JP2010504129A - 肺結節の高度コンピュータ支援診断 - Google Patents
肺結節の高度コンピュータ支援診断 Download PDFInfo
- Publication number
- JP2010504129A JP2010504129A JP2009528839A JP2009528839A JP2010504129A JP 2010504129 A JP2010504129 A JP 2010504129A JP 2009528839 A JP2009528839 A JP 2009528839A JP 2009528839 A JP2009528839 A JP 2009528839A JP 2010504129 A JP2010504129 A JP 2010504129A
- Authority
- JP
- Japan
- Prior art keywords
- image
- classifier
- feature
- dimensions
- computer
- 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
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B6/00—Apparatus for radiation diagnosis, e.g. combined with radiation therapy equipment
- A61B6/52—Devices using data or image processing specially adapted for radiation diagnosis
- A61B6/5211—Devices using data or image processing specially adapted for radiation diagnosis involving processing of medical diagnostic data
- A61B6/5217—Devices using data or image processing specially adapted for radiation diagnosis involving processing of medical diagnostic data extracting a diagnostic or physiological parameter from medical diagnostic data
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B6/00—Apparatus for radiation diagnosis, e.g. combined with radiation therapy equipment
- A61B6/52—Devices using data or image processing specially adapted for radiation diagnosis
- A61B6/5211—Devices using data or image processing specially adapted for radiation diagnosis involving processing of medical diagnostic data
- A61B6/5223—Devices using data or image processing specially adapted for radiation diagnosis involving processing of medical diagnostic data generating planar views from image data, e.g. extracting a coronal view from a 3D image
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/40—Analysis of texture
- G06T7/41—Analysis of texture based on statistical description of texture
- G06T7/48—Analysis of texture based on statistical description of texture using fractals
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
- G16H50/30—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for calculating health indices; for individual health risk assessment
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16Z—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS, NOT OTHERWISE PROVIDED FOR
- G16Z99/00—Subject matter not provided for in other main groups of this subclass
-
- 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
Abstract
Description
CADxアルゴリズムは通常、入力特徴の組を所望の診断出力と関係付けるための機械学習手法に依存する。例えば、肺ガンの診断のための肺のコンピュータ断層撮影(CT)撮像では、前述の入力特徴は、調査中の肺結節に施された画像処理アルゴリズムの結果を含み得る。機械学習に使用される画像特徴を同定する処理は、特徴抽出として知られている。CADxシステムの診断精度を向上させることは、診療にこの手法を首尾良く導入するための主要工程である。CADxの性能を向上させるための手法の1つに、特徴抽出処理の改良がある。
MCSTスキャンなどの画像を前置処理して、分析のための関心領域(ROI)又は関心ボリューム(VOI)を求める。前述は、特徴抽出装置への入力としての役目を担う。
特徴抽出を行って、肺結節などの病変を特徴付ける対象の2D特徴、2.5D特徴及び3D特徴の画像を抽出する。前述の特徴は、臨床情報とともに特徴プールを構成する。
臨床情報は診断処理において重要であるので、本明細書及び特許請求の範囲記載の方法及びシステムは、特徴選択処理のために、抽出された画像ベースの特徴と合成することが可能であるように適切な形式に臨床情報を変換する装置を含む。例えば、性別の臨床情報は、2つのカテゴリに分割される(患者が男性であるか、又は患者が女性であるかなど)。提案されたシステムにおいて使用することが可能な臨床情報には例えば、年齢、性別、喫煙歴、ガンの病歴、家族歴、職業性曝露、娯楽での曝露、過去又は現在の肺疾患(例えば、肺気腫)、診断対象付近の衛星結節の数、リンパ節の大きさ、他の擬陽性結節の存在、及び肺(例えば、上葉又は下葉)内の結節の場所を挙げることが可能である。
特徴選択装置は、画像ベース特徴及び臨床特徴を含む特徴プールから最も適切な特徴を求める。GA及びSVMベースの特徴選択処理が使用される。訓練データセットに基づいて、最も適切な特徴が求められると、クラシファイア、又はクラシファイアのコミティーが、最適な特徴部分集合に基づいて構築され、特徴選択装置はもう必要でない。クラシファイアのコミティーに関する実施例では、各コミティー・メンバは、特徴選択アルゴリズムの別個のランによって同定される特徴部分集合上に構成することが可能である。コミティー内のクラシファイアの多様性は例えば、GAベースの特徴選択について、ランダムに選択された別の訓練及び検査データ組を各GAランに与えることによって達成される。他の特徴選択手法(統計的有意差フィルタ、相関フィルタ、ステップ単位線形回帰、再帰型特徴除去(RFE)、及びランダム特徴選択)も使用することが可能である。
監視学習原理に従えば、クラシファイアが、選択された特徴部分集合及び訓練データを使用して構築される。考えられるクラシファイアには、SVM、決定ツリー、線形判別分析、及びニューラル・ネットワークがある。SVMは、クラシファイアに関して優れた性能を示すので使用されることが多い。
本明細書及び特許請求の範囲記載の方法及びシステムは、いくつかの画像処理方法をCADxに施す。前述の画像処理方法の例を以下に示す。
モーメントは、物体の空間分布を数学的に表す手段である。これは、形状(2値モーメント)又は密度分布(グレイスケール・モーメント)を含む。可変モーメントは、物体が特定の変換(回転、拡大・縮小や、平行移動など)を経ても変動しないモーメントである。モーメント・ベースの手法は、コンピュータ視覚及び光学文字認識において長い間、使用されている。最初の6つの不変モーメントを含む不変モーメントの使用は、Hu(1962)の数学的形式主義によって表される。
フーリエ記述子は、物体の形状を数学的に表す手段である。概念的には、物体の境界は周波数で表される。低周波は平滑なエッジを表し、物体の大雑把な形状を与える一方、高周波は、輪郭における鮮鋭な変動、及び不規則性を表す。フーリエ記述子は、特定の物体形状を構成する周波数の特定のミックスを表す。本明細書及び特許請求の範囲記載の方法及びシステムでは、拡大・縮小、平行移動及び回転に対して不変であるフーリエ記述子が使用される。クラシファイアにおける使用のために、フーリエ係数をスカラー値に圧縮する2つの手段が提供される。
v=FT{x} 及び w=FT{y}
がもたらされる。これは、実数部分及び虚数部分である
物体の輪郭は、ボックス集計次元としても知られているミンカウスキ・ブーリガンのフラクタル次元を使用して表すことが可能である。これは、輪郭の測定した長さが、輪郭が表示される分解能とともにどのようにして変わるかを表す。高いフラクタル次元を有する結節は、表面形状において不規則性を表す傾向にあり、これは、悪性を示し得る。フラクタル次元は、2D特徴、2.5D特徴、又は3D特徴について算出することが可能であり、実際に、3つは全て、分類中に同時に使用することができる。
N(l/d)=μ(1/d)−FD
により、スケールdとともに変動する。ここで、FDは、物体のフラクタル次元である。代数的操作により、これは、
lnN(1/d)=−FDln(1/d)+lnμ
に変えられる。よって、Ndの値がいくつかのdについて計算された場合、FDは、x軸上のln(1/d)とy軸上のlnN(1/d)との間の線形フィットによって推定することが可能である。このフィットは、最小二乗フット、若しくはロバストなフィットであり得るか、又は、連続した点間の平均傾斜を得ることによって得ることができる。前述のフィットの例を図2に示す。この線の傾斜は、CADxシステムにおける特徴として使用される。
物体のテクスチャはフラクタル次元によって表すことが可能である。物体の2Dビューは、3Dで埋め込まれた表面とみなされる。フラクタル次元は、画像の分解能が変動するにつれ、グレイスケール強度における変動を測定する。フラクタル次元がより高いことは、物体の内部構造における複雑度が大きいことを示唆している。境界と同様に、テクスチャのフラクタル次元は、2D特徴、2.5D特徴、又は3D特徴について算出することが可能であり、実際に、3つは全て、分類中に同時に使用することができる。
結節の境界画素が同定され、物体から離れた方向を指し示す法線方向が計算される。導関数は、次いで、境界画素と、法線方向において特定の有限距離だけ離れた画素との間のグレイスケール強度差を計算することによって推定される。この第2の外部値は通常、2画素離れた画像の値を補間することによって求められる。輪郭に沿った位置の関数としての導関数を次いで、統計的に分析して、この関数の電力スペクトルの平均、標準偏差、並びに、二乗平均平方根の変動、及び一次モーメントを使用してスカラー特徴をもたらし得る。
物体内の暗いクラスタ又は明るいクラスタの存在は、それぞれ、石灰化又は空洞化を示し得る。本明細書及び特許請求の範囲記載の方法及びシステムは、前述の領域を自動的に同定し、これをCADxの特徴として使用する手段を含む。
物体の画像の境界上の画素は、各画素が近傍対を有するように、連続した順序で同定することが可能である。近傍画素の相対位置を追跡することにより、物体の形状を表すベクトルが同定される。
例8:テクスチャ近傍グレイトーン差分行列
画像のテクスチャの人間の知覚を近似するためのいくつかの数学的手法(前述のフラクタル手法を含む)が存在している。別の手法は、近傍グレイトーン差分行列(NGIDM)として知られているものに基づく。この手法は、各画素とその周囲近傍との間の差を量的に表そうとし、それにより、粗さ、コントラスト、使用度、複雑度及び強度を含む抽象的な特性の主観的な評価とうまく相関することが心理測定テストにおいて明らかになった数学的説明につながる。
Claims (31)
- 被験者における疾病の診断における意思決定サポートを提供する方法であって、
前記被験者における、画像ベースの関心ボリュームを抽出する工程と、
前記画像を分割して、前記画像の背景から前記関心ボリューム内の少なくとも1つの病変を描く工程と、
複数の次元において画像ベースの特徴を抽出する工程と、
臨床情報を互換形式に変換し、前記臨床情報を前記画像ベースの特徴と合成して特徴プールを形成する工程と、
決定を出力するクラシファイア、又はクラシファイアのコミティーによって使用される対象の部分集合プールからの最適な特徴部分集合又は最適な特徴部分集合群を選択する工程であって、前記クラシファイア、又は前記クラシファイアのコミティーが前記病変の診断の予測を提供する工程とを含む方法。 - 請求項1記載の方法であって、前記関心ボリュームのスライス間で補間して等方性ボクセル表現を生成する工程を更に含む方法。
- 請求項1記載の方法であって、前記複数の次元は、2次元、2.5次元、及び3次元を含む群から選択される方法。
- 請求項1記載の方法であって、最適な特徴部分集合を選択する工程は、遺伝アルゴリズム、統計的有意差フィルタ、相関フィルタ、再帰的特徴除去、ステップ単位の線形回帰、及びランダム特徴選択のうちの少なくとも1つを使用する工程を更に含む方法。
- 請求項4記載の方法であって、最適な特徴部分集合を選択する工程は、ランダムに選択された別の訓練データ及び検査データの組で、複数の反復の遺伝アルゴリズム・ベースの特徴選択を実行して複数の特徴部分集合を生成する工程を含む方法。
- 請求項1記載の方法であって、前記臨床情報は、複数の臨床特徴カテゴリに変換される方法。
- 請求項1記載の方法であって、前記クラシファイア、又は前記クラシファイアのコミティーは、サポート・ベクトル・マシン、決定ツリー、線形判別分析、及びニューラル・ネットワークのうちの少なくとも1つを有する群から選択される方法。
- 請求項1記載の方法であって、前記クラシファイア、又は前記クラシファイアのコミティーは、少なくとも1つの病変が悪性であるか良性であるかを判定する方法。
- 請求項1記載の方法であって、前記クラシファイア又は前記クラシファイアのコミティーは、前記少なくとも1つの病変の悪性の尤度を求める工程を更に含む方法。
- 請求項8記載の方法であって、前記クラシファイア、及び前記クラシファイアのコミティーによる判定は、単純平均値、単純投票、加重平均値、及び加重投票を含む群から選択される少なくとも1つの算出によって求められる方法。
- コンピュータ支援診断システムであって、
画像ベースの関心領域を抽出するための前置処理装置と、
前記関心領域における少なくとも1つの病変を描くための分割装置と、
前記関心領域の画像から複数の次元における画像ベースの特徴を抽出するための特徴抽出装置と、
臨床情報を受入れ、互換形式に変換するための臨床情報処理装置と、
前記画像ベースの特徴、及び前記臨床情報を使用して決定を出力するクラシファイア、又はクラシファイアのコミティーとを含むコンピュータ支援診断システム。 - 請求項11記載のコンピュータ支援診断システムであって、特徴プールから適切な画像ベースの特徴、及び臨床特徴を前記システムの訓練中に選択するための特徴選択装置を更に備えるコンピュータ支援診断システム。
- 請求項12記載のコンピュータ支援診断システムであって、前記特徴選択装置は、遺伝アルゴリズム、統計的有意差フィルタ、相関フィルタ、再帰型特徴除去、ステップ単位の線形回帰、及びランダム特徴選択のうちの少なくとも1つを含む群から選択された最適化手法と、サポート・ベクトル・マシン、決定ツリー、線形判別分析、及びニューラル・ネットワークのうちの少なくとも1つを含む群から選択されるクラシファイア又はクラシファイアコミティーとを更に備えるコンピュータ支援診断システム。
- 請求項11記載のコンピュータ支援診断システムであって、前記画像ベースの関心領域は、少なくとも1つの数理形態学演算を行うことによって構成されるコンピュータ支援診断システム。
- 請求項14記載のコンピュータ支援診断システムであって、前記少なくとも1つの数理形態学演算が浸食、膨張、及び穴埋めの群から選択されるコンピュータ支援診断システム。
- 請求項11記載のコンピュータ支援診断システムであって、前記画像ベースの関心領域は、前記分割から生じる最大の連続した物体を選択することによって構成されるコンピュータ支援診断システム。
- 請求項11記載のコンピュータ支援診断システムであって、前記画像ベースの関心領域は、内部領域、外部領域、及び境界領域を含み、不要な要素が前記関心領域から除外されるコンピュータ支援診断システム。
- 請求項11記載のコンピュータ支援診断システムであって、前記複数の次元は、2次元、2.5次元、及び3次元を含む群から選択されるコンピュータ支援診断システム。
- 請求項11記載のコンピュータ支援診断システムであって、前記臨床情報は、年齢、性別、喫煙歴、ガンの病歴、家族歴、職業性曝露、娯楽での曝露、過去の肺疾患、現在の肺疾患、過去の胸部手術、診断対象の病変付近の衛星病巣の数、リンパ節の大きさ、擬陽性の節の存在、及び肺内の病変の場所の群から選択される少なくとも1つのデータポイントを更に含むコンピュータ支援診断システム。
- 請求項11記載のコンピュータ診断システムであって、病変が悪性か良性かを前記クラシファイアが判定するコンピュータ診断システム。
- 請求項11記載のコンピュータ支援診断システムであって、前記クラシファイアは病変の悪性の尤度を求めるコンピュータ支援診断システム。
- マルチスライス・データ・セットからの特徴を抽出する方法であって、
物体の空間分布を数学的に表す工程と、
前記物体の形状を数学的に表す工程と、
前記物体の輪郭及びテクスチャを求める工程と、
病変の境界画素を同定し、導関数を推定する工程と、
前記輪郭に沿った位置の関数として導関数を分析する工程と、
前記物体内の暗い領域又は明るい領域の存在を自動的に同定する工程と、
前記物体の周囲領域内の画像のテクスチャを近似する工程とを含む方法。 - 請求項22記載の方法であって、最大スライスの自動選択、又はユーザによる手作業の選択による分析のために前記マルチスライス・データ・セットから個々のスライスを選択する工程を更に含む方法。
- 請求項22記載の方法であって、前記特徴は、前記マルチスライス・データ・セットの各スライス、任意の角度において得られる最大強度投影、任意の角度において得られる最小強度投影、及び前記画像の1つ又は複数のスライスを介して任意の角度において得られるディジタル再構成ラジオグラフを含む群について算出される方法。
- 請求項24記載の方法であって、前記マルチスライス・データ・セットのスライス毎に算出される特徴は、スライス上の画素の数に重みが比例する加重平均を算出する工程、前記マルチスライス・データ・セットの複数のスライスにわたる最大値を求める工程、及び前記マルチスライス・データ・セットの前記複数のスライスにわたる最小値を求める工程を含む群から選択される方法によって組合せられる方法。
- 請求項22記載の方法であって、前記特徴は、複数の次元それぞれにおいて算出される方法。
- 請求項22記載の方法であって、前記物体の形状は、
境界画素の位置のフーリエ変換後の係数の分布、
平行移動、回転及び拡大・縮小に対して不変である分割された物体の数学的モーメント、
画像画素のグレイスケール分布の数学的モーメント、
フラクタル次元、及び
連鎖符号を含む群のうちの少なくとも1つによって表される方法。 - 請求項22記載の方法であって、前記物体のテクスチャは、
フラクタル次元、
グレイ・レベル共起行列に基づいた逆差分及び相関、エネルギ、エントロピ、最大確率、慣性、並びに、
近傍グレイトーン差分行列に基づく粗さ、コントラスト、使用度、複雑度及び強度を含む群のうちの少なくとも1つによって表される方法。 - 請求項22記載の方法であって、前記周囲領域は、局所輪郭と直交する方向に沿った画像強度の導関数、電力スペクトルのモーメント及び前記局所輪郭と直交する方向に沿った前記画像強度の導関数、及び前記局所輪郭と直交する前記方向に沿った前記画像強度の分散の推定を含む群のうちの少なくとも1つによって表される方法。
- 請求項22記載の方法であって、前記物体内の暗い領域及び明るい領域の存在は、特定の閾値の上下の連続する画素のクラスタの強度又はサイズによって表される方法。
- 請求項22記載の方法であって、前記複数の次元が、2次元、2.5次元、及び3次元を含む群から選択される少なくとも1つである方法。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US82660206P | 2006-09-22 | 2006-09-22 | |
US88423407P | 2007-01-10 | 2007-01-10 | |
PCT/IB2007/053776 WO2008035286A2 (en) | 2006-09-22 | 2007-09-18 | Advanced computer-aided diagnosis of lung nodules |
Publications (1)
Publication Number | Publication Date |
---|---|
JP2010504129A true JP2010504129A (ja) | 2010-02-12 |
Family
ID=39200925
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2009528839A Pending JP2010504129A (ja) | 2006-09-22 | 2007-09-18 | 肺結節の高度コンピュータ支援診断 |
Country Status (4)
Country | Link |
---|---|
US (2) | US10121243B2 (ja) |
EP (1) | EP2070045B1 (ja) |
JP (1) | JP2010504129A (ja) |
WO (1) | WO2008035286A2 (ja) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2008154761A (ja) * | 2006-12-22 | 2008-07-10 | Fujifilm Ri Pharma Co Ltd | 画像処理装置及び方法 |
JP2016531709A (ja) * | 2013-09-20 | 2016-10-13 | トランスムラル・バイオテック・ソシエダ・リミターダ | 疾患を診断するための画像解析技術 |
JP2017526101A (ja) * | 2014-07-22 | 2017-09-07 | インテリジェント ヴァイルス イメージング インコーポレイテッド | 非点収差を自動補正するための方法 |
JP2020010804A (ja) * | 2018-07-17 | 2020-01-23 | 大日本印刷株式会社 | 医用画像診断支援装置、プログラム及び医用画像診断支援方法 |
JP2020062355A (ja) * | 2018-10-19 | 2020-04-23 | キヤノンメディカルシステムズ株式会社 | 画像処理装置、データ生成装置及びプログラム |
JP2021534859A (ja) * | 2018-08-21 | 2021-12-16 | コーニンクレッカ フィリップス エヌ ヴェKoninklijke Philips N.V. | 機械学習モデルによる特徴評価の顕在視覚的説明 |
Families Citing this family (49)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP4545185B2 (ja) * | 2007-11-21 | 2010-09-15 | ザイオソフト株式会社 | 画像処理装置、画像処理装置の制御方法、および画像処理装置の制御プログラム |
GB0801307D0 (en) * | 2008-01-24 | 2008-03-05 | 3Dx Ray Ltd | Can seam inspection |
JP5581574B2 (ja) * | 2008-07-09 | 2014-09-03 | 富士ゼロックス株式会社 | 画像処理装置及び画像処理プログラム |
US10013638B2 (en) * | 2008-08-14 | 2018-07-03 | Ping Zhang | Cancer diagnostic method and system |
US10210179B2 (en) * | 2008-11-18 | 2019-02-19 | Excalibur Ip, Llc | Dynamic feature weighting |
US8929625B2 (en) | 2009-05-28 | 2015-01-06 | Koninklijke Philips N.V. | Method and device for side-effect prognosis and monitoring |
US8724866B2 (en) * | 2009-09-14 | 2014-05-13 | Siemens Medical Solutions Usa, Inc. | Multi-level contextual learning of data |
US20110110575A1 (en) * | 2009-11-11 | 2011-05-12 | Thiagarajar College Of Engineering | Dental caries detector |
US20110188720A1 (en) * | 2010-02-02 | 2011-08-04 | General Electric Company | Method and system for automated volume of interest segmentation |
US8913121B2 (en) * | 2010-07-11 | 2014-12-16 | Spynsite, LLC | System for image rendering or spectral recognition |
US9014456B2 (en) * | 2011-02-08 | 2015-04-21 | University Of Louisville Research Foundation, Inc. | Computer aided diagnostic system incorporating appearance analysis for diagnosing malignant lung nodules |
WO2012107786A1 (en) | 2011-02-09 | 2012-08-16 | Rudjer Boskovic Institute | System and method for blind extraction of features from measurement data |
US9786047B2 (en) * | 2011-05-18 | 2017-10-10 | Nec Corporation | Information processing system, method, and apparatus supporting a pathological diagnosis, and control method and control program thereof |
JP5868231B2 (ja) * | 2012-03-16 | 2016-02-24 | 株式会社日立製作所 | 医用画像診断支援装置、医用画像診断支援方法ならびにコンピュータプログラム |
US20150065868A1 (en) * | 2012-04-02 | 2015-03-05 | The Research Foundation for the State University New York | System, method, and computer accessible medium for volumetric texture analysis for computer aided detection and diagnosis of polyps |
RU2653108C2 (ru) * | 2012-11-20 | 2018-05-07 | Конинклейке Филипс Н.В. | Интегрированное фенотипирование с использованием признаков текстуры изображения |
WO2014176340A1 (en) * | 2013-04-23 | 2014-10-30 | University Of Maine System Board Of Trustees | Improved methods of cancer detection |
KR102204437B1 (ko) | 2013-10-24 | 2021-01-18 | 삼성전자주식회사 | 컴퓨터 보조 진단 방법 및 장치 |
KR20150073628A (ko) * | 2013-12-23 | 2015-07-01 | 삼성전자주식회사 | 컴퓨터 보조 진단용 진단모델 적응 시스템 및 방법 |
KR102096410B1 (ko) | 2014-05-02 | 2020-04-03 | 삼성전자주식회사 | 의료 영상 장치 및 그 제어 방법 |
WO2015171661A1 (en) * | 2014-05-05 | 2015-11-12 | The Regents Of The University Of California | Phase transform for object and shape detection in digital images |
CN105205830A (zh) * | 2014-06-17 | 2015-12-30 | 佳能株式会社 | 用于更新场景模型和视频监视的方法和设备 |
JP6510189B2 (ja) * | 2014-06-23 | 2019-05-08 | キヤノンメディカルシステムズ株式会社 | 医用画像処理装置 |
US9779204B2 (en) | 2014-10-02 | 2017-10-03 | Biodesix, Inc. | Predictive test for aggressiveness or indolence of prostate cancer from mass spectrometry of blood-based sample |
JP6600356B2 (ja) * | 2015-06-24 | 2019-10-30 | オリンパス株式会社 | 画像処理装置、内視鏡装置及びプログラム |
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 |
CN106202930B (zh) * | 2016-07-12 | 2018-08-28 | 东北大学 | 一种基于ss-elm的肺结节患病风险预测系统 |
CA3030577A1 (en) * | 2016-07-12 | 2018-01-18 | Mindshare Medical, Inc. | Medical analytics system |
US11039805B2 (en) | 2017-01-05 | 2021-06-22 | General Electric Company | Deep learning based estimation of data for use in tomographic reconstruction |
JP7013145B2 (ja) * | 2017-06-05 | 2022-01-31 | キヤノン株式会社 | 情報処理装置、情報処理システム、情報処理装置の作動方法及びプログラム |
US10936921B2 (en) | 2017-06-15 | 2021-03-02 | Spynsite Llc | Machine learning and/or image processing for spectral object classification |
CN109426776A (zh) | 2017-08-25 | 2019-03-05 | 微软技术许可有限责任公司 | 基于深度神经网络的对象检测 |
US20190122073A1 (en) * | 2017-10-23 | 2019-04-25 | The Charles Stark Draper Laboratory, Inc. | System and method for quantifying uncertainty in reasoning about 2d and 3d spatial features with a computer machine learning architecture |
CN111918610A (zh) * | 2018-05-16 | 2020-11-10 | 松下电器产业株式会社 | 胸部x线图像的灰度变换方法、灰度变换程序、灰度变换装置、服务器装置以及变换方法 |
JP7069359B2 (ja) * | 2018-06-18 | 2022-05-17 | グーグル エルエルシー | 深層学習を使用して癌検出を改善するための方法およびシステム |
CN109685776B (zh) * | 2018-12-12 | 2021-01-19 | 华中科技大学 | 一种基于ct图像的肺结节检测方法及系统 |
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 |
CN111476794B (zh) * | 2019-01-24 | 2023-10-20 | 武汉兰丁智能医学股份有限公司 | 一种基于unet的宫颈病理组织分割方法 |
US10957043B2 (en) * | 2019-02-28 | 2021-03-23 | Endosoftllc | AI systems for detecting and sizing lesions |
JP7334900B2 (ja) * | 2019-05-20 | 2023-08-29 | 国立研究開発法人理化学研究所 | 判別装置、学習装置、方法、プログラム、学習済みモデルおよび記憶媒体 |
CN110264450A (zh) * | 2019-06-17 | 2019-09-20 | 吉林大学第一医院 | 一种基于多特征的肺部ct图像关联规则方法 |
CN112819747A (zh) * | 2019-10-31 | 2021-05-18 | 深圳市华嘉生物智能科技有限公司 | 一种基于肺部断层扫描图片自动诊断结节良恶性的方法 |
EP3836157A1 (en) * | 2019-12-12 | 2021-06-16 | Siemens Healthcare GmbH | Method for obtaining disease-related clinical information |
CN111178449B (zh) * | 2019-12-31 | 2021-11-05 | 浙江大学 | 结合计算机视觉特征和影像组学特征的肝癌图像分类方法 |
CN111710410A (zh) * | 2020-05-29 | 2020-09-25 | 吾征智能技术(北京)有限公司 | 一种基于青筋固定部位征兆的疾病推测系统 |
CN112233070A (zh) * | 2020-09-28 | 2021-01-15 | 杭州深睿博联科技有限公司 | 一种平扫ct图像的影像组学特征处理方法及装置 |
CN113299391B (zh) * | 2021-05-25 | 2023-11-03 | 李玉宏 | 远程甲状腺结节超声影像的风险评估方法 |
CN115661132A (zh) * | 2022-12-05 | 2023-01-31 | 泸州职业技术学院 | 一种用于检测肺结节良恶性的计算机存储介质及装置 |
CN117409004B (zh) * | 2023-12-14 | 2024-03-15 | 自贡市第一人民医院 | 一种基于医疗影像分析的肺部康复智能辅助系统 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2003225231A (ja) * | 2001-11-20 | 2003-08-12 | General Electric Co <Ge> | 肺疾患検出のための方法及びシステム |
JP2003275196A (ja) * | 2002-03-26 | 2003-09-30 | Konica Corp | 医用画像処理方法および医用画像処理装置 |
JP2004005364A (ja) * | 2002-04-03 | 2004-01-08 | Fuji Photo Film Co Ltd | 類似画像検索システム |
JP2004105729A (ja) * | 2002-09-13 | 2004-04-08 | Ge Medical Systems Global Technology Co Llc | コンピュータ支援による断層撮影マンモグラフィデータの分析 |
WO2004109580A2 (en) * | 2003-06-11 | 2004-12-16 | Philips Intellectual Property & Standards Gmbh | Analysis of pulmonary ct data |
JP2005506140A (ja) * | 2001-10-16 | 2005-03-03 | ザ・ユニバーシティー・オブ・シカゴ | コンピュータ支援の3次元病変検出方法 |
JP2005278690A (ja) * | 2004-03-26 | 2005-10-13 | Hiroshima Industrial Promotion Organization | コンピュータを用いた3次元胸部ct画像から結節状陰影を検出する方法およびその装置並びにコンピュータプログラム |
Family Cites Families (23)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6898303B2 (en) * | 2000-01-18 | 2005-05-24 | Arch Development Corporation | Method, system and computer readable medium for the two-dimensional and three-dimensional detection of lesions in computed tomography scans |
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 |
WO2001078005A2 (en) * | 2000-04-11 | 2001-10-18 | Cornell Research Foundation, Inc. | System and method for three-dimensional image rendering and analysis |
US6694046B2 (en) * | 2001-03-28 | 2004-02-17 | Arch Development Corporation | Automated computerized scheme for distinction between benign and malignant solitary pulmonary nodules on chest images |
AUPR509601A0 (en) * | 2001-05-18 | 2001-06-14 | Polartechnics Limited | Diagnostic feature extraction in dermatological examination |
AU2003219689A1 (en) * | 2002-02-08 | 2003-09-02 | Maryellen L. Giger | Method and system for risk-modulated diagnosis of disease |
AU2003216295A1 (en) * | 2002-02-15 | 2003-09-09 | The Regents Of The University Of Michigan | Lung nodule detection and classification |
US6898263B2 (en) * | 2002-11-27 | 2005-05-24 | Ge Medical Systems Global Technology Company, Llc | Method and apparatus for soft-tissue volume visualization |
US7466848B2 (en) * | 2002-12-13 | 2008-12-16 | Rutgers, The State University Of New Jersey | Method and apparatus for automatically detecting breast lesions and tumors in images |
DE602004015091D1 (de) | 2003-04-04 | 2008-08-28 | Philips Intellectual Property | Volumenmessungen in dreidimensionalen datensätzen |
CA2529929A1 (en) | 2003-06-25 | 2005-01-06 | Siemens Medical Solutions Usa, Inc. | Systems and methods for automated diagnosis and decision support for breast imaging |
US7529394B2 (en) | 2003-06-27 | 2009-05-05 | Siemens Medical Solutions Usa, Inc. | CAD (computer-aided decision) support for medical imaging using machine learning to adapt CAD process with knowledge collected during routine use of CAD system |
US20050105794A1 (en) * | 2003-08-25 | 2005-05-19 | Glenn Fung | Greedy support vector machine classification for feature selection applied to the nodule detection problem |
CN101421745B (zh) * | 2004-04-15 | 2016-05-11 | 美国医软科技公司 | 空间-时间肿瘤检测,分割和诊断信息提取系统及方法 |
GB2416223A (en) * | 2004-07-15 | 2006-01-18 | Medicsight Plc | Quantification of coronary artery calcification |
DE602005022753D1 (de) | 2004-11-19 | 2010-09-16 | Koninkl Philips Electronics Nv | Stratifikationsverfahren zur überwindung ungleichmässiger fallanzahl bei rechnergestützter lungenknoten-falsch-positiv-reduktion |
US8265355B2 (en) | 2004-11-19 | 2012-09-11 | Koninklijke Philips Electronics N.V. | System and method for automated detection and segmentation of tumor boundaries within medical imaging data |
US20060122865A1 (en) * | 2004-11-24 | 2006-06-08 | Erik Preiss | Procedural medicine workflow management |
US7646902B2 (en) * | 2005-02-08 | 2010-01-12 | Regents Of The University Of Michigan | Computerized detection of breast cancer on digital tomosynthesis mammograms |
US7657521B2 (en) * | 2005-04-15 | 2010-02-02 | General Electric Company | System and method for parsing medical data |
JP6008635B2 (ja) * | 2012-07-24 | 2016-10-19 | 富士フイルム株式会社 | 手術支援装置、方法およびプログラム |
US11080830B2 (en) * | 2018-04-25 | 2021-08-03 | Perkinelmer Cellular Technologies Germany Gmbh | Systems and methods for segmentation and analysis of 3D images |
US11064902B2 (en) * | 2018-06-29 | 2021-07-20 | Mayo Foundation For Medical Education And Research | Systems, methods, and media for automatically diagnosing intraductal papillary mucinous neosplasms using multi-modal magnetic resonance imaging data |
-
2007
- 2007-09-18 US US12/441,950 patent/US10121243B2/en active Active
- 2007-09-18 JP JP2009528839A patent/JP2010504129A/ja active Pending
- 2007-09-18 WO PCT/IB2007/053776 patent/WO2008035286A2/en active Application Filing
- 2007-09-18 EP EP07826435.5A patent/EP2070045B1/en active Active
-
2018
- 2018-10-05 US US16/152,487 patent/US11004196B2/en active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2005506140A (ja) * | 2001-10-16 | 2005-03-03 | ザ・ユニバーシティー・オブ・シカゴ | コンピュータ支援の3次元病変検出方法 |
JP2003225231A (ja) * | 2001-11-20 | 2003-08-12 | General Electric Co <Ge> | 肺疾患検出のための方法及びシステム |
JP2003275196A (ja) * | 2002-03-26 | 2003-09-30 | Konica Corp | 医用画像処理方法および医用画像処理装置 |
JP2004005364A (ja) * | 2002-04-03 | 2004-01-08 | Fuji Photo Film Co Ltd | 類似画像検索システム |
JP2004105729A (ja) * | 2002-09-13 | 2004-04-08 | Ge Medical Systems Global Technology Co Llc | コンピュータ支援による断層撮影マンモグラフィデータの分析 |
WO2004109580A2 (en) * | 2003-06-11 | 2004-12-16 | Philips Intellectual Property & Standards Gmbh | Analysis of pulmonary ct data |
JP2005278690A (ja) * | 2004-03-26 | 2005-10-13 | Hiroshima Industrial Promotion Organization | コンピュータを用いた3次元胸部ct画像から結節状陰影を検出する方法およびその装置並びにコンピュータプログラム |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2008154761A (ja) * | 2006-12-22 | 2008-07-10 | Fujifilm Ri Pharma Co Ltd | 画像処理装置及び方法 |
JP2016531709A (ja) * | 2013-09-20 | 2016-10-13 | トランスムラル・バイオテック・ソシエダ・リミターダ | 疾患を診断するための画像解析技術 |
JP2017526101A (ja) * | 2014-07-22 | 2017-09-07 | インテリジェント ヴァイルス イメージング インコーポレイテッド | 非点収差を自動補正するための方法 |
JP2020010804A (ja) * | 2018-07-17 | 2020-01-23 | 大日本印刷株式会社 | 医用画像診断支援装置、プログラム及び医用画像診断支援方法 |
JP7129058B2 (ja) | 2018-07-17 | 2022-09-01 | 大日本印刷株式会社 | 医用画像診断支援装置、プログラム及び医用画像診断支援方法 |
JP2021534859A (ja) * | 2018-08-21 | 2021-12-16 | コーニンクレッカ フィリップス エヌ ヴェKoninklijke Philips N.V. | 機械学習モデルによる特徴評価の顕在視覚的説明 |
JP2020062355A (ja) * | 2018-10-19 | 2020-04-23 | キヤノンメディカルシステムズ株式会社 | 画像処理装置、データ生成装置及びプログラム |
JP7140630B2 (ja) | 2018-10-19 | 2022-09-21 | キヤノンメディカルシステムズ株式会社 | 画像処理装置、データ生成装置及びプログラム |
Also Published As
Publication number | Publication date |
---|---|
US20190108632A1 (en) | 2019-04-11 |
WO2008035286A2 (en) | 2008-03-27 |
EP2070045B1 (en) | 2018-06-27 |
US10121243B2 (en) | 2018-11-06 |
EP2070045A2 (en) | 2009-06-17 |
US20110142301A1 (en) | 2011-06-16 |
WO2008035286A3 (en) | 2008-11-13 |
US11004196B2 (en) | 2021-05-11 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11004196B2 (en) | Advanced computer-aided diagnosis of lung nodules | |
Pereira et al. | Segmentation and detection of breast cancer in mammograms combining wavelet analysis and genetic algorithm | |
Kostis et al. | Three-dimensional segmentation and growth-rate estimation of small pulmonary nodules in helical CT images | |
US6795521B2 (en) | Computer-aided diagnosis system for thoracic computer tomography images | |
Gonçalves et al. | Hessian based approaches for 3D lung nodule segmentation | |
US7653263B2 (en) | Method and system for volumetric comparative image analysis and diagnosis | |
US6898303B2 (en) | Method, system and computer readable medium for the two-dimensional and three-dimensional detection of lesions in computed tomography scans | |
da Silva Sousa et al. | Methodology for automatic detection of lung nodules in computerized tomography images | |
US8731255B2 (en) | Computer aided diagnostic system incorporating lung segmentation and registration | |
US9230320B2 (en) | Computer aided diagnostic system incorporating shape analysis for diagnosing malignant lung nodules | |
US8238637B2 (en) | Computer-aided diagnosis of malignancies of suspect regions and false positives in images | |
US20070003118A1 (en) | Method and system for projective comparative image analysis and diagnosis | |
US20070014448A1 (en) | Method and system for lateral comparative image analysis and diagnosis | |
JP2002523123A (ja) | 病変の分割および分類のための方法およびシステム | |
EP2208183B1 (en) | Computer-aided detection (cad) of a disease | |
Shariaty et al. | Texture appearance model, a new model-based segmentation paradigm, application on the segmentation of lung nodule in the CT scan of the chest | |
Kaur et al. | Computer-aided diagnosis of renal lesions in CT images: a comprehensive survey and future prospects | |
US20050002548A1 (en) | Automatic detection of growing nodules | |
Wang et al. | A new approach to the detection of lesions in mammography using fuzzy clustering | |
Baker et al. | Cancerous lung nodule detection in computed tomography images | |
WO2022153100A1 (en) | A method for detecting breast cancer using artificial neural network | |
Dolejší et al. | Automatic two-step detection of pulmonary nodules | |
Karahaliou et al. | A texture analysis approach for characterizing microcalcifications on mammograms | |
da Cruz | Automatic analysis of mammography images | |
Mohamed et al. | Computer aided diagnosis of digital mammograms |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20100915 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20120703 |
|
A601 | Written request for extension of time |
Free format text: JAPANESE INTERMEDIATE CODE: A601 Effective date: 20121001 |
|
A602 | Written permission of extension of time |
Free format text: JAPANESE INTERMEDIATE CODE: A602 Effective date: 20121009 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20130104 |
|
A02 | Decision of refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A02 Effective date: 20130924 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20140124 |
|
A911 | Transfer to examiner for re-examination before appeal (zenchi) |
Free format text: JAPANESE INTERMEDIATE CODE: A911 Effective date: 20140131 |
|
A912 | Re-examination (zenchi) completed and case transferred to appeal board |
Free format text: JAPANESE INTERMEDIATE CODE: A912 Effective date: 20140411 |