JP2023103359A - 学習装置、x線画像処理システム、および、学習モデルの生成方法 - Google Patents
学習装置、x線画像処理システム、および、学習モデルの生成方法 Download PDFInfo
- Publication number
- JP2023103359A JP2023103359A JP2023079096A JP2023079096A JP2023103359A JP 2023103359 A JP2023103359 A JP 2023103359A JP 2023079096 A JP2023079096 A JP 2023079096A JP 2023079096 A JP2023079096 A JP 2023079096A JP 2023103359 A JP2023103359 A JP 2023103359A
- Authority
- JP
- Japan
- Prior art keywords
- image
- ray
- specific portion
- learning model
- dimensional
- 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 167
- 238000000034 method Methods 0.000 title claims abstract description 29
- 238000010801 machine learning Methods 0.000 claims abstract description 44
- 238000002591 computed tomography Methods 0.000 claims description 103
- 239000003550 marker Substances 0.000 claims description 81
- 238000003384 imaging method Methods 0.000 claims description 54
- 210000000988 bone and bone Anatomy 0.000 claims description 37
- 238000004088 simulation Methods 0.000 claims description 10
- 238000012549 training Methods 0.000 claims description 9
- 230000002194 synthesizing effect Effects 0.000 claims 4
- 238000000605 extraction Methods 0.000 abstract description 19
- 230000008030 elimination Effects 0.000 abstract 1
- 238000003379 elimination reaction Methods 0.000 abstract 1
- 230000002401 inhibitory effect Effects 0.000 abstract 1
- 238000001959 radiotherapy Methods 0.000 description 34
- 238000010586 diagram Methods 0.000 description 17
- 238000002583 angiography Methods 0.000 description 11
- 230000005855 radiation Effects 0.000 description 10
- 238000001514 detection method Methods 0.000 description 9
- 206010028980 Neoplasm Diseases 0.000 description 6
- 230000000694 effects Effects 0.000 description 5
- 230000006870 function Effects 0.000 description 5
- 230000001678 irradiating effect Effects 0.000 description 5
- 239000000284 extract Substances 0.000 description 4
- 239000000470 constituent Substances 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 201000011510 cancer Diseases 0.000 description 2
- 230000006866 deterioration Effects 0.000 description 2
- 238000002594 fluoroscopy Methods 0.000 description 2
- 238000002595 magnetic resonance imaging Methods 0.000 description 2
- 239000002184 metal Substances 0.000 description 2
- 238000002360 preparation method Methods 0.000 description 2
- 230000029058 respiratory gaseous exchange Effects 0.000 description 2
- 230000011218 segmentation Effects 0.000 description 2
- 230000001225 therapeutic effect Effects 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 1
- 238000013170 computed tomography imaging Methods 0.000 description 1
- 238000013527 convolutional neural network Methods 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 230000002542 deteriorative effect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 238000001727 in vivo Methods 0.000 description 1
- 238000002372 labelling Methods 0.000 description 1
- 230000001151 other effect Effects 0.000 description 1
- 238000002601 radiography Methods 0.000 description 1
- 210000001519 tissue Anatomy 0.000 description 1
Images
Landscapes
- Image Analysis (AREA)
- Apparatus For Radiation Diagnosis (AREA)
- Image Processing (AREA)
Abstract
Description
図1~図11を参照して、本発明の第1実施形態によるX線画像処理システム100の構成について説明する。
図1に示すように、X線画像処理システム100は、放射線治療装置1と、治療計画装置2と、学習装置3と、X線撮影部4と、X線画像処理装置5と、を備える。なお、学習装置3およびX線画像処理装置5は、特許請求の範囲の「医用画像処理装置」の一例である。
ここで、本実施形態では、DRR画像生成部31によって、CT画像データCに基づいて、被検体Pの特定部分Qを含む領域についてのDRR画像Dが生成され取得される。そして、教師画像生成部32によって、取得されたDRR画像Dに対して、被検体Pとは別個の所定の物体に関する画像を含む物体形状画像Bが加えられている画像と、DRR画像Dに対して物体形状画像Bが減じられている画像との少なくとも一方を含む入力教師画像T1が生成される。また、教師画像生成部32によって、入力教師画像T1と同じ領域における特定部分Qを示す画像である出力教師画像T2が生成される。そして、学習モデル生成部33によって、入力教師画像T1および出力教師画像T2を用いて、機械学習を行うことにより、特定部分Qの抽出を行うための第1学習モデルM1を生成する。
DRR画像生成部31は、図6に示すように、コンピュータ断層撮影による3次元データであるCT画像データCに基づいて、デジタル再構成シミュレーションによって特定部分Qを含むDRR画像Dを生成する。なお、DRR画像Dは、特許請求の範囲における「2次元投影画像」の一例である。
CT画像データCに基づいて生成されたDRR画像Dと、X線撮影部4によって撮影されたX線透視画像Aとでは、画像に含まれる構成物が異なる場合がある。たとえば、図7に示すように、X線検出部42に含まれるFPDのカバーFは、CT画像データCに基づいて生成されるDRR画像Dには含まれないが、X線透視画像Aには含まれる場合がある。このように、DRR画像Dに含まれる構成物とX線透視画像Aに含まれる構成物との間に差異がある場合、学習モデルを用いた特定部分Qの抽出の精度が低下する場合がある。そのため、DRR画像Dに含まれる構成物とX線透視画像Aに含まれる構成物との間に差異がある場合においても特定部分Qの抽出が精度よく行われるように、教師画像生成部32によって、DRR画像Dに対して処理を行う。言い換えると、DRR画像Dに含まれる構成物をX線透視画像Aに含まれる構成物に対応させた状態のDRR画像Dを入力教師画像T1として機械学習を行う。
学習モデル生成部33は、図5に示すように、教師画像生成部32によって生成された入力教師画像T1を入力層として取得する。そして、学習モデル生成部33は、治療計画装置2において登録された特定部分Qの領域を表すように教師画像生成部32によって生成された2チャンネルのラベル画像である出力教師画像T2を出力層として取得する。そして、学習モデル生成部33は、入力層および出力層を用いて、機械学習を行う。学習モデル生成部33は、学習モデルとして使用する畳み込み層を学習することによって、第1学習モデルM1を生成する。そして、特定部分処理部51は、生成された第1学習モデルM1を用いて、X線透視画像Aにおける特定部分Qの領域を抽出する。X線透視画像Aを入力層として、学習モデル生成部33によって生成された第1学習モデルM1を用いることにより、出力層として2チャンネルのラベル画像である出力画像Aαを生成する。
続いて、図11を参照して、第2学習モデルM2に関して説明する。特定部分Qを抽出するために用いられた第1学習モデルM1と異なり、第2学習モデルM2は、被検体Pの体内に留置されたマーカーEを抽出するために用いられる。
次に、図12を参照して、学習装置3による第1学習モデルM1の生成方法について説明する。
次に、図13を参照して、第1実施形態によるX線画像処理システム100による制御処理フローについて説明する。
次に、図14を参照して、第1実施形態におけるX線画像処理システム100の使用例について説明する。本発明の第1実施形態によるX線画像処理システム100が用いられる放射線治療は、がんなどの腫瘍に対して放射線(たとえば、高エネルギーのX線)を照射することによって、がんなどの腫瘍を治療する方法である。
第1実施形態では、以下のような効果を得ることができる。
図15~図20を参照して、第2実施形態によるX線画像処理システム200の構成について説明する。この第2実施形態は、放射線治療において特定部分Qを抽出(追跡)するように構成した第1実施形態とは異なり、血管造影において、骨部Hである特定部分QをX線画像A2上から除去して表示するように構成されている。なお、図中において、上記第1実施形態と同様の構成の部分には、同一の符号を付して図示するとともに説明を省略する。ここで、第2実施形態では、特定部分Qは骨部Hを含む。
図15および図16に示すように、本発明の第2実施形態によるX線画像処理システム200は、表示装置201、CT装置202、学習装置203、X線撮影部204、および、X線画像処理装置205を備える。図17に示すように、X線画像処理システム200は、血管造影の際に、DRR画像D201およびDRR画像D202を用いた機械学習によってX線画像A2から骨部Hを除去するように学習された第3学習モデルM3に基づいて、X線画像A2から骨部Hを除去するように構成されている。また、X線画像処理システム200は、DRR画像D201およびDRR画像D202に含まれる構成物とX線画像A2に含まれる構成物との間に差異がある場合においても、精度よく骨部Hを除去することが可能な第3学習モデルM3を生成するように構成されている。なお、第3学習モデルM3は、特許請求の範囲の「第1学習モデル」の一例である。
次に、図21を参照して、第2実施形態によるX線画像処理システム200による制御処理フローについて説明する。
第2実施形態では、以下のような効果を得ることができる。
なお、今回開示された実施形態は、すべての点で例示であって制限的なものではないと考えられるべきである。本発明の範囲は、上記した実施形態の説明ではなく特許請求の範囲によって示され、さらに特許請求の範囲と均等の意味および範囲内でのすべての変更(変形例)が含まれる。
[態様]
上記した例示的な実施形態は、以下の態様の具体例であることが当業者により理解される。
3次元における画素値データを有する3次元データに基づいて取得された被検体の特定部分を含む領域についての2次元投影画像に対して、前記被検体とは別個の所定の物体に関する画像を含む物体形状画像が加えられている画像と、前記2次元投影画像に対して前記物体形状画像が減じられている画像と、の少なくとも一方を含む入力教師画像と、前記入力教師画像と同じ領域における前記特定部分を示す画像または前記特定部分を除く画像である出力教師画像と、を生成する学習画像生成部と、
前記入力教師画像および前記出力教師画像を用いて、機械学習を行うことにより、前記特定部分を抽出するか、または、前記特定部分を除去するための第1学習モデルを生成する学習モデル生成部と、
学習済みの前記第1学習モデルに基づいて、X線撮影によって取得された前記被検体の前記特定部分を含むX線画像に対して、前記特定部分を抽出する処理と、前記特定部分を除去する処理とのいずれか一方を行う特定部分処理部と、を備える、医用画像処理装置。
前記物体形状画像は、前記所定の物体として、X線を検出するための検出器および前記被検体が載置される天板の少なくとも一方を含む構造物と、前記所定の物体として、マーカー、ガイドワイヤ、および、カテーテルの少なくとも1つを含む前記被検体の体内に留置される部材と、の少なくとも一方を模した画像と、前記構造物と前記部材との少なくとも一方を撮影した画像と、の少なくとも一方を含む、項目1に記載の医用画像処理装置。
前記特定部分を示すためのマーカーが前記被検体の体内に留置された状態で生成された前記入力教師画像であるマーカー抽出用入力教師画像と、前記マーカーの位置を示す画像であるマーカー抽出用出力教師画像とを用いて、前記学習モデル生成部によって機械学習を行うことにより生成された、第2学習モデルに基づいて、X線撮影によって取得された前記被検体の前記特定部分を含むX線画像に対して、前記マーカーを抽出することによって前記特定部分を抽出する処理と、前記特定部分を除去する処理とのいずれか一方を行うマーカー処理部をさらに備え、
前記特定部分処理部と前記マーカー処理部とのいずれによって、処理を行うかが選択可能なように構成されている、項目1または2のいずれか1項に記載の医用画像処理装置。
入力操作を受け付ける操作部をさらに備え、
前記操作部に対する操作の入力を受け付けたことに基づいて、前記特定部分処理部と前記マーカー処理部とのいずれによって処理を行うかが選択可能なように構成されている、項目3に記載の医用画像処理装置。
前記学習画像生成部と前記学習モデル生成部とを含む第1制御部と、
前記特定部分処理部を含む第2制御部と、をさらに備える、項目1~4のいずれか1項に記載の医用画像処理装置。
前記学習画像生成部は、前記入力教師画像を生成する際、前記2次元投影画像に対して前記被検体とは別個の前記所定の物体に関する画像を含む前記物体形状画像を、ランダムな位置にランダムな大きさで加えることと、前記2次元投影画像に対して前記物体形状画像をランダムな位置にランダムな大きさで減じることと、の少なくとも一方を行うように構成されている、項目1~5のいずれか1項に記載の医用画像処理装置。
前記特定部分は、骨部を含み、
前記学習画像生成部は、前記入力教師画像と同じ領域における前記骨部を含む前記特定部分を除くように生成された前記2次元投影画像に対して、前記入力教師画像と同じ位置に同じ大きさの前記物体形状画像が加えられている画像と、前記骨部を含む前記特定部分を除くように生成された前記2次元投影画像に対して、同じ位置に同じ大きさの前記物体形状画像が減じられている画像と、の少なくとも一方を含むように前記出力教師画像を生成するように構成されている、項目1~6のいずれか1項に記載の医用画像処理装置。
前記学習画像生成部は、コンピュータ断層撮影による前記3次元データに基づいて、前記2次元投影画像をデジタル再構成シミュレーションにより生成するとともに、生成された前記2次元投影画像に対して2次元の前記物体形状画像を加えることと、前記生成された2次元投影画像に対して2次元の前記物体形状画像を減じることと、の少なくとも一方を行うことによって、前記入力教師画像を生成するように構成されている、項目1~7のいずれか1項に記載の医用画像処理装置。
前記学習画像生成部は、コンピュータ断層撮影による前記3次元データに対して、3次元の物体形状画素値データを加えることと、前記3次元データに対して3次元の前記物体形状画素値データを減じることとの少なくとも一方を行った状態で、デジタル再構成シミュレーションにより2次元に投影することによって、前記入力教師画像を生成するように構成されている、項目1~8のいずれか1項に記載の医用画像処理装置。
3次元における画素値データを有する3次元データに基づいて取得された被検体の特定部分を含む領域についての2次元投影画像に対して、前記被検体とは別個の所定の物体に関する画像を含む物体形状画像が加えられている画像と、前記2次元投影画像に対して前記物体形状画像が減じられている画像と、の少なくとも一方を含む入力教師画像と、前記入力教師画像と同じ領域における前記特定部分を示す画像または前記特定部分を除く画像である出力教師画像と、を生成する学習画像生成部と、
前記入力教師画像および前記出力教師画像を用いて、機械学習を行うことにより、前記特定部分を抽出するか、または、前記特定部分を除去するための第1学習モデルを生成する学習モデル生成部と、
X線撮影によって前記被検体の前記特定部分を含むX線画像を取得するX線撮影部と、
学習済みの前記第1学習モデルに基づいて、前記X線撮影部によって撮影された前記特定部分を含む前記X線画像に対して、前記特定部分を抽出する処理と、前記特定部分を除去する処理とのいずれか一方を行う特定部分処理部と、を備える、X線画像処理システム。
3次元における画素値データを有する3次元データに基づいて取得された被検体の特定部分を含む領域についての2次元投影画像に対して、前記被検体とは別個の所定の物体に関する画像を含む物体形状画像が加えられている画像と、前記2次元投影画像に対して前記物体形状画像が減じられている画像と、の少なくとも一方を含む入力教師画像を生成するステップと、
前記3次元データに基づいて、前記入力教師画像と同じ領域における前記特定部分を示す画像または前記特定部分を除く画像である出力教師画像を生成するステップと、
前記入力教師画像および前記出力教師画像を用いて、機械学習を行うことにより、前記特定部分を抽出するか、または、前記特定部分を除去するための第1学習モデルを生成するステップと、を備える、学習モデルの生成方法。
1 放射線照射装置
2 治療計画装置
3、203 学習装置(医用画像処理装置)
4、204 X線撮影部
5、205 X線画像処理装置(医用画像処理装置)
11、243 天板
30、230 第1制御部
31、231 DRR画像生成部(学習画像生成部)
32、232 教師画像生成部(学習画像生成部)
33、233 学習モデル生成部
50、250 第2制御部
51 特定部分処理部
52 マーカー処理部
53 操作部
251 骨部処理部(特定部分処理部)
Claims (8)
- X線画像における特定部分を抽出するか、または、前記X線画像における前記特定部分を除去するための第1学習モデルを生成する学習装置であって、
3次元における画素値データを有する3次元データを取得する3次元データ取得部と、
前記特定部分を含み、前記3次元データに対する投影処理に基づいて生成される2次元投影画像に、前記3次元データには含まれない前記特定部分とは別個の所定の物体の画像である物体形状画像が合成された画像を、少なくとも含む入力教師画像を生成する入力教師画像生成部と、
前記3次元データに対する投影処理に基づいて、前記入力教師画像と同じ領域における前記特定部分を示すまたは前記特定部分が除去された出力教師画像を生成する出力教師画像生成部と、
前記入力教師画像および前記出力教師画像を用いて、機械学習を行うことにより、前記第1学習モデルを生成する学習モデル生成部と、を備える、学習装置。 - 前記物体形状画像は、前記所定の物体として、X線を検出するための検出器および被検体が載置される天板の少なくとも一方を含む構造物と、前記所定の物体として、マーカー、ガイドワイヤ、および、カテーテルの少なくとも1つを含む前記被検体の体内に留置される部材と、の少なくとも一方を模した画像と、前記構造物と前記部材との少なくとも一方を撮影した画像と、の少なくとも一方を含む、請求項1に記載の学習装置。
- 前記入力教師画像生成部は、前記入力教師画像を生成する際、前記2次元投影画像に対して前記物体形状画像を、ランダムな位置にランダムな大きさで合成することを少なくとも行うように構成されている、請求項1または2に記載の学習装置。
- 前記特定部分は、骨部を含み、
前記出力教師画像生成部は、前記入力教師画像と同じ領域における前記骨部を含む前記特定部分を除くように生成された前記2次元投影画像に対して、前記入力教師画像と同じ位置に同じ大きさの前記物体形状画像が加えられている画像と、前記骨部を含む前記特定部分を除くように生成された前記2次元投影画像に対して、同じ位置に同じ大きさの前記物体形状画像が減じられている画像と、の少なくとも一方を含むように前記出力教師画像を生成するように構成されている、請求項1または2に記載の学習装置。 - 前記入力教師画像生成部は、コンピュータ断層撮影による前記3次元データに基づいて、前記2次元投影画像をデジタル再構成シミュレーションにより生成するとともに、生成された前記2次元投影画像に対して2次元の前記物体形状画像を合成することを少なくとも行うことによって、前記入力教師画像を生成するように構成されている、請求項1または2に記載の学習装置。
- 前記入力教師画像生成部は、コンピュータ断層撮影による前記3次元データに対して、3次元の物体形状画素値データを合成することを少なくとも行った状態で、デジタル再構成シミュレーションにより2次元に投影することによって、前記入力教師画像を生成するように構成されている、請求項1または2に記載の学習装置。
- X線撮影によって特定部分を含むX線画像を取得するX線撮影部と、
前記X線画像における前記特定部分を抽出するか、または、前記X線画像における前記特定部分を除去するための第1学習モデルを生成する学習装置と、
前記学習装置により学習済みの前記第1学習モデルに基づいて、前記X線撮影部によって撮影された前記特定部分を含む前記X線画像に対して、前記特定部分を抽出する処理と、前記特定部分を除去する処理とのいずれか一方を行う特定部分処理部と、を備え、
前記学習装置は、
3次元における画素値データを有する3次元データを取得する3次元データ取得部と、
前記特定部分を含み、前記3次元データに対する投影処理に基づいて生成される2次元投影画像に、前記3次元データには含まれない前記特定部分とは別個の所定の物体の画像である物体形状画像が合成された画像を、少なくとも含む入力教師画像を生成する入力教師画像生成部と、
前記3次元データに対する投影処理に基づいて、前記入力教師画像と同じ領域における前記特定部分を示すまたは前記特定部分が除去された出力教師画像を生成する出力教師画像生成部と、
前記入力教師画像および前記出力教師画像を用いて、機械学習を行うことにより、前記第1学習モデルを生成する学習モデル生成部と、を含む、X線画像処理システム。 - X線画像における特定部分を抽出するか、または、前記X線画像における前記特定部分を除去するための第1学習モデルを生成する学習モデルの生成方法であって、
3次元における画素値データを有する3次元データを取得するステップと、
前記特定部分を含み、前記3次元データに対する投影処理に基づいて生成される2次元投影画像に、前記3次元データには含まれない前記特定部分とは別個の所定の物体の画像である物体形状画像が合成された画像を、少なくとも含む入力教師画像を生成するステップと、
前記3次元データに対する投影処理に基づいて、前記入力教師画像と同じ領域における前記特定部分を示すまたは前記特定部分が除去された出力教師画像を生成するステップと、
前記入力教師画像および前記出力教師画像を用いて、機械学習を行うことにより、前記第1学習モデルを生成するステップと、を備える、学習モデルの生成方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2023079096A JP2023103359A (ja) | 2019-09-13 | 2023-05-12 | 学習装置、x線画像処理システム、および、学習モデルの生成方法 |
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2019167627A JP2021041089A (ja) | 2019-09-13 | 2019-09-13 | 医用画像処理装置、x線画像処理システム、および、学習モデルの生成方法 |
JP2023079096A JP2023103359A (ja) | 2019-09-13 | 2023-05-12 | 学習装置、x線画像処理システム、および、学習モデルの生成方法 |
Related Parent Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2019167627A Division JP2021041089A (ja) | 2019-09-13 | 2019-09-13 | 医用画像処理装置、x線画像処理システム、および、学習モデルの生成方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
JP2023103359A true JP2023103359A (ja) | 2023-07-26 |
Family
ID=74862575
Family Applications (2)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2019167627A Pending JP2021041089A (ja) | 2019-09-13 | 2019-09-13 | 医用画像処理装置、x線画像処理システム、および、学習モデルの生成方法 |
JP2023079096A Pending JP2023103359A (ja) | 2019-09-13 | 2023-05-12 | 学習装置、x線画像処理システム、および、学習モデルの生成方法 |
Family Applications Before (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2019167627A Pending JP2021041089A (ja) | 2019-09-13 | 2019-09-13 | 医用画像処理装置、x線画像処理システム、および、学習モデルの生成方法 |
Country Status (1)
Country | Link |
---|---|
JP (2) | JP2021041089A (ja) |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2016096902A (ja) * | 2014-11-19 | 2016-05-30 | 株式会社東芝 | 医用画像処理装置、方法、プログラム及び放射線治療装置 |
JP2018082767A (ja) * | 2016-11-21 | 2018-05-31 | 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 |
JP2018089301A (ja) * | 2016-12-07 | 2018-06-14 | 学校法人常翔学園 | 生体画像処理装置、出力画像製造方法、学習結果製造方法、及びプログラム |
WO2018159775A1 (ja) * | 2017-03-03 | 2018-09-07 | 国立大学法人筑波大学 | 対象追跡装置 |
JP2018169672A (ja) * | 2017-03-29 | 2018-11-01 | 三菱電機インフォメーションシステムズ株式会社 | 教師画像を生成する方法、コンピュータおよびプログラム |
WO2019003434A1 (ja) * | 2017-06-30 | 2019-01-03 | 株式会社島津製作所 | 放射線治療用追跡装置、位置検出装置および動体追跡方法 |
US20190201106A1 (en) * | 2018-01-04 | 2019-07-04 | Holo Surgical Inc. | Identification and tracking of a predefined object in a set of images from a medical image scanner during a surgical procedure |
WO2019138438A1 (ja) * | 2018-01-09 | 2019-07-18 | 株式会社島津製作所 | 画像作成装置 |
US20190259153A1 (en) * | 2018-02-22 | 2019-08-22 | Siemens Healthcare Gmbh | Cross domain medical image segmentation |
-
2019
- 2019-09-13 JP JP2019167627A patent/JP2021041089A/ja active Pending
-
2023
- 2023-05-12 JP JP2023079096A patent/JP2023103359A/ja active Pending
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2016096902A (ja) * | 2014-11-19 | 2016-05-30 | 株式会社東芝 | 医用画像処理装置、方法、プログラム及び放射線治療装置 |
JP2018082767A (ja) * | 2016-11-21 | 2018-05-31 | 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 |
JP2018089301A (ja) * | 2016-12-07 | 2018-06-14 | 学校法人常翔学園 | 生体画像処理装置、出力画像製造方法、学習結果製造方法、及びプログラム |
WO2018159775A1 (ja) * | 2017-03-03 | 2018-09-07 | 国立大学法人筑波大学 | 対象追跡装置 |
JP2018169672A (ja) * | 2017-03-29 | 2018-11-01 | 三菱電機インフォメーションシステムズ株式会社 | 教師画像を生成する方法、コンピュータおよびプログラム |
WO2019003434A1 (ja) * | 2017-06-30 | 2019-01-03 | 株式会社島津製作所 | 放射線治療用追跡装置、位置検出装置および動体追跡方法 |
US20190201106A1 (en) * | 2018-01-04 | 2019-07-04 | Holo Surgical Inc. | Identification and tracking of a predefined object in a set of images from a medical image scanner during a surgical procedure |
WO2019138438A1 (ja) * | 2018-01-09 | 2019-07-18 | 株式会社島津製作所 | 画像作成装置 |
US20190259153A1 (en) * | 2018-02-22 | 2019-08-22 | Siemens Healthcare Gmbh | Cross domain medical image segmentation |
Also Published As
Publication number | Publication date |
---|---|
JP2021041089A (ja) | 2021-03-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105658279B (zh) | 放射线治疗装置、系统以及方法 | |
CN104337536B (zh) | 放射线治疗系统 | |
CN109890462A (zh) | 旋转成像和跟踪系统中的在线角度选择 | |
CN109937072A (zh) | 旋转成像和跟踪系统中的离线角度选择 | |
JP5693388B2 (ja) | 画像照合装置、患者位置決め装置及び画像照合方法 | |
JP5345947B2 (ja) | 対象物を撮像する撮像システム及び撮像方法 | |
CN106039576A (zh) | 射野剂量测定系统、设备和方法 | |
CN111918697B (zh) | 医用图像处理装置、治疗系统以及存储介质 | |
US9892526B2 (en) | Radiotherapy apparatus and radiotherapy method | |
JP2017144000A (ja) | 医用画像処理装置、方法、プログラム及び放射線治療装置 | |
CN111918698B (zh) | 医用图像处理装置、治疗系统及存储介质 | |
JP6971537B2 (ja) | 治療計画装置及び治療計画方法 | |
JP2009183468A (ja) | 放射線治療用線量分布測定装置および放射線治療用線量分布測定プログラム | |
CN107050664A (zh) | 用于规划对患者的照射的方法 | |
KR102619994B1 (ko) | 의용 화상 처리 장치, 기억 매체, 의용 장치, 및 치료 시스템 | |
JP7226207B2 (ja) | 医用画像処理装置、x線画像処理システム、および、学習モデルの生成方法 | |
JP6797555B2 (ja) | 医用情報処理装置 | |
JP2018153277A (ja) | X線透視装置 | |
JP2023103359A (ja) | 学習装置、x線画像処理システム、および、学習モデルの生成方法 | |
TWI597618B (zh) | 治療計畫裝置 | |
US8693763B2 (en) | Method and device for determining preferred alignments of a treatment beam generator | |
WO2022190846A1 (ja) | 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、および放射線治療装置 | |
WO2022107399A1 (ja) | 位置決め装置、放射線治療システム、および位置決め方法 | |
WO2024117129A1 (ja) | 医用画像処理装置、治療システム、医用画像処理方法、およびプログラム | |
WO2023233722A1 (ja) | 放射線治療支援装置、放射線治療装置及び放射線治療支援方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20230512 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20231130 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20231205 |
|
A601 | Written request for extension of time |
Free format text: JAPANESE INTERMEDIATE CODE: A601 Effective date: 20240202 |
|
A02 | Decision of refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A02 Effective date: 20240528 |