CN103823962A - 诊断设备和方法 - Google Patents

诊断设备和方法 Download PDF

Info

Publication number
CN103823962A
CN103823962A CN201310574527.0A CN201310574527A CN103823962A CN 103823962 A CN103823962 A CN 103823962A CN 201310574527 A CN201310574527 A CN 201310574527A CN 103823962 A CN103823962 A CN 103823962A
Authority
CN
China
Prior art keywords
lesion region
candidate lesion
area
candidate
priority
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
CN201310574527.0A
Other languages
English (en)
Other versions
CN103823962B (zh
Inventor
朴晋满
禹景久
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.)
Samsung Electronics Co Ltd
Original Assignee
Samsung Electronics Co Ltd
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
Family has litigation
First worldwide family litigation filed litigation Critical https://patents.darts-ip.com/?family=49724446&utm_source=google_patent&utm_medium=platform_link&utm_campaign=public_patent_search&patent=CN103823962(A) "Global patent litigation dataset” by Darts-ip is licensed under a Creative Commons Attribution 4.0 International License.
Application filed by Samsung Electronics Co Ltd filed Critical Samsung Electronics Co Ltd
Priority to CN201910769112.6A priority Critical patent/CN110473628A/zh
Publication of CN103823962A publication Critical patent/CN103823962A/zh
Application granted granted Critical
Publication of CN103823962B publication Critical patent/CN103823962B/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
    • G16Z—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS, NOT OTHERWISE PROVIDED FOR
    • G16Z99/00—Subject matter not provided for in other main groups of this subclass
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • 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
    • 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
    • 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
    • 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
    • G06T2207/30096—Tumor; Lesion

Landscapes

  • Engineering & Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • General Health & Medical Sciences (AREA)
  • Biomedical Technology (AREA)
  • Public Health (AREA)
  • Physics & Mathematics (AREA)
  • Pathology (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Quality & Reliability (AREA)
  • Radiology & Medical Imaging (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Data Mining & Analysis (AREA)
  • Databases & Information Systems (AREA)
  • Epidemiology (AREA)
  • Primary Health Care (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Biophysics (AREA)
  • Molecular Biology (AREA)
  • Surgery (AREA)
  • Animal Behavior & Ethology (AREA)
  • Veterinary Medicine (AREA)
  • Apparatus For Radiation Diagnosis (AREA)
  • Measuring And Recording Apparatus For Diagnosis (AREA)
  • Magnetic Resonance Imaging Apparatus (AREA)
  • Ultra Sonic Daignosis Equipment (AREA)
  • Image Processing (AREA)

Abstract

提供了一种使用医学图像的诊断设备和方法。该设备包括：分析单元，被构造为检测病变区域，并针对检测到的病变区域产生候选病变区域群组；以及界面单元，被构造为将从候选病变区域群组之中选择的一个或多个候选病变区域与关于所述一个或多个选择的候选病变区域中的每个的信息布置在界面的第一区域中。

Description

诊断设备和方法
本申请要求于2012年11月16日提交的第10-2012-0130480号韩国专利申请的权益，该专利申请的整个公开内容通过引用合并于此以用于所有目的。
技术领域
以下描述涉及一种诊断设备和方法以及通过医学图像分析支持计算机辅助诊断（CAD）的设备和方法。
背景技术
计算机辅助诊断（CAD）是医学中所使用的、通过检测医学图像中的疑似异常区域并分析该区域以提供病变的初步诊断来帮助医生解释医学图像的技术。因此，需要高度精确的诊断来帮助诸如放射科医生的用户进行最终诊断。然而，CAD系统中所使用的自动诊断算法对于它的诊断结果不会是100%精确的。因此，用户必须分析CAD系统所执行的诊断并修改该诊断。用户为了分析CAD系统的诊断结果，用户必须从不同角度评估异常区域的各种图像。然而，当进行这样的评估时，在时间和空间上存在限制。因此，难以通过在这样的CAD系统中所提供的用户界面来分析CAD系统所提供的诊断结果并修改该诊断结果。
发明内容
在一个总的方面，提供一种设备，该设备包括：分析单元，被构造为检测病变区域，并针对检测到的病变区域产生候选病变区域群组；以及界面单元，被构造为将从候选病变区域群组之中选择的一个或多个候选病变区域与关于所述一个或多个选择的候选病变区域中的每个的信息布置在界面的第一区域中。
界面单元可被构造为基于优先级信息、类信息或优先级信息和类信息的组合来布置所述一个或多个选择的候选病变区域。
界面单元可被构造为将具有较高优先级的候选病变区域布置为与具有较低优先级的另一个候选病变区域相比更靠近界面的第一区域的中心。
界面单元可被构造为基于优先级信息在第一区域中以不同尺寸显示所述一个或多个选择的候选病变区域。
界面单元可被构造为基于类信息将所述一个或多个选择的候选病变区域布置在第一区域中。
界面单元可被构造为基于类信息在第一区域中以不同颜色的边界或边框显示所述一个或多个选择的候选病变区域。
所述设备的总体方面还可包括：处理单元，被构造为计算候选病变区域群组中的每个候选病变区域的优先级，并基于这些优先级从候选病变区域群组选择将被布置的一个或多个候选病变区域。
处理单元可被构造为基于用户从候选病变区域群组之中选择候选病变区域的概率来计算优先级。
响应于用户选择布置在第一区域中的候选病变区域之一，界面单元可被构造为在界面的第二区域中显示关于选择的候选病变区域的详细信息。
详细信息可包括特征信息、类信息、诊断结果信息或它们的组合。
界面单元可被构造为在第二区域中显示基于与选择的候选病变区域相关的特征类别之间的优先级而选择的一个或多个特征类别、以及基于与所述一个或多个特征类别中的每个相应的特征之间的优先级而选择的一个或多个特征。
界面单元可被构造为：响应于用户选择显示在第二区域上的一个或多个特征类别之一，显示基于与选择的特征类别相应的特征之间的优先级而选择的一个或多个特征。
分析单元可被构造为通过分析医学图像来检测病变区域并通过对检测到的病变区域执行分割来产生候选病变区域群组，并且界面可显示在显示单元上。
在另一总的方面，提供一种方法，该方法包括：检测病变区域；针对检测到的病变区域产生候选病变区域群组；并且将从候选病变区域群组之中选择的一个或多个候选病变区域和关于所述一个或多个选择的候选病变区域中的每个的信息布置在界面的第一区域中。
布置所述一个或多个选择的候选区域的步骤可包括：基于优先级信息、类信息或优先级信息和类信息的组合来布置所述一个或多个选择的候选病变区域。
布置所述一个或多个选择的候选病变区域的步骤可包括：将具有较高优先级的候选病变区域布置为与具有较低优先级的另一个候选病变区域相比更靠近界面的第一区域的中心。
将所述一个或多个选择的候选病变区域布置在第一区域中的步骤可包括：基于所述一个或多个选择的候选病变区域之间的优先级信息在第一区域中以不同尺寸布置所述一个或多个候选病变区域。
将所述一个或多个选择的候选病变区域布置在第一区域中的步骤可包括：基于类信息在第一区域中布置所述一个或多个选择的候选病变区域的位置。
将所述一个或多个选择的候选病变区域布置在第一区域中的步骤可包括：基于类信息在第一区域中以不同颜色的边界或边框布置所述一个或多个选择的候选病变区域。
所述方法的总体方面还可包括：计算与候选病变区域群组中的每个候选病变区域相关的优先级，并根据计算的优先级从候选病变区域群组选择将被布置的一个或多个候选病变区域。
计算优先级的步骤可包括：确定用户从候选病变区域群组之中选择候选病变区域的概率。
所述方法的总体方面还可包括：响应于用户选择布置在第一区域中的所述一个或多个选择的候选病变区域之一，在界面的第二区域中显示关于选择的候选病变区域的详细信息。
详细信息可包括特征信息、类信息、诊断结果信息或它们的组合。
在第二区域中显示详细信息的步骤可包括：显示基于与选择的候选病变区域相关的一个或多个特征类别之间的优先级而选择的一个或多个特征类别、以及基于与所述一个或多个特征类别中的每个相应的特征之间的优先级而选择的一个或多个特征。
所述方法的总体方面还可包括：响应于用户选择显示在第二区域上的一个或多个特征类别之一，显示基于与选择的特征类别相应的特征之间的优先级而选择的一个或多个特征。
检测病变区域的步骤可包括分析医学图像。产生候选病变区域群组的步骤可包括对检测到的病变区域执行分割。布置所述一个或多个候选病变区域的步骤可包括将所述一个或多个选择的候选病变区域布置在显示在显示单元上的界面中。
其他特征和方面从以下详细描述、附图和权利要求书将是清楚的。
附图说明
图1是示出诊断设备的示例的框图。
图2是诊断设备所提供的界面的示例。
图3是显示了候选病变区域的界面的示例。
图4是图3的界面中示出的特征被修改的界面的示例。
图5是示出诊断方法的示例的流程图。
在整个附图和详细描述中，除非另有描述，否则相同的附图标号将被理解为指示相同的元件、特征和结构。为了清晰、图示说明和方便起见，可以扩大这些元件的相对尺寸和描绘。
具体实施方式
提供以下描述来帮助读者获得在此描述的方法、设备和/或系统的全面理解。因此，在此描述的方法、设备和/或系统的各种改变、修改和等同将被本领域的普通技术人员想到。此外，为了提高清晰度和简洁性，可以省去公知功能和构造的描述。
图1是示出诊断设备的示例的框图。该诊断设备可支持计算机辅助诊断。参照图1，诊断设备100包括分析单元100、处理单元120和界面单元130。
分析单元110通过分析医学图像来从医学图像检测病变区域。检测到的病变区域在以下被称为原始病变区域。相对于检测到的原始病变区域，分析单元110产生候选病变区域群组。通过使用各种病变区域检测算法，分析单元110可从医学图像检测原始病变区域。医学图像可以是通过超声波检查法、磁共振成像（MRI）装置、计算机断层扫描（CT）装置或其他医学装置获取的图像。可以使用的病变区域检测算法不限于以上列出的算法，而是包括适合于检测病变区域的每一种公知算法。在原始病变区域被检测到之后，分析单元110产生候选病变区域群组，该候选病变区域群组是多个候选病变区域。分析单元110可通过例如对原始病变区域执行分割为多个单独区域的图像分割来产生候选病变区域群组。
分析单元110可产生关于所述多个候选病变区域的每个候选病变区域的详细分析信息。详细分析信息可包括特征信息、类信息和诊断结果信息中的至少一个。特征信息可包括一个或多个特征类别以及与每个特征类别相应的一个或多个特征。例如，特征信息可包括形状、边缘、回声模式、方位和边界的特征类别，“形状”的特征类别可包括不规则形状、圆形形状和椭圆形状的特征。诊断结果信息可基于特征信息来指示相应候选病变区域被确定为良性还是恶性的结果。类信息是指根据相应的候选病变区域的良性或恶性的程度而确定的类级别。例如，类级别可与乳腺影像报告和数据系统（BI-RADS）相关。
分析单元110可提取关于包括在候选病变区域群组中的每个候选病变区域的特征信息，并基于所提取的特征信息来产生类信息和诊断结果信息。分析单元110可使用基于区别训练部分的模型（DPM）、区域生长或其他分析算法来产生指示候选病变区域是良性还是恶性的诊断结果信息。
处理单元120可从分析单元110所产生的候选病变区域群组之中选择一个或多个候选病变区域。例如，处理单元120可根据预定标准来计算与候选病变区域群组中的每个候选病变区域相关的优先级，并根据计算的优先级来选择一个或多个候选病变区域。
预定标准可以基于用户从候选病变区域群组之中选择候选病变区域的概率，该概率基于对用户在过去的选择的分析。例如，如果当进行最终诊断时，候选病变区域最常被用户选择为与原始病变区域最类似的病变区域，则相应的候选病变区域被确定为具有最高优先级。根据示例，预先基于用户在过去对各个病变区域的选择来产生学习数据。然后，可使用已使用该学习数据获取的监督学习算法来计算与候选病变区域群组相关的优先级。例如，监督学习算法可包括支持矢量机（SVM）和朴素贝叶斯分类（NBC）。
界面单元130可根据预定标准将处理单元120选择的一个或多个候选病变区域及其简要分析信息布置在界面中。界面单元130可在显示单元上显示该界面。
图2是设备100的界面的示例。图3是图2中示出的显示了候选病变区域的界面的示例。图4是图3中示出的界面的示例，在该界面中，图3的界面的特征被修改，同时显示候选病变区域。
参照图1至图4，设备100的界面10的示例可包括第一区域20、第二区域30和第三区域40。在第一区域20中，显示了候选病变区域和关于每个候选病变区域的简要分析信息。在第二区域30中，显示了关于显示在第一区域20上的候选病变区域之一的详细分析信息。第二区域30可包括子区域31、子区域32和子区域33，在子区域31中显示特征信息，在子区域32中显示类信息，在子区域33中显示诊断结果信息。在第三区域40中，显示原始病变区域。以上所提及的每个区域在界面10中可具有固定位置，或者这些区域可根据用户的偏好而不同地布置以方便用户。另外，用户可改变以上所提及的每个区域的位置。界面10可显示在显示单元（诸如液晶显示器（LCD）、发光二极管（LED）显示器、等离子体显示面板（PDP）、触摸屏、投影仪、屏幕、终端等）上。屏幕可以是包括提供用于渲染用户界面和/或接收用户输入的能力的一个或多个硬件组件的物理结构。屏幕可包含显示区域、触摸敏感显示和/或可配置区域的任何组合。屏幕可被嵌入在硬件中，或者可以是可被安装的并且可从设备拆卸的外设装置。显示单元可以是单屏或多屏显示单元。
如图3所示，界面单元130可根据预定标准将候选病变区域及其简要分析信息布置在界面10的第一区域20中，并且将分析单元110检测到的原始病变区域41布置在界面10的第三区域40中。在图3中所示的示例中，五个候选病变区域21布置在第一区域20的上部部分中，其简要分析信息在这五个候选病变区域21中的每个的下方提供。然而，显示在界面单元130中的候选病变区域的数量不限于这个示例。此外，所显示的候选病变区域的数量可根据原始病变区域的分析结果而变化。此外，在一个示例中，与候选病变区域21一起显示的简要分析信息可包括与这五个候选病变区域中的每个相关的类信息和特征信息中的至少一个。
在这个示例中，预定标准可包括以下项中的至少一个：处理单元120针对候选病变区域计算的优先级信息、在由分析单元110针对每个候选病变区域产生的简要分析信息中包含的类信息、以及优先级信息和类信息的组合。
在示例中，界面单元130可基于候选病变区域21之间的优先级将具有最高优先级的候选病变区域21布置在第一区域20的中心处。另外，界面单元130可通过按优先级的降序次序在位于中心的高优先级候选病变区域的左侧与右侧之间交替来布置其他候选病变区域21。
参照图3中所示的示例，位于第一区域20的中心处的类4a候选病变区域具有最高优先级。位于类4a候选病变区域左侧的类3候选病变区域具有第二高优先级。位于类4a候选病变区域右侧的类5候选病变区域具有第三高优先级。位于类4a远左侧的类2候选病变区域具有第四高优先级。位于类4a远右侧的类5候选病变区域具有最低优先级。
在另一个示例中，界面单元130可基于候选病变区域之间的优先级在第一区域20中以不同尺寸或不同边框尺寸布置候选病变区域21。在图3中所示的示例中，具有最高优先级的类4a候选病变区域显示在具有最大尺寸的边框内部，其他候选病变区域被置于类4a候选病变区域左侧和右侧的、具有按优先级的降序次序顺序地缩小的边框尺寸的边框的内部。
在另一个示例中，基于候选病变区域之间的优先级，界面单元130可将一种或多种颜色用于候选病变区域的边界或将显示候选病变区域及其简要分析信息的边框。例如，界面单元130可将容易引人注目的颜色用于具有最高优先级的候选病变区域21，该优先级与用户选择该候选病变区域的概率相应。界面单元130可将不太引人注目的颜色用于具有低优先级的候选病变区域21。例如，容易引人注目的颜色包括红色和黄色，而不太引人注目的颜色包括绿色或灰色。可替换地，可使用具有不同黑暗程度的相同颜色显示候选病变区域的边界或边框。
在另一个示例中，如图3所示，界面单元130可基于候选病变区域21的类信息在第一区域中布置候选病变区域21。
在另一个示例中，具有最高优先级的类4a候选病变区域可被布置在第一区域的中心处，类级别低于类4a的候选病变区域可被布置在类4a候选病变区域的左侧，而类级别高于类4a的候选病变区域21被布置在类4a候选病变区域的右侧。同时，在两个或更多个候选病变区域21具有相同的类级别的情况下，具有较高优先级的候选病变区域21可被布置为比具有相对低的优先级的其他候选病变区域21更靠近第一区域的中心。在图3中所示的示例中，被布置为更靠近第一区域的中心的类5候选病变区域具有比其他类5候选病变区域的优先级高的优先级。
在另一个示例中，根据候选病变区域的类级别，界面单元130可将一种或多种颜色用于候选病变区域21的边界或将显示候选病变区域和简要分析信息的边框。例如，因为越低的类级别越有可能与良性诊断相应，所以界面单元130可将绿色用于具有低类级别的候选病变区域，而因为越高的类级别越有可能与恶性诊断相应，所以可将红色用于具有较高类级别的候选病变区域。在另一个示例中，可使用具有不同黑暗程度的相同颜色来显示边界和边框。
照此，根据各种标准将候选病变区域布置在界面中，从而使得用户能够更方便更容易地选择合适的候选病变区域。然而，所提供的上述示例仅仅作为示例，可根据其他标准来布置候选病变区域。
如图4所示，如果用户选择显示在第一区域20上的候选病变区域21之一，则界面单元130可在第二区域30中显示关于选择的候选病变区域21的详细分析信息。显示在第二区域30上的详细分析信息可包括特征信息、类信息和诊断结果信息中的至少一个。在这个示例中，显示在第二区域30上的特征信息可包括从一个或多个特征类别之中选择的至少一些特征类别（所述一个或多个特征类别由分析单元110针对选择的候选病变区域21所提取）、以及从与所述至少一些特征类型中的每个相应的一个或多个特征中选择的至少一个特征。
根据预定标准，处理单元120可基于针对每个候选病变区域所提取的特征信息来计算候选病变区域之间的优先级。例如，处理单元120可计算一个或多个特征类别之间的优先级、以及与所述一个或多个特征类别中的每个相应的一个或多个特征之间的优先级。预定标准可包括例如用户从所述一个或多个特征类别之中选择特征类别的概率、以及用户从与所述一个或多个特征类别中的每个相应的特征之中选择特征的概率。响应于用户通过界面10选择候选病变区域21之一，处理单元120可基于特征类别之间的优先级和与特征类别相应的特征之间的优先级，来确定用于显示在界面10中的至少一些特征类别和与所述至少一些特征类别中的每个相应的至少一个特征。
在图4中所示的示例中，六个特征类别按基于特征类别之间的优先级，按从顶到底的次序顺序地布置在第二区域30中。在这个示例中，将显示的特征类别由界面单元130确定。这个示例中所显示的特征类别包括如由界面单元130确定的形状、边缘、回声模式、方位、边界和后路AF。
另外，与这六个类别中的每个相应的各个特征之中具有最高优先级的特征紧邻相应的特征类别布置。例如，对于图4中所示的示例，具有高优先级的特征是不规则的、针状的、有回声的、平行的、晕圈和阴影。在图4中所示的示例中，诸如类4a的类信息显示在第二区域30的中心部分，诸如疑似异常的诊断结果信息显示在第二部分30的下部。
在图4中，类信息和诊断结果信息显示在不同边框上。在这个示例中，显示在第二区域30的底部部分上的诊断结果与“疑似异常”相应。类信息包括显示在诊断结果上方的基于BI-RADS而确定的类级别。然而，在另一个示例中，类信息和诊断结果信息可同时显示在同一边框上。
通过界面10，用户能够修改显示在界面10的第二区域30上的特征信息、类信息和诊断结果信息中的至少一个。在用户选择显示在界面10的第二区域30上的特征类别之一以修改相应特征的情况下，可将与选择的特征类别相应的特征之中的至少一些特征提供给用户。
参照图4，响应于用户选择特征类别，处理单元120可基于与该特征类别相应的特征之间的优先级来确定将显示的具有头三个最高优先级的特征。在图4中，用户选择与“形状”相应的特征类别，处理单元120确定具有头三个最高优先级的特征，这些特征恰好是基于与该特征类别相应的特征之间的优先级的“不规则的”、“圆形的”和“椭圆的”。接着，界面单元130在界面10的预定区域的上部部分fi中显示选择的特征类别，诸如“形状”，并且在界面10的预定区域的下部部分fv上基于这三个特征之间的优先级顺序地显示这三个特征。此时，界面单元130可在选择的特征类别周围的弹出窗口上显示这些特征。
如果用户通过从显示在界面10中的特征之中选择特征来修改特征，则处理单元120可接收选择的特征，并将所接收的特征存储为最终诊断结果。
图5是示出诊断方法的示例的流程图。该方法可通过执行计算机辅助诊断（CAD）并将其结果与各个候选病变区域一起输出给用户来便利于进行最终诊断。参照图5，还描述使用设备100的方法。
在310中，设备100通过分析医学图像来检测病变区域。在这个示例中，病变区域是指医学图像中所描绘的疑似异常的身体部分。例如，医学图像可描绘疑似异常的组织或细胞群。
一旦使用各种病变区域检测算法从医学图像检测到原始病变区域，就可在320中通过对检测到的原始病变区域执行分割来从检测到的病变区域产生候选病变区域群组。
响应于候选病变区域群组的产生，可针对每个候选病变区域产生包括特征信息、类信息和诊断结果信息的详细分析信息。例如，可通过使用各种分析算法对关于每个候选病变区域的特征信息进行分析来产生类信息和诊断结果信息。
一旦产生了候选病变区域群组，就在330中从候选病变区域群组选择一个或多个候选病变区域。例如，从将显示在界面10上的候选病变区域群组选择一个或多个候选病变区域。图2中示出了这样的界面10的示例。基于与候选病变区域群组相关的优先级来执行对在候选病变区域中显示哪些候选病变区域的选择。可根据预定标准来确定优先级。例如，预定标准可以是用户从候选病变区域群组选择候选病变区域的概率。
接着，在340中，可根据预定标准将一个或多个选择的候选病变区域和关于所述一个或多个选择的候选病变区域中的每个的简要分析信息布置在界面中。在这个示例中，简要分析信息可包括针对所述一个或多个选择的候选病变区域中的每个而产生的详细分析信息之中的特征信息、类信息和诊断结果信息中的至少一个。预定标准可包括以下项中的至少一个：针对所述一个或多个候选病变区域计算的优先级信息、关于所述一个或多个候选病变区域中的每个的类信息、以及优先级信息和类信息的组合。
如以上参照图2和图4所描述的，可基于一个或多个候选病变区域21之间的优先级将具有最高优先级的候选病变区域布置在第一区域20的中心处。可通过按优先级的降序次序在左侧与右侧之间交替，来将其他候选病变区域21布置在显示在中心的候选病变区域的左侧或右侧。在另一个示例中，基于优先级，可在第一区域20上显示具有不同尺寸的一个或多个候选病变区域21，或者可使用不同尺寸的边框来在第一区域20中显示一个或多个候选病变区域。在另一个示例中，可将一种或多种不同颜色用于一个或多个候选病变区域21的边界或将显示一个或多个候选病变区域21及其简要分析信息的边框。
在另一个示例中，可基于候选病变区域的类信息将一个或多个候选病变区域21布置在第一区域20中。在又一个示例中，基于类级别，一种或多种不同颜色可用于一个或多个候选病变区域21的边界或其中将显示一个或多个候选病变区域21及其简要分析信息的边框。
接着，如图4所示，在用户选择显示在第一区域20上的候选病变区域21之一的情况下，在350中，可在界面的第二区域30上显示关于用户选择的候选病变区域21的详细分析信息。包含在显示在第二区域30上的详细分析信息中的特征信息可包括至少一些特征类别。将显示的特征类别选自一个或多个特征类别，基于根据预定标准而计算的优先级针对选择的候选病变区域21提取所述一个或多个特征类别。特征信息还可包括与将显示的每个特征类别相应的至少一个特征。
在用户选择显示在第二区域30上的特征类别之一进行修改的情况下，在360中，可将与选择的特征类别相应的特征中的至少一些特征提供给用户。如参照图4所描述的，在用户选择被置于显示在第二区域30上的其他特征顶部上的诸如“形状”的特征来进行修改的情况下，提供给用户的特征（即，具有头三个最高优先级的特征）被选择并且显示在界面10的预定区域fv中的弹出窗口上。
在用户选择显示在界面10中的特征之一作为请求修改的方式的情况下，选择的特征被接收并且被存储为最终诊断结果。
以上描述了设备和方法的各种示例。在示例中，所述设备可支持计算机辅助诊断。所述设备可包括分析单元，该分析单元被构造为通过分析医学图像来检测原始病变区域，并相对于检测到的原始病变区域产生候选病变区域群组。所述设备可包括界面单元，该界面单元被构造为根据预定标准将从候选病变区域群组之中选择的一个或多个候选病变区域以及关于所述一个或多个选择的候选病变区域中的每个的简要分析信息布置在界面的第一区域中。预定标准可包括以下项中的至少一个：关于所述一个或多个选择的候选病变区域中的每个的优先级信息和类信息、以及优先级信息和类信息的组合。
界面单元可将具有较高优先级的候选病变区域布置为与具有较低优先级的另一候选病变区域相比更靠近界面的第一区域的中心。界面单元可基于优先级信息在第一区域以不同尺寸布置候选病变区域。界面单元可基于候选病变区域的类信息将这些候选病变区域布置在第一区域中。界面单元可基于候选病变区域的类信息在第一区域中以不同颜色的边界或边框布置所述一个或多个选择的候选病变区域。
所述设备还可包括处理单元，该处理单元被构造为根据预定标准计算与候选病变区域群组相关的优先级，并基于这些优先级从候选病变区域群组之中选择一个或多个候选病变区域。预定标准可以是用户从候选病变区域群组之中选择候选病变区域的概率。
响应于用户选择布置在第一区域中的候选病变区域之一，界面单元可在界面的第二区域中显示关于选择的候选病变区域的详细分析信息。详细分析信息可包括特征信息、类信息和诊断结果信息中的至少一个，特征信息包括一个或多个特征类别和与所述一个或多个特征类别中的每个相应的一个或多个特征。界面单元可在第二区域中显示基于与选择的候选病变区域相关的特征类别之间的优先级而选择的至少一些特征类别、以及基于与所述至少一些特征类别中的每个相应的特征之间的优先级而选择的至少一个特征。在用户选择显示在第二区域上的至少一些特征类别之一的情况下，界面单元可显示基于与选择的特征类别相应的特征之间的优先级而选择的至少一些特征。
在另一个示例中，描述了一种诊断方法。该方法可支持计算机辅助诊断。该方法可包含：通过分析医学图像来检测原始病变区域；相对于检测到的原始病变区域产生候选病变区域群组；并且根据预定标准将从候选病变区域群组之中选择的一个或多个候选病变区域以及关于所述一个或多个选择病变区域中的每个的简要分析信息布置在界面的第一区域中。预定标准可包括以下项中的至少一个：关于所述一个或多个选择的候选病变区域的优先级信息和类信息、以及优先级信息和类信息的组合。
布置所述一个或多个选择的候选病变区域的步骤可包括将具有较高优先级的候选病变区域布置为与具有较低优先级的另一候选病变区域相比更靠近第一区域的中心。将所述一个或多个选择的候选病变区域布置在第一区域中的步骤可包括基于所述一个或多个选择的候选病变区域之间的优先级信息在第一区域中布置不同尺寸的所述一个或多个候选病变区域。将所述一个或多个选择的候选病变区域布置在第一区域中的步骤可包括基于所述一个或多个选择的候选病变区域的类信息将所述一个或多个选择的候选病变区域布置在第一区域中。将所述一个或多个选择的候选病变区域布置在第一区域中的步骤可包括根据所述一个或多个选择的候选病变区域的类级别在第一区域中以不同颜色的边界或边框布置所述一个或多个选择的候选病变区域。
该方法还可包括计算与候选病变区域群组相关的优先级并根据预定标准从候选病变区域群组之中选择一个或多个候选病变区域。预定标准可以是用户从候选病变区域群组之中选择候选病变区域的概率。该方法还可包括：如果用户选择布置在第一区域中的一个或多个选择的候选病变区域之一，则在界面的第二区域中显示关于选择的候选病变区域的详细分析信息。详细分析信息可包括特征信息、类信息和诊断结果信息中的至少一个，特征信息包括一个或多个特征类别以及与所述一个或多个特征类别中的每个相应的一个或多个特征。
在第二区域中显示详细分析信息的步骤可包括显示基于与选择的候选病变区域相关的一个或多个特征类别之间的优先级而选择的至少一些特征类别、以及基于与所述至少一些特征类别中的每个相应的特征之间的优先级而选择的至少一个特征。该方法还可包括：响应于用户选择显示在第二区域上的至少一些特征类别之一，显示基于与选择特征类别相应的特征之间的优先级而选择的至少一些特征。
上述方法和单元的各种示例可部分地用计算机可读代码来实现。计算机可读代码可被存储在非暂时性计算机可读记录介质中。计算机可读记录介质包括存储计算机系统可读数据的所有类型的记录装置。
非暂时性计算机可读记录介质的示例包括只读存储器（ROM）、随机存取存储器（RAM）、CD-ROM、磁带、软盘、闪存和光学数据存储装置，并且计算机可读记录介质可以以载波（例如，通过互联网的传输）的形式实现。另外，计算机可读记录介质分布在通过网络连接的计算机系统中，以使得计算机可读代码以分布方式被存储和执行。
如上所述的各种单元可使用硬件组件和软件组件来实现。例如，这些单元可包括处理装置、显示单元、触摸屏、微处理器、存储器、数据存储单元、无线电信号发射器、互联网服务器等。处理装置可使用一个或多个通用或专用计算机（诸如，举例来说，处理器、控制器和算术逻辑单元）、数字信号处理器、微计算机、现场可编程阵列、可编程逻辑单元、微处理器或能够以限定的方式对指令做出响应并执行这些指令的任何其他装置来实现。处理装置可在操作系统（OS）以及在OS上运行的一个或多个软件应用程序上运行。处理装置还可响应于软件的执行来访问、存储、操纵、处理和创建数据。为了简化的目的，处理单元的描述用作单数；然而，本领域技术人员将意识到，处理装置可包括多个处理元件和多种类型的处理元件。例如，处理装置可包括多个处理器或处理器和控制器，并且处理器可在两个或更多个单元之间共享。
软件可包括用于独立地或共同地指示或配置处理装置如所期望的那样操作的计算机程序、代码段、指令或它们的某种组合。用于实现在此公开的示例的程序、代码和代码段可被这些示例所属领域的熟练程序员基于并使用附图中的流程图和框图以及如以上所提供的它们的相应描述来容易地实现。
以上描述了一些示例。然而，应当理解可进行各种修改。例如，如果按不同的次序执行所描述的技术，和/或如果按不同方式组合所描述的系统、架构、装置或电路中的组件和/或用其他组件或者其等同物取代或补充这些组件，则可实现合适的结果。因此，其他实现在权利要求的范围内。

Claims (26)

1.一种设备，包括：
分析单元，被构造为检测病变区域，并针对检测到的病变区域产生候选病变区域群组；和
界面单元，被构造为将从候选病变区域群组之中选择的一个或多个候选病变区域与关于所述一个或多个选择的候选病变区域中的每个的信息布置在界面的第一区域中。
2.根据权利要求1所述的设备，其中，界面单元被构造为基于优先级信息、类信息或优先级信息和类信息的组合来布置所述一个或多个选择的候选病变区域。
3.根据权利要求2所述的设备，其中，界面单元被构造为将具有较高优先级的候选病变区域布置为与具有较低优先级的另一个候选病变区域相比更靠近界面的第一区域的中心。
4.根据权利要求2所述的设备，其中，界面单元被构造为基于优先级信息在第一区域以不同尺寸显示所述一个或多个选择的候选病变区域。
5.根据权利要求2所述的设备，其中，界面单元被构造为基于类信息将所述一个或多个选择的候选病变区域布置在第一区域中。
6.根据权利要求2所述的设备，其中，界面单元被构造为基于类信息在第一区域中以不同颜色的边界或边框显示所述一个或多个选择的候选病变区域。
7.根据权利要求1所述的设备，还包括：
处理单元，被构造为计算候选病变区域群组中的每个候选病变区域的优先级，并基于优先级从候选病变区域群组选择将被布置的一个或多个候选病变区域。
8.根据权利要求7所述的设备，其中，处理单元被构造为基于用户从候选病变区域群组之中选择候选病变区域的概率来计算优先级。
9.根据权利要求1所述的设备，其中，界面单元被构造为：响应于用户选择布置在第一区域中的候选病变区域之一，在界面的第二区域中显示关于选择的候选病变区域的详细信息。
10.根据权利要求9所述的设备，其中，详细信息包括特征信息、类信息、诊断结果信息或它们的组合。
11.根据权利要求10所述的设备，其中，界面单元被构造为在第二区域中显示基于与选择的候选病变区域相关的特征类别之间的优先级而选择的一个或多个特征类别、以及基于与所述一个或多个特征类别中的每个相应的特征之间的优先级而选择的一个或多个特征。
12.根据权利要求11所述的设备，其中，界面单元被构造为：响应于用户选择显示在第二区域上的所述一个或多个特征类别之一，显示基于与选择的特征类别相应的特征之间的优先级而选择的一个或多个特征。
13.根据权利要求1所述的设备，其中，分析单元被构造为通过分析医学图像来检测病变区域并通过对检测到的病变区域执行分割来产生候选病变区域群组，并且所述界面显示在显示单元上。
14.一种方法，包括：
检测病变区域；
针对检测到的病变区域产生候选病变区域群组；和
将从候选病变区域群组之中选择的一个或多个候选病变区域和关于所述一个或多个选择的候选病变区域中的每个的信息布置在界面的第一区域中。
15.根据权利要求14所述的方法，其中，布置所述一个或多个选择的候选区域的步骤包括：基于优先级信息、类信息或优先级信息和类信息的组合来布置所述一个或多个选择的候选区域。
16.根据权利要求15所述的方法，其中，布置所述一个或多个选择的候选病变区域的步骤包括：将具有较高优先级的候选病变区域布置为与具有较低优先级的另一个候选病变区域相比更靠近界面的第一区域的中心。
17.根据权利要求15所述的方法，其中，将所述一个或多个选择的候选病变区域布置在第一区域中的步骤包括：基于所述一个或多个选择的候选病变区域之间的优先级信息在第一区域中以不同尺寸布置所述一个或多个候选病变区域。
18.根据权利要求15所述的方法，其中，将所述一个或多个选择的候选病变区域布置在第一区域中的步骤包括：基于类信息在第一区域中布置所述一个或多个选择的候选病变区域的位置。
19.根据权利要求15所述的方法，其中，将所述一个或多个选择的候选病变区域布置在第一区域中的步骤包括：基于类信息在第一区域中以不同颜色的边界或边框布置所述一个或多个选择的候选病变区域。
20.根据权利要求14所述的方法，还包括：
计算与候选病变区域群组中的每个候选病变区域相关的优先级，并根据计算的优先级从候选病变区域群组之中选择将被布置的一个或多个候选病变区域。
21.根据权利要求20所述的方法，其中，计算优先级的步骤包括：确定用户从候选病变区域群组之中选择候选病变区域的概率。
22.根据权利要求14所述的方法，还包括：
响应于用户选择布置在第一区域中的所述一个或多个选择的候选病变区域之一，在界面的第二区域中显示关于选择的候选病变区域的详细信息。
23.根据权利要求22所述的方法，其中，详细信息包括特征信息、类信息、诊断结果信息或它们的组合。
24.根据权利要求23所述的方法，其中，在第二区域中显示详细信息的步骤包括：显示基于与选择的候选病变区域相关的所述一个或多个特征类别之间的优先级而选择的一个或多个特征类别、以及基于与所述一个或多个特征类别中的每个相应的特征之间的优先级而选择的一个或多个特征。
25.根据权利要求24所述的方法，还包括：
响应于用户选择显示在第二区域上的所述一个或多个特征类别之一，显示基于与选择的特征类别相应的特征之间的优先级而选择的一个或多个特征。
26.根据权利要求14所述的方法，其中，检测病变区域的步骤包括分析医学图像；产生候选病变区域群组的步骤包括对检测到的病变区域执行分割；布置所述一个或多个候选病变区域的步骤包括将所述一个或多个选择的候选病变区域布置在显示在显示单元上的所述界面中。
CN201310574527.0A 2012-11-16 2013-11-15 诊断设备和用于操作该诊断设备的方法 Active CN103823962B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910769112.6A CN110473628A (zh) 2012-11-16 2013-11-15 设备及在设备中进行显示的方法

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
KR1020120130480A KR102043133B1 (ko) 2012-11-16 2012-11-16 컴퓨터 보조 진단 지원 장치 및 방법
KR10-2012-0130480 2012-11-16

Related Child Applications (1)

Application Number Title Priority Date Filing Date
CN201910769112.6A Division CN110473628A (zh) 2012-11-16 2013-11-15 设备及在设备中进行显示的方法

Publications (2)

Publication Number Publication Date
CN103823962A true CN103823962A (zh) 2014-05-28
CN103823962B CN103823962B (zh) 2019-09-13

Family

ID=49724446

Family Applications (2)

Application Number Title Priority Date Filing Date
CN201310574527.0A Active CN103823962B (zh) 2012-11-16 2013-11-15 诊断设备和用于操作该诊断设备的方法
CN201910769112.6A Pending CN110473628A (zh) 2012-11-16 2013-11-15 设备及在设备中进行显示的方法

Family Applications After (1)

Application Number Title Priority Date Filing Date
CN201910769112.6A Pending CN110473628A (zh) 2012-11-16 2013-11-15 设备及在设备中进行显示的方法

Country Status (5)

Country Link
US (2) US9684769B2 (zh)
EP (1) EP2733669B2 (zh)
JP (1) JP2014100569A (zh)
KR (1) KR102043133B1 (zh)
CN (2) CN103823962B (zh)

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106794011A (zh) * 2014-08-23 2017-05-31 直观外科手术操作公司 用于在图像引导程序中显示病理数据的系统和方法
CN107887011A (zh) * 2016-09-29 2018-04-06 西门子保健有限责任公司 显示医疗诊断数据和/或其信息的方法和医疗诊断设备
CN110868907A (zh) * 2017-04-28 2020-03-06 奥林巴斯株式会社 内窥镜诊断辅助系统、内窥镜诊断辅助程序和内窥镜诊断辅助方法
CN112437948A (zh) * 2018-07-31 2021-03-02 奥林巴斯株式会社 图像诊断支援系统及图像诊断支援装置
CN113645905A (zh) * 2019-03-12 2021-11-12 三星麦迪森株式会社 用于显示超声图像的方法、超声诊断装置和计算机程序产品

Families Citing this family (21)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP6106259B2 (ja) * 2012-03-21 2017-03-29 コーニンクレッカ フィリップス エヌ ヴェＫｏｎｉｎｋｌｉｊｋｅ Ｐｈｉｌｉｐｓ Ｎ．Ｖ． 医用イメージングと生検データとを統合する臨床ワークステーション及びこれを使用する方法
CN104754277B (zh) * 2013-12-27 2018-04-27 联想(北京)有限公司 信息处理设备及信息处理方法
EP3225170B1 (en) * 2014-12-01 2019-09-18 National Institute of Advanced Industrial Science and Technology Ultrasound examination system and ultrasound examination method
KR102307356B1 (ko) * 2014-12-11 2021-09-30 삼성전자주식회사 컴퓨터 보조 진단 장치 및 방법
JP6532287B2 (ja) * 2015-05-14 2019-06-19 キヤノン株式会社 医療診断支援装置、情報処理方法及びプログラム
JP6513209B2 (ja) 2015-09-28 2019-05-15 富士フイルム株式会社 内視鏡システム及び内視鏡システムの作動方法
US20170168653A1 (en) * 2015-12-10 2017-06-15 Sap Se Context-driven, proactive adaptation of user interfaces with rules
JP7134704B2 (ja) * 2017-06-01 2022-09-12 キヤノン株式会社 画像処理装置、画像処理方法、及びプログラム
EP3701852B1 (en) * 2017-10-26 2023-05-10 FUJIFILM Corporation Medical image processing device
KR101887194B1 (ko) * 2018-06-20 2018-08-10 주식회사 뷰노 피검체의 의료 영상의 판독을 지원하는 방법 및 이를 이용한 장치
KR101874348B1 (ko) * 2017-11-21 2018-07-09 주식회사 뷰노 피검체의 흉부 pa 영상의 판독을 지원하는 방법 및 이를 이용한 장치
KR102243830B1 (ko) * 2018-02-22 2021-04-23 고려대학교 산학협력단 통합 의료 진단 서비스 제공 시스템 및 그 방법
KR101925603B1 (ko) * 2018-06-26 2019-02-26 주식회사 뷰노 병리 영상의 판독을 보조하는 방법 및 이를 이용한 장치
JP7109345B2 (ja) * 2018-11-20 2022-07-29 富士フイルム株式会社 優先度判定装置、方法およびプログラム
JP7159025B2 (ja) * 2018-11-30 2022-10-24 富士フイルムヘルスケア株式会社 診断装置及び診断方法
JP7204781B2 (ja) * 2018-12-18 2023-01-16 富士フイルム株式会社 画像処理装置、方法及びプログラム
US11893732B2 (en) * 2019-05-29 2024-02-06 Leica Biosystems Imaging, Inc. Computer supported review of tumors in histology images and post operative tumor margin assessment
KR20210093049A (ko) * 2020-01-17 2021-07-27 삼성메디슨 주식회사 초음파 진단 장치 및 그 동작방법
US11893745B2 (en) * 2020-12-09 2024-02-06 Raytheon Company System and method for generating and displaying contours
JPWO2022215530A1 (zh) * 2021-04-07 2022-10-13
KR102370167B1 (ko) * 2021-10-25 2022-03-04 주식회사 파인트리시스템 인공지능 기반 초음파 병변 진단 보조시스템

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20020131625A1 (en) * 1999-08-09 2002-09-19 Vining David J. Image reporting method and system
CN1650312A (zh) * 2002-04-23 2005-08-03 德尔格医疗系统有限公司 患者医疗参数趋势指示用户界面显示系统
CN1959687A (zh) * 2005-11-01 2007-05-09 深圳迈瑞生物医疗电子股份有限公司 设置过程中的参数显示方法
CN101061513A (zh) * 2004-11-22 2007-10-24 伊斯曼柯达公司 超声图像中病变的检测和分类
CN101076724A (zh) * 2004-04-14 2007-11-21 美国医软科技公司 肝病诊断系统，方法和图形用户界面
US20090222286A1 (en) * 2005-12-08 2009-09-03 Koninklijke Philips Electronics, N.V. Event-marked, bar-configured timeline display for graphical user interface displaying patien'ts medical history
US20100021031A1 (en) * 2005-04-08 2010-01-28 361º Systems, Inc. Method of Selecting and Visualizing Findings Within Medical Images
US20110273589A1 (en) * 2010-01-04 2011-11-10 Nikon Corporation Image processing apparatus and image processing program

Family Cites Families (34)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5779634A (en) 1991-05-10 1998-07-14 Kabushiki Kaisha Toshiba Medical information processing system for supporting diagnosis
JP3263111B2 (ja) 1992-01-29 2002-03-04 株式会社東芝 画像保管通信システム及びその端末装置
DE69629732T2 (de) 1995-01-23 2004-07-15 Fuji Photo Film Co., Ltd., Minami-Ashigara Vorrichtung zur rechnerunterstützten Diagnose
US5986662A (en) * 1996-10-16 1999-11-16 Vital Images, Inc. Advanced diagnostic viewer employing automated protocol selection for volume-rendered imaging
US5987345A (en) * 1996-11-29 1999-11-16 Arch Development Corporation Method and system for displaying medical images
US7308126B2 (en) 1997-08-28 2007-12-11 Icad, Inc. Use of computer-aided detection system outputs in clinical practice
US6901156B2 (en) * 2000-02-04 2005-05-31 Arch Development Corporation Method, system and computer readable medium for an intelligent search workstation for computer assisted interpretation of medical images
JP2002028154A (ja) 2000-07-18 2002-01-29 Fuji Photo Film Co Ltd 画像表示方法、画像表示システムおよび異常陰影候補検出システム
US7072501B2 (en) * 2000-11-22 2006-07-04 R2 Technology, Inc. Graphical user interface for display of anatomical information
US6873717B2 (en) * 2002-07-09 2005-03-29 Riverain Medical Group, Llc Input/output interface for computer aided diagnosis (CAD) system
CN1685354A (zh) * 2002-09-24 2005-10-19 伊斯曼柯达公司 用于计算机辅助检测提示阅读医疗图像的方法和系统
US7418119B2 (en) * 2002-10-31 2008-08-26 Siemens Computer Aided Diagnosis Ltd. Display for computer-aided evaluation of medical images and for establishing clinical recommendation therefrom
US7660448B2 (en) * 2003-11-26 2010-02-09 Icad, Inc. Automated lesion characterization
US8442280B2 (en) 2004-01-21 2013-05-14 Edda Technology, Inc. Method and system for intelligent qualitative and quantitative analysis of digital radiography softcopy reading
JP4629415B2 (ja) 2004-11-26 2011-02-09 株式会社日立メディコ 画像表示システム、画像表示方法及び画像表示プログラム
US7525554B2 (en) * 2005-01-03 2009-04-28 General Electric Company Content based hanging protocols facilitated by rules based system
AU2006254689B2 (en) * 2005-06-02 2012-03-08 Salient Imaging, Inc. System and method of computer-aided detection
US7809175B2 (en) * 2005-07-01 2010-10-05 Hologic, Inc. Displaying and navigating computer-aided detection results on a review workstation
US20070063998A1 (en) * 2005-09-21 2007-03-22 General Electric Company Self-learning adaptive PACS workstation system and method
US8014576B2 (en) * 2005-11-23 2011-09-06 The Medipattern Corporation Method and system of computer-aided quantitative and qualitative analysis of medical images
JP2007287018A (ja) 2006-04-19 2007-11-01 Fujifilm Corp 診断支援システム
TW200817956A (en) 2006-06-16 2008-04-16 Koninkl Philips Electronics Nv Clinician-driven example-based computer-aided diagnosis
JP5098253B2 (ja) 2006-08-25 2012-12-12 コニカミノルタエムジー株式会社 データベースシステム、プログラム、及びレポート検索方法
US8073214B2 (en) * 2007-05-14 2011-12-06 Siemens Aktiengesellschaft Computer aided lesion assessment in dynamic contrast enhanced breast MRI images
US8189880B2 (en) * 2007-05-29 2012-05-29 Microsoft Corporation Interactive photo annotation based on face clustering
KR101015369B1 (ko) 2007-07-23 2011-02-22 고려대학교 산학협력단 영상분석을 이용한 악성흑색종 진단 시스템
US8480583B2 (en) * 2007-10-16 2013-07-09 General Electric Company Methods and apparatus for 4D data acquisition and analysis in an ultrasound protocol examination
US20090309874A1 (en) * 2008-06-11 2009-12-17 Siemens Medical Solutions Usa, Inc. Method for Display of Pre-Rendered Computer Aided Diagnosis Results
US20090327890A1 (en) * 2008-06-26 2009-12-31 Raytheon Company Graphical user interface (gui), display module and methods for displaying and comparing skin features
KR100996050B1 (ko) 2008-11-07 2010-11-22 주식회사 인트로메딕 캡슐 내시경 영상을 이용한 Ｕ－Ｈｅａｌｔｈ 기반의 자동병변 검출 시스템
US8799013B2 (en) * 2009-11-24 2014-08-05 Penrad Technologies, Inc. Mammography information system
JP5421756B2 (ja) * 2009-12-11 2014-02-19 富士フイルム株式会社 画像表示装置および方法並びにプログラム
KR20120072961A (ko) * 2010-12-24 2012-07-04 삼성전자주식회사 의료 영상을 이용한 영상진단을 보조하는 방법 및 장치, 이를 수행하는 영상진단 시스템
EP2601880B1 (en) * 2011-03-30 2014-09-03 Olympus Medical Systems Corp. Image management apparatus, operating method of the same, image management program and capsule endoscope system

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20020131625A1 (en) * 1999-08-09 2002-09-19 Vining David J. Image reporting method and system
CN1650312A (zh) * 2002-04-23 2005-08-03 德尔格医疗系统有限公司 患者医疗参数趋势指示用户界面显示系统
CN101076724A (zh) * 2004-04-14 2007-11-21 美国医软科技公司 肝病诊断系统，方法和图形用户界面
CN101061513A (zh) * 2004-11-22 2007-10-24 伊斯曼柯达公司 超声图像中病变的检测和分类
US20100021031A1 (en) * 2005-04-08 2010-01-28 361º Systems, Inc. Method of Selecting and Visualizing Findings Within Medical Images
CN1959687A (zh) * 2005-11-01 2007-05-09 深圳迈瑞生物医疗电子股份有限公司 设置过程中的参数显示方法
US20090222286A1 (en) * 2005-12-08 2009-09-03 Koninklijke Philips Electronics, N.V. Event-marked, bar-configured timeline display for graphical user interface displaying patien'ts medical history
US20110273589A1 (en) * 2010-01-04 2011-11-10 Nikon Corporation Image processing apparatus and image processing program

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106794011A (zh) * 2014-08-23 2017-05-31 直观外科手术操作公司 用于在图像引导程序中显示病理数据的系统和方法
CN106794011B (zh) * 2014-08-23 2020-11-27 直观外科手术操作公司 用于在图像引导程序中显示病理数据的系统和方法
CN107887011A (zh) * 2016-09-29 2018-04-06 西门子保健有限责任公司 显示医疗诊断数据和/或其信息的方法和医疗诊断设备
CN107887011B (zh) * 2016-09-29 2022-01-28 西门子保健有限责任公司 显示医疗诊断数据和/或其信息的方法和医疗诊断设备
CN110868907A (zh) * 2017-04-28 2020-03-06 奥林巴斯株式会社 内窥镜诊断辅助系统、内窥镜诊断辅助程序和内窥镜诊断辅助方法
CN112437948A (zh) * 2018-07-31 2021-03-02 奥林巴斯株式会社 图像诊断支援系统及图像诊断支援装置
CN113645905A (zh) * 2019-03-12 2021-11-12 三星麦迪森株式会社 用于显示超声图像的方法、超声诊断装置和计算机程序产品

Also Published As

Publication number Publication date
KR20140065594A (ko) 2014-05-30
EP2733669A2 (en) 2014-05-21
CN103823962B (zh) 2019-09-13
US9684769B2 (en) 2017-06-20
JP2014100569A (ja) 2014-06-05
KR102043133B1 (ko) 2019-11-12
US20170262600A1 (en) 2017-09-14
EP2733669B2 (en) 2022-05-04
EP2733669B1 (en) 2019-04-17
US20140140593A1 (en) 2014-05-22
CN110473628A (zh) 2019-11-19
US10185808B2 (en) 2019-01-22
EP2733669A3 (en) 2017-04-26

Similar Documents

Publication Publication Date Title
CN103823962A (zh) 诊断设备和方法
EP3662444B1 (en) Systems and methods for automatic vertebrae segmentation and identification in medical images
Gandomkar et al. Visual search in breast imaging
Bernhardt et al. Cortical thickness analysis in temporal lobe epilepsy: reproducibility and relation to outcome
US20140101080A1 (en) Apparatus and method of diagnosis using diagnostic models
US11195610B2 (en) Priority alerts based on medical information
CN104584069B (zh) 信息处理装置、信息处理方法以及程序
US20140122515A1 (en) Apparatus and method for aiding diagnosis
US20070064982A1 (en) Clinical review and analysis work flow for lung nodule assessment
CN105378793A (zh) 用于在对象可能受医学状况影响时进行鉴别的系统、方法和计算机可读介质
CN103823918A (zh) 计算机辅助诊断方法和设备
WO2019232027A1 (en) System and method for analyzing medical images to detect/classify medical conditions using machine-learning and case radiology atlas
US10394416B2 (en) User interface system and method for enabling mark-based interaction for images
Mall et al. Modeling visual search behavior of breast radiologists using a deep convolution neural network
CN111951274A (zh) 图像分割方法、系统、可读存储介质和设备
Sadek et al. Automatic discrimination of color retinal images using the bag of words approach
KR20230021665A (ko) 디지털 병리학에서 현저한 정보를 결정하기 위해 전자 이미지들을 처리하는 시스템들 및 방법들
CN112614573A (zh) 基于病理图像标注工具的深度学习模型训练方法及装置
CN111223556A (zh) 集成医学图像可视化和探索
Pan et al. Generative adversarial networks and radiomics supervision for lung lesion synthesis
Eckstein et al. Evaluation of search strategies for microcalcifications and masses in 3D images
Du-Crow Computer Aided Detection in Mammography
Jiang et al. Analyzing visual-search observers using eye-tracking data for digital breast tomosynthesis images
Venjakob et al. Image size influences visual search and perception of hemorrhages when reading cranial CT: an eye-tracking study
CN113633306B (zh) 图像处理方法及相关装置、电子设备和存储介质

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant