CN110458948A - 基于智能化3d重建系统中图像的处理方法 - Google Patents
基于智能化3d重建系统中图像的处理方法 Download PDFInfo
- Publication number
- CN110458948A CN110458948A CN201910746466.9A CN201910746466A CN110458948A CN 110458948 A CN110458948 A CN 110458948A CN 201910746466 A CN201910746466 A CN 201910746466A CN 110458948 A CN110458948 A CN 110458948A
- Authority
- CN
- China
- Prior art keywords
- lymph node
- intelligent
- reconstructing system
- image
- transfer
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
-
- 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
- G06T7/00—Image analysis
- G06T7/60—Analysis of geometric attributes
- G06T7/62—Analysis of geometric attributes of area, perimeter, diameter or volume
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2200/00—Indexing scheme for image data processing or generation, in general
- G06T2200/08—Indexing scheme for image data processing or generation, in general involving all processing steps from image acquisition to 3D model generation
-
- 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)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Geometry (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Radiology & Medical Imaging (AREA)
- Quality & Reliability (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Medical Informatics (AREA)
- General Health & Medical Sciences (AREA)
- Computer Graphics (AREA)
- Health & Medical Sciences (AREA)
- Software Systems (AREA)
- Apparatus For Radiation Diagnosis (AREA)
- Measuring And Recording Apparatus For Diagnosis (AREA)
Abstract
本发明公开了基于智能化3D重建系统中图像的处理方法,包括以下步骤:构建三维立体模型,在智能化3D重建系统中构建乳腺癌患者淋巴结三维立体模型;获得所有淋巴结图像,并进行标记;乳腺癌患者术后对所述标记的淋巴结进行球度的计算,来预判淋巴结是否转移;对预判有转移的淋巴结进行切除送病检。本发明方法在智能化3D重建系统中使用球度计算公式诊断乳腺癌淋巴结转移,具有统计学意义,其灵敏度、特异度分别为61.9%、84.0%,具有较高的诊断价值。
Description
技术领域
本发明属于图像处理技术领域,更进一步涉及乳腺癌淋巴结转移诊断中的基于智能化3D重建系统构建三维立体模型辅助乳腺癌诊断的方法。本发明通过对智能化3D重建系统图像进行处理可用于乳腺癌诊断中淋巴结转移的判断、识别过程,完成淋巴结转移的判断、识别、检测,更好的辅助医学研究中的临床诊断。
背景技术
乳腺癌最常见的转移方式为经淋巴系统引流转移,腋窝淋巴结是转移的主要部位,还可以转移到内乳淋巴结、锁骨上淋巴结等。乳腺癌淋巴结的状态有助于对乳腺癌患者进行分期,同时还可以在一定程度上反映出患者的预后情况,对治疗有着重要的指导意义。通常来说,淋巴结转移得越早、转移的数目越多,患者的预后越差。目前小样本回顾性分析的研究显示,放疗、手术等局部治疗措施可能改善患者的预后,但是其治疗价值尚待大样本前瞻性研究进行评估。锁骨上淋巴结清扫术存在争议的原因主要包括:首先,局部解剖结构复杂,重要血管神经密布,现有的超声、CT、PET-CT等影像学手段对评估转移淋巴结的定位、周围组织的浸润范围及与重要血管神经的关系不够精确,转移淋巴结的精准切除存在难度;然后,不同的转移机制可能影响预后和手术切除的可行性,目前暂无有效的影像学检查手段来准确判断其转移方式;最后,不同类型淋巴结转移的手术价值和手术方式可能有一定差异,但目前尚缺乏对乳腺癌锁骨上淋巴结转移的分型理论。对于腋窝淋巴结的处理主要根据术前淋巴结评估而决定是行腋窝淋巴结清扫或前哨淋巴结活检。NCCN乳腺癌临床实践指南推荐临床腋窝淋巴结阴性的早期乳腺癌病人优先选择前哨活检术进行腋窝淋巴结分期。术前评估腋窝淋巴结阴性的患者中,仅约有15%-20%将在术中前哨淋巴结活检时发现淋巴结转移。目前尚缺乏一种准确地识别出这80-85%没有淋巴结转移的病人的方法,来免除他们的前哨淋巴结活检手术,尤其是接受保乳需要放疗的患者。目前亟需一种可以较准确评估腋窝淋巴结转移情况的诊断方法,来预判前哨淋巴结活检术的价值,尽可能规避前哨淋巴结活检的假阳性、假阴性情况,从而更有效的对患者的淋巴结转移进行精准化、个体化的控制。
目前,传统的二维平面影像学诊断方法利用传统的医学影像技术获取人体组织某一断层的影像数据,然后在屏幕上显示,供医生进行观察、诊断。这样具有极大的局限性,实际上医生仅能够进行定性分析,根据观察到病灶组织某个断层的图像对病灶进行诊断,需要医生去想象整个病灶的各个角度的形状和数据,其结果往往带有医生的主观经验判断,它的准确性对医生的读片经验依赖程度很大,也增加了诊断的难度。因此医学上迫切需要运用图形图像技术以及计算机技术,把病灶的一系列的二维切片序列,转换为可以立体直观观察的图像,展现病灶的三维立体结构和形态,使医生能多角度、多层次的进行对病灶进行观察和分析,得到无法用传统影像技术获取的解剖结构信息,并进行交互式操作。医学图像三维重建和可视化技术应运而生,它的提出和应用,立体展示了病灶组织的大小、位置、形状、与周围组织关系及其它相关区域,并可以进行初步定性和准确的定量分析,从而极大提高医疗诊断的正确性和准确性。
现有技术中常采用超声评估淋巴结是否有转移,首先要与反应性增大的淋巴结相鉴别。形态学上有两个重要特征可以进行鉴别:第一,肿瘤细胞主要浸润的是淋巴结皮质,因此淋巴结横径常常增大,反应性淋巴结则一般呈长条形或卵圆形,因而,反应性淋巴结长短轴比率显著高于转移性淋巴结;第二,转移性淋巴结门区的中心高回声消失是一个重要特征,该中心带是髓质区淋巴窦汇聚,或者是淋巴结炎症后门区脂肪瘤样化生,通常是良性肿大淋巴结的标志,而转移性淋巴结的门区呈偏心性或完全消失,伴有不对称性皮质增厚。淋巴结大小和形态是CT和核磁共振评价淋巴结的主要依据,综合考虑动态增强情况及其信号变化以及也有助于诊断。正常淋巴结表面光滑,边界清楚,一般小于1.0cm,通常为卵圆形或雪茄状。其内密度或信号均匀,淋巴结门脂肪在CT或核磁共振上容易识别。不同位置的淋巴结形状不完全相同。当肿瘤细胞侵袭淋巴结时,其长轴与短轴之比减小,由卵圆形变得更接近圆球形,还可出现偏心性肥厚。因此对于超声、增强CT、增强核磁共振在乳腺癌患者腋窝淋巴结转移的术前诊断的敏感性和特异性都不尽于人意。
目前尚未检索到基于智能化3D重建图像进行处理的方法来对乳腺癌淋巴结转移诊断的报道和使用。
发明内容
本发明的目的在于克服上述现有技术中的不足,提出一种基于智能化3D重建图像进行处理来辅助乳腺癌淋巴结转移的诊断方法,解决现有技术中存在的对乳腺癌淋巴结转移诊断的灵敏度、特异度差,不够直观,具有极大的局限性问题。
实现本发明目的的技术思路是,对乳腺癌患者术前的智能化3D重建图像的每个淋巴结进行标记,通过恰当的模型及公式来计算淋巴结的形态改变,诊断出有转移的淋巴结后,在淋巴结清扫术中切除送病检。
一种基于智能化3D重建系统中图像处理方法具体实现步骤包括如下:
构建三维立体模型,在智能化3D重建系统中构建乳腺癌患者淋巴结三维立体模型;
获得所有淋巴结图像,并进行标记;
乳腺癌患者术后对所述标记的淋巴结进行球度的计算,来预判淋巴结是否转移,球度的计算方法为:将淋巴结近似视为一个椭球形,并测量各个淋巴结的a、b、c值,其中c为椭球形的最长径,a为经过c中点且与c垂直横截面的最短径,b为该平面的最长径,利用下述公式计算椭球形的形状变化的球度值,球度计算公式 dn为平均直径(即与颗粒同体积之球体直径),ds为颗粒外接球之直径(一般为颗粒之长径),来反映淋巴结因癌转移导致的形状接近球形的变化程度,从而区分转移和非转移淋巴结。将a、b、c值代入公式计算,诊断临界值为0.025,灵敏度61.9%,特异度84.0%,可疑值范围是0.012-0.053。即:计算淋巴结的ρ大于0.025,有转移;ρ小于0.025,无转移;ρ在0.012-0.053范围内,怀疑有转移,可能需要采取进一步的检查与诊断;
对预判有转移的淋巴结进行切除送病检。
智能化3D重建系统中构建乳腺癌患者淋巴结三维立体模型采用本领域公知的方法进行构建,从三维空间数据场中把切割出来的部位或导入的二维图像构建出具体的三维立体模型,实现立体空间可视化、操控和测量等功能。从功能流程来看,智能化3D重建系统主要分为图像导入显示、二维预处理、三维绘制三大模块。图像导入显示模块对DICOM标准规定的数据进行读取、存储、转换等,CT图像原始序列经过二维预处理后,会转换为一个规则的三维体数据场,通过切割、配准等技术所得到的图像是待重建组织区域,在数据场中以体素形式记录了三维空间的分布情况,并使用面绘制和体绘制两种技术进行智能化3D图像的重建,本发明将不做重点描述。
有益效果:
本发明采用智能化3D重建系统构建三维立体模型,通过对智能化3D重建系统中的淋巴结图像进行处理的方法,计算术前后淋巴结各个径之间的关系,反映淋巴结有癌转移时从椭球形接近球形的形态改变从而区分转移与非转移淋巴结,对于乳腺癌淋巴结是否存在转移的诊断更为精确、直观。
附图说明
通过阅读下文优选实施方式的详细描述,各种其他的优点和益处对于本领域普通技术人员将变得清楚明了。附图仅用于示出优选实施方式的目的,而并不认为是对本发明的限制。在附图中:
图1为本发明淋巴结近似视为一个椭球形示意图;
图2为本发明ROC曲线分析图。
具体实施方式
以下将参考附图并结合实施例来详细说明本发明。
本发明采用智能化3D重建系统软件进行乳腺癌患者淋巴结的三维立体模型构建,本实施例采用的3D重建服务购自上海绘视医疗科技有限公司。
基于智能化3D重建系统中图像处理方法具体实现步骤包括如下:
构建三维立体模型,在智能化3D重建系统中构建乳腺癌患者淋巴结三维立体模型;
获得所有淋巴结图像,并进行标记;
乳腺癌患者术后对所述标记的淋巴结进行球度的计算,来预判淋巴结是否转移,球度的计算方法为:将淋巴结近似视为一个椭球形,见图1,并测量各个淋巴结的a、b、c值,利用公式(一)计算椭球形的形状变化的球度值,
其中dn为平均直径(即与颗粒同体积之球体直径),ds为颗粒外接球之直径(一般为颗粒之长径),c为椭球形的最长径,a为经过c中点且与c垂直横截面的最短径,b为该平面的最长径,诊断临界值为0.025,灵敏度61.9%,特异度84.0%,可疑值范围是0.012-0.053。即:计算淋巴结的ρ大于0.025,有转移;ρ小于0.025,无转移;ρ在0.012-0.053范围内,怀疑有转移,可能需要采取进一步的检查与诊断。
对预判有转移的淋巴结进行切除送病检。
本发明通过对某医院完成智能化3D重建的乳腺癌淋巴结转移患者中有智能化3D重建系统图像且进行了淋巴结病理检查结果的进行本发明方法的可行性验证。
病例收集:收集2017年7月-2019年3月该医院完成3D重建的乳腺癌淋巴结转移患者共14人,其中有3D重建系统图像对应的淋巴结病理检查结果的6人。
数据测量:在3D重建系统测量每人淋巴结数据。
公式计算,统计学分析。
在该6名患者术前所做的3D重建系统图像中对每个淋巴结进行标记,在淋巴结清扫术术中将3D重建系统图像中各淋巴结位置、大小、形状等特征与术中所见淋巴结进行比对,单独切除每个标记淋巴结对应的淋巴结送病检,术后即可获得3D重建系统中每个淋巴结是否有癌转移的病理结果。采用以上方法,确定了6例患者在3D重建系统中的67枚淋巴结,其中转移淋巴结42枚,非转移淋巴结25枚。将淋巴结近似视为一个椭球形,c为淋巴结的最长径,a为经过c中点且与c垂直横截面的最短径,b为该平面的最长径。在智能化3D重建系统测量上述患者的淋巴结数据,测量各个淋巴结的a、b、c值,得到67组数据,并进行统计学分析,代入公式进行计算,得到转移淋巴结、非转移淋巴结的计算结果分别有42个、25个。将有转移组、无转移组的计算结果输入SPSS22.0软件,进行ROC(Receiver OperatingCharacteristic)曲线分析,用于特异度及敏感度的分析,得到图2的ROC曲线图,曲线下面积0.735,P值为0.001,具有统计学意义。利用曲线坐标计算Youden指数,Youden指数等于灵敏度与特异度之和减去1,Youden指数最大处对应的临界值为0.025,灵敏度61.9%,特异度84.0%。结果为0.025时,是灵敏度、特异度均最高的临床诊断准确性最高的分界点;可疑值范围是0.012-0.053,0.012-0.053代表有转移和无转移的重叠区域,球度计算公式结果在此范围内时,该淋巴结是有转移可疑对象,可能需要进一步检查诊断以证实。ROC曲线结果证明在智能化3D重建系统中可使用上述公式(一)来诊断乳腺癌淋巴结转移,且具有统计学意义,其灵敏度、特异度分别为61.9%、84.0%,具有较高的诊断价值。
本发明通过智能3D重建技术通过对病灶区域空间结构的立体展示,可以直观的显示淋巴结形态、大小、与周围血管神经等组织的关系及相关区域等。本发明在3D重建系统中首次使用球度计算公式(一),来反映乳腺癌转移性淋巴结的形态改变,从而区分转移与无转移淋巴结,并可以获得较高的灵敏度和特异性,为乳腺癌淋巴结转移的手术治疗、新辅助治疗、放疗等综合治疗提供手术方案制定、治疗前病灶定位与评估、治疗前后疗效对比、淋巴结转移途径判断、前哨淋巴结活检价值评判、发现其他影像学手段无法检测到的微小病灶等提供了全新的思路和方法。
上述内容仅为本发明典型实施方式,并且易于作出其他多种变化而不超出本发明权利要求中描述的准确范围。
Claims (3)
1.一种基于智能化3D重建系统中图像的处理方法,其特征在于,包括以下步骤:
构建三维立体模型,在智能化3D重建系统中构建乳腺癌患者淋巴结三维立体模型;
获得所有淋巴结图像,并进行标记;
乳腺癌患者术后对所述标记的淋巴结进行球度的计算,来预判淋巴结是否转移;
预判有转移的淋巴结进行切除送病检。
2.根据权利要求1所述的基于智能化3D重建系统中图像的处理方法,其特征在于,球度的计算具体为:将淋巴结近似视为一个椭球形,并测量各个淋巴结的a、b、c值,利用公式一计算椭球形的形状变化的球度值,
其中dn为平均直径,ds为颗粒外接球之直径,c为椭球形的最长径,a为经过c中点且与c垂直横截面的最短径,b为该平面的最长径。
3.根据权利要求2所述的基于智能化3D重建系统中图像的处理方法,其特征在于,预判有转移的ρ值大于0.025;预判无转移ρ值小于0.025;ρ值在0.012-0.053范围内,怀疑有转移,需要采取进一步的检查与诊断。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910746466.9A CN110458948A (zh) | 2019-08-13 | 2019-08-13 | 基于智能化3d重建系统中图像的处理方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910746466.9A CN110458948A (zh) | 2019-08-13 | 2019-08-13 | 基于智能化3d重建系统中图像的处理方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110458948A true CN110458948A (zh) | 2019-11-15 |
Family
ID=68486283
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910746466.9A Pending CN110458948A (zh) | 2019-08-13 | 2019-08-13 | 基于智能化3d重建系统中图像的处理方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110458948A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111445946A (zh) * | 2020-03-26 | 2020-07-24 | 北京易康医疗科技有限公司 | 一种利用pet/ct图像推算肺癌基因分型的演算方法 |
CN115272253A (zh) * | 2022-08-02 | 2022-11-01 | 中国医学科学院北京协和医院 | 一种前哨淋巴结图像分析的方法、装置及存储介质 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20120189176A1 (en) * | 2010-11-26 | 2012-07-26 | Giger Maryellen L | Method, system, software and medium for advanced intelligent image analysis and display of medical images and information |
US20130164762A1 (en) * | 2010-09-10 | 2013-06-27 | Assistance Publique-Hopitaux De | Prognostic test of the progression of a solid tumour by image analysis |
WO2015054597A2 (en) * | 2013-10-12 | 2015-04-16 | H. Lee Moffitt Cancer Center And Research Institute, Inc. | Systems and methods for diagnosing tumors in a subject by performing a quantitative analysis of texture-based features of a tumor object in a radiological image |
WO2015189264A1 (en) * | 2014-06-10 | 2015-12-17 | Ventana Medical Systems, Inc. | Predicting breast cancer recurrence directly from image features computed from digitized immunohistopathology tissue slides |
US20160063721A1 (en) * | 2014-08-28 | 2016-03-03 | Canon Kabushiki Kaisha | Transformation of 3-D object for object segmentation in 3-D medical image |
-
2019
- 2019-08-13 CN CN201910746466.9A patent/CN110458948A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20130164762A1 (en) * | 2010-09-10 | 2013-06-27 | Assistance Publique-Hopitaux De | Prognostic test of the progression of a solid tumour by image analysis |
US20120189176A1 (en) * | 2010-11-26 | 2012-07-26 | Giger Maryellen L | Method, system, software and medium for advanced intelligent image analysis and display of medical images and information |
WO2015054597A2 (en) * | 2013-10-12 | 2015-04-16 | H. Lee Moffitt Cancer Center And Research Institute, Inc. | Systems and methods for diagnosing tumors in a subject by performing a quantitative analysis of texture-based features of a tumor object in a radiological image |
WO2015189264A1 (en) * | 2014-06-10 | 2015-12-17 | Ventana Medical Systems, Inc. | Predicting breast cancer recurrence directly from image features computed from digitized immunohistopathology tissue slides |
US20160063721A1 (en) * | 2014-08-28 | 2016-03-03 | Canon Kabushiki Kaisha | Transformation of 3-D object for object segmentation in 3-D medical image |
Non-Patent Citations (5)
Title |
---|
GU Y,ET AL.: "A Texture Analysis-Based Prediction Model for Lymph Node Metastasis in Stage IA Lung Adenocarcinoma", 《THE ANNALS OF THORACIC SURGERY》 * |
ROBERTA FUSCO, ET AL.: "Use of Quantitative Morphological and Functional Features for Assessment of Axillary Lymph Node in Breast Dynamic Contrast-Enhanced Magnetic Resonance Imaging", 《BIOMED RESEARCH INTERNATIONAL》 * |
ZHAO PIAO, ET AL.: "Application of a Three-Dimensional Reconstruction System in Breast Cancer with Ipsilateral Supraclavicular Lymph Node Metastasis: A Case Series", 《BREAST CARE》 * |
吕翔等: "胃粘膜相关淋巴组织淋巴瘤浸润子宫平滑肌瘤病理形态定量研究", 《中国体视学与图像分析》 * |
张伟: "《农业工程概论》", 30 May 1997 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111445946A (zh) * | 2020-03-26 | 2020-07-24 | 北京易康医疗科技有限公司 | 一种利用pet/ct图像推算肺癌基因分型的演算方法 |
CN115272253A (zh) * | 2022-08-02 | 2022-11-01 | 中国医学科学院北京协和医院 | 一种前哨淋巴结图像分析的方法、装置及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Sechopoulos et al. | Artificial intelligence for breast cancer detection in mammography and digital breast tomosynthesis: State of the art | |
Poplack et al. | Electromagnetic breast imaging: results of a pilot study in women with abnormal mammograms | |
Urushibara et al. | Diagnosing uterine cervical cancer on a single T2-weighted image: Comparison between deep learning versus radiologists | |
Kaganov et al. | Preoperative magnetic resonance imaging diagnostic features of uterine leiomyosarcomas: a systematic review | |
Li et al. | A meta-analysis of MRI-based radiomic features for predicting lymph node metastasis in patients with cervical cancer | |
Bartram et al. | Breast MRI in DCIS size estimation, breast-conserving surgery and oncoplastic breast surgery | |
CN110458948A (zh) | 基于智能化3d重建系统中图像的处理方法 | |
Mao et al. | A deep learning-based automatic staging method for early endometrial cancer on MRI images | |
Zhang et al. | Application of convolution neural network algorithm based on multicenter abus images in breast lesion detection | |
Janjic et al. | Microwave breast lesion classification–results from clinical investigation of the safe microwave breast cancer system | |
Gong et al. | Conventional ultrasound and contrast-enhanced ultrasound radiomics in breast cancer and molecular subtype diagnosis | |
Lin et al. | Application of pet-CT fusion deep learning imaging in precise radiotherapy of thyroid cancer | |
Fukuda et al. | Deep Learning for differentiation of breast masses detected by screening ultrasound elastography | |
Ahmed et al. | Detection of uterine fibroids in medical images using deep neural networks | |
Xiao et al. | Tomographic ultrasound imaging in the diagnosis of breast tumors under the guidance of deep learning algorithms | |
Moyya et al. | Extraction of radiomic features from breast DCE-MRI responds to pathological changes in patients during neoadjuvant chemotherapy treatment | |
Zheng et al. | A preliminary study on exploring a potential ultrasound method for predicting cervical cancer | |
Janjic et al. | Safe—microwave imaging device for breast cancer early screening and diagnostics | |
Vittori et al. | Computer-aided diagnosis in prostate cancer: a retrospective evaluation of the Watson Elementary® system for preoperative tumor characterization in patients treated with robot-assisted radical prostatectomy | |
Tao et al. | Diagnostic efficacy of ultrasound elastography and dynamic contrast-enhanced MR in benign and malignant breast masses | |
Wen et al. | Region‐Growing Algorithm on CT Angiography Images for Detection of Gynecological Malignant Tumor | |
Cansu et al. | Diagnostic value of 3D power Doppler ultrasound in the characterization of thyroid nodules | |
Dai et al. | Diagnostic Performance of Radiomics and Deep Learning to Identify Benign and Malignant Soft Tissue Tumors: A Systematic Review and Meta-analysis | |
Mao et al. | Quantitative evaluation of myometrial infiltration depth ratio for early endometrial cancer based on deep learning | |
Yuan et al. | [Retracted] Diagnostic Significance of 3D Automated Breast Volume Scanner in a Combination with Contrast‐Enhanced Ultrasound for Breast Cancer |
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 | ||
WD01 | Invention patent application deemed withdrawn after publication | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20191115 |