RU2012105930A - Построение анатомической модели для обозначения границ представляющей интерес опухолевой области - Google Patents
Построение анатомической модели для обозначения границ представляющей интерес опухолевой области Download PDFInfo
- Publication number
- RU2012105930A RU2012105930A RU2012105930/14A RU2012105930A RU2012105930A RU 2012105930 A RU2012105930 A RU 2012105930A RU 2012105930/14 A RU2012105930/14 A RU 2012105930/14A RU 2012105930 A RU2012105930 A RU 2012105930A RU 2012105930 A RU2012105930 A RU 2012105930A
- Authority
- RU
- Russia
- Prior art keywords
- areas
- anatomical
- image
- high accumulation
- detection system
- Prior art date
Links
- 206010028980 Neoplasm Diseases 0.000 title claims 2
- 238000010276 construction Methods 0.000 title 1
- 238000009825 accumulation Methods 0.000 claims abstract 26
- 238000001514 detection method Methods 0.000 claims abstract 16
- 210000003484 anatomy Anatomy 0.000 claims abstract 14
- 230000002285 radioactive effect Effects 0.000 claims abstract 8
- 230000036285 pathological change Effects 0.000 claims abstract 6
- 231100000915 pathological change Toxicity 0.000 claims abstract 6
- 230000011218 segmentation Effects 0.000 claims abstract 5
- 230000002159 abnormal effect Effects 0.000 claims abstract 2
- 230000002503 metabolic effect Effects 0.000 claims 6
- 238000000034 method Methods 0.000 claims 5
- 230000000694 effects Effects 0.000 claims 3
- 238000002059 diagnostic imaging Methods 0.000 claims 2
- 102000004190 Enzymes Human genes 0.000 claims 1
- 108090000790 Enzymes Proteins 0.000 claims 1
- 230000002238 attenuated effect Effects 0.000 claims 1
- 230000002414 glycolytic effect Effects 0.000 claims 1
- 210000004185 liver Anatomy 0.000 claims 1
- 238000002600 positron emission tomography Methods 0.000 claims 1
- 238000012800 visualization Methods 0.000 claims 1
- 239000000700 radioactive tracer Substances 0.000 abstract 1
- 230000003313 weakening effect Effects 0.000 abstract 1
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
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
- A61B6/02—Arrangements for diagnosis sequentially in different planes; Stereoscopic radiation diagnosis
- A61B6/03—Computed tomography [CT]
- A61B6/037—Emission tomography
-
- 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
- G06T2207/10072—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
- G06T2207/20212—Image combination
- G06T2207/20221—Image fusion; Image merging
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Medical Informatics (AREA)
- Radiology & Medical Imaging (AREA)
- General Health & Medical Sciences (AREA)
- Physics & Mathematics (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Heart & Thoracic Surgery (AREA)
- Public Health (AREA)
- Optics & Photonics (AREA)
- Biomedical Technology (AREA)
- High Energy & Nuclear Physics (AREA)
- Molecular Biology (AREA)
- Surgery (AREA)
- Animal Behavior & Ethology (AREA)
- Biophysics (AREA)
- Pathology (AREA)
- Veterinary Medicine (AREA)
- Quality & Reliability (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Nuclear Medicine (AREA)
- Apparatus For Radiation Diagnosis (AREA)
- Magnetic Resonance Imaging Apparatus (AREA)
- Measuring And Recording Apparatus For Diagnosis (AREA)
Abstract
1. Система (70) обнаружения очагов, содержащая:блок (76) сегментации, который сегментирует анатомическое первое представляемое изображение (72) на области, соответствующие анатомическим структурам объекта исследования;блок (90) обнаружения очагов, который обнаруживает области высокого накопления радиоактивного индикатора по функциональному второму представляемому изображению (74);блок (101) классификации, который классифицирует области высокого накопления радиоактивного индикатора в соответствии с их положением относительно анатомических структур, сегментированных по анатомическому первому представляемому изображению;блок (102) ослабления, который ослабляет области высокого накопления радиоактивного индикатора на функциональном втором представляемом изображении на основании результатов блока классификации; иблок (106) идентификации, который идентифицирует неослабленные области высокого накопления как одно из возможного патологического изменения и отсутствия возможного патологического изменения.2. Система (70) обнаружения очагов по п.1, в которой блок (76) сегментации идентифицирует и сегментирует анатомическую структуру на основании априорной информации в соответствии с по меньшей мере одним из формы, размера и геометрического местоположения анатомической структуры.3. Система (70) обнаружения очагов по любому из пп.1 или 2, дополнительно содержащая:блок (100) определения накопления, который исследует сегментированные области первого представляемого изображения на по меньшей мере одно из однородности и накопления, чтобы идентифицировать нормальные и аномальные области.4. Система (70) обнаружения очагов по п.3
Claims (15)
1. Система (70) обнаружения очагов, содержащая:
блок (76) сегментации, который сегментирует анатомическое первое представляемое изображение (72) на области, соответствующие анатомическим структурам объекта исследования;
блок (90) обнаружения очагов, который обнаруживает области высокого накопления радиоактивного индикатора по функциональному второму представляемому изображению (74);
блок (101) классификации, который классифицирует области высокого накопления радиоактивного индикатора в соответствии с их положением относительно анатомических структур, сегментированных по анатомическому первому представляемому изображению;
блок (102) ослабления, который ослабляет области высокого накопления радиоактивного индикатора на функциональном втором представляемом изображении на основании результатов блока классификации; и
блок (106) идентификации, который идентифицирует неослабленные области высокого накопления как одно из возможного патологического изменения и отсутствия возможного патологического изменения.
2. Система (70) обнаружения очагов по п.1, в которой блок (76) сегментации идентифицирует и сегментирует анатомическую структуру на основании априорной информации в соответствии с по меньшей мере одним из формы, размера и геометрического местоположения анатомической структуры.
3. Система (70) обнаружения очагов по любому из пп.1 или 2, дополнительно содержащая:
блок (100) определения накопления, который исследует сегментированные области первого представляемого изображения на по меньшей мере одно из однородности и накопления, чтобы идентифицировать нормальные и аномальные области.
4. Система (70) обнаружения очагов по п.3, в которой блок (102) ослабления ослабляет области функционального представляемого изображения (74), которые соответствуют анатомическим структурам, идентифицированным как нормальные.
5. Система (70) обнаружения очагов по п.1 или 2, дополнительно содержащая:
блок (108) определения симметрии, который определяет симметричные пары областей высокого накопления функционального представляемого изображения (74), которые соответствуют парным анатомическим структурам; и
блок (110) определения активности, который сравнивает метаболическую активность в найденных симметричных парах областей высокого накопления, чтобы идентифицировать асимметрию метаболической активности.
6. Система (70) обнаружения очагов по п.1 или 2, дополнительно содержащая:
блок (116) определения номинальной активности, который определяет систему показателей для неослабленных областей высокой интенсивности на основании любого показателя из суммарной опухолевой нагрузки, суммарного объема гликолитического фермента и стандартизованного значения накопления.
7. Система (70) обнаружения очагов по п.6, в которой блок (116) определения номинальной активности определяет номинальную метаболическую активность в выбранной сегментированной области.
8. Система (70) обнаружения очагов по п.7, в которой выбранная сегментированная область соответствует печени.
9. Система (70) обнаружения очагов по п.1 или 2, дополнительно содержащая:
рабочую станцию (62), которая оконтуривает обнаруженные области высокого накопления цветным накладным элементом и отображает обнаруженные области высокого накопления на дисплейном устройстве (64).
10. Система (10) диагностической визуализации, содержащая:
сканер (12) анатомического изображения, выполненный с возможностью формирования анатомического первого представляемого изображения;
сканер (40) для визуализации методом позитронной эмиссионной томографии (ПЭТ), выполненный с возможностью формирования функционального второго представляемого изображения; и
систему (70) обнаружения очагов по п.1 или 2.
11. Способ диагностической визуализации, содержащий следующие этапы, на которых:
сегментируют анатомическое первое представляемое изображение (72) на области, соответствующие анатомическим структурам;
обнаруживают по функциональному второму представляемому изображению (74) множество областей высокого накопления радиоактивного индикатора;
классифицируют области высокого накопления радиоактивного индикатора в соответствии с их положением относительно анатомических структур, сегментированных по анатомическому первому представляемому изображению;
ослабляют области высокого накопления на функциональном втором представляемом изображении на основании классификации областей высокого накопления радиоактивного индикатора; и
идентифицируют неослабленные области высокого накопления как одно из возможного патологического изменения и отсутствия возможного патологического изменения.
12. Способ по п.11, дополнительно содержащий следующие этапы, на которых:
определяют симметричные пары областей высокого накопления второго представляемого изображения, которые соответствуют парным анатомическим структурам, на основании анатомической информации; и
сравнивают метаболическую активность в найденных симметричных парах областей высокого накопления, чтобы идентифицировать асимметрию метаболической активности.
13. Способ по любому из пп.11 или 12, дополнительно содержащий следующий этап, на котором:
нормируют уровни метаболической активности неослабленных областей высокого накопления по номинальной интенсивности в выбранной сегментированной области.
14. Способ по любому из пп.11 или 12, в котором этап сегментации анатомической структуры основан на априорной информации, соответствующей по меньшей мере одному из формы, размера и геометрического местоположения анатомической структуры.
15. Способ по любому из пп.11 или 12, в котором отображают неослабленные области высокого накопления.
Applications Claiming Priority (3)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| US22693909P | 2009-07-20 | 2009-07-20 | |
| US61/226,939 | 2009-07-20 | ||
| PCT/IB2010/052689 WO2011010231A1 (en) | 2009-07-20 | 2010-06-15 | Anatomy modeling for tumor region of interest defiinition |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| RU2012105930A true RU2012105930A (ru) | 2013-08-27 |
| RU2544479C2 RU2544479C2 (ru) | 2015-03-20 |
Family
ID=42697167
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| RU2012105930/14A RU2544479C2 (ru) | 2009-07-20 | 2010-06-15 | Построение анатомической модели для обозначения границ представляющей интерес опухолевой области |
Country Status (5)
| Country | Link |
|---|---|
| EP (1) | EP2457216B1 (ru) |
| JP (1) | JP5613235B2 (ru) |
| CN (1) | CN102473302B (ru) |
| RU (1) | RU2544479C2 (ru) |
| WO (1) | WO2011010231A1 (ru) |
Families Citing this family (23)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US9123101B2 (en) * | 2011-01-05 | 2015-09-01 | Koninklijke Philips N.V. | Automatic quantification of asymmetry |
| CN103298406B (zh) * | 2011-01-06 | 2017-06-09 | 美国医软科技公司 | 用于在功能和解剖级对器官疾病进行治疗规划的系统和方法 |
| JP6026089B2 (ja) * | 2011-08-23 | 2016-11-16 | 東芝メディカルシステムズ株式会社 | 医用画像診断装置、画像情報表示装置及び制御プログラム |
| GB201117808D0 (en) | 2011-10-14 | 2011-11-30 | Siemens Medical Solutions | SUV correction following dose infiltration |
| EP2814395B1 (en) * | 2012-02-16 | 2017-08-23 | Koninklijke Philips N.V. | Spatially corrected nuclear image reconstruction |
| US8897532B2 (en) * | 2012-07-11 | 2014-11-25 | General Electric Company | Systems and methods for performing image type recognition |
| JP6548393B2 (ja) * | 2014-04-10 | 2019-07-24 | キヤノンメディカルシステムズ株式会社 | 医用画像表示装置および医用画像表示システム |
| JP6501796B2 (ja) * | 2014-05-14 | 2019-04-17 | コーニンクレッカ フィリップス エヌ ヴェＫｏｎｉｎｋｌｉｊｋｅ Ｐｈｉｌｉｐｓ Ｎ．Ｖ． | 超音波画像のモデル・ベースのセグメンテーションのための取得方位依存特徴 |
| US9633482B2 (en) * | 2014-08-12 | 2017-04-25 | Toshiba Medical Systems Corporation | Apparatus and method for restricting image data visualization |
| WO2018048507A1 (en) * | 2016-09-06 | 2018-03-15 | Han Xiao | Neural network for generating synthetic medical images |
| EP3549100B1 (en) * | 2016-11-29 | 2021-03-03 | Koninklijke Philips N.V. | Heart segmentation methodology for cardiac motion correction |
| CN107067464A (zh) * | 2017-04-07 | 2017-08-18 | 河南大学淮河医院 | 一种核医学成像方法及核医学成像装置 |
| US10643576B2 (en) * | 2017-12-15 | 2020-05-05 | Samsung Display Co., Ltd. | System and method for white spot Mura detection with improved preprocessing |
| WO2019128660A1 (zh) * | 2017-12-29 | 2019-07-04 | 清华大学 | 训练神经网络的方法和设备、图像处理方法和设备以及存储介质 |
| JP7203852B2 (ja) * | 2018-01-03 | 2023-01-13 | コーニンクレッカ フィリップス エヌ ヴェ | 深層学習を使用した低線量ｐｅｔイメージングからの全線量ｐｅｔ画像の推定 |
| CN108280835A (zh) * | 2018-01-23 | 2018-07-13 | 研靖信息科技（上海）有限公司 | 一种基于显像剂浓度确定病灶性质的方法与设备 |
| JP7270917B2 (ja) * | 2018-03-20 | 2023-05-11 | Ｐｄｒファーマ株式会社 | コンピュータプログラム、及び画像処理装置 |
| JP7359851B2 (ja) * | 2018-11-13 | 2023-10-11 | コーニンクレッカ フィリップス エヌ ヴェ | 陽電子放出断層撮影（ｐｅｔ）のための人工知能（ａｉ）ベースの標準取込み値（ｓｕｖ）補正及び変動評価 |
| US11234893B2 (en) * | 2019-02-27 | 2022-02-01 | Steven A. Shubin, Sr. | Method and system of creating a replica of an anatomical structure |
| CN113349809A (zh) * | 2020-03-05 | 2021-09-07 | 高健 | 一种多模态成像系统图像重建方法 |
| CN114533102B (zh) * | 2022-01-28 | 2022-10-25 | 深圳先进技术研究院 | 一种使用全身suv图像调查个体水平的全身代谢异常的方法 |
| CN114581397A (zh) * | 2022-02-28 | 2022-06-03 | 广州医科大学附属肿瘤医院 | 造血活性骨髓识别方法、系统、装置及存储介质 |
| EP4330971A1 (en) * | 2022-06-24 | 2024-03-06 | Shanghai United Imaging Healthcare Co., Ltd. | Systems and methods for image processing |
Family Cites Families (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US5694933A (en) * | 1995-04-28 | 1997-12-09 | Care Wise Medical Products Corporation | Apparatus and methods for determining spatial coordinates of radiolabelled tissue using gamma-rays and associated characteristic X-rays |
| RU2190959C2 (ru) * | 2000-05-10 | 2002-10-20 | Научный центр реконструктивной и восстановительной хирургии Восточно-Сибирского научного центра СО РАМН | Способ диагностики очаговых поражений селезенки |
| US7006677B2 (en) * | 2002-04-15 | 2006-02-28 | General Electric Company | Semi-automatic segmentation algorithm for pet oncology images |
| JP2006346094A (ja) * | 2005-06-15 | 2006-12-28 | Konica Minolta Medical & Graphic Inc | 検出情報の出力方法及び医用画像処理システム |
| EP1901810B1 (en) * | 2005-05-26 | 2010-10-27 | Koninklijke Philips Electronics N.V. | Radio-therapeutic treatment planning incorporating functional imaging information |
| RU2297793C2 (ru) * | 2005-06-07 | 2007-04-27 | Государственное учреждение научно-исследовательский институт онкологии Томского научного центра Сибирского отделения Российской академии медицинских наук | Способ компьютерно-томографической диагностики аномалий развития печени |
| CN101198981A (zh) * | 2005-06-15 | 2008-06-11 | 皇家飞利浦电子股份有限公司 | 用于比较第一和第二图像的基于模型的弹性图像配准方法 |
| US20070081699A1 (en) * | 2005-09-29 | 2007-04-12 | General Electric Company | Systems, methods and apparatus for diagnosis of disease from categorical indices |
| US7876938B2 (en) * | 2005-10-06 | 2011-01-25 | Siemens Medical Solutions Usa, Inc. | System and method for whole body landmark detection, segmentation and change quantification in digital images |
| US8045778B2 (en) | 2006-05-17 | 2011-10-25 | Koninklijke Philips Electronics N.V. | Hot spot detection, segmentation and identification in pet and spect images |
-
2010
- 2010-06-15 EP EP10731582.2A patent/EP2457216B1/en active Active
- 2010-06-15 CN CN201080033147.0A patent/CN102473302B/zh active Active
- 2010-06-15 WO PCT/IB2010/052689 patent/WO2011010231A1/en active Application Filing
- 2010-06-15 JP JP2012521121A patent/JP5613235B2/ja active Active
- 2010-06-15 RU RU2012105930/14A patent/RU2544479C2/ru not_active IP Right Cessation
Also Published As
| Publication number | Publication date |
|---|---|
| RU2544479C2 (ru) | 2015-03-20 |
| JP2012533384A (ja) | 2012-12-27 |
| CN102473302B (zh) | 2015-08-19 |
| EP2457216A1 (en) | 2012-05-30 |
| WO2011010231A1 (en) | 2011-01-27 |
| CN102473302A (zh) | 2012-05-23 |
| JP5613235B2 (ja) | 2014-10-22 |
| EP2457216B1 (en) | 2017-11-08 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| RU2012105930A (ru) | Построение анатомической модели для обозначения границ представляющей интерес опухолевой области | |
| US9159127B2 (en) | Detecting haemorrhagic stroke in CT image data | |
| Hogeweg et al. | Fusion of local and global detection systems to detect tuberculosis in chest radiographs | |
| Karnan et al. | Automatic detection of the breast border and nipple position on digital mammograms using genetic algorithm for asymmetry approach to detection of microcalcifications | |
| US8687867B1 (en) | Computer-aided detection and classification of suspicious masses in breast imagery | |
| US20060159321A1 (en) | Breast image display apparatus and program therefor | |
| Tyan et al. | Ischemic stroke detection system with a computer‐aided diagnostic ability using an unsupervised feature perception enhancement method | |
| JP6764481B2 (ja) | 監視装置 | |
| Maduskar et al. | Automatic detection of pleural effusion in chest radiographs | |
| KR20160020917A (ko) | 컴퓨터 보조 진단 장치 및 방법 | |
| JP2014059875A5 (ru) | ||
| CN103093424A (zh) | 用于从医学成像数据中生成增强图像的方法和装置 | |
| US10824881B2 (en) | Device and method for object recognition of an input image for a vehicle | |
| US11348229B2 (en) | Determining regions of hyperdense lung tissue in an image of a lung | |
| EP4148746A1 (en) | Method and apparatus for providing information associated with immune phenotypes for pathology slide image | |
| US10296810B2 (en) | Apparatus and method for determining lesion similarity of medical image | |
| JP2016525426A5 (ru) | ||
| JP2009025910A (ja) | 障害物検出装置、障害物検出システム及び障害物検出方法 | |
| Ahmed et al. | Traffic sign detection and recognition model using support vector machine and histogram of oriented gradient | |
| JP5955723B2 (ja) | 画像処理装置および画像処理方法、並びに、画像処理プログラム | |
| US20230419492A1 (en) | Method and apparatus for providing information associated with immune phenotypes for pathology slide image | |
| CN107240093B (zh) | 一种癌变细胞的自动诊断方法 | |
| US9659220B2 (en) | Method and apparatus for updating scene model and video surveillance | |
| KR102471937B1 (ko) | X선 영상을 이용한 치아 우식 가능성 판단 방법 | |
| Figueiredo et al. | An automatic blood detection algorithm for wireless capsule endoscopy images |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| MM4A | The patent is invalid due to non-payment of fees |
Effective date: 20160616 |