JP2021090495A - 医用画像処理装置、医用画像診断装置および医用画像処理プログラム - Google Patents
医用画像処理装置、医用画像診断装置および医用画像処理プログラム Download PDFInfo
- Publication number
- JP2021090495A JP2021090495A JP2019221489A JP2019221489A JP2021090495A JP 2021090495 A JP2021090495 A JP 2021090495A JP 2019221489 A JP2019221489 A JP 2019221489A JP 2019221489 A JP2019221489 A JP 2019221489A JP 2021090495 A JP2021090495 A JP 2021090495A
- Authority
- JP
- Japan
- Prior art keywords
- image
- medical
- original image
- converted
- original
- 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 139
- 238000000605 extraction Methods 0.000 claims abstract description 36
- 238000006243 chemical reaction Methods 0.000 claims abstract description 18
- 239000000284 extract Substances 0.000 claims abstract description 11
- 230000003902 lesion Effects 0.000 claims description 9
- 238000002059 diagnostic imaging Methods 0.000 claims description 8
- 238000007689 inspection Methods 0.000 claims description 4
- 238000002591 computed tomography Methods 0.000 description 73
- 230000006870 function Effects 0.000 description 69
- 241001669679 Eleotris Species 0.000 description 17
- 210000004204 blood vessel Anatomy 0.000 description 14
- 238000000034 method Methods 0.000 description 13
- 238000003384 imaging method Methods 0.000 description 10
- 230000003287 optical effect Effects 0.000 description 10
- 238000004891 communication Methods 0.000 description 8
- 239000002872 contrast media Substances 0.000 description 8
- 238000001514 detection method Methods 0.000 description 8
- 238000010586 diagram Methods 0.000 description 8
- 206010028980 Neoplasm Diseases 0.000 description 7
- 238000003745 diagnosis Methods 0.000 description 6
- 230000008569 process Effects 0.000 description 5
- 210000001519 tissue Anatomy 0.000 description 5
- 238000013527 convolutional neural network Methods 0.000 description 4
- 238000002600 positron emission tomography Methods 0.000 description 3
- 239000004065 semiconductor Substances 0.000 description 3
- 210000004872 soft tissue Anatomy 0.000 description 3
- 230000003595 spectral effect Effects 0.000 description 3
- 210000001015 abdomen Anatomy 0.000 description 2
- 229910052782 aluminium Inorganic materials 0.000 description 2
- XAGFODPZIPBFFR-UHFFFAOYSA-N aluminium Chemical compound [Al] XAGFODPZIPBFFR-UHFFFAOYSA-N 0.000 description 2
- 210000000988 bone and bone Anatomy 0.000 description 2
- 239000003086 colorant Substances 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 210000003128 head Anatomy 0.000 description 2
- 238000002697 interventional radiology Methods 0.000 description 2
- 230000001678 irradiating effect Effects 0.000 description 2
- 230000007246 mechanism Effects 0.000 description 2
- 201000008968 osteosarcoma Diseases 0.000 description 2
- 230000005855 radiation Effects 0.000 description 2
- 238000001228 spectrum Methods 0.000 description 2
- 238000012935 Averaging Methods 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 210000000133 brain stem Anatomy 0.000 description 1
- 210000002987 choroid plexus Anatomy 0.000 description 1
- 238000013170 computed tomography imaging Methods 0.000 description 1
- 239000013078 crystal Substances 0.000 description 1
- 238000013480 data collection Methods 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 238000002091 elastography Methods 0.000 description 1
- 238000007499 fusion processing Methods 0.000 description 1
- 230000002068 genetic effect Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 210000004185 liver Anatomy 0.000 description 1
- 230000003211 malignant effect Effects 0.000 description 1
- 229910052751 metal Inorganic materials 0.000 description 1
- 239000002184 metal Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000000491 multivariate analysis Methods 0.000 description 1
- 238000003909 pattern recognition Methods 0.000 description 1
- 210000003240 portal vein Anatomy 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000013403 standard screening design Methods 0.000 description 1
- 238000001931 thermography Methods 0.000 description 1
- 238000012549 training Methods 0.000 description 1
- 238000002604 ultrasonography Methods 0.000 description 1
- 210000001604 vasa vasorum Anatomy 0.000 description 1
Images
Landscapes
- Apparatus For Radiation Diagnosis (AREA)
- Image Processing (AREA)
Abstract
Description
しかし、当該技術は、撮影画像から特徴部位を抽出するため、撮影画像に描画されていない特徴部位は抽出されない。例えば、実際には人体に存在し、MR(Magnetic Resonance)画像には描出されるが、CT(Computed Tomography)画像には描出されない特徴部位については、CT画像に対して当該技術を適用しても抽出することができない。
第1の実施形態に係る医用画像処理装置について図1のブロック図を参照して説明する。
第1の実施形態に係る医用画像処理装置1は、メモリ11と、処理回路13と、入力インタフェース15と、通信インタフェース17とを含む。処理回路13は、取得機能131と、画像処理機能133と、抽出機能135と、表示制御機能137とを含む。
画像処理機能133により処理回路13は、元画像に対して画像変換を実行し、元画像からは認識困難であるが被検体には存在している特徴を含む変換画像を生成する。
抽出機能135により処理回路13は、元画像および前記変換画像から特徴部位を抽出する。特徴部位は、例えば解剖学的特徴部位でもよいし、腫瘍などの病変部位でもよい。
表示制御機能137により処理回路13は、特徴部位を示す情報を元画像および変換画像の少なくともいずれか一方に表示する。例えば、元画像から抽出した特徴部位および変換画像から抽出した特徴部位を元画像に重畳した画像を、ディスプレイまたはプロジェクタを介してスクリーンなどに表示させるように画像の出力を制御すればよい。
ステップS21では、取得機能131により処理回路13が、元画像を取得する。元画像は、例えば、CT装置であれば位置決めスキャンにより撮影した位置決め画像(スキャノ画像ともいう)を用いればよい。なお、位置決め画像に限らず、本スキャンで撮影したCT画像であってもよい。
なお、特徴部位を抽出できれば、元画像はCT画像でなくともよい。例えば、元画像は、MR画像、CT画像、X線画像といった、他の医用画像診断装置であってもよい。または、元画像は、医用画像診断装置により撮影された画像に限らず、サーモグラフィのような撮影装置によって得られた画像、光学カメラにより得られる画像、さらには医学用の書籍に掲載されるような写真であってもよい。
具体例としては、図3を参照して後述するが、元画像は、第1の医用画像診断装置を用いて被検体を撮影して得られた画像であり、変換画像は、第1の医用画像診断装置とは異なる第2の医用画像診断装置を用いて被検体を撮影した場合を想定した推定画像である。
例えば、元画像がCT装置により撮影された画像であれば、撮像原理が異なる医用画像診断装置(MRI装置など)で取得した画像に変換する学習済みモデルをディープラーニングなどにより生成する。ネットワークのモデルとしては、DCNN(Deep Convolutional Neural Network)、pix2pixなどの画像生成ネットワークが挙げられる。当該学習済みモデルをCT画像である元画像に適用することで、MR画像を変換画像として取得すればよい。
また、変換画像は1つに限らず、複数種類の異なる変換画像を生成してもよい。また、変換画像の画像サイズは問わず、元画像と同じサイズであってもよいし、異なるサイズであってもよい。
例えば、既存の断面推定処理を用いて、元画像の位置から異なる、直交する断面の画像または体軸方向にずれた断面の画像を推定することで、元画像の位置に直交する画像を変換画像として推定してもよい。
図3の例では、元画像として被検体の頭部をX線CT装置で撮影したCT画像を用い、変換画像として被検体の頭部の同じ断面位置をMRI装置で撮影した場合を想定したMR画像を用いる。なお、変換画像として想定するMR画像は、実際に被検体をMR装置で撮影したMR画像ではなく、CT画像から変換した画像であるため、ここでは推定MR画像と呼ぶ。また、特徴部位として解剖学的特徴部位を抽出する場合を想定する。
また、特徴部位として病変部位を抽出する場合は、例えば病変として骨肉腫を抽出する場合、X線撮影装置で撮影されたX線画像またはX線CT装置で撮影されたCT画像では、骨の内部における骨肉腫の形成状態までは把握しきれない。一方、MRI装置で撮影されたMR画像であれば、骨の内部の状態をX線画像およびCT画像よりも鮮明に描出できるため、変換画像としてMR画像を生成することで、解剖学的特徴部位を抽出する場合と同様の効果を奏することができる。
さらに、元画像および変換画像から抽出した特徴部位の情報を、元画像を撮影した医用画像診断装置とは異なる医用画像診断装置で撮影する場合にも利用できる。例えば、IVR(Interventional Radiology)−CTで撮影したCT画像および当該CT画像の変換画像から、人体組織の位置および領域を抽出する。その後X線診断装置でX線撮影を行なう場合に、人体組織の位置および領域の情報に基づいて補正したX線画像を生成できる。具体的には、例えば、診断または治療の妨げとなる組織領域を特徴部位として抽出し、X線画像上の当該組織領域の画素値を補正することで視認性を向上させることができる。
第1の実施形態の変形例では、元画像は、第1の撮影条件で撮影された画像であり、変換画像は、第1の撮影条件とは異なる第2の撮影条件で撮影された場合を想定した推定画像である例を示す。
図4は、X線CT装置で被検体の肝臓を含む腹部の断面を非造影で撮影した非造影画像から、変換画像としてX線CT装置で造影剤を用いて同じ断面を撮影した造影画像を生成する例を示す図である。なお、変換画像として想定する造影画像は、実際に非造影画像を撮影した被検体に造影剤を注入して撮影した画像ではなく画像変換による画像であるため、ここでは推定造影画像と呼ぶ。特徴部位は、解剖学的特徴部位を想定する。
学習用データは、時相画像を撮影した通常の造影検査の画像から取得できる。造影剤が十分に流れる前の時相の画像は非造影画像と同等に扱えることから、造影剤が十分に流れていない時相で撮影した画像を入力データ、造影剤が組織に流れている期間に撮影した造影画像を正解データとして学習用データを用意すればよい。正解データとして用いる造影画像は、特定の時相で撮影した1つの造影画像であってもよいし、複数の時相で撮影した造影画像から加算平均または最大値処理などの算術処理により算出した画像でもよい。
さらに、抽出機能135により処理回路13が、推定造影画像42に対して解剖学的特徴部位を抽出する特徴抽出処理を行う。ここでは、推定造影画像42から門脈を含む血管が解剖学的特徴部位44として抽出されたとする。造影画像は非造影画像と比較して血管がより鮮明に描出されるため、非造影画像41からは抽出しにくい解剖学的特徴部位を推定造影画像42から抽出することができる。図4の例では、解剖学的特徴部位44は、白抜きの領域を囲む丸の領域で表示される。
第1の実施形態の変形例によれば、本変形例による処理により得られる推定造影画像を用いることで、造影剤を用いることなく、ユーザによりまたは自動で容易にROIを設定できる。
第2の実施形態に係る医用画像処理装置では、解剖学的特徴部位の抽出結果を画像の位置合わせに用いる点が第1の実施形態と異なる。
第2の実施形態に係る医用画像処理装置の構成は、図1に示す医用画像処理装置の構成と同様であるため、説明を省略する。
ステップS51では、取得機能131により処理回路13が、元画像を取得する。
ステップS52では、取得機能131により処理回路13が、元画像に対して位置合わせ処理を実行する対象となる、位置合わせ対象画像を取得する。
なお、変換画像の生成には、第1の実施形態と同様に学習済みモデルを用いてもよいし、その他の画像変換を用いてもよい。
ステップS55では、表示制御機能137により処理回路13が、抽出された解剖学的特徴部位に基づいて、元画像と位置合わせ対象画像との画像位置合わせを行なう。画像位置合わせの手法は、一般的な画像位置合わせの手法を用いればよいため、ここでの説明は省略する。
図6では、被検体の腹部を撮影したCT画像と超音波画像との画像位置合わせを行う場合を想定する。元画像としてCT画像61が、位置合わせ対象画像として超音波画像62が、それぞれ取得されたとする。また、特徴部位としては、解剖学的特徴部位を想定する。
続いて、抽出機能135により処理回路13が、CT画像61、超音波画像62および推定MR画像63に対してそれぞれ、解剖学的特徴部位を抽出する特徴抽出処理を行う。ここでは、CT画像61から解剖学的特徴部位64が、超音波画像62から血管に関する解剖学的特徴部位65が、推定MR画像63から血管に関する解剖学的特徴部位66が、それぞれ抽出されるとする。
第3の実施形態では、抽出された解剖学的特徴部位に基づいて、次の検査において取得すべき参照画像および元画像上に参照画像を取得可能な位置を含む撮影条件を示すガイド画像を表示する点が上述の実施形態とは異なる。例えば、CT画像から腫瘍のような病変が確認できた場合、病変に係る特徴部位から、超音波検査により取得すべき断面の超音波画像を参照画像およびガイド画像として表示できる。
第3の実施形態に係る医用画像処理装置の構成は、図1に示す医用画像処理装置の構成と同様であるため、説明を省略する。
ステップS71では、表示制御機能137により処理回路13が、抽出した解剖学的特徴部位に基づいて、ガイド画像を表示し、変換画像を参照画像として表示する。
図8は、元画像であるCT画像81と、取得すべき断面の参考となる超音波画像である参照画像82とが並列に表示される。CT画像81には、参照画像82をどのような撮影条件で撮影すべきかを示すガイド画像83が重畳表示される。なお、ガイド画像83は、図8の例では位置および撮影角度を表示する例を示すが、フォーカス位置など他の撮影条件もあわせて表示してもよい。また、超音波検査を促すメッセージ84を表示する。メッセージ84とともに、ボタンをクリックまたはタッチすれば検査オーダ画面に進み、すぐに検査オーダを発行できるようなボタン85を設計してもよい。
なお、参照画像82およびガイド画像83は、どちらか一方が表示される形式でもよい。
第4の実施形態に係る医用画像診断装置について図9のブロック図を参照して説明する。第4の実施形態では、医用画像診断装置としてX線CT装置を例に説明するが、どのような種類の医用画像診断装置であってもよい。例えば、X線CT装置の他には、MRI装置、PET装置、SPECT装置またはこれらを組み合せた装置などでもよい。
例えば、架台装置20および寝台装置300はCT検査室に設置され、コンソール装置40はCT検査室に隣接する制御室に設置される。なお、コンソール装置40は、必ずしも制御室に設置されなくてもよい。例えば、コンソール装置40は、架台装置20および寝台装置300とともに同一の部屋に設置されてもよい。いずれにしても架台装置20と、寝台装置300と、コンソール装置40とは互いに通信可能に有線または無線で接続されている。
基台310は、支持フレーム340を鉛直方向に移動可能に支持する筐体である。
寝台駆動装置320は、被検体Pが載置された天板330を天板330の長軸方向に移動するモータまたはアクチュエータである。寝台駆動装置320は、コンソール装置40による制御、または制御装置25による制御に従い、天板330を移動する。例えば、寝台駆動装置320は、天板330に載置された被検体Pの体軸が回転フレーム23の開口の中心軸に一致するよう、天板330を被検体Pに対して直交方向に移動する。また、寝台駆動装置320は、架台装置20を用いて実行されるX線CT撮影に応じて、天板330を被検体Pの体軸方向に沿って移動してもよい。寝台駆動装置320は、制御装置25からの駆動信号のデューティ比等に応じた回転速度で駆動することにより動力を発生する。寝台駆動装置320は、例えば、ダイレクトドライブモータやサーボモータ等のモータにより実現される。
なお、コンソール装置40は、単一のコンソールにて複数の機能を実行するものとして説明したが、複数の機能を別々のコンソールが実行することにしても構わない。
以上に示した第4の実施形態によれば、医用画像診断装置が第1の実施形態に係る医用画像処理装置と同様の構成を含むことで、当該医用画像診断装置が撮影した医用画像に基づいて変換画像を生成し、変換画像から特徴部位を抽出できる。これにより、医用画像からより多くの情報を取得できる。
11 メモリ
13 処理回路
15 入力インタフェース
17 通信インタフェース
19 開口
20 架台装置
21 X線管
22 X線検出器
23 回転フレーム
24 X線高電圧装置
25 制御装置
26 ウェッジ
27 コリメータ
28 データ収集装置
31,61,81 CT画像
32,63 推定MR画像
33,34,64,65,66 解剖学的特徴部位
35 表示画像
40 コンソール装置
41 非造影画像
42 推定造影画像
45,67 表示画像
62 超音波画像
82 参照画像
83 ガイド画像
84 メッセージ
85 ボタン
131 取得機能
133 画像処理機能
135 抽出機能
137 表示制御機能
139 システム制御機能
300 寝台装置
310 基台
320 寝台駆動装置
330 天板
340 支持フレーム
401 ディスプレイ
Claims (11)
- 元画像を取得する取得部と、
前記元画像に対して画像変換を実行し、前記元画像からは認識困難であるが被検体には存在している特徴を含む変換画像を生成する画像処理部と、
前記元画像および前記変換画像から特徴部位を抽出する抽出部と、
を具備する医用画像処理装置。 - 前記特徴部位に関する情報を前記元画像および前記変換画像の少なくとも一方に表示する表示制御部をさらに具備する、請求項1に記載の医用画像処理装置。
- 前記表示制御部は、前記特徴部位に関する情報を前記元画像および前記変換画像の少なくとも一方に重畳表示する、請求項2に記載の医用画像処理装置。
- 前記抽出部は、前記特徴部位として解剖学的特徴部位および病変部位の少なくとも一方を抽出する、請求項3に記載の医用画像処理装置。
- 前記元画像は、第1の医用画像診断装置を用いて被検体を撮影して得られた画像であり、
前記変換画像は、前記第1の医用画像診断装置とは異なる第2の医用画像診断装置を用いて前記被検体を撮影した場合を想定した推定画像である、請求項1から請求項4のいずれか1項に記載の医用画像処理装置。 - 前記元画像は、第1の撮影条件で撮影された画像であり、
前記変換画像は、前記第1の撮影条件とは異なる第2の撮影条件で撮影された場合を想定した推定画像である、請求項1から請求項4のいずれか1項に記載の医用画像処理装置。 - 前記元画像は、非造影画像であり、
前記変換画像は、造影画像を想定した推定画像である、請求項6に記載の医用画像処理装置。 - 前記取得部は、前記元画像に対して画像位置合わせを行う対象となる対象画像をさらに取得し、
前記表示制御部は、前記変換画像から抽出された特徴部位を手がかりとして、前記元画像と前記対象画像との画像位置合わせを行なう、請求項2から請求項4のいずれか1項に記載の医用画像処理装置。 - 前記表示制御部は、前記変換画像を次の検査において取得すべき参照画像として表示し、前記元画像上に前記参照画像を取得可能な位置を含む撮影条件を示すガイド画像を表示する、請求項2から請求項4のいずれか1項に記載の医用画像処理装置。
- 元画像を撮影する撮影部と、
前記元画像に対して画像変換を実行し、前記元画像からは認識困難であるが被検体には存在している特徴を含む変換画像を生成する画像処理部と、
前記元画像および前記変換画像から特徴部位を抽出する抽出部と、
を具備する医用画像診断装置。 - コンピュータに、
元画像を取得する取得機能と、
前記元画像に対して画像変換を実行し、前記元画像からは認識困難であるが被検体には存在している特徴を含む変換画像を生成する画像処理機能と、
前記元画像および前記変換画像から特徴部位を抽出する抽出機能と、
を実現させるための医用画像処理プログラム。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2019221489A JP7483361B2 (ja) | 2019-12-06 | 2019-12-06 | 医用画像処理装置、医用画像診断装置および医用画像処理プログラム |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2019221489A JP7483361B2 (ja) | 2019-12-06 | 2019-12-06 | 医用画像処理装置、医用画像診断装置および医用画像処理プログラム |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2021090495A true JP2021090495A (ja) | 2021-06-17 |
JP7483361B2 JP7483361B2 (ja) | 2024-05-15 |
Family
ID=76311049
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2019221489A Active JP7483361B2 (ja) | 2019-12-06 | 2019-12-06 | 医用画像処理装置、医用画像診断装置および医用画像処理プログラム |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP7483361B2 (ja) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2023195098A1 (ja) * | 2022-04-06 | 2023-10-12 | 株式会社ソニー・インタラクティブエンタテインメント | 情報処理システム、情報処理方法及びプログラム |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2018505705A (ja) * | 2014-12-10 | 2018-03-01 | コーニンクレッカ フィリップス エヌ ヴェKoninklijke Philips N.V. | 機械学習を用いた医用イメージングの変換のためのシステムおよび方法 |
US20180350066A1 (en) * | 2017-05-30 | 2018-12-06 | Abbyy Development Llc | Computed tomography image processing and data analysis |
US20190340800A1 (en) * | 2018-05-02 | 2019-11-07 | Covidien Lp | System and method for constructing virtual radial ultrasound images from ct data and performing a surgical navigation procedure using virtual ultrasound images |
JP2019534763A (ja) * | 2016-09-06 | 2019-12-05 | エレクタ、インク.Elekta, Inc. | 合成医療画像を生成するためのニューラルネットワーク |
JP2020054579A (ja) * | 2018-10-01 | 2020-04-09 | 富士フイルム株式会社 | 疾患領域抽出装置、方法及びプログラム |
-
2019
- 2019-12-06 JP JP2019221489A patent/JP7483361B2/ja active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2018505705A (ja) * | 2014-12-10 | 2018-03-01 | コーニンクレッカ フィリップス エヌ ヴェKoninklijke Philips N.V. | 機械学習を用いた医用イメージングの変換のためのシステムおよび方法 |
JP2019534763A (ja) * | 2016-09-06 | 2019-12-05 | エレクタ、インク.Elekta, Inc. | 合成医療画像を生成するためのニューラルネットワーク |
US20180350066A1 (en) * | 2017-05-30 | 2018-12-06 | Abbyy Development Llc | Computed tomography image processing and data analysis |
US20190340800A1 (en) * | 2018-05-02 | 2019-11-07 | Covidien Lp | System and method for constructing virtual radial ultrasound images from ct data and performing a surgical navigation procedure using virtual ultrasound images |
JP2020054579A (ja) * | 2018-10-01 | 2020-04-09 | 富士フイルム株式会社 | 疾患領域抽出装置、方法及びプログラム |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2023195098A1 (ja) * | 2022-04-06 | 2023-10-12 | 株式会社ソニー・インタラクティブエンタテインメント | 情報処理システム、情報処理方法及びプログラム |
Also Published As
Publication number | Publication date |
---|---|
JP7483361B2 (ja) | 2024-05-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US9237874B2 (en) | Method and system for non-invasive imaging of a target region | |
JP7341803B2 (ja) | X線ct装置、医用画像処理装置及びx線ctシステム | |
CN111000574B (zh) | 医用图像处理装置、方法、及记录介质 | |
JP6466057B2 (ja) | 医用画像診断装置 | |
JP2021137189A (ja) | 医用情報処理装置、医用画像診断装置及び医用情報処理方法 | |
JP7483361B2 (ja) | 医用画像処理装置、医用画像診断装置および医用画像処理プログラム | |
JP7313818B2 (ja) | 医用画像処理装置、医用画像診断装置、及び医用画像処理方法 | |
JP7224829B2 (ja) | 医用画像処理装置および方法 | |
JP2019208892A (ja) | X線撮影装置及び医用画像処理装置 | |
JP7055709B2 (ja) | X線ct装置及び撮影計画装置 | |
CN110881993B (zh) | X射线ct装置、医用图像处理装置以及x射线ct系统 | |
US10806418B2 (en) | X-ray CT apparatus and imaging condition calculating method | |
JP7418950B2 (ja) | X線ct装置、撮影計画装置およびx線ct撮影方法 | |
JP2021137259A (ja) | 医用診断システム、医用診断装置、および医用情報処理装置 | |
JP7437887B2 (ja) | 医用情報処理装置及びx線ct装置 | |
JP6556460B2 (ja) | 医用画像処理装置および医用画像処理方法 | |
JP7140566B2 (ja) | X線ct装置及び撮影計画装置 | |
JP7236239B2 (ja) | X線ctシステム及びctスキャン実行プログラム | |
JP2021037148A (ja) | 医用画像診断装置、医用画像診断プログラムおよび撮影計画装置 | |
JP2019103752A (ja) | 医用画像処理装置、x線ct装置及び医用画像処理プログラム | |
JP7473313B2 (ja) | 医用画像処理装置、医用画像処理方法、及び医用画像処理プログラム | |
EP4092617A2 (en) | Medical information processing method and medical image processing apparatus | |
JP6923414B2 (ja) | X線コンピュータ断層撮影装置、医用画像処理装置、及びプログラム | |
JP7098292B2 (ja) | X線ct装置 | |
JP2023170584A (ja) | 医用画像処理装置及び医用画像処理方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20220830 |
|
RD01 | Notification of change of attorney |
Free format text: JAPANESE INTERMEDIATE CODE: A7421 Effective date: 20230106 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20230419 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20230606 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20230804 |
|
A02 | Decision of refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A02 Effective date: 20231107 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20240205 |
|
A911 | Transfer to examiner for re-examination before appeal (zenchi) |
Free format text: JAPANESE INTERMEDIATE CODE: A911 Effective date: 20240213 |
|
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: 20240402 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20240501 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 7483361 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |