JP6232054B2 - 品質メトリックを決定するための方法、システム、コンピュータプログラム及び記憶媒体 - Google Patents

品質メトリックを決定するための方法、システム、コンピュータプログラム及び記憶媒体 Download PDF

Info

Publication number
JP6232054B2
JP6232054B2 JP2015514640A JP2015514640A JP6232054B2 JP 6232054 B2 JP6232054 B2 JP 6232054B2 JP 2015514640 A JP2015514640 A JP 2015514640A JP 2015514640 A JP2015514640 A JP 2015514640A JP 6232054 B2 JP6232054 B2 JP 6232054B2
Authority
JP
Japan
Prior art keywords
image
medical image
mesh
quality metric
brain
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
Application number
JP2015514640A
Other languages
English (en)
Other versions
JP2015523874A (ja
Inventor
ゲオルギエフ ザゴルチェフ,リュボミール
ゲオルギエフ ザゴルチェフ,リュボミール
ヤング,スチュアート
スティーヴン ホール,クリストファー
スティーヴン ホール,クリストファー
Original Assignee
コーニンクレッカ フィリップス エヌ ヴェKoninklijke Philips N.V.
コーニンクレッカ フィリップス エヌ ヴェKoninklijke Philips N.V.
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Priority to US201261653761P priority Critical
Priority to US61/653,761 priority
Application filed by コーニンクレッカ フィリップス エヌ ヴェKoninklijke Philips N.V., コーニンクレッカ フィリップス エヌ ヴェKoninklijke Philips N.V. filed Critical コーニンクレッカ フィリップス エヌ ヴェKoninklijke Philips N.V.
Priority to PCT/IB2013/054258 priority patent/WO2013179188A1/en
Publication of JP2015523874A publication Critical patent/JP2015523874A/ja
Application granted granted Critical
Publication of JP6232054B2 publication Critical patent/JP6232054B2/ja
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • GPHYSICS
    • G01MEASURING; TESTING
    • G01RMEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R33/00Arrangements or instruments for measuring magnetic variables
    • G01R33/20Arrangements or instruments for measuring magnetic variables involving magnetic resonance
    • G01R33/44Arrangements or instruments for measuring magnetic variables involving magnetic resonance using nuclear magnetic resonance [NMR]
    • G01R33/48NMR imaging systems
    • G01R33/54Signal processing systems, e.g. using pulse sequences, Generation or control of pulse sequences ; Operator Console
    • G01R33/56Image enhancement or correction, e.g. subtraction or averaging techniques, e.g. improvement of signal-to-noise ratio and resolution
    • G01R33/5608Data processing and visualization specially adapted for MR, e.g. for feature analysis and pattern recognition on the basis of measured MR data, segmentation of measured MR data, edge contour detection on the basis of measured MR data, for enhancing measured MR data in terms of signal-to-noise ratio by means of noise filtering or apodization, for enhancing measured MR data in terms of resolution by means for deblurring, windowing, zero filling, or generation of gray-scaled images, colour-coded images or images displaying vectors instead of pixels
    • GPHYSICS
    • G06COMPUTING; CALCULATING; COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00Image analysis
    • G06T7/10Segmentation; Edge detection
    • G06T7/149Segmentation; Edge detection involving deformable models, e.g. active contour models
    • GPHYSICS
    • G06COMPUTING; CALCULATING; COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00Indexing scheme for image analysis or image enhancement
    • G06T2207/10Image acquisition modality
    • G06T2207/10072Tomographic images
    • G06T2207/10081Computed x-ray tomography [CT]
    • GPHYSICS
    • G06COMPUTING; CALCULATING; COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00Indexing scheme for image analysis or image enhancement
    • G06T2207/10Image acquisition modality
    • G06T2207/10072Tomographic images
    • G06T2207/10088Magnetic resonance imaging [MRI]
    • GPHYSICS
    • G06COMPUTING; CALCULATING; COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00Indexing scheme for image analysis or image enhancement
    • G06T2207/10Image acquisition modality
    • G06T2207/10132Ultrasound image
    • GPHYSICS
    • G06COMPUTING; CALCULATING; COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00Indexing scheme for image analysis or image enhancement
    • G06T2207/20Special algorithmic details
    • G06T2207/20112Image segmentation details
    • G06T2207/20128Atlas-based segmentation
    • GPHYSICS
    • G06COMPUTING; CALCULATING; COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00Indexing scheme for image analysis or image enhancement
    • G06T2207/30Subject of image; Context of image processing
    • G06T2207/30004Biomedical image processing
    • G06T2207/30016Brain
    • GPHYSICS
    • G06COMPUTING; CALCULATING; COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00Image analysis
    • G06T7/0002Inspection of images, e.g. flaw detection
    • G06T7/0012Biomedical image inspection
    • GPHYSICS
    • G06COMPUTING; CALCULATING; COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00Image analysis
    • G06T7/10Segmentation; Edge detection
    • G06T7/11Region-based segmentation

Description

開示される実施形態は、画像セグメント化の定量的評価のための方法及びシステム等に関する。
アルツハイマー病(Alzheimer’s Disease)、外傷性脳損傷(Traumatic Brain Injury)及び心的外傷性ストレス障害(Post-Traumatic Stress Disorder:PTSD)等のような神経障害及び精神疾患を患う患者に関わる研究プログラムや、そのような障害の危険がある人を発見すること等において、脳の特定の領域の容積及び形状の異常を速やかに特定できる能力は重要である。そのような異常は、形状が拘束された変形可能な脳モデル(shape-constrained deformable brain model)を用いて特定することが可能であり、これは、判明している脆弱性を有する頭脳領域の構造における僅かな変化を、健常者から得られる同様なデータと比較することにより、明らかにすることができる。可変頭脳モデルは、患者の磁気共鳴画像(MRI)イメージに当てはめられ、その画像は多数の皮質下構造(subcortical structure)にセグメント化される。これは研究及び/又は治療に対する実現可能な技術であるが、更に時間的に効率よく実行可能である必要がある。
米国特許出願公開第2005/148852号明細書
一つの側面における実施の形態の課題は、画像セグメント化の定量的評価等を時間効率よく実行できるようにすることである。
一実施形態による方法は、
医療画像を受信するステップと、
身体構造(肉体構造、物理構造)のモデルの適合性であって前記医療画像に関連する適合性を受信するステップと、
前記適合性の複数の頂点の各々において、前記医療画像の画像特徴量を決定するステップと、
評価メトリックを決定するために複数の画像特徴量を統合するステップと
を有する方法である。
変形可能な脳モデルの一例を示す図。 患者の頭脳のMRI画像に適用された場合の図1Aの可変頭脳モデルの一例を示す図。 患者の頭脳のMRI画像に可変頭脳モデルを適切に適合できた例を示す図。 患者の頭脳のMRI画像に可変頭脳モデルを適切に適合できていない例を示す図。 頭脳画像に対する可変頭脳モデルの当てはめの当否を評価するためのメトリックを生成する方法例を示す図。 頭脳画像に対する可変頭脳モデルの当てはめの当否を評価する図3に示す方法のような実施形態による方法を実現するためのシステム例を示す図。
<実施の形態の概要>
一実施形態による方法は、
医療画像を受信するステップと、
身体構造のモデルの適合性であって前記医療画像に関連する適合性を受信するステップと、
前記適合性の複数の頂点の各々において、前記医療画像の画像特徴量を決定するステップと、
評価メトリックを決定するために複数の画像特徴量を統合するステップと
を有する方法である。
別の実施形態によるシステムは、
医療画像と、身体構造のモデルの適合性であって前記医療画像に関連する適合性とを保存するメモリと、
前記適合性の複数の頂点の各々において、前記医療画像の画像特徴量を決定し、評価メトリックを決定するために複数の画像特徴量を統合するプロセッサと
を有するシステムである。
別の実施形態による記憶媒体は、
コンピュータにより読み取ることが可能な一時的でない記憶媒体であって、プロセッサに方法を実行させる命令群を記憶し、前記方法は、
医療画像を受信するステップと、
身体構造のモデルの適合性であって前記医療画像に関連する適合性を受信するステップと、
前記適合性の複数の頂点の各々において、前記医療画像の画像特徴量を決定するステップと、
評価メトリックを決定するために複数の画像特徴量を統合するステップと
を有する、記憶媒体である。
<図面>
図1Aは、変形可能な脳モデルの一例を示す。
図1Bは、患者の頭脳のMRI画像に適用された場合の図1Aの可変頭脳モデルの一例を示す。患者の頭脳は、患者の頭脳の領域、患者の頭脳の体積、患者の頭脳が占める空間等と言及されてもよい。
図2Aは、患者の頭脳のMRI画像に可変頭脳モデルを適切に適合できた例を示す。
図2Bは、患者の頭脳のMRI画像に可変頭脳モデルを適切に適合できていない例を示す。
図3は、頭脳画像に対する可変頭脳モデルの当てはめの当否を評価するためのメトリックを生成する方法例を示す。
図4は、頭脳画像に対する可変頭脳モデルの当てはめの当否を評価する図3に示す方法のような実施形態による方法を実現するためのシステム例を示す。
<実施の形態の詳細な説明>
実施形態に関する以下の説明及び関連する添付図面を参照することにより、実施形態は更に理解されるであろう。図中、同様な要素には同様な参照番号が付されている。具体的には、実施形態は、患者に対する可変頭脳モデルの当てはめ方を確認するための方法及びシステム等に関連する。
上述したように、アルツハイマー病、外傷性脳損傷及び心的外傷性ストレス障害(PTSD)等のような神経障害及び精神疾患を患う患者に関わる研究プログラムや、そのような障害の危険がある人を発見すること等において、脳の特定の領域の容積及び形状の異常を速やかに特定できる能力は重要である。そのような異常は、形状が拘束された変形可能な脳モデルを用いて特定することが可能であり、これは、判明している脆弱性を有する頭脳領域の構造における僅かな変化を、健常者から得られる同様なデータと比較することにより、明らかにすることができる。可変頭脳モデルは、患者の磁気共鳴画像(MRI)イメージに当てはめられ、その画像は多数の皮質下構造にセグメント化される。これは研究及び/又は治療に対する実現可能な技術であるが、更に時間的に効率よく実行可能である必要がある。実施形態がMRI画像に対する具体的な例と共に説明されているが、本願で説明されるのと同じ技術が、CT画像、超音波画像等のような他のタイプの医療画像にも等しく適用可能であることを、当業者は認めるであろう。
図1Aは例示的な変形可能な脳モデル110を示し、脳の様々な部分がそれぞれモデル化されている。変形可能な脳モデルについては、例えば、次の文献に示されている:
“Evaluation of traumatic brain injury patients using a shape-constrained deformable model,”by L. Zagorchev, C. Meyer, T. Stehle, R. Kneser, S. Young and J. Weese, 2011, in Proceedings of the First international conference on Multimodal brain image analysis (MBA’11), Tianming Liu, Dinggang Shen, Luis Ibanez, and Xiaodong Tao (Eds.), Springer-Verlag, Berlin, Heidelberg, 118-125
図1Bは、患者のMRI画像に対する図1Aのモデル110のアダプテーション120を示す。アダプテーション(adaptation)は、適合させた例又は結果、当てはめた例又は結果等と言及されてもよい。アダプテーション120において、モデル110のうちの幾つかの要素121、122、123、124、125はアダプテーション120に対応付けられ、MRIによる断面図の中での要素121、122、123、124、125の位置及び大きさ(サイズ)を示す。図示されるモデルは、手作業又はマニュアルで区分けされる脳構造を表現する基準データ又はグランドトゥルースデータ(ground truth data)を示す。「区分け」は「セグメント化」、「セグメンテーション」、「区分」又は「分割」等と言及されてもよい。グランドトゥルースデータは、各々の構造の境界における強度(intensity)に関する情報を含み、この情報はセグメント化の品質を示す画像メトリックを導出するために使用され、この点については後述される。
患者の頭脳に対する可変頭脳モデルの当てはめ(又はアダプテーション)は、患者のMRI画像から導出される要素の影響を受ける。そのようなモデルを適合させる従来の技術(発明者等にとって従来の技術)を利用する場合、医療専門家又は医療従事者は、患者のMRI画像を観察者(viewer)にロード又は取得し、最終的に適合させたモデルを取得し、モデルが正しく適合しているか否かを目視で確認する必要があった。図2Aは、当てはめが成功している例210を示し、図2Bは当てはめが成功していない例220を示す。適切に適合するモデル210の要素は、前提のMRI画像に示される要素に対応しているが、適切に適合していないモデル220の要素はそのように対応していないことが、当業者にとって明らかであろう。更に、モデルが適切に適合していない場合のメッシュ頂点における強度値(すなわち、画像の図形明暗度(graphical intensity))は、モデルが適切に適合している場合のメッシュ頂点における強度値とかなり異なっていることに、留意すべきである。「強度」は、「明暗度」、「鮮明度」、「明度」等と言及されてもよい。
適合(アダプテーション)の成否の確認は、面倒な時間のかかる仕事となるおそれがあり、特に、多数の患者に関わる臨床試験(又は治療実験)ではそうであり、この種のプロセスは業務を増やしてしまうことが懸念される。例示的な実施形態は、アダプテーションの品質メトリックを提供し、この種の問題を克服する。「メトリック」は、「判断基準」等と言及されてもよい。メトリックは、アダプテーションの処理の最後に自動的に決定されてもよく、患者内のセグメンテーション又は患者間のセグメンテーションによるセグメンテーションの直接的な定量比較(quantitative comparison)のための基礎を追加的に提供してもよい。
図3は上記で言及した定量的メトリックを決定する方法例300を示す。ステップ310において、患者データ(例えば、MRI画像)と当てはめられる頭脳モデルに関するデータとが受信される。このステップが実行される前に、患者画像にモデルが当てはめられるが、そのような適合プロセス自体は例示の実施形態の対象外であることを、当業者は理解するであろう。
ステップ320において、当てはめられる頭脳モデルにおいて脳の構造を象るメッシュの頂点各々における画像特徴量(image quantity)が決定される。画像特徴量は、画像の特徴を定量化するために使用されてよい任意の個数の様々な値のうちの1つ以上であってよいことを、当業者は理解するであろう。それらの値は、例えば、画像強度、画像勾配(image gradient)、勾配の大きさ等を含んでよい。更に、メッシュの頂点は、メッシュ三角形に属する点であるように理解されてよいことを、当業者は理解するであろう。ただし、四角形、長方形、正方形、八角形等のような複数の頂点を有する他のメッシュ形状が使用されてもよい。更に、画像特徴量は、適切な任意の画像処理関数又は画像処理機能を利用して決定されてもよいことを、当業者は理解するであろう。
ステップ330において、各々の頂点で決定された画像特徴量は平均化され、モデルの適合性(又はアダプテーション)を評価するために使用される定量的メトリックが生成される。以下においても説明されるように、本方法は各々の頂点の画像特徴量を平均化することに限定されず、平均化は、定量的メトリックを取得するための単なる一つの方法に過ぎない。一実施形態では、完全に合致するモデルが或る簡易な数値(例えば、1又は100)をもたらし、全く合致してないモデルがゼロの値をもたらすように、メトリックが正規化又は規格化されていてもよい。
次に、ステップ340において、ステップ330で決定された定量的メトリックに基づいて、モデルの適合性が確認される。これは、例えばメトリックを閾値と比較することにより実行されてもよいし、或いは当該技術分野で既知の他の方法で実行されてもよい。例えば、定量的メトリックが1-100の値に正規化されている場合、閾値は先ず75に設定されてもよく、これは、75以上のスコアを示すアダプテーションは成功であると判断されるが、75未満は不成功であると判断されることを意味する。この閾値はその後にユーザによりリセットされてもよく、例えば、アダプテーションの成功は初期閾値より上又は下であることをユーザが決定した場合に、ユーザにより再設定されてもよい。別の例において、システムは、様々な入力に基づいて閾値レベルを決定する機械学習アルゴリズムを含んでいてもよい。
モデルが適切に適合していると判断された場合、ステップ350において、そのアダプテーションが以後の使用のために受け入れられる(承認される)。逆に、モデルが適切に適合していないと判断された場合、ステップ360において、そのアダプテーションは拒否又は否認され、別の当てはめられるべきモデルの必要性が通知される。ステップ350又は360の後、本方法は終了する。
頭脳モデルの正しいアダプテーションの確認に加えて、上記のメトリックは、分散、バイアス又は他の統計量と評価される対象に応じた信頼限界(confidence limit)との比較を可能にする。グループ間の有意性(significance)又は取得される結果同士の有意性が設定されてもよい。品質メトリックは信頼性又は確実性のインジケータとなっても良い;例えば、高い値をとるほど正確なセグメンテーションであることを意味してもよいし、その逆でもよい。品質メトリックは取得される統計量に関連付けられてもよい;例えば、統計的有意性(statistical significance)を取得するために必要な最小セグメンテーション品質を設定するために使用されてもよい。
別の実施形態において、モデルは、アダプテーションの最中に、メッシュ頂点の対応関係を維持してもよい。そのような実施形態では、平均値を比較するのではなく、関連するメッシュ頂点において、画像特徴量の値が比較される。そのような実施形態は、上記の方法例300により与えられる一般的な精度の情報とは異なり、モデルの様々な要素に関する更に詳細な局所的な情報を提供する(例えば、モデルの或る部分的な領域が正しく適合していないかどうかが判断されてもよい。)。
方法例300は様々な手段で実現されてもよい。一例として、方法例300はシステム例400によるコンピュータにより実現されてもよい。システム400は図4に概略的に示されている。ユーザインタフェース410は、医療画像や適合モデルの選択等のような様々な種類のユーザ入力を受信するように機能することが可能である。システム例400は1つのユーザインタフェース410を含んでいるように図示されているが、他のシステムは複数のインタフェースを利用してもよく、例えば、施設内の他のシステムから医療画像を受信するためのインタフェースが備わっていてもよいことを、当業者は理解するであろう。ユーザインタフェース410は出力装置として使用されてもよく、例えば、成功したアダプテーションを、更なる用途に供するために医療専門家に見えるように出力してもよいし、或いは、アダプテーションが成功しなかったことを医療専門家に通知してもよい。
ユーザインタフェース410は、方法例300を実施するためのプログラムを実行するプロセッサ420にデータを提供する。このタスクに関連するデータはメモリ430に保存されていてもよい。メモリ430は、ハードドライブ、ソリッドステートドライブ、半導体ドライブ、分散型ストレージ等であってもよく、上記のように使用するのに適した如何なるフォーマットでデータを保存してもよい。方法例300を実行するのに必要な命令に加えて、メモリ430は、患者に関する医療記録を、システム400を提供する病院に保存してもよい。また、患者の記録は、例えばそのような記録を保存するセントラルシステムに遠隔的に保存されてもよい。
上記の実施形態は、臨床研究用の大規模な頭脳モデル群の自動的な処理及び確認を可能にし、結果の定量的な比較の基礎を提供する。そのような処理は、頭脳構造の長期にわたる監視を促進し、鑑別診断(differential diagnosis)を改善し、処置や回復の成果の監視を促進する。更に、上記のアダプテーションメトリックは、変形可能な脳モデルから導出される情報を分析、理解及び解釈する際に重要な役割を演じる。
上記の実施形態は、脳のMRI画像及び変形可能な脳モデルを具体例としているが、本願により説明される原理は、他の種類の変形可能なモデルにも等しく適用可能であり、そのようなモデルに合わせる他の種類の画像のアダプテーションに適用することも可能であることを、当業者は理解するであろう。更に、上記の実施形態は、如何なる個数の手段により実現されてもよく、ソフトウェアモジュール、ハードウェアモジュール及びソフトウェアモジュールの組み合わせ等を含むことが、当業者に理解されるであろう。例えば、方法例300は、一時的でない記憶媒体に保存されかつ複数行のコードを含むプログラムにより実現されてもよく、それらのコードはコンパイルされるとプロセッサにより実行される。
特許請求の範囲はPCT規則6.2(b)に従って引用符号/数字を含んでもよいことに留意を要する。ただし、本願の特許請求の範囲は、引用符号/数字に関連する実施形態に限定して解釈されるべきではない。
本発明の精神又は範囲から逸脱することなく、実施形態に対して様々な変形が施されてよいことが、当業者にとって明らかであろう。本発明は、本発明に関する修正例及び変形例を包含し、それらは添付の特許請求の範囲及び均等物に包含されるように意図されている。

Claims (13)

  1. 患者の身体構造の医療画像を受信するステップと、
    前記医療画像に対して前記身体構造のメッシュモデルを当てはめ、当てはめられた前記メッシュモデルの複数の頂点の各々において、前記医療画像の画像度に基づいて画像特徴量を決定するステップと、
    前記複数の頂点の各々における画像特徴量を統合することにより、前記医療画像に対する前記メッシュモデルの適合性を示す品質メトリックを決定するステップと
    を有する方法。
  2. 前記統合することが、平均値を決定することを含む、請求項1に記載の方法。
  3. 前記医療画像が、MRI、CT及び超音波のうちの何れかによるものである、請求項1に記載の方法。
  4. 前記メッシュモデルが、変形可能な脳モデルである、請求項1に記載の方法。
  5. 前記適合性の品質メトリックを閾値と比較するステップと、
    前記適合性の品質メトリックが前記閾値以上であった場合、前記適合性を承認するステップと、
    前記適合性の品質メトリックが前記閾値未満であった場合、前記適合性を否認するステップと
    を有する請求項1に記載の方法。
  6. 前記統合することが、前記頂点の各々を別々に考慮して、前記医療画像の複数の部分の各々について、個別的な適合性の品質メトリックを決定することを含む、請求項1に記載の方法。
  7. 患者の身体構造の医療画像と、前記医療画像に対する前記身体構造のメッシュモデルとを保存するメモリと、
    前記医療画像に対して前記身体構造のメッシュモデルを当てはめ、当てはめられた前記メッシュモデルの複数の頂点の各々において、前記医療画像の画像度に基づいて画像特徴量を決定し、前記複数の頂点の各々における画像特徴量を統合することにより、前記医療画像に対する前記メッシュモデルの適合性を示す品質メトリックを決定するプロセッサと
    を有するシステム。
  8. 前記医療画像を生成する画像処理装置を有する請求項に記載のシステム。
  9. 前記画像処理装置が前記医療画像を生成した後に、前記プロセッサが、前記メッシュモデルを前記医療画像に当てはめる、請求項に記載のシステム。
  10. 前記プロセッサが、
    前記適合性の品質メトリックを閾値と比較し、
    前記適合性の品質メトリックが前記閾値以上であった場合、前記適合性を承認し、
    前記適合性の品質メトリックが前記閾値未満であった場合、前記適合性を否認する、請求項に記載のシステム。
  11. 前記プロセッサが、前記頂点の各々を別々に考慮して、前記医療画像の複数の部分の各々について、個別的な適合性の品質メトリックを決定する、請求項に記載のシステム。
  12. 請求項1ないし5のうち何れか一項に記載の方法をプロセッサに実行させる命令を有するコンピュータプログラム。
  13. 請求項12に記載のコンピュータプログラムを記憶する記憶媒体。
JP2015514640A 2012-05-31 2013-05-23 品質メトリックを決定するための方法、システム、コンピュータプログラム及び記憶媒体 Active JP6232054B2 (ja)

Priority Applications (3)

Application Number Priority Date Filing Date Title
US201261653761P true 2012-05-31 2012-05-31
US61/653,761 2012-05-31
PCT/IB2013/054258 WO2013179188A1 (en) 2012-05-31 2013-05-23 Method and system for quantitative evaluation of image segmentation

Publications (2)

Publication Number Publication Date
JP2015523874A JP2015523874A (ja) 2015-08-20
JP6232054B2 true JP6232054B2 (ja) 2017-11-15

Family

ID=48746609

Family Applications (1)

Application Number Title Priority Date Filing Date
JP2015514640A Active JP6232054B2 (ja) 2012-05-31 2013-05-23 品質メトリックを決定するための方法、システム、コンピュータプログラム及び記憶媒体

Country Status (7)

Country Link
US (1) US10776913B2 (ja)
EP (1) EP2856197A1 (ja)
JP (1) JP6232054B2 (ja)
CN (1) CN104380132B (ja)
BR (1) BR112014029528A2 (ja)
RU (1) RU2633916C1 (ja)
WO (1) WO2013179188A1 (ja)

Families Citing this family (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
RU2633916C1 (ru) 2012-05-31 2017-10-19 Конинклейке Филипс Н.В. Способ и система для количественной оценки сегментации изображения
JP6583719B2 (ja) * 2015-07-24 2019-10-02 国立研究開発法人情報通信研究機構 情報処理装置の作動方法および推定システム
MX2017017142A (es) 2016-12-02 2018-11-09 Avent Inc SYSTEM AND METHOD FOR NAVIGATION TO AN ANATOMICAL OBJECTIVE OBJECTIVE IN PROCEDURES BASED ON OBTAINING MEDICAL IMAGES.
JP2020511285A (ja) 2017-03-10 2020-04-16 コーニンクレッカ フィリップス エヌ ヴェKoninklijke Philips N.V. 脳電図(eeg)モデルと融合した磁気共鳴イメージング(mri)による発作特性化
EP3595552A1 (en) 2017-03-16 2020-01-22 Koninklijke Philips N.V. Tilt-controlled grid
US10346974B2 (en) 2017-05-18 2019-07-09 Toshiba Medical Systems Corporation Apparatus and method for medical image processing
CN109620407A (zh) 2017-10-06 2019-04-16 皇家飞利浦有限公司 处置轨迹引导系统
US20190108638A1 (en) 2017-10-09 2019-04-11 Koninklijke Philips N.V. Ablation result validation system
WO2019180056A1 (en) 2018-03-21 2019-09-26 Koninklijke Philips N.V. Incidental finding augmentation system for medical radiology
WO2019180120A1 (en) 2018-03-21 2019-09-26 Koninklijke Philips N.V. Medical radiology report validation and augmentation system
WO2020148247A2 (en) 2019-01-14 2020-07-23 Koninklijke Philips N.V. Compartment-specific down-scaling of high-frequency conductivity to low-frequency conductivity for eeg

Family Cites Families (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE69429743T2 (de) * 1993-06-29 2002-10-02 Koninkl Philips Electronics Nv Verfahren und Gerät zur Bestimmung einer Kontur in einem durch eine Dichteverteilung gekennzeichneten Raum
US5926568A (en) * 1997-06-30 1999-07-20 The University Of North Carolina At Chapel Hill Image object matching using core analysis and deformable shape loci
AU2115901A (en) * 1999-10-21 2001-04-30 Arch Development Corporation Method, system and computer readable medium for computerized processing of contralateral and temporal subtraction images using elastic matching
WO2002073536A2 (en) * 2001-03-09 2002-09-19 Koninklijke Philips Electronics N.V. Image segmentation
JP4170096B2 (ja) * 2001-03-29 2008-10-22 コーニンクレッカ フィリップス エレクトロニクス エヌ ヴィ 対象の3次元表面上にマップされた3次元メッシュモデルの適合性評価のための画像処理装置
WO2005008587A1 (en) * 2003-07-16 2005-01-27 Philips Intellectual Property & Standards Gmbh Object-specific segmentation
DE10357205A1 (de) * 2003-12-08 2005-07-14 Siemens Ag Verfahren zur Erzeugung von Ergebnis-Bildern eines Untersuchungsobjekts
JP4885952B2 (ja) * 2005-06-21 2012-02-29 コーニンクレッカ フィリップス エレクトロニクス エヌ ヴィ 漸進的モデル・ベースの適応
JP5336370B2 (ja) * 2006-08-11 2013-11-06 コーニンクレッカ フィリップス エヌ ヴェ 効率的診断のための解剖構造に関係した画像コンテキスト依存のアプリケーション
WO2008041165A2 (en) * 2006-10-03 2008-04-10 Koninklijke Philips Electronics N. V. Model-based coronary centerline localization
JP2011512999A (ja) * 2008-03-04 2011-04-28 トモセラピー・インコーポレーテッド 改良された画像セグメンテーションの方法およびシステム
JP5432241B2 (ja) * 2008-04-07 2014-03-05 コーニンクレッカ フィリップス エヌ ヴェ メッシュ衝突回避
EP2488105A4 (en) 2009-10-13 2014-05-07 Agency Science Tech & Res METHOD AND SYSTEM ADAPTED TO SEGMENT AN OBJECT IN AN IMAGE (A LIVER IN THE OCCURRENCE)
RU2633916C1 (ru) 2012-05-31 2017-10-19 Конинклейке Филипс Н.В. Способ и система для количественной оценки сегментации изображения

Also Published As

Publication number Publication date
RU2633916C1 (ru) 2017-10-19
BR112014029528A2 (pt) 2017-06-27
US10776913B2 (en) 2020-09-15
WO2013179188A1 (en) 2013-12-05
US20150146951A1 (en) 2015-05-28
EP2856197A1 (en) 2015-04-08
CN104380132A (zh) 2015-02-25
CN104380132B (zh) 2018-01-09
JP2015523874A (ja) 2015-08-20

Similar Documents

Publication Publication Date Title
JP6232054B2 (ja) 品質メトリックを決定するための方法、システム、コンピュータプログラム及び記憶媒体
US8270695B2 (en) Diagnostic image processing with automatic self image quality validation
JP5959699B2 (ja) パノラマエックス線写真を利用した診断支援システム、及びパノラマエックス線写真を利用した診断支援プログラム
CN109069014B (en) System and method for estimating healthy lumen diameter and stenosis quantification in coronary arteries
WO2013047278A1 (ja) 医用画像処理装置、医用画像処理方法、プログラム
Bruse et al. A statistical shape modelling framework to extract 3D shape biomarkers from medical imaging data: assessing arch morphology of repaired coarctation of the aorta
US20180100907A1 (en) Method and system for using measurement data
US10388037B2 (en) Selection method for an artifact correction algorithm, data processing facility for performing the method, and medical imaging system
JP2012045387A (ja) 局所的臨床特徴を分析して視覚化するためのシステムおよび方法
US20180158547A1 (en) Determination of Enhancing Structures in an Anatomical Body Part
JP2014042684A (ja) 医用画像処理装置、およびプログラム
US10957037B2 (en) Smart imaging using artificial intelligence
EP2796089B1 (en) Image processing device and image processing method, and image processing program
JP4980707B2 (ja) 画像処理装置及び方法
US9679378B2 (en) Risk prediction of tissue infarction
JP5961512B2 (ja) 画像処理装置およびその作動方法並びに画像処理プログラム
US10311568B2 (en) Image processing apparatus, control method thereof, and computer-readable storage medium
Dostál et al. Analysis of diffusion tensor measurements of the human cervical spinal cord based on semiautomatic segmentation of the white and gray matter
JP6677711B2 (ja) 画像処理装置、画像処理方法、及びプログラム
JP6442311B2 (ja) 核医学画像中の腫瘍輪郭を抽出する技術
US20200104994A1 (en) Medical Image Pre-Processing at the Scanner for Facilitating Joint Interpretation by Radiologists and Artificial Intelligence Algorithms
US20200113534A1 (en) Evaluating a reliability of a ct volume image
JP2020052627A (ja) 検証システム及び検証装置
Fedorov et al. Application of tolerance limits to the characterization of image registration performance
CN112561848A (zh) 区域性脑年龄预测的方法、非暂时性电脑可读介质及设备

Legal Events

Date Code Title Description
A621 Written request for application examination

Free format text: JAPANESE INTERMEDIATE CODE: A621

Effective date: 20160520

A977 Report on retrieval

Free format text: JAPANESE INTERMEDIATE CODE: A971007

Effective date: 20170317

A131 Notification of reasons for refusal

Free format text: JAPANESE INTERMEDIATE CODE: A131

Effective date: 20170404

A521 Written amendment

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20170515

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: 20170926

A61 First payment of annual fees (during grant procedure)

Free format text: JAPANESE INTERMEDIATE CODE: A61

Effective date: 20171020

R150 Certificate of patent or registration of utility model

Ref document number: 6232054

Country of ref document: JP

Free format text: JAPANESE INTERMEDIATE CODE: R150

R250 Receipt of annual fees

Free format text: JAPANESE INTERMEDIATE CODE: R250