JP2009531129A - 胸部側面の放射線画像上の脊椎骨折を検出するための方法 - Google Patents

胸部側面の放射線画像上の脊椎骨折を検出するための方法 Download PDF

Info

Publication number
JP2009531129A
JP2009531129A JP2009502753A JP2009502753A JP2009531129A JP 2009531129 A JP2009531129 A JP 2009531129A JP 2009502753 A JP2009502753 A JP 2009502753A JP 2009502753 A JP2009502753 A JP 2009502753A JP 2009531129 A JP2009531129 A JP 2009531129A
Authority
JP
Japan
Prior art keywords
vertebra
vertebral
height
vertebrae
edge
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
Application number
JP2009502753A
Other languages
English (en)
Inventor
邦雄 土井
聡 笠井
Original Assignee
邦雄 土井
聡 笠井
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by 邦雄 土井, 聡 笠井 filed Critical 邦雄 土井
Publication of JP2009531129A publication Critical patent/JP2009531129A/ja
Pending legal-status Critical Current

Links

Images

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00Image analysis
    • G06T7/0002Inspection of images, e.g. flaw detection
    • G06T7/0012Biomedical image inspection
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00Image analysis
    • G06T7/10Segmentation; Edge detection
    • G06T7/12Edge-based segmentation
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00Image analysis
    • G06T7/60Analysis of geometric attributes
    • G06T7/62Analysis of geometric attributes of area, perimeter, diameter or volume
    • AHUMAN NECESSITIES
    • A61MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61BDIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00Measuring for diagnostic purposes; Identification of persons
    • A61B5/103Detecting, measuring or recording devices for testing the shape, pattern, colour, size or movement of the body or parts thereof, for diagnostic purposes
    • A61B5/107Measuring physical dimensions, e.g. size of the entire body or parts thereof
    • A61B5/1075Measuring physical dimensions, e.g. size of the entire body or parts thereof for measuring dimensions by non-invasive methods, e.g. for determining thickness of tissue layer
    • AHUMAN NECESSITIES
    • A61MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61BDIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00Measuring for diagnostic purposes; Identification of persons
    • A61B5/45For evaluating or diagnosing the musculoskeletal system or teeth
    • A61B5/4504Bones
    • AHUMAN NECESSITIES
    • A61MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61BDIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B6/00Apparatus for radiation diagnosis, e.g. combined with radiation therapy equipment
    • A61B6/50Clinical applications
    • A61B6/505Clinical applications involving diagnosis of bone
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00Indexing scheme for image analysis or image enhancement
    • G06T2207/10Image acquisition modality
    • G06T2207/10116X-ray image
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00Indexing scheme for image analysis or image enhancement
    • G06T2207/30Subject of image; Context of image processing
    • G06T2207/30004Biomedical image processing
    • G06T2207/30008Bone
    • G06T2207/30012Spine; Backbone

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • General Physics & Mathematics (AREA)
  • Health & Medical Sciences (AREA)
  • Geometry (AREA)
  • General Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Radiology & Medical Imaging (AREA)
  • Quality & Reliability (AREA)
  • Apparatus For Radiation Diagnosis (AREA)
  • Image Analysis (AREA)

Abstract

【課題】少なくとも1つの医用画像上の脊椎骨折を検出する。
【解決手段】 (1)複数の脊椎骨を含む医用画像を収集し、(2)線強調と特徴分析とを用いて複数の脊椎骨の対応する縁を特定し、(3)特定された脊椎骨の縁の位置に基づいて各脊椎骨の椎体高を決定し、(4)決定された椎体高分析して折れた脊椎骨を同定する、ステップを含む脊椎骨折を検出するための方法、システム、及びプログラム製品。
【選択図】 図19

Description

本発明は、部分的に米国政府の支援によりUSPHS許可番号CA062625及びCA098119の下に作成された。米国政府は、本発明に対してある権利を有する可能性がある。
本発明は、一般に医用画像上での脊椎骨折の自動検出に関し、より詳細には、胸部側面の放射線画像で視認可能な椎骨の縁の定量分析を用いた医用画像(MRA画像のような)上での脊椎骨折の検出のための方法、システム、及びコンピュータプログラム製品に関する。
本発明は、また一般に、例えばこの明細書において全て参考文献とされている米国特許第4,839,807号明細書;米国特許第4,841,555号明細書;米国特許第4,851,984号明細書;米国特許第4,875,165号明細書;米国特許第4,907,156号明細書;米国特許第4,918,534号明細書;米国特許第5,072,384号明細書;米国特許第5,133,020号明細書;米国特許第5,150,292号明細書;米国特許第5,224,177号明細書;米国特許第5,289,374号明細書;米国特許第5,319,549号明細書;米国特許第5,343,390号明細書;米国特許第5,359,513号明細書;米国特許第5,452,367号明細書;米国特許第5,463,548号明細書;米国特許第5,491,627号明細書;米国特許第5,537,485号明細書;米国特許第5,598,481号明細書;米国特許第5,622,171号明細書;米国特許第5,638,458号明細書;米国特許第5,657,362号明細書;米国特許第5,666,434号明細書;米国特許第5,673,332号明細書;米国特許第5,668,888号明細書;米国特許第5,732,697号明細書;米国特許第5,740,268号明細書;米国特許第5,790,690号明細書;米国特許第5,832,103号明細書;米国特許第5,873,824号明細書;米国特許第5,881,124号明細書;米国特許第5,931,780号明細書;米国特許第5,974,165号明細書;米国特許第5,982,915号明細書;米国特許第5,984,870号明細書;米国特許第5,987,345号明細書;米国特許第6,011,862号明細書;米国特許第6,058,322号明細書;米国特許第6,067,373号明細書;米国特許第6,075,878号明細書;米国特許第6,078,680号明細書;米国特許第6,088,473号明細書;米国特許第6,112,112号明細書;米国特許第6,138,045号明細書;米国特許第6,141,437号明細書;米国特許第6,185,320号明細書;米国特許第6,205,348号明細書;米国特許第6,240,201号明細書;米国特許第6,282,305号明細書;米国特許第6,282,307号明細書;米国特許第6,317,617号明細書;米国特許第6,466,689号明細書;米国特許第6,363,163号明細書;米国特許第6,442,287号明細書;米国特許第6,335,980号明細書;米国特許第6,594,378号明細書;米国特許第6,470,092号明細書;米国特許第6,483,934号明細書;と同様に米国特許出願第08/398,307号;米国特許出願第09/759,333号;米国特許出願第09/760,854号;米国特許出願第09/773,636号;米国特許出願第09/816,217号;米国特許出願第09/830,562号;米国特許出願第09/818,831号;米国特許出願第09/860,574号;米国特許出願第10/270,674号;米国特許出願第09/990,311号;米国特許出願第09/990,310号;米国特許出願第09/990,377号;米国特許出願第10/078,694号;米国特許出願第10/079,820号;米国特許出願第10/120,420号;米国特許出願第10/126,523号;米国特許出願第10/301,836号;米国特許出願第10/355,147号;米国特許出願第10/360,814号;米国特許出願第10/366,482号の一つ以上に開示されているデジタル画像の自動解析用のコンピュータ化された技術に関係がある。
本発明は、上述した米国特許明細書及び米国特許出願において参照され、記載され、また、下記の参考文献のリスト内で同定される文書に記載されている様々な技術の使用を含む。これら参考文献は、括弧内の対応する参照番号により明細書中で引用される。
Figure 2009531129
Figure 2009531129
Figure 2009531129
Figure 2009531129
上述の特許及び特許出願を含むこれら参考文献のそれぞれの内容は、ここに参照により組込まれる。特許、特許出願、及び他の参考文献に開示されている技術は、本発明の一部分として利用され得る。
骨粗鬆症は、世界における主要な公衆衛生の関心事のうちの1つである[1−7]。国際骨粗鬆症財団のアニュアルレポートによれば、50歳以上の女性の3人に1人、及び50歳以上の男性の5人に1人は、骨粗鬆症性骨折を経験するだろう。いくつかの臨床試験は、アレンドロネート(alendronate)、サケカルシトニン(salmon calcitonin)鼻内噴霧器、及びラロキシフェン(raloxifene)の使用による骨粗鬆症のための薬理療法が、脊椎骨折(それらは骨粗鬆症の特徴である)を有する人にとって後の骨折を防ぐのに有効であることを明白に示した[8−11]。リーベルマン(Liberman)らは、アレンドロネートが骨塩密度(BMD:Bone Mineral density)を増加させ、低いBMDを有する女性の脊椎骨折の危険を減らすことができる、と報告した[8]。ブラック(Black)らは、アレンドロネートが本質的に脊椎骨折の頻度を減少させ、脊椎骨折を有していた低いBMDを有する女性のBMDを増加させたということを、骨折介入試験(Fracture Intervention Trial)に基づいて報告した[9]。チェスナット(Chesnut)らは、アメリカの42施設、及び英国の5施設での臨床試験において、サケカルシトニン鼻内噴霧器が新しい脊椎骨折の危険を著しく減少させたと報告した[10]。ラロキシフェン評価調査の多数の結果において、エッチンガー(Ettinger)らは、BMDに対するラロキシフェンの有効性及び脊椎骨折のリスク削減が25か国の180施設において7,705人の女性に対して確認されたと報告した[11]。従って、初期段階において脊椎骨折を分析することは、重要である。
ほとんどの脊椎骨折は無症候性であるが、それらは、しばしば、他の目的のために普通に収集される胸部側面の放射線画像上で検出され得る。しかしながら、調査者は、胸部側面の放射線画像で視認可能な脊椎骨折が過小診断又は過小申告されたと述べた[12、13]。キム(Kim)らは、三次治療病院の救急科において検査された60歳以上の患者の無作為に選択された胸部放射線画像上の脊椎骨折の55%だけが公式な放射線医学レポートの中で言及されたことを示した[12]。ゲールバッハ(Gehlbach)らは、60歳以上の934人の女性の胸部放射線画像による検査において、同定された脊椎骨折の17%だけがカルテと退院時要約との中で示されたことを示した[13]。
AJRに公表されたレンチック(Lenchik)らによる最近の総括書[14]において、骨粗鬆症の早期発見における放射線技師の役割が強く強調された。例えば、胸部側面の放射線画像上の脊椎骨折を検出し、骨粗鬆症の早期発見後の追跡検査のためにそれらを報告することは、放射線技師にとって非常に重要である。従って、コンピュータによって胸部側面の放射線画像上の脊椎骨折を検出することができるのならば、そして潜在的な骨折の位置が「セカンド・オピニオン」としての放射線技師に提供されるのならば、胸部側面の放射線画像上の微細な脊椎骨折の検出を改善することが可能となり、それに伴って骨粗鬆症の評価を改善することが可能となる。
従って、本発明の1つの目的は、少なくとも1つの医用画像上の脊椎骨折を検出する方法を提供することにある。特に、本発明の1つの目的は、胸部側面の放射線画像上の脊椎骨折を検出するためのコンピュータ化された方法を提供し、コンピュータ支援診断(CAD)に基づく放射線技師の画像解釈を支援することである。それは、マンモグラフィ[15−22]や他の分野[23−29]における乳癌の検出において最近成功している。本発明の1つの実施形態は、胸部側面の放射線画像上で視認可能な脊椎骨の縁の定量分析の使用に基づく。
従って、(1)複数の脊椎骨を含む医用画像を収集し;(2)前記収集された医用画像中の複数の脊椎骨を含む脊椎骨領域を、決定されたスキンライン(skinline)に基づいて抽出し;(3)前記脊椎骨領域において、線強調と多閾値処理とを用いて前記複数の脊椎骨の対応する縁を特定し;(4)前記特定された脊椎骨の縁の位置に基づいて各脊椎骨の椎体高を決定し;(6)前記決定された椎体高を分析し、折れた脊椎骨を同定すること、を備える脊椎骨折を検出するための方法、システム、及びコンピュータプログラム製品が提供される。
本発明の他の実施形態において、前記分析ステップは、(1)前記決定された椎体高と各脊椎骨の位置との間の線形関係を、最小二乗法を用いて決定し;(2)前記決定された直線関係に基づいて、推定された高さの所定割合未満の高さを有する脊椎骨を前記折れた脊椎骨として同定すること、を備える。
本発明の他の実施形態において、前記分析ステップは、(1)前記特定された脊椎骨の縁の位置に基づいて前側の脊椎骨線、中央の脊椎骨線、及び後側の脊椎骨線を決定し;(2)前記決定された線と脊椎骨の縁とに基づいて、各脊椎骨について、前上側の縁、前下側の縁、中央上側の縁、中央下側の縁、後上側の縁、及び後下側の縁を決定し;(3)前記上側の縁と下側の縁とのそれぞれを用いて、各脊椎骨について、前側の高さ(H)、中央の高さ(H)、及び後側の高さ(H)を決定し;(4)前記脊椎骨の前記椎体高を得るために、各脊椎骨について、前記決定された前側の高さ、中央の高さ、及び後側の高さを平均する、ことを備える。
本発明の他の実施形態において、前記分析ステップは、(1)各脊椎骨について、比率H/H、H/H、H/平均H(平均Hは、隣接する脊椎骨の前記決定された後側の高さを平均することにより決定される)を決定することを備える。
脊椎骨折を検出するためのコンピュータ化された方式(scheme)の1つの実施形態は、胸部側面画像上の複数の脊椎骨の上側の縁と下側の縁との特定、特定された脊椎骨の縁を用いた脊椎骨の形状の評価、及び折れた脊椎骨の同定に基づく。図1は、方法の一実施形態を示す。この実施形態において、CAD方式は、9つのステップ:(1)画像マトリクスサイズの削減、(2)後側のスキンライン(skinline)を用いることによる脊椎骨領域の抽出、(3)選択された脊椎骨領域の矯正(straightening)、(4)選択された脊椎骨領域に関する線強調画像の生成、(5)脊椎骨の縁の候補の特定、(6)特定された脊椎骨の縁の候補によって決定された脊椎骨の中心線を用いることによる第2の矯正、(7)脊椎骨の縁の強調と特定、(8)椎体高の決定、及び(9)折れた脊椎骨の同定、を含む。この新しい方法は、反復矯正方式を用いることによる可能な限り正確な脊椎骨の縁の同定及び偽陽性の縁の削除を意図する。
図1のステップ101において、収集された医用画像マトリクスサイズは、削減される。例えば、この画像マトリクスサイズは、440×535ピクセルに削減される。他の画像サイズ及び原画像(マトリクスサイズが削減されていない画像)も同様に使用可能である。
ステップ102において、脊椎骨領域(多数の視認可能な脊椎骨を含む湾曲領域)は、後側のスキンラインを用いることによって自動的に同定され、折れた脊椎骨のための探索領域として用いられる。比較的に小さい脊椎骨領域の決定は、偽陽性の候補の数を相当に削減できる。胸部側面の放射線画像上の後側のスキンラインは、この領域を決定するために用いられる。胸部側面画像の後側からの水平線の印(horizontal signature)は、この胸部側面画像の上部から下部まで例えば8mm間隔で計算される。そして、最大の縁(maximum edges)を有する位置は、スキンラインの部分として決定される。そして、その位置は、最小二乗法を用いることによる二次の多項式関数によってフィッティングされる。位置は、必ずしも二次の多項式関数によりフィッティングされる必要はない、すなわち、より高次の多項式関数を含む他の関数も同様に使用可能である。曲線は、後側のスキンラインとして決定され、脊椎骨の中心線の推定のために水平にシフトされる。脊椎骨領域は、図2に示すように、中心線を用いることにより決定される。
次にステップ103において、選択された脊椎骨領域は、脊椎骨の上側縁と下側縁とが水平に向くように直線的に矯正される。従って、その後の脊椎骨の縁の特定は、比較的単純になる。選択された領域の矯正のため、局所的な適応性のある線形補間法が用いられる。選択された脊椎骨領域は小さな四辺形領域に分割され、それは線形補間技術を用いることにより、図3に示すように、長方形領域に変換される。矯正せずに脊椎骨の縁が特定された場合、肺領域の上部や腰椎の近くにある脊椎骨の縁を正確に特定することが困難であることに注意せよ。矯正せずに脊椎骨を特定するために、全ての方向における縁の向きを考慮することによって、複雑な縁特定方法(それは潜在的に多くの偽陽性を生み出す)を採用する必要がある。
ステップ104において、直線的に矯正された画像上の線成分は、線強調フィルタを用いることにより、脊椎骨の縁の特定のために強調される[31]。脊椎骨領域の矯正によって脊椎骨の縁がほぼ水平に向くと予想されるので、水平線成分を強調可能なカーネル(kernel)だけが用いられる。線強調された画像は、図4に示され、その中で脊椎骨の縁が明瞭に強調されている。さらに脊椎骨の縁は、ヘッシアン行列を用いた線成分強調、線成分を強調することが可能な構造要素(structuring element)を用いたモルフォロジーフィルタ、又は方向帯域フィルタ等のような他の方法により強調され得る。
脊椎骨の中心線は、図5に示される方法により決定される。ステップ501において、脊椎骨の中心線は、偽陽性の縁(以下FPEと呼ぶ)に対応する偽の脊椎骨の縁の候補を削除するために決定される。FPEの大部分は、主に脊椎骨の切り欠き(notch)や肺領域における血管に起因する。すなわち、脊椎骨の切り欠きは、脊椎骨の縁の後側に配置され、そしてほとんどの血管は、前側に配置される。中心線を決定するため、ステップ502において、脊椎骨の縁の候補は、画像特徴分析の前に行なわれる多閾値処理技術を用いることにより同定される。最初の閾値は、線強調された画像のヒストグラムの上から2%に対応するピクセルに選択される。ステップ503において、側方幅と候補の面積とは、特徴値として用いられる。そしてステップ504において、短い又は長い側方幅(及び小さい又は大きい面積)を有する候補は、FPEとして削除される。ステップ505において、脊椎骨の中心線は、全ての検出された候補の左及び右縁を用いて決定される。中心線は、最小二乗法を用いた二次の多項式関数で評価される。それに加え、中心線は、より高次の多項式のような他の関数を用いても評価され得る。
その後、ステップ502は繰り返される。また、線強調された画像のヒストグラム中の4%に対応する第2の閾値は、再び縁の候補を決定するために用いられる。このステップにおいて、中心線と候補の中心との間の距離が大きい候補は、FPEとして削除される。さらに、短い側方幅(及び小さい面積)を有する候補も削除される。同じ手順は、線強調された画像のヒストグラム中の6、8、10、15、20、25、30、35、及び40%の閾値で繰り返される。ステップ503において、ヒストグラム中の15、20、25、30、35、及び40%に対応する閾値は、隔膜より下の縁の候補のみのために適用される。図6は、側方幅と2%から10%までの閾値で特定された候補の面積との間の関係を示す。ステップ504において、各特徴値の点線より下の候補は、FPEとして削除される。いくつかのTP候補は、このグラフ中において削除される。しかし、これら削除されたTP候補のほとんど全ては、後に、より上の閾値で特定される。ステップ505において、中心線は、図7に示されるように、閾値が2%から40%まで増加されるにつれて特定される追加候補により修正される。ステップ506において、中心線の最終評価は、40%の閾値で得られる。
ステップ105は、図8に示される。図8は、特徴解析の前に行われる多閾値処理技術を用いることによって脊椎骨の縁の候補を決定するための方式を示す。ステップ802において、線強調された画像のピクセル値のヒストグラム上での2、4、6、8、10、15、20、25、30、35、及び40%に対応する閾値は、2値化画像の生成のために使用された。ステップ803において、縁の候補は、2値化画像から抽出された特徴を分析することにより選択される。特徴は、例えば、側方幅、面積、脊椎骨の中心線と候補の重心との間の距離、脊椎骨の中心線と候補との間の角度、及び平均局所勾配を含む。平均局所勾配は、脊椎骨の縁の候補と隔膜の縁との間の差のために用いられる。ステップ804において、候補の上側領域と下側領域とにおける平均ピクセル値は、計算される。また、これら平均ピクセル値の大きな差を有する候補は、隔膜の縁として削除される。隔膜の縁の同定のため、図9は、平均局所勾配と脊椎骨に沿う垂直距離との関係を示す。隔膜の縁の候補は、大きな平均勾配を有する右下の領域に位置する。図10は、脊椎骨の中心線から縁の候補の重心への距離と、脊椎骨の中心線と縁の候補との間の角度との間の関係を示す。脊椎骨の縁の候補の大部分は、水平方向に関する中心線付近に位置する。脊椎骨の切り欠きによる候補は、脊椎骨の縁の右側に現われる。また、肺領域の血管による候補は、脊椎骨の縁の左側に現われる。ルールベース法は、これらの特徴値をFPE候補の除去のために用いて適用される。この方法に用いられる閾値は、図9と図10とにおける点線として示される。
ステップ805において、対の候補は、FPE候補のいくつかのさらなる消去のために同定される。対の候補は、脊椎骨の縁の隣接する一組を示す。それは、一般に脊椎骨のディスク間隔の上側部分と下側部分とに対応する。対の候補を同定するため、最接近の候補間の距離と2番目に最接近の候補間の距離とが決定される。脊椎骨の縁が正しく検出された場合、最接近の候補間の距離は脊椎骨のディスク間隔の距離を示し、2番目に最接近の縁の候補間の距離は椎体高を示す。ステップ806において、脊椎骨の縁の候補は、その候補が二つの対の候補の間に配置された場合、それぞれが個別の対の候補として、FPEとして削除可能である。図11(a)と図11(b)とは、最接近の縁の候補間の距離と2番目に最接近の縁の候補間の距離との関係を示す。通常の場合、図11(a)に示すように、正しく検出された対の候補は、点線で囲まれた小さい長方形領域の中に位置する。図11(b)における骨折の場合のいくつかの対の候補は、点線で囲まれた領域の下方に位置する。ステップ807において、候補は、脊椎骨の縁の候補であると確認される。これら候補は、2番目に最接近の距離が短いので、折れた脊椎骨に関係する可能性がある。この場合、3つの対の候補は、折れた脊椎骨に関係する。
ステップ106において、ある場合には脊椎骨領域が第一の矯正法では十分に矯正されないので、脊椎骨の縁のための中心線の最終評価は、より正確な脊椎骨の配列を得るための第2の矯正に適用される。図12は、第2の矯正が矯正の正確さを改善し得ることを示す。
ステップ107において、脊椎骨の縁のための候補は、線強調、多閾値処理、及び特徴分析の反復によって再び検出される。第1の矯正と第2の矯正とにおいて各閾値で検出された候補は、重ねられる。図13は、脊椎骨折を示す矢印と共に、特定された脊椎骨の縁の候補の非限定の例を示す。
入射X線ビームに応じた斜位をとる被検体に関する側面放射線画像が得られた場合、脊椎骨の縁は、二つの脊椎骨の縁として描出され得る。この非限定の例において、二つの縁の候補は、互いにとても接近しており、それら縁の候補は、対になり得る。しかしながら、適切な対の候補は、脊椎骨のディスク間隔に対応する距離を有さなければならない。従って、対の候補の再評価が要求される。対の候補の決定の正確さを向上させ、いくつかのFPE候補のさらなる削除のため、対の候補は、再び検査される。図14は、最接近の候補の距離と脊椎骨に沿う垂直距離との間の関係を示す。12mm未満の最接近の距離を有する候補は、対の候補として保存される。それは、図14において同じ距離を有する2つの隣接点によって同定可能である一方、12mm以上の距離を有する2つの隣接点は削除される。正しくない対の候補を同定するために、適切な対の候補のための平均距離は、直線(点線)を用いることにより評価される。直線で示される平均距離よりはるかに短い最接近の距離を有する対の候補は、除去される。しかしながら、対になっていない孤立した縁の候補がとても短い距離を有する対の候補の近傍に位置すれば、これら3つの縁の候補は、対形成のための異なる組合せが正確に対の候補を提供するかもしれないかどうか確認するために評価される。さらに、対にならない候補は、FPEとして除去される。
脊椎骨折の決定のための3つの方法が評価される。確認された第1の方法は、特定された縁に基づく。椎体高と脊椎骨の位置との間に略線形関係があることが確認された。従って、ステップ108において、評価された椎体高は、特定された脊椎骨の縁の候補の位置を用いることによって決定される。図15は、椎体高と脊椎骨に沿う距離との間の関係を示す。ステップ109において、矢印によって示されるように、その高さが評価された高さの70%未満である候補は、折れた脊椎骨であると考えられる。さらに、椎体高と脊椎骨の位置との間の関係は、多項式関数のような非線形関数によって評価され得る。
第2の方法は、脊椎骨の形状の分析に基づく。特定された脊椎骨の縁から決定される椎体高は、脊椎骨の形状を特徴づけ、通常の脊椎骨から骨折を区別するために用いられる。椎体高は、前上側の縁、前下側の縁、中央上側の縁、中央下側の縁、後上側の縁、及び後下側の縁を含む6点から得られる。前側の脊椎骨線、中央の脊椎骨線、及び後側の脊椎骨線は、図16に示すように、候補の前側位置、中央位置、及び後側位置の近似によってそれぞれ決定される。特定された脊椎骨の縁に近似する水平線を有するこれら脊椎骨線の交点は、前上側の縁、前下側の縁等の6点を示す。前側の高さ、中央の高さ、及び後側の高さのような椎体高は、図16に示すように、前上側の縁、前下側の縁等を用いることによって決定される。与えられた患者についての平均の椎体高が決定される。そして、著しく小さな高さを有する脊椎骨は、脊椎骨折を経験したと考えられる。
脊椎骨折を決定するための第3の方法は、隣接する脊椎骨の比率H/H、H/H、及びH/平均H等の椎体高の比率に基づく。これら比率は、前側の高さ(H)、中央の高さ(H)、及び後側の高さ(H)から得られる。決定された6点は、原画像上の対応する位置に変換される。そして高さの比率が計算される。隣接する脊椎骨のH/HとH/平均Hとのみが用いられた。0.7未満の比率H/Hを有する候補は、折れた脊椎骨であると考えられる。
本発明の実施例の試験において、医用画像のデータベース1907は、脊椎骨折を有する人と有さない人とを含む65歳以上の被検体(男性437人、女性563人;平均年齢76歳)に関する1,000枚の胸部側面の放射線画像を含んだ。画像は、直立姿勢の被検体に関し、コンピューテッド・ラジオグラフィー・システム(富士写真フイルムCo.)を用いる。デジタル画像は、1,024グレイレベルで1,760×2,140のマトリクスサイズを有し、画像ディスプレイ1906上に表示される。不適切な胸部側面画像のための排他基準は、(1)とても画質が悪い、(2)技術的な誤り、及び(3)同じ被検体に関する一つ以上の胸部側面の放射線画像、である。脊椎骨折の存否は、ゲナント(Genant)らによって提案された方法を用いることによる主観的判断に基づく二人の放射線技師の意見の一致によって立証される[30]。
全ての視覚可能な脊椎骨は、正常(骨折なし)、等級1、等級2、及び等級3の骨折に分類される。例えば、胸部側面画像は、約30%の通常、40%の等級1、15%の等級2、及び5%の等級3の他に10%の例外(除外)を含んだ。さらに、放射線技師は、形態測定のデータ、すなわち、前上側の縁、前下側の縁、中央上側の縁、中央下側の縁、後上側の縁、及び後下側の縁を示す6つの端点を主観的に提供する。脊椎骨の縁の平均位置は、“ゴールドスタンダード”として、3人の放射線技師によって決定される。“事実”として用いられる脊椎骨の縁の正確な位置のための脊椎骨の縁の領域は、上側の縁に対する3点と下側の縁に対する3点とを接続することによって決定され、それらは“ゴールドスタンダード”に対応する。CAD方式からのコンピュータ出力の評価のため、これら脊椎骨の縁の領域に重複する縁の候補は、真陽性(TP)の候補であると考えられる。
図17は、脊椎骨折を有する3つの直線的に矯正された画像の例を示し、検出された3つの折れた脊椎骨が矢じりによって正確に示されている。非限定の例において、4つの折れた脊椎骨を含む3人の骨折患者と3人の正常者とのうち、コンピュータ化された方法は、全ての骨折患者のうちの3つの折れた脊椎骨を検出することができ、一つの偽陽性、すなわち、一つの画像あたり0.17の偽陽性の検出を含む。しかしながら、3人の正常者について、折れた骨折の偽陽性の検出はない。脊椎骨の形状の分析に基づく他の方法は、同じ結果を提供する。椎体高の比率に基づく方法を用いて、4つの偽陽性とともに、3つの折れた脊椎骨を有する3人の骨折患者が正しく検出され、すなわち一つの画像あたり0.66(4/6)の偽陽性の検出であり、それは3人の正常者について、折れた脊椎骨の一つの偽陽性の検出を含む。図18は、矢じりによって示されるように、正しく検出された折れた脊椎骨を有する胸部側面の放射線画像を示す。
図19は、脊椎骨折の検出を改善するように構成されたシステムを示す。
画像の収集手段1901は、複数の脊椎骨を含む医用画像を収集するように構成される。例えば医用画像は、胸部側面の放射線画像が可能である。抽出手段1902は、決定された後側のスキンラインに基づいて得られた医用画像上における複数の脊椎骨を含む脊椎骨領域を抽出するように構成される。特定手段1903は、線強調と多閾値処理とを用いて、脊椎骨領域上における複数の脊椎骨の対応する縁を特定するように構成される。決定手段1904は、特定された脊椎骨の縁の位置に基づく各脊椎骨の椎体高を決定するように構成される。最後に、分析手段1905は、折れた脊椎骨を同定するために椎体高を決定するように構成される。
この明細書の目的のため、我々は、身体的な状態の表現として画像を定義するべきであり、その表現において画像は、ある画像技術によって生成される。画像技術の例は、テレビ又はCCDカメラ、あるいはX線は、音波、超音波等の画像装置を含み得る。画像が記録される最初の媒体は、電子的固体装置(electronic solid-state devices)、写真フィルム、又は輝尽性蛍光体のような幾つかの他の装置が可能である。その後、記録された画像は、電子的(CCD信号の場合のように)又は機械的/光学的方法(写真フィルムをデジタル化する場合や輝尽性蛍光体からのデータをデジタル化する場合のように)の組合せによって、デジタル形式に変換され得る。画像が有し得る次元数は、一(例えば音響信号)、二(例えばX線放射線画像)、又はより高次(例えば核磁気共鳴画像)が可能である。
本発明の全ての実施例は、コンピュータ技術の当事者に明白であろうものとして、本発明の教えによってプログラムされた従来の汎用コンピュータかマイクロプロセッサーを使用して改良されてもよい。適切なソフトウェアは、ソフトウェア技術の当事者に明白であろうものとして、本開示の教えに基づく通常のスキルを有するプログラマによって容易に提供されてもよい。
コンピュータ900は、本発明の方法を改良してもよい。そこでコンピュータの筐体は、CPU、メモリ(例えばDRAM、ROM、EPROM、EEPROM、SRAM、SDRAM、及びフラッシュRAM)、及び他のオプションの専用論理装置(例えばASICS)又は適合性のある論理デバイス(例えばGAL、及び再プログラム可能なFPGA)を備えるマザーボードを収容する。コンピュータは、複数の入力装置(例えばキーボード、及びマウス)、及びモニターを制御するためのディスプレイカードもまた含む。さらにコンピュータは、フロッピー(登録商標)ディスクドライブ;他の着脱可能な媒体装置(例えばコンパクトディスク、テープ、及び着脱可能な光磁気媒体);及び適切なデバイスバス(例えばSCSIバス、拡張IDEバス、又はウルトラDMAバス)を用いて接続されたハードディスク、又は他の固定された高密度メディアドライブ、を含んでもよい。コンピュータは、さらにコンパクトディスク読取装置、コンパクトディスク読み取り/書き込みユニット、又はコンパクトディスク・ジュークボックスを含んでもよい。それらは同じデバイスバス又は他のデバイスバスに接続されてもよい。
本発明に関連したコンピュータ読取り可能な媒体の例は、コンパクトディスク、ハードディスク、フロッピー(登録商標)ディスク、テープ、光磁気ディスク、PROM(例えばEPROM、EEPROM、フラッシュEPROM)、DRAM、SRAM、SDRAM等を含む。任意の一つ又はこれらコンピュータ読取り可能な媒体の組合せに格納されて、本発明は、コンピュータの両方のハードウェアを制御するため、及びコンピュータが人間のユーザーと対話できるようにするためのソフトウェアを含む。そのようなソフトウェアは、開発ツールのようなデバイス・ドライバや、オペレーティングシステム、ユーザーアプリケーションを含んでいてもよいが、これらに制限されない。本発明のコンピュータプログラム製品は、コンピュータによって実行された時にコンピュータに本発明の方法を行なわせるコンピュータプログラムインストラクション(例えばコンピュータコード装置)を格納するあらゆるコンピュータ読み取り可能媒体を含んでいる。本発明のコンピュータコード装置は、スクリプトや、インタープリタ、ダイナミックリンクライブラリ(DLL)、Java(登録商標)クラス、完全実行可能プログラムを含むあらゆる解釈可能又は実行可能なコードメカニズムでもよいが、これらに制限されない。さらに、本発明の処理の部分は、よりよい性能、信頼性、及び/又はコストのために分配(例えば(1)多重CPU間、(2)少なくとも1つのCPUと少なくとも1つの配置可能な論理装置との間で)されてもよい。例えば、輪郭(outline)又は画像は、第1のコンピュータ上で選択され、遠隔診断のための第2のコンピュータへ送信されてもよい。
本発明は、画像コントラスト、不規則の程度、テクスチャ特徴等を説明するための追加のフィルタ技術やツールで補足されてもよい。
その発明は、当業者に容易に明らかであろうものとして、特定用途向け集積回路の準備によって又は従来の構成回路の適切なネットワークを相互に接続することによって実行されてもよい。
本発明への画像データの源は、X線装置、CT装置、及びMRI装置のような任意の適切な画像収集装置が可能である。さらに、収集されたデータは、既にデジタル形式でなければデジタル化されてもよい。あるいは、収集され処理される画像データの源は、画像収集装置によって生成されたデータを格納するメモリでもよい。そのメモリは、局部メモリであってもよいし、又は遠隔メモリであってもよく、その場合、PACS(Picture Archiving Computer System)のようなデータ通信網は、本発明に係わる処理のために画像データにアクセスするために用いられてもよい。
上記の教えに照らして、本発明の種々の修正及び変形が可能である。例えば、その発明は、MRA画像以外の画像に適用されてもよい。
もちろん、本発明の特別のハードウェア又はソフトウェアの実装は、本発明の範囲内でまだ残る間に変えられてもよい。従って、添付された請求項及びそれらの等価物の範囲内において、ここに特別に記述された以外のやり方で本発明が実施可能であるということが認識されるべきである。
胸部側面の放射線画像上の脊椎骨折の検出のためのコンピュータ化された方式を示す図。 後側のスキンラインを用いることにて収集された、選択された脊椎骨領域示す図。 脊椎骨の縁を特定するために用いられる、矯正された脊椎骨領域を示す図。 脊椎骨の縁の視覚化のための線強調された画像を示す図。 脊椎骨の中心線の決定のためのコンピュータ化された方式を示す図。 線強調された画像のヒストグラムの2%から10%までの閾値で特定された候補から収集された側方幅と縁候補の面積との関係を示す図。 多閾値処理を用いた中心線の決定を示す図。中心線は、特定された脊椎骨の縁候補を用いて、閾値を変化させながら更新される。 脊椎骨の縁の候補の検出のためのコンピュータ化された方式を示す図。 平均局所勾配と脊椎骨に沿う垂直距離との間の関係を示す図。 中心線から脊椎骨の縁の候補の重心への距離と、候補と中心線との間の角度との関係を示す図。 正常者(a)と骨折患者(b)とについての、最接近の候補間の距離と2番目に最接近の候補間の距離との関係を示す図。 正常者(a)と骨折患者(b)とについての、最接近の候補間の距離と2番目に最接近の候補間の距離との関係を示す図。 矯正なしと、第1及び第2の矯正処理の後との矯正された脊椎骨領域を示す図であり、12(a)は原画像、12(b)は第1の矯正によって得られた矯正された画像、及び12(c)は第2の矯正によって得られた矯正された画像を示す。 矯正された脊椎骨領域と特定された脊椎骨の縁の候補(折れた脊椎骨は矢印によって示される)とを示す図であり、13(a)は第2の矯正された画像を示し、13(b)は特定された脊椎骨の縁の候補を示し、FPE候補は隔膜領域の下に現れる。 最接近の候補間の距離と脊椎骨に沿う垂直距離との関係を示す図である。 椎体高と脊椎骨に沿う垂直距離との間の関係を示す図であり、点線は脊椎骨に沿う垂直距離に関する椎体高の評価線を示し、矢印は折れた脊椎骨を示す。 椎体高の決定を示す図であり、前側の高さ(H)、中央の高さ(H)、及び後側の高さ(H)を含み、3つの垂直線は前側の線(左)、中央の線(中央)、及び後側の線(右)であり、16(a)は線強調された画像上の特定された脊椎骨の縁の候補を示し、16(b)は決定された椎体高を示す。 3つの骨折の場合における折れた脊椎骨を示すコンピュータ出力を示す図であり、17(a)と17(b)における2つの矢じりは脊椎骨折の正しい検出を示し、17(c)における上側の矢じりは脊椎骨折の正しい検出を示し、下側の矢じりは偽陽性の検出を示す。 正しく検出された脊椎骨折(矢じりによって示される)を有する胸部側面の放射線画像を示す図である。 本発明の実施形態に係わる脊椎骨折を検出するためのシステムを示す図。

Claims (23)

  1. 複数の脊椎骨を含む医用画像を収集し、
    前記複数の脊椎骨の上側の縁と下側の縁とが水平に向くように前記医用画像の脊椎骨領域を直線的に矯正し、
    前記複数の脊椎骨の対応する縁を、線強調と特徴分析とを用いて特定し、
    前記特定された脊椎骨の縁の位置に基づいて各脊椎骨の椎体高を決定し、
    前記算出された椎体高を分析し、折れた脊椎骨を同定すること、
    を特徴とするコンピュータ上で実行可能な脊椎骨折の検出方法。
  2. 前記収集ステップは、
    前記医用画像として胸部側面の放射線画像を収集し、
    前記医用画像のサイズを削減すること、を特徴とする請求項1記載の方法。
  3. 前記特定ステップ、前記矯正ステップ、及び前記決定ステップを繰り返すこと、を特徴とする請求項1記載の方法。
  4. 前記特定ステップは、各脊椎骨の左縁と右縁とを用いて各脊椎骨の中心線を決定すること、を特徴とする請求項1記載の方法。
  5. 前記特定ステップは、
    側方幅、面積、前記脊椎骨の中心線と各脊椎骨の重心との間の距離、前記脊椎骨の中心線と各脊椎骨との間の角度、及び平均局所勾配の少なくとも一つを分析し、
    各脊椎骨の対の特定された縁を用いて偽陽性の縁を削減すること、を特徴とする請求項4記載の方法。
  6. 前記分析ステップは、
    前記決定された椎体高と各脊椎骨の位置との間の線形関係を、最小二乗法を用いて決定し、
    前記決定された線形関係に基づいて評価された高さの所定割合未満の高さを有する脊椎骨として、前記折れた脊椎骨を同定すること、を特徴とする請求項1記載の方法。
  7. 前記決定ステップは、
    前記決定された脊椎骨の縁の位置に基づいて前側の脊椎骨線、中央の脊椎骨線、及び後側の脊椎骨線を決定し、
    前記決定された線と脊椎骨の縁とを用いて、各脊椎骨について、前上側の縁、前下側の縁、中央上側の縁、中央下側の縁、後上側の縁、及び後上側の縁を決定し、
    前記上側の縁と下側の縁とのそれぞれを用いて、各脊椎骨について、前側の高さ(H)、中央の高さ(H)、及び後側の高さ(H)を決定し、
    前記脊椎骨の椎体高を得るために、各脊椎骨について、前記決定された前側の高さ、中央の高さ、及び後側の高さを平均すること、を特徴とする請求項1記載の方法。
  8. 前記決定ステップは、各脊椎骨について、比率H/H、H/H、H/平均H(平均Hは、隣接する脊椎骨の前記決定された後側の高さを平均することにより決定される)を決定すること、を特徴とする請求項7記載の方法。
  9. 脊椎骨領域を決定し、
    前記脊椎骨領域上の脊椎骨の縁を特定すること、を特徴とする請求項1記載の方法。
  10. 前記脊椎骨領域を、後側のスキンライン(skinline)を用いて決定し、
    前記脊椎骨領域上の脊椎骨の縁を特定すること、を特徴とする請求項1記載の方法。
  11. コンピュータにより実行された場合に、
    複数の脊椎骨を含む医用画像を収集し、
    前記複数の脊椎骨の上側の縁と下側の縁とが水平に向くように前記医用画像の脊椎骨領域を直線的に矯正し、
    前記複数の脊椎骨の対応する縁を、線強調と特徴分析とを用いて特定し、
    前記特定された脊椎骨の縁の位置に基づいて各脊椎骨の椎体高を決定し、
    前記決定された椎体高を分析し、折れた脊椎骨を同定する、
    ステップを含む方法をコンピュータに実行させる複数のコンピュータプログラムインストラクションを含むコンピュータプログラム製品を含み、記憶したコンピュータ読み取り可能媒体。
  12. 前記収集ステップは、
    前記医用画像として胸部側面の放射線画像を収集し、
    前記医用画像のサイズを削減すること、を備える請求項11記載のコンピュータ読み取り可能媒体。
  13. 前記特定ステップ、前記矯正ステップ、及び前記決定ステップを繰り返すこと、をさらに備える請求項11記載のコンピュータ読み取り可能媒体。
  14. 前記特定ステップは、各脊椎骨の左縁と右縁とを用いて各脊椎骨の中心線を決定すること、を備える請求項11記載のコンピュータ読み取り可能媒体。
  15. 前記特定ステップは、
    少なくとも一つの側方幅、面積、前記脊椎骨の中心線と各脊椎骨の重心との間の距離、前記脊椎骨の中心線と各脊椎骨との間の角度、及び平均局所勾配を分析し、
    各脊椎骨の対の特定された縁を用いて偽陽性の縁を削減すること、を備える請求項14記載のコンピュータ読み取り可能媒体。
  16. 前記分析ステップは、
    前記決定された椎体高と各脊椎骨の位置との間の線形関係を、最小二乗法を用いて決定し、
    前記決定された線形関係に基づいて評価された高さの所定割合未満の高さを有する脊椎骨として、前記折れた脊椎骨を同定すること、を備える請求項11記載のコンピュータ読み取り可能媒体。
  17. 前記決定ステップは、
    前記決定された脊椎骨の縁の位置に基づいて前側の脊椎骨線、中央の脊椎骨線、及び後側の脊椎骨線を決定し、
    前記決定された線と脊椎骨の縁とを用いて、各脊椎骨について、前上側の縁、前下側の縁、中央上側の縁、中央下側の縁、後上側の縁、及び後上側の縁を決定し、
    前記上側の縁と下側の縁とのそれぞれを用いて、各脊椎骨について、前側の高さ(H)、中央の高さ(H)、及び後側の高さ(H)を決定し、
    前記脊椎骨の椎体高を得るために、各脊椎骨について、前記決定された前側の高さ、中央の高さ、及び後側の高さを平均すること、を備える請求項11記載のコンピュータ読み取り可能媒体。
  18. 前記決定ステップは、各脊椎骨について、比率H/H、H/H、H/平均H(平均Hは、隣接する脊椎骨の前記決定された後側の高さを平均することにより決定される)を決定すること、を備える請求項11記載のコンピュータ読み取り可能媒体。
  19. 脊椎骨領域を決定し、
    前記脊椎骨領域上の脊椎骨の縁を特定すること、をさらに備える請求項11記載のコンピュータ読み取り可能媒体。
  20. 後側のスキンラインを用いて前記脊椎骨領域を決定し、
    前記脊椎骨領域上の脊椎骨の縁を特定すること、をさらに備える請求項11記載のコンピュータ読み取り可能媒体。
  21. 複数の脊椎骨を含む医用画像を収集するための手段と、
    前記複数の脊椎骨の上側の縁と下側の縁とが水平に向くように前記医用画像の脊椎骨領域を直線的に矯正するための手段と、
    前記複数の脊椎骨の対応する縁を線強調と特徴分析とを用いて特定するための手段と、
    前記特定された脊椎骨の縁の位置に基づいて各脊椎骨の椎体高を決定するための手段と、
    前記決定された椎体高を分析し、折れた脊椎骨を同定するための手段と、
    を具備する脊椎骨折を検出するために構成されたコンピュータ上で実行可能なシステム。
  22. 脊椎骨領域を決定するための手段と、
    前記脊椎骨領域上の脊椎骨の縁を検出するための手段と、をさらに備える請求項23記載のコンピュータ上で実行可能なシステム。
  23. 前記脊椎骨領域を、後側のスキンラインを用いて決定するための手段と、
    前記脊椎骨領域上の脊椎骨を検出するための手段と、をさらに備える請求項23記載のコンピュータ上で実行可能なシステム。
JP2009502753A 2006-03-24 2006-09-19 胸部側面の放射線画像上の脊椎骨折を検出するための方法 Pending JP2009531129A (ja)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
US78538406P 2006-03-24 2006-03-24
PCT/US2006/036516 WO2008030247A2 (en) 2006-03-24 2006-09-19 Method for detection of vertebral fractures on lateral chest radiographs

Publications (1)

Publication Number Publication Date
JP2009531129A true JP2009531129A (ja) 2009-09-03

Family

ID=39157716

Family Applications (1)

Application Number Title Priority Date Filing Date
JP2009502753A Pending JP2009531129A (ja) 2006-03-24 2006-09-19 胸部側面の放射線画像上の脊椎骨折を検出するための方法

Country Status (3)

Country Link
US (1) US20090169087A1 (ja)
JP (1) JP2009531129A (ja)
WO (1) WO2008030247A2 (ja)

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2011131040A (ja) * 2009-11-27 2011-07-07 Fujifilm Corp 椎骨セグメンテーション装置、方法及びプログラム
JP2011224128A (ja) * 2010-04-19 2011-11-10 Univ Of Tokyo 脊椎疾患診断支援装置、及び脊椎疾患診断支援プログラム
JP2016168166A (ja) * 2015-03-12 2016-09-23 富士フイルム株式会社 医用画像処理装置、方法およびプログラム
JP2017158842A (ja) * 2016-03-10 2017-09-14 透 本田 椎体変形診断装置、情報処理方法、及びプログラム
WO2020209383A1 (ja) * 2019-04-11 2020-10-15 富士フイルム株式会社 構造物分離装置、方法およびプログラム、学習装置、方法およびプログラム、並びに学習済みモデル
JP2021180698A (ja) * 2020-05-18 2021-11-25 コニカミノルタ株式会社 放射線画像処理装置、プログラム及び放射線画像処理方法
US11983870B2 (en) 2019-04-11 2024-05-14 Fujifilm Corporation Structure separating apparatus, structure separating method, and structure separating program, learning device, learning method, and learning program, and learned model

Families Citing this family (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8150135B2 (en) * 2007-06-04 2012-04-03 Siemens Computer Aided Diagnosis Ltd. Identifying ribs in lung X-rays
US9693570B2 (en) 2008-11-28 2017-07-04 Intercontinental Great Brands Llc Multi-region chewing gum confectionery composition, article, method, and apparatus
US9401047B2 (en) * 2010-04-15 2016-07-26 Siemens Medical Solutions, Usa, Inc. Enhanced visualization of medical image data
EP2756804A1 (en) * 2013-01-22 2014-07-23 Agfa Healthcare Method, apparatus and system for identifying a specific part of a spine in an image
CN103479380B (zh) * 2013-09-17 2015-05-13 飞利浦(中国)投资有限公司 椎骨和椎间盘形状位置参数的识别方法
EP3047455B1 (en) 2013-09-17 2020-07-08 Koninklijke Philips N.V. Method and system for spine position detection
KR102392597B1 (ko) * 2015-10-15 2022-04-29 삼성전자주식회사 두께 측정 방법, 영상 처리 방법 및 이를 수행하는 전자 시스템
CN106780520B (zh) * 2015-11-18 2021-04-13 周兴祥 一种mri腰椎图像中椎骨的自动提取方法
GB201720059D0 (en) * 2017-12-01 2018-01-17 Ucb Biopharma Sprl Three-dimensional medical image analysis method and system for identification of vertebral fractures
WO2020172558A1 (en) * 2019-02-21 2020-08-27 The Trustees Of Dartmouth College System and method for automatic detection of vertebral fractures on imaging scans using deep networks
CN111414939B (zh) * 2020-03-05 2023-10-27 北京深睿博联科技有限责任公司 脊椎骨折区域分析模型训练方法和装置
CN111401417B (zh) * 2020-03-05 2023-10-27 北京深睿博联科技有限责任公司 脊椎骨折区域分析模型训练方法和装置
US11741694B2 (en) 2020-06-09 2023-08-29 Merative Us L.P. Spinal fracture detection in x-ray images

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2004105739A (ja) * 2002-09-18 2004-04-08 Ge Medical Systems Global Technology Co Llc コンピュータ支援骨密度測定装置

Family Cites Families (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
FR2644692B1 (fr) * 1989-03-23 1997-06-27 Proteor Sa Orthese pour la reduction tridimensionnelle des scolioses
JP3134009B2 (ja) * 1990-11-21 2001-02-13 アーチ・デベロップメント・コーポレーション 画像処理方法及び装置
US5841832A (en) * 1991-02-13 1998-11-24 Lunar Corporation Dual-energy x-ray detector providing spatial and temporal interpolation
US5577089A (en) * 1991-02-13 1996-11-19 Lunar Corporation Device and method for analysis of bone morphology
US5483960A (en) * 1994-01-03 1996-01-16 Hologic, Inc. Morphometric X-ray absorptiometry (MXA)
US5799100A (en) * 1996-06-03 1998-08-25 University Of South Florida Computer-assisted method and apparatus for analysis of x-ray images using wavelet transforms
US6853741B1 (en) * 1999-08-10 2005-02-08 Hologic, Inc Automatic region of interest locator for AP spinal images and for hip images in bone densitometry
WO2001055965A2 (en) * 2000-01-27 2001-08-02 Koninklijke Philips Electronics N.V. Method and system for extracting spine geometrical data
US6608916B1 (en) * 2000-08-14 2003-08-19 Siemens Corporate Research, Inc. Automatic detection of spine axis and spine boundary in digital radiography
US7715605B2 (en) * 2005-09-07 2010-05-11 Siemens Medical Solution Usa, Inc. Systems and methods for computer aided detection of spinal curvature using images and angle measurements

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2004105739A (ja) * 2002-09-18 2004-04-08 Ge Medical Systems Global Technology Co Llc コンピュータ支援骨密度測定装置

Cited By (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2011131040A (ja) * 2009-11-27 2011-07-07 Fujifilm Corp 椎骨セグメンテーション装置、方法及びプログラム
US8442622B2 (en) 2009-11-27 2013-05-14 Fujifilm Corporation Vertebra segmentation apparatus, vertebra segmentation method, and recording medium with program for vertebra segmentation
JP2011224128A (ja) * 2010-04-19 2011-11-10 Univ Of Tokyo 脊椎疾患診断支援装置、及び脊椎疾患診断支援プログラム
JP2016168166A (ja) * 2015-03-12 2016-09-23 富士フイルム株式会社 医用画像処理装置、方法およびプログラム
JP2017158842A (ja) * 2016-03-10 2017-09-14 透 本田 椎体変形診断装置、情報処理方法、及びプログラム
WO2020209383A1 (ja) * 2019-04-11 2020-10-15 富士フイルム株式会社 構造物分離装置、方法およびプログラム、学習装置、方法およびプログラム、並びに学習済みモデル
JPWO2020209383A1 (ja) * 2019-04-11 2020-10-15
JP7121191B2 (ja) 2019-04-11 2022-08-17 富士フイルム株式会社 構造物分離装置、方法およびプログラム、学習装置、方法およびプログラム、並びに学習済みモデル
US11983870B2 (en) 2019-04-11 2024-05-14 Fujifilm Corporation Structure separating apparatus, structure separating method, and structure separating program, learning device, learning method, and learning program, and learned model
JP2021180698A (ja) * 2020-05-18 2021-11-25 コニカミノルタ株式会社 放射線画像処理装置、プログラム及び放射線画像処理方法
JP7439640B2 (ja) 2020-05-18 2024-02-28 コニカミノルタ株式会社 放射線画像処理装置、プログラム及び放射線画像処理方法

Also Published As

Publication number Publication date
WO2008030247B1 (en) 2008-10-23
US20090169087A1 (en) 2009-07-02
WO2008030247A2 (en) 2008-03-13
WO2008030247A3 (en) 2008-08-28

Similar Documents

Publication Publication Date Title
JP2009531129A (ja) 胸部側面の放射線画像上の脊椎骨折を検出するための方法
Gavrielides et al. Noncalcified lung nodules: volumetric assessment with thoracic CT
US8233692B2 (en) Method of suppressing obscuring features in an image
AU706993B2 (en) Computerized detection of masses and parenchymal distortions
Bağcı et al. Computer-assisted detection of infectious lung diseases: a review
US8340388B2 (en) Systems, computer-readable media, methods, and medical imaging apparatus for the automated detection of suspicious regions of interest in noise normalized X-ray medical imagery
Ko et al. Computer-aided diagnosis and the evaluation of lung disease
Mazurowski et al. Mutual information-based template matching scheme for detection of breast masses: From mammography to digital breast tomosynthesis
US8891848B2 (en) Automated vertebral body image segmentation for medical screening
US10497123B1 (en) Isolation of aneurysm and parent vessel in volumetric image data
US8331641B2 (en) System and method for automatically classifying regions-of-interest
US20090074276A1 (en) Voxel Matching Technique for Removal of Artifacts in Medical Subtraction Images
JP2004509655A (ja) 画像マッピングおよびテンプレートマッチング技術を使用して胸部x線写真を識別するための方法、システム、およびコンピュータ可読媒体
US7539332B1 (en) Method and system for automatically identifying regions of trabecular bone tissue and cortical bone tissue of a target bone from a digital radiograph image
JP2004046594A (ja) 画像診断支援装置
Kasai et al. Computerized detection of vertebral compression fractures on lateral chest radiographs: Preliminary results with a tool for early detection of osteoporosis
JP2005102784A (ja) 画像診断支援装置及び画像診断支援方法
JP2002158923A (ja) 異常陰影検出方法および装置
Delogu et al. Preprocessing methods for nodule detection in lung CT
Okino et al. Fully automatic software for detecting radiographic joint space narrowing progression in rheumatoid arthritis: phantom study and comparison with visual assessment
Kasai et al. Development of computerized method for detection of vertebral fractures on lateral chest radiographs
Frighetto-Pereira et al. Recognition of vertebral compression fractures in magnetic resonance images using statistics of height and width
JP3807541B2 (ja) 乳房画像表示方法および装置
JP2002133397A (ja) 異常陰影候補検出装置
JP2005102862A (ja) 画像診断支援装置及び画像診断支援方法

Legal Events

Date Code Title Description
A621 Written request for application examination

Free format text: JAPANESE INTERMEDIATE CODE: A621

Effective date: 20090904

A131 Notification of reasons for refusal

Free format text: JAPANESE INTERMEDIATE CODE: A131

Effective date: 20111018

A02 Decision of refusal

Free format text: JAPANESE INTERMEDIATE CODE: A02

Effective date: 20120321