RU2695060C2 - Информационно-логическая измерительная система поддержки принятия решения при диагностике состояния предстательной железы - Google Patents

Информационно-логическая измерительная система поддержки принятия решения при диагностике состояния предстательной железы Download PDF

Info

Publication number
RU2695060C2
RU2695060C2 RU2017143028A RU2017143028A RU2695060C2 RU 2695060 C2 RU2695060 C2 RU 2695060C2 RU 2017143028 A RU2017143028 A RU 2017143028A RU 2017143028 A RU2017143028 A RU 2017143028A RU 2695060 C2 RU2695060 C2 RU 2695060C2
Authority
RU
Russia
Prior art keywords
image
input
output
information
foreground
Prior art date
Application number
RU2017143028A
Other languages
English (en)
Other versions
RU2017143028A3 (ru
RU2017143028A (ru
Inventor
Александр Александрович Бурмака
Ксения Викторовна Разумова
Станислав Петрович Серёгин
Николай Алексеевич Кореневский
Original Assignee
Федеральное государственное бюджетное образовательное учреждение высшего образования "Юго-Западный государственный университет" (ЮЗГУ)
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 Федеральное государственное бюджетное образовательное учреждение высшего образования "Юго-Западный государственный университет" (ЮЗГУ) filed Critical Федеральное государственное бюджетное образовательное учреждение высшего образования "Юго-Западный государственный университет" (ЮЗГУ)
Priority to RU2017143028A priority Critical patent/RU2695060C2/ru
Publication of RU2017143028A publication Critical patent/RU2017143028A/ru
Publication of RU2017143028A3 publication Critical patent/RU2017143028A3/ru
Application granted granted Critical
Publication of RU2695060C2 publication Critical patent/RU2695060C2/ru

Links

Images

Classifications

    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/20—Measuring for diagnostic purposes; Identification of persons for measuring urological functions restricted to the evaluation of the urinary system
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B8/00—Diagnosis using ultrasonic, sonic or infrasonic waves
    • A61B8/44—Constructional features of the ultrasonic, sonic or infrasonic diagnostic device
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
    • G01N33/48—Biological material, e.g. blood, urine; Haemocytometers

Landscapes

  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • General Health & Medical Sciences (AREA)
  • Biomedical Technology (AREA)
  • Pathology (AREA)
  • Physics & Mathematics (AREA)
  • Molecular Biology (AREA)
  • Veterinary Medicine (AREA)
  • Urology & Nephrology (AREA)
  • Medical Informatics (AREA)
  • Biophysics (AREA)
  • Surgery (AREA)
  • Animal Behavior & Ethology (AREA)
  • Chemical & Material Sciences (AREA)
  • Public Health (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Hematology (AREA)
  • Physiology (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Radiology & Medical Imaging (AREA)
  • Food Science & Technology (AREA)
  • Medicinal Chemistry (AREA)
  • Analytical Chemistry (AREA)
  • Biochemistry (AREA)
  • General Physics & Mathematics (AREA)
  • Immunology (AREA)
  • Ultra Sonic Daignosis Equipment (AREA)
  • Image Analysis (AREA)

Abstract

Изобретение относится к области медицины и к информационно-измерительной технике, используемой в медицинских исследованиях и диагностике. Раскрыта информационно-логическая измерительная система поддержки принятия решения при диагностике состояния предстательной железы, содержащая подсистему ультразвукового исследования (УЗИ) состояния предстательной железы с датчиками УЗИ и трансректального исследования (ТРУЗИ) и программно-аппаратным блоком, соединенным со входом подсистемы первичной обработки визуализированной информации, информационный выход которой соединен с подсистемой вторичной обработки, причем подсистема первичной обработки содержит оперативное запоминающее устройство (ОЗУ), блок выделения фона изображения, блок выделения переднего плана изображения предстательной железы (ПЖ), блок построчного дифференцирования изображения, сумматор, блок масштабирования (развертки) видеокадра и блок покластерной сегментации переднего плана изображения ПЖ. Изобретение обеспечивает повышение достоверности принятия решений врачом-специалистом и сокращение времени обработки информации. 2 ил.

Description

Изобретение относится к медицине и к информационно-измерительной технике, используемой в медицинских исследованиях и диагностике. Технический результат заключается в повышении достоверности принятия решений врачом-специалистом и сокращение времени обработки информации.
Известно техническое решение «Информационно-измерительная биотехническая система для исследования антидиуретической активности жидких сред организма» патент RU2412439 класс G01N33/48, А61В5/20 предназначенное для исследования антидиуретической активности жидких сред посредством съема информации непосредственно от объекта, ее дискретно-цифрового преобразования с управлением темпом поступления исходных данных. Недостатком этого решения является узкоспециализированная функциональная и структурная организация системы и ее компонентов.
Известно другое решение «Автоматическая сегментация простаты, прямой кишки и уретры в ультразвуковой визуализации» патент США 6561980В1 (опубликовано 13.05.2003 г.), как более близкое к заявленному решению и представляющее собой способ определения границ простаты, прямой кишки и уретры путем анализа изображения как результата ультразвукового исследования (УЗИ, ТРУЗИ) с его предварительной обработкой с целью снизить уровень шумов (помех) и повысить контраст анализируемого кадра. Границы органов определяются посредством реализации итеративного алгоритма поиска последовательности стабильных пограничных точек. Способ также предполагает программным способом построение трехмерной модели простаты, прямой кишки и уретры человека с целью выполнения процедур сегментации, срезов и трехмерных векторных представлений объектов, к которым применяются затем операции анализа полученных таким образом фрагментов, используя свойства полутонового порога и сплайн-интерполяции. Таким образом, целью анализируемого изображения (патент США 6561980В1) является, по сути, улучшение качества визуализированного кадра УЗИ путем реализации интерактивного (многошагового) алгоритма выделения переднего плана, его фрагментации с использованием стандартных процедур (например, А.А. Лукьяница, А.Г. Шишкин «Цифровая обработка видеоизображений», М., Издательство «Ай-Эс-Эс Пресс», 2009 г. С.66-72) обработки.
Недостатком этого решения является ограниченное количество процедур обработки, что влечет отсутствие функциональной возможности обрабатывать последовательности УЗИ-изображений, например, простаты для оперативного принятия решения врачом-специалистом с учетом поддержки принятия решения, сформированной информационно-логической измерительной системой предлагаемой полезной модели.
Известно также еще одно решение «Способ диагностики рака предстательной железы», патент RU 2289315 C2 (опубликовано 20.12.2006 г. Бюллетень № 35), предназначенное для уточнения диагностики злокачественной опухоли предстательной железы на различных стадиях опухолевого процесса.
Способ отличается тем, что для повышения контраста и выделения контуров простаты проводят в условиях пневморектума прямой кишки спиралевидную рентгеновскую компьютерную томографию брюшной полости пациента с шагом 1-2 мм с целью увеличения числа срезов простаты и, следовательно, повышения достоверности диагноза.
Недостатком этого решения является ограничение функциональных возможностей, поскольку текущая информация используется только в момент обследования и не участвует на этапах последующей обработки с целью автоматического формирования поддержки принятия решения.
Последнее из перечисленных выше технических решений наиболее близко по замыслу к описываемому техническому решению в части использования приемов формирования входной информации и использовании, по сути, в качестве ядра информационно-логической измерительной системы компьютера (ЭВМ), оснащенного пакетом специального программного обеспечения (СПО) в дополнение к стандартному ПО поддерживающего решение стандартных задач ИЛИС.
Техническая задача изобретения состоит в расширении функциональных возможностей информационно-логической измерительной системы поддержки принятия решения при диагностике состояния предстательной железы. Решение технической задачи заключается в том, что информационно-логическая измерительная система (ИЛИС) поддержки принятия решения при диагностике состояния предстательной железы (далее ИЛИС поддержки принятия решения) содержит:
- штатную подсистему ультразвукового исследования (УЗИ), содержащую, в свою очередь, датчики УЗИ и трансректального исследования (ТРУЗИ) и программно-аппаратный блок, к входам которого подключены датчики УЗИ и ТРУЗИ, а вход программно-аппаратного блока подключен ко входу подсистемы первичной обработки визуализированной информации;
- подсистему первичной обработки визуальной информации, включающую: оперативное запоминающее устройство (ОЗУ), блок выделения фона изображения, блок выделения переднего плана изображения предстательной железы (ПЖ), блок построчного дифференцирования изображения ПЖ, блок масштабирования (развертки) видеокадра, сумматор и блок покластерной сегментации переднего плана, причем вход ОЗУ соединен с выходом программно-аппаратного блока подсистемы ультразвукового исследования (далее – подсистемы УЗИ), первый выход ОЗУ соединен с первым входом блока выделения переднего плана изображения ПЖ, второй выход ОЗУ подключен к входу выделения фона изображения, выход которого соединен со вторым входом блока выделения переднего плана изображения ПЖ, первый выход которого подключен к блоку построчного дифференцирования изображения ПЖ, выход которого подключен к первому входу сумматора, второй вход которого соединен со вторым выходом блока выделения переднего плана изображения ПЖ, а выход сумматора соединен со входом блока масштабирования (развертки) изображения (видеокадра), выход которого подключен к первому входу блока покластерной сегментации переднего плана, выход которого соединен со входом подсистемы вторичной обработки информации;
- подсистему вторичной обработки информации, первый выход которой подключен ко второму входу блока покластерной сегментации переднего плана подсистемы первичной обработки визуализированной информации; второй выход подсистемы вторичной обработки информации используется для вывода решения в удобной для пользователя форме.
На фиг. 1 представлены графики поясняющие принципы нелинейного преобразования и масштабирования изображения ПЖ (видеокадра УЗИ или ТРУЗИ), на фиг. 2 приведена структурная схема ИЛИС поддержки принятия решения при диагностике состояния ПЖ.
В состав заявленной ИЛИС поддержки принятия решения при диагностике состояния ПЖ входят три взаимосвязанные подсистемы (фиг. 2):
- подсистема (штатная) ультразвукового исследования, содержащая датчики 4 и 5 соответственно УЗИ и ТРУЗИ и программно-аппаратный блок 6;
- подсистема первичной обработки визуализированной информации, включающая ОЗУ 7, блок выделения фона изображения 8, блок выделения переднего плана изображения ПЖ 9, блок построчного дифференцирования изображения ПЖ 10, сумматор 11, блок масштабирования (развертки) видеокадра 12 и блок покластерной сегментации переднего плана 13;
- подсистема вторичной обработки информации 3.
Предлагаемая ИЛИС поддержки принятия решения при диагностике состояния ПЖ человека (пациента) работает следующим образом.
Визуализированная информация о текущем состоянии ПЖ пациента, получаемая исследователем (врачом урологом), формируется с помощью датчиков УЗИ 4 или ТРУЗИ 5, функционирующих на частотах в несколько МГц (обычно-5-7 МГц) и соединенных своими выходами с информационными входами с программно-аппаратным блоком 6 штатной подсистемы УЗИ 1 (фиг.2). Этот блок реализует алгоритм формирования видеопоследовательности кадров с изображением текущего состояния долей ПЖ в различных сечениях и под различными углами зрения в зависимости от состояния пространственного расположения датчиков и объекта исследования. Эта визуализированная информация в виде последовательности статичных видеокадров трапецеидальной формы с выхода программно-аппаратного блока 6 подсистемы 1 поступает на вход подсистемы первичной обработки 2, а именно: на информационный вход ОЗУ 7, где запоминается и формируется в виде массива видеоданных (видеопоследовательности). По запросу блока выделения фона 8 эта информация в виде опорного статичного видеокадра (например, первого, поступившего на вход ОЗУ 7) поступает на информационный вход блока 8, где реализуется штатный (один из общепринятых (фиг. 1а), например, основанный на вычислении разности опорного первого кадра видеопоследовательности B(X,Y) и текущего кадра I(X,Y)) алгоритм сравнения разностей ∆X, ∆Y для каждого пикселя с порогом δ (А.А. Лукьяница, А.Г. Шишкин. Цифровая обработка изображений, М., издательство «Ай-Эс-Эс Пресс», 2009 г., с. 25-26). Это необходимо для того, чтобы выделить далее наиболее важную, информационную часть анализируемого видеокадра и исключить из анализа второстепенные неинформативные участки кадра, именуемые фоном. Для этого из ОЗУ очередной кадр поступает на первый информативный вход блока выделения переднего плана изображения 9 (фиг.2), на второй информационный вход которого поступает информация о фоне, который вычитается из текущего кадра, оставляя, таким образом, только часть изображения, его передний план с существенными для анализа деталями объекта (в рассматриваемом варианте – ПЖ).
В блоке 9 выполняются также подготовительные операции путем выполнения процедур фильтрации элементов переднего плана с целью ослабления влияния шумовых помех аддитивного плана, удаление мелких фрагментов, обусловленных наличием помех и не представляющих интерес для последующего анализа.
Для выделения подобъектов переднего плана (долей простаты, уретры, сопутствующих элементов таких как мочевой пузырь и т.д.) необходимо выполнить операции разграничения элементов в части изображения, представляющих собой его передний план.
При этом нечеткость контуров этих элементов, различная эхогенность долей ПЖ и сопутствующих тканей усложняют процесс выделения подобъектов переднего плана. Для этого используются известные операции по увеличению контраста анализируемого изображения, связанные с усилением темных или ярких элементов изображения ПЖ, но не всегда получают удовлетворительные результаты, поскольку при этом снижается разрешение в области границ объективов переднего плана, представляющих интерес для анализа. Известно, что четкость переходов в изображении подчеркивается высшими частотными составляющими его элементов, поэтому на этапе первичной обработки целесообразно усиливать именно их. С этой целью в подсистему первичной обработки 2 (фиг. 2) дополнительно введен блок 10 построчного дифференцирования изображения анализируемого видеокадра, т.е.
Figure 00000001
, (1)
где
Figure 00000002
 - оператор дифференцирования (направленное действие);
Figure 00000003
 - j-я строка (линия) информации Ii в пространственно-яркостном (или цветовом) формате;
Figure 00000004
 - точечные элементы (пиксели) с координатами (xi,yj);
Figure 00000005
 - шаг дифференцирования (дискретизации Fj(Ii)).
В результате дифференцирования в блоке 10 выделяются только высокочастотные составляющие изображения переднего плана, которые поступают на первый информационный вход сумматора 11 (фиг. 2), на второй информационный вход которого с выхода блока выделения переднего плана 9 поступает недифференцированное изображение переднего плана данного видеокадра.
В сумматоре 11 выполняется операция попиксельного наложения дифференцированного и исходного переднего плана, в результате чего получается изображение с усилением контраста только в местах контурных переходов элементов изображения. Это позволяет ослабить эффект эхогенности и повысить точность выделения подобъектов переднего плана.
После уточнения переднего плана важной операцией является масштабирование его изображения, связанное с тем, что визуализированная первичная информация, формируемая подсистемой УЗИ 1, представляется, как правило, не в виде прямоугольных кадров (как на компьютерном или телевизионном мониторе), а в виде статичных кадров трапецеидального вида, конфигурация которых, зависит от типа датчиков, различного вида оборудования УЗИ и особенности приемов сканирования зондируемой области тела пациента. Это вызывает дополнительные трудности при анализе переднего плана конкретного видеокадра. Так, например, построчный его анализ требует работы со «строками» различной длины, представления их в виде объединенных гистограмм (по яркости или по цвету) и на их базе – вылеление связанных групп пикселей, принадлежащих конкретной области (доле) ПЖ в выделенном изображении переднего плана. Преодоление этих трудностей возможно, если в качестве приема масштабирования выбрать, например, сетку из концентрических окружностей, как показано на фиг. 1а. В этом случае съем информации по контуру каждой окружности даст конкретную гистограмму, определяемую вектор-радиусом к-той окружности rk. При этом шаг (приращение радиуса соседней окружности ∆rk,k-1=rk-rk-1) выбирается из необходимой точности формирования «соседних» гистограмм пространственно-яркостного характера. Такой подход не требует переформатизации кадра, но остается сложность сопряжения гистограмм, порожденных каждой из окружностей модифицированного таким образом переднего плана. С учетом этих факторов в составе подсистемы первичной обработки 2 предполагаемой ИЛИС использовано дополнительное введение блока нелинейного преобразования и масштабирования кадра 12 (фиг.2), реализующего процедуру нелинейной развертки изображения переднего плана по закону спирали Ферми, описываемой выражением вида
Figure 00000006
, (2)
где
Figure 00000007
- текущий радиус развертки;
Figure 00000008
 - шаг спирали, определяющий точность развертки,
Figure 00000009
 - текущий угол (аргумент) развертки.
Удобство такого подхода в том, что развертка осуществляется сразу двумя спиралями, сопряжение которых осуществляется (фиг.1б) в окрестности точки «О», определяющей центр переднего плана изображения ПЖ. В результате реализации такой процедуры развертки получается в блоке 12 единая гистограмма пространственно-яркостного (или цветового) формата представления переднего плана. Преобразованная таким образом визуализированная информация с выхода блока 12 (фиг. 2) поступает на информационный вход блока покластерной сегментации переднего плана 13 (фиг. 2), который выполняет следующие операции:
- поиск подобъектов некоторой формы, в общем, с отличной от фона яркостью и имеющих, в соответствии с этим, определяемых по яркости переходов границы h(i,j), которые можно сформулировать как
Figure 00000010
, (3)
т.е. элемент (i,j) более яркий, чем фон;
Figure 00000011
, (4)
т.е. элемент (i,j) менее яркий, чем фон;
Figure 00000012
 (5)
т.е. элемент (i,j) принадлежит фону;
- определение контуров переднего плана и согласно им – разбиение его на подобъекты, которыми в данном случае являются доли ПЖ (фиг. 1а) и сопутствующие элементы (мочевой пузырь, уретра, непростатический сфинктер), что в формальном представлении может быть определено как
Figure 00000013
 (6)
где Seg – операция сегментации,
Figure 00000014
- функции, определяющие переднеплановое и сегментированное изображения соответственно, причем:
Figure 00000015
 (7)
Здесь
Figure 00000016
- наименование p-го сегмента,
Figure 00000017
- множество элементов (∆xi, ∆yj) или точек (пикселей) p-го сегмента.
Операционно эти сегменты Sp могут уточняться посредством определения их центров (вычисление математического ожидания, т.е. центра Sp) и проверки правомерности нахождения каждого элемента J(∆xi, ∆yj) внутри каждого из сегментов, т.е., в этом случае – внутри сегмента Segk(Sp), каждый элемент которого, отвечая принципам кластеризации, соответствует еще и критерию минимума расстояния от своего центра по отношению к центрам других кластеров (сегментов Segk). Эта информация передается на вход подсистемы вторичной обработки визуализированной информации 3, задачей которой является:
- идентификация сегментов изображения переднего плана в соответствии с их функциональной ролью в ПЖ;
- распознавание текущего состояния исследуемой ПЖ, используя априорные сведения (например, базу данных) о форме сегментов, их линейных размерах (длина, ширина, объем) и качественных признаках;
- формирование поддержки принятия решения как полезной информации (т.е. ИЛИС выступает в роли автомата-советчика) для врача-уролога.
С помощью обратной связи с блоком покластернойсегментации 13 (фиг.2) по командам подсистемы вторичной обработки границы кластеров могут уточняться в процессе реализации ее алгоритмов. В качестве подсистемы вторичной обработки может быть использована ЭВМ (компьютер) с дополнением её специализированным программным обеспечением для решения описанных задач идентификации, распознавания и формирования поддержки принятия решений как выходной информации для пользователя.

Claims (1)

  1. Информационно-логическая измерительная система поддержки принятия решения при диагностике состояния предстательной железы, содержащая подсистему ультразвукового исследования (УЗИ) состояния предстательной железы с датчиками УЗИ и трансректального исследования (ТРУЗИ) и программно-аппаратным блоком, соединенным со входом подсистемы первичной обработки визуализированной информации, информационный выход которой соединен с подсистемой вторичной обработки, причем подсистема первичной обработки содержит оперативное запоминающее устройство (ОЗУ), блок выделения фона изображения, блок выделения переднего плана изображения предстательной железы (ПЖ), блок построчного дифференцирования изображения, сумматор, блок масштабирования (развертки) видеокадра и блок покластерной сегментации переднего плана изображения ПЖ, причем выход программно-аппаратного блока подсистемы УЗИ подключен ко входу ОЗУ, первый выход которого соединен со входом блока выделения фона изображения, выход которого подключен к первому входу блока выделения переднего плана изображения, второй вход которого подключен ко второму выходу ОЗУ; первый выход блока выделения переднего плана изображения соединен со входом блока построчного дифференцирования изображения, выход которого соединен с первым входом сумматора, второй вход которого подключен ко второму выходу блока выделения переднего плана изображения, а выход сумматора соединен со входом блока масштабирования (развертки) видеокадра, выход которого соединен с первым входом блока покластерной сегментации переднего плана, выход которого подключен ко входу подсистемы вторичной обработки визуализированной информации, выход обратной связи которой соединен со вторым входом блока покластерной сегментации переднего плана.
RU2017143028A 2017-12-11 2017-12-11 Информационно-логическая измерительная система поддержки принятия решения при диагностике состояния предстательной железы RU2695060C2 (ru)

Priority Applications (1)

Application Number Priority Date Filing Date Title
RU2017143028A RU2695060C2 (ru) 2017-12-11 2017-12-11 Информационно-логическая измерительная система поддержки принятия решения при диагностике состояния предстательной железы

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
RU2017143028A RU2695060C2 (ru) 2017-12-11 2017-12-11 Информационно-логическая измерительная система поддержки принятия решения при диагностике состояния предстательной железы

Publications (3)

Publication Number Publication Date
RU2017143028A RU2017143028A (ru) 2019-06-11
RU2017143028A3 RU2017143028A3 (ru) 2019-06-24
RU2695060C2 true RU2695060C2 (ru) 2019-07-19

Family

ID=66947146

Family Applications (1)

Application Number Title Priority Date Filing Date
RU2017143028A RU2695060C2 (ru) 2017-12-11 2017-12-11 Информационно-логическая измерительная система поддержки принятия решения при диагностике состояния предстательной железы

Country Status (1)

Country Link
RU (1) RU2695060C2 (ru)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113536964B (zh) * 2021-06-25 2023-09-26 合肥合滨智能机器人有限公司 一种超声视频的分类提取方法

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6561980B1 (en) * 2000-05-23 2003-05-13 Alpha Intervention Technology, Inc Automatic segmentation of prostate, rectum and urethra in ultrasound imaging
US8043216B2 (en) * 2004-06-09 2011-10-25 Hitachi Medical Corporation Method of displaying elastic image and diagnostic ultrasound system
US9375195B2 (en) * 2012-05-31 2016-06-28 Siemens Medical Solutions Usa, Inc. System and method for real-time ultrasound guided prostate needle biopsy based on biomechanical model of the prostate from magnetic resonance imaging data

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6561980B1 (en) * 2000-05-23 2003-05-13 Alpha Intervention Technology, Inc Automatic segmentation of prostate, rectum and urethra in ultrasound imaging
US8043216B2 (en) * 2004-06-09 2011-10-25 Hitachi Medical Corporation Method of displaying elastic image and diagnostic ultrasound system
US9375195B2 (en) * 2012-05-31 2016-06-28 Siemens Medical Solutions Usa, Inc. System and method for real-time ultrasound guided prostate needle biopsy based on biomechanical model of the prostate from magnetic resonance imaging data

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
БУРМАКА А.А. и др. Автоматизированная обработка ультразвуковых изображений предстательной железы // Медицинская техника, 2016, N.3, стр.50-53. *

Also Published As

Publication number Publication date
RU2017143028A3 (ru) 2019-06-24
RU2017143028A (ru) 2019-06-11

Similar Documents

Publication Publication Date Title
Zeebaree et al. Machine learning and region growing for breast cancer segmentation
Jain et al. Hybrid deep learning segmentation models for atherosclerotic plaque in internal carotid artery B-mode ultrasound
Zotin et al. Edge detection in MRI brain tumor images based on fuzzy C-means clustering
Zhang et al. Dual-mode artificially-intelligent diagnosis of breast tumours in shear-wave elastography and B-mode ultrasound using deep polynomial networks
Annamalai et al. An early prediction of tumor in heart by cardiac masses classification in echocardiogram images using robust back propagation neural network classifier
KR20230059799A (ko) 병변 검출을 위해 공동 훈련을 이용하는 연결형 머신 러닝 모델
Hussein et al. Fully automatic segmentation of gynaecological abnormality using a new viola–jones model
Jebarani et al. A novel hybrid K-means and GMM machine learning model for breast cancer detection
CN114332040A (zh) 一种基于多模态的甲状腺肿瘤图像分类方法及终端设备
CN106327480B (zh) 一种甲状腺ct图像异常密度的检测方法
Kurnar et al. Detection of brain tumor in MRI images by applying segmentation and area calculation method using scilab
Angelelli et al. Interactive visual analysis of contrast-enhanced ultrasound data based on small neighborhood statistics
Sandhiya et al. Reconstruction, identification and classification of brain tumor using gan and faster regional-CNN
Jiang et al. Segmentation of prostate ultrasound images: the state of the art and the future directions of segmentation algorithms
RU2695060C2 (ru) Информационно-логическая измерительная система поддержки принятия решения при диагностике состояния предстательной железы
Khan et al. Breast cancer histological images nuclei segmentation using mask regional convolutional neural network
Rani et al. Radon transform-based improved single seeded region growing segmentation for lung cancer detection using AMPWSVM classification approach
Atiyah et al. Brain MRI Images Segmentation Based on U-Net Architecture
Anshad et al. Segmentation of chondroblastoma from medical images using modified region growing algorithm
Chao et al. A new general maximum intensity projection technology via the hybrid of u-net and radial basis function neural network
WO2020118296A1 (en) Systems and methods for quantifying vessel features in ultrasound doppler images
CN116468923A (zh) 一种基于加权重采样聚类不稳定性的图像强化方法及装置
Yao et al. Quantitative assessment for characterization of breast lesion tissues using adaptively decomposed ultrasound RF images
Li et al. Automatic segmentation algorithm of breast ultrasound image based on improved level set algorithm
Singh et al. A fuzzy-entropy and image fusion based multiple thresholding method for the brain tumor segmentation

Legal Events

Date Code Title Description
MM4A The patent is invalid due to non-payment of fees

Effective date: 20191212