JP2020048707A - 映像処理装置、映像処理方法、および映像処理プログラム - Google Patents
映像処理装置、映像処理方法、および映像処理プログラム Download PDFInfo
- Publication number
- JP2020048707A JP2020048707A JP2018179275A JP2018179275A JP2020048707A JP 2020048707 A JP2020048707 A JP 2020048707A JP 2018179275 A JP2018179275 A JP 2018179275A JP 2018179275 A JP2018179275 A JP 2018179275A JP 2020048707 A JP2020048707 A JP 2020048707A
- Authority
- JP
- Japan
- Prior art keywords
- luminance
- tissue
- unit
- calculating
- brightness
- 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 188
- 238000003672 processing method Methods 0.000 title claims description 8
- 210000001519 tissue Anatomy 0.000 claims abstract description 233
- 238000011156 evaluation Methods 0.000 claims abstract description 169
- 238000004364 calculation method Methods 0.000 claims abstract description 157
- 210000005075 mammary gland Anatomy 0.000 claims abstract description 69
- 210000000577 adipose tissue Anatomy 0.000 claims abstract description 40
- 238000000034 method Methods 0.000 claims abstract description 28
- 210000000481 breast Anatomy 0.000 claims description 84
- 238000001514 detection method Methods 0.000 claims description 31
- 210000003205 muscle Anatomy 0.000 claims description 23
- 210000000062 pectoralis major Anatomy 0.000 claims description 20
- 230000008569 process Effects 0.000 claims description 19
- 239000000203 mixture Substances 0.000 claims description 17
- 238000006243 chemical reaction Methods 0.000 claims description 13
- 210000003491 skin Anatomy 0.000 claims description 12
- 238000013135 deep learning Methods 0.000 claims description 9
- 238000013528 artificial neural network Methods 0.000 claims description 5
- 238000000605 extraction Methods 0.000 claims 1
- 238000009607 mammography Methods 0.000 description 111
- 239000003925 fat Substances 0.000 description 61
- 238000005259 measurement Methods 0.000 description 52
- 238000010586 diagram Methods 0.000 description 28
- 238000002059 diagnostic imaging Methods 0.000 description 25
- 238000012216 screening Methods 0.000 description 19
- 230000000873 masking effect Effects 0.000 description 12
- 206010028980 Neoplasm Diseases 0.000 description 9
- 238000003745 diagnosis Methods 0.000 description 8
- 230000008520 organization Effects 0.000 description 8
- 210000002445 nipple Anatomy 0.000 description 7
- 206010006187 Breast cancer Diseases 0.000 description 6
- 208000026310 Breast neoplasm Diseases 0.000 description 6
- 230000008859 change Effects 0.000 description 5
- 239000000284 extract Substances 0.000 description 5
- 238000007689 inspection Methods 0.000 description 5
- 238000002604 ultrasonography Methods 0.000 description 5
- 230000007423 decrease Effects 0.000 description 4
- 238000011176 pooling Methods 0.000 description 4
- 201000011510 cancer Diseases 0.000 description 3
- 230000003902 lesion Effects 0.000 description 3
- 208000024891 symptom Diseases 0.000 description 3
- 208000004930 Fatty Liver Diseases 0.000 description 2
- 206010019708 Hepatic steatosis Diseases 0.000 description 2
- 210000004027 cell Anatomy 0.000 description 2
- 238000001839 endoscopy Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 208000010706 fatty liver disease Diseases 0.000 description 2
- 210000004185 liver Anatomy 0.000 description 2
- 231100000240 steatosis hepatitis Toxicity 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 208000019901 Anxiety disease Diseases 0.000 description 1
- 208000001145 Metabolic Syndrome Diseases 0.000 description 1
- 241000283973 Oryctolagus cuniculus Species 0.000 description 1
- 201000000690 abdominal obesity-metabolic syndrome Diseases 0.000 description 1
- 230000036506 anxiety Effects 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 210000004204 blood vessel Anatomy 0.000 description 1
- 210000004958 brain cell Anatomy 0.000 description 1
- 206010008118 cerebral infarction Diseases 0.000 description 1
- 208000026106 cerebrovascular disease Diseases 0.000 description 1
- 210000000038 chest Anatomy 0.000 description 1
- 230000035606 childbirth Effects 0.000 description 1
- 238000002591 computed tomography Methods 0.000 description 1
- 239000000470 constituent Substances 0.000 description 1
- 238000013527 convolutional neural network Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000003709 image segmentation Methods 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 210000003734 kidney Anatomy 0.000 description 1
- 239000008267 milk Substances 0.000 description 1
- 210000004080 milk Anatomy 0.000 description 1
- 235000013336 milk Nutrition 0.000 description 1
- 210000005036 nerve Anatomy 0.000 description 1
- 238000013421 nuclear magnetic resonance imaging Methods 0.000 description 1
- 210000000056 organ Anatomy 0.000 description 1
- 230000035935 pregnancy Effects 0.000 description 1
- 230000005855 radiation Effects 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
Landscapes
- Apparatus For Radiation Diagnosis (AREA)
Abstract
Description
図20に示すように、マンモグラフィ画像による乳房は、白く描画される乳腺組織と、黒く描画される脂肪組織との量を比較することで大きく脂肪性、乳腺散在、不均一高濃度、極めて高濃度の4種類に分類されている。
このように、デンスブレストのあいまいな判断は、検診者への負担が増加するだけでなく、医療現場への負担も増加してしまう問題があった。
近年ではマンモグラフィ検診を含むエックス線を用いた画像診断は、人体を透過したエックス線情報をフィルムに感光させてアナログのレントゲン写真を描出するアナログ方式から、エックス線情報をデジタル化したデジタル方式に移行している。
〔第1の実施の形態〕
図1は、第1の実施の形態に係る映像処理装置の概念を示すブロック図である。
図1に示すように、映像処理装置100は、マスク処理部110、基準組織輝度算出部120、評価範囲輝度算出部130、基準輝度割合算出部140、状態判断部150、および情報記憶部160を備えている。また映像処理装置100は、医療映像装置200および表示手段300に接続されている。
図2に示すように、マスク処理部110は、境界決定部111、画像処理部112、および学習部113を備えている。
図3に示すように、基準組織輝度算出部120は、走査情報取得部121、境界検出部122、基準組織輝度計測部123、および平均値算出部124を備えている。
図4に示すように、評価範囲輝度算出部130は、評価範囲走査情報取得部131および評価範囲輝度計測部132を備えている。
図5に示すように、基準輝度割合算出部140は、相対輝度変換処理部141、および相対輝度割合計算部142を備えている。
図6に示すように、情報記憶部160は、マスク処理前画像記憶部161、マスク処理後画像記憶部162、基準組織輝度記憶部163、評価範囲輝度記憶部164、相対輝度割合記憶部165、判断基準記憶部166、および境界識別情報記憶部167を備えている。
図7に示すように、図7(A)、(B)は、学習情報入力手段114によって学習部113に学習させるためのマンモグラフィ画像、およびそのマスキング画像である。
図8に示すように、学習部113は、U−netと呼ばれるディープラーニングの技術を使ったプログラムを用いて、乳腺組織が存在する評価範囲と他の組織との境界を識別するための境界識別情報、つまり乳腺組織が存在する評価範囲の範囲を学習することができる。
通常のニューラルネットワークによって行われる画像認識では、たたみ込み層が物体の複雑な特徴を抽出し、プーリング層が物体の全体的な位置ズレを許容する役割を担っている。
図9に示すように、学習により出力される画像をX、手動でマスキングした画像をYとすると、DICE係数を用いると図9のようなDICE係数DSCで表される。
図10に示すように、学習部113は、U−netを用いて学習させたところ、DICE係数DSCは、0.8984となり、90%近い一致率を示している。この結果から、学習部113の学習により、マスク処理部110は乳腺組織が存在する評価範囲と他の組織との境界を自動で識別することができることがわかる。
図11に示すように、マスク処理部110は、図11(A)、(B)、(C)のようにマスク処理を行う。
図11(B)は、マスク処理部110に入力されたマンモグラフィ画像を、学習部113が学習した乳腺組織が存在する評価範囲と他の組織との境界を識別する境界識別情報により、境界決定部111が処理した評価対象となる乳腺組織が存在する範囲のみを囲んだマスキング画像である。
のマンモグラフィ画像と、図11(B)のマスキング画像とから、マスク処理を行い、図11(C)のような筋肉や皮膚、乳頭などを除外し、評価対象となる乳腺組織が存在する評価範囲のみを抽出した画像が描画される。
図12の画像は、マンモグラフィ画像による乳房の上部が描画されている。基準となる脂肪組織は、乳房の上部に多く存在し、本実施の形態では、乳房上部に存在する脂肪組織を基準として輝度を算出する例で示す。
走査情報取得部121は、水平方向にピクセル単位で移動しながら走査し、背景と皮膚との境界を境界検出部122が検出する。
図13に示すように、マンモグラフィ画像を拡大すると、コンピュータなどで画像を扱う際に、輝度情報を持つ最小単位であるピクセルの集合体で表示されていることがわかる。
図14に示すように、基準組織輝度算出部120によって算出された基準となる脂肪組織の輝度を1としたときに、評価範囲輝度算出部130が算出した乳腺組織が存在する評価範囲の各部位の輝度の相対値に相対輝度変換処理部141が変換する。このように、図13で算出された評価範囲の輝度は、脂肪組織を基準とした相対値に変換される。
図15に示すように、相対輝度変換処理部141が変換した脂肪組織を基準とした相対値に基づいて、相対輝度割合計算部142は、輝度の割合を計算および集計を行なう。
図15では、相対輝度が0以上1未満であるものが全体の1%、相対輝度が1以上2未満であるものが全体の38%、相対輝度が3以上4未満であるものが全体の27%、相対輝度が4以上5未満であるものが全体の12%、相対輝度が5以上6未満であるものが全体の7%、相対輝度が6以上7未満であるものが全体の5%、相対輝度が7以上8未満であるものが全体の4%、相対輝度が8以上9未満であるものが全体の4%、相対輝度が9以上10未満であるものが全体の1%、相対輝度が10以上であるものが全体の0%であることを示している。
例えば、判断基準を相対輝度3以上のものを白く描画されたものとして「相対輝度3以上の割合が30%以上の場合はデンスブレスト、相対輝度3以上の割合が30%未満の場合はデンスブレストではない」という基準に設定した場合、人間が評価した結果と77%一致する結果が出ている。
次に、本発明の第2の実施の形態について説明する。本実施の形態の映像処理装置は、基準組織輝度算出部の構造および算出方法が異なる以外は、第1の実施の形態で示した構成とほぼ同様である。このため、上記第1の実施の形態とほぼ同様の構成部分については同一の符号を付すなどして適宜その説明を省略する。
図16に示すように、基準組織輝度算出部120は、走査情報取得部121、境界検出部122、基準組織輝度計測部123、平均値算出部124、輝度計測部125、移動平均算出部126、および移動平均傾き算出部127を備えている。
走査情報取得部121が、走査しながら得たマスク処理前のマンモグラフィ画像上の情報は、輝度計測部125に送信される。
図17に示すように、マンモグラフィ検診で撮影されるマンモグラフィ画像は、身体の内側から大胸筋、脂肪組織、および皮膚組織の順番に重なって描画される。
図18に示すように、輝度計測部125が計測した輝度は、図18の実線で表示されており、大胸筋側から高い輝度で表され、輝度が低下するに伴って脂肪組織になり、やがて脂肪組織から輝度が0となる背景になる。
図19に示すように、移動平均傾き算出部127が算出した移動平均線の傾き情報は、図19の実線で表示されており、大胸筋側付近では、傾きが激しく変化し、脂肪組織付近では傾きが0付近で変化し、やがて背景に移ると一定の値0に収束される。
なお、第1の実施の形態、および第2の実施の形態では、本発明の映像処理装置100がマンモグラフィ画像から脂肪組織を基準として乳腺組織が存在する評価範囲の輝度の割合を測定したが、基準とする細胞や評価対象である組織を変更することで様々な身体の状態を数値化することができる。
110 マスク処理部
111 境界決定部
112 画像処理部
113 学習部
114 学習情報入力手段
120 基準組織輝度算出部
121 走査情報取得部
122 境界検出部
123 基準組織輝度計測部
124 平均値算出部
125 輝度計測部
126 移動平均算出部
127 移動平均傾き算出部
130 評価範囲輝度算出部
131 評価範囲走査情報取得部
132 評価範囲輝度計測部
140 基準輝度割合算出部
141 相対輝度変換処理部
142 相対輝度割合計算部
150 状態判断部
160 情報記憶部
161 マスク処理前画像記憶部
162 マスク処理後画像記憶部
163 基準組織輝度記憶部
164 評価範囲輝度記憶部
165 相対輝度割合記憶部
166 判断基準記憶部
167 境界識別情報記憶部
200 医療映像装置
300 表示手段
Claims (15)
- 入力された医療映像内で、状態を評価する組織の評価範囲における構成割合を算出する映像処理装置において、
構成割合を算出するために基準とする基準組織の輝度である基準組織輝度を算出する基準組織輝度算出手段と、
前記評価範囲の輝度である評価範囲輝度を算出する評価範囲輝度算出手段と、
前記基準範囲輝度に対して、前記評価組織輝度の割合を算出する基準輝度割合算出手段と、
を備えることを特徴とする映像処理装置。 - 前記基準輝度割合算出手段は、
前記基準組織輝度を基準とする前記評価範囲輝度の相対値である相対輝度に変換する相対輝度変換手段と、
前記相対輝度の割合を算出する相対輝度割合算出手段と、
を備えることを特徴とする請求項1記載の映像処理装置。 - 前記相対輝度割合算出手段は、
前記相対輝度の割合を色で視覚化すること、
を特徴とする請求項2記載の映像処理装置。 - 前記基準組織輝度算出手段は、
前記評価範囲の内部と、前記評価範囲の外部との境界を検出する評価範囲境界検出手段と、
前記評価範囲の内側、かつ前記境界から所定範囲部位の輝度を算出する所定範囲輝度算出手段と、
前記所定範囲輝度算出手段が算出した所定範囲部位の輝度の平均値を算出する所定範囲部位輝度平均値算出手段と、
を備えることを特徴とする請求項1記載の映像処理装置。 - 前記基準組織は、乳房における脂肪組織であり、前記評価対象組織は、乳房における乳腺組織であって、
前記所定範囲輝度算出手段は、
乳房の上部、かつ皮膚の内側にみられる脂肪組織の輝度を算出すること、
を特徴とする請求項4記載の映像処理装置。 - 前記基準組織輝度算出手段は、
前記医療映像のうち前記評価範囲を含む一定の高さで各部位の直線上の輝度を算出する直線輝度算出手段と、
前記直線輝度算出手段が算出した各部位の輝度から、輝度の移動平均を算出する移動平均算出手段と、
前記移動平均を可視化したときの移動平均線の傾きを算出する移動平均傾き算出手段と、
前記移動平均線の傾きから、前記基準組織の境界を検出する基準組織境界検出手段と、
前記基準組織の境界から所定範囲部位の輝度を算出する所定範囲輝度算出手段と、
前記所定範囲輝度算出手段が算出した所定範囲部位の輝度の平均値を算出する所定範囲部位輝度平均値算出手段と、
を備えることを特徴とする請求項1記載の映像処理装置。 - 前記基準組織は、乳房における脂肪組織であり、前記評価対象組織は、乳房における乳腺組織であって、
直線輝度算出手段は、前記乳房のうち、大胸筋、脂肪組織、および皮膚組織が重なっている一定の高さで輝度を算出し、
前記基準組織境界検出手段は、大胸筋と脂肪組織との境界、および皮膚組織と前記医療映像の背景との境界を検出すること、
を特徴とする請求項6記載の映像処理装置。 - 前記基準組織境界検出手段は、
前記大胸筋側からみた前記移動平均傾きで最初に0以上になったときを、大胸筋と脂肪組織との境界として検出すること、
を特徴とする請求項7記載の映像処理装置。 - 前記評価範囲以外を除外するマスク処理を施すマスク処理部、
を備えることを特徴とする請求項1記載の映像処理装置。 - 前記マスク処理部は、
入力された学習用映像に基づいてマスク処理を施す範囲を学習する学習部と
前記学習部が学習した情報に基づいて範囲を判断する範囲判断部と、
を備えることを特徴とする請求項9記載の映像処理装置。 - 前記学習部は、
ニューラルネットワークを用いたディープラーニングによって、学習用の医療映像から一定の範囲のみを識別する識別処理を学習する、
ことを特徴とする請求項10記載の映像処理装置。 - 前記識別処理は、
U−net構造のモデルを用いた画像領域抽出処理、
であることを特徴とする請求項11記載の映像処理装置。 - 前記輝度割合算出手段が算出した輝度の割合に基づいて、対象組織の状態を判断する状態判断部、
を備えることを特徴とする請求項1記載の映像処理装置。 - 入力された医療映像内で、状態を評価する組織の評価範囲における構成割合を算出する映像処理方法において、
基準組織輝度算出手段が、構成割合を算出するために基準とする基準組織の輝度である基準組織輝度を算出するステップと、
評価範囲輝度算出手段が、前記評価範囲の輝度である評価範囲輝度を算出するステップと、
基準輝度割合算出手段が、前記基準範囲輝度に対して、前記評価組織輝度の割合を算出するステップと、
を備えることを特徴とする映像処理方法。 - 入力された医療映像内で、状態を評価する組織の評価範囲における構成割合を算出する映像処理プログラムにおいて、
コンピュータを、
構成割合を算出するために基準とする基準組織の輝度である基準組織輝度を算出する基準組織輝度算出手段、
前記評価範囲の輝度である評価範囲輝度を算出する評価範囲輝度算出手段、
前記基準範囲輝度に対して、前記評価組織輝度の割合を算出する基準輝度割合算出手段、
として機能させることを特徴とする映像処理プログラム。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2018179275A JP7283878B2 (ja) | 2018-09-25 | 2018-09-25 | 映像処理装置、映像処理方法、および映像処理プログラム |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2018179275A JP7283878B2 (ja) | 2018-09-25 | 2018-09-25 | 映像処理装置、映像処理方法、および映像処理プログラム |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2020048707A true JP2020048707A (ja) | 2020-04-02 |
JP7283878B2 JP7283878B2 (ja) | 2023-05-30 |
Family
ID=69994388
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2018179275A Active JP7283878B2 (ja) | 2018-09-25 | 2018-09-25 | 映像処理装置、映像処理方法、および映像処理プログラム |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP7283878B2 (ja) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20190080121A (ko) * | 2017-12-28 | 2019-07-08 | 삼성메디슨 주식회사 | 초음파 영상 장치 및 그 제어 방법 |
KR20200133593A (ko) * | 2019-05-20 | 2020-11-30 | 주식회사 힐세리온 | 인공지능형 초음파 지방간 자동 진단 장치 및 이를 이용한 원격 의료 진단 방법 |
KR20220103506A (ko) * | 2021-01-15 | 2022-07-22 | 고려대학교 산학협력단 | 딥러닝 기반 자동 대흉근 측정 장치 및 그 방법을 실행하기 위한 프로그램이 기록된 기록매체 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2008038525A1 (fr) * | 2006-09-26 | 2008-04-03 | Konica Minolta Medical & Graphic, Inc. | Système d'imagerie |
JP2010253245A (ja) * | 2009-03-31 | 2010-11-11 | Fujifilm Corp | 乳腺含有率推定装置及び方法 |
JP2011206240A (ja) * | 2010-03-30 | 2011-10-20 | Fujifilm Corp | 医用画像表示装置および方法並びにプログラム |
JP2015167829A (ja) * | 2014-03-10 | 2015-09-28 | 株式会社東芝 | 医用検査管理装置、医用画像診断装置及び医用検査システム |
US20160256126A1 (en) * | 2013-11-19 | 2016-09-08 | Jeffery C. Wehnes | Obtaining breast density measurements and classifications |
JP2018089301A (ja) * | 2016-12-07 | 2018-06-14 | 学校法人常翔学園 | 生体画像処理装置、出力画像製造方法、学習結果製造方法、及びプログラム |
CN108550150A (zh) * | 2018-04-17 | 2018-09-18 | 上海联影医疗科技有限公司 | 乳腺密度的获取方法、设备及可读存储介质 |
-
2018
- 2018-09-25 JP JP2018179275A patent/JP7283878B2/ja active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2008038525A1 (fr) * | 2006-09-26 | 2008-04-03 | Konica Minolta Medical & Graphic, Inc. | Système d'imagerie |
JP2010253245A (ja) * | 2009-03-31 | 2010-11-11 | Fujifilm Corp | 乳腺含有率推定装置及び方法 |
JP2011206240A (ja) * | 2010-03-30 | 2011-10-20 | Fujifilm Corp | 医用画像表示装置および方法並びにプログラム |
US20160256126A1 (en) * | 2013-11-19 | 2016-09-08 | Jeffery C. Wehnes | Obtaining breast density measurements and classifications |
JP2015167829A (ja) * | 2014-03-10 | 2015-09-28 | 株式会社東芝 | 医用検査管理装置、医用画像診断装置及び医用検査システム |
JP2018089301A (ja) * | 2016-12-07 | 2018-06-14 | 学校法人常翔学園 | 生体画像処理装置、出力画像製造方法、学習結果製造方法、及びプログラム |
CN108550150A (zh) * | 2018-04-17 | 2018-09-18 | 上海联影医疗科技有限公司 | 乳腺密度的获取方法、设备及可读存储介质 |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20190080121A (ko) * | 2017-12-28 | 2019-07-08 | 삼성메디슨 주식회사 | 초음파 영상 장치 및 그 제어 방법 |
KR102591371B1 (ko) | 2017-12-28 | 2023-10-19 | 삼성메디슨 주식회사 | 초음파 영상 장치 및 그 제어 방법 |
KR20200133593A (ko) * | 2019-05-20 | 2020-11-30 | 주식회사 힐세리온 | 인공지능형 초음파 지방간 자동 진단 장치 및 이를 이용한 원격 의료 진단 방법 |
KR102258776B1 (ko) | 2019-05-20 | 2021-05-31 | 주식회사 힐세리온 | 인공지능형 초음파 지방간 자동 진단 장치 및 이를 이용한 원격 의료 진단 방법 |
KR20220103506A (ko) * | 2021-01-15 | 2022-07-22 | 고려대학교 산학협력단 | 딥러닝 기반 자동 대흉근 측정 장치 및 그 방법을 실행하기 위한 프로그램이 기록된 기록매체 |
KR102549694B1 (ko) | 2021-01-15 | 2023-06-29 | 고려대학교 산학협력단 | 딥러닝 기반 자동 대흉근 측정 장치 및 그 방법을 실행하기 위한 프로그램이 기록된 기록매체 |
Also Published As
Publication number | Publication date |
---|---|
JP7283878B2 (ja) | 2023-05-30 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP5145170B2 (ja) | 医用画像の評価装置 | |
JP6175071B2 (ja) | 胸部画像の処理及び表示 | |
JP5145169B2 (ja) | 医用画像の撮影支援装置及びプログラム | |
JP5010375B2 (ja) | 医用画像診断装置 | |
JP5026939B2 (ja) | 画像処理装置およびそのプログラム | |
JP5123954B2 (ja) | 医療画像における病変部の特定及び分析 | |
US20100014738A1 (en) | Method and system for breast cancer screening | |
WO2008035444A1 (fr) | Système de diagnostic de sein à ultrasons | |
JP2006116313A (ja) | 3次元画像化における診断方法 | |
JP7283878B2 (ja) | 映像処理装置、映像処理方法、および映像処理プログラム | |
JP2000287955A (ja) | 画像診断支援装置 | |
KR102206621B1 (ko) | 딥러닝 알고리즘을 이용한 근감소증 분석 프로그램 및 애플리케이션 | |
JP6648587B2 (ja) | 超音波診断装置 | |
Loizou et al. | Despeckle Filtering for Ultrasound Imaging and Video, Volume II: Selected Applications | |
JP6455235B2 (ja) | 医用画像システム及びプログラム | |
JP3758894B2 (ja) | マンモグラム画像診断支援装置 | |
JPH09251535A (ja) | 2次元多階調画像におけるパタン検出方法及び装置 | |
JP4380176B2 (ja) | 医用画像処理装置及び異常陰影候補の検出結果の表示方法 | |
JP2006325640A (ja) | 異常陰影候補の表示方法及び医用画像処理システム | |
JP2006340835A (ja) | 異常陰影候補の表示方法及び医用画像処理システム | |
JP2003275196A (ja) | 医用画像処理方法および医用画像処理装置 | |
JP2006334140A (ja) | 異常陰影候補の表示方法及び医用画像処理システム | |
JP2005058526A (ja) | 断層画像撮影方法および装置 | |
JP2002125961A (ja) | 画像診断支援装置 | |
KR20210081243A (ko) | 탄성초음파영상에 대한 변형률 계산 및 변형량의 자동 측정을 위한 방법 및 시스템 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A711 | Notification of change in applicant |
Free format text: JAPANESE INTERMEDIATE CODE: A711 Effective date: 20210727 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20210806 |
|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20210806 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A821 Effective date: 20210727 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20220225 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20220722 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20220726 |
|
A601 | Written request for extension of time |
Free format text: JAPANESE INTERMEDIATE CODE: A601 Effective date: 20220916 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20221102 |
|
A02 | Decision of refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A02 Effective date: 20230131 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20230407 |
|
C60 | Trial request (containing other claim documents, opposition documents) |
Free format text: JAPANESE INTERMEDIATE CODE: C60 Effective date: 20230407 |
|
A911 | Transfer to examiner for re-examination before appeal (zenchi) |
Free format text: JAPANESE INTERMEDIATE CODE: A911 Effective date: 20230414 |
|
C21 | Notice of transfer of a case for reconsideration by examiners before appeal proceedings |
Free format text: JAPANESE INTERMEDIATE CODE: C21 Effective date: 20230418 |
|
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: 20230516 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20230518 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 7283878 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |