JP2020025730A - 画像処理装置、画像処理方法、およびプログラム - Google Patents
画像処理装置、画像処理方法、およびプログラム Download PDFInfo
- Publication number
- JP2020025730A JP2020025730A JP2018151967A JP2018151967A JP2020025730A JP 2020025730 A JP2020025730 A JP 2020025730A JP 2018151967 A JP2018151967 A JP 2018151967A JP 2018151967 A JP2018151967 A JP 2018151967A JP 2020025730 A JP2020025730 A JP 2020025730A
- Authority
- JP
- Japan
- Prior art keywords
- image processing
- value
- unit
- dose
- image
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000012545 processing Methods 0.000 title claims abstract description 48
- 238000003672 processing method Methods 0.000 title claims 3
- 230000005855 radiation Effects 0.000 claims abstract description 87
- 210000003484 anatomy Anatomy 0.000 claims abstract description 27
- 238000002601 radiography Methods 0.000 claims abstract description 15
- 238000004364 calculation method Methods 0.000 claims description 20
- 238000013527 convolutional neural network Methods 0.000 claims description 20
- 238000010801 machine learning Methods 0.000 claims description 20
- 230000006870 function Effects 0.000 claims description 16
- 238000000605 extraction Methods 0.000 claims description 14
- 239000000284 extract Substances 0.000 abstract description 6
- 238000003384 imaging method Methods 0.000 description 48
- 230000011218 segmentation Effects 0.000 description 29
- 238000000034 method Methods 0.000 description 24
- 230000008859 change Effects 0.000 description 16
- 238000007781 pre-processing Methods 0.000 description 13
- 210000004072 lung Anatomy 0.000 description 7
- 238000013480 data collection Methods 0.000 description 5
- 238000012937 correction Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 230000008901 benefit Effects 0.000 description 2
- 210000000038 chest Anatomy 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 210000000115 thoracic cavity Anatomy 0.000 description 2
- 210000001015 abdomen Anatomy 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 210000003414 extremity Anatomy 0.000 description 1
- 210000003128 head Anatomy 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000011176 pooling Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 231100000628 reference dose Toxicity 0.000 description 1
- 230000003936 working memory Effects 0.000 description 1
Classifications
-
- 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
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
-
- 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
-
- 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
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
- A61B6/52—Devices using data or image processing specially adapted for radiation diagnosis
- A61B6/5211—Devices using data or image processing specially adapted for radiation diagnosis involving processing of medical diagnostic data
-
- 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
- G06T2207/10116—X-ray image
-
- 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
- G06T2207/20—Special algorithmic details
- G06T2207/20092—Interactive image processing based on input by user
- G06T2207/20104—Interactive definition of region of interest [ROI]
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Medical Informatics (AREA)
- Biomedical Technology (AREA)
- General Health & Medical Sciences (AREA)
- Public Health (AREA)
- General Physics & Mathematics (AREA)
- Primary Health Care (AREA)
- Data Mining & Analysis (AREA)
- Epidemiology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Artificial Intelligence (AREA)
- Computational Linguistics (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Radiology & Medical Imaging (AREA)
- Life Sciences & Earth Sciences (AREA)
- Pathology (AREA)
- Biophysics (AREA)
- Databases & Information Systems (AREA)
- Evolutionary Computation (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Apparatus For Radiation Diagnosis (AREA)
- Image Analysis (AREA)
Abstract
Description
(放射線撮影装置の構成)
実施形態1による放射線撮影装置100の構成例を図1に示す。放射線撮影装置100は、放射線撮影により得られた画像から線量指標値を出力する画像処理機能を有する放射線撮影装置である。すなわち、放射線撮影装置100は、画像処理装置としても機能する。放射線撮影装置100は、放射線発生部101、放射線検出器104、データ収集部105、前処理部106、CPU(Central Processing Unit)108、記憶部109、操作部110、表示部111、画像処理部112を備えており、これらはCPUバス107を介して互いにデータ授受が可能に接続されている。また、画像処理部112は、分割部113、抽出部114、算出部115、設定部116を備えている。記憶部109は、CPU108での処理に必要な各種のデータや制御プログラムを記憶すると共に、CPU108のワーキング・メモリとして機能する。CPU108は、記憶部109を用いて、操作部110からの操作に従った装置全体の動作制御等を行う。これにより放射線撮影装置100は、以下のように動作する。
続いて、本実施形態による放射線撮影装置100の動作に関して、図2のフローチャートを用いて具体的に説明する。図2は、本実施形態による放射線撮影装置100の処理手順を示すフローチャートである。図2に示すフローチャートは、CPU108が記憶部109に記憶されている制御プログラムを実行し、情報の演算および加工並びに各ハードウェアの制御を実行することにより実現され得る。
(数1)
ただし、Mapはセグメンテーションマップを表し、(x、y)は画像の座標を表す。また、Lは取得されたラベル番号を表す。
(数2)
ただし、Orgは入力画像(本実施形態では前処理部106によって得られた放射線画像)、Maskはマスク画像を表し、(x、y)は画像の座標を表し、Org(x、y)は、入力画像における座標(x、y)における画素値を表す。
(数3)
ただし、関数gは値Vを空気カーマに変換するための関数であり、規定された条件下における値Vと空気カーマの関係に従って予め定められる。なお、関数gは、放射線検出器104の特性により異なる。そのため、操作者は、使用し得る放射線検出器104に応じて複数の関数gを予め記憶部109に記憶しておき、算出部115は、実際に使用する放射線検出器104に対応する関数gを用いて変換を行い得る。
(数4)
ただし、線量目標値EITは、操作者が定める線量管理基準に従って部位毎に予め設定されるものとする。偏差DIは、線量目標値EITと線量指標値EIとの偏差を表す数値であるから、線量目標値EITと線量指標値EIが同じであれば0となる。また、線量指標値EIが大きくなるほど、すなわち、撮影された画像の線量が線量目標値EITよりも多くなるほど、偏差DIは大きくなる。例えば、撮影された画像の線量が線量目標値EITの2倍であれば偏差DIは約3となる。また、撮影された画像の線量が線量目標値EITよりも少ないほど偏差DIは小さくなり、例えば、撮影された画像の線量が線量目標値の半分であれば偏差DIは約−3となる。これにより、操作者は、撮影された画像の線量が、基準である線量目標値EITに対して不足しているのか、逆に線量過多の状態なのかを、瞬時に把握することができる。
(放射線撮影装置の構成)
実施形態2による放射線撮影装置400の構成例を図4に示す。放射線撮影装置400は、図1に示した放射線撮影装置100に対し、機械学習部401を備える構成である。機械学習部401は、線量指標値を算出するための領域の分割構成を変更するための学習を行う機能を有する。具体的には、機械学習部401は、教師データ(所定の画像データと当該所定の画像データに対応する正解のセグメンテ―ションマップ(分割割り当てデータ))に基づいて機械学習(CNNの再学習)を行う。
以下、実施形態1と異なる動作である、線量指標値を算出するための領域の分割構成を変更処理について、図5を用いて説明する。図5は、線量指標値を算出するための領域の分割構成を変更する処理手順を示すフローチャートである。図5に示すフローチャートは、CPU108が記憶部109に記憶されている制御プログラムを実行し、情報の演算および加工並びに各ハードウェアの制御を実行することにより実現され得る。
(放射線撮影装置の構成)
実施形態3による放射線撮影装置600の構成例を図6に示す。放射線撮影装置600は、図4に示した放射線撮影装置400に対し、目標値更新部601を備える構成である。目標値更新部601は、線量目標値EITを自動で設定する機能を有する。
以下、線量目標値EITを自動で更新する方法について、図7を用いて説明する。図7は、線量目標値EITを自動で更新する処理手順を示すフローチャートである。図7に示すフローチャートは、CPU108が記憶部109に記憶されている制御プログラムを実行し、情報の演算および加工並びに各ハードウェアの制御を実行することにより実現され得る。なお、このフローチャートは、線量目標値を算出するための領域が変更されたタイミングで動作するものである。具体的には、線量指標値を算出するための領域を変更した場合(図3のフローチャートに従った動作)や、線量指標値を算出するための領域の分割構成を変更した場合(図5のフローチャートに従った動作)の後に実行される。
(数5)
ただし、kは画像番号を表し、NはEIを算出した画像の総数を表す。また、EI1(k)、EI2(k)は画像番号kの画像から算出したEIであり、EI1が設定変更前、EI2が設定変更後のEIを表している。
(数6)
ただし、EIT1が更新前の線量目標値であり、EIT2が更新後の線量目標値を表す。
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。
Claims (14)
- 画像処理装置であって、
被検体に対する放射線撮影により得られた放射線画像を複数の解剖学的領域に分割する分割手段と、
前記複数の解剖学的領域のうちの少なくとも一つの領域を抽出する抽出手段と、
前記抽出手段により抽出された領域における画素値に基づいて、前記抽出された領域に対する前記放射線撮影の線量指標値を算出する算出手段と、
を有することを特徴とする画像処理装置。 - 前記分割手段は、前記複数の解剖学的領域に異なるラベル番号を付与することにより、放射線画像を複数の解剖学的領域に分割することを特徴とする請求項1に記載の画像処理装置。
- 前記分割手段は、予め機械学習によって生成されたパラメータを用いて、前記放射線画像を複数の解剖学的領域に分割することを特徴とする請求項1または2に記載の画像処理装置。
- 機械学習により生成されたパラメータを記憶する記憶手段を更に有することを特徴とする請求項3に記載の画像処理装置。
- 前記記憶手段は、機械学習されたパラメータを部位と関連付けて記憶することを特徴とする請求項4に記載の画像処理装置。
- 前記抽出手段は、予め設定された、複数の部位と当該複数の部位のそれぞれに対応するラベル番号との対応情報を用いて、操作者の指示に従って、前記複数の解剖学的領域のうちの少なくとも一つの領域を抽出することを特徴とする請求項3から5のいずれか1項に記載の画像処理装置。
- 予め設定された、所定の画像データと当該所定の画像データに対応する正解の分割割り当てデータに基づいて機械学習を行うことにより前記パラメータを更新する機械学習手段と更に有し、
前記分割手段は、前記更新されたパラメータを用いて、前記放射線画像を複数の解剖学的領域に分割することを特徴とする請求項6に記載の画像処理装置。 - 前記分割手段により前記更新されたパラメータを用いて分割された複数の解剖学的領域に応じて、前記対応情報を更新して設定する設定手段を更に有することを特徴とする請求項7に記載の画像処理装置。
- 前記パラメータが更新された場合、または、前記対応情報が更新された場合に、当該更新の前後に前記算出手段により算出されたそれぞれの前記線量指標値を用いて、前記線量指標値の目標値としての線量目標値を更新する更新手段を更に有することを特徴とする請求項8に記載の画像処理装置。
- 前記機械学習は、CNN(Convolutional Neural Network)、FCN(Fully Convolutional Networks)、SegNet、U−netのいずれかを用いた機械学習であることを特徴とする請求項3から9のいずれか1項に記載の画像処理装置。
- 前記算出手段は、前記放射線画像における、前記抽出手段により抽出された領域の中心傾向を示す値を代表値として算出し、前記代表値を用いて前記線量指標値を算出することを特徴とする請求項1から10のいずれか1項に記載の画像処理装置。
- 前記抽出手段により、前記複数の解剖学的領域のうち複数の領域が抽出された場合、
前記算出手段は、前記抽出手段により抽出された複数の領域のそれぞれに対して前記代表値を算出し、複数の前記代表値から、前記抽出された複数の領域に対する複数の前記放射線撮影の線量指標値を算出することを特徴とする請求項11に記載の画像処理装置。 - 画像処理方法であって、
被検体に対する放射線撮影により得られた放射線画像を複数の解剖学的領域に分割する分割工程と、
前記複数の解剖学的領域のうちの少なくとも一つの領域を抽出する抽出工程と、
前記抽出工程において抽出された領域における画素値に基づいて、前記抽出された領域に対する前記放射線撮影の線量指標値を算出する算出工程と、
を備えることを特徴とする画像処理方法。 - コンピュータを、請求項1から12のいずれか1項に記載の画像処理装置として機能させるためのプログラム。
Priority Applications (5)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2018151967A JP2020025730A (ja) | 2018-08-10 | 2018-08-10 | 画像処理装置、画像処理方法、およびプログラム |
CN201980054144.6A CN112601493A (zh) | 2018-08-10 | 2019-06-19 | 图像处理装置、图像处理方法及程序 |
PCT/JP2019/024229 WO2020031515A1 (ja) | 2018-08-10 | 2019-06-19 | 画像処理装置、画像処理方法、およびプログラム |
EP19848078.2A EP3799789A4 (en) | 2018-08-10 | 2019-06-19 | IMAGE PROCESSING DEVICE, IMAGE PROCESSING METHOD AND PROGRAM |
US17/146,709 US20210133979A1 (en) | 2018-08-10 | 2021-01-12 | Image processing apparatus, image processing method, and non-transitory computer-readable storage medium |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2018151967A JP2020025730A (ja) | 2018-08-10 | 2018-08-10 | 画像処理装置、画像処理方法、およびプログラム |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2020025730A true JP2020025730A (ja) | 2020-02-20 |
JP2020025730A5 JP2020025730A5 (ja) | 2021-09-09 |
Family
ID=69414619
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2018151967A Pending JP2020025730A (ja) | 2018-08-10 | 2018-08-10 | 画像処理装置、画像処理方法、およびプログラム |
Country Status (5)
Country | Link |
---|---|
US (1) | US20210133979A1 (ja) |
EP (1) | EP3799789A4 (ja) |
JP (1) | JP2020025730A (ja) |
CN (1) | CN112601493A (ja) |
WO (1) | WO2020031515A1 (ja) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2021230114A1 (ja) | 2020-05-15 | 2021-11-18 | キヤノン株式会社 | 放射線撮像システム、撮像制御装置、放射線撮像装置、放射線撮像方法及びプログラム |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116421207B (zh) * | 2023-06-12 | 2023-08-25 | 上海西门子医疗器械有限公司 | 医用x射线成像方法及医用x射线成像装置 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2002325754A (ja) * | 2001-04-27 | 2002-11-12 | Canon Inc | 画像処理方法および装置 |
US20160328855A1 (en) * | 2015-05-04 | 2016-11-10 | Siemens Aktiengesellschaft | Method and System for Whole Body Bone Removal and Vascular Visualization in Medical Image Data |
US20170245825A1 (en) * | 2016-02-29 | 2017-08-31 | Varian Medical Systems, Inc. | Automatic organ-dose-estimation for patient-specific computed tomography scans |
US20180061058A1 (en) * | 2016-08-26 | 2018-03-01 | Elekta, Inc. | Image segmentation using neural network method |
Family Cites Families (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP5647639B2 (ja) * | 2012-03-19 | 2015-01-07 | 富士フイルム株式会社 | 放射線撮影情報管理システムおよび方法、並びにプログラム |
US8835858B2 (en) * | 2012-03-23 | 2014-09-16 | General Electric Company | Systems and methods for attenuation compensation in nuclear medicine imaging based on emission data |
DE102012214593A1 (de) * | 2012-08-16 | 2013-08-29 | Siemens Aktiengesellschaft | Verfahren und Vorrichtung zur Detektion eines körperfremden Objektes in einem Röntgenbild |
JP2014158580A (ja) | 2013-02-20 | 2014-09-04 | Fujifilm Corp | 放射線画像解析装置および方法、並びに放射線撮影装置 |
CN104460181A (zh) * | 2013-09-25 | 2015-03-25 | 深圳市蓝韵实业有限公司 | 数字放射成像曝光剂量的评价方法 |
JP2015213546A (ja) | 2014-05-08 | 2015-12-03 | コニカミノルタ株式会社 | 放射線画像撮影装置および放射線画像撮影システム |
JP6626344B2 (ja) * | 2015-09-29 | 2019-12-25 | キヤノン株式会社 | 画像処理装置、画像処理装置の制御方法およびプログラム |
JP2018151967A (ja) | 2017-03-14 | 2018-09-27 | 日本電気株式会社 | 情報配信システム、情報配信装置、端末装置、情報配信方法、及びプログラム |
US11557390B2 (en) * | 2018-04-30 | 2023-01-17 | Elekta, Inc. | Radiotherapy treatment plan modeling using generative adversarial networks |
-
2018
- 2018-08-10 JP JP2018151967A patent/JP2020025730A/ja active Pending
-
2019
- 2019-06-19 EP EP19848078.2A patent/EP3799789A4/en not_active Withdrawn
- 2019-06-19 WO PCT/JP2019/024229 patent/WO2020031515A1/ja unknown
- 2019-06-19 CN CN201980054144.6A patent/CN112601493A/zh active Pending
-
2021
- 2021-01-12 US US17/146,709 patent/US20210133979A1/en not_active Abandoned
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2002325754A (ja) * | 2001-04-27 | 2002-11-12 | Canon Inc | 画像処理方法および装置 |
US20160328855A1 (en) * | 2015-05-04 | 2016-11-10 | Siemens Aktiengesellschaft | Method and System for Whole Body Bone Removal and Vascular Visualization in Medical Image Data |
US20170245825A1 (en) * | 2016-02-29 | 2017-08-31 | Varian Medical Systems, Inc. | Automatic organ-dose-estimation for patient-specific computed tomography scans |
US20180061058A1 (en) * | 2016-08-26 | 2018-03-01 | Elekta, Inc. | Image segmentation using neural network method |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2021230114A1 (ja) | 2020-05-15 | 2021-11-18 | キヤノン株式会社 | 放射線撮像システム、撮像制御装置、放射線撮像装置、放射線撮像方法及びプログラム |
Also Published As
Publication number | Publication date |
---|---|
EP3799789A4 (en) | 2022-03-16 |
EP3799789A1 (en) | 2021-04-07 |
US20210133979A1 (en) | 2021-05-06 |
CN112601493A (zh) | 2021-04-02 |
WO2020031515A1 (ja) | 2020-02-13 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110047128B (zh) | 从几个x射线放射照片3d重建x射线ct体积和分割掩模的方法和系统 | |
WO2020070834A1 (ja) | 学習済みモデルの製造方法、輝度調整方法および画像処理装置 | |
CN103918004B (zh) | 金属伪影校正算法的自适应应用 | |
KR102472464B1 (ko) | 영상처리방법 및 이를 이용한 영상처리장치 | |
WO2020031515A1 (ja) | 画像処理装置、画像処理方法、およびプログラム | |
US7680352B2 (en) | Processing method, image processing system and computer program | |
CN111932467A (zh) | 一种图像处理方法及装置 | |
EP3665643B1 (en) | X-ray image processing method and system and computer storage medium | |
WO2019220825A1 (ja) | 胸部x線画像の階調変換方法、画像階調変換プログラム、画像階調変換装置、サーバ装置、及び変換方法 | |
CN115943420A (zh) | 图像处理装置、图像处理方法、训练装置、训练方法、以及程序 | |
US20220414832A1 (en) | X-ray imaging restoration using deep learning algorithms | |
JP4323770B2 (ja) | 画像処理装置、画像処理方法、プログラム及び記録媒体 | |
CN112233126B (zh) | 医学图像的加窗方法及装置 | |
US20210330274A1 (en) | Computer-implemented method, computer program, systems and x-ray facility for correction of x-ray image data with regard to noise effects | |
EP4057292A1 (en) | On-site training of a machine-learning algorithm for generating synthetic imaging data | |
Hariharan et al. | An analytical approach for the simulation of realistic low-dose fluoroscopic images | |
JP2021040750A (ja) | 画像処理装置、画像処理方法、およびプログラム | |
JP2017000675A (ja) | 医用画像処理装置及びx線撮像装置 | |
JP2006340992A (ja) | 画像処理プログラム、装置及び方法 | |
US12014499B2 (en) | Bioimage acquiring device, converter generating device, bioimage generating method, converter generating method, and recording medium | |
CN117770850B (zh) | 一种射线源辐射剂量自适应方法、ct系统 | |
CN111915499B (zh) | 一种x射线图像处理方法和装置以及计算机可读存储介质 | |
CN110678123A (zh) | 改进的x射线图像中的几何测量 | |
Slabaugh et al. | Probabilistic spatial regression using a deep fully convolutional neural network | |
EP4287201A1 (en) | Compensating for differences in medical images |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
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 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20210729 |
|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20210729 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20220708 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20220829 |
|
A02 | Decision of refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A02 Effective date: 20221104 |