TWI714200B - 纖維化的電腦輔助分析方法、電子裝置、電腦程式產品 - Google Patents
纖維化的電腦輔助分析方法、電子裝置、電腦程式產品 Download PDFInfo
- Publication number
- TWI714200B TWI714200B TW108127947A TW108127947A TWI714200B TW I714200 B TWI714200 B TW I714200B TW 108127947 A TW108127947 A TW 108127947A TW 108127947 A TW108127947 A TW 108127947A TW I714200 B TWI714200 B TW I714200B
- Authority
- TW
- Taiwan
- Prior art keywords
- level
- nodes
- fiber
- image
- bridges
- Prior art date
Links
Images
Landscapes
- Measuring And Recording Apparatus For Diagnosis (AREA)
Abstract
本發明提出一種纖維化的電腦輔助分析方法。首先,對醫學影像執行分割演算法以取得分割影像,並根據分割影像偵測醫學影像中的環形纖維以決定一級分。在一些情況下,還必須判斷橋接數目與纖維擴張的情形。
Description
本發明是有關於一種纖維化的電腦輔助分析方法,可以客觀的計算出一級分。
肝臟纖維化是慢性B肝或C肝患者的常見變化,並會逐漸進展成肝硬化以及肝癌,如何早期診斷出肝纖維化的程度並給予適當治療,是預防疾病惡化的重要課題。然而,習知的纖維化分級方法仰賴醫生的主觀判斷,因此如何提供一個客觀的電腦輔助分級方法,為此領域技術人員所關心的議題。
本發明的實施例提出一種電子裝置,包括記憶體與處理器。記憶體儲存有多個指令,處理器用以執行這些指令以完成多個步驟:取得醫學影像,並對醫學影像執行一分割演算法以取得一分割影像,其中分割影像包括纖維部分 與細胞部分;根據分割影像偵測醫學影像中的環形纖維;以及根據環形纖維的大小來決定一級分。
在一些實施例中,根據分割影像偵測醫學影像中的環形纖維的步驟包括:排除纖維部分,對細胞部分執行侵蝕程序以取得被纖維包圍區域;計算被包圍區域的被包圍程度;以及如果被包圍區域的程度大於第一臨界值,判斷被包圍區域為環形纖維。
在一些實施例中,上述的環形纖維判斷也可以利用圓度來去除可能誤判。圓度是根據以下方程式(1)所計算,其中fcirc為圓度,A為被包圍區域的面積,P為被包圍區域的周長。
在一些實施例中,上述根據環形纖維的大小來決定級分的步驟包括:將環形纖維的面積的總和除以細胞部分的面積以得到一比值;以及若此比值大於等於第二臨界值,設定級分為第一級分,否則設定級分為第二級分,其中第一級分大於第二級分。
在一些實施例中,上述的步驟還包括:偵測醫學影像中的多個門脈區與多個中央靜脈;根據分割影像計算門脈區與中央靜脈的橋接數目;以及根據橋接數目設定級分為第三級分或第四級分。
在一些實施例中,上述根據分割影像計算門脈區與中央靜脈的橋接數目的步驟包括:將門脈區與中央靜脈作為多個節點;對節點執行三角化演算法以判斷每一 個節點的相鄰節點;對於每一個節點,根據分割影像判斷節點是否透過纖維部分相連於對應的相鄰節點,藉此計算橋接數目。上述根據橋接數目設定級分為第三級分或第四級分的步驟包括:判斷橋接數目與邊數目之間的比值是否大於第三臨界值,若是則設定級分為第三級分,否則設定級分為第四級分,其中第三級分大於第四級分,邊數目為(3n-3-k),n為節點的數目,k為節點所形成的一凸殼(convex hull)上節點的數目。
在一些實施例中,計算橋接數目的步驟包括:將門脈區與中央靜脈作為多個節點,以節點之間的距離作為邊以形成一圖,根據此圖建立一樹狀結構,用以指示每一個節點對應的相鄰節點;對於每一個節點,根據分割影像判斷此節點是否透過纖維部分相連於對應的相鄰節點以計算出橋接數目。在一些實施例中,上述根據橋接數目設定級分為第三級分或第四級分的步驟還包括:計算有透過纖維部分與其他節點相連的節點數目與所有節點的數目之間的比值是否大於一臨界值,若是則設定級分為第三級分,否則設定級分為第四級分。
在一些實施例中,上述的步驟更包括:對於每一門脈區,根據分割影像判斷門脈區中屬於纖維部分的面積與門脈區的面積之間的比值是否大於第四臨界值,若是則判斷門脈區為門脈擴張,其中擴張數目表示門脈區中有幾個門脈區為門脈擴張;以及根據擴張數目來設定級分為第五級分、第六級分或第七級分。
在一些實施例中,上述的步驟更包括:若擴張數目與門脈區的數目之間的比值大於第五臨界值,設定級分為第五級分;若擴張數目與門脈區的數目之間的比值小於等於第五臨界值且大於零,設定級分為第六級分;以及若擴張數目為零,設定級分為第七級分。
以另一個角度來說,本發明的實施例提出一種纖維化的電腦輔助分析方法,適用於一電子裝置。此電腦輔助分析方法包括:取得醫學影像,並對醫學影像執行一分割演算法以取得一分割影像,其中分割影像包括纖維部分與細胞部分;根據分割影像偵測醫學影像中的環形纖維;以及根據環形纖維的大小來決定一級分。
以另一個角度來說,本發明的實施例提出一種電腦程式產品,用以由一電子裝置執行以完成多個步驟:取得一醫學影像,並對此醫學影像執行一分割演算法以取得一分割影像,其中分割影像包括纖維部分與細胞部分;根據分割影像偵測醫學影像中的環形纖維;以及根據環形纖維的大小來決定一級分。
為讓本發明的上述特徵和優點能更明顯易懂,下文特舉實施例,並配合所附圖式作詳細說明如下。
100‧‧‧電子裝置
110‧‧‧處理器
120‧‧‧記憶體
210、310、330‧‧‧醫學影像
220、320、340、350‧‧‧分割影像
321、341、351‧‧‧細胞部分
322、342‧‧‧血管部分
323‧‧‧膽管部分
324、343、352‧‧‧纖維部分
360、370‧‧‧影像
371~374‧‧‧環形纖維
410‧‧‧醫學影像
411~413‧‧‧門脈區
510、610‧‧‧纖維化部分
520、620‧‧‧非纖維化部分
801~808‧‧‧節點
910‧‧‧凸殼
1010‧‧‧圖
1020‧‧‧連接矩陣
1110~1112‧‧‧環
1201~1207‧‧‧步驟
[圖1]是根據一實施例繪示電子裝置的示意圖。
[圖2A]與[圖2B]是根據一些實施例繪示醫學影像與分割影像的示意圖。
[圖3]是根據一實施例繪示判斷環形纖維的示意圖。
[圖4]至[圖6]是根據一實施例繪示局部醫學影像的示意圖。
[圖7]是根據一實施例繪示三角化後的示意圖。
[圖8]是根據一實施例繪示分割影像上節點的示意圖。
[圖9]是根據一實施例繪示三角化後一些節點所形成的一凸殼的示意圖。
[圖10]是根據一實施例繪示建立連接矩陣的示意圖。
[圖11]是根據一實施例繪示刪除環的示意圖。
[圖12]是根據一實施例繪示纖維化的電腦輔助分析方法的流程圖。
關於本文中所使用之『第一』、『第二』、...等,並非特別指次序或順位的意思,其僅為了區別以相同技術用語描述的元件或操作。
圖1是根據一實施例繪示電子裝置的示意圖。請參照圖1,電子裝置100可以是智慧型手機、平板電腦、個人電腦、筆記型電腦、工業電腦或具有計算能力的各種電子裝置或醫療器材等,本發明並不在此限。電子裝置100包括了處理器110與記憶體120,其中處理器110可為中央處理器、微處理器、微控制器、數位信號處理器、影像處理晶片、 特殊應用積體電路等,記憶體120可為揮發性記憶體或非揮發性記憶體,其中儲存有多個指令,處理器110會執行這些指令來完成一纖維化分級方法。首先介紹依沙克(Ishak)纖維化級分,請參照以下表1。
表1的纖維化級分仰賴著醫生的主觀判斷,以下提出一個客觀的纖維化分級方法。首先取得一醫學影像,此醫學影像可以是肝臟組織切片掃描影像,在圖2A的例子中,醫學影像210是肝臟組織的切片影像,但在其他實施例中也可以是其他器官的醫學影像,本發明並不在此限。接下 來,對醫學影像210執行分割(segmentation)演算法以取得分割影像220,此分割影像220為二值化影像,用以表示每個像素是否為纖維。在一些實施例中,上述的分割演算法是採用卷積神經網路,但在其他實施例中也可以採用任意的分割演算法,本發明並不在此限。舉例來說,在訓練階段,卷積神經網路的輸入是醫學影像,而輸出是經過人工標示出纖維的二值化影像;在測試階段則可以將醫學影像210輸入至訓練好的卷積神經網路,此卷積神經網路會輸出分割影像220。在上述實施例中分割影像220為二值化影像,但在其他實施例中所產生的分割影像中也可以具有更多類別。舉例來說,請參照圖2B,醫學影像310與醫學影像330都是肝臟組織的切片掃描影像,分割影像320是對醫學影像310進行分割的結果,分割影像340是對醫學影像330進行分割的結果。分割影像320包括了細胞部分321、血管部分322、膽管部分323與纖維部分324。分割影像340包括了細胞部分341、血管部分342與纖維部分343。在其他實施例中也可以分割出其他類別,本發明並不在此限。
接下來,根據分割影像來偵測醫學影像中的環形纖維,此環形纖維指的是被纖維包圍的肝細胞,環形纖維亦可被稱為結核(nodule)。由於在分割影像中已經分辨出細胞部分與纖維部分,如果將纖維部分排除,則環形纖維會留下肝細胞,其大部分形狀會接近圓形。但這樣的作法只能找出被纖維完全包圍的肝細胞,比較實際的做法是只要肝細胞有一比率(例如75%)的部分被包圍就可以判斷為環形纖 維。因此,在此可以先排除分割影像中的纖維部分,對剩餘的細胞部分做影像處理中的侵蝕(erosion)程序以取得被包圍區域,如果一區域的肝細胞有75%以上的部分都被纖維包圍,則侵蝕程序會移除沒有被包圍的肝細胞,使得剩餘的肝細胞是獨立的(沒有與其他肝細胞相連)。請參照圖3,分割影像350包括了細胞部分351與纖維部分352,在排除纖維部分352並對細胞部分351做侵蝕程序以後可以得到影像360,其中用不同的灰階來表示各個獨立的被包圍區域,例如被包圍區域361~365。
接下來,計算每個被包圍區域的圓度,如果圓度大於一臨界值則可以判斷為環形纖維。在一些實施例中,上述的圓度可以採用以下方程式(1)。
其中fcirc為圓度,A為被包圍區域的面積,P為被包圍區域的周長,當圓度越大,表示被包圓區域越接近圓形。在此實施例中,當被包圍區域的長軸(區域中最遠的兩點之間的距離)大於等於1釐米且圓度大於等於0.3時會被判斷為環形纖維。例如,影像370中繪示了環形纖維371~374,其餘的被包圍區域則不是環形纖維。在一些實施例中,在排除纖維部分352以後也可以對細胞部分351做多次侵蝕程序,每次侵蝕程序都採用不同的核心,在每次侵蝕程序後都會執行上述圓度的計算並判斷是否為環形纖維,這些判斷的結果會取聯集,也就是說一個被包圍區域只要在任何一次侵蝕程序被判斷為環形纖維,此被包圍區域就是環形 纖維。執行多次侵蝕程序的目的是因為當使用核心較小的侵蝕程序時可能會無法切斷被包圍區域361~365之間相連的肝細胞,因此會找不到被包圍區域361~365。
在判斷出環形纖維以後,根據這些環形纖維的大小可來決定級分為5分或6分。具體來說,可以將所有環形纖維371~374的面積總和除以分割影像中所有細胞部分351的面積以得到一比值,如果此比值大於等於一臨界值,則設定級分為6分,否則設定級分為5分。
如果醫學影像中並沒有環形纖維,則表示級分為0~4分的其中之一。當纖維化比較嚴重時,門脈區與中央靜脈會具有纖維橋接,因此級分為3分或4分。如果沒有纖維橋接,則是0~2分的其中之一。因此接下來,偵測醫學影像210中的門脈區(portal area)與中央靜脈(central vein),所偵測出的門脈區與中央靜脈如圖4被包圍盒(bounding box)所圍繞,局部放大的醫學影像410中具有門脈區411~413。上述偵測的步驟可以採用影像分析或任意的機器學習演算法,如卷積神經網路、支持向量機等,本發明並不在此限。在一些實施例中,可以訓練一個機器學習模型來偵測門脈區與中央靜脈,或者也可以訓練兩個機器學習模型來分別偵測門脈區與中央靜脈。
在此先說明沒有纖維橋接的情形,在此情況要判斷門脈區是否有纖維擴張的情形。具體來說,對於每一個門脈區都可以判斷纖維部分的面積與該門脈區的面積之間的比值是否大於一臨界值(例如50%),若是則可以判斷此門 脈區具有門脈擴張。此門脈區的面積是指纖維部分的面積加上血管部分或細胞部分的面積,這些面積都可以根據上述的分割影像來取得。舉例來說,在圖5的例子中,門脈區具有纖維化部分510與非纖維化部分520,在圖5的例子中,纖維化部分510的面積與整個門脈區的面積之間的比值並沒有大於50%,因此這個門脈區並沒有門脈擴張。在圖6的例子中,門脈區具有纖維化部分610與非纖維化部分620,但纖維化部分610的面積與整個門脈區的面積之間的比值已經大於50%,因此這個門脈區具有門脈擴張。
在此,擴張數目表示醫學影像中有幾個門脈區具有門脈擴張。如果擴張數目與所有門脈區的數目之間的比值大於一臨界值(例如50%),設定級分為2級分。若擴張數目與所有門脈區的數目之間的比值小於等於50%且大於一個臨界值(例如0、1、2或其他合適的數值),設定級分為1級分;若擴張數目小於等於此臨界值(例如0),設定級分為0級分。這些比值也可以因應所搭配演算法而有調整,均屬於本專利範圍。
在此說明有纖維橋接的情形,當纖維化的程度較嚴重時,則門脈區或中央靜脈的纖維有可能向四周相近的門脈區或中央靜脈相連接形成橋接纖維,因此必須要計算門脈區與中央靜脈的橋間數目。值得注意的是,此橋接數目包括了兩個門脈區之間的橋間、兩個中央靜脈之間的橋接、以及門脈區與中央靜脈之間的橋接。具體來說,可以將醫學影像中所有的門脈區與中央靜脈當作多個節點,對這些節點執 行三角化演算法,執行的結果為一個圖(graph),包含了複數節點與複數邊,例如圖7所示,此三角化演算法例如為Delaunay Triangulation,但本發明並不在此限。在三角化以後,每個節點都會透過三角形的邊連接至附近的多個節點(亦稱相鄰節點),對於三角化後的每一個節點,都可根據上述的分割影像判斷此節點是否透過纖維相連於對應的相鄰節點。舉例來說,請參照圖8,在圖8中是將節點801~808繪示於分割影像中,藉此看出節點801~808之間是否有橋接纖維。如上所述,每個節點801~808都對應至一個門脈或中央靜脈,在一些實施例中節點801~808的座標為對應的包圍盒的中心點。以節點804為例,依照三角化的結果,節點804是相鄰於節點801、806、808與805,但節點804與節點801之間並沒有橋接纖維,節點804與節點805、806、808之間有橋接纖維(橋接數目可加上3),也就是說,如果橋接數目越大,則表示纖維化的程度越嚴重。上述是否有橋接的判斷可以採用廣度優先搜尋(breadth first search),藉此判斷兩個節點之間是否有連續的纖維連接著,但在其他實施例中也可採用其他合適的演算法來判斷兩個節點之間是否由纖維連接,本發明並不在此限。
圖9是根據一實施例繪示三角化後一些節點所形成的一凸殼的示意圖。請參照圖9,在上述的三角化以後,共會形成(2n-2-k)個三角形以及(3n-3-k)個邊,其中n為所有節點的數目,而k為這些節點所形成的凸殼910(convex hull)上節點的數目,(3n-3-k)亦稱為邊數 目,而(2n-2-k)亦稱為三角形數目。上述判斷節點之間是否透過纖維彼此連接的步驟便是要檢查這(3n-3-k)個邊是否為橋接纖維。在一些實施例中,如果上述的橋接數目與邊數目(3n-3-k)的比值小於一臨界值(例如50%),則判定級分為3級分,否則判定級分為4級分。
在一些實施例中,在將門脈區與中央靜脈當作節點以後,可以把節點之間的距離當作邊以形成一個完全連接圖,然後將此完全連接圖轉換為一個樹狀結構(例如最小權重生成樹或其他樹狀結構),此樹狀結構用以指示每一個節點所對應的相鄰節點。對於每一個節點,判斷此節點是否透過纖維部分相連於對應的相鄰節點,藉此可以計算出橋接數目。在一些實施例中,也可以將橋接數目除以所有節點的個數(即正整數n)以得到一比值,若此比值大於一臨界值則判定為4級分,否則判定為3級分。在一些實施例中,也可以計算有透過纖維部分相連接的節點的數目與所有節點的數目之間的比值是否大於一臨界值,若是判定為4級分,否則判定為3級分。
上述的0~6級分僅是範例,在其他實施例中可以採用其他數值來作為級分,或者可以用任意的符號或文字來表示級分,本發明並不在此限。換言之,上述的0~6級分亦可被稱為第七至第一級分,但本發明並不限制第七至第一級分包含了什麼數字、符號或文字。
在一些實施例中,上述的環形纖維也可以根據橋接的情況來判斷,這是因為節點之間會透過纖維彼此相連 且形成一個環(circle),例如圖8的節點804、806、808之間便形成一個環。為了計算出所有環的數目,可以根據節點與節點之間的相鄰關係建立一連接矩陣,舉例來說,圖10中繪示了圖(graph)1010,圖1010中的節點便是上述的門脈區與中央靜脈,而圖1010中的每個邊表示橋接纖維,根據圖1010的節點與邊可以建立連接矩陣1020,例如節點A與節點B之間有邊(即這兩個門脈區/中央靜脈之間有橋接纖維),但節點B與節點D之間沒有邊,以此類推。根據此連接矩陣1020可以判斷出多個環,例如採用論文“Finding All the Elementary Circuits of a Directed Graph”by D.B.Johnson,1975揭露的演算法,但本發明並不在此限。
圖11是根據一實施例繪示多個環的示意圖。在圖11的例子中共有3個環1110~1112,其中環1110具有四個節點,環1111與環1112都具有三個節點,以另一個角度來說,環1111與環1112的聯集會組成環1110。上述Johnson演算法的結果會指出共有4個環,但這樣會重複計算纖維化的情形,因此必須排除重複計算的環。具體來說,對於每一個環,判斷此環是否為其他環的聯集,此判斷步驟可以寫為以下方程式(2)。
Ci=U j,j≠i C j …(2)
其中Ci、Cj表示環。若方程式(2)成立,則刪除環Ci,在對所有的環都進行上述方程式(2)的判斷以後,剩餘的環便不是其他環的聯集,並不會重複計算,而剩餘環的總數便稱為環數目。例如,在圖11的實施例中環1110會被 刪除,剩下環1111、1112會被計數到。以另外一個角度來說,上述找出環並刪除重複環的步驟便是要從(2n-2-k)個三角形中找到由橋接纖維形成的三角形。接下來,判斷此環數目與上述三角形數目(2n-2-k)之間的比值是否小於一臨界值(例如50%),若是則設定級分為5級分,否則設定級分為6級分。
圖12是根據一實施例繪示纖維化的電腦輔助分析方法的流程圖。請參照圖12,在步驟1201,對醫學影像執行一分割演算法以取得分割影像。在步驟1202,判斷是否有環形纖維。若有環形纖維,在步驟1203中,根據環形纖維的大小來決定級分5或6。若沒有環形纖維,在步驟1204中偵測門脈區與中央靜脈。在步驟1205中,判斷是否有橋接。如果門脈區與中央靜脈具有橋接,在步驟1206中根據橋接數目決定級分3或4。若沒有橋接,在步驟1207中根據門脈擴張的情形決定級分0~2。然而,圖12中各步驟已詳細說明如上,在此便不再贅述。值得注意的是,圖12中各步驟可以實作為多個程式碼或是電路,本發明並不在此限。此外,圖12的方法可以搭配以上實施例使用,也可以單獨使用。換言之,圖12的各步驟之間也可以加入其他的步驟。
以另外一個角度來說,本發明也提出了一電腦程式產品,此產品可由任意的程式語言及/或平台所撰寫,當此電腦程式產品被載入至電子裝置100並執行時,可執行圖12的方法。
雖然本發明已以實施例揭露如上,然其並非用以限定本發明,任何所屬技術領域中具有通常知識者,在不脫離本發明的精神和範圍內,當可作些許的更動與潤飾,故本發明的保護範圍當視後附的申請專利範圍所界定者為準。
1201~1207‧‧‧步驟
Claims (10)
- 一種電子裝置,包括:記憶體,儲存有多個指令;以及處理器,用以執行該些指令以完成多個步驟:取得一醫學影像,並對該醫學影像執行一分割演算法以取得一分割影像,其中該分割影像包括纖維部分與細胞部分;根據該分割影像偵測該醫學影像中的至少一環形纖維;根據該至少一環形纖維的大小來決定一級分;偵測該醫學影像中的多個門脈區與多個中央靜脈;根據該分割影像計算該些門脈區與該些中央靜脈的橋接數目;以及根據該橋接數目設定該級分為一第三級分或一第四級分。
- 如申請專利範圍第1項所述之電子裝置,其中根據該分割影像偵測該醫學影像中的該至少一環形纖維的步驟包括:排除該纖維部分,對該細胞部分執行至少一侵蝕程序以取得至少一被包圍區域;計算該至少一被包圍區域的一圓度;以及如果該至少一被包圍區域的該圓度大於一第一臨界值,判斷該至少一被包圍區域為該環形纖維。
- 如申請專利範圍第1項所述之電子裝置,其中根據該至少一環形纖維的大小來決定一級分的步驟包括:將該至少一環形纖維的面積的總和除以該細胞部分的面積以得到一比值;以及若該比值大於等於一第二臨界值,設定該級分為一第一級分,否則設定該級分為一第二級分,其中該第一級分大於該第二級分。
- 如申請專利範圍第1項所述之電子裝置,其中根據該分割影像計算該些門脈區與該些中央靜脈的該橋接數目的步驟包括:將該些門脈區與該些中央靜脈作為多個節點;對該些節點執行一三角化演算法以判斷每一該些節點的相鄰節點;以及對於每一該些節點,根據該分割影像判斷該節點是否透過該纖維部分相連於對應的該相鄰節點,藉此計算該橋接數目, 其中根據該橋接數目設定該級分為該第三級分或該第四級分的步驟包括:判斷該橋接數目與一邊數目之間的比值是否大於一第三臨界值,若是則設定該級分為該第三級分,否則設定該級分為該第四級分,其中該第三級分大於該第四級分,該邊數目為(3n-3-k),n為該些節點的數目,k為該些節點所形成的一凸殼(convex hull)上節點的數目。
- 如申請專利範圍第1項所述之電子裝置,其中根據該分割影像計算該些門脈區與該些中央靜脈的該橋接數目的步驟包括:將該些門脈區與該些中央靜脈作為多個節點,以該些節點之間的距離作為邊以形成一圖;將該圖轉換為一樹狀結構,該樹狀結構指示每一該些節點對應的相鄰節點;以及對於每一該些節點,根據該分割影像判斷該節點是否透過該纖維部分相連於對應的該相鄰節點,藉此計算該橋接數目,其中根據該橋接數目設定該級分為該第三級分或該第四級分的步驟包括:判斷透過該纖維部分連接的該些節點的數目與所有該些節點的數目之間的比值是否大於一第三臨界值,若是則設定該級分為該第三級分,否則設定該 級分為該第四級分。
- 如申請專利範圍第6項所述之電子裝置,其中該些步驟更包括:對於每一該些門脈區,根據該分割影像判斷該門脈區中屬於該纖維部分的面積與該門脈區的面積之間的比值是否大於一第四臨界值,若是則判斷該門脈區為門脈擴張,其中一擴張數目表示該些門脈區中有幾個門脈區為門脈擴張;以及根據該擴張數目來設定該級分為一第五級分、一第六級分或一第七級分。
- 如申請專利範圍第7項所述之電子裝置,其中該些步驟更包括:若該擴張數目與該些門脈區的數目之間的比值大於一第五臨界值,設定該級分為該第五級分;若該擴張數目與該些門脈區的數目之間的比值小於等於該第五臨界值且大於零,設定該級分為該第六級分;以及若該擴張數目為零,設定該級分為該第七級分。
- 一種纖維化的電腦輔助分析方法,適用於一電子裝置,該電腦輔助分析方法包括:取得一醫學影像,並對該醫學影像執行一分割演算法 以取得一分割影像,其中該分割影像包括纖維部分與細胞部分;根據該分割影像偵測該醫學影像中的至少一環形纖維;根據該至少一環形纖維的大小來決定一級分;偵測該醫學影像中的多個門脈區與多個中央靜脈;根據該分割影像計算該些門脈區與該些中央靜脈的橋接數目;以及根據該橋接數目設定該級分為一第三級分或一第四級分。
- 一種電腦程式產品,用以由一電子裝置執行以完成多個步驟:取得一醫學影像,並對該醫學影像執行一分割演算法以取得一分割影像,其中該分割影像包括纖維部分與細胞部分;根據該分割影像偵測該醫學影像中的至少一環形纖維;根據該至少一環形纖維的大小來決定一級分;偵測該醫學影像中的多個門脈區與多個中央靜脈;根據該分割影像計算該些門脈區與該些中央靜脈的橋接數目;以及根據該橋接數目設定該級分為一第三級分或一第四級分。
Priority Applications (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US16/551,703 US11508060B2 (en) | 2018-08-27 | 2019-08-26 | Computer aided method and electrical device for analyzing fibrosis |
JP2019153511A JP7071744B2 (ja) | 2018-08-27 | 2019-08-26 | 線維症のコンピューター補助分析方法と電子装置 |
CN201910789554.7A CN110866923B (zh) | 2018-08-27 | 2019-08-26 | 纤维化的计算机辅助分析方法、电子装置 |
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US201862723460P | 2018-08-27 | 2018-08-27 | |
US62/723,460 | 2018-08-27 |
Publications (2)
Publication Number | Publication Date |
---|---|
TW202009947A TW202009947A (zh) | 2020-03-01 |
TWI714200B true TWI714200B (zh) | 2020-12-21 |
Family
ID=70766429
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
TW108127947A TWI714200B (zh) | 2018-08-27 | 2019-08-06 | 纖維化的電腦輔助分析方法、電子裝置、電腦程式產品 |
Country Status (1)
Country | Link |
---|---|
TW (1) | TWI714200B (zh) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2006042864A1 (fr) * | 2004-10-22 | 2006-04-27 | Institut Pasteur | Traitement d'image identifiant des fibroses dans un tissu organique |
TW200922627A (en) * | 2007-11-30 | 2009-06-01 | Iner Aec Executive Yuan | Glyco-molecular imaging method for grade classification of liver fibrosis and its glyco-molecular imaging agent thereof |
CN101540051A (zh) * | 2008-03-21 | 2009-09-23 | 国立大学法人神户大学 | 图像诊断支持处理装置以及图像诊断支持处理程序产品 |
US20150148658A1 (en) * | 2012-07-11 | 2015-05-28 | University Of Mississippi Medical Center | Method for the detection and staging of liver fibrosis from image acquired data |
CN107103187A (zh) * | 2017-04-10 | 2017-08-29 | 四川省肿瘤医院 | 基于深度学习的肺结节检测分级与管理的方法及系统 |
-
2019
- 2019-08-06 TW TW108127947A patent/TWI714200B/zh active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2006042864A1 (fr) * | 2004-10-22 | 2006-04-27 | Institut Pasteur | Traitement d'image identifiant des fibroses dans un tissu organique |
TW200922627A (en) * | 2007-11-30 | 2009-06-01 | Iner Aec Executive Yuan | Glyco-molecular imaging method for grade classification of liver fibrosis and its glyco-molecular imaging agent thereof |
CN101540051A (zh) * | 2008-03-21 | 2009-09-23 | 国立大学法人神户大学 | 图像诊断支持处理装置以及图像诊断支持处理程序产品 |
US20150148658A1 (en) * | 2012-07-11 | 2015-05-28 | University Of Mississippi Medical Center | Method for the detection and staging of liver fibrosis from image acquired data |
CN107103187A (zh) * | 2017-04-10 | 2017-08-29 | 四川省肿瘤医院 | 基于深度学习的肺结节检测分级与管理的方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
TW202009947A (zh) | 2020-03-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Maitra et al. | Technique for preprocessing of digital mammogram | |
Almazroa et al. | Optic disc segmentation for glaucoma screening system using fundus images | |
WO2014109708A1 (en) | A method and system for assessing fibrosis in a tissue | |
Ren et al. | An unsupervised semi-automated pulmonary nodule segmentation method based on enhanced region growing | |
JPWO2019026104A1 (ja) | 情報処理装置、情報処理プログラム及び情報処理方法 | |
TWI698225B (zh) | 血管狀態評估方法與血管狀態評估裝置 | |
CN109886921A (zh) | 基于数字图像的裂纹尺寸度量方法、装置和电子设备 | |
Su et al. | Detection of tubule boundaries based on circular shortest path and polar‐transformation of arbitrary shapes | |
CN115049807B (zh) | 肺部血管模型的建立方法、装置及服务器 | |
CN114155193B (zh) | 一种基于特征强化的血管分割方法及装置 | |
TWI714200B (zh) | 纖維化的電腦輔助分析方法、電子裝置、電腦程式產品 | |
JP6980208B2 (ja) | 構造物維持管理業務支援システム | |
Purnama et al. | Follicle detection on the usg images to support determination of polycystic ovary syndrome | |
JP6177649B2 (ja) | データ処理装置、測長システム、欠陥検査システム、画像トラッキングシステム、及びデータ処理方法 | |
JP6952185B2 (ja) | 機械学習装置および方法 | |
CN110866923B (zh) | 纤维化的计算机辅助分析方法、电子装置 | |
Khanal et al. | Fully automated tree topology estimation and artery-vein classification | |
CN115482358A (zh) | 一种三角网格曲面的生成方法、装置、设备及存储介质 | |
Maklad et al. | Blood vessel-based liver segmentation through the portal phase of a CT dataset | |
CN110063753A (zh) | 超声图像中测量胎儿头围的方法与装置 | |
JP2019066267A (ja) | ひび割れ検出装置、ひび割れ検出方法、および、コンピュータプログラム | |
KR102399510B1 (ko) | 사용자 입력에 기초하여 혈관 영상을 처리하는 방법 및 장치 | |
KR20230094855A (ko) | 딥러닝 기반 의료영상 요로 결석 자동 검출 및 분할 방법 | |
JP2021156879A (ja) | 破断面解析装置、破断面解析方法、及び、機械学習用データセットの生成方法 | |
Wang et al. | Accurate airway tree segmentation in ct scans via anatomy-aware multi-class segmentation and topology-guided iterative learning |