JP2016146132A - 形状特徴抽出方法、形状特徴抽出処理装置、形状記述方法及び形状分類方法 - Google Patents
形状特徴抽出方法、形状特徴抽出処理装置、形状記述方法及び形状分類方法 Download PDFInfo
- Publication number
- JP2016146132A JP2016146132A JP2015023608A JP2015023608A JP2016146132A JP 2016146132 A JP2016146132 A JP 2016146132A JP 2015023608 A JP2015023608 A JP 2015023608A JP 2015023608 A JP2015023608 A JP 2015023608A JP 2016146132 A JP2016146132 A JP 2016146132A
- Authority
- JP
- Japan
- Prior art keywords
- maximum inscribed
- sphere
- shape
- target area
- outer shape
- 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
- 238000012545 processing Methods 0.000 title claims abstract description 179
- 238000000605 extraction Methods 0.000 title claims abstract description 117
- 238000000034 method Methods 0.000 title claims description 144
- 230000008569 process Effects 0.000 claims description 88
- 230000008602 contraction Effects 0.000 claims description 29
- 238000004364 calculation method Methods 0.000 claims description 28
- 230000000877 morphologic effect Effects 0.000 claims description 27
- 238000010586 diagram Methods 0.000 claims description 21
- 230000008961 swelling Effects 0.000 claims 2
- 206010073071 hepatocellular carcinoma Diseases 0.000 description 18
- 231100000844 hepatocellular carcinoma Toxicity 0.000 description 16
- 238000002591 computed tomography Methods 0.000 description 15
- 206010028980 Neoplasm Diseases 0.000 description 11
- 238000007781 pre-processing Methods 0.000 description 11
- 201000011510 cancer Diseases 0.000 description 9
- 230000005484 gravity Effects 0.000 description 7
- 238000011161 development Methods 0.000 description 5
- 238000003745 diagnosis Methods 0.000 description 5
- 230000003902 lesion Effects 0.000 description 5
- 238000002600 positron emission tomography Methods 0.000 description 5
- 238000012805 post-processing Methods 0.000 description 5
- 201000009030 Carcinoma Diseases 0.000 description 4
- 210000004027 cell Anatomy 0.000 description 4
- 239000000284 extract Substances 0.000 description 4
- 230000015572 biosynthetic process Effects 0.000 description 3
- 230000008859 change Effects 0.000 description 3
- 238000002595 magnetic resonance imaging Methods 0.000 description 3
- 238000003786 synthesis reaction Methods 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 2
- 230000007423 decrease Effects 0.000 description 2
- 201000010099 disease Diseases 0.000 description 2
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 230000009466 transformation Effects 0.000 description 2
- 241000270295 Serpentes Species 0.000 description 1
- 230000000386 athletic effect Effects 0.000 description 1
- 238000007630 basic procedure Methods 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000002059 diagnostic imaging Methods 0.000 description 1
- 230000010339 dilation Effects 0.000 description 1
- 235000013399 edible fruits Nutrition 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 238000002372 labelling Methods 0.000 description 1
- 201000007270 liver cancer Diseases 0.000 description 1
- 210000005229 liver cell Anatomy 0.000 description 1
- 208000014018 liver neoplasm Diseases 0.000 description 1
- 210000004072 lung Anatomy 0.000 description 1
- 230000003211 malignant effect Effects 0.000 description 1
- 238000013421 nuclear magnetic resonance imaging Methods 0.000 description 1
- 210000000056 organ Anatomy 0.000 description 1
- 238000000513 principal component analysis Methods 0.000 description 1
- 238000013139 quantization Methods 0.000 description 1
- 208000000649 small cell carcinoma Diseases 0.000 description 1
- 238000000528 statistical test Methods 0.000 description 1
- 230000002194 synthesizing effect Effects 0.000 description 1
- 230000002123 temporal effect Effects 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Landscapes
- Apparatus For Radiation Diagnosis (AREA)
- Image Analysis (AREA)
Abstract
Description
(1)立体視
(2)3次元動作獲得(motion capture)
(3)3次元構造モデリング
(4)変形モデル(射影変換や非線形変換)
(5)3次元曲率抽出
他など多岐に亘っている。
Claims (28)
- 処理対象の目的領域を含む画像データにより示される上記目的領域の外形形状に外接又は内接する基準形状を求める第1の工程と、
上記第1の工程により求められた基準形状と上記目的領域の外形形状との差分として得られる残存領域の連結領域を求める第2の工程と
を有し、
上記第2の工程により求められた上記残存領域の連結領域を新たな目的領域として、この目的領域の外形形状に内接する上記基準形状と大きさの異なる相似基準形状を上記第1の工程により求める処理と、この第1の工程により求められた相似基準形状を上記目的領域の外形形状から除去した残存領域の連結領域を上記第2の工程により新たな目的領域として求める処理を繰り返し行い、処理対象の初期目的領域の外形形状を大きさの異なる相似基準形状により展開して、上記基準形状と大きさの異なる相似基準形状と残存領域の情報として上記初期目的領域の外形形状の特徴抽出を行う形状特徴抽出方法。 - 円を上記基準形状とし、処理対象の目的領域の外形形状に対する最小外接円又は最大内接円あるいは最大内接円群を上記第1の工程により求め、
上記相似基準形状として、上記第2の工程により求められた新たな目的領域に対する最大内接円あるいは最大内接円群を上記第1の工程により求め、
処理対象の目的領域に対する最小外接円又は最大内接円あるいは最大内接円群と大きさの異なる最大内接円あるいは最大内接円群と残存領域の情報として、2次元の外形形状の特徴抽出を行うことを特徴とする請求項1記載の形状特徴抽出方法。 - 上記第1の工程では上記処理対象の目的領域に対する最小外接円及び最大内接円あるいは最大内接円群を求め、
上記第2の工程では上記目的領域の外形形状から上記最大内接円を除去した残存領域の連結領域を新たな目的領域として求め、
上記第1の工程と上記第2の工程の処理を繰り返し行い、処理対象の初期目的領域の外形形状を大きさの異なる最大内接円あるいは最大内接円群により展開して、上記最小外接円と大きさの異なる最大内接円あるいは最大内接円群と残存領域の情報として、2次元の外形形状の特徴抽出を行うことを特徴とする請求項2記載の形状特徴抽出方法。 - 上記第1の工程では、モルフォロジー収縮演算による収縮処理及び最大内接円群を求めるときモルフォロジー膨張演算による膨張処理を行うことを特徴とする請求項2又は請求項3の何れか1項記載の形状特徴抽出方法。
- 球を上記基準形状とし、処理対象の目的領域の外形形状に対する最小外接球又は最大内接球あるいは最大内接球群を上記第1の工程により求め、
上記相似基準形状として、上記第2の工程により求められた新たな目的領域に対する最大内接球あるいは最大内接球群を上記第1の工程により求め、
処理対象の目的領域に対する最小外接球又は最大内接球あるいは最大内接球群と大きさの異なる最大内接球あるいは最大内接球群と残存領域の情報として、3次元の外形形状の特徴抽出を行うことを特徴とする請求項1記載の形状特徴抽出方法。 - 上記第1の工程では上記処理対象の目的領域に対する最小外接球及び最大内接球あるいは最大内接球群を求め、
上記第2の工程では上記目的領域の外形形状から上記最大内接球あるいは最大内接球群を除去した残存領域の連結領域を新たな目的領域として求め、
上記第1の工程と上記第2の工程の処理を繰り返し行い、処理対象の初期目的領域の外形形状を大きさの異なる最大内接球あるいは最大内接球群により展開して、上記最小外接球と大きさの異なる最大内接球あるいは最大内接球群と残存領域の情報として、3次元の外形形状の特徴抽出を行うことを特徴とする請求項4記載の形状特徴抽出方法。 - 上記第1の工程と上記第2の工程の処理を繰り返し行い、大きさの異なる最大内接球あるいは最大内接球群をn回求め、
最小外接球の半径、体積又は中心位置の情報と、
初期目的領域の体積又は等価半径の情報と、
n次最大内接球の半径、体積又は中心位置あるいは最大内接球群の半径と中心軌跡の情報と、
n次残存領域の体積、連結領域数、各連結領域体積又は各連結領域中心位置の情報と、
1次残存領域の凸部高さと
を上記3次元の外形形状の特徴パラメータとして抽出することを特徴とする請求項5記載の形状特徴抽出方法。 - 上記第1の工程では、モルフォロジー収縮演算による収縮処理及び最大内接球群を求めるときモルフォロジー膨張演算による膨張処理を行うことを特徴とする請求項5乃至7の何れか1項記載の形状特徴抽出方法。
- 処理対象の目的領域を含む画像データにより示される上記目的領域の外形形状に外接又は内接する基準形状を求める第1の処理手段と、
上記第1の処理手段により求められた基準形状と上記目的領域の外形形状との差分として得られる残存領域の連結領域を求める第2の処理手段と、
上記第2の処理手段により求められた上記残存領域の連結領域を新たな目的領域として、この目的領域の外形形状に内接する上記基準形状と大きさの異なる相似基準形状を上記第1の処理手段により求める処理と、この第1の処理手段により求められた相似基準形状を上記目的領域の外形形状から除去した残存領域の連結領域を上記第2の処理手段により新たな目的領域として求める処理を繰り返し行い、処理対象の初期目的領域の外形形状を大きさの異なる相似基準形状により展開して、上記大きさの異なる相似基準形状と各残存領域の情報として上記初期目的領域の外形形状の特徴抽出を行う形状特徴抽出装置。 - 円を上記基準形状とし、上記第1の処理手段では、処理対象の目的領域の外形形状に対する最小外接円又は最大内接円あるいは最大内接円群を求めるとともに、上記第2の処理手段により求められた新たな目的領域に対する最大内接円あるいは最大内接円群を上記相似基準形状として求め、
上記第1の処理手段と上記第2の処理手段の処理を繰り返し行い、処理対象の初期目的領域の外形形状を大きさの異なる最大内接円あるいは最大内接円群により展開して、処理対象の目的領域に対する最小外接円又は最大内接円あるいは最大内接円群と大きさの異なる最大内接円あるいは最大内接円群と残存領域の情報として、2次元の外形形状の特徴抽出を行うことを特徴とする請求項9記載の形状特徴抽出装置。 - 上記第1の処理手段では上記処理対象の目的領域に対する最小外接円及び最大内接円あるいは最大内接円群を求め、
上記第2の処理手段では上記目的領域の外形形状から上記最大内接円あるいは最大内接円群を除去した残存領域の連結領域を新たな目的領域として求め、
上記第1の処理手段と上記第2の処理手段の処理を繰り返し行い、処理対象の初期目的領域の外形形状を大きさの異なる最大内接円あるいは最大内接円群により展開して、上記最小外接円と大きさの異なる最大内接円あるいは最大内接円群と残存領域の情報として、2次元の外形形状の特徴抽出を行うことを特徴とする請求項10記載の形状特徴抽出装置。 - 上記第1の処理手段では、モルフォロジー収縮演算による収縮処理及び最大内接円群を求めるときモルフォロジー膨張演算による膨張処理を行うことを特徴とする請求項10又は請求項11の何れか1項記載の形状特徴抽出装置。
- 球を上記基準形状とし、上記第1の処理手段では、処理対象の目的領域の外形形状に対する最小外接球又は最大内接球あるいは最大内接球群を求め、上記第2の処理手段により求められた新たな目的領域に対する最大内接球あるいは最大内接球群を上記相似基準形状として求め、
処理対象の目的領域に対する最小外接球又は最大内接球あるいは最大内接球群と大きさの異なる最大内接球あるいは最大内接球群と残存領域の情報として、3次元の外形形状の特徴抽出を行うことを特徴とする請求項10記載の形状特徴抽出装置。 - 上記第1の処理手段では上記処理対象の目的領域に対する最小外接球及び最大内接球あるいは最大内接球群を求め、
上記第2の処理手段では上記目的領域の外形形状から上記最大内接球あるいは最大内接球群を除去した残存領域の連結領域を新たな目的領域として求め、
上記第1の処理手段と上記第2の処理手段の処理を繰り返し行い、処理対象の初期目的領域の外形形状を大きさの異なる最大内接球あるいは最大内接球群により展開して、上記最小外接球と大きさの異なる最大内接球あるいは最大内接球群と残存領域の情報として、3次元の外形形状の特徴抽出を行うことを特徴とする請求項13記載の形状特徴抽出装置。 - 上記第1の処理手段と上記第2の処理手段の処理を繰り返し行い、大きさの異なる最大内接球あるいは最大内接球群をn回求め、
最小外接球の半径、体積又は中心位置の情報と、
初期目的領域の体積又は等価半径の情報と、
n次最大内接球の半径、体積又は中心位置あるいは最大内接球群の半径と中心軌跡の情報と、
n次残存領域の体積、連結領域数、各連結領域体積又は各連結領域中心位置の情報と、
1次残存領域の凸部高さと
を上記3次元の外形形状の特徴パラメータとして抽出することを特徴とする請求項14記載の形状特徴抽出装置。 - 上記第1の処理手段は、モルフォロジー収縮演算による収縮処理及び最大内接球群を求めるときモルフォロジー膨張演算による膨張処理を行うことを特徴とする請求項10乃至15の何れか1項記載の形状特徴抽出装置。
- 処理対象の目的領域を含む画像データにより示される上記目的領域の外形形状に外接又は内接する基準形状と上記目的領域の外形形状との差分として得られる残存領域の連結領域を新たな目的領域として、処理対象の目的領域の外形形状を大きさの異なる相似基準形状により展開して、
上記基準形状と大きさの異なる相似基準形状と残存領域の情報として上記処理対象の目的領域の外形形状を記述する形状記述方法。 - 処理対象の目的領域の外形形状に対する最小外接円又は最大内接円を上記基準形状とするとともに、新たな目的領域に対する最大内接円あるいは最大内接円群を上記相似基準形状とし、
上記処理対象の目的領域の外形形状を大きさの異なる最大内接円あるいは最大内接円群により展開して、
上記最小外接円又は最大内接円あるいは最大内接円群と大きさの異なる最大内接円あるいは最大内接円群と残存領域の情報として、2次元の外形形状を記述することを特徴とする請求項17記載の形状記述方法。 - 処理対象の初期目的領域の外形形状を大きさの異なる最大内接円あるいは最大内接円群により展開して、
上記最小外接円及び最大内接円あるいは最大内接円群と大きさの異なる最大内接円あるいは最大内接円群と残存領域の情報として、2次元の外形形状の記述することを特徴とする請求項18記載の形状記述方法。 - 処理対象の目的領域の外形形状に対する最小外接球又は最大内接球を上記基準形状とするとともに、新たな目的領域に対する最大内接球あるいは最大内接球群を上記相似基準形状とし、
上記処理対象の目的領域の外形形状を大きさの異なる最大内接球あるいは最大内接球群により展開して、
上記最小外接球又は最大内接球あるいは最大内接球群と大きさの異なる最大内接球あるいは最大内接球群と残存領域の情報として、3次元の外形形状を記述することを特徴とする請求項17記載の形状記述方法。 - 処理対象の目的領域の外形形状を大きさの異なる最大内接球あるいは最大内接球群により展開して、
上記最小外接球及び最大内接球あるいは最大内接球群と大きさの異なる最大内接球あるいは最大内接球群と残存領域の情報として、3次元の外形形状を記述することを特徴とする請求項20記載の形状記述方法。 - 大きさの異なる最大内接球あるいは最大内接球群をn回求め、
最小外接球の半径、体積又は中心位置の情報と、
目的領域の体積又は等価半径の情報と、
n次最大内接球の半径、体積又は中心位置あるいは最大内接球群の半径と中心軌跡の情報と、
n次残存領域の体積、連結領域数、各連結領域体積又は各連結領域中心位置の情報と、
1次残存領域の凸部高さと
を上記最小外接球及び最大内接球あるいは最大内接球群と大きさの異なる最大内接球あるいは最大内接球群と残存領域の情報として3次元の外形形状を記述することを特徴とする請求項21記載の形状記述方法。 - 処理対象の目的領域を含む画像データにより示される上記目的領域の外形形状に外接又は内接する基準形状と上記目的領域の外形形状との差分として得られる残存領域の連結領域を新たな目的領域として、処理対象の目的領域の外形形状を大きさの異なる相似基準形状により展開して、上記基準形状と大きさの異なる相似基準形状と残存領域の情報を取得し、
上記基準形状と大きさの異なる相似基準形状と残存領域の情報を上記処理対象の目的領域の外形形状の特徴パラメータとして分散図を作成して、上記特徴パラメータにより上記処理対象の目的領域の外形形状をクラスタリングすることを特徴とする形状分類方法。 - 処理対象の目的領域の外形形状に対する最小外接円又は最大内接円を上記基準形状とするとともに、新たな目的領域に対する最大内接円あるいは最大内接円群を上記相似基準形状とし、
処理対象の目的領域の外形形状を大きさの異なる最大内接円あるいは最大内接円群により展開して、
上記処理対象の目的領域に対する最小外接円又は最大内接円あるいは最大内接円群と大きさの異なる最大内接円あるいは最大内接円群と残存領域の情報を特徴パラメータとして、2次元の外形形状をクラスタリングすることを特徴とする請求項23記載の形状分類方法。 - 処理対象の初期目的領域の外形形状を大きさの異なる最大内接円あるいは最大内接円群により展開して、
上記最小外接円及び最大内接円あるいは最大内接円群と大きさの異なる最大内接円あるいは最大内接円群と残存領域の情報を特徴パラメータとして、2次元の外形形状をクラスタリングすることを特徴とする請求項23記載の形状分類方法。 - 処理対象の目的領域の外形形状に対する最小外接球又は最大内接球を上記基準形状とするとともに、新たな目的領域に対する最大内接球あるいは最大内接球群を上記相似基準形状とし、
上記処理対象の目的領域の外形形状を大きさの異なる最大内接球あるいは最大内接球群により展開して、
上記最小外接球又は最大内接球あるいは最大内接球群と大きさの異なる最大内接球あるいは最大内接球群と残存領域の情報を特徴パラメータとして、3次元の外形形状をクラスタリングすることを特徴とする請求項23記載の形状分類方法。 - 処理対象の目的領域の外形形状を大きさの異なる最大内接球あるいは最大内接球群により展開して、
上記最小外接球及び最大内接球あるいは最大内接球群と大きさの異なる最大内接球あるいは最大内接球群と残存領域の情報を特徴パラメータとして、3次元の外形形状をクラスタリングすることを特徴とする請求項26記載の形状分類方法。 - 大きさの異なる最大内接球あるいは最大内接球群をn回求め、
最小外接球の半径、体積又は中心位置の情報と、
目的領域の体積又は等価半径の情報と、
n次最大内接球の半径、体積又は中心位置あるいは最大内接球群の半径と中心軌跡の情報と、
n次残存領域の体積、連結領域数、各連結領域体積又は各連結領域中心位置の情報と、
1次残存領域の凸部高さと
を上記最小外接球及び最大内接球あるいは最大内接球群と大きさの異なる最大内接球あるいは最大内接球群と残存領域の情報を特徴パラメータとして、3次元の外形形状をクラスタリングすることを特徴とする請求項27記載の形状分類方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2015023608A JP6516321B2 (ja) | 2015-02-09 | 2015-02-09 | 形状特徴抽出方法、形状特徴抽出処理装置、形状記述方法及び形状分類方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2015023608A JP6516321B2 (ja) | 2015-02-09 | 2015-02-09 | 形状特徴抽出方法、形状特徴抽出処理装置、形状記述方法及び形状分類方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2016146132A true JP2016146132A (ja) | 2016-08-12 |
JP6516321B2 JP6516321B2 (ja) | 2019-05-22 |
Family
ID=56686340
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2015023608A Expired - Fee Related JP6516321B2 (ja) | 2015-02-09 | 2015-02-09 | 形状特徴抽出方法、形状特徴抽出処理装置、形状記述方法及び形状分類方法 |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP6516321B2 (ja) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2017012446A (ja) * | 2015-06-30 | 2017-01-19 | キヤノン株式会社 | 画像処理装置 |
CN108121994A (zh) * | 2016-11-30 | 2018-06-05 | 佳能株式会社 | 检测目标形状中进行特征提取的方法和装置 |
WO2019151302A1 (ja) * | 2018-01-31 | 2019-08-08 | 株式会社Screenホールディングス | 画像処理方法、プログラムおよび記録媒体 |
CN114565658A (zh) * | 2022-01-14 | 2022-05-31 | 武汉理工大学 | 基于ct技术的孔隙尺寸计算方法及装置 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH05165119A (ja) * | 1991-12-12 | 1993-06-29 | Fuji Photo Film Co Ltd | 人物の顔のデータの抽出方法 |
JP2005502147A (ja) * | 2001-09-12 | 2005-01-20 | シーメンス アクチエンゲゼルシヤフト | 興奮性神経細胞の伝達特性を記述するための人工ニューロンを有する装置、および、人工ニューロンを使って、興奮性神経細胞の伝達特性を求める方法 |
JP2006343853A (ja) * | 2005-06-07 | 2006-12-21 | Institute Of Physical & Chemical Research | 神経細胞の三次元形態解析方法 |
JP2009063509A (ja) * | 2007-09-07 | 2009-03-26 | Olympus Corp | 神経細胞画像解析装置及び神経細胞画像解析ソフトウェア |
JP2013254314A (ja) * | 2012-06-06 | 2013-12-19 | Ricoh Co Ltd | 画像認識装置、画像認識方法及びプログラム |
-
2015
- 2015-02-09 JP JP2015023608A patent/JP6516321B2/ja not_active Expired - Fee Related
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH05165119A (ja) * | 1991-12-12 | 1993-06-29 | Fuji Photo Film Co Ltd | 人物の顔のデータの抽出方法 |
JP2005502147A (ja) * | 2001-09-12 | 2005-01-20 | シーメンス アクチエンゲゼルシヤフト | 興奮性神経細胞の伝達特性を記述するための人工ニューロンを有する装置、および、人工ニューロンを使って、興奮性神経細胞の伝達特性を求める方法 |
JP2006343853A (ja) * | 2005-06-07 | 2006-12-21 | Institute Of Physical & Chemical Research | 神経細胞の三次元形態解析方法 |
JP2009063509A (ja) * | 2007-09-07 | 2009-03-26 | Olympus Corp | 神経細胞画像解析装置及び神経細胞画像解析ソフトウェア |
JP2013254314A (ja) * | 2012-06-06 | 2013-12-19 | Ricoh Co Ltd | 画像認識装置、画像認識方法及びプログラム |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2017012446A (ja) * | 2015-06-30 | 2017-01-19 | キヤノン株式会社 | 画像処理装置 |
CN108121994A (zh) * | 2016-11-30 | 2018-06-05 | 佳能株式会社 | 检测目标形状中进行特征提取的方法和装置 |
CN108121994B (zh) * | 2016-11-30 | 2021-12-14 | 佳能株式会社 | 在检测目标形状中进行特征提取的方法和装置 |
WO2019151302A1 (ja) * | 2018-01-31 | 2019-08-08 | 株式会社Screenホールディングス | 画像処理方法、プログラムおよび記録媒体 |
JP2019133429A (ja) * | 2018-01-31 | 2019-08-08 | 株式会社Screenホールディングス | 画像処理方法、画像判定方法、プログラムおよび記録媒体 |
JP6996709B2 (ja) | 2018-01-31 | 2022-01-17 | 株式会社Screenホールディングス | 画像処理方法、画像判定方法、プログラムおよび記録媒体 |
US11710237B2 (en) | 2018-01-31 | 2023-07-25 | SCREEN Holdings Co., Ltd. | Image processing method and recording medium |
CN114565658A (zh) * | 2022-01-14 | 2022-05-31 | 武汉理工大学 | 基于ct技术的孔隙尺寸计算方法及装置 |
Also Published As
Publication number | Publication date |
---|---|
JP6516321B2 (ja) | 2019-05-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Ma et al. | Automatic segmentation of the prostate on CT images using deep learning and multi-atlas fusion | |
Tan et al. | Optimization of breast mass classification using sequential forward floating selection (SFFS) and a support vector machine (SVM) model | |
Oliver et al. | Automatic microcalcification and cluster detection for digital and digitised mammograms | |
Timp et al. | A new 2D segmentation method based on dynamic programming applied to computer aided detection in mammography | |
Alilou et al. | A comprehensive framework for automatic detection of pulmonary nodules in lung CT images | |
US8073226B2 (en) | Automatic detection and monitoring of nodules and shaped targets in image data | |
JP4879028B2 (ja) | 画像処理方法および画像解析方法ならびにプログラム記憶媒体 | |
JP3947109B2 (ja) | コンピュータ利用画像分析 | |
Shaukat et al. | Computer-aided detection of lung nodules: a review | |
JP6539303B2 (ja) | 3d医用画像中の対象物を分割するための3d対象物の変換 | |
WO2011110960A1 (en) | Probabilistic refinement of model-based segmentation | |
CN110910405A (zh) | 基于多尺度空洞卷积神经网络的脑肿瘤分割方法及系统 | |
Nemat et al. | Classification of breast lesions in ultrasonography using sparse logistic regression and morphology‐based texture features | |
JP6516321B2 (ja) | 形状特徴抽出方法、形状特徴抽出処理装置、形状記述方法及び形状分類方法 | |
Jaffar et al. | Ensemble classification of pulmonary nodules using gradient intensity feature descriptor and differential evolution | |
Glotsos et al. | Automated diagnosis of brain tumours astrocytomas using probabilistic neural network clustering and support vector machines | |
Jaffar et al. | An ensemble shape gradient features descriptor based nodule detection paradigm: a novel model to augment complex diagnostic decisions assistance | |
Anjaiah et al. | Effective texture features for segmented mammogram images | |
Pezeshki et al. | Mass classification of mammograms using fractal dimensions and statistical features | |
JP2003502723A (ja) | 統計的湾曲解析を用いた三次元形状計測 | |
Cheng et al. | Automatic centerline detection of small three-dimensional vessel structures | |
Hussain et al. | A Hybrid Approach for the Lung (s) Nodule Detection Using the Deformable Model and Distance Transform. | |
Altun et al. | Feasibility of end-to-end trainable two-stage u-net for detection of axillary lymph nodes in contrast-enhanced ct based on sparse annotations | |
US20220167928A1 (en) | Methods and systems for image segmentation and analysis | |
Majumder et al. | Digital image analysis for early diagnosis of cancer: Identification of pre-cancerous state |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20180201 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20181207 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20181218 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20190204 |
|
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: 20190402 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20190412 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 6516321 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
LAPS | Cancellation because of no payment of annual fees |