JP2021053251A - 画像処理装置、画像処理方法、プログラム - Google Patents
画像処理装置、画像処理方法、プログラム Download PDFInfo
- Publication number
- JP2021053251A JP2021053251A JP2019180964A JP2019180964A JP2021053251A JP 2021053251 A JP2021053251 A JP 2021053251A JP 2019180964 A JP2019180964 A JP 2019180964A JP 2019180964 A JP2019180964 A JP 2019180964A JP 2021053251 A JP2021053251 A JP 2021053251A
- Authority
- JP
- Japan
- Prior art keywords
- image processing
- image
- unit
- abnormality candidate
- abnormality
- 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 255
- 238000003672 processing method Methods 0.000 title claims description 5
- 230000005856 abnormality Effects 0.000 claims abstract description 190
- 238000001514 detection method Methods 0.000 claims abstract description 96
- 238000010801 machine learning Methods 0.000 claims description 8
- 238000012546 transfer Methods 0.000 claims description 3
- 238000013527 convolutional neural network Methods 0.000 description 29
- 206010017076 Fracture Diseases 0.000 description 20
- 208000014674 injury Diseases 0.000 description 20
- 238000000034 method Methods 0.000 description 18
- 230000008733 trauma Effects 0.000 description 18
- 208000010392 Bone Fractures Diseases 0.000 description 17
- 230000002159 abnormal effect Effects 0.000 description 17
- 230000008569 process Effects 0.000 description 14
- 201000003144 pneumothorax Diseases 0.000 description 13
- 230000006870 function Effects 0.000 description 10
- 206010019027 Haemothorax Diseases 0.000 description 9
- 238000003745 diagnosis Methods 0.000 description 8
- 238000010586 diagram Methods 0.000 description 5
- 238000012937 correction Methods 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 3
- 208000027418 Wounds and injury Diseases 0.000 description 2
- 230000004913 activation Effects 0.000 description 2
- 230000006378 damage Effects 0.000 description 2
- 238000010606 normalization Methods 0.000 description 2
- 238000007781 pre-processing Methods 0.000 description 2
- 230000000472 traumatic effect Effects 0.000 description 2
- 208000004221 Multiple Trauma Diseases 0.000 description 1
- 240000004050 Pentaglottis sempervirens Species 0.000 description 1
- 235000004522 Pentaglottis sempervirens Nutrition 0.000 description 1
- 230000002547 anomalous effect Effects 0.000 description 1
- 210000000988 bone and bone Anatomy 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000000052 comparative effect Effects 0.000 description 1
- 230000006835 compression Effects 0.000 description 1
- 238000007906 compression Methods 0.000 description 1
- 238000012790 confirmation Methods 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 201000010099 disease Diseases 0.000 description 1
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 230000005484 gravity Effects 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 238000002372 labelling Methods 0.000 description 1
- 230000003902 lesion Effects 0.000 description 1
- 210000004072 lung Anatomy 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 238000007637 random forest analysis Methods 0.000 description 1
- 238000005728 strengthening Methods 0.000 description 1
- 238000012706 support-vector machine Methods 0.000 description 1
- 238000012549 training Methods 0.000 description 1
- 238000013526 transfer learning Methods 0.000 description 1
- 238000012795 verification Methods 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
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/73—Deblurring; Sharpening
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/90—Dynamic range modification of images or parts thereof
- G06T5/94—Dynamic range modification of images or parts thereof based on local image properties, e.g. for local contrast enhancement
-
- 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
- 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
- G06T2207/10116—X-ray 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
- G06T2207/20004—Adaptive 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
- G06T2207/20—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
- G06T2207/20172—Image enhancement details
- G06T2207/20192—Edge enhancement; Edge preservation
-
- 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
- G06T2207/30008—Bone
-
- 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
- G06T2207/30061—Lung
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- General Health & Medical Sciences (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Radiology & Medical Imaging (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Public Health (AREA)
- Life Sciences & Earth Sciences (AREA)
- Primary Health Care (AREA)
- Epidemiology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Quality & Reliability (AREA)
- Pathology (AREA)
- High Energy & Nuclear Physics (AREA)
- Optics & Photonics (AREA)
- Biophysics (AREA)
- Biomedical Technology (AREA)
- Heart & Thoracic Surgery (AREA)
- Molecular Biology (AREA)
- Surgery (AREA)
- Animal Behavior & Ethology (AREA)
- Veterinary Medicine (AREA)
- Apparatus For Radiation Diagnosis (AREA)
Abstract
Description
図1の画像処理装置100の構成図と図3の画像処理装置100の全体フローを使い、本発明の処理の流れにそって説明する。
まず医用画像取得部101は、X線センサによって医用画像を取得する。
医用画像取得部101は外部装置等から取得した画像に対し前処理を行い、前処理済み医用画像を出力する。前処理とは例えば、センサの特性を補正する処理のことで、オフセット補正(暗電流補正)、ゲイン補正、欠損補正などを行い、周辺画素との相関関係が保たれている状態にする処理である。
次に異常候補検出部102は、医用画像取得部101によって前処理が為された前処理済み医用画像を入力とし、異常候補(外傷)の検出を行い、異常候補(外傷)領域を検出する。異常候補(外傷)検出部102には例えば機械学習技術の一つとしてCNNを用いる。CNNを利用するにあたっては、事前に学習処理を行ってCNNのパラメータを決定しておく。尚、以下では画像処理装置100の学習時の動作について述べるが、本発明は、学習済みモデルを別途利用しても、学習済みモデルをファインチューニングや転移学習したモデルを利用する異常候補検出部102として用いてもよい。また、異常候補検出部102は、CNNのみならず、他のディープラーニング技術や、サポートベクターマシン、ランダムフォレスト、探索木等、異なる機械学習技術によって実現されても、複数の機械学習の技術が組み合わされて実現されてもよい。
次に画像処理パラメータ設定部103は、外傷候補検出結果と外部装置から画像処理プリセットパラメータを入力とし、画像処理アップデートパラメータを出力する。画像処理プリセットパラメータとは、撮影部位毎に決定されているデフォルトのパラメータである。デフォルトパラメータは、各部位で考えられる全ての病気が表現されるような画像処理パラメータである。健康診断などで使用され、全体を俯瞰的に診断することができる。画像処理パラメータ設定部103は、異常(外傷)候補検出結果より、異常(外傷)が検出されなかった場合は、特にプリセットパラメータを変更することなく、そのまま画像処理アップデートパラメータとして出力する。一方で、異常候補が検出された場合は、画像処理パラメータ設定部103は外傷に特化したパラメータに変更する。例えば、異常候補として骨折があった場合、骨折用の画像処理パラメータに変更する。骨折用の画像処理パラメータとは、例えば、エッジ強調を強くし、ダイナミックレンジの圧縮量を多くし、骨部が観察しやすい表現をするようなものである。例えば異常候補として気胸があった場合は、気胸が検出された領域の平均値を階調処理の中心にするなどし、階調処理を行い、肺野内が観察しやすい表現をする。即ち、画像処理パラメータ設定部103は、画像処理パラメータがあらかじめ設定されていた場合に、画像処理パラメータを変更することを特徴とする。
次に画像処理部104が、前処理済み医用画像と異常候補検出結果と画像処理アップデートパラメータとを入力とし、画像処理を実施し、画像処理された医用画像(以下、診断用画像)を作成する。まず、前処理済み医用画像から画像処理アップデートパラメータを使用し診断用画像を生成する。診断用画像処理とは、異常候補を見えやすくするための処理で、階調処理、周波数処理などを行う。尚、画像処理は異常候補検出部102によって検出された異常候補の領域よりも広い領域に対して、取得した画像処理パラメータを適用し診断用画像の生成を行う。画像処理の対象となる画像領域は、医用画像取得部101によって出力された前処理済み医用画像全体を対象としても、例えば検出された異常候補と、異常候補の存在確率を考慮して画像処理の範囲が決定されてもよい。判定された異常候補を含み、かつ異常候補よりも広い画像領域に対して画像処理を実行することで、実際には異常であって、異常候補検出部102によって検出されなかった領域に関しても画像処理が実行され、結果として読影精度と効率の向上が期待される。即ち、画像処理部104における画像処理の対象は、異常候補が検出された医用画像全体であることを特徴とする。
ここで画像処理アップデートパラメータは階調処理や周波数などの異常(外傷)を見えやすくするための処理を規定するパラメータである。即ち、画像処理アップデートパラメータや、画像処理プリセットパラメータ等の、画像処理パラメータは、周波数処理および階調処理のうち少なくとも一方の処理を規定するパラメータであることを特徴とする。そして、異常(外傷)候補検出結果にて、さらに異常(外傷)と判定された領域に表示用の処理を行う。例えば、異常(外傷)領域の境界を特定の色を持った線で表示をした画像や、外傷領域の重心部分に×などの印や矢印を重畳した画像を作成する。ユーザは、該異常領域の特徴に則って、異常領域として検出されていない領域に対して、比較検証を実施することができる。
最後に、表示制御部105が、診断用画像を表示デバイスへ出力させる。表示制御部105による診断用画像の表示によって、異常(外傷)候補として検出された領域を、確認しやすい画像処理が適用されて表示されるため、異常候補を把握することが可能となる。また異常候補が検出されていない領域に対しても、検出された異常候補の可読性を向上させるための画像処理が実行されているため、異常候補が検出された領域と異常候補が検出されていない領域とを比較することできる。よって異常候補検出部102の見落としをユーザが見落としにくくなり、結果として医師の診断効率を上げることができる。
異なる実施形態について図1の構成図と図5の全体フローを使い説明する。本実施形態において、異常候補検出部102はCNNに基づいて複数の異常候補の分類を行う。尚。ステップS301からS302は第1の実施形態における図3と同様のため省略する。
異常候補検出部102からCNNを用いて複数の外傷に分類が必要な場合は、例えば次のようにCNNのパラメータを決める。それぞれの異常候補の有無を二値分類するCNNを作成する場合には、骨折領域を正解データとした骨折だけを検出するパラメータを生成し、気胸領域を正解データとした気胸だけを検出するパラメータを生成するなどをし、外傷毎に別々のパラメータを生成する。
次に画像処理パラメータ設定部103は、外部装置から画像処理プリセットパラメータと異常候補検出部102による異常候補検出結果を入力とし、画像処理アップデートパラメータを出力する。画像処理アップデートパラメータは、S504で異常候補検出部102により複数の外傷に分類された数に伴って出力される。
次に画像処理部104が、前処理済み医用画像と異常候補検出結果と画像処理アップデートパラメータとを入力とし、表示用画像を作成する。まず、前処理済み医用画像から画像処理アップデートパラメータを使用し診断用画像を生成する(S506)。図6のように異常検出/分類601の結果として、骨折と気胸と血胸とが検出された場合、診断用画像処理605は、骨折用画像処理パラメータ602から骨折用診断用画像606を生成する。また、気胸用画像処理パラメータ603から気胸用診断用画像607を、血胸用画像処理パラメータ604から血胸用診断用画像608を生成する。即ち、画像処理部104は、異常候補のそれぞれに対して設定された画像処理パラメータに基づいて、複数の画像処理結果を出力することを特徴とする。
そして、異常候補検出結果にて、異常と判定された領域に表示用の処理を行う(S307)。骨折用診断用画像506には骨折候補検出結果を、気胸用診断用画像507には気胸候補検出結果を、血胸用診断用画像508には血胸用候補検出結果を重畳させる。
最後に、表示制御部105が、複数の診断用画像を順番に表示デバイスへ出力をさせる(S508)。UI上の切り替え操作になどよって、複数の診断用画像を切り替え、全ての診断用画像を確認することができる。画像確認に用いた複数の診断用画像は、全てPACSへ転送してもよい。このようにすることで、複数の病変がある場合でも、診断効率を上げながら確認をすることができる。即ち、画像処理部104によって画像処理された医用画像である診断用画像を転送する転送部を有することを特徴とする。
第2の実施形態に記載したように、複数の異常候補を分類器のクラスとして有している場合には、異常候補検出部102は、CNNに基づいて複数の異常候補を検出する。
第1の実施形態のS307における画像表示において、異なる実施形態を図1の構成図と図3の全体フローを使い説明する。
異常候補検出部102によって検出される異常候補の数が多いと、異常候補のそれぞれに対応するように生成される診断用画像の数が増加することも考えられる。診断用画像の数がユーザの負担になる場合に、画像処理パラメータ設定部103は、複数の異常候補に対応する画像処理パラメータ間の差を比較する。そして画像処理パラメータの類似する異常候補群ごとに、所定の画像処理を実施し、表示制御部105が表示をしてもよい。なお、ユーザが画像処理パラメータの類似する異常候補群を設定してもよい。
また、本発明は、以下の処理を実行することによっても実現される。即ち、上述した実施形態の機能を実現するソフトウェア(プログラム)を、ネットワーク又は各種記憶媒体を介してシステム或いは装置に供給し、そのシステム或いは装置のコンピュータ(またはCPUやMPU等)がプログラムを読み出して実行する処理である。
101 医用画像取得部
102 異常候補検出部
103 画像処理パラメータ設定部
104 画像処理部
105 表示制御部
Claims (18)
- 医用画像を取得する医用画像取得部と、
前記医用画像取得部により取得された前記医用画像から異常候補を検出する異常候補検出部と、
前記異常候補検出部によって検出された異常候補に基づいて、前記医用画像に適用する画像処理を規定する画像処理パラメータを設定する画像処理パラメータ設定部と、
前記画像処理パラメータ設定部によって設定された画像処理パラメータに基づいて、前記医用画像のうち、前記異常候補検出部によって検出された前記異常候補に対応する画像領域を含み、且つ前記検出された異常候補に対応する画像領域よりも広い画像領域に対して画像処理を行う画像処理部と、
前記画像処理部によって画像処理された医用画像を表示する表示制御部と、
を有することを特徴とする画像処理装置。 - 前記画像処理部における前記画像処理の対象は、前記医用画像全体であることを特徴とする請求項1に記載の画像処理装置。
- 前記画像処理パラメータは、周波数処理および階調処理のうちすくなくとも一方の処理を規定するパラメータであることを特徴とする請求項1または2に記載の画像処理装置。
- 前記画像処理パラメータ設定部は、前記画像処理パラメータがあらかじめ設定されていた場合に、前記画像処理パラメータを変更することを特徴とする請求項1乃至3のいずれか一項に記載の画像処理装置。
- 前記画像処理パラメータ設定部は、前記異常候補検出部によって複数の異常候補が検出された場合に、前記複数の異常候補のそれぞれに対して画像処理パラメータを設定することを特徴とする請求項1乃至4のいずれか一項に記載の画像処理装置。
- 前記表示制御部は、前記異常候補検出部によって検出された異常候補と前記画像処理された医用画像と、を表示することを特徴とする請求項1乃至5のいずれか一項に記載の画像処理装置。
- 前記画像処理部は、前記複数の異常候補のそれぞれに対して設定された画像処理パラメータに基づいて、画像処理を行い、複数の画像処理された医用画像を出力することを特徴とする請求項5に記載の画像処理装置。
- 前記表示制御部は、前記複数の画像処理された医用画像のそれぞれを識別可能に表示することを特徴とする請求項7に記載の画像処理装置。
- 前記異常候補検出部は、前記異常候補と、前記異常候補に対する分類の確信度を算出することを特徴とする請求項1乃至8のいずれか一項に記載の画像処理装置。
- 前記表示制御部は、前記確信度が最も高い異常候補に対応する画像処理された医用画像を表示することを特徴とする請求項9に記載の画像処理装置。
- 前記表示制御部は、前記画像処理部による出力が、複数の画像処理された医用画像であった場合に、前記確信度に応じて前記複数の画像処理された医用画像の表示順序を決定することを特徴とする請求項9に記載の画像処理装置。
- 前記表示制御部は、前記画像処理パラメータが変更される前の画像処理パラメータによって画像処理された医用画像を表示装置に表示させることを特徴とする請求項4に記載の画像処理装置。
- 前記異常候補検出部は、機械学習に基づいて異常候補の検出を行い、前記異常候補のそれぞれは、前記機械学習のクラスに対応することを特徴とする請求項1乃至12のいずれか一項に記載の画像処理装置。
- 前記表示制御部は、前記画像処理部による出力が、複数の画像処理された医用画像であった場合に、表示する前記画像処理された医用画像を選択する選択部を有することを特徴とする請求項1乃至13のいずれか一項に記載の画像処理装置。
- 前記画像処理部によって画像処理された医用画像を転送する転送部を有することを特徴とする請求項1乃至14のいずれか一項に記載の画像処理装置。
- 医用画像を取得する医用画像取得ステップと、
前記医用画像取得部により取得された前記医用画像から異常候補を検出する異常候補検出ステップと、
前記異常候補検出ステップによって検出された異常候補に基づいて、前記医用画像に適用する画像処理を規定する画像処理パラメータを設定する画像処理パラメータ設定ステップと、
前記画像処理パラメータ設定ステップによって設定された画像処理パラメータに基づいて、前記医用画像のうち、前記異常候補検出ステップによって検出された前記異常候補に対応する画像領域を含み、且つ前記検出された前記異常候補に対応する画像領域よりも広い画像領域に対して画像処理を行う画像処理ステップと、
前記画像処理部によって画像処理された医用画像を表示する表示制御ステップと、
を有することを特徴とする画像処理方法。 - 前記画像処理ステップにおける前記画像処理の対象は、前記医用画像全体であることを特徴とする請求項16に記載の画像処理方法。
- 請求項16または請求項17の画像処理方法をコンピュータに実行させるためのプログラム。
Priority Applications (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2019180964A JP7423237B2 (ja) | 2019-09-30 | 2019-09-30 | 画像処理装置、画像処理方法、プログラム |
PCT/JP2020/035487 WO2021065574A1 (ja) | 2019-09-30 | 2020-09-18 | 画像処理装置、画像処理方法、プログラム |
US17/707,721 US20220222820A1 (en) | 2019-09-30 | 2022-03-29 | Image processing apparatus, image processing method, and program |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2019180964A JP7423237B2 (ja) | 2019-09-30 | 2019-09-30 | 画像処理装置、画像処理方法、プログラム |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2021053251A true JP2021053251A (ja) | 2021-04-08 |
JP7423237B2 JP7423237B2 (ja) | 2024-01-29 |
Family
ID=75271778
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2019180964A Active JP7423237B2 (ja) | 2019-09-30 | 2019-09-30 | 画像処理装置、画像処理方法、プログラム |
Country Status (3)
Country | Link |
---|---|
US (1) | US20220222820A1 (ja) |
JP (1) | JP7423237B2 (ja) |
WO (1) | WO2021065574A1 (ja) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR102179584B1 (ko) * | 2020-04-16 | 2020-11-18 | 주식회사 딥노이드 | 의료영상 판독을 위한 인공지능 기반의 클라우드 플랫폼 시스템 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2001351092A (ja) * | 2000-04-04 | 2001-12-21 | Konica Corp | 画像処理選択方法および画像選択方法ならびに画像処理装置 |
JP2002330949A (ja) * | 2001-05-11 | 2002-11-19 | Fuji Photo Film Co Ltd | 異常陰影候補出力システム |
JP2005102784A (ja) * | 2003-09-29 | 2005-04-21 | Konica Minolta Medical & Graphic Inc | 画像診断支援装置及び画像診断支援方法 |
JP2006109959A (ja) * | 2004-10-13 | 2006-04-27 | Hitachi Medical Corp | 画像診断支援装置 |
JP2014030623A (ja) * | 2012-08-03 | 2014-02-20 | Kyoto Univ | 画像処理装置、画像処理方法およびプログラム |
-
2019
- 2019-09-30 JP JP2019180964A patent/JP7423237B2/ja active Active
-
2020
- 2020-09-18 WO PCT/JP2020/035487 patent/WO2021065574A1/ja active Application Filing
-
2022
- 2022-03-29 US US17/707,721 patent/US20220222820A1/en active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2001351092A (ja) * | 2000-04-04 | 2001-12-21 | Konica Corp | 画像処理選択方法および画像選択方法ならびに画像処理装置 |
JP2002330949A (ja) * | 2001-05-11 | 2002-11-19 | Fuji Photo Film Co Ltd | 異常陰影候補出力システム |
JP2005102784A (ja) * | 2003-09-29 | 2005-04-21 | Konica Minolta Medical & Graphic Inc | 画像診断支援装置及び画像診断支援方法 |
JP2006109959A (ja) * | 2004-10-13 | 2006-04-27 | Hitachi Medical Corp | 画像診断支援装置 |
JP2014030623A (ja) * | 2012-08-03 | 2014-02-20 | Kyoto Univ | 画像処理装置、画像処理方法およびプログラム |
Also Published As
Publication number | Publication date |
---|---|
US20220222820A1 (en) | 2022-07-14 |
WO2021065574A1 (ja) | 2021-04-08 |
JP7423237B2 (ja) | 2024-01-29 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110428475B (zh) | 一种医学图像的分类方法、模型训练方法和服务器 | |
Yu et al. | Image quality classification for DR screening using deep learning | |
US20190077015A1 (en) | Machine learning device, robot system, and machine learning method | |
EP3063289B1 (en) | Method and system for classifying and identifying individual cells in a microscopy image | |
JP6088792B2 (ja) | 画像検出装置及び制御プログラム並びに画像検出方法 | |
US11721086B2 (en) | Image processing system and image processing method | |
WO2017055412A1 (en) | Method and system for classification of endoscopic images using deep decision networks | |
US11461599B2 (en) | Classification of images based on convolution neural networks | |
US11403560B2 (en) | Training apparatus, image recognition apparatus, training method, and program | |
JP4978227B2 (ja) | 画像検出装置 | |
CN113011450B (zh) | 青光眼识别的训练方法、训练装置、识别方法及识别系统 | |
KR102569285B1 (ko) | 병리 슬라이드 이미지 내의 이상 영역을 검출하기 위한 기계학습 모델을 학습시키는 방법 및 시스템 | |
WO2021065574A1 (ja) | 画像処理装置、画像処理方法、プログラム | |
KR102188649B1 (ko) | 영상 처리 장치 및 방법 | |
US11960995B2 (en) | Systems and methods for automatic detection of surgical specialty type and procedure type | |
KR102430946B1 (ko) | 소장 정결도를 진단하는 시스템 및 방법 | |
US9483827B2 (en) | Method of object orientation detection | |
US20220327738A1 (en) | Processor for endoscope, endoscope system, information processing apparatus, non-transitory computer-readable storage medium, and information processing method | |
JP7443929B2 (ja) | 医療診断支援装置、医療診断支援プログラム、および医療診断支援方法 | |
KR20230059244A (ko) | 인공지능 기반의 내시경 진단 보조 시스템 및 이의 제어방법 | |
JP2021069697A (ja) | 画像処理装置、画像処置方法、及びプログラム | |
KR102433054B1 (ko) | 의료 영상의 메타데이터 예측 장치 및 방법 | |
KR102464887B1 (ko) | 의료 영상의 메타데이터 예측 장치 및 방법 | |
CN116740475B (zh) | 一种基于状态分类的消化道图像识别方法和系统 | |
JP2024068659A (ja) | インライヤーとアウトライヤーデータを分類するためのデータ分類方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20220902 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20230613 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20230801 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20231017 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20231201 |
|
TRDD | Decision of grant or rejection written | ||
RD01 | Notification of change of attorney |
Free format text: JAPANESE INTERMEDIATE CODE: A7421 Effective date: 20231213 |
|
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20231219 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20240117 |
|
R151 | Written notification of patent or utility model registration |
Ref document number: 7423237 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R151 |