JP2017532998A - 縦断的特徴に基づく関心組織の健康状態の分類 - Google Patents

縦断的特徴に基づく関心組織の健康状態の分類 Download PDF

Info

Publication number
JP2017532998A
JP2017532998A JP2017513516A JP2017513516A JP2017532998A JP 2017532998 A JP2017532998 A JP 2017532998A JP 2017513516 A JP2017513516 A JP 2017513516A JP 2017513516 A JP2017513516 A JP 2017513516A JP 2017532998 A JP2017532998 A JP 2017532998A
Authority
JP
Japan
Prior art keywords
interest
tissue
image
features
processor
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
Application number
JP2017513516A
Other languages
English (en)
Other versions
JP2017532998A5 (ja
JP6865678B2 (ja
Inventor
リラ ボロツキー
リラ ボロツキー
ラファエル ウィムカー
ラファエル ウィムカー
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Koninklijke Philips NV
Original Assignee
Koninklijke Philips NV
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Koninklijke Philips NV filed Critical Koninklijke Philips NV
Publication of JP2017532998A publication Critical patent/JP2017532998A/ja
Publication of JP2017532998A5 publication Critical patent/JP2017532998A5/ja
Application granted granted Critical
Publication of JP6865678B2 publication Critical patent/JP6865678B2/ja
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
    • A61B6/02—Arrangements for diagnosis sequentially in different planes; Stereoscopic radiation diagnosis
    • A61B6/03—Computed tomography [CT]
    • A61B6/032—Transmission computed tomography [CT]
    • 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
    • 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
    • A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
    • A61B6/02—Arrangements for diagnosis sequentially in different planes; Stereoscopic radiation diagnosis
    • A61B6/03—Computed tomography [CT]
    • A61B6/037—Emission tomography
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis 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
    • 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
    • G06T7/0014—Biomedical image inspection using an image reference approach
    • 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
    • G06T7/0014—Biomedical image inspection using an image reference approach
    • G06T7/0016—Biomedical image inspection using an image reference approach involving temporal comparison
    • 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
    • G16H30/00—ICT specially adapted for the handling or processing of medical images
    • G16H30/20—ICT specially adapted for the handling or processing of medical images for handling medical images, e.g. DICOM, HL7 or PACS
    • 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
    • G16H50/20—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for computer-aided diagnosis, e.g. based on medical expert systems
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/05—Detecting, measuring or recording for diagnosis by means of electric currents or magnetic fields; Measuring using microwaves or radio waves 
    • A61B5/055—Detecting, measuring or recording for diagnosis by means of electric currents or magnetic fields; Measuring using microwaves or radio waves  involving electronic [EMR] or nuclear [NMR] magnetic resonance, e.g. magnetic resonance imaging
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
    • A61B5/7235—Details of waveform analysis
    • A61B5/7264—Classification of physiological signals or data, e.g. using neural networks, statistical classifiers, expert systems or fuzzy systems
    • A61B5/7267—Classification of physiological signals or data, e.g. using neural networks, statistical classifiers, expert systems or fuzzy systems involving training the classification device
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
    • A61B5/7271—Specific aspects of physiological measurement analysis
    • A61B5/7275—Determining trends in physiological measurement data; Predicting development of a medical condition based on physiological measurements, e.g. determining a risk factor
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/74—Details of notification to user or communication with user or patient ; user input means
    • A61B5/7475—User input or interface means, e.g. keyboard, pointing device, joystick
    • A61B5/748—Selection of a region of interest, e.g. using a graphics tablet
    • A61B5/7485—Automatic selection of region of interest
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis 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
    • A61B6/5229—Devices using data or image processing specially adapted for radiation diagnosis involving processing of medical diagnostic data combining image data of a patient, e.g. combining a functional image with an anatomical image
    • A61B6/5235—Devices using data or image processing specially adapted for radiation diagnosis involving processing of medical diagnostic data combining image data of a patient, e.g. combining a functional image with an anatomical image combining images from the same or different ionising radiation imaging techniques, e.g. PET and 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
    • G06T2207/10072—Tomographic images
    • 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
    • G06T2207/20—Special algorithmic details
    • G06T2207/20081—Training; Learning
    • 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

Landscapes

  • Health & Medical Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Medical Informatics (AREA)
  • General Health & Medical Sciences (AREA)
  • Public Health (AREA)
  • Biomedical Technology (AREA)
  • Physics & Mathematics (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Pathology (AREA)
  • Radiology & Medical Imaging (AREA)
  • Surgery (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Molecular Biology (AREA)
  • Animal Behavior & Ethology (AREA)
  • Veterinary Medicine (AREA)
  • Biophysics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Optics & Photonics (AREA)
  • High Energy & Nuclear Physics (AREA)
  • Theoretical Computer Science (AREA)
  • Physiology (AREA)
  • General Physics & Mathematics (AREA)
  • Quality & Reliability (AREA)
  • Epidemiology (AREA)
  • Primary Health Care (AREA)
  • Pulmonology (AREA)
  • Data Mining & Analysis (AREA)
  • Databases & Information Systems (AREA)
  • Artificial Intelligence (AREA)
  • Psychiatry (AREA)
  • Signal Processing (AREA)
  • Measuring And Recording Apparatus For Diagnosis (AREA)
  • Apparatus For Radiation Diagnosis (AREA)
  • Image Analysis (AREA)

Abstract

方法は、コンピュータ実装分類器で、対象の少なくとも一つの画像ペアにおける対象の関心組織の健康状態を、対象の少なくとも一つの画像ペアにおける対象の関心組織の縦断的特徴の既定セットに基づいて、決定するステップを含む。対象の少なくとも一つの画像ペアは、第一の瞬間において収集される関心組織の第一の画像と、第二の瞬間において収集される関心組織の第二の画像とを含む。第一及び第二の瞬間は異なる瞬間である。方法は決定された健康状態を示すサインを視覚的に表示するステップをさらに含む。

Description

以下は概してコンピュータ支援診断（ＣＡＤｘ）に、より具体的には、対象の画像ペアにおける縦断的特徴（ｌｏｎｇｉｔｕｄｉｎａｌ ｆｅａｔｕｒｅ）と非画像ベース臨床情報とに基づいて対象の関心組織の健康状態を分類することに関し、特にコンピュータ断層撮影（ＣＴ）に応用して説明される。しかしながら、超音波（ＵＳ）、ポジトロン放出断層撮影（ＰＥＴ）、磁気共鳴イメージング（ＭＲＩ）など、他のイメージングモダリティが本明細書で考慮される。
好調ながん生存傾向とがん治療の進歩にもかかわらず、早期がん診断は予後良好のために不可欠である傾向がある。他方で、がんの偽陽性診断は合併症の可能性、過剰治療、患者不安、回避可能コストなどを伴う不要手術につながり得る。コンピュータ支援診断（ＣＡＤｘ）システムは、臨床医（例えば放射線科医）の診断能の向上を目的として、肺がん、乳がん、前立腺がんなどといった様々ながん診断において臨床医を支援し得る。
ＣＡＤｘシステムは臨床医を支援するために、単一のイメージングモダリティから、又は複数の異なるイメージングモダリティの組み合わせからの画像データを使用してきた。かかるイメージングモダリティの例は、超音波（ＵＳ）、コンピュータ断層撮影（ＣＴ）、ポジトロン放出断層撮影（ＰＥＴ）、磁気共鳴イメージング（ＭＲＩ）などを含んでいる。デモグラフィックス、病歴及び家族歴、リスクファクター、分子遺伝子検査などの非イメージングデータも使用されている。残念ながら、ＣＡＤｘシステムは現在のイメージング研究のみに基づく支援を提供してきた。
例として、放射線科医が患者の現在の肺画像において異常（例えば肺結節）を識別すると、放射線科医は識別された結節の生検若しくは所定時間間隔でのイメージングフォローアップなど、後続アクションのための勧告を提供する必要がある。肺がんＣＡＤｘシステムは現在画像（及びオプションとして非画像データ）を処理し、それに基づいて結果を生成し、これが、放射線科医が現在画像上で患者の診断を形成することを支援し得る。
本明細書に記載の態様は上記問題などに対処する。
一態様において、方法は、コンピュータ実装分類器で、対象の少なくとも一つの画像ペアにおける対象の関心組織の健康状態を、対象の少なくとも一つの画像ペアにおける対象の関心組織の縦断的特徴の既定セットに基づいて、決定するステップを含む。対象の少なくとも一つの画像ペアは、第一の瞬間において収集される関心組織の第一の画像と、第二の瞬間において収集される関心組織の第二の画像を含む。第一及び第二の瞬間は異なる瞬間である。方法は決定された健康状態を示すサイン（ｉｎｄｉｃｉａ）を視覚的に表示するステップをさらに含む。
別の態様において、コンピュータシステムは画像データ処理モジュールの命令を保存するメモリと、命令を実行するプロセッサとを含む。命令を実行するプロセッサは、対象の少なくとも一つの画像ペアにおける対象の関心組織の健康状態を、対象の少なくとも一つの画像ペアにおける対象の関心組織の縦断的特徴の既定セットに基づいて分類する。対象の少なくとも一つの画像ペアは、第一の瞬間において収集される関心組織の第一の画像と、第二の瞬間において収集される関心組織の第二の画像とを含む。第一及び第二の瞬間は異なる瞬間である。命令を実行するプロセッサは、さらに決定された健康状態を示すサインを視覚的に表示する。
別の態様において、コンピュータ可読記憶媒体がコンピュータ可読命令でエンコードされる。コンピュータ可読命令は、プロセッサによって実行されるとき、プロセッサに、各ペアが異なる瞬間において収集される画像を含む、組織の画像ペアの訓練データセットを受信させ、訓練データの第一のサブセットは組織の第一の既知の健康状態を含み、訓練データの少なくとも第二のサブセットは、組織の少なくとも第二の既知の、異なる健康状態を含み；訓練データセットにおいて画像をレジストレーションさせ；レジストレーションされた訓練データセット画像において関心組織を識別させ；レジストレーションされた訓練データセット画像において関心組織の縦断的特徴の既定セットをトレンディング（ｔｒｅｎｄ）させ；関連特徴のセットをあらわす特徴のセットのサブセットを選択させ；訓練データセットと、選択された特徴のセットのサブセットとに基づいて分類器を作成させ、分類器は一つ以上のサブ分類器を含む。
本発明は様々な構成要素と構成要素の配置で、及び様々なステップとステップの配置で具体化し得る。図面は好適な実施形態を例示する目的に過ぎず、本発明を限定するものと解釈されない。
イメージングシステムと接続した、画像データ処理モジュールを伴うコンピュータシステムを概略的に図示する。 画像データ処理モジュールの一実施例を概略的に図示する。 訓練データセットの縦断的特徴に基づいて関心組織の健康状態を決定する一つ以上の分類器を訓練するための方法例を図示する。 評価データセットの縦断的特徴に基づいて関心組織の健康状態を決定する一つ以上の分類器を利用するための方法例を図示する。
図１はコンピュータ断層撮影（ＣＴ）スキャナなどのイメージングシステム１００を図示する。
別の実施形態において、イメージングシステム１００は、超音波（ＵＳ）、ポジトロン放出断層撮影（ＰＥＴ）、単光子放出断層撮影（ＳＰＥＣＴ）、Ｘ線、磁気共鳴イメージング（ＭＲＩ）などのイメージングシステムといった、異なるイメージングモダリティを含む。別の実施形態は、個々のイメージングシステム及び／又は二つの異なるモダリティを伴うハイブリッドイメージングシステムを含む、一つより多くの（同じ若しくは異なる）イメージングシステム１００を含む。
図示のイメージングシステム１００は一般に固定ガントリ１０２と、固定ガントリ１０２によって回転可能に支持され、ｚ軸まわりに検査領域１０６まわりを回転する回転ガントリ１０４とを含む。ｘ線管などの放射線源１０８が回転ガントリ１０４によって回転可能に支持され、回転ガントリ１０４とともに回転し、検査領域１０６を横断する放射線を発する。
検出器アレイ１１０は、放射線源１０８に対して検査領域１０６の反対側の角度のある円弧に対し、検査領域１０６を横断する放射線を検出し、それを示す投影データを生成する。長椅子などの対象支持台１１２は対象若しくはオブジェクトを検査領域１０６内で支持し、スキャンと協調して動くことができる。
再構成器１１４は画像データを生成する投影データを再構成する。データリポジトリ１１６はイメージングシステム１００及び／又は他のイメージングシステムからの画像データを保存する。リポジトリの例は、画像保存通信システム（ＰＡＣＳ）、放射線医学情報システム（ＲＩＳ）、病院情報システム（ＨＩＳ）、電子医療記録（ＥＭＲ）、データベース、サーバなどを含む。データはＤｉｇｉｔａｌ Ｉｍａｇｉｎｇ ａｎｄ Ｃｏｍｍｕｎｉｃａｔｉｏｎｓ ｉｎ Ｍｅｄｉｃｉｎｅ（ＤＩＣＯＭ）、Ｈｅａｌｔｈ Ｌｅｖｅｌ ７（ＨＬ７）などを介して送信され得る。
汎用コンピュータシステムがオペレータコンソール１１８として機能する。コンソール１１８はシステム１００のローカル若しくはリモートのコンピュータ可読記憶媒体に保存若しくはエンコードされる一つ以上のコンピュータ可読命令（ソフトウェア）を実行する一つ以上のプロセッサを含む。コンソール１１８に常駐するソフトウェアは、オペレータがイメージングプロトコルの選択、スキャン開始などといったシステム１００の動作を制御することを可能にする。
コンピュータシステム１２２は、一時的媒体を除き、物理メモリ及び／又は他の非一時的媒体を含む、コンピュータ可読記憶媒体（"メモリ"）１２６に保存される少なくとも一つのコンピュータ可読命令を実行する、少なくとも一つのプロセッサ１２４（例えばマイクロプロセッサ、中央処理ユニットなど）を含む。マイクロプロセッサ１２４は搬送波、信号若しくは他の一時的媒体によって搬送される一つ以上のコンピュータ可読命令も実行し得る。命令は、この実施例において、画像データ処理モジュール１３２を含む。
以下により詳細に記載の通り、この画像データ処理モジュール１３２は、一例として、プロセッサ１２４に少なくとも二つの異なる時間において収集される画像データを処理させ（例えば初期収集と三ヵ月後のフォローアップ収集）、そこから関心組織（例えば腫瘍）の縦断的特徴若しくは特性変化を抽出させ、抽出された縦断的特徴を利用して関心組織の健康状態（例えば良性若しくは悪性、悪性度など）を決定させる、命令を実行する。
縦断的特徴の例は、ボリュームの変化、テクスチャの変化、組成の変化、形状の変化、辺縁の変化などを含む。他の縦断的変化及び／又は特性も本明細書で考慮される。かかる情報は特定の健康状態の確率を示し得る。従って、コンピュータシステム１２２は、現在画像のみを処理し早期収集画像を処理しない構成に対し、改良された結果を提供し得る。
別の実施形態において、画像データ処理モジュール１３２は事前収集画像のみの、現在画像のみの、及び／又は事前収集画像と現在画像の組み合わせの、健康状態を決定し、出力装置１３０を介して、三つの結果の一つ以上を視覚的に提示することができ、これらは臨床医によって観察及び／又はレビューされ得る。そして臨床医はモジュール１３２の視点から変化の傾向を見ることができる。モジュール１３２は付加的に非画像データを処理し得る。
コンピュータシステム１２２は表示モニタ、フィルマーなどといった出力装置１３０と、マウス、キーボードなどといった入力装置１２８をさらに含む。コンピュータシステム１２２はイメージングシステム１００から分離し（図示の通り）、コンソール１１８の一部であり、システム全体に分散し得る。一例としてコンピュータシステム１２２はコンピュータ支援診断（ＣＡＤｘ）システムの一部であるか及び／又はＣＡＤｘシステムを形成することができる。
図２は画像データ処理モジュール１３２の一実施例を概略的に図示する。
画像データ処理モジュール１３２は、入力として、一つ以上の訓練データセット２０２と評価データセット２４０を受信する。一つ以上の訓練データセット２０２は少なくとも縦断的特徴、又は縦断的特徴及び／又は関心組織の特性の変化に基づいて、分類器を訓練するために使用される。一つ以上の訓練データセット２０２は関心組織を含むボリュームの画像と関心組織なしのボリュームの画像に対応する画像ペアを含み、両方の場合の画像は二つの異なる時点で収集される。一つ以上の訓練データセット２０２は非画像データも含み得る。
評価データセット２０４は、画像ペア、例えば患者の事前に収集された画像と現在収集された画像を含み、これは訓練された分類器を用いて評価される。一例として、二つの収集は例えば、関心組織ががんなどの腫瘍を含むことが疑われる、初期収集とフォローアップ収集（例えば三ヵ月後）に対応する。評価データセット２０４は非画像データも含み得る。非画像データの例は、デモグラフィックス、病歴、家族歴、リスクファクター、分子検査結果、遺伝子検査結果などを含む。
画像データ処理モジュール１３２はレジストレーションコンポーネント２０６をさらに含む。レジストレーションコンポーネント２０６は一つ以上の訓練データセット２０２における画像と評価データセット２０４における画像とを空間的にコレジストレーションする。図示の実施形態において、レジストレーションコンポーネント２０６はレジストレーションアルゴリズムバンク２０８からのアルゴリズムを利用し、これはアフィン変換及び／又は弾性変換を含む既知の及び／又は他のレジストレーション技術を含む。アフィン変換は一般に線形変換であり、回転、スケーリング、並進などを含み、弾性変換は一般にワーピングも許可し、放射基底関数、物理的連続体モデル、大変形モデルなどを含む。
画像データ処理モジュール１３２は関心ボリューム（ＶＯＩ）識別コンポーネント２１０をさらに含む。ＶＯＩ識別コンポーネント２１０は一つ以上の訓練データセット２０２と評価データセット２０４のコレジストレーション画像において一つ以上のＶＯＩを識別する。一例として、ＶＯＩ識別コンポーネント２１０はコンピュータ支援検出アプローチを用いて自動アプローチを利用する。このアプローチで、ＶＯＩ識別コンポーネント２１０は識別アルゴリズムバンク２１２からのアルゴリズムを利用し、これは既知の及び／又は他の識別技術を含む。別の例において、ＶＯＩ識別コンポーネント２１０はユーザ入力を利用する。さらに別の例において、ＶＯＩ識別コンポーネント２１０は自動アプローチとユーザ入力の組み合わせを利用する。
画像データ処理モジュール１３２はセグメンテーションコンポーネント２１４をさらに含む。セグメンテーションコンポーネント２１４は一つ以上の訓練データセット２０２と評価データセット２０４のコレジストレーション画像において識別されたＶＯＩをセグメント化する。図示の実施形態において、セグメンテーションコンポーネント２１４はセグメンテーションアルゴリズムバンク２１６からのアルゴリズムを利用し、これは自動、手動、若しくは半自動（例えばコンピュータが初期輪郭を生成してユーザがそれを修正する）三次元（３Ｄ）セグメンテーションアプローチを含む、既知の及び／又は他のセグメンテーション技術を含む。
画像データ処理モジュール１３２は特徴抽出コンポーネント２１８をさらに含む。特徴抽出コンポーネント２１８は一つ以上の訓練データセット２０２と評価データセット２０４のセグメント化領域及び／又は周辺関心組織から特徴を抽出する。図示の実施形態において、特徴抽出コンポーネント２１８は特徴抽出アルゴリズムバンク２２０からのアルゴリズムを利用し、これは既知の及び／又は他の特徴抽出技術を含む。
適切な特徴の例は、限定されないが、形状（例えば円形、卵形、不整形など）、辺縁（例えば平滑、スピキュラなど）、テクスチャ（例えば充実性、半充実性若しくは非充実性結節）、関心組織周辺組織の血管特徴（例えば結節周辺血管の血管特徴）、臓器の構造上の特徴（例えば臓器形状及び実質解析）、関心組織併存疾患（ｃｏ‐ｅｘｉｓｔｅｎｃｅ）（例えば結節の総数、空間分布、コンステレーションなど）、同時罹患（ｃｏ‐ｍｏｒｂｉｄｉｔｙ）特徴（肺気腫、慢性閉塞性肺疾患（ＣＯＰＤ）など）、並びに一つ以上の他の特徴を含む。
特徴抽出アルゴリズム例が、２００７年９月１８日出願の"Ａｄｖａｎｃｅｄ ｃｏｍｐｕｔｅｒ‐ａｉｄｅｄ ｄｉａｇｎｏｓｉｓ ｏｆ ｌｕｎｇ ｎｏｄｕｌｅｓ"と題する出願番号１２／４４１，９５０に記載され、その全体が引用により本明細書に組み込まれる。別の特徴抽出アルゴリズム例が２００９年９月９日出願の"Ｓｙｓｔｅｍ ａｎｄ ｍｅｔｈｏｄ ｆｏｒ ｆｕｓｉｎｇ ｃｌｉｎｉｃａｌ ａｎｄ ｉｍａｇｅ ｆｅａｔｕｒｅｓ ｆｏｒ ｃｏｍｐｕｔｅｒ‐ａｉｄｅｄ ｄｉａｇｎｏｓｉｓ"と題する出願番号１３／０６１，９５９に記載され、その全体が引用により本明細書に組み込まれる。特徴を抽出するための他のアプローチも本明細書で考慮される。
画像データ処理モジュール１３２は縦断的トレンディングコンポーネント２２２を含む。訓練に関して、縦断的トレンディングコンポーネント２２２は一つ以上の訓練データセット２０２について、その中の画像及び／又は非画像情報も含め、縦断的傾向を計算する。一例として、これは特徴値の差分若しくはパーセンテージ変化を計算すること、又は充実性結節から非充実性結節への変化を"１"とするなど、カテゴリー変化の値を割り当てることを含む。図示の実施形態において、縦断的トレンディングコンポーネント２２２は縦断的トレンディングアルゴリズムバンク２２４からのアルゴリズムを利用し、これは既知の及び／又は他の縦断的トレンディング技術を含む。
画像データ処理モジュール１３２は特徴選択コンポーネント２２６をさらに含む。訓練に関して、特徴選択コンポーネント２２６は特徴選択アルゴリズム２２８からの特徴選択アルゴリズムを適用し、これは訓練データセットと選ばれた分類器を用いて可能な全特徴から最も関連する特徴のセットを識別する。適切なアルゴリズムの例は、限定されないが、全数検索、遺伝的アルゴリズム、前進若しくは後退消去アルゴリズムなどを含む。
画像データ処理モジュール１３２は分類器生成コンポーネント２３０をさらに含む。訓練に関して、分類器生成コンポーネント２３０は選択された特徴を用いて、関心組織の健康状態を推定する一つ以上の分類器を構築し訓練する。図示の実施形態において、分類器生成コンポーネント２３０は分類器アルゴリズムバンク２３２からのアルゴリズムを利用し、これは既知の及び／又は他の分類器技術を含む。適切な分類器の例は、限定されないが、線形回帰、ロジスティック回帰、サポートベクターマシン、決定木などを含む。分類器のアンサンブルは、限定されないが、ランダムフォレストなどの決定木のアンサンブルを含む。
画像データ処理モジュール１３２は評価コンポーネント２３４をさらに含む。評価に関して、評価コンポーネント２３４は作成され訓練された分類器の一つ以上を利用して評価データセット２０４の画像から関心組織の健康状態を決定する。評価コンポーネント２３４は評価結果を示す信号（すなわちそれを示す健康状態スコア若しくはサイン）を生成する。評価のためにアンサンブルを用いるとき、健康状態は健康状態推定の大多数、健康状態推定の平均などとして導出され得る。
画像データ処理モジュール１３２はロジック２３８をさらに含む。評価に関してロジック２３８は信号をフォーマットし出力する。信号は出力装置１３０の表示モニタを介して視覚的に提示され得る、及び／又は別の装置へ伝達され得る。図示の実施形態において、ロジック２３８は提示アルゴリズムバンク２４０からのアルゴリズムを利用する。例えば、一つのアルゴリズムで、ロジック２３８は数値スコアを視覚的に提示する。例えば、スコアは０．０から１．０の範囲であり得、０．０のスコアは疾患がない（例えば腫瘍が良性である）ことを示し、１．０のスコアは疾患がある（例えば腫瘍が悪性である）ことを示す。
別の実施例において、ロジック２３８はカラーコーディング及びグラフィックのサインでスコアを視覚的に提示する。例えば、一実施例において、スコアはスコアを三つの個別の色へ閾値化することに基づいて交通信号灯として視覚的に提示される（緑：例えばスコア＜０．２５；黄色：０．２５〜０．７５のスコア；赤：スコア＞０．７５）。別の例において、スコアは連続カラーバーとして視覚的に提示される（例えば緑から黄色、オレンジを経て赤；緑は０．０のスコアをあらわし、赤は１．０のスコアをあらわす）。別の実施例において、ロジック２３８は、地理的地域、年齢、性別、リスク型、同時罹患によって潜在的に層別化される、他の（匿名）症例の疾患分布の背景上にスコアを視覚的に提示する。
図３は縦断的特徴に基づいて一つ以上の分類器を作成するための方法例を例示する。
動作の順序は限定するものではないことが理解されるものとする。従って、他の順序が本明細書で考慮される。加えて、一つ以上の動作が省略されてもよく、及び／又は一つ以上の追加動作が含まれてもよい。
３０２において、訓練データセットが取得される。
本明細書で記載の通り、これは関心組織（例えば腫瘍）を伴う（例えば事前に収集された及び現在収集された）画像ペアのサブセットと、関心組織を伴わない（例えば事前に収集された及び現在収集された）異なる画像ペアのサブセットを含む。
３０４において、画像がレジストレーションされる。
３０６において、一つ以上の関心ボリュームがレジストレーション画像において識別される。
３０８において、特徴のセットが関心ボリュームについてトレンディングされる。
３１０において、特徴のセットのサブセットが選択される。
３１２において、本明細書に記載の通り及び／又は他の方法で、訓練データセットと特徴のサブセットとを用いて一つ以上の分類器が作成され、訓練される。
オプションとして、一つ以上の分類器を作成し訓練するために非画像データが付加的に使用され得る。
上記は、コンピュータプロセッサによって実行されるときに上記動作をプロセッサに実行させる、コンピュータ可読記憶媒体上にエンコードされる若しくは埋め込まれるコンピュータ可読命令によって実現され得る。付加的に若しくは代替的に、コンピュータ可読命令の少なくとも一つは信号、搬送波若しくは他の一時的媒体によって搬送される。
図４は縦断的特徴に基づく図３の一つ以上の分類器を利用するための方法例を例示する。
動作の順序は限定するものではないことが理解されるものとする。従って、他の順序が本明細書で考慮される。加えて、一つ以上の動作が省略されてもよく、及び／又は一つ以上の追加動作が含まれてもよい。
４０２において、評価データセットが取得される。
本明細書に記載の通り、これは異なる瞬間において（例えば三ヶ月差で）収集される領域の少なくとも一つの画像ペアを含む。
４０４において、画像がレジストレーションされる。
４０６において、一つ以上の関心ボリュームがレジストレーション画像において識別される。
４０８において、特徴の既定セットが各関心ボリュームから抽出される。
オプションとして、非画像データが取得され得る。
４１０において、抽出された特徴の既定セットに基づいて評価データセットを評価するために分類器が使用される。
４１２において、結果が視覚的に提示される。
上記は、コンピュータプロセッサによって実行されるときに上記動作をプロセッサに実行させる、コンピュータ可読記憶媒体上にエンコードされる若しくは埋め込まれるコンピュータ可読命令によって実現され得る。付加的に若しくは代替的に、コンピュータ可読命令の少なくとも一つは信号、搬送波若しくは他の一時的媒体によって搬送される。
本発明は好適な実施形態を参照して記載されている。先の詳細な説明を読んで理解することで修正及び変更が想到され得る。本発明はかかる修正及び変更を、それらが添付の請求項若しくはその均等物の範囲内にある限り全て含むように構成されることが意図される。

Claims (26)

  1. コンピュータ実装分類器で、対象の少なくとも一つの画像ペアにおける当該対象の関心組織の健康状態を、当該対象の少なくとも一つの画像ペアにおける当該対象の関心組織の縦断的特徴の既定セットに基づいて、決定するステップと、
    決定された健康状態を示すサインを視覚的に表示するステップとを有する方法であって、
    前記対象の少なくとも一つの画像ペアが、第一の瞬間において収集される前記関心組織の第一の画像と、第二の瞬間において収集される前記関心組織の第二の画像とを含む、
    方法。
  2. 前記対象の少なくとも一つの画像ペアをレジストレーションするステップと、
    レジストレーションされた少なくとも一つの画像ペアにおいて少なくとも一つの関心ボリュームを識別するステップであって、前記関心組織が前記少なくとも一つの関心ボリュームに位置する、ステップと、
    識別された少なくとも一つの関心ボリュームから縦断的特徴の既定セットを抽出するステップと、
    抽出された縦断的特徴のセットを分類することによって前記関心組織の健康状態を決定するステップと
    をさらに有する、請求項１に記載の方法。
  3. 前記対象についての非画像データを取得するステップと、
    前記抽出された縦断的特徴のセットと前記非画像データとを分類することによって前記関心組織の健康状態を決定するステップと
    をさらに有する、請求項２に記載の方法。
  4. 前記非画像データが、デモグラフィックス、病歴、家族歴、リスクファクター、分子検査結果、若しくは遺伝子検査結果のうち一つ以上を含む、請求項３に記載の方法。
  5. 前記少なくとも一つの画像ペアから前記関心組織の縦断的特徴の既定セットの縦断的特徴を決定するステップをさらに有する、請求項１から４のいずれか一項に記載の方法。
  6. 前記関心組織の縦断的特徴の既定セットが、前記関心組織の形状の変化、前記関心組織の辺縁の変化、前記関心組織のテクスチャの変化、前記関心組織の血管分布の変化、前記関心組織の構造の変化、前記関心組織の併存疾患、若しくは前記関心組織の同時罹患のうち一つ以上を含む、請求項５に記載の方法。
  7. 決定された健康状態に基づいて、既定範囲の数値スコアで、数値スコアを決定するステップをさらに有し、当該範囲の第一のスコアは疾患がないことを示し、当該範囲の第二のスコアは疾患があることを示し、前記サインを視覚的に表示するステップが前記数値スコアを視覚的に表示するステップを含む、請求項１から６のいずれか一項に記載の方法。
  8. 前記数値スコアが疾患の重篤度を示す、請求項７に記載の方法。
  9. 前記既定範囲の数値スコアの異なるサブ範囲を、異なる重篤度と異なる色にマッピングするマップを作成するステップと、
    当該マップに基づくスコアを示す色でグラフィックのサインを視覚的に表示するステップと
    をさらに有する、請求項７から８のいずれか一項に記載の方法。
  10. 前記健康状態の分布が、地理的地域、年齢、性別、リスク型、若しくは同時罹患のうちの少なくとも一つによって層別化される、請求項９に記載の方法。
  11. 組織の画像ペアの訓練データセットを受信するステップであって、各ペアが異なる瞬間において収集される画像を含み、前記訓練データの第一のサブセットが組織の第一の既知の健康状態を含み、前記訓練データの少なくとも第二のサブセットが組織の少なくとも第二の既知の健康状態を含む、ステップと、
    前記訓練データセットにおいて画像をレジストレーションするステップと、
    レジストレーションされた訓練データセット画像において前記関心組織を識別するステップと、
    レジストレーションされた訓練データセット画像において前記関心組織の縦断的特徴の既定セットをトレンディングするステップと、
    関連特徴のセットをあらわす特徴のセットのサブセットを選択するステップと、
    前記訓練データセットと、選択された特徴のセットのサブセットとに基づいて前記分類器を作成し訓練するステップであって、前記分類器が一つ以上のサブ分類器を含む、ステップと
    をさらに有する、請求項１から１０のいずれか一項に記載の方法。
  12. 前記対象についての非画像データを取得するステップと、
    抽出された縦断的特徴のセットと前記非画像データを分類することによって前記関心組織の健康状態を決定するステップと
    をさらに有する、請求項１１に記載の方法。
  13. 画像ペア間の特徴の差を決定することによって前記縦断的特徴の既定セットをトレンディングするステップをさらに有する、請求項１１から１２のいずれか一項に記載の方法。
  14. 画像データ処理モジュールの命令を保存するメモリと、
    当該命令を実行するプロセッサと
    を有するコンピュータシステムであって、
    当該命令は当該プロセッサに、
    対象の少なくとも一つの画像ペアにおける当該対象の関心組織の健康状態を、当該対象の少なくとも一つの画像ペアにおける当該対象の関心組織の縦断的特徴の既定セットに基づいて、分類させ、
    決定された健康状態を示すサインを視覚的に表示させ、
    前記対象の少なくとも一つの画像ペアが、第一の瞬間において収集される前記関心組織の第一の画像と、第二の異なる瞬間において収集される前記関心組織の第二の画像とを含む、
    コンピュータシステム。
  15. 前記プロセッサが、さらに前記プロセッサに、
    前記対象の少なくとも一つの画像ペアをレジストレーションさせ、
    レジストレーションされた少なくとも一つの画像ペアにおいて少なくとも一つの関心ボリュームを識別させ、
    識別された少なくとも一つの関心ボリュームから縦断的特徴の既定セットを抽出させ、
    抽出された縦断的特徴のセットを分類することによって前記関心組織の健康状態を決定させる、
    命令を実行し、
    前記関心組織が前記少なくとも一つの関心ボリュームに位置する、
    請求項１４に記載のシステム。
  16. 前記プロセッサが、さらに前記プロセッサに、
    前記対象についての非画像データを取得させ、
    抽出された縦断的特徴のセットと前記非画像データとを分類することによって前記関心組織の健康状態を決定させる、
    命令を実行する、請求項１５に記載のシステム。
  17. 前記プロセッサが、さらに前記プロセッサに、
    前記健康状態に比例する数値スコアを決定させ、
    英数字のサイン若しくは色のうちの一つ以上を通じて当該数値スコアを視覚的に表示させる、
    命令を実行する、請求項１４から１６のいずれか一項に記載のシステム。
  18. 前記プロセッサが、さらに前記プロセッサに、
    各ペアが異なる瞬間において収集される画像を含む、組織の画像ペアの訓練データセットを受信させ、
    前記訓練データセットにおいて画像をレジストレーションさせ、
    レジストレーションされた訓練データセット画像において前記関心組織を識別させ、
    レジストレーションされた訓練データセット画像において前記関心組織の縦断的特徴の既定セットをトレンディングさせ、
    関連特徴のセットをあらわす特徴のセットのサブセットを選択させ、
    前記訓練データセットと選択された特徴のセットのサブセットとに基づいて分類器を作成させる、
    命令を実行し、
    前記訓練データの第一のサブセットが組織の第一の既知の健康状態を含み、前記訓練データの少なくとも第二のサブセットが組織の少なくとも第二の既知の健康状態を含み、
    前記分類器が一つ以上のサブ分類器を含む、
    請求項１４から１７のいずれか一項に記載のシステム。
  19. 前記プロセッサが、さらに前記プロセッサに、
    前記対象についての非画像データを取得させ、
    抽出された縦断的特徴のセットと前記非画像データとを分類することによって前記関心組織の健康状態を決定させる、
    命令を実行する、請求項１８に記載のシステム。
  20. 画像ペア間の特徴の差を決定することによって前記縦断的特徴の既定セットをトレンディングするステップをさらに有する、請求項１４から１９のいずれか一項に記載のシステム。
  21. プロセッサによって実行されるときに、当該プロセッサに、
    一つ以上の対象の複数の画像ペアについて異なる瞬間において事前に収集された画像ペアにおける関心組織の特徴の変化に基づいて当該関心組織の健康状態を決定する分類器を訓練させ、
    当該分類器を利用して、評価対象の患者の関心組織の健康状態を、当該患者について異なる瞬間において収集される評価対象の患者の画像ペアにおける関心組織の特徴の変化に基づいて分類させる、
    コンピュータ可読命令でエンコードされる、コンピュータ可読記憶媒体。
  22. 前記コンピュータ可読命令が、前記プロセッサによって実行されるときに、さらに前記プロセッサに、
    各ペアが異なる瞬間において収集される画像を含む、組織の画像ペアの訓練データセットを受信させ、
    前記訓練データセットにおいて画像をレジストレーションさせ、
    レジストレーションされた訓練データセット画像において前記関心組織を識別させ、
    レジストレーションされた訓練データセット画像において前記関心組織の縦断的特徴の既定セットをトレンディングさせ、
    関連特徴のセットをあらわす特徴のセットのサブセットを選択させ、
    前記訓練データセットと選択された特徴のセットのサブセットとに基づいて前記分類器を作成させ、
    前記訓練データの第一のサブセットが組織の第一の既知の健康状態を含み、前記訓練データの少なくとも第二のサブセットが組織の少なくとも第二の既知の健康状態を含み、
    前記分類器が一つ以上のサブ分類器を含む、
    請求項２１に記載のコンピュータ可読記憶媒体。
  23. 前記コンピュータ可読命令が、前記プロセッサによって実行されるときに、さらに前記プロセッサに、
    前記対象についての非画像データを取得させ、
    抽出された縦断的特徴のセットと前記非画像データとを分類することによって前記関心組織の健康状態を決定させる、
    請求項２２に記載のコンピュータ可読記憶媒体。
  24. 前記コンピュータ可読命令が、前記プロセッサによって実行されるときに、さらに前記プロセッサに、
    画像ペア間の特徴の差を決定することによって前記縦断的特徴の既定セットをトレンディングさせる、
    請求項２２から２３のいずれか一項に記載のコンピュータ可読記憶媒体。
  25. 前記コンピュータ可読命令が、前記プロセッサによって実行されるときに、さらに前記プロセッサに、
    前記対象の少なくとも一つの画像ペアをレジストレーションさせ、
    レジストレーションされた少なくとも一つの画像ペアにおいて少なくとも一つの関心ボリュームを識別させ、
    識別された少なくとも一つの関心ボリュームから縦断的特徴の既定セットを抽出させ、
    抽出された縦断的特徴のセットを分類することによって前記関心組織の健康状態を決定させ、
    決定された健康状態を示すサインを視覚的に表示させ、
    前記関心組織が前記少なくとも一つの関心ボリュームに位置する、
    請求項２１から２４のいずれか一項に記載のコンピュータ可読記憶媒体。
  26. 前記コンピュータ可読命令が、前記プロセッサによって実行されるときに、さらに前記プロセッサに、
    前記対象についての非画像データを取得させ、
    抽出された縦断的特徴のセットと前記非画像データとを分類することによって前記関心組織の健康状態を決定させる、
    請求項２５に記載のコンピュータ可読記憶媒体。
JP2017513516A 2014-10-13 2015-09-29 縦断的特徴に基づく関心組織の健康状態の分類 Active JP6865678B2 (ja)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
US201462062977P 2014-10-13 2014-10-13
US62/062,977 2014-10-13
PCT/IB2015/057433 WO2016059493A1 (en) 2014-10-13 2015-09-29 Classification of a health state of tissue of interest based on longitudinal features

Publications (3)

Publication Number Publication Date
JP2017532998A true JP2017532998A (ja) 2017-11-09
JP2017532998A5 JP2017532998A5 (ja) 2018-11-08
JP6865678B2 JP6865678B2 (ja) 2021-04-28

Family

ID=54292866

Family Applications (1)

Application Number Title Priority Date Filing Date
JP2017513516A Active JP6865678B2 (ja) 2014-10-13 2015-09-29 縦断的特徴に基づく関心組織の健康状態の分類

Country Status (7)

Country Link
US (2) US10219767B2 (ja)
EP (1) EP3206565A1 (ja)
JP (1) JP6865678B2 (ja)
CN (1) CN107072613B (ja)
BR (1) BR112017007383A2 (ja)
RU (1) RU2017116859A (ja)
WO (1) WO2016059493A1 (ja)

Families Citing this family (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP3410393A1 (en) * 2017-06-01 2018-12-05 Siemens Healthcare GmbH Comparing medical images
GB201716890D0 (en) 2017-10-13 2017-11-29 Optellum Ltd System, method and apparatus for assisting a determination of medical images
US11625597B2 (en) * 2017-11-15 2023-04-11 Canon Medical Systems Corporation Matching network for medical image analysis
CN109376419B (zh) * 2018-10-16 2023-12-22 北京字节跳动网络技术有限公司 一种数据模型的生成方法、装置、电子设备及可读介质
US10811135B2 (en) * 2018-12-27 2020-10-20 General Electric Company Systems and methods to determine disease progression from artificial intelligence detection output
DE102019211536A1 (de) * 2019-08-01 2021-02-04 Siemens Healthcare Gmbh Automatische Lokalisierung einer Struktur
CN111784705B (zh) * 2020-06-24 2024-04-02 上海联影医疗科技股份有限公司 感兴趣区域的勾画方法、装置、设备和存储介质
CN112472346B (zh) * 2020-11-26 2021-12-24 南通市第二人民医院 一种基于大数据的牙龈保护方法和装置

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2005081168A2 (en) * 2004-02-03 2005-09-01 Siemens Medical Solutions Usa, Inc. Systems and methods for automated diagnosis and decision support for heart related diseases and conditions
JP2006511880A (ja) * 2002-12-18 2006-04-06 ジーイー・メディカル・システムズ・グローバル・テクノロジー・カンパニー・エルエルシー 生体外検査データを組み込む医療データ分析方法及び装置
US20100092064A1 (en) * 2008-10-10 2010-04-15 Wenjing Li Methods for tissue classification in cervical imagery
US20110173027A1 (en) * 2008-10-10 2011-07-14 Koninklijke Philips Electronics N.V. Health-risk metric determination and/or presentation
US20110274338A1 (en) * 2010-05-03 2011-11-10 Sti Medical Systems, Llc Image analysis for cervical neoplasia detection and diagnosis
US20120081386A1 (en) * 2009-06-10 2012-04-05 Koninklijke Philips Electronics N.V. Visualization apparatus for visualizing an image data set
WO2014102661A2 (en) * 2012-12-27 2014-07-03 Koninklijke Philips N.V. Computer-aided identification of a tissue of interest
KR20170026656A (ko) * 2009-02-06 2017-03-08 레스메드 센서 테크놀로지스 리미티드 만성 질환 모니터링용 장치, 시스템 및 방법

Family Cites Families (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6466687B1 (en) 1997-02-12 2002-10-15 The University Of Iowa Research Foundation Method and apparatus for analyzing CT images to determine the presence of pulmonary tissue pathology
US7211247B2 (en) 2001-04-09 2007-05-01 University Of Southern California Lentivirus vectors for gene transfer to alveolar epithelial cells
US6992280B2 (en) * 2002-04-04 2006-01-31 Synarc, Inc. Test object for calibration of imaging measurements of mammalian skeletal joints
US7418123B2 (en) 2002-07-12 2008-08-26 University Of Chicago Automated method and system for computerized image analysis for prognosis
US7298881B2 (en) 2004-02-13 2007-11-20 University Of Chicago Method, system, and computer software product for feature-based correlation of lesions from multiple images
CN100435736C (zh) * 2006-12-13 2008-11-26 林井副 基于多层螺旋ct的人体索条状组织同层显示成像方法
RU2009129139A (ru) * 2006-12-29 2011-02-10 Конинклейке Филипс Электроникс, Н.В. (Nl) Улучшенная регистрация изображений и способы для компенсировния интраоперационного движения в контролируемых по изображениям процедурах оперативного вмешательства
US8442285B2 (en) 2007-04-02 2013-05-14 The Trustees Of The University Of Pennsylvania Combined feature ensemble mutual information image registration
WO2009058915A1 (en) 2007-10-29 2009-05-07 The Trustees Of The University Of Pennsylvania Computer assisted diagnosis (cad) of cancer using multi-functional, multi-modal in-vivo magnetic resonance spectroscopy (mrs) and imaging (mri)
WO2010115885A1 (en) * 2009-04-03 2010-10-14 Oslo Universitetssykehus Hf Predictive classifier score for cancer patient outcome
US20110129129A1 (en) * 2009-11-30 2011-06-02 General Electric Company System and method for integrated quantifiable detection, diagnosis and monitoring of disease using population related data for determining a disease signature
US10267882B2 (en) * 2010-10-13 2019-04-23 Toshiba Medical Systems Corporation MRI T1 image-guided tissue diagnostics
US9888876B2 (en) 2012-03-21 2018-02-13 The Johns Hopkins University Method of analyzing multi-sequence MRI data for analysing brain abnormalities in a subject
JP6017284B2 (ja) * 2012-11-30 2016-10-26 東芝メディカルシステムズ株式会社 医用画像診断装置

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2006511880A (ja) * 2002-12-18 2006-04-06 ジーイー・メディカル・システムズ・グローバル・テクノロジー・カンパニー・エルエルシー 生体外検査データを組み込む医療データ分析方法及び装置
WO2005081168A2 (en) * 2004-02-03 2005-09-01 Siemens Medical Solutions Usa, Inc. Systems and methods for automated diagnosis and decision support for heart related diseases and conditions
US20100092064A1 (en) * 2008-10-10 2010-04-15 Wenjing Li Methods for tissue classification in cervical imagery
US20110173027A1 (en) * 2008-10-10 2011-07-14 Koninklijke Philips Electronics N.V. Health-risk metric determination and/or presentation
KR20170026656A (ko) * 2009-02-06 2017-03-08 레스메드 센서 테크놀로지스 리미티드 만성 질환 모니터링용 장치, 시스템 및 방법
US20120081386A1 (en) * 2009-06-10 2012-04-05 Koninklijke Philips Electronics N.V. Visualization apparatus for visualizing an image data set
US20110274338A1 (en) * 2010-05-03 2011-11-10 Sti Medical Systems, Llc Image analysis for cervical neoplasia detection and diagnosis
WO2014102661A2 (en) * 2012-12-27 2014-07-03 Koninklijke Philips N.V. Computer-aided identification of a tissue of interest

Also Published As

Publication number Publication date
BR112017007383A2 (pt) 2018-01-16
CN107072613A (zh) 2017-08-18
US10219767B2 (en) 2019-03-05
EP3206565A1 (en) 2017-08-23
RU2017116859A (ru) 2018-11-15
CN107072613B (zh) 2021-02-26
JP6865678B2 (ja) 2021-04-28
WO2016059493A1 (en) 2016-04-21
US20190150870A1 (en) 2019-05-23
US20180220985A1 (en) 2018-08-09

Similar Documents

Publication Publication Date Title
Fujita AI-based computer-aided diagnosis (AI-CAD): the latest review to read first
US10580131B2 (en) Convolutional neural network for segmentation of medical anatomical images
Farhat et al. Deep learning applications in pulmonary medical imaging: recent updates and insights on COVID-19
Summers Progress in fully automated abdominal CT interpretation
JP6865678B2 (ja) 縦断的特徴に基づく関心組織の健康状態の分類
JP6559707B2 (ja) 症例の難しさに基づくコンピュータ支援患者層別化のためのシステムの作動方法及びシステム
Giger et al. Anniversary paper: history and status of CAD and quantitative image analysis: the role of medical physics and AAPM
Giger et al. Computer-aided diagnosis
JP6220310B2 (ja) 医用画像情報システム、医用画像情報処理方法及びプログラム
US20160321427A1 (en) Patient-Specific Therapy Planning Support Using Patient Matching
JP5320335B2 (ja) 診断支援システム、診断支援装置、診断支援方法および診断支援プログラム
JP6796060B2 (ja) 画像レポート注釈同定
JP6302934B2 (ja) コンピュータ支援による関心組織の特定
US10275946B2 (en) Visualization of imaging uncertainty
US20180263585A1 (en) Source of abdominal pain identification in medical imaging
Basu et al. RadFormer: Transformers with global–local attention for interpretable and accurate Gallbladder Cancer detection
Peña-Solórzano et al. Findings from machine learning in clinical medical imaging applications–Lessons for translation to the forensic setting
Khanna A Review of AI Devices in Cancer Radiology for Breast and Lung Imaging and Diagnosis
Parascandolo et al. Computer aided diagnosis: state-of-the-art and application to musculoskeletal diseases
US11797647B2 (en) Two stage detector for identification of a visual finding in a medical image
Riva Breast arterial calcifications: detection, visualization and quantification through a convolutional neural network
Shen Computer Aided Diagnosis
Akpan et al. XAI for medical image segmentation in medical decision support systems
EP4287195A1 (en) Information processing device, method, and program
Garcia Cerezo RADIOMIC EVALUATION OF GANGLIONAR AFFECTATION IN COLORECTAL CANCER PATIENTS

Legal Events

Date Code Title Description
RD02 Notification of acceptance of power of attorney

Free format text: JAPANESE INTERMEDIATE CODE: A7422

Effective date: 20180626

A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20180927

A621 Written request for application examination

Free format text: JAPANESE INTERMEDIATE CODE: A621

Effective date: 20180927

A977 Report on retrieval

Free format text: JAPANESE INTERMEDIATE CODE: A971007

Effective date: 20190722

A131 Notification of reasons for refusal

Free format text: JAPANESE INTERMEDIATE CODE: A131

Effective date: 20190819

A601 Written request for extension of time

Free format text: JAPANESE INTERMEDIATE CODE: A601

Effective date: 20191112

A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20200217

A131 Notification of reasons for refusal

Free format text: JAPANESE INTERMEDIATE CODE: A131

Effective date: 20200720

A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20201016

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: 20210308

A61 First payment of annual fees (during grant procedure)

Free format text: JAPANESE INTERMEDIATE CODE: A61

Effective date: 20210406

R150 Certificate of patent or registration of utility model

Ref document number: 6865678

Country of ref document: JP

Free format text: JAPANESE INTERMEDIATE CODE: R150

R250 Receipt of annual fees

Free format text: JAPANESE INTERMEDIATE CODE: R250