JP5868231B2 - 医用画像診断支援装置、医用画像診断支援方法ならびにコンピュータプログラム - Google Patents
医用画像診断支援装置、医用画像診断支援方法ならびにコンピュータプログラム Download PDFInfo
- Publication number
- JP5868231B2 JP5868231B2 JP2012060587A JP2012060587A JP5868231B2 JP 5868231 B2 JP5868231 B2 JP 5868231B2 JP 2012060587 A JP2012060587 A JP 2012060587A JP 2012060587 A JP2012060587 A JP 2012060587A JP 5868231 B2 JP5868231 B2 JP 5868231B2
- Authority
- JP
- Japan
- Prior art keywords
- lesion
- unit
- classification
- mask
- feature information
- 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 claims description 44
- 238000003745 diagnosis Methods 0.000 title claims description 38
- 238000004590 computer program Methods 0.000 title claims description 4
- 230000003902 lesion Effects 0.000 claims description 146
- 238000001514 detection method Methods 0.000 claims description 70
- 238000012545 processing Methods 0.000 claims description 54
- 230000006870 function Effects 0.000 claims description 51
- 238000005070 sampling Methods 0.000 claims description 34
- 238000010801 machine learning Methods 0.000 claims description 29
- 238000000605 extraction Methods 0.000 claims description 23
- 239000013598 vector Substances 0.000 description 58
- 238000010586 diagram Methods 0.000 description 6
- 101100269850 Caenorhabditis elegans mask-1 gene Proteins 0.000 description 4
- 206010028980 Neoplasm Diseases 0.000 description 4
- 238000004195 computer-aided diagnosis Methods 0.000 description 3
- 210000003240 portal vein Anatomy 0.000 description 3
- 238000002360 preparation method Methods 0.000 description 3
- 210000003462 vein Anatomy 0.000 description 3
- 206010002329 Aneurysm Diseases 0.000 description 2
- 201000011510 cancer Diseases 0.000 description 2
- 208000031513 cyst Diseases 0.000 description 2
- 239000000284 extract Substances 0.000 description 2
- 206010019695 Hepatic neoplasm Diseases 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 210000004204 blood vessel Anatomy 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 238000002059 diagnostic imaging Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 238000003709 image segmentation Methods 0.000 description 1
- 208000014018 liver neoplasm Diseases 0.000 description 1
- 230000003211 malignant effect Effects 0.000 description 1
- 230000008774 maternal effect Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000012706 support-vector machine Methods 0.000 description 1
- 230000001225 therapeutic effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
- G06T7/0012—Biomedical image inspection
- G06T7/0014—Biomedical image inspection using an image reference approach
-
- 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
- G06T2207/20—Special algorithmic details
- G06T2207/20076—Probabilistic image processing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20081—Training; Learning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30004—Biomedical image processing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30004—Biomedical image processing
- G06T2207/30096—Tumor; Lesion
Description
以下、本発明の一形態を説明する。図1は、本発明の医用画像診断支援装置の第1実施形態のブロック図である。
本発明の医用画像診断支援装置10は、対象症例画像200から病変部を自動検出する装置である。医用画像診断支援装置10は、検出機能100と、学習機能101と、特徴量記憶手段212と、インターフェース部202とを備えている。
以下では、検出機能100、学習機能101の構成をそれぞれ詳細に説明する。
検出機能100は、病変部候補マスク検出部(第1の検出部)203と、特徴量抽出部(第1の抽出部)204と、判定部205とを備えている。
病変部候補マスク検出部203は、検出機能100に入力された対象症例画像(医用画像)200から病変部候補マスク300_1を検出する。病変部候補マスク検出部203は、病変部候補情報を保持する0以上の病変部候補マスク300_1を特徴量抽出部204に入力する。ここで、病変部候補マスク300_1を検出する方法としては、例えば、レベルセットなどの画像セグメンテーション手法を利用することができる。
病変部候補マスク検出処理400は、病変部候補マスク検出部203において実施される処理である。また、特徴量抽出処理401は、特徴量抽出部204において実施される処理であり、判定処理402は、判定部205において実施される処理である。
学習機能101は、識別分布作成機能102と、事前学習機能103とを備えている。以下では、各機能の詳細について説明する。
図1に示すように、少ない教師学習データにおいても高精度の識別分布作成を実現するため、識別分布作成機能102は、弱識別モデル生成部211と、統計処理部208とを備える。
サンプリング処理420は、サンプリング部210において実施される処理であり、機械学習処理421は、機械学習部209において実施される処理である。また、統計処理422は、統計処理部208において実施される処理である。
最後に、3つの弱識別器321_1,321_2,321_3に対して統計処理422を行い、識別分布302を作成する。このような処理によって、特徴量記憶手段212に格納されている情報(教師学習データ)が少ない場合でも、安定して高精度の識別分布302を作成できる。なお、上述したように、識別分布作成機能102において作成された識別分布302は、検出機能100の判定部205に入力される。
以下、本発明の一形態を説明する。図6は、本発明の医用画像診断支援システムの第2実施形態のブロック図である。図6において図1と同じ要素は同じ番号で表示されている。
ここで、分類情報304は、ある特徴量ベクトルがどの分類に属するかの情報である。分類情報304としては、例えば、医学的な分類における病変部分類であれば、単純結節、単純結節周囲増殖、小結節不明瞭、多結節癒合などの病変の形而上の分類が挙げられる。また、医学的な分類における非病変分類であれば、静脈や門脈といった血管、動脈瘤、のう胞、治療痕などの部位による分類が挙げられる。また、統計的な分類として、特徴量の値や教師学習データを追加する際にフィードバックされる検出結果の腫瘍尤度を利用することもできる。これらに限らず、様々な分類が考えられる。
図7において、病変部500(病変部500の特徴量ベクトル)は、病変部分類510に属するといった分類情報を有する。ここで、分類情報には重みが付加されている。サンプリング処理430では、病変部分類1(510)、非病変部分類1(511)、非病変部分類2(512)のカテゴリから、重みに従って特徴量ベクトルのサンプリングを行う。
また、病変部が非病変部と判定される誤検出を少なくしたい場合、非病変部分類の中で病変に似た特徴を持つ分類(ここでは、非病変部分類2)の重みを高く設定することができる。この場合、非病変部分類2からのサンプル数を優先的に多くする。図7の例のように、病変部500に似た特量を持つ非病変部分類2に属する非病変部が、病変部と明らかに異なる特徴量を持つ非病変分類1に比べて多くサンプリングされる。これにより、病変部と非病変部との境目(微妙な領域)の識別条件の精度をより高くすることができる。非病変部分類1の例としては、静脈や門脈などである。また、非病変部分類2の例としては、動脈瘤やのう胞などである。
例えば、検出対象となる病変部分類が予めシステムに設定されている場合は、重みも同様に予め設定しておいて良い。
また、インターフェース部202が、重みを診断者側で適宜設定できるような画面を表示し、診断者が入力できるようにしても良い。
また、各分類に対して重みを設定する手間を低減するために、検出対象となる病変部分類を診断者が設定した際に、検出対象となる病変部分類の重みが高くなるように自動的に設定する構成にしても良い。また、インターフェース部202が、病変部の検出率を高くするモードと、病変部が非病変部と判定される誤検出を少なくするモードなどの複数のモードを表示させて、診断者がモードを選択するだけの構成にしても良い。この場合、モードに従って検出対象となる病変部の重みや非病変分類2の重みが自動設定される。
以下、本発明の一形態を説明する。図8は、本発明の医用画像診断支援システムの第3実施形態のブロック図である。図8において図1と同じ要素は同じ番号で表示されている。図9は、第3実施形態におけるインターフェース部202による診断者への提示901および操作902の画面を示している。
医用画像提示部600には、検出結果画像601が表示される。検出結果画像601では、診断者が各病変部候補マスク300_1を識別できるように、各病変部候補マスク300_1が別々の模様で表示される。
インターフェース部202は、診断者によって修正された診断結果311を特徴量記憶手段212に送信する。この際、特徴量抽出部204は、抽出された特徴量ベクトル301_1を特徴量記憶手段212に送信する。そして、特徴量記憶手段212には、抽出された特徴量ベクトル301_1と診断結果311とが格納される。
以上のように、診断者の診断結果を特徴量記憶手段212にフィードバックすることによって、診断後の正確な分類情報を特徴量記憶手段212に格納できる。これにより、識別分布作成機能102によって作成される識別分布302の精度を徐々に向上させていくことが可能となる。
第1実施形態によれば、まず、サンプリング部210が、特徴量記憶手段212に格納されている教師学習データ(特徴量ベクトル)303をサンプリングして、複数のサンプルを作成する。次に、機械学習部209が、複数のサンプルに対して機械学習処理を行い、各サンプルに対応する弱識別器を作成する。そして、統計処理部208が、機械学習部209によって作成された複数の弱識別器に対して統計処理を行って、識別分布302を作成する。そして、判定部205が、病変部候補マスク300_1の特徴量ベクトル301_1を識別分布302に対して参照することによって、各特徴量ベクトルが病変部に該当するかを判定する。この構成によれば、特徴量記憶手段212に格納されている教師学習データが少ない場合でも、複数の異なるサンプルを作成して、そのサンプルから最終的な識別条件(識別分布302)を作成できる。したがって、教師学習データが少ない場合でも、最終的に高い判定精度を備えた識別条件(識別分布302)が作成でき、病変部の判定精度を向上させることが可能となる。
このようなプログラムコードを供給するための記憶媒体としては、例えば、フレキシブルディスク、CD−ROM、DVD−ROM、ハードディスク、SSD(Solid State Drive)、光ディスク、光磁気ディスク、CD−R、磁気テープ、不揮発性のメモリカード、ROMなどが用いられる。
また、本実施形態に記載の機能を実現するプログラムコードは、例えば、アセンブラ、C/C++、perl、Shell、PHP、Java(登録商標)等の広範囲のプログラム又はスクリプト言語で実装できる。
101 学習機能
102 識別分布作成機能
103 事前学習機能
200 対象症例画像
201 学習用症例画像
202 インターフェース部
203 病変部候補マスク検出部
204 特徴量抽出部
205 判定部
206 病変部マスク検出部
207 学習用特徴量抽出部
208 統計処理部
209 機械学習部
210 サンプリング部
211 弱識別モデル生成部
212 特徴量記憶手段
220 分類情報に基づいたサンプリング部
302 識別分布
303 教師学習データ
304 分類情報
310 検出結果
311 診断結果
600 医用画像提示部
602 検出結果提示部
Claims (6)
- 対象画像から病変部を自動検出する検出機能を有する医用画像診断支援装置において、
病変部に関連する病変部マスク又は非病変部に関連する非病変部マスクの特徴を表す第1の特徴情報であって、医学的な分類又は統計的な分類に関する分類情報が付加されている第1の特徴情報を記憶する記憶部と、
前記分類情報を用いて前記記憶部から前記第1の特徴情報をサンプリングして、複数のサンプルを作成するサンプリング部と、
前記複数のサンプルに対して機械学習処理を行い、各サンプルに対応する第1の識別条件を作成する機械学習部と、
前記第1の識別条件に対して統計処理を行い、第2の識別条件を作成する統計処理部と、
を備え、
前記検出機能が、
前記対象画像から、病変部又は非病変部に関連する病変部候補マスクを検出する第1の検出部と、
前記病変部候補マスクの特徴を表す第2の特徴情報を抽出する第1の抽出部と、
前記第2の識別条件に対して前記第2の特徴情報を参照することによって、前記病変部候補マスクが病変部であるかを判定する判定部と、
を備え、
前記サンプリング部は、前記分類情報に対して付加された重みに従って各分類に対するサンプリング数を決定することを特徴とする医用画像処理装置。 - 請求項1において、
学習用画像から前記病変部又は非病変部に関連するマスクを検出する第2の検出部と、
前記マスクの特徴を表す特徴情報を抽出する第2の抽出部と、
を備え、
前記記憶部には、前記抽出された特徴情報が格納されることを特徴とする医用画像処理装置。 - 請求項1又は2において、
前記検出機能の判定結果を診断者に対して表示する第1のインターフェースを備え、
前記第1のインターフェースが、
前記病変部候補マスクの画像と、
前記病変部候補マスクに対応する判定結果と、
前記病変部候補マスクに対応する前記第2の識別条件に関する情報と、
を表示することを特徴とする医用画像処理装置。 - 請求項1ないし3のいずれか一項において、
前記検出機能の判定結果を診断者が修正することが可能な第2のインターフェースを備え、
前記第2のインターフェースは、前記判定結果が前記診断者によって修正された際、前記修正された判定結果を前記記憶部に送信し、
前記記憶部には、前記第2の特徴情報と前記修正された判定結果とが格納されることを特徴とする医用画像処理装置。 - 対象画像から病変部を自動検出する医用画像診断支援装置を用いた医用画像診断支援方法であって、前記医用画像診断支援装置が、サンプリング部と、機械学習部と、統計処理部と、第1の検出部と、第1の抽出部と、判定部と、記憶部とを備え、前記記憶部は、病変部に関連する病変部マスク又は非病変部に関連する非病変部マスクの特徴を表す第1の特徴情報であって、医学的な分類又は統計的な分類に関する分類情報が付加されている第1の特徴情報を記憶しており、
前記サンプリング部が、前記分類情報を用いて前記記憶部から、前記第1の特徴情報をサンプリングして、複数のサンプルを作成するステップと、
前記機械学習部が、前記複数のサンプルに対して機械学習処理を行い、各サンプルに対応する第1の識別条件を作成するステップと、
前記統計処理部が、前記第1の識別条件に対して統計処理を行い、第2の識別条件を作成するステップと、
前記第1の検出部が、前記対象画像から、病変部又は非病変部に関連する病変部候補マスクを検出するステップと、
前記第1の抽出部が、前記病変部候補マスクの特徴を表す第2の特徴情報を抽出するステップと、
前記判定部が、前記第2の識別条件に対して前記第2の特徴情報を参照することによって、前記病変部候補マスクが病変部であるかを判定するステップと、
を備え、
前記複数のサンプルを作成するステップにおいて、前記サンプリング部が、前記分類情報に対して付加された重みに従って各分類に対するサンプリング数を決定することを特徴とする医用画像診断支援方法。 - 対象画像から病変部を自動検出する処理をコンピュータに実行させるためのコンピュータプログラムであって、
病変部に関連する病変部マスク又は非病変部に関連する非病変部マスクの特徴を表す第1の特徴情報であって、医学的な分類又は統計的な分類に関する分類情報が付加されている第1の特徴情報を記憶する記憶部から、前記分類情報を用いて前記第1の特徴情報をサンプリングして、複数のサンプルを作成する処理と、
前記複数のサンプルに対して機械学習処理を行い、各サンプルに対応する第1の識別条件を作成する処理と、
前記第1の識別条件に対して統計処理を行い、第2の識別条件を作成する処理と、
前記対象画像から、病変部又は非病変部に関連する病変部候補マスクを検出する処理と、
前記病変部候補マスクの特徴を表す第2の特徴情報を抽出する処理と、
前記第2の識別条件に対して前記第2の特徴情報を参照することによって、前記病変部候補マスクが病変部であるかを判定する処理と、
を実行し、
前記複数のサンプルを作成する処理において、前記分類情報に対して付加された重みに従って各分類に対するサンプリング数を決定することを特徴とするコンピュータプログラム。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2012060587A JP5868231B2 (ja) | 2012-03-16 | 2012-03-16 | 医用画像診断支援装置、医用画像診断支援方法ならびにコンピュータプログラム |
US13/752,434 US9317918B2 (en) | 2012-03-16 | 2013-01-29 | Apparatus, method, and computer program product for medical diagnostic imaging assistance |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2012060587A JP5868231B2 (ja) | 2012-03-16 | 2012-03-16 | 医用画像診断支援装置、医用画像診断支援方法ならびにコンピュータプログラム |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2013192624A JP2013192624A (ja) | 2013-09-30 |
JP5868231B2 true JP5868231B2 (ja) | 2016-02-24 |
Family
ID=49157685
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2012060587A Expired - Fee Related JP5868231B2 (ja) | 2012-03-16 | 2012-03-16 | 医用画像診断支援装置、医用画像診断支援方法ならびにコンピュータプログラム |
Country Status (2)
Country | Link |
---|---|
US (1) | US9317918B2 (ja) |
JP (1) | JP5868231B2 (ja) |
Families Citing this family (25)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP3186738A1 (en) | 2014-08-29 | 2017-07-05 | Koninklijke Philips N.V. | Handling undetermined quantifiable lesions |
JP6309417B2 (ja) * | 2014-09-30 | 2018-04-11 | 富士フイルム株式会社 | 検出器生成装置、方法およびプログラム並びに画像検出装置 |
JP6575605B2 (ja) | 2015-11-27 | 2019-09-18 | 富士通株式会社 | 症例データ生成支援プログラム、症例データ生成支援システム及び症例データ生成支援方法 |
JP6827707B2 (ja) * | 2016-04-13 | 2021-02-10 | キヤノン株式会社 | 情報処理装置および情報処理システム |
JP6786890B2 (ja) * | 2016-06-08 | 2020-11-18 | 三菱電機ビルテクノサービス株式会社 | 昇降機の定期検査支援システム |
JP6755130B2 (ja) * | 2016-06-21 | 2020-09-16 | 株式会社日立製作所 | 画像処理装置、及び方法 |
JP2018032071A (ja) * | 2016-08-22 | 2018-03-01 | 株式会社クレスコ | 検証装置、検証方法及び検証プログラム |
KR101889722B1 (ko) * | 2017-02-10 | 2018-08-20 | 주식회사 루닛 | 악성 종양 진단 방법 및 장치 |
JP6955303B2 (ja) * | 2017-04-12 | 2021-10-27 | 富士フイルム株式会社 | 医用画像処理装置および方法並びにプログラム |
JP7318058B2 (ja) * | 2017-06-30 | 2023-07-31 | キヤノンメディカルシステムズ株式会社 | 画像処理装置 |
JP6738305B2 (ja) * | 2017-06-30 | 2020-08-12 | 富士フイルム株式会社 | 学習データ生成支援装置および学習データ生成支援装置の作動方法並びに学習データ生成支援プログラム |
JP2019054896A (ja) * | 2017-09-20 | 2019-04-11 | 株式会社日立製作所 | 医用画像処理装置及び医用画像処理方法及びそれに用いる処理プログラム |
JP7050470B2 (ja) * | 2017-11-21 | 2022-04-08 | 千代田化工建設株式会社 | 検査支援システム、学習装置、及び判定装置 |
KR101919847B1 (ko) * | 2018-01-18 | 2018-11-19 | 주식회사 뷰노 | 동일 피사체에 대하여 시간 간격을 두고 촬영된 영상 간에 동일 관심구역을 자동으로 검출하는 방법 및 이를 이용한 장치 |
JP7082993B2 (ja) * | 2018-01-24 | 2022-06-09 | 富士フイルム株式会社 | 医療画像処理装置、方法及びプログラム、診断支援装置、方法及びプログラム並びに医療支援システム及び方法 |
EP3564961A1 (en) * | 2018-05-03 | 2019-11-06 | Koninklijke Philips N.V. | Interactive coronary labeling using interventional x-ray images and deep learning |
WO2020003990A1 (ja) * | 2018-06-28 | 2020-01-02 | 富士フイルム株式会社 | 医用画像処理装置及び方法、機械学習システム、プログラム並びに記憶媒体 |
KR101889723B1 (ko) * | 2018-07-04 | 2018-08-20 | 주식회사 루닛 | 악성 종양 진단 방법 및 장치 |
KR101889725B1 (ko) * | 2018-07-04 | 2018-08-20 | 주식회사 루닛 | 악성 종양 진단 방법 및 장치 |
KR101889724B1 (ko) * | 2018-07-04 | 2018-08-20 | 주식회사 루닛 | 악성 종양 진단 방법 및 장치 |
US11430140B2 (en) * | 2018-09-18 | 2022-08-30 | Caide Systems, Inc. | Medical image generation, localizaton, registration system |
JP7187244B2 (ja) * | 2018-10-10 | 2022-12-12 | 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、医用画像処理システム及び医用画像処理プログラム |
KR102001790B1 (ko) * | 2018-12-24 | 2019-07-23 | (주)제이엘케이인스펙션 | 인공지능 기반 혈류 구간 분류 방법 및 시스템 |
JP6755346B2 (ja) * | 2019-02-05 | 2020-09-16 | 株式会社日立製作所 | 分析システム |
JP6695539B1 (ja) * | 2019-08-16 | 2020-05-20 | 株式会社イーアイアイ | 物品選別装置、物品選別システムおよび物品選別方法 |
Family Cites Families (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7805388B2 (en) * | 1998-05-01 | 2010-09-28 | Health Discovery Corporation | Method for feature selection in a support vector machine using feature ranking |
US6801645B1 (en) * | 1999-06-23 | 2004-10-05 | Icad, Inc. | Computer aided detection of masses and clustered microcalcifications with single and multiple input image context classification strategies |
JP4604451B2 (ja) * | 2003-02-24 | 2011-01-05 | コニカミノルタホールディングス株式会社 | 医用画像処理装置及び悪性度の判定方法 |
JP4480508B2 (ja) * | 2004-08-02 | 2010-06-16 | 富士通株式会社 | 診断支援プログラムおよび診断支援装置 |
US20100266179A1 (en) * | 2005-05-25 | 2010-10-21 | Ramsay Thomas E | System and method for texture visualization and image analysis to differentiate between malignant and benign lesions |
US7738683B2 (en) * | 2005-07-22 | 2010-06-15 | Carestream Health, Inc. | Abnormality detection in medical images |
JP4999163B2 (ja) * | 2006-04-17 | 2012-08-15 | 富士フイルム株式会社 | 画像処理方法および装置ならびにプログラム |
JP2008011900A (ja) * | 2006-07-03 | 2008-01-24 | Fujifilm Corp | 画像種類判別装置および方法並びにプログラム |
WO2008035276A2 (en) | 2006-09-22 | 2008-03-27 | Koninklijke Philips Electronics N.V. | Methods for feature selection using classifier ensemble based genetic algorithms |
US10121243B2 (en) * | 2006-09-22 | 2018-11-06 | Koninklijke Philips N.V. | Advanced computer-aided diagnosis of lung nodules |
CN102165454B (zh) * | 2008-09-29 | 2015-08-05 | 皇家飞利浦电子股份有限公司 | 用于提高计算机辅助诊断对图像处理不确定性的鲁棒性的方法 |
JP2010086449A (ja) | 2008-10-02 | 2010-04-15 | Konica Minolta Medical & Graphic Inc | 情報処理装置 |
JPWO2010050333A1 (ja) * | 2008-10-30 | 2012-03-29 | コニカミノルタエムジー株式会社 | 情報処理装置 |
WO2011005865A2 (en) * | 2009-07-07 | 2011-01-13 | The Johns Hopkins University | A system and method for automated disease assessment in capsule endoscopy |
CN103096786A (zh) * | 2010-05-03 | 2013-05-08 | 国际科学技术医疗系统有限责任公司 | 宫颈瘤变检测和诊断的图像分析 |
US9014456B2 (en) * | 2011-02-08 | 2015-04-21 | University Of Louisville Research Foundation, Inc. | Computer aided diagnostic system incorporating appearance analysis for diagnosing malignant lung nodules |
-
2012
- 2012-03-16 JP JP2012060587A patent/JP5868231B2/ja not_active Expired - Fee Related
-
2013
- 2013-01-29 US US13/752,434 patent/US9317918B2/en not_active Expired - Fee Related
Also Published As
Publication number | Publication date |
---|---|
JP2013192624A (ja) | 2013-09-30 |
US9317918B2 (en) | 2016-04-19 |
US20130243244A1 (en) | 2013-09-19 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP5868231B2 (ja) | 医用画像診断支援装置、医用画像診断支援方法ならびにコンピュータプログラム | |
US10650518B2 (en) | Computer aided diagnosis (CAD) apparatus and method | |
US11423540B2 (en) | Segmentation of anatomical regions and lesions | |
JP6657132B2 (ja) | 画像分類装置、方法およびプログラム | |
EP1815431B1 (en) | False positive reduction in computer-assisted detection (cad) with new 3d features | |
US9125622B2 (en) | Diagnosis assisting apparatus, coronary artery analyzing method and recording medium having a coronary artery analyzing program stored therein | |
US20090175531A1 (en) | System and method for false positive reduction in computer-aided detection (cad) using a support vector macnine (svm) | |
Blanc et al. | Artificial intelligence solution to classify pulmonary nodules on CT | |
JP2008520317A (ja) | 医療画像データ内の腫瘍境界を自動的に検出及び区分するシステム及び方法 | |
CN102938013A (zh) | 医用图像处理装置及医用图像处理方法 | |
EP3443494A1 (en) | Medical diagnosis support apparatus, information processing method, medical diagnosis support system, and program | |
CN116848588A (zh) | 医学图像中的健康状况特征的自动标注 | |
WO2010035518A1 (ja) | 医用画像処理装置及びプログラム | |
JP6827707B2 (ja) | 情報処理装置および情報処理システム | |
Shen et al. | Ensemble Attention Guided Multi-SEANet Trained with Curriculum Learning for Noninvasive Prediction of Gleason Grade Groups from MRI | |
EP4270305A1 (en) | Learning device, method, and program, and medical image processing device | |
EP4356837A1 (en) | Medical image diagnosis system, medical image diagnosis system evaluation method, and program | |
US11923072B2 (en) | Image diagnosis supporting device and image processing method | |
JP5343973B2 (ja) | 医用画像処理装置及びプログラム | |
Alzubaidi et al. | Toward the detection of abnormal chest radiographs the way radiologists do it | |
WO2021197176A1 (en) | Systems and methods for tumor characterization | |
EP3933758A1 (en) | Method and system for generating a medical image with localized artifacts using machine learning | |
JP2010075330A (ja) | 医用画像処理装置及びプログラム | |
Hong et al. | Automated Cephalometric Landmark Detection Using Deep Reinforcement Learning | |
JP2023168719A (ja) | 医用画像処理装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20140806 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20150421 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20150507 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20150706 |
|
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: 20151208 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20160105 |
|
R151 | Written notification of patent or utility model registration |
Ref document number: 5868231 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R151 |
|
LAPS | Cancellation because of no payment of annual fees |