JP2023509110A - メッシュトポロジー適応 - Google Patents
メッシュトポロジー適応 Download PDFInfo
- Publication number
- JP2023509110A JP2023509110A JP2022534757A JP2022534757A JP2023509110A JP 2023509110 A JP2023509110 A JP 2023509110A JP 2022534757 A JP2022534757 A JP 2022534757A JP 2022534757 A JP2022534757 A JP 2022534757A JP 2023509110 A JP2023509110 A JP 2023509110A
- Authority
- JP
- Japan
- Prior art keywords
- mesh topology
- mesh
- topology
- spectral
- organ
- 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
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
- G06T7/12—Edge-based segmentation
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H30/00—ICT specially adapted for the handling or processing of medical images
- G16H30/40—ICT specially adapted for the handling or processing of medical images for processing medical images, e.g. editing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T19/00—Manipulating 3D models or images for computer graphics
- G06T19/20—Editing of 3D images, e.g. changing shapes or colours, aligning objects or positioning parts
-
- 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
- G06T7/168—Segmentation; Edge detection involving transform domain methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/30—Determination of transform parameters for the alignment of images, i.e. image registration
- G06T7/33—Determination of transform parameters for the alignment of images, i.e. image registration using feature-based methods
- G06T7/344—Determination of transform parameters for the alignment of images, i.e. image registration using feature-based methods involving models
-
- 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
- G06T2207/10—Image acquisition modality
- G06T2207/10028—Range image; Depth image; 3D point clouds
-
- 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
- G06T2207/30016—Brain
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Public Health (AREA)
- Medical Informatics (AREA)
- Epidemiology (AREA)
- Radiology & Medical Imaging (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Architecture (AREA)
- Computer Graphics (AREA)
- Computer Hardware Design (AREA)
- General Engineering & Computer Science (AREA)
- Software Systems (AREA)
- Measuring And Recording Apparatus For Diagnosis (AREA)
- Image Processing (AREA)
- Image Generation (AREA)
Abstract
臓器を表す第1の予め規定されたメッシュトポロジーを、臓器の第2の異なるメッシュトポロジーに適応させる概念が提示される。そのような概念の1つは、第1のメッシュトポロジーと第2のメッシュトポロジーのスペクトルマッチングに基づいて、第1のメッシュトポロジーと第2のメッシュトポロジーとの対応を識別することを含む。第1の予め規定されたメッシュトポロジーは、第1と第2のメッシュトポロジーの間の識別された対応に基づいて、第2のメッシュトポロジーとアラインされる。
Description
本発明は、メッシュトポロジーの分野に関し、より具体的には、臓器(organ)を表す第1の予め規定されたメッシュトポロジーを、臓器の第2の異なるメッシュトポロジーに適応させることに関する。
注釈付き医用画像は、科学的又は医学的研究、例えば画像セグメンテーション技術の評価及び訓練に広く使用されている。一般的なセグメンテーション技法は、モデルに基づくセグメンテーション(model-based segmentation、MBS)である。この技術により、臓器境界を表す三角形メッシュが、一般的な臓器形状が保たれるように制御される方法で医用画像に適応されることができ、したがって、事前の解剖学的知識に関してセグメンテーションを規則化することができる。このセグメンテーションモデルは、セグメント化された臓器の画像データと対応するグランドトゥルースメッシュを用いて訓練されなければならない。通常、これらのメッシュは臨床医又は研究者によって手動で作成される。しかし、この手動処理には非常に時間がかかる。
同じ臓器について開発された既存のモデルを利用することで、グランドトゥルースメッシュを生成するプロセスが加速されることができ、この場合、既存のモデルは、類似の画像データに関して事前に学習されたものである。別の方法として、臓器の基本的なグランドトゥルースメッシュが既に利用可能でありえ、これは、別のセグメンテーションモデルに関して、臨床医によって事前に描出されたものでありうる。どちらの場合も、(事前のセグメンテーション又は異なるモデルのいずれかから)利用可能なグランドトゥルースメッシュのトポロジーは、既存のモデルトポロジーとマッチしないことがあり(例えば、頂点及び三角形の数がマッチしないことがあり)、モデルに基づくセグメンテーションの場合は、メッシュは、通常、同じトポロジーを持たなければならない。
同じトポロジーにおいて臓器メッシュを得る1つの方法は、2つの異なるメッシュの頂点間の対応(correspondence)を見つけることであり、これは、反復最近傍点(iterative closest point、ICP)又はコヒーレントポイントドリフト(coherent point drift、CPD)のような周知のポイントマッチング方法によって提供されることができた。しかし、これらの方法は、2つの形状間の特徴空間におけるグローバル変換を考慮するが、一方のメッシュの隣接点が他方のメッシュの隣接点に対応するように、空間的規則性がマッピングに組み込まれる必要がある。発明の概要
本発明は、請求項により規定される。
本発明の態様による例により、臓器を表す第1の予め規定されたメッシュトポロジーを、臓器の第2の異なるメッシュトポロジーに適応させる方法が提供される。この方法は、第1及び第2のメッシュトポロジーのスペクトルマッチングに基づいて第1及び第2のメッシュトポロジーの間の対応を識別するステップと、第1及び第2のメッシュトポロジーの間の識別された対応に基づいて、第1の予め規定されたメッシュトポロジーを、第2のメッシュトポロジーとアラインするステップと、を有する。
提案される実施形態は、第1の予め規定されたメッシュトポロジーを、第2の異なるメッシュトポロジーに適応させるための概念を提供する。例えば、実施形態は、臓器の第1のグランドトゥルースメッシュを、臓器の第2の新しいメッシュトポロジーに適応させるために使用されることができる。特に、実施形態は、第1の予め規定された(すなわち、グランドトゥルース)メッシュを、第2の新しいメッシュトポロジーにアライン/適応させるために、スペクトルマッチングを使用することができる。別の方法として、既に存在するメッシュを同じ臓器の新しいトポロジーにアラインするためにスペクトルマッチングを使用することが提案される。このようなアプローチは、注釈付きデータセットに関する要件を軽減するのに役立つ。
一例として、提案される実施形態は、既に存在するメッシュトポロジー(例えば、事前に訓練されたモデルを使用するセグメンテーションから、又はユーザによる事前のグランドトゥルースメッシュ生成からのいずれかから得られたもの)と新たに規定されたメッシュトポロジーとの間の対応を見つけるためにスペクトルマッチングを使用する方法を提供することができる。このようにして、異なるトポロジーをもつ臓器のメッシュ間の対応を規定することが可能であり、なぜなら、スペクトル空間への変換のために、2つのメッシュ間の直接的な頂部の対応は必要とされないからである。更に、そのような提案アプローチは、(例えば表面メッシュのグラフのラプラシアンから計算される)スペクトル埋め込み(spectral embedding)の使用により、空間規則性を保証することができる。
実施形態は、既に存在するメッシュを同じ臓器の新しいトポロジーとアラインするためにスペクトルマッチングを用いるという考えに基づくことができる。そのような実施形態では、既に存在するメッシュトポロジーと新たに規定されたメッシュトポロジーとの対応を見出すためにスペクトルマッチングを用いることが提案される。これにより、事前に規定されたグランドトゥルースメッシュを、モデルの新しい所望のメッシュトポロジー(その後、セグメンテーションのために再訓練することができる)に変換することが可能になりうる。
一例として、第1のメッシュトポロジーと第2のメッシュトポロジーのスペクトルマッチングに基づいて第1のメッシュトポロジーと第2のメッシュトポロジーの間の対応を識別するステップが、第1のメッシュトポロジーから導出される第1のスペクトルグラフを得るステップと、第2のメッシュトポロジーから導出される第2のスペクトルグラフを得るステップと、第1及び第2スペクトルグラフを分解して、第1及び第2スペクトルグラフからスペクトル座標を決定するステップと、決定されたスペクトル座標を分析して、第1及び第2スペクトルグラフの間のマッチを識別するステップと、識別されたマッチに基づいて、第1及び第2のメッシュトポロジーの間の対応を識別するステップと、を有することができる。従って、実施態様は、広く知られている及び/又は利用可能なプロセスを活用する、従来の/公知のスペクトルグラフ生成及び/又はマッチングプロセスを用いることができる。
いくつかの実施形態において、第1の予め規定されたメッシュトポロジーを、第2のメッシュトポロジーとアラインするステップは、第1及び第2のメッシュトポロジーのスペクトル成分をアラインするステップを有することができる。例えば、スペクトル成分をアラインするステップは、例えば、コヒーレントポイントドリフト(CPD)方法又は反復最近傍点(ICP)方法のような点変換方法により両メッシュに対して第1のメッシュトポロジーを処理することを含むことができる。従って、公知のポイントマッチング方法を使用することができ、こうして、例えば、実施形態の複雑さ及び/又はコストを低減することができる。
例示的な実施形態において、第1の予め規定されたメッシュトポロジーを、第2のメッシュトポロジーとアラインするステップは、第1のメッシュトポロジーと第2のメッシュトポロジーとの間の識別された対応に基づいて第1のメッシュトポロジーを再サンプリングすることを含むことができる。
提案される概念は、事前に規定されたグランドトゥルースメッシュを、モデルの新しい所望のメッシュトポロジーに変換することを可能にし得るので(それは、次いでセグメント化のために再訓練されることができる)、本発明の実施形態は、画像セグメンテーションで使用するために活用されることができることが理解されるであろう。こうして、本発明の別の態様によれば、臓器の医用画像をセグメント化する方法であって、提案される実施形態に従って、臓器を表す第1のメッシュトポロジーを臓器の第2の異なるメッシュトポロジーに適応させるステップと、適応された第1のメッシュトポロジーを用いて画像のモデルベースのセグメンテーションを行うステップとを有する方法が提供される。
別の態様によれば、臓器を表す第1の予め規定されたメッシュトポロジーを臓器の第2の異なるメッシュトポロジーに適応させるコンピュータプログラム製品であって、コンピュータプログラム製品は、具体化されたコンピュータ可読プログラムコードを有するコンピュータ可読保存媒体を有し、前記コンピュータ可読プログラムコードが、提案される実施形態のステップの全てを実行するように構成される、コンピュータプログラム製品が提供される。
こうして、提案される実施形態によるコンピュータプログラム製品と、前記コンピュータプログラム製品のコンピュータ読取可能プログラムコードの実行により提案される概念に従って方法を実施するように適応される1つ又は複数のプロセッサと、を有するコンピュータシステムが更に提供され得る。
本発明の更に別の態様によれば、臓器を表す第1の予め規定されたメッシュトポロジーを臓器の第2の異なるメッシュトポロジーに適応させるシステムであって、第1及び第2のメッシュトポロジーのスペクトルマッチングに基づいて第1及び第2のメッシュトポロジー間の対応を識別するように構成される分析コンポーネントと、第1及び第2のメッシュトポロジー間の識別された対応に基づいて、第1の予め規定されたメッシュトポロジーを第2のメッシュトポロジーとアラインするように構成されるメッシュアライメントコンポーネントと、を有するシステムが提供される。
システムは、第1のメッシュトポロジーを第2の異なるメッシュトポロジーに適応させるために、ユーザ装置から遠隔的に配置されてもよい。このようにして、ユーザ(医療専門家など)は、第1のメッシュトポロジーを、第2の複数のメッシュトポロジーに適応させるために、システムから離れた位置で情報を受信することができる適切に配置されたシステムを有することができる。従って、実施形態は、ユーザが、ローカルシステム(例えば、ラップトップ、タブレットコンピュータ、携帯電話、PDAなどのポータブルディスプレイ装置を含むことができる)を使用して、第1のメッシュトポロジーを第2の異なるメッシュトポロジーに適応させることを可能にしうる。例として、実施形態は、モバイルコンピューティングデバイスのためのアプリケーションを提供することができ、アプリケーションは、モバイルコンピューティングデバイスのユーザによって実行され及び/又は制御されることができる。
システムは更に、第1のメッシュトポロジーを、第2の異なるメッシュトポロジーに適応させるシステムを有するサーバ装置と、ユーザインターフェースを有するクライアント装置と、を有することができる。従って、専用のデータ処理手段が、第1のメッシュトポロジーを、第2の異なるメッシュトポロジーに適応させる目的で使用されることができ、こうして、システムの他のコンポーネント又はデバイスの処理要件又は能力を低減することができる。
システムは更に、クライアント装置を有することができ、このクライアント装置は、メッシュアライメントコンポーネントと、表示ユニットとを有する。言い換えれば、ユーザ(医師又は医療専門家など)は、第1のメッシュトポロジーを第2の異なるメッシュトポロジーに適応させ及びディスプレイ制御信号を生成するために、受信データを処理する適切に構成されたクライアント装置(ラップトップ、タブレットコンピュータ、携帯電話、PDAなど)を有することができる。それゆえ、純粋に一例として、実施形態は、単一の遠隔位置から1つ又は複数の被検体(例えば、患者)の医学的解析を可能にするメッシュベースの注釈付けシステムを提供することができ、この場合、被検体と監視ユーザ(例えば、看護師又は医師)との間の通信が提供され、かかる通信は、その機能を、例えば提案される概念に従って拡張又は修正することができる。
従って、処理能力は、処理リソースの利用可能性及び/又は予め決められた制約に従って、異なる態様でシステム全体にわたって分散され得ることが理解されるであろう。
本発明のこれら及び他の態様は、以下に記載される実施形態から明らかになり、それらを参照して説明される。
本発明をより良く理解し、本発明をどのように実施することができるかをより明確に示すために、単なる例として、添付の図面を参照する。
本発明は、図面を参照して説明される。
詳細な説明及び特定の例は、装置、システム及び方法の例示的な実施形態を示しているが、例示のみを目的としたものであり、本発明の範囲を限定することを意図したものではないことを理解されたい。本発明の装置、システム及び方法のこれら及び他の特徴、態様、及び利点は、以下の説明、添付の特許請求の範囲、及び添付の図面からより良く理解されるのであろう。特定の手段が相互に異なる従属請求項に記載されているという単なる事実は、これらの手段の組み合わせが有利に使用されることができないことを示すものではない。
開示された実施形態に対する変形例は、図面、開示、及び添付の特許請求の範囲の検討から、特許請求された発明を実施する際に当業者によって理解され、実施されることができる。請求項において、単語「有する、含む(comprising)」は、他の要素又はステップを排除するものではなく、不定冠詞「a」又は「an」は、複数性を排除するものではない。
図面は単に概略的なものであり、一定の縮尺で描かれていないことを理解されたい。また、同じ参照番号が、同じ又は類似の部分を示すために、図面全体にわたって使用されることを理解されたい。
臓器を表す第1の予め規定されたメッシュトポロジーの、臓器の第2の異なるメッシュトポロジーに対する適応を可能にするためのアプローチが提案される。こうして、実施形態は、第1の規定された(例えば、注釈を伴うグランドトゥルース)モデル空間から別空間へのメッシュを変換する(translate)ために使用されることができる。これにより、第1のモデル空間のグランドトゥルース注釈が、新しい異なるモデル(例えば、新しい問題を起こすように設計されている)を訓練するために使用されることを可能にしうる。
実施形態は、臓器の第1の予め規定された(例えば、既存の)メッシュトポロジー(予め訓練されたモデルを用いた臓器のセグメンテーションから得られる、又は臨床医による事前のグランドトゥルースメッシュ生成から得られる)と、第2の(例えば、新たに規定された)メッシュトポロジーとの間の対応を見出すために、スペクトルマッチングを用いることを提案する。従って、これにより、予め規定されたグランドトゥルースメッシュを、モデルの新しいメッシュトポロジーに変換することが可能にすることができ、かかるモデルは、セグメンテーションのために再訓練されることができる。
スペクトルマッチングは広く知られているので、スペクトルマッチングの詳細な説明はこの記述から省略する。しかし、簡単な説明として、複雑な形状に関連付けられるグラフのラプラシアンのスペクトル分解が、アイソメトリーに対して不変な固有関数(モード)を与える。形状上の各頂点は、スペクトル座標とも呼ばれ、各点における固有モードの値の組み合わせによりユニークに表現されることができる。スペクトルマッチングは、最も類似したスペクトル座標を有する異なる形状上の頂点を対にすることによって、点の対応を確立することを含む。このようにスペクトルグラフ理論は、スペクトルドメインにおいて異なるトポロジーを有する表面メッシュをマッチさせるための解決策を提供し、従って、アトラスを作成するために異なるメッシュをマッチさせるためのアプリケーションを提供することができる。
本発明者らは、事前に規定されたメッシュを新しいモデルトポロジーに組み込むために、スペクトルマッチングを活用することを提案する。このようにして、提案される実施形態は、同じ臓器であるが異なるトポロジーもつメッシュ間(例えば、2つの異なる被検体/患者の脳、心臓、腎臓、肝臓又は肺の場合)の対応の識別を可能にすることができる。特に、スペクトル空間への変換のため、メッシュ間の直接的な頂点の対応付けは必要でない。更に、このようなアプローチは、例えば、表面メッシュのグラフのラプラシアンから計算されるスペクトル埋め込みを使用するため、空間的規則性を保証することができる。
従って、提案される実施形態は、臓器の医用画像のセグメンテーションのために使用されることができる。そのような方法は、提案される実施形態に従って、臓器を表す第1のメッシュトポロジーを臓器の第2の異なるメッシュトポロジーに適応させるステップ有することができる。次いで、画像のモデルベースのセグメンテーションが、適応された第1のメッシュトポロジーを用いて実施されることができる。従って、半自動のグランドトゥルースセグメンテーションが、提案される概念によって容易にされることができる。事前に開発されたモデルを使用することにより、プロセスが加速されることができる(ユーザは、例えば、新しいメッシュを手動で作成するのではなく、小さな修正のみを実施すればよいので)。更に、多目的のデータが提供されることができ、例えば、これは、同じ臓器が異なるトポロジーにより描出される必要があるより多くのプロジェクトに関して使用されることができる。
単なる例示として、例示的な実施形態は、病院、医局、医学研究施設、病棟、ケアホーム、人の家庭などの多くの異なるタイプの臨床的、医学的又は被検体に関連する環境において利用されることができる。
提案される概念の理解を助けるために、臓器を表す第1の予め規定されたメッシュトポロジーを臓器の第2の異なるメッシュトポロジーに適応させるシステムの例示的な実施形態を、図1を参照して説明する。
図1は、提案される実施形態の簡略ブロック図である。提案に従ったシステム100は、(例えば、第1の被検体の肝臓のような)臓器を表す第1の予め規定されたメッシュトポロジー110を取得する(例えば、入力インタフェースを介して受信する)ように構成される。システム100はまた、(例えば、第2の被検体の肝臓のような)臓器の第2の異なるメッシュトポロジー120を得る(例えば入力インタフェースを介して受信する)ように適応される。システムは、第1の予め規定されたメッシュトポロジー110を、第2のメッシュトポロジー120に適応させるように構成される。別の言い方をすると、システム100は、第1の規定された(例えば、注釈付きのグランドトゥルース)モデル空間から別の空間にメッシュを変換する(translate)ように構成される。これは、新しい異なるモデルを訓練するために、第1のモデル空間のグランドトゥルース注釈を使用することを可能にしうる。
より具体的には、システム100は、第1のメッシュトポロジー110と第2のメッシュトポロジー120との対応を識別するために、第1のメッシュトポロジー110と第2のメッシュトポロジー120とのスペクトルマッチングを行うように構成される分析コンポーネント130を具備する。また、システムのメッシュアライメントコンポーネント135は、(分析コンポーネント130によって識別された)第1及び第2のメッシュトポロジーの間の対応に基づいて、第1の予め規定されたメッシュトポロジー110を、第2のメッシュトポロジー120とアライするように構成される。
アラインされたメッシュトポロジー140は、システム100から(例えば、出力インタフェースを介して)出力され、前記アラインされたメッシュトポロジー140は、第2のメッシュトポロジー120に適応されている。このようにして、第1のメッシュトポロジー110の注釈は、アラインされたメッシュトポロジー140に伝えられる一方、第2のメッシュトポロジーともアラインされている。
他の例示及び記載により、実施形態に従う例示的な方法を、ここで図2を参照して説明する。
図2は、臓器を表す第1の予め規定されたメッシュトポロジーを臓器の第2の異なるメッシュトポロジーに適応させる方法200の提案される実施形態の簡略化されたフロー図である。方法200は、第1のメッシュトポロジーと第2のメッシュトポロジーのスペクトルマッチングに基づいて第1のメッシュトポロジーと第2のメッシュトポロジーとの対応を識別する第1のステップ210を有する。より詳細には、第1及び第2のメッシュトポロジーのスペクトルマッチングに基づいて第1及び第2のメッシュトポロジーの間の対応を識別するステップ210は、第1のメッシュトポロジーから導出される第1のスペクトルグラフを取得するステップ220と、第2のメッシュトポロジーから導出される第2のスペクトルグラフを取得するステップ230とを有する。ここでは、第1のスペクトルグラフトと第2のスペクトルグラフは、任意の順序で得られることができることに留意されたい。また、スペクトルグラフを取得するステップは、スペクトルグラフを生成するステップ、又は代替的に、生成されたスペクトルグラフを外部コンポーネントから単に受信するステップ、を有することができる。第1及び第2のスペクトルグラフを取得した後、第1及び第2のメッシュトポロジーの間の対応を識別するステップ210は更に、第1及び第2のスペクトルグラフを分解してスペクトル座標を決定するステップ235を有する。ステップ240において、スペクトル座標が分析されて、第1及び第2のスペクトルグラフ間のマッチが識別される。識別されたマッチに基づいて、第1のメッシュトポロジーと第2のメッシュトポロジーの間の対応がステップ250において識別される。
方法200は、次いで、第1のメッシュトポロジーと第2のメッシュトポロジーとの間の識別された対応に基づいて、第1の予め規定されたメッシュトポロジーを、第2のメッシュトポロジーとアラインする第2のステップ260を有する。ここで、第1の予め規定されたメッシュトポロジーを第2のメッシュトポロジーとアラインするステップ260は、第1及び第2のメッシュトポロジーのスペクトル成分をアラインするステップを有する。より具体的には、この例示的な実施形態において、スペクトル成分をアラインするステップは、例えば、コヒーレントポイントドリフト方法又は反復最近傍点(ICP)方法などの点変換方法により第1のメッシュトポロジーを処理することを有する。代わりに、又は追加的に、第1の予め規定されたメッシュトポロジーを第2のメッシュトポロジーとアラインするステップは、第1のメッシュトポロジーと第2のメッシュトポロジーの間の識別された対応に基づいて、第1のメッシュトポロジーを再サンプリングすることを有することができる。
上述の例示的な実施形態から、提案される概念が、スペクトルマッチングを用いて、画像に関する一貫したメッシュベースの注釈の生成を容易にすることができることが理解されるであろう。特に、提案される実施形態は、既に存在するメッシュトポロジーと新たに規定されるメッシュトポロジーとの間の対応を見出すためにスペクトルマッチングを使用する。直接的な頂点の対応付けの代わりに、表面メッシュのグラフのラプラシアンから計算されたスペクトル埋め込みを用いることが提案される。
従って、既に存在するメッシュトポロジー(予め訓練されたモデルを用いた臓器のセグメンテーションから得られたもの、又は臨床医による事前のグランドトゥルースメッシュ生成から得られたもののいずれか)と新たに規定されたメッシュトポロジーとの対応を見出すためにスペクトルマッチングを用いる方法が提案される。これは、独立して計算された2つの形状のスペクトル埋め込みを用いて、及び規定されたメッシュ(すなわち、グランドトゥルース)とテンプレート(すなわち、新しいメッシュトポロジー)とのマッチを探すことによって達成され得る。マッチが規定された後、グランドトゥルースメッシュが、新しいトポロジーにおいて再サンプリングされることができる。これは、点間メッシュ対応を提供するスペクトルマッチングにより支援される。
図3は、実施形態の1つ又は複数の部分が用いられることができるコンピュータ300の例を示している。上述の様々な処理は、コンピュータ300の能力を利用することができる。例えば、被検体に特有のユーザインターフェースを提供するシステムの1つ又は複数の部分が、本明細書に説明される任意の素子、モジュール、アプリケーション及び/又はコンポーネントに組み込まれることができる。この点に関して、システム機能ブロックは、単一のコンピュータ上で実行可能であるか、又は(例えば、インターネットを介して接続された)いくつかのコンピュータ及びロケーションにおいて分散可能であることが理解されるべきである。
コンピュータ300は、PC、ワークステーション、ラップトップ、PDA、パーム装置、サーバ、ストレージなどを含むが、これらに限定されない。一般に、ハードウェアアーキテクチャに関して、コンピュータ300は、ローカルインターフェース(図示せず)を介して通信可能に結合された1つ又は複数のプロセッサ310、メモリ320及び1つ又は複数のI/O装置370を含み得る。ローカルインタフェースは、例えば、従来技術において知られているように、1つ又は複数のバス又は他の有線若しくは無線接続であってもよいが、これらに限定されない。ローカルインタフェースは、通信を可能にするために、コントローラ、バッファ(キャッシュ)、ドライバ、リピータ、受信器などの追加素子を有することができる。更に、ローカルインタフェースは、上述のコンポーネント間の適切な通信を可能にするために、アドレス、制御及び/又はデータ接続を有する。
プロセッサ310は、メモリ320に記憶可能なソフトウェアを実行するハードウェア装置である。プロセッサ310は。事実上、コンピュータ300に関連するいくつかのプロセッサのうち、任意のカスタムメイド又は市販のプロセッサ、中央処理装置(CPU)、デジタル信号プロセッサ(DSP)、又は補助プロセッサとすることができ、プロセッサ310は、(マイクロチップの形態の)半導体ベースのマイクロプロセッサ又はマイクロプロセッサとすることもできる。
メモリ320は、不揮発性メモリ素子(例えば、ダイナミックランダムアクセスメモリ(DRAM)、スタティックランダムアクセスメモリ(SRAM)等のランダムアクセスメモリ(RAM))、及び不揮発性メモリ素子(例えば、ROM、消去可能プログラマブルリードオンリーメモリ(EPROM)、電子的消去可能プログラマブルリードオンリーメモリ(EEPROM)、プログラム可能リードオンリーメモリ(PROM)、テープ、コンパクトディスクリードオンリーメモリ(CD-ROM)、ディスク、ディスケット、カートリッジ、カセット等)の任意の1つ又は組み合わせを含むことができる。更に、メモリ320は、電子、磁気、光学及び/又は他のタイプの記憶媒体を組み込むことができる。メモリ320は、分散アーキテクチャを有することができ、この場合、様々なコンポーネントが互いに離れた場所に配置されるが、それらはプロセッサ1によってアクセス可能であることに留意されたい。
メモリ320内のソフトウェアは、1つ又は複数の別個のプログラムを有することができ、各プログラムが、論理機能を実現するための実行可能命令の順序付けられたリストを有する。メモリ320内のソフトウェアは、例示的な実施形態により、適切なオペレーティングシステム(O/S)350、コンパイラ340、ソースコード330、及び1つ又は複数のアプリケーション360を有する。図示されるように、アプリケーション360は、例示的な実施形態の特徴及び処理を実現するための多数の機能コンポーネントを具備する。コンピュータ300のアプリケーション360は、例示的な実施形態による、様々なアプリケーション、計算ユニット、ロジック、機能ユニット、プロセス、動作、仮想エンティティ、及び/又はモジュールを表すことができるが、アプリケーション360は、限定を意味するものではない。
オペレーティングシステム350は、他のコンピュータプログラムの実行を制御し、スケジューリング、入出力制御、ファイル及びデータ管理、メモリ管理、及び通信制御及び関連サービスを提供する。例示的な実施形態を実現するアプリケーション360は、市販の全てのオペレーティングシステムに適用可能でありえることが、本発明者らによって企図される。
アプリケーション360は、ソースプログラム、実行可能プログラム(オブジェクトコード)、スクリプト、又は実行される命令のセットを構成する任意の他のエンティティであってもよい。ソースプログラムの場合、プログラムは通常、コンパイラ(コンパイラ340など)、アセンブラ、インタプリタなどを介して翻訳され、これらは、O/S350に関連して適切に動作するように、メモリ320内に含められることができ、又は含められなくてもよい。更に、アプリケーション360は、オブジェクト指向プログラミング言語として記述されることができ、オブジェクト指向プログラミング言語は、データ及びメソッドのクラス、又はプロシージャプログラミング言語を有し、これらの言語は例えば、C、C++、C#、Pascal、BASIC、API呼び出し、HTML、XHTML、XML、ASPスクリプト、JavaScript、FORTRAN、COBOL、Perl、Java、ADA、NETなどを有するが、これらに限定されない。
I/O装置370は、例えば、マウス、キーボード、スキャナ、マイクロフォン、カメラなどの入力デバイスを含むことができるが、これらに限定されない。更に、I/O装置370は、出力装置、例えば、プリンタ、ディスプレイなどを含むこともできるが、これらに限定されない。最後に、I/Oデバイス370は更に、入力及び出力の両方を通信するデバイス、例えば、(リモートデバイス、他のファイル、デバイス、システム、又はネットワークにアクセスするための)ネットワークインタフェースカード又は変調器/復調器、無線周波数(RF)又は他のトランシーバ、電話インタフェース、ブリッジ、ルータなどを含むことができるが、これらに限定されない。I/O装置370は更に、インターネット又はイントラネットなどの様々なネットワークを介して通信するためのコンポーネントを有する。
コンピュータ300が、PC、ワークステーション、インテリジェント装置である場合、メモリ320内のソフトウェアは更に、基本入出力システム(BIOS)を有することができる(簡略化のために省略)。BIOSは、起動時にハードウェアを初期化及びテストし、O/S350を起動し、ハードウェア装置間のデータ転送をサポートする、一連の必須のソフトウェアルーチンである。BIOSは、ROM、PROM、EPROM、EEPROM等の何らかのタイプの読み出し専用メモリに記憶され、これにより、コンピュータ300が起動されたときにBIOSが実行されることができる。
コンピュータ300が動作しているとき、プロセッサ310は、メモリ320内に記憶されたソフトウェアを実行し、メモリ320との間で結果を通信し、ソフトウェアに従ってコンピュータ300の処理を一般に制御するように構成される。アプリケーション360及びO/S350は、プロセッサ310によって全体又は一部が読み取られ、おそらくプロセッサ310内にバッファリングされ、その後実行される。
アプリケーション360がソフトウェアにおいて実現される場合、アプリケーション360は、あらゆるコンピュータ関連システム又は方法によって、又はそれに関連して使用するために、実質的にあらゆるコンピュータ可読媒体に記憶されることができることに留意されたい。本明細書の文脈では、コンピュータ可読媒体は、コンピュータ関連システム又は方法によって、又はそれに関連して使用するためのコンピュータプログラムを収容又は記憶することができる、電子、磁気、光学又は他の物理的装置又は手段でありうる。
アプリケーション360は、命令実行システム、装置、又はデバイス(例えば、コンピュータベースのシステム、プロセッサを含むシステム、又は命令実行システム、装置、又はデバイスから命令をフェッチし、命令を実行することができる他のシステムなど)によって又はそれらに関連して使用される任意のコンピュータ可読媒体に具現化することができる。本明細書の文脈では、「コンピュータ可読媒体」は、命令実行システム、装置又はデバイスによって又はそれに関連して使用するためのプログラムを記憶、通信、伝播、又は伝送することができる任意の手段でありうる。コンピュータ可読媒体は、例えば、電子、磁気、光学、電磁気、赤外線、又は半導体のシステム、装置、デバイス、又は伝搬媒体でありうるが、これらに限定されない。
本発明は、システム、方法及び/又はコンピュータプログラム製品でありうる。コンピュータプログラムは、プロセッサに本発明の方法を実行させるためのコンピュータ読み取り可能なプログラム命令を有するコンピュータ可読記憶媒体を含み得る。
コンピュータ可読記憶媒体は、命令実行装置によって使用される命令を保持し記憶することができる有形の装置であってもよい。コンピュータ可読記憶媒体は、例えば、電子記憶デバイス、磁気記憶デバイス、光記憶装置、電磁記憶デバイス、半導体記憶デバイス、又は前述の任意の適切な組み合わせでありうるが、これらに限定されない。コンピュータ可読記憶媒体のより具体的な例の非網羅的なリストには、ポータブルコンピュータディスケット、ハードディスク、ランダムアクセスメモリ、読出し専用メモリ、消去可能プログラマブル読出し専用メモリ、スタティックランダムアクセスメモリ、ポータブルコンパクトディスク読出し専用メモリ、デジタル多用途ディスク、メモリスティック、フロッピーディスク、パンチカード等の機械的に符号化された装置、及び上記の任意の適切な組み合わせが含まれる。本明細書で使用されるコンピュータ可読記憶媒体は、電波又は他の自由に伝播する電磁波、導波管又は他の伝送媒体(例えば、光ファイバケーブルを通過する光パルス)を通って伝播する電磁波、又はワイヤを通って伝送される電気信号など、それ自体が一時的信号であると解釈されるべきではない。
本明細書に記載するコンピュータ読み取り可能なプログラム命令は、コンピュータ可読記憶媒体からそれぞれのコンピューティング/処理装置にダウンロードされることができ、又はネットワーク、例えば、インターネット、ローカルエリアネットワーク、広域ネットワーク及び/又は無線ネットワークを介して、外部コンピュータ又は外部記憶装置にダウンロードされることができる。ネットワークは、銅線伝送ケーブル、光伝送ファイバ、ワイヤレス伝送、ルータ、ファイアウォール、スイッチ、ゲートウェイコンピュータ、及び/又はエッジサーバを含むことができる。各演算/処理装置内のネットワークアダプタカード又はネットワークインタフェースは、ネットワークからコンピュータ可読プログラム命令を受信し、それぞれの演算/処理装置内のコンピュータ可読記憶媒体に記憶するために、コンピュータ可読プログラム命令を転送する。
本発明の動作を実行するためのコンピュータ可読プログラム命令は、アセンブラ命令、命令セットアーキテクチャ(ISA)命令、マシン命令、マシン依存命令、マイクロコード、ファームウェア命令、状態設定データ、又はSmalltalk、C++などのオブジェクト指向プログラミング言語、及び「C」プログラミング言語又は類似のプログラミング言語などの従来の手続き型プログラミング言語を含む、1つ又は複数のプログラミング言語の任意の組み合わせで書かれたソースコード又はオブジェクトコードのいずれかであり得る。コンピュータコンピュータ可読プログラム命令は、完全にユーザのコンピュータ上で、部分的にユーザのコンピュータ上で、スタンドアロンのソフトウェアパッケージとして、部分的にユーザのコンピュータ上で且つ部分的にリモートのコンピュータ上で、又は全体的にリモートのコンピュータ又はサーバ上で、実行されることができる。後者の状況では、リモートコンピュータは、ローカルエリアネットワーク(LAN)又は広域ネットワーク(WAN)を含む任意のタイプのネットワークを介してユーザのコンピュータに接続されることができ、又は(例えば、インターネットサービスプロバイダを使用してインターネットを介して)外部コンピュータに接続されることができる。いくつかの実施形態では、例えば、プログラマブル論理回路、フィールドプログラマブルゲートアレイ(FPGA)、又はプログラマブル論理アレイ(PLA)を含む電子回路が、本発明の態様を実行するために、電子回路をパーソナル化するためにコンピュータ可読プログラム命令の状態情報を利用することによって、コンピュータ可読プログラム命令を実行することができる。
本発明の態様は、本発明の実施形態による方法、装置(システム)及びコンピュータプログラムのフローチャート図及び/又はブロック図を参照して本明細書で説明される。フローチャート図及び/又はブロック図の各ブロック、並びにフローチャート図及び/又はブロック図のブロックの組み合わせは、コンピュータ可読プログラム命令によって実現されることができることを理解されたい。
単一のプロセッサ又は他のユニットが、請求項に列挙されるいくつかの項目の機能を果たすことができる。
コンピュータプログラムは、他のハードウェアと一緒に又はその一部として供給される光記憶媒体又はソリッドステート媒体などの適切な媒体上に記憶/配布されることができるが、インターネット又は他の有線若しくは無線電気通信システムなどを介して、他の形態で配布されることもできる。
これらのコンピュータ可読プログラム命令は、汎用コンピュータ、専用コンピュータ、又は他のプログラマブルデータ処理装置のプロセッサに提供されて、コンピュータ又は他のプログラマブルデータ処理装置のプロセッサを介して実行される命令がフローチャート及び又はブロック図の1つ又は複数のブロックで指定された機能//動作を実装するための手段を作成するように、マシンを生成することができる。これらのコンピュータ可読プログラム命令は、また、コンピュータ、プログラマブルデータ処理装置、及び/又は他のデバイスが特定の方法で機能するように指示することができるコンピュータ可読記憶媒体に記憶されることができ、その結果、その中に記憶された命令を有するコンピュータ可読記憶媒体は、フローチャート及び/又はブロック図の1つ又は複数のブロックで指定された機能/動作の態様を実現する命令を含む製品を含む。
コンピュータ可読プログラム命令はまた、コンピュータ、他のプログラマブルデータ処理装置、又は他のデバイス上にロードされて、一連の処理ステップをコンピュータ、他のプログラマブル装置、又は他のデバイス上で実行させて、コンピュータ実施プロセスを生成し、それにより、コンピュータ、他のプログラマブル装置、又は他のデバイス上で実行される命令が、フローチャートで指定された機能/動作及び/又はブロック図の1つ又は複数のブロックを実行するようにすることができる。
図のフローチャート及びブロック図は、本発明の様々な実施形態によるシステム、方法、及びコンピュータプログラム製品の可能な実現形態のアーキテクチャ、機能性、及び運用を例示する。この点に関して、フローチャート又はブロック図の各ブロックは、指定された論理機能を実現するための1つ又は複数の実行可能命令を備える、モジュール、セグメント又は命令の一部を表すことができる。一部の代替の実現形態において、ブロックに記載されている機能は、図に記載されている順序とは異なる順序で実行されてもよい。例えば、連続して表示されている2つのブロックは、実際には実質的に同時に実行されることができ、又はそれらのブロックは、関連する機能に依存して逆の順序で実行されることもできる。更に、ブロック図及び/又はフローチャート図の各ブロック、並びにブロック図及び/又はフローチャート図のブロックにおける組み合わせが、指定された機能又は処理を実行するか、又は特定用途のハードウェア及びコンピュータ命令の組み合わせを実行する特定用途のハードウェアベースのシステムによって実現されることができることに留意されたい。
Claims (15)
- 臓器を表す第1の予め規定されたメッシュトポロジーを、前記臓器の第2の異なるメッシュトポロジーに適応させる方法であって、
前記第1のメッシュトポロジーと前記第2のメッシュトポロジーとのスペクトルマッチングに基づいて、前記第1のメッシュトポロジーと前記第2のメッシュトポロジーの間の対応を識別するステップと、
前記第1のメッシュトポロジーと前記第2のメッシュトポロジーの間の前記識別された対応に基づいて、
前記第1のメッシュトポロジーを前記第2のメッシュトポロジーとアラインするステップと、
を有する方法。 - 前記第1のメッシュトポロジーと前記第2のメッシュトポロジーのスペクトルマッチングに基づいて、前記第1のメッシュトポロジーと前記第2のメッシュトポロジーとの間の対応を識別する前記ステップが、
前記第1のメッシュトポロジーから導出される第1のスペクトルグラフを得るステップと、
前記第2のメッシュトポロジーから導出される第2のスペクトルグラフを得るステップと、
前記第1及び前記第2スペクトルグラフを分解して、前記第1及び前記第2スペクトルグラフからスペクトル座標を決定するステップと、
前記決定されたスペクトル座標を分析して、前記第1及び前記第2のスペクトルグラフの間のマッチを識別するステップと、
前記識別されたマッチに基づいて、前記第1及び前記第2のメッシュトポロジー間の対応を識別するステップと、
を有する、請求項1に記載の方法。 - 前記第1の予め規定されたメッシュトポロジーを前記第2のメッシュトポロジーとアラインする前記ステップが、前記第1のメッシュトポロジーと前記第2のメッシュトポロジーのスペクトル成分をアラインするステップを有する、請求項1又は2に記載の方法。
- 前記スペクトル成分をアラインする前記ステップが、前記第1のメッシュトポロジーを点変換方法で処理することを含む、請求項3記載の方法。
- 前記点変換方法が、コヒーレントポイントドリフト方法を含む、請求項4に記載の方法。
- 前記第1の予め規定されたメッシュトポロジーを前記第2のメッシュトポロジーとアラインする前記ステップが、前記第1のメッシュトポロジーと前記第2のメッシュトポロジーの間の前記識別された対応に基づいて、前記第1のメッシュトポロジーを再サンプリングすることを含む、請求項1乃至5のいずれか1項に記載の方法。
- 臓器の医用画像のセグメンテーション方法であって、
請求項1乃至6のいずれか1項に記載の方法の、臓器を表す第1のメッシュトポロジーを臓器の第2の異なるメッシュトポロジーに適応させることと、
前記適応された第1のメッシュトポロジーを使用して、前記画像のモデルベースのセグメンテーションを実行するステップと、
を有する方法。 - コンピュータ上で実行される場合に、請求項1乃至7のいずれか1項に記載の方法を実行するコンピュータプログラムコードを有するコンピュータプログラム。
- 臓器を表す第1の予め規定されたメッシュトポロジーを前記臓器の第2の異なるメッシュトポロジーに適応させるシステムであって、
前記第1のメッシュトポロジーと前記第2のメッシュトポロジーとのスペクトルマッチングに基づいて、前記第1のメッシュトポロジーと前記第2のメッシュトポロジーとの間の対応を識別するよう構成される分析コンポーネントと、
前記第1のメッシュトポロジーと前記第2のメッシュトポロジーとの間の前記識別された対応に基づいて、前記第1の予め規定されたメッシュトポロジーを前記第2のメッシュトポロジーとアラインするよう構成されるメッシュアライメントコンポーネントと、
を有するシステム。 - 前記分析コンポーネントが更に、前記第1のメッシュトポロジーから導出される第1のスペクトルグラフを取得し、前記第2のメッシュトポロジーから導出される第2のスペクトルグラフを取得するよう構成されるスペクトルグラフコンポーネントを有し、
前記分析コンポーネントが更に、前記第1及び前記第2のスペクトルグラフを分解してスペクトル成分を決定し、前記決定されたスペクトル成分に基づいて、前記第1及び前記第2のスペクトルグラフの間のマッチを識別し、前記識別されたマッチに基づいて前記第1及び前記第2のメッシュトポロジーの間の対応を識別するように構成される、請求項9記載のシステム。 - 前記メッシュアライメントコンポーネントが、前記第1及び前記第2のメッシュトポロジーのスペクトル成分をアラインするように構成されている、請求項9又は10に記載のシステム。
- 前記メッシュアラインメントコンポーネントが、前記第1のメッシュトポロジーを点変換方法により処理するように構成された点変換コンポーネントを有する、請求項11に記載のシステム。
- 前記点変換方法が、コヒーレントポイントドリフト方法を含む、請求項12に記載のシステム。
- 前記メッシュアラインメントコンポーネントが更に、前記第1のメッシュトポロジーと前記第2のメッシュトポロジーの間の前記識別された対応に基づいて前記第1のメッシュトポロジーを再サンプリングするように構成されている再サンプリングコンポーネントを有する、請求項9乃至13のいずれか1項記載のシステム。
- 臓器の医用画像のセグメンテーションを行うシステムであって、
請求項9乃至14のいずれか1項に記載のシステムと、
適応された第1のメッシュトポロジーを使用して画像のモデルベースのセグメンテーションを実行するように構成されるセグメンテーションコンポーネントと、
を有するシステム。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
EP19215636.2A EP3836079A1 (en) | 2019-12-12 | 2019-12-12 | Mesh topology adaptation |
EP19215636.2 | 2019-12-12 | ||
PCT/EP2020/085394 WO2021116238A1 (en) | 2019-12-12 | 2020-12-10 | Mesh topology adaptation |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2023509110A true JP2023509110A (ja) | 2023-03-07 |
JPWO2021116238A5 JPWO2021116238A5 (ja) | 2023-11-01 |
Family
ID=68887337
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2022534757A Pending JP2023509110A (ja) | 2019-12-12 | 2020-12-10 | メッシュトポロジー適応 |
Country Status (5)
Country | Link |
---|---|
US (1) | US20220415481A1 (ja) |
EP (2) | EP3836079A1 (ja) |
JP (1) | JP2023509110A (ja) |
CN (1) | CN114787864A (ja) |
WO (1) | WO2021116238A1 (ja) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP4383196A1 (en) * | 2022-12-05 | 2024-06-12 | Koninklijke Philips N.V. | Mesh topology adaptation |
CN115797572B (zh) * | 2023-01-20 | 2023-04-21 | 中国空气动力研究与发展中心计算空气动力研究所 | 一种空间网格生成方法、装置、设备及介质 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8965077B2 (en) * | 2010-05-18 | 2015-02-24 | Siemens Corporation | Methods and systems for fast automatic brain matching via spectral correspondence |
EP3514757A1 (en) * | 2018-01-18 | 2019-07-24 | Koninklijke Philips N.V. | Spectral matching for assessing image segmentation |
-
2019
- 2019-12-12 EP EP19215636.2A patent/EP3836079A1/en not_active Withdrawn
-
2020
- 2020-12-10 US US17/780,973 patent/US20220415481A1/en active Pending
- 2020-12-10 JP JP2022534757A patent/JP2023509110A/ja active Pending
- 2020-12-10 WO PCT/EP2020/085394 patent/WO2021116238A1/en unknown
- 2020-12-10 EP EP20820416.4A patent/EP4073753A1/en active Pending
- 2020-12-10 CN CN202080086136.2A patent/CN114787864A/zh active Pending
Also Published As
Publication number | Publication date |
---|---|
EP4073753A1 (en) | 2022-10-19 |
WO2021116238A1 (en) | 2021-06-17 |
US20220415481A1 (en) | 2022-12-29 |
CN114787864A (zh) | 2022-07-22 |
EP3836079A1 (en) | 2021-06-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112771622A (zh) | 用于推理、高级处理和机器学习应用程序的虚拟化计算平台 | |
WO2021077557A1 (zh) | 一种磁共振图像重建方法、装置、设备和介质 | |
CN114365156A (zh) | 用于神经网络的迁移学习 | |
US10216834B2 (en) | Accurate relationship extraction with word embeddings using minimal training data | |
US11763932B2 (en) | Classifying images using deep neural network with integrated acquisition information | |
JP2023509110A (ja) | メッシュトポロジー適応 | |
US11042778B2 (en) | Generating realistic organ x-ray angiography (XA) images for deep learning consumption | |
CN111311480A (zh) | 图像融合方法和装置 | |
CN111124409B (zh) | 基于Sketch的业务页面生成方法、装置、设备和存储介质 | |
CN111539287B (zh) | 训练人脸图像生成模型的方法和装置 | |
CN116433692A (zh) | 一种医学图像分割方法、装置、设备和存储介质 | |
CN113468344B (zh) | 实体关系抽取方法、装置、电子设备和计算机可读介质 | |
US11874899B2 (en) | Automated multimodal adaptation of multimedia content | |
CN110069195B (zh) | 图像拖拽变形方法和装置 | |
US20200342991A1 (en) | Detecting recurrence of a medical condition | |
JP7296941B2 (ja) | 医療画像の表示 | |
CN114598610B (zh) | 网络业务规则识别 | |
WO2022111112A1 (en) | Automatically adjusting data access policies in data analytics | |
US20230031636A1 (en) | Artificial intelligence (ai) model deployment | |
EP4383196A1 (en) | Mesh topology adaptation | |
US11741715B2 (en) | Automatic creation and annotation of software-related instructional videos | |
US11238955B2 (en) | Single sample genetic classification via tensor motifs | |
EP3460804A1 (en) | Providing subject-specific information | |
US11461292B2 (en) | Quick data exploration | |
CN117788653A (zh) | 动画生成方法、动画生成系统及计算机可读介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20220617 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20231023 |
|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20231023 |