JP2021514228A - 画像処理方法及び装置、並びにニューラルネットワークモデルのトレーニング方法 - Google Patents
画像処理方法及び装置、並びにニューラルネットワークモデルのトレーニング方法 Download PDFInfo
- Publication number
- JP2021514228A JP2021514228A JP2020543382A JP2020543382A JP2021514228A JP 2021514228 A JP2021514228 A JP 2021514228A JP 2020543382 A JP2020543382 A JP 2020543382A JP 2020543382 A JP2020543382 A JP 2020543382A JP 2021514228 A JP2021514228 A JP 2021514228A
- Authority
- JP
- Japan
- Prior art keywords
- lump
- region
- target
- image
- probability
- 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
- 238000012549 training Methods 0.000 title claims abstract description 155
- 238000003062 neural network model Methods 0.000 title claims abstract description 119
- 238000000034 method Methods 0.000 title claims abstract description 111
- 238000003672 processing method Methods 0.000 title claims abstract description 42
- ZOKXTWBITQBERF-UHFFFAOYSA-N Molybdenum Chemical compound [Mo] ZOKXTWBITQBERF-UHFFFAOYSA-N 0.000 claims abstract description 203
- 229910052750 molybdenum Inorganic materials 0.000 claims abstract description 203
- 239000011733 molybdenum Substances 0.000 claims abstract description 203
- 230000003211 malignant effect Effects 0.000 claims abstract description 110
- 238000013135 deep learning Methods 0.000 claims abstract description 78
- 238000013507 mapping Methods 0.000 claims abstract description 51
- 239000000284 extract Substances 0.000 claims abstract description 12
- 238000012545 processing Methods 0.000 claims description 31
- 238000004590 computer program Methods 0.000 claims description 28
- 230000015654 memory Effects 0.000 claims description 21
- 238000012216 screening Methods 0.000 abstract description 42
- 238000013528 artificial neural network Methods 0.000 abstract description 4
- 210000000481 breast Anatomy 0.000 description 26
- 238000005516 engineering process Methods 0.000 description 18
- 238000004422 calculation algorithm Methods 0.000 description 12
- 230000000694 effects Effects 0.000 description 12
- 238000000605 extraction Methods 0.000 description 12
- 238000009607 mammography Methods 0.000 description 12
- 230000002068 genetic effect Effects 0.000 description 11
- 230000000877 morphologic effect Effects 0.000 description 7
- 238000004364 calculation method Methods 0.000 description 6
- 238000007781 pre-processing Methods 0.000 description 6
- 230000002146 bilateral effect Effects 0.000 description 5
- 230000005540 biological transmission Effects 0.000 description 5
- 230000011218 segmentation Effects 0.000 description 5
- 206010006187 Breast cancer Diseases 0.000 description 4
- 208000026310 Breast neoplasm Diseases 0.000 description 4
- 238000003384 imaging method Methods 0.000 description 4
- 230000035772 mutation Effects 0.000 description 4
- 238000010606 normalization Methods 0.000 description 4
- 238000000926 separation method Methods 0.000 description 4
- 230000001629 suppression Effects 0.000 description 4
- 238000001514 detection method Methods 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 108090000623 proteins and genes Proteins 0.000 description 3
- 238000012546 transfer Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 206010028980 Neoplasm Diseases 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 201000011510 cancer Diseases 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000013527 convolutional neural network Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 238000003745 diagnosis Methods 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 230000001788 irregular Effects 0.000 description 1
- 230000036210 malignancy Effects 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 238000007500 overflow downdraw method Methods 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
- 238000000638 solvent extraction Methods 0.000 description 1
- 238000005728 strengthening Methods 0.000 description 1
- 230000002992 thymic effect Effects 0.000 description 1
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
- 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
- G06T7/10—Segmentation; Edge detection
- G06T7/136—Segmentation; Edge detection involving thresholding
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/155—Segmentation; Edge detection involving morphological operators
-
- 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
- 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
-
- 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
-
- 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
- A61B6/481—Diagnostic techniques involving the use of contrast agents
-
- 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
- A61B6/502—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 for diagnosis of breast, i.e. mammography
-
- 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
- G06T2207/20076—Probabilistic 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
- G06T2207/20084—Artificial neural networks [ANN]
-
- 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
- G06T2207/30016—Brain
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- General Health & Medical Sciences (AREA)
- Public Health (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- Radiology & Medical Imaging (AREA)
- Epidemiology (AREA)
- Primary Health Care (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Biomedical Technology (AREA)
- Quality & Reliability (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- Pathology (AREA)
- Apparatus For Radiation Diagnosis (AREA)
- Image Analysis (AREA)
Abstract
Description
モリブデンターゲット画像を取得するように構成される取得ユニット22と、モリブデンターゲット画像から複数の候補領域を抽出するように構成される第1抽出ユニット24と、深層学習トレーニングによって取得されたニューラルネットワークモデルを介して複数の候補領域におけるターゲット領域をモリブデンターゲット画像に表記するように構成される表記ユニット26であって、ターゲット領域に含まれるしこりがターゲットしこりである確率は第1閾値より大きく、ターゲットしこりが悪性しこりである確率は第2閾値より大きく、ニューラルネットワークモデルは、候補領域と、候補領域に含まれるしこりがターゲットしこりである確率との間のマッピング関係を指示するために使用される表記ユニット26とを含む。
22 取得ユニット
24 第1抽出ユニット
26 表記ユニット
201 プロセッサ
202 除去ユニット
203 メモリ
204 第2抽出ユニット
205 伝送装置
207 入力出力機器
212 トレーニングモジュール
240 抽出モジュール
242 第2決定モジュール
244 分割モジュール
262 取得モジュール
264 第1決定モジュール
2441 切断モジュール
2442 第2配列モジュール
2444 第2決定サブモジュール
2446 第3配列モジュール
2448 第3決定サブモジュール
2642 第1配列モジュール
2644 計算モジュール
2646 削除モジュール
2648 第1決定サブモジュール
Claims (15)
- 画像処理方法であって、
端末が、モリブデンターゲット画像を取得するステップと、
前記端末が、前記モリブデンターゲット画像から複数の候補領域を抽出するステップと、
前記端末が、深層学習トレーニングによって取得されたニューラルネットワークモデルを介して、前記モリブデンターゲット画像に前記複数の候補領域におけるターゲット領域を表記するステップであって、前記ターゲット領域に含まれるしこりがターゲットしこりである確率は第1閾値より大きく、前記ターゲットしこりが悪性しこりである確率は第2閾値より大きく、前記ニューラルネットワークモデルは、前記候補領域と、前記候補領域に含まれるしこりが前記ターゲットしこりである確率との間のマッピング関係を指示するために使用されるステップとを含む、前記画像処理方法。 - 前記端末が、深層学習トレーニングによって取得されたニューラルネットワークモデルを介して、前記モリブデンターゲット画像に前記複数の候補領域におけるターゲット領域を表記するステップは、
前記端末が、前記ニューラルネットワークモデルを使用して、前記複数の候補領域における各候補領域に含まれるしこりが前記ターゲットしこりである確率を取得するステップと、
前記端末が、前記確率が前記第1閾値より大きい候補領域を前記ターゲット領域として決定し、前記モリブデンターゲット画像に前記ターゲット領域を表記するステップとを含む、
請求項1に記載の画像処理方法。 - 前記端末がモリブデンターゲット画像を取得する前に、前記方法は、
前記端末が、サンプルしこり領域と、前記サンプルしこり領域に含まれるしこりが前記ターゲットしこりである確率との間のマッピング関係を利用して深層学習トレーニングを実行して、前記ニューラルネットワークモデルを取得するステップであって、深層学習トレーニングを実行するとき、入力パラメータは前記サンプルしこり領域を含むことをトレーニングし、出力パラメータは、前記サンプルしこり領域に含まれるしこりが前記ターゲットしこりである確率を含むことをトレーニングするステップをさらに含む、
請求項2に記載の画像処理方法。 - 前記サンプルしこり領域は第1しこり領域及び第2しこり領域を含み、前記第1しこり領域に含まれるしこりは前記ターゲットしこりであり、前記第2しこり領域に含まれるしこりは非ターゲットしこりであり、または前記第2しこり領域はしこりを含まず、前記端末が、サンプルしこり領域と、前記サンプルしこり領域に含まれるしこりが前記ターゲットしこりである確率との間のマッピング関係を利用して深層学習トレーニングを実行して、前記ニューラルネットワークモデルを取得するステップは、
前記端末が、前記第1しこり領域と、前記第1しこり領域に含まれるしこりが前記ターゲットしこりである確率との間のマッピング関係及び前記第2しこり領域と、前記第2しこり領域に含まれるしこりが前記ターゲットしこりである確率との間のマッピング関係を利用して深層学習トレーニングを実行して、前記ニューラルネットワークモデルを取得するステップを含む、
請求項3に記載の画像処理方法。 - 確率が前記第1閾値より大きい候補領域が複数ある場合、前記端末が、前記確率が前記第1閾値より大きい候補領域を前記ターゲット領域として決定するステップは、
前記端末が、確率の大きさに従って前記確率が前記第1閾値より大きい複数の候補領域をソートするステップと、
前記端末が、第1候補領域と第2候補領域との間の重複面積をそれぞれ計算するステップであって、前記第1候補領域は、前記確率が前記第1閾値より大きい複数の候補領域の中で最も高い確率を有する候補領域であり、前記第2候補領域は、前記確率が前記第1閾値より大きい複数の候補領域のうちの、前記第1候補領域以外の候補領域であるステップと、
前記端末が、前記確率が前記第1閾値より大きい複数の候補領域から、前記第1候補領域との重複面積が第3閾値より大きい第2候補領域を削除して、残りの候補領域を取得するステップと、
前記端末が、前記残りの候補領域を前記ターゲット領域として決定するステップとを含む、
請求項2に記載の画像処理方法。 - 前記端末が前記モリブデンターゲット画像から複数の候補領域を抽出するステップは、
前記端末が、画像分割閾値を決定するステップと、
前記端末が、前記画像分割閾値に従って前記モリブデンターゲット画像を分割して、前記複数の候補領域を取得するステップとを含む、
請求項1に記載の画像処理方法。 - 前記端末が前記画像分割閾値に従って前記モリブデンターゲット画像を分割して、前記複数の候補領域を取得するステップは、
前記端末が、グレースケールレベルに従って、前記モリブデンターゲット画像が前記画像分割閾値に応じた分割により取得された複数の画像領域をソートするステップであって、前記グレースケールレベルは前記画像分割閾値に関連するステップと、
前記端末が、前記複数の画像領域におけるグレースケールレベルが第4閾値より高い画像領域を前記候補領域として決定するステップとを含む、
請求項6に記載の画像処理方法。 - 前記複数の画像領域においてグレースケールレベルが前記第4閾値より高い画像領域の数が第5閾値より多い場合、前記端末が、前記画像分割閾値に従って前記モリブデンターゲット画像を分割して、前記複数の候補領域を取得するステップは、
前記端末が、画像領域の面積に従って前記複数の画像領域におけるグレースケールレベルが前記第4閾値より高い画像領域をソートするステップと、
前記端末が、前記複数の画像領域の中で、グレースケールレベルが前記第4閾値より高い画像領域のうち、面積が第6閾値より大きい画像領域を前記候補領域として決定するステップであって、前記複数の画像領域の中で、グレースケールレベルが前記第4閾値より高い画像領域のうち、面積が前記第6閾値より大きい画像領域の数は前記第5閾値と等しいステップとを含む、
請求項7に記載の画像処理方法。 - 前記端末が前記画像分割閾値に従って前記モリブデンターゲット画像を分割して、前記複数の候補領域を取得するステップは、
前記端末が、前記モリブデンターゲット画像が前記画像分割閾値に応じた分割により取得された複数の画像領域のそれぞれにおける、人体部位組織の接続を指示するために使用される接続線を切断して、前記複数の候補領域を取得するステップを含む、
請求項6に記載の画像処理方法。 - ニューラルネットワークモデルのトレーニング方法であって、
端末が、サンプルしこり領域を取得し、前記サンプルしこり領域に含まれるしこりがターゲットしこりである確率を決定するステップであって、前記ターゲットしこりが悪性しこりである確率はターゲット閾値より大きいステップと、
前記端末が、前記サンプルしこり領域と、前記サンプルしこり領域に含まれるしこりが前記ターゲットしこりである確率との間のマッピング関係を利用して深層学習トレーニングを実行して、前記ニューラルネットワークモデルを取得するステップであって、深層学習トレーニングを実行するとき、入力パラメータは前記サンプルしこり領域を含むことをトレーニングし、出力パラメータは、前記サンプルしこり領域に含まれるしこりが前記ターゲットしこりである確率を含むことをトレーニングするステップとを含む、前記ニューラルネットワークモデルのトレーニング方法。 - 前記サンプルしこり領域は第1しこり領域及び第2しこり領域を含み、前記第1しこり領域に含まれるしこりは前記ターゲットしこりであり、前記第2しこり領域に含まれるしこりは非ターゲットしこりであり、または前記第2しこり領域はしこりを含まず、前記端末が、サンプルしこり領域と、前記サンプルしこり領域に含まれるしこりが前記ターゲットしこりである確率との間のマッピング関係を利用して深層学習トレーニングを実行して、前記ニューラルネットワークモデルを取得するステップは、
前記端末が、前記第1しこり領域と、前記第1しこり領域に含まれるしこりが前記ターゲットしこりである確率との間のマッピング関係及び前記第2しこり領域と、前記第2しこり領域に含まれるしこりが前記ターゲットしこりである確率との間のマッピング関係を利用して深層学習トレーニングを実行して、前記ニューラルネットワークモデルを取得するステップを含む、
請求項10に記載のニューラルネットワークモデルのトレーニング方法。 - 前記端末が、前記サンプルしこり領域に含まれるしこりがターゲットしこりである確率を決定するステップは、
前記端末が、データベースから前記サンプルしこり領域に含まれるしこりが前記ターゲットしこりである確率を決定するステップであって、前記データベースは、前記サンプルしこり領域に含まれるしこりが前記ターゲットしこりである確率を事前に記憶するステップ、または、
前記端末が、入力パラメータに従って前記サンプルしこり領域に含まれるしこりが前記ターゲットしこりである確率を決定するステップであって、前記入力パラメータは、前記サンプルしこり領域に含まれるしこりが前記ターゲットしこりである確率を指示するために使用されるステップを含む、
請求項10に記載のニューラルネットワークモデルのトレーニング方法。 - 記憶媒体であって、
コンピュータプログラムが記憶され、前記コンピュータプログラムは、実行されると、請求項1ないし12のいずれか一項に記載の方法を実行するように構成される、前記記憶媒体。 - 端末に実装された画像処理装置であって、
請求項1ないし12のいずれか一項に記載の方法を実行するように構成される、前記画像処理装置。 - 電子装置であって、
メモリ及びプロセッサを含み、前記メモリは、コンピュータプログラムを記憶するように構成され、前記プロセッサは、請求項10ないし12のいずれか一項に記載の方法を実行するために、前記コンピュータプログラムを実行するように構成される、前記電子装置。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810261926.4 | 2018-03-27 | ||
CN201810261926.4A CN110197474B (zh) | 2018-03-27 | 2018-03-27 | 图像处理方法和装置及神经网络模型的训练方法 |
PCT/CN2019/079456 WO2019184851A1 (zh) | 2018-03-27 | 2019-03-25 | 图像处理方法和装置及神经网络模型的训练方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2021514228A true JP2021514228A (ja) | 2021-06-10 |
JP7076681B2 JP7076681B2 (ja) | 2022-05-30 |
Family
ID=67751091
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2020543382A Active JP7076681B2 (ja) | 2018-03-27 | 2019-03-25 | 画像処理方法及び装置、並びにニューラルネットワークモデルのトレーニング方法 |
Country Status (4)
Country | Link |
---|---|
US (1) | US11501431B2 (ja) |
JP (1) | JP7076681B2 (ja) |
CN (1) | CN110197474B (ja) |
WO (1) | WO2019184851A1 (ja) |
Families Citing this family (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP3608701A1 (de) * | 2018-08-09 | 2020-02-12 | Olympus Soft Imaging Solutions GmbH | Verfahren zur bereitstellung wenigstens einer auswertemethode für proben |
US11069033B2 (en) * | 2018-09-10 | 2021-07-20 | University Of Florida Research Foundation, Inc. | Neural network evolution using expedited genetic algorithm for medical image denoising |
CN113450305B (zh) * | 2020-03-26 | 2023-01-24 | 太原理工大学 | 医疗图像的处理方法、系统、设备及可读存储介质 |
CN111292839B (zh) * | 2020-05-13 | 2020-10-13 | 腾讯科技(深圳)有限公司 | 图像处理方法、装置、计算机设备和存储介质 |
CN111724391B (zh) * | 2020-05-19 | 2023-04-07 | 浙江工业大学 | 一种基于动态阈值的淋巴癌图像精细分割方法 |
CN112150411B (zh) * | 2020-08-28 | 2023-12-15 | 刘军 | 一种信息处理的方法及装置 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2005065855A (ja) * | 2003-08-21 | 2005-03-17 | Fuji Photo Film Co Ltd | 乳腺領域閾値決定方法および装置並びにプログラム |
JP2013525011A (ja) * | 2010-04-30 | 2013-06-20 | ヴィユーコンプ インク | 放射線画像における突起形成を伴う悪性質量の検出および分類 |
CN106780460A (zh) * | 2016-12-13 | 2017-05-31 | 杭州健培科技有限公司 | 一种用于胸部ct影像的肺结节自动检测系统 |
US20170249739A1 (en) * | 2016-02-26 | 2017-08-31 | Biomediq A/S | Computer analysis of mammograms |
CN107464250A (zh) * | 2017-07-03 | 2017-12-12 | 深圳市第二人民医院 | 基于三维mri图像的乳腺肿瘤自动分割方法 |
Family Cites Families (21)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
AU687958B2 (en) * | 1993-11-29 | 1998-03-05 | Arch Development Corporation | Automated method and system for improved computerized detection and classification of masses in mammograms |
US5949905A (en) * | 1996-10-23 | 1999-09-07 | Nichani; Sanjay | Model-based adaptive segmentation |
US20020009215A1 (en) * | 2000-01-18 | 2002-01-24 | Arch Development Corporation | Automated method and system for the segmentation of lung regions in computed tomography scans |
CN1213592C (zh) * | 2001-07-31 | 2005-08-03 | 佳能株式会社 | 采用自适应二值化的图象处理方法和设备 |
US20060195266A1 (en) * | 2005-02-25 | 2006-08-31 | Yeatman Timothy J | Methods for predicting cancer outcome and gene signatures for use therein |
WO2006093523A2 (en) * | 2004-07-15 | 2006-09-08 | Kenji Suzuki | Computerized scheme for distinction between benign and malignant nodules in thoracic low-dose ct |
US7840046B2 (en) * | 2006-06-27 | 2010-11-23 | Siemens Medical Solutions Usa, Inc. | System and method for detection of breast masses and calcifications using the tomosynthesis projection and reconstructed images |
JP5684488B2 (ja) * | 2009-04-20 | 2015-03-11 | 富士フイルム株式会社 | 画像処理装置、画像処理方法およびプログラム |
US20130231258A1 (en) * | 2011-12-09 | 2013-09-05 | Veracyte, Inc. | Methods and Compositions for Classification of Samples |
GB2478593B (en) * | 2010-03-12 | 2017-05-31 | Inst For Medical Informatics | Optimising the initialization and convergence of active contours for segmentation of cell nuclei in histological sections |
US20130310680A1 (en) * | 2012-05-21 | 2013-11-21 | The Regents Of The University Of Colorado, A Body Corporate | Three-dimensional optical imaging and therapy of prostate cancer |
US9708667B2 (en) * | 2014-05-13 | 2017-07-18 | Rosetta Genomics, Ltd. | MiRNA expression signature in the classification of thyroid tumors |
CN105574839B (zh) * | 2014-10-16 | 2021-03-09 | 中兴通讯股份有限公司 | 一种图像的处理方法和装置 |
CN106355188B (zh) * | 2015-07-13 | 2020-01-21 | 阿里巴巴集团控股有限公司 | 图像检测方法及装置 |
WO2017092615A1 (zh) * | 2015-11-30 | 2017-06-08 | 上海联影医疗科技有限公司 | 一种计算机辅助诊断系统及方法 |
CN105574859B (zh) * | 2015-12-14 | 2018-08-21 | 中国科学院深圳先进技术研究院 | 一种基于ct图像的肝脏肿瘤分割方法及装置 |
US9739783B1 (en) * | 2016-03-15 | 2017-08-22 | Anixa Diagnostics Corporation | Convolutional neural networks for cancer diagnosis |
CN107103187B (zh) * | 2017-04-10 | 2020-12-29 | 四川省肿瘤医院 | 基于深度学习的肺结节检测分级与管理的方法及系统 |
CN107616796B (zh) * | 2017-08-31 | 2020-09-11 | 北京医拍智能科技有限公司 | 基于深度神经网络的肺结节良恶性检测方法及装置 |
EP3692164A4 (en) * | 2017-10-06 | 2021-09-29 | Youhealth Oncotech, Limited | METHYLATION MARKERS FOR CANCER DIAGNOSIS |
CN107798679B (zh) * | 2017-12-11 | 2021-04-27 | 福建师范大学 | 乳腺钼靶图像乳房区域分割与钙化点检测方法 |
-
2018
- 2018-03-27 CN CN201810261926.4A patent/CN110197474B/zh active Active
-
2019
- 2019-03-25 JP JP2020543382A patent/JP7076681B2/ja active Active
- 2019-03-25 WO PCT/CN2019/079456 patent/WO2019184851A1/zh active Application Filing
-
2020
- 2020-06-18 US US16/905,079 patent/US11501431B2/en active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2005065855A (ja) * | 2003-08-21 | 2005-03-17 | Fuji Photo Film Co Ltd | 乳腺領域閾値決定方法および装置並びにプログラム |
JP2013525011A (ja) * | 2010-04-30 | 2013-06-20 | ヴィユーコンプ インク | 放射線画像における突起形成を伴う悪性質量の検出および分類 |
US20170249739A1 (en) * | 2016-02-26 | 2017-08-31 | Biomediq A/S | Computer analysis of mammograms |
CN106780460A (zh) * | 2016-12-13 | 2017-05-31 | 杭州健培科技有限公司 | 一种用于胸部ct影像的肺结节自动检测系统 |
CN107464250A (zh) * | 2017-07-03 | 2017-12-12 | 深圳市第二人民医院 | 基于三维mri图像的乳腺肿瘤自动分割方法 |
Also Published As
Publication number | Publication date |
---|---|
WO2019184851A1 (zh) | 2019-10-03 |
US11501431B2 (en) | 2022-11-15 |
US20200320701A1 (en) | 2020-10-08 |
CN110197474A (zh) | 2019-09-03 |
JP7076681B2 (ja) | 2022-05-30 |
CN110197474B (zh) | 2023-08-25 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP7076681B2 (ja) | 画像処理方法及び装置、並びにニューラルネットワークモデルのトレーニング方法 | |
CN110232719B (zh) | 一种医学图像的分类方法、模型训练方法和服务器 | |
CN111488921B (zh) | 一种全景数字病理图像智能分析系统及方法 | |
CN110490850B (zh) | 一种肿块区域检测方法、装置和医学图像处理设备 | |
CN112508850B (zh) | 基于深度学习的甲状腺细胞病理切片恶性区域的检测方法 | |
US20170249746A1 (en) | Imaging segmentation using multi-scale machine learning approach | |
CN108231190B (zh) | 处理图像的方法和神经网络系统、设备、介质 | |
US10610098B1 (en) | Generalized retinal image screening system (GRIS) | |
US11967181B2 (en) | Method and device for retinal image recognition, electronic equipment, and storage medium | |
CN110752028A (zh) | 一种图像处理方法、装置、设备以及存储介质 | |
US20220215548A1 (en) | Method and device for identifying abnormal cell in to-be-detected sample, and storage medium | |
CN113313680B (zh) | 一种结直肠癌病理图像预后辅助预测方法及系统 | |
US11721023B1 (en) | Distinguishing a disease state from a non-disease state in an image | |
CN111882559B (zh) | Ecg信号的获取方法及装置、存储介质、电子装置 | |
CN110473176B (zh) | 图像处理方法及装置、眼底图像处理方法、电子设备 | |
Leavline et al. | On teaching digital image processing with MATLAB | |
CN112966687B (zh) | 图像分割模型训练方法、装置及通信设备 | |
WO2019073312A1 (en) | METHOD AND DEVICE FOR INTEGRATING IMAGE CHANNELS IN A DEEP LEARNING MODEL FOR CLASSIFICATION | |
CN113223614A (zh) | 一种染色体核型分析方法、系统、终端设备和存储介质 | |
CN112560718A (zh) | 物料信息的获取方法和装置、存储介质、电子装置 | |
CN115130543B (zh) | 图像识别方法和装置、存储介质及电子设备 | |
WO2021139447A1 (zh) | 一种宫颈异常细胞检测装置及方法 | |
CN112116598A (zh) | 一种花卉种类识别方法及系统 | |
CN111179226A (zh) | 视野图的识别方法、装置及计算机存储介质 | |
CN110739068A (zh) | 基于机器学习的皮肤病智能问诊方法和系统 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20200813 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20210913 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20211125 |
|
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: 20220418 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20220426 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 7076681 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |