JP2022050659A - 画像処理のためのシステム及び方法 - Google Patents
画像処理のためのシステム及び方法 Download PDFInfo
- Publication number
- JP2022050659A JP2022050659A JP2022006250A JP2022006250A JP2022050659A JP 2022050659 A JP2022050659 A JP 2022050659A JP 2022006250 A JP2022006250 A JP 2022006250A JP 2022006250 A JP2022006250 A JP 2022006250A JP 2022050659 A JP2022050659 A JP 2022050659A
- Authority
- JP
- Japan
- Prior art keywords
- sub
- image
- deep learning
- images
- learning model
- 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
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T1/00—General purpose image data processing
- G06T1/60—Memory management
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
- G06F18/2413—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches based on distances to training or reference patterns
- G06F18/24133—Distances to prototypes
-
- 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
- G06N3/06—Physical realisation, i.e. hardware implementation of neural networks, neurons or parts of neurons
- G06N3/063—Physical realisation, i.e. hardware implementation of neural networks, neurons or parts of neurons using electronic means
-
- 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
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
- G06N3/084—Backpropagation, e.g. using gradient descent
-
- 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
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/82—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using neural 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
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/044—Recurrent networks, e.g. Hopfield 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
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/047—Probabilistic or stochastic networks
-
- 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
- G06T2207/20021—Dividing image into blocks, subimages or windows
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Evolutionary Computation (AREA)
- Data Mining & Analysis (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- General Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Computing Systems (AREA)
- General Health & Medical Sciences (AREA)
- Software Systems (AREA)
- Biophysics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Biomedical Technology (AREA)
- Computational Linguistics (AREA)
- Molecular Biology (AREA)
- Mathematical Physics (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Evolutionary Biology (AREA)
- Multimedia (AREA)
- Medical Informatics (AREA)
- Databases & Information Systems (AREA)
- Neurology (AREA)
- Image Analysis (AREA)
Abstract
Description
本願は、2017年12月7日出願の中国特許出願第201711288530.0号の優先権を主張するものであり、その内容全体が参照により本明細書に援用される。
ここで、Piは、Si+1(1+Pi+1)に等しく、iは、1より大きい整数であり、Nは、1以上のカーネルを含むダウンサンプリングレイヤの数であり、N番目のレイヤは、出力レイヤであり、PN-1は、SNに等しく、Sjは、(Wj-1)/2に等しく、jは、1より大きい整数であり、Wjは、j番目のレイヤにおけるカーネルの最大幅を示してもよい。
Claims (32)
- 少なくとも1つのプロセッサと、
命令を格納するように構成されるストレージと、を備えるシステムであって、
前記少なくとも1つのプロセッサは、前記命令を実行するときに、前記システムに、
訓練された深層学習モデルを決定させ、
入力画像を取得させ、
前記訓練された深層学習モデルに基づいて前記入力画像を処理することによって処理結果を生成させ、前記訓練された深層学習モデルは、処理に従って取得され、前記処理は、
予備深層学習モデルを取得することと、
サンプル画像を取得することと、
前記サンプル画像に基づいて複数のサブ画像を生成することと、
前記訓練された深層学習モデルを得るために、前記複数のサブ画像に基づいて前記予備深層学習モデルを訓練することと、を含む、
システム。 - 前記複数のサブ画像のうちの少なくとも2つは、前記サンプル画像の同一部分を共有する、請求項1に記載のシステム。
- 前記サンプル画像に基づいて前記複数のサブ画像を生成することは、
前記同一部分の幅を決定することと、
前記複数のサブ画像の各々のサイズ又は前記サブ画像の数を決定することと、
前記同一部分の幅、及び前記複数のサブ画像の各々のサイズ又は前記サブ画像の数のうちの少なくとも1つに基づいて前記複数のサブ画像を生成することと、
を含む、請求項2に記載のシステム。 - 前記予備深層学習モデルは、少なくとも1つの畳み込みニューラルネットワーク(CNN)を含み、前記少なくとも1つのCNNは、少なくとも1つのカーネルを含み、前記同一部分の幅を決定することは、
前記少なくとも1つのカーネルのサイズに基づいて前記サンプル画像の前記同一部分の幅を決定することを含む、請求項3に記載のシステム。 - 前記サンプル画像の前記同一部分の幅を決定することは、前記サンプル画像の前記同一部分の幅に対応するピクセル又はボクセルの数を基準値R以上として決定することを含み、前記基準値Rは、前記少なくとも1つのカーネルの幅、又は前記少なくとも1つのカーネルを含む少なくとも1つのダウンサンプリングレイヤの数のうちの少なくとも1つに関連する、請求項3に記載のシステム。
- 前記サンプル画像に基づいて前記複数のサブ画像を生成することは、
拡張データを得るために、前記サンプル画像、又は1以上の方向に沿う前記複数のサブ画像の1以上でデータエクステンションを行うことを含み、前記拡張データに対応するピクセル/ボクセルの幅は、前記基準値Rの2分の1以上である、請求項5に記載のシステム。 - 前記複数のサブ画像は、第1のサブ画像、第2のサブ画像及び第3のサブ画像を含み、
前記第1のサブ画像及び前記第2のサブ画像は、第1の同一部分を共有し、
前記第1のサブ画像及び前記第3のサブ画像は、第2の同一部分を共有する、請求項1に記載のシステム。 - 前記第1の同一部分は、前記第2の同一部分の第2の幅と同一の第1の幅を有する、請求項8に記載のシステム。
- 前記予備深層学習モデルを訓練することは、グラフィックプロセッシングユニット(GPU)によって前記予備深層学習モデルを訓練することを含む、請求項3に記載のシステム。
- 前記GPUによって前記予備深層学習モデルを訓練することは、
第1のサブ画像を前記GPUにロードすることと、
更新された深層学習モデルを得るために、前記第1のサブ画像を用いて前記予備深層学習モデルを訓練することと、
第2のサブ画像を前記GPUにロードすることと、
訓練された深層学習モデルを得るために、前記第2のサブ画像を用いて前記更新された深層学習モデルを訓練することと、
を含む、請求項10に記載のシステム。 - 前記複数のサブ画像の各々のサイズ又は前記サブ画像の数を決定することは、
前記サンプル画像のサイズ及び前記GPUの利用可能なメモリスペースに基づいて、前記複数のサブ画像の各々のサイズ又は前記サブ画像の数を決定することを含む、請求項10に記載のシステム。 - 前記訓練された深層学習モデルに基づいて前記入力画像を処理することは、前記入力画像を分割することを含み、
前記処理結果は、前記分割に基づく分割画像を含む、請求項1に記載のシステム。 - 前記複数のサブ画像の少なくとも2つは、同一サイズを有する、請求項1に記載のシステム。
- 前記複数のサブ画像は、同一サイズを有する、請求項1に記載のシステム。
- 各々が少なくとも1つのプロセッサ及びストレージを有する少なくとも1つの機械で実施される方法であって、
訓練された深層学習モデルを決定するステップと、
入力画像を取得するステップと、
前記訓練された深層学習モデルに基づいて前記入力画像を処理することによって処理結果を生成するステップであって、前記訓練された深層学習モデルは、処理に従って取得される、ステップと、を備え、
前記処理は、
予備深層学習モデルを取得するステップと、
サンプル画像を取得するステップと、
前記サンプル画像に基づいて複数のサブ画像を生成するステップと、
前記訓練された深層学習モデルを得るために、前記複数のサブ画像に基づいて前記予備深層学習モデルを訓練するステップと、
を含む、方法。 - 前記複数のサブ画像の少なくとも2つは、前記サンプル画像の同一部分を共有する、請求項16に記載の方法。
- 前記サンプル画像に基づいて前記複数のサブ画像を生成するステップは、
前記同一部分の幅を決定するステップと、
前記サブ画像の各々のサイズ又は前記サブ画像の数を決定するステップと、
前記同一部分の幅、及び前記複数のサブ画像の各々のサイズ又は前記サブ画像の数のうちの少なくとも1つに基づいて、前記複数のサブ画像を生成するステップと、
を含む、請求項17に記載の方法。 - 前記予備深層学習モデルは、少なくとも1つの畳み込みニューラルネットワーク(CNN)を含み、前記少なくとも1つのCNNは、少なくとも1つのカーネルを含み、前記同一部分の幅を決定するステップは、
前記少なくとも1つのカーネルのサイズに基づいて前記サンプル画像の前記同一部分の幅を決定するステップを含む、請求項18に記載の方法。 - 前記サンプル画像の前記同一部分の幅を決定するステップは、
前記サンプル画像の前記同一部分の幅に対応するピクセル又はボクセルの数を基準値R以上として決定するステップを含み、前記基準値Rは、前記少なくとも1つのカーネルの幅、又は前記少なくとも1つのカーネルを含む少なくとも1つのダウンサンプリングレイヤの数のうちの少なくとも1つに関連する、請求項18に記載の方法。 - 前記サンプル画像に基づいて前記複数のサブ画像を生成するステップは、
拡張データを得るために、前記サンプル画像、又は1以上の方向に沿う前記複数のサブ画像の1以上でデータエクステンションを行うことを含み、前記拡張データに対応するピクセル/ボクセルの幅は、前記基準値Rの2分の1以上である、請求項20に記載の方法。 - 前記複数のサブ画像は、第1のサブ画像、第2のサブ画像及び第3のサブ画像を含み、
前記第1のサブ画像及び前記第2のサブ画像は、第1の同一部分を共有し、
前記第1のサブ画像及び前記第3のサブ画像は、第2の同一部分を共有する、請求項16に記載の方法。 - 前記第1の同一部分は、前記第2の同一部分の第2の幅と同一の第1の幅を有する、請求項23に記載の方法。
- 前記予備深層学習モデルを訓練するステップは、グラフィックプロセッシングユニット(GPU)によって前記予備深層学習モデルを訓練するステップを含む、請求項18に記載の方法。
- 前記GPUによって前記予備深層学習モデルを訓練するステップは、
第1のサブ画像を前記GPUにロードするステップと、
更新された深層学習モデルを得るために、前記第1のサブ画像を用いて前記予備深層学習モデルを訓練するステップと、
第2のサブ画像を前記GPUにロードするステップと、
訓練された深層学習モデルを得るために、前記第2のサブ画像を用いて前記更新された深層学習モデルを訓練するステップと、
を含む、請求項25に記載の方法。 - 前記複数のサブ画像の各々のサイズ又は前記サブ画像の数を決定するステップは、
前記サンプル画像のサイズ及び前記GPUの利用可能なメモリスペースに基づいて、前記複数のサブ画像の各々のサイズ又は前記サブ画像の数を決定することを含む、請求項25に記載の方法。 - 前記訓練された深層学習モデルに基づいて前記入力画像を処理するステップは、
前記入力画像を分割するステップを含み、前記処理結果は、前記分割に基づく分割画像を含む、請求項16に記載の方法。 - 前記複数のサブ画像の少なくとも2つは、同一サイズを有する、請求項16に記載の方法。
- 前記複数のサブ画像は、同一サイズを有する、請求項16に記載の方法。
- 命令を格納する非一時的コンピュータ可読媒体であって、前記命令が、少なくとも1つのプロセッサによって実行されたとき、前記少なくとも1つのプロセッサに方法を実施させ、前記方法は、
訓練された深層学習モデルを決定するステップと、
入力画像を取得するステップと、
前記訓練された深層学習モデルに基づいて前記入力画像を処理することによって処理結果を生成するステップであって、前記訓練された深層学習モデルは、処理に従って取得される、ステップと、を備え、
前記処理は、
予備深層学習モデルを取得するステップと、
サンプル画像を取得するステップと、
前記サンプル画像に基づいて複数のサブ画像を生成するステップと、
前記訓練された深層学習モデルを得るために、前記複数のサブ画像に基づいて前記予備深層学習モデルを訓練するステップと、
を含む、非一時的コンピュータ可読媒体。 - 少なくとも1つのプロセッサと、命令を格納するように構成されるストレージと、を有するシステムであって、
訓練された深層学習モデルを決定するように構成されるモデル決定モジュールと、
入力画像、予備深層学習モデル及びサンプル画像を取得するように構成されるデータ取得モジュールと、
前記訓練された深層学習モデルに基づいて前記入力画像を処理することによって処理結果を生成するように構成される画像処理モジュールと、
前記サンプル画像に基づいて複数のサブ画像を生成するように構成されるサブ画像生成ユニットと、
前記訓練された深層学習モデルを得るために、前記複数のサブ画像に基づいて前記予備深層学習モデルを訓練するように構成されるモデル訓練ユニットと、
を備えるシステム。
Applications Claiming Priority (4)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711288530.0A CN107832807B (zh) | 2017-12-07 | 2017-12-07 | 一种图像处理方法和系统 |
CN201711288530.0 | 2017-12-07 | ||
PCT/CN2018/090032 WO2019109613A1 (en) | 2017-12-07 | 2018-06-06 | Systems and methods for image processing |
JP2020531487A JP7014910B2 (ja) | 2017-12-07 | 2018-06-06 | 画像処理のためのシステム及び方法 |
Related Parent Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2020531487A Division JP7014910B2 (ja) | 2017-12-07 | 2018-06-06 | 画像処理のためのシステム及び方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2022050659A true JP2022050659A (ja) | 2022-03-30 |
JP7248832B2 JP7248832B2 (ja) | 2023-03-29 |
Family
ID=61642269
Family Applications (2)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2020531487A Active JP7014910B2 (ja) | 2017-12-07 | 2018-06-06 | 画像処理のためのシステム及び方法 |
JP2022006250A Active JP7248832B2 (ja) | 2017-12-07 | 2022-01-19 | 画像処理のためのシステム及び方法 |
Family Applications Before (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2020531487A Active JP7014910B2 (ja) | 2017-12-07 | 2018-06-06 | 画像処理のためのシステム及び方法 |
Country Status (4)
Country | Link |
---|---|
EP (1) | EP3704634A4 (ja) |
JP (2) | JP7014910B2 (ja) |
CN (1) | CN107832807B (ja) |
WO (1) | WO2019109613A1 (ja) |
Families Citing this family (29)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10824907B2 (en) | 2017-12-07 | 2020-11-03 | Shanghai United Imaging Healthcare Co., Ltd. | Systems and methods for image processing |
CN107832807B (zh) * | 2017-12-07 | 2020-08-07 | 上海联影医疗科技有限公司 | 一种图像处理方法和系统 |
CN112005314A (zh) * | 2018-04-13 | 2020-11-27 | 通用电气公司 | 用于训练成像系统的深度学习模型的系统和方法 |
CN108564524A (zh) * | 2018-04-24 | 2018-09-21 | 开放智能机器(上海)有限公司 | 一种视觉图像的卷积计算优化方法 |
KR102580062B1 (ko) * | 2018-05-31 | 2023-09-19 | 삼성에스디에스 주식회사 | 이미지 분할 방법 및 장치 |
CN108805923B (zh) * | 2018-06-01 | 2022-04-01 | 东软医疗系统股份有限公司 | 生理参数获取方法和装置 |
US10643092B2 (en) | 2018-06-21 | 2020-05-05 | International Business Machines Corporation | Segmenting irregular shapes in images using deep region growing with an image pyramid |
WO2019243910A1 (en) * | 2018-06-21 | 2019-12-26 | International Business Machines Corporation | Segmenting irregular shapes in images using deep region growing |
US10776923B2 (en) | 2018-06-21 | 2020-09-15 | International Business Machines Corporation | Segmenting irregular shapes in images using deep region growing |
TWI682332B (zh) * | 2018-07-18 | 2020-01-11 | 國立彰化師範大學 | 用於識別絕育狀態影像的深度學習方法及其識別裝置 |
CN109512449A (zh) * | 2018-09-26 | 2019-03-26 | 沈阳东软医疗系统有限公司 | 生理参数输出方法和装置 |
CN109685204B (zh) * | 2018-12-24 | 2021-10-01 | 北京旷视科技有限公司 | 图像处理方法及装置、存储介质及电子设备 |
CN110009599A (zh) * | 2019-02-01 | 2019-07-12 | 腾讯科技(深圳)有限公司 | 肝占位检测方法、装置、设备及存储介质 |
CN109886891B (zh) * | 2019-02-15 | 2022-01-11 | 北京市商汤科技开发有限公司 | 一种图像复原方法及装置、电子设备、存储介质 |
CN109700528B (zh) * | 2019-02-27 | 2021-02-02 | 江苏霆升科技有限公司 | 一种实时构建心脏三维模型方法及装置 |
CN110059715A (zh) * | 2019-03-12 | 2019-07-26 | 平安科技(深圳)有限公司 | 植物种类的识别方法及装置、存储介质、计算机设备 |
CN111833288B (zh) * | 2019-04-12 | 2024-02-09 | 阿里巴巴集团控股有限公司 | 图像识别方法、装置和设备 |
WO2020232612A1 (zh) * | 2019-05-20 | 2020-11-26 | 西门子股份公司 | 降低用于数据可视化的数据量的方法和装置 |
CN110378203B (zh) * | 2019-06-05 | 2023-06-23 | 平安科技(深圳)有限公司 | 图像处理方法、装置、终端及存储介质 |
CN110245710B (zh) * | 2019-06-18 | 2022-11-29 | 腾讯科技(深圳)有限公司 | 语义分割模型的训练方法、语义分割方法及装置 |
CN110889411B (zh) * | 2019-09-27 | 2023-12-08 | 武汉创想外码科技有限公司 | 基于ai芯片的通用图像识别模型 |
CN110929627B (zh) * | 2019-11-18 | 2021-12-28 | 北京大学 | 基于宽模型稀疏数据集的高效gpu训练模型的图像识别方法 |
US11604984B2 (en) * | 2019-11-18 | 2023-03-14 | Shanghai United Imaging Intelligence Co., Ltd. | Systems and methods for machine learning based modeling |
CN111222411B (zh) * | 2019-11-28 | 2023-09-01 | 中国船舶重工集团公司第七一三研究所 | 一种激光发射安全快速报警方法和装置 |
CN111161273B (zh) * | 2019-12-31 | 2023-03-21 | 电子科技大学 | 一种基于深度学习的医学超声图像分割方法 |
CN113391918A (zh) * | 2020-03-13 | 2021-09-14 | 伊姆西Ip控股有限责任公司 | 用于处理计算作业的方法、设备和计算机程序产品 |
CN111783273A (zh) * | 2020-05-22 | 2020-10-16 | 成都飞机工业(集团)有限责任公司 | 一种3d打印组织预测方法 |
CN112509334A (zh) * | 2020-12-03 | 2021-03-16 | 深圳杰睿联科技有限公司 | 一种车辆违章管理系统、方法及存储介质 |
CN113256497B (zh) * | 2021-06-21 | 2021-09-24 | 中南大学 | 图像重建方法及系统 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2002216133A (ja) * | 2001-01-22 | 2002-08-02 | Fuji Xerox Co Ltd | 画像処理システム、及び感覚情報処理システム |
JP2016006626A (ja) * | 2014-05-28 | 2016-01-14 | 株式会社デンソーアイティーラボラトリ | 検知装置、検知プログラム、検知方法、車両、パラメータ算出装置、パラメータ算出プログラムおよびパラメータ算出方法 |
US20170277981A1 (en) * | 2016-01-08 | 2017-09-28 | Siemens Healthcare Gmbh | Deep Image-to-Image Network Learning for Medical Image Analysis |
US20170304732A1 (en) * | 2014-11-10 | 2017-10-26 | Lego A/S | System and method for toy recognition |
CN107358262A (zh) * | 2017-07-13 | 2017-11-17 | 京东方科技集团股份有限公司 | 一种高分辨率图像的分类方法及分类装置 |
Family Cites Families (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9317779B2 (en) * | 2012-04-06 | 2016-04-19 | Brigham Young University | Training an image processing neural network without human selection of features |
US9730643B2 (en) * | 2013-10-17 | 2017-08-15 | Siemens Healthcare Gmbh | Method and system for anatomical object detection using marginal space deep neural networks |
US9668699B2 (en) * | 2013-10-17 | 2017-06-06 | Siemens Healthcare Gmbh | Method and system for anatomical object detection using marginal space deep neural networks |
US10095957B2 (en) * | 2016-03-15 | 2018-10-09 | Tata Consultancy Services Limited | Method and system for unsupervised word image clustering |
CN106600538A (zh) * | 2016-12-15 | 2017-04-26 | 武汉工程大学 | 一种基于区域深度卷积神经网络的人脸超分辨率算法 |
CN106846261A (zh) * | 2016-12-21 | 2017-06-13 | 大连海事大学 | 基于卷积神经网络的水下图像处理方法 |
CN106845383B (zh) * | 2017-01-16 | 2023-06-06 | 腾讯科技(上海)有限公司 | 人头检测方法和装置 |
CN107368886B (zh) * | 2017-02-23 | 2020-10-02 | 奥瞳系统科技有限公司 | 基于重复使用小规模卷积神经网络模块的神经网络系统 |
CN106991420A (zh) * | 2017-03-27 | 2017-07-28 | 新智认知数据服务有限公司 | 一种基于分块的车牌区域回归技术的车牌检测方法 |
CN107832807B (zh) * | 2017-12-07 | 2020-08-07 | 上海联影医疗科技有限公司 | 一种图像处理方法和系统 |
-
2017
- 2017-12-07 CN CN201711288530.0A patent/CN107832807B/zh active Active
-
2018
- 2018-06-06 WO PCT/CN2018/090032 patent/WO2019109613A1/en unknown
- 2018-06-06 JP JP2020531487A patent/JP7014910B2/ja active Active
- 2018-06-06 EP EP18884959.0A patent/EP3704634A4/en active Pending
-
2022
- 2022-01-19 JP JP2022006250A patent/JP7248832B2/ja active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2002216133A (ja) * | 2001-01-22 | 2002-08-02 | Fuji Xerox Co Ltd | 画像処理システム、及び感覚情報処理システム |
JP2016006626A (ja) * | 2014-05-28 | 2016-01-14 | 株式会社デンソーアイティーラボラトリ | 検知装置、検知プログラム、検知方法、車両、パラメータ算出装置、パラメータ算出プログラムおよびパラメータ算出方法 |
US20170304732A1 (en) * | 2014-11-10 | 2017-10-26 | Lego A/S | System and method for toy recognition |
US20170277981A1 (en) * | 2016-01-08 | 2017-09-28 | Siemens Healthcare Gmbh | Deep Image-to-Image Network Learning for Medical Image Analysis |
CN107358262A (zh) * | 2017-07-13 | 2017-11-17 | 京东方科技集团股份有限公司 | 一种高分辨率图像的分类方法及分类装置 |
Also Published As
Publication number | Publication date |
---|---|
EP3704634A4 (en) | 2020-12-16 |
EP3704634A1 (en) | 2020-09-09 |
JP2021506021A (ja) | 2021-02-18 |
CN107832807B (zh) | 2020-08-07 |
JP7248832B2 (ja) | 2023-03-29 |
WO2019109613A1 (en) | 2019-06-13 |
JP7014910B2 (ja) | 2022-02-01 |
CN107832807A (zh) | 2018-03-23 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP7014910B2 (ja) | 画像処理のためのシステム及び方法 | |
US11416706B2 (en) | Systems and methods for image processing | |
US11398030B2 (en) | System and method for image reconstruction | |
US11501473B2 (en) | Systems and methods for image correction in positron emission tomography | |
CN110809782B (zh) | 衰减校正系统和方法 | |
US11348258B2 (en) | System and method for registering multi-modality images | |
US11494877B2 (en) | Systems and methods for image reconstruction | |
US20200272841A1 (en) | Systems and methods for image segmentation | |
WO2021232756A1 (en) | Systems and methods for image processing | |
US11393139B2 (en) | System and method for MPR streak reduction | |
WO2021218214A1 (en) | Systems and methods for generating three-dimensional images | |
US11972575B2 (en) | Systems and methods for generating augmented segmented image set | |
US11869120B2 (en) | System and method for image reconstruction | |
US20240037762A1 (en) | Systems and methods for image processing | |
EP3404616A1 (en) | System and method for image denoising | |
US20230342940A1 (en) | Systems and methods for image processing |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20220218 |
|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20220218 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20221129 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20221205 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20230110 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20230130 |
|
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: 20230214 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20230316 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 7248832 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |