CN1504931A - 图像组的计算机辅助诊断 - Google Patents
图像组的计算机辅助诊断 Download PDFInfo
- Publication number
- CN1504931A CN1504931A CNA031390978A CN03139097A CN1504931A CN 1504931 A CN1504931 A CN 1504931A CN A031390978 A CNA031390978 A CN A031390978A CN 03139097 A CN03139097 A CN 03139097A CN 1504931 A CN1504931 A CN 1504931A
- Authority
- CN
- China
- Prior art keywords
- image
- area
- interest
- energy
- feature
- 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
- 238000004195 computer-aided diagnosis Methods 0.000 title description 2
- 238000000034 method Methods 0.000 claims abstract description 104
- 238000003384 imaging method Methods 0.000 claims abstract description 29
- 201000010099 disease Diseases 0.000 claims abstract description 10
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 claims abstract description 10
- 230000009977 dual effect Effects 0.000 claims description 59
- 210000004872 soft tissue Anatomy 0.000 claims description 46
- 238000004422 calculation algorithm Methods 0.000 claims description 40
- 238000002601 radiography Methods 0.000 claims description 29
- 210000000988 bone and bone Anatomy 0.000 claims description 22
- 230000002308 calcification Effects 0.000 claims description 21
- 238000012546 transfer Methods 0.000 claims description 14
- 238000005457 optimization Methods 0.000 claims description 12
- 239000000284 extract Substances 0.000 claims description 11
- 238000012549 training Methods 0.000 claims description 11
- 206010061363 Skeletal injury Diseases 0.000 claims description 9
- 206010051728 Bone erosion Diseases 0.000 claims description 8
- 238000004364 calculation method Methods 0.000 claims description 5
- 230000006378 damage Effects 0.000 claims description 5
- 238000005070 sampling Methods 0.000 claims description 5
- 208000016247 Soft tissue disease Diseases 0.000 claims description 2
- 230000007170 pathology Effects 0.000 claims description 2
- 201000008827 tuberculosis Diseases 0.000 claims description 2
- 230000001394 metastastic effect Effects 0.000 claims 1
- 206010061289 metastatic neoplasm Diseases 0.000 claims 1
- 238000002591 computed tomography Methods 0.000 abstract description 42
- 238000012545 processing Methods 0.000 abstract description 30
- 208000010392 Bone Fractures Diseases 0.000 abstract description 7
- 206010061876 Obstruction Diseases 0.000 abstract 1
- 230000008569 process Effects 0.000 description 31
- 238000001514 detection method Methods 0.000 description 22
- 238000010586 diagram Methods 0.000 description 22
- 208000004434 Calcinosis Diseases 0.000 description 18
- 238000003325 tomography Methods 0.000 description 17
- 238000003745 diagnosis Methods 0.000 description 14
- 238000012937 correction Methods 0.000 description 13
- 239000000463 material Substances 0.000 description 12
- 230000000875 corresponding effect Effects 0.000 description 10
- 230000008878 coupling Effects 0.000 description 8
- 238000010168 coupling process Methods 0.000 description 8
- 238000005859 coupling reaction Methods 0.000 description 8
- 238000005516 engineering process Methods 0.000 description 8
- 238000000605 extraction Methods 0.000 description 8
- 210000004072 lung Anatomy 0.000 description 8
- 230000000007 visual effect Effects 0.000 description 8
- 238000004458 analytical method Methods 0.000 description 7
- 210000005075 mammary gland Anatomy 0.000 description 7
- 206010017076 Fracture Diseases 0.000 description 6
- 238000004590 computer program Methods 0.000 description 6
- 238000000354 decomposition reaction Methods 0.000 description 6
- 210000000481 breast Anatomy 0.000 description 5
- 230000000747 cardiac effect Effects 0.000 description 5
- 210000000038 chest Anatomy 0.000 description 5
- 238000000926 separation method Methods 0.000 description 5
- 230000008901 benefit Effects 0.000 description 4
- 239000000126 substance Substances 0.000 description 4
- 210000001519 tissue Anatomy 0.000 description 4
- 238000013528 artificial neural network Methods 0.000 description 3
- 230000002708 enhancing effect Effects 0.000 description 3
- 238000005259 measurement Methods 0.000 description 3
- SYHGEUNFJIGTRX-UHFFFAOYSA-N methylenedioxypyrovalerone Chemical compound C=1C=C2OCOC2=CC=1C(=O)C(CCC)N1CCCC1 SYHGEUNFJIGTRX-UHFFFAOYSA-N 0.000 description 3
- 230000008520 organization Effects 0.000 description 3
- 230000000505 pernicious effect Effects 0.000 description 3
- 230000005855 radiation Effects 0.000 description 3
- 230000009467 reduction Effects 0.000 description 3
- 206010058467 Lung neoplasm malignant Diseases 0.000 description 2
- 231100000987 absorbed dose Toxicity 0.000 description 2
- 230000015572 biosynthetic process Effects 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000012790 confirmation Methods 0.000 description 2
- 238000002405 diagnostic procedure Methods 0.000 description 2
- 238000002224 dissection Methods 0.000 description 2
- 238000001914 filtration Methods 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 230000003902 lesion Effects 0.000 description 2
- 201000005202 lung cancer Diseases 0.000 description 2
- 208000020816 lung neoplasm Diseases 0.000 description 2
- 230000003211 malignant effect Effects 0.000 description 2
- 230000000391 smoking effect Effects 0.000 description 2
- 238000001228 spectrum Methods 0.000 description 2
- 208000024891 symptom Diseases 0.000 description 2
- RYGMFSIKBFXOCR-UHFFFAOYSA-N Copper Chemical compound [Cu] RYGMFSIKBFXOCR-UHFFFAOYSA-N 0.000 description 1
- 206010027476 Metastases Diseases 0.000 description 1
- 206010056342 Pulmonary mass Diseases 0.000 description 1
- 208000027418 Wounds and injury Diseases 0.000 description 1
- 238000000333 X-ray scattering Methods 0.000 description 1
- 230000002159 abnormal effect Effects 0.000 description 1
- 239000004411 aluminium Substances 0.000 description 1
- XAGFODPZIPBFFR-UHFFFAOYSA-N aluminium Chemical compound [Al] XAGFODPZIPBFFR-UHFFFAOYSA-N 0.000 description 1
- 229910052782 aluminium Inorganic materials 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000013170 computed tomography imaging Methods 0.000 description 1
- 238000002247 constant time method Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 239000010949 copper Substances 0.000 description 1
- 229910052802 copper Inorganic materials 0.000 description 1
- 230000002596 correlated effect Effects 0.000 description 1
- 230000002950 deficient Effects 0.000 description 1
- 230000004069 differentiation Effects 0.000 description 1
- 230000005670 electromagnetic radiation Effects 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 238000002347 injection Methods 0.000 description 1
- 239000007924 injection Substances 0.000 description 1
- 208000014674 injury Diseases 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 230000001575 pathological effect Effects 0.000 description 1
- 238000003909 pattern recognition Methods 0.000 description 1
- 238000012805 post-processing Methods 0.000 description 1
- 230000010349 pulsation Effects 0.000 description 1
- 230000008707 rearrangement Effects 0.000 description 1
- 238000009877 rendering Methods 0.000 description 1
- 238000012552 review Methods 0.000 description 1
- 230000000630 rising effect Effects 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 239000000243 solution Substances 0.000 description 1
- 238000000638 solvent extraction Methods 0.000 description 1
- 238000003786 synthesis reaction Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
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
-
- 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]
-
- 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
- A61B6/48—Diagnostic techniques
- A61B6/482—Diagnostic techniques involving multiple energy 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
- A61B6/50—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment specially adapted for specific body parts; specially adapted for specific clinical applications
- A61B6/505—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment specially adapted for specific body parts; specially adapted for specific clinical applications for diagnosis of bone
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T11/00—2D [Two Dimensional] image generation
- G06T11/003—Reconstruction from projections, e.g. tomography
- G06T11/005—Specific pre-processing for tomographic reconstruction, e.g. calibration, source positioning, rebinning, scatter correction, retrospective gating
-
- 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
-
- 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
- G16H50/20—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for computer-aided diagnosis, e.g. based on medical expert systems
-
- 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
- A61B6/50—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment specially adapted for specific body parts; specially adapted for specific clinical applications
- A61B6/502—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment specially adapted for specific body parts; specially adapted for specific clinical applications for diagnosis of breast, i.e. mammography
-
- 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
- G06T2207/30008—Bone
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2211/00—Image generation
- G06T2211/40—Computed tomography
- G06T2211/408—Dual energy
Landscapes
- Health & Medical Sciences (AREA)
- Engineering & Computer Science (AREA)
- Medical Informatics (AREA)
- Life Sciences & Earth Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Public Health (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Physics & Mathematics (AREA)
- Radiology & Medical Imaging (AREA)
- Biomedical Technology (AREA)
- Pathology (AREA)
- Surgery (AREA)
- Heart & Thoracic Surgery (AREA)
- Molecular Biology (AREA)
- Optics & Photonics (AREA)
- Animal Behavior & Ethology (AREA)
- High Energy & Nuclear Physics (AREA)
- Biophysics (AREA)
- Veterinary Medicine (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Epidemiology (AREA)
- Primary Health Care (AREA)
- Dentistry (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Orthopedic Medicine & Surgery (AREA)
- Quality & Reliability (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- Apparatus For Radiation Diagnosis (AREA)
Abstract
本发明涉及一种用于计算机辅助处理图像组(215、415、540、715、915)的方法(200、201、202、300、400、700、900)、系统(100)和存储介质。所述方法、系统和存储介质包括:采用数据源,所述数据源(210、710、910)包括从X-射线投影、X-射线断层造影、或X射线断层造影组合采集的图像组(215、415、540、715、915);在图像组(215、415、540、715、915)的一个或多个图像中定义一个感兴趣区域(220);从感兴趣区域(220)提取特征度量(230);并且报告(260)至少一个有关感兴趣区域(220)的特征度量。所述方法(200、201、202、300、400、700、900)可以用于识别骨折、疾病、阻塞或任何其它医疗状况。
Description
相关申请
本发明是2002年5月15日提出的美国待审专利申请No.10/063819的延伸的部分(continuation in part),在这里全部引入作为参考。
技术领域:
本发明一般涉及一种图像组的计算机辅助检测和诊断(CAD)。更具体地说,本发明涉及一种对双能量(“DE”)或多能量的图像以及射线照相(radiographic)图像和计算机X-射线断层造影(computed tomography)图像和X射线断层造影组合(tomosynthesis)图像进行计算机辅助检测和诊断的方法和系统。
背景技术:
典型的射线照相术(radiograph)或“X-射线”图像是通过把待成像的物体放置在X-射线发射器和用照相胶片制成的X-射线检测器之间获得的。发射的X-射线穿过物体曝光胶片,在胶片上各个点的曝光度在很大的程度上取决于沿X-射线路径的物体密度。
目前通常使用固态数字X-射线检测器(例如,一个开关元件和诸如光电二极管的光敏元件的阵列)来替代胶片检测器。由X-射线产生的,在检测器各点上的电荷被读取和被处理以产生电子形式的物体数字图像,而不是在照相胶片上的模拟图像。数字图像是具有优势的,这是由于该图像以后可以被以电子形式发送到其它地点,可被应用于诊断算法来确定成像物体的特性等。
数字X-射线中的双能量(DE)成像组合了两个在不同能量级上的顺序曝光的信息,其中,一个具有高能量光谱,而另一个具有低能量光谱。使用数字X-射线检测器,这两个图像被顺序地采集并且被处理,以获得另外两个图像,其中每个代表一个给定组织类型的衰减,例如骨骼和软组织图像。可以建造可用来在解剖学上进一步分解组织的多能量图像系统。在不同能量/kVps(能量1,...能量n)上的一系列图像可以用快捷序列获得,并分解成不同的组织类型(组织1,...组织n)。
计算机断层造影(CT)系统通常包括一个校准的X-射线源,以形成指向穿过待成像物体的扇形光束,并且被X-射线检测器阵列所接收。该X-射线源、扇形光束和检测器阵列被定向,排列在一个被称为“成像平面”的笛卡尔坐标系的x-y平面内。X-射线源和检测器阵列可以在一个托架上在成像平面内一起围绕被成像物体旋转,因此围绕笛卡尔坐标系的z轴旋转。
检测器阵列由检测器元件构成,其中,每个元件沿着从X-射线源到特定检测器元件的射线投影路径测量发送辐射的强度。在每个托架角度采集一个由来自每个检测器元件的强度信号构成的投影。该托架随后被旋转到一个新的托架角度,该过程被重复以收集沿着多个托架角度的多个投影以形成一组断层造影投影。每个获得的断层造影投影组可以用数值形式进行存储,用于以后的计算机处理,以便根据在本领域中公知算法重构截面图像。重构的图像可以在传统CRT管,平面薄-胶片-晶体管阵列上显示,或者可以借助计算机控制照相机转换成一个胶片纪录。
扇形光束可以被过滤,以将X-射线辐射的能量集中到高能量和低能量。这样,可以在每个托架角度采集两个投影组,其中一个在高X-射线能量,而另一个在低X-射线能量。可以在每个托架角度采集这样一对投影组,在高和低X-射线能量交替,使患者的移动产生的问题最小。或者,每个投影组还可以在托架旋转的独立周期中采集,以便使X-射线管电压和过滤不需要经常地来回切换。
传统上,通过射线照相图像,计算机断层造影图像和其它医学图像进行诊断是一种视觉任务。由于该任务的主观性,诊断因读取人而异。此外,与感兴趣的病理学相关的上层和下层结构,视觉评估可能是困难的。胸部的轻微肋骨骨折,钙化和转移骨损伤(metastases)在标准的胸部X-射线中是难于检测的。作为另一个附加例子,今天通过胸部射线照相只有5%-25%的肺部结节可以被检测到,但是通过回顾(retrospect)有35%-50%可以被看到。在CT采集中,被成像的物体的不同区域可以由不同密度的不同组织构成以便使总衰减(即CT数和像素值)相同。在图像中这两个区域被等同地表示,因此不可区分。双能量CT提供了分辨这两种组织类型的能力。通常,这种分辨仍然是视觉任务。
发明内容
采用对双能量和多能量图像的计算机辅助处理方法可以克服或减轻上述和其它的缺点和缺陷。所述方法包括采用包含高能量图像、低能量图像、骨骼图像和软组织图像的双或多能量图像组的数据源,在双能量和多能量图像组中的图像中定义一个感兴趣区域,从感兴趣区域提取特征度量(featuremeasure),并且报告关于感兴趣区域的至少一个特征度量。
在另一实施例中,用于双能量图像的计算机辅助处理系统可以包括:检测器,用于产生表示在第一能量级上通过结构的光子的第一图像,和表示在第二能量级上通过结构的光子的第二图像;与该检测器耦合的存储器,用于存储第一图像和第二图像;与存储器耦合的处理电路,用于处理包括来自第一图像和第二图像的第一分解图像、第二分解图像、高能图像和低能图像的双能量图像组;将双能量图像组作为数据源存储在存储器中,在双能量图像组的图像中定义感兴趣区域;从该感兴趣区域中提取特征度量;和一个与该处理电路耦合的报告设备,该报告设备报告至少一个特征度量。
在另一个实施例中,在一种用于机器可读计算机程序码编码的存储介质中包括用于使计算机实现对双能量和多能量图像辅助处理的方法的指令,其中,所述方法包括采用数据源,所述数据源包括具有第一分解图像、第二分解图像、高能量图像和低能量图像的双或多能量图像组;在双能量或多能量图像组的图像中定义感兴趣区域;从感兴趣区域提取特征度量,并且在特征度量上运用特征选择算法,以确定出特征的优选组。
在另一个实施例中,用于检测骨折、钙化或转移的方法包括利用双能量或多能量图像组中的骨骼图像,在骨骼图像中选择一个感兴趣区域来寻找钙化、骨折、骨侵蚀,或转移骨损伤(lesion),从骨骼图像的背景对骨骼分离(segmentation),并且把骨骼中的候选区域标识出钙化,骨折或者转移骨损伤的候选者。
在另一个实施例中,用于检测肺病的方法包括利用双能量或多能量图像组中的软组织图像,在软组织图像中选择感兴趣区域以寻找疾病的迹象,从软组织图像背景中划分出感兴趣区域,在骨骼图像中标识出与软组织图像中的感兴趣区域相关的候选区域,从骨骼图像的候选区域提取特征,并且利用从骨骼图像中提取的特征把在软组织图像中的感兴趣区域分类成软组织疾病的候选者。
在另一个实施例中,用于计算机辅助处理计算断层造影图像的方法,包括采集一组双能量计算断层造影图像,采用数据源,所述数据源包括图像组,在所述图像组的图像中定义一个感兴趣区域,并且报告感兴趣区域最少一个特征度量。
在另一个实施例中,一种用于计算机辅助处理体积计算断层造影图像的方法,包括从在结构的不同角度获得的投影获得体积计算断层造影图像的图像组,所述数据源包括图像组,在图像组的图像中定义一个感兴趣区域,从该感兴趣区域提取特征度量,并且报告感兴趣区域最少一个特征度量。
在另一个实施例中,用于计算机辅助处理计算断层造影图像的方法,包括采集断层造影图像的一个图像组,采用数据源,所述数据源包括该图像组,在图像组的图像中定义一个感兴趣区域,从感兴趣区域提取特征度量,并且报告感兴趣区域最少一个特征度量。
通过下面的详细说明和附图,本发明的上面讨论的和其它特征和优点将被本领域的技术人员所理解。
附图说明
参照例图,其中同样的元件在几张图中标号相似。
图1是X-射线成像系统的例子的方框图。
图2是示例的图像采集和处理过程的高层(high level)流程图。
图3是图像采集处理例子的流程图。
图4是图像预处理例子的流程图。
图5是图像后处理例子的流程图。
图6是检测和诊断双能量图像的计算机辅助处理的流程图。
图7是另一个检测和诊断双能量图像的计算机辅助处理的流程图。
图8是用于图6和图7所示的计算机辅助处理的特征选择算法的例子的流程图。
图9是用于图6和图7所示的计算机辅助处理的分类算法的例子的流程图。
图10是用于在骨骼图像中检测钙化、骨折、骨侵蚀、和转移的计算机辅助处理的流程图。
图11是在图10的处理中使用的计算机辅助算法的流程图。
图12是检测和诊断多能量图像的计算机辅助处理的流程图。
图13是能执行预-重构分析的系统的信号流图。
图14是能够实施重构-分析的系统的信号流图。
图15是检测和诊断双能量CT图像的计算机辅助处理的流程图。
图16是检测和诊断体积(volume)CT图像的计算机辅助处理的流程图。
图17是检测和诊断双能量体积CT图像的计算机辅助处理的流程图。
图18是检测和诊断断层造影组合图像的计算机辅助处理的流程图。
图19是检测和诊断双能量断层造影组合图像的计算机辅助处理的流程图。
具体实施方式
图1示出了一个X-射线成像系统100的例子。该成像系统100包括X-射线源102和校准仪(collimater)104,其把接受检查结构106暴露给X-射线光子。举例来说,X-射线源102可以是X-射线管,接受检查结构106可以是患者、测试模型或其它被测试的无生命的物体。X-射线源102可以在第一能量级上和至少与该第一能量级上不同的第二能量级上产生光子。多个、超过两个的能量级上也在本方法和系统的范围内。
X-射线成像系统100还包括耦合到处理电路110的图像传感器108。处理电路110(例如,一个微控制器,微处理器,专用ASIC等与存储器112和显示器114耦合。显示器114可以包括诸如具有触摸屏界面的触摸屏显示器。如本领域所知的,系统100可以包括包含显示器114的计算机或类似计算机的物体。所述计算机或类似计算机的物体可以包括硬盘,或其它固定的,高密度的媒体驱动器,使用适当的设备总线,诸如SCSI总线,增强的IDE总线,PCI总线等连接起来;软盘驱动器;具有磁带或CD媒介的磁带机或CD-ROM驱动器,或其它诸如磁-光媒介等的可移动媒介设备,以及主板。所述主板例如包括,处理器、RAM,和ROM,用于与图像传感器108耦合的I/O端口,以及可选的用于实施诸如声音处理,图像处理,信号处理,神经网络处理等特殊硬件/软件功能的专用硬件;以及麦克风和一个或多个扬声器。与计算机和类似计算机的物体相关的可以是用于数据输入的键盘,诸如鼠标的指向设备,和鼠标垫或数字化垫。所述系统和方法包括存储在上述任何一个存储介质(计算机可读介质)上的,用于控制计算机硬件和使计算机与人类用户交互的程序。这种程序可以包括,但并不限于,用于实现设备驱动程序,操作系统和用户应用的软件。这种计算机可读介质还包括指导通用计算机根据本系统和方法运行的程序或软件指令。存储器112(如包括一个或多个硬盘、软盘、CDROM、EPROM等)存储高能量级图像116(如经过110-140kVp,25mA的照射后在传感器108上读出的图像)和低能量级上图像118(如经过70kVp 25mA的照射后读出的图像)。处理电路110提供用于在显示器114上显示的图像120。如在这里进一步详述的,图像120可以表示不同的结构(例如软组织、骨骼)。图像传感器108可以是例如平面固态图像传感器,虽然传统的以数据形式存储在存储器112中的胶片图像也可以如下面的公布被处理。
现在参照图2-6说明图1中系统的操作。图2示出了由图1中系统实施的处理的例子的高层流程图。处理在步骤10以采集图像开始。在图3中示出了图像采集例程的实例。如图3所示,图像采集例程包括技术优化步骤11,所述技术优化步骤11包括诸如自动选择如kVP(高和低)、mAs、附加过滤(例如铜或铝),时序等采集参数。所述采集参数可以基于用户提供的变量(诸如患者的尺寸)或者通过系统(诸如由低剂量“预注射”确定的变量)自动获得。对采集参数的选择可以着眼于诸如残留结构,肺/心移动,分解伪影和对比度等问题。一旦定义了采集参数,在步骤12采用心脏门控技术。心脏门控技术是在心脏周期的特定点触发检测器108对图像进行采集的技术。这减少了在包括心脏的视野中心脏运动的伪影和诸如肺运动等与心脏运动间接有关的伪影。心脏门控着眼于由心脏/大动脉的脉动引起的肺/心移动伪影。
在步骤13和14分别描述了两个在高kVP和低kVP点采集的连续x-射线图像,其间具有最小的时间。对校准仪104的过滤(filtration)可以在采集之间变动以便允许对x-射线能量的更大的分离。在步骤15和16,可以分别对高能量图像和低能量图像进行检测器修正。这种检测器修正在采用平面检测器的系统中是已知的,并且包括诸如坏像素/线修正,增益图修正等以及专门用于诸如滞后(laggy)修正的双能量成像的修正。
参照图2,一旦步骤10的采集完成,过程进行到预处理采集图像的步骤20。图4是预处理例程的示例流程图。所述预处理包括可以用软件和/或硬件实现的散射(scatter)修正步骤22。所述散射修正例程可以独立地应用到每个图像,也可以利用来自高kVP和低kVP图像的公共信息以减少散射。可以使用现有的散射修正技术,诸如包括专用的反-散射网格码的硬件解决方案和/或使用基于卷积或基于反-卷积方法的软件解决方案。此外,软件技术可以利用一个图像的信息来为其它图像调整参数。散射修正着眼于由x-射线散射造成的分解伪影。
一旦执行了散射修正,在步骤24执行降低噪声。在此,对高kVP和低kVP图像独立或同时应用一个或多个现有的降低噪声算法。降低噪声着眼于可能由DE分解造成的增强的噪声。在步骤26,执行注册以通过对在高kVp和低kVp图像间的运动和解剖对准的修正以减少运动的伪影。注册算法被称为应用到高kVp和低kVp图像上的刚体(rigid-body)或翘面(warping)注册常规。或者,所述技术可以是迭代的并且使用在步骤30中进行的分解软组织和骨骼图像的附加信息。所述注册处理着眼于在软组织图像和/或骨骼图像中的残留结构和肺/心运动的伪影。
参照图2,一旦完成了步骤20的预处理,过程进行到分解获得的图像以产生原始软组织图像和原始骨骼图像的步骤30。还基于高kVp图像定义一个标准图像(也被称为标准后端-前端(PA)图像)。可以使用已知的DE X-射线照相技术来执行分解。这种技术可以包括用对数-减法或基础物质分解以从高能量采集和低能量采集中产生原始软组织图像和原始骨骼图像。在注册/移动修正步骤26可以使用原始软组织图像和原始骨骼图像的信息。例如,边缘信息和/或伪影位置信息可以从分解图像中导出,以用于注册/移动修正。
参照图2,一旦完成了分解步骤30,过程进行到对采集图像进行后处理的步骤40。图5是后-处理常规的示例流程图。如图5所示,原始软组织图像41和原始骨骼图像42要经历类似的处理。执行对比度匹配43以匹配原始软组织图像41和原始骨骼图像42中的结构与标准图像中相应结构的对比度。例如,原始软组织图像41(如胸部成像)中的软组织结构的对比度被和标准PA图像中的对比度匹配。执行对比度匹配以便于对x-射线图像进行解释。
在步骤44,可以对软组织图像41和骨骼图像42应用一个或多个降低噪声算法。降低噪声着眼于由于DE分解而产生的噪声。在步骤45,可以对软组织图像41和骨骼图像42执行表达图像处理。所述表达图像处理包括诸如边缘增强、用于优化显示的显示窗口级别和宽度调整的处理。后-处理40的结果被描述为处理后的软组织图像46和处理后的骨骼图像47。
参照图2,一旦完成了后-处理步骤40,过程进行到处理采集的图像用于显示的步骤50。
计算机辅助算法在和放射学家的视觉估计一起使用时,具有改进疾病检测准确性和可再现性的潜力。计算机辅助算法可被用于检测(存在与否)或诊断(正常或异常)。所述检测或诊断是基于通过对有代表性的采样数据库培训而获得的知识执行的。在数据库中的采样数据和培训算法的数据的特征是影响CAD算法性能的两个重要方面。CAD算法准确性的改进随着其被培训的信息的改进而改进。采用传统的X-射线断层造影,上层结构和下层结构混淆了相关信息,使得检测或诊断甚至对于计算机化的算法来说都很困难。这里所述的方法和系统通过使用双能量图像,尤其是结合用于CAD的传统X-射线断层造影着眼于解决这个问题。具体来说,这个方法结合了来自四个图像的信息来辅助计算机化的检测算法。
如图6所示,所述双能量CAD系统200具有几个部分,包括数据源210,感兴趣区域220,优化特征选择230和分类240,培训250以及结果显示260。
这里应当注意双能量CAD 200可以通过结合所有图像215被执行一次,或者可以被并行执行。如图7所示,对于双能量CAD201的并行操作将包括对每个图像216,217,218,219独立执行CAD操作并在综合/分类阶段214组合所有CAD操作的结果,如图6所示。即,ROI选择220可以对每个图像216,217,218,219执行,以提供低能量图像ROI 221、高能量图像ROI 222、软组织图像ROI 223、和骨骼图像ROI 224。类似的,优化特征提取阶段230可以对每个图像ROI 221,222,223,224执行,以产生低能量图像特征231、高能量图像特征232、软组织图像特征233、和骨骼图像特征234。在综合/分类阶段241,可以组合所有CAD操作。这样,图6和图7示出了执行双能量CAD的两种不同方法,然而其它方法诸如图7所示的并行执行ROI选择阶段220也在本发明的范围内,但在图6中所示的在组合ROI上执行的特征提取阶段230除外。此外,可以依序或并行地执行检测多种疾病,骨折或其它任何医疗状况的CAD操作。
现在参照图6或7,对于数据源210来说,可以从一个或多个源的组合采集数据。诸如kVp(峰值千伏,其确定产生的x-射线的最大能量,其中,所产生的辐射量随千伏的平方上升而增加),mA(用毫安测量x-射线的电流,其中,1毫安=0.001安),剂量(以伦琴(Roentgen)为单位测量的辐射照射,rad作为吸收剂量的单位,而rem作为等同吸收剂量的单位),SID(源到图像的距离)等可以对数据源210起作用。临床症状的患者人口统计/症状/历史214,诸如吸烟历史,性别,年龄也可以作为数据源210的数据。双能量图像组215(高能量图像216,低能量图像217,骨骼图像218,软组织图像219,或者换句话说,替代骨骼图像218和软组织图像219的第一和第二分解图像,其中第一和第二分解图像可以包括任何包括但并不限于软组织和骨骼图像的物质图像)是数据源210的附加数据源。
在基于图像的数据215中,可以定义一个感兴趣区域220,由此计算特征。感兴趣区域220可以用几种方法定义。例如,整个图像215可以被用作感兴趣区域220。或者,一部分图像,诸如在肺顶端区域(apical lung field)的候选结节区域可以被选作感兴趣区域220。可以手动或自动地对感兴趣区域220进行划分。手动划分可以包括显示图像和用户使用例如鼠标描绘图像。自动划分算法可以运用诸如形状和大小的在先知识自动描绘感兴趣区域220。还可以采用上述两种方法相组合的半自动方法。
随后采用特征选择算法230,以对候选特征排序,并只选择那些有用的并排除那些不提供信息或提供冗余信息的特征。参照图8,特征提取处理,或优化特征提取230,包括对数据源210执行计算。例如,对基于图像的数据215,可以计算诸如形状,大小,密度,曲率等的感兴趣区域的统计数据。对于基于212采集的数据和基于患者214的数据,数据212,214本身可以作为特征。如图8中进一步所示的,从高能量图像,低能量图像,软组织图像,骨骼图像或者这些图像的组合中,提取多个特征度量270,诸如形状、大小、质地、密度、梯度、边沿强度、位置、近似(proximity)、柱状图、对称性、离心率、方向性、边界、力矩(moments)、分形(fractal)、平均信息量等,和患者历史诸如,年龄,性别,吸烟历史,和诸如kVp和剂量的采集数据的多个特征度量270。这里的术语“特征度量”指的是计算的特征,测量的特征和仅仅是存在的特征。尽管有大量的特征度量,但所述方法仅保证维护那些提供相关信息的特征。在特征选择算法230中的步骤272按照其使用例如距离标准分开不同分类组的能力来说指的是特征评价272。所述距离标准评价方法使用一个特定的特征能多好地分离使用的多个不同的类。可以使用几种不同距离标准,诸如发散(divergence),Bhattacharya距离,Mahalanbois距离。这些技术在K.Fukanaga,1990年学术第二版的“Introduction to Statistical PatternRecognition”一书中有所描述,其在这里引入作为参考。步骤274基于距离标准对所有特征进行排序,即,基于特征区分不同类的能力和它们的鉴别能力将他们排序。从实际的角度来讲,特征选择算法230还被用来减少维数,在此,如果要计算的特征很大,则计算时间会太长。维数减少步骤276指的是怎样通过消除相关特征减少特征的数目。仅提供与其它特征提供的信息相同的信息的附加特征被清除掉。这提供了用于前向选择步骤278的削减的特征组,所述前向选择步骤278基于降序排列,选择队列中顺序最高的特征,并且随后添加附加特征,直到性能不再改进为止。即当达到添加附加特征不再提供任何有用信息的点时,不再添加附加特征。在该点上输出280提供优化的特征组。
如同上述在特征选择算法230中描述的,一旦诸如形状、大小、密度、梯度、边界、质地等特征被计算出来并且产生了优化特征组280,可以使用预培训的分类算法240将感兴趣区域220分类成良性或恶性结节,钙化,骨折或转移,或是对于所涉及的医疗状况采用的任何分类。参照图9,特征组280被用作分类算法240的输入。在步骤282,根据从已知正常和不正常的感兴趣案例的数据库中导出的特征度量,执行对组280的特征度量的标准化。这是由培训250的在前知识得出的。来自培训的在先知识可以包含例如,证实的恶性结节的特征的实例和证实的良性结节的特征的实例。培训阶段250可以包括例如对已知良性和恶性结节样本计算若干候选特征。步骤284指的是把标准化的特征度量分组。可采用不同的方法,诸如贝叶斯分类器(一种用于监督学习的算法,其为每个类存储一个单一的概率摘要(probabilisticsummary)并且假定有条件地独立于给定类的属性)、神经网络(其通过创建处理单元之间的连接工作,在此连接的组织和权重确定输出;当网络有一个可以利用的在先实例的大数据库时,神经网络可以有效地预测事件,并因此在图像识别系统和医疗成像中是有用的)、基于规则的方法(其使用告诉系统在特定的情况下如何反应的条件语句)、模糊逻辑(其识别比简单的真假值更多的值)、群集技术和类似的措施方法。这些技术在1988年Prentice Hall出版的Anil K.Jain的“Fundamentals of Digital Image Processing”一书中有所描述,这里引入作为参考。一旦将标准化的特征度量分组,随后分类算法240在步骤286对特征簇加以标注并在步骤288输出一输出显示。
双能量技术使得可以采集多个图像供人或机器观察者审阅。CAD技术可以对图像216、217、218和219中的一个或全部进行操作,并显示每个图像216、217、218和219的结果260,或者将显示260的结果综合为单一图像215。这通过简化了划分处理提供了改善CAD性能的优点,而不增加需要审阅的图像数目。结果显示260形成了如图2所示的表达阶段50的部分。
在识别230和分类240可疑候选区域后,所述可疑候选区域的位置和特征应当被显示给放射学家或者图像审阅者。在非双能量CAD应用中这是通过在接近或围绕可疑损伤处重叠例如箭头或圆圈标记来实现的。双能量CAD提供了在四个图像(高能量图像216、低能量图像217、骨骼图像218、软组织图像219)中任意一个上面显示用于计算机检测的(并且可能是诊断的)结节的标记的能力。通过这种方式,审阅者可以只观察一个单一图像215,在其上重叠了一个CAD操作200阵列的结果。当图像被如图7所示独立处理时,CAD系统201在步骤241对结果进行综合。每个CAD操作(由唯一的段(ROI)220、特征提取230,和分类程序240或241定义)可以由唯一的标记类型表示。
这样的一个双能量CAD显示器实例将被描述用于肺癌胸部成像。假定患者接受采用双能量CAD系统200或201处理的双能量检查(参照图1-5所述)。CAD操作在软组织图像219上识别出两处具有恶性特征的可疑损伤。在骨骼图像218上,CAD操作识别出一处钙化结节(指示良性过程)和一处骨骼损伤。在综合阶段,当对每个图像应用ROI和特征提取阶段之一或全部时,其可以构成分类处理的一部分,分类240采用这些结果并确定软组织结节之一与在骨骼图像218上的明显钙化结节是同一个。随后向审阅者展示高能量图像216,其是一个运用模仿单能量胸部射线照相术的当前标准实践拍摄的第一图像。审阅者也将被展示一个第二图像,其除了具有指示在图像数据上叠加CAD操作220、230、240结果的标记外,与该第一图像相同。此第二图像可以被同时显示在第二硬或软拷显示器上,或通过软件在软拷贝显示器上和其它图像进行切换(toggle)。叠加在第二图像上的例如可以是围绕被分类为具有恶性特征的可疑肺结节的圆圈、被分类为良性特征的围绕钙化的肺结节的方块,以及指向检测的骨骼损伤的箭头。用这种方式,审阅者得到对用于优化审阅的、同时展现的每个图像的CAD操作200的信息的好处。
作为另一个例子,方法200、201可以被用于乳腺造影中。用于乳腺造影的双能量图像以前曾经被采用过,诸如在颁发给Chao的美国专利US6173034中所述。为了方便,方法200和201可以采用用于乳腺造影的双能量成像处理的执行结果,以及采用这里描述的CAD技术。此外,应当注意,和在上述胸部检查中通常采用的可能在50-170kVp范围内的能量相比,在乳腺造影中采用的能量可以低到20kVp。传统的乳腺造影典型地在24-30kVp,而DE乳腺造影对于低能量图像可以在24-30kVp,对于高能量图像可以在50-80kVp,这里的值通常受x-射线管/发生器的限制。对于断层乳腺造影法,能量可能会较高,对于传统的单能量图像来说大约是80kVp。
这些方法200、201通过提供消除了上层结构的输入数据改善了计算机辅助检测或诊断算法的性能,并且成像解剖体基于组织类型(软组织或骨骼)被分离,这个算法200与标准射线照相术相比,具有在单位解剖体中提取更多诊断特征的潜力。
以前的CR(计算机射线照相术)双能量图像和标准的射线照相图像相比质量更差并且噪声更大,因此计算机辅助算法以前没有被用于上述图像。这个系统和方法200、201除采集参数212和患者信息214之外,使用高能量图像216、低能量图像217、软组织图像219和骨骼图像218的信息。此外,可以在和传统的CAD技术相比不增加图像的数量的情况下,把结果显示给审阅者。
上述的方法200、201还可被用来识别钙化、骨折、骨侵蚀和转移骨损伤。通过提供不带上层/下层软组织的骨骼图像218,DE图像创造了一种用于对轻微骨折,骨侵蚀,钙化和转移骨损伤自动检测和分类的有效机会。而这在其它情况下有可能为传统图像读取器所丧失。
现在翻到图10和11,示出了方法200、201的图示举例。方法301使用双能量计算机辅助检测/诊断(CAD)算法300,以从背景中对骨骼分离,并且检测/诊断具有可能的钙化、骨折、转移的候选骨骼区域。这些候选区域随后基于从相应的完整图像组215(高能量216、低能量217、骨骼218、软组织219)所提取的特征被分类。分类阶段不仅排除错误的阳性诊断,也能提供关于骨折或损伤(骨折类型,损伤大小等)的附加信息。随后结果在图像中被突出以便阅读者评估。
如图11所示,用于检测DE图像215中的钙化、骨折、骨侵蚀和转移的CAD算法300的第一步骤需要选择所期望的区域,用于搜索或选择感兴趣区域(ROI)310。在双能量胸部检查中,这典型地包括整个图像,但是如果对特定的区域有怀疑,则可以包括较小的感兴趣区域。根据如上所述的ROI 220的用户说明可以通过手动或自动算法来选择感兴趣区域(ROI)310。
随后,是对骨骼320的分离。分离320的目的在于将骨骼从背景中(非骨骼)分离。一个实施例是区域增长算法。可以采用手动或自动方法来启动区域增长。在手动方法中,提供了一种使用户选择起始点(seed point)的手段。在自动方法中,骨骼属性,诸如密度范围、梯度范围、形状,大小等可以被用于启动起始点。另一种潜在的分离方法涉及多级密度阈值处理。
随后在步骤330识别候选区域。识别候选区域的一个方法是基于边界检测算法。采用形态学侵蚀的图像处理可以消除噪声和假边界。此外,为排除很可能是肋骨边缘的较长的线,可以应用一个连接算法。因此,剩余的图像只由那些钙化、骨折和转移的可能候选边缘构成。
候选区域可以随后在步骤340被分类。对于剩余候选区域的分类可以包括一个基于规则的方法。这些规则可以与用于识别钙化,转移和骨折的规则是不同的。最好,对于不同类型的骨折有不同的规则,对于不同的转移特性也有不同的规则。例如,对于骨折,由于在肋骨内的边缘是骨折的候选者,人们可能希望把在肋骨内的边缘和在肋骨外的边缘分离开来,规则也可以是基于对线边缘的大小的测量。
剩余的候选区域随后应当被指示给用户或读取器用于在展示步骤或指示结果350中进行检查。这可以通过使用箭头,圆圈或其它一些指示符或标记加亮区域来实现,附加信息诸如损伤的类型或大小也可以被叠加在图像上。
再次参考图10,放射学家或临床医生在步骤360可以读取结果指示350,并且这个方法301可以被用于在胸部射线照相术中改善如步骤370所示的对钙化、轻微骨折、轻微骨侵蚀、和转移骨损伤的检测。对这些疾病,可以通过早期检测为患者带来更多的收益,并使临床医生对患者的看护得到改善。提供不含上层/下层软组织的骨骼图像的能力也可以用来显著改进和骨骼相关的病理学的检测和诊断。使用骨骼图像用于钙化、骨折和转移的检测是对于DE成像以前所没有的一个诊断概念。
虽然描述的是针对包括肺癌胸部成像和对钙化、骨折、骨侵蚀和转移的检测的具体例子,应当理解,上述的方法和系统可以被用来检测和/或诊断涉及身体任何部位的任何医疗状况、阻塞或疾病。
并且,虽然专门提到DE成像,但在本发明的范围内,还可对多能量图像采用上述方法。例如,在图12中示出了一个多能量成像系统400,它和上述的DE图像系统200、201和300的类似之处在于它包括了包括图像数据415、图像采集数据412和患者人口统计学数据414的数据源410;定义或选择感兴趣区域420、优化特征提取430、综合/分类440和叠加在图像显示器460。并且在前面描述的DE图像系统中,来自培训450的在先知识被应用到优化特征提取阶段430和综合/分类阶段440。这样,方法400和前面所述的DE方法的唯一区别就是图像数据415的内容。即,DE方法利用高能量图像、低能量图像、软组织图像和骨骼图像,而多能量成像系统400使用一系列在不同能量/kVps(能量1图像、能量2图像、...能量N图像)拍摄的图像413。应当注意该“N”表示一个任意数,并且可能在从每个图像处理中不同。虽然这些图像413可以以快速序列获得并被分解成骨骼图像418和组织类型不同的图像,它们也可被分解包含或不包含骨骼图像的不同的物质图像(物质1图像、物质2图像、...物质N图像)。可以采用来自一个或多个这些图像的信息以检测和诊断各种疾病或医疗状况。例如,如果需要检测某个特定的疾病,可以在物质2图像和能量1图像上标识感兴趣区域和计算特征。对于不同的疾病类型,可以利用所有的图像。在DE能量成像系统中,选择感兴趣区域、优化特征计算和分类可以对图像数据415顺序执行或并行执行。为了本说明书的目的,应当进一步指出所述“多”能量成像可以包括双能量成像,因为双图像也是多图像。
上述的CAD系统和方法可以进一步扩展到双能量或多能量计算机X-射线断层造影。参照图13和14,预-重构分析和后-重构分析是通常被公认为在物质分析中使用双能量X-射线源的现有技术。在预-重构分析502,信号流如图13所示。系统100通常和图1中所示的类似并且具有一个能在两个不同的能量级(即,双能量)产生扇形光束的X-射线源。数据采集系统504收集在旋转平台(未示出)的离散角位置由检测器阵列产生的信号并将信号传递给预处理单元506。预处理单元506对从数据采集系统504接收的数据重新排序,以优化用于随后数学处理的序列。预处理单元506号修正来自数据采集系统504的用于检测器温度、主光束强度、增益和偏移的数据,以及其它确定的错误参数。最后,预处理单元506提取对应于高能量视野的数据并将其路由给高能量信道路径508,并将对应于低能量视野的数据路由给低能量信道路径510。投影计算机512在高能量信道路径508和低能量信道路径510接收投影数据并执行Alvarez/Macovski算法,进行处理以产生与扫描物质的第一参数相关的第一投影数据流514和产生与扫描物质的第二参数相关的第二投影数据流516。第一参数通常是原子系数,而第二参数通常是物质密度,虽然也可以选择其它参数。第一重构计算机518接收第一投影数据流514,并从一系列对应于第一物质参数的投影产生一个CT图像。第二重构计算机520接收第二投影数据流516,并从一系列对应于第二物质参数的投影产生一个CT图像。
在后-重构分析503,信号流如图14所示。如同这里所述,对于预处理分析502,预处理单元506从数据采集系统504接收数据,对数据执行若干操作,随后将对应于高能量视野的数据路由给高能量信道路径508,并且将对应于低能量视野的数据路由给低能量信道路径510。第一重构计算机518从高能量信道路径508接收投影数据,并且产生对应于高能量系列投影的CT图像。第二重构计算机520从低能量信道路径510接收投影数据并且产生对应于低能量系列投影的CT图像。投影计算机512接收高能量CT数据522和低能量CT数据524,并且对与被扫描物质的第一参数相关的产品CT数据526和与被扫描物质的第二参数相关的第二投影数据流528实施基础物质分解。
图15示出了为双能量CT成像修正的计算机辅助检测和诊断方法202。方法202和图6中描述的方法200相似,除了用如上所述在图13或14中的多个CT图像1a、...1N530或534和多个CT图像2a、...2N532或536替代高能量图像216和低能量图像217以形成图像组540以外。应当理解“N”可以代表任意数并且不需要和图12中的“N”是同一个数。还应当理解,虽然示出了软组织图像219和骨骼图像218,如前面的图6所述,图像数据540可以作为替代包括第一分解图像和第二分解图像。并且,应当理解,在图7中示出的CAD方法201也可以为双能量CT而修正。
此外,在图15中所示的实施例可以为体积CT而修正,在此,从多个角度收集结构的图像。体积CT或锥形光束CT,是更常见的两维扇形光束X-射线断层造影在三维上的一个延伸。在扇形光束X-射线断层造影中,通过把具有长而窄的空隙的校准仪(collimator)放置在点X-射线源前,以产生X-射线的扇形集束。X-射线锥形光束系列是通过移去校准仪产生的。这允许X-射线从点X-射线源发散以形成一个锥形的多面角。当穿透物体的X-射线被置于相对一侧的检测器收集时,产生一个发散线积分数据组。锥形光束X-射线断层造影涉及转换锥形光束数据组以形成对物体内每个点的密度的估计。
在当前的CT扫描仪中,产生了一系列物体的轴向图像并将其堆积起来以形成该3D物体。在多-断层(slice)CT中,使用多个检测器来收集在一给定时间的多个断层。在另一方面,在锥形光束X-射线断层造影中,整个的数据被并行收集并随后被重构。因此,在理论上,锥形光束X-射线断层造影改善了数据的时间和空间分辨率。图16示出了一个对图像数据615使用体积CT图像1...N的CAD系统600,以便数据源610包括体积CT图像615、图像采集数据212、和患者人口学统计数据214。否则,所述CAD系统与如图6所示的系统200类似。或者,如图7所示,操作220、230、240可以在每个体积CT图像上并行执行。
在另一个实施例中,如图17所示,双能量CAD系统700分别使用高能量和低能量体积CT图像1a...1N716和2a...2N717,以及软组织图像1...N219和骨骼图像1...N218(或作为替代的第一分解图像和第二分解图像)作为图像数据715,以便数据源710包括图像数据715、图像采集数据212和患者人口统计学数据214。否则,CAD系统700和如图6所述的系统200类似。或者,如图7所述,操作220、230、240可以在每个体积CT图像和每个软组织图像和骨骼图像上并行执行。
虽然在图16和17中描述了体积CT CAD 600和DE体积CT CAD 700,可以进一步预期可以将如图12所述的方法用于多能量体积CT CAD,即,在图17中所示的方法可以被扩展以合并额外的能量。
作为替换的实施例,执行和重构有限的角X射线断层造影组合获得的成像模式可以和上述图18所示的计算机辅助检测和诊断方法结合使用。X射线断层造影组合是通过用数字检测器采集多个图像执行的,即,一系列用于在任何层级重构X射线断层造影组合的低剂量图像。可以使用包括线性、圆形、椭圆、内摆线以及其它多种不同的管运动来执行X射线断层造影组合。在X射线断层造影组合中,对通常在5到50个数量范围的图像采集图像顺序。因此,本实施例的成像部分的开销可能会比上述的CAD CT方法小,尽管这可能不是必要的。在图18中所示的X射线断层造影组合CAD系统800和在图16中所示的CT CAD系统类似,除了图像数据815包括X射线断层造影组合图像1...N,以便使数据源810包括X射线断层造影组合图像815、图像采集数据212和患者人口统计学数据214外。除了数据源810,系统800和图6所示的系统200类似。或者,如图7所述,操作220、230、240可以在每个X射线断层造影组合图像上并行执行。
在另一个实施例中,如图19所示,双能量CAD系统900分别使用高能量和低能量X射线断层造影组合图像1a...1N916和2a...2N917,以及软组织图像1...N219和骨骼图像1...N218(或作为替代的第一分解图像和第二分解图像)作为图像数据915,以便数据源910包括图像数据915、图像采集数据212和患者人口统计学数据214。否则,CAD系统900和如图6所述的系统200类似。或者,如图7所示,操作220、230、240可以对每个X射线断层造影组合图像和每个软组织图像和骨骼图像并行执行。
虽然在图18和19描述了X射线断层造影组合CAD 800和DE X射线断层造影组合CAD 900,可以进一步预期,可以将如图12所述的方法用于多能量X射线断层造影组合CAD。即,在图19中所示的方法可以被扩展以合并额外的能量。
应当注意,上述的所有方法都可在图像系统100中采用,特别是,可以存储在存储器112中和被处理电路110处理。并且在本发明的范围内所公布的方法可以由用于实践这些处理的任何由计算机实施的处理和装置的形式来实施。本发明还可以由包含被嵌入有形介质,诸如软盘、CD-ROM、硬盘或其它任何计算机可读的存储介质的指令的计算机程序的形式来实施。其中,当计算机程序码被载入并由计算机执行,计算机变成实践本发明的装置。本发明还可以用计算机程序码的形式来实施,例如,不管是否存储于存储媒介、被计算机载入和执行、或者作为数据信号被不管是否调制过的载波通过某种发送媒介,诸如通过电线或电缆,通过光纤或通过电磁辐射发送,其中,当计算机程序码被计算机载入和执行,计算机变成实践本发明的装置。当在通用微处理器上实现时,计算机程序码配置微处理器以创建特定的逻辑电路。
虽然参照优选实施例说明了本发明,本领域的技术人员应当理解,在不脱离本发明的范围的前提下可以进行各种变动或更替等同的元件。此外,在不脱离主要范围的情况下,可以为适应某个特殊情况或物质进行多种更改。因此,意味着本发明并不局限于所公布的为实现本发明的特定优选实施例,本发明包括所有在本发明权利要求范围内的实施例。而且,使用第一,第二等术语,不表示任何顺序或重要性,而只是用于把一个元件和另一个元件区分开来。
Claims (15)
1.一种用于计算机辅助处理双能量或多能量图像的方法(200,201,202,300,400,700,900),所述方法包括:
采用数据源(210,410,710,910),所述数据源(210,410,710,910)包括双能量或多能量图像组(215,415,540,715,915),所述图像组包括一个高能量图像(216,530,534,716,916)、一个低能量图像(217,532,536,717,917)、一个骨骼图像(218)和一个软组织图像(219);
在双能量或多能量图像组(215,415,540,715,915)的图像中定义一个感兴趣区域(220);
从该感兴趣区域(220)提取(230)特征度量;和
报告(260)至少一个该感兴趣区域(220)的特征度量。
2.如权利要求1所述的方法(202),还包括使用计算机X-射线断层造影采集图像组(540)。
3.如权利要求1所述的方法(900),还包括使用数字X射线断层造影组合采集图像组(915)。
4.如权利要求1所述的方法(200,201,202,300,400,700,900),还包括在感兴趣区域(220)采用特征选择算法(230)并分类感兴趣区域(220)。
5.如权利要求4所述的方法(200,201,202,300,400,700,900),还包括结合来自培训(250)的在先知识用以对感兴趣区域(220)分类。
6.如权利要求5所述的方法(200,201,202,300,400,700,900),其中,结合来自培训(250)的在先知识包括对不同正常和病理医疗状况的已知采样进行特征计算。
7.如权利要求6所述的方法(200,201,202,300,400,700,900),其中,所述特征选择算法(230)对已知采样的特征排序(272),选择(278)已知采样的有用特征,并且舍弃(276)不提供有用信息的已知采样的特征。
8.如权利要求6所述的方法(200,201,202,300,400,700,900),其中,标识不同的分类组以对特征度量排序(272),以及其中, 所述特征选择算法(230)还包括确定特征度量,把感兴趣区域(220)分类成分类组的能力。
9.如权利要求8所述的方法(200,201,202,300,400,700,900),其中所述特征选择算法(230)还包括选择排序最高的特征度量,并且用降序顺序添加附加的特征度量。
10.一种用于计算机辅助处理双能量图像的系统(100),该系统(100)包括:
检测器(108),用于产生表示在第一能量级穿过一个结构(106)的光子的第一图像和表示在第二能量级穿过该结构(106)的光子的第二图像;
存储器(112),其与该检测器(108)相耦合,该存储器(112)存储该第一图像和该第二图像;
处理电路(110),其与存储器(112)相耦合,该处理电路(110)处理包括所述第一图像和第二图像的第一分解图像、第二分解图像、高能量图像、低能量图像的双能量图像组(215,415,540,715,915),将所述双能量图像组作为数据源(210)存储在存储器(112)中,在所述双能量图像组(215,415,540,715,915)的图像上定义感兴趣区域(220),并从该感兴趣区域(220)提取特征度量(230);和
报告设备(114),其与该处理电路(110)相耦合,该报告设备(114)报告至少一个特征度量。
11.如权利要求10所述的系统(100),其中,该系统(100)是一个投影X-射线断层造影成像系统。
12.如权利要求10所述的系统(100),其中,该系统(100)是一个计算机X-射线断层造影系统,以及其中,所述检测器(108)产生在不同角度采集的结构的多个第一图像和多个第二图像。
13.一种用于计算机辅助处理双能量图像的系统(100),所述系统(100)包括:
检测装置(108),用于产生表示在第一能量级穿过一个结构(106)的光子的第一图像和表示在第二能量级穿过该结构(106)的光子的第二图像;
存储器装置(112),用于存储该第一图像和该第二图像(215,415,540,715,915);
处理装置(110),用于处理包括所述第一图像和第二图像的第一分解图像、第二分解图像、高能量图像、低能量图像的双能量图像组(215,415,540,715,915),在存储器(112)中把所述双能量图像组存储为数据源(210),在双能量图像组(215,415,540,715,915)的图像中定义感兴趣区域(220),从该感兴趣区域(220)提取特征度量(230);对特征度量组采用特征选择算法(230),并标识一个优化的特征组;对该优化的特征组进行分类(204),并且在对该优化的特征组进行分类(204)时结合来自培训(250)的在先知识;和
显示装置(260),用于显示分类的优化特征组。
14.一种用于检测骨折、骨侵蚀、钙化或转移的方法(301),该方法(301)包括:
利用双能量或多能量图像组(215)的骨骼图像(218);
在该骨骼图像(218)中选择感兴趣区域(310),以搜索钙化,骨折或转移性骨损伤;
从该骨骼图像(218)的背景对骨骼进行分离(320);和
在骨骼中标识(330)一个候选区域,作为钙化、骨折或转移骨损伤的候选者。
15.一种用于检测肺病的方法,该方法包括:
利用双能量或多能量图像组(215)的软组织图像(219);
在该软组织图像(219)中选择感兴趣区域(220)以搜索疾病的迹象;
从该软组织图像(219)的背景对感兴趣区域(220)进行分离;
在骨骼图像(218)中标识和软组织图像(219)中的感兴趣区域(220)相关的候选区域;
从骨骼图像(218)中的候选区域提取特征(230);和
利用从骨骼图像(218)中提取的特征把软组织图像(219)中的感兴趣区域(220)分类为软组织疾病的候选者。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US10/065,854 US7295691B2 (en) | 2002-05-15 | 2002-11-26 | Computer aided diagnosis of an image set |
US10/065,854 | 2002-11-26 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN1504931A true CN1504931A (zh) | 2004-06-16 |
CN1504931B CN1504931B (zh) | 2010-05-12 |
Family
ID=32311671
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN031390978A Expired - Fee Related CN1504931B (zh) | 2002-11-26 | 2003-09-30 | 图像组的计算机辅助诊断 |
Country Status (5)
Country | Link |
---|---|
US (2) | US7295691B2 (zh) |
EP (1) | EP1426903A3 (zh) |
JP (1) | JP2004174232A (zh) |
KR (1) | KR20040047561A (zh) |
CN (1) | CN1504931B (zh) |
Cited By (29)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1982940B (zh) * | 2005-12-16 | 2010-10-13 | 西门子公司 | 用于使对象特性可视化的装置 |
CN101249000B (zh) * | 2006-11-22 | 2011-01-12 | Ge医疗系统环球技术有限公司 | X射线断层摄影成像设备 |
CN102227751A (zh) * | 2008-09-26 | 2011-10-26 | 相位聚焦有限公司 | 成像领域中的改进 |
CN102282589A (zh) * | 2009-01-19 | 2011-12-14 | 皇家飞利浦电子股份有限公司 | 列表模式pet成像中的区域重建和定量评估 |
CN101835425B (zh) * | 2007-10-23 | 2012-03-14 | 日立阿洛卡医疗株式会社 | 骨骼测定装置及骨骼图像处理方法 |
CN101384299B (zh) * | 2006-02-14 | 2012-09-05 | 艾可瑞公司 | 适应性x射线控制 |
CN101868809B (zh) * | 2007-09-10 | 2013-01-02 | 皇家飞利浦电子股份有限公司 | 具有计算机辅助检测和/或诊断的图像处理 |
CN103037769A (zh) * | 2010-07-29 | 2013-04-10 | 三星电子株式会社 | 用于处理图像的方法和设备及采用该设备的医学图像系统 |
CN103069456A (zh) * | 2010-08-25 | 2013-04-24 | 皇家飞利浦电子股份有限公司 | 包括品质度量的双模态成像 |
CN101502420B (zh) * | 2008-02-05 | 2013-05-22 | Ge医疗系统环球技术有限公司 | 图像处理方法和设备 |
CN103442640A (zh) * | 2011-03-23 | 2013-12-11 | 日立阿洛卡医疗株式会社 | 骨诊断图像显示装置 |
CN103793552A (zh) * | 2013-12-18 | 2014-05-14 | 哈尔滨工程大学 | 一种软组织形变的局部质点弹簧模型的实时动态生成方法 |
CN103908254A (zh) * | 2013-01-03 | 2014-07-09 | 西门子公司 | 用于病变候选探测的系统和方法 |
CN104331694A (zh) * | 2014-04-02 | 2015-02-04 | 上海齐正微电子有限公司 | 医疗影像特征区域实时提取和标示方法 |
CN105074774A (zh) * | 2013-03-21 | 2015-11-18 | 皇家飞利浦有限公司 | 用于对x射线图像中的结构进行计算机辅助探测的方法和x射线系统 |
CN105144235A (zh) * | 2013-02-04 | 2015-12-09 | Ge传感与检测技术有限公司 | 用于无损测试测试对象的体积的方法和为了实施这样的方法而配置的测试装置 |
CN107405205A (zh) * | 2015-02-17 | 2017-11-28 | 西门子保健有限责任公司 | 用于个体化血管支架的方法和系统 |
CN107610196A (zh) * | 2017-09-04 | 2018-01-19 | 沈阳东软医疗系统有限公司 | 双能量ct图像处理方法、装置以及图像处理设备 |
CN107633540A (zh) * | 2017-07-28 | 2018-01-26 | 上海联影医疗科技有限公司 | 图像转换的系统和方法 |
CN107753048A (zh) * | 2012-09-05 | 2018-03-06 | 三星电子株式会社 | X射线成像装置 |
CN107817204A (zh) * | 2017-11-01 | 2018-03-20 | 中国科学院地质与地球物理研究所 | 一种页岩微米孔隙结构分析方法及装置 |
CN108171714A (zh) * | 2017-11-13 | 2018-06-15 | 合肥阿巴赛信息科技有限公司 | 一种基于成对比较的骨折区域识别方法和系统 |
CN108520519A (zh) * | 2018-04-11 | 2018-09-11 | 上海联影医疗科技有限公司 | 一种图像处理方法、装置及计算机可读存储介质 |
CN109598280A (zh) * | 2017-10-02 | 2019-04-09 | 西门子医疗有限公司 | 借助于机器学习对多种材料进行分类的方法和系统 |
CN110264469A (zh) * | 2012-11-23 | 2019-09-20 | Icad公司 | 用于改进断层合成医学图像数据读取中的工作流效率的系统和方法 |
CN110910342A (zh) * | 2018-09-12 | 2020-03-24 | 西门子医疗有限公司 | 通过使用深度学习来分析骨骼创伤 |
CN113450306A (zh) * | 2020-03-09 | 2021-09-28 | 长庚医疗财团法人林口长庚纪念医院 | 提供骨折检测工具的方法 |
CN113506288A (zh) * | 2021-07-28 | 2021-10-15 | 中山仰视科技有限公司 | 基于transform注意力机制的肺结节检测方法及装置 |
US20210358183A1 (en) * | 2018-09-28 | 2021-11-18 | Mayo Foundation For Medical Education And Research | Systems and Methods for Multi-Kernel Synthesis and Kernel Conversion in Medical Imaging |
Families Citing this family (220)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6836528B2 (en) * | 2002-07-23 | 2004-12-28 | Ge Medical Systems Global Technology Company, Llc | Methods and apparatus for detecting structural, perfusion, and functional abnormalities |
US6891922B2 (en) * | 2002-11-22 | 2005-05-10 | Ge Medical Systems Global Technology Company, Llc | Methods and apparatus for the classification of nodules |
US7123684B2 (en) | 2002-11-27 | 2006-10-17 | Hologic, Inc. | Full field mammography with tissue exposure control, tomosynthesis, and dynamic field of view processing |
US10638994B2 (en) | 2002-11-27 | 2020-05-05 | Hologic, Inc. | X-ray mammography with tomosynthesis |
US7577282B2 (en) | 2002-11-27 | 2009-08-18 | Hologic, Inc. | Image handling and display in X-ray mammography and tomosynthesis |
US8571289B2 (en) | 2002-11-27 | 2013-10-29 | Hologic, Inc. | System and method for generating a 2D image from a tomosynthesis data set |
US7616801B2 (en) | 2002-11-27 | 2009-11-10 | Hologic, Inc. | Image handling and display in x-ray mammography and tomosynthesis |
US8565372B2 (en) | 2003-11-26 | 2013-10-22 | Hologic, Inc | System and method for low dose tomosynthesis |
JP4253497B2 (ja) * | 2002-12-03 | 2009-04-15 | 株式会社東芝 | コンピュータ支援診断装置 |
US20040122707A1 (en) * | 2002-12-18 | 2004-06-24 | Sabol John M. | Patient-driven medical data processing system and method |
US7490085B2 (en) | 2002-12-18 | 2009-02-10 | Ge Medical Systems Global Technology Company, Llc | Computer-assisted data processing system and method incorporating automated learning |
US20040122702A1 (en) * | 2002-12-18 | 2004-06-24 | Sabol John M. | Medical data processing system and method |
US20040122705A1 (en) * | 2002-12-18 | 2004-06-24 | Sabol John M. | Multilevel integrated medical knowledge base system and method |
US20040122787A1 (en) * | 2002-12-18 | 2004-06-24 | Avinash Gopal B. | Enhanced computer-assisted medical data processing system and method |
US20040122709A1 (en) * | 2002-12-18 | 2004-06-24 | Avinash Gopal B. | Medical procedure prioritization system and method utilizing integrated knowledge base |
US20040122706A1 (en) * | 2002-12-18 | 2004-06-24 | Walker Matthew J. | Patient data acquisition system and method |
US20040122704A1 (en) * | 2002-12-18 | 2004-06-24 | Sabol John M. | Integrated medical knowledge base interface system and method |
US7187790B2 (en) * | 2002-12-18 | 2007-03-06 | Ge Medical Systems Global Technology Company, Llc | Data processing and feedback method and system |
US20040122708A1 (en) * | 2002-12-18 | 2004-06-24 | Avinash Gopal B. | Medical data analysis method and apparatus incorporating in vitro test data |
US7616818B2 (en) * | 2003-02-19 | 2009-11-10 | Agfa Healthcare | Method of determining the orientation of an image |
US6873677B2 (en) * | 2003-04-18 | 2005-03-29 | Leon Kaufman | Method and device for improving time resolution of an imaging device |
US8243876B2 (en) | 2003-04-25 | 2012-08-14 | Rapiscan Systems, Inc. | X-ray scanners |
GB0525593D0 (en) | 2005-12-16 | 2006-01-25 | Cxr Ltd | X-ray tomography inspection systems |
JP4118786B2 (ja) * | 2003-11-14 | 2008-07-16 | ジーイー・メディカル・システムズ・グローバル・テクノロジー・カンパニー・エルエルシー | 画像撮影診断支援システム |
US8768026B2 (en) | 2003-11-26 | 2014-07-01 | Hologic, Inc. | X-ray imaging with x-ray markers that provide adjunct information but preserve image quality |
US20050123185A1 (en) * | 2003-11-26 | 2005-06-09 | Ram Balasubramanian | Computer aided detection workflow and user interface |
EP1692656B1 (en) * | 2003-12-02 | 2013-09-25 | Philips Intellectual Property & Standards GmbH | A device and method for correcting defects in x-ray images |
US8442280B2 (en) * | 2004-01-21 | 2013-05-14 | Edda Technology, Inc. | Method and system for intelligent qualitative and quantitative analysis of digital radiography softcopy reading |
US7616794B2 (en) * | 2004-01-26 | 2009-11-10 | Siemens Medical Solutions Usa, Inc. | System and method for automatic bone extraction from a medical image |
US7072435B2 (en) * | 2004-01-28 | 2006-07-04 | Ge Medical Systems Global Technology Company, Llc | Methods and apparatus for anomaly detection |
US7406187B2 (en) * | 2004-02-23 | 2008-07-29 | Canon Kabushiki Kaisha | Method and system for processing an image |
US8064660B2 (en) * | 2004-02-27 | 2011-11-22 | National University Of Singapore | Method and system for detection of bone fractures |
JP4647360B2 (ja) * | 2004-04-05 | 2011-03-09 | 富士フイルム株式会社 | 差分画像作成装置、差分画像作成方法、及び、そのプログラム |
US7639848B2 (en) * | 2004-04-14 | 2009-12-29 | Edda Technology, Inc. | Lesion marking and characterization quality assurance method and system |
US7835562B2 (en) | 2004-07-23 | 2010-11-16 | General Electric Company | Methods and apparatus for noise reduction filtering of images |
US9155373B2 (en) * | 2004-08-02 | 2015-10-13 | Invention Science Fund I, Llc | Medical overlay mirror |
EP1632178A1 (en) * | 2004-09-03 | 2006-03-08 | ndd Medizintechnik AG | Method for non-cooperative lung function diagnosis using ultrasound |
FR2875693B1 (fr) * | 2004-09-24 | 2006-12-08 | Gen Electric | Dispositif de tomographie par rayons x |
US7352885B2 (en) * | 2004-09-30 | 2008-04-01 | General Electric Company | Method and system for multi-energy tomosynthesis |
DE102004051401A1 (de) * | 2004-10-21 | 2006-05-24 | Siemens Ag | Verfahren zur Befundung in der dreidimensionalen Bildgebung, insbesondere in der Mammographie |
US7660488B2 (en) | 2004-11-04 | 2010-02-09 | Dr Systems, Inc. | Systems and methods for viewing medical images |
US7787672B2 (en) | 2004-11-04 | 2010-08-31 | Dr Systems, Inc. | Systems and methods for matching, naming, and displaying medical images |
US7920152B2 (en) | 2004-11-04 | 2011-04-05 | Dr Systems, Inc. | Systems and methods for viewing medical 3D imaging volumes |
US7970625B2 (en) | 2004-11-04 | 2011-06-28 | Dr Systems, Inc. | Systems and methods for retrieval of medical data |
US7662082B2 (en) | 2004-11-05 | 2010-02-16 | Theragenics Corporation | Expandable brachytherapy device |
WO2006055830A2 (en) | 2004-11-15 | 2006-05-26 | Hologic, Inc. | Matching geometry generation and display of mammograms and tomosynthesis images |
WO2006055942A2 (en) * | 2004-11-18 | 2006-05-26 | Compumed, Inc. | Methods and systems for analyzing bone conditions using mammography device |
JP2008520385A (ja) * | 2004-11-23 | 2008-06-19 | イーストマン コダック カンパニー | ラジオグラフを分類する方法 |
CN101065762A (zh) * | 2004-11-23 | 2007-10-31 | 伊斯曼柯达公司 | 使用组织信息的自动放射线照片分类 |
EP1816965B1 (en) | 2004-11-26 | 2016-06-29 | Hologic, Inc. | Integrated multi-mode mammography/tomosynthesis x-ray system |
US20060136417A1 (en) * | 2004-12-17 | 2006-06-22 | General Electric Company | Method and system for search, analysis and display of structured data |
US20060136259A1 (en) * | 2004-12-17 | 2006-06-22 | General Electric Company | Multi-dimensional analysis of medical data |
US7729523B2 (en) * | 2004-12-21 | 2010-06-01 | General Electric Company | Method and system for viewing image data |
US20060247544A1 (en) * | 2005-02-03 | 2006-11-02 | Maleeha Qazi | Characterization of cardiac motion with spatial relationship |
DE102005022543A1 (de) * | 2005-05-17 | 2006-11-23 | Siemens Ag | Mammographieverfahren und Mammographiegerät |
CN100471453C (zh) * | 2005-06-14 | 2009-03-25 | 佳能株式会社 | 放射线成像装置、其控制方法和放射线成像系统 |
JP5058517B2 (ja) | 2005-06-14 | 2012-10-24 | キヤノン株式会社 | 放射線撮像装置及びその制御方法並びに放射線撮像システム |
JP4664158B2 (ja) * | 2005-09-01 | 2011-04-06 | 富士通株式会社 | 認証処理方法及び認証サーバ |
US20070078873A1 (en) * | 2005-09-30 | 2007-04-05 | Avinash Gopal B | Computer assisted domain specific entity mapping method and system |
EP1780651A1 (en) * | 2005-10-25 | 2007-05-02 | Bracco Imaging, S.P.A. | Method and system for automatic processing and evaluation of images, particularly diagnostic images |
US10008184B2 (en) | 2005-11-10 | 2018-06-26 | Hologic, Inc. | System and method for generating a 2D image using mammography and/or tomosynthesis image data |
US8079946B2 (en) | 2005-11-18 | 2011-12-20 | Senorx, Inc. | Asymmetrical irradiation of a body cavity |
US8005278B2 (en) * | 2005-11-22 | 2011-08-23 | General Electric Company | System and method for patient acuity driven workflow using computer-aided diagnosis of medical images |
JP4690204B2 (ja) * | 2006-01-16 | 2011-06-01 | 富士フイルム株式会社 | 画像再生装置およびそのプログラム |
US7986827B2 (en) * | 2006-02-07 | 2011-07-26 | Siemens Medical Solutions Usa, Inc. | System and method for multiple instance learning for computer aided detection |
DE202007019497U1 (de) | 2006-02-15 | 2013-03-06 | Hologic, Inc. | Brustbiopsie und Nadellokalisierung unter Verwendung von Tomosynthesesystemen |
JP5214110B2 (ja) * | 2006-03-07 | 2013-06-19 | ジーイー・メディカル・システムズ・グローバル・テクノロジー・カンパニー・エルエルシー | X線ct装置 |
DE102006013472A1 (de) * | 2006-03-23 | 2007-09-20 | Siemens Ag | Verfahren und Vorrichtung zur Verarbeitung von Bilddaten für eine automatische Detektion und/oder Segmentierung von anatomischen Merkmalen aus Computertomographie-Aufnahmen |
DE102006021373A1 (de) * | 2006-05-08 | 2007-11-15 | Siemens Ag | Röntgendiagnostikeinrichtung |
US7940955B2 (en) * | 2006-07-26 | 2011-05-10 | Delphi Technologies, Inc. | Vision-based method of determining cargo status by boundary detection |
DE102006037063A1 (de) * | 2006-08-08 | 2008-02-21 | Siemens Ag | Verfahren zur Erzeugung eines medizinischen Abbildes sowie Datenverarbeitungseinheit und Computersoftware hierzu |
JP5196751B2 (ja) * | 2006-09-13 | 2013-05-15 | 株式会社東芝 | コンピュータ支援診断装置 |
WO2008035266A2 (en) * | 2006-09-21 | 2008-03-27 | Koninklijke Philips Electronics N.V. | Automatic seed point selection |
US20080089584A1 (en) * | 2006-10-13 | 2008-04-17 | Vanmetter Richard L | Viewing glass display for multi-component images |
US7983459B2 (en) | 2006-10-25 | 2011-07-19 | Rcadia Medical Imaging Ltd. | Creating a blood vessel tree from imaging data |
US7940977B2 (en) | 2006-10-25 | 2011-05-10 | Rcadia Medical Imaging Ltd. | Method and system for automatic analysis of blood vessel structures to identify calcium or soft plaque pathologies |
US7940970B2 (en) | 2006-10-25 | 2011-05-10 | Rcadia Medical Imaging, Ltd | Method and system for automatic quality control used in computerized analysis of CT angiography |
US7873194B2 (en) | 2006-10-25 | 2011-01-18 | Rcadia Medical Imaging Ltd. | Method and system for automatic analysis of blood vessel structures and pathologies in support of a triple rule-out procedure |
US7860283B2 (en) | 2006-10-25 | 2010-12-28 | Rcadia Medical Imaging Ltd. | Method and system for the presentation of blood vessel structures and identified pathologies |
US7953614B1 (en) | 2006-11-22 | 2011-05-31 | Dr Systems, Inc. | Smart placement rules |
WO2008064398A1 (en) * | 2006-11-28 | 2008-06-05 | Orthonova Pty Ltd | Diagnostic system |
WO2008100471A1 (en) * | 2007-02-12 | 2008-08-21 | Carestream Health, Inc. | Renormalization of dual-energy images |
JP4992456B2 (ja) * | 2007-02-16 | 2012-08-08 | コニカミノルタエムジー株式会社 | 骨疾患評価システム |
JP2008229122A (ja) * | 2007-03-22 | 2008-10-02 | Fujifilm Corp | 画像成分分離装置、方法、およびプログラム |
JP4895204B2 (ja) * | 2007-03-22 | 2012-03-14 | 富士フイルム株式会社 | 画像成分分離装置、方法、およびプログラム、ならびに、正常画像生成装置、方法、およびプログラム |
US8816959B2 (en) * | 2007-04-03 | 2014-08-26 | General Electric Company | Method and apparatus for obtaining and/or analyzing anatomical images |
US20080253522A1 (en) * | 2007-04-11 | 2008-10-16 | Searete Llc, A Limited Liability Corporation Of The State Of Delaware | Tool associated with compton scattered X-ray visualization, imaging, or information provider |
US20080253525A1 (en) * | 2007-04-11 | 2008-10-16 | Boyden Edward S | Compton scattered x-ray visualizing, imaging, or information providing of at least some dissimilar matter |
US20080253526A1 (en) * | 2007-04-11 | 2008-10-16 | Searete Llc, A Limited Liability Corporation Of The State Of Delaware | Geometric compton scattered x-ray visualizing, imaging, or information providing |
US8837677B2 (en) * | 2007-04-11 | 2014-09-16 | The Invention Science Fund I Llc | Method and system for compton scattered X-ray depth visualization, imaging, or information provider |
US8041006B2 (en) * | 2007-04-11 | 2011-10-18 | The Invention Science Fund I Llc | Aspects of compton scattered X-ray visualization, imaging, or information providing |
US7724871B2 (en) * | 2007-04-11 | 2010-05-25 | The Invention Science Fund I, Llc | Compton scattered X-ray visualization, imaging, or information provider in soft matter such as tissue, organs, or blood, and/or in hard matter such as bones or teeth |
US8098917B2 (en) * | 2007-05-18 | 2012-01-17 | Siemens Aktiengesellschaft | Automatically updating a geometric model |
US9532750B2 (en) * | 2007-07-13 | 2017-01-03 | Mayo Foundation For Medical Education And Research | Object identification in dual energy contrast-enhanced CT images |
FR2919747B1 (fr) * | 2007-08-02 | 2009-11-06 | Gen Electric | Procede et systeme d'affichage d'images de tomosynthese |
US20090060366A1 (en) * | 2007-08-27 | 2009-03-05 | Riverain Medical Group, Llc | Object segmentation in images |
US7630533B2 (en) | 2007-09-20 | 2009-12-08 | Hologic, Inc. | Breast tomosynthesis with display of highlighted suspected calcifications |
US20100259263A1 (en) * | 2007-11-14 | 2010-10-14 | Dominic Holland | Longitudinal registration of anatomy in magnetic resonance imaging |
USRE47609E1 (en) * | 2007-12-28 | 2019-09-17 | Exini Diagnostics Ab | System for detecting bone cancer metastases |
KR101129718B1 (ko) * | 2008-01-04 | 2012-03-28 | 주식회사 메디칼스탠다드 | 디지털 검사 영상들의 판독 지원 방법 |
JP5329103B2 (ja) * | 2008-02-01 | 2013-10-30 | ジーイー・メディカル・システムズ・グローバル・テクノロジー・カンパニー・エルエルシー | 画像処理装置及びx線ct装置 |
AU2009210848B2 (en) * | 2008-02-08 | 2013-12-19 | Phadia Ab | Method, computer program product and system for enabling clinical decision support |
US20090204338A1 (en) * | 2008-02-13 | 2009-08-13 | Nordic Bioscience A/S | Method of deriving a quantitative measure of the instability of calcific deposits of a blood vessel |
US8571633B2 (en) * | 2008-03-23 | 2013-10-29 | Scott Rosa | Diagnostic imaging method |
US7792245B2 (en) | 2008-06-24 | 2010-09-07 | Hologic, Inc. | Breast tomosynthesis system with shifting face shield |
KR101068828B1 (ko) * | 2008-06-27 | 2011-09-29 | 재단법인서울대학교산학협력재단 | 네트워크 기반 의료영상 분석시스템 및 그 제어방법 |
CN101647706B (zh) * | 2008-08-13 | 2012-05-30 | 清华大学 | 高能双能ct系统的图象重建方法 |
US7991106B2 (en) | 2008-08-29 | 2011-08-02 | Hologic, Inc. | Multi-mode tomosynthesis/mammography gain calibration and image correction using gain map information from selected projection angles |
EP2161688B1 (en) * | 2008-09-03 | 2012-03-14 | Agfa Healthcare | Method for deriving the amount of dense tissue from a digital mammographic image representation |
CN102149321A (zh) | 2008-09-12 | 2011-08-10 | 艾可瑞公司 | 基于目标移动来控制x光成像 |
US20100082506A1 (en) * | 2008-09-30 | 2010-04-01 | General Electric Company | Active Electronic Medical Record Based Support System Using Learning Machines |
JP5305821B2 (ja) * | 2008-10-10 | 2013-10-02 | 株式会社東芝 | 医用画像処理装置及び医用画像診断装置 |
US9480404B2 (en) * | 2008-10-10 | 2016-11-01 | Massachusetts Institute Of Technology | Method for imaging biomaterial erosion in vivo |
US10210179B2 (en) * | 2008-11-18 | 2019-02-19 | Excalibur Ip, Llc | Dynamic feature weighting |
US8380533B2 (en) | 2008-11-19 | 2013-02-19 | DR Systems Inc. | System and method of providing dynamic and customizable medical examination forms |
US8115784B2 (en) * | 2008-11-26 | 2012-02-14 | General Electric Company | Systems and methods for displaying multi-energy data |
JP2010158298A (ja) * | 2009-01-06 | 2010-07-22 | Fujifilm Corp | 断層撮影装置及び断層撮影方法 |
US9579524B2 (en) | 2009-02-11 | 2017-02-28 | Hologic, Inc. | Flexible multi-lumen brachytherapy device |
US9248311B2 (en) | 2009-02-11 | 2016-02-02 | Hologic, Inc. | System and method for modifying a flexibility of a brachythereapy catheter |
US8223916B2 (en) * | 2009-03-31 | 2012-07-17 | Hologic, Inc. | Computer-aided detection of anatomical abnormalities in x-ray tomosynthesis images |
US10207126B2 (en) | 2009-05-11 | 2019-02-19 | Cytyc Corporation | Lumen visualization and identification system for multi-lumen balloon catheter |
US20100310036A1 (en) * | 2009-06-04 | 2010-12-09 | General Electric Company | Computed tomography method and apparatus |
JP2011005050A (ja) * | 2009-06-26 | 2011-01-13 | Canon Inc | 画像処理方法及び画像処理装置 |
US8786873B2 (en) | 2009-07-20 | 2014-07-22 | General Electric Company | Application server for use with a modular imaging system |
US8712120B1 (en) | 2009-09-28 | 2014-04-29 | Dr Systems, Inc. | Rules-based approach to transferring and/or viewing medical images |
WO2011043838A1 (en) | 2009-10-08 | 2011-04-14 | Hologic, Inc . | Needle breast biopsy system and method of use |
KR101026833B1 (ko) * | 2009-10-26 | 2011-04-04 | 충남대학교산학협력단 | 전자파를 이용한 유방암 진단장비용 유방팬텀 제조방법 |
WO2011056143A2 (en) * | 2009-11-04 | 2011-05-12 | Tcl Thomson Electronics Singapore Pte Ltd | A digital audio-video arrangement of a device for determining connection of another device with the device, and a method for determining connection of a device with another device |
CN102656609B (zh) * | 2009-12-15 | 2015-12-02 | 皇家飞利浦电子股份有限公司 | 组织密度保留的运动补偿 |
IL202788A (en) * | 2009-12-17 | 2016-08-31 | Elta Systems Ltd | Method and system for improving radar image |
CN101847182B (zh) * | 2010-05-05 | 2012-06-27 | 唐佩福 | 基于六自由度并联机构的长骨虚拟与现实复位配准方法 |
US8243882B2 (en) | 2010-05-07 | 2012-08-14 | General Electric Company | System and method for indicating association between autonomous detector and imaging subsystem |
KR101687971B1 (ko) | 2010-07-19 | 2016-12-21 | 삼성전자주식회사 | 유방 촬영 장치 및 그 방법 |
US9352172B2 (en) | 2010-09-30 | 2016-05-31 | Hologic, Inc. | Using a guide member to facilitate brachytherapy device swap |
AU2011312086B2 (en) | 2010-10-05 | 2015-09-17 | Hologic, Inc. | Upright x-ray breast imaging with a CT mode, multiple tomosynthesis modes, and a mammography mode |
US8705688B2 (en) * | 2010-10-13 | 2014-04-22 | Kabushiki Kaisha Toshiba | Medical image processing apparatus, X-ray computed tomography apparatus, and medical image processing method |
US9075903B2 (en) | 2010-11-26 | 2015-07-07 | Hologic, Inc. | User interface for medical image review workstation |
US9168013B2 (en) | 2010-12-13 | 2015-10-27 | Koninklijke Philips N.V. | Breast density assessment |
US10342992B2 (en) | 2011-01-06 | 2019-07-09 | Hologic, Inc. | Orienting a brachytherapy applicator |
EP2671209B1 (en) * | 2011-02-01 | 2016-12-07 | Koninklijke Philips N.V. | Method and system for dual energy ct image reconstruction |
EP2675360B1 (en) * | 2011-02-14 | 2022-08-10 | University Of Rochester | Method and apparatus of cone beam breast ct image-based computer-aided detection and diagnosis |
DE102011004120B4 (de) * | 2011-02-15 | 2017-04-06 | Siemens Healthcare Gmbh | Verfahren, Bilddatensatzbearbeitungseinrichtung, Röntgensystem und Computerprogramm zur Korrektur von Bilddaten eines Untersuchungsobjekts |
CN103477346A (zh) | 2011-03-08 | 2013-12-25 | 霍洛吉克公司 | 用于筛查、诊断和活检的双能和/或造影增强乳房成像的系统和方法 |
US9092727B1 (en) | 2011-08-11 | 2015-07-28 | D.R. Systems, Inc. | Exam type mapping |
US8532744B2 (en) * | 2011-08-23 | 2013-09-10 | General Electric Company | Method and system for design of spectral filter to classify tissue and material from multi-energy images |
KR101909125B1 (ko) * | 2011-11-23 | 2018-10-18 | 삼성전자주식회사 | 컴퓨터 기반 진단 방법 및 그에 따른 컴퓨터 기반 진단 장치 |
JP2014534042A (ja) | 2011-11-27 | 2014-12-18 | ホロジック, インコーポレイテッドHologic, Inc. | マンモグラフィーおよび/またはトモシンセシス画像データを使用して2d画像を生成するためのシステムおよび方法 |
ES2641456T3 (es) | 2012-02-13 | 2017-11-10 | Hologic, Inc. | Sistema y método para navegar por una pila de tomosíntesis usando datos de imágenes sintetizadas |
US20150065868A1 (en) * | 2012-04-02 | 2015-03-05 | The Research Foundation for the State University New York | System, method, and computer accessible medium for volumetric texture analysis for computer aided detection and diagnosis of polyps |
KR101323034B1 (ko) * | 2012-04-30 | 2013-11-06 | 재단법인 아산사회복지재단 | 단일 에너지 광자 선원을 이용한 콘빔 ct 촬영 장치 및 이를 이용한 영상 획득 방법 |
US9262825B2 (en) * | 2012-06-21 | 2016-02-16 | Koninklijke Philips N.V. | Image reconstruction in interleaved multi-energy imaging |
US9044186B2 (en) | 2012-06-25 | 2015-06-02 | George W. Ma | Portable dual-energy radiographic X-ray perihpheral bone density and imaging systems and methods |
US9384555B2 (en) * | 2012-07-02 | 2016-07-05 | Kabushiki Kaisha Toshiba | Motion correction apparatus and method |
US8774485B2 (en) | 2012-07-26 | 2014-07-08 | General Electric Company | Systems and methods for performing segmentation and visualization of multivariate medical images |
KR102025753B1 (ko) | 2012-09-21 | 2019-09-26 | 삼성전자주식회사 | 객체 정보 추정 장치 및 동작 방법 |
US9060674B2 (en) | 2012-10-11 | 2015-06-23 | Karl Storz Imaging, Inc. | Auto zoom for video camera |
KR102003042B1 (ko) | 2012-10-31 | 2019-10-21 | 삼성전자주식회사 | 멀티 에너지 엑스선에 기초한 의료 영상을 합성 및 표시하는 의료 영상 처리 장치 및 방법 |
US9672600B2 (en) * | 2012-11-19 | 2017-06-06 | Carestream Health, Inc. | Clavicle suppression in radiographic images |
US9495604B1 (en) | 2013-01-09 | 2016-11-15 | D.R. Systems, Inc. | Intelligent management of computerized advanced processing |
DK2973402T3 (da) * | 2013-03-13 | 2019-09-16 | Fdna Inc | Systemer, fremgangsmåder og computer-læsbare medier til identificering af, hvornår det er sandsynligt, at et individ rammes af en medicinsk tilstand |
JP6388347B2 (ja) | 2013-03-15 | 2018-09-12 | ホロジック, インコーポレイテッドHologic, Inc. | 腹臥位におけるトモシンセシス誘導生検 |
JP6145874B2 (ja) * | 2013-07-23 | 2017-06-14 | 富士フイルム株式会社 | 放射線画像処理装置および方法 |
JP6345178B2 (ja) * | 2013-07-23 | 2018-06-20 | 富士フイルム株式会社 | 放射線画像処理装置および方法 |
JP6071805B2 (ja) * | 2013-08-27 | 2017-02-01 | 富士フイルム株式会社 | 画像領域指定装置および方法、並びに放射線画像処理装置および方法 |
US9324140B2 (en) | 2013-08-29 | 2016-04-26 | General Electric Company | Methods and systems for evaluating bone lesions |
DE102013218047B3 (de) * | 2013-09-10 | 2015-01-29 | Siemens Aktiengesellschaft | Verfahren zur automatischen Anzeige und/oder Messung von Knochenveränderungen in medizinischen Bilddaten, sowie medizinisches Bildgebungsgerät und elektronisch lesbarer Datenträger |
ES2954561T3 (es) | 2013-10-09 | 2023-11-23 | Hologic Inc | Tomosíntesis de mama por rayos X que potencia la resolución espacial, incluso en la dirección de grosor de una mama aplanada |
EP4278977A3 (en) | 2013-10-24 | 2024-02-21 | Hologic, Inc. | System and method for navigating x-ray guided breast biopsy |
US11517270B2 (en) * | 2013-12-04 | 2022-12-06 | The Trustees Of The University Of Pennsylvania | Dynamic four-dimensional contrast enhanced tomosynthesis |
WO2015130916A1 (en) | 2014-02-28 | 2015-09-03 | Hologic, Inc. | System and method for generating and displaying tomosynthesis image slabs |
US9964499B2 (en) * | 2014-11-04 | 2018-05-08 | Toshiba Medical Systems Corporation | Method of, and apparatus for, material classification in multi-energy image data |
US10398397B2 (en) * | 2014-12-31 | 2019-09-03 | General Electric Company | Contrast-enhanced X-ray image guided biopsy system and method |
WO2016116795A1 (en) | 2015-01-20 | 2016-07-28 | Koninklijke Philips N.V. | Image data segmentation and display |
US10929508B2 (en) | 2015-04-30 | 2021-02-23 | Merge Healthcare Solutions Inc. | Database systems and interactive user interfaces for dynamic interaction with, and indications of, digital medical image data |
JP6493884B2 (ja) * | 2016-03-09 | 2019-04-03 | 富士フイルム株式会社 | 画像表示制御装置および方法並びにプログラム |
EP3445247B1 (en) | 2016-04-22 | 2021-03-10 | Hologic, Inc. | Tomosynthesis with shifting focal spot x-ray system using an addressable array |
US10403006B2 (en) * | 2016-08-26 | 2019-09-03 | General Electric Company | Guided filter for multiple level energy computed tomography (CT) |
US10176569B2 (en) * | 2016-09-07 | 2019-01-08 | International Business Machines Corporation | Multiple algorithm lesion segmentation |
KR101669793B1 (ko) * | 2016-10-06 | 2016-11-09 | 사회복지법인 삼성생명공익재단 | 의료영상을 이용한 진단 보조 정보 제공 방법 및 그 시스템 |
EP3533063A1 (en) | 2016-10-27 | 2019-09-04 | Progenics Pharmaceuticals, Inc. | Network for medical image analysis, decision support system, and related graphical user interface (gui) applications |
KR101864124B1 (ko) * | 2016-11-21 | 2018-06-04 | (주)레이 | 듀얼 에너지 방식의 콘 빔 컴퓨터 단층촬영장치 |
JP7169986B2 (ja) | 2017-03-30 | 2022-11-11 | ホロジック, インコーポレイテッド | オブジェクトグリッド増強を用いて高次元画像データから低次元画像データを合成するためのシステムおよび方法 |
US11445993B2 (en) | 2017-03-30 | 2022-09-20 | Hologic, Inc. | System and method for targeted object enhancement to generate synthetic breast tissue images |
JP7277053B2 (ja) | 2017-03-30 | 2023-05-18 | ホロジック, インコーポレイテッド | 階層式マルチレベル特徴画像合成および提示のためのシステムおよび方法 |
US11403483B2 (en) | 2017-06-20 | 2022-08-02 | Hologic, Inc. | Dynamic self-learning medical image method and system |
US11707244B2 (en) | 2017-08-16 | 2023-07-25 | Hologic, Inc. | Techniques for breast imaging patient motion artifact compensation |
EP3449835B1 (en) | 2017-08-22 | 2023-01-11 | Hologic, Inc. | Computed tomography system and method for imaging multiple anatomical targets |
US10699405B2 (en) * | 2017-09-29 | 2020-06-30 | General Electric Company | System and method for DXA tomo-based finite element analysis of bones |
EP3467771A1 (en) | 2017-10-05 | 2019-04-10 | Koninklijke Philips N.V. | Image feature annotation in diagnostic imaging |
US10973486B2 (en) | 2018-01-08 | 2021-04-13 | Progenics Pharmaceuticals, Inc. | Systems and methods for rapid neural network-based image segmentation and radiopharmaceutical uptake determination |
US10779791B2 (en) * | 2018-03-16 | 2020-09-22 | General Electric Company | System and method for mobile X-ray imaging |
CN108596877B (zh) * | 2018-03-28 | 2022-02-08 | 苏州科技城医院 | 肋骨ct数据分析系统 |
EP3801623A4 (en) * | 2018-06-01 | 2022-03-23 | Grail, LLC | NEURAL CONVOLUTIONAL NETWORK SYSTEMS AND DATA CLASSIFICATION METHODS |
US11210779B2 (en) * | 2018-09-07 | 2021-12-28 | Siemens Healthcare Gmbh | Detection and quantification for traumatic bleeding using dual energy computed tomography |
US11090017B2 (en) | 2018-09-13 | 2021-08-17 | Hologic, Inc. | Generating synthesized projection images for 3D breast tomosynthesis or multi-mode x-ray breast imaging |
EP3651117B1 (en) | 2018-11-09 | 2021-02-17 | Oxipit, UAB | Methods, systems and use for detecting irregularities in medical images by means of a machine learning model |
US10945695B2 (en) * | 2018-12-21 | 2021-03-16 | Canon Medical Systems Corporation | Apparatus and method for dual-energy computed tomography (CT) image reconstruction using sparse kVp-switching and deep learning |
US11657508B2 (en) | 2019-01-07 | 2023-05-23 | Exini Diagnostics Ab | Systems and methods for platform agnostic whole body image segmentation |
US10937206B2 (en) * | 2019-01-18 | 2021-03-02 | Canon Medical Systems Corporation | Deep-learning-based scatter estimation and correction for X-ray projection data and computer tomography (CT) |
KR20200092747A (ko) | 2019-01-25 | 2020-08-04 | 삼성전자주식회사 | 엑스선 영상 처리 방법 및 엑스선 영상 처리 장치 |
KR20200095859A (ko) | 2019-02-01 | 2020-08-11 | 삼성전자주식회사 | 엑스선 영상 처리 방법 및 그에 따른 엑스선 영상 처리 장치 |
WO2020219620A1 (en) | 2019-04-24 | 2020-10-29 | Progenics Pharmaceuticals, Inc. | Systems and methods for automated and interactive analysis of bone scan images for detection of metastases |
CA3134745A1 (en) | 2019-04-24 | 2020-10-29 | Progenics Pharmaceuticals, Inc. | Systems and methods for interactive adjustment of intensity windowing in nuclear medicine images |
CN110334415B (zh) * | 2019-06-18 | 2022-10-04 | 佛山科学技术学院 | 一种电机故障预测中的温度噪音过滤方法及装置 |
US11544407B1 (en) | 2019-09-27 | 2023-01-03 | Progenics Pharmaceuticals, Inc. | Systems and methods for secure cloud-based medical image upload and processing |
US11900597B2 (en) | 2019-09-27 | 2024-02-13 | Progenics Pharmaceuticals, Inc. | Systems and methods for artificial intelligence-based image analysis for cancer assessment |
US11564621B2 (en) | 2019-09-27 | 2023-01-31 | Progenies Pharmacenticals, Inc. | Systems and methods for artificial intelligence-based image analysis for cancer assessment |
CN110852325B (zh) * | 2019-10-31 | 2023-03-31 | 上海商汤智能科技有限公司 | 图像的分割方法及装置、电子设备和存储介质 |
EP3832689A3 (en) | 2019-12-05 | 2021-08-11 | Hologic, Inc. | Systems and methods for improved x-ray tube life |
CN111079863B (zh) * | 2019-12-31 | 2023-05-19 | 重庆青信科技有限公司 | 利用能谱曲线统计指纹识别病灶组织的系统 |
US11645747B2 (en) * | 2020-02-25 | 2023-05-09 | GE Precision Healthcare LLC | Methods and systems for digital mammography imaging |
US11471118B2 (en) | 2020-03-27 | 2022-10-18 | Hologic, Inc. | System and method for tracking x-ray tube focal spot position |
US11321844B2 (en) | 2020-04-23 | 2022-05-03 | Exini Diagnostics Ab | Systems and methods for deep-learning-based segmentation of composite images |
US11386988B2 (en) | 2020-04-23 | 2022-07-12 | Exini Diagnostics Ab | Systems and methods for deep-learning-based segmentation of composite images |
US11721428B2 (en) | 2020-07-06 | 2023-08-08 | Exini Diagnostics Ab | Systems and methods for artificial intelligence-based image analysis for detection and characterization of lesions |
US11786191B2 (en) | 2021-05-17 | 2023-10-17 | Hologic, Inc. | Contrast-enhanced tomosynthesis with a copper filter |
US11948687B2 (en) * | 2021-05-24 | 2024-04-02 | Nantcell, Inc. | Deep learning models for region-of-interest determination |
CN113465546B (zh) * | 2021-07-02 | 2022-09-16 | 长春理工大学 | 激光扫描投影系统圆形背向反射合作目标扫描方法 |
US20240122566A1 (en) * | 2022-10-13 | 2024-04-18 | GE Precision Healthcare LLC | Artificial Intelligence-Based Dual Energy X-Ray Image Motion Correction Training Method and System |
WO2024180606A1 (ja) * | 2023-02-27 | 2024-09-06 | 株式会社システムスクエア | X線検査装置及びプログラム |
Family Cites Families (70)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US4626688A (en) * | 1982-11-26 | 1986-12-02 | Barnes Gary T | Split energy level radiation detection |
US5115394A (en) * | 1983-11-25 | 1992-05-19 | Technicare Corporation | Dual energy computerized tomography system |
US4571491A (en) * | 1983-12-29 | 1986-02-18 | Shell Oil Company | Method of imaging the atomic number of a sample |
US4980904A (en) * | 1985-11-15 | 1990-12-25 | Picker International, Inc. | Radiation imaging calibration |
US4789930A (en) * | 1985-11-15 | 1988-12-06 | Picker International, Inc. | Energy dependent gain correction for radiation detection |
US4837686A (en) * | 1985-11-15 | 1989-06-06 | Picker International | Substance quantification in animal bodies |
US4788429A (en) * | 1986-04-21 | 1988-11-29 | The Medical College Of Wisconsin, Inc. | Device and method for measuring bone mineral mass |
US4963746A (en) * | 1986-11-25 | 1990-10-16 | Picker International, Inc. | Split energy level radiation detection |
US4792900A (en) * | 1986-11-26 | 1988-12-20 | Picker International, Inc. | Adaptive filter for dual energy radiographic imaging |
US5165410A (en) * | 1987-05-15 | 1992-11-24 | Medical & Scientific Enterprises, Inc. | Position indicating system for a multidiagnostic scanner |
USRE34511E (en) * | 1987-05-15 | 1994-01-18 | Hologic, Inc. | Method of radiologically scanning the spine for measuring bone density |
US4907156A (en) * | 1987-06-30 | 1990-03-06 | University Of Chicago | Method and system for enhancement and detection of abnormal anatomic regions in a digital image |
US5068788A (en) * | 1988-11-29 | 1991-11-26 | Columbia Scientific Inc. | Quantitative computed tomography system |
US5850465A (en) * | 1989-06-26 | 1998-12-15 | Fuji Photo Film Co., Ltd. | Abnormnal pattern detecting or judging apparatus, circular pattern judging apparatus, and image finding apparatus |
JP2574181B2 (ja) * | 1989-10-19 | 1997-01-22 | 富士写真フイルム株式会社 | 異常陰影検出装置 |
FR2656109B1 (fr) * | 1989-12-14 | 1992-02-28 | Gen Electric Cgr | Procede de calibration de la chaine de mesure d'un appareil a rayons x. |
US4975933A (en) | 1990-03-26 | 1990-12-04 | General Electric Company | Bow-tie X-ray filter assembly for dual energy tomography |
US5155365A (en) * | 1990-07-09 | 1992-10-13 | Cann Christopher E | Emission-transmission imaging system using single energy and dual energy transmission and radionuclide emission data |
US5376795A (en) * | 1990-07-09 | 1994-12-27 | Regents Of The University Of California | Emission-transmission imaging system using single energy and dual energy transmission and radionuclide emission data |
US5319547A (en) * | 1990-08-10 | 1994-06-07 | Vivid Technologies, Inc. | Device and method for inspection of baggage and other objects |
JP3231810B2 (ja) * | 1990-08-28 | 2001-11-26 | アーチ・デベロップメント・コーポレーション | ニューラル・ネットワークを用いた鑑別診断支援方法 |
DE9016046U1 (de) * | 1990-11-26 | 1991-02-14 | Kalender, Willi, Dr., 8521 Kleinseebach | Kalibrierphantom für Knochenmineralmessungen an der Lendenwirbelsäule |
US6160866A (en) * | 1991-02-13 | 2000-12-12 | Lunar Corporation | Apparatus for bilateral femur measurement |
US5287546A (en) | 1992-09-14 | 1994-02-15 | Lunar Corporation | Patient positioning apparatus for bone scanning |
US5247559A (en) * | 1991-10-04 | 1993-09-21 | Matsushita Electric Industrial Co., Ltd. | Substance quantitative analysis method |
US5402338A (en) | 1991-12-26 | 1995-03-28 | Fuji Photo Film Co., Ltd. | Method for forming energy subtraction images |
JPH05197813A (ja) | 1992-01-20 | 1993-08-06 | N T T Data Tsushin Kk | 特徴選択方法 |
US5289374A (en) * | 1992-02-28 | 1994-02-22 | Arch Development Corporation | Method and system for analysis of false positives produced by an automated scheme for the detection of lung nodules in digital chest radiographs |
US5319549A (en) * | 1992-11-25 | 1994-06-07 | Arch Development Corporation | Method and system for determining geometric pattern features of interstitial infiltrates in chest images |
US5335260A (en) * | 1992-11-25 | 1994-08-02 | Arnold Ben A | Calibration phantom and improved method of quantifying calcium and bone density using same |
US5430787A (en) * | 1992-12-03 | 1995-07-04 | The United States Of America As Represented By The Secretary Of Commerce | Compton scattering tomography |
US5442672A (en) * | 1993-03-31 | 1995-08-15 | Bjorkholm; Paul J. | Three-dimensional reconstruction based on a limited number of X-ray projections |
US5665971A (en) * | 1993-04-12 | 1997-09-09 | Massachusetts Institute Of Technology | Radiation detection and tomography |
US5748705A (en) * | 1993-11-22 | 1998-05-05 | Hologic Inc. | X-ray bone densitometry |
US5931780A (en) * | 1993-11-29 | 1999-08-03 | Arch Development Corporation | Method and system for the computerized radiographic analysis of bone |
US5490196A (en) | 1994-03-18 | 1996-02-06 | Metorex International Oy | Multi energy system for x-ray imaging applications |
WO1996012187A1 (en) * | 1994-10-13 | 1996-04-25 | Horus Therapeutics, Inc. | Computer assisted methods for diagnosing diseases |
US5900170A (en) * | 1995-05-01 | 1999-05-04 | United Technologies Corporation | Containerless method of producing crack free metallic articles by energy beam deposition with reduced power density |
US5914059A (en) * | 1995-05-01 | 1999-06-22 | United Technologies Corporation | Method of repairing metallic articles by energy beam deposition with reduced power density |
CA2184237A1 (en) | 1995-09-08 | 1997-03-09 | Jay A. Stein | X-ray bone densitometry |
US6008208A (en) * | 1995-10-23 | 1999-12-28 | Osteoscreen, Inc. | Compositions and methods for treating bone deficit conditions |
US6018562A (en) * | 1995-11-13 | 2000-01-25 | The United States Of America As Represented By The Secretary Of The Army | Apparatus and method for automatic recognition of concealed objects using multiple energy computed tomography |
US5732697A (en) * | 1995-11-22 | 1998-03-31 | Arch Development Corporation | Shift-invariant artificial neural network for computerized detection of clustered microcalcifications in mammography |
US6141437A (en) * | 1995-11-22 | 2000-10-31 | Arch Development Corporation | CAD method, computer and storage medium for automated detection of lung nodules in digital chest images |
US5648997A (en) * | 1995-12-29 | 1997-07-15 | Advanced Optical Technologies, Inc. | Apparatus and method for removing scatter from an x-ray image |
US5771269A (en) * | 1995-12-29 | 1998-06-23 | Advanced Optical Technologies, Inc. | Apparatus and method for removing scatter from an x-ray image |
US6052433A (en) * | 1995-12-29 | 2000-04-18 | Advanced Optical Technologies, Inc. | Apparatus and method for dual-energy x-ray imaging |
AU1859797A (en) * | 1996-02-12 | 1997-08-28 | University Of Akron, The | Multimedia detectors for medical imaging |
US5910972A (en) | 1996-09-25 | 1999-06-08 | Fuji Photo Film Co., Ltd. | Bone image processing method and apparatus |
US5873824A (en) * | 1996-11-29 | 1999-02-23 | Arch Development Corporation | Apparatus and method for computerized analysis of interstitial infiltrates in chest images using artificial neural networks |
US5764721A (en) * | 1997-01-08 | 1998-06-09 | Southwest Research Institute | Method for obtaining optimized computed tomography images from a body of high length-to-width ratio using computer aided design information for the body |
US5930327A (en) * | 1997-06-23 | 1999-07-27 | Trex Medical Corporation | X-ray image processing |
US6058322A (en) * | 1997-07-25 | 2000-05-02 | Arch Development Corporation | Methods for improving the accuracy in differential diagnosis on radiologic examinations |
US6381349B1 (en) * | 1997-11-12 | 2002-04-30 | The University Of Utah | Projector/backprojector with slice-to-slice blurring for efficient 3D scatter modeling |
US6088473A (en) * | 1998-02-23 | 2000-07-11 | Arch Development Corporation | Method and computer readable medium for automated analysis of chest radiograph images using histograms of edge gradients for false positive reduction in lung nodule detection |
US6132724A (en) * | 1998-04-29 | 2000-10-17 | City Of Hope National Medical Center | Allelic polygene diagnosis of reward deficiency syndrome and treatment |
US6088423A (en) * | 1998-06-05 | 2000-07-11 | Vivid Technologies, Inc. | Multiview x-ray based system for detecting contraband such as in baggage |
US6240201B1 (en) | 1998-07-24 | 2001-05-29 | Arch Development Corporation | Computerized detection of lung nodules using energy-subtracted soft-tissue and standard chest images |
US6738499B1 (en) | 1998-11-13 | 2004-05-18 | Arch Development Corporation | System for detection of malignancy in pulmonary nodules |
US6173034B1 (en) * | 1999-01-25 | 2001-01-09 | Advanced Optical Technologies, Inc. | Method for improved breast x-ray imaging |
US6687333B2 (en) * | 1999-01-25 | 2004-02-03 | Vanderbilt University | System and method for producing pulsed monochromatic X-rays |
US6185272B1 (en) * | 1999-03-15 | 2001-02-06 | Analogic Corporation | Architecture for CT scanning system |
CO5271696A1 (es) * | 2000-01-12 | 2003-04-30 | Pfizer Prod Inc | Procedimiento para reducir la morbilidad y el riesgo de mortalidad |
US6418189B1 (en) * | 2000-01-24 | 2002-07-09 | Analogic Corporation | Explosive material detection apparatus and method using dual energy information of a scan |
JP4188532B2 (ja) | 2000-02-01 | 2008-11-26 | 富士フイルム株式会社 | 画像間演算方法および装置並びに画像表示方法および装置 |
US6438519B1 (en) * | 2000-05-31 | 2002-08-20 | Motorola, Inc. | Apparatus and method for rejecting out-of-class inputs for pattern classification |
US6597940B2 (en) * | 2000-12-01 | 2003-07-22 | Neomed Technologies | Methods of detecting occlusion of the coronary artery system and imaging the heart |
US6694046B2 (en) | 2001-03-28 | 2004-02-17 | Arch Development Corporation | Automated computerized scheme for distinction between benign and malignant solitary pulmonary nodules on chest images |
US6370223B1 (en) * | 2001-04-06 | 2002-04-09 | Ut-Battelle, Llc | Automatic detection of bone fragments in poultry using multi-energy x-rays |
US6661873B2 (en) * | 2002-01-28 | 2003-12-09 | Ge Medical Systems Global Technology Company, Llc | Motion artifacts reduction algorithm for two-exposure dual-energy radiography |
-
2002
- 2002-11-26 US US10/065,854 patent/US7295691B2/en not_active Expired - Lifetime
-
2003
- 2003-09-30 CN CN031390978A patent/CN1504931B/zh not_active Expired - Fee Related
- 2003-10-01 KR KR1020030068168A patent/KR20040047561A/ko not_active Application Discontinuation
- 2003-10-01 JP JP2003342889A patent/JP2004174232A/ja not_active Withdrawn
- 2003-10-01 EP EP03256209A patent/EP1426903A3/en not_active Withdrawn
-
2007
- 2007-09-21 US US11/859,035 patent/US7796795B2/en not_active Expired - Lifetime
Cited By (47)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1982940B (zh) * | 2005-12-16 | 2010-10-13 | 西门子公司 | 用于使对象特性可视化的装置 |
CN101384299B (zh) * | 2006-02-14 | 2012-09-05 | 艾可瑞公司 | 适应性x射线控制 |
CN101249000B (zh) * | 2006-11-22 | 2011-01-12 | Ge医疗系统环球技术有限公司 | X射线断层摄影成像设备 |
CN101868809B (zh) * | 2007-09-10 | 2013-01-02 | 皇家飞利浦电子股份有限公司 | 具有计算机辅助检测和/或诊断的图像处理 |
CN101835425B (zh) * | 2007-10-23 | 2012-03-14 | 日立阿洛卡医疗株式会社 | 骨骼测定装置及骨骼图像处理方法 |
CN101502420B (zh) * | 2008-02-05 | 2013-05-22 | Ge医疗系统环球技术有限公司 | 图像处理方法和设备 |
CN102227751B (zh) * | 2008-09-26 | 2015-03-04 | 相位聚焦有限公司 | 提供目标对象区域图像数据的方法和装置 |
CN102227751A (zh) * | 2008-09-26 | 2011-10-26 | 相位聚焦有限公司 | 成像领域中的改进 |
CN102282589A (zh) * | 2009-01-19 | 2011-12-14 | 皇家飞利浦电子股份有限公司 | 列表模式pet成像中的区域重建和定量评估 |
CN103037769A (zh) * | 2010-07-29 | 2013-04-10 | 三星电子株式会社 | 用于处理图像的方法和设备及采用该设备的医学图像系统 |
US9262829B2 (en) | 2010-07-29 | 2016-02-16 | Samsung Electronics Co., Ltd. | Method and apparatus for generating a diagnostic image based on a tissue emphasis image and medical imaging system employing the apparatus |
CN103069456A (zh) * | 2010-08-25 | 2013-04-24 | 皇家飞利浦电子股份有限公司 | 包括品质度量的双模态成像 |
CN103069456B (zh) * | 2010-08-25 | 2016-11-16 | 皇家飞利浦电子股份有限公司 | 包括品质度量的双模态成像 |
CN103442640B (zh) * | 2011-03-23 | 2016-04-06 | 日立阿洛卡医疗株式会社 | 骨诊断图像显示装置 |
CN103442640A (zh) * | 2011-03-23 | 2013-12-11 | 日立阿洛卡医疗株式会社 | 骨诊断图像显示装置 |
CN107753048B (zh) * | 2012-09-05 | 2020-12-29 | 三星电子株式会社 | X射线成像装置 |
CN107753048A (zh) * | 2012-09-05 | 2018-03-06 | 三星电子株式会社 | X射线成像装置 |
CN110264469B (zh) * | 2012-11-23 | 2023-11-03 | Icad公司 | 用于改进断层合成医学图像数据读取中的工作流效率的系统和方法 |
CN110264469A (zh) * | 2012-11-23 | 2019-09-20 | Icad公司 | 用于改进断层合成医学图像数据读取中的工作流效率的系统和方法 |
CN103908254A (zh) * | 2013-01-03 | 2014-07-09 | 西门子公司 | 用于病变候选探测的系统和方法 |
US9378551B2 (en) | 2013-01-03 | 2016-06-28 | Siemens Aktiengesellschaft | Method and system for lesion candidate detection |
CN103908254B (zh) * | 2013-01-03 | 2017-03-01 | 西门子公司 | 用于病变候选探测的系统和方法 |
CN105144235A (zh) * | 2013-02-04 | 2015-12-09 | Ge传感与检测技术有限公司 | 用于无损测试测试对象的体积的方法和为了实施这样的方法而配置的测试装置 |
CN105074774A (zh) * | 2013-03-21 | 2015-11-18 | 皇家飞利浦有限公司 | 用于对x射线图像中的结构进行计算机辅助探测的方法和x射线系统 |
CN103793552B (zh) * | 2013-12-18 | 2017-07-11 | 哈尔滨工程大学 | 一种软组织形变的局部质点弹簧模型的实时动态生成方法 |
CN103793552A (zh) * | 2013-12-18 | 2014-05-14 | 哈尔滨工程大学 | 一种软组织形变的局部质点弹簧模型的实时动态生成方法 |
CN104331694A (zh) * | 2014-04-02 | 2015-02-04 | 上海齐正微电子有限公司 | 医疗影像特征区域实时提取和标示方法 |
US10898266B2 (en) | 2015-02-17 | 2021-01-26 | Siemens Healthcare Gmbh | Method and system for personalizing a vessel stent |
CN107405205A (zh) * | 2015-02-17 | 2017-11-28 | 西门子保健有限责任公司 | 用于个体化血管支架的方法和系统 |
CN107633540A (zh) * | 2017-07-28 | 2018-01-26 | 上海联影医疗科技有限公司 | 图像转换的系统和方法 |
CN107610196A (zh) * | 2017-09-04 | 2018-01-19 | 沈阳东软医疗系统有限公司 | 双能量ct图像处理方法、装置以及图像处理设备 |
CN107610196B (zh) * | 2017-09-04 | 2020-12-11 | 东软医疗系统股份有限公司 | 双能量ct图像处理方法、装置以及图像处理设备 |
US10824857B2 (en) | 2017-10-02 | 2020-11-03 | Siemens Healthcare Gmbh | Method and system for the classification of materials by means of machine learning |
CN109598280A (zh) * | 2017-10-02 | 2019-04-09 | 西门子医疗有限公司 | 借助于机器学习对多种材料进行分类的方法和系统 |
CN107817204B (zh) * | 2017-11-01 | 2018-12-28 | 中国科学院地质与地球物理研究所 | 一种页岩微米孔隙结构分析方法及装置 |
CN107817204A (zh) * | 2017-11-01 | 2018-03-20 | 中国科学院地质与地球物理研究所 | 一种页岩微米孔隙结构分析方法及装置 |
CN108171714A (zh) * | 2017-11-13 | 2018-06-15 | 合肥阿巴赛信息科技有限公司 | 一种基于成对比较的骨折区域识别方法和系统 |
CN108171714B (zh) * | 2017-11-13 | 2021-09-21 | 广东三维家信息科技有限公司 | 一种基于成对比较的骨折区域识别方法和系统 |
CN108520519A (zh) * | 2018-04-11 | 2018-09-11 | 上海联影医疗科技有限公司 | 一种图像处理方法、装置及计算机可读存储介质 |
CN108520519B (zh) * | 2018-04-11 | 2022-09-16 | 上海联影医疗科技股份有限公司 | 一种图像处理方法、装置及计算机可读存储介质 |
CN110910342A (zh) * | 2018-09-12 | 2020-03-24 | 西门子医疗有限公司 | 通过使用深度学习来分析骨骼创伤 |
CN110910342B (zh) * | 2018-09-12 | 2023-11-14 | 西门子医疗有限公司 | 通过使用深度学习来分析骨骼创伤 |
US20210358183A1 (en) * | 2018-09-28 | 2021-11-18 | Mayo Foundation For Medical Education And Research | Systems and Methods for Multi-Kernel Synthesis and Kernel Conversion in Medical Imaging |
US12079907B2 (en) * | 2018-09-28 | 2024-09-03 | Mayo Foundation For Medical Education And Research | Systems and methods for multi-kernel synthesis and kernel conversion in medical imaging |
CN113450306A (zh) * | 2020-03-09 | 2021-09-28 | 长庚医疗财团法人林口长庚纪念医院 | 提供骨折检测工具的方法 |
CN113450306B (zh) * | 2020-03-09 | 2024-04-30 | 长庚医疗财团法人林口长庚纪念医院 | 提供骨折检测工具的方法 |
CN113506288A (zh) * | 2021-07-28 | 2021-10-15 | 中山仰视科技有限公司 | 基于transform注意力机制的肺结节检测方法及装置 |
Also Published As
Publication number | Publication date |
---|---|
US20080031507A1 (en) | 2008-02-07 |
KR20040047561A (ko) | 2004-06-05 |
JP2004174232A (ja) | 2004-06-24 |
US7796795B2 (en) | 2010-09-14 |
US7295691B2 (en) | 2007-11-13 |
CN1504931B (zh) | 2010-05-12 |
EP1426903A2 (en) | 2004-06-09 |
US20030215120A1 (en) | 2003-11-20 |
EP1426903A3 (en) | 2006-02-08 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN1504931B (zh) | 图像组的计算机辅助诊断 | |
US7263214B2 (en) | Computer aided diagnosis from multiple energy images | |
US7072435B2 (en) | Methods and apparatus for anomaly detection | |
JP5138910B2 (ja) | 投影画像を用いた3dcadのシステム及び方法 | |
US7440603B2 (en) | Method and system for multi-energy tomosynthesis | |
CN1670769A (zh) | 计算机辅助定位目标的方法和系统 | |
US20060210131A1 (en) | Tomographic computer aided diagnosis (CAD) with multiple reconstructions | |
JP2004105728A (ja) | コンピュータを利用した医療用画像の収集 | |
EP1398722A2 (en) | Computer aided processing of medical images | |
JP2004105729A (ja) | コンピュータ支援による断層撮影マンモグラフィデータの分析 | |
US20200082525A1 (en) | Detection and quantification for traumatic bleeding using dual energy computed tomography | |
CN1551745A (zh) | 在放射检查方法中确定密度分布和原子序数分布的方法 | |
US20220313176A1 (en) | Artificial Intelligence Training with Multiple Pulsed X-ray Source-in-motion Tomosynthesis Imaging System | |
CN1656499A (zh) | 使用车轮投影分析的肺结节检测 | |
CN109416833B (zh) | 根据谱ct数据确定钙含量 | |
KR20170087320A (ko) | 단층 영상 생성 장치 및 그에 따른 단층 영상 복원 방법 | |
Kim et al. | AI-based computer-aided diagnostic system of chest digital tomography synthesis: Demonstrating comparative advantage with X-ray-based AI systems | |
JP2019527885A (ja) | スペクトルコンピュータ断層撮影フィンガープリンティング | |
Samei et al. | Multiprojection correlation imaging for improved detection of pulmonary nodules | |
Miller et al. | Detection of microcalcifications in mammograms using multi-chromosome Cartesian genetic programming | |
WO2024062894A1 (ja) | 医用画像処理装置およびその制御方法、医用画像処理プログラム | |
US10687766B2 (en) | System to detect features using multiple reconstructions | |
Larsson | Segmentation of x-ray images using deep learning trained on synthetic data | |
JP2024082589A (ja) | 医用画像処理装置、および医用画像処理方法 | |
JP2024046604A (ja) | 医用画像処理装置およびその制御方法、医用画像処理プログラム |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20100512 Termination date: 20200930 |
|
CF01 | Termination of patent right due to non-payment of annual fee |