JP2016515019A - 診断ベクトル分類サポートのためのシステムおよび方法 - Google Patents
診断ベクトル分類サポートのためのシステムおよび方法 Download PDFInfo
- Publication number
- JP2016515019A JP2016515019A JP2016501312A JP2016501312A JP2016515019A JP 2016515019 A JP2016515019 A JP 2016515019A JP 2016501312 A JP2016501312 A JP 2016501312A JP 2016501312 A JP2016501312 A JP 2016501312A JP 2016515019 A JP2016515019 A JP 2016515019A
- Authority
- JP
- Japan
- Prior art keywords
- tumor
- feature
- operator
- amount
- image
- 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
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
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/0033—Features or image-related aspects of imaging apparatus classified in A61B5/00, e.g. for MRI, optical tomography or impedance tomography apparatus; arrangements of imaging apparatus in a room
- A61B5/0035—Features or image-related aspects of imaging apparatus classified in A61B5/00, e.g. for MRI, optical tomography or impedance tomography apparatus; arrangements of imaging apparatus in a room adapted for acquisition of images from more than one imaging mode, e.g. combining MRI and optical tomography
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/0093—Detecting, measuring or recording by applying one single type of energy and measuring its conversion into another type of energy
- A61B5/0095—Detecting, measuring or recording by applying one single type of energy and measuring its conversion into another type of energy by applying light and detecting acoustic waves, i.e. photoacoustic measurements
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B8/00—Diagnosis using ultrasonic, sonic or infrasonic waves
- A61B8/08—Detecting organic movements or changes, e.g. tumours, cysts, swellings
- A61B8/0825—Detecting organic movements or changes, e.g. tumours, cysts, swellings for diagnosis of the breast, e.g. mammography
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B8/00—Diagnosis using ultrasonic, sonic or infrasonic waves
- A61B8/52—Devices using data or image processing specially adapted for diagnosis using ultrasonic, sonic or infrasonic waves
- A61B8/5215—Devices using data or image processing specially adapted for diagnosis using ultrasonic, sonic or infrasonic waves involving processing of medical diagnostic data
- A61B8/5223—Devices using data or image processing specially adapted for diagnosis using ultrasonic, sonic or infrasonic waves involving processing of medical diagnostic data for extracting a diagnostic or physiological parameter from medical diagnostic data
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B8/00—Diagnosis using ultrasonic, sonic or infrasonic waves
- A61B8/52—Devices using data or image processing specially adapted for diagnosis using ultrasonic, sonic or infrasonic waves
- A61B8/5215—Devices using data or image processing specially adapted for diagnosis using ultrasonic, sonic or infrasonic waves involving processing of medical diagnostic data
- A61B8/5238—Devices using data or image processing specially adapted for diagnosis using ultrasonic, sonic or infrasonic waves involving processing of medical diagnostic data for combining image data of patient, e.g. merging several images from different acquisition modes into one image
- A61B8/5261—Devices using data or image processing specially adapted for diagnosis using ultrasonic, sonic or infrasonic waves involving processing of medical diagnostic data for combining image data of patient, e.g. merging several images from different acquisition modes into one image combining images from different diagnostic modalities, e.g. ultrasound and X-ray
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B8/00—Diagnosis using ultrasonic, sonic or infrasonic waves
- A61B8/52—Devices using data or image processing specially adapted for diagnosis using ultrasonic, sonic or infrasonic waves
- A61B8/5292—Devices using data or image processing specially adapted for diagnosis using ultrasonic, sonic or infrasonic waves using additional data, e.g. patient information, image labeling, acquisition parameters
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/211—Selection of the most significant subset of features
- G06F18/2113—Selection of the most significant subset of features by ranking or filtering the set of features, e.g. using a measure of variance or of feature cross-correlation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
-
- 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
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B2576/00—Medical imaging apparatus involving image processing or analysis
-
- 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
- G06T2207/10132—Ultrasound image
-
- 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
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Medical Informatics (AREA)
- General Health & Medical Sciences (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Public Health (AREA)
- Biomedical Technology (AREA)
- Pathology (AREA)
- Molecular Biology (AREA)
- Surgery (AREA)
- Animal Behavior & Ethology (AREA)
- Heart & Thoracic Surgery (AREA)
- Veterinary Medicine (AREA)
- Biophysics (AREA)
- Radiology & Medical Imaging (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- General Physics & Mathematics (AREA)
- Physiology (AREA)
- Acoustics & Sound (AREA)
- Quality & Reliability (AREA)
- Evolutionary Computation (AREA)
- Artificial Intelligence (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Evolutionary Biology (AREA)
- General Engineering & Computer Science (AREA)
- Epidemiology (AREA)
- Primary Health Care (AREA)
- Databases & Information Systems (AREA)
- Ultra Sonic Daignosis Equipment (AREA)
- Medical Treatment And Welfare Office Work (AREA)
- Measuring And Recording Apparatus For Diagnosis (AREA)
Abstract
Description
放射線学は、人体内で視覚化された疾患の診断および/または治療を実行するためにイメージングを用いる医学専門分野である。放射線専門医は、様々な医療撮像技術により創造された画像を解釈し、所見、印象、および/または診断に関する報告書を作成する。放射線専門医は様々な医療撮像技術により創造された様々な種類の画像のうちの1つまたは複数を解釈することに関して、高度な訓練を受けている。
図2を参照すると、診断ベクトル分類サポート方法200の1つの実施形態が全般に図示される。203において画像は、係る画像の供給源(例えばパラメータマップ出願で説明されるシステムなどの多モード光音響・超音波システム)から取得される。1つの実施形態では、画像データは1つの画像を含む場合がある。1つの実施形態では、画像データは複数の画像を含む場合がある。本明細書で図示する事例の大部分は2次元の画像またはマップであるが、本明細書で論じられるシステムおよび方法は組織体積の3次元以上の表現にも適用されてもよい。
1つの実施形態では205において、病変または腫瘍が203で取得された画像内で特定される。画像内で病変を特定するプロセスは分類のために取得された画像の種類に応じて異なる場合がある。1つの実施形態では、概略的に述べるならば目的は病変の外辺部、および潜在的に周縁部を、可能な限り正確に画定することである。病変外辺部を適切に特定することは、発見事項が病変に対して外的であるかまたは内的であるかどうかの判定を支援する。1つの実施形態では、超音波などの形態学的画像が、組織体積内の構造に対応する特徴を特定するために使用される。次に、係る特徴が形態学的画像をセグメント化するために使用される。1つの実施形態では、次に、係るセグメント化が同一体積のコレジスタされた空間表現に適用される。
1つの実施形態では207において、解析および入力のために画像データがオペレータに表示される。1つの実施形態では上述のように、画像データはセグメント化のために表示される場合がある。1つの実施形態では、画像データは、セグメント化の後、曲線、点線、強調表示、または画像をセグメント化するために使用された1つまたは複数の境界を示す他の注記とともに、表示または再表示される。1つの実施形態では、オペレータはこの時点で入力装置109を介して1つまたは複数の境界曲線を調節する場合がある。
1つの実施形態では、画像セグメント化(205)が完了すると、ただちに分類は、コンピュータによって生成される分類(211)により、オペレータによる分類(221)により、またはその両方により、実施される場合がある。1つの実施形態では、画像データは、コンピュータによる分類/グレード評価が実施される場合がある(211)前に、オペレータに対して表示(207)される必要はない。
1)内的血管分布状態および脱酸素化、
2)腫瘍周縁境界ゾーンの血管分布状態および脱酸素化、
3)内的脱酸素化ブラッシュ、
4)内的全血量、
5)外的腫瘍周縁放射状血管、および、
6)干渉アーチファクト、
を序数尺度で査定することにより、実施される。1つの実施形態では、これら6つの特定的な特徴は0〜5の序数尺度でグレード評価される。1つの実施形態では、1つまたは複数の特徴が0〜6の序数尺度でグレード評価される。これらの特徴スコアの特定的なベクトルが、特定の病変分類と相関することが示されている。1つの実施形態では、特徴グレードを合計すると、合計内的スコア、合計外的スコア、および/または合計全体スコア、が求められる。1つの実施形態では、2側面(two−sided)の正確なヨンキー・タプストラ検定が、増加するスコア(内的、外的、合計)と、より高い癌のグレードと、の間の関係を検定するために使用される。
a)血管分布状態、
b)血管分布の密度、
c)脱酸素化、
d)斑点、
e)ブラッシュ、
f)ヘモグロビンの量、
g)血液の量、
h)酸素化血液と脱酸素化血液の比、
i)血中酸素飽和度、
j)全血量蓄積量、および
k)干渉アーチファクトの量、
を含むがこれらに限定されない、他の特徴もグレード評価することができる。
m)腫瘍の表面に対して実質的に平行方向に向く血管の量、
n)腫瘍の表面に対して実質的に垂直方向に向く血管の量、
o)血管の長さ、および、
p)血管の真直度、
を含むがこれらに限定されない追加的な特徴も、腫瘍周縁領域および周縁領域において評価することができる。
r)浸潤する腫瘍細胞の量、
s)腫瘍に関連するマクロファージの量、
t)腫瘍により影響されている生体細胞の量、
u)リンパ球の量、
v)線維形成の量、
w)浮腫の量、
x)タンパク質性デブリの量、
y)境界ゾーンの厚さ、および、
z)腫瘍の表面に対して実質的に垂直方向に向く腫瘍に関連するコラージュIII型繊維の量、
を含むがこれらに限定されない追加的な腫瘍周縁特徴も評価することができる。
bb)放射状静脈の量、
を含むがこれらに限定されない追加的な周縁部特徴も評価することができる。1つの実施形態では、上述の特徴のうちの一部または全部をグレード評価することに加えて、分子指標もグレード評価される。
1つの実施形態では、221において、オペレータ(一般的に放射線専門医)は、病変に関連する画像データが提示され、病変に関連する1つまたは複数の特徴に対するスコアを入力するよう促される。1つの実施形態では、1つの画像を含む画像データがユーザに提示される。1つの実施形態では、画像データは複数の画像を含む場合がある。画像データが複数の画像から構成される実施形態では、複数の画像はコレジスタされていると好都合である。1つの実施形態では、画像データは組織体積の放射線学的情報を含む。1つの実施形態では、画像データの画像は(これらの画像が各画像のモダリティにより描写される際に)体積内の視認可能な機能的構造または形態学的構造を描写する。1つの実施形態では、画像データは図4に全般的に反映されるように6つの画像を含む。1つの実施形態では、画像データは、図3および図5に示すように、体積の1つまたは複数の画像上に重ね合わされた境界曲線および/または他の注記を含む。
1つの実施形態では、オペレータは病変分類のためのインターフェースを提示される。1つの実施形態では、221でオペレータ(一般的に放射線専門医)は、画像データを提示され、分類を入力するよう促される。1つの実施形態ではオペレータは、選択された分類に対してテキストまたは略号を入力することにより、病変の分類を入力する。1つの実施形態では、オペレータはドロップ・ダウン・メニューから分類を選択する。他のデータ入力方法が当該技術分野で周知であり、使用されてもよい。1つの実施形態では、システムは、オペレータにより入力された複数の特徴グレードに基づいて病変の1つまたは複数の可能性のある分類を提示する。1つの実施形態では、システムは、システムおよび/または他のユーザにより以前に実施された解析に基づいて病変の1つまたは複数の可能性のある分類を提示する。1つの実施形態では、オペレータは、システムにより示唆された病変分類を、選択、確認、または変更することが可能である。
1つの実施形態では、211で診断ベクトル分類・サポートシステムは、グレード評価することができる複数の特徴のうちの1つまたは複数に対する予測値を決定する場合がある。1つの実施形態では、診断ベクトル分類・サポートシステムは上述の6つの特定的な特徴に対する予測値を決定する場合がある。様々な異なる手法が採用される場合がある。1つの実施形態では、画像処理または他の技法が、上述のオペレータによる分類およびグレード評価技法の一部または全部を再現するために使用される。1つの実施形態では、係る技法は、異なる手段により同一または同様の結果に到達するために適用される。1つの実施形態では、係る技法は異なる目的のために適用される。以下で論じる技法は説明的な例である。他種類の技法も使用される場合がある。
1)内的血管分布状態および脱酸素化:スコアは第1境界内のヘモグロビン画像において検出された血管に基づき、これらの血管の酸素化の度合いは酸素化画像に由来する。1つの実施形態では、組み合わせ画像(例えば図4、460)が使用される場合がある。1つの実施形態では、血管検出器が使用される場合がある。1つの実施形態では、血管分布状態はヘモグロビン量から推測される場合がある。1つの実施形態では、スコアは組み合わせ画像内における赤色度と緑色度との比率に関連する。
2)腫瘍周縁境界ゾーンの血管分布状態および脱酸素化:スコアは腫瘍周縁境界内(すなわち第1境界と第2境界との間)のヘモグロビン画像において検出された血管に基づき、これらの血管の酸素化の度合いは酸素化画像に由来する。1つの実施形態では、組み合わせ画像(例えば図4、460)が使用される場合がある。1つの実施形態では、血管検出器が使用される場合がある。1つの実施形態では、血管分布状態はヘモグロビン量から推測され得る。1つの実施形態では、スコアは組み合わせ画像内における赤色度と緑色度との比率に関連する。
3)内的脱酸素化ブラッシュ:スコアは内的領域に対して上述のように酸素化画像から決定される。1つの実施形態では、スコアは処理済み酸素化マップ(例えば図4、450)の赤色ピクセルのパーセンテージに関連する。
4)内的全血量:スコアは内的領域において上述のようにヘモグロビン画像強度または血管検出画像から決定される。1つの実施形態では、スコアは処理済みヘモグロビンマップ(例えば図4、440)を使用して閾値を越える内的ピクセルのパーセンテージに関連する。
5)外的腫瘍周縁放射状血管:スコアは腫瘍周縁境界上で検出される放射状血管から決定される。1つの実施形態では、スコアは外部境界の近位に位置する方向性フィルタ処理が施されたヘモグロビン画像の合計に関連する。なお境界に対して垂直方向付近の係る血管は高いスコアが付与され、他の特徴は抑制される。
6)干渉アーチファクト:スコアは上述のように決定される。1つの実施形態では、アーチファクトはスコア評価の前に除去され、したがって干渉アーチファクトのスコアはゼロである。
のうちの1つまたは複数を使用することができる。
1つの実施形態では、231において、ユーザから受け取られた分類が、システムにより計算された分類と比較される。1つの実施形態では、これらの分類が異なるか、その差異が閾値を越えた場合、235において診断サポートがユーザに提供される。1つの実施形態では、オペレータの生成による分類およびコンピュータの生成による分類が、同一であるか、またはその差異が閾値を越えない場合、オペレータによる特徴分類が241で出力される。1つの実施形態では診断サポートは、オペレータの生成による分類とコンピュータの生成による分類とがすでに同一である場合でさえも、提供される。
さらなる例示的な実施形態について、乳房のしこりに関する構造的特徴および機能的特徴を同時に査定するために診断用超音波とコレジスタされた光音響(OA)二重エネルギーレーザ技術を使用する研究を参照して、以下で説明する。OAでは薬剤の注入は不必要であり、放射線は利用されない。光音響装置およびその特徴の説明はパラメータマップ出願に見出だすことができる。
1)内的血管分布状態および脱酸素化、
2)腫瘍周縁境界ゾーンの血管分布状態および脱酸素化、
3)内的脱酸素化ブラッシュ、
4)内的全血量、
5)外的腫瘍周縁放射状血管、および、
6)干渉アーチファクト、
を使用して査定された。
各方法による感度および特異度の査定が以下の表にまとめられている。KNNおよびSVMの性能が最良である一方で、LRの性能が最悪であった。しかしこれらの結果は5つの解析全部に対して一貫しており、好適であった。感度は95%〜100%の範囲であり、特異度の範囲は52%〜79%であった。調査研究の結果は、生検を控える可能性(biopsy−sparing potential)をOAイメージングに対して裏付ける。
解析の結果、特徴の集合が得られ、この特徴の集合は、データ(IDCおよびFAのみが検査された)を3つのクラスタ(クラスタ#1はFAであり、クラスタ#2はIDC−GR1であり、クラスタ#3はIDC−GR2、IDC−GR3(および少数のILC−GR2)である)に振り分けることができる。一般に、これはStavros博士により提案された規則と一致する。このレポートは、さらにその解析を公式化し、またはルールセットの使用に対する、さらなる洞察を提供する場合がある。
特徴は選択され、ランク評価(値1〜5)された。使用されたランク評価判断基準が図13に図示される。どの判断基準が2つのクラスを区別するにあたり重要であるかを決定するために、解析が、FAおよびIDC−GR1、IDC−GR2、およびIDC−GR3の患者に対して実施された。matlab anova analysisツールが使用された。結果は非公式なフォーマットで提示される。
データには80名の患者が含まれた。これら80名の患者のうち、まだグレード評価されていない(未完成)の患者が13名いた。80名のうち、28名のFA、3名のILC、および48名のIDCがいた。51名が悪性、29名が良性であった。悪性に対して、11名のGR1、18名のGR2、および22名のGR3がいた。実現可能性調査で遭遇される他種類の病変に由来するデータは、この解析に対する入力のためにスプレッドシート上でまだグレード評価されておらず、したがって解析されなかった。
図14は特徴の分散図を図示する。各ドットは患者を表現する。赤色ドットは良性患者である。良性の患者は画像の底部左側に集まっている。x軸は特徴ベクトルc2に基づくスコアを表現する。y軸は特徴ベクトルc1に基づくスコアを表現する。各特徴ベクトルは、重みがANOVA解析により解決された特徴の組み合わせを表現する。特徴ベクトルc1およびc2が図15に図示される。図2bでは、異常値の患者IDが図示される。
解析の結果、特徴の集合が得られ、この特徴の集合は、データ(IDCとFAとの間で選択する場合)を、3つのクラスタ(クラスタ#1はFAであり、クラスタ#2はIDC−GR1であり、クラスタ#3はIDC−GR2、IDC−GR3、およびILC−GR2である)に振り分けることができる。一般に、これはStavros博士により提案された規則と一致する。賞賛情報がこの解析において得られ得る。
超音波特徴はこの解析では考慮されなかった。多くの場合、超音波特徴は、異なる病変を区別し、いかなる状況下で光音響特徴が適用可能となるかを決定するために、必要となりる場合がある。
Claims (41)
- 低エコー性中心病巣を有する腫瘍を含む組織体積の光音響画像の1つまたは複数の特徴をグレード評価することにおいてサポートを提供するための方法であって、
前記組織体積の超音波画像を取得することであって、前記超音波画像が、前記低エコー性中心病巣の少なくとも1部分、および腫瘍周縁領域の少なくとも1部分を表現する、超音波画像を取得することと、
前記組織体積の光音響画像を取得することであって、前記光音響画像が、前記超音波画像とコレジスタされ、且つ前記低エコー性中心病巣の前記部分の少なくとも1部分、および前記腫瘍周縁領域の前記部分の少なくとも1部分を表現する、光音響画像を取得することと、
前記腫瘍の前記低エコー性中心病巣の外辺部の少なくとも1部分を近似する腫瘍境界曲線を前記超音波画像上で特定することと、
前記腫瘍の前記腫瘍周縁領域の周縁部の少なくとも1部分を近似する腫瘍周縁境界曲線を前記超音波画像上で特定することであって、前記腫瘍周縁領域の前記周縁部の外側部分は前記腫瘍の前記低エコー性中心病巣の前記外辺部から空間的に離間し、前記腫瘍周縁境界曲線の少なくとも1部分は、前記腫瘍周縁領域の前記周縁部の前記外側部分の少なくとも1部分に対応し、前記腫瘍境界曲線から空間的に離間する、腫瘍周縁境界曲線を前記超音波画像上で特定することと、
前記腫瘍境界曲線および前記腫瘍周縁境界曲線が前記光音響画像上で重ね合わされた状態で、前記光音響画像の少なくとも1部分をディスプレイ上に提示することと、
前記腫瘍境界曲線および前記腫瘍周縁境界曲線に基づく境界ゾーンを前記表示された画像内で画定し、前記腫瘍の前記腫瘍周縁領域の前記部分の少なくとも1部分に対応することと、
前記境界ゾーン内に少なくとも部分的に含まれる、少なくとも1つの腫瘍周縁特徴に対するオペレータによる特徴スコアを取得することと、
前記境界ゾーン内に含まれる情報に少なくとも部分的に基づいて、前記少なくとも1つの腫瘍周縁特徴に対する1つまたは複数のコンピュータの生成による特徴スコアをコンピュータにより計算することと、
前記オペレータによる特徴スコアが、前記1つまたは複数のコンピュータの生成による特徴スコアのうちの少なくとも1つと異なる場合、1つまたは複数の補助的入力を前記オペレータから取得することと、
前記オペレータによる特徴スコアに基づいて、前記少なくとも1つの腫瘍周縁特徴に対するグレードを決定することと、
を含む方法。 - 改定された腫瘍境界曲線および改定された腫瘍周縁境界曲線のうちの少なくとも1つを前記オペレータから取得し、それにより前記境界ゾーンを変更することと、
前記境界ゾーン内に含まれる情報に少なくとも部分的に基づいて、前記少なくとも1つの腫瘍周縁特徴に対する前記1つまたは複数のコンピュータの生成による特徴スコアをコンピュータにより再計算することと、
をさらに含む、請求項1に記載の方法。 - 前記1つまたは複数の補助的入力のうちの少なくとも1つが、改定された腫瘍境界曲線および改定された腫瘍周縁境界曲線のうちの少なくとも1つであり、それにより前記境界ゾーンを変更し、
前記境界ゾーン内に含まれる情報に少なくとも部分的に基づいて、前記少なくとも1つの腫瘍周縁特徴に対する前記1つまたは複数のコンピュータの生成による特徴スコアをコンピュータにより再計算することと、
前記オペレータによる特徴スコアが、前記1つまたは複数のコンピュータの生成による特徴スコアのうちの少なくとも1つと異なる場合、前記1つまたは複数の補助的入力を前記オペレータから再取得することと、
をさらに含む、請求項1に記載の方法。 - 前記1つまたは複数の補助的入力のうちの少なくとも1つが、前記オペレータによる特徴スコアに対する改変であり、前記オペレータによる特徴スコアが、前記1つまたは複数のコンピュータの生成による特徴スコアのうちの少なくとも1つと異なる場合、前記1つまたは複数の補助的入力を前記オペレータから再取得することをさらに含む、請求項1に記載の方法。
- 前記1つまたは複数の補助的入力のうちの少なくとも1つは前記オペレータによる特徴スコアの確認である、請求項1に記載の方法。
- 前記1つまたは複数の補助的入力のうちの少なくとも1つが、オペレータの画定による特徴ゾーンであり、
前記オペレータの画定による特徴ゾーン内に含まれる情報に少なくとも部分的に基づいて、前記少なくとも1つの腫瘍周縁特徴に対する前記1つまたは複数のコンピュータの生成による特徴スコアをコンピュータにより再計算することと、
前記オペレータによる特徴スコアが、前記1つまたは複数のコンピュータの生成による特徴スコアのうちの少なくとも1つと異なる場合、前記1つまたは複数の補助的入力を前記オペレータから再取得することと、
をさらに含む、請求項1に記載の方法。 - 前記境界ゾーンが、前記光音響画像の再検討に基づいて変更される、請求項3に記載の方法。
- 前記境界ゾーンが、前記超音波画像の再検討に基づいて変更される、請求項3に記載の方法。
- 前記境界ゾーンが、前記超音波画像および前記光音響画像の再検討に基づいて変更される、請求項3に記載の方法。
- a)組織の他の体積において提示される前記少なくとも1つの腫瘍周縁特徴のうちの1つの1つまたは複数の例と、
b)前記体積の1つまたは複数の追加的画像と、
c)前記表示された画像の1つまたは複数のエリアを強調表示し、それにより、前記1つまたは複数のコンピュータの生成による特徴スコアのうちの少なくとも1つがそれに基づいて計算された、前記表示された画像の少なくとも1部分を示すことと、
d)前記超音波画像と、
e)前記1つまたは複数のコンピュータの生成による特徴スコアのうちの少なくとも1つと、
からなる集合から選択される、少なくとも1つの出力を含む追加的情報を前記オペレータに表示すること、
をさらに含む、請求項1に記載の方法。 - 前記腫瘍境界曲線に基づく内的ゾーンを前記表示された画像内で画定し、前記腫瘍の前記低エコー性中心病巣の前記部分の前記部分の少なくとも1部分を近似することと、
前記腫瘍の前記低エコー性中心病巣内に含まれる少なくとも1つの内的特徴に対するグレードを決定するために、前記内的ゾーン内に含まれる前記表示された画像の少なくとも1部分を評価することと、
をさらに含む、請求項1に記載の方法。 - 前記少なくとも1つの内的特徴グレードおよび前記少なくとも1つの腫瘍周縁特徴グレードに基づいて、前記腫瘍の分類を特定することをさらに含む、請求項11に記載の方法。
- 前記腫瘍の前記低エコー性中心病巣に対して外部に位置し且つ前記腫瘍の前記腫瘍周縁領域に対して少なくとも部分的に外部に位置する少なくとも1つの周縁部特徴に対するグレードを決定するために、前記内的ゾーンの外側および前記境界ゾーンの外側に含まれる前記表示された画像の1部分を評価することをさらに含む、請求項11に記載の方法。
- 前記少なくとも1つの内的特徴グレードと、前記少なくとも1つの腫瘍周縁特徴グレードと、前記少なくとも1つの周縁部特徴グレードと、に基づいて前記腫瘍の分類を特定することをさらに含む、請求項13に記載の方法。
- 前記少なくとも1つの腫瘍周縁特徴は、
a)血管分布状態と、
b)酸素化と、
c)斑点と、
d)ブラッシュと、
e)ヘモグロビンの量と、
f)血液の量と、
g)酸素化血液と脱酸素化血液との比と、
h)増殖する腫瘍細胞の量と、
i)浸潤する腫瘍細胞の量と、
j)腫瘍に関連するマクロファージの量と、
k)前記腫瘍により影響されている生体細胞の量と、
l)リンパ球の量と、
m)線維形成の量と、
n)浮腫の量と、
o)タンパク質性デブリの量と、
p)腫瘍新生血管の量と、
q)前記腫瘍の表面に対して実質的に平行方向に向く血管の量と、
r)前記腫瘍の表面に対して実質的に垂直方向に向く血管の量と、
s)血管の長さと、
t)血管の真直度と、
u)境界ゾーンの厚さと、
v)前記腫瘍の表面に対して実質的に垂直方向に向く腫瘍に関連するコラージュIII型繊維の量と、
w)干渉アーチファクトの量と、
からなる集合から選択される、請求項1に記載の方法。 - 前記腫瘍周縁境界曲線の少なくとも1部分は前記腫瘍の低エコー性ハロに対応する、請求項1に記載の方法。
- 前記少なくとも1つの内的特徴は、
a)血管分布状態と、
b)酸素化と、
c)斑点と、
d)ブラッシュと、
e)ヘモグロビンの量と、
f)血液の量と、
g)酸素化血液と脱酸素化血液との比と、
h)干渉アーチファクトの量と、
からなる集合から選択される、請求項11に記載の方法。 - 前記少なくとも1つの周縁部特徴は、
a)血管分布状態と、
b)酸素化と、
c)斑点と、
d)ブラッシュと、
e)ヘモグロビンの量と、
f)血液の量と、
g)酸素化血液と脱酸素化血液との比と、
h)放射状動脈の量と、
i)放射状静脈の量と、
j)腫瘍新生血管の量と、
k)前記腫瘍の表面に対して実質的に平行方向に向く血管の量と、
l)前記腫瘍の表面に対して実質的に垂直方向に向く血管の量と、
m)血管の長さと、
n)血管の真直度と、
o)干渉アーチファクトの量と、
からなる集合から選択される、請求項13に記載の方法。 - 中心病巣と、前記中心病巣の近位にある腫瘍周縁領域と、を有する腫瘍を評価するための方法であって、
前記腫瘍を含む組織体積の少なくとも1部分の光音響画像をディスプレイ上で提示することと、
前記腫瘍の前記腫瘍周縁領域の少なくとも1部分を近似する前記光音響画像の境界ゾーンを前記ディスプレイ上で特定することと、
前記境界ゾーン内に少なくとも部分的に含まれる少なくとも1つの腫瘍周縁特徴に対する特徴スコアをオペレータから取得することと、
前記少なくとも1つの腫瘍周縁特徴に対する1つまたは複数のコンピュータの生成による特徴スコアをコンピュータにより計算することであって、前記1つまたは複数のコンピュータの生成による特徴スコアが前記境界ゾーン内に含まれる情報に少なくとも部分的に基づく、コンピュータにより計算することと、
前記オペレータによる特徴スコアが、前記1つまたは複数のコンピュータの生成による特徴スコアのうちの少なくとも1つと異なる場合、1つまたは複数の補助的入力を前記オペレータから取得することと、
前記オペレータによる特徴スコアに基づいて、前記少なくとも1つの腫瘍周縁特徴に対するグレードを取得することと、
を含む方法。 - 改定された境界ゾーンをオペレータから取得することと、
前記少なくとも1つの腫瘍周縁特徴に対する前記1つまたは複数のコンピュータの生成による特徴スコアをコンピュータにより再計算することであって、前記1つまたは複数のコンピュータの生成による特徴スコアが、前記改定された境界ゾーン内に含まれる情報に少なくとも部分的に基づく、コンピュータにより再計算することと、
をさらに含む、請求項19の方法。 - 前記1つまたは複数の補助的入力のうちの少なくとも1つが、改定された境界ゾーンであり、
前記少なくとも1つの腫瘍周縁特徴に対する前記1つまたは複数のコンピュータの生成による特徴スコアをコンピュータにより再計算することであって、前記1つまたは複数のコンピュータの生成による特徴スコアが、前記改定された境界ゾーン内に含まれる情報に少なくとも部分的に基づく、コンピュータにより再計算することと、
前記オペレータによる特徴スコアが、前記1つまたは複数のコンピュータの生成による特徴スコアのうちの少なくとも1つと異なる場合、前記1つまたは複数の補助的入力を前記オペレータから再取得することと、
をさらに含む、請求項19に記載の方法。 - 前記1つまたは複数の補助的入力のうちの少なくとも1つが、前記オペレータによる特徴スコアに対する改変であり、前記オペレータによる特徴スコアが、前記1つまたは複数のコンピュータの生成による特徴スコアのうちの少なくとも1つと異なる場合、前記1つまたは複数の補助的入力を前記オペレータから再取得することをさらに含む、請求項19に記載の方法。
- 前記1つまたは複数の補助的入力のうちの前記少なくとも1つは前記オペレータによる特徴スコアの確認である、請求項19に記載の方法。
- 前記1つまたは複数の補助的入力のうちの前記少なくとも1つはオペレータの画定による特徴ゾーンであり、
前記オペレータの画定による特徴ゾーン内に含まれる情報に少なくとも部分的に基づいて、前記少なくとも1つの腫瘍周縁特徴に対する前記1つまたは複数のコンピュータの生成による特徴スコアをコンピュータにより再計算することと、
前記オペレータによる特徴スコアが、前記1つまたは複数のコンピュータの生成による特徴スコアのうちの少なくとも1つと異なる場合、前記1つまたは複数の補助的入力を前記オペレータから再取得することと、
をさらに含む、請求項19に記載の方法。 - 中心病巣と、前記中心病巣の近位にある腫瘍周縁領域と、を有する腫瘍を分類することに対してサポートを提供するための方法であって、
前記腫瘍を含む組織体積の少なくとも1部分の光音響画像をディスプレイ上で提示することと、
前記腫瘍の前記中心病巣の少なくとも1部分を近似する前記光音響画像の内的ゾーンを前記ディスプレイ上で特定することと、
前記腫瘍の前記中心病巣内に含まれる少なくとも1つの内的特徴に対するグレードを決定するために、前記内的ゾーン内に含まれる前記光音響画像の少なくとも1部分を評価することと、
前記腫瘍の前記腫瘍周縁領域の少なくとも1部分を近似する前記光音響画像の境界ゾーンを前記ディスプレイ上で特定することと、
前記腫瘍の前記腫瘍周縁領域内に少なくとも部分的に含まれる少なくとも1つの腫瘍周縁特徴に対するグレードを決定するために、前記境界ゾーン内に含まれる前記光音響画像の少なくとも1部分を評価することと、
前記腫瘍の前記中心病巣に対して外部に位置し、且つ前記腫瘍の前記腫瘍周縁領域に対して少なくとも部分的に外部に位置する、少なくとも1つの周縁部特徴に対するグレードを決定するために、前記内的ゾーンの外側および前記境界ゾーンの外側に含まれる前記光音響画像の1部分を評価することと、
前記少なくとも1つの内的特徴グレードと、前記少なくとも1つの腫瘍周縁特徴グレードと、前記少なくとも1つの周縁部特徴グレードと、に基づいて、前記腫瘍の分類を特定することと、
を含み、
グレードを決定することが、
前記少なくとも1つの特徴に対する1つまたは複数のコンピュータの生成による特徴スコアをコンピュータにより計算することと、
前記少なくとも1つの特徴に対するオペレータによる特徴スコアを取得することと、
前記1つまたは複数のコンピュータの生成による特徴スコアのうちの少なくとも1つと、前記オペレータによる特徴スコアと、を比較することと、
を含む、
方法。 - 前記中心病巣が低エコー性であり、
前記組織体積の超音波画像を取得することであって、前記超音波画像が前記光音響画像とコレジスタされ、且つ前記腫瘍を含む前記組織体積の前記部分の少なくとも1部分を表現する超音波画像を取得することと、
前記腫瘍の前記低エコー性中心病巣の外辺部の少なくとも1部分を近似する腫瘍境界曲線を前記超音波画像上で特定することと、
前記腫瘍の前記腫瘍周縁領域の周縁部の少なくとも1部分を近似する腫瘍周縁境界曲線を前記超音波画像上で特定することであって、前記腫瘍周縁領域の前記周縁部の外側部分が、前記腫瘍の前記低エコー性中心病巣の前記外辺部から空間的に離間し、前記腫瘍周縁境界曲線の少なくとも1部分が、前記腫瘍周縁領域の前記周縁部の前記外側部分の少なくとも1部分に対応し、且つ前記腫瘍境界曲線から空間的に離間する、前記超音波画像上で特定することと、
前記腫瘍境界曲線および前記腫瘍周縁境界曲線に基づいて、前記光音響画像内で前記境界ゾーンを画定することと、
をさらに含む、請求項25に記載の方法。 - 追加的入力を前記オペレータから受け取ることであって、前記追加的入力が、
a)前記腫瘍境界曲線に対する修正と、
b)前記腫瘍境界曲線に対する追加と、
c)前記腫瘍周縁境界曲線に対する修正と、
d)前記腫瘍周縁境界曲線に対する追加と、
e)前記1つまたは複数のコンピュータの生成による特徴スコアのうちの少なくとも1つの確認と、
f)前記オペレータによる特徴スコアの確認と、
g)前記オペレータによる特徴スコアの改変と、
h)オペレータによる特徴スコアを通知した前記光音響画像のエリアの表示と、
からなる集合から選択される少なくとも1つの入力を含む、追加的入力を前記オペレータから受け取ることをさらに含む、請求項25に記載の方法。 - 前記腫瘍周縁境界曲線が、前記光音響画像の再検討に基づいて修正される、請求項27に記載の方法。
- 前記腫瘍周縁境界曲線が、前記超音波画像の再検討に基づいて修正される、請求項27に記載の方法。
- 前記腫瘍周縁境界曲線が、前記光音響画像および前記超音波画像の両方の再検討に基づいて修正される、請求項27に記載の方法。
- 追加的情報を前記オペレータに表示することであって、前記追加的情報は、
a)他の組織体積において提示される前記少なくとも1つの特徴のうちの1つの1つまたは複数の例と、
b)前記体積の1つまたは複数の追加的画像と、
c)前記光音響画像の1つまたは複数のエリアを強調表示し、それにより、前記1つまたは複数のコンピュータの生成による特徴スコアのうちの少なくとも1つがそれに基づいて計算された、前記光音響画像の少なくとも1部分を示すことと、
d)前記超音波画像と、
e)前記1つまたは複数のコンピュータの生成による特徴スコアのうちの少なくとも1つと、
からなる集合から選択される少なくとも1つの出力を含む、追加的情報を前記オペレータに表示することをさらに含む、請求項26に記載の方法。 - 前記少なくとも1つの腫瘍周縁特徴が、
a)血管分布状態と、
b)酸素化と、
c)斑点と、
d)ブラッシュと、
e)ヘモグロビンの量と、
f)血液の量と、
g)酸素化血液と脱酸素化血液との比と、
h)増殖する腫瘍細胞の量と、
i)浸潤する腫瘍細胞の量と、
j)腫瘍に関連するマクロファージの量と、
k)前記腫瘍により影響されている生体細胞の量と、
l)リンパ球の量と、
m)線維形成の量と、
n)浮腫の量と、
o)タンパク質性デブリの量と、
p)腫瘍新生血管の量と、
q)前記腫瘍の表面に対して実質的に平行方向に向く血管の量と、
r)前記腫瘍の表面に対して実質的に垂直方向に向く血管の量と、
s)血管の長さと、
t)血管の真直度と、
u)境界ゾーンの厚さと、
v)前記腫瘍の表面に対して実質的に垂直方向に向く腫瘍に関連するコラージュIII型繊維の量と、
w)干渉アーチファクトの量と、
からなる集合から選択される、請求項25に記載の方法。 - 前記腫瘍周縁境界曲線の少なくとも1部分は前記腫瘍の低エコー性ハロに対応する、請求項32に記載の方法。
- 前記少なくとも1つの内的特徴は、
a)血管分布状態と、
b)酸素化と、
c)斑点と、
d)ブラッシュと、
e)ヘモグロビンの量と、
f)血液の量と、
g)酸素化血液と脱酸素化血液との比と、
h)干渉アーチファクトの量と、
からなる集合から選択される、請求項25に記載の方法。 - 前記少なくとも1つの周縁部特徴は、
a)血管分布状態と、
b)酸素化と、
c)斑点と、
d)ブラッシュと、
e)ヘモグロビンの量と、
f)血液の量と、
g)酸素化血液と脱酸素化血液との比と、
h)放射状動脈の量と、
i)放射状静脈の量と、
j)腫瘍新生血管の量と、
k)前記腫瘍の表面に対して実質的に平行方向に向く血管の量と、
l)前記腫瘍の表面に対して実質的に垂直方向に向く血管の量と、
m)血管の長さと、
n)血管の真直度と、
o)干渉アーチファクトの量と、
からなる集合から選択される、請求項25に記載の方法。 - 中心病巣を有する腫瘍を含む組織体積の光音響画像の1つまたは複数の特徴をグレード評価することにおいてサポートを提供するための方法であって、
前記組織体積の超音波画像を取得することであって、前記超音波画像が、前記中心病巣の少なくとも1部分と、腫瘍周縁領域の少なくとも1部分とを表現する、超音波画像を取得することと、
前記組織体積の光音響画像を取得することであって、前記光音響画像が、前記超音波画像とコレジスタされ、且つ前記中心病巣の前記部分の少なくとも1部分と、前記腫瘍周縁領域の前記部分の少なくとも1部分と、の光学的コントラストを表現する光音響画像を取得することと、
前記腫瘍の前記中心病巣の外辺部の少なくとも1部分を近似する腫瘍境界曲線を前記超音波画像上で特定することと、
前記腫瘍の前記腫瘍周縁領域の周縁部の少なくとも1部分を近似する腫瘍周縁境界曲線を前記超音波画像上で特定することであって、前記腫瘍周縁領域の前記周縁部の外側部分が、前記腫瘍の前記中心病巣の前記外辺部から空間的に離間し、前記腫瘍周縁境界曲線の少なくとも1部分は、前記腫瘍周縁領域の前記周縁部の前記外側部分の少なくとも1部分に対応し、前記腫瘍境界曲線から空間的に離間する、腫瘍周縁境界曲線を前記超音波画像上で特定することと、
前記腫瘍境界曲線および前記腫瘍周縁境界曲線が前記光音響画像上に重ね合わされた状態で、前記光音響画像の少なくとも1部分をディスプレイ上に提示することと、
を含む方法。 - 中心病巣と、前記中心病巣の近位にある腫瘍周縁領域と、を有する腫瘍を評価するための方法であって、
前記腫瘍を含む組織体積の少なくとも1部分の光音響画像をディスプレイ上で提示することと、
前記腫瘍の前記腫瘍周縁領域の少なくとも1部分を近似する前記光音響画像の境界ゾーンを前記ディスプレイ上で特定することと、
前記境界ゾーン内に少なくとも部分的に含まれる少なくとも1つの腫瘍周縁特徴に対する特徴スコアをオペレータから取得することと、
前記境界ゾーン内に少なくとも部分的に含まれる前記少なくとも1つの腫瘍周縁特徴に対する少なくとも1つの追加的特徴スコアを取得することと、
前記オペレータによる特徴スコアと、前記少なくとも1つの追加的特徴スコアと、を比較することと、
前記オペレータによる特徴スコアが、前記少なくとも1つの追加的特徴スコアのうちの少なくとも1つと異なる場合、1つまたは複数の補助的入力を前記オペレータから取得することと、
前記オペレータによる特徴スコアに基づいて、前記少なくとも1つの腫瘍周縁特徴に対するグレードを決定することと、
を含む方法。 - 前記少なくとも1つの腫瘍周縁特徴に対する前記少なくとも1つの追加的特徴スコアであって、前記境界ゾーン内に含まれる情報に少なくとも部分的に基づく前記少なくとも1つの追加的特徴スコアをコンピュータにより計算すること、
をさらに含む、請求項37に記載の方法。 - 前記少なくとも1つの追加的特徴スコアが、別のオペレータから取得される、請求項37に記載の方法。
- 中心病巣を有する腫瘍を含む組織体積の光音響画像を使用して病変を分類することにおいてサポートを提供するための方法であって、
前記組織体積の超音波画像を取得することであって、前記超音波画像が、前記中心病巣の少なくとも1部分と、腫瘍周縁領域の少なくとも1部分とを表現する、超音波画像を取得することと、
前記組織体積の光音響画像を取得することであって、前記光音響画像が、前記超音波画像とコレジスタされ、且つ前記中心病巣の前記部分の少なくとも1部分と、前記腫瘍周縁領域の前記部分の少なくとも1部分と、の光学的コントラストを表現する光音響画像を取得することと、
前記腫瘍の前記中心病巣の外辺部の少なくとも1部分を近似する腫瘍境界曲線を前記超音波画像上で特定することと、
前記腫瘍境界曲線が前記光音響画像上に重ね合わされた状態で、前記光音響画像の少なくとも1部分をディスプレイ上で提示することと、
前記腫瘍境界曲線に基づいて、前記表示された画像内で内的ゾーンを画定すること、
前記内的ゾーン内に含まれる腫瘍特徴に対するオペレータによる特徴スコアをオペレータから取得することと、
前記内的ゾーンの少なくとも部分的に外側に含まれる腫瘍外特徴に対するオペレータによる特徴スコアを前記オペレータから取得することと、
前記表示された画像の前記内的ゾーン内に含まれる情報に少なくとも部分的に基づいて、前記腫瘍特徴に対する1つまたは複数のコンピュータの生成による特徴スコアをコンピュータにより計算することと、
前記表示された画像の前記内的ゾーンの外側に含まれる情報に少なくとも部分的に基づいて、前記腫瘍外特徴に対する1つまたは複数のコンピュータの生成による特徴スコアをコンピュータにより計算することと、
前記オペレータによる特徴スコアのうちのいずれか1つが、前記対応する少なくとも1つのコンピュータの生成による特徴スコアと異なる場合、1つまたは複数の補助的入力を前記オペレータから取得することと、
前記オペレータによる特徴スコアに基づいて、前記病変を分類することと、
を含む方法。 - 中心病巣を有する腫瘍を含む組織体積の光音響画像を使用して病変を分類することにおいてサポートを提供するための方法であって、
前記組織体積の超音波画像を取得することであって、前記超音波画像が、前記中心病巣の少なくとも1部分と、腫瘍周縁領域の少なくとも1部分とを表現する、超音波画像を取得することと、
前記組織体積の光音響画像を取得することであって、前記光音響画像が、前記超音波画像とコレジスタされ、且つ前記中心病巣の前記部分の少なくとも1部分と、前記腫瘍周縁領域の前記部分の少なくとも1部分と、の光学的コントラストを表現する、光音響画像を取得することと、
前記腫瘍の前記中心病巣の外辺部の少なくとも1部分を近似する腫瘍境界曲線を前記超音波画像上で特定することと、
前記腫瘍境界曲線が前記光音響画像上に重ね合わされた状態で、前記光音響画像の少なくとも1部分をディスプレイ上で提示することと、
前記腫瘍境界曲線に基づいて、前記表示された画像内で内的ゾーンを画定することと、
前記病変に対する分類をオペレータから取得することと、
前記表示された画像の前記内的ゾーン内に含まれる情報に少なくとも部分的に基づいて、前記腫瘍特徴に対する1つまたは複数のコンピュータの生成による特徴スコアをコンピュータにより計算することと、
前記表示された画像の前記内的ゾーンの外側に含まれる情報に少なくとも部分的に基づいて、前記腫瘍外特徴に対する1つまたは複数のコンピュータの生成による特徴スコアをコンピュータにより計算することと、
前記腫瘍外特徴に対する少なくとも前記1つまたは複数のコンピュータの生成による特徴スコアと、前記腫瘍特徴に対する前記少なくとも1つまたは複数のコンピュータの生成による特徴スコアと、に基づいて、前記病変に対する1つまたは複数のコンピュータの生成による分類を決定することと、
前記オペレータによる分類が、前記病変に対する前記1つまたは複数のコンピュータの生成による分類のうちの全部と異なる場合、1つまたは複数の補助的入力を前記オペレータから取得することと、
前記病変に対する前記オペレータによる分類に基づいて、前記病変を分類することと、
を含む方法。
Applications Claiming Priority (7)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US201361799213P | 2013-03-15 | 2013-03-15 | |
US61/799,213 | 2013-03-15 | ||
US201361810238P | 2013-04-09 | 2013-04-09 | |
US61/810,238 | 2013-04-09 | ||
US201361898392P | 2013-10-31 | 2013-10-31 | |
US61/898,392 | 2013-10-31 | ||
PCT/US2014/023673 WO2014150578A1 (en) | 2013-03-15 | 2014-03-11 | System and method for diagnostic vector classification support |
Related Child Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2019007937A Division JP6743202B2 (ja) | 2013-03-15 | 2019-01-21 | 診断ベクトル分類サポートのためのシステムおよび方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
JP2016515019A true JP2016515019A (ja) | 2016-05-26 |
Family
ID=51580782
Family Applications (2)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2016501312A Pending JP2016515019A (ja) | 2013-03-15 | 2014-03-11 | 診断ベクトル分類サポートのためのシステムおよび方法 |
JP2019007937A Active JP6743202B2 (ja) | 2013-03-15 | 2019-01-21 | 診断ベクトル分類サポートのためのシステムおよび方法 |
Family Applications After (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2019007937A Active JP6743202B2 (ja) | 2013-03-15 | 2019-01-21 | 診断ベクトル分類サポートのためのシステムおよび方法 |
Country Status (11)
Country | Link |
---|---|
US (5) | US9398893B2 (ja) |
EP (1) | EP2973405A4 (ja) |
JP (2) | JP2016515019A (ja) |
KR (1) | KR20150131018A (ja) |
AU (1) | AU2014237034A1 (ja) |
BR (1) | BR112015021807A2 (ja) |
CA (1) | CA2902161C (ja) |
IL (1) | IL240653A0 (ja) |
MX (1) | MX2015012569A (ja) |
SG (1) | SG11201506836YA (ja) |
WO (1) | WO2014150578A1 (ja) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2018087984A1 (ja) * | 2016-11-11 | 2018-05-17 | 富士フイルム株式会社 | 光音響画像評価装置、方法およびプログラム並びに光音響画像生成装置 |
JP2022504034A (ja) * | 2018-10-11 | 2022-01-13 | セノ メディカル インストルメンツ,インク. | 病変特性を自動的に推定するための光音響画像分析の方法およびシステム |
Families Citing this family (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US11311270B2 (en) | 2015-07-02 | 2022-04-26 | Siemens Healthcare Gmbh | Intervolume lesion detection and image preparation |
US10458895B2 (en) * | 2016-06-06 | 2019-10-29 | Case Western Reserve University | Predicting response to pemetrexed chemotherapy in non-small cell lung cancer (NSCLC) with baseline computed tomography (CT) shape and texture features |
EP3488366B1 (en) * | 2016-07-22 | 2022-01-05 | Case Western Reserve University | Methods and apparatus for predicting benefit from immunotherapy using tumoral and peritumoral radiomic features |
US11100633B2 (en) * | 2018-06-13 | 2021-08-24 | Cosmo Artificial Intelligence—Al Limited | Systems and methods for processing real-time video from a medical image device and detecting objects in the video |
WO2020046986A1 (en) * | 2018-08-30 | 2020-03-05 | Applied Materials, Inc. | System for automatic tumor detection and classification |
US11375984B2 (en) * | 2018-08-31 | 2022-07-05 | Seno Medical Instruments, Inc. | Method and system for managing feature reading and scoring in ultrasound and/or optoacoustic images |
US11246527B2 (en) * | 2018-08-31 | 2022-02-15 | Seno Medical Instruments, Inc. | Method and system for managing feature reading and scoring in ultrasound and/or optoacoustice images |
CN112996444A (zh) * | 2018-08-31 | 2021-06-18 | 西诺医疗器械股份有限公司 | 基于超声和/或光声(oa/us)特征确定癌症分子亚型的方法和系统 |
US20220117544A1 (en) * | 2018-08-31 | 2022-04-21 | Seno Medical Instruments, Inc. | Optoacoustic feature score correlation to ipsilateral axillary lymph node status |
WO2020257482A1 (en) * | 2019-06-19 | 2020-12-24 | Seno Medical Instruments, Inc. | Method and system for managing feature reading and scoring in ultrasound and/or optoacoustice images |
CN110705575A (zh) * | 2019-09-27 | 2020-01-17 | Oppo广东移动通信有限公司 | 定位方法及装置、设备、存储介质 |
US11896349B2 (en) * | 2019-12-09 | 2024-02-13 | Case Western Reserve University | Tumor characterization and outcome prediction through quantitative measurements of tumor-associated vasculature |
CN114489829B (zh) * | 2021-12-22 | 2023-04-18 | 北京市遥感信息研究所 | 一种基于ArcMap的遥感图像样本标注方法 |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH04333972A (ja) * | 1991-05-10 | 1992-11-20 | Toshiba Corp | 医用診断支援システム |
US20040199077A1 (en) * | 2003-01-03 | 2004-10-07 | Xiaohui Hao | Detection of tumor halos in ultrasound images |
JP2005218684A (ja) * | 2004-02-06 | 2005-08-18 | Toshiba Corp | 非侵襲生体情報映像装置及び非侵襲生体情報映像方法 |
WO2007046272A1 (ja) * | 2005-10-19 | 2007-04-26 | Hitachi Medical Corporation | 弾性画像を生成する超音波診断装置 |
JP2009028253A (ja) * | 2007-07-26 | 2009-02-12 | Fujita Gakuen | ニードルアセンブリ |
US20090054763A1 (en) * | 2006-01-19 | 2009-02-26 | The Regents Of The University Of Michigan | System and method for spectroscopic photoacoustic tomography |
JP2009039472A (ja) * | 2007-08-13 | 2009-02-26 | Hitachi Medical Corp | 超音波診断装置 |
JP2009068940A (ja) * | 2007-09-12 | 2009-04-02 | Canon Inc | 測定装置 |
JP2010017426A (ja) * | 2008-07-11 | 2010-01-28 | Canon Inc | 生体検査装置 |
JP2012187139A (ja) * | 2011-03-08 | 2012-10-04 | Toshiba Corp | 画像処理装置 |
Family Cites Families (57)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US4267732A (en) | 1978-11-29 | 1981-05-19 | Stanford University Board Of Trustees | Acoustic microscope and method |
NO880891L (no) | 1987-03-03 | 1988-09-05 | Elizabeth May Dowling | Fremgangsmaate og apparat for maaling eller deteksjon av konsentrasjonen av en substans. |
US5504281A (en) | 1994-01-21 | 1996-04-02 | Minnesota Mining And Manufacturing Company | Perforated acoustical attenuators |
US5840023A (en) | 1996-01-31 | 1998-11-24 | Oraevsky; Alexander A. | Optoacoustic imaging for medical diagnosis |
US6309352B1 (en) * | 1996-01-31 | 2001-10-30 | Board Of Regents, The University Of Texas System | Real time optoacoustic monitoring of changes in tissue properties |
US5713356A (en) | 1996-10-04 | 1998-02-03 | Optosonics, Inc. | Photoacoustic breast scanner |
US5977538A (en) | 1998-05-11 | 1999-11-02 | Imarx Pharmaceutical Corp. | Optoacoustic imaging system |
US6236455B1 (en) | 1998-06-26 | 2001-05-22 | Battelle Memorial Institute | Photoacoustic spectroscopy sample cells and methods of photoacoustic spectroscopy |
US6949081B1 (en) * | 1998-08-26 | 2005-09-27 | Non-Invasive Technology, Inc. | Sensing and interactive drug delivery |
US6263094B1 (en) | 1999-04-02 | 2001-07-17 | Agilent Technologies, Inc. | Acoustic data acquisition/playback system and method |
US6751490B2 (en) | 2000-03-01 | 2004-06-15 | The Board Of Regents Of The University Of Texas System | Continuous optoacoustic monitoring of hemoglobin concentration and hematocrit |
US6593101B2 (en) * | 2000-03-28 | 2003-07-15 | Board Of Regents, The University Of Texas System | Enhancing contrast in biological imaging |
JP4241038B2 (ja) * | 2000-10-30 | 2009-03-18 | ザ ジェネラル ホスピタル コーポレーション | 組織分析のための光学的な方法及びシステム |
US8078262B2 (en) * | 2001-04-16 | 2011-12-13 | The Johns Hopkins University | Method for imaging and spectroscopy of tumors and determination of the efficacy of anti-tumor drug therapies |
WO2003070102A2 (en) * | 2002-02-15 | 2003-08-28 | The Regents Of The University Of Michigan | Lung nodule detection and classification |
US20040215072A1 (en) * | 2003-01-24 | 2004-10-28 | Quing Zhu | Method of medical imaging using combined near infrared diffusive light and ultrasound |
JP4406226B2 (ja) | 2003-07-02 | 2010-01-27 | 株式会社東芝 | 生体情報映像装置 |
IL166408A0 (en) | 2005-01-20 | 2006-01-15 | Ultraview Ltd | Combined 2d pulse-echo ultrasound and optoacousticsignal for glaucoma treatment |
EP2034878A2 (en) | 2006-06-23 | 2009-03-18 | Koninklijke Philips Electronics N.V. | Timing controller for combined photoacoustic and ultrasound imager |
JP5506395B2 (ja) | 2006-12-19 | 2014-05-28 | コーニンクレッカ フィリップス エヌ ヴェ | 光音響及び超音波の結合型イメージング・システム |
JP2010516304A (ja) | 2007-01-19 | 2010-05-20 | サニーブルック・ヘルス・サイエンシズ・センター | 超音波と光学を複合した画像手段を有する撮像プローブ |
US8460195B2 (en) | 2007-01-19 | 2013-06-11 | Sunnybrook Health Sciences Centre | Scanning mechanisms for imaging probe |
US8073214B2 (en) * | 2007-05-14 | 2011-12-06 | Siemens Aktiengesellschaft | Computer aided lesion assessment in dynamic contrast enhanced breast MRI images |
US20090082637A1 (en) * | 2007-09-21 | 2009-03-26 | Michael Galperin | Multi-modality fusion classifier with integrated non-imaging factors |
CN101918811B (zh) | 2007-10-25 | 2013-07-31 | 圣路易斯华盛顿大学 | 具有光学横向分辨率的共焦光声显微镜 |
WO2010048258A1 (en) | 2008-10-23 | 2010-04-29 | Washington University In St. Louis | Reflection-mode photoacoustic tomography using a flexibly-supported cantilever beam |
WO2009073979A1 (en) | 2007-12-12 | 2009-06-18 | Carson Jeffrey J L | Three-dimensional photoacoustic imager and methods for calibrating an imager |
WO2010009412A2 (en) | 2008-07-18 | 2010-01-21 | University Of Rochester Medical Center | Low-cost device for c-scan photoacoustic imaging |
CA2731409C (en) | 2008-07-25 | 2016-01-05 | Daniel Razansky | Quantitative multi-spectral opto-acoustic tomography (msot) of tissue biomarkers |
JP4900979B2 (ja) | 2008-08-27 | 2012-03-21 | キヤノン株式会社 | 光音響装置および光音響波を受信するための探触子 |
US20100094134A1 (en) | 2008-10-14 | 2010-04-15 | The University Of Connecticut | Method and apparatus for medical imaging using near-infrared optical tomography combined with photoacoustic and ultrasound guidance |
EP2337500A4 (en) | 2008-10-15 | 2012-08-29 | Univ Rochester | PHOTOACOUSTIC IMAGERY USING A MULTIPURPOSE ACOUSTIC LENS |
JP5641723B2 (ja) | 2008-12-25 | 2014-12-17 | キヤノン株式会社 | 被検体情報取得装置 |
US20120150048A1 (en) * | 2009-03-06 | 2012-06-14 | Bio-Tree Systems, Inc. | Vascular analysis methods and apparatus |
EP2408376A1 (en) | 2009-03-17 | 2012-01-25 | UWM Research Foundation, Inc. | Systems and methods for photoacoustic opthalmoscopy |
WO2010127199A2 (en) | 2009-05-01 | 2010-11-04 | Visualsonics Inc. | System for photoacoustic imaging and related methods |
US8391603B2 (en) * | 2009-06-18 | 2013-03-05 | Omisa Inc. | System and method for image segmentation |
JP2011224346A (ja) * | 2010-03-31 | 2011-11-10 | Toshiba Corp | 超音波診断装置、画像処理装置および画像処理方法 |
JP2013525037A (ja) | 2010-04-30 | 2013-06-20 | ビジュアルソニックス インコーポレイテッド | 光音響変換器および撮像システム |
JP5587046B2 (ja) | 2010-06-10 | 2014-09-10 | キヤノン株式会社 | 光音響測定装置 |
JP2012005624A (ja) | 2010-06-24 | 2012-01-12 | Fujifilm Corp | 超音波光音響撮像装置およびその作動方法 |
EP2652704A1 (en) * | 2010-12-17 | 2013-10-23 | Aarhus Universitet | Method for delineation of tissue lesions |
TWI430778B (zh) | 2010-12-24 | 2014-03-21 | Pai Chi Li | 醫學成像系統及其醫學成像方法 |
JP5796896B2 (ja) | 2011-03-10 | 2015-10-21 | 富士フイルム株式会社 | 断層画像生成装置及び方法 |
JP5896623B2 (ja) | 2011-05-02 | 2016-03-30 | キヤノン株式会社 | 被検体情報取得装置およびその制御方法 |
JP2013039166A (ja) | 2011-08-12 | 2013-02-28 | Hitachi Medical Corp | 光音響システム及び薬剤 |
KR102144551B1 (ko) | 2012-01-23 | 2020-08-14 | 토모웨이브 래버러토리즈, 인코포레이티드 | 레이저 광음향 초음파 영상 시스템 및 그 사용 방법 |
US10388020B2 (en) * | 2012-04-11 | 2019-08-20 | The Trustees Of Columbia University In The City Of New York | Methods and systems for segmentation of organs and tumors and objects |
US9610043B2 (en) | 2012-06-13 | 2017-04-04 | Seno Medical Instruments, Inc. | System and method for producing parametric maps of optoacoustic data |
US8781202B2 (en) * | 2012-07-26 | 2014-07-15 | International Business Machines Corporation | Tumor classification based on an analysis of a related ultrasonic attenuation map |
EP2742854B1 (en) | 2012-12-11 | 2021-03-10 | iThera Medical GmbH | Handheld device and method for tomographic optoacoustic imaging of an object |
JP6112861B2 (ja) | 2012-12-28 | 2017-04-12 | キヤノン株式会社 | 被検体情報取得装置、信号処理装置および表示装置 |
JP6292836B2 (ja) * | 2012-12-28 | 2018-03-14 | キヤノン株式会社 | 被検体情報取得装置、表示方法、プログラム、処理装置 |
EP2754388B1 (en) | 2013-01-15 | 2020-09-09 | Helmholtz Zentrum München Deutsches Forschungszentrum für Gesundheit und Umwelt GmbH | System and method for quality-enhanced high-rate optoacoustic imaging of an object |
WO2014127224A1 (en) * | 2013-02-14 | 2014-08-21 | The Research Foundation For The State University Of New York | Method for adaptive computer-aided detection of pulmonary nodules in thoracic computed tomography images using hierarchical vector quantization and apparatus for same |
US9277902B2 (en) * | 2013-11-22 | 2016-03-08 | General Electric Company | Method and system for lesion detection in ultrasound images |
JP6541363B2 (ja) * | 2015-02-13 | 2019-07-10 | キヤノン株式会社 | 画像処理装置、画像処理方法およびプログラム |
-
2014
- 2014-03-11 EP EP14770526.3A patent/EP2973405A4/en active Pending
- 2014-03-11 KR KR1020157024504A patent/KR20150131018A/ko not_active Application Discontinuation
- 2014-03-11 JP JP2016501312A patent/JP2016515019A/ja active Pending
- 2014-03-11 WO PCT/US2014/023673 patent/WO2014150578A1/en active Application Filing
- 2014-03-11 AU AU2014237034A patent/AU2014237034A1/en not_active Abandoned
- 2014-03-11 BR BR112015021807A patent/BR112015021807A2/pt not_active IP Right Cessation
- 2014-03-11 US US14/205,005 patent/US9398893B2/en active Active
- 2014-03-11 SG SG11201506836YA patent/SG11201506836YA/en unknown
- 2014-03-11 CA CA2902161A patent/CA2902161C/en active Active
- 2014-03-11 MX MX2015012569A patent/MX2015012569A/es unknown
-
2015
- 2015-08-18 IL IL240653A patent/IL240653A0/en unknown
-
2016
- 2016-07-19 US US15/213,889 patent/US10026170B2/en active Active
-
2018
- 2018-06-28 US US16/022,138 patent/US10949967B2/en active Active
-
2019
- 2019-01-21 JP JP2019007937A patent/JP6743202B2/ja active Active
-
2021
- 2021-02-03 US US17/166,313 patent/US11651489B2/en active Active
-
2023
- 2023-04-04 US US18/295,648 patent/US20230245310A1/en active Pending
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH04333972A (ja) * | 1991-05-10 | 1992-11-20 | Toshiba Corp | 医用診断支援システム |
US20040199077A1 (en) * | 2003-01-03 | 2004-10-07 | Xiaohui Hao | Detection of tumor halos in ultrasound images |
JP2005218684A (ja) * | 2004-02-06 | 2005-08-18 | Toshiba Corp | 非侵襲生体情報映像装置及び非侵襲生体情報映像方法 |
WO2007046272A1 (ja) * | 2005-10-19 | 2007-04-26 | Hitachi Medical Corporation | 弾性画像を生成する超音波診断装置 |
US20090054763A1 (en) * | 2006-01-19 | 2009-02-26 | The Regents Of The University Of Michigan | System and method for spectroscopic photoacoustic tomography |
JP2009028253A (ja) * | 2007-07-26 | 2009-02-12 | Fujita Gakuen | ニードルアセンブリ |
JP2009039472A (ja) * | 2007-08-13 | 2009-02-26 | Hitachi Medical Corp | 超音波診断装置 |
JP2009068940A (ja) * | 2007-09-12 | 2009-04-02 | Canon Inc | 測定装置 |
JP2010017426A (ja) * | 2008-07-11 | 2010-01-28 | Canon Inc | 生体検査装置 |
JP2012187139A (ja) * | 2011-03-08 | 2012-10-04 | Toshiba Corp | 画像処理装置 |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2018087984A1 (ja) * | 2016-11-11 | 2018-05-17 | 富士フイルム株式会社 | 光音響画像評価装置、方法およびプログラム並びに光音響画像生成装置 |
JPWO2018087984A1 (ja) * | 2016-11-11 | 2019-09-26 | 富士フイルム株式会社 | 光音響画像評価装置、方法およびプログラム並びに光音響画像生成装置 |
US11710290B2 (en) | 2016-11-11 | 2023-07-25 | Fujifilm Corporation | Photoacoustic image evaluation apparatus, method, and program, and photoacoustic image generation apparatus |
JP2022504034A (ja) * | 2018-10-11 | 2022-01-13 | セノ メディカル インストルメンツ,インク. | 病変特性を自動的に推定するための光音響画像分析の方法およびシステム |
JP7430714B2 (ja) | 2018-10-11 | 2024-02-13 | セノ メディカル インストルメンツ,インク. | 病変特性を自動的に推定するための光音響画像分析の方法およびシステム |
Also Published As
Publication number | Publication date |
---|---|
US20230245310A1 (en) | 2023-08-03 |
KR20150131018A (ko) | 2015-11-24 |
JP2019088838A (ja) | 2019-06-13 |
US9398893B2 (en) | 2016-07-26 |
AU2014237034A1 (en) | 2015-09-24 |
US20160343132A1 (en) | 2016-11-24 |
US11651489B2 (en) | 2023-05-16 |
IL240653A0 (en) | 2015-10-29 |
CA2902161C (en) | 2021-05-04 |
US20210158518A1 (en) | 2021-05-27 |
JP6743202B2 (ja) | 2020-08-19 |
EP2973405A1 (en) | 2016-01-20 |
US20140301619A1 (en) | 2014-10-09 |
MX2015012569A (es) | 2016-06-06 |
US10949967B2 (en) | 2021-03-16 |
BR112015021807A2 (pt) | 2017-07-18 |
SG11201506836YA (en) | 2015-09-29 |
CA2902161A1 (en) | 2014-09-25 |
WO2014150578A1 (en) | 2014-09-25 |
US10026170B2 (en) | 2018-07-17 |
EP2973405A4 (en) | 2016-12-07 |
US20180322630A1 (en) | 2018-11-08 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP6743202B2 (ja) | 診断ベクトル分類サポートのためのシステムおよび方法 | |
Acharya et al. | Atherosclerotic risk stratification strategy for carotid arteries using texture-based features | |
US9478022B2 (en) | Method and system for integrated radiological and pathological information for diagnosis, therapy selection, and monitoring | |
JP6014059B2 (ja) | 医療データの知的リンキング方法及びシステム | |
US11375984B2 (en) | Method and system for managing feature reading and scoring in ultrasound and/or optoacoustic images | |
Wardhana et al. | Toward reliable automatic liver and tumor segmentation using convolutional neural network based on 2.5 D models | |
McDermott et al. | Sonographic diagnosis of COVID-19: A review of image processing for lung ultrasound | |
JP2013519455A (ja) | 患者の組織を特徴づける方法 | |
CN112529834A (zh) | 病理图像模式在3d图像数据中的空间分布 | |
US11246527B2 (en) | Method and system for managing feature reading and scoring in ultrasound and/or optoacoustice images | |
Abbas et al. | Combined spline and B-spline for an improved automatic skin lesion segmentation in dermoscopic images using optimal color channel | |
US20210142480A1 (en) | Data processing method and apparatus | |
Han et al. | Pulmonary nodules detection assistant platform: An effective computer aided system for early pulmonary nodules detection in physical examination | |
JPWO2014192187A1 (ja) | 乳房画像病変検出システム、乳房画像病変検出方法、乳房画像病変検出プログラムおよび乳房画像病変検出プログラムを記録したコンピュータ読み取り可能な記録媒体 | |
Kaur et al. | Computer-aided diagnosis of renal lesions in CT images: a comprehensive survey and future prospects | |
Yow et al. | Techniques and applications in skin OCT analysis | |
WO2020257482A1 (en) | Method and system for managing feature reading and scoring in ultrasound and/or optoacoustice images | |
Lin et al. | Intelligent segmentation of intima–media and plaque recognition in carotid artery ultrasound images | |
Sheha et al. | Automated imaging system for pigmented skin lesion diagnosis | |
Matsumoto et al. | Quantitative sonographic image analysis for hepatic nodules: a pilot study | |
US20220117544A1 (en) | Optoacoustic feature score correlation to ipsilateral axillary lymph node status | |
Capriglione et al. | Digital processing of diagnostic images | |
Kumar et al. | Review of Deep Learning Techniques Over Thyroid Ultrasound Image Segmentation | |
CA3237255A1 (en) | Method and system for detection of histopathological plaque features in medical images using deep neural networks | |
Young et al. | Diagnosis of placenta accreta spectrum using ultrasound texture feature fusion and machine learning |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20170309 |
|
RD03 | Notification of appointment of power of attorney |
Free format text: JAPANESE INTERMEDIATE CODE: A7423 Effective date: 20170612 |
|
RD04 | Notification of resignation of power of attorney |
Free format text: JAPANESE INTERMEDIATE CODE: A7424 Effective date: 20170614 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20171121 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20171122 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20180122 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20180601 |
|
A02 | Decision of refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A02 Effective date: 20180928 |