JP2020534105A - 自動腫瘍分割 - Google Patents
自動腫瘍分割 Download PDFInfo
- Publication number
- JP2020534105A JP2020534105A JP2020516745A JP2020516745A JP2020534105A JP 2020534105 A JP2020534105 A JP 2020534105A JP 2020516745 A JP2020516745 A JP 2020516745A JP 2020516745 A JP2020516745 A JP 2020516745A JP 2020534105 A JP2020534105 A JP 2020534105A
- Authority
- JP
- Japan
- Prior art keywords
- tumor
- image data
- voxels
- medical
- voxel
- 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
Images
Classifications
-
- 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
- G06T7/0002—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
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10072—Tomographic images
-
- 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
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/40—Analysis of texture
Landscapes
- Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Radiology & Medical Imaging (AREA)
- Quality & Reliability (AREA)
- Magnetic Resonance Imaging Apparatus (AREA)
- Apparatus For Radiation Diagnosis (AREA)
Abstract
Description
C=(Σikiwi)+(ΣiliVi)
であり得る。つまり、グローバル(腫瘍全体)値とセグメント値との分散の重み付けられた総和である。当然、計算に使用できる多くの可能な式がある。分散は、値のセットにおける可変性を表す他の任意の値(最高値と最低値の差など)で置き換えることができる。単純な総和に加えて、結果(積、電力関数など)にプラスとマイナスの影響を与える他の任意のやり方を使用できる。kiは、所定のグローバル重み付け値である。liは、所定のグループ重み付け値である。
102 コンピュータ
104 ハードウェアインタフェース
106 プロセッサ
108 ユーザインタフェース
110 メモリ
112 マシン実行可能命令
114 3次元医療画像データ
116 セグメンテーション
118 中心点の選択
120 複数のグループ
122 計算されたグループ放射特性
124 計算されたグループ放射特性の各々の統計的測度
126 所定のグループ重み付け値
128 スカラー値
130 所定のしきい値
132 グローバル放射特性
134 グローバル統計的測度
136 所定のグローバル重み付け値
200 対象者を描写する3次元医療画像データを受信する
202 3次元医療画像データのセグメンテーションを受信する
204 腫瘍ボクセルの中心点を選択する
206 直交平面のセットを使用して腫瘍ボクセルを複数のグループに分割し、ここで、中心点は、直交平面の各々内にある
208 複数のボクセルのグループの各々の放射特性のセットから選択された少なくとも1つのグループ放射特性を計算する
210 少なくとも1つのグループ放射特性の各々について統計的測度を計算する
212 各統計的測度の総和に所定のグループ重み付け値を乗じてスカラー値を計算し、ここで、所定のグループ重み付け値は、各統計的測度に対して一意である
214 スカラー値が所定のしきい値を超える場合、信号インタフェースデバイスを使用して信号を提供する
300 医療機器
302 磁気共鳴イメージングシステム
304 磁石
306 磁石のボア
308 イメージングゾーン
309 関心領域
310 磁場勾配コイル
311 腫瘍
312 磁場勾配コイル電源
314 無線周波数コイル
316 トランシーバ
318 対象者
320 対象者支持体
330 パルスシーケンスコマンド
332 医療画像データ
400 自動生検システム
402 ロボットアーム
404 針生検システム
500 腫瘍ボクセル
502 第1の直交平面
504 第2の直交平面
600 第3の直交平面
700 非腫瘍ボクセル
800 球
Claims (15)
- マシン実行可能命令を保存するためのメモリと、医療機器を制御するためのプロセッサとを備える、当該医療機器であって、
前記マシン実行可能命令の実行により、前記プロセッサは、
ボクセルを有し、対象者を描写する3次元医療画像データを受信し、
前記3次元画像データを非腫瘍ボクセルと腫瘍ボクセルとに分割する前記3次元医療画像データのセグメンテーションを受信し、
前記腫瘍ボクセルの中心点を選択し、
前記中心点が直交平面の各々内にある当該直交平面のセットを使用して、前記腫瘍ボクセルを複数のボクセルのグループに分割し、
前記複数のボクセルのグループの各々の放射特性のセットから選択された少なくとも1つのグループ放射特性を計算し、
前記少なくとも1つのグループ放射特性の各々について統計的測度を計算し、
各統計的測度に対して一意である所定のグループ重み付け値で乗算される、各統計的測度の総和を計算することによりスカラー値を計算し、
前記スカラー値が所定のしきい値を超える場合、シグナリングインタフェースデバイスを使用して信号を提供する、
医療機器。 - 前記マシン実行可能命令の実行により、前記プロセッサは更に、前記中心点の周りの前記直交平面のセットの複数の回転位置について前記スカラー値の計算を実行することにより、前記スカラー値のセットを構築させ、前記信号の提供は、前記スカラー値の前記セットから選択された最大スカラー値に対して実行される、請求項1に記載の医療機器。
- 前記マシン実行可能命令の実行により、前記プロセッサは更に、
前記腫瘍ボクセルの前記放射特性の前記セットから選択された少なくとも1つのグローバル放射特性を計算し、
前記少なくとも1つのグローバル放射特性の各々についてグローバル統計的測度を計算し、前記スカラー値は、各グローバル統計的測度の総和に、所定のグローバル重み付け値を乗じることによって更に計算され、前記所定のグローバル重み付け値は、各グローバル分散に対して一意である、請求項1又は2に記載の医療機器。 - 前記マシン実行可能命令の実行により、前記プロセッサは更に、
ユーザインタフェースから、少なくとも部分的に前記セグメンテーションを受信すること、
セグメンテーションアルゴリズムを前記3次元画像データに適用することにより、少なくとも部分的に前記セグメンテーションを受信すること、及び
その組み合わせ、のうちの任意の1つを実行する、請求項1から3のいずれか一項に記載の医療機器。 - 前記中心点は、
前記腫瘍ボクセルの重心を計算すること、
前記腫瘍ボクセルの全てを囲む最小球の中心を識別すること、
前記腫瘍ボクセルの所与の割合を囲む最小球の中心を識別すること、
前記腫瘍ボクセルの全てを囲む最大球の中心を識別すること、
前記腫瘍ボクセルの前記所与の割合を囲む最大球の中心を識別すること、
全ての腫瘍ボクセルを囲む最小体積の楕円体の中心を識別すること、
前記腫瘍ボクセルの前記所与の割合を囲む最小体積の楕円体の中心を識別すること、及び
それらの線形結合又は平均、のうちの任意の1つを使用して選択される、請求項1から4のいずれか一項に記載の医療機器。 - 前記マシン実行可能命令の実行により、前記プロセッサは更に、
複数の腫瘍を描写している3次元データであるトレーニング医療画像データを受信し、
前記トレーニング医療画像データを、前記非腫瘍ボクセルと前記腫瘍ボクセルとに分割する、前記トレーニング医療画像データのセグメンテーションを受信し、
前記トレーニング医療画像データの各々の中心点を選択し、
前記トレーニング医療画像データの各々の直交平面のセットを使用して、前記腫瘍ボクセルを前記複数のボクセルのグループに分割し、
前記トレーニング医療画像データの各々の前記複数のボクセルのグループの各々の放射特性のセットから選択された少なくとも1つのグループ放射特性を計算し、
前記トレーニング医療画像データの各々について前記少なくとも1つのグループ放射特性の各々の統計的測度を計算し、
前記複数の腫瘍の各々について腫瘍の不均一性測度を受信し、
最適化を使用して、前記トレーニング医療画像データの各々の前記統計的測度の所定のグループ重み付け値を計算し、前記最適化は、前記複数の腫瘍の各々の前記腫瘍の不均一性測度を、前記トレーニング医療画像データの各々の各統計的測度の総和に、前記所定のグループ重み付け値を乗じたものと等値化させる、請求項1から5のいずれか一項に記載の医療機器。 - 前記腫瘍の不均一性測度は、
空間的に依存する生物分析特性、
空間的に依存するDNA配列データ、
空間的に依存するRNA活性化データ、
空間的に依存する生体受容体濃度、及び
それらの組み合わせ、のうちのいずれか1つを示す、請求項6に記載の医療機器。 - 前記シグナリングインタフェースデバイスは、グラフィカルユーザインタフェースを備え、前記信号は、警告表示、及び/又は、前記スカラー値を示すテキストメッセージを有する、
前記シグナリングインタフェースデバイスは、音声音生成器を備え、前記信号は、可聴信号を有する、
前記シグナリングインタフェースデバイスは、生検計画生成器を備え、前記信号は、生検指示を有する、及び
それらの組み合わせ、のうちのいずれか1つである、請求項1から7のいずれか一項に記載の医療機器。 - 前記医療機器は、自動生検システムを備え、前記シグナリングデバイスによって前記信号が提供される場合、前記マシン実行可能命令の実行により、前記プロセッサは更に、前記自動生検システムを制御して前記腫瘍の生検を実行する、請求項1から8のいずれか一項に記載の医療機器。
- 放射特性の前記セットは、
体積、
最大長特性、
最小長特性、
サイズ依存特性、
体積依存特性、
ヒストグラム記述子、
ボクセル間関係記述子、
グレーレベル共起行列、
ランレングス行列、
サイズゾーン行列、
近傍グレートーン差行列から派生したテクスチャ、
フィルタの適用後に抽出された1つ又は複数のテクスチャ、
表面テクスチャ測度、
フラクタル特性、及び
それらの組み合わせ、のうちのいずれか1つを有する、請求項1から9のいずれか一項に記載の医療機器。 - 前記医療機器は、医療イメージングシステムを更に備え、前記マシン実行可能命令の実行により、前記プロセッサは更に、前記医療イメージングシステムを制御して、前記対象者から前記3次元医療画像データを取得し、前記プロセッサは、前記医療イメージングシステムから前記3次元医療画像データを受信する、請求項1から10のいずれか一項に記載の医療機器。
- 前記医療イメージングシステムは、磁気共鳴イメージングシステム、陽電子放射断層撮影システム、単一光子放射コンピュータ断層撮影システム、超音波システム、及びコンピュータ断層撮影システム、のうちのいずれか1つである、請求項11に記載の医療機器。
- 前記医療機器は、磁気共鳴イメージングシステムであり、前記3次元医療画像データは、拡散重み付け磁気共鳴画像、動的造影磁気共鳴画像、又はそれらの一連の画像、のうちのいずれか1つである、請求項11に記載の医療機器。
- 医療機器を制御するためのプロセッサによる実行のためのマシン実行可能命令を備えたコンピュータプログラムであって、前記マシン実行可能命令の実行により、前記プロセッサは、
ボクセルを有し、対象者を描写する3次元医療画像データを受信し、
前記3次元画像データを非腫瘍ボクセルと腫瘍ボクセルとに分割する前記3次元医療画像データのセグメンテーションを受信し、
前記腫瘍ボクセルの中心点を選択し、
前記中心点が直交平面の各々内にある前記直交平面のセットを使用して、前記腫瘍ボクセルを複数のボクセルのグループに分割し、
前記複数のボクセルのグループの各々の放射特性のセットから選択された少なくとも1つのグループ放射特性を計算し、
前記少なくとも1つのグループ放射特性の各々について統計的測度を計算し、
各統計的測度に対して一意である所定のグループ重み付け値で乗算される、各統計的測度の総和を計算することによりスカラー値を計算し、
前記スカラー値が所定のしきい値を超える場合、シグナリングインタフェースデバイスを使用して信号を提供する、
コンピュータプログラム。 - 3次元医療画像データを分析する方法であって、
ボクセルを有し、対象者を描写する3次元医療画像データを受信するステップと、
前記3次元画像データを非腫瘍ボクセルと腫瘍ボクセルとに分割する前記3次元医療画像データのセグメンテーションを受信するステップと、
前記腫瘍ボクセルの中心点を選択するステップと、
前記中心点が直交平面の各々内にある前記直交平面のセットを使用して、前記腫瘍ボクセルを複数のグループに分割するステップと、
前記複数のボクセルのグループの各々の放射特性のセットから選択された少なくとも1つのグループ放射特性を計算するステップと、
前記少なくとも1つのグループ放射特性の各々について統計的測度を計算するステップと、
各統計的測度に対して一意である所定のグループ重み付け値で乗算される、各統計的測度の総和を計算することによりスカラー値を計算するステップと、
前記スカラー値が所定のしきい値を超える場合、シグナリングインタフェースデバイスを使用して信号を提供するステップとを有する、
方法。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
EP17192531.6A EP3460751A1 (en) | 2017-09-22 | 2017-09-22 | Automated tumor partitioning |
EP17192531.6 | 2017-09-22 | ||
PCT/EP2018/073296 WO2019057459A1 (en) | 2017-09-22 | 2018-08-30 | PARTITIONING OF AUTOMATED TUMOR |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2020534105A true JP2020534105A (ja) | 2020-11-26 |
JP2020534105A5 JP2020534105A5 (ja) | 2021-10-07 |
Family
ID=59955411
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2020516745A Pending JP2020534105A (ja) | 2017-09-22 | 2018-08-30 | 自動腫瘍分割 |
Country Status (5)
Country | Link |
---|---|
US (1) | US10997726B2 (ja) |
EP (2) | EP3460751A1 (ja) |
JP (1) | JP2020534105A (ja) |
CN (1) | CN111373440A (ja) |
WO (1) | WO2019057459A1 (ja) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US11398074B1 (en) | 2021-04-21 | 2022-07-26 | Hong Kong Applied Science and Technology Research Institute Company Limited | Method and apparatus for identifying planes of objects in 3D scenes |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
JP2006255412A (ja) * | 2005-03-14 | 2006-09-28 | General Electric Co <Ge> | 腫瘍量を監視する方法及びシステム |
WO2015139963A1 (en) * | 2014-03-17 | 2015-09-24 | Koninklijke Philips N.V. | Interactive 3d image data segmentation |
US20150356730A1 (en) * | 2013-01-18 | 2015-12-10 | H. Lee Moffitt Cancer Center And Research Institute, Inc. | Quantitative predictors of tumor severity |
US20160260224A1 (en) * | 2013-10-28 | 2016-09-08 | London Health Sciences Centre Research Inc. | Method and apparatus for analyzing three-dimensional image data of a target region of a subject |
Family Cites Families (17)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6842638B1 (en) * | 2001-11-13 | 2005-01-11 | Koninklijke Philips Electronics N.V. | Angiography method and apparatus |
US6843638B2 (en) | 2002-12-10 | 2005-01-18 | Honeywell International Inc. | Vane radial mounting apparatus |
US20060247864A1 (en) * | 2005-04-29 | 2006-11-02 | Jose Tamez-Pena | Method and system for assessment of biomarkers by measurement of response to surgical implant |
US20080033302A1 (en) * | 2006-04-21 | 2008-02-07 | Siemens Corporate Research, Inc. | System and method for semi-automatic aortic aneurysm analysis |
CN101152104A (zh) * | 2006-04-21 | 2008-04-02 | 美国西门子医疗解决公司 | 半自动主动脉瘤分析用的系统和方法 |
US9420983B2 (en) * | 2007-11-06 | 2016-08-23 | Koninklijke Philips N.V. | System for quantification of neovasculature in CT volumes |
CN101969852A (zh) * | 2008-03-04 | 2011-02-09 | 断层放疗公司 | 用于改进图像分割的方法和系统 |
WO2010115885A1 (en) * | 2009-04-03 | 2010-10-14 | Oslo Universitetssykehus Hf | Predictive classifier score for cancer patient outcome |
US20170216632A1 (en) * | 2010-04-16 | 2017-08-03 | W. Davis Lee | Dispersive force corrected gantry based radiation treatment apparatus and method of use thereof |
US10751551B2 (en) * | 2010-04-16 | 2020-08-25 | James P. Bennett | Integrated imaging-cancer treatment apparatus and method of use thereof |
US9129391B2 (en) * | 2011-09-28 | 2015-09-08 | Siemens Aktiengesellschaft | Semi-automated preoperative resection planning |
CN103098090B (zh) * | 2011-12-21 | 2015-01-21 | 中国科学院自动化研究所 | 多参数三维磁共振图像脑肿瘤分割方法 |
GB201316853D0 (en) | 2013-09-23 | 2013-11-06 | St Georges Hosp Medical School | Analysing MRI Data to Determine tumour type |
WO2015054597A2 (en) | 2013-10-12 | 2015-04-16 | H. Lee Moffitt Cancer Center And Research Institute, Inc. | Systems and methods for diagnosing tumors in a subject by performing a quantitative analysis of texture-based features of a tumor object in a radiological image |
GB201321118D0 (en) | 2013-11-29 | 2014-01-15 | St Georges Hosp Medical School | Analysing MRI data to determine tumour type |
WO2016069633A1 (en) * | 2014-10-27 | 2016-05-06 | Elekta, Inc. | Image guidance for radiation therapy |
US20180325461A1 (en) | 2015-05-29 | 2018-11-15 | Northwestern University | Systems and Methods for Producing Quantitatively Calibrated Grayscale Values in Magnetic Resonance Images |
-
2017
- 2017-09-22 EP EP17192531.6A patent/EP3460751A1/en not_active Withdrawn
-
2018
- 2018-08-30 EP EP18758888.4A patent/EP3685351B1/en active Active
- 2018-08-30 JP JP2020516745A patent/JP2020534105A/ja active Pending
- 2018-08-30 WO PCT/EP2018/073296 patent/WO2019057459A1/en unknown
- 2018-08-30 CN CN201880075589.8A patent/CN111373440A/zh active Pending
- 2018-08-30 US US16/649,237 patent/US10997726B2/en active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
JP2006255412A (ja) * | 2005-03-14 | 2006-09-28 | General Electric Co <Ge> | 腫瘍量を監視する方法及びシステム |
US20150356730A1 (en) * | 2013-01-18 | 2015-12-10 | H. Lee Moffitt Cancer Center And Research Institute, Inc. | Quantitative predictors of tumor severity |
US20160260224A1 (en) * | 2013-10-28 | 2016-09-08 | London Health Sciences Centre Research Inc. | Method and apparatus for analyzing three-dimensional image data of a target region of a subject |
WO2015139963A1 (en) * | 2014-03-17 | 2015-09-24 | Koninklijke Philips N.V. | Interactive 3d image data segmentation |
Also Published As
Publication number | Publication date |
---|---|
EP3460751A1 (en) | 2019-03-27 |
WO2019057459A1 (en) | 2019-03-28 |
US20200250829A1 (en) | 2020-08-06 |
EP3685351A1 (en) | 2020-07-29 |
EP3685351B1 (en) | 2021-03-03 |
CN111373440A (zh) | 2020-07-03 |
US10997726B2 (en) | 2021-05-04 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11373304B2 (en) | Medical analysis method for predicting metastases in a test tissue sample | |
US11475559B2 (en) | Artificial intelligence-enabled localization of anatomical landmarks | |
US10823798B2 (en) | Virtual CT images from magnetic resonance images | |
JP2021520925A (ja) | 医用イメージングにおける自動スライス選択 | |
US10509090B2 (en) | Automatic grouping of magnetic resonance images | |
US20200342603A1 (en) | Spectral matching for assessing image segmentation | |
JP2018522624A (ja) | B0不均一性マップ及び被検体磁気感受性マップを用いる骨mri | |
JP2018505748A (ja) | Mri又はct用のスキャンジオメトリプランニング方法 | |
EP3861527B1 (en) | Simultaneous partial volume correction and segmentation refinement | |
JP2020534105A (ja) | 自動腫瘍分割 | |
US20220011392A1 (en) | Diffusion magnetic resonance imaging using spherical neural networks | |
CN113711076A (zh) | 狄克逊磁共振成像中的水-脂肪交换的自动检测 | |
EP4306983A1 (en) | Making anatomical measurements using magnetic resonance imaging | |
WO2023156233A1 (en) | Detection of artifical structures in magentic resonance images due to neural networks |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20210826 |
|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20210826 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20220810 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20220819 |
|
A02 | Decision of refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A02 Effective date: 20230320 |