JP2021178151A - 学習装置、推定装置、学習プログラム、及び推定プログラム - Google Patents
学習装置、推定装置、学習プログラム、及び推定プログラム Download PDFInfo
- Publication number
- JP2021178151A JP2021178151A JP2020086303A JP2020086303A JP2021178151A JP 2021178151 A JP2021178151 A JP 2021178151A JP 2020086303 A JP2020086303 A JP 2020086303A JP 2020086303 A JP2020086303 A JP 2020086303A JP 2021178151 A JP2021178151 A JP 2021178151A
- Authority
- JP
- Japan
- Prior art keywords
- joint
- joints
- image
- position information
- unit
- 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 claims abstract description 60
- 238000000605 extraction Methods 0.000 claims abstract description 24
- 239000000284 extract Substances 0.000 claims abstract description 15
- 210000000988 bone and bone Anatomy 0.000 claims abstract description 12
- 238000010801 machine learning Methods 0.000 claims abstract description 5
- 238000004364 calculation method Methods 0.000 claims description 25
- 238000007781 pre-processing Methods 0.000 claims description 18
- 230000006870 function Effects 0.000 claims description 13
- 238000000513 principal component analysis Methods 0.000 claims description 3
- 238000000034 method Methods 0.000 description 17
- 230000010365 information processing Effects 0.000 description 16
- 210000004932 little finger Anatomy 0.000 description 13
- 238000004891 communication Methods 0.000 description 10
- 210000003811 finger Anatomy 0.000 description 8
- 206010039073 rheumatoid arthritis Diseases 0.000 description 8
- 210000004247 hand Anatomy 0.000 description 6
- 238000010586 diagram Methods 0.000 description 5
- 238000012937 correction Methods 0.000 description 4
- 210000001145 finger joint Anatomy 0.000 description 3
- 238000012549 training Methods 0.000 description 3
- 238000005401 electroluminescence Methods 0.000 description 2
- 238000003384 imaging method Methods 0.000 description 2
- 238000002595 magnetic resonance imaging Methods 0.000 description 2
- 239000011159 matrix material Substances 0.000 description 2
- 230000002093 peripheral effect Effects 0.000 description 2
- 208000006820 Arthralgia Diseases 0.000 description 1
- 208000023275 Autoimmune disease Diseases 0.000 description 1
- 206010061818 Disease progression Diseases 0.000 description 1
- 238000002591 computed tomography Methods 0.000 description 1
- 201000010099 disease Diseases 0.000 description 1
- 230000005750 disease progression Effects 0.000 description 1
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 1
- 210000003414 extremity Anatomy 0.000 description 1
- 230000036039 immunity Effects 0.000 description 1
- 230000002757 inflammatory effect Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000004393 prognosis Methods 0.000 description 1
- 238000012706 support-vector machine Methods 0.000 description 1
- 210000003813 thumb Anatomy 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
Images
Landscapes
- Apparatus For Radiation Diagnosis (AREA)
- Magnetic Resonance Imaging Apparatus (AREA)
- Image Analysis (AREA)
Abstract
Description
図1は、本発明の一実施形態に係る情報処理装置の構成を示す図である。本発明の一実施形態に係る情報処理装置1(以下、情報処理装置1という)は、制御部2、記憶部3、通信部4、表示部5、及び操作部6を備える。
図2は、情報処理装置1の機能の一例を示す機能ブロック図である。情報処理装置1は、学習プログラムを実行することによって学習装置10として機能する。情報処理装置1は、推定プログラムを実行することによって推定装置20として機能する。なお、本実施形態では、1台の情報処理装置1が学習装置10及び推定装置20を機能部として含んでいるが、本実施形態とは異なり、学習装置10を機能部として含む情報処理装置と、推定装置20を機能部として含む情報処理装置とが別々の情報処理装置であってもよい。
学習装置10は、取得部11、前処理部12、演算部13、生成部14、及び抽出部15を含む。
a=[x1R1,y1R1,x1R2,y1R2,…,x1R14,y1R14]
推定装置20は、第1処理部21、第2処理部22、第3処理部23、第4処理部24を含む。
なお、本発明の構成は、上記実施形態のほか、発明の主旨を逸脱しない範囲で種々の変更を加えることが可能である。上記実施形態は、全ての点で例示であって、制限的なものではないと考えられるべきであり、本発明の技術的範囲は、上記実施形態の説明ではなく、特許請求の範囲によって示されるものであり、特許請求の範囲と均等の意味及び範囲内に属する全ての変更が含まれると理解されるべきである。
11 取得部
12 前処理部
13 演算部
14 生成部
15 抽出部
20 推定装置
21 第1処理部
22 第2処理部
23 第3処理部
24 第4処理部
Claims (9)
- 複数の関節それぞれの領域を含む画像における前記複数の関節それぞれの位置を特定する第1特定部と、
前記複数の関節間の相対位置をモデル位置情報として特定する第2特定部と、
を備え、
前記モデル位置情報は所定数のパラメータを有し、
前記所定数は、前記複数の関節の個数と前記複数の関節それぞれの位置を示す各座標の次元数との乗算値よりも小さいことを特徴とする学習装置。 - 生体内の骨組織が撮影された第1及び第2撮影画像を取得する取得部と、
前記第1撮影画像を複数の領域に分割し、分割した領域の画像特徴量を求める演算部と、
前記画像特徴量を機械学習することにより、任意の領域が関節領域である第1クラスを含む少なくとも一つのクラスのうちのどのクラスに属するかを識別するための識別器を生成する生成部と、
前記第2撮影画像から複数の関節間の相対位置をモデル位置情報として抽出する抽出部と、
を備え、
前記モデル位置情報は所定数のパラメータを有し、
前記所定数は、前記複数の関節の個数と前記複数の関節それぞれの位置を示す各座標の次元数との乗算値よりも小さいことを特徴とする学習装置。 - 前記第2撮影画像は複数枚あり、複数枚の第2撮影画像それぞれは異なる生体を被写体として撮影された画像であり、
前記抽出部は、複数枚の第2撮影画像の関節位置を主成分分析することによって前記モデル位置情報を抽出する、請求項2に記載の学習装置。 - 前記少なくとも一つのクラスは、指先領域である第2クラスを含む、請求項2又は請求項3に記載の学習装置。
- 前記取得部と前記演算部及び前記抽出部との間に設けられる前処理部を備え、
前記前処理部は、
前記第1撮影画像及び前記第2撮影画像を水平線によって複数のブロックに分割し、
前記複数のブロックそれぞれにおいて前記生体が写っている被写体領域と前記生体が写っていない背景領域との境界となる画素値を画素値ヒストグラムに基づき求め、
前記複数のブロック間の前記境界となる画素値のシフトが小さくなるように前記ブロック単位で画素値を補正する請求項1〜3のいずれか一項に記載の学習装置。 - コンピュータを、
複数の関節それぞれの領域を含む画像における前記複数の関節それぞれの位置を特定する第1特定部、及び
前記複数の関節間の相対位置をモデル位置情報として特定する第2特定部、
として機能させる学習プログラムであって、
前記モデル位置情報は所定数のパラメータを有し、
前記所定数は、前記複数の関節の個数と前記複数の関節それぞれの位置を示す各座標の次元数との乗算値よりも小さいことを特徴とする学習プログラム。 - コンピュータを、
生体内の骨組織が撮影された第1及び第2撮影画像を取得する取得部、
前記第1撮影画像を複数の領域に分割し、分割した領域の画像特徴量を求める演算部、
前記画像特徴量を機械学習することにより、任意の領域が関節領域である第1クラスを含む少なくとも一つのクラスのうちのどのクラスに属するかを識別するための識別器を生成する生成部、及び
前記第2撮影画像から複数の関節間の相対位置をモデル位置情報として抽出する抽出部、
として機能させる学習プログラムであって、
前記モデル位置情報は所定数のパラメータを有し、
前記所定数は、前記複数の関節の個数と前記複数の関節それぞれの位置を示す各座標の次元数との乗算値よりも小さいことを特徴とする学習プログラム。 - 学習装置によって生成された識別器及び前記学習装置によって抽出されたモデル位置情報を有する推定装置であって、
前記学習装置は、請求項2〜5のいずれか一項に記載の学習装置であり、
前記推定装置は、
生体内の骨組織が撮影された推定対象画像を複数の領域に分割し、前記複数の領域それぞれに対して画像特徴量を求める第1処理部と、
前記第1処理部によって求められた前記画像特徴量から、前記識別器を用いて、前記複数の領域それぞれに対して関節らしさを示す度合を求める第2処理部と、
前記関節らしさを示す度合に基づき前記推定対象画像における関節の候補を求める第3処理部と、
前記関節の候補に基づき前記モデル位置情報の前記パラメータを変更し、前記モデル位置情報における各関節に対応する前記識別器で求められた前記関節らしさを示す度合の合計を最大化するように前記パラメータの更新を収束させる第4処理部と、
を備えることを特徴とする推定装置。 - コンピュータを、
学習装置によって生成された識別器及び前記学習装置によって抽出されたモデル位置情報を有する推定装置として機能させる推定プログラムであって、
前記学習装置は、請求項2〜5のいずれか一項に記載の学習装置であり、
前記推定装置は、
生体内の骨組織が撮影された推定対象画像を複数の領域に分割し、前記複数の領域それぞれに対して画像特徴量を求める第1処理部と、
前記第1処理部によって求められた前記画像特徴量から、前記識別器を用いて、前記複数の領域それぞれに対して関節らしさを示す度合を求める第2処理部と、
前記関節らしさを示す度合に基づき前記推定対象画像における関節の候補を求める第3処理部と、
前記関節の候補に基づき前記モデル位置情報の前記パラメータを変更し、前記モデル位置情報における各関節に対応する前記識別器で求められた前記関節らしさを示す度合の合計を最大化するように前記パラメータの更新を収束させる第4処理部と、
を備えることを特徴とする推定プログラム。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2020086303A JP7465469B2 (ja) | 2020-05-15 | 2020-05-15 | 学習装置、推定装置、学習プログラム、及び推定プログラム |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2020086303A JP7465469B2 (ja) | 2020-05-15 | 2020-05-15 | 学習装置、推定装置、学習プログラム、及び推定プログラム |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2021178151A true JP2021178151A (ja) | 2021-11-18 |
JP7465469B2 JP7465469B2 (ja) | 2024-04-11 |
Family
ID=78509749
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2020086303A Active JP7465469B2 (ja) | 2020-05-15 | 2020-05-15 | 学習装置、推定装置、学習プログラム、及び推定プログラム |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP7465469B2 (ja) |
Family Cites Families (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8135209B2 (en) | 2005-07-19 | 2012-03-13 | Nec Corporation | Articulated object position and posture estimation device, method and program |
WO2008087556A2 (en) | 2007-01-16 | 2008-07-24 | Optasia Medical, Limited | Image processing systems and methods |
JP5555207B2 (ja) | 2011-07-14 | 2014-07-23 | 日本電信電話株式会社 | 3次元姿勢推定装置、3次元姿勢推定方法、及びプログラム |
JP6723061B2 (ja) | 2016-04-15 | 2020-07-15 | キヤノン株式会社 | 情報処理装置、情報処理装置の制御方法およびプログラム |
WO2017217050A1 (ja) | 2016-06-16 | 2017-12-21 | ソニー株式会社 | 情報処理装置、情報処理方法及び記憶媒体 |
JP2018005727A (ja) | 2016-07-06 | 2018-01-11 | キヤノン株式会社 | 情報処理装置、情報処理方法及びプログラム |
JP6858047B2 (ja) | 2017-03-27 | 2021-04-14 | 国立大学法人 東京大学 | 診断画像処理装置、評価支援方法及びプログラム |
-
2020
- 2020-05-15 JP JP2020086303A patent/JP7465469B2/ja active Active
Also Published As
Publication number | Publication date |
---|---|
JP7465469B2 (ja) | 2024-04-11 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP6947759B2 (ja) | 解剖学的対象物を自動的に検出、位置特定、及びセマンティックセグメンテーションするシステム及び方法 | |
Kaur et al. | A generalized method for the segmentation of exudates from pathological retinal fundus images | |
CN107909622B (zh) | 模型生成方法、医学成像的扫描规划方法及医学成像系统 | |
WO2020062840A1 (zh) | 一种检测骨龄的方法及装置 | |
KR102030533B1 (ko) | 근감소증 분석지원을 위한 인공 신경망 기반의 인체 형태 분석법을 채용하는 영상 처리 장치 및 이를 이용한 영상 처리 방법 | |
US11615508B2 (en) | Systems and methods for consistent presentation of medical images using deep neural networks | |
JP2007111533A (ja) | コンピュータ断層撮影ボリュームデータにおける脊髄検出の方法およびシステム | |
JP6458166B2 (ja) | 医用画像処理方法及び装置及びシステム及びプログラム | |
JP2006034585A (ja) | 画像表示装置、画像表示方法およびそのプログラム | |
US8948483B2 (en) | Automated contrast enhancement for contouring | |
JPWO2007013300A1 (ja) | 異常陰影候補検出方法及び異常陰影候補検出装置 | |
CN114332132A (zh) | 图像分割方法、装置和计算机设备 | |
KR20200108686A (ko) | 딥러닝 알고리즘을 이용한 근감소증 분석 프로그램 및 애플리케이션 | |
JP7083191B2 (ja) | セファロ画像における計測点の自動認識方法 | |
Vasamsetti et al. | Automatic landmark identification in lateral cephalometric images using optimized template matching | |
CN114202516A (zh) | 一种异物检测方法、装置、电子设备及存储介质 | |
Mukherjee et al. | Automatic detection and classification of solitary pulmonary nodules from lung CT images | |
JP7465469B2 (ja) | 学習装置、推定装置、学習プログラム、及び推定プログラム | |
JP7439990B2 (ja) | 医療画像処理装置、医療画像処理プログラム、および医療画像処理方法 | |
Wang et al. | Supraspinatus segmentation from shoulder ultrasound images using a multilayer self-shrinking snake | |
CN115880358A (zh) | 定位模型的构建方法、影像标志点的定位方法及电子设备 | |
JP6501569B2 (ja) | 画像処理装置、画像処理方法、及びプログラム | |
CN114549553A (zh) | 角度测量方法、装置、计算机设备及可读存储介质 | |
JP5343973B2 (ja) | 医用画像処理装置及びプログラム | |
US11116442B1 (en) | Image integrity and repeatability system |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20230221 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20230920 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20231024 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20231225 |
|
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: 20240312 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20240319 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 7465469 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |