JP2022035396A - 画像変換プログラム、方法、および装置 - Google Patents
画像変換プログラム、方法、および装置 Download PDFInfo
- Publication number
- JP2022035396A JP2022035396A JP2020139693A JP2020139693A JP2022035396A JP 2022035396 A JP2022035396 A JP 2022035396A JP 2020139693 A JP2020139693 A JP 2020139693A JP 2020139693 A JP2020139693 A JP 2020139693A JP 2022035396 A JP2022035396 A JP 2022035396A
- Authority
- JP
- Japan
- Prior art keywords
- image
- filter
- psf
- machine learning
- computer
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 101
- 238000010801 machine learning Methods 0.000 claims abstract description 67
- 238000003384 imaging method Methods 0.000 claims abstract description 47
- 238000006243 chemical reaction Methods 0.000 claims description 114
- 230000006870 function Effects 0.000 claims description 41
- 238000012545 processing Methods 0.000 claims description 23
- 238000004891 communication Methods 0.000 claims description 9
- 238000002591 computed tomography Methods 0.000 description 70
- 238000010586 diagram Methods 0.000 description 14
- 238000012549 training Methods 0.000 description 3
- 230000009466 transformation Effects 0.000 description 3
- 230000002159 abnormal effect Effects 0.000 description 2
- 238000009826 distribution Methods 0.000 description 2
- 239000003814 drug Substances 0.000 description 2
- 230000010365 information processing Effects 0.000 description 2
- 238000000691 measurement method Methods 0.000 description 2
- 239000002184 metal Substances 0.000 description 2
- 230000001131 transforming effect Effects 0.000 description 2
- 230000003190 augmentative effect Effects 0.000 description 1
- 101150083127 brox gene Proteins 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 238000013527 convolutional neural network Methods 0.000 description 1
- 201000010099 disease Diseases 0.000 description 1
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 1
- 238000005315 distribution function Methods 0.000 description 1
- 229940079593 drug Drugs 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 238000010191 image analysis Methods 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 229920013655 poly(bisphenol-A sulfone) Polymers 0.000 description 1
- 230000000241 respiratory effect Effects 0.000 description 1
- 238000013519 translation Methods 0.000 description 1
Images
Landscapes
- Apparatus For Radiation Diagnosis (AREA)
- Image Analysis (AREA)
Abstract
Description
以上、説明したように、画像変換装置100は、第1の画像に適用された第1のフィルタを特定し、第1のフィルタの特性を打ち消し、機械学習モデルの教師データとして用いられた第2の画像に適用された第2のフィルタを適用することで、第1の画像を第3の画像に変換する。
第1の画像に適用された第1のフィルタを特定し、
第1のフィルタの特性を打ち消し、機械学習モデルの教師データとして用いられた第2の画像に適用された第2のフィルタを適用することで、第1の画像を第3の画像に変換する
処理を実行させることを特徴とする画像変換プログラム。
第1のフィルタとして、第1のPSF(Point Spread Function)を特定させ、
第2のフィルタとして、第2のPSFを適用させる
ことを特徴とする付記1に記載の画像変換プログラム。
第1の画像をフーリエ変換により空間周波数領域に変換し、
空間周波数領域に変換された第1の画像に、第1のPSFをフーリエ変換したものを除算することにより、第1のフィルタの特性を打ち消し、
空間周波数領域に変換された第1の画像に、第2のPSFをフーリエ変換したものを乗算することにより、第2のフィルタを適用する
処理をさらに実行させることを特徴とする付記4に記載の画像変換プログラム。
第1の撮影条件に対応付けられた第1のフィルタを特定し、
第1のフィルタの特性を打ち消し、第2の撮影条件に対応付けられた第2のフィルタを適用することで、第1の画像を第3の画像に変換する
処理を実行させることを特徴とする付記1に記載の画像変換プログラム。
第1の撮影機器および第1の再構成関数を少なくとも含む第1の撮影条件に対応付けられた第1のフィルタを特定し、
第1のフィルタの特性を打ち消し、第2の撮影機器および第2の再構成関数を少なくとも含む第2の撮影条件に対応付けられた第2のフィルタを適用することで、第1の画像を第3の画像に変換する
処理を実行させることを特徴とする付記1に記載の画像変換プログラム。
複数の画像の中で識別精度が最も高い画像に適用されている第3のフィルタを第2のフィルタに決定する処理をさらに実行させることを特徴とする付記1に記載の画像変換プログラム。
第1の画像に適用された第1のフィルタを特定し、
第1のフィルタの特性を打ち消し、機械学習モデルの教師データとして用いられた第2の画像に適用された第2のフィルタを適用することで、第1の画像を第3の画像に変換する
処理を実行することを特徴とする方法。
第1のフィルタとして、第1のPSF(Point Spread Function)を特定し、
第2のフィルタとして、第2のPSFを適用する
ことを特徴とする付記10に記載の方法。
第1の画像をフーリエ変換により空間周波数領域に変換し、
空間周波数領域に変換された第1の画像に、第1のPSFをフーリエ変換したものを除算することにより、第1のフィルタの特性を打ち消し、
空間周波数領域に変換された第1の画像に、第2のPSFをフーリエ変換したものを乗算することにより、第2のフィルタを適用する
処理をさらに実行することを特徴とする付記13に記載の方法。
第1の撮影条件に対応付けられた第1のフィルタを特定し、
第1のフィルタの特性を打ち消し、第2の撮影条件に対応付けられた第2のフィルタを適用することで、第1の画像を第3の画像に変換する
処理を実行することを特徴とする付記10に記載の方法。
第1の撮影機器および第1の再構成関数を少なくとも含む第1の撮影条件に対応付けられた第1のフィルタを特定し、
第1のフィルタの特性を打ち消し、第2の撮影機器および第2の再構成関数を少なくとも含む第2の撮影条件に対応付けられた第2のフィルタを適用することで、第1の画像を第3の画像に変換する
処理を実行することを特徴とする付記10に記載の方法。
複数の画像の中で識別精度が最も高い画像に適用されている第3のフィルタを第2のフィルタに決定する処理をさらに実行することを特徴とする付記10に記載の方法。
第1のフィルタの特性を打ち消し、機械学習モデルの教師データとして用いられた第2の画像に適用された第2のフィルタを適用することで、第1の画像を第3の画像に変換する変換部と
を有することを特徴とする装置。
変換部は、第2のフィルタとして、第2のPSFを適用する
ことを特徴とする付記19に記載の装置。
第1の画像をフーリエ変換により空間周波数領域に変換し、
空間周波数領域に変換された第1の画像に、第1のPSFをフーリエ変換したものを除算することにより、第1のフィルタの特性を打ち消し、
空間周波数領域に変換された第1の画像に、第2のPSFをフーリエ変換したものを乗算することにより、第2のフィルタを適用する
ことを特徴とする付記22に記載の装置。
変換部は、第1のフィルタの特性を打ち消し、第2の撮影条件に対応付けられた第2のフィルタを適用することで、第1の画像を第3の画像に変換する
ことを特徴とする付記19に記載の装置。
変換部は、第1のフィルタの特性を打ち消し、第2の撮影機器および第2の再構成関数を少なくとも含む第2の撮影条件に対応付けられた第2のフィルタを適用することで、第1の画像を第3の画像に変換する
ことを特徴とする付記19に記載の装置。
複数の画像の中で識別精度が最も高い画像に適用されている第3のフィルタを第2のフィルタに決定する決定部をさらに有することを特徴とする付記19に記載の装置。
プロセッサに動作可能に接続されたメモリと
を備えた情報処理装置であって、プロセッサは、
第1の画像に適用された第1のフィルタを特定する推定部と、
第1のフィルタの特性を打ち消し、機械学習モデルの教師データとして用いられた第2の画像に適用された第2のフィルタを適用することで、第1の画像を第3の画像に変換する変換部と
を有することを特徴とする装置。
10 画像変換装置
20 記憶装置
30 画像入力装置
40 計算機
50 識別器
101 推定部
102 変換部
103 識別部
104 決定部
201 学習データ
202 撮影条件データ
203 識別データ
Claims (11)
- コンピュータに、
第1の画像に適用された第1のフィルタを特定し、
前記第1のフィルタの特性を打ち消し、機械学習モデルの教師データとして用いられた第2の画像に適用された第2のフィルタを適用することで、前記第1の画像を第3の画像に変換する
処理を実行させることを特徴とする画像変換プログラム。 - 前記コンピュータに、前記機械学習モデルを用いて前記第3の画像を識別する処理をさらに実行させることを特徴とする請求項1に記載の画像変換プログラム。
- 前記コンピュータに、前記第2の画像を含む医用画像を入力、および症例を示す正解ラベルを正解とする前記教師データを学習して構築された前記機械学習モデルを用いて、前記第3の画像を識別する処理をさらに実行させることを特徴とする請求項1に記載の画像変換プログラム。
- 前記コンピュータに、
前記第1のフィルタとして、第1のPSF(Point Spread Function)を特定させ、
前記第2のフィルタとして、第2のPSFを適用させる
ことを特徴とする請求項1に記載の画像変換プログラム。 - 前記コンピュータに、
前記第1の画像をフーリエ変換により空間周波数領域に変換し、
前記空間周波数領域に変換された前記第1の画像に、前記第1のPSFをフーリエ変換したものを除算することにより、前記第1のフィルタの特性を打ち消し、
前記空間周波数領域に変換された前記第1の画像に、前記第2のPSFをフーリエ変換したものを乗算することにより、前記第2のフィルタを適用する
処理をさらに実行させることを特徴とする請求項4に記載の画像変換プログラム。 - 前記コンピュータに、
第1の撮影条件に対応付けられた前記第1のフィルタを特定し、
前記第1のフィルタの特性を打ち消し、第2の撮影条件に対応付けられた前記第2のフィルタを適用することで、前記第1の画像を第3の画像に変換する
処理を実行させることを特徴とする請求項1に記載の画像変換プログラム。 - 前記コンピュータに、
第1の撮影機器および第1の再構成関数を少なくとも含む第1の撮影条件に対応付けられた前記第1のフィルタを特定し、
前記第1のフィルタの特性を打ち消し、第2の撮影機器および第2の再構成関数を少なくとも含む第2の撮影条件に対応付けられた前記第2のフィルタを適用することで、前記第1の画像を第3の画像に変換する
処理を実行させることを特徴とする請求項1に記載の画像変換プログラム。 - 前記コンピュータに、DICOM(Digital Imaging and Communications in Medicine)画像である前記第1の画像に付けられたタグから、前記第1の撮影機器および前記第1の再構成関数を取得する処理をさらに実行させることを特徴とする請求項7に記載の画像変換プログラム。
- 前記コンピュータに、
前記機械学習モデルを用いて、複数の画像を識別し、
前記複数の画像の中で識別精度が最も高い前記画像に適用されている第3のフィルタを前記第2のフィルタに決定する処理をさらに実行させることを特徴とする請求項1に記載の画像変換プログラム。 - コンピュータが、
第1の画像に適用された第1のフィルタを特定し、
前記第1のフィルタの特性を打ち消し、機械学習モデルの教師データとして用いられた第2の画像に適用された第2のフィルタを適用することで、前記第1の画像を第3の画像に変換する
処理を実行することを特徴とする方法。 - 第1の画像に適用された第1のフィルタを特定する推定部と、
前記第1のフィルタの特性を打ち消し、機械学習モデルの教師データとして用いられた第2の画像に適用された第2のフィルタを適用することで、前記第1の画像を第3の画像に変換する変換部と
を有することを特徴とする装置。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2020139693A JP2022035396A (ja) | 2020-08-20 | 2020-08-20 | 画像変換プログラム、方法、および装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2020139693A JP2022035396A (ja) | 2020-08-20 | 2020-08-20 | 画像変換プログラム、方法、および装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
JP2022035396A true JP2022035396A (ja) | 2022-03-04 |
Family
ID=80443408
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2020139693A Pending JP2022035396A (ja) | 2020-08-20 | 2020-08-20 | 画像変換プログラム、方法、および装置 |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP2022035396A (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 |
-
2020
- 2020-08-20 JP JP2020139693A patent/JP2022035396A/ja active Pending
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 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
White et al. | MeshMonk: Open-source large-scale intensive 3D phenotyping | |
JP6900581B1 (ja) | 顕微鏡スライド画像のための焦点重み付き機械学習分類器誤り予測 | |
EP2812828B1 (en) | Interactive optimization of scan databases for statistical testing | |
CN109344889B (zh) | 脑疾病分类装置、用户终端和计算机可读存储介质 | |
JP2007172604A (ja) | 取得システムのプロトコル及び/又はパラメータに基づいてコンピュータ利用アルゴリズムを選択するための方法及び装置 | |
US20150324521A1 (en) | Information processing apparatus, information processing method, and storage medium storing program | |
Zhang et al. | C2‐GAN: Content‐consistent generative adversarial networks for unsupervised domain adaptation in medical image segmentation | |
JP2022035396A (ja) | 画像変換プログラム、方法、および装置 | |
CN114331992A (zh) | 图像序列处理方法、装置、计算设备及存储介质 | |
WO2019146358A1 (ja) | 学習システム、方法及びプログラム | |
EP3467770B1 (en) | Method for analysing a medical imaging data set, system for analysing a medical imaging data set, computer program product and a computer-readable medium | |
JP7349425B2 (ja) | 診断支援システム、診断支援方法及び診断支援プログラム | |
Casanova et al. | Embedding functional brain networks in low dimensional spaces using manifold learning techniques | |
US7558427B2 (en) | Method for analyzing image data | |
JP7439656B2 (ja) | 生成プログラム、生成方法、生成装置 | |
WO2019208130A1 (ja) | 医療文書作成支援装置、方法およびプログラム、学習済みモデル、並びに学習装置、方法およびプログラム | |
JP2023122528A (ja) | 認知症診断に必要な情報の提供方法及び装置 | |
CN117716397A (zh) | 用于处理图像以进行图像匹配的系统和方法 | |
CN115274063A (zh) | 用于操作医学图像数据集的评估系统的方法、评估系统 | |
Patil et al. | A Review on Disease Prediction using Image Processing | |
JP6862286B2 (ja) | 情報処理装置、情報処理方法、情報処理システム及びプログラム | |
CN111863206A (zh) | 一种图像预处理方法、装置、设备及存储介质 | |
CN110889836A (zh) | 一种影像数据分析方法、装置、终端设备及存储介质 | |
CN109460387A (zh) | 文件名生成方法及装置 | |
Valsson et al. | The interpretation of deep learning based analysis of medical images—An examination of methodological and practical challenges using chest X-ray data |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
RD01 | Notification of change of attorney |
Free format text: JAPANESE INTERMEDIATE CODE: A7426 Effective date: 20200901 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A821 Effective date: 20200901 |
|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20230202 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20240206 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20240405 |