JP6357108B2 - 被写体画像ラベリング装置、方法及びプログラム - Google Patents
被写体画像ラベリング装置、方法及びプログラム Download PDFInfo
- Publication number
- JP6357108B2 JP6357108B2 JP2014555361A JP2014555361A JP6357108B2 JP 6357108 B2 JP6357108 B2 JP 6357108B2 JP 2014555361 A JP2014555361 A JP 2014555361A JP 2014555361 A JP2014555361 A JP 2014555361A JP 6357108 B2 JP6357108 B2 JP 6357108B2
- Authority
- JP
- Japan
- Prior art keywords
- probability
- contour
- probability map
- label
- subject image
- 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
- 238000002372 labelling Methods 0.000 title claims description 81
- 238000000034 method Methods 0.000 title description 14
- 238000013507 mapping Methods 0.000 claims description 26
- 230000010354 integration Effects 0.000 claims description 14
- 238000004590 computer program Methods 0.000 claims description 12
- 230000001419 dependent effect Effects 0.000 claims description 5
- 210000000056 organ Anatomy 0.000 description 22
- 210000003484 anatomy Anatomy 0.000 description 12
- 210000000689 upper leg Anatomy 0.000 description 10
- 230000011218 segmentation Effects 0.000 description 7
- 238000012549 training Methods 0.000 description 7
- 210000002307 prostate Anatomy 0.000 description 6
- 210000000664 rectum Anatomy 0.000 description 6
- 238000012937 correction Methods 0.000 description 5
- 238000012545 processing Methods 0.000 description 5
- 230000002776 aggregation Effects 0.000 description 4
- 238000004220 aggregation Methods 0.000 description 4
- 238000003066 decision tree Methods 0.000 description 4
- 238000002591 computed tomography Methods 0.000 description 3
- 210000003128 head Anatomy 0.000 description 3
- 238000001959 radiotherapy Methods 0.000 description 3
- 238000012935 Averaging Methods 0.000 description 2
- 241001465754 Metazoa Species 0.000 description 2
- 210000001715 carotid artery Anatomy 0.000 description 2
- 239000003086 colorant Substances 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 210000003681 parotid gland Anatomy 0.000 description 2
- 210000003932 urinary bladder Anatomy 0.000 description 2
- 206010028980 Neoplasm Diseases 0.000 description 1
- 230000006978 adaptation Effects 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 230000003190 augmentative effect Effects 0.000 description 1
- 238000001574 biopsy Methods 0.000 description 1
- 210000004204 blood vessel Anatomy 0.000 description 1
- 210000000133 brain stem Anatomy 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000002059 diagnostic imaging Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 239000007943 implant Substances 0.000 description 1
- 210000004373 mandible Anatomy 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 210000000920 organ at risk Anatomy 0.000 description 1
- 238000007674 radiofrequency ablation Methods 0.000 description 1
- 238000012552 review Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 210000001625 seminal vesicle Anatomy 0.000 description 1
- 210000001154 skull base Anatomy 0.000 description 1
- 238000013519 translation Methods 0.000 description 1
- 230000002792 vascular Effects 0.000 description 1
- 210000005166 vasculature Anatomy 0.000 description 1
- 201000010653 vesiculitis Diseases 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/143—Segmentation; Edge detection involving probabilistic approaches, e.g. Markov random field [MRF] modelling
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/12—Edge-based segmentation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/74—Image or video pattern matching; Proximity measures in feature spaces
- G06V10/75—Organisation of the matching processes, e.g. simultaneous or sequential comparisons of image or video features; Coarse-fine approaches, e.g. multi-scale approaches; using context analysis; Selection of dictionaries
- G06V10/754—Organisation of the matching processes, e.g. simultaneous or sequential comparisons of image or video features; Coarse-fine approaches, e.g. multi-scale approaches; using context analysis; Selection of dictionaries involving a deformation of the sample pattern or of the reference pattern; Elastic matching
-
- 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
- G06T2207/20092—Interactive image processing based on input by user
- G06T2207/20096—Interactive definition of curve of interest
-
- 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
- G06T2207/20112—Image segmentation details
- G06T2207/20128—Atlas-based segmentation
-
- 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
- G06T2207/20212—Image combination
- G06T2207/20216—Image averaging
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Software Systems (AREA)
- Probability & Statistics with Applications (AREA)
- Computing Systems (AREA)
- Medical Informatics (AREA)
- General Health & Medical Sciences (AREA)
- Evolutionary Computation (AREA)
- Databases & Information Systems (AREA)
- Artificial Intelligence (AREA)
- Multimedia (AREA)
- Health & Medical Sciences (AREA)
- Image Analysis (AREA)
- Apparatus For Radiation Diagnosis (AREA)
- Image Generation (AREA)
Description
米国特許出願公開第2012/0012768号明細書は、患者内の解剖学的臓器を特定するシステム及び方法を開示している。その方法は、複数の画像要素を含んだ患者の画像を取得し、該画像要素セグメント化して、少なくとも1つの解剖学的ランドマークによって定められる関心領域を特定し、少なくとも1つの確率的な解剖学的アトラスに基づいて確率マップを生成し、そして、確率マップを確率的分類に適用して、器官が関心領域内に位置している確率を決定することを含んでいる。
米国特許出願公開第2011/0093921号明細書は、1つの医用画像又は一組の医用画像内で1つ以上の血管領域を解剖学的に特定するシステム及び方法を開示している。その方法は、左頸動脈、右頸動脈、及び/又は頭部の頭蓋底血管領域に属しているとして、血管構造を自動的に特定する。その方法は、医用画像を入力として用いて1つ以上の血管領域を自動的に特定する。その方法はまた、特定された1つ以上の領域のMIP表示を自動的に生成し得る。
米国特許出願公開第2009/0226060号明細書は、患者内の解剖学的構造を特定するシステム及び方法を開示している。その方法は、一組の画像要素を含んだ患者の画像を取得するステップと、その物質に従って各画像要素を分類するよう画像をセグメント化するステップと、各画像要素の分類が正しい確率を計算するステップと、高い確率を有する画像要素で開始し、より低い確率を有する画像要素へと進んで、画像を再セグメント化するステップと、画像要素のうちの少なくとも1つを解剖学的アトラスとアライメントするステップと、解剖学的アトラスをセグメント化された画像にフィッティングするステップとを含んでいる。
Arish A Qazi等による刊行物“Probabilistic Refinement of Model-Based Segmentation:Application to Radiation Therapy Planning of the Head and Neck”、Medical Imaging and Augmented Reality、Lecture Notes in Computer Science、2010年、第6326巻、pp.403-410は、3D変形可能モデルを用いて取得されたセグメンテーションの確率的精緻化のための手法を提案している。その方法は、患者画像内でのモデルの自動的な初期化と関心解剖学的構造に対するそれらの適応化とで構成された完全に自動化されたセグメンテーションフレームワークの最終ステップとして適用される。その方法の性能が、下顎骨、脳幹及び耳下腺という頭頸部領域内の3つの重要なリスク器官のセグメンテーションによって、従来のモデルベース手法と比較されている。得られたセグメンテーションが、それらを手動での熟練者の輪郭描写と比較することによって検証されている。
被写体画像内の構造を表す輪郭を提供する輪郭提供ユニットと、
確率マップを提供する確率マップ提供ユニットであり、確率マップは、被写体の異なる構造を指し示す異なるラベルに関して、そして確率マップ内の異なる位置に関して、それぞれのラベルによって指し示されるそれぞれの構造がそれぞれの位置に存在している確率を指し示し、該確率は確率マップ内の位置に依存する、確率マップ提供ユニットと、
確率マップ内の位置が被写体画像内の位置に割り当てられるよう、確率マップを被写体画像にマッピングするマッピングユニットと、
マッピングされた確率マップに基づいて輪郭にラベルを割り当てるラベル割当ユニットと
を有する。
例えば、所定の規定ルールは、輪郭が閉じたものである場合に、輪郭内の画素の位置を規定し、そのとき、ラベル割当ユニットは、各ラベルについて、マッピングされた確率マップと輪郭内の規定された画素の位置とによって定められる確率を積分することによって、ラベル確率として積分確率を決定するように適応されることができる。例えば、被写体画像は3次元画像とすることができ、その2次元スライスが表示ユニット上に示される。ユーザは、3次元画像をスライスごとにレビューすることができ、各スライス内で、ユーザは、後にラベル割当ユニットによって自動的にラベル付けられるものである1つ以上の輪郭を描くことができる。輪郭にラベルを割り当てるため、ラベル割当ユニットは、各ラベルについて、輪郭によって囲まれた領域全体でそれぞれのラベルに割り当てられた確率の積分を計算するように適応されることができる。それぞれの輪郭に、最も大きい積分確率が計算されたラベルが割り当てられる。
輪郭提供ユニットにより、被写体画像内の構造を表す輪郭を提供するステップと、
確率マップ提供ユニットにより、確率マップを提供するステップであり、確率マップは、被写体の異なる構造を指し示す異なるラベルに関して、そして確率マップ内の異なる位置に関して、それぞれのラベルによって指し示されるそれぞれの構造がそれぞれの位置に存在している確率を指し示し、該確率は確率マップ内の位置に依存する、ステップと、
マッピングユニットにより、確率マップ内の位置が被写体画像内の位置に割り当てられるよう、確率マップを被写体画像にマッピングするステップと、
ラベル割当ユニットにより、マッピングされた確率マップに基づいて輪郭にラベルを割り当てるステップと
を有する。ラベルを割り当てることは、
提供された輪郭と、輪郭に応じて画素の位置を規定する所定の規定ルールとに従って、画素の位置を規定し、
各ラベルについて、マッピングされた確率マップと規定された画素の位置とによって定められる確率に応じたラベル確率を決定し、且つ
最も大きいラベル確率が決定されたラベルを輪郭に割り当てる
ことを有する。
ように適応され、マッピングユニット4は、被写体画像と確率マップとを互いに対してレジストレーションするために、被写体画像をレジストレーション画像に対してレジストレーションするように適応される。マッピングユニット4は、被写体画像をレジストレーション画像とレジストレーションするために、例えば、ロバストな画像レジストレーション技術又は手動での画像レジストレーション技術を実行することができる。確率マップは好ましくは、ラベル付けられた輪郭を有する複数のトレーニング(訓練)画像に基づいて決定されている。レジストレーション画像は好ましくは、これらのトレーニング画像の平均である平均画像であり、該平均画像は好ましくは、これら異なるトレーニング画像の対応し合う画素の画像値の平均を取ることによって計算されている。
また、ラベル割当ユニット5は、a)提供された輪郭と、輪郭に応じて画素の位置を規定する所定の規定ルールとに従って画素の位置を規定し、b)マッピングされた確率マップと規定された画素の位置とによって定められる確率に応じて、各ラベルに対して、ラベル確率を決定し、そして、c)最も大きいラベル確率が決定されたラベルをその輪郭に割り当てるように適応される。上記所定の規定ルールは、画素の位置をそれぞれの輪郭内で規定し、ラベル割当ユニット5は、各ラベルについて、マッピングされた確率マップと、閉じた輪郭内で規定された画素の位置と、閉じた輪郭内のこれら規定された位置における被写体画像の画像値とによって定められる確率を積分することによって、ラベル確率として積分確率を決定するよう適応される。故に、それぞれの輪郭内の画素に対して、それぞれのラベルに関して、被写体画像内のそれぞれの画素の位置とこのそれぞれの画素の画像値とに依存する確率が割り当てられ、ここで、それぞれの確率はマッピングされた確率マップ内で定められる。
Claims (14)
- 被写体画像内に示された被写体の構造をラベル付けるラベリング装置であって、
前記被写体画像内の構造を表す輪郭を提供する輪郭提供ユニットと、
確率マップを提供する確率マップ提供ユニットであり、前記確率マップは、前記被写体の異なる構造を指し示す異なるラベルに関して、そして前記確率マップ内の異なる位置に関して、それぞれのラベルによって指し示されるそれぞれの構造がそれぞれの位置に存在している確率を指し示し、該確率は前記確率マップ内の位置に依存する、確率マップ提供ユニットと、
前記確率マップ内の位置が前記被写体画像内の位置に割り当てられるよう、前記確率マップを前記被写体画像にマッピングするマッピングユニットと、
前記マッピングされた確率マップに基づいて、前記輪郭提供ユニットにより提供された前記輪郭にラベルを割り当てるラベル割当ユニットであり、
提供された前記輪郭と、輪郭に応じて画素の位置を規定する所定の規定ルールとに従って、画素の位置を規定し、
各ラベルについて、前記マッピングされた確率マップと前記規定された画素の位置とによって定められる確率に応じたラベル確率を決定し、且つ
最も大きいラベル確率が決定されたラベルを前記輪郭に割り当てる
ように適応されているラベル割当ユニットと、
を有するラベリング装置。 - 前記輪郭提供ユニットは、前記輪郭を提供するため、ユーザが前記被写体画像に輪郭を付加することを可能にするように適応されている、請求項1に記載のラベリング装置。
- 前記マッピングユニットは、前記マッピングを実行するため、前記被写体画像と前記確率マップとをレジストレーションするように適応されている、請求項1に記載のラベリング装置。
- 前記確率マップ提供ユニットは、前記確率マップを、前記確率マップとレジストレーションされているレジストレーション画像とともに提供するように適応され、前記マッピングユニットは、前記被写体画像と前記確率マップとをレジストレーションするために、前記被写体画像を前記レジストレーション画像に対してレジストレーションするように適応されている、請求項3に記載のラベリング装置。
- 前記確率マップ提供ユニットは、それぞれのラベルによって指し示されるそれぞれの構造がそれぞれの位置に存在している前記確率が更に画素値に依存するようにして前記確率マップを提供するように適応されている、請求項1に記載のラベリング装置。
- 前記所定の規定ルールは、前記輪郭が閉じたものである場合に、前記輪郭内の画素の位置を規定し、前記ラベル割当ユニットは、各ラベルについて、前記マッピングされた確率マップと前記輪郭内の前記規定された画素の位置とによって定められる確率を積分することによって、前記ラベル確率として積分確率を決定するように適応されている、請求項1に記載のラベリング装置。
- 前記確率マップ提供ユニットは、それぞれのラベルによって指し示されるそれぞれの構造がそれぞれの位置に存在している前記確率が更に画素値に依存するようにして前記確率マップを提供するように適応され、前記ラベル割当ユニットは、各ラベルについて、前記マッピングされた確率マップと、前記規定された画素の位置と、これら規定された位置における前記被写体画像の画素値とによって定められる確率に応じた前記ラベル確率を決定するように適応されている、請求項1に記載のラベリング装置。
- 前記所定の規定ルールは、前記輪郭が閉じたものである場合に、前記輪郭内の画素の位置を規定し、前記ラベル割当ユニットは、各ラベルについて、前記マッピングされた確率マップと、閉じた前記輪郭内の前記規定された画素の位置と、これら規定された位置における前記被写体画像の画素値とによって定められる確率を積分することによって、前記ラベル確率として積分確率を決定するように適応されている、請求項7に記載のラベリング装置。
- 前記所定の規定ルールは、前記輪郭が閉じていない場合に、前記輪郭によって横切られる画素及び前記輪郭の近傍の画素の位置を規定する、請求項1に記載のラベリング装置。
- 前記確率マップ提供ユニットは、確率マップを決定して、決定した確率マップを提供するように適応され、前記確率マップ提供ユニットは、
それぞれの画像内の少なくとも一部の位置にラベルが割り当てられている、ラベル付けられた輪郭を含んだ前記被写体の複数の画像を受信し、
受信した、前記ラベル付けられた輪郭を含んだ前記複数の画像、に基づいて前記確率マップを決定する
ように適応されている、請求項1に記載のラベリング装置。 - 前記確率マップ提供ユニットは、
各ラベル及び前記画像内の各位置について、前記画像内のそれぞれの位置でのそれぞれのラベルの出現数を決定し、且つ
決定された前記出現数に基づいて、異なるラベル及び異なる位置について、それぞれのラベルによって指し示されるそれぞれの構造がそれぞれの位置に存在している確率を決定する
ことによって、前記確率マップを決定するように適応されている、請求項10に記載のラベリング装置。 - 前記確率マップ提供ユニットは、提供された前記輪郭を有する前記被写体画像に基づいて、中間確率マップを決定し、且つ前記中間確率マップに基づいて、提供された前記確率マップを更新するように適応されている、請求項1に記載のラベリング装置。
- 被写体画像内に示された被写体の構造をラベル付けるラベリング方法であって、
輪郭提供ユニットにより、前記被写体画像内の構造を表す輪郭を提供するステップと、
確率マップ提供ユニットにより、確率マップを提供するステップであり、前記確率マップは、前記被写体の異なる構造を指し示す異なるラベルに関して、そして前記確率マップ内の異なる位置に関して、それぞれのラベルによって指し示されるそれぞれの構造がそれぞれの位置に存在している確率を指し示し、該確率は前記確率マップ内の位置に依存する、ステップと、
マッピングユニットにより、前記確率マップ内の位置が前記被写体画像内の位置に割り当てられるよう、前記確率マップを前記被写体画像にマッピングするステップと、
ラベル割当ユニットにより、前記マッピングされた確率マップに基づいて、前記輪郭提供ユニットにより提供された前記輪郭にラベルを割り当てるステップであり、
提供された前記輪郭と、輪郭に応じて画素の位置を規定する所定の規定ルールとに従って、画素の位置を規定し、
各ラベルについて、前記マッピングされた確率マップと前記規定された画素の位置とによって定められる確率に応じたラベル確率を決定し、且つ
最も大きいラベル確率が決定されたラベルを前記輪郭に割り当てる
ことを有する割り当てるステップと、
を有するラベリング方法。 - 被写体画像内に示された被写体の構造をラベル付けるためのラベリング用コンピュータプログラムであって、当該ラベリング用コンピュータプログラムは、請求項1に記載のラベリング装置を制御するコンピュータ上で当該ラベリング用コンピュータプログラムが実行されるときに、前記ラベリング装置に請求項13に記載のラベリング方法のステップを実行させるプログラムコードを有する、ラベリング用コンピュータプログラム。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US201261593466P | 2012-02-01 | 2012-02-01 | |
US61/593,466 | 2012-02-01 | ||
PCT/IB2013/050720 WO2013114262A1 (en) | 2012-02-01 | 2013-01-28 | Object image labeling apparatus, method and program |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2015511140A JP2015511140A (ja) | 2015-04-16 |
JP6357108B2 true JP6357108B2 (ja) | 2018-07-11 |
Family
ID=48040374
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2014555361A Active JP6357108B2 (ja) | 2012-02-01 | 2013-01-28 | 被写体画像ラベリング装置、方法及びプログラム |
Country Status (7)
Country | Link |
---|---|
US (1) | US9691156B2 (ja) |
EP (1) | EP2810250B1 (ja) |
JP (1) | JP6357108B2 (ja) |
CN (1) | CN104094315B (ja) |
BR (1) | BR112014018598A8 (ja) |
RU (1) | RU2635177C2 (ja) |
WO (1) | WO2013114262A1 (ja) |
Families Citing this family (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP6596100B2 (ja) | 2015-04-30 | 2019-10-23 | コーニンクレッカ フィリップス エヌ ヴェ | 脳組織分類 |
US9965863B2 (en) * | 2016-08-26 | 2018-05-08 | Elekta, Inc. | System and methods for image segmentation using convolutional neural network |
JP6555785B2 (ja) * | 2017-05-26 | 2019-08-07 | 株式会社アルム | 脳画像データ処理装置、脳画像データ処理方法、および脳画像データ処理プログラム |
JP2019149124A (ja) * | 2018-02-28 | 2019-09-05 | 富士フイルム株式会社 | 変換装置、変換方法、及びプログラム |
JP7196529B2 (ja) * | 2018-10-18 | 2022-12-27 | コニカミノルタ株式会社 | 情報処理装置及びプログラム |
CN111124233B (zh) * | 2019-12-27 | 2021-01-19 | 杭州依图医疗技术有限公司 | 医学影像的显示方法、交互方法及存储介质 |
EP3846123B1 (en) * | 2019-12-31 | 2024-05-29 | Dassault Systèmes | 3d reconstruction with smooth maps |
US11631179B2 (en) * | 2020-06-30 | 2023-04-18 | Applied Materials Israel Ltd. | Segmentation of an image of a semiconductor specimen |
Family Cites Families (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2004057439A2 (en) * | 2002-05-31 | 2004-07-08 | University Of Utah Research Foundation | System and method for visual annotation and knowledge representation |
US20060115145A1 (en) | 2004-11-30 | 2006-06-01 | Microsoft Corporation | Bayesian conditional random fields |
CN101896939A (zh) | 2007-12-14 | 2010-11-24 | 皇家飞利浦电子股份有限公司 | 标记被分割对象 |
US8577115B2 (en) * | 2008-03-04 | 2013-11-05 | Tomotherapy Incorporated | Method and system for improved image segmentation |
US8131107B2 (en) * | 2008-05-12 | 2012-03-06 | General Electric Company | Method and system for identifying defects in NDT image data |
US8385688B2 (en) * | 2008-08-27 | 2013-02-26 | International Business Machines Corporation | System and method for automatic recognition and labeling of anatomical structures and vessels in medical imaging scans |
US8369585B2 (en) | 2008-10-17 | 2013-02-05 | Siemens Aktiengesellschaft | Automatic classification of information in images |
CN102365061B (zh) | 2009-02-25 | 2015-06-17 | 捷迈有限公司 | 定制矫形植入物和相关方法 |
US20110019889A1 (en) * | 2009-06-17 | 2011-01-27 | David Thomas Gering | System and method of applying anatomically-constrained deformation |
MY148824A (en) | 2009-12-09 | 2013-06-14 | Mimos Berhad | System and method for visualizing and learning of human anatomy |
WO2011093921A1 (en) * | 2010-01-29 | 2011-08-04 | Mayo Foundation For Medical Education And Research | Automated vascular region separation in medical imaging |
US20110188715A1 (en) | 2010-02-01 | 2011-08-04 | Microsoft Corporation | Automatic Identification of Image Features |
US20110245650A1 (en) * | 2010-04-02 | 2011-10-06 | Kerwin William S | Method and System for Plaque Lesion Characterization |
WO2012012768A1 (en) * | 2010-07-23 | 2012-01-26 | Tomotherapy Incorporated | System and method for identifying an anatomical organ in a patient |
EP2620909B1 (en) * | 2012-01-24 | 2014-12-24 | General Electric Company | Method, system and computer readable medium for automatic segmentation of a medical image |
US9122950B2 (en) * | 2013-03-01 | 2015-09-01 | Impac Medical Systems, Inc. | Method and apparatus for learning-enhanced atlas-based auto-segmentation |
-
2013
- 2013-01-28 EP EP13713227.0A patent/EP2810250B1/en active Active
- 2013-01-28 US US14/374,923 patent/US9691156B2/en active Active
- 2013-01-28 JP JP2014555361A patent/JP6357108B2/ja active Active
- 2013-01-28 RU RU2014135411A patent/RU2635177C2/ru active
- 2013-01-28 BR BR112014018598A patent/BR112014018598A8/pt not_active Application Discontinuation
- 2013-01-28 WO PCT/IB2013/050720 patent/WO2013114262A1/en active Application Filing
- 2013-01-28 CN CN201380007676.7A patent/CN104094315B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN104094315B (zh) | 2018-04-24 |
BR112014018598A2 (ja) | 2017-06-20 |
CN104094315A (zh) | 2014-10-08 |
JP2015511140A (ja) | 2015-04-16 |
US20150036900A1 (en) | 2015-02-05 |
BR112014018598A8 (pt) | 2017-07-11 |
US9691156B2 (en) | 2017-06-27 |
WO2013114262A1 (en) | 2013-08-08 |
RU2635177C2 (ru) | 2017-11-09 |
EP2810250B1 (en) | 2019-09-04 |
EP2810250A1 (en) | 2014-12-10 |
RU2014135411A (ru) | 2016-03-27 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP6357108B2 (ja) | 被写体画像ラベリング装置、方法及びプログラム | |
CN109074500B (zh) | 用于分割同一患者的医学图像的系统和方法 | |
US9858667B2 (en) | Scan region determining apparatus | |
JP6636678B2 (ja) | 画像内物体の注釈付けの学習 | |
US10586398B2 (en) | Medical image editing | |
US11132801B2 (en) | Segmentation of three-dimensional images containing anatomic structures | |
US9697600B2 (en) | Multi-modal segmentatin of image data | |
EP2415016B1 (en) | Automated contrast enhancement for contouring | |
KR102537214B1 (ko) | 자기 공명 이미지들에서 정중시상 평면을 결정하기 위한 방법 및 장치 | |
US20180005378A1 (en) | Atlas-Based Determination of Tumor Growth Direction | |
US20230260129A1 (en) | Constrained object correction for a segmented image | |
CN114387380A (zh) | 用于生成3d医学图像数据的基于计算机的可视化的方法 | |
CN118043846A (zh) | 用于深度学习自动分割的基于ai的图集映射切片定位器 | |
US10832423B1 (en) | Optimizing an atlas | |
US20230386647A1 (en) | Medical image processing apparatus, method, and medical system | |
US11972570B2 (en) | Image processing apparatus, image processing method, and image processing program | |
JP2023177185A (ja) | 医用画像処理装置、方法、プログラム及び医用システム | |
CN117670906A (zh) | 一种图像分割方法和系统 | |
CN115997240A (zh) | 生成并显示左心耳的绘制 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20160127 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20161129 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20161130 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20170203 |
|
A02 | Decision of refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A02 Effective date: 20170321 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20170720 |
|
A911 | Transfer to examiner for re-examination before appeal (zenchi) |
Free format text: JAPANESE INTERMEDIATE CODE: A911 Effective date: 20170728 |
|
A912 | Re-examination (zenchi) completed and case transferred to appeal board |
Free format text: JAPANESE INTERMEDIATE CODE: A912 Effective date: 20170901 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20180615 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 6357108 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 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |