JP2019030584A - 画像処理システム、装置、方法およびプログラム - Google Patents
画像処理システム、装置、方法およびプログラム Download PDFInfo
- Publication number
- JP2019030584A JP2019030584A JP2017154460A JP2017154460A JP2019030584A JP 2019030584 A JP2019030584 A JP 2019030584A JP 2017154460 A JP2017154460 A JP 2017154460A JP 2017154460 A JP2017154460 A JP 2017154460A JP 2019030584 A JP2019030584 A JP 2019030584A
- Authority
- JP
- Japan
- Prior art keywords
- image
- region
- attribute
- interest
- learning
- 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
- 238000012545 processing Methods 0.000 title claims abstract description 127
- 238000000034 method Methods 0.000 title claims abstract description 80
- 238000000605 extraction Methods 0.000 claims abstract description 50
- 238000010276 construction Methods 0.000 claims abstract description 24
- 238000004364 calculation method Methods 0.000 claims abstract description 21
- 206010056342 Pulmonary mass Diseases 0.000 description 85
- 230000015654 memory Effects 0.000 description 21
- 230000002159 abnormal effect Effects 0.000 description 19
- 230000006870 function Effects 0.000 description 18
- 238000002591 computed tomography Methods 0.000 description 11
- 230000002685 pulmonary effect Effects 0.000 description 7
- 238000003745 diagnosis Methods 0.000 description 5
- 238000004422 calculation algorithm Methods 0.000 description 4
- 230000000694 effects Effects 0.000 description 4
- 238000004891 communication Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 230000003211 malignant effect Effects 0.000 description 3
- 238000004519 manufacturing process Methods 0.000 description 3
- 206010028980 Neoplasm Diseases 0.000 description 2
- 238000004195 computer-aided diagnosis Methods 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 238000003748 differential diagnosis Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 239000000284 extract Substances 0.000 description 2
- 238000003384 imaging method Methods 0.000 description 2
- 210000004072 lung Anatomy 0.000 description 2
- 230000002093 peripheral effect Effects 0.000 description 2
- 230000005855 radiation Effects 0.000 description 2
- 238000007637 random forest analysis Methods 0.000 description 2
- 230000011218 segmentation Effects 0.000 description 2
- 238000012706 support-vector machine Methods 0.000 description 2
- 238000005481 NMR spectroscopy Methods 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 201000011510 cancer Diseases 0.000 description 1
- 230000015556 catabolic process Effects 0.000 description 1
- 239000003795 chemical substances by application Substances 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 238000006731 degradation reaction Methods 0.000 description 1
- 230000010365 information processing Effects 0.000 description 1
- 230000001788 irregular Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000002595 magnetic resonance imaging Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 238000013421 nuclear magnetic resonance imaging Methods 0.000 description 1
- 210000000056 organ Anatomy 0.000 description 1
- 230000001151 other effect Effects 0.000 description 1
- 238000002601 radiography Methods 0.000 description 1
- 238000009877 rendering Methods 0.000 description 1
- 238000011282 treatment Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/25—Determination of region of interest [ROI] or a volume of interest [VOI]
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/11—Region-based segmentation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/70—Determining position or orientation of objects or cameras
- G06T7/73—Determining position or orientation of objects or cameras using feature-based methods
- G06T7/74—Determining position or orientation of objects or cameras using feature-based methods involving reference images or patches
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/70—Determining position or orientation of objects or cameras
- G06T7/73—Determining position or orientation of objects or cameras using feature-based methods
- G06T7/75—Determining position or orientation of objects or cameras using feature-based methods involving models
-
- 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
- G06T2207/10—Image acquisition modality
- G06T2207/10072—Tomographic images
- G06T2207/10081—Computed x-ray tomography [CT]
-
- 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
- G06T2207/10—Image acquisition modality
- G06T2207/10072—Tomographic images
- G06T2207/10088—Magnetic resonance imaging [MRI]
-
- 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
- G06T2207/20—Special algorithmic details
- G06T2207/20081—Training; Learning
-
- 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
- G06T2207/30061—Lung
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V2201/00—Indexing scheme relating to image or video recognition or understanding
- G06V2201/03—Recognition of patterns in medical or anatomical images
- G06V2201/032—Recognition of patterns in medical or anatomical images of protuberances, polyps nodules, etc.
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Multimedia (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Radiology & Medical Imaging (AREA)
- Quality & Reliability (AREA)
- Health & Medical Sciences (AREA)
- Image Analysis (AREA)
- Apparatus For Radiation Diagnosis (AREA)
Abstract
Description
(概要)
本実施形態に係る画像処理装置は、学習過程と識別過程の2つの処理を行う。学習過程では、画像処理装置は、まず学習用画像から、処理対象である肺結節(以下、対象肺結節)に属する複数の位置座標(基準点)を取得し、それぞれの基準点に基づいて対象肺結節の抽出結果(マスク画像)を複数個取得する。肺結節は注目部位の一例に相当し、肺結節の領域は、注目領域の一例に相当する。次に、画像処理装置は、取得されたそれぞれのマスク画像に対応する対象肺結節の特徴量を算出し、求める対象である当該対象肺結節の属性の正解値と同時に学習データに登録する。画像処理装置は、登録された複数の学習データを用いて対象肺結節の属性を求める(推論する)識別器を構築する。そして、識別過程では、画像処理装置は、学習過程で構築された識別器を用いて、識別用画像における肺結節の属性を推論する。ここで、属性とは例えば肺結節の良悪性や肺結節の画像所見を指す。以下の説明では、CT画像上の肺結節を処理対象とする場合について説明するが、本実施形態の適用範囲は、対象臓器、腫瘍やモダリティの種類に限定されるものではない。以下、具体的な装置構成、機能構成および処理フローを説明する。
図1に基づいて本発明の第1の実施形態に係る画像処理装置100及び、画像処理装置100と接続される各装置から構成される画像処理システム190について詳しく説明する。画像処理システム190は、画像を撮影する画像撮影装置110と、撮影された画像を記憶するデータサーバ120と、画像処理を行う画像処理装置100と、取得された入力画像及び画像処理結果を表示する表示部160と、ユーザからの指示を入力するための操作部170、を有する。画像処理装置100は、入力画像を取得し、当該入力画像に写った注目領域に対して、画像処理を実施する。入力画像とは、例えば画像撮影装置110により取得された画像データを、診断に好適な画像とするための画像処理等を施して得られる画像である。また、本実施形態における入力画像は、学習用画像あるいは識別用画像となる。以下、各部について説明する。 画像処理装置100は、例えばコンピュータであり、本実施形態に係る画像処理を行う。画像処理装置100は、中央演算処理装置(CPU:Central Processing Unit)11、主メモリ12、磁気ディスク13、表示メモリ14を有する。CPU11は、画像処理装置100の各構成要素の動作を統合的に制御する。
次に、図2に基づいて本実施形態に係る画像処理装置100を含む画像処理システムの機能構成について説明する。主メモリ12に格納されたプログラムをCPU11が実行ことにより、図2に示した各部の機能が実現される。なお、プログラムを実行する主体は1以上のCPUであってもよいし、プログラムを記憶する主メモリも1以上のメモリであってもよい。また、CPUに替えてもしくはCPUと併用してGPU(Graphics Processing Unit)など他のプロセッサを用いることとしてもよい。すなわち、少なくとも1以上のプロセッサ(ハードウエア)が当該プロセッサと通信可能に接続された少なくとも1以上のメモリに記憶されたプログラムを実行することで、図2に示した各部の機能が実現される。
続いて、本発明の第1の実施形態に係る画像処理について説明する。図3は本実施形態の画像処理装置100が実行する処理の処理手順を示す図である。本実施形態は、主メモリ12に格納されている各部の機能を実現するプログラムをCPU11が実行することにより実現される。本実施形態では、処理対象画像はCT画像であるとして説明する。CT画像は3次元濃淡画像として取得される。また、本実施形態では肺結節を処理対象画像に含まれる処理対象物の例として説明する。
ステップS1100において、学習用データ取得部1000は、対象肺結節の属性を識別する識別器を構築するために、学習用データAを取得する。学習用データAは、処理対象画像(学習用画像)IA(x,y,z)と学習用画像に描出されている対象肺結節の属性の正解データDAのセットとなる。
ステップS1110において、基準点群生成部1010は、学習用画像IA(x,y,z)中の対象肺結節に属するn個の点PAi(xAi,yAi,zAi)(i=1,2,・・・,n)を基準点として生成する。n個の点PAiは例えばそれぞれ異なる位置の点である。ここで、PAiを要素として持つ集合を基準点群PA={PAi|i=1,2,・・・,n}とする。学習用画像から基準点群の生成についての例を説明する。
ステップS1120において、領域データ群生成部1020は、領域抽出処理によって学習用画像IA(x,y,z)から対象肺結節の領域データ群を生成する。領域データ群生成部1020は、ステップS1100で取得した学習用画像IA(x,y,z)、ステップS1110で取得した基準点群PAと局所画像領域VA(x,y,z)を用いて、夫々の基準点から領域抽出処理を行う。本処理によって、各基準点と1対1の対応関係を持つ肺結節の領域データ(マスク画像)が取得される。以下、図5を用いて、ステップS1110で4点(n=4)の基準点を取得した場合での領域抽出処理を説明する。なお基準点の数は複数であればよく上記の値に限定されるものではない。
ステップS1130において、特徴量データ群生成部1030は、対象肺結節の特徴量データ群を取得する。特徴量データ群生成部1030は、ステップS1100で取得した学習用画像IA(x,y,z)、ステップS1110で取得した局所画像領域VA(x,y,z)とステップS1120で取得した対象肺結節の領域データ群RAに基づいて、対象肺結節の特徴量を計算する。
ステップS1140において、識別器構築部1040は、肺結節の属性を推論するための識別器を構築する。まず、識別器構築部1040は、ステップS1100で取得した属性の正解データDAと、ステップS1130で取得した特徴量群データFAのセットを教師データとして、画像処理装置100の主メモリ12に登録する。すなわち、識別器構築部1040は、正解データDAと特徴量群データFAとを対応付けて主メモリ12に登録する。ここで、ステップS1100からステップS1130までの処理を必要に応じて繰り返すことにより、複数の教師データ(教師データ群)を登録する。
ステップS1150において、識別用データ取得部1005は肺結節の属性を識別するための識別用画像を取得する。すなわち、識別用データ取得部1005は識別用画像をデータサーバ120から取得し画像処理装置100の主メモリ12に記憶する。
ステップS1160において、基準点取得部1015は識別対象となる肺結節(識別対象肺結節)の基準点を取得する。基準点取得部1015は、ステップS1150で取得した識別用画像Irec(i,j,k)に描出されている識別対象肺結節の領域に属する画素Pseed_recを取得する。
ステップS1170において、領域抽出部1025は、識別用画像から識別対象肺結節の領域を抽出する。領域抽出部1025は、ステップS1150で取得した識別用画像Irec(i,j,k)、ステップS1160で取得した基準点Pseed_recに基づいて、Irec(i,j,k)における識別対象肺結節の領域を抽出し抽出結果を取得する。
ステップS1180において、特徴量算出部1035は、識別対象肺結節の特徴量を計算する。特徴量算出部1035は、ステップS1150で取得した識別用画像Irec(i,j,k)ならびにステップS1170で取得した抽出結果Rrec(i,j,k)に基づいて、識別対象肺結節の特徴量を算出する。
ステップS1190において、属性推論部1050は、識別対象肺結節の属性を推論する。属性推論部1050は、ステップS1180で取得した特徴量FrecをステップS1140で構築された識別器Cproに入力し、対象肺結節の属性を求める。
ステップS1200において、表示制御部1090は処理結果を表示部160に表示させる。表示制御部1090は、識別対象肺結節の抽出結果、特徴量情報、および属性の推論結果を少なくとも1つを表示部160に表示させる。この場合、表示制御部1090は、抽出結果、特徴量情報および属性に関する情報を画像処理装置100に接続された表示部160に送信し、表示部160に表示させる制御を行う。
(概要)
次に、図面を参照して、第2の実施形態の一例を詳しく説明する。なお、上記の実施形態と同様の構成、機能、及び動作についての説明は省略し、主に本実施形態との差異について説明する。
図7に基づいて、本発明の第二の実施形態に係る画像処理装置200を構成する各機能構成について説明する。本実施形態において、第1実施形態と同様の機能を持つ構成要素には図2と同一の番号を付しており、重複した説明は省略する。図7に示すように、本実施形態における画像処理装置200は、機能構成として、モデル生成部150、学習部133、識別部140、表示制御部1090を有する。モデル生成部150についても第1実施形態と同様にプロセッサにより実現される。学習部133はさらに、学習用データ取得部1000、基準点群生成部1018、領域データ群生成部1020、特徴量データ生成部1030、識別器構築部1040を有する。また、識別部140は、識別用データ取得部1005、基準点取得部1015、領域抽出部1025、特徴量算出部1035、属性推論部1050から構成される。画像処理装置200は、データサーバ120、表示部160に接続する。
続いて、第二の実施形態に係る画像処理について説明する。図8(a)、(b)、(c)は本実施形態の画像処理装置200が実行するモデル構築過程、学習過程、及び識別過程の処理手順を示す図である。本実施形態は、主メモリ12に格納されている各部の機能を実現するプログラムをCPU11が実行することにより実現される。
ステップS2000において、モデル生成部150は、基準点生成モデルを構築する。モデル生成部150は、データサーバ120から、複数の入力画像(基準点生成モデル構築用の教師画像)と夫々の画像に描画されている対象肺結節に属する基準点情報を用いて学習し、基準点生成モデルを構築する。ここで、基準点情報は事前(過去)に入力されてもよいし、操作者が操作部170を介して入力してもよい。
ステップS2110において、基準点群生成部1018は、基準点集合(基準点群)を作成する。基準点群生成部1018は、ステップS2000で構築された基準点生成モデルとS2100で取得された学習用画像を用いて、学習用画像に描画されている対象肺結節に属する複数の点を基準点集合(基準点群)として取得する。
(概要)
次に、図面を参照して、第3の実施形態の一例を詳しく説明する。なお、上記の実施形態と同様の構成、機能、及び動作についての説明は省略し、主に本実施形態との差異について説明する。
図10に基づいて、本発明の第3の実施形態に係る画像処理装置300を構成する各機能構成について説明する。本実施形態において、第2実施形態と同様の機能を持つ構成要素には図7と同一の番号を付しており、重複した説明は省略する。図10に示すように、本実施形態における画像処理装置300は、機能構成として、モデル生成部155、学習部133、識別部145、表示制御部1090を有する。モデル生成部155についても第1実施形態と同様にプロセッサにより実現される。学習部133はさらに、学習用データ取得部1000、基準点群生成部1018、領域データ群生成部1020、特徴量データ生成部1030、識別器構築部1040を有する。また、識別部145は、識別用データ取得部1005、基準点取得部1015、領域抽出部1025、特徴量算出部1035、属性推論部1050、記憶部1060から構成される。画像処理装置300は、データサーバ120、表示部160に接続する。記憶部1060は、基準点取得部1015、領域抽出部1025、特徴量算出部1035、属性推論部1050で取得された情報を主メモリ12に格納する。モデル生成部155は、新たに主メモリ12に格納された基準点情報を取得し、追加学習を行うことによって既存の基準点生成モデルを更新する。前記更新によって、同一操作者の入力情報が徐々に基準点生成モデルに取り入れられ、同操作者の習慣に適したモデルを構築することができる。
続いて、第3の実施形態に係る画像処理について説明する。図11(a)、(b)、(c)、(d)は本実施形態の画像処理装置300が実行するモデル構築過程、学習過程、識別過程およびモデル更新過程の処理手順を示す図である。本実施形態は、主メモリ12に格納されている各部の機能を実現するプログラムをCPU11が実行することにより実現される。
ステップS3300において、記憶部1060は、ステップS3160で取得された基準点情報を主メモリ12に格納する。また、記憶部1060は、ステップS3170で取得された領域データ、ステップS3180で取得された特徴量情報、ステップS3190で取得された属性情報などを同時に主メモリ12に格納してもよい。
ステップS3005において、モデル生成部155は、基準点生成モデルを更新する。モデル生成部155は、主メモリ12に格納されている識別用画像と操作者が入力した基準点情報を取得する。取得された識別用画像と基準点情報を用いて、ステップS3000で構築された基準点生成モデルの追加学習を行う。追加学習は、ステップS2000で記述されているモデル構築時の学習と同じく、識別用画像と基準点情報を既存の基準点生成モデルの正規化画像空間に投影し、正規化空間における各画素の基準点尤度を再計算する。前記投影および尤度再計算処理によって、基準点生成モデルが更新される。
上述の各実施形態における画像処理装置および画像処理システムは、単体の装置として実現してもよいし、複数の情報処理装置を含む装置を互いに通信可能に組合せて上述の処理を実行する形態としてもよく、いずれも本発明の実施形態に含まれる。共通のサーバ装置あるいはサーバ群で、上述の処理を実行することとしてもよい。この場合、当該共通のサーバ装置は実施形態に係る画像処理装置に対応し、当該サーバ群は実施形態に係る画像処理システムに対応する。画像処理装置および画像処理システムを構成する複数の装置は所定の通信レートで通信可能であればよく、また同一の施設内あるいは同一の国に存在することを要しない。
130 学習部
1000 画像取得部
1010 基準点群生成部
1020 領域データ群生成部
1030 特徴量データ群生成部
1040 識別器構築部
140 識別部
1005 識別用データ取得部
1015 機重点取得部
1025 領域抽出部
1035 特徴量算出部
1050 属性推論部
1090 表示制御部
150 モデル生成部
1018 基準点群生成部
155 モデル生成部
1060 記憶部
Claims (10)
- 学習用画像に描出されている注目部位を示す注目領域に属する互いに異なる複数の位置座標を前記学習用画像に設定する第1設定手段と、
前記注目領域を、前記複数の位置座標の各々を用いて抽出する抽出手段と、
前記複数の位置座標に対応する前記注目領域の複数の抽出結果それぞれから、前記注目部位の属性を決定するための特徴量を計算する計算手段と、
前記注目領域の複数の抽出結果に対応する複数の前記特徴量と前記学習用画像に描出されている前記注目部位の属性の正解値とに基づいて、前記属性を決定するための識別器を構築する構築手段と、
識別用画像に描出されている前記注目部位を示す注目領域に属する位置座標を前記識別用画像に設定する第2設定手段と、
前記識別器と前記第2設定手段により設定された位置座標を用いて、前記識別用画像に描出されている前記注目部位の属性を決定する決定手段と、
を有することを特徴とする画像処理システム。 - 前記第1設定手段は、前記学習用画像に描出されている前記注目領域の特徴に基づいて前記位置座標を前記学習用画像に設定することを特徴とする請求項1に記載の画像処理システム。
- 前記特徴は前記学習用画像に描出されている前記注目領域の濃度値であることを特徴とする請求項2に記載の画像処理システム。
- 前記第1設定手段は、過去に設定された位置座標に基づいて前記位置座標を前記学習用画像に設定することを特徴とする請求項1に記載の画像処理システム。
- 前記過去に設定された位置座標に基づいてモデルを生成する生成手段を更に備え、
前記第1設定手段は、前記モデルに基づいて前記位置座標を前記学習用画像に設定することを特徴とする請求項4に記載の画像処理システム。 - 前記モデルは、画像における各画素が位置座標として指定される確率を表すモデルであることを特徴とする請求項5に記載の画像処理装置。
- 前記識別用画像に対して設定された位置情報を用いて、前記モデルが更新されることを特徴とする請求項5又は請求項6に記載の画像処理システム。
- 学習用画像に描出されている注目部位を示す注目領域に属する複数の位置座標を前記学習用画像に設定する設定手段と、
前記注目領域を、前記複数の位置座標の各々を用いて抽出する抽出手段と、
前記複数の位置座標に対応する前記注目領域の複数の抽出結果それぞれから、前記注目部位の属性を決定するための特徴量を計算する計算手段と、
前記注目領域の複数の抽出結果に対応する複数の前記特徴量と前記注目部位の属性の正解値とに基づいて、前記属性を決定するための識別器を構築する構築手段と、
を備える装置。 - 学習用画像に描出されている注目部位を示す注目領域に属する複数の位置座標を前記学習用画像に設定する設定工程と、
前記注目領域を、前記複数の位置座標の各々を用いて抽出する抽出工程と、
前記複数の位置座標に対応する前記注目領域の複数の抽出結果それぞれから、前記注目部位の属性を決定するための特徴量を計算する計算工程と、
前記注目領域の複数の抽出結果に対応する複数の前記特徴量と前記注目部位の属性の正解値とに基づいて、前記属性を決定するための識別器を構築する構築工程と、
を備える方法。 - 請求項9記載の方法の各工程をコンピュータに実行させることを特徴とするプログラム。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2017154460A JP6824845B2 (ja) | 2017-08-09 | 2017-08-09 | 画像処理システム、装置、方法およびプログラム |
US16/055,618 US10748282B2 (en) | 2017-08-09 | 2018-08-06 | Image processing system, apparatus, method and storage medium |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2017154460A JP6824845B2 (ja) | 2017-08-09 | 2017-08-09 | 画像処理システム、装置、方法およびプログラム |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2019030584A true JP2019030584A (ja) | 2019-02-28 |
JP6824845B2 JP6824845B2 (ja) | 2021-02-03 |
Family
ID=65275388
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2017154460A Active JP6824845B2 (ja) | 2017-08-09 | 2017-08-09 | 画像処理システム、装置、方法およびプログラム |
Country Status (2)
Country | Link |
---|---|
US (1) | US10748282B2 (ja) |
JP (1) | JP6824845B2 (ja) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2020202680A1 (ja) * | 2019-03-29 | 2020-10-08 | キヤノン株式会社 | 情報処理装置及び情報処理方法 |
WO2021079451A1 (ja) * | 2019-10-24 | 2021-04-29 | 日本電気株式会社 | 学習装置、学習方法、推論装置、推論方法、及び、記録媒体 |
JP2021133255A (ja) * | 2020-02-27 | 2021-09-13 | 国立陽明交通大学 | 良性腫瘍の進行傾向評価システム、そのサーバコンピュータ装置及びコンピュータ読み取り可能な記憶媒体 |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112241936B (zh) * | 2019-07-18 | 2023-08-25 | 杭州海康威视数字技术股份有限公司 | 图像处理方法、装置及设备、存储介质 |
CN110555833B (zh) * | 2019-08-30 | 2023-03-21 | 联想(北京)有限公司 | 图像处理方法、装置、电子设备以及介质 |
JP2021074360A (ja) * | 2019-11-12 | 2021-05-20 | 株式会社日立製作所 | 医用画像処理装置及び医用画像処理方法、医用画像処理プログラム |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101515365A (zh) * | 2009-03-25 | 2009-08-26 | 沈阳东软医疗系统有限公司 | 一种ct影像中的粘连血管型肺结节自动分割方法 |
JP2012245374A (ja) * | 2012-09-07 | 2012-12-13 | Mitsubishi Precision Co Ltd | 生体データモデル作成方法及びその装置並びに生体データモデルのデータ構造及び生体データモデルのデータ格納装置並びに三次元データモデルの負荷分散方法及びその装置 |
JP2014061072A (ja) * | 2012-09-20 | 2014-04-10 | Fujifilm Corp | 画像処理装置および方法ならびにプログラム |
JP2016007270A (ja) * | 2014-06-23 | 2016-01-18 | 東芝メディカルシステムズ株式会社 | 医用画像処理装置 |
JP2017012446A (ja) * | 2015-06-30 | 2017-01-19 | キヤノン株式会社 | 画像処理装置 |
US20170035381A1 (en) * | 2015-08-06 | 2017-02-09 | Case Western Reserve University | Characterizing disease and treatment response with quantitative vessel tortuosity radiomics |
Family Cites Families (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2005010206A1 (ja) * | 2003-07-29 | 2005-02-03 | Nec Corporation | 染色体状態の評価方法および評価システム |
EP1780672A1 (en) * | 2005-10-25 | 2007-05-02 | Bracco Imaging, S.P.A. | Method of registering images, algorithm for carrying out the method of registering images, a program for registering images using the said algorithm and a method of treating biomedical images to reduce imaging artefacts caused by object movement |
US8295575B2 (en) * | 2007-10-29 | 2012-10-23 | The Trustees of the University of PA. | Computer assisted diagnosis (CAD) of cancer using multi-functional, multi-modal in-vivo magnetic resonance spectroscopy (MRS) and imaging (MRI) |
US20120014578A1 (en) * | 2010-07-19 | 2012-01-19 | Qview Medical, Inc. | Computer Aided Detection Of Abnormalities In Volumetric Breast Ultrasound Scans And User Interface |
US11074495B2 (en) * | 2013-02-28 | 2021-07-27 | Z Advanced Computing, Inc. (Zac) | System and method for extremely efficient image and pattern recognition and artificial intelligence platform |
US20160135776A1 (en) * | 2013-06-10 | 2016-05-19 | Howard C. Chandler, JR. | Method and system for intraoperative imaging of soft tissue in the dorsal cavity |
CN107624192B (zh) * | 2015-05-11 | 2020-10-27 | 西门子公司 | 通过内窥镜组织分化的外科引导和术中病理的系统和方法 |
US9760807B2 (en) * | 2016-01-08 | 2017-09-12 | Siemens Healthcare Gmbh | Deep image-to-image network learning for medical image analysis |
JP6957152B2 (ja) * | 2016-12-28 | 2021-11-02 | キヤノン株式会社 | 情報処理装置、抽出方法およびプログラム |
-
2017
- 2017-08-09 JP JP2017154460A patent/JP6824845B2/ja active Active
-
2018
- 2018-08-06 US US16/055,618 patent/US10748282B2/en active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101515365A (zh) * | 2009-03-25 | 2009-08-26 | 沈阳东软医疗系统有限公司 | 一种ct影像中的粘连血管型肺结节自动分割方法 |
JP2012245374A (ja) * | 2012-09-07 | 2012-12-13 | Mitsubishi Precision Co Ltd | 生体データモデル作成方法及びその装置並びに生体データモデルのデータ構造及び生体データモデルのデータ格納装置並びに三次元データモデルの負荷分散方法及びその装置 |
JP2014061072A (ja) * | 2012-09-20 | 2014-04-10 | Fujifilm Corp | 画像処理装置および方法ならびにプログラム |
JP2016007270A (ja) * | 2014-06-23 | 2016-01-18 | 東芝メディカルシステムズ株式会社 | 医用画像処理装置 |
JP2017012446A (ja) * | 2015-06-30 | 2017-01-19 | キヤノン株式会社 | 画像処理装置 |
US20170035381A1 (en) * | 2015-08-06 | 2017-02-09 | Case Western Reserve University | Characterizing disease and treatment response with quantitative vessel tortuosity radiomics |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2020202680A1 (ja) * | 2019-03-29 | 2020-10-08 | キヤノン株式会社 | 情報処理装置及び情報処理方法 |
WO2021079451A1 (ja) * | 2019-10-24 | 2021-04-29 | 日本電気株式会社 | 学習装置、学習方法、推論装置、推論方法、及び、記録媒体 |
JPWO2021079451A1 (ja) * | 2019-10-24 | 2021-04-29 | ||
JP7351344B2 (ja) | 2019-10-24 | 2023-09-27 | 日本電気株式会社 | 学習装置、学習方法、推論装置、推論方法、及び、プログラム |
JP2021133255A (ja) * | 2020-02-27 | 2021-09-13 | 国立陽明交通大学 | 良性腫瘍の進行傾向評価システム、そのサーバコンピュータ装置及びコンピュータ読み取り可能な記憶媒体 |
JP7198300B2 (ja) | 2020-02-27 | 2022-12-28 | 国立陽明交通大学 | 良性腫瘍の進行傾向評価システム、そのサーバコンピュータ装置及びコンピュータ読み取り可能な記憶媒体 |
Also Published As
Publication number | Publication date |
---|---|
US20190050983A1 (en) | 2019-02-14 |
US10748282B2 (en) | 2020-08-18 |
JP6824845B2 (ja) | 2021-02-03 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP6824845B2 (ja) | 画像処理システム、装置、方法およびプログラム | |
US10980493B2 (en) | Medical image display device, method, and program | |
CN105167793B (zh) | 图像显示装置、显示控制装置及显示控制方法 | |
US20190131012A1 (en) | Image search device, image search method, and image search program | |
JP7005191B2 (ja) | 画像処理装置、医用画像診断装置、及びプログラム | |
US10949698B2 (en) | Image processing apparatus, image processing system, image processing method, and storage medium | |
US11276490B2 (en) | Method and apparatus for classification of lesion based on learning data applying one or more augmentation methods in lesion information augmented patch of medical image | |
US20180064409A1 (en) | Simultaneously displaying medical images | |
US11200443B2 (en) | Image processing apparatus, image processing method, and image processing system | |
CN106485691A (zh) | 信息处理装置、信息处理系统和信息处理方法 | |
JP6983573B2 (ja) | 画像処理装置、画像処理方法およびプログラム | |
EP3537447A1 (en) | Display of medical image data | |
JP2023033639A (ja) | 情報処理装置、情報処理方法およびプログラム | |
US11715279B2 (en) | Weighted image generation apparatus, method, and program, determiner learning apparatus, method, and program, region extraction apparatus, method, and program, and determiner | |
US20180271460A1 (en) | System for Synthetic Display of Multi-Modality Data | |
WO2020110774A1 (ja) | 画像処理装置、画像処理方法、及びプログラム | |
JP6073632B2 (ja) | 医用画像処理装置及び医用画像処理プログラム | |
JP6643821B2 (ja) | 画像処理装置 | |
JP2017189394A (ja) | 情報処理装置および情報処理システム | |
CN116664476A (zh) | 确定医学图像数据中描绘的解剖异常的变化的方法和系统 | |
US20210256741A1 (en) | Region correction apparatus, region correction method, and region correction program | |
CN115527655A (zh) | 提供第二结果数据集的方法、系统和计算机可读存储介质 | |
WO2020174770A1 (ja) | 領域特定装置、方法およびプログラム、学習装置、方法およびプログラム、並びに識別器 | |
WO2020137092A1 (ja) | 領域特定装置、方法およびプログラム | |
US11972570B2 (en) | Image processing apparatus, image processing method, and image processing program |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20191220 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20201124 |
|
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: 20201215 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20210113 |
|
R151 | Written notification of patent or utility model registration |
Ref document number: 6824845 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R151 |