RU2013108800A - Улучшающий фильтр для конкретного органа для надежной сегментации медицинских изображений - Google Patents

Улучшающий фильтр для конкретного органа для надежной сегментации медицинских изображений Download PDF

Info

Publication number
RU2013108800A
RU2013108800A RU2013108800/08A RU2013108800A RU2013108800A RU 2013108800 A RU2013108800 A RU 2013108800A RU 2013108800/08 A RU2013108800/08 A RU 2013108800/08A RU 2013108800 A RU2013108800 A RU 2013108800A RU 2013108800 A RU2013108800 A RU 2013108800A
Authority
RU
Russia
Prior art keywords
image
target volume
segmented
enhanced
boundary
Prior art date
Application number
RU2013108800/08A
Other languages
English (en)
Other versions
RU2587427C2 (ru
Inventor
Владимир ПЕКАР
Ариш Асиф КВАЗИ
Original Assignee
Конинклейке Филипс Электроникс Н.В.
Юниверсити Хелт Нетворк
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 Конинклейке Филипс Электроникс Н.В., Юниверсити Хелт Нетворк filed Critical Конинклейке Филипс Электроникс Н.В.
Publication of RU2013108800A publication Critical patent/RU2013108800A/ru
Application granted granted Critical
Publication of RU2587427C2 publication Critical patent/RU2587427C2/ru

Links

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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/20—Image preprocessing
    • G06V10/26—Segmentation of patterns in the image field; Cutting or merging of image elements to establish the pattern region, e.g. clustering-based techniques; Detection of occlusion
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R33/00—Arrangements or instruments for measuring magnetic variables
    • G01R33/20—Arrangements or instruments for measuring magnetic variables involving magnetic resonance
    • G01R33/44—Arrangements or instruments for measuring magnetic variables involving magnetic resonance using nuclear magnetic resonance [NMR]
    • G01R33/48—NMR imaging systems
    • G01R33/54—Signal processing systems, e.g. using pulse sequences ; Generation or control of pulse sequences; Operator console
    • G01R33/56—Image enhancement or correction, e.g. subtraction or averaging techniques, e.g. improvement of signal-to-noise ratio and resolution
    • G01R33/5608—Data 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
    • 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
    • G06T7/149—Segmentation; Edge detection involving deformable models, e.g. active contour models
    • 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
    • G06T2207/10—Image acquisition modality
    • G06T2207/10072—Tomographic images
    • G06T2207/10081—Computed x-ray tomography [CT]
    • 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
    • G06T2207/10—Image acquisition modality
    • G06T2207/10072—Tomographic images
    • G06T2207/10108—Single photon emission computed tomography [SPECT]
    • 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
    • G06T2207/10132—Ultrasound image
    • G06T2207/10136—3D ultrasound image
    • 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
    • G06T2207/20081—Training; Learning
    • 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)
  • General Physics & Mathematics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Theoretical Computer Science (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Radiology & Medical Imaging (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Software Systems (AREA)
  • Medical Informatics (AREA)
  • Quality & Reliability (AREA)
  • Artificial Intelligence (AREA)
  • Signal Processing (AREA)
  • High Energy & Nuclear Physics (AREA)
  • Condensed Matter Physics & Semiconductors (AREA)
  • Probability & Statistics with Applications (AREA)
  • Multimedia (AREA)
  • Apparatus For Radiation Diagnosis (AREA)
  • Image Processing (AREA)
  • Image Analysis (AREA)

Abstract

1. Устройство сегментации медицинских изображений, содержащее:запоминающее устройство (16), в котором хранится медицинское контрастное изображение, подлежащее сегментированию;один или более процессоров (30), запрограммированных с возможностью:применять алгоритм предварительной сегментации к контрастному изображению для оценки границы целевого объема и увеличения упомянутой оцененной границы для гарантии включения упомянутого целевого объема в упомянутую увеличенную оцененную границу;обрабатывать по и/или внутри границы предварительно сегментированное таким образом и увеличенное контрастное изображение с помощью улучшающего фильтра, основываясь на массиве признаков, чтобы создать улучшенное изображение, в котором целевой объем отличается от соседней ткани,запоминающее устройство (34) для хранения улучшенного изображения.2. Устройство по п. 1, в котором улучшенное изображение является трехмерным изображением, включающим в себя трехмерную матрицу вокселов, причем значение каждого воксела представляет вероятность, что каждый воксел принадлежит целевому объему.3. Устройство по п. 1, дополнительно включающее в себя:запоминающее устройство (32) улучшающих фильтров для хранения множества улучшающих фильтров, соответствующих каждому из множества потенциальных целевых объемов.4. Устройство по любому из пп. 1-3, дополнительно включающее в себя по меньшей мере одно из следующего:монитор (52), который отображает улучшенное изображение;систему (54) планирования радиотерапии, которая использует улучшенное изображение для создания плана радиотерапии;устройство (10) формирования изображения и процессор (12) реконструк

Claims (10)

1. Устройство сегментации медицинских изображений, содержащее:
запоминающее устройство (16), в котором хранится медицинское контрастное изображение, подлежащее сегментированию;
один или более процессоров (30), запрограммированных с возможностью:
применять алгоритм предварительной сегментации к контрастному изображению для оценки границы целевого объема и увеличения упомянутой оцененной границы для гарантии включения упомянутого целевого объема в упомянутую увеличенную оцененную границу;
обрабатывать по и/или внутри границы предварительно сегментированное таким образом и увеличенное контрастное изображение с помощью улучшающего фильтра, основываясь на массиве признаков, чтобы создать улучшенное изображение, в котором целевой объем отличается от соседней ткани,
запоминающее устройство (34) для хранения улучшенного изображения.
2. Устройство по п. 1, в котором улучшенное изображение является трехмерным изображением, включающим в себя трехмерную матрицу вокселов, причем значение каждого воксела представляет вероятность, что каждый воксел принадлежит целевому объему.
3. Устройство по п. 1, дополнительно включающее в себя:
запоминающее устройство (32) улучшающих фильтров для хранения множества улучшающих фильтров, соответствующих каждому из множества потенциальных целевых объемов.
4. Устройство по любому из пп. 1-3, дополнительно включающее в себя по меньшей мере одно из следующего:
монитор (52), который отображает улучшенное изображение;
систему (54) планирования радиотерапии, которая использует улучшенное изображение для создания плана радиотерапии;
устройство (10) формирования изображения и процессор (12) реконструкции, выполняющий обследование пациента и реконструирующий контрастное изображение из данных, созданных устройством формирования изображения.
5. Способ сегментации медицинских изображений, содержащий этапы, на которых:
идентифицируют область контрастного изображения, подлежащую сегментации, причем упомянутое изображение содержит выбранный целевой объем, при этом упомянутая идентификация включает в себя применение алгоритма предварительной сегментации к контрастному изображению для оценки границы упомянутого целевого объема и увеличения упомянутой оцененной границы для гарантии включения упомянутого целевого объема в упомянутую увеличенную оцененную границу;
обрабатывают по и/или внутри границы предварительно сегментированное таким образом и увеличенное контрастное изображение с помощью улучшающего фильтра, основываясь на массиве признаков для дифференциации выбранного целевого объема от соседней ткани, чтобы создать улучшенное изображение.
6. Способ по п. 5, в котором улучшенное изображение является трехмерным изображением, включающим в себя трехмерную матрицу вокселов, причем значение каждого воксела представляет вероятность, что каждый воксел принадлежит целевому объему.
7. Способ по п. 5, дополнительно включающий в себя этап, на котором:
выбирают из множества улучшающих фильтров один фильтр, соответствующий выбранному целевому объему.
8. Способ по любому из пп. 5-7, дополнительно включающий в себя по меньшей мере один из этапов, на котором:
отображают улучшенное или сегментированное изображение;
создают план радиотерапии, исходя из улучшенного или сегментированного изображения;
выполняют обследование пациента для создания данных формирования изображения и реконструируют данные формирования изображения в контрастное изображение.
9. Считываемый компьютером носитель данных, содержащий компьютерную программу, управляющую одним или более процессорами для выполнения способа по любому из пп. 5-7.
10. Устройство сегментации медицинских изображений, содержащее:
запоминающее устройство (16), в котором хранится медицинское контрастное изображение, подлежащее сегментированию;
блок (24) ограничения объема, сконфигурированный с возможностью применения алгоритма предварительной сегментации к контрастному изображению для оценки границы целевого объема и увеличения упомянутой оцененной границы для гарантии включения упомянутого целевого объема в упомянутую увеличенную оцененную границу;
блок улучшения, обрабатывающий по и/или внутри границы предварительно сегментированное таким образом и увеличенное контрастное изображение с помощью улучшающего фильтра, основываясь на массиве признаков для дифференциации целевого объема от соседней ткани, чтобы создать улучшенное изображение;
процессор сегментации для сегментации улучшенного изображения; и
по меньшей мере одно из следующего:
монитор, отображающий улучшенное или сегментированное изображение; и
блок планирования радиотерапии, создающий план радиотерапии на основе улучшенного и сегментированного изображения.
RU2013108800/08A 2010-07-30 2011-07-25 Улучшающий фильтр для конкретного органа для надежной сегментации медицинских изображений RU2587427C2 (ru)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
US36926610P 2010-07-30 2010-07-30
US61/369,266 2010-07-30
PCT/IB2011/053309 WO2012014146A2 (en) 2010-07-30 2011-07-25 Organ-specific enhancement filter for robust segmentation of medical images

Publications (2)

Publication Number Publication Date
RU2013108800A true RU2013108800A (ru) 2014-09-10
RU2587427C2 RU2587427C2 (ru) 2016-06-20

Family

ID=44532979

Family Applications (1)

Application Number Title Priority Date Filing Date
RU2013108800/08A RU2587427C2 (ru) 2010-07-30 2011-07-25 Улучшающий фильтр для конкретного органа для надежной сегментации медицинских изображений

Country Status (6)

Country Link
US (1) US9087259B2 (ru)
EP (2) EP2599056A2 (ru)
CN (1) CN103069455B (ru)
BR (1) BR112013002025A2 (ru)
RU (1) RU2587427C2 (ru)
WO (1) WO2012014146A2 (ru)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
RU2739711C1 (ru) * 2016-05-02 2020-12-28 Католике Университет Лёвен Оценка электромеханических параметров с помощью цифровых изображений и методов фильтрации, основанных на использовании модели

Families Citing this family (20)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102177528B (zh) * 2008-10-10 2014-05-14 皇家飞利浦电子股份有限公司 高对比度成像和快速成像重建
WO2013040673A1 (en) * 2011-09-19 2013-03-28 The University Of British Columbia Method and systems for interactive 3d image segmentation
CN103236062B (zh) * 2013-05-03 2016-01-13 通号通信信息集团有限公司 基于人脑肿瘤核磁库的磁共振图像血管分割系统
DE102013218437A1 (de) * 2013-09-13 2015-03-19 Siemens Aktiengesellschaft Verfahren zur automatischen oder halb-automatischen Segmentierung und Vorrichtung
CN105187206B (zh) * 2014-05-28 2018-02-27 腾讯科技（深圳）有限公司 身份验证方法及装置
US9558568B2 (en) 2014-06-27 2017-01-31 Siemens Healthcare Gmbh Visualization method for a human skeleton from a medical scan
CN104700419A (zh) * 2015-03-27 2015-06-10 马学梅 一种放射科x光片的图像处理方法
US9737278B2 (en) 2015-09-30 2017-08-22 General Electric Company Methods and systems for multi-window imaging
ES2608037B1 (es) * 2015-10-01 2018-01-26 Lucia JÁÑEZ GARCÍA Sistema y método para segmentación y análisis automatizados de la estructura tridimensional de conductos en imágenes de tomografía computarizada
US10169871B2 (en) * 2016-01-21 2019-01-01 Elekta, Inc. Systems and methods for segmentation of intra-patient medical images
US10229493B2 (en) 2016-03-16 2019-03-12 International Business Machines Corporation Joint segmentation and characteristics estimation in medical images
US10074198B2 (en) * 2016-03-30 2018-09-11 Change Healthcare Holdings, Llc Methods and apparatuses for image processing and display
US9947102B2 (en) * 2016-08-26 2018-04-17 Elekta, Inc. Image segmentation using neural network method
US9965863B2 (en) * 2016-08-26 2018-05-08 Elekta, Inc. System and methods for image segmentation using convolutional neural network
CN110234400B (zh) * 2016-09-06 2021-09-07 医科达有限公司 用于生成合成医学图像的神经网络
EP3360486A1 (en) * 2017-02-13 2018-08-15 Koninklijke Philips N.V. Ultrasound evaluation of anatomical features
US10878576B2 (en) 2018-02-14 2020-12-29 Elekta, Inc. Atlas-based segmentation using deep-learning
CN110163862B (zh) * 2018-10-22 2023-08-25 腾讯科技（深圳）有限公司 图像语义分割方法、装置及计算机设备
US11717240B2 (en) 2018-10-25 2023-08-08 The Johns Hopkins University Spatial-spectral filters for multi-material decomposition in computed tomography
CN111028241B (zh) * 2019-11-13 2023-10-10 东北大学 一种多尺度血管增强的水平集分割系统与方法

Family Cites Families (21)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5724403A (en) * 1995-07-20 1998-03-03 Siemens Medical Systems, Inc. Virtual compensator
US6331116B1 (en) * 1996-09-16 2001-12-18 The Research Foundation Of State University Of New York System and method for performing a three-dimensional virtual segmentation and examination
US6343936B1 (en) * 1996-09-16 2002-02-05 The Research Foundation Of State University Of New York System and method for performing a three-dimensional virtual examination, navigation and visualization
US6246784B1 (en) * 1997-08-19 2001-06-12 The United States Of America As Represented By The Department Of Health And Human Services Method for segmenting medical images and detecting surface anomalies in anatomical structures
US6973219B2 (en) * 2001-11-21 2005-12-06 Ge Medical Systems Global Technology Company, Llc Segmentation driven image noise reduction filter
US7756305B2 (en) * 2002-01-23 2010-07-13 The Regents Of The University Of California Fast 3D cytometry for information in tissue engineering
US7450746B2 (en) * 2002-06-07 2008-11-11 Verathon Inc. System and method for cardiac imaging
US7260250B2 (en) * 2002-09-30 2007-08-21 The United States Of America As Represented By The Secretary Of The Department Of Health And Human Services Computer-aided classification of anomalies in anatomical structures
EP1649422A1 (en) 2003-07-16 2006-04-26 Philips Intellectual Property & Standards GmbH Object-specific segmentation
US7454045B2 (en) * 2003-10-10 2008-11-18 The United States Of America As Represented By The Department Of Health And Human Services Determination of feature boundaries in a digital representation of an anatomical structure
US20080292194A1 (en) 2005-04-27 2008-11-27 Mark Schmidt Method and System for Automatic Detection and Segmentation of Tumors and Associated Edema (Swelling) in Magnetic Resonance (Mri) Images
ITTO20060223A1 (it) * 2006-03-24 2007-09-25 I Med S R L Procedimento e sistema per il riconoscimento automatico di anomalie preneoplastiche in strutture anatomiche, e relativo programma per elaboratore
CN101443816B (zh) * 2006-05-11 2016-01-06 皇家飞利浦电子股份有限公司 用于图像引导下辐射治疗的图像可变形配准
US7840046B2 (en) * 2006-06-27 2010-11-23 Siemens Medical Solutions Usa, Inc. System and method for detection of breast masses and calcifications using the tomosynthesis projection and reconstructed images
US8023703B2 (en) * 2006-07-06 2011-09-20 The United States of America as represented by the Secretary of the Department of Health and Human Services, National Institues of Health Hybrid segmentation of anatomical structure
EP1913870A1 (en) * 2006-10-19 2008-04-23 Esaote S.p.A. Apparatus for determining indications helping the diagnosis of rheumatic diseases and its method
US8184888B2 (en) * 2007-09-19 2012-05-22 Siemens Medical Solutions Usa, Inc. Method and system for polyp segmentation for 3D computed tomography colonography
US8126244B2 (en) * 2007-09-21 2012-02-28 Siemens Medical Solutions Usa, Inc. User interface for polyp annotation, segmentation, and measurement in 3D computed tomography colonography
CN101667289B (zh) * 2008-11-19 2011-08-24 西安电子科技大学 基于nsct特征提取和监督分类的视网膜图像分割方法
US9412044B2 (en) * 2009-06-09 2016-08-09 Siemens Aktiengesellschaft Method of compensation of respiratory motion in cardiac imaging
CN101706843B (zh) * 2009-11-16 2011-09-07 杭州电子科技大学 一种乳腺cr图像交互式读片方法

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
RU2739711C1 (ru) * 2016-05-02 2020-12-28 Католике Университет Лёвен Оценка электромеханических параметров с помощью цифровых изображений и методов фильтрации, основанных на использовании модели

Also Published As

Publication number Publication date
BR112013002025A2 (pt) 2016-08-09
US9087259B2 (en) 2015-07-21
EP3109827A1 (en) 2016-12-28
WO2012014146A2 (en) 2012-02-02
US20130121549A1 (en) 2013-05-16
EP3109827B1 (en) 2020-04-15
WO2012014146A3 (en) 2012-05-24
CN103069455A (zh) 2013-04-24
RU2587427C2 (ru) 2016-06-20
EP2599056A2 (en) 2013-06-05
CN103069455B (zh) 2017-05-24

Similar Documents

Publication Publication Date Title
RU2013108800A (ru) Улучшающий фильтр для конкретного органа для надежной сегментации медицинских изображений
US11715206B2 (en) System and method for image segmentation
US11062449B2 (en) Method and system for extracting vasculature
US10482602B2 (en) System and method for image segmentation
CN107844800B (zh) 一种全脊椎最佳矢状位的确定系统、方法及装置
Polan et al. Tissue segmentation of computed tomography images using a Random Forest algorithm: a feasibility study
US20220122263A1 (en) System and method for processing colon image data
Van Rikxoort et al. Automated segmentation of pulmonary structures in thoracic computed tomography scans: a review
US10339648B2 (en) Quantitative predictors of tumor severity
US20180028137A1 (en) Method and system for extracting lower limb vasculature
CN107067398B (zh) 用于三维医学模型中缺失血管的补全方法及装置
US8588498B2 (en) System and method for segmenting bones on MR images
JP2017508561A5 (ru)
US8897527B2 (en) Motion-blurred imaging enhancement method and system
CN103136731B (zh) 一种动态pet图像的参数成像方法
CN102419864B (zh) 一种提取脑部ct图像骨骼方法及装置
US20230377104A1 (en) System and methods for filtering medical images
Kot et al. U-Net and active contour methods for brain tumour segmentation and visualization
CN113706541B (zh) 一种图像处理方法及装置
Song et al. Young oncologists benefit more than experts from deep learning-based organs-at-risk contouring modeling in nasopharyngeal carcinoma radiotherapy: A multi-institution clinical study exploring working experience and institute group style factor
Wu et al. Automatic segmentation of ultrasound tomography image
Lee et al. Increasing visual perception brain stroke detection system
Sharma Analysis of Stroke on Brain Computed Tomography Scans
Elbasher An Accurate liver segmentation method using parallel computing algorithm