一旦在步骤308中映射和显示了样本结构312的图像表达,算法300可以能够在步骤328中实现对样本结构312的图像表达之内的一个或多个点或感兴趣区(ROI)的选择。如图4A-4B所说明的,可以基于样本结构312的图像表达的内容来确定视觉现象、异常或感兴趣区326。例如,在图4A-4B的乳房造影图像310中,感兴趣区326可以与置于样本乳房结构312之内的多个钙化相对应。可以由用户观察来自图像报告装置200的样本结构312来人工确定这样的感兴趣区326。也可以由图像报告算法300自动定位一个或多个感兴趣区326。例如,算法300可以将样本结构312的图像表达的内容与参考结构314的图像表达内容进行自动和/或数学比较,如图4A-4B所示。在一些实施例中,算法300可以类似地能够识别一般结构324的图像表达之内的内容。
在这种比较期间,可能有益的是提供样本结构312和参考结构314之间的比较视图,如图4A-4B所示。不过,并非参考结构314的所有图像表达都可以在可与样本结构312的取向可比较的取向上被检索,如图8A-8D中所示。因此,算法300可以被配置成将参考结构314的图像表达的位置、取向和/或标度自动翘曲成基本匹配样本结构312的位置、取向和/或标度。在替代实施例中,算法300可以被配置成将样本结构312的图像表达自动翘曲成参考结构314的图像表达。
在示范性翘曲过程中,算法300最初可以确定由样本和参考结构312、314共享的两个或更多界标330、332。例如,在图8A-8D的乳房造影图像310中,可以将第一界标330定义为相应乳房结构312、314的乳头,而可以将第二界标332定义为胸大肌线。从每个结构312、314的第一界标330到第二界标332形成正交的基线334可以提供基础,根据该基础,算法300可以确定需要调节的空间偏移。基于在步骤308中更早执行的坐标映射以及相应界标位置之间的检测的差异,算法300可以自动调节、旋转、移位、缩放或翘曲样本结构312和参考结构314之一或两者以使偏移最小化。例如,在图8A-8D的范例中,算法300可以在由箭头336所指示的方向上旋转先前的参考结构314的图像表达,直到相应界标基线334的取向基本平行为止。在替代实施例中,可以用一般结构314替代参考结构314,在这种情况下,可以采用类似的翘曲过程来使视图的任何偏斜最小化。
仍参照图3的步骤328,一旦已经确定了至少一个感兴趣区326,算法300可以进一步将感兴趣区326与在步骤308期间被映射到样本结构312的坐标数据相链接。这样的映射可以使得算法300能够相对于样本结构312并且不仅仅相对于所示的样本结构312的视图或图像表达来定义感兴趣区326的空间位置。此外,算法300可以能够至少部分地跟踪样本结构312之内的感兴趣区326的位置,而不论样本结构312的视图、位置、取向或标度如何。具体而言,如果算法300被配置成提供样本结构312的多个视图,例如,如图4A-4B的乳房造影视图中那样,算法300的步骤340可以进一步在与最初建立的感兴趣区326相对应的一个或多个相关视图中提供感兴趣范围或感兴趣带338。基于来自用户的人工输入或自动化识别技术,算法300的步骤342然后可以从感兴趣带338之内确定对应的感兴趣区326。
如先前论述的翘曲技术中那样,为了执行图3的跟踪步骤340和342,算法300可以识别讨论中的样本结构312之内的至少两个界标330、332。例如,在图9A-9B所示的乳房造影视图中,可以将第一界标330定义为乳头,并且可以将第二界标332定义为胸大肌线。算法300然后可以将基线334a定义为例如从乳头330向胸大肌线332延伸的正交线。如图9A中所示,用户可以选择样本乳房结构312的右中侧倾斜(RMLO)视图上的感兴趣区326a。在选择之后,算法300可以向基线334a上投影感兴趣区326a,算法300然后从其可以确定第一距离344a和第二距离346。可以由从第一界标330到基线334a上感兴趣区326a的投影点的深度来确定第一距离344a。可以将第二距离346定义为从感兴趣区326a到基线334a的投影距离或乳房造影范例中基线上方或下方的距离。基于第一距离344a,算法300可以在图9B的右头尾(RCC)视图中确定一组对应的基线34b和第一距离344b。利用在图9b的第二视图中确定的基线334b和第一距离344b,该算法300可以进一步确定对应的感兴趣带338并显示感兴趣带338,如所示的。从所提供的感兴趣带338之内,算法300然后可以能够在第二视图中进行第二次选择或确定对应的感兴趣区326b。利用在第二视图中确定的感兴趣区326b,算法300可以将第三距离348定义为从感兴趣区326b到基线334b的距离,或来自乳头330的横向距离。基于第一、第二和第三距离344a-b、346、348,算法300可以被配置成确定感兴趣区326a-b的象限或空间坐标。特别地,尽管在尺寸和配置方面图9a和9b的第一和第二视图的相应基线334a-b和/或第一距离344a-b是相当的,但在其他范例中这样的参数可以相差悬殊。在这种情况下,可以使用翘曲或任何其他适当的过程,来重新配置所示的相应体积,以及共享界标之间所定义的相应参数,使其处于所提供的不同视图之间更相当的形式中。
在相关修改中,算法300可以被配置成向参考结构314上的对应位置叠加被跟踪的感兴趣区326,参考结构314可以是先前的参考结构、一般结构324等。如前面实施例中那样,算法300最初可以确定可以由样本结构312和参考结构314共享的控制点。对于乳房造影图像310而言,可以将控制点定义为乳头、乳房的质心、乳房轮廓线的端点等。利用这样的控制点和翘曲方案,例如薄板样条(TPS)建模方案等,该算法300可以能够将参考结构314的表达翘曲或拟合到样本结构312的那些表达。一旦在样本结构312之内确定并映射了感兴趣区326,可以类似地将感兴趣区326的空间坐标覆盖或映射到翘曲的参考结构314。替代地,可以将参考结构314之内确定的感兴趣区326类似地映射到已经被翘曲以拟合参考结构314的样本结构312上。
这种映射、标记和跟踪的进一步扩展可以提供样本结构312的更直观的三维表达,例如如图10A-10B中所示。作为已知坐标数据集和子集向样本结构312的几次映射迭代的结果,算法300可以能够将样本结构312的不同子分量区分为可分离的段或根据类似特性分组的数据子集。例如,在图10A-10B的样本结构312中,可以将每个乳腺定义为一个段350。这样的算法300可以使用户能够浏览样本结构312的三维层并在其中选择任意点作为感兴趣区326。作为响应,算法300可以确定最接近由用户指出的感兴趣区326定位的子分量或段350并将该段350作为整体突出显示,以用于进一步跟踪,例如,如图10B中所示。
一旦已经确定并映射了至少一个感兴趣区326,算法300可以进一步能够在注解步骤354中实现感兴趣区326的注解352。例如,观察图9A-9B中两个感兴趣区326的医生可能希望将感兴趣区326的相应内容注解或识别为微钙化的群簇和针状结。可以在输入装置206处通过麦克风以口头形式、通过键盘以印刷形式等等接收这样的注解352。更具体而言,可以在样本结构312的相应视图中将注解352提供为纯文本、图形、通往音频和/或视频剪辑的回放链接等。一旦输入,就可以将每个注解352与其相应感兴趣区326在空间上相关联并跟踪,以便能够在描绘那些感兴趣区326的任何相关视图中访问和观察。可以通过图像服务器106和例如与根据医学数字成像和通信(DICOM)的图片存档及通信系统(PACS)相关联的图像数据库108来进一步可检索地与图像310一起存储将每条注解352与其相应感兴趣区326相关联的数据。在替代实施例中,算法300可以被配置成在识别感兴趣区326的第一刻以及对相关视图执行感兴趣区326的任何跟踪之前接收注解352。一旦注解352已经与感兴趣区326的第一确定相关联,就可以自动将后续视图中跟踪的任何对应感兴趣区326与同一初始注解352相链接。该算法300还可以允许用户编辑注解352及其相应感兴趣区326之间的先前建立的关联或关系。
转回到图3的算法300,算法300的步骤356可以配置图像报告装置200以允许基于映射的感兴趣区326和伴随的注解352来产生报告。如先前所述,一般结构324的坐标数据可以符合用于识别其中的空间区域的任何公共标准。例如,可以由图7A-7C中一般乳房结构的坐标图来例示用于识别乳房区域的公共标准。一旦利用这样的坐标数据映射样本结构312,算法300可以能够自动识别任何感兴趣区326的空间位置或样本结构312之内指示的注解352。算法300然后可以通过如下方式进一步扩展这种能力:将感兴趣区326的空间坐标和/或对应体积测定数据和注解352自动转换成报告中通用的字符串或短语。
参考图11A,可以响应于图9A-9B的感兴趣区326和注解352来自动提供示范性报告358。如先前所讨论的,图9A-9B的乳房造影表达描绘了两个感兴趣区326,其包括微钙化的群簇和针状结。根据图7A-7C的坐标系,该微钙化的群簇的位置可以对应于11点钟方向的RLMO视图的上方位,而针状结的位置可以对应于10点钟方向的LCC视图的中间方位。算法300可以使用这种信息来自动产生一个或多个自然语言语句或其他形式的描述,指示了要向报告358的相关字段360中包括的发现,如图11A中所示。更具体而言,描述可以包括描述感兴趣区326的空间坐标的位置语句、描述样本结构312之内与感兴趣区326的空间坐标相对应的底层对象的位置语句、描述感兴趣区326之内发现的异常的描述性语句、或其任何修改或组合。算法300还可以提供标准报告模板,其具有附加字段362,可以由算法300自动填写或由用户人工填写该附加字段362。例如,可以利用与患者和/或图像相关联并为其或与其一起存储的数据(诸如检查类型、临床信息等)以及在分析图像310时由用户输入的任何额外的分析发现、印象、建议等来填写字段362。
在另外的替代方式中,可以基于感兴趣区326的空间坐标和讨论中的样本结构312的已知特性之间预编制或预定的关联来自动识别底层对象和/或异常。已知特性可以定义样本结构312的空间区域和子区域、用于对样本结构312的区域或子区域进行识别或分类的公共术语、通常与样本结构312的区域或子区域相关联的公共异常,等等。例如,可以在图像数据库108或关联网络102中可检索地存储这样的特性信息。此外,可以在数据库108之内存储后续或新发现的特性,以便扩展数据库108的知识并改善算法300在识别区域、子区域、异常等方面的精确度。基于这样的信息知识库,可以将算法300扩展成自动产生自然语言语句或任何其他形式的描述,其初步推测被认为处于被标记的感兴趣区326附近的异常的类型。可以进一步扩展算法300以产生描述,其响应于用户对异常的识别,以便基于预定特性来确认或否认该识别。例如,如果根据其数据库108,在标记的感兴趣区326中由用户识别的异常不是似乎合理的,则算法300可以向用户指示可能的错误。
在其他替代方案中,算法300可以自动产生基于网络的报告358,如图11B-11C中所示的,例如,可以将其发送到图像服务器106和/或图像数据库108,并可以通过主机110处的浏览器等观察。如在图11A的报告358中那样,基于网络的报告358可以由初始空白的字段362构成,该初始空白的字段362可以由图像报告系统200自动填写。可以替代地印刷或由用户人工填写基于网络的报告358。报告358还可以提供作为预览图像364而研究的样本结构312的图像表达。报告358可以额外提供其他视图类型,例如,如图11C中所示。与图11B的报告358相对比,图11C的报告358可以提供样本结构312的更大的预览图像364和更大的可收缩字段,以供用户更容易观察。提供报告358这种基于网络的格式可以使具有授权的任何人能够检索、观察和/或编辑来自能够访问图像源216的任何主机110的报告358,该图像源例如是图片存档及通信系统(PACS)的图像服务器106和图像数据库108。
在更进一步的修改方式中,图12示意性例示了图像报告系统400,其可以结合图像报告装置200的多个方面,以及与之相关联的算法300,并且可以具备额外特征,包括与内部和/或外部知识表达系统的集成。如所示的,例如,可以在图像报告装置200的微处理器210和/或存储器212-214中实施图像报告系统400。更具体而言,可以将图像报告系统400实现为相对于例如图3的图像报告算法300的一个或多个步骤同时和/或相继执行的一组子例程。
如图12中所示,一旦将已经由图像捕获装置104捕获的样本结构的图像401转发到具有图像服务器106和图像数据库108的适当网络102,可以将图像401进一步转发到图像报告装置200的微处理器210。根据图3的图像报告算法300,微处理器210的分段子例程或分割器402可以接收到的图像401处理成容易被算法300可辨别的数据子集或段403。基于样本结构的已分割图像403以及与一般结构405的数据库404的比较,映射子例程或映射器406可以重构样本结构的二维或三维图像表达,以用于在观察装置208处显示。除了图像表达之外,映射器406也可以提供语义网络407,其可被用于辅助样本结构的一般联接,或发现、诊断、自然语言语句、注解或任何其他形式的与之关联的描述。例如,与患者乳房的X射线或乳房造影相关联,语义网络407可以建议对乳房的不同区域的普遍接受的命名法、乳房中的常见发现或失调,等等。
映射器406还可以被配置成访问关于当前病例的更详细信息,使得语义网络407反映对于特定患者和患者病史而言更特定的知识表达。例如,基于患者的年龄、体重、生活方式、病史和任何其他相关属性,语义网络407可以能够对损伤(lesion)是良性还是需要调用的可能性进行建议。此外,语义网络407可以显示或建议通常使用的医疗术语或知识表达,其可能涉及特定患者和/或样本结构,使得用户可以按照更流畅的样式来表征图像表达的内容。
仍然参考图12,映射器406可以参考知识表达代理或代理子例程408,其可以基于所有可用数据的结构三角测量或相关性来建议适当的术语集合或知识表达。代理子例程408可以从外部和/或内部知识表达数据库访问知识表达并向读者提供知识表达与正确的抽象水平的正确组合。更具体而言,基于由读者做出的具体选择,诸如解剖对象,代理408可以被配置成确定知识表达数据库的组合,其最佳地适于作为用于映射器406的参考并将映射器406仅指向那些数据库。对于在乳房造影扫描之内进行选择,例如,代理子例程408可以与映射器406选择性地通信或使映射器406参考一个或多个外部维护的源,诸如医学临床术语的系统化命名法(SNOMED-CT)数据库410、乳房成像-报告和数据系统(BI-RADS)数据库412、常见放射学术语的RadLex数据库414、或可被用于表征样本结构之内的发现并产生自然语言语句或与其对应的任何其他形式的描述的医疗术语的任何其他外部数据库。映射器406然后可以在利用细化的知识表达为读者表征选择方面参考那些知识表达数据库。代理408也可以被配置成使读者能够选择所得的知识表达中的一个或多个以探索进一步细化。可以额外地将代理408配置成至少部分基于可能与读者相关的某些情境来确定读者的选择的适当抽象水平。情境可以包括与患者相关的数据、读者所属的机构、读者的专业知识水平、读者的即时焦点或视野中的解剖对象,等等。情境还可以包括与不同判读风格和格式相关的属性,诸如迭代交互报告、集体报告等。基于这样的情境以及由读者选择的解剖对象,图像报告系统400可以能够提供选定对象的更细化知识表达,其额外地适合特定读者的理解或抽象水平。代理子例程408可以类似地访问来自内部维护的动态知识表达数据库416的知识表达。动态知识表达数据库416可以进一步为代理408提供情报,以提供知识表达与正确抽象水平的正确组合。
可以按照图形形式以及至少部分地作为透明层418来提供由映射器406产生的信息,以便可以在观察装置208处观察映射的信息,而不妨碍该信息可能叠加在其上的原始图像401。在观察装置208处观察显示的信息的用户可以提供任何额外信息,例如感兴趣区、注解、样本结构之内的发现或诊断的语句,等等。由用户输入的信息,以及与患者相关的任何其他数据,例如患者身份、人口统计学信息、病史等,可以被转发到报告子例程或报告引擎420以用于报告产生。
报告引擎420可以根据例如图3中公开的算法300来产生报告。此外,报告引擎420可以向医疗记录数据库422转发所产生的报告以用于存储并供陪护患者的其他护理人员随后使用。作为额外的或任选的特征,图12 的报告引擎420可以被配置成向跟踪子例程或病例跟踪器424转发所产生报告的副本。其中,病例跟踪器424可以充当质量跟踪机构,其为任何显著不一致性而监测后续报告中的修改或发现,该不一致性例如是错表征、疏忽、新的发现或诊断,等等,并通过调整与讨论中的特定知识表达相关联的一个或多个概率模型相应地进行响应。概率模型可以由图像报告系统400的动态知识表达数据库416所管理并被配置成建议最适合地表达由读者所选择的解剖对象的知识表达。概率模型可以基于所选要素或解剖对象与由医师、医生等对其进行的对应表征之间的先前数据相关性来统计地导出最适当的知识表达。此外,根据由病例跟踪器424认为必要的任何修订,可以动态更新、确认和无效由概率模型提供的数据和任何分析的相关性。例如,在接收到反映治疗性能的医疗记录的变更时,可以基于医疗记录修改的内容来确认或变更知识表达的概率模型。基于跟踪的结果,病例跟踪器424可以更新动态知识表达数据库416之内的概率模型。例如,可以使表征具有不正确语句或发现的结构的动态知识表达数据库416的先前数据输入无效并用将该结构与新修改或发现正确关联的新数据输入来对其替换。替代,可以将修改或发现增加到现有语句,作为对于信息的特定组合的额外发现。通过这样的方式,病例跟踪器424可以连续更新并适当校正或富集动态知识表达数据库416中存储的表达。
利用对多个知识数据库410、412、414、416中一个或多个的这种访问,图像报告系统400可以能够确定用于表征样本结构之内的要素或发现的最佳适合的自然语言语句或描述。此外,至少包括例如病例跟踪器424、动态知识表达数据库416和知识表达代理408的图像报告系统400可以提供反馈环路,图像报告算法300通过该反馈环路可以产生具有更流畅术语的报告,自动扩展其知识表达,以及针对相关报告和发现之间的任何不一致性进行调整。
在更进一步的修改中,可以配置报告的透明层418之内的一个或多个内容以通过用户接口204等与用户交互。例如,透明层418可以包括对报告的语句中所包含的关键医疗术语之间的语义关系进行显示的交互知识表达。利用指示器装置或任何其他适当的输入装置206,用户可以在报告之内选择不同的术语,以便扩展选择的术语并探索与之相关联的其他医疗术语。在读者与知识表达交互时,代理可以提供不同的抽象水平和知识表达的不同组合以帮助进行假设构建并向读者提供关于恶性肿瘤概率的信息。观察报告的用户也可以从所显示的样本结构的图像表达之内做出新的结构选择。基于用户输入的映射位置,可以向知识表达代理408传送在报告的透明层418之内做出的这种选择。更具体而言,基于由用户选择的新文本,代理子例程408可以产生要在报告的透明层418之内显示的新语义网络。基于由用户选择的新结构或下层结构,代理子例程408可以确定任何新的医疗术语、语句、发现等的集合以包括到报告中。代理子例程408在确定本体论和医疗术语方面可以参考图12中所示的知识表达数据库410、412、414、416中的任何一个或多个。可以从代理子例程408向报告引擎420传送对于报告或至少其透明层418的任何需要的更新或改变,以便自动产生新的且更新的报告以用于即时观察。
参考图13A-13B,提供了可以在观察装置208处向读者提供的另一示范性显示器或用户接口。更具体而言,显示器可以遵循类似于图4A-4B中所示的显示器的格式,但具有额外特征,即例如根据图12的图像报告系统400为读者提供知识表达。如先前实施例中那样,读者可以选择通过经由输入装置206指向或索引感兴趣区326来为选择的感兴趣区326提供注解。响应于被索引的感兴趣区326的底层的或与其对应的解剖对象,图12的图像报告系统400可以建议与解剖对象最常关联的集中的知识表达集合。如图13A中所示,可以按照示出语义关系等的分级菜单或示图的形式来向读者呈现知识表达。所显示的知识表达中的一个或多个可以被分层次地配置,并且是可以扩展的以进一步展示特定的或更细化的知识表达。例如,在图13A的实施例中,与所选感兴趣区326相关联的更高水平知识表达可以对应于乳房的损伤。对这一知识表达进行扩展然后可以获得乳房损伤之内的多个常见发现。也可以扩展所得的发现中的一个或多个以展示更细化的子类别,例如乳房肿块、钙化、结、窦、溃烂等。根据所得的子类别,读者可以使用输入装置206来选择应用于当前患者的最适当的发现。一旦选择了知识表达,就可以将知识表达显示为与所选感兴趣区326相关联的注解,例如,如图13B中所示的。
基于上述内容,可以看出,公开的方法和设备提供了用于产生和管理图像报告的改进的系统和方法。公开的图像报告装置和算法用于使当今产生和调用图像报告的过程涉及的若干中间步骤自动化。更具体而言,公开的方法和设备用于将自动化的计算机辅助图像映射、识别和重构技术与自动化图像报告技术相集成。此外,公开的方法和设备有助于对图像报告中常用的语言进行流畅化,以及提供为不一致性而自动跟踪后续和相关病例的手段。
Claims (34)
1.一种图像报告方法,包括如下步骤:
从图像源检索样本结构的图像表达;
将一般结构映射到样本结构,所述一般结构与所述样本结构相关并且至少具有其中所定义的坐标数据;
基于所述样本结构的图像表达的内容来确定所述样本结构之内的一个或多个感兴趣区;
将注解关联到感兴趣区中的至少一个;以及
至少部分地基于所述感兴趣区之一和注解来产生报告。
2.根据权利要求1所述的方法,还包括如下步骤:基于所述感兴趣区的注解和空间坐标中的至少一个来产生用于所述感兴趣区的描述。
3.根据权利要求2所述的方法,其中所述描述是描述所述感兴趣区的空间坐标的位置语句。
4.根据权利要求2所述的方法,其中所述描述是描述与所述感兴趣区的空间坐标相对应的样本结构之内的底层对象的位置语句。
5.根据权利要求2所述的方法,其中至少部分地基于一个或多个知识表达数据库来产生所述描述。
6.根据权利要求2所述的方法,其中为不一致性而跟踪两个或更多相关报告的描述。
7.根据权利要求1所述的方法,其中所述样本结构的图像表达对应于一个或多个二维图像。
8.根据权利要求7所述的方法,还包括如下步骤:构造所述样本结构的三维图像。
9.根据权利要求1所述的方法,其中所述样本结构对应于医疗图像表达。
10.根据权利要求1所述的方法,其中所述一般结构是从根据一个或多个类别而在数据库可检索地存储的多个一般结构中选择的。
11.根据权利要求1所述的方法,其中基于所述样本结构的内容与参考结构的内容的比较来确定所述感兴趣区。
12.根据权利要求11所述的方法,还包括如下步骤:自动翘曲所述参考结构的视图以便近似所述样本结构的视图的尺寸和取向中的至少一个。
13.根据权利要求12所述的方法,其中所述自动翘曲的步骤包括:
在所述样本结构和参考结构视图的每个中确定一组共享控制点;
基于所述控制点来翘曲所述参考结构视图以近似所述样本结构视图;以及
确定所述参考结构视图中的感兴趣区的对应空间坐标。
14.根据权利要求11所述的方法,还包括如下步骤:显示所述样本结构的一个或多个视图以及所述参考结构的一个或多个对应视图以用于比较。
15.根据权利要求11所述的方法,其中所述参考结构是所述样本结构的先前图像表达。
16.根据权利要求11所述的方法,其中所述参考结构是所述一般结构的图像表达。
17.根据权利要求11所述的方法,其中基于所述样本结构的内容和所述参考结构的内容之间的测量差异来自动确定所述感兴趣区。
18.根据权利要求11所述的方法,还包括如下步骤:
显示同一样本结构的多个不同视图;以及
如果在视图之一中确定了感兴趣区,则自动近似其余视图中所述感兴趣区的对应空间位置。
19.根据权利要求1所述的方法,还包括如下步骤:在数据库处可检索地存储映射样本结构、感兴趣区、注解和报告中的一个或多个。
20.根据权利要求19所述的方法,其中将映射的样本结构和关联的属性增加到所述数据库之内的可构建知识库,所述属性与所述映射样本结构的尺寸、维度、面积、体积、重量、密度和取向中的一个或多个有关。
21.一种图像报告方法,包括如下步骤:
从图像源检索样本结构的图像表达;
提供与所述样本结构相关的三维结构,所述三维结构至少具有其中所定义的空间坐标;
将所述三维结构映射到所述样本结构,以便将所述样本结构的区域与所述三维结构的空间坐标相关联;
显示所述样本结构的至少一个视图;
基于所述样本结构的图像表达的内容来确定所述样本结构之内的一个或多个感兴趣区;
将注解关联到所述感兴趣区中的至少一个;以及
至少部分地基于所述感兴趣区之一和注解来产生报告。
22.根据权利要求21所述的方法,其中基于所述样本结构的内容与参考结构的内容的比较来确定所述感兴趣区。
23.根据权利要求22所述的方法,还包括如下步骤:自动翘曲所述样本结构以便近似所述参考结构的取向。
24.根据权利要求21所述的方法,还包括如下步骤:从所述感兴趣区的注解和空间坐标中产生用于所述感兴趣区的描述。
25.根据权利要求24所述的方法,其中至少部分地基于一个或多个知识表达数据库来自动产生所述描述。
26.一种图像报告设备,包括:
用户接口,为用户提供对图像报告设备的访问,所述用户接口具有输入装置和输出装置;以及
计算装置,其与输入装置、输出装置和图像源中的每个进行通信,所述计算装置具有微处理器和存储器,所述存储器用于存储用于执行图像判读和报告的算法,所述算法配置所述计算装置以进行如下:
从图像源检索样本结构的图像表达,
提供与所述样本结构相关并至少具有其中所定义的坐标数据的一般结构,
将所述一般结构映射到所述样本结构,使得所述样本结构的区域由所述坐标数据在空间上定义,
在所述输出装置上显示样本结构的至少一个视图,
基于所述样本结构的图像表达的内容来确定所述样本结构之内的感兴趣区,
将从所述输入装置接收的注解关联到至少一个感兴趣区,以及
至少部分地基于所述感兴趣区和注解来产生报告。
27.根据权利要求26所述的设备,其中基于所述样本结构的内容与参考结构的内容的比较来确定所述感兴趣区。
28.根据权利要求26所述的设备,其中所述算法进一步配置所述计算装置以通过通信装置向网络发送报告。
29.根据权利要求26所述的设备,其中确定所述感兴趣区至少部分地基于从所述输入装置接收的用户输入。
30.根据权利要求26所述的设备,其中所述算法进一步配置所述计算装置以从所述感兴趣区的注解和空间坐标自动产生用于所述感兴趣区的描述。
31.根据权利要求30所述的设备,其中至少部分地基于动态知识表达数据库来自动产生所述描述。
32.根据权利要求30所述的设备,其中至少部分地基于医学临床术语的系统化命名法(SNOMED-CT)数据库、乳房成像报告和数据系统(BI-RADS)数据库和RadLex数据库中的一个或多个来自动产生所述描述。
33.根据权利要求30所述的设备,其中为不一致性而跟踪两个或更多相关报告的描述。
34.根据权利要求33所述的设备,其中基于检测到的不一致性来自动修订所述报告。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710173362.4A CN107403058B (zh) | 2010-07-21 | 2011-07-21 | 图像报告方法 |
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US36649210P | 2010-07-21 | 2010-07-21 | |
US61/366492 | 2010-07-21 | ||
PCT/US2011/044899 WO2012012664A2 (en) | 2010-07-21 | 2011-07-21 | Image reporting method |
Related Child Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710173362.4A Division CN107403058B (zh) | 2010-07-21 | 2011-07-21 | 图像报告方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN103220974A true CN103220974A (zh) | 2013-07-24 |
Family
ID=45493640
Family Applications (2)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN2011800453839A Pending CN103220974A (zh) | 2010-07-21 | 2011-07-21 | 图像报告方法 |
CN201710173362.4A Active CN107403058B (zh) | 2010-07-21 | 2011-07-21 | 图像报告方法 |
Family Applications After (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710173362.4A Active CN107403058B (zh) | 2010-07-21 | 2011-07-21 | 图像报告方法 |
Country Status (4)
Country | Link |
---|---|
US (1) | US9014485B2 (zh) |
CN (2) | CN103220974A (zh) |
BR (1) | BR112013001487B1 (zh) |
WO (1) | WO2012012664A2 (zh) |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103744926A (zh) * | 2013-12-30 | 2014-04-23 | 邢英琦 | 生成图文结合的医用报告的方法及系统 |
CN105496454A (zh) * | 2015-11-25 | 2016-04-20 | 飞依诺科技(苏州)有限公司 | 用于超声成像设备的数据自动比对方法及系统 |
CN106471547A (zh) * | 2014-05-06 | 2017-03-01 | 西门子保健有限责任公司 | 在乳房x光照相期间产生的乳房的x光图像的分析处理 |
CN107291679A (zh) * | 2016-04-05 | 2017-10-24 | 北京优朋普乐科技有限公司 | 一种海报管理方法、装置和系统 |
CN107750383A (zh) * | 2015-06-12 | 2018-03-02 | 皇家飞利浦有限公司 | 用于显示语义分类的时间线的装置、系统和方法 |
CN108701370A (zh) * | 2016-03-10 | 2018-10-23 | 西门子保健有限责任公司 | 基于机器学习的基于内容的医学成像渲染 |
CN109583440A (zh) * | 2017-09-28 | 2019-04-05 | 北京西格码列顿信息技术有限公司 | 结合影像识别与报告编辑的医学影像辅助诊断方法及系统 |
WO2020125081A1 (zh) * | 2018-12-17 | 2020-06-25 | 同方威视技术股份有限公司 | 一种图像显示方法、装置、设备及计算机存储介质 |
Families Citing this family (50)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8477994B1 (en) * | 2009-02-26 | 2013-07-02 | Google Inc. | Creating a narrative description of media content and applications thereof |
US10431336B1 (en) | 2010-10-01 | 2019-10-01 | Cerner Innovation, Inc. | Computerized systems and methods for facilitating clinical decision making |
US11398310B1 (en) | 2010-10-01 | 2022-07-26 | Cerner Innovation, Inc. | Clinical decision support for sepsis |
US10734115B1 (en) | 2012-08-09 | 2020-08-04 | Cerner Innovation, Inc | Clinical decision support for sepsis |
US11348667B2 (en) | 2010-10-08 | 2022-05-31 | Cerner Innovation, Inc. | Multi-site clinical decision support |
WO2012063653A1 (ja) * | 2010-11-12 | 2012-05-18 | 株式会社 日立メディコ | 医用画像表示装置及び医用画像表示方法 |
US10628553B1 (en) | 2010-12-30 | 2020-04-21 | Cerner Innovation, Inc. | Health information transformation system |
US8856156B1 (en) | 2011-10-07 | 2014-10-07 | Cerner Innovation, Inc. | Ontology mapper |
EP2657866A1 (en) * | 2012-04-24 | 2013-10-30 | Koninklijke Philips N.V. | Creating a radiology report |
US10249385B1 (en) | 2012-05-01 | 2019-04-02 | Cerner Innovation, Inc. | System and method for record linkage |
US8868768B2 (en) | 2012-11-20 | 2014-10-21 | Ikonopedia, Inc. | Secure medical data transmission |
US20130325510A1 (en) | 2012-05-31 | 2013-12-05 | Michael J. Vendrell | Image based medical diagnostic systems and processes |
WO2014035138A1 (ko) * | 2012-08-31 | 2014-03-06 | 부산대학교 산학협력단 | 의료 정보 처리 시스템 |
KR102043130B1 (ko) * | 2012-11-16 | 2019-11-11 | 삼성전자주식회사 | 컴퓨터 보조 진단 방법 및 장치 |
US9091628B2 (en) | 2012-12-21 | 2015-07-28 | L-3 Communications Security And Detection Systems, Inc. | 3D mapping with two orthogonal imaging views |
US10946311B1 (en) | 2013-02-07 | 2021-03-16 | Cerner Innovation, Inc. | Discovering context-specific serial health trajectories |
US10769241B1 (en) | 2013-02-07 | 2020-09-08 | Cerner Innovation, Inc. | Discovering context-specific complexity and utilization sequences |
US11894117B1 (en) | 2013-02-07 | 2024-02-06 | Cerner Innovation, Inc. | Discovering context-specific complexity and utilization sequences |
US9275349B2 (en) * | 2013-07-19 | 2016-03-01 | Ricoh Company Ltd. | Healthcare system integration |
US10854334B1 (en) | 2013-08-12 | 2020-12-01 | Cerner Innovation, Inc. | Enhanced natural language processing |
US10483003B1 (en) | 2013-08-12 | 2019-11-19 | Cerner Innovation, Inc. | Dynamically determining risk of clinical condition |
EP3451343B1 (en) * | 2013-09-25 | 2021-02-24 | Heartflow, Inc. | Systems and methods for validating and correcting automated medical image annotations |
US20150193583A1 (en) * | 2014-01-06 | 2015-07-09 | Cerner Innovation, Inc. | Decision Support From Disparate Clinical Sources |
CN105940401B (zh) * | 2014-01-30 | 2020-02-14 | 皇家飞利浦有限公司 | 用于提供可执行注释的系统和方法 |
US20150278463A1 (en) * | 2014-04-01 | 2015-10-01 | Merge Healthcare Incorporated | Systems and methods for pre-authorizing image studies |
US9600628B2 (en) | 2014-05-15 | 2017-03-21 | International Business Machines Corporation | Automatic generation of semantic description of visual findings in medical images |
US9804768B1 (en) | 2014-06-25 | 2017-10-31 | ABCDisability, Inc. | Method and system for generating an examination report |
EP3262533A1 (en) * | 2015-02-25 | 2018-01-03 | Koninklijke Philips N.V. | Method and system for context-sensitive assessment of clinical findings |
US10657220B2 (en) | 2015-04-22 | 2020-05-19 | Ascend Hit Llc | System and methods for medical reporting |
US11127494B2 (en) | 2015-08-26 | 2021-09-21 | International Business Machines Corporation | Context-specific vocabulary selection for image reporting |
US10998096B2 (en) * | 2016-07-21 | 2021-05-04 | Koninklijke Philips N.V. | Annotating medical images |
US10276265B2 (en) | 2016-08-31 | 2019-04-30 | International Business Machines Corporation | Automated anatomically-based reporting of medical images via image annotation |
US10729396B2 (en) | 2016-08-31 | 2020-08-04 | International Business Machines Corporation | Tracking anatomical findings within medical images |
US10176569B2 (en) | 2016-09-07 | 2019-01-08 | International Business Machines Corporation | Multiple algorithm lesion segmentation |
US11538591B2 (en) | 2017-03-10 | 2022-12-27 | Altair Engineering, Inc. | Training and refining fluid models using disparate and aggregated machine data |
US10409950B2 (en) | 2017-03-10 | 2019-09-10 | General Electric Company | Systems and methods for utilizing a 3D CAD point-cloud to automatically create a fluid model |
US10977397B2 (en) | 2017-03-10 | 2021-04-13 | Altair Engineering, Inc. | Optimization of prototype and machine design within a 3D fluid modeling environment |
US10803211B2 (en) | 2017-03-10 | 2020-10-13 | General Electric Company | Multiple fluid model tool for interdisciplinary fluid modeling |
US10867085B2 (en) | 2017-03-10 | 2020-12-15 | General Electric Company | Systems and methods for overlaying and integrating computer aided design (CAD) drawings with fluid models |
USD855651S1 (en) | 2017-05-12 | 2019-08-06 | International Business Machines Corporation | Display screen with a graphical user interface for image-annotation classification |
US10552978B2 (en) | 2017-06-27 | 2020-02-04 | International Business Machines Corporation | Dynamic image and image marker tracking |
US11244746B2 (en) | 2017-08-04 | 2022-02-08 | International Business Machines Corporation | Automatically associating user input with sections of an electronic report using machine learning |
US10799189B2 (en) * | 2017-11-22 | 2020-10-13 | General Electric Company | Systems and methods to deliver point of care alerts for radiological findings |
US11049250B2 (en) * | 2017-11-22 | 2021-06-29 | General Electric Company | Systems and methods to deliver point of care alerts for radiological findings |
US10783634B2 (en) | 2017-11-22 | 2020-09-22 | General Electric Company | Systems and methods to deliver point of care alerts for radiological findings |
US11893729B2 (en) | 2017-11-22 | 2024-02-06 | GE Precision Healthcare LLC | Multi-modal computer-aided diagnosis systems and methods for prostate cancer |
US11398304B2 (en) * | 2018-04-24 | 2022-07-26 | Siemens Healthcare Gmbh | Imaging and reporting combination in medical imaging |
US11730420B2 (en) | 2019-12-17 | 2023-08-22 | Cerner Innovation, Inc. | Maternal-fetal sepsis indicator |
US11651499B2 (en) | 2020-09-17 | 2023-05-16 | International Business Machines Corporation | Reducing structural redundancy in automatic image segmentation |
TWI791192B (zh) * | 2021-02-08 | 2023-02-01 | 健醫智能有限公司 | 醫事報告輔助生成系統 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20070071294A1 (en) * | 2005-09-27 | 2007-03-29 | General Electric Company | System and method for medical diagnosis and tracking using three-dimensional subtraction in a picture archiving communication system |
CN101203170A (zh) * | 2005-06-02 | 2008-06-18 | 美的派特恩公司 | 计算机辅助检测系统和方法 |
CN101219061A (zh) * | 2006-12-08 | 2008-07-16 | 韦伯斯特生物官能公司 | 对电解剖图着色以指示超声数据采集 |
Family Cites Families (51)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5604856A (en) * | 1994-10-13 | 1997-02-18 | Microsoft Corporation | Motion compensated noise reduction method and system for computer generated images |
JP3347508B2 (ja) * | 1995-02-24 | 2002-11-20 | キヤノン株式会社 | 撮像画像処理装置および撮像画像処理方法 |
US5768447A (en) * | 1996-06-14 | 1998-06-16 | David Sarnoff Research Center, Inc. | Method for indexing image information using a reference model |
US5784431A (en) * | 1996-10-29 | 1998-07-21 | University Of Pittsburgh Of The Commonwealth System Of Higher Education | Apparatus for matching X-ray images with reference images |
US6512857B1 (en) * | 1997-05-09 | 2003-01-28 | Sarnoff Corporation | Method and apparatus for performing geo-spatial registration |
AU9663098A (en) * | 1997-09-23 | 1999-04-12 | Enroute, Inc. | Generating three-dimensional models of objects defined by two-dimensional image data |
US5951475A (en) * | 1997-09-25 | 1999-09-14 | International Business Machines Corporation | Methods and apparatus for registering CT-scan data to multiple fluoroscopic images |
US6023495A (en) * | 1998-05-15 | 2000-02-08 | International Business Machines Corporation | System and method for acquiring three-dimensional data subject to practical constraints by integrating CT slice data and CT scout images |
US6028907A (en) * | 1998-05-15 | 2000-02-22 | International Business Machines Corporation | System and method for three-dimensional geometric modeling by extracting and merging two-dimensional contours from CT slice data and CT scout data |
US6912293B1 (en) * | 1998-06-26 | 2005-06-28 | Carl P. Korobkin | Photogrammetry engine for model construction |
US6456287B1 (en) * | 1999-02-03 | 2002-09-24 | Isurftv | Method and apparatus for 3D model creation based on 2D images |
US6512994B1 (en) * | 1999-11-30 | 2003-01-28 | Orametrix, Inc. | Method and apparatus for producing a three-dimensional digital model of an orthodontic patient |
US6532299B1 (en) * | 2000-04-28 | 2003-03-11 | Orametrix, Inc. | System and method for mapping a surface |
US6785410B2 (en) * | 1999-08-09 | 2004-08-31 | Wake Forest University Health Sciences | Image reporting method and system |
WO2001011548A1 (en) * | 1999-08-09 | 2001-02-15 | Wake Forest University | A method and computer-implemented procedure for creating electronic, multimedia reports |
US6368285B1 (en) * | 1999-09-21 | 2002-04-09 | Biosense, Inc. | Method and apparatus for mapping a chamber of a heart |
US6980690B1 (en) * | 2000-01-20 | 2005-12-27 | Canon Kabushiki Kaisha | Image processing apparatus |
US7756727B1 (en) | 2000-09-21 | 2010-07-13 | Carestream Health, Inc. | Method and apparatus for case building and presentation of healthcare procedures |
US6599130B2 (en) | 2001-02-02 | 2003-07-29 | Illinois Institute Of Technology | Iterative video teaching aid with recordable commentary and indexing |
US7415169B2 (en) * | 2001-11-30 | 2008-08-19 | Koninklijke Philips Electronics N.V. | Medical viewing system and method for enhancing structures in noisy images |
US7346381B2 (en) * | 2002-11-01 | 2008-03-18 | Ge Medical Systems Global Technology Company Llc | Method and apparatus for medical intervention procedure planning |
CN100515017C (zh) * | 2002-08-28 | 2009-07-15 | 卡西欧计算机株式会社 | 图像与声频再现设备、图像与声频再现方法 |
US20050031176A1 (en) * | 2003-08-08 | 2005-02-10 | Hertel Sarah R. | Method and apparatus of multi-modality image fusion |
JP2005148990A (ja) * | 2003-11-13 | 2005-06-09 | Konica Minolta Medical & Graphic Inc | 医用画像読影システム及び読影レポート作成方法 |
CA2455359C (en) * | 2004-01-16 | 2013-01-08 | Geotango International Corp. | System, computer program and method for 3d object measurement, modeling and mapping from single imagery |
CN101005803B (zh) * | 2004-08-17 | 2012-01-11 | 皇家飞利浦电子股份有限公司 | 灵活融合3dra-ct的方法 |
US7519210B2 (en) * | 2004-09-09 | 2009-04-14 | Raphael Hirsch | Method of assessing localized shape and temperature of the human body |
US7463772B1 (en) * | 2004-09-13 | 2008-12-09 | Google Inc. | De-warping of scanned images |
WO2006034256A2 (en) * | 2004-09-17 | 2006-03-30 | Cyberextruder.Com, Inc. | System, method, and apparatus for generating a three-dimensional representation from one or more two-dimensional images |
US7756317B2 (en) | 2005-04-28 | 2010-07-13 | Carestream Health, Inc. | Methods and systems for automated detection and analysis of lesion on magnetic resonance images |
US7979383B2 (en) * | 2005-06-06 | 2011-07-12 | Atlas Reporting, Llc | Atlas reporting |
DE102005029903A1 (de) * | 2005-06-25 | 2007-01-04 | Universitätsklinikum Hamburg-Eppendorf | Verfahren und Vorrichtung zur 3D-Navigation auf Schichtbildern |
US7522701B2 (en) * | 2005-12-20 | 2009-04-21 | General Electric Company | System and method for image composition using position sensors |
US8477154B2 (en) * | 2006-03-20 | 2013-07-02 | Siemens Energy, Inc. | Method and system for interactive virtual inspection of modeled objects |
US8244025B2 (en) * | 2006-03-20 | 2012-08-14 | Siemens Energy, Inc. | Method of coalescing information about inspected objects |
DE102006021036B4 (de) | 2006-04-28 | 2010-04-08 | Image Diagnost International Gmbh | Vorrichtung und Verfahren zur computergestützten Analyse von Mammogrammen |
US7945083B2 (en) | 2006-05-25 | 2011-05-17 | Carestream Health, Inc. | Method for supporting diagnostic workflow from a medical imaging apparatus |
US8442283B2 (en) * | 2006-08-30 | 2013-05-14 | Anatomage Inc. | Patient-specific three-dimensional dentition model |
DE102006045423B4 (de) * | 2006-09-26 | 2016-07-14 | Siemens Healthcare Gmbh | 07.09.07Verfahren zur Nachbearbeitung eines dreidimensionalen Bilddatensatzes einer Gefäßstruktur |
US7773791B2 (en) | 2006-12-07 | 2010-08-10 | Carestream Health, Inc. | Analyzing lesions in a medical digital image |
US7844087B2 (en) | 2006-12-19 | 2010-11-30 | Carestream Health, Inc. | Method for segmentation of lesions |
JP4950787B2 (ja) * | 2007-07-12 | 2012-06-13 | 株式会社東芝 | 画像処理装置及びその方法 |
DE102007057015A1 (de) | 2007-11-23 | 2009-05-28 | Image Diagnost International Gmbh | Verfahren und Anzeigevorrichtung zur Darstellung digitaler Mammogramme |
US8150113B2 (en) | 2008-01-23 | 2012-04-03 | Carestream Health, Inc. | Method for lung lesion location identification |
US8376947B2 (en) * | 2008-03-26 | 2013-02-19 | Bioquantetics, Inc. | Application of image-based dynamic ultrasound spectrography (IDUS) in detection and localization of breast microcalcifcation |
US8150121B2 (en) | 2008-05-06 | 2012-04-03 | Carestream Health, Inc. | Information collection for segmentation of an anatomical object of interest |
DE102008035566B4 (de) | 2008-07-30 | 2018-09-06 | Image Diagnost International Gmbh | Verfahren zum Verarbeiten eines in ein Mammogramm eingegebenen Befunds |
US8189886B2 (en) | 2008-08-13 | 2012-05-29 | Carestream Health, Inc. | Method for detecting anatomical structures |
JP5775823B2 (ja) * | 2009-01-13 | 2015-09-09 | コーニンクレッカ フィリップス エヌ ヴェ | 画像ベースの臨床試験評価 |
US8290227B2 (en) | 2009-03-27 | 2012-10-16 | Carestream Health, Inc. | Method and system for diagnostics support |
US8311301B2 (en) | 2010-12-10 | 2012-11-13 | Carestream Health, Inc. | Segmenting an organ in a medical digital image |
-
2011
- 2011-07-21 BR BR112013001487-3A patent/BR112013001487B1/pt active IP Right Grant
- 2011-07-21 CN CN2011800453839A patent/CN103220974A/zh active Pending
- 2011-07-21 US US13/188,415 patent/US9014485B2/en active Active
- 2011-07-21 CN CN201710173362.4A patent/CN107403058B/zh active Active
- 2011-07-21 WO PCT/US2011/044899 patent/WO2012012664A2/en active Application Filing
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101203170A (zh) * | 2005-06-02 | 2008-06-18 | 美的派特恩公司 | 计算机辅助检测系统和方法 |
US20070071294A1 (en) * | 2005-09-27 | 2007-03-29 | General Electric Company | System and method for medical diagnosis and tracking using three-dimensional subtraction in a picture archiving communication system |
CN101219061A (zh) * | 2006-12-08 | 2008-07-16 | 韦伯斯特生物官能公司 | 对电解剖图着色以指示超声数据采集 |
Cited By (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103744926A (zh) * | 2013-12-30 | 2014-04-23 | 邢英琦 | 生成图文结合的医用报告的方法及系统 |
CN106471547A (zh) * | 2014-05-06 | 2017-03-01 | 西门子保健有限责任公司 | 在乳房x光照相期间产生的乳房的x光图像的分析处理 |
US10438353B2 (en) | 2014-05-06 | 2019-10-08 | Siemens Healthcare Gmbh | Evaluation of an X-ray image of a breast produced during a mammography |
US10169867B2 (en) | 2014-05-06 | 2019-01-01 | Siemens Healthcare Gmbh | Evaluation of an x-ray image of a breast produced during a mammography |
CN107750383B (zh) * | 2015-06-12 | 2023-06-06 | 皇家飞利浦有限公司 | 用于显示语义分类的时间线的装置、系统和方法 |
CN107750383A (zh) * | 2015-06-12 | 2018-03-02 | 皇家飞利浦有限公司 | 用于显示语义分类的时间线的装置、系统和方法 |
CN105496454A (zh) * | 2015-11-25 | 2016-04-20 | 飞依诺科技(苏州)有限公司 | 用于超声成像设备的数据自动比对方法及系统 |
CN105496454B (zh) * | 2015-11-25 | 2019-01-29 | 飞依诺科技(苏州)有限公司 | 用于超声成像设备的数据自动比对方法及系统 |
US10339695B2 (en) | 2016-03-10 | 2019-07-02 | Siemens Healthcare Gmbh | Content-based medical image rendering based on machine learning |
CN108701370A (zh) * | 2016-03-10 | 2018-10-23 | 西门子保健有限责任公司 | 基于机器学习的基于内容的医学成像渲染 |
CN108701370B (zh) * | 2016-03-10 | 2020-01-21 | 西门子保健有限责任公司 | 基于机器学习的基于内容的医学成像渲染 |
CN107291679A (zh) * | 2016-04-05 | 2017-10-24 | 北京优朋普乐科技有限公司 | 一种海报管理方法、装置和系统 |
CN109583440A (zh) * | 2017-09-28 | 2019-04-05 | 北京西格码列顿信息技术有限公司 | 结合影像识别与报告编辑的医学影像辅助诊断方法及系统 |
CN109583440B (zh) * | 2017-09-28 | 2021-12-17 | 北京西格码列顿信息技术有限公司 | 结合影像识别与报告编辑的医学影像辅助诊断方法及系统 |
WO2020125081A1 (zh) * | 2018-12-17 | 2020-06-25 | 同方威视技术股份有限公司 | 一种图像显示方法、装置、设备及计算机存储介质 |
Also Published As
Publication number | Publication date |
---|---|
WO2012012664A2 (en) | 2012-01-26 |
BR112013001487B1 (pt) | 2022-05-03 |
WO2012012664A3 (en) | 2012-04-26 |
CN107403058B (zh) | 2021-04-16 |
CN107403058A (zh) | 2017-11-28 |
US20120020536A1 (en) | 2012-01-26 |
US9014485B2 (en) | 2015-04-21 |
BR112013001487A2 (pt) | 2017-01-31 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103220974A (zh) | 图像报告方法 | |
US20190220978A1 (en) | Method for integrating image analysis, longitudinal tracking of a region of interest and updating of a knowledge representation | |
US7979383B2 (en) | Atlas reporting | |
CN102395975B (zh) | 临床决策支持系统和方法 | |
US6901277B2 (en) | Methods for generating a lung report | |
CN102365641A (zh) | 基于诊断信息自动检索报告模板的系统 | |
US20030028401A1 (en) | Customizable lung report generator | |
US20030016850A1 (en) | Systems and graphical user interface for analyzing body images | |
CN1615489A (zh) | 图像报告方法和系统 | |
CN101203170A (zh) | 计算机辅助检测系统和方法 | |
US20100189322A1 (en) | Diagnostic supporting apparatus and method for controlling the same | |
US10956635B1 (en) | Radiologist-assisted machine learning with interactive, volume subtending 3D cursor | |
US11238197B1 (en) | Generating a 3D dataset containing a simulated surgical device | |
US11587668B2 (en) | Methods and systems for a medical image annotation tool | |
CN110400617A (zh) | 医学成像中的成像和报告的结合 | |
US20100189323A1 (en) | Computer-aided diagnosis apparatus and method for controlling the same | |
CN111723277A (zh) | 影像结构化报告云端需求分类系统及其方法 | |
US20220399107A1 (en) | Automated protocoling in medical imaging systems | |
Roth et al. | Multispecialty enterprise imaging workgroup consensus on interactive multimedia reporting current state and road to the future: HIMSS-SIIM collaborative white paper | |
AU2019204365C1 (en) | Method and System for Image Segmentation and Identification | |
Pietka et al. | Informatics infrastructure of CAD system | |
Bellotti et al. | The MAGIC-5 project: Medical applications on a grid infrastructure connection | |
US20230154594A1 (en) | Systems and methods for protocol recommendations in medical imaging | |
De Mitri | The MAGIC-5 project: Medical Applications on a Grid Infrastructure Connection. | |
JP7368592B2 (ja) | 文書作成支援装置、方法およびプログラム |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20130724 |
|
RJ01 | Rejection of invention patent application after publication |