JP2020516345A - 深層学習に基づくトモグラフィ再構成 - Google Patents
深層学習に基づくトモグラフィ再構成 Download PDFInfo
- Publication number
- JP2020516345A JP2020516345A JP2019554637A JP2019554637A JP2020516345A JP 2020516345 A JP2020516345 A JP 2020516345A JP 2019554637 A JP2019554637 A JP 2019554637A JP 2019554637 A JP2019554637 A JP 2019554637A JP 2020516345 A JP2020516345 A JP 2020516345A
- Authority
- JP
- Japan
- Prior art keywords
- image
- neural network
- tomographic
- data
- 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
- 238000003325 tomography Methods 0.000 title claims abstract description 21
- 238000013135 deep learning Methods 0.000 title abstract description 26
- 238000013528 artificial neural network Methods 0.000 claims abstract description 97
- 238000000034 method Methods 0.000 claims abstract description 80
- 238000005259 measurement Methods 0.000 claims abstract description 56
- 230000009466 transformation Effects 0.000 claims abstract description 36
- 238000002591 computed tomography Methods 0.000 claims description 39
- 238000012545 processing Methods 0.000 claims description 34
- 238000012549 training Methods 0.000 claims description 31
- 239000011159 matrix material Substances 0.000 claims description 26
- 238000002600 positron emission tomography Methods 0.000 claims description 14
- 238000002603 single-photon emission computed tomography Methods 0.000 claims description 12
- 238000000844 transformation Methods 0.000 claims description 11
- 238000002595 magnetic resonance imaging Methods 0.000 claims description 8
- 238000012937 correction Methods 0.000 abstract description 36
- 238000010801 machine learning Methods 0.000 abstract description 10
- 238000010586 diagram Methods 0.000 abstract description 2
- 238000004422 calculation algorithm Methods 0.000 description 26
- 238000003384 imaging method Methods 0.000 description 21
- 230000008569 process Effects 0.000 description 19
- 238000013459 approach Methods 0.000 description 18
- 238000013527 convolutional neural network Methods 0.000 description 18
- 230000006870 function Effects 0.000 description 16
- 230000005855 radiation Effects 0.000 description 8
- 210000002569 neuron Anatomy 0.000 description 6
- 238000001914 filtration Methods 0.000 description 5
- 230000000694 effects Effects 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 4
- 238000007689 inspection Methods 0.000 description 4
- 230000009467 reduction Effects 0.000 description 4
- 230000008901 benefit Effects 0.000 description 3
- 238000006243 chemical reaction Methods 0.000 description 3
- 238000001514 detection method Methods 0.000 description 3
- 238000005457 optimization Methods 0.000 description 3
- 230000004913 activation Effects 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 238000000354 decomposition reaction Methods 0.000 description 2
- 238000013136 deep learning model Methods 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 238000002059 diagnostic imaging Methods 0.000 description 2
- 238000003702 image correction Methods 0.000 description 2
- 230000033001 locomotion Effects 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 230000007246 mechanism Effects 0.000 description 2
- 238000012805 post-processing Methods 0.000 description 2
- 230000000717 retained effect Effects 0.000 description 2
- 238000012216 screening Methods 0.000 description 2
- 239000007787 solid Substances 0.000 description 2
- 238000003860 storage Methods 0.000 description 2
- 238000010200 validation analysis Methods 0.000 description 2
- 210000003484 anatomy Anatomy 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000013170 computed tomography imaging Methods 0.000 description 1
- 238000005094 computer simulation Methods 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 230000001066 destructive effect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 239000006185 dispersion Substances 0.000 description 1
- 238000012804 iterative process Methods 0.000 description 1
- 230000005055 memory storage Effects 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000004806 packaging method and process Methods 0.000 description 1
- 230000005408 paramagnetism Effects 0.000 description 1
- 238000003909 pattern recognition Methods 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 230000000135 prohibitive effect Effects 0.000 description 1
- 238000003908 quality control method Methods 0.000 description 1
- 239000000700 radioactive tracer Substances 0.000 description 1
- 229910052704 radon Inorganic materials 0.000 description 1
- SYUHGPGVQRZVTB-UHFFFAOYSA-N radon atom Chemical compound [Rn] SYUHGPGVQRZVTB-UHFFFAOYSA-N 0.000 description 1
- 230000000306 recurrent effect Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 238000012552 review Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000003595 spectral effect Effects 0.000 description 1
- 238000001228 spectrum Methods 0.000 description 1
- 230000001629 suppression Effects 0.000 description 1
- 238000013519 translation Methods 0.000 description 1
- 238000011179 visual inspection Methods 0.000 description 1
- 238000004846 x-ray emission Methods 0.000 description 1
Classifications
-
- 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
- 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
- G06T11/00—2D [Two Dimensional] image generation
- G06T11/003—Reconstruction from projections, e.g. tomography
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V30/00—Character recognition; Recognising digital ink; Document-oriented image-based pattern recognition
- G06V30/10—Character recognition
- G06V30/19—Recognition using electronic means
- G06V30/192—Recognition using electronic means using simultaneous comparisons or correlations of the image signals with a plurality of references
- G06V30/194—References adjustable by an adaptive method, e.g. 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
- G06T2207/20081—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
- 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
- G06T2211/416—Exact reconstruction
-
- 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)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- Algebra (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Pure & Applied Mathematics (AREA)
- Artificial Intelligence (AREA)
- General Health & Medical Sciences (AREA)
- Software Systems (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- General Engineering & Computer Science (AREA)
- Biomedical Technology (AREA)
- Biophysics (AREA)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- Computing Systems (AREA)
- Molecular Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Databases & Information Systems (AREA)
- Multimedia (AREA)
- Apparatus For Radiation Diagnosis (AREA)
- Image Processing (AREA)
- Nuclear Medicine (AREA)
- Image Analysis (AREA)
- Complex Calculations (AREA)
Abstract
Description
ここで、xiはそれぞれの畳み込み層への入力であり、yjはそれぞれの畳み込み層からの出力であり、hkは畳み込みカーネルの形式の相互接続重みであり、fjは線形または非線形の活性化関数(例えば、シグモイド関数または正規化線形ユニットReLU)である。フーリエ空間において、これを
ここで、Fは離散フーリエ変換
ここで、Dは学習されるウェーブレットドメイン相互接続重みを表す。この手法において、該当のネットワーク層は、さまざまな空間および周波数スケールのウェーブレットカーネルのファミリーで構成されるウェーブレットフィルタバンクである。ウェーブレットは空間的変動をコンパクトに表現することが得意であるため、スペースバリアントな挙動の学習を可能にする。これは、ニューラルネットワーク50の柔軟性および能力を改善し、ニューラルネットワーク50が過度に多数の自由パラメータを導入することなくスペースバリアントなタスクを学習および実行することを可能にする。
ここで、gは測定データを示し、Aは画像空間を投影データ空間へとマッピングする順投影機または順投影演算子を示し、Wは重みマトリクスである。順投影機の転置(または、随伴)ATは、逆投影演算子を表す。重みマトリクスは、恒等マトリクスであってよく、そのような実施態様において、加重逆投影は、通常の非加重逆投影になる。代案の実施形態においては、測定データの推定共分散マトリクスの逆行列を、重みマトリクスとして使用してもよい。測定データが統計的に独立している場合、共分散マトリクスおよび重みマトリクスは対角である。
ここで、Aは画像空間を投影データ空間へとマッピングする順投影演算子を示し、ATは投影データ空間を画像空間へとマッピングする逆投影演算子を示し、Dは特定の対角行列である。X線CTにおいて、Dは、対数変換前の測定データの推定平均、または対数変換後の測定データの推定平均の逆数を表すことができる。PETおよびSPECTにおいて、Dは、測定データの推定平均の逆数を表すことができる。
ここで、Yは元のサイノグラムであり、Ukは、フィルタ係数kが1に設定され、他のすべてのフィルタ係数がゼロに設定されたサイノグラムフィルタ処理操作であり、AおよびATは、再投影および逆投影操作であり、Wは、随意による対角重み付けマトリクスであり、ckは、フィルタタブkの最適化されるべきフィルタ係数である。
[実施態様1]
トモグラフィスキャナから測定データ(180)を取得するステップと、
逆投影、加重逆投影、再投影、フィッシャー情報マトリクスの複数の対角要素、分散画像、ノイズ相関画像、前記フィッシャー情報マトリクスの多項式、またはこれらの組み合わせのうちの少なくとも1つを含む前記測定データの1つ以上のトモグラフィ変換(182、190、200、204)を計算するステップと、
前記1つ以上のトモグラフィ変換(182、190、200、204)を訓練されたニューラルネットワーク(50)への1つ以上の入力として提供するステップと、
前記1つ以上の入力に基づいて前記訓練されたニューラルネットワーク(50)から1つ以上の出力(60、192、204、210、220)を得るステップと
を含む方法。
[実施態様2]
複数の訓練用事例を使用してニューラルネットワークを訓練するステップ
をさらに含む、実施態様1に記載の方法。
[実施態様3]
前記複数の訓練用事例は、ガウスブロブ、ランダムノイズパターン、またはランダム形状を含む1つ以上のコンピュータ生成ランダムパターンを含む、実施態様2に記載の方法。
[実施態様4]
前記トモグラフィスキャナは、X線コンピュータトモグラフィ(CT)スキャナ、陽電子放出トモグラフィ(PET)スキャナ、単一光子放出コンピュータトモグラフィ(SPECT)スキャナ、磁気共鳴画像化(MRI)スキャナ、またはCアームスキャナのうちの1つを備える、実施態様1に記載の方法。
[実施態様5]
前記1つ以上の出力は、出力再構成画像(192)を含む、実施態様1に記載の方法。
[実施態様6]
前記1つ以上の入力は、前記1つ以上のトモグラフィ変換に加えて入力再構成画像(202)をさらに含む、実施態様1に記載の方法。
[実施態様7]
前記入力再構成画像(202)は、特別なフィルタカーネルによるフィルタ処理逆投影画像を含み、前記フィルタ係数は、再投影後に元のサイノグラム(180)が維持されるように選択される、実施態様6に記載の方法。
[実施態様8]
前記1つ以上の入力は、前記入力再構成画像(202)に加えて入力分散画像(204)または入力ノイズ相関画像のうちの少なくとも一方をさらに含む、実施態様6に記載の方法。
[実施態様9]
前記1つ以上の出力は、出力分散画像(204)を含む、実施態様1に記載の方法。
[実施態様10]
前記1つ以上の出力は、部分容積誤差補正画像、部分容積誤差補正標準化取り込み値、または部分容積誤差補正係数(220)のうちの1つ以上を含む、実施態様1に記載の方法。
[実施態様11]
前記1つ以上の出力は、ノイズ除去画像またはノイズパターンのうちの1つ以上(210)を含む、実施態様1に記載の方法。
[実施態様12]
前記ニューラルネットワーク(50)は、スペースバリアントであり、ウェーブレットフィルタバンク、ウェーブレット、ウェーブレットフレーム、カーブレット、または他のスパース化変換に基づく、実施態様1に記載の方法。
[実施態様13]
トモグラフィスキャナから測定データ(180)を取得するステップと、
前記測定データ(180)または前記測定データの1つ以上のトモグラフィ変換(182、190、200、204)のうちの1つ以上を含む1つ以上の入力を、ウェーブレット、ウェーブレットフレーム、カーブレット、または他のスパース化変換に基づく少なくとも1つの層を備える訓練されたニューラルネットワーク(50)へともたらすステップと、
前記1つ以上の入力に基づいて前記訓練されたニューラルネットワーク(50)から1つ以上の出力(60、192、204、210、220)を得るステップと
を含む方法。
[実施態様14]
前記少なくとも1つの層は、ウェーブレットフィルタバンクを備える、実施態様13に記載の方法。
[実施態様15]
前記1つ以上のトモグラフィ変換は、逆投影、加重逆投影、再投影、分散画像、ノイズ相関画像、フィッシャー情報マトリクスの複数の対角要素、または前記フィッシャー情報マトリクスの多項式のうちの少なくとも1つを含む、実施態様13に記載の方法。
[実施態様16]
前記1つ以上の入力は、前記1つ以上のトモグラフィ変換(182、190、200、204)に加えて再構成画像(202)をさらに含み、前記再構成画像(202)は、特別なフィルタカーネルによる少なくとも1つのフィルタ処理逆投影画像を含み、前記フィルタ係数は、再投影後に元のサイノグラム(180)が維持されるように選択される、実施態様13に記載の方法。
[実施態様17]
前記ニューラルネットワーク(50)は、スペースバリアントである、実施態様13に記載の方法。
[実施態様18]
1つ以上の格納されたプロセッサ実行可能ルーチンを実行するように構成された処理コンポーネントと、
前記1つ以上の実行可能ルーチンを格納するメモリと
を備え、
前記1つ以上の実行可能ルーチンは、前記処理コンポーネントによって実行されたときに、
1組の元の測定値によって最初に表される1組のスキャンデータを取得し、あるいはそのような1組のスキャンデータにアクセスするステップと、
前記1組のスキャンデータの1つ以上のトモグラフィ変換を計算するステップと、
前記1つ以上のトモグラフィ変換を、ウェーブレットフィルタバンク、ウェーブレット、ウェーブレットフレーム、カーブレット、または他のスパース化変換に基づく少なくとも1つの層を備える訓練されたニューラルネットワーク(50)へと、1つ以上の入力としてもたらすステップと、
前記1つ以上の入力に基づいて前記訓練されたニューラルネットワーク(50)から1つ以上の出力を得るステップと
を含む行為の実行を生じさせる、画像処理システム。
[実施態様19]
前記1組のスキャンデータは、コンピュータトモグラフィ(CT)スキャンデータ、Cアームスキャンデータ、陽電子放出トモグラフィ(PET)スキャンデータ、単一光子放出コンピュータトモグラフィ(SPECT)スキャンデータ、または磁気共鳴画像化(MRI)スキャンデータを含む、実施態様18に記載の画像処理システム。
[実施態様20]
前記1つ以上のトモグラフィ変換は、逆投影、加重逆投影、再投影、分散画像、ノイズ相関画像、フィッシャー情報マトリクスの複数の対角要素、またはフィッシャー情報マトリクスの多項式のうちの少なくとも1つを含む、実施態様18に記載の画像処理システム。
[実施態様21]
前記1つ以上の出力は、出力再構成画像、分散画像、部分容積誤差補正画像、部分容積誤差補正標準化取り込み値、部分容積誤差補正係数、あるいはノイズ除去画像またはノイズパターンのうちの1つ以上のうちの1つ以上を含む、実施態様18に記載の画像処理システム。
[実施態様22]
前記1つ以上の入力は、前記1つ以上のトモグラフィ変換に加えて、入力再構成画像を含む、実施態様18に記載の画像処理システム。
52 入力/訓練用入力
54 入力層
56 ニューロン/ノード
58A 隠れ層
58B 隠れ層
60 出力層/出力
62 損失関数/エラー関数
64 訓練ターゲット
110 撮像システム/システム/CTシステム
112 X線源/X線放射源
114 コリメータ
116 X線
118 患者/物体
120 X線放射/入射X線
122 検出器/参照番号
124 システムコントローラ
126 X線コントローラ
128 データ取得システム
130 処理コンポーネント/プロセッサ
132 回転サブシステム
134 直線位置決めサブシステム
136 モータコントローラ
138 メモリ
140 オペレータワークステーション
142 ディスプレイ
144 プリンタ
146 医用画像保管通信システム(PACS)
148 リモートクライアント
180 元のサイノグラム/測定データ/投影データ/測定状態
182 トモグラフィ変換
184 追加の入力
190 逆投影
192 再構成画像
200 フィッシャー情報
202 再構成画像/初期再構成画像
204 ノイズ分散画像/分散画像
210 ノイズ除去画像/ノイズパターン
220 部分容積誤差(PVE)補正画像/出力
250 ステップ(部分フィルタ処理)
252 部分フィルタ処理サイノグラム
254 ステップ(部分逆投影)
256 ステップ(部分再投影)
260 ステップ(合計)
262 再投影サイノグラム
264 ステップ(平方の加重和)
280 ステップ(逆投影)
286 ステップ(ウェーブレット変換)
288 ステップ(ウェーブレットドメイン重み付け)
290 ステップ(逆ウェーブレット変換)
300 ノイズパターン
302 CTサイノグラム
Claims (10)
- トモグラフィスキャナから測定データ(180)を取得するステップと、
逆投影、加重逆投影、再投影、フィッシャー情報マトリクスの複数の対角要素、分散画像、ノイズ相関画像、前記フィッシャー情報マトリクスの多項式、またはこれらの組み合わせのうちの少なくとも1つを含む前記測定データの1つ以上のトモグラフィ変換(182、190、200、204)を計算するステップと、
前記1つ以上のトモグラフィ変換(182、190、200、204)を訓練されたニューラルネットワーク(50)への1つ以上の入力として提供するステップと、
前記1つ以上の入力に基づいて前記訓練されたニューラルネットワーク(50)から1つ以上の出力(60、192、204、210、220)を得るステップと
を含む方法。 - 複数の訓練用事例を使用してニューラルネットワークを訓練するステップ
をさらに含む、請求項1に記載の方法。 - 前記複数の訓練用事例は、ガウスブロブ、ランダムノイズパターン、またはランダム形状を含む1つ以上のコンピュータ生成ランダムパターンを含む、請求項2に記載の方法。
- 前記トモグラフィスキャナは、X線コンピュータトモグラフィ(CT)スキャナ、陽電子放出トモグラフィ(PET)スキャナ、単一光子放出コンピュータトモグラフィ(SPECT)スキャナ、磁気共鳴画像化(MRI)スキャナ、またはCアームスキャナのうちの1つを備える、請求項1に記載の方法。
- 前記1つ以上の出力は、出力再構成画像(192)を含む、請求項1に記載の方法。
- 前記1つ以上の入力は、前記1つ以上のトモグラフィ変換に加えて入力再構成画像(202)をさらに含む、請求項1に記載の方法。
- 前記入力再構成画像(202)は、特別なフィルタカーネルによるフィルタ処理逆投影画像を含み、前記フィルタ係数は、再投影後に元のサイノグラム(180)が維持されるように選択される、請求項6に記載の方法。
- 前記1つ以上の入力は、前記入力再構成画像(202)に加えて入力分散画像(204)または入力ノイズ相関画像のうちの少なくとも一方をさらに含む、請求項6に記載の方法。
- 前記ニューラルネットワーク(50)は、スペースバリアントであり、ウェーブレットフィルタバンク、ウェーブレット、ウェーブレットフレーム、カーブレット、または他のスパース化変換に基づく、請求項1に記載の方法。
- 1つ以上の格納されたプロセッサ実行可能ルーチンを実行するように構成された処理コンポーネントと、
前記1つ以上の実行可能ルーチンを格納するメモリと
を備え、
前記1つ以上の実行可能ルーチンは、前記処理コンポーネントによって実行されたときに、
1組の元の測定値によって最初に表される1組のスキャンデータを取得し、あるいはそのような1組のスキャンデータにアクセスするステップと、
前記1組のスキャンデータの1つ以上のトモグラフィ変換を計算するステップと、
前記1つ以上のトモグラフィ変換を、ウェーブレットフィルタバンク、ウェーブレット、ウェーブレットフレーム、カーブレット、または他のスパース化変換に基づく少なくとも1つの層を備える訓練されたニューラルネットワーク(50)へと、1つ以上の入力としてもたらすステップと、
前記1つ以上の入力に基づいて前記訓練されたニューラルネットワーク(50)から1つ以上の出力を得るステップと
を含む行為の実行を生じさせる、画像処理システム。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US15/480,172 US10475214B2 (en) | 2017-04-05 | 2017-04-05 | Tomographic reconstruction based on deep learning |
US15/480,172 | 2017-04-05 | ||
PCT/US2018/023074 WO2018187020A1 (en) | 2017-04-05 | 2018-03-19 | Tomographic reconstruction based on deep learning |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2020516345A true JP2020516345A (ja) | 2020-06-11 |
JP7187476B2 JP7187476B2 (ja) | 2022-12-12 |
Family
ID=61899392
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2019554637A Active JP7187476B2 (ja) | 2017-04-05 | 2018-03-19 | 深層学習に基づくトモグラフィ再構成 |
Country Status (6)
Country | Link |
---|---|
US (1) | US10475214B2 (ja) |
EP (1) | EP3607529A1 (ja) |
JP (1) | JP7187476B2 (ja) |
KR (1) | KR102257637B1 (ja) |
CN (1) | CN110462689B (ja) |
WO (1) | WO2018187020A1 (ja) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP7376757B1 (ja) | 2022-06-15 | 2023-11-09 | 之江実験室 | 容量結合電気インピーダンストモグラフィ画像の再構成方法、装置、電子機器及び記憶媒体 |
Families Citing this family (60)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2018064660A1 (en) * | 2016-09-30 | 2018-04-05 | University Of Utah Research Foundation | Lensless imaging device |
US10593071B2 (en) * | 2017-04-14 | 2020-03-17 | Siemens Medical Solutions Usa, Inc. | Network training and architecture for medical imaging |
US20180330234A1 (en) * | 2017-05-11 | 2018-11-15 | Hussein Al-barazanchi | Partial weights sharing convolutional neural networks |
WO2018215357A1 (en) * | 2017-05-24 | 2018-11-29 | Københavns Universitet | Device and method for pet image reconstruction |
WO2018236748A1 (en) * | 2017-06-19 | 2018-12-27 | Washington University | DIGITAL ASSISTED IMAGE RECONSTRUCTION FOR TOMOGRAPHIC IMAGING |
JP6984010B2 (ja) * | 2017-09-28 | 2021-12-17 | コーニンクレッカ フィリップス エヌ ヴェKoninklijke Philips N.V. | 深層学習ベースの散乱補正 |
EP3735177A1 (en) * | 2018-01-03 | 2020-11-11 | Koninklijke Philips N.V. | Full dose pet image estimation from low-dose pet imaging using deep learning |
WO2019149529A1 (en) * | 2018-02-02 | 2019-08-08 | Koninklijke Philips N.V. | Correcting standardized uptake values in pre-treatment and post-treatment positron emission tomography studies |
US11062489B2 (en) * | 2018-02-13 | 2021-07-13 | Wisconsin Alumni Research Foundation | System and method for multi-architecture computed tomography pipeline |
WO2019183584A1 (en) * | 2018-03-23 | 2019-09-26 | Memorial Sloan Kettering Cancer Center | Deep encoder-decoder models for reconstructing biomedical images |
KR102094598B1 (ko) * | 2018-05-29 | 2020-03-27 | 한국과학기술원 | 뉴럴 네트워크를 이용한 희소 뷰 전산단층 촬영 영상 처리 방법 및 그 장치 |
US10430708B1 (en) | 2018-08-17 | 2019-10-01 | Aivitae LLC | System and method for noise-based training of a prediction model |
CN109584324B (zh) * | 2018-10-24 | 2022-12-06 | 南昌大学 | 一种基于自动编码器网络的正电子发射型计算机断层显像(pet)重建方法 |
US11037030B1 (en) * | 2018-10-29 | 2021-06-15 | Hrl Laboratories, Llc | System and method for direct learning from raw tomographic data |
US10799192B2 (en) * | 2018-11-06 | 2020-10-13 | Canon Medical Systems Corporation | Method and apparatus for partial volume identification from photon-counting macro-pixel measurements |
JP7359851B2 (ja) * | 2018-11-13 | 2023-10-11 | コーニンクレッカ フィリップス エヌ ヴェ | 陽電子放出断層撮影(pet)のための人工知能(ai)ベースの標準取込み値(suv)補正及び変動評価 |
KR20210107096A (ko) | 2018-12-27 | 2021-08-31 | 엑소 이미징, 인크. | 초음파 이미징에 있어서 감소된 비용, 사이즈, 및 전력으로 이미지 품질을 유지하는 방법 |
JP7021132B2 (ja) * | 2019-01-22 | 2022-02-16 | 株式会社東芝 | 学習装置、学習方法およびプログラム |
JP7224208B2 (ja) * | 2019-03-05 | 2023-02-17 | キヤノンメディカルシステムズ株式会社 | 医用処理装置、および医用診断システム |
JP7516074B2 (ja) * | 2019-03-05 | 2024-07-16 | キヤノンメディカルシステムズ株式会社 | 医用処理装置 |
US20220117552A1 (en) * | 2019-04-08 | 2022-04-21 | Seoul National University R&Db Foundation | Artificial neural network-based nuclear magnetic resonance and magnetic resonance spectroscopy data processing method and apparatus thereof |
EP3726469A1 (en) * | 2019-04-17 | 2020-10-21 | Siemens Healthcare GmbH | Automatic motion detection in medical image-series |
EP3725229A1 (en) * | 2019-04-18 | 2020-10-21 | DENTSPLY SIRONA Inc. | Method of metal artefact reduction in x-ray dental volume tomography |
US11696700B2 (en) | 2019-04-25 | 2023-07-11 | General Electric Company | System and method for correcting for patient motion during MR scanning |
US11714152B2 (en) * | 2019-04-26 | 2023-08-01 | Regents Of The University Of Minnesota | Methods for scan-specific artifact reduction in accelerated magnetic resonance imaging using residual machine learning algorithms |
CN111881927B (zh) | 2019-05-02 | 2021-12-21 | 三星电子株式会社 | 电子装置及其图像处理方法 |
CN110246199B (zh) * | 2019-05-26 | 2023-05-09 | 天津大学 | 一种面向能谱ct的投影域数据噪声去除方法 |
US11176642B2 (en) * | 2019-07-09 | 2021-11-16 | GE Precision Healthcare LLC | System and method for processing data acquired utilizing multi-energy computed tomography imaging |
US11403791B2 (en) | 2019-07-11 | 2022-08-02 | Canon Medical Systems Corporation | Apparatus and method using deep learning (DL) to improve analytical tomographic image reconstruction |
US11224399B2 (en) * | 2019-07-12 | 2022-01-18 | Canon Medical Systems Corporation | Apparatus and method using deep learning (DL) to compensate for large focal spot size in x-ray projection imaging |
US11710261B2 (en) * | 2019-07-29 | 2023-07-25 | University Of Southern California | Scan-specific recurrent neural network for image reconstruction |
US10970885B2 (en) | 2019-07-31 | 2021-04-06 | General Electric Company | Iterative image reconstruction |
CN110610527B (zh) * | 2019-08-15 | 2023-09-22 | 苏州瑞派宁科技有限公司 | 计算suv的方法、装置、设备、系统及计算机存储介质 |
KR20220050173A (ko) * | 2019-08-23 | 2022-04-22 | 서틀 메디컬, 인크. | 딥 러닝을 사용한 정확하고 신속한 양전자 방출 단층 촬영을 위한 시스템 및 방법 |
CN110633735B (zh) * | 2019-08-23 | 2021-07-30 | 深圳大学 | 基于小波变换的渐进式深度卷积网络图像识别方法及装置 |
CN110544282B (zh) * | 2019-08-30 | 2022-03-29 | 清华大学 | 基于神经网络的三维多能谱ct重建方法和设备及存储介质 |
US11806175B2 (en) * | 2019-09-12 | 2023-11-07 | Rensselaer Polytechnic Institute | Few-view CT image reconstruction system |
US11164344B2 (en) * | 2019-10-03 | 2021-11-02 | Siemens Medical Solutions Usa, Inc. | PET image reconstruction using TOF data and neural network |
CN110742635B (zh) * | 2019-10-08 | 2021-10-08 | 南京安科医疗科技有限公司 | 一种复合能谱ct成像方法 |
DE102019215460A1 (de) * | 2019-10-09 | 2021-04-15 | Siemens Healthcare Gmbh | Verfahren und Vorrichtung zur Rauschreduktion von Bildaufnahmen |
KR102244806B1 (ko) * | 2019-11-19 | 2021-04-26 | 연세대학교 원주산학협력단 | 핵연료집합체의 방출단층영상 재구성장치 |
US11133100B2 (en) * | 2019-11-21 | 2021-09-28 | GE Precision Healthcare LLC | System and methods for reconstructing medical images using deep neural networks and recursive decimation of measurement data |
US11348291B2 (en) * | 2019-11-29 | 2022-05-31 | Shanghai United Imaging Intelligence Co., Ltd. | System and method for reconstructing magnetic resonance images |
JP7337675B2 (ja) * | 2019-12-04 | 2023-09-04 | キヤノンメディカルシステムズ株式会社 | 医用データ処理装置 |
WO2021159234A1 (zh) * | 2020-02-10 | 2021-08-19 | 深圳先进技术研究院 | 图像处理方法、装置及计算机可读存储介质 |
CN111325686B (zh) * | 2020-02-11 | 2021-03-30 | 之江实验室 | 一种基于深度学习的低剂量pet三维重建方法 |
CN111627081B (zh) * | 2020-05-20 | 2023-06-20 | 散裂中子源科学中心 | Ct图像重建方法、装置、设备和介质 |
CN111627082B (zh) * | 2020-05-21 | 2022-06-21 | 浙江大学 | 基于滤波反投影算法和神经网络的pet图像重建方法 |
US11222406B2 (en) * | 2020-06-05 | 2022-01-11 | Canon Medical Systems Corporation | Method and system for training a machine learning-based image denoising system |
CN112270127B (zh) * | 2020-10-28 | 2023-10-20 | 西北工业大学深圳研究院 | 用于空间目标姿态测量网络的训练数据生成方法、计算机设备及存储介质 |
CN112381741B (zh) * | 2020-11-24 | 2021-07-16 | 佛山读图科技有限公司 | 基于spect数据采样与噪声特性的断层图像重建方法 |
KR102441033B1 (ko) * | 2020-11-26 | 2022-09-05 | 건양대학교 산학협력단 | 딥 러닝 기반의 제한각도 컴퓨터 단층촬영상 재구성 시스템 |
KR20220082292A (ko) * | 2020-12-10 | 2022-06-17 | 주식회사 에어스 메디컬 | K-space 도메인에 인공신경망을 적용한 자기 공명 영상 처리 장치 및 그 방법 |
CN112927132B (zh) * | 2021-01-25 | 2022-07-19 | 浙江大学 | 提升pet系统空间分辨率均匀性的pet图像重建方法 |
US11890124B2 (en) | 2021-02-01 | 2024-02-06 | Medtronic Navigation, Inc. | Systems and methods for low-dose AI-based imaging |
KR102591665B1 (ko) * | 2021-02-17 | 2023-10-18 | 연세대학교 산학협력단 | 인공 신경망을 이용한 ct 영상 보정 장치 및 방법 |
CN115082303A (zh) * | 2021-03-16 | 2022-09-20 | 中国电信股份有限公司 | 图像处理方法、装置及非瞬时性计算机可读存储介质 |
KR102549748B1 (ko) * | 2021-10-15 | 2023-06-30 | (주)펨트론 | Ct 검사 장치 |
CN114494493A (zh) * | 2022-01-18 | 2022-05-13 | 清华大学 | 断层图像重建方法、装置、可读存储介质和电子设备 |
WO2024036278A1 (en) * | 2022-08-10 | 2024-02-15 | GE Precision Healthcare LLC | System and method for generating denoised spectral ct images from spectral ct image data acquired using a spectral ct imaging system |
Citations (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH10255035A (ja) * | 1997-03-11 | 1998-09-25 | Hitachi Medical Corp | 画像処理装置 |
JP2007201572A (ja) * | 2006-01-24 | 2007-08-09 | Sony Corp | 学習装置および学習方法、信号処理装置および信号処理方法、並びにプログラム |
JP2009521972A (ja) * | 2005-12-28 | 2009-06-11 | 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 | 被検体のスキンハイドレーションを測定するための非侵襲性システム及び方法 |
WO2010016425A1 (ja) * | 2008-08-07 | 2010-02-11 | 株式会社 日立メディコ | X線ct画像形成方法及びそれを用いたx線ct装置 |
US20130051516A1 (en) * | 2011-08-31 | 2013-02-28 | Carestream Health, Inc. | Noise suppression for low x-ray dose cone-beam image reconstruction |
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 |
US20130105699A1 (en) * | 2011-10-27 | 2013-05-02 | General Electric Company | Methods and systems for adaptive tomographic imaging |
WO2014119800A1 (ja) * | 2013-01-30 | 2014-08-07 | 独立行政法人科学技術振興機構 | 画像処理用ディジタルフィルタ、画像処理装置、印刷媒体、記録媒体、画像処理方法、および、プログラム |
JP2015024155A (ja) * | 2011-06-14 | 2015-02-05 | 株式会社東芝 | 画像処理装置 |
JP2015129987A (ja) * | 2014-01-06 | 2015-07-16 | 国立大学法人三重大学 | 医用高解像画像形成システムおよび方法。 |
US20150201895A1 (en) * | 2012-08-31 | 2015-07-23 | The University Of Chicago | Supervised machine learning technique for reduction of radiation dose in computed tomography imaging |
US20150287223A1 (en) * | 2014-04-04 | 2015-10-08 | The Board Of Trustees Of The University Of Illinois | Highly accelerated imaging and image reconstruction using adaptive sparsifying transforms |
JP2016534482A (ja) * | 2013-09-18 | 2016-11-04 | イメージレコン, リミティッド ライアビリティ カンパニーImageRecon, LLC | 二次尤度汎関数を用いてデータの統計モデリングを行う方法およびシステム |
US20170091964A1 (en) * | 2015-09-29 | 2017-03-30 | General Electric Company | Dictionary learning based image reconstruction |
Family Cites Families (46)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2878409B2 (ja) * | 1989-09-04 | 1999-04-05 | 株式会社リコー | 3次元物体撮像方式 |
JP2565791B2 (ja) * | 1990-04-19 | 1996-12-18 | 富士写真フイルム株式会社 | 多層型ニューラルネットワークの係数格納装置 |
US5729660A (en) * | 1994-05-03 | 1998-03-17 | Chiabrera; Alessandro | 3-D inverse scattering by artificial intelligence : apparatus and method |
US5796921A (en) * | 1994-10-28 | 1998-08-18 | Sony Corporation | Mapping determination methods and data discrimination methods using the same |
US5727041A (en) * | 1996-11-13 | 1998-03-10 | General Electric Company | Methods and apparatus for reducing partial volume image artifacts |
US6317617B1 (en) * | 1997-07-25 | 2001-11-13 | Arch Development Corporation | Method, computer program product, and system for the automated analysis of lesions in magnetic resonance, mammogram and ultrasound images |
US5987444A (en) * | 1997-09-23 | 1999-11-16 | Lo; James Ting-Ho | Robust neutral systems |
AU1769599A (en) * | 1997-12-19 | 1999-07-12 | British Aerospace Public Limited Company | Digital signal filter using weightless neural techniques |
US6650779B2 (en) * | 1999-03-26 | 2003-11-18 | Georgia Tech Research Corp. | Method and apparatus for analyzing an image to detect and identify patterns |
US6898583B1 (en) * | 2000-01-24 | 2005-05-24 | Sony Corporation | Method and apparatus of creating application-specific, non-uniform wavelet transforms |
US20130211238A1 (en) * | 2001-01-30 | 2013-08-15 | R. Christopher deCharms | Methods for physiological monitoring, training, exercise and regulation |
US20030018599A1 (en) * | 2001-04-23 | 2003-01-23 | Weeks Michael C. | Embedding a wavelet transform within a neural network |
WO2003015026A1 (en) * | 2001-08-10 | 2003-02-20 | Saffron Technology, Inc. | Artificial neurons including weights that define maximal projections |
JP4780921B2 (ja) * | 2004-03-17 | 2011-09-28 | キヤノン株式会社 | 並列パルス信号処理装置、及びその制御方法 |
JP2005352900A (ja) * | 2004-06-11 | 2005-12-22 | Canon Inc | 情報処理装置、情報処理方法、パターン認識装置、及びパターン認識方法 |
US7386088B2 (en) * | 2004-09-24 | 2008-06-10 | General Electric Company | Method and system for iterative image reconstruction |
US7215732B2 (en) * | 2004-09-30 | 2007-05-08 | General Electric Company | Method and system for CT reconstruction with pre-correction |
US20060210131A1 (en) * | 2005-03-15 | 2006-09-21 | Wheeler Frederick W Jr | Tomographic computer aided diagnosis (CAD) with multiple reconstructions |
US8494245B2 (en) | 2010-03-09 | 2013-07-23 | Siemens Aktiengesellschaft | System and method for guiding transcatheter aortic valve implantations based on interventional C-Arm CT imaging |
KR101935064B1 (ko) * | 2010-12-13 | 2019-03-18 | 더 트러스티이스 오브 콜롬비아 유니버시티 인 더 시티 오브 뉴욕 | 의료용 촬영 디바이스, 방법, 및 시스템 |
US8805037B2 (en) * | 2011-05-31 | 2014-08-12 | General Electric Company | Method and system for reconstruction of tomographic images |
WO2013106512A1 (en) | 2012-01-10 | 2013-07-18 | The Johns Hopkins University | Methods and systems for tomographic reconstruction |
WO2013116865A1 (en) * | 2012-02-02 | 2013-08-08 | Arizona Board Of Regents, For And On Behalf Of, Arizona State University | Systems, methods, and media for updating a classifier |
CN102842122A (zh) * | 2012-06-21 | 2012-12-26 | 哈尔滨工业大学 | 基于小波神经网络的增强现实图像方法 |
US9036885B2 (en) | 2012-10-28 | 2015-05-19 | Technion Research & Development Foundation Limited | Image reconstruction in computed tomography |
US9256967B2 (en) * | 2012-11-02 | 2016-02-09 | General Electric Company | Systems and methods for partial volume correction in PET penalized-likelihood image reconstruction |
US9700219B2 (en) | 2013-10-17 | 2017-07-11 | Siemens Healthcare Gmbh | Method and system for machine learning based assessment of fractional flow reserve |
WO2015134665A1 (en) * | 2014-03-04 | 2015-09-11 | SignalSense, Inc. | Classifying data with deep learning neural records incrementally refined through expert input |
EP3682807B1 (en) * | 2014-09-16 | 2024-07-17 | Sirona Dental, Inc. | Methods, systems, apparatuses, and computer programs for processing tomographic images |
WO2016075331A2 (en) | 2014-11-14 | 2016-05-19 | Siemens Healthcare Gmbh | Method and system for purely geometric machine learning based fractional flow reserve |
US10595790B2 (en) | 2014-12-16 | 2020-03-24 | Siemens Healthcare Gmbh | Method and system for personalized non-invasive hemodynamic assessment of renal artery stenosis from medical images |
US9953440B2 (en) * | 2015-01-15 | 2018-04-24 | General Electric Company | Method for tomographic reconstruction |
EP3065086A1 (en) * | 2015-03-02 | 2016-09-07 | Medizinische Universität Wien | Computerized device and method for processing image data |
WO2016177722A1 (en) * | 2015-05-05 | 2016-11-10 | Medizinische Universität Wien | Computerized device and method for processing image data |
US9633306B2 (en) * | 2015-05-07 | 2017-04-25 | Siemens Healthcare Gmbh | Method and system for approximating deep neural networks for anatomical object detection |
CN110688891B (zh) * | 2015-08-15 | 2024-05-31 | 硕动力公司 | 采用3d批归一化的三维(3d)卷积 |
KR101880035B1 (ko) * | 2015-09-24 | 2018-07-19 | 주식회사 뷰노 | 영상 생성 방법 및 장치, 및 영상 분석 방법 |
US9875527B2 (en) * | 2016-01-15 | 2018-01-23 | Toshiba Medical Systems Corporation | Apparatus and method for noise reduction of spectral computed tomography images and sinograms using a whitening transform |
US20170362585A1 (en) * | 2016-06-15 | 2017-12-21 | Rensselaer Polytechnic Institute | Methods and apparatus for x-genetics |
US9767557B1 (en) * | 2016-06-23 | 2017-09-19 | Siemens Healthcare Gmbh | Method and system for vascular disease detection using recurrent neural networks |
WO2017223560A1 (en) * | 2016-06-24 | 2017-12-28 | Rensselaer Polytechnic Institute | Tomographic image reconstruction via machine learning |
US20180018757A1 (en) * | 2016-07-13 | 2018-01-18 | Kenji Suzuki | Transforming projection data in tomography by means of machine learning |
US11246551B2 (en) * | 2016-09-20 | 2022-02-15 | KUB Technologies, Inc. | System and method for computer aided detection (CAD) in a breast specimen radiograph |
CA3037823C (en) * | 2016-09-21 | 2023-03-14 | Analytics For Life Inc. | Method and system for visualization of heart tissue at risk |
DE102016219496A1 (de) * | 2016-10-07 | 2018-04-26 | Siemens Healthcare Gmbh | Verfahren zur Unterstützung einer Planung einer Bestrahlung eines Patienten |
KR102399148B1 (ko) * | 2016-11-25 | 2022-05-19 | 삼성전자주식회사 | 엑스선 장치 및 이의 의료 영상 획득 |
-
2017
- 2017-04-05 US US15/480,172 patent/US10475214B2/en active Active
-
2018
- 2018-03-19 EP EP18715880.3A patent/EP3607529A1/en not_active Ceased
- 2018-03-19 CN CN201880019611.7A patent/CN110462689B/zh active Active
- 2018-03-19 JP JP2019554637A patent/JP7187476B2/ja active Active
- 2018-03-19 KR KR1020197031648A patent/KR102257637B1/ko active IP Right Grant
- 2018-03-19 WO PCT/US2018/023074 patent/WO2018187020A1/en unknown
Patent Citations (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH10255035A (ja) * | 1997-03-11 | 1998-09-25 | Hitachi Medical Corp | 画像処理装置 |
JP2009521972A (ja) * | 2005-12-28 | 2009-06-11 | 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 | 被検体のスキンハイドレーションを測定するための非侵襲性システム及び方法 |
JP2007201572A (ja) * | 2006-01-24 | 2007-08-09 | Sony Corp | 学習装置および学習方法、信号処理装置および信号処理方法、並びにプログラム |
WO2010016425A1 (ja) * | 2008-08-07 | 2010-02-11 | 株式会社 日立メディコ | X線ct画像形成方法及びそれを用いたx線ct装置 |
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 |
JP2015024155A (ja) * | 2011-06-14 | 2015-02-05 | 株式会社東芝 | 画像処理装置 |
US20130051516A1 (en) * | 2011-08-31 | 2013-02-28 | Carestream Health, Inc. | Noise suppression for low x-ray dose cone-beam image reconstruction |
US20130105699A1 (en) * | 2011-10-27 | 2013-05-02 | General Electric Company | Methods and systems for adaptive tomographic imaging |
US20150201895A1 (en) * | 2012-08-31 | 2015-07-23 | The University Of Chicago | Supervised machine learning technique for reduction of radiation dose in computed tomography imaging |
WO2014119800A1 (ja) * | 2013-01-30 | 2014-08-07 | 独立行政法人科学技術振興機構 | 画像処理用ディジタルフィルタ、画像処理装置、印刷媒体、記録媒体、画像処理方法、および、プログラム |
JP2016534482A (ja) * | 2013-09-18 | 2016-11-04 | イメージレコン, リミティッド ライアビリティ カンパニーImageRecon, LLC | 二次尤度汎関数を用いてデータの統計モデリングを行う方法およびシステム |
JP2015129987A (ja) * | 2014-01-06 | 2015-07-16 | 国立大学法人三重大学 | 医用高解像画像形成システムおよび方法。 |
US20150287223A1 (en) * | 2014-04-04 | 2015-10-08 | The Board Of Trustees Of The University Of Illinois | Highly accelerated imaging and image reconstruction using adaptive sparsifying transforms |
US20170091964A1 (en) * | 2015-09-29 | 2017-03-30 | General Electric Company | Dictionary learning based image reconstruction |
Non-Patent Citations (1)
Title |
---|
ZHAO JI ET AL: ""Few-View CT reconstruction method based on deep learning"", 2016 IEEE NUCLEAR SCIENCE SYMPOSIUM, MEDICAL IMAGING CONFERENCE AND ROOM-TEMPERATURE SEMICONDUCTOR D, JPN6021050057, 29 October 2016 (2016-10-29), pages 1 - 4, XP033228046, ISSN: 0004795021, DOI: 10.1109/NSSMIC.2016.8069593 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP7376757B1 (ja) | 2022-06-15 | 2023-11-09 | 之江実験室 | 容量結合電気インピーダンストモグラフィ画像の再構成方法、装置、電子機器及び記憶媒体 |
JP2023183366A (ja) * | 2022-06-15 | 2023-12-27 | 之江実験室 | 容量結合電気インピーダンストモグラフィ画像の再構成方法、装置、電子機器及び記憶媒体 |
Also Published As
Publication number | Publication date |
---|---|
US20180293762A1 (en) | 2018-10-11 |
EP3607529A1 (en) | 2020-02-12 |
JP7187476B2 (ja) | 2022-12-12 |
CN110462689A (zh) | 2019-11-15 |
KR102257637B1 (ko) | 2021-05-31 |
CN110462689B (zh) | 2023-06-02 |
WO2018187020A1 (en) | 2018-10-11 |
KR20190133728A (ko) | 2019-12-03 |
US10475214B2 (en) | 2019-11-12 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP7187476B2 (ja) | 深層学習に基づくトモグラフィ再構成 | |
EP3608877B1 (en) | Iterative image reconstruction framework | |
CN111492406B (zh) | 训练机器学习算法的方法、图像处理系统和图像重建方法 | |
US11039805B2 (en) | Deep learning based estimation of data for use in tomographic reconstruction | |
US11026642B2 (en) | Apparatuses and a method for artifact reduction in medical images using a neural network | |
JP6855223B2 (ja) | 医用画像処理装置、x線コンピュータ断層撮像装置及び医用画像処理方法 | |
JP2024054204A (ja) | ニューラルネットワークの学習方法、プログラム、医用画像処理方法及び医用装置 | |
US10628973B2 (en) | Hierarchical tomographic reconstruction | |
US9824468B2 (en) | Dictionary learning based image reconstruction | |
US20210035339A1 (en) | Iterative image reconstruction | |
CN115777114A (zh) | 针对ct图像去噪的3d-cnn处理 | |
US20220327750A1 (en) | Medical image processing method, medical image processing apparatus, and computer readable non-volatile storage medium storing medical image processing program | |
Gao | Multigrid reconstruction of micro-CT data |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20201218 |
|
RD02 | Notification of acceptance of power of attorney |
Free format text: JAPANESE INTERMEDIATE CODE: A7422 Effective date: 20210520 |
|
RD04 | Notification of resignation of power of attorney |
Free format text: JAPANESE INTERMEDIATE CODE: A7424 Effective date: 20210524 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20211119 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20211214 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20220314 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20220608 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20220908 |
|
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: 20221102 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20221130 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 7187476 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |