RU2010120767A - Анализ изображений - Google Patents

Анализ изображений Download PDF

Info

Publication number
RU2010120767A
RU2010120767A RU2010120767/08A RU2010120767A RU2010120767A RU 2010120767 A RU2010120767 A RU 2010120767A RU 2010120767/08 A RU2010120767/08 A RU 2010120767/08A RU 2010120767 A RU2010120767 A RU 2010120767A RU 2010120767 A RU2010120767 A RU 2010120767A
Authority
RU
Russia
Prior art keywords
image
contribution
dispersion
filtered
main components
Prior art date
Application number
RU2010120767/08A
Other languages
English (en)
Inventor
Ян АКСЕЛЬССОН (SE)
Ян АКСЕЛЬССОН
Анна РИНГХЕЙМ (BR)
Анна РИНГХЕЙМ
Original Assignee
Джи-И Хелткер Лимитед (GB)
Джи-И Хелткер Лимитед
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
Application filed by Джи-И Хелткер Лимитед (GB), Джи-И Хелткер Лимитед filed Critical Джи-И Хелткер Лимитед (GB)
Publication of RU2010120767A publication Critical patent/RU2010120767A/ru

Links

Classifications

    • G06T5/94—
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B6/00—Apparatus for radiation diagnosis, e.g. combined with radiation therapy equipment
    • A61B6/02—Devices for diagnosis sequentially in different planes; Stereoscopic radiation diagnosis
    • A61B6/03—Computerised tomographs
    • A61B6/037—Emission tomography
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T11/00—2D [Two Dimensional] image generation
    • G06T11/003—Reconstruction from projections, e.g. tomography
    • G06T11/008—Specific post-processing after tomographic reconstruction, e.g. voxelisation, metal artifact correction
    • G06T5/70—
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2200/00—Indexing scheme for image data processing or generation, in general
    • G06T2200/24—Indexing scheme for image data processing or generation, in general involving graphical user interfaces [GUIs]
    • 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
    • G06T2207/10016—Video; Image sequence
    • 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
    • G06T2207/10104—Positron emission tomography [PET]
    • 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
    • G06T2207/30016—Brain
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2211/00—Image generation
    • G06T2211/40—Computed tomography
    • G06T2211/412—Dynamic

Abstract

1. Способ (200) извлечения малоинтенсивных признаков из набора данных изображения, включающего данные, соответствующие последовательности исходных кадров (502, 504, 506, 508, 510) изображения, включающий: ! определение (202) множества главных компонентов (РС1, РС2, РС3, РС4, РС5, РС6) из набора данных изображения, соответствующего исходным кадрам изображения; ! применение (204) фильтра анализа главных компонентов (РСА) к множеству главных компонентов (РС1, РС2, РС3, РС4, РС5, РС6) для определения фильтрованного набора данных путем отбрасывания по меньшей мере одного главного компонента (PC) из множества главных компонентов (РС1, РС2, РС3, РС4, РС5, РС6) и ! преобразование (206) фильтрованного набора данных для создания множества фильтрованных кадров (402, 404, 406, 408, 410) изображения, имеющих усиленные малоинтенсивные признаки. ! 2. Способ (200) по п.1, в котором по меньшей мере один отбрасываемый главный компонент (РС1, РС2, РС3, РС4, РС5, РС6) является главным компонентом высшего порядка (РС1). ! 3. Способ (200) по п.2, в котором по меньшей мере один отбрасываемый главный компонент высшего порядка (РС1) определяют путем удаления наиболее значимого главного компонента и/или путем динамической установки первого порога вклада в дисперсию и отбрасывания главных компонентов, доля вклада которых в полную дисперсию главных компонентов меньше, чем указанный первый порог вклада в дисперсию. ! 4. Способ (200) по любому из предыдущих пунктов, в котором по меньшей мере один отбрасываемый главный компонент (PC1, РС2, РС3, РС4, РС5, РС6) является главным компонентом младшего порядка (РС6). ! 5. Способ (200) по п.4, в котором по меньшей мере один отбрасываемый главный компонент младшего порядка (Р�

Claims (22)

1. Способ (200) извлечения малоинтенсивных признаков из набора данных изображения, включающего данные, соответствующие последовательности исходных кадров (502, 504, 506, 508, 510) изображения, включающий:
определение (202) множества главных компонентов (РС1, РС2, РС3, РС4, РС5, РС6) из набора данных изображения, соответствующего исходным кадрам изображения;
применение (204) фильтра анализа главных компонентов (РСА) к множеству главных компонентов (РС1, РС2, РС3, РС4, РС5, РС6) для определения фильтрованного набора данных путем отбрасывания по меньшей мере одного главного компонента (PC) из множества главных компонентов (РС1, РС2, РС3, РС4, РС5, РС6) и
преобразование (206) фильтрованного набора данных для создания множества фильтрованных кадров (402, 404, 406, 408, 410) изображения, имеющих усиленные малоинтенсивные признаки.
2. Способ (200) по п.1, в котором по меньшей мере один отбрасываемый главный компонент (РС1, РС2, РС3, РС4, РС5, РС6) является главным компонентом высшего порядка (РС1).
3. Способ (200) по п.2, в котором по меньшей мере один отбрасываемый главный компонент высшего порядка (РС1) определяют путем удаления наиболее значимого главного компонента и/или путем динамической установки первого порога вклада в дисперсию и отбрасывания главных компонентов, доля вклада которых в полную дисперсию главных компонентов меньше, чем указанный первый порог вклада в дисперсию.
4. Способ (200) по любому из предыдущих пунктов, в котором по меньшей мере один отбрасываемый главный компонент (PC1, РС2, РС3, РС4, РС5, РС6) является главным компонентом младшего порядка (РС6).
5. Способ (200) по п.4, в котором по меньшей мере один отбрасываемый главный компонент младшего порядка (РС6) определяют путем динамической установки второго порога вклада в дисперсию и отбрасывания главных компонентов, доля вклада которых в полную дисперсию главных компонентов меньше, чем указанный второй порог вклада в дисперсию, и/или путем использования графика типа "осыпь" для определения значения, при котором вклад в дисперсию главных компонентов снижается до шумового порога, и отбрасывания тех компонентов, которые лежат ниже шумового порога.
6. Способ (200) по любому из пп.1-3, в котором по меньшей мере один отбрасываемый главный компонент (РС1, РС2, РС3, РС4, РС5, РС6) определяют путем динамической установки одного или более отбрасываемых главных компонентов и/или путем анализа одного или более остатков из одного или более фильтрованных кадров (402, 404, 406, 408, 410) изображения.
7. Способ (200) по любому из пп.1-3, дополнительно включающий фильтрацию фоновых пикселов из набора данных изображения перед определением (202) множества главных компонентов (РС1, РС2, РС3, РС4, РС5, РС6) из набора данных изображения.
8. Способ (200) по любому из пп.1-3, в котором данные изображения включают данные, полученные путем позитронно-эмиссионной томографии (PET).
9. Способ (200) по любому из пп.1-3, в котором исходные кадры (502, 504, 506, 508, 510) изображения включают необработанные данные, которые фильтруют перед определением (202) множества главных компонентов (РС1, РС2, РС3, РС4, РС5, РС6) из набора необработанных данных, при этом фильтрованные необработанные данные затем восстанавливают с формированием фильтрованного набора данных изображения.
10. Компьютерной программный продукт (144), содержащий компьютерный код для конфигурирования устройства (120) обработки данных для выполнения одного или более шагов (202, 204, 206) способа (200) по любому из предыдущих пунктов.
11. Компьютерной программный продукт (144) по п.10, дополнительно предоставляющий пользователю графический интерфейс (123) пользователя.
12. Компьютерной программный продукт (144) по п.11, в котором графический интерфейс (123) пользователя включает секцию (602) управления фильтром, предназначенную для установки одного или более из первого порога вклада в дисперсию и второго порога вклада в дисперсию.
13. Компьютерной программный продукт (144) по п.12, в котором секция (602) управления фильтром включает один или более бегунков (604, 606), каждый из которых обеспечивает установку соответствующего порога вклада в дисперсию.
14. Система (100) для отображения малоинтенсивных признаков из набора данных изображения, включающего данные, соответствующие последовательности исходных кадров (502, 504, 506, 508, 510) изображения, включающая:
модуль (122) сбора изображений, предназначенный для сбора последовательности исходных кадров (502, 504, 506, 508, 510) изображения;
анализатор (124) изображений, предназначенный для: а) определения множества главных компонентов (РС1, РС2, РС3, РС4, РС5, РС6) из набора данных изображения, соответствующего исходным кадрам (502, 504, 506, 508, 510) изображения, б) применения фильтра анализа главных компонентов (РСА) к множеству главных компонентов (РС1, РС2, РС3, РС4, РС5, РС6) для создания фильтрованного набора данных путем отбрасывания по меньшей мере одного главного компонента из множества главных компонентов (РС1, РС2, РС3, РС4, РС5, РС6) и в) преобразования фильтрованного набора данных для создания множества фильтрованных кадров (402, 404, 406, 408, 410) изображения, имеющих усиленные малоинтенсивные признаки; и
дисплей (130) для отображения фильтрованных кадров (402, 404, 406, 408 410) изображения.
15. Система (100) по п.14, в которой по меньшей мере один указанный главный компонент (РС1, РС2, РС3, РС4, РС5, РС6) является главным компонентом высшего порядка (РС1).
16. Система (100) по п.15, в которой анализатор (124) изображения сконфигурирован для определения по меньшей мере одного отбрасываемого главного компонента высшего порядка (РС1) путем удаления наиболее значимого главного компонента и/или путем динамической установки первого порога вклада в дисперсию и отбрасывания главных компонентов, доля вклада которых в полную дисперсию главных компонентов меньше, чем указанный первый порог вклада в дисперсию.
17. Система (100) по любому из пп.14-16, в которой по меньшей мере один указанный главный компонент (РС1, РС2, РС3, РС4, РС5, РС6) является главным компонентом младшего порядка (РС6).
18. Система (100) по п.17, в которой анализатор (124) изображений сконфигурирован для определения по меньшей мере одного отбрасываемого главного компонента младшего порядка (РС6) путем динамической установки второго порога вклада в дисперсию и отбрасывания главных компонентов, доля вклада которых в полную дисперсию главных компонентов меньше, чем указанный второй порог вклада в дисперсию, и/или путем использования графика типа "осыпь" для определения значения, при котором вклад в дисперсию главных компонентов снижается до шумового порога, и отбрасывания тех компонентов, которые лежат ниже шумового порога.
19. Система (100) по любому из пп.14-16, в которой анализатор (124) изображений дополнительно сконфигурирован для определения отбрасываемого по меньшей мере одного главного компонента (РС1, РС2, РС3, РС4, PCS, PC6) путем динамической установки отбрасываемого одного или более главных компонентов и/или путем анализа одного или более остатков из одного или более фильтрованных кадров (402, 404, 406, 408, 410) изображения.
20. Система (100) по любому из пп.14-16, в которой анализатор (124) изображений дополнительно сконфигурирован для фильтрации фоновых пикселов из набора данных изображения перед определением (202) множества главных компонентов (РС1, РС2, РС3, РС4, РС5, PC6) из набора данных изображения.
21. Система (100) по любому из пп.14-16, в которой анализатор (124) изображений дополнительно сконфигурирован для фильтрации необработанных данных исходных кадров (502, 504, 506, 508, 510) изображения перед определением (202) множества главных компонентов (РС1, РС2, РС3, РС4, РС5, PC6) из набора необработанных данных и для восстановления фильтрованного набора данных изображения из фильтрованных необработанных данных.
22. Система (100) по любому из пп.14-16, дополнительно содержащая сканер (140) для позитронно-эмиссионной томографии (PET), функционально связанный с модулем (122) сбора изображений.
RU2010120767/08A 2007-12-04 2008-12-03 Анализ изображений RU2010120767A (ru)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
US99215507P 2007-12-04 2007-12-04
US60/992,155 2007-12-04

Publications (1)

Publication Number Publication Date
RU2010120767A true RU2010120767A (ru) 2012-01-10

Family

ID=40263611

Family Applications (1)

Application Number Title Priority Date Filing Date
RU2010120767/08A RU2010120767A (ru) 2007-12-04 2008-12-03 Анализ изображений

Country Status (11)

Country Link
US (1) US20100260402A1 (ru)
EP (1) EP2238571B1 (ru)
JP (1) JP2011509697A (ru)
KR (1) KR20100105576A (ru)
CN (1) CN101884054B (ru)
AU (1) AU2008333936A1 (ru)
BR (1) BRPI0820949A2 (ru)
CA (1) CA2705099A1 (ru)
MX (1) MX2010005929A (ru)
RU (1) RU2010120767A (ru)
WO (1) WO2009073672A1 (ru)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
RU2620862C2 (ru) * 2012-05-21 2017-05-30 Конинклейке Филипс Н.В. Быстрая оценка рассеяния при реконструкции посредством позитронно-эмиссионной томографии

Families Citing this family (24)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8391944B2 (en) * 2009-01-15 2013-03-05 Medtronic, Inc. Implantable medical device with adaptive signal processing and artifact cancellation
BRPI1006398A2 (pt) * 2009-03-19 2019-09-24 Koninl Philips Electronics Nv método e sistema
KR101566353B1 (ko) * 2009-06-02 2015-11-05 엘지전자 주식회사 이동 단말기 및 이동 단말기의 정보 표시 방법
US8600132B2 (en) * 2011-05-03 2013-12-03 General Electric Company Method and apparatus for motion correcting medical images
US10072800B1 (en) * 2011-10-17 2018-09-11 Redzone Robotics, Inc. Graphically representing a condition of infrastructure
JP2014016746A (ja) * 2012-07-06 2014-01-30 Sony Computer Entertainment Inc 画像処理装置および画像処理方法
JP6502858B2 (ja) * 2013-01-31 2019-04-17 ザ リージェンツ オブ ザ ユニバーシティ オブ カリフォルニア 正常状態及び罹患状態での脳動態を特徴づけるためのシステムおよび方法
US11300646B2 (en) 2014-11-10 2022-04-12 Canon Medical Systems Corporation Magnetic resonance imaging apparatus, image processing apparatus, and image processing method
US9476993B2 (en) * 2015-01-07 2016-10-25 Toshiba Medical Systems Corporation Apparatus and method for computing detector response of a photon-counting detector
US10698065B2 (en) 2015-05-15 2020-06-30 New York University System, method and computer accessible medium for noise estimation, noise removal and Gibbs ringing removal
US10610186B2 (en) 2015-08-27 2020-04-07 The Regents Of The University Of Colorado, A Body Corporate Data driven methods for deriving amplitude-based motion characterizations in PET imaging
US10426421B2 (en) * 2016-01-15 2019-10-01 General Electric Company Methods and systems for processing molecular imaging data based on analysis of a respiratory motion waveform
CN205470051U (zh) * 2016-01-29 2016-08-17 河南金谷实业发展有限公司 自动灌包机撕袋口机构
WO2019060298A1 (en) 2017-09-19 2019-03-28 Neuroenhancement Lab, LLC METHOD AND APPARATUS FOR NEURO-ACTIVATION
CN107657227B (zh) * 2017-09-22 2021-04-30 上海三誉华夏基因科技有限公司 一种基于信号信噪比的主成分降维取值方法
US11717686B2 (en) 2017-12-04 2023-08-08 Neuroenhancement Lab, LLC Method and apparatus for neuroenhancement to facilitate learning and performance
US11478603B2 (en) 2017-12-31 2022-10-25 Neuroenhancement Lab, LLC Method and apparatus for neuroenhancement to enhance emotional response
WO2019176489A1 (ja) 2018-03-13 2019-09-19 パナソニックＩｐマネジメント株式会社 電気反応計測装置、電気反応処理方法及びプログラム
US11364361B2 (en) 2018-04-20 2022-06-21 Neuroenhancement Lab, LLC System and method for inducing sleep by transplanting mental states
US10666954B2 (en) 2018-06-19 2020-05-26 International Business Machines Corporation Audio and video multimedia modification and presentation
WO2020056418A1 (en) 2018-09-14 2020-03-19 Neuroenhancement Lab, LLC System and method of improving sleep
US11918390B2 (en) 2019-12-31 2024-03-05 GE Precision Healthcare LLC Methods and systems for motion detection in positron emission tomography
DE102020206232A1 (de) * 2020-05-18 2021-11-18 Siemens Healthcare Gmbh Computerimplementiertes Verfahren zur Klassifizierung eines Körpertyps
CN113367675A (zh) * 2021-05-21 2021-09-10 天津大学 基于激光散斑成像的血流动态检测方法、系统和介质

Family Cites Families (17)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP3163570B2 (ja) * 1992-05-06 2001-05-08 株式会社日立製作所 核磁気共鳴イメージングにおける動画像の画質改善方法
US6130430A (en) * 1997-02-21 2000-10-10 Picker International, Inc. Septal artifact cancellation in positron emission tomography
WO1998044839A1 (en) * 1997-04-03 1998-10-15 National Research Council Of Canada Method of assessing tissue viability using near-infrared spectroscopy
JP4036614B2 (ja) * 1998-06-16 2008-01-23 ザ・ボード・オブ・リージェンツ・フォー・オクラホマ・ステート・ユニバーシティ パルス化されかつ光学的刺激化されたルミネセンスを用いた異常放射暴露の検出のためのシステム及び方法
JP4281135B2 (ja) * 1998-11-30 2009-06-17 三菱電機株式会社 画質改善方法及び画質改善装置
JP4344038B2 (ja) * 1999-03-29 2009-10-14 浜松ホトニクス株式会社 Ｐｅｔ装置
DE60143115D1 (de) * 2001-09-28 2010-11-04 Csem Ct Suisse Electronique Verfahren und Vorrichtung zur Pulsmessung
JP2003215248A (ja) * 2002-01-18 2003-07-30 Tokyoto Koreisha Kenkyu Fukushi Shinko Zaidan 画像生成方法
JP4421203B2 (ja) * 2003-03-20 2010-02-24 株式会社東芝 管腔状構造体の解析処理装置
GB0326381D0 (en) * 2003-11-12 2003-12-17 Inst Of Cancer Res The A method and means for image processing
US20060020924A1 (en) * 2004-06-15 2006-01-26 K5 Systems Inc. System and method for monitoring performance of groupings of network infrastructure and applications using statistical analysis
JP4795718B2 (ja) * 2005-05-16 2011-10-19 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
JP4561524B2 (ja) * 2005-08-08 2010-10-13 株式会社島津製作所 信号解析装置および信号解析方法
JP2009512097A (ja) * 2005-10-18 2009-03-19 ハネウェル・インターナショナル・インコーポレーテッド 早期イベント検出のためのシステム、方法、およびコンピュータプログラム
US8098906B2 (en) * 2006-10-10 2012-01-17 West Virginia University Research Corp., Wvu Office Of Technology Transfer & Wvu Business Incubator Regional fingerprint liveness detection systems and methods
WO2008047664A1 (fr) * 2006-10-19 2008-04-24 Panasonic Corporation Dispositif de création d'image et procédé de création d'image
US8086029B1 (en) * 2006-12-13 2011-12-27 Adobe Systems Incorporated Automatic image adjustment

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
RU2620862C2 (ru) * 2012-05-21 2017-05-30 Конинклейке Филипс Н.В. Быстрая оценка рассеяния при реконструкции посредством позитронно-эмиссионной томографии

Also Published As

Publication number Publication date
CN101884054B (zh) 2012-11-07
US20100260402A1 (en) 2010-10-14
MX2010005929A (es) 2010-06-15
AU2008333936A1 (en) 2009-06-11
EP2238571B1 (en) 2013-04-17
EP2238571A1 (en) 2010-10-13
JP2011509697A (ja) 2011-03-31
KR20100105576A (ko) 2010-09-29
BRPI0820949A2 (pt) 2015-07-07
CN101884054A (zh) 2010-11-10
WO2009073672A1 (en) 2009-06-11
CA2705099A1 (en) 2009-06-11

Similar Documents

Publication Publication Date Title
RU2010120767A (ru) Анализ изображений
JP2006318103A5 (ru)
US9098767B2 (en) System and method for determining the informative zone of an image
RU2022105685A (ru) Системы и способы применения фильтров деблокирования к восстановленным видеоданным
RU2007145734A (ru) Способ и устройство для обнаружения дыма
JP7362297B2 (ja) 画像処理装置、画像処理方法、及びプログラム
JP2010066987A5 (ru)
WO2012122682A1 (zh) 基于色彩直方图和全局对比度的图像视觉显著性计算方法
Gong et al. A natural-scene gradient distribution prior and its application in light-microscopy image processing
CN101605273B (zh) 一种色饱和度质量测评的方法和子系统
Hadziabdic et al. Comparison of deghosting algorithms for multi-exposure high dynamic range imaging
Georgieva et al. Wavelet transform on multi-GPU for real-time pavement distress detection
US20130155193A1 (en) Image quality evaluation apparatus and method of controlling the same
JP2019028939A (ja) 推定方法及び推定装置
JP2012252691A (ja) 画像からテキスト筆画画像を抽出する方法及び装置
JP6882216B2 (ja) 診断支援システム、診断支援方法、及びプログラム
JP6819445B2 (ja) 情報処理装置、制御方法、及びプログラム
JP4757928B2 (ja) 成人物判断方法及びシステム
CN111743524A (zh) 一种信息处理方法、终端和计算机可读存储介质
JP5881625B2 (ja) 領域分割装置、プログラムおよび方法
KR101214317B1 (ko) 분산 처리 기반의 질병 진단 시스템 및 방법
CN113450276A (zh) 视频图像增强方法及其模型训练方法、相关设备
JP2017164068A (ja) 判定装置、分析装置、算出装置、判定方法、分析方法、算出方法、判定プログラム、分析プログラムおよび算出プログラム
Schotte et al. Image analysis pipeline for segmentation of a biological porosity network, the lacuno-canalicular system in stingray tesserae
KR100758940B1 (ko) 미술 학습 관리 시스템