JP4326695B2 - エッジグラジエントヒストグラムを使用する肺小結節検出 - Google Patents
エッジグラジエントヒストグラムを使用する肺小結節検出 Download PDFInfo
- Publication number
- JP4326695B2 JP4326695B2 JP2000532812A JP2000532812A JP4326695B2 JP 4326695 B2 JP4326695 B2 JP 4326695B2 JP 2000532812 A JP2000532812 A JP 2000532812A JP 2000532812 A JP2000532812 A JP 2000532812A JP 4326695 B2 JP4326695 B2 JP 4326695B2
- Authority
- JP
- Japan
- Prior art keywords
- histogram
- nodule
- value
- candidate
- determining
- 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.)
- Expired - Fee Related
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
Landscapes
- Engineering & Computer Science (AREA)
- Quality & Reliability (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Radiology & Medical Imaging (AREA)
- Health & Medical Sciences (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Apparatus For Radiation Diagnosis (AREA)
- Image Processing (AREA)
- Image Analysis (AREA)
Description
関連出願のクロスリファレンス
発明は、各々そのまま引用文献としてここに組込まれた、例えばU.S.特許4,839,807; 4,841,555; 4,851,984; 4,875,165; 4,907,156; 4,918,534; 5,072,384; 5,133,020; 5,150,292; 5,224,177; 5,289,374; 5,319,549; 5,343,390; 5,359,513; 5,452,367; 5,463,548; 5,491,627; 5,537,485; 5,598,481; 5,622,171; 5,638,458; 5,657,362; 5,666,434; 5,673,332; 5,668,888; 同様にU.S.出願08/158,388; 08/173,935; 08/220,917; 08/398,307; 5,732,697; 5,740,268; 5,790,690; 5,832,103; 08/523,210; 08/536,149; 08/536,450; 08/562,087; 08/757,611; 08/758,438; 08/900,188; 08/900,189; 08/900,191; 08/900,192; 08/900,361; 08/900,362; 08/979,623; 08/979,639; 08/982,282; 09/028,518; および09/027,468の1つまたはそれ以上に開示されたデジタルイメージにおける異常の自動検出の自動技術に関する。これらの特許および特許出願のうち、U.S.特許4,907,156およびU.S.特許出願08/562,087は特に関係する。
【0002】
本発明はまた、添付されたAPPENDIXに確認された参照文献に引用されかつ記述された技術に係り、括弧でAPPENDIXにリストされたそれぞれの引用文献の番号を引用することにより明細書を通してクロスリファレンスされ、その全体の内容も引用文献としてここに組込まれる。種々のこれらの出版物は種々のクロスリファレンス特許および特許出願に対応するかも知れない。
【0003】
アメリカ合衆国に後援された研究所に関する報告
本発明は一部USPHSからの許可CA62625の下でU.S.政府支持で成された。U.S.政府は発明についてある権利を有する。
【0004】
発明の背景
発明の分野
本発明は胸郭ラジオグラフにおける肺小結節検出の自動方法および装置に係り、なお特に肺小結節が胸郭ラジオグラフにおいて間違った陽性検出の減少とともに検出される自動方法および装置に関する。
【0005】
X線胸郭ラジオグラフィーは、低放射線、低コストおよび信頼性のため、患者の孤立微細肺小結節の検出のために最も普通に使用されるラジオロジカルイメージモダリティーである。胸郭イメージの孤立肺小結節は、アメリカ合衆国において、男性および女性の癌死亡の主要なコースである初期の肺癌の重要な徴候の1つである[1,2]。しかし、ラジオロジストは過去に遡って観察された実際の陽性のケースの20から30%ほども肺小結節の検出に失敗していることがよく知られている[3−6]。かれらの診断精度を改善するため、ラジオロジストを援助する努力として、シカゴ大学(UC)の放射線医学部門において、前述されたU.S.特許出願08/562,087に記述されたように、胸郭イメージにおける肺小結節の自動検出のための計算機援用診断(CAD)案が開発された[7,8]。ラジオロジストは彼/彼女の診断を作るためコンピュータ出力を第2の見解として使用してもよい。
【0006】
UC CAD案はU.S.特許4,907,156[11]に開示されたように、胸郭イメージにおける通常のバックグランド組織の減少のためいわゆる差イメージを生成するため、小結節抑圧イメージが小結節増強イメージから差し引かれる差イメージ技術の始まりである。胸郭イメージにおける小結節候補者は差イメージの多数の灰色−レベル閾値により選択される[7,12]。引き出された小結節候補者はそれから多数の灰色−レベル閾値により使用されたレベルに従って6つのグループに分類される。適応ルール基準イメージ特長分析方法が各グループの対応している間違った陽性除去のため各グループにおける小結節候補者に適用される。最期に、人工ニュウラルネットワーク(ANN)がルール基準試験の後残っている候補者を確認するために訓練される[7,8]。100正常および100異常(122の確認された小結節を有して)を含んでいる200PA胸郭イメージからなるUCデータベースに関して、従来のUC CAD案は胸郭イメージにつき1.7の間違った陽性とともに70%感度の性能を達成する。
【0007】
従来のUC CAD案からもたらされる間違った陽性検出の大部分が肋骨−肋骨または肋骨−管交差に関係され、他の幾らかが胸、心臓および横隔膜のような柔らかい組織の陰影によることが発見された。CAD案における間違った陽性検出の除去のための従来のUC方法は灰色レベル、および部分増大技術により得られる形態学の特長に基づく。これらのイメージの特長は差イメージおよびオリジナル胸郭イメージの両方から引き出される[7,8]。
【0008】
発明の概要
従って、この発明の目的は、胸郭ラジオグラフの肺小結節の自動検出において間違った陽性の数を減少することにより、従来のUC CAD案を改良することにある。
【0009】
この発明の他の目的は、間違った陽性の数をさらに減少することにより従来のUC CAD案の性能を改善する試みにおいて、累積された放射方向のエッジグラジエントのヒストグラムの分析から引き出された一組の新しい特長を使用して、胸郭ラジオグラフの肺小結節の自動検出の新規な方法および装置を提供することにある。
【0010】
これらおよび他の目的は、小結節候補者の放射方向エッジグラジエントのヒストグラムの分析から引き出された新しい特長を組込むことにより、胸郭ラジオグラにおける肺小結節の検出のための新規な自動化された方法および装置を提供することにより本発明によって達成される。本発明は間違った陽性の80%が肋骨−肋骨または肋骨−管交差により、およびまた肋骨と胸、心臓または横隔膜のような柔らかい組織との陰影間の相互作用によることの認識を含む。候補者位置において中心にされた64x64ピクセル関心部(ROI)が最初に選択される。ROIのコントラストが2次元バックグランド減算により改善される。小結節形状一致フィルタがROIの中央領域に位置された小結節パターンの増強のために使用される。放射方向角度の関数として累積されたエッジグラジエントのヒストグラムが得られる。ヒストグラムの分析は放射方向角度の選択された範囲においてヒストグラムの最大、最小、幅、および標準偏差を含む7つの特長をもたらす。“真の”小結節ROIからのヒストグラムは放射方向軸線の近くで大きな最大値を有する狭く目立ったピークを持ちがちである。しかし、肋骨組織は全般的に対応しているヒストグラムを広げ、かくして大きな幅と高い最小値をもたらす。ヒストグラムから引き出された特長は従来のUC CAD案により除去されなかった幾つかの微細かつ困難な間違った陽性を確認するために使用される。7つの特長の全てを組合せているルール基準試験が小結節の何ら損失無く340の間違った陽性の138(40%)の除去に適用された。それから、人工ニューラルネットワーク(ANN)が真の小結節の5%の減少によって残りの間違った陽性の付加的な8%を除去するために適用され、それによって従来のUC CAD案の性能が改善された。
【0011】
発明のより完全な応用およびその多くの付随する利点は、添付図面と関連して考慮されるとき以下の詳細な記述を参照することにより容易に得られ、同様により良く理解されるようになるであろう。
【0012】
好ましい実施例の詳細な説明
本発明の出所に採用されたデータベースは各々14”x17”の200後方−前方(PA)胸郭ラジオグラフを含む。全部で122小結節を有する100の異常なケース(CTスキャンまたはラジオグラフィックフォローアップで確認された)および100の正常なケース(CTスキャンにより全て実証された)がある。122小結節のサイズ、コントラスト、および主観的な微細率と同様にフイルムのデジタル化手順はどこか他の所によく文書化される[7,8]。本発明の出所に帰着する新しい研究において、従来のUC CAD案から帰着する小結節候補者が使用された。このデータベースについて、従来の案は胸郭イメージにつき1.7の間違った陽性とともに70%感度の性能を持ったことが注目される。それ故、案により生成された全体で426の候補者(122の確認された小結節86と340の間違った陽性)が使用された。
【0013】
候補者位置で中心にされた略0.7mmのピクセルサイズを有する64x64ピクセル関心部(ROI)が新しい研究において使用された。図1Aは後方の肋骨とオーバラップした小結節のROIを示す。小結節パターンのコントラストが比較的低いことが見られる。小結節のコントラストを増すため、ROIの各ピクセルについて、平均ピクセル値を使用することにより、バックグランド減算が適用される。平均値はそのピクセルを通している行およびまた列に沿ったピクセル値の平均を取ることにより得られる。バックグランド減算技術の手段により小結節パターンのコントラストの増加は図1Bに表される。図1Cに示されるように、9mm小結節形状一致フィルタがさらにROIの小結節パターンを増強するために使用された。このフィルタをかける操作は第1フーリエ変換(FFT)を使用している周波数領域で実行された[13]。図1Cにおいて、ROIの中心にある小結節パターンの信号対ノイズ比が相当に増強されたことが明らかである。
【0014】
ROIの小結節パターンが増強されたことによる前処理の後、各ピクセルでエッジグラジエントGが3x3ソベルフィルタの使用により計算された[14]。異なる放射方向角度の各ビンで、ROIにおける全てのピクセルから得られるエッジグラジエントを累積することにより、累積された放射方向エッジグラジエントのヒストグラムが得られた。図2に示されるように、ピクセルにおけるエッジグラジエントGの放射方向角度(β)は最大エッジグラジエントの方向およびROIの原点(x0,y0)とそのピクセル(x1,y1)とを通る放射方向軸線間の角度として定義される。図2において、位置(x0,y0)はROIの中心(または原点)であり、(x1,y1)はエッジグラジエントが考慮される点である。最大エッジグラジエントの方向が放射方向軸線と一致するとき、放射方向角度はゼロであり、−180度から180度の範囲を有する。放射方向の角度は、グラジエントGが放射方向軸線から点(x1,y1)の周りを反時計方向に回るとき正であり、それが放射方向軸線から時計方向に回るとき負である。放射方向エッジグラジエントヒストグラムは放射方向軸線に関してエッジグラジエントの方位を記述する。もしガウス分布を有する典型的な丸い形の小結節がROIの中心に位置されるなら、小結節パターン内部の各ピクセルでエッジグラジエントの方向が放射方向軸線と一線になるので、対応しているヒストグラムはゼロの放射方向角度で鋭いピークを有するであろう。図1に示された小結節ROIの放射方向エッジグラジエントのヒストグラムは図1Dにプロットされる。ヒストグラムにおける目立ったピークが略30度の放射方向角度に僅かにシフトされたことが見られる。これはおそらく小結節の形が円よりむしろ長円に近いからである。
【0015】
本発明によれば、従来のCAD案により取り除かれなかった幾つかの“困難な”間違った陽性の除去の目的で、累積された放射方向エッジグラジエントのヒストグラムの分析により7つの特長が引き出される。これらの特長は、(1)−90度から+90度の放射方向角度の範囲としてここに定義される放射方向軸線に近い最大ヒストグラム値(即ち最大値);(2)放射方向軸線に近い最小ヒストグラム値(即ち最小値);(3)最小および最大の65%間のヒストグラム値の平均である局部的平均値、;(4)放射方向軸線に近いヒストグラム値の標準偏差;(5)局部的平均値の計算のために使用されるヒストグラム値の標準偏差(この標準偏差は局部的標準偏差として引用される);(6)最大および最小値間の差の35%に対応しているヒストグラム値で放射方向角度のゼロ度から両側を含んでいるヒストグラムの幅(度によって);(7)放射方向軸線に近い最大値と−180度から−90度および90度から180度の放射方向角度の範囲に対応している2つの外側範囲における最大値との比である。以後、これらの特長は、肺小結節および間違った陽性間の区別においてそれらの有用性と同様にそれらの特性によって詳細に記述される。
【0016】
図1に示された小結節ROIについて、図1Dに示されたように、放射方向軸線に近い(−90度から+90度)ヒストグラムに目立ったピークがある。それ故、小結節についての最大値および標準偏差は大きくなりがちである。他方、もし組織がROIの周辺領域の周りに位置されるなら、周辺組織のエッジグラジエントが全般的に放射方向から大きく離れるので、それらのエッジグラジエントは放射方向角度の2つの外側範囲、即ち−180度から−90度および90度から180度に分布しがちである。図1Cにおいて、小結節形状一致フィルタが相当にROIの中心に位置した小結節を増強させることが明らかである。それ故、ROIの最も強いエッジグラジエントにおけるこの結果(主パターンが中心において小結節である)は放射方向軸線の近くに分布する。従って、2つの外側範囲における対応した最大値に対する放射方向軸線に近い最大値の比は非常に大きくなる。
【0017】
図3は肋骨および胸(柔らかい組織)陰影間の相互作用からもたらされる間違った陽性ROIを示す。明らかに、このROIの中心の周りのパターンは小結節の形に似ていなかった。従って、使用された一致フィルタは図3Cに示されるように、効果的にROIの中心の周りの組織を増強しなかった。フィルタされたROIから得られた放射方向エッジグラジエントヒストグラムが図3Dに示される。放射方向軸線の近くの最大値が小さいことが分かる。他方、周辺組織は−180度から−90度の放射方向軸線の外側範囲にエッジグラジエントの大きな量を分布させる。それ故、2つの外側範囲の最大値に対する放射方向軸線の近くの最大値の比は小さくなる。
【0018】
骨の交差(肋骨−肋骨または肋骨−鎖骨)による間違った陽性ROIの例が図4に示される。ROIの中央領域における肋骨−鎖骨交差は、肋骨−肋骨または肋骨−鎖骨交差の出現が全般的に小結節のそれに似ているので、小結節形状一致フィルタにより増強された(図4C)ことが明らかである。この増強は図4Dに示されるように放射方向軸線の近くに大きな最大値をもたらした。しかし、ROIの中心からその四隅に延ばされた骨組織もまた増強された。これらの直線骨パターンのエッジグラジエントは放射方向角度の広い範囲を有し、かくして図4Dに示されるように広げられたヒストグラム幅になりがちである。加えて、図4Dにおいて、放射方向軸線の近くの最小ヒストグラム値が増大されたヒストグラムの幅と同じように大きくなる。
【0019】
最期に、肋骨−管交差からもたらされる間違った陽性ROIが図5に表される。図5Cに示されるように、多分ROIの中央領域における肋骨−管交差のパターンが使用された一致フィルタにより均一に増強されないので、放射方向エッジグラジエントのヒストグラムは放射方向軸線の近くの範囲に多数のピークを含んだ。放射方向軸線の近くのヒストグラムの標準偏差は小さい。しかし、ROIの左側の肋骨および管組織は、図5Dに示されるように、−180度から−90度の放射方向角度の範囲にエッジグラジエントの意味のある量を分布した。
【0020】
図6はヒストグラム幅と最大および最小値間の差との関係を示す。図6において、幾つかの間違った陽性(主に肋骨−肋骨または肋骨−鎖骨交差による)は大きなヒストグラム幅を有することが明らかである。340の間違った陽性の外で略34(この研究で使用された間違った陽性の総数の10%)が180度よりも大きいヒストグラムを有した。また図6において、最大および最小値間の差が小結節について幾つかの間違った陽性のそれに比べて大きくなりがちであることに注意することが有用である。図7に示されるように、小結節は小さな最小値と同じく大きな最大値のヒストグラムを有しがちであったことが理由である。この結果はまた小結節ROIのヒストグラムを表わす図1Dの観察と合致している。かくして、もし放射方向角度のゼロ度から両側に含んでいるヒストグラムの幅が最大および最小ヒストグラム値間の差の35%に等しいヒストグラム値で180度を越えるなら、検出された小結節が間違った陽性であり、熟考から除去されることが考慮される。
【0021】
同様に図7から、小結節ではないが間違った陽性の相当の数、間違った陽性の略21%(340の71)が0.05より大きい最小値を有する。小結節は0.05より大きい最小値を有さないので、0.05より大きい最小ヒストグラム値を有するかかる間違った陽性の全てを小結節としての考慮から除去することが可能である。
【0022】
また図7から見られるように、小結節でないおよび間違った陽性の数は略0.08以下の最大ヒストグラム値を有する。それ故、0.08以下の最大ヒストグラム値を有するこれらの間違った陽性を小結節としての考慮から除去することがさらに可能である。0.08に等しい最大ヒストグラム値のカットオフ値で、略340内の12の間違った陽性が小結節の損失無く除去されるであろう。これは残りの間違った陽性の略3.5%の減少である。
【0023】
ヒストグラムの標準偏差はその変分の大きさを示す。小結節のヒストグラム(図1D)は通常放射方向軸線の近くに目立ったピークを有し、かくして大きな標準偏差をもたらす。しかし、肋骨−管交差のような幾つかの間違った陽性のヒストグラムは放射方向軸線の近くで比較的平坦であり、それは小さな標準偏差を生じた(図5D)。図8において、ヒストグラムの標準偏差と局部的標準偏差とが小結節と間違った陽性について比較された。間違った陽性および小結節でないものの略6%(340の12)が0.03以下の標準偏差をもった。それ故0.03以下の標準偏差をもったこれらの間違った陽性を小結節として考慮から除去することが可能である。図8に示されるように、標準偏差と局部的標準偏差とはある相関関係を有することが分かる。
【0024】
ヒストグラムの局部的平均値と局部的標準偏差が目立ったピークの周りのそれらの放射方向エッジグラジエントからの寄与を無視することにより得られた。目立ったピークの周りのエッジグラジエントがROIの中心で小結節形パターン(即ち、小結節または肋骨−肋骨交差)から最ももたらされそうであったことが注目される。またROIの中央領域で幾つかの肋骨−肋骨または肋骨−骨(肋骨−鎖骨のような)の出現が真の小結節のそれと非常に似ていたことに注目せよ。しかし、これらの2つの特長、即ち、局部的平均値と局部的標準偏差はROIの中央領域から離れた組織によるエッジグラジエントに関係された。明らかに、図4に見られるそれらのような肋骨−肋骨交差は、放射方向軸線に近いそれらの最小値が大きいという事実による大きな局部的平均値を有しがちであった。小結節と間違った陽性についての局部的平均値と局部的標準偏差の比較のまき散らされたプロットが図9に示される。図9において明らかなように、小結節でなくかつ間違った陽性の総数の略17%(340の57)が0.005より小さい局部的標準偏差を有する。それ故0.005より小さい局部的標準偏差を有するこれらの間違った陽性を小結節としての考慮から除去することが可能である。間違った陽性が小さな局部的標準偏差または大きな局部的平均値を有しがちであることが注目される。
【0025】
図9からまた小結節でなくかつ間違った陽性の数が0.0725より大きい局部的平均値を現わすことが見られる。それ故0.0725より大きい局部的平均値を有するこれらの間違った陽性を小結節としての考慮から除去することが可能である。図9における局部的平均値について、0.0725のカットオフ値で、340の間違った陽性の内の略19が小結節の損失無く除去されるであろう。これは残りの間違った陽性の略5.5%減少である。
【0026】
ROIの中央パターンに使用される一致フィルタの効果を評価するために、2つの外側範囲(−180度から−90度および90度から180度)の最大値に対する放射方向軸線に近い(−90度から90度)最大値の比が計算される。ROIの中央領域に位置された小結節について、そのパターンは使用された一致フィルタにより一層効果的に増強されることができ、かくして放射方向軸線に近いヒストグラムに目立ったピークをもたらし、大きな比に対応している。しかし、柔らかい組織またはある肋骨−管交差のような間違った陽性について、これらの組織は使用されたフィルタと密接に一致せず、2つの外側範囲のそれに比べて放射方向軸線に近い比較的平坦なヒストグラムを持った。図10に示されるように、その比は小結節よりある間違った陽性について小さくなりがちである。実際に、小結節でなくかつ間違った陽性の総数の略10%(340の34)が0.5より小さい比を有する。それ故、比は如何に効果的な一致フィルタがROIの中央パターンにあるかを示し、0.5以下の比を有するこれらの間違った陽性の全てを小結節としての考慮から除去する他の基準を提供する有用な特長である。多くの肋骨−肋骨または肋骨−鎖骨交差の比がまた大きいことがさらに注目される。これらの間違った陽性の比は図10に示されるように小結節のそれらとオーバラップされた。これはこれらの交差が使用された一致フィルタによりまた効果的に増強されたためである。
【0027】
結合シーケンシャルルール基準試験によって、もしその特長が1つずつ試験ルールの全てを満足したなら、候補者はコンピュータにより小結節として決定される。間違った陽性のさらなる減少は残りの202の間違った陽性について人工ニュウラルネットワーク(ANN)の適用により可能であった[7,15]。ANNは放射方向のエッジグラジエントヒストグラムから引き出された7つの特長に対応している7つの入力ユニット、5つの隠されたユニット、および1つの出力ユニットを含む。出力ユニットからの出力値がそれぞれ1または0に終結したなら、候補者は“真の”小結節または間違った陽性として確認された。ジャックナイフ試験[7,15]が残りの間違った陽性の半分についてANNを訓練することにより、および他の半分について試験することにより採用された。残りの間違った陽性の略8%が真の小結節の5%の減少によってANNにより除去されたことが見出された。それ故、本発明の技術の適用で、デジタル胸郭イメージの肺小結節の自動検出についての従来のCADの性能におけるさらなる改良を成すことが可能である。
【0028】
コンピュータ技術に熟練した者に明らかであるように、発明は本明細書の教示に従ってプログラムされた通常の全般目的のデジタルコンピュータまたはマイクロプロセッサを使用して都合よく実施されてもよい。ソフトウエア技術において熟練した者に明らかなように、適当なソフトウエアコーディングが本開示の技術に基づいた熟練されたプログラマにより難なく用意され得る。
【0029】
本発明は、発明の処理を実行するためコンピュータのプログラムに使用され得る指令を含んで記憶媒体であるコンピュータプログラム製品を含む。記憶媒体は、限定されないが、フロッピーディスク、オプティカルディスク、CD-ROM、および磁気−光ディスクを含む任意の型のディスク、ROM、RAM、EPROM、EEPROM、磁気または光カード、あるいは電子的指令を記憶するに適する媒体の任意の型を含み得る。
【0030】
図11は本発明の教示に従ってプログラムされた全般目的のコンピュータ100の概略図である。全般目的のコンピュータ100はCPU106およびメモリ108を含むマザーボード104を有するコンピュータハウジング102を含む。コンピュータ100はまた複数の入力装置、例えばキーボード122およびマウス124、および制御モニター120のための表示カード110を含む。加えて、コンピュータシステム100はフロッピーディスクドライブ114および他の取り除くことのできる媒体装置(例えば、テープ、および取り外し可能な磁気−光媒体(示されない))、例えばSCSIバスまたはエンハーンスドIDEバスのような適当な装置バスを使用して接続されたハードディスク112、または他の固定された高密度媒体ドライブをさらに含む。コンピュータ100は、また同じ装置バスまたは他の装置バスに接続されたコンパクトディスクリーダ/ライタ118またはコンパクトディスクジュークボックス(示されない)を付加的に含んでもよい。
【0031】
上記記憶媒体(コンピュータが読出し可能な媒体)の何れか1つに記憶されることにより、本発明はコンピュータ100のハードウエアおよびコンピュータ100が人間のユーザと相互作用することを可能にすることの両方を制御するためのプログラミングを含む。かかるプログラミングは、限定されるものではないが、装置、ドライバ、オペレーティングシステムおよびユーザアプリケーションの実施のためのソフトウエアを含んでもよい。かかるコンピュータ読出し可能な媒体は、さらに本発明に従って仕事を実行するため全般的な目的のコンピュータ100に指令するためプログラミング即ちソフトウエア命令を含む。
【0032】
全般的な目的のコンピュータ100のプログラミングはイメージ取得装置から得られるPAラジオグラフをデジタル化しかつ記憶するソフトウエアモジュールを含んでもよい。代わりに、本発明がどこか他でPAラジオグラフから引き出されたデジタルデータを処理するため実行されることもできることが理解されるべきである。他方コンピュータ100は図12に示された発明の方法を実行するソフトウエアモジュールを含み、それはイメージ内に候補者の小結節を確認するためイメージを処理し(ステップ1200);処理ステップで確認された候補者の小結節を含んでいる関心部(ROI)を確立し(ステップ1210);ROI内の候補者の小結節のイメージ増強を実行し(ステップ1220);実行ステップ1220の後ROI内で放射方向角度の関数として累積されたエッジグラジエントのヒストグラムを得(ステップ1230);得られたヒストグラムに基づいて候補者の小結節が間違った陽性であるか否かを決定し(ステップ1240);決定ステップで確認された間違った陽性を考慮から除去する(ステップ1250)を含む。
【0033】
ステップ1240は少なくとも1つの評価ファクターで決定し、(1)最大ヒストグラム値、(2)最小ヒストグラム値、(3)ヒストグラムの局部的平均値、(4)放射方向軸線に近いヒストグラム値の標準偏差、(5)ヒストグラム値の局部的標準偏差、(6)予定のヒストグラム値で、放射方向角度のゼロ度から両側を含んでいるヒストグラムの幅、および(7)放射方向軸線の2つの予定の外側範囲における最大ヒストグラム値に対する放射方向軸線近くの最大ヒストグラム値の比の少なくとも1つを含んでいる。ステップ1250はさらに、前記候補者の小結節について決定された少なくとも1つの評価ファクターが予定の閾値より大きい、あるいは小さいなら、それぞれの評価ファクターとは独立に、前記候補者の小結節を考慮から除去することを含む。
【0034】
全般的に、ステップ1240において、各評価ファクターがシーケンシャルに評価され、それにより小結節としてのさらなる考慮から除去され得る間違った陽性の数を最大化する。しかし、本発明は各命名された評価ファクターの評価に限定されず、もし処理時間または処理容量の経費が不可避であるなら、全ての各評価ファクターよりも少ないファクターが評価され得る。
【0035】
図12に示されるように、発明の方法はさらに、残りの間違った陽性を確認する努力として人工ニューラルネットワーク(ANN)の適用であるステップ1260を含む。ステップ1260において、ANN出力ユニットからの出力値がそれぞれ1または0に終結するなら、候補者は“真の”小結節または間違った陽性として確認される。ステップ1270において、間違った陽性として確認されたこれらの候補者はまた小結節としての考慮から除去される。それから、ステップ1280において、残りの候補者の小結節、即ち間違った陽性を除去した後の残っているこれらのオリジナル候補者の小結節の位置がラジオロジストによる観察により表示される。
【0036】
発明はまた、技術に熟練した者により難なく明らかなように、特定用途集積回路の用意により、または通常の構成回路の適当なネットワークを相互接続することにより実施されてもよい。
【0037】
要点を繰り返すと、本発明は、放射方向のエッジグラジエントヒストグラムの分析から引き出された特長が従来のCAD案により除去できなかった幾つかの微細かつ困難な間違った陽性を除去することに効果的であることの認識に基づく[7,8]。これらの特長に関係するカットオフルール、例えば180度より大きいヒストグラム幅、0.05より大きい最小値、0.03より小さい標準偏差、0.005より小さい局部的標準偏差、および0.5より小さい比の全てをシーケンシャルに組合すことにより、全部で138(40%)の間違った陽性が小結節の如何なる損失も無く除去される。組み合わされたシーケンシャルルール基準試験により、その特長が1つずつ試験ルールの全てを満足したなら、候補者はコンピュータにより小結節として検出される。間違った陽性のさらなる減少は残りの202の間違った陽性について人工ニューラルネットワーク(ANN)の適用により可能である[7,15]。ANNは放射方向のエッジグラジエントヒストグラムから引き出された7つの特長に対応している7つの入力ユニット、5つの隠されたユニット、および1つの出力ユニットを含む。出力ユニットからの出力値が1または0で終結するなら、候補者はそれぞれ“真の”小結節または間違った陽性として確認される。ジャックナイフ試験[7,15]が残りの間違った陽性の半分についてANNを訓練することにより、および他の半分について試験することにより採用された。残りの間違った陽性の略8%が真の小結節の5%の減少によってANNにより除去される。それ故、本発明の技術の適用により、デジタル胸郭イメージの肺小結節の自動検出のための従来のCAD案の性能にさらなる改良を成すことが可能である。
【0038】
明らかなように、本発明の多くの修正および変形がこの技術の識者により可能である。それ故、請求の範囲内において、発明は特にここに記述されたようなものより別な方法で実施されてもよいことが理解されるべきである。
【0039】
引用文献
1 Cancer facts and figures - 1996, Atlanta: American Cancer Society, 1996. 2 Annual cancer statistics review: Including cancer trends 1950-1985, National Cancer Institute, 1988.
3 J. Yerushalmy, "Reliability of chest radiography in the diagnosis of pulmonary lesions," Am. J. Surg. 89, 231-240 (1955).
4 L.W. Guiss and P. Kuenstler, "A retrospective view of survey photofluorograms of persons with lung cancer," Cancer 13, 91-95 (1960).
5 J .V. Forrest and P.J. Friedman, "Radiologic errors in patients with lung cancer," West J. Med. 134, 485-490 (1981).
6 J.R. Muhm, W.E. Miller, R.S. Fontana, D.R. Sanderson, and M.A. Uhlenhopp, "Lung cancer detected during a screening program using four-month radiographs ," Radiology 148, 609-615 (1983).
7 X.W. Xu, K. Doi, T. Kobayashi, H. MacMahon, and M. L. Grger, "Development of an improved CAD scheme for automated detection of lung nodules in digital chest images," Med. Phys. 24, 1395-1403 (1997).
8 X.W. Xu, H. MacMahon, M. L. Giger, and K. Doi, "Adaptive feature analysis of false positives for computerized detection of lung nodules in digital chest images" SPIE Medical Imaging 1997 , Image Processing Vol. 3034 428-436 (1997) .
9 K. Doi, M.L. Giger, H. MacMahon, K.R. Hoffmanu, S. Katsuragawa, R.M. Nishikawa, Y. Yoshimura, S. Sanada, X. Chen, C.E. Metz, C.J. Vyborny, R.A. Schmidt, S.M. Montner, T. Matsumoto and K. G. Chua, " Computer-aided diagnosis: present and future,"A new horizon on medical physics and biomedical engineering H. Abe, K. Atsumi, T. Iinuma, M. Saito, and M. Inoue, editors; Elsevier Science Publishers B.V. 1991.
10 K. Doi, M. L. Giger, R. M. Nishikawa, K. R. Hoffmann, H. MacMahon. R. A. Schmidt, and K. G. Chua, " Digital radiography: A useful clinical tool for computer-aided diagnosis by quantitative analysis of radiographic images, " Acta Radiologica 34, 426-439 (1993).
11 M.L. Giger, K. Doi, and H. MacMahon, "Image feature analysis and computer-aided diagnosis in digital radiography . 3 . Automated detection of nodules in peripheral lung fields " Med. Phys. 15, 158-166 (1988).
12 M.L. Giger, K. Doi, H. MacMahon. C.E. Metz, and F.F. Yin" Pulmonary nodules: Computer-aided detection in digital chest image, " RadioGraphics 10, 41-51 (1990).
13 E.O. Brigham, The Fast Fourier Transform and its Applications, Prentice-Hall, Inc. Englewood Cliffs, New Jersey, 1988.
14 I.Pitas, Digital Image processing Algorithm, Prentice Hall International (UK) Ltd, 1993 .
15 Y.C. Wu, K. Doi, M.L. Giger, C.E. Metz, and W. Zhang, "Reduction of false positives in computerized detection of lung nodules in chest radiographs using artificial neural networks, discriminate analysis and a rule-based scheme," J . of Digital Imag 7, 196-207 (1994).
【図面の簡単な説明】
【図1A】 後方の肋骨とオーバラップした小結節を有する肺のイメージにおける関心部(ROI)であって、オリジナルなROIを示す。
【図1B】 後方の肋骨とオーバラップした小結節を有する肺のイメージにおける関心部(ROI)であって、減じられたバックグランドを有するROIを示す。
【図1C】 後方の肋骨とオーバラップした小結節を有する肺のイメージにおける関心部(ROI)であって、一致フィルタにかけた後のROIを示す。
【図1D】 図1Cに示されたフィルタされたROIの放射方向のエッジグラジエントヒストグラムのグラフである。
【図2】 ピクセル(x1,y1)でエッジグラジエントGの放射方向の角度(β)を定義している幾何学的パラメタを示す。
【図3A】 肋骨と胸との間の陰影の相互作用による間違った陽性ROIであって、オリジナルなROIを示す。
【図3B】 肋骨と胸との間の陰影の相互作用による間違った陽性ROIであって、減じられたバックグランドを有するROIを示す。
【図3C】 肋骨と胸との間の陰影の相互作用による間違った陽性ROIであって、一致フィルタにかけた後のROIを示す。
【図3D】 図3CのフィルタされたROIの放射方向のエッジグラジエントヒストグラムを示すグラフである。
【図4A】 肋骨−鎖骨または肋骨−肋骨の交差による間違った陽性ROIであって、オリジナルなROIを示す。
【図4B】 肋骨−鎖骨または肋骨−肋骨の交差による間違った陽性ROIであって、減じられたバックグランドを有するROIを示す。
【図4C】 肋骨−鎖骨または肋骨−肋骨の交差による間違った陽性ROIであって、一致フィルタにかけた後のROIを示す。
【図4D】 図4CのフィルタされたROIの放射方向のエッジグラジエントヒストグラムを示すグラフである。
【図5A】 肋骨−管交差による間違った陽性ROIであって、オリジナルなROIを示す。
【図5B】 肋骨−管交差による間違った陽性ROIであって、減じられたバックグランドを有するROIを示す。
【図5C】 肋骨−管交差による間違った陽性ROIであって、一致フィルタにかけた後のROIを示す。
【図5D】 図5CのフィルタされたROIの放射方向のエッジグラジエントヒストグラムを示すグラフである。
【図6】 ヒストグラム幅と小結節および間違った陽性の最大および最小値間の差との関係を示す。
【図7】 小結節および間違った陽性の最大および最小値間の関係を示す。
【図8】 小結節および間違った陽性の標準偏差および局部的標準偏差間の関係を示す。
【図9】 小結節および間違った陽性の局部的平均値と局部的標準偏差との関係を示す。
【図10】 小結節および間違った陽性の放射方向軸線の近くおよび外側の2つの最大値の比と局部的平均値との関係を示す。
【図11】 本発明の教示に従ってプログラムされた全般目的のコンピュータ100の概要図である。
【図12】 発明の方法により実行されるステップを示すフローチャートである。
【符号の説明】
100…コンピュータ、102…コンピュータハウジング、104…マザーボード、108…メモリ、110…表示カード、112…ハードディスク、114…フロッピーディスクドライブ、118…ライタ、120…制御モニター、122…キーボード、124…マウス
Claims (27)
- イメージにおける候補者の小結節を確認するために前記イメージを前処理し、
前記前処理ステップで確認された候補者の小結節を含んでいる関心部(ROI)を確立し、
前記ROI内の前記候補者の小結節のイメージ増強を実行し、
前記イメージ増強実行後の前記ROI内において放射方向角度の関数として累積されたエッジグラジエントのヒストグラムを得、
少なくとも1つの評価ファクターを決定し、放射方向軸線の近くの予定の範囲における最大ヒストグラム値を決定することを含む得られたヒストグラムに基づいて、前記候補者の小結節が間違った陽性であるか否かを決定し、
前記決定ステップで確認された間違った陽性を考慮から除去するステップを含み、
デジタルデータにより表わされた胸郭ラジオグラフィックイメージの肺小結節検出におけるイメージ特長の分析の自動化された方法。 - 前記決定ステップが、(1)最大ヒストグラム値、(2)最小ヒストグラム値、(3)ヒストグラムの局部的平均値、(4)放射方向軸線の近くのヒストグラム値の標準偏差、(5)ヒストグラム値の局部的標準偏差、(6)決定されたヒストグラム値において、放射方向角度のゼロ度から両側に含んでいるヒストグラムの幅、および(7)放射方向軸線の2つの予定の外側範囲の最大ヒストグラム値に対する放射方向軸線の近くの最大ヒストグラム値の比、の少なくとも1つを含んでいる少なくとも1つの評価ファクターを決定するこを含み、
前記候補者の小結節のため決定された少なくとも1つの評価ファクターが予定の閾値の予定の側に値を有するなら、前記除去するステップが前記候補者の小結節を小結節としての考慮から除去することを含む請求項1の方法。 - 前記決定ステップが評価ファクターとして放射方向軸線の近くの予定の範囲における最大ヒストグラム値を決定することを含み、
決定された最大ヒストグラム値が予定の値より小さいなら、前記除去するステップが前記候補者の小結節を小結節としての考慮から除去することを含む請求項2の方法。 - 前記決定ステップが評価ファクターとして放射方向軸線の近くの最小ヒストグラム値を決定することを含み、
放射方向軸線の近くの決定された最小ヒストグラム値が予定の閾値を越えるなら、前記除去するステップが前記候補者の小結節を小結節としての考慮から除去することを含む請求項2の方法。 - 前記決定ステップが評価ファクターとしてROIの中央領域から離れたROIの部分におけるヒストグラムの局部的平均値を決定することを含み、
決定された局部的平均値が予定の値を越えるなら、前記除去するステップが前記候補者の小結節を小結節としての考慮から除去することを含む請求項2の方法。 - 前記決定ステップが評価ファクターとしてヒストグラムの放射方向軸線の近くのヒストグラム値の標準偏差を決定することを含み、
決定された標準偏差が予定の値以下であるなら、前記除去するステップが前記候補者の小結節を小結節としての考慮から除去することを含む請求項2の方法。 - 前記決定ステップが評価ファクターとしてROIの中央領域から離れたROIの部分におけるヒストグラム値の局部的標準偏差を決定することを含み、
決定された局部的標準偏差が予定の値以下であるなら、前記除去するステップが前記候補者の小結節を小結節としての考慮から除去することを含む請求項2の方法。 - 前記決定ステップが評価ファクターとして、決定されたヒストグラム値において放射方向角度のゼロ度から両側に含んでいるヒストグラムの幅を決定することを含み、
決定されたヒストグラムの幅が予定の値を越えるなら、前記除去するステップが前記候補者の小結節を小結節としての考慮から除去することを含む請求項2の方法。 - 前記決定ステップが評価ファクターとして放射方向軸線の2つの予定の外側範囲の最大ヒストグラム値に対する放射方向軸線の近くの最大ヒストグラム値の比を決定することを含み、
決定された比が予定の値より小さいなら、前記除去するステップが前記候補者の小結節を小結節としての考慮から除去することを含む請求項2の方法。 - 前記候補者の小結節を人工ニューラルネットワーク(ANN)に適用し、ANN出力ユニットからの出力値が1または0に終結するなら、前記候補者をそれぞれ小結節または間違った陽性として確認することをさらに含む請求項2の方法。
- 候補者の小結節として確認された位置を表示することをさらに含む請求項10の方法。
- イメージ増強を実行する前記ステップが、前記ROIからのイメージバックグランドを取り除くことを含む請求項1の方法。
- イメージバックグランドを取り除く前記ステップが、前記候補者の小結節を横切る行および列に沿ってピクセル値の平均値を決定し、
前記ROI内のピクセルのピクセル値から前記平均値を差し引くことを含む請求項12の方法。 - イメージ増強を実行する前記ステップが、前記候補者の小結節を含んでいる前記ROIのピクセルに形状一致フィルタかけを実行することを含む請求項1の方法。
- 形状一致フィルタかけを実行する前記ステップが、第1フーリエ変換(FFT)を使用している周波数領域に形状一致フィルタかけを実行することを含む請求項14の方法。
- ヒストグラムを得る前記ステップが、3x3ソベルフィルタを使用して各ピクセルごとにエッジグラジエントを計算し、
異なる放射方向角度の各ビンごとにROIにおける全てのピクセルからのエッジグラジエントを累積することを含む請求項1の方法。 - 前記決定ステップが評価ファクター(1)−(7)の各々を決定することを含む請求項2の方法。
- 前記決定ステップが評価ファクターとしてROIの中央領域から離れたROIの部分におけるヒストグラム値の局部的標準偏差を決定することを含み、
決定された局部的標準偏差が予定の値以下であるなら、前記除去するステップが前記候補者の小結節を小結節としての考慮から除去することを含む請求項4の方法。 - 前記決定ステップが評価ファクターとして予定のヒストグラム値における放射方向角度のゼロ度から両側に含んでいるヒストグラムの幅を決定することを含み、
決定されたヒストグラムの幅が予定の値を越えるなら、前記除去するステップが前記候補者の小結節を小結節としての考慮から除去することを含む請求項4の方法。 - 前記決定ステップが評価ファクターとして放射方向軸線の2つの予定の外側範囲の最大ヒストグラム値に対する放射方向軸線の近くの最大ヒストグラム値の比を決定することを含み、
決定された比が予定の値より小さいなら、前記除去するステップが前記候補者の小結節を小結節としての考慮から除去することを含む請求項4の方法。 - 前記決定ステップが評価ファクターとしてヒストグラムの放射方向軸線の近くのヒストグラム値の標準偏差を決定することを含み、
決定された標準偏差が予定の値以下であるなら、前記除去するステップが前記候補者の小結節を小結節としての考慮から除去することを含む請求項4の方法。 - 前記決定ステップが評価ファクターとして予定のヒストグラム値における放射方向角度のゼロ度から両側に含んでいるヒストグラムの幅を決定することを含み、
決定されたヒストグラムの幅が予定の値を越えるなら、前記除去するステップが前記候補者の小結節を小結節としての考慮から除去することを含む請求項18の方法。 - 前記決定ステップが評価ファクターとして放射方向軸線の2つの予定の外側範囲の最大ヒストグラム値に対する放射方向軸線の近くの最大ヒストグラム値の比を決定することを含み、
決定された比が予定の値より小さいなら、前記除去するステップが前記候補者の小結節を小結節としての考慮から除去することを含む請求項18の方法。 - 前記決定ステップが評価ファクターとしてヒストグラムの放射方向軸線の近くのヒストグラム値の標準偏差を決定することを含み、
決定された標準偏差が予定の値以下であるなら、前記除去するステップが前記候補者の小結節を小結節としての考慮から除去することを含む請求項18の方法。 - 前記決定ステップが評価ファクターとして放射方向軸線の2つの予定の外側範囲の最大ヒストグラム値に対する放射方向軸線の近くの最大ヒストグラム値の比を決定することを含み、
決定された比が予定の値より小さいなら、前記除去するステップが前記候補者の小結節を小結節としての考慮から除去することを含む請求項22の方法。 - 前記決定ステップが評価ファクターとしてヒストグラムの放射方向軸線の近くのヒストグラム値の標準偏差を決定することを含み、
決定された標準偏差が予定の値以下であるなら、前記除去するステップが前記候補者の小結節を小結節としての考慮から除去することを含む請求項22の方法。 - 前記決定ステップが評価ファクターとしてヒストグラムの放射方向軸線の近くのヒストグラム値の標準偏差を決定することを含み、
決定された標準偏差が予定の値以下であるなら、前記除去するステップが前記候補者の小結節を小結節としての考慮から除去することを含む請求項26の方法。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US09/027,685 | 1998-02-23 | ||
US09/027,685 US6088473A (en) | 1998-02-23 | 1998-02-23 | Method and computer readable medium for automated analysis of chest radiograph images using histograms of edge gradients for false positive reduction in lung nodule detection |
PCT/US1999/003288 WO1999042950A1 (en) | 1998-02-23 | 1999-02-23 | Lung nodule detection using edge gradient histograms |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2002504727A JP2002504727A (ja) | 2002-02-12 |
JP4326695B2 true JP4326695B2 (ja) | 2009-09-09 |
Family
ID=21839195
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2000532812A Expired - Fee Related JP4326695B2 (ja) | 1998-02-23 | 1999-02-23 | エッジグラジエントヒストグラムを使用する肺小結節検出 |
Country Status (5)
Country | Link |
---|---|
US (1) | US6088473A (ja) |
EP (1) | EP1082694A4 (ja) |
JP (1) | JP4326695B2 (ja) |
AU (1) | AU2868599A (ja) |
WO (1) | WO1999042950A1 (ja) |
Families Citing this family (37)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6389305B1 (en) * | 1993-12-15 | 2002-05-14 | Lifeline Biotechnologies, Inc. | Method and apparatus for detection of cancerous and precancerous conditions in a breast |
TW514513B (en) * | 1996-02-06 | 2002-12-21 | Deus Technologies Inc | Method for the detection of lung nodule in radiological images using digital image processing and artificial neural network |
US6941323B1 (en) * | 1999-08-09 | 2005-09-06 | Almen Laboratories, Inc. | System and method for image comparison and retrieval by enhancing, defining, and parameterizing objects in images |
US6704456B1 (en) * | 1999-09-02 | 2004-03-09 | Xerox Corporation | Automatic image segmentation in the presence of severe background bleeding |
US7043064B2 (en) * | 2001-05-04 | 2006-05-09 | The Board Of Trustees Of The Leland Stanford Junior University | Method for characterizing shapes in medical images |
US6891964B2 (en) | 2001-11-23 | 2005-05-10 | University Of Chicago | Computerized method for determination of the likelihood of malignancy for pulmonary nodules on low-dose CT |
FR2832832A1 (fr) * | 2001-11-23 | 2003-05-30 | Ge Med Sys Global Tech Co Llc | Procede de detection et de caracterisation automatique de nodules dans une image tomographique et systeme d'imagerie medicale par tomodensimetrie correspondant |
US7218766B2 (en) * | 2002-04-15 | 2007-05-15 | General Electric Company | Computer aided detection (CAD) for 3D digital mammography |
JP3901573B2 (ja) * | 2002-04-25 | 2007-04-04 | 富士通テン株式会社 | 画像認識システムにおける異常の診断装置 |
US7295691B2 (en) * | 2002-05-15 | 2007-11-13 | Ge Medical Systems Global Technology Company, Llc | Computer aided diagnosis of an image set |
US20040115697A1 (en) * | 2002-08-09 | 2004-06-17 | Doxsey Stephen J. | Cancer diagnostics and prognostics |
US6937776B2 (en) * | 2003-01-31 | 2005-08-30 | University Of Chicago | Method, system, and computer program product for computer-aided detection of nodules with three dimensional shape enhancement filters |
SE0400325D0 (sv) * | 2004-02-13 | 2004-02-13 | Mamea Imaging Ab | Method and arrangement relating to x-ray imaging |
GB2414357A (en) * | 2004-05-18 | 2005-11-23 | Medicsight Plc | Nodule boundary detection |
US7840048B2 (en) * | 2004-05-26 | 2010-11-23 | Guardian Technologies International, Inc. | System and method for determining whether there is an anomaly in data |
US20060269140A1 (en) * | 2005-03-15 | 2006-11-30 | Ramsay Thomas E | System and method for identifying feature of interest in hyperspectral data |
WO2005119574A2 (en) * | 2004-05-26 | 2005-12-15 | Guardian Technologies International, Inc. | System and method for identifying objects of interest in image data |
US20060018524A1 (en) * | 2004-07-15 | 2006-01-26 | Uc Tech | Computerized scheme for distinction between benign and malignant nodules in thoracic low-dose CT |
US20060269135A1 (en) * | 2005-03-15 | 2006-11-30 | Ramsay Thomas E | System and method for identifying objects of interest in image data |
US8045805B2 (en) * | 2005-03-15 | 2011-10-25 | Applied Visual Sciences, Inc. | Method for determining whether a feature of interest or an anomaly is present in an image |
US7466872B2 (en) * | 2005-06-20 | 2008-12-16 | Drvision Technologies Llc | Object based boundary refinement method |
US7623692B2 (en) * | 2005-07-22 | 2009-11-24 | Carestream Health, Inc. | Pulmonary nodule detection in a chest radiograph |
WO2007089721A2 (en) * | 2006-01-27 | 2007-08-09 | Michael Valdiserri | Automatic engine for 3d object generation from volumetric scan data and method |
JP2008000536A (ja) * | 2006-06-26 | 2008-01-10 | Fujifilm Corp | 画像表示装置 |
US20090034809A1 (en) * | 2007-08-01 | 2009-02-05 | Fujifilm Corporation | Abnormal tissue pattern detection apparatus, method and program |
US20090082637A1 (en) * | 2007-09-21 | 2009-03-26 | Michael Galperin | Multi-modality fusion classifier with integrated non-imaging factors |
US8224057B2 (en) * | 2007-10-18 | 2012-07-17 | Siemens Aktiengesellschaft | Method and system for nodule feature extraction using background contextual information in chest x-ray images |
US8275201B2 (en) * | 2008-03-06 | 2012-09-25 | Tyco Healthcare Group Lp | Image enhancement and application functionality for medical and other uses |
CN101533512B (zh) * | 2009-04-24 | 2012-05-09 | 西安电子科技大学 | 基于人类视觉注意系统的图像感兴趣区域自动提取方法 |
JP5801379B2 (ja) | 2010-04-30 | 2015-10-28 | ヴィユーコンプ インクVucomp, Inc. | 確率密度関数推定器 |
US8675933B2 (en) | 2010-04-30 | 2014-03-18 | Vucomp, Inc. | Breast segmentation in radiographic images |
US9256799B2 (en) | 2010-07-07 | 2016-02-09 | Vucomp, Inc. | Marking system for computer-aided detection of breast abnormalities |
US9008391B1 (en) * | 2013-10-22 | 2015-04-14 | Eyenuk, Inc. | Systems and methods for processing retinal images for screening of diseases or abnormalities |
US11049606B2 (en) | 2018-04-25 | 2021-06-29 | Sota Precision Optics, Inc. | Dental imaging system utilizing artificial intelligence |
US10896492B2 (en) * | 2018-11-09 | 2021-01-19 | Qwake Technologies, Llc | Cognitive load reducing platform having image edge enhancement |
CN112669909B (zh) * | 2020-12-30 | 2024-08-06 | 杭州博日科技股份有限公司 | 假阳性样本的排除方法、装置以及电子设备 |
CN114693642B (zh) * | 2022-03-30 | 2023-03-24 | 北京医准智能科技有限公司 | 一种结节匹配方法、装置、电子设备及存储介质 |
Family Cites Families (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US4907156A (en) * | 1987-06-30 | 1990-03-06 | University Of Chicago | Method and system for enhancement and detection of abnormal anatomic regions in a digital image |
US4961425A (en) * | 1987-08-14 | 1990-10-09 | Massachusetts Institute Of Technology | Morphometric analysis of anatomical tomographic data |
US5343390A (en) * | 1992-02-28 | 1994-08-30 | Arch Development Corporation | Method and system for automated selection of regions of interest and detection of septal lines in digital chest radiographs |
US5289374A (en) * | 1992-02-28 | 1994-02-22 | Arch Development Corporation | Method and system for analysis of false positives produced by an automated scheme for the detection of lung nodules in digital chest radiographs |
US5319549A (en) * | 1992-11-25 | 1994-06-07 | Arch Development Corporation | Method and system for determining geometric pattern features of interstitial infiltrates in chest images |
US5491627A (en) * | 1993-05-13 | 1996-02-13 | Arch Development Corporation | Method and system for the detection of microcalcifications in digital mammograms |
DE69432601D1 (de) * | 1993-11-29 | 2003-06-05 | Arch Dev Corp | Automatisches verfahren und system zur verbesserten computerisierten erkennung und klassifizierung von massen in mammogrammen |
US5790690A (en) * | 1995-04-25 | 1998-08-04 | Arch Development Corporation | Computer-aided method for automated image feature analysis and diagnosis of medical images |
-
1998
- 1998-02-23 US US09/027,685 patent/US6088473A/en not_active Expired - Lifetime
-
1999
- 1999-02-23 AU AU28685/99A patent/AU2868599A/en not_active Abandoned
- 1999-02-23 WO PCT/US1999/003288 patent/WO1999042950A1/en active Application Filing
- 1999-02-23 EP EP99909494A patent/EP1082694A4/en not_active Withdrawn
- 1999-02-23 JP JP2000532812A patent/JP4326695B2/ja not_active Expired - Fee Related
Also Published As
Publication number | Publication date |
---|---|
US6088473A (en) | 2000-07-11 |
EP1082694A4 (en) | 2007-08-08 |
EP1082694A1 (en) | 2001-03-14 |
AU2868599A (en) | 1999-09-06 |
WO1999042950A1 (en) | 1999-08-26 |
JP2002504727A (ja) | 2002-02-12 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP4326695B2 (ja) | エッジグラジエントヒストグラムを使用する肺小結節検出 | |
Xu et al. | Development of an improved CAD scheme for automated detection of lung nodules in digital chest images | |
Giger et al. | Computerized detection of pulmonary nodules in digital chest images: Use of morphological filters in reducing false‐positive detections | |
EP0760624B1 (en) | Automated detection of lesions in computed tomography | |
McNitt‐Gray et al. | A pattern classification approach to characterizing solitary pulmonary nodules imaged on high resolution CT: preliminary results | |
Chen et al. | Computerized detection of lung nodules by means of “virtual dual-energy” radiography | |
JP4708362B2 (ja) | コンピュータで実施される方法 | |
US20050207630A1 (en) | Lung nodule detection and classification | |
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 | |
Carreira et al. | Computer‐aided diagnoses: Automatic detection of lung nodules | |
Elizabeth et al. | A novel segmentation approach for improving diagnostic accuracy of CAD systems for detecting lung cancer from chest computed tomography images | |
WO2002043562A2 (en) | Pulmonary nodule detection using multiple-templates matching | |
Jaffar et al. | Fuzzy entropy based optimization of clusters for the segmentation of lungs in CT scanned images | |
WO2009003128A2 (en) | Method and system for detecting lung tumors and nodules | |
Zhang et al. | Design of automatic lung nodule detection system based on multi-scene deep learning framework | |
Antonelli et al. | Segmentation and reconstruction of the lung volume in CT images | |
Zhao et al. | An automated pulmonary parenchyma segmentation method based on an improved region growing algorithmin PET-CT imaging | |
JP2002301051A (ja) | 断層像セグメント分割 | |
Schilham et al. | Multi-scale nodule detection in chest radiographs | |
Xu et al. | Alaysis of image features of histograms of edge gradient for false positive reduction in lung nodule detection in chest radiographs | |
Dewaele et al. | Trainable rule-based network for irradiation field recognition in Agfa's ADC system | |
Zhao et al. | Automatic temporal subtraction of chest radiographs and its enhancement for lung cancers | |
Bandyopadhyay | A Method for Lung Boundary Detection | |
Sprindzuk et al. | Lung cancer differential diagnosis based on the computer assisted radiology: The state of the art | |
Shiraishi et al. | Development of a computerized scheme for detection of very subtle lung nodules located in opaque areas on chest radiographs |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20060222 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20090113 |
|
A521 | Written amendment |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20090409 |
|
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: 20090512 |
|
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20090610 |
|
FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20120619 Year of fee payment: 3 |
|
R150 | Certificate of patent or registration of utility model |
Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20120619 Year of fee payment: 3 |
|
FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20130619 Year of fee payment: 4 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
LAPS | Cancellation because of no payment of annual fees |