JP2019530490A - 検出精度を向上させるために関心領域の異なるビューからの複数の画像を用いるコンピュータ支援検出 - Google Patents
検出精度を向上させるために関心領域の異なるビューからの複数の画像を用いるコンピュータ支援検出 Download PDFInfo
- Publication number
- JP2019530490A JP2019530490A JP2019509494A JP2019509494A JP2019530490A JP 2019530490 A JP2019530490 A JP 2019530490A JP 2019509494 A JP2019509494 A JP 2019509494A JP 2019509494 A JP2019509494 A JP 2019509494A JP 2019530490 A JP2019530490 A JP 2019530490A
- Authority
- JP
- Japan
- Prior art keywords
- image
- interest
- region
- frames
- image frame
- 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
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
- G06T7/0012—Biomedical image inspection
- 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
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/20—Analysis of motion
- G06T7/223—Analysis of motion using block-matching
-
- 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
- G06T2207/10121—Fluoroscopy
-
- 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
- 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
- G06T2207/30096—Tumor; Lesion
Landscapes
- Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Quality & Reliability (AREA)
- Radiology & Medical Imaging (AREA)
- Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- General Health & Medical Sciences (AREA)
- Multimedia (AREA)
- Ultra Sonic Daignosis Equipment (AREA)
- Apparatus For Radiation Diagnosis (AREA)
- Measuring And Recording Apparatus For Diagnosis (AREA)
- Image Analysis (AREA)
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
Abstract
Description
[0001] 本願は、2016年8月22日出願の「Method and System of Computer-Aided Detection Using Multiple Images from Different Views of a Region of Interest to Improve Detection Accuracy」という名称の米国仮特許出願第62/377,945号への優先権を主張する、「Method and System of Computer-Aided Detection Using Multiple Images from Different Views of a Region of Interest to Improve Detection Accuracy」という名称の米国特許出願第15/338,707号の継続出願であり、各々の内容の全体が参照により本明細書に組み込まれる。
[0004] 本発明の概念は、一般に、医用画像のコンピュータ支援検出及び疑わしい異常又は病変の検出の分野に関する。特に、本発明の概念は、異なる視点から収集した複数の画像を介して、及び、ある期間にわたって、検出される潜在的な病変の持続性(persistence)を決定するためにオプティカルフロー法及びブロックマッチング法を使用する、医用画像を処理するための方法及びシステムに関する。
[0006] コンピュータ支援診断(CAD)は、時にはCADe又はCADxと呼ばれ、脳の異常、乳がん、肺がん、結腸がん、前立腺がん、骨転移、冠動脈疾患、先天性心臓欠陥、及びアルツハイマー病の診断に使用される。従来のシステムは、単一画像内の病変を検出するために使用される。これらのシステムは、病変の境界形状(形態特徴)及び病変内のグレーレベルの均一性(テクスチャ特徴)を特徴付ける、特徴の抽出を必要とする。病変のサイズ、形状、配向、並びに、不明瞭又は拡散的な境界、及び背景ノイズにおける変動は、身体内に見られる他の超音波アーチファクトから真の病変を検出するのを困難にする。
[0037] 本説明において、本発明の概念の特徴を説明するための用語が使用される。例えば、「一実施形態」、「或る実施形態」、「この実施形態」、又は「複数の実施形態」という用語への言及は、1つ以上の特徴が本発明の概念の少なくとも1つの態様に含まれることを指すことを意味する。本説明において、「一実施形態」、「或る実施形態」、「この実施形態」、又は「複数の実施形態」という用語への別々の言及は、必ずしも同じ実施形態を指すものではなく、そのように言明されていない限り、及び/又は、当業者であれば本説明から容易に明らかとなる場合を除き、相互に排他的でもない。例えば、一実施形態において説明される特徴、構造、プロセス、ステップ、動作などは、他の実施形態にも含まれ得るが、必ずしも含まれるものではない。したがって、本発明の概念は、本明細書で説明される実施形態の様々な組み合わせ及び/又は統合を含み得る。加えて、本明細書で説明される本発明の概念のすべての態様は、その実践に不可欠ではない。
[0055] 放射線科医などのトレーニングされた医療専門家は、一般に、医用画像内の疑惑領域又は関心領域を、手動で又はコンピュータソフトウェアを使用して、識別及び分類するように試みる。その後、放射線科医は、関連する格付けシステムに従って、各疑惑領域を手動で特徴付けることができる。例えば、がんの病変を含む可能性のある胸部内の疑わしい関心領域は、Breast Imaging Reporting and Data Systems(胸部画像化レポート及びデータシステム/BI−RADS)ガイドラインに従って特徴付けることができる。
Claims (52)
- 命令を記憶するためのメモリを備えるコンピューティングデバイスを利用することを含む、方法であって、前記命令は、
複数の画像フレームにアクセスする動作と、
前記複数の画像フレームのうちの第1の画像フレームから関心領域を識別する動作と、
前記関心領域が偽陽性であるかどうかを判定するために前記複数の画像フレームのうちの前記第1の画像フレーム及び第2の画像フレームを処理する動作であって、前記関心領域が偽陽性であるかどうかは、
前記関心領域が前記第1の画像フレーム及び前記第2の画像フレームにわたって持続するかどうかを判定するために、前記第1の画像フレームの特徴と前記第2の画像フレームの特徴とを比較することによって、判定される、
処理する動作と、
を実施するために、プロセッサによって実行される、方法。 - 前記複数の画像フレームが共に時間的に近い画像特徴のシーケンスを備えるように、所定の時間レンジ内に前記複数の画像フレームを生成すること、
を更に含む、請求項1に記載の方法。 - 前記複数の画像フレームが互いにごく接近しているように、所定の時間レンジ内に前記複数の画像フレームを生成すること、
を更に含む、請求項1に記載の方法。 - 二乗差の合計又は絶対差の合計を最小化するため、又は、前記第1の画像フレームの前記特徴と前記第2の画像フレームの前記特徴との間の前記オプティカルフロー又は動きに関連付けられた正規化相互相関を最大化するために、ブロックベース法を利用することによって、前記第1の画像フレームの前記特徴を、前記第2の画像フレームの前記特徴と比較すること、
を更に含む、請求項1に記載の方法。 - 前記関心領域の位置及び形状を追跡すること、及び、
前記関心領域が異常又は正常な組織に相当するかどうかを判定するために、周囲の特徴に関して前記関心領域の圧縮率を推測すること、
によって、前記第1の画像フレームの前記特徴を前記第2の画像フレームの前記特徴と比較すること、
を更に含む、請求項1に記載の方法。 - トランスデューサ、超音波、又は蛍光透視デバイスを使用して前記複数の画像特徴を生成すること、を更に含み、
前記コンピューティングデバイスはコンピュータ支援診断デバイスを備える、
請求項1に記載の方法。 - 前記関心領域に関連付けられたピクセルのグループを識別すること、
前記関心領域に関連付けられた第1のベクトルを生成すること、
前記ピクセルのグループの動きを決定すること、及び、
前記ピクセルのグループの前記動きに関連付けられた第2のベクトルを生成すること、
によって、前記第1の画像フレームの前記特徴を前記複数の画像フレームの追加の画像フレームの特徴と比較すること、
を更に含む、請求項1に記載の方法。 - 前記第1の画像フレームの前記特徴及び前記第2の画像フレームの前記特徴に関連付けられた、画像速度又は離散画像変位を利用すること、
によって、前記第1の画像フレームの前記特徴を前記複数の画像フレームの追加の画像フレームの特徴と比較すること、
を更に含む、請求項1に記載の方法。 - 前記関心領域が存在する前記複数の画像フレームの画像フレームの数を測定すること、
前記関心領域が存在する前記複数の画像フレームの前記画像フレームの数が、所定の値よりも下である場合、関心領域が前記偽陽性であると決定すること、
によって、前記第1の画像フレームの前記特徴を前記複数の画像フレームの追加の画像フレームの特徴と比較すること、
を更に含む、請求項1に記載の方法。 - 病変又は異常を含む可能性が高い関心領域(ROI)を識別するためのコンピュータ支援検出の方法であって、
真の検出の感度又は数を保持又は増大させながら、偽陽性の数を減少させるために、2つの隣り合う画像フレームに関連付けられた持続的な空間及び/又は時間情報を使用するステップ、
を含む、コンピュータ支援検出の方法。 - 1つ以上のオプティカルフロー技法を使用して、持続的な空間及び/又は時間情報を決定するステップ、
を更に含む、請求項10に記載の方法。 - 追跡情報を使用して各画像フレームについて別々に、従来の静的CADe手法を使用して見つかったROI間の1つ以上の相関関係を決定するステップ、
を更に含む、請求項10に記載の方法。 - 低持続性を有するものと偽陽性を決定するため、及び高持続性を有するものと真陽性を決定するために、前記追跡情報を使用して、ROIが現れるフレームの数として持続性を測定するステップ、
を更に含む、請求項12に記載の方法。 - 予測されるROIの重複の度合いを追跡運動ベクトルによって与えられるものとして決定することによって、持続性を測定するステップ、
を更に含む、請求項12に記載の方法。 - 前記ROIは、前記静的CADe法を使用して検出される、
請求項14に記載の方法。 - 重複の度合いが大きいほど、真の病変の可能性が高いか、又は偽陽性の可能性が低いことに対応する、
請求項9に記載の方法。 - コンピュータ支援検出システムを使用して病変又は異常を検出する方法であって、
画像データ、ビデオクリップ、及び/又はシーケンスを収集するステップと、
前記画像データに関連付けられた時間情報を収集するステップと、
前記画像データ及び前記時間データに関連付けられた相違を検出するため、及び、偽陽性の病変又は異常の検出数を減少させるために、前記画像データ及び前記時間データを処理するステップと、
を含む、病変又は異常を検出する方法。 - 前記画像データは2D画像データである、
請求項17に記載の方法。 - 前記システムの性能を向上させるために、少なくとも1つのオプティカルフロー技法を一時的に使用するステップ、
を更に含む、請求項13に記載の方法。 - 病変又は異常を含む可能性が高い関心領域(ROI)を識別するように構成された、コンピュータ支援検出システムであって、
時間情報を使用して真の検出の感度又は数を保持しながら、偽陽性の数を減少させるように構成された、プロセッサ、
を備える、コンピュータ支援検出システム。 - 前記時間情報は、1つ以上のオプティカルフロー技法を使用して決定される、
請求項20に記載のシステム。 - 追跡情報を使用して各画像フレームについて別々に、従来の静的CADe手法を使用して見つかったROI間の相関関係を決定するように構成された、相関エンジン、
を更に備える、請求項20に記載のシステム。 - 前記プロセッサは、偽陽性又は低持続性及び真陽性又は高持続性を決定するために、前記追跡情報を使用して、ROIが現れるフレームの数として持続性を測定するように構成される、
請求項20に記載のシステム。 - 前記プロセッサは、予測されるROIの重複の度合いを追跡運動ベクトルによって与えられるものとして決定することによって、持続性を測定するように構成される、
請求項20に記載のシステム。 - 前記ROIは前記静的CADe法を使用して検出される、
請求項22に記載のシステム。 - 重複の度合いが大きいほど、真の病変の可能性が高いか、又は偽陽性の可能性が低いことに対応する、
請求項22に記載のシステム。 - 病変又は異常を検出するように構成されたシステムであって、前記システムは、画像データ及び時間情報を受信するように構成されたプロセッサと、前記画像データ及び前記時間情報を記憶するように構成されたメモリとを備え、
前記プロセッサは、前記画像データ及び前記時間データに関連付けられた相違を検出するため、及び、偽陽性の病変又は異常の検出数を減少させるために、前記画像データ及び前記時間データを処理するように構成される、
病変又は異常を検出するように構成されたシステム。 - 前記画像データは2D画像データである、
請求項27に記載のシステム。 - 前記プロセッサは、前記システムの性能を向上させるために少なくとも1つのオプティカルフロー技法を一時的に使用するように構成される、
請求項28に記載のシステム。 - 前記プロセッサを介して、オプティカルフロー計算によって生成される1つ以上のベクトル場から圧縮率を推測するステップと、
前記オプティカルフロー計算によって生成される前記1つ以上のベクトル場から前記圧縮率を利用することによって、診断結論を形成するステップと、
を更に含む、請求項24に記載のシステム。 - 少なくとも1つの有形記憶媒体と通信する少なくとも1つの処理ユニットを備えるコンピューティングデバイスを利用することを含む、方法であって、前記有形記憶媒体は、
所定の時間間隔に関連付けられた順次画像フレームにアクセスする動作と、
前記順次画像フレームに関連付けられた関心領域を識別する動作と、
前記順次画像フレーム間で追跡又はマッピング情報を生成するために、オプティカルフローを利用する動作と、
前記関心領域が現れるか、あるいは、前記追跡又はマッピング情報を使用して前記順次画像フレームのうちの特定のフレーム間で相関可能な、前記順次画像フレームの数として、持続性値を生成する動作と、
を実施するための、コンピュータ実行可能命令を含む、
方法。 - 前記持続性値は、追跡運動ベクトルによって与えられる前記順次画像フレームのフレーム間での前記関心領域の所定の重複の度合いに基づくものであり、前記所定の重複の度合いは、偽陽性を更に減少させるため、又は真の検出の数を増加させるために調節可能である、
請求項31に記載の方法。 - 前記持続性値を生成することは、前記順次画像フレームの第1のフレームに関連付けられた第1の関心領域が、オプティカルフローベクトル場を使用して、前記順次画像フレームの第2のフレームに関連付けられた第2の関心領域と相関可能であるかどうかを、判別することを含む、
請求項31に記載の方法。 - 一度に1つの前記順次画像フレームの少なくとも一部の各々の内部の前記関心領域を検出する、静的な2次元CADe手法を使用して、前記順次画像フレームに関連付けられたものとして前記関心領域を識別することを更に含み、前記関心領域は、更なる評価を必要とする可能な病変又は異常に関連付けられる、
請求項31に記載の方法。 - 前記追跡又はマッピング情報を生成するために、前記オプティカルフローを使用する機能を生成すること、
を更に含み、
前記機能は、前記順次画像フレームの連続する時間フレーム間で動き又は追跡情報を決定するための振幅及びベクトルマッピングを含み、前記順次画像フレームは、医用画像の連続する時間フレームを含む、
請求項31に記載の方法。 - 真陽性率を低下させることを犠牲にして偽陽性の減少を制御するために、前記コンピューティングデバイスに結合されたインターフェースを介して、前記順次画像フレームの数を適合させること、
を更に含む、請求項31に記載の方法。 - コンピュータ支援検出(CAD)デバイスを備える装置であって、
前記コンピュータ支援検出(CAD)デバイスは、
所定の時間期間にわたる画像フレームに関連付けられた関心領域の時間持続性値を決定するために、画像フレームと共にオプティカルフローを利用するように動作可能である、
コンピュータ支援検出(CAD)デバイスを備える装置。 - 前記持続性値は、前記画像フレームの数の前記関心領域の重複の割合に基づいて前記関心領域が追跡可能である、前記画像フレームの前記数として測定される、
請求項37に記載の装置。 - 前記CADデバイスは、前記画像フレームの第1の画像フレームに関連付けられた第1の関心領域のサブ領域を、前記画像フレームの第2の画像フレームの同様のサブ領域とマッチングするように構成される、
請求項37に記載の装置。 - 前記CADデバイスは、推定上の病変に関連付けられた画像特徴に基づいて前記関心領域を検出するように分類器をトレーニングするために利用される、
請求項37に記載の装置。 - 前記CADデバイスは、前記オプティカルフローからマッピング又は追跡情報を生成するように構成され、
前記CADデバイスは、偽陽性画像特徴から前記関心領域を区別するように構成され、前記偽陽性画像特徴は、前記所定の時間期間にわたる前記画像フレームの少なくとも所定の数にわたって持続しない、
請求項37に記載の装置。 - 前記CADデバイスは、偽陽性の数を減少させながら、真の病変の検出の可能性を増大させるために、順次ビデオフレーム内で検出される関心領域の時間持続性を利用するように構成される、
請求項37に記載の装置。 - 前記CADデバイスは、前記時間フレーム間でオブジェクトの追跡情報を決定するために、オプティカルフロー技法を介して前記画像フレームの時間フレーム間でマッピングするように構成される、
請求項37に記載の装置。 - 前記画像フレームは画像又はビデオを含み、
前記画像フレームは、記憶デバイスからアクセスされ、医用におけるデジタル画像と通信(DICOM)ファイルフォーマット定義を含む、
請求項37に記載の装置。 - 前記関心領域はコンピュータ支援検出CADe法によって識別される、請求項1に記載の方法。
- 前記CADe法によって識別される前記関心領域は、前記CADe法によって行われる真の検出から偽を識別及びラベル付けするように、オペレータによって編集される、請求項45に記載の方法。
- 前記オペレータが編集及びラベル付けした検出は、偽陽性を生成する可能性を減少させるように前記CADe法を再トレーニングするために使用される、請求項45に記載の方法。
- 前記CADe法によって検出されない追加の関心領域を識別することを更に含む、請求項45に記載の方法。
- 前記オペレータが編集及びラベル付けした検出は、偽陰性の可能性を減少させるように前記CADe法を再トレーニングするために使用される、請求項48に記載の方法。
- 前記CADe法は、複数のオペレータから収集されたデータの集約を使用して再トレーニングされる、請求項47に記載の方法。
- 前記CADe方は、複数のオペレータから収集されたデータの集約を使用して再トレーニングされる、請求項49に記載の方法。
- 前記関心領域が病変に関連付けられた真の関心領域であるかどうかの決定に関して、前記オペレータにフィードバックを提供することを更に含む、請求項51に記載の方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2021191137A JP7183376B2 (ja) | 2016-08-22 | 2021-11-25 | 検出精度を向上させるために関心領域の異なるビューからの複数の画像を用いるコンピュータ支援検出 |
Applications Claiming Priority (5)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US201662377945P | 2016-08-22 | 2016-08-22 | |
US62/377,945 | 2016-08-22 | ||
US15/338,707 US10346982B2 (en) | 2016-08-22 | 2016-10-31 | Method and system of computer-aided detection using multiple images from different views of a region of interest to improve detection accuracy |
US15/338,707 | 2016-10-31 | ||
PCT/US2017/047995 WO2018039218A1 (en) | 2016-08-22 | 2017-08-22 | Computer-aided detection using multiple images from different views of a region of interest to improve detection accuracy |
Related Child Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2021191137A Division JP7183376B2 (ja) | 2016-08-22 | 2021-11-25 | 検出精度を向上させるために関心領域の異なるビューからの複数の画像を用いるコンピュータ支援検出 |
Publications (3)
Publication Number | Publication Date |
---|---|
JP2019530490A true JP2019530490A (ja) | 2019-10-24 |
JP2019530490A5 JP2019530490A5 (ja) | 2020-11-05 |
JP6985371B2 JP6985371B2 (ja) | 2021-12-22 |
Family
ID=61191897
Family Applications (2)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2019509494A Active JP6985371B2 (ja) | 2016-08-22 | 2017-08-22 | 検出精度を向上させるために関心領域の異なるビューからの複数の画像を用いるコンピュータ支援検出 |
JP2021191137A Active JP7183376B2 (ja) | 2016-08-22 | 2021-11-25 | 検出精度を向上させるために関心領域の異なるビューからの複数の画像を用いるコンピュータ支援検出 |
Family Applications After (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2021191137A Active JP7183376B2 (ja) | 2016-08-22 | 2021-11-25 | 検出精度を向上させるために関心領域の異なるビューからの複数の画像を用いるコンピュータ支援検出 |
Country Status (7)
Country | Link |
---|---|
US (2) | US10346982B2 (ja) |
EP (1) | EP3500976A4 (ja) |
JP (2) | JP6985371B2 (ja) |
CN (1) | CN109791692B (ja) |
AU (1) | AU2017316625B2 (ja) |
CA (1) | CA3034699A1 (ja) |
WO (1) | WO2018039218A1 (ja) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20220096453A (ko) * | 2020-12-31 | 2022-07-07 | 주식회사 카이미 | 딥러닝 모델을 이용한 내시경 영상으로부터의 병변 검출 방법, 장치 및 프로그램 |
Families Citing this family (17)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9536054B1 (en) | 2016-01-07 | 2017-01-03 | ClearView Diagnostics Inc. | Method and means of CAD system personalization to provide a confidence level indicator for CAD system recommendations |
US10339650B2 (en) | 2016-01-07 | 2019-07-02 | Koios Medical, Inc. | Method and means of CAD system personalization to reduce intraoperator and interoperator variation |
US10346982B2 (en) | 2016-08-22 | 2019-07-09 | Koios Medical, Inc. | Method and system of computer-aided detection using multiple images from different views of a region of interest to improve detection accuracy |
US10140709B2 (en) * | 2017-02-27 | 2018-11-27 | International Business Machines Corporation | Automatic detection and semantic description of lesions using a convolutional neural network |
JP6751691B2 (ja) * | 2017-06-15 | 2020-09-09 | ルネサスエレクトロニクス株式会社 | 異常検出装置及び車両システム |
US11636288B2 (en) * | 2017-11-06 | 2023-04-25 | University Health Network | Platform, device and process for annotation and classification of tissue specimens using convolutional neural network |
US10799189B2 (en) * | 2017-11-22 | 2020-10-13 | General Electric Company | Systems and methods to deliver point of care alerts for radiological findings |
AU2019265531A1 (en) * | 2018-05-07 | 2020-10-08 | Hologic, Inc. | Breast ultrasound workflow application |
US11446008B2 (en) * | 2018-08-17 | 2022-09-20 | Tokitae Llc | Automated ultrasound video interpretation of a body part with one or more convolutional neural networks |
CN110008971B (zh) | 2018-08-23 | 2022-08-09 | 腾讯科技(深圳)有限公司 | 图像处理方法、装置、计算机可读存储介质及计算机设备 |
CN110136107B (zh) * | 2019-05-07 | 2023-09-05 | 上海交通大学 | 基于dssd和时域约束x光冠脉造影序列自动分析方法 |
US11844497B2 (en) * | 2020-02-28 | 2023-12-19 | Covidien Lp | Systems and methods for object measurement in minimally invasive robotic surgery |
JP7457571B2 (ja) * | 2020-05-19 | 2024-03-28 | 富士フイルムヘルスケア株式会社 | 超音波診断装置及び診断支援方法 |
CN112017155B (zh) * | 2020-07-13 | 2023-12-26 | 浙江华锐捷技术有限公司 | 健康体征数据的测量方法、装置、系统和存储介质 |
KR102451422B1 (ko) * | 2020-11-24 | 2022-10-07 | 울산과학기술원 | 초고해상도 이미지와 고속 광시야 이미지를 동시에 획득하는 방법 및 장치 |
EP4356345A1 (en) * | 2021-06-18 | 2024-04-24 | Subtle Medical, Inc. | Systems and methods for real-time video denoising |
CN116246215B (zh) * | 2023-05-11 | 2024-01-09 | 小手创新(杭州)科技有限公司 | 基于视觉算法的识别新进物品的方法、桶盖及智能回收桶 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2006014967A (ja) * | 2004-07-02 | 2006-01-19 | Hitachi Medical Corp | 画像診断支援装置 |
US20110200227A1 (en) * | 2010-02-17 | 2011-08-18 | Siemens Medical Solutions Usa, Inc. | Analysis of data from multiple time-points |
JP2013215524A (ja) * | 2012-04-12 | 2013-10-24 | Toshiba Corp | 超音波診断装置及びプログラム |
US20150230773A1 (en) * | 2014-02-19 | 2015-08-20 | Samsung Electronics Co., Ltd. | Apparatus and method for lesion detection |
WO2016088758A1 (ja) * | 2014-12-01 | 2016-06-09 | 国立研究開発法人産業技術総合研究所 | 超音波検査システム及び超音波検査方法 |
Family Cites Families (51)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5260871A (en) | 1991-07-31 | 1993-11-09 | Mayo Foundation For Medical Education And Research | Method and apparatus for diagnosis of breast tumors |
JP2852866B2 (ja) | 1994-03-30 | 1999-02-03 | 株式会社学習情報通信システム研究所 | コンピュータによる画像診断学習支援方法 |
US20030083903A1 (en) | 2001-10-30 | 2003-05-01 | Myers Gene E. | Method and apparatus for contemporaneous billing and documenting with rendered services |
JP2006500124A (ja) | 2002-09-24 | 2006-01-05 | イーストマン コダック カンパニー | 医療画像をコンピュータ支援検出(cad)のガイドによって読み取る方法及びシステム |
US7418119B2 (en) | 2002-10-31 | 2008-08-26 | Siemens Computer Aided Diagnosis Ltd. | Display for computer-aided evaluation of medical images and for establishing clinical recommendation therefrom |
US6909795B2 (en) | 2003-06-16 | 2005-06-21 | R2 Technology, Inc. | Communicating computer-aided detection results in a standards-based medical imaging environment |
WO2005001740A2 (en) | 2003-06-25 | 2005-01-06 | Siemens Medical Solutions Usa, Inc. | Systems and methods for automated diagnosis and decision support for breast imaging |
US7693315B2 (en) | 2003-06-25 | 2010-04-06 | Siemens Medical Solutions Usa, Inc. | Systems and methods for providing automated regional myocardial assessment for cardiac imaging |
US7529394B2 (en) * | 2003-06-27 | 2009-05-05 | Siemens Medical Solutions Usa, Inc. | CAD (computer-aided decision) support for medical imaging using machine learning to adapt CAD process with knowledge collected during routine use of CAD system |
CN1820274A (zh) * | 2003-06-27 | 2006-08-16 | 美国西门子医疗解决公司 | 使用机器学习来利用cad系统的常规使用期间所收集到的知识适配cad过程以对医学成像提供cad(计算机辅助决策 )支持 |
US8265728B2 (en) * | 2003-11-26 | 2012-09-11 | University Of Chicago | Automated method and system for the evaluation of disease and registration accuracy in the subtraction of temporally sequential medical images |
WO2006085266A1 (en) * | 2005-02-08 | 2006-08-17 | Philips Intellectual Property & Standard Gmbh | Medical image viewing protocols |
US20060210133A1 (en) | 2005-03-03 | 2006-09-21 | Sriram Krishnan | Performance adjustments in medical decision support systems |
US7904135B2 (en) * | 2005-05-06 | 2011-03-08 | General Hospital Corporation | Magnetic resonance spatial risk map for tissue outcome prediction |
US8019170B2 (en) | 2005-10-05 | 2011-09-13 | Qualcomm, Incorporated | Video frame motion-based automatic region-of-interest detection |
US8014576B2 (en) | 2005-11-23 | 2011-09-06 | The Medipattern Corporation | Method and system of computer-aided quantitative and qualitative analysis of medical images |
DE102006018413A1 (de) | 2006-04-20 | 2007-10-25 | Siemens Ag | MR-Tomograph mit einem System zur Kontrastoptimierung von MRT-Bildern |
WO2007138533A2 (en) | 2006-05-25 | 2007-12-06 | Pace Plc | Identifying and dynamically presenting regions of interest in a digital image |
JP5952996B2 (ja) * | 2006-12-19 | 2016-07-13 | コーニンクレッカ フィリップス エヌ ヴェKoninklijke Philips N.V. | 医用撮像データ内で可能性あるコンピュータ検出偽陽性を指し示す装置及び方法 |
US20090238422A1 (en) | 2008-05-13 | 2009-09-24 | Three Palm Software | Communicative cad system for assisting breast imaging diagnosis |
JP4958659B2 (ja) * | 2007-07-03 | 2012-06-20 | キヤノン株式会社 | 画像表示制御装置及び画像表示制御方法及びプログラム及び記録媒体 |
US20090034809A1 (en) * | 2007-08-01 | 2009-02-05 | Fujifilm Corporation | Abnormal tissue pattern detection apparatus, method and program |
US20090034810A1 (en) * | 2007-08-03 | 2009-02-05 | Fujifilm Corporation | Abnormal tissue pattern detection apparatus, method and program |
JP5186858B2 (ja) | 2007-09-27 | 2013-04-24 | 富士フイルム株式会社 | 医用情報処理システム、医用情報処理方法、及びプログラム |
US9218656B2 (en) | 2007-10-05 | 2015-12-22 | Siemens Medical Solutions Usa, Inc. | Method and system for automatic classification of lesions in breast MRI |
WO2010024331A1 (ja) * | 2008-09-01 | 2010-03-04 | 株式会社 日立メディコ | 画像処理装置、及び画像処理方法 |
US9189670B2 (en) | 2009-02-11 | 2015-11-17 | Cognex Corporation | System and method for capturing and detecting symbology features and parameters |
US9289183B2 (en) * | 2009-11-27 | 2016-03-22 | Qview Medical, Inc. | Interactive display of computer aided detection results in combination with quantitative prompts |
US8885898B2 (en) | 2010-10-07 | 2014-11-11 | Siemens Medical Solutions Usa, Inc. | Matching of regions of interest across multiple views |
AU2012220301B2 (en) * | 2011-02-24 | 2017-04-13 | Cadens Medical Imaging Inc. | Method and apparatus for isolating a potential anomaly in imaging data and its application to medical imagery |
JP5875285B2 (ja) | 2011-08-16 | 2016-03-02 | キヤノン株式会社 | 医療診断支援装置、情報処理方法及びプログラム |
JP2013169296A (ja) * | 2012-02-20 | 2013-09-02 | Canon Inc | 画像処理装置及び画像処理方法 |
WO2014036538A2 (en) | 2012-08-31 | 2014-03-06 | Rutgers, The State University Of New Jersey | Systems and methods for noise reduction and signal enhancement of coherent imaging systems |
KR20140049137A (ko) * | 2012-10-12 | 2014-04-25 | 삼성전자주식회사 | 의료영상 분석장치 및 방법 |
KR20140055152A (ko) | 2012-10-30 | 2014-05-09 | 삼성전자주식회사 | 병변 진단 보조 장치 및 방법 |
KR20150066963A (ko) * | 2013-12-09 | 2015-06-17 | 삼성전자주식회사 | 의료 영상 배치 방법 및 이를 위한 의료 기기 |
JP2015116319A (ja) | 2013-12-18 | 2015-06-25 | パナソニックIpマネジメント株式会社 | 診断支援装置、診断支援方法、および診断支援プログラム |
CN104143101A (zh) | 2014-07-01 | 2014-11-12 | 华南理工大学 | 一种基于超声图像的乳腺肿瘤区域自动识别方法 |
KR20160020917A (ko) * | 2014-08-14 | 2016-02-24 | 삼성전자주식회사 | 컴퓨터 보조 진단 장치 및 방법 |
JP6134986B2 (ja) * | 2014-09-01 | 2017-05-31 | 富士フイルム株式会社 | 医用画像計測装置およびその作動方法並びに医用画像計測プログラム |
KR102347249B1 (ko) | 2014-10-21 | 2022-01-04 | 삼성전자주식회사 | 외부 물체의 움직임과 연관된 이벤트에 응답하여 화면을 디스플레이하는 장치 및 방법 |
US9569692B2 (en) | 2014-10-31 | 2017-02-14 | The Nielsen Company (Us), Llc | Context-based image recognition for consumer market research |
KR20160054992A (ko) | 2014-11-07 | 2016-05-17 | 삼성전자주식회사 | 관심영역의 재검출 회피 장치 및 방법 |
US9760990B2 (en) | 2014-12-14 | 2017-09-12 | International Business Machines Corporation | Cloud-based infrastructure for feedback-driven training and image recognition |
KR102412122B1 (ko) * | 2015-05-27 | 2022-06-23 | 삼성전자주식회사 | 의료 영상 디스플레이 방법 및 장치 |
US9536054B1 (en) | 2016-01-07 | 2017-01-03 | ClearView Diagnostics Inc. | Method and means of CAD system personalization to provide a confidence level indicator for CAD system recommendations |
US10339650B2 (en) * | 2016-01-07 | 2019-07-02 | Koios Medical, Inc. | Method and means of CAD system personalization to reduce intraoperator and interoperator variation |
US9959617B2 (en) * | 2016-01-28 | 2018-05-01 | Taihao Medical Inc. | Medical image processing apparatus and breast image processing method thereof |
CN105913086A (zh) | 2016-04-12 | 2016-08-31 | 福州大学 | 一种应用特征权重自适应选择的计算机辅助诊断乳腺的方法 |
US10346982B2 (en) | 2016-08-22 | 2019-07-09 | Koios Medical, Inc. | Method and system of computer-aided detection using multiple images from different views of a region of interest to improve detection accuracy |
US10610302B2 (en) | 2016-09-20 | 2020-04-07 | Siemens Healthcare Gmbh | Liver disease assessment in medical imaging |
-
2016
- 2016-10-31 US US15/338,707 patent/US10346982B2/en active Active
-
2017
- 2017-08-22 AU AU2017316625A patent/AU2017316625B2/en active Active
- 2017-08-22 CA CA3034699A patent/CA3034699A1/en active Pending
- 2017-08-22 WO PCT/US2017/047995 patent/WO2018039218A1/en unknown
- 2017-08-22 CN CN201780059923.6A patent/CN109791692B/zh active Active
- 2017-08-22 JP JP2019509494A patent/JP6985371B2/ja active Active
- 2017-08-22 EP EP17844275.2A patent/EP3500976A4/en active Pending
-
2019
- 2019-07-08 US US16/504,940 patent/US11551361B2/en active Active
-
2021
- 2021-11-25 JP JP2021191137A patent/JP7183376B2/ja active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2006014967A (ja) * | 2004-07-02 | 2006-01-19 | Hitachi Medical Corp | 画像診断支援装置 |
US20110200227A1 (en) * | 2010-02-17 | 2011-08-18 | Siemens Medical Solutions Usa, Inc. | Analysis of data from multiple time-points |
JP2013215524A (ja) * | 2012-04-12 | 2013-10-24 | Toshiba Corp | 超音波診断装置及びプログラム |
US20150230773A1 (en) * | 2014-02-19 | 2015-08-20 | Samsung Electronics Co., Ltd. | Apparatus and method for lesion detection |
JP2015154918A (ja) * | 2014-02-19 | 2015-08-27 | 三星電子株式会社Samsung Electronics Co.,Ltd. | 病変検出装置及び方法 |
WO2016088758A1 (ja) * | 2014-12-01 | 2016-06-09 | 国立研究開発法人産業技術総合研究所 | 超音波検査システム及び超音波検査方法 |
US20170258451A1 (en) * | 2014-12-01 | 2017-09-14 | National Institute Of Advanced Industrial Science And Technology | System and method for ultrasound examination |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20220096453A (ko) * | 2020-12-31 | 2022-07-07 | 주식회사 카이미 | 딥러닝 모델을 이용한 내시경 영상으로부터의 병변 검출 방법, 장치 및 프로그램 |
KR102602392B1 (ko) * | 2020-12-31 | 2023-11-16 | 주식회사 카이미 | 딥러닝 모델을 이용한 내시경 영상으로부터의 병변 검출 방법, 장치 및 프로그램 |
Also Published As
Publication number | Publication date |
---|---|
EP3500976A4 (en) | 2020-03-11 |
JP2022024139A (ja) | 2022-02-08 |
US10346982B2 (en) | 2019-07-09 |
US20200175684A1 (en) | 2020-06-04 |
WO2018039218A1 (en) | 2018-03-01 |
AU2017316625B2 (en) | 2022-07-21 |
CA3034699A1 (en) | 2018-03-01 |
AU2017316625A1 (en) | 2019-02-28 |
US20180053300A1 (en) | 2018-02-22 |
JP7183376B2 (ja) | 2022-12-05 |
JP6985371B2 (ja) | 2021-12-22 |
EP3500976A1 (en) | 2019-06-26 |
CN109791692B (zh) | 2023-12-05 |
CN109791692A (zh) | 2019-05-21 |
US11551361B2 (en) | 2023-01-10 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP7183376B2 (ja) | 検出精度を向上させるために関心領域の異なるビューからの複数の画像を用いるコンピュータ支援検出 | |
US8634622B2 (en) | Computer-aided detection of regions of interest in tomographic breast imagery | |
US10362941B2 (en) | Method and apparatus for performing registration of medical images | |
US9536316B2 (en) | Apparatus and method for lesion segmentation and detection in medical images | |
CN107886508B (zh) | 差分减影方法和医学图像处理方法及系统 | |
US20160117818A1 (en) | Computer-aided diagnosis (cad) apparatus and method using consecutive medical images | |
CN111540025B (zh) | 预测用于图像处理的图像 | |
CN108876794A (zh) | 体积图像数据中的动脉瘤与载瘤血管的隔离 | |
JP2022506134A (ja) | 医用画像内でのインターベンションデバイスの識別 | |
Kang et al. | Automated knowledge‐based detection of nonobstructive and obstructive arterial lesions from coronary CT angiography | |
Wen et al. | An adaptive kernel regression method for 3D ultrasound reconstruction using speckle prior and parallel GPU implementation | |
Zhou et al. | Computerized analysis of coronary artery disease: performance evaluation of segmentation and tracking of coronary arteries in CT angiograms | |
Meng et al. | Automatic shadow detection in 2d ultrasound images | |
CN109313803B (zh) | 一种用于映射对象的身体的至少部分的图像中的结构的至少部分的方法和装置 | |
US20160210774A1 (en) | Breast density estimation | |
Chen et al. | Virtual blood vessels in complex background using stereo x-ray images | |
IL262027A (en) | System and methods for diagnostic image processing and image quality assessment | |
Pourtaherian et al. | Benchmarking of state-of-the-art needle detection algorithms in 3D ultrasound data volumes | |
US11452494B2 (en) | Methods and systems for projection profile enabled computer aided detection (CAD) | |
Kiss et al. | Fusion of 3D echo and cardiac magnetic resonance volumes during live scanning | |
US10977792B2 (en) | Quantitative evaluation of time-varying data | |
van Ginneken | Detection of Lung Nodules in Chest Radiography |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20190416 |
|
A711 | Notification of change in applicant |
Free format text: JAPANESE INTERMEDIATE CODE: A711 Effective date: 20190822 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A821 Effective date: 20190822 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20200821 |
|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20200821 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20200916 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20210719 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20210830 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20210914 |
|
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: 20211101 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20211125 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 6985371 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |