JP2008515466A - 対象物のクラスの画像表現を識別する方法及びシステム - Google Patents
対象物のクラスの画像表現を識別する方法及びシステム Download PDFInfo
- Publication number
- JP2008515466A JP2008515466A JP2007527265A JP2007527265A JP2008515466A JP 2008515466 A JP2008515466 A JP 2008515466A JP 2007527265 A JP2007527265 A JP 2007527265A JP 2007527265 A JP2007527265 A JP 2007527265A JP 2008515466 A JP2008515466 A JP 2008515466A
- Authority
- JP
- Japan
- Prior art keywords
- image
- function
- lesion
- level
- luminance
- 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
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
- 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
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10072—Tomographic images
- G06T2207/10088—Magnetic resonance imaging [MRI]
-
- 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
- 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
- G06T2207/30096—Tumor; Lesion
-
- 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
Abstract
Description
本出願は、2004年8月17日に出願された米国特許仮出願第60/601,981号及び2005年1月31日に出願された米国特許仮出願第60/647,756号の恩典を主張する。
本明細書とともに、二つの同一の、すなわち複製のコンパクトディスクが提出されている。これらのコンパクトディスク上の資料を引用例として本明細書に取り込む。これらの同一のコンパクトディスクはそれぞれ以下のファイルを含む。
発明の分野
本発明は、良性及び悪性の病変のMRIシグナルのような対象物のクラスの画像表現を識別する方法、処理手順及びコンピュータコードのセットであって、表示される輝度の範囲の中心で病変を表示するためのシステムの制約、たとえばウィンドウイング/レベリングに適合するために画像が変換されている画像表現を識別する方法、処理手順及びコンピュータコードのセットに関する。
多くの従来技術用途では、データは三次元で表現され、それらの次元の二つ(x、y)が一定サイズのグリッド上の空間位置を表し、第三の次元(w)が元のソースデータの表現である。一例として、磁気共鳴画像診断(MRI)システムでは、w次元は、画像診断システムからのシグナルの強さを表す画像輝度である。MRIの例では、ソースシグナルは画像輝度シグナルに変換されて、表示システムによって課される輝度値の制限、たとえば28=256個の別個の輝度レベルに適合するようなやり方でMRI画像データの医学的に適切な表現を示す。w軸上での線形変換、たとえばウィンドウイング及びレベリングは一般に、医学的に関連のある画像部分を表示輝度スケールの中心部分に示すために使用される。これらの用途の多くでは、エンドユーザは、元のシグナルの強さに基づいてソースデータ内の対象物(たとえば病変)を区別し、識別することができることによる利点を得ることができる。しかし、症例ごとに異なるおそれあるソースシグナルから画像輝度シグナルへの変換は、この比較解析を困難かつエラーを被りやすいものにする。他の用途では、データは四次元で表現され、それらの次元のうち三つが空間的位置(x、y、z)を表し、第四の次元(w)がソースデータの表現である。本発明における二つの空間次元に関するすべての記述及び説明は、三つの空間次元に容易に拡張される。術語「ピクセル」は、2次元をいうためによく使用され、術語「ボクセル」は、3次元をいうためによく使用されるが、本明細書では、ピクセルを使用して2次元及び3次元を指す。
各画像中の、そのような異常を示すピクセルの位置を決定するステップ、
輝度レベルIの各セットに関して、決定するステップで決定された位置におけるピクセルを含むクラスタの周囲の輪郭を決定するステップ、
ネストされたシーケンスで各輪郭の個別の特徴を識別する関数Fを画定するステップ、
各輝度レベルにおける輪郭の範囲で関数Fの値の変化を特徴づけるために使用される関数Gを画定するステップ、及び
関数Gの少なくとも一つのしきい値に基づいて、又は身体領域内の複数の病変を示すピクセルのしきい値及び位置に基づいて、病変を、良性である可能性が高いもの又はがん性である可能性が高いものとして特定するステップ
を含む方法を提供する。
本発明は、良性及び悪性の病変のMRIシグナルのような対象物のクラスの画像表現を識別する方法、処理手順及びコンピュータコードのセットであって、表示される輝度の範囲の中心で病変を表示するためのシステムの制約、たとえばウィンドウイング/レベリングに適合させるために画像が変換されている画像表現を識別する方法、処理手順及びコンピュータコードのセットである。本発明の方法、処理手順及びコンピュータコードは、ピクセルの輝度及び空間的関係、たとえば対象物の中又は近くの勾配及び形状に基づいて対象物のクラスを識別する。
データは、乳房MRIのためのコンピュータ援用診断(CAD)システムを開発し、評価するために米国国立がん研究所(NCI)によって交付された助成金R44CA85101の下で実施された研究から得たものである。
ROI_Area>=300ピクセル
ROI_Area<=1800ピクセル、及び
ステップ数=当該症例を解釈した閲覧者のコンセンサス(モード)ステップ数
138の症例(良性69、がん69)が、この基準を満たすROI及び閲覧者の間のステップ数に関する非曖昧モードを有するものであった。
がん:987ピクセル、及び
良性:877ピクセル
がん:10.9、及び
良性:7.3
Claims (75)
- 身体領域の画像を評価する方法であって、画像の少なくとも一つが起こりうる病変を示唆する異常を示すものであり、
各画像中の、そのような異常を示すピクセルの位置を決定するステップ、
輝度レベルIの各セットに関して、決定するステップで決定された位置におけるピクセルを含むクラスタの周囲の輪郭を決定するステップ、
ネストされたシーケンスで各輪郭の個別の特徴を識別する関数Fを画定するステップ、
各輝度レベルにおける輪郭の範囲で関数Fの値の変化を特徴づけるために使用される関数Gを画定するステップ、及び
関数Gの少なくとも一つのしきい値に基づいて、又は身体領域内の複数の病変を示すピクセルのしきい値及び位置に基づいて、病変を、良性である可能性が高いもの又はがん性である可能性が高いものとして特定するステップ
を含む方法。 - 輪郭を画定するステップが、境界標の周囲の輝度しきい値レベルを使用してクラスタを画定するステップを含む、請求項1記載の方法。
- 関数Fを画定するステップが、関数F(C)=面積(B)(Bは、クラスタの周囲に形成された幾何学的輪郭である)を画定するステップを含む、請求項1記載の方法。
- 幾何学的輪郭が2又は3次元の長方形ボックスである、請求項3記載の方法。
- 少なくとも一つのしきい値を9に設定して悪性病変から良性病変を識別する、請求項1記載の方法。
- 関数Gが、各輝度レベルにおける輪郭の範囲で関数Fの値の変化の数を反映する、請求項1記載の方法。
- 0≦I<2N(Nは整数>1である)の範囲の特定の輝度Iをそれぞれが有する複数のピクセルを含む画像の中の病変ががん性であるのか、良性であるのか、不確かであるのかを評価する方法であって、
画像中の病変内で境界標ピクセルを画定するステップ、
0〜2N−1の範囲の可能な輝度値のセット中の各輝度値に関して、病変を含む境界標ピクセルの周囲にクラスタを成長させるステップ、
セット中の各輝度レベルで当該輝度レベルでクラスタを含む最小ポリゴンであるような対象領域を構築するステップ、
セット中の各輝度レベルに関して最小ポリゴンの特徴値を計算するステップ、
輝度レベルの範囲で特徴値の変化に関連する数値を決定するステップ、及び
輝度レベルの範囲で特徴値の変化に関連する数値に応答して、又は身体領域内の複数の病変を示すピクセルのしきい値及び位置に基づいて、病変ががん性である可能性が高いのか、良性である可能性が高いのか、不確かであるのかを判定するステップ
を含む方法。 - 特徴値の変化、決定するステップで決定された身体領域内の複数の病変を示すピクセルのしきい値及び位置、病変内の輝度レベルの数ならびに病変ががん性である可能性が高いのか、良性である可能性が高いのか、不確かであるのかの判定の指示を出力するステップをさらに含む、請求項7記載の方法。
- 最小ポリゴンが2次元であり、計算するステップで計算された特徴が最小ポリゴンの面積である、請求項7記載の方法。
- 最小ポリゴンが3次元であり、計算するステップで計算された特徴が最小ポリゴンの体積である、請求項7記載の方法。
- 2N=256である、請求項7記載の方法。
- 最小ポリゴンが長方形である、請求項9記載の方法。
- 最小ポリゴンが長方形ボックスである、請求項10記載の方法。
- 画像を評価する方法であって、画像の少なくとも一つが時間とともに病変を含むものであり、
造影剤の使用後に捕らえられたシグナルから導出された1タイムフレーム中のポスト画像のピクセル輝度と、造影剤の使用前に捕らえられたシグナルから導出されたプレ画像のピクセル輝度と、を収集するステップ、
ポスト画像のピクセル輝度からプレ画像のピクセル輝度を差し引いて、差し引き画像のピクセル輝度を得るステップ、
病変を包囲する対象領域を選択するステップ、
一つ以上のピクセルからなることができる境界標を対象領域内に設定するステップ、
レベルI=I(L)から出発し、ステップごとにIを減らしながら、Lに対してM連結し(Mは、画像中に反映される次元の数に依存して2の整数倍である)、輝度レベル>=Iを有するピクセルのクラスタを構築し(I(L)は、クラスタが、単調に増大するセット{CN、CN-1、…}(関数(CN)<=関数(CN-1)<=…、関数は、一部には、画像に反映される次元の数に依存する)を形成するような境界標におけるピクセル輝度を示す)、輝度レベルがII(関数(CII)>=Q、Qは所定の値である)に等しくなるまでこのプロセスを継続するステップ、
Imax及びIminを決定するステップ、
レベルI=Imaxから出発し、I=Iminまで減らしながら、CIの周囲の最小バウンディングボックスBIを構築し、ボックスの関数BImax⊆BImax-1⊆…(関数(BImax)≦関数(BImax-1)≦…)を計算するステップ、
輝度レベルの低下が最小バウンディングボックスの関数特徴の変化を誘発するたびステップカウンタを増すステップ、
B(J)>B(直前のバウンディングボックス)であるときのステップの全数を出力するステップ、及び
ステップの全数に基づいて、又は身体領域内の複数の病変を示すピクセルのしきい値及び位置に基づいて、病変が良性である可能性が高いのか、がん性である可能性が高いのか、不確かであるのかを判定するステップ
を含む方法。 - 1タイムフレーム中のポスト画像が、1タイムフレーム中のポスト画像がピーク増強に対応するような複数のポスト画像から選択されるものである、請求項14記載の方法。
- パラメータQ及びNをQ=25mm2及びN=4であるように設定することをさらに含む、請求項14記載の方法。
- 対象領域を選択するステップが、ユーザによって設定された対象領域を入力装置を介して入力することを含む、請求項14記載の方法。
- 対象領域を選択するステップが、画像処理及び/又はヒストグラム解析から対象領域を自動的に決定することを含む、請求項14記載の方法。
- 2次元が画像中に反映される場合、Mが、4又は8からなる群より選択され、関数が面積である、請求項10記載の方法。
- 3次元が画像中に反映される場合、Mが、6又は18又は26からなる群より選択され、関数が体積である、請求項10記載の方法。
- Imin及びImaxを、以下のようにして、すなわち
レベルJ=IIから出発し、ステップごとにJだけ減らしながら、1タイムフレーム中のポスト画像からのデータを使用してCJの境界の平均勾配(MeanGrad(J))を計算し(MeanGradが最大であるところの輝度レベルがレベルImaxを画定する)、
Iminを、CIminの面積がCImaxの面積×所定の数値を超える(関数(CImin)>N*関数(CImax))ところの最高輝度レベルとして設定する
ことによって決定する、請求項10記載の方法。 - ヒストグラム解析を使用してImin及びImaxを決定する、請求項10記載の方法。
- メモリ、画像を生成するための入力装置及び表示装置を有するコンピュータとで使用するための、画像を評価するためのコンピュータ読み取り可能なプログラムコードを有するコンピュータ使用可能な媒体を含むソフトウェアであって、画像の少なくとも一つが病変を含むものであり、
病変中のピクセルの位置を決定するための第一のプログラム論理、
輝度レベルIの各セットに関して、決定するステップで特定されたピクセルを含むクラスタの周囲の輪郭を決定するための第二のプログラム論理、
ネストされたシーケンス中の各輪郭の個別の特徴を識別する関数Fを画定するための第三のプログラム論理、
各輝度レベルでの輪郭の範囲で関数Fの値の変化を特徴づけるための使用される関数Gを画定するための第四のプログラム論理、及び
関数Gに応じた特徴を、関数Gの少なくとも一つのしきい値に基づいて、又は身体領域内の複数の病変を示すピクセルのしきい値及び位置に基づいて、良性である可能性が高いもの又はがん性である可能性が高いものと特定するための第五のプログラム論理
を含むソフトウェア。 - 第二のプログラム論理が、境界標の周囲の輝度しきい値レベルを使用してクラスタを画定するための第六のプログラム論理を含む、請求項23記載のソフトウェア。
- 第三のプログラム論理が、関数F(C)=面積(B)(Bは、クラスタの周囲に形成された幾何学的輪郭である)を画定する第七のプログラム論理を含む、請求項23記載のソフトウェア。
- 幾何学的輪郭が2又は3次元の長方形ボックスである、請求項25記載のソフトウェア。
- 悪性病変から良性病変を識別するために少なくとも一つのしきい値が9に設定されている、請求項23記載のソフトウェア。
- 関数Gが、各輝度レベルでの輪郭の範囲で関数Fの値の変化の数を反映する、請求項23記載のソフトウェア。
- メモリ、画像を生成するための入力装置及び表示装置を有するコンピュータとで使用するための、画像中の病変ががん性であるのか、良性であるのか、不確かであるのかを評価するためのコンピュータ読み取り可能なプログラムコードを有するコンピュータ使用可能な媒体を含むソフトウェアであって、画像が複数のピクセルを含み、各ピクセルが、0≦I<2N(Nは整数>1である)の範囲の特定の輝度Iを有するものであり、
画像中の病変内の境界標ピクセルを画定するための第一のプログラム論理、
0〜2N−1の範囲の可能な輝度値のセット中の各輝度値に関して、病変を含む境界標ピクセルの周囲のクラスタを成長させるための第二のプログラム論理、
セット中の各輝度レベルに関して、その輝度レベルにおけるクラスタを含む最小ポリゴンであるような対象領域を構築するための第三のプログラム論理、
セット中の輝度レベルの各セットで最小ポリゴンの特徴値を計算するための第四のプログラム論理、
輝度レベルの範囲で特徴値の変化に関連する数値を決定するための第五のプログラム論理、及び
輝度値の範囲で特徴値の変化に関連する数に応じて、又は身体領域内の複数の病変を示すピクセルのしきい値及び位置に基づいて、病変ががん性である可能性が高いのか、良性である可能性が高いのか、不確かであるのかを判定するための第六のプログラム論理
を含むソフトウェア。 - 対象領域の面積の値の変化に基づく、又は決定するステップで決定された身体領域内の複数の病変を示すピクセルのしきい値及び位置に基づく関数、病変内の輝度レベルの数値及び病変ががん性である可能性が高いのか、良性である可能性が高いのか、不確かであるのかの判定の指示を出力するための第七のプログラム論理をさらに含む、請求項29記載のソフトウェア。
- 最小ポリゴンが2次元であり、計算ステップで計算される特徴が最小ポリゴンの面積である、請求項29記載のソフトウェア。
- 最小ポリゴンが3次元であり、計算ステップで計算される特徴が最小ポリゴンの体積である、請求項29記載のソフトウェア。
- 2N=256である、請求項29記載のソフトウェア。
- 最小ポリゴンが長方形である、請求項31記載のソフトウェア。
- 最小ポリゴンが長方形ボックスである、請求項32記載のソフトウェア。
- メモリ、画像を生成するための入力装置及び表示装置を有するコンピュータとで使用するための、画像を評価するためのコンピュータ読み取り可能なプログラムコードを有するコンピュータ使用可能な媒体を含むソフトウェアであって、画像の少なくとも一つが時間とともに病変を含むものであり、
造影剤の使用後に捕らえられたシグナルから導出された1タイムフレーム中のポスト画像のピクセル輝度と、造影剤の使用前に捕らえられたシグナルから導出されたプレ画像のピクセル輝度と、を集めるための第一のプログラム論理、
ポスト画像のピクセル輝度からプレ画像のピクセル輝度を差し引いて差し引き画像のピクセル輝度を得るための第二のプログラム論理、
少なくとも一つの病変を包囲する対象領域を選択するための第三のプログラム論理、
対象領域内で境界標を設定するための第四のプログラム論理、
レベルI=I(L)から出発し、ステップごとにIを減らしながら、Lに対してM連結し(Mは、画像中に反映される次元の数に依存して、2の整数倍である)、輝度レベル>=Iを有するピクセルのクラスタを構築し(I(L)は、クラスタが、単調に増大するセット{CN、CN-1、…}(関数(CN)<=関数(CN-1)<=…、関数は、少なくとも一部には、画像に反映される次元の数に依存する)を形成するような境界標におけるピクセル輝度を示す)、輝度レベルがII(関数(CII)>=Q、Qは所定の値である)に等しくなるまでこのプロセスを継続するための第五のプログラム論理、
Imaxを決定するための第六のプログラム論理、
Iminを決定するための第七のプログラム論理、
レベルI=Imaxから出発し、I=Iminまで減らしながら、CIの周囲の最小バウンディングボックスBIを構築し、ボックスの関数BImax⊆BImax-1⊆…(関数(BImax)≦関数(BImax-1)≦…)を計算するための第八のプログラム論理、
輝度レベルの低下が最小バウンディングボックスの関数特徴の変化を誘発するたびステップカウンタを増すための第九のプログラム論理、
B(J)>B(直前のバウンディングボックス)であるときのステップの全数を出力するための第十のプログラム論理、及び
ステップの全数に基づいて、又は身体領域内の複数の病変を示すピクセルのしきい値及び位置に基づいて、病変が良性である可能性が高いのか、がん性である可能性が高いのか、不確かであるのかを判定するための第十一のプログラム論理
を含むソフトウェア。 - 1タイムフレーム中のポスト画像が、1タイムフレーム中のポスト画像がピーク増強に対応するような複数のポスト画像から選択されるものである、請求項36記載のソフトウェア。
- パラメータQ及びNをQ=25mm2及びN=4であるように設定するための第十二のプログラム論理をさらに含む、請求項36記載のソフトウェア。
- 第一のプログラム論理が、ユーザによって設定された対象領域を入力装置を介して入力するための第十三のプログラム論理を含む、請求項36記載のソフトウェア。
- 第一のプログラム論理が、画像処理及び/又はヒストグラム解析から対象領域を自動的に決定するための第十四のプログラム論理を含む、請求項36記載のソフトウェア。
- 2次元が画像中に反映される場合、Mが、4又は8からなる群より選択され、関数が面積である、請求項36記載のソフトウェア。
- 3次元が画像中に反映される場合、Mが、6又は18又は26からなる群より選択され、関数が体積である、請求項36記載のソフトウェア。
- 第六及び第七のプログラム論理が、Imin及び値Imaxを決定するための、以下のようなプログラム論理、すなわち
レベルJ=IIから出発し、ステップごとにJだけ減らしながら、1タイムフレーム中のポスト画像からのデータを使用してCJの境界の平均勾配(MeanGrad(J))を計算する(MeanGradが最大であるところの輝度レベルがレベルImaxを画定する)ための第十五のプログラム論理、及び
Iminを、CIminの面積がCImaxの面積×所定の数値を超える(関数(CImin)>N*関数(CImax))ところの最高輝度レベルとして設定するための第十六のプログラム論理
を含む、請求項36記載のソフトウェア。 - 第六及び第七のプログラム論理が、ヒストグラム解析を使用してImin及びImaxを決定するための第十五のプログラム論理を含む、請求項36記載のソフトウェア。
- 画像を評価する方法を実行するための、コンピュータ読み取り可能なメモリ上に具現化されたコンピュータプログラム製品であって、画像の少なくとも一つが病変を含むものであり、
病変中のピクセルの位置を決定し、
輝度レベルIの各セットに関して、決定するステップで特定されたピクセルを含むクラスタの周囲の輪郭を決定し、
ネストされたシーケンス中の各輪郭の個別の特徴を識別する関数Fを画定し、
各輝度レベルでの輪郭の範囲で関数Fの値の変化を特徴づけるための使用される関数Gを画定し、
関数Gに応じた特徴を、関数Gの少なくとも一つのしきい値に基づいて、又は身体領域内の複数の病変を示すピクセルのしきい値及び位置に基づいて、良性である可能性が高いもの又はがん性である可能性が高いものと特定する
ための一連の命令を含むコンピュータプログラム製品。 - 輪郭を決定するための命令が、境界標の周囲の輝度しきい値レベルを使用してクラスタを画定するための命令を含む、請求項45記載のコンピュータプログラム製品。
- 関数Fを画定するための命令が、関数F(C)=面積(B)(Bは、クラスタの周囲に形成された幾何学的輪郭である)を画定するための命令を含む、請求項45記載のコンピュータプログラム製品。
- 幾何学的輪郭が2又は3次元の長方形ボックスである、請求項45記載のコンピュータプログラム製品。
- 悪性病変から良性病変を識別するために少なくとも一つのしきい値が9に設定されている、請求項45記載のコンピュータプログラム製品。
- 関数Gが、各輝度レベルでの輪郭の範囲で関数Fの値の変化の数を反映する、請求項45記載のコンピュータプログラム製品。
- 画像中の病変ががん性であるのか、良性であるのか、不確かであるのかを評価する方法を実行するための、コンピュータ読み取り可能なメモリ上に具現化されたコンピュータプログラム製品であって、画像が複数のピクセルを含み、各ピクセルが、0≦I<2N(Nは整数>1である)の範囲の特定の輝度Iを有するものであり、
画像中の病変内に境界標ピクセルを画定し、
0〜2N−1の範囲の可能な輝度値のセット中の各輝度値に関して病変を含む境界標ピクセルの周囲のクラスタを成長させ、
セット中の各輝度レベルで、その輝度レベルにおけるクラスタを含む最小ポリゴンであるような対象領域を構築し、
セット中の各輝度レベルで最小ポリゴンの特徴値を計算し、
輝度レベルの範囲で特徴値の変化に関連する数値を決定し、及び
輝度レベルの範囲で特徴値の変化に関連する数に応じて、又は身体領域内の複数の病変を示すピクセルのしきい値及び位置に基づいて、病変ががん性である可能性が高いのか、良性である可能性が高いのか、不確かであるのかを判定する
ための一連の命令を含むコンピュータプログラム製品。 - 決定するための命令によって決定された対象領域の面積の値の変化に基づく関数、病変内の輝度レベルの数及び病変ががん性である可能性が高いのか、良性である可能性が高いのか、不確かであるのかの判定の指示を出力するための命令をさらに含む、請求項51記載のコンピュータプログラム製品。
- 最小ポリゴンが2次元であり、計算するステップで計算される特徴が最小ポリゴンの面積である、請求項51記載のコンピュータプログラム製品。
- 最小ポリゴンが3次元であり、計算するステップで計算される特徴が最小ポリゴンの体積である、請求項51記載のコンピュータ。
- 2N=256である、請求項51記載のコンピュータ。
- 最小ポリゴンが長方形である、請求項53記載の方法。
- 最小ポリゴンが長方形ボックスである、請求項54記載のコンピュータ。
- 画像を評価する方法を実行するための、コンピュータ読み取り可能なメモリ上に具現化されたコンピュータプログラム製品であって、画像の少なくとも一つが時間とともに病変を含むものであり、
造影剤の使用後に捕らえられたシグナルから導出された1タイムフレーム中のポスト画像のピクセル輝度と、造影剤の使用前に捕らえられたシグナルから導出されたプレ画像のピクセル輝度と、を集め、
1タイムフレーム中のポスト画像のピクセル輝度からプレ画像のピクセル輝度を差し引いて差し引き画像のピクセル輝度を得、
病変を包囲する対象領域を選択し、
対象領域内で境界標を設定し、
レベルI=I(L)から出発し、ステップごとにIを減らしながら、Lに対してM連結し(Mは、画像中に反映される次元の数に依存して、2の整数倍である)、輝度レベル>=Iを有するピクセルのクラスタを構築し(I(L)は、クラスタが、単調に増大するセット{CN、CN-1、…}(関数(CN)<=関数(CN-1)<=…、関数は、少なくとも一部には、画像に反映される次元の数に依存する)を形成するような境界標におけるピクセル輝度を示す)、輝度レベルがII(関数(CII)>=Q、Qは所定の値である)に等しくなるまでこのプロセスを継続し、
Imaxを決定し、
Iminを決定し、
レベルI=Imaxから出発し、I=Iminまで減らしながら、CIの周囲の最小バウンディングボックスBIを構築し、ボックスの関数BImax⊆BImax-1⊆…(関数(BImax)≦関数(BImax-1)≦…)を計算し、
輝度レベルの低下が最小バウンディングボックスの関数特徴の変化を誘発するたびステップカウンタを増し、
B(J)>B(直前のバウンディングボックス)であるときのステップの全数を出力し、
ステップの全数に基づいて、又は身体領域内の複数の病変を示すピクセルのしきい値及び位置に基づいて、病変が良性である可能性が高いのか、がん性である可能性が高いのか、不確かであるのかを判定する
ための一連の命令を含むコンピュータプログラム製品。 - 1タイムフレーム中のポスト画像が、1タイムフレーム中のポスト画像がピーク増強に対応するような複数のポスト画像から選択されるものである、請求項58記載のコンピュータプログラム製品。
- パラメータQ及びNをQ=25mm2及びN=4であるように設定するための命令をさらに含む、請求項58記載のコンピュータプログラム製品。
- 対象領域を選択するための命令が、ユーザによって設定された対象領域を入力装置を介して入力するための命令を含む、請求項58記載のコンピュータプログラム製品。
- 対象領域を選択するための命令が、画像処理及び/又はヒストグラム解析から対象領域を自動的に決定するための命令を含む、請求項58記載のコンピュータプログラム製品。
- 2次元が画像中に反映される場合、Mが、4又は8からなる群より選択され、関数が面積である、請求項58記載のコンピュータプログラム製品。
- 3次元が画像中に反映される場合、Mが、6又は18又は26からなる群より選択され、関数が体積である、請求項58記載のコンピュータプログラム製品。
- Imax及び値Iminを決定するステップが、
レベルJ=IIから出発し、ステップごとにJだけ減らしながら、1タイムフレーム中のポスト画像からのデータを使用してCJの境界の平均勾配(MeanGrad(J))を計算すること(MeanGradが最大であるところの輝度レベルがレベルImaxを画定する)、及び
Iminを、CIminの面積がCImaxの面積×所定の数値を超える(関数(CImin)>N*関数(CImax))ところの最高輝度レベルとして設定すること
を含む、請求項58記載のコンピュータプログラム製品。 - Imax及びIminを決定するステップがヒストグラム解析を使用する、請求項58記載のコンピュータプログラム製品。
- 画像を評価する方法であって、画像の少なくとも一つが時間とともに病変を含むものであり、
造影剤の使用後に捕らえられたシグナルから導出された1タイムフレーム中のポスト画像のピクセル輝度と、造影剤の使用前に捕らえられたシグナルから導出されたプレ画像のピクセル輝度と、を集めるステップ、
1タイムフレーム中のポスト画像のピクセル輝度からプレ画像のピクセル輝度を差し引いて差し引き画像のピクセル輝度を得るステップ、
病変を包囲する対象領域を選択するステップ、
対象領域内で境界標を設定するステップ、
レベルI=I(L)から出発し、ステップごとにIを減らしながら、Lに対してM連結し(Mは、画像中に反映される次元の数に依存して、2の整数倍である)、輝度レベル>=Iを有するピクセルのクラスタを構築し(I(L)は、クラスタが、単調に増大するセット{CN、CN-1、…}(関数(CN)<=関数(CN-1)<=…、関数は、一部には、画像に反映される次元の数に依存する)を形成するような境界標におけるピクセル輝度を示す)、輝度レベルがII(関数(CII)>=Q、Qは所定の値である)に等しくなるまでこのプロセスを継続するステップ、
レベルJ=IIから出発し、ステップごとにJだけ減らしながら、1タイムフレーム中のポスト画像からのデータを使用してCJの境界の平均勾配(MeanGrad(J))を計算するステップ(MeanGradが最大であるところの輝度レベルがレベルImaxを画定する)
Iminを、CIminの面積がCImaxの面積×所定の数値を超える(関数(CImin)>N*関数(CImax))ところの最高輝度レベルとして設定するステップ、
レベルI=Imaxから出発し、I=Iminまで減らしながら、CIの周囲の最小バウンディングボックスBIを構築し、ボックスの関数BImax⊆BImax-1⊆…(関数(BImax)≦関数(BImax-1)≦…)を計算するステップ、
輝度レベルの低下が最小バウンディングボックスの関数特徴の変化を誘発するたびステップカウンタを増すステップ、
B(J)>B(直前のバウンディングボックス)であるときのステップの全数を出力するステップ、及び
ステップの全数に基づいて、又は身体領域内の複数の病変を示すピクセルのしきい値及び位置に基づいて、病変が良性である可能性が高いのか、がん性である可能性が高いのか、不確かであるのかを判定するステップ
を含む方法。 - メモリ、画像を生成するための入力装置及び表示装置を有するコンピュータとで使用するための、画像を評価するためのコンピュータ読み取り可能なプログラムコードを有するコンピュータ使用可能な媒体を含むソフトウェアであって、画像の少なくとも一つが時間とともに病変を含むものであり、
造影剤の使用後に捕らえられたシグナルから導出された1タイムフレーム中のポスト画像のピクセル輝度と、造影剤の使用前に捕らえられたシグナルから導出されたプレ画像のピクセル輝度と、を集めるための第一のプログラム論理、
1タイムフレーム中のポスト画像のピクセル輝度からプレ画像のピクセル輝度を差し引いて差し引き画像のピクセル輝度を得るための第二のプログラム論理、
病変を包囲する対象領域を選択するための第三のプログラム論理、
対象領域内で境界標を設定するための第四のプログラム論理、
レベルI=I(L)から出発し、ステップごとにIを減らしながら、Lに対してM連結し(Mは、画像中に反映される次元の数に依存して、2の整数倍である)、輝度レベル>=Iを有するピクセルのクラスタを構築し(I(L)は、クラスタが、単調に増大するセット{CN、CN-1、…}(関数(CN)<=関数(CN-1)<=…、関数は、少なくとも一部には、画像に反映される次元の数に依存する)を形成するような境界標におけるピクセル輝度を示す)、輝度レベルがII(関数(CII)>=Q、Qは所定の値である)に等しくなるまでこのプロセスを継続するための第五のプログラム論理、
レベルJ=IIから出発し、ステップごとにJだけ減らしながら、1タイムフレーム中のポスト画像からのデータを使用してCJの境界の平均勾配(MeanGrad(J))を計算する(MeanGradが最大であるところの輝度レベルがレベルImaxを画定する)ための第六のプログラム論理、
Iminを、CIminの面積がCImaxの面積×所定の数値を超える(関数(CImin)>N*関数(CImax))ところの最高輝度レベルとして設定するための第七のプログラム論理、
レベルI=Imaxから出発し、I=Iminまで減らしながら、CIの周囲の最小バウンディングボックスBIを構築し、ボックスの関数BImax⊆BImax-1⊆…(関数(BImax)≦関数(BImax-1)≦…)を計算するための第八のプログラム論理、
輝度レベルの低下が最小バウンディングボックスの関数特徴の変化を誘発するたびステップカウンタを増すための第九のプログラム論理、
B(J)>B(直前のバウンディングボックス)であるときのステップの全数を出力するための第十のプログラム論理、及び
ステップの全数に基づいて、又は身体領域内の複数の病変を示すピクセルのしきい値及び位置に基づいて、病変が良性である可能性が高いのか、がん性である可能性が高いのか、不確かであるのかを判定するための第十一のプログラム論理
を含むソフトウェア。 - 画像を評価する方法を実行するための、コンピュータ読み取り可能なメモリ上に具現化されたコンピュータプログラム製品であって、画像の少なくとも一つが時間とともに病変を含むものであり、
造影剤の使用後に捕らえられたシグナルから導出された1タイムフレーム中のポスト画像のピクセル輝度と、造影剤の使用前に捕らえられたシグナルから導出されたプレ画像のピクセル輝度と、を集め、
1タイムフレーム中のポスト画像のピクセル輝度からプレ画像のピクセル輝度を差し引いて差し引き画像のピクセル輝度を得、
病変を包囲する対象領域を選択し、
対象領域内で境界標を設定し、
レベルI=I(L)から出発し、ステップごとにIを減らしながら、Lに対してM連結し(Mは、画像中に反映される次元の数に依存して、2の整数倍である)、輝度レベル>=Iを有するピクセルのクラスタを構築し(I(L)は、クラスタが、単調に増大するセット{CN、CN-1、…}(関数(CN)<=関数(CN-1)<=…、関数は、少なくとも一部には、画像に反映される次元の数に依存する)を形成するような境界標におけるピクセル輝度を示す)、輝度レベルがII(関数(CII)>=Q、Qは所定の値である)に等しくなるまでこのプロセスを継続し、
レベルJ=IIから出発し、ステップごとにJだけ減らしながら、1タイムフレーム中のポスト画像からのデータを使用してCJの境界の平均勾配(MeanGrad(J))を計算し(MeanGradが最大であるところの輝度レベルがレベルImaxを画定する)、
Iminを、CIminの面積がCImaxの面積×所定の数値を超える(関数(CImin)>N*関数(CImax))ところの最高輝度レベルとして設定し、
レベルI=Imaxから出発し、I=Iminまで減らしながら、CIの周囲の最小バウンディングボックスBIを構築し、ボックスの関数BImax⊆BImax-1⊆…(関数(BImax)≦関数(BImax-1)≦…)を計算し、
輝度レベルの低下が最小バウンディングボックスの関数特徴の変化を誘発するたびステップカウンタを増し、
B(J)>B(直前のバウンディングボックス)であるときのステップの全数を出力し、
ステップの全数に基づいて、又は身体領域内の複数の病変を示すピクセルのしきい値及び位置に基づいて、病変が良性である可能性が高いのか、がん性である可能性が高いのか、不確かであるのかを判定する
ための一連の命令を含むコンピュータプログラム製品。 - 画像の少なくとも一つが、図示及び/又は説明するような病変を含む、画像を評価する方法。
- メモリ、画像を生成するための入力装置及び表示装置を有するコンピュータとで使用するための、画像を評価するためのコンピュータ読み取り可能なプログラムコードを有するコンピュータ使用可能な媒体を含むソフトウェアであって、画像の少なくとも一つが、図示及び/又は説明するような病変を含むものであるソフトウェア。
- 画像を評価する方法を実行するための、コンピュータ読み取り可能なメモリ上に具現化されたコンピュータプログラム製品であって、画像の少なくとも一つが病変を含むものであり、図示及び/又は説明するような一連の命令を含むコンピュータプログラム製品。
- 患者の体の一部における一つ以上の病変を含む画像を評価する方法であって、画像がピクセルのマトリックスからなるものであり、各ピクセルが、病変の存在又は非存在を示す輝度を有するものであり、
画像中の複数の対象領域を特定するステップ、及び
各対象領域に関して請求項1記載の方法を実行するステップ
を含む方法。 - 画像中の複数の病変ががん性であるのか、良性であるのか、不確かであるのかを評価する方法であって、画像が複数のピクセルを含み、各ピクセルが、0≦I<2N(Nは整数>1である)の範囲の特定の輝度Iを有するものであり、
画像中の複数の対象領域を特定するステップ、及び
各対象領域に関して請求項8記載の方法を実行するステップ
を含む方法。 - 第三のプログラム論理が、それぞれが病変を包囲する複数の対象領域を選択する、複数の病変の画像を評価するための請求項36記載のソフトウェア。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US60198104P | 2004-08-17 | 2004-08-17 | |
US64775605P | 2005-01-31 | 2005-01-31 | |
PCT/US2005/015326 WO2006022916A2 (en) | 2004-08-17 | 2005-05-03 | Method and system for discriminating image representations of classes of objects |
Publications (1)
Publication Number | Publication Date |
---|---|
JP2008515466A true JP2008515466A (ja) | 2008-05-15 |
Family
ID=35967986
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2007527265A Pending JP2008515466A (ja) | 2004-08-17 | 2005-05-03 | 対象物のクラスの画像表現を識別する方法及びシステム |
Country Status (5)
Country | Link |
---|---|
US (1) | US7974676B2 (ja) |
EP (1) | EP1997068B1 (ja) |
JP (1) | JP2008515466A (ja) |
CA (1) | CA2577547A1 (ja) |
WO (1) | WO2006022916A2 (ja) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2013144049A (ja) * | 2012-01-16 | 2013-07-25 | Toshiba Corp | 超音波診断装置、医用画像処理装置及びプログラム |
JP2016008966A (ja) * | 2014-06-25 | 2016-01-18 | 同方威視技術股▲フン▼有限公司 | セキュリティーチェックctシステム及びその方法 |
US9957260B2 (en) | 2013-08-09 | 2018-05-01 | Kyushu University, National University Corporation | Organic metal complex, light emitting material, delayed fluorescent material, and organic light emitting device |
Families Citing this family (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7719543B2 (en) * | 2005-09-08 | 2010-05-18 | General Electric Company | Methods and apparatus for method to optimize visual consistency of images using human observer feedback |
WO2007041429A1 (en) * | 2005-09-30 | 2007-04-12 | Alan Penn & Associates, Inc. | Method and system for generating display data |
JP5161217B2 (ja) | 2006-08-02 | 2013-03-13 | コーニンクレッカ フィリップス エレクトロニクス エヌ ヴィ | 画像中のボクセルのクラスター・マップを再構成する方法 |
US8175366B2 (en) * | 2006-10-17 | 2012-05-08 | Yeda Research & Development Co. Ltd. | Method for obtaining spatial images through MRI and processing the resulting spatial images and product |
WO2009078957A1 (en) | 2007-12-14 | 2009-06-25 | Flashfoto, Inc. | Systems and methods for rule-based segmentation for objects with full or partial frontal view in color images |
US8411986B2 (en) * | 2009-04-13 | 2013-04-02 | Flashfoto, Inc. | Systems and methods for segmenation by removal of monochromatic background with limitied intensity variations |
US8670615B2 (en) * | 2009-09-30 | 2014-03-11 | Flashfoto, Inc. | Refinement of segmentation markup |
CA2797267A1 (en) | 2010-04-30 | 2011-11-03 | Vucomp, Inc. | Probability density function estimator |
US9311567B2 (en) | 2010-05-10 | 2016-04-12 | Kuang-chih Lee | Manifold learning and matting |
WO2012006318A1 (en) | 2010-07-07 | 2012-01-12 | Vucomp, Inc. | Marking system for computer-aided detection of breast abnormalities |
US8918160B2 (en) | 2011-07-07 | 2014-12-23 | Alan Penn | Computer aided diagnostic method and device |
WO2013165454A1 (en) | 2012-05-03 | 2013-11-07 | Alan Penn & Associates, Inc. | Computer aided diagnostic method and device |
WO2015134668A1 (en) * | 2014-03-04 | 2015-09-11 | The Regents Of The University Of California | Automated quality control of diagnostic radiology |
US20160113546A1 (en) * | 2014-10-23 | 2016-04-28 | Khalifa University of Science, Technology & Research | Methods and systems for processing mri images to detect cancer |
CN116701153B (zh) * | 2023-08-09 | 2023-10-27 | 云账户技术(天津)有限公司 | 结算服务性能的评估方法、装置、电子设备及存储介质 |
Family Cites Families (21)
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 |
US5133020A (en) | 1989-07-21 | 1992-07-21 | Arch Development Corporation | Automated method and system for the detection and classification of abnormal lesions and parenchymal distortions in digital medical images |
US6671540B1 (en) | 1990-08-10 | 2003-12-30 | Daryl W. Hochman | Methods and systems for detecting abnormal tissue using spectroscopic techniques |
US5881124A (en) | 1994-03-31 | 1999-03-09 | Arch Development Corporation | Automated method and system for the detection of lesions in medical computed tomographic scans |
US6553327B2 (en) | 1998-09-16 | 2003-04-22 | Yeda Research & Development Co., Ltd. | Apparatus for monitoring a system with time in space and method therefor |
US6353803B1 (en) | 1996-01-18 | 2002-03-05 | Yeda Research And Development Co., Ltd. At The Welzmann Institute Of Science | Apparatus for monitoring a system in which a fluid flows |
US6909797B2 (en) | 1996-07-10 | 2005-06-21 | R2 Technology, Inc. | Density nodule detection in 3-D digital images |
US5986662A (en) | 1996-10-16 | 1999-11-16 | Vital Images, Inc. | Advanced diagnostic viewer employing automated protocol selection for volume-rendered imaging |
US5987345A (en) | 1996-11-29 | 1999-11-16 | Arch Development Corporation | Method and system for displaying medical images |
US6317617B1 (en) | 1997-07-25 | 2001-11-13 | Arch Development Corporation | Method, computer program product, and system for the automated analysis of lesions in magnetic resonance, mammogram and ultrasound images |
US5999639A (en) | 1997-09-04 | 1999-12-07 | Qualia Computing, Inc. | Method and system for automated detection of clustered microcalcifications from digital mammograms |
US6282305B1 (en) | 1998-06-05 | 2001-08-28 | Arch Development Corporation | Method and system for the computerized assessment of breast cancer risk |
JP2000126182A (ja) | 1998-10-27 | 2000-05-09 | Mitani Sangyo Co Ltd | 腫瘍診断方法 |
US6169817B1 (en) | 1998-11-04 | 2001-01-02 | University Of Rochester | System and method for 4D reconstruction and visualization |
US6697506B1 (en) | 1999-03-17 | 2004-02-24 | Siemens Corporate Research, Inc. | Mark-free computer-assisted diagnosis method and system for assisting diagnosis of abnormalities in digital medical images using diagnosis based image enhancement |
US6747665B1 (en) | 1999-05-10 | 2004-06-08 | Ge Medical Systems Global Technology Company, Llc | Semi-transparent medical image overlays |
US6801645B1 (en) | 1999-06-23 | 2004-10-05 | Icad, Inc. | Computer aided detection of masses and clustered microcalcifications with single and multiple input image context classification strategies |
US6674880B1 (en) | 1999-11-24 | 2004-01-06 | Confirma, Inc. | Convolution filtering of similarity data for visual display of enhanced image |
US6553356B1 (en) | 1999-12-23 | 2003-04-22 | University Of Pittsburgh - Of The Commonwealth System Of Higher Education | Multi-view computer-assisted diagnosis |
US6901156B2 (en) | 2000-02-04 | 2005-05-31 | Arch Development Corporation | Method, system and computer readable medium for an intelligent search workstation for computer assisted interpretation of medical images |
US6925200B2 (en) | 2000-11-22 | 2005-08-02 | R2 Technology, Inc. | Graphical user interface for display of anatomical information |
-
2005
- 2005-05-03 US US11/660,550 patent/US7974676B2/en active Active
- 2005-05-03 JP JP2007527265A patent/JP2008515466A/ja active Pending
- 2005-05-03 EP EP05742080.4A patent/EP1997068B1/en active Active
- 2005-05-03 WO PCT/US2005/015326 patent/WO2006022916A2/en active Application Filing
- 2005-05-03 CA CA002577547A patent/CA2577547A1/en not_active Abandoned
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2013144049A (ja) * | 2012-01-16 | 2013-07-25 | Toshiba Corp | 超音波診断装置、医用画像処理装置及びプログラム |
US9957260B2 (en) | 2013-08-09 | 2018-05-01 | Kyushu University, National University Corporation | Organic metal complex, light emitting material, delayed fluorescent material, and organic light emitting device |
JP2016008966A (ja) * | 2014-06-25 | 2016-01-18 | 同方威視技術股▲フン▼有限公司 | セキュリティーチェックctシステム及びその方法 |
US9786070B2 (en) | 2014-06-25 | 2017-10-10 | Nuctech Company Limited | CT system for security check and method thereof |
Also Published As
Publication number | Publication date |
---|---|
US7974676B2 (en) | 2011-07-05 |
US20090060297A1 (en) | 2009-03-05 |
WO2006022916A3 (en) | 2009-04-09 |
EP1997068A2 (en) | 2008-12-03 |
EP1997068A4 (en) | 2011-05-11 |
CA2577547A1 (en) | 2006-03-02 |
EP1997068B1 (en) | 2018-12-26 |
WO2006022916A2 (en) | 2006-03-02 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP2008515466A (ja) | 対象物のクラスの画像表現を識別する方法及びシステム | |
Joo et al. | Computer-aided diagnosis of solid breast nodules: use of an artificial neural network based on multiple sonographic features | |
JP5814504B2 (ja) | 統計モデルを用いた医療画像自動セグメンテーションシステム、装置並びにプロセッサ | |
US9098935B2 (en) | Image displaying apparatus, image displaying method, and computer readable medium for displaying an image of a mammary gland structure without overlaps thereof | |
Chan et al. | Computer-aided detection system for breast masses on digital tomosynthesis mammograms: preliminary experience | |
US7283652B2 (en) | Method and system for measuring disease relevant tissue changes | |
JP5123954B2 (ja) | 医療画像における病変部の特定及び分析 | |
CN103249358B (zh) | 医用图像处理装置 | |
US8442282B2 (en) | Computer-aided imaging diagnostic processing apparatus and computer-aided imaging diagnostic processing method | |
GB2420641A (en) | Digital Medical Image Analysis | |
EP2116974B1 (en) | Statistics collection for lesion segmentation | |
WO2007026598A1 (ja) | 医用画像処理装置及び画像処理方法 | |
EP2102789A2 (en) | System and method for feature score mapping and visualization of medical images | |
WO2007117506A2 (en) | System and method for automatic detection of internal structures in medical images | |
Maitra et al. | Automated digital mammogram segmentation for detection of abnormal masses using binary homogeneity enhancement algorithm | |
US9147242B2 (en) | Processing system for medical scan images | |
RU2530302C2 (ru) | Анализ, по меньшей мере, трехмерного медицинского изображения | |
CN102763133B (zh) | 用于过滤图像数据的方法和系统及其在虚拟内窥镜检查中的使用 | |
US7369638B2 (en) | System and method for detecting a protrusion in a medical image | |
Boehm et al. | Automated classification of breast parenchymal density: topologic analysis of X-ray attenuation patterns depicted with digital mammography | |
Yu | Detecting and Locating of Brain Abnormality in MR Images Using Texture Feature Analysis and Improved Probabilistic Relaxation Methods | |
Petroudi et al. | Breast density dependent computer aided detection | |
WO2009035557A1 (en) | Detection of motion artifacts in dynamic contrast-enhanced breast mri | |
JP2007534352A (ja) | すりガラス様小結節(ggn)セグメンテーションを行うためのシステムおよび方法 | |
Khatib et al. | AUTOMATIC DETECTION OF MASSES IN ULTRASOUND PHANTOM IMAGES |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20080501 |
|
A711 | Notification of change in applicant |
Free format text: JAPANESE INTERMEDIATE CODE: A711 Effective date: 20080502 |
|
A521 | Written amendment |
Free format text: JAPANESE INTERMEDIATE CODE: A821 Effective date: 20080507 |
|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20080501 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20110208 |
|
A601 | Written request for extension of time |
Free format text: JAPANESE INTERMEDIATE CODE: A601 Effective date: 20110419 |
|
A602 | Written permission of extension of time |
Free format text: JAPANESE INTERMEDIATE CODE: A602 Effective date: 20110426 |
|
A601 | Written request for extension of time |
Free format text: JAPANESE INTERMEDIATE CODE: A601 Effective date: 20110526 |
|
A602 | Written permission of extension of time |
Free format text: JAPANESE INTERMEDIATE CODE: A602 Effective date: 20110602 |
|
A601 | Written request for extension of time |
Free format text: JAPANESE INTERMEDIATE CODE: A601 Effective date: 20110627 |
|
A602 | Written permission of extension of time |
Free format text: JAPANESE INTERMEDIATE CODE: A602 Effective date: 20110704 |
|
A02 | Decision of refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A02 Effective date: 20111108 |