RU2016137791A - Система и способ автоматического построения контуров в адаптивной радиотерапии - Google Patents

Система и способ автоматического построения контуров в адаптивной радиотерапии Download PDF

Info

Publication number
RU2016137791A
RU2016137791A RU2016137791A RU2016137791A RU2016137791A RU 2016137791 A RU2016137791 A RU 2016137791A RU 2016137791 A RU2016137791 A RU 2016137791A RU 2016137791 A RU2016137791 A RU 2016137791A RU 2016137791 A RU2016137791 A RU 2016137791A
Authority
RU
Russia
Prior art keywords
image
updating
loop
forms
detector
Prior art date
Application number
RU2016137791A
Other languages
English (en)
Other versions
RU2689029C2 (ru
RU2016137791A3 (ru
Inventor
Янь ЧЖОУ
Сяо ХАНЬ
Николетт Патрисия МАГРО
Original Assignee
Электа, Инк.
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 Электа, Инк. filed Critical Электа, Инк.
Publication of RU2016137791A publication Critical patent/RU2016137791A/ru
Publication of RU2016137791A3 publication Critical patent/RU2016137791A3/ru
Application granted granted Critical
Publication of RU2689029C2 publication Critical patent/RU2689029C2/ru

Links

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00Image analysis
    • G06T7/0002Inspection of images, e.g. flaw detection
    • G06T7/0012Biomedical image inspection
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00Image analysis
    • G06T7/10Segmentation; Edge detection
    • G06T7/12Edge-based segmentation
    • AHUMAN NECESSITIES
    • A61MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61BDIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B6/00Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
    • AHUMAN NECESSITIES
    • A61MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61BDIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B6/00Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
    • A61B6/52Devices using data or image processing specially adapted for radiation diagnosis
    • A61B6/5205Devices using data or image processing specially adapted for radiation diagnosis involving processing of raw data to produce diagnostic data
    • AHUMAN NECESSITIES
    • A61MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61BDIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B6/00Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
    • A61B6/52Devices using data or image processing specially adapted for radiation diagnosis
    • A61B6/5211Devices using data or image processing specially adapted for radiation diagnosis involving processing of medical diagnostic data
    • A61B6/5217Devices using data or image processing specially adapted for radiation diagnosis involving processing of medical diagnostic data extracting a diagnostic or physiological parameter from medical diagnostic data
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00Image analysis
    • G06T7/10Segmentation; Edge detection
    • G06T7/13Edge detection
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00Image analysis
    • G06T7/10Segmentation; Edge detection
    • G06T7/149Segmentation; Edge detection involving deformable models, e.g. active contour models
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00Image analysis
    • G06T7/70Determining position or orientation of objects or cameras
    • G06T7/73Determining position or orientation of objects or cameras using feature-based methods
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00Indexing scheme for image analysis or image enhancement
    • G06T2207/10Image acquisition modality
    • G06T2207/10072Tomographic images
    • G06T2207/10081Computed x-ray tomography [CT]
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00Indexing scheme for image analysis or image enhancement
    • G06T2207/30Subject of image; Context of image processing
    • G06T2207/30004Biomedical image processing
    • G06T2207/30081Prostate

Landscapes

  • Engineering & Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Physics & Mathematics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Medical Informatics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • General Health & Medical Sciences (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Radiology & Medical Imaging (AREA)
  • Pathology (AREA)
  • Public Health (AREA)
  • Biophysics (AREA)
  • High Energy & Nuclear Physics (AREA)
  • Optics & Photonics (AREA)
  • Veterinary Medicine (AREA)
  • Biomedical Technology (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Molecular Biology (AREA)
  • Surgery (AREA)
  • Animal Behavior & Ethology (AREA)
  • Quality & Reliability (AREA)
  • Software Systems (AREA)
  • Physiology (AREA)
  • Image Analysis (AREA)
  • Apparatus For Radiation Diagnosis (AREA)
  • Image Processing (AREA)
  • Architecture (AREA)
  • Computer Graphics (AREA)
  • Computer Hardware Design (AREA)
  • General Engineering & Computer Science (AREA)

Claims (75)

1. Реализуемый с помощью процессора способ осуществления автоматического построения контуров на медицинском изображении, содержащий:
прием изображения, содержащего область исследования;
определение с помощью процессора первого контура области исследования с использованием детектора границ;
уточнение с помощью процессора первого контура на основании справочника форм для генерирования второго контура области исследования; и
обновление по меньшей мере одного из детектора границ или справочника форм на основании второго контура.
2. Способ по п. 1, содержащий уточнение с помощью процессора второго контура с использованием детектора границ.
3. Способ по п. 1, причем определение с помощью процессора первого контура включает в себя:
определение того, находится ли точка изображения на границе области исследования; и
выбор набора точек изображения, которые определены как находящиеся на границе области исследования, для формирования первого контура.
4. Способ по п. 3, причем:
определение того, находится ли упомянутая точка изображения на границе области исследования, включает в себя определение вероятности того, что эта точка изображения находится на границе; и
выбор упомянутого набора точек изображения для формирования первого контура включает в себя выбор точек изображения, имеющих более высокие вероятности, чем предварительно заданная пороговая величина.
5. Способ по п. 1, причем уточнение с помощью процессора первого контура на основании справочника форм для генерирования второго контура включает в себя:
выбор набора форм из справочника форм;
объединение выбранного набора форм для аппроксимирования первого контура; и
генерирование второго контура на основании объединенного набора форм.
6. Способ по п. 5, включающий в себя:
определение того, находится ли на втором контуре по меньшей мере подмножество точек изображения на первом контуре, посредством минимизации функции оптимизации.
7. Способ по п. 1, причем обновление по меньшей мере одного из детектора границ или справочника форм на основании второго контура включает в себя обновление детектора границ и
(a) определение обновленного первого контура после обновления детектора границ на основании второго контура;
(b) уточнение обновленного первого контура на основании справочника форм для генерирования обновленного второго контура; и
повторение этапов (a) и (b) до тех пор, пока не будет удовлетворено по меньшей мере одно из следующих условий:
число повторений достигнет заранее заданного значения;
или остаточная ошибка достигнет заранее заданного минимума.
8. Способ по п. 1, причем обновление по меньшей мере одного из детектора границ или справочника форм на основании второго контура включает в себя обновление детектора границ, включающее в себя:
сравнение упомянутого изображения, имеющего второй контур, с коллекцией изображений, содержащих область исследования;
выбор подмножества изображений из коллекции, похожих на изображение, имеющее второй контур; и
обновление детектора границ на основании изображения, имеющего второй контур, и выбранного подмножества изображений.
9. Способ по п. 8, причем обновление детектора границ на основании изображения, имеющего второй контур, и выбранного подмножества изображений включает в себя:
разделение положительных и отрицательных точек изображения;
выбор положительных точек изображения, расположенных на втором контуре или на границах выбранного подмножества изображений;
извлечение поворачиваемых признаков из выбранных положительных точек изображения;
определение вектора признаков на основании извлеченных поворачиваемых признаков; и
обновление детектора границ на основании вектора признаков.
10. Способ по п. 1, причем обновление по меньшей мере одного из детектора границ или справочника форм на основании второго контура включает в себя обновление справочника форм, и причем обновление справочника форм включает в себя:
выбор подмножества форм из изображения, содержащего второй контур;
получение коэффициента разрежения для каждой формы в упомянутом подмножестве; и
обновление справочника форм на основании полученных коэффициентов разрежения.
11. Система для осуществления автоматического построения контуров на медицинском изображении, содержащая:
процессор;
память, оперативно соединенную с процессором и хранящую инструкции, которые, будучи исполняемыми процессором, заставляют процессор осуществлять способ, содержащий:
прием изображения, содержащего область исследования;
определение первого контура области исследования с использованием детектора границ;
уточнение первого контура на основании справочника форм для генерирования второго контура области исследования; и
обновление по меньшей мере одного из детектора границ или справочника форм на основании второго контура.
12. Система по п. 11, причем определение первого контура области исследования с использованием детектора границ включает в себя:
определение того, находится ли точка изображения на границе области исследования; и
выбор набора точек изображения, которые определены как находящиеся на границе области исследования, для формирования первого контура.
13. Система по п. 12, причем определение того, находится ли точка изображения на границе области исследования, включает в себя определение вероятности того, что эта точка изображения находится на границе; и выбор точек изображения, имеющих более высокие вероятности, чем заранее заданная пороговая величина.
14. Система по п. 11, причем уточнение первого контура на основании справочника форм для генерирования второго контура области исследования включает в себя:
выбор набора форм из справочника форм;
объединение выбранного набора форм для аппроксимирования первого контура; и
генерирование второго контура на основании объединенного набора форм.
15. Система по п. 14, причем способ включает в себя:
определение того, находится ли на втором контуре по меньшей мере подмножество точек изображения на первом контуре, посредством минимизации функции оптимизации.
16. Система по п. 11, причем обновление по меньшей мере одного из детектора границ или справочника форм на основании второго контура включает в себя обновление детектора границ и
(a) определение обновленного первого контура после обновления детектора границ на основании второго контура;
(b) уточнение обновленного первого контура на основании справочника форм для генерирования обновленного второго контура; и
повторение этапов (a) и (b) до тех пор, пока не будет удовлетворено по меньшей мере одно из следующих условий:
число повторений достигнет заранее заданного значения; или
остаточная ошибка достигнет заранее заданного минимума.
17. Система по п. 11, причем способ включает в себя уточнение второго контура с использованием детектора границ.
18. Реализуемый на компьютере способ обучения детектора границ на основании множества медицинских изображений, содержащих область исследования, содержащий:
выбор с помощью процессора точек изображения, расположенных на границах области исследования, из упомянутого множества медицинских изображений;
извлечение с помощью процессора поворачиваемых признаков из выбранных точек изображения;
определение с помощью процессора вектора признаков на основании извлеченных поворачиваемых признаков; и
генерирование с помощью процессора детектора границ на основании вектора признаков.
19. Реализуемый на компьютере способ по п. 18, содержащий:
сравнение нового изображения, имеющего новый контур, с упомянутым множеством медицинских изображений;
выбор подмножества медицинских изображений из упомянутого множества на основании их сходств с упомянутым новым изображением, имеющим новый контур; и
обновление детектора границ на основании упомянутого нового изображения, имеющего новый контур, и выбранного подмножества медицинских изображений.
20. Реализуемый на компьютере способ по п. 19, содержащий:
выбор подмножества форм из упомянутого нового изображения, содержащего новый контур;
получение коэффициента разрежения для каждой формы в упомянутом подмножестве; и
обновление справочника форм на основании полученного коэффициента разрежения.
RU2016137791A 2014-02-27 2015-02-24 Система и способ автоматического построения контуров в адаптивной радиотерапии RU2689029C2 (ru)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
US14/192,778 US9629598B2 (en) 2014-02-27 2014-02-27 System and method for auto-contouring in adaptive radiotherapy
US14/192,778 2014-02-27
PCT/IB2015/051383 WO2015128803A2 (en) 2014-02-27 2015-02-24 System and method for auto-contouring in adaptive radiotherapy

Publications (3)

Publication Number Publication Date
RU2016137791A true RU2016137791A (ru) 2018-03-29
RU2016137791A3 RU2016137791A3 (ru) 2018-09-12
RU2689029C2 RU2689029C2 (ru) 2019-05-23

Family

ID=53539748

Family Applications (1)

Application Number Title Priority Date Filing Date
RU2016137791A RU2689029C2 (ru) 2014-02-27 2015-02-24 Система и способ автоматического построения контуров в адаптивной радиотерапии

Country Status (7)

Country Link
US (2) US9629598B2 (ru)
EP (1) EP3111422B1 (ru)
JP (1) JP6505124B2 (ru)
CN (1) CN106462963B (ru)
AU (1) AU2015221826B2 (ru)
RU (1) RU2689029C2 (ru)
WO (1) WO2015128803A2 (ru)

Families Citing this family (17)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10449388B2 (en) 2013-06-18 2019-10-22 Duke University Systems and methods for specifying treatment criteria and treatment parameters for patient specific radiation therapy planning
GB2518589B (en) * 2013-07-30 2019-12-11 Holition Ltd Image processing
KR20160032586A (ko) * 2014-09-16 2016-03-24 삼성전자주식회사 관심영역 크기 전이 모델 기반의 컴퓨터 보조 진단 장치 및 방법
WO2017087985A1 (en) * 2015-11-20 2017-05-26 Duke University Systems and methods for automatic, customized radiation treatment plan generation for cancer
US10096132B2 (en) * 2016-01-27 2018-10-09 Samsung Electronics Co., Ltd. Method and apparatus for positioning feature point
EP3923237A1 (en) * 2017-02-22 2021-12-15 The United States of America as represented by The Secretary Department of Health and Human Services Detection of prostate cancer in multi-parametric mri using random forest
EP3391940A1 (en) * 2017-04-21 2018-10-24 Koninklijke Philips N.V. Planning system for adaptive radiation therapy
CN107392897B (zh) * 2017-07-17 2021-02-02 上海联影医疗科技股份有限公司 器官轮廓获取方法、影像设备、放疗计划系统及存储介质
KR101955919B1 (ko) * 2017-09-21 2019-03-08 재단법인 아산사회복지재단 딥러닝 기반의 영상데이터 내 관심영역 설정방법 및 프로그램
GB2569541B (en) * 2017-12-19 2020-08-19 Mirada Medical Ltd Method and apparatus for medical imaging
WO2019167883A1 (ja) * 2018-02-28 2019-09-06 富士フイルム株式会社 機械学習装置および方法
CN112601582A (zh) * 2018-06-26 2021-04-02 威斯康星州医药大学股份有限公司 用于加速的在线自适应放射疗法的系统和方法
WO2020168284A1 (en) * 2019-02-15 2020-08-20 The Regents Of The University Of California Systems and methods for digital pathology
KR102667231B1 (ko) 2020-12-21 2024-05-20 주식회사 인피니트헬스케어 딥 러닝 알고리듬과 해부학적 특성에 기반한 의료 영상 셋의 컨투어링 시스템 및 방법
EP4272812A4 (en) * 2020-12-30 2024-09-04 Neurophet Inc MEDICAL IMAGE ANALYSIS METHOD TAKES FEATURE INFORMATION INTO ACCOUNT, MEDICAL IMAGE ANALYSIS DEVICE AND MEDICAL IMAGE ANALYSIS SYSTEM
CN113536575B (zh) * 2021-07-20 2024-09-27 深圳市联影高端医疗装备创新研究院 器官轮廓勾画方法、医学影像系统以及存储介质
CN114093459A (zh) * 2021-11-24 2022-02-25 上海联影医疗科技股份有限公司 剂量控制点的确定方法、装置和存储介质

Family Cites Families (22)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH1091782A (ja) * 1996-09-10 1998-04-10 Olympus Optical Co Ltd 濃淡画像用特定部位抽出方法
US5871019A (en) * 1996-09-23 1999-02-16 Mayo Foundation For Medical Education And Research Fast cardiac boundary imaging
WO1999052068A1 (en) * 1998-04-03 1999-10-14 Koninklijke Philips Electronics N.V. Image processing method and system involving contour detection steps
JP4614548B2 (ja) * 2001-01-31 2011-01-19 パナソニック株式会社 超音波診断装置
US8144987B2 (en) * 2005-04-13 2012-03-27 Koninklijke Philips Electronics N.V. Method, a system and a computer program for segmenting a surface in a multi-dimensional dataset
JP4999163B2 (ja) * 2006-04-17 2012-08-15 富士フイルム株式会社 画像処理方法および装置ならびにプログラム
US7889912B2 (en) * 2006-09-15 2011-02-15 The General Electric Company Method for real-time tracking of cardiac structures in 3D echocardiography
US7916919B2 (en) * 2006-09-28 2011-03-29 Siemens Medical Solutions Usa, Inc. System and method for segmenting chambers of a heart in a three dimensional image
CA2666313A1 (en) * 2006-10-10 2008-05-08 Cedara Software Corp. System and method for segmenting a region in a medical image
JP4867771B2 (ja) * 2007-04-19 2012-02-01 パナソニック電工株式会社 テンプレートマッチング装置
WO2009031155A2 (en) * 2007-09-06 2009-03-12 Yeda Research And Development Co. Ltd. Modelization of objects in images
US8121367B2 (en) * 2007-09-21 2012-02-21 Siemens Aktiengesellschaft Method and system for vessel segmentation in fluoroscopic images
US8275182B2 (en) * 2007-09-27 2012-09-25 The University Of British Columbia University-Industry Liaison Office Method for automated delineation of contours of tissue in medical images
AU2009326864B2 (en) * 2008-12-12 2015-08-27 Signostics Limited Medical diagnostic method and apparatus
US20110054295A1 (en) * 2009-08-25 2011-03-03 Fujifilm Corporation Medical image diagnostic apparatus and method using a liver function angiographic image, and computer readable recording medium on which is recorded a program therefor
US8437521B2 (en) * 2009-09-10 2013-05-07 Siemens Medical Solutions Usa, Inc. Systems and methods for automatic vertebra edge detection, segmentation and identification in 3D imaging
US9025841B2 (en) * 2009-11-18 2015-05-05 Siemens Aktiengesellschaft Method and system for segmentation of the prostate in 3D magnetic resonance images
EP2522279A4 (en) * 2010-01-07 2016-11-30 Hitachi Ltd DIAGNOSIS DEVICE WITH MEDICAL PICTURES, METHOD FOR EXTRACTION AND PROCESSING OF THE CONTOUR OF MEDICAL PICTURES
US8494245B2 (en) * 2010-03-09 2013-07-23 Siemens Aktiengesellschaft System and method for guiding transcatheter aortic valve implantations based on interventional C-Arm CT imaging
CN102542601A (zh) * 2010-12-10 2012-07-04 三星电子株式会社 一种用于3d对象建模的设备和方法
US8867806B2 (en) * 2011-08-01 2014-10-21 Impac Medical Systems, Inc. Method and apparatus for correction of errors in surfaces
US9292917B2 (en) * 2011-11-23 2016-03-22 Siemens Aktiengesellschaft Method and system for model-based fusion of computed tomography and non-contrasted C-arm computed tomography

Also Published As

Publication number Publication date
US20150238158A1 (en) 2015-08-27
CN106462963A (zh) 2017-02-22
EP3111422A2 (en) 2017-01-04
US9629598B2 (en) 2017-04-25
AU2015221826B2 (en) 2019-03-21
WO2015128803A2 (en) 2015-09-03
AU2015221826A1 (en) 2016-09-08
US9697602B1 (en) 2017-07-04
EP3111422B1 (en) 2020-11-11
US20170193662A1 (en) 2017-07-06
WO2015128803A3 (en) 2015-11-12
JP2017512091A (ja) 2017-05-18
JP6505124B2 (ja) 2019-04-24
RU2689029C2 (ru) 2019-05-23
CN106462963B (zh) 2019-05-03
RU2016137791A3 (ru) 2018-09-12

Similar Documents

Publication Publication Date Title
RU2016137791A (ru) Система и способ автоматического построения контуров в адаптивной радиотерапии
CN107832807B (zh) 一种图像处理方法和系统
JP2021514497A5 (ru)
US9471964B2 (en) Non-local mean-based video denoising method and apparatus
CN108171233B (zh) 使用基于区域的深度学习模型的对象检测的方法和设备
US10268950B2 (en) Face detection using machine learning
JP2017138198A5 (ru)
RU2017143389A (ru) Отслеживание объектов путем обучения без контроля
JP2021500658A5 (ru)
US10595006B2 (en) Method, system and medium for improving the quality of 2D-to-3D automatic image conversion using machine learning techniques
RU2017110538A (ru) Системы и способы сегментации медицинских изображений на основании признаков, основанных на анатомических ориентирах
RU2017142709A (ru) Система и способ формирования обучающего набора для алгоритма машинного обучения
CN109063584B (zh) 基于级联回归的面部特征点定位方法、装置、设备及介质
JP2016085637A5 (ru)
JP2015197816A5 (ru)
JP2017510427A (ja) 放射線画像の肺野セグメンテーション技術及び骨減弱技術
RU2014128596A (ru) Автоматическое определение коэффициента регуляризации для итерационного восстановления изображения с регуляризацией и/или шумоподавлением изображения
CN112949693A (zh) 图像分类模型的训练方法、图像分类方法、装置和设备
JP2023159216A (ja) 画像処理装置、画像処理方法、プログラム
CN108805149A (zh) 一种视觉同步定位与地图构建的回环检测方法及装置
RU2015125820A (ru) Способ и сервер обработки пользовательского запроса на предоставление рекомендованной области интереса
JP2009265732A (ja) 画像処理装置及びその方法
JP2017033063A5 (ru)
US8442317B2 (en) Method, apparatus and computer program product for compensating eye color defects
WO2022127043A1 (zh) 基于卷积神经网络的检测方法、装置、计算机设备及存储介质