JP2020054580A - 疾患領域を判別する判別器の学習装置、方法及びプログラム、疾患領域を判別する判別器、並びに疾患領域判別装置及びプログラム - Google Patents
疾患領域を判別する判別器の学習装置、方法及びプログラム、疾患領域を判別する判別器、並びに疾患領域判別装置及びプログラム Download PDFInfo
- Publication number
- JP2020054580A JP2020054580A JP2018186789A JP2018186789A JP2020054580A JP 2020054580 A JP2020054580 A JP 2020054580A JP 2018186789 A JP2018186789 A JP 2018186789A JP 2018186789 A JP2018186789 A JP 2018186789A JP 2020054580 A JP2020054580 A JP 2020054580A
- Authority
- JP
- Japan
- Prior art keywords
- learning
- unit
- disease
- medical image
- input
- 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
- 201000010099 disease Diseases 0.000 title claims abstract description 133
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 title claims abstract description 133
- 238000000034 method Methods 0.000 title claims abstract description 54
- 208000007536 Thrombosis Diseases 0.000 claims description 87
- 206010061216 Infarction Diseases 0.000 claims description 85
- 230000007574 infarction Effects 0.000 claims description 85
- 210000004556 brain Anatomy 0.000 claims description 41
- 238000013528 artificial neural network Methods 0.000 claims description 17
- 210000003484 anatomy Anatomy 0.000 claims description 10
- 230000001364 causal effect Effects 0.000 claims description 8
- 238000002591 computed tomography Methods 0.000 description 132
- 238000013527 convolutional neural network Methods 0.000 description 123
- 238000012545 processing Methods 0.000 description 43
- 238000010586 diagram Methods 0.000 description 24
- 210000004204 blood vessel Anatomy 0.000 description 14
- 206010008118 cerebral infarction Diseases 0.000 description 9
- 208000026106 cerebrovascular disease Diseases 0.000 description 9
- 201000001429 Intracranial Thrombosis Diseases 0.000 description 8
- 238000003745 diagnosis Methods 0.000 description 6
- 230000006870 function Effects 0.000 description 6
- 206010008132 Cerebral thrombosis Diseases 0.000 description 5
- 230000002490 cerebral effect Effects 0.000 description 5
- 238000002595 magnetic resonance imaging Methods 0.000 description 5
- 238000005516 engineering process Methods 0.000 description 4
- 238000013135 deep learning Methods 0.000 description 3
- 238000003384 imaging method Methods 0.000 description 3
- 210000003657 middle cerebral artery Anatomy 0.000 description 3
- 238000011176 pooling Methods 0.000 description 3
- 230000000306 recurrent effect Effects 0.000 description 3
- 210000002551 anterior cerebral artery Anatomy 0.000 description 2
- 210000004004 carotid artery internal Anatomy 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 239000002872 contrast media Substances 0.000 description 2
- 206010008111 Cerebral haemorrhage Diseases 0.000 description 1
- 208000032843 Hemorrhage Diseases 0.000 description 1
- 210000001015 abdomen Anatomy 0.000 description 1
- 230000004913 activation Effects 0.000 description 1
- 230000001154 acute effect Effects 0.000 description 1
- 210000001367 artery Anatomy 0.000 description 1
- QVGXLLKOCUKJST-UHFFFAOYSA-N atomic oxygen Chemical compound [O] QVGXLLKOCUKJST-UHFFFAOYSA-N 0.000 description 1
- 230000000740 bleeding effect Effects 0.000 description 1
- 210000004958 brain cell Anatomy 0.000 description 1
- 210000001627 cerebral artery Anatomy 0.000 description 1
- 210000004720 cerebrum Anatomy 0.000 description 1
- 229940079593 drug Drugs 0.000 description 1
- 239000003814 drug Substances 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 235000015097 nutrients Nutrition 0.000 description 1
- 229910052760 oxygen Inorganic materials 0.000 description 1
- 239000001301 oxygen Substances 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 210000003625 skull Anatomy 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 230000001732 thrombotic effect Effects 0.000 description 1
- 208000019553 vascular disease Diseases 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
- G06T7/0012—Biomedical image inspection
- G06T7/0014—Biomedical image inspection using an image reference approach
-
- 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
-
- 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
- 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
- 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
- G16H40/20—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 management or administration of healthcare resources or facilities, e.g. managing hospital staff or surgery rooms
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2200/00—Indexing scheme for image data processing or generation, in general
- G06T2200/04—Indexing scheme for image data processing or generation, in general involving 3D image 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
- G06T2207/10072—Tomographic images
- G06T2207/10081—Computed x-ray tomography [CT]
-
- 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
- G06T2207/30016—Brain
Abstract
Description
医用画像及びこの医用画像において第1の疾患が現れた第1の疾患領域の正解マスクのデータセットを複数用いて、医用画像を共通学習部の入力部へ入力した場合に、複数の学習部のうちの第1の学習部の出力部から第1の疾患領域を示す情報が出力されるように学習させ、
かつ、医用画像及びこの医用画像において第1の疾患と医学的及び解剖学的の少なくとも一方に因果のある第2の疾患が現れた第2の疾患領域の正解マスクのデータセットを複数用いて、医用画像を共通学習部の入力部へ入力した場合に、複数の学習部のうちの第2の学習部の出力部から第2の疾患領域を示す情報が出力されるように学習させる。
医用画像及びこの医用画像において第1の疾患が現れた第1の疾患領域の正解マスクのデータセットを複数用いて、医用画像を共通学習部の入力部へ入力した場合に、複数の学習部のうちの第1の学習部の出力部から第1の疾患領域を示す情報が出力されるように学習させ、
かつ、医用画像及びこの医用画像において第1の疾患と医学的及び解剖学的の少なくとも一方に因果のある第2の疾患が現れた第2の疾患領域の正解マスクのデータセットを複数用いて、医用画像を共通学習部の入力部へ入力した場合に、複数の学習部のうちの第2の学習部の出力部から第2の疾患領域を示す情報が出力されるように学習させる。
記憶された命令を実行するよう構成されたプロセッサとを備え、プロセッサは、
医用画像及びこの医用画像において第1の疾患が現れた第1の疾患領域の正解マスクのデータセットを複数用いて、医用画像を共通学習部の入力部へ入力した場合に、複数の学習部のうちの第1の学習部の出力部から第1の疾患領域を示す情報が出力されるように学習させ、
かつ、医用画像及びこの医用画像において第1の疾患と医学的及び解剖学的の少なくとも一方に因果のある第2の疾患が現れた第2の疾患領域の正解マスクのデータセットを複数用いて、医用画像を共通学習部の入力部へ入力した場合に、複数の学習部のうちの第2の学習部の出力部から第2の疾患領域を示す情報が出力されるように学習させる処理を実行する。
判別対象の医用画像における第1の疾患領域を判別する、本開示の判別器とを備える。
判別対象の医用画像における第2の疾患領域を判別する、本開示の判別器とを備える。
本開示の判別器により、判別対象の医用画像における第1の疾患領域を判別する手順とをコンピュータに実行させる。
本開示の判別器により、判別対象の医用画像における第2の疾患領域を判別する手順とをコンピュータに実行させる。
記憶された命令を実行するよう構成されたプロセッサとを備え、プロセッサは、
判別対象の医用画像を取得し、
本開示の判別器により、判別対象の医用画像における第1の疾患領域を判別する処理を実行する。
記憶された命令を実行するよう構成されたプロセッサとを備え、プロセッサは、
判別対象の医用画像を取得し、
本開示の判別器により、判別対象の医用画像における第2の疾患領域を判別する処理を実行する。
2 3次元画像撮影装置
3 画像保管サーバ
4 ネットワーク
11 CPU
12 メモリ
13 ストレージ
14 表示部
15 入力部
21 画像取得部
22,22−2 学習部
23,23−2 判別器
24 表示制御部
31 第1CNN(共通学習部)
32 第2CNN(第1の学習部)
33 第3CNN(第2の学習部)
34 第4CNN(第3の学習部)
35 第5CNN(第4の学習部)
A1 血栓領域
A2 梗塞領域
B0 判別対象のCT画像
Bt1 血栓領域を含むCT画像
Bi1 梗塞領域を含むCT画像
Claims (14)
- 入力部及び出力部を有する共通学習部と、各々入力部及び出力部を有し、各々の入力部が前記共通学習部の出力部に接続された複数の学習部と、を備えた判別器を学習させる学習方法であって、
医用画像及び該医用画像において第1の疾患が現れた第1の疾患領域の正解マスクのデータセットを複数用いて、前記医用画像を前記共通学習部の入力部へ入力した場合に、前記複数の学習部のうちの第1の学習部の出力部から前記第1の疾患領域を示す情報が出力されるように学習させ、
かつ、医用画像及び該医用画像において前記第1の疾患と医学的及び解剖学的の少なくとも一方に因果のある第2の疾患が現れた第2の疾患領域の正解マスクのデータセットを複数用いて、前記医用画像を前記共通学習部の入力部へ入力した場合に、前記複数の学習部のうちの第2の学習部の出力部から前記第2の疾患領域を示す情報が出力されるように学習させる学習方法。 - 医用画像及び該医用画像における前記第1の疾患の解剖学的な部位の正解情報のデータセットを複数用いて、前記医用画像を前記共通学習部の入力部へ入力した場合に、前記複数の学習部のうちの第3の学習部の出力部から前記第1の疾患の解剖学的な部位を示す情報が出力されるように学習させる請求項1に記載の学習方法。
- 医用画像及び該医用画像における前記第2の疾患の有無を示す情報を複数用いて、前記医用画像を前記共通学習部の入力部へ入力した場合に、前記複数の学習部のうちの第4の学習部の出力部から前記第2の疾患の有無を示す情報が出力されるように学習させる請求項1又は2に記載の学習方法。
- 前記共通学習部及び前記複数の学習部の各々は、前記入力部としての入力層、複数の中間層、及び前記出力部としての出力層を備えたニューラルネットワークである請求項1から3の何れか1項に記載の学習方法。
- 前記第1の疾患は血栓であり、前記第2の疾患は梗塞である請求項1から4の何れか1項に記載の学習方法。
- 前記医用画像が脳画像である請求項1から5の何れか1項に記載の学習方法。
- 入力部及び出力部を有する共通学習部と、各々入力部及び出力部を有し、各々の入力部が前記共通学習部の出力部に接続された複数の学習部と、を備えた判別器を学習させる学習装置であって、
医用画像及び該医用画像において第1の疾患が現れた第1の疾患領域の正解マスクのデータセットを複数用いて、前記医用画像を前記共通学習部の入力部へ入力した場合に、前記複数の学習部のうちの第1の学習部の出力部から前記第1の疾患領域を示す情報が出力されるように学習させ、
かつ、医用画像及び該医用画像において前記第1の疾患と医学的及び解剖学的の少なくとも一方に因果のある第2の疾患が現れた第2の疾患領域の正解マスクのデータセットを複数用いて、前記医用画像を前記共通学習部の入力部へ入力した場合に、前記複数の学習部のうちの第2の学習部の出力部から前記第2の疾患領域を示す情報が出力されるように学習させる学習装置。 - 入力部及び出力部を有する共通学習部と、各々入力部及び出力部を有し、各々の入力部が前記共通学習部の出力部に接続された複数の学習部と、を備えた判別器を学習させる学習プログラムであって、
医用画像及び該医用画像において第1の疾患が現れた第1の疾患領域の正解マスクのデータセットを複数用いて、前記医用画像を前記共通学習部の入力部へ入力した場合に、前記複数の学習部のうちの第1の学習部の出力部から前記第1の疾患領域を示す情報が出力されるように学習させる手順と、
医用画像及び該医用画像において前記第1の疾患と医学的及び解剖学的の少なくとも一方に因果のある第2の疾患が現れた第2の疾患領域の正解マスクのデータセットを複数用いて、前記医用画像を前記共通学習部の入力部へ入力した場合に、前記複数の学習部のうちの第2の学習部の出力部から前記第2の疾患領域を示す情報が出力されるように学習させる手順とをコンピュータに実行させる学習プログラム。 - 請求項1から6の何れか1項に記載の学習方法、請求項7に記載の学習装置、及び請求項8に記載の学習プログラムの何れかにより学習がなされた判別器。
- 判別対象の医用画像を取得する画像取得部と、
前記判別対象の医用画像における第1の疾患領域を判別する、請求項9に記載の判別器とを備えた疾患領域判別装置。 - 判別対象の医用画像を取得する画像取得部と、
前記判別対象の医用画像における第2の疾患領域を判別する、請求項9に記載の判別器とを備えた疾患領域判別装置。 - 前記判別器による判別結果を表示部に表示させる表示制御部をさらに備えた請求項10又は請求項11に記載の疾患領域判別装置。
- 判別対象の医用画像を取得する手順と、
請求項9に記載の判別器により、前記判別対象の医用画像における第1の疾患領域を判別する手順とをコンピュータに実行させる疾患領域判別プログラム。 - 判別対象の医用画像を取得する手順と、
請求項9に記載の判別器により、前記判別対象の医用画像における第2の疾患領域を判別する手順とをコンピュータに実行させる疾患領域判別プログラム。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2018186789A JP7129870B2 (ja) | 2018-10-01 | 2018-10-01 | 疾患領域を判別する判別器の学習装置、方法及びプログラム、疾患領域を判別する判別器、並びに疾患領域判別装置及びプログラム |
US16/584,847 US11244455B2 (en) | 2018-10-01 | 2019-09-26 | Apparatus, method, and program for training discriminator discriminating disease region, discriminator discriminating disease region, disease region discrimination apparatus, and disease region discrimination program |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2018186789A JP7129870B2 (ja) | 2018-10-01 | 2018-10-01 | 疾患領域を判別する判別器の学習装置、方法及びプログラム、疾患領域を判別する判別器、並びに疾患領域判別装置及びプログラム |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2020054580A true JP2020054580A (ja) | 2020-04-09 |
JP7129870B2 JP7129870B2 (ja) | 2022-09-02 |
Family
ID=69946311
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2018186789A Active JP7129870B2 (ja) | 2018-10-01 | 2018-10-01 | 疾患領域を判別する判別器の学習装置、方法及びプログラム、疾患領域を判別する判別器、並びに疾患領域判別装置及びプログラム |
Country Status (2)
Country | Link |
---|---|
US (1) | US11244455B2 (ja) |
JP (1) | JP7129870B2 (ja) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2022059799A1 (ja) * | 2020-09-18 | 2022-03-24 | 国立大学法人群馬大学 | 情報処理装置及びプログラム |
WO2023171040A1 (ja) * | 2022-03-07 | 2023-09-14 | 国立大学法人京都大学 | 情報処理装置、方法およびプログラム、学習装置、方法およびプログラム、並びに判別モデル |
WO2023171039A1 (ja) * | 2022-03-07 | 2023-09-14 | 国立大学法人京都大学 | 情報処理装置、方法およびプログラム、学習装置、方法およびプログラム、並びに判別モデル |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2020121678A1 (ja) * | 2018-12-14 | 2020-06-18 | 富士フイルム株式会社 | ミニバッチ学習装置とその作動プログラム、作動方法、および画像処理装置 |
TWI832057B (zh) * | 2021-05-27 | 2024-02-11 | 宏碁股份有限公司 | 醫療影像判讀方法與系統 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20160174902A1 (en) * | 2013-10-17 | 2016-06-23 | Siemens Aktiengesellschaft | Method and System for Anatomical Object Detection Using Marginal Space Deep Neural Networks |
KR101740464B1 (ko) * | 2016-10-20 | 2017-06-08 | (주)제이엘케이인스펙션 | 뇌졸중 진단 및 예후 예측 방법 및 시스템 |
WO2017127439A1 (en) * | 2016-01-21 | 2017-07-27 | Impac Medical Systems, Inc. | Systems and methods for segmentation of intra-patient medical images |
JP2018011958A (ja) * | 2016-07-21 | 2018-01-25 | 東芝メディカルシステムズ株式会社 | 医用画像処理装置及び医用画像処理プログラム |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH08251404A (ja) | 1995-03-13 | 1996-09-27 | Minolta Co Ltd | 画像領域属性判別方法及び装置 |
US9965863B2 (en) * | 2016-08-26 | 2018-05-08 | Elekta, Inc. | System and methods for image segmentation using convolutional neural network |
US11049243B2 (en) * | 2017-04-19 | 2021-06-29 | Siemens Healthcare Gmbh | Target detection in latent space |
CN108771530B (zh) * | 2017-05-04 | 2021-03-30 | 深圳硅基智能科技有限公司 | 基于深度神经网络的眼底病变筛查系统 |
EP3596697B1 (en) * | 2017-06-28 | 2021-03-17 | Deepmind Technologies Limited | Generalizable medical image analysis using segmentation and classification neural networks |
-
2018
- 2018-10-01 JP JP2018186789A patent/JP7129870B2/ja active Active
-
2019
- 2019-09-26 US US16/584,847 patent/US11244455B2/en active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20160174902A1 (en) * | 2013-10-17 | 2016-06-23 | Siemens Aktiengesellschaft | Method and System for Anatomical Object Detection Using Marginal Space Deep Neural Networks |
WO2017127439A1 (en) * | 2016-01-21 | 2017-07-27 | Impac Medical Systems, Inc. | Systems and methods for segmentation of intra-patient medical images |
JP2018011958A (ja) * | 2016-07-21 | 2018-01-25 | 東芝メディカルシステムズ株式会社 | 医用画像処理装置及び医用画像処理プログラム |
KR101740464B1 (ko) * | 2016-10-20 | 2017-06-08 | (주)제이엘케이인스펙션 | 뇌졸중 진단 및 예후 예측 방법 및 시스템 |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2022059799A1 (ja) * | 2020-09-18 | 2022-03-24 | 国立大学法人群馬大学 | 情報処理装置及びプログラム |
WO2023171040A1 (ja) * | 2022-03-07 | 2023-09-14 | 国立大学法人京都大学 | 情報処理装置、方法およびプログラム、学習装置、方法およびプログラム、並びに判別モデル |
WO2023171039A1 (ja) * | 2022-03-07 | 2023-09-14 | 国立大学法人京都大学 | 情報処理装置、方法およびプログラム、学習装置、方法およびプログラム、並びに判別モデル |
Also Published As
Publication number | Publication date |
---|---|
US11244455B2 (en) | 2022-02-08 |
US20200104996A1 (en) | 2020-04-02 |
JP7129870B2 (ja) | 2022-09-02 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Wang et al. | ADVIAN: Alzheimer's disease VGG-inspired attention network based on convolutional block attention module and multiple way data augmentation | |
JP7129870B2 (ja) | 疾患領域を判別する判別器の学習装置、方法及びプログラム、疾患領域を判別する判別器、並びに疾患領域判別装置及びプログラム | |
JP7018856B2 (ja) | 医用画像処理装置、方法およびプログラム | |
Atlason et al. | Unsupervised brain lesion segmentation from MRI using a convolutional autoencoder | |
Gillmann et al. | Uncertainty‐aware Visualization in Medical Imaging‐A Survey | |
US11049251B2 (en) | Apparatus, method, and program for learning discriminator discriminating infarction region, discriminator for discriminating infarction region, and apparatus, method, and program for discriminating infarction region | |
US11915414B2 (en) | Medical image processing apparatus, method, and program | |
JP7129869B2 (ja) | 疾患領域抽出装置、方法及びプログラム | |
JP2021140769A (ja) | 医用情報処理装置、医用情報処理方法及び医用情報処理プログラム | |
WO2019216125A1 (ja) | 梗塞領域を判別する判別器の学習装置、方法およびプログラム、梗塞領域を判別する判別器、並びに梗塞領域判別装置、方法およびプログラム | |
Somasundaram et al. | Fetal brain extraction from magnetic resonance image (MRI) of human fetus | |
JP2020062355A (ja) | 画像処理装置、データ生成装置及びプログラム | |
JP7007469B2 (ja) | 医療文書作成支援装置、方法およびプログラム、学習済みモデル、並びに学習装置、方法およびプログラム | |
JP2023114463A (ja) | 表示装置、方法およびプログラム | |
JP7098498B2 (ja) | 疾患領域を判別する判別器の学習装置、方法及びプログラム、疾患領域を判別する判別器、並びに疾患領域判別装置及びプログラム | |
JP7321271B2 (ja) | 学習用画像生成装置、方法及びプログラム、並びに学習方法、装置及びプログラム | |
JP2020068881A (ja) | 情報処理装置、情報処理方法、及びプログラム | |
WO2021187483A1 (ja) | 文書作成支援装置、方法およびプログラム | |
WO2020262681A1 (ja) | 学習装置、方法およびプログラム、医用画像処理装置、方法およびプログラム、並びに判別器 | |
Sajjanar et al. | Advancements in hybrid approaches for brain tumor segmentation in MRI: a comprehensive review of machine learning and deep learning techniques | |
WO2022137855A1 (ja) | 情報処理装置、方法およびプログラム | |
Zarrin et al. | A deep network ensemble for segmentation of cervical spinal cord and neural foramina | |
Aydin et al. | Generative Modeling of the Circle of Willis Using 3D-StyleGAN | |
Andreini et al. | Multi-stage Synthetic Image Generation for the Semantic Segmentation of Medical Images | |
Ratnakar et al. | Artificial Intelligence and Medical Visualization |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20210120 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20211220 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20220201 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20220331 |
|
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: 20220802 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20220823 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 7129870 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |