JP2019511342A - 画像中の物体の視覚化および特徴づけのためのシステムおよび方法 - Google Patents
画像中の物体の視覚化および特徴づけのためのシステムおよび方法 Download PDFInfo
- Publication number
- JP2019511342A JP2019511342A JP2018560735A JP2018560735A JP2019511342A JP 2019511342 A JP2019511342 A JP 2019511342A JP 2018560735 A JP2018560735 A JP 2018560735A JP 2018560735 A JP2018560735 A JP 2018560735A JP 2019511342 A JP2019511342 A JP 2019511342A
- Authority
- JP
- Japan
- Prior art keywords
- image
- color space
- applying
- breast
- breast tissue
- 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
- 238000000034 method Methods 0.000 title claims abstract description 152
- 238000012800 visualization Methods 0.000 title claims abstract description 53
- 238000012512 characterization method Methods 0.000 title abstract description 15
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 202
- 239000003086 colorant Substances 0.000 claims abstract description 31
- 210000000481 breast Anatomy 0.000 claims description 331
- 210000001519 tissue Anatomy 0.000 claims description 247
- 230000006870 function Effects 0.000 claims description 172
- 238000012546 transfer Methods 0.000 claims description 111
- 206010028980 Neoplasm Diseases 0.000 claims description 77
- 201000011510 cancer Diseases 0.000 claims description 67
- 208000026310 Breast neoplasm Diseases 0.000 claims description 53
- 206010006187 Breast cancer Diseases 0.000 claims description 51
- 230000003902 lesion Effects 0.000 claims description 43
- 238000013507 mapping Methods 0.000 claims description 32
- 238000002604 ultrasonography Methods 0.000 claims description 18
- 210000000577 adipose tissue Anatomy 0.000 claims description 15
- 239000000126 substance Substances 0.000 claims description 12
- 230000008859 change Effects 0.000 claims description 11
- 238000003860 storage Methods 0.000 claims description 10
- 238000002591 computed tomography Methods 0.000 claims description 8
- 239000007787 solid Substances 0.000 claims description 6
- 208000024827 Alzheimer disease Diseases 0.000 claims description 5
- 208000024172 Cardiovascular disease Diseases 0.000 claims description 5
- 210000000988 bone and bone Anatomy 0.000 claims description 5
- 210000004556 brain Anatomy 0.000 claims description 5
- 208000030533 eye disease Diseases 0.000 claims description 5
- 210000003734 kidney Anatomy 0.000 claims description 5
- 239000007788 liquid Substances 0.000 claims description 5
- 210000004185 liver Anatomy 0.000 claims description 5
- 210000004072 lung Anatomy 0.000 claims description 5
- 201000006417 multiple sclerosis Diseases 0.000 claims description 5
- 210000002307 prostate Anatomy 0.000 claims description 5
- 206010005949 Bone cancer Diseases 0.000 claims description 4
- 208000018084 Bone neoplasm Diseases 0.000 claims description 4
- 208000003174 Brain Neoplasms Diseases 0.000 claims description 4
- 208000008839 Kidney Neoplasms Diseases 0.000 claims description 4
- 208000000236 Prostatic Neoplasms Diseases 0.000 claims description 4
- 208000000453 Skin Neoplasms Diseases 0.000 claims description 4
- 239000000090 biomarker Substances 0.000 claims description 4
- 208000014018 liver neoplasm Diseases 0.000 claims description 4
- 208000020816 lung neoplasm Diseases 0.000 claims description 4
- 239000003550 marker Substances 0.000 claims description 4
- 239000000203 mixture Substances 0.000 claims description 4
- 150000002894 organic compounds Chemical class 0.000 claims description 4
- 230000007847 structural defect Effects 0.000 claims description 4
- 210000003491 skin Anatomy 0.000 claims description 3
- 230000005540 biological transmission Effects 0.000 claims description 2
- 201000001514 prostate carcinoma Diseases 0.000 claims 2
- 238000001514 detection method Methods 0.000 abstract description 37
- 238000012545 processing Methods 0.000 description 132
- 230000008569 process Effects 0.000 description 47
- 230000005856 abnormality Effects 0.000 description 29
- 208000004434 Calcinosis Diseases 0.000 description 22
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 21
- 201000010099 disease Diseases 0.000 description 20
- 238000003384 imaging method Methods 0.000 description 17
- 238000004458 analytical method Methods 0.000 description 13
- 238000009607 mammography Methods 0.000 description 13
- 238000013459 approach Methods 0.000 description 12
- 238000002595 magnetic resonance imaging Methods 0.000 description 12
- 230000009466 transformation Effects 0.000 description 12
- 239000011159 matrix material Substances 0.000 description 11
- 238000006243 chemical reaction Methods 0.000 description 10
- 238000004891 communication Methods 0.000 description 10
- 239000000463 material Substances 0.000 description 10
- 238000001574 biopsy Methods 0.000 description 9
- 230000008676 import Effects 0.000 description 9
- 230000011218 segmentation Effects 0.000 description 9
- 230000002596 correlated effect Effects 0.000 description 8
- 238000013461 design Methods 0.000 description 7
- 230000004927 fusion Effects 0.000 description 7
- 230000002159 abnormal effect Effects 0.000 description 6
- 238000011161 development Methods 0.000 description 6
- 230000018109 developmental process Effects 0.000 description 6
- 238000009826 distribution Methods 0.000 description 6
- 238000000605 extraction Methods 0.000 description 6
- 238000007620 mathematical function Methods 0.000 description 6
- 230000015572 biosynthetic process Effects 0.000 description 5
- 230000002308 calcification Effects 0.000 description 5
- 239000002131 composite material Substances 0.000 description 5
- 230000000875 corresponding effect Effects 0.000 description 5
- 238000010801 machine learning Methods 0.000 description 5
- 230000004044 response Effects 0.000 description 5
- 238000012163 sequencing technique Methods 0.000 description 5
- 238000012360 testing method Methods 0.000 description 5
- 230000000007 visual effect Effects 0.000 description 5
- 208000031513 cyst Diseases 0.000 description 4
- 230000007170 pathology Effects 0.000 description 4
- 238000012831 peritoneal equilibrium test Methods 0.000 description 4
- 238000012636 positron electron tomography Methods 0.000 description 4
- 238000012877 positron emission topography Methods 0.000 description 4
- 238000003786 synthesis reaction Methods 0.000 description 4
- 238000000844 transformation Methods 0.000 description 4
- 201000009030 Carcinoma Diseases 0.000 description 3
- 208000007659 Fibroadenoma Diseases 0.000 description 3
- 206010073094 Intraductal proliferative breast lesion Diseases 0.000 description 3
- 241001465754 Metazoa Species 0.000 description 3
- 210000004027 cell Anatomy 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 239000003814 drug Substances 0.000 description 3
- 206010020718 hyperplasia Diseases 0.000 description 3
- 208000014674 injury Diseases 0.000 description 3
- 238000012804 iterative process Methods 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 230000002093 peripheral effect Effects 0.000 description 3
- 230000000750 progressive effect Effects 0.000 description 3
- 238000012216 screening Methods 0.000 description 3
- 238000000926 separation method Methods 0.000 description 3
- 238000001356 surgical procedure Methods 0.000 description 3
- 210000000779 thoracic wall Anatomy 0.000 description 3
- 230000008733 trauma Effects 0.000 description 3
- 241000894006 Bacteria Species 0.000 description 2
- 206010011732 Cyst Diseases 0.000 description 2
- 206010058467 Lung neoplasm malignant Diseases 0.000 description 2
- 206010060862 Prostate cancer Diseases 0.000 description 2
- 206010038389 Renal cancer Diseases 0.000 description 2
- 230000033115 angiogenesis Effects 0.000 description 2
- 230000002238 attenuated effect Effects 0.000 description 2
- 238000010276 construction Methods 0.000 description 2
- 238000002059 diagnostic imaging Methods 0.000 description 2
- 208000028715 ductal breast carcinoma in situ Diseases 0.000 description 2
- 238000001914 filtration Methods 0.000 description 2
- 230000014509 gene expression Effects 0.000 description 2
- PCHJSUWPFVWCPO-UHFFFAOYSA-N gold Chemical compound [Au] PCHJSUWPFVWCPO-UHFFFAOYSA-N 0.000 description 2
- 239000010931 gold Substances 0.000 description 2
- 229910052737 gold Inorganic materials 0.000 description 2
- 238000010191 image analysis Methods 0.000 description 2
- 238000012905 input function Methods 0.000 description 2
- 208000024312 invasive carcinoma Diseases 0.000 description 2
- 201000010982 kidney cancer Diseases 0.000 description 2
- 201000007270 liver cancer Diseases 0.000 description 2
- 230000004807 localization Effects 0.000 description 2
- 201000005202 lung cancer Diseases 0.000 description 2
- 230000036210 malignancy Effects 0.000 description 2
- 230000009245 menopause Effects 0.000 description 2
- 238000005457 optimization Methods 0.000 description 2
- 238000011002 quantification Methods 0.000 description 2
- 230000037390 scarring Effects 0.000 description 2
- 201000000849 skin cancer Diseases 0.000 description 2
- 241001270131 Agaricus moelleri Species 0.000 description 1
- 238000012935 Averaging Methods 0.000 description 1
- 206010006272 Breast mass Diseases 0.000 description 1
- 206010058314 Dysplasia Diseases 0.000 description 1
- 241000282412 Homo Species 0.000 description 1
- 208000037396 Intraductal Noninfiltrating Carcinoma Diseases 0.000 description 1
- 241000533950 Leucojum Species 0.000 description 1
- 241000985694 Polypodiopsida Species 0.000 description 1
- 238000002441 X-ray diffraction Methods 0.000 description 1
- 230000003044 adaptive effect Effects 0.000 description 1
- 239000000654 additive Substances 0.000 description 1
- 230000000996 additive effect Effects 0.000 description 1
- 230000032683 aging Effects 0.000 description 1
- 230000002547 anomalous effect Effects 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 208000003464 asthenopia Diseases 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000004456 color vision Effects 0.000 description 1
- 230000007797 corrosion Effects 0.000 description 1
- 238000005260 corrosion Methods 0.000 description 1
- 230000001186 cumulative effect Effects 0.000 description 1
- 230000006378 damage Effects 0.000 description 1
- 238000007418 data mining Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000007850 degeneration Effects 0.000 description 1
- 230000004069 differentiation Effects 0.000 description 1
- 230000006806 disease prevention Effects 0.000 description 1
- 208000035475 disorder Diseases 0.000 description 1
- 238000005315 distribution function Methods 0.000 description 1
- 201000007273 ductal carcinoma in situ Diseases 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000002996 emotional effect Effects 0.000 description 1
- 239000002360 explosive Substances 0.000 description 1
- 230000004438 eyesight Effects 0.000 description 1
- 230000002068 genetic effect Effects 0.000 description 1
- 238000009499 grossing Methods 0.000 description 1
- 230000002390 hyperplastic effect Effects 0.000 description 1
- 238000003709 image segmentation Methods 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 238000002955 isolation Methods 0.000 description 1
- 210000001165 lymph node Anatomy 0.000 description 1
- 238000013178 mathematical model Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 230000000116 mitigating effect Effects 0.000 description 1
- 238000002156 mixing Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000000877 morphologic effect Effects 0.000 description 1
- 230000001338 necrotic effect Effects 0.000 description 1
- 230000001537 neural effect Effects 0.000 description 1
- 210000000056 organ Anatomy 0.000 description 1
- 230000027758 ovulation cycle Effects 0.000 description 1
- 238000003909 pattern recognition Methods 0.000 description 1
- 230000008447 perception Effects 0.000 description 1
- 230000035935 pregnancy Effects 0.000 description 1
- 238000007639 printing Methods 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 230000002250 progressing effect Effects 0.000 description 1
- 238000003908 quality control method Methods 0.000 description 1
- 238000013139 quantization Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000002207 retinal effect Effects 0.000 description 1
- 230000001568 sexual effect Effects 0.000 description 1
- 231100000444 skin lesion Toxicity 0.000 description 1
- 206010040882 skin lesion Diseases 0.000 description 1
- 230000035882 stress Effects 0.000 description 1
- 238000012916 structural analysis Methods 0.000 description 1
- 238000012706 support-vector machine Methods 0.000 description 1
- 230000002123 temporal effect Effects 0.000 description 1
- 238000002560 therapeutic procedure Methods 0.000 description 1
- 230000025366 tissue development Effects 0.000 description 1
- 238000012549 training Methods 0.000 description 1
- 230000007704 transition Effects 0.000 description 1
- 230000016776 visual perception Effects 0.000 description 1
- 230000004584 weight gain Effects 0.000 description 1
- 235000019786 weight gain Nutrition 0.000 description 1
- 238000003466 welding Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/54—Extraction of image or video features relating to texture
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/43—Detecting, measuring or recording for evaluating the reproductive systems
- A61B5/4306—Detecting, measuring or recording for evaluating the reproductive systems for evaluating the female reproductive systems, e.g. gynaecological evaluations
- A61B5/4312—Breast evaluation or disorder diagnosis
-
- 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
- A61B6/50—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment specially adapted for specific body parts; specially adapted for specific clinical applications
- A61B6/502—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment specially adapted for specific body parts; specially adapted for specific clinical applications for diagnosis of breast, i.e. mammography
-
- 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
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B8/00—Diagnosis using ultrasonic, sonic or infrasonic waves
- A61B8/08—Clinical applications
- A61B8/0825—Clinical applications 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T11/00—2D [Two Dimensional] image generation
- G06T11/001—Texturing; Colouring; Generation of texture or colour
-
- 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
-
- 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
- G06T7/174—Segmentation; Edge detection involving the use of two or more images
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/40—Analysis of texture
- G06T7/41—Analysis of texture based on statistical description of texture
- G06T7/48—Analysis of texture based on statistical description of texture using fractals
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/46—Descriptors for shape, contour or point-related descriptors, e.g. scale invariant feature transform [SIFT] or bags of words [BoW]; Salient regional features
- G06V10/462—Salient features, e.g. scale invariant feature transforms [SIFT]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/56—Extraction of image or video features relating to colour
-
- 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
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N1/00—Scanning, transmission or reproduction of documents or the like, e.g. facsimile transmission; Details thereof
- H04N1/46—Colour picture communication systems
- H04N1/465—Conversion of monochrome to colour
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N1/00—Scanning, transmission or reproduction of documents or the like, e.g. facsimile transmission; Details thereof
- H04N1/46—Colour picture communication systems
- H04N1/56—Processing of colour picture signals
- H04N1/60—Colour correction or control
- H04N1/6027—Correction or control of colour gradation or colour contrast
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B2503/00—Evaluating a particular growth phase or type of persons or animals
- A61B2503/40—Animals
-
- 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
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30004—Biomedical image processing
- G06T2207/30016—Brain
-
- 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
- G06T2207/30056—Liver; Hepatic
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30004—Biomedical image processing
- G06T2207/30061—Lung
-
- 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
- G06T2207/30068—Mammography; Breast
-
- 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
- G06T2207/30081—Prostate
-
- 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
- G06T2207/30084—Kidney; Renal
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V2201/00—Indexing scheme relating to image or video recognition or understanding
- G06V2201/03—Recognition of patterns in medical or anatomical images
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Physics & Mathematics (AREA)
- Medical Informatics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- General Health & Medical Sciences (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Public Health (AREA)
- Pathology (AREA)
- Biomedical Technology (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Radiology & Medical Imaging (AREA)
- Heart & Thoracic Surgery (AREA)
- Molecular Biology (AREA)
- Surgery (AREA)
- Animal Behavior & Ethology (AREA)
- Biophysics (AREA)
- Veterinary Medicine (AREA)
- Multimedia (AREA)
- Optics & Photonics (AREA)
- High Energy & Nuclear Physics (AREA)
- Physiology (AREA)
- Signal Processing (AREA)
- Dentistry (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Quality & Reliability (AREA)
- Probability & Statistics with Applications (AREA)
- Gynecology & Obstetrics (AREA)
- Reproductive Health (AREA)
- Databases & Information Systems (AREA)
- Data Mining & Analysis (AREA)
- Epidemiology (AREA)
- Primary Health Care (AREA)
- Image Processing (AREA)
- Apparatus For Radiation Diagnosis (AREA)
- Ultra Sonic Daignosis Equipment (AREA)
- Measuring And Recording Apparatus For Diagnosis (AREA)
- Nuclear Medicine (AREA)
Abstract
Description
[0005]さらなる実施形態では、第1の画像とは別および別個であり、第2の画像とは別および別個である、第3の画像を生成するために、第2の画像に、第1のローカルマイクロコントラスト収束アルゴリズムとは別および別個の、第2のローカルマイクロコントラスト収束アルゴリズムを適用すること。
[0011]さらなる実施形態では、ローカルマイクロコントラスト収束アルゴリズムが、近隣ピクセルグループ間の関係を、物質の構造およびそれの撮像モダリティとの関係に従う予測可能な色および光度パターンに集約させるために、特定の物質タイプを表す画像入力ピクセル値を画像出力ピクセル値に変えるPLUTにおいて指定されたメトリックを利用する変換のシーケンスを定義し、処理することができ、各物質が一意に特徴づけられ、視覚的に区別され得る。
[0015]さらなる実施形態では、多次元空間中の次元数が2またはそれ以上に等しい。
[0017]さらなる実施形態では、多次元空間中の次元数が、HSL、XYZ、およびCMYKなどの色空間のN次元に等しい。
[0030]一実施形態では、本明細書で説明される方法のいずれかに記載の画像中の特徴の存在を視覚的にまたはデジタル的に表現するための偽陽性誤り率を低減するシステムがある。
[0037]さらなる実施形態では、第2の(すなわち、後続の)画像中の放射線科医によって検出されたかまたは視覚化された乳癌についての偽陰性率が、正常乳房について16%未満であり、高密度組織の部分を有する乳房について60%未満である。
[0039]一実施形態では、少なくとも1つのプログラムを記憶するように各々動作可能な1つまたは複数のメモリユニットと、1つまたは複数のメモリユニットに通信可能に結合された少なくとも1つのプロセッサであって、少なくとも1つのプログラムが、少なくとも1つのプロセッサによって実行されたとき、少なくとも1つのプロセッサに、画像を受信するステップと、画像のピクセル値を初期多次元色空間にマッピングするステップと、ローカルマイクロコントラスト収束を引き起こし、多次元色空間をもつ処理された画像を作成するために、画像の初期多次元色空間に1つまたは複数のローカルマイクロコントラスト収束伝達関数を適用するステップと、処理された多次元色空間に基づいてその画像視覚化を表示するステップとを実施させる、少なくとも1つのプロセッサとを含むシステムがある。
[0041]さらなる実施形態では、多次元色空間画像が、ルミナンス値を有するルミナンス次元を含む。
[0044]いくつかの実施形態では、多次元色空間が、HSV、HLS、HSB、XYZ、CMYK、CIEXYZ、またはCIELABのうちの1つであり得る。
[0056]上記の発明の概要、ならびに本発明の実施形態の以下の詳細な説明は、例示的な実施形態の添付の図面とともに読まれるとき、より良く理解される。しかしながら、本発明は示される正確な構成および手段に限定されないことを理解されたい。
[0084]医学におけるたいていの画像処理および分析方法論は、たとえば、画像内のエリアを関心エリア(AOI:area of interest)として発散させるか、分岐させるか、または単離させるように設計される。これらのプロセスでは、AOIは、セグメント化アルゴリズムの1つまたは複数のシーケンスを適用することによって単離される。コンピュータ支援検出(CAD:computer aided detection)プロセスとして知られる、多くの画像処理および分析方法論は、マンモグラム中の乳癌、他のモダリティにおける他の疾患の存在を識別するために、および医学以外の適用例のために使用されるように設計される。研究の結果は、乳房画像解析において使用されるCADプロセスが最高5000対1の偽陽性率(false positive rate)を有することを示した。偽陽性率は、陽性(偽陽性)として誤ってカテゴリー分類された陰性イベントの数と実際の陰性イベントの総数との間の比である。
[0089]乳癌撮像領域適用例
[0090]マンモグラフィは、乳癌または他の異常の考えられる存在を検出するために人の乳房の画像を発生するためのX線ラジオグラフの使用法である。マンモグラムの使用は、乳癌を検出するための選別のために利用可能な現在最も良好な方法論であるが、癌をもつ女性のうちの10%から30%の間が陰性(すなわち、癌なし)として報告される。これは、マンモグラフィ画像中の癌を検出する非常に複雑な、およびしばしば非常に微細な性質に一部起因し得、特に乳癌を患うより高い可能性を有する高密度乳房組織をもつ女性にとって深刻な問題である。マンモグラムでは癌は白色に見えるが、乳房は、同じく白色に(たとえば、高密度乳房組織)および暗く(たとえば、脂肪乳房組織)見える、癌性でない要素を含有する。放射線科医は脂肪組織中の癌をより容易に観測するが、高密度乳房組織中に生じた癌は周囲の組織と見分けることが非常に困難である。ほぼ40%の女性が、高密度組織の少なくとも一部分を含有する乳房を有し、したがって、女性の乳房組織中の密度のレベルまたは相対量にかかわらず癌性病変を見分けることが可能である大きな必要がある。
[0096]組織の局所的なまたは全体的な変動密度を示す画像中の癌を検出するためにコンピュータ支援検出および機械学習技法を使用することの課題は、生体組織中に生じることがある動的構造変化に関連する変動性によって悪化される。この数の可能な組合せを伴う疾患のセグメント化は、低い数の偽陽性を維持しながら一貫して癌を検出するようにコンピュータをトレーニングすることを非常に困難にする。
[00100]・壊死組織の存在
[00101]・埋没した癌に関連する高密度線維乳腺組織の存在量
[00102]・以前の手術、生検、または体重増加
[00103]・月経周期中の女性への変化、または閉経からの変化
[00104]従来のCAD手法
[00105]概して、乳癌に関係するラジオグラフィ所見は、概して、2つの異なるタイプの構造、塊、および微小石灰化の存在を識別することを伴う。病理学に関係する微小石灰化は、管中に、新生物に関連して一般に生じる。塊は、たいていの場合、異常と相関し、良性または癌性のいずれかであり得る。乳房内の線維乳腺組織は塊を不明瞭にし、未処理画像中での検出を困難にすることがある。
[00112]本発明のいくつかの実施形態では、所与の画像のコンテキスト内のすべての構造および特徴を差分的におよび予測どおりに視覚化し、特徴づけることによって、視覚化を改善し、すべての組織のコンテキストを維持するように設計された画像処理方法論に関連するシステムおよび方法が開示される。これらの実施形態は、各物質のタイプに関連するローカルマイクロコントラストパターンを合体(または収束)させ、一貫して、得られた処理された画像内の特徴的な特性パターンとして表現させる、画像処理関数の反復シーケンシングのプロセスを採用する。言い換えれば、これらの実施形態は、組織の残部のコンテキスト外に、識別された組織タイプを抽出するかまたは除去することを試みるのではなく、組織の残部のコンテキスト内でのすべての組織タイプの特徴づけのための手法を与える。
[00139]図2cは、本発明の1つまたは複数の実施形態による、1つまたは複数の方法を実施するための電子デバイス250を示すブロック図を示す。
[00146]図3aは、非常に高密度な乳房を含有し、高密度が300において輪郭を描かれたマンモグラムを示す。301における輪郭は、302において癌を含有する極度の密度の境界を画定する。
[00149]CIアルゴリズムの実施形態は、元のグレースケールマンモグラムを処理することと、乳房組織中の高密度異常の境界および内部構造を明らかにすることとによって、その異常の表現を最適化するように設計される。アルゴリズムシーケンスは、臨床医および患者が懸念のエリアを容易に観測することがより容易であるように、異常と他の正常組織との間の著しい色および輝度区別を与える。
[00151]ステップ401において、プロセッサ252はグレースケール画像をインポートする。図4aは、本発明の少なくとも1つの実施形態による、マンモグラムの例示的なグレースケール画像を示す。図4dは図4aの水平勾配表現を示す。勾配グレースケール画像は、ローカルマイクロコントラスト収束アルゴリズムシーケンスにおいて表現される色のフルレンジが示され得るように、異なるマンモグラムが有するレンジと比較して、ルミナンスレベルのフルレンジを与える。図4kで説明されるアルゴリズムシーケンスの各ステップは、ここでも、説明および比較目的のために、マンモグラムと勾配の両方に適用され得る。
[00155]いくつかの実施形態では、グレースケール画像をマッピングするために、グレースケール画像は、n>1が、ボクセルを含有する新しい行列セットを形成する、色空間レイヤのn次元重ね合わせ行列空間を形成するために、各色成分およびルミナンス値について同等のx/y座標の追加の行列に複製される。
f(Lp)=Cp、
ここで、原本中の各x/y座標におけるピクセル値は、Cの多次元色空間の各色空間レイヤ中の対応するx/y座標にマッピングされる。
[00168]図4hは、図4bにおける画像に適用された後に、このローカルマイクロコントラスト収束アルゴリズムシーケンスにおける乳房構造を明らかにするために最適化されたCI PLUT2(2Dルックアップテーブル)の色値を示す。
[00173]いくつかの実施形態では、これらの伝達関数の設計思想は、乳房組織の外部のマンモグラムのエリア中のピクセル値を減衰させるために採用される。その結果、PLUTにおける伝達関数値の1つの成分は、乳房エリア内のパターンに干渉しないように乳房の外部のマンモグラムのエリアに値を割り当てることによって、最終画像における臨床医の眼精疲労を低減する。
[00175]このプロセスの各ステップは、さらに、サイズにかかわらず、グレースケールマンモグラム(それは乳房のMRIおよび超音波画像についてもうまくいく)を、異常組織の境界を明らかに画定した色パターンに変換し、ならびに正常乳房組織の構造を明らかにする。この画像視覚化では、癌性病変は、それら自体をすべての他の異常および正常組織構造と分離する特徴的なパターンを有する。
[00180]LDアルゴリズムに関する本発明の実施形態は、画像(たとえば、元のマンモグラム)の非常に低い密度のエリア中に生じた画像中の極めて精細な構造および詳細を強調するように設計された視覚化を与える。スピキュラおよび低減衰病変など、診断上重要な構造が明確に画定される。
[00182]ステップ501において、プロセッサ252はグレースケール画像をインポートする。図5aは、本発明の少なくとも1つの実施形態による、マンモグラムの例示的なグレースケール画像を示す。図5dは、黒色から白色への256個のグレースケール値の水平勾配表現を示す。
[00187]ステップ504において、(図5bに示されている色画像として表される)多次元色空間は、次に、HSL色空間にコンバートされる。この実施形態では、RGB値は、以下の例において以下で示されているように、ルミナンス、色相、および彩度値にコンバートされる。
(0.0,0.0,0.2,赤)
(0.0,0.0,0.1,シアン)
(0.0,−1.0,0,マスタ)
[00188]画像は、ステップ505において、最初にRGB色で、またはコンバージョンの後にHSL色空間で表示され得る。
[00192]HDアルゴリズムに関する本発明の実施形態は、画像のまさに最高密度のエリア中に生じた画像(たとえば、元のマンモグラム)中の詳細を明らかにするように設計された視覚化を与える。乳房異常および癌性病変などの構造が、周囲の高密度明/白色エリアから明らかにされ、明確に画定される。
[00194]ステップ601において、プロセッサ252はグレースケール画像をインポートする。図6aは、本発明の少なくとも1つの実施形態による、マンモグラムの例示的なグレースケール画像を示す。
[00196]ステップ603において、プロセッサ252は、多次元色空間に1つまたは複数の非線形伝達関数の第1のセット(たとえば、HD PLUT1ローカルマイクロコントラストアルゴリズム)を適用する。1つまたは複数の非線形伝達関数の第1のセットの表現が、それぞれ図6gおよび図6hに示されている。図6gは、マンモグラフィ画像中の乳房構造を明らかにするために最適化されたLD PLUT(ルックアップテーブル)の色値を示す。図6hは、(たとえば、図6hにおけるPLUTから作成され得る)座標系中のグラフィック表現を示す。これらの実施形態では、第1の伝達関数は、乳房画像のルミナンス値606を反転させるためにルミナンス色空間レイヤに適用される。赤色チャネル607は、高密度乳房エリアを減衰させながら、画像の低密度エリアを増幅する。緑色チャネル値の不連続マッピングとして図6hに図式的に示されている、緑色チャネル608は、乳房境界をカラー化し、赤色チャネルに関与して乳房背景を黄色にする。いくつかの実施形態では、高密度乳房組織は、より低い50%のレンジ、より低い40%のレンジ、より低い30%のレンジ、より低い20%のレンジ、またはより低い10%のレンジよりも大きい。青色チャネル609は、乳房の外側境界を画定するために色を追加する。このローカルマイクロコントラスト収束アルゴリズムの設計およびそれの関係するPLUT値は、乳房中の高密度の割合にかかわらず、画像の任意の部分中の詳細を明らかにするように機能することができる。
[00200]MCアルゴリズムに関する本発明の実施形態は、画像(たとえば、元のマンモグラム)のまさに最高密度のエリア中に生じた画像中の詳細を明らかにするように設計された視覚化を与え、主に石灰化などの小さい構造が周囲の高密度明/白色エリアから明らかにされ、明確に画定される。
[00202]ステップ701において、プロセッサ252はグレースケール画像をインポートする。図7aは、本発明の少なくとも1つの実施形態による、マンモグラムの例示的なグレースケール画像を示す。
[00204]ステップ703において、プロセッサ252は、多次元色空間に1つまたは複数の伝達関数の第1のセット(たとえば、MC PLUT1ローカルマイクロコントラスト収束アルゴリズム)を適用する。ローカルマイクロコントラスト収束アルゴリズムの表現が、図7hおよび図7iに示されている。図7hは、マンモグラフィ画像中の乳房構造を明らかにするために最適化されたMC PLUT(ルックアップテーブル)の色値を示す。図7iは座標系中のグラフィック表現を示す。これらの実施形態では、伝達関数は、乳房画像のルミナンス値を不連続的に反転させるためにルミナンス空間706に適用される。赤色チャネル707は、赤色チャネル値の不連続マッピングを採用する画像の大部分を減衰させる。緑色チャネル708の値は、乳房の高密度エリアに茶色トーンを作成することに関与する。青色チャネル709は、乳房の脂肪組織エリアにわずかに色合いをつける。
[00209]RFアルゴリズムに関する本発明の実施形態は、画像(たとえば、元のマンモグラム)中の極めて精細な構造および詳細を強調するように設計された視覚化を与える。スピキュラおよび乳管などの構造が、癌の構造を含む残りの高密度エリア内の構造がそうであるように、明確に画定される。いくつかの実施形態では、軽減視覚化が、ユーザ(たとえば、放射線科医)による可視性を改善するために、元の画像上の重なりとして示される。
[00211]図8b−図8c−図8l−図8m−図8sは、図8aにおける元のマンモグラムから始まって、複数のローカルマイクロコントラスト収束変換を反復的に適用することによって取得された結果を示す。図8e−図8f−図8n−図8o−図8tは、8dにおける元の勾配グレースケール画像に適用されたのと同じRF変換シーケンスステップの結果を示す。
[00215]ステップ803において、プロセッサ252は、元のグレースケール画像の多次元色空間に半径1のメジアンフィルタを適用する。
[00220]ステップ806において、プロセッサ252は、ステップ801において利用されたのと同じグレースケールの元の画像の複写をインポートする。
[00222]ステップ808において、プロセッサ252は、複写の画像の多次元色空間に1つまたは複数の伝達関数の第1のセット(たとえば、ローカルマイクロコントラスト収束伝達関数RF PLUT1)を適用する。これらの実施形態では、(たとえば、ローカルマイクロコントラスト収束関数RF PLUT1の)第1の伝達関数は、画像のより暗い値を上昇させ、中間トーンを減衰させるために、ルミナンス色空間814に適用される。
[00229]ステップ811において、プロセッサ252は、図8lにおける画像の多次元色空間に1つまたは複数の伝達関数の第4のセット(たとえば、ローカルマイクロコントラスト収束関数RF PLUT4)を適用して、図8mに示されている画像を生じる。いくつかの実施形態では、図8qにも図式的に示されているRF PLUT4は、画像のより低い密度のルミナンス値の増加をもたらし、癌に関連する色調値を拡張し、乳房境界をさらに画定するために、ルミナンスチャネル820に適用される。
[00235]GIアルゴリズムに関する本発明の実施形態は、画像(たとえば、元のマンモグラム)中の高密度構造および詳細を単離し、視覚化し、特徴づけ、グレースケールの得られた画像中にそれらを表示するように設計された視覚化を与える。高密度乳房組織内の変動が、画像のより暗いエリア中に反映される。癌性および良性病変などの構造が、高密度エリア内の構造がそうであるように、明確に画定される。いくつかの実施形態では、GI視覚化は、ユーザ(たとえば、放射線科医)による異常の可視性を改善するように設計される。
[00237]図9b−図9c−図9m−図9nは、図9aにおける元のマンモグラムから始まって、複数のローカルマイクロコントラスト収束変換を反復的に適用することによって取得された結果を示す。図9e−図9f−図9o−図9pは、9dにおける元の勾配グレースケール画像に適用されたのと同じRF変換シーケンスステップの結果を示す。
[00241]ステップ903において、プロセッサ252は、画像の多次元色空間に1つまたは複数の伝達関数の第1のセット(たとえば、ローカルマイクロコントラスト収束伝達関数GI PLUT1)を適用する。これらの実施形態では、1つまたは複数の伝達関数は、(たとえば、図9gのGI PLUT1ルックアップテーブルおよび図9iにおけるPLUTのグラフィック表現に見られるように)画像のルミナンス値を非線形的に反転させるために、ルミナンス色空間912に適用される。
[00247]図9mに示されている色画像は、次いで、ステップ904においてHSL色空間にコンバートされ、RGB値は、ルミナンス、色相、および彩度値にコンバートされる。画像は、ステップ906において、最初にRGB色で、またはコンバージョンの後にHSL色空間で表示され得る。
[00249]図9mにおける画像は、HSL色空間中のすべての色相についての彩度を−100%彩度に設定することによって、ステップ908において変更される。その結果、色相はもはや、画像の表現におけるファクタでない。
[00252]ブレンドされ、次いでマージされた画像は、次いで、図9nに示されているようなグレースケール画像を形成するために、単一ルミナンスチャネルにコンバートされる。最終画像中の詳細は、乳房の上側部分中の大きい癌性腫瘍を明らかにする。GIローカルマイクロコントラスト収束アルゴリズムプロセスは、病変920の広がりを明らかにし、それの境界を画定し、病変のコア内の詳細を明らかにした。本明細書で実施される他のローカルマイクロコントラスト収束アルゴリズムシーケンスの使用が、次いで、さらなる分析のために、および正常高密度組織と、良性と、癌性病変との間で弁別するために、識別されたエリアに相関され得る。
[00255]RBアルゴリズムに関する本発明の実施形態は、乳房の残部が暗いグレーとして明らかにされる一方、癌のものを含む乳房の高密度エリア内の明確に画定された境界および内部構造を単離するように設計された視覚化を与える。
[00257]図10b−図10c−図10m−図10n−図10s−図10tは、図10aにおける元のマンモグラムから始まって、複数のローカルマイクロコントラスト収束変換を反復的に適用することによって取得された結果を示す。図10e−図10f−図10o−図10p−図10u−図10vは、図10dに示されているような元の勾配グレースケール画像に適用されたのと同じRB変換シーケンスステップの結果を示す。
[00261]ステップ1003において、プロセッサ252は、元のグレースケール画像の多次元色空間に半径3のメジアンフィルタを適用する。
(0.0,−1.0,−0.3,マゼンタ)
(0.0,−1.0,0.3,赤)
(0.0,−1.0,−0.4,黄)
(0.0,−1.0,−0.4,シアン)
(0.0,−1.0,0.2,青)
(0.0,−1.0,−0.1,緑)
[00269]図10tにおける最終画像は、HSL色空間中のすべての色相についてのマスタ彩度を−100%彩度に設定することによって、図10sにおける画像から作成される。その結果、色相はもはや、画像の表現におけるファクタでない。しかしながら、ルミナンス値は依然として調整可能であり、色空間中の様々な色相のルミナンス値を変化させることが、それらの値のグレースケール表現を変更することができる。
[00272]図11a〜図11dは、本出願の一実施形態が異なる撮像モダリティにわたって実施する一貫性を示す。乳房画像のためのパターン応答は、図11aにおけるモダリティ3Dトモシンセシス、図11bにおける3Dからの2Dシンセシス、図11cにおけるフルフィールドデジタルマンモグラフィ(FFDM:Full Field Digital Mammography)、および図11dにおけるデジタル化フィルムについて、一貫した色および組織特徴づけを明らかにする。これは、患者の画像が異なる撮像モダリティを使用して履歴的に発生されたときでも、放射線科医およびその患者に、アルゴリズムの1つのセットのみを使用して経時的な変化を比較する能力を与える。これらの結果は、図1dにおけるモダリティ融合として識別された特徴のローカルマイクロコントラスト収束階層に示されているように、ローカルマイクロコントラスト収束手法に固有の能力のうちの1つを検証する。
[00279]前のパラグラフはローカルマイクロコントラスト収束の画像視覚化のための異なる実施形態について説明するが、一実施形態において実施される処理ステップのうちの1つまたは複数が、限定はしないが、本明細書で説明されたものの中でも、ガンマレベル調整または平準化、畳み込みフィルタ処理、シャープ化フィルタ、平滑化フィルタ、メジアンフィルタ、ハイパスフィルタ、ローパスフィルタ、マージ関数、画像乗算関数、画像減算関数、画像加算関数、画像ブレンド関数、ウェーブレット関数、および画像階層化関数を含む、任意の順序でおよび/または他の実施形態に適用され得ることを、当業者は諒解されよう。
[00281]本発明の実施形態は、限定はしないが、特に、医療撮像(たとえば、マンモグラフィ、MRI、PET、またはCATスキャン、超音波、3Dトモシンセシス)、爆弾検出、液体爆発物検出、衛星撮像、構造分析、工業、応力、品質管理、溶接および物質分析(たとえば、高圧線、飛行機翼、原子力発電所中のパイプにおける亀裂または損傷について検査する)、印刷規格分析(たとえば、貨幣刻印)、ならびに科学捜査を含む、いくつかの異なる分野への適用可能性を有する。したがって、異なる撮像モダリティ(たとえば、マンモグラム、X線、超音波、赤外線、紫外線、MRI、CTスキャン、PETスキャン、グレースケール、カラー、可視光(たとえば、写真顕微鏡検査)、レーザースキャン)が、本明細書で説明される異なる視覚化方法論を使用して処理され得る。本発明の実施形態は本明細書で説明される分野に限定されず、代わりに、画像を発生する撮像モダリティまたはエネルギー源にかかわらず、画像中のピクセルデータ分析を必要とする任意の分野に適用可能であることを当業者はまた諒解されよう。
[00283]本発明の実施形態は、限定はしないが、人間と動物の両方の前立腺、腎臓、肝臓、骨、肺、脳、および皮膚を含む、いくつかの異なる癌を視覚化し、特徴づけ、検出することへの適用可能性を有する。本発明の実施形態は本明細書で説明される癌に限定されず、代わりに、他の同様の癌に適用可能であることを当業者はまた諒解されよう。
[00286]たとえば医療適用例において本明細書で説明されるマイクロコントラスト収束アルゴリズムのうちの1つまたは複数を適用することは、ユーザ(たとえば、放射線科医)が関心構造(たとえば、癌)を検出することを容易にする画像視覚化を生成する。その結果、偽陽性率および偽陰性率はかなり低減される。
[00291]本発明の実施形態を実装することによって、(たとえば、放射線科医による)特徴識別を改善する向上した様式で組織構造を視覚化し、特徴づける画像が発生される。
[00302]少なくとも1つの実施形態では、1つまたは複数のプロセッサおよびメモリ(たとえば、1つまたは複数の不揮発性記憶デバイス)を有する1つまたは複数のコンピュータが含まれる。いくつかの実施形態では、メモリまたはメモリのコンピュータ可読記憶媒体は、プロセッサが、本明細書で開示される様々なシステムおよび方法を制御し、動作させるための、プログラム、モジュール、およびデータ構造、またはそのサブセットを記憶する。一実施形態では、プロセッサによって実行されたとき、本明細書で開示された方法のうちの1つまたは複数を実施する、コンピュータ実行可能命令を記憶した非一時的コンピュータ可読記憶媒体。
Claims (47)
- 画像中の特徴を視覚化し、特徴づける(characterizing)方法であって、
第1の画像とは別(separate)および別個(distinct)である第2の画像を生成するために、前記第1の画像に第1のローカルマイクロコントラスト収束(convergence)アルゴリズムを適用するステップであって、前記第2の画像が前記特徴を含む、適用するステップ
を含む、方法。 - 前記第1の画像および前記第2の画像とは別および別個である第3の画像を生成するために、前記第1の画像に、前記第1のローカルマイクロコントラスト収束アルゴリズムとは別および別個の、第2のローカルマイクロコントラスト収束アルゴリズムを適用するステップ
をさらに含む、請求項1に記載の方法。 - 第4の画像を発生するために、前記第3の画像に第3のローカルマイクロコントラスト収束アルゴリズムを連続的に適用するステップ
をさらに含む、請求項2に記載の方法。 - 前記元の画像、前記第1の画像、前記第2の画像、前記第3の画像、または前記第4の画像とは別および別個である第5の画像を生成するために、前記第1の画像、前記第2の画像、前記第3の画像、または前記第4の画像のうちの1つまたは複数を合成するステップ
をさらに含む、請求項2に記載の方法。 - 前記第1のマイクロコントラスト収束アルゴリズムを適用するステップが、前記第1の画像に1つまたは複数の非線形不連続伝達関数を適用するステップを含む、請求項1に記載の方法。
- 前記第1の画像に1つまたは複数の非線形不連続伝達関数を適用するステップが、前記非線形不連続伝達関数を表す1つまたは複数のグレースケールまたはカラープロファイルルックアップテーブルを利用するステップを含む、請求項5に記載の方法。
- 第1の画像が、ピクセル値を有するグレースケール画像であり、前記方法が、
第1の多次元色空間中に前記グレースケール画像の前記ピクセル値を複製するステップであって、前記第1の多次元色空間の各次元が前記グレースケール画像の前記ピクセル値の複製である、複製するステップ
をさらに含む、請求項1に記載の方法。 - 前記第1の多次元色空間が、4つの異なる成分、すなわち、ルミナンス、赤、緑、および青を含む4つの次元を含み、前記第2の画像が、ルミナンスと、3つの異なる色次元、すなわち、ルミナンス、赤、緑、および青とを含むRGB多次元色空間である、請求項7に記載の方法。
- 前記第1の画像および前記第2の画像が多次元色空間画像である、請求項1に記載の方法。
- 前記第2の多次元色空間画像を単一次元グレースケール画像にコンバートするステップ
をさらに含む、請求項9に記載の方法。 - 前記第1の多次元色空間画像が、前記第1の多次元色空間画像の各ピクセルに対応するルミナンス値を有するルミナンス次元を含む、請求項10に記載の方法。
- 前記第2の多次元色空間画像を単一次元グレースケール画像にコンバートするステップが、前記単一次元グレースケール画像にコンバートするために、前記第2の多次元色空間画像中の各ピクセルの各色空間の前記ルミナンス値を変更するステップを含む、請求項11に記載の方法。
- 前記第1の画像が、X線、超音波、赤外線、紫外線、MRI、CTスキャン、PETスキャン、グレースケール、カラー、可視光、mm波、またはレーザースキャンによって発生された画像である、請求項1に記載の方法。
- 前記特徴が、乳房、前立腺、腎臓、肝臓、骨、肺、脳、または皮膚の癌である、請求項1に記載の方法。
- 前記特徴が、心臓血管疾患、アルツハイマー病、眼の疾患、または多発性硬化症病変についてのバイオマーカーである、請求項1に記載の方法。
- 前記特徴が、固体または液体有機化合物についての化学マーカーである、請求項1に記載の方法。
- 前記特徴が構造上の欠陥である、請求項1に記載の方法。
- 乳癌についての偽陽性率(false positive rate)が10%未満である、請求項14に記載の方法。
- 乳癌についての前記偽陽性率が5%未満である、請求項14に記載の方法。
- 乳癌についての前記偽陽性率が1%未満である、請求項14に記載の方法。
- 乳癌についての偽陰性率が1%未満である、請求項14に記載の方法。
- 前記画像が、高密度乳房組織を含有する乳房のマンモグラム画像であり、前記特徴が乳癌であり、前記偽陰性率が60%未満である、請求項1に記載の方法。
- 前記画像が、高密度乳房組織を含有する乳房のマンモグラム画像であり、前記特徴が乳癌であり、前記偽陰性率が50%未満である、請求項1に記載の方法。
- 前記画像が、高密度乳房組織を含有する乳房のマンモグラム画像であり、前記特徴が乳癌であり、前記偽陰性率が0.1%から59.9%の間である、請求項1に記載の方法。
- 前記特徴は、サイズが1mmであるかまたはそれよりも大きい、請求項14に記載の方法。
- 関心の第1の特徴を含有する第1の画像内の第2の特徴を示す方法であって、
請求項1に記載の前記第1の画像とは異なる第2の画像を生成するために、前記第1の画像にローカルマイクロコントラスト組織収束アルゴリズムを適用するステップであって、前記第1の特徴内の前記第2の特徴は、サイズが700〜900ミクロンであり、前記第1の特徴は、サイズが1mmであるかまたはそれよりも大きい、適用するステップ
を含む、方法。 - 前記第1の画像が、ピクセル当たり35〜125ミクロンの解像度を有する、請求項26に記載の方法。
- 前記第1の画像とは別および別個である第2の画像を生成するために、第1の画像に第1のローカルマイクロコントラスト組織収束アルゴリズムを適用するステップが、
前記第1の画像を受信するステップと、
前記第1の画像のピクセル値を初期多次元色空間にマッピングするステップと、
ローカルマイクロコントラスト収束を引き起こし、処理された多次元色空間を作成するために、前記初期多次元色空間に1つまたは複数の非線形伝達関数を適用するステップと、
前記処理された多次元色空間に基づいて前記第2の画像の画像視覚化を表示するステップと
を含む、請求項26に記載の方法。 - ローカルマイクロコントラスト収束が、近隣ピクセルグループ間の関係をあらかじめ定義された色および光度パターンに集約させる(aggregate)ために採用される伝達関数のシーケンスを表す、請求項28に記載の方法。
- 前記多次元色空間が、RGB、HSV、HLS、HSB、XYZ、CMYK、CIEXYZ、またはCIELAB色空間のうちの1つである、請求項28に記載の方法。
- 前記初期多次元色空間にメジアンフィルタを適用するステップをさらに含み、
前記初期多次元色空間に前記1つまたは複数の非線形伝達関数を適用するステップが、
低密度脂肪(fatty)乳房組織を減衰させる(attenuate)ために、非線形伝達関数の第1のセットを適用するステップと、
脂肪乳房組織を第1の色として見えるようにし、他の色を使用して前記より高密度の乳房組織を区別するために、非線形伝達関数の第2のセットを適用するステップと、
前記第1の色に関連する色空間レイヤ中の低いピクセル値を増幅し、高いピクセル値を減衰させるために、非線形伝達関数の第3のセットを適用するステップと、
表示されるとき、前記画像の背景を黒色に変化させるために、非線形伝達関数の第4のセットを適用するステップと
を含む、請求項28に記載の方法。 - 第2の画像を受信するステップであって、前記第2の画像が前記第1の画像と実質的に相似である、受信するステップと、
前記第2の画像のピクセル値を第2の初期多次元色空間にマッピングするステップと、
第2の処理された多次元色空間を作成するために、前記初期多次元色空間にメジアンフィルタおよび畳み込みフィルタを適用するステップと、
前記第1の画像に関連する前記処理された多次元色空間と、前記第2の画像に関連する前記第2の処理された多次元色空間とに基づいて、画像視覚化を表示するステップと
をさらに含み、
前記第1の画像に関連する前記初期多次元色空間に前記1つまたは複数の非線形伝達関数を前記適用するステップが、
前記第1の画像のより暗い値を上昇させ、中間トーンを減衰させるために、非線形伝達関数の第1のセットを適用するステップと、
微細な色相を追加するために、前記多次元色空間に非線形伝達関数の第2のセットを適用するステップと、
癌に関連する色調値を拡張するために、非線形伝達関数の第3のセットを適用するステップと
を含む、請求項28に記載の方法。 - 前記第1の画像のコントラストを調整し、構造的詳細をハイライトするために、前記多次元色空間のガンマレベルを調整するステップをさらに含み、
前記第1の画像に関連する前記初期多次元色空間に前記非線形伝達関数を前記適用するステップが、
前記多次元色空間のルミナンスレベルを減少させるために、非線形伝達関数の第1のセットを適用するステップと、
ルミナンスに関連する前記初期多次元色空間の値を反転させるために、非線形伝達関数の第2のセットを適用するステップと
を含む、請求項28に記載の方法。 - 前記受信された画像が、X線、超音波、赤外線、紫外線、MRI、CTスキャン、PETスキャン、グレースケール、カラー、可視光、mm波、またはレーザースキャンによって発生された画像である、請求項28に記載の方法。
- 前記受信された画像が特徴を含み、前記特徴が、乳房、前立腺、腎臓、肝臓、骨、肺、脳、または皮膚の癌である、請求項28に記載の方法。
- 前記受信された画像が特徴を含み、前記特徴が、心臓血管疾患、アルツハイマー病、眼の疾患、または多発性硬化症病変(multiple sclerosis)についてのバイオマーカーである、請求項28に記載の方法。
- 前記受信された画像が特徴を含み、前記特徴が、固体または液体有機化合物についての化学マーカーである、請求項28に記載の方法。
- 前記受信された画像が特徴を含み、前記特徴が構造上の欠陥である、請求項28に記載の方法。
- 前記第1の画像が、高密度乳房組織および脂肪乳房組織の表現を含むマンモグラムであり、前記第1の画像とは別および別個である第2の画像を生成するために、第1の画像に第1のローカルマイクロコントラスト収束アルゴリズムを適用するステップが、
前記第1の画像のピクセル値を第1の多次元色空間にマッピングするステップと、
第2の多次元色空間を生成するために、前記第1の多次元色空間にメジアンフィルタを適用するステップと、
第3の多次元色空間を生成するために、前記第2の多次元色空間を反転させるステップと、
第4の多次元色空間を生成し、前記脂肪乳房組織を1つの色として見えるようにし、他の色を使用して前記高密度乳房組織を区別するために、前記第3の多次元色空間に1つまたは複数の非線形伝達関数の第1のセットを適用するステップと、
第5の多次元色空間を生成し、高いピクセル値を増幅し、低いピクセル値を減衰させ、乳房エリア構造をハイライトするために、前記第4の多次元色空間に1つまたは複数の伝達関数の第2のセットを適用するステップと、
前記第5の多次元色空間に基づいて画像視覚化を表示するステップと
を含む、請求項1に記載の方法。 - 前記第1の画像が、高密度乳房組織および脂肪乳房組織の表現を含むマンモグラムであり、前記第1の画像とは別および別個である第2の画像を生成するために、第1の画像に第1のローカルマイクロコントラスト収束アルゴリズムを適用するステップが、
前記第1の画像のピクセル値を第1の多次元色空間にマッピングするステップと、
第2の多次元色空間を生成し、前記脂肪乳房組織を1つの色として見えるようにし、他の色を使用して前記高密度乳房組織を区別するために、前記第1の多次元色空間に1つまたは複数の伝達関数の第1のセットを適用するステップと、
前記第2の多次元色空間をHLS色空間中の第3の多次元色空間にコンバートするステップと、
前記第3の多次元色空間に基づいて画像視覚化を表示するステップと
を含む、請求項1に記載の方法。 - 前記第1の画像が、高密度乳房組織および脂肪乳房組織の表現を含むマンモグラムであり、前記第1の画像とは別および別個である第2の画像を生成するために、第1の画像に第1のローカルマイクロコントラスト収束アルゴリズムを適用するステップが、
前記第1の画像のピクセル値を第1の多次元色空間にマッピングするステップと、
第2の多次元色空間を生成し、前記脂肪乳房組織を1つの色として見えるようにし、他の色を使用して前記高密度乳房組織中の詳細な構造を区別し、明らかにするために、前記第1の多次元色空間に1つまたは複数の伝達関数の第1のセットを適用するステップと、
前記第2の多次元色空間に基づいて画像視覚化を表示するステップと
を含む、請求項1に記載の方法。 - 前記第1の画像が、高密度乳房組織および脂肪乳房組織の表現を含むマンモグラムであり、前記第1の画像とは別および別個である第2の画像を生成するために、第1の画像に第1のローカルマイクロコントラスト収束アルゴリズムを適用するステップが、
前記第1の画像のピクセル値を第1の多次元色空間にマッピングするステップと、
第2の多次元色空間を生成し、前記脂肪乳房組織を半透明に見えるようにし、他の色を使用して高密度乳房組織を区別し、前記脂肪乳房組織および高密度乳房組織中の小さいドット状の構造を見分けるために、前記第1の多次元色空間に1つまたは複数の伝達関数の第1のセットを適用するステップと、
前記第2の多次元色空間に基づいて画像視覚化を表示するステップと
を含む、請求項1に記載の方法。 - 前記第1の画像が、高密度乳房組織および脂肪乳房組織の表現を含むマンモグラムであり、前記第1の画像とは別および別個である第2の画像を生成するために、第1の画像に第1のローカルマイクロコントラスト収束アルゴリズムを適用するステップが、
前記第1の画像のピクセル値を第1の多次元色空間にマッピングするステップと、
第2の多次元色空間を生成するために、前記第1の多次元色空間にメジアンフィルタを適用するステップと、
第3の多次元色空間を生成するために、前記第2の多次元色空間に畳み込みフィルタを適用するステップと、
複写の第1の画像をインポートするステップと、
画像ピクセル値を第4の多次元色空間にマッピングするステップと、
第5の多次元色空間を生成し、コントラストを構築し、脂肪乳房組織を暗くするために、前記第4の多次元色空間に1つまたは複数の伝達関数の第1のセットを適用するステップと、
第6の多次元色空間を生成し、コントラストを構築し、脂肪乳房組織を暗くするために、前記第5の多次元色空間に1つまたは複数の伝達関数の第2のセットを適用するステップと、
第7の多次元色空間を生成し、1つの色として見えるように脂肪乳房組織ルミナンスを反転させ、他の色を使用して前記高密度乳房組織中の詳細な構造を区別し、明らかにするために、前記第6の多次元色空間に1つまたは複数の伝達関数の第3のセットを適用するステップと、
第8の多次元色空間を生成し、乳房境界を画定するために、前記第7の多次元色空間に1つまたは複数の伝達関数の第4のセットを適用するステップと、
第9の多次元色空間を生成するために、前記第3の多次元色空間を前記第8の多次元色空間とマージするステップと、
前記第9の多次元色空間をグレースケール値にコンバートし、前記第9の多次元色空間を表す画像を表示するステップと
を含む、請求項1に記載の方法。 - 前記第1の画像が、高密度乳房組織および脂肪乳房組織の表現を含むマンモグラムであり、前記第1の画像とは別および別個である第2の画像を生成するために、第1の画像に第1のローカルマイクロコントラスト収束アルゴリズムを適用するステップが、
前記第1の画像のピクセル値を第1の多次元色空間にマッピングするステップと、
第2の多次元色空間を生成し、前記画像ピクセル値を非線形的に反転させるために、前記第1の多次元色空間に1つまたは複数の伝達関数の第1のセットを適用するステップと、
第3の多次元色空間を生成し、前記脂肪乳房組織を1つの色として見えるようにし、他の色を使用して前記高密度乳房組織中の詳細な構造を区別し、明らかにするために、前記第2の多次元色空間に1つまたは複数の伝達関数の第2のセットを適用するステップと、
第4の多次元色空間を生成し、脂肪乳房組織を1つの色として見えるようにし、他の色を使用して高密度乳房組織中の詳細な構造を区別し、明らかにするために、前記第3の多次元色空間に1つまたは複数の伝達関数の第3のセットを適用するステップと、
前記第4の多次元色空間をHLS色空間中の第5の多次元色空間にコンバートするステップと、
第6の多次元色空間を生成するために、暗くするブレンドを採用することによって、前記第5の多次元色空間を前記第1の多次元色空間とマージするステップと、
第7の多次元色空間を生成するために、前記第6の多次元色空間の不透明度(opacity)を調整するステップと、
前記第7の多次元色空間をグレースケール値にコンバートし、前記第7の多次元色空間を表す画像を表示するステップと
を含む、請求項1に記載の方法。 - 前記第1の画像が、高密度組織と脂肪組織とを含む乳房組織の表現を含むマンモグラムであり、前記第1の画像とは別および別個である第2の画像を生成するために、第1の画像に第1のローカルマイクロコントラスト収束アルゴリズムを適用するステップが、
前記第1の画像のピクセル値を第1の多次元色空間にマッピングするステップと、
第2の多次元色空間を生成するために、前記第1の多次元色空間にメジアンフィルタを適用するステップと、
第3の多次元色空間を生成し、前記コントラストを変更し、前記脂肪組織の光度を低減するために、前記第2の多次元色空間に1つまたは複数の伝達関数の第1のセットを適用するステップと、
第4の多次元色空間を生成し、より高い密度のものを除いて前記乳房組織をカラー化するために、前記第3の多次元色空間に1つまたは複数の伝達関数の第2のセットを適用するステップと、
第5の多次元色空間を生成し、前記脂肪組織を実質的にソリッドカラーに低減するために、前記第4の多次元色空間に1つまたは複数の伝達関数の第3のセットを適用するステップと、
第6の多次元色空間を生成するために、前記第5の多次元色空間の色を反転させるステップと、
第7の多次元色空間を生成し、前記乳房組織を前記乳房組織の境界の外部と区別するために、前記第6の多次元色空間に1つまたは複数の伝達関数の第4のセットを適用するステップと、
第7の多次元色空間をHLS色空間中の第8の多次元色空間にコンバートし、第9の多次元色空間を生成するために、前記第8の多次元色空間のHLSプロパティを調整するステップと、
前記第9の多次元色空間に基づいて画像視覚化を表示するステップと
を含む、請求項1に記載の方法。 - 少なくとも1つのプログラムを記憶するように各々動作可能な1つまたは複数のメモリユニットと、
前記1つまたは複数のメモリユニットに通信可能に結合された少なくとも1つのプロセッサであって、前記少なくとも1つのプログラムが、前記少なくとも1つのプロセッサによって実行されたとき、前記少なくとも1つのプロセッサに、請求項1から45に記載の前記方法のいずれかに記載の前記ステップを実施させる、少なくとも1つのプロセッサと
を含む、システム。 - プロセッサによって実行されたとき、請求項1から45に記載の前記方法のいずれかに記載の前記ステップを実施する、コンピュータ実行可能命令を記憶した非一時的コンピュータ可読記憶媒体。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2022071438A JP2022105079A (ja) | 2016-02-08 | 2022-04-25 | 画像中の物体の視覚化および特徴づけのためのシステムおよび方法 |
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US201662292413P | 2016-02-08 | 2016-02-08 | |
US62/292,413 | 2016-02-08 | ||
PCT/US2017/016999 WO2017139367A1 (en) | 2016-02-08 | 2017-02-08 | System and method for the visualization and characterization of objects in images |
Related Child Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2022071438A Division JP2022105079A (ja) | 2016-02-08 | 2022-04-25 | 画像中の物体の視覚化および特徴づけのためのシステムおよび方法 |
Publications (3)
Publication Number | Publication Date |
---|---|
JP2019511342A true JP2019511342A (ja) | 2019-04-25 |
JP2019511342A5 JP2019511342A5 (ja) | 2020-03-19 |
JP7065038B2 JP7065038B2 (ja) | 2022-05-11 |
Family
ID=59564041
Family Applications (2)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2018560735A Active JP7065038B2 (ja) | 2016-02-08 | 2017-02-08 | 画像中の物体の視覚化および特徴づけのためのシステムおよび方法 |
JP2022071438A Pending JP2022105079A (ja) | 2016-02-08 | 2022-04-25 | 画像中の物体の視覚化および特徴づけのためのシステムおよび方法 |
Family Applications After (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2022071438A Pending JP2022105079A (ja) | 2016-02-08 | 2022-04-25 | 画像中の物体の視覚化および特徴づけのためのシステムおよび方法 |
Country Status (9)
Country | Link |
---|---|
US (3) | US10873681B2 (ja) |
EP (2) | EP4273799A3 (ja) |
JP (2) | JP7065038B2 (ja) |
KR (1) | KR20180115725A (ja) |
CN (1) | CN108882902B (ja) |
CA (1) | CA3013926A1 (ja) |
MA (1) | MA43593A (ja) |
MX (1) | MX2018009566A (ja) |
WO (1) | WO2017139367A1 (ja) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114255208A (zh) * | 2020-09-25 | 2022-03-29 | 通用电气精准医疗有限责任公司 | 用于程式化医学图像的系统和方法 |
Families Citing this family (31)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP1986548B1 (en) | 2006-02-15 | 2013-01-02 | Hologic, Inc. | Breast biopsy and needle localization using tomosynthesis systems |
US10595954B2 (en) | 2009-10-08 | 2020-03-24 | Hologic, Inc. | Needle breast biopsy system and method for use |
JP2014534042A (ja) | 2011-11-27 | 2014-12-18 | ホロジック, インコーポレイテッドHologic, Inc. | マンモグラフィーおよび/またはトモシンセシス画像データを使用して2d画像を生成するためのシステムおよび方法 |
EP2967473B1 (en) | 2013-03-15 | 2020-02-19 | Hologic, Inc. | System and method for navigating a tomosynthesis stack including automatic focusing |
WO2014151646A1 (en) | 2013-03-15 | 2014-09-25 | Hologic Inc. | Tomosynthesis-guided biopsy in prone |
US11944486B2 (en) * | 2016-06-27 | 2024-04-02 | Taihao Medical Inc. | Analysis method for breast image and electronic apparatus using the same |
US10430984B2 (en) * | 2016-12-16 | 2019-10-01 | General Electric Company | Fused slice or cine-loop image for multi-mode DBT acquisitions |
US20180174294A1 (en) * | 2016-12-16 | 2018-06-21 | General Electric Company | Multi-Layer Color Display In Synthetic 2D Images |
US10187637B2 (en) | 2017-03-07 | 2019-01-22 | Filmic Inc. | Inductive micro-contrast evaluation method |
WO2018183549A1 (en) | 2017-03-30 | 2018-10-04 | Hologic, Inc. | System and method for synthesizing low-dimensional image data from high-dimensional image data using an object grid enhancement |
US10789712B2 (en) * | 2017-07-11 | 2020-09-29 | MESC Health Ltd | Method and system for image analysis to detect cancer |
US11026641B2 (en) * | 2017-10-16 | 2021-06-08 | Mayo Foundation For Medical Education And Research | System and method for tomography-based radiomic mass analysis |
JP7153261B2 (ja) * | 2017-11-16 | 2022-10-14 | 国立大学法人九州大学 | 画像処理装置および画像処理装置の作動方法並びに画像処理プログラム |
CN109003248B (zh) * | 2018-07-23 | 2020-12-08 | 中国石油大学(华东) | 一种细粒沉积岩纹层结构的表征方法 |
CN112804944B (zh) * | 2018-09-24 | 2024-07-23 | 豪洛捷公司 | 乳房映射和异常定位 |
CN109949274B (zh) | 2019-02-25 | 2020-12-25 | 腾讯科技(深圳)有限公司 | 一种图像处理方法、装置及系统 |
KR102039138B1 (ko) * | 2019-04-02 | 2019-10-31 | 주식회사 루닛 | 적대적 학습에 기반한 도메인 어댑테이션 방법 및 그 장치 |
US11209817B2 (en) * | 2019-05-06 | 2021-12-28 | Argo AI, LLC | Method and system for real-time diagnostics and fault monitoring in a robotic system |
JP7209599B2 (ja) * | 2019-07-29 | 2023-01-20 | 富士フイルム株式会社 | 画像処理装置、方法およびプログラム |
JP7203705B2 (ja) | 2019-09-17 | 2023-01-13 | 富士フイルム株式会社 | 画像処理装置、方法およびプログラム、並びに画像表示装置、方法およびプログラム |
CN110751648B (zh) * | 2019-10-29 | 2023-02-28 | 国网黑龙江省电力有限公司电力科学研究院 | 基于图像处理技术的杆塔基础异常检测方法 |
EP4106635A4 (en) * | 2020-03-02 | 2024-07-31 | Vayyar Imaging Ltd. | IMAGING SYSTEM AND DEVICE FOR DETECTION OF BREAST CANCER |
CN111583320B (zh) * | 2020-03-17 | 2023-04-07 | 哈尔滨医科大学 | 融合深度卷积网络和影像组学特征的乳腺癌超声图分型方法、系统及存储介质 |
CN112164020B (zh) * | 2020-03-31 | 2024-01-23 | 苏州润迈德医疗科技有限公司 | 精确提取血管中心线的方法、装置、分析系统和存储介质 |
KR102736798B1 (ko) | 2020-07-20 | 2024-12-03 | 펄스나인 주식회사 | 인공지능을 이용한 편집된 이미지 검출 방법 및 시스템 |
US11151755B1 (en) * | 2020-07-29 | 2021-10-19 | Adobe Inc. | Image processing for increasing visibility of obscured patterns |
CN112164012B (zh) * | 2020-10-14 | 2023-05-12 | 上海影卓信息科技有限公司 | 人像彩色浮雕效果的实现方法及系统 |
US20220151482A1 (en) * | 2020-11-14 | 2022-05-19 | Alcon Inc. | Biometric ocular measurements using deep learning |
US20240104701A1 (en) * | 2022-09-16 | 2024-03-28 | Imago Systems, Inc., | System and method for non-invasive visualization and characterization of lumen structures and flow therewithin |
WO2024112579A1 (en) * | 2022-11-23 | 2024-05-30 | Subtle Medical, Inc. | Systems and methods for mri contrast synthesis under light-weighted framework |
CN117315415B (zh) * | 2023-07-13 | 2024-06-11 | 东南大学 | 一种店铺招牌健康性能评估方法与装置 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2003158677A (ja) * | 2001-08-11 | 2003-05-30 | Koninkl Philips Electronics Nv | デジタル画像を処理するための装置及び方法 |
JP2005111946A (ja) * | 2003-10-10 | 2005-04-28 | Tokukin Kagi Kofun Yugenkoshi | ハーフトーンスクリーンの非線形較正方法 |
JP2008067296A (ja) * | 2006-09-11 | 2008-03-21 | Canon Inc | 画像処理方法及び画像処理装置 |
US20100266179A1 (en) * | 2005-05-25 | 2010-10-21 | Ramsay Thomas E | System and method for texture visualization and image analysis to differentiate between malignant and benign lesions |
Family Cites Families (52)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
IL119767A (en) | 1993-08-13 | 1998-02-08 | Sophis View Tech Ltd | System and method for diagnosis of living tissue diseases |
GB9619119D0 (en) * | 1996-09-12 | 1996-10-23 | Discreet Logic Inc | Processing image |
US5859891A (en) | 1997-03-07 | 1999-01-12 | Hibbard; Lyn | Autosegmentation/autocontouring system and method for use with three-dimensional radiation therapy treatment planning |
BR9812021A (pt) * | 1997-08-28 | 2000-09-26 | Qualia Computing Inc | Processos para detecção automatizada de microcalcificações, para segmentar uma área de uma imagem de mamograma digital, para detecção automatizada de microcalcifição agrupada, para incorporar as detecções de saìda de um sistema de detecção auxiliado por computador para detectar microcalcificações agrupadas em um mamograma, e, para coleta automatizada de imagem, aparelhos para detecção automatizada de microcalcificações, e, para detectar microcalcificações agrupadas em uma imagem de mamograma digital |
US6031935A (en) | 1998-02-12 | 2000-02-29 | Kimmel; Zebadiah M. | Method and apparatus for segmenting images using constant-time deformable contours |
WO2005036451A1 (en) | 2003-10-08 | 2005-04-21 | Lifespan Biosciences, Inc. | Automated microspcope slide tissue sample mapping and image acquisition |
US20050078861A1 (en) | 2003-10-10 | 2005-04-14 | Usikov Daniel A. | Tomographic system and method for iteratively processing two-dimensional image data for reconstructing three-dimensional image data |
US7907762B2 (en) | 2004-05-26 | 2011-03-15 | Guardian Technologies International, Inc. | Method of creating a divergence transform for identifying a feature of interest in hyperspectral data |
US7840048B2 (en) | 2004-05-26 | 2010-11-23 | Guardian Technologies International, Inc. | System and method for determining whether there is an anomaly in data |
MY140267A (en) | 2004-05-26 | 2009-12-31 | Guardian Technologies International Inc | System and method for identifying objects of interest in image data |
US20060269140A1 (en) | 2005-03-15 | 2006-11-30 | Ramsay Thomas E | System and method for identifying feature of interest in hyperspectral data |
MX2007003502A (es) | 2004-09-22 | 2007-10-10 | Tripath Imaging Inc | Metodos y productos de programas de computadora para analisis y optimizacion de los candidatos marcadores para el pronostico del cancer. |
US20060127880A1 (en) | 2004-12-15 | 2006-06-15 | Walter Harris | Computerized image capture of structures of interest within a tissue sample |
US8045805B2 (en) | 2005-03-15 | 2011-10-25 | Applied Visual Sciences, Inc. | Method for determining whether a feature of interest or an anomaly is present in an image |
US8538099B2 (en) | 2005-03-23 | 2013-09-17 | General Electric Company | Method and system for controlling image reconstruction |
WO2007059602A1 (en) | 2005-11-23 | 2007-05-31 | Cedara Software Corp. | Method and system for enhancing digital images |
US7768652B2 (en) | 2006-03-16 | 2010-08-03 | Carl Zeiss Meditec, Inc. | Methods for mapping tissue with optical coherence tomography data |
EP2029020A4 (en) * | 2006-06-22 | 2010-04-21 | Wisconsin Alumni Res Found | USE OF STROMA COLLAGEN IN THE DIAGNOSIS AND CHARACTERIZATION OF BREAST CANCER |
US8897528B2 (en) | 2006-06-26 | 2014-11-25 | General Electric Company | System and method for iterative image reconstruction |
US8571287B2 (en) | 2006-06-26 | 2013-10-29 | General Electric Company | System and method for iterative image reconstruction |
US20090174712A1 (en) * | 2006-07-31 | 2009-07-09 | Sandviken Intellectual Property Ab | Method, apparatus and computer-readable medium for scale-based visualization of an image dataset |
US7916912B2 (en) | 2006-09-14 | 2011-03-29 | Siemens Israel Ltd. | Efficient border extraction of image feature |
US20080085040A1 (en) | 2006-10-05 | 2008-04-10 | General Electric Company | System and method for iterative reconstruction using mask images |
WO2008157843A1 (en) | 2007-06-21 | 2008-12-24 | Guardian Technologies International Inc. | System and method for the detection, characterization, visualization and classification of objects in image data |
US7949181B2 (en) | 2007-06-28 | 2011-05-24 | General Electric Company | Segmentation of tissue images using color and texture |
US8270691B2 (en) | 2007-10-09 | 2012-09-18 | Siemens Aktiengesellschaft | Method for fusing images acquired from a plurality of different image acquiring modalities |
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) |
CN101919230B (zh) | 2007-12-25 | 2013-02-13 | 梅迪奇视觉-脑科技有限公司 | 降低图像噪声的方法 |
JP5820117B2 (ja) | 2008-03-06 | 2015-11-24 | コーニンクレッカ フィリップス エヌ ヴェKoninklijke Philips N.V. | データセットを選択式及び対話式に処理する方法 |
JP5492869B2 (ja) | 2008-04-08 | 2014-05-14 | ナショナル ユニヴァーシティー オブ シンガポール | 網膜画像分析システム及び方法 |
US8358453B2 (en) | 2008-05-27 | 2013-01-22 | Xerox Corporation | Control based iterative profiling methods |
US8660330B2 (en) | 2008-06-27 | 2014-02-25 | Wolfram Jarisch | High efficiency computed tomography with optimized recursions |
JP5478618B2 (ja) | 2008-07-03 | 2014-04-23 | エヌイーシー ラボラトリーズ アメリカ インク | 上皮層検出器およびそれに関連する方法 |
US8718340B2 (en) | 2008-09-03 | 2014-05-06 | Trustees Of The University Of Pennsylvania | System and method for accurate and rapid identification of diseased regions on biological images with applications to disease diagnosis and prognosis |
JP2010218271A (ja) | 2009-03-17 | 2010-09-30 | Tokyo Institute Of Technology | パラメータ制御処理装置及び画像処理装置 |
IN2012DN02374A (ja) | 2009-09-18 | 2015-08-21 | Univ Rutgers | |
WO2011046807A2 (en) | 2009-10-12 | 2011-04-21 | Ventana Medical Systems, Inc. | Multi-modality contrast and brightfield context rendering for enhanced pathology determination and multi-analyte detection in tissue |
US8897544B2 (en) | 2009-12-10 | 2014-11-25 | Indiana University Research And Technology Corp. | System and method for segmentation of three-dimensional image data |
JP5927180B2 (ja) | 2010-04-30 | 2016-06-01 | ヴィユーコンプ インクVucomp, Inc. | 画像の異形を識別するための画像データの処理方法、システムおよびプログラム |
US9996929B2 (en) | 2010-10-27 | 2018-06-12 | Varian Medical Systems International Ag | Visualization of deformations using color overlays |
US8705833B2 (en) | 2011-04-25 | 2014-04-22 | The General Hospital Corporation | Computer-aided staining of multispectral images |
US9159129B2 (en) | 2011-07-12 | 2015-10-13 | Definiens Ag | Generating image-based diagnostic tests by optimizing image analysis and data mining of co-registered images |
WO2013049153A2 (en) * | 2011-09-27 | 2013-04-04 | Board Of Regents, University Of Texas System | Systems and methods for automated screening and prognosis of cancer from whole-slide biopsy images |
WO2013071003A1 (en) | 2011-11-10 | 2013-05-16 | Azar Jimmy C | Color decomposition in histology |
US9256977B2 (en) | 2012-02-01 | 2016-02-09 | Siemens Medical Solutions Usa, Inc. | System for reconstruction of virtual frequency selective inversion MR images |
US8594407B2 (en) * | 2012-02-03 | 2013-11-26 | Siemens Aktiengesellschaft | Plane-by-plane iterative reconstruction for digital breast tomosynthesis |
DE102012217301B4 (de) | 2012-09-25 | 2021-10-14 | Bayer Pharma Aktiengesellschaft | Kombination aus Kontrastmittel und Mammographie-CT-System mit vorgegebenem Energiebereich und Verfahren zur Erzeugung tomographischer Mammographie-CT-Aufnahmen durch diese Kombination |
US9730655B2 (en) | 2013-01-21 | 2017-08-15 | Tracy J. Stark | Method for improved detection of nodules in medical images |
US10055551B2 (en) | 2013-10-10 | 2018-08-21 | Board Of Regents Of The University Of Texas System | Systems and methods for quantitative analysis of histopathology images using multiclassifier ensemble schemes |
DE102015204957A1 (de) | 2014-03-27 | 2015-10-01 | Siemens Aktiengesellschaft | Bildgebendes Tomosynthesesystem, insbesondere Mammographiesystem |
GB2528283B (en) * | 2014-07-16 | 2020-08-05 | Barco Nv | Image colour calibration with multiple colour scales |
US9805248B2 (en) | 2014-08-29 | 2017-10-31 | Definiens Ag | Applying pixelwise descriptors to a target image that are generated by segmenting objects in other images |
-
2017
- 2017-02-08 WO PCT/US2017/016999 patent/WO2017139367A1/en active Application Filing
- 2017-02-08 EP EP23192820.1A patent/EP4273799A3/en active Pending
- 2017-02-08 CA CA3013926A patent/CA3013926A1/en active Pending
- 2017-02-08 CN CN201780022416.5A patent/CN108882902B/zh active Active
- 2017-02-08 MX MX2018009566A patent/MX2018009566A/es unknown
- 2017-02-08 MA MA043593A patent/MA43593A/fr unknown
- 2017-02-08 JP JP2018560735A patent/JP7065038B2/ja active Active
- 2017-02-08 US US15/533,451 patent/US10873681B2/en active Active
- 2017-02-08 EP EP17750690.4A patent/EP3399916B1/en active Active
- 2017-02-08 KR KR1020187026011A patent/KR20180115725A/ko not_active Application Discontinuation
-
2020
- 2020-12-21 US US17/129,133 patent/US11734911B2/en active Active
-
2022
- 2022-04-25 JP JP2022071438A patent/JP2022105079A/ja active Pending
-
2023
- 2023-08-17 US US18/451,656 patent/US20240096048A1/en active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2003158677A (ja) * | 2001-08-11 | 2003-05-30 | Koninkl Philips Electronics Nv | デジタル画像を処理するための装置及び方法 |
JP2005111946A (ja) * | 2003-10-10 | 2005-04-28 | Tokukin Kagi Kofun Yugenkoshi | ハーフトーンスクリーンの非線形較正方法 |
US20100266179A1 (en) * | 2005-05-25 | 2010-10-21 | Ramsay Thomas E | System and method for texture visualization and image analysis to differentiate between malignant and benign lesions |
JP2008067296A (ja) * | 2006-09-11 | 2008-03-21 | Canon Inc | 画像処理方法及び画像処理装置 |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114255208A (zh) * | 2020-09-25 | 2022-03-29 | 通用电气精准医疗有限责任公司 | 用于程式化医学图像的系统和方法 |
US20220101518A1 (en) * | 2020-09-25 | 2022-03-31 | GE Precision Healthcare LLC | System and method for stylizing a medical image |
Also Published As
Publication number | Publication date |
---|---|
EP4273799A2 (en) | 2023-11-08 |
US20180109698A1 (en) | 2018-04-19 |
EP3399916A1 (en) | 2018-11-14 |
EP4273799A3 (en) | 2023-12-06 |
EP3399916B1 (en) | 2023-08-23 |
US11734911B2 (en) | 2023-08-22 |
US20210258451A1 (en) | 2021-08-19 |
KR20180115725A (ko) | 2018-10-23 |
EP3399916A4 (en) | 2019-08-07 |
JP7065038B2 (ja) | 2022-05-11 |
WO2017139367A1 (en) | 2017-08-17 |
CN108882902A (zh) | 2018-11-23 |
CA3013926A1 (en) | 2017-08-17 |
CN108882902B (zh) | 2022-08-30 |
US10873681B2 (en) | 2020-12-22 |
US20240096048A1 (en) | 2024-03-21 |
MX2018009566A (es) | 2019-05-30 |
MA43593A (fr) | 2018-11-14 |
JP2022105079A (ja) | 2022-07-12 |
EP3399916C0 (en) | 2023-08-23 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11734911B2 (en) | System and method for the visualization and characterization of objects in images | |
US11935215B2 (en) | System and method for the visualization and characterization of objects in images | |
US11669964B2 (en) | Systems and methods to facilitate review of liver tumor cases | |
Altunbay et al. | Color graphs for automated cancer diagnosis and grading | |
CN101706843B (zh) | 一种乳腺cr图像交互式读片方法 | |
Duarte et al. | Evaluating geodesic active contours in microcalcifications segmentation on mammograms | |
Sinha et al. | Medical image processing | |
Dobrescu et al. | Diagnosis of breast cancer from mammograms by using fractal measures | |
Ganvir et al. | Filtering method for pre-processing mammogram images for breast cancer detection | |
Beheshti et al. | Classification of abnormalities in mammograms by new asymmetric fractal features | |
CN104331864B (zh) | 基于非下采样轮廓波和视觉显著模型的乳腺影像处理 | |
Reddy et al. | Pectoral muscle removal using entropy fuzzy clustering and RCM-CNN based mammography classification | |
de Oliveira et al. | A cross-cutting approach for tracking architectural distortion locii on digital breast tomosynthesis slices | |
CN109377461B (zh) | 一种基于nsct的乳腺x射线图像自适应增强方法 | |
US20250045890A1 (en) | System And Method For The Visualization And Characterization Of Objects In Images | |
Naeppi et al. | Mammographic feature generator for evaluation of image analysis algorithms | |
Hithesh et al. | From Pixels to Prognosis: Exploring from UNet to Segment Anything in Mammogram Image Processing for Tumor Segmentation | |
McCarthy | A Quantitative Visualization Tool for the Assessment of Mammographic Dense Tissue Subtypes | |
Altunbay | Color graph representation for structural analysis of tissue images | |
Olaleke et al. | Automated Detection of Breast Cancer’s Indicators in Mammogram via Image Processing Techniques | |
Vlachos et al. | Intuitionistic fuzzy processing of mammographic images | |
Pöhlmann | Breast Imaging beyond 2D: from Screening to Treatment | |
Nair et al. | Diagnosis Of Liver Disease Using Gaussian Blur Algorithm | |
Deepa et al. | Fractal based techniques for classification of mammograms and identification of microcalcifications |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20200207 |
|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20200207 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20201125 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20201202 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20210225 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20210802 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20211102 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20220317 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20220322 |
|
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: 20220328 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20220425 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 7065038 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |