JP2019097676A - 放射線撮影システム及び放射線撮影方法、画像処理装置およびプログラム - Google Patents
放射線撮影システム及び放射線撮影方法、画像処理装置およびプログラム Download PDFInfo
- Publication number
- JP2019097676A JP2019097676A JP2017229365A JP2017229365A JP2019097676A JP 2019097676 A JP2019097676 A JP 2019097676A JP 2017229365 A JP2017229365 A JP 2017229365A JP 2017229365 A JP2017229365 A JP 2017229365A JP 2019097676 A JP2019097676 A JP 2019097676A
- Authority
- JP
- Japan
- Prior art keywords
- radiation
- arrangement
- image
- unit
- images
- 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 description 46
- 238000000034 method Methods 0.000 title description 36
- 230000005855 radiation Effects 0.000 claims abstract description 376
- 238000003384 imaging method Methods 0.000 claims description 60
- 238000011156 evaluation Methods 0.000 claims description 52
- 210000003484 anatomy Anatomy 0.000 claims description 41
- 238000001514 detection method Methods 0.000 claims description 29
- 239000013598 vector Substances 0.000 claims description 27
- 238000002601 radiography Methods 0.000 claims description 12
- 230000001678 irradiating effect Effects 0.000 claims description 7
- 230000005484 gravity Effects 0.000 claims description 6
- 230000008707 rearrangement Effects 0.000 claims description 3
- 230000002194 synthesizing effect Effects 0.000 claims description 3
- 238000011946 reduction process Methods 0.000 claims 1
- 238000011176 pooling Methods 0.000 description 38
- 238000013527 convolutional neural network Methods 0.000 description 22
- 230000008569 process Effects 0.000 description 13
- 238000001914 filtration Methods 0.000 description 8
- 230000008878 coupling Effects 0.000 description 7
- 238000010168 coupling process Methods 0.000 description 7
- 238000005859 coupling reaction Methods 0.000 description 7
- 238000007781 pre-processing Methods 0.000 description 7
- 238000004364 calculation method Methods 0.000 description 6
- 238000013480 data collection Methods 0.000 description 6
- 230000006870 function Effects 0.000 description 6
- 210000003423 ankle Anatomy 0.000 description 5
- 238000005516 engineering process Methods 0.000 description 5
- 230000015654 memory Effects 0.000 description 5
- 230000009467 reduction Effects 0.000 description 5
- 230000008859 change Effects 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 210000000629 knee joint Anatomy 0.000 description 4
- 238000010801 machine learning Methods 0.000 description 4
- 238000013528 artificial neural network Methods 0.000 description 3
- 230000010485 coping Effects 0.000 description 3
- 230000007423 decrease Effects 0.000 description 3
- 238000000605 extraction Methods 0.000 description 3
- 210000004705 lumbosacral region Anatomy 0.000 description 3
- 210000004072 lung Anatomy 0.000 description 3
- 239000011159 matrix material Substances 0.000 description 3
- 210000004197 pelvis Anatomy 0.000 description 3
- 210000000689 upper leg Anatomy 0.000 description 3
- 230000004913 activation Effects 0.000 description 2
- 238000012937 correction Methods 0.000 description 2
- 230000015572 biosynthetic process Effects 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 201000010099 disease Diseases 0.000 description 1
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 1
- 210000001624 hip Anatomy 0.000 description 1
- 210000003141 lower extremity Anatomy 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 210000000056 organ Anatomy 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 238000001308 synthesis method Methods 0.000 description 1
- 238000003786 synthesis reaction Methods 0.000 description 1
- 210000001519 tissue Anatomy 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 230000003936 working memory Effects 0.000 description 1
Images
Landscapes
- Apparatus For Radiation Diagnosis (AREA)
Abstract
Description
前記複数の放射線画像それぞれの特徴に基づいて、前記放射線画像を撮影した放射線検出器の配置を判定する配置判定部を備え、
前記長尺画像生成部は、前記配置判定部が判定した前記放射線検出器の配置に基づいて前記放射線画像を合成し、前記長尺画像を生成することを特徴とする。
(放射線撮影システム100の概略構成)
図1は、本発明が適用される長尺撮影可能な放射線撮影システム100の概略構成を示す図である。放射線撮影システム100は、空間的に異なる位置に配置された放射線検出器に放射線を照射して得られる複数の放射線画像を合成し、長尺画像を生成することが可能である。放射線撮影システム100は、放射線発生部101、放射線検出部102、データ収集部103、前処理部104、CPU105、メインメモリ106、操作部107、表示部108、画像処理部109を備えている。さらに、これらはCPUバス110を介して互いにデータの送受信が可能となるように接続されている。
放射線撮影システム100において、メインメモリ106は、CPU105での処理に必要な各種データを記憶すると共に、CPU105のワーキング・メモリとして機能する。CPU105は、メインメモリ106を用いて、操作部107からの操作にしたがい、装置全体の動作制御等を行う。これにより放射線撮影システム100は、以下のように動作する。
上述した通り、本実施形態では被写体140は1つの放射線検出器に収まりきらない大きさであることを想定している。これは例えば人体全脊椎領域である。この人体全脊椎領域を撮影するために、放射線検出部102は、例えば図1に示すように、一部分が空間的に重なるように並べて配置された複数の放射線検出器(102a、102b、102c)で構成される。
画像処理部109は、配置判定部111と、長尺画像生成部112とを有する。配置判定部111は、放射線検出器の出力から生成される複数の画像データ(放射線画像)の順序や向きなどの放射線検出器の配置を判別する。配置判定部111は、複数の放射線画像それぞれの特徴に基づいて、放射線画像を撮影した放射線検出部102を構成する放射線検出器の配置を判定することが可能である。また、長尺画像生成部112は、配置判定部111が判定した放射線検出器の配置に基づいて複数の放射線画像を合成し、長尺画像を生成する。
図4は、実施形態1の配置判定部の概略構成を示す図である。画像処理部109において、配置判定部111は、記憶部401、部位有無判定部402、順序関係決定部403を備えており、本実施形態の特徴的な構成となる(図4)。
配置判定部111は、画像処理部109に入力されたN枚の放射線画像を1枚ずつ部位有無判定部402へ入力する。部位有無判定部402は、入力された放射線画像In(1≦n≦N)から、記憶部401に登録されている複数の解剖学的部位ひとつひとつについてその存在有無を判定し、判定結果を出力する。
配置判定部111は、部位有無判定部402が出力したN枚の放射線画像全てに関する判定結果を順序関係決定部403に入力する。順序関係決定部403は、入力された全ての判定結果を記憶部401に登録されている解剖学的部位の位置関係と照合することでN枚の放射線画像間の順序関係を決定する。
長尺画像生成部112は、配置判定部111が出力する放射線画像の配置の判定結果、すなわち、放射線検出器の配置の判定結果に基づいて放射線画像In(1≦n≦N)を並び替えて合成し、長尺画像ILを生成する。
長尺撮影において1枚の放射線画像上に撮影される被写体の部位はバリエーションに富んでおり、同じ部位でも被写体140の長手方向にずれが生じたり、放射線発生部101の開口絞りにより照射野が異なる場合も生じ得る。また、被写体140の疾病によっては、背骨や腰が大きく湾曲しているなど、いつも所定の部位に所定の部位が存在するとは限らない。
図8および図9により、実施形態1の部位有無判定部402の概略構成および部位有無判定部402の動作の一例を説明する。CNNの処理は以上の畳み込み層、プーリング層、全結合層を解決する問題に応じて適当に組み合わせることで実現される。例えば図8は、部位有無判定部402を、第1の畳み込み層801、第1のプーリング層802、第2の畳み込み層803、第2のプーリング層804、全結合層805で構成したものである。この構成において、部位有無判定部402が入力された部位画像Iから複数の解剖学的部位の存在有無を判定する流れを図9のフローチャートを用いて説明する。
部位有無判定部402は、第1の畳み込み層801に、放射線画像Iを入力する。第1の畳み込み層801では入力である放射線画像Iに対して数4式の計算を行い、放射線画像Iのフィルタリングにより放射線画像Iの特徴を抽出し、フィルタリングの結果として抽出した特徴として、第1の特徴マップM1(N1枚の画像)を出力する。
第1の畳み込み層801の処理により放射線画像Iから特徴が抽出された画像(第1の特徴マップM1(N1枚の画像))が第1のプーリング層802の入力となる。部位有無判定部402は、第1のプーリング層802に、特徴マップM1(N1枚の画像)を入力する。第1のプーリング層802では、第1の特徴マップM1のN1枚の画像それぞれに最大値プーリング処理を行い、第2の特徴マップM2(N1枚の画像)を出力する。すなわち、第1のプーリング層802では、第1の特徴マップM1(N1枚の画像)に対してダウンサンプリング(縮小処理)を行い、画像を小さくしながら第1の特徴マップM1のN1枚の画像(縮小画像)において、より顕著な特徴を残す処理を行う。
部位有無判定部402は、第2の畳み込み層803に、第2の特徴マップM2(N1枚の画像)を入力する。第2の畳み込み層803では、入力である第2の特徴マップM2(N1枚の画像)に対して数式4の計算を行い、第2の特徴マップM2(N1枚の画像)のフィルタリングにより第2の特徴マップM2の特徴を抽出し、フィルタリングにより抽出した特徴として、第3の特徴マップM3(N2枚の画像)を出力する。
第2の畳み込み層803の処理により出力された第3の特徴マップM3(N2枚の画像)が第2のプーリング層804の入力となる。部位有無判定部402は、第2のプーリング層804に、第3の特徴マップM3(N2枚の画像)を入力する。第2のプーリング層804では、第3の特徴マップM3のN2枚の画像それぞれに最大値プーリング処理を行い、第4の特徴マップM4(N2枚の画像)を出力する。すなわち、第2のプーリング層804では、第3の特徴マップM3(N2枚の画像)に対してダウンサンプリング(縮小処理)を行い、画像を小さくしながら第3の特徴マップM3のN2枚の画像(縮小画像)において、より顕著な特徴を残す処理を行う。
部位有無判定部402は、全結合層805に、第4の特徴マップM4を入力する。全結合層805では、入力である第4の特徴マップM4を構成するN2枚の画像の全ての画素を1次元の列ベクトルxに変換して数5式の計算を行い、列ベクトルyを出力し、処理を終了する。以上によって求めた列ベクトルyがCNNの推論器により構成された部位有無判定部402の出力であり、部位有無判定部402に入力された放射線画像Iに存在する解剖学的部位の存在有無の判定結果を表す。すなわち列ベクトルyの要素数は記憶部401に登録された解剖学的部位の数である。
CNNにおいて畳み込み層およびプーリング層のフィルタおよび全結合層の行列の要素(重み)や、畳み込み結果や行列演算の後に加えられるバイアスの値は、多数の学習データを用いた教師あり学習によって調整される。教師あり学習とは、サンプル画像と、各サンプル画像に対する正しい判定結果(答えデータ)との組み合わせを多数準備し、サンプル画像をCNNの推論器に入力して得られる出力が答えデータと一致するように重みやバイアスを調整する処理である。この調整には、例えば、誤差逆伝搬法を用いることが可能である。
上述した説明では、層の数とその組み合わせ方について具体的に例を挙げて説明したが、CNNの層の数や大きさ、接続順序等はハイパーパラメータと呼ばれ、教師あり学習の結果やできあがる推論器の性能に影響する。これらハイパーパラメータは、好ましくは学習データの規模や問題の難易度によって最適な値に調整可能である。
なお、以上で説明した放射線撮影システム100において、データ収集部103は、放射線検出部102の放射線検出器からの画像データの収集を複数に分けて行っても良い。例えば、1度目は画像データの1/4に相当する量を間引いて収集し、2度目に残りの3/4を収集する。そして1度目の1/4に相当するデータから間引き画像データを生成し、これを用いて放射線検出器の配置判定を行う。これにより残り3/4に相当するデータの収集が完了してからの長尺画像生成の開始を早めることが可能になる。
本実施形態によれば、空間的に異なる位置に配置された放射線検出器に放射線を照射して得られる複数の放射線画像を合成し、長尺画像を生成する長尺画像生成部を有する放射線撮影システムにおいて、配置判定部111は、複数の放射線画像それぞれの特徴に基づいて、放射線画像を撮影した放射線検出器の配置を判定する。そして、長尺画像生成部112は、配置判定部111が判定した放射線検出器の配置に基づいて放射線画像を合成し、長尺画像を生成する。
次に実施形態2に係る放射線撮影システムの構成を説明する。以下の説明では、本実施形態の特徴である配置判定部111について、実施形態1で説明した放射線撮影システム100の構成と異なる部分について説明する。
図11は、実施形態2の画像処理部の概略構成を示す図であり、図12は、実施形態2の配置判定部111の概略構成を示す図である。実施形態2の画像処理部109において、配置判定部111は、仮配置部1201、配置評価部1202、配置決定部1203を備えており、本実施形態の特徴的な構成となる(図12)。
配置判定部111は、画像処理部109に入力されたN枚の放射線画像を仮配置部1201に入力する。仮配置部1201は、複数の放射線画像の夫々に対して複数の配置を適用して得られる複数の長尺画像候補を生成する。具体的には、仮配置部1201は、放射線検出部102を構成する複数の放射線検出器がとり得る配置(単一の放射線検出器であればとり得る配置順序であり、各放射線検出器について、上側および下側、回転なし(0度)および回転あり(180回転)の4通りの配置)に基づいて入力されたN枚の放射線画像を配置した、長尺画像候補を全パターン生成する。すなわち、仮配置部1201は、放射線検出器が取り得る配置の組み合せに基づいて複数の放射線画像に対して回転、及び並び替えを行うことにより、複数の長尺画像候補を生成する。
配置判定部111は、仮配置部1201が出力した長尺画像候補の全パターンを1つの長尺画像候補ずつ配置評価部1202へ入力する。配置評価部1202は、複数の長尺画像候補の特徴に基づいて、長尺画像候補を構成する複数の放射線画像の配置を評価する。配置評価部1202は、入力された長尺画像候補ILn(1≦m≦M(M:長尺画像候補のパターン数))から、長尺画像の配置として正しい配置(並び順および向き)かを評価し、評価結果を出力する。
配置判定部111は、配置評価部1202が出力した評価結果ym(1≦m≦M)を配置決定部1203に入力する。配置決定部1203は、配置の評価結果に基づいて複数の放射線画像の配置を決定する。すなわち、配置決定部1203は、入力された評価結果ymに基づいてM枚の長尺画像候補ILm(1≦m≦M)から最も長尺画像として正しいものを決定し、その放射線画像配置を求める放射線検出器の配置の判定結果として出力し、処理を終了する。
長尺画像生成部112は、配置判定部111が出力する放射線検出器の配置の判定結果に基づいて、必要に応じた放射線画像In(1≦n≦N)の回転、並び替えを行ったのち合成し、長尺画像ILを生成する。合成方法としては、例えば実施形態1にて説明した方法を用いればよい。
本実施形態では、機械学習によって入力画像(例えば、長尺画像候補)から抽出する特徴(評価値)を出力するための特徴抽出ルール(評価ルール)を決めた推論器により、配置評価部1202は、複数の長尺画像候補の特徴に基づいて、長尺画像候補を構成する複数の放射線画像の配置を評価する。
図15および図16により、実施形態2の配置評価部1202の概略構成および配置評価部1202の動作の一例を説明する。
配置評価部1202は、第1の畳み込み層1501に、長尺画像候補ILを入力する。第1の畳み込み層1501では入力である長尺画像候補ILに対して数4式の計算を行い、長尺画像候補ILのフィルタリングにより長尺画像候補ILの特徴を抽出し、フィルタリングの結果として抽出した特徴として、第1の特徴マップM1(N1枚の画像)を出力する。
第1の畳み込み層1501の処理により長尺画像候補ILから特徴が抽出された画像(第1の特徴マップM1(N1枚の画像))が第1のプーリング層1502の入力となる。配置評価部1202は、第1のプーリング層1502に、特徴マップM1(N1枚の画像)を入力する。第1のプーリング層1502では、第1の特徴マップM1のN1枚の画像それぞれに最大値プーリング処理を行い、第2の特徴マップM2(N1枚の画像)を出力する。すなわち、第1のプーリング層1502では、第1の特徴マップM1(N1枚の画像)に対してダウンサンプリング(縮小処理)を行い、画像を小さくしながら第1の特徴マップM1のN1枚の画像(縮小画像)において、より顕著な特徴を残す処理を行う。
配置評価部1202は、第2の畳み込み層1503に、第2の特徴マップM2(N1枚の画像)を入力する。第2の畳み込み層1503では、入力である第2の特徴マップM2(N1枚の画像)に対して数4式の計算を行い、第2の特徴マップM2(N1枚の画像)のフィルタリングにより第2の特徴マップM2の特徴を抽出し、フィルタリングにより抽出した特徴として、第3の特徴マップM3(N2枚の画像)を出力する。
第2の畳み込み層1503の処理により出力された第3の特徴マップM3(N2枚の画像)が第2のプーリング層1504の入力となる。配置評価部1202は、第2のプーリング層1504に、第3の特徴マップM3(N2枚の画像)を入力する。第2のプーリング層1504では、第3の特徴マップM3のN2枚の画像それぞれに最大値プーリング処理を行い、第4の特徴マップM4(N2枚の画像)を出力する。すなわち、第2のプーリング層1504では、第3の特徴マップM3(N2枚の画像)に対してダウンサンプリング(縮小処理)を行い、画像を小さくしながら第3の特徴マップM3のN2枚の画像(縮小画像)において、より顕著な特徴を残す処理を行う。
配置評価部1202は、全結合層1505に、第4の特徴マップM4を入力する。全結合層1505では入力である第4の特徴マップM4を構成するN2枚の画像の全ての画素を1次元の列ベクトルxに変換して数5式の計算を行い、評価値yを出力し、処理を終了する。以上によって求めた評価値yがCNNの推論器により構成された配置評価部1202の出力であり、配置評価部1202に入力された長尺画像候補ILの評価結果を表す。すなわちyの値が1に近ければ長尺画像候補ILにおける放射線画像の向き・並び順は正しいという評価結果を表し、全ての長尺画像候補ILについて評価結果を生成して比較することで、正しいと推測される配置を求めることができる。
本実施形態では、配置評価部1202は、教師あり学習により実現される。教師あり学習で用いるサンプル画像は、長尺撮影によって収集された放射線画像をその長尺撮影において放射線検出器の取り得る配置の組み合せで回転・並び替えを行った長尺画像候補である。すなわち、一回の撮影によって取得された複数の放射線画像から、取り得る配置の組み合せ分の長尺画像候補を生成し、サンプル画像とする。さらに、サンプル画像に対応する答えデータは、正しい配置のみを1とし、それ以外の配置を0とした値である。多数の撮影によって得られたこれらの学習データを用いて教師あり学習を行うことにより、CNNの推論器を実現することができる。複数の放射線画像の画像端部における重なり具合に依らず、配置評価部1202は長尺画像候補を構成する様々な放射線画像の組み合わせに対して、放射線画像の配置の評価を行うことが可能になる。
本実施形態によれば、空間的に異なる位置に配置された放射線検出器に放射線を照射して得られる複数の放射線画像を合成し、長尺画像を生成する長尺画像生成部を有する放射線撮影システムにおいて、配置判定部111は、仮配置部1201と、配置評価部1202と、配置決定部1203とを備える。
以上、本発明の実施形態について説明したが、本発明はこれらの実施形態に限定されないことはいうまでもなく、その要旨の範囲内で種々の変形及び変更が可能である。
(その他の実施形態)
本発明は、上述の実施形態の1以上の機能を実現するプログラムを、ネットワーク又は記憶媒体を介してシステム又は装置に供給し、そのシステム又は装置のコンピュータにおける1つ以上のプロセッサーがプログラムを読出し実行する処理でも実現可能である。また、1以上の機能を実現する回路(例えば、ASIC)によっても実現可能である。
102a:放射線検出器、102b:放射線検出器、102c:放射線検出器
103:データ収集部、104:前処理部、105:CPU、
106:メインメモリ、107:操作部、108:表示部、
109:画像処理部、110:CPUバス、111:配置判定部
112 長尺画像生成部、140:被写体
Claims (15)
- 空間的に異なる位置に配置された放射線検出器に放射線を照射して得られる複数の放射線画像を合成し、長尺画像を生成する長尺画像生成部を有する放射線撮影システムであって、
前記複数の放射線画像それぞれの特徴に基づいて、前記放射線画像を撮影した放射線検出器の配置を判定する配置判定部を備え、
前記長尺画像生成部は、前記配置判定部が判定した前記放射線検出器の配置に基づいて前記放射線画像を合成し、前記長尺画像を生成する
ことを特徴とする放射線撮影システム。 - 前記配置判定部は、
被写体の複数の解剖学的部位と、前記複数の解剖学的部位の位置関係とを予め登録する記憶部と、
前記複数の放射線画像ごとに、前記記憶部に登録されている前記複数の解剖学的部位の存在有無を前記放射線画像の特徴に基づいて判定する部位有無判定部と、
前記記憶部に登録されている前記位置関係と、前記放射線画像ごとの前記複数の解剖学的部位の存在有無とを照合することで、前記放射線画像の配置を決定する順序関係決定部と、
を備えることを特徴とする請求項1に記載の放射線撮影システム。 - 前記記憶部に登録される前記複数の解剖学的部位の前記位置関係は、
被写体を走査したときの前記複数の解剖学的部位の出現順序であることを特徴とする請求項2に記載の放射線撮影システム。 - 前記部位有無判定部は、
前記複数の放射線画像について、予め教師あり学習によって実現された推論器によって抽出した放射線画像の特徴に基づいて、前記複数の解剖学的部位の存在有無の存在確率を求め、前記存在確率に基づいて前記複数の解剖学的部位の存在有無を判定することを特徴とする請求項2または3に記載の放射線撮影システム。 - 前記部位有無判定部は、
前記複数の解剖学的部位の存在有無の判定結果を、前記位置関係に応じた配置順の要素とするベクトルで出力し、
前記順序関係決定部は、前記ベクトルの重心を計算し、前記重心の大小に応じて前記放射線画像の配置を決定することを特徴とする請求項2乃至4のいずれか1項に記載の放射線撮影システム。 - 前記配置判定部は、
前記複数の放射線画像の夫々に対して複数の配置を適用して得られる複数の長尺画像候補を生成する仮配置部と、
前記複数の長尺画像候補の特徴に基づいて、前記長尺画像候補を構成する複数の放射線画像の配置を評価する配置評価部と、
前記配置の評価結果に基づいて前記複数の放射線画像の配置を決定する配置決定部と、
を備えることを特徴とする請求項1に記載の放射線撮影システム。 - 前記仮配置部は、
前記放射線検出器が取り得る配置の組み合せに基づいて前記放射線画像に対して回転、及び並び替えを行うことにより、前記複数の長尺画像候補を生成することを特徴とする請求項6に記載の放射線撮影システム。 - 前記配置評価部は、
前記複数の長尺画像候補について、予め教師あり学習によって実現された推論器によって抽出した長尺画像候補の特徴に基づいて、前記長尺画像候補を構成する複数の放射線画像の配置を評価することを特徴とする請求項6または7に記載の放射線撮影システム。 - 前記長尺画像生成部は、
前記配置判定部の判定結果に基づいて放射線画像を配置する放射線画像配置部と、
前記複数の放射線画像の間の位置合わせを行う位置合わせ部と、
前記位置合わせ結果に基づいて前記複数の放射線画像を合成する画像合成部と、
を備えることを特徴とする請求項1乃至8のいずれか1項に記載の放射線撮影システム。 - 前記配置判定部は、前記複数の放射線画像に縮小処理を行った縮小画像の特徴に基づいて、前記判定の結果を求めることを特徴とする請求項1乃至9のいずれか1項に記載の放射線撮影システム。
- 放射線検出部は、複数の放射線検出器を空間的に異なる位置に配置することで、一回の放射線照射により複数の放射線画像を取得することを特徴とする請求項1乃至10のいずれか1項に記載の放射線撮影システム。
- 放射線検出部は、単一の放射線検出器を空間的に異なる位置に配置しながら複数の放射線照射を行うことで複数の放射線画像を取得することを特徴とする請求項1乃至10のいずれか1項に記載の放射線撮影システム。
- 空間的に異なる位置に配置された放射線検出器に放射線を照射して得られる複数の放射線画像を合成し、長尺画像を生成する長尺画像生成部を有する放射線撮影システムの放射線撮影方法であって、
前記複数の放射線画像それぞれの特徴に基づいて、前記放射線画像を撮影した放射線検出器の配置を判定する配置判定ステップと、
前記配置判定ステップで判定された前記放射線検出器の配置に基づいて前記放射線画像を合成し、前記長尺画像を生成する長尺画像生成ステップと、
を有することを特徴とする放射線撮影方法。 - 空間的に異なる位置に配置された放射線検出器に放射線を照射して得られる複数の放射線画像を合成し、長尺画像を生成する長尺画像生成部を有する画像処理装置であって、
前記複数の放射線画像それぞれの特徴に基づいて、前記放射線画像を撮影した放射線検出器の配置を判定する配置判定部を備え、
前記長尺画像生成部は、前記配置判定部が判定した前記放射線検出器の配置に基づいて前記放射線画像を合成し、前記長尺画像を生成する
ことを特徴とする画像処理装置。 - 請求項13に記載の放射線撮影方法の各ステップをコンピュータに実行させるためのプログラム。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2017229365A JP7015155B2 (ja) | 2017-11-29 | 2017-11-29 | 放射線撮影システム及び放射線撮影方法、画像処理装置およびプログラム |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2017229365A JP7015155B2 (ja) | 2017-11-29 | 2017-11-29 | 放射線撮影システム及び放射線撮影方法、画像処理装置およびプログラム |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2019097676A true JP2019097676A (ja) | 2019-06-24 |
JP7015155B2 JP7015155B2 (ja) | 2022-02-15 |
Family
ID=66974833
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2017229365A Active JP7015155B2 (ja) | 2017-11-29 | 2017-11-29 | 放射線撮影システム及び放射線撮影方法、画像処理装置およびプログラム |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP7015155B2 (ja) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2022222122A1 (en) * | 2021-04-23 | 2022-10-27 | Shenzhen Xpectvision Technology Co., Ltd. | Imaging methods using an image sensor with multiple radiation detectors |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2002085392A (ja) * | 2000-09-14 | 2002-03-26 | Konica Corp | 放射線画像処理方法および放射線画像処理装置 |
JP2005095199A (ja) * | 2003-09-22 | 2005-04-14 | Canon Inc | 放射線画像処理装置 |
JP2012040141A (ja) * | 2010-08-18 | 2012-03-01 | Fujifilm Corp | 可搬型放射線撮影装置システム、プログラム |
JP2012045172A (ja) * | 2010-08-26 | 2012-03-08 | Fujifilm Corp | 放射線画像撮影システム、放射線画像撮影方法、及びプログラム |
WO2014132361A1 (ja) * | 2013-02-27 | 2014-09-04 | 株式会社島津製作所 | X線撮影装置 |
US20160296190A1 (en) * | 2015-04-07 | 2016-10-13 | Konica Minolta, Inc. | Radiographic image shooting system |
WO2016188820A1 (en) * | 2015-05-25 | 2016-12-01 | Koninklijke Philips N.V. | A system and method for acquiring x-ray images |
-
2017
- 2017-11-29 JP JP2017229365A patent/JP7015155B2/ja active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2002085392A (ja) * | 2000-09-14 | 2002-03-26 | Konica Corp | 放射線画像処理方法および放射線画像処理装置 |
JP2005095199A (ja) * | 2003-09-22 | 2005-04-14 | Canon Inc | 放射線画像処理装置 |
JP2012040141A (ja) * | 2010-08-18 | 2012-03-01 | Fujifilm Corp | 可搬型放射線撮影装置システム、プログラム |
JP2012045172A (ja) * | 2010-08-26 | 2012-03-08 | Fujifilm Corp | 放射線画像撮影システム、放射線画像撮影方法、及びプログラム |
WO2014132361A1 (ja) * | 2013-02-27 | 2014-09-04 | 株式会社島津製作所 | X線撮影装置 |
US20160296190A1 (en) * | 2015-04-07 | 2016-10-13 | Konica Minolta, Inc. | Radiographic image shooting system |
JP2016198122A (ja) * | 2015-04-07 | 2016-12-01 | コニカミノルタ株式会社 | 放射線画像撮影システム |
WO2016188820A1 (en) * | 2015-05-25 | 2016-12-01 | Koninklijke Philips N.V. | A system and method for acquiring x-ray images |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2022222122A1 (en) * | 2021-04-23 | 2022-10-27 | Shenzhen Xpectvision Technology Co., Ltd. | Imaging methods using an image sensor with multiple radiation detectors |
TWI800319B (zh) * | 2021-04-23 | 2023-04-21 | 大陸商深圳幀觀德芯科技有限公司 | 使用具有多個輻射檢測器的圖像感測器的成像方法 |
Also Published As
Publication number | Publication date |
---|---|
JP7015155B2 (ja) | 2022-02-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP6280676B2 (ja) | 脊柱配列推定装置、脊柱配列推定方法及び脊柱配列推定プログラム | |
EP3406196A1 (en) | X-ray system and method for standing subject | |
US8676298B2 (en) | Medical image alignment apparatus, method, and program | |
EP3754597A2 (en) | Method and system for image segmentation and identification | |
CN111724904A (zh) | 用于针对医学扫描的患者建模的多任务渐进式网络 | |
JP6363575B2 (ja) | 画像位置合わせ装置および方法並びにプログラム | |
CN109859233A (zh) | 图像处理、图像处理模型的训练方法及系统 | |
CN106778867A (zh) | 目标检测方法和装置、神经网络训练方法和装置 | |
JP2005169118A (ja) | 断層画像データのセグメント化方法および画像処理システム | |
US20230169666A1 (en) | Methods and systems for image registration | |
JP6967983B2 (ja) | 画像処理装置、画像処理方法、及びプログラム | |
CN103930924B (zh) | 图像处理方法 | |
JP7015155B2 (ja) | 放射線撮影システム及び放射線撮影方法、画像処理装置およびプログラム | |
US11610305B2 (en) | Method and system for postural analysis and measuring anatomical dimensions from a radiographic image using machine learning | |
KR102062386B1 (ko) | 딥 러닝을 이용한 엑스레이 영상의 뼈 영역 제거 시스템 | |
JP2021089493A (ja) | 情報処理装置およびその学習方法 | |
JP2009516875A (ja) | 構造のモデルを作成する方法 | |
CN112837225B (zh) | 一种立位全脊柱图像自动无缝拼接的方法及装置 | |
WO2022229816A1 (en) | 3d reconstruction of anatomical images | |
JP5294967B2 (ja) | 画像処理装置及び画像処理方法 | |
JP7414432B2 (ja) | 画像処理装置、画像処理方法、およびプログラム | |
CN115372872A (zh) | 一种三维脊椎mr图像自动分割装置 | |
du Bois d'Aische et al. | An articulated registration method | |
JP6872470B2 (ja) | 画像処理装置、画像処理方法、画像処理プログラム及び超音波撮像装置 | |
KR102204515B1 (ko) | 가변영상단면 투영법을 이용한 엑스선 영상화 방법 및 이를 적용한 엑스선 영상화 장치 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20201130 |
|
RD01 | Notification of change of attorney |
Free format text: JAPANESE INTERMEDIATE CODE: A7421 Effective date: 20210103 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20210113 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20211026 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20211101 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20211215 |
|
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: 20211223 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20220121 |
|
R151 | Written notification of patent or utility model registration |
Ref document number: 7015155 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R151 |