RU2015124052A - Интегрированное фенотипирование с использованием признаков текстуры изображения - Google Patents
Интегрированное фенотипирование с использованием признаков текстуры изображения Download PDFInfo
- Publication number
- RU2015124052A RU2015124052A RU2015124052A RU2015124052A RU2015124052A RU 2015124052 A RU2015124052 A RU 2015124052A RU 2015124052 A RU2015124052 A RU 2015124052A RU 2015124052 A RU2015124052 A RU 2015124052A RU 2015124052 A RU2015124052 A RU 2015124052A
- Authority
- RU
- Russia
- Prior art keywords
- image
- texture
- features
- interest
- values
- Prior art date
Links
- 238000004364 calculation method Methods 0.000 claims 4
- 238000000034 method Methods 0.000 claims 4
- 238000004141 dimensional analysis Methods 0.000 claims 2
- 102000015694 estrogen receptors Human genes 0.000 claims 2
- 108010038795 estrogen receptors Proteins 0.000 claims 2
- 102000042567 non-coding RNA Human genes 0.000 claims 2
- 108091027963 non-coding RNA Proteins 0.000 claims 2
- 230000002085 persistent effect Effects 0.000 claims 2
- 238000012360 testing method Methods 0.000 claims 2
- 108700026220 vif Genes Proteins 0.000 claims 2
- 238000000585 Mann–Whitney U test Methods 0.000 claims 1
- 238000000692 Student's t-test Methods 0.000 claims 1
- 230000004913 activation Effects 0.000 claims 1
- 210000000481 breast Anatomy 0.000 claims 1
- 239000003550 marker Substances 0.000 claims 1
- 230000037361 pathway Effects 0.000 claims 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/40—Analysis of texture
- G06T7/41—Analysis of texture based on statistical description of texture
- G06T7/45—Analysis of texture based on statistical description of texture using co-occurrence matrix computation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—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
- G06T2207/10—Image acquisition modality
- G06T2207/10072—Tomographic images
- G06T2207/10088—Magnetic resonance imaging [MRI]
-
- 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
- G06T2207/30068—Mammography; Breast
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Data Mining & Analysis (AREA)
- General Physics & Mathematics (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Biology (AREA)
- Mathematical Physics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Computing Systems (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Probability & Statistics with Applications (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Image Analysis (AREA)
- Magnetic Resonance Imaging Apparatus (AREA)
- Image Processing (AREA)
- Apparatus Associated With Microorganisms And Enzymes (AREA)
- Measuring Or Testing Involving Enzymes Or Micro-Organisms (AREA)
Claims (33)
1. Постоянный запоминающий носитель, который хранит инструкции, исполняемые с помощью устройства обработки электронных данных для того, чтобы осуществлять способ, который включает в себя:
вычисление значений признаков текстуры изображения для набора признаков текстуры изображения по изображению анатомического признака, представляющего интерес, у субъекта; и
классификацию субъекта, соответствующего молекулярному признаку, представляющему интерес, на основе значений признаков текстуры изображения, вычисляемых для набора признаков текстуры изображения, и пространственной структуры набора признаков текстуры изображения.
2. Постоянный запоминающий носитель по п. 1, в котором вычисление значений признаков текстуры изображения содержит:
вычисление одной или более матриц совместной встречаемости уровней яркости (GLCM) для изображения анатомического признака, представляющего интерес, у субъекта; и
вычисление значений признаков текстуры изображения на основе одной или более GLCM.
3. Постоянный запоминающий носитель по п. 2, в котором вычисление одной или более GLCM включает в себя вычисление одной или более симметризованных и нормализованных GLCM для изображения анатомического признака, представляющего интерес, у субъекта.
4. Постоянный запоминающий носитель по п. 2, в котором вычисление значений признаков текстуры изображения дополнительно включает в себя квантование уровней яркости изображения анатомического признака, представляющего интерес, у субъекта перед вычислением одной или более GLCM.
5. Постоянный запоминающий носитель по п. 2, в котором вычисление одной или более GLCM включает в себя вычисление двух или более GLCM, которые имеют по меньшей мере одно из отличающихся смещений и отличающихся пространственных расположений.
6. Постоянный запоминающий носитель по п. 1, в котором набор признаков текстуры изображения включает в себя признаки текстуры изображения Haralick и/или включает в себя признаки текстуры изображения Tamura.
7. Постоянный запоминающий носитель по п. 1, в котором способ дополнительно содержит:
вычисление эталонных значений признаков текстуры изображения по меньшей мере для набора признаков текстуры изображения по изображениям анатомического признака, представляющего интерес, у эталонных субъектов эталонной популяции;
деление эталонных значений признаков текстуры изображения на различные популяционные группы, представляющие различные значения молекулярного признака, представляющего интерес, на основе известных значений молекулярного признака, представляющего интерес, для эталонных субъектов; и
обучение классификатора, используемого при классификации, чтобы различать различные популяционные группы на основе эталонных значений признаков текстуры изображения.
8. Постоянный запоминающий носитель по п. 7, в котором эталонные значения признаков текстуры изображения вычисляют для расширенного набора признаков текстуры изображения, содержащего набор признаков текстуры изображения, и обучение содержит:
осуществление одномерного анализа для того, чтобы количественно определять статистическую значимость каждого признака текстуры изображения из расширенного набора признаков текстуры изображения, чтобы различать различные популяционные группы; и
выбор набора признаков текстуры изображения в качестве поднабора из расширенного набора признаков текстуры изображения, которые имеют наивысшую статистическую значимость.
9. Постоянный запоминающий носитель по п. 8, в котором одномерный анализ содержит использование критерия суммы рангов Вилкоксона или t-критерия Стьюдента для того, чтобы количественно определять статистическую значимость.
10. Постоянный запоминающий носитель по п. 1, в котором изображение анатомического признака, представляющего интерес, у субъекта представляет собой магнитно-резонансное (MR) изображение.
11. Постоянный запоминающий носитель по п. 10, в котором молекулярный признак, представляющий интерес, представляет собой ген, группу генов, путь активации гена, некодирующую РНК или множество некодирующих РНК.
12. Постоянный запоминающий носитель по п. 11, в котором анатомический признак, представляющий интерес, представляет собой повреждение молочной железы, а молекулярный признак, представляющий интерес, представляет собой маркер эстрогенового рецептора (ER).
13. Устройство, содержащее:
постоянный запоминающий носитель по любому из пп. 1-12 и
устройство обработки электронных данных, выполненное с возможностью исполнять инструкции, сохраненные в постоянном запоминающем носителе.
14. Способ, содержащий:
вычисление эталонных значений признаков текстуры изображения для множества признаков текстуры изображения по изображениям анатомического признака, представляющего интерес, у эталонных субъектов эталонной популяции;
деление эталонных значений признаков текстуры изображения на различные популяционные группы, представляющие различные значения молекулярного признака, представляющего интерес, на основе известных значений молекулярного признака, представляющего интерес, для эталонных субъектов; и
обучение классификатора различать различные популяционные группы на основе эталонных значений признаков текстуры изображения и пространственных структур набора эталонных признаков текстуры изображения;
причем вычисление, деление и обучение осуществляют с помощью устройства обработки электронных данных.
15. Способ по п. 14, дополнительно содержащий:
(i) вычисление значений признаков текстуры изображения по меньшей мере для некоторых из множества признаков текстуры изображения по изображению анатомического признака, представляющего интерес, у тестируемого субъекта; и
(ii) классификацию тестируемого субъекта, соответствующего молекулярному признаку, представляющему интерес, с использованием обученного классификатора;
причем операции (i) и (ii) осуществляют посредством устройства обработки электронных данных.
Applications Claiming Priority (3)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| US201261728441P | 2012-11-20 | 2012-11-20 | |
| US61/728,441 | 2012-11-20 | ||
| PCT/IB2013/059663 WO2014080305A2 (en) | 2012-11-20 | 2013-10-25 | Integrated phenotyping employing image texture features. |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| RU2015124052A true RU2015124052A (ru) | 2017-01-10 |
| RU2653108C2 RU2653108C2 (ru) | 2018-05-07 |
Family
ID=49955416
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| RU2015124052A RU2653108C2 (ru) | 2012-11-20 | 2013-10-25 | Интегрированное фенотипирование с использованием признаков текстуры изображения |
Country Status (7)
| Country | Link |
|---|---|
| US (1) | US9552649B2 (ru) |
| EP (1) | EP2923336B1 (ru) |
| JP (1) | JP6321026B2 (ru) |
| CN (1) | CN104798105B (ru) |
| BR (1) | BR112015011289A2 (ru) |
| RU (1) | RU2653108C2 (ru) |
| WO (1) | WO2014080305A2 (ru) |
Families Citing this family (27)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| EP2901340A2 (en) * | 2012-12-20 | 2015-08-05 | Siemens Aktiengesellschaft | Determination of a probability indicator value |
| CN104217213B (zh) * | 2014-08-20 | 2018-04-27 | 哈尔滨工程大学 | 一种基于对称性理论的医学图像多阶段分类方法 |
| FR3025317B1 (fr) * | 2014-08-26 | 2022-09-23 | Imabiotech | Methode de caracterisation d'un echantillon par imagerie par spectrometrie de masse |
| DK3210142T3 (da) * | 2014-10-24 | 2020-11-16 | Koninklijke Philips Nv | Vurdering af tgf-cellulær signaleringsvejaktivitet under anvendelse af matematisk modellering af målgenekspression |
| CN105184300A (zh) * | 2015-09-01 | 2015-12-23 | 中国矿业大学(北京) | 一种基于图像lbp的煤岩识别方法 |
| CN105354577A (zh) * | 2015-10-26 | 2016-02-24 | 中国矿业大学(北京) | 一种用于煤岩识别的b-cdtm纹理特征提取方法 |
| US10215830B2 (en) | 2015-12-16 | 2019-02-26 | The United States Of America, As Represented By The Secretary, Department Of Health And Human Services | Automated cancer detection using MRI |
| US10078895B2 (en) * | 2015-12-30 | 2018-09-18 | Case Western Reserve University | Prediction of recurrence of non-small cell lung cancer with tumor infiltrating lymphocyte (TIL) graphs |
| US10127660B2 (en) * | 2015-12-30 | 2018-11-13 | Case Western Reserve University | Radiomic features on diagnostic magnetic resonance enterography |
| US10898079B2 (en) * | 2016-03-04 | 2021-01-26 | University Of Manitoba | Intravascular plaque detection in OCT images |
| CN106127672B (zh) * | 2016-06-21 | 2019-03-12 | 南京信息工程大学 | 基于fpga的图像纹理特征提取算法 |
| WO2018050854A1 (en) * | 2016-09-16 | 2018-03-22 | Qiagen Gmbh | Neighbor influence compensation |
| CN108241865B (zh) * | 2016-12-26 | 2021-11-02 | 哈尔滨工业大学 | 基于超声图像的多尺度多子图肝纤维化多级量化分期方法 |
| EP3351956B1 (de) * | 2017-01-19 | 2022-03-16 | Siemens Healthcare GmbH | Verfahren zur klassifikation von mittels einer magnetresonanz- fingerprinting methode von einem untersuchungsobjekt erfassten magnetresonanz-messdaten |
| WO2018172990A1 (en) * | 2017-03-24 | 2018-09-27 | Pie Medical Imaging B.V. | Method and system for assessing vessel obstruction based on machine learning |
| EP3451286B1 (de) * | 2017-08-30 | 2019-08-28 | Siemens Healthcare GmbH | Verfahren zum segmentieren einer organstruktur eines untersuchungsobjekts in medizinischen bilddaten |
| CN107895139B (zh) * | 2017-10-19 | 2021-09-21 | 金陵科技学院 | 一种基于多特征融合的sar图像目标识别方法 |
| EP3486674A1 (en) * | 2017-11-17 | 2019-05-22 | Koninklijke Philips N.V. | Artificial intelligence-enabled localization of anatomical landmarks |
| CN110135227B (zh) * | 2018-02-09 | 2022-06-03 | 电子科技大学 | 一种基于机器学习的激光点云室外场景自动分割方法 |
| CN108596275A (zh) * | 2018-05-10 | 2018-09-28 | 句容沣润塑料制品有限公司 | 一种应用图像关联度的图像模糊分类方法 |
| CN108665431A (zh) * | 2018-05-16 | 2018-10-16 | 南京信息工程大学 | 基于k-均值聚类的分数阶图像纹理增强方法 |
| FR3082650B1 (fr) * | 2018-06-19 | 2021-08-27 | Hera Mi | Systeme et procede pour le traitement d'au moins une region polluante d'une image numerique d'un element expose a des rayons x |
| US10818015B2 (en) | 2019-01-28 | 2020-10-27 | Florida Analytical Imaging Solutions, LLC. | Automatic region of interest selection in centrosome analysis |
| CN110909652B (zh) * | 2019-11-16 | 2022-10-21 | 中国水利水电科学研究院 | 纹理特征优选的农作物种植结构月尺度动态提取方法 |
| CN111260636B (zh) * | 2020-01-19 | 2023-07-25 | 郑州大学 | 模型训练方法及设备、图像处理方法及设备以及介质 |
| EP4042378A1 (en) * | 2020-01-24 | 2022-08-17 | St. Jude Medical, Cardiology Division, Inc. | System and method for generating three dimensional geometric models of anatomical regions |
| CN112633082B (zh) * | 2020-12-04 | 2023-08-18 | 西安理工大学 | 一种多特征融合杂草检测方法 |
Family Cites Families (12)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US5426684A (en) * | 1993-11-15 | 1995-06-20 | Eastman Kodak Company | Technique for finding the histogram region of interest for improved tone scale reproduction of digital radiographic images |
| JP2873955B1 (ja) * | 1998-01-23 | 1999-03-24 | 東京工業大学長 | 画像処理方法および装置 |
| CN1741036A (zh) * | 2000-06-19 | 2006-03-01 | 科雷洛吉克系统公司 | 构造分类属于不同状态的生物样本的模型的方法 |
| US7461048B2 (en) * | 2003-07-21 | 2008-12-02 | Aureon Laboratories, Inc. | Systems and methods for treating, diagnosing and predicting the occurrence of a medical condition |
| EP2070045B1 (en) * | 2006-09-22 | 2018-06-27 | Koninklijke Philips N.V. | Advanced computer-aided diagnosis of lung nodules |
| US8787633B2 (en) * | 2007-01-16 | 2014-07-22 | Purdue Research Foundation | System and method of organism identification |
| US20080195322A1 (en) * | 2007-02-12 | 2008-08-14 | The Board Of Regents Of The University Of Texas System | Quantification of the Effects of Perturbations on Biological Samples |
| GB0705223D0 (en) * | 2007-03-19 | 2007-04-25 | Univ Sussex | Method, apparatus and computer program for analysing medical image data |
| US8774479B2 (en) * | 2008-02-19 | 2014-07-08 | The Trustees Of The University Of Pennsylvania | System and method for automated segmentation, characterization, and classification of possibly malignant lesions and stratification of malignant tumors |
| WO2011008262A2 (en) * | 2009-07-13 | 2011-01-20 | H. Lee Moffitt Cancer Center & Research Institute | Methods and apparatus for diagnosis and/or prognosis of cancer |
| CN102122356A (zh) * | 2011-03-16 | 2011-07-13 | 中国人民解放军第二军医大学 | 计算机辅助判别胰腺癌超声内镜图像的方法 |
| CN102509113B (zh) * | 2011-11-08 | 2013-04-24 | 浙江大学 | 一种脑瘤mib-1指数范围检测方法 |
-
2013
- 2013-10-25 BR BR112015011289A patent/BR112015011289A2/pt not_active Application Discontinuation
- 2013-10-25 CN CN201380060670.6A patent/CN104798105B/zh not_active Expired - Fee Related
- 2013-10-25 EP EP13820908.5A patent/EP2923336B1/en not_active Not-in-force
- 2013-10-25 WO PCT/IB2013/059663 patent/WO2014080305A2/en active Application Filing
- 2013-10-25 RU RU2015124052A patent/RU2653108C2/ru active
- 2013-10-25 JP JP2015542383A patent/JP6321026B2/ja active Active
- 2013-10-25 US US14/443,786 patent/US9552649B2/en active Active
Also Published As
| Publication number | Publication date |
|---|---|
| RU2653108C2 (ru) | 2018-05-07 |
| CN104798105B (zh) | 2019-06-07 |
| CN104798105A (zh) | 2015-07-22 |
| EP2923336B1 (en) | 2017-12-13 |
| EP2923336A2 (en) | 2015-09-30 |
| BR112015011289A2 (pt) | 2017-07-11 |
| JP6321026B2 (ja) | 2018-05-09 |
| WO2014080305A3 (en) | 2014-07-24 |
| US20150310632A1 (en) | 2015-10-29 |
| US9552649B2 (en) | 2017-01-24 |
| WO2014080305A2 (en) | 2014-05-30 |
| JP2016505289A (ja) | 2016-02-25 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| RU2015124052A (ru) | Интегрированное фенотипирование с использованием признаков текстуры изображения | |
| JP2016505289A5 (ru) | ||
| King et al. | A comparison of deep learning methods for semantic segmentation of coral reef survey images | |
| Mahfouz et al. | Visualizing the spatial gene expression organization in the brain through non-linear similarity embeddings | |
| RU2017142112A (ru) | Устройство и способ персонализированного поиска на основе признаков изображения продукта | |
| CN104200217B (zh) | 基于一种复合核函数的高光谱分类方法 | |
| CN103456013B (zh) | 一种表示超像素以及度量超像素之间相似性的方法 | |
| CN107633522A (zh) | 基于局部相似性活动轮廓模型的脑部图像分割方法和系统 | |
| CN103544708A (zh) | 一种基于mmtd的图像质量客观评价方法 | |
| JP2017117406A5 (ru) | ||
| CN103049760B (zh) | 基于图像分块和位置加权的稀疏表示目标识别方法 | |
| RU2015108003A (ru) | Классификация популяции для набора генетических данных с помощью древовидной структуры пространственных данных | |
| CN104573742A (zh) | 医学图像分类方法和系统 | |
| CN108805825A (zh) | 一种重定位图像质量评价方法 | |
| JP2012003753A5 (ru) | ||
| CN110738235A (zh) | 肺结核判定方法、装置、计算机设备及存储介质 | |
| CN105913083A (zh) | 基于稠密sar-sift和稀疏编码的sar分类方法 | |
| CN109543616A (zh) | 一种震后目标实物的损毁评估方法、装置、设备及介质 | |
| CN105579847A (zh) | 疾病分析装置、控制方法和程序 | |
| CN103745473B (zh) | 一种脑组织提取方法 | |
| JP2017532998A5 (ru) | ||
| CN103544695A (zh) | 一种高效的基于博弈框架的医学图像分割方法 | |
| CN116757507B (zh) | 一种作物灌浆过程预测方法、系统、电子设备及存储介质 | |
| CN102142037B (zh) | 一种基于功能磁共振成像的视频数据检索方法 | |
| CN103186777B (zh) | 基于非负矩阵分解的人体检测方法 |