JP5946153B2 - 画像処理装置、その作動方法およびプログラム - Google Patents
画像処理装置、その作動方法およびプログラム Download PDFInfo
- Publication number
- JP5946153B2 JP5946153B2 JP2015026070A JP2015026070A JP5946153B2 JP 5946153 B2 JP5946153 B2 JP 5946153B2 JP 2015026070 A JP2015026070 A JP 2015026070A JP 2015026070 A JP2015026070 A JP 2015026070A JP 5946153 B2 JP5946153 B2 JP 5946153B2
- Authority
- JP
- Japan
- Prior art keywords
- energy function
- pixel
- pixel group
- shape
- pixels
- 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.)
- Active
Links
- 238000011017 operating method Methods 0.000 title description 3
- 238000002372 labelling Methods 0.000 claims description 61
- 210000000056 organ Anatomy 0.000 claims description 9
- 238000003672 processing method Methods 0.000 claims description 8
- 238000000513 principal component analysis Methods 0.000 claims description 6
- 206010028980 Neoplasm Diseases 0.000 claims description 5
- 230000007423 decrease Effects 0.000 claims description 4
- 210000003205 muscle Anatomy 0.000 claims description 4
- 210000004204 blood vessel Anatomy 0.000 claims description 3
- 238000004458 analytical method Methods 0.000 claims description 2
- 239000000284 extract Substances 0.000 claims 1
- 230000006870 function Effects 0.000 description 71
- 238000000034 method Methods 0.000 description 21
- 238000010586 diagram Methods 0.000 description 6
- 238000000605 extraction Methods 0.000 description 3
- 238000005457 optimization Methods 0.000 description 3
- 210000000683 abdominal cavity Anatomy 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000003709 image segmentation Methods 0.000 description 2
- 210000001015 abdomen Anatomy 0.000 description 1
- 230000004913 activation Effects 0.000 description 1
- 230000003044 adaptive effect Effects 0.000 description 1
- 210000000988 bone and bone Anatomy 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000012880 independent component analysis Methods 0.000 description 1
- 210000004072 lung Anatomy 0.000 description 1
- 230000003387 muscular Effects 0.000 description 1
- 210000002097 psoas muscle Anatomy 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
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
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
- G06T7/0012—Biomedical image inspection
-
- 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
- G06T7/143—Segmentation; Edge detection involving probabilistic approaches, e.g. Markov random field [MRF] modelling
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/149—Segmentation; Edge detection involving deformable models, e.g. active contour 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
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30004—Biomedical image processing
- G06T2207/30096—Tumor; Lesion
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Software Systems (AREA)
- Probability & Statistics with Applications (AREA)
- Data Mining & Analysis (AREA)
- Quality & Reliability (AREA)
- Radiology & Medical Imaging (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Medical Informatics (AREA)
- General Health & Medical Sciences (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- General Engineering & Computer Science (AREA)
- Evolutionary Computation (AREA)
- Evolutionary Biology (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Artificial Intelligence (AREA)
- Image Analysis (AREA)
- Image Processing (AREA)
- Apparatus For Radiation Diagnosis (AREA)
Description
2 CPU
3 ストレージ
4 メモリ
5 表示装置
6 入力装置
Claims (16)
- 画像の各画素に対象領域に属するかその他の領域に属するかの2値のラベルづけを行う画像処理装置であって、
前記対象領域の想定形状を設定する形状設定部と、
前記画像において、前記設定された想定形状を表す位置関係にある、4以上の自然数であるN個の画素からなる画素群を選択し、該選択された画素群の各画素のラベルを変数とするN次項を含むエネルギ関数であって、前記N次項の値が、前記画素群の各画素に付与されたラベルの組合せが前記設定された対象領域の想定形状に合致するパターンである場合に最小値となり、前記パターンとは異なるラベルが付与された画素の増加に伴い前記最小値から段階的に増加するエネルギ関数を設定するエネルギ関数設定部と、
前記設定されたエネルギ関数を最小化することによって前記ラベル付けを行うラベリング部とを備え、
前記エネルギ関数設定部が、前記2値のラベルをそれぞれ1つ以上含む前記パターンを用いて前記エネルギ関数の設定を行うものであり、かつ、
前記エネルギ関数設定部が、さらに、前記画像において、前記選択された画素群の全画素が前記対象領域に属する場合に前記その他の領域に属するであろう位置にある、4以上の自然数であるM個の画素からなる第2の画素群をさらに選択し、該選択された第2の画素群の各画素のラベルを変数とするM次項をさらに含む前記エネルギ関数であって、前記M次項の値が、前記第2の画素群の各画素に付与されたラベルが全て前記その他の領域に属することを表すラベルである場合に第2の最小値となり、前記対象領域に属することを表すラベルが付与された画素の増加に伴い前記第2の最小値から段階的に増加する前記エネルギ関数を設定するものである画像処理装置。 - 画像の各画素に対象領域に属するかその他の領域に属するかの2値のラベルづけを行う画像処理装置であって、
前記対象領域の想定形状を設定する形状設定部と、
前記画像において、前記設定された想定形状を表す位置関係にある、4以上の自然数であるN個の画素からなる画素群を選択し、該選択された画素群の各画素のラベルを変数とするN次項を含むエネルギ関数であって、前記N次項の値が、前記画素群の各画素に付与されたラベルの組合せが前記設定された対象領域の想定形状に合致するパターンである場合に最小値となり、前記パターンとは異なるラベルが付与された画素の増加に伴い前記最小値から段階的に増加するエネルギ関数を設定するエネルギ関数設定部と、
前記設定されたエネルギ関数を最小化することによって前記ラベル付けを行うラベリング部とを備え、
前記エネルギ関数設定部が、前記対象領域に属することを表すラベルのみからなる前記パターンを用いて前記エネルギ関数の設定を行うものであり、かつ、
前記エネルギ関数設定部が、さらに、前記画像において、前記選択された画素群の全画素が前記対象領域に属する場合に前記その他の領域に属するであろう位置にある、4以上の自然数であるM個の画素からなる第2の画素群をさらに選択し、該選択された第2の画素群の各画素のラベルを変数とするM次項をさらに含む前記エネルギ関数であって、前記M次項の値が、前記第2の画素群の各画素に付与されたラベルが全て前記その他の領域に属することを表すラベルである場合に第2の最小値となり、前記対象領域に属することを表すラベルが付与された画素の増加に伴い前記第2の最小値から段階的に増加する前記エネルギ関数を設定するものである画像処理装置。 - 前記エネルギ関数設定部が、前記画素群の画素のうち、前記想定形状の輪郭からの距離が遠い画素ほど、その画素に前記パターンとは異なるラベルが付与されたことによる前記N次項の値の増加幅が大きくなる前記エネルギ関数を設定するものである請求項1または
2記載の画像処理装置。 - 画像の各画素に対象領域に属するかその他の領域に属するかの2値のラベルづけを行う画像処理装置であって、
前記対象領域の想定形状を設定する形状設定部と、
前記画像において、前記設定された想定形状を表す位置関係にある、4以上の自然数であるN個の画素からなる画素群を選択し、該選択された画素群の各画素のラベルを変数とするN次項を含むエネルギ関数であって、前記N次項の値が、前記画素群の各画素に付与されたラベルの組合せが前記設定された対象領域の想定形状に合致するパターンである場合に最小値となり、前記パターンとは異なるラベルが付与された画素の増加に伴い前記最小値から段階的に増加するエネルギ関数を設定するエネルギ関数設定部と、
前記設定されたエネルギ関数を最小化することによって前記ラベル付けを行うラベリング部とを備え、
前記形状設定部が、前記対象領域の想定形状として、複数の異なる形状を設定するものであり、
前記エネルギ関数設定部が、前記設定されたそれぞれの形状に対応して、その形状を表す位置関係にあるN個の画素からなる画素群を選択し、該各選択された画素群に対応して、その画素群の各画素のラベルを変数とするN次項を求め、それらのN次項の和を含む前記エネルギ関数を設定するものであって、前記各N次項の値が、該N次項に対応する画素群の各画素に付与されたラベルの組合せがその画素群に対応する前記形状に合致するパターンである場合を最小値となり、該パターンとは異なるラベルが付与された画素の増加に伴い前記最小値から段階的に増加するエネルギ関数を設定するものである画像処理装置。 - 前記対象領域が腫瘍領域であり、
前記形状設定部が、前記複数の形状として、円形度の異なる複数の楕円を設定するものである請求項4記載の画像処理装置。 - 前記対象領域が筋肉領域であり、
前記形状設定部が、前記複数の形状として、曲率が変化する度合いが異なる複数の緩和曲線を設定するものである請求項4記載の画像処理装置。 - 前記対象領域が血管領域であり、
前記形状設定部が、前記複数の形状として、大きさと位置の両方、またはいずれか一方が異なる複数の円または球を設定するものである請求項4記載の画像処理装置。 - 前記対象領域が臓器領域であり、
前記形状設定部が、前記複数の形状として、主成分分析によって得られる主成分パラメータが異なる複数の臓器形状を設定するものである請求項4記載の画像処理装置。 - 前記形状設定部が、前記画像を解析し、該解析の結果に基づいて前記対象領域の想定形状を設定するものであることを特徴とする請求項1から4のいずれか1項記載の画像処理装置。
- 前記形状設定部が、前記画像から前記対象領域の輪郭を仮抽出し、該仮抽出された輪郭に対して主成分分析を行って1以上の主成分パラメータを求め、該求められた主成分パラメータを変えることで得られる複数の形状を前記対象領域の想定形状として設定するものであることを特徴とする請求項9記載の画像処理装置。
- 形状設定部と、エネルギ関数設定部と、ラベリング部とを備えた、画像処理装置において、画像の各画素に対象領域に属するかその他の領域に属するかの2値のラベルづけを行う画像処理方法であって、
前記形状設定部が、前記対象領域の想定形状を設定するステップと、
前記エネルギ関数設定部が、前記画像において、前記設定された対象領域の想定形状を表す位置関係にあるN個(ただし、Nは4以上の自然数である)の画素からなる画素群を選択し、該選択された画素群の各画素のラベルを変数とするN次項を含むエネルギ関数であって、前記N次項の値が、前記画素群の各画素に付与されたラベルの組合せが前記設定された対象領域の想定形状に合致するパターンである場合に最小値となり、前記パターンとは異なるラベルが付与された画素の増加に伴い前記最小値から段階的に増加するエネルギ関数を設定するステップと、
前記ラベリング部が、前記設定されたエネルギ関数を最小化することによって、前記ラベル付けを行うステップとを含み、
前記エネルギ関数を設定するステップが、前記2値のラベルをそれぞれ1つ以上含む前記パターンを用いて前記エネルギ関数の設定を行うものであり、かつ、
前記エネルギ関数を設定するステップが、さらに、前記画像において、前記選択された画素群の全画素が前記対象領域に属する場合に前記その他の領域に属するであろう位置にある、4以上の自然数であるM個の画素からなる第2の画素群をさらに選択し、該選択された第2の画素群の各画素のラベルを変数とするM次項をさらに含む前記エネルギ関数であって、前記M次項の値が、前記第2の画素群の各画素に付与されたラベルが全て前記その他の領域に属することを表すラベルである場合に第2の最小値となり、前記対象領域に属することを表すラベルが付与された画素の増加に伴い前記第2の最小値から段階的に増加する前記エネルギ関数を設定するものである画像処理方法。 - 形状設定部と、エネルギ関数設定部と、ラベリング部とを備えた、画像処理装置において、画像の各画素に対象領域に属するかその他の領域に属するかの2値のラベルづけを行う画像処理方法であって、
前記形状設定部が、前記対象領域の想定形状を設定するステップと、
前記エネルギ関数設定部が、前記画像において、前記設定された対象領域の想定形状を表す位置関係にあるN個(ただし、Nは4以上の自然数である)の画素からなる画素群を選択し、該選択された画素群の各画素のラベルを変数とするN次項を含むエネルギ関数であって、前記N次項の値が、前記画素群の各画素に付与されたラベルの組合せが前記設定された対象領域の想定形状に合致するパターンである場合に最小値となり、前記パターンとは異なるラベルが付与された画素の増加に伴い前記最小値から段階的に増加するエネルギ関数を設定するステップと、
前記ラベリング部が、前記設定されたエネルギ関数を最小化することによって、前記ラベル付けを行うステップとを含み、
前記エネルギ関数を設定するステップが、前記対象領域に属することを表すラベルのみからなる前記パターンを用いて前記エネルギ関数の設定を行うものであり、かつ、
前記エネルギ関数を設定するステップが、さらに、前記画像において、前記選択された画素群の全画素が前記対象領域に属する場合に前記その他の領域に属するであろう位置にある、4以上の自然数であるM個の画素からなる第2の画素群をさらに選択し、該選択された第2の画素群の各画素のラベルを変数とするM次項をさらに含む前記エネルギ関数であって、前記M次項の値が、前記第2の画素群の各画素に付与されたラベルが全て前記その他の領域に属することを表すラベルである場合に第2の最小値となり、前記対象領域に属することを表すラベルが付与された画素の増加に伴い前記第2の最小値から段階的に増加する前記エネルギ関数を設定するものである画像処理方法。 - 形状設定部と、エネルギ関数設定部と、ラベリング部とを備えた、画像処理装置において、画像の各画素に対象領域に属するかその他の領域に属するかの2値のラベルづけを行う画像処理方法であって、
前記形状設定部が、前記対象領域の想定形状を設定するステップと、
前記エネルギ関数設定部が、前記画像において、前記設定された対象領域の想定形状を表す位置関係にあるN個(ただし、Nは4以上の自然数である)の画素からなる画素群を選択し、該選択された画素群の各画素のラベルを変数とするN次項を含むエネルギ関数であって、前記N次項の値が、前記画素群の各画素に付与されたラベルの組合せが前記設定された対象領域の想定形状に合致するパターンである場合に最小値となり、前記パターンとは異なるラベルが付与された画素の増加に伴い前記最小値から段階的に増加するエネルギ関数を設定するステップと、
前記ラベリング部が、前記設定されたエネルギ関数を最小化することによって、前記ラベル付けを行うステップとを含み、
前記想定形状を設定するステップが、前記対象領域の想定形状として、複数の異なる形状を設定するものであり、
前記エネルギ関数を設定するステップが、前記設定されたそれぞれの形状に対応して、その形状を表す位置関係にあるN個の画素からなる画素群を選択し、該各選択された画素群に対応して、その画素群の各画素のラベルを変数とするN次項を求め、それらのN次項の和を含む前記エネルギ関数を設定するものであって、前記各N次項の値が、該N次項に対応する画素群の各画素に付与されたラベルの組合せがその画素群に対応する前記形状に合致するパターンである場合を最小値となり、該パターンとは異なるラベルが付与された画素の増加に伴い前記最小値から段階的に増加するエネルギ関数を設定するものである画像処理方法。 - 画像の各画素に対象領域に属するかその他の領域に属するかの2値のラベルづけを行うための画像処理プログラムであって、
コンピュータを、
前記対象領域の想定形状を設定する形状設定部と、
前記画像において、前記設定された対象領域の想定形状を表す位置関係にあるN個(ただし、Nは4以上の自然数である)の画素からなる画素群を選択し、該選択された画素群の各画素のラベルを変数とするN次項を含むエネルギ関数であって、前記N次項の値が、前記画素群の各画素に付与されたラベルの組合せが前記設定された対象領域の想定形状に合致するパターンである場合に最小値となり、前記パターンとは異なるラベルが付与された画素の増加に伴い前記最小値から段階的に増加するエネルギ関数を設定するエネルギ関数設定部と、
前記設定されたエネルギ関数を最小化することによって、前記ラベル付けを行うラベリング部として機能させ、
前記エネルギ関数設定部が、前記2値のラベルをそれぞれ1つ以上含む前記パターンを用いて前記エネルギ関数の設定を行い、かつ、
前記エネルギ関数設定部が、さらに、前記画像において、前記選択された画素群の全画素が前記対象領域に属する場合に前記その他の領域に属するであろう位置にある、4以上の自然数であるM個の画素からなる第2の画素群をさらに選択し、該選択された第2の画素群の各画素のラベルを変数とするM次項をさらに含む前記エネルギ関数であって、前記M次項の値が、前記第2の画素群の各画素に付与されたラベルが全て前記その他の領域に属することを表すラベルである場合に第2の最小値となり、前記対象領域に属することを表すラベルが付与された画素の増加に伴い前記第2の最小値から段階的に増加する前記エネルギ関数を設定するための画像処理プログラム。 - 画像の各画素に対象領域に属するかその他の領域に属するかの2値のラベルづけを行うための画像処理プログラムであって、
コンピュータを、
前記対象領域の想定形状を設定する形状設定部と、
前記画像において、前記設定された対象領域の想定形状を表す位置関係にあるN個(ただし、Nは4以上の自然数である)の画素からなる画素群を選択し、該選択された画素群の各画素のラベルを変数とするN次項を含むエネルギ関数であって、前記N次項の値が、前記画素群の各画素に付与されたラベルの組合せが前記設定された対象領域の想定形状に合致するパターンである場合に最小値となり、前記パターンとは異なるラベルが付与された画素の増加に伴い前記最小値から段階的に増加するエネルギ関数を設定するエネルギ関数設定部と、
前記設定されたエネルギ関数を最小化することによって、前記ラベル付けを行うラベリング部として機能させ、
前記エネルギ関数設定部が、前記対象領域に属することを表すラベルのみからなる前記パターンを用いて前記エネルギ関数の設定を行い、かつ、
前記エネルギ関数設定部が、さらに、前記画像において、前記選択された画素群の全画素が前記対象領域に属する場合に前記その他の領域に属するであろう位置にある、4以上の自然数であるM個の画素からなる第2の画素群をさらに選択し、該選択された第2の画素群の各画素のラベルを変数とするM次項をさらに含む前記エネルギ関数であって、前記M次項の値が、前記第2の画素群の各画素に付与されたラベルが全て前記その他の領域に属することを表すラベルである場合に第2の最小値となり、前記対象領域に属することを表すラベルが付与された画素の増加に伴い前記第2の最小値から段階的に増加する前記エネルギ関数を設定するための画像処理プログラム。 - 画像の各画素に対象領域に属するかその他の領域に属するかの2値のラベルづけを行うための画像処理プログラムであって、
コンピュータを、
前記対象領域の想定形状を設定する形状設定部と、
前記画像において、前記設定された対象領域の想定形状を表す位置関係にあるN個(ただし、Nは4以上の自然数である)の画素からなる画素群を選択し、該選択された画素群の各画素のラベルを変数とするN次項を含むエネルギ関数であって、前記N次項の値が、前記画素群の各画素に付与されたラベルの組合せが前記設定された対象領域の想定形状に合致するパターンである場合に最小値となり、前記パターンとは異なるラベルが付与された画素の増加に伴い前記最小値から段階的に増加するエネルギ関数を設定するエネルギ関数設定部と、
前記設定されたエネルギ関数を最小化することによって、前記ラベル付けを行うラベリング部として機能させ、
前記形状設定部が、前記対象領域の想定形状として、複数の異なる形状を設定し、
前記エネルギ関数設定部が、前記設定されたそれぞれの形状に対応して、その形状を表す位置関係にあるN個の画素からなる画素群を選択し、該各選択された画素群に対応して、その画素群の各画素のラベルを変数とするN次項を求め、それらのN次項の和を含む前記エネルギ関数を設定するものであって、前記各N次項の値が、該N次項に対応する画素群の各画素に付与されたラベルの組合せがその画素群に対応する前記形状に合致するパターンである場合を最小値となり、該パターンとは異なるラベルが付与された画素の増加に伴い前記最小値から段階的に増加するエネルギ関数を設定するための画像処理プログラム。
Priority Applications (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2015026070A JP5946153B2 (ja) | 2014-03-12 | 2015-02-13 | 画像処理装置、その作動方法およびプログラム |
EP15158153.5A EP2919192B1 (en) | 2014-03-12 | 2015-03-09 | Image processing apparatus, and operation method and program therefor |
US14/642,045 US10068148B2 (en) | 2014-03-12 | 2015-03-09 | Image processing apparatus, and operation method and program therefor |
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2014048599 | 2014-03-12 | ||
JP2014048599 | 2014-03-12 | ||
JP2015026070A JP5946153B2 (ja) | 2014-03-12 | 2015-02-13 | 画像処理装置、その作動方法およびプログラム |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2015187836A JP2015187836A (ja) | 2015-10-29 |
JP5946153B2 true JP5946153B2 (ja) | 2016-07-05 |
Family
ID=52726958
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2015026070A Active JP5946153B2 (ja) | 2014-03-12 | 2015-02-13 | 画像処理装置、その作動方法およびプログラム |
Country Status (3)
Country | Link |
---|---|
US (1) | US10068148B2 (ja) |
EP (1) | EP2919192B1 (ja) |
JP (1) | JP5946153B2 (ja) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP6656058B2 (ja) * | 2016-04-06 | 2020-03-04 | 京セラ株式会社 | 腹部断面画像の生成装置及び腹部断面画像の生成システム |
CN108629815B (zh) * | 2017-03-15 | 2021-02-26 | 北京京东尚科信息技术有限公司 | 图像生成方法和装置 |
Family Cites Families (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP4184842B2 (ja) * | 2003-03-19 | 2008-11-19 | 富士フイルム株式会社 | 画像判別装置、方法およびプログラム |
US7676081B2 (en) * | 2005-06-17 | 2010-03-09 | Microsoft Corporation | Image segmentation of foreground from background layers |
EP1865464B1 (en) | 2006-06-08 | 2013-11-20 | National University Corporation Kobe University | Processing device and program product for computer-aided image based diagnosis |
JP2010244321A (ja) * | 2009-04-07 | 2010-10-28 | Seiko Epson Corp | 顔画像を表す顔モデルを設定する画像処理 |
JP5564643B2 (ja) * | 2009-06-12 | 2014-07-30 | 博 石川 | 情報処理方法および情報処理装置 |
US9153031B2 (en) * | 2011-06-22 | 2015-10-06 | Microsoft Technology Licensing, Llc | Modifying video regions using mobile device input |
US8824797B2 (en) | 2011-10-03 | 2014-09-02 | Xerox Corporation | Graph-based segmentation integrating visible and NIR information |
US9361699B2 (en) * | 2012-06-27 | 2016-06-07 | Imec Taiwan Co. | Imaging system and method |
-
2015
- 2015-02-13 JP JP2015026070A patent/JP5946153B2/ja active Active
- 2015-03-09 EP EP15158153.5A patent/EP2919192B1/en active Active
- 2015-03-09 US US14/642,045 patent/US10068148B2/en active Active
Also Published As
Publication number | Publication date |
---|---|
EP2919192A3 (en) | 2016-02-24 |
JP2015187836A (ja) | 2015-10-29 |
US10068148B2 (en) | 2018-09-04 |
EP2919192B1 (en) | 2019-11-27 |
EP2919192A2 (en) | 2015-09-16 |
US20150262026A1 (en) | 2015-09-17 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10600185B2 (en) | Automatic liver segmentation using adversarial image-to-image network | |
CN105574859B (zh) | 一种基于ct图像的肝脏肿瘤分割方法及装置 | |
Pandya et al. | C5. 0 algorithm to improved decision tree with feature selection and reduced error pruning | |
CN113454637A (zh) | 使用深度学习对非欧式3d数据集的自动语义分割 | |
US20180174049A1 (en) | Method and computer for determination of a training function for generating annotated training images | |
US11886990B2 (en) | Classification device, classification method, and computer program product | |
JP5235770B2 (ja) | 顕著領域映像生成方法、顕著領域映像生成装置、プログラムおよび記録媒体 | |
US10181086B2 (en) | Image analysis method for extracting feature of image and apparatus therefor | |
JP2011034177A (ja) | 情報処理装置および情報処理方法、並びにプログラム | |
Wang et al. | Cascaded refinement network for point cloud completion with self-supervision | |
JP6965206B2 (ja) | クラスタリング装置、クラスタリング方法およびプログラム | |
CN114240954B (zh) | 网络模型的训练方法及装置、图像分割方法及装置 | |
JP2020052543A (ja) | 形状補完装置、形状補完学習装置、方法、及びプログラム | |
CN114341872A (zh) | 促进分类模型的可解释性 | |
JP5946153B2 (ja) | 画像処理装置、その作動方法およびプログラム | |
Chen | Automated bone age classification with deep neural networks | |
CN107533760B (zh) | 一种图像分割方法和装置 | |
JP2018124990A (ja) | モデル生成装置、評価装置、モデル生成方法、評価方法及びプログラム | |
JP7329041B2 (ja) | 条件付き敵対的生成ネットワークに基づいて画像を合成する方法および関連機器 | |
JP2022553076A (ja) | 画像のセグメンテーションのためのシステム及び方法 | |
Gong et al. | A superpixel segmentation algorithm based on differential evolution | |
CN107492101B (zh) | 基于自适应构造最优图的多模态鼻咽肿瘤分割算法 | |
WO2019167882A1 (ja) | 機械学習装置および方法 | |
JP2014191564A (ja) | 画像処理装置、画像処理プログラムおよび画像処理装置の作動方法 | |
Rasi et al. | YOLO Based Deep Learning Model for Segmenting the Color Images |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20160115 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20160126 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20160328 |
|
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: 20160426 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20160526 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 5946153 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |