JP2019111322A - 医用信号処理装置 - Google Patents
医用信号処理装置 Download PDFInfo
- Publication number
- JP2019111322A JP2019111322A JP2018227295A JP2018227295A JP2019111322A JP 2019111322 A JP2019111322 A JP 2019111322A JP 2018227295 A JP2018227295 A JP 2018227295A JP 2018227295 A JP2018227295 A JP 2018227295A JP 2019111322 A JP2019111322 A JP 2019111322A
- Authority
- JP
- Japan
- Prior art keywords
- magnetic resonance
- artifact
- image
- signal
- pattern
- 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
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
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/82—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using neural networks
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R33/00—Arrangements or instruments for measuring magnetic variables
- G01R33/20—Arrangements or instruments for measuring magnetic variables involving magnetic resonance
- G01R33/44—Arrangements or instruments for measuring magnetic variables involving magnetic resonance using nuclear magnetic resonance [NMR]
- G01R33/48—NMR imaging systems
- G01R33/4818—MR characterised by data acquisition along a specific k-space trajectory or by the temporal order of k-space coverage, e.g. centric or segmented coverage of k-space
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R33/00—Arrangements or instruments for measuring magnetic variables
- G01R33/20—Arrangements or instruments for measuring magnetic variables involving magnetic resonance
- G01R33/44—Arrangements or instruments for measuring magnetic variables involving magnetic resonance using nuclear magnetic resonance [NMR]
- G01R33/48—NMR imaging systems
- G01R33/54—Signal processing systems, e.g. using pulse sequences ; Generation or control of pulse sequences; Operator console
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/045—Combinations of networks
-
- 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
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/44—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components
- G06V10/443—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components by matching or filtering
- G06V10/449—Biologically inspired filters, e.g. difference of Gaussians [DoG] or Gabor filters
- G06V10/451—Biologically inspired filters, e.g. difference of Gaussians [DoG] or Gabor filters with interaction between the filter responses, e.g. cortical complex cells
- G06V10/454—Integrating the filters into a hierarchical structure, e.g. convolutional neural networks [CNN]
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H30/00—ICT specially adapted for the handling or processing of medical images
- G16H30/40—ICT specially adapted for the handling or processing of medical images for processing medical images, e.g. editing
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/05—Detecting, measuring or recording for diagnosis by means of electric currents or magnetic fields; Measuring using microwaves or radio waves
- A61B5/055—Detecting, measuring or recording for diagnosis by means of electric currents or magnetic fields; Measuring using microwaves or radio waves involving electronic [EMR] or nuclear [NMR] magnetic resonance, e.g. magnetic resonance imaging
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R33/00—Arrangements or instruments for measuring magnetic variables
- G01R33/20—Arrangements or instruments for measuring magnetic variables involving magnetic resonance
- G01R33/44—Arrangements or instruments for measuring magnetic variables involving magnetic resonance using nuclear magnetic resonance [NMR]
- G01R33/48—NMR imaging systems
- G01R33/54—Signal processing systems, e.g. using pulse sequences ; Generation or control of pulse sequences; Operator console
- G01R33/56—Image enhancement or correction, e.g. subtraction or averaging techniques, e.g. improvement of signal-to-noise ratio and resolution
- G01R33/5608—Data processing and visualization specially adapted for MR, e.g. for feature analysis and pattern recognition on the basis of measured MR data, segmentation of measured MR data, edge contour detection on the basis of measured MR data, for enhancing measured MR data in terms of signal-to-noise ratio by means of noise filtering or apodization, for enhancing measured MR data in terms of resolution by means for deblurring, windowing, zero filling, or generation of gray-scaled images, colour-coded images or images displaying vectors instead of pixels
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine 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
- G06T2207/10—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
- G06T2207/20—Special algorithmic details
- G06T2207/20084—Artificial neural networks [ANN]
-
- 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
-
- 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
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H40/00—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices
- G16H40/60—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices for the operation of medical equipment or devices
- G16H40/63—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices for the operation of medical equipment or devices for local operation
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
- G16H50/20—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for computer-aided diagnosis, e.g. based on medical expert systems
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- General Health & Medical Sciences (AREA)
- Evolutionary Computation (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Medical Informatics (AREA)
- Artificial Intelligence (AREA)
- Multimedia (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Radiology & Medical Imaging (AREA)
- Biomedical Technology (AREA)
- Software Systems (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- Life Sciences & Earth Sciences (AREA)
- Condensed Matter Physics & Semiconductors (AREA)
- High Energy & Nuclear Physics (AREA)
- Quality & Reliability (AREA)
- Biodiversity & Conservation Biology (AREA)
- Databases & Information Systems (AREA)
- Signal Processing (AREA)
- Public Health (AREA)
- Primary Health Care (AREA)
- Epidemiology (AREA)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- Biophysics (AREA)
- Magnetic Resonance Imaging Apparatus (AREA)
- Image Processing (AREA)
- Image Analysis (AREA)
Abstract
Description
図1および図4を参考にして、本実施形態における磁気共鳴イメージング装置100の全体構成について説明する。図4は、本実施形態における磁気共鳴イメージング装置100に関する詳細な構成の一例を示す図である。図4に示すように、磁気共鳴イメージング装置100は、静磁場磁石101と、傾斜磁場コイル103と、傾斜磁場電源105と、寝台107と、寝台制御回路(システム制御部)109と、送信回路(送信部)113と、送信コイル115と、受信コイル117と、受信回路(受信部)119と、撮像制御回路(収集部)121と、システム制御回路(システム制御部)123と、記憶装置125と、画像処理装置150とを備える。なお、被検体Pは、磁気共鳴イメージング装置100に含まれない。
(ステップSa1)
入出力インタフェース153を介した操作者の指示により、撮像条件が入力される。以下、説明を具体的にするために、撮像条件は、Reduction factorが2であるものとする。処理回路151は、選択機能1513により、入力された撮像条件を用いて、当該撮像条件に対応する学習済みモデルを選択する。なお、学習済みモデルの選択は、後述のステップSa3の後に実行されてもよい。
撮像制御回路121は、入力された撮像条件に従ってパルスシーケンスを実行することにより、磁気共鳴データを収集する。撮像制御回路121は、収集された磁気共鳴データを、処理回路151に出力する。処理回路151は、磁気共鳴データを、メモリ152上において、k空間を示すデータ空間に配列する。
処理回路151は、再構成機能1511により、データ空間に配列された磁気共鳴データ、すなわちk空間データに対してフーリエ変換または逆フーリエ変換を施すことにより、仮画像を再構成する。仮画像には、撮像条件に応じたアーチファクトが現れる。例えば、Reduction factorが2である撮像条件でパルスシーケンスが実行された場合、仮画像は、Reduction factorが1である場合のFOVに対して、位相エンコード方向のFOVの半分の位置で折り返しが発生した画像となる。
処理回路151は、画像生成機能1515により、選択された学習済みモデルに対応するプログラムをメモリ152から読み出す。処理回路151は、読み出された学習済みモデルに対応するプログラムを実行する。具体的には、処理回路151は、読み出された学習済みモデルを仮画像に適用して、順伝播処理を実行する。処理回路151は、順伝播処理の結果として、アーチファクトが除去された磁気共鳴画像を生成する。ステップSa1において撮像条件としてReduction factorが入力された場合、本ステップで生成される磁気共鳴画像は、折り返しが除去された画像となる。以下、本ステップにおける順伝播処理を実行する順伝播機能について、図6および図7を用いて説明する。
本実施形態における磁気共鳴イメージング装置100によれば、入力された磁気共鳴画像が磁気共鳴イメージングにより収集される際の撮像条件に対応する学習済みモデルを、入力された磁気共鳴画像に対して適用して、画質を向上させるための順伝播処理を行い、磁気共鳴画像を出力することができる。具体的には、本磁気共鳴イメージング装置100によれば、k空間における等間隔での間引き収集により磁気共鳴データを収集し、磁気共鳴データに対するフーリエ変換により仮画像を再構成し、同一の物理位置によるアーチファクトの発生位置に応じて設定された複数の畳み込み位置を用いて学習された畳み込み層を有し複数の撮像条件にそれぞれ対応する複数の学習済みモデルから、仮画像に関する撮像条件を用いて、仮画像に適用される学習済みモデルを選択し、選択された学習済みモデルを仮画像に適用することにより、磁気共鳴画像を生成することができる。
本応用例と実施形態との相違は、折り返しの位置などのアーチファクトの発生位置に応じて分割された2つの仮画像(以下、2チャネル画像と呼ぶ)をCNNへの2つのチャネルの入力として用いて、アーチファクトが除去された磁気共鳴画像を生成することにある。なお、CNNへの入力は上記2チャネル画像に限定されず、アーチファクトの発生位置に応じて多分割された多チャネル画像であってもよい。まず、本応用例における学習済みモデルについて説明し、次いで、本応用例における学習済みモデルを用いた磁気共鳴画像の生成について説明する。
本実施形態と本変形例との相違は、仮画像として複素数画像を用いることと、畳み込み層における畳み込み演算として複素演算を用いることとにある。すなわち、本変形例においてCNNの計算は、複素空間での複素演算として実行される。本変形例に係る学習済みモデルは、アーチファクトの発生位置が撮像条件により既知である複素数画像を入力として複素演算を実行し、当該複素数画像におけるアーチファクトが除去された複素数画像を出力するCNNである。学習データは、撮像条件によりアーチファクトの発生位置が既知である複素数画像のデータ、近傍領域および離隔領域を示すデータ、および当該複素数画像におけるアーチファクトが除去された複素数画像のデータである。モデル学習装置は、学習データを用いてCNNを学習することにより、本応用例に関する学習済みモデルを生成する。生成された学習済みモデルは、対応する撮像条件とともに、メモリ152にプログラムとして記憶される。
応用例と本変形例との相違は、応用例に記載の2チャネル画像として、複素数画像における実部画像と虚部画像とを用いることにある。本変形例に係る学習済みモデルは、アーチファクトの発生位置が撮像条件により既知である実部画像と虚部画像とを入力として、当該実部画像および当該虚部画像におけるアーチファクトがそれぞれ除去された実部画像と虚部画像とを出力するCNNである。学習データは、撮像条件によりアーチファクトの発生位置が既知である実部画像および虚部画像のデータ、近傍領域および離隔領域を示すデータ、および当該実部画像および当該虚部画像におけるアーチファクトがそれぞれ除去された実部画像と虚部画像とのデータである。モデル学習装置は、学習データを用いてCNNを学習することにより、本応用例に関する学習済みモデルを生成する。生成された学習済みモデルは、対応する撮像条件とともに、メモリ152にプログラムとして記憶される。
以下、本実施形態の適用例について説明する。図10は、本適用例における医用信号処理装置200の構成の一例を示す図である。図10に示すように、医用信号処理装置200は、入力インタフェース201と、メモリ203と、処理回路205と、ディスプレイ207とを有する。医用信号処理装置200は、磁気共鳴イメージング装置100に搭載されてもよい。入力インタフェース201とディスプレイ207とは実施形態における入出力インタフェース153に対応するため、説明は省略する。なお、入力インタフェース201は、例えば磁気共鳴イメージング装置などの医用画像診断装置から、撮像条件および医用画像を取得する通信インターフェースとして機能してもよい。メモリ203および処理回路205に関するハードウェア構成は、実施形態と同様なため、説明は省略する。なお、処理回路205は、撮像条件および医用画像を不図示のモダリティから取得する取得機能を有していてもよい。取得機能を実現する処理回路205は、取得部として機能する。
(ステップSb1)
処理回路205は、決定機能2511により、撮像条件2031を用いて、磁気共鳴画像が入力される学習済みモデルを決定する。具体的には、処理回路205は、磁気共鳴画像の取得に用いられた撮像条件2031に基づいて、アーチファクトなどのパターンが現れる方向(既知の方向に対応し、以下、アーチファクト発生方向と呼ぶ)とパターンが既知の方向にずれるシフト量(以下、ずれシフト量と呼ぶ)とを決定する。より詳細には、処理回路205は、磁気共鳴画像に対応付けられた撮像パラメータを、パルスシーケンスの撮像パラメータに対する方向とシフト量との対応表(以下、方向シフト量対応表と呼ぶ)と照合する。処理回路205は、方向シフト量対応表を用いた照合により、アーチファクト発生方向とずれシフト量とを決定する。方向シフト量対応表は、メモリ203に予め記憶され、決定機能2511によりメモリ203から処理回路205に読み出される。
処理回路205は、出力機能2513により、学習済みモデル231における循環シフト層2311を介して、シフト画像を生成する。具体的には、処理回路205は、磁気共鳴画像を循環シフト層2311に入力する。循環シフト層2311は、入力された磁気共鳴画像に対して、アーチファクト発生方向に沿って循環的にずれシフト量だけシフトさせたシフト画像を生成する。
処理回路205は、出力機能2513により、磁気共鳴画像を、シフト画像とともに、CNN2313に入力する。例えば、磁気共鳴画像MA1が図12に示すような場合、処理回路205は、生成されたシフト画像SI1を、磁気共鳴画像MA1とともに、CNN2313に入力する。また、磁気共鳴画像MA2が図13に示すような場合、処理回路205は、第1シフト画像SI2と第2シフト画像SI3とを、磁気共鳴画像MA1とともに、CNN2313に入力する。
処理回路205は、出力機能2513により、循環シフト層2311から出力されたシフト画像と磁気共鳴画像とが入力されたCNN2313から、アーチファクト低減画像ReIを、補正信号として出力する。処理回路205は、アーチファクト低減画像ReIを、メモリ203およびディスプレイ207に出力する。
ディスプレイ207は、アーチファクト低減画像ReIを表示する。アーチファクト低減画像ReIは、図12および図13に示すように、折り返しアーチファクトが低減された磁気共鳴画像である。なお、処理回路205は、不図示のネットワークを介して、アーチファクト低減画像ReIを、医用画像保管装置等の外部装置に出力してもよい。
本適用例における医用信号処理装置200によれば、既知の方向に沿って既知のシフト量でずれた位置に現れるパターンを有する医用信号2033に対してパターンを低減するように補正された補正信号を出力するように機能付られた学習済みモデルに対して医用信号2033を入力し、既知の方向と既知のシフト量とを用いて、補正信号を出力することができる。また、本医用信号処理装置200における学習済みモデルは、既知の方向に沿って循環的に既知のシフト量だけ医用信号2033をシフトさせたシフト信号を生成する循環シフト層2311と、医用信号2033とシフト信号とを用いて補正信号を出力するように機能付けられているニューラルネットワーク2313とを有する。
本適用例と第1適用例との相違は、学習済みモデル231がパターン関連情報または疾患情報を出力することにある。本適用例における学習済みモデル231において、CNN2313の代わりにDNNが用いられてもよい。また、本適用例における学習済みモデル231において、ResNet、DenseNetまたはU−Net等において、CNN2313(またはDNN)の後段に適宜1/2max pool層が組み込まれてもよい。このとき、学習済みモデル231における最後段にフルコネクトとしてのDNNを設けることで、学習済みモデル231は、パターン関連情報または疾患情報を出力する。
(ステップSc4)
処理回路205は、出力機能2513により、循環シフト層2311から出力されたシフト画像と磁気共鳴画像とが入力されたCNN2313から、パターン関連情報または疾患情報を出力する。処理回路205は、パターン関連情報または疾患情報を、メモリ203およびディスプレイ207に出力する。
ディスプレイ207は、ステップSc4における処理で出力されたパターン関連情報または疾患情報を表示する。なお、処理回路205は、不図示のネットワークを介して、パターン関連情報または疾患情報を、医用画像保管装置等の外部装置に出力してもよい。なお、疾患情報は、学習済みモデル231に入力された磁気共鳴画像と関連づけられて、メモリ203や外部の記憶装置などに記憶されてもよい。また、パターン関連情報が物理パラメータである場合、本ステップに続く後段の処理において、処理回路205は、不図示の画像補正機能により、物理パラメータを用いて磁気共鳴画像を補正してもよい。
本適用例における医用信号処理装置200によれば、医用信号2033は被検体Pに対する磁気共鳴撮像により生成された磁気共鳴画像であって、パターンは磁気共鳴撮像の撮像条件2031に応じて磁気共鳴画像に発生したアーチファクトであって、パターン関連情報は磁気共鳴画像に対する補正に用いられる物理パラメータであって、既知の方向はアーチファクトの発生に関する方向であって、既知のシフト量はアーチファクトの発生位置に基づく並進量である。また、本医用信号処理装置200によれば、医用信号2033は被検体Pに対する磁気共鳴撮像により生成された磁気共鳴画像であって、パターンは磁気共鳴撮像の撮像条件2031に応じて磁気共鳴画像に発生したアーチファクトであって、パターン関連情報はアーチファクトの発生の有無を示すデータであって、既知の方向はアーチファクトの発生に関する方向であって、既知のシフト量はアーチファクトの発生位置に基づく並進量である。また、本医用信号処理装置200によれば、医用信号2033は被検体Pに対する磁気共鳴撮像により生成された磁気共鳴画像であって、パターンは磁気共鳴撮像の撮像条件2031に応じて磁気共鳴画像に発生したアーチファクトであって、疾患情報は磁気共鳴画像における複数の疾患各々の認識結果を示す情報であって、既知の方向は記アーチファクトの発生に関する方向であって、既知のシフト量はアーチファクトの発生位置に基づく並進量である。
第1適用例および第2適用例と本適用例との相違は、医用信号2033として、被検体Pの生体信号を用いることにある。生体信号は、例えば、心電波形、脈波形、呼吸波形などの1次元的な信号である。本適用例において、既知の方向に沿って既知のシフト量でずれた位置に現れるパターンは、生体信号の波形に相当する。また、既知の方向は、生体信号の取得に関する時間方向である。また、既知のシフト量は、生体信号における所定時相の間の期間であり、例えば、生体信号の周期などである。
図15に示すように、R11に含まれる心電波形ECGWの一部分(以下、第1波形と呼ぶ)とR22に含まれる心電波形ECGWの一部分(以下、第2波形と呼ぶ)とが、学習済みモデルに入力される。
本適用例における医用信号処理装置200によれば、医用信号2033は被検体Pの生体信号であって、パターンは生体信号の波形であって、疾患情報は生体信号における複数の疾患各々の認識結果を示すデータであって、既知の方向は生体信号の取得に関する時間方向であって、既知のシフト量は生体信号における所定時相の間の期間である。これにより、本医用信号処理装置200によれば、既知の方向に沿って既知のシフト量でずれた位置に現れるパターンを有する生体信号に対して、当該生体信号における複数の疾患各々の認識結果を示すデータなどの疾患情報を得ることができる。これにより、本医用信号処理装置200によれば、被検体Pからの生体信号の異常の検知することで、当該異常を報知することができる。
本適用例と第1乃至第3適用例との相違は、既知の方向に沿って既知のシフト量でずれた位置に現れるパターンを有する医用信号を、既知の方向と既知のシフト量とに基づいて分割することで複数の部分信号を生成し、循環シフト層を有さずにDNNを有する学習済みモデルに複数の部分信号を入力することで、補正信号とパターン関連情報と疾患情報とのうちいずれか一つを出力することにある。
(ステップSd1)
処理回路305は、決定機能3051により、撮像条件2031に基づいて、方向シフト量対応表を用いて、アーチファクト発生方向とずれシフト量とを決定する。処理回路305は、ずれシフト量に応じたウィンドウの総数に従って、当該ウィンドウの総数に対応するDNN3331を決定する。
部分信号生成回路304は、既知の方向と既知のシフト量とに基づいて、磁気共鳴画像を分割することにより、複数の部分画像を生成する。具体的には、部分信号生成回路304は、アーチファクト発生方向に沿って、ずれシフト量に応じたウィンドウで、磁気共鳴画像を分割する。図18を用いて磁気共鳴画像を分割するエイリアシング前処理について説明する。
処理回路305は、出力機能3053により、決定されたDNN3331に、複数の部分画像を入力する。例えば、処理回路305は、複数の部分画像を、DNN3331における異なる複数のチャネルにそれぞれ入力する。
処理回路305は、出力機能3053により、複数の部分画像が入力されたDNN3331から、パターン関連情報または疾患情報を出力する。処理回路305は、パターン関連情報または疾患情報を、メモリ203およびディスプレイ207に出力する。
本適用例における医用信号処理装置200によれば、既知の方向に沿って既知のシフト量でずれた位置に現れるパターンを有する医用信号を、既知の方向と既知のシフト量とに基づいて分割した複数の部分信号を生成し、医用信号に対してパターンを低減するように補正された補正信号と、パターンに関するパターン関連情報と、医用信号に関する疾患情報とのうちいずれか一つを出力するように機能付られた学習済みモデルに対して、複数の部分信号を入力することで、補正信号とパターン関連情報と疾患情報とのうちいずれか一つを出力することができる。
本適用例と第1乃至第4適用例との相違は、エイリアシング前処理により生成された複数の部分信号が学習済みモデルとしてのDNNに入力され、DNNから出力された複数の部分補正信号を既知の方向と既知のシフト量とに基づいて結合することで結合信号を生成して、出力することにある。
(ステップSe4)
処理回路305は、出力機能3055により、複数の部分画像が入力されたDNN3333から複数の部分補正画像を出力する。複数の部分補正画像は、アーチファクトが低減された部分画像(以下、アーチファクト低減部分画像と呼ぶ)に相当する。すなわち、処理回路305は、複数の部分画像にそれぞれ対応する複数のアーチファクト低減部分画像を、DNN3333から出力する。処理回路305は、複数の部分画像をDNN3333に入力し、DNN3333から出力された複数のアーチファクト低減部分画像を結合信号生成回路306に出力する。
結合信号生成回路306は、決定機能3051により決定された既知の方向(アーチファクト発生方向)と既知のシフト量とに基づいて、複数の部分補正画像を結合する。当該処理により、結合信号生成回路306は、結合画像を生成する。すなわち、結合信号生成回路306は、アーチファクト発生方向とシフト量とに基づいて複数のアーチファクト低減部分画像を結合することにより、アーチファクト低減画像を生成する。結合信号生成回路306は、アーチファクト低減画像をメモリ303とディスプレイ207とに出力する。
本適用例における医用信号処理装置400によれば、既知の方向に沿って既知のシフト量でずれた位置に現れるパターンを有する医用信号を、既知の方向と既知のシフト量とに基づいて分割した複数の部分信号を生成し、複数の部分信号にそれぞれ対応し、かつ医用信号に対してパターンを低減するように補正された複数の部分補正信号を出力するように機能付られた学習済みモデルに対して、複数の部分信号を入力することで、複数の部分補正信号を、補正信号として出力し、既知の方向と既知のシフト量とに基づいて、複数の部分補正信号を結合することにより、結合信号を生成することができる。
101…静磁場磁石
103…傾斜磁場コイル
105…傾斜磁場電源
107…寝台
109…寝台制御回路
111…ボア
113…送信回路
115…送信コイル
117…受信コイル
119…受信回路
121…撮像制御回路
123…システム制御回路
125…記憶装置
150…画像処理装置
151…処理回路
152…メモリ
153…入出力インタフェース
200…医用信号処理装置
201…入力インタフェース
203…メモリ
205…処理回路
207…ディスプレイ
231…学習済みモデル
300…医用信号処理装置
303…メモリ
304…部分信号生成回路
305…処理回路
306…結合信号生成回路
331…学習済みモデル
400…医用信号処理装置
1071…天板
1511…再構成機能
1513…選択機能
1515…画像生成機能
2031…撮像条件
2033…医用信号
2311…循環シフト層
2313…ニューラルネットワーク
2315…循環シフト処理
2317…第1循環シフト処理
2319…第2循環シフト処理
2511…決定機能
2513…出力機能
3051…決定機能
3053、3055…出力機能
3331、3333…DNN
Claims (11)
- 既知の方向に沿って既知のシフト量でずれた位置に現れるパターンを有する医用信号に対して前記パターンを低減するように補正された補正信号と、前記パターンに関するパターン関連情報と、前記医用信号に関する疾患情報とのうちいずれか一つを出力するように機能付られた学習済みモデルに対して前記医用信号を入力し、前記方向と前記シフト量とを用いて、前記補正信号と前記パターン関連情報と前記疾患情報とのうちいずれか一つを出力する、処理部を具備する、医用信号処理装置。
- 前記学習済みモデルは、
前記方向に沿って循環的に前記シフト量だけ前記医用信号をシフトさせたシフト信号を生成する循環シフト層と、
前記医用信号と前記シフト信号とを用いて、前記補正信号と前記パターン関連情報と前記疾患情報とのうちいずれか一つを出力するように機能付けられているニューラルネットワークとを有する、
請求項1に記載の医用信号処理装置。 - 前記医用信号は、被検体に対する磁気共鳴撮像により生成された磁気共鳴画像であって、
前記パターンは、前記磁気共鳴撮像の撮像条件に応じて前記磁気共鳴画像に発生したアーチファクトであって、
前記補正信号は、前記アーチファクトが低減されたアーチファクト低減画像であって、
前記学習済みモデルは、複数の中間層を有するコンボリューションニューラルネットワークであって、
前記処理部は、前記複数の中間層各々に対して、前記複数の中間層各々への入力側に接続される前段の中間層におけるいずれかの第1ノードからの出力と、前記前段の中間層のうち前記撮像条件により定まる第2ノードからの出力とを合わせて入力するように処理する、
請求項1に記載の医用信号処理装置。 - 前記医用信号は、被検体に対する磁気共鳴撮像により生成された磁気共鳴画像であって、
前記パターンは、前記磁気共鳴撮像の撮像条件に応じて前記磁気共鳴画像に発生したアーチファクトであって、
前記補正信号は、前記アーチファクトが低減されたアーチファクト低減画像であって、
前記ニューラルネットワークは、複数の中間層各々において局所的な線形結合を有するニューラルネットワークであって、
前記方向は、前記アーチファクトの発生に関する方向であって、
前記シフト量は、前記アーチファクトの発生位置に基づく並進量である、
請求項2に記載の医用信号処理装置。 - 前記医用信号は、被検体に対する磁気共鳴撮像により生成された磁気共鳴画像であって、
前記パターンは、前記磁気共鳴撮像の撮像条件に応じて前記磁気共鳴画像に発生したアーチファクトであって、
前記パターン関連情報は、前記磁気共鳴画像に対する補正に用いられる物理パラメータであって、
前記方向は、前記アーチファクトの発生に関する方向であって、
前記シフト量は、前記アーチファクトの発生位置に基づく並進量である、
請求項2に記載の医用信号処理装置。 - 前記医用信号は、被検体に対する磁気共鳴撮像により生成された磁気共鳴画像であって、
前記パターンは、前記磁気共鳴撮像の撮像条件に応じて前記磁気共鳴画像に発生したアーチファクトであって、
前記パターン関連情報は、前記アーチファクトの発生の有無を示すデータであって、
前記方向は、前記アーチファクトの発生に関する方向であって、
前記シフト量は、前記アーチファクトの発生位置に基づく並進量である、
請求項2に記載の医用信号処理装置。 - 前記医用信号は、被検体に対する磁気共鳴撮像により生成された磁気共鳴画像であって、
前記パターンは、前記磁気共鳴撮像の撮像条件に応じて前記磁気共鳴画像に発生したアーチファクトであって、
前記疾患情報は、前記磁気共鳴画像における複数の疾患各々の認識結果を示すデータであって、
前記方向は、前記アーチファクトの発生に関する方向であって、
前記シフト量は、前記アーチファクトの発生位置に基づく並進量である、
請求項2に記載の医用信号処理装置。 - 前記アーチファクトは、折り返しアーチファクトとNハーフアーチファクトとケミカルシフトアーチファクトとモーションアーチファクトとのうち少なくとも一つのアーチファクトである、
請求項3乃至7のうちいずれか一項に記載の医用信号処理装置。 - 前記医用信号は、被検体の生体信号であって、
前記パターンは、前記生体信号の波形であって、
前記疾患情報は、前記生体信号における複数の疾患各々の認識結果を示すデータであって、
前記方向は、前記生体信号の取得に関する時間方向であって、
前記シフト量は、前記生体信号における所定時相の間の期間である、
請求項2に記載の医用信号処理装置。 - 既知の方向に沿って既知のシフト量でずれた位置に現れるパターンを有する医用信号を、前記方向と前記シフト量とに基づいて分割した複数の部分信号を生成する部分信号生成部と、
前記医用信号に対して前記パターンを低減するように補正された補正信号と、前記パターンに関するパターン関連情報と、前記医用信号に関する疾患情報とのうちいずれか一つを出力するように機能付られた学習済みモデルに対して、前記複数の部分信号を入力することで、前記補正信号と前記パターン関連情報と前記疾患情報とのうちいずれか一つを出力する処理部と、
を具備する医用信号処理装置。 - 前記処理部は、前記学習済みモデルに前記複数の部分信号を入力することで、前記複数の部分信号にそれぞれ対応する複数の部分補正信号を、前記補正信号として出力し、
前記方向と前記シフト量とに基づいて、前記複数の部分補正信号を結合することにより、結合信号を生成する結合信号生成部をさらに具備する、
請求項10に記載の医用信号処理装置。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
PCT/JP2018/044729 WO2019124076A1 (ja) | 2017-12-20 | 2018-12-05 | 医用信号処理装置 |
US16/429,771 US20190287674A1 (en) | 2017-12-20 | 2019-06-03 | Medical signal processing apparatus |
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2017243941 | 2017-12-20 | ||
JP2017243941 | 2017-12-20 |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2019111322A true JP2019111322A (ja) | 2019-07-11 |
JP7246903B2 JP7246903B2 (ja) | 2023-03-28 |
Family
ID=67223409
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2018227295A Active JP7246903B2 (ja) | 2017-12-20 | 2018-12-04 | 医用信号処理装置 |
Country Status (2)
Country | Link |
---|---|
US (1) | US20190287674A1 (ja) |
JP (1) | JP7246903B2 (ja) |
Cited By (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2021019714A (ja) * | 2019-07-25 | 2021-02-18 | 株式会社日立製作所 | 画像処理装置、画像処理方法及びx線ct装置 |
JPWO2021059321A1 (ja) * | 2019-09-24 | 2021-04-01 | ||
JP2021053256A (ja) * | 2019-10-01 | 2021-04-08 | キヤノンメディカルシステムズ株式会社 | 画像処理装置、医用画像診断装置及び画像処理プログラム |
WO2021210617A1 (ja) * | 2020-04-16 | 2021-10-21 | 浜松ホトニクス株式会社 | 放射線画像処理方法、学習済みモデル、放射線画像処理モジュール、放射線画像処理プログラム、放射線画像処理システム、及び機械学習方法 |
WO2021210612A1 (ja) * | 2020-04-16 | 2021-10-21 | 浜松ホトニクス株式会社 | 放射線画像取得装置、放射線画像取得システム、及び放射線画像取得方法 |
WO2021210618A1 (ja) * | 2020-04-16 | 2021-10-21 | 浜松ホトニクス株式会社 | 放射線画像処理方法、学習済みモデル、放射線画像処理モジュール、放射線画像処理プログラム、及び放射線画像処理システム |
JP2021183017A (ja) * | 2020-05-21 | 2021-12-02 | キヤノン株式会社 | 情報処理装置、情報処理方法、およびプログラム |
US20220065963A1 (en) * | 2020-09-01 | 2022-03-03 | Canon Medical Systems Corporation | Magnetic resonance imaging apparatus and medical data processing apparatus |
US11278213B2 (en) | 2017-11-24 | 2022-03-22 | Canon Medical Systems Corporation | Medical data processing apparatus, magnetic resonance imaging apparatus, and learned model generating method |
JP2023513801A (ja) * | 2020-02-13 | 2023-04-03 | エアス メディカル カンパニー リミテッド | 磁気共鳴映像処理装置及びその方法 |
US11815579B2 (en) | 2021-06-10 | 2023-11-14 | Canon Medical Systems Corporation | Magnetic resonance imaging apparatus and method |
US11972540B2 (en) | 2020-06-25 | 2024-04-30 | Fujifilm Healthcare Corporation | Image processing apparatus, medical imaging apparatus, and image processing program |
JP7516532B2 (ja) | 2020-02-13 | 2024-07-16 | エアーズ・メディカル・インコーポレイテッド | 磁気共鳴映像処理装置及びその方法 |
Families Citing this family (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112368715A (zh) * | 2018-05-15 | 2021-02-12 | 蒙纳士大学 | 用于磁共振成像的运动校正的方法和系统 |
JP7199850B2 (ja) * | 2018-06-29 | 2023-01-06 | キヤノンメディカルシステムズ株式会社 | 医用情報処理装置 |
DE102018214325A1 (de) * | 2018-08-24 | 2020-02-27 | Siemens Healthcare Gmbh | Verfahren und Bereitstellungseinheit zum Bereitstellen eines virtuellen tomographischen Schlaganfall-Nachfolgeuntersuchungsbildes |
CN110060313B (zh) * | 2019-04-19 | 2023-12-19 | 上海联影医疗科技股份有限公司 | 一种图像伪影校正方法和系统 |
US11408954B2 (en) * | 2020-03-24 | 2022-08-09 | GE Precision Healthcare LLC | Systems and methods of reducing noise and artifacts in magnetic resonance imaging |
CN113449756B (zh) * | 2020-03-26 | 2022-08-16 | 太原理工大学 | 一种基于改进的DenseNet的多尺度图像识别方法和装置 |
AU2022378640A1 (en) * | 2021-10-29 | 2024-05-09 | Aclarion, Inc. | System for machine learning-based model training and prediction for evaluation of pain |
US11519990B1 (en) * | 2022-01-31 | 2022-12-06 | GE Precision Healthcare LLC | Magnetic resonance imaging system and method |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7453983B2 (en) * | 2005-01-20 | 2008-11-18 | Carestream Health, Inc. | Radiation therapy method with target detection |
JP2012235796A (ja) * | 2009-09-17 | 2012-12-06 | Sharp Corp | 診断処理装置、診断処理システム、診断処理方法、診断処理プログラム及びコンピュータ読み取り可能な記録媒体、並びに、分類処理装置 |
CN108603922A (zh) * | 2015-11-29 | 2018-09-28 | 阿特瑞斯公司 | 自动心脏体积分割 |
US20180018757A1 (en) * | 2016-07-13 | 2018-01-18 | Kenji Suzuki | Transforming projection data in tomography by means of machine learning |
WO2018098141A1 (en) * | 2016-11-22 | 2018-05-31 | Hyperfine Research, Inc. | Systems and methods for automated detection in magnetic resonance images |
-
2018
- 2018-12-04 JP JP2018227295A patent/JP7246903B2/ja active Active
-
2019
- 2019-06-03 US US16/429,771 patent/US20190287674A1/en not_active Abandoned
Non-Patent Citations (1)
Title |
---|
DONGWOOK LEE, ET AL.: "Deep artifact learning for compressed sensing and parallel MRI", ARXIV, vol. 1703.01120v1, JPN6022040447, March 2017 (2017-03-01), ISSN: 0004881084 * |
Cited By (19)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US11278213B2 (en) | 2017-11-24 | 2022-03-22 | Canon Medical Systems Corporation | Medical data processing apparatus, magnetic resonance imaging apparatus, and learned model generating method |
JP2021019714A (ja) * | 2019-07-25 | 2021-02-18 | 株式会社日立製作所 | 画像処理装置、画像処理方法及びx線ct装置 |
JP7245740B2 (ja) | 2019-07-25 | 2023-03-24 | 富士フイルムヘルスケア株式会社 | 画像処理装置、画像処理方法及びx線ct装置 |
JP7174170B2 (ja) | 2019-09-24 | 2022-11-17 | 株式会社日立ハイテク | 試料観察装置 |
JPWO2021059321A1 (ja) * | 2019-09-24 | 2021-04-01 | ||
WO2021059321A1 (ja) * | 2019-09-24 | 2021-04-01 | 株式会社日立ハイテク | 試料観察装置 |
JP2021053256A (ja) * | 2019-10-01 | 2021-04-08 | キヤノンメディカルシステムズ株式会社 | 画像処理装置、医用画像診断装置及び画像処理プログラム |
JP7350595B2 (ja) | 2019-10-01 | 2023-09-26 | キヤノンメディカルシステムズ株式会社 | 画像処理装置、医用画像診断装置及び画像処理プログラム |
JP7516532B2 (ja) | 2020-02-13 | 2024-07-16 | エアーズ・メディカル・インコーポレイテッド | 磁気共鳴映像処理装置及びその方法 |
JP2023513801A (ja) * | 2020-02-13 | 2023-04-03 | エアス メディカル カンパニー リミテッド | 磁気共鳴映像処理装置及びその方法 |
WO2021210617A1 (ja) * | 2020-04-16 | 2021-10-21 | 浜松ホトニクス株式会社 | 放射線画像処理方法、学習済みモデル、放射線画像処理モジュール、放射線画像処理プログラム、放射線画像処理システム、及び機械学習方法 |
WO2021210618A1 (ja) * | 2020-04-16 | 2021-10-21 | 浜松ホトニクス株式会社 | 放射線画像処理方法、学習済みモデル、放射線画像処理モジュール、放射線画像処理プログラム、及び放射線画像処理システム |
WO2021210612A1 (ja) * | 2020-04-16 | 2021-10-21 | 浜松ホトニクス株式会社 | 放射線画像取得装置、放射線画像取得システム、及び放射線画像取得方法 |
JP2021183017A (ja) * | 2020-05-21 | 2021-12-02 | キヤノン株式会社 | 情報処理装置、情報処理方法、およびプログラム |
US11972540B2 (en) | 2020-06-25 | 2024-04-30 | Fujifilm Healthcare Corporation | Image processing apparatus, medical imaging apparatus, and image processing program |
JP7479959B2 (ja) | 2020-06-25 | 2024-05-09 | 富士フイルムヘルスケア株式会社 | 画像処理装置、医用撮像装置および画像処理プログラム |
US20220065963A1 (en) * | 2020-09-01 | 2022-03-03 | Canon Medical Systems Corporation | Magnetic resonance imaging apparatus and medical data processing apparatus |
US11619694B2 (en) * | 2020-09-01 | 2023-04-04 | Canon Medical Systems Corporation | Magnetic resonance imaging apparatus and medical data processing apparatus |
US11815579B2 (en) | 2021-06-10 | 2023-11-14 | Canon Medical Systems Corporation | Magnetic resonance imaging apparatus and method |
Also Published As
Publication number | Publication date |
---|---|
US20190287674A1 (en) | 2019-09-19 |
JP7246903B2 (ja) | 2023-03-28 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP7246903B2 (ja) | 医用信号処理装置 | |
JP6073627B2 (ja) | 磁気共鳴イメージング装置及び画像処理装置 | |
US9482732B2 (en) | MRI reconstruction with motion-dependent regularization | |
JP5248010B2 (ja) | データ補正装置、データ補正方法、磁気共鳴イメージング装置およびx線ct装置 | |
JP5349673B2 (ja) | データ補正装置 | |
JP6513336B2 (ja) | 磁気共鳴イメージング装置及び画像処理装置 | |
US20170212198A1 (en) | Magnetic resonance signal processing method, magnetic resonance signal processing apparatus and magnetic resonance apparatus, and program | |
US20230021786A1 (en) | Medical information processing apparatus and medical information processing method | |
JP6452994B2 (ja) | 画像処理装置及び磁気共鳴イメージング装置 | |
JP2020146449A (ja) | 磁気共鳴画像高速再構成法及び磁気共鳴イメージング装置 | |
WO2019124076A1 (ja) | 医用信号処理装置 | |
JP7300811B2 (ja) | 医用情報処理装置、医用情報処理方法、およびプログラム | |
JP7258540B2 (ja) | データ処理装置、磁気共鳴イメージング装置、学習装置および学習方法 | |
US20240138700A1 (en) | Medical image processing apparatus, method of medical image processing, and nonvolatile computer readable storage medium storing therein medical image processing program | |
US20080212863A1 (en) | Image processing apparatus, image processing method, and magnetic resonance imaging apparatus | |
JP2017047027A (ja) | 磁気共鳴イメージング装置及び画像処理装置 | |
WO2014157237A1 (ja) | 磁気共鳴イメージング装置 | |
JP6647816B2 (ja) | 磁気共鳴イメージング装置、画像再構成方法及び画像再構成プログラム | |
US20220076460A1 (en) | System, method and computer-accessible medium for image reconstruction of non-cartesian magnetic resonance imaging information using deep learning | |
US10024933B2 (en) | Method and control device for generating magnetic resonance images | |
JP7140551B2 (ja) | 磁気共鳴イメージング装置、処理装置、および医用画像処理方法 | |
JP5566587B2 (ja) | 磁気共鳴イメージング装置およびリンギング低減方法 | |
JP6362950B2 (ja) | 磁気共鳴装置 | |
JP7355532B2 (ja) | 医用情報処理装置、方法及びプログラム | |
JP2024037537A (ja) | 磁気共鳴イメージング装置、mr画像再構成装置及びmr画像再構成方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20210921 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20220927 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20221118 |
|
RD01 | Notification of change of attorney |
Free format text: JAPANESE INTERMEDIATE CODE: A7421 Effective date: 20230106 |
|
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: 20230214 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20230315 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 7246903 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |