CN1997998A - 交互式计算机辅助诊断 - Google Patents
交互式计算机辅助诊断 Download PDFInfo
- Publication number
- CN1997998A CN1997998A CNA2005800070643A CN200580007064A CN1997998A CN 1997998 A CN1997998 A CN 1997998A CN A2005800070643 A CNA2005800070643 A CN A2005800070643A CN 200580007064 A CN200580007064 A CN 200580007064A CN 1997998 A CN1997998 A CN 1997998A
- Authority
- CN
- China
- Prior art keywords
- mentioned
- result
- data
- raw data
- initial parameter
- 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
Images
Classifications
-
- 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
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16Z—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS, NOT OTHERWISE PROVIDED FOR
- G16Z99/00—Subject matter not provided for in other main groups of this subclass
-
- 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
- Y10S707/00—Data processing: database and file management or data structures
- Y10S707/912—Applications of a database
- Y10S707/913—Multimedia
- Y10S707/915—Image
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Biomedical Technology (AREA)
- Public Health (AREA)
- Pathology (AREA)
- Databases & Information Systems (AREA)
- Data Mining & Analysis (AREA)
- Epidemiology (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Measuring And Recording Apparatus For Diagnosis (AREA)
- Medical Treatment And Welfare Office Work (AREA)
- Investigating Or Analysing Biological Materials (AREA)
Abstract
尽管在计算机视觉的计算机辅助诊断方法领域有许多研究活动,然而内科医师却没有经常利用并且甚至很少经常信赖自动分类或比较算法的解决方法。根据本发明的典型实施例,把上述被执行诊断的置信区间作了可视化并提供了考虑到对上述方法进行交互改善的标准化反馈机制。
Description
本发明涉及计算机辅助数据处理(CADx)领域。特别地,本发明涉及计算机辅助提取定量信息的方法,数据处理装置和用于数据处理装置的对应的计算机程序。
尽管在计算机辅助诊断领域有许多研究活动,然而把所得算法转移到临床应用这样的目标的市场,通常是不成功的。内科医师没有经常利用并且甚至很少经常信任计算机视觉、自动分类或比较算法的解决方案的方法。
对研究结果这种不信任的最重要理由包含:
-在有限环境中的现场试验,
-数据处理方法对于非技术用户仍然不能被理解,以及
-算法的质量取决于技术参数的设置。
尽管渐渐意识到不充分的验证,然而却利用了不适当的方法例如,举例来说,由GlobusA.等人描述的“14 ways to say nothing with scientific visualization(与科学的可视化无关的14种方法)”,IEEE Computer 27(7),第86-88页,1994年。计算机视觉算法主要是由那些研究者他们自己的主观视觉印象来验证的。需要对CADx的所有应用和类似应用的一个量化的置信标准,以提高医生对这些应用的信任有充分根据。
WO 01/74238 A1公开了在不透明介质中定位一个不正常区域的方法,以用于光学乳房造影法,其中通过光照检查女性身体的乳房。所述方法产生图像,其中可以识别任何异常,例如肿瘤。
本发明的目的是提供改善了的定量信息计算机辅助提取。
根据本发明,提供了根据独立权利要求的计算机辅助提取定量信息的方法、数据处理设备和用于数据处理装置用以执行计算机辅助提取定量信息的计算机程序。
根据本发明的典型实施例,提供一种计算机辅助诊断的方法,其中基于第一参数集处理所获取的第一诊断数据以确定第一诊断结果。然后,根据上述诊断结果确定置信区间。举例来说,显示上述第一诊断结果和上述置信区间给用户。于是,基于例如来自上述系统的用户的输入来调整上述第一参数集。之后,基于上述被调整的第一参数集再处理上述诊断数据以确定第二诊断结果并进行显示。
根据本发明的这个典型实施例,提出了一个多步骤的方法,它适用于多个图像与信号处理算法,上述图像与信号处理算法通常是临床数据处理应用的基础。根据本发明的这个典型实施例的一个方面,提供了关于上述第一诊断结果的置信区间。换句话说,给上述方法的用户提供反馈,它给上述用户一种关于上述诊断可靠性的感觉。举例来说,对于定量测量,95%的区间(“在20个病例中的19个,真实的结果会在以下范围中”)可能是上述被限制的显示的一部分。几何结果,例如,患者器官的分割或其配准,可以用可探索的“灰色区域”来显示,以代替上述置信区间的统计的可视化,上述“灰色区域”表示上述被分割或配准的形状可能变化的区域。
通过适当的输入,上述用户可以改变上述第一参数集。然后,基于上述被调整的第一参数集可以执行上述诊断数据的再处理,以确定第二诊断结果。由此,上述系统的用户就会了解改变了的参数对诊断结果的影响,并且因此了解上述计算结果的稳定性和可靠性。
有益地,由于上述置信度的反馈,可以改善对上述系统或方法的信任。此外,由于上述参数的变化,上述用户可以交互地探讨某些参数或某些参数范围对上述诊断结果的影响,从而建立关于上述诊断结果的可靠性的感觉。
根据本发明的另一个典型实施例,通过相应的输入,用户可以改变上述第一参数集的至少一个参数。这可以允许上述诊断数据的交互式再处理。
根据本发明的另一个典型实施例,举例来说向系统用户提供了不信任选择的选项,根据其选择,上述第一诊断数据和相应的第一参数集被转发到服务端口,使得例如R&D(研发)组可以利用这个信息来更进一步地调整上述方法。举例来说,对上述不信任选择的选项的选择可能导致在匿名数据库中存储上述实际病例的数据。有益地,顾客可以收集这个数据并把它传递给市场和R&D。这可以允许用户感觉更被授权(empowered)以提高上述方法的性能。优选地,从在应用的现场所获取的临床数据中提取参数的范围,这使本发明的每个实施例能够分别适应于临床方案。
根据本发明的另一个典型实施例,提供信任选择的选项,根据其选择,上述第一参数集可以和上述第一诊断数据一起存储。已经证明是适当的第一参数集和第一诊断数据的集合可以用作为其他诊断的基准(ground truth),或者可以,举例来说,还被用于对上述方法或系统作更进一步的训练。
根据本发明的另一个典型实施例,可以比较上述第一诊断数据与第二诊断数据。可以确定上述第一和第二诊断数据的相似性,并且当上述相似性满足该标准时,可以基于最初属于上述第二诊断数据的第二参数集再处理上述第一诊断数据。
根据本发明的另一个典型的实施例,上述方法允许对第一和第二诊断的三个结果中至少一个可靠性进行探索性的确定。
根据本发明的另一个典型实施例,提供一个数据处理装置,它允许在涉及基于参数集而执行的诊断的置信区间实施可视化。此外,这个数据处理装置可以允许基于被调整参数集的诊断数据进行再处理。这个再处理可能具有下列效果。
作为第一个效果,通过调整上述第一参数集,可以获得更精确的第二诊断结果。作为第二个效果,通过调整上述第一参数集的参数,用户可以从上述参数中探索上述诊断结果的可靠性。这样,可以把上述置信区间可视化。
本发明还涉及用于数据处理装置的计算机程序,上述数据处理装置用于执行计算机辅助诊断。优选地,根据本发明的计算机程序要装入数据处理器的工作存储器。因此,装备上述数据处理器以执行本发明的上述方法。上述计算机程序可以被存储在计算机可读的介质上,例如CD-ROM。还可以在网络例如万维网上提供出上述计算机程序,并且可以从上述网络下载至数据处理器的工作存储器中。可以用任何适当的程序设计语言,例如C++,编写上述计算机程序。
把关于在某些参数上的诊断结果的可靠性的置信区间可视化,被看作是本发明典型实施例的要点。在一个输入的基础上,可以基于经调整的参数集去再处理上述诊断数据,以确定在上述显示器上显示的第二诊断结果。此外,标准化的反馈机制,例如可以提供信任或不信任选择的选项,以允许用户对上述方法和/或系统表达他们个人的信任,此外还通过允许这个反馈可以自动地被用来更进一步地改善上述方法或系统,以便进一步改善了所给出的结果。
可以应用本发明的典型技术领域包含:行李检查、医学应用、材料试验和材料科学。即使在医学应用的情况下,也没有必要一定要由医生来执行上述各种方法步骤。
从以下所描述的实施例和下列附图中本发明的这些及其他方面是显而易见的,并且会参考以下所描述的实施例和根据下列附图被阐明:
图1示出根据本发明的典型实施例的数据处理装置的概略图,它适于执行根据本发明的典型实施例的方法。
图2a和b示出根据本发明的典型实施例,操作图1中的数据处理装置的方法的典型实施例的流程图。
图3示出根据本发明,呈现给用户的显示的典型实施例。
图1描述了根据本发明的数据处理装置的典型实施例,上述数据处理装置用于执行根据本发明的方法的典型实施例。在图1中描述的数据处理装置包含连接到存储器2的中央处理器(CPU)或数据处理器1,上述存储器2用于存储上述诊断数据、上述参数集或任何中间结果。上述数据处理器1可以通过一个或多个数据传送机制被连接到多个输入/输出设备、网络设备或诊断设备,例如核磁共振成像(MRI)设备或CT设备。此外,上述图象处理器还被连接到显示设备4(例如,计算机监视器),用于显示由上述数据处理器1计算或修改的信息或图像。操作者或用户可以通过键盘5和/或其他的在图1中没有描述的输出设备与上述数据处理器1进行交互。
图2a和b示出了根据本发明的用于执行计算机辅助诊断的方法的典型实施例的流程图。
下列典型实施例涉及计算机辅助察看领域。然而,应该注意到本发明可以用于各种应用领域,例如,举例来说,在外科中的计算机辅助导航、介入计划、结果控制或其它。
在步骤S10中的开始之后,上述方法继续至获取诊断图像数据的步骤S11。举例来说,上述诊断图像数据可以是来自显微镜的图像。然后,上述方法继续至步骤S12,在此判断是否存在用于这个诊断图像数据的基准。一旦在S12中确定存在用于这个诊断图像数据的基准,上述方法继续至步骤S16,在此设定相应于上述基准的第三参数的第一参数集。然后,上述方法继续至步骤S17。
上述参数集的经调整的参数可以包含用于统计试验的重要性水平、用于二元判定的阈值、用于组合不同处理步骤的加权因子以及图像滤波器的比例和系数。在更进一步的实施例中,另外像强度、对比度和噪声强度之类的上述输入图像数据的特性可以被改变,以便关于这些图像特性的计算结果的稳定性也可以向上述用户显示。
一旦在步骤S12中确定不存在基准,上述方法继续至步骤S13,在此确定是否在存储器中存储有可比较数据。一旦确定在可访问的存储器中存在可比较数据,上述方法继续至步骤S14,在此根据第二参数设定上述第一参数集,上述第二参数对于上述可比较数据是有效的。然后,上述方法继续至步骤S17。
一旦在步骤S13中确定没有可比较数据,上述方法继续至步骤S15,其中根据预定参数范围设置上述第一参数集。然后,上述方法继续至步骤S17。
在步骤S17中,基于上述第一参数范围执行计算机辅助诊断。然后,上述方法继续至步骤S18,在此向上述系统的用户例如在显示器4上显示上述诊断结果。然后,上述方法继续至步骤S19,在此通过调整上述第一参数集的变量,可以由用户探讨上述被显示的诊断结果的可靠性或信任度。上述被调整的变量被用于再处理或再执行诊断以确定新的诊断结果。之后,例如经由显示器4,向上述用户显示上述新的或经调整的诊断结果。
举例来说,上述用户可以通过利用指定点设备移动游标来调整变量,例如在显示器上的鼠标指针。同时,举例来说,可以使用跟踪球、鼠标或鼠标滚轮来调整上述变量。
有益地,通过调整上述参数,上述用户可以探讨上述诊断结果的可靠性或信任价值。特别地,可以相对于上述经调整的变量来探讨上述诊断结果的可靠性。换句话说,通过研究上述可靠性或信任价值,量化的置信度量度可以被传达给上述系统的用户。
在本发明的这个典型实施例的变体中,还可能提供量化的置信度。举例来说,上述方法可以包含由于算法的不确定性在上述结果概率分布上的可视的反馈。举例来说,对于定量测量,95%的区间(“在20个病例中的19个,上述实际的结果将会在下列范围中”)可能是在显示器4上被限制的呈现给上述用户的一部分。相对于通过例如分割或配准而获得的的几何图形结果几何图形的不确定性,可以有益地不通过利用数量而是采用可探讨的例如举例来说在图3中所描绘的那样的“灰色区域”以统计方式显现。
在上述方法的开发和初始设计期间,不仅确定了在中途会送出最佳结果的一组技术参数,而且对于所有可利用的训练数据,还确定一个独立的参数集,该参数集以最适当方式再现了公知的黄金原理(gold truth)。由此,对于每个参数,可以向上述用户提供或者显示一个变化范围。于是,如上所述,上述用户可以使用输入设备,例如鼠标、鼠标滚轮或在上述显示器上显示的窗口游标,在这个变化范围内调整参数。有益地,根据本发明的这个方面,上述用户可以直接地(交互地)跟随关于上述显示器上诊断结果的变化。
然后,如同由在图2a底部和在图2b顶部的圆圈中的A所指出的那样,上述方法继续至步骤S20,在此确定是否存在一个不信任的项。用户可以输入一个不信任输入,上述输入指出尽管在步骤S19中作出了所有调整,但是对上述诊断结果还没有建立起信任,也就是,上述用户不相信上述诊断结果是适当的。一旦在步骤S20中确定有不信任项,如同由在图2b顶部和在图2a底部的被圈住的B所指出的那样,上述方法继续至步骤S21,在此调整上述第一参数集。举例来说,这个可以通过对步骤S17至S19选择不同的处理方法或者通过装入第一参数的另一个集合来实施。
根据本发明的这个典型实施例的变体,可能这样做是有益的,即可以自动地发送诊断图像数据和上述用户不信任的相应的第一参数集到服务端口,从上述端口它可以被下载至R&D部门。之后,可以利用这个数据更进一步地改进上述第一参数集以获得更好的结果。
一旦在步骤S20中确定没有不信任项,上述方法继续至步骤S22,在此确定是否存在信任项。一旦在步骤S20中确定选择了上述信任选择选项,也就是,有信任项,那么上述方法继续至步骤S23,其中上述诊断图像数据和上述第一参数集被添加至上述可比较数据和/或上述基准,和/或被用于在步骤S21中调整上述预定范围。如同可以从图2b中获取的那样,以及如同由在图2b顶部和在图2a底部被圈住的C所指示的那样,上述方法从步骤S23继续至步骤S21或至步骤S13或至步骤S12。在一变体中,上述方法可以在上述被圈住的C处停止,也就是在步骤S23之后。
一旦在步骤S22中确定没有信任项,上述方法继续至步骤S24,在此确定是否已经选择了学习选择选项,也就是,是否存在学习项。一旦在步骤S24中确定有学习项,上述方法继续至步骤S25,在此利用训练实例来调整上述第一参数集。这些训练实例可以是在先前运行的应用程序步骤S23中被添加至上述存储器的诊断图像数据和对应的第一参数集,在上述先前应用运行中上述用户信任该结果。除了通过上述数据处理方法之外,每当存在用于确定上述真实结果的措施时,例如通过专家意见或其他的诊断数据采集,那么训练就是可能的。如同由在图2b顶部和在图2a底部的被圈住的D所指出的那样,上述方法从步骤S25继续进行至S15。在一变体中,上述方法也可以在步骤S25之后停止。
一旦在步骤S24中确定没有学习项,上述方法继续至步骤S26,在此流程结束。
有益地,如同可以从上述描述中所获取的那样,当存在着对应的基准和图像数据的集合时,上述用户可以通过他或她自己改进上述CADx系统。举例来说,可以从可选择的并行诊断中获得基准和图像数据的这个集合。因此,举例来说,上述用户可以根据介入或另一个成象方法获得关于一定的诊断图像数据的基准。同时,可以为所要求的基准提供专家意见。于是,基于上述基准,上述系统可以自动地确定一组参数,上述参数允许有改进的再生成,也就是允许有改进的诊断结果。将上述诊断图像数据、上述相应的基准和上述另外附属参数集存储起来。
此外,如同可以从以上所获得的那样,还可以训练上述系统以允许自动选择适当参数。可以基于训练数据不断地训练上述系统,上述训练数据是不断地更新或扩展的。因此,通过基于不断发展的训练数据的集合来不断地训练该系统,上述系统可以允许有被改进的诊断结果。
举例来说,例如如果没有可利用的基准,还可以基于可比较数据执行上述诊断。举例来说,通过确定在当前诊断图像数据与保存在上述存储器中的图像数据之间的相似性,可以确定可比较数据集。基于全局图象特征,可以确定上述图像相似性。同时,基于图像亮度的统计学特性,可以确定上述图像相似性。同时,可以修改上述方法或系统,以便获取多个可比较的图像,并且基于对所有足够相似的输入图像有效的参数集之间的插值,确定最适合的参数集和相应的变化。之后可以利用相应于已经找到的可比较图像的参数集对上述诊断图像数据作更进一步的处理。
有益地,除置信区间的可视化之外,根据本发明的上述典型实施例,提供了标准化反馈机制,该机制为本发明的不同实施例提供类似的外观和用户交互。此外,有益地,通过用户交互,上述置信区间为可探讨的。举例来说,利用简单的游标,可以调节在量化、配准和分割算法中的不确定性。从左至右移动上述游标,可以产生覆盖整个置信度范围的算法结果的显示。
图3示出了根据本发明,可以显示在显示器4上的一典型实施例。
如同可以从图3中所获得的那样,举例来说,可以在具有区域30的窗口形式中实现上述显示,在上述区域30中显示上述诊断图像数据。此外,提供了三个按钮32、34和36。按钮32允许自动信任反馈。根据本发明的这个典型实施例的变体,通过操作信任按钮32,当前显示在区域30上的图像数据和相应的数据可以被自动地转发到服务端口,从上述服务端口可以把它分配作更进一步的使用。举例来说,可以通过电子邮件自动地执行这种转发。
不信任按钮34用来表示用户对利用当前参数集获得的分割结果的不信任。有益地,通过操作上述不信任按钮34,可以转发在区域30上显示的诊断图像数据和上述对应的参数集到上述服务端口供更进一步的使用。
参考数字38指示上述分割结果。线条40指示基于当前参数设置确定的诊断结果。虚线42将上述置信区间可视化。线条40代表当游标44位于中心时的诊断结果。于是,用户可以探讨所应用算法的置信区间。根据在由虚线42指示的置信度范围中的游标位置,上述分割板(segmentation boarder)展开。上述量化结果也从一个95%可靠的最小值变化到最大值。按钮36“训练已知标准”可以允许上述用户手动地调整上述轮廓。根据上述轮廓的人工修正,于是上述系统可以相应地校正上述分割的参数。
可以利用上述“训练已知标准”按钮36来调整影响上述算法性能的技术参数。无论何时,当可得到例如专家的主观视觉印象或基准度量之类的第二方意见时,这些结果就可以经训练进入到上述算法中。举例来说,利用上述“从实例中学习”的范例(就像通过参考被合并在此的2000年出版的在Bredno J.等人的:“Automatic Parameter Setting For Balloon Models(用于气球模型的自动参数设置)”Procs.SPIE 3979,第1185-1195页中所描述的一样),调整技术参数以便用上述算法再现基准。根据这个典型实施例的变体,这种从实例中学习还可以更进一步地包含回归分析,该回归分析能够根据全局输入的数据特征调整技术参数,例如在Lehmann T.M等人的:“Texture-Adaptive Active ContourModels(适应纹理的活动轮廓模型)”LNCS 2013,第387-396页,2001年中所描述的那样,该文在此被合并以供参考。
有益地,根据本发明,提供一种多个步骤的方法,它适用于各种图像和信号处理方法,上述图像和信号处理方法是临床应用的基础,并且它们被用于计算机辅助诊断。上述算法的结果包含定量测量、用于配准的变换参数、几何分割结果或其它。根据本发明,可以改善用户对上述系统和上述诊断结果的信任。
应该注意到上述给出的应用不局限于计算机辅助诊断领域,而且还可以被用于从医学数据采集提取定量信息的像介入设计、导航支持和输出控制这样的类似领域。
Claims (8)
1、一种对定量信息的计算机辅助提取方法,上述方法包含以下步骤:
从待检查对象中获取原始数据;
基于原始的参数集处理上述原始数据,以确定初步结果;
根据上述初步结果确定置信区间;
显示上述初步结果和上述置信区间;
基于输入调整上述原始参数集;
基于上述经调整的原始参数集再处理上述原始数据,以确定第二结果;以及
显示上述第二结果。
2、权利要求1中的方法,
其中上述原始参数集包含多个参数;
改变上述原始参数集中的至少一个参数;
基于上述被改变的至少一个参数,调整上述原始参数集;以及
基于上述已调整的参数集交互地再处理上述原始数据,以确定上述第二结果并显示上述第二结果。
3、权利要求1中的方法,更进一步地包括以下步骤:
提供不信任选择选项;以及
当选择了上述不信任选择选项时,转发上述原始数据和上述相应的原始参数集至服务端口。
4、权利要求1中的方法,更进一步地包括以下步骤:
提供信任选择选项;以及
当选择了上述信任选择选项时,存储与上述原始数据一致的上述原始参数集。
5、权利要求1中方法,更进一步地包括以下步骤:
比较上述原始诊断数据与第二数据;
判定上述原始数据与任何上述第二数据是否是可比较的;
基于属于类似的第二数据的第二参数集再处理上述原始数据,以确定第三结果;以及
显示上述第三结果。
6、权利要求1中的方法,
其中上述方法允许对上述原始结果和第二结果中至少一个的可靠性作探讨性的判断。
7、数据处理设备,包括:
存储器,用于存储来自待检查对象的原始数据和原始的参数集;
处理器,用于处理用于定量信息的计算机辅助提取的上述原始数据,以确定初步和第二结果;以及
显示器,用于显示上述初步和第二结果;
其中,由上述处理器基于原始参数集处理上述原始数据,以确定初步结果;
其中,由上述处理器根据上述初步结果确定置信区间;
其中,在上述显示器上显示上述初步结果和上述置信区间;
其中,由处理器基于输入调整上述原始参数集;
其中,由上述处理器基于上述经调整的原始参数集执行对上述原始数据的再处理,以确定第二结果;以及
其中,在上述显示器上显示上述第二结果。
8、用于执行对定量信息的计算机辅助提取的数据处理装置的计算机程序,其中,当在上述数据处理装置的数据处理器上执行上述计算机程序时,上述数据处理装置执行下列步骤:
从待检查对象获取原始数据;
基于原始参数集处理上述原始数据以确定初步结果;
根据上述初步结果确定置信区间;
显示上述初步结果和上述置信区间;
基于输入调整上述原始参数集;
基于上述经调整的原始参数集再处理上述原始数据,以确定第二结果;以及
显示上述第二结果。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
EP04100895 | 2004-03-05 | ||
EP04100895.4 | 2004-03-05 | ||
PCT/IB2005/050783 WO2005086065A2 (en) | 2004-03-05 | 2005-03-03 | Interactive computer-aided diagnosis |
Publications (2)
Publication Number | Publication Date |
---|---|
CN1997998A true CN1997998A (zh) | 2007-07-11 |
CN1997998B CN1997998B (zh) | 2012-12-12 |
Family
ID=34917204
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN2005800070643A Active CN1997998B (zh) | 2004-03-05 | 2005-03-03 | 交互式计算机辅助诊断 |
Country Status (5)
Country | Link |
---|---|
US (1) | US8965070B2 (zh) |
EP (1) | EP1728183A2 (zh) |
JP (1) | JP2007528763A (zh) |
CN (1) | CN1997998B (zh) |
WO (1) | WO2005086065A2 (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104027126A (zh) * | 2013-03-05 | 2014-09-10 | 株式会社东芝 | 医用图像处理装置以及医用图像处理方法 |
CN105074777A (zh) * | 2013-03-26 | 2015-11-18 | 皇家飞利浦有限公司 | 用于在诊断过程中支持用户的支持装置 |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8620051B2 (en) * | 2006-12-22 | 2013-12-31 | Salim Djerizi | Registration of optical images of turbid media |
US20090088620A1 (en) * | 2007-10-01 | 2009-04-02 | Koninklijke Philips Electronics N. V. | Quantitative clinical and pre-clinical imaging |
JP6027065B2 (ja) * | 2014-08-21 | 2016-11-16 | 富士フイルム株式会社 | 類似画像検索装置、類似画像検索装置の作動方法、および類似画像検索プログラム |
Family Cites Families (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5603322A (en) * | 1993-01-19 | 1997-02-18 | Mcw Research Foundation | Time course MRI imaging of brain functions |
US6574357B2 (en) * | 1993-09-29 | 2003-06-03 | Shih-Ping Wang | Computer-aided diagnosis method and system |
WO1996012187A1 (en) * | 1994-10-13 | 1996-04-25 | Horus Therapeutics, Inc. | Computer assisted methods for diagnosing diseases |
US6477399B2 (en) * | 2000-03-29 | 2002-11-05 | Mcw Research Foundation, Inc. | Method for determining the reliability of fMRI parameters |
DE60137623D1 (de) | 2000-03-31 | 2009-03-26 | Koninkl Philips Electronics Nv | Abweichenden bereiches in einem trüben medium |
US6944330B2 (en) * | 2000-09-07 | 2005-09-13 | Siemens Corporate Research, Inc. | Interactive computer-aided diagnosis method and system for assisting diagnosis of lung nodules in digital volumetric medical images |
US7072501B2 (en) * | 2000-11-22 | 2006-07-04 | R2 Technology, Inc. | Graphical user interface for display of anatomical information |
WO2002042998A2 (en) | 2000-11-22 | 2002-05-30 | R2 Technology, Inc. | Method and system for the display of regions of interest in medical images |
AU2003256925A1 (en) * | 2002-07-29 | 2004-02-16 | William Gregory Hundley | Cardiac diagnostics using wall motion and perfusion cardiac mri imaging and systems for cardiac diagnostics |
-
2005
- 2005-03-03 CN CN2005800070643A patent/CN1997998B/zh active Active
- 2005-03-03 JP JP2007501436A patent/JP2007528763A/ja not_active Withdrawn
- 2005-03-03 EP EP05708919A patent/EP1728183A2/en not_active Ceased
- 2005-03-03 WO PCT/IB2005/050783 patent/WO2005086065A2/en active Application Filing
- 2005-03-03 US US10/598,309 patent/US8965070B2/en active Active
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104027126A (zh) * | 2013-03-05 | 2014-09-10 | 株式会社东芝 | 医用图像处理装置以及医用图像处理方法 |
CN105074777A (zh) * | 2013-03-26 | 2015-11-18 | 皇家飞利浦有限公司 | 用于在诊断过程中支持用户的支持装置 |
CN105074777B (zh) * | 2013-03-26 | 2018-07-03 | 皇家飞利浦有限公司 | 用于在诊断过程中支持用户的支持装置 |
Also Published As
Publication number | Publication date |
---|---|
WO2005086065A3 (en) | 2006-09-28 |
JP2007528763A (ja) | 2007-10-18 |
CN1997998B (zh) | 2012-12-12 |
EP1728183A2 (en) | 2006-12-06 |
US20080294591A1 (en) | 2008-11-27 |
WO2005086065A2 (en) | 2005-09-15 |
US8965070B2 (en) | 2015-02-24 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US7130457B2 (en) | Systems and graphical user interface for analyzing body images | |
CN100470560C (zh) | 图像像素编码方法和图像处理方法 | |
US10085707B2 (en) | Medical image information system, medical image information processing method, and program | |
US20030028401A1 (en) | Customizable lung report generator | |
US20050251021A1 (en) | Methods and systems for generating a lung report | |
US11488306B2 (en) | Immediate workup | |
CN108369642A (zh) | 根据头部计算机断层摄影解释和量化急症特征 | |
CN103959331B (zh) | 肺叶的模糊引导交互式分割的工作流程 | |
CN106537398A (zh) | Irecon:具有预估运行的智能图像重建系统 | |
CN102737250A (zh) | 3d医学图像数据中对脊椎骨损伤自动检测的方法和系统 | |
US11756292B2 (en) | Similarity determination apparatus, similarity determination method, and similarity determination program | |
US20210248716A1 (en) | Systems and methods for consistent presentation of medical images using deep neural networks | |
CN1997998B (zh) | 交互式计算机辅助诊断 | |
CN106462974A (zh) | 用于分割图像的参数优化 | |
JP7170000B2 (ja) | 学習システム、方法及びプログラム | |
CN112396606B (zh) | 一种基于用户交互的医学图像分割方法、系统和装置 | |
Baalamurugan et al. | A novel approach for brain tumor detection by self-organizing map (SOM) using adaptive network based fuzzy inference system (ANFIS) for robotic systems | |
CN109065177A (zh) | 一种医疗数据的处理方法、装置、服务器及存储介质 | |
CN104915989A (zh) | 基于ct影像的血管三维分割方法 | |
CN107610772A (zh) | 一种甲状腺结节ct图像诊断系统设计方法 | |
AU2019204365B1 (en) | Method and System for Image Segmentation and Identification | |
Gaber et al. | Comprehensive assessment of facial paralysis based on facial animation units | |
Kumar et al. | Automatic brain tumor detection using machine learning and mixed supervision | |
CN110993091B (zh) | 从数据生成向量 | |
TW201118773A (en) | Medical information integrated system and method |
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 |