JP2020179159A - 肝臓腫瘍例のレビューを容易にするシステムおよび方法 - Google Patents
肝臓腫瘍例のレビューを容易にするシステムおよび方法 Download PDFInfo
- Publication number
- JP2020179159A JP2020179159A JP2020054167A JP2020054167A JP2020179159A JP 2020179159 A JP2020179159 A JP 2020179159A JP 2020054167 A JP2020054167 A JP 2020054167A JP 2020054167 A JP2020054167 A JP 2020054167A JP 2020179159 A JP2020179159 A JP 2020179159A
- Authority
- JP
- Japan
- Prior art keywords
- interest
- image
- region
- value
- organ
- 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 69
- 206010019695 Hepatic neoplasm Diseases 0.000 title claims description 11
- 208000014018 liver neoplasm Diseases 0.000 title claims description 11
- 238000012552 review Methods 0.000 title description 6
- 210000000056 organ Anatomy 0.000 claims abstract description 83
- 230000003993 interaction Effects 0.000 claims abstract description 10
- 238000012545 processing Methods 0.000 claims description 20
- 210000004185 liver Anatomy 0.000 claims description 14
- 210000004872 soft tissue Anatomy 0.000 claims description 13
- 230000003044 adaptive effect Effects 0.000 claims description 10
- 230000000877 morphologic effect Effects 0.000 claims description 9
- 230000003628 erosive effect Effects 0.000 claims description 3
- 230000008569 process Effects 0.000 abstract description 25
- 210000003484 anatomy Anatomy 0.000 abstract description 15
- 230000015654 memory Effects 0.000 description 32
- 238000002591 computed tomography Methods 0.000 description 27
- 206010028980 Neoplasm Diseases 0.000 description 16
- 230000006870 function Effects 0.000 description 9
- 230000003902 lesion Effects 0.000 description 9
- 238000013473 artificial intelligence Methods 0.000 description 8
- 238000013135 deep learning Methods 0.000 description 7
- 230000009471 action Effects 0.000 description 6
- 238000004458 analytical method Methods 0.000 description 6
- 238000001914 filtration Methods 0.000 description 6
- 238000003384 imaging method Methods 0.000 description 6
- 210000001519 tissue Anatomy 0.000 description 6
- 238000001514 detection method Methods 0.000 description 5
- 238000010801 machine learning Methods 0.000 description 5
- 230000005855 radiation Effects 0.000 description 5
- 230000009467 reduction Effects 0.000 description 5
- 230000007704 transition Effects 0.000 description 5
- 230000009466 transformation Effects 0.000 description 4
- 230000008859 change Effects 0.000 description 3
- 238000006243 chemical reaction Methods 0.000 description 3
- 238000013016 damping Methods 0.000 description 3
- 238000002059 diagnostic imaging Methods 0.000 description 3
- 239000000284 extract Substances 0.000 description 3
- 210000004072 lung Anatomy 0.000 description 3
- 230000002792 vascular Effects 0.000 description 3
- 230000000007 visual effect Effects 0.000 description 3
- 230000005856 abnormality Effects 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 2
- 210000004556 brain Anatomy 0.000 description 2
- 230000003139 buffering effect Effects 0.000 description 2
- 238000004195 computer-aided diagnosis Methods 0.000 description 2
- 238000003745 diagnosis Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000009792 diffusion process Methods 0.000 description 2
- 238000011156 evaluation Methods 0.000 description 2
- 230000007774 longterm Effects 0.000 description 2
- 230000001902 propagating effect Effects 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 230000004614 tumor growth Effects 0.000 description 2
- 206010002329 Aneurysm Diseases 0.000 description 1
- 206010003694 Atrophy Diseases 0.000 description 1
- 238000012935 Averaging Methods 0.000 description 1
- 241000699670 Mus sp. Species 0.000 description 1
- 208000027418 Wounds and injury Diseases 0.000 description 1
- 210000001015 abdomen Anatomy 0.000 description 1
- 230000002159 abnormal effect Effects 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 230000037444 atrophy Effects 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 210000004204 blood vessel Anatomy 0.000 description 1
- 210000000988 bone and bone Anatomy 0.000 description 1
- 239000003086 colorant Substances 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000013170 computed tomography imaging Methods 0.000 description 1
- 239000012141 concentrate Substances 0.000 description 1
- 230000008602 contraction Effects 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 230000002596 correlated effect Effects 0.000 description 1
- 230000006378 damage Effects 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000004069 differentiation Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000002708 enhancing effect Effects 0.000 description 1
- 210000002216 heart Anatomy 0.000 description 1
- 238000010191 image analysis Methods 0.000 description 1
- 238000003709 image segmentation Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000002347 injection Methods 0.000 description 1
- 239000007924 injection Substances 0.000 description 1
- 208000014674 injury Diseases 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 210000003734 kidney Anatomy 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000002595 magnetic resonance imaging Methods 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000002600 positron emission tomography Methods 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 238000012797 qualification Methods 0.000 description 1
- 238000009877 rendering Methods 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 238000000844 transformation Methods 0.000 description 1
- 230000001052 transient effect Effects 0.000 description 1
- 230000001960 triggered effect Effects 0.000 description 1
- 238000002604 ultrasonography Methods 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/70—Denoising; Smoothing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/90—Dynamic range modification of images or parts thereof
- G06T5/92—Dynamic range modification of images or parts thereof based on global image properties
-
- 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
- A61B6/5258—Devices using data or image processing specially adapted for radiation diagnosis involving detection or reduction of artifacts or noise
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T11/00—2D [Two Dimensional] image generation
- G06T11/003—Reconstruction from projections, e.g. tomography
-
- 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
- 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
- A61B6/50—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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10072—Tomographic images
- G06T2207/10081—Computed x-ray tomography [CT]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20004—Adaptive image processing
- G06T2207/20012—Locally adaptive
-
- 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
- G06T2207/20036—Morphological image processing
-
- 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
- G06T2207/20—Special algorithmic details
- G06T2207/20092—Interactive image processing based on input by user
- G06T2207/20104—Interactive definition of region of interest [ROI]
-
- 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
- G06T2207/20172—Image enhancement details
- G06T2207/20182—Noise reduction or smoothing in the temporal domain; Spatio-temporal filtering
-
- 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
- G06T2207/30096—Tumor; Lesion
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
- G16H50/20—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for computer-aided diagnosis, e.g. based on medical expert systems
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Radiology & Medical Imaging (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- General Health & Medical Sciences (AREA)
- Quality & Reliability (AREA)
- Life Sciences & Earth Sciences (AREA)
- Public Health (AREA)
- High Energy & Nuclear Physics (AREA)
- Biomedical Technology (AREA)
- Surgery (AREA)
- Animal Behavior & Ethology (AREA)
- Optics & Photonics (AREA)
- Heart & Thoracic Surgery (AREA)
- Pathology (AREA)
- Molecular Biology (AREA)
- Biophysics (AREA)
- Veterinary Medicine (AREA)
- Epidemiology (AREA)
- Primary Health Care (AREA)
- Apparatus For Radiation Diagnosis (AREA)
- Measuring And Recording Apparatus For Diagnosis (AREA)
- Image Processing (AREA)
Abstract
Description
表示値=K(HU値−平均+O)/(K.STD) (式1)、
式中、OおよびKは、以前の表示セッションから学習された(例えば、平均化されたなど)値であり、HU値は、ハンスフィールドユニット値である。特定の例では、学習されたKおよびO値は、画像が暗い部屋で得られたかどうかなど、1つまたは複数の環境および/または照明条件に基づいて調整することができる。したがって、ピクセル表示値(表示値)は、例えば、履歴観察値、関連する平均(例えば、前の観察されたKおよびO値の平均)、および前のK値の標準偏差(STD)によって修正されたCT強度値(HU値)と相関する。代替的または追加的に、例えば、ピクセル表示値を調整するために、ヒストグラムの上下のパーセンテージを識別してもよい(例えば、ヒストグラムの下部1%の値に黒、ヒストグラムの99%を超える値に白など)。
[実施態様1]
少なくとも1つのプロセッサ(140)と、
実行されると、前記少なくとも1つのプロセッサ(140)に、少なくとも、
画像(210)を処理して前記画像(210)のノイズを低減させ、
前記画像(210)の関心器官または関心領域の少なくとも1つを識別させ、
前記関心器官または前記関心領域の少なくとも1つの値を分析させ、
前記分析された値に基づいて前記関心器官または前記関心領域の前記少なくとも1つを処理して前記関心器官または前記関心領域の前記少なくとも1つに処理されたオブジェクト(220)を提供させ、
インターフェース(200)を介した相互作用のために前記処理されたオブジェクト(220)を表示させ、前記表示は、前記関心器官または前記関心領域の少なくとも1つを露出させることを含む
命令を含む少なくとも1つのコンピュータ可読記憶媒体と
を備える、装置(100)。
[実施態様2]
前記露出された関心領域内の前記オブジェクト(220)は、画像データ値に関連付けられた表示値のルックアップテーブルを使用して処理される、実施態様1に記載の装置(100)。
[実施態様3]
前記表示値は、表示値=K(HU値−平均+O)/(K.STD)を使用して決定され、
式中、KおよびOは、以前の表示セッションからの前の値であり、HU値は、ハンスフィールドユニット値であり、平均は、前の値KおよびOの平均であり、K.STDは、前のK値の標準偏差である、
実施態様2に記載の装置(100)。
[実施態様4]
前記露出された関心領域内の前記オブジェクト(220)は、画像データ値を表示値にコンバートする線形ランプ関数を使用して処理される、実施態様1に記載の装置(100)。
[実施態様5]
前記画像(210)は、適応型統計的反復再構成を使用して前記画像(210)のノイズを低減するために処理される、実施態様1に記載の装置(100)。
[実施態様6]
前記少なくとも1つのプロセッサ(140)は、少なくとも、
軟部組織範囲外のボクセルを前記画像(210)から除去して修正された画像を作成し、
形態学的閉鎖フィルタを前記修正された画像に適用し、
前記修正された画像で最大の連結成分を選択し、
前記最大の連結成分内で最大数のピクセルを有する前記最大の連結成分の第1のスライスを選択し、
前記第1のスライスの厚さ内の複数の第2のスライスを選択してオブジェクト(220)を形成し、
前記オブジェクト(220)を侵食して前記オブジェクト(220)内の内部ボクセルを選択し、前記関心領域を露出させ、
前記関心領域の偏差を算出し、
ルックアップテーブルを前記関心領域の表示値に適用する
ことによって前記関心領域を露出させる、実施態様1に記載の装置(100)。
[実施態様7]
前記器官は、肝臓であり、前記オブジェクト(220)は、肝臓腫瘍である、実施態様1に記載の装置(100)。
[実施態様8]
実行されると、少なくとも1つのプロセッサ(140)に、少なくとも、
画像(210)を処理して前記画像(210)のノイズを低減させ、
前記画像(210)の関心器官または関心領域の少なくとも1つを識別させ、
前記関心器官または前記関心領域の少なくとも1つの値を分析させ、
前記分析された値に基づいて前記関心器官または前記関心領域の前記少なくとも1つを処理して前記関心器官または前記関心領域の前記少なくとも1つに処理されたオブジェクト(220)を提供させ、
インターフェース(200)を介した相互作用のために前記処理されたオブジェクト(220)を表示させ、前記表示は、前記関心器官または前記関心領域の少なくとも1つを露出させることを含む
命令を含む、少なくとも1つのコンピュータ可読記憶媒体。
[実施態様9]
前記露出された関心領域内の前記オブジェクト(220)は、画像データ値に関連付けられた表示値のルックアップテーブルを使用して処理される、実施態様8に記載の少なくとも1つのコンピュータ可読記憶媒体。
[実施態様10]
前記表示値は、表示値=K(HU値−平均+O)/(K.STD)を使用して決定され、
式中、KおよびOは、以前の表示セッションからの前の値であり、HU値は、ハンスフィールドユニット値であり、平均は、前の値KおよびOの平均であり、K.STDは、前のK値の標準偏差である、
実施態様9に記載の少なくとも1つのコンピュータ可読記憶媒体。
[実施態様11]
前記露出された関心領域内の前記オブジェクト(220)は、画像データ値を表示値にコンバートする線形ランプ関数を使用して処理される、実施態様8に記載の少なくとも1つのコンピュータ可読記憶媒体。
[実施態様12]
前記画像(210)は、適応型統計的反復再構成を使用して前記画像(210)のノイズを低減するために処理される、実施態様8に記載の少なくとも1つのコンピュータ可読記憶媒体。
[実施態様13]
前記命令は、実行されると、前記少なくとも1つのプロセッサ(140)に、少なくとも、
軟部組織範囲外のボクセルを前記画像(210)から除去して修正された画像を作成させ、
形態学的閉鎖フィルタを前記修正された画像に適用させ、
前記修正された画像で最大の連結成分を選択させ、
前記最大の連結成分内で最大数のピクセルを有する前記最大の連結成分の第1のスライスを選択させ、
前記第1のスライスの厚さ内の複数の第2のスライスを選択してオブジェクト(220)を形成させ、
前記オブジェクト(220)を侵食して前記オブジェクト(220)内の内部ボクセルを選択し、前記関心領域を露出させ、
前記関心領域の偏差を算出させ、
ルックアップテーブルを前記関心領域の表示値に適用させる
ことによって前記関心領域を露出させる、実施態様8に記載の少なくとも1つのコンピュータ可読記憶媒体。
[実施態様14]
前記器官は、肝臓であり、前記オブジェクト(220)は、肝臓腫瘍である、実施態様8に記載の少なくとも1つのコンピュータ可読記憶媒体。
[実施態様15]
少なくとも1つのプロセッサ(140)を使用して命令を実行することによって、画像(210)を処理して前記画像(210)のノイズを低減すること(310)と、
前記少なくとも1つのプロセッサ(140)を使用して命令を実行することによって、前記画像(210)の関心器官または関心領域の少なくとも1つを識別すること(320)と、
前記少なくとも1つのプロセッサ(140)を使用して命令を実行することによって、前記関心器官または前記関心領域の少なくとも1つの値を分析すること(340)と、
前記少なくとも1つのプロセッサ(140)を使用して命令を実行することによって、前記分析された値に基づいて前記関心器官または前記関心領域の前記少なくとも1つを処理して前記関心器官または前記関心領域の前記少なくとも1つに処理されたオブジェクト(220)を提供すること(350)と、
前記少なくとも1つのプロセッサ(140)を使用して命令を実行することによって、インターフェース(200)を介した相互作用のために前記処理されたオブジェクト(220)を表示すること(360)であって、前記表示は、前記関心器官または前記関心領域の少なくとも1つを露出させること(330)を含むことと
を含む、コンピュータ実装方法(300)。
[実施態様16]
前記露出された関心領域内の前記オブジェクト(220)は、画像データ値に関連付けられた表示値のルックアップテーブルを使用して処理される、実施態様15に記載の方法(300)。
[実施態様17]
前記表示値は、表示値=K(HU値−平均+O)/(K.STD)を使用して決定され、
式中、KおよびOは、以前の表示セッションからの前の値であり、HU値は、ハンスフィールドユニット値であり、平均は、前の値KおよびOの平均であり、K.STDは、前のK値の標準偏差である、
実施態様16に記載の方法(300)。
[実施態様18]
前記露出された関心領域内の前記オブジェクト(220)は、画像データ値を表示値にコンバートする線形ランプ関数を使用して処理される、実施態様15に記載の方法(300)。
[実施態様19]
前記画像(210)は、適応型統計的反復再構成を使用して前記画像(210)のノイズを低減するために処理される、実施態様15に記載の方法(300)。
[実施態様20]
前記関心領域を露出させること(330)は、
軟部組織範囲外のボクセルを前記画像(210)から除去して修正された画像を作成すること(410)と、
形態学的閉鎖フィルタを前記修正された画像に適用すること(420)と、
前記修正された画像で最大の連結成分を選択すること(430)と、
前記最大の連結成分内で最大数のピクセルを有する前記最大の連結成分の第1のスライスを選択すること(440)と、
前記第1のスライスの厚さ内の複数の第2のスライスを選択してオブジェクト(220)を形成すること(450)と、
前記オブジェクト(220)を侵食して前記オブジェクト(220)内の内部ボクセルを選択し、前記関心領域を露出させること(460)と、
前記関心領域の偏差を算出すること(470)と、
ルックアップテーブルを前記関心領域の表示値に適用すること(480)と
をさらに含む、実施態様15に記載の方法(300)。
110 画像取得デバイス
120 画像再構成エンジン
130 ルックアップテーブルジェネレータ
140 画像プロセッサ
150 メモリ
200 ユーザインターフェース
210 画像
220 腫瘍/オブジェクト
300 方法
310 ブロック
320 ブロック
330 ブロック
340 ブロック
350 ブロック
360 ブロック
370 ブロック
410 ブロック
420 ブロック
430 ブロック
440 ブロック
450 ブロック
460 ブロック
470 ブロック
480 ブロック
500 プロセッサプラットフォーム
512 プロセッサ
513 ローカルメモリ
514 揮発性メモリ/主メモリ
516 不揮発性メモリ/主メモリ
518 バス
520 インターフェース回路
522 入力デバイス
524 出力デバイス
526 ネットワーク
528 大容量記憶デバイス
532 コード化された命令
Claims (15)
- 少なくとも1つのプロセッサ(140)と、
実行されると、前記少なくとも1つのプロセッサ(140)に、少なくとも、
画像(210)を処理して前記画像(210)のノイズを低減させ、
前記画像(210)の関心器官または関心領域の少なくとも1つを識別させ、
前記関心器官または前記関心領域の少なくとも1つの値を分析させ、
前記分析された値に基づいて前記関心器官または前記関心領域の前記少なくとも1つを処理して前記関心器官または前記関心領域の前記少なくとも1つに処理されたオブジェクト(220)を提供させ、
インターフェース(200)を介した相互作用のために前記処理されたオブジェクト(220)を表示させ、前記表示は、前記関心器官または前記関心領域の少なくとも1つを露出させることを含む
命令を含む少なくとも1つのコンピュータ可読記憶媒体と
を備える、装置(100)。 - 前記露出された関心領域内の前記オブジェクト(220)は、画像データ値に関連付けられた表示値のルックアップテーブルを使用して処理される、請求項1に記載の装置(100)。
- 前記表示値は、表示値=K(HU値−平均+O)/(K.STD)を使用して決定され、
式中、KおよびOは、以前の表示セッションからの前の値であり、HU値は、ハンスフィールドユニット値であり、平均は、前の値KおよびOの平均であり、K.STDは、前のK値の標準偏差である、
請求項2に記載の装置(100)。 - 前記露出された関心領域内の前記オブジェクト(220)は、画像データ値を表示値にコンバートする線形ランプ関数を使用して処理される、請求項1に記載の装置(100)。
- 前記画像(210)は、適応型統計的反復再構成を使用して前記画像(210)のノイズを低減するために処理される、請求項1に記載の装置(100)。
- 前記少なくとも1つのプロセッサ(140)は、少なくとも、
軟部組織範囲外のボクセルを前記画像(210)から除去して修正された画像を作成し、
形態学的閉鎖フィルタを前記修正された画像に適用し、
前記修正された画像で最大の連結成分を選択し、
前記最大の連結成分内で最大数のピクセルを有する前記最大の連結成分の第1のスライスを選択し、
前記第1のスライスの厚さ内の複数の第2のスライスを選択してオブジェクト(220)を形成し、
前記オブジェクト(220)を侵食して前記オブジェクト(220)内の内部ボクセルを選択し、前記関心領域を露出させ、
前記関心領域の偏差を算出し、
ルックアップテーブルを前記関心領域の表示値に適用する
ことによって前記関心領域を露出させる、請求項1に記載の装置(100)。 - 前記器官は、肝臓であり、前記オブジェクト(220)は、肝臓腫瘍である、請求項1に記載の装置(100)。
- 少なくとも1つのプロセッサ(140)を使用して命令を実行することによって、画像(210)を処理して前記画像(210)のノイズを低減すること(310)と、
前記少なくとも1つのプロセッサ(140)を使用して命令を実行することによって、前記画像(210)の関心器官または関心領域の少なくとも1つを識別すること(320)と、
前記少なくとも1つのプロセッサ(140)を使用して命令を実行することによって、前記関心器官または前記関心領域の少なくとも1つの値を分析すること(340)と、
前記少なくとも1つのプロセッサ(140)を使用して命令を実行することによって、前記分析された値に基づいて前記関心器官または前記関心領域の前記少なくとも1つを処理して前記関心器官または前記関心領域の前記少なくとも1つに処理されたオブジェクト(220)を提供すること(350)と、
前記少なくとも1つのプロセッサ(140)を使用して命令を実行することによって、インターフェース(200)を介した相互作用のために前記処理されたオブジェクト(220)を表示すること(360)であって、前記表示は、前記関心器官または前記関心領域の少なくとも1つを露出させること(330)を含むことと
を含む、コンピュータ実装方法(300)。 - 前記露出された関心領域内の前記オブジェクト(220)は、画像データ値に関連付けられた表示値のルックアップテーブルを使用して処理される、請求項8に記載の方法(300)。
- 前記表示値は、表示値=K(HU値−平均+O)/(K.STD)を使用して決定され、
式中、KおよびOは、以前の表示セッションからの前の値であり、HU値は、ハンスフィールドユニット値であり、平均は、前の値KおよびOの平均であり、K.STDは、前のK値の標準偏差である、
請求項9に記載の方法(300)。 - 前記露出された関心領域内の前記オブジェクト(220)は、画像データ値を表示値にコンバートする線形ランプ関数を使用して処理される、請求項8に記載の方法(300)。
- 前記画像(210)は、適応型統計的反復再構成を使用して前記画像(210)のノイズを低減するために処理される、請求項8に記載の方法(300)。
- 前記関心領域を露出させること(330)は、
軟部組織範囲外のボクセルを前記画像(210)から除去して修正された画像を作成すること(410)と、
形態学的閉鎖フィルタを前記修正された画像に適用すること(420)と、
前記修正された画像で最大の連結成分を選択すること(430)と、
前記最大の連結成分内で最大数のピクセルを有する前記最大の連結成分の第1のスライスを選択すること(440)と、
前記第1のスライスの厚さ内の複数の第2のスライスを選択してオブジェクト(220)を形成すること(450)と、
前記オブジェクト(220)を侵食して前記オブジェクト(220)内の内部ボクセルを選択し、前記関心領域を露出させること(460)と、
前記関心領域の偏差を算出すること(470)と、
ルックアップテーブルを前記関心領域の表示値に適用すること(480)と
をさらに含む、請求項8に記載の方法(300)。 - 実行されると、少なくとも1つのプロセッサ(140)に、少なくとも、
画像(210)を処理して前記画像(210)のノイズを低減させ、
前記画像(210)の関心器官または関心領域の少なくとも1つを識別させ、
前記関心器官または前記関心領域の少なくとも1つの値を分析させ、
前記分析された値に基づいて前記関心器官または前記関心領域の前記少なくとも1つを処理して前記関心器官または前記関心領域の前記少なくとも1つに処理されたオブジェクト(220)を提供させ、
インターフェース(200)を介した相互作用のために前記処理されたオブジェクト(220)を表示させ、前記表示は、前記関心器官または前記関心領域の少なくとも1つを露出させることを含む
命令を含む、少なくとも1つのコンピュータ可読記憶媒体。 - 前記命令は、実行されると、前記少なくとも1つのプロセッサ(140)に、少なくとも、
軟部組織範囲外のボクセルを前記画像(210)から除去して修正された画像を作成させ、
形態学的閉鎖フィルタを前記修正された画像に適用させ、
前記修正された画像で最大の連結成分を選択させ、
前記最大の連結成分内で最大数のピクセルを有する前記最大の連結成分の第1のスライスを選択させ、
前記第1のスライスの厚さ内の複数の第2のスライスを選択してオブジェクト(220)を形成させ、
前記オブジェクト(220)を侵食して前記オブジェクト(220)内の内部ボクセルを選択し、前記関心領域を露出させ、
前記関心領域の偏差を算出させ、
ルックアップテーブルを前記関心領域の表示値に適用させる
ことによって前記関心領域を露出させる、請求項14に記載の少なくとも1つのコンピュータ可読記憶媒体。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US16/369,326 | 2019-03-29 | ||
US16/369,326 US11030742B2 (en) | 2019-03-29 | 2019-03-29 | Systems and methods to facilitate review of liver tumor cases |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2020179159A true JP2020179159A (ja) | 2020-11-05 |
JP7194143B2 JP7194143B2 (ja) | 2022-12-21 |
Family
ID=69960305
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2020054167A Active JP7194143B2 (ja) | 2019-03-29 | 2020-03-25 | 肝臓腫瘍例のレビューを容易にするシステムおよび方法 |
Country Status (4)
Country | Link |
---|---|
US (2) | US11030742B2 (ja) |
EP (1) | EP3716202A1 (ja) |
JP (1) | JP7194143B2 (ja) |
CN (1) | CN111768343B (ja) |
Families Citing this family (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
GB2536650A (en) | 2015-03-24 | 2016-09-28 | Augmedics Ltd | Method and system for combining video-based and optic-based augmented reality in a near eye display |
WO2019211741A1 (en) | 2018-05-02 | 2019-11-07 | Augmedics Ltd. | Registration of a fiducial marker for an augmented reality system |
US11766296B2 (en) | 2018-11-26 | 2023-09-26 | Augmedics Ltd. | Tracking system for image-guided surgery |
US11030742B2 (en) | 2019-03-29 | 2021-06-08 | GE Precision Healthcare LLC | Systems and methods to facilitate review of liver tumor cases |
US11980506B2 (en) | 2019-07-29 | 2024-05-14 | Augmedics Ltd. | Fiducial marker |
EP3779887B1 (en) * | 2019-08-12 | 2022-10-19 | Siemens Healthcare GmbH | Computer-implemented method of deriving 3d image data of a reconstruction volume and computer readable medium |
US11382712B2 (en) | 2019-12-22 | 2022-07-12 | Augmedics Ltd. | Mirroring in image guided surgery |
US11657501B2 (en) * | 2020-09-24 | 2023-05-23 | GE Precision Healthcare LLC | Generating enhanced x-ray images using constituent image |
US11881301B2 (en) * | 2021-02-26 | 2024-01-23 | GE Precision Healthcare LLC | Methods and systems for utilizing histogram views for improved visualization of three-dimensional (3D) medical images |
US11896445B2 (en) | 2021-07-07 | 2024-02-13 | Augmedics Ltd. | Iliac pin and adapter |
CN114391792B (zh) * | 2021-09-13 | 2023-02-24 | 南京诺源医疗器械有限公司 | 基于窄带成像的肿瘤预测方法、装置及成像内镜 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2006061601A (ja) * | 2004-08-30 | 2006-03-09 | Konica Minolta Medical & Graphic Inc | 医用画像表示装置、医用画像表示システム及び医用画像表示プログラム |
JP2015504074A (ja) * | 2012-01-11 | 2015-02-05 | ジーイー・ヘルスケア・アクスイェ・セルスカプ | ヨウ素濃度の低いx線イメージング造影製剤及びx線イメージング法 |
WO2015137011A1 (ja) * | 2014-03-14 | 2015-09-17 | 株式会社日立メディコ | X線ct装置、及び処理装置 |
Family Cites Families (42)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6067366A (en) * | 1998-02-11 | 2000-05-23 | Analogic Corporation | Apparatus and method for detecting objects in computed tomography data using erosion and dilation of objects |
US6584216B1 (en) | 1999-11-23 | 2003-06-24 | The Trustees Of The University Of Pennsylvania | Method for standardizing the MR image intensity scale |
US7085406B2 (en) * | 2001-07-27 | 2006-08-01 | General Electric Company | Method and system for unsupervised transfer function generation for images of rendered volumes |
US6888916B2 (en) * | 2003-08-18 | 2005-05-03 | Ge Medical Systems Global Technology Company, Llc | Preprocessing methods for robust tracking of coronary arteries in cardiac computed tomography images and systems therefor |
EP1692657A1 (en) * | 2003-12-10 | 2006-08-23 | Agency for Science, Technology and Research | Methods and apparatus for binarising images |
FR2869438B1 (fr) * | 2004-04-21 | 2006-10-13 | Ge Med Sys Global Tech Co Llc | Procede de segmentation automatique des cavites cardiaques |
US7532748B2 (en) * | 2004-11-24 | 2009-05-12 | General Electric Company | Methods and apparatus for selecting and/or labeling vessel branches |
US7787673B2 (en) * | 2004-12-21 | 2010-08-31 | Siemens Medical Solutions Usa, Inc. | Method and apparatus for airway detection and segmentation using 3D morphological operators |
US8229200B2 (en) * | 2005-03-14 | 2012-07-24 | General Electric Company | Methods and systems for monitoring tumor burden |
US7702153B2 (en) * | 2005-10-07 | 2010-04-20 | Siemens Medical Solutions Usa, Inc. | Systems and methods for segmenting object of interest from medical image |
US7532702B2 (en) * | 2005-11-23 | 2009-05-12 | General Electric Company | Method and system for performing CT image reconstruction with motion artifact correction |
WO2009029671A1 (en) * | 2007-08-27 | 2009-03-05 | University Of Chicago | Systems and methods for image colorization |
US8781197B2 (en) * | 2008-04-28 | 2014-07-15 | Cornell University | Tool for accurate quantification in molecular MRI |
US8594400B2 (en) * | 2010-02-26 | 2013-11-26 | General Electric Company | System and method for MR image scan and analysis |
US20130116554A1 (en) * | 2010-07-12 | 2013-05-09 | Ge Healthcare As | X-ray imaging at low contrast agent concentrations and/or low dose radiation |
US8761479B2 (en) * | 2010-11-08 | 2014-06-24 | General Electric Company | System and method for analyzing and visualizing spectral CT data |
CN103260526B (zh) * | 2010-12-14 | 2015-09-16 | 皇家飞利浦电子股份有限公司 | 具有峰值强度检测功能的超声成像系统和方法 |
US8644575B2 (en) * | 2011-02-28 | 2014-02-04 | Kabushiki Kaisha Toshiba | Processing of abdominal images |
US8855394B2 (en) * | 2011-07-01 | 2014-10-07 | Carestream Health, Inc. | Methods and apparatus for texture based filter fusion for CBCT system and cone-beam image reconstruction |
US8751961B2 (en) | 2012-01-30 | 2014-06-10 | Kabushiki Kaisha Toshiba | Selection of presets for the visualization of image data sets |
WO2013155358A1 (en) * | 2012-04-11 | 2013-10-17 | The Trustees Of Columbia University In The City Of New York | Techniques for segmentation of lymph nodes, lung lesions and other solid or part-solid objects |
KR20150058672A (ko) * | 2013-11-19 | 2015-05-29 | 삼성전자주식회사 | 엑스선 영상 장치 및 그 제어 방법 |
WO2015114654A1 (en) * | 2014-01-17 | 2015-08-06 | Kpit Technologies Ltd. | Vehicle detection system and method thereof |
US20150206300A1 (en) * | 2014-01-21 | 2015-07-23 | Agency For Science, Technology And Research | Method and apparatus for extraction and quantification of hematoma from a brain scan such as computed tomography data |
US9342871B2 (en) * | 2014-05-30 | 2016-05-17 | Apple Inc. | Scene motion correction in fused image systems |
US9629587B2 (en) * | 2014-07-10 | 2017-04-25 | General Electric Company | Systems and methods for coronary imaging |
SG11201703074SA (en) * | 2014-10-13 | 2017-05-30 | Agency Science Tech & Res | Automatic region-of-interest segmentation and registration of dynamic contrast-enhanced images of colorectal tumors |
US9697603B2 (en) * | 2014-12-19 | 2017-07-04 | Toshiba Medical Systems Corporation | Medical image data processing system and method for vessel segmentation using pre- and post-contrast data |
US20160292874A1 (en) * | 2015-03-30 | 2016-10-06 | General Electric Company | Methods and systems for automatic segmentation |
JP6835813B2 (ja) | 2015-07-23 | 2021-02-24 | コーニンクレッカ フィリップス エヌ ヴェKoninklijke Philips N.V. | コンピュータ断層撮影視覚化調整 |
US9737278B2 (en) * | 2015-09-30 | 2017-08-22 | General Electric Company | Methods and systems for multi-window imaging |
US10242444B1 (en) * | 2015-12-29 | 2019-03-26 | Kentucky Imaging Technologies, LLC | Segmentation of the colon for accurate virtual navigation |
US11010630B2 (en) * | 2017-04-27 | 2021-05-18 | Washington University | Systems and methods for detecting landmark pairs in images |
WO2019023900A1 (zh) * | 2017-07-31 | 2019-02-07 | 深圳联影医疗科技有限公司 | 在体数据中提取感兴趣区域的方法及系统 |
EP3503038A1 (en) * | 2017-12-22 | 2019-06-26 | Promaton Holding B.V. | Automated 3d root shape prediction using deep learning methods |
US10607114B2 (en) * | 2018-01-16 | 2020-03-31 | Siemens Healthcare Gmbh | Trained generative network for lung segmentation in medical imaging |
WO2019175870A1 (en) * | 2018-03-12 | 2019-09-19 | Persimio Ltd. | Automated bone segmentation in images |
US10796481B2 (en) * | 2018-04-20 | 2020-10-06 | Siemens Healthcare Gmbh | Visualization of lung fissures in medical imaging |
CN108888284A (zh) * | 2018-05-18 | 2018-11-27 | 沈阳东软医疗系统有限公司 | 图像调整方法、装置及设备、存储介质 |
US20200126236A1 (en) * | 2018-10-22 | 2020-04-23 | The Board Of Trustees Of The Leland Stanford Junior University | Systems and Methods for Image Segmentation using IOU Loss Functions |
US10811135B2 (en) * | 2018-12-27 | 2020-10-20 | General Electric Company | Systems and methods to determine disease progression from artificial intelligence detection output |
US11030742B2 (en) | 2019-03-29 | 2021-06-08 | GE Precision Healthcare LLC | Systems and methods to facilitate review of liver tumor cases |
-
2019
- 2019-03-29 US US16/369,326 patent/US11030742B2/en active Active
-
2020
- 2020-03-04 CN CN202010142278.8A patent/CN111768343B/zh active Active
- 2020-03-23 EP EP20165054.6A patent/EP3716202A1/en active Pending
- 2020-03-25 JP JP2020054167A patent/JP7194143B2/ja active Active
-
2021
- 2021-06-07 US US17/340,943 patent/US11669964B2/en active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2006061601A (ja) * | 2004-08-30 | 2006-03-09 | Konica Minolta Medical & Graphic Inc | 医用画像表示装置、医用画像表示システム及び医用画像表示プログラム |
JP2015504074A (ja) * | 2012-01-11 | 2015-02-05 | ジーイー・ヘルスケア・アクスイェ・セルスカプ | ヨウ素濃度の低いx線イメージング造影製剤及びx線イメージング法 |
WO2015137011A1 (ja) * | 2014-03-14 | 2015-09-17 | 株式会社日立メディコ | X線ct装置、及び処理装置 |
Also Published As
Publication number | Publication date |
---|---|
US20200311912A1 (en) | 2020-10-01 |
CN111768343A (zh) | 2020-10-13 |
US20210295512A1 (en) | 2021-09-23 |
JP7194143B2 (ja) | 2022-12-21 |
US11030742B2 (en) | 2021-06-08 |
EP3716202A1 (en) | 2020-09-30 |
US11669964B2 (en) | 2023-06-06 |
CN111768343B (zh) | 2024-04-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP7194143B2 (ja) | 肝臓腫瘍例のレビューを容易にするシステムおよび方法 | |
WO2018120644A1 (zh) | 血管提取方法及系统 | |
RU2571523C2 (ru) | Вероятностная оптимизация сегментации, основанной на модели | |
CN109801254B (zh) | 医学成像中的传递函数确定 | |
US9547894B2 (en) | Apparatus for, and method of, processing volumetric medical image data | |
US7860331B2 (en) | Purpose-driven enhancement filtering of anatomical data | |
US10497123B1 (en) | Isolation of aneurysm and parent vessel in volumetric image data | |
US10867375B2 (en) | Forecasting images for image processing | |
US8311301B2 (en) | Segmenting an organ in a medical digital image | |
US20150287188A1 (en) | Organ-specific image display | |
CN111166362B (zh) | 医学图像的显示方法及装置、存储介质及电子设备 | |
US11683438B2 (en) | Systems and methods to semi-automatically segment a 3D medical image using a real-time edge-aware brush | |
JP6747785B2 (ja) | 医用画像処理装置及び医用画像処理方法 | |
Dabass et al. | Biomedical image enhancement using different techniques-a comparative study | |
JP6564075B2 (ja) | 医用画像を表示するための伝達関数の選択 | |
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 | |
WO2010020921A2 (en) | Blanking of image regions | |
EP3989172A1 (en) | Method for use in generating a computer-based visualization of 3d medical image data | |
JP6878679B2 (ja) | デジタルx線画像における低情報コンテンツを有する領域の検出 | |
JP2023154407A (ja) | 医用画像処理装置、医用画像処理方法、及びx線診断装置 | |
JP2023128704A (ja) | 画像処理装置、方法、プログラム及び記憶媒体 | |
JP2023551421A (ja) | 医用画像内の標識要素の抑制 | |
JP2023080703A (ja) | 医用画像処理装置、方法及びプログラム | |
Dreyer et al. | Digital imaging fundamentals | |
JPWO2011062108A1 (ja) | 画像処理装置及び画像処理方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20201222 |
|
RD02 | Notification of acceptance of power of attorney |
Free format text: JAPANESE INTERMEDIATE CODE: A7422 Effective date: 20210526 |
|
RD04 | Notification of resignation of power of attorney |
Free format text: JAPANESE INTERMEDIATE CODE: A7424 Effective date: 20210528 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20211028 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20211207 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20220307 |
|
A02 | Decision of refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A02 Effective date: 20220713 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20221111 |
|
C60 | Trial request (containing other claim documents, opposition documents) |
Free format text: JAPANESE INTERMEDIATE CODE: C60 Effective date: 20221111 |
|
A911 | Transfer to examiner for re-examination before appeal (zenchi) |
Free format text: JAPANESE INTERMEDIATE CODE: A911 Effective date: 20221124 |
|
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: 20221130 |
|
C21 | Notice of transfer of a case for reconsideration by examiners before appeal proceedings |
Free format text: JAPANESE INTERMEDIATE CODE: C21 Effective date: 20221130 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20221209 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 7194143 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |