JP2019515255A - 医療画像処理 - Google Patents
医療画像処理 Download PDFInfo
- Publication number
- JP2019515255A JP2019515255A JP2018551957A JP2018551957A JP2019515255A JP 2019515255 A JP2019515255 A JP 2019515255A JP 2018551957 A JP2018551957 A JP 2018551957A JP 2018551957 A JP2018551957 A JP 2018551957A JP 2019515255 A JP2019515255 A JP 2019515255A
- Authority
- JP
- Japan
- Prior art keywords
- information
- edge
- image
- noise
- 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
- 238000002059 diagnostic imaging Methods 0.000 title claims description 12
- 238000000034 method Methods 0.000 claims abstract description 48
- 238000003384 imaging method Methods 0.000 claims abstract description 18
- 239000002243 precursor Substances 0.000 claims description 101
- 238000004321 preservation Methods 0.000 claims description 70
- 238000012545 processing Methods 0.000 claims description 38
- 238000010606 normalization Methods 0.000 claims description 24
- 238000004590 computer program Methods 0.000 claims description 23
- 238000009826 distribution Methods 0.000 claims description 17
- 230000001629 suppression Effects 0.000 claims description 11
- 238000013459 approach Methods 0.000 abstract description 11
- 238000012879 PET imaging Methods 0.000 abstract description 3
- 238000001914 filtration Methods 0.000 abstract 1
- 230000006870 function Effects 0.000 description 24
- 238000013179 statistical model Methods 0.000 description 9
- 238000002591 computed tomography Methods 0.000 description 8
- 230000008859 change Effects 0.000 description 5
- 230000001419 dependent effect Effects 0.000 description 4
- 238000003708 edge detection Methods 0.000 description 4
- 230000000694 effects Effects 0.000 description 4
- 238000002595 magnetic resonance imaging Methods 0.000 description 4
- 239000000700 radioactive tracer Substances 0.000 description 4
- 210000000056 organ Anatomy 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 206010028980 Neoplasm Diseases 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 230000004060 metabolic process Effects 0.000 description 2
- 238000000926 separation method Methods 0.000 description 2
- 210000001519 tissue Anatomy 0.000 description 2
- 230000007704 transition Effects 0.000 description 2
- 238000002604 ultrasonography Methods 0.000 description 2
- 230000003936 working memory Effects 0.000 description 2
- 230000002238 attenuated effect Effects 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 210000000988 bone and bone Anatomy 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 239000002131 composite material Substances 0.000 description 1
- 238000007408 cone-beam computed tomography Methods 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 230000008878 coupling Effects 0.000 description 1
- 238000010168 coupling process Methods 0.000 description 1
- 238000005859 coupling reaction Methods 0.000 description 1
- 230000004069 differentiation Effects 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 239000003574 free electron Substances 0.000 description 1
- 238000009499 grossing Methods 0.000 description 1
- 230000010365 information processing Effects 0.000 description 1
- 238000012804 iterative process Methods 0.000 description 1
- 230000003902 lesion Effects 0.000 description 1
- 230000004807 localization Effects 0.000 description 1
- 230000037323 metabolic rate Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 210000004165 myocardium Anatomy 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 239000000758 substrate Substances 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/70—Denoising; Smoothing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T11/00—2D [Two Dimensional] image generation
- G06T11/003—Reconstruction from projections, e.g. tomography
- G06T11/006—Inverse problem, transformation from projection-space into object-space, e.g. transform methods, back-projection, algebraic methods
-
- 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
- G06T2207/10104—Positron emission tomography [PET]
Landscapes
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- Mathematical Optimization (AREA)
- Mathematical Analysis (AREA)
- Pure & Applied Mathematics (AREA)
- Algebra (AREA)
- Image Processing (AREA)
- Apparatus For Radiation Diagnosis (AREA)
- Image Analysis (AREA)
- Nuclear Medicine (AREA)
Abstract
Description
a)画像先駆情報λiを取得するステップと、
b)(i)エッジパターン検出器を用いて画像先駆情報λiのエッジパターン情報を、及び(ii)ノイズパターン情報を、生成するステップと、
c)エッジパターン情報、ノイズパターン情報、及び画像先駆情報λiに基づきエッジ保存パラメータ情報を生成するステップであって、
エッジ保存パラメータ情報γは、連続確率指標に基づく、ステップと、
d)エッジ保存パラメータ情報γを用いて局所的に調整される正規化関数Rを生成するステップと、
e)画像再構成アルゴリズムを画像先駆情報λiに適用することにより、再構成画像情報λi+1を生成するステップ。
c1)1又は複数の2進エッジパターンに基づき、基準エッジパターン情報を取得するステップ、及び、
c2)画像先駆情報に基準エッジパターン情報を適用することにより、エッジ検出情報を計算するステップ。
−患者撮像構成、
−ディスプレイユニット、
−第1の態様又はその実施形態において定められた、反復画像再構成における人工ノイズ抑制のための装置。
a)画像先駆情報λiを取得するステップと、
b)(i)エッジパターン検出器を用いて前記画像先駆情報λiのエッジパターン情報と、(ii)ノイズパターン情報と、を生成するステップと、
c)前記エッジパターン情報、前記ノイズパターン情報、及び前記画像先駆情報λiに基づきエッジ保存パラメータ情報γを生成するステップであって、前記エッジ保存パラメータ情報γは、連続確率指標に基づく、ステップと、
d)正規化関数Rを生成するステップであって、前記正規化関数Rは、前記エッジ保存パラメータ情報γを用いて局所的に調整されるステップと、
e)画像再構成アルゴリズムを前記画像先駆情報λiに適用することにより再構成画像情報λi+1を生成するステップと、を含む。 画像再構成アルゴリズムは、正規化関数(R)を画像先駆情報λiに適用し、したがって、画像先駆情報λiのノイズ相関特徴が画像先駆情報λiのエッジ相関特徴より強力にフィルタリングされた再構成画像情報(λi+1)を提供する。
(i)エッジパターン検出器は、1又は複数の2進エッジモデル、及び少なくとも1つのノイズパターンを、画像先駆情報の各ボクセルに適用する。
(ii)画像先駆情報の各ボクセルの差分2進パターンが見付かる。
(iii)画像先駆情報の各ボクセルの符号2進パターンが見付かる。
(iv)2進エッジパターン、差分2進パターン、及び符号2進パターンの全ての可能な論理結合に基づき、多数のクラスが形成される。ここで、多数のクラスのうちの各クラスは、異なる確率分布を有する。
(v)検討されるパターンが所与の基準エッジパターンにより説明可能な全体の条件付き確率が、各クラスの確率を積として結合することにより、見付かる。1つの(又は複数の)ノイズを表す基準パターンとの一致についての条件付き確率が、同様に見付かる。任意で、クラスは、サブサンプリングされる(言い換えると、差分、符号、及びエッジ2進パターンの全ての可能な論理結合より少ないクラスが、全体の条件付き確率を形成するために使用される)。
(vii)最後に、ボクセルがエッジに属するか否かの可能性を示す、所与の中央ボクセルのエッジ保存パラメータ情報γを見付けるために、エッジ条件付き確率と、ノイズ条件付き確率と、の間の比が計算される。
b1)1又は複数の2進エッジパターンに基づき、基準エッジパターン情報bedgeを取得するステップ、及び、
b2)画像先駆情報λiに基準エッジパターン情報を適用することにより、エッジ検出情報を計算するステップ。
b3)エッジ確率指標pedgeを得るために、エッジパターン情報bedge、差分2進パターン情報bdiff、及び符号2進パターン情報bsignを結合するステップ。
b4)クラス毎のピクセル又はボクセル発生情報を有する複数のクラスを生成するステップであって、複数のクラスのうちの各クラスは、エッジパターン情報bedge、差分2進パターン情報bdiff、及び符号2進パターン情報bsignの論理結合を有する、ステップ、
b5)複数のクラスのうちの各クラスの確率の和として、エッジ確率指標pedgeを生成するステップ。
b6)クラス毎のピクセル又はボクセル発生情報を有する複数のクラスを生成するステップであって、複数のクラスのうちの各クラスは、エッジパターン情報bedge、差分2進パターン情報bdiff、及び符号2進パターン情報bsignの論理結合を有する、ステップ、
複数のクラスのうちの各クラスの確率の和として、エッジ確率指標pedgeを生成するステップ。
b7)エッジ確率指標pedgeを用いて、エッジ保存パラメータ情報γを計算するステップ。
b8)ノイズパターン情報として、複数の基準ノイズパターンを取得するステップ、
b9)複数の基準ノイズパターンをエッジパターン情報bedgeと結合することにより、エッジ保存パラメータ情報γを生成するステップ。
b10)ピクセル又はボクセル毎に、ノイズの確率に対するエッジの確率の確率比Riを見付けることにより、エッジ保存パラメータ情報を生成するステップ、
b11)初期エッジ保存パラメータ情報γ1として合計比Rsumを形成するために、確率比Riを合計するステップ。
b12)エッジ保存パラメータ情報γを形成するために、指数関数又はシグモイド関数を用いて、初期エッジ保存パラメータ情報γ1を制限するステップ。
−患者撮像構成、
−ディスプレイユニット、
−第1の態様又はその実施形態において定められた、反復画像再構成における人工ノイズ抑制のための装置。
b1)1又は複数の2進エッジパターンに基づき、基準エッジパターン情報を取得するステップ、及び、
b2)画像先駆情報λiに基準エッジパターン情報を適用することにより、エッジ検出情報を計算するステップ。
b3)エッジ確率指標pedgeを得るために、エッジパターン情報、差分2進パターン情報bdiff、及び符号2進パターン情報bsignを結合するステップ。
b4)クラス毎のピクセル又はボクセル発生情報を有する複数のクラスを生成するステップであって、複数のクラスのうちの各クラスは、エッジパターン情報、差分2進パターン情報bdiff、及び符号2進パターン情報bsignの論理結合を有する、ステップ、
b5)複数のクラスのうちの各クラスの確率の和として、エッジ確率指標pedgeを生成するステップ。
b6)クラス毎のピクセル又はボクセル発生情報を有する複数のクラスを生成するステップであって、複数のクラスのうちの各クラスは、エッジパターン情報、差分2進パターン情報bdiff、及び符号2進パターン情報bsignの論理結合を有する、ステップ、
複数のクラスのうちの各クラスの確率の和として、エッジ確率指標pedgeを生成するステップ。
b8)ノイズパターン情報として、複数の基準ノイズパターンを取得するステップ、
b9)複数の基準ノイズパターンをエッジパターン情報と結合することにより、エッジ保存パラメータ情報γを生成するステップ。
Claims (15)
- 反復画像再構成における人工ノイズ抑制のための装置であって、前記装置は、
処理ユニットを有し、
前記処理ユニットは、画像先駆情報を取得し、(i)エッジパターン検出器を用いて前記画像先駆情報のエッジパターン情報と、(ii)ノイズパターン情報と、を生成し、前記エッジパターン情報、前記ノイズパターン情報、及び前記画像先駆情報に基づきエッジ保存パラメータ情報を生成するよう構成され、
前記エッジ保存パラメータ情報は、連続確率指標に基づき、
前記処理ユニットは、前記エッジ保存パラメータ情報を用いて局所的に調整される正規化関数を生成し、画像再構成アルゴリズムを前記画像先駆情報に適用することにより再構成画像情報を生成するよう構成され、
前記画像再構成アルゴリズムは、前記正規化関数を前記画像先駆情報に適用し、したがって、前記画像先駆情報のノイズ相関特徴が前記画像先駆情報のエッジ相関特徴より強力にフィルタリングされた再構成画像情報を提供する、装置。 - 前記エッジパターン検出器は、1又は複数のエッジモデルを前記画像先駆情報に適用するよう構成され、前記エッジモデルは、前記画像先駆情報の中の特徴エッジの存在の可能性を統計的に示すために使用できる画像ピクセル又はボクセルサブセットの模範空間分布モデルである基準エッジモデルを有する、請求項1に記載の装置。
- 前記処理ユニットは、
前記画像先駆情報から符号2進パターン情報を、前記画像先駆情報から差分2進パターン情報を計算することにより前記エッジパターン情報を生成するよう更に構成され、
前記符号2進パターン情報は、前記画像先駆情報と比べたとき、各近隣ピクセル又はボクセルの正及び負の差分を区別し、前記差分2進パターン情報は、前記近隣ピクセル又はボクセルの中で、差分閾より大きい中央ピクセル又はボクセルに対する強度差を有するピクセル又はボクセルを区別する、請求項1又は2に記載の装置。 - 前記処理ユニットは、クラス毎にピクセル又はボクセル発生情報を有する複数のクラスを生成するよう更に構成され、前記複数のクラスのうちの各クラスは、前記エッジパターン情報、前記差分2進パターン情報、及び前記符号2進パターン情報、のうちの少なくとも2つの一致ビットの論理結合に基づき形成される、請求項3に記載の装置。
- 前記処理ユニットは、前記複数のクラスのうちの各クラスの中のピクセル又はボクセルの数と、各クラスの前記確率と、に基づきエッジ確率指標を生成するよう更に構成される、請求項4に記載の装置。
- 前記処理ユニットは、前記エッジ確率指標を用いて前記エッジ保存パラメータ情報を計算するよう更に構成される、請求項4又は5のいずれか一項に記載の装置。
- 前記処理ユニットは、前記ノイズパターン情報として複数の基準ノイズパターンを取得するよう更に構成され、前記エッジ保存パラメータ情報は、前記複数の基準ノイズパターンを前記エッジパターン情報と結合することにより更に生成される、請求項1乃至6のいずれか一項に記載の装置。
- 前記処理ユニットは、前記画像先駆情報の要素について、前記複数のクラスのうちのそれぞれのクラスの前記ノイズ確率の積の和としてノイズ確率値、及びそれらのノイズ確率、を生成するよう更に構成される、請求項5に記載の装置。
- 前記処理ユニットは、ピクセル又はボクセル毎に、ノイズの確率に対するエッジの確率の確率比を見出すことにより、前記エッジ保存パラメータ情報を生成し、前記確率比を合計して、初期エッジ保存パラメータ情報として合計比を形成するよう更に構成される、請求項8に記載の装置。
- 前記処理ユニットは、前記エッジ保存パラメータ情報を形成するために、指数関数又はシグモイド関数を用いて初期エッジ保存パラメータ情報を制限するよう更に構成される、請求項9に記載の装置。
- 反復画像再構成における人工ノイズ抑制のための方法であって、
a)画像先駆情報を取得するステップと、
b)(i)エッジパターン検出器を用いて前記画像先駆情報のエッジパターン情報と、(ii)ノイズパターン情報と、を生成するステップと、
c)前記エッジパターン情報、前記ノイズパターン情報、及び前記画像先駆情報に基づきエッジ保存パラメータ情報を生成するステップであって、前記エッジ保存パラメータ情報は、連続確率指標に基づく、ステップと、
d)正規化関数を生成するステップであって、前記正規化関数は、前記エッジ保存パラメータ情報を用いて局所的に調整されるステップと、
e)画像再構成アルゴリズムを前記画像先駆情報に適用することにより再構成画像情報を生成するステップであって、前記画像再構成アルゴリズムは、前記正規化関数を前記画像先駆情報に適用し、したがって、前記画像先駆情報のノイズ相関特徴が前記画像先駆情報のエッジ相関特徴より強力にフィルタリングされた再構成画像情報を提供する、ステップと、
を有する方法。 - 前記エッジパターン情報を生成するステップは、1又は複数のエッジモデルを前記画像先駆情報に適用するために前記エッジパターン検出器を使用するステップを更に有し、前記エッジモデルは、前記画像先駆情報の中の特徴エッジの存在の可能性を統計的に示すために使用できる画像ピクセル又はボクセルサブセットの模範空間分布モデルである基準エッジモデルを有する、請求項11に記載の方法。
- 患者撮像構成と、
ディスプレイユニットと、
請求項1乃至10のいずれか一項に記載の画像再構成のための装置と、
を有し、
前記患者撮像構成は、患者の関心領域の画像情報を画像再構成のための前記装置に提供するよう構成される撮像センサを有し、
前記ディスプレイユニットは、画像再構成のための前記装置により出力される再構成画像情報を表示するよう構成される、
医療撮像システム。 - 請求項1乃至10のいずれか一項に記載の画像再構成のための装置を制御するコンピュータプログラムエレメントであって、前記コンピュータプログラムエレメントが制御ユニットにより実行されると、請求項11又は12のいずれか一項に記載のステップを実行するよう適応される、コンピュータプログラムエレメント。
- 請求項14に記載のプログラムエレメントを格納したコンピュータ可読媒体。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
EP16163873 | 2016-04-05 | ||
EP16163873.9 | 2016-04-05 | ||
PCT/EP2017/058060 WO2017174627A1 (en) | 2016-04-05 | 2017-04-05 | Medical image processing |
Publications (3)
Publication Number | Publication Date |
---|---|
JP2019515255A true JP2019515255A (ja) | 2019-06-06 |
JP2019515255A5 JP2019515255A5 (ja) | 2020-07-16 |
JP6792634B2 JP6792634B2 (ja) | 2020-11-25 |
Family
ID=55745569
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2018551957A Active JP6792634B2 (ja) | 2016-04-05 | 2017-04-05 | 医療画像処理 |
Country Status (5)
Country | Link |
---|---|
US (1) | US10740877B2 (ja) |
EP (1) | EP3440625B1 (ja) |
JP (1) | JP6792634B2 (ja) |
CN (1) | CN108885786B (ja) |
WO (1) | WO2017174627A1 (ja) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP7159341B2 (ja) * | 2018-01-02 | 2022-10-24 | コーニンクレッカ フィリップス エヌ ヴェ | 正則化再構成のための学習ベースのボクセル進化 |
CN110367985B (zh) * | 2019-07-18 | 2023-01-03 | 惠仁望都医疗设备科技有限公司 | 一种低场磁共振线扫弥散成像去除黑色条纹的方法 |
DE102020207210A1 (de) * | 2020-06-09 | 2021-12-09 | Siemens Healthcare Gmbh | Rekonstruktionsmodul und Verfahren zur Rekonstruktion von medizinischen Bildern |
CN118000786A (zh) * | 2024-04-10 | 2024-05-10 | 之江实验室 | 一种基于解剖学先验的超声层析成像方法和系统 |
Family Cites Families (17)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7412107B2 (en) * | 2004-12-17 | 2008-08-12 | The Regents Of The University Of California, Santa Cruz | System and method for robust multi-frame demosaicing and color super-resolution |
US8538099B2 (en) | 2005-03-23 | 2013-09-17 | General Electric Company | Method and system for controlling image reconstruction |
US8059905B1 (en) * | 2005-06-21 | 2011-11-15 | Picture Code | Method and system for thresholding |
JP5753791B2 (ja) * | 2008-12-25 | 2015-07-22 | メディック ビジョン イメージング ソルーション リミティッド | ノイズ除去された所定の解像度の医療画像を提供する方法、所定の解像度のノイズ除去された所定の解像度の医療画像を提供するシステム |
DE102009014723B4 (de) * | 2009-03-25 | 2012-10-25 | Siemens Aktiengesellschaft | Kontrastabhängige Regularisierungsstärke bei der iterativen Rekonstruktion von CT-Bildern |
DE102010029281A1 (de) * | 2010-05-25 | 2011-12-01 | Siemens Aktiengesellschaft | Verfahren und Bildrekonstruktionseinrichtung zur Rekonstruktion von Bilddaten |
JP5759159B2 (ja) * | 2010-12-15 | 2015-08-05 | 富士フイルム株式会社 | 放射線断層画像生成方法および装置 |
DE102011106405B4 (de) * | 2011-07-02 | 2021-08-12 | Drägerwerk AG & Co. KGaA | Elektroimpedanztomographie-Gerät |
US8416914B2 (en) * | 2011-07-08 | 2013-04-09 | General Electric Company | System and method of iterative image reconstruction for computed tomography |
US9305379B2 (en) * | 2012-01-10 | 2016-04-05 | The Johns Hopkins University | Methods and systems for tomographic reconstruction |
RU2014143489A (ru) * | 2012-03-29 | 2016-05-27 | Конинклейке Филипс Н.В. | Итеративная реконструкция изображения с регуляризацией |
US9595121B2 (en) | 2012-11-02 | 2017-03-14 | General Electric Company | Systems and methods for PET penalized-likelihood image reconstruction with spatially varying smoothing parameters |
WO2014170780A1 (en) * | 2013-04-19 | 2014-10-23 | Koninklijke Philips N.V. | Iterative image reconstruction with tissue dependent regularization |
US9836824B2 (en) * | 2013-04-29 | 2017-12-05 | Koninklijke Philips N.V. | De-noised reconstructed image data edge improvement |
EP3134867B1 (en) * | 2014-04-23 | 2019-09-11 | Koninklijke Philips N.V. | Restoration of low contrast structure in de-noise image data |
US9524567B1 (en) * | 2014-06-22 | 2016-12-20 | InstaRecon | Method and system for iterative computed tomography reconstruction |
US9225889B1 (en) * | 2014-08-18 | 2015-12-29 | Entropix, Inc. | Photographic image acquisition device and method |
-
2017
- 2017-04-05 JP JP2018551957A patent/JP6792634B2/ja active Active
- 2017-04-05 WO PCT/EP2017/058060 patent/WO2017174627A1/en active Application Filing
- 2017-04-05 US US16/082,663 patent/US10740877B2/en active Active
- 2017-04-05 EP EP17715165.1A patent/EP3440625B1/en active Active
- 2017-04-05 CN CN201780021509.6A patent/CN108885786B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
WO2017174627A1 (en) | 2017-10-12 |
EP3440625B1 (en) | 2021-06-09 |
US20190080438A1 (en) | 2019-03-14 |
CN108885786A (zh) | 2018-11-23 |
US10740877B2 (en) | 2020-08-11 |
JP6792634B2 (ja) | 2020-11-25 |
CN108885786B (zh) | 2023-07-07 |
EP3440625A1 (en) | 2019-02-13 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Kaplan et al. | Full-dose PET image estimation from low-dose PET image using deep learning: a pilot study | |
JP7433883B2 (ja) | 医用装置及びプログラム | |
US11062449B2 (en) | Method and system for extracting vasculature | |
US20200184639A1 (en) | Method and apparatus for reconstructing medical images | |
WO2018023917A1 (zh) | 一种下肢血管的提取方法及系统 | |
Sheng et al. | Denoised and texture enhanced MVCT to improve soft tissue conspicuity | |
CN107527341B (zh) | 血管造影图像的处理方法和系统 | |
WO2016042466A2 (en) | Iterative image reconstruction with a sharpness driven regularization parameter | |
JP6792634B2 (ja) | 医療画像処理 | |
Alam et al. | Generalizable cone beam CT esophagus segmentation using physics-based data augmentation | |
Mirajkar et al. | Acute ischemic stroke detection using wavelet based fusion of CT and MRI images | |
WO2015162519A1 (en) | Restoration of low contrast structure in de-noise image data | |
Dawood et al. | The importance of contrast enhancement in medical images analysis and diagnosis | |
US10993688B2 (en) | Method of data processing for computed tomography | |
Izadi et al. | Enhanced direct joint attenuation and scatter correction of whole-body PET images via context-aware deep networks | |
JP5632920B2 (ja) | ボケイメージ内のブラーの特性を決定するシステム及び方法 | |
Leonardi et al. | 3D reconstruction from CT-scan volume dataset application to kidney modeling | |
WO2020086128A1 (en) | Activity image reconstruction using anatomy data | |
CN106875342B (zh) | 一种计算机断层图像处理方法和装置 | |
Miandoab et al. | Extraction of respiratory signal based on image clustering and intensity parameters at radiotherapy with external beam: A comparative study | |
Ashfaq et al. | A modified fuzzy C means algorithm for shading correction in craniofacial CBCT images | |
Javale et al. | Reconstruction of Greyscale X-Ray for Boundary Analysis of Anatomical Structure | |
Debus | Medical Image Processing | |
Rudzki | Automatic liver vasculature segmentation method using a modified multiscale vesselness filter | |
Leventić et al. | Cardiac CT image enhancement for 3D heart registration and visualization |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20181009 |
|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20200402 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20200605 |
|
A871 | Explanation of circumstances concerning accelerated examination |
Free format text: JAPANESE INTERMEDIATE CODE: A871 Effective date: 20200605 |
|
A975 | Report on accelerated examination |
Free format text: JAPANESE INTERMEDIATE CODE: A971005 Effective date: 20200610 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20200616 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20200903 |
|
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: 20201013 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20201106 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 6792634 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |