JP2020530177A - ディープニューラルネットワークを使用したコンピュータ支援診断 - Google Patents
ディープニューラルネットワークを使用したコンピュータ支援診断 Download PDFInfo
- Publication number
- JP2020530177A JP2020530177A JP2020529823A JP2020529823A JP2020530177A JP 2020530177 A JP2020530177 A JP 2020530177A JP 2020529823 A JP2020529823 A JP 2020529823A JP 2020529823 A JP2020529823 A JP 2020529823A JP 2020530177 A JP2020530177 A JP 2020530177A
- Authority
- JP
- Japan
- Prior art keywords
- image
- voi
- neural network
- convolutional neural
- computer
- 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
- 238000013528 artificial neural network Methods 0.000 title claims abstract description 137
- 238000004195 computer-aided diagnosis Methods 0.000 title description 22
- 238000000034 method Methods 0.000 claims abstract description 99
- 230000003902 lesion Effects 0.000 claims abstract description 70
- 238000013527 convolutional neural network Methods 0.000 claims abstract description 69
- 238000012549 training Methods 0.000 claims description 112
- 230000008569 process Effects 0.000 claims description 48
- 238000012545 processing Methods 0.000 claims description 35
- 230000015654 memory Effects 0.000 claims description 17
- 238000004590 computer program Methods 0.000 claims description 11
- 238000003066 decision tree Methods 0.000 claims description 3
- 238000011160 research Methods 0.000 claims description 2
- 230000015572 biosynthetic process Effects 0.000 claims 1
- 230000006870 function Effects 0.000 description 20
- 210000003484 anatomy Anatomy 0.000 description 17
- 238000010586 diagram Methods 0.000 description 14
- 238000013135 deep learning Methods 0.000 description 13
- 230000001575 pathological effect Effects 0.000 description 12
- 238000003745 diagnosis Methods 0.000 description 10
- 230000009471 action Effects 0.000 description 9
- 238000006243 chemical reaction Methods 0.000 description 5
- 238000001514 detection method Methods 0.000 description 5
- 238000012800 visualization Methods 0.000 description 5
- 206010054107 Nodule Diseases 0.000 description 4
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 4
- 210000003127 knee Anatomy 0.000 description 4
- 230000004807 localization Effects 0.000 description 4
- 238000013507 mapping Methods 0.000 description 4
- 230000006399 behavior Effects 0.000 description 3
- 201000010099 disease Diseases 0.000 description 3
- 238000000605 extraction Methods 0.000 description 3
- 238000010606 normalization Methods 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 238000010200 validation analysis Methods 0.000 description 3
- 230000004913 activation Effects 0.000 description 2
- 230000003044 adaptive effect Effects 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 2
- 210000000481 breast Anatomy 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 238000002591 computed tomography Methods 0.000 description 2
- 238000013500 data storage Methods 0.000 description 2
- 230000001419 dependent effect Effects 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 230000005499 meniscus Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000003058 natural language processing Methods 0.000 description 2
- 238000005457 optimization Methods 0.000 description 2
- 230000007170 pathology Effects 0.000 description 2
- 230000002085 persistent effect Effects 0.000 description 2
- 238000007781 pre-processing Methods 0.000 description 2
- 230000002685 pulmonary effect Effects 0.000 description 2
- 230000005855 radiation Effects 0.000 description 2
- 210000001519 tissue Anatomy 0.000 description 2
- 241000699670 Mus sp. Species 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 210000000988 bone and bone Anatomy 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 238000002059 diagnostic imaging Methods 0.000 description 1
- 238000003748 differential diagnosis Methods 0.000 description 1
- 208000035475 disorder Diseases 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 238000010191 image analysis Methods 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 210000000629 knee joint Anatomy 0.000 description 1
- 238000002372 labelling Methods 0.000 description 1
- 210000003041 ligament Anatomy 0.000 description 1
- 230000003211 malignant effect Effects 0.000 description 1
- 230000001537 neural effect Effects 0.000 description 1
- 238000001208 nuclear magnetic resonance pulse sequence Methods 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 238000011176 pooling Methods 0.000 description 1
- 230000000644 propagated effect Effects 0.000 description 1
- 230000001902 propagating effect Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000008685 targeting Effects 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 210000002303 tibia Anatomy 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 210000000689 upper leg Anatomy 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Images
Classifications
-
- 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
- G06N3/04—Architecture, e.g. interconnection topology
-
- 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
- G16H15/00—ICT specially adapted for medical reports, e.g. generation or transmission thereof
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Public Health (AREA)
- General Health & Medical Sciences (AREA)
- Epidemiology (AREA)
- Primary Health Care (AREA)
- Biomedical Technology (AREA)
- Data Mining & Analysis (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Radiology & Medical Imaging (AREA)
- Databases & Information Systems (AREA)
- Pathology (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Life Sciences & Earth Sciences (AREA)
- General Physics & Mathematics (AREA)
- Computational Linguistics (AREA)
- Evolutionary Computation (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Biophysics (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Artificial Intelligence (AREA)
- Apparatus For Radiation Diagnosis (AREA)
- Magnetic Resonance Imaging Apparatus (AREA)
- Image Analysis (AREA)
- Measuring And Recording Apparatus For Diagnosis (AREA)
- Medical Treatment And Welfare Office Work (AREA)
Abstract
Description
3D画像訓練データの各3D画像に対して、ターゲットラベル値を生成するためにVOIと関連する医療報告書のコンピュータ可読テキストおよび/またはフレーズを処理するステップであって、ターゲットラベル値がVOIにおける病変の有無を示している、処理するステップと、VOIのボクセルを入力として、VOIと関連するターゲットラベル値をターゲットとして使用して第2の3D畳み込みニューラルネットワークを訓練するステップとをさらに含んでもよい。
106 変換モジュール
108 データベース
110 3Dローカライザー
112 3D画像データ
114 3Dディープニューラルネットワーク/3Dディープラーニングネットワーク/病理モデル
115 3Dローカライザー訓練モジュール
116 注釈付き訓練データセット
118 関心領域(ROI)
120 3Dバウンディングボックス
122 3Dローカライザーモデル
124 フレーズおよび/またはワード
126 ラベル抽出器モジュール
128 ターゲットラベル
130 疾患モデル
202 ローカライザー訓練モジュール
204 訓練データセット
206 注釈ツール
208 アノテータ
210 プロセッサ
211 抽出器モジュール
212 3Dディープニューラルネットワーク
214 ローカライザーモデル
402 入力層
404 ノイズ層
406 3D畳み込み層
408 3D畳み込み層
410 ソフトマックス層
502 第1の経路
504 第2の経路
506 第3のディープニューラルネットワーク
508 入力層
510 ノイズ層
512 3D畳み込み層
514 ドロップアウト層
516 ドロップアウト層
518 3D畳み込み層
520 ドロップアウト層
522 3D畳み込み層
524 デンス層
526 ドロップアウト層
528 デンス層
702 3Dローカライザーモジュール
704 MRI画像
706 3Dローカライザー
707 関心ボリューム(VOI)
716 VOI
902 コンピュータシステム
903 3Dローカライザーモジュール
906 3D画像
908 変換モジュール
912 3Dローカライザー
914 データベース
916 3Dディープニューラルネットワーク
917 3D確率マップ
918 報告モジュール
922 コンピュータ生成報告書
1002 報告書
1004 縦方向の半月板断裂
1006 他の情報
1008 VOI
1200 データ処理システム
1202 プロセッサ
1204 メモリ要素
1206 システムバス
1208 ローカルメモリ
1210 大容量記憶デバイス
1212 入力デバイス
1214 出力デバイス
1216 ネットワークアダプタ
1218 アプリケーション
1250 データ処理システム
Claims (16)
- 3D画像データにおける病変を決定するためのコンピュータ実装方法であって、
身体部分の少なくとも第1の3D画像を受け取るステップであって、前記3D画像が所定の画像ボリュームと関連するボクセルを含む、受け取るステップと、
前記第1の3D画像を第1の3D畳み込みニューラルネットワークの入力に提供するステップであって、前記第1の3D畳み込みニューラルネットワークが、前記第1の3D画像の前記画像ボリューム中の関心ボリューム(VOI)の位置を決定するように訓練され、前記VOIが前記身体部分の一部と関連し、前記VOIが前記画像ボリュームのサブボリュームを定める、提供するステップと、
前記第1の3D畳み込みニューラルネットワークの出力から前記VOIの位置を受け取り、前記VOI内に位置を有する前記第1の3D画像のボクセルを選択することによって第1のVOIボクセルを決定するステップと、
前記第1のVOIボクセルを第2の3D畳み込みニューラルネットワークの入力に提供するステップであって、前記第2の3D畳み込みニューラルネットワークが少なくとも前記第1のVOIボクセルに基づいてターゲットラベル値を決定するように訓練され、前記ターゲットラベル値が前記VOIにおける前記病変の有無を示している、提供するステップと、
前記第2の3D畳み込みニューラルネットワークの出力から前記第1のVOIと関連する前記ターゲットラベル値を受け取り、前記ターゲットラベル値を前記病変の記述を表すテキストおよび/またはセンテンスと関連付けることによって医療報告書を生成するステップであって、好ましくは前記医療報告書の前記生成が、前記ターゲットラベル値が所定の第1の範囲内である場合、前記病変が検出されたことを記述する第1のテキスト文字列を決定し、ターゲットラベル値が所定の第2の範囲内である場合、前記病変が検出されなかったことを記述する第2のテキスト文字列を決定し、場合によっては前記第1のテキスト文字列または第2のテキスト文字列を、報告テンプレートを表すテキスト文字列に挿入することを含む、受け取り生成するステップと
を含む、方法。 - 前記方法が、
前記第2の3D畳み込みニューラルネットワークの畳み込み層から前記VOIボクセルと関連する3D確率マップを検索し、前記VOIボクセルと関連する3D顕著性マップを生成するための逆伝播プロセスへの入力として前記3D確率マップを使用するステップと、
前記第2の3D畳み込みニューラルネットワークによる前記ターゲットラベル値の前記決定に実質的に寄与した前記VOIにおけるボクセルを識別するために前記3D顕著性マップを使用することによって、前記VOIにおける前記病変の注釈付き3D画像を生成するステップと
をさらに含む、請求項1に記載の方法。 - 前記注釈付き3D画像または前記注釈付き3D画像の1つもしくは複数の2Dスライスを前記報告書に挿入するステップ
をさらに含む、請求項2に記載の方法。 - 前記第1の3D画像が、第1の画像面、好ましくは矢状画像面の画像のシーケンスを含み、前記方法が、
前記身体部分の第2の3D画像を受け取るステップであって、前記第2の3D画像が、第2の画像面、好ましくは冠状画像面の画像のシーケンスを含む、受け取るステップと、
前記VOI内に位置を有する前記第2の3D画像のボクセルを選択することによって第2のVOIボクセルを決定するステップと、
前記第2の3D畳み込みニューラルネットワークが、前記第1および第2のVOIボクセルに基づいてターゲットラベル値を決定するステップと
をさらに含む、請求項1から3のいずれか一項に記載の方法。 - 前記第2の3D畳み込みニューラルネットワークが、少なくとも前記ニューラルネットワークを通る第1の経路を形成する第1の複数の3D畳み込みニューラルネットワーク層と、前記第2のニューラルネットワークを通る第2の経路を形成する第2の複数の3D畳み込みニューラルネットワーク層とを含み、前記第1の複数の3D畳み込みニューラルネットワーク層が、前記第1のVOIボクセルを処理するように構成され、前記第2の複数の3D畳み込みニューラルネットワーク層が、前記第2のVOIボクセルを処理するように構成される、請求項4に記載の方法。
- 前記第1および/または第2の3D畳み込みニューラルネットワークが、1つまたは複数のノイズ層を含む、請求項1から5のいずれか一項に記載の方法。
- 3D画像データにおける身体部分の病変を決定するように構成されたシステムにおいて1つまたは複数の3Dディープニューラルネットワークを訓練するためのコンピュータ実装方法であって、
コンピュータが医療研究の3D画像データ訓練セットを受け取るステップであって、前記3D画像データ訓練セットが身体部分の3D画像を含み、3D画像が、所定の画像ボリュームと関連するボクセルを含み、前記3D画像における前記病変の有無を示すコンピュータ可読テキスト部分および/またはセンテンスを含む医療報告書と関連する、受け取るステップと、
前記3D画像訓練データの各3D画像に対して、3Dバウンディングボックスを形成するステップであって、好ましくは前記3Dバウンディングボックスの形成が、前記3D画像のスライス中の2D関心領域(ROI)に基づき、前記3Dバウンディングボックスが前記3D画像の前記画像ボリューム中にサブボリュームを形成し、前記サブボリュームが関心ボリューム(VOI)を定め、前記VOIが病変を含み得る前記身体部分の一部を含む、形成するステップと、
前記3D画像訓練データの各3D画像に対して、前記画像ボリューム中の前記VOIの位置を決定し、前記VOIに位置するボクセルを決定するステップと、
各VOIの前記ボクセルを入力として、VOIの前記位置をターゲットとして使用して、第1の3D畳み込みニューラルネットワークを訓練するステップと
を含む、方法。 - 前記3D画像訓練データの各3D画像に対して、ターゲットラベル値を生成するために前記VOIと関連する前記医療報告書のコンピュータ可読テキストおよび/またはフレーズを処理するステップであって、前記ターゲットラベル値が、前記VOIにおける前記身体部分の前記病変の有無を示している、処理するステップと、
前記VOIの前記ボクセルを入力として、前記VOIと関連する前記ターゲットラベル値をターゲットとして使用して、第2の3D畳み込みニューラルネットワークを訓練するステップと
をさらに含む、請求項7に記載の方法。 - コンピュータ可読テキストおよび/またはフレーズを処理するステップが、
前記医療報告書の前記コンピュータ可読テキスト部分および/またはセンテンスにおける1つまたは複数のフレーズおよび/またはワードの前記有無がどのように前記ターゲットラベル値を決定するかを記述するための決定木を使用するステップ
を含む、請求項8に記載の方法。 - コンピュータ上に実装されるニューラルネットワークシステムであって、少なくとも1つまたは複数の3Dディープニューラルネットワーク、好ましくは1つまたは複数の3D畳み込みニューラルネットワークを含み、前記1つまたは複数のディープニューラルネットワークが、請求項7から9のいずれか一項に記載の方法に従って訓練される、ニューラルネットワークシステム。
- 3D画像データにおける病変を決定するように適合されたコンピュータシステムであって、
コンピュータ可読プログラムコードがそこに記憶された記憶媒体であって、前記コードが第1および第2の3D畳み込みニューラルネットワークを含む、記憶媒体と、前記コンピュータ可読記憶媒体に結合された、1つまたは複数のプロセッサ、好ましくは1つまたは複数のマイクロプロセッサとを含み、前記コンピュータ可読プログラムコードを実行すると、前記システムが、
身体部分の少なくとも第1の3D画像を受け取るステップであって、前記3D画像が所定の画像ボリュームと関連するボクセルを含む、受け取るステップと、
前記第1の3D画像を前記第1の3D畳み込みニューラルネットワークの入力に提供するステップであって、前記第1の3D畳み込みニューラルネットワークが、前記第1の3D画像の前記画像ボリューム中の関心ボリューム(VOI)の位置を決定するように訓練され、前記VOIが前記身体部分の一部と関連し、前記VOIが前記画像ボリュームのサブボリュームを定める、提供するステップと、
前記第1の3D畳み込みニューラルネットワークの出力から前記VOIの位置を受け取り、前記VOI内に位置を有する前記第1の3D画像のボクセルを選択することによって第1のVOIボクセルを決定するステップと、
前記第1のVOIボクセルを前記第2の3D畳み込みニューラルネットワークの入力に提供するステップであって、前記第2の3D畳み込みニューラルネットワークが少なくとも前記第1のVOIボクセルに基づいてターゲットラベル値を決定するように訓練され、前記ターゲットラベル値が前記VOIにおける前記病変の有無を示している、提供するステップと、
前記第2の3D畳み込みニューラルネットワークの出力から前記第1のVOIと関連する前記ターゲットラベル値を受け取り、前記ターゲットラベル値を前記病変の記述を表すテキストおよび/またはセンテンスと関連付けることによって医療報告書を生成するステップであって、好ましくは前記医療報告書の前記生成が、前記ターゲットラベル値が所定の第1の範囲内である場合、前記病変が検出されたことを記述する第1のテキスト文字列を決定し、ターゲットラベル値が所定の第2の範囲内である場合、前記病変が検出されなかったことを記述する第2のテキスト文字列を決定し、場合によっては、前記第1のテキスト文字列または第2のテキスト文字列を、報告テンプレートを表すテキスト文字列に挿入することを含む、受け取り生成するステップと
を含む動作を実行する、コンピュータシステム。 - 前記動作が、
前記第2の畳み込みニューラルネットワークの畳み込み層から前記VOIボクセルと関連する3D確率マップを検索し、前記VOIボクセルと関連する3D顕著性マップを生成するための逆伝播プロセスへの入力として前記3D確率マップを使用するステップと、
前記第2の3D畳み込みニューラルネットワークによる前記ターゲットラベル値の前記決定に実質的に寄与した前記VOIにおけるボクセルを識別するために前記3D顕著性マップを使用することによって、前記VOIにおける前記病変の注釈付き3D画像を生成するステップと
をさらに含む、請求項11に記載のコンピュータシステム。 - 前記動作が、
前記注釈付き3D画像または前記注釈付き3D画像の1つもしくは複数の2Dスライスを前記報告書に挿入するステップ
をさらに含む、請求項12に記載のコンピュータシステム。 - 前記第1の3D画像が、第1の画像面、好ましくは矢状画像面の画像のシーケンスを含み、前記動作が、
前記身体部分の第2の3D画像を受け取るステップであって、前記第2の3D画像が、第2の画像面、好ましくは冠状画像面の画像のシーケンスを含む、受け取るステップと、
前記VOI内に位置を有する前記第2の3D画像のボクセルを選択することによって第2のVOIボクセルを決定するステップと、
前記第2の3D畳み込みニューラルネットワークが、前記第1および第2のVOIボクセルに基づいてターゲットラベル値を決定するステップと
をさらに含む、請求項11から13のいずれか一項に記載のコンピュータシステム。 - 前記第2の3D畳み込みニューラルネットワークが、前記ニューラルネットワークを通る第1の経路を形成する少なくとも第1の複数の3D畳み込みニューラルネットワーク層と、前記第2のニューラルネットワークを通る第2の経路を形成する第2の複数の3D畳み込みニューラルネットワーク層とを含み、前記第1の複数の3D畳み込みニューラルネットワーク層が、前記第1のVOIボクセルを処理するように構成され、前記第2の複数の3D畳み込みニューラルネットワーク層が、前記第2のVOIボクセルを処理するように構成される、請求項14に記載のコンピュータシステム。
- コンピュータのメモリにおいて実行されると、請求項1から6または請求項7から9のいずれか一項に記載の方法ステップを実行するために構成されたソフトウェアコード部分を含むコンピュータプログラム。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
NL2019410 | 2017-08-10 | ||
NL2019410A NL2019410B1 (en) | 2017-08-10 | 2017-08-10 | Computer-aided diagnostics using deep neural networks |
PCT/EP2018/071830 WO2019030410A1 (en) | 2017-08-10 | 2018-08-10 | COMPUTER-AIDED DIAGNOSIS USING DEEP NEURAL NETWORKS |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2020530177A true JP2020530177A (ja) | 2020-10-15 |
JP7391846B2 JP7391846B2 (ja) | 2023-12-05 |
Family
ID=60020562
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2020529823A Active JP7391846B2 (ja) | 2017-08-10 | 2018-08-10 | ディープニューラルネットワークを使用したコンピュータ支援診断 |
Country Status (9)
Country | Link |
---|---|
US (1) | US11783936B2 (ja) |
EP (1) | EP3665703B1 (ja) |
JP (1) | JP7391846B2 (ja) |
CN (1) | CN111095426A (ja) |
CA (1) | CA3072380A1 (ja) |
ES (1) | ES2967682T3 (ja) |
HU (1) | HUE064495T2 (ja) |
NL (1) | NL2019410B1 (ja) |
WO (1) | WO2019030410A1 (ja) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2023086503A (ja) * | 2021-12-10 | 2023-06-22 | 広州智睿医療科技有限公司 | 病理診断支援方法 |
Families Citing this family (21)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US11101029B2 (en) | 2018-07-17 | 2021-08-24 | Petuum Inc. | Systems and methods for predicting medications to prescribe to a patient based on machine learning |
NL2021559B1 (en) * | 2018-09-04 | 2020-04-30 | Aidence B V | Determination of a growth rate of an object in 3D data sets using deep learning |
EP3657433B1 (en) * | 2018-11-22 | 2022-10-19 | Siemens Healthcare GmbH | Medical image data |
US20220230320A1 (en) * | 2019-04-06 | 2022-07-21 | Kardiolytics Inc. | Autonomous segmentation of contrast filled coronary artery vessels on computed tomography images |
EP3734499A1 (en) * | 2019-05-02 | 2020-11-04 | Siemens Healthcare GmbH | Generating reports of three dimensional images |
EP3751458A1 (en) | 2019-06-14 | 2020-12-16 | Sobolt B.V. | Method for thermographic analysis using a hybrid convolutional neural network |
US11883206B2 (en) | 2019-07-29 | 2024-01-30 | Hologic, Inc. | Personalized breast imaging system |
KR102388204B1 (ko) * | 2019-08-30 | 2022-04-19 | 재단법인 아산사회복지재단 | 인공 신경망을 이용하여 관심 부피 영역을 추출하는 방법 및 상기 방법을 수행하는 관심 부피 영역 추출 장치 |
JP7465342B2 (ja) | 2019-09-27 | 2024-04-10 | ホロジック, インコーポレイテッド | 2d/3d乳房画像を精査するための読み取り時間および読み取り複雑性を予測するためのaiシステム |
US11410302B2 (en) * | 2019-10-31 | 2022-08-09 | Tencent America LLC | Two and a half dimensional convolutional neural network for predicting hematoma expansion in non-contrast head computerized tomography images |
US20240161247A1 (en) * | 2019-10-31 | 2024-05-16 | Allen Institute | Removing independent noise using deepinterpolation |
DE112020005870T5 (de) * | 2019-11-29 | 2022-11-03 | Fujifilm Corporation | Unterstützungsvorrichtung für dokumentenerstellung, unterstützungsverfahren für dokumentenerstellung und unterstützungsprogramm für dokumentenerstellung |
EP3832689A3 (en) | 2019-12-05 | 2021-08-11 | Hologic, Inc. | Systems and methods for improved x-ray tube life |
US11954518B2 (en) | 2019-12-20 | 2024-04-09 | Nvidia Corporation | User-defined metered priority queues |
CN111192320B (zh) * | 2019-12-30 | 2023-07-25 | 上海联影医疗科技股份有限公司 | 一种位置信息确定方法、装置、设备和存储介质 |
US11471118B2 (en) | 2020-03-27 | 2022-10-18 | Hologic, Inc. | System and method for tracking x-ray tube focal spot position |
US11481038B2 (en) | 2020-03-27 | 2022-10-25 | Hologic, Inc. | Gesture recognition in controlling medical hardware or software |
CN111915555A (zh) * | 2020-06-19 | 2020-11-10 | 杭州深睿博联科技有限公司 | 一种3d网络模型预训练方法、系统、终端及存储介质 |
KR102510221B1 (ko) * | 2020-12-24 | 2023-03-15 | 연세대학교 산학협력단 | 골절 위험 예측 방법 및 장치 |
CN113870137B (zh) * | 2021-09-30 | 2024-05-21 | 重庆大学 | 由梯度指导、自相似性修正的低剂量ct图像去噪方法、系统 |
CN116630427B (zh) * | 2023-07-24 | 2023-10-31 | 杭州键嘉医疗科技股份有限公司 | 一种ct图像中髋骨和股骨自动定位的方法及装置 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2016007518A1 (en) * | 2014-07-07 | 2016-01-14 | The Regents Of The University Of California | Automatic segmentation and quantitative parameterization of brain tumors in mri |
US20170124415A1 (en) * | 2015-11-04 | 2017-05-04 | Nec Laboratories America, Inc. | Subcategory-aware convolutional neural networks for object detection |
CN106909778A (zh) * | 2017-02-09 | 2017-06-30 | 北京市计算中心 | 一种基于深度学习的多模态医学影像识别方法及装置 |
Family Cites Families (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7920152B2 (en) * | 2004-11-04 | 2011-04-05 | Dr Systems, Inc. | Systems and methods for viewing medical 3D imaging volumes |
US9916538B2 (en) * | 2012-09-15 | 2018-03-13 | Z Advanced Computing, Inc. | Method and system for feature detection |
CN103098090B (zh) * | 2011-12-21 | 2015-01-21 | 中国科学院自动化研究所 | 多参数三维磁共振图像脑肿瘤分割方法 |
US9730643B2 (en) | 2013-10-17 | 2017-08-15 | Siemens Healthcare Gmbh | Method and system for anatomical object detection using marginal space deep neural networks |
US9589374B1 (en) * | 2016-08-01 | 2017-03-07 | 12 Sigma Technologies | Computer-aided diagnosis system for medical images using deep convolutional neural networks |
US10074038B2 (en) * | 2016-11-23 | 2018-09-11 | General Electric Company | Deep learning medical systems and methods for image reconstruction and quality evaluation |
WO2018119808A1 (zh) * | 2016-12-29 | 2018-07-05 | 浙江工商大学 | 一种基于3d卷积神经网络的立体视频生成方法 |
-
2017
- 2017-08-10 NL NL2019410A patent/NL2019410B1/en active
-
2018
- 2018-08-10 CN CN201880051722.6A patent/CN111095426A/zh active Pending
- 2018-08-10 WO PCT/EP2018/071830 patent/WO2019030410A1/en unknown
- 2018-08-10 HU HUE18750453A patent/HUE064495T2/hu unknown
- 2018-08-10 EP EP18750453.5A patent/EP3665703B1/en active Active
- 2018-08-10 CA CA3072380A patent/CA3072380A1/en active Pending
- 2018-08-10 JP JP2020529823A patent/JP7391846B2/ja active Active
- 2018-08-10 ES ES18750453T patent/ES2967682T3/es active Active
- 2018-08-10 US US16/637,525 patent/US11783936B2/en active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2016007518A1 (en) * | 2014-07-07 | 2016-01-14 | The Regents Of The University Of California | Automatic segmentation and quantitative parameterization of brain tumors in mri |
US20170124415A1 (en) * | 2015-11-04 | 2017-05-04 | Nec Laboratories America, Inc. | Subcategory-aware convolutional neural networks for object detection |
CN106909778A (zh) * | 2017-02-09 | 2017-06-30 | 北京市计算中心 | 一种基于深度学习的多模态医学影像识别方法及装置 |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2023086503A (ja) * | 2021-12-10 | 2023-06-22 | 広州智睿医療科技有限公司 | 病理診断支援方法 |
JP7366111B2 (ja) | 2021-12-10 | 2023-10-20 | 広州智睿医療科技有限公司 | 病理診断支援方法 |
Also Published As
Publication number | Publication date |
---|---|
HUE064495T2 (hu) | 2024-03-28 |
WO2019030410A1 (en) | 2019-02-14 |
EP3665703C0 (en) | 2023-10-11 |
ES2967682T3 (es) | 2024-05-03 |
EP3665703B1 (en) | 2023-10-11 |
US20200219609A1 (en) | 2020-07-09 |
CA3072380A1 (en) | 2019-02-14 |
NL2019410B1 (en) | 2019-02-21 |
CN111095426A (zh) | 2020-05-01 |
JP7391846B2 (ja) | 2023-12-05 |
US11783936B2 (en) | 2023-10-10 |
EP3665703A1 (en) | 2020-06-17 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP7391846B2 (ja) | ディープニューラルネットワークを使用したコンピュータ支援診断 | |
Mahmood et al. | Deep adversarial training for multi-organ nuclei segmentation in histopathology images | |
US10496884B1 (en) | Transformation of textbook information | |
Pesce et al. | Learning to detect chest radiographs containing pulmonary lesions using visual attention networks | |
Barnett et al. | A case-based interpretable deep learning model for classification of mass lesions in digital mammography | |
US10929708B2 (en) | Deep learning network for salient region identification in images | |
US11176188B2 (en) | Visualization framework based on document representation learning | |
US10853449B1 (en) | Report formatting for automated or assisted analysis of medical imaging data and medical diagnosis | |
US10692602B1 (en) | Structuring free text medical reports with forced taxonomies | |
EP3246836A1 (en) | Automatic generation of radiology reports from images and automatic rule out of images without findings | |
WO2018176035A1 (en) | Method and system of building hospital-scale chest x-ray database for entity extraction and weakly-supervised classification and localization of common thorax diseases | |
JP7346553B2 (ja) | 深層学習を使用する3dデータセット内のオブジェクトの成長率の決定 | |
Garg et al. | State-of-the-art review of deep learning for medical image analysis | |
EP4390766A2 (en) | Training a machine learning algorithm using digitally reconstructed radiographs | |
WO2023274599A1 (en) | Methods and systems for automated follow-up reading of medical image data | |
Lutnick et al. | Iterative annotation to ease neural network training: Specialized machine learning in medical image analysis | |
Abid et al. | Artificial Intelligence in Urology: current status and future perspectives | |
Tan et al. | DeepPulmoTB: A benchmark dataset for multi-task learning of tuberculosis lesions in lung computerized tomography (CT) | |
US20240119750A1 (en) | Method of generating language feature extraction model, information processing apparatus, information processing method, and program | |
Barhoumi | Efficient Scopeformer: Towards Scalable and Rich Feature Extraction for Intracranial Hemorrhage Detection using Hybrid Convolution and Vision Transformer Networks | |
US20230401702A1 (en) | Object detection in paired imaging | |
EP4339961A1 (en) | Methods and systems for providing a template data structure for a medical report | |
Baig et al. | Transfer Learning Empowered Bone Fracture Detection | |
Yassine | Efficient Scopeformer: Towards Scalable and Rich Feature Extraction for Intracranial Hemorrhage Detection Using Hybrid Convolution and Vision Transformer Networks | |
WO2023165942A1 (en) | Cross-modality data matching |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A711 | Notification of change in applicant |
Free format text: JAPANESE INTERMEDIATE CODE: A712 Effective date: 20210517 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A821 Effective date: 20210517 |
|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20210806 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20220927 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20221003 |
|
A601 | Written request for extension of time |
Free format text: JAPANESE INTERMEDIATE CODE: A601 Effective date: 20230104 |
|
A601 | Written request for extension of time |
Free format text: JAPANESE INTERMEDIATE CODE: A601 Effective date: 20230303 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20230403 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20230703 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20231003 |
|
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: 20231023 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20231122 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 7391846 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
S111 | Request for change of ownership or part of ownership |
Free format text: JAPANESE INTERMEDIATE CODE: R313111 |
|
R350 | Written notification of registration of transfer |
Free format text: JAPANESE INTERMEDIATE CODE: R350 |