JP2022502739A - 画像処理方法及び装置、電子機器並びに記憶媒体 - Google Patents
画像処理方法及び装置、電子機器並びに記憶媒体 Download PDFInfo
- Publication number
- JP2022502739A JP2022502739A JP2021515101A JP2021515101A JP2022502739A JP 2022502739 A JP2022502739 A JP 2022502739A JP 2021515101 A JP2021515101 A JP 2021515101A JP 2021515101 A JP2021515101 A JP 2021515101A JP 2022502739 A JP2022502739 A JP 2022502739A
- Authority
- JP
- Japan
- Prior art keywords
- image
- processed
- division result
- topology structure
- target object
- 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 abstract description 38
- 238000003860 storage Methods 0.000 title claims abstract description 30
- 238000000034 method Methods 0.000 claims abstract description 115
- 238000000605 extraction Methods 0.000 claims abstract description 96
- 238000012545 processing Methods 0.000 claims abstract description 92
- 230000036961 partial effect Effects 0.000 claims description 131
- 238000012549 training Methods 0.000 claims description 121
- 238000013528 artificial neural network Methods 0.000 claims description 73
- 230000006870 function Effects 0.000 claims description 41
- 238000005520 cutting process Methods 0.000 claims description 32
- 238000004590 computer program Methods 0.000 claims description 14
- 238000007781 pre-processing Methods 0.000 claims description 12
- 238000013135 deep learning Methods 0.000 claims description 9
- 238000010606 normalization Methods 0.000 claims description 7
- 238000012952 Resampling Methods 0.000 claims description 6
- 230000009467 reduction Effects 0.000 claims description 6
- 238000005304 joining Methods 0.000 claims description 4
- 238000002910 structure generation Methods 0.000 claims description 3
- 238000010586 diagram Methods 0.000 abstract description 30
- 239000000543 intermediate Substances 0.000 description 81
- 230000008569 process Effects 0.000 description 61
- 210000004072 lung Anatomy 0.000 description 50
- 230000002792 vascular Effects 0.000 description 34
- 230000002829 reductive effect Effects 0.000 description 18
- 238000013527 convolutional neural network Methods 0.000 description 11
- 238000004891 communication Methods 0.000 description 10
- 210000004204 blood vessel Anatomy 0.000 description 8
- 239000013598 vector Substances 0.000 description 8
- 238000012937 correction Methods 0.000 description 7
- 238000005516 engineering process Methods 0.000 description 7
- 238000011156 evaluation Methods 0.000 description 6
- 230000003287 optical effect Effects 0.000 description 5
- 230000002685 pulmonary effect Effects 0.000 description 5
- 230000005540 biological transmission Effects 0.000 description 4
- 230000008859 change Effects 0.000 description 4
- 238000003745 diagnosis Methods 0.000 description 4
- 230000003902 lesion Effects 0.000 description 4
- 230000000670 limiting effect Effects 0.000 description 4
- 238000007726 management method Methods 0.000 description 4
- 238000005070 sampling Methods 0.000 description 4
- 230000005236 sound signal Effects 0.000 description 4
- 238000004422 calculation algorithm Methods 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 3
- 201000010099 disease Diseases 0.000 description 3
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 3
- 239000000284 extract Substances 0.000 description 3
- 238000003709 image segmentation Methods 0.000 description 3
- 210000000056 organ Anatomy 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 2
- 238000007796 conventional method Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 239000000835 fiber Substances 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 230000004060 metabolic process Effects 0.000 description 2
- 230000001902 propagating effect Effects 0.000 description 2
- 238000002271 resection Methods 0.000 description 2
- 230000011218 segmentation Effects 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- 210000003437 trachea Anatomy 0.000 description 2
- 210000003462 vein Anatomy 0.000 description 2
- 230000000007 visual effect Effects 0.000 description 2
- RYGMFSIKBFXOCR-UHFFFAOYSA-N Copper Chemical compound [Cu] RYGMFSIKBFXOCR-UHFFFAOYSA-N 0.000 description 1
- 241000167880 Hirundinidae Species 0.000 description 1
- 208000019693 Lung disease Diseases 0.000 description 1
- 206010058467 Lung neoplasm malignant Diseases 0.000 description 1
- 208000010378 Pulmonary Embolism Diseases 0.000 description 1
- 208000011191 Pulmonary vascular disease Diseases 0.000 description 1
- 230000001133 acceleration Effects 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 210000001367 artery Anatomy 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 230000007012 clinical effect Effects 0.000 description 1
- 229910052802 copper Inorganic materials 0.000 description 1
- 239000010949 copper Substances 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 201000005202 lung cancer Diseases 0.000 description 1
- 208000020816 lung neoplasm Diseases 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 238000010248 power generation Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000002441 reversible effect Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 238000004904 shortening Methods 0.000 description 1
- 230000001225 therapeutic effect Effects 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 210000005166 vasculature Anatomy 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
-
- 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
- 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
- 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
- G06T7/187—Segmentation; Edge detection involving region growing; involving region merging; involving connected component labelling
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/44—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components
-
- 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
- G06V10/764—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using classification, e.g. of video objects
-
- 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
- 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
- G06T2207/20—Special algorithmic details
- G06T2207/20036—Morphological image processing
- G06T2207/20044—Skeletonization; Medial axis transform
-
- 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
- G06T2207/30061—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
- G06T2207/30101—Blood vessel; Artery; Vein; Vascular
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Computation (AREA)
- Artificial Intelligence (AREA)
- Multimedia (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- Medical Informatics (AREA)
- General Health & Medical Sciences (AREA)
- Computing Systems (AREA)
- Health & Medical Sciences (AREA)
- Data Mining & Analysis (AREA)
- Life Sciences & Earth Sciences (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Evolutionary Biology (AREA)
- General Engineering & Computer Science (AREA)
- Image Analysis (AREA)
- Measuring And Recording Apparatus For Diagnosis (AREA)
- Closed-Circuit Television Systems (AREA)
- Apparatus For Radiation Diagnosis (AREA)
Abstract
Description
被処理画像に対して特徴抽出を行って、中間処理画像を得るステップS11と、
中間処理画像に対して分割処理を行って、第1分割結果を得るステップS12と、
第1分割結果の構造情報に基づいて、第1分割結果に対して構造再構成を行って、被処理画像における目標対象物の最終分割結果を得るステップS13と、を含んでよい。
被処理画像を所定の方向に切り割って、複数の被処理部分画像を得るステップS111と、
各被処理部分画像に対して特徴抽出を行って、各被処理部分画像にそれぞれ対応する中間処理部分画像を得るステップS112と、
所定の方向に沿って全ての中間処理部分画像を繋ぎ合わせて、中間処理画像を得るステップS113と、を含んでよい。
トレーニングサンプルデータセットを取得するステップS101と、
トレーニングサンプルデータセットに基づいて、特徴抽出のためのニューラルネットワークをトレーニングするステップS102と、を含んでよい。
生データを補正して、補正ラベル付きデータを得るステップS1011と、
補正ラベル付きデータに基づいてトレーニングサンプルデータセットを得るステップS1012と、を含んでよい。
完全なトレーニングサンプル画像を所定の方向以外の方向に沿って所定の大きさに縮小拡大し、完全なトレーニングサンプル画像の大きさを所定の方向に変わらないように保持して、完全なトレーニングサンプル画像のサイズを統一して、縮小拡大後の完全なトレーニングサンプル画像を得ることを含んでよい。
トレーニングサンプルデータセットと予め設定された重み係数に基づいて、ニューラルネットワークのグローバル損失と偽陽性ペナルティ損失をそれぞれ取得するステップS1021と、
グローバル損失と偽陽性ペナルティ損失に基づいて、ニューラルネットワークの損失関数を決定するステップS1022と、
損失関数逆伝播により、ニューラルネットワークをトレーニングするステップS1023と、を含んでよい。
まず、Grow Cut方法におけるシードポイントの高閾値と低閾値を設定してよく、具体的な設定値はここで限定されなく、実際の状況に応じて選択してよい。シードポイントの高閾値、低閾値が設定された後、低閾値以下の点を目標対象物の所在する領域でない背景領域を表す背景シードポイントとしてよく、0をラベルとして付け、高閾値以上の点を目標の所在する領域を表す前景シードポイントとしてよく、1をラベルとして付け、シードポイントの強度値を1に設定してよく、なお、中間処理画像が2チャンネルテンソルであってよく、2つのチャンネルの一方が各ボクセルポイントが背景に属する確率を表し、2つのチャンネルの他方がボクセルポイントが目標対象物に属する確率を表すことは以上で開示された実施例によって説明されたので、上記設定によって、中間処理画像における各ボクセルポイントの2チャンネル初期状態ベクトルを得ることができる。
第1分割結果に対して中心抽出を行って、中心領域画像、及び中心領域画像における全ボクセルポイントと第1分割結果における目標対象物の境界との間の距離フィールド値のセットである距離フィールド値セットを得るステップS131と、
中心領域画像に基づいて、目標対象物の第1トポロジ構造マップを生成するステップS132と、
第1トポロジ構造マップに対して接続処理を行って、第2トポロジ構造マップを得るステップS133と、
距離フィールド値セットに基づいて、第2トポロジ構造マップに対して構造再構成を行って、被処理画像における目標対象物の最終分割結果を得るステップS134と、を含んでよい。
第1トポロジ構造マップにおける目標対象物に対応する接続領域を抽出するステップS1331と、
第1トポロジ構造マップにおける接続領域との接続値が接続閾値よりも低いボクセルポイントを除去して、第2トポロジ構造マップを得るステップS1332と、を含んでよい。
血管樹分割は、医学映像分析の分野において盛んに研究されている課題であり、精確な血管分析は、医学診断、治療計画及び臨床効果評価において非常に重要な研究価値及び応用価値を有している。病巣肺葉切除、肺塞栓等の一般の肺血管疾病の重要な根拠となる肺血管を正確に分割することは肺関連疾病の診断と治療において重要な作用を発揮する。
まず、この例においてサイズがz×x×yのシングルチャンネル階調画像である完全な3次元肺画像に対してデータ前処理を行ってから、3Dニューラルネットワークに入力して特徴抽出を行って、2チャンネルの出力確率マップを得るようになってよく、ただし、2チャンネルの出力確率マップにおいて、1つのチャンネルが各ボクセルポイントが肺血管に属する確率を表し、もう1つのチャンネルが各ボクセルポイントが背景に属する確率を表し、2チャンネルの出力確率マップの大きさがいずれもz×x×yである。
まず、大きさがz×x×yの3次元肺画像を矢状面方向であるx方向と冠状面方向であるy方向の2つの方向に沿って縮小拡大して、この3次元肺画像をxとyの2つの方向にいずれも16の倍数にし、それぞれx’とy’と記し、続いて軸方向であるz方向に3次元肺画像を切り割るようになってよく、本開示の例において、切り割ることによって得られた各3次元肺部分画像のz方向の高さが48ボクセルになるはずであり、且ついずれか2つの隣接する3次元肺部分画像がz方向に8ボクセルの重畳領域を有し、得られた各3次元肺部分画像の大きさがいずれも48×x’×y’である。
被処理画像に対して特徴抽出を行って、中間処理画像を得るための特徴抽出モジュール21と、
中間処理画像に対して分割処理を行って、第1分割結果を得るための分割モジュール22と、
第1分割結果の構造情報に基づいて、第1分割結果に対して構造再構成を行って、被処理画像における目標対象物の最終分割結果を得るための構造再構成モジュール23と、を含む。
Claims (26)
- 被処理画像に対して特徴抽出を行って、中間処理画像を得ることと、
前記中間処理画像に対して分割処理を行って、第1分割結果を得ることと、
前記第1分割結果の構造情報に基づいて、前記第1分割結果に対して構造再構成を行って、前記被処理画像における目標対象物の最終分割結果を得ることと、を含むことを特徴とする画像処理方法。 - 被処理画像に対して特徴抽出を行って、中間処理画像を得ることは、
前記被処理画像を所定の方向に切り割って、複数の被処理部分画像を得ることと、
各前記被処理部分画像に対して特徴抽出を行って、各被処理部分画像にそれぞれ対応する中間処理部分画像を得ることと、
前記所定の方向に沿って前記中間処理部分画像を繋ぎ合わせて、中間処理画像を得ることと、を含むことを特徴とする請求項1に記載の方法。 - 前記被処理画像を所定の方向に切り割って、複数の被処理部分画像を得ることは、
前記被処理画像において複数の切り割り中心を決定することと、
前記切り割り中心の位置に応じて、前記被処理画像を所定の方向に切り割って、複数の被処理部分画像を得ることであって、切り割り中心のそれぞれは、対応する被処理部分画像の中心に位置し、隣接する被処理部分画像の間には重畳領域があることと、を含むことを特徴とする請求項2に記載の方法。 - 前記被処理画像を所定の方向に切り割って、複数の被処理部分画像を得ることの前に、
前記被処理画像を前記所定の方向以外の方向に、特定パラメータに基づいて縮小拡大処理することを更に含むことを特徴とする請求項2又は3に記載の方法。 - 被処理画像に対して特徴抽出を行って、中間処理画像を得ることの前に、
トレーニングサンプルデータセットを取得することと、
前記トレーニングサンプルデータセットに基づいて、特徴抽出のためのニューラルネットワークをトレーニングすることと、を更に含むことを特徴とする請求項1−4のいずれか一項に記載の方法。 - トレーニングサンプルデータセットを取得することは、
生データを補正して、補正ラベル付きデータを得ることと、
前記補正ラベル付きデータに基づいてトレーニングサンプルデータセットを取得することと、を含むことを特徴とする請求項5に記載の方法。 - 前記トレーニングサンプルデータセットに基づいて、特徴抽出のためのニューラルネットワークをトレーニングすることは、
前記トレーニングサンプルデータセットと予め設定された重み係数に基づいて、前記ニューラルネットワークのグローバル損失と偽陽性ペナルティ損失をそれぞれ取得することと、
前記グローバル損失と前記偽陽性ペナルティ損失に基づいて、前記ニューラルネットワークの損失関数を決定することと、
前記損失関数の逆伝播により、前記ニューラルネットワークをトレーニングすることと、を含むことを特徴とする請求項5又は6に記載の方法。 - 前記中間処理画像に対して分割処理を行って、第1分割結果を得ることは、
深層学習フレームワークによってグラフィックプロセッサで実現されるGrow Cutにより、前記中間処理画像に対して分割処理を行って、第1分割結果を得ることを含むことを特徴とする請求項1〜7のいずれか一項に記載の方法。 - 前記第1分割結果の構造情報に基づいて、前記第1分割結果に対して構造再構成を行って、前記被処理画像における目標対象物の最終分割結果を得ることは、
前記第1分割結果に対して中心抽出を行って、中心領域画像、及び前記中心領域画像における全ボクセルポイントと前記第1分割結果における目標対象物の境界との間の距離フィールド値のセットである距離フィールド値セットを得ることと、
前記中心領域画像に基づいて、前記目標対象物の第1トポロジ構造マップを生成することと、
前記第1トポロジ構造マップに対して接続処理を行って、第2トポロジ構造マップを得ることと、
前記距離フィールド値セットに基づいて、前記第2トポロジ構造マップに対して構造再構成を行って、前記被処理画像における目標対象物の最終分割結果を得ることと、を含むことを特徴とする請求項1〜8のいずれか一項に記載の方法。 - 前記第1トポロジ構造マップに対して接続処理を行って、第2トポロジ構造マップを得ることは、
前記第1トポロジ構造マップにおいて前記目標対象物に対応する接続領域を抽出することと、
前記第1トポロジ構造マップにおいて前記接続領域との接続値が接続閾値よりも低いボクセルポイントを除去して、第2トポロジ構造マップを得ることと、を含むことを特徴とする請求項9に記載の方法。 - 前記距離フィールド値セットに基づいて、前記第2トポロジ構造マップに対して構造再構成を行って、前記被処理画像における目標対象物の最終分割結果を得ることは、
前記第2トポロジ構造マップにおける各点を球心とし、前記距離フィールド値セットにおける各距離フィールド値を半径として描画し、前記描画されたものに含まれる重畳領域を前記第2トポロジ構造マップに加え、前記被処理画像における目標対象物の最終分割結果を得ることを含むことを特徴とする請求項9又は10に記載の方法。 - 被処理画像に対して特徴抽出を行って、中間処理画像を得ることの前に、
前記被処理画像に対して、再サンプリング、数値限定、及び正規化のうち1つ又は複数を含む前処理を行うことを更に含むことを特徴とする請求項1〜11のいずれか一項に記載の方法。 - 被処理画像に対して特徴抽出を行って、中間処理画像を得るための特徴抽出モジュールと、
前記中間処理画像に対して分割処理を行って、第1分割結果を得るための分割モジュールと、
前記第1分割結果の構造情報に基づいて、前記第1分割結果に対して構造再構成を行って、前記被処理画像における目標対象物の最終分割結果を得るための構造再構成モジュールと、を含むことを特徴とする画像処理装置。 - 前記特徴抽出モジュールは、
前記被処理画像を所定の方向に切り割って、複数の被処理部分画像を得るための切り割りサブモジュールと、
各前記被処理部分画像に対して特徴抽出を行って、各被処理部分画像にそれぞれ対応する中間処理部分画像を得るための特徴抽出サブモジュールと、
前記所定の方向に沿って前記中間処理部分画像を繋ぎ合わせて、中間処理画像を得るための繋ぎ合わせサブモジュールと、を含むことを特徴とする請求項13に記載の装置。 - 前記切り割りサブモジュールは、
前記被処理画像において複数の切り割り中心を決定することと、
前記切り割り中心の位置に応じて、前記被処理画像を所定の方向に切り割って、複数の被処理部分画像を得ることであって、切り割り中心のそれぞれは、対応する被処理部分画像の中心に位置し、隣接する被処理部分画像の間には重畳領域があることとに用いられることを特徴とする請求項14に記載の装置。 - 前記切り割りサブモジュールの前に、
前記被処理画像を前記所定の方向以外の方向に、特定パラメータに基づいて縮小拡大処理するための縮小拡大サブモジュールを更に含むことを特徴とする請求項14又は15に記載の装置。 - 前記特徴抽出モジュールの前に、
トレーニングサンプルデータセットを取得するためのサンプル取得サブモジュールと、
前記トレーニングサンプルデータセットに基づいて、特徴抽出のためのニューラルネットワークをトレーニングするためのトレーニングサブモジュールとを備えるトレーニングモジュールを更に含むことを特徴とする請求項13〜16のいずれか一項に記載の装置。 - 前記サンプル取得サブモジュールは、
生データを補正して、補正ラベル付きデータを得ることと、
前記補正ラベル付きデータに基づいてトレーニングサンプルデータセットを取得することとに用いられることを特徴とする請求項17に記載の装置。 - 前記トレーニングサブモジュールは、
前記トレーニングサンプルデータセットと予め設定された重み係数に基づいて、前記ニューラルネットワークのグローバル損失と偽陽性ペナルティ損失をそれぞれ取得することと、
前記グローバル損失と前記偽陽性ペナルティ損失に基づいて、前記ニューラルネットワークの損失関数を決定することと、
前記損失関数の逆伝播により、前記ニューラルネットワークをトレーニングすることとに用いられることを特徴とする請求項17又は18に記載の装置。 - 前記分割モジュールは、
深層学習フレームワークによってグラフィックプロセッサで実現されるGrow Cutにより、前記中間処理画像に対して分割処理を行って、第1分割結果を得ることに用いられることを特徴とする請求項13〜19のいずれか一項に記載の装置。 - 前記構造再構成モジュールは、
前記第1分割結果に対して中心抽出を行って、中心領域画像、及び前記中心領域画像における全ボクセルポイントと前記第1分割結果における目標対象物の境界との間の距離フィールド値のセットである距離フィールド値セットを得るための中心抽出サブモジュールと、
前記中心領域画像に基づいて、前記目標対象物の第1トポロジ構造マップを生成するためのトポロジ構造生成サブモジュールと、
前記第1トポロジ構造マップに対して接続処理を行って、第2トポロジ構造マップを得るための接続処理サブモジュールと、
前記距離フィールド値セットに基づいて、前記第2トポロジ構造マップに対して構造再構成を行って、前記被処理画像における目標対象物の最終分割結果を得るための構造再構成サブモジュールと、を含むことを特徴とする請求項13〜20のいずれか一項に記載の装置。 - 前記接続処理サブモジュールは、
前記第1トポロジ構造マップにおいて前記目標対象物に対応する接続領域を抽出することと、
前記第1トポロジ構造マップにおいて前記接続領域との接続値が接続閾値よりも低いボクセルポイントを除去して、第2トポロジ構造マップを得ることとに用いられることを特徴とする請求項21に記載の装置。 - 前記構造再構成サブモジュールは、
前記第2トポロジ構造マップにおける各点を球心とし、前記距離フィールド値セットにおける各距離フィールド値を半径として描画し、前記描画されたものに含まれる重畳領域を前記第2トポロジ構造マップに加え、前記被処理画像における目標対象物の最終分割結果を得ることに用いられることを特徴とする請求項21又は22に記載の装置。 - 前記特徴抽出モジュールの前に、
前記被処理画像に対して、再サンプリング、数値限定、及び正規化のうち1つ又は複数を含む前処理を行うための前処理モジュールを更に含むことを特徴とする請求項13〜23のいずれか一項に記載の装置。 - プロセッサと、
プロセッサにより実行可能なコマンドを記憶するためのメモリと、を含み、
前記プロセッサは、前記メモリに記憶されたコマンドを呼び出して請求項1〜12のいずれか一項に記載の方法を実行するように構成されることを特徴とする電子機器。 - コンピュータプログラムコマンド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、前記コンピュータプログラムコマンドは、プロセッサにより実行されると、請求項1〜12のいずれか一項に記載の方法を実現させることを特徴とするコンピュータ読取可能記憶媒体。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910315190.9 | 2019-04-18 | ||
CN201910315190.9A CN110047078B (zh) | 2019-04-18 | 2019-04-18 | 图像处理方法及装置、电子设备和存储介质 |
PCT/CN2019/106642 WO2020211284A1 (zh) | 2019-04-18 | 2019-09-19 | 图像处理方法及装置、电子设备和存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2022502739A true JP2022502739A (ja) | 2022-01-11 |
JP7186287B2 JP7186287B2 (ja) | 2022-12-08 |
Family
ID=67277838
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2021515101A Active JP7186287B2 (ja) | 2019-04-18 | 2019-09-19 | 画像処理方法及び装置、電子機器並びに記憶媒体 |
Country Status (7)
Country | Link |
---|---|
US (1) | US20210158533A1 (ja) |
JP (1) | JP7186287B2 (ja) |
KR (1) | KR20210082234A (ja) |
CN (1) | CN110047078B (ja) |
SG (1) | SG11202013156UA (ja) |
TW (1) | TWI779238B (ja) |
WO (1) | WO2020211284A1 (ja) |
Families Citing this family (28)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110047078B (zh) * | 2019-04-18 | 2021-11-09 | 北京市商汤科技开发有限公司 | 图像处理方法及装置、电子设备和存储介质 |
CN110428003B (zh) * | 2019-07-31 | 2022-04-22 | 清华大学 | 样本类别标签的修正方法、装置以及电子设备 |
CN112418240A (zh) * | 2019-08-21 | 2021-02-26 | 上海商汤临港智能科技有限公司 | 图像处理方法、装置、设备和存储介质 |
CN112446911A (zh) * | 2019-08-29 | 2021-03-05 | 阿里巴巴集团控股有限公司 | 中心线提取、界面交互与模型训练方法、系统及设备 |
CN110751179B (zh) * | 2019-09-18 | 2022-04-12 | 无锡祥生医疗科技股份有限公司 | 超声设备 |
US11868437B1 (en) * | 2019-09-30 | 2024-01-09 | Sighthound, Inc. | Training set enhancement for neural networks |
US11348246B2 (en) * | 2019-11-11 | 2022-05-31 | Adobe Inc. | Segmenting objects in vector graphics images |
CN111178445A (zh) * | 2019-12-31 | 2020-05-19 | 上海商汤智能科技有限公司 | 图像处理方法及装置 |
CN111179264B (zh) * | 2020-01-10 | 2023-10-03 | 中国人民解放军总医院 | 标本的复原图制作方法、装置、标本处理系统、电子设备 |
CN111325759B (zh) * | 2020-03-13 | 2024-04-16 | 上海联影智能医疗科技有限公司 | 血管分割方法、装置、计算机设备及可读存储介质 |
CN111402268B (zh) * | 2020-03-16 | 2023-05-23 | 苏州科技大学 | 一种医学图像中肝脏及其病灶分割的方法 |
JP7297705B2 (ja) * | 2020-03-18 | 2023-06-26 | 株式会社東芝 | 処理装置、処理方法、学習装置およびプログラム |
CN111461065B (zh) * | 2020-04-24 | 2024-01-05 | 上海联影医疗科技股份有限公司 | 管状结构识别方法、装置、计算机设备和可读存储介质 |
EP3916633A1 (de) * | 2020-05-25 | 2021-12-01 | Sick Ag | Kamera und verfahren zum verarbeiten von bilddaten |
CN111862045B (zh) * | 2020-07-21 | 2021-09-07 | 上海杏脉信息科技有限公司 | 血管模型的生成方法及装置 |
CN112541876B (zh) * | 2020-12-15 | 2023-08-04 | 北京百度网讯科技有限公司 | 卫星图像处理方法、网络训练方法、相关装置及电子设备 |
CN112785573A (zh) * | 2021-01-22 | 2021-05-11 | 上海商汤智能科技有限公司 | 图像处理方法及相关装置、设备 |
CN113450277B (zh) * | 2021-06-29 | 2023-08-22 | 上海长征医院 | 一种医学图像处理方法、介质及电子设备 |
CN113628215B (zh) * | 2021-06-29 | 2022-10-04 | 展讯通信(上海)有限公司 | 图像处理方法、系统、设备及存储介质 |
DE102022003324A1 (de) | 2021-09-15 | 2023-03-16 | Mercedes-Benz Group AG | System für die Verbesserung der Lokalisierung von wichtigen Verkehrspunkten und Verfahren davon |
CN114092712A (zh) * | 2021-11-29 | 2022-02-25 | 北京字节跳动网络技术有限公司 | 图像生成方法、装置、可读介质和电子设备 |
US20230177747A1 (en) * | 2021-12-06 | 2023-06-08 | GE Precision Healthcare LLC | Machine learning generation of low-noise and high structural conspicuity images |
CN114004836B (zh) * | 2022-01-04 | 2022-04-01 | 中科曙光南京研究院有限公司 | 一种基于深度学习的自适应生物医学影像分割方法 |
US20230237620A1 (en) * | 2022-01-27 | 2023-07-27 | Sonic Star Global Limited | Image processing system and method for processing image |
CN118037622A (zh) * | 2022-11-07 | 2024-05-14 | 华为云计算技术有限公司 | 一种图像处理方法、装置、电子设备和存储介质 |
CN115761383B (zh) * | 2023-01-06 | 2023-04-18 | 北京匠数科技有限公司 | 一种图像分类方法、装置、电子设备及介质 |
CN116486086B (zh) * | 2023-04-28 | 2023-10-03 | 安徽星太宇科技有限公司 | 一种基于热红外遥感影像的目标检测方法 |
CN116758085B (zh) * | 2023-08-21 | 2023-11-03 | 山东昆仲信息科技有限公司 | 一种气体污染红外图像视觉辅助检测方法 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20090136103A1 (en) * | 2005-06-24 | 2009-05-28 | Milan Sonka | System and methods for image segmentation in N-dimensional space |
JP2012088796A (ja) * | 2010-10-15 | 2012-05-10 | Kddi Corp | 画像領域分割装置、画像領域分割方法および画像領域分割プログラム |
CN108122236A (zh) * | 2017-12-18 | 2018-06-05 | 上海交通大学 | 基于距离调制损失的迭代式眼底图像血管分割方法 |
CN108171703A (zh) * | 2018-01-18 | 2018-06-15 | 东北大学 | 一种从胸部ct图像中自动提取气管树的方法 |
CN108898578A (zh) * | 2018-05-29 | 2018-11-27 | 杭州晟视科技有限公司 | 一种医疗图像的处理方法、装置及计算机存储介质 |
CN109493328A (zh) * | 2018-08-31 | 2019-03-19 | 上海联影智能医疗科技有限公司 | 医学图像显示方法、查看设备以及计算机设备 |
Family Cites Families (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101184428B (zh) * | 2005-04-01 | 2013-09-25 | 视声公司 | 利用超声波使血管结构三维可视化的方法 |
US8073226B2 (en) * | 2006-06-30 | 2011-12-06 | University Of Louisville Research Foundation, Inc. | Automatic detection and monitoring of nodules and shaped targets in image data |
CN102324109B (zh) * | 2011-09-26 | 2014-06-18 | 上海理工大学 | 基于模糊隶属度模型的非实质性肺结节三维分割方法 |
CN102917175A (zh) * | 2012-09-13 | 2013-02-06 | 西北工业大学 | 基于相机阵列合成孔径成像的遮挡多目标自动抠像方法 |
CN103247071B (zh) * | 2013-03-29 | 2015-11-11 | 哈尔滨工业大学深圳研究生院 | 一种构建三维血管模型方法及设备 |
CN103247073B (zh) * | 2013-04-18 | 2016-08-10 | 北京师范大学 | 基于树状结构的三维脑血管模型构造方法 |
CN104156935B (zh) * | 2013-05-14 | 2018-01-02 | 东芝医疗系统株式会社 | 图像分割装置、图像分割方法和医学图像设备 |
US9530206B2 (en) * | 2015-03-31 | 2016-12-27 | Sony Corporation | Automatic 3D segmentation and cortical surfaces reconstruction from T1 MRI |
CN105631880B (zh) * | 2015-12-31 | 2019-03-22 | 百度在线网络技术(北京)有限公司 | 车道线分割方法和装置 |
CN107977969B (zh) * | 2017-12-11 | 2020-07-21 | 北京数字精准医疗科技有限公司 | 一种内窥镜荧光图像的分割方法、装置及存储介质 |
CN109345549A (zh) * | 2018-10-26 | 2019-02-15 | 南京览众智能科技有限公司 | 一种基于自适应复合近邻图的自然场景图像分割方法 |
CN110047078B (zh) * | 2019-04-18 | 2021-11-09 | 北京市商汤科技开发有限公司 | 图像处理方法及装置、电子设备和存储介质 |
-
2019
- 2019-04-18 CN CN201910315190.9A patent/CN110047078B/zh active Active
- 2019-09-19 JP JP2021515101A patent/JP7186287B2/ja active Active
- 2019-09-19 KR KR1020217016104A patent/KR20210082234A/ko not_active Application Discontinuation
- 2019-09-19 SG SG11202013156UA patent/SG11202013156UA/en unknown
- 2019-09-19 WO PCT/CN2019/106642 patent/WO2020211284A1/zh active Application Filing
- 2019-10-16 TW TW108137264A patent/TWI779238B/zh active
-
2020
- 2020-12-30 US US17/138,746 patent/US20210158533A1/en not_active Abandoned
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20090136103A1 (en) * | 2005-06-24 | 2009-05-28 | Milan Sonka | System and methods for image segmentation in N-dimensional space |
JP2012088796A (ja) * | 2010-10-15 | 2012-05-10 | Kddi Corp | 画像領域分割装置、画像領域分割方法および画像領域分割プログラム |
CN108122236A (zh) * | 2017-12-18 | 2018-06-05 | 上海交通大学 | 基于距离调制损失的迭代式眼底图像血管分割方法 |
CN108171703A (zh) * | 2018-01-18 | 2018-06-15 | 东北大学 | 一种从胸部ct图像中自动提取气管树的方法 |
CN108898578A (zh) * | 2018-05-29 | 2018-11-27 | 杭州晟视科技有限公司 | 一种医疗图像的处理方法、装置及计算机存储介质 |
CN109493328A (zh) * | 2018-08-31 | 2019-03-19 | 上海联影智能医疗科技有限公司 | 医学图像显示方法、查看设备以及计算机设备 |
Also Published As
Publication number | Publication date |
---|---|
KR20210082234A (ko) | 2021-07-02 |
US20210158533A1 (en) | 2021-05-27 |
JP7186287B2 (ja) | 2022-12-08 |
SG11202013156UA (en) | 2021-02-25 |
WO2020211284A1 (zh) | 2020-10-22 |
TWI779238B (zh) | 2022-10-01 |
CN110047078A (zh) | 2019-07-23 |
TW202038848A (zh) | 2020-11-01 |
CN110047078B (zh) | 2021-11-09 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP7186287B2 (ja) | 画像処理方法及び装置、電子機器並びに記憶媒体 | |
US20210319560A1 (en) | Image processing method and apparatus, and storage medium | |
JP7118244B2 (ja) | グラフィックコード認識方法及び装置、並びに、端末及びプログラム | |
CN109829920B (zh) | 图像处理方法及装置、电子设备和存储介质 | |
TWI754375B (zh) | 圖像處理方法、電子設備、電腦可讀儲存介質 | |
WO2020211293A1 (zh) | 一种图像分割方法及装置、电子设备和存储介质 | |
WO2022151755A1 (zh) | 目标检测方法及装置、电子设备、存储介质、计算机程序产品和计算机程序 | |
CN112541928A (zh) | 网络训练方法及装置、图像分割方法及装置和电子设备 | |
CN112767329A (zh) | 图像处理方法及装置、电子设备 | |
TWI765386B (zh) | 神經網路訓練及圖像分割方法、電子設備和電腦儲存介質 | |
CN111325729A (zh) | 基于生物医学影像的生物组织的分割方法和通信终端 | |
CN113012166A (zh) | 颅内动脉瘤分割方法及装置、电子设备和存储介质 | |
WO2022032998A1 (zh) | 图像处理方法及装置、电子设备、存储介质和程序产品 | |
CN112967291A (zh) | 图像处理方法及装置、电子设备和存储介质 | |
CN114820584A (zh) | 肺部病灶定位装置 | |
CN112927239A (zh) | 图像处理方法、装置、电子设备及存储介质 | |
CN115239999A (zh) | 蛋白质电子密度图处理方法、装置、电子设备和存储介质 | |
CN114418931A (zh) | 术后剩余肺叶的提取方法及装置、电子设备和存储介质 | |
KR20220012407A (ko) | 이미지 분할 방법 및 장치, 전자 기기 및 저장 매체 | |
WO2022012038A1 (zh) | 图像处理方法及装置、电子设备、存储介质和程序产品 | |
CN116523914B (zh) | 一种动脉瘤分类识别装置、方法、设备、存储介质 | |
CN115171873A (zh) | 慢阻肺的识别方法及装置、电子设备和存储介质 | |
CN114782390A (zh) | 检测模型的确定方法、息肉检测方法、装置、介质及设备 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20210318 |
|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20210318 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20220517 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20220812 |
|
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: 20221115 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20221128 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 7186287 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |