CN1708765A - 计算机辅助乳房透视诊断显示器 - Google Patents
计算机辅助乳房透视诊断显示器 Download PDFInfo
- Publication number
- CN1708765A CN1708765A CNA2003801021683A CN200380102168A CN1708765A CN 1708765 A CN1708765 A CN 1708765A CN A2003801021683 A CNA2003801021683 A CN A2003801021683A CN 200380102168 A CN200380102168 A CN 200380102168A CN 1708765 A CN1708765 A CN 1708765A
- Authority
- CN
- China
- Prior art keywords
- display
- diagnostic data
- diagnostic
- image
- malignant tumour
- Prior art date
- Legal status (The legal status 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 status listed.)
- Pending
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING OR CALCULATING; 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 OR CALCULATING; COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/98—Detection or correction of errors, e.g. by rescanning the pattern or by human intervention; Evaluation of the quality of the acquired patterns
- G06V10/987—Detection or correction of errors, e.g. by rescanning the pattern or by human intervention; Evaluation of the quality of the acquired patterns with the intervention of an operator
-
- G—PHYSICS
- G06—COMPUTING OR CALCULATING; 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
-
- G—PHYSICS
- G06—COMPUTING OR CALCULATING; COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V2201/00—Indexing scheme relating to image or video recognition or understanding
- G06V2201/03—Recognition of patterns in medical or anatomical images
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Quality & Reliability (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Multimedia (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Radiology & Medical Imaging (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Apparatus For Radiation Diagnosis (AREA)
- Measuring And Recording Apparatus For Diagnosis (AREA)
Abstract
一种显示透视影像中病灶中计算机生成的恶性肿瘤可能性诊断的方法。本方法要求提供数字化透视影像,显示数字化影像,并在显示的数字化影像上直接选择感兴趣的区域(ROI)。数字化影像通过计算机处理,生成用户选择的ROI中病灶的诊断数据并显示在显示器上。一种显示透视影像病灶的恶性肿瘤可能性诊断的系统。系统包括一个显示数字化影像的显示器、一个与显示器连接的输入装置,在显示的透视影像中有选择地标示ROI。系统还包括生成ROI中诊断特征相关的诊断数据。诊断数据显示的显示器上。
Description
发明领域
本发明与一种显示评估/诊断信息的方法和系统相关,用以辅助诊断透视影像上的病灶为良性或恶性。
技术背景
乳腺癌是西方社会最常见的肿瘤疾病。据估计,1940年,40个美国妇女中有一人罹患乳腺癌,而1995年这一比例上升至每8个美国妇女中有一人患此疾病。美国癌症学会估计1995年有183,000个乳腺癌新发病例。在美国,每年有46,000妇女死于乳腺癌。今天,人们普遍认为诊断早期乳腺癌的最佳方法是通过对40岁以上的妇女进行乳腺照相。
未转移乳腺癌患者的5年存活率为93%。如果在诊断时肿瘤已经局部转移,5年存活率降至72%。如在诊断时肿瘤已远处转移,则5年存活率仅为18%。因此早期诊断对于乳腺癌治疗至关重要。由于分析影像中的病灶比较困难,因此先进的诊断工具非常必要。
乳腺癌在透视影像上的表现主要为:
1、肿块和结节病变
2、钙化点
诊断是否为恶性肿瘤的肿块特征包括:a)、肿块形状(是否规则);b)、肿块边缘(是否明显);c)毛刺(肿块边缘伸出的细条)。
诊断是否为恶性肿瘤的钙化点特征包括:大小、形式、钙化点的同质异形、钙化点形状(是否为线性或树枝状),空间密度(是否群集或稀疏)及其与肿块的关系。
目前,放射科医生一般使用灯箱以目测方式对影像进行分析,而且他们的分析很大程度上带有主观性。遮蔽胶片被用来突出细节部分。在很多情况下,放射科医生还采用放大镜及强光源等辅助工具来分析影像中非常黑暗的部分。如果仍然无法根据影像得出结论,放射科医生还会采用下列方法重新给病人拍片:
1.从不同角度重新照相。
2.通过改变乳房和胶片的距离进行放大照相。
3.挤压怀疑有病变的乳房部位。
即便采用了上述方法,医生的分析仍然主要是主观判断。
与传统透视方法相关的统计数据均已发表于科学文献,但仅涉及美国的人口。可以推定,这些数据亦适用于美国以外的人口。
1.大都数专业机构建议40岁以上的妇女每年应进行一次透视检查。
2.需要重新进行检查的人数约为20%。这一比例反映的是需要进一步检查的病人数量,主要是重新进行透视检查。
3.在进行透视检查后,约有3%的妇女被建议进行活组织检查。
4.在进行透视检查后,10,000个病例中约有60人被诊断为患有恶性肿瘤。
5.透视检查为阴性的出错率难以估计。普遍认为,在最终确诊为患有乳腺癌的妇女中,约有15%的人在之前12月内进行过透视检查,但没有查出患有恶性肿瘤的妇女。
6.透视检查的阳性(活检结果为阴性)出错率约为80%。
为了帮助放射科医生降低透视检查中的阴性出错率,人们利用专业软件和硬件开发出计算机系统。这些通常被称为计算机辅助诊断系统已经存在了很多年,且有大量相关的报告。如下所述,专利和专业文献中已经对上述系统在影像分析中的使用进行了大量讨论。
对大量影像进行分析是一件困难且繁重的工作。根据上述提及的一些文献报告,出现了不能接受的较高阴性出错率。使用计算机辅助的分析系统为放射科医生提供一种独立的分析工具,并有助于获得较高的恶性肿瘤诊断率,也就是降低阴性出错率。
然而众所周知,计算机辅助的分析系统几乎毫无例外地比受过培训的放射科医生诊断出更多的疑似病灶。疑似病灶的数目经常太大,从而无法轻松地进行甄别。因此放射科医生不仅要分析从影像上发现的疑似病灶,而且还要分析计算机辅助系统查到的数目更大的疑似病灶,同时还必须忽略一些疑似病灶。如果计算机辅助诊断系统在显示器上查到或识别到的疑似病灶的数目较大,分析及忽略这些额外的病灶的工作可能将延迟诊断过程。即使采用通常不够详细且不能体现细微的区别的“信任级”,分析系统显示的众多的错误标记比仔细分析个别疑似病灶更为麻烦。
许多已经公开的专利已经对计算机辅助透视检查及诊断系统进行了讨论。通过查阅美国专利第5729620(WANG)、5815591(ROEHRIG等)、5828774(WANG)、5854851(BAMBERGER等)、5970164(BAMBERGER等)、6075879(ROEHRIG等)、6198838(ROEHRIG等)、6266435(WANG)及6432262(WANG),可以了解本技术领域的概况。这些专利包括本说明书未能一一提及的的其他参考文献,构成本说明书的
技术背景。
定义
本说明书及权利要求使用的下列术语定义如下:
病灶:与疑似病灶互为替代词,两个词是没有区别。影像中的病灶通常以下面定义的特征来诊断。
诊断特征:与恶性肿瘤典型相伴且通常用来诊断影像中的病灶是否为恶性肿瘤的解剖(组织)特征。通常用来诊断恶性肿瘤的诊断特征包括毛刺、钙化点、肿块或结节边缘。这些诊断特征为典型性特征,不能认为诊断特征仅限于此。
参数:与诊断特征相关的算法(量化)表示的特性。这些量化特性用来确定某一病灶的诊断特征是否构成恶性或良性肿瘤的指标。用来分析病灶诊断特征的典型参数包括:
毛刺:毛刺数量、对称性和指向特性;
钙化点:平均大小、亮度的差异性、面积差异性、长度差异性、平均距离、邻近钙化点的数目以及密度;
这些参数具有典型性,但无限制性。参数的定义和计算为在算法上互为相关。
诊断数据_上述定义的量化参数或基于一组量化和权重求和参数对肿瘤总的评估。诊断数据是疑似病灶成为恶性肿瘤可能性的指标。本说明书后面描述的总评估柱状图表(另参见后面的图3A)是对恶性肿瘤可能性全面分析的一种典型、但不是唯一的方法。
恶性肿瘤总评估值_显示恶性肿瘤可能性的量化权重后的求和参数。可与“恶性肿瘤可能性总评估值”、“恶性肿瘤总评估值”等短语互为替代词,它们之间没有区别。
发明内容
本发明旨在提供一种显示数据的系统和方法,以辅助放射科医生对影像上的疑似病灶,尤其是难以看到或分析的病灶进行诊断。
本发明还旨在提供一种系统和方法,使透视影像显示的诊断数据有助于降低阴性出错率和阳性出错率。
本发明还旨在提供一种放射科医生在诊断时需要的对恶性肿瘤可能性细致入微的评估。恶性肿瘤的诊断建立在多元参数,而不是简单标示“是否”的单一数值之上。
本发明还旨在提供与透视影像相关的诊断数据,以更容易地对病灶在一段时期内的变化进行分析。
因此本发明提供一种显示计算机生成的诊断透视影像上发现的病灶恶性肿瘤可能性的方法。该方法包括提供影像的数字影像及显示数字化影像等步骤。
本发明需要使用一个输入装置,以从显示的数字影像中直接选择感兴趣的区域。上述区域的位置传送到计算机处理器。计算机处理器对数字化影像进行处理,这样用户选择的感兴趣区域中病灶诊断特征的分数数据得以量化。诊断数据包括多个参数以及这些参数的权重求和,后者就是计算机生成的对恶性肿瘤可能性的总评估值。最后,本发明需要显示被选择感兴趣区域中的诊断特征相关的已量化诊断数据。显示的诊断数据一般包括计算机生成的对恶性肿瘤可能性的总评估值。
另外,与本发明倾向的具体体现形式相对应,诊断特征为用户选择的诊断特征。一般情况下,诊断数据显示在显示器上独立于数字影像的区域。显示的诊断数据可下列模式显示:量化参数的求和、通常以彩色柱状图表显示的标称恶性肿瘤可能性的总评估值、以数值或彩色柱状图或同时以两者表示的多元参数、通常以彩色柱状图及多元参数显示的标示恶性肿瘤可能性的总评估值的权重求和。彩色柱状图表与它们表示的数量之间通常为非线性关系。
作为本发明的一种示例,诊断数据中的一个或多个参数在显示阶段作为数值被显示。可在一段时期内,即在一系列透视拍照过程(例如,几个月的时期),检索一个或多个参数的数值。在每张透视影像中,一个或多个参数在不同时期的数值按照上述方法显示以帮助诊断恶性肿瘤病灶。
作为本发明的另一种具体体现,其提供并显示透视影像的数字化影像。其要求用计算机处理器处理数字化影像,以便数字化影像的所有诊断特征诊断数据能够量化并储存了,以供后期查询。每一诊断特征的诊断数据均包括多元参数。一个输入装置用来在显示的数字化影像中直接选择感兴趣的区域。被选择区域的位置被传送给计算机处理器。与被选择区域内的诊断特征相关的量化诊断数据可从存储中恢复。最后,被选择区域内的诊断特征相关的量化诊断数据被显示。通常,显示的诊断数据包括计算机生成的恶性肿瘤可能性的总评估值,帮助用户确定透视影像中病灶的恶性肿瘤可能性。
本发明另一示例是提供一种显示计算机生成的透视影像中病灶恶性肿瘤可能性的诊断结果的系统。本系统包括一个生成透视影像的设置,一个可供选择的数码转换器,以便在原透视影像为模拟模式的情况下,以数字模式显示生成的透视影像,以及显示数码透视影像的显视器。其还包括一个与显示器连接的输入装置,以便有选择地在显示的数字透视影像上标示感兴趣的区域。另外,其包括一个与显示器连接的处理器。处理器通过计算和分类等方式处理与数字透视影像中病灶诊断特征相关的诊断数据。显示器上显示数字化影像及选择的感兴趣区域。显示器同时还显示在用户选择的感兴趣区域中发现的诊断特征相关的量化诊断数据。显示的诊断数据通常包括计算机生成的对病灶恶性肿瘤可能性的全面诊断。
本发明另一体现是包括一个存储单元。存储单元与显示器和处理器相连接。透视影像上的所有诊断特征的诊断数据首先通过处理器的计算和分类进行处理,然后被存储到存储单元。之后,与被选择的感兴趣区域中诊断特征相关的诊断数据可从存储单元检索并传送到显示器。存储单元可以被理解为处理器本身的一部分。
附图说明
通过以下对技术说明书的图纸的详细描述,可以更全面地理解本发明:
图1A和1B是根据本发明安装的系统示例的草图;
图2A-2F是根据本发明显示的数字化影像相关数字化影像及诊断数据的概要图解;
图3A-3E是根据本发明示例,用来标示病灶恶性肿瘤可能性总评估值及得到该总评估值的各参数的柱状图的图解;
图4A和4B本发明方法两个示例的流程图。
图中各相似的部件均标以相似的编号。
具体实施方式
本发明与一种显示数字化透视影像及通过分析影像辅助诊断的信息的方法和系统相关。更具体地说,本发明与一种对数字化透视影像中解剖学病灶的恶性肿瘤评估或诊断数据进行分类和显示的计算机辅助诊断(此后简称为“CAD”)方法和系统相关。用户选择的感兴趣区域(ROI)中的疑似病灶的诊断特征与恶性肿瘤的总评估值一起在显示器上被显示,通常同时显示的还有与诊断特征相关的量化多元参数。恶性肿瘤的总评估值和/或量化的多元参数此后均称为诊断数据。显示、评估或分类的的诊断特征均由用户选择。
透视影像中的疑似病灶的总评估值通常以柱状图标示,但不一定必须以柱状图标示。柱状图标示与用户选择的ROI中疑似病灶的诊断特征相关的预先确定的多元参数的权重求和。
本发明不旨在发现透视影像中的病灶。本发明旨在:A、以统计方法对用户选择的ROI中病灶的恶性或良性特征进行评估和分类;B、显示评估的量化结果。诊断数据的显示特别用来辅助放射科医生对以肉眼难以发现或评估的病灶进行诊断。
本发明的方法和系统有以下优点:
一般情况下,在先技术没有提供足够的信息为放射科医生的诊断提供适当的辅助。在本发明中,由于疑似解剖学病灶的多元参数的数值被显示,同时每个参数都有柱状图,诊断医生拥有更完整和详尽的信息进行诊断。需要指出的是,如果不使用计算机系统,放射科医生很难靠直觉或估计得出一些通过计算才能得到的数值。
1、根据在先技术,放射科医生直接对计算机在透视影像中标出的位置进行分析。在本发明中,放射科医生确定他认为含有病灶的ROI,并希望计算机就此提供辅助。放射科医生因此选择一个ROI并分析与疑似病灶相关的诊断数据,而计算机不一定对上述ROI进行标示。这样,就降低了被忽略的恶性肿瘤的数目。
2、一般情况下,在先技术的系统显示的病灶过多,且不能向放射科医生提供足够的信息,为其分析提供适当的辅助。由于本发明提供标示所发现病灶特征的多元参数的数值及每个参数的柱状图,从而降低了阳性出错率。
3、通过观察参数的数值,例如钙化点的密度,并与之前的透视影像上的该参数的数值进行比较,就可以在一段时期内可能的恶性肿瘤变化进行诊断。本发明为放射科医生提供了一个额外的诊断工具。
图1A根据本发明的示例,描述了显示数字化透视影像中疑似病灶诊断特征的系统。相关的诊断数据,即对病灶恶性肿瘤可能性量化的诊断参数和/或量化的总评估值或诊断,也同时被显示。系统(通常编号为100)要求一个提供透视影像的造影器(110A或110B)。造影器可以是提供模拟影像的胶片系统110A。数码转换器114将影像转换成数字化影像118。造影器可以选择数字影像系统110B(之后将继续阐述)直接提供数字化影像118。如果使用数字影像系统110B,就不需要数码转换器114进行数字转换。通常,数字影像转换器114为高分辨率的连接设备(CCD)或激光影像数码转换器,但不限于这两种设备。数字化影像118被传送到显示器134和处理器142。一个本技术领域的技术人员应该理解:如果影像118被首先传送到处理器142后,其可从处理器142传送到显示器134。
数字影像系统110B可以基于当前许多种成熟技术的任何一种。这些技术包括,但不限于,核磁共振造像(MRI),计算机造影(CT),闪光照相技术及平板数字X光照相。所有这些系统直接以数字模式提供透视影像。如果需要,数字透视影像可在传送给处理器142之前存为与处理器142兼容的另一种数字影像模式。
处理器142可采用文献提及的许多算法中的任何一种对乳腺病灶诊断特征相关的参数进行计算和分析。通常情况下,处理器142的输出数据为与疑似病灶诊断特征相关的各预先设定参数的量化数值以及基于这些数值的对恶性肿瘤全面的评估。通常还有各参数与恶性肿瘤评估的相关性。相关专利和技术文献,包括上文提及的文献,已经讨论了用来计算和分析乳腺病灶不同诊断特征相关的多元参数的算法。美国专利5,854,851和5,970,164(Bamberger等)阐述了一种用来计算肿块、钙化点和结节边缘的典型算法,本文将其作为整体提及。
编号为138的用户操作的输入装置,如计算机鼠标或触摸式屏幕,与显示器134连接。用户使用输入装置直接在显示器134上的数字化影像中标出乳房的某个区域——感兴趣的区域(ROI)-并对这一区域的诊断要求辅助。使用输入装置可以划定乳房疑似病灶的区域,通常以封闭曲线划定。曲线包括,但不限于,圆形、多边形或椭圆,通常为后一种。在数字影像中选择的ROI位置的信息由显示器134传送到处理器142。处理器142以量化和分类的形式对用户选择的ROI中的诊断特征相关的预设参数进行处理,并确定对恶性肿瘤的总评估值。处理器142将疑似病灶的恶性肿瘤总评估值和/或与疑似病灶相关的各量化参数传送到显示器134。后者显示相关数据,以便用户观察。
只有用户认为包含疑似病灶并予以选择的ROI的总评估值150和量化参数信息146和147才会被显示。处理器不参与疑似区域的选择,只有用户本人确定ROI。由于计算机确定的病灶数目远远大于放射科医生确定的疑似病灶的数目,因此这一方式减少了需要检查的疑似病灶的数目。显示器134显示恶性肿瘤的总评估值的柱状图150,和/或附属数值146,和/或得出总评估值各单个参数的柱状图信息147。显示的诊断数据与选择的ROI中的诊断特征相关。可以容易地理解:由于放射科医生在ROI之间进行选择和移动,不同的诊断数据就会被显示。
图1A中的显示器134显示一个已经选择了ROI的完整乳房。显示器134可以显示ROI的放大影像及正在分析的ROI中发现的诊断特征。下面的图2B及2E将讨论这种经放大的影像。
显示器上显示的诊断数据通常为,但不限于,一个彩色的柱状图150或者彩色的柱状图150加上附属参数信息146及147。柱状图150通常由三块彩色区域组成,一块彩色区域代表一个可能为良性的肿瘤、一块彩色区域代表一个可能为恶性的肿瘤,良性和恶性肿瘤区域之间的彩色区域代表一个难以确定的病灶。恶性肿瘤区域通常为放大的非线性区域,以便为用户提供一个标示恶性肿瘤可能性的较清晰、完整且详尽的影像。在计算机确定的柱状图150旁边的位置有一条标示线。
柱状图150表示疑似病灶的恶性肿瘤的总评估值。它还表示多元参数的数值的求和。这些参数之所以被选择是因为已经确信它们的数值与乳腺病灶的恶性肿瘤存在相关性。每个参数通过放射科医生已经检查过的透视影像的数据库予以调整。乳腺病灶的每个诊断特征,如毛刺、钙化点和肿块,都基于不同的预设参数。
附属信息,即与单独参数相关,并通过计算得出彩色柱状图150标示的恶性肿瘤总评估值的信息,也可以数值146和/或柱状图147形式予以显示。如上所述,相比在先技术,显示的这些额外信息为放射科医生提供了更多的信息,方便其做出更加准确的诊断。
本说明书提及的显示内容为柱状图,然而一个本技术领域的技术人员很容易理解到:也可以采用其他相似的图形或视图形式,如矩形图、饼图等。同样,本说明书讨论的柱形图只是许多种柱形图的一种。
如上所述,用户首先使用输入装置138选择ROI,处理器142对被选择的ROI中的诊断数据进行计算和处理。处理器首先对被选择ROI的诊断数据进行处理、计算和归类,并将其传送到显示器134。在图1B的一个选择性的本发明示例中,编号为160的系统对整个数字化影像的所有诊断特征相关的参数进行处理、计算和归类。这些信息可存储于独立于处理器142,但与其相连接的存储单元130。本技术领域的技术人员很容易理解到:存储单元130可选择装置为处理器142不可分隔的一部分。在选择ROI后,与ROI相关的评估/归类信息以及参数信息从存储单元130被检索并传送到显示器134。
本发明另一系统示例可视为图1A和1B介绍的示例的混合系统。存储单元130与处理器142相连接。当显示器134将用户ROI的选择信息传送到处理器142时,相关的诊断数据从存储单元130中被检索,并依处理器142的指令回传至处理器142。最后,检索的诊断数据可从处理器142传送到显示器134。
图2A-2C及图2D-2F为可用来评估乳腺病灶恶性肿瘤的两个诊断特征的典型显示。图2A-2C是一个以椭圆标出的ROI154中带有毛刺的数字化影像(图2A)、系统毛刺图像工具显示的在被选择ROI154中的毛刺(图2B)、以及与毛刺相关的诊断数据的典型显示(图2C)。需要指出的是,毛刺图像工具不是一个独立的工具,而是ROI154内以量化为目的而进行的形态分析。显示的诊断数据(图2C)包括几个与毛刺相关的不同参数的数值146和柱状图147,以及标示对毛刺病灶恶性肿瘤总评估值的柱状图150。一般情况下,诊断数据显示在毛刺影像区域的下方或者外部,以免影响影像的显示效果。
图2D-2F是一个以椭圆标出的ROI152中带有一组钙化点的数字化影像(图2D)、带有钙化点的ROI152的放大显示(图2E)、以及与钙化点相关的诊断数据的典型显示(图2F)。显示的诊断数据(图2F)包括标示对钙化点病灶恶性肿瘤总评估值的彩色柱状图150、用来对恶性肿瘤总评估值的众多不同参数的数值146和柱状图147。
图2C和2F中的恶性肿瘤总评估值(如柱状图所示)通过对预设的多元参数的权重求和确定。参数的计算根据图1A和1B中的处理器142的具体算法进行。每一参数根据其与病灶的统计学相关性预先设定。根据每一参数预设的与恶性肿瘤的相关性的程度,得出其在总数值中的权重。
在图2C和2F中,每个参数均以数值146和柱状图147显示。每个单独的柱状图147标示仅以此参数为基础的恶性肿瘤可能性。这种显示提供的附加信息对于医生诊断病灶是否为恶性或良性非常有价值。相对于仅显示一个总数值,柱状图150表示的总评估值加上数值146和柱状图147提供的每一参数的信息能够保证诊断更为准确。
如上所述,数值更便于观察一个病灶在一个时期内的变化,从而保证诊断更准确。一般情况下,在几个月的时间内,患者会做多次透视检查。在对病灶的恶性或良性进行评估时,可以比较疑似病灶诊断特征的特定参数的在一段时期内的数值。
图3A-3E为上述提及的图2C和2F描述的恶性总评估值柱状图150及各参数柱状图147根据本发明的示例。图3A中的柱状图150表示恶性肿瘤的总评估值,其由6个彩色单元格组成:一个为绿色、一个为黄色、四个为红色。根据计算出的恶性肿瘤可能性的结果,在图表的下方有个用来标示的光标。
如上所述,根据算法参数进行权重计算并求和,得出恶性肿瘤可能性的总值。权重求和值反映在柱状图150的光标位置。计算恶性肿瘤可能性的参数为算法函数,权重要素以统计学方法予以确定,反映恶性肿瘤的可能性。每个诊断特征的参数及权重要素均不同。总评估值值通过计算选择的参数的原始值,并在其已知的与乳腺恶性肿瘤的统计学相关性的基础上进行权重而得出。然后权重后的数值进行求和。
图3A所示的总评估值柱形图150通常,但不限于,为六种颜色的彩色条块,最左边的条块为绿色,左二为黄色,右边四个为红色。与权重总值相关的总评估值/诊断值以其中一个条块中的黑线显示。黑线位置越往右,恶性肿瘤的可能性越大。恶性肿瘤总评估的柱状图为非线性,并建立在恶性及良性肿瘤诊断数据的分布函数的基础上。分布函数为柱状图,标示诊断数据每个数值的恶性肿瘤的频率。相对于在先技术,恶性肿瘤的总评估的表现形式更加有效,因为其为放射科医生提供关于恶性肿瘤可能性更为有用的信息。
如图3B所示,每个参数都由一个11条块水平柱状图147表示,显示有两条参照值的线条,一条为良性参照值(Rb),一条为恶性参照值(Rm)。良性参照值Rb和恶性参照值Rm之间的差指定为Δ。良性参照值Rb左边的5个条块代表良性数值,而恶性参照值Rm右边的5个条块代表恶性数值。中间的条块代表一个难以确定的值。除最右边和最左边的条块,每个条块代表等于Δ的数值之间的差。最左边的条块的初始值为良性参照值Rb,减去4*Δ,趋向无穷小。最右边的条块初始值为恶性参照值Rm,加上4*Δ,趋向无穷大。
如果实际值小于低参照值,即良性参照值Rb,则在代表良性参照值Rb和实际值之间的条块如图3C所示为绿色。图3C显示的结果是一个“非常”良性的病灶。相似地,如果实际值大于高参照值,即恶性参照值Rm,则在代表恶性参照值Rm和实际值之间的条块如图3D所示为红色。图3D表示的是一个“适度的”恶性病灶。如果一个参数的恶性肿瘤可能性为难以确定,即低于恶性参照值Rm,而高于良性参照值Rb,则中间的条块如图3E所示为黄色。
本技术领域的技术人员可以理解到:除图3A和3B所示的柱状图外,还可采用其他图形表示方法。相似地,本说明书图3A-3E标示的颜色仅作为示例。上述表示方法为典型示例,不具有限制性。例如,作为颜色表示方法的变化方式且仅作为示例说明,红色可以从代表可能性较小的恶性肿瘤总评估的浅色,逐渐加深至代表可能性较大的恶性肿瘤总评估。最重要的是,这种表示方法能标出量化诊断数据,尤其是总评估柱状图,的细微差别。放射科医生可以很容易地注意到这些差别。
在本发明另一示例中,正在分析的病灶的诊断特征,如毛刺或钙化点,可在显示器上标出颜色,以代表其恶性肿瘤的程度。诊断特征的标注颜色与恶性肿瘤总评估的标注颜色相同,一般情况下与图3A所示的柱状图类似。
图4A和4B描述了本发明的两个示例。在图4A中,系统编号为300,采用上述图1A所述的数字影像系统或透视胶片系统获得透视影像310。透视影像解码为数字影像314,并被显示。如果透视影像为通过上述图1A所述的数字影像系统生成的数字影像,则不必进行步骤314,影像可直接显示。
用户在显示的数字透视影像中选择ROI318,并要求诊断辅助。通常情况下,选择ROI是用封闭曲线在显示器上标示,但方法不限于此。需要注意的是作为用户的诊断医生选择ROI,而不是CAD系统。相应地,使用CAD显示的疑似病灶数目与用户的需要相适应,并与用户能够投入对病灶进行分析的精力相适应。
接下来是步骤322。此步骤包括识别用户在步骤318中选择的ROI中的诊断特征。其还包括计算与诊断特征相关的所有预设参数、对单个参数与恶性肿瘤相关性进行归类、并在对参数进行权重计算求和的基础上得出恶性肿瘤的总评估值。
对于步骤318中选择的ROI,恶性肿瘤的总评估值在显示器上显示为326。在用户选择ROI中诊断特征的基础上的恶性肿瘤总评估值一般以柱状图显示,但显示方式不限于此。如上所述,可以采用其他彩色显示方式。通常情况下,与疑似病灶诊断特征相关的附加信息以数值或彩色柱状图形式显示或以两种形式显示,但可以选择不显示附加信息。上述图2C和2F已经对这种显示进行了讨论。
图4B描述了编号为350的本发明的另一种示例。该示例与图4A中的示例非常相似。然而在第二种示例中,步骤316在选择步骤318之前进行。步骤316包括查找诊断特征、计算相关的参数、并在相关参数的基础上计算每个特征的恶性肿瘤总评估值。整个数字化影像都需要操作此步骤。在此步骤完成后,诊断特征、每个诊断特征的相关参数以及恶性肿瘤的总评估值均存储在系统存储单元317中。与图4A示例中的选择步骤318相同,用户选择ROI。然后,选择的ROI中的疑似病灶的诊断特征及相关参数从存储单元中被检索327,并显示到显示器上328。
本技术领域的技术人员可以理解到,本发明不限于说明书的上述特别图示和描述。本发明的保护范围应由下面的权利要求确定。
权利要求书
(按照条约第19条的修改)
1、一种显示透视影像中计算机生成对恶性肿瘤可能性诊断的方法,其特征在于:包括如下步骤:
提供透视影像的数字影像并显示数字影像;
采用输入装置在数字影像中直接选择ROI;
使用计算机处理以数字影像进行处理,对用户选择的ROI中的诊断特征的诊断数据进行量化,诊断数据包括多元参数;
显示ROI中诊断特征的量化诊断数据,显示的诊断数据辅助用户对病灶中的恶性肿瘤可能性进行诊断。
2、根据权利要求1的一种方法,在该方法中诊断特征为用户选择。
3、根据权利要求1的一种方法,在该方法中量化的诊断数据显示在显示器上数字影像之外的显示器区域。
4、根据权利要求1的一种方法,在该方法中显示步骤中显示的诊断数据作为计算机生成的恶性肿瘤可能性的总评估值。
5、根据权利要求4的一种方法,在该方法中恶性肿瘤可能性的总评估值以彩色柱状图模式显示。
6、根据权利要求5的一种方法,在该方法中彩色图表示的恶性肿瘤可能性的总评估值为非线性模式。
7、根据权利要求1的一种方法,在该方法中在显示步骤中显示的诊断数据显示为多元参数。
8、根据权利要求7的一种方法,在该方法中多元参数至少以下列一种模式被显示:
数值;
彩色图。
9、根据权利1的一种方法,在该方法中显示步骤诊断数据显示为多元参数及恶性肿瘤可能性的总评估值的两种形式。
10、根据权利要求1的一种方法,在该方法中用户选择的ROI中的诊断特征与标示的恶性肿瘤的总评估值以同种颜色显示,而后者以彩色图模式显示。
11、根据权利要求1的一种方法,在显示步骤诊断数据的多元参数至少有一个显示为数值,该数值可在一段时期内的透视影像中被检索,从而辅助用户对病灶中的恶性肿瘤可能性进行诊断。
12、根据权利要求1的一种方法,在该方法中影像首先被传送到处理器,然后再显示数字影像。
13、根据权利要求1的一种方法,在该方法中数字影像直接传送到显示器被显示。
14、一种显示透视影像中计算机生成对恶性肿瘤可能性诊断的方法,包括如下步骤:
提供透视影像的数字影像并显示数字影像;
使用计算机处理对数字影像进行处理,数字影像中的所有诊断特征的所有诊断数据被量化并存储,以便日后检索,每个诊断数据均由多元参数组成;
采用输入装置在显示的数字影像中直接选择ROI;
从存储单元中检索与选择的ROI中诊断特征相关的量化诊断数据;
显示选择的ROI中诊断特征相关的量化诊断数据,显示的诊断数据辅助用户对病灶的恶性肿瘤可能性进行诊断。
15、根据权利要求14的一种方法,在该方法中诊断特征为用户选择。
16、根据权利要求14的一种方法,在该方法中量化的诊断数据显示在显示器上数字影像之外的显示器区域。
17、根据权利要求14的一种方法,该方法中的检索步骤为:在诊断数据从处理器传送到显示器前,存储的诊断数据从存储单元中被检索并传回处理器。
18、根据权利要求14的一种方法,该方法中的检索步骤为:从存储单元中检索存储的诊断数据并直接传送到显示器进行显示。
19、根据权利要求14的一种方法,在该方法中显示步骤显示的诊断数据为计算机生成的恶性肿瘤可能性的总评估值。
20、根据权利要求19的一种方法,在该方法中恶性肿瘤可能性的总评估值显示为彩色图模式。
21、根据权利要求20的一种方法,在该方法中彩色图表示的恶性肿瘤可能性的总评估值为非线性模式。
22、根据权利要求14的一种方法,在该方法中在显示步骤中显示的诊断数据显示为多元参数。
23、根据权利要求22的一种方法,在该方法中多元参数至少以下列一种模式被显示:
数值;
彩色图。
24、根据权利14的一种方法,在该方法中显示步骤诊断数据显示为多元参数及恶性肿瘤可能性的总评估值的两种形式。
25、根据权利要求14的一种方法,在该方法中用户选择的ROI中的诊断特征与标示的恶性肿瘤的总评估值以同种颜色显示,而后者以彩色图模式显示。
26、根据权利要求14的一种方法,在显示步骤诊断数据的多元参数至少有一个显示为数值,该数值可在一段时期内的透视影像中被检索,从而辅助用户对病灶中的恶性肿瘤可能性进行诊断。
27、根据权利要求14的一种方法,在该方法中影像首先被传送到处理器,然后再显示数字影像。
28、根据权利要求14的一种方法,在该方法中数字影像直接传送到显示器被显示。
29、一个显示透视影像中计算机生成对恶性肿瘤可能性诊断的系统,该系统包括:
数字影像生成设备;
显示数字影像的显示器;
与上述显示器相连接的输入装置,以便在显示的数字影像上有选择地标示ROI;
对数字影像中病灶诊断特征相关的诊断数据进行量化的处理器,该处理器亦与显示器相连接,诊断数据由多元参数组成。
在该系统中,数字影像和选择的ROI均显示在显示器上,在用户选择的ROI中诊断特征相关的量化诊断数据显示在显示器上,显示的诊断数据提供计算机生成的病灶恶性肿瘤可能性的总评估值。
30、根据权利要求29的一个系统,在该系统中诊断特征为用户选择。
31、根据权利要求14的一个系统,在该系统中量化的诊断数据显示在显示器上数字化景像之外的显示器区域。
32、根据权利要求29的一个系统,该系统另包括一个与显示器和处理器相连接的存储单元,在该系统中数字影像中的所有诊断特征的所有量化的诊断数据首先经处理器处理后存储到存储单元。之后,与ROI中诊断特征相关的诊断数据被检索并直接传送到显示器。
33、根据权利要求32的一个系统,存储单元为处理器的一部分。
34、根据权利要求29的一个系统,该系统另包括一个与显示器和处理器相连接的存储单元,在该系统中数字影像中的所有诊断特征的所有量化的诊断数据首先经处理器处理后存储到存储单元。之后,与ROI中诊断特征相关的诊断数据被处理器检索并经处理器传送到显示器。
35、根据权利要求34的一个系统,存储单元为处理器的一部分。
36、根据权利要求29的一个系统,在该系统中显示的诊断数据包括计算机生成的恶性肿瘤可能性的总评估值。
37、根据权利要求29的一个系统,在该系统中显示的诊断数据作为多元参数显示。
38、根据权利要求29的一个系统,在该系统中显示的诊断数据以多元参数及计算机生成的恶性肿瘤可能性的总评估值。
39、根据权利要求29的一种系统,在该系统中数字透视影像生成设备包括模拟模式透视影像生成设备,还包括对模拟影像进行数字解码的数码转换设备。
40、根据权利要求29的一种系统,在该系统中的数字透视影像生成设备为直接提供影像数字模式的数字影像系统。
Claims (38)
1、一种显示透视影像中计算机生成对恶性肿瘤可能性诊断的方法,其特征在于:包括如下步骤:
提供透视影像的数字化影像并显示数字化影像;
采用输入装置在数字化影像中直接选择ROI;
使用计算机处理以数字化影像进行处理,对用户选择的ROI中的诊断特征的诊断数据进行量化,诊断数据包括多元参数;
显示ROI中诊断特征的量化诊断数据,显示的诊断数据辅助用户对病灶中的恶性肿瘤可能性进行诊断。
2、根据权利要求1的一种方法,在该方法中诊断特征为用户选择。
3、根据权利要求1的一种方法,在该方法中量化的诊断数据显示在显示器上数字化影像之外的显示器区域。
4、根据权利要求1的一种方法,在该方法中显示步骤中显示的诊断数据作为计算机生成的恶性肿瘤可能性的总评估值。
5、根据权利要求4的一种方法,在该方法中恶性肿瘤可能性的总评估值以彩色柱状图模式显示。
6、根据权利要求5的一种方法,在该方法中彩色图表示的恶性肿瘤可能性的总评估值为非线性模式。
7、根据权利要求1的一种方法,在该方法中在显示步骤中显示的诊断数据显示为多元参数。
8、根据权利要求7的一种方法,在该方法中多元参数至少以下列一种模式被显示:
数值;
彩色图。
9、根据权利1的一种方法,在该方法中显示步骤诊断数据显示为多元参数及恶性肿瘤可能性的总评估值的两种形式。
10、根据权利要求1的一种方法,在该方法中用户选择的ROI中的诊断特征与标示的恶性肿瘤的总评估值以同种颜色显示,而后者以彩色图模式显示。
11、根据权利要求1的一种方法,在显示步骤诊断数据的多元参数至少有一个显示为数值,该数值可在一段时期内的透视影像中被检索,从而辅助用户对病灶中的恶性肿瘤可能性进行诊断。
12、根据权利要求1的一种方法,在该方法中影像首先被传送到处理器,然后再显示数字化影像。
13、根据权利要求1的一种方法,在该方法中数字化影像直接传送到显示器被显示。
14、一种显示透视影像中计算机生成对恶性肿瘤可能性诊断的方法,包括如下步骤:
提供透视影像的数字化影像并显示数字化影像;
使用计算机处理对数字化影像进行处理,数字化影像中的所有诊断特征的所有诊断数据被量化并存储,以便日后检索,每个诊断数据均由多元参数组成;
采用输入装置在显示的数字化影像中直接选择ROI;
从存储单元中检索与选择的ROI中诊断特征相关的量化诊断数据;
显示选择的ROI中诊断特征相关的量化诊断数据,显示的诊断数据辅助用户对病灶的恶性肿瘤可能性进行诊断。
15、根据权利要求14的一种方法,在该方法中诊断特征为用户选择。
16、根据权利要求14的一种方法,在该方法中量化的诊断数据显示在显示器上数字化影像之外的显示器区域。
17、根据权利要求14的一种方法,该方法中的检索步骤为:在诊断数据从处理器传送到显示器前,存储的诊断数据从存储单元中被检索并传回处理器。
18、根据权利要求14的一种方法,该方法中的检索步骤为:从存储单元中检索存储的诊断数据并直接传送到显示器进行显示。
19、根据权利要求14的一种方法,在该方法中显示步骤显示的诊断数据为计算机生成的恶性肿瘤可能性的总评估值。
20、根据权利要求19的一种方法,在该方法中恶性肿瘤可能性的总评估值显示为彩色图模式。
21、根据权利要求20的一种方法,在该方法中彩色图表示的恶性肿瘤可能性的总评估值为非线性模式。
22、根据权利要求14的一种方法,在该方法中在显示步骤中显示的诊断数据显示为多元参数。
23、根据权利要求22的一种方法,在该方法中多元参数至少以下列一种模式被显示:
数值;
彩色图。
24、根据权利14的一种方法,在该方法中显示步骤诊断数据显示为多元参数及恶性肿瘤可能性的总评估值的两种形式。
25、根据权利要求14的一种方法,在该方法中用户选择的ROI中的诊断特征与标示的恶性肿瘤的总评估值以同种颜色显示,而后者以彩色图模式显示。
26、根据权利要求14的一种方法,在显示步骤诊断数据的多元参数至少有一个显示为数值,该数值可在一段时期内的透视影像中被检索,从而辅助用户对病灶中的恶性肿瘤可能性进行诊断。
27、根据权利要求14的一种方法,在该方法中影像首先被传送到处理器,然后再显示数字化影像。
28、根据权利要求14的一种方法,在该方法中数字化影像直接传送到显示器被显示。
29、一个显示透视影像中计算机生成对恶性肿瘤可能性诊断的系统,该系统包括:
影像生成设备;
选择性的数字解码器,以便在生成的影像为模拟模式时以数字模式显示影像;
显示数字化影像的显示器;
与上述显示器相连接的输入装置,以便在显示的数字化影像上有选择地标示ROI;
对数字化影像中病灶诊断特征相关的诊断数据进行量化的处理器,该处理器亦与显示器相连接,诊断数据由多元参数组成。
在该系统中,数字化影像和选择的ROI均显示在显示器上,在用户选择的ROI中诊断特征相关的量化诊断数据显示在显示器上,显示的诊断数据提供计算机生成的病灶恶性肿瘤可能性的总评估值。
30、根据权利要求29的一个系统,在该系统中诊断特征为用户选择。
31、根据权利要求14的一个系统,在该系统中量化的诊断数据显示在显示器上数字化影像之外的显示器区域。
32、根据权利要求29的一个系统,该系统另包括一个与显示器和处理器相连接的存储单元,在该系统中数字化影像中的所有诊断特征的所有量化的诊断数据首先经处理器处理后存储到存储单元。之后,与ROI中诊断特征相关的诊断数据被检索并直接传送到显示器。
33、根据权利要求32的一个系统,存储单元为处理器的一部分。
34、根据权利要求29的一个系统,该系统另包括一个与显示器和处理器相连接的存储单元,在该系统中数字化影像中的所有诊断特征的所有量化的诊断数据首先经处理器处理后存储到存储单元。之后,与ROI中诊断特征相关的诊断数据被处理器检索并经处理器传送到显示器。
35、根据权利要求34的一个系统,存储单元为处理器的一部分。
36、根据权利要求29的一个系统,在该系统中显示的诊断数据包括计算机生成的恶性肿瘤可能性的总评估值。
37、根据权利要求29的一个系统,在该系统中显示的诊断数据作为多元参数显示。
38、根据权利要求29的一个系统,在该系统中显示的诊断数据以多元参数及计算机生成的恶性肿瘤可能性的总评估值。
Applications Claiming Priority (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| US10/284,213 | 2002-10-31 | ||
| US10/284,213 US7203350B2 (en) | 2002-10-31 | 2002-10-31 | Display for computer-aided diagnosis of mammograms |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN1708765A true CN1708765A (zh) | 2005-12-14 |
Family
ID=32174820
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CNA2003801021683A Pending CN1708765A (zh) | 2002-10-31 | 2003-10-30 | 计算机辅助乳房透视诊断显示器 |
Country Status (6)
| Country | Link |
|---|---|
| US (1) | US7203350B2 (zh) |
| EP (1) | EP1556827A4 (zh) |
| JP (1) | JP2006504464A (zh) |
| CN (1) | CN1708765A (zh) |
| AU (1) | AU2003276651A1 (zh) |
| WO (1) | WO2004040500A1 (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110534182A (zh) * | 2019-08-30 | 2019-12-03 | 杭州依图医疗技术有限公司 | 医学影像的显示方法、显示设备和存储介质 |
Families Citing this family (22)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20050156942A1 (en) * | 2002-11-01 | 2005-07-21 | Jones Peter W.J. | System and method for identifying at least one color for a user |
| GB2398379A (en) * | 2003-02-11 | 2004-08-18 | Qinetiq Ltd | Automated digital image analysis |
| WO2005001740A2 (en) * | 2003-06-25 | 2005-01-06 | Siemens Medical Solutions Usa, Inc. | Systems and methods for automated diagnosis and decision support for breast imaging |
| US20050089205A1 (en) * | 2003-10-23 | 2005-04-28 | Ajay Kapur | Systems and methods for viewing an abnormality in different kinds of images |
| US20050111721A1 (en) * | 2003-11-25 | 2005-05-26 | Bamberger Philippe N. | Workstation for computerized analysis in mammography and methods for use thereof |
| US7660448B2 (en) | 2003-11-26 | 2010-02-09 | Icad, Inc. | Automated lesion characterization |
| US7460716B2 (en) * | 2004-09-13 | 2008-12-02 | Boston Scientific Scimed, Inc. | Systems and methods for producing a dynamic classified image |
| DE102006018413A1 (de) * | 2006-04-20 | 2007-10-25 | Siemens Ag | MR-Tomograph mit einem System zur Kontrastoptimierung von MRT-Bildern |
| US20080031408A1 (en) * | 2006-08-07 | 2008-02-07 | Predrag Sukovic | Quantification of sinus problems in a patient |
| US8150192B2 (en) * | 2006-11-27 | 2012-04-03 | Merge Cad Inc. | System and method for feature score mapping and visualization of medical images |
| US8358820B2 (en) * | 2007-03-12 | 2013-01-22 | Siemens Computer Aided Diagnosis Ltd. | Modifying software to cope with changing machinery |
| US20090046907A1 (en) * | 2007-08-17 | 2009-02-19 | Siemens Medical Solutions Usa, Inc. | Parallel Execution Of All Image Processing Workflow Features |
| US20090276392A1 (en) * | 2008-05-02 | 2009-11-05 | John Yan | Dynamic sequencing display protocols for medical imaging data |
| GB2460857A (en) * | 2008-06-12 | 2009-12-16 | Geoffrey Mark Timothy Cross | Detecting objects of interest in the frames of a video sequence by a distributed human workforce employing a hybrid human/computing arrangement |
| US10013638B2 (en) * | 2008-08-14 | 2018-07-03 | Ping Zhang | Cancer diagnostic method and system |
| US8799013B2 (en) * | 2009-11-24 | 2014-08-05 | Penrad Technologies, Inc. | Mammography information system |
| US9183355B2 (en) * | 2009-11-24 | 2015-11-10 | Penrad Technologies, Inc. | Mammography information system |
| WO2011121504A1 (en) | 2010-03-31 | 2011-10-06 | Koninklijke Philips Electronics N.V. | Automated identification of an anatomy part |
| KR20140138501A (ko) * | 2013-05-24 | 2014-12-04 | 삼성전자주식회사 | 병변 분류 장치, 및 병변 분류 데이터 변경 방법 |
| KR102307356B1 (ko) * | 2014-12-11 | 2021-09-30 | 삼성전자주식회사 | 컴퓨터 보조 진단 장치 및 방법 |
| AU2019285393B2 (en) * | 2018-06-14 | 2022-12-08 | Kheiron Medical Technologies Ltd | Second reader |
| WO2025013213A1 (ja) * | 2023-07-11 | 2025-01-16 | 日本電気株式会社 | 情報処理装置、情報処理方法、記憶媒体 |
Family Cites Families (18)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| IL119767A (en) * | 1993-08-13 | 1998-02-08 | Sophis View Tech Ltd | System and method for diagnosis of living tissue diseases |
| US5729620A (en) * | 1993-09-29 | 1998-03-17 | Wang; Shih-Ping | Computer-aided diagnosis system and method |
| US6075879A (en) * | 1993-09-29 | 2000-06-13 | R2 Technology, Inc. | Method and system for computer-aided lesion detection using information from multiple images |
| US6434262B2 (en) * | 1993-09-29 | 2002-08-13 | Shih-Ping Wang | Computer-aided diagnosis system and method |
| US6266435B1 (en) * | 1993-09-29 | 2001-07-24 | Shih-Ping Wang | Computer-aided diagnosis method and system |
| US20020097902A1 (en) * | 1993-09-29 | 2002-07-25 | Roehrig Jimmy R. | Method and system for the display of regions of interest in medical images |
| CA2132138C (en) * | 1993-09-29 | 2004-01-06 | Shih-Ping Wang | Computer-aided diagnosis system and method |
| JPH09508815A (ja) * | 1993-11-29 | 1997-09-09 | アーチ ディヴェロプメント コーポレイション | 乳房x線写真における、改良された、コンピュータによる、腫瘤の発見および分類のための自動的方法およびシステム |
| AU4594796A (en) * | 1994-11-25 | 1996-06-19 | Yuriy Alexandrov | System and method for diagnosis of living tissue diseases |
| US5627907A (en) * | 1994-12-01 | 1997-05-06 | University Of Pittsburgh | Computerized detection of masses and microcalcifications in digital mammograms |
| US6198838B1 (en) * | 1996-07-10 | 2001-03-06 | R2 Technology, Inc. | Method and system for detection of suspicious lesions in digital mammograms using a combination of spiculation and density signals |
| US5815591A (en) * | 1996-07-10 | 1998-09-29 | R2 Technology, Inc. | Method and apparatus for fast detection of spiculated lesions in digital mammograms |
| US6058322A (en) * | 1997-07-25 | 2000-05-02 | Arch Development Corporation | Methods for improving the accuracy in differential diagnosis on radiologic examinations |
| US5999639A (en) * | 1997-09-04 | 1999-12-07 | Qualia Computing, Inc. | Method and system for automated detection of clustered microcalcifications from digital mammograms |
| US6285992B1 (en) * | 1997-11-25 | 2001-09-04 | Stanley C. Kwasny | Neural network based methods and systems for analyzing complex data |
| US6075878A (en) * | 1997-11-28 | 2000-06-13 | Arch Development Corporation | Method for determining an optimally weighted wavelet transform based on supervised training for detection of microcalcifications in digital mammograms |
| US6282305B1 (en) * | 1998-06-05 | 2001-08-28 | Arch Development Corporation | Method and system for the computerized assessment of breast cancer risk |
| US6470092B1 (en) * | 2000-11-21 | 2002-10-22 | Arch Development Corporation | Process, system and computer readable medium for pulmonary nodule detection using multiple-templates matching |
-
2002
- 2002-10-31 US US10/284,213 patent/US7203350B2/en not_active Expired - Lifetime
-
2003
- 2003-10-30 WO PCT/IL2003/000892 patent/WO2004040500A1/en not_active Ceased
- 2003-10-30 JP JP2004547946A patent/JP2006504464A/ja active Pending
- 2003-10-30 AU AU2003276651A patent/AU2003276651A1/en not_active Abandoned
- 2003-10-30 EP EP03809827A patent/EP1556827A4/en not_active Withdrawn
- 2003-10-30 CN CNA2003801021683A patent/CN1708765A/zh active Pending
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110534182A (zh) * | 2019-08-30 | 2019-12-03 | 杭州依图医疗技术有限公司 | 医学影像的显示方法、显示设备和存储介质 |
Also Published As
| Publication number | Publication date |
|---|---|
| US20040086158A1 (en) | 2004-05-06 |
| EP1556827A4 (en) | 2009-09-09 |
| JP2006504464A (ja) | 2006-02-09 |
| US7203350B2 (en) | 2007-04-10 |
| WO2004040500B1 (en) | 2004-06-24 |
| EP1556827A1 (en) | 2005-07-27 |
| WO2004040500A1 (en) | 2004-05-13 |
| AU2003276651A1 (en) | 2004-05-25 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN1708765A (zh) | 计算机辅助乳房透视诊断显示器 | |
| US11227391B2 (en) | Image processing apparatus, medical image diagnostic apparatus, and program | |
| US7418119B2 (en) | Display for computer-aided evaluation of medical images and for establishing clinical recommendation therefrom | |
| CN1670769A (zh) | 计算机辅助定位目标的方法和系统 | |
| CN101084501A (zh) | 数字医学图像分析 | |
| JP2009136376A (ja) | 画像処理装置およびそのプログラム | |
| Santos et al. | Radiomics in bone pathology of the jaws | |
| Kumar et al. | A lightweight asymmetric U-Net framework for acute ischemic stroke lesion segmentation in CT and CTP images | |
| US8233964B2 (en) | System and method for color-coding segmented chest image airways for assessment | |
| Barstuğan et al. | Adrenal tumor segmentation method for MR images | |
| Lu et al. | Texture analysis based on Gabor filters improves the estimate of bone fracture risk from DXA images | |
| Kayadibi et al. | An AI-assisted explainable mTMCNN architecture for detection of mandibular third molar presence from panoramic radiography | |
| US7865000B2 (en) | Medical image processing apparatus for analyzing properties of living body based on image data thereof | |
| Barbosa et al. | Towards automatic quantification of the epicardial fat in non-contrasted CT images | |
| Dogan et al. | Machine learning assessment of dental age classification based on cone-beam CT images: a different approach | |
| Ren et al. | Feature patch based attention model for dental caries classification | |
| CN1640361A (zh) | 多相水平集的正电子断层扫描重建方法 | |
| JP2004351100A (ja) | 医用画像処理システム及び医用画像処理方法 | |
| US20060047227A1 (en) | System and method for colon wall extraction in the presence of tagged fecal matter or collapsed colon regions | |
| Siddiqi et al. | Classification of abdominal CT images bearing liver tumor using structural similarity index and support vector machine | |
| Zheng et al. | Evaluation of an interactive computer-aided diagnosis (ICAD) system for mammography: A pilot study | |
| Yuchen et al. | Lung cancer diagnosis system based on 3D CNN | |
| Zenteno et al. | An explorative childhood pneumonia analysis based on ultrasonic imaging texture features | |
| Shaharuddin et al. | Development of computer aided diagnosis system (CAD) for detection of kidney ultrasound images | |
| CN1742293A (zh) | 用于分析生物组织图像的方法和装置 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| C06 | Publication | ||
| PB01 | Publication | ||
| C10 | Entry into substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| C12 | Rejection of a patent application after its publication | ||
| RJ01 | Rejection of invention patent application after publication |
Open date: 20051214 |