JP2021531565A - 病巣検出方法、装置、機器および記憶媒体 - Google Patents
病巣検出方法、装置、機器および記憶媒体 Download PDFInfo
- Publication number
- JP2021531565A JP2021531565A JP2021500548A JP2021500548A JP2021531565A JP 2021531565 A JP2021531565 A JP 2021531565A JP 2021500548 A JP2021500548 A JP 2021500548A JP 2021500548 A JP2021500548 A JP 2021500548A JP 2021531565 A JP2021531565 A JP 2021531565A
- Authority
- JP
- Japan
- Prior art keywords
- feature map
- lesion
- neural network
- generate
- features
- 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
- 238000001514 detection method Methods 0.000 title claims abstract description 129
- 230000003902 lesion Effects 0.000 claims abstract description 252
- 238000000034 method Methods 0.000 claims abstract description 31
- 238000013528 artificial neural network Methods 0.000 claims description 147
- 208000037170 Delayed Emergence from Anesthesia Diseases 0.000 claims description 74
- 238000012545 processing Methods 0.000 claims description 34
- 230000006870 function Effects 0.000 claims description 28
- 230000004913 activation Effects 0.000 claims description 19
- 238000004590 computer program Methods 0.000 claims description 16
- 238000011478 gradient descent method Methods 0.000 claims description 14
- 238000012549 training Methods 0.000 claims description 14
- 239000000284 extract Substances 0.000 claims description 13
- 238000002372 labelling Methods 0.000 claims description 12
- 101100295091 Arabidopsis thaliana NUDT14 gene Proteins 0.000 claims description 8
- 238000010606 normalization Methods 0.000 claims description 8
- 238000005070 sampling Methods 0.000 claims description 8
- 238000011176 pooling Methods 0.000 claims description 7
- 206010028980 Neoplasm Diseases 0.000 abstract description 6
- 201000011510 cancer Diseases 0.000 abstract description 6
- 238000010586 diagram Methods 0.000 abstract description 6
- 238000004891 communication Methods 0.000 description 5
- 230000002093 peripheral effect Effects 0.000 description 5
- 210000000056 organ Anatomy 0.000 description 4
- 241000187479 Mycobacterium tuberculosis Species 0.000 description 3
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 210000004072 lung Anatomy 0.000 description 3
- 208000008128 pulmonary tuberculosis Diseases 0.000 description 3
- 230000007923 virulence factor Effects 0.000 description 3
- 239000000304 virulence factor Substances 0.000 description 3
- 238000004422 calculation algorithm Methods 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 238000003745 diagnosis Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000007667 floating Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000009467 reduction Effects 0.000 description 2
- VYZAMTAEIAYCRO-UHFFFAOYSA-N Chromium Chemical compound [Cr] VYZAMTAEIAYCRO-UHFFFAOYSA-N 0.000 description 1
- 238000012952 Resampling Methods 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000004195 computer-aided diagnosis Methods 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000010191 image analysis Methods 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000006467 substitution reaction 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
- G06T7/0002—Inspection of images, e.g. flaw detection
- G06T7/0012—Biomedical image inspection
-
- 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
- A61B6/52—Devices using data or image processing specially adapted for radiation diagnosis
- A61B6/5211—Devices using data or image processing specially adapted for radiation diagnosis involving processing of medical diagnostic data
- A61B6/5223—Devices using data or image processing specially adapted for radiation diagnosis involving processing of medical diagnostic data generating planar views from image data, e.g. extracting a coronal view from a 3D image
-
- 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
- A61B6/46—Arrangements for interfacing with the operator or the patient
- A61B6/461—Displaying means of special interest
- A61B6/463—Displaying means of special interest characterised by displaying multiple images or images and diagnostic data on one display
-
- 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
- A61B6/52—Devices using data or image processing specially adapted for radiation diagnosis
- A61B6/5211—Devices using data or image processing specially adapted for radiation diagnosis involving processing of medical diagnostic data
- A61B6/5217—Devices using data or image processing specially adapted for radiation diagnosis involving processing of medical diagnostic data extracting a diagnostic or physiological parameter from medical diagnostic data
-
- 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
- G06N3/045—Combinations of networks
-
- 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
- G06N3/08—Learning methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T1/00—General purpose image data processing
- G06T1/20—Processor architectures; Processor configuration, e.g. pipelining
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T3/00—Geometric image transformations in the plane of the image
- G06T3/40—Scaling of whole images or parts thereof, e.g. expanding or contracting
- G06T3/4046—Scaling of whole images or parts thereof, e.g. expanding or contracting using neural networks
-
- 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
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/70—Determining position or orientation of objects or cameras
- G06T7/73—Determining position or orientation of objects or cameras using feature-based methods
-
- 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
- G16H30/00—ICT specially adapted for the handling or processing of medical images
- G16H30/20—ICT specially adapted for the handling or processing of medical images for handling medical images, e.g. DICOM, HL7 or PACS
-
- 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
- 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
-
- 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
- A61B6/02—Arrangements for diagnosis sequentially in different planes; Stereoscopic radiation diagnosis
- A61B6/03—Computed tomography [CT]
- A61B6/032—Transmission computed tomography [CT]
-
- 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
- A61B6/52—Devices using data or image processing specially adapted for radiation diagnosis
- A61B6/5205—Devices using data or image processing specially adapted for radiation diagnosis involving processing of raw data to produce diagnostic data
-
- 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
- G06T2207/10072—Tomographic images
- G06T2207/10081—Computed x-ray tomography [CT]
-
- 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
-
- 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
-
- 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
- G06T2207/30096—Tumor; Lesion
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Physics & Mathematics (AREA)
- General Health & Medical Sciences (AREA)
- Theoretical Computer Science (AREA)
- Public Health (AREA)
- Life Sciences & Earth Sciences (AREA)
- Biomedical Technology (AREA)
- General Physics & Mathematics (AREA)
- Radiology & Medical Imaging (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Epidemiology (AREA)
- Primary Health Care (AREA)
- Pathology (AREA)
- Biophysics (AREA)
- Molecular Biology (AREA)
- Data Mining & Analysis (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Computation (AREA)
- Veterinary Medicine (AREA)
- High Energy & Nuclear Physics (AREA)
- Animal Behavior & Ethology (AREA)
- Surgery (AREA)
- Heart & Thoracic Surgery (AREA)
- Optics & Photonics (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Databases & Information Systems (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Quality & Reliability (AREA)
- Computational Linguistics (AREA)
- Pulmonology (AREA)
- Human Computer Interaction (AREA)
- Physiology (AREA)
- Apparatus For Radiation Diagnosis (AREA)
- Image Analysis (AREA)
- Magnetic Resonance Imaging Apparatus (AREA)
Abstract
Description
説明したいのは、勾配降下法による各パラメータの訓練において、逆伝播アルゴリズムで勾配降下法の勾配を計算するようにしてもよい。
Claims (29)
- 複数のサンプル切片を含む第一画像であって、X軸次元、Y軸次元およびZ軸次元を含む三次元画像である第一画像を取得することと、
前記第一画像の特徴を抽出し、病巣の特徴および位置が含まれる第一特徴マップであって、前記X軸次元、Y軸次元およびZ軸次元の三次元特徴を含む第一特徴マップを生成することと、
前記第一特徴マップに含まれる特徴の次元削減を行い、前記X軸次元および前記Y軸次元の二次元特徴を含む第二特徴マップを生成することと、
前記第二特徴マップを検出し、前記第二特徴マップにおける各病巣の位置および前記位置に対応する信頼度を得ることと、を含む、
病巣検出方法。 - 複数のサンプル切片を含む第一画像を取得することは、
取得された患者のCT画像を第一サンプリング間隔で再サンプリングし、複数のサンプル切片を含む第一画像を生成することを含む、
請求項1に記載の方法。 - 前記第一画像の特徴を抽出し、病巣の特徴および位置が含まれる第一特徴マップを生成することは、
第一ニューラルネットワークによって前記第一画像をダウンサンプリングし、第三特徴マップを生成することと、
前記第二ニューラルネットワークの残差ブロックによって前記第三特徴マップをダウンサンプリングし、第四特徴マップを生成することと、
前記第二ニューラルネットワークのDenseASPPモジュールによって前記第四特徴マップにおける異なるスケールの病巣の特徴を抽出することと、
前記DenseASPPモジュールによる処理後、前記第四特徴マップと同じ解像度の第四所定特徴マップが生成され、前記第二ニューラルネットワークの逆畳み込み層および前記残差ブロックによって前記DenseASPPモジュールによる処理後の特徴マップをアップサンプリングし、前記第三特徴マップと同じ解像度の第三所定特徴マップを生成することと、
前記第三特徴マップと前記第三所定特徴マップとを融合して前記第三所定特徴マップと同じ解像度の第一特徴マップを生成し、前記第四特徴マップと前記第四所定特徴マップとを融合して前記第四所定特徴マップと同じ解像度の第一特徴マップを生成することと、を含み、
前記第三所定特徴マップおよび前記第四所定特徴マップはそれぞれ病巣の位置を含み、前記病巣の位置は第一特徴マップにおける病巣の位置を生成するために用いられる、
請求項1に記載の方法。 - 前記第一画像の特徴を抽出し、病巣の特徴および位置が含まれる第一特徴マップを生成することは、
第二ニューラルネットワークの残差ブロックによって前記第一画像をダウンサンプリングし、第四特徴マップを生成することと、
前記第二ニューラルネットワークのDenseASPPモジュールによって前記第四特徴マップにおける異なるスケールの病巣の特徴を抽出することと、
前記DenseASPPモジュールによる処理後、前記第二ニューラルネットワークの逆畳み込み層および前記残差ブロックによって前記DenseASPPモジュールによる処理後の特徴マップをアップサンプリングし、前記第一画像と同じ解像度の前記第一所定特徴マップを生成することと、
前記第一画像と前記第一所定特徴マップとを融合して前記第一所定特徴マップと同じ解像度の第一特徴マップを生成することと、を含み、
前記第一所定特徴マップは病巣の位置を含み、前記病巣の位置は第一特徴マップにおける病巣の位置を生成するために用いられる、
請求項1に記載の方法。 - 前記第一画像の特徴を抽出し、病巣の特徴および位置が含まれる第一特徴マップを生成することは、
第一ニューラルネットワークによって前記第一画像をダウンサンプリングし、第三特徴マップを生成することと、
前記第二ニューラルネットワークの残差ブロックによって前記第三特徴マップをダウンサンプリングし、第四特徴マップを生成することと、
前記第二ニューラルネットワークの残差ブロックによって前記第四特徴マップをダウンサンプリングし、前記第四特徴マップよりも解像度が低い第五特徴マップを生成することと、
前記第二ニューラルネットワークのDenseASPPモジュールによって前記第五特徴マップにおける異なるスケールの病巣の特徴を抽出することと、
前記DenseASPPモジュールによる処理後、前記第五特徴マップと同じ解像度の第五所定特徴マップが生成され、前記第二ニューラルネットワークの逆畳み込み層および前記残差ブロックによって前記DenseASPPモジュールによる処理後の特徴マップをアップサンプリングし、前記第四特徴マップと同じ解像度の第四所定特徴マップを生成し、または、前記第二ニューラルネットワークの逆畳み込み層および残差ブロックによって前記DenseASPPモジュールによる処理後の特徴マップをアップサンプリングし、前記第三特徴マップと同じ解像度の第三所定特徴マップを生成することと、
前記第三特徴マップと前記第三所定特徴マップとを融合して前記第三所定特徴マップと同じ解像度の第一特徴マップを生成し、前記第四特徴マップと前記第四所定特徴マップとを融合して前記第四所定特徴マップと同じ解像度の第一特徴マップを生成し、前記第五特徴マップと前記第五所定特徴マップとを融合して前記第五所定特徴マップと同じ解像度の第一特徴マップを生成することと、を含み、
前記第三所定特徴マップ、前記第四所定特徴マップおよび前記第五所定特徴マップはそれぞれ病巣の位置を含み、前記病巣の位置は第一特徴マップにおける病巣の位置を生成するために用いられる、
請求項1に記載の方法。 - 前記第一ニューラルネットワークは、畳み込み層および前記畳み込み層にカスケード接続される残差ブロックを含み、
前記第二ニューラルネットワークは、畳み込み層、逆畳み込み層、残差ブロックおよび前記DenseASPPモジュールを含む3D U−Netネットワークを含む、
請求項3または5に記載の方法。 - 前記第二ニューラルネットワークは積み上げられている複数の3D U−Netネットワークである、
請求項5または6に記載の方法。 - 前記残差ブロックは、畳み込み層、バッチ正規化層、ReLU活性化関数および最大プーリング層を含む、
請求項5または6に記載の方法。 - 前記第一特徴マップに含まれる特徴の次元削減を行い、第二特徴マップを生成することは、
前記第一特徴マップの全ての特徴のそれぞれに対してチャネル次元とZ軸次元とをマージして、前記第一特徴マップの全ての特徴のそれぞれの次元をX軸次元およびY軸次元からなるものにし、前記全ての特徴のそれぞれの次元がX軸次元およびY軸次元からなる第一特徴マップを前記第二特徴マップとすることを含む、
請求項1に記載の方法。 - 前記第二特徴マップを検出することは、
第一検出サブネットによって前記第二特徴マップを検出し、前記第二特徴マップにおける各病巣の位置の座標を得ることと、
第二検出サブネットによって前記第二特徴マップを検出し、前記第二特徴マップにおける各病巣に対応する信頼度を得ることと、を含む、
請求項1に記載の方法。 - 前記第一検出サブネットは、それぞれが一つのReLU活性化関数と接続される複数の畳み込み層を含み、
前記第二検出サブネットは、それぞれが一つのReLU活性化関数と接続される複数の畳み込み層を含む、
請求項10に記載の方法。 - 前記第一画像の特徴を抽出し、病巣の特徴および位置が含まれる第一特徴マップを生成する前に、
予め保存された、病巣をラベリングするための病巣ラベルが複数含まれている三次元画像を前記第一ニューラルネットワークに入力し、勾配降下法を使用して前記第一ニューラルネットワーク、前記第二ニューラルネットワーク、前記第一検出サブネットおよび前記第二検出サブネットの各パラメータをそれぞれ訓練することを、さらに含み、
前記複数の病巣のそれぞれの位置は前記第一検出サブネットにより出力される、
請求項1、2、3、5、6、7、8、9、10および11のいずれか一項に記載の方法。 - 前記第一画像の特徴を抽出し、病巣の特徴および位置が含まれる第一特徴マップを生成する前に、
病巣をラベリングするための病巣ラベルが複数含まれている三次元画像を前記第二ニューラルネットワークに入力し、勾配降下法を使用して前記第二ニューラルネットワーク、前記第一検出サブネットおよび前記第二検出サブネットの各パラメータをそれぞれ訓練することを、さらに含み、
前記複数の病巣のそれぞれの位置は前記第一検出サブネットにより出力される、
請求項1、2、4、7、9、10および11のいずれか一項に記載の方法。 - 複数のサンプル切片を含む第一画像であって、X軸次元、Y軸次元およびZ軸次元を含む三次元画像である第一画像を取得するための取得ユニットと、
前記第一画像の特徴を抽出し、病巣の特徴および位置が含まれる第一特徴マップであって、前記X軸次元、Y軸次元およびZ軸次元の三次元特徴を含む第一特徴マップを生成するための第一生成ユニットと、
前記第一特徴マップに含まれる特徴の次元削減を行い、X軸次元およびY軸次元の二次元特徴を含む第二特徴マップを生成するための第二生成ユニットと、
前記第二特徴マップを検出し、前記第二特徴マップにおける各病巣の位置および前記位置に対応する信頼度を得るための検出ユニットと、を含む、
病巣検出装置。 - 前記取得ユニットは、具体的に、
取得された患者のCT画像を第一サンプリング間隔で再サンプリングし、複数のサンプル切片を含む第一画像を生成するために用いられる、
請求項14に記載の装置。 - 前記第一生成ユニットは、具体的に、
第一ニューラルネットワークによって前記第一画像をダウンサンプリングし、第三特徴マップを生成することと、
前記第二ニューラルネットワークの残差ブロックによって前記第三特徴マップをダウンサンプリングし、第四特徴マップを生成することと、
前記第二ニューラルネットワークのDenseASPPモジュールによって前記第四特徴マップにおける異なるスケールの病巣の特徴を抽出することと、
前記DenseASPPモジュールによる処理後、前記第四特徴マップと同じ解像度の第四所定特徴マップが生成され、前記第二ニューラルネットワークの逆畳み込み層および前記残差ブロックによって前記DenseASPPモジュールによる処理後の特徴マップをアップサンプリングし、前記第三特徴マップと同じ解像度の第三所定特徴マップを生成することと、
前記第三特徴マップと前記第三所定特徴マップを融合して前記第三所定特徴マップと同じ解像度の第一特徴マップを生成し、前記第四特徴マップと前記第四所定特徴マップとを融合して前記第四所定特徴マップと同じ解像度の第一特徴マップを生成することとに用いられ、
前記第三所定特徴マップおよび前記第四所定特徴マップはそれぞれ病巣の位置を含み、前記病巣の位置は第一特徴マップにおける病巣の位置を生成するために用いられる、
請求項14に記載の装置。 - 前記第一生成ユニットは、具体的に、
第二ニューラルネットワークの残差ブロックによって前記第一画像をダウンサンプリングし、第四特徴マップを生成することと、
前記第二ニューラルネットワークのDenseASPPモジュールによって前記第四特徴マップにおける異なるスケールの病巣の特徴を抽出することと、
前記DenseASPPモジュールによる処理後、前記第二ニューラルネットワークの逆畳み込み層および前記残差ブロックによって前記DenseASPPモジュールによる処理後の特徴マップをアップサンプリングし、前記第一画像と同じ解像度の前記第一所定特徴マップを生成することと、
前記第一画像と前記第一所定特徴マップを融合して前記第一所定特徴マップと同じ解像度の第一特徴マップを生成することとに用いられ、
前記第一所定特徴マップは病巣の位置を含み、前記病巣の位置は第一特徴マップにおける病巣の位置を生成するために用いられる、
請求項14に記載の装置。 - 前記第一生成ユニットは、具体的に、
第一ニューラルネットワークによって前記第一画像をダウンサンプリングし、前記第一画像よりも解像度が低い第三特徴マップを生成することと、
前記第二ニューラルネットワークの残差ブロックによって前記第三特徴マップをダウンサンプリングし、第四特徴マップを生成することと、
前記第二ニューラルネットワークの残差ブロックによって前記第四特徴マップをダウンサンプリングし、第五特徴マップを生成することと、
前記第二ニューラルネットワークのDenseASPPモジュールによって前記第五特徴マップにおける異なるスケールの病巣の特徴を抽出することと、
前記DenseASPPモジュールによる処理後、前記第五特徴マップと同じ解像度の第五所定特徴マップが生成され、前記第二ニューラルネットワークの逆畳み込み層および前記残差ブロックによって前記DenseASPPモジュールによる処理後の特徴マップをアップサンプリングし、前記第四特徴マップと同じ解像度の第四所定特徴マップを生成し、または、前記第二ニューラルネットワークの逆畳み込み層および残差ブロックによって前記DenseASPPモジュールによる処理後の特徴マップをアップサンプリングし、前記第三特徴マップと同じ解像度の第三所定特徴マップを生成することと、
前記第三特徴マップと前記第三所定特徴マップを融合して前記第三所定特徴マップと同じ解像度の第一特徴マップを生成し、前記第四特徴マップと前記第四所定特徴マップを融合して前記第四所定特徴マップと同じ解像度の第一特徴マップを生成し、前記第五特徴マップと前記第五所定特徴マップとを融合して前記第五所定特徴マップと同じ解像度の第一特徴マップを生成することとに用いられ、
前記第三所定特徴マップ、前記第四所定特徴マップおよび前記第五所定特徴マップはそれぞれ病巣の位置を含み、前記病巣の位置は第一特徴マップにおける病巣の位置を生成するために用いられる、
請求項14に記載の装置。 - 前記第一ニューラルネットワークは、畳み込み層および前記畳み込み層にカスケード接続される残差ブロックを含み、
前記第二ニューラルネットワークは、畳み込み層、逆畳み込み層、残差ブロックおよび前記DenseASPPモジュールを含む3D U−Netネットワークを含む、
請求項16または18に記載の装置。 - 前記第二ニューラルネットワークは積み上げられている複数の3D U−Netネットワークである、
請求項18または19に記載の装置。 - 前記残差ブロックは、畳み込み層、バッチ正規化層、ReLU活性化関数および最大プーリング層を含む、
請求項18または19に記載の装置。 - 前記第二生成ユニットは、具体的に、前記第一特徴マップの全ての特徴のそれぞれに対してチャネル次元とZ軸次元とをマージして、前記第一特徴マップの全ての特徴のそれぞれの次元をX軸次元およびY軸次元からなるものにし、前記全ての特徴のそれぞれの次元がX軸次元およびY軸次元からなる第一特徴マップを前記第二特徴マップとするために用いられる、
請求項14に記載の装置。 - 前記検出ユニットは、具体的に、
第一検出サブネットによって前記第二特徴マップを検出し、前記第二特徴マップにおける各病巣の位置の座標を得ることと、
第二検出サブネットによって前記第二特徴マップを検出し、前記第二特徴マップにおける各病巣に対応する信頼度を得ることとに用いられる、
請求項14に記載の装置。 - 前記第一検出サブネットは、それぞれが一つのReLU活性化関数と接続される複数の畳み込み層を含み、
前記第二検出サブネットは、それぞれが一つのReLU活性化関数と接続される複数の畳み込み層を含む、
請求項23に記載の装置。 - 訓練ユニットをさらに含み、
前記訓練ユニットは、具体的に、前記第一生成ユニットが前記第一画像の特徴を抽出し、病巣の特徴および位置が含まれる第一特徴マップを生成する前に、予め保存された、病巣をラベリングするための病巣ラベルが複数含まれている三次元画像を前記第一ニューラルネットワークに入力し、勾配降下法を使用して前記第一ニューラルネットワーク、前記第二ニューラルネットワーク、前記第一検出サブネットおよび前記第二検出サブネットの各パラメータをそれぞれ訓練するために用いられ、前記複数の病巣のそれぞれの位置は前記第一検出サブネットにより出力される、
請求項14から24のいずれか一項に記載の装置。 - 訓練ユニットをさらに含み、
前記訓練ユニットは、具体的に、前記第一生成ユニットが前記第一画像の特徴を抽出し、病巣の特徴および位置が含まれる第一特徴マップを生成する前に、病巣をラベリングするための病巣ラベルが複数含まれている三次元画像を前記第二ニューラルネットワークに入力し、勾配降下法を使用して前記第二ニューラルネットワーク、前記第一検出サブネットおよび前記第二検出サブネットの各パラメータをそれぞれ訓練するために用いられ、前記複数の病巣のそれぞれの位置は前記第一検出サブネットにより出力される、
請求項14から24のいずれか一項に記載の装置。 - ディスプレイ、メモリおよび前記メモリに結合されるプロセッサを含む病巣検出機器であって、前記ディスプレイは病巣の位置および前記位置に対応する信頼度を表示するために用いられ、前記メモリはアプリケーションプログラムコードを記憶するために用いられ、前記プロセッサは前記プログラムコードを呼び出すことによって請求項1から13のいずれか一項に記載の病巣検出方法を実行するように構成される、
病巣検出機器。 - プログラム命令を含むコンピュータプログラムが記憶されているコンピュータ読取可能記憶媒体であって、前記プログラム命令は、プロセッサにより実行されると、前記プロセッサに請求項1から13のいずれか一項に記載の病巣検出方法を実行させる、
コンピュータ読取可能記憶媒体。 - コンピュータ読取可能コードを含むコンピュータプログラムであって、前記コンピュータ読取可能コードは、電子機器において実行されると、前記電子機器のプロセッサに請求項1から13のいずれか一項に記載の病巣検出方法を実現するための命令を実行させる、
コンピュータプログラム。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811500631.4 | 2018-12-07 | ||
CN201811500631.4A CN109754389B (zh) | 2018-12-07 | 2018-12-07 | 一种图像处理方法、装置及设备 |
PCT/CN2019/114452 WO2020114158A1 (zh) | 2018-12-07 | 2019-10-30 | 一种病灶检测方法、装置、设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2021531565A true JP2021531565A (ja) | 2021-11-18 |
JP7061225B2 JP7061225B2 (ja) | 2022-04-27 |
Family
ID=66402643
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2021500548A Active JP7061225B2 (ja) | 2018-12-07 | 2019-10-30 | 病巣検出方法、装置、機器および記憶媒体 |
Country Status (7)
Country | Link |
---|---|
US (1) | US20210113172A1 (ja) |
JP (1) | JP7061225B2 (ja) |
KR (1) | KR20210015972A (ja) |
CN (2) | CN111292301A (ja) |
SG (1) | SG11202013074SA (ja) |
TW (1) | TWI724669B (ja) |
WO (1) | WO2020114158A1 (ja) |
Families Citing this family (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111292301A (zh) * | 2018-12-07 | 2020-06-16 | 北京市商汤科技开发有限公司 | 一种病灶检测方法、装置、设备及存储介质 |
CN110175993A (zh) * | 2019-05-27 | 2019-08-27 | 西安交通大学医学院第一附属医院 | 一种基于FPN的Faster R-CNN肺结核征象检测系统及方法 |
CN110533637B (zh) * | 2019-08-02 | 2022-02-11 | 杭州依图医疗技术有限公司 | 一种检测对象的方法及装置 |
CN110580948A (zh) * | 2019-09-12 | 2019-12-17 | 杭州依图医疗技术有限公司 | 医学影像的显示方法及显示设备 |
CN111402252B (zh) * | 2020-04-02 | 2021-01-15 | 和宇健康科技股份有限公司 | 精准医疗图像分析方法及机器人手术系统 |
CN111816281B (zh) * | 2020-06-23 | 2024-05-14 | 无锡祥生医疗科技股份有限公司 | 超声影像查询装置 |
CN112116562A (zh) * | 2020-08-26 | 2020-12-22 | 重庆市中迪医疗信息科技股份有限公司 | 基于肺部影像数据检测病灶的方法、装置、设备及介质 |
CN112258564B (zh) * | 2020-10-20 | 2022-02-08 | 推想医疗科技股份有限公司 | 生成融合特征集合的方法及装置 |
CN112017185B (zh) * | 2020-10-30 | 2021-02-05 | 平安科技(深圳)有限公司 | 病灶分割方法、装置及存储介质 |
US11830622B2 (en) * | 2021-06-11 | 2023-11-28 | International Business Machines Corporation | Processing multimodal images of tissue for medical evaluation |
CN114943717B (zh) * | 2022-05-31 | 2023-04-07 | 北京医准智能科技有限公司 | 一种乳腺病灶检测方法、装置、电子设备及可读存储介质 |
CN115170510B (zh) * | 2022-07-04 | 2023-04-07 | 北京医准智能科技有限公司 | 一种病灶检测方法、装置、电子设备及可读存储介质 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2017031088A1 (en) * | 2015-08-15 | 2017-02-23 | Salesforce.Com, Inc | Three-dimensional (3d) convolution with 3d batch normalization |
CN108022238A (zh) * | 2017-08-09 | 2018-05-11 | 深圳科亚医疗科技有限公司 | 对3d图像中对象进行检测的方法、计算机存储介质和系统 |
US20180144209A1 (en) * | 2016-11-22 | 2018-05-24 | Lunit Inc. | Object recognition method and apparatus based on weakly supervised learning |
CN108171709A (zh) * | 2018-01-30 | 2018-06-15 | 北京青燕祥云科技有限公司 | 肝占位性病灶区域的检测方法、装置和实现装置 |
CN108257674A (zh) * | 2018-01-24 | 2018-07-06 | 龙马智芯(珠海横琴)科技有限公司 | 疾病预测方法和装置、设备、计算机可读存储介质 |
Family Cites Families (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5974108A (en) * | 1995-12-25 | 1999-10-26 | Kabushiki Kaisha Toshiba | X-ray CT scanning apparatus |
US7747057B2 (en) * | 2006-05-26 | 2010-06-29 | General Electric Company | Methods and apparatus for BIS correction |
US9208556B2 (en) * | 2010-11-26 | 2015-12-08 | Quantitative Insights, Inc. | Method, system, software and medium for advanced intelligent image analysis and display of medical images and information |
US10238368B2 (en) * | 2013-09-21 | 2019-03-26 | General Electric Company | Method and system for lesion detection in ultrasound images |
CN105917354A (zh) * | 2014-10-09 | 2016-08-31 | 微软技术许可有限责任公司 | 用于图像处理的空间金字塔池化网络 |
JP6849966B2 (ja) * | 2016-11-21 | 2021-03-31 | 東芝エネルギーシステムズ株式会社 | 医用画像処理装置、医用画像処理方法、医用画像処理プログラム、動体追跡装置および放射線治療システム |
CN106780460B (zh) * | 2016-12-13 | 2019-11-08 | 杭州健培科技有限公司 | 一种用于胸部ct影像的肺结节自动检测系统 |
JP7054787B2 (ja) * | 2016-12-22 | 2022-04-15 | パナソニックIpマネジメント株式会社 | 制御方法、情報端末、及びプログラム |
CN108447046B (zh) * | 2018-02-05 | 2019-07-26 | 龙马智芯(珠海横琴)科技有限公司 | 病灶的检测方法和装置、计算机可读存储介质 |
CN108764241A (zh) * | 2018-04-20 | 2018-11-06 | 平安科技(深圳)有限公司 | 分割股骨近端的方法、装置、计算机设备和存储介质 |
CN108852268A (zh) * | 2018-04-23 | 2018-11-23 | 浙江大学 | 一种消化内镜图像异常特征实时标记系统及方法 |
CN108717569B (zh) * | 2018-05-16 | 2022-03-22 | 中国人民解放军陆军工程大学 | 一种膨胀全卷积神经网络装置及其构建方法 |
CN111292301A (zh) * | 2018-12-07 | 2020-06-16 | 北京市商汤科技开发有限公司 | 一种病灶检测方法、装置、设备及存储介质 |
-
2018
- 2018-12-07 CN CN202010071412.XA patent/CN111292301A/zh active Pending
- 2018-12-07 CN CN201811500631.4A patent/CN109754389B/zh active Active
-
2019
- 2019-10-30 JP JP2021500548A patent/JP7061225B2/ja active Active
- 2019-10-30 WO PCT/CN2019/114452 patent/WO2020114158A1/zh active Application Filing
- 2019-10-30 KR KR1020207038088A patent/KR20210015972A/ko active Search and Examination
- 2019-10-30 SG SG11202013074SA patent/SG11202013074SA/en unknown
- 2019-12-04 TW TW108144288A patent/TWI724669B/zh active
-
2020
- 2020-12-28 US US17/134,771 patent/US20210113172A1/en not_active Abandoned
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2017031088A1 (en) * | 2015-08-15 | 2017-02-23 | Salesforce.Com, Inc | Three-dimensional (3d) convolution with 3d batch normalization |
US20180144209A1 (en) * | 2016-11-22 | 2018-05-24 | Lunit Inc. | Object recognition method and apparatus based on weakly supervised learning |
CN108022238A (zh) * | 2017-08-09 | 2018-05-11 | 深圳科亚医疗科技有限公司 | 对3d图像中对象进行检测的方法、计算机存储介质和系统 |
CN108257674A (zh) * | 2018-01-24 | 2018-07-06 | 龙马智芯(珠海横琴)科技有限公司 | 疾病预测方法和装置、设备、计算机可读存储介质 |
CN108171709A (zh) * | 2018-01-30 | 2018-06-15 | 北京青燕祥云科技有限公司 | 肝占位性病灶区域的检测方法、装置和实现装置 |
Also Published As
Publication number | Publication date |
---|---|
SG11202013074SA (en) | 2021-01-28 |
US20210113172A1 (en) | 2021-04-22 |
CN109754389B (zh) | 2021-08-24 |
WO2020114158A1 (zh) | 2020-06-11 |
CN109754389A (zh) | 2019-05-14 |
TWI724669B (zh) | 2021-04-11 |
CN111292301A (zh) | 2020-06-16 |
TW202032579A (zh) | 2020-09-01 |
JP7061225B2 (ja) | 2022-04-27 |
KR20210015972A (ko) | 2021-02-10 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP7061225B2 (ja) | 病巣検出方法、装置、機器および記憶媒体 | |
Andriole et al. | Optimizing analysis, visualization, and navigation of large image data sets: one 5000-section CT scan can ruin your whole day | |
JP7386812B2 (ja) | 照明推定 | |
US10101898B2 (en) | Multi-touch graphical user interface for interacting with menus on a handheld device | |
EP2811731B1 (en) | Electronic device for editing dual image and method thereof | |
CN110276408B (zh) | 3d图像的分类方法、装置、设备及存储介质 | |
JP2021532447A (ja) | 拡張現実によるモデル動画多平面インタラクション方法、装置、デバイス及び記憶媒体 | |
US11734899B2 (en) | Headset-based interface and menu system | |
CN110168619B (zh) | 在虚拟现实或增强现实环境中渲染复杂数据的系统和方法 | |
CN108874336B (zh) | 一种信息处理方法及电子设备 | |
DE112018002775T5 (de) | Verfahren und vorrichtung zum erfassen von ebenen und/oder quadtrees zur verwendung als ein virtuelles substrat | |
US20240134499A1 (en) | Image template-based ar form experiences | |
WO2017172550A1 (en) | Ink in an electronic document | |
CN107480673B (zh) | 确定医学图像中感兴趣区域的方法、装置及图像编辑系统 | |
CN103714236A (zh) | 医学图像显示装置及医学图像显示方法 | |
Kottamasu | User interaction of one-dimensional panoramic images for iPod Touch | |
CN114638939A (zh) | 模型生成方法、模型生成装置、电子设备和可读存储介质 | |
JP5446700B2 (ja) | 情報処理装置、情報処理方法およびプログラム | |
CN104917963A (zh) | 一种图像处理方法及终端 | |
WO2018209515A1 (zh) | 显示系统及方法 | |
CN115421631A (zh) | 界面显示方法和装置 | |
US8890889B1 (en) | System and method for generating a pose of an object | |
CN109754450B (zh) | 一种赛道生成方法、装置及设备 | |
WO2022181253A1 (ja) | 関節点検出装置、学習モデル生成装置、関節点検出方法、学習モデル生成方法、及びコンピュータ読み取り可能な記録媒体 | |
CN111681739B (zh) | 病理信息的显示方法及计算机可读存储介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20210108 |
|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20210108 |
|
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: 20220405 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20220415 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 7061225 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |