JP2021120815A - 推定処理プログラム、推定処理方法、及び情報処理装置 - Google Patents
推定処理プログラム、推定処理方法、及び情報処理装置 Download PDFInfo
- Publication number
- JP2021120815A JP2021120815A JP2020014106A JP2020014106A JP2021120815A JP 2021120815 A JP2021120815 A JP 2021120815A JP 2020014106 A JP2020014106 A JP 2020014106A JP 2020014106 A JP2020014106 A JP 2020014106A JP 2021120815 A JP2021120815 A JP 2021120815A
- Authority
- JP
- Japan
- Prior art keywords
- region
- estimation
- image
- annular surface
- output
- 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
- 238000003672 processing method Methods 0.000 title claims description 9
- 230000004044 response Effects 0.000 claims abstract description 28
- 238000004364 calculation method Methods 0.000 claims abstract description 13
- 238000012549 training Methods 0.000 claims description 87
- 238000012545 processing Methods 0.000 claims description 61
- 230000010365 information processing Effects 0.000 claims description 33
- 238000010801 machine learning Methods 0.000 claims description 33
- 238000000034 method Methods 0.000 abstract description 50
- 230000015654 memory Effects 0.000 description 33
- 230000011218 segmentation Effects 0.000 description 28
- 239000002131 composite material Substances 0.000 description 20
- 210000000038 chest Anatomy 0.000 description 13
- 230000006870 function Effects 0.000 description 13
- 230000015572 biosynthetic process Effects 0.000 description 11
- 238000003786 synthesis reaction Methods 0.000 description 11
- 238000010586 diagram Methods 0.000 description 8
- 230000007547 defect Effects 0.000 description 7
- 230000002093 peripheral effect Effects 0.000 description 7
- 230000000052 comparative effect Effects 0.000 description 6
- 238000004891 communication Methods 0.000 description 5
- 230000001605 fetal effect Effects 0.000 description 5
- 238000013528 artificial neural network Methods 0.000 description 4
- 230000002950 deficient Effects 0.000 description 3
- 238000003709 image segmentation Methods 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 210000000115 thoracic cavity Anatomy 0.000 description 3
- 208000027205 Congenital disease Diseases 0.000 description 2
- 238000012217 deletion Methods 0.000 description 2
- 230000037430 deletion Effects 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 238000003745 diagnosis Methods 0.000 description 2
- 235000019800 disodium phosphate Nutrition 0.000 description 2
- 239000000284 extract Substances 0.000 description 2
- 239000004065 semiconductor Substances 0.000 description 2
- 239000007787 solid Substances 0.000 description 2
- 229920002803 thermoplastic polyurethane Polymers 0.000 description 2
- 206010003445 Ascites Diseases 0.000 description 1
- 206010003694 Atrophy Diseases 0.000 description 1
- 229910000831 Steel Inorganic materials 0.000 description 1
- 230000037444 atrophy Effects 0.000 description 1
- 239000004927 clay Substances 0.000 description 1
- 238000007688 edging Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 239000007788 liquid Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 210000000056 organ Anatomy 0.000 description 1
- 230000002085 persistent effect Effects 0.000 description 1
- 230000011664 signaling Effects 0.000 description 1
- 239000010959 steel Substances 0.000 description 1
- 230000008961 swelling Effects 0.000 description 1
- 238000002604 ultrasonography Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/11—Region-based segmentation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N5/00—Computing arrangements using knowledge-based models
- G06N5/04—Inference or reasoning models
-
- 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
- G06T2207/10132—Ultrasound image
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20081—Training; Learning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20084—Artificial neural networks [ANN]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—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
- G06T2207/30044—Fetus; Embryo
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Software Systems (AREA)
- Medical Informatics (AREA)
- Computing Systems (AREA)
- Artificial Intelligence (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- Quality & Reliability (AREA)
- Radiology & Medical Imaging (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- General Health & Medical Sciences (AREA)
- Health & Medical Sciences (AREA)
- Computational Linguistics (AREA)
- Image Analysis (AREA)
Abstract
Description
〔1−1〕情報処理装置による推定処理の説明
図1は、一実施形態に係る情報処理装置1による対象物の環状面の推定処理の一例を説明するための図である。なお、図1の説明では、「対象物」は、例えば、筒形状の物体であるものとする。また、入力画像2は、筒形状の対象物の断面を環状面が写るように撮像した画像である。
以下の説明では、情報処理装置1による推定処理が、超音波画像診断における胸郭の検出に利用される場合を例に挙げる。図4に例示するように、エコー画像における胎児胸部の皮膚から肋骨までの領域は、「胸郭」と呼ばれる部位である。胎児に何らかの先天性疾患がある場合、胸郭部分に、腹水に起因する膨らみや臓器の萎縮による陥没が生じる。
次に、図14及び図15を参照して、上述の如く構成されたサーバ10の動作例を説明する。
図14は、推定部12〜14の学習フェーズの動作例を説明するためのフローチャートである。
図15は、推定部12〜14の推定フェーズの動作例を説明するためのフローチャートである。
図16は、情報処理装置1及びサーバ10の機能を実現するコンピュータ20のハードウェア(HW)構成例を示すブロック図である。情報処理装置1及びサーバ10の機能を実現するHWリソースとして、複数のコンピュータが用いられる場合は、各コンピュータが図16に例示するHW構成を備えてよい。
上述した一実施形態に係る技術は、以下のように変形、変更して実施することができる。
以上の実施形態に関し、さらに以下の付記を開示する。
対象物を撮影した入力画像を、前記対象物の環状面の領域を推定する第1推定モデル、前記環状面の外周内の領域を推定する第2推定モデル、前記環状面の内周内の領域を推定する第3推定モデル、のそれぞれに入力し、
前記入力画像の入力に応じて取得される第1領域、第2領域及び第3領域のうち、前記第1推定モデルの推定結果として出力された前記第1領域を和集合の算出に用いる第1要素とし、前記第2推定モデルの推定結果として出力された前記第2領域を和集合の算出に用いる第2要素とし、前記第3推定モデルの推定結果として出力された前記第3領域を差集合の算出に用いる第3要素として、前記第1要素、前記第2要素及び前記第3要素を合成した領域を、前記入力画像における前記対象物の前記環状面であると推定した領域として出力する、
処理をコンピュータに実行させる、推定処理プログラム。
前記出力は、前記第1領域と前記第2領域との和集合の領域から前記第3領域を除外した領域を、前記入力画像における前記対象物の前記環状面であると推定した前記領域として出力する、
付記1に記載の推定処理プログラム。
前記出力は、前記第2領域から前記第3領域を除外した領域と、前記第1領域との和集合の領域を、前記入力画像における前記対象物の前記環状面であると推定した前記領域として出力する、
付記1に記載の推定処理プログラム。
訓練用対象物を撮影した訓練画像と、前記訓練画像中の前記訓練用対象物に対応する領域を示すアノテーションデータと、をそれぞれに含む訓練データのデータセットを取得し、
前記訓練画像の入力に応じて取得される、前記第1推定モデルが出力した推定結果と、第1アノテーションデータとしての前記アノテーションデータとに基づいて、前記第1推定モデルの機械学習を実行し、
前記訓練画像の入力に応じて取得される、前記第2推定モデルが出力した推定結果と、前記アノテーションデータを前記訓練画像中の前記訓練用対象物の環状面の外周内の領域を示すように加工して得られる第2アノテーションデータとに基づいて、前記第2推定モデルの機械学習を実行し、
前記訓練画像の入力に応じて取得される、前記第3推定モデルが出力した推定結果と、前記アノテーションデータを前記訓練画像中の前記訓練用対象物の前記環状面の内周内の領域を示すように加工して得られる第3アノテーションデータとに基づいて、前記第3推定モデルの機械学習を実行する、
処理を前記コンピュータに実行させる、付記1〜付記3のいずれか1項に記載の推定処理プログラム。
前記入力画像における前記対象物の前記環状面であると推定した前記領域に対してノイズ除去処理を行なった結果を出力する、
処理を前記コンピュータに実行させる、付記1〜付記4のいずれか1項に記載の推定処理プログラム。
前記入力画像は、超音波画像である、
付記1〜付記5のいずれか1項に記載の推定処理プログラム。
対象物を撮影した入力画像を、前記対象物の環状面の領域を推定する第1推定モデル、前記環状面の外周内の領域を推定する第2推定モデル、前記環状面の内周内の領域を推定する第3推定モデル、のそれぞれに入力し、
前記入力画像の入力に応じて取得される第1領域、第2領域及び第3領域のうち、前記第1推定モデルの推定結果として出力された前記第1領域を和集合の算出に用いる第1要素とし、前記第2推定モデルの推定結果として出力された前記第2領域を和集合の算出に用いる第2要素とし、前記第3推定モデルの推定結果として出力された前記第3領域を差集合の算出に用いる第3要素として、前記第1要素、前記第2要素及び前記第3要素を合成した領域を、前記入力画像における前記対象物の前記環状面であると推定した領域として出力する、
処理をコンピュータが実行する、推定処理方法。
前記出力は、前記第1領域と前記第2領域との和集合の領域から前記第3領域を除外した領域を、前記入力画像における前記対象物の前記環状面であると推定した前記領域として出力する、
付記7に記載の推定処理方法。
前記出力は、前記第2領域から前記第3領域を除外した領域と、前記第1領域との和集合の領域を、前記入力画像における前記対象物の前記環状面であると推定した前記領域として出力する、
付記7に記載の推定処理方法。
訓練用対象物を撮影した訓練画像と、前記訓練画像中の前記訓練用対象物に対応する領域を示すアノテーションデータと、をそれぞれに含む訓練データのデータセットを取得し、
前記訓練画像の入力に応じて取得される、前記第1推定モデルが出力した推定結果と、第1アノテーションデータとしての前記アノテーションデータとに基づいて、前記第1推定モデルの機械学習を実行し、
前記訓練画像の入力に応じて取得される、前記第2推定モデルが出力した推定結果と、前記アノテーションデータを前記訓練画像中の前記訓練用対象物の環状面の外周内の領域を示すように加工して得られる第2アノテーションデータとに基づいて、前記第2推定モデルの機械学習を実行し、
前記訓練画像の入力に応じて取得される、前記第3推定モデルが出力した推定結果と、前記アノテーションデータを前記訓練画像中の前記訓練用対象物の前記環状面の内周内の領域を示すように加工して得られる第3アノテーションデータとに基づいて、前記第3推定モデルの機械学習を実行する、
処理を前記コンピュータが実行する、付記7〜付記9のいずれか1項に記載の推定処理方法。
前記入力画像における前記対象物の前記環状面であると推定した前記領域に対してノイズ除去処理を行なった結果を出力する、
処理を前記コンピュータが実行する、付記7〜付記10のいずれか1項に記載の推定処理方法。
前記入力画像は、超音波画像である、
付記7〜付記11のいずれか1項に記載の推定処理方法。
対象物を撮影した入力画像を、前記対象物の環状面の領域を推定する第1推定モデル、前記環状面の外周内の領域を推定する第2推定モデル、前記環状面の内周内の領域を推定する第3推定モデル、のそれぞれに入力する画像入力部と、
前記入力画像の入力に応じて取得される第1領域、第2領域及び第3領域のうち、前記第1推定モデルの推定結果として出力された前記第1領域を和集合の算出に用いる第1要素とし、前記第2推定モデルの推定結果として出力された前記第2領域を和集合の算出に用いる第2要素とし、前記第3推定モデルの推定結果として出力された前記第3領域を差集合の算出に用いる第3要素として、前記第1要素、前記第2要素及び前記第3要素を合成した領域を、前記入力画像における前記対象物の前記環状面であると推定した領域として出力する領域出力部と、
を備える、情報処理装置。
前記領域出力部は、前記第1領域と前記第2領域との和集合の領域から前記第3領域を除外した領域を、前記入力画像における前記対象物の前記環状面であると推定した前記領域として出力する、
付記13に記載の情報処理装置。
前記領域出力部は、前記第2領域から前記第3領域を除外した領域と、前記第1領域との和集合の領域を、前記入力画像における前記対象物の前記環状面であると推定した前記領域として出力する、
付記13に記載の情報処理装置。
訓練用対象物を撮影した訓練画像と、前記訓練画像中の前記訓練用対象物に対応する領域を示すアノテーションデータと、をそれぞれに含む訓練データのデータセットを取得する取得部と、
前記第1推定モデル、前記第2推定モデル及び前記第3推定モデルの機械学習を実行する学習実行部と、を備え、
前記学習実行部は、
前記訓練画像の入力に応じて取得される、前記第1推定モデルが出力した推定結果と、第1アノテーションデータとしての前記アノテーションデータとに基づいて、前記第1推定モデルの機械学習を実行し、
前記訓練画像の入力に応じて取得される、前記第2推定モデルが出力した推定結果と、前記アノテーションデータを前記訓練画像中の前記訓練用対象物の環状面の外周内の領域を示すように加工して得られる第2アノテーションデータとに基づいて、前記第2推定モデルの機械学習を実行し、
前記訓練画像の入力に応じて取得される、前記第3推定モデルが出力した推定結果と、前記アノテーションデータを前記訓練画像中の前記訓練用対象物の前記環状面の内周内の領域を示すように加工して得られる第3アノテーションデータとに基づいて、前記第3推定モデルの機械学習を実行する、
付記13〜付記15のいずれか1項に記載の情報処理装置。
前記入力画像における前記対象物の前記環状面であると推定した前記領域に対してノイズ除去処理を行なった結果を出力するノイズ除去部、
を備える、付記13〜付記16のいずれか1項に記載の情報処理装置。
前記入力画像は、超音波画像である、
付記13〜付記17のいずれか1項に記載の情報処理装置。
2 入力画像
3a 第1推定モデル
3b 第2推定モデル
3c 第3推定モデル
4a 第1領域
4b 第2領域
4c 第3領域
5 領域
6 ノイズ除去処理
7、117 セグメンテーション画像
10 サーバ
11 メモリ部
11a モデル情報
11b 訓練データセット
11c 入力データ
11d 出力データ
110 訓練データ
111、115 画像
112、113、114 アノテーションマスク画像、マスク画像
116 合成画像
12 筒推定部、推定部
13 外周推定部、推定部
14 内周推定部、推定部
15 取得部
16 学習部
17 実行部
18 ノイズ除去部
19 出力部
20 コンピュータ
Claims (8)
- 対象物を撮影した入力画像を、前記対象物の環状面の領域を推定する第1推定モデル、前記環状面の外周内の領域を推定する第2推定モデル、前記環状面の内周内の領域を推定する第3推定モデル、のそれぞれに入力し、
前記入力画像の入力に応じて取得される第1領域、第2領域及び第3領域のうち、前記第1推定モデルの推定結果として出力された前記第1領域を和集合の算出に用いる第1要素とし、前記第2推定モデルの推定結果として出力された前記第2領域を和集合の算出に用いる第2要素とし、前記第3推定モデルの推定結果として出力された前記第3領域を差集合の算出に用いる第3要素として、前記第1要素、前記第2要素及び前記第3要素を合成した領域を、前記入力画像における前記対象物の前記環状面であると推定した領域として出力する、
処理をコンピュータに実行させる、推定処理プログラム。 - 前記出力は、前記第1領域と前記第2領域との和集合の領域から前記第3領域を除外した領域を、前記入力画像における前記対象物の前記環状面であると推定した前記領域として出力する、
請求項1に記載の推定処理プログラム。 - 前記出力は、前記第2領域から前記第3領域を除外した領域と、前記第1領域との和集合の領域を、前記入力画像における前記対象物の前記環状面であると推定した前記領域として出力する、
請求項1に記載の推定処理プログラム。 - 訓練用対象物を撮影した訓練画像と、前記訓練画像中の前記訓練用対象物に対応する領域を示すアノテーションデータと、をそれぞれに含む訓練データのデータセットを取得し、
前記訓練画像の入力に応じて取得される、前記第1推定モデルが出力した推定結果と、第1アノテーションデータとしての前記アノテーションデータとに基づいて、前記第1推定モデルの機械学習を実行し、
前記訓練画像の入力に応じて取得される、前記第2推定モデルが出力した推定結果と、前記アノテーションデータを前記訓練画像中の前記訓練用対象物の環状面の外周内の領域を示すように加工して得られる第2アノテーションデータとに基づいて、前記第2推定モデルの機械学習を実行し、
前記訓練画像の入力に応じて取得される、前記第3推定モデルが出力した推定結果と、前記アノテーションデータを前記訓練画像中の前記訓練用対象物の前記環状面の内周内の領域を示すように加工して得られる第3アノテーションデータとに基づいて、前記第3推定モデルの機械学習を実行する、
処理を前記コンピュータに実行させる、請求項1〜請求項3のいずれか1項に記載の推定処理プログラム。 - 前記入力画像における前記対象物の前記環状面であると推定した前記領域に対してノイズ除去処理を行なった結果を出力する、
処理を前記コンピュータに実行させる、請求項1〜請求項4のいずれか1項に記載の推定処理プログラム。 - 前記入力画像は、超音波画像である、
請求項1〜請求項5のいずれか1項に記載の推定処理プログラム。 - 対象物を撮影した入力画像を、前記対象物の環状面の領域を推定する第1推定モデル、前記環状面の外周内の領域を推定する第2推定モデル、前記環状面の内周内の領域を推定する第3推定モデル、のそれぞれに入力し、
前記入力画像の入力に応じて取得される第1領域、第2領域及び第3領域のうち、前記第1推定モデルの推定結果として出力された前記第1領域を和集合の算出に用いる第1要素とし、前記第2推定モデルの推定結果として出力された前記第2領域を和集合の算出に用いる第2要素とし、前記第3推定モデルの推定結果として出力された前記第3領域を差集合の算出に用いる第3要素として、前記第1要素、前記第2要素及び前記第3要素を合成した領域を、前記入力画像における前記対象物の前記環状面であると推定した領域として出力する、
処理をコンピュータが実行する、推定処理方法。 - 対象物を撮影した入力画像を、前記対象物の環状面の領域を推定する第1推定モデル、前記環状面の外周内の領域を推定する第2推定モデル、前記環状面の内周内の領域を推定する第3推定モデル、のそれぞれに入力する画像入力部と、
前記入力画像の入力に応じて取得される第1領域、第2領域及び第3領域のうち、前記第1推定モデルの推定結果として出力された前記第1領域を和集合の算出に用いる第1要素とし、前記第2推定モデルの推定結果として出力された前記第2領域を和集合の算出に用いる第2要素とし、前記第3推定モデルの推定結果として出力された前記第3領域を差集合の算出に用いる第3要素として、前記第1要素、前記第2要素及び前記第3要素を合成した領域を、前記入力画像における前記対象物の前記環状面であると推定した領域として出力する領域出力部と、
を備える、情報処理装置。
Priority Applications (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2020014106A JP7316611B2 (ja) | 2020-01-30 | 2020-01-30 | 推定処理プログラム、推定処理方法、及び情報処理装置 |
US17/144,180 US11869193B2 (en) | 2020-01-30 | 2021-01-08 | Computer-readable recoding medium having stored therein estimation processing program, estimation processing method and information processing apparatus |
EP21150699.3A EP3859668A1 (en) | 2020-01-30 | 2021-01-08 | Estimation processing program, estimation processing method and information processing apparatus |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2020014106A JP7316611B2 (ja) | 2020-01-30 | 2020-01-30 | 推定処理プログラム、推定処理方法、及び情報処理装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2021120815A true JP2021120815A (ja) | 2021-08-19 |
JP7316611B2 JP7316611B2 (ja) | 2023-07-28 |
Family
ID=74125083
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2020014106A Active JP7316611B2 (ja) | 2020-01-30 | 2020-01-30 | 推定処理プログラム、推定処理方法、及び情報処理装置 |
Country Status (3)
Country | Link |
---|---|
US (1) | US11869193B2 (ja) |
EP (1) | EP3859668A1 (ja) |
JP (1) | JP7316611B2 (ja) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2009147814A1 (ja) * | 2008-06-02 | 2009-12-10 | パナソニック株式会社 | 法線情報を生成する画像処理装置、方法、コンピュータプログラム、および、視点変換画像生成装置 |
JP2013061697A (ja) * | 2011-09-12 | 2013-04-04 | Dainippon Printing Co Ltd | 個体識別装置、個体識別方法、及びプログラム |
JP2016007270A (ja) * | 2014-06-23 | 2016-01-18 | 東芝メディカルシステムズ株式会社 | 医用画像処理装置 |
WO2018118373A1 (en) * | 2016-12-21 | 2018-06-28 | Elekta, Inc. | Online learning enhanced atlas-based auto-segmentation |
JP2021511577A (ja) * | 2018-01-10 | 2021-05-06 | アンスティテュ・ドゥ・ルシェルシュ・シュール・レ・カンセール・ドゥ・ラパレイユ・ディジェスティフ−イ・エール・セ・ア・デ | 3d医用画像のジオメトリに従った、構造化された畳み込みを通したいくつかのニューラルネットワークによる3d医用画像の自動セグメンテーションプロセス |
Family Cites Families (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20070014452A1 (en) * | 2003-12-01 | 2007-01-18 | Mitta Suresh | Method and system for image processing and assessment of a state of a heart |
US20060280348A1 (en) * | 2005-06-01 | 2006-12-14 | Smith Matthew W | Method of screening cellular tissue |
EP2339534A1 (en) * | 2009-11-18 | 2011-06-29 | Panasonic Corporation | Specular reflection compensation |
US9122950B2 (en) * | 2013-03-01 | 2015-09-01 | Impac Medical Systems, Inc. | Method and apparatus for learning-enhanced atlas-based auto-segmentation |
JP7024954B2 (ja) * | 2017-04-12 | 2022-02-24 | キヤノンメディカルシステムズ株式会社 | 医用画像処理装置及びx線ct装置 |
US10918326B2 (en) * | 2018-05-31 | 2021-02-16 | The Regents Of The University Of Michigan | Automated assessment of bowel damage in intestinal diseases |
-
2020
- 2020-01-30 JP JP2020014106A patent/JP7316611B2/ja active Active
-
2021
- 2021-01-08 US US17/144,180 patent/US11869193B2/en active Active
- 2021-01-08 EP EP21150699.3A patent/EP3859668A1/en active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2009147814A1 (ja) * | 2008-06-02 | 2009-12-10 | パナソニック株式会社 | 法線情報を生成する画像処理装置、方法、コンピュータプログラム、および、視点変換画像生成装置 |
JP2013061697A (ja) * | 2011-09-12 | 2013-04-04 | Dainippon Printing Co Ltd | 個体識別装置、個体識別方法、及びプログラム |
JP2016007270A (ja) * | 2014-06-23 | 2016-01-18 | 東芝メディカルシステムズ株式会社 | 医用画像処理装置 |
WO2018118373A1 (en) * | 2016-12-21 | 2018-06-28 | Elekta, Inc. | Online learning enhanced atlas-based auto-segmentation |
JP2020503923A (ja) * | 2016-12-21 | 2020-02-06 | エレクタ、インク.Elekta, Inc. | オンライン学習により強化されたアトラスベース自動セグメンテーション |
JP2021511577A (ja) * | 2018-01-10 | 2021-05-06 | アンスティテュ・ドゥ・ルシェルシュ・シュール・レ・カンセール・ドゥ・ラパレイユ・ディジェスティフ−イ・エール・セ・ア・デ | 3d医用画像のジオメトリに従った、構造化された畳み込みを通したいくつかのニューラルネットワークによる3d医用画像の自動セグメンテーションプロセス |
Non-Patent Citations (1)
Title |
---|
池本 健介 KENSUKE IKEMOTO: "胸壁および血管の正常構造を考慮したX線CTからの肺結節の認識 Recognition of lung nodules in CT imag", 電子情報通信学会技術研究報告 VOL.104 NO.580 IEICE TECHNICAL REPORT, vol. 第104巻, JPN6023025813, JP, ISSN: 0005091699 * |
Also Published As
Publication number | Publication date |
---|---|
JP7316611B2 (ja) | 2023-07-28 |
US11869193B2 (en) | 2024-01-09 |
US20210241461A1 (en) | 2021-08-05 |
EP3859668A1 (en) | 2021-08-04 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US20170358100A1 (en) | Image processing apparatus and image processing method | |
US11676361B2 (en) | Computer-readable recording medium having stored therein training program, training method, and information processing apparatus | |
CN110287956B (zh) | 血管中心线自动匹配方法及装置 | |
JP2021106044A (ja) | 画像処理装置、画像処理方法およびプログラム | |
WO2016032271A1 (ko) | 스마트 기기를 이용한 초음파 신호의 고속 병렬 처리 방법 | |
JP7212554B2 (ja) | 情報処理方法、情報処理装置、及びプログラム | |
Shi et al. | Tracing vocal fold vibrations using level set segmentation method | |
CN113658196A (zh) | 红外图像中船舶的检测方法、装置、电子设备和介质 | |
JP2021120815A (ja) | 推定処理プログラム、推定処理方法、及び情報処理装置 | |
JP7105369B2 (ja) | トラッキング装置、学習済モデル、内視鏡システム及びトラッキング方法 | |
KR101751750B1 (ko) | X선 의료 영상에서의 디펙트 보정 방법 | |
WO2018030519A1 (ja) | 乳房領域検出システム、乳房領域検出方法、及びプログラム | |
CN110517239A (zh) | 一种医学影像检测方法及装置 | |
JP5430492B2 (ja) | 画像処理装置、画像処理方法、プログラムおよび記録媒体 | |
JP2010220904A (ja) | 画像処理装置および方法ならびにプログラム | |
JP2014006745A (ja) | 画像処理装置及びその制御方法 | |
US20240087118A1 (en) | Medical image processing apparatus and medical image processing method | |
WO2023152810A1 (ja) | 画像処理装置、画像処理方法およびプログラム | |
JP2020004179A (ja) | 画像処理プログラム、画像処理装置及び画像処理方法 | |
JP6563964B2 (ja) | 映像生成装置、映像生成方法、プログラム | |
JP2024516016A (ja) | 入力画像の処理方法、入力画像の処理装置及びプログラム | |
KR100828194B1 (ko) | 디지털 화상의 경계 흐림을 판단하는 장치와 방법 및 이를이용한 이미지 처리 시스템 | |
WO2018220706A1 (ja) | 画像処理装置および画像処理方法 | |
JP2000283725A (ja) | 中空糸測定装置および方法 | |
CN116485683A (zh) | 多孔径合成光学相干断层的成像方法、装置、设备及介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20200217 |
|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20220801 |
|
RD02 | Notification of acceptance of power of attorney |
Free format text: JAPANESE INTERMEDIATE CODE: A7422 Effective date: 20221102 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20230609 |
|
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: 20230627 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20230707 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 7316611 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |