JP2020518045A5 - - Google Patents
Download PDFInfo
- Publication number
- JP2020518045A5 JP2020518045A5 JP2019555982A JP2019555982A JP2020518045A5 JP 2020518045 A5 JP2020518045 A5 JP 2020518045A5 JP 2019555982 A JP2019555982 A JP 2019555982A JP 2019555982 A JP2019555982 A JP 2019555982A JP 2020518045 A5 JP2020518045 A5 JP 2020518045A5
- Authority
- JP
- Japan
- Prior art keywords
- false positives
- positives
- image data
- true
- interest
- 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 8
- 239000000523 sample Substances 0.000 claims 4
- 239000012472 biological sample Substances 0.000 claims 3
- 210000001519 tissues Anatomy 0.000 claims 2
- 210000004698 Lymphocytes Anatomy 0.000 claims 1
- 238000004590 computer program Methods 0.000 claims 1
- 238000002059 diagnostic imaging Methods 0.000 claims 1
- 239000011521 glass Substances 0.000 claims 1
- 238000003384 imaging method Methods 0.000 claims 1
- 230000000717 retained Effects 0.000 claims 1
- 230000035945 sensitivity Effects 0.000 claims 1
Claims (16)
- 画像データ入力部と、
処理ユニットと、
を有する医療画像検出装置において、
前記画像データ入力部が、生物学的サンプルの画像データを受信するように構成され、
前記処理ユニットが、検出器及び分類器を有し、
前記検出器が、前記画像データにおける少なくとも1つの所定の対象フィーチャの検出により前記サンプルにおいて関心対象を検出するように構成され、前記検出された対象が、候補対象であり、前記候補対象が、真陽性、偽陽性、及び可能な偽陽性を有し、真陽性が、グラウンドトゥルースと比較される場合に真の関心対象として正しく識別される候補対象に関し、偽陽性が、グラウンドトゥルースと比較される場合に偽の関心対象として識別される候補対象に関し、
可能な偽陽性は、前記検出器による識別がアルゴリズムの中間分析から生じ、偽陽性に対するグラウンドトゥルースと比較される場合に決定的であると見なされない可能性があるので、まだ偽陽性であると見なされない可能性がある候補対象に関し、
前記分類器が、前記可能な偽陽性を偽陽性又は真陽性として分類するように構成され、前記分類器が、偽陽性に対してトレーニングされたモデルを有するトレーニングされた分類器である、
装置。 - 前記処理ユニットが、前記分類された偽陽性を除外するように構成される、請求項1に記載の装置。
- 前記分類器が動作する解像度レベルが、前記検出器が動作する解像度レベルより高い、請求項1又は2に記載の装置。
- 前記モデルが、前記検出器からの偽陽性に対してトレーニングされる、請求項1乃至3のいずれか一項に記載の装置。
- 組織プローブスキャナ装置と、
請求項1乃至4のいずれか一項に記載の医療画像検出装置と、
を有する医療撮像システムにおいて、
前記組織プローブスキャナ装置が、生物学的サンプルをスキャンし、前記スキャンの画像データを前記画像データ入力部に提供するように構成される、
システム。 - デジタル撮像において所定の生物学的フィーチャを検出する方法において、
a)生物学的サンプルの画像データを受信するステップと、
b)前記画像データにおける少なくとも1つの所定の対象フィーチャの検出により前記サンプルにおいて関心対象を検出するステップであって、前記検出された対象が、候補対象であり、前記候補対象が、真陽性、偽陽性、及び可能な偽陽性を有し、真陽性が、グラウンドトゥルースと比較される場合に真の関心対象として正しく識別される候補対象に関し、偽陽性が、グラウンドトゥルースと比較される場合に偽の関心対象として識別される候補対象に関し、
可能な偽陽性は、前記検出器による識別が、アルゴリズムの中間分析から生じ、偽陽性に対するグラウンドトゥルースと比較される場合に決定的であると見なされない可能性があるので、まだ偽陽性であると見なされない可能性がある候補対象に関する、ステップと、
c)前記可能な偽陽性を偽陽性又は真陽性として分類するステップであって、前記分類が、偽陽性に対してトレーニングされたモデルを有するトレーニングされた分類である、ステップと、
を有する方法。 - ステップc)において、前記分類された偽陽性が、除外される、請求項6に記載の方法。
- ステップc)における動作の解像度レベルが、ステップb)における動作の解像度レベルより高い、請求項6又は7に記載の方法。
- 完全な画像が、所定数の画像タイルからなり、ステップb)における前記検出が、前記画像タイルにおいて実行される、請求項6乃至8のいずれか一項に記載の方法。
- 前記分類が、第1のステップにより検出された前記関心対象を検証するようにトレーニングベースのアプローチを使用する、請求項6乃至9のいずれか一項に記載の方法。
- ステップb)において、前記検出が、前記関心対象としてリンパ球の候補位置を検出するように関心点検出を使用することにより達成される、請求項6乃至10のいずれか一項に記載の方法。
- 前記検出が、SIFTベースの検出器アルゴリズムを使用しており、前記分類が、画素ベースの分類器を使用している、請求項6乃至11のいずれか一項に記載の方法。
- 前記検出が、前記分類より高い感度及び/又は高い速度を持つように提供され、
前記分類は、前記分類において偽陽性が拒絶され、真陽性が保持されるように、前記検出より高い特異性を持つように構成される、
請求項6乃至12のいずれか一項に記載の方法。 - ステップa)において、生物学的標本が、ガラススライド上に提供され、前記標本の複数の画像タイルが、取得され、前記画像データが、前記複数の画像タイルからなる、請求項6乃至13のいずれか一項に記載の方法。
- 処理ユニットにより実行される場合に、請求項6乃至14のいずれか一項に記載の方法のステップを実行するように構成される、請求項1乃至4のいずれか一項に記載の装置を制御するコンピュータプログラム。
- 請求項15に記載のプログラムを記憶したコンピュータ可読媒体。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
EP17167554.9A EP3392799A1 (en) | 2017-04-21 | 2017-04-21 | Medical image detection |
EP17167554.9 | 2017-04-21 | ||
PCT/EP2018/059081 WO2018192796A1 (en) | 2017-04-21 | 2018-04-10 | Medical image detection |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2020518045A JP2020518045A (ja) | 2020-06-18 |
JP2020518045A5 true JP2020518045A5 (ja) | 2021-05-13 |
Family
ID=58644844
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2019555982A Pending JP2020518045A (ja) | 2017-04-21 | 2018-04-10 | 医療画像検出 |
Country Status (6)
Country | Link |
---|---|
US (1) | US20200380671A1 (ja) |
EP (2) | EP3392799A1 (ja) |
JP (1) | JP2020518045A (ja) |
CN (1) | CN110622168A (ja) |
CA (1) | CA3060124A1 (ja) |
WO (1) | WO2018192796A1 (ja) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113344890B (zh) * | 2021-06-18 | 2024-04-12 | 北京百度网讯科技有限公司 | 医学图像识别方法、识别模型训练方法及装置 |
KR20230020708A (ko) * | 2021-08-04 | 2023-02-13 | 삼성전자주식회사 | 객체 검출 장치 및 객체 검출 방법 |
Family Cites Families (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2006054272A2 (en) * | 2004-11-19 | 2006-05-26 | Koninklijke Philips Electronics, N.V. | A stratification method for overcoming unbalanced case numbers in computer-aided lung nodule false positive reduction |
EP1815400A2 (en) * | 2004-11-19 | 2007-08-08 | Koninklijke Philips Electronics N.V. | System and method for false positive reduction in computer-aided detection (cad) using a support vector machine (svm) |
US8116551B2 (en) * | 2007-12-04 | 2012-02-14 | University College, Dublin, National University of Ireland | Method and system for image analysis |
US8135202B2 (en) * | 2008-06-02 | 2012-03-13 | Nec Laboratories America, Inc. | Automated method and system for nuclear analysis of biopsy images |
CA2899714C (en) * | 2013-03-15 | 2020-10-27 | Ventana Medical Systems, Inc. | Tissue object-based machine learning system for automated scoring of digital whole slides |
AU2015220783B2 (en) * | 2014-02-24 | 2021-02-04 | Ventana Medical Systems, Inc. | Methods, kits, and systems for scoring the immune response to cancer by simultaneous detection of CD3, CD8, CD20, and FoxP3 |
-
2017
- 2017-04-21 EP EP17167554.9A patent/EP3392799A1/en not_active Withdrawn
-
2018
- 2018-04-10 JP JP2019555982A patent/JP2020518045A/ja active Pending
- 2018-04-10 CN CN201880026365.8A patent/CN110622168A/zh active Pending
- 2018-04-10 EP EP18719773.6A patent/EP3612974A1/en not_active Withdrawn
- 2018-04-10 WO PCT/EP2018/059081 patent/WO2018192796A1/en active Application Filing
- 2018-04-10 US US16/606,790 patent/US20200380671A1/en not_active Abandoned
- 2018-04-10 CA CA3060124A patent/CA3060124A1/en active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US8908919B2 (en) | Tactical object finder | |
US9489562B2 (en) | Image processing method and apparatus | |
CN110020647B (zh) | 一种违禁品目标检测方法、装置及计算机设备 | |
Sun et al. | On-line detection of eggshell crack based on acoustic resonance analysis | |
JP2012014376A5 (ja) | ||
US10108845B2 (en) | Anomaly detection for medical samples under multiple settings | |
JP5004478B2 (ja) | 物体の判別方法および判別装置 | |
US20220012884A1 (en) | Image analysis system and analysis method | |
CN107735838B (zh) | 在多种设置下用于医学样品的异常检测 | |
JP2020518045A5 (ja) | ||
Hu et al. | Automatic detection of sound knots and loose knots on sugi using gray level co-occurrence matrix parameters | |
AbuHassan et al. | Automatic diagnosis of tuberculosis disease based on Plasmonic ELISA and color-based image classification | |
KR20190114241A (ko) | 딥러닝 기반의 독성조류 판별 및 셀카운팅 장치 및 그 방법 | |
Oyamada et al. | A machine learning model of microscopic agglutination test for diagnosis of leptospirosis | |
Li et al. | Automated rust-defect detection of a steel bridge using aerial multispectral imagery | |
WO2016203149A1 (fr) | Appariement d'images d'articles postaux avec des descripteurs de singularites du champ de gradient | |
Miros et al. | A benchmarking platform for mitotic cell classification of ANA IIF HEp-2 images | |
US20200380671A1 (en) | Medical image detection | |
KR20220109335A (ko) | 인공지능 기반 진단키트 검사 결과 이미지에서 비정형 이물질 배제를 통한 진단 검사 장치 및 방법 | |
Sankaran et al. | Quantitation of Malarial parasitemia in Giemsa stained thin blood smears using Six Sigma threshold as preprocessor | |
WO2023034441A1 (en) | Imaging test strips | |
Rulaningtyas et al. | Identification of mycobacterium tuberculosis in sputum smear slide using automatic scanning microscope | |
CN107192723B (zh) | 使用x射线的被检查对象物的判定装置以及判定方法 | |
Agustin et al. | FADCOVNET: Fast Automatic Detection Covid-19 Based on Inception-Resnet-V2 Model | |
Hu et al. | Early fire detection of large space combining thresholding with edge detection techniques |