JP6623265B2 - 偽陽性低減での小結節検出 - Google Patents
偽陽性低減での小結節検出 Download PDFInfo
- Publication number
- JP6623265B2 JP6623265B2 JP2018165289A JP2018165289A JP6623265B2 JP 6623265 B2 JP6623265 B2 JP 6623265B2 JP 2018165289 A JP2018165289 A JP 2018165289A JP 2018165289 A JP2018165289 A JP 2018165289A JP 6623265 B2 JP6623265 B2 JP 6623265B2
- Authority
- JP
- Japan
- Prior art keywords
- image
- nodule
- false positive
- machine learning
- samples
- 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
- 238000001514 detection method Methods 0.000 title claims description 38
- 238000012549 training Methods 0.000 claims description 86
- 230000009467 reduction Effects 0.000 claims description 77
- 238000005070 sampling Methods 0.000 claims description 44
- 238000010801 machine learning Methods 0.000 claims description 35
- 238000009826 distribution Methods 0.000 claims description 9
- 238000000605 extraction Methods 0.000 claims description 7
- 238000000354 decomposition reaction Methods 0.000 claims description 4
- 238000004590 computer program Methods 0.000 claims description 3
- 230000000007 visual effect Effects 0.000 claims description 2
- 230000003014 reinforcing effect Effects 0.000 claims 1
- 238000000034 method Methods 0.000 description 66
- 230000008569 process Effects 0.000 description 38
- 238000004891 communication Methods 0.000 description 23
- 238000003384 imaging method Methods 0.000 description 17
- 238000012545 processing Methods 0.000 description 16
- 206010056342 Pulmonary mass Diseases 0.000 description 15
- 238000002591 computed tomography Methods 0.000 description 15
- 238000002790 cross-validation Methods 0.000 description 10
- 238000007689 inspection Methods 0.000 description 10
- 210000004072 lung Anatomy 0.000 description 10
- 239000013598 vector Substances 0.000 description 10
- 230000006870 function Effects 0.000 description 9
- 238000000638 solvent extraction Methods 0.000 description 9
- 238000012800 visualization Methods 0.000 description 8
- 238000004422 calculation algorithm Methods 0.000 description 7
- 238000010200 validation analysis Methods 0.000 description 7
- 230000008901 benefit Effects 0.000 description 5
- 238000007781 pre-processing Methods 0.000 description 5
- 238000012360 testing method Methods 0.000 description 5
- 206010058467 Lung neoplasm malignant Diseases 0.000 description 4
- 230000002159 abnormal effect Effects 0.000 description 4
- 238000013459 approach Methods 0.000 description 4
- 238000003066 decision tree Methods 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 4
- 201000005202 lung cancer Diseases 0.000 description 4
- 208000020816 lung neoplasm Diseases 0.000 description 4
- 238000004458 analytical method Methods 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 3
- 238000010276 construction Methods 0.000 description 3
- 239000000835 fiber Substances 0.000 description 3
- 230000006872 improvement Effects 0.000 description 3
- 238000005457 optimization Methods 0.000 description 3
- 238000005192 partition Methods 0.000 description 3
- 230000011218 segmentation Effects 0.000 description 3
- 206010028980 Neoplasm Diseases 0.000 description 2
- 230000003190 augmentative effect Effects 0.000 description 2
- 210000004027 cell Anatomy 0.000 description 2
- 238000013145 classification model Methods 0.000 description 2
- 239000006185 dispersion Substances 0.000 description 2
- 208000037841 lung tumor Diseases 0.000 description 2
- 238000010295 mobile communication Methods 0.000 description 2
- 238000012216 screening Methods 0.000 description 2
- 230000009466 transformation Effects 0.000 description 2
- 238000013519 translation Methods 0.000 description 2
- 238000010420 art technique Methods 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 210000004556 brain Anatomy 0.000 description 1
- 210000000481 breast Anatomy 0.000 description 1
- 201000011510 cancer Diseases 0.000 description 1
- 231100000504 carcinogenesis Toxicity 0.000 description 1
- 230000030833 cell death Effects 0.000 description 1
- 230000032823 cell division Effects 0.000 description 1
- 210000000038 chest Anatomy 0.000 description 1
- 230000000295 complement effect Effects 0.000 description 1
- 238000013434 data augmentation Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 230000034994 death Effects 0.000 description 1
- 238000003745 diagnosis Methods 0.000 description 1
- 238000003708 edge detection Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 238000010191 image analysis Methods 0.000 description 1
- 210000000936 intestine Anatomy 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 210000003734 kidney Anatomy 0.000 description 1
- 210000004185 liver Anatomy 0.000 description 1
- 230000004807 localization Effects 0.000 description 1
- 210000001165 lymph node Anatomy 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 210000000496 pancreas Anatomy 0.000 description 1
- 210000003800 pharynx Anatomy 0.000 description 1
- 230000035479 physiological effects, processes and functions Effects 0.000 description 1
- 238000004393 prognosis Methods 0.000 description 1
- 210000002307 prostate Anatomy 0.000 description 1
- 238000009877 rendering Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 210000002784 stomach Anatomy 0.000 description 1
- 210000001685 thyroid gland Anatomy 0.000 description 1
- 210000001519 tissue Anatomy 0.000 description 1
- 238000012285 ultrasound imaging Methods 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
- 238000007794 visualization technique Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V30/00—Character recognition; Recognising digital ink; Document-oriented image-based pattern recognition
- G06V30/10—Character recognition
- G06V30/19—Recognition using electronic means
- G06V30/191—Design or setup of recognition systems or techniques; Extraction of features in feature space; Clustering techniques; Blind source separation
- G06V30/1916—Validation; Performance evaluation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/217—Validation; Performance evaluation; Active pattern learning techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
- G06F18/2411—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches based on the proximity to a decision surface, e.g. support vector machines
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
- G06F18/2413—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches based on distances to training or reference patterns
- G06F18/24133—Distances to prototypes
- G06F18/24137—Distances to cluster centroïds
- G06F18/2414—Smoothing the distance, e.g. radial basis function networks [RBFN]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
- G06F18/2413—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches based on distances to training or reference patterns
- G06F18/24133—Distances to prototypes
- G06F18/24143—Distances to neighbourhood prototypes, e.g. restricted Coulomb energy networks [RCEN]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
- G06N20/20—Ensemble learning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N5/00—Computing arrangements using knowledge-based models
- G06N5/01—Dynamic search techniques; Heuristics; Dynamic trees; Branch-and-bound
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/44—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V30/00—Character recognition; Recognising digital ink; Document-oriented image-based pattern recognition
- G06V30/10—Character recognition
- G06V30/19—Recognition using electronic means
- G06V30/191—Design or setup of recognition systems or techniques; Extraction of features in feature space; Clustering techniques; Blind source separation
- G06V30/19173—Classification techniques
-
- 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
- G06T2207/30061—Lung
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- Artificial Intelligence (AREA)
- General Engineering & Computer Science (AREA)
- Multimedia (AREA)
- Software Systems (AREA)
- Medical Informatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Evolutionary Biology (AREA)
- Life Sciences & Earth Sciences (AREA)
- Computing Systems (AREA)
- Mathematical Physics (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Radiology & Medical Imaging (AREA)
- Quality & Reliability (AREA)
- Computational Linguistics (AREA)
- Image Analysis (AREA)
- Apparatus For Radiation Diagnosis (AREA)
- Magnetic Resonance Imaging Apparatus (AREA)
Description
Claims (10)
- 1つ以上のプロセッサと、
実行可能な命令を維持する1つ以上の非一時的コンピュータ可読媒体と
を備えるシステムであって、
前記実行可能な命令は、前記1つ以上のプロセッサによって実行された場合、
偽陽性低減機械学習モデルをトレーニングすることと、
小結節の特定を行うための画像を受信することと、
前記画像において小結節の仮検出を行うために、前記画像を小結節検出機械学習モデルに入力することと、
前記画像及び前記小結節検出機械学習モデルで仮検出された小結節位置情報を、前記トレーニングされた偽陽性低減機械学習モデルに対して入力することと、
前記トレーニングされた偽陽性低減機械学習モデルの出力に基づいて、前記画像における少なくとも前記小結節の位置の表示を含む強化画像情報を可視化プログラムに送信することと
を含む操作を行うように、前記1つ以上のプロセッサをプログラムし、
前記偽陽性低減機械学習モデルのトレーニングは、
前記小結節を含む画像サンプルである複数の陽性サンプルと、前記小結節を含まない画像サンプルである複数の陰性サンプルとを含むトレーニングデータセットを生成することと、
前記トレーニングデータセットから特徴を抽出することと、
抽出した前記特徴に基づいて、前記偽陽性低減機械学習モデルのパラメータを調整することと、を含み、
前記特徴の抽出は、
前記トレーニングデータセットに含まれる前記複数の陽性サンプルについて、前記小結節の楕円近似を決定し、前記トレーニングデータセットに含まれる前記複数の陰性サンプルについて、前記小結節に対応する偽陽性対応物の楕円近似を決定することと、
前記決定された各楕円近似から二値化輪郭をそれぞれ決定することと、
前記複数の陽性サンプルについて決定されたすべての前記二値化輪郭について、打ち切り特異値分解を用いた楕円近似空間を決定することと、
前記トレーニングデータセットに含まれる前記複数の陽性サンプル及び前記複数の陰性サンプルについて、前記決定された各二値化輪郭とその前記楕円近似空間上の射影との間の角度である部分空間角度をそれぞれ決定することと、を含み、
決定した前記部分空間角度を前記特徴として用いて、前記偽陽性低減機械学習モデルのパラメータの調整を行う、システム。 - 前記トレーニングデータセットの生成は、入力された画像から前記複数の陰性サンプルを生成する情報告知済みサンプリングを含む、請求項1に記載のシステム。
- 前記情報告知済みサンプリングは、
前記入力された画像において前記複数の陰性サンプルの相対位置をそれぞれ決定することと、
前記決定した各相対位置に基づいて前記入力された画像のボロノイ分割を行うことで複数のボロノイポリゴンを決定することと、
前記複数のボロノイポリゴンのそれぞれの容量に基づいてサンプリング頻度を決定し、前記決定したサンプリング頻度に基づいて前記複数の陰性サンプルを生成することと、を含む、請求項2に記載のシステム。 - 前記サンプリング頻度の決定は、
前記複数のボロノイポリゴンの前記それぞれの容量に基づいて、前記それぞれの容量の異なる範囲に対応する複数のビンを含むヒストグラムを決定することと、
前記決定したヒストグラムの個々のビンについて、当該個々のビンの高さに反比例するように前記サンプリング頻度を決定することと、を含む、請求項3に記載のシステム。 - 前記トレーニングデータセットの生成は、選択された画像を拡張して前記複数の陽性サンプルを生成するデータ拡張を含む、請求項1に記載のシステム。
- 前記データ拡張は、
水平及び/又は垂直方向に沿って前記選択された画像を並進移動させることと、
前記水平及び/又は垂直方向に沿って前記選択された画像を反転させることと、
前記選択された画像をズームかつ/又はクロップすることと、
前記選択された画像を、ある角度まで回転することと、
前記選択された画像のボクセル強度を、ある因数でサイズ変更することと、
のうちの少なくとも1つを含む、請求項5に記載のシステム。 - 前記偽陽性低減機械学習モデルは、
グレースケール分布特徴と、
幾何学的特徴と、
配向勾配のヒストグラムの特徴と、
ヘッセ行列に基づく特徴と、又は
ローカルバイナリーパターン特徴と
を含む少なくとも1つの追加特徴を含む、請求項1に記載のシステム。 - 前記操作は、
ユーザ装置上で提示されるユーザインターフェースを介して、前記小結節の特定を行うための前記画像を受信することと、
少なくとも部分的に、前記ユーザ装置をして、前記小結節の前記位置の視覚表示を提供するために前記ユーザインターフェース上で前記強化画像情報を提示させるように、前記ユーザ装置に対して前記強化画像情報を送信することと
をさらに含む、請求項1に記載のシステム。 - 1つ以上のプロセッサによって、偽陽性低減機械学習モデルをトレーニングすることと、
前記1つ以上のプロセッサによって、小結節の特定を行うために画像を受信することと、
前記1つ以上のプロセッサによって、前記画像において小結節の仮検出を行うために、前記画像を小結節検出機械学習モデルに入力することと、
前記1つ以上のプロセッサによって、前記画像及び前記小結節検出機械学習モデルで仮検出された小結節位置情報を、前記トレーニングされた偽陽性低減機械学習モデルに入力することと、
前記1つ以上のプロセッサによって、前記トレーニングされた偽陽性低減機械学習モデルの出力に基づいて、前記画像における少なくとも前記小結節の位置の表示を含む強化画像情報を、前記画像に関連付けることと、を含み、
前記偽陽性低減機械学習モデルのトレーニングは、
前記1つ以上のプロセッサによって、前記小結節を含む画像サンプルである複数の陽性サンプルと、前記小結節を含まない画像サンプルである複数の陰性サンプルとを含むトレーニングデータセットを生成することと、
前記1つ以上のプロセッサによって、前記トレーニングデータセットから特徴を抽出することと、
前記1つ以上のプロセッサによって、抽出した前記特徴に基づいて、前記偽陽性低減機械学習モデルのパラメータを調整することと、を含み、
前記特徴の抽出は、
前記1つ以上のプロセッサによって、前記トレーニングデータセットに含まれる前記複数の陽性サンプルについて、前記小結節の楕円近似を決定し、前記トレーニングデータセットに含まれる前記複数の陰性サンプルについて、前記小結節に対応する偽陽性対応物の楕円近似を決定することと、
前記1つ以上のプロセッサによって、前記決定された各楕円近似から二値化輪郭をそれぞれ決定することと、
前記1つ以上のプロセッサによって、前記複数の陽性サンプルについて決定されたすべての前記二値化輪郭について、打ち切り特異値分解を用いた楕円近似空間を決定することと、
前記1つ以上のプロセッサによって、前記トレーニングデータセットに含まれる前記複数の陽性サンプル及び前記複数の陰性サンプルについて、前記決定された各二値化輪郭とその前記楕円近似空間上の射影との間の角度である部分空間角度をそれぞれ決定することと、を含み、
前記1つ以上のプロセッサによって、決定した前記部分空間角度を前記特徴として用いて、前記偽陽性低減機械学習モデルのパラメータの調整を行う、方法。 - 偽陽性低減機械学習モデルをトレーニングすることと、
小結節の特定を行うための画像を受信することと、
前記画像において小結節の仮検出を行うために、前記画像を小結節検出機械学習モデルに入力することと、
前記画像及び前記小結節検出機械学習モデルで仮検出された小結節位置情報を、前記トレーニングされた偽陽性低減機械学習モデルに入力することと、
前記トレーニングされた偽陽性低減機械学習モデルの出力に基づいて、前記画像における少なくとも前記小結節の位置の表示を含む強化画像情報を、前記画像に関連付けることと、をコンピュータに実行させ、
前記偽陽性低減機械学習モデルのトレーニングは、
前記コンピュータに、前記小結節を含む画像サンプルである複数の陽性サンプルと、前記小結節を含まない画像サンプルである複数の陰性サンプルとを含むトレーニングデータセットを生成させることと、
前記コンピュータに、前記トレーニングデータセットから特徴を抽出させることと、
前記コンピュータに、抽出した前記特徴に基づいて、前記偽陽性低減機械学習モデルのパラメータを調整させることと、を含み、
前記特徴の抽出は、
前記コンピュータに、前記トレーニングデータセットに含まれる前記複数の陽性サンプルについて、前記小結節の楕円近似を決定させ、前記トレーニングデータセットに含まれる前記複数の陰性サンプルについて、前記小結節に対応する偽陽性対応物の楕円近似を決定させることと、
前記コンピュータに、前記決定された各楕円近似から二値化輪郭をそれぞれ決定させることと、
前記コンピュータに、前記複数の陽性サンプルについて決定されたすべての前記二値化輪郭について、打ち切り特異値分解を用いた楕円近似空間を決定させることと、
前記コンピュータに、前記トレーニングデータセットに含まれる前記複数の陽性サンプル及び前記複数の陰性サンプルについて、前記決定された各二値化輪郭とその前記楕円近似空間上の射影との間の角度である部分空間角度をそれぞれ決定させることと、を含み、
前記コンピュータに、決定した前記部分空間角度を前記特徴として用いて、前記偽陽性低減機械学習モデルのパラメータの調整を行わせる、コンピュータプログラム。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US15/794,369 | 2017-10-26 | ||
US15/794,369 US10346728B2 (en) | 2017-10-26 | 2017-10-26 | Nodule detection with false positive reduction |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2019076699A JP2019076699A (ja) | 2019-05-23 |
JP6623265B2 true JP6623265B2 (ja) | 2019-12-18 |
Family
ID=66245526
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2018165289A Active JP6623265B2 (ja) | 2017-10-26 | 2018-09-04 | 偽陽性低減での小結節検出 |
Country Status (2)
Country | Link |
---|---|
US (1) | US10346728B2 (ja) |
JP (1) | JP6623265B2 (ja) |
Families Citing this family (17)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
GB2549073B (en) | 2016-03-24 | 2020-02-26 | Imagination Tech Ltd | Generating sparse sample histograms |
EP3642743B1 (en) | 2017-06-19 | 2021-11-17 | Viz.ai, Inc. | A method and system for computer-aided triage |
AU2019212641B2 (en) * | 2018-01-26 | 2023-02-16 | Aerovironment, Inc. | Voronoi cropping of images for post field generation |
US11042988B2 (en) * | 2018-06-28 | 2021-06-22 | National Technology & Engineering Solutions Of Sandia, Llc | Boundary detection evaluation |
US12073559B2 (en) * | 2018-10-04 | 2024-08-27 | Duke University | Methods for automated detection of cervical pre-cancers with a low-cost, point-of-care, pocket colposcope |
US11995854B2 (en) * | 2018-12-19 | 2024-05-28 | Nvidia Corporation | Mesh reconstruction using data-driven priors |
EP3991134A4 (en) * | 2019-06-27 | 2023-07-05 | Viz.ai, Inc. | METHOD AND SYSTEM FOR COMPUTER-ASSISTED TRIAGE IN STROKE |
JP2021007512A (ja) * | 2019-06-28 | 2021-01-28 | キヤノンメディカルシステムズ株式会社 | 超音波診断装置及び解析装置 |
CN110400295A (zh) * | 2019-07-19 | 2019-11-01 | 杭州依图医疗技术有限公司 | 一种肺结节相对位置确定的方法及装置 |
JP7497145B2 (ja) * | 2019-08-30 | 2024-06-10 | キヤノン株式会社 | 機械学習装置、機械学習方法及びプログラム、情報処理装置、放射線撮影システム |
JP7315809B2 (ja) * | 2019-10-08 | 2023-07-27 | 公立大学法人会津大学 | 大腸内視鏡検査補助装置、大腸内視鏡検査補助方法及び大腸内視鏡検査補助プログラム |
JP7471072B2 (ja) * | 2019-11-20 | 2024-04-19 | 株式会社日立製作所 | 情報処理装置、および、情報処理方法 |
US11684333B2 (en) * | 2020-01-03 | 2023-06-27 | National Taiwan University | Medical image analyzing system and method thereof |
US11113577B1 (en) * | 2020-02-27 | 2021-09-07 | GE Precision Healthcare LLC | Systems and methods for detecting laterality of a medical image |
US11328400B2 (en) | 2020-07-24 | 2022-05-10 | Viz.ai Inc. | Method and system for computer-aided aneurysm triage |
JPWO2022123907A1 (ja) * | 2020-12-09 | 2022-06-16 | ||
WO2023237074A1 (zh) * | 2022-06-09 | 2023-12-14 | 上海市胸科医院 | 基于超声定位的结节定位方法、装置和电子设备 |
Family Cites Families (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6141437A (en) * | 1995-11-22 | 2000-10-31 | Arch Development Corporation | CAD method, computer and storage medium for automated detection of lung nodules in digital chest images |
AU1606400A (en) * | 1998-11-13 | 2000-06-05 | Arch Development Corporation | System for detection of malignancy in pulmonary nodules |
US6819790B2 (en) | 2002-04-12 | 2004-11-16 | The University Of Chicago | Massive training artificial neural network (MTANN) for detecting abnormalities in medical images |
US7545965B2 (en) | 2003-11-10 | 2009-06-09 | The University Of Chicago | Image modification and detection using massive training artificial neural networks (MTANN) |
JP2005269214A (ja) * | 2004-03-18 | 2005-09-29 | Mitsubishi Space Software Kk | 画像診断支援装置及び画像診断支援方法及び画像診断支援プログラム及び画像診断支援プログラムを記録したコンピュータ読み取り可能な記録媒体 |
WO2006054272A2 (en) * | 2004-11-19 | 2006-05-26 | Koninklijke Philips Electronics, N.V. | A stratification method for overcoming unbalanced case numbers in computer-aided lung nodule false positive reduction |
US7995809B2 (en) * | 2005-04-18 | 2011-08-09 | Siemens Medical Solutions Usa, Inc. | Refined segmentation of nodules for computer assisted diagnosis |
US20070019548A1 (en) | 2005-07-22 | 2007-01-25 | Balachander Krishnamurthy | Method and apparatus for data network sampling |
US7756313B2 (en) * | 2005-11-14 | 2010-07-13 | Siemens Medical Solutions Usa, Inc. | System and method for computer aided detection via asymmetric cascade of sparse linear classifiers |
US7764819B2 (en) * | 2006-01-25 | 2010-07-27 | Siemens Medical Solutions Usa, Inc. | System and method for local pulmonary structure classification for computer-aided nodule detection |
GB2463906A (en) | 2008-09-29 | 2010-03-31 | Medicsight Plc | Identification of medical image objects using local dispersion and Hessian matrix parameters |
GB2478329B (en) * | 2010-03-03 | 2015-03-04 | Samsung Electronics Co Ltd | Medical image processing |
US20180172667A1 (en) | 2015-06-17 | 2018-06-21 | Uti Limited Partnership | Systems and methods for predicting cardiotoxicity of molecular parameters of a compound based on machine learning algorithms |
US10004471B2 (en) * | 2015-08-06 | 2018-06-26 | Case Western Reserve University | Decision support for disease characterization and treatment response with disease and peri-disease radiomics |
CN108022238B (zh) * | 2017-08-09 | 2020-07-03 | 深圳科亚医疗科技有限公司 | 对3d图像中对象进行检测的方法、计算机存储介质和系统 |
-
2017
- 2017-10-26 US US15/794,369 patent/US10346728B2/en active Active
-
2018
- 2018-09-04 JP JP2018165289A patent/JP6623265B2/ja active Active
Also Published As
Publication number | Publication date |
---|---|
JP2019076699A (ja) | 2019-05-23 |
US10346728B2 (en) | 2019-07-09 |
US20190130228A1 (en) | 2019-05-02 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP6623265B2 (ja) | 偽陽性低減での小結節検出 | |
US10769791B2 (en) | Systems and methods for cross-modality image segmentation | |
US11783936B2 (en) | Computer-aided diagnostics using deep neural networks | |
US9959615B2 (en) | System and method for automatic pulmonary embolism detection | |
CN109003267B (zh) | 从3d图像自动检测目标对象的计算机实现方法和系统 | |
RU2699499C2 (ru) | Системы и способы сегментации медицинских изображений на основании признаков, основанных на анатомических ориентирах | |
CN106570505B (zh) | 对组织病理图像进行分析的方法和系统 | |
EP3462373A1 (en) | Automated classification and taxonomy of 3d teeth data using deep learning methods | |
US9218542B2 (en) | Localization of anatomical structures using learning-based regression and efficient searching or deformation strategy | |
US20230177678A1 (en) | Method and system for domain knowledge augmented multi-head attention based robust universal lesion detection | |
US9576356B2 (en) | Region clustering forest for analyzing medical imaging data | |
US8867802B2 (en) | Automatic organ localization | |
US9299145B2 (en) | Image segmentation techniques | |
JP7346553B2 (ja) | 深層学習を使用する3dデータセット内のオブジェクトの成長率の決定 | |
KR102160390B1 (ko) | 인공지능 기반의 사용자 의료정보 분석 방법 및 시스템 | |
Gao et al. | Joint disc and cup segmentation based on recurrent fully convolutional network | |
CA3170780A1 (en) | System and methods for mammalian transfer learning | |
Ma et al. | Combining population and patient-specific characteristics for prostate segmentation on 3D CT images | |
Kumar et al. | Lung nodule segmentation using 3-dimensional convolutional neural networks | |
CN111798424A (zh) | 一种基于医学图像的结节检测方法、装置及电子设备 | |
Chen et al. | Functional region annotation of liver CT image based on vascular tree | |
Cerrolaza et al. | Fetal skull segmentation in 3D ultrasound via structured geodesic random forest | |
US11416994B2 (en) | Method and system for detecting chest x-ray thoracic diseases utilizing multi-view multi-scale learning | |
GB2457022A (en) | Creating a fuzzy inference model for medical image analysis | |
CN117711576A (zh) | 用于提供医学报告的模板数据结构的方法和系统 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20180904 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20190830 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20190917 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20191030 |
|
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: 20191119 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20191125 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 6623265 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |