CN109478240A - 自动图像特征移除 - Google Patents

自动图像特征移除 Download PDF

Info

Publication number
CN109478240A
CN109478240A CN201680059251.4A CN201680059251A CN109478240A CN 109478240 A CN109478240 A CN 109478240A CN 201680059251 A CN201680059251 A CN 201680059251A CN 109478240 A CN109478240 A CN 109478240A
Authority
CN
China
Prior art keywords
image
described image
features
pixel
computer processor
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
CN201680059251.4A
Other languages
English (en)
Other versions
CN109478240B (zh
Inventor
N·卡蒙
S·塞莫
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.)
Sync Rx Ltd
Original Assignee
Sync Rx 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
Application filed by Sync Rx Ltd filed Critical Sync Rx Ltd
Publication of CN109478240A publication Critical patent/CN109478240A/zh
Application granted granted Critical
Publication of CN109478240B publication Critical patent/CN109478240B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V30/00—Character recognition; Recognising digital ink; Document-oriented image-based pattern recognition
    • G06V30/10—Character recognition
    • G06V30/14—Image acquisition
    • G06V30/148—Segmentation of character regions
    • G06V30/155—Removing patterns interfering with the pattern to be recognised, such as ruled lines or underlines
    • 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
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30004—Biomedical image processing
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V2201/00—Indexing scheme relating to image or video recognition or understanding
    • G06V2201/03—Recognition of patterns in medical or anatomical images
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V30/00—Character recognition; Recognising digital ink; Document-oriented image-based pattern recognition
    • G06V30/10—Character recognition
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V30/00—Character recognition; Recognising digital ink; Document-oriented image-based pattern recognition
    • G06V30/10—Character recognition
    • G06V30/14—Image acquisition
    • G06V30/1444—Selective acquisition, locating or processing of specific regions, e.g. highlighted text, fiducial marks or predetermined fields
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
    • G06V40/14—Vascular patterns

Abstract

描述了这样的装置和方法，其包括：经由计算机处理器接收对象的身体的部分的至少一幅图像；识别存在于所述对象的身体的所述部分的所述图像内的并且在对所述图像的采集之后被人为添加到所述图像的一个或多个特征；响应于此，在输出设备上生成输出。

Description

自动图像特征移除
技术领域
本发明的一些应用总体上涉及自动图像处理。具体地，本发明的一些应用涉及医学成像和对这种图像的分析。
背景技术
医学成像被用于处置和诊断疾病。有大量用于生成医学图像的成像模态，包括视频、荧光检查、血管造影、超声、CT、MR、PET、PET-CT、CT血管造影、SPECT、伽马相机成像、光学相干断层摄影(OCT)、近红外光谱(NIRS)、振动响应成像(VRI)、光学成像、红外成像、电子映射成像、其他形式的功能成像、聚焦声学计算机断层摄影(FACT)、光学频域成像(OFDI)。许多医学成像系统被配置为向由系统的图像采集单元采集的图像添加特征(例如，图标和/或字母数字特征)。例如，这种数据可以包括关于成像对象的信息和/或与已经对图像执行的测量有关的数据。
发明内容
对于本发明的一些应用，计算机处理器从图像处理系统接收对象的身体的部分的图像。所述计算机处理器识别存在于所述图像内的、在对所述图像的采集之后被所述图像处理系统人为添加到所述图像的特征。响应于此，所述计算机处理器在输出设备上生成输出。例如，所述计算机处理器可以驱动显示器以显示如下的图像：在所述图像中，所识别的特征从所显示的图像中被移除。替代地或额外地，所述计算机处理器可以对所述图像执行测量，并且可以排除所识别的特征而使所识别的特征不被包括在所述测量中。所述计算机处理器然后可以在所述输出设备上生成对所述测量的指示。
由计算机处理器识别的人为添加的特征可以包括由图像处理系统添加的特征，以便识别对象，示出与对象相关联的测得的数据，识别图像处理系统(例如，图像可以包括与图像处理系统的制造商相关联的徽标)，将图像分类为特定类型的图像或执行不同的功能。这些特征可以包括字母数字字符、图标、图片和/或任何其他类型或形状的特征。许多医学成像系统被配置为将这些特征(例如，图标和/或字母数字数据)添加到已经由成像设备采集的图像。对于一些应用，计算机处理器通过识别图像内具有字母数字特性的特征来识别人为添加的特征。
因此，根据本发明的一些应用，提供了一种方法，所述方法包括：
经由至少一个计算机处理器接收对象的身体的部分的至少一幅图像；
使用所述至少一个计算机处理器，识别存在于所述对象的身体的所述部分的所述图像内的、在对所述图像的采集之后被人为添加到所述图像的一个或多个特征；并且
响应于此，在输出设备上生成输出。
对于一些应用，在所述输出设备上生成所述输出包括：驱动显示器以显示如下的图像：在所述图像中，所识别的特征从所显示的图像中被移除。
对于一些应用，所述方法还包括：使用所述计算机处理器，通过排除所识别的特征而使所识别的特征不被包括在测量中来对图像执行所述测量，并且生成所述输出包括：在所述输出设备上生成对所述测量的指示。
对于一些应用，识别所述一个或多个特征包括：确定所述一个或多个特征位于所述图像的边缘的给定距离内，并且至少部分地响应于此，将所述一个或多个特征识别为是在对所述图像的采集之后已经被人为添加到所述图像的。
对于一些应用，识别所述一个或多个特征包括：识别存在于所述图像内的、具有字母数字特性的一个或多个特征。
对于一些应用，识别所述一个或多个特征包括：识别定义线条的像素的集合，并且至少部分地响应于此，将像素的所述集合识别为对应于在对所述图像的采集之后被人为添加到所述图像的特征。
对于一些应用，识别所述一个或多个特征包括：识别所述图像内直线的密度超过阈值的区域，并且至少部分地响应于此，将所述区域识别为包含在对所述图像的采集之后已经被人为添加到所述图像的特征。
对于一些应用，识别所述一个或多个特征包括：确定所述图像的给定区域内的水平梯度和垂直梯度的密度超过阈值，并且至少部分地响应于此，将所述区域识别为包含在对所述图像的采集之后已经被人为添加到所述图像的特征。
对于一些应用，识别所述一个或多个特征包括：
在所述图像中确定第一像素与距所述第一像素给定距离内的至少一个第二像素之间的强度的差异超过阈值；
确定所述图像中的所述第一像素的值与所述对象的身体的所述部分的一幅或多幅额外的图像中的所述第一像素的值之间的强度的差异小于阈值量；并且
至少部分地响应于此，将包含所述第一像素的区域识别为包含在对所述图像的采集之后已经被人为添加到所述图像的特征。
根据本发明的一些应用，还提供了一种装置，所述装置包括：
成像设备，其被配置为采集对象的身体的部分的图像；
输出设备；以及
至少一个计算机处理器，其被配置为：
接收所述对象的身体的所述部分的所述图像；
确定存在于所述对象的身体的所述部分的所述图像内的、在由所述成像设备对所述图像的采集之后被人为添加到所述图像的一个或多个特征；并且
响应于此，在所述输出设备上生成输出。
对于一些应用，所述计算机处理器被配置为通过驱动显示器以显示如下的图像来生成所述输出：在所述图像中，所识别的特征从所显示的图像中被移除。
对于一些应用，所述计算机处理器被配置为通过排除所识别的特征而使所识别的特征不被包括在测量中来对所述图像执行所述测量，并且所述计算机处理器被配置为通过在所述输出设备上生成对所述测量的指示来生成所述输出。
对于一些应用，所述计算机处理器被配置为通过以下操作来识别所述一个或多个特征：确定所述一个或多个特征位于所述图像的边缘的给定距离内，并且至少部分地响应于此，将所述一个或多个特征识别为是在对所述图像的采集之后已经被人为添加到所述图像的。
对于一些应用，所述计算机处理器被配置为通过以下操作来识别所述一个或多个特征：识别存在于所述图像内的、具有字母数字特性的一个或多个特征。
对于一些应用，所述计算机处理器被配置为通过以下操作来识别所述一个或多个特征：识别定义线条的像素的集合，并且至少部分地响应于此，将像素的所述集合识别为对应于在对所述图像的采集之后已经被人为添加到所述图像的特征。
对于一些应用，所述计算机处理器被配置为通过以下操作来识别所述一个或多个特征：识别所述图像内直线的密度超过阈值的区域，并且至少部分地响应于此，将所述区域识别为包含在对所述图像的采集之后已经被人为添加到所述图像的特征。
对于一些应用，所述计算机处理器被配置为通过以下操作来识别所述一个或多个特征：确定所述图像的给定区域内的水平梯度和垂直梯度的密度超过阈值，并且至少部分地响应于此，将所述区域识别为包含在对所述图像的采集之后已经被人为添加到所述图像的特征。
对于一些应用，所述计算机处理器被配置为通过以下操作来识别所述一个或多个特征：
在所述图像中确定第一像素与距所述第一像素给定距离内的至少一个第二像素之间的强度的差异超过阈值；
确定所述图像中的所述第一像素的值与所述对象的身体的所述部分的一幅或多幅额外的图像中的所述第一像素的值之间的强度的差异小于阈值量；并且
至少部分地响应于此，将包含所述第一像素的区域识别为包含在对所述图像的采集之后已经被人为添加到所述图像的特征。
根据本发明的一些应用，额外地提供了一种用于与成像设备和输出设备一起使用的计算机软件产品，所述成像设备被配置为采集对象的身体的部分的图像，所述计算机软件产品包括存储有程序指令的非瞬态计算机可读介质，所述指令在由计算机读取时使得所述计算机执行以下步骤：接收对象的身体的部分的至少一幅图像；识别存在于所述对象的身体的所述部分的所述图像内的、在对所述图像的采集之后被人为添加到所述图像的一个或多个特征；并且响应于此，在所述输出设备上生成输出。
根据下文结合附图对实施例的详细描述，将会更加充分地理解本发明。在附图中：
附图说明
图1是根据本发明的一些应用的在导管室中使用的装置的示意图；
图2是根据本发明的一些应用的由计算机处理器进行图像处理的对象胸部的腔外荧光检查图像的范例；
图3A-图3B是示出根据本发明的一些应用的由处理器执行的算法的步骤的流程图；
图4A-图4C是根据本发明的一些应用的通过将图3B所示的流程图的步骤应用于图2所示的图像而生成的二值图像的范例；
图4D是根据本发明的一些应用的通过组合图4A-图4C所示的二值图像而生成的掩膜图像；并且
图5是示出根据本发明的一些应用的由处理器执行的算法的步骤的流程图。
具体实施方式
现在参考图1，图1是根据本发明的一些应用的在导管室中使用的装置的示意图。通常，使用腔外成像设备(即，腔外图像采集设备)20对对象进行成像，该腔外成像设备20可以包括以及荧光检查镜，该荧光检查镜在常规模式下(在正在被成像的对象的血管中没有造影剂的情况下)和/或在血管造影模式下(当正在被成像的对象的血管中存在造影剂时)采集荧光检查图像。对于一些应用，成像设备执行荧光检查、CT、MR、PET、SPECT、超声或其任何组合。
图1还示出了导丝24上的已经被插入对象的血管(例如，对象的冠状动脉)的导向导管22。已经将腔内医学设备26通过导向导管并在导丝上插入对象的血管(例如，对象的冠状动脉)。
对于一些应用，腔内医学设备26包括被配置为采集来自对象的血管内部的数据(例如，功能数据或功能图像)的腔内数据采集设备。对于一些应用，腔内数据采集设备是成像探头。对于一些应用，成像探头是IVUS探头、EBUS探头、不同类型的超声探头、OCT探头、NIRS探头、MR探头、FACT探头、OFDI探头或其任何组合。对于一些应用，腔内数据采集设备执行额外的功能。例如，腔内数据采集设备可以包括探头，例如由火山公司(圣迭哥，美国)销售的VIBETMRX脉管成像球囊导管，其包括IVUS功能和冠状球囊功能两者。
对于一些应用，腔内数据采集设备非图像的形式采集数据。例如，数据可以包括与压力、流量、温度、电活动、氧合作用、生物化学组分或其任何组合有关的数据。对于一些应用，并且通常当关于冠状脉管采集数据时，腔内数据采集设备是血流储备分数(FFR)探头和/或瞬时无波比(iFR)探头。对于一些应用，通过对腔外图像执行图像处理来确定FFR和/或iFR测量结果，并且使用本文描述的技术将导出的FFR和/或iFR测量结果与管腔的腔内图像进行共配准。对于一些应用，通过对腔内图像执行图像处理来确定FFR和/或iFR测量结果，并且使用本文描述的技术将导出的FFR和/或iFR测量结果与管腔的腔外图像进行共配准。对于一些应用，使用本文描述的技术将腔内图像与管腔的腔外图像进行共配准，并且通过对经共同配准的图像执行图像处理来确定FFR和/或iFR测量结果。
计算机处理器28通常接收并处理图像(例如，腔外图像或腔内图像)。计算机处理器与存储器29进行通信。用户(例如，医生和/或导管室技术人员)经由用户接口30向计算机处理器发送指令。对于一些应用，用户接口包括键盘32、鼠标34、操纵杆36、触摸屏设备38(例如，智能电话或平板电脑)、触摸板、轨迹球、语音命令接口和/或本领域已知的其他类型的用户接口。通常，计算机处理器使用输出设备40来生成输出。通常，输出设备包括诸如监视器(如图1所示)的显示器，并且输出包括被显示在显示器上的输出。对于一些应用，显示器包括平视显示器和/或头戴式显示器(例如，Google )。对于一些应用，处理器在不同类型的视觉、文本、图形、触觉、音频和/或视频输出设备(例如，扬声器、耳机、智能电话或平板电脑)上生成输出。对于一些应用，用户接口30充当输入设备和输出设备两者。对于一些应用，处理器在诸如磁盘或便携式USB驱动器的计算机可读介质(例如，非瞬态计算机可读介质)上生成输出。
需要注意，对于一些应用，多于一个的计算机处理器被用于执行本文描述的由计算机处理器28执行的功能。对于一些应用，多于一个的腔外成像设备与计算机处理器28一起使用。例如，可以使用第一腔外成像设备来采集腔外图像的第一集合，并且可以使用第二腔外成像设备来采集腔外图像的第二集合。
通常，计算机处理器28被配置为接收已经由图像处理系统44的计算机处理器42处理的对象身体的图像。对于一些应用，已经由图像处理系统的计算机处理器进行图像处理的图像被显示在图像处理系统的显示器46上。
图2是根据本发明的一些应用的已经由图像处理系统的计算机处理器(例如，图像处理系统44的计算机处理器42)进行图像处理并且被计算机处理器28接收的对象胸部的腔外荧光检查图像的范例。通常，图像处理系统44将特征人为添加到由成像设备中的一个(例如，腔外成像设备20和/或腔内成像设备)采集的图像。例如，人为添加的特征可以包括被添加以实现如下效果的特征：识别对象，示出与对象相关联的测量数据，识别图像处理系统(例如，图像可以包括与图像处理系统的制造商相关联的徽标)，将图像分类为某种类型的图像或者执行不同的功能。这些特征可以包括字母数字字符、图标、图片和/或任何其他类型或形状的特征。许多医学成像系统被配置为将这些特征(例如，图标和/或字母数字数据)添加到已经由成像设备采集的图像。
对于本发明的一些应用，计算机处理器28接收如图2所示的图像，并(通常自动地)识别存在于图像内的、在图像采集后被人为添加到图像的一个或多个特征。计算机处理器28响应于移除特征而在输出设备40上生成输出设备。
对于一些应用，输出设备是显示器(如图所示)，并且计算机处理器显示从图像处理系统接收的图像，其中，一个或多个特征从图像中被移除。例如，可以被显示在显示器上的图像中掩蔽特征。替代地或额外地，计算机处理器可以被配置为将图像的部分识别为对应于对象的身体的部分(例如，对象的血管或血管内的病变)或对象的身体内或对象的身体上的设备，并且/或者对所识别的特征执行测量。对于一些应用，在执行前述识别和/或测量步骤之前，计算机处理器识别存在于图像内的、被人为添加到图像的一个或多个特征。响应于此，当执行识别和/或测量步骤时，计算机处理器考虑到这样的事实：一个或多个特征不是由成像设备所成像的特征。
例如，计算机处理器可以被配置为识别图像内的血管的中心线和/或边缘线，识别血管内的病变，并且/或者对血管执行定量分析(例如，使用如Steinberg的US 8781193中所述的技术，通过引用将其并入本文)。替代地或额外地，计算机处理器可以被配置为识别被放置在对象的身体内部的设备(例如，使用Steinberg的US 2014/0094691和/或Klaiman的国际专利申请PCT/IL2015/050509中描述的技术，通过引用将这两个申请并入本文)。对于一些这样的应用，计算机处理器28生成指示对血管或所识别的设备执行的定量分析的输出，并且/或者基于已经识别出的血管中心线、血管边缘线、病变和/或设备来驱动显示器显示图像或图像的组合。例如，计算机处理器可以至少部分地基于所识别的特征将腔内数据与腔外图像进行共配准，并且可以响应于所述共配准而生成输出，例如根据Tolkowsky的US2012-0004537和/或Steinberg的US 2014/0094691中描述的技术，通过引用这两个申请并入本文。计算机处理器可以基于共配准来生成输出。
对于一些应用，在执行上述步骤中的任何一个之前，计算机处理器识别存在于图像内的、被人为添加到图像的一个或多个特征。响应于此，计算机不会将这样的特征错误识别为对应于解剖特征或被设置在对象的身体内部或对象的身体上的设备。需要注意，人为添加的特征通常包括直线(例如，像字母数字字符的情况)。在这种情况下，如果计算机处理器没有例如使用本文描述的技术首先识别已经被人为添加到图像的特征，那么人为添加的特征可能被错误识别为对应于血管的部分或设备。
图3A-图3B是示出根据本发明的一些应用的由计算机处理器28执行的算法的步骤的流程图。参考图3A，在步骤50中，计算机处理器接收图像。如上所述，对于一些应用，计算机处理器从诸如系统44的图像处理系统接收图像，该图像处理系统将人为特征添加到对象的身体的解剖图像。在步骤52中，计算机处理器28识别(一个或多个)人为添加的特征，并且在步骤54中，计算机处理器基于已经识别出(一个或多个)已经被人为添加的特征来生成输出。
参考图3B，对于一些应用，图3A的步骤52(即，识别(一个或多个)人为添加的特征的步骤)是使用以下算法的一些或全部步骤来执行的。
对于一些应用，在步骤60中，计算机处理器选择图像内的一个或多个区域，在所述一个或多个区域上应用算法的另外的步骤以识别下文描述的(一个或多个)人为添加的特征。步骤60被示为在虚线框内部，以指示步骤60是任选的。
对于一些应用，用于识别(一个或多个)人为添加的特征的算法的另外的步骤仅被应用于图像的部分。通常，当图像处理系统向图像人为添加特征时，特征被添加到图像的角落。例如，图2示出了已经被添加图像的右下角、右上角和左上角的特征。因此，对于一些应用，用于识别(一个或多个)人为添加的特征的算法的另外的步骤仅被应用于图像的预定义角落区域或图像的预定义边界。例如，预定义边界可以被定义为图像的预定义百分比(例如，图像的上限10％至30％，或者图像的下限10％至30％)，或者预定义的像素数量。
对于一些应用，计算机处理器被配置为接收来自用户的输入，该输入指示应用该算法的另外的步骤以识别(一个或多个)人为添加的特征的区域，并且计算机处理器被配置为响应于对该区域的识别而选择该区域。替代地或额外地，计算机处理器自动选择应用该算法的另外的步骤以识别(一个或多个)人为添加的特征的区域。
对于一些应用，计算机处理器配置为将一个或多个滤波器应用于所选择的区域。需要注意，虽然三个滤波器被示为被并行应用以生成三幅二值图像，然后这些二值图像被示为被组合成掩膜图像(在步骤68中)，但是对于一些应用，并非应用所有三个滤波器。这样，本发明的范围包括应用滤波器中的任一个和/或其任何组合。
如图所示，在步骤62中，计算机处理器可以应用线条检测滤波器。例如，人为添加的特征可以是白色的字母数字字符。因此，对于一些应用，计算机处理器使用滤波器来识别定义线条的像素集合，例如，如在Steinberg的US 8781193中所描述的，通过引用将其并入本文。对于一些应用，在应用线条检测滤波器之前，计算机处理器将图像反转，使得文本的明亮线条显得暗淡。对于一些应用，应用滤波器的输出是二值图像，其中，被识别的线条被分配第一值，而图像内的其他像素被分配第二值。
现在参考图4A，图4A示出了通过将如上所述的线条检测滤波器应用于图2所示的图像而生成的二值图像的范例。所识别的线条是白色的，而图像内的其他像素是黑色的。
再次参考图3B，如步骤64所示，计算机处理器可以应用线条密度滤波器。对于一些应用，作为替代方案或者除了识别在步骤60中选择的(一个或多个)区域内定义线的像素集合以外，计算机处理器应用滤波器以识别图像内直线密度超过给定阈值的区域。对于一些应用，应用滤波器的输出是二值图像，其中，图像内直线密度超过给定阈值的区域被分配第一值，而图像内的其他像素被分配第二值。
现在参考图4B，图4B示出了通过将如上所述的线条密度滤波器应用于图2所示的图像而生成的二值图像的范例。所识别的区域是白色的，而图像内的其他像素是黑色的。
再次参考图3B，如步骤64所示，计算机处理器可以应用方向梯度密度滤波器。对于一些应用，作为备选方案或者除了在步骤60中选择的(一个或多个)区域内应用步骤62和64以外，计算机处理器向区域应用方向梯度密度滤波器。对于一些应用，将Sobel滤波器应用于区域以提取水平梯度和/或垂直梯度。然后用大型盒式滤波器过滤方向梯度图像中的每幅图像以找到具有超过阈值的方向梯度的量的区域。对于一些应用，方向梯度图像与AND运算符组合以找到水平梯度和垂直梯度都超过各自阈值的区域。对于一些应用，应用上述步骤的顺序与上述顺序不同。例如，可以在应用阈值化步骤之前应用AND运算符步骤。对于一些应用，应用方向梯度密度滤波器的输出是二值图像，其中，方向梯度的密度超过给定阈值的图像区域被分配第一值，而图像内的其他像素被分配第二值。
再次参考图3B，对于一些应用，在步骤68中生成单幅掩膜图像。对于一些应用，并行应用步骤62、64和68中的一个或多个，并且例如使用AND运算符将通过应用这些步骤而生成的(一幅或多幅)二值图像组合成单幅掩膜图像。对于一些应用，在步骤70中，从步骤68输出的掩膜被扩大，例如以便提供安全裕量。
现在参考图4D，图4D是根据本发明的一些应用的通过组合图4A-图4C所示的二值图像并然后扩大所得到的掩膜而生成的掩膜图像。通常，在图3B的步骤72中，所生成的掩膜被应用于原始图像。原始图像的位于掩膜内的区域被识别为对应于人为添加的特征，并且不在掩膜内的特征不被识别为对应于人为添加的特征。通常，在图3A和图3B的步骤54中，例如如上所述，响应于识别出人为添加的特征而生成输出。
现在参考图5，图5是示出根据本发明的一些应用的由处理器执行的算法的步骤的流程图。对于一些应用，使用以下算法的一些或全部步骤来执行图3A的步骤52(即，识别(一个或多个)人为添加的特征的步骤)。
对于一些应用，在步骤80中，计算机处理器28选择图像内的应用算法的另外的步骤以识别如下所述的(一个或多个)人为添加的特征的一个或多个区域。步骤80被示为在虚线框内部，以指示步骤80是任选的。步骤80以与上文参考图3B描述的步骤60大致相似的方式执行。
在步骤82中，计算机处理器识别第一像素，第一像素的强度与第一像素附近的一个或多个像素的强度相差大于阈值量。通常，这指示该像素可以对应于例如已经被人为添加到具有通常为黑色的背景的图像区域的白色字母数字字符(或其他符号)。
通常，被自动添加到图像的特征会被添加到由图像处理系统输出的图像集合中的每幅图像中的相同位置。例如，如果图像处理系统的制造商将其徽标添加到图像中的每幅图像，那么徽标通常被添加到图像中的每幅图像中的相同位置。或者，如果将对象的姓名添加到图像，那么通常会将姓名添加到图像中的每幅图像中的相同位置。因此，在步骤84中，在一幅或多幅额外的图像中识别被识别为可能对应于步骤82中的人为添加的特征的像素，并且计算机处理器确定图像中的像素值之间的差异是否小于阈值量。响应于检测到差异小于阈值量，计算机处理器将该特征识别为对应于人为添加的特征。对于一些应用，步骤82和84以相反的顺序执行。
在步骤86中，计算机处理器在已经被识别为对应于人为添加的特征的像素的区域中生成掩膜。对于一些应用，在步骤88中，计算机处理器扩大所得到的掩膜。需要注意，通常，步骤82、84和86被应用于在步骤80中选择的区域内的多于一个的像素。通常，计算机处理器将步骤82、84和86应用于在步骤80中选择的区域内的多个像素(例如，全部像素)，以便识别出区域内的以下的全部像素：(a)在强度上与附近的像素的强度相差大于阈值量，以及(b)在值上与一幅或多幅额外的图像中的像素的值相差小于阈值量。以这种方式，识别对应于人为添加的特征的所有像素。
通常，在步骤90中，将生成的掩膜应用于原始图像。原始图像的位于掩膜内的区域被识别为对应于人为添加的特征，并且不在掩膜内的特征不被识别为对应于人为添加的特征。通常，如上所述，在步骤54中，响应于识别出人为添加的特征而生成输出。
需要注意，虽然本文描述的一些技术主要关于腔外荧光检查/血管造影图像进行描述，但是本发明的范围包括将本文描述的技术经过必要的修正而应用于其他形式的腔外图像。例如，腔外图像可以包括通过以下生成的图像：荧光检查、CT、MRI、超声、PET、SPECT、其他腔外成像技术或其任何组合。腔内图像可以包括通过以下生成的图像：脉管内超声(IVUS)、光学相干断层摄影(OCT)、近红外光谱(NIRS)、血管内超声(IVUS)、支气管内超声(EBUS)、磁共振(MR)、其他腔内成像技术或其任何组合。腔内数据可以包括与以下有关的数据：压力(例如血流储备分数)、流量、温度、电活动或其任何组合。
虽然本文描述的一些技术主要被描述为在血管上执行，但是本申请的范围包括经过必要的修正在以下中的管腔上执行的类似技术：脉管系统、呼吸道、消化道、尿道、患者身体内的任何其他管腔结构或患者身体内的任何其他合适的解剖结构。可以应用本文所述的技术的解剖结构的范例包括冠状脉管、冠状病变、脉管、脉管病变、管腔、腔病变和/或瓣膜。
本文描述的本发明的应用能够采取可从计算机可用介质或计算机可读介质(例如，非瞬态计算机可读介质)访问的计算机程序产品的形式，该计算机可用介质或计算机可读介质提供由计算机或任何指令运行系统(例如，计算机处理器28)使用或者与计算机或任何指令运行系统(例如，计算机处理器28)结合使用的程序代码。出于描述的目的，计算机可用介质或计算机可读介质能够是以下的任何装置：该装置能够包括、存储、通信、传播或传输由指令运行系统、装置或设备使用或者与指令运行系统、装置或设备结合使用的程序。介质能够是电子、磁性、光学、电磁、红外或半导体系统(或装置或设备)或传播介质。通常，计算机可用介质或计算机可读介质是非瞬态计算机可用介质或计算机可读介质。
计算机可读介质的范例包括例如半导体或固态存储器、磁带、可移动计算机软盘、随机存取存储器(RAM)、只读存储器(ROM)、硬磁盘，以及光盘。光盘的当前范例包括压缩盘-只读存储器(CD-ROM)、压缩盘-读/写(CD-R/W)，以及DVD。
适合用于存储和/或运行程序代码的数据处理系统将包括通过系统总线直接或间接耦合到存储器元件(例如，存储器29)的至少一个处理器(例如，计算机处理器28)。存储器元件能够包括在程序代码的实际运行期间使用的本地存储器、大容量存储设备，以及提供对至少一些程序代码的临时存储以减少在运行期间必须从大容量存储设备检索代码的次数的高速缓冲存储器。系统能够读取程序存储设备上的创造性指令并遵循这些指令以运行本发明的实施例的方法。
网络适配器可以耦合到处理器，以使得处理器能够通过中间私人网络或公共网络而耦合到其他处理器或远程打印机或存储设备。调制解调器、电缆调制解调器和以太网卡只是当前可用类型的网络适配器中的几种。
用于执行本发明的操作的计算机程序代码可以以一种或多种编程语言的任意组合来编写，所述编程语言包括面向对象的编程语言(例如，Java、Smalltalk、C++等)以及常规流程的编程语言(例如，C编程语言或类似的编程语言)。
应当理解，图3A-图3B和图5所示的流程图的每个框以及流程图中的框的组合能够通过计算机程序指令来实施。这些计算机程序指令可以被提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器以产生机器，使得经由计算机的处理器(例如，计算机处理器28)或其他可编程数据处理装置运行的指令创建用于实施在本申请中描述的流程图和/或算法中指定的功能/动作的模块。这些计算机程序指令还可以被存储在能够引导计算机或其他可编程数据处理装置以特定方式运行的计算机可读介质(例如，非瞬态计算机可读介质)中，使得被存储在计算机可读介质中的指令产生包括实施在流程图框和算法中指定的功能/动作的指令模块的制造品。计算机程序指令还可以被加载到计算机或其他可编程数据处理装置上，以使得在计算机或其他可编程装置上执行一系列操作步骤以产生计算机实施的过程，使得在计算机或其他可编程装置上运行的指令提供用于实施在本申请中描述的流程图和/或算法中指定的功能/动作的过程。
计算机处理器28通常是用计算机程序指令编程以产生专用计算机的硬件设备。例如，当计算机处理器28被编程为执行参考图3A-图3B和图5描述的算法时，计算机处理器28通常充当专用特征识别计算机处理器。通常，本文描述的由计算机处理器28执行的操作根据所使用的存储器的技术将作为真实物理制品的存储器29的物理状态进行变换以具有不同的磁极性、电荷等。
本申请的说明书和权利要求书使用的术语“医学工具”、“工具”、“设备”和“探头”可以指任何类型的诊断或治疗或其他功能工具。举例来说，这些工具可以包括心血管导管，支架递送、放置和/或取回工具，球囊递送和/或放置和/或取回工具，瓣膜递送和/或修复和/或放置和/或取回工具，移植物递送和/或放置和/或取回工具，用于递送和/或放置和/或取回可植入设备或这些设备的部件的工具，可植入设备或这些设备的部件，用于闭合间隙的工具，用于闭合隔膜缺损的工具，导丝，标记线，缝合工具，夹紧工具(例如，瓣叶夹紧工具)，活检工具，吸入工具，导航工具，定位工具，包括一个或多个位置传感器的探头，组织表征探头，用于分析流体的探头，测量探头，电生理探头，刺激探头，消融工具，用于穿透或打开的血管中的部分或全部阻塞物的工具，药物或物质递送工具，化学治疗工具，光动力治疗工具，近距离治疗工具，局部辐照工具，激光设备，用于递送能量的工具，用于递送标记或生物标记的工具，用于递送生物胶的工具，冲洗设备，抽吸设备，通气设备，用于递送和/或放置和/或取回电生理设备的导线的设备，电生理设备的导线，起搏设备，冠状窦设备，成像设备，感测探头，包括光纤的探头，机器人工具，远程控制的工具，切除工具，斑块切除工具(例如，斑块切除导管)或其任何组合。替代地，本申请的说明书和权利要求书使用的术语“医学工具”、“工具”、“设备”和“探头”可以指不同类型的工具和/或医学工具。
本申请的说明书和权利要求中使用的术语“图像”和“成像”可以指任何类型的医学图像或成像，通常会引起生成图像序列。例如，这种成像可以包括使用电离辐射的成像、使用非电离辐射的成像、视频、荧光检查、血管造影、超声、CT、MR、PET、PET-CT、CT血管造影、SPECT、伽马相机成像、光学相干断层摄影OCT)、近红外光谱(NIRS)、振动响应成像(VRI)、光学成像、红外成像、电子映射成像、其他形式的功能成像、聚焦声学计算机断层摄影(FACT)、光学频域成像(OFDI)或其任何组合或融合。超声成像的范例可以包括支气管内超声(EBUS)、经胸腔回波(TTE)、经食管回波(TEE)、脉管内超声(IVUS)、心脏内超声(ICE)或其任何组合。替代地，本申请的说明书和权利要求书使用的术语“图像”和“成像”可以指使用来自上述成像模态的不同成像模态的成像。
本申请的说明书和权利要求书使用的术语“造影剂”可以包括用于在器官正被成像时(例如通过突出显示身体器官的解剖结构、功能和/或组成)增强身体器官的解剖结构、功能和/或组成的可见性的任何物质。
本申请的范围包括本文描述的装置和方法与以下申请中的任一个中描述的装置和方法的组合，通过引用将所有以下申请并入本文：
·2008年3月9日提交的标题为“Imaging and tools for use with movingorgans”的Iddan的国际申请PCT/IL2008/000316(公布号为WO 08/107905)；
··2008年3月10日提交的标题为“Imaging and tools for use with movingorgans”的Iddan的美国专利申请12/075252(公布号为US 2008/0221440)；
·2009年6月18日提交的标题为“Stepwise advancement of a medical tool”的Iddan的国际申请PCT/IL2009/000610(公布号为WO 09/153794)；
·2009年6月18日提交的标题为“Stepwise advancement of a medical tool”的Iddan的美国专利申请12/487315(发布号为US 8700130)；
·Steinberg的美国专利申请12/666879(发布号为US 8781193)，其是2009年11月18日提交的标题为“Image processing and tool actuation for medical procedures”的Cohen的PCT申请号PCT/IL2009/001089(公布号为WO 10/058398)的美国国家阶段申请；
·2010年5月17日提交的标题为“Identification and presentation ofdevice-to-vessel relative motion”的Cohen的美国专利申请12/781366(公布号为US2010/0222671)；
·2011年5月17日提交的标题为“Identification and presentation ofdevice-to-vessel relative motion”的Cohen的国际专利申请PCT/IL2011/000391(公布号为WO 11/145094)；
·2011年9月8日提交的Tolkowsky的US 13/228229(公布号为US 2012/0004537)，其是2011年7月28日提交的标题为“Co-use of endoluminal data and extraluminalimaging”的Tolkowsky的国际申请号PCT/IL2011/000612(公布号为WO 12/014212)的继续申请；
·Barzelay的美国专利申请14/128243(公布号为US 2014/0140597)，其是2012年6月21日提交的标题为“Luminal background cleaning”的国际专利申请PCT/IL2012/000246(公布号为WO 12/176191)的美国国家阶段申请；
·2013年12月5日提交的标题为“Co-use of endoluminal data andextraluminal imaging”的Steinberg的美国专利申请14/097922(公布号为US 2014/0094691)，其是2013年5月21日提交的标题为“Co-use of endoluminal data andextraluminal imaging”的Steinber的国际申请PCT/IL2013/050438(公布号为WO 13/175472)的继续申请；
·2013年12月27日提交的标题为“Determining a characteristic of a lumenby measuring velocity of a contrast agent”的Tolkowsky的美国专利申请14/142082(公布号为US 2014/0121513)，其是2013年6月26日提交的标题为“Flow-related imageprocessing in luminal organs”的Tolkowsky的国际申请PCT/IL2013/050549(公布号为WO 14/002095)的继续申请；
·2015年4月2日提交的标题为“Image analysis in a presence of a medicaldevice”的Klaiman的国际专利申请PCT/IL2015/050372，其要求2014年4月10日提交的标题为“Image analysis in the presence of a medical device”的Klaiman的美国临时专利申请61/977891的优先权；以及
·2015年5月13日提交的标题为“Object identification”的Klaiman的国际专利申请PCT/IL2015/050509，其要求2014年5月14日提交的标题为“Image analysis in thepresence of a medical device”的Klaiman的美国临时专利申请61/993123的优先权。
本领域技术人员将意识到，本发明不限于上文已经特别示出和描述的内容。相反，本发明的范围包括上文描述的各种特征的组合和子组合以及本领域技术人员在阅读前述描述时能够想到的关于上述组合和子组合的不属于现有技术的变型和修改。

Claims (19)

1.一种方法，包括：
经由至少一个计算机处理器接收对象的身体的部分的至少一幅图像；
使用所述至少一个计算机处理器，识别存在于所述对象的身体的所述部分的所述图像内的、在对所述图像的采集之后被人为添加到所述图像的一个或多个特征；并且
响应于此，在输出设备上生成输出。
2.根据权利要求1所述的方法，其中，在所述输出设备上生成所述输出包括：驱动显示器以显示如下的图像：在所述图像中，所识别的特征从所显示的图像中被移除。
3.根据权利要求1所述的方法，还包括：使用所述计算机处理器，通过排除所识别的特征而使所识别的特征不被包括在测量中来对所述图像执行所述测量，其中，生成所述输出包括：在所述输出设备上生成对所述测量的指示。
4.根据权利要求1所述的方法，其中，识别所述一个或多个特征包括：确定所述一个或多个特征位于所述图像的边缘的给定距离内，并且至少部分地响应于此，将所述一个或多个特征识别为是在对所述图像的采集之后已经被人为添加到所述图像的。
5.根据权利要求1-4中的任一项所述的方法，其中，识别所述一个或多个特征包括：识别存在于所述图像内的、具有字母数字特性的一个或多个特征。
6.根据权利要求5所述的方法，其中，识别所述一个或多个特征包括：识别定义线条的像素的集合，并且至少部分地响应于此，将像素的所述集合识别为对应于在对所述图像的采集之后被人为添加到所述图像的特征。
7.根据权利要求5所述的方法，其中，识别所述一个或多个特征包括：识别所述图像内直线的密度超过阈值的区域，并且至少部分地响应于此，将所述区域识别为包含在对所述图像的采集之后已经被人为添加到所述图像的特征。
8.根据权利要求5所述的方法，其中，识别所述一个或多个特征包括：确定所述图像的给定区域内水平梯度和垂直梯度的密度超过阈值，并且至少部分地响应于此，将所述区域识别为包含在对所述图像的采集之后已经被人为添加到所述图像的特征。
9.根据权利要求5所述的方法，其中，识别所述一个或多个特征包括：
在所述图像中确定第一像素与距所述第一像素给定距离内的至少一个第二像素之间的强度的差异超过阈值；
确定所述图像中的所述第一像素的值与所述对象的身体的所述部分的一幅或多幅额外的图像中的所述第一像素的值之间的强度的差异小于阈值量；并且
至少部分地响应于此，将包含所述第一像素的区域识别为包含在对所述图像的采集之后已经被人为添加到所述图像的特征。
10.一种装置，包括：
成像设备，其被配置为采集对象的身体的部分的图像；
输出设备；以及
至少一个计算机处理器，其被配置为：
接收所述对象的身体的所述部分的所述图像；
确定存在于所述对象的身体的所述部分的所述图像内的、在由所述成像设备对所述图像的采集之后被人为添加到所述图像的一个或多个特征；并且
响应于此，在所述输出设备上生成输出。
11.根据权利要求10所述的装置，其中，所述计算机处理器被配置为通过驱动显示器以显示如下的图像来生成所述输出：在所述图像中，所识别的特征从所显示的图像中被移除。
12.根据权利要求10所述的装置，其中，所述计算机处理器被配置为通过排除所识别的特征而使所识别的特征不被包括在测量中来对所述图像执行所述测量，并且其中，所述计算机处理器被配置为通过在所述输出设备上生成对所述测量的指示来生成所述输出。
13.根据权利要求10所述的装置，其中，所述计算机处理器被配置为通过以下操作来识别所述一个或多个特征：确定所述一个或多个特征位于所述图像的边缘的给定距离内，并且至少部分地响应于此，将所述一个或多个特征识别为是在对所述图像的采集之后已经被人为添加到所述图像的。
14.根据权利要求10-13中的任一项所述的装置，其中，所述计算机处理器被配置为通过以下操作来识别所述一个或多个特征：识别存在于所述图像内的、具有字母数字特性的一个或多个特征。
15.根据权利要求14所述的装置，其中，所述计算机处理器被配置为通过以下操作来识别所述一个或多个特征：识别定义线条的像素的集合，并且至少部分地响应于此，将像素的所述集合识别为对应于在对所述图像的采集之后已经被人为添加到所述图像的特征。
16.根据权利要求14所述的装置，其中，所述计算机处理器被配置为通过以下操作来识别所述一个或多个特征：识别所述图像内直线的密度超过阈值的区域，并且至少部分地响应于此，将所述区域识别为包含在对所述图像的采集之后已经被人为添加到所述图像的特征。
17.根据权利要求14所述的装置，其中，所述计算机处理器被配置为通过以下操作来识别所述一个或多个特征：确定所述图像的给定区域内水平梯度和垂直梯度的密度超过阈值，并且至少部分地响应于此，将所述区域识别为包含在对所述图像的采集之后已经被人为添加到所述图像的特征。
18.根据权利要求14所述的装置，其中，所述计算机处理器被配置为通过以下操作来识别所述一个或多个特征：
在所述图像中确定第一像素与距所述第一像素给定距离内的至少一个第二像素之间的强度的差异超过阈值；
确定所述图像中的所述第一像素的值与所述对象的身体的所述部分的一幅或多幅额外的图像中的所述第一像素的值之间的强度的差异小于阈值量；并且
至少部分地响应于此，将包含所述第一像素的区域识别为包含在对所述图像的采集之后已经被人为添加到所述图像的特征。
19.一种用于与成像设备和输出设备一起使用的计算机软件产品，所述成像设备被配置为采集对象的身体的部分的图像，所述计算机软件产品包括存储有程序指令的非瞬态计算机可读介质，所述指令在由计算机读取时使得所述计算机执行以下步骤：接收对象的身体的部分的至少一幅图像；识别存在于所述对象的身体的所述部分的所述图像内的、在对所述图像的采集之后被人为添加到所述图像的一个或多个特征；并且响应于此，在所述输出设备上生成输出。
CN201680059251.4A 2015-09-10 2016-09-09 自动图像特征移除 Active CN109478240B (zh)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
US201562216574P 2015-09-10 2015-09-10
US62/216,574 2015-09-10
PCT/EP2016/071362 WO2017050594A1 (en) 2015-09-10 2016-09-09 Automatic image feature removal

Publications (2)

Publication Number Publication Date
CN109478240A true CN109478240A (zh) 2019-03-15
CN109478240B CN109478240B (zh) 2021-12-14

Family

ID=57068040

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201680059251.4A Active CN109478240B (zh) 2015-09-10 2016-09-09 自动图像特征移除

Country Status (5)

Country Link
US (2) US10929702B2 (zh)
EP (1) EP3347857A1 (zh)
JP (2) JP2018534703A (zh)
CN (1) CN109478240B (zh)
WO (1) WO2017050594A1 (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP6894896B2 (ja) * 2015-11-18 2021-06-30 ライトラボ・イメージング・インコーポレーテッド Ｘ線画像特徴検出および位置合わせのシステムおよび方法

Citations (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6738512B1 (en) * 2000-06-19 2004-05-18 Microsoft Corporation Using shape suppression to identify areas of images that include particular shapes
US20050078223A1 (en) * 2003-10-09 2005-04-14 Samsung Electronics Co., Ltd. Method for tracking the disappearance of detected logos within digital video signals
US20050286773A1 (en) * 2004-06-08 2005-12-29 Glenn Fung System and method for feature identification in digital images based on rule extraction
US20060059510A1 (en) * 2004-09-13 2006-03-16 Huang Jau H System and method for embedding scene change information in a video bitstream
US20070211170A1 (en) * 2003-12-30 2007-09-13 Arun Ramaswamy Methods and apparatus to distinguish a signal originating from a local device from a broadcast signal
CN101809618A (zh) * 2007-10-01 2010-08-18 皇家飞利浦电子股份有限公司 对介入工具的探测和跟踪
CN101896124A (zh) * 2007-12-17 2010-11-24 皇家飞利浦电子股份有限公司 用于在诊断成像系统中创建协议的方法
CN101961245A (zh) * 2009-07-23 2011-02-02 通用电气公司 在采集的放射线照相术图像中补偿呼吸运动的系统和方法
US20110211812A1 (en) * 2010-02-26 2011-09-01 Comcast Cable Communications, LLC. Program Segmentation of Linear Transmission
US8660296B1 (en) * 2012-01-10 2014-02-25 Google Inc. Systems and methods for facilitating video fingerprinting using local descriptors
CN104246821A (zh) * 2012-04-16 2014-12-24 日产自动车株式会社 三维物体检测装置和三维物体检测方法
US20150058877A1 (en) * 2013-08-21 2015-02-26 Harman International Industries, Incorporated Content-based audio/video adjustment

Family Cites Families (40)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US4817166A (en) * 1986-05-05 1989-03-28 Perceptics Corporation Apparatus for reading a license plate
JP3539539B2 (ja) * 1998-04-28 2004-07-07 シャープ株式会社 画像処理装置、画像処理方法および画像処理プログラムを記録した記録媒体
JP3904840B2 (ja) * 2000-08-15 2007-04-11 富士通株式会社 多値画像から罫線を抽出する罫線抽出装置
US7298877B1 (en) * 2001-11-20 2007-11-20 Icad, Inc. Information fusion with Bayes networks in computer-aided detection systems
US6592523B2 (en) * 2001-11-21 2003-07-15 Ge Medical Systems Global Technology Company, Llc Computationally efficient noise reduction filter for enhancement of ultrasound images
US6970578B1 (en) * 2002-07-16 2005-11-29 The United States Of America As Represented By The Secretary Of The Navy Method of generating images to aid in the detection of manmade objects in cluttered underwater environments
DE10239801A1 (de) * 2002-08-29 2004-03-18 Fraunhofer-Gesellschaft zur Förderung der angewandten Forschung e.V. Verfahren zum Extrahieren von Texturmerkmalen aus einem mehrkanaligen Bild
JP2007044239A (ja) * 2005-08-10 2007-02-22 Toshiba Corp 医用画像診断装置、医用画像処理装置及び医用画像処理プログラム
US7599558B2 (en) * 2005-08-24 2009-10-06 Mavs Lab. Inc. Logo processing methods and circuits
JP4861845B2 (ja) * 2007-02-05 2012-01-25 富士通株式会社 テロップ文字抽出プログラム、記録媒体、方法及び装置
US9629571B2 (en) 2007-03-08 2017-04-25 Sync-Rx, Ltd. Co-use of endoluminal data and extraluminal imaging
EP2129284A4 (en) 2007-03-08 2012-11-28 Sync Rx Ltd IMAGING AND TOOLS FOR USE WITH MOBILE ORGANS
US8700130B2 (en) 2007-03-08 2014-04-15 Sync-Rx, Ltd. Stepwise advancement of a medical tool
WO2014002095A2 (en) 2012-06-26 2014-01-03 Sync-Rx, Ltd. Flow-related image processing in luminal organs
EP2358269B1 (en) 2007-03-08 2019-04-10 Sync-RX, Ltd. Image processing and tool actuation for medical procedures
US8116522B1 (en) * 2008-08-25 2012-02-14 The United States Of America As Represented By The Secretary Of The Navy Ship detection system and method from overhead images
US11064903B2 (en) 2008-11-18 2021-07-20 Sync-Rx, Ltd Apparatus and methods for mapping a sequence of images to a roadmap image
JP2010154448A (ja) 2008-12-26 2010-07-08 Hitachi Ltd 映像処理装置
US8175413B1 (en) * 2009-03-05 2012-05-08 Google Inc. Video identification through detection of proprietary rights logos in media
WO2011145094A2 (en) 2010-05-17 2011-11-24 Sync-Rx, Ltd. Identification and presentation of device-to-vessel relative motion
JP6099562B2 (ja) 2010-07-29 2017-03-22 シンク−アールエックス，リミティド 管腔内データおよび管腔外画像化の併用
US8396302B2 (en) 2011-01-11 2013-03-12 Intel Corporation Method of detecting logos, titles, or sub-titles in video frames
JP5691617B2 (ja) * 2011-02-21 2015-04-01 株式会社ニコン 被写体特定装置、および被写体追尾装置
JP5751899B2 (ja) * 2011-04-08 2015-07-22 株式会社日立メディコ 医用画像処理装置及び医用画像診断装置
EP2723231A4 (en) 2011-06-23 2015-02-25 Sync Rx Ltd LUMINAL BACKGROUND CLEANING
JP2013192835A (ja) 2012-03-22 2013-09-30 Hitachi Medical Corp 医用画像表示装置及び医用画像表示方法
CA2899735A1 (en) 2012-05-21 2013-11-28 Sync-Rx, Ltd. Co-use of endoluminal data and extraluminal imaging
US9569679B1 (en) * 2012-12-04 2017-02-14 A9.Com, Inc. Adaptive image sampling for text detection
ITTO20121174A1 (it) * 2012-12-31 2014-07-01 Cts Electronics S P A Dispositivo e metodo di binarizzazione per documenti di pagamento o contabili
WO2015062655A1 (en) * 2013-10-31 2015-05-07 Rodiera Olive José Javier Device with cameras for monitoring the manual administration of medication
JP6487027B2 (ja) 2014-04-10 2019-03-20 エスワイエヌシー‐アールエックス、リミテッド 医療装置の存在下での画像解析
WO2015173821A1 (en) 2014-05-14 2015-11-19 Sync-Rx, Ltd. Object identification
US9697233B2 (en) * 2014-08-12 2017-07-04 Paypal, Inc. Image processing and matching
US10037603B2 (en) * 2015-05-04 2018-07-31 Siemens Healthcare Gmbh Method and system for whole body bone removal and vascular visualization in medical image data
US10303988B1 (en) * 2015-08-14 2019-05-28 Digimarc Corporation Visual search methods and systems
CN106682636B (zh) * 2016-12-31 2020-10-16 上海联影医疗科技有限公司 血管提取方法及其系统
WO2020015147A1 (zh) * 2018-07-16 2020-01-23 华为技术有限公司 一种皮肤检测方法和电子设备
US11830238B2 (en) * 2019-11-22 2023-11-28 Nippon Telegraph And Telephone Corporation Identification device, identification method, and identification program
US11775786B2 (en) * 2020-09-30 2023-10-03 United States Postal Service System and method for extracting a region of interest from a captured image of a mailpiece or parcel label
US11526994B1 (en) * 2021-09-10 2022-12-13 Neosoma, Inc. Labeling, visualization, and volumetric quantification of high-grade brain glioma from MRI images

Patent Citations (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6738512B1 (en) * 2000-06-19 2004-05-18 Microsoft Corporation Using shape suppression to identify areas of images that include particular shapes
US20050078223A1 (en) * 2003-10-09 2005-04-14 Samsung Electronics Co., Ltd. Method for tracking the disappearance of detected logos within digital video signals
US20070211170A1 (en) * 2003-12-30 2007-09-13 Arun Ramaswamy Methods and apparatus to distinguish a signal originating from a local device from a broadcast signal
US20050286773A1 (en) * 2004-06-08 2005-12-29 Glenn Fung System and method for feature identification in digital images based on rule extraction
US20060059510A1 (en) * 2004-09-13 2006-03-16 Huang Jau H System and method for embedding scene change information in a video bitstream
CN101809618A (zh) * 2007-10-01 2010-08-18 皇家飞利浦电子股份有限公司 对介入工具的探测和跟踪
CN101896124A (zh) * 2007-12-17 2010-11-24 皇家飞利浦电子股份有限公司 用于在诊断成像系统中创建协议的方法
CN101961245A (zh) * 2009-07-23 2011-02-02 通用电气公司 在采集的放射线照相术图像中补偿呼吸运动的系统和方法
US20110211812A1 (en) * 2010-02-26 2011-09-01 Comcast Cable Communications, LLC. Program Segmentation of Linear Transmission
US8660296B1 (en) * 2012-01-10 2014-02-25 Google Inc. Systems and methods for facilitating video fingerprinting using local descriptors
CN104246821A (zh) * 2012-04-16 2014-12-24 日产自动车株式会社 三维物体检测装置和三维物体检测方法
US20150058877A1 (en) * 2013-08-21 2015-02-26 Harman International Industries, Incorporated Content-based audio/video adjustment

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
HENNING MULLER 等: "Automated Object Extraction for Medical Image Retrieval Using the Insight Toolkit(ITK)", 《INFORMATION RETRIEVAL TECHNOLOGY LECTURE NOTES IN COMPUTER SCIENCE》 *
刘俊 等: "基于图像特征检索和识别的医学影像辅助诊断系统", 《中国科技信息》 *

Also Published As

Publication number Publication date
US20210174120A1 (en) 2021-06-10
JP2021182416A (ja) 2021-11-25
JP7150107B2 (ja) 2022-10-07
CN109478240B (zh) 2021-12-14
JP2018534703A (ja) 2018-11-22
US10929702B2 (en) 2021-02-23
WO2017050594A1 (en) 2017-03-30
US20200257919A1 (en) 2020-08-13
EP3347857A1 (en) 2018-07-18
US11783607B2 (en) 2023-10-10

Similar Documents

Publication Publication Date Title
US11676272B2 (en) Object identification
EP3176753B1 (en) Image analysis in the presence of a medical device
JP6388632B2 (ja) プロセッサ装置の作動方法
US20200129142A1 (en) Intraluminal ultrasound navigation buidance and associated devices, systems, and methods
US20140094693A1 (en) Accounting for skipped imaging locations during movement of an endoluminal imaging probe
US20140094692A1 (en) Apparatus and methods for determining a dimension of a portion of a stack of endoluminal data points
CN106999052A (zh) 交互式心脏测试数据和相关联的设备、系统和方法
CA2874415A1 (en) Co-use of endoluminal data and extraluminal imaging
US20220104888A1 (en) Estimating the endoluminal path of an endoluminal device along a lumen
US11783607B2 (en) Automatic image feature removal
JP2018192287A (ja) プロセッサ装置の作動方法

Legal Events

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