JP2016067573A - Detector generation apparatus, method and program, and image detection device - Google Patents
Detector generation apparatus, method and program, and image detection device Download PDFInfo
- Publication number
- JP2016067573A JP2016067573A JP2014199625A JP2014199625A JP2016067573A JP 2016067573 A JP2016067573 A JP 2016067573A JP 2014199625 A JP2014199625 A JP 2014199625A JP 2014199625 A JP2014199625 A JP 2014199625A JP 2016067573 A JP2016067573 A JP 2016067573A
- Authority
- JP
- Japan
- Prior art keywords
- magnetic resonance
- nuclear magnetic
- resonance image
- detector
- image
- 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.)
- Granted
Links
- 238000001514 detection method Methods 0.000 title claims abstract description 144
- 238000000034 method Methods 0.000 title claims abstract description 74
- 238000005481 NMR spectroscopy Methods 0.000 claims abstract description 75
- 238000003384 imaging method Methods 0.000 claims abstract description 72
- 230000001629 suppression Effects 0.000 claims description 36
- 210000005252 bulbus oculi Anatomy 0.000 claims description 21
- 210000000988 bone and bone Anatomy 0.000 claims description 19
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 15
- 230000005311 nuclear magnetism Effects 0.000 claims 1
- 238000002595 magnetic resonance imaging Methods 0.000 description 114
- 238000010801 machine learning Methods 0.000 description 13
- 210000000056 organ Anatomy 0.000 description 8
- 210000003128 head Anatomy 0.000 description 4
- 210000003484 anatomy Anatomy 0.000 description 3
- UFHFLCQGNIYNRP-UHFFFAOYSA-N Hydrogen Chemical compound [H][H] UFHFLCQGNIYNRP-UHFFFAOYSA-N 0.000 description 2
- 206010028980 Neoplasm Diseases 0.000 description 2
- 210000001015 abdomen Anatomy 0.000 description 2
- 210000004204 blood vessel Anatomy 0.000 description 2
- 210000001185 bone marrow Anatomy 0.000 description 2
- 238000002591 computed tomography Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 229910052739 hydrogen Inorganic materials 0.000 description 2
- 239000001257 hydrogen Substances 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 210000003689 pubic bone Anatomy 0.000 description 2
- 206010024612 Lipoma Diseases 0.000 description 1
- 230000003187 abdominal effect Effects 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 238000002059 diagnostic imaging Methods 0.000 description 1
- 229940079593 drug Drugs 0.000 description 1
- 239000003814 drug Substances 0.000 description 1
- 239000011521 glass Substances 0.000 description 1
- 230000003902 lesion Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 210000004185 liver Anatomy 0.000 description 1
- 210000004072 lung Anatomy 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 210000000278 spinal cord Anatomy 0.000 description 1
- 210000004003 subcutaneous fat Anatomy 0.000 description 1
- 238000012706 support-vector machine Methods 0.000 description 1
- 210000004127 vitreous body Anatomy 0.000 description 1
Abstract
Description
本発明は、核磁気共鳴画像に含まれる検出対象を検出する際に用いられる検出器を生成する検出器生成装置、方法およびプログラム、並びに上記検出器を用いて核磁気共鳴画像に対して検出処理を施す画像検出装置に関するものである。 The present invention relates to a detector generating apparatus, method and program for generating a detector used for detecting a detection target included in a nuclear magnetic resonance image, and a detection process for a nuclear magnetic resonance image using the detector. The present invention relates to an image detection apparatus that performs the above.
従来、放射線画像やＭＲＩ（Magnetic Resonance Imaging）画像などから関心のある臓器や臓器の一部などといった解剖学的な構造物を検出し、その検出結果をユーザに提供することによって画像診断効率の向上を図ることが行われている。 Conventionally, anatomical structures such as organs of interest or parts of organs are detected from radiographic images or MRI (Magnetic Resonance Imaging) images, and the detection results are provided to the user, improving the efficiency of diagnostic imaging It has been done.
放射線画像やＭＲＩ画像から解剖学的な構造物を検出する方法として、種々の方法が提案されている。たとえば特許文献１においては、アダブースティングアルゴリズム（Adaboosting Algorithm）に基づいた機械学習手法を用いて検出器を生成し、その検出器を用いて放射線画像から脊髄領域を検出することが提案されている。 Various methods have been proposed as a method for detecting an anatomical structure from a radiographic image or an MRI image. For example, Patent Document 1 proposes that a detector is generated using a machine learning method based on an Adaboosting Algorithm and that a spinal cord region is detected from a radiographic image using the detector. .
また、特許文献２においては、ＭＲＩ画像から関心臓器を分離する方法が提案されており、ここでは、関心臓器の境界を明確にするために、Ｔ１強調画像、Ｔ２強調画像およびＰＤ強調画像を統合することが提案されている。 Patent Document 2 proposes a method for separating an organ of interest from an MRI image. Here, in order to clarify the boundary of the organ of interest, a T1-weighted image, a T2-weighted image, and a PD-weighted image are integrated. It has been proposed to do.
ここで、特許文献１には、上述したように機械学習手法を用いて生成された検出器を用いて検出処理を行うことが提案されているが、その検出処理対象の放射線画像は、ＣＴ（Computed tomography）撮影装置によって撮影されたものであり、すなわち単一の撮影方法によって撮影されたものである。 Here, as described above, Patent Document 1 proposes to perform a detection process using a detector generated by using a machine learning technique. However, a radiographic image to be detected is a CT ( Computed tomography) is taken by a photographing apparatus, that is, is photographed by a single photographing method.
これに対し、ＭＲＩ検査では、複数種類の撮影手法で撮影が行われ、具体的には、たとえばＴ１強調撮影、Ｔ２強調撮影および脂肪抑制法を用いた撮影手法などがある。これらの撮影手法は、同一の部位を異なる見え方で画像化するので、従来のように単一の撮影手法によって撮影された画像を用いて機械学習を行って検出器を生成したのでは、学習していない撮影手法で撮影されたＭＲＩ画像に対する検出精度が低くなる問題がある。 On the other hand, in the MRI examination, imaging is performed by a plurality of types of imaging methods, and specifically includes, for example, imaging methods using T1-weighted imaging, T2-weighted imaging, and a fat suppression method. Since these imaging methods image the same part with different appearances, learning is performed by generating a detector by performing machine learning using an image captured by a single imaging method as before. There is a problem that the detection accuracy with respect to the MRI image photographed by the photographing technique not performed is lowered.
一方、この問題を解決するために、それぞれの撮影手法で撮影された画像を用いて機械学習を行うことによって撮影手法毎に検出器を生成することが考えられるが、機械学習に非常に時間がかかってしまう。また、検出処理の際に、撮影手法毎の全ての検出器を適用しなければならず、検出速度が低下する。 On the other hand, in order to solve this problem, it may be possible to generate a detector for each imaging method by performing machine learning using an image captured by each imaging method. It will take. Moreover, in the detection process, all detectors for each imaging method must be applied, and the detection speed is reduced.
本発明は、上記事情に鑑み、複数の撮影手法で撮影されたＭＲＩ画像に対して検出器を用いた検出処理を行う際、検出器の数を減らすことができ、かつ精度良く検出対象を検出することができる検出器を生成する検出器生成装置、方法およびプログラム並びに画像検出装置を提供することを目的とするものである。 In view of the above circumstances, the present invention can reduce the number of detectors and detect a detection target with high accuracy when performing detection processing using a detector on MRI images taken by a plurality of imaging techniques. It is an object of the present invention to provide a detector generation device, a method and a program for generating a detector capable of performing an image detection, and an image detection device.
本発明の検出器生成装置は、２以上の撮影手法によって撮影された核磁気共鳴画像を、予め設定された検出対象の主成分に応じて、撮影手法の数よりも少ない数に分類した核磁気共鳴画像群を取得する核磁気共鳴画像取得部と、各分類に属する磁気共鳴画像群を用いて、検出対象を検出する検出器を分類毎に生成する検出器生成部とを備えたことを特徴とする。 The detector generating apparatus according to the present invention divides nuclear magnetic resonance images photographed by two or more photographing techniques into a number smaller than the number of photographing techniques according to a preset main component of a detection target. A nuclear magnetic resonance image acquisition unit that acquires a resonance image group, and a detector generation unit that generates a detection target for each classification using the magnetic resonance image group belonging to each classification. And
また、本発明の検出器生成装置において、核磁気共鳴画像取得部は、検出対象の主成分が水である場合と検出対象の主成分が脂肪である場合とでそれぞれ分類した核磁気共鳴画像群を取得することができる。 Further, in the detector generation device of the present invention, the nuclear magnetic resonance image acquisition unit includes a group of nuclear magnetic resonance images classified into a case where the main component of the detection target is water and a case where the main component of the detection target is fat. Can be obtained.
また、核磁気共鳴画像取得部は、検出対象の主成分が水である場合には、Ｔ１強調撮影の核磁気共鳴画像群と、Ｔ２強調撮影の核磁気共鳴画像群とをそれぞれ異なる分類の核磁気共鳴画像群として取得することができる。 In addition, when the main component to be detected is water, the nuclear magnetic resonance image acquisition unit divides the T1-weighted nuclear magnetic resonance image group and the T2-weighted nuclear magnetic resonance image group into different classes of nuclei. It can be acquired as a group of magnetic resonance images.
また、Ｔ１強調撮影の核磁気共鳴画像群は、標準的な撮影の核磁気共鳴画像と脂肪抑制法を用いた撮影の核磁気共鳴画像とを含み、Ｔ２強調撮影の核磁気共鳴画像群は、標準的な撮影の核磁気共鳴画像と脂肪抑制法を用いた撮影の核磁気共鳴画像とを含むことができる。 In addition, the T1-weighted nuclear magnetic resonance image group includes a standard-captured nuclear magnetic resonance image and a nuclear magnetic resonance image captured using the fat suppression method. Standard imaging magnetic resonance images and imaging magnetic resonance images using fat suppression can be included.
また、核磁気共鳴画像取得部は、検出対象の主成分が脂肪である場合には、標準的な撮影の核磁気共鳴画像群と、脂肪抑制法を用いた撮影の核磁気共鳴画像群とをそれぞれ異なる分類の核磁気共鳴画像群として取得することができる。 Further, the nuclear magnetic resonance image acquisition unit, when the main component to be detected is fat, includes a standard imaging nuclear magnetic resonance image group and a nuclear magnetic resonance image group acquired using the fat suppression method. It can be acquired as a group of different types of nuclear magnetic resonance images.
また、標準的な撮影の核磁気共鳴画像群は、Ｔ１強調撮影の核磁気共鳴画像とＴ２強調撮影の核磁気共鳴画像とを含み、脂肪抑制法を用いた撮影の核磁気共鳴画像群は、Ｔ１強調撮影の核磁気共鳴画像とＴ２強調撮影の核磁気共鳴画像とを含むことができる。 In addition, the standard magnetic resonance imaging group includes a T1-weighted nuclear magnetic resonance image and a T2-weighted nuclear magnetic resonance image. The nuclear magnetic resonance image group captured using the fat suppression method includes: A T1-weighted nuclear magnetic resonance image and a T2-weighted nuclear magnetic resonance image can be included.
また、水を主成分とする検出対象は眼球とすることができる。 Further, the detection target mainly composed of water can be an eyeball.
また、脂肪を主成分とする検出対象は骨とすることができる。 Further, the detection target mainly composed of fat can be a bone.
本発明の検出器生成方法は、２以上の撮影手法によって撮影された核磁気共鳴画像を、予め設定された検出対象の主成分に応じて、撮影手法の数よりも少ない数に分類した核磁気共鳴画像群を取得し、各分類に属する磁気共鳴画像群を用いて、検出対象を検出する検出器を分類毎に生成することを特徴とする。 According to the detector generation method of the present invention, nuclear magnetic resonance images obtained by imaging two or more imaging techniques are classified into a number smaller than the number of imaging techniques according to a preset main component of a detection target. A resonance image group is acquired, and a detector for detecting a detection target is generated for each classification using a magnetic resonance image group belonging to each classification.
本発明の検出器生成プログラムは、コンピュータを、２以上の撮影手法によって撮影された核磁気共鳴画像を、予め設定された検出対象の主成分に応じて、撮影手法の数よりも少ない数に分類した核磁気共鳴画像群を取得する核磁気共鳴画像取得部と、各分類に属する磁気共鳴画像群を用いて、検出対象を検出する検出器を分類毎に生成する検出器生成部として機能させることを特徴とする。 The detector generation program according to the present invention classifies a computer into nuclear magnetic resonance images captured by two or more imaging methods in a number smaller than the number of imaging methods according to a preset main component of a detection target. A nuclear magnetic resonance image acquisition unit that acquires the obtained nuclear magnetic resonance image group, and a detector generation unit that generates a detector for detecting a detection target for each classification using the magnetic resonance image group belonging to each classification It is characterized by.
本発明の画像検出装置は、２以上の撮影手法によって撮影された核磁気共鳴画像を、予め設定された検出対象の主成分に応じて分類した核磁気共鳴画像群を取得する磁気共鳴画像群取得部と、各分類に属する磁気共鳴画像群を用いて、検出対象を検出する検出器を分類毎に生成する検出器生成部を有し、分類毎の検出器の少なくとも１つを用いて、検出処理対象の核磁気共鳴画像に対して検出対象の検出処理を施す検出処理部とを備えたことを特徴とする。 The image detection apparatus according to the present invention acquires a magnetic resonance image group that acquires a nuclear magnetic resonance image group obtained by classifying nuclear magnetic resonance images captured by two or more imaging methods according to a preset main component of a detection target. And a detector generation unit that generates a detector for detecting a detection target for each classification using a magnetic resonance image group belonging to each classification, and detection is performed using at least one of the detectors for each classification. And a detection processing unit that performs detection processing of the detection target on the nuclear magnetic resonance image to be processed.
本発明の検出器生成装置、方法およびプログラム並びに画像検出装置によれば、２以上の撮影手法によって撮影された核磁気共鳴画像を、検出対象の主成分に応じて、撮影手法の数よりも少ない数で分類した核磁気共鳴画像群を取得する。そして、各分類に属する磁気共鳴画像群を用いて、分類毎の検出器を生成するようにしたので、検出器の数を減らすことができ、かつ複数の撮影手法で撮影されたＭＲＩ画像から精度良く検出対象を検出することができる。なお、本発明によって精度良く検出対象を検出できる理由については、後で詳述する。 According to the detector generation device, method, program, and image detection device of the present invention, the number of nuclear magnetic resonance images captured by two or more imaging techniques is smaller than the number of imaging techniques depending on the main component to be detected. A group of nuclear magnetic resonance images classified by numbers is acquired. Since the detector for each classification is generated using the magnetic resonance image group belonging to each classification, the number of detectors can be reduced, and accuracy can be obtained from MRI images photographed by a plurality of imaging techniques. The detection target can be detected well. The reason why the detection target can be detected with high accuracy according to the present invention will be described in detail later.
以下、本発明の検出器生成装置および方法並びにプログラムの一実施形態を用いた医用画像検出システムについて、図面を参照しながら詳細に説明する。図１は、本実施形態の医用画像検出システムの概略構成を示すブロック図である。 Hereinafter, a medical image detection system using an embodiment of a detector generation apparatus and method and a program of the present invention will be described in detail with reference to the drawings. FIG. 1 is a block diagram showing a schematic configuration of the medical image detection system of the present embodiment.
本実施形態の医用画像検出システムは、図１に示すように、画像検出装置１と、医用画像保管サーバ２と、表示装置３と、入力装置４とを備えている。 As shown in FIG. 1, the medical image detection system of this embodiment includes an image detection device 1, a medical image storage server 2, a display device 3, and an input device 4.
画像検出装置１は、核磁気共鳴画像取得部１０と、検出器生成部２０を有する検出処理部３０と、制御部４０とを備えている。 The image detection apparatus 1 includes a nuclear magnetic resonance image acquisition unit 10, a detection processing unit 30 having a detector generation unit 20, and a control unit 40.
画像検出装置１は、中央処理装置（ＣＰＵ（central processing unit））、半導体メモリ、およびハードディスクやＳＳＤ(Solid State Drive)等のストレージデバイスを備えている。ストレージデバイスには、本実施形態の検出器生成プログラムを含む画像検出プログラムがインストールされており、この画像検出プログラムが、制御部４０に設けられた中央処理装置によって実行されることによって、上述した核磁気共鳴画像取得部１０および検出器生成部２０を有する検出処理部３０が動作する。なお、本実施形態においては、図１に示す核磁気共鳴画像取得部１０と検出器生成部２０とから、本発明の検出器生成装置が構成されている。 The image detection apparatus 1 includes a central processing unit (CPU (central processing unit)), a semiconductor memory, and a storage device such as a hard disk or an SSD (Solid State Drive). An image detection program including the detector generation program of the present embodiment is installed in the storage device, and this image detection program is executed by the central processing unit provided in the control unit 40, thereby causing the above-described nucleus. The detection processing unit 30 having the magnetic resonance image acquisition unit 10 and the detector generation unit 20 operates. In the present embodiment, the nuclear magnetic resonance image acquisition unit 10 and the detector generation unit 20 shown in FIG. 1 constitute the detector generation apparatus of the present invention.
核磁気共鳴画像取得部１０は、ＭＲＩ（Magnetic Resonance Imaging）撮影装置によって予め撮影された核磁気共鳴画像（以下、ＭＲＩ画像という）を取得するものである。本実施形態の核磁気共鳴画像取得部１０は、学習用ＭＲＩ画像５と、検出処理対象のＭＲＩ画像６とを取得するものである。 The nuclear magnetic resonance image acquisition unit 10 acquires a nuclear magnetic resonance image (hereinafter referred to as an MRI image) captured in advance by an MRI (Magnetic Resonance Imaging) imaging apparatus. The nuclear magnetic resonance image acquisition unit 10 of the present embodiment acquires the learning MRI image 5 and the detection processing target MRI image 6.
学習用ＭＲＩ画像５は、所定の検出対象を検出する検出器を検出器生成部２０によって生成する際に、学習用の画像として使用されるものである。学習用ＭＲＩ画像５については、後で詳述する。また、検出処理対象のＭＲＩ画像６は、上記検出器を用いた検出処理が施される画像である。検出処理対象のＭＲＩ画像６としては、たとえばアキシャル断面画像、サジタル断面画像、コロナル断面画像およびその他のＭＰＲ（multi-planar reconstruction）断面画像などがある。 The learning MRI image 5 is used as a learning image when the detector generating unit 20 generates a detector that detects a predetermined detection target. The learning MRI image 5 will be described in detail later. Further, the detection processing target MRI image 6 is an image subjected to detection processing using the detector. Examples of the MRI image 6 to be detected include an axial sectional image, a sagittal sectional image, a coronal sectional image, and other MPR (multi-planar reconstruction) sectional images.
学習用ＭＲＩ画像５および検出処理対象のＭＲＩ画像６は、医用画像保管サーバ２に予め保管されており、核磁気共鳴画像取得部１０は、入力装置４を用いたユーザによる所定の指示入力に応じて、学習用ＭＲＩ画像５や検出処理対象のＭＲＩ画像６を医用画像保管サーバ２から読み出すものである。 The learning MRI image 5 and the detection processing target MRI image 6 are stored in advance in the medical image storage server 2, and the nuclear magnetic resonance image acquisition unit 10 responds to a predetermined instruction input by the user using the input device 4. Thus, the learning MRI image 5 and the detection processing target MRI image 6 are read out from the medical image storage server 2.
検出処理部３０は、検出器生成部２０を有し、この検出器生成部２０において生成された検出器を用いて検出処理対象のＭＲＩ画像に対して検出処理を施し、これにより予め設定された検出対象を検出するものである。 The detection processing unit 30 includes a detector generation unit 20, performs detection processing on the MRI image to be detected using the detector generated in the detector generation unit 20, and is preset by this. The detection target is detected.
検出対象は、ＭＲＩ画像に含まれる解剖学的な構造物であり、たとえば頭部のＭＲＩ画像に含まれる眼球や、腹部または胸部のＭＲＩ画像に含まれる骨、臓器および血管などがある。また、検出対象は、臓器の一部の特徴的な構造物でもよく、たとえば肺尖部、心尖部および肝臓の上端などでもよい。また、腫瘍などの病変でもよい。 The detection target is an anatomical structure included in the MRI image, and includes, for example, an eyeball included in the MRI image of the head, a bone, an organ, and a blood vessel included in the MRI image of the abdomen or chest. The detection target may be a characteristic structure of a part of an organ, for example, the lung apex, the apex, the upper end of the liver, or the like. It may also be a lesion such as a tumor.
そして、検出器生成部２０は、上述したような検出対象を検出するための検出器を生成するものである。本実施形態の検出器は、学習用のＭＲＩ画像を用いて機械学習させることによって生成されるものである。具体的には、たとえばアダブースティングアルゴリズム（Adaboosting Algorithm）に基づいた機械学習手法を用いることができる。この手法は、予め設定された検出対象の近傍領域のみを含む正解の学習用ＭＲＩ画像と、上記検出対象を含まない領域であって、上記正解の学習用ＭＲＩ画像と同等の大きさを有する領域の不正解の学習用ＭＲＩ画像とを検出器に多数入力し、その入力された学習用ＭＲＩ画像が正解であったか、不正解であったかを機械学習させることによって、検出対象を含んでいるか否かを検出することができる検出器を生成する手法である。なお、ここでいう検出器は、検出対象を含んでいるか否かを検出するものであるので、検出対象の検出基準ということもできる。 And the detector production | generation part 20 produces | generates the detector for detecting the detection target as mentioned above. The detector of the present embodiment is generated by machine learning using a learning MRI image. Specifically, for example, a machine learning method based on an Adaboosting Algorithm can be used. This technique includes a correct learning MRI image that includes only a preset vicinity region of a detection target, and a region that does not include the detection target and has a size equivalent to that of the correct learning MRI image. Whether or not the detection target is included by machine learning whether the inputted learning MRI image is correct or incorrect. This is a technique for generating a detector that can be detected. In addition, since the detector here detects whether it contains the detection target, it can also be called the detection reference | standard of a detection target.
また、機械学習の手法としては、上述したアダブースティングアルゴリズム（Adaboosting Algorithm）に基づいた機械学習手法に限らず、種々の公知は手法を用いることができ、たとえばニューラルネットワーク、サポートベクタマシン、最近傍識別器などの手法を用いるようにしてもよい。 In addition, the machine learning method is not limited to the machine learning method based on the above-described Adaboosting Algorithm, and various known methods can be used, such as a neural network, a support vector machine, and the nearest neighbor. A method such as a discriminator may be used.
ここで、上述したようにＭＲＩ検査においては、複数の撮影手法によってＭＲＩ画像が撮影される。具体的には、基本的な撮影手法として、Ｔ１強調撮影とＴ２強調撮影とがあり、これに加えて脂肪抑制法などの機能的な撮影手法が一般的に用いられている。すなわち、ＭＲＩ検査によって撮影されるＭＲＩ画像としては、標準的なＴ１強調撮影によって撮影されたＴ１強調画像（標準）、標準的なＴ２強調撮影によって撮影されたＴ１強調画像（標準）、脂肪抑制法を用いたＴ１強調撮影によって撮影されたＴ１強調画像（脂肪抑制）、および脂肪抑制法を用いたＴ２強調撮影によって撮影されたＴ２強調画像（脂肪抑制）などがある。 Here, as described above, in the MRI examination, MRI images are taken by a plurality of photographing methods. Specifically, basic photographing methods include T1-weighted photographing and T2-weighted photographing, and in addition to this, a functional photographing method such as a fat suppression method is generally used. That is, as an MRI image photographed by MRI examination, a T1-weighted image (standard) photographed by standard T1-weighted photographing, a T1-weighted image (standard) photographed by standard T2-weighted photographing, a fat suppression method There are a T1-weighted image (fat suppression) photographed by T1-weighted photographing using, and a T2-weighted image (fat suppression) photographed by T2-weighted photographing using a fat suppression method.
そして、上述したような検出器を用いて検出対象を検出する場合には、このような各撮影手法によって撮影された学習用ＭＲＩ画像をそれぞれ用いて、撮影手法毎の検出器をそれぞれ生成することが検出性能の点で最も好ましい。 When a detection target is detected using the above-described detector, a detector for each imaging technique is generated using each learning MRI image captured by each imaging technique. Is most preferable in terms of detection performance.
しかしながら、このように撮影手法毎の検出器を生成したのでは、検出器を生成するのに非常に長い処理時間を要する。 However, when the detector for each imaging technique is generated in this way, it takes a very long processing time to generate the detector.
さらに、検出器は、検出対象毎に生成する必要があるため、たとえば眼球を検出するための検出器と骨を検出するための検出器とを生成する場合、眼球と骨とのそれぞれについて、上述した４種類の撮影手法で撮影された学習用ＭＲＩ画像を用いて検出器を生成する必要があり、合計で８種類の検出器を生成する必要がある。 Furthermore, since it is necessary to generate a detector for each detection target, for example, when generating a detector for detecting an eyeball and a detector for detecting a bone, each of the eyeball and the bone is described above. It is necessary to generate a detector using the learning MRI images captured by the four types of imaging methods, and it is necessary to generate a total of eight types of detectors.
眼球と骨以外の検出対象も検出する場合には、さらにその検出対象毎について４種類の検出器を生成する必要があり、このような多くの検出器を生成するのに非常に長い処理時間を要する。また、これらの多くの検出器を用いて検出処理を行ったのでは処理速度が低下する問題がある。 When detecting a detection target other than the eyeball and bone, it is necessary to generate four types of detectors for each detection target, and a very long processing time is required to generate such many detectors. Cost. In addition, when the detection process is performed using these many detectors, there is a problem that the processing speed is reduced.
そこで、本実施形態においては、各撮影手法に対する検出対象の外観の変化を考慮して、各撮影手法によって撮影された学習用ＭＲＩ画像を必要最小限のグループに分類し、その分類毎の検出器を生成するようにする。以下、その分類方法について詳細に説明する。 Therefore, in the present embodiment, considering the change in the appearance of the detection target for each imaging method, the learning MRI images imaged by each imaging method are classified into the minimum necessary groups, and detectors for each classification Is generated. Hereinafter, the classification method will be described in detail.
Ｔ１強調撮影とＴ２強調撮影の撮影原理は、水素原子核の挙動を利用しており、水素原子核の有無が画像のコントラストに影響する。たとえば眼球は、その容積の４/５が硝子体であり、ガラス体の約９９％が水である。したがって、その水成分がコントラストに影響し、Ｔ１強調画像とＴ２強調画像とではその見え方が異なってくる。 The photographing principle of T1-weighted photographing and T2-weighted photographing uses the behavior of hydrogen nuclei, and the presence or absence of hydrogen nuclei affects the image contrast. For example, the eyeball has a vitreous body that is 4/5 of its volume, and about 99% of the glass body is water. Therefore, the water component affects the contrast, and the appearance is different between the T1-weighted image and the T2-weighted image.
図２は、頭部のアキシャル断面画像を標準的なＴ１強調撮影で撮影したＭＲＩ画像と、標準的なＴ２強調撮影で撮影したＭＲＩ画像とを模式的に示したものである。図２に示すように、Ｔ１強調画像では、眼球Ｐは暗い画像として現れるが、Ｔ２強調画像では、眼球Ｐは明るい画像として現れ、それぞれコントラストが異なる。 FIG. 2 schematically shows an MRI image obtained by standard T1-weighted imaging of an axial sectional image of the head and an MRI image captured by standard T2-weighted imaging. As shown in FIG. 2, in the T1-weighted image, the eyeball P appears as a dark image, but in the T2-weighted image, the eyeball P appears as a bright image, each having a different contrast.
一方、標準的なＴ１強調撮影で撮影したＭＲＩ画像と脂肪抑制法を用いてＴ１強調撮影で撮影したＭＲＩ画像とは、同じＴ１強調撮影で撮影された画像であるので、眼球の画像のコントラストにあまり相違がない。 On the other hand, an MRI image taken with standard T1-weighted photography and an MRI image taken with T1-weighted photography using the fat suppression method are images taken with the same T1-weighted photography, so that the contrast of the eyeball image is increased. There is not much difference.
したがって、検出対象が眼球のような水を主成分とするものである場合、標準的なＴ１強調撮影で撮影したＭＲＩ画像と脂肪抑制法を用いてＴ１強調撮影で撮影したＭＲＩ画像とを１つの分類としてグルーピングし、標準的なＴ２強調撮影で撮影したＭＲＩ画像と脂肪抑制法を用いてＴ２強調撮影で撮影したＭＲＩ画像とを１つの分類としてグルーピングすることが好ましい。 Therefore, when the detection target is water such as an eyeball, the MRI image photographed by standard T1-weighted photographing and the MRI image photographed by T1-weighted photographing using the fat suppression method are combined into one. It is preferable to group as a classification and group an MRI image taken by standard T2-weighted imaging and an MRI image taken by T2-weighted imaging using a fat suppression method as one classification.
一方、検出対象が骨である場合には、骨はほとんど水を含まず、脂肪を主成分とするものであるため、眼球とは見え方が異なるため異なる基準で分類する。なお、ここでいう骨は骨髄を含むものであり、骨髄は脂肪を主成分とするものである。 On the other hand, when the detection target is a bone, since the bone contains almost no water and contains fat as a main component, it looks different from the eyeball and is classified according to different criteria. The bone here includes bone marrow, and bone marrow is mainly composed of fat.
図３は、腹部のアキシャル断面画像を標準的なＴ１強調撮影で撮影したＭＲＩ画像と、脂肪抑制法を用いたＴ１強調撮影で撮影したＭＲＩ画像とを模式的に示したものである。図３に示すように、標準的なＴ１強調画像では、恥骨Ｑは明るい画像として現れるが、脂肪抑制法を用いたＴ１強調画像では、恥骨Ｑは暗い画像として現れ、それぞれコントラストが異なる。これは、上述したように骨の主成分が脂肪だからである。 FIG. 3 schematically shows an MRI image obtained by photographing an abdominal axial sectional image by standard T1-weighted photographing and an MRI image obtained by T1-weighted photographing using a fat suppression method. As shown in FIG. 3, in the standard T1-weighted image, the pubic bone Q appears as a bright image, but in the T1-weighted image using the fat suppression method, the pubic bone Q appears as a dark image with different contrasts. This is because the main component of bone is fat as described above.
一方、上述したように骨はほとんど水を含んでいないので、標準的なＴ１強調撮影で撮影したＭＲＩ画像と標準的なＴ２強調撮影で撮影したＭＲＩ画像とでは、骨の画像のコントラストにあまり相違がない。 On the other hand, since the bone hardly contains water as described above, the contrast of the bone image is very different between the MRI image taken by the standard T1-weighted photographing and the MRI image taken by the standard T2-weighted photographing. There is no.
したがって、検出対象が骨のような脂肪を主成分とするものである場合、標準的なＴ１強調撮影で撮影したＭＲＩ画像と標準的なＴ２強調撮影で撮影したＭＲＩ画像とを１つの分類としてグルーピングし、脂肪抑制法を用いたＴ１強調撮影で撮影したＭＲＩ画像と脂肪抑制法を用いたＴ２強調撮影で撮影したＭＲＩ画像とを１つの分類としてグルーピングすることが好ましい。 Therefore, when the detection target is mainly composed of fat such as bone, the MRI image photographed by standard T1-weighted photographing and the MRI image photographed by standard T2-weighted photographing are grouped as one classification. It is preferable to group the MRI images taken by T1-weighted imaging using the fat suppression method and the MRI images taken by T2-weighted imaging using the fat suppression method as one classification.
以上のような観点から、本実施形態の検出器生成部２０は、上述した分類毎の検出器を生成する。具体的には、眼球のような水を主成分とする検出対象を検出する検出器を生成する場合には、標準的なＴ１強調撮影で撮影した学習用ＭＲＩ画像と、脂肪抑制法を用いてＴ１強調撮影で撮影した学習用ＭＲＩ画像とを受け付け、これらの学習用ＭＲＩ画像を検出器に入力して機械学習させることによって、Ｔ１強調画像に基づく検出器を生成する。また、標準的なＴ２強調撮影で撮影した学習用ＭＲＩ画像と、脂肪抑制法を用いてＴ２強調撮影で撮影した学習用ＭＲＩ画像とを受け付け、これらの学習用ＭＲＩ画像を検出器に入力して機械学習させることによって、Ｔ２強調画像に基づく検出器を生成する。 From the above viewpoint, the detector generation unit 20 of the present embodiment generates a detector for each classification described above. Specifically, when generating a detector for detecting a detection target mainly composed of water such as an eyeball, a learning MRI image taken by standard T1-weighted imaging and a fat suppression method are used. A learning MRI image captured by T1-weighted imaging is received, and the learning MRI image is input to the detector and machine-learned, thereby generating a detector based on the T1-weighted image. Also, the learning MRI image photographed by standard T2-weighted photographing and the learning MRI image photographed by T2-weighted photographing using the fat suppression method are received, and these learning MRI images are input to the detector. A detector based on the T2-weighted image is generated by machine learning.
また、骨のような脂肪を主成分とする検出対象を検出する検出器を生成する場合には、標準的なＴ１強調撮影で撮影した学習用ＭＲＩ画像と、標準的なＴ２強調撮影で撮影した学習用ＭＲＩ画像とを受け付け、これらの学習用ＭＲＩ画像を検出器に入力して機械学習させることによって、標準的な撮影画像に基づく検出器を生成する。また、脂肪抑制法を用いてＴ１強調撮影で撮影した学習用ＭＲＩ画像と、脂肪抑制法を用いてＴ２強調撮影で撮影した学習用ＭＲＩ画像とを受け付け、これらの学習用ＭＲＩ画像を検出器に入力して機械学習させることによって、脂肪抑制法による撮影画像に基づく検出器を生成する。 In addition, when generating a detector that detects a detection target whose main component is fat such as bone, an MRI image for learning photographed by standard T1-weighted photographing and a photograph taken by standard T2-weighted photographing. A learning MRI image is received, and these learning MRI images are input to a detector and machine learning is performed, thereby generating a detector based on a standard captured image. In addition, a learning MRI image photographed by T1-weighted photographing using the fat suppression method and a learning MRI image photographed by T2-weighted photographing using the fat suppression method are received, and these learning MRI images are received as detectors. By inputting and machine learning, a detector based on a photographed image by the fat suppression method is generated.
上述したように各撮影手法によって撮影されたＭＲＩ画像を検出対象の主成分に応じて分類し、その分類毎の検出器を生成することによって、撮影手法の数だけ検出器を生成する必要がなく、検出器の数を減らすことができる。たとえば、検出対象が骨と眼球である場合、上述したように８種類の検出器を生成する必要がなく、４種類の検出器を生成すればよい。したがって、検出器の生成に要する時間を短縮することができる。さらに、検出処理対象のＭＲＩ画像に適用する検出器の数を減らすことができるので、処理時間を高速化することができる。 As described above, it is not necessary to generate as many detectors as the number of imaging methods by classifying the MRI images captured by each imaging method according to the main components to be detected and generating detectors for each classification. The number of detectors can be reduced. For example, when the detection target is a bone and an eyeball, it is not necessary to generate eight types of detectors as described above, and four types of detectors may be generated. Therefore, the time required for generating the detector can be shortened. Furthermore, since the number of detectors applied to the MRI image to be detected can be reduced, the processing time can be increased.
なお、水を主成分とする検出対象は、眼球の他に、眼球以外の臓器や血管などがある。また脂肪を主成分とする検出対象は、骨の他に、皮下脂肪などを含む臓器や脂肪腫などの腫瘍などがある。検出対象の主成分は、たとえば検出対象を構成する成分のうち最大含有量を有する成分である。 In addition to the eyeball, the detection target mainly composed of water includes organs and blood vessels other than the eyeball. In addition to bones, detection targets mainly comprising fat include organs including subcutaneous fat and tumors such as lipomas. The main component of the detection target is a component having the maximum content among components constituting the detection target, for example.
また、各撮影手法によって撮影された学習用ＭＲＩ画像の分類については、たとえばユーザが、各分類に属する学習用ＭＲＩ画像を入力装置４を用いて指定するようにしてもよいし、核磁気共鳴画像取得部１０が、入力された学習用ＭＲＩ画像を自動的に分類して検出器生成部２０に提供するようにしてもよい。このように自動的に分類する場合には、たとえば学習用ＭＲＩ画像に対して撮影手法と検出対象の情報とを付加しておき、核磁気共鳴画像取得部１０が、付加された情報に基づいて、自動的に分類するようにすればよい。検出対象とその主成分との関係については、たとえば検出対象とその主成分との対応関係をテーブルなどで予め設定しておくようにすればよい。 As for the classification of the learning MRI images photographed by the respective photographing methods, for example, the user may designate the learning MRI images belonging to each classification by using the input device 4, or the nuclear magnetic resonance image. The acquisition unit 10 may automatically classify the input learning MRI image and provide it to the detector generation unit 20. In the case of such automatic classification, for example, an imaging technique and detection target information are added to the learning MRI image, and the nuclear magnetic resonance image acquisition unit 10 is based on the added information. It is sufficient to classify automatically. As for the relationship between the detection target and its principal component, for example, the correspondence relationship between the detection target and its main component may be set in advance using a table or the like.
検出処理部３０は、上述したように分類毎に生成された検出器を用いて検出処理対象のＭＲＩ画像に対して検出処理を施し、ＭＲＩ画像に含まれる検出対象を検出するものである。具体的には、検出処理部３０は、所定の大きさの矩形領域の検出窓で検出処理対象のＭＲＩ画像上を走査し、その検出窓内の画像を検出器に入力する。そして、検出窓内の画像が検出対象を含むか否かが検出器によって検出され、これによりＭＲＩ画像内における検出対象の位置が特定される。 As described above, the detection processing unit 30 performs detection processing on the MRI image to be detected using the detector generated for each classification, and detects the detection target included in the MRI image. Specifically, the detection processing unit 30 scans the detection processing target MRI image with a detection window of a rectangular area of a predetermined size, and inputs the image in the detection window to the detector. Then, whether or not the image in the detection window includes a detection target is detected by the detector, and thereby the position of the detection target in the MRI image is specified.
なお、検出処理部３０における検出処理で用いられる検出器については、たとえば眼球の検出を行う場合、検出処理対象のＭＲＩ画像がＤＩＣＯＭ（Digital Imaging and Communication in Medicine）情報としてＴ１強調撮影の情報またはＴ２強調撮影の情報を有している場合には、その撮影手法に応じた検出器を用いるようにすればよい。検出処理対象のＭＲＩ画像が撮影手法の情報をもっていない場合には、Ｔ１強調画像に基づく検出器とＴ２強調画像に基づく検出器との両方を用いて検出処理を行うようにすればよい。 As for the detector used in the detection processing in the detection processing unit 30, for example, when detecting an eyeball, the MRI image to be detected is T1-weighted imaging information or T2 as DICOM (Digital Imaging and Communication in Medicine) information. In the case of having information on enhanced photographing, a detector corresponding to the photographing technique may be used. If the MRI image to be detected does not have information on the imaging method, the detection process may be performed using both the detector based on the T1 weighted image and the detector based on the T2 weighted image.
同様に、たとえば骨の検出を行う場合、検出処理対象のＭＲＩ画像がＤＩＣＯＭ情報として標準撮影の情報または脂肪抑制法を用いた撮影の情報を有している場合には、その撮影手法に応じた検出器を用いるようにすればよい。検出処理対象のＭＲＩ画像が撮影手法の情報をもっていない場合には、標準的な撮影画像に基づく検出器と脂肪抑制法による撮影画像に基づく検出器との両方を用いて検出処理を行うようにすればよい。 Similarly, for example, when bone detection is performed, if the MRI image to be detected includes information on standard imaging or information on imaging using a fat suppression method as DICOM information, it corresponds to the imaging method. A detector may be used. If the MRI image to be detected does not have information on the imaging method, the detection process should be performed using both a detector based on the standard captured image and a detector based on the captured image by the fat suppression method. That's fine.
制御部４０は、画像検出装置１全体を制御するものである。特に、本実施形態の制御部４０は、検出処理対象のＭＲＩ画像を表示装置３に表示させたり、検出処理部３０による検出結果を検出処理対象のＭＲＩ画像上に表示させたりするものである。また、制御部４０が、学習用ＭＲＩ画像を表示装置３に表示させるようにしてもよい。 The control unit 40 controls the entire image detection apparatus 1. In particular, the control unit 40 of the present embodiment displays the detection processing target MRI image on the display device 3 and displays the detection result of the detection processing unit 30 on the detection processing target MRI image. Further, the control unit 40 may cause the display device 3 to display the learning MRI image.
表示装置３は、液晶ディスプレイなどの表示デバイスを備えたものであり、上述したように検出処理対象のＭＲＩ画像、検出処理結果および学習用ＭＲＩ画像などを表示するものである。 The display device 3 includes a display device such as a liquid crystal display, and displays the MRI image to be detected, the detection processing result, the learning MRI image, and the like as described above.
入力装置４は、ユーザによる種々の設定入力を受け付けるものであり、キーボードやマウスなどの入力デバイスを備えたものである。本実施形態の入力装置４は、上述したように検出器に入力される分類された学習用ＭＲＩ画像の指定を受け付けるようにしてもよい。各検出器に入力される学習用ＭＲＩ画像の指定は、たとえば表示装置３に表示された複数の学習用ＭＲＩ画像の中から、ユーザがマウスなどを用いて同じ分類に属する学習用ＭＲＩ画像を選択することによって行うようにすればよい。 The input device 4 accepts various setting inputs by a user and includes an input device such as a keyboard and a mouse. The input device 4 of the present embodiment may accept designation of the classified learning MRI image input to the detector as described above. The learning MRI image input to each detector is specified by, for example, selecting a learning MRI image belonging to the same category using a mouse or the like from among a plurality of learning MRI images displayed on the display device 3. This can be done by doing.
次に、本実施形態の医用画像検出システムの作用について、図４に示すフローチャートを参照しながら説明する。 Next, the operation of the medical image detection system of this embodiment will be described with reference to the flowchart shown in FIG.
まず、ユーザによる指示入力などに基づいて、上述したように検出対象の主成分に応じて分類された学習用ＭＲＩ画像が核磁気共鳴画像取得部１０によって取得される（Ｓ１０）。具体的には、上述したように検出器の検出対象の主成分が水である場合には、標準的なＴ１強調撮影の学習用ＭＲＩ画像と脂肪抑制法を用いたＴ１強調撮影の学習用ＭＲＩ画像とからなるＴ１強調撮影の学習用ＭＲＩ画像群と、標準的なＴ２強調撮影の学習用ＭＲＩ画像と脂肪抑制法を用いたＴ２強調撮影の学習用ＭＲＩ画像とからなるＴ２強調撮影の学習用ＭＲＩ画像群とが取得される。 First, based on an instruction input by the user, the MRI images for learning classified according to the main component to be detected as described above are acquired by the nuclear magnetic resonance image acquisition unit 10 (S10). Specifically, when the main component to be detected by the detector is water as described above, the learning MRI image for standard T1-weighted imaging and the learning MRI for T1-weighted imaging using the fat suppression method are used. A learning MRI image group of T1 weighted photographing composed of images, a learning MRI image of standard T2 weighted photographing, and a learning MRI image of T2 weighted photographing using a fat suppression method. An MRI image group is acquired.
また、検出器の検出対象の主成分が脂肪である場合には、標準的なＴ１強調撮影の学習用ＭＲＩ画像と標準的なＴ２強調撮影の学習用ＭＲＩ画像とからなる標準撮影の学習用ＭＲＩ画像群と、脂肪抑制法を用いたＴ１強調撮影の学習用ＭＲＩ画像と脂肪抑制法を用いたＴ２強調撮影の学習用ＭＲＩ画像とからなる脂肪抑制法による撮影の学習用ＭＲＩ画像群とが取得される。 In addition, when the main component of the detection target of the detector is fat, the MRI for standard imaging composed of the learning MRI image for standard T1-weighted imaging and the learning MRI image for standard T2-weighted imaging. An MRI image for learning using a fat suppression method including an image group and an MRI image for learning using T1 weighted imaging using a fat suppression method and an MRI image for learning using T2 weighted imaging using a fat suppression method are acquired. Is done.
そして、検出器生成部２０は、上述したような各学習用ＭＲＩ画像群を用いて検出器を機械学習させることによって、各学習用ＭＲＩ画像群に応じた検出器をそれぞれ生成する（Ｓ１２）。具体的には、上述したように検出対象が水を主成分とする眼球である場合には、Ｔ１強調画像に基づく検出器とＴ２強調画像に基づく検出器を生成する。また、検出対象が脂肪を主成分とする骨である場合には、標準的な撮影画像に基づく検出器と脂肪抑制法による撮影画像に基づく検出器とを生成する。 And the detector production | generation part 20 each produces | generates the detector according to each MRI image group for learning by carrying out machine learning of the detector using each MRI image group for learning as mentioned above (S12). Specifically, as described above, when the detection target is an eyeball mainly composed of water, a detector based on the T1 weighted image and a detector based on the T2 weighted image are generated. In addition, when the detection target is a bone whose main component is fat, a detector based on a standard captured image and a detector based on a captured image by the fat suppression method are generated.
次に、ユーザによる指示入力などに基づいて、検出処理対象のＭＲＩ画像が核磁気共鳴画像取得部１０によって取得され（Ｓ１４）、取得された検出処理対象のＭＲＩ画像は、検出処理部３０に入力される。 Next, based on an instruction input by the user, the MRI image to be detected is acquired by the nuclear magnetic resonance image acquisition unit 10 (S14), and the acquired MRI image to be detected is input to the detection processing unit 30. Is done.
検出処理部３０は、入力された検出処理対象のＭＲＩ画像に対して、検出対象に応じた検出器を用いて検出処理を施す（Ｓ１６）。具体的には、検出対象が眼球である場合には、Ｔ１強調画像に基づく検出器およびＴ２強調画像に基づく検出器の両方またはいずれか一方を用いて検出処理を行う。また、骨である場合には、標準的な撮影画像に基づく検出器および脂肪抑制法による撮影画像に基づく検出器の両方またはいずれか一方を用いて検出処理を行う。 The detection processing unit 30 performs a detection process on the input MRI image to be detected using a detector corresponding to the detection target (S16). Specifically, when the detection target is an eyeball, detection processing is performed using both or either one of a detector based on a T1 weighted image and a detector based on a T2 weighted image. In the case of a bone, the detection process is performed using either or either one of a detector based on a standard captured image and a detector based on a captured image by the fat suppression method.
検出処理部３０における検出結果は制御部４０に出力され、制御部４０は、検出処理対象のＭＲＩ画像を表示装置３に表示させ、かつそのＭＲＩ画像上に検出対象の検出結果を表示させる（Ｓ１８）。具体的には、たとえば頭部のＭＲＩ画像内において眼球の領域を検出した場合には、そのＭＲＩ画像上に眼球の領域を示すマークなどの指標を表示させる。 The detection result in the detection processing unit 30 is output to the control unit 40, and the control unit 40 displays the detection processing target MRI image on the display device 3 and displays the detection target detection result on the MRI image (S18). ). Specifically, for example, when an eyeball region is detected in the MRI image of the head, an index such as a mark indicating the eyeball region is displayed on the MRI image.
１ 画像検出装置
２ 医用画像保管サーバ
３ 表示装置
４ 入力装置
１０ 核磁気共鳴画像取得部
２０ 検出器生成部
２０ 検出処理部
２０ 検出器生成部
３０ 検出処理部
４０ 制御部
DESCRIPTION OF SYMBOLS 1 Image detection apparatus 2 Medical image storage server 3 Display apparatus 4 Input apparatus 10 Nuclear magnetic resonance image acquisition part 20 Detector generation part 20 Detection processing part 20 Detector generation part 30 Detection processing part 40 Control part
Claims (11)
前記各分類に属する磁気共鳴画像群を用いて、前記検出対象を検出する検出器を前記分類毎に生成する検出器生成部とを備えたことを特徴とする検出器生成装置。 Nuclear magnetism for acquiring a nuclear magnetic resonance image group in which nuclear magnetic resonance images photographed by two or more photographing techniques are classified into a number smaller than the number of the photographing techniques according to a preset main component to be detected. A resonance image acquisition unit;
A detector generation apparatus comprising: a detector generation unit that generates, for each classification, a detector that detects the detection target using a magnetic resonance image group belonging to each of the classifications.
前記Ｔ２強調撮影の核磁気共鳴画像群が、標準的な撮影の核磁気共鳴画像と脂肪抑制法を用いた撮影の核磁気共鳴画像とを含む請求項３記載の検出器生成装置。 The T1-weighted nuclear magnetic resonance image group includes a standard magnetic resonance image and a nuclear magnetic resonance image acquired using a fat suppression method,
The detector generating apparatus according to claim 3, wherein the T2-weighted imaging magnetic resonance image group includes a standard imaging nuclear magnetic resonance image and an imaging nuclear magnetic resonance image using a fat suppression method.
前記脂肪抑制法を用いた撮影の核磁気共鳴画像群が、Ｔ１強調撮影の核磁気共鳴画像とＴ２強調撮影の核磁気共鳴画像とを含む請求項５記載の検出器生成装置。 The standard imaging nuclear magnetic resonance image group includes a T1-weighted nuclear magnetic resonance image and a T2-weighted nuclear magnetic resonance image,
6. The detector generating apparatus according to claim 5, wherein the group of nuclear magnetic resonance images captured using the fat suppression method includes a T1-weighted nuclear magnetic resonance image and a T2-weighted nuclear magnetic resonance image.
前記各分類に属する磁気共鳴画像群を用いて、前記検出対象を検出する検出器を前記分類毎に生成することを特徴とする検出器生成方法。 Obtaining a nuclear magnetic resonance image group obtained by classifying nuclear magnetic resonance images photographed by two or more photographing techniques according to a preset main component of a detection target;
A detector generating method, wherein a detector for detecting the detection target is generated for each of the classifications using a magnetic resonance image group belonging to each of the classifications.
前記各分類に属する磁気共鳴画像群を用いて、前記検出対象を検出する検出器を前記分類毎に生成する検出器生成部として機能させることを特徴とする検出器生成プログラム。 A computer obtains a nuclear magnetic resonance image group in which nuclear magnetic resonance images taken by two or more imaging methods are classified into a number smaller than the number of the imaging methods according to a preset main component to be detected. Nuclear magnetic resonance image acquisition unit
A detector generation program that causes a detector for detecting the detection target to function as a detector generation unit for each classification by using a magnetic resonance image group belonging to each classification.
前記各分類に属する磁気共鳴画像群を用いて、前記検出対象を検出する検出器を前記分類毎に生成する検出器生成部を有し、前記分類毎の検出器の少なくとも１つを用いて、検出処理対象の核磁気共鳴画像に対して前記検出対象の検出処理を施す検出処理部とを備えたことを特徴とする画像検出装置。 Magnetic resonance for acquiring a nuclear magnetic resonance image group obtained by classifying nuclear magnetic resonance images photographed by two or more photographing techniques into a number smaller than the number of the photographing techniques according to a preset main component of a detection target An image group acquisition unit;
Using a magnetic resonance image group belonging to each of the classifications, a detector generation unit that generates, for each classification, a detector that detects the detection target, and using at least one of the detectors for each classification, An image detection apparatus comprising: a detection processing unit that performs detection processing of the detection target on a nuclear magnetic resonance image of the detection processing target.
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2014199625A JP6309417B2 (en) | 2014-09-30 | 2014-09-30 | Detector generating apparatus, method and program, and image detecting apparatus |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2014199625A JP6309417B2 (en) | 2014-09-30 | 2014-09-30 | Detector generating apparatus, method and program, and image detecting apparatus |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JP2016067573A true JP2016067573A (en) | 2016-05-09 |
| JP6309417B2 JP6309417B2 (en) | 2018-04-11 |
Family
ID=55865231
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP2014199625A Active JP6309417B2 (en) | 2014-09-30 | 2014-09-30 | Detector generating apparatus, method and program, and image detecting apparatus |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JP6309417B2 (en) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110522464A (en) * | 2018-05-25 | 2019-12-03 | 佳能医疗系统株式会社 | Medical signal processing apparatus and model learning device |
| JP2020058590A (en) * | 2018-10-10 | 2020-04-16 | キヤノンメディカルシステムズ株式会社 | Medical image processing device, medical image processing system and medical image processing program |
| JP2021183017A (en) * | 2020-05-21 | 2021-12-02 | キヤノン株式会社 | Information processing device, information processing method, and program |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20050043614A1 (en) * | 2003-08-21 | 2005-02-24 | Huizenga Joel T. | Automated methods and systems for vascular plaque detection and analysis |
| JP2013192624A (en) * | 2012-03-16 | 2013-09-30 | Hitachi Ltd | Medical image diagnosis supporting apparatus, medical image diagnosis supporting method and computer program |
| JP2014108164A (en) * | 2012-11-30 | 2014-06-12 | Ge Medical Systems Global Technology Co Llc | Detector, magnetic resonance apparatus, detection method, and program |
-
2014
- 2014-09-30 JP JP2014199625A patent/JP6309417B2/en active Active
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20050043614A1 (en) * | 2003-08-21 | 2005-02-24 | Huizenga Joel T. | Automated methods and systems for vascular plaque detection and analysis |
| JP2007502676A (en) * | 2003-08-21 | 2007-02-15 | アイシェム コーポレイション | Automated method and system for vascular plaque detection and analysis |
| JP2013192624A (en) * | 2012-03-16 | 2013-09-30 | Hitachi Ltd | Medical image diagnosis supporting apparatus, medical image diagnosis supporting method and computer program |
| JP2014108164A (en) * | 2012-11-30 | 2014-06-12 | Ge Medical Systems Global Technology Co Llc | Detector, magnetic resonance apparatus, detection method, and program |
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110522464A (en) * | 2018-05-25 | 2019-12-03 | 佳能医疗系统株式会社 | Medical signal processing apparatus and model learning device |
| CN110522464B (en) * | 2018-05-25 | 2023-11-03 | 佳能医疗系统株式会社 | Medical signal processing device and model learning device |
| JP2020058590A (en) * | 2018-10-10 | 2020-04-16 | キヤノンメディカルシステムズ株式会社 | Medical image processing device, medical image processing system and medical image processing program |
| JP7187244B2 (en) | 2018-10-10 | 2022-12-12 | キヤノンメディカルシステムズ株式会社 | Medical image processing device, medical image processing system and medical image processing program |
| JP2021183017A (en) * | 2020-05-21 | 2021-12-02 | キヤノン株式会社 | Information processing device, information processing method, and program |
Also Published As
| Publication number | Publication date |
|---|---|
| JP6309417B2 (en) | 2018-04-11 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| KR102154733B1 (en) | Apparatus and method for estimating whether malignant tumor is in object by using medical image | |
| US9662083B2 (en) | Medical image display apparatus and medical image display system | |
| RU2677764C2 (en) | Registration of medical images | |
| WO2018070285A1 (en) | Image processing device and image processing method | |
| US20200226752A1 (en) | Apparatus and method for processing medical image | |
| JP5643304B2 (en) | Computer-aided lung nodule detection system and method and chest image segmentation system and method in chest tomosynthesis imaging | |
| US8600135B2 (en) | System and method for automatically generating sample points from a series of medical images and identifying a significant region | |
| CN109716445B (en) | Similar case image search program, similar case image search device, and similar case image search method | |
| JP4785371B2 (en) | Multidimensional structure extraction method and system using dynamic constraints | |
| JP2019005557A (en) | Image processing device, magnetic resonance imaging device, and image processing program | |
| US10916010B2 (en) | Learning data creation support apparatus, learning data creation support method, and learning data creation support program | |
| JP2007172604A (en) | Method and apparatus for selecting computer-assisted algorithm based on protocol and/or parameter of acquisition system | |
| US9547896B2 (en) | Lesion classification apparatus, and method of modifying lesion classification data | |
| JP6309417B2 (en) | Detector generating apparatus, method and program, and image detecting apparatus | |
| US10083527B2 (en) | Multi-structure atlas and/or use thereof | |
| EP4209994A1 (en) | Method and system for automatic classification of radiographic images having different acquisition characteristics | |
| JP2020068881A (en) | Information processing apparatus, information processing method, and program | |
| JP2019208903A (en) | Medical image processor, medical image processing method, medical image processing program | |
| US20060257007A1 (en) | Method and device for analysis of three-dimensional digital image data | |
| Luu et al. | Automatic scan range for dose-reduced multiphase ct imaging of the liver utilizing cnns and gaussian models | |
| JP2017099721A (en) | Image processing device and image processing method | |
| JP2007330419A (en) | Image display device, method and program | |
| Shahrabi et al. | Design of Multivariate Hotelling’s T2 Control Chart Based on Medical Images Processing | |
| EP4270311A1 (en) | Image identification program, image identification method, image identification device | |
| Noorda et al. | Segmentation of the Cartilage in the Rib Cage in 3D MRI |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20160825 |
|
| RD03 | Notification of appointment of power of attorney |
Free format text: JAPANESE INTERMEDIATE CODE: A7423 Effective date: 20170522 |
|
| A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20170720 |
|
| A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20170801 |
|
| A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A821 Effective date: 20170908 |
|
| RD04 | Notification of resignation of power of attorney |
Free format text: JAPANESE INTERMEDIATE CODE: A7424 Effective date: 20170908 |
|
| A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20170929 |
|
| TRDD | Decision of grant or rejection written | ||
| A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20180213 |
|
| A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20180314 |
|
| R150 | Certificate of patent or registration of utility model |
Ref document number: 6309417 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
| R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
| R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
| R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
| R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |