JP5279245B2 - クラスタ変更グラフ・カットを使用する検出の方法および装置 - Google Patents
クラスタ変更グラフ・カットを使用する検出の方法および装置 Download PDFInfo
- Publication number
- JP5279245B2 JP5279245B2 JP2007313623A JP2007313623A JP5279245B2 JP 5279245 B2 JP5279245 B2 JP 5279245B2 JP 2007313623 A JP2007313623 A JP 2007313623A JP 2007313623 A JP2007313623 A JP 2007313623A JP 5279245 B2 JP5279245 B2 JP 5279245B2
- Authority
- JP
- Japan
- Prior art keywords
- image
- pixels
- pixel
- image processing
- graph
- 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
- 238000000034 method Methods 0.000 title abstract description 28
- 238000001514 detection method Methods 0.000 title description 39
- 230000008859 change Effects 0.000 title description 32
- 230000011218 segmentation Effects 0.000 claims abstract description 78
- 238000012545 processing Methods 0.000 claims description 78
- 210000002976 pectoralis muscle Anatomy 0.000 claims description 74
- 238000003672 processing method Methods 0.000 claims description 26
- 238000003064 k means clustering Methods 0.000 claims description 19
- 210000000481 breast Anatomy 0.000 claims description 18
- 238000007781 pre-processing Methods 0.000 claims description 8
- 238000009499 grossing Methods 0.000 claims description 7
- 238000001914 filtration Methods 0.000 claims description 6
- 230000008569 process Effects 0.000 abstract description 3
- 210000000038 chest Anatomy 0.000 description 57
- 238000010586 diagram Methods 0.000 description 13
- 230000008878 coupling Effects 0.000 description 11
- 238000010168 coupling process Methods 0.000 description 11
- 238000005859 coupling reaction Methods 0.000 description 11
- 238000009792 diffusion process Methods 0.000 description 6
- 235000019557 luminance Nutrition 0.000 description 5
- 230000006870 function Effects 0.000 description 3
- 210000003205 muscle Anatomy 0.000 description 3
- 238000002360 preparation method Methods 0.000 description 3
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 3
- 230000003044 adaptive effect Effects 0.000 description 2
- 230000006835 compression Effects 0.000 description 2
- 238000007906 compression Methods 0.000 description 2
- 238000012937 correction Methods 0.000 description 2
- 238000009607 mammography Methods 0.000 description 2
- 238000000926 separation method Methods 0.000 description 2
- 206010006187 Breast cancer Diseases 0.000 description 1
- 208000026310 Breast neoplasm Diseases 0.000 description 1
- 230000005856 abnormality Effects 0.000 description 1
- 238000010835 comparative analysis Methods 0.000 description 1
- 238000004883 computer application Methods 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 238000002059 diagnostic imaging Methods 0.000 description 1
- 238000000105 evaporative light scattering detection Methods 0.000 description 1
- 238000002594 fluoroscopy Methods 0.000 description 1
- 239000003550 marker Substances 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003387 muscular Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 238000000275 quality assurance Methods 0.000 description 1
- 238000012360 testing method Methods 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
- G06T7/10—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
- G06T7/162—Segmentation; Edge detection involving graph-based methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/26—Segmentation of patterns in the image field; Cutting or merging of image elements to establish the pattern region, e.g. clustering-based techniques; Detection of occlusion
- G06V10/267—Segmentation of patterns in the image field; Cutting or merging of image elements to establish the pattern region, e.g. clustering-based techniques; Detection of occlusion by performing operations on regions, e.g. growing, shrinking or watersheds
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Multimedia (AREA)
- Image Analysis (AREA)
- Apparatus For Radiation Diagnosis (AREA)
- Image Processing (AREA)
Description
本非仮出願は、その内容全体が参照によって本明細書に組み込まれている、本願と同時に出願された同時係属の非仮出願、名称「Method and Apparatus for Detection Using Gradient−Weighted and/or Distance−Weighted Graph Cuts」に関連する。
Claims (27)
- 対象を含む画像を表すデジタル画像データにアクセスするステップと、
前記画像の画素を複数個にクラスタ化するステップであって、前記画素のクラスの個数を前記画素の個数よりも少ない数にクラスタ化するステップと、
前記画像の画素および前記数のクラスタ内の画素のクラスタ・メンバシップ情報を有するグラフを生成するステップと、
前記対象に関連する前記画像の画素を取得するためにマックス−フロー・セグメント化を使用して前記クラスタ・メンバシップ情報を有するグラフをセグメント化するステップと、
を含む画像処理方法であって、
前記生成するステップは、
前記数のクラスタ中の1つのクラスタに属する同じクラスタ画素の間のエッジに高い強さを割り当てることによって前記グラフに前記クラスタ・メンバシップ情報を含ませるとともに、異なるクラスタに属する、異クラスタ画素の間の勾配特性に基づいて前記異クラスタ画素の間のエッジに重みを割り当てて、前記前記クラスタ・メンバシップ情報を有するグラフを生成し、
前記セグメント化するステップは、
前記同じクラスタ画素の間の前記エッジを破壊せず、前記異クラスタ画素の間のエッジを、前記割り当てられた重みの強さに応じて破壊して、前記クラスタ・メンバシップ情報を有するグラフをセグメント化する、
画像処理方法。 - 請求項1に記載の画像処理方法であって、前記画像の画素をクラスタ化するステップは、k平均クラスタ化を使用して実行される画像処理方法。
- 請求項2に記載の画像処理方法であって、前記k平均クラスタ化を使用するステップは、画素表現を取得するために、前記画像の画素を、前記画像内の前記画素の空間的特性に関係する2つのパラメータと、前記画像内の前記画素の輝度特性に関係するパラメータと、基準点に対する前記画像内の前記画素の距離に関係するパラメータとを使用して4次元空間内に表現すること、及び、前記4次元空間内の前記画像の前記画素に関してk平均クラスタ化を実行することを含む画像処理方法。
- 請求項3に記載の画像処理方法であって、前記k平均クラスタ化のステップは、4つの前記クラスタを取得するためにk=4としてk平均クラスタ化を実行する画像処理方法。
- 請求項1に記載の画像処理方法であって、前記画像は、デジタル乳房X線像であり、前記対象は、前記デジタル乳房X線像内の胸筋である画像処理方法。
- 請求項1に記載の画像処理方法であって、前記生成するステップは、異なるクラスタに属する画素に対し、前記グラフ内の前記画像の画素の間のエッジに、前記画素の間の勾配特性に基づいて重みを割り当てる画像処理方法。
- 請求項6に記載の画像処理方法であって、
前記クラスタ化するステップは、画素表現を取得するために、前記画像の画素を、前記画像内の前記画素の空間的特性に関係するパラメータと、前記画素の輝度特性に関係するパラメータと、基準点に対する前記画像内の前記画素の距離に関係するパラメータとを使用して表現することを含み、
前記生成するステップは、前記画素表現を使用して前記グラフを生成する、
画像処理方法。 - 請求項1に記載の画像処理方法であって、前記生成するステップは、前記対象に含まれない前記画像の画素の中からソース画素を選択すること、及び前記対象に含まれる前記画像の画素の中からシンク画素を選択することを含む画像処理方法。
- 請求項8に記載の画像処理方法であって、前記生成するステップは、基準点に対する前記ソース画素及び前記シンク画素の距離に基づいて、前記グラフ内の前記画素と前記シンク画素および前記ソース画素との間のエッジに強さを割り当てることを含む画像処理方法。
- 請求項9に記載の画像処理方法であって、
前記生成するステップは、前記数のクラスタ中の1つのクラスタに属する、同じクラスタ画素の間のエッジに高い強さを割り当て、また、異なるクラスタに属する異クラスタ画素の間の勾配特性に基づいて、前記異クラスタ画素の間のエッジに重みを割り当てることによって前記クラスタ・メンバシップ情報を前記グラフに含めるとともに、
前記セグメント化するステップは、前記同じクラスタ画素の間の前記エッジを破壊せずに、前記対象に関連し前記シンク画素を含む第1の画素のグループと、前記対象に関連せず前記ソース画素を含む第2の画素のグループとをセグメント化する、
画像処理方法。 - 請求項9に記載の画像処理方法であって、前記画像はデジタル乳房X線像であり、前記対象は前記デジタル乳房X線像内の胸筋であり、前記ソース画素は背景画素であり、前記シンク画素は前記胸筋の画素である画像処理方法。
- 請求項1に記載の画像処理方法であって、さらに、前記クラスタ化するステップの前に、前記画像を、サイズ変更し、平滑化し、及び拡散フィルタリングする前記画像の前処理ステップと、
前記クラスタ化するステップの前に、前記対象に関連する関心領域を前記画像からクロッピングするステップと、
前記セグメント化するステップの後に、前記関心領域を前記画像に戻して一体化し、前記画像を初期の解像度に復元するステップを含む、
画像処理方法。 - 請求項12に記載の画像処理方法であって、前記クラスタ化するステップ、前記生成するステップ、および前記セグメント化するステップは、前記関心領域内の画素について実行される画像処理方法。
- 対象を含む画像を表すデジタル画像データにアクセスするステップと、
前記画像の画素をクラスタ化するステップであって、前記画素のクラスの個数を前記画素の個数よりも少ない数にクラスタ化するステップと、
前記画像の画素および前記数のクラスタ内の画素のクラスタ・メンバシップ情報を有するグラフを生成するステップと、
前記対象に関連する前記画像の画素を取得するためにエネルギ最小化関数を使用して前記クラスタ・メンバシップ情報を有するグラフをセグメント化するステップと、
を含む画像処理方法であって、
前記生成するステップは、
前記数のクラスタ中の1つのクラスタに属する同じクラスタ画素の間のエッジに高い強さを割り当てることによって前記グラフに前記クラスタ・メンバシップ情報を含ませるとともに、異なるクラスタに属する、異クラスタ画素の間の勾配特性に基づいて前記異クラスタ画素の間のエッジに重みを割り当てて、前記クラスタ・メンバシップ情報を有するグラフを生成し、
前記セグメント化するステップは、
前記同じクラスタ画素の間の前記エッジを破壊せず、前記異クラスタ画素の間のエッジを、前記割り当てられた重みの強さに応じて破壊して、前記クラスタ・メンバシップ情報を有するグラフをセグメント化する、
画像処理方法。 - 請求項14に記載の画像処理方法であって、前記画像はデジタル乳房X線像であり、前記対象は前記デジタル乳房X線像内の胸筋である画像処理方法。
- 対象を含む画像を表すデジタル画像データにアクセスする画像データ入力ユニットと、
前記画像の画素を複数個にクラスタ化するクラスタ化ユニットであって、前記画素のクラスの個数を前記画素の個数よりも少ない数にクラスタ化するクラスタ化ユニットと、
前記画像の画素および前記数のクラスタ内の画素のクラスタ・メンバシップ情報を有するグラフを生成し、前記対象に関連する前記画像の画素を取得するためにマックス−フロー・セグメント化を使用して前記クラスタ・メンバシップ情報を有するグラフをセグメント化することにより、前記対象に関連する前記画像の画素を識別するグラフ・セグメント化ユニットと、
を含む画像処理装置であって、
前記グラフ・セグメント化ユニットは、
前記グラフをセグメント化する前に、前記数のクラスタ中の1つのクラスタに属する同じクラスタ画素の間のエッジに高い強さを割り当てることによって前記クラスタ・メンバシップ情報を含ませるとともに、異なるクラスタに属する、異クラスタ画素の間の勾配特性に基づいて前記異クラスタ画素の間のエッジに重みを割り当てて、前記グラフを生成し、
前記同じクラスタ画素の間の前記エッジを破壊せず、前記異クラスタ画素の間のエッジを前記割り当てられた重みの強さに応じて破壊して、前記グラフをセグメント化する、
画像処理装置。 - 請求項16に記載の画像処理装置であって、前記クラスタ化ユニットは、k平均クラスタ化を使用して画素をクラスタ化する画像処理装置。
- 請求項17に記載の画像処理装置であって、前記クラスタ化ユニットは、画素表現を取得するために、前記画像の画素を、前記画像内の前記画素の空間的特性に関係する2つのパラメータと、前記画像内の前記画素の輝度特性に関係するパラメータと、基準点に対する前記画像内の前記画素の距離に関係するパラメータとを使用して4次元空間内に表現し、前記4次元空間内の前記画像の前記画素に関してk平均クラスタ化を実行する、画像処理装置。
- 請求項18に記載の画像処理装置であって、前記クラスタ化ユニットは、4つの前記クラスタを取得するためにk=4としてk平均クラスタ化を実行する画像処理装置。
- 請求項16に記載の画像処理装置であって、前記画像はデジタル乳房X線像であり、前記対象は前記デジタル乳房X線像内の胸筋である画像処理装置。
- 請求項16に記載の画像処理装置であって、前記クラスタ化ユニットは、画素表現を取得するために、前記画像の画素を、前記画像内の前記画素の空間的特性に関係するパラメータと、前記画素の輝度特性に関係するパラメータと、基準点に対する前記画像内の前記画素の距離に関係するパラメータとを使用して表現するとともに、
前記グラフ・セグメント化ユニットは、前記画素表現を使用して前記グラフを生成する、
画像処理装置。 - 請求項16に記載の画像処理装置であって、前記グラフ・セグメント化ユニットは、前記対象に含まれない前記画像の画素の中からソース画素を選択するとともに前記対象に含まれる前記画像の画素の中からシンク画素を選択して、前記ソース画素および前記シンク画素を前記グラフに含める、画像処理装置。
- 請求項22に記載の画像処理装置であって、前記グラフ・セグメント化ユニットは、基準点に対する前記ソース画素及び前記シンク画素の距離に基づいて、前記グラフ内の前記画素と前記シンク画素および前記ソース画素との間のエッジに強さを割り当てる、画像処理装置。
- 請求項23に記載の画像処理装置であって、
前記グラフ・セグメント化ユニットは、前記数のクラスタ中の1つのクラスタに属する同じクラスタ画素の間のエッジに高い強さを割り当てるとともに、異なるクラスタに属する異クラスタ画素の間の勾配特性に基づいて前記異クラスタ画素の間のエッジに重みを割り当てることによって前記グラフに前記クラスタ・メンバシップ情報を含め、
前記同じクラスタ画素の間の前記エッジを破壊せずに、前記対象に関連し前記シンク画素を含む第1の画素のグループと、前記対象に関連せず前記ソース画素を含む第2の画素のグループとをセグメント化する、
画像処理装置。 - 請求項23に記載の画像処理装置であって、前記画像はデジタル乳房X線像であり、前記対象は前記デジタル乳房X線像内の胸筋であり、前記ソース画素は背景画素であり、前記シンク画素は前記胸筋の画素である画像処理装置。
- 請求項16に記載の画像処理装置であって、さらに、前記クラスタ化ユニットが前記画像の画素をクラスタ化する前に、前記画像のサイズを変更し、平滑化し、及び拡散フィルタリングすることによって前記画像を前処理する画像操作ユニットと、
前記クラスタ化ユニットが前記画像の画素をクラスタ化する前に、前記対象に関連する関心領域を前記画像からクロッピングするクロッピング・ユニットと、
前記グラフ・セグメント化ユニットが前記対象に関連する前記画像の画素を識別した後に、前記関心領域を前記画像に戻して一体化し、前記画像を初期の解像度に復元する画像復元ユニットと、
を含む画像処理装置。 - 請求項26に記載の画像処理装置であって、前記クラスタ化ユニットは、関心領域クラスタを取得するために前記関心領域の画素をクラスタ化するとともに、前記グラフ・セグメント化ユニットは、前記対象に関連する前記関心領域の画素を識別する、画像処理装置。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US11/633,571 | 2006-12-05 | ||
US11/633,571 US7881540B2 (en) | 2006-12-05 | 2006-12-05 | Method and apparatus for detection using cluster-modified graph cuts |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2008142542A JP2008142542A (ja) | 2008-06-26 |
JP5279245B2 true JP5279245B2 (ja) | 2013-09-04 |
Family
ID=39475822
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2007313623A Expired - Fee Related JP5279245B2 (ja) | 2006-12-05 | 2007-12-04 | クラスタ変更グラフ・カットを使用する検出の方法および装置 |
Country Status (2)
Country | Link |
---|---|
US (1) | US7881540B2 (ja) |
JP (1) | JP5279245B2 (ja) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9655893B2 (en) | 2001-05-02 | 2017-05-23 | Purdue Pharma L.P. | Once-a-day oxycodone formulations |
Families Citing this family (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8031970B2 (en) * | 2007-08-27 | 2011-10-04 | Arcsoft, Inc. | Method of restoring closed-eye portrait photo |
US8013858B2 (en) * | 2007-09-20 | 2011-09-06 | Spx Corporation | Statistical waveform drawing routine |
US8600193B2 (en) * | 2008-07-16 | 2013-12-03 | Varian Medical Systems, Inc. | Image stitching and related method therefor |
US8165380B2 (en) * | 2008-09-11 | 2012-04-24 | PACSPLUS Co., Ltd. | Method, apparatus and program for processing mammographic image |
KR101086773B1 (ko) * | 2008-12-31 | 2011-11-25 | 포항공과대학교 산학협력단 | 다중 카메라로 촬영된 디지털 사진의 클러스터링을 위한 방법 및 장치 |
JP5206525B2 (ja) * | 2009-03-19 | 2013-06-12 | 富士ゼロックス株式会社 | 画像処理装置、画像読取装置、画像形成装置及びプログラム |
CN101872279B (zh) * | 2009-04-23 | 2012-11-21 | 深圳富泰宏精密工业有限公司 | 电子装置及调整该电子装置显示画面位置的方法 |
US8644608B2 (en) * | 2009-10-30 | 2014-02-04 | Eiffel Medtech Inc. | Bone imagery segmentation method and apparatus |
US8705860B2 (en) * | 2011-03-14 | 2014-04-22 | Microsoft Corporation | Grouping variables for fast image labeling |
CN103366352B (zh) * | 2012-03-30 | 2017-09-22 | 北京三星通信技术研究有限公司 | 用于产生背景被虚化的图像的设备和方法 |
JP5836908B2 (ja) * | 2012-09-27 | 2015-12-24 | 富士フイルム株式会社 | 画像処理装置および方法並びにプログラム |
JP6174894B2 (ja) * | 2013-04-17 | 2017-08-02 | キヤノン株式会社 | 画像処理装置および画像処理方法 |
US9412040B2 (en) * | 2013-12-04 | 2016-08-09 | Mitsubishi Electric Research Laboratories, Inc. | Method for extracting planes from 3D point cloud sensor data |
WO2022033598A1 (zh) * | 2020-08-14 | 2022-02-17 | 上海联影医疗科技股份有限公司 | 乳房x射线图像获取方法、装置、计算机设备和存储介质 |
CN116012346B (zh) * | 2023-02-01 | 2023-06-09 | 江苏天南电力股份有限公司 | 一种输电线路监测方法及系统 |
Family Cites Families (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6078688A (en) * | 1996-08-23 | 2000-06-20 | Nec Research Institute, Inc. | Method for image segmentation by minimizing the ratio between the exterior boundary cost and the cost of the enclosed region |
US5768333A (en) * | 1996-12-02 | 1998-06-16 | Philips Electronics N.A. Corporation | Mass detection in digital radiologic images using a two stage classifier |
JP2000230809A (ja) * | 1998-12-09 | 2000-08-22 | Matsushita Electric Ind Co Ltd | 距離データの補間方法,カラー画像階層化方法およびカラー画像階層化装置 |
WO2004047025A2 (en) * | 2002-11-18 | 2004-06-03 | Koninklijke Philips Electronics N.V. | Method and device for image registration |
JP2004222864A (ja) * | 2003-01-21 | 2004-08-12 | Mitsubishi Research Institute Inc | 診断支援システム、診断支援方法及び診断支援プログラム |
JP2005065857A (ja) * | 2003-08-21 | 2005-03-17 | Fuji Photo Film Co Ltd | 診断支援情報出力方法および装置並びにプログラム |
US7233329B2 (en) * | 2003-11-03 | 2007-06-19 | Siemens Corporate Research, Inc. | Rendering for coronary visualization |
US7444019B2 (en) * | 2004-02-18 | 2008-10-28 | Siemens Medical Solutions Usa, Inc. | System and method for GPU acceleration of push-relabel algorithm on grinds |
US20060029275A1 (en) * | 2004-08-06 | 2006-02-09 | Microsoft Corporation | Systems and methods for image data separation |
US7813535B2 (en) * | 2005-04-19 | 2010-10-12 | Siemens Medical Solutions Usa, Inc. | System and method for fused PET-CT visualization for heart unfolding |
GB0512837D0 (en) * | 2005-06-23 | 2005-08-03 | Univ Oxford Brookes | Efficiently labelling image pixels using graph cuts |
EP1916624B1 (en) * | 2006-10-25 | 2016-11-23 | Agfa HealthCare NV | Method for segmenting a digital medical image. |
-
2006
- 2006-12-05 US US11/633,571 patent/US7881540B2/en not_active Expired - Fee Related
-
2007
- 2007-12-04 JP JP2007313623A patent/JP5279245B2/ja not_active Expired - Fee Related
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9655893B2 (en) | 2001-05-02 | 2017-05-23 | Purdue Pharma L.P. | Once-a-day oxycodone formulations |
US9655894B2 (en) | 2001-05-02 | 2017-05-23 | Purdue Pharma L.P. | Once-A day oxycodone formulations |
US9750736B2 (en) | 2001-05-02 | 2017-09-05 | Purdue Pharma L.P. | Oxycodone formulations |
US10660886B2 (en) | 2001-05-02 | 2020-05-26 | Purdue Pharma L.P. | Oxycodone formulations |
Also Published As
Publication number | Publication date |
---|---|
US20080130978A1 (en) | 2008-06-05 |
US7881540B2 (en) | 2011-02-01 |
JP2008142542A (ja) | 2008-06-26 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP5279245B2 (ja) | クラスタ変更グラフ・カットを使用する検出の方法および装置 | |
Sluimer et al. | Toward automated segmentation of the pathological lung in CT | |
Hua et al. | Segmentation of pathological and diseased lung tissue in CT images using a graph-search algorithm | |
US7336809B2 (en) | Segmentation in medical images | |
Elizabeth et al. | Computer-aided diagnosis of lung cancer based on analysis of the significant slice of chest computed tomography image | |
Militzer et al. | Automatic detection and segmentation of focal liver lesions in contrast enhanced CT images | |
US20230005140A1 (en) | Automated detection of tumors based on image processing | |
JP2007307358A (ja) | 画像処理方法および装置ならびにプログラム | |
Jaffar et al. | Fuzzy entropy based optimization of clusters for the segmentation of lungs in CT scanned images | |
US9269139B2 (en) | Rib suppression in radiographic images | |
CN101103924A (zh) | 基于乳腺x线摄片的乳腺癌计算机辅助诊断方法及其系统 | |
US7480401B2 (en) | Method for local surface smoothing with application to chest wall nodule segmentation in lung CT data | |
Wu et al. | Coarse-to-fine lung nodule segmentation in CT images with image enhancement and dual-branch network | |
Maitra et al. | Accurate breast contour detection algorithms in digital mammogram | |
Chen et al. | A lung dense deep convolution neural network for robust lung parenchyma segmentation | |
JP6415878B2 (ja) | 画像処理装置、画像処理方法及び医用画像診断装置 | |
JP4971116B2 (ja) | 画像処理方法および装置 | |
Liu et al. | Extracting lungs from CT images via deep convolutional neural network based segmentation and two-pass contour refinement | |
Chaya Devi et al. | On segmentation of nodules from posterior and anterior chest radiographs | |
Susomboon et al. | Automatic single-organ segmentation in computed tomography images | |
Alirr | Dual attention U-net for liver tumor segmentation in CT images | |
Banu et al. | WEU-Net: A Weight Excitation U-Net for Lung Nodule Segmentation. | |
Horsthemke et al. | Predicting LIDC diagnostic characteristics by combining spatial and diagnostic opinions | |
Alhabib et al. | Detection of partially overlapped masses in mammograms | |
Hiraman | Liver segmentation using 3D CT scans. |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20100616 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20120820 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20121019 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20130201 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20130329 |
|
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: 20130423 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20130521 |
|
R150 | Certificate of patent or registration of utility model |
Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
LAPS | Cancellation because of no payment of annual fees |