JP5123954B2 - 医療画像における病変部の特定及び分析 - Google Patents
医療画像における病変部の特定及び分析 Download PDFInfo
- Publication number
- JP5123954B2 JP5123954B2 JP2009547492A JP2009547492A JP5123954B2 JP 5123954 B2 JP5123954 B2 JP 5123954B2 JP 2009547492 A JP2009547492 A JP 2009547492A JP 2009547492 A JP2009547492 A JP 2009547492A JP 5123954 B2 JP5123954 B2 JP 5123954B2
- Authority
- JP
- Japan
- Prior art keywords
- enhancement
- curve
- profile
- lesion
- initial
- 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.)
- Active
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
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B6/00—Apparatus for radiation diagnosis, e.g. 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 for radiation diagnosis, e.g. combined with radiation therapy equipment
- A61B6/50—Clinical applications
- A61B6/504—Clinical applications involving diagnosis of blood vessels, e.g. by angiography
-
- 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
- G06T2207/10—Image acquisition modality
- G06T2207/10072—Tomographic images
- G06T2207/10088—Magnetic resonance imaging [MRI]
- G06T2207/10096—Dynamic contrast-enhanced magnetic resonance imaging [DCE-MRI]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30004—Biomedical image processing
- G06T2207/30068—Mammography; Breast
Description
(a)前記動画像データを電子メモリ手段にロードするステップと、
(b)信号強度プロファイルのプロットを作成するステップと、
(c)前記信号強度プロファイルをコントラスト強調度プロファイルに変換するステップと、
(d)初期強調期間は急激に増加しその後は減少するプロファイル部分を有する参照血管強調度プロファイルを検出するステップと、
(e)前記参照強調度プロファイルに基づいてシグネチャ曲線パターンを導出するステップと、
(f)全ての利用可能な時点を使用し、選択されたROI内の各ピクセルの強調度曲線を、前記導出されたシグネチャ曲線パターンのうちの1つに分類するステップと、
(g)前記選択されたROI内の全ピクセルの前記分類された強調度曲線を、格子状プロットとして表示するステップとを含み、
前記ROI全体における前記強調度曲線の種類及びばらつきの表示により前記病変部の特徴の視覚的表示を提供することを特徴とする方法が提供される。
(a)前記動画像データを電子メモリ手段にロードし、関心領域(ROI)の信号強度データを表示手段上にプロットするステップと、
(b)コントラスト形成前のベースライン及び前記初期強調期間を検出するステップと、
(c)初期強調期間は急速かつ急激に増加しその後はウォッシュアウトする参照血管強調度プロファイルを検出し、分類システムのためのシグネチャ曲線を導出するステップと、
(d)全ての利用可能な時点を使用し、相関分析法に基づいて、前記対象の病変部内の全ピクセルの強調度曲線の種類を分類するステップと、
(e)ユーザによりROIと画定された病変部に対して分割分析を適用し、各ピクセルの強調度曲線の種類から、病変部体積及び全体比率などの情報をそれぞれ生成するステップと、
(f)前記選択されたROI内の各ピクセルの前記分類された強調度曲線を格子状プロットとして表示し、視覚的識別を容易にするために、統計的有意の有無に関わらず、前記強調度曲線の種類を異なる色及び線の太さによってハイライト表示するステップとを含み、
ユーザが直感的インターフェースにより前記ROIを容易に制御することができ、空間的及び時間的情報の両方の動的制御及び視覚化を可能にするようにしたことを特徴とする方法が提供される。
前記対象の動画像を取得するためのスキャン手段と、
前記スキャン手段から前記動画像データを取り込むために前記スキャン手段に接続されたプロセッサ手段とを含み、
前記プロセッサ手段が、
(a)前記動画像データを電子メモリ手段にロードするステップと、
(b)信号強度プロファイルのプロットを作成するステップと、
(c)前記信号強度プロファイルをコントラスト強調度プロファイルに変換するステップと、
(d)初期強調期間は急激に増加しその後は減少するプロファイル部分を有する参照血管強調度プロファイルを検出するステップと、
(e)前記参照強調度プロファイルに基づいて、前記特徴を分類するためのシグネチャ曲線パターンを導出するステップと、
(f)全ての利用可能な時点を使用し、選択されたROI内の各ピクセルの強調度曲線を、前記導出されたシグネチャ曲線パターンのうちの1つに分類するステップと、
(g)前記選択されたROI内の全ピクセルの前記分類された強調度曲線を、格子状プロットとして表示するステップとを実行し、
前記ROI全体における前記強調度曲線の種類及びばらつきの表示により前記病変部の特徴の視覚的表示を提供するようにしたことを特徴とするシステムが提供される。
プロセッサに対して、
(a)前記動画像データを電子メモリ手段にロードするステップと、
(b)信号強度プロファイルのプロットを作成するステップと、
(c)前記信号強度プロファイルをコントラスト強調度プロファイルに変換するステップと、
(d)初期強調期間は急激に増加しその後は減少するプロファイル部分を有する参照血管強調度プロファイルを検出するステップと、
(e)前記参照強調度プロファイルに基づいてシグネチャ曲線パターンを導出するステップと、
(f)全ての利用可能な時点を使用し、選択されたROI内の各ピクセルの強調度曲線を、前記導出されたシグネチャ曲線パターンのうちの1つに分類するステップと、
(g)前記選択されたROI内の全ピクセルの前記分類された強調度曲線を、格子状プロットとして表示するステップと
を実行するように命令し、
前記ROI全体における前記強調度曲線の種類及びばらつきの表示によって前記病変部の特徴の視覚的表示を提供することを特徴とするコンピュータプログラム手段が提供される。
(1)図3において符号76で示される平均信号強度の時間曲線S(t)を得るために、各時点での全画像ボリュームの平均信号強度を算出する。
(2)平均強調度の時間曲線Y(t)=ΔS=S(t)−S(t0)を推定する。ここで、t0は、コントラスト形成前の最初のスキャンの時点を示す。
(3)時点tsでの最大増加勾配と、最大強調度Ymax=max{Y(t)}とを探す。
(4)t0≦t1<ts及びY(t1)<a%*Ymaxとなるような最初の発生時点t1を、tsから遡って探す。ここで、a%は例として使用されており、例えば10%などの、設定によって調整可能な割合を示す値である。
(5)初期強調期間をt1とt2=ts+(ts−t1)との間に設定し、t2>tsの時点での初期強調度インデックスを探す。
(6)各ピクセル(x,y,z)について、t0からt1の時点をカバーする平均ベースライン画像Sb(x,y,z)を算出する。
(7)初期強調度インデックスマップを、Yi(x,y,z)=S(x,y,z,t2)−Sb(x,y,z)として算出し、ウォッシュアウトマップを、Yo(x,y,z)=S(x,y,z,t2)−S(x,y,z,t3)として算出する。ここで、t3は、動画データの最後の時点を示す。或いは、設定によっては、相対強調度マップ Yi(x,y,z)=S(x,y,z,t2)/Sb(x,y,z)−1 及び Yo(x,y,z)=S(x,y,z,t2)/S(x,y,z,t3)−1を同じ目的に使用することができる。
(8)Yi(XYZ)>f*max(Yi) 及び Yo(XYZ)>0の基準を満たす、集合的にXYZと表される全てのピクセルを探す。ここで、fは、マスキング閾値として調節することができる。例えば、図4において破線の曲線80で図示される急速かつ急激な初期上昇の後にウォッシュアウトが生じる平均血管強調度プロファイルを示す参照時間曲線Yref(t)は、f=80%でこれらのピクセルを平均化することによって算出することができる。
(9)数1に示す式により、図4に図示される強調パターンを示す4種類のシグネチャ曲線を導出する。
Claims (30)
- 対象の病変部の特徴を判断するために、前記病変部の動画像データに関連する曲線パターンを自動的に分類する方法であって、
(a)前記動画像データを電子メモリ手段にロードするステップと、
(b)信号強度プロファイルのプロットを作成するステップと、
(c)前記信号強度プロファイルをコントラスト強調度プロファイルに変換するステップと、
(d)初期強調期間は急激に増加しその後は減少するプロファイル部分を有する参照血管強調度プロファイルを検出するステップと、
(e)前記参照強調度プロファイルに基づいてシグネチャ曲線パターンを導出するステップと、
(f)全ての利用可能な時点を使用し、選択されたROI内の各ピクセルの強調度曲線を、前記導出されたシグネチャ曲線パターンのうちの1つに分類するステップと、
(g)前記選択されたROI内の全ピクセルの前記分類された強調度曲線を、格子状プロットとして表示するステップとを含み、
前記ROI全体における前記強調度曲線の種類及びばらつきの表示により前記病変部の特徴の視覚的表示を提供することを特徴とする方法。 - 請求項1に記載の方法であって、
前記参照強調度プロファイルを検出する前に、コントラスト形成前のベースライン、及び前記初期強調期間を検出するステップをさらに含むことを特徴とする方法。 - 請求項1または2に記載の方法であって、
前記初期強調期間が、強調度の値が急激に増加する範囲であることを特徴とする方法。 - 請求項2に記載の方法であって、
前記コントラスト形成前のベースライン、及び前記初期急激強調期間を検出するステップは、
(a)各時点での全画像ボリュームのコントラストの平均信号強度を算出して、平均信号強度時間曲線S(t)を得るステップと、
(b)平均強調度時間曲線Y(t)=ΔS=S(t)−S(t0)を推定するステップと(ただし、t0は、コントラスト形成前の最初のスキャンの時点を示す)、
(c)時点tsでの最大増加勾配、及び最大強調度Ymax=max{Y(t)}を探すステップと、
(d)t0≦t1<ts及びY(t1)<a%*Ymaxとなるような最初の発生時点t1を、tsから遡って探すステップと(ただし、a%は調節可能な割合を示す値である)、
(e)初期強調期間をt1とt2=ts+(ts−t1)との間に設定し、t2>tsの時点での初期強調度インデックスを探すステップと
を含むことを特徴とする方法。 - 請求項1ないし4のいずれかに記載の方法であって、
前記参照血管強調度プロファイルを検出するステップは、
(a)平均ベースライン画像を算出するステップと、
(b)初期強調度インデックスマップYi、及び前記減少するプロファイル部分を示すウォッシュアウトマップYoを算出するステップと、
(c)Yi(XYZ)>f*max(Yi)及びYo(XYZ)>0となるような、集合的にXYZと表される全てのピクセルを探すステップ(ただし、fは調節可能なマスキング閾値である)と
を含むことを特徴とする方法。 - 請求項1ないし5のいずれかに記載の方法であって、
前記選択されたROI内における各ピクセルの強調度曲線を分類する前記ステップは、相関分析に基づいて行われることを特徴とする方法。 - 請求項6に記載の方法であって、
前記相関分析は、相関係数及び統計的p値を得るために、シグネチャ曲線との順位相関を含むことを特徴とする方法。 - 請求項7に記載の方法であって、
予め定められた閾値を超える初期強調度を有する各ピクセルについて、前記相関係数の最大値に対応するシグネチャ曲線の種類が決定されることを特徴とする方法。 - 請求項1ないし8のいずれかに記載の方法であって、
少なくとも4つのシグネチャ曲線が導出されることを特徴とする方法。 - 請求項1ないし9のいずれかに記載の方法であって、
前記表示するステップの前に、前記病変部に分割分析を適用し、各ピクセルの強調度曲線の種類から、病変部体積及び全体比率などの情報をそれぞれ生成するステップを含むことを特徴とする方法。 - 請求項10に記載の方法であって、
全てのピクセルについての前記分割分析及び曲線分類の結果は、病変部の生画像の上にカラーオーバーレイとして表示するために、カラーコード化された曲線パターンマップに格納されることを特徴とする方法。 - 請求項1ないし11のいずれかに記載の方法であって、
視覚対比効果を高めるために、統計的有意の有無に関わらず、格子状プロットとして表示される全ピクセルの前記強調度曲線の種類を、異なる色及び線の太さによってハイライト表示するようにしたことを特徴とする方法。 - 請求項1ないし12のいずれかに記載の方法であって、
前記動画像データをロードした後、対象の経時的な動きに起因する動きアーチファクトを補償するために画像レジストレーションを適用するステップをさらに含むことを特徴とする方法。 - 請求項1ないし13のいずれかに記載の方法であって、
前記病変部における前記強調度曲線の種類及びばらつきが、良性腫瘍又は悪性腫瘍などの病変部の特徴を示すことを特徴とする方法。 - 対象の病変部の動画像データに関連する曲線パターンを自動的に分類するためのコンピュータプログラム手段であって、
プロセッサに対して、
(a)前記動画像データを電子メモリ手段にロードするステップと、
(b)信号強度プロファイルのプロットを作成するステップと、
(c)前記信号強度プロファイルをコントラスト強調度プロファイルに変換するステップと、
(d)初期強調期間は急激に増加しその後は減少するプロファイル部分を有する参照血管強調度プロファイルを検出するステップと、
(e)前記参照強調度プロファイルに基づいてシグネチャ曲線パターンを導出するステップと、
(f)全ての利用可能な時点を使用し、選択されたROI内の各ピクセルの強調度曲線を、前記導出されたシグネチャ曲線パターンのうちの1つに分類するステップと、
(g)前記選択されたROI内の全ピクセルの前記分類された強調度曲線を、格子状プロットとして表示するステップと
を実行するように命令し、
前記ROI全体における前記強調度曲線の種類及びばらつきの表示により前記病変部の特徴の視覚的表示を提供することを特徴とするコンピュータプログラム手段。 - 対象の病変部の動画像データに関連する曲線パターンを自動的に分類するためのコンピュータプログラム手段であって、
プロセッサに対して、請求項2ないし14のいずれかに記載の方法のステップを実行するように命令することを特徴とするコンピュータプログラム手段。 - 対象の病変部の特徴を判断するために、前記病変部の動画像データに関連する曲線パターンを自動的に分類するためのシステムであって、
前記対象の動画像を取得するためのスキャン手段と、
前記スキャン手段から前記動画像データを取り込むために前記スキャン手段に接続されたプロセッサ手段とを含み、
前記プロセッサ手段が、
(a)前記動画像データを電子メモリ手段にロードするステップと、
(b)信号強度プロファイルのプロットを作成するステップと、
(c)前記信号強度プロファイルをコントラスト強調度プロファイルに変換するステップと、
(d)初期強調期間は急激に増加しその後は減少するプロファイル部分を有する参照血管強調度プロファイルを検出するステップと、
(e)前記参照強調度プロファイルに基づいて、前記特徴を分類するためのシグネチャ曲線パターンを導出するステップと、
(f)全ての利用可能な時点を使用し、選択されたROI内の各ピクセルの強調度曲線を、前記導出されたシグネチャ曲線パターンのうちの1つに分類するステップと、
(g)前記選択されたROI内の全ピクセルの前記分類された強調度曲線を、格子状プロットとして表示するステップとを実行し、
前記ROI全体における前記強調度曲線の種類及びばらつきの表示により前記病変部の特徴の視覚的表示を提供するようにしたことを特徴とするシステム。 - 請求項17に記載のシステムであって、
前記参照強調度プロファイルを検出する前に、前記プロセッサ手段が、コントラスト形成前のベースライン、及び前記初期強調期間を検出することを特徴とするシステム。 - 請求項17または18に記載のシステムであって、
前記初期強調期間が、強調度の値が急激に増加する範囲であることを特徴とするシステム。 - 請求項18に記載のシステムであって、
コントラスト形成前のベースライン、及び前記初期強調期間の検出は、
前記プロセッサ手段が、
(a)各時点での全画像ボリュームのコントラストの平均信号強度を算出して、平均信号強度時間曲線S(t)を得るステップと、
(b)平均強調度時間曲線Y(t)=ΔS=S(t)−S(t0)を推定するステップと(ただし、t0は、コントラスト形成前の最初のスキャンの時点を示す)、
(c)時点tsでの最大増加勾配、及び最大強調度Ymax=max{Y(t)}を探すステップと、
(d)t0≦t1<ts及びY(t1)<a%*Ymaxとなるような最初の発生時点t1を、tsから遡って探すステップと(ただし、a%は調節可能な割合を示す値である)、
(e)初期強調期間をt1とt2=ts+(ts−t1)との間に設定し、t2>tsの時点での初期強調度インデックスを探すステップと
を実行することにより行われることを特徴とするシステム。 - 請求項17ないし20のいずれかに記載のシステムであって、
前記参照血管強調度プロファイルの検出は、
前記プロセッサ手段が、
(a)平均ベースライン画像を算出するステップと、
(b)初期強調度インデックスマップYi、及び前記減少するプロファイル部分を示すウォッシュアウトマップYoを算出するステップと、
(c)Yi(XYZ)>f*max(Yi)及びYo(XYZ)>0となるような、集合的にXYZと表される全てのピクセルを探すステップ(ただし、fは調節可能なマスキング閾値である)と
を実行することにより行うことを特徴とするシステム。 - 請求項17ないし21のいずれかに記載のシステムであって、
前記選択されたROI内における各ピクセルの強調度曲線の分類は、相関分析に基づいて行われることを特徴とするシステム。 - 請求項22に記載のシステムであって、
前記相関分析は、相関係数及び統計的p値を得るために、シグネチャ曲線との順位相関を含むことを特徴とするシステム。 - 請求項23に記載のシステムであって、
予め定められた閾値を超える初期強調度を有する各ピクセルについて、前記相関係数の最大値に対応するシグネチャ曲線の種類を決定することを特徴とするシステム。 - 請求項17ないし24のいずれかに記載のシステムであって、
少なくとも4つのシグネチャ曲線が導出されることを特徴とするシステム。 - 請求項17ないし25のいずれかに記載のシステムであって、
前記格子状プロットを表示する前に、
前記プロセッサが、
前記病変部に分割分析を適用し、各ピクセルの強調度曲線の種類から、病変部体積及び全体比率などの情報をそれぞれ生成するステップを実行することを特徴とするシステム。 - 請求項26に記載のシステムであって、
全てのピクセルについての前記分割分析及び曲線分類の結果は、病変部の生画像の上にカラーオーバーレイとして表示するために、カラーコード化された曲線パターンマップに格納されることを特徴とする方法。 - 請求項17ないし27のいずれかに記載のシステムであって、
視覚対比効果を高めるために、統計的有意の有無に関わらず、格子状プロットとして表示される全ピクセルの前記強調度曲線の種類を、異なる色及び線の太さによってハイライト表示するようにしたことを特徴とするシステム。 - 請求項17ないし28のいずれかに記載のシステムであって、
画像データをロードした後に、前記プロセッサが、対象の経時的な動きに起因する動きアーチファクトを補償するため画像レジストレーションを適用するステップを実行することを特徴とするシステム。 - 請求項17ないし29のいずれかに記載のシステムであって、
前記病変部における前記強調度曲線の種類及びばらつきが、良性腫瘍又は悪性腫瘍などの病変の特徴を示すことを特徴とするシステム。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
AU2007900498 | 2007-02-02 | ||
AU2007900498A AU2007900498A0 (en) | 2007-02-02 | Method and System for Improved Identification and Analysis of Lesion in Dynamic Medical Imaging | |
PCT/AU2008/000118 WO2008092211A1 (en) | 2007-02-02 | 2008-02-01 | Identification and analysis of lesions in medical imaging |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2010517601A JP2010517601A (ja) | 2010-05-27 |
JP5123954B2 true JP5123954B2 (ja) | 2013-01-23 |
Family
ID=39673577
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2009547492A Active JP5123954B2 (ja) | 2007-02-02 | 2008-02-01 | 医療画像における病変部の特定及び分析 |
Country Status (5)
Country | Link |
---|---|
US (1) | US9953413B2 (ja) |
EP (1) | EP2117428B1 (ja) |
JP (1) | JP5123954B2 (ja) |
CN (1) | CN101626726B (ja) |
WO (1) | WO2008092211A1 (ja) |
Families Citing this family (17)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2009050618A2 (en) * | 2007-10-15 | 2009-04-23 | Koninklijke Philips Electronics N.V. | Visualization of temporal data |
WO2010016992A2 (en) * | 2008-07-09 | 2010-02-11 | Florida Atlantic University | System and method for analysis of spatio-temporal data |
JP5447137B2 (ja) * | 2010-04-20 | 2014-03-19 | 株式会社島津製作所 | 放射線断層撮影装置 |
TWI461178B (zh) * | 2012-02-09 | 2014-11-21 | Univ Nat Taiwan | 肺腫瘤對位校正與組織分類方法 |
KR102049336B1 (ko) * | 2012-11-30 | 2019-11-27 | 삼성전자주식회사 | 컴퓨터 보조 진단 장치 및 방법 |
JP6305742B2 (ja) | 2012-11-30 | 2018-04-04 | キヤノンメディカルシステムズ株式会社 | 医用画像診断装置、表示方法 |
US10140714B2 (en) * | 2014-02-12 | 2018-11-27 | Koninklijke Philips N.V. | Systems for monitoring lesion size trends and methods of operation thereof |
CN105022719B (zh) * | 2014-04-23 | 2019-06-28 | Ge医疗系统环球技术有限公司 | 医学造影系统及方法 |
JP6580823B2 (ja) * | 2014-11-26 | 2019-09-25 | キヤノンメディカルシステムズ株式会社 | 医用画像処理装置及びmri装置 |
JP2016159020A (ja) * | 2015-03-04 | 2016-09-05 | 株式会社ジェイマックシステム | 診断支援装置、診断支援方法および診断支援プログラム |
US10055542B2 (en) * | 2015-03-25 | 2018-08-21 | Niramai Health Analytix Pvt Ltd | Software interface tool for breast cancer screening |
US9972089B2 (en) * | 2015-08-26 | 2018-05-15 | The University Of Chicago | Contrast medium uptake time computation using magnetic resonance imaging |
CN107527361B (zh) * | 2017-08-28 | 2020-09-22 | 合肥融视信息科技有限公司 | 基于磁共振影像融合显示的图像显示系统及显示方法 |
US10824892B2 (en) * | 2018-06-29 | 2020-11-03 | General Electric Company | System and method for imaging an object via pre-shot processing |
CN110458834B (zh) | 2019-02-25 | 2021-02-09 | 腾讯科技(深圳)有限公司 | 一种乳腺肿瘤图像处理系统、方法及装置 |
US11341636B2 (en) * | 2019-11-01 | 2022-05-24 | GE Precision Healthcare LLC | Methods and systems for an adaptive five-zone perfusion scan |
WO2021215357A1 (ja) | 2020-04-21 | 2021-10-28 | 富士フイルム株式会社 | 画像処理装置、画像表示システム、画像処理方法及びプログラム |
Family Cites Families (19)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2947960B2 (ja) * | 1991-03-22 | 1999-09-13 | 株式会社日立製作所 | 超音波診断装置 |
JP3300456B2 (ja) * | 1993-03-16 | 2002-07-08 | 株式会社東芝 | 医用画像処理装置 |
US6009342A (en) * | 1997-02-28 | 1999-12-28 | The Regents Of The University Of California | Imaging method for the grading of tumors |
US5984870A (en) * | 1997-07-25 | 1999-11-16 | Arch Development Corporation | Method and system for the automated analysis of lesions in ultrasound images |
US6556856B1 (en) * | 1999-01-08 | 2003-04-29 | Wisconsin Alumni Research Foundation | Dual resolution acquisition of magnetic resonance angiography data with vessel segmentation |
JP2002539880A (ja) * | 1999-03-26 | 2002-11-26 | エスターガード,レイフ | 断層撮影データを使用して血液動態指数を決定する方法 |
WO2001049161A2 (en) * | 2000-01-06 | 2001-07-12 | Yeda Research And Development Co. Ltd. | Method and system for monitoring pancreatic pathologies |
US6901156B2 (en) * | 2000-02-04 | 2005-05-31 | Arch Development Corporation | Method, system and computer readable medium for an intelligent search workstation for computer assisted interpretation of medical images |
US20020016543A1 (en) * | 2000-04-06 | 2002-02-07 | Tyler Jenny A. | Method for diagnosis of and prognosis for damaged tissue |
JP4216496B2 (ja) * | 2001-10-16 | 2009-01-28 | 株式会社東芝 | 脳組織内毛細血管の血流動態に関するインデックス演算方法、装置及びプログラムコード |
US6748044B2 (en) * | 2002-09-13 | 2004-06-08 | Ge Medical Systems Global Technology Company, Llc | Computer assisted analysis of tomographic mammography data |
US7346209B2 (en) * | 2002-09-30 | 2008-03-18 | The Board Of Trustees Of The Leland Stanford Junior University | Three-dimensional pattern recognition method to detect shapes in medical images |
JP2007525250A (ja) * | 2003-06-02 | 2007-09-06 | ザ・ジェネラル・ホスピタル・コーポレイション | 組織血流の遅延−補償型算出方法 |
JP4537681B2 (ja) * | 2003-09-24 | 2010-09-01 | 株式会社東芝 | 血流解析装置 |
US7251374B2 (en) * | 2003-10-03 | 2007-07-31 | Confirma, Inc. | System and method for hierarchical analysis of contrast enhanced medical imaging information |
US7983732B2 (en) * | 2004-02-13 | 2011-07-19 | The University Of Chicago | Method, system, and computer software product for automated identification of temporal patterns with high initial enhancement in dynamic magnetic resonance breast imaging |
US7756317B2 (en) * | 2005-04-28 | 2010-07-13 | Carestream Health, Inc. | Methods and systems for automated detection and analysis of lesion on magnetic resonance images |
JP2007144139A (ja) * | 2005-11-02 | 2007-06-14 | Toshiba Corp | X線コンピュータ断層撮影装置及び画像処理装置 |
DE102006025423A1 (de) * | 2006-05-31 | 2007-12-06 | Siemens Ag | Röntgenanlage mit dual energy Betrieb und Auswertungsverfahren für im dual energy Betrieb erfasste Projektionsbilder |
-
2008
- 2008-02-01 JP JP2009547492A patent/JP5123954B2/ja active Active
- 2008-02-01 WO PCT/AU2008/000118 patent/WO2008092211A1/en active Application Filing
- 2008-02-01 US US12/449,310 patent/US9953413B2/en active Active
- 2008-02-01 CN CN2008800066586A patent/CN101626726B/zh active Active
- 2008-02-01 EP EP08700414A patent/EP2117428B1/en not_active Not-in-force
Also Published As
Publication number | Publication date |
---|---|
US9953413B2 (en) | 2018-04-24 |
EP2117428A4 (en) | 2011-11-30 |
WO2008092211A1 (en) | 2008-08-07 |
CN101626726A (zh) | 2010-01-13 |
JP2010517601A (ja) | 2010-05-27 |
EP2117428B1 (en) | 2013-01-23 |
CN101626726B (zh) | 2013-01-09 |
AU2008210277A1 (en) | 2008-08-07 |
US20100066756A1 (en) | 2010-03-18 |
EP2117428A1 (en) | 2009-11-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP5123954B2 (ja) | 医療画像における病変部の特定及び分析 | |
US7876939B2 (en) | Medical imaging system for accurate measurement evaluation of changes in a target lesion | |
US9478022B2 (en) | Method and system for integrated radiological and pathological information for diagnosis, therapy selection, and monitoring | |
US7903853B2 (en) | Automated methods for pre-selection of voxels and implementation of pharmacokinetic and parametric analysis for dynamic contrast enhanced MRI and CT | |
JP6175071B2 (ja) | 胸部画像の処理及び表示 | |
US20080009706A1 (en) | System for and method of diagnostic review of medical images | |
US20130304710A1 (en) | Method and system for anomaly detection in data sets | |
US9147242B2 (en) | Processing system for medical scan images | |
WO2003046812A1 (en) | Region growing in anatomical images | |
JP5658686B2 (ja) | 貫壁性のかん流の勾配の画像分析 | |
JP6475691B2 (ja) | X線画像における構造のコンピュータ援用検出のための方法およびx線システム | |
EP2201525B1 (en) | Visualization of temporal data | |
JP7270917B2 (ja) | コンピュータプログラム、及び画像処理装置 | |
US8848998B1 (en) | Automated method for contrast media arrival detection for dynamic contrast enhanced MRI | |
KR101162599B1 (ko) | 흉부 방사선 이미지 분석을 통한 심비대 자동탐지 방법 및 그 기록매체 | |
JP6705528B2 (ja) | 医用画像表示処理方法、医用画像表示処理装置およびプログラム | |
US8873817B2 (en) | Processing an image dataset based on clinically categorized populations | |
JP6275157B2 (ja) | 画像データに基づく組織表面ラフネスの定量化、及びそれに基づく疾患の存在の決定 | |
US20170178338A1 (en) | Identification and analysis of lesions in medical imaging | |
AU2008210277B2 (en) | Identification and analysis of lesions in medical imaging | |
US20090069669A1 (en) | Efficient Features for Detection of Motion Artifacts in Breast MRI | |
Mori et al. | CAD system for quantitative evaluation of chronic obstructive pulmonary disease based on 3-D CT images | |
Pace et al. | Int J CARS (2012) 7 (Suppl 1): S71–S88 S79 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20110120 |
|
RD02 | Notification of acceptance of power of attorney |
Free format text: JAPANESE INTERMEDIATE CODE: A7422 Effective date: 20110120 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20110222 |
|
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: 20121023 |
|
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: 20121026 |
|
FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20151102 Year of fee payment: 3 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 5123954 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
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 |
|
S802 | Written request for registration of partial abandonment of right |
Free format text: JAPANESE INTERMEDIATE CODE: R311802 |
|
R350 | Written notification of registration of transfer |
Free format text: JAPANESE INTERMEDIATE CODE: R350 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |