JP2019536531A - X線画像内の不透明度を検出する装置 - Google Patents
X線画像内の不透明度を検出する装置 Download PDFInfo
- Publication number
- JP2019536531A JP2019536531A JP2019523631A JP2019523631A JP2019536531A JP 2019536531 A JP2019536531 A JP 2019536531A JP 2019523631 A JP2019523631 A JP 2019523631A JP 2019523631 A JP2019523631 A JP 2019523631A JP 2019536531 A JP2019536531 A JP 2019536531A
- Authority
- JP
- Japan
- Prior art keywords
- interest
- region
- model
- ray image
- intensity
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000001514 detection method Methods 0.000 claims abstract description 27
- 238000000034 method Methods 0.000 claims description 45
- 230000005856 abnormality Effects 0.000 claims description 38
- 238000012545 processing Methods 0.000 claims description 38
- 238000004458 analytical method Methods 0.000 claims description 18
- 210000000988 bone and bone Anatomy 0.000 claims description 18
- 238000004590 computer program Methods 0.000 claims description 18
- 210000004072 lung Anatomy 0.000 description 45
- 201000008827 tuberculosis Diseases 0.000 description 21
- 210000000038 chest Anatomy 0.000 description 18
- 230000002159 abnormal effect Effects 0.000 description 9
- 238000007781 pre-processing Methods 0.000 description 9
- 238000012549 training Methods 0.000 description 8
- 208000019693 Lung disease Diseases 0.000 description 7
- 238000010606 normalization Methods 0.000 description 7
- 238000013459 approach Methods 0.000 description 5
- 238000010586 diagram Methods 0.000 description 4
- 238000011156 evaluation Methods 0.000 description 4
- 238000003384 imaging method Methods 0.000 description 4
- 230000011218 segmentation Effects 0.000 description 4
- 230000001629 suppression Effects 0.000 description 4
- 230000002238 attenuated effect Effects 0.000 description 3
- 230000008901 benefit Effects 0.000 description 3
- 238000012512 characterization method Methods 0.000 description 3
- 238000004891 communication Methods 0.000 description 3
- 230000001419 dependent effect Effects 0.000 description 3
- 238000002405 diagnostic procedure Methods 0.000 description 3
- 238000007689 inspection Methods 0.000 description 3
- 230000005855 radiation Effects 0.000 description 3
- 239000007787 solid Substances 0.000 description 3
- 208000024891 symptom Diseases 0.000 description 3
- 238000012360 testing method Methods 0.000 description 3
- 238000010521 absorption reaction Methods 0.000 description 2
- 238000003745 diagnosis Methods 0.000 description 2
- 201000010099 disease Diseases 0.000 description 2
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 230000003902 lesion Effects 0.000 description 2
- 230000005823 lung abnormality Effects 0.000 description 2
- 210000001147 pulmonary artery Anatomy 0.000 description 2
- 238000002601 radiography Methods 0.000 description 2
- 210000001519 tissue Anatomy 0.000 description 2
- 230000003936 working memory Effects 0.000 description 2
- 206010002329 Aneurysm Diseases 0.000 description 1
- 208000002693 Multiple Abnormalities Diseases 0.000 description 1
- 206010036790 Productive cough Diseases 0.000 description 1
- 238000009825 accumulation Methods 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 239000003242 anti bacterial agent Substances 0.000 description 1
- 229940088710 antibiotic agent Drugs 0.000 description 1
- 239000012472 biological sample Substances 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 210000000481 breast Anatomy 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 239000003086 colorant Substances 0.000 description 1
- 238000010835 comparative analysis Methods 0.000 description 1
- 230000001066 destructive effect Effects 0.000 description 1
- 238000002059 diagnostic imaging Methods 0.000 description 1
- 229940079593 drug Drugs 0.000 description 1
- 239000003814 drug Substances 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 239000012530 fluid Substances 0.000 description 1
- 230000002068 genetic effect Effects 0.000 description 1
- 230000005802 health problem Effects 0.000 description 1
- 238000010191 image analysis Methods 0.000 description 1
- 208000015181 infectious disease Diseases 0.000 description 1
- 238000002697 interventional radiology Methods 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000009607 mammography Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000009659 non-destructive testing Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000001766 physiological effect Effects 0.000 description 1
- 210000004224 pleura Anatomy 0.000 description 1
- 238000012805 post-processing Methods 0.000 description 1
- 208000024794 sputum Diseases 0.000 description 1
- 210000003802 sputum Anatomy 0.000 description 1
- 238000013179 statistical model Methods 0.000 description 1
- 239000013589 supplement Substances 0.000 description 1
- 238000001356 surgical procedure Methods 0.000 description 1
- 230000002195 synergetic effect Effects 0.000 description 1
- 230000001225 therapeutic effect Effects 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
- 238000012800 visualization Methods 0.000 description 1
Images
Classifications
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
- A61B6/52—Devices using data or image processing specially adapted for radiation diagnosis
- A61B6/5205—Devices using data or image processing specially adapted for radiation diagnosis involving processing of raw data to produce diagnostic data
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
- G06T7/0012—Biomedical image inspection
- G06T7/0014—Biomedical image inspection using an image reference approach
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H30/00—ICT specially adapted for the handling or processing of medical images
- G16H30/40—ICT specially adapted for the handling or processing of medical images for processing medical images, e.g. editing
-
- 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
- A61B6/46—Arrangements for interfacing with the operator or the patient
- A61B6/461—Displaying means of special interest
- A61B6/463—Displaying means of special interest characterised by displaying multiple images or images and diagnostic data on one display
-
- 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
- A61B6/48—Diagnostic techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10116—X-ray image
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20112—Image segmentation details
- G06T2207/20128—Atlas-based segmentation
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Medical Informatics (AREA)
- Radiology & Medical Imaging (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- General Health & Medical Sciences (AREA)
- Physics & Mathematics (AREA)
- Public Health (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Surgery (AREA)
- Biophysics (AREA)
- Heart & Thoracic Surgery (AREA)
- Molecular Biology (AREA)
- Pathology (AREA)
- Animal Behavior & Ethology (AREA)
- Optics & Photonics (AREA)
- High Energy & Nuclear Physics (AREA)
- Veterinary Medicine (AREA)
- Biomedical Technology (AREA)
- Quality & Reliability (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Epidemiology (AREA)
- Primary Health Care (AREA)
- Apparatus For Radiation Diagnosis (AREA)
- Image Analysis (AREA)
- Analysing Materials By The Use Of Radiation (AREA)
Abstract
Description
−入力ユニット、
−処理ユニット、及び
−出力ユニット。
−少なくとも1つの画像取得装置、及び
−第1の態様による、臨床X線画像内の不透明度を検出する装置。
a)分析される身体部分の関心領域の分析X線画像を提供するステップ、
b)正常な関心領域のモデルを提供するステップであって、このモデルは、正常であり且つ異常を罹患していない関心領域の複数のX線画像に基づくものであり、このモデルは、正常で健康な母集団に関する統計情報を含む、ステップ、
c)分析される身体部分の関心領域内の少なくとも1つの異常を検出するステップであって、この検出するステップは、関心領域の分析X線画像と、正常な関心領域のモデルとを比較するステップと、分析X線画像内の少なくともいくつかの骨関連画像を抑制するステップとを有する、検出するステップ、及び
d)少なくとも1つの異常に関する情報を出力するステップ。
提供するステップ210、またステップa)と称するステップにおいて、分析される身体部分の関心領域の分析X線画像を提供するステップと、
提供するステップ220、またステップb)と称するステップにおいて、正常な関心領域のモデルを提供するステップであって、このモデルは、関心領域の複数のX線画像に基づくものである、ステップと、
検出するステップ230、またステップc)と称するステップにおいて、分析される身体部分の関心領域内の少なくとも1つの異常を検出するステップであって、関心領域の分析X線画像と、正常な関心領域のモデルとを比較するステップを有する、ステップと、
出力するステップ240、またd)と称するステップにおいて、少なくとも1つの異常に関する情報を出力するステップと
を有する。
ステップb)において、この提供するステップは、入力ユニットから処理ユニットへの提供であり得る。
ステップc)において、この検出するステップは、処理ユニットによって実行され得る。
ステップd)において、この出力するステップは、出力ユニットによって実行され得る。
i.肺野で覆われた骨も、結核によって引き起こされるものよりも強い不透明度を課す。
ii.様々な取得プロトコル(露出)及び患者の特性(体重/サイズ)に応じて、肺野における画像強度は、結核によって引き起こされる変動に起因するよりも著しく大きく変わり、それによって画像間の定量的比較が妨げられる。
iii.肺血管の木の根(肺門)は、強い不透明性を課す。
1.胸部X線写真の前処理
2.胸部X線写真と正常モデルとの比較
3.胸部X線写真内の異常の検出、及び
4.胸部X線写真から検出された異常の分類
上記で概要を示した厄介な問題(i及びii)を考慮するために、各画像について前処理が実行される。以下の前処理ステップが適用される。
1.肺野のセグメント化
2.骨の抑制
3.肺野の強度正規化、及び
4.肺野の空間正規化。
統計モデルは、アトラス内の任意の位置において、強度分布(平均値av_i(x)及び標準偏差stddev(x))を記述している、正常のケース(専門家によって画像内で有意な放射線学的所見が観察されなかったことを意味する、放射線学的正常と定義される)の収集から構築される。このモデルは、平均値及び標準偏差に基づいて、正常に対するアトラス空間内での予測強度の信頼区間を提供する(一般的なアトラス空間内での一組の正常な対象者の肺野内の、強度分布のモデル化を示す、図6を参照のこと−平均及び標準偏差をもつ、ガウスモデルが使用される)。平均的な肺野内に暗い領域(中央上部)があり、より明るい領域(肺底、外側帯、肺門)がある。予測強度の標準偏差もまた、アトラス空間にわたって空間的に変化する。たとえば、変動は、肺門内及び肺底内でより大きくなるが、外側帯ではそうではない。平均及び標準偏差を含むこの正常モデルは、比較的少数のパラメータを有し、適用するのが概念的に非常に簡単である。訓練に必要なデータセットはごく少数であり、訓練ケースの特定の選択に適合し過ぎるリスクは低い。
たとえば対象者からの肺野で取得され、分析X線画像であると考えられ得る画像は、以下によって分析される。
1.画像の前処理、及び
2.任意の異常画像位置の検出。
総合的な異常スコアZは、z(x)>sとなる全ての位置xを数え、これを肺のサイズを占める肺野内の位置の数に正規化することによって、肺野全体に関して計算される。Zは、特定の胸部X線写真の異常に関する適切な判断基準を提供する。
前に詳細に説明してきた、モデル構築、異常検出、及び評価の特定のステップに関するさらなる詳細を含む簡単な概要を、以下に提供する。前に概説した前処理は、この目的のための重要な前提条件のステップであり得る。ある状況では、前処理は、分析に含まれるすべての画像(モデルを構築するための訓練段階の間の参照画像、及び検出中の目に見えない画像の両方)に、同じやり方で適用される。ここで、これらのステップは、下記にさらに詳しく述べられている。
−肺野のセグメント化は、D.Barthel及びJ.von Bergによる論文である「ディジタル胸部X線写真上の堅牢な自動肺野セグメント化」CARS国際学術誌、4(補遺1):326〜327頁、2009年に記載された方法によって実施される。セグメント化の他の知られた方法を使用することができる。
−骨の抑制もまた、たとえば以下の情報源に記載される、知られた方法によって実施され得る。von Berg及びNeitzelによる国際特許出願公開WO2011/077334「X線写真内の骨の抑制」、Jens von Berg、Stewart Young、Heike Carolus、Robin Wolz、Axel Saalbach、Alberto Hidalgo、Ana Gimenez、及びTomas Franquetによる「肺瘤検出を改善する、新規の骨抑制方法」コンピュータ支援放射線医学・外科学協会の国際学術誌、1〜15頁、2015年、並びにvon Berg、Levrier、Carolus、Young、Saalbach、Laurent、及びFlorentによる「X線写真内の胸郭の分解」出版されたISBI2016の会報。
−強度正規化は、たとえば強度範囲の7.5%で、肺野の暗い部分など、肺野の強度分位数qを判定することによって実施され得る。したがって、正規化は、画像からqを減算することを意味する(そして負の画像強度にしないために定数を加算する)。これは、複雑な質感及び形状の特徴分析に基づく他の方法とは対照的に、非常に簡単な方法である。
−空間正規化は、離散的な一組のステップポイントから作成された肺野の輪郭に基づいて実行することができる。平均的な肺野モデルは、訓練セットに基づいて構築される。これにより、「アトラス」(基準)空間の定義が確立される。次いで、元の画像を変形させて、肺と、モデルの肺とを位置合わせすることにより、すべての画像を、この「アトラス」空間と空間的に位置合せすることができる。Rueckert、Daniel等による論文「自由形状変形を利用した非剛体位置合せ:乳房MR画像への応用」IEEE Transactions on Medical Imaging、1999年18[8]、712〜721頁に記載される、Bスプライン法もまた適用され得る。k最近傍補間などの他の手法が適用され得る。
Claims (14)
- 臨床X線画像の不透明度を検出する装置であって、前記装置は、入力ユニット、処理ユニット、及び出力ユニットを備え、
前記入力ユニットは、前記処理ユニットに、分析される身体部分の関心領域の分析X線画像を供給し、
前記入力ユニットは、前記処理ユニットに、正常であり且つ異常を罹患していない関心領域の複数のX線画像に基づき、正常で健康な母集団に関する統計情報を含む、正常な関心領域のモデルを供給し、
前記処理ユニットは、前記分析される身体部分の関心領域の中の少なくとも1つの異常を検出し、当該検出は、前記関心領域の分析X線画像と、前記正常な関心領域のモデルとの間の比較を含み、当該検出は、前記分析X線画像内の少なくともいくらかの骨関連画像の抑制を含み、
前記出力ユニットは、少なくとも1つの異常に関する情報を出力する、装置。 - 前記関心領域の前記分析X線画像と前記正常な関心領域のモデルとの間の比較は、前記分析X線画像の前記関心領域内の少なくとも1つの強度と、それに対応する前記モデルの前記正常な関心領域内の少なくとも1つの強度との間の少なくとも1つの偏差を、前記処理ユニットが判断することを含む、請求項1に記載の装置。
- モデルデータが、前記関心領域の前記複数のX線画像内の対応する強度に基づく少なくとも1つの平均強度を含み、前記モデルデータは、前記関心領域の前記複数のX線画像内の対応する強度に基づく少なくとも1つの強度の標準偏差を含み、前記関心領域の前記分析X線画像と前記正常な関心領域の前記モデルとの間の比較は、前記分析X線画像の前記関心領域内の少なくとも1つの強度値と、前記モデルの前記正常な関心領域内の少なくとも1つの平均強度値と、前記モデルの前記正常な関心領域内の少なくとも1つの強度の標準偏差とに基づく、請求項1又は2に記載の装置。
- 前記関心領域の前記分析X線画像と前記正常な関心領域の前記モデルとの間の比較は、前記関心領域の前記分析X線画像内のある空間位置での強度と、前記正常な関心領域の前記モデル内の対応する空間位置での平均強度との間の差を、前記処理ユニットが判断すること、及び、この差と前記正常な関心領域の前記モデル内の対応する空間位置における強度の標準偏差との間の比を前記処理ユニットが判定することを含む、請求項3に記載の装置。
- 前記分析される身体部分の関心領域の中の少なくとも1つの異常の検出は、前記分析X線画像の関心領域内の少なくとも1つの強度、及び、それに対応するモデルの正常な関心領域内の少なくとも1つの強度に基づく少なくとも1つのスコアを、前記処理ユニットが判断することを含む、請求項1乃至4の何れか一項に記載の装置。
- 前記少なくとも1つのスコアのうちのあるスコアが、前記分析される身体部分の関心領域内で少なくとも1つの異常が検出されたことを示すために使用される、請求項5に記載の装置。
- 前記処理ユニットは、前記少なくとも1つのスコアに基づいて、前記分析X線画像の関心領域の少なくとも1つの領域を描出する、請求項5又は6に記載の装置。
- 前記正常領域のモデルの基となる関心領域の複数のX線画像は、少なくともいくつかの骨関連画像が抑制されたものである、請求項1乃至7の何れか一項に記載の装置。
- 前記分析された身体部分の関心領域内の少なくとも1つの異常の検出は、前記分析X線画像を前記処理ユニットが強度正規化することを含む、請求項1乃至8の何れか一項に記載の装置。
- 前記正常な領域のモデルの基となる関心領域の複数のX線画像が、強度正規化されている、請求項1乃至9の何れか一項に記載の装置。
- 前記分析された身体部分の関心領域内の少なくとも1つの異常の検出は、前記分析X線画像の関心領域の、前記モデルの正常な関心領域への位置合せを含む、請求項1乃至10の何れか一項に記載の装置。
- X線画像内の不透明度を検出するシステムであって、前記システムは、
少なくとも1つの画像取得装置、及び
請求項1乃至11の何れか一項に記載の臨床X線画像内の不透明度を検出する装置を備え、
前記少なくとも1つの画像取得装置は、分析X線画像を提供し、
前記出力ユニットは、少なくとも1つの異常に関する情報を含む分析X線画像を出力する、システム。 - X線画像内の不透明度を検出する自動化された方法であって、前記方法は、
a)分析される身体部分の関心領域の分析X線画像を提供するステップ、
b)正常な関心領域のモデルを提供するステップであって、前記モデルは、正常であり且つ異常を罹患していない関心領域の複数のX線画像に基づくものであり、前記モデルは、正常で健康な母集団に関する統計情報を含む、ステップ、
c)前記分析される身体部分の関心領域内の少なくとも1つの異常を検出するステップであって、当該検出するステップは、前記関心領域の前記分析X線画像と、前記正常な関心領域のモデルとを比較するステップと、前記分析X線画像内の少なくともいくつかの骨関連画像を抑制するステップとを有する、検出するステップ、及び
d)前記少なくとも1つの異常に関する情報を出力するステップ、
を有する、方法。 - プロセッサによって実行されると、請求項13に記載の方法を実行する、請求項1から11の何れか一項に記載の装置及び/又は請求項12に記載のシステムを制御するためのコンピュータプログラム。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
EP16197665 | 2016-11-08 | ||
EP16197665.9 | 2016-11-08 | ||
PCT/EP2017/077376 WO2018086893A1 (en) | 2016-11-08 | 2017-10-26 | Apparatus for the detection of opacities in x-ray images |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2019536531A true JP2019536531A (ja) | 2019-12-19 |
JP2019536531A5 JP2019536531A5 (ja) | 2020-12-03 |
Family
ID=57256137
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2019523631A Pending JP2019536531A (ja) | 2016-11-08 | 2017-10-26 | X線画像内の不透明度を検出する装置 |
Country Status (5)
Country | Link |
---|---|
US (1) | US11058383B2 (ja) |
EP (1) | EP3539079A1 (ja) |
JP (1) | JP2019536531A (ja) |
CN (1) | CN109937433B (ja) |
WO (1) | WO2018086893A1 (ja) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP7515709B2 (ja) | 2020-09-21 | 2024-07-12 | コーニンクレッカ フィリップス エヌ ヴェ | 暗視野x線画像データ情報の処理 |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP3622891A1 (en) * | 2018-09-13 | 2020-03-18 | Koninklijke Philips N.V. | Calculation device for determining ventilation defects |
JP7023254B2 (ja) * | 2019-03-27 | 2022-02-21 | 富士フイルム株式会社 | 撮影支援装置、方法およびプログラム |
EP3866107A1 (en) * | 2020-02-14 | 2021-08-18 | Koninklijke Philips N.V. | Model-based image segmentation |
CN111815557A (zh) * | 2020-06-04 | 2020-10-23 | 上海联影智能医疗科技有限公司 | 图像分析方法、装置、设备及存储介质 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH09147082A (ja) * | 1995-11-20 | 1997-06-06 | Sumitomo Heavy Ind Ltd | 画像診断支援装置 |
JP2004041694A (ja) * | 2002-05-13 | 2004-02-12 | Fuji Photo Film Co Ltd | 画像生成装置およびプログラム、画像選択装置、画像出力装置、画像提供サービスシステム |
JP2005073122A (ja) * | 2003-08-27 | 2005-03-17 | Fuji Photo Film Co Ltd | 画像処理方法および装置並びにプログラム |
JP2005514975A (ja) * | 2002-01-07 | 2005-05-26 | マルチ−ディメンショナル イメージング,インコーポレイテッド | 動的な解剖学的、生理学的および分子撮像のためのマルチモダリティ装置 |
JP2005198887A (ja) * | 2004-01-16 | 2005-07-28 | Fuji Photo Film Co Ltd | 解剖学的構造物の構造検出方法および装置並びにプログラム、構造物除去画像生成装置、異常陰影検出装置 |
WO2007138979A1 (ja) * | 2006-05-25 | 2007-12-06 | Hitachi Medical Corporation | X線ct装置 |
JP2010012176A (ja) * | 2008-07-07 | 2010-01-21 | Hamamatsu Photonics Kk | 脳疾患診断システム |
Family Cites Families (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7660453B2 (en) | 2000-10-11 | 2010-02-09 | Imaging Therapeutics, Inc. | Methods and devices for analysis of x-ray images |
US20040175034A1 (en) | 2001-06-20 | 2004-09-09 | Rafael Wiemker | Method for segmentation of digital images |
US7747052B2 (en) | 2005-11-29 | 2010-06-29 | Siemens Medical Solutions Usa, Inc. | System and method for detecting solid components of ground glass nodules in pulmonary computed tomography images |
FR2904882B1 (fr) | 2006-08-11 | 2008-11-14 | Gen Electric | Procede de traitement d'images radiologiques pour une detection d'opacites |
US20090052763A1 (en) | 2007-06-04 | 2009-02-26 | Mausumi Acharyya | Characterization of lung nodules |
US8238635B2 (en) * | 2008-03-21 | 2012-08-07 | General Electric Company | Method and system for identifying defects in radiographic image data corresponding to a scanned object |
CA2731657A1 (en) * | 2008-07-28 | 2010-02-04 | Nihon Medi-Physics Co., Ltd. | Technique for detecting neurodegenerative disorders |
US8731255B2 (en) | 2008-11-05 | 2014-05-20 | University Of Louisville Research Foundation, Inc. | Computer aided diagnostic system incorporating lung segmentation and registration |
CN102053963B (zh) * | 2009-10-28 | 2012-08-08 | 沈阳工业大学 | 一种胸部x线图像检索方法 |
WO2011077334A1 (en) | 2009-12-22 | 2011-06-30 | Koninklijke Philips Electronics N.V. | Bone suppression in x-ray radiograms |
WO2011135484A1 (en) * | 2010-04-26 | 2011-11-03 | Koninklijke Philips Electronics N.V. | Device and method for providing subtraction images |
US20130044927A1 (en) * | 2011-08-15 | 2013-02-21 | Ian Poole | Image processing method and system |
US10445855B2 (en) | 2014-04-08 | 2019-10-15 | Icad, Inc. | Lung segmentation and bone suppression techniques for radiographic images |
-
2017
- 2017-10-26 JP JP2019523631A patent/JP2019536531A/ja active Pending
- 2017-10-26 US US16/347,825 patent/US11058383B2/en active Active
- 2017-10-26 CN CN201780069080.8A patent/CN109937433B/zh active Active
- 2017-10-26 EP EP17791661.6A patent/EP3539079A1/en active Pending
- 2017-10-26 WO PCT/EP2017/077376 patent/WO2018086893A1/en unknown
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH09147082A (ja) * | 1995-11-20 | 1997-06-06 | Sumitomo Heavy Ind Ltd | 画像診断支援装置 |
JP2005514975A (ja) * | 2002-01-07 | 2005-05-26 | マルチ−ディメンショナル イメージング,インコーポレイテッド | 動的な解剖学的、生理学的および分子撮像のためのマルチモダリティ装置 |
JP2004041694A (ja) * | 2002-05-13 | 2004-02-12 | Fuji Photo Film Co Ltd | 画像生成装置およびプログラム、画像選択装置、画像出力装置、画像提供サービスシステム |
JP2005073122A (ja) * | 2003-08-27 | 2005-03-17 | Fuji Photo Film Co Ltd | 画像処理方法および装置並びにプログラム |
JP2005198887A (ja) * | 2004-01-16 | 2005-07-28 | Fuji Photo Film Co Ltd | 解剖学的構造物の構造検出方法および装置並びにプログラム、構造物除去画像生成装置、異常陰影検出装置 |
WO2007138979A1 (ja) * | 2006-05-25 | 2007-12-06 | Hitachi Medical Corporation | X線ct装置 |
JP2010012176A (ja) * | 2008-07-07 | 2010-01-21 | Hamamatsu Photonics Kk | 脳疾患診断システム |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP7515709B2 (ja) | 2020-09-21 | 2024-07-12 | コーニンクレッカ フィリップス エヌ ヴェ | 暗視野x線画像データ情報の処理 |
Also Published As
Publication number | Publication date |
---|---|
EP3539079A1 (en) | 2019-09-18 |
US11058383B2 (en) | 2021-07-13 |
CN109937433B (zh) | 2024-01-16 |
US20190254618A1 (en) | 2019-08-22 |
CN109937433A (zh) | 2019-06-25 |
WO2018086893A1 (en) | 2018-05-17 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP4909377B2 (ja) | 画像処理装置及びその制御方法、コンピュータプログラム | |
JP2019536531A (ja) | X線画像内の不透明度を検出する装置 | |
JP5197029B2 (ja) | 医用画像処理装置 | |
US8897533B2 (en) | Medical image processing apparatus | |
JP6175071B2 (ja) | 胸部画像の処理及び表示 | |
US7236619B2 (en) | System and method for computer-aided detection and characterization of diffuse lung disease | |
JP5676269B2 (ja) | 脳画像データの画像解析 | |
WO2015175746A1 (en) | Visualization and quantification of lung disease utilizing image registration | |
JP5631339B2 (ja) | 画像処理装置、画像処理方法、眼科装置、眼科システム及びコンピュータプログラム | |
JP2002521896A (ja) | 軟組織胸部画像と標準胸部画像を利用したエネルギ差分法によるコンピュータ化肺小結節検出 | |
JP2018117883A (ja) | 学習装置、識別装置、識別方法、及びプログラム | |
US20230172451A1 (en) | Medical image visualization apparatus and method for diagnosis of aorta | |
EP4183344A1 (en) | Device and method for supporting chest medical image reading | |
Chang et al. | Development of a deep learning-based algorithm for the automatic detection and quantification of aortic valve calcium | |
Iwao et al. | Integrated lung field segmentation of injured region with anatomical structure analysis by failure–recovery algorithm from chest CT images | |
KR101162599B1 (ko) | 흉부 방사선 이미지 분석을 통한 심비대 자동탐지 방법 및 그 기록매체 | |
CN108694999A (zh) | 临床决策支持系统的灵活使用 | |
JP2006340835A (ja) | 異常陰影候補の表示方法及び医用画像処理システム | |
Smith et al. | Detection of fracture and quantitative assessment of displacement measures in pelvic X-RAY images | |
JP6275157B2 (ja) | 画像データに基づく組織表面ラフネスの定量化、及びそれに基づく疾患の存在の決定 | |
CN114742836A (zh) | 医学图像的处理方法、装置及计算机设备 | |
Caban et al. | Monitoring pulmonary fibrosis by fusing clinical, physiological, and computed tomography features | |
Mesanovic et al. | Application of lung segmentation algorithm to disease quantification from CT images | |
Hamad et al. | Infusion extraction and measurement on CT images based on computer vision and neural network | |
EP4213735B1 (en) | Processing dark-field x-ray image data information |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20201022 |
|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20201022 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20210818 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20210913 |
|
A601 | Written request for extension of time |
Free format text: JAPANESE INTERMEDIATE CODE: A601 Effective date: 20211203 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20220311 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20220729 |
|
A601 | Written request for extension of time |
Free format text: JAPANESE INTERMEDIATE CODE: A601 Effective date: 20221020 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20230126 |
|
A02 | Decision of refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A02 Effective date: 20230508 |