JP2017170185A - 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 - Google Patents
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 Download PDFInfo
- Publication number
- JP2017170185A JP2017170185A JP2017111149A JP2017111149A JP2017170185A JP 2017170185 A JP2017170185 A JP 2017170185A JP 2017111149 A JP2017111149 A JP 2017111149A JP 2017111149 A JP2017111149 A JP 2017111149A JP 2017170185 A JP2017170185 A JP 2017170185A
- Authority
- JP
- Japan
- Prior art keywords
- scale
- dimension
- dimensional
- estimate
- 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.)
- Granted
Links
- 230000011218 segmentation Effects 0.000 title description 24
- 230000009466 transformation Effects 0.000 title description 10
- 238000000034 method Methods 0.000 claims abstract description 136
- 210000001165 lymph node Anatomy 0.000 claims description 103
- 230000009467 reduction Effects 0.000 claims description 28
- 230000001131 transforming effect Effects 0.000 claims description 25
- 230000006870 function Effects 0.000 claims description 12
- 230000003902 lesion Effects 0.000 claims description 10
- 238000006243 chemical reaction Methods 0.000 claims description 9
- 238000000926 separation method Methods 0.000 claims description 4
- 206010028980 Neoplasm Diseases 0.000 claims description 3
- 238000007670 refining Methods 0.000 claims 1
- 230000008569 process Effects 0.000 abstract description 58
- 230000008859 change Effects 0.000 description 10
- 238000004422 calculation algorithm Methods 0.000 description 9
- 238000002591 computed tomography Methods 0.000 description 8
- 238000004364 calculation method Methods 0.000 description 7
- 210000001519 tissue Anatomy 0.000 description 5
- 238000010586 diagram Methods 0.000 description 4
- 230000005484 gravity Effects 0.000 description 4
- 238000002372 labelling Methods 0.000 description 4
- 238000007781 pre-processing Methods 0.000 description 4
- 230000008901 benefit Effects 0.000 description 3
- 238000009826 distribution Methods 0.000 description 3
- 238000001914 filtration Methods 0.000 description 3
- 238000009877 rendering Methods 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 2
- 230000001419 dependent effect Effects 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 238000002059 diagnostic imaging Methods 0.000 description 2
- 238000009499 grossing Methods 0.000 description 2
- 238000012804 iterative process Methods 0.000 description 2
- 230000000877 morphologic effect Effects 0.000 description 2
- 238000011946 reduction process Methods 0.000 description 2
- 238000003860 storage Methods 0.000 description 2
- 238000004590 computer program Methods 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000002708 enhancing effect Effects 0.000 description 1
- 238000013213 extrapolation Methods 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 230000001788 irregular Effects 0.000 description 1
- 238000002620 method output Methods 0.000 description 1
- 230000000116 mitigating effect Effects 0.000 description 1
- 210000000056 organ Anatomy 0.000 description 1
- 238000005192 partition Methods 0.000 description 1
- 230000001902 propagating effect Effects 0.000 description 1
- 238000004904 shortening Methods 0.000 description 1
- 230000036962 time dependent Effects 0.000 description 1
- 238000003325 tomography Methods 0.000 description 1
- 238000000844 transformation Methods 0.000 description 1
- 238000011426 transformation method Methods 0.000 description 1
- 238000002604 ultrasonography Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/168—Segmentation; Edge detection involving transform domain methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T15/00—3D [Three Dimensional] image rendering
- G06T15/10—Geometric effects
- G06T15/20—Perspective computation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/11—Region-based segmentation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/12—Edge-based segmentation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/149—Segmentation; Edge detection involving deformable models, e.g. active contour models
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10072—Tomographic images
- G06T2207/10081—Computed x-ray tomography [CT]
-
- 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
- G06T2207/10116—X-ray 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
- G06T2207/20—Special algorithmic details
- G06T2207/20112—Image segmentation details
- G06T2207/20161—Level set
-
- 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
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Computing Systems (AREA)
- Geometry (AREA)
- Computer Graphics (AREA)
- Software Systems (AREA)
- Apparatus For Radiation Diagnosis (AREA)
- Image Analysis (AREA)
- Image Processing (AREA)
Abstract
【解決手段】まず、1つの次元、2つの次元又は3つの次元のラプラシアンオブガウシアンフィルタなどのスケール推定処理を使用して、対象物の表面が推定される。第2に、規則的形状の(好ましくはほぼ球面の)非等方性形状を提供するために、推定された表面に各次元で独立して縮小関数を適用することにより、推定された表面が変換される。対象物は、その背景のボリュームから分割され、逆変換されて当初の形状に戻され、当初の形状は画像ボリュームから隔離される。
【選択図】図3
Description
に従って、対象物の次元ごとに縮小率SReach directionを各1次元スケール推定値と乗算する。
添付の図面を参照して、以下に本発明を単なる例によって説明する。
2. ステップ4000のスケール推定
3. ステップ5000の粗分割
4. ステップ6000の精密化
最終的に、ステップ7000において、プロセッサは、ハードドライブ又は他のその種のメモリなどの記憶手段に分割結果を記憶し、コンピュータ画面又は他のデジタルディスプレイなどの表示手段に結果を表示する。
式中、HWidthBBは、式(2)により表され、同様にボクセル数で測定されるバウンディングボックスの半幅である。
・まず、入力画像にガウシアンフィルタが適用される。
・次に、ガウス平滑化画像にラプラシアンフィルタ(2次微分フィルタ)が適用される。
式中、Paramsigmaは、ステップ4100で判定されるスケール推定の処理範囲内で変化するパラメータ(すなわち、ROIの中心からの距離)を表す。Paramsigmaの単位はボクセルである。先に説明したように、σはガウシアンフィルタで使用される標準偏差である。式(5)はσ値をボクセル値から取得するために使用される。すなわち、処理範囲の半径を5ボクセル、6ボクセル、7ボクセルからnボクセルまで増分変化させながら、適切なスケールが反復的に探索される場合、式(5)はボクセル値からσ値に変換するので、そのような値(ボクセル単位で測定される長さ)をParamsigmaに入力できる。A.Jirapatnakul及びS.Fotinによる論文には、この式はd2=12σ2として表されており、「d」は結節の直径である。
により示される。
式中、Scaleeach directionは、ステップ4400又は4500で算出される、ボクセル単位で測定された各方向のスケールである。各方向の縮小率は、システムがx方向縮小率、y方向縮小率及びz方向縮小率の3つの縮小率を取得するように、すべての方向で独立して計算される。この操作の意図は、すべての方向で同様に操作できる(分割処理、領域成長及びレベルセットにより)が、操作後に当初のリンパ節スケールを取得するために個別の縮小率によって再成長させることが可能な非等方性リンパ節を作成することである。
式中、Vaverageは、ステップ5100で定義される球領域内の平均縁部値である。ターゲットボクセルの縁部値(ソーベルフィルタ処理済みROIのボクセル値)が上限閾値より低い場合、そのターゲットボクセルは分割後の領域に含まれる。
スケール推定にLoGフィルタを使用する代わりに、ハフ変換などの他のフィルタも使用可能である。ハフ変換を使用することにより、リンパ節の中心から距離r(半径に関連するパラメータ)内に位置するボクセルの輝度情報を使用して、球を検出できる。従って、ハフ変換は、σを変化させ且つLoGフィルタを適用するのではなく、r値を変化させながら適用されることが可能である。
対象物分割を行う画像処理装置の作動方法の各ステップをコンピュータに実行させるためのプログラムであって、前記作動方法は、
対象物の表面に基づいて、前記対象物のスケールを推定するステップと、
前記推定されたスケールに基づいて、前記対象物を球形に近づけるように変換するステップと、
前記球形に近づけるように変換された対象物を背景ボリュームから分離するステップと、
前記球形に近づけるように変換された対象物を変換前の対象物に逆変換するステップと、
を備える。
Claims (25)
- 対象物分割の方法であって、
当初ボリューム中の対象物の表面を推定するステップと、
規則的形状の面をレンダリングするために前記対象物の前記表面を変換するステップと、
前記対象物を背景ボリュームから分離するために前記規則的形状の表面を処理するステップと、
前記規則的形状の表面を当初の対象物の表面に逆変換するステップと、
前記当初ボリュームから前記対象物に対応するボリュームを抽出するステップと
を備えることを特徴とする方法。 - 前記対象物の前記表面を推定することは、
3つの次元で前記対象物のスケール推定を取得することと、
前記3つの次元のうち少なくとも1つの次元で更なるスケール推定を取得することと
を含むことを特徴とする請求項1記載の方法。 - 3つの次元で前記対象物の前記スケール推定を取得することは、
前記対象物に3次元カーネルを有するラプラシアンオブガウシアンフィルタを適用すること
を含むことを特徴とする請求項2記載の方法。 - 3つの次元で前記対象物の前記スケール推定を取得することは、
前記3つの次元の各次元で前記対象物に1次元カーネルを有するラプラシアンオブガウシアンフィルタを適用すること
を含むことを特徴とする請求項2記載の方法。 - 前記対象物の周囲に2次元境界形状を入力することと、
前記入力境界形状に基づいて2次元の第1の処理範囲を指定することと、
第1の次元及び第2の次元で前記対象物の2次元スケールを推定するために、前記第1の処理範囲に2次元カーネルを有するラプラシアンオブガウシアンフィルタを適用することと、
前記第1の次元及び前記第2の次元で前記対象物に関して推定されたスケールに基づいて、第2の処理範囲内で第3の次元で1次元カーネルを有するラプラシアンオブガウシアンフィルタを適用することと
を更に含むことを特徴とする請求項2記載の方法。 - 第1の次元及び第2の次元で前記対象物の周囲に2次元境界形状を入力することと、
前記第1の次元及び前記第2の次元並びに第3の次元で前記境界形状に基づいて第1の3次元処理範囲を指定することと、
前記第1の3次元処理範囲に基づいて前記対象物の3次元スケールを推定するために、3次元カーネルを有するラプラシアンオブガウシアンフィルタを適用することと
を更に含むことを特徴とする請求項3記載の方法。 - 前記第1の次元及び前記第2の次元の各々で前記更なるスケール推定を取得するために、前記第1の次元及び前記第2の次元の各々で1次元カーネルを有するラプラシアンオブガウシアンフィルタを適用することを更に含むことを特徴とする請求項5又は6記載の法方法。
- 前記対象物の前記表面を推定することは、
第1の次元及び第2の次元(x,y)で前記被写体の周囲に境界形状を入力することと、
前記境界形状に基づいて第1の処理範囲を計算することと、
3つの次元で前記対象物の前記スケールの推定を取得するために、前記第1の処理範囲内の各点に3次元カーネルを有するラプラシアンオブガウシアンフィルタを適用することと、
前記境界形状が存在する次元(x,y)とは異なる第3の次元(z)で前記対象物の前記スケールの推定を取得するために、3つの次元における前記対象物の前記スケールの推定に基づいて第2の処理範囲内の各点に1次元カーネルを有するラプラシアンオブガウシアンフィルタを適用することと、
前記第1の次元(x)における前記対象物の前記スケールの更なる推定を取得するために、前記第1の次元(x)における前記境界形状のサイズに基づいて計算される第3の処理範囲内の各点に1次元カーネルを有するラプラシアンオブガウシアンフィルタを適用することと、
前記第2の次元(y)における前記対象物の前記スケールの推定を取得するために、前記第2の次元(y)における前記境界形状のサイズに基づいて計算される第4の処理範囲内の各点に1次元カーネルを有するラプラシアンオブガウシアンフィルタを適用することと、
前記対象物の次元(x,y,z)ごとの個別のスケール推定を含む前記対象物のスケール推定を出力することと
を更に含むことを特徴とする請求項1記載の方法。 - 前記対象物の前記表面を変換することは、前記対象物の表面の各次元をその他の次元から独立して変換することを含むことを特徴とする請求項1から9のいずれか1項に記載の方法。
- 前記対象物の表面の各次元に異なる関数が適用されることを特徴とする請求項10記載の方法。
- 各次元の前記1次元スケール推定が前記3次元スケールより小さい場合、前記縮小関数はすべて1.0であることを特徴とする請求項12記載の方法。
- ユーザにより入力された境界形状により取得された特定の次元の1次元スケール推定が前記3次元スケール推定より大きい場合、前記縮小関数はその特定の次元にのみ適用されることを特徴とする請求項12記載の方法。
- 前記対象物の前記表面を変換することは、前記対象物の表面を非等方性の球に変換することを含むことを特徴とする請求項1から14のいずれか1項に記載の方法。
- 前記対象物の前記表面を変換することは、前記対象物の中の画素のピッチを変換することを含むことを特徴とする請求項1から15のいずれか1項に記載の方法。
- 前記対象物の前記表面を変換することは、前記分離処理に関する単一の寸法パラメータによって変換対象物を作成することを含むことを特徴とする請求項1から16のいずれか1項に記載の方法。
- 前記単一の寸法パラメータは、前記変換対象物の直径及び半径を含む群のうち1つであることを特徴とする請求項17記載の方法。
- 前記規則的形状の表面を逆変換することは、前記対象物の各次元に前記縮小関数の逆を乗算することを含むことを特徴とする請求項12記載の方法。
- 前記規則的形状の表面はほぼ球面であることを特徴とする請求項1から19のいずれか1項に記載の方法。
- 画像から対象物を分割する方法であって、
前記画像を受信するステップと、
前記対象物のスケール推定を実行するステップであって、
前記対象物の周囲に境界形状を入力することと、
前記境界形状に基づいて処理エリアを規定することと、
前記対象物の推定スケールを取得するために、前記処理エリア内でスケール推定を実行することとを含むステップと、
前記対象物を規則的形状の表面に変換するステップと、
前記対象物を表す規則的形状を推定するための粗分割と、
前記規則的形状に基づいて前記対象物の形状を精密化するレベルセット法を含む精密分割と、
対象物を当初ボリュームに逆変換するステップと、
画像から対象物の精密化形状を抽出するステップと
を備えることを特徴とする方法。 - 前記対象物は、少なくともリンパ節、病変、腫瘍及び小節より成る群のうち1つであることを特徴とする請求項1から21のいずれか1項に記載の方法。
- 3次元画像から対象物を分割する画像処理装置であって、
当初ボリューム中の前記対象物の表面を推定する手段と、
規則的形状の表面をレンダリングするために前記対象物の前記表面を変換する手段と、
前記対象物を背景ボリュームから分離するために前記規則的形状の表面を処理する手段と、
前記規則的形状の表面を当初の対象物の表面に逆変換する手段と、
前記当初ボリュームから前記対象物に対応するボリュームを抽出する手段と
を備えることを特徴とする画像処理装置。 - 前記対象物の周囲に境界形状を入力する入力手段を更に備え、前記対象物の表面を推定する手段は、
入力された前記境界形状に基づいて前記対象物の周囲の処理範囲を計算する手段と、
前記対象物のスケールを推定するために、前記処理範囲内のすべての点を解析する手段と
を備えることを特徴とする請求項23記載の画像処理装置。 - 実質的にここで記載の及び添付図面の何れかに示されるように画像から対象物を分割する方法。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
GB1415251.6 | 2014-08-28 | ||
GB1415251.6A GB2529671B (en) | 2014-08-28 | 2014-08-28 | Transformation of 3-D object for object segmentation in 3-D medical image |
Related Parent Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2015168093A Division JP6385318B2 (ja) | 2014-08-28 | 2015-08-27 | 3d医用画像中の対象物をセグメンテーションするための3d対象物の変換 |
Publications (3)
Publication Number | Publication Date |
---|---|
JP2017170185A true JP2017170185A (ja) | 2017-09-28 |
JP2017170185A5 JP2017170185A5 (ja) | 2019-02-21 |
JP6539303B2 JP6539303B2 (ja) | 2019-07-03 |
Family
ID=51752278
Family Applications (2)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2015168093A Expired - Fee Related JP6385318B2 (ja) | 2014-08-28 | 2015-08-27 | 3d医用画像中の対象物をセグメンテーションするための3d対象物の変換 |
JP2017111149A Active JP6539303B2 (ja) | 2014-08-28 | 2017-06-05 | 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 |
Family Applications Before (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2015168093A Expired - Fee Related JP6385318B2 (ja) | 2014-08-28 | 2015-08-27 | 3d医用画像中の対象物をセグメンテーションするための3d対象物の変換 |
Country Status (4)
Country | Link |
---|---|
US (1) | US9741123B2 (ja) |
EP (1) | EP2998929B1 (ja) |
JP (2) | JP6385318B2 (ja) |
GB (1) | GB2529671B (ja) |
Families Citing this family (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110163863B (zh) | 2018-11-06 | 2022-11-04 | 腾讯科技(深圳)有限公司 | 三维物体分割方法、设备和介质 |
JP7124895B2 (ja) * | 2019-02-14 | 2022-08-24 | 日本電気株式会社 | 病変領域分割装置、医用画像診断システム、病変領域分割方法及びプログラム |
US10915786B2 (en) * | 2019-02-28 | 2021-02-09 | Sap Se | Object detection and candidate filtering system |
CN110458948A (zh) * | 2019-08-13 | 2019-11-15 | 易文君 | 基于智能化3d重建系统中图像的处理方法 |
JP7423951B2 (ja) * | 2019-09-19 | 2024-01-30 | 富士フイルムビジネスイノベーション株式会社 | 画像処理装置及び画像処理プログラム |
CN111161242B (zh) * | 2019-12-27 | 2024-02-27 | 上海联影智能医疗科技有限公司 | 肺结节hu值确定方法、装置、存储介质及计算机设备 |
CN110838125B (zh) * | 2019-11-08 | 2024-03-19 | 腾讯医疗健康(深圳)有限公司 | 医学图像的目标检测方法、装置、设备、存储介质 |
EP3866107A1 (en) * | 2020-02-14 | 2021-08-18 | Koninklijke Philips N.V. | Model-based image segmentation |
CN117455927B (zh) * | 2023-12-21 | 2024-03-15 | 万灵帮桥医疗器械(广州)有限责任公司 | 光斑阵列分割与光斑偏移量计算方法、装置、设备及存储介质 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20040228529A1 (en) * | 2003-03-11 | 2004-11-18 | Anna Jerebko | Systems and methods for providing automatic 3D lesion segmentation and measurements |
US20080112649A1 (en) * | 2006-11-14 | 2008-05-15 | Siemens Corporate Research, Inc. | Method and System for Dual Energy Image Registration |
JP2010531155A (ja) * | 2007-03-19 | 2010-09-24 | ユニバーシティー オブ サセックス | 医療画像データを分析するための方法、装置およびコンピュータプログラム |
JP2012519902A (ja) * | 2009-03-06 | 2012-08-30 | バイオ−ツリー システムズ, インコーポレイテッド | 血管分析方法および装置 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7492968B2 (en) * | 2004-09-07 | 2009-02-17 | Siemens Medical Solutions Usa, Inc. | System and method for segmenting a structure of interest using an interpolation of a separating surface in an area of attachment to a structure having similar properties |
CN102308320B (zh) * | 2009-02-06 | 2013-05-29 | 香港科技大学 | 从图像生成三维模型 |
-
2014
- 2014-08-28 GB GB1415251.6A patent/GB2529671B/en active Active
-
2015
- 2015-08-11 EP EP15180650.2A patent/EP2998929B1/en active Active
- 2015-08-26 US US14/836,821 patent/US9741123B2/en active Active
- 2015-08-27 JP JP2015168093A patent/JP6385318B2/ja not_active Expired - Fee Related
-
2017
- 2017-06-05 JP JP2017111149A patent/JP6539303B2/ja active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20040228529A1 (en) * | 2003-03-11 | 2004-11-18 | Anna Jerebko | Systems and methods for providing automatic 3D lesion segmentation and measurements |
JP2006519634A (ja) * | 2003-03-11 | 2006-08-31 | シーメンス メディカル ソリューションズ ユーエスエー インコーポレイテッド | 自動三次元病変セグメント化および測定を行なうためのシステムおよび方法 |
US20080112649A1 (en) * | 2006-11-14 | 2008-05-15 | Siemens Corporate Research, Inc. | Method and System for Dual Energy Image Registration |
JP2010531155A (ja) * | 2007-03-19 | 2010-09-24 | ユニバーシティー オブ サセックス | 医療画像データを分析するための方法、装置およびコンピュータプログラム |
JP2012519902A (ja) * | 2009-03-06 | 2012-08-30 | バイオ−ツリー システムズ, インコーポレイテッド | 血管分析方法および装置 |
Also Published As
Publication number | Publication date |
---|---|
US20160063721A1 (en) | 2016-03-03 |
GB2529671B (en) | 2017-03-08 |
JP6385318B2 (ja) | 2018-09-05 |
JP2016049454A (ja) | 2016-04-11 |
EP2998929B1 (en) | 2020-07-29 |
JP6539303B2 (ja) | 2019-07-03 |
EP2998929A1 (en) | 2016-03-23 |
US9741123B2 (en) | 2017-08-22 |
GB2529671A (en) | 2016-03-02 |
GB201415251D0 (en) | 2014-10-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP6385318B2 (ja) | 3d医用画像中の対象物をセグメンテーションするための3d対象物の変換 | |
Maitra et al. | Technique for preprocessing of digital mammogram | |
EP3236418B1 (en) | Image processing apparatus, image processing method, and storage medium | |
Hamarneh et al. | 3D live-wire-based semi-automatic segmentation of medical images | |
Alilou et al. | A comprehensive framework for automatic detection of pulmonary nodules in lung CT images | |
Lempitsky | Surface extraction from binary volumes with higher-order smoothness | |
EP1789920A1 (en) | Feature weighted medical object contouring using distance coordinates | |
EP3188127A1 (en) | Method and system for performing bone multi-segmentation in imaging data | |
KR20070083388A (ko) | 결절 검출 방법 | |
Hong et al. | A topographic representation for mammogram segmentation | |
Maitra et al. | Accurate breast contour detection algorithms in digital mammogram | |
Yogeswaran et al. | 3d surface analysis for automated detection of deformations on automotive body panels | |
Jaffar et al. | Anisotropic diffusion based brain MRI segmentation and 3D reconstruction | |
Telea | Feature preserving smoothing of shapes using saliency skeletons | |
Hosseini-Asl et al. | Lung segmentation based on nonnegative matrix factorization | |
US20160019435A1 (en) | Image processing apparatus, non-transitory computer-readable recording medium having stored therein image processing program, and operation method of image processing apparatus | |
Caliskan et al. | Three-dimensional modeling in medical image processing by using fractal geometry | |
JP2016146132A (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 | |
US8165375B2 (en) | Method and system for registering CT data sets | |
Hong et al. | Segmentation of mammograms in topographic approach | |
Alom et al. | Automatic slice growing method based 3D reconstruction of liver with its vessels | |
GB2529813A (en) | Scale estimation for object segmentation in a medical image | |
KR101494975B1 (ko) | 3차원 자동 유방 초음파 영상의 유두 자동 검출 시스템 및 그 검출 방법 | |
CN101719274B (zh) | 一种医学影像体数据的三维纹理分析方法 | |
Whitney et al. | Single click volumetric segmentation of abdominal organs in Computed Tomography images |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20180821 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20190109 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20190412 |
|
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: 20190510 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20190607 |
|
R151 | Written notification of patent or utility model registration |
Ref document number: 6539303 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R151 |