JP2023077988A - 放射線画像処理装置、放射線画像処理方法、画像処理装置、学習装置、学習データの生成方法、及びプログラム - Google Patents
放射線画像処理装置、放射線画像処理方法、画像処理装置、学習装置、学習データの生成方法、及びプログラム Download PDFInfo
- Publication number
- JP2023077988A JP2023077988A JP2021191531A JP2021191531A JP2023077988A JP 2023077988 A JP2023077988 A JP 2023077988A JP 2021191531 A JP2021191531 A JP 2021191531A JP 2021191531 A JP2021191531 A JP 2021191531A JP 2023077988 A JP2023077988 A JP 2023077988A
- Authority
- JP
- Japan
- Prior art keywords
- noise
- learning
- image
- radiographic
- radiation
- 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
- 238000012545 processing Methods 0.000 title claims abstract description 174
- 230000005855 radiation Effects 0.000 title claims abstract description 148
- 238000000034 method Methods 0.000 title claims description 39
- 238000003672 processing method Methods 0.000 title claims description 5
- 238000004519 manufacturing process Methods 0.000 claims abstract description 86
- 238000009826 distribution Methods 0.000 claims abstract description 37
- 238000003384 imaging method Methods 0.000 claims description 67
- 238000010801 machine learning Methods 0.000 claims description 44
- 230000006870 function Effects 0.000 claims description 26
- OAICVXFJPJFONN-UHFFFAOYSA-N Phosphorus Chemical compound [P] OAICVXFJPJFONN-UHFFFAOYSA-N 0.000 claims description 17
- 238000004458 analytical method Methods 0.000 claims description 14
- 230000002238 attenuated effect Effects 0.000 claims description 9
- 230000035945 sensitivity Effects 0.000 claims description 9
- 238000002601 radiography Methods 0.000 claims description 4
- 238000012549 training Methods 0.000 claims description 2
- 230000009467 reduction Effects 0.000 description 32
- 230000008569 process Effects 0.000 description 23
- 238000003860 storage Methods 0.000 description 20
- 238000013527 convolutional neural network Methods 0.000 description 18
- 238000010586 diagram Methods 0.000 description 14
- 238000012986 modification Methods 0.000 description 10
- 230000004048 modification Effects 0.000 description 10
- 238000013528 artificial neural network Methods 0.000 description 9
- 238000003062 neural network model Methods 0.000 description 8
- 238000007781 pre-processing Methods 0.000 description 8
- 238000006243 chemical reaction Methods 0.000 description 7
- 238000005516 engineering process Methods 0.000 description 5
- 230000000694 effects Effects 0.000 description 4
- 238000007689 inspection Methods 0.000 description 4
- 230000002194 synthesizing effect Effects 0.000 description 4
- 238000004364 calculation method Methods 0.000 description 3
- 239000002775 capsule Substances 0.000 description 3
- 238000013135 deep learning Methods 0.000 description 3
- 238000010606 normalization Methods 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 238000012805 post-processing Methods 0.000 description 3
- 238000013526 transfer learning Methods 0.000 description 3
- 241001465754 Metazoa Species 0.000 description 2
- 239000000654 additive Substances 0.000 description 2
- 230000000996 additive effect Effects 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000007796 conventional method Methods 0.000 description 2
- 230000001066 destructive effect Effects 0.000 description 2
- 210000002569 neuron Anatomy 0.000 description 2
- 239000002245 particle Substances 0.000 description 2
- 238000012546 transfer Methods 0.000 description 2
- 238000003324 Six Sigma (6σ) Methods 0.000 description 1
- 230000004913 activation Effects 0.000 description 1
- 229910021417 amorphous silicon Inorganic materials 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- JJWKPURADFRFRB-UHFFFAOYSA-N carbonyl sulfide Chemical compound O=C=S JJWKPURADFRFRB-UHFFFAOYSA-N 0.000 description 1
- 239000002131 composite material Substances 0.000 description 1
- 239000013078 crystal Substances 0.000 description 1
- 238000003066 decision tree Methods 0.000 description 1
- 230000002950 deficient Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 238000003745 diagnosis Methods 0.000 description 1
- 230000010339 dilation Effects 0.000 description 1
- 239000003814 drug Substances 0.000 description 1
- 230000014509 gene expression Effects 0.000 description 1
- 238000009499 grossing Methods 0.000 description 1
- 230000000415 inactivating effect Effects 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000002156 mixing Methods 0.000 description 1
- 230000001537 neural effect Effects 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 238000011176 pooling Methods 0.000 description 1
- 238000002203 pretreatment Methods 0.000 description 1
- 230000005258 radioactive decay Effects 0.000 description 1
- 238000011946 reduction process Methods 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 238000002603 single-photon emission computed tomography Methods 0.000 description 1
- 238000012706 support-vector machine Methods 0.000 description 1
- 238000003325 tomography Methods 0.000 description 1
- 238000013519 translation Methods 0.000 description 1
Images
Abstract
Description
(放射線撮影システムの構成)
以下、図1A、図1Bを参照して、本開示の実施例1に係る放射線撮影システムについて説明する。図1Aは、本実施例に係る放射線撮影システム1の概略的な構成を示す。なお、以下の説明において、被検査物Oを人体として説明するが、本開示に係る放射線撮影システムによって撮影される被検査物Oは人体に限られず、他の動物や植物、及び非破壊検査の対象物等であってもよい。また、以下では図1Aに示す放射線撮影システムを例として説明を行うが、被検査物Oを撮影する撮影装置は、MRI装置、X線CT装置、3次元超音波撮影装置、光音響トモグラフィ装置、PET/SPECT、OCT装置、光学カメラ等であってもよい。すなわち、本実施例に係る一連の処理は、放射線画像だけでなく、その他の医用画像、光学画像に適用してもよい。
次に、図2A、図2Bを参照して、制御部20(放射線画像処理装置)のより具体的な構成について説明する。図2A、図2Bは、本実施例に係る制御部20の概略的な構成を示す。制御部20には、取得部21、画像処理部22、表示制御部23、駆動制御部24、及び記憶部25が設けられている。
次に、図3A及び図3B、図3Cを参照して、本実施例に係る学習済モデルを構成する機械学習モデルの例について説明する。本実施例に係る推論処理部262が用いる機械学習モデルの一例は多層のニューラルネットワークである。
次に、本実施例に係る学習処理部261の処理の流れについて説明する。
次に、図7を参照して、本実施例に係る推論処理部262の処理の流れについて説明する。図7は、本実施例に係る推論処理部262の一連の画像処理を示すフローチャートである。
上述した実施例においては、製造ばらつき解析部263によって解析された製造ばらつきの影響を、学習データ生成部264で加算する人工ノイズに反映し、それを加算して学習することで、製造ばらつきに対する冗長性を確保する構成を取った。
これまで画像処理として放射線画像のノイズ低減処理についての構成を述べてきたが、本発明においては、学習対象とする処理を放射線画像のノイズ低減処理に制限するものではない。すなわち、適宜の正解データを用いた機械学習によって実現できる画像処理であれば任意のものを適用することができる。図1A、図1B、図2A、図2Bの構成における画像処理部22において、図9のように、任意の機械学習処理部91を持つ構成を取ることができる。他の構成はこれまで図1A、図1B、図2A、図2Bで説明した構成と同じである。
演算処理部266が用いる機械学習モデルについては、CNNの構成として、変分オートエンコーダー(VAE:Variational Auto-Encoder)や、FCN(Fully Convolutional Network)、又はSegNet、DenseNet等、任意の層構成を組み合わせて用いることもできる。また、例えば、カプセルネットワーク(CapsNet:Capsule Network)でもよい。ここで、一般的なニューラルネットワークでは、各ユニット(各ニューロン、あるいは各ノード)はスカラー値を出力するように構成されることによって、例えば、画像における特徴間の空間的な位置関係(相対位置)に関する空間情報が低減されるように構成されている。これにより、例えば、画像の局所的な歪みや平行移動等の影響が低減されるような学習を行うことができる。一方、カプセルネットワークでは、各ユニット(各カプセル)は空間情報をベクトルとして出力するように構成されることよって、例えば、空間情報が保持されるように構成されている。これにより、例えば、画像における特徴間の空間的な位置関係が考慮されたような学習を行うことができる。
また、各種学習済モデルの学習データは、実際の撮影を行う放射線検出器自体を用いて得たデータに限られず、所望の構成に応じて、同型の放射線検出器を用いて得たデータや、同種の放射線検出器を用いて得たデータ等であってもよい。なお、上述の実施例及び変形例に係る、ノイズ低減処理用の学習済モデルは、例えば、放射線画像の輝度値の大小、明部と暗部の順番や傾き、位置、分布、連続性等を特徴量の一部として抽出して、ノイズ低減された放射線画像の生成に係る推定処理に用いているものと考えられる。
本発明は、上述した様々な実施例及び変形例の1以上の機能を実現するソフトウェア(プログラム)を、ネットワーク又は記憶媒体を介してシステム又は装置に供給し、そのシステム又は装置のコンピュータがプログラムを読出し実行する処理でも実現可能である。コンピュータは、1つ又は複数のプロセッサー若しくは回路を有し、コンピュータ実行可能命令を読み出し実行するために、分離した複数のコンピュータ又は分離した複数のプロセッサー若しくは回路のネットワークを含みうる。
20 制御部(画像処理装置)
22 画像処理部
Claims (20)
- 放射線撮影装置により撮影された被検査物の第1の放射線画像を取得する取得手段と、
放射線撮影装置の製造ばらつきに基づく分布に従って放射線撮影装置のシステムノイズを模したノイズを加算した放射線画像を含む学習データを用いて学習して得た学習済モデルに、前記取得手段により取得された第1の放射線画像を入力することにより、前記第1の放射線画像に比べてノイズが低減された第2の放射線画像を生成する生成手段と、
を含む放射線画像処理装置。 - 前記生成手段は、放射線撮影装置の製造ばらつきによって生じるシステムノイズ特性のばらつきの分布に従って前記システムノイズを模したノイズを加算した放射線画像を含む学習データを用いて学習して得た学習済モデルに、前記第1の放射線画像を入力することにより、前記第2の放射線画像を生成することを特徴とする請求項1に記載の放射線画像処理装置。
- 前記生成手段は、前記システムノイズ特性のばらつきの平均と分散とから算出される分布に従う頻度で前記システムノイズを模したノイズを加算した放射線画像を含む学習データを用いて学習して得た学習済モデルに前記第1の放射線画像を入力することにより、前記第2の放射線画像を生成することを特徴とする請求項1または2に記載の画像処理装置。
- 前記分布において決定される範囲内からランダムに選択される前記システムノイズ特性のばらつきに従って前記システムノイズを模したノイズを加算した放射線画像を含む学習データを用いて学習して得た学習済モデルに前記第1の放射線画像を入力することにより、前記第2の放射線画像を生成することを特徴とする請求項1乃至3のいずれか1項に記載の画像処理装置。
- 前記生成手段は、放射線撮影装置の製造ばらつきに基づく分布に従って前記システムノイズを模したノイズと高周波成分が減衰したノイズとを加算した放射線画像を含む学習データを用いて学習して得た学習済モデルに前記第1の放射線画像を入力することにより、前記第2の放射線画像を生成することを特徴とする請求項1乃至4のいずれか1項に記載の放射線画像処理装置。
- 前記生成手段は、放射線撮影装置の製造ばらつきによって生じる前記放射線撮影装置に含まれる蛍光体のMTFの特性の分布に従って高周波成分が減衰したノイズを加算した放射線画像を含む学習データを用いて学習して得た学習済モデルに前記第1の放射線画像を入力することにより、前記第2の放射線画像を生成することを特徴とする請求項5に記載の放射線画像処理装置。
- 前記生成手段は、前記MTFの特性のばらつきの平均と分散とから算出される分布に従う頻度で前記高周波成分が減衰したノイズを加算した放射線画像を含む学習データを用いて学習して得た学習済モデルに前記第1の放射線画像を入力することにより、前記第2の放射線画像を生成することを特徴とする請求項5または6に記載の放射線画像処理装置。
- 前記分布において決定される範囲内からランダムに選択される前記MTFの特性に従って高周波成分が減衰したノイズを加算した放射線画像を含む学習データを用いて学習して得た学習済モデルに前記第1の放射線画像を入力することにより、前記第2の放射線画像を生成することを特徴とする請求項5乃至7のいずれか1項に記載の放射線画像処理装置。
- 被検査物の第1の放射線画像を取得する取得手段と、
放射線撮影装置の製造実績に基づいて得られるシステムノイズに関する統計情報に従ってシステムノイズを模したノイズを加算した放射線画像を含む学習データを用いて学習して得た学習済モデルに前記取得手段により取得された第1の放射線画像を入力することにより、前記第1の放射線画像に比べてノイズが低減された第2の放射線画像を生成する生成手段と、
を含む放射線画像処理装置。 - 前記生成手段は、1つの機種の放射線撮影装置を複数製造した製造実績に基づいて得られる前記統計情報に従って前記システムノイズを模したノイズを加算した放射線画像を含む学習データを用いて学習して得た学習済モデルに前記第1の放射線画像を入力することにより、前記第2の放射線画像を生成することを特徴とする請求項9に記載の放射線画像処理装置。
- 前記生成手段は、異なる機種の撮影装置をそれぞれ複数製造した製造実績に基づいて得られる前記統計情報に従って前記システムノイズを模したノイズを加算した放射線画像を含む学習データを用いて学習して得た学習済モデルに前記第1の放射線画像を入力することにより、前記第2の放射線画像を生成することを特徴とする請求項9または10に記載の放射線画像処理装置。
- 放射線撮影装置により撮影された被検査物の第1の放射線画像を取得する取得手段と、
放射線撮影装置の製造ばらつきに基づいて生成された空間フィルタを用いて解像度を調整した放射線画像を含む学習データを用いて学習して得た学習済モデルに、前記取得手段により取得された第1の放射線画像を入力することにより、前記第1の放射線画像に比べて解像度の高い第2の放射線画像を生成する生成手段と、
を含むことを特徴とする放射線画像処理装置。 - 撮影装置により撮影された被検査物の第1の画像を取得する取得手段と、
撮影装置の製造ばらつきに基づく分布に従ってノイズを加算した画像を含む学習データを用いて学習して得た学習済モデルに、前記取得手段により取得された第1の画像を入力することにより、前記第1の画像に比べてノイズが低減された第2の画像を生成する生成手段と、
を含むことを特徴とする画像処理装置。 - 放射線撮影装置の製造実績に基づいて得られる統計情報に従ってノイズを加算した放射線画像を含む学習データを用いて学習済モデルを学習する学習手段を含む学習装置。
- 撮影装置により撮影された画像に画像処理を行う学習済モデルを機械学習する学習装置であって、前記撮影装置の製造ばらつきによって生じる前記撮影装置の特性の変化を前記学習済モデルの学習における正則化項として追加する学習手段を含む学習装置。
- 放射線撮影装置の製造実績に基づいて得られる統計情報に従ってノイズを加算した放射線画像を含む学習データを生成する生成工程を含む学習データの生成方法。
- 前記製造実績から前記放射線撮影装置のノイズに関する特性の製造ばらつきを解析する解析工程をさらに含み、
前記生成工程は、前記解析工程において前記解析されたノイズに関する特性の製造ばらつきに基づいて得られる前記統計情報に従ってノイズを加算した放射線画像を含む学習データを生成することを特徴とする請求項14に記載の学習データの生成方法。 - 前記ノイズに関する特性は、前記放射線撮影装置のシステムノイズ特性と、前記放射線撮影装置の感度と、前記放射線撮影装置に含まれる蛍光体のMTFの特性とを含み、
前記解析工程は、前記放射線撮影装置のシステムノイズ特性と、前記放射線撮影装置の感度と、前記放射線撮影装置に含まれる蛍光体のMTFの特性との少なくともいずれか1つの製造ばらつきを解析することを特徴とする請求項14または15に記載の学習データの生成方法。 - 放射線撮影装置により撮影された被検査物の第1の放射線画像を取得する取得工程と、
放射線撮影装置の製造ばらつきに基づく分布に従って放射線撮影装置のシステムノイズを模したノイズを加算した放射線画像を含む学習データを用いて学習して得た学習済モデルに、前記取得手段により取得された第1の放射線画像を入力することにより、前記第1の放射線画像に比べてノイズが低減された第2の放射線画像を生成する生成工程と、
を含む放射線画像処理方法。 - コンピュータを、請求項1乃至12のいずれか1項に記載の放射線画像処理装置の各手段として機能させるためのプログラム。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2021191531A JP2023077988A (ja) | 2021-11-25 | 2021-11-25 | 放射線画像処理装置、放射線画像処理方法、画像処理装置、学習装置、学習データの生成方法、及びプログラム |
US18/058,099 US20230162328A1 (en) | 2021-11-25 | 2022-11-22 | Image processing apparatus |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2021191531A JP2023077988A (ja) | 2021-11-25 | 2021-11-25 | 放射線画像処理装置、放射線画像処理方法、画像処理装置、学習装置、学習データの生成方法、及びプログラム |
Publications (1)
Publication Number | Publication Date |
---|---|
JP2023077988A true JP2023077988A (ja) | 2023-06-06 |
Family
ID=86622823
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2021191531A Pending JP2023077988A (ja) | 2021-11-25 | 2021-11-25 | 放射線画像処理装置、放射線画像処理方法、画像処理装置、学習装置、学習データの生成方法、及びプログラム |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP2023077988A (ja) |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2006080852A (ja) * | 2004-09-09 | 2006-03-23 | Olympus Corp | 画像処理装置、電子カメラ、スキャナ、画像処理方法、および画像処理プログラム |
JP2007189589A (ja) * | 2006-01-16 | 2007-07-26 | Sony Corp | 情報処理装置および情報処理方法、学習装置および学習方法、並びにプログラム |
US20170069059A1 (en) * | 2014-11-13 | 2017-03-09 | Huawei Technologies Co., Ltd. | Non-Local Image Denoising |
JP2018206382A (ja) * | 2017-06-01 | 2018-12-27 | 株式会社東芝 | 画像処理システム及び医用情報処理システム |
EP3480782A1 (en) * | 2017-11-02 | 2019-05-08 | Vrije Universiteit Brussel | Method and device for reducing noise in a depth image |
JP2020166814A (ja) * | 2019-03-11 | 2020-10-08 | キヤノン株式会社 | 医用画像処理装置、医用画像処理方法及びプログラム |
JP2021060847A (ja) * | 2019-10-08 | 2021-04-15 | 株式会社ザクティ | ノイズ除去システム |
US20210142476A1 (en) * | 2020-05-18 | 2021-05-13 | Shanghai United Imaging Healthcare Co., Ltd. | Systems and methods for image optimization |
US20210272240A1 (en) * | 2020-03-02 | 2021-09-02 | GE Precision Healthcare LLC | Systems and methods for reducing colored noise in medical images using deep neural network |
-
2021
- 2021-11-25 JP JP2021191531A patent/JP2023077988A/ja active Pending
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2006080852A (ja) * | 2004-09-09 | 2006-03-23 | Olympus Corp | 画像処理装置、電子カメラ、スキャナ、画像処理方法、および画像処理プログラム |
JP2007189589A (ja) * | 2006-01-16 | 2007-07-26 | Sony Corp | 情報処理装置および情報処理方法、学習装置および学習方法、並びにプログラム |
US20170069059A1 (en) * | 2014-11-13 | 2017-03-09 | Huawei Technologies Co., Ltd. | Non-Local Image Denoising |
JP2018206382A (ja) * | 2017-06-01 | 2018-12-27 | 株式会社東芝 | 画像処理システム及び医用情報処理システム |
EP3480782A1 (en) * | 2017-11-02 | 2019-05-08 | Vrije Universiteit Brussel | Method and device for reducing noise in a depth image |
JP2020166814A (ja) * | 2019-03-11 | 2020-10-08 | キヤノン株式会社 | 医用画像処理装置、医用画像処理方法及びプログラム |
JP2021060847A (ja) * | 2019-10-08 | 2021-04-15 | 株式会社ザクティ | ノイズ除去システム |
US20210272240A1 (en) * | 2020-03-02 | 2021-09-02 | GE Precision Healthcare LLC | Systems and methods for reducing colored noise in medical images using deep neural network |
US20210142476A1 (en) * | 2020-05-18 | 2021-05-13 | Shanghai United Imaging Healthcare Co., Ltd. | Systems and methods for image optimization |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110462689B (zh) | 基于深度学习的断层摄影重建 | |
CN107545309B (zh) | 使用深度生成机器学习模型的图像质量评分 | |
CN110807737B (zh) | 迭代图像重建框架 | |
JP7150837B2 (ja) | 機械学習を使用した画像生成 | |
JP7202302B2 (ja) | 断層撮影再構成に使用するためのデータのディープラーニングに基づく推定 | |
Ben Yedder et al. | Deep learning for biomedical image reconstruction: A survey | |
CN107610193B (zh) | 使用深度生成式机器学习模型的图像校正 | |
EP3716214B1 (en) | Medical image processing apparatus and method for acquiring training images | |
JP2020064609A (ja) | 患者固有の深層学習画像ノイズ除去方法およびシステム | |
CN110998602A (zh) | 使用深度学习方法对3d牙颌面结构的分类和3d建模 | |
JP2021013736A (ja) | X線診断システム、画像処理装置及びプログラム | |
JP7475979B2 (ja) | X線システム及び撮像プログラム | |
US20230377314A1 (en) | Out-of-distribution detection of input instances to a model | |
US20230206404A1 (en) | Image processing apparatus, image processing method, and computer-readable medium | |
JP2023077988A (ja) | 放射線画像処理装置、放射線画像処理方法、画像処理装置、学習装置、学習データの生成方法、及びプログラム | |
US20230162328A1 (en) | Image processing apparatus | |
JP2023077989A (ja) | 放射線画像処理装置、放射線画像処理方法、学習装置、学習データの生成方法、及びプログラム | |
Kandarpa | Tomographic image reconstruction with direct neural network approaches | |
CN114730476A (zh) | 有限角度重建的网络确定 | |
US11672498B2 (en) | Information processing method, medical image diagnostic apparatus, and information processing system | |
US20220139006A1 (en) | Information processing method, medical image diagnostic apparatus, and information processing system | |
US20230309937A1 (en) | Spectral x-ray material decomposition method | |
JP2022039989A (ja) | 画像処理装置、画像処理方法、学習装置、学習方法、及びプログラム | |
CN117897722A (zh) | 使用机器学习方法进行的医学图像去噪 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20220915 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20230823 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20230905 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20231031 |
|
RD01 | Notification of change of attorney |
Free format text: JAPANESE INTERMEDIATE CODE: A7421 Effective date: 20231213 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20240130 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20240325 |