JP4468450B2 - 肺結節を検出するための候補の作成方法 - Google Patents
肺結節を検出するための候補の作成方法 Download PDFInfo
- Publication number
- JP4468450B2 JP4468450B2 JP2007529846A JP2007529846A JP4468450B2 JP 4468450 B2 JP4468450 B2 JP 4468450B2 JP 2007529846 A JP2007529846 A JP 2007529846A JP 2007529846 A JP2007529846 A JP 2007529846A JP 4468450 B2 JP4468450 B2 JP 4468450B2
- Authority
- JP
- Japan
- Prior art keywords
- peak
- voxel
- foreground
- voxels
- confidence
- 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
-
- 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
- G06T2207/30061—Lung
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 Analysis (AREA)
- Image Processing (AREA)
Description
入力3Dボリュームデータから結節候補を確実に且つ正確に検出することができる候補作成方法は、自動結節検出で重要な役割を果たす。典型的な3Dボリュームデータ(512×512×300の寸法で)において、非結節(背景組織)構造物、例えば血管ツリー等は、ボリュームデータに弁別可能な物体の優勢な部分を含むが、フォーメーションがきわめて複雑である。他方、標的の結節は、単に少数の小形で丸い形状の物体にすぎず、これは、近くにあるか、または、複雑な背景組織構造物で塞ぐ。標的の結節を複雑な背景組織構造物から区別するために容易に決定することができる識別力のある特徴はない。背景組織が結節状特性を呈する場所が非常に多くある。これらの多数の偽の場所を効率的に拒絶することによって、真の結節が存在する少数の真の位置を確実に且つ正確に識別することができる方法を設計することは非常に困難である。加えて、3Dボリュームデータで処理される必要がある情報の量が巨大である(胸部HRCT(high resolution computer tomography;高分解能コンピュータ断層撮影法)データは典型的に512×512×300の寸法である)。典型的に、3Dボリュームデータの全ての位置(ボクセル)に高性能でコンピュータ的に高価な分析を加える技術を使用することは実際的ではない。
本発明にしたがって、三次元ボリュームデータ内に候補を作成するためのコンピュータで実施される方法(以下“コンピュータ実施方法”という)は、標識された前景ボクセルを含む三次元ボリュームデータの二値ボリューム画像を形成するステップと、二値ボリュームデータの標識された前景ボクセルの複数の形状特徴を推定するステップであって、二値ボリューム画像の前景ボクセルからピークボクセルおよび高曲率ボクセルを識別し、境界および各ピークボクセルについての複数の信頼値を蓄積し、複数の信頼値から信頼ピークを検出して信頼ピークを候補点であると決定するステップと、検出された信頼ピークを与えられて候補点を精緻化し精緻化された候補点を候補であると決定するステップとを含む。
本発明の好ましい実施形態は、添付の図面を参照して、下記により詳細に説明される。
図1は本発明の実施形態にしたがった候補作成方法のフローチャートである。
図2は本発明の実施形態にしたがったシステムの例示である。
図3は本発明の実施形態にしたがったセグメンテーション方法のフローチャートである。
図4は本発明の実施形態にしたがった断面分析方法のフローチャートである。
図5は本発明の実施形態にしたがったピーク検出方法のフローチャートである
典型的に、肺結節は小形の丸い形状特性を呈する。これは、中実物体であってもよいかまたは血管ツリーで塞がれる。3D形状特徴を決定するために多数の技術が利用可能であり、それを使用して、小形の丸い形状の結節を他の形状特性を備えた物体から区別することができる。しかし、これらの技術は、例えば、雑音に対するロバスト性、ターゲット物体の不規則性(一致したガウス曲線値を推定するのが困難である)、ターゲット関心領域を規定する困難さ、および、計算コスト等の多数の理由のため、そのようなシナリオでは、効率的ではない。本発明の実施形態にしたがって、本方法は、多数の断面分析から導き出された形状特徴を使用して、3Dボリュームデータ(例えば、コンピュータ断層撮影(CT)データまたは磁気共鳴撮像(MRI)データ)に結節候補を作成する。そのような技術は限定量の計算コストで非常に高い正確さを達成することができ、2セットのHRCT画像に例証されている。
ピーク点から開始し、高曲率またはピーク標識を備えた物体表面点で拡張し初期ピーク位置への距離と拡張するサイズとを使用して拡張する形状を制御する境界パッチ拡張方法(boundary patch growing method)が適用されて、小さな表面パッチを作成する。作成されたパッチは半球形の形状である。
次いで、表面パッチの各要素点について法線方向が推定され、決定される。
表面パッチの2つの高曲率要素の法線の交差が決定される。交差が表面パッチの中心に十分に近い場合には、点の形(高曲率またはピーク)によって値が決定される信頼スコアが、信頼アレイの交差位置に適用される。交差位置を信頼アレイに加えるために必要な表面パッチの中心へ交差が近づくことは、望ましい結果を達成するために調整されてもよい。
局所ピーク検出110は、信頼アレイにおける形跡の有意な集中を識別して、初期に検出された候補を作成する。図5は局所ピーク検出方法を例示し、局所ピーク検出方法において、
局所最大検出が最初に適用されて、可能性のあるピーク候補位置を検出する(501)。
ピーク候補位置は、次いで、局所近傍において、最大検出可能物体(例えば、10mm)と同一のサイズで再試験され、これが、検出されたとして標識されていないボクセルの中に最大スコア値を備えたボクセルを置くことを確実にする(502)。限定された拡張サイズを備えた非ゼロ信頼アレイ要素内で拡張する制御されたボリューム拡張方法が適用され、重み付け和および更新された最大重み付けと、対応する検出位置(必ずしも前景領域内には存在しない最大信頼スコア値を備えた位置)とが得られる。
検出された位置が前景領域の内部になければ、局所検索プロセスが適用され、新しく検出された位置としてもっとも近い境界点を見出す(503)。
限定された拡張サイズで前景領域内で拡張する制御ボリューム拡張が適用され、信頼スコアの更新された重み付け和が得られる。最大信頼スコアと、拡張領域内の信頼スコアの合計と、小さなサイズの前景物体を重み付けする局所ピーク調整との線形結合は、現在の検出の最終信頼スコア値として決定され、検出された位置とともに検出リスト内に挿入される(504)。
検出された位置への小距離内の全ての囲繞ボクセルは、処理されたとして標識される(505)。
後処理は初期に検出された候補を調整する。初期に検出された候補の位置は、限定されたシフトで信頼アレイの検出されたピークの位置であり、位置が前景領域内にあることを確実にする。この位置は、いくつかの小さな前景物体における形状変化およびモルフォロジー演算のため、常にターゲット物体領域内になくてもよい。後処理ステップは、反復勾配下降方法を使用する変形方法を実施して、候補の位置を調整し、それが前景領域内にあることを確実にする。
強度、曲率および画像勾配情報に基づいて費用関数を規定し、初期に検出された位置をもっとも可能な前景位置へ調整するステップ。
4の値を有する予め規定されたパラメータによって制御される変形プロセスの反復数を特定するステップ。
反復して最小コスト値に達する方向に沿って、検出された位置を調整する。
各位置が調整された後に、正規化方法が適用されて、最終信頼スコア値を調整するステップ。
正規化方法は次のステップを含む。
球形形状である3D近傍を画定するステップ。
各検出された物体位置の画定された3D近傍のまわりを反復して検索し、前景ボクセルプロファイルの一致性をチェックするステップ。
検出された位置を最大一致値にしたがって調整するステップ。
検出された候補の信頼スコア値を一致性および平均強度値の組み合わせを使用して調整するステップ。
本発明の実施形態にしたがった方法は、2セットの胸部HRCTデータで検査された。データセット1は、40個のボリュームデータからなり、x寸法およびy寸法は512×512であった。平均して、CTデータは、z寸法の300スライスからなり、最小246スライス、最大446スライスであった。典型的に、入力ボリューム胸部画像内において局所組織構造物が結節状特性を呈する何万もの場所がある(画像中に血管ツリーおよび雑音構造物を有する512×512×300画像を想像のこと)。しかし、データセット1では、合計で109のグランドトゥルース結節しか医師によって識別されなかった。医師によってグランドトゥルースとして標識される109個の結節しかないにもかかわらず、結節ではないかまたは結節と識別されないが結節に類似した多数の物体が両方のデータセット内にあり、これは、医師が見逃した結節か、または、形状情報以外の追加知識に基づいて正常な血管ツリー構造物であるとみなされた物体であり得ることに留意されたい。
102 検出ブロック
103 後処理ブロック
106 セグメンテーション
108 断面分析
110 ピーク検出
201 コンピュータシステム
Claims (15)
- 三次元ボリュームデータ内に候補を作成する装置を制御手段が制御する方法であって、
標識された前景ボクセルを含む三次元ボリュームデータの二値ボリューム画像を形成するステップと、
二値ボリュームデータの標識された前景ボクセルの複数の形状特徴を推定するステップであって、二値ボリューム画像の前景ボクセルからピークボクセルおよび高曲率ボクセルを識別し、各境界ボクセルおよび各ピークボクセルについて複数の信頼値を蓄積し、複数の信頼値から信頼ピークを検出して信頼ピークを候補点であると決定するステップと、
検出された信頼ピークを与えられて候補点を精緻化し精緻化された候補点を候補であると決定するステップと
を含むことを特徴とするコンピュータ実施方法。 - 二値ボリューム画像を形成するステップは、
三次元ボリュームデータをローパスフィルタリングするステップと、
三次元ボリュームデータの境界ボクセルを除去するステップと、
三次元ボリュームデータを前景部分と背景部分とにセグメント化し前景のボクセルを標識するステップと、
予め定められたサイズよりも大きな全ての前景物体に対して領域拡張標識を決定するステップとを含み、
前景物体は複数の前景ボクセルを含み、予め定められたサイズはボクセルの数である
ことを特徴とする請求項1に記載のコンピュータ実施方法。 - セグメント化するステップは、
ボクセル強度の推定閾値を決定して各ボクセルを推定閾値と比較して前景ピクセルを決定するステップと、
前景ピクセルを標識するステップと
を含むことを特徴とする請求項2に記載のコンピュータ実施方法。 - 複数の信頼値を蓄積するステップは、
各ピークボクセルのまわりに表面パッチを決定するステップと、
各表面パッチの中心のまわりに各高曲率点およびピーク点についての信頼スコア含む信頼アレイを決定するステップと、
候補点の存在を決定するためにボクセルのまわりの信頼スコアを閾値と比較するステップと、
望ましい信頼スコアを有するボクセルを候補点によって標識するステップと
を含むことを特徴とする請求項1に記載のコンピュータ実施方法。 - 候補点を精緻化するステップは、
候補点を再位置決めするステップと、
候補点の信頼スコアを調整するステップと、
調整された信頼スコアにしたがって候補点をソートするステップと、
n個(nは正の整数である)のトップ候補点を戻すステップと
を含むことを特徴とする請求項1に記載のコンピュータ実施方法。 - n個のトップ候補点が診断されることを特徴とする請求項5に記載のコンピュータ実施方法。
- マシンによって読取可能であり、マシンによって実行可能な命令のプログラムを具体的に実現するプログラム記憶装置であって、三次元ボリュームデータ内に候補を作成する方法ステップを実行し、方法は、
標識された前景ボクセルを含む三次元ボリュームデータの二値ボリューム画像を形成するステップと、
二値ボリュームデータの標識された前景ボクセルの複数の形状特徴を推定するステップであって、二値ボリューム画像の前景ボクセルからピークボクセルおよび高曲率ボクセルを識別し、各境界ボクセルおよび各ピークボクセルについての複数の信頼値を蓄積し、複数の信頼値から信頼ピークを検出して信頼ピークを候補点であると決定するステップと、
検出された信頼ピークを与えられて候補点を精緻化し精緻化された候補点を候補であると決定するステップと
を含むことを特徴とするプログラム記憶装置。 - 二値ボリューム画像を形成するステップは、
三次元ボリュームデータをローパスフィルタリングするステップと、
三次元ボリュームデータの境界ボクセルを除去するステップと、
三次元ボリュームデータを前景部分と背景部分とにセグメント化し前景のボクセルを標識するステップと、
予め定められたサイズよりも大きな全ての前景物体に対して領域拡張標識を決定するステップとを含み、
前景物体は複数の前景ボクセルを含み、予め定められたサイズはボクセルの数である
ことを特徴とする請求項7に記載の装置。 - セグメント化するステップは、
ボクセル強度の推定閾値を決定して各ボクセルを推定閾値と比較して前景ピクセルを決定するステップと、
前景ピクセルを標識するステップと
を含むことを特徴とする請求項8に記載の装置。 - 複数の信頼値を蓄積するステップは、
各ピークボクセルのまわりに表面パッチを決定するステップと、
各表面パッチの中心のまわりに各高曲率点およびピーク点についての信頼スコア含む信頼アレイを決定するステップと、
候補点の存在を決定するためにボクセルのまわりの信頼スコアを閾値と比較するステップと、
望ましい信頼スコアを有するボクセルを候補点によって標識するステップと
を含むことを特徴とする請求項7に記載の装置。 - 候補点を精緻化するステップは、
候補点を再位置決めするステップと、
候補点の信頼スコアを調整するステップと、
調整された信頼スコアにしたがって候補点をソートするステップと、
n個(nは正の整数である)のトップ候補点を戻すステップと
を含むことを特徴とする請求項7に記載の装置。 - n個のトップ候補点が診断されることを特徴とする請求項11に記載の装置。
- 三次元ボリュームデータ内に結節の候補を作成する装置を制御手段が制御する方法であって、
三次元ボリュームデータ内に複数の前景物体を決定するステップと、
複数の前景物体の複数の形状特徴を決定するステップであって、形状特徴は三次元ボリュームデータの断面分析から導き出され、断面分析は望ましい形状特徴を有する前景物体を選択し、選択された前景物体を候補として標識するステップと、
候補を戻すステップとを備え、
断面分析は、
二値ボリューム画像の前景物体からピークボクセルおよび高曲率ボクセルを識別するステップと、
各境界ボクセルおよび各ピークボクセルについて複数の信頼値を蓄積するステップと、
複数の信頼値から信頼ピークを検出して信頼ピークを候補であると決定するステップとを含む
ことを特徴とすることを特徴とするコンピュータ実施方法。 - ボクセルが三次元ボリュームデータの全ての断面でピークボクセルとして分類される場合にのみボクセルをピークボクセルとして分類することを特徴とする請求項13に記載のコンピュータ実施方法。
- ボクセルがピークボクセルではなく且つ三次元ボリュームデータの全ての断面でピークボクセルまたは高曲率ボクセルとして分類される場合にのみボクセルを高曲率点として分類することを特徴とする請求項13に記載のコンピュータ実施方法。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US60578704P | 2004-08-31 | 2004-08-31 | |
US11/170,421 US7471815B2 (en) | 2004-08-31 | 2005-06-29 | Candidate generation for lung nodule detection |
PCT/US2005/023655 WO2006025941A1 (en) | 2004-08-31 | 2005-07-01 | Candidate generation for lung nodule detection |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2008511389A JP2008511389A (ja) | 2008-04-17 |
JP4468450B2 true JP4468450B2 (ja) | 2010-05-26 |
Family
ID=35942412
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2007529846A Expired - Fee Related JP4468450B2 (ja) | 2004-08-31 | 2005-07-01 | 肺結節を検出するための候補の作成方法 |
Country Status (7)
Country | Link |
---|---|
US (1) | US7471815B2 (ja) |
EP (1) | EP1787261B1 (ja) |
JP (1) | JP4468450B2 (ja) |
AU (1) | AU2005280763B2 (ja) |
CA (1) | CA2578042C (ja) |
DE (1) | DE602005010277D1 (ja) |
WO (1) | WO2006025941A1 (ja) |
Families Citing this family (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7627173B2 (en) * | 2004-08-02 | 2009-12-01 | Siemens Medical Solutions Usa, Inc. | GGN segmentation in pulmonary images for accuracy and consistency |
JP5312803B2 (ja) * | 2005-02-11 | 2013-10-09 | コーニンクレッカ フィリップス エヌ ヴェ | コンピュータ断層撮影のためのイメージング方法及びコンピュータ断層撮影装置 |
US20110255761A1 (en) * | 2007-06-26 | 2011-10-20 | University Of Rochester | Method and system for detecting lung tumors and nodules |
US20110081054A1 (en) * | 2009-10-02 | 2011-04-07 | Harris Corporation | Medical image analysis system for displaying anatomical images subject to deformation and related methods |
US20110081061A1 (en) * | 2009-10-02 | 2011-04-07 | Harris Corporation | Medical image analysis system for anatomical images subject to deformation and related methods |
US20110081055A1 (en) * | 2009-10-02 | 2011-04-07 | Harris Corporation, Corporation Of The State Of Delaware | Medical image analysis system using n-way belief propagation for anatomical images subject to deformation and related methods |
CN102081697B (zh) | 2009-11-27 | 2013-12-11 | 深圳迈瑞生物医疗电子股份有限公司 | 一种在超声成像空间中定义感兴趣容积的方法及其装置 |
WO2011151821A1 (en) * | 2010-05-31 | 2011-12-08 | Dvp Technologies Ltd. | Inspection of region of interest |
US8867806B2 (en) | 2011-08-01 | 2014-10-21 | Impac Medical Systems, Inc. | Method and apparatus for correction of errors in surfaces |
JP5962083B2 (ja) * | 2012-03-14 | 2016-08-03 | オムロン株式会社 | 領域抽出結果の表示方法及び画像処理装置 |
US9836879B2 (en) * | 2013-04-16 | 2017-12-05 | Autodesk, Inc. | Mesh skinning technique |
KR101768812B1 (ko) | 2016-07-05 | 2017-08-17 | 고려대학교 산학협력단 | 흉부 단층영상에서 검색된 폐결절의 암 진단 보조 시스템 및 프로그램 |
KR102241724B1 (ko) * | 2020-05-22 | 2021-04-19 | 주식회사 루닛 | 레이블 정보를 보정하는 방법 및 시스템 |
Family Cites Families (21)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
FR2636451A1 (fr) * | 1988-09-13 | 1990-03-16 | Gen Electric Cgr | Procede de reconstruction d'arborescence a trois dimensions par etiquetage |
US6246784B1 (en) * | 1997-08-19 | 2001-06-12 | The United States Of America As Represented By The Department Of Health And Human Services | Method for segmenting medical images and detecting surface anomalies in anatomical structures |
US6138045A (en) * | 1998-08-07 | 2000-10-24 | Arch Development Corporation | Method and system for the segmentation and classification of lesions |
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 |
US7206462B1 (en) * | 2000-03-17 | 2007-04-17 | The General Hospital Corporation | Method and system for the detection, comparison and volumetric quantification of pulmonary nodules on medical computed tomography scans |
US7274810B2 (en) * | 2000-04-11 | 2007-09-25 | Cornell Research Foundation, Inc. | System and method for three-dimensional image rendering and analysis |
US20020028008A1 (en) * | 2000-09-07 | 2002-03-07 | Li Fan | Automatic detection of lung nodules from high resolution CT images |
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 |
US20030105395A1 (en) * | 2001-12-05 | 2003-06-05 | Li Fan | Vessel-feeding pulmonary nodule candidate generation |
US6738063B2 (en) * | 2002-02-07 | 2004-05-18 | Siemens Corporate Research, Inc. | Object-correspondence identification without full volume registration |
WO2003070102A2 (en) * | 2002-02-15 | 2003-08-28 | The Regents Of The University Of Michigan | Lung nodule detection and classification |
US20030160786A1 (en) * | 2002-02-28 | 2003-08-28 | Johnson Richard K. | Automatic determination of borders of body structures |
US20040086161A1 (en) * | 2002-11-05 | 2004-05-06 | Radhika Sivaramakrishna | Automated detection of lung nodules from multi-slice CT image data |
US7298879B2 (en) * | 2002-11-20 | 2007-11-20 | Koninklijke Philips Electronics N.V. | Computer-aided detection of lung nodules |
US7480401B2 (en) * | 2003-06-23 | 2009-01-20 | Siemens Medical Solutions Usa, Inc. | Method for local surface smoothing with application to chest wall nodule segmentation in lung CT data |
GB2414357A (en) * | 2004-05-18 | 2005-11-23 | Medicsight Plc | Nodule boundary detection |
US7301535B2 (en) * | 2004-09-02 | 2007-11-27 | Siemens Medical Solutions Usa, Inc. | 3D summary display for reporting of organ tumors |
US7602965B2 (en) * | 2004-10-28 | 2009-10-13 | Siemens Medical Solutions Usa, Inc. | Object detection using cross-section analysis |
US7702153B2 (en) * | 2005-10-07 | 2010-04-20 | Siemens Medical Solutions Usa, Inc. | Systems and methods for segmenting object of interest from medical image |
US20070081725A1 (en) * | 2005-10-07 | 2007-04-12 | Siemens Corporate Research Inc | System and Method For Shape Regulation of Segmented Target Objects |
US7756316B2 (en) * | 2005-12-05 | 2010-07-13 | Siemens Medicals Solutions USA, Inc. | Method and system for automatic lung segmentation |
-
2005
- 2005-06-29 US US11/170,421 patent/US7471815B2/en not_active Expired - Fee Related
- 2005-07-01 JP JP2007529846A patent/JP4468450B2/ja not_active Expired - Fee Related
- 2005-07-01 AU AU2005280763A patent/AU2005280763B2/en not_active Ceased
- 2005-07-01 DE DE602005010277T patent/DE602005010277D1/de active Active
- 2005-07-01 CA CA2578042A patent/CA2578042C/en not_active Expired - Fee Related
- 2005-07-01 WO PCT/US2005/023655 patent/WO2006025941A1/en active Application Filing
- 2005-07-01 EP EP05767674A patent/EP1787261B1/en not_active Expired - Fee Related
Also Published As
Publication number | Publication date |
---|---|
WO2006025941A1 (en) | 2006-03-09 |
US20060044310A1 (en) | 2006-03-02 |
AU2005280763B2 (en) | 2009-06-11 |
CA2578042A1 (en) | 2006-03-09 |
EP1787261A1 (en) | 2007-05-23 |
EP1787261B1 (en) | 2008-10-08 |
AU2005280763A1 (en) | 2006-03-09 |
DE602005010277D1 (de) | 2008-11-20 |
JP2008511389A (ja) | 2008-04-17 |
WO2006025941A8 (en) | 2006-08-17 |
US7471815B2 (en) | 2008-12-30 |
CA2578042C (en) | 2011-02-08 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP4468450B2 (ja) | 肺結節を検出するための候補の作成方法 | |
US9117259B2 (en) | Method and system for liver lesion detection | |
US7602965B2 (en) | Object detection using cross-section analysis | |
JP4999163B2 (ja) | 画像処理方法および装置ならびにプログラム | |
JP2020508143A (ja) | インスタンス重み付けを伴うランダムフォレストを使用するマルチパラメトリックmriにおける前立腺がんの検出、およびホリスティックネスト型ネットワークを用いたディープラーニングによるmr前立腺セグメント化 | |
US9159127B2 (en) | Detecting haemorrhagic stroke in CT image data | |
US20170039711A1 (en) | System and method for detecting central pulmonary embolism in ct pulmonary angiography images | |
US9230320B2 (en) | Computer aided diagnostic system incorporating shape analysis for diagnosing malignant lung nodules | |
US7711167B2 (en) | Fissure detection methods for lung lobe segmentation | |
Saien et al. | Refinement of lung nodule candidates based on local geometric shape analysis and Laplacian of Gaussian kernels | |
Sridevi et al. | A survey on monochrome image segmentation methods | |
US20060153451A1 (en) | System and method for detecting ground glass nodules in medical images | |
US20030083567A1 (en) | Medical imaging station with a function of extracting a path within a ramified object | |
Dogra et al. | Glioma classification of MR brain tumor employing machine learning | |
AU2004318104B2 (en) | 3D segmentation of targets in multislice images | |
Jirapatnakul et al. | Segmentation of juxtapleural pulmonary nodules using a robust surface estimate | |
Tziritas | Fully-automatic segmentation of cardiac images using 3-D MRF model optimization and substructures tracking | |
WO2007033228A2 (en) | Reducing false positives for automatic computerized detection of objects | |
Renard et al. | Image analysis for detection of coronary artery soft plaques in MDCT images | |
CN100538741C (zh) | 肺结节检测的候选项集产生 | |
Yang et al. | Accurate vessel segmentation with progressive contrast enhancement and canny refinement | |
KR101126223B1 (ko) | Mr 영상을 이용한 자동 간 분할 방법 | |
Badura et al. | FUZZY CONNECTEDNESS IN SEGMENTATION OF MEDICAL IMAGES-A Look at the Pros and Cons | |
CN113269756A (zh) | 基于多尺度匹配滤波与粒子群优化视网膜血管分割方法、装置 | |
Suji et al. | Comparision of Some Image Thresholding Techniques with Morphological Operations and Quantitative Evaluation for Lung Segmentation |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20090929 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20091225 |
|
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: 20100126 |
|
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: 20100224 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 4468450 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20130305 Year of fee payment: 3 |
|
FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20130305 Year of fee payment: 3 |
|
FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20140305 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 |
|
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 |