CN104798107A - 从医学图像生成关键图像 - Google Patents
从医学图像生成关键图像 Download PDFInfo
- Publication number
- CN104798107A CN104798107A CN201380061046.8A CN201380061046A CN104798107A CN 104798107 A CN104798107 A CN 104798107A CN 201380061046 A CN201380061046 A CN 201380061046A CN 104798107 A CN104798107 A CN 104798107A
- Authority
- CN
- China
- Prior art keywords
- image
- key images
- medical image
- pathology
- medical
- 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
Links
- 230000007170 pathology Effects 0.000 claims description 110
- 210000003484 anatomy Anatomy 0.000 claims description 52
- 238000000034 method Methods 0.000 claims description 29
- 238000004590 computer program Methods 0.000 claims description 13
- 238000001514 detection method Methods 0.000 claims description 6
- 238000003384 imaging method Methods 0.000 claims description 5
- 230000003902 lesion Effects 0.000 abstract description 10
- 210000004185 liver Anatomy 0.000 description 17
- 238000010586 diagram Methods 0.000 description 7
- 210000000056 organ Anatomy 0.000 description 7
- 238000002224 dissection Methods 0.000 description 6
- 210000000988 bone and bone Anatomy 0.000 description 5
- 239000003814 drug Substances 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 4
- 210000005075 mammary gland Anatomy 0.000 description 4
- 230000001419 dependent effect Effects 0.000 description 3
- 230000002349 favourable effect Effects 0.000 description 3
- 238000002600 positron emission tomography Methods 0.000 description 3
- 238000013519 translation Methods 0.000 description 3
- 206010028980 Neoplasm Diseases 0.000 description 2
- 238000002591 computed tomography Methods 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 238000003745 diagnosis Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000010191 image analysis Methods 0.000 description 2
- 208000019423 liver disease Diseases 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000009206 nuclear medicine Methods 0.000 description 2
- 230000002411 adverse Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 230000012010 growth Effects 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 238000002595 magnetic resonance imaging Methods 0.000 description 1
- 239000003550 marker Substances 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 238000004091 panning Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 210000000697 sensory organ Anatomy 0.000 description 1
- 238000010008 shearing Methods 0.000 description 1
- 238000002603 single-photon emission computed tomography Methods 0.000 description 1
- 230000008467 tissue growth Effects 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
- G06T7/0012—Biomedical image inspection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T11/00—2D [Two Dimensional] image generation
- G06T11/60—Editing figures and text; Combining figures or text
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/11—Region-based segmentation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/194—Segmentation; Edge detection involving foreground-background segmentation
-
- 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
- G06T2207/10016—Video; Image sequence
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30004—Biomedical image processing
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Health & Medical Sciences (AREA)
- Radiology & Medical Imaging (AREA)
- Quality & Reliability (AREA)
- Measuring And Recording Apparatus For Diagnosis (AREA)
- Medical Treatment And Welfare Office Work (AREA)
- Processing Or Creating Images (AREA)
- Apparatus For Radiation Diagnosis (AREA)
- Magnetic Resonance Imaging Apparatus (AREA)
- Nuclear Medicine (AREA)
Abstract
一种用于根据医学图像来生成关键图像的系统(100),所述关键图像包括从所述医学图像中选择的图像区域,所述系统包括:图像分析器(140),其用于:i)检测所述医学图像中的病变(300),ii)基于解剖信息,识别与所述病变具有解剖关系的解剖标志(310),以及iii)检测所述医学图像中的所述解剖标志;以及关键图像生成器(160),其用于j)选择所述医学图像中的图像区域(400),所述图像区域包括所述病变(300)和所述解剖标志(310),以及jj)生成所述关键图像(162)以便包括所述图像区域。
Description
技术领域
本发明涉及一种用于根据医学图像来生成关键图像的系统和方法,所述关键图像包括从医学图像中选择的图像区域。本发明还涉及一种包括所述系统的工作站和成像装置,并且涉及一种包括用于令处理器系统执行所述方法的指令的计算机程序产品。
背景技术
医学图像时常被用于诊断目的。为了确保这样的诊断的可靠性,医学图像通常是高质量的并且经受很少图像操纵或无图像操纵。然而,存在一种出于图示目的而不是诊断目的而使用医学图像的需要。例如,在放射学报告中,放射科医师可以报告基于医学图像检测到的病变,还可以希望在放射学报告中包括病变的更多图示性视图。
为了这个目的,用户(诸如放射科医师或其他临床医生)可以使用工作站或类似的系统来手动操纵医学图像,以便获得病变的适当视图。这可以涉及用户通过对医学图像中的病变进行缩放和/或揺摄(panning)来选择用于观察的图像区域。任选地,用户可以调整观察参数,诸如窗口宽度/水平以改善观察条件。
已经获得了适当的视图,则用户可以请求工作站生成当前视图的图像,然后可以将其包括在放射学报告中。示出医学图像的选择区域的图像也被称为关键图像。由此已知手动选择用于生成关键图像的图像区域。
发明内容
提供一种使能够根据医学图像来自动生成关键图像的系统或方法将是有利的。
为了更好地解决这一关注问题,本发明的第一方面提供一种根据医学图像来生成关键图像的系统,所述关键图像包括从医学图像选择的图像区域,所述系统包括:
-图像接口,其用于获得医学图像和指示医学图像的内容的元数据;
-数据库接口,其用于访问在医学数据库上的解剖信息,所述解剖信息指示与医学图像的内容相关联的解剖标志;
-图像分析器,其用于:
i)检测医学图像中的病变;
ii)基于解剖信息,识别与病变具有解剖关系的解剖标志;以及
iii)检测所述医学图像中的解剖标志;以及
-关键图像生成器,其用于j)选择医学图像中的图像区域,所述图像区域包括病变和解剖标志,以及jj)生成关键图像以便包括所述图像区域。
在本发明的又一方面,提供一种包括上述系统的工作站和成像装置。
在本发明的又一方面,提供一种用于根据医学图像来生成关键图像的方法,所述关键图像包括从医学图像中选择的图像区域,所述方法包括:
-获得医学图像和指示医学图像的内容的元数据;
-访问在医学数据库上的解剖信息,所述解剖信息指示与医学图像的内容相关联的解剖标志;
-检测医学图像中的病变;
-基于解剖信息,识别与病变具有解剖关系的解剖标志;
-检测在医学图像中的解剖标志;
-选择医学图像中的图像区域,所述图像区域包括病变和解剖标志;以及
-生成关键图像以便包括所述图像区域。
在本发明的又一方面,提供一种计算机程序产品,所述计算机程序产品包括用于令处理器系统执行上述方法的指令。
上述措施提供获得来自例如内部或外部存储介质医学图像的图像接口。图像接口还获得指示医学图像的内容的元数据。在医学图像中可以包括,例如以标头信息形式的元数据。提供能够访问医学数据库的数据库接口。医学数据库包括计算机可读解剖信息。解剖信息指示与医学图像的内容相关联的解剖标志。例如,在医学图像的内容是患者的肝脏的情况下,解剖信息可以是来自与肝脏有关的医学教科书的章节的信息。
而且,提供图像分析器。图像分析器被布置用于,例如,使用根据医学图像分析领域本身已知的病变检测技术,检测医学图像中的病变。应当注意,术语“病变”涉及局部异常结构改变,例如,组织生长、断裂等。图像分析器还被布置用于查阅医学数据库以识别解剖标志。解剖标志是在医学解释期间解剖的具体相关的部分。图像分析器识别与病变具有解剖关系的解剖标志。为了这个目的,例如,通过确定在解剖信息中是否描述了或解剖信息是否建议了在解剖标志和病变之间的解剖关系,图像分析器使用解剖信息。解剖关系可以是空间关系,例如,连通或相邻。图像分析器检测医学图像中的所述解剖标志。而且,提供关键图像生成器,其选择图像区域,所述图像区域包含病变和解剖标志两者。然后图像区域被用于生成关键图像。
以上措施具有获得关键图像的效果,所述关键图像,靠近病变本身,也包括解剖标志,以及尤其根据医学数据库中的解剖信息具有与病变的解剖关系的解剖标志。正因如此,关键图像的观察器不仅被提供具有病变本身而且具有与病变具有解剖关系的解剖标志,从而提供病变的解剖情境。有利地,与单独包括病变的关键图像相比,获得更多信息的关键图像。有利地,关键图像比医学图像本身或例如以放射学报告形式的病变的单独的所述关键图像更适合于与医学图像的医学解释的结果进行通信。
任选地,在解剖结构中至少部分地包括病变,并且图像分析器被布置用于检测医学图像中的解剖结构,并且从解剖结构中识别解剖标志。由于解剖结构至少部分地包括病变,所述解剖结构具有与病变的清晰的解剖关系。正因如此,解剖结构通常与病变的解释相关。通过识别来自所述解剖结构的解剖标志,即,通过识别作为解剖结构的部分的解剖标志,识别通常与病变的解释相关的解剖标志。有利地,获得更多信息的关键图像。
任选地,解剖标志包括解剖结构的边缘。解剖结构的边缘提供清晰的解剖情境。
任选地,解剖信息实现对病变的医学解释,并且图像分析器被布置用于基于在病变的医学解释中的解剖关系的估计的相关性来识别解剖标志。解剖信息使用户能够解释医学图像的内容。例如,解剖信息可以来自医学指南或来自医学教科书。通常,在这样的解释中,解剖关系起到重要的作用。通过估计在病变的所述解释中的解剖关系的相关性,图像分析器能够识别与用户相关(例如,提供适当的解剖情境)的解剖标志。有利地,图像分析器识别与病变的解释最相关的解剖标志。
任选地,图像分析器被布置用于基于到病变的估计的距离来识别解剖标志。在病变和解剖标志之间的距离通常与解剖关系相关联,即,邻近的解剖标志通常比远离的那些在解剖上与病变更有关。通过估计所述距离,图像分析器能够容易地识别在解剖信息中潜在相关的解剖标志。例如,图像分析器可以识别靠近或最靠近病变的解剖标志。
任选地,所述系统还包括用户接口子系统,其用于使用户能够在关键图像被生成之前调整图像区域。因此,用户能够完善和/或调整以优选图像区域的最初解剖选择。
任选地,关键图像生成器被布置用于通过在医学图像中建立包含病变和解剖标志的边界框来选择图像区域。由于边界框产生能够被用于生成矩形关键图像的矩形图像区域,其很适合于选择图像区域。
任选地,关键图像生成器被布置用于在若干医学图像上保持边界框的纵横比。具有相同纵横比的关键图像允许更容易比较。有利地,例如,通过提供固定的占位符,更容易将这样的关键图像包括在放射学报告中。有利地,甚至当使用户能够调整图像区域时,保持边界框的比率。
任选地,关键图像生成器被布置用于调整关键图像的窗口水平和/或窗口宽度。由此,通过调整关键图像的窗口水平和/或窗口宽度自动地对所述关键图像进行后处理。有利地,为了最佳地观察病变,调整窗口水平和/或窗口宽度。
任选地,医学数据库包括医学图像的内容的教科书视图,并且所述系统被布置用于根据教科书视图生成又一关键图像,所述又一关键图像包括解剖标志和对应于所述病变的位置。由于教科书视图通常例如通过示出解剖的轮廓代替如照片的图像来提供解剖情境的更多图示性视图,其很适合于提供病变的解剖情境。此处,术语“视图”涉及视觉表示,诸如,图像、图形等。通过生成示出病变的位置(即,解剖结构)和解剖标志的又一关键图像,用户被提供具有比仅仅关键图像本身更好的病变图示。有利地,关键图像和又一关键图像的组合很适合于教育目的和/或没有受过医疗教育的个体。
任选地,所述系统还包括注释模块,其使用户能够将注释包括在关键图像中,并且所述系统被布置用于将对应位置处的注释包括在又一关键图像中。由此,用户能够对关键图像进行注释,在又一关键图像中自动地反映所述注释。
任选地,所述系统还被布置用于在生成又一关键图像之前教科书视图与医学图像配准。因此,使教科书视图变形成看起来更像医学图像。有利地,对于用户更容易看到在关键图像和又一关键图像之间的对应关系。
任选地,教科书视图与解剖模型相关联,并且所述配准基于解剖模型到医学图像的模型拟合。
任选地,数据库接口被布置用于基于患者的类型和/或用户的类型来选择在医学数据库内的解剖信息。通过图像的元数据可以识别患者的类型。患者的类型可以涉及患者的年龄,例如,儿童、成人或老人。以对系统已知的各种方式(例如,使用用户预置文件)可以识别用户的类型。用户的类型可以指示专业的领域,例如,神经外科医生、整形外科医生等。额外地或备选地,用户的类型可以指示专业水平,例如,专家或非专家用户。由此数据库接口可以访问与患者和/或用户相关的解剖信息。例如,如果患者是儿童,数据库接口可以选择含有与儿童相关的医学图像的内容的解剖标志的解剖信息。有利地,通过图像分析器识别的解剖标志与患者的类型和/或用户的类型更相关。
任选地,关键图像生成器还生成识别病变和/或解剖标志的元数据。在关键图像中可以包括,例如以标头信息形式的元数据。有利地,当观察或以其他形式使用关键图像时,病变和/或解剖标志可以被用于引导导航,例如(如果关键图像是3D关键图像)确定旋转轴。
任选地,关键图像生成器还生成包括到相关联的图像的超链接的元数据。相关联的图像可以是医学图像本身。相关联的图像也可以是例如,更早的时候生成的相同患者的与关键图像相关联的另一关键图像。
任选地,注释系统被提供包括:图像接口,其用于获得医学图像和指示医学图像的内容的元数据;数据库接口,其用于访问医学数据库,所述医学数据库包括医学图像的内容的教科书视图;图像处理器,其用于生成与医学图像同时呈现的教科书视图的教科书图像;注释模块,其用于使用户能够将注释包括在医学图像中;其中,所述图像处理器被布置用于将对应位置处的注释包括在教科书图像中。任选地,注释系统的图像处理器被布置用于在生成教科书图像之前将教科书视图与医学图像配准。任选地,教科书视图与解剖模型相关联,并且所述配准基于解剖模型到医学图像的模型拟合。
本领域技术人员将认识到,可以以认为有用的任何方式对本发明的上述实施例、实施方式和/或方面中的两个或更多个进行组合。
基于本说明书,能够由本领域技术人员实现对应于描述的系统的修改和变型的工作站、成像装置、方法和/或计算机程序产品的修改和变型。
本领域技术人员将认识到,所述方法可以应用于多维图像数据,例如,二维(2-D)、三维(3-D)或四维(4-D)图像。多维图像数据的维度可以涉及时间。例如,三维图像可以包括时域系列的二维图像。结果,如果医学图像是例如3-D医学图像,由关键图像生成器选择的图像区域可以是3-D图像区域,并且关键图像可以是3-D关键图像,即,关键图像体积或简称为关键体积。
图像可以由各种采集模态采集,诸如,但不限于,标准X-射线成像、计算机断层摄影(CT)、磁共振成像(MRI)、超声(US)、正电子发射断层摄影(PET)、单光子发射计算机断层摄影(SPECT)以及核医学(NM)。
本发明被定义在独立权利要求中。有利而任选的实施例被定义在从属权利要求中。
附图说明
参考下文描述的实施例,本发明的这些和其他方面将显而易见并得以阐述。在附图中,
图1示出了用于根据医学图像来生成关键图像的系统;
图2示出了用于根据医学图像来生成关键图像的方法;
图3示出了用于执行所述方法的计算机程序产品;
图4a示出了包括病变、邻近病变的解剖标志和其中包括病变的解剖结构的医学图像;
图4b示出了自动选择的图像区域,所述图像区域包括病变和解剖标志;
图4c示出了用户调整选择的区域的结果;
图4d示出了被生成以包括选择的区域的关键图像;
图5a示出了单独包括病变的关键图像;
图5b示出了根据本发明的关键图像;以及
图6示出了根据医学图像的内容的教科书视图生成的并与关键图像一起被包括在报告中的又一关键图像。
应当注意,在不同附图中具有相同参考数字的项具有相同的结构特征和相同的功能,或是相同的信号。其中,已经解释了这样的项的功能和/或结构,在详细描述中没有必要重复对其进行解释。
具体实施方式
图1示出了用于根据医学图像来生成关键图像的系统100。系统100包括图像接口110,所述图像接口用于获得医学图像112和指示医学图像的内容的元数据。在图1的范例中,在医学图像112中包括,例如以标头信息形式的元数据。并且由此不单独地示出所述元数据。备选地,可以独立于医学图像112接收元数据。图1示出了图像接口110,其用于获得来自外部图像数据库010的医学图像112。尽管在图1中未示出,图像数据库010也可以是系统100的部分。图像数据库010可以由例如图像归档与通信系统(PACS)组成。系统100还包括数据库接口120,其用于访问医学数据库020。医学数据库020也被示为是外部数据库,但同样可以是系统100的部分。医学数据库020包括解剖信息122,所述解剖信息122指示与医学图像的内容相关联的解剖标志。数据库接口120可以利用元数据来确定访问哪个解剖信息122。
系统100还包括图像分析器140,其被布置用于检测被包括在医学图像112中的病变。为了这个目的,图像分析器140被示为接收来自图像接口110的医学图像112。图像分析器140还被布置用于使用解剖信息122来识别与病变具有解剖关系的解剖标志。为了这个目的,图像分析器140被示为经由数据库接口120访问解剖信息122。图像分析器140还被布置用于检测医学图像112中的解剖标志。系统100还包括关键图像生成器160,其被布置用于选择医学图像112中的图像区域400,所述图像区域包括病变和解剖标志。为了这个目的,关键图像生成器160被示为接收来自图像分析器140(例如,以坐标的形式)指示病变和解剖标志的数据142。关键图像生成器160还被布置用于生成关键图像162,以便包括所述图像区域。例如,关键图像生成器160可以剪切医学图像112,以便获得由图像区域组成的关键图像162。图1还示出了关键图像生成器160,其经由图像分析器140接收医学图像112。然而,应当注意,也可以从图像接口110直接接收医学图像112。
图1示出了关键图像生成器160,其使得关键图像162可用于,例如在显示器040上显示,和/或存储在图像数据库010。然而,也可想像使关键图像162可用的其他形式。
图1还示出了系统100,所述系统100包括用户接口子系统130。将参考图4c和图6进一步解释本发明的该任选方面。类似地,图1示出了数据库接口120和关键图像生成器160,所述数据库接口120获得教科书视图124,所述关键图像生成器160基于教科书视图124生成又一关键图像164。将参考图6进一步解释本发明的该任选方面。系统100的操作可以被简单地解释如下。图像接口110获得医学图像112和元数据。数据库接口120访问医学数据库020,以便访问解剖信息122。图像分析器140检测医学图像112中的病变。已经检测了所述病变,图像分析器140使用解剖信息来识别与病变具有解剖关系的解剖标志。此外,图像分析器140检测医学图像112中的解剖标志。已经获得了指示病变和解剖标志的数据,关键图像生成器160选择医学图像中的图像区域,所述图像区域包括病变和解剖标志。最后,关键图像生成器160生成关键图像162,以便包括所述图像区域。
应当注意,在检测医学图像112中的解剖标志之前,图像分析器140可以识别解剖信息122中的解剖标志。然而,这不是限制,因为图像分析器140也可以首先检测医学图像112中的解剖标志,以及然后仅仅识别解剖信息122中的解剖标志。例如,图像分析器140,例如,通过将多个解剖标志检测器同时应用到医学图像112,可以检测医学图像112中的多个解剖标志。图像分析器140然后可以基于识别解剖信息122中的多个解剖标志来选择包括在关键图像162中的多个解剖标志中的一个或多个。例如,图像分析器140可以选择多个解剖标志中的最相关的解剖标志中的一个或多个。
图2示出了用于根据医学图像来生成关键图像的方法200,所述关键图像包括从医学图像中选择的图像区域。方法200包括,在标题为“获得医学图像”的步骤中,获得210医学图像和指示医学图像的内容的元数据。方法200还包括,在标题为“访问解剖信息”的步骤中,访问220医学数据库上的解剖信息,所述解剖信息指示与医学图像的内容相关联的解剖标志。方法200还包括,在标题为“检测医学图像中的病变”的步骤中,检测230医学图像中的病变。方法200还包括,在标题为“识别解剖信息中的解剖标志”的步骤中,基于解剖信息,识别240与病变具有解剖关系的解剖标志。方法200还包括,在标题为“检测医学图像中的解剖标志”的步骤中,检测250医学图像中的解剖标志。方法200还包括,在标题为“选择图像区域”的步骤中,选择260医学图像中的图像区域,所述图像区域包括病变和解剖标志。方法200还包括,在标题为“生成包括图像区域的关键图像”的步骤中,生成270关键图像,以便包括所述图像区域。应当注意,可以以任何适当的顺序执行以上步骤。尤其,可以以不同的顺序(例如,以相反的顺序)执行识别240和检测250解剖标志的步骤。
方法200可以对应于系统100的操作。然而,也可以独立于系统100执行方法200。
图3示出了计算机程序产品290,其包括用于令处理器系统执行上述方法200的指令。计算机程序产品290可以被包括在计算机可读介质280上,例如,以作为一系列机器可读物理标记和/或作为具有不同电学(例如,磁性)或光学的属性或值的一系列元件的形式。
系统100的操作可以被更详细地解释如下。
图4a示意性地示出了医学图像112。医学图像112被示为包括病变300,在图4a中所述病变300被示意性地指示为三角形。图4a还示出了位于邻近病变300的解剖标志310,在图4a中解剖标志310被示意性地指示为椭圆形。此外,在解剖结构320中包括病变300和解剖标志310两者。图4a可以对应于,例如,在肝脏320中生长的肿瘤300,肿瘤300邻近形成解剖标志310的管道310生长。图像分析器140被布置用于,例如,自动使用从医学图像分析领域本身已知的病变检测技术,或半自动地(即部分地基于用户输入)检测医学图像112中的病变300。
图4b示出了包括病变300和解剖标志310的自动选择的图像区域400的结果。图4b示出了通过边界框400选择的图像区域。为了这个目的,关键图像生成器160可以被布置用于在医学图像112中建立包含病变300和解剖标志310的边界框400。备选地,图像区域400可以被选择具有另一,例如非矩形形状。图4b示出了被建立为具有裕量的包围病变300和解剖标志310的边界框400。裕量可以通过关键图像生成器162来自动选择。例如,关键图像生成器160可以被布置用于使裕量最小化。备选地或额外地,裕量可以由用户选择或调整,例如,通过利用用户接口子系统130来选择或调整裕量。
图4b示出了图像分析器140基于在病变300和所述解剖标志之间的解剖关系来确定在关键图像中包括哪个解剖标志的结果。在解剖信息122本身中可以指示或包括解剖关系。备选地或额外地,基于到病变300的估计距离,可以估计解剖关系。例如,位于邻近病变300的解剖标志可以指示存在与病变300的解剖关系。在图4b的范例中,示出了管道310以及肝脏320的边缘。在解剖信息022中可以识别两个解剖标志。然后基于邻近病变300的管道310,图像分析器140可以选择检测医学图像112中的管道310。
备选地或额外地,图像分析器140可以被布置用于,如果在解剖结构320中包括病变300,检测医学图像112中的所述解剖结构320,并且识别来自解剖结构320的解剖标志。正因如此,图像分析器140可以确定在肝脏320中包括病变300。图像分析器140还可以识别肝脏320的解剖标志,例如,其边缘。结果,可以获得示出病变300和解剖结构320的边缘的至少部分的关键图像162。应当注意,图像分析器140也可以检测所述边缘,以便能够检测具有相对于解剖结构的边缘的已知位置的解剖标志。
额外地或备选地,图像分析器140可以被布置用于基于在病变300的医学解释中的解剖关系的估计相关性来识别解剖标志310。在图4b的范例中,医学图像112的内容是肝脏。这可以在医学图像112的元数据中被指示。正因如此,数据库接口120可以访问医学数据库020,所述医学数据库020包括有关肝脏的解剖信息122。解剖信息122可以实现对医学图像112的内容的医学解释。例如,数据库接口120可以访问有关肝脏的医学教科书,所述医学教科书例如通过示出肝脏的教科书视图、识别相关解剖标志、为诊断提供指南等,允许临床医生医学地解释医学图像112的内容。然后图像分析器140可以识别解剖标志310,其不仅具有与病变300的解剖关系,而且其与病变300的医学解释相关。例如,图像分析器140可以使用医学图像112中的病变300的位置来识别在肝脏的教科书视图中的邻近解剖标志310。在肝脏的教科书视图中清晰地识别邻近解剖标志310的事实可以向图像分析器140指示,病变300和解剖标志310之间的解剖关系与病变300的医学解释相关。然而,将认识到,图像分析器140可以有利地使用各种其他方式来确定所述相关性;例如,图像分析器140可以采用从推理引擎本身已知的技术来估计解剖关系的相关性。
图4b还示出了关键图像生成器160选择图像区域400的结果,所述图像区域400包括病变300和解剖标志310。以叠加在医学图像112上的边界框的形式示出了图像区域400。尽管在图4b中未示出,应当注意,图像分析器140也可以使用解剖信息来识别多个解剖标志,其每个具有与病变的解剖关系。因此,关键图像生成器160可以选择包括病变和多个解剖标志中的每个的图像区域400。
图4c示出了本发明的任选方面,其中示出用户手动调整选择的区域的结果。为了这个目的,并且如图1中更早示出的,系统100可以包括用户接口子系统130,其用于使用户能够在关键图像162被生成之前,调整图像区域400。用户接口子系统130可以由,例如,可连接到显示器的显示输出和可连接到用户输入设备的用户输入组成,其中,所述可连接到显示器的显示输出用于向用户显示输出,所述可连接到用户输入设备的用户输入用于接收来自用户的输入030。例如,可以向用户示出通过系统100选择的例如以叠加在医学图像112上的边界框的形式的图像区域400。然后用户可以例如通过移动和/或改变边界框400的尺寸来调整边界框400。图4c示出了这样调整的结果,其中,用户通过增加边界框400的尺寸以便包括肝脏320的边缘的更大部分,即,通过向上和向右增加边界框400的尺寸,已经调整了通过系统100选择的边界框400。在图4c中借助于箭头图示性地示出了改变尺寸。结果,获得调整的边界框410。
尽管在图4c中未示出,与用户的交互可以使得边界框自动地对齐到医学图像中的解剖标志。在医学图像中可以加亮解剖标志以辅助或通知用户。已经自动选择了图像区域400,并且任选地手动调整了图像区域400,关键图像生成器160可以生成关键图像162,以便包括图像区域400、410。图4d示出了这样的范例。此处,关键图像162被示为由图像区域400、410组成。为了这个目的,可以剪切医学图像112,以便获得关键图像162。备选地,图像区域400、410可以被复制或从医学图像112中被提取。尽管在图4d中未示出,关键图像162可以额外地包括其他信息,诸如注释、标记等。因此,应当注意,对于关键图像162需要单独由图像区域400、410组成。此外,尽管在图4d中未示出,关键图像生成器160可以被布置用于,即以自动的方式调整关键图像162的窗口水平和/或窗口宽度。应当注意,用于自动调整窗口水平和/或窗口宽度的技术是从医学图像显示领域本身已知的,并且可以被有利地用于优化关键图像162的呈现。
将认识到,例如,通过包括像素或体素,可以明确地生成关键图像。关键图像也可以由元数据组成。元数据可以提供观察参数,当在适当的图像观察器中使用所述观察参数时,其在屏幕上建立关键图像。为了这个目的,图像观察器可以访问医学图像本身。在元数据中可以参考医学图像。一般,关键图像生成器因此可以被布置用于生成关键图像数据,所述关键图像数据用于实现建立包括医学图像的选择的图像区域的关键图像。
图5a示出了基本仅仅示出病变300的关键图像166的范例。不利地,当选择基本单独由病变300组成的图像区域400时,可以获得这样的关键图像166。当剪切医学图像以仅仅示出病变300时,可以隐含地选择这样的图像区域400。图5b示出了根据本发明的关键图像162。能够看到,关键图像162示出除病变本身之外的解剖标志310。
将认识到,本发明可以被有利地用于各种类型的医学图像,即,各种不同的内容。例如,在肝脏图像的情况下,孤立地示出的肝脏病变比具有肝脏外形的轮廓的肝脏病变具有更少的信息。肝脏外形的部分已经揭露大量信息,诸如肝脏内的病变的位置、其他结构的涉入和关于整个器官的相对尺寸。另一范例是乳房摄影。此处,也示出皮肤外形的部分的乳房摄影病变的关键图像比仅仅示出乳房摄影病变具有更多的信息。皮肤的小部分已经足以揭露信息,诸如例如乳腺中病变的相对位置,以及在关键图像中示出的乳腺是右乳腺还是左乳腺。
尽管在先前附图中的任一个中未示出,关键图像生成器160可以被布置用于在若干医学图像上保持边界框400的纵横比。例如,对于具体的医学图像类型、具体的患者类型等,关键图像生成器160总是可以使用相同的纵横比。关键图像生成器160可以从来自患者的先前检查的关键图像中导出纵横比,并且然后对于当前检查的关键图像保持所述纵横比。关键图像生成器160也可以在通过用户的手动调整期间保持所述纵横比。因此,纵横比可以被“锁定”,即,不可由用户调整。
本发明的有利实施例可以如下。检测在医学图像中的病变,以及围绕所述病变建立第一边界框,以便对病变进行标记。检测病变侵入的解剖结构。自动检测属于解剖结构的解剖标志。为了这个目的,解剖信息可以被用于,即识别所述解剖标志。然后围绕检测的解剖标志中的每个建立边界框。最后,生成关键图像,使得其至少示出所有上述边界框。任选地,调整关键图像的窗口宽度/窗口水平,以便获得关键图像向用户的最佳呈现。
图6示出了本发明的任选方面,其中根据医学图像的内容的教科书视图124中生成又一关键图像。为了这个目的,医学数据库可以包括医学图像的内容的教科书视图124,并且系统100可以被布置用于根据教科书视图生成又一关键图像164,所述又一关键图像164包括解剖标志310和对应于病变310的位置。在图6的范例中,医学图像112示出骨骼中的断裂,即病变类型。教科书视图124可以以非患者特异性方式示出骨骼。教科书视图124可以以示意性方式将骨骼示为,例如线图。教科书视图124可以识别解剖标志,诸如骨骼的主体、其头部和其颈部。额外地或备选地,所述解剖标志可以被包括作为医学数据库中的解剖信息,即独立于教科书视图124。图像处理器140可以被布置用于确定教科书视图124中的位置,其对应于医学图像112中的病变的位置。此外,图像处理器140可以识别解剖标志,如在医学图像112中,也在教科书视图124中检测的。正因如此,关键图像生成器162可以根据教科书视图124生成又一关键图像164,所述又一关键图像164包括病变的位置和解剖标志。
系统100还可以包括注释模块,其用于使用户能够将注释420包括在关键图像162中。注释模块可以由用户接口子系统130组成。正因如此,例如,用户可以使用被连接到用户接口子系统130的用户输入设备绘制注释。如图6所示,用户可以将注释420包括在医学图像112中。然后,假如用户将注释420包括在通过关键图像生成器160选择的图像区域400中,则注释420可以自动地被包括在关键图像162中。这通常可以是这样的注释很可能与病变300有关的情况。所述系统还可以被布置用于将对应位置处的注释包括在又一关键图像164中。为了图示的目的,图6示出了首先注释422被包括在根据教科书视图124生成的中间教科书图像126中。应当注意,不需要明确地生成这样的中间教科书图像126。当然,可以直接根据教科书视图124生成又一关键图像164,并且注释422可以直接被包括在又一关键图像164中。
系统100还可以被布置用于在生成又一关键图像164之前,将教科书视图124与医学图像112配准。图6示出了以中间教科书图像126的形式的这个的结果,所述中间教科书视图126被示为被稍微形变以更好地匹配在医学图像112中描绘的骨骼。教科书视图124也可以与解剖模型相关联。此处,配准可以基于解剖模型到医学图像112的模型拟合。
图6还示出了关键图像162和在报告450中包括的又一关键图像164。然而,各种其他有利的使用存在,诸如在电子消息(诸如电子邮件)中包括关键图像162和又一关键图像164。
应当注意,如参考图6解释的并且与教科书视图有关的本发明的方面也可以独立于关键图像和/或又一关键图像使用。为了这个目的,可以提供包括图像接口的注释系统,所述图像接口用于获得医学图像和指示医学图像的内容的元数据。注释系统还可以包括数据库接口,所述数据库接口用于访问医学数据库,包括医学图像的内容的教科书视图。注释系统还可以包括图像处理器,所述图像处理器用于生成教科书视图的教科书图像以便与医学图像同时呈现。所述注释系统还可以包括注释模块,所述注释模块用于使用户能够将注释包括在医学图像中。图像处理器可以被布置用于将对应位置处的注释包括在教科书图像中。因此,与图1的系统相比较,这样的注释系统可以不需要包括关键图像生成器和图像分析器。此外,由这样的注释系统访问的医学数据库可以不需要包括注释信息。
将认识到,如参考上述系统和注释系统讨论的,教科书视图可以被处理,以便以以下方式获得教科书图像或又一关键图像。例如,基于鼠标光标的位置,可以检测在医学图像中的器官或身体部分。可以在医学数据库上访问器官或身体部分的教科书视图。教科书视图可以与器官或身体部分的模型相关联。模型可以被拟合到在医学图像中描绘的器官或身体部分。可以创建拟合模型的轮廓的示意图。为清晰起见,器官或身体部分的示意图可以被示为叠加在医学图像中的实际器官或身体部分上。额外地或备选地,示意图可以被包括在单独的教科书图像中。如果不能够检测器官或身体部分,可以替代使用围住鼠标光标的位置的医学数据中的局部边缘的示意图。因为在示意图中的对应位置处可以自动包括在医学图像中包括的注释,可以链接示意图和医学图像。
将认识到,本发明也应用于计算机程序,具体地在载体上或内的计算机程序,其适于将本发明付诸实践。所述程序可以是源代码、目标代码、源和目标代码中间的代码的形式,诸如,部分编译的形式,或适合于在根据本发明的方法的实施中使用的任何其他形式。也将认识到,这样的程序可以具有许多不同的架构设计。例如,实施根据本发明的方法或系统的功能的程序代码可以被细分为一个或多个子例程。将功能分布在这些子例程之间的许多不同方式对技术人员来说将是显而易见的。子例程可以一起被存储在一个可执行文件中,以形成自含程序。这样的可执行文件可以包括计算机可执行指令,例如,处理器指令和/或解读器指令(例如,Java解读器指令)。备选地,一个或多个或所有子例程可以被存储在至少一个外部库文件中,并且例如在运行时,静态地或动态地与主程序链接。主程序包含对子例程中的至少一个的至少一个调用。子例程也可以包括对彼此的函数调用。与计算机程序产品有关的实施例包括对应于本文提出的方法中的至少一个的每个处理步骤的计算机可执行指令。这些指令可以被细分为子例程和/或被存储在可以静态地或动态地被链接的一个或多个文件中。与计算机程序产品有关的另一实施例包括对应于本文提出的系统和/或产品中的至少一个的每个器件的计算机可执行指令。这些指令可以被细分为子例程,和/或被存储在可以静态地或动态地被链接的一个或多个文件中。
计算机程序的载体可以是能够承载程序的任何实体或设备。例如,载体可以包括存储介质,诸如,ROM(例如,CD ROM或半导体ROM)或磁记录介质(例如,硬盘)。此外,载体可以是可传送载体,诸如电信号或光信号,其可以经由电缆或光缆或通过无线电设备或其他器件进行输送。当程序被体现在这样的信号中时,载体可以由这样的缆线或其他设备或器件构成。备选地,载体可以是程序被嵌入其中的集成电路,所述集成电路适于执行相关方法,或用于相关方法的执行。
应当注意,上述实施例图示而非限制本发明,并且本领域的技术人员将能够设计许多备选实施例,而不脱离权利要求书的范围。在权利要求中,被放置在括号之间的任何参考标记不应被解释为限制权利要求。动词“包括”及其词形变化的使用不排除权利要求中列出的元件或步骤之外的元件或步骤的存在。元件前的冠词“一”或“一个”不排除存在多个这样的元件。本发明可以借助包括若干不同元件的硬件以及借助适当编程的计算机来实施。在枚举了若干器件的设备权利要求中,这些器件中的若干可以被体现在同一项硬件中。在互不相同的从属权利要求中列举的某些措施的事实不表明不能够使用这些措施的组合以获益。
Claims (16)
1.一种用于根据医学图像来生成关键图像的系统(100),所述关键图像包括从所述医学图像中选择的图像区域,所述系统包括:
-图像接口(110),其用于获得所述医学图像(112)和指示所述医学图像的内容的元数据;
-数据库接口(120),其用于访问在医学数据库(020)上的解剖信息(122),所述解剖信息指示与所述医学图像的所述内容相关联的解剖标志;
-图像分析器(140),其用于:
i)检测所述医学图像中的病变(300);
ii)基于所述解剖信息,识别与所述病变具有解剖关系的解剖标志(310);以及
iii)检测所述医学图像中的所述解剖标志;以及
-关键图像生成器(160),其用于j)选择所述医学图像中的图像区域(400),所述图像区域包括所述病变(300)和所述解剖标志(310),以及jj)生成所述关键图像(162)以便包括所述图像区域。
2.根据权利要求1所述的系统(100),其中,所述病变(300)至少部分地被包括在解剖结构(320)中,并且其中,所述图像分析器(140)被布置用于:
-检测所述医学图像中的所述解剖结构(320);以及
-识别来自所述解剖结构的所述解剖标志(310)。
3.根据权利要求2所述的系统(100),其中,所述解剖标志(310)包括所述解剖结构(320)的边缘。
4.根据权利要求1所述的系统(100),其中,所述解剖信息(122)实现对所述病变(300)的医学解释,并且其中,所述图像分析器(160)被布置用于基于在所述病变的所述医学解释中的所述解剖关系的估计的相关性来识别所述解剖标志(310)。
5.根据权利要求1所述的系统,其中,所述图像分析器被布置用于基于到所述病变(300)的估计的距离来识别所述解剖标志(310)。
6.根据权利要求1所述的系统(100),还包括用户接口子系统(130),所述用户接口子系统用于使用户能够在所述关键图像(162)被生成之前调整所述图像区域(400)。
7.根据权利要求1所述的系统(100),其中,所述关键图像生成器(160)被布置用于通过在所述医学图像(112)中建立包含所述病变(300)和所述解剖标志(310)的边界框(400)来选择所述图像区域。
8.根据权利要求7所述的系统(100),其中,所述关键图像生成器(160)被布置用于在若干医学图像上保持所述边界框(400)的纵横比。
9.根据权利要求1所述的系统(100),其中,所述关键图像生成器(160)被布置用于调整所述关键图像(162)的窗口水平和/或窗口宽度。
10.根据权利要求1所述的系统(100),其中,所述医学数据库(020)包括所述医学图像的所述内容的教科书视图(124),并且其中,所述系统被布置用于根据所述教科书视图生成又一关键图像(164),所述又一关键图像(164)包括所述解剖标志(300)和对应于所述病变(310)的位置。
11.根据权利要求10所述的系统(100),还包括注释模块(130),所述注释模块使用户能够将注释(420)包括在所述关键图像(162)中,并且其中,所述系统被布置用于将对应位置(422)处的所述注释包括在所述又一关键图像(164)中。
12.根据权利要求11所述的系统(100),还被布置用于在生成所述又一关键图像(164)之前,将所述教科书视图(124)与所述医学图像(122)配准。
13.根据权利要求11所述的系统(100),其中,所述教科书视图(124)与解剖模型相关联,并且其中,所述配准基于所述解剖模型到所述医学图像(122)的模型拟合。
14.一种包括根据权利要求1所述的系统的工作站或成像装置。
15.一种用于根据医学图像来生成关键图像的方法(200),所述关键图像包括从所述医学图像中选择的图像区域,所述方法包括:
-获得(210)所述医学图像和指示所述医学图像的内容的元数据;
-访问(220)在医学数据库上的解剖信息,所述解剖信息指示与所述医学图像的所述内容相关联的解剖标志;
-检测(230)所述医学图像中的病变;
-基于所述解剖信息,识别(240)与所述病变具有解剖关系的解剖标志;
-检测(250)所述医学图像中的所述解剖标志;
-选择(260)所述医学图像中的图像区域,所述图像区域包括所述病变和所述解剖标志;以及
-生成(270)所述关键图像以便包括所述图像区域。
16.一种计算机程序产品(290),其包括用于令处理器系统执行根据权利要求15所述的方法的指令。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
EP12194038.1 | 2012-11-23 | ||
EP12194038 | 2012-11-23 | ||
PCT/IB2013/060074 WO2014080314A1 (en) | 2012-11-23 | 2013-11-12 | Generating a key-image from a medical image |
Publications (2)
Publication Number | Publication Date |
---|---|
CN104798107A true CN104798107A (zh) | 2015-07-22 |
CN104798107B CN104798107B (zh) | 2018-02-06 |
Family
ID=47290684
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201380061046.8A Active CN104798107B (zh) | 2012-11-23 | 2013-11-12 | 从医学图像生成关键图像 |
Country Status (9)
Country | Link |
---|---|
US (1) | US9697598B2 (zh) |
EP (1) | EP2923337B1 (zh) |
JP (1) | JP5842082B1 (zh) |
CN (1) | CN104798107B (zh) |
BR (1) | BR112015011572B1 (zh) |
CA (1) | CA2892069C (zh) |
MX (1) | MX341675B (zh) |
RU (1) | RU2655078C2 (zh) |
WO (1) | WO2014080314A1 (zh) |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105389813A (zh) * | 2015-10-30 | 2016-03-09 | 上海联影医疗科技有限公司 | 医学图像中器官的识别方法及分割方法 |
CN106530290A (zh) * | 2016-10-27 | 2017-03-22 | 朱育盼 | 医学图像分析方法和装置 |
WO2018094553A1 (zh) * | 2016-11-22 | 2018-05-31 | 上海联影医疗科技有限公司 | 显示方法和装置 |
CN108122605A (zh) * | 2016-11-29 | 2018-06-05 | 锐珂(上海)医疗器材有限公司 | 医学图像选择方法及设备 |
CN105389813B (zh) * | 2015-10-30 | 2018-08-31 | 上海联影医疗科技有限公司 | 医学图像中器官的识别方法及分割方法 |
CN109256193A (zh) * | 2018-09-04 | 2019-01-22 | 北京慧影明图科技有限公司 | 图像显示方法及装置、存储介质、电子终端 |
CN109273073A (zh) * | 2018-08-28 | 2019-01-25 | 上海联影医疗科技有限公司 | 医学图像的存储方法及装置、计算机可读存储介质 |
CN113205459A (zh) * | 2020-01-16 | 2021-08-03 | 西门子医疗有限公司 | 用于冠状动脉的3d重建的血管造影图像的运动校正 |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9953429B2 (en) * | 2013-12-17 | 2018-04-24 | Koninklijke Philips N.V. | Model-based segmentation of an anatomical structure |
US10949966B2 (en) * | 2017-08-18 | 2021-03-16 | Siemens Healthcare Gmbh | Detecting and classifying medical images based on continuously-learning whole body landmarks detections |
WO2019085985A1 (en) | 2017-11-02 | 2019-05-09 | Shenzhen United Imaging Healthcare Co., Ltd. | Systems and methods for generating semantic information for scanning image |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1943512A (zh) * | 2006-11-08 | 2007-04-11 | 沈阳东软医疗系统有限公司 | 一种确定感兴趣区域的装置及方法 |
US20070122021A1 (en) * | 2005-11-14 | 2007-05-31 | Hologic, Inc. | Facilitating temporal comparison of medical images |
CN102289811A (zh) * | 2011-08-17 | 2011-12-21 | 深圳市旭东数字医学影像技术有限公司 | 一种半自动序列图像分割方法及系统 |
WO2012123829A1 (en) * | 2011-03-16 | 2012-09-20 | Koninklijke Philips Electronics N.V. | Method and system for intelligent linking of medical data. |
CN102708270A (zh) * | 2003-08-13 | 2012-10-03 | 美国西门子医疗解决公司 | 计算机辅助决策支持系统和方法 |
Family Cites Families (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2001155019A (ja) * | 1999-11-25 | 2001-06-08 | Olympus Optical Co Ltd | 類似画像検索装置 |
US7034848B2 (en) * | 2001-01-05 | 2006-04-25 | Hewlett-Packard Development Company, L.P. | System and method for automatically cropping graphical images |
AUPS125102A0 (en) | 2002-03-21 | 2002-04-18 | Byrne Trailer Manufacturing (Wagga Wagga) Pty Limited | Improved compactor system |
US20040147830A1 (en) | 2003-01-29 | 2004-07-29 | Virtualscopics | Method and system for use of biomarkers in diagnostic imaging |
US20050129297A1 (en) | 2003-12-15 | 2005-06-16 | Kamath Vidya P. | Classification of breast lesion method and system |
JP2009018048A (ja) * | 2007-07-12 | 2009-01-29 | Fujifilm Corp | 医用画像表示装置、方法及びプログラム |
AU2008331807A1 (en) | 2007-12-03 | 2009-06-11 | Dataphysics Research, Inc. | Systems and methods for efficient imaging |
US8009921B2 (en) * | 2008-02-19 | 2011-08-30 | Xerox Corporation | Context dependent intelligent thumbnail images |
US8139832B2 (en) * | 2008-12-12 | 2012-03-20 | Hologic, Inc. | Processing medical images of the breast to detect anatomical abnormalities therein |
GB0913930D0 (en) * | 2009-08-07 | 2009-09-16 | Ucl Business Plc | Apparatus and method for registering two medical images |
JP5523891B2 (ja) | 2009-09-30 | 2014-06-18 | 富士フイルム株式会社 | 病変領域抽出装置、その作動方法およびプログラム |
JP5972865B2 (ja) * | 2010-04-28 | 2016-08-17 | ギブン イメージング リミテッドGiven Imaging Ltd. | 生体内画像の部分を表示するシステム及びその作動方法 |
US20130208964A1 (en) * | 2010-10-25 | 2013-08-15 | Koninklijke Philips Electronics N.V. | System for the segmentation of a medical image |
US8737709B2 (en) * | 2012-04-30 | 2014-05-27 | General Electric Company | Systems and methods for performing correlation analysis on clinical outcome and characteristics of biological tissue |
-
2013
- 2013-11-12 RU RU2015119961A patent/RU2655078C2/ru active
- 2013-11-12 EP EP13795003.6A patent/EP2923337B1/en active Active
- 2013-11-12 WO PCT/IB2013/060074 patent/WO2014080314A1/en active Application Filing
- 2013-11-12 US US14/437,839 patent/US9697598B2/en active Active
- 2013-11-12 JP JP2015542390A patent/JP5842082B1/ja active Active
- 2013-11-12 MX MX2015005619A patent/MX341675B/es active IP Right Grant
- 2013-11-12 CN CN201380061046.8A patent/CN104798107B/zh active Active
- 2013-11-12 BR BR112015011572-1A patent/BR112015011572B1/pt active IP Right Grant
- 2013-11-12 CA CA2892069A patent/CA2892069C/en active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102708270A (zh) * | 2003-08-13 | 2012-10-03 | 美国西门子医疗解决公司 | 计算机辅助决策支持系统和方法 |
US20070122021A1 (en) * | 2005-11-14 | 2007-05-31 | Hologic, Inc. | Facilitating temporal comparison of medical images |
CN1943512A (zh) * | 2006-11-08 | 2007-04-11 | 沈阳东软医疗系统有限公司 | 一种确定感兴趣区域的装置及方法 |
WO2012123829A1 (en) * | 2011-03-16 | 2012-09-20 | Koninklijke Philips Electronics N.V. | Method and system for intelligent linking of medical data. |
CN102289811A (zh) * | 2011-08-17 | 2011-12-21 | 深圳市旭东数字医学影像技术有限公司 | 一种半自动序列图像分割方法及系统 |
Non-Patent Citations (1)
Title |
---|
何楚 等: "医学图像感兴趣区域的自动提取", 《计算机应用研究》 * |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105389813A (zh) * | 2015-10-30 | 2016-03-09 | 上海联影医疗科技有限公司 | 医学图像中器官的识别方法及分割方法 |
CN105389813B (zh) * | 2015-10-30 | 2018-08-31 | 上海联影医疗科技有限公司 | 医学图像中器官的识别方法及分割方法 |
CN106530290A (zh) * | 2016-10-27 | 2017-03-22 | 朱育盼 | 医学图像分析方法和装置 |
WO2018094553A1 (zh) * | 2016-11-22 | 2018-05-31 | 上海联影医疗科技有限公司 | 显示方法和装置 |
CN108122605A (zh) * | 2016-11-29 | 2018-06-05 | 锐珂(上海)医疗器材有限公司 | 医学图像选择方法及设备 |
CN109273073A (zh) * | 2018-08-28 | 2019-01-25 | 上海联影医疗科技有限公司 | 医学图像的存储方法及装置、计算机可读存储介质 |
CN109256193A (zh) * | 2018-09-04 | 2019-01-22 | 北京慧影明图科技有限公司 | 图像显示方法及装置、存储介质、电子终端 |
CN113205459A (zh) * | 2020-01-16 | 2021-08-03 | 西门子医疗有限公司 | 用于冠状动脉的3d重建的血管造影图像的运动校正 |
Also Published As
Publication number | Publication date |
---|---|
EP2923337A1 (en) | 2015-09-30 |
RU2655078C2 (ru) | 2018-05-23 |
CA2892069C (en) | 2021-03-30 |
BR112015011572A2 (pt) | 2017-07-11 |
JP2016505290A (ja) | 2016-02-25 |
RU2015119961A (ru) | 2016-12-20 |
US9697598B2 (en) | 2017-07-04 |
EP2923337B1 (en) | 2016-03-30 |
BR112015011572B1 (pt) | 2022-03-15 |
JP5842082B1 (ja) | 2016-01-13 |
CA2892069A1 (en) | 2014-05-30 |
MX2015005619A (es) | 2015-09-04 |
WO2014080314A1 (en) | 2014-05-30 |
US20150302580A1 (en) | 2015-10-22 |
MX341675B (es) | 2016-08-30 |
CN104798107B (zh) | 2018-02-06 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104798107A (zh) | 从医学图像生成关键图像 | |
JP6438395B2 (ja) | 効果的な表示及び報告のための画像資料に関連する以前の注釈の自動検出及び取り出し | |
JP5632913B2 (ja) | マルチモダリティ胸部撮像に関するシステム、方法及びプログラム | |
US8786601B2 (en) | Generating views of medical images | |
JP6670595B2 (ja) | 医用画像処理装置 | |
US8423120B2 (en) | Method and apparatus for positioning a biopsy needle | |
US9767594B2 (en) | Image processing apparatus | |
US20150235007A1 (en) | System and method for generating a report based on input from a radiologist | |
JP2017051591A (ja) | 情報処理装置及びその方法、情報処理システム、コンピュータプログラム | |
KR102149369B1 (ko) | 의료 영상을 시각화하는 방법 및 이를 이용한 장치 | |
US9691157B2 (en) | Visualization of anatomical labels | |
EP2994845B1 (en) | Image visualization | |
JP2015509013A (ja) | 画像処理装置 | |
Khmelinskii et al. | Segmentation and visual analysis of whole-body mouse skeleton microSPECT | |
Poh et al. | Viewing interfaces for segmentation and measurement results | |
CN110709888B (zh) | 信息处理装置和用于控制信息处理装置的方法 |
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 |