CN104205166A - 用于在乳腺的放射图像中限定感兴趣区域的方法 - Google Patents

用于在乳腺的放射图像中限定感兴趣区域的方法 Download PDF

Info

Publication number
CN104205166A
CN104205166A CN201380009368.8A CN201380009368A CN104205166A CN 104205166 A CN104205166 A CN 104205166A CN 201380009368 A CN201380009368 A CN 201380009368A CN 104205166 A CN104205166 A CN 104205166A
Authority
CN
China
Prior art keywords
point
mammary gland
image
interest
area
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
CN201380009368.8A
Other languages
English (en)
Other versions
CN104205166B (zh
Inventor
G.贝希伊斯
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.)
Agfa Co ltd
Original Assignee
Agfa HealthCare 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 Agfa HealthCare NV filed Critical Agfa HealthCare NV
Publication of CN104205166A publication Critical patent/CN104205166A/zh
Application granted granted Critical
Publication of CN104205166B publication Critical patent/CN104205166B/zh
Expired - Fee Related legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00Image analysis
    • G06T7/10Segmentation; Edge detection
    • G06T7/12Edge-based segmentation
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00Indexing scheme for image analysis or image enhancement
    • G06T2207/30Subject of image; Context of image processing
    • G06T2207/30004Biomedical image processing
    • G06T2207/30068Mammography; Breast

Abstract

用于基于应用到放射图像中确定的皮肤线估计的形状分析的结果而在乳腺的放射图像中限定感兴趣区域的方法。

Description

用于在乳腺的放射图像中限定感兴趣区域的方法
技术领域
本发明涉及检测乳腺图像中感兴趣区域的方法。
背景技术
放射线学者检查乳腺X线图像以诊断乳腺各种异常。该图像现今在诸如计算机工作站的显示屏的显示装置上被检查。
放射线学者迅速地分析乳腺的乳腺X线图像并且产生他的诊断的报告的能力对于乳腺X线显示系统是根本的。
在计算机屏幕上检查乳腺X线图像时,医师典型地仅期望看着乳腺区域而不是任何一个背景。
为了以乳腺图像填充显示装置的观测区,放射线学者使用显示装置的缩放和摇摄功能性。通常用户交互由放大操作和摇摄操作组成或由在将鼠标定位在用户想要聚焦的部分上之后执行的放大操作组成。这些操作需要人工交互并且因而是耗时的。
由于放射线学者仅对乳腺区域感兴趣,能够提取这乳腺区域并且以最优比例显示它是非常期望的。这将帮助放射线学者聚焦于诊断上最相关部分而不需要执行诸如反复缩放和摇摄的大量人工操作。
针对各种模式(modality)和供应商(vendor)将乳腺图像分割为包括乳腺区域和直接曝光区域的多个区域被证明是非常困难的。对分割算法的调整是不充分的。
US2011/0216949 公开了一种用于在图像内限定乳腺视窗的计算机实现的方法。该方法开始针对乳腺图像的中央区域并且从这中央区域向外搜寻乳腺边界。乳腺边界上的点用于限定乳腺视窗的边缘。在已限定乳腺视窗之后,该乳腺视窗被最优地缩放,例如缩放到原始图像比例。以这种方式,能够更准确地检查原始图像的较好的细节。在这专利申请中描述的实现方式是相当复杂的。
US7,885,443公开了一种用于乳腺图像的时间比较的方法。乳腺图像以每单位距离的相同组织距离在相同乳腺X线显示器上显示,而不需要比例调整的观察者输入。
本发明的一个方面是提供一种在乳腺X线图像中确定感兴趣区域以使能所述感兴趣区域的最优显示的方法。
发明内容
上述方面通过权利要求1中阐述的方法实现。针对本发明优选实施例的特定特征在从属权利要求中阐述。
在本发明的上下文中,术语‘乳腺X线图像’、‘乳房X线照片’或‘乳腺图像’指乳腺的放射图像。本发明中乳腺的放射图像以(数字式)信号表示的形式提供,其中信号值表示图像像素的灰度值。
此外在本申请的上下文中‘直接曝光区域’或‘背景区域’表示乳腺的放射图像的区域部分,在其中放射没有被乳腺所削弱并且已直接地撞击到用于记录乳腺的放射图像的放射检测器之上。
同样在本发明的上下文中,术语‘皮肤线估计’(也称为‘皮肤线’)定义为背景区域和乳腺X线图像的剩余部分之间的边缘。这皮肤线由下面描述的皮肤线提取算法所确定。所确定的皮肤线可包括乳腺边界的像素以及诸如胸腔像素、标记等不属于乳腺边界的像素。
存在若干类型的系统用于生成乳腺的放射图像。在这说明书中进一步描述这样的系统。
本发明的方法一般以在计算机上运行时适于执行本发明的方法步骤的计算机程序产品的形式实现。该计算机程序产品通常存储在计算机可读载体介质或装置中。备选地该计算机程序产品采取电信号的形式并且能够经由电子通信被传达给用户。示例为可由计算机读取或访问以用于在存储介质或装置由计算机读取来执行本文描述的过程时配置和操作计算机的、一个或多个磁碟、光盘、磁带、芯片、无线传输构件、因特网传输或下载构件等。
本发明进一步的优点和实施例将从以下描述及附图中变得明显。
附图说明
图1是乳腺X线系统的示例;
图2(a)是针对所有标准都有效的情况下星形背景搜素区域的例证性示例;
图2(b)是相同星形背景区域的例证性示例,其中亮度标准对12点钟和3点钟间的角度无效;
图3例示不同临床视图的分割:(a)RMLO,(b)LMLO,(c)RCC,(d)LCC;
图4(a)和(b)示出分割掩膜;
图4(c)和(d)示出将所有前景像素考虑在内的最优缩放的图像;
图4(e)和(f)示出将来自最大目标的所有前景像素考虑在内的最优缩放的图像;
图4(g)示出诊断上最优缩放的图像;
图5例示对选择乳腺区域的高性能选择方法的需要;
图6示出所提取的皮肤线的示例;
图7例示点的分类以确定乳腺区域;
图8例示延伸机制以从所确定的乳腺区域导出感兴趣区域。
具体实施方式
尽管本发明将结合其优选实施例在下文中进行描述,应理解其并非意在将本发明限定到那些实施例。
图1示出乳腺X线系统100的示例实施例。乳腺X线系统100可包含处理器102,处理器102可操作地耦合到存储器104。存储器104存储用于在存储于图像数据库122中的图像120上限定乳腺视窗的乳腺视窗模块110。
存储于图像数据库122中的图像120可包括乳腺X线图像。本领域技术人员将认识到存在不同类型的乳腺X线图像,诸如头尾位(CC)(其包含经由乳腺顶部拍摄的乳腺视图)和内外斜位(MLO)(其包含从胸腔中心到乳腺侧面拍摄的乳腺视图)。
可以设想各种系统用于获得乳腺的X光线照相图像的数字信号表示,这些系统诸如投影X光线照相图像获取系统、回波描记图像获取系统、层析系统、计层析成像系统等。
乳腺X线图像获取系统典型地包括放射敏感检测器(例如,X光线放射敏感),其存储受辐照乳腺的图像。适合的检测器的示例为X光线照相胶片、光可激发的荧光屏、直接X光线照相检测器等。乳腺图像的数字信号表示随后通过从检测器读出图像(例如,通过扫描胶片、刺激光可激发的荧光屏或读出直接数字式检测器)并最终将读出信号数字化而获得。乳腺X线图像的数字信号表示代表每一图像像素的灰度值。
图像数据库122存储乳腺图像120,并且可使用现有技术中已知的、任何数据库软件或持续性存储方法实现。例如,图像数据库122可使用具有适当定义的模式(schema)的Oracle®、Microsoft SQL Server®或IBM DB2®来实现以识别并且导航图像120。在例证性示例中,图像数据库122可为图像归档及通信系统(PACS)部署的一部分,诸如存在于医院中的那些。尽管图像数据库122例示为位于与乳腺X线系统100相同的存储器中,应理解图像数据库122可例如使用医学数字式成像及通信(DICOM)协议通过网络连接被远程存储和访问。在此情况下,还应理解乳腺视窗模块110的操作可以本地地在乳腺X线系统上执行,远程地在图像数据库122所处的系统上执行或在配置为访问图像数据库122和乳腺X线系统100的第三方系统上执行。
根据本发明,感兴趣区域(ROI)被识别。此感兴趣区域随后能够被显示得尽可能得大以使将由放射线学者执行的缩放交互的数量最小化。
感兴趣区域通过步骤(1) 依靠直接曝光估计技术来识别直接曝光区域(即在大体未削弱的放射撞击放射检测器处的图像区域)的边界以及步骤(2) 使用这边界来确定皮肤线估计(例如通过对其使用最小成本路径算法)来确定。这皮肤线估计随后须经形状分析过程来处理并且其凸起部分用于确定有关的感兴趣区域(ROI)。
在诸如在不同时间点拍摄的图像或乳腺的不同视图的若干乳腺图像被显示时,首先识别这些乳腺图像中所有有关的感兴趣区域。随后,调节显示参数以使得所有图像的所有有关感兴趣区域以与由IHE 乳腺X线图像集成模式(IHE Mammography Image Integration Profile)所描述的相同的物理比例显示。所有图像的最大ROI在给定显示装置的限制的情况下被显示得尽可能地大,并且相同的比例因子用于其他ROI的显示。该系统优选地实现以使得缩小操作显示完整图像。通过这种方式,放射线学者能够轻易地恢复没有显示比例调节的场景。
在显示通过本发明的算法找到的ROI时,需要许多光标运动的放大和摇摄操作不是必需的而是以缩小操作来代替以确信放射线学者已看见所有诊断上有关的像素。在正确设计时,缩小操作不要求任何额外的摇摄或鼠标定位。这增加了放射线学者的生产率。
本发明的方法的一个实施例的第一步骤为分割步骤,其应用到再现的乳腺图像的数字信号表示。在这分割步骤中,产生指示直接曝光或背景像素的掩膜。例如当从乳腺图像导出的梯度图像用于进一步分析时,这分割步骤也可被省略。
这掩膜在这实施例中以如下2个步骤构造:(1)初始的分类步骤以及(2)一系列背景掩膜(最优背景掩膜从其中选出)的生成步骤。最优背景掩膜由迭代过程产生,在迭代过程中分类规则在每一迭代步骤中被加强。
首先候选背景像素的初始掩膜基于再现的乳腺图像中的灰度像素值来进行计算。在这上下文中,术语‘再现(rendered)’指通过视窗/水平设定和向灰度值的转化而获得的图像信号。在所述例证性实施例中,图像的再现使用存在于与图像关联的DICOM标签中的默认的、最保守的、视窗/水平设定。阈值从图像的直方图中导出并且被选择以使得典型地所有背景像素与一些额外的非背景像素一起被选择。
从这初始背景掩膜开始,另外的背景掩膜的序列以所谓的第二阈值th的序列来生成。第二阈值的序列在此实施例中为针对搜寻区域内局部亮度差异性的初始灰度级亮度。
如图2所例示,搜寻区域在所述实施例中定义为星形,该星形限定许多(在这实施例中为8个)放射状的搜寻方向。
两个相继的掩膜之间的差异被计算并且被用作最适合的背景掩膜的选择标准。作为这选择标准的量度,该差异用于2个掩膜中的多个背景像素之间。最终背景掩膜为示出与分割掩膜的序列中下一掩膜间最小差异的掩膜。
可以设想选择标准和搜寻区域的备选形式(搜寻区的其他形式或图案)。
优选地对于指定的阈值th,序列中的每一图像对所有像素i使用下列分类规则来计算:
1.像素必须为初始背景掩膜中候选背景像素
2.在2个像素的距离处不存在不是初始背景像素的像素
3.沿着像素i的向外放射的8个搜寻方向其中之一越过一固定距离没有发现超出变化的阈值tvar的像素。tvar以像素i的亮度值初始化,该亮度值以针对序列中掩膜的指定阈值th来缩放。变化的阈值tvar以像素i处中心亮度值的分数来调节。tvar以其来调节的分数也可取决于调查中的像素的亮度值。例如,如果调查中的像素小于中心像素的亮度值,更新能够更小。
作为附加步骤,能够识别并且移除最优背景掩膜内的小或不规则的区域。
分割算法的一些结果在图3中示出。
本发明的方法的所述实施例的下一步骤为确定乳腺边界的步骤。
在先前小节中,已提出能够相当准确地确定背景像素的算法。图3中示出的掩膜的表示(presentation)意味着覆盖所有被标记为非背景或前景的像素的ROI的确定适于确定最优缩放因子。在这节中,示出一些示例来说明需要更先进的技术来确定最优缩放因子。
考虑识别临床视图的铅字(lead marker)的存在或一小部分腹部的存在。在图4a-b中例示一些示例。在使用所有前景像素时所产生的ROI在图4c-d中显示。很明显由于一些与乳腺无关的前景像素的存在,缩放因子不是最优的。对错误地确定的缩放因子的一种解决方案是仅考虑属于分割掩膜中最大对象的前景像素。这种策略在许多情况下将产生良好结果但当看图4a和e时,有可能图4g或许是优选的。
图5例示,由于分割算法可能增加一些不是乳腺组织的像素到来自分割掩膜的最大目标以及由于图像的一些诊断上有关的部分没有连接到乳腺,需要一种比分割掩膜中乳腺区域的简单选择更先进的选择机制。
皮肤线估计
为了解决在先前小节中识别的问题而不用修改分割算法,皮肤线估计被首先确定并用于确定乳腺轮廓。
皮肤线估计在所述实施例中依靠应用到限定直接曝光像素的所选最优掩膜的最小成本路径技术来识别。在所述实施例中,在直接曝光区域的边缘上的像素的成本被设置为低值,例如2,并且横越任何其他像素的成本被设置为高值,例如255。通过应用标准动态编程技术,能够找到从位于乳腺一侧的图像的底部到该图像的顶部的路径。提取的皮肤线的一些示例在图6中示出。
可以设想用于确定皮肤线估计的备选方法(诸如识别图像中最大对象的边缘点等)。
例如当最小成本路径分析应用到从乳腺的放射图像推导出的梯度图像时,上述分割算法可被省略。
已找到皮肤线后,通过对皮肤线采用形状分析过程将皮肤线的点标记为属于乳腺边界的点。在一个实施例中这形状分析过程通过计算作为凸度指标的量度以及相对于给定容差值来评估这量度而实现。该量度按如下方式计算和评估:
· 1. 从皮肤线点集中取出一个点;
· 2. 还在皮肤线点集中取出位于固定量位置的第二点;
· 3. 以直线连接这2个点;
· 4. 计算皮肤线上所有中间点与这直线间的带符号距离;
· 5. 如果步骤4的所有中间点的带符号距离的最小值大于0,将两个点都标记为凸面点;
· 6. 如果该带符号距离大于预定阈值并且该点没有已被标记为乳腺点,将每一点标记为延伸点。
上述算法在图7a中例示。
可设想上述形状分析方法的备选方案,诸如曲率、傅立叶描述符、曲波(curvelet)的分析,本征形状分析/PCA(主组成分析)等。
最终乳腺边界随后被确定为包含凸面点的最长分段的凸面和延伸点的分段。在图7b的示例中,阈值设定为最小值-10。
感兴趣区域
在已找到皮肤线的凸面部分之后,存在各种策略来确定适合的ROI。
在这节中,针对MLO图像的ROI定义作为一个示例进行例示。
对于所有临床视图,ROI的宽度可由乳腺边界的最极端点和乳腺所在的图像的边缘来确定。因此皮肤线的凸面部分确定最优ROI的宽度。
接下来将要确定最优高度。在一个实施例中,ROI的顶点(水平的ROI描绘途经的点)最初被作为乳腺边界的最高点。只要在乳腺所在的图像的边缘存在前景像素就使这点向上移动。对于MLO图像,这通常意味着ROI被延伸到图像的顶部边。
应用相同的机制来找到ROI的底点。
在一个实施例中,感兴趣区域为由确定为更高值的宽度、顶部边和底部点所限定的矩形。
该技术在图8中例示。对于图8A,因图像为MLO图像,ROI被延伸到该图像的顶部,以及因存在若干前景像素位于最低皮肤线点以下的图像边缘,ROI被延伸到图像的底部。对于图8b,由于在皮肤线的最低点没有前景像素位于图像边缘处,所以至底部的延伸没有进行。
一旦描绘出ROI,其能够被缩放以供在显示器装置上的最优观看。ROI最选地在显示装置上显示得尽可能地大。
在多个图像将要被观看的情况下,感兴趣区域在图像的每一个中确定。随后最大ROI在给定显示装置的限制的情况下优选地被显示为尽可能得大并且所有其他ROI以与IHE乳腺X线照片图像集成模式中所述的相同的比例来显示。

Claims (7)

1.一种用于通过确定乳腺边界以及以所确定的乳腺边界为基础描绘感兴趣区域而在乳腺的放射图像中限定所述感兴趣区域的方法,所述乳腺边界通过下列步骤获得:
(a) 在所述放射图像中确定皮肤线估计并且对所述皮肤线采用包括凸度的量度相对于给定容差值的评估的形状分析过程以便确定凸面点;以及
(b) 形成作为以延伸点补充的所述凸面点的最长分段的所述乳腺边界,所述延伸点通过以比所述给定容差值更低的容差值评估所述凸度的量度来确定。
2.根据权利要求1所述的方法,其中所述皮肤线估计的点通过应用下列步骤被分类为属于所述乳腺边界的凸面点:
-对于所述皮肤线估计的点集中的第一点,考虑也在所述点集中的第二点;
-以虚线连接该两个点;
-计算在所述第一点和所述第二点之间的所述皮肤线估计上的所有中间点与所述虚线间的带符号距离;
-如果所有中间点的带符号距离的最小值大于0,则将所述第一点和第二点标记为凸面点。
3.根据权利要求1所述的方法,其中所述皮肤线估计通过下列步骤获得:
-对所述放射图像进行分割以产生指示直接曝光区域的像素的掩膜;以及,
-对所述掩膜采用最小成本路径技术。
4.根据权利要求1所述的方法,其中所述感兴趣区域的宽度由所述乳腺边界的最极端点和在所述乳腺所处一侧的图像的边缘来确定。
5.根据权利要求1所述的方法,其中所述感兴趣区域的顶部和底部点通过考虑所述乳腺边界的最高/最低点以及只要在所述乳腺所处图像的边缘存在前景像素就将这点在所述图像中向上/向下移动来确定。
6.一种计算机程序产品,其在计算机上运行时适于执行前述权利要求中任一项的方法。
7.一种计算机可读介质,其包括适于执行权利要求1至5中任一项的步骤的计算机可执行的程序代码。
CN201380009368.8A 2012-02-17 2013-02-12 用于在乳腺的放射图像中限定感兴趣区域的方法 Expired - Fee Related CN104205166B (zh)

Applications Claiming Priority (6)

Application Number Priority Date Filing Date Title
US201261600111P 2012-02-17 2012-02-17
US61/600111 2012-02-17
EP12155979.3 2012-02-17
EP12155979.3A EP2629263B1 (en) 2012-02-17 2012-02-17 Method for defining a region of interest in a radiation image of a breast
US61/600,111 2012-02-17
PCT/EP2013/052750 WO2013120834A1 (en) 2012-02-17 2013-02-12 Method for defining a region of interest in a radiation image of a breast

Publications (2)

Publication Number Publication Date
CN104205166A true CN104205166A (zh) 2014-12-10
CN104205166B CN104205166B (zh) 2017-10-13

Family

ID=45656068

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201380009368.8A Expired - Fee Related CN104205166B (zh) 2012-02-17 2013-02-12 用于在乳腺的放射图像中限定感兴趣区域的方法

Country Status (5)

Country Link
US (1) US9619888B2 (zh)
EP (1) EP2629263B1 (zh)
CN (1) CN104205166B (zh)
BR (1) BR112014015575A8 (zh)
WO (1) WO2013120834A1 (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108471995A (zh) * 2015-09-30 2018-08-31 上海联影医疗科技有限公司 确定医学图像中乳房区域的系统和方法
CN109242840A (zh) * 2018-08-29 2019-01-18 上海联影医疗科技有限公司 检测乳房图像中限束器区域的方法、在乳房图像中确定边界的方法和医疗设备

Families Citing this family (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9474497B2 (en) * 2014-01-15 2016-10-25 Agfa Healthcare Method and system for generating pre-scaled images for a series of mammography images
US20160210774A1 (en) * 2015-01-15 2016-07-21 QT Ultrasound LLC Breast density estimation
EP3985557B1 (en) * 2016-09-23 2023-11-08 Curemetrix, Inc. Mapping of breast arterial calcifications
JP6833444B2 (ja) * 2016-10-17 2021-02-24 キヤノン株式会社 放射線撮影装置、放射線撮影システム、放射線撮影方法、及びプログラム
US10372876B2 (en) 2017-01-20 2019-08-06 Agfa Healthcare Inc. System and method for providing breast image data
WO2019228482A1 (en) 2018-05-30 2019-12-05 Shanghai United Imaging Healthcare Co., Ltd. Systems and methods for image processing
KR20220069980A (ko) * 2019-09-27 2022-05-27 홀로직, 인크. 단층영상합성에서 내부 유방 조직에 대한 움직임 검출

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20040161141A1 (en) * 2003-02-19 2004-08-19 Agfa-Gevaert Method of determining the orientation of an image
US20060159321A1 (en) * 2004-08-27 2006-07-20 Fuji Photo Film Co., Ltd. Breast image display apparatus and program therefor
CN101373479A (zh) * 2008-09-27 2009-02-25 华中科技大学 一种乳腺x线摄片计算机图像检索方法及系统
WO2011137409A1 (en) * 2010-04-30 2011-11-03 Vucomp, Inc. Malignant mass detection and classification in radiographic images

Family Cites Families (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5796862A (en) * 1996-08-16 1998-08-18 Eastman Kodak Company Apparatus and method for identification of tissue regions in digital mammographic images
US7885443B2 (en) 2005-11-14 2011-02-08 Hologic, Inc. Facilitating temporal comparison of medical images
US20070206844A1 (en) * 2006-03-03 2007-09-06 Fuji Photo Film Co., Ltd. Method and apparatus for breast border detection
US8649578B2 (en) 2010-03-08 2014-02-11 Agfa Healthcare Inc. Method and system for defining a breast window

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20040161141A1 (en) * 2003-02-19 2004-08-19 Agfa-Gevaert Method of determining the orientation of an image
US20060159321A1 (en) * 2004-08-27 2006-07-20 Fuji Photo Film Co., Ltd. Breast image display apparatus and program therefor
CN101373479A (zh) * 2008-09-27 2009-02-25 华中科技大学 一种乳腺x线摄片计算机图像检索方法及系统
WO2011137409A1 (en) * 2010-04-30 2011-11-03 Vucomp, Inc. Malignant mass detection and classification in radiographic images

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
YAJIE SUN ET AL: ""A new approach for breast skin-line estimation in mammograms"", 《PAA》 *

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108471995A (zh) * 2015-09-30 2018-08-31 上海联影医疗科技有限公司 确定医学图像中乳房区域的系统和方法
CN109242840A (zh) * 2018-08-29 2019-01-18 上海联影医疗科技有限公司 检测乳房图像中限束器区域的方法、在乳房图像中确定边界的方法和医疗设备

Also Published As

Publication number Publication date
BR112014015575A2 (pt) 2017-06-13
BR112014015575A8 (pt) 2017-07-04
WO2013120834A1 (en) 2013-08-22
US9619888B2 (en) 2017-04-11
CN104205166B (zh) 2017-10-13
US20150010219A1 (en) 2015-01-08
EP2629263B1 (en) 2015-06-03
EP2629263A1 (en) 2013-08-21

Similar Documents

Publication Publication Date Title
CN104205166A (zh) 用于在乳腺的放射图像中限定感兴趣区域的方法
US7564999B2 (en) Method for identifying markers in radiographic images
Candemir et al. Lung segmentation in chest radiographs using anatomical atlases with nonrigid registration
US8837789B2 (en) Systems, methods, apparatuses, and computer program products for computer aided lung nodule detection in chest tomosynthesis images
CN104637024B (zh) 医用图像处理装置以及医用图像处理方法
CN104840209A (zh) 用于病变检测的设备和方法
JP2018061771A (ja) 画像処理装置、及び画像処理方法
US20060239530A1 (en) Computer-aided image diagnosis
Engeland et al. Finding corresponding regions of interest in mediolateral oblique and craniocaudal mammographic views
US20180114087A1 (en) A system and method for surgical guidance and intra-operative pathology through endo-microscopic tissue differentiation
CN106796621B (zh) 图像报告注释识别
Segal et al. Evaluating the clinical realism of synthetic chest x-rays generated using progressively growing gans
Candemir et al. Automatic heart localization and radiographic index computation in chest x-rays
CN104126194A (zh) 乳腺图像的图像对准
Maitra et al. Accurate breast contour detection algorithms in digital mammogram
von Berg et al. Robust chest x-ray quality assessment using convolutional neural networks and atlas regularization
Xie et al. Coronary artery calcification identification and labeling in low-dose chest CT images
Podsiadlo et al. Automated selection of trabecular bone regions in knee radiographs
JP2015073832A (ja) 医用画像処理装置およびその作動方法並びに医用画像処理プログラム
Oliver et al. Image augmentation and automated measurement of endotracheal-tube-to-carina distance on chest radiographs in intensive care unit using a deep learning model with external validation
US11295451B2 (en) Robust pulmonary lobe segmentation
JP2006280713A (ja) 異常陰影候補検出方法及び医用画像システム
CN112801114B (zh) 确定乳腺图像的投照位信息的方法及装置
Bisa Brain tumor detection and segmentation using R-CNN
Ramsay et al. Clustered iterative sub-atlas registration for improved deformable registration using statistical shape models

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
TR01 Transfer of patent right

Effective date of registration: 20190506

Address after: Belgian Mo

Patentee after: Agfa Co.,Ltd.

Address before: Belgian Mo

Patentee before: AGFA HEALTHCARE

TR01 Transfer of patent right
CF01 Termination of patent right due to non-payment of annual fee

Granted publication date: 20171013

CF01 Termination of patent right due to non-payment of annual fee