JP2007537812A - 結節境界の検出方法 - Google Patents
結節境界の検出方法 Download PDFInfo
- Publication number
- JP2007537812A JP2007537812A JP2007517399A JP2007517399A JP2007537812A JP 2007537812 A JP2007537812 A JP 2007537812A JP 2007517399 A JP2007517399 A JP 2007517399A JP 2007517399 A JP2007517399 A JP 2007517399A JP 2007537812 A JP2007537812 A JP 2007537812A
- Authority
- JP
- Japan
- Prior art keywords
- image
- nodule
- center point
- region
- area
- 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
- 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
- G06T7/00—Image analysis
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/11—Region-based segmentation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/12—Edge-based segmentation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/155—Segmentation; Edge detection involving morphological operators
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/187—Segmentation; Edge detection involving region growing; involving region merging; involving connected component labelling
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/194—Segmentation; Edge detection involving foreground-background segmentation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/26—Segmentation of patterns in the image field; Cutting or merging of image elements to establish the pattern region, e.g. clustering-based techniques; Detection of occlusion
- G06V10/267—Segmentation of patterns in the image field; Cutting or merging of image elements to establish the pattern region, e.g. clustering-based techniques; Detection of occlusion by performing operations on regions, e.g. growing, shrinking or watersheds
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/28—Quantising the image, e.g. histogram thresholding for discrimination between background and foreground patterns
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10072—Tomographic images
- G06T2207/10081—Computed x-ray tomography [CT]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20036—Morphological image processing
- G06T2207/20041—Distance transform
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20092—Interactive image processing based on input by user
- G06T2207/20101—Interactive definition of point of interest, landmark or seed
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20112—Image segmentation details
- G06T2207/20156—Automatic seed setting
-
- 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
- G06T2207/30064—Lung nodule
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Health & Medical Sciences (AREA)
- Multimedia (AREA)
- Life Sciences & Earth Sciences (AREA)
- Medical Informatics (AREA)
- General Health & Medical Sciences (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Radiology & Medical Imaging (AREA)
- Quality & Reliability (AREA)
- Heart & Thoracic Surgery (AREA)
- Pathology (AREA)
- Biomedical Technology (AREA)
- Biophysics (AREA)
- Molecular Biology (AREA)
- Surgery (AREA)
- Animal Behavior & Ethology (AREA)
- Public Health (AREA)
- Veterinary Medicine (AREA)
- Image Analysis (AREA)
- Image Processing (AREA)
- Apparatus For Radiation Diagnosis (AREA)
Abstract
Description
ヒトまたは動物を患者とし、その胸部をCTスキャンすることで獲得した複数枚の断面画像からなる一連のCT画像に対して各実施形態を実施した。ここで用いた断面画像はその各々が二次元の画像であって、グレースケールで表現されるスキャンした部位が示すX線吸収特性のデジタル画像である。断面画像の性質は、使用するCTスキャナに依存する。例えば高解像度複数断面CTスキャナを使用した場合、xとyの各々の方向において(すなわち各断面画像面上で)1ピクセル当たり0.5〜0.6mmの解像度の画像が生成される。各ピクセルには32ビットの階層でグレースケール濃度を定義できる。これらピクセル各々の濃度は、通常ハウンズフィールド単位(HU;Hounsfield unit)を用いて表す。また一連の断面画像はz軸方向(すなわちスキャン分離軸方向)に一定の間隔をおいて隔てられていても良く、例えば0.72〜2.5mm間隔とすることが考えられる。よって、スキャン画像は三次元のグレースケール表記の画像となり、その画像の全体の大きさは、断面画像の面積及び数に依存することになる。
一つの実施形態にあっては、肺結節及び孤立した結節の周囲縁を特定するための画像処理ソフトウェアを利用する。ここで肺結節とはCT画像中において1本以上の血管に接して所在するものであり、孤立した結節とはCT画像中の他の物体には近接することなく位置しているものをいう。本実施形態にあっては、以下に説明するファジー理論を用いた特性コントラスト依存型の領域拡張手法が用いられる。この手法に係るアルゴリズムは図2に示したフローチャートの通りであり、以下の説明におけるステップ番号は、同フローチャートにおけるステップを参照するための番号として用いることにする。
本ソフトウェアを使用する作業者は画像を目視調査し、結節を捉えている部分を特定し、特定の断面画像の中から、その結節中に存在すると思われる芯点(結節芯の位置)を探し出す(ステップ12)。これ以降の画像処理の工程は、作業者が入力作業をすることなく進行することが望ましい。こうして、当該処理は半自動的に行われる。
まず、局所閾値を基準とした分割工程によって領域の周囲縁を大まかに推定する(ステップ14)。三次元画像全体から、各方向について約3cm(x、y、zの各方向に61×61×21ピクセル程度に相当する。ただしx、yの2方向には0.5mm/ピクセルの解像度、z方向については1.5mmの間隔)の大きさで、芯点を中心とする三次元空間領域を特定し、11×11×3ピクセルの大きさの局所三次元マスクを使用し、局所適応化分離アルゴリズムを実行することで、以下に説明するごとく画像をそれぞれが連続画像点で構成される複数の物体に分離する。局所三次元マスクに替えて11×11ピクセルの大きさの局所二次元マスクを用いることも可能である。
画像点ごとに濃度閾値を算出するために使用するのが局所マスクである。すなわち、局所特性コントラストに合わせて閾値の大きさが調整され、そうすることで低い特性コントラストでしか捉えられていない結節をも的確に背景画像から見つけ出すことができる。
1)局所空間に含まれるピクセルの各々に対して、
a.局所マスクを定義する
b.定義した局所マスク内の平均濃度をもって濃度に関する当初閾値とする
c.局所マスクのエリア内で濃度に関するヒストグラムを算出する
d.次のi、ii、iiiを繰り返す
i)ヒストグラムにおいて閾値よりも低い範囲内での加重平均濃度C1を求める
ii)ヒストグラムにおいて閾値よりも高い範囲内での加重平均濃度C2を求める
iii)前回の濃度閾値をC1とC2との平均値に改める
e.dで示した処理を当該閾値がC1とC2との平均値に収束するまで繰り返す
f.閾値を個々のアプリケーションごとに予め定められた一定値分だけシフトする
g.シフト後の閾値に対して、それよりも高濃度のピクセルを前景画像とし、そうでないピクセルを背景画像とする
2)同じ局所空間にある次のピクセルに対して1)を繰り返す
精密分離工程で獲得した前景画像中の物体には空隙ができていることがある。空隙とは前景画像に属するピクセル群でかこまれた背景画像に属するピクセル群のことである。このような空隙は、この精密分離工程が狭い範囲内の画像点間に存在する濃度差にはそれが小さい濃度差であっても前景画像と背景画像との分離の処理のために発生する。前景画像中の物体は結節の画像である可能性をもつものであって、それ故に空隙を残さず埋め尽くされているべきものである。このような事情から空隙充填アルゴリズムによって、このような空隙を充填する処理(ステップ16)、すなわち、背景画像に属するピクセルの前景画像に属するピクセルへの変更が実施される。空隙充填処理は如何なるアルゴリズムによって行っても良いもので、例えば、断面画像各々に存在する物体で空隙を有するものについては、多角形で覆いつくし同多角形の内部のピクセルすべてを前景画像とする。
結節の芯点を選定した断面画像にあっては、一般に、互いに連続することがない領域を幾つも含んでいる。これら領域のうち、芯点を含むものは、三次元二値画像領域拡張手法によって選定・指定される(ステップ18)。
まず最初に、二値画像領域拡張作業を、芯点を含む断面画像について以下のように実行する。
1)任意の領域に属する、芯点と選定した三次元ピクセル(「ボクセル」と称する)にラベルを付ける
2)前景画像中の当該ボクセルに接続するすべてのボクセルに同様のラベルを付ける
3)次の動作を繰り返す
a)ラベルを付けられた前景画像中のボクセルの各々について、そのボクセルに隣り合うすべてのボクセルに同じラベルを付ける
4)新たにラベルを付けるべき前景画像中の接続したボクセルがなくなった時点で、ラベル付け作業を終了する
1)芯点をスタックにプッシュする
2)次の動作を繰り返す
a)ボクセル1つをスタックからポップする
b)ポップされてきたボクセルにラベルをつける
c)前景画像中のボクセルでポップされてきたボクセルに隣り合うラベル付けされていないすべてのボクセルをスタックにプッシュする
3)上記動作をスタックが空になるまで繰り返し実行する
隣り合った一連の断面または一般にz方向における連結した領域は、同一のx−y座標位置をもつピクセルを最初の断面の芯点とすることで、上記の二値画像領域拡張アルゴリズムに基づいてそれぞれの画像内における領域が特定される。言い換えると、芯点を断面が並列する方向(z方向)に移動していくことで、次々と隣に並ぶ断面に係る画像中に分布する同一の三次元領域の画像点に、上述した方法と同じ方法でラベルを付けることが可能である。
芯点を包み込むラベル付けされた三次元領域を、前景領域Fと呼ぶ。この領域は以下に説明する動作によって拡げられてマスクとされ、このマスクは更なる処理工程において利用される。
距離変換法によって前景画像と背景画像の双方を含むマスクを作成し、前景領域Fを拡大する(ステップ20)。背景画像がなくなると、この工程に続く領域拡張アルゴリズムにおいて使用するパラメータの適切な推定が不可能になるため、この工程は重要なものである。前景画像の比率と背景画像の比率とが概ね同じになるように構成すると良い。
ここまでに説明したように、作業者がどこを結節の芯点として選定するかによって、マスクMの決定に違いが生じる。特定アルゴリズムの結果の再現性を保証するためには、作業者に依存しない方法で芯点を選定することが必要となる。これは設定当初にあっては面積を持たない領域である「最適結合マスク」M0を定義することで達成される。
M0=0
Do
{
FindUnion(M0,M)
FindYolk(M0,Yolk)
S0=GetMaxIntensityPoint(Yolk)
M=FindMask(M0,S0)
}while(M0!=M)
前景領域Fと背景領域Bとにおける濃度及び勾配の分布に関し、それらの平均及び標準偏差を算出する。背景画像の濃度の平均μB 、前景画像の濃度の平均μF 、背景画像の濃度の標準偏差σB 、前景画像の濃度の標準偏差σF をそれぞれ算出する。背景画像の平均濃度μB から芯点が離れている程度を示す前景画像の標準偏差σF の数値を計数してパラメータεを算出する。このパラメータεをコントラストの大きさを表すものとして利用する。このパラメータは後に説明するファジー理論マップの作成に利用される。
マスクM0内の各ピクセルについて、各々が最適な芯点S0とファジー理論連結性を有するか否かを示す三次元マップをファジー理論に基づく物体抽出手法を用いて作成する(ステップ26)。またファジー理論類似度関数を互いに隣り合うピクセル間に定義し、最適な芯点S0と各ピクセルとを結ぶ経路に沿って算定されるこの類似度関数の値に基づき各ピクセルと最適な芯点S0とのファジー理論連結性を算出する。
ファジー理論類似度の一般的モデルは次式で与えられる。
濃度及び濃度勾配それぞれの平均値並びに標準偏差σを、最適マスクM0中のすべての画像点を対象として算出する。ここで濃度勾配に関するパラメータについては三方向(x、y、z方向)各々について別々に算出される。これらの量に対応する標準偏差σは、濃度勾配の最大値と最小値との間の差の大きさに基づいて算出される。
2つのサンプルに関して算出した平均値の間に存在する差の有意度は、スチューデントのt(Students t)と称する統計的パラメータで評価できる。我々はここでこのパラメータを前景領域Fと背景領域Bとの特性コントラストの指標として用いる。前景領域Fの中の全ボクセル数をNFとし、背景領域Bの中の全ボクセル数をNBとする。ボクセルiの濃度をxiとする。またμFとμBを、前景領域、背景領域の平均値とする。
但し、fの値が1を超えるときはf=1とし、−1を超えて小さくなるときはf=−1とする。
また、f>0のときは、fに2.5をかけ、f<0のときは、fに3をかけた値をfとする。
ft = (xseed − (μB + SB * f ))/SF であり、ここでftは1.5から9の間に制限される。
ファジー理論マップのアルゴリズムに関与するパラメータは以下の通りである。
a)各ボクセルのファジー理論連結性の度合いを示す値のn次元行列(nD)
b)候補スペルを待機させるキュー(Q)
c)閾値(x)
d)スペルcのファジー理論連結度を示す値f0(c)
e)隣り合う2つのスペルcとdとの間のファジー理論類似度μk(c,d)
開始:
1.nDを構成するセルについて、結節芯に該当するセル以外のすべてのセル値を0とする。
2.結節芯とのファジー理論類似性が0より大きいすべてのスペル、すなわちμk(0,c)>0をQにプッシュする。
Qが空でない限り
3.Qからスペルcを取り除く。
4.もし、(f0(c)<x) ならば
5.fmax=max[min(f0(d),μk(c,d))]を見つける。
6.もし、fmax>f0(c) かつ fmax>xならば、
7.f0(c)=fmax とする。
8.μk(0,e)>0 であるすべてのスペルeをQにプッシュする。
endif
endif
endwhile
ステップ1:当該物体中にあるスペルは結節芯のみである。
ステップ2:ファジー理論類似性が0より大きくかつ結節芯に直接隣り合っているスペルを評価する。
ステップ3:連結度を示す値が閾値より大きい場合は、その後に繰り返し評価する必要はない。
ステップ4:ステップ2で追加された隣り合うスペルを1つずつ評価する。
ステップ5:すべての隣り合うスペルの中で最も強い連結性を持っているものを見つける。ここで各連結性の強さはそれぞれの隣り合うスペルのファジー理論連結度を示す値の最小値と同じである。またファジー理論類似度、すなわち各スペルのファジー理論連結度を示す値が、結節芯からのファジー理論経路の強度を決定することになる。
ステップ6と7:ステップ4で算出した値が閾値よりも大きい場合は、その値を評価対象としているスペルの連結度を示す値とする。
ステップ8:ファジー理論類似度が0よりも大きい値を有する隣り合ったスペルは、そのすべてを評価の対象とする。
このアルゴリズムはキューが空となったときに停止する。
ファジー理論閾値が0と設定された場合に、アルゴリズムは、結節の芯点S0に関係する画像の中に存在する各ボクセルに係るファジー理論連結値を算定する。この画像はそこに含まれるボクセルが、ボクセルそれぞれの芯点へのつながりの強度を示す強調画像と考えられる。スキャン画像サンプルに対して作成したファジー理論マップを図8に示す。
図11と図12はそれぞれ、スキャン画像を構成する断面画像のセットであり、オリジナル画像上に結節の概ねの境界線を重ねたものを示す。図11にあっては、前景画像の平均を−100、標準偏差を700と設定し、閾値を0.92と設定した。一方、図12にあっては、前景画像の平均を10、標準偏差を1500と設定し、閾値を0.64と設定した。
このアルゴリズムにあっては芯点の周りが補助窓域とされ、その領域中の濃度と濃度勾配の各々の平均値と標準偏差が計算され、それに基づいて初期推定値を算出することができる。図13と図14は、それぞれ図11と図12のオリジナル画像を用いて、スキャン画像からこのアルゴリズムに基づき当該領域に関わる統計的パラメータの値を推定した結果を示すものである。これらの結果は、ファジー理論閾値として種々の互いに異なる値で計算を試行的に実行することで得られたものである。図13にあっては、事前に平均値が−255で標準偏差が780であると推定され、それに基づきファジー理論閾値が0.92に設定され、図14にあっては、事前に平均値が22で標準偏差が3270であると推定され、それに基づきファジー理論閾値が0.9に設定された。
結節領域に含まれるボクセルの数の推定量に基づき、再現性の評価試験を実行できる。領域拡張処理は芯点の位置を互いに異なる位置に想定して実行され、すべての処理で同じ大きさの領域が特定された。このことを図15(a)〜15(c)に示す。
9a)芯点の位置:114,170,9
9b)芯点の位置:114,172,8
9c)芯点の位置:112,170,10
図15(d)に示すように、上記のすべてが同じ180ボクセルの大きさの領域を特定した。
ファジー理論によるマップの効果を説明するために、ファジー理論閾値を0と定め領域拡張処理を実施した。この処理にあっては、マスクM0の内部に限ることなく、事前に指定した長さの半径で示したエリア内のボクセル各々のファジー理論連結度を算出した。この結果を図16(a)〜16(d)に示す。図16(b)は図16(a)に示した結節に関わるファジー理論マップである。一方図16(d)は図16(c)に示した結節に関わるファジー理論マップである。
ファジー理論閾値を利用して特定した結節の境界の信頼性は、当該閾値の選定方法に依存している。実験に基づく結論によると、1つの閾値がすべての孤立型結節及び肺結節の画像に対して適することはない。閾値によるファジー理論マップ上での領域特定は一定の状況下においては有効であるが、それよりも一層好ましい手法を以下に開示する。
これ以降のステップにおいては、任意の閾値を用いる替わりに、閾値に頼らずとも機能するファジー理論マップをデータとして採用することで、特定作業を改善することができる。好適な一実施形態にあっては、特性コントラストに着目した領域拡張工程を採用し、パラメータには頼らないアルゴリズムをファジー理論マップに適用する。この場合、ユーザは単に結節芯の位置を指定するだけで、閾値を調整する必要は生じない。
Fy は内側境界域に属する複数の画像点のファジー理論連結度に関するy軸方向の勾配である。
W=WI*WD (1)
特性コントラストに着目して領域拡張を進めるためのアルゴリズムは以下の通りである。
(1)領域の最大サイズを定める
(2)結節の芯点S0を選定しそれを作業中領域に追加する
(3)二次の接続性(二次元空間における8近傍、三次元空間における26近傍)に基づき隣接画像点を特定し、一次の接続性(二次元空間における4近傍、三次元空間における6近傍)に基づき作業中境界域を見出しまたは更新する。次いで作業中境界域の画像点を上記の数式(1)に基づく優先度指標の昇順にソートする
(4)内側境界域を見出しまたは更新する
(5)平均/周囲縁特性コントラストを算出し、算出した値を平均/周囲縁特性コントラスト・ベクトルに導入する。
(6)作業中境界域の中から最大の優先度指標W(数式(1)による)を持つ画像点を見出し、それを作業中領域に加える。この領域が、所定の最大許容サイズに到達すればステップ(7)に移る。そうでなければステップ(3)にもどる。
(7)上記した平均/周囲縁特性コントラスト・ベクトル内で最も大きいピーク値(極大値)とそれに対応した領域サイズとを求め、このサイズに基づいて作業中領域を出力する。この作業中領域の境界を、当該結節の範囲を特定するものとして扱う。
特定した結節の境界は、オリジナルのスキャン画像の上に重ねて外郭として表示して出力されても良い。加えて、あるいは代案として、結節に係わる様々な特性値データを、当該最適領域及び/またはその境界から算出しても良い。例えば、結節の表面にスパイク(尖った先端形状部分)が存在する場合、それは悪性の結節である可能性を示す。したがって、最適境界から結節の形状特性値データを算出し出力しても良い。これ以外の重要な特性値データとして、最適領域の容積、表面積がある。また最適領域をスキャン画像からのデータと組み合わせることで、結節の重量及び/または密度を算出できる。この値も出力されても良い。
上記アルゴリズムに基づく実験の結果を以下に開示する。
図19に示したものは二値画像の円(1,291ピクセルの大きさを有する)の人工的に準備した画像と、その円から導出した3つの不鮮明円(それぞれが、シグマ1、2、3としたガウス分布の円形画像である)である。この3種類の不鮮明円に領域拡張処理(最大サイズを2,000、K1=0.1、K2=0.01と設定した)を加えると、いずれの不鮮明円からも円が獲得された。
この試験は、孤立した結節を含む肺のCT画像を用いて、ファジー理論マップを作成することなくスキャン画像をそのまま周囲縁特性コントラストに着目する方式の領域拡張のアルゴリズムに付した。最大許容サイズは100ピクセルとし、K1=0.1、K2=0.01と設定した。また図22(a)に示す明るい球状班の中央に結節芯の位置を設定した。この結果得られた画像を示すのが図22(b)であるが、二次元画像において最適な領域拡張が行われたことが分かる。領域のサイズは40ピクセルであった。三次元画像の領域拡張処理の結果を図22(c)に示す。
図23(a)〜23(c)は、図23aに示した実際の画像に対して実施した試験の結果を示す。ここでは図23(b)に示したファジー理論マップが作成され、領域拡張処理の結果を図23(c)に示す。
図24(a)〜24(c)は、血管に接する位置にある結節に対して異なる手法を適用した結果を比較するものである。図24(a)に示した結果は、周囲縁特性コントラストに着目して領域拡張するもので、人工でない画像を対象としている。図24(b)に示した結果は、ファジー理論連結度連の閾値処理(閾値を0.6とした)を行ったもので、図24(c)に示した結果は、周囲縁特性コントラストに着目し領域拡張する方法のもので、その対象画像にはファジー理論マップを採用し閾値を用いず、また事前のパラメータ設定は行っていない。
好ましい実施形態では、新しい領域拡張手法が用いられる。この手法は、拡張の手法の構築に距離と濃度との双方の特徴を統合した指標を採用し、周囲縁における特性コントラストを領域拡張の終了判定基準に利用するものである。人工的に作成した画像と非人工的画像との双方に対して本発明による方法を詳細に試験した結果として、本発明による領域拡張方法がCTによる肺の画像中に含まれる孤立したタイプの結節と肺結節とのいずれの検出・特定に関しても非常に優れた結果をもたらすことが分かった。特に、ファジー理論マップを使用することで、その効果は一層顕著になる。本発明の方法は、孤立した結節であっても肺結節であっても、それらを半自動的なプロセスで検出・特定するために用いることができる。
以上に開示した実施形態はあくまでも本発明の実施形態の一例として示したものであって、本発明の範囲を限定するものではないことを理解されたい。ここに示した実施形態と異なる実施形態が考案できるであろうが、それらも本願の特許請求の範囲に規定した発明に含まれる。上記の説明から明らかなように、本発明による方法はCT画像の一断面画像で構成される二次元画像に対して実施できるのに加えて、複数枚のCT断面画像で構成される三次元画像に対しても実施できるものである。
Claims (48)
- 肺のコンピュータ断層スキャン画像中の結節の範囲を特定する方法であって、
a.前記結節内の芯点の指定を受け取り、
b.前記芯点に対する画像点の連結度を算出し、
c.画像点の連結度に選定基準を適用して前記結節の範囲を特定する
ことを特徴とする方法。 - 前記芯点を含むオブジェクトと該オブジェクトを囲む背景とを包含すると共に前記オブジェクト以外のオブジェクトを除外するマスクを定義することを特徴とする請求項1に記載の方法。
- 前記マスクは前記結節の範囲に制限を加えることを特徴とする請求項2に記載の方法。
- 前記連結度を前記マスク内の画像点にのみ基づいて決定することを特徴とする請求項2または3に記載の方法。
- 前景エリアと背景エリアとに区分する精密分離を行うことによりオブジェクトを特定することを特徴とする請求項2乃至4のいずれか一項に記載の方法。
- 前記精密分離は画像の局所コントラストに基づいていることを特徴とする請求項5に記載の方法。
- 前記精密分離では、局所コントラストに基づく閾値を適用して、前景エリアに属する画像点を特定することを特徴とする請求項6に記載の方法。
- 画像点を囲む局所マスクの内側のみで前記局所コントラストを決定することを特徴とする請求項7に記載の方法。
- 前記閾値は、前記閾値よりも大きい局所濃度値の加重平均と前記閾値よりも小さい局所濃度値の加重平均との平均値として設定し、所定の値だけオフセットすることを特徴とする請求項8に記載の方法。
- 前記スキャン画像は三次元画像であり、前記局所マスクは三次元マスクであることを特徴とする請求項8または9に記載の方法。
- 前景エリアが背景エリアの一部を取り囲んでいる場合には、前記精密分離において、その取り囲まれている部分を前景エリアとして再定義することを特徴とする請求項5乃至10のいずれか一項に記載の方法。
- 特定の形状パターンを前景エリアに重ねあわせ、前記形状パターンの内部を前景と設定することを特徴とする請求項11に記載の方法。
- 前記芯点を含む前景エリアの領域拡張を行うことにより、つながった前景エリアを決定することを特徴とする請求項5乃至12のいずれか一項に記載の方法。
- 前記スキャン画像は三次元画像であり、つながった前景エリアを得るために三次元の領域拡張を行うことを特徴とする請求項13に記載の方法。
- スキャン画像の隣接するスライスにあって、芯点を含む前景エリアにつながっている前景エリアを特定することにより、前記三次元の領域拡張を行うことを特徴とする請求項14に記載の方法。
- 芯点をスキャン画像の隣接するスライスに移動し、移動された芯点が前景エリア内にある場合にその移動された芯点から領域拡張を行うことにより、隣接するスライスにある前景エリアを検出することを特徴とする請求項15に記載の方法。
- 移転された芯点は、芯点が移動されたスライスにあるつながった前景エリアの中心に対応するスライス内の位置を有することを特徴とする請求項16に記載の方法。
- つながった前景エリアを囲む背景エリアを含み、そのつながった前景エリアとはつながっていない他の前景エリアを除外するそのつながった前景エリアを拡げることにより、前記マスクを定義することを特徴とする請求項13乃至17のいずれか一項に記載の方法。
- つながった前景エリアに対して所定の比率の背景エリアが含まれるように、前記マスクを拡げることを特徴とする請求項18に記載の方法。
- 前記マスクは、前景エリアと背景エリアとを略同じだけ含有することを特徴とする請求項19に記載の方法。
- 最初の芯点の指定を受け取り、現在の芯点に基づいてマスクを決定してつながった前景エリア内にある画像点を新しい芯点として選定することを、この反復処理によって決定されるマスクが収束するまで繰り返すことにより、芯点を決定することを特徴とする請求項2乃至20のいずれか一項に記載の方法。
- つながった前景エリア内の高濃度である画像点を新しい芯点として選定することを特徴とする請求項21に記載の方法。
- つながった前景エリアの中心点を新しい芯点として選定することを特徴とする請求項21または22に記載の方法。
- 最初の芯点はユーザによって選定されることを特徴とする請求項21乃至23のいずれか一項に記載の方法。
- 前記連結度は隣り合う画像点間の類似度に基づいていることを特徴とする請求項1乃至24のいずれか一項に記載の方法。
- 前記連結度は、ある画像点から芯点に至る経路に沿った画像点間の類似度に基づいていることを特徴とする請求項25に記載の方法。
- 前記連結度は、前記経路に沿って隣り合う画像点間の最低類似度に基づいていることを特徴とする請求項26に記載の方法。
- 前記連結度は、ある画像点と芯点との間の類似度が最も高い経路に基づいていることを特徴とする請求項27に記載の方法。
- 前記類似度は、芯点周辺の濃度に関する統計量の関数であることを特徴とする請求項25乃至28のいずれか一項に記載の方法。
- 前記統計量は、濃度及び濃度勾配の平均値と標準偏差とを含むことを特徴とする請求項29に記載の方法。
- 前記類似度は、マスク内の濃度に関する統計量の関数であることを特徴とする請求項4に従属する請求項29または30に記載の方法。
- 芯点に対して最小だが有限である連結度を背景エリアが有するように、前記マスク内の背景エリアにおける統計量の関数として標準偏差を調整することを特徴とする請求項31に記載の方法。
- 前記選定基準は連結度の閾値を有することを特徴とする請求項1乃至32のいずれか一項に記載の方法。
- 前記選定基準は、連結度マップ上で領域拡張を行うことを含むことを特徴とする請求項1乃至32のいずれか一項に記載の方法。
- 前記領域拡張は、連結度マップ内の領域を拡張し、領域拡張中に最大の境界コントラストを検出し、結節の範囲を定義することとしてその最大の境界コントラストに対応する領域を特定することを特徴とする請求項34に記載の方法。
- 優先度指標に基づいて領域の境界の画像点を選定することにより、前記領域拡張を行うことを特徴とする請求項34または35に記載の方法。
- 連結度がより高い画像点がより高い優先度指標を有するように、前記優先度指標は画像点の連結度に基づいていることを特徴とする請求項36に記載の方法。
- 領域の中心点により近い画像点がより高い優先度指標を有するように、前記優先度指標は領域の中心点から画像点までの距離に基づいていることを特徴とする請求項36または37に記載の方法。
- 肺のコンピュータ断層スキャン画像中の結節の範囲を特定する方法であって、
a.前記結節内の芯点の指定を受け取り、
b.局所コントラストに基づく閾値を用いて、芯点周辺の画像を前景と背景とに分離する精密分離を実行し、
c.前景の画像点に囲み込まれている背景の画像点を前景の画像点と設定し、
d.芯点を含む前景領域を拡張し、
e.背景の画像点を含むが自身の前景領域内に含まれない前景の画像点を除外した前景領域を拡張して、マスクを生成し、
f.前景領域の中心に位置してかつ高濃度である画像点を、新しい芯点として設定し、
g.新しい芯点に対して上記のb.からf.までのステップを、連続した反復処理によるマスクが収束するまで繰り返し、
h.マスク内の画像点の芯点に対する連結度を定義するファジィ連結度マップを導出し、
i.前記ファジィ連結度マップから前記結節の範囲を決定する
ことを特徴とする方法。 - 前記i.のステップは、ファジィ連結度マップ内で芯点からつながった領域を拡張し、最も高い境界コントラストを持つ領域を前記結節の範囲として出力することを特徴とする請求項39に記載の方法。
- 肺のコンピュータ断層スキャン画像中の結節の範囲を特定する方法であって
a.前記結節内の芯点の指定を受け取り、
b.前記芯点から領域を拡張し、
c.領域の拡張によって最も高い境界コントラストを持つ領域を前記結節の範囲として決定する
ことを特徴とする方法。 - 前記b.のステップを画像濃度に基づいて実行することを特徴とする請求項41に記載の方法。
- 前記b.のステップを前記芯点に対する各画像点の連結度に基づいて実行することを特徴とする請求項41に記載の方法。
- 前記結節の範囲の指定を出力することを特徴とする請求項1乃至43のいずれか一項に記載の方法。
- コンピュータによって実施することを特徴とする請求項1乃至44のいずれか一項に記載の方法。
- 請求項45に記載の方法を実施することを特徴とするコンピュータプログラム。
- 請求項46に記載のコンピュータプログラムを含むことを特徴とするコンピュータプログラム製品。
- 担体上に記録されていることを特徴とする請求項46に記載のコンピュータプログラム。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
GB0411064.9 | 2004-05-18 | ||
GB0411064A GB2414357A (en) | 2004-05-18 | 2004-05-18 | Nodule boundary detection |
PCT/GB2005/001839 WO2005114566A2 (en) | 2004-05-18 | 2005-05-13 | Nodule boundary detection |
Publications (3)
Publication Number | Publication Date |
---|---|
JP2007537812A true JP2007537812A (ja) | 2007-12-27 |
JP2007537812A5 JP2007537812A5 (ja) | 2008-06-26 |
JP5058791B2 JP5058791B2 (ja) | 2012-10-24 |
Family
ID=32607518
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2007517399A Expired - Fee Related JP5058791B2 (ja) | 2004-05-18 | 2005-05-13 | 結節境界の検出方法 |
Country Status (9)
Country | Link |
---|---|
US (1) | US7574031B2 (ja) |
EP (2) | EP1883047A3 (ja) |
JP (1) | JP5058791B2 (ja) |
KR (1) | KR20070085120A (ja) |
CN (1) | CN101002228A (ja) |
AU (1) | AU2005246522A1 (ja) |
CA (1) | CA2567187A1 (ja) |
GB (1) | GB2414357A (ja) |
WO (1) | WO2005114566A2 (ja) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2008126071A (ja) * | 2006-11-22 | 2008-06-05 | General Electric Co <Ge> | プレップレスctコロノグラフィにおいてタギング素材を抑制するための方法および装置 |
WO2014038428A1 (ja) * | 2012-09-07 | 2014-03-13 | 株式会社 日立メディコ | 画像処理装置及び画像処理方法 |
JP2018000312A (ja) * | 2016-06-28 | 2018-01-11 | 国立大学法人 大分大学 | 肺結節明瞭化画像における背景ノイズの抑制方法 |
JP2021020015A (ja) * | 2019-07-30 | 2021-02-18 | 国立大学法人 大分大学 | 二次元セルオートマトンによる肺結節明瞭化法 |
Families Citing this family (61)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8036458B2 (en) * | 2007-11-08 | 2011-10-11 | DigitalOptics Corporation Europe Limited | Detecting redeye defects in digital images |
AU2004292260A1 (en) * | 2003-11-12 | 2005-06-02 | Siemens Corporate Research, Inc. | A system and method for filtering and automatic detection of candidate anatomical structures in medical images |
CN1976629A (zh) * | 2004-04-26 | 2007-06-06 | D·F·杨克洛维茨 | 用于准确测定定向瘤变化的医学影像系统 |
US7471815B2 (en) * | 2004-08-31 | 2008-12-30 | Siemens Medical Solutions Usa, Inc. | Candidate generation for lung nodule detection |
US7583831B2 (en) * | 2005-02-10 | 2009-09-01 | Siemens Medical Solutions Usa, Inc. | System and method for using learned discriminative models to segment three dimensional colon image data |
GB0510792D0 (en) * | 2005-05-26 | 2005-06-29 | Bourbay Ltd | Assisted selections with automatic indication of blending areas |
US7702153B2 (en) * | 2005-10-07 | 2010-04-20 | Siemens Medical Solutions Usa, Inc. | Systems and methods for segmenting object of interest from medical image |
US7978889B2 (en) * | 2006-01-27 | 2011-07-12 | Michael Valdiserri | Automatic engine for 3D object generation from volumetric scan data and method |
GB2434933B (en) * | 2006-02-01 | 2009-06-03 | Motorola Inc | Apparatus and method for image labelling |
US7953277B2 (en) | 2006-09-05 | 2011-05-31 | Williams Robert C | Background separated images for print and on-line use |
US8192474B2 (en) * | 2006-09-26 | 2012-06-05 | Zeltiq Aesthetics, Inc. | Tissue treatment methods |
US8090208B2 (en) * | 2006-10-04 | 2012-01-03 | Siemens Computer Aided Diagnosis Ltd. | Robust segmentation of a mass candidate in digital mammography images |
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 |
US7983459B2 (en) | 2006-10-25 | 2011-07-19 | Rcadia Medical Imaging Ltd. | Creating a blood vessel tree from imaging data |
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 |
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 |
US7953266B2 (en) * | 2007-02-06 | 2011-05-31 | Siemens Medical Solutions Usa, Inc. | Robust vessel tree modeling |
US8194920B2 (en) * | 2007-02-16 | 2012-06-05 | Ford Global Technologies, Llc | Method and system for detecting objects using far infrared images |
US8417033B2 (en) * | 2007-04-27 | 2013-04-09 | Hewlett-Packard Development Company, L.P. | Gradient based background segmentation and enhancement of images |
US20090041322A1 (en) * | 2007-07-10 | 2009-02-12 | Seimens Medical Solutions Usa, Inc. | Computer Assisted Detection of Polyps Within Lumen Using Enhancement of Concave Area |
US8165369B2 (en) * | 2007-10-03 | 2012-04-24 | Siemens Medical Solutions Usa, Inc. | System and method for robust segmentation of pulmonary nodules of various densities |
US8023734B2 (en) * | 2007-10-10 | 2011-09-20 | Siemens Aktiengesellschaft | 3D general lesion segmentation in CT |
US8478007B2 (en) | 2008-12-12 | 2013-07-02 | Electronics And Telecommunications Research Institute | Method for detecting ground glass opacity using chest computed tomography |
CN101901342B (zh) * | 2009-05-27 | 2014-05-07 | 深圳迈瑞生物医疗电子股份有限公司 | 影像目标区域的提取方法和装置 |
CN101897592B (zh) * | 2009-05-27 | 2013-03-06 | 深圳迈瑞生物医疗电子股份有限公司 | X射线影像中金属异物的提取方法和装置 |
EP2510494B1 (en) * | 2009-12-11 | 2021-12-22 | Leica Biosystems Imaging, Inc. | Improved signal to noise ratio in digital pathology image analysis |
FR2953964B1 (fr) * | 2009-12-15 | 2012-05-04 | Gen Electric | Procede de traitement d'images obtenues par tomographie ou tomosynthese a faible nombre de projections |
US20110262013A1 (en) * | 2010-04-21 | 2011-10-27 | Harris Corporation | Fingerprint matcher using iterative process and related methods |
KR101135205B1 (ko) * | 2010-05-25 | 2012-04-16 | 인하대학교 산학협력단 | 흉부 씨티 영상 내 병변 자동 검출을 위한 폐 혈관 추출 방법 |
US8554016B2 (en) * | 2010-11-10 | 2013-10-08 | Raytheon Company | Image registration system and method for registering images for deformable surfaces |
JP5872323B2 (ja) * | 2011-03-29 | 2016-03-01 | 株式会社東芝 | X線ct装置及び画像処理方法 |
US8605973B2 (en) * | 2012-03-17 | 2013-12-10 | Sony Corporation | Graph cuts-based interactive segmentation of teeth in 3-D CT volumetric data |
US9269155B2 (en) * | 2012-04-05 | 2016-02-23 | Mediatek Singapore Pte. Ltd. | Region growing method for depth map/color image |
JP5662962B2 (ja) * | 2012-04-19 | 2015-02-04 | 富士フイルム株式会社 | 画像処理装置、方法及びプログラム |
US9092697B2 (en) | 2013-02-07 | 2015-07-28 | Raytheon Company | Image recognition system and method for identifying similarities in different images |
CN103164859B (zh) * | 2013-04-11 | 2016-06-08 | 上海理工大学 | 一种血管内超声图像分割方法 |
CN103345740B (zh) * | 2013-06-13 | 2016-04-13 | 沈阳航空航天大学 | 基于多投影图像配准的肺结节检测方法 |
CN103824295B (zh) * | 2014-03-03 | 2016-08-17 | 天津医科大学 | 一种肺部ct图像中粘连血管型肺结节的分割方法 |
CA2953146A1 (en) * | 2014-07-02 | 2016-01-07 | Covidien Lp | System and method for segmentation of lung |
US9607395B2 (en) * | 2014-07-02 | 2017-03-28 | Covidien Lp | System and method for detecting trachea |
KR101620428B1 (ko) | 2014-10-10 | 2016-05-12 | 엘지전자 주식회사 | 로봇 청소기 및 로봇 청소기의 제어방법 |
US10275946B2 (en) * | 2014-10-22 | 2019-04-30 | Koninklijke Philips N.V. | Visualization of imaging uncertainty |
CN104408457B (zh) * | 2014-11-26 | 2017-10-24 | 西安电子科技大学 | 基于低秩分解和质心跟踪的胃部ct图像淋巴结检测系统 |
CN104408737B (zh) * | 2014-12-15 | 2017-05-17 | 西安电子科技大学 | 基于多角度图片序列的胃部ct图像淋巴结检测系统 |
CN105405140B (zh) * | 2015-11-12 | 2018-07-06 | 西安电子科技大学 | 基于初始素描图的胃部ct图像淋巴结检测系统和方法 |
CN105976367B (zh) * | 2016-04-29 | 2019-06-28 | 上海联影医疗科技有限公司 | 图像分割方法、肺结节检测方法及其计算机辅助检测系统 |
WO2017092615A1 (zh) | 2015-11-30 | 2017-06-08 | 上海联影医疗科技有限公司 | 一种计算机辅助诊断系统及方法 |
CN106709930B (zh) * | 2016-12-29 | 2020-03-31 | 上海联影医疗科技有限公司 | 三维医学图像的感兴趣体积分割方法及装置 |
CN107767362A (zh) * | 2017-09-01 | 2018-03-06 | 苏州侠洛信息科技有限公司 | 一种基于深度学习的肺癌早筛装置 |
CN109583444B (zh) * | 2018-11-22 | 2021-08-10 | 博志生物科技有限公司 | 空洞区域定位方法、装置及计算机可读存储介质 |
US11164319B2 (en) | 2018-12-20 | 2021-11-02 | Smith & Nephew, Inc. | Machine learning feature vector generator using depth image foreground attributes |
CN109741312A (zh) * | 2018-12-28 | 2019-05-10 | 上海联影智能医疗科技有限公司 | 一种肺结节鉴别方法、装置、设备及介质 |
CN110246144A (zh) * | 2019-06-17 | 2019-09-17 | 吉林大学第一医院 | 一种肺部ct图像的血管增强方法及系统 |
WO2021029226A1 (ja) * | 2019-08-13 | 2021-02-18 | ソニー株式会社 | 情報処理装置および方法 |
US11854281B2 (en) | 2019-08-16 | 2023-12-26 | The Research Foundation For The State University Of New York | System, method, and computer-accessible medium for processing brain images and extracting neuronal structures |
CN110969583A (zh) * | 2019-09-11 | 2020-04-07 | 宁波江丰生物信息技术有限公司 | 一种图像背景处理方法及系统 |
CN111598899A (zh) * | 2020-05-18 | 2020-08-28 | 腾讯科技(深圳)有限公司 | 图像处理方法、装置及计算机可读存储介质 |
CN113221691B (zh) * | 2021-04-28 | 2022-09-27 | 展讯通信(上海)有限公司 | 指纹分割方法及装置、可读存储介质、终端 |
CN113139302B (zh) * | 2021-05-20 | 2023-03-10 | 电子科技大学 | 基于区域生长的断溶体识别方法 |
CN114299081B (zh) * | 2021-12-16 | 2023-02-17 | 北京朗视仪器股份有限公司 | 一种上颌窦cbct图像分割方法、装置、存储介质及电子设备 |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH09508817A (ja) * | 1993-11-30 | 1997-09-09 | アーチ ディヴェロプメント コーポレイション | 胸部の画像における総体的な異常及び非対称性の自動化検出方法及び装置 |
JP2000163555A (ja) * | 1998-11-25 | 2000-06-16 | Hitachi Ltd | 領域抽出方法 |
JP2000172829A (ja) * | 1998-12-07 | 2000-06-23 | Hitachi Ltd | 領域抽出手法 |
JP2001511374A (ja) * | 1997-07-25 | 2001-08-14 | アーチ・デベロップメント・コーポレーション | 側面胸部放射線像の肺領域を分割する方法とシステム |
JP2002504727A (ja) * | 1998-02-23 | 2002-02-12 | アーチ・デベロップメント・コーポレーション | エッジグラジエントヒストグラムを使用する肺小結節検出 |
JP2002325761A (ja) * | 2000-06-30 | 2002-11-12 | Hitachi Medical Corp | 画像診断支援装置 |
JP2002360552A (ja) * | 2001-06-13 | 2002-12-17 | Fuji Photo Film Co Ltd | 異常陰影検出装置 |
JP2003524489A (ja) * | 2000-01-18 | 2003-08-19 | ザ・ユニバーシティー・オブ・シカゴ | コンピュータトモグラフィスキャンにおける肺小結節の二次元および三次元の検出のための方法、システム、およびコンピュータ可読媒体 |
US7336809B2 (en) * | 2001-11-23 | 2008-02-26 | R2 Technology, Inc. | Segmentation in medical images |
Family Cites Families (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
JP3490131B2 (ja) | 1994-01-21 | 2004-01-26 | 株式会社ルネサステクノロジ | データ転送制御方法、データプロセッサ及びデータ処理システム |
US6909797B2 (en) * | 1996-07-10 | 2005-06-21 | R2 Technology, Inc. | Density nodule detection in 3-D digital images |
US5999639A (en) | 1997-09-04 | 1999-12-07 | Qualia Computing, Inc. | Method and system for automated detection of clustered microcalcifications from digital mammograms |
US6112112A (en) * | 1998-09-18 | 2000-08-29 | Arch Development Corporation | Method and system for the assessment of tumor extent in magnetic resonance images |
US20020009215A1 (en) * | 2000-01-18 | 2002-01-24 | Arch Development Corporation | Automated method and system for the segmentation of lung regions in computed tomography scans |
US6654728B1 (en) | 2000-07-25 | 2003-11-25 | Deus Technologies, Llc | Fuzzy logic based classification (FLBC) method for automated identification of nodules in radiological images |
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 |
US6577752B2 (en) * | 2001-06-15 | 2003-06-10 | Arch Development Corporation | Automated method and system for the delineation of the chest wall in computed tomography scans for the assessment of pleural disease |
US6678399B2 (en) | 2001-11-23 | 2004-01-13 | University Of Chicago | Subtraction technique for computerized detection of small lung nodules in computer tomography images |
US6882743B2 (en) * | 2001-11-29 | 2005-04-19 | Siemens Corporate Research, Inc. | Automated lung nodule segmentation using dynamic programming and EM based classification |
US7006677B2 (en) * | 2002-04-15 | 2006-02-28 | General Electric Company | Semi-automatic segmentation algorithm for pet oncology images |
US6609021B1 (en) | 2002-05-20 | 2003-08-19 | Siemens Corporate Research, Inc. | Pulmonary nodule detection using cartwheel projection analysis |
WO2004077359A1 (en) * | 2003-02-27 | 2004-09-10 | Agency For Science, Technology And Research | Method and apparatus for extracting cerebral ventricular system from images |
US7333644B2 (en) * | 2003-03-11 | 2008-02-19 | Siemens Medical Solutions Usa, Inc. | Systems and methods for providing automatic 3D lesion segmentation and measurements |
US7333646B2 (en) * | 2004-06-01 | 2008-02-19 | Siemens Medical Solutions Usa, Inc. | Watershed segmentation to improve detection of spherical and ellipsoidal objects using cutting planes |
-
2004
- 2004-05-18 GB GB0411064A patent/GB2414357A/en not_active Withdrawn
- 2004-06-17 US US10/868,890 patent/US7574031B2/en not_active Expired - Fee Related
-
2005
- 2005-05-13 EP EP07020666A patent/EP1883047A3/en not_active Withdrawn
- 2005-05-13 CA CA002567187A patent/CA2567187A1/en not_active Abandoned
- 2005-05-13 AU AU2005246522A patent/AU2005246522A1/en not_active Abandoned
- 2005-05-13 JP JP2007517399A patent/JP5058791B2/ja not_active Expired - Fee Related
- 2005-05-13 WO PCT/GB2005/001839 patent/WO2005114566A2/en active Application Filing
- 2005-05-13 KR KR1020067026671A patent/KR20070085120A/ko not_active Application Discontinuation
- 2005-05-13 EP EP05742115A patent/EP1747532A2/en not_active Withdrawn
- 2005-05-13 CN CNA2005800208155A patent/CN101002228A/zh active Pending
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH09508817A (ja) * | 1993-11-30 | 1997-09-09 | アーチ ディヴェロプメント コーポレイション | 胸部の画像における総体的な異常及び非対称性の自動化検出方法及び装置 |
JP2001511374A (ja) * | 1997-07-25 | 2001-08-14 | アーチ・デベロップメント・コーポレーション | 側面胸部放射線像の肺領域を分割する方法とシステム |
JP2002504727A (ja) * | 1998-02-23 | 2002-02-12 | アーチ・デベロップメント・コーポレーション | エッジグラジエントヒストグラムを使用する肺小結節検出 |
JP2000163555A (ja) * | 1998-11-25 | 2000-06-16 | Hitachi Ltd | 領域抽出方法 |
JP2000172829A (ja) * | 1998-12-07 | 2000-06-23 | Hitachi Ltd | 領域抽出手法 |
JP2003524489A (ja) * | 2000-01-18 | 2003-08-19 | ザ・ユニバーシティー・オブ・シカゴ | コンピュータトモグラフィスキャンにおける肺小結節の二次元および三次元の検出のための方法、システム、およびコンピュータ可読媒体 |
JP2002325761A (ja) * | 2000-06-30 | 2002-11-12 | Hitachi Medical Corp | 画像診断支援装置 |
JP2002360552A (ja) * | 2001-06-13 | 2002-12-17 | Fuji Photo Film Co Ltd | 異常陰影検出装置 |
US7336809B2 (en) * | 2001-11-23 | 2008-02-26 | R2 Technology, Inc. | Segmentation in medical images |
Non-Patent Citations (3)
Title |
---|
NYUL L G, PROCEEDINGS OF SPIE, vol. V3979, JPN5007009837, 2000, pages 213 - 223, ISSN: 0002263389 * |
S. A. HOJJATOLESLAMI, J. KITTLER: "Region Growing: A New Approach", IEEE TRANSACTIONS ON IMAGE PROCESSING, vol. 7, no. 7, JPN6010057816, July 1998 (1998-07-01), US, pages 1079 - 1084, XP000766022, ISSN: 0001743964, DOI: 10.1109/83.701170 * |
SAMUEL G. ARMATO III, MARYELLEN L. GIGER, CATHERINE J. MORAN, JAMES T. BLACKBURN, KUNIO DOI, HEBER M: "Computerized Detection of Pulmonary Nodules on CT Scans", RADIOGRAPHICS, vol. Vol.19 (5), JPN6010057817, September 1999 (1999-09-01), US, pages 1303 - 1311, ISSN: 0002263388 * |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2008126071A (ja) * | 2006-11-22 | 2008-06-05 | General Electric Co <Ge> | プレップレスctコロノグラフィにおいてタギング素材を抑制するための方法および装置 |
WO2014038428A1 (ja) * | 2012-09-07 | 2014-03-13 | 株式会社 日立メディコ | 画像処理装置及び画像処理方法 |
US9396395B2 (en) | 2012-09-07 | 2016-07-19 | Hitachi Medical Corporation | Image processing apparatus and image processing method, configured to apply threshold conditions to specify target pixel |
JPWO2014038428A1 (ja) * | 2012-09-07 | 2016-08-08 | 株式会社日立製作所 | 画像処理装置及び画像処理方法 |
JP2018000312A (ja) * | 2016-06-28 | 2018-01-11 | 国立大学法人 大分大学 | 肺結節明瞭化画像における背景ノイズの抑制方法 |
JP2021020015A (ja) * | 2019-07-30 | 2021-02-18 | 国立大学法人 大分大学 | 二次元セルオートマトンによる肺結節明瞭化法 |
Also Published As
Publication number | Publication date |
---|---|
WO2005114566A3 (en) | 2006-04-27 |
GB0411064D0 (en) | 2004-06-23 |
GB2414357A (en) | 2005-11-23 |
CN101002228A (zh) | 2007-07-18 |
KR20070085120A (ko) | 2007-08-27 |
WO2005114566A2 (en) | 2005-12-01 |
US20050259855A1 (en) | 2005-11-24 |
US7574031B2 (en) | 2009-08-11 |
CA2567187A1 (en) | 2005-12-01 |
JP5058791B2 (ja) | 2012-10-24 |
EP1747532A2 (en) | 2007-01-31 |
EP1883047A2 (en) | 2008-01-30 |
AU2005246522A1 (en) | 2005-12-01 |
EP1883047A3 (en) | 2008-02-06 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP5058791B2 (ja) | 結節境界の検出方法 | |
JP4999163B2 (ja) | 画像処理方法および装置ならびにプログラム | |
US9418420B2 (en) | System and method for automated detection of lung nodules in medical images | |
Dehmeshki et al. | Segmentation of pulmonary nodules in thoracic CT scans: a region growing approach | |
US8019139B2 (en) | Method and system for processing an image of body tissues | |
WO2005112769A1 (en) | Nodule detection | |
CN107633514B (zh) | 一种肺结节周边血管量化评估系统及方法 | |
JPH09185714A (ja) | コンピュータ支援診断方法 | |
GB2415563A (en) | Lesion boundary detection | |
JP4964171B2 (ja) | 対象領域抽出方法および装置ならびにプログラム | |
Maitra et al. | Automated digital mammogram segmentation for detection of abnormal masses using binary homogeneity enhancement algorithm | |
JP5055115B2 (ja) | 識別方法、コンピュータプログラム及びコンピュータプログラム装置 | |
KR20220154100A (ko) | 이미지 처리에 기초한 종양의 자동화된 검출 | |
JP2008503294A6 (ja) | 識別方法、コンピュータプログラム及びコンピュータプログラム装置 | |
Lo et al. | Classification of lung nodules in diagnostic CT: an approach based on 3D vascular features, nodule density distribution, and shape features | |
JP2006506163A (ja) | 肺結節のコンピュータ支援検出 | |
WO2006093564A2 (en) | System and method for detecting ground glass nodules in medical images |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20080507 |
|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20080507 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20101005 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20101109 |
|
A601 | Written request for extension of time |
Free format text: JAPANESE INTERMEDIATE CODE: A601 Effective date: 20110209 |
|
A602 | Written permission of extension of time |
Free format text: JAPANESE INTERMEDIATE CODE: A602 Effective date: 20110217 |
|
A601 | Written request for extension of time |
Free format text: JAPANESE INTERMEDIATE CODE: A601 Effective date: 20110307 |
|
A602 | Written permission of extension of time |
Free format text: JAPANESE INTERMEDIATE CODE: A602 Effective date: 20110314 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20110408 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20110920 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20111216 |
|
TRDD | Decision of grant or rejection written | ||
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20120703 |
|
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20120801 |
|
FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20150810 Year of fee payment: 3 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 5058791 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
S111 | Request for change of ownership or part of ownership |
Free format text: JAPANESE INTERMEDIATE CODE: R313113 |
|
S531 | Written request for registration of change of domicile |
Free format text: JAPANESE INTERMEDIATE CODE: R313531 |
|
S533 | Written request for registration of change of name |
Free format text: JAPANESE INTERMEDIATE CODE: R313533 |
|
FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20150810 Year of fee payment: 3 |
|
R350 | Written notification of registration of transfer |
Free format text: JAPANESE INTERMEDIATE CODE: R350 |
|
S111 | Request for change of ownership or part of ownership |
Free format text: JAPANESE INTERMEDIATE CODE: R313113 |
|
R350 | Written notification of registration of transfer |
Free format text: JAPANESE INTERMEDIATE CODE: R350 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
LAPS | Cancellation because of no payment of annual fees |