CN1504931B - 图像组的计算机辅助诊断 - Google Patents

图像组的计算机辅助诊断 Download PDF

Info

Publication number
CN1504931B
CN1504931B CN031390978A CN03139097A CN1504931B CN 1504931 B CN1504931 B CN 1504931B CN 031390978 A CN031390978 A CN 031390978A CN 03139097 A CN03139097 A CN 03139097A CN 1504931 B CN1504931 B CN 1504931B
Authority
CN
China
Prior art keywords
image
area
interest
feature
energy
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.)
Expired - Fee Related
Application number
CN031390978A
Other languages
English (en)
Other versions
CN1504931A (zh
Inventor
雷努卡·厄帕卢里
安伯·E·雷德
戈帕尔·B·阿维纳什
卡森·H·托马斯
约翰·M·萨博尔
卡德里·N·贾布里
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
GE Medical Systems Global Technology Co LLC
Original Assignee
GE Medical Systems Global Technology Co LLC
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 GE Medical Systems Global Technology Co LLC filed Critical GE Medical Systems Global Technology Co LLC
Publication of CN1504931A publication Critical patent/CN1504931A/zh
Application granted granted Critical
Publication of CN1504931B publication Critical patent/CN1504931B/zh
Anticipated expiration legal-status Critical
Expired - Fee Related legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR 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
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B6/00—Apparatus for radiation diagnosis, e.g. combined with radiation therapy equipment
    • A61B6/02—Devices for diagnosis sequentially in different planes; Stereoscopic radiation diagnosis
    • A61B6/03—Computerised tomographs
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B6/00—Apparatus for radiation diagnosis, e.g. combined with radiation therapy equipment
    • A61B6/48—Diagnostic techniques
    • A61B6/482—Diagnostic techniques involving multiple energy imaging
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B6/00—Apparatus for radiation diagnosis, e.g. combined with radiation therapy equipment
    • A61B6/50—Clinical applications
    • A61B6/505—Clinical applications involving diagnosis of bone
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T11/00—2D [Two Dimensional] image generation
    • G06T11/003—Reconstruction from projections, e.g. tomography
    • G06T11/005—Specific pre-processing for tomographic reconstruction, e.g. calibration, source positioning, rebinning, scatter correction, retrospective gating
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H30/00—ICT specially adapted for the handling or processing of medical images
    • G16H30/20—ICT specially adapted for the handling or processing of medical images for handling medical images, e.g. DICOM, HL7 or PACS
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
    • G16H50/20—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for computer-aided diagnosis, e.g. based on medical expert systems
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B6/00—Apparatus for radiation diagnosis, e.g. combined with radiation therapy equipment
    • A61B6/02—Devices for diagnosis sequentially in different planes; Stereoscopic radiation diagnosis
    • A61B6/03—Computerised tomographs
    • A61B6/032—Transmission computed tomography [CT]
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B6/00—Apparatus for radiation diagnosis, e.g. combined with radiation therapy equipment
    • A61B6/50—Clinical applications
    • A61B6/502—Clinical applications involving diagnosis of breast, i.e. mammography
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30004—Biomedical image processing
    • G06T2207/30008—Bone
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2211/00—Image generation
    • G06T2211/40—Computed tomography
    • G06T2211/408—Dual energy

Landscapes

  • Health & Medical Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Medical Informatics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Public Health (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Physics & Mathematics (AREA)
  • Radiology & Medical Imaging (AREA)
  • Biomedical Technology (AREA)
  • Pathology (AREA)
  • Surgery (AREA)
  • Molecular Biology (AREA)
  • Optics & Photonics (AREA)
  • Animal Behavior & Ethology (AREA)
  • High Energy & Nuclear Physics (AREA)
  • Biophysics (AREA)
  • Veterinary Medicine (AREA)
  • Heart & Thoracic Surgery (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Epidemiology (AREA)
  • Primary Health Care (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Dentistry (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • Orthopedic Medicine & Surgery (AREA)
  • Quality & Reliability (AREA)
  • Data Mining & Analysis (AREA)
  • Databases & Information Systems (AREA)
  • Apparatus For Radiation Diagnosis (AREA)

Abstract

本发明涉及一种用于计算机辅助处理图像组(215、415、540、715、915)的方法(200、201、202、300、400、700、900)、系统(100)和存储介质。所述方法、系统和存储介质包括：采用数据源，所述数据源(210、710、910)包括从X-射线投影、X-射线断层造影、或X射线断层造影组合采集的图像组(215、415、540、715、915)；在图像组(215、415、540、715、915)的一个或多个图像中定义一个感兴趣区域(220)；从感兴趣区域(220)提取特征度量(230)；并且报告(260)至少一个有关感兴趣区域(220)的特征度量。所述方法(200、201、202、300、400、700、900)可以用于识别骨折、疾病、阻塞或任何其它医疗状况。

Description

图像组的计算机辅助诊断
相关申请
本发明是2002年5月15日提出的美国待审专利申请No.10/063819的延伸的部分(continuation in part)，在这里全部引入作为参考。
技术领域
本发明一般涉及一种图像组的计算机辅助检测和诊断(CAD)。更具体地说，本发明涉及一种对双能量(“DE”)或多能量的图像以及射线照相(radiographic)图像和计算机X-射线断层造影(computed tomography)图像和X射线断层造影组合(tomosynthesis)图像进行计算机辅助检测和诊断的方法和系统。
背景技术
典型的射线照相术(radiograph)或“X-射线”图像是通过把待成像的物体放置在X-射线发射器和用照相胶片制成的X-射线检测器之间获得的。发射的X-射线穿过物体曝光胶片，在胶片上各个点的曝光度在很大的程度上取决于沿X-射线路径的物体密度。
目前通常使用固态数字X-射线检测器(例如，一个开关元件和诸如光电二极管的光敏元件的阵列)来替代胶片检测器。由X-射线产生的，在检测器各点上的电荷被读取和被处理以产生电子形式的物体数字图像，而不是在照相胶片上的模拟图像。数字图像是具有优势的，这是由于该图像以后可以被以电子形式发送到其它地点，可被应用于诊断算法来确定成像物体的特性等。
数字X-射线中的双能量(DE)成像组合了两个在不同能量级上的顺序曝光的信息，其中，一个具有高能量光谱，而另一个具有低能量光谱。使用数字X-射线检测器，这两个图像被顺序地采集并且被处理，以获得另外两个图像，其中每个代表一个给定组织类型的衰减，例如骨骼和软组织图像。可以建造可用来在解剖学上进一步分解组织的多能量图像系统。在不同能量/kVps(能量1，...能量n)上的一系列图像可以用快捷序列获得，并分解成不同的组织类型(组织1，...组织n)。
计算机断层造影(CT)系统通常包括一个校准的X-射线源，以形成指向穿过待成像物体的扇形光束，并且被X-射线检测器阵列所接收。该X-射线源、扇形光束和检测器阵列被定向，排列在一个被称为“成像平面”的笛卡尔坐标系的x-y平面内。X-射线源和检测器阵列可以在一个托架上在成像平面内一起围绕被成像物体旋转，因此围绕笛卡尔坐标系的z轴旋转。
检测器阵列由检测器元件构成，其中，每个元件沿着从X-射线源到特定检测器元件的射线投影路径测量发送辐射的强度.在每个托架角度采集一个由来自每个检测器元件的强度信号构成的投影.该托架随后被旋转到一个新的托架角度，该过程被重复以收集沿着多个托架角度的多个投影以形成一组断层造影投影.每个获得的断层造影投影组可以用数值形式进行存储，用于以后的计算机处理，以便根据在本领域中公知算法重构截面图像.重构的图像可以在传统CRT管，平面薄-胶片-晶体管阵列上显示，或者可以借助计算机控制照相机转换成一个胶片纪录.
扇形光束可以被过滤，以将X-射线辐射的能量集中到高能量和低能量。这样，可以在每个托架角度采集两个投影组，其中一个在高X-射线能量，而另一个在低X-射线能量。可以在每个托架角度采集这样一对投影组，在高和低X-射线能量交替，使患者的移动产生的问题最小。或者，每个投影组还可以在托架旋转的独立周期中采集，以便使X-射线管电压和过滤不需要经常地来回切换。
传统上，通过射线照相图像，计算机断层造影图像和其它医学图像进行诊断是一种视觉任务。由于该任务的主观性，诊断因读取人而异。此外，与感兴趣的病理学相关的上层和下层结构，视觉评估可能是困难的。胸部的轻微肋骨骨折，钙化和转移骨损伤(metastases)在标准的胸部X-射线中是难于检测的。作为另一个附加例子，今天通过胸部射线照相只有5％-25％的肺部结节可以被检测到，但是通过回顾(retrospect)有35％-50％可以被看到。在CT采集中，被成像的物体的不同区域可以由不同密度的不同组织构成以便使总衰减(即CT数和像素值)相同。在图像中这两个区域被等同地表示，因此不可区分。双能量CT提供了分辨这两种组织类型的能力。通常，这种分辨仍然是视觉任务。
发明内容
采用对双能量和多能量图像的计算机辅助处理方法可以克服或减轻上述和其它的缺点和缺陷。
在一个实施例中，一种用于计算机辅助处理使用X射线源采集的双能量或多能量图像的方法，所述方法包括：采用数据源，所述数据源包括双能量或多能量图像组，所述图像组包括一个高能量图像、一个低能量图像、一个骨骼图像和一个软组织图像，图像组的每个图像安排在数据源，以允许双能量CAD通过结合来自图像组的所有图像的特征被执行一次；在双能量或多能量图像组的图像中定义一个感兴趣区域；采用特征提取算法并且从该感兴趣区域提取特征度量；在感兴趣区域采用特征选择算法，以通过感兴趣区域的特征排序，从而产生定义候选感兴趣区域的候选特征，该候选感兴趣区域是感兴趣区域的子集，在每个图像上分类候选感兴趣区域，随后组合所有计算机辅助处理操作的结果；和报告至少一个该感兴趣区域的特征度量。
在另一个实施例中，在一种用于机器可读计算机程序码编码的存储介质中包括用于使计算机实现对双能量和多能量图像辅助处理的方法的指令，其中，所述方法包括采用数据源，所述数据源包括具有第一分解图像、第二分解图像、高能量图像和低能量图像的双或多能量图像组；在双能量或多能量图像组的图像中定义感兴趣区域；从感兴趣区域提取特征度量，并且在特征度量上运用特征选择算法，以确定出特征的优选组。
在另一个实施例中，用于计算机辅助处理计算断层造影图像的方法，包括采集一组双能量计算断层造影图像，采用数据源，所述数据源包括图像组，在所述图像组的图像中定义一个感兴趣区域，并且报告感兴趣区域最少一个特征度量。
在另一个实施例中，一种用于计算机辅助处理体积计算断层造影图像的方法，包括从在结构的不同角度获得的投影获得体积计算断层造影图像的图像组，所述数据源包括图像组，在图像组的图像中定义一个感兴趣区域，从该感兴趣区域提取特征度量，并且报告感兴趣区域最少一个特征度量。
在另一个实施例中，用于计算机辅助处理计算断层造影图像的方法，包括采集断层造影图像的一个图像组，采用数据源，所述数据源包括该图像组，在图像组的图像中定义一个感兴趣区域，从感兴趣区域提取特征度量，并且报告感兴趣区域最少一个特征度量。
通过下面的详细说明和附图，本发明的上面讨论的和其它特征和优点将被本领域的技术人员所理解。
附图说明
参照例图，其中同样的元件在几张图中标号相似。
图1是X-射线成像系统的例子的方框图。
图2是示例的图像采集和处理过程的高层(high level)流程图。
图3是图像采集处理例子的流程图。
图4是图像预处理例子的流程图。
图5是图像后处理例子的流程图。
图6是检测和诊断双能量图像的计算机辅助处理的流程图。
图7是另一个检测和诊断双能量图像的计算机辅助处理的流程图。
图8是用于图6和图7所示的计算机辅助处理的特征选择算法的例子的流程图。
图9是用于图6和图7所示的计算机辅助处理的分类算法的例子的流程图。
图10是用于在骨骼图像中检测钙化、骨折、骨侵蚀、和转移的计算机辅助处理的流程图。
图11是在图10的处理中使用的计算机辅助算法的流程图。
图12是检测和诊断多能量图像的计算机辅助处理的流程图。
图13是能执行预-重构分析的系统的信号流图。
图14是能够实施重构-分析的系统的信号流图。
图15是检测和诊断双能量CT图像的计算机辅助处理的流程图。
图16是检测和诊断体积(volume)CT图像的计算机辅助处理的流程图。
图17是检测和诊断双能量体积CT图像的计算机辅助处理的流程图。
图18是检测和诊断断层造影组合图像的计算机辅助处理的流程图。
图19是检测和诊断双能量断层造影组合图像的计算机辅助处理的流程图。
具体实施方式
图1示出了一个X-射线成像系统100的例子。该成像系统100包括X-射线源102和校准仪(collimater)104，其把接受检查结构106暴露给X-射线光子。举例来说，X-射线源102可以是X-射线管，接受检查结构106可以是患者、测试模型或其它被测试的无生命的物体。X-射线源102可以在第一能量级上和至少与该第一能量级上不同的第二能量级上产生光子。多个、超过两个的能量级上也在本方法和系统的范围内。
X-射线成像系统100还包括耦合到处理电路110的图像传感器108.处理电路110(例如，一个微控制器，微处理器，专用ASIC等与存储器112和显示器114耦合.显示器114可以包括诸如具有触摸屏界面的触摸屏显示器.如本领域所知的，系统100可以包括包含显示器114的计算机或类似计算机的物体.所述计算机或类似计算机的物体可以包括硬盘，或其它固定的，高密度的媒体驱动器，使用适当的设备总线，诸如SCSI总线，增强的IDE总线，PCI总线等连接起来；软盘驱动器；具有磁带或CD媒介的磁带机或CD-ROM驱动器，或其它诸如磁-光媒介等的可移动媒介设备，以及主板.所述主板例如包括，处理器、RAM，和ROM，用于与图像传感器108耦合的I/O端口，以及可选的用于实施诸如声音处理，图像处理，信号处理，神经网络处理等特殊硬件/软件功能的专用硬件；以及麦克风和一个或多个扬声器.与计算机和类似计算机的物体相关的可以是用于数据输入的键盘，诸如鼠标的指向设备，和鼠标垫或数字化垫.所述系统和方法包括存储在上述任何一个存储介质(计算机可读介质)上的，用于控制计算机硬件和使计算机与人类用户交互的程序.这种程序可以包括，但并不限于，用于实现设备驱动程序，操作系统和用户应用的软件.这种计算机可读介质还包括指导通用计算机根据本系统和方法运行的程序或软件指令.存储器112(如包括一个或多个硬盘、软盘、CDROM、EPROM等)存储高能量级图像116(如经过110-140kVp，25mA的照射后在传感器108上读出的图像)和低能量级上图像118(如经过70kVp 25mA的照射后读出的图像)。处理电路110提供用于在显示器114上显示的图像120。如在这里进一步详述的，图像120可以表示不同的结构(例如软组织、骨骼)。图像传感器108可以是例如平面固态图像传感器，虽然传统的以数据形式存储在存储器112中的胶片图像也可以如下面的公布被处理。
现在参照图2-6说明图1中系统的操作。图2示出了由图1中系统实施的处理的例子的高层流程图。处理在步骤10以采集图像开始。在图3中示出了图像采集例程的实例。如图3所示，图像采集例程包括技术优化步骤11，所述技术优化步骤11包括诸如自动选择如kVP(高和低)、mAs、附加过滤(例如铜或铝)，时序等采集参数。所述采集参数可以基于用户提供的变量(诸如患者的尺寸)或者通过系统(诸如由低剂量“预注射”确定的变量)自动获得。对采集参数的选择可以着眼于诸如残留结构，肺/心移动，分解伪影和对比度等问题。一旦定义了采集参数，在步骤12采用心脏门控技术。心脏门控技术是在心脏周期的特定点触发检测器108对图像进行采集的技术。这减少了在包括心脏的视野中心脏运动的伪影和诸如肺运动等与心脏运动间接有关的伪影。心脏门控着眼于由心脏/大动脉的脉动引起的肺/心移动伪影。
在步骤13和14分别描述了两个在高kVP和低kVP点采集的连续x-射线图像，其间具有最小的时间。对校准仪104的过滤(filtration)可以在采集之间变动以便允许对x-射线能量的更大的分离。在步骤15和16，可以分别对高能量图像和低能量图像进行检测器修正。这种检测器修正在采用平面检测器的系统中是已知的，并且包括诸如坏像素/线修正，增益图修正等以及专门用于诸如滞后(laggy)修正的双能量成像的修正。
参照图2，一旦步骤10的采集完成，过程进行到预处理采集图像的步骤20。图4是预处理例程的示例流程图。所述预处理包括可以用软件和/或硬件实现的散射(scatter)修正步骤22。所述散射修正例程可以独立地应用到每个图像，也可以利用来自高kVP和低kVP图像的公共信息以减少散射。可以使用现有的散射修正技术，诸如包括专用的反-散射网格码的硬件解决方案和/或使用基于卷积或基于反-卷积方法的软件解决方案。此外，软件技术可以利用一个图像的信息来为其它图像调整参数。散射修正着眼于由x-射线散射造成的分解伪影。
一旦执行了散射修正，在步骤24执行降低噪声.在此，对高kVP和低kVP图像独立或同时应用一个或多个现有的降低噪声算法.降低噪声着眼于可能由DE分解造成的增强的噪声.在步骤26，执行注册以通过对在高kVp和低kVp图像间的运动和解剖对准的修正以减少运动的伪影.注册算法被称为应用到高kVp和低kVp图像上的刚体(rigid-body)或翘面(warping)注册常规.或者，所述技术可以是迭代的并且使用在步骤30中进行的分解软组织和骨骼图像的附加信息.所述注册处理着眼于在软组织图像和/或骨骼图像中的残留结构和肺/心运动的伪影.
参照图2，一旦完成了步骤20的预处理，过程进行到分解获得的图像以产生原始软组织图像和原始骨骼图像的步骤30。还基于高kVp图像定义一个标准图像(也被称为标准后端-前端(PA)图像)。可以使用已知的DE X-射线照相技术来执行分解。这种技术可以包括用对数-减法或基础物质分解以从高能量采集和低能量采集中产生原始软组织图像和原始骨骼图像。在注册/移动修正步骤26可以使用原始软组织图像和原始骨骼图像的信息。例如，边缘信息和/或伪影位置信息可以从分解图像中导出，以用于注册/移动修正。
参照图2，一旦完成了分解步骤30，过程进行到对采集图像进行后处理的步骤40。图5是后-处理常规的示例流程图。如图5所示，原始软组织图像41和原始骨骼图像42要经历类似的处理。执行对比度匹配43以匹配原始软组织图像41和原始骨骼图像42中的结构与标准图像中相应结构的对比度。例如，原始软组织图像41(如胸部成像)中的软组织结构的对比度被和标准PA图像中的对比度匹配。执行对比度匹配以便于对x-射线图像进行解释。
在步骤44，可以对软组织图像41和骨骼图像42应用一个或多个降低噪声算法。降低噪声着眼于由于DE分解而产生的噪声。在步骤45，可以对软组织图像41和骨骼图像42执行表达图像处理。所述表达图像处理包括诸如边缘增强、用于优化显示的显示窗口级别和宽度调整的处理。后-处理40的结果被描述为处理后的软组织图像46和处理后的骨骼图像47。
参照图2，一旦完成了后-处理步骤40，过程进行到处理采集的图像用于显示的步骤50。
计算机辅助算法在和放射学家的视觉估计一起使用时，具有改进疾病检测准确性和可再现性的潜力。计算机辅助算法可被用于检测(存在与否)或诊断(正常或异常)。所述检测或诊断是基于通过对有代表性的采样数据库培训而获得的知识执行的。在数据库中的采样数据和培训算法的数据的特征是影响CAD算法性能的两个重要方面。CAD算法准确性的改进随着其被培训的信息的改进而改进。采用传统的X-射线断层造影，上层结构和下层结构混淆了相关信息，使得检测或诊断甚至对于计算机化的算法来说都很困难。这里所述的方法和系统通过使用双能量图像，尤其是结合用于CAD的传统X-射线断层造影着眼于解决这个问题。具体来说，这个方法结合了来自四个图像的信息来辅助计算机化的检测算法。
如图6所示，所述双能量CAD系统200具有几个部分，包括数据源210，感兴趣区域220，优化特征选择230和分类240，培训250以及结果显示260。
这里应当注意双能量CAD 200可以通过结合所有图像215被执行一次，或者可以被并行执行.如图7所示，对于双能量CAD201的并行操作将包括对每个图像216，217，218，219独立执行CAD操作并在综合/分类阶段241组合所有CAD操作的结果，如图6所示.即，ROI选择220可以对每个图像216，217，218，219执行，以提供低能量图像ROI 221、高能量图像ROI 222、软组织图像ROI 223、和骨骼图像ROI 224。类似的，优化特征提取阶段230可以对每个图像ROI 221，222，223，224执行，以产生低能量图像特征231、高能量图像特征232、软组织图像特征233、和骨骼图像特征234。在综合/分类阶段241，可以组合所有CAD操作。这样，图6和图7示出了执行双能量CAD的两种不同方法，然而其它方法诸如图7所示的并行执行ROI选择阶段220也在本发明的范围内，但在图6中所示的在组合ROI上执行的特征提取阶段230除外。此外，可以依序或并行地执行检测多种疾病，骨折或其它任何医疗状况的CAD操作。
现在参照图6或7，对于数据源210来说，可以从一个或多个源的组合采集数据。诸如kVp(峰值千伏，其确定产生的x-射线的最大能量，其中，所产生的辐射量随千伏的平方上升而增加)，mA(用毫安测量x-射线的电流，其中，1毫安＝0.001安)，剂量(以伦琴(Roentgen)为单位测量的辐射照射，rad作为吸收剂量的单位，而rem作为等同吸收剂量的单位)，SID(源到图像的距离)等可以对数据源210起作用。临床症状的患者人口统计/症状/历史214，诸如吸烟历史，性别，年龄也可以作为数据源210的数据。双能量图像组215(高能量图像216，低能量图像217，骨骼图像218，软组织图像219，或者换句话说，替代骨骼图像218和软组织图像219的第一和第二分解图像，其中第一和第二分解图像可以包括任何包括但并不限于软组织和骨骼图像的物质图像)是数据源210的附加数据源。
在基于图像的数据215中，可以定义一个感兴趣区域220，由此计算特征。感兴趣区域220可以用几种方法定义。例如，整个图像215可以被用作感兴趣区域220。或者，一部分图像，诸如在肺顶端区域(apical lung field)的候选结节区域可以被选作感兴趣区域220。可以手动或自动地对感兴趣区域220进行划分。手动划分可以包括显示图像和用户使用例如鼠标描绘图像。自动划分算法可以运用诸如形状和大小的在先知识自动描绘感兴趣区域220。还可以采用上述两种方法相组合的半自动方法。
随后采用特征选择算法230，以对候选特征排序，并只选择那些有用的并排除那些不提供信息或提供冗余信息的特征。参照图8，特征提取处理，或优化特征提取230，包括对数据源210执行计算。例如，对基于图像的数据215，可以计算诸如形状，大小，密度，曲率等的感兴趣区域的统计数据。对于基于212采集的数据和基于患者214的数据，数据212，214本身可以作为特征。如图8中进一步所示的，从高能量图像，低能量图像，软组织图像，骨骼图像或者这些图像的组合中，提取多个特征度量270，诸如形状、大小、质地、密度、梯度、边沿强度、位置、近似(proximity)、柱状图、对称性、离心率、方向性、边界、力矩(moments)、分形(fractal)、平均信息量等，和患者历史诸如，年龄，性别，吸烟历史，和诸如kVp和剂量的采集数据的多个特征度量270。这里的术语“特征度量”指的是计算的特征，测量的特征和仅仅是存在的特征。尽管有大量的特征度量，但所述方法仅保证维护那些提供相关信息的特征。在特征选择算法230中的步骤272按照其使用例如距离标准分开不同分类组的能力来说指的是特征评价272。所述距离标准评价方法使用一个特定的特征能多好地分离使用的多个不同的类。可以使用几种不同距离标准，诸如发散(divergence)，Bhattacharya距离，Mahalanbois距离。这些技术在K.Fukanaga，1990年学术第二版的“Introduction to Statistical PattemRecognition”一书中有所描述，其在这里引入作为参考.步骤274基于距离标准对所有特征进行排序，即，基于特征区分不同类的能力和它们的鉴别能力将他们排序.从实际的角度来讲，特征选择算法230还被用来减少维数，在此，如果要计算的特征很大，则计算时间会太长.维数减少步骤276指的是怎样通过消除相关特征减少特征的数目.仅提供与其它特征提供的信息相同的信息的附加特征被清除掉.这提供了用于前向选择步骤278的削减的特征组，所述前向选择步骤278基于降序排列，选择队列中顺序最高的特征，并且随后添加附加特征，直到性能不再改进为止.即当达到添加附加特征不再提供任何有用信息的点时，不再添加附加特征.在该点上输出280提供优化的特征组.
如同上述在特征选择算法230中描述的，一旦诸如形状、大小、密度、梯度、边界、质地等特征被计算出来并且产生了优化特征组280，可以使用预培训的分类算法240将感兴趣区域220分类成良性或恶性结节，钙化，骨折或转移，或是对于所涉及的医疗状况采用的任何分类。参照图9，特征组280被用作分类算法240的输入。在步骤282，根据从已知正常和不正常的感兴趣案例的数据库中导出的特征度量，执行对组280的特征度量的标准化。这是由培训250的在前知识得出的。来自培训的在先知识可以包含例如，证实的恶性结节的特征的实例和证实的良性结节的特征的实例。培训阶段250可以包括例如对已知良性和恶性结节样本计算若干候选特征。步骤284指的是把标准化的特征度量分组。可采用不同的方法，诸如贝叶斯分类器(一种用于监督学习的算法，其为每个类存储一个单一的概率摘要(probabilisticsummary)并且假定有条件地独立于给定类的属性)、神经网络(其通过创建处理单元之间的连接工作，在此连接的组织和权重确定输出；当网络有一个可以利用的在先实例的大数据库时，神经网络可以有效地预测事件，并因此在图像识别系统和医疗成像中是有用的)、基于规则的方法(其使用告诉系统在特定的情况下如何反应的条件语句)、模糊逻辑(其识别比简单的真假值更多的值)、群集技术和类似的措施方法。这些技术在1988年Prentice Hall出版的Anil K.Jain的“Fundamentals of Digital Image Processing”一书中有所描述，这里引入作为参考。一旦将标准化的特征度量分组，随后分类算法240在步骤286对特征簇加以标注并在步骤288输出一输出显示。
双能量技术使得可以采集多个图像供人或机器观察者审阅。CAD技术可以对图像216、217、218和219中的一个或全部进行操作，并显示每个图像216、217、218和219的结果260，或者将显示260的结果综合为单一图像215。这通过简化了划分处理提供了改善CAD性能的优点，而不增加需要审阅的图像数目。结果显示260形成了如图2所示的表达阶段50的部分。
在识别230和分类240可疑候选区域后，所述可疑候选区域的位置和特征应当被显示给放射学家或者图像审阅者。在非双能量CAD应用中这是通过在接近或围绕可疑损伤处重叠例如箭头或圆圈标记来实现的。双能量CAD提供了在四个图像(高能量图像216、低能量图像217、骨骼图像218、软组织图像219)中任意一个上面显示用于计算机检测的(并且可能是诊断的)结节的标记的能力。通过这种方式，审阅者可以只观察一个单一图像215，在其上重叠了一个CAD操作200阵列的结果。当图像被如图7所示独立处理时，CAD系统201在步骤241对结果进行综合。每个CAD操作(由唯一的段(ROI)220、特征提取230，和分类程序240或241定义)可以由唯一的标记类型表示。
这样的一个双能量CAD显示器实例将被描述用于肺癌胸部成像.假定患者接受采用双能量CAD系统200或201处理的双能量检查(参照图1-5所述).CAD操作在软组织图像219上识别出两处具有恶性特征的可疑损伤.在骨骼图像218上，CAD操作识别出一处钙化结节(指示良性过程)和一处骨骼损伤.在综合阶段，当对每个图像应用ROI和特征提取阶段之一或全部时，其可以构成分类处理的一部分，分类240采用这些结果并确定软组织结节之一与在骨骼图像218上的明显钙化结节是同一个.随后向审阅者展示高能量图像216，其是一个运用模仿单能量胸部射线照相术的当前标准实践拍摄的第一图像.审阅者也将被展示一个第二图像，其除了具有指示在图像数据上叠加CAD操作220、230、240结果的标记外，与该第一图像相同.此第二图像可以被同时显示在第二硬或软拷显示器上，或通过软件在软拷贝显示器上和其它图像进行切换(toggle).叠加在第二图像上的例如可以是围绕被分类为具有恶性特征的可疑肺结节的圆圈、被分类为良性特征的围绕钙化的肺结节的方块，以及指向检测的骨骼损伤的箭头.用这种方式，审阅者得到对用于优化审阅的、同时展现的每个图像的CAD操作200的信息的好处.
作为另一个例子，方法200、201可以被用于乳腺造影中。用于乳腺造影的双能量图像以前曾经被采用过，诸如在颁发给Chao的美国专利US6173034中所述。为了方便，方法200和201可以采用用于乳腺造影的双能量成像处理的执行结果，以及采用这里描述的CAD技术。此外，应当注意，和在上述胸部检查中通常采用的可能在50-170kVp范围内的能量相比，在乳腺造影中采用的能量可以低到20kVp。传统的乳腺造影典型地在24-30kVp，而DE乳腺造影对于低能量图像可以在24-30kVp，对于高能量图像可以在50-80kVp，这里的值通常受x-射线管/发生器的限制。对于断层乳腺造影法，能量可能会较高，对于传统的单能量图像来说大约是80kVp。
这些方法200、201通过提供消除了上层结构的输入数据改善了计算机辅助检测或诊断算法的性能，并且成像解剖体基于组织类型(软组织或骨骼)被分离，这个算法200与标准射线照相术相比，具有在单位解剖体中提取更多诊断特征的潜力。
以前的CR(计算机射线照相术)双能量图像和标准的射线照相图像相比质量更差并且噪声更大，因此计算机辅助算法以前没有被用于上述图像。这个系统和方法200、201除采集参数212和患者信息214之外，使用高能量图像216、低能量图像217、软组织图像219和骨骼图像218的信息。此外，可以在和传统的CAD技术相比不增加图像的数量的情况下，把结果显示给审阅者。
上述的方法200、201还可被用来识别钙化、骨折、骨侵蚀和转移骨损伤。通过提供不带上层/下层软组织的骨骼图像218，DE图像创造了一种用于对轻微骨折，骨侵蚀，钙化和转移骨损伤自动检测和分类的有效机会。而这在其它情况下有可能为传统图像读取器所丧失。
现在翻到图10和11，示出了方法200、201的图示举例。方法301使用双能量计算机辅助检测/诊断(CAD)算法300，以从背景中对骨骼分离，并且检测/诊断具有可能的钙化、骨折、转移的候选骨骼区域。这些候选区域随后基于从相应的完整图像组215(高能量216、低能量217、骨骼218、软组织219)所提取的特征被分类。分类阶段不仅排除错误的阳性诊断，也能提供关于骨折或损伤(骨折类型，损伤大小等)的附加信息。随后结果在图像中被突出以便阅读者评估。
如图11所示，用于检测DE图像215中的钙化、骨折、骨侵蚀和转移的CAD算法300的第一步骤需要选择所期望的区域，用于搜索或选择感兴趣区域(ROI)310.在双能量胸部检查中，这典型地包括整个图像，但是如果对特定的区域有怀疑，则可以包括较小的感兴趣区域.根据如上所述的ROI 220的用户说明可以通过手动或自动算法来选择感兴趣区域(ROI)310。
随后，是对骨骼320的分离。分离320的目的在于将骨骼从背景中(非骨骼)分离。一个实施例是区域增长算法。可以采用手动或自动方法来启动区域增长。在手动方法中，提供了一种使用户选择起始点(seed point)的手段。在自动方法中，骨骼属性，诸如密度范围、梯度范围、形状，大小等可以被用于启动起始点。另一种潜在的分离方法涉及多级密度阈值处理。
随后在步骤330识别候选区域。识别候选区域的一个方法是基于边界检测算法。采用形态学侵蚀的图像处理可以消除噪声和假边界。此外，为排除很可能是肋骨边缘的较长的线，可以应用一个连接算法。因此，剩余的图像只由那些钙化、骨折和转移的可能候选边缘构成。
候选区域可以随后在步骤340被分类。对于剩余候选区域的分类可以包括一个基于规则的方法。这些规则可以与用于识别钙化，转移和骨折的规则是不同的。最好，对于不同类型的骨折有不同的规则，对于不同的转移特性也有不同的规则。例如，对于骨折，由于在肋骨内的边缘是骨折的候选者，人们可能希望把在肋骨内的边缘和在肋骨外的边缘分离开来，规则也可以是基于对线边缘的大小的测量。
剩余的候选区域随后应当被指示给用户或读取器用于在展示步骤或指示结果350中进行检查。这可以通过使用箭头，圆圈或其它一些指示符或标记加亮区域来实现，附加信息诸如损伤的类型或大小也可以被叠加在图像上。
再次参考图10，放射学家或临床医生在步骤360可以读取结果指示350，并且这个方法301可以被用于在胸部射线照相术中改善如步骤370所示的对钙化、轻微骨折、轻微骨侵蚀、和转移骨损伤的检测。对这些疾病，可以通过早期检测为患者带来更多的收益，并使临床医生对患者的看护得到改善。提供不含上层/下层软组织的骨骼图像的能力也可以用来显著改进和骨骼相关的病理学的检测和诊断。使用骨骼图像用于钙化、骨折和转移的检测是对于DE成像以前所没有的一个诊断概念。
虽然描述的是针对包括肺癌胸部成像和对钙化、骨折、骨侵蚀和转移的检测的具体例子，应当理解，上述的方法和系统可以被用来检测和/或诊断涉及身体任何部位的任何医疗状况、阻塞或疾病。
并且，虽然专门提到DE成像，但在本发明的范围内，还可对多能量图像采用上述方法.例如，在图12中示出了一个多能量成像系统400，它和上述的DE图像系统200、201和300的类似之处在于它包括了包括图像数据415、图像采集数据412和患者人口统计学数据414的数据源410；定义或选择感兴趣区域420、优化特征提取430、综合/分类440和叠加在图像显示器460.并且在前面描述的DE图像系统中，来自培训450的在先知识被应用到优化特征提取阶段430和综合/分类阶段440.这样，方法400和前面所述的DE方法的唯一区别就是图像数据415的内容.即，DE方法利用高能量图像、低能量图像、软组织图像和骨骼图像，而多能量成像系统400使用一系列在不同能量/kVps(能量1图像、能量2图像、...能量N图像)拍摄的图像413.应当注意该“N”表示一个任意数，并且可能在从每个图像处理中不同.虽然这些图像413可以以快速序列获得并被分解成骨骼图像418和组织类型不同的图像，它们也可被分解包含或不包含骨骼图像的不同的物质图像(物质1图像、物质2图像、...物质N图像).可以采用来自一个或多个这些图像的信息以检测和诊断各种疾病或医疗状况.例如，如果需要检测某个特定的疾病，可以在物质2图像和能量1图像上标识感兴趣区域和计算特征.对于不同的疾病类型，可以利用所有的图像.在DE能量成像系统中，选择感兴趣区域、优化特征计算和分类可以对图像数据415顺序执行或并行执行.为了本说明书的目的，应当进一步指出所述“多”能量成像可以包括双能量成像，因为双图像也是多图像.
上述的CAD系统和方法可以进一步扩展到双能量或多能量计算机X-射线断层造影。参照图13和14，预-重构分析和后-重构分析是通常被公认为在物质分析中使用双能量X-射线源的现有技术。在预-重构分析502，信号流如图13所示。系统100通常和图1中所示的类似并且具有一个能在两个不同的能量级(即，双能量)产生扇形光束的X-射线源。数据采集系统504收集在旋转平台(未示出)的离散角位置由检测器阵列产生的信号并将信号传递给预处理单元506。预处理单元506对从数据采集系统504接收的数据重新排序，以优化用于随后数学处理的序列。预处理单元506号修正来自数据采集系统504的用于检测器温度、主光束强度、增益和偏移的数据，以及其它确定的错误参数。最后，预处理单元506提取对应于高能量视野的数据并将其路由给高能量信道路径508，并将对应于低能量视野的数据路由给低能量信道路径510。投影计算机512在高能量信道路径508和低能量信道路径510接收投影数据并执行Alvarez/Macovski算法，进行处理以产生与扫描物质的第一参数相关的第一投影数据流514和产生与扫描物质的第二参数相关的第二投影数据流516。第一参数通常是原子系数，而第二参数通常是物质密度，虽然也可以选择其它参数。第一重构计算机518接收第一投影数据流514，并从一系列对应于第一物质参数的投影产生一个CT图像。第二重构计算机520接收第二投影数据流516，并从一系列对应于第二物质参数的投影产生一个CT图像。
在后-重构分析503，信号流如图14所示。如同这里所述，对于预处理分析502，预处理单元506从数据采集系统504接收数据，对数据执行若干操作，随后将对应于高能量视野的数据路由给高能量信道路径508，并且将对应于低能量视野的数据路由给低能量信道路径510。第一重构计算机518从高能量信道路径508接收投影数据，并且产生对应于高能量系列投影的CT图像。第二重构计算机520从低能量信道路径510接收投影数据并且产生对应于低能量系列投影的CT图像。投影计算机512接收高能量CT数据522和低能量CT数据524，并且对与被扫描物质的第一参数相关的产品CT数据526和与被扫描物质的第二参数相关的第二投影数据流528实施基础物质分解。
图15示出了为双能量CT成像修正的计算机辅助检测和诊断方法202。方法202和图6中描述的方法200相似，除了用如上所述在图13或14中的多个CT图像1a、...1N530或534和多个CT图像2a、...2N532或536替代高能量图像216和低能量图像217以形成图像组540以外。应当理解“N”可以代表任意数并且不需要和图12中的“N”是同一个数。还应当理解，虽然示出了软组织图像219和骨骼图像218，如前面的图6所述，图像数据540可以作为替代包括第一分解图像和第二分解图像。并且，应当理解，在图7中示出的CAD方法201也可以为双能量CT而修正。
此外，在图15中所示的实施例可以为体积CT而修正，在此，从多个角度收集结构的图像.体积CT或锥形光束CT，是更常见的两维扇形光束X-射线断层造影在三维上的一个延伸.在扇形光束X-射线断层造影中，通过把具有长而窄的空隙的校准仪(collimator)放置在点X-射线源前，以产生X-射线的扇形集束.X-射线锥形光束系列是通过移去校准仪产生的.这允许X-射线从点X-射线源发散以形成一个锥形的多面角.当穿透物体的X-射线被置于相对一侧的检测器收集时，产生一个发散线积分数据组.锥形光束X-射线断层造影涉及转换锥形光束数据组以形成对物体内每个点的密度的估计.
在当前的CT扫描仪中，产生了一系列物体的轴向图像并将其堆积起来以形成该3D物体。在多-断层(slice)CT中，使用多个检测器来收集在一给定时间的多个断层。在另一方面，在锥形光束X-射线断层造影中，整个的数据被并行收集并随后被重构。因此，在理论上，锥形光束X-射线断层造影改善了数据的时间和空间分辨率。图16示出了一个对图像数据615使用体积CT图像1...N的CAD系统600，以便数据源610包括体积CT图像615、图像采集数据212、和患者人口学统计数据214。否则，所述CAD系统与如图6所示的系统200类似。或者，如图7所示，操作220、230、240可以在每个体积CT图像上并行执行。
在另一个实施例中，如图17所示，双能量CAD系统700分别使用高能量和低能量体积CT图像1a...1N716和2a...2N717，以及软组织图像1...N219和骨骼图像1...N218(或作为替代的第一分解图像和第二分解图像)作为图像数据715，以便数据源710包括图像数据715、图像采集数据212和患者人口统计学数据214。否则，CAD系统700和如图6所述的系统200类似。或者，如图7所述，操作220、230、240可以在每个体积CT图像和每个软组织图像和骨骼图像上并行执行。
虽然在图16和17中描述了体积CT CAD600和DE体积CT CAD 700，可以进一步预期可以将如图12所述的方法用于多能量体积CT CAD，即，在图17中所示的方法可以被扩展以合并额外的能量。
作为替换的实施例，执行和重构有限的角X射线断层造影组合获得的成像模式可以和上述图18所示的计算机辅助检测和诊断方法结合使用。X射线断层造影组合是通过用数字检测器采集多个图像执行的，即，一系列用于在任何层级重构X射线断层造影组合的低剂量图像。可以使用包括线性、圆形、椭圆、内摆线以及其它多种不同的管运动来执行X射线断层造影组合。在X射线断层造影组合中，对通常在5到50个数量范围的图像采集图像顺序。因此，本实施例的成像部分的开销可能会比上述的CAD CT方法小，尽管这可能不是必要的。在图18中所示的X射线断层造影组合CAD系统800和在图16中所示的CT CAD系统类似，除了图像数据815包括X射线断层造影组合图像1...N，以便使数据源810包括X射线断层造影组合图像815、图像采集数据212和患者人口统计学数据214外。除了数据源810，系统800和图6所示的系统200类似。或者，如图7所述，操作220、230、240可以在每个X射线断层造影组合图像上并行执行。
在另一个实施例中，如图19所示，双能量CAD系统900分别使用高能量和低能量X射线断层造影组合图像1a...1N916和2a...2N917，以及软组织图像1...N219和骨骼图像1...N218(或作为替代的第一分解图像和第二分解图像)作为图像数据915，以便数据源910包括图像数据915、图像采集数据212和患者人口统计学数据214。否则，CAD系统900和如图6所述的系统200类似。或者，如图7所示，操作220、230、240可以对每个X射线断层造影组合图像和每个软组织图像和骨骼图像并行执行。
虽然在图18和19描述了X射线断层造影组合CAD 800和DE X射线断层造影组合CAD 900，可以进一步预期，可以将如图12所述的方法用于多能量X射线断层造影组合CAD。即，在图19中所示的方法可以被扩展以合并额外的能量。
应当注意，上述的所有方法都可在图像系统100中采用，特别是，可以存储在存储器112中和被处理电路110处理。并且在本发明的范围内所公布的方法可以由用于实践这些处理的任何由计算机实施的处理和装置的形式来实施。本发明还可以由包含被嵌入有形介质，诸如软盘、CD-ROM、硬盘或其它任何计算机可读的存储介质的指令的计算机程序的形式来实施。其中，当计算机程序码被载入并由计算机执行，计算机变成实践本发明的装置。本发明还可以用计算机程序码的形式来实施，例如，不管是否存储于存储媒介、被计算机载入和执行、或者作为数据信号被不管是否调制过的载波通过某种发送媒介，诸如通过电线或电缆，通过光纤或通过电磁辐射发送，其中，当计算机程序码被计算机载入和执行，计算机变成实践本发明的装置。当在通用微处理器上实现时，计算机程序码配置微处理器以创建特定的逻辑电路。
虽然参照优选实施例说明了本发明，本领域的技术人员应当理解，在不脱离本发明的范围的前提下可以进行各种变动或更替等同的元件。此外，在不脱离主要范围的情况下，可以为适应某个特殊情况或物质进行多种更改。因此，意味着本发明并不局限于所公布的为实现本发明的特定优选实施例，本发明包括所有在本发明权利要求范围内的实施例。而且，使用第一，第二等术语，不表示任何顺序或重要性，而只是用于把一个元件和另一个元件区分开来。

Claims (8)

1.一种用于计算机辅助处理使用X射线源采集的双能量或多能量图像的方法(200，201，202，300，400，700，900)，所述方法包括：
采用数据源(210，410，710，910)，所述数据源(210，410，710，910)包括双能量或多能量图像组(215，415，540，715，915)，所述图像组包括一个高能量图像(216，530，534，716，916)、一个低能量图像(217，532，536，717，917)、一个骨骼图像(218)和一个软组织图像(219)，图像组的每个图像安排在数据源，以允许双能量CAD通过结合来自图像组的所有图像的特征被执行一次；
在双能量或多能量图像组(215，415，540，715，915)的图像中定义一个感兴趣区域(220)；
采用特征提取算法并且从该感兴趣区域(220)提取(230)特征度量；
在感兴趣区域采用特征选择算法，以通过感兴趣区域的特征排序，从而产生定义候选感兴趣区域的候选特征，该候选感兴趣区域是感兴趣区域的子集，在每个图像上分类候选感兴趣区域，随后组合所有计算机辅助处理操作的结果；和
报告(260)至少一个该感兴趣区域(220)的特征度量。
2.如权利要求1所述的方法(202)，还包括使用计算机X-射线断层造影采集图像组(540)。
3.如权利要求1所述的方法(200，201，202，300，400，700，900)，还包括在感兴趣区域(220)采用特征选择算法(230)并分类感兴趣区域(220)。
4.如权利要求3所述的方法(200，201，202，300，400，700，900)，还包括结合来自培训(250)的在先知识用以对感兴趣区域(220)分类。
5.如权利要求4所述的方法(200，201，202，300，400，700，900)，其中，结合来自培训(250)的在先知识包括对不同正常和病理医疗状况的已知采样进行特征计算。
6.如权利要求5所述的方法(200，201，202，300，400，700，900)，其中，所述特征选择算法(230)对已知采样的特征排序(272)，选择(278)已知采样的有用特征，并且舍弃(276)不提供有用信息的已知采样的特征。
7.如权利要求5所述的方法(200，201，202，300，400，700，900)，其中，标识不同的分类组以对特征度量排序(272)，以及其中，所述特征选择算法(230)还包括确定特征度量，把感兴趣区域(220)分类成分类组的能力。
8.如权利要求7所述的方法(200，201，202，300，400，700，900)，其中所述特征选择算法(230)还包括选择(278)排序最高的特征度量，并且用降序顺序添加附加的特征度量。
CN031390978A 2002-11-26 2003-09-30 图像组的计算机辅助诊断 Expired - Fee Related CN1504931B (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
US10/065,854 US7295691B2 (en) 2002-05-15 2002-11-26 Computer aided diagnosis of an image set
US10/065,854 2002-11-26

Publications (2)

Publication Number Publication Date
CN1504931A CN1504931A (zh) 2004-06-16
CN1504931B true CN1504931B (zh) 2010-05-12

Family

ID=32311671

Family Applications (1)

Application Number Title Priority Date Filing Date
CN031390978A Expired - Fee Related CN1504931B (zh) 2002-11-26 2003-09-30 图像组的计算机辅助诊断

Country Status (5)

Country Link
US (2) US7295691B2 (zh)
EP (1) EP1426903A3 (zh)
JP (1) JP2004174232A (zh)
KR (1) KR20040047561A (zh)
CN (1) CN1504931B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102631210A (zh) * 2011-02-15 2012-08-15 西门子公司 校正图像数据的方法、图像数据组处理装置、x 射线系统

Families Citing this family (244)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6836528B2 (en) * 2002-07-23 2004-12-28 Ge Medical Systems Global Technology Company, Llc Methods and apparatus for detecting structural, perfusion, and functional abnormalities
US6891922B2 (en) * 2002-11-22 2005-05-10 Ge Medical Systems Global Technology Company, Llc Methods and apparatus for the classification of nodules
US7123684B2 (en) 2002-11-27 2006-10-17 Hologic, Inc. Full field mammography with tissue exposure control, tomosynthesis, and dynamic field of view processing
US7616801B2 (en) 2002-11-27 2009-11-10 Hologic, Inc. Image handling and display in x-ray mammography and tomosynthesis
US8571289B2 (en) 2002-11-27 2013-10-29 Hologic, Inc. System and method for generating a 2D image from a tomosynthesis data set
US8565372B2 (en) 2003-11-26 2013-10-22 Hologic, Inc System and method for low dose tomosynthesis
US7577282B2 (en) 2002-11-27 2009-08-18 Hologic, Inc. Image handling and display in X-ray mammography and tomosynthesis
US10638994B2 (en) 2002-11-27 2020-05-05 Hologic, Inc. X-ray mammography with tomosynthesis
JP4253497B2 (ja) * 2002-12-03 2009-04-15 株式会社東芝 コンピュータ支援診断装置
US20040122702A1 (en) * 2002-12-18 2004-06-24 Sabol John M. Medical data processing system and method
US20040122709A1 (en) * 2002-12-18 2004-06-24 Avinash Gopal B. Medical procedure prioritization system and method utilizing integrated knowledge base
US20040122706A1 (en) * 2002-12-18 2004-06-24 Walker Matthew J. Patient data acquisition system and method
US20040122704A1 (en) * 2002-12-18 2004-06-24 Sabol John M. Integrated medical knowledge base interface system and method
US20040122787A1 (en) * 2002-12-18 2004-06-24 Avinash Gopal B. Enhanced computer-assisted medical data processing system and method
US20040122705A1 (en) * 2002-12-18 2004-06-24 Sabol John M. Multilevel integrated medical knowledge base system and method
US7187790B2 (en) * 2002-12-18 2007-03-06 Ge Medical Systems Global Technology Company, Llc Data processing and feedback method and system
US7490085B2 (en) 2002-12-18 2009-02-10 Ge Medical Systems Global Technology Company, Llc Computer-assisted data processing system and method incorporating automated learning
US20040122708A1 (en) * 2002-12-18 2004-06-24 Avinash Gopal B. Medical data analysis method and apparatus incorporating in vitro test data
US20040122707A1 (en) * 2002-12-18 2004-06-24 Sabol John M. Patient-driven medical data processing system and method
US7616818B2 (en) * 2003-02-19 2009-11-10 Agfa Healthcare Method of determining the orientation of an image
US6873677B2 (en) * 2003-04-18 2005-03-29 Leon Kaufman Method and device for improving time resolution of an imaging device
US8243876B2 (en) 2003-04-25 2012-08-14 Rapiscan Systems, Inc. X-ray scanners
GB0525593D0 (en) 2005-12-16 2006-01-25 Cxr Ltd X-ray tomography inspection systems
JP4118786B2 (ja) * 2003-11-14 2008-07-16 ジーイー・メディカル・システムズ・グローバル・テクノロジー・カンパニー・エルエルシー 画像撮影診断支援システム
US8768026B2 (en) 2003-11-26 2014-07-01 Hologic, Inc. X-ray imaging with x-ray markers that provide adjunct information but preserve image quality
US20050123185A1 (en) * 2003-11-26 2005-06-09 Ram Balasubramanian Computer aided detection workflow and user interface
WO2005055140A1 (en) * 2003-12-02 2005-06-16 Philips Intellectual Property & Standards Gmbh A device and method for correcting defects in x-ray images
US8442280B2 (en) * 2004-01-21 2013-05-14 Edda Technology, Inc. Method and system for intelligent qualitative and quantitative analysis of digital radiography softcopy reading
US7616794B2 (en) * 2004-01-26 2009-11-10 Siemens Medical Solutions Usa, Inc. System and method for automatic bone extraction from a medical image
US7072435B2 (en) * 2004-01-28 2006-07-04 Ge Medical Systems Global Technology Company, Llc Methods and apparatus for anomaly detection
US7406187B2 (en) * 2004-02-23 2008-07-29 Canon Kabushiki Kaisha Method and system for processing an image
WO2005083635A1 (en) * 2004-02-27 2005-09-09 National University Of Singapore Method and system for detection of bone fractures
JP4647360B2 (ja) * 2004-04-05 2011-03-09 富士フイルム株式会社 差分画像作成装置、差分画像作成方法、及び、そのプログラム
CN101420905B (zh) * 2004-04-14 2013-01-02 美国医软科技公司 病灶标记和表征质量保证的方法及系统
US7835562B2 (en) 2004-07-23 2010-11-16 General Electric Company Methods and apparatus for noise reduction filtering of images
US9155373B2 (en) * 2004-08-02 2015-10-13 Invention Science Fund I, Llc Medical overlay mirror
EP1632178A1 (en) * 2004-09-03 2006-03-08 ndd Medizintechnik AG Method for non-cooperative lung function diagnosis using ultrasound
FR2875693B1 (fr) * 2004-09-24 2006-12-08 Gen Electric Dispositif de tomographie par rayons x
US7352885B2 (en) * 2004-09-30 2008-04-01 General Electric Company Method and system for multi-energy tomosynthesis
DE102004051401A1 (de) * 2004-10-21 2006-05-24 Siemens Ag Verfahren zur Befundung in der dreidimensionalen Bildgebung, insbesondere in der Mammographie
US7660488B2 (en) 2004-11-04 2010-02-09 Dr Systems, Inc. Systems and methods for viewing medical images
US7970625B2 (en) 2004-11-04 2011-06-28 Dr Systems, Inc. Systems and methods for retrieval of medical data
US7787672B2 (en) 2004-11-04 2010-08-31 Dr Systems, Inc. Systems and methods for matching, naming, and displaying medical images
US7920152B2 (en) 2004-11-04 2011-04-05 Dr Systems, Inc. Systems and methods for viewing medical 3D imaging volumes
US7662082B2 (en) 2004-11-05 2010-02-16 Theragenics Corporation Expandable brachytherapy device
WO2006055830A2 (en) 2004-11-15 2006-05-26 Hologic, Inc. Matching geometry generation and display of mammograms and tomosynthesis images
US20060222223A1 (en) * 2004-11-18 2006-10-05 Xiaoli Bi Methods and systems for analyzing bone conditions using mammography device
EP1815392A1 (en) * 2004-11-23 2007-08-08 Eastman Kodak Company Automated radiograph classification using anatomy information
JP2008520385A (ja) * 2004-11-23 2008-06-19 イーストマン コダック カンパニー ラジオグラフを分類する方法
EP1816965B1 (en) 2004-11-26 2016-06-29 Hologic, Inc. Integrated multi-mode mammography/tomosynthesis x-ray system
US20060136259A1 (en) * 2004-12-17 2006-06-22 General Electric Company Multi-dimensional analysis of medical data
US20060136417A1 (en) * 2004-12-17 2006-06-22 General Electric Company Method and system for search, analysis and display of structured data
US7729523B2 (en) * 2004-12-21 2010-06-01 General Electric Company Method and system for viewing image data
US20060247544A1 (en) * 2005-02-03 2006-11-02 Maleeha Qazi Characterization of cardiac motion with spatial relationship
DE102005022543A1 (de) * 2005-05-17 2006-11-23 Siemens Ag Mammographieverfahren und Mammographiegerät
CN100471453C (zh) * 2005-06-14 2009-03-25 佳能株式会社 放射线成像装置、其控制方法和放射线成像系统
JP5058517B2 (ja) 2005-06-14 2012-10-24 キヤノン株式会社 放射線撮像装置及びその制御方法並びに放射線撮像システム
JP4664158B2 (ja) * 2005-09-01 2011-04-06 富士通株式会社 認証処理方法及び認証サーバ
US20070078873A1 (en) * 2005-09-30 2007-04-05 Avinash Gopal B Computer assisted domain specific entity mapping method and system
EP1780651A1 (en) * 2005-10-25 2007-05-02 Bracco Imaging, S.P.A. Method and system for automatic processing and evaluation of images, particularly diagnostic images
US10008184B2 (en) 2005-11-10 2018-06-26 Hologic, Inc. System and method for generating a 2D image using mammography and/or tomosynthesis image data
US7465268B2 (en) 2005-11-18 2008-12-16 Senorx, Inc. Methods for asymmetrical irradiation of a body cavity
US8005278B2 (en) * 2005-11-22 2011-08-23 General Electric Company System and method for patient acuity driven workflow using computer-aided diagnosis of medical images
DE102005060311A1 (de) * 2005-12-16 2007-06-21 Siemens Ag Einrichtung zur Visualisierung von Objekteigenschaften
JP4690204B2 (ja) * 2006-01-16 2011-06-01 富士フイルム株式会社 画像再生装置およびそのプログラム
US7986827B2 (en) * 2006-02-07 2011-07-26 Siemens Medical Solutions Usa, Inc. System and method for multiple instance learning for computer aided detection
US20070189455A1 (en) * 2006-02-14 2007-08-16 Accuray Incorporated Adaptive x-ray control
WO2007095330A2 (en) 2006-02-15 2007-08-23 Hologic Inc Breast biopsy and needle localization using tomosynthesis systems
JP5214110B2 (ja) * 2006-03-07 2013-06-19 ジーイー・メディカル・システムズ・グローバル・テクノロジー・カンパニー・エルエルシー Ｘ線ｃｔ装置
DE102006013472A1 (de) * 2006-03-23 2007-09-20 Siemens Ag Verfahren und Vorrichtung zur Verarbeitung von Bilddaten für eine automatische Detektion und/oder Segmentierung von anatomischen Merkmalen aus Computertomographie-Aufnahmen
DE102006021373A1 (de) * 2006-05-08 2007-11-15 Siemens Ag Röntgendiagnostikeinrichtung
US7940955B2 (en) * 2006-07-26 2011-05-10 Delphi Technologies, Inc. Vision-based method of determining cargo status by boundary detection
DE102006037063A1 (de) * 2006-08-08 2008-02-21 Siemens Ag Verfahren zur Erzeugung eines medizinischen Abbildes sowie Datenverarbeitungseinheit und Computersoftware hierzu
JP5196751B2 (ja) * 2006-09-13 2013-05-15 株式会社東芝 コンピュータ支援診断装置
WO2008035266A2 (en) * 2006-09-21 2008-03-27 Koninklijke Philips Electronics N.V. Automatic seed point selection
US20080089584A1 (en) * 2006-10-13 2008-04-17 Vanmetter Richard L Viewing glass display for multi-component images
US7873194B2 (en) 2006-10-25 2011-01-18 Rcadia Medical Imaging Ltd. Method and system for automatic analysis of blood vessel structures and pathologies in support of a triple rule-out procedure
US7940977B2 (en) 2006-10-25 2011-05-10 Rcadia Medical Imaging Ltd. Method and system for automatic analysis of blood vessel structures to identify calcium or soft plaque pathologies
US7983459B2 (en) 2006-10-25 2011-07-19 Rcadia Medical Imaging Ltd. Creating a blood vessel tree from imaging data
US7940970B2 (en) 2006-10-25 2011-05-10 Rcadia Medical Imaging, Ltd Method and system for automatic quality control used in computerized analysis of CT angiography
US7860283B2 (en) 2006-10-25 2010-12-28 Rcadia Medical Imaging Ltd. Method and system for the presentation of blood vessel structures and identified pathologies
US7953614B1 (en) 2006-11-22 2011-05-31 Dr Systems, Inc. Smart placement rules
JP4575909B2 (ja) * 2006-11-22 2010-11-04 ジーイー・メディカル・システムズ・グローバル・テクノロジー・カンパニー・エルエルシー Ｘ線断層撮影装置
WO2008064398A1 (en) * 2006-11-28 2008-06-05 Orthonova Pty Ltd Diagnostic system
WO2008100471A1 (en) * 2007-02-12 2008-08-21 Carestream Health, Inc. Renormalization of dual-energy images
JP4992456B2 (ja) * 2007-02-16 2012-08-08 コニカミノルタエムジー株式会社 骨疾患評価システム
JP2008229122A (ja) * 2007-03-22 2008-10-02 Fujifilm Corp 画像成分分離装置、方法、およびプログラム
JP4895204B2 (ja) * 2007-03-22 2012-03-14 富士フイルム株式会社 画像成分分離装置、方法、およびプログラム、ならびに、正常画像生成装置、方法、およびプログラム
US8816959B2 (en) * 2007-04-03 2014-08-26 General Electric Company Method and apparatus for obtaining and/or analyzing anatomical images
US20080253627A1 (en) * 2007-04-11 2008-10-16 Searete LLC, a limited liability corporation of Compton scattered X-ray visualization, imaging, or information provider using image combining
US8837677B2 (en) * 2007-04-11 2014-09-16 The Invention Science Fund I Llc Method and system for compton scattered X-ray depth visualization, imaging, or information provider
US20080253527A1 (en) * 2007-04-11 2008-10-16 Searete Llc, A Limited Liability Corporation Of The State Of Delaware Limiting compton scattered x-ray visualizing, imaging, or information providing at particular regions
US8041006B2 (en) * 2007-04-11 2011-10-18 The Invention Science Fund I Llc Aspects of compton scattered X-ray visualization, imaging, or information providing
US20080253525A1 (en) * 2007-04-11 2008-10-16 Boyden Edward S Compton scattered x-ray visualizing, imaging, or information providing of at least some dissimilar matter
US20080253522A1 (en) * 2007-04-11 2008-10-16 Searete Llc, A Limited Liability Corporation Of The State Of Delaware Tool associated with compton scattered X-ray visualization, imaging, or information provider
US8098917B2 (en) * 2007-05-18 2012-01-17 Siemens Aktiengesellschaft Automatically updating a geometric model
WO2009012200A2 (en) * 2007-07-13 2009-01-22 Mayo Foundation For Medical Education And Research Object identification in dual energy contrast-enhanced ct images
FR2919747B1 (fr) * 2007-08-02 2009-11-06 Gen Electric Procede et systeme d'affichage d'images de tomosynthese
US20090060366A1 (en) * 2007-08-27 2009-03-05 Riverain Medical Group, Llc Object segmentation in images
WO2009034508A2 (en) * 2007-09-10 2009-03-19 Koninklijke Philips Electronics N.V. Image processing with computer aided detection and/or diagnosis
US7630533B2 (en) 2007-09-20 2009-12-08 Hologic, Inc. Breast tomosynthesis with display of highlighted suspected calcifications
JP4829198B2 (ja) * 2007-10-23 2011-12-07 日立アロカメディカル株式会社 骨測定装置および骨画像処理方法
WO2009065079A2 (en) * 2007-11-14 2009-05-22 The Regents Of The University Of California Longitudinal registration of anatomy in magnetic resonance imaging
WO2009084995A1 (en) * 2007-12-28 2009-07-09 Exini Diagnostics Ab System for detecting bone cancer metastases
KR101129718B1 (ko) * 2008-01-04 2012-03-28 주식회사 메디칼스탠다드 디지털 검사 영상들의 판독 지원 방법
JP5329103B2 (ja) * 2008-02-01 2013-10-30 ジーイー・メディカル・システムズ・グローバル・テクノロジー・カンパニー・エルエルシー 画像処理装置及びｘ線ｃｔ装置
CN101502420B (zh) * 2008-02-05 2013-05-22 Ge医疗系统环球技术有限公司 图像处理方法和设备
AU2009210848B2 (en) * 2008-02-08 2013-12-19 Phadia Ab Method, computer program product and system for enabling clinical decision support
US20090204338A1 (en) * 2008-02-13 2009-08-13 Nordic Bioscience A/S Method of deriving a quantitative measure of the instability of calcific deposits of a blood vessel
WO2009120635A2 (en) * 2008-03-23 2009-10-01 Scott Rosa Diagnostic imaging method
US7792245B2 (en) 2008-06-24 2010-09-07 Hologic, Inc. Breast tomosynthesis system with shifting face shield
KR101068828B1 (ko) * 2008-06-27 2011-09-29 재단법인서울대학교산학협력재단 네트워크 기반 의료영상 분석시스템 및 그 제어방법
CN101647706B (zh) * 2008-08-13 2012-05-30 清华大学 高能双能ct系统的图象重建方法
US7991106B2 (en) 2008-08-29 2011-08-02 Hologic, Inc. Multi-mode tomosynthesis/mammography gain calibration and image correction using gain map information from selected projection angles
EP2161688B1 (en) * 2008-09-03 2012-03-14 Agfa Healthcare Method for deriving the amount of dense tissue from a digital mammographic image representation
CN102149321A (zh) 2008-09-12 2011-08-10 艾可瑞公司 基于目标移动来控制x光成像
GB0817650D0 (en) * 2008-09-26 2008-11-05 Phase Focus Ltd Improvements in the field of imaging
US20100082506A1 (en) * 2008-09-30 2010-04-01 General Electric Company Active Electronic Medical Record Based Support System Using Learning Machines
WO2010042944A2 (en) * 2008-10-10 2010-04-15 Massachusetts Institute Of Technology Method for imaging biomaterial erosion in vivo
JP5305821B2 (ja) * 2008-10-10 2013-10-02 株式会社東芝 医用画像処理装置及び医用画像診断装置
US10210179B2 (en) * 2008-11-18 2019-02-19 Excalibur Ip, Llc Dynamic feature weighting
US8380533B2 (en) 2008-11-19 2013-02-19 DR Systems Inc. System and method of providing dynamic and customizable medical examination forms
US8115784B2 (en) 2008-11-26 2012-02-14 General Electric Company Systems and methods for displaying multi-energy data
JP2010158298A (ja) * 2009-01-06 2010-07-22 Fujifilm Corp 断層撮影装置及び断層撮影方法
CN102282589A (zh) * 2009-01-19 2011-12-14 皇家飞利浦电子股份有限公司 列表模式pet成像中的区域重建和定量评估
US9248311B2 (en) 2009-02-11 2016-02-02 Hologic, Inc. System and method for modifying a flexibility of a brachythereapy catheter
US9579524B2 (en) 2009-02-11 2017-02-28 Hologic, Inc. Flexible multi-lumen brachytherapy device
US8223916B2 (en) * 2009-03-31 2012-07-17 Hologic, Inc. Computer-aided detection of anatomical abnormalities in x-ray tomosynthesis images
US10207126B2 (en) 2009-05-11 2019-02-19 Cytyc Corporation Lumen visualization and identification system for multi-lumen balloon catheter
US20100310036A1 (en) * 2009-06-04 2010-12-09 General Electric Company Computed tomography method and apparatus
JP2011005050A (ja) * 2009-06-26 2011-01-13 Canon Inc 画像処理方法及び画像処理装置
US8786873B2 (en) 2009-07-20 2014-07-22 General Electric Company Application server for use with a modular imaging system
US8712120B1 (en) 2009-09-28 2014-04-29 Dr Systems, Inc. Rules-based approach to transferring and/or viewing medical images
WO2011043838A1 (en) 2009-10-08 2011-04-14 Hologic, Inc . Needle breast biopsy system and method of use
KR101026833B1 (ko) * 2009-10-26 2011-04-04 충남대학교산학협력단 전자파를 이용한 유방암 진단장비용 유방팬텀 제조방법
WO2011056143A2 (en) * 2009-11-04 2011-05-12 Tcl Thomson Electronics Singapore Pte Ltd A digital audio-video arrangement of a device for determining connection of another device with the device, and a method for determining connection of a device with another device
BR112012014173A2 (pt) 2009-12-15 2016-05-17 Koninkl Philips Electronics Nv método e compensador de dados
IL202788A (en) * 2009-12-17 2016-08-31 Elta Systems Ltd Method and system for improving radar image
CN101847182B (zh) * 2010-05-05 2012-06-27 唐佩福 基于六自由度并联机构的长骨虚拟与现实复位配准方法
US8243882B2 (en) 2010-05-07 2012-08-14 General Electric Company System and method for indicating association between autonomous detector and imaging subsystem
KR101687971B1 (ko) 2010-07-19 2016-12-21 삼성전자주식회사 유방 촬영 장치 및 그 방법
KR101486776B1 (ko) * 2010-07-29 2015-01-29 삼성전자주식회사 영상 처리 방법 및 장치와 이를 채용한 의료영상시스템
RU2589383C2 (ru) 2010-08-25 2016-07-10 Конинклейке Филипс Электроникс Н.В. Двухрежимное формирование изображения, включающее в себя метрики качества
US9352172B2 (en) 2010-09-30 2016-05-31 Hologic, Inc. Using a guide member to facilitate brachytherapy device swap
WO2012048000A2 (en) 2010-10-05 2012-04-12 Hologic, Inc. Upright x-ray breast imaging with a ct mode, multiple tomosynthesis modes, and a mammography mode
WO2015054518A1 (en) 2013-10-09 2015-04-16 Hologic, Inc X-ray breast tomosynthesis enhancing spatial resolution including in the thickness direction of a flattened breast
US8705688B2 (en) * 2010-10-13 2014-04-22 Kabushiki Kaisha Toshiba Medical image processing apparatus, X-ray computed tomography apparatus, and medical image processing method
WO2012071429A1 (en) 2010-11-26 2012-05-31 Hologic, Inc. User interface for medical image review workstation
EP2651299B1 (en) 2010-12-13 2015-10-07 Koninklijke Philips N.V. Breast density assessment
US10342992B2 (en) 2011-01-06 2019-07-09 Hologic, Inc. Orienting a brachytherapy applicator
EP2671209B1 (en) * 2011-02-01 2016-12-07 Koninklijke Philips N.V. Method and system for dual energy ct image reconstruction
US9392986B2 (en) * 2011-02-14 2016-07-19 University Of Rochester Method and apparatus for cone beam breast CT image-based computer-aided detection and diagnosis
AU2012225398B2 (en) 2011-03-08 2017-02-02 Hologic, Inc. System and method for dual energy and/or contrast enhanced breast imaging for screening, diagnosis and biopsy
JP5102888B2 (ja) * 2011-03-23 2012-12-19 日立アロカメディカル株式会社 骨診断画像表示装置
US9092551B1 (en) 2011-08-11 2015-07-28 D.R. Systems, Inc. Dynamic montage reconstruction
US8532744B2 (en) * 2011-08-23 2013-09-10 General Electric Company Method and system for design of spectral filter to classify tissue and material from multi-energy images
KR101909125B1 (ko) * 2011-11-23 2018-10-18 삼성전자주식회사 컴퓨터 기반 진단 방법 및 그에 따른 컴퓨터 기반 진단 장치
KR102109588B1 (ko) 2011-11-27 2020-05-12 홀로직, 인크. 유방 조직 이미지를 프로세싱하고, 디스플레잉하고, 네비게이팅하기 위한 방법
ES2641456T3 (es) 2012-02-13 2017-11-10 Hologic, Inc. Sistema y método para navegar por una pila de tomosíntesis usando datos de imágenes sintetizadas
US20150065868A1 (en) * 2012-04-02 2015-03-05 The Research Foundation for the State University New York System, method, and computer accessible medium for volumetric texture analysis for computer aided detection and diagnosis of polyps
KR101323034B1 (ko) * 2012-04-30 2013-11-06 재단법인 아산사회복지재단 단일 에너지 광자 선원을 이용한 콘빔 ｃｔ 촬영 장치 및 이를 이용한 영상 획득 방법
EP2864964B1 (en) * 2012-06-21 2019-08-07 Koninklijke Philips N.V. Image reconstruction in interleaved multi-energy imaging
US9044186B2 (en) 2012-06-25 2015-06-02 George W. Ma Portable dual-energy radiographic X-ray perihpheral bone density and imaging systems and methods
US9384555B2 (en) * 2012-07-02 2016-07-05 Kabushiki Kaisha Toshiba Motion correction apparatus and method
US8774485B2 (en) 2012-07-26 2014-07-08 General Electric Company Systems and methods for performing segmentation and visualization of multivariate medical images
KR101479212B1 (ko) * 2012-09-05 2015-01-06 삼성전자 주식회사 엑스선 영상 장치 및 엑스선 영상 생성 방법
KR102025753B1 (ko) 2012-09-21 2019-09-26 삼성전자주식회사 객체 정보 추정 장치 및 동작 방법
US9060674B2 (en) 2012-10-11 2015-06-23 Karl Storz Imaging, Inc. Auto zoom for video camera
KR102003042B1 (ko) 2012-10-31 2019-10-21 삼성전자주식회사 멀티 에너지 엑스선에 기초한 의료 영상을 합성 및 표시하는 의료 영상 처리 장치 및 방법
US9672600B2 (en) * 2012-11-19 2017-06-06 Carestream Health, Inc. Clavicle suppression in radiographic images
US8983156B2 (en) * 2012-11-23 2015-03-17 Icad, Inc. System and method for improving workflow efficiences in reading tomosynthesis medical image data
US9378551B2 (en) * 2013-01-03 2016-06-28 Siemens Aktiengesellschaft Method and system for lesion candidate detection
US9495604B1 (en) * 2013-01-09 2016-11-15 D.R. Systems, Inc. Intelligent management of computerized advanced processing
DE102013001808A1 (de) * 2013-02-04 2014-08-07 Ge Sensing & Inspection Technologies Gmbh Verfahren zur zerstörungsfreien Prüfung des Volumens eines Prüflings sowie zur Ausführung eines solchen Verfahrens eingerichtete Prüfvorrichtung
BR112015022413A2 (pt) * 2013-03-13 2017-07-18 Fdna Uk Ltd sistemas, métodos, e meios legíveis por computador para identificar quando um indivíduo é suscetível de ser afetado por uma condição médica
US10092358B2 (en) 2013-03-15 2018-10-09 Hologic, Inc. Tomosynthesis-guided biopsy apparatus and method
EP2976746B1 (en) 2013-03-21 2019-01-09 Koninklijke Philips N.V. A method and x-ray system for computer aided detection of structures in x-ray images
JP6145874B2 (ja) * 2013-07-23 2017-06-14 富士フイルム株式会社 放射線画像処理装置および方法
JP6345178B2 (ja) * 2013-07-23 2018-06-20 富士フイルム株式会社 放射線画像処理装置および方法
JP6071805B2 (ja) * 2013-08-27 2017-02-01 富士フイルム株式会社 画像領域指定装置および方法、並びに放射線画像処理装置および方法
US9324140B2 (en) 2013-08-29 2016-04-26 General Electric Company Methods and systems for evaluating bone lesions
DE102013218047B3 (de) * 2013-09-10 2015-01-29 Siemens Aktiengesellschaft Verfahren zur automatischen Anzeige und/oder Messung von Knochenveränderungen in medizinischen Bilddaten, sowie medizinisches Bildgebungsgerät und elektronisch lesbarer Datenträger
US11517270B2 (en) * 2013-12-04 2022-12-06 The Trustees Of The University Of Pennsylvania Dynamic four-dimensional contrast enhanced tomosynthesis
CN103793552B (zh) * 2013-12-18 2017-07-11 哈尔滨工程大学 一种软组织形变的局部质点弹簧模型的实时动态生成方法
WO2015130916A1 (en) 2014-02-28 2015-09-03 Hologic, Inc. System and method for generating and displaying tomosynthesis image slabs
CN104331694A (zh) * 2014-04-02 2015-02-04 上海齐正微电子有限公司 医疗影像特征区域实时提取和标示方法
US9964499B2 (en) * 2014-11-04 2018-05-08 Toshiba Medical Systems Corporation Method of, and apparatus for, material classification in multi-energy image data
US10398397B2 (en) * 2014-12-31 2019-09-03 General Electric Company Contrast-enhanced X-ray image guided biopsy system and method
EP3248174B1 (en) 2015-01-20 2021-04-07 Koninklijke Philips N.V. Image data segmentation and display
EP3258890B1 (en) 2015-02-17 2023-08-23 Siemens Healthcare GmbH Method and system for personalizing a vessel stent
US20170039321A1 (en) 2015-04-30 2017-02-09 D.R. Systems, Inc. Database systems and interactive user interfaces for dynamic interaction with, and sorting of, digital medical image data
JP6493884B2 (ja) * 2016-03-09 2019-04-03 富士フイルム株式会社 画像表示制御装置および方法並びにプログラム
US11076820B2 (en) 2016-04-22 2021-08-03 Hologic, Inc. Tomosynthesis with shifting focal spot x-ray system using an addressable array
US10403006B2 (en) 2016-08-26 2019-09-03 General Electric Company Guided filter for multiple level energy computed tomography (CT)
US10176569B2 (en) * 2016-09-07 2019-01-08 International Business Machines Corporation Multiple algorithm lesion segmentation
KR101669793B1 (ko) * 2016-10-06 2016-11-09 사회복지법인 삼성생명공익재단 의료영상을 이용한 진단 보조 정보 제공 방법 및 그 시스템
EP3533063A1 (en) 2016-10-27 2019-09-04 Progenics Pharmaceuticals, Inc. Network for medical image analysis, decision support system, and related graphical user interface (gui) applications
KR101864124B1 (ko) * 2016-11-21 2018-06-04 (주)레이 듀얼 에너지 방식의 콘 빔 컴퓨터 단층촬영장치
EP3600047A1 (en) 2017-03-30 2020-02-05 Hologic, Inc. System and method for hierarchical multi-level feature image synthesis and representation
JP7169986B2 (ja) 2017-03-30 2022-11-11 ホロジック， インコーポレイテッド オブジェクトグリッド増強を用いて高次元画像データから低次元画像データを合成するためのシステムおよび方法
JP7174710B2 (ja) 2017-03-30 2022-11-17 ホロジック， インコーポレイテッド 合成乳房組織画像を生成するための標的オブジェクト増強のためのシステムおよび方法
US11403483B2 (en) 2017-06-20 2022-08-02 Hologic, Inc. Dynamic self-learning medical image method and system
WO2019019199A1 (en) * 2017-07-28 2019-01-31 Shenzhen United Imaging Healthcare Co., Ltd. SYSTEM AND METHOD FOR IMAGE CONVERSION
EP4129188A1 (en) 2017-08-16 2023-02-08 Hologic, Inc. Techniques for breast imaging patient motion artifact compensation
EP3449835B1 (en) 2017-08-22 2023-01-11 Hologic, Inc. Computed tomography system and method for imaging multiple anatomical targets
CN107610196B (zh) * 2017-09-04 2020-12-11 东软医疗系统股份有限公司 双能量ct图像处理方法、装置以及图像处理设备
US10699405B2 (en) * 2017-09-29 2020-06-30 General Electric Company System and method for DXA tomo-based finite element analysis of bones
DE102017217543B4 (de) 2017-10-02 2020-01-09 Siemens Healthcare Gmbh Verfahren und System zur Klassifikation von Materialien mittels maschinellen Lernens
CN107817204B (zh) * 2017-11-01 2018-12-28 中国科学院地质与地球物理研究所 一种页岩微米孔隙结构分析方法及装置
CN108171714B (zh) * 2017-11-13 2021-09-21 广东三维家信息科技有限公司 一种基于成对比较的骨折区域识别方法和系统
US10973486B2 (en) 2018-01-08 2021-04-13 Progenics Pharmaceuticals, Inc. Systems and methods for rapid neural network-based image segmentation and radiopharmaceutical uptake determination
US10779791B2 (en) * 2018-03-16 2020-09-22 General Electric Company System and method for mobile X-ray imaging
CN108596877B (zh) * 2018-03-28 2022-02-08 苏州科技城医院 肋骨ct数据分析系统
CN108520519B (zh) * 2018-04-11 2022-09-16 上海联影医疗科技股份有限公司 一种图像处理方法、装置及计算机可读存储介质
CN112888459B (zh) * 2018-06-01 2023-05-23 格里尔公司 卷积神经网络系统及数据分类方法
US11210779B2 (en) * 2018-09-07 2021-12-28 Siemens Healthcare Gmbh Detection and quantification for traumatic bleeding using dual energy computed tomography
US10762632B2 (en) * 2018-09-12 2020-09-01 Siemens Healthcare Gmbh Analysis of skeletal trauma using deep learning
US11090017B2 (en) 2018-09-13 2021-08-17 Hologic, Inc. Generating synthesized projection images for 3D breast tomosynthesis or multi-mode x-ray breast imaging
US20210358183A1 (en) * 2018-09-28 2021-11-18 Mayo Foundation For Medical Education And Research Systems and Methods for Multi-Kernel Synthesis and Kernel Conversion in Medical Imaging
EP3651117B1 (en) 2018-11-09 2021-02-17 Oxipit, UAB Methods, systems and use for detecting irregularities in medical images by means of a machine learning model
US10945695B2 (en) * 2018-12-21 2021-03-16 Canon Medical Systems Corporation Apparatus and method for dual-energy computed tomography (CT) image reconstruction using sparse kVp-switching and deep learning
AU2020206584A1 (en) 2019-01-07 2021-06-17 Exini Diagnostics Ab Systems and methods for platform agnostic whole body image segmentation
US10937206B2 (en) 2019-01-18 2021-03-02 Canon Medical Systems Corporation Deep-learning-based scatter estimation and correction for X-ray projection data and computer tomography (CT)
KR20200092747A (ko) * 2019-01-25 2020-08-04 삼성전자주식회사 엑스선 영상 처리 방법 및 엑스선 영상 처리 장치
KR20200095859A (ko) 2019-02-01 2020-08-11 삼성전자주식회사 엑스선 영상 처리 방법 및 그에 따른 엑스선 영상 처리 장치
EP3959683A1 (en) 2019-04-24 2022-03-02 Progenics Pharmaceuticals, Inc. Systems and methods for interactive adjustment of intensity windowing in nuclear medicine images
TW202105407A (zh) 2019-04-24 2021-02-01 美商普吉尼製藥公司 用於偵測轉移之骨掃描影像之自動及互動式分析系統及方法
CN110334415B (zh) * 2019-06-18 2022-10-04 佛山科学技术学院 一种电机故障预测中的温度噪音过滤方法及装置
US11900597B2 (en) 2019-09-27 2024-02-13 Progenics Pharmaceuticals, Inc. Systems and methods for artificial intelligence-based image analysis for cancer assessment
US11544407B1 (en) 2019-09-27 2023-01-03 Progenics Pharmaceuticals, Inc. Systems and methods for secure cloud-based medical image upload and processing
US11564621B2 (en) 2019-09-27 2023-01-31 Progenies Pharmacenticals, Inc. Systems and methods for artificial intelligence-based image analysis for cancer assessment
CN110852325B (zh) * 2019-10-31 2023-03-31 上海商汤智能科技有限公司 图像的分割方法及装置、电子设备和存储介质
EP3832689A3 (en) 2019-12-05 2021-08-11 Hologic, Inc. Systems and methods for improved x-ray tube life
CN111079863B (zh) * 2019-12-31 2023-05-19 重庆青信科技有限公司 利用能谱曲线统计指纹识别病灶组织的系统
US11645747B2 (en) * 2020-02-25 2023-05-09 GE Precision Healthcare LLC Methods and systems for digital mammography imaging
US11471118B2 (en) 2020-03-27 2022-10-18 Hologic, Inc. System and method for tracking x-ray tube focal spot position
US11386988B2 (en) 2020-04-23 2022-07-12 Exini Diagnostics Ab Systems and methods for deep-learning-based segmentation of composite images
US11321844B2 (en) 2020-04-23 2022-05-03 Exini Diagnostics Ab Systems and methods for deep-learning-based segmentation of composite images
US11721428B2 (en) 2020-07-06 2023-08-08 Exini Diagnostics Ab Systems and methods for artificial intelligence-based image analysis for detection and characterization of lesions
US11786191B2 (en) 2021-05-17 2023-10-17 Hologic, Inc. Contrast-enhanced tomosynthesis with a copper filter
US11948687B2 (en) * 2021-05-24 2024-04-02 Nantcell, Inc. Deep learning models for region-of-interest determination
CN113465546B (zh) * 2021-07-02 2022-09-16 长春理工大学 激光扫描投影系统圆形背向反射合作目标扫描方法
CN113506288A (zh) * 2021-07-28 2021-10-15 中山仰视科技有限公司 基于transform注意力机制的肺结节检测方法及装置
US20240122566A1 (en) * 2022-10-13 2024-04-18 GE Precision Healthcare LLC Artificial Intelligence-Based Dual Energy X-Ray Image Motion Correction Training Method and System

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US4792900A (en) * 1986-11-26 1988-12-20 Picker International, Inc. Adaptive filter for dual energy radiographic imaging
US6058322A (en) * 1997-07-25 2000-05-02 Arch Development Corporation Methods for improving the accuracy in differential diagnosis on radiologic examinations
US6205348B1 (en) * 1993-11-29 2001-03-20 Arch Development Corporation Method and system for the computerized radiographic analysis of bone
CN1381038A (zh) * 2000-05-31 2002-11-20 摩托罗拉公司 模式分类中基于排序的丢弃

Family Cites Families (66)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US4626688A (en) * 1982-11-26 1986-12-02 Barnes Gary T Split energy level radiation detection
US5115394A (en) * 1983-11-25 1992-05-19 Technicare Corporation Dual energy computerized tomography system
US4571491A (en) * 1983-12-29 1986-02-18 Shell Oil Company Method of imaging the atomic number of a sample
US4980904A (en) * 1985-11-15 1990-12-25 Picker International, Inc. Radiation imaging calibration
US4837686A (en) * 1985-11-15 1989-06-06 Picker International Substance quantification in animal bodies
US4789930A (en) * 1985-11-15 1988-12-06 Picker International, Inc. Energy dependent gain correction for radiation detection
US4788429A (en) * 1986-04-21 1988-11-29 The Medical College Of Wisconsin, Inc. Device and method for measuring bone mineral mass
US4963746A (en) * 1986-11-25 1990-10-16 Picker International, Inc. Split energy level radiation detection
US5165410A (en) * 1987-05-15 1992-11-24 Medical & Scientific Enterprises, Inc. Position indicating system for a multidiagnostic scanner
USRE34511E (en) * 1987-05-15 1994-01-18 Hologic, Inc. Method of radiologically scanning the spine for measuring bone density
US4907156A (en) * 1987-06-30 1990-03-06 University Of Chicago Method and system for enhancement and detection of abnormal anatomic regions in a digital image
US5068788A (en) * 1988-11-29 1991-11-26 Columbia Scientific Inc. Quantitative computed tomography system
US5850465A (en) * 1989-06-26 1998-12-15 Fuji Photo Film Co., Ltd. Abnormnal pattern detecting or judging apparatus, circular pattern judging apparatus, and image finding apparatus
JP2574181B2 (ja) * 1989-10-19 1997-01-22 富士写真フイルム株式会社 異常陰影検出装置
FR2656109B1 (fr) * 1989-12-14 1992-02-28 Gen Electric Cgr Procede de calibration de la chaine de mesure d'un appareil a rayons x.
US4975933A (en) * 1990-03-26 1990-12-04 General Electric Company Bow-tie X-ray filter assembly for dual energy tomography
US5376795A (en) * 1990-07-09 1994-12-27 Regents Of The University Of California Emission-transmission imaging system using single energy and dual energy transmission and radionuclide emission data
US5155365A (en) * 1990-07-09 1992-10-13 Cann Christopher E Emission-transmission imaging system using single energy and dual energy transmission and radionuclide emission data
US5319547A (en) * 1990-08-10 1994-06-07 Vivid Technologies, Inc. Device and method for inspection of baggage and other objects
JP3231810B2 (ja) * 1990-08-28 2001-11-26 アーチ・デベロップメント・コーポレーション ニューラル・ネットワークを用いた鑑別診断支援方法
DE9016046U1 (zh) * 1990-11-26 1991-02-14 Kalender, Willi, Dr., 8521 Kleinseebach, De
US6160866A (en) * 1991-02-13 2000-12-12 Lunar Corporation Apparatus for bilateral femur measurement
US5287546A (en) 1992-09-14 1994-02-15 Lunar Corporation Patient positioning apparatus for bone scanning
US5247559A (en) * 1991-10-04 1993-09-21 Matsushita Electric Industrial Co., Ltd. Substance quantitative analysis method
US5402338A (en) 1991-12-26 1995-03-28 Fuji Photo Film Co., Ltd. Method for forming energy subtraction images
JPH05197813A (ja) 1992-01-20 1993-08-06 N T T Data Tsushin Kk 特徴選択方法
US5289374A (en) * 1992-02-28 1994-02-22 Arch Development Corporation Method and system for analysis of false positives produced by an automated scheme for the detection of lung nodules in digital chest radiographs
US5319549A (en) * 1992-11-25 1994-06-07 Arch Development Corporation Method and system for determining geometric pattern features of interstitial infiltrates in chest images
US5335260A (en) * 1992-11-25 1994-08-02 Arnold Ben A Calibration phantom and improved method of quantifying calcium and bone density using same
US5430787A (en) * 1992-12-03 1995-07-04 The United States Of America As Represented By The Secretary Of Commerce Compton scattering tomography
US5442672A (en) * 1993-03-31 1995-08-15 Bjorkholm; Paul J. Three-dimensional reconstruction based on a limited number of X-ray projections
US5665971A (en) * 1993-04-12 1997-09-09 Massachusetts Institute Of Technology Radiation detection and tomography
US5748705A (en) * 1993-11-22 1998-05-05 Hologic Inc. X-ray bone densitometry
US5490196A (en) 1994-03-18 1996-02-06 Metorex International Oy Multi energy system for x-ray imaging applications
AU1837495A (en) * 1994-10-13 1996-05-06 Horus Therapeutics, Inc. Computer assisted methods for diagnosing diseases
US5914059A (en) * 1995-05-01 1999-06-22 United Technologies Corporation Method of repairing metallic articles by energy beam deposition with reduced power density
US5900170A (en) * 1995-05-01 1999-05-04 United Technologies Corporation Containerless method of producing crack free metallic articles by energy beam deposition with reduced power density
CA2184237A1 (en) 1995-09-08 1997-03-09 Jay A. Stein X-ray bone densitometry
US6008208A (en) * 1995-10-23 1999-12-28 Osteoscreen, Inc. Compositions and methods for treating bone deficit conditions
US6018562A (en) * 1995-11-13 2000-01-25 The United States Of America As Represented By The Secretary Of The Army Apparatus and method for automatic recognition of concealed objects using multiple energy computed tomography
US5732697A (en) * 1995-11-22 1998-03-31 Arch Development Corporation Shift-invariant artificial neural network for computerized detection of clustered microcalcifications in mammography
US6141437A (en) * 1995-11-22 2000-10-31 Arch Development Corporation CAD method, computer and storage medium for automated detection of lung nodules in digital chest images
US5648997A (en) * 1995-12-29 1997-07-15 Advanced Optical Technologies, Inc. Apparatus and method for removing scatter from an x-ray image
US6052433A (en) * 1995-12-29 2000-04-18 Advanced Optical Technologies, Inc. Apparatus and method for dual-energy x-ray imaging
US5771269A (en) * 1995-12-29 1998-06-23 Advanced Optical Technologies, Inc. Apparatus and method for removing scatter from an x-ray image
WO1997029507A1 (en) * 1996-02-12 1997-08-14 University Of Akron, The Multimedia detectors for medical imaging
US5910972A (en) 1996-09-25 1999-06-08 Fuji Photo Film Co., Ltd. Bone image processing method and apparatus
US5873824A (en) * 1996-11-29 1999-02-23 Arch Development Corporation Apparatus and method for computerized analysis of interstitial infiltrates in chest images using artificial neural networks
US5764721A (en) * 1997-01-08 1998-06-09 Southwest Research Institute Method for obtaining optimized computed tomography images from a body of high length-to-width ratio using computer aided design information for the body
US5930327A (en) * 1997-06-23 1999-07-27 Trex Medical Corporation X-ray image processing
US6381349B1 (en) * 1997-11-12 2002-04-30 The University Of Utah Projector/backprojector with slice-to-slice blurring for efficient 3D scatter modeling
US6088473A (en) * 1998-02-23 2000-07-11 Arch Development Corporation Method and computer readable medium for automated analysis of chest radiograph images using histograms of edge gradients for false positive reduction in lung nodule detection
US6132724A (en) * 1998-04-29 2000-10-17 City Of Hope National Medical Center Allelic polygene diagnosis of reward deficiency syndrome and treatment
US6088423A (en) * 1998-06-05 2000-07-11 Vivid Technologies, Inc. Multiview x-ray based system for detecting contraband such as in baggage
US6240201B1 (en) * 1998-07-24 2001-05-29 Arch Development Corporation Computerized detection of lung nodules using energy-subtracted soft-tissue and standard chest images
US6738499B1 (en) * 1998-11-13 2004-05-18 Arch Development Corporation System for detection of malignancy in pulmonary nodules
US6173034B1 (en) * 1999-01-25 2001-01-09 Advanced Optical Technologies, Inc. Method for improved breast x-ray imaging
US6687333B2 (en) * 1999-01-25 2004-02-03 Vanderbilt University System and method for producing pulsed monochromatic X-rays
US6185272B1 (en) * 1999-03-15 2001-02-06 Analogic Corporation Architecture for CT scanning system
CO5271696A1 (es) * 2000-01-12 2003-04-30 Pfizer Prod Inc Procedimiento para reducir la morbilidad y el riesgo de mortalidad
US6418189B1 (en) * 2000-01-24 2002-07-09 Analogic Corporation Explosive material detection apparatus and method using dual energy information of a scan
JP4188532B2 (ja) 2000-02-01 2008-11-26 富士フイルム株式会社 画像間演算方法および装置並びに画像表示方法および装置
US6597940B2 (en) * 2000-12-01 2003-07-22 Neomed Technologies Methods of detecting occlusion of the coronary artery system and imaging the heart
US6694046B2 (en) 2001-03-28 2004-02-17 Arch Development Corporation Automated computerized scheme for distinction between benign and malignant solitary pulmonary nodules on chest images
US6370223B1 (en) * 2001-04-06 2002-04-09 Ut-Battelle, Llc Automatic detection of bone fragments in poultry using multi-energy x-rays
US6661873B2 (en) * 2002-01-28 2003-12-09 Ge Medical Systems Global Technology Company, Llc Motion artifacts reduction algorithm for two-exposure dual-energy radiography

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US4792900A (en) * 1986-11-26 1988-12-20 Picker International, Inc. Adaptive filter for dual energy radiographic imaging
US6205348B1 (en) * 1993-11-29 2001-03-20 Arch Development Corporation Method and system for the computerized radiographic analysis of bone
US6058322A (en) * 1997-07-25 2000-05-02 Arch Development Corporation Methods for improving the accuracy in differential diagnosis on radiologic examinations
CN1381038A (zh) * 2000-05-31 2002-11-20 摩托罗拉公司 模式分类中基于排序的丢弃

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102631210A (zh) * 2011-02-15 2012-08-15 西门子公司 校正图像数据的方法、图像数据组处理装置、x 射线系统
CN102631210B (zh) * 2011-02-15 2015-02-18 西门子公司 校正图像数据的方法、图像数据组处理装置、x 射线系统
US9204847B2 (en) 2011-02-15 2015-12-08 Siemens Aktiengesellschaft Method, image data record processing facility, X-ray system and computer program product for correcting image data of an examination object

Also Published As

Publication number Publication date
US7295691B2 (en) 2007-11-13
CN1504931A (zh) 2004-06-16
KR20040047561A (ko) 2004-06-05
US20030215120A1 (en) 2003-11-20
EP1426903A3 (en) 2006-02-08
JP2004174232A (ja) 2004-06-24
EP1426903A2 (en) 2004-06-09
US20080031507A1 (en) 2008-02-07
US7796795B2 (en) 2010-09-14

Similar Documents

Publication Publication Date Title
CN1504931B (zh) 图像组的计算机辅助诊断
JP4354737B2 (ja) 多重エネルギ画像による計算機支援診断
JP5138910B2 (ja) 投影画像を用いた３ｄｃａｄのシステム及び方法
US7072435B2 (en) Methods and apparatus for anomaly detection
US20060210131A1 (en) Tomographic computer aided diagnosis (CAD) with multiple reconstructions
EP1398722A2 (en) Computer aided processing of medical images
EP1400910A2 (en) Computer aided acquisition of medical images
JP2004105729A (ja) コンピュータ支援による断層撮影マンモグラフィデータの分析
CN1670769A (zh) 计算机辅助定位目标的方法和系统
JP2008521468A (ja) デジタル医療画像分析
CN110881992B (zh) 使用双能量计算机断层扫描的针对外伤性出血的检测和量化
US20220313176A1 (en) Artificial Intelligence Training with Multiple Pulsed X-ray Source-in-motion Tomosynthesis Imaging System
CN109416833B (zh) 根据谱ct数据确定钙含量
Kim et al. AI-based computer-aided diagnostic system of chest digital tomography synthesis: Demonstrating comparative advantage with X-ray-based AI systems
JP2019527885A (ja) スペクトルコンピュータ断層撮影フィンガープリンティング
Samei et al. Multiprojection correlation imaging for improved detection of pulmonary nodules
Meier et al. Application of texture analysis to ventilation SPECT/CT data
Kolarkodi et al. Artificial Intelligence in Diagnosis of Oral Diseases: A Systematic Review
WO2024062894A1 (ja) 医用画像処理装置およびその制御方法、医用画像処理プログラム
Belo Leveraging Longitudinal Data in Chest Radiography Pathology Detection
Setianto et al. Automatic Measurement Application of Heart Area from Chest X-Ray Images Using the U-Net Deep Learning Method
Larsson Segmentation of x-ray images using deep learning trained on synthetic data
Narayan et al. The use of contrast for automated pulmonary nodule detection in low‐dose computed tomography
Chawla Correlation Imaging for improved cancer detection
Kubo et al. Efficiency and reproducibility in pulmonary nodule detection

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
C14 Grant of patent or utility model
GR01 Patent grant
CF01 Termination of patent right due to non-payment of annual fee
CF01 Termination of patent right due to non-payment of annual fee

Granted publication date: 20100512

Termination date: 20200930