JP2005515874A - 肺の小結節検出時のフォールスポジティブを低減するための気管支壁厚認識 - Google Patents
肺の小結節検出時のフォールスポジティブを低減するための気管支壁厚認識 Download PDFInfo
- Publication number
- JP2005515874A JP2005515874A JP2003564800A JP2003564800A JP2005515874A JP 2005515874 A JP2005515874 A JP 2005515874A JP 2003564800 A JP2003564800 A JP 2003564800A JP 2003564800 A JP2003564800 A JP 2003564800A JP 2005515874 A JP2005515874 A JP 2005515874A
- Authority
- JP
- Japan
- Prior art keywords
- airway
- test
- candidate
- nodule
- pixels
- 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.)
- Withdrawn
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
- G06T7/0012—Biomedical image inspection
-
- G—PHYSICS
- 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
- G06T2207/30061—Lung
-
- 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
- Y10S128/922—Computer assisted medical diagnostics including image analysis
Landscapes
- Engineering & Computer Science (AREA)
- Quality & Reliability (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Radiology & Medical Imaging (AREA)
- Health & Medical Sciences (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Apparatus For Radiation Diagnosis (AREA)
- Magnetic Resonance Imaging Apparatus (AREA)
- Image Processing (AREA)
Abstract
候補に結合された気道腔をテストし、候補が気道腔と結合されている場合、候補をフォールスポジティブ小結節候補として認識し、テストは、検査面に対して相対的に垂直な気道に対する垂直テスト(170)を含み、検査面に対して相対的に平行な気道に対する平行テスト(180)を含み、小結節候補を受け取ることを含む、気道と関連するフォールスポジティブ小結節候補を自動的に低減するためのシステム(100)及び方法。
Description
背景技術
肺動脈又は肺ガンは、目下のところ、ガン死の主要な原因である。ガンに関係した肺小結節を早機検出・発見することにより、肺ガンに起因する死亡を阻止するのに大きな機会が提供される。非襲性、高解像度、薄スライス、マルチスライス、又は、マルチ・デテクタ・コンピューテッド・トモグラフィ(”CT”)スキャナにより、解剖構造での膨大な量の詳細な画像データが提供される。従って、CT画像からの肺小結節を非襲性で早期検出するのは、極めて有望なことである。
肺動脈又は肺ガンは、目下のところ、ガン死の主要な原因である。ガンに関係した肺小結節を早機検出・発見することにより、肺ガンに起因する死亡を阻止するのに大きな機会が提供される。非襲性、高解像度、薄スライス、マルチスライス、又は、マルチ・デテクタ・コンピューテッド・トモグラフィ(”CT”)スキャナにより、解剖構造での膨大な量の詳細な画像データが提供される。従って、CT画像からの肺小結節を非襲性で早期検出するのは、極めて有望なことである。
不幸なことに、CTスクリーニングにより、早機段階での小さな小結節を発見する手段が提供されるが、既存の自動小結節発見方法は、典型的に、高いフォールスポジティブレシオがあるという弱点にさらされている。フォールスポジティブレシオは、自動小結節検出等のために考慮しなければならない重要な点であり、自動小結節検出のためにフォールスポジティブレシオを低減するのが望ましい。
要約
従来技術の、これらの欠点及びこれ以外の欠点は、小結節候補の受け取りを含む気道と関連したフォールスポジティブ小結節候補を自動的に低減するためのシステム及び方法、候補が気道腔に結合されている場合に、当該候補に結合した気道腔をテストするためのシステム及び方法によって引き起こされ、その際、このテストには、検査平面に対して相対的に垂直方向の気道の垂直テスト、及び、検査平面に対して相対的に平行な気道の平行テストが含まれている。
従来技術の、これらの欠点及びこれ以外の欠点は、小結節候補の受け取りを含む気道と関連したフォールスポジティブ小結節候補を自動的に低減するためのシステム及び方法、候補が気道腔に結合されている場合に、当該候補に結合した気道腔をテストするためのシステム及び方法によって引き起こされ、その際、このテストには、検査平面に対して相対的に垂直方向の気道の垂直テスト、及び、検査平面に対して相対的に平行な気道の平行テストが含まれている。
以下、本発明の、これらの観点、及び他の観点、特徴及び利点について、図示の実施例を用いて詳細に説明する。
図面の簡単な説明
本発明は、肺小結節検出時のフォールスポジティブを低減するためのアプローチを提供する。
本発明は、肺小結節検出時のフォールスポジティブを低減するためのアプローチを提供する。
図1は、本発明の実施例によるCT画像から気管支の壁厚を自動的に認識するためのシステムのブロック図を示し、
図2A及び2Bは、2つの典型的な気道の気管支壁厚から帰結するフォールスポジティブ小結節を有するCT画像の図を示し、
図3は、スキャン平面での気道の様子2つの極端な場合の略図を示し、
図4は、スキャン平面に対して相対的な、気道分枝の配向をプロットした図を示し、
図5は、本発明の実施例によるCT画像からのフォールスポジティブ小結節を自動的に認識するための流れ図を示し、
図6は、解剖学的気道特徴の略図を示し、
図7は、気道方向での垂直テストを実施するための流れ図を示し、
図8は、コンパクト性及びエリアテストを示す拡大したオリジナル画像及び閾値を示し、
図9は、不確定な垂直テストと組み合わせて隣接管情報を使うための流れ図を示し、
図10は、平行テストでのハイコンフィデンスピクセルのプロフィル抽出及びコネクションを示す略図を示し、
図11は、平行気道の全体に亘るコンフィデンスを決定するための流れ図を示し、
図12は、気道を検出するための平行テストを実行するための流れ図を示し、
図13は、検査平面上での気道を決定するための流れ図を示す。
図2A及び2Bは、2つの典型的な気道の気管支壁厚から帰結するフォールスポジティブ小結節を有するCT画像の図を示し、
図3は、スキャン平面での気道の様子2つの極端な場合の略図を示し、
図4は、スキャン平面に対して相対的な、気道分枝の配向をプロットした図を示し、
図5は、本発明の実施例によるCT画像からのフォールスポジティブ小結節を自動的に認識するための流れ図を示し、
図6は、解剖学的気道特徴の略図を示し、
図7は、気道方向での垂直テストを実施するための流れ図を示し、
図8は、コンパクト性及びエリアテストを示す拡大したオリジナル画像及び閾値を示し、
図9は、不確定な垂直テストと組み合わせて隣接管情報を使うための流れ図を示し、
図10は、平行テストでのハイコンフィデンスピクセルのプロフィル抽出及びコネクションを示す略図を示し、
図11は、平行気道の全体に亘るコンフィデンスを決定するための流れ図を示し、
図12は、気道を検出するための平行テストを実行するための流れ図を示し、
図13は、検査平面上での気道を決定するための流れ図を示す。
有利な実施例の詳細な説明
コンピューテッドトモグラフィ(”CT”)画像から自動的に肺小結節を検出する際に大いに関心があるように、自動検出方法でのフォールスポジティブレシオを小さくする必要がある。本発明によると、小結節検出の際にフォールスポジティブ結果を引き起こすことがしばしばある気管支壁厚を認識することによって、フォールスポジティブを低減するための技術が開示される。
コンピューテッドトモグラフィ(”CT”)画像から自動的に肺小結節を検出する際に大いに関心があるように、自動検出方法でのフォールスポジティブレシオを小さくする必要がある。本発明によると、小結節検出の際にフォールスポジティブ結果を引き起こすことがしばしばある気管支壁厚を認識することによって、フォールスポジティブを低減するための技術が開示される。
自動化された肺小結節検出システムでは、分容積効果に起因する気管支壁厚によって、フォールスポジティブ結果が引き起こされることがよくある。例えば、Fan他による”Automatic Detection of Lung Nodules from Multi−Slice Low−Dose CT Image”での報告によると、自動的に検出された112の小結節中に41の誤った小結節があり、その際、41のフォールスポジティブのうちの16は、明らかに気管支壁厚に関係していた(Li Fan, Carol L. Novak, Jian−Zhong Qian, Gerhard Kohl, and David P.Naidich, Proceedings of SPIE Medical Imaging 2001, vol.4322, Part Tree,2001,pp.1828−1835)。
従って、既存の自動的な小結節検出システムに組み込まれた気管支壁厚検出技術により、フォールスポジティブレシオをほぼ低減することができる。本発明によると、気管支壁厚によって引き起こされた小結節候補を識別するためのフォールスポジティブフィルタとして、現行の小結節検出システムと共に使うことができる自動気管支壁厚検出モジュールが提供される。
図1には、本発明の実施例によるCT画像から肺小結節を自動的に検出するためのシステム100のブロック図が示されている。このシステム100は、システムバス104と信号通信する、少なくとも1つのプロセッサ又は中央処理ユニット(”CPU”)102を含む。リードオンリーメモリ(”ROM”)106、ランダムアクセスメモリ(”RAM”)108、ディスプレイアダプタ110、I/Oアダプタ112及びユーザインターフェースアダプタ114が、システムバス104と信号通信する。
ディスプレイユニット116は、ディスプレイアダプタ110を介して、システムバス104と信号通信する。ディスクストレージユニット118、例えば、磁気又は光学ディスクストレージユニットは、I/Oアダプタ112を介してシステムバス104と信号通信する。マウス120、キーボード122、アイトラッキングデバイス124は、ユーザインターフェースアダプタ114を介してシステムバス104と信号通信する。マウス120、キーボード122、及びアイトラッキングデバイス124は、デジタル医療画像中の疑わしい領域の検出の際に補助的に利用される。
垂直テストユニット170と平行テストユニット180は、システム100に含まれ、CPU102及びシステムバス104と信号通信する。垂直テストユニット170及び平行テストユニット180は、少なくとも1つのプロセッサ又はCPU102と接続されているように図示されており、これらの各コンポーネントは、有利には、少なくとも1つのメモリ106,108及び118の1つに記憶されているコンピュータプログラムコードで実現されており、その際、コンピュータプログラムコードは、CPU102によって実行される。
システム100は、肺のCT画像をデジタル化するために、ユーザインターフェースアダプタ114を介してシステムバス104と信号通信するディジタイザ126を含むようにするとよい。択一的に、デジタルCT画像が、システムバス104と信号通信する通信アダプタ128を介して、又は、当業者に公知の他の適切な手段を介して、ネットワークからシステム100に入力される場合には、ディジタイザ126を省略してもよい。
適切な技術分野の、通常の当業者には認識されているように、ここに記載されている技術内容に基づいて、例えば、プロセッサチップ102に設けられたレジスタ内のコンピュータプログラムコードの幾つか、又は、全てを用いて、択一的な実施例が可能である。ここに記載されている技術内容が与えられると、適切な技術分野の当業者は、本発明の技術思想の範囲内で、択一的な種々異なる構成を実施することができ、垂直テストユニット170と平行テストユニット180並びにシステム100の他の要素を実施することができる。
図2A及び2Bには、典型的な2つの気道での気管支壁厚から得られたフォールスポジティブ小結節のあるCT画像が示されている。自動化された肺小結節検出システムでは、分容量効果に起因する気管支壁厚によって生じたフォールスポジティブ結果が生じることがしばしばある。
小結節候補では、気道腔が小結節候補に結合されているということが認識された場合、フォールスポジティブ候補を真の小結節候補から区別するために、その結果が、気管支壁厚によって生起されたかどうか決定することができる。従って、このことが明らかになることにより、小結節候補に結合した気道腔を検出することができるようなる。この方法では、CT画像中の気道の様子を幾何的及びグレイレベル特徴分析することに基づく気道分枝の2つのタイプを識別するための異なった2つのアプローチが使われる。図2Aには、一対の、密接な関係のある気道及び血管210が、フォールスポジティブ小結節212に結合されているように見え、対210は、検査又はスキャン平面(ここでは、ページの平面)に対して垂直方向である。図2Bでは、気道216がスキャン平面に対して平行である個所のフォールスポジティブ小結節214が示されている。CT画像内の視野平面上に現れる関連の幾何的な特徴に基づいて、気道分枝の2つのタイプを自動的に認識するシステム及び方法では、特徴が、垂直テスト及び/又は平行テストを用いて識別される。
図3に示されているように、管状の気道分枝310及び316が、スキャン平面と気道分枝との間のカット角度に依存して異なった見え方で、CT画像中のスライス上に示されている。極端な2つの場合が、図3に示されている。つまり、気道”B”310は、スキャン平面に対して垂直であり、気道”A”316は、スキャン平面に対して平行である。たいていの気道分枝は、これら2つの極端な場合の間で、スキャン平面上に現れる。カット角度に基づいて、気道分枝は、2つのタイプに分けられる。第1に、気道分枝の軸方向が、スキャン平面の垂直に近い場合、スキャン平面上の見え方は、気道壁によって囲まれた円盤状又は楕円状である。第2に、気道分枝の軸方向が、スキャン平面の平行方向に対して閉じられているならば、スキャン平面での見え方は、近接して平行な2つの気道壁のあるストリップである。
図2A及び図2Bに戻ると、実際のCT画像からの2タイプの気道の図が示されている。図2Aでは、対210での気道分枝は、スキャン平面に対して垂直又はほぼ垂直であり、図2Bでは、気道分枝216は、スキャン平面に対してほぼ平行である。
図4に戻ると、2タイプの気道分枝の検出のために、各々の異なった幾何的特徴故に、異なった2つのアプローチが使われる。垂直テストと呼ばれる第1のアプローチでは、垂直方向気道から導出された特徴を使って、スキャン平面400に対して垂直方向又はほぼ垂直方向の気道分枝が検出される。同様に、第2のアプローチは、平行テストと呼ばれ、平行又はほぼ平行気道を認識する。図4には、垂直テスト用のカット角範囲410及び平行テスト用のカット角範囲416が示されている。
図5に示されているように、垂直及び平行テストは、各小結節候補に対して実行される。機能ブロック510は、例えば、co−pending Attorney Docket No.2001P22986US(8706−543),名称 ”Vessel−Feeding Pulmonary Nodule Candidate Generation”の方法から得られた小結節候補を受け取る。決定ブロック5112は、候補が単なる相対的に垂直の気道壁の部分であるかどうか確定するたに、垂直テストを実行する。テスト結果が真であるならば、その候補は、機能ブロック514で、気管支壁厚に起因するフォールスポジティブ小結節として分類される。決定ブロック512の結果が負であるならば、決定ブロック516は、その候補が単なる相対的に平行な気道壁の部分であるかどうか確定するための平行テストを実行する。このテスト結果が真であるならば、その候補は、機能ブロック514で、気管支壁厚に起因するフォールスポジティブ小結節としてマークされる。決定ブロック516の結果が負であるならば、その候補は、機能ブロック518で、真の小結節の可能性として分類される。従って、垂直テスト又は平行テストのどちらかにより、小結節候補が気道上に位置しているということが決定された場合、その候補は、フォールスポジティブと見なされる。
図6に示されているように、気道の解剖学的特徴が、テストのために利用される。垂直テストにより、以下の解剖学的知識を使用して、関心領域(”ROI”)内で、相対的に垂直方向の気道がサーチされる:1)気道618の内径は、CT画像内の暗い領域である;2)気道の内径は、CT画像内の比較的明るい気道壁620によって囲まれている;3)気道618及び血管616は、密に関連して、平行に分岐していることがよくあり、血管616は、気道618の内径および肺の実質組織622と比較してずっと明るい。例えば、図2Aには、実際のCT画像内の密に関連した気道及び血管のある例の対210が示されている。
図7には、図5の垂直テスト512が詳細に図示されている。小結節候補が、機能ブロック710で受け取られる。ROIは、検査される小結節候補の位置に基づく気道検出プロシージャ用の機能ブロック712で定義される。機能ブロック714で、ROIは、所定の閾値でスレッショールディングされており、接続されたコンポーネント解析は、気道候補を得るために使われる。決定ブロック716は、これら候補のコンパクトさとエリアを、気道のヒューリスティック値と比較する。これらのテストが偽である場合、機能ブロック718は、その候補が気道上に位置していないとして分類し、典型的には、論理偽と判定する。ブロック716の結果が真である場合、機能ブロック720は、気道壁存在テストを実行して、気道壁の部分である候補の確率を分類する。確率が「小さい」場合、制御は、上述のブロック718に進められる。確率が「大きい」場合、制御は、機能ブロック722に進められて、候補が、気道上に位置しているとして分類し、典型的には、論理真と判定する。しかし、確率が「中間」である場合、付加的な隣接管テストが、判定ブロック724で実行される。ブロック724が隣接管を検出すると、候補は、上述のブロック722によって、気道上に位置しているとして分類される。ブロック724が隣接管を検出しない場合、候補は、上述のブロック718によって、気道上に位置していないと分類される。従って、直近管からの可能な起動までの距離は、一緒に結合されて、小結節候補が、スキャン面に対して相対的に垂直方向の気道上に位置しているかどうかについての最終判定を行う。
上述の垂直テストで、所定のグローバルな閾値が最初に選択されて、可能な気道ボクセルを区分することができる。X線CT画像では、空気のHounsfield数は、−1000HUである。部分容積効果を考慮するために、気道管膣の閾値は、この実施例では、ほぼ−874HUであるが、択一的な実施例では、他の比較可能な値を使ってもよい。閾値形成後、接続されたコンポーネント解析は、大部分空気からなる、気道領域候補となる領域を得るのに使われる。
図8では、2つの幾何学的特徴、即ち、コンパクトさとエリアが、気道領域候補をチェックするための垂直テストで使われる。ここでは、画像810が−874HUのTairwayを使って閾値が形成されていて、スレッショールディングされた画像812が形成される。小結節候補814は、両画像内で見つけられる。気道分岐がスキャン面に対して垂直又は近垂直である場合、スキャン面上での、その見え方は、円形又は楕円であるはずである。円形でも楕円でも、極めてコンパクトな形状である。コンパクトさが(円周)2/エリアとして定義されている場合、円形又は楕円は、比較的なコンパクト数を有している。暗い領域が、大きなコンパクト数を有している場合、この領域は、任意形状の肺の組織実質(parenchyma)であるか、又は、相対的に平行な気道領域である確率が極めて高い。気道領域のエリアは、所定範囲内に限定されて、小さなエリアのランダムノイズと大きなエリアの肺の組織実質が排除される。
ここでは、気道領域816は、申し分のないエリア値を有する極めてコンパクトである。しかし、気道領域816が本当に気道領域であると結論づけるためには、別のテストが必要である。
別の画像818は、閾値画像820を形成するためにスレッショールディングされる。画像818及び820は、異なった小結節候補822を含み、結合された気道領域はない。従って、小結節候補822は、トゥルーポジティブ小結節候補である。
コンパクトさ、及びエリアテスト後、可能な気道領域が存在する。真の気道領域は、気道壁の存在をチェックすることによって可能なものから区別されなければならない。気道領域は、明るい気道壁によって囲まれている。つまり、気道領域の外側の境界上のピクセルは、高いHounsfield数を有している。しかし、以前のステップでは、小結節候補と見なされる、気管支壁厚のたいていの気道分岐は、比較的小さい。従って、その壁は、部分容積効果のために必ずしも完全である必要はない。壁の存在の信頼レベルが、3つの記述の1つに従ってラベリングされる:1)外部境界ピクセルの個数全体に亘る明るいピクセルの個数が、予め定義された所定値、例えば、80%よりも大きい場合、壁の存在が「強い」;2)個数全体に亘る暗いピクセルの個数が予め定義された所定値、例えば、50%よりも大きい場合、壁の存在は「弱い」;3)壁の存在が強い、又は、弱いとラベリングされることができない場合、壁の存在は「中間」である。
気道領域候補の壁の存在のコンフィデンスが強い又は弱い場合、このステップで、気道領域であるかどうかに関して判定することができる。小結節候補814は、強いコンフィデンスレベルを持った、結合された気道領域816を有している。従って、候補814は、フォールスポジティブ小結節候補である。
図9に示されているように、壁存在測定が中間である場合、付加的な隣接管テストを、良好な判定を行うために実行する必要がある。気道が隣接管に伴っていることが屡々あるという事実に基づいて、システムは、ROI内の管を検出し、管と気道候補との間の距離を計算して、気道の存在を判定するのを支援する。CT画像中の管のHounsfield数は、水のHounsfield数、0HUによって近似することができる。従って、管領域は、肺の組織実質に比較して明るい。しかも、管領域のエリアは、有利には、ランダムノイズと胸部壁領域を排除するように選択された範囲内である。
気道壁存在からの証拠が、判定するのに十分に強いか、又は弱い場合、隣接管存在テストが使われる。CT画像中の気道壁のグレイレベルは、大きな範囲内で変化することがあり得る。従って、ノイズに対する不感性及びローブストな結果を達成するために、この場合、気道壁存在のコンフィデンス数と隣接管存在のコンフィデンス数とを結合することによって判定される。
従って、流れ図910では、境界ピクセルの平均グレイレベルに基づくグレイレベルコンフィデンス機能部912が、乗算器914での重み付け係数αによってスケーリングされる。機能部912で、G1及びG2は、気道壁検出用のグレイレベル閾値である。G1及びG2は、各々、ほぼ224HU及び424HUであるが、この実施例では、他の比較可能な値を択一的な実施例で使用してもよい。直近管と気道候補との間の距離に基づいて、距離コンフィデンス機能部916は、乗算器918で、重み付け係数βによってスケーリングされる。機能部916では、D1及びD2は、隣接管テスト用の距離閾値である。D1及びD2は、各々ほぼ2.0mm及び4.5mmであるが、この実施例では、別の比較可能な値を他の択一実施例で使ってもよい。加算結合部920は、乗算器914及び918から重み付けされたコンフィデンスレベルを受け取り、オーパオールコンフィデンス機能部922にローレベルを供給する。判定ブロック924は、オーパオールコンフィデンスレベルを受け取り、それが、閾値Tconfよりも大きいか、又は、等しいかどうか決定し、この閾値Tconfは、この実施例ではほぼ0.75であるが、他の比較可能な値を択一的な実施例で使ってもよい。オーパオールコンフィデンスが、Tconfよりも小さくない場合、機能ブロック926は、候補が気道上に位置しているということを決定する。オーパオールコンフィデンスがTconfよりも小さい場合、機能ブロック928は、候補が気道上に位置していないことを決定する。
図10では、平行テストでのハイコンフィデンスピクセルのプロフィル抽出及び結合が、ダイアグラム1010によって一般的に示されている。平行気道を検出するために、リッジ検出器が、小結節候補1012と共に、平行気道1014の気道壁1016に対して垂直方向に計算するために使用される。それから、リッジ検出器からの方向に対して平行なプロフィルが抽出される。このプロフィルは、平行壁存在コンフィデンスを、プロフィル上の気道状セグメントの中間ピクセルに割り当てるために解析される。
図11に示されているように、平行気道壁コンフィデンスカルキュレータ1110は、第1のグレイレベルコンフィデンス機能部1112を、第1の気道壁部分でのコンフィデンスを決定するため、及び、乗算器1114での係数による結果を重み付けするために有している。この重み付け係数は、この実施例では、ほぼ0.5であるが、他の比較可能な値を択一的な実施例で使ってもよい。第2のグレイレベルコンフィデンス機能部1116は、第2の気道壁部分でのコンフィデンスを決定し、この結果は、乗算器1118での係数によって重み付けされる。この重み付け係数は、この実施例では、ほぼ0.5であるが、他の比較可能な値を択一的な実施例で使ってもよい。加算機能部1120は、乗算器1114及び1118の積を受け取り、和をオーパオールコンフィデンス機能部1122に、気道壁対のオーパオールコンフィデンスを決定するために供給する。
図12では、気道検出用の平行テストの流れ図1210が、有利に自動的に検出された小結節候補を受取るための機能ブロック1212を有しており、当該候補を機能ブロック1214に供給する。機能ブロック1214はプロフィル方向をリッジ検出器で計算し、機能ブロック1216に供給する。機能ブロック1216は、プロフィルを解析し、コンフィデンス数を、各可能な気道プロフィルの中間ピクセルに対して割り当てる。機能ブロック1218が機能ブロック1216に続き、ハイコンフィデンス数のピクセルを許容範囲内で結合し、判定ブロック1220に供給する。判定ブロック1220は、結合されたピクセルの数を閾値Nconn内で比較する。結合されたピクセルの数がNconnよりも小さい場合、機能ブロック1222は、ピクセルが気道上に位置していないことを決定する。結合されたピクセルの数がNconnよりも大きいか、又は等しい場合、判定ブロック1224は、結合されたピクセルの平均コンフィデンスを閾値Tconf内で比較する。平均コンフィデンスがTconfよりも小さい場合、機能ブロック1222は、ピクセルが気道上に位置していないことを決定する。平均コンフィデンスがTconfよりも小さくない場合、機能ブロック1226は、ピクセルが気道上に位置していることを決定する。
従って、平行壁存在コンフィデンスは、プロフィル上の暗い部分の両サイドのグレイレベル値から算出される。コンフィデンス数計算後、ハイコンフィデンス数のピクセルは、所定の許容範囲で、連続線又は曲線内に結合され、小結節候補が平行気道上に位置していることが判定される。
図13に示されているように、気道テストが異なったビュー平面上で実行される。流れ図1310は、異なった回転面、矢状面、冠状面での小結節候補で気道を検出する。機能ブロック1312は、小結節候補を、有利には、自動検出器から受け取り、判定ブロック1314に制御を渡す。判定ブロック1314は、垂直及び平行テストによって、全ての回転面上で気道を検出し、相応の気道が検出された場合、機能ブロック1316に制御を渡す。機能ブロック1316は、小結節候補が気管支壁厚によって偽の小結節が生起していることを決定する。判定ブロック1314が気道を検出しない場合、判定ブロック1318に制御が渡され、判定ブロック1318は、垂直テストも平行テストも使って矢状面上の気道を検出する。ブロック1318が気道を検出すると、上述のように、機能ブロック1316に制御が渡される。しかし、ブロック1318が気道を検出しない場合、冠状面上の気道を検出するために判定ブロック1320に制御を渡す。判定ブロック1320が気道を検出すると、上述のように、機能ブロック1316に制御を渡す。判定ブロック1320が気道のどれも検出しない場合、機能ブロック1322に制御を渡し、機能ブロック1322は、小結節候補が気管支壁厚検出により真の小結節候補であると見なすものと決定する。
このようにして、気道分岐が横方向スキャン面上でだけビューされる場合、そのグレイレベル又は幾何学的特徴は、垂直テスト又は平行テストのどちらかによって所定の場合に認識するのに十分な質の良さである。しかし、異なった角度で横方向面に回転するか、又は、矢状又は冠状面上の気道分岐を見る場合、気道は、ビュー面のどれかでの垂直又は平行テストによって捕捉するとずっと容易である。X,Y,Z方向での異方性及び補間により導入されるアーチファクトに基づいて、横方向スライスを除外する異なったビュー面で、気道を識別するために、もっと厳密な抑制が、有利には、垂直又は平行テストで使用される。
垂直テスト又は平行テストのどちらかが、小結節候補がビュー面のどれかの上の気道上に位置していることを決定すると、小結節候補は、気管支壁厚、痰、又は気道の分岐点で蓄積された汚物によって生起したフォールスポジティブと見なされる。
このシステムの最終出力は、フォールスポジティブの肺の小結節をビジュアルにすることによっても、フォールスポジティブを自動的に除去するように、CADシステムに検出されたフォールスポジティブのリストを供給して、そのようなCADシステムのオーパオール診断精度を改善することによっても、又は、真の候補のアップデートされたリストを小結節検出システム、例えば、co−pending Attorney Docket No.2001P22990US(8706−542)”Vessel−Feeding Pulmonary Nodule Detection By Volume Projection Analysis”に記載されたシステムに供給することによっても、ディスプレイ装置上で、外科医に直接供給することができる。
手術中、本発明の開示技術思想により、気管支壁厚及びCT画像からの関連現象から生じるフォールスポジティブ小結節候補を自動的にフィルタリングすることがわかり、その結果、放射線医師及び外科医が、多数のフォールスポジティブ小結節候補によるリーディングの重い負担から解放され得る。本発明の開示技術思想の利点は、フォールスポジティブレートの低さを維持しつつ、肺の小結節に対しての感度が提供されるという点にある。通常、肺の小結節は、スライス画像中に、近円形状陰影として現れ、この陰影は、管の横断面に似ている。従って、多くの既存の認識方法は、高いフォールスポジティブレートを有している。本発明によると、気道及びその関連のフォールスポジティブ小結節候補を検出することによって、この問題点を解決することができる。実施例では、CTイメージングを参照して説明したけれども、本発明は、例えば、磁気共鳴イメージング(”MRI”)のようなイメージングの他のタイプにも適用可能であることが分かる。
本発明の技術思想は、種々の形式のハードウェア、ソフトウェア、ファームウェア、特定の目的のプロセッサ、又は、それらの組み合わせによって実行してもよいことが分かる。最も有利には、本発明の技術思想は、ハードウェアとソフトウェアとの組み合わせとして実行される。しかも、ソフトウェアは、有利には、プログラムストレージユニット上で確実に実施されるアプリケーションプログラムとして実行される。アプリケーションプログラムは、何らかの適切なアーキテクチュアを含むマシンにアップロードされて、このマシンにより実行される。有利には、このマシンは、1つ以上の中央処理ユニット(”CPU”)、ランダムアクセスメモリ(”RAM”)、及び、入力/出力(”I/O”)インターフェースのようなハードウェアを有するコンピュータプラットフォーム上で実行される。コンピュータプラットフォームは、オペレーティングシステムとマイクロプロセッサインストラクションコードを含むとよい。種々異なるプロセッサとここで説明した機能部は、どちらも、マイクロプロセッサインストラクションコードの部分、又は、アプリケーションプログラムの部分、それらの何らかの組み合わせのどれかにするとよく、オペレーティングシステムを介して実行される。更に、種々異なる他の周辺ユニットを、化的なデータストレージユニット及びプリンティングユニットのようなコンピュータプラットフォームに接続してもよい。
構成システムコンポーネントのあるもの、及び、図示の方法機能ブロックは、有利には、ソフトウェアで実行され、システムコンポーネント間の実際の接続、又は、プロセス機能ブロックは、本発明がプログラミングされたやり方に依存して異なっていてもよい。ここに開示した技術により、当業者は、これらの技術から、同様に、開示されている本発明を実施したり、又は、構成したりすることができる。
図示の実施例を用いて説明したが、本発明は、これらの正確な実施例に限定されるものではなく、本発明の開示技術思想から逸脱しない限りで、当業者は種々に変形実施することができる。変形実施例は全て、本発明の独立請求項の範囲内に記載されている。
Claims (34)
- 気道に関するフォールスポジティブ小結節候補を自動的に低減する方法において、
小結節候補を受け取り、
戦記小結節候補に結合した気道をテストし、
前記小結節候補が気道膣に結合されている場合、前記小結節候補をフォールスポジティブ小結節候補として認識することを特徴とする方法。 - 検査面に対して相対的に垂直方向の気道の垂直テストと、
前記検査面に対して相対的に平行な気道の平行テストを含む請求項1記載の方法。 - 前記検査面は、スピン面、矢状面、又は、冠状面の1つを含むビュー面である請求項2記載の方法。
- 前記垂直テストは、小結節候補を含む関心領域を定義し、
前記関心領域内のピクセルをスレッショールディングし、
可能な気道腔に相応するスレッショールディングされたピクセルを結合し、
可能な気道腔でコンパクトさとエリアテストを実行し、
気道が充分なコンパクトさを有していて、エリアが検出されない場合、候補を真と分類する請求項2記載の方法。 - 気道内径の閾値はコンピューテッドトモグラフィ画像に対して約−874HUである請求項4記載の方法。
- 前記垂直テストは、更に
充分なコンパクトさとエリアを有している可能な気道腔に対して気道壁存在テストを実行し、
前記気道壁存在が弱い確率を有している場合候補を真として分類し、又は、前記気道壁存在が強い確率を有している場合、偽として分類する請求項4記載の方法。 - 外部境界ピクセルの個数全体に亘っての気道壁ピクセルの個数の比が、約80%よりも大きい場合、確率は強く、
外部境界ピクセルの個数全体に亘っての非壁ピクセルの個数の比が、約50%よりも大きい場合、確率は弱い請求項6記載の方法。 - 前記気道壁存在テストは、コンピューテッドトモグラフィ画像に対して約224〜424HUのグレイレベルを有している請求項6記載の方法。
- 気道壁存在の中間確率を有する可能な気道腔に対して隣接管テストを実行し、
検出された隣接管がない場合、候補を真と分類し、検出された隣接管がある場合、偽と分類する請求項6記載の方法。 - 前記隣接管テストは、管と可能な気道腔との間の距離を測定することを含む請求項9記載の方法。
- 前記隣接管テストは、可能な気道腔から、約2.5mm4.5mmの隣接管をチェックすることを含む請求項9記載の方法。
- 前記平行テストは、
リッジ検出によりプロフィル方向を決定し、
各可能な気道プロフィルの中間ピクセルに対してコンフィデンス数を割り当て、
高いコンフィデンス数のピクセルを結合し、結合されたピクセルの数が閾値よりも小さい場合、候補は気道上に位置していないということを決定し、
前記結合されたピクセルの平均コンフィデンスレベルが、所定閾値よりも小さい場合、前記候補は気道上に位置していないと判定し、又は、前記結合されたピクセルの平均コンフィデンスレベルが、所定閾値より小さくない場合、前記候補は、気道上に位置していると判定する請求項2記載の方法。 - 平均コンフィデンスレベルに対する閾値が約75%である請求項12記載の方法。
- 前記テストが、
気道を検出するスピン面を全てテストし、
前記気道を検出する矢状面をテストし、
前記気道を検出する冠状面をテストする請求項1記載の方法。 - 気道と関連するフォールスポジティブ小結節候補を自動的に低減するためのシステム(100)おいて、システムは、
検査面に対して相対的に垂直な気道を検出するための垂直テストユニット(170)と、
前記検査面に対して相対的に平行な気道を検出するための垂直テストユニット(170)と信号通信する平行テストユニット(180)とを有することを特徴とするシステム(100)。 - 小結節候補は、コンピューテッドトモグラフィ画像によって含まれている請求項15記載のシステム(100)。
- 小結節候補は、磁気共鳴画像によって含まれている請求項15記載のシステム(100)。
- 小結節候補は、肺容積によって含まれている請求項15記載のシステム(100)。
- 更に、
検査面に対して相対的に垂直な気道を検出するための前記垂直テストユニット(170)と信号通信するCPU(102)を有している請求項15記載のシステム(100)。 - 小結節候補を表示するために、前記CPU(102)と信号通信するディスプレイアダプタ(110)と、
他の小結節候補をリコールするために、前記CPU(102)と信号通信するI/Oアダプタ(112)を有している請求項19記載のシステム(100)。 - 気道と関連するフォールスポジティブ小結節候補を自動的に低減するためのシステムおいて、システムは、
小結節候補を受け取るための手段と、
前記候補に結合された気道腔のためのテスト手段と、
前記候補が気道腔に結合されている場合、前記候補をフォールスポジティブ小結節候補として認識するための手段を有していることを特徴とするシステム。 - 前記テスト手段は、
検査面に対して相対的に垂直な気道に対して垂直テストする手段と、
検査面に対して相対的に平行な気道に対して平行テストする手段とを有している請求項21記載のシステム。 - 垂直テスト用の前記手段は、
小結節候補を含む関心領域の定義用手段と、
前記関心領域内のピクセルをスレッショールディングする手段と、
可能な気道腔に相応するスレッショールディングピクセルを結合する手段と、
可能な気道腔上でのコンパクトさとエリアテストを実行する手段と、気道が、充分なコンパクトさを有していて、エリアが検出されない場合、前記小結節候補を真と分類するための手段とを有している請求項22記載のシステム。 - 前記垂直テスト手段は、更に、
充分なコンパクトさとエリアを有する可能な気道候補に対して、気道壁存在テストを実行する手段と、
前記気道壁存在か弱い確率を有している場合、前記候補を真と分類し、又は、前記気道壁存在か強い確率を有している場合、前記候補を偽と分類する請求項23記載のシステム。 - 前記垂直テスト用の手段は、更に、
気道壁存在の中間確率を有する可能な気道腔用の隣接管テストを実行するための手段と、
検出された隣接管がない場合、候補を真と分類し、又は、検出された隣接管がある場合、前記候補を偽と分類する請求項24記載のシステム。 - 前記平行テスト用の手段は、更に、
リッジ検出によってプロフィル方向を決定するための手段と、
各可能な気道プロフィルの中間ピクセルに対してコンフィデンス数を割り当てる手段と、
高いコンフィデンスの数を有するピクセルを結合し、且つ、結合されたピクセルの数が閾値よりも小さい場合、候補は、気道上に位置していないということを判定する手段と、
前記結合されたピクセル平均コンフィデンスレベルが閾値よりも小さい場合、候補は気道上に位置していないということを判定し、且つ、前記結合されたピクセル平均コンフィデンスレベルが閾値よりも小さくない場合、前記候補は前記気道上に位置しているということを判定するために、前記結合されたピクセルの平均コンフィデンスレベルを計算するための手段とを有している
請求項22記載のシステム。 - 前記テスト手段は、
気道を検出するためのスピン面全てをテストするための手段と、
前記気道を検出するための矢状面をテストするための手段と、
前記気道を検出するための冠状面をテストするための手段を有している請求項21記載のシステム。 - 気道と関連するフォールスポジティブ小結節候補を自動的に低減するための方法ステップを実行するためのマシンによって実行される命令プログラムを確実に構成する、前記マシンによって読み込み可能なプログラムストレージデバイスにおいて、
小結節候補を受け取り、
前記候補に結合された気道腔をテストし、
前記候補が気道腔に結合されている場合、前記候補をフォールスポジティブ小結節候補として認識する
ことを特徴とするプログラムストレージデバイス。 - 検査面に対して相対的に垂直な気道を垂直テストし、
前記検査面に対して相対的に平行な気道を平行テストする請求項28記載のプログラムストレージデバイス。 - 前記垂直テストは、
小結節候補を含む関心領域を定義し、
前記関心領域内のピクセルをスレッショールディングし、
可能な気道腔に相応するスレッショールディングされたピクセルを結合し、
可能な気道腔でコンパクトさ及びエリアテストを実行し、気道が充分なコンパクトさを有していて、且つ、エリアが検出されない場合、前記小結節候補を真と分類することを含む請求項29記載のプログラムストレージデバイス。 - 前記垂直テストは、更に
充分なコンパクトさとエリアを有する可能な気道腔に対して、気道壁存在テストを実行し、
戦記気道壁存在が弱い確率を有している場合、前記小結節候補を真と分類し、又は、前記気道壁存在が強い確率を有している場合、前記小結節候補を偽と分類する請求項30記載のプログラムストレージデバイス。 - 前記垂直テストは、更に、
気道壁存在の中間確率を有する可能な気道腔に対して、隣接管テストを実行し、
検出された前記隣接管がない場合、前記候補を真と分類し、又は、検出された前記隣接管がある場合、前記候補を偽と分類する請求項31記載のプログラムストレージデバイス。 - 前記平行テストは、
リッジ検出によってプロフィル方向を決定し、
各可能な気道プロフィルの中間ピクセルに対して、コンフィデンス数を割り当て、
高いコンフィデンス数を有するピクセルを結合し、且つ、結合されたピクセルの数が閾値よりも小さい場合、候補は、気道上に位置していないということを判定し、
結合された前記ピクセルの平均コンフィデンスレベルが閾値よりも小さい場合、前記候補は、前記気道上に位置していないと判定し、又は、前記結合された前記ピクセルの平均コンフィデンスレベルが閾値よりも小さくない場合、前記候補は、前記気道上に位置していると判定する
する請求項29記載のプログラムストレージデバイス。 - 戦記テストは、
気道を検出するスピン面をテストし、
前記気道を検出する矢状面をテストし、
前記気道を検出する冠状面をテストする請求項28記載のプログラムストレージデバイス。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US10/059,848 US7203349B2 (en) | 2002-01-29 | 2002-01-29 | Bronchial wall thickening recognition for reduced false-positives in pulmonary nodule detection |
PCT/US2003/001762 WO2003065280A2 (en) | 2002-01-29 | 2003-01-21 | Bronchial wall thickening recognition for reduced false-positives in pulmonary nodule detection |
Publications (1)
Publication Number | Publication Date |
---|---|
JP2005515874A true JP2005515874A (ja) | 2005-06-02 |
Family
ID=27609907
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2003564800A Withdrawn JP2005515874A (ja) | 2002-01-29 | 2003-01-21 | 肺の小結節検出時のフォールスポジティブを低減するための気管支壁厚認識 |
Country Status (6)
Country | Link |
---|---|
US (1) | US7203349B2 (ja) |
JP (1) | JP2005515874A (ja) |
CN (1) | CN1623160A (ja) |
AU (1) | AU2003205257A1 (ja) |
DE (1) | DE10392245T5 (ja) |
WO (1) | WO2003065280A2 (ja) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2011524754A (ja) * | 2008-02-13 | 2011-09-08 | キットウェア インク | 細胞の損傷および疾患のリスクを測定する方法およびシステム |
Families Citing this family (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7116810B2 (en) * | 2002-11-27 | 2006-10-03 | General Electric Company | Method and system for airway measurement |
WO2004077358A1 (en) * | 2003-02-28 | 2004-09-10 | Cedara Software Corporation | Image region segmentation system and method |
KR100503424B1 (ko) * | 2003-09-18 | 2005-07-22 | 한국전자통신연구원 | 다중단면 전산화단층촬영 영상을 이용한 폐결절 자동 검출방법 및 이를 기록한 기록매체 |
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 |
WO2007132421A1 (en) * | 2006-05-17 | 2007-11-22 | Koninklijke Philips Electronics N.V. | Computer program to output contrast enhanced medical image data |
WO2008075272A1 (en) * | 2006-12-19 | 2008-06-26 | Koninklijke Philips Electronics N.V. | Apparatus and method for indicating likely computer-detected false positives in medical imaging data |
WO2011008906A1 (en) * | 2009-07-15 | 2011-01-20 | Mayo Foundation For Medical Education And Research | Computer-aided detection (cad) of intracranial aneurysms |
CN102947841A (zh) | 2010-04-30 | 2013-02-27 | 沃康普公司 | 放射摄影图像中的毛刺恶性肿块检测和分级 |
US8675933B2 (en) | 2010-04-30 | 2014-03-18 | Vucomp, Inc. | Breast segmentation in radiographic images |
WO2012006318A1 (en) | 2010-07-07 | 2012-01-12 | Vucomp, Inc. | Marking system for computer-aided detection of breast abnormalities |
US9265458B2 (en) | 2012-12-04 | 2016-02-23 | Sync-Think, Inc. | Application of smooth pursuit cognitive testing paradigms to clinical drug development |
US9380976B2 (en) | 2013-03-11 | 2016-07-05 | Sync-Think, Inc. | Optical neuroinformatics |
WO2015183934A1 (en) * | 2014-05-29 | 2015-12-03 | Ohio State Innovation Foundation | Volumetric texture score |
Family Cites Families (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5782762A (en) * | 1994-10-27 | 1998-07-21 | Wake Forest University | Method and system for producing interactive, three-dimensional renderings of selected body organs having hollow lumens to enable simulated movement through the lumen |
US5920319A (en) * | 1994-10-27 | 1999-07-06 | Wake Forest University | Automatic analysis in virtual endoscopy |
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 |
US6549646B1 (en) * | 2000-02-15 | 2003-04-15 | Deus Technologies, Llc | Divide-and-conquer method and system for the detection of lung nodule in radiological images |
US7043064B2 (en) * | 2001-05-04 | 2006-05-09 | The Board Of Trustees Of The Leland Stanford Junior University | Method for characterizing shapes in medical images |
US20030095696A1 (en) * | 2001-09-14 | 2003-05-22 | Reeves Anthony P. | System, method and apparatus for small pulmonary nodule computer aided diagnosis from computed tomography scans |
US20030105395A1 (en) * | 2001-12-05 | 2003-06-05 | Li Fan | Vessel-feeding pulmonary nodule candidate generation |
-
2002
- 2002-01-29 US US10/059,848 patent/US7203349B2/en not_active Expired - Fee Related
-
2003
- 2003-01-21 JP JP2003564800A patent/JP2005515874A/ja not_active Withdrawn
- 2003-01-21 CN CN03802811.5A patent/CN1623160A/zh active Pending
- 2003-01-21 AU AU2003205257A patent/AU2003205257A1/en not_active Abandoned
- 2003-01-21 DE DE10392245T patent/DE10392245T5/de not_active Ceased
- 2003-01-21 WO PCT/US2003/001762 patent/WO2003065280A2/en active Application Filing
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2011524754A (ja) * | 2008-02-13 | 2011-09-08 | キットウェア インク | 細胞の損傷および疾患のリスクを測定する方法およびシステム |
Also Published As
Publication number | Publication date |
---|---|
DE10392245T5 (de) | 2005-03-10 |
CN1623160A (zh) | 2005-06-01 |
US20030144598A1 (en) | 2003-07-31 |
US7203349B2 (en) | 2007-04-10 |
AU2003205257A1 (en) | 2003-09-02 |
WO2003065280A2 (en) | 2003-08-07 |
WO2003065280A3 (en) | 2004-03-25 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CA2552875C (en) | System and method for filtering a medical image | |
CN101231678B (zh) | 医用图像处理装置及医用图像处理方法 | |
US20020028008A1 (en) | Automatic detection of lung nodules from high resolution CT images | |
Zhou et al. | Automatic multiscale enhancement and segmentation of pulmonary vessels in CT pulmonary angiography images for CAD applications | |
US8023703B2 (en) | Hybrid segmentation of anatomical structure | |
Perez‐Rovira et al. | Automatic airway–artery analysis on lung CT to quantify airway wall thickening and bronchiectasis | |
US8175348B2 (en) | Segmenting colon wall via level set techniques | |
Dhara et al. | Computer-aided detection and analysis of pulmonary nodule from CT images: a survey | |
WO2002085211A2 (en) | Method and system for automatically detecting lung nodules from multi-slice high resolution computed tomography (mshr ct) images | |
JP2005526583A (ja) | 車輪状投影分析を用いた肺結節検出 | |
CN112052896B (zh) | 图像处理方法及装置,分类模型的训练方法及装置 | |
Zhang et al. | Design of automatic lung nodule detection system based on multi-scene deep learning framework | |
US20050063579A1 (en) | Method of automatically detecting pulmonary nodules from multi-slice computed tomographic images and recording medium in which the method is recorded | |
JP2005515874A (ja) | 肺の小結節検出時のフォールスポジティブを低減するための気管支壁厚認識 | |
Van Dongen et al. | Automatic segmentation of pulmonary vasculature in thoracic CT scans with local thresholding and airway wall removal | |
US7020316B2 (en) | Vessel-feeding pulmonary nodule detection by volume projection analysis | |
EP2208183A2 (en) | Computer-aided detection (cad) of a disease | |
WO2009068679A1 (en) | A method for detecting flat polyps in the colon | |
US7835555B2 (en) | System and method for airway detection | |
US20050002548A1 (en) | Automatic detection of growing nodules | |
US20030105395A1 (en) | Vessel-feeding pulmonary nodule candidate generation | |
JP2012504003A (ja) | コンピュータを用いて実行される障害検出方法及び装置 | |
US20050008205A1 (en) | System and method for detecting a protrusion in a medical image | |
CN109671091B (zh) | 一种非钙化斑检测方法及非钙化斑检测设备 | |
Park et al. | Separation of left and right lungs using 3-dimensional information of sequential computed tomography images and a guided dynamic programming algorithm |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20051028 |
|
A761 | Written withdrawal of application |
Free format text: JAPANESE INTERMEDIATE CODE: A761 Effective date: 20070529 |