JP2020141908A - 医用撮像装置、医用画像処理装置、医用画像処理プログラム、及び、機械学習モデル - Google Patents
医用撮像装置、医用画像処理装置、医用画像処理プログラム、及び、機械学習モデル Download PDFInfo
- Publication number
- JP2020141908A JP2020141908A JP2019041887A JP2019041887A JP2020141908A JP 2020141908 A JP2020141908 A JP 2020141908A JP 2019041887 A JP2019041887 A JP 2019041887A JP 2019041887 A JP2019041887 A JP 2019041887A JP 2020141908 A JP2020141908 A JP 2020141908A
- Authority
- JP
- Japan
- Prior art keywords
- image
- noise
- medical
- unit
- imaging device
- 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 162
- 238000010801 machine learning Methods 0.000 title claims abstract description 50
- 238000002059 diagnostic imaging Methods 0.000 title claims abstract description 35
- 230000009467 reduction Effects 0.000 claims abstract description 77
- 238000011156 evaluation Methods 0.000 claims abstract description 22
- 238000003384 imaging method Methods 0.000 claims description 39
- 238000004364 calculation method Methods 0.000 claims description 30
- 238000000034 method Methods 0.000 claims description 26
- 230000008569 process Effects 0.000 claims description 21
- 238000013441 quality evaluation Methods 0.000 claims description 16
- 238000012549 training Methods 0.000 claims description 10
- 238000013421 nuclear magnetic resonance imaging Methods 0.000 claims description 4
- 238000002595 magnetic resonance imaging Methods 0.000 description 12
- 230000006870 function Effects 0.000 description 11
- 230000005540 biological transmission Effects 0.000 description 9
- 238000013170 computed tomography imaging Methods 0.000 description 6
- 238000009499 grossing Methods 0.000 description 6
- 238000013527 convolutional neural network Methods 0.000 description 5
- 238000005070 sampling Methods 0.000 description 5
- 230000000694 effects Effects 0.000 description 4
- 238000012986 modification Methods 0.000 description 4
- 230000004048 modification Effects 0.000 description 4
- 239000000523 sample Substances 0.000 description 4
- 238000010586 diagram Methods 0.000 description 3
- 238000012935 Averaging Methods 0.000 description 2
- 238000012937 correction Methods 0.000 description 2
- 238000003745 diagnosis Methods 0.000 description 2
- 230000003902 lesion Effects 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 238000011946 reduction process Methods 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- 241001669679 Eleotris Species 0.000 description 1
- 238000005481 NMR spectroscopy Methods 0.000 description 1
- 230000003044 adaptive effect Effects 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000004888 barrier function Effects 0.000 description 1
- 230000002146 bilateral effect Effects 0.000 description 1
- 230000017531 blood circulation Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000013480 data collection Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 230000006866 deterioration Effects 0.000 description 1
- 238000009792 diffusion process Methods 0.000 description 1
- 201000010099 disease Diseases 0.000 description 1
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 230000001678 irradiating effect Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 230000005855 radiation Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
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
- G06T5/00—Image enhancement or restoration
- G06T5/20—Image enhancement or restoration using local operators
-
- 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
- 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
- G06T11/00—2D [Two Dimensional] image generation
- G06T11/003—Reconstruction from projections, e.g. tomography
-
- 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
- G06T11/008—Specific post-processing after tomographic reconstruction, e.g. voxelisation, metal artifact correction
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/60—Image enhancement or restoration using machine learning, e.g. neural 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
- 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
- G16H30/20—ICT specially adapted for the handling or processing of medical images for handling medical images, e.g. DICOM, HL7 or PACS
-
- 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
- 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
- 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
- G06T2207/10—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
- G06T2207/10—Image acquisition modality
- G06T2207/10132—Ultrasound 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
-
- 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
- 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
- G06T2207/30168—Image quality inspection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2210/00—Indexing scheme for image generation or computer graphics
- G06T2210/41—Medical
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2211/00—Image generation
- G06T2211/40—Computed tomography
- G06T2211/441—AI-based methods, deep learning or artificial neural networks
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- Radiology & Medical Imaging (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- General Engineering & Computer Science (AREA)
- Epidemiology (AREA)
- Computing Systems (AREA)
- Public Health (AREA)
- Mathematical Physics (AREA)
- Primary Health Care (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Computation (AREA)
- Data Mining & Analysis (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Life Sciences & Earth Sciences (AREA)
- Molecular Biology (AREA)
- Biophysics (AREA)
- Biomedical Technology (AREA)
- Computational Linguistics (AREA)
- Quality & Reliability (AREA)
- Apparatus For Radiation Diagnosis (AREA)
- Image Processing (AREA)
- Ultra Sonic Daignosis Equipment (AREA)
- Magnetic Resonance Imaging Apparatus (AREA)
- Measuring And Recording Apparatus For Diagnosis (AREA)
Abstract
Description
(1)複数種類の線形又は非線形画像フィルタを選択的に用いる、すなわち、平滑化フィルタ、平均値フィルタ、バイラテラルフィルタなどのノイズを低減させるのに有効な線形又は非線形画像フィルタを用いて、ノイズを含む画像にフィルタを畳み込み処理することでノイズを低減させる。
(2)ノイズ成分が小さくなるように補正処理を繰り返し行う(逐次再構成)。
(3)ノイズを含む画像データ(入力データセット)及びノイズを含まない画像データ(出力データセット)からなる学習セットを収集して生成された機械学習モデルを用いてノイズを低減させる(非特許文献1)。
逐次再構成によるノイズ低減の場合には、補正処理を繰り返し計算することから、演算に要する時間が膨大となる。
本発明の一態様は、医用撮像装置であり、医用画像を取得する撮像部と、前記医用画像に対して畳み込み処理を行う画像処理部と、を備え、前記画像処理部は、予め定められた複数の畳み込み係数のセット、および各畳み込み係数のセットの重み係数を記憶する記憶部と、前記記憶部に記憶された畳み込み係数のセットとその重み係数を用いて、前記畳み込み処理の演算を行う演算部と、を備え、前記畳み込み処理により画質を向上することを特徴とする。
<第一実施形態>
なお、各実施形態を説明するための全図において、同一機能を有するものは、同一の符号を付し、その繰り返しの説明は省略する。なお、これにより本発明が限定されるものではない。
図示するように、画像処理部200は、演算部201、画像取得部202、記憶装置203、メモリ204及び表示メモリ205を備えている。画像処理部200は、画像取得部202を介して計算機109の画像再構成部から医用画像を取得して所望の画像処理を行う。また、画像処理部200は、表示メモリ205を介して画像処理部200において処理を行った画像を表示させるディスプレイ210と接続されている。なお画像処理部200が独立した医用画像処理装置の場合には、図示しないモダリティや医用画像データベース等と接続され、これらから画像取得部202を介して医用画像を取得する。
記憶装置203は、ノイズ評価部211がノイズ評価の際に用いるノイズ評価対象の医用画像が撮影されたモダリティや、部位、撮像方法毎に予め定められたノイズ基準値、その他、演算部201が実行するプログラムやプログラム実行に必要なデータを格納する。具体的には、後述する学習済みの機械学習モデルを規定する複数の畳み込み係数のセット、および各畳み込み係数のセットの重み係数が格納される。
ノイズ低減部212は、上述のように、機械学習モデルを利用してノイズ低減処理を行う。本実施形態において、ノイズ低減に係る機械学習モデルとしては、例えば、畳み込みニューラルネットワーク(CNN:Convolutional neural network)を用い、短時間で撮像されたことによりノイズが比較的多い医用画像に対してノイズ低減処理を行うことで画質を向上させる。
図4に示すように、ステップS101では、ノイズ低減のための学習に必要な学習データを収集する。例えば、ノイズを含む画像データ及びノイズを含まない(あるいはノイズが小さい)画像データを学習データセットとして複数収集する。ノイズを含む画像データとノイズを含まない画像データの例として、例えば、k空間を間引いて取得したアンダーサンプリングデータとk空間を間引かずに取得したフルサンプリングデータとの組や、低解像度データと高解像度データとの組などがある。また,撮像時の積算回数を減らして取得した低画質画像と,高画質画像との組もある。それ以外にも、ノイズ発生条件を異ならせて取得したデータなどがありえる。
なお図7及び図8では、画像処理マップ及び画質マップを両方表示した例を示したが、これらのうち一つのマップのみを表示させてもよい。
なお、ノイズ低減処理の対象となる医用画像の種類、部位、撮像条件等に応じて機械学習モデルを複数用意しておき、ノイズ低減処理の際に、最適な機械学習モデルを選択する構成とすることもできる。この場合には、図9に示すフローチャートに従って処理を行う。
すなわち、画像処理部200は、ステップS301において、画像取得部202を介して医用画像を取得する。次のステップS302において、取得した医用画像のノイズレベルを評価する。
本発明を超音波撮像装置に適用した実施形態を説明する。
超音波撮像装置400の全体概要を図10に示す。この装置は、超音波撮像部410と、超音波撮像部410から受信した超音波信号を用いて画像再構成等の演算を行う画像処理部420とからなる。
このような学習モデルは、例えば、超音波画像の種類、部位、撮像条件等に応じて複数用意することができる。
ついで画質評価部213において、ノイズ低減処理後の画像の画質を評価し、処理結果を示す画像(画像処理マップや画質マップ)を作成してもよい。処理結果を示す画像を表示部423にすること、その表示画面において処理バランスのユーザ指示を受付けてもよいことは、第一実施形態と同様である。
本発明をCT装置に適用した実施形態を説明する。
CT装置500の全体概要を図11に示す。この装置は、大きく分けてCT撮像部510と、CT撮像部510が受信したCT画像信号を用いて画像再構成等の演算を行う画像処理部520とからなる。
このような学習モデルは、例えば、撮像部位、撮像条件等に応じて複数用意することができる。
以上、本発明の医用撮像装置とその画像処理部の各実施形態を説明したが、各撮像装置における画像処理部は、前述したように各撮像装置とは独立した画像処理装置であってもよい。
Claims (15)
- 医用画像を取得する撮像部と、
前記医用画像に対して畳み込み処理を行う画像処理部と、を備え、
前記画像処理部は、予め定められた複数の畳み込み係数のセット、および各畳み込み係数のセットの重み係数を記憶する記憶部と、前記記憶部に記憶された畳み込み係数のセットとその重み係数を用いて、前記畳み込み処理の演算を行う演算部と、を備え、前記畳み込み処理により画質を向上することを特徴とする医用撮像装置。 - 請求項1に記載の医用撮像装置であって、
前記記憶部は、入力データとしてのノイズの大きい画像、及び、出力データとしてのノイズの小さい画像からなるデータセットを元に学習された、複数の層を含む学習モデルによって算出された、複数の畳み込み係数のセットを含むこと、を特徴とする医用撮像装置。 - 請求項2に記載の医用撮像装置であって、
前記学習モデルは、いずれかの層が、予め定められた複数の線形又は非線形フィルタが組み込まれたフィルタ層を含むこと、を特徴とする医用撮像装置。 - 請求項3に記載の医用撮像装置であって、
前記フィルタ層が第1層であること、を特徴とする医用撮像装置。 - 請求項2に記載の医用撮像装置であって、
前記学習モデルは、予め定められた複数の線形又は非線形フィルタが組み込まれたフィルタを初期値として、学習により算出された畳み込み係数を含むこと、を特徴とする医用撮像装置。 - 請求項2に記載の医用撮像装置であって、
前記画像処理部は、
前記医用画像におけるノイズが予め定めた基準値を超えるか否かを判定するノイズ評価部と、
前記ノイズ評価部により基準値を超えるノイズを有すると判定された前記医用画像のノイズを低減するノイズ低減部と、を備え、
前記ノイズ低減部が、前記学習モデルを用いて、前記医用画像のノイズを低減すること、
を特徴とする医用撮像装置。 - 請求項6に記載の医用撮像装置であって、
前記ノイズ低減部によりノイズ低減処理された前記医用画像を評価する画質評価部をさらに備え、
前記画質評価部が、前記ノイズ低減処理部によるノイズ低減処理の内容を示す画像処理マップ、もしくは、画質評価指標をマッピングした画質マップの少なくとも一方を生成すること、を特徴とする医用撮像装置。 - 請求項7に記載の医用撮像装置であって、
前記記憶部は、複数種類の画像学習データセットを元に学習された、複数の学習モデルを含み、
前記画質評価部が、前記画像処理マップ、もしくは、前記画質マップの少なくとも一つを用いて、前記複数の学習モデルから適切な学習モデルを選択し、前記ノイズ低減部は選択した学習モデルを適用してノイズ低減処理を行うこと、を特徴とする医用撮像装置。 - 請求項7に記載の医用撮像装置であって、
前記記憶部は、複数種類の画像学習データセットを元に学習された、複数の学習モデルを含み、
前記画像処理マップ、もしくは、前記画質マップの少なくとも一つを表示する表示部と、前記表示部を介してユーザによる画像処理バランスの調整を受け付ける調整部と、をさらに備え、
前記ノイズ低減部は、ユーザの調整に応じて、前記複数の学習モデルから適切な学習モデルを選択して適用してノイズ低減処理を行うこと、を特徴とする医用撮像装置。 - 請求項1に記載の医用撮像装置であって、
前記医用画像は、三次元ボリュームデータであること、を特徴とする医用撮像装置。 - 請求項1に記載の医用撮像装置であって、
前記医用撮像装置は、核磁気共鳴撮像装置であり、
前記画像処理部は、前記核磁気共鳴撮像が取得したk空間データを用いて画像再構成を行うこと、を特徴とする医用撮像装置。 - 請求項11に記載の医用撮像装置であって、
前記記憶部は、
前記入力データとして、アンダーサンプリングにより取得されたノイズの大きい画像及び、前記出力データとして、フルサンプリングされたノイズの小さい画像からなるデータセットを元に学習された、複数の層を含む学習モデルによって算出された、複数の畳み込み係数のセットを含むこと、を特徴とする医用撮像装置。 - 医用画像を取得する医用画像取得部と、
前記医用画像に対して畳み込み処理を行う画像処理部と、
予め定められた複数の畳み込み係数のセット、および各畳み込み係数のセットの重み係数を記憶する記憶部と、を備え、
前記記憶部は、入力データとしてのノイズの大きい画像及び、出力データとしてのノイズの小さい画像からなるデータセットを元に学習された、複数の層を含む学習モデルによって算出された、複数の畳み込み係数のセットを含み、
前記学習モデルは、いずれかの層が、予め定められた複数の線形又は非線形フィルタが組み込まれたフィルタ層を含み、
前記記憶部に記憶された複数の畳み込み係数のセットの畳み込み処理により画質を向上すること、を特徴とする医用画像処理装置。 - 医用画像を取得する医用画像取得ステップと、
前記医用画像におけるノイズが予め定めた基準値を超えるか否かを判定するノイズ評価ステップと、
前記ノイズ評価部により基準値を超えるノイズを有すると判定された前記医用画像について、
入力データとしてのノイズを含む画像及び出力データとしてのノイズを含まない画像からなる学習データセットを複数収集して構築され、入力される画像に対して畳み込みを行う複数の層を有し、前記複数の層のうち、いずれかの層に各画素の重み係数が予め定められた複数の線形又は非線形フィルタが組み込まれたフィルタ層を含む機械学習モデルを用いて、前記医用画像のノイズを低減するステップとを、コンピュータに実行させる医用画像処理プログラム。 - 入力データとしてのノイズを含む画像及び出力データとしてのノイズを含まない画像からなる学習データセットを複数収集して構築され、
入力される画像に対して畳み込みを行う複数の層を備え、
前記複数の層のうち、いずれかの層に畳み込み係数が予め定められた複数の線形又は非線形フィルタが組み込まれたフィルタ層を含む機械学習モデル。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2019041887A JP7302988B2 (ja) | 2019-03-07 | 2019-03-07 | 医用撮像装置、医用画像処理装置、及び、医用画像処理プログラム |
US16/804,054 US11257196B2 (en) | 2019-03-07 | 2020-02-28 | Medical imaging apparatus, medical image processing device, and medical image processing program |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2019041887A JP7302988B2 (ja) | 2019-03-07 | 2019-03-07 | 医用撮像装置、医用画像処理装置、及び、医用画像処理プログラム |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2020141908A true JP2020141908A (ja) | 2020-09-10 |
JP7302988B2 JP7302988B2 (ja) | 2023-07-04 |
Family
ID=72335367
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2019041887A Active JP7302988B2 (ja) | 2019-03-07 | 2019-03-07 | 医用撮像装置、医用画像処理装置、及び、医用画像処理プログラム |
Country Status (2)
Country | Link |
---|---|
US (1) | US11257196B2 (ja) |
JP (1) | JP7302988B2 (ja) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2022103122A1 (ko) * | 2020-11-10 | 2022-05-19 | 주식회사 딥바이오 | 딥러닝 기반의 병리 슬라이드 이미지 고해상도 변환 방법 및 이를 수행하는 컴퓨팅 시스템 |
KR20220067616A (ko) * | 2020-11-17 | 2022-05-25 | (주)자비스 | 딥러닝 기반 고화질 엑스레이 영상 생성 방법, 장치 및 프로그램 |
WO2022172506A1 (ja) * | 2021-02-15 | 2022-08-18 | 浜松ホトニクス株式会社 | 放射線画像処理方法、機械学習方法、学習済みモデル、機械学習の前処理方法、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 |
JP2023077989A (ja) * | 2021-11-25 | 2023-06-06 | キヤノン株式会社 | 放射線画像処理装置、放射線画像処理方法、学習装置、学習データの生成方法、及びプログラム |
Families Citing this family (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112102423A (zh) * | 2019-06-17 | 2020-12-18 | 通用电气精准医疗有限责任公司 | 医学成像方法及系统 |
KR20210067699A (ko) * | 2019-11-29 | 2021-06-08 | 삼성전자주식회사 | 전자 장치 및 그 제어 방법 |
US11790492B1 (en) * | 2019-12-18 | 2023-10-17 | Thales Sa | Method of and system for customized image denoising with model interpretations |
CN113808025A (zh) * | 2020-06-11 | 2021-12-17 | 通用电气精准医疗有限责任公司 | 图像降噪方法及装置 |
CN115082320B (zh) * | 2022-07-22 | 2022-11-15 | 深圳华声医疗技术股份有限公司 | 超声图像超分辨率处理方法、超声设备及存储介质 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2013512024A (ja) * | 2009-11-25 | 2013-04-11 | コーニンクレッカ フィリップス エレクトロニクス エヌ ヴィ | 向上された画像データ/線量低減 |
JP2014505491A (ja) * | 2010-06-30 | 2014-03-06 | メディック ビジョン−イメージング ソリューションズ エルティーディー. | 医療用画像の非線形分解能の低減 |
WO2018209193A1 (en) * | 2017-05-11 | 2018-11-15 | Verathon Inc. | Probability map-based ultrasound scanning |
JP2018206382A (ja) * | 2017-06-01 | 2018-12-27 | 株式会社東芝 | 画像処理システム及び医用情報処理システム |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9830687B2 (en) * | 2013-02-28 | 2017-11-28 | Hitachi, Ltd. | Image processing device, magnetic resonance imaging apparatus and image processing method |
US10970887B2 (en) * | 2016-06-24 | 2021-04-06 | Rensselaer Polytechnic Institute | Tomographic image reconstruction via machine learning |
US10685429B2 (en) * | 2017-02-22 | 2020-06-16 | Siemens Healthcare Gmbh | Denoising medical images by learning sparse image representations with a deep unfolding approach |
WO2019090533A1 (en) * | 2017-11-08 | 2019-05-16 | Shenzhen United Imaging Healthcare Co., Ltd. | System and method for diagnositic and treatment |
-
2019
- 2019-03-07 JP JP2019041887A patent/JP7302988B2/ja active Active
-
2020
- 2020-02-28 US US16/804,054 patent/US11257196B2/en active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2013512024A (ja) * | 2009-11-25 | 2013-04-11 | コーニンクレッカ フィリップス エレクトロニクス エヌ ヴィ | 向上された画像データ/線量低減 |
JP2014505491A (ja) * | 2010-06-30 | 2014-03-06 | メディック ビジョン−イメージング ソリューションズ エルティーディー. | 医療用画像の非線形分解能の低減 |
WO2018209193A1 (en) * | 2017-05-11 | 2018-11-15 | Verathon Inc. | Probability map-based ultrasound scanning |
JP2018206382A (ja) * | 2017-06-01 | 2018-12-27 | 株式会社東芝 | 画像処理システム及び医用情報処理システム |
Non-Patent Citations (1)
Title |
---|
井内 悠太: "カーネルテンプレート化と計算再利用によるCNNの計算量削減に関する検討", 情報処理学会 研究報告 システム・アーキテクチャ(ARC) 2018−ARC−232 [ONLINE, vol. Vol.2018-ARC-232 No.11, JPN6022051693, 31 July 2018 (2018-07-31), JP, pages 1 - 7, ISSN: 0004936710 * |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2022103122A1 (ko) * | 2020-11-10 | 2022-05-19 | 주식회사 딥바이오 | 딥러닝 기반의 병리 슬라이드 이미지 고해상도 변환 방법 및 이를 수행하는 컴퓨팅 시스템 |
KR20220067616A (ko) * | 2020-11-17 | 2022-05-25 | (주)자비스 | 딥러닝 기반 고화질 엑스레이 영상 생성 방법, 장치 및 프로그램 |
WO2022108250A1 (ko) * | 2020-11-17 | 2022-05-27 | (주)자비스 | 딥러닝 기반 고화질 엑스레이 영상 생성 방법, 장치 및 프로그램 |
KR102454975B1 (ko) | 2020-11-17 | 2022-10-18 | (주)자비스 | 딥러닝 기반 고화질 엑스레이 영상 생성 방법, 장치 및 프로그램 |
WO2022172506A1 (ja) * | 2021-02-15 | 2022-08-18 | 浜松ホトニクス株式会社 | 放射線画像処理方法、機械学習方法、学習済みモデル、機械学習の前処理方法、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 |
JP2023077989A (ja) * | 2021-11-25 | 2023-06-06 | キヤノン株式会社 | 放射線画像処理装置、放射線画像処理方法、学習装置、学習データの生成方法、及びプログラム |
Also Published As
Publication number | Publication date |
---|---|
US20200286214A1 (en) | 2020-09-10 |
JP7302988B2 (ja) | 2023-07-04 |
US11257196B2 (en) | 2022-02-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP7302988B2 (ja) | 医用撮像装置、医用画像処理装置、及び、医用画像処理プログラム | |
US20220237748A1 (en) | Methods and system for selective removal of streak artifacts and noise from images using deep neural networks | |
US7949170B2 (en) | Image processing method, image processing device, computer aided detection, and method for filtering along the time axis | |
Yoon et al. | Staging of hepatic fibrosis: comparison of magnetic resonance elastography and shear wave elastography in the same individuals | |
JP6289664B2 (ja) | 磁気共鳴イメージング装置、定量的磁化率マッピング方法、計算機、磁化率分布計算方法、及び、磁化率分布計算プログラム | |
JP6072723B2 (ja) | 磁気共鳴イメージング装置、及び画像撮像方法 | |
CN109152549B (zh) | 图像诊断装置以及图像取得方法 | |
JP2020137992A (ja) | 磁気共鳴イメージング装置、方法及びプログラム | |
EP2720062A1 (en) | Medical image imaging method, medical diagnostic apparatus using the same, and recording medium therefor | |
CN106251295A (zh) | 考虑轮廓显著性数据的结果图像的重建 | |
Cui et al. | Motion artifact reduction for magnetic resonance imaging with deep learning and k-space analysis | |
US20240138700A1 (en) | Medical image processing apparatus, method of medical image processing, and nonvolatile computer readable storage medium storing therein medical image processing program | |
CN106102576A (zh) | 动态医疗图像中运动的检测 | |
US20180210053A1 (en) | Systems and Methods for Adaptive Multi-Resolution Magnetic Resonance Imaging | |
US11391803B2 (en) | Multi-shot echo planar imaging through machine learning | |
US20220414837A1 (en) | Medical image processing device, medical imaging apparatus, and noise reduction method for medical image | |
Ibrahim et al. | Magnetic resonance tractography of the lumbosacral plexus: Step-by-step | |
WO2022217157A1 (en) | System and method for quantitative magnetic resonance imaging using a deep learning network | |
Tripathi et al. | Denoising of motion artifacted MRI scans using conditional generative adversarial network | |
WO2015170394A1 (ja) | 撮像装置、画像処理装置及び画像処理方法 | |
Susanto et al. | Application of Denoising Weighted Bilateral Filter and Curvelet Transform on Brain MR Imaging of Non-cooperative Patients | |
US11688044B2 (en) | Systems and methods of validating motion correction of medical images for quantitative parametric maps | |
US20230136320A1 (en) | System and method for control of motion in medical images using aggregation | |
JP6377712B2 (ja) | 超音波診断装置、及び画像撮像方法 | |
WO2023027732A1 (en) | Systems and methods of constrained reconstruction of images with white noise |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20210615 |
|
A711 | Notification of change in applicant |
Free format text: JAPANESE INTERMEDIATE CODE: A712 Effective date: 20211013 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20220512 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20220614 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20220812 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20221206 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20230203 |
|
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: 20230606 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20230622 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 7302988 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |