CN113096778A - 影像处理方法、系统及非暂态计算机可读存储介质 - Google Patents

影像处理方法、系统及非暂态计算机可读存储介质 Download PDF

Info

Publication number
CN113096778A
CN113096778A CN202011536148.9A CN202011536148A CN113096778A CN 113096778 A CN113096778 A CN 113096778A CN 202011536148 A CN202011536148 A CN 202011536148A CN 113096778 A CN113096778 A CN 113096778A
Authority
CN
China
Prior art keywords
label
medical image
medical
area
image
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
CN202011536148.9A
Other languages
English (en)
Other versions
CN113096778B (zh
Inventor
王浩任
张富杰
吴亿泽
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.)
HTC Corp
Original Assignee
HTC Corp
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 HTC Corp filed Critical HTC Corp
Publication of CN113096778A publication Critical patent/CN113096778A/zh
Application granted granted Critical
Publication of CN113096778B publication Critical patent/CN113096778B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

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
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H30/00—ICT specially adapted for the handling or processing of medical images
    • G16H30/40—ICT specially adapted for the handling or processing of medical images for processing medical images, e.g. editing
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/22—Matching criteria, e.g. proximity measures
    • 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
    • G06T7/0014—Biomedical image inspection using an image reference approach
    • 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
    • G06T7/60—Analysis of geometric attributes
    • G06T7/62—Analysis of geometric attributes of area, perimeter, diameter or volume
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H30/00—ICT specially adapted for the handling or processing of medical images
    • G16H30/20—ICT specially adapted for the handling or processing of medical images for handling medical images, e.g. DICOM, HL7 or PACS
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/0059—Measuring for diagnostic purposes; Identification of persons using light, e.g. diagnosis by transillumination, diascopy, fluorescence
    • A61B5/0062—Arrangements for scanning
    • A61B5/0066—Optical coherence imaging
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/05—Detecting, measuring or recording for diagnosis by means of electric currents or magnetic fields; Measuring using microwaves or radio waves 
    • A61B5/055—Detecting, measuring or recording for diagnosis by means of electric currents or magnetic fields; Measuring using microwaves or radio waves  involving electronic [EMR] or nuclear [NMR] magnetic resonance, e.g. magnetic resonance imaging
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
    • A61B6/02—Arrangements for diagnosis sequentially in different planes; Stereoscopic radiation diagnosis
    • A61B6/03—Computed tomography [CT]
    • A61B6/032—Transmission computed tomography [CT]
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
    • A61B6/02—Arrangements for diagnosis sequentially in different planes; Stereoscopic radiation diagnosis
    • A61B6/03—Computed tomography [CT]
    • A61B6/037—Emission tomography
    • 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
    • G06T2207/10081—Computed x-ray tomography [CT]
    • 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
    • G06T2207/10088—Magnetic resonance imaging [MRI]
    • 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
    • G06T2207/10101—Optical tomography; Optical coherence tomography [OCT]
    • 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
    • G06T2207/10104—Positron emission tomography [PET]
    • 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
    • G06T2207/20—Special algorithmic details
    • G06T2207/20084—Artificial neural networks [ANN]
    • 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
    • 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
    • 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
    • G06T2207/30101—Blood vessel; Artery; Vein; Vascular
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
    • G16H50/70—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for mining of medical data, e.g. analysing previous cases of other patients

Landscapes

  • Engineering & Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Medical Informatics (AREA)
  • General Health & Medical Sciences (AREA)
  • Radiology & Medical Imaging (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Quality & Reliability (AREA)
  • Primary Health Care (AREA)
  • Public Health (AREA)
  • Epidemiology (AREA)
  • Data Mining & Analysis (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Artificial Intelligence (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Evolutionary Biology (AREA)
  • Evolutionary Computation (AREA)
  • General Engineering & Computer Science (AREA)
  • Geometry (AREA)
  • Apparatus For Radiation Diagnosis (AREA)
  • Image Analysis (AREA)

Abstract

一种影像处理方法，包含：计算具有多个标签的多张医学影像中的一第一医学影像的一第一标签的面积；基于该第一标签的面积是否大于一阈值，取得一第一判断结果；基于该些医学影像中与该第一医学影像相邻的一第二医学影像是否包含与该第一标签在该第二医学影像上的一第一投影区域重迭的一第二标签，取得一第二判断结果；以及根据该第一判断结果以及该第二判断结果，选择性地删除该第一医学影像上的该第一标签。本公开内容还提供一种影像处理系统用以执行该影像处理方法，以删除不正确的标签，进而提高相似系数。

Description

影像处理方法、系统及非暂态计算机可读存储介质
技术领域
本公开内容有关于一种影像处理方法、系统及非暂态计算机可读存储介质，特别是指一种可提高标记准确度的医学影像处理方法、系统及非暂态计算机可读存储介质。
背景技术
随着机器学习技术的发展，许多模型(例如：物件分割模型)已经被使用来识别医学影像中的病灶组织。然而，医院所提供的医学影像中的病灶组织与正常组织(例如：血管)可能都会被以亮点形式标示，使得所述模型在识别医学影像中的病灶组织时，可能产生具有高假阳性率的结果。
发明内容
本公开内容的一个方面为一影像处理方法。该影像处理方法包含下列步骤：计算具有多个标签的多张医学影像中的一第一医学影像的一第一标签的面积，其中该些医学影像为连续切片影像；基于该第一标签的面积是否大于一阈值，取得一第一判断结果；基于该些医学影像中与该第一医学影像相邻的一第二医学影像是否包含与该第一标签在该第二医学影像上的一第一投影区域重迭的一第二标签，取得一第二判断结果；以及根据该第一判断结果以及该第二判断结果，选择性地删除该第一医学影像上的该第一标签。
于另一实施例中，在基于该些医学影像中与该第一医学影像相邻的该第二医学影像是否包含与该第一标签在该第二医学影像上的该第一投影区域重迭的该第二标签，取得该第二判断结果的操作之后，该方法还包含：基于该些医学影像中与该第一医学影像相邻的一第三医学影像是否包含与该第一标签在该第三医学影像上的一第二投影区域重迭的一第三标签，取得一第三判断结果。
于另一实施例中，在基于该些医学影像中与该第一医学影像相邻的该第三医学影像是否包含与该第一标签在该第三医学影像上的该第二投影区域重迭的该第三标签，取得该第三判断结果的操作之后，该方法还包含：响应于该第一标签的面积大于该阈值、该第二医学影像不包含该第二标签且该第三医学影像不包含该第三标签的判断结果，删除该第一标签。
于另一实施例中，在基于该些医学影像中与该第一医学影像相邻的该第三医学影像是否包含与该第一标签在该第三医学影像上的该第二投影区域重迭的该第三标签，取得该第三判断结果的操作之后，该方法还包含：响应于该第一标签的面积大于该阈值、该第二医学影像不包含该第二标签且该第三医学影像包含该第三标签的判断结果，保持该第一标签。
于另一实施例中，响应于显示该第一标签的面积大于该阈值的该第一判断结果，执行基于该些医学影像中与该第一医学影像相邻的该第二医学影像是否包含与该第一标签在该第二医学影像上的该第一投影区域重迭的该第二标签，取得该第二判断结果的操作。
于另一实施例中，根据该第一判断结果以及该第二判断结果，选择性地删除该第一医学影像上的该第一标签的操作包含：响应于该第一标签的面积大于该阈值且该第二医学影像包含该第二标签的判断结果，保持该第一标签。
于另一实施例中，根据该第一判断结果以及该第二判断结果，选择性地删除该第一医学影像上的该第一标签的操作包含：响应于该第一标签的面积不大于该阈值的判断结果，保持该第一标签。
于另一实施例中，在计算具有多个标签的多张医学影像中的该第一医学影像的该第一标签的面积的操作之前，该方法还包含：辨识该些医学影像，以标记该些标签。
于另一实施例中，在基于该第一标签的面积是否大于该阈值，取得该第一判断结果的操作之前，该方法还包含：根据该些医学影像沿着一第一轴的一空间解析度，决定该阈值，其中该第一轴垂直于该第一医学影像以及该第二医学影像，且该第一标签沿着该第一轴被投影于该第二医学影像上以形成该第一投影区域。
于另一实施例中，该阈值与该空间解析度成反比，且该空间解析度与该第一医学影像以及该第二医学影像之间的一垂直距离成反比。
于另一实施例中，在基于该第一标签的面积是否大于该阈值，取得该第一判断结果的操作之前，该方法还包含：根据一灵敏度以及一相似系数，决定该阈值。
本公开内容的另一方面为一影像处理系统。该影像处理方法包含一存储器以及一处理器。该存储器用于储存至少一程序代码。该处理器用于执行该至少一程序代码，以执行下列操作：计算具有多个标签的多张医学影像中的一第一医学影像的一第一标签的面积，其中该些医学影像为连续切片影像；基于该第一标签的面积是否大于一阈值，取得一第一判断结果；基于该些医学影像中与该第一医学影像相邻的一第二医学影像是否包含与该第一标签在该第二医学影像上的一第一投影区域重迭的一第二标签，取得一第二判断结果；以及根据该第一判断结果以及该第二判断结果，选择性地删除该第一医学影像上的该第一标签。
于另一实施例中，在基于该些医学影像中与该第一医学影像相邻的该第二医学影像是否包含与该第一标签在该第二医学影像上的该第一投影区域重迭的该第二标签，取得该第二判断结果的操作之后，该处理器还执行：基于该些医学影像中与该第一医学影像相邻的一第三医学影像是否包含与该第一标签在该第三医学影像上的一第二投影区域重迭的一第三标签，取得一第三判断结果。
于另一实施例中，响应于该第一标签的面积大于该阈值、该第二医学影像不包含该第二标签且该第三医学影像不包含该第三标签的判断结果，该处理器删除该第一标签。
于另一实施例中，响应于该第一标签的面积大于该阈值、该第二医学影像不包含该第二标签且该第三医学影像包含该第三标签的判断结果，该处理器保持该第一标签。
于另一实施例中，响应于该第一标签的面积大于该阈值且该第二医学影像包含该第二标签的判断结果，该处理器保持该第一标签。
于另一实施例中，响应于该第一标签的面积不大于该阈值的判断结果，该处理器保持该第一标签。
于另一实施例中，在基于该第一标签的面积是否大于该阈值，取得该第一判断结果的操作之前，该处理器还执行：根据该些医学影像沿着一第一轴的一空间解析度，决定该阈值，其中该第一轴垂直于该第一医学影像以及该第二医学影像，且该第一标签沿着该第一轴被投影于该第二医学影像上以形成该第一投影区域。
于另一实施例中，该阈值与该空间解析度成反比，且该空间解析度与该第一医学影像以及该第二医学影像之间的一垂直距离成反比。
本公开内容的又另一方面为一种非暂态计算机可读存储介质，具有一计算机程序用以执行一影像处理方法，其中该方法包含：计算具有多个标签的多张医学影像中的一第一医学影像的一第一标签的面积，其中该些医学影像为连续切片影像；基于该第一标签的面积是否大于一阈值，取得一第一判断结果；基于该些医学影像中与该第一医学影像相邻的一第二医学影像是否包含与该第一标签在该第二医学影像上的一第一投影区域重迭的一第二标签，取得一第二判断结果；以及根据该第一判断结果以及该第二判断结果，选择性地删除该第一医学影像上的该第一标签。
综上，本公开内容的影像处理系统以及影像处理方法藉由判断第一医学影像上的第一标签的面积是否大于阈值且判断与第一医学影像相邻的第二医学影像是否包含与第一标签的投影区域重迭的第二标签，可以删除不正确的标签，进而提高相似系数。换言之，假阳性的机率将减少。
附图说明
图1为根据本公开内容的部分实施例的一种影像处理系统的示意图。
图2A为根据本公开内容的部分实施例的一种影像处理方法的流程图。
图2B为根据本公开内容的部分实施例的影像处理方法的其中一操作的流程图。
图3为根据本公开内容的部分实施例的医学影像的示意图。
图4A～4C为根据本公开内容的部分实施例的标记有标签的医学影像的示意图。
第5A～5B图为在其上形成有第4B图医学影像的标签投影区域的相邻医学影像的示意图。
图6为经过处理后的第4B图的医学影像的示意图。
图7A为根据本公开内容的部分实施例的相似系数与直径阈值的关系曲线图。
图7B为根据本公开内容的部分实施例的灵敏度与直径阈值的关系曲线图。
具体实施方式
下文举实施例配合所附图式作详细说明，但所描述的具体实施例仅用以解释本案，并不用来限定本案，而结构操作的描述非用以限制其执行的顺序，任何由元件重新组合的结构，所产生具有均等功效的装置，皆为本公开内容所涵盖的范围。
关于本文中所使用的「耦接」或「连接」，均可指二或多个元件相互直接作实体或电性接触，或是相互间接作实体或电性接触，亦可指二或多个元件相互操作或动作。
请参阅图1，根据本公开内容的部分实施例的一影像处理系统100包含一存储器110、一处理器120以及一输入/输出装置130。处理器120耦接于存储器120以及输入/输出装置130。影像处理系统100可以提供用以处理人体的多张医学影像(请参阅图3)的功能，从而减少假阳性的机率。
存储器110用以储存一或多个程序代码。处理器120用以根据一或多个输入讯号执行储存于存储器110的程序代码，进而使多个操作(例如：如图2A所示的一影像处理方法200)可以被自动地执行。
于部分实施例中，处理器120可以藉由一或多个中央处理单元(CPU)、专用集成电路(ASIC)、微处理器、系统单晶片(SoC)或其他合适的处理单元来实现。存储器110可以藉由非暂态计算机可读存储介质(例如：随机存取存储器(RAM)、唯读存储器(ROM)、硬式磁碟机(HDD)、固态硬盘(SSD))来实现。
于部分实施例中，输入/输出装置130包含一键盘、一鼠标、一触控屏幕或其组合，以将使用者的操作转换为输入讯号且将输入讯号传输至处理器120。于部分实施例中，输入/输出装置130包含一通讯接口(例如：通用序列汇流排(USB)接口、蓝牙接口、Wi-Fi接口、以太网络接口)，以传送资讯或资料。于部分实施例中，输入/输出装置130包含一屏幕、一扬声器或其组合，以呈现响应于使用者操作的状态。
请参阅图2A～2B，图2A～2B描述了根据本公开内容的部分实施例的一影像处理方法200。影像处理方法200可以被图1中的处理器120执行。然而，本公开内容并不被限于此。如图2A所示，影像处理方法200包含操作S201～S206。
请参阅图3，图3描述了没有被标记任何标签的多张医学影像M[1]～M[n]。在执行操作S201～S211之前，使用者可藉由输入/输出装置130输入医学影像M[1]～M[n]，且医学影像M[1]～M[n]可被储存于存储器110，以供处理器120进行处理。
医学影像M[1]～M[n]藉由医学成像系统(例如：电脑断层摄影(CT)、核磁共振造影(MRI)、正子放射造影(PET)、光学同调断层扫描(OCT))产生。如图3所示，医学影像M[1]～M[n]为二维影像且可组成具有一预定高度H、一预定宽度W以及一预定深度D的一三维医学影像。举例来说，三维医学影像为人类头部的三维影像，而医学影像M[1]～M[n]为人类头部于不同水平位准上的截面影像(即，连续切片影像)。
于部分实施例中，医学影像M[1]～M[n]沿着一第一轴A1(请参考图4A～4C)具有一空间解析度。如第图4A～4C所示，第一轴A1(以指向上方且离开医学影像M[2]～M[4]的符号表示)垂直于每张医学影像M[1]～M[n]。医学影像M[1]～M[n]的空间解析度可由相邻的二张医学影像(例如：医学影像M[1]及M[2]、医学影像M[2]及M[3])之间的一垂直距离d(如图3所示)来决定。垂直距离d为平行于第一轴A1的距离，且可藉由将预定高度H除以医学影像M[1]～M[n]的数量n计算出来。
值得注意的是，医学影像M[1]～M[n]的空间解析度与垂直距离d成反比。换言之，垂直距离d愈短，空间解析度愈高。另一方面，垂直距离d愈长，空间解析度愈低。
于操作S201，处理器120辨识医学影像M[1]～M[n]，以在医学影像M[1]～M[n]上标记多个标签(请参阅图4A～4C)。举例来说，如图4B所示，处理器120藉由一物件分割模型(例如：语意分割的U-Net或C-LSTM、实体分割的Mask R-CNN)从医学影像M[3]上辨识出三个可疑组织(以填满斜线的区域表示)。接着，处理器120于医学影像M[3]上标记相对应于上述可疑组织的轮廓的三个标签P1[3]、P2[3]、P3[3]。类似地，如图4A及4C所示，处理器120在医学影像M[2]上标记一个标签P1[2]，且在医学影像M[4]上标记二个标签P1[4]、P2[4]。
于部分其他实施例中，医学影像在被输入至影像处理系统100之前就已经被标记好标签。因此，操作S201被省略。
于部分实施例中，由于可疑组织可能包含病变组织(例如：肿瘤、结核)以及正常组织(例如：血管)，处理器120所标记的部分标签可能对应于正常组织。因此，处理器120将执行接下来的操作S202～S206，以删除医学影像M[1]～M[n]上的不正确的标签(亦即删除对应假阳性的标签)。
于操作S202，处理器120计算医学影像中的一第一医学影像上的至少一个第一标签的面积。在医学影像M[3](如图4B所示)的例子中，处理器120计算被标签P1[3]围绕的表面的面积。类似地，处理器120计算被标签P2[3]围绕的表面的面积以及被标签P3[3]围绕的表面的面积。
于操作S203，处理器120根据医学影像M[1]～M[n]的空间解析度决定一阈值。举例来说，空间解析度愈高，则阈值(例如：πmm2)愈小。另一方面，空间解析度愈低，则阈值(例如：100πmm2)愈大。换言之，阈值与空间解析度成反比。阈值与空间解析度之间的关系将于后面进一步地讨论。
于操作S204，处理器120判断至少一个第一标签的面积是否大于阈值以取得第一判断结果，且根据第一判断结果执行操作S205或S206。具体而言，处理器120将上面计算出的每个标签P1[3]～P3[3]的面积与阈值进行比较。
于部分实施例中，第一判断结果显示标签P2[3]的面积不大于阈值，因此处理器120执行操作S205。于操作S205，由于第一判断结果显示标签P2[3]的面积不大于阈值，对应于标签P2[3]的可疑组织可能被视为病变组织(例如：小体积的肿瘤)。据此，处理器120不删除(或保持)标签P2[3]。
于部分实施例中，第一判断结果显示标签P1[3](或标签P3[3])的面积大于阈值，因此处理器120执行操作S206。于操作S206，由于第一判断结果显示标签P1[3](或标签P3[3])的面积大于阈值，对应于标签P1[3](或标签P3[3])的可疑组织仍被怀疑为病变组织或正常组织。据此，处理器120进一步地判断在与第一医学影像相邻的至少一张医学影像(例如：医学影像M[2]、医学影像M[4])是否包含与第一标签(例如：标签P1[3]、标签P3[3])的投影区域重迭的至少一个标签。
如图2B所示，操作S206包含操作S207～S211。于操作S207中，处理器120判断第二医学影像是否包含与第一标签在第二医学影像上的投影区域重迭的第二标签。如此一来，处理器120取得一第二判断结果，且根据第二判断结果执行操作S208或S209。
请参阅图5A及图5B，图5A及图5B描述了第一医学影像的标签P1[3]～P3[3]的投影区域形成于二张相邻的医学影像上。在标签P1[3]的例子中，标签P1[3]沿着平行于第一轴A1的方向被投影，进而在医学影像M[2]P上形成投影区域PJ1[32]且在医学影像M[4]P上形成投影区域PJ1[34]。类似地，医学影像M[3]的标签P2[3],P3[3]也被投影，以在医学影像M[2]P上形成投影区域PJ2[32],PJ3[32]且在医学影像M[4]P上形成投影区域PJ2[34],PJ3[34]。如图5A所示，投影区域PJ1[32]重迭于医学影像M[2]P上的标签P1[2]，进而使一重迭区域PO1[2](以填满黑白格的区域表示)产生。如图5B所示，投影区域PJ1[34]重迭于医学影像M[4]P上的标签P1[4]，进而使一重迭区域PO1[4](以填满黑白格的区域表示)产生。
关于标签P1[3]，于部分实施例中，处理器120可能判断医学影像M[2]P包含与标签P1[3]的投影区域PJ1[32]重迭的标签P1[2]，进而执行操作S208。于部分其他实施例中，处理器120可能判断医学影像M[4]P包含与标签P1[3]的投影区域PJ1[34]重迭的标签P1[4]，进而执行操作S208。
于操作S208，由于第二判断结果显示第二医学影像(例如：医学影像M[2]P或医学影像M[4]P)包含与第一标签(例如：标签P1[3])的投影区域(例如：对应医学影像M[2]P的投影区域PJ1[32]或对应医学影像M[4]P的投影区域PJ1[34])重迭的第二标签(例如：标签P1[2]或标签P1[4])，与标签P1[3]相对应的可疑组织被当作病变组织(例如：大体积的肿瘤)。据此，处理器120不删除(或保持)标签P1[3]。
关于标签P3[3]，于部分实施例中，处理器120可能判断医学影像M[2]P未包含与标签P3[3]的投影区域PJ3[32]重迭的标签，进而执行操作S209。于部分其他实施例中，处理器120可能判断医学影像M[4]P未包含与标签P3[3]的投影区域PJ3[34]重迭的标签，进而执行操作S209。
于操作S209，由于第二判断结果显示第二医学影像(例如：医学影像M[2]P或医学影像M[4]P)未包含与第一标签(例如：标签P3[3])的投影区域(例如：对应医学影像M[2]P的投影区域PJ3[32]、对应医学影像M[4]P的投影区域PJ3[34])重迭的第二标签，与标签P3[3]相对应的可疑组织仍被怀疑为病变组织或正常组织。据此，处理器120进一步地判断一第三医学影像是否包含与第一标签的另一投影区域重迭的一第三标签。如此一来，处理器120取得一第三判断结果，且根据第三判断结果执行操作S210或S211。
于部分实施例中，处理器120判断医学影像M[2]P(视为第二医学影像)未包含与第一标签的投影区域重迭的第二标签，但又判断医学影像M[4]P(视为第三医学影像)包含与第一标签的另一投影区域重迭的第三标签，进而执行操作S210。于部分其他实施例中，处理器120判断医学影像M[4]P(视为第二医学影像)未包含与第一标签的投影区域重迭的第二标签，但又判断医学影像M[2]P(视为第三医学影像)包含与第一标签的另一投影区域重迭的第三标签，进而执行操作S210。
于操作S210，由于第三判断结果显示第三医学影像(例如：医学影像M[2]P、医学影像M[4]P)包含与第一标签的另一投影区域重迭的第三标签，与第一标签相对应的可疑组织被当作病变组织(例如：大体积的肿瘤)。据此，处理器120不删除(或保持)第一标签。
简言之，在至少一张相邻的医学影像包含与第一标签的投影区域重迭的至少一个标签时，处理器120保持第一标签。然而，于部份其他实施例中，处理器120可能在二张相邻的医学影像(例如：医学影像M[2]P、医学影像M[4]P)包含分别与第一标签于二张相邻的医学影像上的二个投影区域重迭的第二标签以及第三标签时，才保持第一标签。
在判断标签P3[3](请参阅图5A及图5B)的例子中，处理器120判断医学影像M[2]P未包含与标签P3[3]的投影区域PJ3[32]重迭的标签，且又判断医学影像M[4]P未包含与标签P3[3]的另一投影区域PJ3[34]重迭的标签，进而执行操作S211。
于操作S211，由于第三判断结果显示第三医学影像(例如：医学影像M[2]P、医学影像M[4]P)未包含与第一标签(例如：标签P3[3])的另一投影区域重迭(例如：投影区域PJ3[32]、投影区域PJ3[34])的第三标签，与标签P3[3]相对应的可疑组织被当作正常组织(因为病变组织通常为球形，且很少是扁平的)。据此，处理器120删除标签P3[3]。
请参阅图6，在执行操作S202～S211之后，处理器120产生处理过的医学影像M[3]D且将处理医学影像M[4]。于部分实施例中，处理器120依序处理未被处理过的医学影像M[1]～M[n]以删除不正确的标签。
于部分实施例中，在处理医学影像M[1]或M[n]时，处理器120可只判断相邻于医学影像M[1]或M[n]的一张医学影像M[2]或M[n-1]。据此，当医学影像M[2]或M[n-1]包含与医学影像M[1]或M[n]的第一标签的投影区域重迭的第二标签时，处理器120保持第一标签。当医学影像M[2]或M[n-1]未包含与医学影像M[1]或M[n]的第一标签的投影区域重迭的第二标签时，处理器120删除第一标签。
请参阅图7A～7B，图7A描述了相似系数(DICE)与直径阈值之间的关系，且图7B描述了灵敏度(Sensitivity)与直径阈值之间的关系。相似系数可以被用来比较不同集合(例如：代表病变组织的第一集合(由熟练的医师识别)以及代表标签的第二集合(经由物件分割模型辨识))间的相似度。基本上，相似系数愈高，则假阳性的机率愈低。灵敏度为有被标记标签的病变组织的机率(即，真阳性的机率)。阈值可由具有直径阈值的圆形表面的面积来定义。举例来说，若直径阈值为10mm，则阈值为25πmm2。于部分实施例中，相似系数以及灵敏度可以被表示为下列方程式(1)及(2)：
Figure BDA0002853512570000111
以及
Figure BDA0002853512570000112
其中，D为相似系数，S为灵敏度，G为医学影像M[1]～M[n]中的实际病变组织的区域，且P为医学影像M[1]～M[n]上的标签的区域。
在删除不正确的标签之前，相似系数大致上为56.82％(请参阅如图7A所示的虚线)。灵敏度大致上为84.27％(请参阅如图7B所示的虚线)。在操作S202～S211被执行以删除不正确的标签后，相似系数根据直径阈值的长度可能在62.05％到69.65％的范围(请参阅如图7A所示的实线)中变动。灵敏度根据直径阈值的长度可能在79.97％到84.27％的范围(请参阅如图7B所示的实线)中变动。如图7A及7B所示，当直径阈值为10mm时，相似系数增加了5.23％，且灵敏度未改变。当直径阈值为1mm时，相似系数增加了12.83％，且灵敏度略微减少了4.3％(因为灵敏度在操作S202～S201被执行后无法再增加)。
如前所述，阈值根据医学影像M[1]～M[n]的空间解析度来决定。此外，阈值也根据对于相似系数以及灵敏度的要求来决定。若要求高的相似系数，则应减少阈值(举例来说，直径阈值应为1mm)以删除更多的不正确的标签(换言之，以显著地提高相似系数)。相反地，若要求高的灵敏度，则应在保持灵敏度的同时增加阈值(举例来说，直径阈值应为10mm)以删除不正确的标签(换言之，以略微提高相似系数)。
综上，藉由判断第一医学影像上的第一标签的面积是否大于阈值且判断与第一医学影像相邻的至少一第二医学影像是否包含与第一标签的投影区域重迭的第二标签，本公开内容的影像处理系统100以及影像处理方法200可以删除不正确的标签，进而使相似系数提高。换言之，假阳性的机率将减少。
本公开内容的方法可以以程序代码的型态存在。程序代码可以包含于实体媒体，例如软盘、光盘、硬盘、或是其他任何非暂态计算机可读存储介质，其中，当程序代码被电脑载入且执行时，此电脑变成用以实现所述方法的装置。程序代码也可以透过一些传送媒体，如电线或电缆、透过光纤、或是透过其他任何传输型态进行传送，其中，当程序代码被电脑接收、载入且执行时，此电脑变成用以实现所述方法的装置。当在一般用途的处理器实现时，程序代码结合处理器来提供操作类似于应用特定逻辑电路的一独特装置。
虽然本公开内容已以实施方式揭露如上，然其并非用以限定本公开内容，所属技术领域具有通常知识者在不脱离本公开内容的精神和范围内，当可作各种更动与润饰，因此本公开内容的保护范围当视后附的申请专利范围所界定者为准。
【符号说明】
100:影像处理系统
110:存储器
120:处理器
130:输入/输出装置
200:影像处理方法
A1:第一轴
D:预定深度
d:垂直距离
H:预定高度
M[1]～M[n],M[2]P,M[4]P,M[3]D:医学影像
P1[2],P1[3],P2[3],P3[3],P1[4],P2[4]:标签
PJ1[32],PJ2[32],PJ3[32],PJ1[34],PJ2[34],PJ3[34]:投影区域
PO1[2],PO1[4]:重迭区域
S201～S211:操作
W:预定宽度

Claims (20)

1.一种影像处理方法，其特征在于，包含：
计算具有多个标签的多张医学影像中的一第一医学影像的一第一标签的面积，其中该些医学影像为连续切片影像；
基于该第一标签的面积是否大于一阈值，取得一第一判断结果；
基于该些医学影像中与该第一医学影像相邻的一第二医学影像是否包含与该第一标签在该第二医学影像上的一第一投影区域重迭的一第二标签，取得一第二判断结果；以及
根据该第一判断结果以及该第二判断结果，选择性地删除该第一医学影像上的该第一标签。
2.如权利要求1所述的影像处理方法，其特征在于，在基于该些医学影像中与该第一医学影像相邻的该第二医学影像是否包含与该第一标签在该第二医学影像上的该第一投影区域重迭的该第二标签，取得该第二判断结果的操作之后，该方法还包含：
基于该些医学影像中与该第一医学影像相邻的一第三医学影像是否包含与该第一标签在该第三医学影像上的一第二投影区域重迭的一第三标签，取得一第三判断结果。
3.如权利要求2所述的影像处理方法，其特征在于，在基于该些医学影像中与该第一医学影像相邻的该第三医学影像是否包含与该第一标签在该第三医学影像上的该第二投影区域重迭的该第三标签，取得该第三判断结果的操作之后，该方法还包含：
响应于该第一标签的面积大于该阈值、该第二医学影像不包含该第二标签且该第三医学影像不包含该第三标签的判断结果，删除该第一标签。
4.如权利要求2所述的影像处理方法，其特征在于，在基于该些医学影像中与该第一医学影像相邻的该第三医学影像是否包含与该第一标签在该第三医学影像上的该第二投影区域重迭的该第三标签，取得该第三判断结果的操作之后，该方法还包含：
响应于该第一标签的面积大于该阈值、该第二医学影像不包含该第二标签且该第三医学影像包含该第三标签的判断结果，保持该第一标签。
5.如权利要求1所述的影像处理方法，其特征在于，响应于显示该第一标签的面积大于该阈值的该第一判断结果，执行基于该些医学影像中与该第一医学影像相邻的该第二医学影像是否包含与该第一标签在该第二医学影像上的该第一投影区域重迭的该第二标签，取得该第二判断结果的操作。
6.如权利要求1所述的影像处理方法，其特征在于，根据该第一判断结果以及该第二判断结果，选择性地删除该第一医学影像上的该第一标签的操作包含：
响应于该第一标签的面积大于该阈值且该第二医学影像包含该第二标签的判断结果，保持该第一标签。
7.如权利要求1所述的影像处理方法，其特征在于，根据该第一判断结果以及该第二判断结果，选择性地删除该第一医学影像上的该第一标签的操作包含：
响应于该第一标签的面积不大于该阈值的判断结果，保持该第一标签。
8.如权利要求1所述的影像处理方法，其特征在于，在计算具有多个标签的多张医学影像中的该第一医学影像的该第一标签的面积的操作之前，该方法还包含：
辨识该些医学影像，以标记该些标签。
9.如权利要求1所述的影像处理方法，其特征在于，在基于该第一标签的面积是否大于该阈值，取得该第一判断结果的操作之前，该方法还包含：
根据该些医学影像沿着一第一轴的一空间解析度，决定该阈值，其中该第一轴垂直于该第一医学影像以及该第二医学影像，且该第一标签沿着该第一轴被投影于该第二医学影像上以形成该第一投影区域。
10.如权利要求9所述的影像处理方法，其特征在于，该阈值与该空间解析度成反比，且该空间解析度与该第一医学影像以及该第二医学影像之间的一垂直距离成反比。
11.如权利要求1所述的影像处理方法，其特征在于，在基于该第一标签的面积是否大于该阈值，取得该第一判断结果的操作之前，该方法还包含：
根据一灵敏度以及一相似系数，决定该阈值。
12.一种影像处理系统，其特征在于，包含：
一存储器，用于储存至少一程序代码；以及
一处理器，用于执行该至少一程序代码，以执行下列操作：
计算具有多个标签的多张医学影像中的一第一医学影像的一第一标签的面积，其中该些医学影像为连续切片影像；
基于该第一标签的面积是否大于一阈值，取得一第一判断结果；
基于该些医学影像中与该第一医学影像相邻的一第二医学影像是否包含与该第一标签在该第二医学影像上的一第一投影区域重迭的一第二标签，取得一第二判断结果；以及
根据该第一判断结果以及该第二判断结果，选择性地删除该第一医学影像上的该第一标签。
13.如权利要求12所述的影像处理系统，其特征在于，在基于该些医学影像中与该第一医学影像相邻的该第二医学影像是否包含与该第一标签在该第二医学影像上的该第一投影区域重迭的该第二标签，取得该第二判断结果的操作之后，该处理器还执行：
基于该些医学影像中与该第一医学影像相邻的一第三医学影像是否包含与该第一标签在该第三医学影像上的一第二投影区域重迭的一第三标签，取得一第三判断结果。
14.如权利要求13所述的影像处理系统，其特征在于，响应于该第一标签的面积大于该阈值、该第二医学影像不包含该第二标签且该第三医学影像不包含该第三标签的判断结果，该处理器删除该第一标签。
15.如权利要求13所述的影像处理系统，其特征在于，响应于该第一标签的面积大于该阈值、该第二医学影像不包含该第二标签且该第三医学影像包含该第三标签的判断结果，该处理器保持该第一标签。
16.如权利要求12所述的影像处理系统，其特征在于，响应于该第一标签的面积大于该阈值且该第二医学影像包含该第二标签的判断结果，该处理器保持该第一标签。
17.如权利要求12所述的影像处理系统，其特征在于，响应于该第一标签的面积不大于该阈值的判断结果，该处理器保持该第一标签。
18.如权利要求12所述的影像处理系统，其特征在于，在基于该第一标签的面积是否大于该阈值，取得该第一判断结果的操作之前，该处理器还执行：
根据该些医学影像沿着一第一轴的一空间解析度，决定该阈值，其中该第一轴垂直于该第一医学影像以及该第二医学影像，且该第一标签沿着该第一轴被投影于该第二医学影像上以形成该第一投影区域。
19.如权利要求18所述的影像处理系统，其特征在于，该阈值与该空间解析度成反比，且该空间解析度与该第一医学影像以及该第二医学影像之间的一垂直距离成反比。
20.一种非暂态计算机可读存储介质，具有一计算机程序用以执行一影像处理方法，其特征在于，该方法包含：
计算具有多个标签的多张医学影像中的一第一医学影像的一第一标签的面积，其中该些医学影像为连续切片影像；
基于该第一标签的面积是否大于一阈值，取得一第一判断结果；
基于该些医学影像中与该第一医学影像相邻的一第二医学影像是否包含与该第一标签在该第二医学影像上的一第一投影区域重迭的一第二标签，取得一第二判断结果；以及
根据该第一判断结果以及该第二判断结果，选择性地删除该第一医学影像上的该第一标签。
CN202011536148.9A 2019-12-23 2020-12-23 影像处理方法、系统及非暂态计算机可读存储介质 Active CN113096778B (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
US201962952498P 2019-12-23 2019-12-23
US62/952,498 2019-12-23

Publications (2)

Publication Number Publication Date
CN113096778A true CN113096778A (zh) 2021-07-09
CN113096778B CN113096778B (zh) 2024-05-28

Family

ID=73856764

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011536148.9A Active CN113096778B (zh) 2019-12-23 2020-12-23 影像处理方法、系统及非暂态计算机可读存储介质

Country Status (5)

Country Link
US (1) US11600000B2 (zh)
EP (1) EP3843038B1 (zh)
JP (1) JP7333304B2 (zh)
CN (1) CN113096778B (zh)
TW (1) TWI773045B (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP6988732B2 (ja) * 2018-08-02 2022-01-05 株式会社島津製作所 放射線画像処理装置および放射線画像処理方法
US11615267B2 (en) * 2020-05-01 2023-03-28 Siemens Healthcare Gmbh X-ray image synthesis from CT images for training nodule detection systems

Citations (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2007048463A1 (en) * 2005-10-24 2007-05-03 Nordic Bioscience A/S Automatic quantification of a pathology indicating measure from cartilage scan data
US20070297659A1 (en) * 2006-06-21 2007-12-27 Collins Michael J Forming three dimensional objects using a decision rule in medical image data
WO2008050223A2 (en) * 2006-10-25 2008-05-02 Rcadia Medical Imaging Ltd. Method and system for automatic analysis of blood vessel structures and pathologies
US20110229004A1 (en) * 2008-12-09 2011-09-22 Koninklijke Philips Electronics N.V. Synopsis of multiple segmentation results for breast lesion characterization
US20160005163A1 (en) * 2014-07-02 2016-01-07 Covidien Lp System and method for detecting trachea
CN106097353A (zh) * 2016-06-15 2016-11-09 北京市商汤科技开发有限公司 基于多层次局部区域融合的物体分割方法及装置、计算设备
KR101762678B1 (ko) * 2016-12-28 2017-08-03 주식회사 이티엑스웍스 병변 영역 검출 장치 및 방법
CN107644419A (zh) * 2017-09-30 2018-01-30 百度在线网络技术（北京）有限公司 用于分析医学影像的方法和装置
US20180046876A1 (en) * 2016-08-10 2018-02-15 Pfu Limited Image-processing apparatus, image-processing method, and computer program product
US20180232877A1 (en) * 2015-02-04 2018-08-16 Nihon Medi-Physics Co., Ltd. Nuclear Medical Image Analysis Technique
CN108805169A (zh) * 2017-05-04 2018-11-13 宏达国际电子股份有限公司 影像处理方法、非暂态电脑可读取媒体以及影像处理系统
US20190172205A1 (en) * 2016-12-31 2019-06-06 Shanghai United Imaging Healthcare Co., Ltd. Method and system for extracting vasculature
CN110110617A (zh) * 2019-04-22 2019-08-09 腾讯科技（深圳）有限公司 医学影像分割方法、装置、电子设备和存储介质

Family Cites Families (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101107617A (zh) * 2004-09-27 2008-01-16 皇家飞利浦电子股份有限公司 用于选择显示器上指针速度的系统
US10417737B2 (en) 2017-06-21 2019-09-17 International Business Machines Corporation Machine learning model for automatic image registration quality assessment and correction
WO2019152850A1 (en) 2018-02-02 2019-08-08 Centerline Biomedical, Inc. Segmentation of anatomic structures
CN109741317B (zh) 2018-12-29 2023-03-31 成都金盘电子科大多媒体技术有限公司 医学影像智能评价方法

Patent Citations (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2007048463A1 (en) * 2005-10-24 2007-05-03 Nordic Bioscience A/S Automatic quantification of a pathology indicating measure from cartilage scan data
US20070297659A1 (en) * 2006-06-21 2007-12-27 Collins Michael J Forming three dimensional objects using a decision rule in medical image data
WO2008050223A2 (en) * 2006-10-25 2008-05-02 Rcadia Medical Imaging Ltd. Method and system for automatic analysis of blood vessel structures and pathologies
US20110229004A1 (en) * 2008-12-09 2011-09-22 Koninklijke Philips Electronics N.V. Synopsis of multiple segmentation results for breast lesion characterization
CN106232010A (zh) * 2014-07-02 2016-12-14 柯惠有限合伙公司 用于检测气管的系统和方法
US20160005163A1 (en) * 2014-07-02 2016-01-07 Covidien Lp System and method for detecting trachea
US20180232877A1 (en) * 2015-02-04 2018-08-16 Nihon Medi-Physics Co., Ltd. Nuclear Medical Image Analysis Technique
CN106097353A (zh) * 2016-06-15 2016-11-09 北京市商汤科技开发有限公司 基于多层次局部区域融合的物体分割方法及装置、计算设备
US20180046876A1 (en) * 2016-08-10 2018-02-15 Pfu Limited Image-processing apparatus, image-processing method, and computer program product
KR101762678B1 (ko) * 2016-12-28 2017-08-03 주식회사 이티엑스웍스 병변 영역 검출 장치 및 방법
US20190172205A1 (en) * 2016-12-31 2019-06-06 Shanghai United Imaging Healthcare Co., Ltd. Method and system for extracting vasculature
CN108805169A (zh) * 2017-05-04 2018-11-13 宏达国际电子股份有限公司 影像处理方法、非暂态电脑可读取媒体以及影像处理系统
CN107644419A (zh) * 2017-09-30 2018-01-30 百度在线网络技术（北京）有限公司 用于分析医学影像的方法和装置
CN110110617A (zh) * 2019-04-22 2019-08-09 腾讯科技（深圳）有限公司 医学影像分割方法、装置、电子设备和存储介质

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
SHIMIZU A: "reduction of false positive in computer diagnosis of chest X-ray images using interval change detection between two images", COMPUTER-AIDED DIAGNASIS IN MEDICAL IMAGING, vol. 1182, pages 83 - 88 *
SLABAUGH: "a robust and fast system for CTC computer aided detection of colorectal lesions", ALGORITHMS, vol. 03, no. 01, pages 21 - 43 *
郭薇: "面向多种医学图像的肺癌计算机辅助诊断关键技术研究", 万方学位论文库 *

Also Published As

Publication number Publication date
US20210192735A1 (en) 2021-06-24
TWI773045B (zh) 2022-08-01
EP3843038A1 (en) 2021-06-30
JP2021108119A (ja) 2021-07-29
US11600000B2 (en) 2023-03-07
TW202125406A (zh) 2021-07-01
EP3843038B1 (en) 2023-09-20
CN113096778B (zh) 2024-05-28
JP7333304B2 (ja) 2023-08-24

Similar Documents

Publication Publication Date Title
Liu et al. Mediastinal lymph node detection and station mapping on chest CT using spatial priors and random forest
JP5868231B2 (ja) 医用画像診断支援装置、医用画像診断支援方法ならびにコンピュータプログラム
US9218542B2 (en) Localization of anatomical structures using learning-based regression and efficient searching or deformation strategy
US10319093B2 (en) Image processing apparatus, image processing method, and program
JP4280729B2 (ja) 照射野領域抽出方法及び放射線撮影装置
JP5851160B2 (ja) 画像処理装置、画像処理装置の作動方法、及び画像処理プログラム
CN111028246A (zh) 一种医学图像分割方法、装置、存储介质及电子设备
US9993217B2 (en) Producing panoramic radiograph
US10748282B2 (en) Image processing system, apparatus, method and storage medium
US11996198B2 (en) Determination of a growth rate of an object in 3D data sets using deep learning
CN113096778B (zh) 影像处理方法、系统及非暂态计算机可读存储介质
US11276490B2 (en) Method and apparatus for classification of lesion based on learning data applying one or more augmentation methods in lesion information augmented patch of medical image
US11099724B2 (en) Context sensitive magnifying glass
US10653378B2 (en) Image retrieval apparatus and image retrieval method
Kumar et al. Fully automated segmentation of lung parenchyma using break and repair strategy
WO2014050043A1 (ja) 画像処理装置および画像処理方法、並びに、画像処理プログラム
CN117045273B (zh) Ct扫描辐射剂量确定方法、装置、设备和存储介质
JP4579919B2 (ja) 結腸のディジタル画像におけるポリープの識別方法およびコンピュータ読み取り可能なプログラム記憶装置
JP2010538729A (ja) 経路近傍レンダリング
CN115147359A (zh) 肺叶分割网络模型训练方法、装置、电子设备及存储介质
Gao et al. Graph modeling and mining methods for brain images
WO2020174770A1 (ja) 領域特定装置、方法およびプログラム、学習装置、方法およびプログラム、並びに識別器
JP2004283188A (ja) 画像診断支援装置、画像診断支援方法、プログラム及び記憶媒体
US20230342994A1 (en) Storage medium, image identification method, image identification device
JP7151464B2 (ja) 肺画像処理プログラム、肺画像処理方法および肺画像処理システム

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