CN1685354A - 用于计算机辅助检测提示阅读医疗图像的方法和系统 - Google Patents
用于计算机辅助检测提示阅读医疗图像的方法和系统 Download PDFInfo
- Publication number
- CN1685354A CN1685354A CNA038227339A CN03822733A CN1685354A CN 1685354 A CN1685354 A CN 1685354A CN A038227339 A CNA038227339 A CN A038227339A CN 03822733 A CN03822733 A CN 03822733A CN 1685354 A CN1685354 A CN 1685354A
- Authority
- CN
- China
- Prior art keywords
- cad
- unusual
- image
- coded descriptor
- mammogram
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 53
- 238000001514 detection method Methods 0.000 title claims abstract description 17
- 238000004458 analytical method Methods 0.000 claims abstract description 27
- 230000000007 visual effect Effects 0.000 claims description 13
- 230000002969 morbid Effects 0.000 claims description 6
- 238000011179 visual inspection Methods 0.000 claims description 5
- 230000002308 calcification Effects 0.000 claims description 4
- 238000004088 simulation Methods 0.000 claims description 3
- 210000000481 breast Anatomy 0.000 claims description 2
- 238000012545 processing Methods 0.000 claims description 2
- 238000003745 diagnosis Methods 0.000 abstract description 14
- 230000005856 abnormality Effects 0.000 abstract 2
- 206010028980 Neoplasm Diseases 0.000 description 25
- 201000011510 cancer Diseases 0.000 description 25
- 238000010586 diagram Methods 0.000 description 9
- 201000010099 disease Diseases 0.000 description 4
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 4
- 238000013528 artificial neural network Methods 0.000 description 3
- 238000002405 diagnostic procedure Methods 0.000 description 3
- 238000009607 mammography Methods 0.000 description 3
- 230000015572 biosynthetic process Effects 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 238000002441 X-ray diffraction Methods 0.000 description 1
- 230000002159 abnormal effect Effects 0.000 description 1
- 239000011248 coating agent Substances 0.000 description 1
- 238000000576 coating method Methods 0.000 description 1
- 238000009500 colour coating Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 238000005562 fading Methods 0.000 description 1
- 238000006386 neutralization reaction Methods 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
- 238000012549 training 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
- A61B6/50—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
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/50—Context or environment of the image
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30004—Biomedical image processing
- G06T2207/30068—Mammography; Breast
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V2201/00—Indexing scheme relating to image or video recognition or understanding
- G06V2201/03—Recognition of patterns in medical or anatomical images
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V2201/00—Indexing scheme relating to image or video recognition or understanding
- G06V2201/03—Recognition of patterns in medical or anatomical images
- G06V2201/032—Recognition of patterns in medical or anatomical images of protuberances, polyps nodules, etc.
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y10—TECHNICAL SUBJECTS COVERED BY FORMER USPC
- Y10S—TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y10S128/00—Surgery
- Y10S128/92—Computer assisted medical diagnostics
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Physics & Mathematics (AREA)
- Medical Informatics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- General Health & Medical Sciences (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Radiology & Medical Imaging (AREA)
- Molecular Biology (AREA)
- High Energy & Nuclear Physics (AREA)
- Dentistry (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Quality & Reliability (AREA)
- Biophysics (AREA)
- Animal Behavior & Ethology (AREA)
- Optics & Photonics (AREA)
- Pathology (AREA)
- Biomedical Technology (AREA)
- Heart & Thoracic Surgery (AREA)
- Multimedia (AREA)
- Surgery (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Public Health (AREA)
- Veterinary Medicine (AREA)
- Apparatus For Radiation Diagnosis (AREA)
- Measuring And Recording Apparatus For Diagnosis (AREA)
- Image Processing (AREA)
Abstract
一种用于计算机辅助检测(CAD)x射线图像中的异常的方法和系统，其中在CAD分析中使用的特征和/或标准被显示为x射线的数字图像上的编码描述符，用以为用户提供一个识别特定异常所依据的根据，从而提高了用户所确立的诊断的可靠性。
Description
本申请要求2002年9月24日提交的题为“用于计算机辅助检测(CAD)提示读取医疗图像的方法”的美国临时申请60/413,055的优先权。
技术领域
本发明涉及计算机辅助检测(CAD)x射线胶片中异常的领域。
发明背景
数字转换器工作站扫描由计算机辅助检测(CAD)分析的x射线胶片，并将其转换成数字格式。计算机算法分析数字图像并识别数字化图像的特征，比如在乳房X线照相术情况中的可疑区域。
在诊断过程中，现有的方法要求医生首先在没有计算机辅助的情况下阅读乳房X线照片。一旦医生注意到她的发现，就打开计算机监视器，该监视器将通过CAD分析识别出的可疑区域显示为覆盖在乳房X线照片的数字化版本上的涂盖层。可疑区域可以证实医生的发现。否则，可以促使医生重新检查她没有发现有可疑之处但是却被计算机加亮的区域。
通常使用图像上的“标记”来加亮这些可疑区域，所述标记指示出可疑区域周围的区域。如果这些CAD标记与医生的发现不一致，那么她面对的任务是确定为何她的发现与CAD标记不同。通常，CAD标记归因于一些伪像或图像的其他明显的属性。其他情况下，标记的成因更加隐蔽。如果不能容易地确定矛盾的成因，那么对于医生来说将是令人不安的。
现有系统试图标记计算机“认为”是患癌的区域。因此，要特别小心地训练CAD系统，以便仅仅标记具有患癌概率高的区域，并最小化假阳性的数量。这样折衷的结果使计算机不去标记那些大比例的潜在患癌(假阴性)区。现有系统通过为检测的区域是否患癌确立一个“可能性”来平衡这种折衷。那么该可能性的阈值被设置成使灵敏度相对特异性的ROC(接收机操作特性)曲线上的性能最优化。另外，可增加特定的启发式方法(heuristics)以排除潜在的假阳性。排除任何按所述可能性尺度得分不够高或未能通过特定的启发式方法测试的被检测的区域，并且不显示标记。
这导致了被称为“二次阅读”的模式，基于的思想是：使用对图像的两次独立的分析(一次由人，一次由计算机)，以提高识别出图像中潜在患癌的几率。人类正确地识别出某一百分比的可疑区域，计算机正确地识别某一百分比(一些重叠，一些不重叠)，最后的结果具有更高的整体检测率。
这种方法的主要缺点是它要求医生阅读每个图像两次：一次使用CAD标记而一次不使用。第二个缺点是一旦医生查看了CAD结果，人所做的结果和CAD结果可能不一致。那么医生的责任就要确定矛盾的原因并且确定是医生正确还是计算机正确。即使一些系统可以显示具有可疑区域患癌的概率或可能性的CAD结果(参看zheng et al.2001，Radiology，221(3)：633-640和U.S.Patent Application No.20020097902和20020076091)，由计算机显示的CAD结果剩下的是“通过/失败”性质，并且医生通常努力地去确定矛盾的根本原因。
发明内容
本发明的一个方面提供了一种方法，用于显示计算机辅助检测(CAD)分析组织的数字或数字化图像的结果，用来增加用户/医生诊断的精确度。本方法包括使用CAD分析来分析x射线胶片的数字图像，以产生CAD结果，该CAD分析能够检测具有对于一个或多个异常的存在的概率大于0的数字图像的区域，并生成CAD结果的一个或多个编码描述符，所述编码描述符与由CAD分析检测的区域关联并且提供有关在CAD分析中使用的一个或多个标准和/或特征的信息。通过这种方式，当CAD结果和关联的编码描述符一起显示时，用户可以评估CAD算法使用的标准，以完成对异常区域的识别，从而增强他/她诊断的精确度。
在本发明的方法的一个实施例中，用户/医生可在可视分析x射线胶片或其数字图像的不同阶段使用编码描述符。例如，医生可首先可视分析不具有编码描述符的x射线图像并根据他/她认为可疑的区域的特征的特性确立诊断。她也可查看具有编码描述符的图像并将她诊断的根据与CAD分析的根据作比较。通过这样，医生可以验证他/她的诊断，并且他/她还能够验证他/她的诊断根据。
在另一个实施例中，医生还可以可视分析x射线图像以确立诊断，同时参考显示的具有编码描述符和/或具有传统CAD结果的对应图像。使用该事件序列，专业人员可首先查看图像的可疑区域中的编码描述符和/或传统的CAD标记，并接着查看不具有编码描述符和/或CAD标记的图像中的相同区域，并且部分地基于由编码描述符提供的信息来确立诊断。因此，编码描述符可指导(提示)可视诊断。
通过帮助去验证分析的最终结果，即验证可疑区域是否真正异常(患癌)并通过提供可与由专业人员确立的诊断的根据相比较的CAD分析的根据，编码描述符的使用有利地改善可视诊断。因此，本发明的方法有助于降低与x射线分析关联的假阳性或假阴性的数量。
附图说明
结合附图并根据下面的详细描述，本发明进一步的特征和优点将变得清楚，其中：
图1是本发明的系统的一个实施例的示意图；
图2是本发明的方法的一个实施例的流程图，在该方法中，CAD分析x射线图像并且将图像与编码描述符一起显示；
图3是一个内部存储表格的示意图，在该内部存储表格中，存储与编码描述符有关的信息；
图4是一个具有编码描述符的乳房X线照片的数字图像的显示的一个实施例的示意图；
图5是本发明的一个实施例的流程图，描述了一种方法，用于在由CAD分析的x射线胶片中，通过同时分析x射线胶片和具有CAD结果的x射线胶片的数字化图像来检测和识别具有异常的区域；
图6是本发明的一个实施例的流程图，描述了一种方法，用于在x射线胶片中，使用编码描述符来检测和识别具有异常的区域；以及
图7是本发明的一个实施例的流程图，描述了一种方法，用于在x射线胶片中，通过同时分析x射线胶片和编码描述符来检测和识别具有异常的区域。
可以注意到，在附图中同样的特征由同样的附图标记标识。
优选实施方式
本发明的一个方面提供了一种系统和方法，用于使用计算机辅助检测(CAD)来分析x射线胶片，比如乳房X线照片，并用于将结果呈现给用户，以便指示由CAD算法使用的一些或所有标准，从而估计x射线胶片中异常的可能性，并呈现组织中表现出的疾病状态。该方法能帮助医生确定可疑区域表现出存在癌症或其他疾病的可能性。在其中显示结果的方式提供了一种计算机所使用的复杂逻辑的简化可视表示，以确定疾病的可能性，这将在下面作进一步描述。
虽然本发明的方法的描述将参考用于检测患癌病变的乳房X线照片的分析，但是可以理解，该方法还可以被应用于服从CAD分析的其他类型的诊断图像方法。
在图1中提供了该系统的示意图，其包括图像采集硬件10、可选的x射线胶片数字转换器12、CAD处理器14、特征/标准提取处理器16、编码描述符-特征/标准关联处理器18、存储与编码描述符关联的信息的内部存储表格19、诸如计算机屏幕的显示器20和诸如键盘或鼠标的用户接口22。x射线胶片数字转换器可选是因为可以数字地获得诸如乳房X线照相术的诊断过程。
图2是与本发明的方法的一个实施例有关的步骤的示意图。首先在24采集数字化的x射线胶片或数字射线照片，诸如数字乳房X线照片，并将其提供给CAD处理器14以由CAD算法进行分析。可以理解，如果原先提供的是模拟x射线胶片，可以首先进行数字化处理。CAD算法首先在26执行一系列图像处理步骤，以检测潜在的可疑区域(显示有可能的异常)。例如这可以通过以下方式完成，使用不同尺寸的空间带通滤波器来检测胞块的存在或通过使用高通滤波器来加亮表现出呈现钙化的亮而小的图像区域。
在检测可疑区域之后，在28为每个可疑区域识别区域的特征。接着在30分析所识别的特征，并且在32将分析的结果用于确定识别的区域是诸如癌症的疾病的特性的可能性(概率)。
CAD分析的每个步骤依赖于独特的标准或特征特性，以确定一个区域是否反常。因此在步骤26中，CAD算法确定一个区域是否为“可疑”是依赖于该区域中的象素的亮度，而特征分析的步骤30考虑了例如可疑区域内的针状体的数量。在34提取在CAD分析过程中使用的标准/特征特性，并在36将其与对应的编码描述符关联。在38，编码描述符可接着与x射线图像一起显示在适当的显示媒体上，比如在计算机屏幕或打印的报告上。
除了提供关于标准/特征特性的信息外，编码描述符还可识别在CAD分析内使用所述标准/特征特性的步骤。参考图3，在表格19中可存储与编码描述符关联并特定用于CAD分析的每个步骤的数据，可访问所述表格以检索信息。CAD分析的步骤可以用数字来表示。例如，“确定可疑区域”的步骤(在图2中的参考标号26)可被识别为步骤号1。检索可以是缺省的，即可以预定从表格19检索的信息。例如，对应于特征分析步骤的编码描述符可自动地与CAD结果一起显示。可以理解，可以同时显示与CAD分析的不同步骤关联的编码描述符。另一种方案是，用户可指定待检索的信息。
因此，关于对与编码描述符关联并且显示在x射线数字图像上的CAD结果有贡献的不同特征的信息为医生提供了对CAD算法所使用的标准的理解，以完成可疑区域是否患癌的确定。在x射线胶片中的可疑区域的不同特征具有不同的相关性，这取决于所执行的CAD分析的类型和疾病的类型。在患癌胞块的情况下，确定一个区域是否患癌的标准是胞块中出现的“针状体”的数量。在这方面，对于可视化隐蔽的针状体胞块或可疑区域的其他特征，乳房X线照相术胶片面临着极大的挑战，并且显示与这样的区域关联的编码描述符有助于诊断。
在这里引用并作为参考的Shapiro等人的美国专利第6246782描述了一种用于自动检测乳房X线照片中的患癌胞块的系统。从可疑区域提取的特征可包括针状体的大小、亮度、位置、密度、数量和长度等。可以使用现有技术中已知的若干不同方法分析这些特征。例如，美国专利第6246782描述了将这些特征用作神经网络的输入，所述神经网络的训练是基于一组使用包含特定患癌和未患癌特征的图像的数据。因此，该系统“学习”哪些特征以及特征的组合表现出潜在的癌症。
一旦完成对可疑区域的患癌可能性的分析，其结果就被翻译成能被人类读者理解的格式。在CAD显示器中加亮每个可疑区域。通常，该显示器是一个计算机监视器或打印的报告。可以用许多方式完成对区域的加亮，包括但不局限于显示可疑区域的轮廓或用充满透明彩色涂盖层来将其加亮。
例如，如果在分析可疑区域之后，部分基于针状体的数量，神经网络检测出一个区域具有患癌的特定概率，系统可显示一个与该区域关联的编码描述符，该编码描述符加亮区域内的针状体。可替换地并且如图4中所示，该编码描述符可以是用户可读的句子，用于描述可疑区域的标准/特征特性。因此，如果医生先前已经排斥了这个区域，她或他将被促使去通过给予作为出现癌症的可能指示的加亮的针状体以特别的注意来重新检查该区域。待显示的编码描述符的选择可基于在CAD分析中关联的特征的重要性或者可以由用户预先确定。
如前所述，只要在CAD分析中使用了关联的特征，利用用户接口用户可选择显示他或她选择的一个或多个编码描述符。并且，可以从计算机化的数据表格中的适当数据字段提取有关在确立CAD结果时给予不同特征的权重的信息。
编码描述符还可与可疑区域内的异常的按医学术语的描述性句子关联。描述性句子可以由CAD算法中和存储在表格19中的特征分析来确定。句子的非限制的例子包括“根瘤不规则边缘”、“实质性畸变”等。
因此，通过编码描述符，意味着可视标记或显示的任何可区别的形式能与CAD结果基于的特征和/或标准相关联，或表现出所述特征和/或标准，并且表现出在CAD分析中使用所述特征/标准的步骤。另外，编码描述符可以表现出疾病状态存在的可能性。编码描述符的实施例可以包括特征的加亮、模拟符号(几何形状)的使用和文字数字信息的显示(比如乳腺影像报告和资料系统，BI-RADS)以及它们的组合。编码描述符可以显示在计算机屏幕或打印的报告上。可以对编码描述符进行彩色编码，用以例如反映图像中的异常表现出疾病状态的概率。颜色编码可以用于识别CAD分析中对应于编码描述符的步骤，另外在优选的实施例中，编码描述符可用同一颜色的不同的色度显示，每个色度对应于可疑区域表现出疾病状态的概率的预定级别。因此，给定的颜色，例如绿色指示传递的信息为概率，并且绿色的色度将指示CAD分析所确定的概率的实际级别。
加亮采用的形式还可以是动态地改变亮度或透明度的程度。也就是说，可以“淡入”和“淡出”加亮，以帮助医生根据加亮的不同程度来定位区域并分析特征，而不需要来回切换CAD显示器。
簇状钙化斑(MCC)检测还可以表现出癌症的存在。MCC可被定义成由3个或更多的钙化带组成(如图像上的亮点所示)。本发明提供了用于加亮和枚举为每个簇找到的钙化带的装置。在一个实施例中，系统为用户呈现出所有找到的包含具有潜在的患癌指示的亮点的区域。每个区域周围的边界的颜色编码用于指示CAD系统是否发现它可能表现出癌症。另外，加亮区域内的每个亮点。通过这种方式，系统可为用户呈现出所有可疑区域。虽然通过加亮用于确定所述区域是否是MCC的特征，会出现许多的假阳性，但是医生可以很容易地排除这些假阳性。另外，通过包括少于3个亮点的区域(但对其边界进行不同地彩色编码以指示CAD系统没有发现它们是高度可疑的)，医生能快速地确认计算机对于潜在的可疑区域是否无害的确定是否正确。
在本发明的另一个实施例中，编码描述符的显示可适应于用户读取乳房X线照片或使用CAD的经验。
可以使用加亮和显示编码描述符的其他方式，因为这对于本领域的技术人员是显而易见的。
为了增强诊断的可靠性，医生可以在诊断过程的不同阶段使用CAD图像分析和编码描述符。参考图5，通过分析x射线胶片，诸如乳房X线照片而在50获得的传统CAD分析结果(即不具有编码描述符)可在52处显示，使得不具有CAD结果的图像(或胶片)和具有CAD结果的对应图像都可以在54同时被医生查看。通过这种方式，医生可对胶片执行一个可视检查以识别异常，同时参考具有CAD结果的图像以指导他/她的分析。
在本方法的另一个实施例中并且参考图6，首先执行CAD分析50并在56生成编码描述符。那么医生就可以首先在58分析x射线胶片并随后在60分析显示的对应的具有编码描述的数字图像。医生可接着将他/她的诊断根据与CAD分析的根据比较，并可能在62重新评估在可疑区域中的异常的类型(是否患癌)。但是，因为编码描述符传递关于CAD分析使用的标准的信息，医生能够基于清楚定义的可疑区域的特征作出一个关于计算机结果的有效性的逻辑评估。
在又另一个实施例中并且参考图7，在64同时显示与编码描述符一起显示的x射线胶片和对应的数字图像，并且在66同时由医生分析，那么医生就可以在编码描述符的帮助下对她的x射线胶片进行分析。
可以理解，以上两个实施例可以通过以下方式的任意组合来执行，使用包括交替符和光盒的显示器来查看模拟的x射线胶片，以及诸如计算机屏幕的监视器来查看x射线的数字图像或数字乳房X线照片以及CAD结果和编码描述符。可同时或顺序地显示不同的图像。因此，例如计算机屏幕可显示具有编码描述符的数字图像和不具有所述描述符的图像。并且，可能只显示具有或不具有编码描述符的部分图像。
可以理解，用于确定可疑区域是否是患癌的阈值可以被设置得较低，使得能够基本上将所有的可疑区域与编码描述符一起识别。通过扫描经过每个加亮的区域并接着基于编码描述符和图像上的特征作出关于癌症可能性的确定，该CAD系统可为医生来提供第一次阅读。通过这种方式，医生可以更容易地理解区域为何被标记，并且更快地作出关于标记的区域是否是真正可疑到足够要求进一步分析的正确判断。
上述的本发明的实施例仅旨在于示例。因此，本发明的范围仅仅由所附的权利要求的范围限定。
Claims (27)
1.一种用于显示数字图像的计算机辅助检测(CAD)分析的结果的方法，该方法包括：
i)使用CAD分析来分析数字图像，以识别一个或多个CAD检测的异常；
ii)为所述CAD检测的异常生成一个或多个编码描述符，其中所述编码描述符提供关于一个或多个由所述CAD分析所使用的标准的信息，以识别所述CAD检测的异常；和
iii)显示具有一个或多个编码描述符的所述数字图像。
2.如权利要求1所述的方法，其中所述数字图像是x射线胶片的数字化图像。
3.如权利要求1所述的方法，其中所述数字图像是数字乳房X线照片。
4.如权利要求1到3的任意一个所述的方法，进一步包括可视分析所述数字图像，以识别一个或多个用户检测的异常，所述可视分析在所述显示步骤之前执行，并且其中基于由所述编码描述符提供的所述信息重新评估所述用户检测的异常。
5.如权利要求4所述的方法，其中所述数字图像是x射线胶片的数字化图像，并且其中所述可视检查是在所述x射线胶片上执行的。
6.如权利要求1到3的任意一个所述的方法，进一步包括可视分析所述数字图像，以识别一个或多个用户检测的异常，用同时显示的所述编码描述符执行所述可视检查，使得用户可以参考所述编码描述符，同时执行所述可视分析。
7.如权利要求6所述的方法，其中所述数字图像是x射线胶片的数字化图像，并且其中所述可视检查是在所述x射线胶片上执行的。
8.如权利要求1所述的方法，其中由用户选择显示在图像中的所述一个或多个编码描述符。
9.如权利要求1到8的任意一个所述的方法，其中所述编码描述符还提供关于所述CAD检测的异常表现出疾病状态的概率的信息。
10.如权利要求1到9的任意一个所述的方法，其中从可视标记、文字数字信息以及其组合选择所述一个或多个编码描述符。
11.如权利要求10所述的方法，其中文字数字信息是基于乳腺影像报告和资料系统(BI-RADS)的。
12.如权利要求10所述的方法，其中文字数字信息是按医学术语描述所述CAD检测的异常的句子。
13.如权利要求10所述的方法，其中所述可视标记包括区域的边界轮廓。
14.如权利要求10所述的方法，其中所述可视标记包括一个或多个由CAD使用的加亮的特征，用于确定异常的可能性。
15.如权利要求14所述的方法，其中从针状体的大小、亮度、位置、密度、数量和长度选择所述加亮的特征。
16.如权利要求14所述的方法，其中所述加亮的特征包括簇状钙化斑内的个别的钙化带。
17.如权利要求10所述的方法，其中根据所述CAD检测的异常表现出疾病状态的概率，彩色编码所述可视标记。
18.如权利要求17所述的方法，其中所述可视标记具有相同颜色，并且其中所述相同颜色的预定色度指示概率的一个级别。
19.如权利要求10所述的方法，其中用不同程度的透明度显示所述可视标记。
20.如权利要求19所述的方法，其中用于显示可视标记的所述透明度的程度是动态变化的。
21.一种用于识别乳房X线照片中的异常的方法，该方法包括：
i)使用计算机辅助检测(CAD)分析来分析所述乳房X线照片，以产生CAD结果；
ii)显示所述乳房X线照片和包括所述CAD结果的所述乳房X线照片的对应图像；
iii)可视分析所述乳房X线照片，以识别一个或多个用户检测的异常，用同时显示的包括CAD结果的所述乳房X线照片的对应图像执行所述可视检查，使得用户可以参考所述CAD结果，同时执行所述可视分析。
22.如权利要求21所述的方法，其中所述乳房X线照片是数字化x射线胶片。
23.如权利要求21所述的方法，其中所述乳房X线照片是数字乳房X线照片。
24.一种用于显示数字图像的计算机辅助检测(CAD)分析的结果的系统，该系统包括：
数字图像源；
用于使用CAD分析来分析所述数字图像，以识别CAD检测的异常的处理器；
用于提取在CAD检测的异常的所述识别中使用的标准的处理器；
用于将编码描述符与所述标准和所述异常关联的处理器；
用于显示所述数字图像和所述编码描述符的显示器。
25.如权利要求24所述的系统，其中所述显示器包括多于一个的显示区域。
26.如权利要求25所述的系统，其中在不具有编码描述符的第一显示区域显示一个数字图像，以及在具有编码描述符的第二显示区域显示所述数字图像。
27.如权利要求24-26的任意一个所述的系统，还包括一个用于显示模拟x射线胶片的装置。
Applications Claiming Priority (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| US41305502P | 2002-09-24 | 2002-09-24 | |
| US60/413,055 | 2002-09-24 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN1685354A true CN1685354A (zh) | 2005-10-19 |
Family
ID=32043200
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CNA038227339A Pending CN1685354A (zh) | 2002-09-24 | 2003-09-24 | 用于计算机辅助检测提示阅读医疗图像的方法和系统 |
Country Status (7)
| Country | Link |
|---|---|
| US (1) | US7593562B2 (zh) |
| EP (1) | EP1554682A1 (zh) |
| JP (1) | JP2006500124A (zh) |
| CN (1) | CN1685354A (zh) |
| AU (1) | AU2003266076A1 (zh) |
| BR (1) | BR0314589A (zh) |
| WO (1) | WO2004029851A1 (zh) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106296762A (zh) * | 2015-06-29 | 2017-01-04 | 通用电气公司 | 医学检查报告生成方法 |
| CN106295149A (zh) * | 2016-07-05 | 2017-01-04 | 医诚云（北京）医疗科技有限公司 | 一种医学影像的云/数字胶片及云阅片系统 |
| CN109394250A (zh) * | 2017-08-18 | 2019-03-01 | 柯尼卡美能达株式会社 | 图像处理装置、图像处理方法及图像处理程序 |
Families Citing this family (39)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR100477801B1 (ko) * | 2002-12-26 | 2005-03-22 | 한국전자통신연구원 | 3차원 영상정보 기술장치와 그 방법 및 이를 이용한 3차원영상정보 검색장치 및 그 방법 |
| US7978887B2 (en) * | 2003-06-17 | 2011-07-12 | Brown University | Methods and apparatus for identifying subject matter in view data |
| US7660448B2 (en) | 2003-11-26 | 2010-02-09 | Icad, Inc. | Automated lesion characterization |
| GB0411400D0 (en) * | 2004-05-21 | 2004-06-23 | Tissuomics Ltd | Imaging body tissue |
| GB0414318D0 (en) * | 2004-06-25 | 2004-07-28 | Tissuomics Ltd | Analysing body tissue |
| US7301535B2 (en) | 2004-09-02 | 2007-11-27 | Siemens Medical Solutions Usa, Inc. | 3D summary display for reporting of organ tumors |
| AU2006254689B2 (en) * | 2005-06-02 | 2012-03-08 | Salient Imaging, Inc. | System and method of computer-aided detection |
| DE102005036998B4 (de) * | 2005-08-05 | 2014-11-20 | Siemens Aktiengesellschaft | Vorrichtung zur automatischen Detektion von Auffälligkeiten in medizinischen Bilddaten |
| US8014576B2 (en) | 2005-11-23 | 2011-09-06 | The Medipattern Corporation | Method and system of computer-aided quantitative and qualitative analysis of medical images |
| EP1825811B1 (en) * | 2006-02-27 | 2015-08-26 | Kabushiki Kaisha Toshiba | Image display apparatus and x-ray computed tomography apparatus |
| DE102006020399A1 (de) | 2006-04-28 | 2007-10-31 | Siemens Ag | Medizintechnisches Diagnose- und Datenverarbeitungssystem |
| US20070286466A1 (en) * | 2006-05-25 | 2007-12-13 | Heffernan Patrick B | DICOM adapter service for CAD system |
| FR2902215A1 (fr) * | 2006-06-07 | 2007-12-14 | Gen Electric | Procede de traitement d'images radiologiques pour une detection de signes radiologiques |
| US20080056548A1 (en) * | 2006-09-05 | 2008-03-06 | Pablo Irarrazaval | Enhancement of visual perception through dynamic cues |
| US8077939B2 (en) * | 2006-11-22 | 2011-12-13 | General Electric Company | Methods and systems for enhanced plaque visualization |
| US8081809B2 (en) * | 2006-11-22 | 2011-12-20 | General Electric Company | Methods and systems for optimizing high resolution image reconstruction |
| US8150192B2 (en) * | 2006-11-27 | 2012-04-03 | Merge Cad Inc. | System and method for feature score mapping and visualization of medical images |
| EP2122571B1 (en) * | 2006-12-19 | 2018-02-21 | Koninklijke Philips N.V. | Apparatus and method for indicating likely computer-detected false positives in medical imaging data |
| US7992100B2 (en) * | 2006-12-21 | 2011-08-02 | Sectra Ab | Dynamic slabbing to render views of medical image data |
| US8051386B2 (en) * | 2006-12-21 | 2011-11-01 | Sectra Ab | CAD-based navigation of views of medical image data stacks or volumes |
| US8044972B2 (en) * | 2006-12-21 | 2011-10-25 | Sectra Mamea Ab | Synchronized viewing of tomosynthesis and/or mammograms |
| JP5100285B2 (ja) * | 2007-09-28 | 2012-12-19 | キヤノン株式会社 | 医用診断支援装置およびその制御方法、プログラム、記憶媒体 |
| EP2227783A1 (en) * | 2007-10-19 | 2010-09-15 | Boston Scientific Scimed, Inc. | Display of classifier output and confidence measure in an image |
| US10013638B2 (en) | 2008-08-14 | 2018-07-03 | Ping Zhang | Cancer diagnostic method and system |
| JP5582707B2 (ja) | 2009-02-27 | 2014-09-03 | キヤノン株式会社 | 医療意志決定支援装置及びその制御方法 |
| US8958618B2 (en) * | 2012-06-28 | 2015-02-17 | Kabushiki Kaisha Toshiba | Method and system for identification of calcification in imaged blood vessels |
| KR102043133B1 (ko) * | 2012-11-16 | 2019-11-12 | 삼성전자주식회사 | 컴퓨터 보조 진단 지원 장치 및 방법 |
| US9361711B2 (en) * | 2013-08-05 | 2016-06-07 | Siemens Aktiengesellschaft | Lesion-type specific reconstruction and display of digital breast tomosynthesis volumes |
| CN108292366B (zh) * | 2015-09-10 | 2022-03-18 | 美基蒂克艾尔有限公司 | 在内窥镜手术中检测可疑组织区域的系统和方法 |
| US9536054B1 (en) | 2016-01-07 | 2017-01-03 | ClearView Diagnostics Inc. | Method and means of CAD system personalization to provide a confidence level indicator for CAD system recommendations |
| US10339650B2 (en) * | 2016-01-07 | 2019-07-02 | Koios Medical, Inc. | Method and means of CAD system personalization to reduce intraoperator and interoperator variation |
| US10346982B2 (en) | 2016-08-22 | 2019-07-09 | Koios Medical, Inc. | Method and system of computer-aided detection using multiple images from different views of a region of interest to improve detection accuracy |
| US20180060535A1 (en) * | 2016-08-31 | 2018-03-01 | International Business Machines Corporation | Updating probabilities of conditions based on annotations on medical images |
| GB201705911D0 (en) | 2017-04-12 | 2017-05-24 | Kheiron Medical Tech Ltd | Abstracts |
| WO2019204520A1 (en) | 2018-04-17 | 2019-10-24 | VideaHealth, Inc. | Dental image feature detection |
| DK3806746T3 (da) | 2018-06-14 | 2022-05-23 | Kheiron Medical Tech Ltd | Anden læser forslag |
| WO2020036109A1 (ja) * | 2018-08-17 | 2020-02-20 | 富士フイルム株式会社 | 医用画像処理装置及び内視鏡システム並びに医用画像処理装置の作動方法 |
| WO2020105415A1 (ja) * | 2018-11-23 | 2020-05-28 | 富士フイルム株式会社 | 医療情報表示装置、方法およびプログラム、並びに医療情報を表示するためのグラフィックユーザインターフェース |
| JP7451156B2 (ja) * | 2019-12-04 | 2024-03-18 | キヤノンメディカルシステムズ株式会社 | 診療支援装置 |
Family Cites Families (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| EP0487110B1 (en) | 1990-11-22 | 1999-10-06 | Kabushiki Kaisha Toshiba | Computer-aided diagnosis system for medical use |
| US20020097902A1 (en) * | 1993-09-29 | 2002-07-25 | Roehrig Jimmy R. | Method and system for the display of regions of interest in medical images |
| US6574357B2 (en) * | 1993-09-29 | 2003-06-03 | Shih-Ping Wang | Computer-aided diagnosis method and system |
| US6246782B1 (en) * | 1997-06-06 | 2001-06-12 | Lockheed Martin Corporation | System for automated detection of cancerous masses in mammograms |
| US6058322A (en) * | 1997-07-25 | 2000-05-02 | Arch Development Corporation | Methods for improving the accuracy in differential diagnosis on radiologic examinations |
| US6898305B2 (en) * | 2001-02-22 | 2005-05-24 | Hitachi, Ltd. | Circuit pattern inspection method and apparatus |
| US7054473B1 (en) * | 2001-11-21 | 2006-05-30 | R2 Technology, Inc. | Method and apparatus for an improved computer aided diagnosis system |
-
2003
- 2003-09-24 CN CNA038227339A patent/CN1685354A/zh active Pending
- 2003-09-24 AU AU2003266076A patent/AU2003266076A1/en not_active Abandoned
- 2003-09-24 WO PCT/CA2003/001391 patent/WO2004029851A1/en active Application Filing
- 2003-09-24 JP JP2004538594A patent/JP2006500124A/ja not_active Withdrawn
- 2003-09-24 EP EP03798019A patent/EP1554682A1/en not_active Withdrawn
- 2003-09-24 US US10/528,665 patent/US7593562B2/en not_active Expired - Fee Related
- 2003-09-24 BR BR0314589-1A patent/BR0314589A/pt not_active IP Right Cessation
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106296762A (zh) * | 2015-06-29 | 2017-01-04 | 通用电气公司 | 医学检查报告生成方法 |
| CN106295149A (zh) * | 2016-07-05 | 2017-01-04 | 医诚云（北京）医疗科技有限公司 | 一种医学影像的云/数字胶片及云阅片系统 |
| CN106295149B (zh) * | 2016-07-05 | 2018-10-09 | 亢铮 | 一种医学影像的云/数字胶片及云阅片系统 |
| CN109394250A (zh) * | 2017-08-18 | 2019-03-01 | 柯尼卡美能达株式会社 | 图像处理装置、图像处理方法及图像处理程序 |
Also Published As
| Publication number | Publication date |
|---|---|
| US20060122467A1 (en) | 2006-06-08 |
| EP1554682A1 (en) | 2005-07-20 |
| BR0314589A (pt) | 2005-08-09 |
| AU2003266076A1 (en) | 2004-04-19 |
| JP2006500124A (ja) | 2006-01-05 |
| US7593562B2 (en) | 2009-09-22 |
| WO2004029851A1 (en) | 2004-04-08 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN1685354A (zh) | 用于计算机辅助检测提示阅读医疗图像的方法和系统 | |
| US6697506B1 (en) | Mark-free computer-assisted diagnosis method and system for assisting diagnosis of abnormalities in digital medical images using diagnosis based image enhancement | |
| Chan et al. | Improvement in radiologists' detection of clustered microcalcifications on mammograms: The potential of computer-aided diagnosis | |
| US6477262B2 (en) | Computer-aided diagnosis method and system | |
| JPH07323024A (ja) | 画像診断支援装置 | |
| JP2001511372A (ja) | 放射線検査での識別診断における精度を向上させるための方法 | |
| US20020059520A1 (en) | Informarion processing apparatus, method for controlling the same, and storage medium | |
| JPH08335271A (ja) | 画像診断支援装置の画像処理方法 | |
| US20080172386A1 (en) | Automated dental identification system | |
| WO2012032734A1 (ja) | 誤診原因検出装置及び誤診原因検出方法 | |
| US20090086891A1 (en) | Breast image display apparatus and its program | |
| CN1836240A (zh) | Cad(计算机辅助决策)支持系统和方法 | |
| EP1025535A1 (en) | Computerized detection of lung nodules using energy-subtracted soft-tissue and standard chest images | |
| JP2004216008A (ja) | 画像診断支援装置 | |
| Malich et al. | CAD for mammography: the technique, results, current role and further developments | |
| EP1431901A2 (en) | Computer-assisted reconciliation of multiple image reads | |
| CN1679318A (zh) | X光胶片用户界面的患者识别方法 | |
| US20070223807A1 (en) | Medical imaging visibility index system and method for cancer lesions | |
| CN1623160A (zh) | 降低肺结节检测中假阳性率的支气管壁增厚识别 | |
| CN111180027B (zh) | 一种基于医疗大数据的患者画像相关性规则筛选方法及装置 | |
| CN1759399A (zh) | 用于确保医学图像中计算机标记的人工审查的计算机辅助检测系统和方法 | |
| Sahiner et al. | Joint two‐view information for computerized detection of microcalcifications on mammograms | |
| Boita et al. | Development and content validity evaluation of a candidate instrument to assess image quality in digital mammography: A mixed-method study | |
| JP2004213643A (ja) | コンピュータ支援調和法 | |
| AU2021103578A4 (en) | A Novel Method COVID -19 infection using Deep Learning Based System |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| C06 | Publication | ||
| PB01 | Publication | ||
| C10 | Entry into substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| ASS | Succession or assignment of patent right |
Owner name: CARLSTRIM HEALTH CO., LTD. Free format text: FORMER OWNER: EASTMAN KODAK CO. Effective date: 20071221 |
|
| C41 | Transfer of patent application or patent right or utility model | ||
| TA01 | Transfer of patent application right |
Effective date of registration: 20071221 Address after: American New York Applicant after: Eastman Kodak Co. Address before: American New York Applicant before: Eastman Kodak Co. |
|
| AD01 | Patent right deemed abandoned | ||
| C20 | Patent right or utility model deemed to be abandoned or is abandoned |