JP2020521549A - 医用画像の病変の定量化される態様 - Google Patents
医用画像の病変の定量化される態様 Download PDFInfo
- Publication number
- JP2020521549A JP2020521549A JP2019565012A JP2019565012A JP2020521549A JP 2020521549 A JP2020521549 A JP 2020521549A JP 2019565012 A JP2019565012 A JP 2019565012A JP 2019565012 A JP2019565012 A JP 2019565012A JP 2020521549 A JP2020521549 A JP 2020521549A
- Authority
- JP
- Japan
- Prior art keywords
- segmented
- patch
- score
- spinous process
- lesion
- 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
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/11—Region-based segmentation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/70—Determining position or orientation of objects or cameras
- G06T7/73—Determining position or orientation of objects or cameras using feature-based methods
- G06T7/74—Determining position or orientation of objects or cameras using feature-based methods involving reference images or patches
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
- G16H50/30—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for calculating health indices; for individual health risk assessment
-
- 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
- G06T2207/10—Image acquisition modality
- G06T2207/10072—Tomographic images
- G06T2207/10088—Magnetic resonance imaging [MRI]
-
- 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
- G16H50/50—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for simulation or modelling of medical disorders
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- General Health & Medical Sciences (AREA)
- Public Health (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Radiology & Medical Imaging (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Primary Health Care (AREA)
- Epidemiology (AREA)
- Quality & Reliability (AREA)
- Biomedical Technology (AREA)
- Pathology (AREA)
- Databases & Information Systems (AREA)
- Data Mining & Analysis (AREA)
- Apparatus For Radiation Diagnosis (AREA)
- Magnetic Resonance Imaging Apparatus (AREA)
- Ultra Sonic Daignosis Equipment (AREA)
Abstract
Description
のような当業者に周知の相互情報量測定から決定できる。ここで、p(x)はXの周辺確率分布であり、p(y)はYの周辺確率分布であり、p(x、y)はXとYの結合確率分布である。ジョイントエントロピは血管構造に従って増加し、病変102を通じて継続する。すなわち、X及びYの一方に関する情報を備えるボクセルX及びYに関する相互情報測定情報は、X及びYの他方に関する不確実性を低減する。例えば、ジョイントエントロピは、血管の大きさ、病変の大きさ、背景の大きさ、及び/又はコントラストの外観に関係なく、広範囲の病変にわたる定量化可能な情報を提供する。
Claims (22)
- 医用画像内の病変をセグメント化するように構成されるセグメンタと、
パラメータのセットに従って前記セグメント化される病変の態様を定量化するように構成される定量化ツールと
を有し、前記定量化される態様は、棘状突起、異質性、及び血管新生からなるグループから選択される少なくとも1つを含む、システム。 - 前記定量化される態様は、プロトコル、ユーザの好み、及び手動選択からなるグループから選択される少なくとも1つに基づいて選択される、請求項1に記載のシステム。
- 前記定量化ツールは、
前記セグメント化される病変のセグメント化されるコンターに直交し、それに沿って等間隔に配置される直線パッチを生成するし、前記パッチの中心線は前記セグメント化されるコンターに接し、
対応する適合線と異なる所定の閾値になる前記セグメント化されるコンターの接線に平行な各パッチ内の各線に沿ってサンプリングされるボクセルの数に従って棘状突起スコアを計算する
ように構成される棘状突起定量化器を含む、請求項1に記載のシステム。 - 前記棘状突起定量化器は、
各パッチの各線のための棘状突起スコアの合計を有する棘状突起スコアと、
前記パッチの寸法を備えるベクトルのセットを有する棘状突起スコアと、
個々のパッチ棘状突起スコア及び前記パッチの寸法を備えるベクトルのセットを有する棘状突起スコアと、
個々のパッチの個々の線棘状突起スコア及び前記パッチの寸法を備えるベクトルのセットを有する棘状突起スコアと
からなるグループから選択される少なくとも1つを含む結果を返すようにさらに構成される、請求項3に記載のシステム。 - 前記定量化ツールは、
バイラテラルフィルタ及びマルチラテラルフィルタから選択されるグループの少なくとも1つを使用して、前記セグメント化される病変内のボクセルを繰り返しフィルタリングし、
各反復で前記フィルタリングされるボクセルに対するエントロピを計算する
ように構成される異質性定量化器を含む、請求項1に記載のシステム。 - 前記異質性数量化器は、
前記反復による前記フィルタリングされるボクセルの前記計算されるエントロピの曲線によって規定されるエリアを有する異質性スコアと、
前記反復及び前記フィルタリングされるボクセルの前記計算されるエントロピを備えるベクトルのセットを有する異質性スコアと
からなるグループから選択される少なくとも1つを含む結果を返すようにさらに構成される、請求項5に記載のシステム。 - 前記定量化ツールは、
セグメント化されるコンターから内側距離及び外側距離でボクセル対をサンプリングし、前記サンプリングされるボクセル対は、前記セグメント化されるコンターに直交する線に沿っており、
前記サンプリングされるボクセル対からジョイントエントロピを計算する
ように構成される血管新生定量化器を含む、請求項1に記載のシステム。 - 前記血管新生定量化器は、
異なる距離で前記計算されるジョイントエントロピのヒストグラムの下のエリアを有する血管新生スコアと、
前記距離の前記計算されるジョイントエントロピを備えるベクトルのセットを有する血管新生スコアと
からなるグループから選択される少なくとも1つを含む結果を返すようにさらに構成される、請求項7に記載のシステム。 - 前記医用画像は、コンピュータ断層撮影、磁気共鳴、及び超音波からなるグループから選択される少なくとも1つのモダリティを有する医用撮像装置によって生成される、請求項1に記載のシステム。
- 医用画像内の病変をセグメント化するステップと、
パラメータのセットに従って前記セグメント化される病変の態様を定量化するステップと
を有し、前記定量化される態様は、棘状突起、異質性、及び血管新生からなるグループから選択される少なくとも1つを含む、方法。 - 前記定量化される態様は、プロトコル、ユーザの好み、及び手動選択からなるグループから選択される少なくとも1つによって選択される、請求項10に記載の方法。
- 前記定量化するステップは、
前記セグメント化される病変のセグメント化されるコンターに直交し、それに沿って等間隔に配置される直線パッチを生成するステップであって、前記パッチの中心線は前記セグメント化されるコンターに接する、ステップと、
対応する適合線と異なる所定の閾値になる前記セグメント化されるコンターの接線に平行な各パッチ内の各線に沿ってサンプリングされるボクセルの数に従って棘状突起スコアを計算するステップと
を有する、請求項10に記載の方法。 - 各パッチの各線のための棘状突起スコアの合計を有する棘状突起スコアと、
前記パッチの寸法を備えるベクトルのセットを有する棘状突起スコアと、
個々のパッチ棘状突起スコア及び前記パッチの寸法を備えるベクトルのセットを有する棘状突起スコアと、
個々のパッチの個々の線棘状突起スコア及び前記パッチの寸法を備えるベクトルのセットを有する棘状突起スコアと
からなるグループから選択される少なくとも1つを含む結果を返すステップ
を更に有する、請求項12に記載の方法。 - 前記定量化するステップは、
バイラテラルフィルタ及びマルチラテラルフィルタから選択されるグループの少なくとも1つを使用して、前記セグメント化される病変内のボクセルを繰り返しフィルタリングするステップと、
各反復で前記フィルタリングされるボクセルに対するエントロピを計算するステップと
を有する、請求項10に記載の方法。 - 前記反復による前記フィルタリングされるボクセルの前記計算されるエントロピの線によって規定されるエリアを有する異質性スコアと、
前記反復及び前記フィルタリングされるボクセルの前記計算されるエントロピを備えるベクトルのセットを有する異質性スコアと
からなるグループから選択される少なくとも1つを含む結果を返すステップ
を更に含む、請求項10に記載の方法。 - 前記定量化するステップは、
セグメント化されるコンターから内側距離及び外側距離でボクセル対をサンプリングするステップであって、前記サンプリングされるボクセル対は、前記セグメント化されるコンターに直交する線に沿っている、ステップと、
前記サンプリングされるボクセル対からジョイントエントロピを計算するステップと
を有する、請求項10に記載の方法。 - 異なる距離で前記計算されるジョイントエントロピのヒストグラムの下のエリアを有する血管新生スコアと、
前記距離の前記計算されるジョイントエントロピを備えるベクトルのセットを有する血管新生スコアと
からなるグループから選択される少なくとも1つを含む結果を返すステップ
を更に有する、請求項16に記載の方法。 - 医用画像内の病変をセグメント化し、
パラメータのセットに従って前記セグメント化される病変の態様を定量化する
ように一つ又はそれより多くのプロセッサを制御する命令を運ぶ非一時的なコンピュータ可読記憶媒体であって、
前記定量化される態様は、棘状突起、異質性、及び血管新生からなるグループから選択される少なくとも1つを含む、非一時的なコンピュータ可読記憶媒体。 - 前記一つ又はそれより多くのプロセッサは、
前記セグメント化される病変のセグメント化されるコンターに直交し、それに沿って等間隔に配置される直線パッチを生成する
ように更に制御され、
前記パッチの中心線は前記セグメント化されるコンターに接し、
対応する適合線と異なる所定の閾値になる前記セグメント化されるコンターの接線に平行な各パッチ内の各線に沿ってサンプリングされるボクセルの数に従って棘状突起スコアを計算する
ように更に制御される、請求項18に記載の非一時的なコンピュータ可読記憶媒体。 - 前記一つ又はそれより多くのプロセッサは、
バイラテラルフィルタ及びマルチラテラルフィルタから選択されるグループの少なくとも1つを使用して、前記セグメント化される病変内のボクセルを繰り返しフィルタリングし、
各反復で前記フィルタリングされるボクセルのエントロピを計算する
ように更に制御される、請求項18に記載の非一時的なコンピュータ可読記憶媒体。 - 前記一つ又はそれより多くのプロセッサは、
セグメント化されるコンターから内側距離及び外側距離でボクセル対をサンプリングする
ように更に制御され、
前記サンプリングされるボクセル対は、前記セグメント化されるコンターに直交する線に沿っており、
前記サンプリングされるボクセル対からジョイントエントロピを計算する
ように更に制御される、請求項18に記載の非一時的なコンピュータ可読記憶媒体。 - 前記一つ又はそれより多くのプロセッサは、
ベクトルのセットを含む前記定量化される態様に対する結果を返す
ように更に制御される、請求項18に記載の非一時的なコンピュータ可読記憶媒体。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US201762514046P | 2017-06-02 | 2017-06-02 | |
US62/514,046 | 2017-06-02 | ||
PCT/EP2018/063806 WO2018219818A1 (en) | 2017-06-02 | 2018-05-25 | Quantified aspects of lesions in medical images |
Publications (3)
Publication Number | Publication Date |
---|---|
JP2020521549A true JP2020521549A (ja) | 2020-07-27 |
JP2020521549A5 JP2020521549A5 (ja) | 2021-07-26 |
JP7278224B2 JP7278224B2 (ja) | 2023-05-19 |
Family
ID=62555037
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2019565012A Active JP7278224B2 (ja) | 2017-06-02 | 2018-05-25 | 医用画像の病変の定量化される態様 |
Country Status (5)
Country | Link |
---|---|
US (1) | US20200175674A1 (ja) |
EP (1) | EP3631806A1 (ja) |
JP (1) | JP7278224B2 (ja) |
CN (1) | CN110678934A (ja) |
WO (1) | WO2018219818A1 (ja) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20230010992A (ko) * | 2021-07-13 | 2023-01-20 | 경희대학교 산학협력단 | 병변 진단 장치 및 그 방법 |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114469342B (zh) * | 2022-01-17 | 2023-07-25 | 四川大学华西医院 | 肿瘤切缘边距场的定义方法、建立系统及应用 |
CN117036376B (zh) * | 2023-10-10 | 2024-01-30 | 四川大学 | 基于人工智能的病变图像分割方法、装置及存储介质 |
CN117640932B (zh) * | 2024-01-25 | 2024-04-26 | 陕西通达伟业医疗供应链管理有限公司 | 用于远程医疗的神经内科图像压缩传输方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2008178666A (ja) * | 2006-11-02 | 2008-08-07 | Fujifilm Corp | 画像処理方法及び装置 |
JP2008194456A (ja) * | 2007-01-16 | 2008-08-28 | Kobe Univ | 医用画像処理装置および医用画像処理方法 |
US20100067754A1 (en) * | 2008-09-16 | 2010-03-18 | Icad, Inc. | Computer-aided detection and classification of suspicious masses in breast imagery |
US20150356730A1 (en) * | 2013-01-18 | 2015-12-10 | H. Lee Moffitt Cancer Center And Research Institute, Inc. | Quantitative predictors of tumor severity |
JP2016507320A (ja) * | 2013-02-21 | 2016-03-10 | コーニンクレッカ フィリップス エヌ ヴェKoninklijke Philips N.V. | スペクトルctに関する構造伝播復元 |
Family Cites Families (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5003979A (en) * | 1989-02-21 | 1991-04-02 | University Of Virginia | System and method for the noninvasive identification and display of breast lesions and the like |
US5799100A (en) * | 1996-06-03 | 1998-08-25 | University Of South Florida | Computer-assisted method and apparatus for analysis of x-ray images using wavelet transforms |
US5984870A (en) * | 1997-07-25 | 1999-11-16 | Arch Development Corporation | Method and system for the automated analysis of lesions in ultrasound images |
CA2459557A1 (en) * | 2001-09-17 | 2003-03-27 | Virtualscopics, Llc | System and method for quantitative assessment of cancers and their change over time |
JP2004222864A (ja) * | 2003-01-21 | 2004-08-12 | Mitsubishi Research Institute Inc | 診断支援システム、診断支援方法及び診断支援プログラム |
US7646902B2 (en) * | 2005-02-08 | 2010-01-12 | Regents Of The University Of Michigan | Computerized detection of breast cancer on digital tomosynthesis mammograms |
RU2305494C1 (ru) * | 2006-05-23 | 2007-09-10 | ФГУ "МНИОИ им. П.А. Герцена Росздрава" | Способ ультразвуковой оценки эффективности консервативной противоопухолевой терапии |
US8150192B2 (en) * | 2006-11-27 | 2012-04-03 | Merge Cad Inc. | System and method for feature score mapping and visualization of medical images |
CN101234026B (zh) * | 2008-03-07 | 2010-04-14 | 李立 | 一种乳腺病变定量化影像评价系统 |
WO2011008262A2 (en) * | 2009-07-13 | 2011-01-20 | H. Lee Moffitt Cancer Center & Research Institute | Methods and apparatus for diagnosis and/or prognosis of cancer |
US9378331B2 (en) * | 2010-11-19 | 2016-06-28 | D.R. Systems, Inc. | Annotation and assessment of images |
WO2013149038A1 (en) * | 2012-03-28 | 2013-10-03 | University Of Houston System | Methods and software for screening and diagnosing skin lesions and plant diseases |
ES2639559T3 (es) * | 2012-12-28 | 2017-10-27 | Ventana Medical Systems, Inc. | Análisis de imágenes para el pronóstico de cáncer de mama |
US10692213B2 (en) * | 2015-03-10 | 2020-06-23 | Koninklijke Philips N.V. | Retrieval of corresponding structures in pairs of medical images |
WO2016201186A1 (en) * | 2015-06-11 | 2016-12-15 | University Of Pittsburgh-Of The Commonwealth System Of Higher Education | Systems and methods for finding regions of interest in hematoxylin and eosin (h&e) stained tissue images and quantifying intratumor cellular spatial heterogeneity in multiplexed/hyperplexed fluorescence tissue images |
US10176408B2 (en) * | 2015-08-14 | 2019-01-08 | Elucid Bioimaging Inc. | Systems and methods for analyzing pathologies utilizing quantitative imaging |
-
2018
- 2018-05-25 US US16/616,125 patent/US20200175674A1/en active Pending
- 2018-05-25 EP EP18729607.4A patent/EP3631806A1/en active Pending
- 2018-05-25 JP JP2019565012A patent/JP7278224B2/ja active Active
- 2018-05-25 WO PCT/EP2018/063806 patent/WO2018219818A1/en active Application Filing
- 2018-05-25 CN CN201880035004.XA patent/CN110678934A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2008178666A (ja) * | 2006-11-02 | 2008-08-07 | Fujifilm Corp | 画像処理方法及び装置 |
JP2008194456A (ja) * | 2007-01-16 | 2008-08-28 | Kobe Univ | 医用画像処理装置および医用画像処理方法 |
US20100067754A1 (en) * | 2008-09-16 | 2010-03-18 | Icad, Inc. | Computer-aided detection and classification of suspicious masses in breast imagery |
US20150356730A1 (en) * | 2013-01-18 | 2015-12-10 | H. Lee Moffitt Cancer Center And Research Institute, Inc. | Quantitative predictors of tumor severity |
JP2016507320A (ja) * | 2013-02-21 | 2016-03-10 | コーニンクレッカ フィリップス エヌ ヴェKoninklijke Philips N.V. | スペクトルctに関する構造伝播復元 |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20230010992A (ko) * | 2021-07-13 | 2023-01-20 | 경희대학교 산학협력단 | 병변 진단 장치 및 그 방법 |
KR102526434B1 (ko) | 2021-07-13 | 2023-04-26 | 경희대학교 산학협력단 | 병변 진단 장치 및 그 방법 |
Also Published As
Publication number | Publication date |
---|---|
JP7278224B2 (ja) | 2023-05-19 |
CN110678934A (zh) | 2020-01-10 |
US20200175674A1 (en) | 2020-06-04 |
EP3631806A1 (en) | 2020-04-08 |
WO2018219818A1 (en) | 2018-12-06 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11508059B2 (en) | Methods and systems for detecting a centerline of a vessel | |
US8675936B2 (en) | Multimodal image reconstruction | |
JP7278224B2 (ja) | 医用画像の病変の定量化される態様 | |
EP2916738B1 (en) | Lung, lobe, and fissure imaging systems and methods | |
JP6353463B2 (ja) | 定量イメージング | |
Göçeri | Fully automated liver segmentation using Sobolev gradient‐based level set evolution | |
Giannini et al. | A fully automatic algorithm for segmentation of the breasts in DCE-MR images | |
JP2014008402A (ja) | 画像処理装置 | |
JP2002523123A (ja) | 病変の分割および分類のための方法およびシステム | |
EP3424017B1 (en) | Automatic detection of an artifact in patient image data | |
NL2021559B1 (en) | Determination of a growth rate of an object in 3D data sets using deep learning | |
US20220020152A1 (en) | Apparatus for identifying regions in a brain image | |
Wei et al. | Automated lung segmentation and image quality assessment for clinical 3-D/4-D-computed tomography | |
Lee et al. | Segmentation of individual ribs from low-dose chest CT | |
Turco et al. | Fully automated segmentation of polycystic kidneys from noncontrast computed tomography: A feasibility study and preliminary results | |
US20080285822A1 (en) | Automated Stool Removal Method For Medical Imaging | |
US20200359985A1 (en) | Method of data processing for computed tomography | |
CN109564685B (zh) | 鲁棒的肺叶分割 | |
CN110599482A (zh) | 肺裂曲面确定方法、装置、电子设备和存储介质 | |
Brahim et al. | The pleural thickening approximation from thoracic CT scans | |
Ashfaq et al. | A modified fuzzy C means algorithm for shading correction in craniofacial CBCT images | |
Sungkhun et al. | Vertebral body segmentation using aggregate superpixels | |
Georgantzoglou | Image Processing and Analysis in Nuclear Medicine | |
Das et al. | Medical image analysis steps: Medical image acquisition to classification (or regression) in neuro-oncology | |
Kanakatte | Delineation of Tumor from Pulmonary Gated PET Images |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20210518 |
|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20210518 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20220421 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20220426 |
|
A601 | Written request for extension of time |
Free format text: JAPANESE INTERMEDIATE CODE: A601 Effective date: 20220622 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20221007 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20221101 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20221213 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20230216 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20230404 |
|
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: 20230425 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20230509 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 7278224 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |